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_24页_3mb

2017 MIT 人工智能 5 大趋势预测总结

核心内容

2017年被视为人工智能发展的关键年份，MIT Technology Review预测了五大趋势，涵盖技术发展、行业应用及市场反应等多个层面。报告强调了人工智能技术的成熟度和商业化潜力，同时也指出了市场炒作可能带来的负面影响。

主要观点

• 人工智能立夏将至：人工智能技术正逐渐渗透到日常生活的各个方面，如金融、医疗、教育、能源等，显示出巨大的商业价值。
• 强化学习蓄势待发：强化学习技术，特别是通过AlphaGo和Master的突破，展示了其在复杂问题解决中的潜力。
• 对抗性神经网络（GAN）：GAN为计算机提供了一种从未标记数据中学习的有效方式，可能成为无监督学习的突破口。
• 中国人工智能热潮兴起：2017年可能成为中国在人工智能领域崛起的关键年，BAT等企业加大投入，政府也积极扶持。
• 反对人工智能过度炒作：市场对AI的过度期待可能带来泡沫，需理性看待其发展。

关键信息

1. 强化学习（Positive Reinforcement Learning）

• AlphaGo的突破：AlphaGo与李世石的对弈是深度强化学习的里程碑，展示了AI在复杂决策中的能力。
• Master的出现：Master是AlphaGo的升级版，以60战全胜的战绩展现了AI在围棋领域的强大实力。
• DQN的应用：DeepMind开发的深度Q网络（DQN）在多个Atari游戏中表现优异，可应用于自动驾驶、机器人控制等领域。
• 3D迷宫游戏Labyrinth：DeepMind利用3D环境训练AI，以提升其在复杂场景下的适应能力。
• OpenAI Universe：这是一个开源平台，用于训练AI解决通用问题，支持多种游戏和应用场景，如GTA5自动驾驶测试。

2. 对抗性神经网络（Dueling Neural Networks）

• GAN的原理：由两个神经网络组成，一个生成数据，一个辨别真假，有助于合成数据和提升AI的智能水平。
• 无监督学习的挑战：目前AI主要依赖监督学习，GAN可能成为无监督学习的重要工具。
• 深度学习的三类模式：
  • 深度监督学习：依赖标注数据进行训练。
  • 深度增强学习：通过奖励反馈进行学习。
  • 深度无监督学习：在无标注数据中进行学习。

3. 中国的人工智能热潮（China's AI Boom）

• BAT的布局：
  • 百度：建立了多个实验室，推出百度大脑和DuerOS操作系统，专注于语音识别、图像识别等。
  • 阿里：利用电商平台优势，推出阿里小蜜等AI应用，提升客户服务和金融风控能力。
  • 腾讯：成立AI实验室，探索内容AI、社交AI、游戏AI等方向。
• 政府支持：预计2018年前投资约150亿美元推动AI发展。
• 市场反应：国内AI创业公司获得大量投资，但也面临估值过高和投资枯竭的风险。

4. 语言学习（Language Learning）

• AI与语言交互：语言是AI的重要目标，通过语音识别和自然语言处理，AI可以更好地理解和生成语言。
• Google Home与Amazon Echo的对比：
  • Google Home：设计更精致，支持多房间协同，使用2个麦克风，通过云端算法优化语音识别。
  • Amazon Echo：7个麦克风，远场语音识别能力强，已与多家智能家居厂商合作。
• Allo智能回复：
  • 利用递归神经网络和LSTM进行智能回复生成，支持个性化回复（用户嵌入）。
  • 通过优化算法减少延迟，提升用户体验。

5. 反对人工智能过度炒作（Backlash to the Hype）

• 市场风险：AI的过度炒作可能导致泡沫，创业公司估值过高，面临投资枯竭。
• 理性发展：需关注技术瓶颈，如数据依赖、学习灵活性和表达方式优化。
• AI的终极目标：模仿人类大脑的思考和操作，但仍需解决三大难题：数据依赖、学习领域局限、表达方式优化。

风险提示

• 计算机能力瓶颈：技术发展可能受限于硬件性能。
• 应用场景不合适：AI技术需与实际需求结合，避免脱离实际。
• 市场过分炒作：可能导致AI行业泡沫，需谨慎看待。

图表与数据

• 全球AI标的公司一览：包括苹果、Alphabet、亚马逊、Facebook、IBM、微软等，展示了AI企业的市值、股价及未来预测。
• 国内AI标的公司一览：涵盖百度、阿里巴巴、腾讯、科大讯飞、海康威视等，显示了AI在国内的发展潜力。
• 深度学习的三类模式：图示说明了监督学习、无监督学习和增强学习的区别。
• 生成式对抗网络（GAN）的原理：展示了生成器与辨别器的协作机制。
• AlphaGo系统原理图解：详细说明了其基于蒙特卡洛树搜索和卷积神经网络的结构。
• 数据中心PUE的机器学习测试结果：显示了DeepMind通过强化学习优化数据中心能耗，达到PUE最低点。

结论

2017年是人工智能发展的关键年，技术进步与商业化应用并行，但需警惕市场炒作带来的负面影响。强化学习和对抗性神经网络等新技术为AI的进一步发展提供了可能，而中国正逐步成为AI的重要参与者。AI的终极目标是模仿人类大脑，但目前仍需解决数据、学习灵活性和表达方式等核心问题。