读人工智能全球格局：未来趋势与中国位势01重新理解人工智能

1. 新一轮人工智能热潮

1.1. 人工智能

• 1.1.1. artificial intelligence, AI

• 1.1.2. 在1956年达特茅斯会议上被首次提出的

1.2. AlphaGo

• 1.2.1. 据荷兰数学家约翰·特罗普(John Tromp)计算，十九路围棋的全部合法局面数约为2×10^170，远远超过英国天文学家亚瑟·艾丁顿(Arthur Eddington)估算的宇宙中质子总数1.57×10^79

• 1.2.2. 2016年3月，DeepMind公司基于深度学习技术的AlphaGo程序，以4:1的成绩战胜韩国围棋职业九段棋手李世石

• 1.2.3. 2017年10月，DeepMind更是推出了基于强化学习技术的AlphaGo Zero程序，它能够在无师自通的情况下实现自我博弈，最终以100:0的成绩战胜了前任AlphaGo

• 1.2.4. AlphaGo之所以能够引发世人的广泛关注，在于它有效地结合了科研和工程两方面的工作

• 1.2.5. DeepMind公司采用的卷积神经网络(CNN)、参差网络(ResNet)、蒙特卡洛搜索树(MCTS)等算法或技术，都不是独创或是近期才发明的

  • 1.2.5.1. 能够有效整合不同技术方案，成功利用人工智能技术解决现实难题，确实是一次壮举

1.3. 关注度变化趋势

• 1.3.1. 从全球范围内看，​“大数据”(big data)一词于2010年首次进入大众视野，其关注度在2011年至2014年获得快速增长，并在此后长期保持稳定

• 1.3.2. ​“机器学习”已经取代“大数据”成为网络上最受关注的技术关键词，​“人工智能”和“深度学习”等词汇的关注度均有相同程度的增长

• 1.3.3. 2017年成为人工智能爆发的一年，Facebook、谷歌、微软、百度、阿里巴巴和腾讯等科技巨头纷纷发布自己的人工智能战略，全球人工智能投融资总规模约400亿美元，融资1000余笔

1.4. 英国

• 1.4.1. 拥有世界最优秀的高等教育体系，已经孕育出了DeepMind一众技术实力雄厚的初创企业

• 1.4.2. 是人工智能鼻祖阿兰·图灵的诞生地，其人工智能的未来发展潜力不可估量

1.5. 法国

• 1.5.1. 数学研究水平傲视全球，航空航天、汽车工业、高端制造业的实力不容小觑，其发展人工智能的底蕴深厚

1.6. 德国

• 1.6.1. 拥有马克斯·普朗克学会和弗劳恩霍夫协会等著名科研机构，在工业4.0、智能制造、汽车等领域的技术积累深，未来德国或可通过上述领域优势谱写人工智能发展的新篇章

1.7. 以色列

• 1.7.1. 在网络安全、国防军事等领域的优势明显，其第二大城市特拉维夫是世界的“创业圣地”​，已经孕育出数量众多的初创企业和独角兽企业

• 1.7.2. 将成为全球人工智能发展的重要一极

1.8. 人工智能战略

• 1.8.1. 当前，人工智能已上升到国家层面的激烈博弈，越来越多的国家争相制定发展战略与规划，世界主要国家进入了全面推进人工智能发展的全新战略时代，人工智能竞争趋向白热化

• 1.8.2. 奥巴马政府

  • 1.8.2.1. 《为人工智能的未来做准备》​（​“Preparing for the future of artificial intelligence”​）

  • 1.8.2.2. ​《国家人工智能研究与发展战略计划》​（​“National artificial intelligence research and development strategic plan”​）

  • 1.8.2.3. 《人工智能、自动化与经济》​（​“Artificial intelligence，automation，and the economy”​）

2. 当前人工智能技术的本质

2.1. 人工智能已经成为最前沿的科技领域，将给经济发展、社会形态的方方面面带来颠覆性的影响

2.2. 与自然智能的区别

• 2.2.1. 从本质上看，人工智能是指由人工创造的智能，与其对应的是生物进化所形成的“自然智能”(natural intelligence)，特别是具有最高智慧的“人类智能”(human intelligence)

• 2.2.2. 人工智能与自然智能在智能的形成过程中，最大的不同之处在记忆、分析推理、决策这三个环节

• 2.2.3. 自然智能依靠的是大脑的生物神经系统，而当前的人工智能技术依靠的是GPU、TPU、ASIC等信息处理单元，云计算、雾计算以及卷积神经网络等算法

• 2.2.4. 人工智能与自然智能的物理载体有本质区别

  • 2.2.4.1. 人工智能的物理载体采用的是冯·诺依曼架构的CPU、GPU、FPGA和ASIC等高性能处理器，以及高性能存储器等

  • 2.2.4.2. 这些物理器件都是基于经典图灵机模型创造的，因而从诞生时就局限于图灵机的理论边界之内

  • 2.2.4.3. 自然智能的物理载体是由非线性动力学驱动的生物神经系统，其中的存储单元和计算单元在结构和功能上是一体的

• 2.2.5. 人工智能和自然智能的运算方式有本质区别

  • 2.2.5.1. 当前，常用的人工智能算法有数十种之多

  • 2.2.5.2. 每种算法都擅长解决某一类任务，但在不同任务之间的迁移能力却很弱

  • 2.2.5.3. 虽然人类大脑的运行机制尚未破译，但自然智能的小样本学习能力、不同任务间的迁移能力却是现阶段人工智能所望尘莫及的

  • 2.2.5.4. 在仅有20瓦特左右功率的条件下，人类大脑可以在极短的时间内对通过视觉、听觉、嗅觉或触觉获取的信息迅速做出决策，并对未来做出预判

  • 2.2.5.5. 目前，人工智能研究领域主要包括自然语言处理、语音识别、计算机视觉、规划与推理等

2.3. 现阶段人工智能的重要特征

• 2.3.1. 人工智能以人类智能为基准，主要目的是实现自主学习、知识运用、处理新问题等人类具备的基本能力

• 2.3.2. 人工智能是人类智能的延伸，同样具有一定的感知、记忆、分析、决策和行为能力

• 2.3.3. 人工智能的实现需要借鉴人类智能，但模仿人类智能并非实现人工智能的唯一方式

2.4. 阶段

• 2.4.1. 弱人工智能

  • 2.4.1.1. 模拟人或动物解决各种智能问题的技术，包括问题求解、逻辑推理与定理证明、自然语言理解、专家系统、机器学习、人工神经网络、机器人学、模式识别和机器视觉等

• 2.4.2. 强人工智能

  • 2.4.2.1. 具有自我意识以及自主学习、自主决策能力的人工智能，是人工智能发展的终极目标

  • 2.4.2.2. 强人工智能在各方面都能与人类智能比肩，人类能从事的脑力活动它都能从事，也可称为“通用人工智能”​

• 2.4.3. 超人工智能

  • 2.4.3.1. 在几乎所有领域都比最聪明的人类大脑聪明很多，包括科学创新、通识和社交技能

  • 2.4.3.2. 波斯特洛姆认为超人工智能在几乎所有领域远远超过人类，具备远超过强人工智能的强大能力，从而会给世界带来存在性风险：智慧生命灭亡或永久失去未来发展潜能

2.5. 人工智能的研究范围包括机器学习、自然语言处理、语言处理、图像处理、智能搜索、知识表示、知识推理与规划等诸多领域

2.6. 6个大类

• 2.6.1. 计算机视觉（图像分析、视频分析等）​

• 2.6.2. 自然语言处理（语音识别、语义分析等）​

• 2.6.3. 机器学习（监督学习、半监督学习、强化学习、深度学习等）​

• 2.6.4. 博弈与伦理（多代理人交互、对抗与合作等）​

• 2.6.5. 机器人学（人机接口系统、运动规划、任务规划等）​

• 2.6.6. 认知和推理（包含各种社会常识、物理常识等）​