2017-人工智能系列报告综述篇：人工智能发展史及算法介绍_16页-1mb

报告摘要

本文是人工智能系列报告的第一篇，旨在为投资者勾勒人工智能的全景图，涵盖人工智能的发展历史、主要算法及其在金融领域的应用。后续将推出实战篇，结合多种机器学习算法，构建量化选股框架，为投资者提供成熟有效的策略。

人工智能发展历程：人工智能自1956年正式确立以来，经历了多次起伏，包括两次发展低谷和一次复苏，最终在深度学习的推动下进入现代发展阶段。
人工智能算法演进：早期研究集中在符号计算，后来神经网络逐渐被认可，成为主流。当前主要算法包括感知器、决策树、支持向量机和卷积神经网络，这些算法在不同领域均有广泛应用。
人工智能在金融领域的应用：人工智能在国内金融领域尚处于探索阶段，但已有大数据基金、人工智能预测和智能投顾等产品出现，未来潜力巨大。

形成阶段（1956-1961）
- 人工智能概念正式确立，达特茅斯会议召开。
- 研究人员尝试模拟人类思维，提出逻辑理论家程序，实现数学定理证明。
- 神经网络和LISP语言的出现为后续发展奠定基础。
黄金时代（1961-1973）
- 人工智能技术迅速扩展，应用于数学证明、机器翻译等领域。
- 第一个专家系统诞生，人工智能进入实际应用阶段。
第一次发展低谷及复苏（1973-1987）
- 由于理论和数据限制，人工智能发展一度陷入低谷。
- 专家系统和第五代计算机的研发推动了人工智能的复苏。
第二次发展低谷（1987-1993）
- 个人计算机冲击专家系统市场，第五代计算机研发失败。
- 学科研究过于单一，资金来源依赖政府，导致发展受限。
现代人工智能（1993-至今）
- 数学工具和计算机性能提升，推动人工智能进入新高潮。
- 深度学习算法在图像识别、自然语言处理等领域取得突破。
- 人工智能不再局限于学术，工业界推动其产业链发展，成为技术革命的重要驱动力。

人工智能在金融领域虽处于探索阶段，但已初见成效，未来具有巨大的发展潜力。随着技术的不断进步和应用的不断深化，人工智能将为金融行业带来更多创新和价值。本文为后续实战篇奠定了理论基础，为投资者提供了一幅人工智能全景图，有助于理解其在金融中的应用前景。

本报告由东北证券股份有限公司制作，仅供其客户使用。信息来源于公开资料，不保证其准确性和完整性。本报告不构成对任何证券买卖的建议，使用本报告产生的任何损失，公司不承担责任。