2020年在全球新冠肺炎的袭击下，借助人工智能技术，人们正在适应以全新的方式应对生活和工作。然而，在人工智能产业快速发展的同时，产业本身也面临着诸多挑战。未来人工智能技术将如何发展？将在哪些领域率先突破？人们将如何利用人工智能创造更大的价值？这些都是未来人工智能产业发展最关心的问题。在3月4日MathWorks举办的媒体分享会上，MathWorks首席策略师JimTung与包括OFweek人工智能网在内的媒体进行了探讨。JimTung在科学计算软件市场拥有超过35年的经验，其中30年在MathWorks工作，担任市场营销副总裁和业务发展副总裁。MathWorks首席策略师JimTung（图片由MathWorks提供）当前人工智能行业的痛点是什么？来自多个行业企业高管的反馈，或许是当前人工智能行业的真实写照。消费电子领域代表指出：“我们不一定要在生产过程中追求最快的算法，但我们希望获得最可靠、最稳定的算法。”；政府架构师希望可持续维护他们认为解决方案的开发并不难，难的是开发者离开后对构建系统的长期维护；汽车行业人士认为：“将真实系统与人工智能连接起来，努力与现实保持联系，是人工智能技术发展最关键的挑战。”；航天业内人士认为：“如果MathWorks能够将来自多个供应商的工作流结合起来，那么这样的产品将是一款非常强大的产品，也会为行业提供很大的帮助。”基于以上行业痛点，MathWorks会有怎样的思考？未来，MathWorks将如何将AI融入更多边缘系统，助力AI得到更广泛的应用？且听董建华一一为我们讲述。2021年人工智能五大趋势（图片由MathWorks提供）趋势一：AI成为工程师和科学家的主流应用以全球知名光刻机领导者ASML为例。基本流程，但为了防止层与层之间连接失败而出现问题，层与层之间的所有图案必须按预期堆叠。堆叠校准的过程与芯片良率和质量密切相关，因此ASML使用MATLAB、统计工具箱和机器学习工具箱开发了这款对准测量软件。该软件通过应用机器学习，利用校准测量数据对每个晶圆的对准数据进行估计和测量，大大降低了制造风险。“ASML开发了一种基于机器学习的半导体制造虚拟计量技术。即使你是没有神经网络机器学习经验的ASML工艺工程师，也可以通过MATLAB软件案例和其中提供的各种案例来学习使用它。这也是为什么MATLAB和Simulink可以提供很多这样的算法，通过这种方式来加速其目标的实现，而使用其他语言实现需要重新收集数据和重新编写算法会消耗大量的时间时间，”JimTung提到，“人工智能正在成为许多领域的专门工具，而MathWorks可以为此提供激光雷达工具箱、预测性维护工具箱、无线工具箱、机器学习/深度学习/强化学习工具箱、自动驾驶工具箱、虚拟道路仿真工具箱，以及视觉检测、医学影像、土地分类等一系列参考案例。通过这些案例和实际al模型，用户可以清楚地知道如何在每个行业领域应用我们的产品。”MATLAB和Simulink作为一个开放平台，可以集成更多的工具，共同完成AI产品的设计，充分满足当今不断发展的人工智能系统趋势二：AI将融合工程、计算机科学、数据科学、IT技术，形成跨学科、多领域平台（图片由MathWorks提供）人工智能是跨学科、跨领域、跨平台的应用，在这方面，MathWorks工具在用户开发中提供了行业标准和技术平台的结合，deployment,workflow,可以大大减少返工量。从演示图中可以看出，在一个产品开发过程中，左边的维度包括了设计、实现和最终测试的过程。这个过程涉及到不同的平台，而MATLAB和Simulink提供的工具可以在开发阶段结合这些不同的平台和不同的工具，实现海无连接。右边是开发完成后的操作环节。MathWorks在嵌入式系统中部署算法和模型。此外，它还可以部署在手机、通讯、终端等边缘设备中，也可以与IO/OT系统相结合。它支持部署在Azure或ASW等云上。JimTung说：“通过上面的方法，大家可以看到其实是开发、运维、部署的有机结合，我们可以实现这种经常被调用的开发运维模型。通过MathWorks，这个可以实现一个系统的升级，并把它组合成一个有机的整体系统。”趋势三：AI模型的可解释性和可视化进一步提升（图片由MathWorks提供）JimTung认为，在军工、航天、汽车等，或者对代码/系统安全性要求比较高的领域，有非常高的模型可解释性的要求。人工智能预测的模型，一方面了解每一层的主要特征是什么，另一方面了解这些训练模型的网络使用了哪些特征来进行预测。比如在演示图中，如果没有可解释性，人工智能算法虽然可以判断哪个是键盘，哪个是鼠标，但是不能清楚的解释为什么判断是鼠标还是键盘，有什么特点是用判断做出来的。因此，AI模型的可视化可以更好地解释人工智能如何以及为何做出这些决策。通过可视化和具体识别，用户可以清楚地知道算法中的哪些特征值被用来做出最终的决定。从R2017a到最新的R2021a系列产品，MathWorks不断升级其工具以提供AI模型的可解释性和可视化。趋势四：仿真和测试将使用3D技术，让效果更逼真（图片由MathWorks提供）人工智能产品的开发通常需要四个步骤，先是数据准备，然后是AI建模，然后是仿真和测试，最后使用通过部署。在前期的数据准备过程中，采集一些极端工况数据并不容易，不仅会消耗大量的人力物力，甚至会对系统造成破坏性因素。而极端工况数据是实现人工智能算法不可或缺的一部分。“使用模型，你可以很容易地获取这些极端工况数据，不需要任何成本，然后利用这些极端工况数据来训练你的人工智能模型，从而有效地改进人工智能算法，”JimTung说。“另一方面，可以模拟一些传感器数据，比如用于自动驾驶汽车的激光雷达。32线或64线激光雷达的成本高达数万。很难测试过程中需要到现场提取极端工况数据，因此我们可以利用系统中的仿真数据导入自动驾驶模型，然后仿真传感器数据进行分析。自动驾驶的模拟不仅仅是单一场景，还包括定位、路基规划、环境管理、互助算法等，只有将这些融合起来，才能保证自动驾驶汽车在任何情况下都能完美运行、减速、加速。情况等等。”JimTung也表示，单独的人工智能模型是没有意义的，只能把整个AI算法集成到整个系统中，模拟出来再转移到硬件上，对系统的其他算法做一个整体的测试和验证。有效性是最重要的趋势5：更多AI模型部署在低功耗、低成本的嵌入式设备上（图片由MathWorks提供）越来越多的人工智能算法部署在不同的设备上。像宝马的生产线，边缘化工厂的系统、基于企业系统的生产工厂的部署、云数据平台等等……通过MATLAB模型，可以生成代码，最终部署到任何平台上。JimTung还介绍了MATLAB的另一个特点：自动化代码生成。有很多专业知识扎实，但缺乏实际编程经验的研究人员。通过人工智能模型和对应的olkits由MATLAB和Simulink提供，无需人工干预即可自动生成代码。代码的类型也可以通过算法改变，以适应不同场合的应用。例如，IDNEO使用MATLAB和相应的机器学习和图像分析工具包来开发嵌入式计算机视觉和解释血型结果的机器工具。学习算法。解决了医院采血检测分析过程费时费力的问题。它采用人工智能技术，通过视觉处理和机器学习算法自动判断患者的血液抗原类型。这种方法不仅提高了工作效率，而且准确度比人工智能还要准确。从后续人工智能诞生至今，已有60年的发展历史。随着信息技术的快速发展和互联网的迅速普及，以2006年深度学习模型的引入为标志，人工智能迎来了前三次高速增长。随着应用范围的不断扩大，人工智能与人类生产生活的关系越来越密切。近年来人工智能产业的进展可以说是硕果累累，在特种人工智能领域、相关技术领域，以及消费智能机器人领域都取得了突破。但仍有许多未知空间等待人们去探索。2021年，AI市场会像MathWorks预测的那样吗？时间可以说明一切。据了解，MathWorks成立于1984年，总部位于美国东海岸波士顿Natick，现有员工5000余人，分布在全球34个办事处，其中一半以上员工为研发工程师.自MathWorks成立以来，公司每年都处于利润持续增长的状态。2020年，公司销售额将突破10亿。现在全球有180多个国家和地区，超过400万用户在使用MathWorks产品。
