阿里巴巴近日再爆大事件，阿里巴巴ai模型在阅读理解领域顶级赛事SQuAD破世界纪录引起大家的高度关注，跟随小编一起来了解一下是什么情况，看看阿里巴巴人工智能的未来发展趋势以及全球人工智能的未来发展趋势是什么。

　　阿里巴巴ai模型破世界纪录

　　日前，由斯坦福大学发起的机器阅读理解领域顶级赛事SQuAD刷新排名，阿里巴巴凭借82.440的精准率打破了世界纪录，并且超越了人类82.304的成绩。

　　SQuAD负责人Pranav Rajpurkar表示，第一个模型（阿里巴巴iDST团队提交的SLQA +）在精准度匹配上超越人类表现，下一个挑战：模糊匹配，人类仍然领先2.5分。

　　据了解，SQuAD比赛构建了一个大规模的机器阅读理解数据集（包含10万个问题），文章来源于500多篇维基百科文章，旨在通过这套试题梳理出线索，看机器学习模型是否能够在经过大量信息处理后给出问题的确切答案。

　　阿里巴巴研究院自然语言处理首席科学家司罗在一份公告中说，对于像“天为什么会下雨”这样的客观问题，机器给出的答案准确率会很高。公告称，其中的技术可以逐步应用于诸如客服、博物馆指南、在线解答患者医疗问题等广泛的实际应用领域，从而以一种前所未有的方式减少人力投入的需求。

　　此次技术的重大突破源于阿里巴巴研究团队提出的“基于分层融合注意力机制”的深度神经网络模型。该模型能够模拟人类在做阅读理解问题时的一些行为，包括结合篇章内容审题，带着问题反复阅读文章，避免阅读中遗忘而进行相关标注等。

　　据了解，这项技术已经在阿里巴巴内部被广泛使用。比如，每年双11都会有大量的顾客对活动规则进行咨询。阿里小蜜团队通过使用司罗团队的技术，让机器直接对规则进行阅读，为用户提供规则解读服务，是最自然的交互方式。

　　再比如，顾客还会针对单个商品询问大量的基础问题，而这些问题其实在商品详情页都是有答案的。现在通过机器阅读理解技术，能够让机器对详情页中的商品描述文本进行更为智能地阅读和回答，降低服务成本的同时提高购买转化率。

　　据小编了解，由司罗领导的自然语言处理团队支撑了阿里巴巴整个生态的技术需求。由他们研发的AliNLP自然语言技术平台每日调用1200亿+次，Alitranx翻译系统提供20个语种在线服务日调用量超过7亿+次。此前曾在2016年ACM CIKM个性化电商搜索、2017年IJCNLP中文语法检测CGED评测、2017年年美国标准计量局TAC评比英文实体分类等大赛中取得全球第一的成绩。

　　阿里巴巴的人工智能未来发展解析

　　阿里在人工智能的布局主要有两个方向：一是在电商和商家融合，二是给厂商技术支持。

　　阿里巴巴人工智能实验室于2017年7月5日亮相，主要研究消费级 AI产品。第一款产品就是最近大家熟悉的智能语音终端设备“天猫精灵 X1”。

　　iDST（数据科学与技术研究院）被称为是阿里巴巴最神秘的研究机构，分布在杭州、北京、西雅图、硅谷等地，是阿里巴巴负责人工智能技术研发的核心团队、阿里巴巴NASA计划的人工智能大脑。

　　小编了解到，阿里除了人工智能实验室、数据科学与技术研究院iDST，还拥有阿里研究院、VR实验室，蚂蚁金服也具备自己的人工智能团队。此外，2017年3月阿里宣布推出“NASA”计划，面向机器学习、芯片、IoT作系统、生物识别这些核心技术组建新团队，建立新的机制和方法。

　　延伸阅读：人工智能的发展趋势

　　趋势一：大公司都将从人工智能获利

　　亚马逊、谷歌、Facebook和IBM，它们将在人工智能领域引领潮流。作为大公司，他们有合适的资源来收集数据，因此有更多的数据可以使用，且看这些巨头是如何布局的。

　　亚马逊：投资人工智能20年以上，抓取了5B以上的网页数据，超过50万张JPEG图像和相应的JSON元数据，用以供给亚马逊运营中心的产品。每天抓取世界广播、杂志和网络新闻的数据已超过2.5亿，每天抓取近100M图像和视频具有音频和视觉功能并带有注释。亚马逊Echo系列音箱已经占领了超过70%的语音助手市场。

　　Google：具有全世界最大的数据库，专注于应用和产品开发，而不是长期的AI研究。GoogleBrain拥有超过1300名研究人员的团队，在语音助理市场占有23.8%的用户份额。使用TensorFlow开源平台进行机器学习，允许任何人访问机器学习平台。Google地球数据库的大小估计为3017TB或大约3PB，GoogleStreetView有大约20PB的街景照片。

　　谷歌很可能在应用程序和产品开发及服务的部署方面都处于最前沿，它不仅是第一家开始研究人工智能的公司，而且拥有7万名员工。此外，谷歌拥有一个深度学习人工智能研究项目GoogleBrain，它拥有一个团队，有自己的研究议程，研究领域涵盖了机器学习、自然语言理解、机器学习算法和技术，以及机器人。

　　Facebook：每日处理2.5B的内容和500多TB的数据，FacebookArticialIntelligenceResearchers（FAIR）有大约80位研究人员和工程师，每天产生20亿“赞”和3000万照片，每30分钟扫描大约105TB的数据建有一个62000平方英尺的数据中心，可容纳500个机架。每天翻译超过40种语言的20亿用户帖子，每天有8000万用户使用这些翻译。

　　IBM：计划进行为期10年、价值2.4亿美元的投资来创建MIT-IBM沃森人工智能实验室。在全球拥有2000多名AI员工，在IBM总部拥有超过600名AI员工，沃森用户跨越六大洲和超过25个国家，IBM向沃森项目投资10亿美元，其中包括1亿美元的风险投资。通过沃森生态系统建立了7000多个应用。

　　趋势二：算法与技术的整合

　　所有在人工智能领域投资的二级资本公司，比如英特尔、Salesforce和Twitter，都将追随拥有这些数据的大公司，并使用他们的数据算法和人工智能。行业参与者之间将会发生数据交易，而且很有可能会整合算法和技术。数据的交易以及算法和技术的整合将使人工智能变得更加重要。

　　随着谷歌和Facebook等规模更大的公司收购小公司，更多的算法将被整合到它们的核心平台或解决方案中。总部位于英国伦敦的人工智能公司DeepMind，构建了通用学习算法，被谷歌收购，以获得相对于其他科技公司的商业优势。另一方面，Facebook收购Wit.ai来提升自己的语音识别和语音界面。该公司还收购了人工智能创业公司Ozlo，以完善其M虚拟助理服务。

　　趋势三：数据众包

　　所有的人工智能公司都追求巨大的数据库，以实现他们对人工智能的雄心壮志。这些公司将开始通过众包方式获取大量数据。企业已经找到了一种方法来评估众包数据的质量和真实性，不仅给企业提供了便利，还能反馈信息给消费者。

　　OpenDataNow.com的创始人兼编辑JoelGurin表示，“我们生活在一个众包文化的环境中，越来越多的人愿意和有兴趣通过社交媒体分享他们所知道的东西。”

　　谷歌通过众包的方式，获得了大量的图片，并构建了成像算法。该公司还利用众包来帮助改善服务，比如翻译、转录、手写识别和地图应用。而亚马逊还利用众包的技术改善了Alexa的1.5万项现有技能。

　　趋势四：更多的并购将发生

　　CBInsights的统计数据显示，AI公司的收购竞争已经开始。2018年将是我们能看到的最多的公司收购和被收购的一年，因为这些公司必须争夺知识资本和人才才不会被淘汰。机器学习/人工智能的所有小公司都将被大公司收购。有两个原因：

　　AI在没有数据库的帮助下没法工作。因为大公司拥有大量的数据库，他们将对那些小公司造成巨大的压力。没有数据库的支持，算法将毫无用处。同样如果没有算法，数据几乎也毫无用处。数据是算法的核心，大量的数据是至关重要的。哥伦比亚大学创意机器人实验室的机器人工程师和总监HodLipson说，“数据是燃料，算法是引擎”。

　　趋势五：开放民主化的工具将获得市场份额

　　大公司将开始开放他们的算法和其他工具，以获得市场份额。以市场为基础的数据和算法进入壁垒将会减少，人工智能的新应用将会增加。通过开放平台和民主化，那些无法使用人工智能工具的小公司将可以获得大量的数据来研究人工智能算法。

　　正如谷歌首席执行官桑达尔·皮查伊（SundarPichai）在谈到民主化的人工智能时所说的那样，“我们所能做的最激动人心的事情之一就是让机器学习和人工智能变得不再那么神秘。让所有人都能接触到这一点很重要。”此外，frameworks、SDKsandAPIs将成为所有主要厂商对消费者开放使用的标准。所有的公司都将采用SaaS&PaaS商业模式。

　　趋势六：人机交互将得到改善

　　Siri和Alexa大概是目前最受欢迎的人机交互工具，与之类似的更多基于机器人的解决方案将是人工智能公司进入这个行业的门槛。例如，虽然机器已经被编程用于语音分析和面部识别，但机器还得做到根据你的声音来识别你的情绪，也就是进行情绪分析。

　　制造自动化和非消费者焦点解决方案将是第一个要改进的解决方案/应用程序。制造自动化将主要归功于人工成本节约，使用包括自动化、机器人和先进制造技术。非消费者解决方案的改进，例如在农业和医药领域执行任务的人机交互，也将在2018年流行起来。

　　趋势七：人工智能将渐渐地对所有垂直领域产生影响

　　制造、客户服务、保健、医疗保健和交通运输的领域已经受到AI的影响，自动驾驶汽车预计将在2018年上市。明年，会有更多的领域受到人工智能的影响。以下是人工智能对不同行业影响的例子：

　　保险——AI将通过自动化改进索赔流程。

　　法律——NLP可以在几分钟内总结成千上万页的法律文件，从而减少查阅时间和提高效率。

　　PR&media——AI将帮助快速处理数据。

　　教育——虚拟导师的发展;人工智能帮助打分数;制定适应性学习计划，游戏和软件;以AI为导向的个性化教育计划将改变学生和老师的互动。

　　健康——机器学习可用于创建更复杂，更准确的方法来在患者出现症状之前预测疾病

　　正如工业革命在100年前几乎改变了一切一样，人工智能将在未来几年改变这个世界。

　　趋势八：安全、隐私及伦理道德问题

　　在人工智能的保护伞下，诸如机器学习和大数据等问题，都很容易触及到安全及隐私问题。有时基础设施扮演着很重要的角色。与隐私问题有关的安全需求，如将银行帐户和健康信息保密，将会对研究的安全性有更大的要求。2018年，有关安全和隐私的问题将得到解决，这一年，也是人工智能可能出现新的发展的一年。

　　人工智能的伦理问题也将成为2018年的主要问题，需要解决的伦理和道德问题包括人工智能对人类有哪些好处和坏处。人们也对机器人取代人类的可能性感到担忧，比如护士、治疗师或警察，另一个需要处理的问题是自主武器。

『本文转载自网络,版权归原作者所有,如有侵权请联系删除』