“我们在杭州参建了众多智能基础设施，包括城市交通、轨道交通、公用工程等。在城市智能交通方面，大杭州地区的滨江区、萧山区、余杭区、高架匝道及部分主城区等，共有约2700多个路口采用中控信息自主研发的Intellific交通信号控制系统。同时我们有十多年交通信号控制算法的积累和沉淀，对结合互联网数据进行交通信号优化控制具有一定基础。”中控信息总裁、教授级高工赵鸿鸣告诉第一财经记者，与阿里之间的分工合作能够凝聚成一个整体的解决方案来给一些中小的城市提供一个比较好的解决方案。
人工智能最早是在1956年提出的，最早提出是希望机器具有人的感知、行动、推理与决策的能力，而随着时代的演化，目前从研究领域讲，希望机器能够拥有自主的智能，机器在数据与场景的基础上，不仅能够代替人类重复性的劳动，同时能够和人一样进行自我进化、思考，从“感知智能”向“认知智能”进行转变，同时自主进化和混合智能的发展也在不断完善和成熟，这是目前人工智能领域对人工智能新的定义，未来很长一段时间都会是人机混合智能阶段。
“基于智能城市的自主进化模型，实现知识和数据联合优化的人机混合智能，用以驱动城市治理和管理决策，实现服务城市规划、政务、产业、民生的价值输出。随着人工智能、边缘计算、芯片等技术发展，能从视频中提取的有价值的内容会越来越丰富、快速和准确，视频数据必将成为未来城市治理核心数据之一。”中科院自动化所模式识别国家重点实验室研究员王金桥认为，随着持续增加的海量数据的积累，给智能城市计算带来了巨大的挑战，因此海量视频数据实时性端边云的融合计算、自主进化、人机混合智能成为城市数据治理关键，通过深层应用价值和行业数据融合应用实现智能城市建设。
附：达摩院2020十大科技趋势
趋势一、人工智能从感知智能向认知智能演进
人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。
趋势二、计算存储一体化突破AI算力瓶颈
冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法探索的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破AI算力瓶颈。
2/4 首页 上一页 1 2 3 4 下一页 尾页
