一种个性化的机器学习方式，帮助机器人评估每个孩子在这些互动过程中的参与度和兴趣
麻省理工学院媒体实验室(MIT Media Lab)的研究人员，现在研发出一种个性化的方式，使用每个孩子独有的数据，可以帮助机器人评估每个孩子在这些互动过程中的参与度和兴趣。这个个性化的&&网络，使机器人对孩子反应的感知与人类专家的评估结果达到了60%的相同率。
患有自闭症谱系障碍的儿童，往往难以识别周围人的情绪状态。例如，区分快乐的脸和恐惧的脸。为了解决这个问题，一些治疗师使用适合孩子的机器人来演示这些情绪，并让孩子们模仿，然后以适当的方式对机器人演示的情绪做出反应。
然而，如果机器人在治疗过程中，能流畅地解释孩子的行为&&无论TA是感兴趣、兴奋还是专心&&那么这种疗法效果才是最好的。
麻省理工学院媒体实验室(MIT Media Lab)的研究人员，现在研发出一种个性化的机器学习方式，使用每个孩子独有的数据，可以帮助机器人评估每个孩子在这些互动过程中的参与度和兴趣。
6月27日，科学家们在《科学机器人》杂志上发表报告称，这个个性化的&深度学习&网络，使机器人对孩子反应的感知，与人类专家的评估结果达到了60%的相同率。
对于人类观察者来说，要让孩子的参与意愿和行为达成高度一致是很有挑战性的。普通的机器人（非个性化的）与人类专家的评估结果通常有50%到55%相同。研究的第一作者、媒体实验室的博士后Rudovic和他的同事认为，像他们的研究一样，经过人类观察训练的机器人，总有一天可以和人类专家所提供的评估结果更一致。
&长远的目标不是创造机器人来代替人类治疗师，而是增加他们的关键信息。治疗师可以使用这些信息，来制订个性化治疗内容，也可以让机器人和自闭症儿童之间，产生更具吸引力的、更自然的互动。& Rudovic说。
Rosalind Picard是这篇论文的合著者，同时也是麻省理工学院负责情感计算研究的教授，他说个性化在自闭症治疗中尤其重要。&如果一个人让你想到了自闭症，那么你就是遇到了一个自闭症患者。&
&开发针对自闭症的机器学习和(人工智能)应用尤其令人烦恼，因为一般的人工智能方法需要大量的数据，这些数据都是可以归于一类的。而在异质性占主导地位的自闭症中，一般的人工智能方法就会失败，因为数据缺少共性。& Picard说。
Rudovic、Picard和他们的队友，也在其他领域使用了个性化的深度学习，发现它改善了疼痛监测和预测老年痴呆症进展的结果。&&
NAO（一个类人机器人）
自闭症机器人的辅助疗法通常是这样运作的:一个人类治疗师展示一张纸质儿童照片，或一张电子照片，用来代表不同的情绪，教孩子如何识别恐惧、悲伤或快乐。然后治疗师对机器人进行编程，向孩子们展示同样的情绪，观察孩子与机器人之间的互动。孩子的行为会为机器人提供宝贵的反馈，机器人和治疗师则需要用此反馈，继续学习。
在这项研究中，研究人员使用了软银公司生产的人形机器人NAO。NAO大概有2英尺高，类似于装甲超人型的机器人，通过改变眼睛的颜色、四肢的动作和声音的音调，来传达不同的情绪。
参与这项研究的35名自闭症儿童，年龄从3岁到13岁不等，其中17名来自日本，18名来自塞尔维亚。在35分钟的实验中，他们对机器人的反应各不相同。在测试中，每个孩子的整体表现也不一样。他们有的时候看起来很无聊、昏昏欲睡，有的时候则兴奋地在房间里跳来跳去，拍手、大笑或触摸机器人。
Rudovic表示，在研究中，大多数的孩子对这款机器人的反应是，&它跟其他的机器人不一样，不仅仅是一个玩具，更像一个人，这大概与NAO的外形有关。&
一名4岁的小女孩一开始在参与治疗时躲在妈妈身后，但之后她对机器人的接受程度大大提高，治疗结束后她笑了起来。其中一个塞尔维亚孩子的姐姐拥抱了NAO，说:&机器人，我爱你!&在治疗结束时，她说她很高兴看到弟弟有多喜欢玩这个机器人。
&治疗师说，让孩子接触自己几秒钟，都是一个很大的挑战，而机器人会吸引孩子的注意力。&Rudovic说。
他还解释了为什么机器人在这种类型的治疗中是有用的：&人类用许多不同的方式改变他们的表情，但机器人总是以同样的方式来做，孩子们却不会感觉单调，因为他们是严格按着机器人教的步骤，来学习如何表达自己表情的。&
个性化的机器学习
麻省理工学院的研究小组，意识到一种叫深度学习的机器学习算法，可以用于治疗机器人，使其更自然地感知孩子的行为。深度学习系统使用分层的、多层的数据处理，来改进机器人的任务，每个连续的层都比上一层的原始数据要稍微抽象一些。
Rudovic说，尽管深度学习的概念自20世纪80年代就已经出现，但直到最近，才有足够的计算能力来实现。深度学习已经在自动语音和对象识别程序中得到应用，这使得它非常适合解决这样的问题，比如，理解人脸、身体和声音的多重特征，从而理解更加抽象的概念，比如，应用在这种对儿童自闭症的治疗上。
&举例来说，在面部表情的识别上，最重要的是脸部的哪些部位的变化，决定了儿童的参与程度，&Rudovic说，&深度学习允许机器人直接从数据中提取最重要的信息，而不需要使用经过人类分析处理过的信息。&
对于治疗机器人，Rudovic和他的同事更进一步，建立了一个个性化的框架，可以从收集到的每个孩子的数据中学习。研究人员从孩子手腕上的监视器上，获取了每个孩子的面部表情、头部和身体动作、姿势和手势、音频记录和心率、体温和皮肤出汗反应的数据。
这些机器人的个性化深度学习网络，是由许多元素组成的，包括视频、音频和生理数据、关于孩子自闭症的诊断和个人能力的信息、以及他们的文化背景和性别。
然后，研究人员将他们对孩子行为的估计，与五名人类专家的估计进行了比较。这五名人类专家对孩子的视频和音频录音进行了综合的分析处理，以确定孩子在这段时间里是高兴还是难过，有多感兴趣，有多投入。
对这些由人类编码的个性化数据进行训练，并拿训练或调整模型未使用的数据进行测试，显著地改进了机器人对儿童行为的自动估计。研究人员发现，个性化的机器学习要好于把所有孩子的数据都&&综合在一起&式的应用方法。
Rudovic和他的同事还探究了深度学习网络是如何进行估计的，这揭示了孩子们之间一些有趣的文化差异。Rudovic说:&举例来说，来自日本的儿童在参与活动的时候，会表现出更多的肢体动作，而在塞尔维亚，大的肢体动作则出现在参与活动之后。&
原文标题：MIT：我们用深度学习开发了一个能识别人类情绪的机器人
文章出处：【微信号：AI_era，微信公众号：新智元】欢迎添加关注！文章转载请注明出处。
发布评论请先
FDA新近批准了中风检测软件，这为人工智能在医疗保健领域应用的蓬勃发展铺平了道路。
电话营销是企业常见的营销方式之一，因其营销效果明显，及时反馈、易追踪等优势被众多企业采用，然而电销团....
目前，小i机器人全球服务用户已超过8亿。小i机器人创始人、董事长袁辉先生在致辞中分享了基于多年产业化....
根据一份新的报告，智慧城市技术相关支出约为800亿美元，到2021年可能会达到1350亿美元。这些投....
疼痛当然不会令人愉悦，但对截肢患者来说，让假肢适当疼痛却是他们长久以来的盼望。为什么需要痛？
近日，由北京市经信委组织相关单位，通过大量的调研和专题讨论，编制而成《北京人工智能产业发展白皮书(2....
如何让机器像人一样工作，解放像机器一样工作的人？这就是阿丘科技的使命。人能够借助眼睛配合手进行试错和....
日，以“中控智慧 智慧监控”为主题的中控智慧2018 AI 监控百场生态峰会在东莞拉....
“人工智能企业于2015年到2016年呈现爆发性增长，截至日，全国人工智能企业共计4....
7月10日，机器听觉解决方案供应商大象声科（Elevoc）宣布获得小米和高通创投的数千万人民币的Pr....
近日，打开科技新闻，映入眼前的是，阿里推全球首家人工智能服饰店、百度发布专门用于 AI 大规模运算的....
随着被植入电子设备的人数不断增加，电子人权利和电子人法律必将影响我们所有人。
如果军事组织要成功地适应这个新时代，它们就必须最大限度地发挥人的潜力，以获得知识优势。
行业应用方面，中国物联网应用的最大行业仍是制造业。根据一份最新的《物联网支出指南》追踪分析，物联网市....
阿里巴巴集团副总裁庄卓然表示，FashionAI的出现，不仅会重构消费者穿搭试衣体验，也将重构整个服....
为了大力推进信息化与工业化深度融合,走中国特色新型工业化道路，促进经济发展方式转变和工业转型升级。
“模式预测控制”算法用来决定每条腿迈步需要施加的力量。根据这种算法，如果向机器人的任意一条腿施加一定....
除此之外，机器人本体药柜的可拆卸设计使这款机器人的未来有了更多可能：它可以搭载货架来运送无法放入....
据蓝海星智库7月4日消息，美国国防部制造业与工业基础政策办公室近日发布了新版《年度工业能力评估报告》....
随着人们消费方式的改变与提高，智能电子产品已成为日常生活中离不开的工具。而作为当今电子信息产业的基础....
据环球科技7月6日消息，日本通信企业NTT成功开发出瞄准“后5G时代”的新技术，传输速度可达到5G标....
Mapbox透露，他们正在将其服务与微软的Azure IoT平台深入整合，未来Vision SDK和....
作为大家熟悉京东，那么平时在仓库搬运货物是人工还是用机器人呢？京东在这届3E大展所展出智能搬运机械人....
目前无人机行业应用比较成熟的场景除测绘和植保外，属安防、巡检类场景需求最为旺盛，全新的ZT-3V复合....
为了学习要向未知环境转移的强大视觉特征，我们使用了 Sadeghi & Levine 在 2017 ....
5日消息，近日科大讯飞与中信银行成功签署“总对总”银企《战略合作协议》。同期，科大讯飞与信银投资、信....
日，商务部中国机电出口协会亚非拉十五个国家的外国友人考察团来深圳市宝安区福海街道中粮....
人工智能可以说是当今最具变革性的力量，它的出现为很多领域带来了改变：手机、汽车、物联网。
7月4日至5日，百度在国家会议中心召开了2018百度AI开发者大会（Baidu Create 201....
工程师可以在数据来源和数据渠道上采取一些有创造力的做法，但某个具体算法所能施展的范围仍然面临严格限制....
邓总先后为浙江省100多家制造业提供过管理诊断、咨询、培训和信息化、数字化建设服务。主导实施的多个数....
以MEMS及先进传感器为核心的智能传感器技术是未来智能时代的重要基础
这种方法的关键在于较好的控制人工突触，当施加电压的时候，非晶结构的神经形态芯片上的离子流动很难控制。....
晶圆代工厂台积电技术论坛近日登场，总裁暨副董事长魏哲家表示，7纳米制程已大量生产，5纳米制程预计明年....
这本书的重要之处在于，第一，它不仅简单地讲述了我们通常理解的人工智能的一些领域，还把它上升到了哲学和....
多年来，深度学习一直处于所谓的人工智能革命的最前沿，许多人相信深度学习将带领我们进入通用AI时代。
那么没有视觉传感器和视觉摄像头，这个机器人是如何做到呢？实际上，这有点像我们人类在黑暗房间里找路的方....
“人工智能”这一概念的提出至今已有几十年。当前，人们对于它的理解不再是高深莫测的“黑科技”，它已然成....
7月5日下午的智能云与物联网论坛中，搭载了智能服务机器人开放平台Nuwa的原型机吸引了众多AI爱好者....
2018 全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，7 月 1 日，随着议程进入到第三....
近日，Crafty Robot公司推出了一系列用纸板拼插而成的机器人，这些机器人可以通过手机来控制，....
时隔一年，生物特征识别技术不断被完善，公众的生物特征数据仍然每天被传感器收集汇总，但是对于生物特征数....
在人机交互过程中，人通过和计算机系统进行信息交换，信息可以是语音、文本、图像等一种模态或多种模态。对....
确定这个函数的依据是函数能够很好的解释训练样本，让函数输出值f(x)与样本真实标签值y之间的误差最小....
深度学习领域仍在不断发展，特别地，专家们认识到如果芯片能够使用低精度的计算方式得出近似答案，神经网络....
中国搜索引擎巨擘百度(Baidu)主办的第二次年度AI开发者大会Baidu Create 2018于....
孙剑认为，计算机视觉简单讲就是使机器能看，旷视科技希望能够做到“赋能亿万摄像头”，让应用在所有领域的....
在最顶级，也是最容易的层级，是几何光学。几何光学是对波光学的抽象，光射线于于表达简单的矢量波光 学的....
供应链服务
版权所有 (C) 深圳华强聚丰电子科技有限公司
电信与信息服务业务经营许可证：粤B2-两部门部署实施专项行动 推进网络提速降费加快培育经济发展新动能两部门部署实施专项行动 推进网络提速降费加快培育经济发展新动能工信微报百家号导读工业和信息化部、国务院国有资产监督管理委员会决定组织实施深入推进网络提速降费、加快培育经济发展新动能2018专项行动，从加快宽带网络演进升级、补齐宽带网络发展短板、加快释放网络提速降费红利、推动信息通信技术与实体经济深度融合、确保网络提速降费落到实处等五方面提出20项具体意见。工业和信息化部国务院国有资产监督管理委员会关于深入推进网络提速降费加快培育经济发展新动能2018专项行动的实施意见工信部联通信〔2018〕87号各省、自治区、直辖市及计划单列市、新疆生产建设兵团工业和信息化主管部门，各省、自治区、直辖市通信管理局，相关企业：为落实《政府工作报告》相关部署，进一步提升信息通信业供给能力、补齐发展短板、优化发展环境，促进数字经济发展和信息消费扩大升级，有力支撑经济发展新旧动能转换，决定组织实施深入推进网络提速降费、加快培育经济发展新动能2018专项行动。现提出以下意见：一、面向全球领先水平，加快宽带网络演进升级（一）推动光纤宽带提速升级。支持基础电信企业持续加大投资力度，扩大光纤宽带网络覆盖，继续推进光纤改造，普遍提供百兆宽带接入能力，全年新建光纤端口超过5500万个，光纤宽带用户占比超过90%。推动基础电信企业部署更大容量光纤宽带接入网络，在超过100个城市试点向用户开通千兆宽带业务。（二）提升4G网络覆盖质量。增加4G网络覆盖广度和深度，新建4G基站45万个，提高办公及商务楼宇、电梯等室内覆盖水平，提升铁路、公路沿线连续覆盖质量。在有需求的热点地区，加大载波聚合等4G演进技术的部署力度。进一步优化4G业务质量，提升话音和数据业务体验。（三）加快推进5G技术产业发展。扎实推进5G标准化、研发、应用、产业链成熟和安全配套保障，组织实施“新一代宽带无线移动通信网”重大专项，完成第三阶段技术研发试验，推动形成全球统一5G标准。组织5G应用征集大赛，促进5G和垂直行业融合发展，为5G规模组网和应用做好准备。　　（四）加快IPv6规模部署应用。基础电信企业完成LTE网络、主要自营移动互联网应用的IPv6改造，为用户分配IPv6地址，实现LTE网络中IPv6业务端到端贯通，发展移动互联网IPv6用户5000万户。同步开展互联网骨干网、骨干网网间互联体系、城域网和接入网IPv6改造，推进超大型数据中心、内容分发网络（CDN）和云服务平台改造，完成工业和信息化系统门户网站IPv6改造。　　　　　　（五）增强骨干网络承载能力。全面部署100G及以上大容量传输网络，实现城域网、骨干网与高速宽带接入网同步扩容，加速向全光网络演进。积极利用软件定义网络（SDN）等技术提升业务效率和部署灵活性。二、聚焦不平衡不充分，补齐宽带网络发展短板 （六）持续开展电信普遍服务试点。扎实开展网络扶贫行动，加快前三批普遍服务试点项目建设，提前完成“十三五”规划提出的全国98%行政村通光纤和宽带网络覆盖90%以上贫困村的目标。推进行政村和陆地边境线4G网络覆盖，以及偏远地区中小学、医疗机构等场所宽带网络覆盖，鼓励基础电信企业推动宽带网络向有条件的海岛和自然村延伸。不断完善监督检查平台功能，对试点工作情况进行监测和成效评估。（七）不断优化互联网网络架构。持续推进互联网网间带宽扩容，新增网间带宽1500G，进一步改善网间访问性能。完善国际通信网络出入口布局，提升互联网国际出入口带宽能力，优化国际互联网流量调度，增强用户访问国际互联网体验。面向“一带一路”倡议等，完善国际海陆缆和海外网络服务提供点（POP点）布局，提升海外网络、数据中心、内容分发网络（CDN）等服务能力。（八）着力增强互联网应用服务能力。推动互联网企业着力提升网站和应用服务能力，增加主要业务应用带宽配置，推动内容分发网络（CDN）向固定和移动网络边缘延伸，实现互联网信息源的高速接入和就近访问，持续改善用户上网体验。（九）积极推动信息无障碍建设。加快政务信息无障碍服务平台建设，为各地政府部门、公共事业单位网站提供信息无障碍服务支撑。推动互联网公共服务网站提供信息无障碍服务，保障有障碍人群均能平等、便捷地获取政府及公共信息服务。　　三、满足人民期待和需求，加快释放网络提速降费红利
（十）加大网络降费优惠力度。7月1日起取消移动流量“漫游”费，鼓励基础电信企业推出大流量套餐等流量降费举措，移动流量平均单价年内降低30%以上。进一步降低家庭宽带资费、国际及港澳台漫游费。推动企业优化和精简资费套餐，研究推出规范资费管理的相关政策措施。支持各地扩大公共场所无线网络覆盖范围，为用户提供免费上网服务。（十一）激发电信市场竞争活力。出台移动转售业务正式商用意见，加快移动转售市场发展，进一步扩大宽带接入网业务试点范围，充分释放民间资本创新活力。加强对移动转售业务批发价格的指导，强化对移动转售企业服务质量、网络实名制的监督管理。（十二）推动高速宽带业务普及。持续推动用户速率提升，100M及更高速率的宽带用户比例超过50%，4G用户渗透率超过75%，月流量使用量突破4GB。推动出台宽带速率配置标准，提升家庭宽带用户上行速率。鼓励企业推出不同速率业务，满足用户多样化需求。（十三）深化高速宽带应用推广。发展基于智慧家庭的宽带业务，积极推动高速宽带在教育、医疗等领域的创新应用和推广普及。协同推进农村地区宽带网络建设与公共服务信息化、农村电商、智慧农业、返乡创业等工作，实施“互联网+健康扶贫”试点项目，助力脱贫攻坚。四、围绕促进经济转型升级，推动信息通信技术与实体经济深度融合（十四）推广物联网行业融合应用。加快完善NB-IoT等物联网基础设施建设，实现全国普遍覆盖。进一步推动模组标准化、接口标准化、公众服务平台等共性关键技术研究。面向行业需求，积极推动产品和应用创新，推进物联网在智慧城市、农业生产、环保监测等行业领域的应用。（十五）提升工业互联网基础设施能力。面向工业企业低时延、高可靠、广覆盖的网络需求，推动企业内外网建设。大力推进工业企业内网IP化、扁平化、柔性化技术改造和建设部署，利用IPv6、软件定义网络（SDN）以及新型蜂窝移动通信技术对工业企业外网进行升级改造。鼓励工业企业以IPv6、工业无源光网络（PON）、工业无线等技术改造企业内网。（十六）助力“双创”企业蓬勃发展。面向中小企业继续降低互联网专线资费，推动电信企业推出更多更优惠的特色产品，进一步降低中小企业宽带和专线使用费，支撑“双创”企业发展。鼓励基础电信企业、大型互联网企业开放网络、平台、数据等资源，降低创新创业成本，促进大中小企业融通发展。五、不断优化市场环境，确保网络提速降费落到实处（十七）完善政策支持。继续推动地方政府将通信基础设施专项规划纳入城乡总体规划及控制性详细规划，做好相关规划的衔接和协调，强化光纤到户国家标准执行力度。鼓励地方政府不断加大宽带网络基础设施保护力度，开放各类公共设施，保障宽带网络设施的建设通行。继续在基础电信企业经营业绩考核中统筹考虑网络提速降费影响，为网络提速降费创造更大空间。（十八）加强市场监管。开展信息通信行业信用体系建设和信用管理。进一步加大监管力度，推进行业行风建设，提升行业服务能力和水平，维护用户合法权益。加强资费监督检查，强化资费公示，保障用户资费选择权。（十九）加强信息公开。鼓励基础电信企业通过图文并茂、通俗易懂的方式加强信息告知，提升广大用户对网络提速降费的认知和认可程度。指导和支持第三方强化网络速率、用户普及等监测工作，定期发布相关数据。（二十）做好舆论引导。各相关单位要做好提速降费工作进展和实施成效的宣传，创新宣传理念、内容、形式、方法和手段，积极报道先进做法和典型案例，引导联盟和协会等社会组织积极发声，营造良好舆论环境。工业和信息化部国务院国有资产监督管理委员会日来源：工业和信息化部信息通信发展司本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。工信微报百家号最近更新：简介:工业和信息化部官方账号作者最新文章相关文章中国智慧城市国际博览会8月在深举行--政务动态
无障碍浏览|
政务机器人
您现在的位置&&&&&&
中国智慧城市国际博览会8月在深举行
信息来源：深圳特区报
信息提供日期：
【字体： 】
视力保护色：
　　昨日获悉，2018中国智慧城市国际博览会将于8月21-23日在深圳会展中心举行。本次大会将邀请国内外杰出智慧城市、建设运营、高新技术、文化创意、金融等智慧城市相关的机构和企业400余家积极参与，搭建政府与企业、企业与企业之间的交流对接平台，打造中国顶级的智慧城市全产业链国际化综合服务平台。
　　中国智慧城市国际博览会已成为国内在智慧城市领域，规模最大、参与人数最多、也是影响力最大的综合服务类博览会。据介绍，今年的智博会受深圳市政府大力邀请走进深圳，以“新起点、新征程――数字中国、智慧社会”为主题，并将“高端、专业、务实、精品”作为本届博览会的关键词。大会将设置新型智慧城市建设成果展区、解决方案与示范应用展区、智慧产业与未来科技展区、未来生活与互动体验展区等四大展区以及完善的功能服务区，预计展出面积超3万平方米。此外，第四届智博会将在往届基础上就活动规模、活动质量及影响力做进一步的提升，将形成“全球智慧城市成果奖权威发布、会议主题更具前瞻性、打造专业观众汇集的行业盛会、展会成果更加务实落地、展会服务进一步优化提升”五大亮点。
　　据悉，第十二届中国工程管理（智慧城市）论坛将与本届智博会联合举行，活动期间，除主论坛外，还将围绕智慧城市工程管理、顶层设计、时空大数据、智慧交通等主题开展多个分论坛，并就论坛最终成果进行讨论。
【内容纠错】
备案序号：粤ICP备号
&&&粤公网安备 26号&&&网站标识码主办：深圳市人民政府办公厅&nbsp&nbsp 技术支持单位：深圳市电子政务资源中心
触碰右侧展开
友情链接：&&&&&&&&&&&&&&&&&&&&清华大学魏少军：通用AI芯片到底有什么作用？
2018 全球人工智能与机器人峰会（CCF-GR）在深圳召开，7 月 1 日，随着议程进入到第三天，本次 CCF-GAIR 大会也在下午迎来了堪称压轴的 AI 芯片专场。担任 AI 芯片专场主席的，是中国电子学会电子设计自动化专家委员会主任委员、清华大学微电子研究所所长魏少军教授；在担任主席之外，魏教授还为 AI 芯片专场带来了一场干货满满的大会报告《从 IA 到 AI，我们还要走多远？》
在报告中，魏教授引用人工智能专家 Michael I. Jordan 的观点认为，我们今天所做的还不能算是真正的 AI（Arficial Inlligence），只是利用技术来增强某一方面的智能而已，也就是所谓的增强智能（Intelligence Augmentation，简称 IA）。究其原因，是因为当前的人工智能算法远远没有达到人们的要求，具体来说，现有的算法过于单一，无法实现类似于人脑的高度复杂又高度灵活的互联结构系统。
魏教授指出，我们目前要实现人工智能，别无选择，只能靠芯片；但是现有 CPU、GPU、FPGA 等芯片的基本架构早在这次人工智能突破之前就已经存在了，并不是为人工智能而专门设计的，因此不能完美地承担实现人工智能的任务。人工智能对芯片的要求，除了足够的算力和极高的能效比，还需要一个高能效、通用的计算引擎。由此，魏教授认为 AI 芯片至少应有以下几个特质：
第一，它的可编程性，要适应算法的演进和应对多样性；因为算法不稳定，它在不断变化；
第二，架构动态可变性，要适应不同算法；
第三，高效的架构变换能力，因为不同的运算要求变换不同的架构。
随后，魏教授从硬件可编程和软件可编程的角度，将芯片的性质分为四个种类，并认为目前少有人关注的软件定义芯片（SDC）在 AI 领域最有潜力；它一方面具备 CPU 的灵活性，另一方面是专用集成电路的高能量效率和高集成度。它的软件和硬件均可编程，混合颗粒度，最重要的是芯片功能随软件变化而变化；在使用中也不需要芯片设计知识。
魏教授表示，芯片要实现智能化，不能光有硬件，一定要有要求很高的软件&&自主学习的能力、形成知识和经验的能力、持续改进和优化的能力、再生和组织能力、思维逻辑推理能力、作出正确判断和决策能力，这是软件才能完成的，而非硬件。
基于这个理念，魏教授提到了他所认为的真正软件定义芯片。也就是：
一个真正理想的计算应该是软件和硬件的架构一模一样，软件是什么样的拓扑结构，硬件就应该是怎样的拓扑结构；软件需要什么样的运算，硬件需要存在这样的运算资源。可惜的是，软件可以很大，硬件不能大；我们只好把软件分块，跟硬件大小一样。比如把它分为 6 块，根据数据依赖关系把第二块、第三块、第四块放进去&&一直到第六块。这要求我们硬件必须随时改变其功能，硬件功能和架构能够动态地按照软件实时进行改变，这是我们所说的软件定义芯片。
魏教授表示，上述概念虽然听起来简单，但实现起来是一个非常艰难的过程，而他自己的实验室也是经历了 12 年的努力终于得到实现（该研究成果由清华大学 Thinker 团队已经在相关国际会议上发布，可查看雷锋网相关报道）。通过这一全新架构，可以用来实现可重构；也就是说，通过 AI 应用定义我们所选用的深度神经网络，改变芯片架构和功能&&魏教授表示，如果能做到，那么这种芯片将成为真正的通用人工智能芯片。
最后，针对近段时间以来中美芯片领域的&吓尿体&和&被吓尿&之类的声音，魏教授认为我们应当在承认与美国半导体行业差距的同时，也要看到我国在软件定义芯片领域的领先地位；而 AI 芯片的创新也只有通过真正的架构创新才能到达顶峰。
在大会报告结束之后，魏教授接受了雷锋网的独家专访。
此前，魏教授曾经提出过这样一个观点：AI 芯片的发展很可能会在未来 2-3 年遭遇一个挫折期；今天的部分、甚至大部分创业者将成为这场技术变革中的&先烈&。对于这个观点的得出，魏教授表示有两个原因：
一是因为产业发展的特定规律，比如说 Gartner 的发布 Hype Cycle（技术成熟度曲线），目前的 AI 芯片正处于第一个峰值的顶点处，未来两三年将会出现下降，很多事情的发展都是在经历了热度之后进入到下降期，最后才会进入到应用稳定期。
第二，虽然 AI 很热，但是并没有真正落地。实际上，并不是所有的技术都一定需要 AI，很多情况下 AI 起到的是增强的作用；当前人们拥抱 AI，但未来可能会失望。所以说，AI 要需要的，是真正的 Killer Application（杀手级应用），每天都离不开的。
至于这里所说的 AI 的杀手级应用，魏教授也给了一些案例，比如说，远程医疗等。另外，针对 AI 芯片在去年下半年以来的火热状况，魏教授认为这是资本助推的结果，一旦钱烧完，就很有可能出现问题；而且在资本的逐利本性下，也是难以为继的。
而针对魏教授在报告中提到的 Thinker 团队的相关成果，魏教授表示，目前团队正处于融资阶段，估值也很高；而且一旦进入到产业界，它所能获得的性能、能量效率、成本一定远远好于高校的结果。
魏教授强调，Thinker 的通用性虽然很强，但它并非是为了取代 CPU、GPU、FPGA 而来，未来这些不同类型的芯片依然会是长期共存的局面。就目前的情况来看，Thinker 在产业方向的具体应用场景要取决于工业界的具体状况，不过魏教授认为 Thinker 更倾向于端侧应用，因为只有端侧的突破才是 AI 芯片的真正突破。
谈到整个 AI 芯片行业未来的发展，魏教授认为，正如 Intel 的 CPU、的 GPU 在各自领域占据统治地位一样，在 AI 芯片领域同样会在未来出现一个称霸世界的企业&&这个企业有希望出现在中国，而 Thinker 独树一帜，也拥有别人所不具备的优点，因此未必就没有机会。
最后，在中兴事件引起的舆论尘埃尚未完全落定的大背景下，作为中国半导体行业的领军人物，魏教授也通过雷锋网给出了一个来自中国半导体行业的声音：
首先，中兴事件还是一个独立事件。它反映了中国企业在走向国际市场当中要必然经历一个&必修课&。即使这件事不发生在中兴身上，也会在未来某些时候发生在其他企业身上，总之是早晚会发生的，它也让我们的企业意识到走向国际市场的过程中要遵守的规则。当然，中兴这次的代价的确是大了点。
从外界来看，有些社会舆论一方面把中兴骂得狗血临头，另一方面又认为自己一无是处，对此我是非常不赞成的。这次中兴事件之后，有些人妄自菲薄地说自己什么都不行，也有很多&你看过这个才知道中国的芯片有多烂&这样的耸人听闻的话题&&这些人也陷入到另外一个极端。
那么，中国的芯片到底怎么样呢？
我们认为，跟别人比有差距，但也没有差到那种程度。其实别人有的我们都有，只是比别人差一点，比如说性能低一点、可靠性差一点，还在慢慢的发展过程中，存在一些问题。再过五年八年十年的时候，很有可能中国的芯片就跟国际水平差不多了。
所以，我们第一不要自己吹牛，第二也不要妄自菲薄；踏踏实实发展，同时也要有信心。美国之所以那么担心，本质上还是因为忌惮中国在相关方面的发展，否则根本不会予以理会。中国人要有自己的定力，中国的半导体产业既不像有人说的那么好，也不像有人说的那么差&&它还处于发展过程中，我还是充满信心的。
以下是魏少军教授在 CCF-GAIR 2018 上的大会报告内容，雷锋网对其进行了不改变原意的编辑整理。
大家下午好！很开心有机会在此跟大家做关于 AI 芯片的沟通和交流。纯属个人想法，不代表任何人，只代表我自己。
从 IA 到 AI，我们还要走多远？大家知道 AI，恐怕没多少人知道 IA，我们逐步展开谈谈，显然 AI 和 IA 是有关系的。大概讲几个内容：
一是人工智能技术与人工智能芯片面临的挑战。
二是架构创新是人工智能芯片获得突破的必由之路，目前有很多人做芯片，如何做芯片的架构，探讨比较少，甚至严重不够。
三是结束语。
人工智能对人类社会的影响非常深远，不管我们是否承认，这件事都发生了。
全球知名咨询企业麦肯锡通过对 300 多家 9 个垂直领域的企业进行案例分析，覆盖金融、消费、电信、健康、能源和材料、媒体、公共和社会服务、先进产业和制药等，得出的重要结论是：人工智能将在几乎所有垂直领域产生深远影响，并不只是针对某一个领域。
这个结论让我们做芯片的人非常激动，因为人工智能带来的变化和之前互联网、移动互联网等颠覆性技术创新发生的时候有很大的不同点&&硬件将占据超过 50%。以前，在互联网和移动互联网的主导下，许多学生选择就业首先选金融和互联网；但是在 AI 领域，超过 50% 的科技发展将由硬件主导。
尤其是未来 10 年，人工智能和将成为提升硅片需求的主要因素；2025 年，人工智能将推动半导体产业收入超过 600 亿美元，接近全球半导体销售的 20%。
我们的半导体 AI 芯片是否做得很好？并不是。加州大学伯克利分校的教授 Michael I. Jordan 20 天前在美国做过一场演讲，我当时在场，他说&与其说我们今天做的是人工智能，还不如说我们做的是增强智能&。这句话的意思是说，我们今天所做的还不能算是真正的 AI（Artificial Intelligence），只是利用技术来增强某一方面的智能而已，也就是所谓的增强智能（Intelligence Augmentation，简称 IA）&&之所以说 IA，是因为基本人工智能算法远未达到我们的要求。
这里有两个现实问题：
第一，AI 算法本身在不断的演进，新算法层出不穷。
第二，还没一种算法可以统一面向所有的应用。每种应用对应一种算法，或者每种算法对应一种应用。实际上我们的人脑能够做很多事情，但现在人工智能的算法依然是一对一的。
我们说一个基本的感知过程：感知-传输-处理-传输-执行，这是一个基本的逻辑关系。当然这其中包括多元感知，就像人有眼睛、鼻子、嘴、皮肤；执行时有多种执行；传输也是多样化的，有神经传导、皮肤传导、眼睛传导、声音传导等各种各样的传导，只是中间不知道如何比喻。
实际上，计算、分析、经验知识和判断等，到今天为止只是用计算机的概念代替，也就是用软件 + 处理 + 存储的方式来进行。
我们想要得出的其实是这样一个复杂的、智能的系统：它应该是多输出、多输入的系统，应该是高度复杂又高度灵活的互联结构，具有多任务且高度并行运算系统、多处理器单元系统、并行分布式存储、并行分布式软件、分布式处理和集中控制架构等。
实际上，在座所从事的人工智能芯片，绝大多数能够完成的是一种功能，可能两种，最多三种；要想做到像人似的处理 N 种，还差得很远。而且，人在做决定时不是单个决定，而是同时做多个决定，或者叫多个决策同时做，这是今天人工智能远未达到的；我们并不知道但是人脑如何工作，我们可以用计算的方式实现记忆、行动、特征提取、决策等过程。
我们现在只能依据计算，原因在于机器和人脑之间的差别实在太大。
做一个比较。人的大脑有 140 亿个神经元，传输速度 120 米每秒，工作频率很低，为 200 赫兹；人脑皮层比较大，可以完成每秒钟 10 的 16 次方运算，把大脑皮层摊开是四分之一平方米，重量是 1.2-1.6 公斤，功耗只有 20 瓦。
而机器不行，虽然它在某些事情上可能超越人类，但代价非常大。比如超级计算机可以用多个芯片实现 10 的 30 次方每秒钟的运算，非常了不起；但它用电传输，每秒钟 30 万公里，工作频率每小时 42 亿次，耗电量是 24 兆瓦。所以说，机器和人之间的差别很大，机器赶上人还要很远。
我们目前要实现人工智能，别无选择，只能靠芯片。芯片有很多不同的，目前我们已经有 FPGA、GPU、CPU 等，我们还可以做所谓的类脑计算，甚至可以做内存内计算等。然而，这些都是已经存在的芯片，它们的基本架构早在这次人工智能突破之前已经存在了，并不是为人工智能而专门设计的，因此不能完美地承担实现人工智能的任务；即便能完成，它是不是最好的，这些问题都值得我们思考。
但是我们知道，计算是根本点，我们需要有一个很好的计算引擎，这是因为我们看到的人工智能各种网络所需要的计算量是巨大的。比如说，2014 年 VGG19 的计算能力要达到 196 亿次每秒，同时处理大概 1.38 亿个参数，没有足够的算力是做不到的；其次，当我们从云端所谓的训练向终端推理推进时，我们要求它有极高的效率比，否则终端设备（比如说智能手机）很快没电无法运作。
所以，我们说需要一个所谓高能效、通用的计算引擎，这是必备的条件。在此条件下，AI 芯片需要有基本特质，我列出如下（可能还不止）：
第一，它的可编程性，要适应算法的演进和应对多样性；因为算法不稳定，它在不断变化；
第二，架构动态可变性，要适应不同算法；
第三，高效的架构变换能力，因为不同的运算要求变换不同的架构。我可以断言一句，目前凡是使用指令结构的，都永远无法达到我们的要求。我们期待高效率的架构，比如 1W 每秒钟要 10 万亿次运算量。
但是在某些终端应用上来说，你的功耗要小于 1mW，在一个电池用一年不换是基本要求。同时，成本要低，才能够进入家电和消费类电子；体积要小，才能装载在移动设备上；同时还要开发简便，让所有人不必知道芯片如何设计。
就这些条件来看，CPU + 软件、CPU + GPU、CPU + ASIC 都不是理想架构。
那么，什么是架构？人工智能芯片的架构应该是怎样的？在谈人工智能芯片架构之前，我想跟大家回顾芯片发展历程中的相关内容。
首先，我们按照硬件可编程和软件可编程分为四个象限。
第二个象限是硬件处理器，硬件不能动，软件可变化，比如说 CPU、DSP 等。它们是粗颗粒度的，通常工作在 8 到 64 位，芯片运行时可以软件编程，只需要软件工程师编程就可以了，能量效率和计算效率都不高。
第三象限是软件和硬件都不可编程，ASIC、SoC 等。它们的特点是多品种、小批量，一旦完成制造就不能改变，也通常不需要软件（有的需要软件，但不是主要的）；要想使用，需要对芯片有非常清晰的了解。能量效率和计算效率很高，这是其优点。
第四象限是可编程逻辑，如 FPGA、EPLD。硬件可编程，但其实是静态编程；细颗粒度，可以定义到每一个 Bit，芯片运行不需要软件（有人说 FPGA 需要软件，其实不是软件，而是定义硬件的描述语言，所以 FPGA 不需要软件）。使用它需要芯片支持，能量效率和计算效率不高。
而第一象限，到现在为止很少有人关注&&软件定义芯片（SDC），像 RCP、CGRA 等。它的软件和硬件均可编程，混合颗粒度，最重要的是芯片功能随软件变化而变化；在使用中也不需要芯片设计知识，其能量效率和计算效率虽然没有专业集成那么高，但也足够高。
这是一个全新的领域。
CPU 等处理器是通用高灵活性，但已经进入寡头垄断极端，它需要最先进的技术，成本高、价格贵，易受生态环境制约；专用集成电路，专用而无灵活性，用量足够的情况下才能便宜；FPGA 通用高灵活性，和 CPU 差不多。而我们所说的软件定义芯片，它不存在寡头垄断的问题，也并不需要最先进，够先进就好，扩大用量可以降低成本，不存在生态问题；它一方面具备 CPU 的灵活性，另一方面是专用集成电路的高能量效率和高集成度。
软件定义芯片毕竟是一个新名词，那么下一步应该怎么做？我们不知道人脑如何计算和思考，因此我们只能用计算机进行大概地推理一下。
比如说，我们要有硬件平台，这个硬件平台必须得有高计算能力、多任务并行计算能力、足够的吞吐量、极高的能量效率、灵活高效的存储、适应动态的工作变化，这是支撑智能的基础。而芯片要实现智能化，不能光有硬件，一定要有要求很高的软件&&自主学习的能力、形成知识和经验的能力、持续改进和优化的能力、再生和组织能力、思维逻辑推理能力、作出正确判断和决策能力，这是软件才能完成的，而非硬件。
如果有人认为能够硬件上做到这一点，那一定走错路了。实现智能的核心是软件，所以再进一步看，我们要的是软件定义的芯片&&软件变化时，芯片跟着变化。其实，美国人也在做这项工作，比如说美国最近推出的 ERI（电子振兴计划），其中非常重要的就是软件定义硬件，它是作为 ERI 项目中的 6 个子课题之一。
前段时间，我在旧金山和美国 DARPA（国防高级研究计划局，Defense Advanced Research Projects Agency）的项目经理交流发现，美国之所以要做这件事，正是因为他们看到了软硬结合特别是硬件可变性成为未来发展的重点；项目中规划的内容，就是建立一个在运行时可以实时变化的硬件和软件，能够达到专用集成电路的性能，同时对于数据密集型的运算不失去它的可编程性&&这就是软件定义芯片。
对我来说，我非常关注所谓的运行时间 &At Runtime&，规定 300-1000 NS，0.3-1 微秒，这个变化的速度很慢。
那么，FPGA是软件定义芯片吗？不是。我把 FPGA 的 10 大缺陷重复一遍：
FPGA 细粒度，实现比特级的运算。
配置信息量大，几兆甚至几十兆。
配置时间长，少则十几毫秒到几十毫秒，甚至要上秒。
静态编程，一旦配置完毕不可更改，改变 FPGA 的功能要下电或者在线重新载入配置信息。
逻辑不可复用，所有电路必须全部装入 FPGA。
面积效率低，每个 LUT 只能实现一位运算，面积效率只有 5%，一个千万门级的 FPGA 只能实现几十万门的逻辑电路。
能量效率低，由于逻辑利用率低引发无效功耗巨大。
需要特种工艺，FPGA 往往需要最先进的制造工艺，且需对工艺进行特别调整。
电路设计技术，应用者必须具备电路设计知识和经验。
成本高昂，几十到几万美元一片。
所以 FPGA 不是我们想要的东西；FPGA 不能当 SdC，不是软件定义芯片。
那么，为什么要软件定义芯片？
举例说明，做芯片设计时，老板经常说&你一定要做差异化的东西，不能跟别人做得一样&；于是就在规格（Specification）上做文章&&这是完全错误的思路，差异化并不是靠规格设计出来的。这样设计出来的差异化只存在于产品产出的那一段时间，之后就无法更改；别人追上来，差异化越来越小，你的产品便出局。
一个小孩从婴儿成长为成年人，中间的成长中包括教育、学习，《三字经》说&人之初，性本善，性相近，习相远&。为什么芯片不能这么做？
如果我们的芯片可以在使用过程中不断学习，则差异化可以随着时间的变化而不断加强，这样的芯片才是真正的智能芯片。现在的做法是训练 + 推理（训练是老师训练，老师利用以前的知识教我们，我们照老师教的方式推理应用），这恰好是人工智能发展的过程；如果我们让芯片做到这一点，我们可以让芯片做得更好。
现在，我来讲一下什么是真正的软件定义芯片。
一个真正理想的计算应该是软件和硬件的架构一模一样，软件是什么样的拓扑结构，硬件就应该是怎样的拓扑结构；软件需要什么样的运算，硬件需要存在这样的运算资源。可惜的是，软件可以很大，硬件不能大；我们只好把软件分块，跟硬件大小一样。比如把它分为 6 块，根据数据依赖关系把第二块、第三块、第四块放进去&&一直到第六块。这要求我们硬件必须随时改变其功能，硬件功能和架构能够动态地按照软件实时进行改变，这是我们所说的软件定义芯片&&这其实是一件非常困难的事情，我的实验室做了 12 年才做成。
按照这种思路，我们可以很容易地得到基本架构：我们将划分好的软件通过控制单元送到所谓的数据通道中，由数据通道来对硬件进行编程；因此，我们的编程结果可以完全适应软件的发展，这要求我们硬件和软件完全可重构、完全可编程。这是我们的基本思想。
这样的基本思想与传统的计算架构之间比较，可以看到：
经典的计算结构基本上是冯诺依曼的体系结构，但是对于软件定义芯片而言，它是一个函数化的柔性结构。传统的架构中，应用适应于计算结构，你要知道计算机结构进行编程，而在我们的结构中，计算适应于应用，这是倒过来的，硬件适应软件。传统结构中，一个任务只有一个处理软件，不可能编 10 个软件；在我们的结构中，一个任务有多个等效处理软件。传统计算模式中，硬件和软件不变，但在我们这里，硬软件动态选择性改变。传统结构中，要高度复用，在我们的结构中，产生冗余应用，这是根本的不同。
但是，我们没有逃离冯诺依曼的体系结构，这是坏事也是好事&&坏事是创新不够，好事是计算理论的完整性。
我们利用这个架构来实现可重构神经网络的的基本想法是：通过 AI 应用定义我们所选用的深度神经网络，改变芯片架构和功能。如果能做到，我们不仅仅适用一种应用，我们可以跟着应用不断变化，适用 N 种应用。
这样的芯片是所谓通用的人工智能芯片。
这个基本运算单元有多种不同的能力，我们可以让它做卷积、池化等各种各样的内容。利用这种方式，我们还可以实现数据通道，完全并行。这样的结果是，我们可以把大量不适合硬件做和硬件做得很麻烦的东西，可以一个所谓的 Compiler（不是传统的 Compiler）来实现，大幅度提升效率。
这里有一个结果，它是我们去年获奖的内容。这个结果是通用 AI 处理器，在 10 兆到 200 兆频率下，4mW-450mW，运算速度达到 1.06-5.09TOPS/w。另外一个是我们国际会议上报道过的做人脸识别的，小于 100mW，每识别一个只需要 6 个毫瓦时，比人类的人脸识别率高 1 个百分点。
还有一个是语音信号识别，包括和声纹识别，其耗电量只有 200 多微瓦。《MIT Technology Review》今年年初在一篇专稿中评论了我们的工作，认为这是中国取得的皇冠级别的成就，一节电池可以用一年多，被认为是世界上耗电量最小的语音识别软件。
我们已经工作了 12 年，这是我们取得一系列的成绩、论文和专利。
最后结束一下。
我们说，大家都在做 AI。但是 AI 到底是什么？我们应该怎么做 AI？哪些地方到底需要 AI？我们希望 AI 帮助我们解决什么问题？如果不需要 AI 也可以做，为什么要 AI？其实我们没有回答好这些问题。现在很多应用根本不需要 AI，甚至有人用 AI 做幌子。
什么是我们离开就活不了的 AI 杀手级应用？语音识别和人脸识别都需要 AI 吗？未必，特别是语音识别很多时候不需要 AI。当然某些情况下语音识别是有作用的。什么样的 AI 是我们每天都需要的？这是我们的关键。
前两年很多人认为自己超过了美国，有很多这样的声音&明年就超过&&再过 3 年就超过微软&，我把他们称之为&吓尿体&，他们把美国人吓尿了，最近一段时间，大家都说我们的芯片碰到很大困难，跟前两年不太一样，于是&吓尿体&变成&被吓尿&了。我们的芯片发展有自己的步骤，我们确实不如美国，但也没有像美国某些人说得那么糟糕。当然，我们不像某些人说得那么好，我们在发展过程中，不要妄自菲薄。
告诉大家一件事：在软件定义芯片领域中，我们现在大幅领先美国。我的团队提出软件定义芯片技术比美国 ERI 技术早了 10 年，他提出 300-1000 纳秒时间，只是我们现在实现指标的十分之一，我们的性能比它好多了。我现在到国外国际会议上，很多人说我们是国际上做得最好的，我们在软件定义上在国际走在前列。
总结来说，AI 技术不断进步，目前差距依然很大；像人类似的同时做出多个判断和决定，这样的算法尚未出现。我们现在是 IA，还不是 AI；芯片是我们不可逾越的障碍，必须通过芯片实现；而芯片的发展决不是我们今天想象的，做一个芯片就是 AI 芯片。
要让芯片具有智慧的能力，这是我们真正需要考虑的事情，不是为了 AI 而 AI 。你想让 AI 芯片在使用中变得更&聪明&，架构创新是不可回避的课题。如果你依然用 FPGA，不要有太大的希望，没有独霸天下的可能性。希望大家在芯片发展过程中特别关注架构的创新，只有架构创新才能把大家送到这个领域的巅峰。
谢谢大家！
原文标题：清华大学魏少军：什么是真正的通用AI芯片？
文章出处：【微信号：eetop-1，微信公众号：EETOP】欢迎添加关注！文章转载请注明出处。
发布评论请先
鼎桥定制安全手机均采用国产麒麟AI智能芯片，从源头上保证了信息安全，同时在性能上达到国际领先水平。
2018年对于荣耀来说，可谓是技术集中爆发的一年，大量的黑科技不断搭载到荣耀手机上，6月初“吓人技术....
FDA新近批准了中风检测软件，这为人工智能在医疗保健领域应用的蓬勃发展铺平了道路。
目前，小i机器人全球服务用户已超过8亿。小i机器人创始人、董事长袁辉先生在致辞中分享了基于多年产业化....
华为公司三位轮值董事长之一胡厚崑告诉一家法国媒体，华为不会成为美国制裁的目标。
根据一份新的报告，智慧城市技术相关支出约为800亿美元，到2021年可能会达到1350亿美元。这些投....
要不是美国政府阻挠等种种原因，紫光可能还会以230亿美元将美光科技收入囊中，加之传闻称其还曾有意并购....
近日，由北京市经信委组织相关单位，通过大量的调研和专题讨论，编制而成《北京人工智能产业发展白皮书(2....
如何让机器像人一样工作，解放像机器一样工作的人？这就是阿丘科技的使命。人能够借助眼睛配合手进行试错和....
日，以“中控智慧 智慧监控”为主题的中控智慧2018 AI 监控百场生态峰会在东莞拉....
“人工智能企业于2015年到2016年呈现爆发性增长，截至日，全国人工智能企业共计4....
7月10日，机器听觉解决方案供应商大象声科（Elevoc）宣布获得小米和高通创投的数千万人民币的Pr....
近日，打开科技新闻，映入眼前的是，阿里推全球首家人工智能服饰店、百度发布专门用于 AI 大规模运算的....
2004年加入华为后，我连续做了14年的硬件，还算做了一些让人满意的单板，也有幸参与海思芯片的设计和....
如果军事组织要成功地适应这个新时代，它们就必须最大限度地发挥人的潜力，以获得知识优势。
芯片，又称微电路（microcircuit）、微芯片（microchip）、集成电路（英语：inte....
Diane Bryant在加盟谷歌不足一年便选择离开，各界纷纷猜测，从谷歌离职可能参与竞夺英特尔下一....
行业应用方面，中国物联网应用的最大行业仍是制造业。根据一份最新的《物联网支出指南》追踪分析，物联网市....
阿里巴巴集团副总裁庄卓然表示，FashionAI的出现，不仅会重构消费者穿搭试衣体验，也将重构整个服....
6月25日，红米6 Pro发布，是红米首款刘海屏设计的手机，售价999元起。
随着人们消费方式的改变与提高，智能电子产品已成为日常生活中离不开的工具。而作为当今电子信息产业的基础....
中国可能在一些产业上更开放一点，像保险、金融、医疗等行业，汽车业再降点关税，电商给(美国企业)一点点....
据环球科技7月6日消息，日本通信企业NTT成功开发出瞄准“后5G时代”的新技术，传输速度可达到5G标....
Mapbox透露，他们正在将其服务与微软的Azure IoT平台深入整合，未来Vision SDK和....
目前无人机行业应用比较成熟的场景除测绘和植保外，属安防、巡检类场景需求最为旺盛，全新的ZT-3V复合....
5日消息，近日科大讯飞与中信银行成功签署“总对总”银企《战略合作协议》。同期，科大讯飞与信银投资、信....
人工智能可以说是当今最具变革性的力量，它的出现为很多领域带来了改变：手机、汽车、物联网。
7月4日至5日，百度在国家会议中心召开了2018百度AI开发者大会（Baidu Create 201....
工程师可以在数据来源和数据渠道上采取一些有创造力的做法，但某个具体算法所能施展的范围仍然面临严格限制....
珵围绕芯片这一高科技核心产业的纷争，再次在中美间上演。
Applied Materials日前宣布，材料工程获得技术突破，加速芯片效能。
邓总先后为浙江省100多家制造业提供过管理诊断、咨询、培训和信息化、数字化建设服务。主导实施的多个数....
以MEMS及先进传感器为核心的智能传感器技术是未来智能时代的重要基础
这种方法的关键在于较好的控制人工突触，当施加电压的时候，非晶结构的神经形态芯片上的离子流动很难控制。....
晶圆代工厂台积电技术论坛近日登场，总裁暨副董事长魏哲家表示，7纳米制程已大量生产，5纳米制程预计明年....
这本书的重要之处在于，第一，它不仅简单地讲述了我们通常理解的人工智能的一些领域，还把它上升到了哲学和....
多年来，深度学习一直处于所谓的人工智能革命的最前沿，许多人相信深度学习将带领我们进入通用AI时代。
“人工智能”这一概念的提出至今已有几十年。当前，人们对于它的理解不再是高深莫测的“黑科技”，它已然成....
使用机器学习算法，研究人员可以判断一个人的手写英文文本，以确定作者是来自这五个不同国家——马来西亚，....
我们都知道，美国是全球人工智能人才的温床，是人才交流最集中的地方。而在众多美国科技公司里，谷歌成为当....
时隔一年，生物特征识别技术不断被完善，公众的生物特征数据仍然每天被传感器收集汇总，但是对于生物特征数....
在人机交互过程中，人通过和计算机系统进行信息交换，信息可以是语音、文本、图像等一种模态或多种模态。对....
对于人类观察者来说，要让孩子的参与意愿和行为达成高度一致是很有挑战性的。普通的机器人（非个性化的）与....
孙剑认为，计算机视觉简单讲就是使机器能看，旷视科技希望能够做到“赋能亿万摄像头”，让应用在所有领域的....
供应链服务
版权所有 (C) 深圳华强聚丰电子科技有限公司
电信与信息服务业务经营许可证：粤B2-}