1. 新一輪人工智能熱潮
1.1. 人工智能
-
1.1.1. artificial intelligence, AI
-
1.1.2. 在1956年達特茅斯會議上被首次提出的
1.2. AlphaGo
-
1.2.1. 據荷蘭數學家約翰·特羅普(John Tromp)計算，十九路圍棋的全部合法局面數約為2×10^170，遠遠超過英國天文學家亞瑟·艾丁頓(Arthur Eddington)估算的宇宙中質子總數1.57×10^79
-
1.2.2. 2016年3月，DeepMind公司基於深度學習技術的AlphaGo程序，以4:1的成績戰勝韓國圍棋職業九段棋手李世石
-
1.2.3. 2017年10月，DeepMind更是推出了基於強化學習技術的AlphaGo Zero程序，它能夠在無師自通的情況下實現自我博弈，最終以100:0的成績戰勝了前任AlphaGo
-
1.2.4. AlphaGo之所以能夠引發世人的廣泛關注，在於它有效地結合了科研和工程兩方面的工作
-
1.2.5. DeepMind公司採用的卷積神經網絡(CNN)、參差網絡(ResNet)、蒙特卡洛搜索樹(MCTS)等算法或技術，都不是獨創或是近期才發明的
- 1.2.5.1. 能夠有效整合不同技術方案，成功利用人工智能技術解決現實難題，確實是一次壯舉
1.3. 關注度變化趨勢
-
1.3.1. 從全球範圍內看，“大數據”(big data)一詞於2010年首次進入大眾視野，其關注度在2011年至2014年獲得快速增長，並在此後長期保持穩定
-
1.3.2. “機器學習”已經取代“大數據”成為網絡上最受關注的技術關鍵詞，“人工智能”和“深度學習”等詞彙的關注度均有相同程度的增長
-
1.3.3. 2017年成為人工智能爆發的一年，Facebook、谷歌、微軟、百度、阿里巴巴和騰訊等科技巨頭紛紛發佈自己的人工智能戰略，全球人工智能投融資總規模約400億美元，融資1000餘筆
1.4. 英國
-
1.4.1. 擁有世界最優秀的高等教育體系，已經孕育出了DeepMind一眾技術實力雄厚的初創企業
-
1.4.2. 是人工智能鼻祖阿蘭·圖靈的誕生地，其人工智能的未來發展潛力不可估量
1.5. 法國
- 1.5.1. 數學研究水平傲視全球，航空航天、汽車工業、高端製造業的實力不容小覷，其發展人工智能的底藴深厚
1.6. 德國
- 1.6.1. 擁有馬克斯·普朗克學會和弗勞恩霍夫協會等著名科研機構，在工業4.0、智能製造、汽車等領域的技術積累深，未來德國或可通過上述領域優勢譜寫人工智能發展的新篇章
1.7. 以色列
-
1.7.1. 在網絡安全、國防軍事等領域的優勢明顯，其第二大城市特拉維夫是世界的“創業聖地”，已經孕育出數量眾多的初創企業和獨角獸企業
-
1.7.2. 將成為全球人工智能發展的重要一極
1.8. 人工智能戰略
-
1.8.1. 當前，人工智能已上升到國家層面的激烈博弈，越來越多的國家爭相制定發展戰略與規劃，世界主要國家進入了全面推進人工智能發展的全新戰略時代，人工智能競爭趨向白熱化
-
1.8.2. 奧巴馬政府
-
1.8.2.1. 《為人工智能的未來做準備》（“Preparing for the future of artificial intelligence”）
-
1.8.2.2. 《國家人工智能研究與發展戰略計劃》（“National artificial intelligence research and development strategic plan”）
-
1.8.2.3. 《人工智能、自動化與經濟》（“Artificial intelligence，automation，and the economy”）
-
2. 當前人工智能技術的本質
2.1. 人工智能已經成為最前沿的科技領域，將給經濟發展、社會形態的方方面面帶來顛覆性的影響
2.2. 與自然智能的區別
-
2.2.1. 從本質上看，人工智能是指由人工創造的智能，與其對應的是生物進化所形成的“自然智能”(natural intelligence)，特別是具有最高智慧的“人類智能”(human intelligence)
-
2.2.2. 人工智能與自然智能在智能的形成過程中，最大的不同之處在記憶、分析推理、決策這三個環節
-
2.2.3. 自然智能依靠的是大腦的生物神經系統，而當前的人工智能技術依靠的是GPU、TPU、ASIC等信息處理單元，雲計算、霧計算以及卷積神經網絡等算法
-
2.2.4. 人工智能與自然智能的物理載體有本質區別
-
2.2.4.1. 人工智能的物理載體採用的是馮·諾依曼架構的CPU、GPU、FPGA和ASIC等高性能處理器，以及高性能存儲器等
-
2.2.4.2. 這些物理器件都是基於經典圖靈機模型創造的，因而從誕生時就侷限於圖靈機的理論邊界之內
-
2.2.4.3. 自然智能的物理載體是由非線性動力學驅動的生物神經系統，其中的存儲單元和計算單元在結構和功能上是一體的
-
-
2.2.5. 人工智能和自然智能的運算方式有本質區別
-
2.2.5.1. 當前，常用的人工智能算法有數十種之多
-
2.2.5.2. 每種算法都擅長解決某一類任務，但在不同任務之間的遷移能力卻很弱
-
2.2.5.3. 雖然人類大腦的運行機制尚未破譯，但自然智能的小樣本學習能力、不同任務間的遷移能力卻是現階段人工智能所望塵莫及的
-
2.2.5.4. 在僅有20瓦特左右功率的條件下，人類大腦可以在極短的時間內對通過視覺、聽覺、嗅覺或觸覺獲取的信息迅速做出決策，並對未來做出預判
-
2.2.5.5. 目前，人工智能研究領域主要包括自然語言處理、語音識別、計算機視覺、規劃與推理等
-
2.3. 現階段人工智能的重要特徵
-
2.3.1. 人工智能以人類智能為基準，主要目的是實現自主學習、知識運用、處理新問題等人類具備的基本能力
-
2.3.2. 人工智能是人類智能的延伸，同樣具有一定的感知、記憶、分析、決策和行為能力
-
2.3.3. 人工智能的實現需要借鑑人類智能，但模仿人類智能並非實現人工智能的唯一方式
2.4. 階段
-
2.4.1. 弱人工智能
- 2.4.1.1. 模擬人或動物解決各種智能問題的技術，包括問題求解、邏輯推理與定理證明、自然語言理解、專家系統、機器學習、人工神經網絡、機器人學、模式識別和機器視覺等
-
2.4.2. 強人工智能
-
2.4.2.1. 具有自我意識以及自主學習、自主決策能力的人工智能，是人工智能發展的終極目標
-
2.4.2.2. 強人工智能在各方面都能與人類智能比肩，人類能從事的腦力活動它都能從事，也可稱為“通用人工智能”
-
-
2.4.3. 超人工智能
-
2.4.3.1. 在幾乎所有領域都比最聰明的人類大腦聰明很多，包括科學創新、通識和社交技能
-
2.4.3.2. 波斯特洛姆認為超人工智能在幾乎所有領域遠遠超過人類，具備遠超過強人工智能的強大能力，從而會給世界帶來存在性風險：智慧生命滅亡或永久失去未來發展潛能
-
2.5. 人工智能的研究範圍包括機器學習、自然語言處理、語言處理、圖像處理、智能搜索、知識表示、知識推理與規劃等諸多領域
2.6. 6個大類
-
2.6.1. 計算機視覺（圖像分析、視頻分析等）
-
2.6.2. 自然語言處理（語音識別、語義分析等）
-
2.6.3. 機器學習（監督學習、半監督學習、強化學習、深度學習等）
-
2.6.4. 博弈與倫理（多代理人交互、對抗與合作等）
-
2.6.5. 機器人學（人機接口系統、運動規劃、任務規劃等）
-
2.6.6. 認知和推理（包含各種社會常識、物理常識等）
