1樓：北方有雪
各種沉浸式體驗，或稱為機械附身，附身於無人機體驗飛翔，附身於無人艇體驗潛游，附身於各種機械提供類似真實的體驗，機器學習在這裡用來彌合取樣和真實之間的縫隙。
2樓：你的可愛小寶
從生活中來看，應該是智慧型機械人，可以完成比之前更多的任務。
從想象來看，應該會有像《終結者》中的天網，或者軍團這樣的超智慧型網路戰AI。
3樓：李志鵬
通過人工智慧演算法可以實現交通監控只在有人違章的時候進行錄影。相比於傳統監控的持續錄影，可以節省硬碟的空間。同時利用5G網路的高速、低延遲，可以實現交通罰款的自動化。
例如：當你闖紅燈後，很快就可以收到支付寶自動扣款的訊息推送。
4樓：
強答一波，引用資訊保安老師的一段話:
全員學習區塊鏈是因為國內技術已經成熟。區塊鏈發展推動虛擬貨幣，虛擬貨幣撼動美元霸權。核心保障是密碼體制，量子霸權可以快速求解數學難題從而突破密碼體制，反制手段是量子通訊。
如何把這麼多資訊高速高效的在虛擬世界中流通處理，需要5g乃至6g的傳輸，背後需要人工智慧和大資料等技術的分析。最終，萬流歸宗。
5樓：小心假設
Wireless Network Intelligence at the Edge
Wireless Network Intelligence at the Edge
6樓：TopView
通訊的基本問題：在某一點上精確地或近似地再現在另一點上選擇的訊息。或者換句話說，通過使用各種技術將訊息可靠地從訊號源傳送器傳輸到目的地接收器。
人工智慧則是賦予計算機以智慧型，旨在教他們如何像人類一樣工作，做出反應和學習。深度學習使人工過程能夠從資料中吸收知識並做出決策，而無需進行明確的數學建模與分析。
為了在理論與實踐中達到更好的效能，通訊理論的一大特點是分層優化。通常將發射機和接收機分為幾個處理模組，每個處理模組負責特定的子任務，例如信源編碼，通道編碼，調製和均衡。儘管已知這種實現不是最佳的，它的優點是可以單獨的分析和優化每個模組，從而產生了當今非常有效和穩定的系統。
而目前人工智慧的發展，可以解決很多非凸優化的問題。通訊理論的分層優化或許可以考慮成乙個整體，利用深度學習等手段去整體優化我們的通訊系統，進而達到更好地效能。
儘管在過去的幾十年發展中，通訊系統已經優化的非常優秀了，甚至能夠逼近傳說中的夏農界，新出現的一些深度學習、人工智慧等新的方法似乎很難比它們在效能方面有很大的優勢。但是返回到通訊問題的原始定義，將整個通訊系統考慮成乙個整體模型，該系統可以學習任何型別的通道上的資訊跟環境狀態，且無需事先進行數學建模和分析，進而整體優化系統可能能夠產生很好地效果。
1、對半標記\未標記資料的處理
深度學習能夠處理大量資料，而流動網路恰好可以快速生成大量不同型別的資料。傳統的監督學習僅在有足夠的標記資料可用時才有效。但是，當前大多數移動系統都會生成未標記或半標記的資料。
深度學習提供了多種方法，允許利用未標記的資料以無監督的方式學習有用的模式，例如，受限玻爾茲曼機（RBM），生成對抗網路（GAN）等。目前通訊中乙個較火的方向caching，就有很多人在研究如何給使用者推送可能會被請求的資料更有效。這乙個方向就用到了很多人工智慧範疇內的方法。
2、對於幾何資料的處理
深度學習在處理幾何移動資料方面很有效，而這對於其他機器學習方法來說卻是乙個難題。幾何資料是指由座標，拓撲網路，測度和順序表示的多元資料。諸如移動使用者位置和網路連線之類的移動資料可以自然地由具有重要幾何特性的點和圖形表示。
這些資料可以通過專用的深度學習架構有效地建模，例如PointNet ++和Graph CNN。採用這些架構具有巨大的潛力，可以徹底改變幾何移動資料分析。
1、霧計算中的深度學習
霧計算是一種對雲計算概念的延伸，上面介紹的雲計算弱點，霧計算都不具備。除此之外，它主要使用的是邊緣網路中的裝置，資料傳遞具有極低時延。霧計算具有遼闊的地理分布，帶有大量網路節點的大規模感測器網路。
霧計算移動性好，手機和其他移動裝置可以互相之間直接通訊，訊號不必到雲端甚至基站去繞一圈，支援很高的移動性。
霧計算為在移動系統中實施深度學習提供了新的機會。霧計算是指允許在網路邊緣中部署應用程式或資料儲存的一種技術。這種技術減少了通訊開銷，減輕了資料流量的負擔，減少了使用者端的等待時間，還減輕了伺服器端的計算負擔。
霧計算可以取代部分儲存，並且可以分析和交換資料，減輕雲計算負擔並執行更多對延遲敏感通訊業務，例如可穿戴裝置和車聯網。
2、強化學習對應許多通訊場景
許多流動網路問題可以表述為馬爾可夫決策過程（MDP），其中強化學習可以發揮重要作用。例如，基站開關切換策略，路由和自適應跟蹤控制。但是其中一些問題涉及高維輸入，這限制了傳統強化學習演算法的適用性。
深度強化學習技術擴充套件了傳統強化學習演算法，具有處理高維度的能力。因此採用深度強化學習有望解決複雜，多變和異構移動環境下的網路管理和控制問題。
3、通訊鏈路中的路由
深度學習還可以提高路由規則的效率。給出路由節點的詳細資訊，利用深度神經網路對節點進行分類。使用深度學習技術來決策下乙個路由節點並構建軟體定義的路由。
這樣可以顯著地減少開銷和延遲，實現更高的吞吐量。
4、通訊鏈路中的跨層排程
例如使用深度強化學習在路邊的通訊網路中進行排程。將車輛與環境之間的互動（包括動作，狀態資訊，獎勵訊號）制定為馬爾科夫決策過程，通過近似Q值函式進行低複雜度的優化。與傳統的排程方法相比，新的排程策略可實現更低的互動時延。
5、無線資源分配
比如使用深度增強學習根據當前模式和使用者需求，來確定頻譜與功率等資源的分配。
6、物理層安全
現代網路安全系統從深度學習中受益越來越多，因為它可以使系統能夠從經驗中自動學習簽名、模式，並推廣到入侵資訊的鑑別（監督學習）。相對傳統方法可以大大減少工作量，並可以提高準確度。
7樓：矽基生物
可以更好的訓練AI應付延遲和斷網的能力。
傳統的固定AI通常接入光纖，5G比光纖延遲更高，可以訓練AI適應延遲網路的能力。
傳統的移動AI（比如自動駕駛）對網路比較依賴，5G比4G具有更高的斷網率。可以訓練AI適應斷網的能力
為什麼 5G 熱度降低了這麼多？
此外，5G可以實現同等效能情況下跟高的資費和終端費用。AI利用這些資料，可以定向篩選出優質客戶。
未來，向使用5G的優質使用者定向推送高氫水、純天然維生素、非轉基因食品等優質產品的廣告。
8樓：牙膏的味道
隨著人工智發展和5G時代的到來，5G與AI的互相融合能催生出巨大的化學反應。
人工智慧的基礎在於連線和計算，智慧型終端將有更強的算力。終端AI技術的進步將降低終端裝置實現AI的門檻和成本，使AI裝置「無處不在」。
由於5G能夠提供更高的傳輸速率，同時也能夠全面提公升流動網路的容量和可靠性，5G將大幅公升級網路環境並降低聯網成本，使雲端AI加速普及，並促進AI終端裝置聯網，實現萬物互聯。終端AI完成判斷後，會與雲端AI有密集溝通和協調，而網路速度越快，會讓整個系統運轉更高效，從而使終端人工智慧更普及發展。而隨著5G商用逐漸落地，越來越多的終端將被連線，產生大資料，又將推動AI發展。
同時，5G通訊的落地應用會在很大程度上推動物聯網的發展，而物聯網的發展最終會指向人工智慧，因為人工智慧目前處在整個物聯網體系的最上層，人工智慧不僅是大資料的出口，是大資料價值化的重要體現，同時也是物聯網拓展應用邊界的關鍵。
現在製造業，尤其是那些需要大量人力的工廠，轉型最重要的乙個目標：5G＋Al。朝著無人化，機器化，智慧型化發展，試行5G網路，智慧型機械人，電腦終端裝置的統一調配結合方式。
利用5G網路的頻寬和低延遲，加大對資料的處理和收集能力，通過電腦對機械人發出特定的指令，對每條生產線實現智慧型化的處理，比如生產故障，檢驗，測試等等，其中產生各種各樣的資料傳達到電腦，通過整理分類和歸納，下達到智慧型機械人，讓其更加智慧型化。
所以在5G時代，人工智慧必然會有更大的發展空間。
9樓：5577
5G可以更好地推動人工智慧的發展，5G可以讓更多人工智慧的想法落地，對人工智慧影響會很大。
未來的情況如果沒有意外，會跟我們現在想的出入不大，人工智慧越來越普及，生活中人工智慧的比重會越來越大。
但我更傾向於未來人與智慧型的協同互助，人工智慧再智慧型，應該也還是乙份「工具」（但我們也說不准會不會出現那些憤世嫉俗想搗蛋世界的人）
10樓：Robert Wang
實時性的端雲一體
隨著這幾年深度學習技術的大規模應用，端雲一體是個很自然的想法，寒武紀在其產品方向中也明確了端雲一體這個方向。
什麼是端雲一體？
人工智慧等能力越強大的演算法，對計算資源的需求自然也是更大的。一些業內頂尖公司往往有成千上萬張頂級顯示卡堆積出來的計算集群。
然而智慧型終端裝置由於便攜性，小型，低成本等特點，僅具備有限的計算資源，無法滿足更加智慧型演算法的部署執行。
針對這一問題的解決，目前大體有三種解決思路：
a. 演算法本身的優化：比如模型壓縮技術，可以降低演算法運算量，提高演算法價效比，雖然有效但能力有限；
b. 人工智慧晶元：除了寒武紀等現有技術方案，還有光模擬神經網路晶元，電路模擬神經網路晶元等新的研究方向。功能強大但技術進展緩慢。
c. 端雲一體：對於小計算量的場景，智慧型終端可以離線解決。
但是，遇到超過終端能力的計算需求，就把計算需求傳到遠端的計算集群，計算集群處理完運算，把結果反饋給終端。DenseNet的演算法設計即考慮了這種特點。
端雲一體的瓶頸之一就是端雲協作的實時性傳輸，5G有助於解決這一問題，從而釋放出更多的可能場景。
拿手機來講，現在部署到手機的深度學習演算法都要做模型壓縮，犧牲演算法精度以符合有限的運算能力。5G手機的興起，則可以通過端雲一體的方式擴充套件手機的運算能力。
智慧型眼鏡：智慧型眼鏡兒屬於對便攜性要求非常高的裝置，實時性的端雲一體，智慧型眼鏡兒就只需要承擔資料傳輸和顯示的能耗。然而，這一部分的能耗仍然是智慧型眼鏡的商用瓶頸。
自動駕駛有兩條技術路線，以Autopilot，waymo，Apollo為代表的解決方案，目前不存在計算資源的瓶頸，5G起不了大的作用。但是，以協同駕駛為代表的解決方案，5G是核心技術。這兩種方案將來可能融合以進一步提高自動駕駛的安全性。
遠端操控機械：比如遠端駕駛，代駕在公司裡面坐著就能幫你把車開回家，不需要去實地。類似的還有遠端物流，美國一家宣稱做自動物流送貨機械人的創業公司被爆出招募了大量人員遠端協助。
輔助雷射雷達等自動駕駛技術，可以進一步提高原程操作的效率和安全性。
不會因5G而受益的商業模式：
遠端醫療：這個是部隊提出的需求，戰爭時期醫生可以在安全的後方及時救治前線受傷的士兵。但是這種模式在民用領域裡，20年內不會落地。
你有錢請得起美國的名醫，也不差錢讓醫生專程跑一趟。醫療現在的瓶頸在於有限的人力資源，名醫的精力和時間是有限的，是遠遠供不應求的。
VR：VR現在的瓶頸不在於無線，5G速度再快也不如頭盔後面拉根光纖傳的快。VR的活動場景有限，對無線傳輸的需求不高。
5G 和 人工智慧 爆發，會導致失業潮嗎？
solveig 會的，但是國家一直在權衡。我參觀過乙個生產基地。他們捨棄了乙個高度自動化的流水線而選擇了比較費人工的生產流程。上面發話，這麼做可以多給出一些補助。這是為什麼啊？你把這些人從廠子裡釋放出來他們去哪？別的行業也吸收不了這麼多人。一群找不到工作人天天在社會上漂，治安壓力得多大。萬一出點事烏...
人工智慧和5G，哪個對我們的生活更重要？
家事國事天下事 人工智慧就是使人類的生產勞動自動化，生活服務自動化，而5G是資訊傳輸，相當於資訊高速公路，人工智慧的發展程度受資訊傳輸速度的影響，所以不能割裂！ 羚羊 都重要，就好比開機動車一樣，是有車對我們重要還是汽油對我們重要。事物之間總是相互聯絡的。是無從劃分的。沒有5G的人工智慧和沒有人工智...
人工智慧和5G時代的到來，將帶領人類走入科幻世界嗎？
李二 科幻是想象力對現實的擴充，讓人有科幻感的都是那種憑藉當下的知識和經驗想象未來可能的新技術。想象力是其上限，與當下是有距離感和衝擊力的。現實中的科技變化是連續的，溫水煮青蛙的漸變。所有的技術都是不斷迭代，不斷試錯，不斷更新的。每乙個版本都不會讓你有強大的科幻程度的衝擊。所以我們永遠進不了科幻的世...