精华内容
下载资源
问答
  • 在24日举办的主题报告会上,中国工程院院士高文做了《国家一代人工智能发展规划》为主题的演讲。ICTC由国家广播电视总局批准、中国广播电影电视社会组织联合会技术委员会、浙江省广播电影电视产业协会和华数数字...

    2018年10月24-26日,以“创新发展模式深化媒体融合”为主题的第二十六届媒体融合技术研讨会(ICTC2018)在杭州黄龙饭店举行。在24日举办的主题报告会上,中国工程院院士高文做了《国家新一代人工智能发展规划》为主题的演讲。ICTC由国家广播电视总局批准、中国广播电影电视社会组织联合会技术委员会、浙江省广播电影电视产业协会和华数数字电视传媒集团有限公司等单位共同举办,是广电领域最具影响力的国际研讨会,至今已成功举办25届。[2-3]

    他强调,信息环境的巨变、社会新需求的爆发以及AI基础和目标巨变促使人工智能迈向新一代,并显示新的特征:

    1.大数据的深入学习+自我锻炼的综合进化技术

    2. 基于网络的群体智能已经萌芽

    3.各种穿戴设备、人车共驾、人机协同手术等实现生物智能系统与机器智能系统的紧密耦合,人机一体化技术导向混合智能

    4.语言、视觉、图形和听觉之间语义贯通,带来跨媒体推理的兴起

    5.无人系统的迅猛发展

    目前,人工智能已经成为国家发展战略的核心要素之一,国务院印发《新一代人工智能发展规划》,提出了面向2030 年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。再此基础上,高文表示,依托中关村视听产业技术创新联盟,新一代人工智能产业技术创新战略联盟成立将主要落实规划中的具体任务,目前联盟重要任务是开源驱动AI研究开发,开源工具和框架将大幅度降低人工智能领域的入门技术门槛。

    以下是报告全文:

    各位领导,各位专家:大家上午好!今天跟大家汇报关于国家新一代人工智能发展规划提出的来龙去脉,讲讲下一代的人工智能到底做什么。今天的演讲主要分为三个方面,第一个是对人工智能发展历史的回顾,后面是下一代人工智能出路的前因后果,最后是小结。

    首先是关于人工智能的历史到目前为止从全球来看发展了62年,当然这个历史划分是不是完全合理,史前的这些事我们要不要认可,这是有争论,但是争论并不大,所以大家比较接受就是有62年历史,在这62年的历史里面,我们又可以分为世界史和中国史两个部分。

    我首先讲一讲历史界,世界人工智能历史分为三个阶段,第一个20年是第一个阶段,之后的30年是第二阶段,从第50年开始到现在,一共12年就是这三个阶段。在谈人工智能的时候,我们不能忘记一个人,他就是图灵。尽管他这一生只是活42年,他对人工智能有三个贡献,阿兰图灵是一个英国人,他是一个数学家,不是物理学家,不是计算机家,他是计算机的鼻祖,今天的电子计算机的模型就是图灵模型,计算机有IO、计算机、存储器,因为在图灵机里面这几块模型都有。计算机不是图灵设计出来的,计算机界还有一个现代叫做冯洛伊曼设计出来的,他是物理学家,为了计算弹道数据,物理学家要做很多计算,最后设计一台机器,设计机器的时候采用图灵模型设计出来,这个模型一直延伸到今天。图灵的这一个贡献是给出图灵机模型。这是大家都知道的。

    第二件事情我们知道他是人工智能之父,因为他提出关于智能的测试模型是我们今天所有做人工智能检验你这个系统是不是有智能的一个唯一标准。关于人工智能的贡献,图灵提出了图灵测试,也就是说,我要判断一台机器有没有智能非常简单,两个黑屋子,一个黑屋子里面是人,一个黑屋子里面是机器,外面有一个考官,考官开始问问题,一边问一边判断,所有的问题问完了还是判断不出来哪个机器,这个机器通过智能测试,这是图灵测试,我们看到电视节目《最强大脑》就是仿造图灵测试,但是为了娱乐性在节目上面的测试,你只要判断哪个是机器,这个测试结束,你没有通过图灵测试。

    第三个贡献是密码专家。就是在二战的时候,盟军之所以可以打败德军,是因为掌握德军的密码,德军所有的信息盟军都知道,德军部署一个潜艇攻打,所有的发的指令,盟军都是知道的,所以才有了盟军最后运筹帷幄,最后把德军打败了。为什么盟军知道了德军的密码呢,是图灵的贡献。图灵当时在英国领导了一个小组,他也是数量了一台机器,但是那个机器不是今天的计算机,他是设计了一台密码破译机,最后用很短的时间,以前的战争每年更新一次密码本,但是图灵一个星期破掉了,破掉了以后,52个星期,51个星期盟军都知道德军在做什么,这是它的贡献。

    图灵对于整个人类的三个贡献,应该说都很重要。特别是第二个贡献,今天和我们人工智能密切相关,为什么说人工智能有62年的历史呢?为什么不是从图灵测试开始算呢,因为1956年的时候,当时美国有10个科学家,这10个科学家他们组织了一个暑期研究所,他们搞了一个暑期讨论班,这个讨论班讨论两个月,这个班讨论人工智能的问题,包括人工智能的定义,包括人工智能应该做哪些研究,包括人工智能未来的目标是什么,所以,这两个月讨论完之后他们出了白皮书,这个白皮书今天看起来都不过时,就是把人工智能到底应该做什么,写得非常清楚。

    我刚才说人工智能讨论班定义的问题,这些问题被科学家梳理,人工智能典型任务和应用包括机器定义证明,包括机器翻译,我们刚才签约的科大讯飞的语音识别,如果你说中文识别成中文的文字,这是语文识别,你说中文他说英文,就是机器翻译,机器翻译是人工智能要攻的一个课程,还有机器学习,还有专家系统,还有机器人和智能控制,这些都是人工智能研究的范畴。

    这个研究范畴最后导致人工智能产生出三个流派,第一个流派叫做符号主义学派或是符号主义,第二个连接主义学派,或者是连接主义。第三个学派行为主义学派,或者是行为学派,这三个学派都是有出身的,一般来讲说符号学派或者是逻辑主义一般都是搞计算机和科学理论的人系做。这些人是出身于计算机科学,连接主义是用神经元网络通过电路模拟神经元的行为,最后让他进行一些智能的东西出来。一般是电子学的人为主。当然也有计算机,也有控制的人在里头。第三个行为学派主要是从系统的自适应,系统的进化这个角度做,更多的是控制理论的人比较多,就是控制领域的人比较多。所以,这三个学派计算机、电子和控制。

    刚才说人工智能到目前为止,大概经历了三次浪潮,这三次浪潮有非常明显的起伏,说他是浪潮非常有道理,为什么呢?第一个20年他是从最初大家很热,到最后的全社会热,到最后的全社会凉,到最后研究也凉了,这是一个起伏,差不多经历了20年的时间。第二个起伏慢慢由冷变热,又热得一塌糊涂,最后慢慢降温下来,最后也是到了冬天。这个经历了30年。我们现在正是在第三次浪潮的上升其,上升到什么时候,会不会再落下来以后再说。大概就是这样三个时期。

    第一个时期,他从元年开始到大家非常热,到最后降下来这20年。这个阶段主要的工作实际上是计算机科学家推动的。搞计算机的人推动的。所以,为什么前面刚才说这10个发起人,后来4个获得图灵奖,因为这些人大多数都是搞计算机,这个阶段主要的方法叫逻辑演算,逻辑推理,逻辑也是哲学,也是计算机科学,主要是从计算机科学角度做。

    当时的时候,主要是要考虑引入一些符号的方法进行语义处理,也就是说智能,智能就是说,你要把一些行为,有一些智能的行为,把一些认知能够用计算机演算出来,计算机演算用符号,用1和0演算,把原来的一件事儿变成计算机可以表达和推理的这件事情,最后用符号来做。这里面最主要的使用的技术手段是什么呢?首先包括逻辑运算,用0和1来算,0和1是数,无法推理,刚好有一个数据工具叫做布尔代数,他可以符号推理,使用的运算规则跟代理规则非常接近,用代理的方法比较接近,用布尔代数做逻辑运算。

    同时我们要进行推理,推理怎么,采用了科学里面最常用的方法叫做演绎推理,从一般性的前提出发通过推导得出个别的结论,从一般到特殊的推理过程叫做演绎推理。演义推理叫做三段论,首先是一个常识性的东西我们叫做大前提,有一个小命题,最后有一个结论,通过三段论最后把刚才所说的推理可以实现。这些推理怎么办,你有计算机的语言实现出来,我们知道今天计算机有很多语言了,C语言,在推理里面专门有一些语言,有很多语言,有很多计算机科学家写人工智能的推理语言。

    从最基本的数学开始到哲学,到计算机这样的一个流程,构成了当时研究整个人工智能的方法论,这些方法论有结果还是没有结构,有结果,有什么结果,最好的结果就是数学定义的机器证明,我们大在中学里面做一些代理题,大学里面一定要花时间高等数学,高等数学有很多定理的证明,我们定理的证明都是人来证明,给出一些条件,最后给证明出来,让计算机去证明定理是可行的,从1956年开始有一批科学家用刚才所说的这套方法在证明数学定理,当时进展最后有两个学校,第一个学校是卡内基梅隆大学。计算机本身比较好的各有侧重。也就是说,偏向工程一点CMU最好,为什么CMU最好,因为他是从1956年开始做机器定义证明,它的人工智能相当好,他们1956年只是完成38条逻数的数学原理的证明。王皓到了美国研究机器数学定义,领一个课题组做机器定理证明,他比较厉害,在1959年的时候,在CMU,56年做的38条,他已经做出来350条定理的证明。

    一直到1963年CMU才证明了52条定理,你可以看出来华人在最开始很厉害,比较可惜的是王皓先生后来他对这些事儿看得比较淡,后期不再做机器定理证明这个事儿,转到哲学去研究哲学,但是这个工作实实在在这里,因为我以前曾经说过我们国家有一个获得国家最高奖的数学界的老先生叫做吴文俊,它的成名之作就是几何定义证明,王皓是代数定义证明,他们两个是英雄惺惺惜惺惺。后来全世界都说机器定理证明华人是最好的,吴先生在国外获得一些奖,最后转到国内,最后得到国家的最高奖。在那个时候华人的贡献是非常大的。

    但是那个时候发现除了数学定理证明这个事儿有一些好的证明之外其他进展不大,为什么呢,因为当时在1958年的时候,56年之后的两年之西蒙和另外一个是获得图灵奖的获得者,CMU大学的计算机学院的院长,一个是院长的老师,西蒙算是没有任何行政头衔,但是他是一个思想家,他把事儿想明白,他就是董事长,另外一个人就是CEO,负责执行。之所以CMU的大学这么出名,跟他们两个人开创的工作有关系。

    他们两个人1958年的时候做了很乐观的预言,他做了什么预言,十年之内计算机成为国际象棋冠军十年之内计算机可以谱写优美的乐器。十年之内计算机可以实现人的心理的绝大多数行为,68年的时候除了机器定义证明这个事儿有谱,其他的三件事儿根本没有谱,什么样的评论都出来,这个评论对于整个领域还是有很大的杀伤力,很多人说人工智能是一个大忽悠,除了数学上面可以做做之外,那不是计算机,那不是智能。真正的智能你要像其他的这些人的智能行为是智能,很多地方讲。

    什么是压倒骆驼的最后一根稻草,1973年的英国人写了一个报告,这个报告把人工智能当时主要的三个领域他叫做自动机机器人和中央神经系统分成这三类进行了一些综述,最后给出一个判断,判断的结果说自动机和中央神经系统是有研究价值的,但是进展让失望,机器人没有研究价格,建议取消B,A和C没有说,英国在74年把支持AI发展的所有的钱去掉,美国也是这样。76年人工智能没有研究经费,原来做这个领域的人靠经费养活的人散掉。这是有一个教训,人工智能在刚刚开始的理论和方法上面都不完备。

    76年降低到低谷以后,冬天过去以后,慢慢会来春天,后来另外一个领域做神经元网络的领域它的研究慢慢有点气色,为什么有气色,构造一些学习算法出来,以前这个神经元网络要靠手工去调,经验很关键,而且这个网络的规模不能太大,要小规模的网络,所以他做一些简单的模式识别可以用,规模大一点,输入多一点,一般都调不出来,经常会振荡,学习是不收敛的,后来出来一个算法,这个算法告诉说,你用我这个算法,他这个输入输出之间错的误差可以一级一级倒被传播回来,无差逆传播,有这个算法,保证你的学习是收敛的,反正多少次一定不是来回振荡慢慢慢慢地收敛,是不是收敛到最好,我不能保证,但是保证是可以收敛。

    所以有这个算法以后,这个领域慢慢又热起来,很多做神经元网络开始有经费,这是第二次的波浪慢慢起来了。第二次波浪里面,刚才说神经元网络慢慢起来,还有一个说激素是日本,日本当时的经验非常好,就像我们中国今天的经济一样,钱特别多,特别多总是要做一些事儿,大学的教授们你们出出主意,东京大学有几个老先生,当时是年轻人,现在有的过世,有的还在世,有的人提出一些建议做第5代计算机,他认为前面的4代,其实本身概念就是错误的,前面的4代是电子管,晶体管,大规模集成电路,超大规模集成电路。第5代是智能计算机,这个代不是从器件划分。他使用的技术是第一代的技术,不是第二代的技术,延续逻辑推理这一套东西,只是把逻辑推理上升到知识工程,用一些领域专专家建立很多规则,用这些规则进行推理。

    因为当时领域专家建立的规则多了以后,推理的速度比较慢,他说我搞并行推理,用很多机器推理,他们投了很多钱,做了十年,后来失败了,后摆的原因是什么呢,你机器速度再快,你这个模型不对,结果还是不好,因为他们当时定的几个目标,到战胜日本的围棋冠军,他这个建立是建立来,你这个东西没有写进去,最后机器执行到这里不知道怎么办,停在这里。这是阿尔法狗没有遇到的情况下,平时都是超九段,这一步棋不认识,他就会出错。当时的日本在知识工程这一条路上花十年走到了尽头。

    第二件事情还是有一个打击,这个打击就是知识图谱,我们计算机里面做人工智能,大家上网站去问一些问题,他回答你,比如说,现在科大讯飞要做一些法律的咨询等等问题,他的结论是怎么出来的,他是靠后面一套知识图谱,他是有概念,有关系,概念和关系的基础上进行推理,挑出来一个最好的东西给你,所以知识图谱非常关键。

    当时斯坦福大学从1984年开始启动知识百科全书项目,组织了很多人来写它的知识图谱,但是后来他做不下去了,为什么呢?互联网起来了了,互联网的搜索引擎不是找专家写,谁都可以写,你只要可以上网都可以写,他的更新速度比互联网公司更新慢很多,很多人批评说,你做了十多年的东西,人家做两年都做得比你好,最后这个项目停止下来,停止下来人们说人工智能不行,因为互联网公司做的是不是人工智能,是搜索引擎,因为这两件事情都是和知识工程有关系的,再加上我刚才所说的第二次起飞,第二次由冬天转春天,还有神经元网络无差逆推动算法,使得神经元网络受到关注,他当时用于模式识别上面,90年代后期出来新技术,SVM,这个技术出来以后,大家突然觉得神经元有没有无所谓,神经元网络也下去了,神经元网络下去了,知识工程下去了,冬天就来了,所以,这就是第二次人工智能的冬天。

    第三次是2006年第三波起来,第三波为什么起来呢,其实从本质上面来说,第三波起来技术上没有革命性的突破,还是第二波的这些技术,这是第三波有几个条件变了。第一个硬件技术发达了,它的计算资源非常多,可以用很多机器同时做,这是计算机硬件或者是算力的发达。第二个就是数据多了,就是今天所说的大数据,以前都是靠手工训练,训练的东西不堪大用,现在训练的数据大,这个数据可以解决问题,实际上,我们所说的第三次浪潮他是深度学习算法加上大数据组合的一个联合的集成创新或者是联合突破。

    这个联合突破是谁弄出来的呢?有三个人,我们说这是深度学习的三个大牛,就是图片当中的三个人,这三个人在2006年分别,一个是在杂志,两个是在会议上面发表三篇论文,但是这三个论文说一个事情,神经元网络有深度,可以进行学习,以前的神经元网络就是叫做神经元,他们把神经元叫做深度学习网络,为什么呢,他认为以前的神经元弄一层,两层,三层不行了,解决不了大问题,你要解决大问题怎么办,深一点,10层,100层,1000层,当时他们说你想要做深层的神经元网络,我告诉你怎么做,你用一大堆机器一起算,并行来算,里面的算法不能采用以前这么简单无差逆传播,你要用卷积。

    所以,有了这样的一些东西以后。大家突然发现这个领域会有所突破,后来这个卷积网络每一年有突破。98年这个网络识别手写字符非常油耗,后续每年都有一到两个新的东西出来,这个网络深度卷积神经网络,很多人可以使用,技术上面提升,当时也是在业内大家觉得这个东西有意思,但是全社会并没有关注,全社会关注人工智能是从什么时候开始呢?是从一个中国人的工作开始。

    大家知道斯坦福大学叫做女教授李飞飞,她宾也以后在斯坦福工作,普林斯顿大学有一个教授李凯去斯坦福大学做一年的学术休假,就跟李飞飞隔壁的办公室,她没事儿跟李凯聊天,我想要做一件事情,做不了。李凯说什么事,我想要建一张一千万张图片的数据库,我想要看看谁的算法好,都是靠自己提交,李凯说挺好的,有什么难处,他说没有钱。你需要多少钱,她说这个图像数据库每个图像要标注一下,标注一张图像要支付5美元,一千万就是要5千万美元,我哪里有5千万美元,李凯说这种项目去美国政府申请,大概给你50万美元,你不用想,你不能想只是要政府的钱,你想要别的变化。

    过几天李凯跟李飞飞说你用众包,大家知道现在有众包,当时李飞飞一听就明白,就是组织几个学生用众包的方式,反正网上的闲人比较多,谁都可以做贡献,你标注好就上传上来,他有一套奖赏的机制,谁标注多让你出名,也不会给钱,就是雇几个人买一些机械,很快把一千万规模的图像数据库做出来,做出来以后呢,他从2009年开始进行比赛,比赛的时候,这个事儿比较好玩了。

    当时比赛的时候,因为当时组织起来的图像数据库达到1500万张图像,有2.2万类,人脸是一类,猫脸是一类,猴子是一类,他比赛的任务是什么,就是看你能不能分对,他有一些标注这是什么,这是什么,这是学习训练数据,拿出来一些数据,训练完之后识别这个东西到底是什么,看谁的错误率高,因为错误率越低说明你的识别率比较高。

    当时从09年开始比赛的时候,基本上,大家各显神通。各种模式的高手组团,高的和年轻的,当时有很多人加入比赛,09年,10年,11年,你比我好一个点,后年我比你好一个点。即便一个点一个点改进,错误率是30%左右,到了2012年产生一个突变,就是红线最左边这个圈的东西,这是一个团队,他是使用了刚才所说的深度神经网络参加比赛,其他都是用传统的模式识别方式参加比赛,他出手的错误率降低一半,别人30%一个点一个点的改进,他神经元网络之后达到15%,大家认为有这么好的技术。

    到了2013年清一色都是深度神经元网络,这些方法都被抛弃掉,什么SVM都抛弃掉,都用深度神经网络,13年开始都是清一色,2016年错误率参赛的队伍达到2%-3%,人的错误率就近5%,这已经超过人,人无法分不到这么厉害,分类的效果机器超过人,这个比赛现在已经停止,再做没有意义,就是这几年的时间。

    但是这个比赛停止,因为这个比赛大家觉得这个技术有用,谁觉得有用呢?人脸识别的人觉得有用,只要它的数量量足够大,人脸识别可以用,还有一些公司冒出来,像科大讯飞这类公司一堆做认知的公司,把技术提升到人脸,图像的识别,语音的识别,自然语言处理等等方面,用这个技术一下子提升一大截,这个就是第三次浪潮到目前为止,主要的来龙去脉。

    有的人问会不会跌下去,技术上面会,产业应用上面不会,因为成势了。因为人的智能三个方面,感知智能,认知智能和行动智能。就是说你的行动力,人经过思考或者是经过考虑以后,你要做这种动作,你要行动,这个时候是智能趋势的,我们先不说,这是机器人要考虑的,从认知的角度,就是感知、认知这两个智能是非常关键的。恰恰深度神经元网络在感知上面可以使用,认知智能靠这个东西无法做,经常有专家说现在的人工智能是不是已经可以战胜人,我告诉你不可能。

    现在的人工智能不可能。因为现在的人工智能通常叫做弱人工智能,什么是弱人工智能呢,他不是用一套东西对付所有的东西,这个事情要这样做,那件事情要那样干,在每个单项上面很厉害,但是你要把所有的单项很厉害弄在一个里面互相会打架,我们人是一套学习机制对付所有的东西,但是现在的人工智能是不同的机制对付不同的任务,每个任务完成得挺好,弄在一起就坏了。所以,真正一套机制做所有的事情就是强人工智能,这是需要更多理论的突破和进展。

    我们说说中国的,中国改革开放比较晚,从77年到86年这是学者发动的吉林大学的王院士推动,后面是国家863计划,2001年国家的几个计划,包括973,国家的重大项目都在进行扶持。其实,国家的863计划对于中国的人工智能应该是贡献非常大,863计划进行了15年这么长时间,在这个计划和智能化计算机专家组成员里面,凡是红色的人的名字后来成为院士,中国在计算机口的院士都是这个主题培养出来的。

    现在自然科学基金委在人工智能列为一个单独的方向进行扶持,国家新一代人工智能计划也是在通国家重大项目的方式进行支持。下面转到第二个话题,说清楚了来龙去脉后面这个比较好说,因为人工智能不管是从整个应用场景,社会需求以及技术的突破等几个方面都是预示着现在到了往下一步走的时间。

    这里面有很多端倪的出现,基于大数据的机器学习,阿尔法狗的学习案例。第二个基于网络的群体智能已经开始萌芽,包括众包,包括其他通过网络上面的每个个体的智能集合起来的群体智能也是今后对整个人工智能往前推进一个重要的方向。

    另外,人机混合智能,有一些方法机器人做得很好,有的方面人做得更好,怎么样结合在一起,混合起来,使得这个智能的水平更高也是有一些端倪,另外就是跨媒体的智能,以前的人工智能就是单一媒体的智能,图像就是做图像,视频就是做视频,语音就是做语音,跨媒体智能就是跟人一样,人就是看着,听着,说着,摸着,所有的通道用起来,然后在脑子里面形成完整的图像,形成一个完整的结论,现在我们的人工智能还不行,我们希望能够在跨媒体推理上面也能够做得更好一些。

    另外,无人系统,无人机,无人车,无人驾驶,无人系统,无人智能,所以这样的一些核心技术构造成中国下一代人工智能最核心的东西,我们所说整个中国下一代的人工智能当时工程院提交给高层的报告我们叫做2.0,最后国务院常务会议和政治局会议上面,你说2.0,1.0是什么,认为2.0的说法有问题。不是普世很容易接受,领导建议改为新一代,我们的计划是新一代的人工智能。

    这个非常清晰,这个计划到底做什么,底下有一些支撑技术,包括安全评测,技术标准,法律法规,另外还有对社会的一些综合影响,包括就业等等的综合影响,这些是一些支撑。5个黄色是核心集成包括大数据智能,跨媒体智能,群体智能,混合增强智能,自住无人系统。国家这个事情工程院的报告提交上去以后,国家高层做了决策之后国务院印发新一代人工智能的通知。去年11月份科技部召开了重大科技项目启动会,这个启动会当时科技部的领导都出席,当时作为参与和将来作为主要的技术支撑的新一代人工智能技术产业联盟参与这个会议。

    最新的动态是科技部已经正式发布了第一批新一代人工智能重大项目的申报指南,现在已经开始在申报,在12月份左右截至,这里面今年会投入8.7亿支持一些项目,大家有兴趣可以去科技部的网站查细节。

    为了支撑这个东西,我刚才提到我们在科技部的指导下,专门成立了一个人工智能产业创新联盟,这个联盟现在我是理事会,潘云鹤院士作为我们专家委员会的主任,还有其他委员会的专家,目前已经有200多名成员。

    现在联盟就是做开源平台,开源平台很重要,现在有一些开源框架,很多企业都在开放他们的开放平台,人工智能机器学习的开放框架,这个框架好不好,都是挺好的,但是我们不能没有自己的东西,当然国内有一些企业也是在开放,但是开放的力度或者说对用户的吸引程度,相对这些国外的企业相比起来差一点,我们觉得从联盟的角度希望把大家组织起来,把大家的力量组织起来,最后形成一个比较统一的资源互补的开放的平台,这个联盟做的最重要的事情。

    为了做这个事情,今年的春天我们当时在深圳专门开了联盟启动仪式上面开放启智开源平台,这是完全用开源的形式做的工作,现在这个事情在按部就班徒步的推进。上面的软件部分由大家来贡献,底下由深圳的实验室来支持硬件的行为,我们所有的主流的不管是国内还是国外的开源平台都支持,我们会形成一个对产业扶持,应用的扶持更好的平台。这需要花一些时间慢慢做成这样。

    现在有200多名会员,这个会员目前仍然在征集当中,加入这个联盟对于整个人工智能的发展或多或少会有贡献,或多或少会获益,如果我们在座的企业如果谁对这个人工智能发展有兴趣的话,也欢迎大家参加这个联盟,我们联盟的副秘书长也在,大家可以找他。

    总结一下,人工智能的发展到现在三起两落,本身是一个螺旋发展,每次落再起来的时候往前提升一步,现在从这个领域,包括计算机科学,包括电子学,包括自动化,这几个领域的科学家轮番出场,各表演多少年,今后到底哪个成为主流,其实,从应用上面来说,现在基于电子学深度神经网络的东西会第一。未来的人工智能,强人工智能有期待一些算法和理论出现,这些理论和方法,有可能跟自适应和净化和基于概率模型的机器学习和小数据的学习的关联更密切一些,到底哪个会成功我们要密切关注。

    中国下一代的人工智能在机器学习的新算法上面给了更多的布局,我们希望在机器学习新算法方法有更多的进步,今后的路很长,作为产业技术联盟我们会在整个国家的新一代人工智能的活动当中起到应有的作用希望大家持续的关心和关注,另外我们广电这个领域因为是新媒体,里面需要人工智能的地方非常多,希望大家多提出问题,我们联盟愿意配合我们这个领域把人工智能的工作在中国落地工作做好。

    展开全文
  • 增强现实和虚拟现实最新发展趋势

    千次阅读 2016-01-12 19:04:07
    增强现实是展现信息的一种强大方法,具有就地展示的特性,可以在物理对象和位置构成的场景中及时呈现信息以及对数据进行可视化。虚拟现实技术可以让用户观察和探索不可能接触到的环境。增强现实和虚拟现实都能够以...

    客座编辑导言 • Bruce H. Thomas • 2016年1月

    增强现实是展现信息的一种强大方法,具有就地展示的特性,可以在物理对象和位置构成的场景中及时呈现信息以及对数据进行可视化。虚拟现实技术可以让用户观察和探索不可能接触到的环境。增强现实和虚拟现实都能够以直观的方式向用户提供3D虚拟信息。
    我们正处在虚拟现实和增强现实革命的前夜。30多年来,研究界一直在等待这一天,而今大多数必要条件已经各就各位。3D图形的质量多年前就已经满足需要,头戴显示器和六自由度头手位置和朝向跟踪系统也进入实用。此外,虚拟环境应用和相应的用户交互方法也都已经开发出来了。头戴式显示器和所需的跟踪系统也已浮出地平线,本文发表后几个月内就会发布许多新产品。
    头戴显示器(Head-worn display,也称HMD,Head-mounted display)只是呈现虚拟和增强现实视觉信息的一种形式。由于头戴式显示技术已经进入消费品阶段,对虚拟环境的研究还将沿着若干不同路径继续展开。正如对“菜单-指点-窗口-图标”系统(Menu Pointer Windows Icon system)研究那样,一些研究人员会继续优化这些显示和跟踪技术的一般用法,其他一些人将探讨面向未来的新技术。我为这期主题选择的研究文章,主要就是面向后HMD虚拟环境的新技术。
    - See more at: http://computingnow.computer.org/web/computingnow/archive/recent-trends-in-augmented-and-virtual-reality-january-2016-chinese-version#sthash.6fmd6Pgu.dpuf

    虚拟现实最大的特色就是脱离台式显示器。在 现实甲板——身临其境的十亿像素显示 Charilaos Papadopoulos 和他的同事描述了采用“洞穴自动可视环境(Cave Automatic Visual Environment,CAVE)”实现的全新水平的沉浸式虚拟现实。现实甲板的显示分辨率超过1.5G像素,安装在一个360度、33×19×11英尺的方形外壳中。研究人员在这个显示环境中进行可视化分析,不仅信息密度超大,而且群组尺度合理,移动过程也完全真实。

    在 用于运动界面的全身操纵的风呈现 中,Sandip D. Kulkarni和他的同事们通过增加风的触觉反馈机制扩展了CAVE概念,其中风的强度和方向都由计算机控制。通过增加环境效果,用户在虚拟现实环境中的真实感体验得到提升。文章报告了该技术的应用,并详细描述了创建这种显示需要解决的技术问题。作者清楚地表明,未来的虚拟环境提供的信息肯定会超越视觉和听觉。

    空间增强现实(是一种使用投影仪显示增强现实信息的方法。SAR系统可以改变物体表面的视觉外观,如颜色、纹理、光泽、透明度以及微小的几何变化。在 基于投影仪的大型增强现实的空间用户界面,Michael R. Marner和他的同事们描述了新的用户交互范式——不仅要和虚拟信息交互,还要和投影对象交互。他们面向为一组真实世界的问题概括了一组应用和相应的空间用户界面。

    SAR增强系统面临的一个主要问题是:标准投影仪在向物理实体投影时,影像只能在垂直于投影方向的平面上聚焦。岩井大辅、三原一郎和佐藤孝介的 通过焦点快速扫描扩展投影景深 试图解决这个问题。他们利用液体透镜技术,使得图像中的像素在不同距离上聚焦。作者证明,相对于对静止或运动对象固定焦距的传统投影技术,他们的方法能够有效提高投影图像质量。

    Ismo Rakkolainen, Antti Sand和Karri把投影对象从物体转移到空中,在 粒子为屏的Palovuor空中用户界面,他们概要介绍了粒子屏(particle screen,有时也称为雾屏,fogscreens),其原理是在空中一定范围内形成一群能够反光的粒子作为投影幕。这些屏幕可以装备到公共场所,可从多个角度观看。作者进而介绍了专用于这类无形显示方式的一些交互技术。他们的工作给出了一个诱人前景:用粒子屏幕包围实际物体,在物体周围和上方增加漂浮的景象。想象一下,把一个3D拍摄的人物化身投影到你的客厅并与之对话。

    头戴显示器还面临几个开放研究问题。伊藤裕太和他的同事的 用于光透视头戴式显示器的半参数化色彩还原方法 描绘了一种产生超现实成像的新方法,这是虚拟和增强现实领域特别感兴趣的。用光透视显示器产生逼真的虚拟影像极具挑战性,本文对这一问题进行了很好的综述。作者提出一种用于光透视头戴显示器的颜色校准新方法,为解决这一问题给出了一种颇具潜力的方案。

    行业透视
    在“增强和虚拟现实最新动向:业界视点”视频中,DAQRI的创新副总裁Matt Kammerait概述了开发和构建增强现实行业应用工具所面临的挑战。他解释了DAQRI是如何聚焦到“真正的现实问题”以及调查分析增强现实如何为行业面临的问题提供了节省成本的方案。Kammerait列出了把一个新设备推入工作场所所面临的挑战,并介绍了行业环境是怎样提供极大机遇的。此视频就如何在增强现实提供商和最终用户公司之间建立合作关系提供了颇有价值的意见。
    结论
    看起来,随着头戴显示器日趋稳定和价格大众化,虚拟现实和增强现实将很快步入现实。生成虚拟信息的计算机图形系统持续提升,服务社会的能力不断提高,用于环境映射和定位的传感技术也以稳定的步伐日趋完善。然而,虚拟和增强现实要广泛普及,仍有大量挑战。

    首先要解决的问题是适当的交互方法,包括装置和技术。例如,选择和选单控制功能目前尚无标准的交互方法,也没有成熟的用户界面软件框架。我们都在等待类似X Windows Motif的框架来构建复杂的应用,而不是一切都从头开始。然而,来自游戏社区的开发环境Unity和Unreal Engine给了我们希望,虚拟现实及增强现实的未来发展趋势总体看起来是一片光明。
    客座编辑
    布鲁斯·H.·托马斯南澳大利亚大学计算机科学系的教授,可穿戴计算机实验室共同主任。托马斯目前是IEEE高级会员,澳大利亚计算机学会会士以及ACM高级会员。他拥有弗林德斯大学的计算机科学博士学位。他目前的研究兴趣包括增强现实,虚拟现实,可视化,可穿戴计算机,用户界面,协同工作以及桌面显示界面。托马斯是IEEE Transactions on Visualization and Computer Graphics副主编。他的联系方法是bruce.thomas@unisa.edu.au。
    - See more at: http://computingnow.computer.org/web/computingnow/archive/recent-trends-in-augmented-and-virtual-reality-january-2016-chinese-version#sthash.6fmd6Pgu.dpuf

    展开全文
  • 量子计算机的现状及发展趋势

    千次阅读 2021-07-09 09:41:57
    《量子计算机的现状及发展趋势》由会员分享,可在线阅读,更多相关《量子计算机的现状及发展趋势(4页珍藏版)》请在人人文库网上搜索。1、量子计算机的现状及发展趋势2017年2月21日下午,麻省理工科技评论(MIT ...

    《量子计算机的现状及发展趋势》由会员分享,可在线阅读,更多相关《量子计算机的现状及发展趋势(4页珍藏版)》请在人人文库网上搜索。

    1、量子计算机的现状及发展趋势2017年2月21日下午,麻省理工科技评论(MIT Technology Review)2017年全球十大突破性技术”中国大陆地区首发,其中量子计算机技术入选其中,量子计算机技术是一个充满魅力的科学领域,同时也是一门具有挑战性和研究性的课程,这就是许多科学家被它所吸引的原因之一。量子计算机能够分析的科学多种多样,对各个学科的分析详细到位,需要用到量子计算机的课程一般是物理学、材料分析学、信息科学、生物学等,所以量子计算机所涉及的领域很广,值得科学家们去开发和进一步研究。量子计算机的特点包括运行快、处理信息的能力强、适用的范围广等。相比普通的计算机而言,信息的处理量越多。

    2、对量子计算机的运算就越有利,更能保证运算的精确性,而普通的计算机对于信息的处理速度就比较慢,难于满足人们的需求。量子计算机的发展速度目前虽然比普通的计算机缓慢,但是明显比普通计算机更能引起人们的注意,最大的原因就是其拥有很强的适用性,能够提高人民的生活水平,改善人们的生活方式。量子计算机和许多计算机一样都是由许多硬件和软件组成的,软件方面包括量子算法、量子编码等,在硬件方面包括量子晶体管、量子储存器、量子效应器等。量子晶体管就是通过电子高速运动来突破物理的能量界限,从而实现晶体管的开关作用,这种晶体管控制开关的速度很快,晶体管比起普通的芯片运算能力强很多,而且对使用的环境条件适应能力很强,所以。

    3、在未来的发展中,晶体管是量子计算机不可缺少的一部分。量子储存器是一种储存信息效率很高的储存器,它能够在非常短时间里对任何计算信息进行赋值,是量子计算机不可缺少的组成部分,也是量子计算机最重要的部分之一。量子计算机的效应器就是一个大型的控制系统,能够控制各部件的运行。这些组成在量子计算机的发展中占领着主要的地位,发挥着重要的运用。量子计算机相比普通的计算机拥有很明显的优势,量子计算机的计算速度快、计算更准确,所拥有分析信息的功能更强大,能够同时进行的运算多;它能够轻易战胜目前的RSA 公钥密码体系,在拥有这么强大的运算能力的背后不仅仅是以往 0 和 1 信息单元的储存能力和运算能力的运行,而是 。

    4、0 和 1 的升级,正是这种升级,使得量子计算机的运算速度超过普通计算机运算速度的 10 倍。这种信息单元的升级让量子计算机在国防领域也能够得到很好的应用。量子计算机拥有非常小的计算芯片,在节省材料的同时也带来了强大的运算能力,非常有利于携带。量子计算机的发展趋势受到多种情况的影响,除了以上提到的军事方面,就是量子计算机本身的组成部分,与计算机运算能力直接挂钩的就是中央处理系统,一个好的中央处理系统是一部计算机的灵魂,量子计算机的芯片很小,在以后的发展中会追求更小、更全面,在发展量子计算机芯片这方面科学家们一直希望能够从现在半导体晶体管时代突破到摩尔时代。美国作为第一个涉足量子计算机领域的国家。

    5、,对量子计算机方面的研究非常深入,中国作为一个发展中的大国,在国家的大力支持和研究人员不断的努力下,在量子计算机研究方面取得了巨大的进步,已实现了量子计算机实际应用零的突破。但是这还远远不够,需要将其应用到各个领域,实现量子计算机的全面化应用。量子计算机拥有强大的量子信息处理能力,对于目前多变的信息,能够从中提取有效的信息进行加工处理使之成为新的有用的信息,量子信息的处理先需要对量子计算机进行储存处理,之后再对所给的信息进行量子分析。运用这种方式就能准确预测天气状况,目前计算机预测的天气状况的准确率达 75%,但是运用量子计算机进行预测,准确率能进一步上升,更加方便人们的出行。目前的计算机通常。

    6、会受到病毒的攻击,直接导致电脑瘫痪,还会导致个人信息被窃取,但是量子计算机由于具有不可克隆的量子原理这些问题不会存在,在用户使用量子计算机时能够放心地上网,不用害怕个人信息泄露。另一方面,量子计算机拥有强大的计算能力,能够同时分析大量不同的数据,所以在金融方面能够准确分析金融走势,在避免金融危机方面起到很大的作用;在生物化学的研究方面也能够发挥很大的作用,可以模拟新的药物的成分,更加精确地研制药物和化学用品,这样就能够保证药物的成本和药物的药性。目前国内和国外所面临的量子计算机的挑战主要是以下四个:(1)量子计算机必须要用到的量子算法问题,是量子计算机的核心之一,没有了量子算法,量子计算机的强。

    7、大功能就体现不出来,从而无法发挥量子计算机的真正能力,随着研究的不断深入,近几年也得到了突破,但是仍然存在一些问题,需要进一步去研究与攻克。(2)量子编程,专业人员还称之为量子编码,量子编码是为了避免量子计算时错误的计算发生,也是确保量子计算机能够正确运算的有利保证,没有量子编码,就没有量子算法,这两者必须相互作用才能最大发挥量子计算机的功能。(3)实现量子计算机的各类系统,对于不同的量子系统需要做到搭载不同的信息,编写更多的量子编码,改变量子算法,由于量子计算机所涉及的领域广阔,所以这方面的设计仍然面临很大的挑战,虽然许多科学家在不断研究,但是取得的成果和收获并不足。(4)量子计算机目前的算。

    8、法单一,还不能同时搭载和运行多种算法,例如,在量子算法中有一种叫做量子退火的算法,某种量子计算机搭载这种算法以后就不能再去搭载其他的算法,这就是目前量子计算机的缺陷和所要攻克的问题之一,值得一提的是这种量子退火算法仍然不能够运用,在模拟的情况下能够勉强试用,由此可以看出量子计算机的研究还停留在比较初级的水平。 量子计算机的发展趋势目前美国和其他国家对量子计算机的研究深入,他们拥有着世界上量子计算机的先进技术,但是他们的技术保密性也很强,美国把量子计算机的技术重点运用于军事,力求把量子计算机全方面用于军事改革,从而提升自己的军事化力量。最近,科学家用量子计算机先输入相关信息,然后设置为最低的旅行。

    9、消费,最后设置为最短的旅行时间,结果在按下输出键时马上出现了多个模拟的方法。这种量子计算机技术被称为量子计算机的路径选择,功能的强大之处就是能够模拟生物中各种材料的合成方法,寻找到最合适的方法,且能够进行化学的元素分析。如今越来越多的事实都表明了量子计算机将会扮演着越来越重要的角色、承担很多的责任。在 2017 年,我国通过自己的努力,迎来了真正属于中国制造的量子计算机,这台量子计算机是中国科学技术大学的潘建伟教授和其他同事的共同成果。其是超越世界上第一台早期经典计算机的光量子计算机。这台量子计算机的一大片光量子才相当于普通计算机的一个 CPU,但是这些光量子所构成的 CPU 却超过普通计算机运算速度的 24 000 倍。除了在量子计算机的研究方面取得突破以外,量子计算研究领域也取得重大成果,打破了此前由美国航空局保持的 9 个超导量子比特的记录。这些进步不仅仅是科学家们的研究成果,也是中国在量子计算机研究领域迈进的一大步。通过对目前国内和国外的量子计算机技术的研究分析,不难发现我国的量子计算机技术还明显落后于其他国家,需要不断克服研究中的各种困难,争取在量子计算机研究方面取得进步。我国量子计算机目前处于举步维艰的情况,在这种情况下需要多借鉴国外的一些研究方法,运用自己的优势取得突破性的进展,实现量子计算机的全面应用。

    展开全文
  • 这种数据驱动的新方法还可以在安进发布产品时缩短产品的上市时间,从4个月的周期缩短为4周。 3、Kelly Services通过现代化数据架构在求职者和雇主之间搭起桥梁 Kelly Services是全球前五大的人力资源解决方案服务...

    根据皮尤研究中心发布的一份报告,86%的买家愿意为获得完美的客户体验支付更多的费用。同时,73%的买家表示:他们在做出购买决定时,会将客户体验作为一个重要的因素。为了解当今和未来的客户,企业应清楚客户的期望和需求。不过,要满足这些需求可并不容易。虽然如此,Informatica的一些客户通过对其客户的持续关注,最终取得了令人惊喜的成果。以下选取了12家海外机构的成功案例,他们都利用数据提升了客户体验。供您参考。

     

    1、Hubo为消费者提供更好的DIY购物体验

     

     

    Hubo是一家总部位于比利时的五金连锁企业,拥有150多家实体店。Hubo历来注重DIY市场,为此提供了各式各样的高质量的品牌产品。该公司还为各类DIY爱好者提供五金器具和物料。这其中既有一时心血来潮的爱好者,也有充满抱负与激情的能工巧匠。Hubo通过几项重要策略对技术做了升级,采用了Informatica MDM – Product 360产品信息管理解决方案。现在,Hubo引入新产品及供应商的速度比以往快了10倍。该公司准备在五年内将产品库存从5万件增加到100万件,通过提供更多的产品扩大市场份额。Hubo利用产品数据实施客户体验战略,成为很好的典范。

     

    2、利用人工智能,安进(Amgen)成为以患者为中心的企业

     

     

    作为一家全球领先的生物技术公司,安进致力于为罹患各种严重疾病的患者探索、开发和提供创新的治疗方案。该公司在心血管疾病的治疗方面成效卓著,改善了心脏病患者的生存质量。要知道,在世界范围内,无论是发病率还是死亡率,心脏病都高居首位。通过采用Informatica的数据管理方案,将人工智能和机器学习技术应用于与医疗机构、产品及支付机构相关的高质量数据,安进得以利用有可能起死回生的治疗方案救治患者。在患者发病前,这种以患者为中心的分析方法可以协助通知患者所在的医疗机构,并将当前的预防疗法告知患者。这种数据驱动的新方法还可以在安进发布新产品时缩短产品的上市时间,从4个月的周期缩短为4周。

     

    3、Kelly Services通过现代化数据架构在求职者和雇主之间搭起桥梁

     

     

    Kelly Services是全球前五大的人力资源解决方案服务公司,美国财富500强之一,每年为全球超过555,000名就业人员提供工作机会。Kelly Services始终关注不断发展的劳动力市场,帮助人们“抛弃”旧有的思维方式,认同各种工作方式所各自具有的价值。采用Informatica的数据管理方案后,该公司利用从员工简历、电子邮件和视频面试资料中得到的数据,建立了丰富、准确的求职者信息库。Informatica MDM 解决方案帮助Kelly Services理顺了就业岗位信息,加快了人才选聘过程,并在适当的时间将合适的机会提供给合适的人选。

     

    4、PUMA通过在合适的时间提供合适的产品,大幅增加线上销售收入

     

     

    我喜爱运动鞋,而且我知道,我是这个世界上众多PUMA(彪马)粉丝中的一员,我们都喜爱款式丰富的彪马时尚运动鞋。彪马为世界上最具天赋的运动员设计鞋类和服装,如今,它希望利用自己辉煌的历史实现更大的梦想,成为最令人向往的体育用品公司。彪马非常重视产品搜索服务,并利用机器学习技术更好地了解客户。现在,彪马可以针对客户的个体需要,通过高度个性化的方式,为客户提供更准确的产品推送信息和独特的购物体验。Informatica MDM – Product 360 解决方案不仅帮助彪马在不到两年的时间内实现了既定的投资回报率,而且还大幅提高了线上销售收入。

     

    5、Elkjøp向客户提供丰富的产品体验

     

     

    Elkjøp是北欧最大的消费类电子产品零售商,目前在6个国家拥有400家商店和10,000多名员工。为了缩短产品上市时间,同时也为应对快速变化的消费者预期以及市场的爆炸性增长,Elkjøp将工作重点放在对产品引入流程的现代化改造和重构方面,与此同时不忘为业务用户提供自动化的产品信息管理功能。该公司利用Informatica的数据管理方案,可以更快地引入新产品并提供完备的互动式产品体验,这种体验涵盖了所有客户接触点,从而提升了销售转化率。

     

    6、Elektro-Material通过以客户为中心的战略,实现了销售收入的翻倍增长

     

     

    Elektro-Material(EM)是瑞士电器B2B领域的市场领导者,提供智能家居技术、照明产品、家用电器和其它产品。为在竞争日益激烈的线上市场取得成功,EM希望能提供丰富的产品信息,以满足客户越来越高的期望。通过采用Informatica的数据管理方案,EM能够创建产品信息的精确视图以及实现产品引入和产品数据管理的自动化。这样做的结果是,公司用于发布新产品的时间缩短到了原来的四分之一,上传900家供应商产品目录的时间从几个月缩短到了几小时。现在,由于EM的客户能够获得产品及其图片的完整、准确的信息,这家公司在过去两年中通过数字渠道实现了销售收入的翻倍增长。EM预计,明年的产品数据量将增加八倍,并已为此做好了准备。

     

    7、Rent-A-Car提供无缝的客户体验

     

     

    Rent-A-Car是法国一家领先的短程汽车租赁公司。尽管不断有新的竞争者进入汽车租赁业,Rent-A-Car仍然成功扩大了市场份额,在过去六年间实现了年收入的翻倍增长。通过采用Informatica MDM – Customer 360 解决方案,Rent-A-Car获得了客户旅程的全面视图,从而对客户有了更深入的了解,并将数据转化为一种真正的竞争优势。Customer 360 解决方案不仅使该公司成为车联网领域的领导者,还有助于打击欺诈行为,甚至可对被盗车辆进行定位。

     

    8、宝马集团(BMW Group)通过客户接触点延伸品牌体验

     

     

    宝马集团通过不断增加的渠道与现有和潜在的客户取得联系。这家德国的“终极驾驶机器”制造商重新专注于技术和车内体验。该集团还希望通过不同的客户接触点与客户进行精准、持续的沟通。这些接触点包括:网站、社交媒体、宣传手册、客服呼叫中心、电子卖场和特许经销商等等。通过采用Informatica MDM—Product 360解决方案,宝马集团对信息孤岛进行整合,从而为全球产品数据创建统一平台,使得全球产品信息的交付更及时、更顺畅。提高了效率,缩短了产品的上市时间;提高了变更管理的灵活性和速度;提高了面向客户的信息准确度和质量,客户有了更好的体验。阅读宝马案例了解更多内容。

     

    9、KLiNGEL利用丰富的产品数据推动多渠道战略

     

     

    KLiNGEL是欧洲数一数二的家居和时尚用品供应商,在比利时、荷兰、斯堪的纳维亚半岛、瑞士和奥地利设有子公司。这家公司通过将近70家网上商城开展销售活动,每年要处理旗下18个品牌的数百万个订单。KLiNGEL奉行多品牌和多渠道战略,它要求所有印刷产品目录和网店都必须提供产品数据的一致性视图。由于经营范围涉及欧洲12个国家,KLiNGEL希望确保其客户能够查看到每件产品的信息,而且,这些信息要使用当地的语言。由于将战略重心放在了数据上,采用了业界领先的Informatica的数据管理方案,KLiNGEL在线发布新产品的速度比以往快了七倍,同时还减少了客户的来电次数和退货量,KLiNGEL还计划提高产品在60多家网上商城的销售量,包括:亚马逊、eBay和OTTO。

     

    10、澳大利亚凯马特超市(Kmart)变身为一家真正的多渠道零售商

     

     

    澳大利亚凯马特超市(Kmart)是一个备受推崇的品牌,它以非常实惠的价格向澳洲人提供时尚和优质的产品。Kmart拥有30,000多名员工和234家商店,它还是澳洲最大的集装箱进口商和跨国公司,每天要处理大量的货物。面对众多网络零售商和跨国公司的竞争,Kmart认识到,公司需要实体店以外的经营模式,同时,Kmart还需要利用数字化渠道和创新策略提升客户体验。通过采用Informatica的数据管理方案,这种变化的效果是非常显著的:Kmart目前98%的产品都能在线销售,过去这个比例只有6%。现在,这家公司引入新产品的速度比以往快了4倍,销售额达到了过去的4倍,团队生产率是过去的3倍。

     

    11、Coop Alleanza 3.0向客户提供独特的购物体验

     

     

    Coop Alleanza 3.0是欧洲最大的食品零售企业,它在意大利的12个地区拥有270万名会员和430家商店。这家公司认识到,它需要开展统一化运营,向每家商店提供一致的业务信息,以此提高效率和增加利润。为向会员和客户提供个性化的购物体验,客户、产品和销售数据都是必不可少的。通过实施Informatica的数据管理方案,Coop Alleanza 3.0 取得了很多有益的成果,包括:easycoop.com 获得商业成功,集成化的CRM 系统创造了新的运营效益和更为一致的客户体验。在创造新效益的同时,增强了会员和客户的忠诚度。

     

    12、Santalucía Seguros推动以客户为中心的数字化转型

     

     

    Santalucía Seguros为西班牙的个人和企业提供保险服务已有100多年的历史。这家位于马德里的公司通过其覆盖400家代理机构和17,000名员工的网络,长期保持着这一知名品牌及实体化的经营模式。Santalucía Seguros意识到,现在很多客户更喜欢上网买保险,于是在企业内实施了一项数字化转型计划,该计划涵盖所有网上业务,包括家庭保险、人寿保险、财务保险、养老保险、宠物保险和其它保险产品。采用Informatica MDM – Customer 360 解决方案后,Santalucía Seguros转变了经营视角,从以保单为中心转换为以客户为中心,从而与客户展开了更为个性化的交流。

    正如上述12个案例所展示的,客户体验对于企业的成功至关重要。请认真倾听客户的意见并重视他们的看法,这会帮助您在竞争中脱颖而出,并在新世界独占鳌头。

     

     

    重磅预告:CLAIREview智能数据峰会第二场

     

    云数据仓库和数据湖

    2020年6月16日,14:00-15:30

    思想领袖、创新者和行业专家

    带您快速掌握云端分析现代化

    获得最佳实践和领先见解

    从而加快价值实现和提高投资回报率

     

    参会方式:关注Informatica数据管理(微信号:InformaticaChina),或添加小殷(微信号:INFORMATICA01),注册参会!

    展开全文
  • RFM会员价值度模型

    千次阅读 2020-12-14 19:11:05
    会员价值度用来评估用户的价值情况,是区分会员价值的重要模型和参考依据,也是衡量不同营销效果的关键指标之一。 1.2 定义 价值度模型一般基于交易行为产生,衡量的是有实体转化价值的行为。常用的价值度模型是...
  • 关系型数据库的发展历史

    千次阅读 2019-03-12 23:15:03
    数据库发展史 信息系统产生了海量的数据,有数据必须要有数据的存放位置, 无库时代 :没有专门的数据库,数据大多以文件形式存放 层次状数据库 :使用层次状模型进行数据库设计和存放 网状数据库 :使用网状...
  • 计算机发展历史

    万次阅读 2019-09-03 14:31:13
    1.2 计算机发展历史 1.2.1 早期的计算工具 1.2.2 1801年:卡片时期 1.2.3 1835到1900年代:程式化计算机 1.2.4 1930到1960年代:桌上型计算器 1.2.5 首代冯·诺伊曼结构及其机种 1.2.6 现代计算机发展时间表 1.3 ...
  • 无论是商业地产从业者还是一般消费者,大家最容易会联想到线上商城,会员管理系统这些,但这些全是商业地产数字化的基本层面,简言之也只是商业地产经营时期的一个辅助软件。 个人觉得,当前时期来说商业地产与数值...
  • 媒体运营应该掌握哪些基础常识

    千次阅读 2019-02-23 22:42:03
    三是从活动目的看,活动形式是否有效,举个例子:Amazon要推销自家的会员,推出“Prime会员免费试用30天”活动,针对的是用户对事物决策门槛较高的特点,用户可在免费试用后再进行是否续购的决策,降低了直接购买...
  • :通过算法设计提供一个推荐系统,该系统有潜力为世纪佳缘网站的新注册会员推荐潜在的老会员,使得这些老会员尽可能受到新会员的亲睐。  本文内容 :算法设计思路、算法具体设计及代码、算法优劣的评测指标、...
  • 学习会员创作者收益说明

    千次阅读 2021-08-30 16:47:53
    一、学习会员内容加入细则 ...随着产品的不断发展,平台将加码更多资金投入、流量、内容创作支持、曝光传播机会、品牌合作机会等资源来帮助优质创作者在平台更好地成长、变现。 今年我们上线了原力计划第三季,这
  • 计算机发展的四个阶段》由会员分享,可在线阅读,更多相关《目前电子计算机处于哪个阶段?计算机发展的四个阶段(3页珍藏版)》请在装配图网上搜索。1、目前,电子计算机处于哪个阶段?计算机发展的四个阶段题目:目前...
  • 最近在整理区块链方面的东西,刚看完一份中国通信学会的报告《区块链技术前沿报告2020》,发现里面的东西写得还是挺全的,所以这里对这份报告的内容做...美国能源部DOE资助佛罗里达国际集成区块链和机器学习技术研发
  • 如何打造云端零售数字化平台?

    千次阅读 2018-03-24 16:14:55
    日前,多家消息渠道披露,阿里巴巴欲以11.6亿美元收购Rocket Internet在巴基斯坦的零售部门,而这,已经是阿里巴巴近一年来,继入股三江购物...而零售倡导的数据驱动型企业也必然是未来零售企业势必要努力发展的方...
  • 会员数据化运营(一)

    千次阅读 2019-11-28 10:58:00
    会员数据化运营 1.概述   会员数据化运营几乎是所有企业的必备运营工作,企业...如何扩大市场覆盖、获得更多的新会员? 如何更好的维系老会员? 应该在什么时间、采取何种措施、针对哪些会员做哪些运营活动? 在特...
  • CSDN:《程序员003》正式上市,华为、阿里等 30+ 公司的云原生及数字化实战经验 目录 《程序员003》正式上市,华为、阿里等 30+ 公司的云原生及数字化实战经验 为什么《程序员 003》是值得所有关注...
  • 2006 年底,他与丰叔一起创办秒针系统,后来丰叔离开转做投资,吴明辉坚持走在创业一线,秒针系统发展成国内最大的互联网广告数据分析商。2014 年,吴明辉又创办了明略数据,深挖人工智能在金融、工业、安防、数字...
  • 百度网盘无限扩容工具,100t无限扩容方法最新2021. 最新百度网盘扩容技术,想扩多少扩多少。突破5000G上限,所有文件都准备好了。教学视频很详细,一看就懂。适合做虚拟资源项目和业务较多的朋友!网上说有一定几率...
  • QQ会员活动运营平台(AMS),是QQ会员增值运营业务的重要载体之一,承担海量活动运营的Web系统。在过去四年的时间里,AMS日请求量从200-500万的阶段,一直增长到日请求3-5亿,最高CGI日请求达到8亿。在这个过程中,...
  • 跨平台的会员通 打通品牌任督二脉

    千次阅读 2021-12-29 16:12:33
    随着科技的发展,国民生活水平不断攀升,购物方式也发生了巨大的转变,年轻人越来越依赖线上的购物模式,一瓶水一包纸巾一件衣服都是从网上购买,淘宝、天猫、京东等头部的电商平台,也在不断为提升的购物体验而改造...
  • 互联网行业是一个快速发展、快速变化的行业,的业务、的机会层出不穷,的技术如雨后春笋般冒出,NoSQL、大数据、云、Node.js、Docker等,无时不刻都在轰炸程序员们的脑袋,难怪中国的程序员都流传一个说法:过...
  • 您的WordPress网站的20个最佳会员插件

    千次阅读 2020-06-23 04:51:29
    你可以建立一个网上商店, 出售广告空间 ,或与会员链接填写您的网站 -或者你可以卖会员订阅那会保证你在未来数周,数月,或者甚至可能年收入稳定。 您可以在CodeCanyon找到各种高级会员插件。 在本文中,我们将...
  • 青岛艺形艺意文化传媒有限公司创始人,青岛首席商学院媒体运营创始人,资深媒体运营人,IT行业观察者,新型互联网+营销实践者,金牌文案创作者,腾讯网、百度网、今日头条、搜狐网、网易新闻网、凤凰新闻网等...
  • 三、利用过剩产能有三种方法(怎么做?) 一是分割、整合,再予以合理的供应。 二是开放、创造价值,开放的数据是创新的源泉。 三是开放过剩产能。 四、创建共享平台的4个阶段 第一阶段:控制内核。...
  • 9种常用的数据分析方法

    千次阅读 2020-08-17 11:09:23
    对比法就是用两组或两组以上的数据进行比较,是最通用的方法。 我们知道孤立的数据没有意义,有对比才有差异。比如在时间维度上的同比和环比、增长率、定基比,与竞争对手的对比、类别之间的对比、特征和属性对比等...
  • 阿里巴巴建设业务中台的方法

    千次阅读 2020-01-10 08:38:00
    很多人知道,早在阿里巴巴三淘系(天猫、淘宝、1688)时代,阿里内部就已经意识到系统和数据割裂的弊端,并且在快速发展的时候愈发凸显:会员的账号体系是割裂的,用户的积分是割裂的,业务和数据都是割裂的,各个...
  • 会员营销的概念中,会员营销就是一种基于会员管理的营销方法。商家通过将普通用户转化为会员,分析会员消费信息,挖掘顾客的后续消费力、汲取终身消费价值,并通过客户转介绍等方式,将一个客户的价值实现最大化。...
  • 媒体运营

    千次阅读 2019-03-04 20:34:26
    媒体运营(一):相关概念 1、媒体运营定义 学习、了解一个事物往往要从它的定义开始。百度百科上关于媒体运营的定义为:通过现代化互联网手段,通过利用微信、微博、贴吧等新兴媒体平台工具进行产品宣传、...
  • 艺形艺意工作室创始人黎想将结合自己多年的工作经验,系统总结了一套媒体推广运营方法,帮助你轻松最好媒体推广。 现在随着微信的极速发展,公众号体量越来越大,一人管理多账户的现象也随处可见,下面我将以...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 22,133
精华内容 8,853
关键字:

发展新会员的方法