中國電子學會依據國家出臺的《新一代人工智能發展規劃》《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》等一系列政策規劃，調研走訪了一批在新一代人工智能技術及產業方面具備領先水平和特色的龍頭企業，組織拜訪了來自于知名高校、研究機構的人工智能相關領域專家學者，系統梳理了權威智庫和知名戰略咨詢公司的最新報告，遴選了十項最具特色的成長性技術，主要內容如下：
一是對抗性神經網絡。該技術有望大幅提升機器翻譯、人臉識別、信息檢索的精度和準確性，隨著三維模型數據序列能力的提升，未來將在自動駕駛、安防監控等領域產生可觀的應用價值。
二是膠囊網絡。該技術能使機器在樣本數據較少的情形下，快速識別不同情境下的同一對象，在人臉識別、圖像識別、字符識別等領域具有廣闊的應用前景。
三是云端人工智能。該技術將龐大的人工智能運行成本轉移到云平臺，能夠有效降低終端設備使用人工智能技術的門檻，有利于擴大用戶群體，未來將廣泛應用于醫療、制造、能源、教育等多個行業和領域。
四是深度強化學習。該技術具有無需先驗知識、網絡結構復雜性降低、硬件資源需求少等特點，能夠顯著提升機器智能適應復雜環境的效率和健壯性，將在智能制造、智能醫療、智能教育、智能駕駛等領域具有廣闊發展前景。
五是智能腦機交互。該技術采用人工智能控制的腦機接口對人類大腦的工作狀態進行準確分析，達到促進腦機智能融合的效果，使人類溝通交流的方式更為多元和高效，未來將廣泛應用于臨床康復、自動駕駛、航空航天等多個領域。
六是對話式人工智能平臺。該技術能夠實現機器與人在對話服務場景中的自然交互，未來有望在智能可穿戴設備、智能家居、智能車載等多個領域得到大規模應用。
七是情感智能。該技術可賦予機器設備更好的對人類情感的識別、理解和引導能力，為用戶帶來更具效率和人性化的交互體驗，未來將在智能機器人、智能虛擬助手等領域得到更為頻繁和深入的應用。
八是神經形態計算。該技術的目標在于使機器具備類似生物大腦的低功耗、高效率、高容錯等特性，將在智能駕駛、智能安防、智能搜索等領域具有廣闊應用前景。
九是元學習。該技術能夠使機器智能真正實現自主編程，顯著提升現有算法模型的效率與準確性，未來的進一步應用將成為促使人工智能從專用階段邁向通用階段的關鍵。
十是量子神經網絡。該技術充分利用了量子計算超高速、超并行、指數級容量的特點，有效縮短了神經網絡的訓練時間，未來將在人臉識別、圖像識別、字符識別等領域具有重要應用價值和廣闊前景。
京公網安備 11010502049343號