《人工智能技术基础》课件——第二章 人工智能产业.pptxVIP

人工智能技术基础

第二章人工智能产业01人工智能产业概况02人工智能产业分层架构03人工智能与大数据、云计算04人工智能与5G技术

人工智能行业简介人工智能（ArtificialIntelligence）：是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。作为一种基础技术，理论上讲人工智能能够被应用在各个基础行业（如AI+金融、AI+医疗、AI+传统制造业等），同事也有其如机器人这样具体应用行业的概念。

4生活中的人工智能海底捞智能化后厨“亲，请让我过去好不好，我还要工作呢，不要失业啦。”

思考这些是不是人工智能产品？

人工智能的发展2006年-2015年是人工智能崛起的黄金十年。2006年Hinton提出“深度学习”神经网络（深度臵信网络，DBN）使得人工智能的性能获得了突破性进展，2006年成为人工智能发展史上一个重要的分界点。近年来，随着深度学习算法的逐步成熟，AI相关的应用也在近年加速落地。中国AI市场规模增速高于全球增速：2015年国内人工智能市场为12亿元，其中语音识别占60%，计算机视觉占据12.5%，其他识别部分为27.5%。在只考虑语音识别、计算机视觉，不包括硬件产品销售收入(如机器人、无人机、智能家居等销售)、信息搜索、资讯分发、精准广告推送等的情况下，预计全球人工智能总体市场规模2020年将达到1190亿元，复合增长率约为19.7%；预测国内人工智能市场规模2020年将达到91亿，年复合增长率约50%。

人工智能行业发展趋势2017年中国人工智能市场规模达到152.1亿元，增长率达到51.2%。随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，预计2018年中国人工智能市场规模有望突破200亿元大关，达到238.2亿元，增长率达到56.6%。在未来，人工智能领域的投资将以“AI+行业”的方式展开，预计人工智能应用场景较为成熟且需求强烈的领域，如安防、语音识别、医疗、智慧城市、金融等领域，带来升级转换，提高行业智能化水平，改善企业的盈利能力，预计随着诸如无人驾驶汽车等认知智能技术的加速突破与应用，人工智能市场将加速爆发。

人工智能产业链图谱人工智能行业主要分为：AI芯片传感器AI应用语义识别机器学习智能语音计算机视觉共计七大板块。

领域分析-AI芯片目前，AI芯片的研发方向主要分两种：一是基于传统冯·诺依曼架构的FPGA（现场可编程门阵列）和ASIC（专用集成电路）芯片，二是模仿人脑神经元结构设计的类脑芯片。你看到的每一台电脑，采用的都是冯·诺依曼架构。它的核心思路就是处理器和存储器要分开，所以才有了CPU（中央处理器）和内存。而类脑架构，顾名思义，模仿人脑神经元结构，因此CPU、内存和通信部件都集成在一起。

领域分析-AI应用当前人工智能应用领域主要有：个人助理、安防、交通、医疗健康、电商零售、金融、教育等。人工智能主要应用在数据积累量大、方便获取，行业有海量数据分析处理需求的应用场景。应用语音识别、图像识别、智能机器人、深度学习等AI技术，为具体应用场景提供高效、准确的解决方案。目前，主要以软件公司为主，一些优秀的企业凭借自设平台优势，深耕算法和通用技术平台，并以场景作为流量入口建立该领域智能服务应用。当前AI应用在各行各业，提高了各专业领域服务质量和效率，专业领域的应用同时也在不断促进AI技术的提高，两者相互促进，共同发展。

领域分析-机器学习机器学习（ML，machineLearning）是人工智能的一个分支，是让机器自己做主，而不是我们告诉计算机具体做什么。不要使用具体的代码，使用一定的训练数据，使用泛型编程，机器从训练数据中可以学到赢棋的经验，这就是一个机器学习的最初定义。机器学习主要有两种，监督学习和非监督学习。监督学习就是督促计算机去学习，明确告诉它目标是什么，非监督学习是让计算机“自学成才”，没有设定目标，学习完告诉我你学到了什么。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯网络等等。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工