人工智能发展及应用

人工智能发展及应用

1人工智能发展的重要性

1.1人工智能的起源与发展史

人工智能(Artificial Intelligence，AI)，是研究用于模拟和扩展人的智能的理论方法及应用系统的科学，是对人的意识和思维过程进行模拟的科学。

对人的思维模拟可以从两条路径进行，一是结构模拟，仿照人脑结构机制，制造出“类人脑”机器;二是功能模拟，撇开人脑内部结构，从其功能过程进行模拟。现代计算机便是对人脑思维功能的模拟，是对人脑思维过程的模拟。

人工智能研究员佩德罗·多明戈斯根据人工智能研究人员采取的方式，将他们分为五大流派——根据抽象符号进行逻辑推理的“符号派”;受人脑启发搭建结构的“联结派”;受达尔文进化论启发的“进化派”;采用概率推理的“贝叶斯派”以及根据以前出现的类似情况进行推理的“类推派”。虽然人工智能的界限并不确定并且随旪间推移发生变化，但这并非问题的重点，重点在于人工智能的研究和应用始织围绕自动化或者复制智能行为。

1956196019701980199020002010

图1人工智能的演化历史

1.2人工智能的重要性

从我们手机中的个人助理，到越来越多的商业互动背后的分析、定制和网络保护，人工智能几乎涉及我们生活的各个方面。有分析表示，随着人工智能的加速发展和普及，到2030年人工智能将给全球GDP带来14％的额外增长，相当于增加了15.7万亿美元。AI对经济的影响主要有以下几个方面：

（1）企业自动化进程（包括机器人和自动驾驶汽车的使用）带来的生产力的提升。

（2）企业通过人工智能技术（辅助和增强智能）增强现有劳动力，从而提高生产效率。

（3）由于提供个性化和更高质量的AI增强产品及服务而导致的消费者需求的增加。

在过去的十年里，我们工作和生活中几乎所有的方面——从零售、制造业到医疗保健——都变得越来越数字化。移动互联网技术推动了第一波数字浪潮，即人与人之间的移动互联。然而，有人工智能专家分析预计，物联网所产生的数据将超过人与人之间移动互联所产生的数据。大量增加的数据已经促进了标准化的产生，同时也必将导致自动化、个性化的产品和服务，这将为下一波数字化的浪潮奠定基础。人工智能将利用人和事物所产生的数据，使用我们以前从未想过的新方法来自动化地帮助我们。

在短期内，人工智能最大的潜在经济增长可能来自于生产力的提升。这包括日常任务的自动化，从而使员工能够专注于更高附加值的工作。人工智能可能会给制造业和运输业等资本密集型行业带来最大生产力的增长，因为他们的许多运营流程都非常容易受到自动化的影响。

对生产力的影响可能具有加大的竞争性和变革性——不能适应和采用人工智能自动化技术的企业可能很快就会在周转时间和成本方面被赶超。因此，他们将失去大量的市场份额。

最终，产品增强带来的GDP增长以及人工智能产生的消费需求、行为和消费的后续变化将超过生产率的提高，可能在2030年实现9万亿美元的额外GDP增长。消费者将被更高质量和更个性化产品和服务吸引，同时商家也有机会更好地利用他们的时间——如果人们不再需要开车去工作，可以做些什么。反过来，增加的消费创造了更多的数据，从而产生良性循环，随着人工智能的发展，一步步产生更多的数据，更好的见解，更好的产品和更多的消费。

2人工智能的关键核心技术

数据量、运算力和算法模型是影响人工智能行业发展的三大要素。

图2 人工智能的三大技术基石

（2000年之后，数据量的上涨、计算力的提升和深度学习算法的出现极大的促进了人工智能行业的发展。

2.1数据是人工智能的基础

移动互联网、物联网等技术的发展让我们拥有了以往难以想象的海量数据，尤其是在某一细分领域更深度的、逻辑化的数据，而这些都是训练某一领域“智

能”的前提。从软件时代到互联网，再到如今的大数据时代，数据的量和复杂性都经历了从量到质的改变。

互联网、物联网为智能化进程提供深厚的数据基础。据We Are Social 公司统计，独立移动设备用户渗透率于2014年9月超过了总人口的50%；活跃互联网用户在2014年11月突破了30亿人；接入互联网的活跃移动设备于2014年12月超过了36亿台。据德勤统计，2015年全球有10亿部物联网设备出货，比 2014 年增加六成，全球的物联网 设备总量高达28亿部。在此背景下，全球数据总量在快速膨胀。根据 IDC 监测，全球在2010 年正式进入 ZB 时代，总数据量大约每两年翻一番，这意味着人类在最 近两年产生的数据量相当于之前产生的全部数据量，预计到 2020 年，全球将总共拥有 35ZB 的数据量。而根据 HIS 的

在线

数据量大

增长速度快

价值密度低

类型 繁多

图 3 大数据的五大特征

估计，2015年全球产生的数据总量已达到十年前的20多倍。如此海量的数据给机器学习带来了充足的训练素材，打造了坚实的数据基础。

2.2芯片的快速发展带动计算力的提升

GPU 和云计算的兴起，为人工智能带来了质的飞跃。其中GPU 等芯片性能的快速提升，为人工智能的快速发展提供了可能性。与此同时，分布式计算(云计算)的兴起，大大降低了计算的时间、硬件成本，也为人工智能的快速发展提供了契机。

表1 目前深度学习领域常用的四大芯片类型

表2 目前深度学习领域常用的四大芯片类型及主要芯片商

目前国内专注于人工智能芯片开发的企业有限，且总体技术水平与发达国家存在较大的差距，高端芯片严重依赖国外进口。中国是人工智能芯片制造的后起之秀，目前已推出中科院“寒武纪”、中星微“星光智能一号”等多款人工智能芯片，华为也表示将在年内推出人工智能芯片产品。国产人工智能芯片的崛起不仅带来计算能力的提升，同样也可以起到降低成本的作用。

表3 国内人工智能芯片

2.3应用层技术

1)语音识别

语音识别的目标是用机器自动将人类的语音内容转换为相应的文字。语音识别包含语音模型和语言模型两个主要部分。声学模型是对发声的建模，它能够把语音输入转换成声学表示的输出，给出语音片段对应于某个声学符号的概率。语言模型的作用是在声学模型给出发音序列之后，从候选的文字序列中找出概率最