本篇文章1265字，读完约3分钟
为了加强对新一代人工智能技术的前瞻性预测，把握全球技术创新趋势和发展趋势，中国电子学会近日走访了人工智能相关企业、高校和研究所的专家，评选并发布了十大最具特色的成长技术，主要内容如下:
-对抗性神经网络。该神经网络架构由连续生成数据的神经网络模块和连续判断生成的数据是否真实的神经网络模块组成，生成近似真实的原始图像、声音和文本数据，有望大大提高机器翻译、人脸识别和信息检索的精度和准确度，并在未来应用于自动驾驶、安全监控等领域。
胶囊网络。在深层神经网络中构建多层神经元模块，以发现和存储诸如详细空的对象的位置和姿态等信息。该技术可以使机器在不同情况下以较少的样本数据快速识别同一物体，在人脸识别、图像识别、字符识别等领域具有广阔的应用前景。
-云人工智能。一种将云计算的运行模式与人工智能相结合，并在云中使用和共享机器学习工具的技术。它能有效降低终端设备使用人工智能技术的门槛，有利于扩大用户群，并将在未来广泛应用于医疗、制造、能源、教育等行业。
-强化学习。深层神经网络和具有决策能力的强化学习相结合，通过端到端学习实现感知、决策或感知与决策的融合。该技术能够显著提高机器智能适应复杂环境的效率，在智能制造、智能医疗、智能教育、智能驾驶等领域具有广阔的发展前景。
智能脑-机交互。通过建立人脑神经与具有高生物相容性的外部设备之间的直接连接路径，实现神经系统与外部设备之间的信息交互和功能整合。该技术使人类交流更加多样化和高效，并将在未来的临床康复、自动驾驶、航空航天等领域得到广泛应用。
-对话式人工智能平台。它是一个开放的平台，集成了各种解决方案，如语音识别、语义理解、自然语言处理、语音合成，并为开发人员提供识别、理解和反馈能力。该技术可以实现对话服务场景中机器与人之间的自然交互，有望在未来广泛应用于智能穿戴设备、智能家居、智能车辆等领域。
-情商。人工智能被用来模拟人类的情绪反应，如表情、情绪、情绪等。创造具有情感属性的虚拟形象。它能赋予机器和设备更好的识别、理解和引导人类情感的能力，给用户带来更高效、更人性化的交互体验，并将在未来的智能机器人、智能虚拟助手等领域得到频繁而深入的应用。
-神经形态学计算。也就是说，它模拟生物大脑神经系统，模拟生物神经元和突触的功能以及它们在芯片上的网络组织，并赋予机器感知和学习的能力。该技术旨在使机器具有低功耗、高效率、高容错性等类似于生物大脑的特点，并将广泛应用于智能驾驶、智能安全、智能搜索等领域。
元学习。神经网络和人类注意机制的结合使机器智能具有快速的自主学习能力。该技术可以使机器智能真正实现自主编程，显著提高现有算法模型的效率和精度，并将推动人工智能从专业化阶段向通用阶段发展。
量子神经网络。也就是说，使用量子器件来构建神经网络并优化神经网络的结构和性能。该技术利用量子计算的超高速、超并行和指数容量等特点，有效地缩短了神经网络的训练时间。它将广泛应用于人脸识别、图像识别、字符识别等领域。(记者于思南整理)
《人民日报》(2018年8月31日，第18版)
