MIT评出全球十大突破性技术 阿里巴巴连摘两项

简介: 2月21日下午,美国权威科学杂志《麻省理工科技评论》(MIT Technology Review)发布2017年全球十大突破性技术榜单。在与Google、微软、IBM等科技巨头的较量中,阿里巴巴分别入选“强化学习”和“刷脸支付”两大突破性技术榜单。

免费开通大数据服务:https://www.aliyun.com/product/odps

2月21日下午,美国权威科学杂志《麻省理工科技评论》(MIT Technology Review)发布2017年全球十大突破性技术榜单。在与Google、微软、IBM等科技巨头的较量中,阿里巴巴分别入选“强化学习”和“刷脸支付”两大突破性技术榜单。

作为全球最为著名的技术榜单之一,《麻省理工科技评论》全球十大突破性技术具备极大的全球影响力和权威性,至今已经举办了超过16年。每年上榜的技术突破,有的已经在现实中得以应用,有的还尚需时日,但注定将在未来对人类的经济政治生活产生重大影响,甚至会彻底改变整个社会面貌。

今年《麻省理工科技评论》公布的十大突破性技术榜单依次为强化学习、360°自拍、基因疗法2.0、细胞图谱、自动驾驶货车、刷脸支付、太阳能热光伏电池、实用型量子计算机、治愈瘫痪、僵尸物联网。

其中,由中国公司主导的“刷脸支付”技术,让MIT的评委们颇为震撼。《MIT科技评论》认为,作为全世界首批上线人脸识别技术的国家,中国的人脸识别技术精度已达到金融交易的级别,刷脸支付进入成熟期。


MIT评出全球十大突破性技术 阿里巴巴连摘两项

主导这项技术研发的阿里巴巴关联公司蚂蚁金服,其旗下国民级应用支付宝在2015年发布9.0版本时,就引用人脸识别技术用于用户登陆、实名认证、找回密码、支付风险校验等场景,迄今已有近1.2亿用户使用。

据了解,目前全球还有15亿人因为无法证实身份,从而无法获得基本的服务和权利。当越来越多的金融服务通过网络来提供时,以人脸识别技术为代表的远程身份识别变得尤其重要。2016年杭州G20峰会通过的数字普惠金融高级原则,其中第七原则就是身份识别。

除了“刷脸支付”外,阿里巴巴还入选了“强化学习”榜单。强化学习指的是计算机在没有明确指导的情况下像人一样自主学习。这也正是AlphaGo能够掌握复杂的围棋游戏,并击败世界最强职业选手的关键。

MIT评出全球十大突破性技术 阿里巴巴连摘两项

相对于Google,阿里巴巴对“强化学习”领域的技术投入,更为关注商业应用和技术输出。比如,强化学习技术在阿里双11推荐场景中的应用,将手机用户点击率提升了10-20%。这一技术正在通过阿里云ET输出,帮助杭州市管理城市交通,并成功在一些路段提升了11%的车辆通行速度。全球最大的光伏制造商协鑫,采用ET技术将生产线良品率提升了1%,每年节省成本上亿元。广州白云机场则希望利用这项技术管理上千架飞机。

据悉,阿里云iDST是阿里巴巴主要的人工智能研究机构,iDST被要求通过前瞻性研究来确立阿里在未来数十年的领先地位。阿里巴巴曾被《MIT科技评论》评为全球最聪明的50家公司。当时的评选标准为:必须拥有真正的创新技术,以及实用又野心勃勃的商业模式。

两年前,阿里巴巴还和中科院成立一个实验室共同研制量子计算机。根据研究计划:预计到2025年,量子模拟将达到当今世界最快的超级计算机的水平;到2030年,研制具有50-100个量子比特的通用量子计算原型机。


本文来源:MIT评出全球十大突破性技术 阿里巴巴连摘两项http://cloud.zol.com.cn/628/6281690.html

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
数据采集 运维 数据管理
数据管理能力成熟度模型
为促进大数据产业持续深入发展,提高政府、企事业单位大数据资产管理意识,借鉴国内外成熟度相关理论思想,结合数据生命周期管理各个阶段的特征,对数据管理能力进行了分析、总结,提炼出组织数据管理的八大过程域,并对每项能力进行了二级过程域和发展等级的划分以及相关功能介绍和评定标准的制定。
1423 1
|
8月前
|
机器学习/深度学习 人工智能 开发者
阿里云 AI 搜索开放平台新发布:增加 QwQ 模型
阿里云 AI 搜索开放平台 新增加 QwQ 模型,将为企业和开发者带来更强大的搜索解决方案。
559 11
|
设计模式 Java
Java责任链模式
Java责任链模式
238 0
|
机器学习/深度学习 编解码 算法
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型,通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP,实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确,延迟降低20%;小模型准确度提升,延迟相当。
567 1
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
|
JavaScript
Vue2走马灯扩展版(Carousel)
这篇文章介绍了如何在Vue 3框架中创建一个可自定义的走马灯(Carousel)组件,支持自动播放、导航、分页和响应用户交互等功能。
635 0
Vue2走马灯扩展版(Carousel)
【Linux驱动学习(1)】USB与input子系统,linux统一设备模型,枚举,USB描述符深入剖析
【Linux驱动学习(1)】USB与input子系统,linux统一设备模型,枚举,USB描述符深入剖析
|
人工智能 前端开发 JavaScript
教你用通义千问只要五步让千年的兵马俑跳上现代的科目三?
教你用通义千问只要五步让千年的兵马俑跳上现代的科目三?
303 0
vscode用浏览器预览运行html文件
vscode用浏览器预览运行html文件
247 2
|
前端开发 JavaScript API
React Router v6 完全指南(下)
React Router v6 完全指南(下)
420 0
|
机器学习/深度学习 人工智能 编解码
AIGC技术解读:数据集、算法、模型和结果处理
本文深入探讨了人工智能生成内容(AIGC)背后的技术解读,包括数据集准备、算法选择、模型训练和结果处理等方面。通过对AIGC实现的核心环节进行详细说明,帮助读者更好地理解AIGC技术的原理和应用。
4786 0

热门文章

最新文章