人工智能相关研究报告 （20万字）

看了多篇各有侧重的研报或者出版物，其中一半做了精读，一半泛读；偏技术的仍然啃得很费劲，看得有点浮躁。不过也有很多小地方看了就莫名其妙燃了。活在这个时代真是我们的幸运，没有赶上轰轰烈烈的工业革命或者战争，能在有生之年看到AI对人类文明的颠覆，参与进来这个过程，在哪怕再小的一个领域起到点推动作用，就不白来这么一趟。一个人最大的机会就是能够与时代同步和共振。

下面是零散的摘抄和总结，不是以全面为目的进行摘录的，只是些自己希望一而再再而三回顾的东西。等再过一两期的时候，希望自己真正形成一个有自己标签的mapping（主要涉及六大方面：定义/概念、历史、技术、产品、市场、机会），有自己笃定的看法。

（图片中是原文题目，在下面不再一一引用了）

^趋势/思路转变方面：

^Companies can no longer afford to nurse and file new products for years and insist on perfection.

^人工智能时代，企业竞争优势转变为算法和数据资产，建立学习网络和数据生态，360度洞察消费者，通过人工智能不断地学习产生新的知识，同时在数据驱动下，进行即时自动决策。

^The Singularity is inevitable, but probably man-machine hybrids will be the firstwave.（Elon Musk同学又已经开始搞了）

^专有AI向通用AI发展

^人机交互模式更加简单直接（语言、视觉、动作、脑电波）

^AI不再局限于模拟人的行为结果，而是拓展到“泛智能”应用

^特定任务或垂直类应用驱动的AI而不是纯技术导向的AI更容易落地

^AI最适于解决什么问题：1）行业有持续痛点2）流程的数据输入是数字化的、重复性的，问题可以细分并清晰界定，结果可以沟通、书面化、单向3）受整体商业环境影响小

^平台化+场景应用 典型应用场景：智能硬件、机器人、虚拟场景、安防（城市安全/金融安全/个人安全）、虚拟服务（客户沟通、数据反馈）、商业智能（即BI，体现在数据挖掘和决策方面） 国内获投的AI企业七成是应用类的

^目前机会：短期：应用开发；长期：技术研究、基础资源积累

^创业企业思路：1）直接布局场景应用解决方案；2）更有效：从深挖技术到拓展应用。

^进化阶段：服务智能（未来3-5年）（→科技突破）→超级智能

^（另一种分类）：计算智能（存储、快速处理）、感知智能（“看”、“听”）、认知智能（辅助或替代人类工作）

^强AI（达到人类水平的智能）遥遥无期 ，90%的可能性在2075年。制约因素：1）领域限制2）因果关系3）晶体管和神经元的天生不平等

^EAI可能是一个解决思路（EAI：Educated artificial（或者application）intelligence）

^到2018年，中国重点支持方向：

1）基础软硬件：芯片、传感器、操作系统、存储系统、高端服务器、关键网络设备、网络安全技术设备、中间件..

2）开源软硬件平台+生态 （公共服务平台）

3）关键技术（研发和产业化）： 计算机视/听觉、智能语音处理、生物特征识别、复杂环境识别、自然语言理解、智能决策控制、新型人机交互、机器翻译、网络安全

4）数据

推进智能产品创新的重点领域：家居、汽车、无人系统（飞行器、船等）、安防

^技术方面：

AI驱动因素：算法/技术；数据/计算；场景；（颠覆性）biz model

AI崛起的3大技术基础：大数据+计算能力+DL算法

AI的3种主要技术：ML、模式识别、人机交互

都用到什么数据：ML（标签样本数据）、模式识别（非直接数据）、人机交互（用户数据）AI的2种能力：快速处理（能总结出model）（试验-验证-学习的正循环）；自主学习（知识的体系化管理：产生-存储-应用-更新）

算法的地位：实现AI的核心

AI提升的2个途径：工程学方法(engineer approach,传统的编程技术)和模拟法(modeling approach，指模仿人类。比如遗传算法和神经网络)

目前认知层算法尚未突破，是下一个突破方向

中国的视觉、语音识别技术处于国际领先水平

ML--一阶算法的优化（90年代初至今）smooth--nonsmooth convex--nonconvex deterministic--stochastic(随机) one/two blocks--multipleblocks(ADMM) synchronous--asynchronous convergence&convergence; rate

^商业方面：

市场规模：BBC：2020年全球市场规模超千亿（艾瑞：中国91亿：其中语音识别60%；视觉12.5%；剩下其他）

产业链：基础层（最靠近云），技术层，应用层（最靠近端）

五大竞争定位模式：生态构建者（最重要）；技术算法驱动者；应用聚焦者；垂直行业领先者；基础设施提供者

针对企业用户的应用/解决方案未来的变现模式：1）直接出售解决方案2）从流量和广告中转化价值。

^对人类社会经济的影响：

不公问题：例子：AI+医保：有可能放大不平等--被故意培养成过滤掉那些之前就常常被忽视、被服务不周的外围群体（穷人、非白人、女性）

个人隐私问题：让AI实现在不“查阅”数据的情况下直接“调用”它们

用到的技术：homomorphic encryption (同态加密)differential privacy (差分隐私)stochastic privacy (随机隐私)---仍在初步

各行业中，伦理道理问题：eg.如果一个医生使用的AI诊断设备在受训时使用了一家医药公司的药品试验数据，而这家公司是某种药物处方的既得利益者？

就到这里吧！