人工智能領(lǐng)域調(diào)研 機器學習行業(yè)發(fā)展現(xiàn)狀如何？

• 黃文玉 2023年1月11日 來源：互聯(lián)網(wǎng) 582 32
• 繁體

機器學習是指通過計算機學習數(shù)據(jù)中的內(nèi)在規(guī)律性信息，獲得新的經(jīng)驗和知識，以提高計算機的智能性，使計算機能夠像人那樣去決策。

2022年10月發(fā)表在《Nature Communications》上的一項新研究中，來自赫爾辛基大學的研究團隊提出了一種準確分析癌癥活檢中基因組學數(shù)據(jù)的方法。該工具使用機器學習方法糾正了受損DNA，從而揭示出腫瘤樣本中的真實突變過程。該研究有助于在數(shù)百萬個癌癥樣本中發(fā)掘巨大的醫(yī)學價值。

瑞典皇家理工學院聯(lián)合研究使用了一種結(jié)合機器學習、密度泛函理論、實驗和熱力學計算的迭代方案，從數(shù)百萬候選合金中找到了兩種新的高熵因瓦合金。因瓦合金具有極低的熱膨脹性，應(yīng)用廣泛。該研究發(fā)表在《科學》雜志上。

機器學習是指通過計算機學習數(shù)據(jù)中的內(nèi)在規(guī)律性信息，獲得新的經(jīng)驗和知識，以提高計算機的智能性，使計算機能夠像人那樣去決策。隨著各行業(yè)對數(shù)據(jù)的需求量增多，對處理和分析數(shù)據(jù)的效率要求變高，一系列機器學習算法應(yīng)運而生。機器學習算法主要是指通過數(shù)學及統(tǒng)計方法求解最優(yōu)化問題的步驟和過程。針對不同的數(shù)據(jù)和不同模型需求，選擇和使用適當?shù)牡臋C器學習算法可以更高效地解決一些實際問題。

按一些技術(shù)專家對未來生活的愿景，未來家庭中或許會充滿機器人，或者房屋本身就是個機器人。Brain of Things創(chuàng)始人艾蘇托什·塞克西納說：“(住戶)在看電影、睡覺或不管做什么，房屋都知道。他們圍著房屋行走，房屋也能跟蹤他們的行動，知道很多東西?！?/p>

根據(jù)中研普華產(chǎn)業(yè)研究院發(fā)布的《2022-2027年中國機器學習行業(yè)深度分析及發(fā)展前景預測報告》顯示：

機器學習是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹。

機器學習不僅在基于知識的系統(tǒng)中得到應(yīng)用，而且在自然語言理解、非單調(diào)推理、機器視覺、模式識別等許多領(lǐng)域也得到了廣泛應(yīng)用。一個系統(tǒng)是否具有學習能力已成為是否具有“智能”的一個標志。機器學習的研究主要分為兩類研究方向：第一類是傳統(tǒng)機器學習的研究，該類研究主要是研究學習機制，注重探索模擬人的學習機制;第二類是大數(shù)據(jù)環(huán)境下機器學習的研究，該類研究主要是研究如何有效利用信息，注重從巨量數(shù)據(jù)中獲取隱藏的、有效的、可理解的知識。

目前，機器學習還缺少在各行各業(yè)大面積應(yīng)用的數(shù)據(jù)基礎(chǔ)，短期內(nèi)只能在金融、制造、電力、醫(yī)藥等數(shù)字化水平較好的領(lǐng)域謀求發(fā)展。隨著企業(yè)數(shù)字化轉(zhuǎn)型不斷深化和數(shù)字經(jīng)濟的蓬勃發(fā)展，機器學習還擁有極為廣闊的空間。

機器學習行業(yè)發(fā)展現(xiàn)狀分析

機器學習目前在互聯(lián)網(wǎng)、金融、IT服務(wù)行業(yè)滲透率較高，其中互聯(lián)網(wǎng)行業(yè)機器學習應(yīng)用滲透率能夠達到90%，其次是金融業(yè)，包括銀行、證券以及保險在內(nèi)整體滲透率超過20%，但是制造等其他傳統(tǒng)行業(yè)的滲透率仍低于10%。房屋正在變得越來越智能、互聯(lián)，家用設(shè)施和人溝通的能力也越來越強，這是個不可否認的趨勢。智能建筑專家、弗吉尼亞大學副教授卡敏·懷特豪斯也認為，盡管人們有隱私擔憂，但還是利大于弊，尤其是對老人或殘疾人。

隨著大數(shù)據(jù)分析能力的進步，一些機器學習企業(yè)已經(jīng)開始投資機器學習(ML)。機器學習是人工智能的一個分支，其重點在于允許計算機在沒有明確編程的情況下學習新事物。換句話說，它分析現(xiàn)有的大數(shù)據(jù)存儲庫來得出改變應(yīng)用程序行為的結(jié)論。數(shù)據(jù)顯示，機器學習平臺市場在2021H1仍然保持高速增長，市場規(guī)模達2.6億美元，相比去年同期增長101.8%。拉動本期市場增長的驅(qū)動力一方面在于傳統(tǒng)政企客戶構(gòu)建AI中臺;另一方面也在于廠商端對于AutoML等降低機器學習門檻技術(shù)的不斷投入。

機器學習作為人工智能領(lǐng)域的重要技術(shù)，是資本市場重點關(guān)注對象之一。在資本力量推動下，一批以機器學習為核心驅(qū)動的初創(chuàng)型公司進入到市場中，逐漸成為市場中的有力競爭者。資本投入可幫助初創(chuàng)型機器學習公司構(gòu)建技術(shù)團隊、獲取訓練數(shù)據(jù)、研發(fā)應(yīng)用產(chǎn)品、拓展產(chǎn)品市場，逐步提高其市場競爭力。

人工智能已經(jīng)成為大數(shù)據(jù)、機器人和物聯(lián)網(wǎng)等新興技術(shù)的主要驅(qū)動力，在可預見的未來，它將繼續(xù)驅(qū)動技術(shù)創(chuàng)新，影響著幾乎每個行業(yè)和每個人的未來。但是，人工智能的最終目標是使機器具有與人類相似的通用智能。這是科學界提出的最雄心勃勃的目標之一，還有很長的路要走。

中研普華利用多種獨創(chuàng)的信息處理技術(shù)，對市場海量的數(shù)據(jù)進行采集、整理、加工、分析、傳遞，為客戶提供一攬子信息解決方案和咨詢服務(wù)，最大限度地降低客戶投資風險與經(jīng)營成本，把握投資機遇，提高企業(yè)競爭力。想要了解更多最新的專業(yè)分析請點擊中研普華產(chǎn)業(yè)研究院的《2022-2027年中國機器學習行業(yè)深度分析及發(fā)展前景預測報告》。

• 相關(guān)深度報告REPORTS

  

  2022-2027年中國機器學習行業(yè)深度分析及發(fā)展前景預測報告

  機器學習(Machine Learning, ML)是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡