侵权投诉
订阅
纠错
加入自媒体

2016年,关于物联网、机器学习、AI等都发生了什么?

2017-01-19 09:05
科技那回事
关注

· 北美第一家且目前增长最快的公共LoRaWAN低功耗远距离物联网(LPWAN)技术提供商Senet发布了其网路覆盖地图,范围已包括旧金山和洛杉矶,但是全国范围内的覆盖尚未实现。

· 3GPP在2016年第二季度完成了三种蜂窝物联网的技术参数:LTE-M1, NB-IoT,EC-GSM。Verizon和AT&T都计划明年开启LTE-M1网络的商用。与此同时,沃达丰也在努力发展基于蜂窝的窄带物联网(Narrow Band Internet of Things, NB-IoT)。

· 10月,开放互连基金会(Open Connectivity Foundation,OSF)和AllSeen Alliance宣布合并。这样一来,就将竞争格局缩减到三方: intel和三星(合作牵头开源项目IoTivity),google(Weave技术)。

平台领域

· 物联网平台这一领域一如IoT Analytics报告中所说的那样竞争激烈,提供商数目超过400个,思科在2月份以14亿美金的价格收购了平台供应商Jasper,引发业内瞩目。

物联网平台第四季度,由Forrester Wave主导的物联网平台调查显示,IBM, PTC, GE和微软已成为占据物联网平台市场的主导企业。SAP, AWS, Cisco, LogMeln, Exosite, Ayla Networks和Zebra Technologies名列前11名。

物联网平台继三星收购了人工智能和虚拟助手公司Viv(这间公司的创始人正是苹果的Siri的缔造者)之后,语音用户界面领域的竞争更加激烈了。亚马逊的Alexa仍然一枝独秀,谷歌、苹果和三星在奋力争夺新兴的语音界面的市场份额。

物联网平台云计算领域的大佬们纷纷将关注点转移向了雾计算(fog/edge computing)。微软为Azure IoT Gateway SDK 提供了对自家无服务器事件驱动的平台Azure Functions的支持,这一支持为在Azure基础上构建物联网解决方案的开发者提供了基于云的扩展能力。亚马逊宣布AWS Greengrass可对物联网设备的Lambda Functions提供支持。Google推出了新物联网平台Android Things的开发者预览版。

物联网在2016年初具雏形,尽管过程曲折,经历挫折。物联网平台和物联网连接方面的竞争将在2017年继续。由于物联网设备范围广仿,注定了不同的标准将并存,而不会出现一家独大的局面。人工智能热短时期内不会消失,这对于AR/VR甚至MR (混合现实),以及无人驾驶汽车、自动售卖的影响都还有待观察。如果对更详尽的研究感兴趣,不妨看一下Future Today Institute的“The Tech Trends You Need to Know for 2017.”(你应该知晓的2017科技趋势)

机器学习领域

从AlphaGo历史性的胜利到NIPS(神经信息处理系统大会)的出席者人数打破记录,继续成为产业大佬们的战略聚焦点。在第V13.0期的LWITF里,我们总结了Yann LeCun扬·勒丘恩(计算机科学家)的预测机器学习的演讲资料,以及Tryolab关于2016年无监督学习领域取得的进展的总结。深度学习获得了来自各方的关注,但实际上所有的参与者着手的研究项目都各不相同。以下我们梳理了这个领域最主要的几个参与企业,它们在2016年取得的进展:

使用深度学习技术的60多个创业公司 图片来源:CB Insights

Google DeepMind

2016年,当AlphaGo的胜利占据头条的时候,DeepMind的应用领域也早已超过了挑战像星际争霸这样的游戏。可微神经计算机Differential Neural Computers (DNC)将深度学习与存储元素相结合,让计算机具备了推理以及简单判断的模式。(DNC将一个神经网络与传统电脑的海量存储数据结合,系统的智能已经可以自主分析并学习外部的存储数据。)这种只提供少量训练样本的学习方式(One-shot learning methods)可以基于很小的数据集合获得很高的精确度,这对于那些无法掌握海量数据集合的小公司来说,或许是一个从深度学习领域获利的契机。DeepMind 还推出了WaveNet,这是一个用于处理原始音频波形图的深度生成模型。

Google Brain

《纽约时报》发表了一篇关于Google Brain和人工智能的精彩文章,这篇文章也出现在了第V14.0期的LWITF上。给予深度学习的机器翻译正在与人工翻译一较高下。谷歌的关注点在与神经网络和深度学习。SyntaxNet这样的神经语言处理(NLP)工具以及基于谷歌TensorFlow 的图说生成模型都被开源。谷歌发表了一篇文章探讨人工智能的伦理问题,文章是关于对数据集合的一些固有偏见,这些偏见影响着机器学习的发展。

FacebookAI研究院(FAIR)

由计算机科学家Yann LeCun领导的这个实验室正专注于对卷积神经网络(Convolutional Neural Networks)和图像处理的研究。FAIR在2016年发布的最有趣的工具是Caffe2Go,这是一个可以用在移动设备实现实时风格的深度学习系统。鉴于Yann LeCun对生成式对抗网络Generative Adversarial Networks (GANs)公开表示赞扬,FAIR往后在深度卷积生成式对抗网络方面的进展将十分值得关注。

<上一页  1  2  3  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号