人工智能的发（fā）展愈（yù）来愈强大！

人工智能是一个（gè）涵盖（gài）图像识别、自然语言处理（NLP）和（hé）机器人等多方面维度（dù）的广（guǎng）泛领域。AI也在以一种有时看（kàn）似疯狂（kuáng）的（de）速（sù）度发展，因此很（hěn）难跟（gēn）上正在发生的一切。

不出所（suǒ）料，许多组织转向（xiàng）他（tā）们的（de）IT供（gòng）应（yīng）商（shāng）合作伙伴，帮助他（tā）们开发和部署AI解决方案，以最好地满足他们（men）的（de）需（xū）求。大卫·埃里森是联想公（gōng）司的高级人工智（zhì）能数（shù）据科学家，他（tā）的职责包括（kuò）使用（yòng）先进的人工智能技（jì）术为客户组（zǔ）织提（tí）供（gòng）解决方案，同时在内部支持联想（xiǎng）全球数据中心集团的整（zhěng）体人（rén）工智能战略。

联想（xiǎng）已投入（rù）商（shāng）业运营的（de）项目（mù）包（bāo）括利用（yòng）卷积神经（jīng）网络从图像（xiàng）中提取特（tè）征，并将其归类为缺陷，以检测工厂（chǎng）的制造缺陷。联想还为一（yī）家赛车公司开（kāi）发（fā）了一套计算（suàn）机视觉系统，以决定是否应该（gāi）让特定的汽（qì）车（chē）进（jìn）入维（wéi）修站进（jìn）行维修（xiū）。

埃利（lì）森表（biǎo）示，今年和不久的将来，人工智能的主要趋势包括（kuò）基（jī）于计算（suàn）机视觉（jiào）的应用程序、用于训练人工智能模型（xíng）的数据生成（chéng）和数据标记算法的开发，以及基于（yú）转换（huàn）模型的自然语言处理的快（kuài）速进展。

联想对人工智能近期（qī）主要趋势有如下展望：

计算机视觉

在计算机视觉方面，开发人员和研究人员（yuán）现在开始探索将这种能力与人工智能的（de）其他一些领（lǐng）域相结合的实用方法，比如机器人技术或自动应用图像字幕等应用的（de）自然语（yǔ）言处理。据埃里森介绍，这部（bù）分是因为计算（suàn）机视觉的一些基本问题已经被证明很难解决，研（yán）究人员正在寻找（zhǎo）新的方（fāng）法（fǎ）来解决这些问（wèn）题（tí），而不是简单地（dì）推动研究领（lǐng）域向前发展。

埃（āi）里森：“我认为我们在解（jiě）决（jué）一些核心的计算机视觉任务时遇到了问题，比如3D投影，当你看到一张图片，一栋建筑的（de）二维图（tú）像，人类的大脑可以（yǐ）将其推断成三（sān）维形状，但机器（qì）很难做到这一点。”在这方面已经有（yǒu）很多研（yán）究，但（dàn）这是一个尚未（wèi）解决的核（hé）心（xīn）问题，我（wǒ）认为人（rén）们（men）会感（gǎn）到沮（jǔ）丧，会尝试一些新东西，或者（zhě）尝试将它与其他领域相结（jié）合，找到更好的用途。

埃里森认为，这就是为什（shí）么机器人技术是目前最广泛研究的人工智能（néng）领域之（zhī）一（yī），因为它为人们提供了一（yī）个明确的目标。他（tā）列（liè）举的例子包括（kuò）使人工智能能够使用（yòng）视觉（jiào）感应在其周围的空间（jiān）中安全移动（dòng）——无论是制造工厂的（de）机械（xiè）臂，还是使（shǐ）用（yòng）人工智能导航到目（mù）的地的（de）自（zì）动车辆。

训练数据

熟悉人工智能的（de）人会（huì）知（zhī）道，成功训（xùn）练一（yī）个模（mó）型的关键因素之一是数据（jù），这（zhè）需要（yào）大量的数据。事实上，它（tā）所训（xùn）练的数据越多（duō），就越能更（gèng）好地交付（fù）你所寻求的结果。据埃（āi）里森不是，计算机视觉目前很困难，因（yīn）为用于训（xùn）练模型的数据（jù）集没有包含足够（gòu）多的样本。例（lì）如，吉布森三维（wéi）空间数据库（Gibson Database of 3D Spaces）是一个广泛使用（yòng）的数据（jù）集，用于训练模型（xíng）在室内空间中导航（háng），它包括572栋完整的建筑，共1447层。虽然令人印象深刻（kè），但这（zhè）不太可能是一个（gè）人工智能系统在（zài）现实（shí）世（shì）界（jiè）中（zhōng）可能遇（yù）到（dào）的全面集合。

当物体的方向与计算机视（shì）觉（jiào）模型所训练的（de）方（fāng）向不同时（shí），也会（huì）出现类似（sì）的问题。在被广泛用（yòng）于人工智（zhì）能训练的ImageNet数据（jù）集中，埃里森：“一把椅子只是一张（zhāng）椅（yǐ）子的照片，面对着镜头。如果你把椅子翻过来，电脑视觉应（yīng）用程序突然就认（rèn）不出（chū）它了。”

这个缺点是一个名为（wéi）ObjectNet的新数据集的灵感来（lái）源，它以不同的配置显示日常（cháng）项目，例如椅（yǐ）子翻转或（huò）倒置。这个训（xùn）练集被用来（lái）解决计算机视觉（jiào）的一些缺点，例如不（bú）能识别方向不正常或部分模（mó）糊的物体（tǐ）。

但是为（wéi）人工智（zhì）能训练获（huò）取足够大和多样（yàng）化的数据集的问题仍（réng）然存在，这导致了埃里（lǐ）森发现（xiàn）的另一（yī）个（gè）主要趋势（shì），即首先使用人工智（zhì）能（néng）来生成数据集。

自（zì）我监督（dū）和综合数据

数据集（jí）需（xū）要大量的人工数（shù）据标签，因此越来越多的研究项目现在都集中在自我监督算法上（shàng），它可（kě）以获取已经（jīng）收（shōu）集到的数据，并让计算（suàn）机自动给数据贴上标签。

埃里（lǐ）森解释：“一个（gè）典型的例子（zǐ）就是一（yī）个具有计算机视觉应用和接近传感器机器人。计算机（jī）视觉能够比（bǐ）接近传（chuán）感器看得更远。但是（shì）当机器人向前移动时，出（chū）现在计（jì）算机视觉中的东西最终（zhōng）会以物体的形式（shì）出现在近距离传感器中。”根据传感器的数据（jù），回溯到物体第一次被发现（xiàn）的时间（jiān），然后（hòu）对其进行标记。

人工智能系（xì）统一旦（dàn）部署就不太可能遇到这（zhè）样的问（wèn）题，因此可能无法在训练（liàn）数据集中表示出来，这是开发人员面临的另一个挑（tiāo）战。然而，如果（guǒ）这些边缘（yuán）情况（kuàng）代表了真实场（chǎng）景，那么就（jiù）需要考虑这些情（qíng）况（kuàng），以确保AI模型正确地处（chù）理它（tā）们。

“关键的（de）例子是自动驾驶。在你的（de）数据集中有多少次在（zài）昏（hūn）暗（àn）的暴风雪中开车上山？你的（de）数（shù）据集中不（bú）会有很多这样的情况，所以他们本质上必（bì）须做模拟数据。”

换句话（huà）说，边缘案例是通（tōng）过使用合成数（shù）据（jù）来（lái）处理的（de），合成数（shù）据是（shì）使用各种（zhǒng）方法来创建（jiàn）的，例如生成模（mó）型。但这（zhè）也产生了（le）一个问（wèn）题（tí），即数据科学（xué）家或开发人员如何才（cái）能确保（bǎo）这些合（hé）成（chéng）数据（jù）准（zhǔn）确（què）地反映（yìng）出（chū）人工智能（néng）在现实生活中会遇（yù）到什么情况。