2018世界机器人大会在京召开，机器人行业前沿技术悉数亮相。技术和成果。今天，中国电子学会在大会论坛上发布了《新一代人工智能领域十大增长技术展望（2018-2019）》。据悉，当前，世界正在经历新一轮科技与产业高度耦合、深度叠加的变革。大数据的形成、理论算法的创新、计算能力的提升和网络设施的演进，推动人工智能进入新一轮的创新发展。高峰期，新技术不断取得突破，呈现出深度学习、跨界融合、人机协同、开放众智、自主控制等面向应用的新特征。加强对新一代人工智能技术的前瞻性预测，准确把握全球技术创新趋势和发展趋势，将为行业健康发展、有序进入人工智能提供决策参考价值和实践指导。资金、政策规划出台、新兴市场发展等。智力支持。围绕此，中国电子学会结合国家出台的《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划（2018-2020年）》系列政策方案，调研走访了一批在新一代人工智能领域具有领先水平和特色的龙头企业。智能技术与产业，并组织参观知名高校和研究机构的人工智能领域专家学者，系统梳理了权威智库和知名战略咨询公司的最新报告，评选出十大最具特色的成长技术，并得出以下结论：1.AdversarialneuralnetworkAdversarialneuralnetworkAdversarialneuralnetwork指的是一种神经网络架构，由不断生成数据的神经网络模块和不断判断生成的数据是否真实的神经网络模块组成，创建原始图像，接近真实数据技术的声音和文本。该技术有望大幅提升机器翻译、人脸识别、信息检索等领域的精准度和准确性。随着3D模型数据序列能力的提升，未来在自动驾驶、安防监控等领域将具有可观的应用价值。图1对抗性神经网络中的生成数据和判别数据来源：《麻省理工科技评论》2.胶囊网络。胶囊网络是指在深度神经网络中构建多层神经元模块来发现和存储物体的详细空间位置、姿态等信息的技术。该技术使机器能够以较少的样本数据在不同情况下快速识别同一物体，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。3、云人工智能云人工智能是指将云计算的运行方式与人工智能深度融合，在云端使用和共享机器学习工具的技术。该技术将人工智能的巨大运营成本转移到云平台，可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。未来，它将广泛应用于医疗、制造、能源、教育等众多行业和领域。.图3推出人工智能服务的主要云计算企业来源：中国电子学会4.深度强化学习深度强化学习是指将深度神经网络和强化学习与决策能力相结合，通过端到端的方式实现-endlearning感知、决策，或者说融合了感知和决策的技术。该技术具有无需先验知识、降低网络结构复杂度、硬件资源需求少等特点。它可以显着提高机器智能适应复杂环境的效率和鲁棒性。将应用于智能制造、智能医疗、智能教育、智能驾驶等领域。具有广阔的发展前景。图4深度强化学习具有良好的结构特性5.智能脑机交互智能脑机交互是指通过建立人脑神经与外部设备之间的直接连接路径，实现神经系统与外部设备的连接高生物相容性。信息交互和功能集成技术。该技术利用人工智能控制的脑机接口，准确分析人脑的工作状态，达到促进脑机智能融合的效果，使人类交流的方式更加多样化和高效。未来将广泛应用于临床康复、自动驾驶、航空航天等众多领域。图5智能脑机交互让人类交流更高效6.对话式人工智能平台对话式人工智能平台是指融合语音识别、语义理解、自然语言处理、语音合成等解决方案，为开发者提供一个开放的平台技术识别、理解和反馈能力。该技术可在对话服务场景下实现机器与人的自然交互，未来有望在智能穿戴设备、智能家居、智能汽车等诸多领域得到广泛应用。资料来源：IDC，中国电子学会7.情商情商是指利用人工智能模拟人类的表情、语气、情绪等情绪反应，创造出具有情绪属性的虚拟形象的技术。该技术可以让机器设备更好地识别、理解和引导人类的情感，为用户带来更高效、人性化的交互体验。未来将在智能机器人、智能虚拟助手等领域得到更频繁的应用。图7情商技术将模拟人类的情绪资料来源：《人类神经科学前沿》8。神经形态计算神经形态计算是指模拟生物大脑的神经系统，在芯片上模拟生物神经元和突触的功能及其网络组织。赋予机器感知和学习能力的技术。该技术的目标是使机器具有类似生物大脑的低功耗、高效率、高容错等特性，在智能驾驶、智能安防、智能化等领域具有广阔的应用前景。搜索。图8神经拟态计算结构来源：中国电子学会组织9.元学习元学习是指将神经网络与人类注意力机制相结合，构建通用算法模型，使机器智能具有快速自主学习能力的技术.该技术可以使机器智能真正实现自主编程，显着提高现有算法模型的效率和准确性。未来进一步的应用将成为推动人工智能从专用阶段走向通用阶段的关键。图9元学习实现快速自主学习10.量子神经网络量子神经网络是指利用量子器件构建神经网络，优化神经网络结构和性能的技术。该技术充分利用了量子计算超高速、超并行、指数容量的特点，有效缩短了神经网络的训练时间。未来在人脸识别、图像识别、字符识别等领域将具有重要的应用价值和广阔的前景。图10量子神经网络结构示意图
