專業

人工智能基礎數據服務發展曆程

行業進入成長期,行業格局逐漸清晰

伴隨國內人工智能熱潮爆發,大量的AI公司拿到融資,爲了不斷提高算法精度,數據采標需求也空前爆發,一度催生了行業的繁榮。但早期的AI基礎數據服務門檻較低,玩家魚龍混雜,使行業標准模糊、服務質量參差不齊。隨著競爭加快,AI公司對訓練數據的質量要求也不斷提高,並且當産業落地成爲主旋律,需求方對垂直場景的定制化數據采標需求成爲主流,衆多小型AI基礎數據服務公司從數據質量和采標能力上達不到要求,或被淘汰,或依附大平台,行業格局逐漸清晰,頭部公司實力逐漸凸顯。隨著算法需求越來越旺盛,目前機器輔助標注、人工主要標注的手段需要改進提升,增強數據處理平台持續學習和自學習能力,增加機器能夠標注維度、提升機器處理數據的精度,由機器承擔主要標注工作將成爲下一階段的行業重心。未來,越來越多的長尾、小概率事件所産生的數據需求增強,人機協作標注的模式性價比不足,機器模擬或機器生成數據會是解決這一問題的良好途徑,及早研發相應技術也將成爲AI基礎數據服務商未來的護城河。

人工智能基礎數據服務的行業價值

目前有監督的深度學習是主流,標注數據是其學習根本

人工智能是研究如何通過機器來模擬人類認知能力的科學,機器學習是現階段實現人工智能的主要手段。機器學習方法通常是從已知數據中學習規律或者判斷規則,建立預測模型,其中,深度學習可以通過對低層特征的組合,形成更加抽象的高層屬性類別,自動從信息中學習有效的特征並進行分類,而無需人爲選取特征。憑借自動提取特征、神經網絡結構、端到端學習等優勢,深度學習在圖像和語音領域學習效果最佳,是當今最熱門的算法架構。在實際應用中,深度學習算法多采用有監督學習模式,即需要標注數據對學習結果進行反饋,在大量數據訓練下,算法錯誤率能大大降低。現在的人臉識別、自動駕駛、語音交互等應用都采用這類方法訓練,對于各類標注數據有著海量需求,可以說數據資源決定了當今人工智能的高度。由于應用有監督學習的AI算法對于標注數據的需求遠大于現有的標注效率和投入預算,無監督或僅需要少量標注數據的弱監督學習、小樣本學習成爲了科學家探索的方向,但目前無論從學習效果和使用邊界來看,均不能有效替代有監督學習,人工智能基礎數據服務將持續釋放其對于人工智能的基礎支撐價值。

人工智能基礎數據服務的主要産品形式

定制服務爲主要服務形式,數據集産品集中于語音類賽道

目前,國內AI基礎數據服務主要爲數據集産品和數據資源定制服務,數據集産品往往是AI基礎數據服務商根據自身積累産出的標准數據集,以語音數據集爲主,主體偏普通話語音、英文語音、方言語音等;爲保證算法優勢,客戶更多采用定制化服務,由客戶提出具體需求,數據服務商或直接對客戶提供的數據進行標注、或對數據進行采集並標注。大型的需求方,爲保障數據的安全,往往提供Web形式的自有標注平台給執行方,以此對整體項目進行把控,也有一些AI基礎數據服務商向客戶提供私有化平台建設服務,或將自身平台與甲方系統兼容;除以上兩種形式外,部分AI基礎數據服務商還向算法服務進行拓展,提供算法訓練、模型搭建等服務。

人工智能基礎數據服務的發展背景

人工智能經濟崛起爲基礎數據服務提供長期向好的基本面

2010年語音識別和計算機視覺領域産生重大突破,國內開始萌生AI概念。到2015年,國內迎來人工智能創業熱潮,獨角獸不斷湧現,融資記錄被不斷打破。2012年-2019年8月人工智能領域共發生2787件投融資事件,總融資額達4740億元,人工智能成爲最炙手可熱的融資熱點,百度、阿裏、騰訊、京東、華爲等科技企業也紛紛加注。2017年至今,産業落地成爲AI行業的主流,人工智能賦能實體經濟保持高速發展態勢,涉及行業包括安防、金融、零售、交通、教育、醫療、營銷、工業、農業、企服等衆多領域。下遊的爆發式增長爲人工智能基礎數據服務的發展提供了長期向好的基本面。

數據量呈指數式增長,非結構化數據的應用依賴于清洗標注

企業的安全威脅一直存在,只不過隨著大數據時代的到來,安全威脅從物理空間轉移到了網絡空間。談到“數據”,今天商業世界圍繞著“大數據”展開,它爲企業帶來了不少內在價值。通過應用大數據,商業運作在技術和操縱上變得更加智能,也更加方便。

然而相對地,人工智能運用不當,則可能帶來數據的泄露,帶來安全威脅。因此,不少企業不惜重金投資人工智能來培育自己的網絡安全系統,以防如此情況的出現。

那麽關于人工智能,到底是網絡安全的“靈丹妙藥”還是“燙手山芋”?

當前企業面臨的主要網絡安全威脅

學生實訓基地的建設，以及中國人民大學與中國科學技術協會、中國外文出版發行事業局合作的兩大研究中心，都是産學交融的探索。一覽群智、百度、京東、滴滴、愛奇藝、美團點評、地平線等知名科技企業成爲首批學生實訓基地。

西安交通大學

人工智能學院

今年1月21日成立，由鄭南甯院士作爲首席教授，主要進行以計算機視覺與模式識別爲基礎的智能信息處理結合學科發展前沿，重點進行視覺信號統計特性、初級視覺模型、計算機圖形學和機器視覺信息計算模型研究；智能系統的數理機制探索與模型化；計算視頻及面向圖像和視頻處理的超大規模專用集成電路設計；基于圖像信息的智能控制與識別系統和各種圖像處理方法與技術。

西安交大“人工智能本科專業課程設置”按課程群分類設置，包括通識教育、數學與統計、科學與工程、人工智能、計算機科學、機器人等11個課程群，共開設64門課程，其中必修課程41門、選修課程23門 (完成所需學分需選修其中12門)。

東南大學

人工智能學院（人工智能研究院）

今年1月14日成立，著名校友、聯想集團首席技術官、高級副總裁芮勇博士出任兼職院長。

人工智能學院的本科生及碩士生招生規模均會不少于100人，探索本碩博貫通培養模式。研究院將在人工智能基礎理論研究、共性技術與核心算法研究、人工智能産業合作推廣、人工智能人才隊伍建設等方面開展工作。

大連理工大學

人工智能、機器學習、深度學習、卷積神經網絡的關系

需要注意的是，深度學習與傳統機器學習的區別在于：傳統機器學習描述樣本的特征通常由專家來設計，這稱爲“特征工程”；深度學習則通過機器學習自身來産生特征，即“特征學習”或“表示學習”。

傳統機器學習與深度學習的區別

在數據的“初始表示”（如圖像的“像素”）與解決任務所需的“合適表示”相距甚遠的時候，傳統機器學習就顯得無能爲力而只能嘗試使用深度學習的方法。

人工智能應用框架

• 基礎層：爲人工智能産業奠定網絡、算法、硬件鋪設、數據獲取等基礎，主要包括AI芯片、IoT傳感器、數據服務、雲計算等。其中：

• AI芯片包括GPU、FPGA等加速硬件與神經網絡芯片，爲深度學習提供計算硬件，是重點底層硬件；

• 傳感器主要對環境、動作、圖像等內容進行智能感知，是人工智能的重要數據輸入和交互硬件；

• 數據服務包括數據挖掘、監測、交易等，爲人工智能産業提供數據的收集、處理、交易等服務；

• 雲計算主要爲人工智能開發提供雲端計算資源和服務，以分布式網絡爲基礎，提高計算效率。

• 技術層：模擬人的智能相關特征爲出發點構建技術路徑，主要包括圖像識別、語音識別、自然語言處理NLP、知識圖譜等。目前發展比較成熟的主要包括：

• 計算機視覺包括靜態和動態圖像識別與處理等，對目標進行識別、測量和計算，有廣泛的應用場景；

• 語音及自然語言處理包括語音識別和自然語言處理，基于數據化和框架化的處理模型，研究語言的手機、識別理解和處理等工作，設計計算機、語言學、邏輯學等學科。

• 應用層： 集成一類或多類人工智能基礎應用技術，面向特定應用場景需求而形成的軟硬件産品或解決方案。主要包括：無人駕駛、智慧安防、智慧城市(城市大腦)、金融科技(Fintech)、智慧醫療、智慧物流等領域。

  
  

當下,人工智能(AI)似乎成了一個時髦詞,幾乎每家公司都聲稱自己使用了這項技術。然而,AI在遊戲中的應用並不新鮮——甚至可以說它是“所有電子遊戲的基礎”。從最簡單的遊戲《Pong 乒乓》就在使用AI技術,AI技術創造的遊戲體驗一直和我們玩家相伴,早期遊戲中使用的AI技術給與遊戲一種不可預測性,玩家每一次進入遊戲都有不同的遊戲體驗。

如今,遊戲中使用的人工智能比以往任何時候都更加複雜,玩家的遊戲體驗前所未見。開發者使用的AI工具更加強大,這讓遊戲更加真實同時還能簡化開發過程,我們接下來討論AI技術如何推動手機遊戲的變革與手遊開發進程。

人工智能是如何進入到手機遊戲開發中的

簡單來講,人工智能是機器或軟件展示智慧的一種技術。可以體現在語音識別、大數據識別和自動駕駛上。由于人工智能需要複雜的計算,因而主機遊戲和PC上面的遊戲引領了遊戲中人工智能的發展。隨著近年來,移動端手機CPU處理能力的提升,AI在智能手機上的應用也在迅速增加。同時流媒體和5G技術將原本只能在主機和PC上使用的AI技術可以在手機端應用。

手機遊戲中使用AI技術制作的遊戲最好的例子是谷歌開發的虛擬現實遊戲《Artie’s Adventure》,AI角色驅動的互動冒險遊戲。圍繞著沖浪小狗Artie,它需要你的幫助才能回到海灘,需要使用語音控制與Artie和其他新朋友交談,協助小狗穿越洛杉矶。這是面向兒童的一款遊戲,顯示了手機遊戲是如何融入人工智能。

人工智能不僅僅可以提供可供互動的智能角色,還可以生成程序化的內容,例如關卡和不同的角色。這意味著隨著玩家的遊玩關卡可以一直在創造,這也意味著給與每個玩家不同的遊戲體驗。《我的世界》就是一個很好的例子,通過程序不斷生成內容來保持遊戲的新鮮感。

人工智能對手遊開發的影響

對于遊戲開發者來說,AI可以通過分析玩家行爲來幫助開發手機遊戲。這使得開發者通過分析玩家遊戲行爲,爲他們量身定制遊戲體驗。Telltale Games工作室收集數據並將其作爲體驗的一部分。他們的遊戲《行屍走肉》,展示了不同玩家的選擇差別巨大。

Telltale Games並沒有提供玩家數據給AI,然後去改變遊戲玩法,但它卻暗示了未來的可能性。想象一個場景,當一個玩家因爲某個特定關卡或解謎太難而感到沮喪時,開發人員可以檢測到該場景。然後,AI可以提供一些提示來幫助玩家,同時還能讓玩家獲得通關的滿足感。這意味著在遊戲開始時,玩家不需要在簡單的、普通的或困難中做出選擇——遊戲會根據玩家遊戲技巧作出反應。

《行屍走肉》

不僅如此,AI也有能力調整遊戲中的要素來提高遊戲收入。《Game of whale》使用AI技術在最佳時間來介紹應用內購買或廣告等內容。這確保了玩家遊戲體驗不會被打斷,整體體驗順暢進行。AI工具可以幫助開發者和在合適的時間吸引玩家注意力,並且幫助開發者將普通玩家轉變爲付費客戶。

只是一個開始