人工智能十大成长性技术发布

本篇文章1250字，读完约3分钟

为了加强对新一代人工智能技术的前瞻性预测，把握全球技术创新趋势和发展趋势，中国电子学会近日走访了人工智能相关企业和高校的专家，评选并发布了十大最具特色的成长技术。主要内容如下:

-拮抗神经网络。神经网络体系结构由一个连续生成数据的神经网络模块和一个连续判断生成数据是否真实的神经网络模块组成，创建了近乎真实的原始图像、声音和文本数据，有望大大提高机器翻译、人脸识别和信息检索的精度和准确度，并将在未来自动驾驶、安全监控等领域得到应用。

-胶囊网络。深层神经网络中构建多层神经元模块，用于发现和存储物体的位置和姿态细节。该技术可以使机器在不同情况下用较少的样本数据快速识别同一物体，在人脸识别、图像识别、字符识别等领域具有广阔的应用前景。

-云人工智能。云计算的运行模式与人工智能紧密结合，机器学习工具技术在云中使用和共享。它能有效降低终端设备使用人工智能技术的门槛，有利于扩大用户群体。未来它将广泛应用于医疗、制造、能源、教育等行业。

-强化学习。将深层神经网络与具有决策能力的强化学习相结合，通过端到端学习可以实现感知、决策或感知与决策的融合。该技术能够显著提高机器智能适应复杂环境的效率，在智能制造、智能医疗、智能教育、智能驾驶等领域具有广阔的发展前景。

-智能脑-机交互。通过在人脑神经和具有高生物相容性的外部设备之间建立直接连接路径，可以实现神经系统和外部设备之间的信息交互和功能整合。这项技术使人类的交流更加多样化和高效化，并将广泛应用于临床康复、自动驾驶、航空空航天等领域。

——对话人工智能平台。它集成了各种解决方案，如语音识别、语义理解、自然语言处理、语音合成等。，并为开发人员提供了一个具有识别、理解和反馈功能的开放平台。该技术可以实现对话服务场景中机器与人之间的自然交互，有望在未来智能穿戴设备、智能家居、智能汽车等领域得到广泛应用。

情商。人工智能用于模拟人性化的情感反应，如表情、情绪和情绪，从而创建具有情感属性的虚拟图像。它能使机器和设备更好地识别、理解和引导人类情感，给用户带来更高效、更人性化的交互体验。在未来，它将被频繁而深入地应用于智能机器人、智能虚拟助手等领域。

-神经形态学计算。也就是说，它模拟生物大脑的神经系统，模拟生物神经元和突触的功能以及它们在芯片上的网络组织，并赋予机器感知和学习的能力。该技术旨在使机器具有类似生物大脑的低功耗、高效率和高容错性的特点，并将广泛应用于智能驾驶、智能安全、智能搜索等领域。

-元学习。机器智能将神经网络与人类注意机制相结合，具有快速自主学习的能力。该技术能够使机器智能真正实现自主编程，显著提高现有算法模型的效率和准确性，并将推动人工智能在未来从特殊阶段向通用阶段发展。

-量子神经网络。也就是说，量子器件被用来构建神经网络，优化神经网络的结构和性能。该技术利用量子计算的超高速、超并行和指数能力的特点，有效地缩短了神经网络的训练时间，并将在未来的人脸识别、图像识别、字符识别等领域得到广泛应用。

(记者余思南整理)

来源：搜狐微门户