《人工智能:在新一代物流行业中的应用前瞻(58页).pdf》由会员分享,可在线阅读,更多相关《人工智能:在新一代物流行业中的应用前瞻(58页).pdf(58页珍藏版)》请在三个皮匠报告上搜索。
1、前两章分别描述了物流技术的现状与发展进程,简要地介绍了人工智能关键技术及其主流应用场景,这些应用场景都与物流行业息息相关。人工智能作为智慧物流数据底盘的三大核心技术之一,在物流行业的各个阶段都发挥了重要的作用。本章先分析了人工智能在物流行业中的应用优势,其次介绍了基于人工智能的智慧物流体系(包括智慧化物流仓储体系、智慧化物流运输体系及智慧化物流配送体系)并详细地描述了若干个体系中基于人工智能的局部架构和人工智能下新一代物流的应用场景。人工智能亦称智械、机器智能,指由人制造出来的机器所表现出来的智能。人工智能是一门通过普通计算机程序来呈现模仿人类行为、语言或者思维的学科,最终目的是使机器实现人工
2、智能化从而大大提升人的工作效率。人工智能技术的建立、发展与计算机技术等多个学科都有非常重要的联系,是多种关键技术的融合,这些关键技术使得人工智能具有许多显著优势并被广泛应用到新一代智慧物流行业中。(1)海量数据学习与处理物联网和移动设备的发展使得各行各业所积累的数据呈爆炸式增长,数据的种类也包括图片、文本、视颍等非结构化数据,这些非结构化数据的背后隐含了大量不易被感官识别的信息、知识、规律等,如何揭示这些信息、规则、趋势正成为当下给企业带来高回报的热点。-般来说,人工数据处理及一些传统的数据处理工具不仅处理速度慢,其统计的数据特征只能反映数据的极少量信息,而且很多时候它们对非结构化数据的处理无
3、能为力。因此我们迫切地需要一种更智能的方式,既能对海量的、各种类型的数据快速地进行处理,又能很好地挖掘各种类型数据更深层次的有用信息。机器学习算法是一种通过模式识别对信息进行分组或分类,进而从信息中寻找上下文提取有效信息的算法。机器学习能从大量的结构化数据和文本、图像、视频、语音、肢体语言、面部表情等非结构化数据中学习,发掘其中蕴含并且有用的信息。其处理的数据越多,机器学习就越能体现出优势。物流行业的发展产生了大量数据,这些数据关系错综复杂,机器学习技术正是处理这些多变量数据,以及能在复杂,动态,甚至混乱的物流环境中提取大数据集内隐性的关系最佳工具。此外,面对物流行业的数据丰富而知识贫乏的状况
4、,机器学习算法作为一种有效工具可以增强对数据的理解,挖掘和应用。因此基于机器学习的人工智能的数据处理技术是物流行业数字业务转向自动化的关键。(2)先进算法人工智能追求研发能够像人类一样具有智力的机器,人工智能算法是一种通过多层神经网络对信息进行抽取和表示的算法架构,其原理是构建一个“虚拟大脑”,用大量输入/输出数据来训练这个大脑,使其能够针对特定输入做出快速、精确的输出。人工智能算法主要涉及机器学习、深度学习、强化学习、表征学习等算法。机器学习通过模式识别系统根据事物特征将其划分到不同类别,通过对识别算法的选择和优化,使其具有更强的分类能力;加入多层感知器构建的深度学习模型成功解决了图像识别、
5、语音识别以及自然语言处理等领域的众多问题,与传统机器学习相比,深度学习避免了人工选取特征的繁冗复杂和高维数据造成的维度灾难问题。近年来,在IBM等科技巨头推动下认知计算蓬勃发展,通过学习理解语言、图像视频等非结构化数据,更好地从海量复杂数据中获得知识,做出更为精准的决策。人工智能的先进算法使得在复杂的物流场景中,机器能替代人对海量信息和数据进行认知、分析和推理,从而快速、精准地解决复杂决策的问题。智能决策将成为推动物流业从数字化迈向智慧化最为关键的一步,这些都离不开人工智能算法的支持。(3)强大算力人工智能有了大数据和先进的算法,还得有处理大数据和执行先进算法的能力。AI的许多数据处理涉及矩阵
6、乘法和加法。AI算法,在图像识别等领域,常用的是CNN;语音识别、自然语言处理等领域,主要是RNN,这是两类有区别的算法:但是,他们本质上,都是矩阵或vector的乘法、加法,然后配合一些除法、指数等算法。云计算、GPU、AI芯片为人工智能的强大算力提供了保障。云计算是一种基于因特网的超级计算模式,是远程的数据中心中成千上万台电脑和服务器连成的一片电脑云。云计算的计算能力可以达到每秒10万亿次的运算速度,性能堪比超级计算机。深度学习是极其消耗计算资源的,通过云计算可以以低成本获取大规模的算力,使动态地获取几千上万个CPU算力变得容易。GPU计算的进步对深度学习也有很大的推动作用。深度学习需要很
7、高的内在并行度、大量的浮点计算能力以及矩阵预算,而GPU的工作方式就是多核并行计算流的方式,此外,GPU出色的浮点计算性能特别提高了深度学习两大关键活动:分类和卷积的性能。在相同的精度下,相对传统CPU的方式,拥有更快的处理速度、更少的服务器投入和更低的功耗。使用GPU计算具有优异表现,催生了各类GPU 服务器,带动了GPU服务器的快速发展。为专门用于加速AI应用中的大量计算任务的模块,具有海量并行计算能力的AI芯片也应运而生。AI芯片被称为AI加速器或计算卡。AI芯片部署的位置有云端和终端两种,云端AI芯片的特点是性能强大、能够同时支持大量运算、并且能够灵活地支持图片、语音、视频等不同AI应用;终端AI芯片的特点是体积小、耗电少,能嵌入设备内部并且让设备在没有联网的情况之下也能够使用相应的AI能力。以GPU、FPGA、ASIC为代表的AI芯片是目前可大规模商用的技术路线,是AI芯片的主战场,此外,一些面向人工智能的专用硬件架构也开始出现,如用FPGA技术做专用的人工智能加速芯片和加速的基础设施。