2020年第一季度人工智能的最新进展

人工智能曾经只是科幻小说，是计算世界的遥不可及的梦想，如今已成为现实。 人工智能，简称AI，是用来描述机器模拟人类智能的能力。 诸如学习，逻辑，推理，感知，创造力之类的行为曾经被认为是人类特有的，如今已被技术复制并应用于各个行业。

多年来，人工智能已经从计算机视觉的简单步骤发展为识别灰度手写数字，并已扩展为能够识别人脸，执行对象检测和实例分割，渲染增强现实等的比较新的技术。 更多。 自然语言处理技术也开创了新局面，开发了在大量数据集上训练的模型，可用于问题解答，情感分析等，新型语音检测和对话式AI技术的兴起，以及更多其他功能。 人工智能领域已在多个视野和新维度上扩展，从而使其被用于多种任务的多个用例中。

以下是最近发生的一些人工智能方面的重大进步：

使用深度学习开发新型强大的抗生素：

麻省理工学院的团队开发的一种深度学习模型已经确定了一种新的抗生素化合物，该化合物已成功地与世界上一些耐药性最高的细菌作斗争。 新开发的药物是通过计算机模型挑选出来的，该模型有可能在短短几天内筛选出超过一亿种化合物。 研究人员设计了他们的模型，以寻找能够使分子有效杀死某些种类细菌的化学特征。 他们在2,500个分子上训练了神经网络模型，其中包括1,700种已获美国FDA批准的药物以及800种具有不同结构和生物活性的天然产物。 在针对五种细菌的实验室测试中，研究人员发现其中八种分子具有抗菌活性，其中两种具有强大的功能。 现在，研究人员计划进一步测试这些分子，并在用于该过程的数据库中对其进行进一步筛选。

当前筛选新抗生素的方法成本高昂，并且需要大量时间投入，这种模型有望极大地推动医疗行业的发展。

对产品的高级理解和新的购物体验：

Facebook的AI团队开发了一种名为GrokNet的计算机视觉模型，旨在通过充当AI生活方式助手来重新定义购物，该助手可以学习人们的品味并大大简化购物过程。

由于购物时有各种各样的产品在售而感到沮丧和优柔寡断是一种普遍的感觉。 Facebook开发的模型使用比较先进的图像识别模型，根据对个人已经拥有的物品的分析所获得的个人品味来推荐要购买的产品。 它还可以生成对象的虚拟副本，以实现该项目在房间或人体内的放置方式的可视化。 您会发现自己穿着您要购买的衣服或配件，这是一个更好的选择。 试用室可能很快变得多余!

该方法使用对象检测器来识别图像中可能产品周围的框，将每个框与已知产品列表进行匹配，并将所有匹配项保持在相似度阈值之内。 它可以预测图像的各种属性，例如图像的类别，属性和可能的搜索查询。 它还可以预测可用于执行诸如产品识别，视觉搜索，视觉上类似的产品推荐，排名，个性化，价格推荐等任务的嵌入(例如"指纹")。 该模型已部署在Facebook Marketplace上，并且已经在重塑购物体验。

通过学习用户行为自动创建业务流程自动机：

英国初创公司ZappyAI已经完成了曾经艰巨的任务，即了解并自动为企业中的流程创建自动化。 早在自动化的早期，该技术就无法将以前在流程中所做的事情与现在在进行中的事情联系起来。 自动化工具将需要大量的编码和配置，而没有任何认知能力。

人工智能驱动的系统使用长期内存来识别可以自动化的业务流程。 它可以找出正在执行的业务流程中涉及的决策和逻辑，并生成对组织内自动化机会的分析。 ZappyAI计划使用这种AI技术来运行组织流程分析的主干，从而为公司节省了无数的人工时间，以了解和数字化业务流程。

小巧的AI —可在消费类设备上运行的AI

诸如Google，Amazon，Apple和IBM之类的现代较大的技术公司已经开发了使AI算法能够直接从人们的电话和其他消费设备运行而无需与云服务进行交互的技术，而传统上是 缺少强大的计算硬件。 这项被称为"微型AI"的技术，研究人员通过称为"知识蒸馏"的过程缩小了现有AI模型的大小，而不会损失任何算法的功能或性能速度。 该技术的优势包括由于设备与云之间没有通信而导致的零延迟，以及更少的隐私问题。

减少AI的碳足迹

训练深度学习AI模型所需的计算能力是巨大的-马萨诸塞大学(Amherst)的一份报告估计，由此产生的二氧化碳排放量平均约为626,000磅(重)。 这相当于美国普通汽车一生中产生的二氧化碳量的五倍。 在模型的部署阶段，随着具有不同属性和资源的多个硬件平台的参与，此问题变得更加严重。