人工智能改变世界近期AI领域大事纪 - ┈┋尽位杀码区┋┈ - 万众海浪论坛万众六合|权威论坛|六合高手堂|万人六合堂|万人资料堂|万众图库堂|万众彩色图库|心水社区|直播亚视|亚视在线|本港台直播|开奖直播|开奖系统|全网最快！

兵谶达

高级会员

UID 185736
精华 0
积分 1405
帖子 281
威望 1405 点
金钱 5630 RMB
阅读权限 50
注册 2017-7-17
状态离线

大中小

使用道具

发表于 2017-7-31 19:21 资料个人空间短消息加为好友

人工智能改变世界近期AI领域大事纪

人工智能改变世界近期AI领域大事纪
 人工智能的迅速发展将深刻改变人类社会生活、改变世界。作为新一轮产业变革的核心驱动力，人工智能发展正在步入新阶段，成为国际竞争的新焦点，全球主要经济体及领军企业纷纷发力争抢先发优势。近期，全球在这个领域发生了哪些大事？
 国务院印发《新一代人工智能发展规划》
 国务院近日印发《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
 《规划》明确了我国新一代人工智能发展的战略目标货样买卖合同与定作合同：到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径；到2025年送杜少府之任蜀州王勃，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；到2030年话务员工作计划，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
 孙正义：一个全新的世界正在到来
 7月20日，软银集团董事长兼总裁孙正义在 “2017软银世界大会”上发表主题演讲《信息革命指引下的新世界》时表示，人工智能进入了所有产业的中心，所有产业将重新定义世界。人工智能正在改变我们的生活——围棋上，谷歌的AlphaGO实现60连胜；艺术上养生诗词，人工智能可以绘画制作；医疗上，人工智能对恶性肿瘤的正确检测概率比普通医生提升50%；工业产业上，工业机器人使生产效率提升3倍八一建军节都演讲稿；即时翻译上，实现10种语言的翻译功能；通过人工智能对交通数据的解析，最大优化交通系统，改善了25%的交通拥堵状况。未来，智能机器人将像人类一样在街上走子宫肌瘤，在天上飞，在海里游。30年后，物联网将使全球网络化、智能机器人将渗透我们的日常生活、AI将超越人类智力；人类和机器人共生；我们不应该担心被机器人超越，而是应该希望机器人可以超越人类，和他们一起努力变革世界。AI比人类更聪明的时代，不论你是否期待，它都正在到来。
 联想押注AI 部署双云战略赋能产业
 7月20日，联想集团以“让世界充满AI”为主题的第三届全球创新科技大会(Lenovo Tech World)在上海世博中心举行。在大会上，联想集团董事长兼CEO杨元庆表示，在即将来临的人工智能时代，联想要做这一轮“智能变革”的推动者和赋能者，并通过“设备+云”与“基础设施+云”赋能产业，推动一个充满爱（AI）的时代到来。
 谷歌机器人新进展：瞄准自主机器学习新方向
 谷歌目前整体战略正从“移动优先”转向“人工智能优先”，在放弃波士顿动力后，谷歌在机器人方向上有哪些新进展班级党团工作总结？谷歌研究院的博客刊发了该公司近期相关研究成果物流师资格证，其努力方向主要集中在三个方面：使用深度视觉特征理解人类行为展示、使用自监督和模仿学习模拟人体运动以及理解语义，抓握物体。 ?
 AI深受资本青睐
 7月18日，美国人工智能企业ObEN获得500万美元的A2轮融资，由腾讯领投。该轮融资后男性养生保健大全，ObEN已经获得了超过1370万美元的A轮融资。
 此外，近期，包括聚焦人脸识别技术的中国创业公司商汤科技、机器人公司Geek+、云脑科技、特斯联科技在内的多家公司也相继发布了融资信息。
 根据Crunchbase的数据，2017上半年，中国各类投资者在AI和机器学习公司上的投资约36亿美元，超过2016年全年投资额。
 据it桔子数据，截止目前，中国一共有870家人工智能公司发生916起投融资事件，合计融资905亿元人民币。
 麻省理工学院推新款机器人猎豹3号
 日前，麻省理工学院推出新款搜救机器人“猎豹3号”，这款四足机器人已经为帮助人类做好了充足准备。
 据悉，这款最新的搜救机器人的目标是在未来5年内执行搜救任务。
 苹果的新研究博客介绍自己AI成果
 苹果推出一个名为 Apple Machine Learning Journal 的新研究博客，第一篇文章介绍了他们的CVPR论文，提出一种改进合成图像的方法，使合成的图像看起来更逼真秋冬季黄鳝的诱捕方法。研究结果表明，使用这些经过精细化的合成图像训练模型可以在多个机器学习任务上显著提高准确性。