2017MIT人工智能5大趋势预测_25页_3mb

2017 MIT 人工智能 5 大趋势预测总结

核心内容

本报告由天风证券研究所发布，聚焦于2017年人工智能的五大趋势预测，涵盖深度强化学习、对抗性神经网络、中国人工智能热潮、语言学习及反对AI过度炒作等方面。同时，报告还列举了全球及国内AI相关企业的股票信息、市场表现及技术发展情况，为投资者提供了详尽的参考。

主要观点

1. 人工智能正逐步渗透至各个行业，包括金融、医疗、广告、安防、教育、能源等，展现出巨大的市场潜力。
2. TMT板块是科技发展的中流砥柱，未来10年将由当前的独角兽主导，科技创新是推动企业发展的核心动力。
3. 强化学习与深度学习结合，成为解决复杂问题的重要手段，尤其在围棋、游戏控制、自动驾驶等领域取得突破。
4. 生成式对抗网络 (GAN) 在无监督学习中展现出巨大潜力，可能在数据生成、图像处理等方面带来革命性进展。
5. 中国正成为人工智能的主要参与者，BAT及腾讯、阿里等科技公司积极布局AI，政府也在加大政策与资金支持。
6. 语言学习是AI的长期目标，通过语音识别与自然语言处理，实现人机之间更自然的交流与互动。
7. AI发展面临挑战，包括对大量数据的依赖、学习领域的局限性、以及对数据表达方式的优化需求。
8. 反对AI过度炒作，认为市场泡沫可能对AI创业公司造成负面影响，需要理性看待AI的发展。
9. AI在金融领域的应用，如蚂蚁金服的智能客服、OCR系统、风险控制等，展示了AI在商业中的巨大潜力。
10. 语音识别技术 已经相对成熟，谷歌、亚马逊、苹果、微软等公司都在积极推出相关产品，如Google Home、Amazon Echo、Siri等。

关键信息

2017年人工智能五大趋势预测

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

   • AlphaGo的胜利标志着深度强化学习技术的成熟。
   • DeepMind的DQN和OpenAI的Universe项目，展示了AI在游戏和复杂环境中的学习能力。
   • 强化学习结合深度学习，使得AI能够在没有明确指令的情况下完成任务。

2. 对抗性神经网络 (Dueling neural networks)

   • GAN技术由Ian Goodfellow提出，通过两个神经网络的对抗训练生成逼真的数据。
   • GAN能够用于图像生成、视频制作等领域，是无监督学习的重要突破。

3. 中国的人工智能热潮 (China's AI boom)

   • 2017年可能成为AI在中国发展的关键年。
   • BAT、腾讯、阿里等科技公司积极布局AI，政府也在推动政策支持。
   • 百度的Deep Speech 2在语音识别领域表现优异，人脸识别错误率降至2.3%。

4. 语言学习 (Language learning)

   • 语言是AI未来发展的核心目标之一，能够帮助AI更好地理解和生成自然语言。
   • 谷歌的Allo智能回复系统通过学习用户的说话习惯，实现个性化智能回复。
   • 语言学习将提升AI的实用性，使其在日常生活中扮演更重要的角色。

5. 反对人工智能过度炒作 (Backlash to the hype)

   • AI行业面临过度炒作的风险，可能导致估值虚高和投资枯竭。
   • 需要理性看待AI的未来，避免市场泡沫，推动真正有意义的技术应用。

AI技术应用与市场表现

• 全球AI企业：包括苹果、Alphabet、亚马逊、Facebook、IBM、微软、Nuance、Mobileye、英伟达、AMD等，展示了AI在不同领域的布局。
• 国内AI企业：百度、阿里巴巴、腾讯、拓尔思、美亚柏科、华胜天成、科大讯飞、佳都科技、海康威视等，均在AI技术应用方面有所突破。
• AI技术进展：
  • 百度的Deep Speech 2在语音识别上表现优于其他主流系统。
  • DeepMind的AlphaGo在围棋领域实现突破，而其强化学习技术也应用于数据中心优化。
  • 谷歌的Google Home与亚马逊的Echo展开竞争，成为智能家居领域的重要入口。
  • 腾讯和阿里在AI领域也有显著进展，如腾讯的Angel平台、阿里的“阿里小蜜”、金融风控等。

风险提示

• 计算机能力达到瓶颈：技术发展受限于硬件和算法。
• 应用场景不合适：AI技术需要与实际需求结合，否则难以落地。
• 市场过分炒作：可能导致AI创业公司估值虚高，面临投资枯竭。

作者信息

• 何翻翻：分析师，SAC执业证书编号：S1110516080002，邮箱：hepianpian@tfzq.com
• 雷俊成：联系人，邮箱：leijuncheng@tfzq.com
• 马赫：联系人，邮箱：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）

总结

2017年人工智能迎来了新的发展契机，强化学习、对抗性神经网络、中国AI热潮、语言学习及反对过度炒作成为五大趋势。AI技术在多个领域展现出巨大的潜力，如语音识别、自动驾驶、云计算、金融等。然而，AI发展也面临诸多挑战，包括对数据的依赖、学习领域的局限性、以及市场炒作的风险。未来，AI技术的进一步突破将依赖于深度学习与强化学习的结合、无监督学习的普及、以及中国科技企业的持续创新。