人工智能曾經(jīng)只是科幻小說，是計(jì)算世界的遙不可及的夢想，如今已成為現(xiàn)實(shí)。 人工智能，簡稱AI，是用來描述機(jī)器模擬人類智能的能力。 諸如學(xué)習(xí)，邏輯，推理，感知，創(chuàng)造力之類的行為曾經(jīng)被認(rèn)為是人類特有的，如今已被技術(shù)復(fù)制并應(yīng)用于各個行業(yè)。

多年來，人工智能已經(jīng)從計(jì)算機(jī)視覺的簡單步驟發(fā)展為識別灰度手寫數(shù)字，并已擴(kuò)展為能夠識別人臉，執(zhí)行對象檢測和實(shí)例分割，渲染增強(qiáng)現(xiàn)實(shí)等的比較新的技術(shù)。 更多。 自然語言處理技術(shù)也開創(chuàng)了新局面，開發(fā)了在大量數(shù)據(jù)集上訓(xùn)練的模型，可用于問題解答，情感分析等，新型語音檢測和對話式AI技術(shù)的興起，以及更多其他功能。 人工智能領(lǐng)域已在多個視野和新維度上擴(kuò)展，從而使其被用于多種任務(wù)的多個用例中。

以下是最近發(fā)生的一些人工智能方面的重大進(jìn)步：

使用深度學(xué)習(xí)開發(fā)新型強(qiáng)大的抗生素：

麻省理工學(xué)院的團(tuán)隊(duì)開發(fā)的一種深度學(xué)習(xí)模型已經(jīng)確定了一種新的抗生素化合物，該化合物已成功地與世界上一些耐藥性最高的細(xì)菌作斗爭。 新開發(fā)的藥物是通過計(jì)算機(jī)模型挑選出來的，該模型有可能在短短幾天內(nèi)篩選出超過一億種化合物。 研究人員設(shè)計(jì)了他們的模型，以尋找能夠使分子有效殺死某些種類細(xì)菌的化學(xué)特征。 他們在2,500個分子上訓(xùn)練了神經(jīng)網(wǎng)絡(luò)模型，其中包括1,700種已獲美國FDA批準(zhǔn)的藥物以及800種具有不同結(jié)構(gòu)和生物活性的天然產(chǎn)物。 在針對五種細(xì)菌的實(shí)驗(yàn)室測試中，研究人員發(fā)現(xiàn)其中八種分子具有抗菌活性，其中兩種具有強(qiáng)大的功能。 現(xiàn)在，研究人員計(jì)劃進(jìn)一步測試這些分子，并在用于該過程的數(shù)據(jù)庫中對其進(jìn)行進(jìn)一步篩選。

當(dāng)前篩選新抗生素的方法成本高昂，并且需要大量時間投入，這種模型有望極大地推動醫(yī)療行業(yè)的發(fā)展。

對產(chǎn)品的高級理解和新的購物體驗(yàn)：

Facebook的AI團(tuán)隊(duì)開發(fā)了一種名為GrokNet的計(jì)算機(jī)視覺模型，旨在通過充當(dāng)AI生活方式助手來重新定義購物，該助手可以學(xué)習(xí)人們的品味并大大簡化購物過程。

由于購物時有各種各樣的產(chǎn)品在售而感到沮喪和優(yōu)柔寡斷是一種普遍的感覺。 Facebook開發(fā)的模型使用比較先進(jìn)的圖像識別模型，根據(jù)對個人已經(jīng)擁有的物品的分析所獲得的個人品味來推薦要購買的產(chǎn)品。 它還可以生成對象的虛擬副本，以實(shí)現(xiàn)該項(xiàng)目在房間或人體內(nèi)的放置方式的可視化。 您會發(fā)現(xiàn)自己穿著您要購買的衣服或配件，這是一個更好的選擇。 試用室可能很快變得多余!

該方法使用對象檢測器來識別圖像中可能產(chǎn)品周圍的框，將每個框與已知產(chǎn)品列表進(jìn)行匹配，并將所有匹配項(xiàng)保持在相似度閾值之內(nèi)。 它可以預(yù)測圖像的各種屬性，例如圖像的類別，屬性和可能的搜索查詢。 它還可以預(yù)測可用于執(zhí)行諸如產(chǎn)品識別，視覺搜索，視覺上類似的產(chǎn)品推薦，排名，個性化，價格推薦等任務(wù)的嵌入(例如"指紋")。 該模型已部署在Facebook Marketplace上，并且已經(jīng)在重塑購物體驗(yàn)。

通過學(xué)習(xí)用戶行為自動創(chuàng)建業(yè)務(wù)流程自動機(jī)：

英國初創(chuàng)公司ZappyAI已經(jīng)完成了曾經(jīng)艱巨的任務(wù)，即了解并自動為企業(yè)中的流程創(chuàng)建自動化。 早在自動化的早期，該技術(shù)就無法將以前在流程中所做的事情與現(xiàn)在在進(jìn)行中的事情聯(lián)系起來。 自動化工具將需要大量的編碼和配置，而沒有任何認(rèn)知能力。

人工智能驅(qū)動的系統(tǒng)使用長期內(nèi)存來識別可以自動化的業(yè)務(wù)流程。 它可以找出正在執(zhí)行的業(yè)務(wù)流程中涉及的決策和邏輯，并生成對組織內(nèi)自動化機(jī)會的分析。 ZappyAI計(jì)劃使用這種AI技術(shù)來運(yùn)行組織流程分析的主干，從而為公司節(jié)省了無數(shù)的人工時間，以了解和數(shù)字化業(yè)務(wù)流程。

小巧的AI —可在消費(fèi)類設(shè)備上運(yùn)行的AI

諸如Google，Amazon，Apple和IBM之類的現(xiàn)代較大的技術(shù)公司已經(jīng)開發(fā)了使AI算法能夠直接從人們的電話和其他消費(fèi)設(shè)備運(yùn)行而無需與云服務(wù)進(jìn)行交互的技術(shù)，而傳統(tǒng)上是 缺少強(qiáng)大的計(jì)算硬件。 這項(xiàng)被稱為"微型AI"的技術(shù)，研究人員通過稱為"知識蒸餾"的過程縮小了現(xiàn)有AI模型的大小，而不會損失任何算法的功能或性能速度。 該技術(shù)的優(yōu)勢包括由于設(shè)備與云之間沒有通信而導(dǎo)致的零延遲，以及更少的隱私問題。

減少AI的碳足跡

訓(xùn)練深度學(xué)習(xí)AI模型所需的計(jì)算能力是巨大的-馬薩諸塞大學(xué)(Amherst)的一份報告估計(jì)，由此產(chǎn)生的二氧化碳排放量平均約為626,000磅(重)。 這相當(dāng)于美國普通汽車一生中產(chǎn)生的二氧化碳量的五倍。 在模型的部署階段，隨著具有不同屬性和資源的多個硬件平臺的參與，此問題變得更加嚴(yán)重。

麻省理工學(xué)院的研究人員已經(jīng)開發(fā)出了一個解決這一問題的網(wǎng)絡(luò)，稱為"一次全部"網(wǎng)絡(luò)，該網(wǎng)絡(luò)將碳排放量減少到傳統(tǒng)模型產(chǎn)生的總排放量的1/1300。 研究人員基于比較新的AI進(jìn)步AutoML(用于自動機(jī)器學(xué)習(xí))構(gòu)建了該系統(tǒng)，從而消除了手動網(wǎng)絡(luò)設(shè)計(jì)。 單一的大型"全民共享"(OFA)網(wǎng)絡(luò)充當(dāng)"母體"網(wǎng)絡(luò)，嵌套了大量從"母體"網(wǎng)絡(luò)中稀疏激活的子網(wǎng)。

OFA網(wǎng)絡(luò)學(xué)習(xí)到的權(quán)重將與所有子網(wǎng)絡(luò)共享，從而導(dǎo)致在此過程中對子網(wǎng)絡(luò)進(jìn)行本質(zhì)上的預(yù)訓(xùn)練。 在推論時，每個子網(wǎng)都以其派生的權(quán)重獨(dú)立運(yùn)行，而無需其他培訓(xùn)。