人工智能产业综述报告.pdf

亿欧智库人工智能产业综述报告2017年 4月Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告有关 AI人才图谱，由于信息收集和整理过程中有所失误，因此后续的更新和添加会在此页作出勘误提醒。勘误2Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告机器不但能够延长人的手和脚，代替人的某些体力活动，还能够延长人脑，代替人的某些思维活动。自从计算机出现以来，这已经是越来越明显的事实了，往后沿着一个方向，在发展计算机技术的同时，还逐步形成了一种人工智能的新技术。它包括但不仅限于 模仿人的大脑中枢神经系统建立起了神经网络模型来处理现实社会复杂多变的问题。它指导计算机下棋、证明定理、制定策略和决策，用机器对文字、声音、和图像进行识别，用自然语言（人的语言）直接和计算机联系，研制具有识别、分析和综合、执行等功能的机器等各个方面。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，对学术界来说是一个质的飞跃，对产业界来说带来的是有形的生产力的经济利益。我们相信 2016年是人工智能发展的一个重要拐点，是更快更强的计算力和爆炸式增长的数据库将人工智能推到了镁光灯之下，不夸张地说，人工智能已经成为了流行文化甚至是政治话语的前沿，但我们也推测，很有可能人工智能在下一个路口就步入了舆论的冬季。而这份报告的目的是希望在那个给予承诺又让人失望的周期到来之前，以研究的心态 回顾人工智能发展的路线图、冷静审视技术的本质、挖掘技术落地具体市场的机遇和挑战，为人工智能的持续发展出一份力。序言出品方：亿欧智库；作者：吴妙芸；指导支持： 由天宇；其他支持：杜博伟、王超、陈茁、缑凯莉等；3Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告目录CHAPTER 1回顾 人工智能发展的路线图1.1 人工智能的定义1.2 神经网络的发展历程；1.3 深度学习的机遇和挑战；CHAPTER 2冷静审视人工智能技术的本质2.1 计算机视觉技术；2.2 语音识别技术；2.3 自然语言理解技术；CHAPTER 3人工智能技术落地具体市场的机遇和挑战3.1 为什么优先关注医疗、金融和出行这三个领域的 AI+；3.2 智能医疗；3.3 智能投顾；3.4 无人驾驶；附录亿欧智库：主要中国企业核心 AI人才图谱（ 218人）4Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告CHAPTER 1回顾 人工智能发展的路线图1.1 人工智能的定义；何谓人工智能；追溯人工智能的产生和发展；人工智能、机器学习和深度学习；1.2 神经网络的发展历程；从神经元模型到深度学习；1.3 深度学习的机遇和挑战；5Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告人工智能发展路线图何谓人工智能；广义的人工智能就是创造出能像人类一样思考的机器，它不仅是科幻电影喜闻乐见的主题，更是科学极客们的终极梦想，是技术狂不切实际、异想天开的代名词。而 狭义的人工智能，美国斯坦福大学人工智能研究中心尼尔逊教授就给下了这样一个定义： “ 人工智能是关于知识的学科，是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能实现的功能来定义是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和基本内容，即人工智能是研究人类智能活动的规律。若是从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 ”追溯人工智能的产生和发展；1943年最早的人工神经元模型被提出； 1956年达特茅斯会议上一群科学家的集中讨论，引出了人工智能这个概念，也是这一年成为了人工智能的元年； 1977年在第五届国际人工智能会议 上 ，美国斯坦福大学计算机科学家费根鲍姆教授正式提出了知识工程概念，随后各类专家系统得以发展，大量商品化的专家系统被推出市面，但发展的好景不长，因为该计算机系统没有什么学习能力，或者说学习能力非常有限，满足不了科技和生产提出的新要求，于是继专家系统之后，机器学习便成了人工智能的又一重要领域。人工智能、机器学习和深度学习三者关系；回顾人工智能发展的路线图深度学习机器学习人工智能人工智能、机器学习和深度学习三者之间的关系，后者属于前者。时下火热的深度学习是机器学习下的一分支，其所搭建的多层神经网络，其实是由最早的神经元模型演化而来的。1.1 人工智能的定义何谓人工智能；追溯人工智能的产生和发展；人工智能、机器学习和深度学习；1.2 神经网络的发展历程；从神经元模型到深度学习；1.3 深度学习的机遇和挑战；6Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告神经网络的发展历程；早在 1943年计算机发明之前便有了第一个 M-P神经元模型，在这个模型中，神经元接收来自 N个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比对，然后通过激活函数产生神经元的输出。1958年提出的单层感知机是在 M-P神经元上发展得来，有输入和输出两层神经元搭建而成，能解决 “ 与、或、非 ” 这些简单的线性问题，却在 1969年遭遇人工智能奠基者之一的Minsky写书的质疑。单层感知机确实解决不了异或问题，但堆叠成的多层感知机（ Multilayer Perception，MLP）可以，也就是我们说的多层神经网络，它将一步完成不了的东西给拆分成多步完成，在这中间利用算法从大量训练样本中学习出统计规律，从而对未知事件进行预测。所谓深度学习， 狭义地说 就是很多层的神经网络，在若干的测试和竞赛上，尤其涉及语音、图像等复杂对象的应用中，深度学习技术取得了优越的性能。以往机器学习想要在人工智能发展路线图M-P神经元模型；单层感知机；多层感知机；深度学习神经网络（ Deep Neural Network， DNN） ;卷积神经网络（ Convolutional Neural Network， CNN） ;递归神经网络（ Recurrent Neural Network， RNN）；1.1人工智能的定义何谓人工智能；追溯人工智能的产生和发展；人工智能、机器学习和深度学习；1.2神经网络的发展历程；从神经元模型到深度学习；1.3深度学习的机遇和挑战；回顾人工智能发展的路线图7Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告应用中取得好的性能，对使用者的要求门槛较高，而深度学习技术基于复杂模型之上，使用者只要下功夫去 “ 调参 ” ，调好参数性能往往就好，对使用者的门槛大大的降低了。深度学习的机遇；深度学习是机器学习的一种，本质上都是在统计数据 ，并 从中归纳出模型。实际上，神经网络存在已久，深度学习的多层模型比起浅层模型，在参数数量相同的情形下，深层模型具有更强的表达能力。如果将大数据比作水、计算力比作 输送水的工具 ，是 GPU等采用水管来替代勺子更高效地增大 了 灌水量 （提高运算速度） ，是深度学习算法训练出来的深层模型这个容器加大了水量的装载力，极大地提高了效率。这样的工程方法产生之后，深度学习搭建的深度神经网络成为了工业界实用的武器，并且在若干领域都带来了里程碑式的变化。深度学习 的挑战；深度学习是近 20年以来曝光度最高的技术，但它不是人工智能的全部创新，它的创新发生在上世纪 80年代末，也就是人工智能的多层神经网络技术热潮，当时之所以没有成功，甚至还经历了 10多年的寒冬期，背后的原因是因为当时没有像现在大量的数据、也没有现在高性能的计算 力 做大量的运算。1.1人工智能的定义何谓人工智能；追溯人工智能的产生和发展；人工智能、机器学习和深度学习；1.2神经网络的发展历程；从神经元模型到深度学习；1.3深度学习的机遇和挑战；大数据GPU等使运算加快浅层模型到深层模型回顾人工智能发展的路线图8Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告另外深度学习也存在缺陷。中国科学院数学与系统科学研究院数学研究所研究员、复旦大学教授陆汝铃在为机器学习一书撰写序言的时候提及，一是深度学习的理论创新还不明显；二是因为目前的深度学习只适用于神经网络。再有就是它的不可解释性，深度学习从原始的输入信息到提取特征到输出信息的过程是一个黑盒子，缺乏可解释性 。有 业界人士 认为 ， “如何将深度学习过程和人类已经积累的大量高度结构化知识融合，发展出逻辑推理甚至自我意识等人类的高级认知功能，是下一代深度学习的核心理论问题“ 。但也有人认为“人工智能不是人类智能，机器超过人脑并不需要模仿人脑，正如人消灭大型猛兽并不是通过更有力气或 更锋利的 爪子。人工智能最大的作用不是模仿人类，而是把人类智力劳动中可机械化的部分机械化。再者机器的长处是个体之间的教育成本极低，交流速度极快。人和人之间交流信息的速度只有几个比特每秒，机器比这快几百万倍。机器根本不需要和人拼计算能力，只要拼进化速度，在自然选择中必然会出现一种 杀手机器 。”1.1人工智能的定义何谓人工智能；追溯人工智能的产生和发展；人工智能、机器学习和深度学习；1.2神经网络的发展历程；从神经元模型到深度学习；1.3深度学习的机遇和挑战；回顾人工智能发展的路线图9Artificial Intelligence Summary Report亿欧智库 :人工智能产业综述报告CHAPTER 2冷静审视人工智能技术的本质2.1 总览人工智能技术图谱；2.2 计算机视觉技术；什么是计算机视觉？计算机视觉识别技术的分类；计算及视觉技术的识别流程；计算机视觉技术模式图和对应企业图；2.3 语音识别技术；什么是语音识别？语音识别流程；语音识别技术模式图和对应企业图；2.4 自然语言理解技术；什么是自然语言理解？自然语言理解的应用：搜索引擎和机器翻译；10