宝马娱乐网站bmw0002

　　上周末参加一个会议，左手边一位做大数据，右手边一位做大数据，前边儿一位做数据平台，后面一溜排儿投资机构准备要投AI。第二天会议都快接近尾声了，会场后边居然还站着一摞听众。

　　从2016年 AlphaGo 战胜了人类围棋世界冠军开始，AI正式步入公众视野。

　　AI到底是什么，它如何一步步发展而来，具体又有什么样的应用，是哪些人或机构在推动AI ？我们需要一份AI科普。

　　人工智能(Artificial Intelligence)：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。这门科学试图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。是一门有关“智能主体的研究与设计的学问”（智能主体是指一个可以观察周遭环境并做出行动以达到目标的系统。）

　　人工智能分为弱人工智能、强人工智能和超人工智能三个阶段，区分的主要标准为是否超过人类的智能水平，低于是弱人工智能、等于就是强人工智能、超过则是超人工智能。目前我们正处于并且在相当长的时间段内处于弱人工智能阶段。

　　大数据，Big data，又称为巨量资料，指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。在总数据量相同的情况下，与个别分析独立的小型数据集相比，将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性，可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定即时交通路况等；这样的用途正是大型数据集盛行的原因。

　　是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

　　是机器学习中一种基于对数据进行表征学习的方法。把计算机要学习的东西看成一大堆数据，把这些数据丢进一个复杂的，包含多个层级的数据处理网络奔驰宝马游戏大厅，然后检查经过这个网络处理得到的结果数据是不是符合要求，如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地，锲而不舍地调整网络的参数设置，直到输出满足要求为止。

　　深度学习是一种在表达能力上灵活多变，同时又允许计算机不断尝试，直到最终逼迫目标的机器学习方法。好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

　　大数据、机器学习、深度学习三者之间的关系，简单来说是，一堆大数据，计算机经过数据罗列归类（算法）分析可以得出最为接近或满足问题的答案，这是机器学习。如果在归类分析的基础上计算机得出了一套规律，并按规律来预测和分析出答案，这就是深度学习。机器学习解决知其然，深度学习解决了知其所以然奔驰宝马游戏大厅。我们说的AI发展，在现阶段与未来，是对于深度学习的不断突破。

　　有一伙子见到一姑娘，与他身上关联的设备（AI）显示他对女孩子一见钟情，设备数据体现在荷尔蒙指数、心率变化等等。能做到这一些就是机器学习分析所得的结果，设备关联的数据存储在结合场景并有多样体征数据出现明显改变的时候，预示着是喜欢的结果。

　　那深度学习是什么呢？深度学习解决的是为什么这个小伙子见到这个姑娘为一见钟情。设备关联的数据中心检索到小伙子过往所有感情经历、初恋、观看过的影片、图文记录等等信息，能先得出小伙子喜欢的类型，再结合本次所见姑娘的特征条件，体征指数，及场景条件，得出了这就是他的菜。

　　大数据和深度学习密不可分，深度学习可以从大数据中挖掘出以往难以处理的数据、知识或规律。有足够的数据作为深度学习的输入，计算机就可以学会以往只有人类才能理解的概念，然后再将这些概念或适应应用到之前从来没有看见过的新数据上。

　　1943年，人工智能的前身———人工神经网络概念提出。数学家Walter Pitts和神经生理学家Warren Mcculloch发表论文，描述了人工神经网络概念，证明该网络可以计算任何可计算函数，并具有学习能力。

　　1951年，第一台神经网络计算机诞生。由两位大学生马文.明斯基和迪恩.爱得蒙创造发明，能模拟40个神经元。

　　1956年，人工智能诞生。计算机科学家约翰.麦卡锡、明斯基及其学生，在达特茅斯学院开展了为期两个月的研讨会，汇集了美国各地的10名研究员。此次研讨会的最大成果是将该新领域命名为“人工智能”。

　　1966-1972年代，美国斯坦福国际研究所研制了移动式机器人Shakey，这是首台采用了人工智能学的移动机器人。

　　1972-1980年代，神经网络领域有重大突破。但计算机技术发展过于缓慢。人工智能遇冷。

　　1980-1987年代，神经网络重获新生，知识处理成了主流AI研究的聚集点。美国与人工智能相关的软硬件销售额高达4.25亿美元。

　　1987-1993年代，AI推进组织大幅削减了对AI的资助，DARPA的新任领导认为AI并非“下一个浪潮”，AI再次遇冷。后期，研究者根据机器人学的成就提出了一种全新的人工智能方案。

　　1997年，IBM“深蓝”战胜国际象棋世界冠军卡斯帕罗夫。这是AI里程碑事件。

　　2011年，Watson（沃森）作为IBM公司开发的使用自然语言回答问题的人工智能程序参加美国智力问答节目，打败两位人类冠军，赢得了100万美元的奖金。

　　2012年，人工智能领域标志性一年，谷歌大脑研究小组在线视频智能识别领域有重大突破。人工智能开启人才竞争模式。

　　2015年：人工智能突破之年，Google推出利用大量数据直接就能训练计算机来完成任务的第二代机器学习平台Tensor Flow；剑桥大学建立人工智能研究所。

　　2016年：AlphaGo战胜围棋世界冠军李世石，人工智能开始正式进入公众视野。

　　杰弗里.辛顿 Geoffrey Hinton：深度学习的建造者, 人工智能领域的三位奠基人之一

　　雅恩·乐昆 Yann LeCun：人工智能领域的三位奠基人之一，为神经网络的研究和发展做出了重要贡献，尤其是在图像识别领域

　　约书亚·本吉奥 Yoshua Bengio：人工智能领域的三位奠基人之一，机器学习大拿专家，他的研究工作主要聚焦在高级机器学习方面，致力于用其解决人工智能问题

　　雷.科兹威尔 Ray Kurzweil：人工智能先驱、未来学家，人工智能领域最重要的人物之一，擅长未来预测，在1990年出版著作《智能机器时代》，2005年出版《奇点临近》

　　杰夫·霍金斯Jeff Hawkins：历史上第一款掌上电脑Palm Pilot发明者，2002年，他开始致力于研究神经科学以及聚焦于人类大脑皮质功能的人工智能学习过程，这期间创立了红木理论神经科学中心

　　吴恩达 Andrew Ng：人工智能和机器学习领域最权威的学者之一，谷歌大脑首席研究，2014年被百度挖走，三年后离职。

　　当前AI应用主要集中在安防、金融、医疗三大领域，其它在智慧生活、交通领域、教育系统也建树不少。

　　是目前AI应用最广的领域，如视频监控，人脸识别，语音识别等技术目前在安防领域应用广泛。随着高清视频、智能分析、云计算和大数据等相关技术的发展，安防正在从传统的被动防御向主动判断、预警发展，行业也从单一的安全领域向多行业应用、提升生产效率、提高生活智能化程度方向发展，为更多的行业和人群提供可视化、智能化解决方案，人工智能的重要作用正逐步显现。有专家预测，未来4到5年时间，安防将进入一个人工智能高速发展的时代。

　　基于客户的海量交易数据，可以针对精准客户进行产品推荐、资产预测、风险防控；类似蚂蚁金服这样的新金融平台已经成功将人工智能运用于互联网小贷、保险、征信、资产配置、客户服务等。

　　高盛集团2016年12月发布的报告中指出，在金融行业，保守估计，到2025年时，机器学习和人工智能可以通过节省成本和带来新的盈利机会创造大约每年340亿-430亿的价值。有一个案例是，2017年，摩根大通开发一款金融合同解析软件COIN，原先工作人员每年累计需要36万小时才能完成的工作，COIN只需要几秒钟就能完成。

　　AI对人类最有意义的帮助之一是促进医疗科技的发展，让机器、算法和大数据为人类自身的健康服务。目前，AI 已被应用于医疗健康各个领域：

　　在感知智能层面，主要用于医疗智能语音，医疗机器人，可穿戴设备及远程医疗；

　　在AI领域，IBM是早期先锋，当年它为大众带来了现代AI，IBM沃森（Watson）参与过电视节目Jeopardy。作为知识解决服务的代表，营收已占IBM总营收的22%。到目前为止，IBM已经拥有几十个不同的AI产品和服务，这些产品和服务大体可以分成两类：开发者工具和预制应用。IBM还赞助500万美元，让创业公司参加挑战赛，用AI解决世界性的大难题。

　　IBM未来10年的战略核心是“智慧地球”计划，希望在智慧能源，智慧交通，智慧医疗，智慧零售和智慧水资源等领域全面发力。

　　早在1991年，微软就已经开始涉足机器学习，目前在这一领域的几十个研究领域有数百名科学家和工程师。微软在人工智能上投入了很多精力，也有诸多人工智能产品面世，比如小冰、小娜以及智能识图网站等。

　　英特尔的AI研究主要集中于机器学习、深度学习、芯片和软件AI，它已经收购了一些专注于AI研究的小企业。利用认知技术加快新产品的开发，用大数据进行视觉分析。

　　早在2006-2010年就开始打造谷歌大脑，提出“AI先行”的战略口号；2012-2015年，谷歌内部使用深度学习项目达到1000多个，2015年成立主打AI的公司 Alphabet,目前该公司已成为世界上最大的AI平台。

　　目前已经拥有两大实验室，同时布局于基础研究以及产品应用。其重点打造的FAIR（Facebook AI Research）主要从事AI研究，它涉及的领域包括自然语言处理、计算机视觉。

　　具体计划暂无披露，但苹果正在向AI投资，最近苹果公开招聘员工，职位也与机器学习有关，它还收购了AI创业公司Emotient 和Vocal IQ

　　亚马逊早前就已经开始研究机器学习，它将技术用在电子商务网站，向用户推荐产品、预测价格。亚马逊CEO杰夫·贝佐斯（Jeff Bezos）表示：“未来20年，AI会对社会造成多大的影响，我们真的很难估计。”亚马逊还收购了AI创业公司Orbeus。目前在其语音识别生态系统上投入的人力有1000人。

　　从2013年1月李彦宏提出设立深度学习研究院、4月设立硅谷人工智能实验室以来，人工智能就渐渐成为百度的战略发展方向。2013年到2017年，百度一方面加大基础技术研发，另一方面则加快产品商业化落地。目前，百度公司在人工智能领域公开的中国专利申请超过2000项、国外专利申请数百项，技术内容涉及语音识别、图像识别、自然语言理解、用户画像、自动驾驶、深度学习、云计算等，上述技术将为百度抢占技术制高点。最为众人所熟知的，是百度无人驾驶领域的Apollo计划。

　　在美国西雅图成立AI Lab，并任命微软前首席研究员语音识别与深度学习领域专家俞栋博士为AI Lab副主任负责该实验室的运营及管理，该公司如今对人工智能研究的发展起着重要的作用。腾讯AI Lab自研的人脸识别技术初有成果，已用于协助警方寻找走失儿童，目前已累计找回400多名。目前腾讯的AI技术已经运用在了效果广告、内容服务（天天快报、等）、金融科技、社交产品（天天P图、微信等）等业务线年开始，阿里云发布的首个可视化人工智能平台DTPAI，集成了阿里核心算法库，包括特征工程、大规模机器学习、深度学习等。在此基础上，阿里推出的人工智能ET，目前已具备智能语音交互、图像/视频识别、交通预测、情感分析等技能。ET的优势在于对全局的洞察和实时决策上，在复杂的局面下快速做出最优决定。如今ET的前端已经演化出四个融合人工智能、云计算、大数据等多种技术的人工智能中枢“大脑”，为各垂直领域的企业级与政府公共事务级提供服务。

　　1. 封面图：2006年，在AI首次研讨也是命名的1956达特茅斯会议五十年后，当事人重聚。左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫