人工智能+适合的应用场景
背景
- 美国“⼤大脑研究计划（BRAIN）”。􀀁
- 欧盟“人脑工程项目（HBP）”,总投资预计将达到11.9 亿欧元，计划在2018 年前开发出世界上第一个具有意识和智能的人造大脑。􀀁
- 日本政府联合各大企业推出了机器人计划􀀁
人工智能投资额增
中国的科技界
- 2014 年5 月，百度引进全世界人工智能泰斗级人物、前“谷歌大脑之父”吴恩达，全面负责“百度大脑”计划。􀀁
- 科大讯飞的梦想升级成了让机器能理解会思考。􀀁
- 2015 年3 月，复旦大学联合成立“脑科学协同创新中心”，积极推进和参与“中国脑计划”的实施。
人工智能的重大战略意义
- 未来互联网发展的技术核心
- 将引发产业结构的深刻变革
- 将决定未来智能化战争之胜负
- 实现弯道超车的难得机遇
人工智能的重大战略意义
传统信息处理， 呈现，面临巨大挑战
- 百度： 系统回答客户的问题， 而不是简单罗列信息
- 阿里： 替用户在海量商品中快速决策最合适的那一款
- 腾讯： 帮助用户在面对海量社交信息时如何高效吸收与应答以维系良好的社交关系。
人工智能的重大战略意义，带动工业机器人、无人驾驶汽车等新兴产业的飞跃式发展
决定未来智能化战争之胜负
在未来的智能战争时代，战争的胜负将取决于谁拥有更先进的无人飞机，军事机器人和智能决策系统。
我国实现弯道超车的最佳机遇
2014年国内市场
实际应用： 文字识别、语音识别、图像识别、其它生物特征识别、机器人等
科研： 整齐的人工智能研发队伍和国家重点实验室等
- 工业机器人销量猛增54%
- 智能语音交互产业规模达到100亿元
- 指纹、人脸、虹膜识别等产业规模达100亿元。
实际应用： 文字识别、语音识别、图像识别、其它生物特征识别、机器人等
科研： 整齐的人工智能研发队伍和国家重点实验室等
人工智能发展历程
• 图灵“人工智能之父”图灵测试
• 1956年 达特莫斯（Dartmouth）会议 首次提出“人工智能”这一术语，标志着人工智能学科的诞生
• 1956年 达特莫斯（Dartmouth）会议 首次提出“人工智能”这一术语，标志着人工智能学科的诞生
• 1956年，Samuel研制了跳棋程序，它在1959年击败了Samuel本人
• 1959年美籍华人学者、洛克菲勒大学教授王浩 自动定理证明
• 1976年 “四色定理”的证明
• 1959年美籍华人学者、洛克菲勒大学教授王浩 自动定理证明
• 1976年 “四色定理”的证明
• 1977年，曾是赫伯特·西蒙的研究生、斯坦福大学青年学者费根鲍姆（E.Feigenbaum），在第五届国际人工智能大会上提出了”知识工程”的概念
• 1976年美国斯坦福大学肖特列夫（Shortliff）开发医学专家系统MYCIN
• 1976年美国斯坦福大学肖特列夫（Shortliff）开发医学专家系统MYCIN
• AI 被引入了市场,并显示出实用价值
• 80年代相对稳定阶段，1997年 “深蓝”
• 80年代相对稳定阶段，1997年 “深蓝”
发展的三个阶段
三个大脑
- 谷歌大脑： 自动驾驶汽车已经完成了总计70 万英里的高速公路无人驾驶巡航里程
- IBM人脑模拟芯片: 能够模仿人脑的运作模式，擅长进行模式识别，在认知计算方面远远超过传统计算架构
- 百度大脑: 利用计算机技术模拟人脑，已经可以做到2-3岁孩子的智水平。
谷歌大脑
- 谷歌X实验室的主要项目。
- 基于人工神经网络
- 以谷歌大脑为中枢神经系统，为无人汽车、工厂机器人、智能家居等提供数据支持
百度大脑
- 融合“深度学习”算法、数据建模、大规模GPU并行化平台等技术
- 已有能力构建规模200亿个参数的深度审计网络，达到世界最大规模。第一家用深度神经网络做网页排序。
- 做到2-3岁孩子的智力水平
IBM人脑模拟芯片
- 2014年发布能模拟人类大脑的SyNAPSE芯片。
- 擅长模式识别，认知计算方面远超传统计算机
技术的重大突破
第一次浪潮：浅层学习
20 世纪80 年代末期，用于人工神经网络的反向传播算法的发明。从大量训练样本中学习出统计规律，从而实现对未知事件做预测。
巨大的成功
巨大的成功
- 搜索广告系统（比如谷歌的Ａdwords、百度的凤巢系统）的广告点击率CTR 预估
- 网页搜索排序（比如雅虎和微软的搜索引擎）
- 垃圾邮件过滤系统、基于内容的推荐系统等。
第二次浪潮：深度学习。
- 2006 年，加拿大多伦多大学教授，机器学习领域的泰斗Hinton和他的学生在顶尖学术刊物《科学》上发表了一篇文章，开启了深度学习在学术界和工业界的浪潮。
- 很多隐层的人工神经网络具有优异的特征学习能力。
- 深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服。
深度学习
神经网络 深度学习
深度学习 vs. 人脑
语音识别错误率
手写识别错误率
突破的部分原因可用的海量数据
人工智能核心技术的应用
机器学习
机器学习是指从一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的技术，是使计算机具有智能的根本途径。
机器学习是人工智能的核心技术
全球主要机器学习公司列举
语言识别及自然语言处理
语音应用爆发需要的条件已经逐步成熟：
1、关键技术持续进步，达到实用门槛；
2、智能终端、无线网络、云计算平台等环境条件基本完备。
1、关键技术持续进步，达到实用门槛；
2、智能终端、无线网络、云计算平台等环境条件基本完备。
语音交互技术已经全面渗透到各项互联网应用中
智能助理的发展阶段
图像识别
图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。
图像识别
FACE++：人脸识别服务云模式
生物识别类别包括：指纹，掌型，面部，声音，虹膜
声纹识别流程
声纹识别应用领域
