中國AI將影響全球格局
人工智能(AI)加速發展的趨勢表明，未來幾年，世界格局將發生變化。正如大規模電氣化推動了美國和其他發達經濟體的崛起一樣，人工智能有可能重塑全球秩序。預測顯示，到2030年，人工智能將給全球經濟帶來15.7萬億美元的巨大增長。
此前，中國企業部署的大部分人工智能驅動創新都是“漸進式”的，而非“顛覆性的”。但這種情況正在改變。中國的科技行業正在達到專業知識、人才和資本的臨界質量，這將重新調整全球力量的制高點。事實上，中國計劃到2030年在人工智能領域引領世界，自2015年以來宣佈了逾1100億美元的科技併購交易。
中國希望藉助大量豐富的數據和快速原型技術，擴大其在人工智能產業化方面的領先地位。藉助流暢網速、執行力和產品質量，尤其是通過其金融科技公司，中國不斷增長的互聯網經濟產生的數據遠遠超過任何其他國家。
中國高效的規劃模式已成為一股不可忽視的力量。相對而言，美國在主導工業AI方面並非佔盡優勢。儘管美國在人工智能領域保持著主導地位，但資源分散，國家領導力薄弱。就在美國五大科技巨頭——亞馬遜、Facebook、微軟、蘋果和谷歌——重新定義西方資本主義之際，中國在科技方面正在迅速崛起。
中國在AI領域取得的成果，這與我國從國家戰略層面認識到人工智能對未來發展的重要性是密不可分的。中國不僅在人工智能方面擁有先進的商業能力，更重要的是，無論是區域政府，甚至是企業層面，都是基於一個明確且連貫的國家戰略之下。
中國5G前景預測：萬億市場規模一觸即發
據前瞻產業研究院發佈的《中國5G產業發展前景預測與產業鏈投資機會分析報告》統計數據顯示，預測到了2030年，5G帶動的直接產出和間接產出預計將分別達到6.3萬億元和10.6萬億元。
5G商用化帶來四大變革：
1、軟件化：為滿足垂直行業多樣化需求，5G網絡將採用軟件化架構，具備切片、邊緣計算等新能力，以實現網絡的定製化、開放化、服務化；
2、超高頻大帶寬，5G將催生大規模天線技術的廣泛應用和多頻組網，從而帶來射頻器件和材料工藝的變革，並且無線網絡實現了超越固定網絡的移動寬帶，將促進傳輸網面向超大帶寬連接的升級換代。
3、物聯網化，5G將開啟萬物互聯時代，5G網絡架構和技術演進方向均以面向物的連接為核心。
4、高集成度：5G網絡特性對關鍵元器件提出集成度更高、更精密的需求，技術革新將孕育芯片領域的新機遇。
5G將推動關聯領域裂變式發展：
1、萬物互聯。5G將為物與物的連接提供高速率、低時延、高可靠和廣覆蓋的網絡環境。
2、視頻升級。5G時代用戶可隨時隨地享受高清視頻體驗，打造沉浸式感受。
3、萬物可雲。5G不僅推動數據雲端化處理，更助力雲計算下沉至終端，形成邊緣雲計算格局。
4、高效數據。5G網絡能力使數據收集和處理高效化，提高了價值挖掘的可靠程度。
5、智慧5G。5G為AI提供泛在化互聯環境、更新的應用場景和海量數據。
隨著2019年5G商用進程深化，5G技術將推進物聯網、雲計算、大數據及AI等關聯領域裂變式發展，賦能垂直行業並深度融合，形成5G大生態，為國家競爭力提升、社會轉型和行業升級注入強勁動力。
亞馬遜Alexa智能家居設備銷量創紀錄
亞馬遜配有Alexa的Echo智能揚聲器系列以及安裝Alexa驅動遙控器的Fire TV成功領跑2018年假日季節的設備銷售量。與去年相比，2018年全球客戶購買了數百萬臺使用Alexa的設備。
最新的EchoDot、Fire TV Stick 4K、最新的Alexa Voice Remote和Echo是在亞馬遜平臺上所有類別和製造商中購買最多的設備。
硬件產品正在幫助消費者熟悉使用語音助手來完成各種任務。隨著Alexa繼續在家居生活中佔據一席之地，它也為智能家居生態系統的蓬勃發展打開了大門。消費者熱衷的智能家居設備，還包括智能插頭、燈和門鈴
亞馬遜Alexa驅動硬件的數量和普及程度越來越高，其中語音助手成為當下用戶享受智能設備的核心入口。但隨著越來越多智能新設備的出現，智能時代的入口會必將變得越來越多元。
谷歌用深度學習合成運動模糊圖像
谷歌的研究人員最近開發了一種新技術，使用連續拍攝的一對非模糊圖像，能夠合成運動模糊圖像。 研究中探討了使用深度學習算法從圖像中去除不想要的運動模糊或推斷給定場景的運動動力學，很大程度上也取決於用於訓練運動模糊的合成數據的真實性。
他們設計的神經網絡架構包括一個新的“線性預測”(line prediction)層，它會教一個系統從連續拍攝的兩張圖像退回到跨越這兩張輸入圖像捕獲時間的運動模糊圖像。他們的模型需要大量的訓練數據，因此研究人員設計並執行了一種新策略，該策略使用幀插值技術(frame interpolation)生成運動模糊圖像及其各自輸入的大型合成數據集。
據瞭解，此次這項技術可以幫助業餘攝影師實現藝術運動模糊效果，同時也能為訓練深度學習算法合成更逼真的運動模糊圖像。
深度學習正在驅動人工智能的創新，當前許多應用中都可以看到它的身影。自2011年成立谷歌大腦後一直深耕並探索於深度學習領域，谷歌是支持使用深度學習技術的一股強大力量。未來，我們將越來越多地利用深度學習系統去處理自己的數據。谷歌所做的基礎性工作將是其AI技術發展中的重要一部分。
新一代GAN攻破幾乎所有人臉識別系統
日前，Idiap 生物識別安全和隱私小組負責人、瑞士生物識別研究和測試中心主任等人共同撰寫並發表論文，首次對人臉識別方法檢測DeepFake 的效果進行了較為全面的測評。
經過一系列實驗發現，當前已有的先進人臉識別模型和檢測方法，在面對 DeepFake 時基本可以說是束手無策--性能最優的圖像分類模型VGG 和基於Facenet 的算法，分辨真假視頻錯誤率高達95%；基於唇形的檢測方法，也基本檢測不出視頻中人物說話和口型是否一致。
結果表明，目前只有基於圖像的方法，才能有效檢測Deepfake視頻。其次，IQM+SVM系統對Deepfake視頻的檢測準確率較高，但使用HQ模型生成的視頻具有更大的挑戰性，這意味著越先進的人臉交換技術將愈發難以檢測。
小編有話說：無論是人臉生成技術，還是人臉識別技術，一個不停地捕捉數據產生新樣本，一個不停提出質疑和挑戰來判斷所生成的樣本是否真實。可見深度學習為更高擬真度的生成算法奠定了基礎和可能。
閱讀更多 Ledlighting達人 的文章
