人工智能研究报告简版0913(3)

人工智能技术与应用态势新兴产业百人会2017年9月内部资料1一、人工智能发展总体态势（一）发达国家把人工智能提升至战略高度人工智能是引领未来的战略性技术，世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。美国于2013年启动创新神经技术脑研究（BRAIN）计划，2016年5月美国白宫成立了“人工智能和机器学习委员会”，同年10月美国发布了《国家人工智能研究发展战略规划》与《为未来的人工智能做好准备》两份报告，提出了美国人工智能的七大发展战略，并针对人工智能的潜在风险问题提出了对策建议。欧盟于2013年提出了人脑计划，目的是通过计算机技术模拟大脑，建立一套具有创新性的全新的生成、分析、整合及模拟数据的信息通信技术平台。2013年，欧盟委员会还与欧洲机器人协会合作完成了SPARC计划，以资助机器人领域的相关创新。日本也高度重视对人工智能发展的支持，日本于2017年制定了人工智能产业化路线图，计划分三个阶段推进利用人工智能技术，以大幅提高制造业、物流、医疗和护理行业效率。我国已出台多个与人工智能相关的行动计划或规划方案。2015年7月，国务院印发《关于积极推进“互联网+”行动的指导意见》，将“互联网+人工智能”列为11项重点2行动之一。《中国制造2025》重点领域技术路线图中也构建了机器人产业发展蓝图。2016年3月，两会授权发布《中华人民共和国国民经济和社会发展第十三个五年规划纲要》，提出“重点突破大数据和云计算关键技术、自主可控操作系统、高端工业和大型管理软件、新兴领域人工智能技术”。2016年5月，国家发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，至2018年我国将形成千亿元级人工智能市场应用规模。2017年7月国务院印发《新一代人工智能发展规划》是我国针对人工智能领域的第一个系统部署文件，对2030年我国人工智能发展的总体思路、战略目标、重点任务及保障措施做了系统性规划。（二）人工智能相关技术取得突破性进展在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能正在加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。在算法方面，深度学习算法重要性日益凸显，卷积神经网络、递归神经网络及生成对抗网络等成为业界关注焦点，广泛地应用于自然语言理解、计算机视觉、无人驾驶、人机博弈等场景。在硬件方面，CPU+GPU、FPGA、TPU、仿人脑神经芯片及量子人工智能处理器等硬件构架呈现多源快速突破态势。目前，我国在计算机视觉、语音识别技术方面处于国际3领先水平，技术日渐成熟，革命性应用产品有望持续推出。如在语音识别技术方面，百度的语音识别准确率在2015年已超过90%。国内龙头科大讯飞在2016年ChiMEChallenge比赛中的识别错误率已降至2.24%，准确率正在接近99%的人机交互质变阈值。在计算机视觉方面，我国学术界和工业界团队包揽了2016年ImageNet图像识别大赛的多项冠军，商汤科技和港中文获得目标检测第一，公安部三所获得目标定位第一，海康威视获得场景分类第一。图1人工智能技术成熟度曲线（三）人工智能成为产业竞争的新焦点国外有谷歌、Facebook、因特尔、微软、苹果、特斯拉，我国有百度、腾讯、阿里巴巴等，这些企业纷纷将人工智能作为企业未来的业务核心。2016年，Facebook将人工智能做为其远景布局中的三大支柱之一。亚马逊也表示Alexa语音助手有望成为第四大业务支柱。谷歌10月宣布从移动先行转向人工智能先行。人工智能的创新型企业正在成为国际并购热点，不少4大型科技型企业通过持续收购来储备相关人才和技术。CBInsights数据表明，2011年至2016年全球有近140家从事先进人工智能技术的企业被收购，其中2016年被收购的企业数量达到了40家。据《乌镇指数：全球人工智能发展报告2016》数据，中国人工智能投资在2016年上半年达到了约6亿美元的规模，其中第二季度更是达到了创纪录的4.7亿美元，这表明我国在人工智能领域的投资明显加快。（四）“智能+”经济生态日益完善人工智能与各产业领域产生深度融合，形成了数据驱动、人机协同、跨界融合、共创分享的智能经济生态。一方面，在人工智能新兴产业方面，重点领域智能产品不断取得创新，人工智能新兴业态持续涌现。另一方面，人工智能与各行业的融合创新不断深化，已在制造、农业、物流、金融、商务、家居等重点行业和领域取得广泛应用。数据来源：Analysys易观图2人工智能产业生态图谱5二、人工智能技术前沿动态（一）深度学习成为人工智能时代的核心算法深度学习通常被认为是一种改良的计算机神经网络，大量神经元组合成多层网络结构时，能够解决复杂问题。当前比较流行的深度学习算法有以下几种：一是卷积神经网络，主要应用于计算机视觉相关任务，处理对象不局限于图像，可用于能够表示为张量的任意类型的数据，其类似于大脑处理视觉输入，能够丢弃次要细节，优先识别出某种显著模式。二是循环神经网络，主要应用于处理序列化的问题与任务，如音频和视频（随时间变化的帧序列）识别。三是生成对抗网络，其将对抗看作是一种训练的方法，对抗生成网络由生成器和鉴定器构成，生产者（生成器）想方设法欺骗购买者（鉴定器），而购买者（鉴定器）不断总结经验，降低受骗几率，达到共同进步的效果。四是深度森林，该算法由于计算开销小、模型效果好、超参数少、复杂度自适应伸缩、交叉验证等特点，目前成为业界关注的焦点算法。表1不同算法的测试精度比较（GTZAN数据库）算法精度多粒度级联森林65.67%卷积神经网络59.20%多层神经网络58.00%随机森林50.33%资料来源：（二）人工智能芯片硬件架构呈多源快速突破态势深度学习需要很高的内在并行度、大量的浮点计算能力以及矩阵运算，传统芯片架构已经不能满足其需求，当前人工智能芯片硬件架构呈现多源快速突破态势。CPU+GPU架构。GPU使用SIMD（单指令多数据流）来让多个执行单元以同样的步调处理不同的数据，适合于处理深度学习任务中的非线性离散数据，“CPU+GPU”架构已成为谷歌、Facebook、百度、微软等企业训练深度神经网络的主流选择，如围棋人机大战的AlphaGo配置是280颗GPU和1920颗CPU。现场可编程门阵列（FPGA）。FPGA的优点是可以根据应用特征来定制计算和存储结构，具有较高的性能功耗比和灵活性，百度采用了FPGA打造百度大脑专用AI芯片，微软利用FPGA打造了Brainwave平台。张量处理单元（TPU）。TPU是谷歌专门为人工智能量身打造的一款芯片，目前谷歌TensorFlow团队已经公布了TensorFlowResearchCloud（云开发平台），其具有1000个云TPU的服务器集群，可服务于计算密集型项目。神经处理单元。寒武纪开发的DianNao指令集直接面对大规模神经元和突触的处理，华为的麒麟970将可能整合神经处理单元（NPU），IBM的TrueNorth是内置4096个内核、100万个神经元及2.56亿个突触的神经芯片。7量子处理单元。2017年3月，IBM宣布计划建立业界首个商用通用量子计算平台—IBMQ系统。该系统将通过IBMCloud平台交付使用，其量子位已达到16至17位。IBM预测未来10年内可能打造出一台50至100量子位的计算机。（三）人工智能前沿应用领域不断拓展人工智能应用领域日益拓展，目前应用于自然语言处理、语音识别、计算机视觉、自动驾驶、智能医疗、机器人、智能媒体、智能客服、智能家居等场景。图3人工智能应用场景自然语言处理。哈工大、IBM、谷歌等已经开放了语音技术平台，发布了大量便于开发人员使用的API。多家知名公司推出了机器翻译产品，微软的Skype和MicrosoftTranslator、IBM的ViaVoiceTranslator、谷歌的Googletranslate、百度机器翻译等。语音识别。Nuance推出的汽车级语音平台DragonDrive，8通过与手机连接，可以帮用户实现语音控制GPS导航、信息收发、电话接打、社交网络更新等。科大讯飞推出的AIUI，提供远场唤醒和识别降噪方案，兼容全国近十七种方言。据ResearchandMarkets研究报告，到2020年全球语音市场规模预计到达191.7亿美元。计算机视觉。人工智能在图像识别、医疗影像诊断、工业视觉检测、视频监控、三维视觉等领域有着重要应用，国内企业有云从科技、旷视科技、商汤科技、海康视威等，国外企业有Identix、Bioscrypt、CognitecSystems等。自动驾驶。谷歌、Uber、特斯拉、百度等企业正在致力于开发自动驾驶系统，而福特、通用、奥迪等传统汽车企业也积极研究自动驾驶技术。谷歌自动驾驶汽车的总行驶里程已突破了200万英里，新一代奥迪A8是第一款搭载三级自动驾驶技术的量产车。智能媒体。国外媒体如洛杉矶时报、美联社、纽约时报和华盛顿邮报，国内的腾讯、今日头条、第一财经和新华社为主要代表的媒体均已运用了写作智能机器人，主要涉及财经和体育领域的写作。在内容传播方面，今日头条、一点资讯、天天快报等正在利用智能算法进行内容分发和推荐。智能客服。中国移动在2016年推出的智能机器人客服“移娃”已经全面应用于中国移动服务体系，其中包括6个全网服务渠道，30个省内渠道，月均访问量超过千万，识别9能力超过90%。阿里巴巴推出人工智能服务产品“阿里小蜜”，其服务能力堪比3.3万个人工客服。三、人工智能对产业的影响（一）对经济驱动要素的影响传统理论认为，资本和劳动力是推动经济发展两大要素，提高要素投入量或是增加利用效率，便能够促进经济增长。技术创新则反映在全要素生产率之中。人工智能的发展不仅能够提高全要素生产率，更有可能成为未来的一种全新生产要素。一方面，人工智能型资产具有自主学习和自适应能力，随着时间的推移其能力可能越来越好，这与不断折旧的传统资产有着本质区别。另一方面，人工智能与劳动力也有着区别，人工智能在某些领域已具备超越人类的创造力，例如人类几百年形成的围棋定式被AlphaGo所改变。人工智能构成全新的生产要素，将对经济产生革命性影响。埃森哲预测2035年人工智能将为我国带来6万亿美元的额外增长。资料来源：埃森哲图4人工智能作为新增长要素的经济增长模型10资料来源：埃森哲和经济学前沿图52035年中国经济总增加值（10亿美元）（二）对重点产业领域的影响制造业。物联网等前沿技术已为智能系统的无缝整合创造了有利条件。物联网与人工智能的关系如同眼睛和大脑配合使生物不断进化的关系。以往工业自动化依赖于工业机器人，但在物联网时代，工业机器人将从物理形态的硬件化向软件化发展，云端虚拟状态与物理端实体结合。交通运输。“无人驾驶”+“车联网”将重新塑造交通未来版图。无人车自身是视觉识别、语音识别、自主决策、机械控制于一体，能够把人、车、环境联系在一起，把个体目的和整体管理相结合。无人车联网系统一旦形成，将像血管和神经一样连接其他系统。11图6无人车发展路线智能医疗。IBM推出的Watson在2012年通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。阿里携手万里云正式发布“DoctorYou”AI系统，主攻方向是医学影像诊断领域。腾讯发起人工智能医学影像联合实验室，并公布其首个AI医学影像产品“腾讯觅影”，可用于辅助早期食道癌等疾病的筛查。智能家居。亚马逊在2014年就发布了一款具有语音识别的Echo智能音响产品，CIRP数据显示Echo发售至今已售出400万台。在2016谷歌I/O全球开发者大会上，谷歌向外界展示了一款智能家居核心处理系统GoogleHome。京东与科大讯飞合作打造叮咚智能音箱，国内的科技巨头百度也表示将推出智能音箱，并围绕其打造智能家居。（三）对产业链各环节的