2017-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

文档总结

核心内容

本报告围绕人工智能、机器学习和深度学习技术展开，重点分析了机器学习在人工智能领域的发展历程、核心技术支持、主要应用及未来趋势。同时，报告还探讨了人工智能在服务机器人领域的应用，包括其技术支撑和国内产业布局情况。

主要观点

1. 人工智能与机器学习的关系：

   • 人工智能（AI）是研究如何让计算机模拟人类智能行为的学科。
   • 机器学习是实现人工智能的重要方法，而深度学习是机器学习的一个主要分支。
   • 机器学习通过数据训练模型，使机器具备自我学习和决策能力。

2. 机器学习的关键技术支持：

   • 硬件：大容量存储和GPU是机器学习的两大核心技术。
   • 软件：算法和数据源是机器学习的基石，其中神经网络算法、支持向量机（SVM）、最近邻算法等是主要算法类型。
   • 数据源：高质量和大量数据是机器学习准确性的保障。

3. 机器学习的主要应用：

   • 语音识别：如Siri、Cortana等语音助手。
   • 人脸识别：用于安防、门禁等领域，识别率不断提高。
   • 自动驾驶：各大厂商广泛采用机器学习算法进行智能驾驶。
   • 医疗诊断：如IBM Watson等系统，可基于大数据进行智能分析。

4. 机器学习的发展趋势：

   • 平台化：推动机器学习技术的普及和易用性。
   • 云端化：利用云计算处理大数据，提升计算效率。
   • 算法商用化：算法成为核心竞争力，推动商业化落地。

5. 人工智能在服务机器人中的应用：

   • 服务机器人具备智能化特征，能进行自然语言处理、语义理解等。
   • 人工智能与云计算、大数据、移动互联网结合，推动服务机器人实现突破性智能升级。
   • 服务机器人将广泛应用于家庭、教育、医疗、安防等领域。

6. 全球与国内机器学习与服务机器人产业布局：

   • 谷歌、IBM、Facebook、百度、阿里巴巴、腾讯等公司积极布局机器学习和人工智能领域。
   • 中国服务机器人产业起步较晚，但具备良好的增长潜力和市场空间，多家上市公司和民营公司已开始布局。

关键信息

• AlphaGo：通过深度学习技术，在围棋领域取得重大突破，击败世界冠军李世石。
• DeepStack：首个在一对一无限注德州扑克中战胜人类玩家的人工智能系统。
• Libratus：卡内基梅隆大学开发的AI，与职业扑克选手对战，进一步推动AI在扑克领域的应用。
• 机器学习市场预测：2020年全球机器学习应用市场有望达到400亿美元。
• 国内服务机器人代表企业：科沃斯、机器人、康力电梯、博实股份、美的集团等。
• 风险提示：机器学习技术发展速度不及预期。

结构清晰总结

一、人工智能与机器学习

• 人工智能：模拟人类智能，应用于多个领域。
• 机器学习：人工智能实现的一种方法，依赖数据训练模型。
• 深度学习：机器学习的分支，通过神经网络模拟人脑学习过程。

二、机器学习的关键技术

• 硬件：大容量存储和GPU是核心支撑。
• 软件：算法（如回归、SVM、神经网络）和数据源是基础。
• 数据源：高质量、大量数据对模型训练至关重要。

三、机器学习的主要应用

• 语音识别：如Siri、Cortana。
• 人脸识别：用于安防、门禁等。
• 自动驾驶：基于机器学习的算法实现智能驾驶。
• 医疗诊断：如IBM Watson，可辅助医生诊断。

四、机器学习的发展趋势

• 平台化：推动技术普及，如TensorFlow、Angel等平台。
• 云端化：云计算提升数据处理效率，降低硬件成本。
• 算法商用化：算法成为核心竞争力，推动商业化落地。

五、人工智能与服务机器人

• 服务机器人：智能化是其核心特征，应用于家庭、医疗、安防等领域。
• 技术支撑：依赖机器学习、深度学习、自然语言处理、大数据等。
• 未来前景：服务机器人市场增长迅速，预计2020年前形成416亿美元市场规模。

六、全球与国内产业布局

• 全球巨头：谷歌、IBM、Facebook、百度、阿里巴巴、腾讯等公司在机器学习和人工智能领域布局广泛。
• 国内发展：服务机器人产业起步较晚，但发展迅速，多家企业已布局并取得进展。

附录：图表目录

• 图表1：AlphaGo对战前的学习过程
• 图表2：AlphaGo与李世石对战现场
• 图表3：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公共树的一部分
• 图表7：Libratus对战现场
• 图表8：人工智能、机器学习、深度学习关系示意图
• 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：语音识别错误率变化趋势
• 图表16：人脸识别面部训练数据提取示意图
• 图表17：人脸识别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发展历程
• 图表21：机器学习与人脑思考过程比较
• 图表22：CPU与GPU逻辑架构对比
• 图表23：机器学习主要算法一览
• 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公司数量
• 图表26：全球人工智能行业年度投资额
• 图表27：谷歌机器学习主要成就
• 图表28：百度机器学习主要进展
• 图表29：服务机器人与人工智能关系示意图
• 图表30：服务机器人主要分类
• 图表31：人工智能、云计算、大数据、移动互联技术生态圈
• 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