報(bào)告地址 -> [鏈接](http://www.360doc.com/content/17/0413/19/35919193_645367737.shtml

高管概述

深度學(xué)習(xí)引人注目的提升了ASR以及谷歌圖片識(shí)別的質(zhì)量，在醫(yī)療領(lǐng)域，圖片識(shí)別技術(shù)可以促進(jìn)癌癥診斷的準(zhǔn)確性。

人工智能在應(yīng)用案例發(fā)覺的非常早的階段使用，同時(shí)作為基于云服務(wù)共享的必要的科技，我們相信一波革新將到來，為整個(gè)行業(yè)創(chuàng)造新的冬天和失業(yè)者。

人工智能是什么

深度學(xué)習(xí)
1、算法本身通過喂養(yǎng)數(shù)據(jù)（訓(xùn)練），自己學(xué)會(huì)如何區(qū)分蘋果和橘子。
2、在非監(jiān)督的深度學(xué)習(xí)中，重要特征不是由人類來定義，而是由算法學(xué)習(xí)和創(chuàng)建
3、深度學(xué)習(xí)是一種需要訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)的“深層”層次結(jié)構(gòu)，且每層可以解決問題不同方面的機(jī)器學(xué)習(xí)，從而使系統(tǒng)能解決更復(fù)雜問題。（以火車識(shí)別為例）

為什么現(xiàn)在人工智能加速發(fā)展？

深度學(xué)習(xí)能力方面的主要飛躍成為當(dāng)前進(jìn)行中的AI拐點(diǎn)的催化劑。神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)之后潛在的科技框架，已經(jīng)存在了幾十年，直到三件事發(fā)生了改變。
1、數(shù)據(jù)
持續(xù)增長(zhǎng)無所不在的相互聯(lián)系的設(shè)備、機(jī)器、和系統(tǒng)產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)呈現(xiàn)巨大增長(zhǎng)。
擁有的數(shù)據(jù)越多，神經(jīng)網(wǎng)絡(luò)就變的越有效率。
2、更快的硬件
低成本計(jì)算能力的普遍化（GPU、FPGA、云服務(wù)）
3、更好、更普遍可用的算法。
伯克利的 Caffe，谷歌的 TensorFlow 和 Torch

價(jià)值創(chuàng)造的主要驅(qū)動(dòng)力

人才、數(shù)據(jù)、基礎(chǔ)設(shè)施和硅，這些是投入也是進(jìn)入的壁壘。
1、AI難度很大，造成人才緊缺，隨著技術(shù)和工具的成熟，人才不會(huì)再是瓶頸。
2、之后的大的差異化數(shù)據(jù)集（電子健康記錄、天氣數(shù)據(jù)等）是最可能的提高和增加利潤(rùn)的驅(qū)動(dòng)力。更大的數(shù)據(jù)集會(huì)阻礙模型過度擬合。
3、支持AI的基礎(chǔ)設(shè)施將被迅速商品化，大型云供應(yīng)商將繼續(xù)開放基礎(chǔ)架構(gòu)資源，并擴(kuò)展到AI基礎(chǔ)設(shè)施中。
4、多數(shù)用GPU驅(qū)動(dòng)的系統(tǒng)做學(xué)習(xí)算法的構(gòu)造，之后，對(duì)于模型和算法的使用，稱為推論，推論多使用 FPGA 和 ASIC。

主要影響

促進(jìn)未來生產(chǎn)力?？倓趧?dòng)時(shí)間一直在增加，但資本強(qiáng)度對(duì)生產(chǎn)力的貢獻(xiàn)已經(jīng)遠(yuǎn)遠(yuǎn)落后于上世紀(jì)90年代。日益驚喜且可利用的機(jī)器學(xué)習(xí)和人工智能可能成為一劑催化劑將資本密度帶回前沿。