人工智能未来发展趋势研究分析

人工智能未来发展趋势研究分析

人工智能研究什么？

让计算机能够像人一样感知，决策与行动

感知

能对周围的环境进行感知，看懂周围的物体、文字，听懂周围的声音，理解接触到的语言。

输入

视觉（计算机视觉）

听觉（语音分析）

语言（自然语言处理NLP）

决策

理解输入的内容并做出相应的决策

处理

图像识别（车辆，人脸识别）推荐（音乐，图书）

预测（天气，股市，汇率）

行动根据决策做出相应的行动

反馈

无人车自动避障

抓拍违章车辆

处理异常金融交易行为

如何理解当下人工智能的爆发

硬件的发展GPU的广泛应用支撑了这一轮的人工智能爆发，深度学习是其中

主角过去几年，尤其是2015年以来，人工智能开始大爆发。很大一部分是由于GPU的广泛应用，使得并行计算变得更快、更便宜、更有效。

深度学习的应用得益与GPU的发展，深度学习有

了实质性的进步深度学习起源于20世纪80年代

由于其需要大量的数据和巨大的计算量一直停滞不前

2007年，Nvidia提出GPU加速计算2010年，深度学习开始爆发

深度学习

多层人工神经网络

需要极大的数据量和极大的计算

量

AlphaGo 深度强化学习AlphaGo整合了当下发展最迅猛的强化学习和深度学习，借助Google强大的计算能力，打造了AlphaGo

AlphaGo在卷积神经网络（CNN）的基础上搭建了策略网络和估值网络，能够有效地评价当前局面及选择最有利的走子策略

策略网络和估值网络蕴含智慧

风格迁移

Prisma背后的技术

让每个人都可以成为艺术家风格迁移是一种可以将一副画作的风格运用到另一幅画作上的技术

这体现了人工智能对图像的感知能力

基于TensorFlow的风格迁移示例

硬件的发展支撑了深度学习技术在图像识别等领域的发展，引发了本轮人工智能的爆发

如何把握人工智能的未来走向

将深度学习应用

到更多领域不止局限于图像与语音识别更为广泛地应用到语音识别，自然语言处理，商品推荐，精准营销，股票高频交易，贷款审批，金融欺诈监控，辅助医疗等各个方面。

自然语言处理将是下一个战场Nature Language Processing

（NLP）在具有成熟的语音识别技术之后，如何能让计算机理解人类语言将成为各大科技公司竞争的焦点。

语音将成为人与机器交互的窗口，如何准确理解语言至关重要。

Siri，Google Assistant，Cortana都在抢占这一入口。

无人驾驶汽车的

兴起

现在仍处于充满风险与未知的时期，如特斯拉的悲剧无人驾驶汽车涉及到了人工智能，机械及控制系统等非常宽的领域

随着各种相关技术的成熟以及传感器价格的下降

无人驾驶汽车技术将在5年后趋于成熟，10年后可能真正实现可靠的应用

人工智能将走入

家庭

智能家居将逐步实现随着Google Home等各种智能硬件的问世，人工智能将不只应用于工业领域。AI将会融入我们的日常家庭生活。

如何利用当下人工智能的机会

利用当前AI资源的短缺提供服务AI的爆发将引起对相关人才和计算资源的的巨大需求对于企业可以考虑：

提供大数据计算能力服务（云计算服务）

提供AI算法，数据分析服务（出售AI 相关API服务）

提供AI咨询服务，提供AI团队搭建服务

AI金融服务预期规模达340-4302亿美元机器学习和人工智能在金融服务行

业有广泛的应用,随着数据集的丰富，AI可以用于投资决策、信贷风险概况等，利用更少的时间处理更为丰富

全面的市场信息，提供专业可观，

甚至更准确的分析。

AI医疗服务每年能省540亿美元机器学习在医疗方面的可用性非常广，能够提供实时监测，帮助发现高回报的技术和药物，帮助测试分析、优化治疗。

运用AI和大数据，将能在医疗领域取代专家，实现巨大经济价值

利用现有技能切入AI行业

在未来三年内分享AI爆发红利利用已有的统计学，线性代数，微积分等数理知识，可以快速切入AI行业

利用各种开源算法库以及云平台，在工作中进行数据挖掘，实现人工智能

掌握AI动态，利用AI技术优化现有业务

思考：如何认识和面对人工智能

人工智能诞生不过60年，机器学习也仅30多年

人工智能其实仍处于早期发展阶段，前景依然广阔，有太多内容值得我们去探索

人工智能将在我们的有生之年深入我们的生活，对人工智能的理解将成为我们的必备知识

我们既不应该轻视人工智能，也不应该过度高估和迷信

人工智能的发展是迅速的，然而很多情况下，人不应该依赖机器

人工智能应该是将人从简单的重复劳动中解放出来，去从事更有创造性的工作

理解和运用人工智能，更好地服务于创新，而不是被其取代