<ins id="hfx7x"><span id="hfx7x"></span></ins>
<cite id="hfx7x"></cite>
<var id="hfx7x"></var><var id="hfx7x"><video id="hfx7x"><thead id="hfx7x"></thead></video></var><cite id="hfx7x"><video id="hfx7x"></video></cite>
<cite id="hfx7x"></cite>
<var id="hfx7x"></var>
<var id="hfx7x"></var>
<var id="hfx7x"><strike id="hfx7x"><listing id="hfx7x"></listing></strike></var>

MathWorks:詳解AI五大發展趨勢

2021-03-22 16:18:53·  來源:MathWorks
 
無論是誰都無法阻止AI滲透產業的常態化,在過去,AI代表的是科技的前沿,是人對科技的一種想象力,但它現在正在不斷與產業應用相結合,在實際產業中,降低人們決策失誤的概率。作為科技前沿,AI成長成有效的經濟作物還需要一定的時間,但從目前發展上看AI可能是未來經濟發展和生產力飛躍的決定性因素,推動整個產業的不斷變革和轉型。
無論是誰都無法阻止AI滲透產業的常態化,在過去,AI代表的是科技的前沿,是人對科技的一種想象力,但它現在正在不斷與產業應用相結合,在實際產業中,降低人們決策失誤的概率。作為科技前沿,AI成長成有效的經濟作物還需要一定的時間,但從目前發展上看AI可能是未來經濟發展和生產力飛躍的決定性因素,推動整個產業的不斷變革和轉型。
MathWorks:詳解AI五大發展趨勢
Jim Tung是來自MathWorks的首席戰略師,它對AI未來發展的五大趨勢進行了預判,并將MathWorks在這些趨勢下如何應對的策略進行了一一詳解。

趨勢一,AI在專業工具中開始主流化

據Jim介紹,AI最大的趨勢,應該就是正在成為科學與工程領域的必要工具。

在專業領域中,AI往往扮演著提升效率的角色,如汽車自動駕駛,和工業預測性維護,越來越多的科學家和工程師能夠更加依賴數據帶來的決策能力,高強度的腦力消耗工作正在由AI所簡化,在這些領域中MATLAB在產品方面提供了激光雷達工具箱,自動駕駛工具箱,預測性維護工具箱,及機器學習/深度學習/增強學習工具箱,包括提供相關的參考案例,讓用戶通過這些案例和模型來開發人工智能應用,包括視覺檢測、醫學成像、土地分類等等。
Jim列舉了ASML光刻機的檢測系統的例子,ASML在生產中使用了MATLAB及統計學和機器學習工具箱,開發了芯片生產對準測量軟件,這個軟件通過應用機器學習算法,利用校準計量數據,對每個晶圓的對準數據進行預估和測量,極大地降低了生產制造的風險。

趨勢之二,交叉學科,相互融合
AI作為跨學科的應用覆蓋了多個方面的知識,開發者在實際工作中往往要面對跨領域和跨平臺的應用,在這個方面,MathWorks工具為用戶提供了開發、部署、工作流程行業標準和技術平臺相結合的設計,可以極大的減少返工量。

如嵌入至手機、通訊、終端等這些邊緣設備,還可以和IT以及OT系統相結合,此外還支持云端部署,MathWorks為客戶所提供的是一個完整的跨平臺的開發流程。

以全球知名空調機公司阿特拉斯為例,其使用MATLAB降低運營成本,實現全球跨地域、跨平臺超過12萬臺設備機器的聯網以及全面的優化維護策略,并使得整個產品系列的效率提高了10%。 
MathWorks:詳解AI五大發展趨勢2
趨勢之三,可視化與可解釋性進一步提高

在一些高安全性領域,如軍工,國防等,對AI模型有較高的解釋性要求,通過人工智能預測可以了解到每一層的主要特征,進行預測,通過算法就可以實現清晰的預判。這有助于模型在高安全領域解釋如何,以及為什么選擇這些特定的決策方法,通過這些可視化的方法可以幫助用戶,工程師或者是科學家清晰地看到哪些特征值是被用來做出最后的決策,從MATLAB 2017a到最新的2021a版本,一系列工具都有升級,專門為了模型可視化所提供的一些特殊功能。
MathWorks:詳解AI五大發展趨勢3
Jim對可視化進行了舉例,在人工智能分析中,神經網絡通過訓練,就可以利用模型去自動識別圖片中狗的種類,那么在不同的識別下,就會有不同的區域和不同的圖片,識別出不同狗的類型,那么如何通過這些人工智能所提供的算法來清晰的知道通過什么樣的特征來確定最后輸出的類型。 

另一個問題就是舊的安全標準會隨著人工智能技術的發展被淘汰掉,機器學習、深度學習等等這些算法,將為新世界設立新標準,原有標準可能會有偏差。MathWorks目前正在與EUROCAE以及CSAE等國際組織參與新標準的制定,去適應人工智能新的認證標準系統,滿足高安全性的要求,并希望其能夠早日服務于社會。

趨勢之四,仿真的“普世化”

使用更多虛擬化3D技術來實現人工智能的仿真。利用人工智能需要大量的數據,那么第一步就是準備數據,然后通過數據清洗,提取,將特征值用來進行模型的訓練,最后將其規律部署到應用中。
極限工況的數據是很難拿到的,會耗費大量的人力物力,甚至會對系統產生破壞。但是沒有這些數據,算法的體系就會不完整,通過這些仿真模型,就可以很輕松的,沒有任何成本的拿到極限工況數據,實現方案的部署。以采油液壓泵為例,關鍵的故障原因可能是密封泄露,但又無法提取泄露時現場的數據,這時就可以通過建立模型,在模型中去提取數據,然后把這些數據導入到人工智能模型訓練的序列中去,通過它來找到并分析這些故障數據,最后進行預測維護及故障診斷等應用。
MathWorks:詳解AI五大發展趨勢4
再比如正在蓬勃興起的自動駕駛汽車里面所用的激光雷達,由于其價格非常昂貴,32線或者64線動輒就要上萬美金。但在實際測試中,很難去現場提取工況數據,那么仿真數據這時就可以導入到自動駕駛模型中去,進而實現雷達工況的自動分析。

新產品RoadRunner,是從去年開始推出的,是專門為自動駕駛3D場景進行設計的,通過RoadRunner工具箱可以很方便的搭建起來模擬路況,無論是道路、還是城市工況,結合Simulink、MATLAB的算法,可以輕松實現自動駕駛的仿真和測試。

趨勢之五,端側部署
越來越多的人工智能的算法部署在不同的設備上,大多數集中在低功耗的邊緣設備之中,在圖像檢測類應用中這種趨勢非常明顯。通過MATLAB模型就可以簡便地生成代碼,最終部署在任何的平臺上。

MathWorks:詳解AI五大發展趨勢5
MathWorks:詳解AI五大發展趨勢6
很多科學家在專業領域有很寶貴的經驗積累,但在編程方面稍有欠缺,那么他會把專業領域知識結合到模型里面,通過MATLAB或Simulink,就可以制作這些模型,自動生成代碼,部署至需要的設備之中,不需要人工干預。
以血型檢測為例,很多工作是需要進行比對的。醫院的工作可以使用專門的卡片進行視覺解析,來檢定測量,通過算法確定這個患者的血液抗原的分型,包括什么樣的類型,里面的抗原的具體情況等等。使用MATLAB和機器學習工具箱來開發測試和生成這種圖像分析和基于機器學習的嵌入式算法,精度甚至超過了原有的要求,遠超人工測量的結果,項目完工時間大幅縮短。通過使用嵌入式編碼生成器,即自動化代碼生成器,可大量節省代碼時間,可以在MATLAB中實驗新功能,并快速完成額外迭代,通過自動化的代碼生成,部署到嵌入式系統里面去。

應對虛實偏差

關于模型方案與實際系統的對應問題,Jim做了特別分析和說明。模擬數據和實測數據二者會存在一些區別和誤差,模擬仿真一定是不能完全替代最終的實際實測的。所以首先模擬仿真是通過模型仿真測試出來的結果,最后還要進行實地的路測等進行驗證,這樣的好處就是降低開發時候的路測成本和路測次數,仿真還可以彌補極端情況下數據的不足。所以二者沒有孰優孰劣,像左手跟右手一樣是互補的關系。

應對模型偏差可以通過仿真與實測交替,不斷糾正并最終得到理想模型。Jim Tung解釋到,MathWorks也會跟進未來趨勢,不斷豐富工具箱,讓開發者能夠更加便捷地開發出相關領域的應用。
MathWorks:詳解AI五大發展趨勢7
  
 
久草久在线在线观看_久草快播图片在线观看_久草免费草免费
<蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>