2017-机械设备行业未来机器系列报告第十五篇：机器学习，AI德扑大战的技术解析_28页_2mb

文档内容总结

核心内容

本报告围绕人工智能与机器学习技术展开，重点介绍了机器学习在人工智能中的地位及其在多个领域的应用。同时，报告分析了机器学习与服务机器人、云计算等技术的结合趋势，以及国内外企业在该领域的布局与前景。

主要观点

• 人工智能与机器学习：人工智能是计算机科学的分支，旨在模拟人类智能行为；机器学习是实现人工智能的重要方法，深度学习是其主要分支。
• 机器学习的核心优势：机器学习具备高效性与普适性，通过大量数据训练模型，提升决策能力；相比传统算法，机器学习可以自动适应新环境，降低成本。
• 机器学习的关键技术：包括大容量存储、GPU计算、算法和数据源，其中深度学习依赖于GPU进行加速，算法的创新与优化是未来发展的重点。
• 机器学习的应用领域：涵盖语音识别、人脸识别、自动驾驶、医疗诊断等，其中深度学习在图像和语音识别领域取得显著成果。
• 机器学习的发展趋势：平台化、云端化、算法商用化是未来发展方向，云计算和大数据的结合为机器学习提供了更强的计算能力和数据支持。
• 服务机器人与人工智能：服务机器人是智能化的重要应用，依赖机器学习与深度学习技术，与云计算、大数据等技术结合，推动其智能升级。
• 国内服务机器人产业：起步较晚，但发展迅速，多家上市公司和科研机构在该领域布局，形成一定的产业规模。

关键信息

人工智能与机器学习的关系

• 人工智能是研究如何让计算机模拟人类智能的学科。
• 机器学习是实现人工智能的重要途径，深度学习是机器学习的主要分支之一。
• 三者关系为：人工智能 > 机器学习 > 深度学习。

机器学习的关键技术支持

• 硬件：大容量存储和GPU是机器学习发展的基础。
• 软件：算法和数据源是机器学习的核心，其中深度学习算法成为热点。
• 数据源：高质量、大量数据是机器学习模型训练的关键，如AlphaGo通过大量围棋棋谱训练。

机器学习的应用

• 语音识别：如Siri、Cortana、小Ai等，错误率逐步降低。
• 人脸识别：如Face++、讯飞超脑，识别准确率逐步提高。
• 自动驾驶：如特斯拉、百度、阿里等企业利用机器学习提升自动驾驶性能。
• 医疗诊断：如IBM Watson，能够从大数据中提取关键信息并进行诊断。

机器学习的发展趋势

• 平台化：构建通用平台，让各种业务接入机器学习，提升普及率。
• 云端化：借助云计算和大数据，提升机器学习的运算能力和数据处理能力。
• 算法商用化：算法成为市场核心，企业应关注自身算法产权，而非仅依赖数据。

服务机器人与人工智能

• 服务机器人强调智能化，与工业机器人不同，需具备自然语言处理、语义理解、自学习等能力。
• 服务机器人依赖云端资源进行学习和决策，从而降低硬件成本，提升智能化水平。
• 未来服务机器人将在家庭、医疗、教育、安防等多个领域广泛应用。

国内服务机器人产业

• 国内服务机器人起步较晚，但发展迅速，多家企业如科沃斯、优必选、美的集团等已进入该领域。
• 国内科研机构如哈尔滨工业大学、北京航空航天大学、深圳先进技术研究院等也在服务机器人领域开展研究。
• 国内服务机器人产业面临较大机遇，未来有望实现快速发展。

图表目录概览

• 图表1：谷歌AlphaGo对战前的学习过程
• 图表2：谷歌AlphaGo与李世石对战现场
• 图表3：谷歌AlphaGo与李世石第一场对战棋局回顾
• 图表4：2016年7月世界职业围棋GoRatings排名
• 图表5：DeepStack与职业扑克选手较量结果
• 图表6：HUNL（一对一无限注）公共树的一部分
• 图表7：卡内基梅隆大学Libratus的德州扑克人机对战现场
• 图表8：人工智能、机器学习、深度学习三者关系示意图
• 图表9：深度学习原理简化示意图
• 图表10：Hebb学习规则示意图
• 图表11：最近邻算法示意图
• 图表12：决策树算法示意图
• 图表13：随机森林模型示意图
• 图表14：机器学习在语音识别中的运用
• 图表15：语音识别的错误率变化趋势
• 图表16：人脸识别的面部训练数据提取示意图
• 图表17：人脸识别的图像信息处理过程示意图
• 图表18：2017年CES展上的自动驾驶汽车
• 图表19：自动驾驶的机器学习网络训练回路
• 图表20：IBM Watson系统的发展历程
• 图表21：机器学习与人脑思考的过程比较
• 图表22：CPU和GPU的逻辑架构对比
• 图表23：机器学习的主要算法一览
• 图表24：机器学习系统眼中的围棋
• 图表25：2016年上半年全球人工智能领域各类别公司数量
• 图表26：全球人工智能行业年度总投资额
• 图表27：近年谷歌公司机器学习领域主要成就一览
• 图表28：近年百度公司机器学习领域主要进展一览
• 图表29：服务机器人与人工智能的关系示意图
• 图表30：服务机器人主要分类一览
• 图表31：人工智能、云计算、大数据、移动互联共同引领智能升级
• 图表32：国内服务机器人主要研究机构
• 图表33：国内服务机器人民营非上市企业
• 图表34：国内上市公司服务机器人布局情况一览

风险提示

• 机器学习领域技术发展速度不及预期，可能影响其在各领域的应用与普及。

免责声明

• 本报告仅供华泰证券客户使用，不构成投资建议。
• 报告内容基于公开信息，不保证其准确性或完整性。
• 报告观点可能随时间变化而调整，投资者应自行关注更新信息。