2016全球人工智能发展报告_71页_11mb

报告摘要

全球人工智能发展报告总结

核心内容

人工智能技术在全球范围内经历了多次发展浪潮，当前正处于第三次快速发展阶段。得益于大数据、云计算和计算技术的进步，人工智能已从实验室走向市场，并在多个领域实现规模化应用。人工智能作为新一轮科技革命的重要引领，在推动经济繁荣、改善民生及保障国家安全方面具有重要战略意义。

主要观点

人工智能发展历程：
- 1950-1969：人工智能进入兴起阶段，以控制论、信息论和系统论为基础，图灵测试、机器学习等概念被提出。
- 1970-1979：进入低谷阶段，人工智能未能实现其“宏伟目标”，受到Lighthill报告的批评。
- 1987-1996：进入低潮阶段，但神经网络、遗传算法等技术受到关注。
- 1980-1986：进入初步产业化阶段，专家系统和神经网络技术取得进展。
- 21世纪初期至今：进入快速发展阶段，深度学习技术的普及推动语音识别、图像识别等技术实现突破。
人工智能产业生态系统：
- 全球人工智能产业生态系统逐步完善，涵盖从底层算法到上层应用的完整链条。
- 各国政府积极布局人工智能，将其上升为国家战略，推动相关技术发展和产业转化。
主要国家和组织的举措：
- 美国：通过DARPA项目、政策支持和国际合作推动人工智能发展，重点在智能语音、无人驾驶等领域。
- 中国：多部委协同推动人工智能发展，制定相关规划，支持基础研究和产业化，如《“互联网+”人工智能三年行动实施方案》和“人工智能2.0”项目。
- 日本：设立专项基金支持人工智能研发，成立“革新智能统合研究中心”，推动医疗和工厂的智能化。
- 韩国：加大人工智能研发预算，推动机器人技术发展，计划在2026年前成为人工智能强国。
科技巨头与创业企业的布局：
- 科技巨头如谷歌、微软、IBM、百度等全面布局人工智能生态，推动技术发展和应用落地。
- 创业企业则在细分领域深耕，如智能语音、计算机视觉等。
技术基础与应用：
- 大数据：为人工智能提供了海量训练数据，成为其发展的基础。
- 高性能计算架构：如GPU、TPU等，为深度学习提供了强大的计算支持。
- 深度学习：作为人工智能的核心技术，推动了语音识别、图像识别、自然语言处理等技术的突破。
深度学习技术应用：
- 深度学习在多个领域取得显著成果，如图像分类、人脸识别、自然语言处理等。
- 通过神经网络模型层数的增加，Top-5错误率不断降低，如ResNet在ILSVRC2015中实现3.57%的错误率。
人工智能产业格局：
- 全球智能语音产业由少数厂商主导，形成寡头垄断格局。
- 中国智能语音市场由科大讯飞、百度等企业主导，市场格局逐步稳定。
- 计算机视觉领域国内公司已具备与国际巨头竞争的能力，应用场景广泛。