文档库 最新最全的文档下载
当前位置:文档库 › 36KE 人工智能行业研究报告

36KE 人工智能行业研究报告

36KE 人工智能行业研究报告
36KE 人工智能行业研究报告

人工智能行业研究报告

36氪研究院

2017.2

36Kr-人工智能行业研究报告2017年2月

定义与研究范围

涵盖AI 基础技术及终端产品

研究范围:

人工智能是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能,均可认为使用了人工智能技术。作为一种基础技术,人工智能在很多行业都有用武之地。既有人工智能+基础行业的概念(如人工智能+金融=Fintech ),也有其具体应用行业的概念(比如机器人)。按照技术应用的不同场景,可以将人工智能分为基础技术类及终端产品类,本报告研究范围涵盖以下领域:

研究目的:

本报告将集中探讨:

?人工智能行业整体的发展现状与技术发展趋势?各细分领域投融资热度与技术成熟度?巨头在人工智能领域的布局与策略

?各应用领域市场规模、竞争格局、进入壁垒、产业链上下游构成?行业标杆的商业模式、核心竞争力、未来发展预期

语义识别

芯片计算机视觉语音识别机器人

智能金融智能医疗智能安防智能家居

终端产品

基础技术

注释:自动驾驶行业是AI 的一个重要分支,关于该领域的研究讨论请参见36氪研究院系列报告《自动驾驶行业研究报告》。

行业分析师曹婷

caoting@https://www.wendangku.net/doc/f115554017.html,

相关研究报告:

《自动驾驶行业研究报告》2017.2《机器之眼,看懂世界:计算机视觉行业研究报告》2016.9

《科技炼金,融汇未来:金融科技行业研究报告》2016.8

一、人工智能行业概述

一、人工智能行业驱动力

1.行业驱动——数据量、运算力、算法技术

2.政策法规

3.投资热度

国际投资热度分析

国内投资热度分析

国内公司运营数据分析

二、人工智能产业链与巨头布局分析

1.产业链构成

2.巨头布局

开源平台布局

芯片布局

技术布局

三、人工智能基础应用介绍与典型公司分析

1.语音识别

2.语义识别

3.计算机视觉

五、人工智能在各行业的应用介绍与典型公司分析

1.机器人

2.AI+金融

3.AI+医疗

4.AI+安防

5.AI+家居

六、人工智能芯片介绍与典型公司分析六、人工智能行业趋势展望

1.人工智能各行业综述

2.人工智能当前发展瓶颈

四、人工智能芯片介绍与典型公司分析

1.

人工智能芯片适用性分析

GPU FPGA ASIC

2.人工智能芯片产业链分析

3.

人工智能芯片典型公司分析

CHAPTER 1

人工智能行业概述

?行业驱动——数据量、运算力、算法技术?政策法规

?投资热度

国际投资热度分析

国内投资热度分析

国内公司运营数据分析

数据量、运算力和算法模型是影响人工智能行业发展的三大要素。2000年之后,数据量的上涨、运算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。?海量数据为人工智能发展提供燃料

要理解数据量的重要性,得先从算法说起。数据量和算法可以分别比作人工智能的燃料和发动机。算法是计算机基于所训练的数据集归纳出的识别逻辑,好的算法模型可以实现精准的物体和场景识别。数据集的丰富性和大规模性对算法训练尤为重要。因此可以说,实现机器精准视觉识别的第一步,就是获取海量而优质的应用场景数据。以人脸识别为例,训练该算法模型的图片数据量至少应为百万级别。

2000年以来,得益于互联网、社交媒体、移动设备和廉价的传感器,这个世界产生并存储的数据量急剧增加,这为通过深度学习的方法来训练计算机视觉技术提供很好的土壤。IDC 数据显示,从2011年起,全球所产生的数据量已达到ZB 级别(1ZB 约为10亿GB ),海量的数据将为计算机视觉算法模型提供远远不断的素材。而关于数据量对提高算法准确率方面的重要性,更有学者提出:“It’s not who has the best algorithm that wins. It’s who has the most data.”

行业驱动力· 数据量

海量数据为人工智能发展提供燃料

大数据训练模型

应用于具体场景

算法模型场景应用

010********数据量与准确率之间的关系

2009-2020年全球总体数据量(单位:ZB )

0%

10%20%30%40%50%

60%70%80%90%100%1002003004005006007008009001000

准确率

测试字符数量

Window Memory-Based 1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

人工智能领域是一个数据密集的领域,传统的数据处理技术难以满足高强度、大数据的处理需求。AI 芯片的出现让大规模的数据效率大大提升,加速了深层神经网络的训练迭代速度,极大的促进了人工智能行业的发展。

AI 算法的处理需要大量的矩阵计算操作,因此特别适合使用并行运算芯片进行数据处理。而传统的CPU 一次只能同时做一两个加减法运算,无法满足并行运算的需求。目前,出现了GPU 、NPU 、FPGA 和各种各样的AI-PU 专用芯片。而其中,出现最早的GPU 为人工智能的发展做出了巨大的贡献。

擅长并行计算的GPU 大幅提升机器学习效率。在GPU 出现之前,算法运行的速度是很慢的,即使是一个简单的神经网络数据的培训,也得花费几天、甚至几周的时间。1999 年,Nvidia 公司在推销Geforce 256 芯片时,提出了GPU (图像处理器) 概念。GPU 是专为执行复杂的数学和集合计算而设计的数据处理芯片。它的出现让并行计算成为可能,对数据处理规模、数据运算速度带来了指数级的增长,极大的促进人工智能行业,尤其计算机视觉领域的发展。

GPU 与传统CPU 相比,在处理海量数据方面有压倒性的优势。据Rajat Raina 与吴恩达的合作论文“用GPU 进行大规模无监督深度学习”显示,在运行大规模无监督深度学习模型时,使用GPU 和使用传统双核CPU 在运算速度上的差距最大会达到近七十倍。在一个四层,一亿个参数的深度学习网络上,使用GPU 将程序运行时间从几周降低到一天。

今天,数据处理速度不再成为制约计算机视觉发展的主要瓶颈。想要发挥专用芯片的计算优势,需要芯片结构和软件算法两者相匹配。目前的趋势是,随着对人工智能各类应用需求的不断增强,专门行业驱动

· 运算力

运算力的提升大幅推动人工智能发展

世界上第一款

GPU-GeForce 256中科寒武纪即将投产的“寒武纪”NPU Altera 的高端FPGA 产品Stratix 10

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

在深度学习出现之前,机器学习领域的主流是各种浅层学习算法,如神经网络的反响传播算法(BP 算法)、支撑向量机(SVM )、Boosting 、Logistic Regression 等。这些算法的局限性在于对有限样本和计算单元的情况下对复杂函数的表示能力有限,对复杂数据的处理受到制约。以计算机视觉为例,作为一个数据复杂的领域,浅层学习算法的识别准确率并不高。该类识别原理多为通过寻找合适的特征来让机器辨识物品状态,由于这个处理逻辑是浅层的,不能穷举各种复杂的情境,因而算法拟合的准确率不高。

深度学习突破人工智能算法瓶颈。2006年,Geoffrey Hinton 和合作者发表论文,“A fast algorithm for deep belief nets”,此后“Deep Learning (深度学习)”的概念被提出。

以计算机视觉为例,深度学习出现之前,基于寻找合适的特征来让机器辨识物体状态的方式几乎代表了计算机视觉的全部。尽管对多层神经网络的探索已经存在,然而实践效果并不好。深度学习出现之后,计算机视觉的主要识别方式发生重大转变,自学习状态成为视觉识别主流。即,机器从海量数据库里自行归纳物体特征,然后按照该特征规律识别物体。图像识别的精准度也得到极大的提升,从70%+提升到95%。

在短短几年时间里,深度学习颠覆了语音识别、语义理解、计算机视觉等基础应用领域的算法设计思路,逐渐形成了从一类训练数据出发,经过一个端到端的模型,直接输出最终结果的一种模式。由于深度学习是根据提供给它的大量的实际行为(训练数据集)来自我调整规则中的参数,进而调整规则,因此在和训练数据集类似的行业驱动力· 算法

深度学习突破人工智能算法瓶颈

72.00%

74.50%

84.70%

89.00%

93.00%

95.00%

60%

70%

80%90%100%

201020112012201320142015

2010-2015年ImageNet 比赛图像识别准确率

注释:ImageNet 是计算机视觉系统识别项目。来源:36氪研究院

过去现在未来

Google translate 语义识别准确率

60%

83.4%

注释:Google translate 是语义识别项目。来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?

其他国家人工智能相关政策

各国均在政策层面强调和推动人工智能的发展。其中,美国侧重于研发新型脑研究技术;欧盟主攻以超级计算机技术来模拟脑功能;日本则聚焦以动物为模型研究各种脑功能和脑疾病的机理。

政策法规·国外

政策加码,人工智能发展如火如荼

国家相关措施

美国

?2013 年4 月,美国正式公布“推进创新神经技术脑研究计划”(BRAIN )。得到政府拨款1.1 亿美元,覆盖美国国家卫生研究院(HIN )、国防部高级研究项目局、国家科学基金会。?2014 年HIN 小组制定了未来十年详细计划,预计每年投入3-5 亿美元开发用于监测和映射大脑活动和结构的新工具,十年计划共花费45 亿美元。

欧盟

2013 年初,欧盟宣布了未来十年的“新兴旗舰技

术项目”——人脑计划(HBP ),该项目汇聚了来自24 个国家的112 家企业、研究所和高校等机构,总投资预计将达到12 亿欧元。计划在2018 年前开发出第一个具有意识和智能的人造大脑.

日本

2014 年9 月启动大脑研究计划Brain/MINDS 。该计划为期10 年,由日本理化学研究所主导实施,旨在理解大脑如何工作以及通过建立动物模型,研究大脑神经回路技术,从而更好地诊断以及治疗大脑疾病。

来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?国内人工智能相关政策

国内近几年也出台了相关扶植人工智能发展的政策,积极推动人工智能在各个细分领域的渗透。2016年5月,国家四部委更是颁布《“互联网+”人工智能三年行动实施方案》,明确提出要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平。

政策法规·国内

政策加码,人工智能发展如火如荼

实施时间

颁布主体

法律法规

相关内容

2015.5国务院《中国制造2025》

提出“加快发展智能制造装备和产品”,指出“组织研发具有深度感知、智慧决策、自动执行功能的高档数控机床、工业机器人、增材制造装备等智能制造装备以及智能化生产线,统筹布局和推动智能交通工具、智能工程机械、服务机器人、智能家电、智能照明电器、可穿戴设备等产品研发和产业化。”

2015/7/4国务院

《国务院关于积极推进“互联网+”行动的指导意见》明确提出人工智能作为11个重点布局的领域之一,促进人工智能在智能家居、智能终端、智能汽车、

机器人等领域的推广应用。

2015/7/9

中央办公厅、国务院《关于加强社会治安防控

体系建设的意见》

加大公共安全视频监控覆盖,将社会治安防控信息

化纳入智慧城市建设总体规划,加深大数据、云计

算和智能传感等新技术的应用。

2016.1国务院

《“十三五”国家科技创新规划》智能制造和机器人成为“科技创新-2030 项目”重

大工程之一。

2016/3/18国务院

《国民经济和社会发展第

十三个五年规划纲要(草案)》

人工智能概念进入“十三五”重大工程。

2016/5/18国家发展改革

委、科技部、

工业和信息化

部、中央网信

《“互联网+”人工智能三年行动实施方案》明确了要培育发展人工智能新兴产业、推进重点领

域智能产品创新、提升终端产品智能化水平,并且

政府将在资金、标准体系、知识产权、人才培养、

国际合作、组织实施等方面进行保障。

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?融资规模与成立公司数量总览

咨询公司Venture Scanner 统计,截止2016年Q2,全球人工智能公司已突破1000家,跨越13个子门类,融资金额高达48亿美元。而人工智能创投金额在5年间增长了12倍。

投资热度· 全球

全球AI 领域融资金额5年增长12倍

$62$96$66$68$64$138$125$102$186$283$211$141$321$555$394$942$769$398$911$485$636$1,049

11

21

13

22

20

38

3738

43

50

63

47

7077

84

80

92

84

120

100

134

121

$0

$200$400$600$800$1,000$1,2000

204060

801001201401602011Q1-2016Q2 全球人工智能行业融资规模(百万美元)

投资额成交量

11

10

4

8

5

17

25

36

49

42

6298

100

116

7021

20

4060801001201402000200120022003200420052006200720082009201020112012201320142015

2000-2015年成立的人工智能公司数量

来源:Venture Scanner ,36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?人工智能在各细分领域的热度

应用场景扩展方面,机器学习、计算机视觉、自然语言处理、智能机器人、手势控制是应用范围较为广泛的几个领域。

?机器学习是一类通用的技术,广泛应用于广告、媒体、消费等行业,并且需求不断增加,未来还将快速渗入医疗、制造、金融、教育业,对众多传统行业形成巨大冲击。?计算机视觉和自然语言处理作为主要的感知技术,应用范围很广。计算机视觉主要用于安防监控系统、无人驾驶、机器人、工业制造、医药、教育和娱乐业等。自然语言处理可用于穿戴设备、智能家居、智能汽车、智能教育、智能金融等领域。

投资热度· 全球

深度学习、自然语言处理和计算机视觉为创业最火热领域

细分领域名称

活跃创新企业数量

创新企业平均年龄

融资总额(亿元)

深度学习/机器学习(通用)12065深度学习/机器学习(应用)260520自然语言处理(通用)

15077语音识别

7062计算机视觉/图像识别(通用)10075计算机视觉/图像识别(应用)

8073手势控制308 2.5虚拟私人助手906 2.5智能机器人6074推荐引擎和协助过滤算法

651情境感知计算30610

51015人工智能企业平均融资额前五名

平均融资额(百万美元)

24

6人工智能企业最为“年轻”五个领域

年龄中位数

来源:Venture Scanner ,36氪研究院

来源:Venture Scanner ,36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

国内人工智能投资热度:?

成立公司数量

从1996年至今,国内至今仍在运营的人工智能公司有366家。通过数据分析可以看出,计算机视觉、机器人、自然语言处理是创业最热门的领域。

?获投金额

从我们收集到的数据来看,2015-2016年人工智能领域获投金额在90亿人民币左右。由于我们的统计是基于已经披露了被投金额的交易,且单个公司是按照最近一次获投金额计算,故这一数值将小于该领域获投规模,仅供参考。

可以看到,获投最多的细分领域有自然语言处理、机器人、计算机视觉,均在十亿以上人民币的级别。

投资热度· 国内

获投最多领域为NLP 、机器人和计算机视觉

28.42

20

15.6

8.1

7

6.1

5.61

4.7

2.2

51015202530

人工智能公司获投金额

96

92

77

38

26

15

109

5

3

20406080100120各领域人工智能公司数量

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?获投公司数量

从我们收集到的数据来看,2015-2016年人工智能领域获投公司数量为226个,平均单个公司获投金额为4000万人民币左右。由于我们的统计是基于已经披露了被投金额的交易,故获投公司数量将小于真实值,仅供参考。

可以看到,获投公司数量最多的细分领域有机器人、自然语言处理、计算机视觉,基本和获投金额一致。

?平均获投金额分析

通过数据分析可以看到,智能安防、智能家居为平均单个公司获投金额最高的领域,平均获投金额在一亿以上。智能安防领域的获投企业均是人工智能领域的明星企业,如旷视科技、商汤科技等。

投资热度· 国内

平均单个公司获投金额为4000万

58

53

48

22

18

12

8

6

4

1

102030405060

70人工智能公司获投公司数量(单位:个)

17500

13500

5920

4675

3448

2943 2772 2750 2611

1000

5000

1000015000

20000平均单个公司获投金额(单位:万元)

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?获投比例分析

从获投公司数量来看,机器人、计算机视觉、自然语言处理是获投公司数量(即,披露了融资信息的公司)最多的领域,分别为58个,53个,48个,占到该领域公司的一半以上;从对比图来看,智能金融、深度学习、智能医疗、智能家居、智能安防为获投比例最高的领域。

?获投公司融资轮次分布

通过数据分析可以看到,获投公司融资轮次整体偏中期,公司融资阶段集中在天使轮、Pre-A 轮和A 轮,C 轮之后的公司较少。

投资热度· 国内

获投公司偏早期,C 轮后公司较少

53

58

48

22

18

12

8

6

4

1

204060

80100120各领域公司获投情况(单位:个)

未披露融资信息

披露融资信息

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

3

105

23

96

33

4

1

1

8

20406080100120种子轮

天使轮

Pre-A 轮

A 轮

B 轮

C 轮

D 轮

E 轮

并购

获投公司融资轮次分布

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

?各领域获投公司融资轮次分布

从我们收集到的数据来看,机器人、计算机视觉、智能驾驶、自然语言处理是获投公司数量最多的四个领域;分析这四个领域创业公司的融资轮次特点可以看到,机器人和计算机视觉的获投企业中处于天使轮的最多,而智能驾驶和自然语言处理的获投企业中A 轮企业最多;这四个领域获投企业中B 轮企业均占据一定比例;智能驾驶、自然语言处理的投资更趋于中后期。

?融资Top 公司获投金额:

投资热度· 国内

明星公司单次融资额在亿元级别

公司名称成立年份融资轮次人民币融资

数额公司名称

成立年份融资轮次

人民币融资数额优必选2012B 轮 6.6亿猿题库2013D 轮 2.6亿Roobo 智能管家2014A 轮 6.6亿中译语通2013B 轮 2.5亿云知声2012B 轮 3.3亿百融金服2014B 轮2亿学霸君2013

B 轮

3.3亿

达闼科技

2015

种子轮

2亿

10

203040506070机器人计算机视觉智能驾驶

自然语言处理

各领域公司获投公司融资阶段分布

天使轮

Pre-A 轮

E 轮

D 轮

C 轮

B 轮

A 轮

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

公司运营状况分析

2011年后AI 创业兴起,2014、2015迎来创业高峰

?各细分领域公司数量分析

从1996年至今,国内至今仍在运营的人工智能公司有366家。机器人、计算机视觉、自然语言处理是创业热度最高的领域。

?人工智能总体领域公司成立时间分析

从我们收集到的数据来看,2015-2016年人工智能领域在2011年之后迎来了创业热潮,在2014、2015年达到创业高峰,企业平均年龄为3.2 岁。

1

1

2

3

2

1

2

6

5

3

3

11

8

222650

9899

23

20406080100120人工智能公司逐年成立数量

58

53

48

22

18

12

8

6

4

1

10203040506070人工智能公司获投公司数量(单位:个)

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

公司运营状况分析

智能安防、计算机视觉公司平均成立年龄最久

?各领域创业公司平均年龄

通过数据分析可以看到,智能安防、计算机视觉领域的创业公司年龄最大,智能金融、芯片领域的公司大部分成立时间不久。

?机器人领域公司成立时间分析

机器人领域至今仍在运营的创业公司最早在2005年出现,在2014、2015年迎来创业高潮,与人工智能整体领域趋势基本一致;创业公司平均年龄为2.8岁。

2

1

2

3

6

6

14

25

26

7

51015202530

200520062007200820092010201120122013201420152016

机器人公司逐年成立数量

4.6

3.9

3.8

3.6

3.4

2.7

2.6

2.2

2.1

1

0.511.522.533.544.55各领域创业公司平均年龄

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

1

1

2

2

2

2

1

5

1

8

9

12

26

21

3

51015202530

计算机视觉公司逐年成立数量

公司运营状况分析

CV 、NLP 企业平均年龄为3-4岁

?计算机视觉领域公司成立时间分析

计算机视觉领域至今仍在运营的创业公司最早在1997年出现,在2011年之后快速增长,2014、2015年迎来创业高潮,与人工智能整体领域趋势基本一致;创业公司平均年龄在3.9岁。

?自然语言处理领域公司成立时间分析

自然语言处理领域至今仍在运营的创业公司最早在2000年出现,在2011年之后快速增长,2014年迎来创业高潮,与人工智能整体领域趋势基本一致;企业平均年龄为3.4岁。

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1

2

1

2

4

2

5

9

12

21

15

3

510152025自然语言处理公司逐年成立数量

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

2

3

8

12

1

2468101214

20062007200820092010201120122013201420152016

深度学习领域公司逐年成立数量

1

1

1

1

1

3

1

6

6

14

3

246810121416智能驾驶公司逐年成立数量

公司运营状况分析

自动驾驶领域2014年迎来创业热潮

?自动驾驶领域公司成立时间分析

自动驾驶领域至今仍在运营的创业公司最早在1997年出现,在2011年之前增长非常缓慢,2014年迎来创业高潮,与人工智能整体领域趋势基本一致;创业公司平均年龄为3.8岁。

?深度学习领域公司成立时间分析

深度学习领域至今仍在运营的创业公司最早在2006年出现,这与深度学习实现突破的时间点一致,创业热潮出现在2015年,企业平均年龄为2.2岁。

注释:2016年数据统计截止至2016.10.31来源:36氪研究院

1.1行业驱动---数据量运算力算法技术1.2 政策法规1.3 投资热度

全球投资热度国内投资热度国内公司运营数据分析

未来科技五年人工智能行业产业发展趋势分析最新竟争力资料

未来科技五年人工智能行业产业发展趋势分析最新竟争力

未来科技五年人工智能行业产业发展趋势分析 最新竟争力 人工智能产业是智能产业发展的核心,是其他智能科技产品发展的基础,国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。以下对人工智能行业发展趋势分析。 中国和美国目前是全球人工智能产业发展的领导者,仅在2015年,两国在学术期刊上发表的AI相关论文接近1万篇,而英国、印度、德国和日本加起来才大约相当于中美的半数。2017-2022年中国人工智能项目行业市场深度调研及投资战略研究分析报告表明,中国有着全球最多的数据量,拥有巨大应用市场,正在围绕AI构建完善的产业生态链。我们有理由相信,AI将成为企业跨部门业务发展的“颠覆者”,渐趋成熟的AI技术正逐步向“AI+”进行转变。我国将在AI关键技术领域获得重大突破,推动关键场景应用逐步走向成熟。 趋势一政策体系加速完善 一直以来,我国高度重视人工智能技术创新和产业发展,当前随着全球人工智能产业的快速成长,一些主要发达国家纷纷出台人工智能相关战略文件,力争在新的科技浪潮中抢占制高、规避风险。美国、英国等相继出台了《国家人工智能研究和发展战略计划》等报告,不断完善人工智能顶层设计。我国也围绕《中国制造2025》和“互联网+”行动计划出台了一系列支持人工智能技术创新和产业发展的政策文件,如2016年5月由国家发改委、工信部等多部委联合发布的《“互联网+”人工智能三年行动实施方案》等。在国务院发布的《“十三五”国家战略性新兴产业发展规划》中,也提到要培育人工智能产业

生态,促进人工智能在经济社会重点领域推广应用。今年,我国人工智能产业发展的政策支撑力度有望进一步加强。一方面,借鉴美国、英国等的人工智能国家战略,预计我国也将发布聚焦于人工智能的国家战略文件,对未来人工智能技术和产业发展制定顶层设计。另一方面,科技部、国家发改委、工信部等相关部门也将有望发布人工智能相关的政策文件,从技术研发、产业培育等角度做出具体的部署,实施一批大型项目。此外,围绕标准、安全等特定议题,相关的政策研究与制定也将有望取得积极进展。 趋势二产业规模快速增长 自2006年深度学习算法提出以来,语音和视觉识别准确率得到大幅提升,人工智能进入到了第三次高峰期。当前,在技术突破和应用需求的双重驱动下,人工智能技术已走出实验室,加速向产业各个领域渗透,产业化水平大幅提升,人工智能产业发展正处在黄金期。根据初步测算,2016年,全球人工智能市场规模约为1680亿元,我国人工智能市场规模约为98亿元。今年,随着我国软件与互联网技术向各行各业的持续深入以及云计算、大数据、物联网等相关产业的不断进步,人工智能产业市场规模将持续扩大,预计人工智能及其相关产业发展增速将超过40%。从细分行业来看,语音服务相关技术和模型将趋于成熟,围绕智能语音的行业应用将不断加速,市场逐渐打开,成为人工智能产业发展的主要方向。图像处理等计算机视觉技术将随着训练数据的快速累积实现大的突破,而面向各个行业领域的专业化智能服务则将创造出新的市场空间,有望造就新的行业领军者。 趋势三关键技术取得突破

人工智能行业研究分析报告

概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机,到计算机拥有能够自己去学习的能力,这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季(图8)到来之前的「给予承诺又让人失望」的周期,但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。

与此同时,人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始,而是一个拐点。正如我们将在本报告中探讨的那样,那个变化的缘故有显而易见的(更快更强的计算资源和爆炸式增长的数据库),也有细致入微(深度学习,专有硬件和开源的崛起)的。 那个 AI 拐点(AI inflection)中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高,比如苹果公司的Siri,亚马逊的 Alexa 和 Google 的图像识不,然而 AI 不仅仅是「科技技术」(tech for tech),也确实是大数据集与足够强大的技术相结合的情况下,价值正在被慢慢创建,竞争优势也变得越来越明显。 例如,在医疗保健中,图像识不技术能够提高癌症诊断的准确性。在农业中,农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中,深度学习能够用于改善药物的研发。在能源方面,勘探效率正在提高,设备可用性正在不断增强。在金融服务方面,通过开发新的数据集,实现更快的分析,从而降低成本,提高回报。AI 现在还处于发觉其可被利用场景的早期时期,这些必要的技术会通过基于云的服务实现大众化、平等化,我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。

人工智能的发展现状与前景探析

人工智能的发展现状与前景探析 大数据、人工智能、物联网等,这些新网络时代名词每天都会充斥在我们眼前,其实这些名词早已存在数十年之久,可今天仍然会成为各大新闻媒体争相报道内容。本文就目前人工智能的发展给各领域带来的进步和影响普通生活的各个方面进行深入的探讨,结合生活中相关人工智能的生活体验,对人工智能的发展前景提出一些观点,希望对人工智能热爱和感兴趣以及专业涉及的人工智能专业的人们提供一些参考。 标签:人工智能;发展现状;前景 1 引言 随着互联网时代的到来,我国各行各业对于智能化的需求越来越大,其更多的还是作为技术的载体来推动各个行业智能化的应用。在这一过程中,人工智能技术得到了迅猛的发展,并且和各个行业的结合也是更加的紧密。 2 人工智能技术的发展历程和方向 2.1人工智能技术的兴起 早在20世纪50年代,人工智能概念就已经被提出来了,随后很多的研究学者对其进行深入研究,并且取得了一定的成果,具体表现在LISP表处理语言编写等方面。不过这一项技术涉及到很多的学科领域,由于其他技术的发展没能跟上脚步,并且还受到很多解法推理能力的限制,进而导致很多的机器不能够实时翻译,这一问题的存在也就使得人工智能技术的发展陷入困境。 2.2人工智能技术的发展高潮 经过早期短暂的低谷期之后,各个研究学者对于人工智能技术的研究依旧没有放弃,一直到20世纪70年代,经过坚持不懈的努力,部分研究人员成功的研发出了较为良好的人工智能专家系统,正是这一发明将其技术研究工作推向了高潮。 2.3人工智能技术的应用分析 自知识工程含义提出之后,各种商业化的智能系统以及专家系统不断的产生,并且在世界范围内得到了广泛的应用。人工智能技术在相关领域中的应用创造出非常高的价值,不过由于专家系统自身的局限性,进而使得其再一次的受到严峻的挑战。 2.4人工智能技术的发展方向

人工智能期末考试卷(1)评分标准及标准答案

(此文档为Word格式,下载后可以任意编辑修改!)试卷装订封面 人工智能期末考试卷(1) 一、填空题(每空1分,共10分)

1智能具有五个特征,分别为① 学习能力、自适应能力、 ②记忆与思维能力、表达能力和感知能力。 2. 机器的③ 感知能力是让机器自动获取知识的基本条件,而知识的自动 获取一直是智能系统研究中最困难的问题之一。 3?从研究的角度不同,对人工智能的研究可分两大阵营:④ 联接和 ⑤符号。其中⑤符号的理论基础为数理逻辑。 4. ⑥问题规约方法是一种将复杂问题变换为比较简单的子问题,子问题再转换为更简单的 子问题,最终将问题转换为对本原问题的知识表示方法。 5. 鲁宾逊提出了⑦归结原理使机器定理证明成为可能。 6. 当某个算符被认为是问题求解的决定步骤时,此算符为⑧关键算符。 7. 宽度优先搜索与深度优先搜索方法的一个致命的缺点是当问题比较复杂是可 能会发生⑨组合爆炸。 8. 语义网络⑩方法是1968年由J.R.Quilian 在研究人类联想记忆时提出的心 理学模型。1972年,Simon首先将⑩用于自然语言理解系统。 二、简答题(共30分) 1. 什么是A*算法的可纳性?(4分) 答:在搜索图存在从初始状态节点到目标状态节点解答路径的情况下,若一个搜索法总能找 到最短(代价最小)的解答路径,则称算法具有可采纳性。 2. 在一般图搜索算法中,当对某一个节点n进行扩展时,n的后继节点可 分为三类,请举例说明对这三类节点的不同的处理方法。(8分) 答: 把SNS中的子节点分为三类:(1)全新节点,(2)已出现于OPEN表的节点,(3 )已 出现于CLOSE表的节点;/后二类子节点实际上意味着具有新老两个父节点;(3分)*加第1类子节点于OPEN表,并建立从子节点到父节点n的指;(1分) *比较第2类子节点经由新、老父节点到达初始状态节点s的路径代价,若经由新父节点的代价较小,则移动子节点指向新父节点(2分) ?对于第3类子节点作与第2类同样的处理,并把这些子节点从CLOSE 表中移出,重新加入OPEN表;(2分) 3. 请简述不确定性推理的含义。(4分) 是一种从不确定的初始证据出发,通过运用不确定性知识,最终推出具有一定程度的不确定 性但却有是合理或基本合理的结论的推理过程。 4. 若S={P(x)V Q(f(x))「P(a), n Q(y)},请画出与该子句集对应的语义树, 为什么可以用封闭语义树来判定子句集的不可满足性?(14分) 答:H={a,f(a),f(f(a)), ……}(1 分)

2020年(发展战略)人工智能的状态及今后发展方向展望

(发展战略)人工智能的状态及今后发展方向展望

人工智能的现状及今后发展趋势展望 壹.引言 人工智能(ArtificialIntelligence),英文缩写为AI,也称机器智能。“人工智能”壹词最初是于1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的壹门综合性学科。从计算机应用系统的角度出发,人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力,以延伸人们智能的科学。 二.目前人工智能技术的研究和发展情况 目前,人工智能技术于美国、欧洲和日本依然飞速发展。于AI技术领域十分活跃的IBMXX公司,已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑,号称具有人脑的千分之壹的智力能力。而正于开发的更为强大的新超级电脑———“蓝色牛仔”(BlueJean),据其研究主任保罗·霍恩称,“蓝色牛仔”的智力水平将大致和人脑相当。 三.技术应用 随着AI技术的发展,现代几乎各种技术的发展均涉及到了人工智能技术,能够说人工智能已经广泛应用到许多领域,其典型的应用包括: 1符号计算 计算机最主要的用途之壹就是科学计算,科学计算可分为俩类:壹类是纯数值的计算,例如求函数的值;另壹类是符号计算,又称代数运算,这是壹种智能化的计算,处理的是符号。符号能够代表整数、有理数、实数和复数,也能够代表多项式、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表。由于它们均是用

C语言写成的,所以能够于绝大多数计算机上使用。 2模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境和客体统称为“模式”。用计算机实现模式(文字、声音、人物、物体等)的自动识别,是开发智能机器的壹个关键的突破口,也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程和人类的学习过程相似,以“语音识别”为例:语音识别就是让计算机能听懂人说的话,壹个重要的例子就是七国语言(英、日、意、韩、法、德、中)口语自动翻译系统。该系统实现后,人们出国预定旅馆、购买机票、于餐馆对话和兑换外币时,只要利用电话网络和国际互联网,就可用手机、电话等和“老外”通话。3机器翻译 机器翻译是利用计算机把壹种自然语言转变成另壹种自然语言的过程,用以完成这壹过程的软件系统叫做机器翻译系统。搜文网目前,国内的机器翻译软件不下百种,根据这些软件的翻译特点,大致能够分为三大类:词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件的代表是“金山词霸”,堪称是多快好省的电子词典,它能够迅速查询英文单词或词组的词义且提供单词的发音,为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”,它首先提出了“智能汉化”的概念,使翻译软件的辅助翻译作用更加明显。 4机器学习 机器学习是机器具有智能的重要标志,同时也是机器获取知识的根本途径。有人认为,壹个计算机系统如果不具备学习功能,就不能称其为智能系统。机器

人工智能学习研究的现状其发展趋势

浅谈人工智能学习研究的现状 及其发展趋势 摘要:自上世纪五十年代以来,经过了几个阶段的不断探索和发展,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来,随着信息技术的快速进步,与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用,对人工智能的需求,变得越来越迫切,也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代,作为信息技术的先导,人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向,要在学科交叉研究中实现人工智能学习的发展与创新,就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点,尤其是重视认知物理学的研究。自然语言是人类思维活动的载体,是人工智能学习研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智

能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能学习与应用领域新的辉煌。 1.前言 自20世纪90年代以来,随着全球化的形式与国际竞争的日益激烈,对人工智能技术的研究与应用变的越来越被人们关注,且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。 人工智能已对现实社会做出了非常重大的贡献,而且其作用已在各领域发挥得淋漓尽致,特别是在计算机领域,人工智能的应用更加突出,可以说,哪里有计算机应用,哪里就在应用人工智能;哪里需要自动化或半自动化,哪里就在应用人工智能的理论、方法和技术。目前,人工智能应用的主要领域,也就是计算机应用的主要领域。 人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲,人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的,它一方面成为人类智能的延长,另一方面又为探讨人类智能机理提供了新的理论和研究方法。 学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具

浅析人工智能的现状及发展趋势

龙源期刊网 https://www.wendangku.net/doc/f115554017.html, 浅析人工智能的现状及发展趋势 作者:范胜廷陈华 来源:《新教育时代·教师版》2017年第41期 摘要:人工智能是现代社会所独有的一门新兴技术科学,主要是研究、研发用于模拟、 扩展、延伸人的智能的方法、理论、技术以及应用系统。近年来,随着信息技术、计算机技术的迅速发展,人类在人工智能方面取得了一定的研究成果。本篇论文中,笔者主要对人工智能的现状进行了分析,并探讨了人工智能的发展趋势,以供参考。 关键词:人工智能现状发展趋势 人工智能科学技术归属于计算机科学,是其中的一个重要分支,人工智能领域的研究主要包括图像识别、语言识别、机器人、专家系统以及自然语言处理等。自诞生以来,人工智能理论和技术逐渐发展成熟,在社会、科技、文化、经济等领域中发挥着越来越重要的作用。 一、人工智能的现状 人工智能主要是通过研究智能的实质,企图以此为根据,开发出能够以类似于人类智能方式做出反应的智能机器。人工智能的进步,不仅可以替代脑力劳动,还可以替代某些脑力劳动职能。现阶段来说,电子仪器、机器人、电脑等诸多具有某一智能行为的机器不断涌现,这些人工智能设备可以自拟人的精神活动,同时也致力于在一些方面做出优化与改善,最终使其具备超人的功能,来帮助人类开展危险系数较高、较为复杂的工作[1]。与此同时,一些可以代 替人类劳动、用于工业生产的机器人得到了研发,这些机器人的实际应用,可以使人类的工作、生活更加高效、便利。但就目前的机器人生产技术来看,只能用于制造一些只有某一种功能的机器人,要研发人性化、多功能的机器人,还需要很长的一段时间。除此之外,还出现了一些用于商业用途的人工智能产物,如单位内部的决策支持系统、客户信息系统以及常见的法津顾问、医学顾问等软件。在我国的日常生活中,还有诸多人工智能产物,如飞机、汽车的导航系统以及家用电器中的智能芯片、电动游戏中的人工智能程序等等。可以说,人工智能的应用范围十分广泛,在社会、科技、文化、经济及人们日常生活中均得到了应用,由此可见,人工智能有着良好的发展前景与广阔的发展空间。 二、人工智能发展过程中面临的问题 现阶段,随着信息技术、计算机技术的迅速发展,人类在人工智能方面取得了一定的研究成果,诸多人工智能产物已经投入实际应用,并为方便人类的工作、生活提供了良好的帮助。但是,任何一种技术都是有利有弊的,人工智能也不例外,超智能概念的提出,让人们对智能机器产生了质疑与忧虑[2]。正如电影情节中一样,随着人工智能的高速发展,未来是否会有 一天人类世界被智能机器所统治,这是摆在人类面前的一个重要问题。然而,若是因为害怕人工智能产物的负面影响,而采取抑制人工智能的发展的这一措施,却是万万不可取的。面对风

人工智能期末试卷

XXXX2017至2018 学年第 1 学期 《人工智能技术》 课程考试( A )卷 计科 系 级 专业 学号 姓名 一、选择题:(2分×10=20分) 1. 人工智能AI 的英文全称( )最早于1956年在达特茅斯会议上被提出。这是历史上第一次人工智能研讨会,也被广泛认为是人工智能诞生的标志。 A .Automatic Intelligence B .Artifical Intelligence C .Automatice Information D .Artifical Information 2. 所谓不确定性推理是从( )的初始证据出发,通过运用( )的知识,最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。 A .不确定性,确定性 B .确定性,确定性 C .确定性,不确定性 D .不确定性,不确定性 3. 要想让机器具有智能,必须让机器具有知识。因此,在人工智能中有一个研究领域,主要研究计算机如何自动获取知识和技能,实现自我完善,这门研究分支学科叫( )。 A .概率推理 B .神经网络 C .机器学习 D .智能搜索 4. 下面几种搜索算法中,不完备的搜索算法是( )。 A .广度优先搜索 B .A*搜索 C .迭代深入深度优先搜索 D .贪婪搜索 5. 人工智能的目的是让机器能够( ),以实现某些脑力劳动的机械化。 A .模拟、延伸和扩展人的智能 B .和人一样工作 C .完全代替人的大脑 D .具有智能 6.在一个监督学习问题f:x →y 中,输出y 的值域是连续的,例如实数集R ,那么这是一个( )问题。 A .分类 B .聚类 C .回归 D .降维 装 订 线

我国人工智能化行业发展现状分析和投资前景预测

中国人工智能行业发展现状分析及投资前景预测 在东西方神话中,上古「智人」通过各种方法制造「人类」这一物种并赋予其智能;而到了中世纪的欧洲,古典哲学家们尝试着用机械符号处理的观点解释人类大脑的活动;直到20世纪40年代,来自数学,心理学,工程学,经济学和哲学等领域的一批科学家们基于抽象数学推理的可编程数字计算机的发明使得智能大脑出现的可能性被广泛探讨。 1950年,Marvin Minsky和Dean Edmonds建造了世界上第一台神经网络计算SNARC (Stochastic Neural Analog Reinforcement Calculator),它通过使用3000个真空管和B-24轰炸机上的自动指示装置模拟了40个神经元而组成神经网络。 同期,被誉为「计算机科学之父」的AlanT uring在Mind上发表论文,第一次提出机器智能设想。虽然未提到具体的研究方法,但论文中提到的「图灵测试」、「机器学习」、「遗传算法」和「强化学习」等理论也在日后成为了人工智能领域重要的分支。 图灵的计算理论认为任何形式的计算均可被数字信号描述,这也为人工智能的后续实践提供了理论基础。 随后的1956年,在MarvinMinsky连同ClaudeShannon和NathanRochester一起组织的Dartmouth会议上,「人工智能」这个概念首次被提出并开启了西方「人工智能」科学长达半个多世纪的高速发展。 在中国,关于「人工智能」的研究和探讨在70年代末被解禁后又不适时地与「特异功能」联系在一起而停滞不前,直到80年代初期随着技术和思想的不断进步才取得实质性进步。 而今,全球共有近千家人工智能公司遍及62个国家的十余个产业,国内涉及人工智能领域的公司也早已破百。 除了「机器学习」、「模式识别」和「神经网络」这些晦涩的词汇和各种层出不穷的借势营销,这个看似离我们越来越近的市场却在「互联网玄学」的外衣下显得愈发迷雾重重。 一、国内人工智能产业链解构 「基础技术」、「人工智能技术」和「人工智能应用」构成了人工智能产业链的三个核心环节,我们将主要从这三个方面对国内人工智能产业进行梳理,并对其中的「人工智能应用」进行重点解构。 (一)基础技术提供平台 人工智能的基础技术主要依赖于大数据管理和云计算技术,经过近几年的发展,国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同,这些平台主要集中于三个服务层面,即「基础设施即服务(IaaS)」、「平台即服务(PaaS)」和「软件即服务(SaaS)」。

生活中的人工智能——人工智能的现状及未来

生活中的人工智能 ----人工智能发展现状及未来摘要:人工智能一词于1956年提出,经过半个多世纪的发展,已经渗透到各个领域。本文将对人工智能的发展作简要的介绍和分析,重点介绍近年来人工智能在各个领域的应用,以期我们对人工智能有更深入的了解。 关键词:人工智能、应用、发展 随着计算机技术的飞速发展,人工智能也取得了极大的发展,并且开始应用到我们生活中的方方面面。伴随着研究的深入,也许我们正要进入一个人工智能时代。 1.人工智能的兴起和早期发展 人工智能的发展历程大致可以分为下面五个阶段。 第一阶段: 20世纪50年代,人工智能的兴起和冷落。人工智能概念在1956年首次提出后,相继出现了一批显著的成果,如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但是由于消解法推理能力有限以及机器翻译等的失败,使人工智能走入了低谷。这一阶段的特点是重视问题求解的方法,而忽视了知识的重要性。 第二阶段: 60年代末到70年代,专家系统出现,使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发,将人工智能引向了实用化。并且,1969年成立了国际人工智能联合会议( International Joint Conferences on Artificial Intelligence即IJCAI)。 第三阶段: 80年代,随着第五代计算机的研制,人工智能得到了飞速的发展。日本在1982年开始了“第五代计算机研制计划”,即“知识信息处理计算机系统KIPS”,其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败,但它的开展形成了一股研究人工智能的热潮。 第四阶段: 80年代末,神经网络飞速发展,。1987年,美国召开第一次神经网络国际会议,宣告了这一新学科的诞生。此后,各国在神经网络方面的投资逐渐增加,神经网络迅速发展起来。 第五阶段: 90年代,人工智能出现新的研究高潮。由于网络技术特别是国际互连网技术的发展,人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解,而且研究多个智能主体的多目标问题求解,将人工智能更面向实用。另外,由于Hopfield多层神经网络模型的提出,使人工神经网络研究与应用出现了欣欣向荣的景象 2.近年来人工智能的应用 随着人工智能的发展,人工智能已经渗透到了生活中的每个方面。 2.1“人机大战” 在人工智能的发展史上,出现了很多堪称经典的“人机大战”。 1985年,当时的国际象棋世界冠军“棋王”卡斯帕罗夫在德国汉堡举行了一场人机车轮大战。他在5个小时内,以32∶0的完美比分击败了所有电脑公司祭出的硬件和象棋软件程序。然而11年之后情况发生了变化,1996年“棋王”在与“深蓝”的比赛中第一次输了一盘;1997年,升级版的“湛蓝”在决定胜负的第六个回合中,只用了22步棋便迫使卡斯帕罗夫投子认输——这是“棋王”职业生

人工智能的现状及今后发展趋势展望

人工智能的现状及今后发展趋势展望 一.引言 人工智能(Artificial Intelligence),英文缩写为AI,也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发,人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力,以延伸人们智能的科学。 二.目前人工智能技术的研究和发展状况 目前,人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司,已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCI White电脑,号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”(Blue Jean),据其研究主任保罗·霍恩称,“蓝色牛仔”的智力水平将大致与人脑相当。 三.技术应用 随着AI技术的发展,现代几乎各种技术的发展都涉及到了人工智能技术,可以说人工智能已经广泛应用到许多领域,其典型的应用包括: 1符号计算 计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值;另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表。由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。 2模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”。用计算机实现模式(文字、声音、人物、物体等)的自动识别,是开发智能机器的一个关键的突破口,也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程与

2019年中国人工智能行业市场现状及发展前景分析 未来智能制造将成为行业主战场

2019年中国人工智能行业市场现状及发展前景分析未来智 能制造将成为行业主战场 未来智能制造将是人工智能的主战场 国家工业信息安全发展研究中心认为,目前我国人工智能和制造业融合有着广泛的基础,智能制造是“中国制造2025”的主攻方向,而人工智能是引领新一轮科技革命和产业变革的战略性技术。但新一代人工智能技术在制造业重点领域的应用刚刚起步,人工智能与制造业的融合尚处于初级阶段,未来智能制造将是人工智能的主战场。 1、人工智能+制造业创造新业态 目前中国人工人工智能迈向了2.0阶段,以通过互联网联系在一起的一套巨大的智能系统为标志。从智能制造业角度出发,人工智能技术正在深入改造制造行业。新一代人工智能技术与制造业实体经济的深度融合,成为应用市场一大亮点,催生了智能装备、智能工厂、智能服务等应用场景,创造出自动化的一些新需求、新产业、新业态。

2、政策春风利好工智能发展 2017年,人工智能被首次写入到政府工作报告中,2018年政府工作报告中提出:“发展壮大新动能,做大做强新兴产业集群,实施大数据发展行动,加强新一代人工智能研发应用,在医疗、养老、教育、文化、体育等多领域推进‘互联网+’。发展智能产业,拓展智能生活。”,2019年的政府工作报告中,对人工智能的描述也由“加快人工智能等技术研发和转化”、“加强新一代人工智能研发应用”变为“深化大数据、人工智能等研发应用”,可见在国家层面上,对人工智能产业的重视程度日益加深。 3、2018年中国人工智能产业规模超400亿 在政策和技术的推动下,中国人工智能产业发展迅速。跟据中国信通院数据,2015年到2018年中国人工智能产业规模复合平均增长率为54.6%,高于全球平均水平(约36%)。2018年,中国人工智能产业市场规模已达到415.5亿元。其中,企业技术集成与方案提供、关键技术研发和应用平台两个应用领域据发展火热。

人工智能未来发展前景展望

人工智能未来发展前景展望 :磊(10计本) 学号: 长久以来,人工智能对于普通人来说是那样的可望而不可及,然而它却吸引了无数研究人员为之奉献才智,从美国的麻省理工学院(M IT)、卡基-梅隆大学(CMU)到IBM公司,再到日本的本田公司、SONY公司以及国的清华大学、中科院等科研院所,全世界的实验室都在进行着AI技术的实验。不久前,著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕,科幻片《人工智能》(AI)对许多人的头脑又一次产生了震动,引起了一些人士了解并探索人工智能领域的兴趣。 (一)、人工智能的定义 人工智能的定义可以分为两部分,即“人工”和“智能”。“人工”比较好理解,争议性也不大。有时我们会要考虑什么是人力所能及制造的,或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。但总的来说,“人工系统”就是通常意义下的人工系统。 “智能”1是一个宽泛的概念。智能是人类具有的特征之一。Intelegere是从中进行选择,进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在1"智能"源于拉丁语legere,字面意思是采集(特别是果实)、收集、汇集,并由此进行选择,形成一个东西。

复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始,人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后,新技术已使我们所建立的机器的复杂性大为提高。1936年,24岁的英国数学家图灵 i(Turing)提出了"自动机"理论,把研究会思维的机器和计算机的工作大大向前推进了一步,他也因此被称为"人工智能之父"。 人工智能领域的研究是从1956年正式开始的,这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence,AI)这个术语。随后的几十年中,人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究,已经建立了一些具有不同程度人工智能的计算机系统,例如能够求解微分方程、设计分析集成电路、合成人类自然语言,而进行情报检索,提供语音识别、手写体识别的多模式接口,应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。 当然,人工智能的发展也并不是一帆风顺的,也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷,但是随着硬件和软件的发展,计算机的运算能力在以指数级增长,同时网络技术蓬勃兴起,确保计算机已经具备了足够的条件来运

【完整版】2020-2025年中国人工智能行业市场突围策略研究报告

(二零一二年十二月) 2020-2025年中国人工智能行业市场突围战略研究报告 可落地执行的实战解决方案 让每个人都能成为 战略专家 管理专家 行业专家 ……

报告目录 第一章企业市场突围战略概述 (6) 第一节研究报告简介 (6) 第二节研究原则与方法 (6) 一、研究原则 (6) 二、研究方法 (7) 第三节研究企业市场突围战略的意义 (9) 第二章市场调研:2019-2020年中国人工智能行业市场深度调研 (10) 第一节人工智能走向产业应用 (10) 一、人工智能行业图谱 (10) 二、人工智能的商业模式 (12) 第二节人工智能助力企业数字化转型 (13) 一、人工智能价值创造的三个层次 (13) 二、人工智能助力企业业务智能化 (14) 第三节2019-2020年人工智能行业发展情况分析 (15) 一、美国规定10项AI监管原则 (16) 二、发展人工智能各国争先 (16) 三、人工智能以人为本 (18) 四、2019年人工智能发展的热点透视 (18) 五、人工智能将在回归理性中走向新的飞跃 (23) 第四节2020年人工智能行业发展展望 (25) 一、2020年形势的基本判断 (26) (一)从产业链建设看 (26) (二)从政策推动来看 (26) (三)从投融资情况看 (26) (四)从外部形势看 (27) 二、2020年新一代人工智能将围绕五大方向持续攻关 (27) 三、需要关注的几个问题 (28) (一)我国人工智能领域的基础创新投入严重不足 (28) (二)我国人工智能产业的算力算法核心基础相对薄弱 (28) (三)以算法战、深度伪造为代表的人工智能技术滥用给经济社会带来严重负面影响 (29) 四、应采取的对策建议 (29) (一)以算力为核心加强人工智能基础能力建设 (29) (二)体系化梳理我国人工智能产业供应链现状 (29) (三)推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力 (29) (四)在国际社会上提出发展“负责任的人工智能” (29) 第五节全球主要经济体人工智能发展战略 (30) 一、美国:政府高度重视,旨在继续“全面领先” (30) 二、欧盟:伦理价值观引领,协同合作推进战略 (32) 三、英国:积极推动产业创新发展 (33) 四、德国:借势工业4.0打造国家品牌 (34) 五、日本:以人工智能构建“超智能社会” (35)

(完整word版)《人工智能导论》课程期末考试试卷二 答案 (上海交大)

一、选择题答案1、A2、A 二、填空题答案 1、基于规则的正向演绎系统使用的条件是(1)事实表达式是任意形式(2)规则形式为L→W或L1∨L2→W,其中L为单文字,W为任意形(3)目标公式为文字析取形 2、基于规则的逆向演绎系统使用的条件是(1)事实表达式是文字合取形(2)规则形式为W→L 或W→L1∧L2 ,其中L为单文字,W为任意形(3)目标公式为任意形式 3、归结法中,可以通过修改证明树的方法得到问题的解答。 三、问答题答案 第1题答:

得解图:

第2题 第3题 答:综合数据库: (m1, m5, m9, b) 设从河的左岸到右岸,其中m1, m5,m9分别表示过河时间需要1分钟,5分钟和9分钟的人,在河左岸的人数。b=1表示船在左岸,b=0表示船在右岸。规则集: 初始状态:(2, 1, 1, 1) 结束状态:(0, 0, 0, 0) h函数:h(n) = m - b,其中m为在左岸的人数,b为船是否在左岸。 对于任意两个节点ni和nj,其中nj是ni的子节点。 当ni中b=1时,则nj中b=0,因此:max(h(ni)-h(j))=(m-1)-(m-1)=0, 而C(ni, nj)最小为1, 因此h(ni)-h(nj)

因此该h函数满足单调性条件。所以h满足A*条件。 第4题 答:对事实和规则进行skolem化: (1)(s) ~P(a) (2)(s)(P(g(s))) P(g(s)) (3)(x)(s)(y)((P(s)∧Q(b,x,s))→H(y) (P(s)∧Q(b,c,s))→H(f(s)) (4)(x)(s)(Q(b,x,s)→Q(b,x,g(s))) Q(b,x,s)→Q(b,x,g(s)) (5)(x)(s)(y)(~P(s)→Q(b,x,y)) ~P(s)→Q(b,x,h(x, s)) 经变量换名后,有事实和规则如下: ~P(a) P(g(s1)) r1: (P(s2)∧Q(b,c,s2))→H(f(s2)) r2: Q(b,x3,s3)→Q(b,x3,g(s3)) r3: ~P(s4)→Q(b,x4,h(x4, s4)) 用对偶形式对目标skolem 化: (x)H(x) H(x) 演绎图如下图(这里只给出了一个一致解图)。

人工智能行业发展前景展望及市场规模预测

一、人工智能的内涵及分类 (一)人工智能的内涵 人工智能(Artificial Intelligence,简称AI)是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支,既被称为20世纪世界三大尖端科技之一(空间技术、能源技术、人工智能),也被认为是21世纪三大尖端技术之一(基因工程、纳米科学、人工智能)。人工智能被发达国家视为人类的最后科学尖端,科研领域皇冠上的明珠。 (二)人工智能的分类 人工智能的概念很宽泛,按照人工智能的实力可分为三大类: 1、弱人工智能:在特定领域等同或者超过人类智能或效率的机器智能。 2、强人工智能:各方面都能和人类比肩的人工智能。 3、超人工智能:在包括科学创新、通识和社交技能等各个领域都超越人类的人工智能。 人工智能的革命就是从弱人工智能,通过强人工智能,最终达到超人工智能的过程。目前人类已经掌握弱人工智能,生活中弱人工智能无处不在,比如Siri、垃圾邮件过滤器、谷歌翻译、电商网站上的商品推送、谷歌无人驾驶汽车等等。 人脑与电脑的最大差别在于,一些我们认为困难的事情,如微积分、金融市场策略、翻译等,对于电脑来说都十分容易;但一些人类认为容易的事情,如视觉、动态、移动、直觉,对于电脑来说却是十分困难。而要达到人类级别的智能,电脑必须要理解更高深的东西,比如微小的脸部表情变化,以为为什么喜欢这个而不喜欢那个,要达到这样的水平首先在硬件方便要增加电脑处理速度,其次在软件方面要让电脑变得智能。 美国发明家、未来学家Kurzweil估算出人脑的运算能力是10^16 cps(calculations per second,每秒计算次数,描述运算能力的单位),即1亿亿次计算每秒。现在世界上最快的超级计算机,中国的天河二号,运行能力已达到3.4亿亿次,已经超过人脑,但由于其成本高、规模大、功耗高,使其并不能够被商业及广泛运用。Kurzweil认为考虑电脑发展程度的标杆是看1000美元能买到多少cps,当1000美元能买到人脑级别的1亿亿运算能力的时候,强人工智能就成为生活的一部分。而目前1000美元能买到10万亿cps(人脑的千分之一),根据加速回报定律,科技的进步将呈指数型增长,按照这个速度,到2025年1000美元就可以买到和人脑运算速度抗衡的电脑了。 二、人工智能的产业链分析 从发展路径及阶段上看,实现人工智能需经历三个阶段:计算智能(能存会算)、感知智能(能听会说、能看会认)和认知智能(能理解会思考)。

最新人工智能期末试题及答案完整版(最新)

一单项选择题(每小题2分,共10分) 1.首次提出“人工智能”是在(D )年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为:B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A:计算机表示法B:“与/或”图表示法 C:状态空间表示法D:产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A:不确定性知识是不可以精确表示的 B:专家知识通常属于不确定性知识 C:不确定性知识是经过处理过的知识 D:不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫,S0是入口,S g是出口,把入口作为初始节点,出口作为目标节点,通道作为分支,画出从入口S0出发,寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A:s0-s4-s5-s6-s9-sg B:s0-s4-s1-s2-s3-s6-s9-sg C:s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D:s0-s4-s7-s5-s6-s9-sg 二填空题(每空2分,共20分) 1.目前人工智能的主要学派有三家:符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合,初始状态集合S 、操作符集合F以及目标状态集合G 。 3、启发式搜索中,利用一些线索来帮助足迹选择搜索方向,这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容,涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性,即关于结论的不确定性和关于证据的不确 定性。 三名称解释(每词4分,共20分) 人工智能专家系统遗传算法机器学习数据挖掘

全球人工智能产业发展和趋势(下)试卷

一、单选题 1.AlphaZero训练()击败日本将棋程序。(3.0分) A.2小时 B.4小时 C.8小时 D.24小时 我的答案:D ×答错 2.《人工智能:未来决策的机遇与影响》,这是下列哪个国家发布的报告?( 3.0分) A.美国 B.日本 C.德国 D.英国 我的答案:D √答对 3.DQN在49种Atari视频/像素游戏中,()达到乃至超过人类职业选手的水平,以智商比喻,远超人类。(3.0分) A.9种 B.19种 C.29种 D.39种 我的答案:C √答对 4.Google Waymo于()10月在美国凤凰城Chandler镇100平方英里范围内,对500辆L4自动驾驶汽车进行社会公测,这是Waymo自动驾驶商业化落地的前奏。(3.0分) A.2014年 B.2015年 C.2016年 D.2017年 我的答案:D √答对 5.IBM超级电脑程序“深蓝”,于()击败了国际象棋大师加里·卡斯帕罗夫。(3.0分) A.1996年 B.1997年 C.1998年 D.1999年 我的答案:B √答对 6.智能音箱Echo是下列哪家企业推出的产品?(3.0分) A.亚马逊 B.百度 C.阿里巴巴 D.小米 我的答案:A √答对 7.邓志东教授预测,()是无人驾驶汽车元年。(3.0分) A.2020年 B.2021年 C.2022年 D.2023年

我的答案:B √答对 8.国务院是在哪一年印发《新一代人工智能发展规划》的?(3.0分) A.2015年 B.2016年 C.2017年 D.2018年 我的答案:C √答对 9.在人工智能速记领域,2016年10月17日,()的语音识别系统实现了5.9%的词错率。(3.0分) A.科大讯飞 B.惠普 C.英特尔 D.微软 我的答案:D ×答错 10.IBM的自动问答系统,于()2月在美国最受欢迎的智力竞答电视节目《危险边缘》中战胜了人类冠军。(3.0分) A.2011年 B.2012年 C.2013年 D.2014年 我的答案:A √答对 二、多选题 1.中国人工智能产业发展的短板包括()。(4.0分)) A.原始创新能力不足 B.投资界过于追求短线逐利 C.体制机制障碍 D.缺乏高端基础性研究人才和AI工程开发人才 我的答案:ABCD √答对 2.根据邓志东教授所讲,AlphaGo如何进行学习?(4.0分)) A.深度监督学习 B.深度强化学习 C.大数据 D.TPU 我的答案:AB ×答错 3.下列哪些行业未来可以通过人工智能实现自动化?( 4.0分)) A.传统制造业 B.长途运输 C./物流运输行业 D.翻译 我的答案:ABCD √答对 4.智能音箱Echo基于语音助手Alexa可以实现()、外卖预定等服务。(4.0分)) A.音乐播放 B.新闻搜索

相关文档
相关文档 最新文档