腾讯优图人脸识别技术 腾讯优图
2021年6月5日 ， GAITC 2021在杭州举行 ， 汇聚产学研各界领袖 ， 从国际化、前瞻化、产业化的角度分析和洞察新一代人工智能的发展路径 。
大会上 ， 腾讯优图实验室联合厦门大学人工智能研究院正式发布了《2021年十大人工智能趋势》(以下简称《趋势报告》) 。基于双方对人工智能尤其是计算机视觉的长期研究洞察 ， 预测了3D视觉技术、数字内容产业、AI深度学习算法、人工智能内核芯片等诸多领域的发展趋势 。
趋势报告指出 ， 随着深度学习在人工智能许多子领域(如视觉、自然语言处理等)的成熟和规模化 。) ， 多模态融合成为真正实现通用人工智能的必然选择 ， 人工智能也将从感知智能走向认知智能；同时 ， 随着算法和硬件能力的不断升级 ， 3D视觉智能技术将推动商业发展和个人消费升级；深度学习走向多模态融合 ， 边缘计算和人工智能加速融合 ， AI算法的公平性研究将推动AI应用走向普惠 。
以下是2021年十大人工智能趋势详情:
1.自动机器学习的自动化程度和可解释性进一步提高 。
自动机器学习(AutoML)初步实现了许多领域机器学习方法的自动化设计过程 ， 但仍存在自动化程度不够、可解释性不强等问题 。例如 ， 神经网络结构搜索(NAS)在某些应用领域已经达到了与人类机器学习专家相当的水平 。然而 ， 现有的NAS方法实际上需要人工神经网络基础设施 。此外 ， AutoML的自动化过程通常被视为一种“黑箱” ， 缺乏可解释性 。在未来 ， 自动化程度和可解释性仍然是AutoML研究的热点问题 。通过提高AutoML中超参数的选取、特征表示和机器学习算法的确定、神经网络结构搜索的自动化程度和可解释性 ， AutoML将实现机器学习所涉及的各个环节的真正自动化设计过程 。AutoML整体架构的完善将推动新一代通用AutoML平台的构建 ， 实现机器学习的普及 。
2.无监督/弱监督学习逐渐成为企业降本增效的新工具 。
在过去的几年中 ， 深度学习的巨大成功离不开大规模的标注数据集 。大规模标注的背后是传统监督学习对每个训练样本进行完整标注的要求 。随着业务规模的不断扩大 ， 越来越多的企业发现数据标注已经成为提高交付成本、制约效果提升的主要因素之一 。在这种背景下 ， 无监督学习和弱监督学习可以通过不使用标签或者降低对标签数量和质量的要求 ， 快速降低深度模型的数据标注要求 ， 使得原本无法使用的数据现在可以加入到模型的训练中 ， 然后量变导致质变 。在NLP领域 ， 基于Transformer的无监督训练模型已经持续主导了各类NLP任务数据集；在CV领域 ， 最新的MPL方法也通过额外的未标记数据集 ， 首次将ImageNet的Top-1分类准确率提高到90%+ 。可以预见 ， 越来越多的人工智能企业将面临从前期快速扩张到稳定阶段高效运营的新阶段 。在这个过程中 ， 无监督/弱监督学习无疑会成为他们过渡到这个阶段的重要手段之一 。
3.3D视觉技术有助于升级工业消费 ， 淡化虚拟与现实的界限 。
作为视觉AI领域多年来的热点研究方向之一 ， 三维视觉技术的核心任务是恢复和重建3D 空房间、物体和环境 。随着相关算法和硬件计算能力的不断升级 ， 3D视觉算法效果大幅提升 ， 3D几何重建更加精细 ， 表面纹理重建更加清晰 ， 带来更加逼真的视觉感知 。近年来 ， 许多3D视觉研究成果为低成本、高质量的3D内容的生成提供了良好的技术支持 。基于三维虚拟图像的应用 ， 如舞台表演、商品直播、教育互动等 。 ， 纷纷涌现 ， 成为AI内容产业新的发展方向 。在此基础上 ， 结合5G时代流量带宽的全面升级 ， 具有交互功能的3D虚拟现实、增强现实和混合现实3D视觉应用将进一步推进用户体验到现实与虚拟的完美融合 。用户会因为虚拟偶像生动自然的舞台表演而获得回报 ， 会因为虚拟主播的“辛苦”而下单购买 ， 而线上平台依靠3D视觉技术 ， 大大降低了内容制作和IP运营的成本 ， 最终导致社会和商业发展模式以及个人消费习惯的颠覆和改变 。展望未来 ， 3D视觉技术将继续广泛应用于多个领域 ， 包括游戏娱乐、影视制作、电商直播、医疗整形等 。 ， 虚拟与现实的界限将会淡化 。
4.多模态融合加速AI认知升级 。
深度学习在人工智能的许多子领域(如视觉、自然语言处理等)已经日趋成熟和规模化 。).但要真正实现通用人工智能 ， 还需要整合利用这些子领域所针对的信息模态 ， 即多模态融合 。多模态融合的目标是在图像、文字、语音等多模态信息识别的基础上 ， 实现不同模态信息的统一表示框架 。 ， 从而起到1+1>2的作用 。其中一个典型场景就是通过图文联合识别 ， 实现对晦涩、暗示性图片、招揽广告、儿童不良表情包等图文的识别 ， 支撑审计业务深度打击不良内容 。除了图文融合等跨领域模态融合 ， 还可以融合同一领域的不同信息维度 。例如 ， 随着深度生成技术的发展 ， 当前的人脸识别除了传统的RGB图像外 ， 还需要融合深度图像、红外图像等信息 ， 以更好地防御日益多样化的人脸伪造攻击 ， 实现更强的人脸防御 。随着人工智能认知能力的提高 ， 多模态融合将逐渐从图形、文本等实体模式扩展到物理关系、逻辑推理、因果分析等知识模式 ， 从感知智能扩展到认知智能 。
5.人工智能推动数字内容生成向新范式发展
随着数字文化产业的蓬勃发展 ， 尤其是二次元文化的渗透 ， 数字内容产业正面临新一轮的需求升级 。随着5G商用的深入 ， 多元化、高质量的数字内容将面临更快的消费节奏 。与此同时 ， 供给侧仍存在巨大的产能缺口 ， 数字内容产业正处于劳动密集型向技术密集型的转型阶段 。与AI数字内容产业的深度耦合 ， 将有望为行业释放更大的科技势能 。以GPT-3和DALL-E为代表的AI技术在文本、语音、图像、视频等内容生成方面取得了惊人的成绩 ， 但在准确性、通用性和合理性方面仍面临挑战 。目前前沿研究探索模型结构(自动搜索等 。) ， 训练形式(无监督比较)另一方面是引入知识图谱领域的知识 ， 将常识等特定领域知识引入机器 ， 进而提高常识推理的效果 。随着技术的不断升级和演进 ， 我们预见AI将逐步释放其在数字内容生成领域的引擎级影响力 ， 在内容、平台和技术的共同努力下 ， 构建数字内容生成的新范式 。
6.边缘计算和人工智能的加速融合 。
近年来 ， 随着深度学习算法的快速发展 ， 计算机视觉、自然语言处理、搜索和推荐广告等各个领域的任务性能不断被刷新 。同时 ， 随着边缘智能设备的广泛普及和硬件的完善 ， 基于深度学习的人工智能技术在边缘的应用成为可能 。然而 ， 在边缘部署深度学习模型是非常困难的 。主要挑战是边缘终端等智能设备在计算、存储、功耗等方面有很大的局限性 。因此 ， 边缘模型必须满足低计算复杂度、小模型尺寸和低模型功耗的要求 。未来 ， 硬件友好的修剪将会加速 。根据边缘硬件的CPU类型 ， 设计特定的网络细化模式 ， 适应不同硬件的模型压缩和优化加速技术是未来的研究热点 。其次 ， 基于自动化的1比特量化方法可以将其理论性能提高数百倍 ， 因此也是未来的研究热点趋势 。
7.人工智能的核心芯片向类脑计算方向进化 。
【腾讯优图人脸识别技术 腾讯优图】人工智能内核芯片已经成为人工智能时代的关键技术之一 。在某些领域 ， 人工智能内核芯片的性能可以超越人脑 。然而 ， 人工智能内核芯片的研究仍然滞后于人工智能的发展 ， 人工智能内核芯片无法同时满足各种人工智能算法的加速要求 。面对不断涌现的各种人工智能新技术 ， 人工智能内核芯片的自学习能力和可扩展性与人脑相比明显不足 。未来人工智能内核芯片在结构上将更接近人脑的神经结构 ， 获得神经计算的能力 。通过不断融合最新的人工智能技术 ， 定制化的人工智能内核芯片将逐步演化为通用的人工智能内核芯片 ， 提高自学习能力 ， 实现不同人工智能技术对不同任务的加速计算 ， 从而推动人工智能内核芯片的真正落地 。
8.算法公平性研究推动AI应用走向普遍和无偏 。
由于数据偏差、算法缺陷甚至人为偏差的存在 ， 现有的AI算法普遍存在对某些特定人群不公平的“歧视现象” 。随着人工智能算法在社会各行各业的广泛应用 ， 作为辅助人们决策的重要工具 ， 算法的公平性越来越受到关注 。过去几年 ， 业界一直在逐步探索一些有针对性的解决方案 ， 包括构造更加公平的数据集、在算法训练中引入公平约束损失、提高机器学习算法的可解释性等 。但总体而言 ， 目前的公平性研究在准确性和公平性的平衡 ， 以及不同场景的通用性和有效性等方面都处于方兴未艾的阶段 。随着《人工智能白皮书》、《人工智能的伦理:欧盟的问题与倡议》和《中国协同实施人工智能治理原则行动建议》的发布 ， 人工智能的治理正成为一个越来越热门的话题 ， 而算法的公平性是人工智能治理的关键问题 。我们预见算法公平性的研究将不断深入 ， 在人脸识别等最广泛的AI应用领域取得突破 ， 为不同人群带来更具包容性和不偏不倚的效果 。
9、隐私保护AI落地实用助力算法可持续进化
人工智能和机器学习算法的广泛应用在为人们提供便利的同时 ， 也带来了巨大的隐私泄露风险 。这种隐私泄露包括用户数据在授权范围之外被处理和共享的现象 ， 以及机器学习算法训练后存在的数据记忆 。人工智能算法开发中的数据隐私保护越来越受到关注和监督 。美国《加州消费者隐私法》于2020年生效 ， 中国《个人信息保护法(草案)》于2020年颁布 。针对机器学习中的上述隐私保护问题 ， 近年来研究工作逐渐深入和成熟 ， 发展了数据匿名化、联邦学习、差分隐私等一系列方法 。我们预见 ， 一种更加灵活高效、能够保护用户数据隐私的AI学习方法将在金融、医疗、社交等场景中投入实际使用 ， 减少用户的隐私担忧 ， 帮助AI算法在场景中可持续进化 。
10.人工智能技术正在走向安全智能 。
随着人工智能技术在各行各业的广泛应用 ， 滥用或恶意破坏人工智能系统将给社会带来巨大的负面影响 。近年来 ， 针对人工智能算法的攻击技术 ， 如算法后门攻击、反样本攻击、模型窃取攻击等 。 ， 一直在不断发展 。通过伪造和构造特殊数据 ， 诱骗人工智能应用产生不可靠的错误结果 ， 带来更大的算法安全风险 。因此 ， 保证人工智能应用的安全性和可靠性越来越迫切 。未来 ， 人工智能技术将继续向安全智能方向演进 。一方面从算法的可解释性上提高模型的鲁棒性 ， 另一方面变被动为主动 ， 通过主动的安全检测机制检测和拦截各种攻击 。最终实现人工智能可用性和可信性并重的现实需求 ， 推动人工智能技术在更广泛的领域安全落地 。
作为腾讯顶尖的人工智能实验室 ， 腾讯优图长期坚持基础研究和产业 ， 拥有超过1000项国内外AI相关专利 。300多篇论文被CVPR、AAAI、ICCV等国际顶级会议收录 。在产业落地方面 ， 腾讯优图通过腾讯云不断输出顶尖的视觉AI能力 。目前已推出30多个行业解决方案 。
推荐阅读
- 人脸识别不了怎么办
- 有没有玩微信的怎么玩
- 腾讯dnf手游什么时候出 手游公测的时间介绍
- 腾讯大王卡怎么领取超级会员
- 腾讯wifi管家怎么领皮肤 你可以这样做
- 关于看别人脸色的说说 关于看别人脸色做事的说说
- 腾讯视频下载后离线播不了
- 人脸识别的技术特点
- 腾讯课程上如何开设课程
- 人脸识别次数超限要等多久