人工智能应用瓶颈-人工智能应用瓶颈有哪些

大家好，今天小编关注到一个比较有意思的话题，就是关于人工智能应用瓶颈的问题，于是小编就整理了5个相关介绍人工智能应用瓶颈的解答，让我们一起看看吧。

1. 1976至1982年人工智能处于什么？
2. 现在的人工智能陷入瓶颈了吗？
3. 人工智能图像识别的瓶颈是什么？
4. 如何破解冯·诺伊曼瓶颈？
5. 智能手机目前是不是已经发展到了瓶颈？很难再有大突破了？

1***6至1982年人工智能处于什么？

1***6年至1982年人工智能处于没开始的阶段，国家为了人民更好的生活，持续贯彻四个现代化工业现代化、农业现代化、国防现代化、科学技术现代化。那个时代电子产品基本还是手动的，没有实现自动化，就更别说人工智能了，能买得起电子产品的人都是高级人员。外国也同样如此。

人工智能是近现代实现的，虽然设想在五十年代由美国科学家提出。

但真正的人工智能到近代才实现

1***6至1982年人工智能处于第一次低谷期。

70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究***署的合作***失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。

在当时，人工智能面临的技术瓶颈主要是三个方面，第一计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；第二，问题的复杂性，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，可一旦问题上升维度，程序立马就不堪重负了；第三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。

因此，人工智能项目停滞不前，但却让一些人有机可乘,1***3年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。

现在的人工智能陷入瓶颈了吗？

先说结论，我认为并没有达到技术瓶颈期。想反，应该是技术爆发期，最近一年的技术进步比前三年的进步还要多。

目前人工智能的问题在于落地困难，人们预期过高，觉得自己什么都不用做，AI都应该搞定，但其实AI更需要培养，需要深度了解行业，才能真的用起来。好在目前大家都越来越重视落地，预期人工智能迈过落地这个门槛后更加大有可为。

不但没有达到，应该定性为是刚刚开始。

现在仅仅是4个环节简单的自能处理：环境及危险程度的自动监测识别+系统及局部逻辑的中心处理+执行机构的机械运动或位移等+系统反馈及修正在处理。

下一步的发展空间:除了中心大系统智能处理以外，会有个各级的独立的小智能系统，就像天体运动一样，每个载体都有自己独立运行轨道，自己的运行规则，在系统统一管理下有自己的开始及结束，无穷的细分下去，正所谓大到天体小到细菌，那才是智能的未来。

还需要人类继续努力，经过不断发现发展，一代一代人的不断探索才会接近目标的，也许几十年，也许上百年，也许更多年……。就像人类文明一样，会一直伴随人类走下去的。

人工智能目前进入快速发展时期，各行各业应用如火如荼，公安、交通、教育、养老等智慧城市领域也有众多应用需求，大数据与人工智能的有机结合将进一步促进人工智能技术的发展。

人工智能的范畴很广，只能说目前在深度学习这块，遇到了一些瓶颈。

现在最好的图像识别算法，计算量可能是Alexnet算法的1000倍，但只能把效果提升一点点，没有达到等价收益，所以大家会觉得深度学习是不是又到了天花板，这个问题确实存在。

但并不代表人工智能进入天花板。人工智能正在进入另外一个领域，不再靠单一算法打天下，解决问题，而进入一个新的阶段，依靠工程化、功能和平台化来解决实际的问题。即便是深度学习的应用，也越来越组件化了，只是平台的一个工具，整个应用流程的一个环节。通过综合许多算法，最终取得一个相对较好的效果，这是更现实的情况

人工智能图像识别的瓶颈是什么？

按目前的算法来看，至少还不是很完美的。比如，我们以图搜图，或者淘宝的图片识别购物，有的时候搜索出来的东西压根就不正确，靠大数据筛选，或者特征码识别，哈希值，MD5等，虽然目前的人工智能图像发展已经很

长时间了，貌似到了瓶颈期，一直没前进了。

我认为，最大的瓶颈就是算法不够智能，比如，我们用[_a***_]或者谷歌的图片识别，你会发现，国内的东西用百度搜，而国外的图片你百度识图很难找到源地址。

算法。

现在主流AI深度学习算法都有一个通病，大部分算法都是这个过程，给AI一大堆的素材，让他***集各种图片的特征，从而分辨出图片的内容。

而***集图片特征的过程中，原图片被压缩，裁剪，去色。变成信息量很小的素材以后被AI记录，这种方式的好处是提高AI的学习效率，减小记忆库的体积。

但是这种方式有一个弊端，由于素材被压缩处理，导致AI看到的东西和人类看到的东西完全不一样。有时候人类看起来是两张完全不同的照片，在AI眼里，这两张完全相同。或者在人类眼里两张十分相似的图片，在AI眼里完全不相同。

所以有时候人类发现AI识别图片出错了，但实际上对于AI来说它的识别是对的，因为他看到的和人类看到的不一样。

另外，很多算法的人工智能只是看起来像人工智能。本质还是没脱离机械运动。

如上所述:图片识别的基本概念大都停留在:给AI一个***，给他批量素材，让他机械式的学习，不停的重复学习的过程。

即使他识别数千亿张图片以后，他的算法还是最初给他设定的。随着素材的重复，特征信息的饱和，导致他的学习能力下降，思维呈一种固化状态。

从本质上来讲这并不算是真正的人工智能。

如果有一种算法编写的AI，给AI赋予一种觉醒的能力，在学习过程中能自己领悟到新的学习方式，这样才能算是真正意义上的AI。

如何破解冯·诺伊曼瓶颈？

专注于纳米电子和数字技术的比利时微电子研究中心（Imec）联合全球领先的特种晶圆代工企业格芯（Global Foundries），今天对一款新型人工智能芯片进行了硬件展示。

这款人工智能芯片基于 Imec 的 Analog in Memory Computing (AiMC)架构，利用了格芯的 22FDX 解决方案，通过层层优化能在模拟领域的内存计算硬件上执行深度神经网络计算。

这款芯片的能效达到了创纪录的 2900 TOPS/W，是低功耗设备边缘推理的重要推动者。这项新技术在隐私、安全和延迟方面的优势，将对从智能音箱到自动驾驶汽车等多种边缘设备的人工智能应用产生影响。

从数字计算机时代初期开始，处理器和内存是分开的，因此使用大量数据进行的操作需要从内存存储中检索出同样多的数据元素。而这就是冯·诺伊曼瓶颈（von Neumann bottleneck）。

它是指在 CPU 与内存之间的流量（资料传输率）与内存的容量相比起来相当小，在现代电脑中，流量与CPU的工作效率相比之下非常小，在某些情况下（当CPU需要在巨大的资料上执行一些简单指令时），资料流量就成了整体效率非常严重的限制。CPU将会在资料输入或输出内存时闲置。由于CPU速度远大于内存读写速率，因此瓶颈问题越来越严重。

为了解决这一挑战，Imec 和包括格芯在内的合作伙伴启动了工业附属机器学习***， 致力于开发新的架构，在 SRAM 单元中执行模拟计算来消除冯·诺伊曼瓶颈。

由此产生的模拟推理加速器(AnIA)，建立在GF的22FDX半导体平台上，能效显著。特性测试表明，功耗效率达到峰值，即每瓦特每秒2900兆次运算(TOPS/W)。在微型传感器和低功耗边缘设备中的模式识别，通常由数据中心的机器学习来驱动，现在可以在这个高能效加速器上本地执行。

智能手机目前是不是已经发展到了瓶颈？很难再有大突破了？

个人感觉还没有，新技术层出不穷，智能手机也在紧跟新技术的步伐，不断升级换代。现在就是一个5G换机期，从4G到5G手机。未来随着5G普及，大带宽高速率下，各种新兴的应用会百花齐放，反过来又会推动手机不断升级换代。

就比如在3G和4G时代，技术和应用不断推动智能手机发展，如今到5G时代也是同样的道理。

现在这水平远远达不到顶峰呢。只能说是正直中年，正是高速发展中！没发展这3几年内每年的变化都很大吗？处理器每年都更新。以前谁敢说手机游戏3-4个g，想都不敢想，现在看看和平，王者，再者就是屏幕，电池，外观，快充，这些哪个都是年年的变。科技在发展，时代在进步！以后只能变化越来越大，不会轻易达到顶峰的！

最新的研究报告显示，智能手机市场在今年第二季度出现罕见萎缩后，全球智能手机出货量在今年第三季度达到3.731亿部，与2016年第三季度的3.634亿部相比，仅增长了2.7%。

搜狗问问

报道称，在全球市场整体放缓的情况下，中国手机市场呈现出高度集中化的趋势，市场竞争白热化，元器件和供应链成本的不断飙升，让手机厂商利润进一步被摊薄，生存压力变大，全球智能手机市场增长放缓，已是不争的事实。

搜狗问问

面对压力，荣耀总裁赵明接受中国之声***访时表示，中国区的团队因为渠道的发展，人员组织已经比较成熟，等荣耀品牌在中国市场稳固了之后，会把更多的精力投入到全球市场建设当中，坚持轻资产的模式走向海外市场。

搜狗问问

业内人士表示，行业遭遇发展瓶颈，基于传统思维建立的产品竞争优势很快被拉平，智能手机发展从快速走向缓慢，产品创新从特色走向普通，试图仅仅通过市场和营销方面的策略改变来扭转局势显然是不够的。

希望中国智能手机行业可以持续发展下去！

您好，目前智能手机仍然在持续创新，虽然没有革命性的技术升级，但是一直在CPU、摄像、存储等方面突破，还没有到发展瓶颈制约的时候。

1.CPU。目前手机CPU的制程远远领先于电脑CPU，手机目前制程最先进的麒麟990和骁***65都***用7nm，今年台积电和三星已发布5nm***，据悉麒麟1020就是***用5nm芯片制程技术，性能将再迈一步，但是明年发展到3nm，估计将会迎来一定的瓶颈，处理器到3nm后基本已经达到硅基芯片的极限。

2.摄像。手机摄像成像技术每年都有新发展和突破，手机摄像头像素迈上1亿像素大关，很多专业相机都不能达到这个水准，还有就是多摄像头成像技术持续改进，大幅提升拍照体验，未来可能光学变焦、混合变焦和视频拍摄等还会有重大突破。摄像技术领域基本不存在瓶颈。

3.内存。目前安卓智能手机主流的内存组合是8+128和8+256,8G的运行和128G以上的存储功能已经能满足大多人的需要，华为三星还推出12+512内存组合，甚至超过5000价位的笔记本组合，内存已经满足需求，在处理数据的速度上在不断提升。

4.屏幕。目前主流的屏幕是LED和OLED，中高端产品逐步***用OLED是不争的事实，OLED在成像技术、手机的轻薄化、屏幕的全面屏发展等都比较合适，最近兴起的miniLED和OLED柔性面板技术，也逐渐在手机领域探索，屏幕持续在创新。

5.系统。主流的智能手机系统是安卓和苹果OS，一年一次大版本更新也成为两个版本的惯例，期间还持续发布小更新，系统不断的优化、完善。

智能手机的到来我认为是跨时代的，因为当时的功能机已经引领了有十多年的历史，智能手机所能带来的体验是功能机无法媲美的，但这些年下来智能手机本质上没有什么实质性的突破。

这些年智能手机给我的感觉就是，屏幕越来越大了，处理器越来越强劲了，像素越来越高了，体验也越来越好了，但感觉好像就是比之前的智能手机更加全面更好用而已，这些年确实有些手机厂商研发出了黑科技用在手机上面，让手机在日常使用中的作用更完善了，但我认为这还算不上是跨时代的。

就相当于要在功能机时代，手机拥有摄像头、拥有MP3功能一样，确实手机有新的科技存在，但本质上手机还是功能机，和智能手机时代还是有明显区别的。

这几年手机厂商给我的感觉就是拼CPU和摄像头拼的最猛，现在的摄像头已经从以前的一个变成了现在的三四个，而像素也是在频频提高，最高的甚至达到了一亿像素，而CPU这块也是一样，以前的RAM都是1G2G，现在的RAM都是6G8G12G，而手机内容也是，现在内存64G基本上是最低标配，一般都是128G和256G,有些机型甚至达到了512G.

但也不得不承认，随着手机功能的强大，对于手机存储的空间要求确实会更高一些，特别是一些喜欢用手机拍照和摄影的人，他们对于内容的要求确实会非常高。

到此，以上就是小编对于人工智能应用瓶颈的问题就介绍到这了，希望介绍关于人工智能应用瓶颈的5点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.bfgfmw.com/post/13841.html