全球人工智能產(chǎn)業(yè)發(fā)展現(xiàn)狀和趨勢

（中）CONTENTS一二四三目

錄深度學習為人工智能帶來革命性進展人工智能的最新研究進展中國人工智能產(chǎn)業(yè)發(fā)展的優(yōu)勢與短板人工智能VS.垂直應用領(lǐng)域人工智能產(chǎn)業(yè)的框架結(jié)構(gòu)支撐人工智能的計算能力支撐人工智能的深度學習算法和開源代碼框架深度學習為人工智能帶來革命性進展PARTONE（三）人工智能產(chǎn)業(yè)的框架結(jié)構(gòu)2.支撐人工智能的計算能力計算能力，即人工智能芯片，也被比喻為“引擎”?；诔塆PU/TPU集群的離線訓練基于云平臺的在線應用終端應用（邊緣應用）全球芯片巨頭，如NVIDIA（英偉達）、Intel、高通等都在全面轉(zhuǎn)型人工智能芯片，尤其是把自動駕駛這個垂直細分領(lǐng)域看成是人工智能芯片的兵家必爭之地。其中，NVIDIA做的GPU先聲奪人；Intel是PC時代全球的芯片霸主；而在移動互聯(lián)網(wǎng)時代，高通又做得更好。2.1超級GPU集群服務器在離線訓練部分，如果采用普通服務器，無法支撐深度神經(jīng)網(wǎng)絡和應用場景在人工智能上的大數(shù)據(jù)及模型，所以GPU集群是較為理想的計算平臺。NVIDIA深度學習芯片Tesla（特斯拉）P100，研發(fā)預算超過20億美元，是全世界能力最強的超級計算機。Tesla（特斯拉）V100，最新產(chǎn)品，比P100提高性能2.4倍以上。2.2ASIC和FPGA（提升能耗，成本更低）TPU，即張量處理單元，是Google專門為深度學習定制的ASIC芯片，目前已從第一代發(fā)展到第二代，性能大幅度提升。中國制作的基于ASIC或FPGA的人工智能芯片（從零到一）——中科院計算所寒武紀深度學習處理器地平線盤古嵌入式人工智能處理器深鑒科技基于FPGA的低功耗DPU深度學習芯片2.3類腦芯片類腦芯片，是采用模擬人腦神經(jīng)元脈沖的方法。IBMTrueNorth（真北）——基于傳統(tǒng)CMOS工藝制作100萬脈沖神經(jīng)元2.5億突觸連接僅63毫瓦功耗人腦功耗僅20瓦。類腦芯片正朝著與大腦結(jié)構(gòu)相同的方向發(fā)展，有力地推動非馮-諾依曼新體制計算機的革命性演變。高通Zeroth類腦處理器基于新型憶阻器件——更加前沿的類腦芯片憶阻器，全稱記憶電阻，是硬件模擬突觸的理想方式。定義1971年提出概念；2008年惠普公司制備出首個納米尺度憶阻器件；2015年加州大學等研制出憶阻類腦芯片。發(fā)展相比IBM基于CMOS工藝制作的類腦芯片——集成度更高讀寫速度更快功耗更低優(yōu)點3.支撐人工智能的深度學習算法和開源代碼框架監(jiān)督學習需要利用帶標簽的完備大數(shù)據(jù)進行訓練（機器），如駕校學車（人類）。強化學習通過與環(huán)境的相互作用，利用獎懲機制，反復重演，自主完成最優(yōu)策略的學習（如AlphaGo）。3.1學習方法無監(jiān)督學習訓練樣本沒有任何標簽。學習效率：監(jiān)督學習>強化學習>無監(jiān)督學習3.2

深度學習的開源代碼框架近年來，一些全球科技巨頭企業(yè)對外提供了深度學習的開源代碼框架，使得人工智能技術(shù)開發(fā)的門檻大大降低，形成了人工智能產(chǎn)業(yè)生態(tài)。谷歌的TensorFlow加州伯克利的Caffe微軟的CNTK百度的PaddlePaddle……在大數(shù)據(jù)和大計算能力的支撐下，深度卷積神經(jīng)網(wǎng)絡的視覺識別能力在許多國際公開測評中，達到或超過人類水平；語音識別與交互再過2-5年，也可望接近人類水平；文本分類、問答系統(tǒng)、機器翻譯等也比過去飛速進步很多。3.3深度卷積神經(jīng)網(wǎng)絡算法深度卷積神經(jīng)網(wǎng)絡是典型的深度學習算法，通過編程實現(xiàn)深度神經(jīng)網(wǎng)絡結(jié)構(gòu)與監(jiān)督學習、強化學習和無監(jiān)督學習相結(jié)合，然后自動利用學習獲得大數(shù)據(jù)中隱含的多級多層特征。目前網(wǎng)絡結(jié)構(gòu)與調(diào)參最重要

深度卷積網(wǎng)絡示意圖（上圖為早期版本，現(xiàn)在更復雜，可以做到1000多層）2012年以來，深度卷積神經(jīng)網(wǎng)絡已經(jīng)成為計算機視覺主流方法，網(wǎng)絡深度成為關(guān)鍵參數(shù)。針對人臉識別，深度卷積神經(jīng)網(wǎng)絡超過了人類的識別能力。針對德國的交通標志識別，深度卷積神經(jīng)網(wǎng)絡也超過了人類的識別能力。深度卷積神經(jīng)網(wǎng)絡的檢測與定位/分割能力，正在成為全球的研究熱點。以完全監(jiān)督之深度卷積為主要標志的人工智能加速發(fā)展，已成為重塑人類社會的基石?！疃染矸e神經(jīng)網(wǎng)絡+大數(shù)據(jù)+計算平臺全卷積神經(jīng)網(wǎng)絡實現(xiàn)像素級語義分割3.4

邁向認知智能和通用人工智能深度強化學習以深度卷積神經(jīng)網(wǎng)絡為代表的感知智能可以說取得了巨大成功，采用的是“舉三反一”或數(shù)據(jù)驅(qū)動的方法，而它最大的缺陷之一就是沒有人類舉一反三的能力。強化學習，又稱增強學習，體現(xiàn)了人和動物的行為學習（基于獎勵或懲罰），學習效率介于監(jiān)督學習和無監(jiān)督學習之間。深度卷積神經(jīng)網(wǎng)絡取代單引程BP網(wǎng)絡與強化學習結(jié)合，使得人工智能取得突破性進展。2014年1月，Google以超5億美元收購有40余員工的人工智能創(chuàng)業(yè)公司DeepMind。一年后，推出人類水平的人工智能游戲程序DQN；兩年后，推出超人類水平的AlphaGo。兩個代表性成果都作為封面內(nèi)容發(fā)表在《自然》雜志上。DQN：通過深度強化學習的人類水平的控制輸入：像素運動、評分輸出：虛擬游戲操縱桿DQN——49種Atari視頻/像素游戲中，29種達到乃至超過人類職業(yè)選手的水平，以智商比喻，遠超人類。（《自然》雜志上有相關(guān)游戲錄像）AlphaGo：利用深度神經(jīng)網(wǎng)絡和樹搜索精通圍棋游戲圍棋是一個非常復雜的游戲，在19×19的棋盤格上，總共有361個交叉點，5千萬個狀態(tài)空間，決策路徑是10的170次方，比全宇宙所有粒子數(shù)加在一起還要多，沒有一種計算能力可以把所有的路徑都走通并找到全局最優(yōu)。面對無窮大的數(shù)據(jù)，AlphaGo通過深度強化學習，極大拓寬了搜索的寬度和深度，比人類最頂級的高手還要強。AlphaGo涉及三個關(guān)鍵技術(shù)策略網(wǎng)絡價值網(wǎng)絡蒙特卡洛樹搜索（傳統(tǒng)方法）AlphaGo如何進行學習？深度監(jiān)督學習+深度強化學習+大數(shù)據(jù)+TPU人類職業(yè)圍棋高手棋譜機器自弈（獎懲制度）3000萬棋局（圍棋服務器6-9段）“阿爾法圍棋”（AlphaGo）5個月9個月4個月2015年10月，5:0戰(zhàn)勝歐洲圍棋三屆冠軍樊麾職業(yè)三段。2016年3月，4:1戰(zhàn)勝世界圍棋冠軍李世乭職業(yè)九段。2017年1月，60:0橫掃數(shù)十位中日韓世界冠軍。2017年5月，3:0戰(zhàn)勝世界排名第一的柯潔。引起全民對人工智能的關(guān)注AlphaGoZero：無師自通版本最新版本，沒有利用圍棋的歷史棋譜，僅輸入基本規(guī)則。3天：AlphaGoZero超過了AlphaGoLee21天：AlphaGoZero達到了AlphaGoMaster水平40天：AlphaGoZero超過了所有的AlphaGo版本深度強化學習是目前最熱且最有前途的一個研究方向，是探索認知智能的曙光，這方面也確實取得了超人類水平的里程碑式成果。舉一反三的認知智能探索探索認知智能，需要把感知智能與知識圖譜結(jié)合起來，讓人工智不僅能聽到、看到，還要聽懂、看懂，賦予其理解能力。IBM的相關(guān)探索IBM超級電腦程序“深藍”，于1997年擊敗國際象棋大師加里

卡斯帕羅夫。IBM的沃森醫(yī)生，在某些細分疾病領(lǐng)域，已經(jīng)能夠提供頂級醫(yī)生的醫(yī)療診斷水平。IBM的自動問答系統(tǒng)，于2011年2月在美國最受歡迎的智力競答電視節(jié)目《危險邊緣》中戰(zhàn)勝了人類冠軍。如何實現(xiàn)語義理解，是認知智能真正獲得突破的關(guān)鍵問題。