<p id="91lnl"><del id="91lnl"></del></p>
        <pre id="91lnl"></pre>

          <output id="91lnl"></output>

            <pre id="91lnl"></pre>

            <ruby id="91lnl"></ruby>
              <p id="91lnl"></p>

            <p id="91lnl"></p>
            <p id="91lnl"><mark id="91lnl"></mark></p>
            <p id="91lnl"><mark id="91lnl"><progress id="91lnl"></progress></mark></p>
              <pre id="91lnl"><del id="91lnl"><dfn id="91lnl"></dfn></del></pre><p id="91lnl"><mark id="91lnl"><thead id="91lnl"></thead></mark></p>
              首頁 > 新聞中心 > 官方新聞
              集萃感知入榜「2020人工智能感知層創新排行榜」
              2021-04-09 | 之槐

              近日,中國科學院《互聯網周刊》發布了「2020人工智能感知層創新排行榜」,集萃感知作為唯一雷達感知企業入榜其中。

              在人們的日常生活中,人工智能技術在感知層的運用已經十分普遍和不可或缺。比如在語音識別領域,有基于智能音箱的語音對話交流,基于地圖的語音導航,還有基于智能翻譯器的語音翻譯。而在人臉識別領域,也有人臉考勤、人臉測溫和人臉支付。

              而推動人工智能產業的創新與發展,集萃感知的AI雷達核心技術,已經成為人工智能發力的又一個新方向。

              近年來,隨著人工智能技術的普及和應用,基于視覺、聽覺、觸覺等感知能力的感知智能已經取得了相當的進展。很多業界人士認為,人工智能在感知層已經達到甚至超過了人類水平。

              7月9日,以“智聯世界、共同家園”為主題的第三屆世界人工智能大會(WAIC)云端峰會在上海正式拉開了帷幕。會上,特斯拉首席執行官埃隆·馬斯克就指出:“AI在感知層面的某些專業領域里,已經無人能及。例如,AI的圖像識別天賦已經超過了地球人,其天賦的發揮取決于算力有多強大,有多少計算機可以投入深度學習訓練。”

              人工智能在感知層面的一騎絕塵

              人工智能產業鏈可以細分為三層結構,即應用層、技術層、基礎層。其中基礎層的核心是數據的收集與運算,應用層的產品已經遍布無人機、無人駕駛、智能機器人、智能安防等眾多領域。而技術層,又分為平臺層、認知層和感知層。其中,感知層包括計算機視覺、語音識別、AR、VR等。

              確實,在人們的日常生活中,人工智能技術在感知層的運用已經十分普遍和不可或缺。比如在語音識別領域,有基于智能音箱的語音對話交流,基于地圖的語音導航,還有基于智能翻譯器的語音翻譯。而在人臉識別領域,也有人臉考勤、人臉測溫和人臉支付。此外還有基于AR或VR技術的游戲應用、基于計算機視覺的機器人等等。

              人工智能技術已經扎根于人們的生活,而在其他領域,AI也同樣發揮著自身的優勢。比如江蘇集萃深度感知技術研究所有限公司的AI雷達。

              集萃感知通過將基于SNN的目標識別、異構傳感融合等人工智能技術融入毫米波雷達,使傳統雷達的性能得到極大提升,具備更為準確、魯棒、完整的環境感知能力,并且不僅能夠檢測和識別目標,還能夠讓雷達真正智能,理解目標的特性與行為。

              融合人工智能的雷達技術能夠將干擾降到原來的六分之一,同時提升60%的探測距離,并大幅度降低虛警和漏檢率。結合毫米波雷達“全天候全天時”的核心優勢,AI雷達可幫助實現機器的深度環境感知能力,必將成為智能交通、輔助駕駛、成像監控和消費電子等領域不可或缺的核心感知技術之一。

              推動人工智能產業的創新與發展,用AI雷達點亮機器視界,已經成了人工智能發力的又一個新方向。

              從感知到認知,還有一段很長的路要走

              仔細觀察,不管是手機應用,還是導航、安防、機器人等眾多領域,人工智能的技術運用主要還是集中在感知層面,即用技術模擬人的感知能力,類似聽覺、視覺和觸覺等。那么接下來,由感知層向前延伸,人工智能又會到達怎樣的高度呢?

              語音、視覺等技術在人工智能技術中屬于感知層技術,同時,人還有非常厲害的認知能力。據了解,微軟亞洲研究院將人類智能由低到高分為了計算與記憶力、感知、認知、創造力、智慧五大層級,人工智能將逐步從最底層開始對人類智能進行模擬。感知智能是當下人工智能發展和聚焦的主要層面,所以,接下來的是比感知層更高一級的認知層。

              雖然人工智能對認知層的挖掘已經開始并有一定的成果,比如在大數據的基礎上,利用深度學習等技術,模擬人類的創作過程,但進步還是很有限。馬斯克就認為,人工智能技術在實際應用中已經遠遠超過了人們對于技術感知能力的認識,但在認知領域,目前AI距離真正的智能還很遠。“理解概念、準確推理、盡情創造,AI的一系列表現,看上去還是怪怪的。”

              就像目前的翻譯機器,翻譯最終呈現的效果確實還不錯,但業內人士卻認為,翻譯機器可以“假裝”聽懂,而實際上,它并沒有真的聽懂,目前的人工智能是處于感知到認知的過渡階段。英國皇家工程院院士、歐洲科學院院士郭毅可也表示:“現在人工智能只是能夠識別一些事物,它要真正認識一些事物,這是下一代的領域。”

              進步雖然有限,但發展的步伐一刻也不曾停止。遙想人工智能在認知層面的未來,AI技術能充分理解人的語言,而不單單是機械地翻譯,這將是人工智能技術領域的又一重大突破。

              什么才是真正的智能?

              一切在事物發展過程中的評論和定義都是片面的,即便是蓋棺定論,在不同的時代、不同的語境下也會出現有差異的甚至是截然相反的說法。

              那么什么才是真正的智能?有人認為,一切人工智能即服務,未來,怎樣舉一反三地處理未知的事情,才是真的智能,而這也是目前人類智能和機器智能的最大區別。

              很多年后,當真正的智能到來的時候,當智能融入到現實生活,變得日常和普通的時候,人們又會開始對智能有新的期許和更新的定義,這種變化在沒有盡頭的人類創造力和想象力面前,已經成為一種常態和喜聞樂見。

              或許真正的智能更應該表現為一種思想上、文化上的創造和創新,不局限、敢求變。就像騰訊COO任宇昕在世界人工智能大會上強調的:“AI不但改變著人與機器的關系,而且也會帶來人與人關系的調整。AI是產業經濟中最大的變量,更是社會生活中最重要的未知數。新一代年輕人既要掌握科技力量,更要思考文化價值,兩者同等重要。”

              總結

              探索如何應用人工智能技術來幫助和推動社會進步,是時代的課題,也是當下每一個相關企業正在積極備戰的課題。

              認知,進步,未來已來。

              (文/之槐)

              新聞中心
              你所關心的是我們走過的每一步
              訂閱
              獲得最新的集萃感知信息
              集萃深度感知技術研究所(英文縮寫IDPT,簡稱“集萃感知”)隸屬江蘇省產業技術研究院,致力于用AI雷達點亮機器視界,主營產品為智能交通雷達、雷視一體機、NB-IoT單燈控制器、車路協同系統方案、智慧照明系統方案等,可應用于智能交通、車路協同、智慧照明、智慧城市等領域。
              bd@idpt.org
              0510-85388099
              13816071849(銷售)
              18896537391(市場)
              江蘇省產業技術研究院深度感知技術研究所 Institute of Deep Perception Technology, JITRI
              在線留言
              請填寫所在公司/機構
              請填寫感興趣的產品
              請填寫詢問信息
              請填寫姓名
              請填寫電子郵件地址
              請填寫電話號碼

                <p id="91lnl"><del id="91lnl"></del></p>
                    <pre id="91lnl"></pre>

                      <output id="91lnl"></output>

                        <pre id="91lnl"></pre>

                        <ruby id="91lnl"></ruby>
                          <p id="91lnl"></p>

                        <p id="91lnl"></p>
                        <p id="91lnl"><mark id="91lnl"></mark></p>
                        <p id="91lnl"><mark id="91lnl"><progress id="91lnl"></progress></mark></p>
                          <pre id="91lnl"><del id="91lnl"><dfn id="91lnl"></dfn></del></pre><p id="91lnl"><mark id="91lnl"><thead id="91lnl"></thead></mark></p>
                          久久精品网