感知+深度学习,人工智能进入轻度应用时代

感知+深度学习,人工智能进入轻度应用时代

ID:8136280

大小:1.03 MB

页数:9页

时间:2018-03-07

感知+深度学习,人工智能进入轻度应用时代_第1页
感知+深度学习,人工智能进入轻度应用时代_第2页
感知+深度学习,人工智能进入轻度应用时代_第3页
感知+深度学习,人工智能进入轻度应用时代_第4页
感知+深度学习,人工智能进入轻度应用时代_第5页
资源描述:

《感知+深度学习,人工智能进入轻度应用时代》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、证券研究报告

2、策略研究感知+深度学习,人工智能进入轻度应用时代2017年3月21日2017年政府工作报告首提人工智能,深度学习算法的进化与大数据的逐渐成熟悄然将人工智能的发展推向新的阶段,感知智能——轻度人工智能时代已向我们走近。本文梳理了轻度人工智能领域的A股上市公司,供跟踪参考。深度学习神经网络算法,人工智能的“智能”所在。深度学习是建立、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图像,声音和文本等数据。即,深度学习算法不需要人为编译面面俱到的计算逻辑,只需界定一些框架,机器便能通过大量数据进行反复训练,达到自主思考的能力。比如以扫地机器人与分拣衣服机器人为例,

3、扫地机器人需要感知周围环境并作出自主的分析,才是真正人工智能化的。深度学习神经网络算法打开了人工智能大门,是人工智能的“智能”所在。感知智能助力人工智能进入轻度应用时代。深度学习算法的出现使得语音识别和视觉识别成功率已经分别达到了95%和99%,让机器拥有了一定的感知智能。随着物联网和大数据的逐步发展,芯片、传感器技术提升很快,借助深度学习神经网络算法,语音、图像识别技术和数据处理能力已经能够符合人们的生产生活需求,轻度的人工智能正走入我们的生活。认知智能,深度人工智能技术尚有瓶颈。随着技术的进步,未来深度学习的人工智能将不再局限于已知的设定,能够独立自主地去学习新的事物,遇

4、到未知的事物能够像人类一样合理地应对,并学习成长,真正做到类人化。这不仅仅只是机器感知功能的简单升级或者简单地记忆并重复实现,需要真正张夏深化的认知智能。然而目前的深度学习神经算法在理论上无法实现这一个目86-755-82900253标,人工智能对世界的认知还停留在早期阶段。zhangxia1@cmschina.com.cnS1090513080006轻度人工智能,A股有几何。人工智能主题广义上可以相关的上市公司有很多,我们主要着眼于轻度的应用(没有包含如芯片、传感器等AI硬件类公董理伟(研究助理)司),从涉及“感知+深度学习”两个方面的角度将上市公司作了筛选(部dongliw

5、ei@cmschina.com.cn分简单分析的应用类公司并未入选),分为三类。一是有图像、语音等识别技术的公司,视觉、语音等数据的识别本身需要算法学习,有科大讯飞、工大高新等;二是有智能化产品(非自动化)的公司,有机器人、赛为智能等;三是有人工智能技术储备的公司,有北部湾旅、慈星股份等。详见正文表2~4。风险提示:(1)政策支持力度低于预期;(2)核心技术发展遭遇瓶颈;(3)前期科研资金投入巨大,中小企业难以承受。敬请阅读末页的重要说明策略研究一、以感知智能为主的轻度人工智能时代正徐徐开启1.1深度学习神经网络算法——人工智能的“智能”所在2006年,Hinton发表论文提出

6、了深度学习神经网络算法,为人工智能的发展打开了新的大门,是人工智能的“智能”所在。深度学习是建立、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图像,声音和文本等数据。即,深度学习算法不需要人为编译面面俱到的计算逻辑,只需界定一些框架,凭借着高效的计算能力和海量的数据训练,机器便能够对于人类生活密切相关的传感数据做出相应的分析和行动结果。图1:人工智能的发展示意图资料来源:招商证券深度学习神经网络算法带领人工智能进入感知智能时代。比如以扫地机器人与分拣衣服机器人为例,扫地机器人需要感知周围环境并作出自主的分析,才是真正人工智能化的。从目前的发展来看,强大的芯片计算能力和海

7、量的数据是人工智能发展的基础,而算法则是突破的关键。图2:人工智能基础示意图资料来源:招商证券敬请阅读末页的重要说明Page2策略研究表1:4种可用于人工智能的计算处理器计算处理器类型特点CPU,中央处理器一块超大规模的集成电路,是一台计算机的运算核心和控制核心。它的功能主要是解释计算机指令以及处理计算机软件中的数据。(CentralProcessingUnit)GPU,图形处理器GPU是专为执行复杂的数学和几何计算而设计的,在浮点运算、并行计算等部分计算方面,GPU可以提供数十倍乃至于上百倍于CPU的性能,(GraphicsProcessingUnit)而对能源的需求远远低于C

8、PU。GPU擅长的快速处理海量的数据,非常契合深度学习的神经网络算法的需求。FPGA,现场可编程门阵列FPGA具有:可编程专用性,高性能和低功耗。FPGA拥有大量的可编程逻辑单元,可以根据客户定制来做针对性的算法设计。除此以外,(Field-ProgrammableGateArray)FPGA是硬件底层的架构,在处理海量数据的时候,FPGA相比于CPU和GPU,更加高效。ASIC,专用集成电路ASIC是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。能够做到体积更小、

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。