Эпоха амбиций: растущий китайский рынок искусственного интеллекта

Эпоха амбиций: растущий китайский рынок искусственного интеллекта

Во время Глобального саммита по искусственному интеллекту и робототехнике 2016 года (CCF-GAIR) представители Huawei Noah’s Ark Lab, Xiaomi Explore Lab, Tencent Youtu Lab, 360 AI Institute, Baidu Automatic Driving Department, MicrosoftResearch Asia, факультета компьютерных наук Университета Оксфорд, Национальный инженерный центр робототехники при Университете Карнеги-Меллона, Лаборатория биомиметики и робототехники Массачусетского технологического института и Университет Королевских дорог присоединились и поделились своим пониманием будущего технологий искусственного интеллекта.

Во время Национальной конференции по инновациям в области науки и технологий, состоявшейся в мае 2016 года, Жэнь Чжэнфэй, основатель и президент Huawei Technology, выступил с речью о том, что Huawei входит в неизведанные воды и теряет направление, которое широко распространялось в китайских технических кругах.

"С точки зрения технологического развития, человеческое общество будет постепенно становиться все умнее и умнее в течение следующих двух или трех десятилетий в невообразимых масштабах", – сказал г-н Жэнь.

Во время Глобального саммита по искусственному интеллекту и робототехнике 2016 года (CCF-GAIR), проведенного Китайской компьютерной федерацией и Leiphone.com 12 августа 2016 года, ряд китайских интернет-гигантов представили свои последние достижения в области искусственного интеллекта и робототехники, а также проекты. .

Представители лаборатории Huawei Noah’s Ark Lab, Xiaomi Explore Lab, Tencent Youtu Lab, 360 AI Institute, отдела автоматического вождения Baidu, MicrosoftResearch Asia, факультета компьютерных наук Оксфордского университета, Национального инженерного центра робототехники Университета Карнеги-Меллон, лаборатории биомиметики MIT. и Университет Королевских дорог присоединились и поделились своим пониманием будущего технологий искусственного интеллекта.

Тенденцию к ИИ не остановить

2016 год ознаменовался не только 60-летием ИИ, волнующим воображение матчем AlphaGo, но и выходом технологий ИИ из академической сферы в промышленную.

За два дня до открытия CCF-GAIR стало известно, что Intel приобрела стартап Nervana Systems в области ИИ за 35 миллионов долларов. Отчет предполагает, что соотношение цены и качества чипа глубокого обучения Nervana Systems даже выше, чем у графического процессора, и что его скорость обработки в 10 раз выше, чем у графического процессора. Некоторые аналитики заявляли, что чиповые гиганты Intel и NVIDIA находятся в состоянии прямой войны.

В начале августа NVIDIA опубликовала финансовый отчет за второй квартал, в котором говорится, что ее выручка увеличилась на 24% в годовом исчислении, а чистая прибыль выросла на ошеломляющие 873% в годовом исчислении. Такой рост стал возможен благодаря тому, что интернет-компании начали массово внедрять графические процессоры NVIDIA для выполнения вычислительных задач, связанных с ИИ. Графический процессор NVIDIA, известный своими огромными возможностями параллельной обработки, является главным приоритетом для вычислительных задач, связанных с ИИ. В июле 2016 года NVIDIA представила свой первый сервер глубокого обучения DGX-1 и официально выпустила его на рынок.

Перед лицом конкуренции NVIDIA на рынке обработки данных Intel точно не будет сидеть сложа руки и ничего с этим не делать. Во время Международной суперкомпьютерной конференции, состоявшейся в июне этого года, Intel анонсировала будущий процессор «Knights Landing» Xeon Phi 2.0 и 72-ядерный процессор на базе x86, первый независимый продукт в своем роде, что означало, что Intel могла создать масштабируемую группа машинного обучения без GPU.

В середине июля компания SoftBank приобрела гиганта по разработке чипов ARM. При финансовой поддержке SoftBank и его экосистемы ARM хочет захватить рынок интеллектуальных чипов IoT с низким энергопотреблением до того, как в отрасли начнется бум. В феврале этого года ARM выпустила новый дизайн структуры процессора, ориентированный в основном на модем 5G и встроенное устройство Mass Storage SoC, что проложило путь для распространения ИИ в будущем. В мае этого года ARM приобрела поставщика технологий компьютерного зрения Apical за 350 миллионов долларов.

Тенденция к ИИ очевидна не только с точки зрения чипа, но и с точки зрения приложения. 28 июля китайский разработчик AI PaaS Turing Robot сообщил, что за последние восемь месяцев на его сервер было отправлено 12,6 миллиарда запросов, а число его разработчиков увеличилось на 110% и превысило 230 000 человек. Также в июле Turing Robot добавила 11 видов способностей компьютерного зрения, включая распознавание лиц, обнаружение лиц, отслеживание лиц, в свою операционную систему интеллектуальных роботов Turing OS1.5.

Помимо Turing Robot, IBM представила в Китае свою платформу когнитивных вычислений Watson через Bluemix PaaS. Кроме того, Google запустил интеллектуальную поисковую систему и интеллектуальное оборудование Google Home во время конференции IO в этом году. Кроме того, Alibaba Cloud также сообщила, что ИИ также станет одной из основных областей ее будущего стратегического плана развития.

Таким образом, можно с уверенностью прийти к выводу, что первая волна промышленных технологий искусственного интеллекта уже наступила.

Может ли Huawei построить еще один «Ноев ковчег»?

Еще в 2012 году Huawei уже открыла лабораторию «Ноев ковчег» в Гонконге. Директором был назначен г-н Ян Цян, эксперт по искусственному интеллекту и интеллектуальному анализу данных, а также профессор Гонконгского университета науки и технологий. Научные интересы лаборатории включают в себя: обработку естественного языка, поиск информации, крупномасштабный сбор данных и машинное обучение, социальные сети и мобильные интеллектуальные технологии, систему взаимодействия человека и машины, теорию машинного обучения и т. д.

Фактически, лаборатория «Ноев ковчег» является частью исследовательского проекта Huawei 2012 года. Говорят, что основатель и генеральный директор Huawei Рен Чжэнфэй придумал это название после просмотра фильма 2012 года, полагая, что Huawei сможет построить свой собственный «Ноев ковчег» перед лицом информационного взрыва в будущем. Научные интересы Исследовательской лаборатории 2012 года включают следующее поколение связи, облачные вычисления, аудио- и видеоанализ, интеллектуальный анализ данных, машинное обучение и т. д., и основное внимание уделяется технологиям в ближайшие пять-десять лет.

Во время саммита первый директор лаборатории профессор Ян Цян представил аудитории, что его основной областью исследований является трансферное обучение, то есть применение «обученной» модели ИИ к сценариям реальной жизни. В настоящее время технология уже стала очень зрелой для проведения глубокого обучения с помощью моделей нейронных сетей ИИ, но такие модели тесно связаны с исходными данными. Однако при применении к другому сценарию или набору данных модель необходимо «обучить» снова. Цель трансферного обучения как раз и состоит в том, чтобы упростить применение моделей ИИ в реальных сценариях.

Другими словами, трансферное обучение — это применение существующей модели ИИ к неизвестным сценариям. Точно так же в человеческом обществе вы могли бы быть более знакомы с передачей знаний, например, с применением знаний о том, как ездить на велосипеде, к езде на мотоцикле. Технология трансферного обучения также позволяет применять модели ИИ, основанные на больших данных, к набору данных малого масштаба, что делает модели ИИ более индивидуальными.

Ли Ханг, второй директор лаборатории Huawei Noah’s Ark Lab, адъюнкт-профессор Пекинского и Нанкинского университетов, рассказал, что лаборатория также проводила исследования больших данных и искусственного интеллекта в смартфонах, серверах, продуктах и ​​машинах для центров обработки данных Huawei и внесла свой вклад в разработку передовых продуктов и услуг для трех основных бизнес-групп Huawei, таких как интеллектуальная сеть связи, приложение для обработки больших данных Enterprise BG, интеллектуальный голосовой помощник Consumer BG и т. д.

Помимо лаборатории Ноева ковчега, в исследовательской лаборатории Huawei 2012 также есть несколько очень известных лабораторий, названных в честь известных ученых, таких как лаборатория Шеннона, лаборатория Гаусса, лаборатория Шилда, лаборатория Эйлера, лаборатория Тьюринга и т. д. Кроме того, Huawei также создала восемь зарубежных фундаментальных научно-исследовательских институтов в Европе, Индии, США, России, Канаде, Японии и т. д. Сообщается, что Huawei собирается создать еще десять фундаментальных научно-исследовательских институтов в Шэньчжэне в 2016 году.

С помощью этих лабораторий и основных институтов Huawei пытается исследовать ничейную землю и заложить прочный фундамент для своего будущего. Хотя инвестиции в исследования и разработки составляют от 15 до 20 процентов годового дохода Huawei, фундаментальные исследовательские институты Huawei все еще довольно молоды, особенно по сравнению с аналогичными лабораториями и исследовательскими центрами MicrosoftResearch, которым уже 25 лет, и 80-летними лабораториями и исследовательскими центрами IBM.

В настоящее время задача Huawei заключается в том, как управлять крупными исследовательскими институтами и лабораториями базового уровня.

Исследования Xiaomi в области искусственного интеллекта

Xiaomi — еще более поздний игрок в этой области. 15 января 2016 года Лэй Цзюнь, основатель и генеральный директор Xiaomi, сообщил на ежегодном собрании, что Xiaomi собирается создать специальную команду, сосредоточенную на основных технологиях и основных компонентах. Кроме того, г-н Лэй объявил, что Xiaomi собирается создать лабораторию Xiaomi Explore Lab для разработки передовых технологий, таких как виртуальная реальность, роботы и т. д. В феврале этого года лаборатория была официально создана.

На саммите г-н Хуан Цзянцзи сообщил, что основное внимание Xiaomi уделяет продуктам, большим данным и машинному обучению. То есть Xiaomi пытается разрабатывать передовые технологии, тесно связанные со смартфонами и интеллектуальным оборудованием. Он также продемонстрировал на саммите модуль Wi-Fi Xiaomi и сообщил, что Xiaomi снизила плату с 60 юаней до 10 юаней, что, безусловно, заложит основу для соответствующего интеллектуального оборудования и продуктов Xiaomi в будущем.

В настоящее время более 200 ТБ данных, собранных модулем Wi-Fi Xiaomi, ежедневно обновляются в Xiaomi Cloud. Настоящая система ИИ может быть создана только с огромным объемом данных. При этом не менее важны данные от активных пользователей. Г-н Хуан также сообщил, что количество приложений MIUI, которыми пользуются более 10 миллионов активных пользователей в день, достигло восьми, а 17 приложений MIUI уже набрали более 1 миллиона активных пользователей в день.

Смартфоны Xiaomi, Mi Band, Xiaomi TV и Box, сетевое устройство Xiaomi, устройство Mi Smart Home, а также платформа электронной коммерции Xiaomi, бизнес интерактивных развлечений, рынок и вся экосистема Xiaomi — все это источники больших данных Xiaomi. С моделью обработки данных, похожей на пирамиду, Xiaomi сначала собирает данные снизу, затем очищает и извлекает данные и, наконец, достигает интеллектуального анализа данных.

На основе этих данных Xiaomi может сформировать качественный портрет своих пользователей. Фактически, Xiaomi может даже собирать данные пользователей без их участия, создавать стандартизированные данные, создавать пул данных, состоящий из видео, музыки, покупок, игр, приложений, романов и новостей, и готовиться к дальнейшему поиску, рекомендации, служба распределения трафика и ручного управления.

По словам г-на Хуанга, технологии обработки данных Xiaomi можно разделить на четыре категории: фундаментальные технологии, такие как платформа Hadoop, фабрика данных; базовые технологии, такие как машинное обучение (глубокое обучение), визуальное распознавание, обработка естественного языка НЛП и распознавание голоса; технологии среднего уровня, такие как бизнес-данные, портрет пользователя, пул данных; передовые технологии, такие как интеллектуальный бизнес, поиск, рекомендации, интеллектуальные вопросы и ответы и т. д. Все эти технологии, наконец, будут применяться к различным аппаратным продуктам Xiaomi.

Говоря о платформе глубокого обучения Xiaomi, г-н Хуанг сообщил, что аппаратное обеспечение Xiaomi представляет собой графический процессор в общедоступном облаке и локальном центре обработки данных, и что Xiaomi внедрила Kubernetes и Docker для группового управления графическими процессорами, TensorFlow для управления задачами, HBse/HDFS для хранения данных и Spark/Storm/MR для завершения компьютерного обслуживания. Все это оборудование и системы позволяют Xiaomi предоставлять умный помощник, облачный фотоальбом, рекламу, финансы и сервис рекомендаций по поиску.

Xiaomi считает, что высококачественные продукты будут удерживать пользователей и стимулировать пользователей к созданию высококачественных данных. Далее Xiaomi обработает эти данные и разработает ИИ с помощью машинного обучения. Наконец-то Xiaomi применит свои технологии искусственного интеллекта к продукту и дизайну. Например, с более чем 150 миллионами пользователей и более чем 50 миллиардами фотографий в Xiaomi Face Album Xiaomi может лучше улучшить сервис. Г-н Хуанг подчеркнул, что в прошлом удобные товары не обязательно были интересными, а интересные товары не всегда были удобными. Однако с развитием искусственного интеллекта и машинного обучения он считал, что однажды продукты могут стать и интересными, и удобными.

Когда его спросили, что он думает об интеллектуальных продуктах, основанных на технологиях искусственного интеллекта, он отметил, что, хотя людям все еще нужно смотреть на свои смартфоны много раз в день, смартфоны все равно будут недостаточно умными. Настоящие смартфоны должны иметь возможность сократить время и частоту, в течение которых люди смотрят на них, потому что многие задачи будут выполняться смартфонами без ручных операций.

Справедливо сказать, что, хотя смартфоны достигли плато, эра настоящих смартфонов только началась.

Другие крупные игроки на китайском рынке искусственного интеллекта

«Чем более неопределенным является будущее, тем больше требуется инноваций и тем больше возможностей для десятков миллионов стартапов», — сказал Жэнь Чжэнфэй.

22 апреля Sogou пожертвовал 180 миллионов юаней Университету Цинхуа и совместно учредил Институт разведки компьютеров в надежде на дальнейшее развитие передовых технологий, таких как ИИ. Ян Хунтао, технический директор Sogou, заявил на саммите CCF-GAIR, что поисковая система является самым большим сценарием применения технологий ИИ. Sogou разрабатывает интеллектуальную речевую технологию с 2012 года, а технологию глубокого обучения — с 2013 года. Статистика показывает, что ежедневно в Sogou Mobile Input Assistant отправляется более 140 миллионов запросов на речевой ввод. На самом деле, внедрение технологии речевого ввода Sogou в результате значительно улучшило взаимодействие с пользователем мобильных приложений, таких как WeChat.

Ли Лэй, ученый в TouTiao и руководитель лаборатории TouTiao, раньше был ученым в лаборатории глубокого обучения Baidu в США. На саммите г-н Ли сообщил, что TouTiao очень непреклонна в развитии технологий искусственного интеллекта. По его словам, TouTiao Lab уже была создана всего через четыре года после основания TouTiao. Он добавил, что TouTiao уже давно разрабатывает передовые технологии, чтобы удовлетворить потребности текущего бизнеса или подготовиться к будущему. Кроме того, он объяснил, что технология машинного обучения имеет решающее значение для связи производителей и потребителей контента, а TouTiao можно даже назвать компанией, занимающейся искусственным интеллектом.

Научно-исследовательский проект Tencent по машинному обучению Youtu Lab, основанный в 2012 году, в основном сосредоточен на обработке фотографий, распознавании моделей, глубоком обучении и т. д. В настоящее время лаборатория уже владеет десятью передовыми технологиями и возможностями обработки фотографий для обработки более 100 миллиардов фотографий. Г-н Хуан Фейюэ был директором и экспертом-исследователем лаборатории с момента ее основания. На саммите г-н Хуанг заявил, что Tencent хочет коренным образом улучшить качество жизни людей с помощью технологии искусственного интеллекта и что Tencent готова поделиться своими последними достижениями с помощью открытых платформ и Tencent Cloud.

Cheetah Mobile также уделяет большое внимание технологиям искусственного интеллекта. В июле этого года Cheetach официально объявила о попытке превратиться из компании, занимающейся безопасностью и программным обеспечением, в компанию, занимающуюся искусственным интеллектом, путем разработки технологий глубокого обучения и персонализированного распространения. Хотя Cheetach проделал очень большую работу по интернационализации, цена его палки все же упала после того, как он достиг узкого места. В 2016 году Cheetah приобрела News Republic за 57 миллионов долларов в надежде освободить место для нового бизнеса с помощью метода TouTiao: интернационализации. Генеральный директор Cheetah Фу Шэн считал, что искусственный интеллект вызовет новую волну роста в эпоху постинтернета.

Основанный в сентябре 2015 года Qiho 360 AI Institute в первую очередь занимается разработкой технологий глубокого обучения, использованием возможностей больших данных и облачных вычислений, поддержкой соответствующих подразделений Qihoo 360 и накоплением опыта в передовых областях. После того, как матч AlphaGo подошел к концу, президент и главный исполнительный директор Qihoo 360 Чжоу Хунъи разослал всем сотрудникам внутреннее письмо, в котором заявил, что распространение технологий, услуг и продуктов ИИ среди широкой публики является лишь вопросом времени. Ян Шуичэн, директор Института Qihoo 360, отметил, что ИИ объединил академический и промышленный круги.

Baidu уже много инвестирует в сектор ИИ. Его проект беспилотника привлек огромное внимание с момента его дебюта на Второй Всемирной интернет-конференции, проходившей в Ужене. Baidu также планирует начать массовое производство беспилотных автомобилей в течение следующих пяти лет. Ван Цзинь, старший вице-президент Baidu и генеральный менеджер Baidu Automatic Driving Business Group, сообщил на саммите, что Baidu приобрела рентгеновский радар в декабре прошлого года за 700 000 юаней и что система автоматического вождения Baidu, также известная как «Baidu Vehicle Мозг», будет стоить более 200 000 юаней. На самом деле, Baidu уже достигла соглашения с Velodyne LiDAR, и гигант рентгеновских радаров уже пообещал, что снизит цену за единицу 64-строчного рентгеновского радара до 500 долларов, если объем заказов Baidu превысит 1 единицу. миллионов в следующем году, что массово устранило последнее препятствие для массового производства беспилотных транспортных средств Baidu.

Хотя LeTV переманила Ни Кая, бывшего старшего научного сотрудника Baidu Deep Learning Institite и бывшего руководителя проекта Baidu по беспилотному вождению, и назначила его главой проекта LeTV по созданию суперавтомобилей, г-н Ни заявил на саммите, что на самом деле он не отвечает за суперавтомобиль. проект. По его словам, LeTV присоединилась к Faraday and Future и создала FF Le Future Lab, основное внимание которой направлено на поддержку смартфонного, спортивного и автомобильного бизнеса LeTV с помощью технологий искусственного интеллекта. Помимо центра исследований и разработок в Силиконовой долине, LeTV также планирует открыть еще один центр в Пекине.

Помимо интернет-гигантов и ИТ-компаний, частные компании также присматриваются к отрасли, а некоторые из них даже видят в ней прекрасную возможность и считают, что рынок стоит более 100 миллионов юаней. Например, Dahua Technology, поставщик высококачественных комплексных решений для обеспечения безопасности, по данным IHS, занимает второе место в мире на рынке систем видеонаблюдения. Его производственная стоимость выросла до 100 миллиардов юаней в 2015 году. Далее его цель состоит в том, чтобы еще больше увеличить производственную стоимость до 100 миллиардов юаней. Для достижения этих целей компания уже создала собственный бренд LeChange для Интернета зрения (IoV), а также открытую платформу с интеллектуальным оборудованием, облачными технологиями и технологиями IoV.

Взгляд в будущее

Во время саммита CCF-GAIR 2016 международные эксперты в области искусственного интеллекта, в том числе декан факультета компьютерных наук Оксфордского университета, президент инженерного факультета Пенсильванского университета и директор робототехнической лаборатории Массачусетского технологического института, поделились последними достижениями в области искусственного интеллекта. с китайским кругом ИИ. Майкл Вулдридж, декан факультета компьютерных наук Оксфордского университета и глава партнерства Oxford-DeepMind, заявил, что технологии ИИ уже способны решать сложные задачи, такие как шахматы, SAT и автоматическое вождение. В будущем технологии искусственного интеллекта смогут обеспечить устное понимание в реальном времени, езду на велосипеде, надежную интерпретацию и перевод, понимание сложных историй и реагирование на них, придумывание шуток и интересных историй, объяснение смысла изображения и т. д.

Г-н Майкл Вулдридж считал, что еще слишком рано говорить об идеальном сочетании технологий искусственного интеллекта и человеческого интеллекта. Для него даже было возможно, что это время никогда не наступит. Хотя ученые добились огромного прогресса с AlphaGo, остается еще много нерешенных проблем. Например, AlphaGo не «знает», что играет в игру, и не может объяснить свою игровую стратегию. По сути, AlphaGo похож на черный ящик. Его можно рассматривать с точки зрения его входов и выходов, но мы ничего не знаем о его внутренней работе. То есть AlphaGo нельзя превратить в продукт общего назначения.

Он также представил аудитории, что областью его исследований была в основном «Мультиагентная система», то есть интеграция существующих сервисов и алгоритмов ИИ в узких областях задач. В настоящее время технологии ИИ применяются в различных продуктах и ​​услугах, что в значительной степени разделяет и сегментирует услуги ИИ. В этом случае следующей целью ученых является интеграция сервисов ИИ во все эти системы и продукты, чтобы люди могли «общаться» с чужими системами ИИ через свои смартфоны, а затем назначать расписание встреч, которые например, все могут присутствовать.

Виджей Кумар, член Инженерной академии США и президент инженерного факультета Пенсильванского университета, считается пионером в секторе беспилотных летательных аппаратов. Его учеников можно найти среди крупных производителей дронов по всему миру. В своем выступлении он отметил, что исследования дронов и воздушных роботов могут помочь собрать данные для лучшего изучения и понимания поведения роботов. Г-н Кумар также поделился с аудиторией своими последними выводами об «эффекте улья»:

Когда виды с низким уровнем интеллекта, такие как муравьи, птицы и рыбы, собираются и работают вместе, они могут выполнить удивительно сложный проект. Точно так же, когда малые и микродроны взаимодействуют друг с другом, они также могут выполнять сложные вычислительные задачи.

Собственно говоря, его теория может быть применена и к наземным и подводным роботам.

Массачусетский технологический институт всегда был одним из пионеров в изучении робототехники. Даниэла Рус, член Инженерной академии США и директор лаборатории роботов Массачусетского технологического института, считала, что в будущем у каждого будет свой собственный робот. В то время роботы были бы такими же обычными, как автомобили. Например, некоторые роботы могут выглядеть как змеи или рыбы, другие роботы могут заниматься какими-то специфическими и практическими делами, такими как врезание кубиков в кишки людей и вытаскивание рыбьих костей.

Сунь Ю, профессор инженерного факультета Университета Флориды и эксперт в области робототехники и глубокого обучения, известен своими исследованиями «черной технологии»: машинных рук. По сути, они не уступают даже человеческим рукам. По словам г-на Суня, четверть из 206 человеческих костей находится в руках, а руки являются самыми сложными органами человеческого тела. Он добавил, что разница между роботизированным и компьютерным интеллектом заключается в том, что роботы должны взаимодействовать с реальным миром, в то время как компьютеры в этом не нуждаются, и что изучение машинных рук важно, потому что попадает в первую категорию.

Профессор Ян Цян считает, что трансферное обучение, упрощающее применение существующих систем машинного обучения к новым сценариям, станет одной из основных тенденций на следующем этапе. Он также упомянул, что китайский круг технологий машинного обучения и искусственного интеллекта все еще не так сбалансирован, как за рубежом, и что технология искусственного интеллекта не ограничивается глубоким обучением, а намного больше.

Чжоу Чжихуа, заместитель декана факультета компьютерных наук Нанкинского университета и директор LAMDA, предсказал, что повышение надежности машинного обучения станет следующей тенденцией в секторе машинного обучения. По его словам, многие системы машинного обучения в настоящее время могут достичь человеческого интеллекта в обычных ситуациях. Однако в экстремальных обстоятельствах системы машинного обучения могут ошибаться. В этом смысле настройка систем машинного обучения и обеспечение их хорошей работы даже в экстремальных условиях должны быть необходимым условием перед более широким распространением технологии машинного обучения.

Тем не менее, развитие ИИ и робототехники в значительной степени зависит от сообществ предпринимателей. Ван Тяньмяо, профессор кафедры и специалист по реке Янцзы Министерства образования, предсказал, что в течение следующих пяти лет роботы будут играть ключевую роль в первую очередь в трех секторах: промышленности, сфере услуг, а также умных транспортных средствах и дронах. По мере развития технологий ИИ роботы будут играть более важную роль в банках, жилых домах, больницах, отелях и т. д. Чжан Цюаньлин, партнер Ziniu Ventures, подчеркнул, что бизнес-модель, основанная на технологиях ИИ, не может быть придумана. сидя в лаборатории. Чжан Хунцзян, генеральный директор Kingsoft Software и Kingsoft Cloud, сказал, что китайская индустрия искусственного интеллекта быстро развивается и что разрыв между китайскими и американскими компаниями, занимающимися искусственным интеллектом, сокращается.

Minieye — это стартап-проект, созданный на основе проекта ADAS правительства Сингапура. Лю Гоцин, генеральный директор Minieye, считал, что разделение труда будет очень глубоким в эпоху ИИ. По его мнению, каждый поставщик должен иметь свою направленность и преуспевать в одной или нескольких областях. В то время умные производители автомобилей больше походили на интеграторов различных деталей и не могли делать все сами, как сегодня производители ПК.

Какими бы решительными ни были интернет-гиганты в области ИИ, разделение труда на основе специализации будет доминирующим правилом в интеллектуальной экосистеме ИИ.

………………………………………………………………………………………

（Нравится наша страница Facebook и следите за нами в Twitter @tmtpostenglish, Medium @TMTpost, Instagram @tmtpost_english и Apple News @TMTpost）

[Статья опубликована и отредактирована с разрешения автора @Wu Ningchuan, пожалуйста, указывайте источник и гиперссылку при воспроизведении.]

Переведено Левином Фенгом (старшим переводчиком в PAGE TO PAGE), работающим в TMTpost.

"(Китайская версия)"

Первоначально опубликовано на www.tmtpost.com 16 августа 2016 г.