《评人工智能如何走向新阶段》后记（再续10）
本文由AI科技大本营下载自视觉中国
106.百度自研的飞桨（Paddle paddle）框架是中国自研的首个开源产业极人工智能深度学习框架，目前飞桨已累计服务150多万开发者，在定制化训练平台上企业用户超过6.5万，发布了16.9万模型，广泛应用于各行各业。
（深度学习“框架”上承应用下接芯片，是智能时代的“操作系统”）
107.芯片和其他硬件的进步提升了人工智能系统的能力，芯片革命将人工智能技术推向主流。斯坦福大学一个研究小组发起人工智能指数（AI Index）项目的研究，他们的研究表明人工智能硬件革命的重要性。
108.由AI科技大本营（ID：rgznai 100）通过搜集一年来（2018.10-2019.10）国内外新发布的AI工具，从中挑选46个开源工具。
AI工具能提高AI开发效率，优化项目的研发过程。
一、由谷歌贡献的：
1.Jax，综合Autograd和XLA的高性能机器学习研究工具（Jax是TF替代品，更简洁易用）
2.Ada Net，寄语TensorFlow的轻量型框架
3.TensorFlow Extended（TFX），面向生产环境的机器学习工具
4.TFF（TensorFlow Federated）框架，用于去中心化数据的机器学习及运算实验
5.Mediapipe，多媒体机器学习模型应用框架
6.Tensor Network，张量网络，以其作后端，对GPU进行优化
7.Gpipe，分布式机器学习库
8.MLIR，通用的中间表示
二、由Deep Mind（被谷歌收购）贡献的：
9.Open Spiel，一系列环境和强化学习算法
10.Sprite World，基于Python的强化学习环境
11.bsuite，强化学习行为套件
三、由Facebook贡献的：
12.LASER，探索大型多语句子表征的工具包（含90多种语言）
13.Detectron2，基于PyTorch框架
14.Habitat-sim，仿真、灵活、高性能的3D模拟器
15.PyText，基于PyTorch构建的NLP建模（基于深度学习）框架
16.Nevergrad，无梯度优化Python工具箱
17.QNNPACK，量化神经网络包，对低精度高性能神经网络推理的移动端优化库
18.PyTorch Biggraph（PGB），大规模图嵌入的分布系统
19.CrypTen，基于PyTorch的隐私保护机器学习框架
20.Captum，基于PyTorch的模型解释库
21.DLRM，深度学习推荐模型
22.Pythia，模块化的深度学习框架
四、由亚马逊贡献的：
23.DGL，面向图神经网络的框架
24.Neo-AI，AI模型优化框架
五、由微软贡献的：
25.NNI（Neural Network Intelligence），自动机器学习的工具包
26.OpenPAI，帮助加速机器学习的模型训练过程的AI计算平台
27.InterpretML，可解释机器学习工具包
28.Pipe Dream，深度学习模型并行训练工具包
六、由Uber贡献的：
29.Ludwig，基于TensorFlow的工具箱（不用写代码就能训练和测试深度学习模型）
七、由OpenCV贡献的：
30.Open VINO，模型训练框架
八、由SciSharp STACK贡献的：
31.Tensor Flow.Net，在.Net上运行用TensorFlow开发的模型
32.NumSharp，是Python流行库numpy的纯C#端口（提供快速、零拷贝和n维计算）
九、由阿里贡献的：
33.Euler，大规模分布式的图学习框架
34.X-DeepLearning（XDL），面向高维稀疏数据场景深度优化的解决方案
35.MNN，轻量级的深度神经网络推理引擎
十、由腾讯贡献的：
36.Angel，Angel3.0打造一个全栈的机器学习平台
十一、由字节跳动贡献的：
37.BytePS，通用分布式训练框架
十二、由商汤贡献的：
38.MMLab MMDetection,基于PyTorch的检测库
39.PySOT，目标跟踪库
十三、由搜狗贡献的：
40.SMRC（Sogou Machine Reading Comprehension），从相关数据集的下载列最后模型的训练和测试
十四、由蚂蚁金服贡献的：
41.Elastic DL，分布式的智能学习系统
十五、由基地机构贡献的
42.FATE（Framework），由微众银行开发的联邦学习框架
43.DeepCTR，易用、模块化、可扩展的CTR模型包（基于深度学习）
44.ALipy，基于Phthon实现的主动学习工具包
45.Cloning，是SⅤ2TTS三阶段深度学习框架的实现
46.Weights and Biases，可视化和跟踪的工具
109.网络安全应该成为人工智能应用的重要方向之一，2019年7月法国咨询机构改革凯提（Capgemini）发表《以人工智能重塑网络安全》的报告，预测到2020年有63%的组织计划部署AI以改善网络安全。
110.2019.12.19获悉华为正式发布最新AI处理器昇腾910和全场景AI计算框架MindSpore。
111.波士顿咨询公司（BIG）发表《产业智能化：中国特色AI平台模式》报告，谈及自动驾驶生态：谷歌Waymo平台强把控，百度Apollo平台更开放。
报告显示，以谷歌、亚马逊、百度为代表的科技领先企业，正在凭自身技术优势搭建人工智能平台，广泛赋能产业发展。
百度Apollo平台，选择开放能力丶共享资源的开源发展路径，谷歌采用较为谨慎自强把控策略。百度Apollo平台已经汇聚全球177家生态合作伙伴，通过开源开放，现在已有全球97个国家超过3.6万名（志愿）开发者开发、维护、使用Apollo开源代码。
（本跟贴提供者有话要说：谷歌Waymo平台强把控似非开源，稍后本人拟找谷歌核实，再在续后的跟贴上奉告）
112. 东南大学宋爱国院士（团队）研制智能巡检运维机器人，获2019年吴文俊人工智能进步奖一等奖。
113. 著名计算机科学家约翰-霍普克罗夫人工智能讲演摘录：
人工智能发展三个核心关键：①计算能力，②大数据，③互动交流能力。
上世纪60年代已经出现了人工智能概念，包括图像识别、声音识别等构想，后来（不久）这些构想最终均未能实现，其原因（当时）没有足够的计算能力。
深度学习是人工智能最核心的技术，虽然其学习机制依然是黑匣子（人类知道它在学习，但不知它怎么学习）。
一切人工智能深度学习的基础首先是大数据（或足够数量的数据），供其分析处理并不断地进行推演、模拟（大数据是人工智能的燃料）。
中国人正在造就（甚至高于其他国家）综合的、惊人的数据量。
AlphaGo打败围棋世界冠军李天石表明：人工智能实际上并不是依赖智慧解决问题的，两是用很多其他的方法，比如搏奕术。
人类可能会在五年后大体能读出深度学习的数学理论。
目前人工智能更倾向于模拟已知情况，人工智能的基础依然是逻辑，但人类创造、想象力和好奇心则无法被代替。人际交流互动时，人与人之间的交流所产生的情感上的波动，可能很难被人工智能所取代。
（约翰-霍普克罗夫，ACM图灵奖获得者，IEEE冯诺依曼奖获得者，现任美国康奈尔大学教授，中科院外藉院士，他是一位享誉世界的算法大师）
114．美国斯坦福大学发表《2019年人工智能索引报告》指出，今年美国在人工智能领域发表的学术论文占全球第一，中国发表的此类论文与欧洲相当，但中国还是占全球第二，欧洲第三（中国发表的人工智能论文占全球28%，欧洲占27%））。
115. 应对人工智能技术落地的挑战
①大数据，把人工智能应用到业务中去，要解决数据获取和治理问题。
②算法模型，深度学习模型不具备可解释性，但某些行业的生产环境需要符合业务逻辑的可解释性，通过以建模方式来解决。
③行业Know-how，这是人工智能业务的前提和必备能力。
从感知走向认知。要解决的业务问题，从单个业务场景、单点问题向业务全流程演进。建立统一的知识图谱来实现知识融合，推进人工智能应用落地。
116．中国计算机视觉市场正在走向务实。
《Forrester Research》“3Q2019中国企业计算机视觉软件报告”显示：2020年将是自动化和人工智能从实验模式进入产业应用的一年。
实施计算机视觉（CⅤ）业务系统的企业正在扩展中。将CV与其商业知识和工程经验融合转化为主要行业的垂直解决方案。
与CⅤ关联的主要行业：零售、金融、安保、制造、物流、文教等。
CⅤ+业务提供者：商汤科技、旷视科技、影谱科技、云从科技、海康威视、依图科技等。
117. 在A+安防领域，海康威视、澎思科技、的卢深视、博观智能、西部数据等五家企业脱颖而出。
118，今年在长沙举办的首屆Apollo生态大会上，探索城市丶科技公司丶车企自动驾驶三位一体的合作路径：由长沙市提供公共资源，由百度提供自动驾驶技术和生态，由一汽红旗负责整车设计，走出一条中国特色自动驾驶之路。百度发布Apollo5.5版本（实现点对点城市自动驾驶。百度Apollo自动驾驶开源开放平台扩展为三部分：自动驾驶开源开放平台、车路协同开放平台、智能车联开放平台。
119，D/Liu跟贴（讨论中）
D：2019年AI研究排名，美国领先中国7倍（美国是1260.2，中国是184.5），2017年11倍。（引自投资AI和机器人初创公司的风险投资公司ThundermarkCapital）
Liu：出版数量可以领先7倍，AI研究领先可能大于7倍，还有科学素质是否过硬未考虑进去。
120，摘引美国ThundermarkCapital发布的2019年AI研究处于领先的全球40大组织（工业和学术界），附出版指数：
（1）谷歌（167.3），（2）斯坦福大学（82.3），（3）麻省理工学院（69.8），（4）卡内基梅隆大学（67.7），（5）加州大学伯克利分校（54.0），（6）微软（51.9），（7）牛津大学（37.7），（8）Facebook（33.1）……（15）清华大学（28.4），……（18）IBM（25.8），……（22）北京大学（21.6），……（24）哈佛大学（19.2），……（32）亚马逊（14.3）……
121．全球医疗人工智能产业迅速发展。
近年来中国AI医疗技术发展很快，2018年上半年就超过英国，已成为全球医疗AI交易仅次于美国的第二活跃的国家。
122．据IDC白皮书发布的数据：目前中国有近千家医院部署了AI系统，其中超过一半医院部署了医疗影像AI系统。IDC对36家中国医院调查，约三分之一医院表示，医疗影像AI系统主要价值在于有效提高诊疗和治疗的工作效率。
从“开源联盟（COPU）”处获息，腾讯觅影建立了“AI影像平台+辅助诊断”，商汤建立了“智能视觉平台”开展包括医疗影像AI应用业务在内的AI业务。
更多推荐
《评人工智能如何走向新阶段》后记
《评人工智能如何走向新阶段》后记（再续1）
《评人工智能如何走向新阶段》后记（再续2）
《评人工智能如何走向新阶段》后记（再续3）
《评人工智能如何走向新阶段》后记（再续4）
《评人工智能如何走向新阶段》后记（再续5）
《评人工智能如何走向新阶段》后记（再续6）
《评人工智能如何走向新阶段》后记（再续7）
《评人工智能如何走向新阶段》后记（再续8）
《评人工智能如何走向新阶段》后记（再续9）