阿里巴巴达摩院发布2019十大科技趋势:语音AI在特定领域通过图灵测试

简介: 阿里巴巴达摩院发布2019十大科技趋势。

2018的冬天有点冷,但科技依然拥有瞬间点燃人们激情的魔力。1月2日,阿里巴巴达摩院发布了“2019十大科技趋势”,涵盖了智能城市、数字身份、自动驾驶、图神经网络系统、AI芯片、区块链、5G等领域。在经济下行压力增大的大环境下,阿里巴巴达摩院让人们聚焦到真正创造价值的前沿技术,为2019年的发展提供理论支撑和想象力源泉。

2019年,AI依然将是科技界最热的方向。如果说2018年AI从实验室走入了现实,那么,2019年将开启人类和AI全面合作的新起点。达摩院认为,移动设备上的实时语音生成与真人语音可能将无法区分,甚至语音AI在一些特定对话中将会通过图灵测试。在城市里,会说话的公共设施将会越来越多。

2109868386

AI技术虽然发展最热,但比它更快进入成熟阶段的是生物识别技术。达摩院认为,2019年,生物识别技术将进入大规模应用阶段。过去几年,很多人开始习惯出门不带钱包,不带现金,而未来,不带身份证走遍天下的时代也将不会太遥远。随着3D传感器的快速普及、多种生物特征的融合,每个设备都能更聪明地“看”和“听”。生物识别和活体技术将重塑身份识别和认证,数字身份将成为人的第二张身份证。

在很多人关心的5G领域,达摩院认为,5G网络的连接能力将增强至百亿级,带来海量的机器类通信及连接的深度融合。随着5G时代的来临,网络将向云化、软件化演进,也将会催生全新应用场景,例如车路协同、工业互联网等领域将获得全新的技术赋能。

2018年杭州云栖大会上,杭州城市大脑2.0的发布让人们再次震惊,城市大脑的能力从交通领域延展至包括在消防、城建、环境在内的社会精细化管理。达摩院认为,中国将会有越来越多城市拥有城市大脑。同时,城市实时仿真成为可能,城市局部智能将升级为全局智能,未来会出现更多的力量进行城市大脑技术和应用的研发,实体城市之上将诞生全时空感知、全要素联动、全周期迭代的智能城市,大大推动城市治理水平优化提升。

2018年,曾经炙手可热的自动驾驶经历冰火两重天,从资本企业一拥而上再到普遍看衰,自动驾驶寒冬论一度甚嚣尘上。达摩院认为,单纯依靠“单车智能”的方式革新汽车,确实在很长一段时间内将无法实现终极的无人驾驶,但并不意味着自动驾驶完全进入寒冬。车路协同技术路线,会加快无人驾驶的到来。在未来2-3年内,以物流、运输等限定场景为代表的自动驾驶商业化应用会迎来新的进展,例如固定线路公交、无人配送、园区微循环等商用场景将快速落地。

新技术令人憧憬,但也给人们带来安全和风险的担忧。因此,网络安全将在2019年继续成为科技领域的热点。达摩院认为,未来几年,黑客、黑产攻击不会停止,但数据安全保护技术将加码推出。各国政府都会趋向于推出更加严厉的数据安全政策法规,企业将在个人数据隐私保护上投入更多力量。跨系统的数据追踪溯源相关的技术将得到更加广泛应用。

附:达摩院2019十大科技趋势:

趋势1:城市实时仿真成为可能,智能城市诞生

_1
城市公共基础设施的感知数据与城市实时脉动数据流将汇聚到大计算平台上,算力与算法发展将推动视频等非结构化信息与其他结构化信息实时融合,城市实时仿真成为可能,城市局部智能将升级为全局智能,未来会出现更多的力量进行城市大脑技术和应用的研发,实体城市之上将诞生全时空感知、全要素联动、全周期迭代的智能城市,大大推动城市治理水平优化提升,预计在新的一年,中国会有越来越多城市具有大脑。

趋势2:语音AI在特定领域通过图灵测试

_2
随着端云一体语音交互模组的标准化、低成本化,会说话的公共设施会越来越多,未来每一个空间都至少会有一个可以进行语音交互的触点。随着智能语音技术的提升,移动设备上的实时语音生成与真人语音可能将无法区分,甚至在一些特定对话中通过图灵测试。针对这一领域的规则甚至法律会逐步建立,引导行业走向规范化。

趋势3:AI专用芯片将挑战GPU的绝对统治地位

_3
当下数据中心的AI训练场景下,计算和存储之间数据搬移已成为瓶颈,新一代的基于3D堆叠存储技术的AI芯片架构已经成为趋势。
AI芯片中数据带宽的需求会进一步推动3D堆叠存储芯片在AI训练芯片中的普遍应用。而类脑计算芯片也会在寻找更合适的应用中进一步推动其发展。在数据中心的训练场景,AI专用芯片将挑战GPU的绝对统治地位。真正能充分体现Domain Specific的AI芯片架构还是会更多地体现在诸多边缘场景。

趋势4:超大规模图神经网络系统将赋予机器常识

_4
单纯的深度学习已经成熟,而结合了深度学习的图神经网络将端到端学习与归纳推理相结合,有望解决深度学习无法处理的关系推理、可解释性等一系列问题。强大的图神经网络将会类似于由神经元等节点所形成网络的人的大脑,机器有望成为具备常识,具有理解、认知能力的AI。

趋势5:计算体系结构将被重构

_5
无论是数据中心或者边缘计算场景,计算体系将被重构。未来的计算、存储、网络不仅要满足人工智能对高通量计算力的需求,也要满足物联网场景对低功耗的需求。基于FPGA、GPU、ASIC等计算芯片的异构计算架构,以及新型存储器件的出现,已经为传统计算架构的演进拉开了序幕。从过去以CPU为核心的通用计算而走向由应用驱动(Application-driven) 和技术驱动(Technology-driven)所带来的Domain-specific 体系结构的颠覆性改变,将加速人工智能甚至是量子计算黄金时代的到来。

趋势6:5G网络催生全新应用场景

_6
第五代移动通信技术将使移动带宽大幅度增强,提供近百倍于4G 的峰值速率,促进基于4K/8K超高清视频、AR/VR等沉浸式交互模式的逐步成熟。连接能力将增强至百亿级,带来海量的机器类通信及连接的深度融合。网络向云化、软件化演进,网络可切片成多个相互独立、平行的虚拟子网络,为不同应用提供虚拟专属网络,加上高可靠、低时延、大容量的网络能力,将使车路协同、工业互联网等领域获得全新的技术赋能。

趋势7:数字身份将成为第二张身份证

_7
生物识别技术正逐渐成熟并进入大规模应用阶段。随着3D传感器的快速普及、多种生物特征的融合,每个设备都能更聪明地“看”和“听”。生物识别和活体技术也将重塑身份识别和认证,数字身份将成为人的第二张身份证。从手机解锁、小区门禁到餐厅吃饭、超市收银,再到高铁进站、机场安检以及医院看病,靠脸走遍天下的时代正在加速到来。

趋势8:自动驾驶进入冷静发展期

_8
单纯依靠“单车智能”的方式革新汽车,在很长一段时间内无法实现终极的无人驾驶,但并不意味着自动驾驶完全进入寒冬。车路协同技术路线,会加快无人驾驶的到来。在未来2-3年内,以物流、运输等限定场景为代表的自动驾驶商业化应用会迎来新的进展,例如固定线路公交、无人配送、园区微循环等商用场景将快速落地。

趋势9:区块链回归理性,商业化应用加速

_9
在各行业数字化的进程中,物联网技术将支撑链下世界和链上数据的可信映射,区块链技术将促进可信数据在流转路径上的重组和优化,从而提高流转和协同的效率。在跨境汇款,供应链金融,电子票据和司法存证等众多场景中,区块链将开始融入我们的日常生活。随着“链接”价值的体现,分层架构和跨链互联将成为区块链规模化的技术基础。区块链领域将从过度狂热和过度悲观回归理性,商业化应用有望加速落地。

趋势10:数据安全保护技术加速涌现

_10
各国政府都会趋向于推出更加严厉的数据安全政策法规,企业将在个人数据隐私保护上投入更多力量。未来几年,黑客、黑产攻击不会停止,但数据安全保护技术将加码推出。跨系统的数据追踪溯源相关的技术,比如水印技术,数据资产保护的技术以及面向强对抗的高级反爬虫技术等将得到更加广泛应用。

相关文章
|
6月前
|
人工智能 vr&ar UED
获奖公布|第十九届"挑战杯"竞赛2025年度中国青年科技创新"揭榜挂帅"擂台赛阿里云“AI技术助力乡村振兴”专题赛拟授奖名单公示
获奖公布|第十九届"挑战杯"竞赛2025年度中国青年科技创新"揭榜挂帅"擂台赛阿里云“AI技术助力乡村振兴”专题赛拟授奖名单公示
|
6月前
|
人工智能 自然语言处理 测试技术
从人工到AI驱动:天猫测试全流程自动化变革实践
天猫技术质量团队探索AI在测试全流程的落地应用,覆盖需求解析、用例生成、数据构造、执行验证等核心环节。通过AI+自然语言驱动,实现测试自动化、可溯化与可管理化,在用例生成、数据构造和执行校验中显著提效,推动测试体系从人工迈向AI全流程自动化,提升效率40%以上,用例覆盖超70%,并构建行业级知识资产沉淀平台。
从人工到AI驱动:天猫测试全流程自动化变革实践
|
6月前
|
数据采集 存储 人工智能
从0到1:天猫AI测试用例生成的实践与突破
本文系统阐述了天猫技术团队在AI赋能测试领域的深度实践与探索,讲述了智能测试用例生成的落地路径。
从0到1:天猫AI测试用例生成的实践与突破
|
7月前
|
人工智能 数据可视化 测试技术
AI测试平台自动遍历:低代码也能玩转全链路测试
AI测试平台的自动遍历功能,通过低代码配置实现Web和App的自动化测试。用户只需提供入口链接或安装包及简单配置,即可自动完成页面结构识别、操作验证,并生成可视化报告,大幅提升测试效率,特别适用于高频迭代项目。
|
7月前
|
人工智能 JavaScript 算法
Playwright携手MCP:AI智能体实现自主化UI回归测试
MCP 协议使得 AI 能够通过 Playwright 操作浏览器,其中快照生成技术将页面状态转化为 LLM 可理解的文本,成为驱动自动化测试的关键。该方式适用于探索性测试和快速验证,但目前仍面临快照信息缺失、元素定位不稳定、成本高、复杂场景适应性差以及结果确定性不足等挑战。人机协同被认为是未来更可行的方向,AI 负责执行固定流程,人类则专注策略与验证。
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
2113 8
|
7月前
|
人工智能 自然语言处理 前端开发
深度解析Playwright MCP:功能、优势与挑战,AI如何提升测试效率与覆盖率
Playwright MCP通过AI与浏览器交互,实现自然语言驱动的自动化测试。它降低门槛、提升效率,助力测试工程师聚焦高价值工作,是探索性测试与快速验证的新利器。
|
7月前
|
人工智能 数据可视化 测试技术
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
865 11
|
6月前
|
人工智能 自然语言处理 测试技术
让AI帮你跑用例-重复执行,不该成为测试工程师的主旋律
测试不该止步于重复执行。测吧科技推出用例自动执行智能体,通过AI理解自然语言用例,动态规划路径、自主操作工具、自动重试并生成报告,让测试工程师从“点点点”中解放,专注质量思考与创新,提升效率3倍以上,节约人力超50%,重构测试生产力。

热门文章

最新文章