人工智能可视化报告

02
模数据训练和复杂任务。
1973 年，lighthill 针对英国 AI 研究状况的报告
批评了 AI 再实现其“宏伟目标”上的完全失败。
1987-1996
低潮阶段
技术成果较少，但是以神经网络、遗传算法 为代表的技术得到关注。
1987 年，苹果和 IBM 生产的台式机性能超过 Symbolics 等厂商生产的通用型计算机。 1990 年，人工智能计算机 DARPA 没能实现。 1991 年，日本人设定的“第五代工程”失败。
研发周期
2005
2009
项目名称
GALE
项目目标
应用计算机软件技术对海量规模的多语言语音和文本 进行获取、转化、分析和翻译。
研发周期
2005
至今
项目名称
MADCAT
项目目标
创建一个可随身携带的原型系统，为军事指挥人员快 速准确提取相关可操作的信息。可将外国语言、文字、 图像以及手写笔迹，自动转换成英文信息。
资料来源：《THE NATIONAL ARTIFICIAL INTELLIGENCE RESEARCH AND DEVELOPMENT STRATEGIC PLAN》
应 用
农 业
通 讯
教 育
金 融
政 府 服 务
法 律
物 流
制 造
营 销
医 疗
个 人 服 务
科 学 和 工 程
安 全
运 输
基 本 研 发
数 据 分 析
重点攻破多语言、复杂环境 下的语音识别和自然语言深 度处理技术，提升军事作战 自动化水平
中国
科技部（973 计划）、国家自 然科学基金、工业和信息化部 （电子发展基金）、国家发改 委多次立项支持
推动智能技术研发及产业化
智能机器人
美国
欧盟 日本 韩国
举措
“再工业化”战略、先进 制造伙伴计划 (AMP)、发布 《机器人技术路线图：从 互联网到机器人》 第七框架计划、机器人地 球（RoboEarth）计划
通过建模特定领域专家解决某些问题的方法， 进而让机器模拟专家实现解决特定领域问题的能力。
1980 年，卡内基·梅隆大学设计出 XCON 专家系统。 1981 年，日本经济产业省拨款支持第五代计算机项目。 1982 年，霍普菲尔德神经网络被提出。 1986 年，BP 算法的出现使大规模神经网络的训练成 为可能。
37
4.7 机器人技术突破大幅提高社会生产效率
38
4.8 开源极大地推动了人工智能技术普及
39
4.9 开放平台成为科技巨头展示人工智能技术的重要渠道 41
8.1 人工智能将成为各国国际话语权争夺的主战场
65
8.2 人工智能将加速传统产业的智能化转型升级
66
8.3 人机协作将成为人工智能商业化的主要方向
匹兹堡大学 卡内基·梅隆大学 ......
慈善家 企业 基金会
图 2-1 美国创新神经技术脑研究计划（BRAIN）
资料来源：国家工业信息安全发展研究中心整理
BRAIN
美国创新神经技术脑研究计划
面临的 基础研究挑战
· 基础知识 · 工具高分辨率测量 · 计算模型和理论框架 · 教育存储，管理和分析
涉及学科
2016年 05月
成立机器学习和人工智能分委会（MLAI），负责跨部门协调工作， 对人工智能相关问题提供技术和政策建议。
2016年 10月13日
美国白宫发布《为人工智能的未来做好准备》和《国家人工智能 研究与开发战略规划》，详细阐述了美国在发展人工智能方面的 整体框架和未来部署（见图 2-2）。
图 2-2 美国人工智能研发七大战略
机器人技术长期发展战略
服务机器人发展战略
目标
开发基于互联网的新一代智能 机器人
开发基于互联网的新一代智能 机器人
将机器人产业作为“新产业发 展战略”中七大重点扶持的产 业之一
扩大韩国机器人产业并支持国 内机器人企业进军海外市场
美国 欧盟
举措
目标
BRAIN 计划（项目期超过 10 年） 通过研发一系列研究大脑活动 的工具了解人类思维
©2016 全球人工智能发展报告
01
1.1
人工智能迎来 第三次发展浪潮
2016 年，人工智能经历了两起两落迎来了第三次发展浪潮， 技术驱动下的人工智能从实验室走向了市场，并进入了快速 发展阶段。
1970-1979
低谷阶段
被称为经典符号时期，此时人工智能与认知 心理学、认知科学紧密相连。
1970 年，计算机能力突破没能使机器完成大规
©2016 全球人工智能发展报告
05
表 2-1 主要国家和组织的人工智能相关技术及领域发展举措
资料来源：国家工业信息安全发展研究中心整理
人工大脑
智能语音
美国
举措
DARPA 自 2005 年分别启动 GALE、CALO、MADCAT、 RATS、BOLT、DEFT、 TRANSTAC 等多个项目
目标
05
21世纪初期至今
快速发展阶段
大数据、云计算、以及认知技术等的出现和发展，推动了深度 学习技术在人工智能领域普及化，并推动语音识别、图像识别 等技术快速发展并迅速产业化。
1997 年，深蓝（Deep Blue）战胜人类国际象棋冠军卡其帕罗夫。 2006 年，Hinton 提出“深度学习”神经网络。 2009 年，洛桑联邦理工学院发起的“蓝脑计划”声称已经成功 地模拟了部分鼠脑。 2013 年，深度学习技术在语音和图像识别领域取得突破性进展。 2014 年，无监督学习算法取得突破。 2016 年，谷歌 AlphaGo 4：1 战胜人类围棋冠军李世石。
44
5.2 人工智能技术正在全面重塑机器人产业
45
5.3 人工智能推动智能汽车产业快速发展
46
5.4 人工智能推进智慧医疗驶入快车道
47
5.5 人工智能为大规模定制化教育带来广阔市场
51
2.1 美国通过持续投入在人工智能领域取得显著进展
07
2.2 欧盟启动 HBP 工程旨在打造人工智能综合 ICT 平台 10
生物学 物理学 工程学 基因学 计算机与信息学 社会科学 ......
国际合作
除此之外，美国致力于通过国际间合作谋取人工智能话语权。
01 02 03 进行人工智能 研发政策 多边会谈
向联合国 提交国际 人工智能政策
推动 人工智能 国际标准
08
政策支持
美国积极推动人工智能顶层设计，加强人工智能整体布局， 并成立专门机构负责人工智能研发的跨部门协调。
2016
全球人工智能 发展报告
国家工业信息安全发展研究中心
目录
©2016 全球人工智能发展报告
1 概要
1.1 人工智能迎来第三次发展浪潮
02
1.2 全球人工智能产业生态系统逐步完善
03
2 各国政府积极布局抢占人工智能 发展机遇
5 人工智能与电子终端和垂直行业 加速融合
5.1 智能家居产业竞相打造开放互联平台
HBP 计划（项目期 10 年）
用电脑模拟的方法构建整个人 类大脑
人工智能
美国
英国 日本 韩国 中国
举措
《为人工智能的未来做好准 备》和《国家人工智能研究与 开发战略规划》
《人工智能 : 未来决策制定的 机遇与影响》
投入 1000 亿日元用于人工智 能 (AI) 研发，成立“人工智能 研究中心”
人工智能领域的研发预算规模 由 2016 年的 919 亿韩元增至 2017 年的 1656 亿韩元，增幅 高达 80.2%
68
8.4 有条件自动驾驶将逐渐普及并迎来规模化应用
70
1
01
概要
大数据、云计算等技术的快速发展，以及计算机硬件性能 和计算技术的不断突破，推动机器学习算法不断优化，人 工智能技术及其应用迎来第三次发展机遇。人工智能产业 规模不断增长，企业数量大幅增加，人工智能作为新一轮 科技革命的重要引领，在推动经济繁荣、改善民生，以及 保障国家和国土安全方面具有重要战略意义。
06
2.1
美国通过持续投入 在人工智能领域取 得显著进展
项目支持 智能语音
DARPA 智能语音相关项目支持
研发周期
2003
2008
项目名称
CALO
项目目标
开发一个基于人工智能技术的辅助管理日常工作的 个人助理。
美国作为人工智能的领先者，通过项目支持，加强国际合作， 加大政策支持等方式，积极推动人工智能相关技术及产业发展 , 并已在该领域具有一定领先优势。经过多年积累，美国不仅在 机器学习、语音识别、图像识别、自然语言理解等几个关键领 域拥有一批全球领先的研究机构和企业，而且在高性能计算、 无人驾驶等前沿领域，也拥有了大量从事研发与经营的企业及 机构，形成了从底层的开源算法、核心器件到上层应用的完整 产业体系。
02
1.2
全球人工智能产业 生态系统逐步完善
图 1-1 全球人工智能产业生态地图
03
资料来源：国家工业信息安全发展研究中心整理
04
02
各国政府积极 布局抢占人工 智能发展机遇
美国、欧盟、中国、日本国家和组织的高度重视，将人工智能上升为 国家战略进行布局，通过政策和资金等方式支持行业和企业发展，积 极推动语音识别、图像识别、深度学习、脑神经科学技术和产业发展， 抢占人工智能产业发展制高点。
《互联网 + 人工智能三年行动 实施方案》
目标
希望人工智能被安全地用来为 社会创造巨大的利益，增强社 会福祉，促进国家的发展，包 括增加经济繁荣，改善生活质 量和保障国家安全。
用人工智能创新提升英国国力
集中开发人工智能相关技术， 争取尽快取得成果，并提供给 企业转化成新产品和新技术
加速人工智能研发
到 2018 年，基本建立人工智 能的产业、服务和标准化体系， 实现核心技术突破，培育若干 全球领先的人工智能骨干企 业，形成千亿级的人工智能市 场应用规模。
感 知
理 论 限 制
通 用
可 扩 展
机
类
器
人
人
技
术
硬 件
人 类 意 识
人 类 加 强
自 然 语 言 处 理
界 面 和 可 视 化
AI
AI AI AI
横
[1 ] 长期投资
[2 ] 人机协作
向
研 发
[3]
[4]
[5]
[6]
[7]
基 础
道德、法律 和社会影响
安全和保护
标准和基准
数据集合 和环境
有能力的 AI 劳动力
研发周期
2014
至今
项目名称
TRANSTAC
项目目标
为美国作战人员在海外作战提供可靠、自发的战术口 语交流服务，特别是一些翻译人员奇缺的语言和方言。
资料来源：国家工业信息安全发展研究中心整理
07
项目支持 脑计划
白宫
NIH FDA NSF LARPA DAPRA
私营研究所
艾伦脑科学研究所 霍华德·休斯医学研究所
61
3.1 科技巨头全面布局旨在打造全产业链生态
15
Hale Waihona Puke Baidu
3.2 语音识别企业继续保持寡头垄断格局
16
3.3 计算机视觉初创企业快速发展
18
3.4 智能服务机器人企业不断涌现 3.5 无人驾驶企业跨界合作不断加深 3.6 硬件和芯片巨头加速抢滩人工智能市场
20
8 23
中国人工智能产业发展的挑战
25
和趋势展望
研发周期
2011
至今
项目名称
RATS
项目目标
解决噪声环境下的语音识别、说话人识别和语种识别 问题。
研发周期
2011
至今
项目名称
BOLT
项目目标
实现在多种环境下准确地将汉语普通话和多种阿拉伯 方言翻译成英语，特别是非正式的语音对话。
研发周期
2012
至今
项目名称
DEFT
项目目标
帮助情报分析工作者快速处理大量文本和语音信息， 并解读一些模糊的说法或者暗示。
4 三大技术基础推动人工智能 走向实用
4.1 海量数据为人工智能技术发展奠定基础
29
4.2 新型高性能计算架构成为人工智能技术演进的催化剂 31
4.3 深度学习全面推动人工智能技术落地
33
4.4 计算机视觉技术进入规模化商用初期
35
4.5 语音识别技术成为最早落地的人工智能技术
36
4.6 自然语言处理技术取得突破仍需时日
2.3 中国多部委协同推动人工智能技术发展及产业化
11
6 人工智能成为投融资热点领域
2.4 日韩政府开始加码人工智能推动经济转型
13
6.1 科技巨头纷纷斥巨资并购初创企业
53
6.2 人工智能中小企业融资热潮不断涌现
58
3 科技巨头围绕主业打造人工智能 生态，创业企业面向细分领域深耕
7 2016 年全球人工智能 十大热点事件
04
1950-1969
兴起阶段
以控制论、信息论和系统论作为理论基础， 对人工智能开始探索。
01
1950 年，图灵测试、机器学习、遗传算法和强化学习被提出。 1955 年，达特茅斯学院会议首次提出“人工智能”。
1957 年，罗森布拉特发明第一款神经网络 Perceptron。
03
1980-1986
初步产业化阶段
09
2.2
欧盟启动HBP 工程 旨在打造人工智能 综合 ICT 平台
2013 年 10 月，欧盟启动“人脑工程（Human Brain Project，HBP）”，该项目通过搭建信息与通信技术 （Information and Communication Technologies，ICT）平台， 汇集全球各地的神经科学数据，开发新的脑部疾病治疗手段。