20170125-天风证券-2017MIT人工智能5大趋势预测：寒梅傲香春寒料峭，人工智能立夏将至_25页_3mb

2017 MIT 人工智能 5 大趋势预测总结

核心内容

本报告分析了2017年MIT Technology Review发布的五大人工智能趋势预测，并结合当前AI发展状况，探讨了其对科技行业、特别是TMT板块的深远影响。报告指出，人工智能正逐渐从实验室走向实际应用，成为推动科技进步和产业升级的重要引擎。同时，报告也对AI的商业化进程、技术瓶颈、市场炒作等问题提出了警示。

主要观点

1. 人工智能立夏将至

   • 人工智能正在快速发展，进入商业化阶段，其潜力巨大，将在金融、医疗、教育、能源、机器人等领域带来变革。
   • 语音识别和自动驾驶是当前AI最具应用前景的两个领域，未来可能成为AI产业的重要突破口。

2. 强化学习蓄势待发

   • 强化学习是AI领域的重要突破，其灵感来源于动物的学习方式，通过试错法学习如何完成任务。
   • AlphaGo的升级版Master在围棋比赛中展现了强大的能力，标志着深度强化学习的成熟。
   • 强化学习在游戏、自动驾驶、工业机器人控制等方面具有广泛应用前景。

3. 对抗性神经网络（GAN）

   • GAN由两个神经网络组成，一个生成数据，一个辨别真假，为计算机提供了一种从未标记数据中学习的有效方式。
   • GAN有望在图像生成、视频制作、计算机设计等领域产生重大影响。

4. 中国AI热潮兴起

   • 2017年被视为中国成为AI主要参与者的一年，BAT等科技巨头在AI领域加大投入，政府也推出多项扶持政策。
   • 百度在语音识别、图像识别、AR等领域取得显著进展，推出百度大脑和DuerOS操作系统。
   • 腾讯和阿里也在AI领域布局，分别在计算机视觉、自然语言处理、金融等方向展开研究和应用。

5. 反对AI过度炒作

   • AI行业存在过度炒作的风险，可能导致创业公司估值虚高、市场泡沫等问题。
   • 报告建议投资者保持理性，关注AI的实际应用和发展潜力，避免盲目跟风。

关键信息

• AI终极目标：模仿人类大脑的思考和操作，但目前仍面临三大难题：依赖大量数据、局限学习领域、数据表达方式优化。
• 技术突破：强化学习和GAN是2017年AI领域的重要技术方向，前者在游戏和自动驾驶中展现潜力，后者在图像和视频生成方面表现突出。
• 市场潜力：AI在金融、医疗、教育、安防、能源等领域具有颠覆性潜力，预计市场价值将超过千亿美元。
• 竞争格局：谷歌、亚马逊、苹果、微软等国际科技巨头与百度、阿里、腾讯等国内企业展开激烈竞争，尤其是在语音识别和智能家居领域。
• 投资建议：报告看好基本面良好、技术含量高的TMT企业，如谷歌、亚马逊、英伟达、AMD、Mobileye等。

AI五大趋势预测

1. 正向强化学习 (Positive reinforcement learning)

• AlphaGo：通过深度强化学习技术，在围棋比赛中击败李世石，展示了AI在复杂决策任务中的能力。
• DeepMind的DQN：成功在Atari游戏和3D迷宫游戏中表现优异，具有在现实世界中应用的潜力。
• OpenAI Universe：支持在多种环境和任务中训练AI，具有通用性，是通向通用人工智能的重要一步。

2. 对抗性神经网络 (Dueling neural networks)

• GAN的原理：通过生成器和辨别器的对抗训练，实现从未标记数据中学习，具有广泛的应用前景。
• 应用场景：可用于视频游戏场景生成、图像合成、时尚设计等领域。
• 未来展望：GAN有望在无监督学习普及之前，成为推动AI智能的关键技术。

3. 中国的人工智能热潮 (China's AI boom)

• BAT布局：百度、阿里、腾讯均在AI领域加大投入，设立实验室，推动技术发展。
• 百度：在语音识别、图像识别、AR等领域取得突破，推出百度大脑和DuerOS。
• 腾讯：在内容AI、社交AI、游戏AI和工具类AI方面展开研究，推动智能出行和金融应用。
• 阿里：利用电商平台优势，推动AI在金融、客服、推荐系统等领域的应用。

4. 语言学习 (Language learning)

• AI与语言的结合：AI的目标是理解语言并进行自然对话，这是其长期发展方向。
• 谷歌助理与Allo：通过学习用户对话语义，生成智能回复，实现“私人定制”。
• 技术挑战：语言的复杂性和多语种歧义性仍为AI发展带来挑战。

5. 反对AI过度炒作 (Backlash to the hype)

• 市场风险：过度炒作可能导致估值虚高、投资枯竭等问题。
• 理性看待：建议投资者冷静看待AI的发展，关注其实际应用和市场潜力。

风险提示

• 计算机能力达到瓶颈
• 应用场景不合适
• 市场过分炒作

作者信息

• 分析师：何翻翻，SAC执业证书编号：S1110516080002，邮箱：hepianpian@tfzq.com
• 联系人：雷俊成、马赫，邮箱分别为：leijuncheng@tfzq.com 和 mahe@tfzq.com

相关报告

• 《谷歌人工智能深度解剖》（1月5日发布）

图表目录

• 图1：全球AI标的公司一览
• 图2：国内AI标的公司一览
• 图3：AlphaGo的神经网络
• 图4：AlphaGo系统原理图解
• 图5：DeepMind打造的3D训练虚拟世界
• 图6：Minecraft训练界面
• 图7：DQN中卷积神经网络从游戏图形输入到动作控制的示意图
• 图8：DeepMind开发的3D迷宫游戏Labyrinth界面
• 图9：Universe 游戏环境范例
• 图10：Universe环境下的GTA5自动驾驶测试界面
• 图11：数据中心PUE的机器学习测试结果
• 图12：深度学习的三类学习模式
• 图13：生成式对抗网络(GAN)的原理示意
• 图14：Deep Speech与苹果Dictation、微软BingSpeech、Facebook wit.ai、谷歌API的语音识别错误率比较
• 图15：Deep Speech2用于英文和中文的深度RNN结构
• 图16：百度展示人脸识别错误率已经降到2.3%
• 图17：百度深度学习研究员主攻方向
• 图18：百度的AR技术交互模式展示
• 图19：神经网络在人脸识别上超过人眼
• 图20：蚂蚁金服漆远介绍金融领域AI元素
• 图21：蚂蚁金服漆远介绍金融领域AI应用
• 图22：GoogleHome在大会里的展示
• 图23：GoogleHome有7种颜色底座可供选择
• 图24：GoogleHome产品宣传图
• 图25：GoogleHome将和亚马逊Echo一争高下
• 图26：GoogleHome2个麦克风设计
• 图27：Echo的7个麦克风矩阵：远程语音识别
• 图28：GoogleHome多房间支持
• 图29：亚马逊Echo及无线遥控器
• 图30：Siri、Allo中的谷歌助理、百度度秘提问测试对比
• 图31：神经网络将问句三个单词生成3个口令
• 图32：谷歌语音识别神经网络的输出示意图
• 图33：神经网络将问句三个单词生成3个口令
• 图34：谷歌语音识别神经网络的输出示意图
• 图35：谷歌翻译、有道翻译、百度翻译实例对比
• 图36：谷歌神经机器翻译系统(GNMT)翻译机制
• 图37：满分6分记，人类翻译、谷歌神经翻译与PBMT的得分对比
• 图38：全球AI标的一览
• 图39：全球AI标的（续）
• 图40：国内AI标的一览
• 图41：国内AI标的（续）