人工智能技术及应用

人工智能技术及应用新技术引领时代变迁01目录CONTENTS人工智能发展史02当代人工智能的驱动因素03人工智能引领数字化智能化经济发展04新技术引领时代变迁01PART新技术引领时代变迁280万年20万年距今300万年距今6000年6000年18世纪中叶200年20世纪下半叶30年21世纪初渔猎时代（石器）工业时代（蒸汽机）智能时代（神经网路）新技术引领时代变迁公元前2000年1769年公元前3500年距今6000年6000年1885年20世纪下半叶2012年2018年车轮是人腿的延伸人类发明车轮出现第1台蒸汽三轮车第一辆特斯拉电动汽车谷歌正式推出无人驾驶打车服务研制成功第1台内燃汽车出现新技术引领时代变迁1605年1920年1925年1967年传媒是人眼延伸2018年荷兰发性第一份印刷报纸——《新闻纪事报》世界上第一个官博电台在美国开始播音拜尔德在英国首次成功装配世界第一台电视机戈尔德出新媒体概念，包括互联网，手机APP等一切数字媒体微信用户月活10亿+新浪微博月活3.9亿+今日头条日活1.2亿+抖音用户月活2.5亿+新技术引领时代变迁1876年电话是人耳延伸1956年1980s1990s2000s2010s2020s贝尔发明第一部电话第一个无线电寻呼机诞生1G/模拟语音时代2.4KB/s2G/数字语音时代64KB/s3G/某著名企业数据时代2MB/s4G/某著名企业宽带时代100MB/s5G/某著名企业智能时代1GB/s模拟通信技术时代，只要传输语音信号数字通信技术时代，以数字短信息为特色数据通信时代，以数据服务为特色全IP通信技术时代，提供高速率数据服务极速智能技术时代，提供支持延时低，密度大的服务算法能力计算能力连接能力存储能力1946年1956年1964年1971年1994年新技术引领时代变迁从传统机器学习到深度机器学习全球数据量从2011年1.8ZB到2020年预计40ZB，年均增长率达到50%从4位到64位从单核到多核从单机到集群从“人与人”互联到“人与他”互联，再到“物与物”互联，再到“万物”互联，再到“万物”智联第一代晶体管计算机第2代晶体管计算机第3代集成电路计算机第4代大规模集成电路计算机巨大规模集成电路计算机计算机是人脑的延伸人工智能发展史02PART人工智能的起源艾伦∙麦席森∙图灵（Turing，1912‐1954）英国数学家，人工智能之父。

破译德军密码

研制破译专用电子管计算机“巨人”（Colossus）

制造自动计算机“ACE”

划时代论文《Canamachinethink？》发表

试图通过让机器模仿人回答某些问题，判断它是否具备智能。

采用“问”与“答”模式，即观察者通过控制打字机向两个试验对象通话，其中一个是人，另一个是机器。人工智能的起源图灵实验人工智能的起源图灵实验1950问：你会下国际象棋吗？答：是的。问：你会下国际象棋吗？答：是的。问：请再次回答，你会下国际象棋吗？答：是的。面前的这位一定是个笨机器人！人工智能的起源图灵实验1950问：你会下国际象棋吗？答：是的。问：你会下国际象棋吗？答：是的，我不是已经说过了吗？问：请再次回答，你会下国际象棋？答：你烦不烦，干嘛老提同样的问题。面前是人在对答！人工智能的起源怎样模仿人类？

机器具有智能是能感知、能学习、能思维、能记忆、能决策、能行动……

智能学是研究生物智能、人类智能以及人工智能的科学人工智能的起源冯·诺依曼计算机模型人工智能的起源人工智能是交叉学科，完整图灵实验所需的学科知识非常多！计算机生物学社会学心理学哲学人工智能神经网络与深度学习神经元模型神经网络与深度学习人工神经网络神模型•

神经网络通常被比喻成一块有很多层的三明治，每层都有人工神经元也就是微小的计算单元。神经网络与深度学习人工神经网络神模型神经网络与深度学习杰弗里∙辛顿（GEOFFRREYHINTON）•1986年的一篇阐述多层神经网络的误差反向传播训练方法的论文，为人工智能的发展奠定了基础。31岁的辛顿（图右）神经网络与深度学习神经网络可以用来做什么？原始数据对数据的理解（表示）判断（分类）0.970.010.02catdogother神经网络与深度学习机器学习

机器学习是神经网络应用的重要方向。

专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。神经网络与深度学习浅层学习的困境

20世纪80年代末期，人工神经网络从大量训练样本中学习统计规律，从而对未知事件做预测。

20世纪90年代，各种各样的浅层机器学习模型相继被提出，如支撑向量机（SVM）。理论分析的难度大，训练方法又需要很多经验和技巧，实用性不强，大量学者转移研究方向。1997年Hinton再婚神经网络与深度学习视觉生理1981年的诺贝尔医学奖颁发给了神经生物学家DavidHubel和TorstenWiesel。其主要贡献是发现了视觉系统的信息处理：可视皮层是分级的。神经网络与深度学习小猫的实验1958年，DavidHubel和TorstenWiesel在JoohnHopkinsUniversity，研究瞳孔区域与大脑皮层神经元的对应关系。最终发现了一种被称为“方向选择性细胞”的神经元细胞。当小猫瞳孔发现了眼前的物体的边缘，而且这个边缘指向某个方向时，这种神经元细胞就会活跃。神经‐中枢‐大脑的工作过程，或个不断迭代、不断抽象的过程神经网络与深度学习分级视觉系统原始信号摄入：瞳孔摄入像素预处理：大脑皮层某些细胞发现边缘和方向抽象：大脑判定，眼前的物体的形状进一步抽象：大脑进一步判定该物体是什么神经网络与深度学习深度学习

2006年，Hinton在《科学》刊文：(1)多隐层的人工神经网络学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类；(2)深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服，且逐层初始化是通过无监督学习实现的。神经网络与深度学习深度学习

2012年6月，《纽约时报》披露了GooggleBrain项目。这个项目是由斯坦福大学ewNg（）和在大规模计算机系统方面的世界顶尖专家JeffDean共同主导，用16000个CPUCore的并行计算平台训练一种称为“深度神经网络”的机器学习模型（有10亿个节点），在语音识别和图像共识别等领域获得了巨大的成功。神经网络与深度学习深度神经网络模型传统神经网络深度神经网络神经网络与深度学习深度学习的基本应用分类检索神经网络与深度学习深度学习的基本应用检测分割神经网络与深度学习19561970198220061990History·······低谷1970-1980大规模数据和复杂任务不能完成，计算能力无法突破专家系统1982年后神经网路+5代计算机深度学习2006年-至今突破性进展进入发展热潮1957年Perception感知神经网络的发明1986年BP神经网络算法的发明和应用低谷1990-2000DARPA无法实现，政府投入缩减AI诞生1956年达特茅斯会议神经网络与深度学习理想的坚持！我始终坚持做神经网路的研究！神经网络与深度学习2019年图灵奖2019年3月27日——ACM宣布，深度学习的三位创造者YoshuaBengio，YannLeCun，以及GeoffreyHinton获得了2019年的图灵奖。神经网络与深度学习仍在继续…...胶囊网络（Capsule）

深度学习能用某种方式人脑行为，只是不具备思维能力的模式识别机。

Hinton注意到，目前大多数神经解剖学研究都支持（大部分哺乳类，特别是灵长类）大脑皮层中大量存在柱状结构（皮层微柱），其含有上百个神经元，并存在分层。这意味着人脑中的一层并不是类似现在神经网络的一层，而是有复杂的结构。，人工智能时代到来03PART数字时代到来IT时代互联网+智能+世界500强互联网巨头独角兽新业态智能协同网传统软件PC传统某著名企业网络、2GWeb应用、消费APP手机3G、4G人人互联智能应用、工业APPAI、IOT、云终端5G万物互联我们已进入数字化时代，数字化成为社会发展第一推力A（人工智能）B（大数据）C（云计算）T（物联网）智慧零售智慧交通智慧医疗智慧港口......节能绿色高效便捷数字中国数字化技术业态重构数字化技术应用：驱动各实体产业进行重构数字技术已逐步渗透到各行各业，驱动万亿级产业集群零售行业智能机器人•依托人工智能技术，智能公共服务机器人应用场景和服务模式不断拓展，带动服务某省市场规模高速增长。交通出行•自动驾驶—自动驾驶技术即将实用，他对出行领域的影响有以预见的巨大制造行业•互联化—在离散的网络节点之间建立链接，提高可见性•自动化—整合响应机制、自动化和远程活动•智能化—自动完成事件识别和决策制定•供应链智能化—数字化正在重新定义供应链，使之成为整合了实时信息的协调完整的智能系统，高效与成本优化AI数据爆发政策支持计算能力算法改进AI发展的四大因素人工智能的驱动因素：数据量爆发性增长大数据、云、物联网等信息技术的发展产生了前所未有的海量数据。据预测，到2020年，全球数据预计超过40ZB，并且数据的增长速度越来越快。丰富的数据训练集为人工智能技术在更多产业应用提供了可能。人工智能的驱动因素：计算能力提升人工智能算法的实现需要强大的计算能力作为支撑。2010年以后，随着GPU芯片的普及，计算机的运算能力迈入新阶段。而随FGGA和ASIC芯片的发展，2020以后，计算机的运算能力又将迈入新的层级，能达到每秒进行百亿亿次的计算。人工智能的驱动因素：算法的进步计算能力的提升和数据规模的增长，使得深度学习、强化学习算法发展起来。这些算法广泛应用到计算机视觉、语音识别、自然语言处理等领域并取得丰硕的成果。技术适用的领域大大拓展，从而越来越多的复杂和动态的场景的需求得到了满足。人工智能的驱动因素：政策支持中国、美国等国家都把人工智能列入了国家发展战略，出台了一系列战略文件和产业政策。政府对人工智能产业化高度重视，推动人工智能产业化快速发展。1.科技部（973）计划2.国家自然科学基金3.工业和信息化部（电子发展基金）4.《基于大数据的类人智能关键技术与系统》项目5.《互联网+人工智能三年行动实施方案》6.《新一代人工智能发展规划》7.《促进新一代人工智能产业发展三年行动规划（2018-2020年）》8.《“十三五”国家战略性新兴产业发展规划》中国大数据到底有多大？大数据到底有多大？1PB=2^50字节1EB=2^60字节1ZB=2^70字节

随着互联网等信息技术的广泛应用，数据量正在呈指数级增长，大约每两年翻一番，这意味着人类在近两年产生的数据量相当于之前产生的全部数据量。

全球在2010年正式进入ZB时代，预计到2020年，全球将总共拥有35ZB的数据量，一天产生的信息量18.8亿张DVD光盘。传统技术无法处理的海量数据催生出了大数据技术国内大数据的现状互联网数据

交数千万笔，其单日数据产生量超过50TB,峰值时处理交9万笔/分钟，1GB/s。在阿里数据平台事业部的服务器上有超过100PB已处理过的数据。百度——每天要处理60亿次搜索请求(谷歌为30亿次)，新增10TB，处理100PB数据，每天产生一个TB的日志。目前存储网页数近1万亿，数据总量1000PB。腾讯——腾讯户5亿，在线人际关系链超1000亿，每天1千亿次服务调用，日新增200-300TB数据量，每月增加10%。经压缩后的数据总存储量100PB。新浪微博——每天有数十亿外部网页和API接口访问需求。在晚上高峰期，微博每秒要接受100万以上的响应请求。国内大数据的现状政府数据

视频监控摄像头广泛应用于主要道路、热点地区、地铁和居民小区的安全监视。某省市食品架前均要求装能清晰拍到走在架前的人的脸部。一个8Mbps摄像头每小时产生3.6GB,某省市的摄像头多达几十万个，一个月的数据量达到数百PB，若需保存3个月则存储量达EB量级。国家税务总局每月收集全国数据4TB，已集中的结构化数据260TB某省市政府部门数据库总量2011年63PB，2012年95PB国内大数据的现状服务业数据

年均产生数据510TB(不含视频)，累计产生数5PB

用户上网记录每秒83万条，对应年数据量3.6PB

农夫山泉每天从销售其矿泉某省市回传10，每月3TB公交一卡通每天4千万次，地铁一千万人次某省市交通调度中心每天数据增量30GB，存储量20TB企业级数据仓库存储量已超过350TB，积累的数据4.5PB

每年产生结构化和非结构化数据分别突破100TB和1PB，已归档PB级数据每日约处理600G数据，存量数据超过70TB

发卡量40亿张，每天近600亿次交易，每秒50万次记录，存储量350TB大数据技术•大数据技术不是“孤立”的技术体系，别指望学习一点数据处理技术就说掌握了大数据技术。•大数据技术是一个关于信息采集、信息传输、信息控制、信息存储和信息处理、处理结果呈现的综合性技术。•大数据技术是一个生态体系。有基础支撑技术，有综合集成技术等。•目前大数据技术总体上来将还不成熟，因为到现在为止还没有找到一个类似于关系数据的“布尔代数理论”来支撑“大数据理论”。•目前大数据的技术是“实践技术”走在“数据理论”的前面。目前大数据技术的主要概括大数据价值的产生大数据是继云计算、物联网、某著名企业互联网之后的又一个具有国家战略意义的新兴产业。如今，大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。大数据技术的创新与应用，不仅能够应对数据爆炸带来的挑战，还能够创造出巨大的价值、提升社会生产率。大数据价值的产生人工智能引领数字化智能化经济发展04PART智能网联汽车应用领域基础情况据研究，使用智能网联汽车相关技术可以减少交通事故50%-80%，提升交通通行效率10%-30%。根据美国媒体BCG预测，智能网联汽车从2018年起，将迎来持续20年的高速发展黄金期；到2035年将占据全球25%左右某省市场，产业规模预计可超过770亿美元。应用场景分析智能网联汽车：代表性企业某著名企业出行智能网联汽车：经典案例-首汽约车高效化—供需预测和运力调度分派单的核心目标是在时间和空间维度上达到供需无缝匹配，实现运力的利用率最优。目前首汽约车在底层基础引擎和上层场景化引擎两方面已经去的比较明显进步。底层基础模型，从运筹学的角度对派单过程进行重新建模。经问题抽象为M个司机与N个乘客之间的最优匹配问题。在场景优化引擎下，首汽约车重视精细化运营，区分了跨城场景、司机排队场景、顺路单场景、动态供需召回等功能跨区域车辆调度和匹配图智能网联汽车：经典案例安全化—时刻监视首汽约车与百度展开合作推出CI车载智能硬件系统，其系统集成了图像识别、语音识别、自然语言识别、高精度传感器等多项先进技术。这套系统能够实现对疲劳驾驶、超速、抽烟、打电话、频繁超车变道等行为进行有效监督，识别司乘通话中司机的规范用语、诱导取消订单、威胁用语等。进行全程监督，对服务进行保障。智能网联汽车：经典案例智能化—时刻判断首汽约车与几大网络地图厂商合作，基于大数据算法和精细化运营，实现了跟高效的派单优化，实现目的地预测、模糊搜索等功能。通过机器学习技术，首汽约车实现了初步的交通自动预测与指挥，在实际运营中取得了明显的效果。在LBS方面，通过对用户偏好和历史行为的挖掘，结合实时的供需匹配情况，在海量订单数据基础上，提供目的地预测，预估到达时间等功能。图为机器学习和判断自动驾驶从“理论研究”到“试点运营”在5G网络的基础上，通过人、车、路、云端等的信息交互实现了为自动驾驶汽车智能决策、协同控制提供信息服务。使得无人驾驶汽车从理论研究到今天的逐步落地成为可能。5G网络车联网数据能力低延时大带宽边缘计算信号灯信息路况数据限速数据天气数据车流信息人流信息运行参数能效状态人车路云端边缘计算服务高进度定位五维时空服务智能决策协同控制典型案例-5G时代谷歌waymo:自动驾驶一直在路上•2019年Waymo无人驾驶应用了深度学习和人工智能为一体的技术，需要经过大量的测试才能训练出自动驾驶模型。目前该公司的自动驾驶模拟测试里程达到了100亿英里（约合161亿公里）。•Waymo开展了无人驾驶车载无线网络测试，一旦该公司的无人驾驶出租车允旅行，Wi-Fi将允使用笔记本电脑或浏览媒体视频。•道尔戈夫还透露，正在路上进行密集测试的捷豹I-Pace自动驾驶汽车，搭载的是Waymo第五代硬件平台，这一代硬件平台在激光雷达和自动驾驶AI芯片上，再度有了大幅度的提升。智能服务机器人：行业发展趋势分析应用领域基础情况家庭服务机器人的产品包括家庭作业机器人、娱乐休闲机器人、残障辅助机器人和监视机器人，其中家庭作业机器人中的扫地某省市场化程度高，产品种类多样化。特种机器人大多应用在特定的场景，如军事空间、精细外科、危险作业等。目前较为成熟的代表性产品包括达芬奇外科机器人、挤奶机器人、反恐机器人、四旋翼搬运作业机器人、水下机器人等。类 应用场景分析家庭服务机器人迅速崛起•随着高性价比、高性能传感器的融合应用，扫地机器人等家用机器人在服务机器人中迅速崛2018年，全球家用服务某省市场规模约为44.8亿美元，占比高达48%。智能服务机器人：行业发展趋势分析医疗服务机器人逐渐被认可•随着我国医疗领域机器人应用的逐渐认可和各诊疗阶段应用的普及，医用机器人尤其是手术机器人，已经成为机器人领域的“高需求产品”。未来发展方向•随着人工智能技术的进步，智能服务机器人产品类型愈加丰富，自主性将不断提某省市场率先落地的扫地机器人、送餐机器人向情感机器人、陪护机器人、教育机器人、康复机器人等方向延伸，服务领域和服务对象将不断拓展，机器人本体体积也将更小、交互更灵活。智能服务机器人：代表性企业iBobot智能服务机器人：代表性企业银星集团智能服务机器人：代表性企业儒博技术角度核心技术提升空间大•飞控技术和动力系统是无人机的核心技术，反步控制和智能PID飞控技术、动力技术等技术的出现大大降低了无人机研发成本，减少行业的限制，这也某省市场的关键。未来无人机隐身技术、通信技术、发射、回收技术亦有较大发展空间。智能服务机器人：行业发展趋势分析产品角度产品趋向智能化•高技术的迅速发展使模块化、通用化、系列化成为可能，微电子技术和纳米技术的飞速发展使“微乎其微“成为现实，未来无人机产品将往多功能、模块化、长航时、微型化、智能化以及全隐身方向发展。应用领域需求驱动无人机行业发展•需求驱动供给端，带动无人机行业的某省市场规模逐渐扩大，如网络连接、物流配送、农林植保、智能航拍等领域的需求量较大，这些都可以通过无人机实现；自动家庭监视、无人机+VR、无人机+短途物流。智能服务机器人：代表性企业大疆创新智能服务机器人：代表性企业3DRobotics智能服务机器人：代表性企业3DRobotics扑翼飞行器指像鸟—样通过机翼主动运动产生升力和前行力的飞行器，又称振翼机。未来可以完成侦察、监测与载重送货，以及引导授粉，从而协助更已耗尽的蜂群。AI医疗应用领域基础情况医疗行业存在医疗资源不足，医疗资源区域分布不均，医生培养，医疗成本高，医疗误诊率高，疾病谱变化快等诸多痛点。待解决的医疗痛点及逐渐增加的医疗服务需求成为人工智能技术应用于医疗行业的现实需求。应用场景分析AI医疗:医疗影像深度学习应用图像语义分割是机器自动分割并识别出图像中的内容。给出一个人骑摩托车的照片，机器判断后应当能够生成右侧图，红色标注为人，绿色是车（黑色背景）。语义分割是将标签分配给图像中的像素的过程。语义分割将同一类的多个对象视为一个实体。语义分割用于识别医学扫描中的显著元素。这对鉴别肿瘤这种异常特别有用。同时在很多场景下，图像分割对医疗诊断有着极其显著的帮助。语义分割输入输出AI医疗:医疗影像深度学习应用AS-OCT图片能诊断多种疾病，如青光眼，目前诊断均有专家医生完成，无法形成自动化。而右图为一种自动分割出晶体算法，其结果可用于辅助医生进行晶状体分析。具体方法为：首先提取出晶状体的大致区域，然后训练一个神经网络进行初步的分割。再设计出一种模板对分割后的区域进行进一步处理，使得分割后的结果满足人眼的正常生理结构。模型AI医疗AI医疗行业发展趋势分析智慧医疗：从“专家经验”到“精准医疗”过往的临床诊断对专家的主观经验具有非常强烈的依赖，对于某些重大疾病，甚至需要多名专家进行联合会诊，才能进行确诊，而基于人工智能的机器诊疗，通过深度学习海量病例库，提取转化成规整有效的疾病诊疗知识库，从而对临床病人进行客观智能诊断，实现针对不同病人、不同病情的精准医疗方案。海量病例库疾病知识库临床病例确诊疾病病人基础信息病人检验记录疾病医疗影像患病症状描述深度学习疾病类型疾病特征人群分布年龄分布高效匹配病人1病人2病人3病人4疾病A疾病B疾病C疾病D智能诊断典型案例1-IBMWatsonIBMWatson将人工智能和大数据分析技术运用于医疗行业，深入洞察医学知识和医学数据。典型案例2-柏视医疗“AI+大数据”靶区勾画放疗精准治癌柏视医疗基于自主研发的人工智能算法，通过大数据分析，实现GTV、CTV及危机器官的快速自动勾画，将勾画时间从2-4小时缩短至2分钟以内，时间提高了几十倍，勾画效果接近于专家水平。靶区智能勾画CTV智能预测精准放疗医疗服务虚拟助理，健康管理，辅助理疗药物各种创新药物的发展医疗器材医学影像，智能器材医院管理运用大数据管理医院的运转AI医疗产业链图谱（公司）AI医疗：代表性企业阿里健康阿里健康是阿里巴巴集团“DoubleH”战略（HealthandHappiness）在医疗健康领域的旗舰平台，是阿里巴巴集团投资控股的公司之一。AI医疗：代表性企业清影医疗AI在企业中应用的实例典型案例1-某著名企业第一位机器人员工“度秘”百度公司今日与肯德基在上海联合推出智能概念店“某著名企业