亿欧-人工智能产业综合报告

《亿欧-人工智能产业综合报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、人工智能产业综述报告勘误有关AI人才图谱，由于信息收集和整理过程中有所失误，因此后续的更新和添加会在此页作出勘误提醒。2序言机器不但能够延长人的手和脚，代替人的某些体力活动，还能够延长人脑，代替人的某些思维活动。自从计算机出现以来，这已经是越来越明显的事实了，往后沿着一个方向，在发展计算机技术的同时，还逐步形成了一种人工智能的新技术。它包括但不仅限于——模仿人的大脑中枢神经系统建立起了神经网络模型来处理现实社会复杂多变的问题。它指导计算机下棋、证明定理、制定策略和决策，用机器对文字、声音、和图像进

2、行识别，用自然语言（人的语言）直接和计算机联系，研制具有识别、分析和综合、执行等功能的机器等各个方面。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，对学术界来说是一个质的飞跃，对产业界来说带来的是有形的生产力的经济利益。我们相信2016年是人工智能发展的一个重要拐点，是更快更强的计算力和爆炸式增长的数据库将人工智能推到了镁光灯之下，不夸张地说，人工智能已经成为了流行文化甚至是政治话语的前沿，但我们也推测，很有可能人工智能在下一个路口就步入了舆论的冬季。而这份报告的目的

3、是希望在那个「给予承诺又让人失望」的周期到来之前，以研究的心态——回顾人工智能发展的路线图、冷静审视技术的本质、挖掘技术落地具体市场的机遇和挑战，为人工智能的持续发展出一份力。3目录CHAPTER1回顾人工智能发展的路线图1.1人工智能的定义1.2神经网络的发展历程；1.3深度学习的机遇和挑战；CHAPTER2冷静审视人工智能技术的本质2.1计算机视觉技术；2.2语音识别技术；2.3自然语言理解技术；CHAPTER3人工智能技术落地具体市场的机遇和挑战3.1为什么优先关注医疗、金融和出行这三个领域

4、的AI+；3.2智能医疗；3.3智能投顾；3.4无人驾驶；附录亿欧智库：主要中国企业核心AI人才图谱（216人）4CHAPTER1回顾人工智能发展的路线图1.1人工智能的定义；何谓人工智能；追溯人工智能的产生和发展；人工智能、机器学习和深度学习；1.2神经网络的发展历程；从神经元模型到深度学习；1.3深度学习的机遇和挑战；51.1人工智能的定义人工智能发展路线图回顾人工智能发展的路线图何谓人工智能；追溯人工智能的产生和发展；·何谓人工智能；人工智能、机器学习和深度学习；1.2神经网络的发展历程；广

5、义的人工智能就是创造出能像人类一样思考的机器，它不仅是科幻电影喜闻乐见的主从神经元模型到深度学习；题，更是科学极客们的终极梦想，是技术狂不切实际、异想天开的代名词。1.3深度学习的机遇和挑战；而狭义的人工智能，美国斯坦福大学人工智能研究中心尼尔逊教授就给下了这样一个定义：“人工智能是关于知识的学科，是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能实现的功能来定义是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和

6、基本内容，即人工智能是研究人类智能活动的规律。若是从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。”·追溯人工智能的产生和发展；1943年最早的人工神经元模型被提出；1956年达特茅斯会议上一群科学家的集中讨论，引出了人工智能这个概念，也是这一年成为了人工智能的元年；1977年在第五届国际人工智能会议上，美国斯坦福大学计算机科学家费根鲍姆教授正式提出了知识工程概念，随后各类专家系统得以发展，大量商品化的专家系统被推出市面，但发展的好景不长，因为该

7、计算机系统没有什么学习能力，或者说学习能力非常有限，满足不了科技和生产提出的新要求，于是继专家系统之后，机器学习便成了人工智能的又一重要领域。·人工智能、机器学习和深度学习三者关系；深度学习人工智能、机器学习和深度学习三者之间的机器学习关系，后者属于前者。时下火热的深度学习是机人工智能器学习下的一分支，其所搭建的多层神经网络，其实是由最早的神经元模型演化而来的。61.1人工智能的定义回顾人工智能发展的路线图何谓人工智能；人工智能发展路线图追溯人工智能的产生和发展；·神经网络的发展历程；人工智能、机

8、器学习和深度学习；M-P神经元模型；1.2神经网络的发展历程；单层感知机；从神经元模型到深度学习；多层感知机；深度学习神经网络（DeepNeuralNetwork，DNN）;1.3深度学习的机遇和挑战；卷积神经网络（ConvolutionalNeuralNetwork，CNN）;递归神经网络（RecurrentNeuralNetwork，RNN）；……早在1943年计算机发明之前便有了第一个M-P神经元模型，在这个模型中，神经元接收来自N个其他神经元传递过来的输入信号，这些输入信号