AI

中文名人工智能，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

AI

• 概念
  • 中文名人工智能，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
  • 人工智能是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支。
  • 人工智能科学的主旨是研究和开发出智能实体，在这一点上它属于工程学。工程的一些基础学科自不用说，数学、逻辑学、归纳学、统计学、系统学、控制学、工程学、计算机科学，还包括对哲学、心理学、生物学、神经科学、认知科学、仿生学、经济学、语言学等其他学科的研究，可以说这是一个集数门学科精华的尖端学科中的尖端学科。所以说人工智能是一门综合学科.
• 分类
  • 弱人工智能
    • 弱人工智能是擅长于单个方面的人工智能，比如有能战胜象棋世界冠军的人工智能阿尔法狗，但是它只会下象棋，如果我们问它其他的问题那么它就不知道怎么回答了。只有擅长单方面能力的人工智能就是弱人工智能。
  • 强人工智能
    • 强人工智能是指有可能制造出真正能推理和 解决问题的智能机器， 并且，这样的机器将 被认为是有知觉的，有自我意识的，可以独 立思考问题并制定解决问题的最优方案，和 生物一样有自己的价值观和世界观体系。
  • 超人工智能
    • “在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科技创新、通识和社交技能”。
• 发展历程
  • 发展期
    • 1943年—20世纪60年代 人工智能概念的提出后，发展出了符号主义、联结主义(神经网络)，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序、人机对话等，掀起人工智能发展的第一个高潮。
  • 反思发展期
    • 20世纪70年代 人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，然而计算力及理论等的匮乏使得不切实际目标的落空，人工智能的发展走入低谷。
  • 应用发展期
    • 20世纪80年代 人工智能走入应用发展的新高潮。专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。而机器学习(特别是神经网络)探索不同的学习策略和各种学习方法，在大量的实际应用中也开始慢慢复苏。
  • 平稳发展期
    • 20世纪90年代—2010年 由于互联网技术的迅速发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化，人工智能相关的各个领域都取得长足进步。在2000年代初，由于专家系统的项目都需要编码太多的显式规则，这降低了效率并增加了成本，人工智能研究的重心从基于知识系统转向了机器学习方向。
  • 蓬勃发展期
    • 2011年至今 随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的技术鸿沟，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了重大的技术突破，迎来爆发式增长的新高潮。
• 产品举例
  • 1. 人脸检测和识别。 2. 泛图像识别 (延伸到视频）: 例如看看照片里都出现了什么物品，识别下logo之类的。 3. 语言识别：例如Siri和各种音箱的底层技术。 4. 聊天机器人：自然语言处理的应用 ：首先分析意图，之后去数据库里面召回相关的对话。 5. 智能搜索 、推荐。 6. 时间序列预测性问题：胜者为王。通过AI来预测股价等等 7. 机器人相关应用
• 发展可能性
  • 数据层面
    • 数据是现实世界映射构建虚拟世界的基本要素，随着数据量以指数形式增长，开拓的虚拟世界的疆土也不断扩张。不同于AI算法开源，关键数据往往是不开放的，数据隐私化、私域化是一种趋势，数据之于AI应用，如同流量是互联网的护城河，有核心数据才有关键的AI能力。
  • 算力层面
    • 在计算芯片按摩尔定律发展越发失效的今天，计算能力进步的放慢会限制未来的AI技，量子计算提供了一条新量级的增强计算能力的思路。随着量子计算机的量子比特数量以指数形式增长，而它的计算能力是量子比特数量的指数级，这个增长速度将远远大于数据量的增长，为数据爆发时代的人工智能带来了强大的硬件基础。
  • 算法层面
    • 在给定数据集上使用哪种机器学习算法、是否以及如何预处理其特征以及如何设置所有超参数。随着机器学习在许多应用领域取得了长足的进步，这促成了对机器学习系统的不断增长的需求，并希望机器学习应用可以自动化构建并使用。借助AutoMl、MLOps技术，将大大减少机器学习人工训练及部署过程，技术人员可以专注于核心解决方案。
• 发展学派
  • 联结主义
    • 利用数学模型来研究人类认知的方法，用 神经元的连接机制实现人工智能
  • 符号主义
    • 认知就是通过对有意义的表示符号进行推导计算，并将学习视为逆向演绎，主张用显式的公理和逻辑体系搭建人工智能系统
  • 演化主义
    • 对生物进化进行模拟，使用遗传算法和遗传编程
  • 贝叶斯主义
    • 使用概率规则及其依赖关系进行推理
  • 行为主义
    • 以控制论及感知-动作型控制系统原理模 拟行为以复现人类智能
• 技术分支
  • 模式识别
    • 是指对表征事物或者现象的各种形式（数值的文字的逻辑关系的等)信息进行处理分析，以及对事物或现象进行描述分析分类解释的过程，例如汽车车牌号的辨识涉及到图像处理分析等技术。
  • 机器学习
    • 研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构是指不断完善自身的性能，或者达到操作者的特定要求。
  • 数据挖掘
    • 知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等
  • 智能算法
    • 解决某类问题的一些特定模式算法；例如，我们最熟 悉的最短路径问题，以及工程预算问题等
• 人才
  • 美国在AI基础层占据绝对优势，中国则在应用层与美国旗鼓相当。据腾讯研究院《中美两国人工智能产业发展全面解读》统计，截止至2017年6月，全球人工智能初创企业共计2617家。美国占据1078家居首，中国以592家企业排名第二。其中，美国1078家人工智能企业约有78700名员工，中国592家公司中约有39200位员工，约为美国的50%。当前，人工智能领域的竞争，主要体现为人才之争。
  • AI人才以80后作为主力军，主要分布在北京、上海、深圳、杭州、广州，人才需求量也以这些城市居多。
• 现状
  • 近两年，人工智能产业热度逐步提升，市场规模持续增长。科研机构和企业加快人工智能研究和创新，人工智能发展受到普遍看好。语言、视觉等技术已经能够步入实用和商用阶段，带动了产业规模快速增长
  • 2017年全球人工智能创业公司总融资额达到了152亿美元，中国企业占比48%位居第一，美国排名第二，占比38%；专利出版物方面，标题或摘要中包含“人工智能”关键词的中国专利出版物从2016年的328起增长至2017年的641起，美国则从108起增至130起
  • 企业力量不断壮大，新增企业数量快速增长，尤其是欧洲和亚洲增速逐步提升。我国人工智能企业塑料接近1500家，在全球中位居第二，已经是全球人工智能发展高地之一。
• 政策
  • 中国强调促进人工智能发展并达到世界领先水平。在2016-2017年陆续发布《互联网+人工智能三年行动实施方案》、《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年性能规划（2018-2020）》，并在《“十三五”国家科技创新规划》、《“十三五”国家战略型新兴产业发展规划》、《2017年全国政府工作报告》、《十九大报告》等政府报告中提出鼓励人工智能产业发展，重点内容包括促进人工智能的发展，让中国人工智能产业竞争力进入国际第一方阵；带动我国产业升级和经济转型；培育发展人工智能新兴产业，鼓励智能化创新。