人工智能發(fā)展歷程

1. 概念介紹

（1）人工智能(Artificial Intelligence)能夠和人一樣進行感知、認知、決策、執(zhí)行的人工程序或系統(tǒng)。機器學(xué)習(xí)是人工智能的一個分支，是通過算法使得機器能從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律，從而對新的樣本做智能識別或?qū)ξ磥碜鲱A(yù)測。

（2）深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，它試圖在多個層次中進行學(xué)習(xí)，每層對應(yīng)不同級別的抽象。一般使用人工神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)到的統(tǒng)計模型中的不同層對應(yīng)于不同的概念。高層概念取決于低層概念，而且同一低層的概念有助于確定多個高層概念。

2. 發(fā)展歷程

自1956年達特茅斯會議提出人工智能這一概念以后，歷經(jīng)沉浮，中間遭遇過多次冷遇，進入21世紀后，隨著數(shù)據(jù)量和硬件上的進步，在深度神經(jīng)網(wǎng)絡(luò)算法出現(xiàn)以后，克服了一直以來的算法和硬件的瓶頸，進入快速發(fā)展時期，很多領(lǐng)域進入實用階段。

3. 技術(shù)支撐

（1）深度學(xué)習(xí)算法--核心算法的突破

計算機科學(xué)家集合 Yann LeCun 的卷積神經(jīng)網(wǎng)絡(luò)、Geoff Hinton 的反向傳播法，以及 Stochastic 的梯度下降（Gradient Descent）訓(xùn)練法，加上吳恩達（Andrew Ng）大規(guī)模應(yīng)用 GPU 來加快深度神經(jīng)網(wǎng)絡(luò)（DNNs）的運算速度，促進“深度學(xué)習(xí)”這項現(xiàn)代人工智慧技術(shù)出現(xiàn)大爆炸般的發(fā)展。

（2）GPU芯片—計算能力的突破

GPU（Graphic Process Units，圖形處理器）的眾核體系結(jié)構(gòu)包含幾千個流處理器，可將矢量運算并行化執(zhí)行，大幅縮短計算時間。隨著NVIDIA、AMD等公司不斷推進其GPU的大規(guī)模并行架構(gòu)支持，面向通用計算的GPU（General-Purposed GPU、GPGPU）已成為加速可并行應(yīng)用程序的重要手段。

（3）大數(shù)據(jù)—海量數(shù)據(jù)

與人工規(guī)則構(gòu)造特征相比，利用大數(shù)據(jù)來學(xué)習(xí)特征，更能刻畫數(shù)據(jù)豐富的內(nèi)在信息。在大數(shù)據(jù)情況下，只有比較復(fù)雜的模型，或者表達能力強的模型，才能充分發(fā)掘海量數(shù)據(jù)中蘊藏的豐富信息。運用更強大的深度模型能從大數(shù)據(jù)中發(fā)掘出更多有價值的信息和知識。

人工智能的三個發(fā)展階段

第一階段：運算智能，能存會算；

第二階段：感知智能，能聽會說、能看會認；

第三階段：認知智能，能理解會思考。

目前在運算智能和感知智能方面已經(jīng)有重大突破，在認知智能方面還在進一步摸索中。認知智能是目前機器與人差距最大的領(lǐng)域，也是目前各大科技巨頭都在力圖尋求突破的領(lǐng)域。認知智能目前還沒有太大突破，未來需要花更多時間進行研究。

人工智能現(xiàn)狀介紹

1. 語音和自然語言角度

語音和自然語音是人類最自然的語言交互方式，具有快、簡單、自然等優(yōu)點。

（1）目前進展：

①語音識別率已經(jīng)接近99%，抗噪震識別技術(shù)、語音合成技術(shù)、多人對話技術(shù)已成為新的研究熱點；

②對于自然語音的處理和理解仍沒有得到一個很好的突破，原因在于：

語音識別基于視覺或音頻的“底層認知特征”，但語言理解是基于詞法、句法和語義學(xué)等“高層認知特征”的，發(fā)音的音頻圖像可能是比較確定的，但由于不同的拆解可能有不同的含義。

（2）自然語言處理的發(fā)展方向和趨勢：

①海量數(shù)據(jù)時代的信息抽取；

②深度學(xué)習(xí)在自然語言處理中的應(yīng)用；

③超大規(guī)模知識圖譜的建設(shè)和應(yīng)用。

上述三個步驟是同時進行的，通過知識圖譜將不同的語義、詞匯分類并根據(jù)相關(guān)性進行聚合和連接，類似于人思考過程中的聯(lián)想功能。

目前語音已經(jīng)到了爆發(fā)的階段，下圖統(tǒng)計了從2013到2015年智能手機使用智能語音功能的比例。

到2020年，至少50%在百度瀏覽器上的搜索都將通過圖像或語音。

2. 圖像角度

目前的應(yīng)用主要在人臉識別、照片自動歸類、圖片搜索、自動駕駛/ADAS等方面。但應(yīng)用有前后之分，比如：醫(yī)療領(lǐng)域的人工影像的算法研究比較滯后，識別率達到70%左右，這種識別不夠精確，不能很好地對醫(yī)生加以輔助。

促使計算機在圖像感知、圖像識別上發(fā)生飛躍的技術(shù)主要有以下三個方面：

算法、深度學(xué)習(xí)網(wǎng)絡(luò)和模型；

海量深度數(shù)據(jù)的訓(xùn)練模型；

從CPU到GPU的使用。

3. 產(chǎn)品角度

（1）人工智能的應(yīng)用給生活帶來的影響及場景描述：

①從信息到服務(wù)：

舉例：從原來人工找咖啡館喝咖啡到之后享受被送到指定地點咖啡的服務(wù)；從原來人工訂票到使用人工智能技術(shù)享受訂好票訂的過程。

②從軟件到軟硬結(jié)合：

無人車等都具備軟件和硬件結(jié)合交互的特征，將具備可移動性、可隨身攜帶性，從但一到綜合，會有更多傳感器、更豐富交互性（視覺、語音、語言、手勢、移動等）。

（2）常見的AI產(chǎn)業(yè)化路線：

①在已有的產(chǎn)品中實現(xiàn)AI first戰(zhàn)略 例如：Google；

②AI作為技術(shù)API提供給第三方；

③創(chuàng)業(yè)公司從技術(shù)或者應(yīng)用入手。

（3）toB還是toC？

目前大部分公司定位為toB，需求明確、市場接受度高，將率先落地，同時較容易普及。而toC除了掃地機、無人機等品類外，其它領(lǐng)域的需求還不夠強勁、市場接受度較差、技術(shù)和市場成熟還需時日，但是目前有越來越多定位toC的產(chǎn)品出來,例如Amazon Echo、出門問問的ticwatch等。

4. 人才角度

深度學(xué)習(xí)的再一次興起起源于學(xué)術(shù)界，但目前學(xué)術(shù)界的大牛大部分被挖到巨頭公司。之前是學(xué)術(shù)界的研究領(lǐng)先于工業(yè)界，但現(xiàn)在人才、計算資源等條件，巨頭已領(lǐng)先于學(xué)術(shù)界，研究的中心已轉(zhuǎn)移到工業(yè)界。

現(xiàn)在來看美國比中國還是領(lǐng)先不少，美國有4大名校：MIT、斯坦福、卡內(nèi)基梅隆、紐約大學(xué)，還有Google、Facebook、MS這些大牛公司，培養(yǎng)了很多人才。在語音識別，圖像處理等領(lǐng)域國際很多頂級專家都是華人。國內(nèi)也有很多專家，行業(yè)薪資待遇越來越好，會吸引更多的優(yōu)秀人才進來。這批人目前可能在百度、騰訊和阿里，將來可能加入創(chuàng)業(yè)大軍（已經(jīng)出現(xiàn)）。

中國的優(yōu)勢在于有大量互聯(lián)網(wǎng)用戶，很多的數(shù)據(jù)，有和各行各業(yè)結(jié)合緊密的應(yīng)用，未來美國技術(shù)+中國商業(yè)模式會引領(lǐng)人工智能的發(fā)展。

相較于O2O、直播等領(lǐng)域，人工智能創(chuàng)業(yè)門檻較高，創(chuàng)始人以及核心團隊一般均有極強的科研背景，行業(yè)人才較為稀缺，導(dǎo)致了行業(yè)創(chuàng)業(yè)公司總體數(shù)量較少。

巨頭參與加劇競爭，創(chuàng)業(yè)者要思考“你與BAT競爭有什么優(yōu)勢”，選好產(chǎn)品定位和切入點。

人工智能不僅對于創(chuàng)業(yè)者來說門檻較高，對于投資人同樣如此，要結(jié)合技術(shù)和應(yīng)用前景作出準確判斷挑戰(zhàn)較大。

全球融資歷史

1. 融資額

AI領(lǐng)域的融資額從2011年的$282M增長到2015年的$2.4B,增長了約7倍，未來仍將繼續(xù)保持快速增長。

2. 融資階段

從投資階段來看，大部分項目是早期項目（天使+A輪），早期項目雖從2011年的70%下降到2015年65%，但仍占有最大比例，說明AI創(chuàng)業(yè)活動仍然活躍。同時B/C/D輪項目增多，說明前期公司成長性不錯。未來在這些領(lǐng)域創(chuàng)業(yè)活動將仍然活躍，繼續(xù)提供較多投資標的。

3. 退出案例

退出案例越來越多，主要有并購和IPO兩種方式，并購占絕大部分，并購方主要是像Google這樣的科技巨頭公司，Google目前已經(jīng)并購了20多家AI創(chuàng)業(yè)公司，其它活躍的并購方還有Twitter、Apple、Intel、Salesforce、AOL、IBM、Yahoo等。創(chuàng)業(yè)公司以一個比較好的價格被并購也是一個不錯的退出方式，可能也是大部分創(chuàng)業(yè)公司變現(xiàn)的機會，除了具有獨立IPO機會的公司，我們也可以關(guān)注國內(nèi)對BAT等巨頭有業(yè)務(wù)互補有可能被他們并購或者投資的創(chuàng)業(yè)公司。

人工智能現(xiàn)狀總結(jié)

目前人工智能尚處于技術(shù)成熟的早期階段，在計算能力提升、深度學(xué)習(xí)算法進步及大數(shù)據(jù)的積累情況下，某些特定的認知計算領(lǐng)域，如計算機視覺、自然語言處理領(lǐng)域取得了階段性突破，從而引來了大量此領(lǐng)域的技術(shù)專家人才加入創(chuàng)業(yè)。但是，我們也看到現(xiàn)有技術(shù)更多是在輔助和增強人類的認知能力，而且技術(shù)依然處于快速迭代升級的階段，所以技術(shù)與商業(yè)結(jié)合的路線選擇就顯得更為重要。藍馳更看好與產(chǎn)業(yè)結(jié)合，有好的商業(yè)變現(xiàn)場景的技術(shù)產(chǎn)業(yè)型公司，而非單純強調(diào)AI技術(shù)的公司。