【中國智能制造網(wǎng) 學(xué)術(shù)論文】近年來，成本低廉的大規(guī)模并行計算、大數(shù)據(jù)、深度學(xué)習(xí)算法、人腦芯片4大催化劑的齊備，導(dǎo)致人工智能的發(fā)展出現(xiàn)了向上的拐點。目前，IT巨頭已經(jīng)開始在人工智能領(lǐng)域頻頻發(fā)力。　　
　　人工智能是指計算機系統(tǒng)具備的能力，該能力可以履行原本只有依靠人類智慧才能完成的復(fù)雜任務(wù)。硬件體系能力的不足加上發(fā)展道路上曾經(jīng)出現(xiàn)偏差，以及算法的缺陷，使得人工智能技術(shù)的發(fā)展在上世紀(jì)80—90年代曾經(jīng)一度低迷。近年來，成本低廉的大規(guī)模并行計算、大數(shù)據(jù)、深度學(xué)習(xí)算法、人腦芯片4大催化劑的齊備，導(dǎo)致人工智能的發(fā)展出現(xiàn)了向上的拐點。
　　
　　IT巨頭已經(jīng)開始在人工智能領(lǐng)域頻頻發(fā)力，一方面網(wǎng)羅人才，一方面加大投資力度，人工智能新的春天已經(jīng)到來。自然語言處理、計算機視覺、規(guī)劃決策等AI細分領(lǐng)域近期進展顯著，很多新的應(yīng)用和產(chǎn)品已經(jīng)驚艷亮相。
　　
　　由于技術(shù)的復(fù)雜度，未來5-10年內(nèi)，專用領(lǐng)域的智能化是AI應(yīng)用的主要方向，在更遠的將來，隨著技術(shù)的進一步突破，通用領(lǐng)域的智能化有望實現(xiàn)。無論是專用還是通用領(lǐng)域，人工智能都將圍繞“基礎(chǔ)資源支持-AI技術(shù)-AI應(yīng)用”這三層基本架構(gòu)形成生態(tài)圈。
　　
　　在專用領(lǐng)域的智能化階段，有能力的企業(yè)都希望打通三層架構(gòu)。他們有的將從上往下延伸，如蘋果、海康威視、小米等智能硬件企業(yè);有的試圖從下往上拓展，如百度、谷歌、IBM等互聯(lián)網(wǎng)和IT的巨頭，以及科大訊飛、格靈深瞳等AI技術(shù)新貴。產(chǎn)業(yè)格局更多地表現(xiàn)出“競爭”而非“合作”，整個行業(yè)依然處于野蠻生長的初期階段。我們認為，該階段值得投資的是已經(jīng)具備先發(fā)優(yōu)勢的AI企業(yè)，無論他目前處于哪一層都可以。
　　
　　在未來通用智能時代，除了自然語言處理、計算機視覺等AI技術(shù)在某些領(lǐng)域的直接應(yīng)用，人工智能更大的影響在于將重塑生活服務(wù)、醫(yī)療、零售、數(shù)字營銷、農(nóng)業(yè)、工業(yè)、商業(yè)等各行各業(yè)，并將引發(fā)新一輪IT設(shè)備投資周期。智能化的大潮即將來襲，萬億元的市場規(guī)模值得期待。
　　
　　我們從兩個維度選取人工智能產(chǎn)業(yè)的A股投資標(biāo)的：首先是直接提供AI技術(shù)或有關(guān)設(shè)備的公司，然后是利用AI技術(shù)為不同行業(yè)提供解決方案的公司。
　　
　　1.新技術(shù)革命登場，IT發(fā)展焦點將從互聯(lián)網(wǎng)轉(zhuǎn)向人工智能
　　
　　發(fā)軔于2007年的移動互聯(lián)網(wǎng)浪潮已經(jīng)席卷，極大地改變了我們的生存狀態(tài)。然而，就在資本市場熱切地期待移動互聯(lián)網(wǎng)催生出更多新應(yīng)用服務(wù)、更多新商業(yè)模式的時候，由技術(shù)水平不足導(dǎo)致的發(fā)展瓶頸已然出現(xiàn)。與此同時，為突破上述瓶頸，新一輪更激動人心、更值得期待的技術(shù)革命風(fēng)暴已經(jīng)誕生，將成為未來10年乃至更長時間內(nèi)IT產(chǎn)業(yè)發(fā)展的焦點，將再次并更加徹底地顛覆世界。這一輪技術(shù)革命風(fēng)暴，它的名字叫做“人工智能”(ArtificialIntelligence，以下簡稱AI)。
　　
　　1.1基于互聯(lián)網(wǎng)的應(yīng)用服務(wù)發(fā)展已遭遇技術(shù)瓶頸，AI將成開鎖金鑰匙
　　
　　基于PC的互聯(lián)網(wǎng)、基于手機和平板電腦的移動互聯(lián)網(wǎng)以及基于各種其他設(shè)備的物聯(lián)網(wǎng)，其本質(zhì)是解決了“連接”問題：連接人與人、人與物以及物與物，并且在連接的基礎(chǔ)上創(chuàng)造出新的商業(yè)模式。以國內(nèi)BAT三巨頭為例，百度完成的是人與信息的對接，商業(yè)模式以網(wǎng)絡(luò)廣告為主;阿里解決的是人與商品的對接，電商是其商業(yè)模式;騰訊則實現(xiàn)了人與人的對接，依靠強大的免費社交軟件吸引龐大的用戶群，在此基礎(chǔ)上利用增值業(yè)務(wù)和游戲來實現(xiàn)貨幣化。
　　
　　盡管互聯(lián)網(wǎng)的普及打造了包括谷歌、亞馬遜、百度、阿里、騰訊、京東等一批巨頭以及數(shù)量更為龐大的中小企業(yè)，基于網(wǎng)絡(luò)的創(chuàng)新應(yīng)用和服務(wù)類型也多種多樣，但技術(shù)瓶頸的制約已經(jīng)越來越明顯：生活方面需求痛點的解決、生產(chǎn)領(lǐng)域具有適應(yīng)性和資源效率的智慧工廠的建立、物流體系中更加方便快捷的配送方式建設(shè)等問題，都面臨智能化程度不足帶來的障礙。只有人工智能才能為“萬物互聯(lián)”之后的應(yīng)用問題提供的解決方案。
　　
　　人工智能的價值如此重要，以至于我們可以毫不夸張地說，它將成為IT領(lǐng)域重要的技術(shù)革命，目前市場關(guān)心的IT和互聯(lián)網(wǎng)領(lǐng)域的幾乎所有主題和熱點(智能硬件、O2O、機器人、無人機、工業(yè)4.0)，發(fā)展突破的關(guān)鍵環(huán)節(jié)都是人工智能。
　　
　　下面我們將通過一些例子和應(yīng)用場景來更形象具體地展示上述瓶頸以及AI的重要性。
　　
　　1.1.1智能冰箱還不能告訴我們做什么
　　
　　由于生活節(jié)奏加快人們的空閑時間大為減少，做家務(wù)的時間日益顯得不足，我們需要一款聰明的冰箱，讓冰箱告訴我們做什么。來自奧維咨詢的《中國家用冰箱食品浪費調(diào)查報告》顯示，“每個家庭平均每年發(fā)生176次食物浪費現(xiàn)象。70%受訪者表示，造成浪費的主要原因是一次購買太多和放入冰箱后忘記。智能冰箱的出現(xiàn)，不僅可以自行“清理門戶”，采購新鮮食品，還能統(tǒng)籌安排，減少食材浪費，制作個性化食譜。它會根據(jù)食材新鮮與否，把不新鮮的食材調(diào)動到距離冰箱門近的地方，提醒主人“它該吃了”。此外，智能冰箱能對用戶的膳食合理性進行分析，制作菜譜。同時提示需要補充的食材，如果與生鮮電商聯(lián)網(wǎng)的話，可以自動選擇送貨上門，直接實現(xiàn)食物的配送發(fā)貨收獲自動化和智能化。2014年美菱推出首臺云圖像識別智能冰箱ChiQ，突破智能冰箱技術(shù)門檻，該冰箱具備變頻功能，可以用語音搜索、自動推薦等多種方式進行食譜推薦，并實現(xiàn)手機的遠程查看和控制。
　　
　　智能冰箱功能法的升級，提升用戶體驗和價值，背后的大核心是自動識別技術(shù)的突破。圖像識別技術(shù)通過圖像采集系統(tǒng)得到食材圖片，運用圖像識別算法，轉(zhuǎn)化成食品的信息列表。而通過圖像識別技術(shù)，判斷食材的種類是實現(xiàn)冰箱智能化的拐點。
　　
　　可見，不是用戶對智能家居的需求不存在，而是現(xiàn)有的技術(shù)無法支撐家居的智能化，這個瓶頸無法突破，智能家居永遠是紙上談兵。那么，解決這個問題的鑰匙在哪里?人工智能技術(shù)的突破：圖像識別背后的底層技術(shù)就來自于人工智能的算法和應(yīng)用!
　　
　　1.1.2O2O尚未實現(xiàn)生活服務(wù)智能化
　　
　　試想這樣一個場景，你想選擇一個地方和朋友吃飯，首先你會打開一個應(yīng)用，在這個過程中它會自動確定你所在的位置，然后你通過語音開始向其發(fā)出請求“我想在這附近找一家中式餐廳，下午將要與朋友一起就餐，消費價格適中。”應(yīng)用根據(jù)你發(fā)出的請求及過往的生活習(xí)慣為你尋找到數(shù)十家備選方案優(yōu)選列表，然后你可以根據(jù)興趣與愛好選擇直接確定方案，或者實時打開查看各家的類型、折扣、評分、環(huán)境、位置、菜品、用戶評價等綜合信息并進行篩選，這些信息綜合在一起形成了你對某家餐廳的判斷和終的決策。這時你可以就一些問題與餐廳的服務(wù)人員進行實時的溝通，然后交付押金輕松的進行預(yù)訂。預(yù)訂好了餐廳之后，通過語音控制，你可以將信息轉(zhuǎn)發(fā)給朋友。當(dāng)你到了該出發(fā)赴約的時候，這個應(yīng)用開始提醒你，并可以選擇是否開啟地圖語音導(dǎo)航模式，為你提供位置和路線服務(wù)。從本質(zhì)上說，消費者和商戶存在各自信息獲取不對稱的問題，而O2O在于把服務(wù)業(yè)互聯(lián)網(wǎng)化，將商戶與消費者之間連接的更好，讓信息不對稱的問題都能解決，這不僅能夠幫助商戶，也能夠幫助消費者。消費者對O2O的大訴求主要是在前端信息的檢索和獲取，而商家的目的在于持續(xù)獲取消費者，這主要通過前端提供消費者信息影響其購買決策，并通過后期客戶管理增強與用戶關(guān)系。
　　
　　互聯(lián)網(wǎng)的O2O商業(yè)模式氣勢洶洶的顛覆傳統(tǒng)行業(yè)，似乎發(fā)展到現(xiàn)在好像開始止步不前了。目前點評網(wǎng)站、地圖導(dǎo)航、預(yù)定網(wǎng)站、優(yōu)惠券網(wǎng)站等很好地滿足了消費者信息獲取來源，但移動搜索引擎卻未能很好滿足消費者檢索的需求，使他們可以方便地查找餐廳以及優(yōu)惠地享受服務(wù)。綜合來看，未來的O2O會是一個融合線下信息聚合、語音識別、自然語言解析、搜索引擎、點評信息聚合、預(yù)訂服務(wù)、地圖導(dǎo)航、NFC、CRM、語音以及實時溝通等功能為一體的基于位置的服務(wù)平臺。然而，至今仍然懸而未決的技術(shù)瓶頸是：自然語言的解析。如何通過對用戶的自然語言(文本＋語音)等數(shù)據(jù)，結(jié)合知識圖譜，推理出用戶的需求并的推送用戶所需的本地化生活服務(wù)?這扇大門的鑰匙也是在人工智能技術(shù)的突破!
　　
　　1.1.3無人機尚不能自主飛行
　　
　　目前無人機雖然在軍事和民用領(lǐng)域都得到了應(yīng)用，但其智能化程度還遠遠不夠，仍然需要人遙控操縱，尚未實現(xiàn)自主飛行。
　　
　　設(shè)想一下你打開家里的窗子，一架無人機恰巧停在窗外，你從無人機上取下自己購買的物品，然后拿出手機確認收到，無人機才緩緩飛走，去尋找下一個客戶?；蛘撸挛缒阋ツ晨Х瑞^與客戶交流，恰巧有一個快遞要送來。你提前通知快遞公司，讓無人機指揮中心更改送貨路線，通知無人機將快遞送到咖啡館。物流體系使用無人機取代人工，實現(xiàn)貨物派送的設(shè)想一旦實現(xiàn)，將大大提高配送效率，減少人力、運力成本，可以說承載了人們對于未來物流的夢想。但這一夢想如果要得以實現(xiàn)，必須要使無人機具備感知和規(guī)劃的智能。
　　
　　低空以及在建筑物內(nèi)部飛行會遭遇很多的障礙物，即使預(yù)先設(shè)定飛行線路，也無法避免臨時出現(xiàn)的障礙(比如寫字樓里突然關(guān)上的門)，這就需要無人機具備視覺功能、不確定性環(huán)境下的路線規(guī)劃以及行動能力。此外，為保證準(zhǔn)確投遞，無人機或許還要具備人臉識別的能力，可以通過預(yù)先發(fā)送的照片識別出收貨人。這些感知、規(guī)劃和行動能力都屬于人工智能技術(shù)。
　　
　　1.1.4智能化是工業(yè)4.0之魂
　　
　　次工業(yè)革命是隨著蒸汽機驅(qū)動的機械制造設(shè)備的出現(xiàn);第二次工業(yè)革命是基于勞動分工的，電力驅(qū)動的大規(guī)模生產(chǎn);第三次工業(yè)革命是用電子和IT技術(shù)實現(xiàn)制造流程的進一步自動化;而如今，第四次工業(yè)革命正在來臨!
　　
　　“工業(yè)4.0”，是一個德國政府提出的高科技戰(zhàn)略計劃。這個概念包含了由集中式控制向分散式增強型控制的基本模式轉(zhuǎn)變，目標(biāo)是建立一個高度靈活的個性化和數(shù)字化的產(chǎn)品與服務(wù)的生產(chǎn)模式。在這種模式中，傳統(tǒng)的行業(yè)界限將消失，并會產(chǎn)生各種新的活動領(lǐng)域和合作形式。創(chuàng)造新價值的過程正在發(fā)生改變，產(chǎn)業(yè)鏈分工將被重組。
　　
　　從以上的描述中不難看出，工業(yè)4.0對智能化的要求涵蓋更廣，涉及機器感知、規(guī)劃、決策以及人機交互等方面，而這些領(lǐng)域都是人工智能技術(shù)的重點研究方向。
　　
　　2.人工智能技術(shù)“奇點”到來
　　
　　在宇宙大爆炸理論中，“奇點”是指由爆炸而形成宇宙的那一點，即宇宙從無到有的起點。而在美國科學(xué)家雷·庫茲韋爾(Ray·Kurzweil：發(fā)明了盲人閱讀機、音樂合成器和語音識別系統(tǒng);獲9項名譽博士學(xué)位，2次總統(tǒng)榮譽獎;著有作品《奇點臨近》，現(xiàn)任奇點大學(xué)校長)的理論中，“奇點”是指電腦智能與人腦智能相互融合的那個美妙時刻。我們認為，這個美妙時刻正在到來。
　　
　　2.1什么是人工智能：從“smart”到“intelligent”
　　
　　目前市場上所謂“智能”的設(shè)備或概念很多，從智能手機到智能家居等，但這些“智能”實際上是“smart”的含義，即靈巧;真正意義上的智能應(yīng)該是“intelligent”的含義。
　　
　　“人工智能”一詞初是在1956年達特茅斯學(xué)會上提出的。從學(xué)科定義上來說，人工智能(ArtificialIntelligence)是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。
　　
　　人工智能的概念和定義有多種，下圖中沿兩個維度排列了AI的8種定義。頂部的定義關(guān)注思維過程和推理，而底部的定義強調(diào)行為。左側(cè)的定義根據(jù)與人類表現(xiàn)的逼真度來衡量成功與否，而右側(cè)的定義依靠一個稱為“合理性”(Rationality)的理想的表現(xiàn)量來衡量。
　　
　　如果從比較容易理解的角度來概括的話，人工智能是指計算機系統(tǒng)具備的能力，該能力可以履行原本只有依靠人類智慧才能完成的復(fù)雜任務(wù)。
　　
　　人工智能的應(yīng)用領(lǐng)域主要包含以下幾個方面的內(nèi)容：
　　
　　自然語言處理(包括語音和語義識別、自動翻譯)、計算機視覺(圖像識別)、知識表示、自動推理(包括規(guī)劃和決策)、機器學(xué)習(xí)、機器人學(xué)。
　　
　　2.2人腦的精密結(jié)構(gòu)難以復(fù)制，人工智能技術(shù)曾一度受阻
　　
　　2.2.1超大規(guī)模并行結(jié)構(gòu)使得人腦功能強勁
　　
　　人類的大腦中有數(shù)百至上千億個神經(jīng)細胞(神經(jīng)元)，而且每個神經(jīng)元都通過成千上萬個“突觸”與其他神經(jīng)元相連，形成超級龐大和復(fù)雜的神經(jīng)元網(wǎng)絡(luò)，以分布和并發(fā)的方式傳導(dǎo)信號，相當(dāng)于超大規(guī)模的并行計算(ParallelComputing)。因此盡管單個神經(jīng)元傳導(dǎo)信號的速度很慢(每秒百米的級別，遠低于計算機的CPU)，但這種超大規(guī)模的并行計算結(jié)構(gòu)仍然使得人腦遠超計算機，成為世界上到目前為止強大的信息處理系統(tǒng)。
　　
　　2.2.2計算機的傳統(tǒng)結(jié)構(gòu)制約人工智能的發(fā)展
　　
　　美籍匈牙利科學(xué)家馮·諾依曼(JohnVon·Neumann)是數(shù)字計算機之父，首先提出了計算機體系結(jié)構(gòu)的設(shè)想，目前世界上絕大多數(shù)計算機都采取此種結(jié)構(gòu)，它也被稱之為馮·諾依曼體系結(jié)構(gòu)。簡單來說，馮·諾依曼體系結(jié)構(gòu)的基本特征有以下幾點：
　　
　　1、采用存儲程序方式，指令和數(shù)據(jù)不加區(qū)別混合存儲在同一個存儲器中，指令和數(shù)據(jù)都可以送到運算器進行運算，即由指令組成的程序是可以修改的。
　　
　　2、存儲器是按地址訪問的線性編址的一維結(jié)構(gòu)，每個單元的位數(shù)是固定的。
　　
　　3、指令由操作碼和地址組成。操作碼指明本指令的操作類型，地址碼指明操作數(shù)和地址。操作數(shù)本身無數(shù)據(jù)類型的標(biāo)志，它的數(shù)據(jù)類型由操作碼確定。
　　
　　4、通過執(zhí)行指令直接發(fā)出控制信號控制計算機的操作。指令在存儲器中按其執(zhí)行順序存放，由指令計數(shù)器指明要執(zhí)行的指令所在的單元地址。指令計數(shù)器只有一個，一般按順序遞增，但執(zhí)行順序可按運算結(jié)果或當(dāng)時的外界條件而改變。
　　
　　5、以運算器為中心，I/O設(shè)備與存儲器間的數(shù)據(jù)傳送都要經(jīng)過運算器。
　　
　　6、數(shù)據(jù)以二進制表示。
　　
　　人工智能對計算機性能的要求很高，尤其是在非數(shù)值處理應(yīng)用領(lǐng)域。馮·諾依曼體系的串行結(jié)構(gòu)和人腦龐大復(fù)雜的并行結(jié)構(gòu)相去甚遠，使得現(xiàn)有計算機系統(tǒng)難以迅速有效地處理復(fù)雜的感知、推理、決策等問題。硬件體系能力的不足加上發(fā)展道路上曾經(jīng)出現(xiàn)偏差(希望直接在通用型的人工智能方面取得突破)，以及算法的缺陷，使得人工智能技術(shù)的發(fā)展在上世紀(jì)80年代末到90年代曾經(jīng)一度低迷。
　　
　　2.3四大催化劑齊備，人工智能發(fā)展迎來轉(zhuǎn)折點
　　
　　近幾年來，隨著技術(shù)的進步，人工智能的發(fā)展出現(xiàn)了顯著的復(fù)蘇趨勢。我們認為，下述4個方面的原因帶來了人工智能發(fā)展的向上拐點。
　　
　　2.3.1云計算使成本低廉的大規(guī)模并行計算得以實現(xiàn)
　　
　　上文中提到，馮·諾依曼體系的串行結(jié)構(gòu)使得計算機無法滿足人工智能對硬件的要求，而近年來云計算的出現(xiàn)至少部分解決了這個問題。
　　
　　從概念上講，可把云計算看成是“存儲云＋計算云”的有機結(jié)合，即“云計算=存儲云＋計算云”。存儲云的基礎(chǔ)技術(shù)是分布存儲，而計算云的基礎(chǔ)技術(shù)正是并行計算：將大型的計算任務(wù)拆分，然后再派發(fā)到云中的各個節(jié)點進行分布式的計算，終再將結(jié)果收集后統(tǒng)一處理。大規(guī)模并行計算能力的實現(xiàn)使得人工智能往前邁進了一大步。
　　
　　云計算的實質(zhì)是一種基礎(chǔ)架構(gòu)管理的方法論，是把大量的計算資源組成IT資源池，用于動態(tài)創(chuàng)建高度虛擬化的資源供用戶使用。在云計算環(huán)境下，所有的計算資源都能夠動態(tài)地從硬件基礎(chǔ)架構(gòu)上增減，以適應(yīng)工作任務(wù)的需求。云計算基礎(chǔ)架構(gòu)的本質(zhì)是通過整合、共享和動態(tài)的硬件設(shè)備供應(yīng)來實現(xiàn)IT投資的利用率大化，這就使得使用云計算的單位成本大大降低，非常有利于人工智能的商業(yè)化運營。
　　
　　值得特別指出的是，近來基于GPU(圖形處理器)的云計算異軍突起，以遠超CPU的并行計算能力獲得業(yè)界矚目。
　　
　　CPU和GPU架構(gòu)差異很大，CPU功能模塊很多，能適應(yīng)復(fù)雜運算環(huán)境;GPU構(gòu)成則相對簡單，目前流處理器和顯存控制器占據(jù)了絕大部分晶體管。CPU中大部分晶體管主要用于構(gòu)建控制電路(比如分支預(yù)測等)和高速緩沖存儲器(Cache)，只有少部分的晶體管來完成實際的運算工作;而GPU的控制相對簡單，而且對Cache的需求小，所以大部分晶體管可以組成各類專用電路、多條流水線，使得GPU的計算速度有了突破性的飛躍，擁有了驚人的處理浮點運算的能力?，F(xiàn)在CPU的技術(shù)進步正在慢于摩爾定律，而GPU的運行速度已超過摩爾定律，每6個月其性能加倍。
　　
　　CPU的架構(gòu)是有利于X86指令集的串行架構(gòu)，從設(shè)計思路上適合盡可能快的完成一個任務(wù);對于GPU來說，它初的任務(wù)是在屏幕上合成顯示數(shù)百萬個像素的圖像——也就是同時擁有幾百萬個任務(wù)需要并行處理，因此GPU被設(shè)計成可并行處理很多任務(wù)，天然具備了執(zhí)行大規(guī)模并行計算的優(yōu)勢。
　　
　　現(xiàn)在不僅谷歌、Netflix用GPU來搭建人工智能的神經(jīng)網(wǎng)絡(luò)，F(xiàn)acebook、Amazon、Salesforce都擁有了基于GPU的云計算能力，國內(nèi)的科大訊飛也采用了GPU集群支持自己的語音識別技術(shù)。GPU的這一優(yōu)勢被發(fā)現(xiàn)后，迅速承載起比之前的圖形處理更重要的使命：被用于人工智能的神經(jīng)網(wǎng)絡(luò)，使得神經(jīng)網(wǎng)絡(luò)能容納上億個節(jié)點間的連接。傳統(tǒng)的CPU集群需要數(shù)周才能計算出擁有1億節(jié)點的神經(jīng)網(wǎng)的級聯(lián)可能性，而一個GPU集群在一天內(nèi)就可完成同一任務(wù)，效率得到了極大的提升。另外，GPU隨著大規(guī)模生產(chǎn)帶來了價格下降，使其更能得到廣泛的商業(yè)化應(yīng)用。
　　
　　2.3.2大數(shù)據(jù)訓(xùn)練可以有效提高人工智能水平
　　
　　機器學(xué)習(xí)是人工智能的核心和基礎(chǔ)，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域。該領(lǐng)域的專家Alpaydin先生如此定義：“機器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機程序的性能標(biāo)準(zhǔn)。”
　　
　　我們已經(jīng)進入到大數(shù)據(jù)時代，來自的海量數(shù)據(jù)為人工智能的發(fā)展提供了良好的條件。
　　
　　根據(jù)IDC的監(jiān)測統(tǒng)計，2011年數(shù)據(jù)總量已經(jīng)達到1.8ZB(1ZB等于1萬億GB，1.8ZB也就相當(dāng)于18億個1TB的移動硬盤，人均200GB,這些信息的量相當(dāng)于可以填充572億個32GB的iPad)，而這個數(shù)值還在以每兩年翻一番的速度增長，預(yù)計到2020年將總共擁有35ZB的數(shù)據(jù)量，增長近20倍。
　　
　　2.3.3“深度學(xué)習(xí)”技術(shù)的出現(xiàn)
　　
　　“深度學(xué)習(xí)”是機器學(xué)習(xí)研究中的一個新的領(lǐng)域，它模擬人類大腦神經(jīng)網(wǎng)絡(luò)的工作原理，將輸出的信號通過多層處理，將底層特征抽象為高層類別，它的目標(biāo)是更有效率、更地處理信息。深度學(xué)習(xí)自2006年由GeoffreyHinton教授和他的兩個學(xué)生被提出后，使得機器學(xué)習(xí)有了突破性的進展，極大地推動了人工智能水平的提升。2013年，《麻省理工技術(shù)評論》把它列入年度技術(shù)突破之一。
　　
　　人腦具有一個深度結(jié)構(gòu)，認知過程是逐步進行，逐層抽象的，能夠?qū)哟位亟M織思想和概念。深度學(xué)習(xí)之所以有如此大的作用，正是因為它較好地模擬了人腦這種“分層”和“抽象”的認知和思考方式。
　　
　　深度學(xué)習(xí)的實質(zhì)，是通過構(gòu)建具有很多隱層的機器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來學(xué)習(xí)更有用的特征，從而終提升分類或預(yù)測的準(zhǔn)確性。因此，“深度模型”是手段，“特征學(xué)習(xí)”是目的。區(qū)別于傳統(tǒng)的淺層學(xué)習(xí)，深度學(xué)習(xí)的不同在于：1)強調(diào)了模型結(jié)構(gòu)的深度，通常有5層、6層，甚至10多層的隱層節(jié)點;2)明確突出了特征學(xué)習(xí)的重要性，也就是說，通過逐層特征變換，將樣本在原空間的特征表示變換到一個新特征空間，從而使分類或預(yù)測更加容易。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來學(xué)習(xí)特征，更能夠刻畫數(shù)據(jù)的豐富內(nèi)在信息。
　　
　　深度學(xué)習(xí)使得人工智能在幾個主要領(lǐng)域都獲得了突破性進展：在語音識別領(lǐng)域，深度學(xué)習(xí)用深層模型替換聲學(xué)模型中的混合高斯模型(GaussianMixtureModel，GMM)，獲得了相對30%左右的錯誤率降低;在圖像識別領(lǐng)域，通過構(gòu)造深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)，將Top5錯誤率由26%大幅降低至15%，又通過加大加深網(wǎng)絡(luò)結(jié)構(gòu)，進一步降低到11%;在自然語言處理領(lǐng)域，深度學(xué)習(xí)基本獲得了與其他方法水平相當(dāng)?shù)慕Y(jié)果，但可以免去繁瑣的特征提取步驟?？梢哉f到目前為止，深度學(xué)習(xí)是接近人類大腦的智能學(xué)習(xí)方法。
　　
　　深度學(xué)習(xí)引爆了一場革命，將人工智能帶上了一個新的臺階，將對一大批產(chǎn)品和服務(wù)產(chǎn)生深遠影響。
　　
　　2.3.4“人腦”芯片將從另一個方向打開人工智能的大門
　　
　　前面提到了現(xiàn)代計算機的馮·諾依曼體系結(jié)構(gòu)阻礙了大規(guī)模并行計算的實現(xiàn)，導(dǎo)致人工智能發(fā)展受限。而今天人工智能發(fā)展面臨突破，除了上文說的云計算、大數(shù)據(jù)、深度學(xué)習(xí)三個原因之外，另外一個方向的努力也是不容忽視的，那就是徹底改變了馮·諾依曼體系結(jié)構(gòu)的“人腦”芯片。
　　
　　“人腦”芯片，也叫神經(jīng)形態(tài)芯片，是從硬件方向?qū)θ四X物理結(jié)構(gòu)的模擬。這種芯片把數(shù)字處理器當(dāng)作神經(jīng)元，把內(nèi)存作為突觸，跟傳統(tǒng)·馮諾依曼結(jié)構(gòu)不一樣，它的內(nèi)存、CPU和通信部件是完全集成在一起，因此信息的處理完全在本地進行。而且由于本地處理的數(shù)據(jù)量并不大，傳統(tǒng)計算機內(nèi)存與CPU之間的瓶頸不復(fù)存在了。同時神經(jīng)元之間可以方便快捷地相互溝通，只要接收到其他神經(jīng)元發(fā)過來的脈沖(動作電位)，這些神經(jīng)元就會同時做動作。