1. 首页
  2. 人工智能
  3. 正文

2021年完全自动驾驶的汽车将是未来的最佳办法

 2021-08-26 16:02:48  来源:互联网 

对于我们中的许多人来说,2020 年并不完全按计划进行。然而,我们已经告别了2020年,迎来了2021年!

我们前不久采访了一些人工智能专家,了解他们对2021年人工智能领域主要发展趋势的看法。

这些专家主要来自加拿大蒙特利尔学习算法研究所(MILA)、美国信息技术研究分析公司Gartner(Gartner)、Facebook、亚马逊人工智能研发部门Alexa AI,以及美国国家航空航天局航天局 (NASA) ),以及基于许可的邮件营销服务提供商 Mailchimp 等组织和机构。

Andriy Burkov,美国信息技术研究和分析公司 Gartner 数据科学主管

经过用户参与的试验,虽然一些公司可能会推出点对点无人驾驶通勤服务,但完全自动驾驶汽车在 2021 年仍“准备就绪”。

此外,全自动卡车将开始在高速公路上从海岸的一端长距离行驶到另一端(整个过程可能需要人工远程监控),但最后一英里仍将由安全人员直接驾驶控制。

基于Transformer的预训练模型,比如GPT-3,更擅长装聪明,也比较烦人,装聪明的程度甚至会让人觉得它已经实现了聪明.

美国国家航空航天局 (NASA) 机器学习领导者,照片分享网站 Pinterest 技术孵化领导者,《Practical Deep Learning for Cloud, Mobile, and Edge Smart Devices》(Practical Deep Learning for Cloud, Mobile, and Edge) Anirudh Koul 一书的作者

2021 年,我期待两件事。一个是会变大的东西,另一个是会变小的东西。预测未来最好的办法就是回顾过去(或许你可以在过去配置一个长短期记忆网络LSTM)。

在两年内,我们的预训练模型从 440MB BERT 变成了 350GB GPT-3。我们已经可以通过云租用超级计算机,计算能力达到285,000个CPU核心和10,000个GPU(由微软为硅谷大亨联合成立的人工智能非营利组织OpenAI开发)。

我们已经在您口袋中的 iPhone A14 芯片中实现了 118 亿个晶体管。我们已经能够在 90 秒内训练 ImageNet,而十年前,这个训练过程需要几个月的时间。

因此,我们可以预见,计算、模型和算法的能力将继续呈指数级增长,进一步向所有人展示人工智能的新魔力。

另一方面,我们现在可以达到 BERT 的准确率,但是基于 FastFormers 的使用,CPU 推理速度提高了 233 倍。如今,我们只需要五分之一的带宽就可以通过 NVIDIA Maxine 传输视频通话。我们将 AutoML 模型的训练时间从 40,000 小时的 GPU 计算时间(2018 年的 MNasNet)减少到 3.75 小时(2019 年的单路径 NAS)!

单一关注模型剪枝和模型量化不是我们对模型的研究课题,但研究课题是从业者编写的高效三行代码(TensorFlow模型优化工具箱)。

2021 年,专注于小事的乐趣将继续增长,让边缘智能设备的用户拥有基于强大模型的神奇体验。

博士Rana el Kaliouby,情感感应初创公司 Affectiva 的联合创始人兼首席执行官

我们将看到情绪感知人工智能的新用例,以促进 COVID-19 大流行期间的在线协作和交流。

在 COVID-19 大流行期间,我们比以往任何时候都更依赖视频会议。视频会议以虚拟方式连接每个人,让我们可以远程工作、在家学习和开始社交生活。

然而,目前存在的一个大问题是情感感知是这些技术的盲点。当我们面对面交流时,我们能够传达的信息不仅来自语言本身,还可以通过面部表情、语调和肢体语言来表达自己。但这些技术的最初设计并不是为了捕捉我们与周围人互动的细微差别。

相关文章

热门排行

编辑推荐

扫一扫关注最新创业资讯