【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報(bào)告 | 人工智能行業(yè)研究報(bào)告】

       摘要: 得益于核心技術(shù)的快速發(fā)展，近幾年人工智能領(lǐng)域取得了許多重大突破, 其商業(yè)模式和產(chǎn)業(yè)應(yīng)用也不斷創(chuàng)新。2017年，我國(guó)人工智能企業(yè)累計(jì)超過600家，市場(chǎng)規(guī)模達(dá)到216.9億元，投融資規(guī)模達(dá)到1800億元，人工智能還被寫入了本年度的政府工作報(bào)告，上升為國(guó)家戰(zhàn)略。在技術(shù)突破、資本青睞與國(guó)家支持的“三重”利好下，人工智能逐步滲透到人們?nèi)粘５姆椒矫婷嬷校蔀槲覀児ぷ魃畈豢苫蛉钡闹匾糠帧Ｈ斯ぶ悄苋绱酥匾敲慈斯ぶ悄艿降资鞘裁?什么樣的基礎(chǔ)技術(shù)支撐著人工智能的發(fā)展?

　　人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的科學(xué)。人工智能以機(jī)器學(xué)習(xí)為核心，通過算法不斷縮小函數(shù)模型與真實(shí)結(jié)果之間的誤差，使機(jī)器能夠在各類環(huán)境中自主地或交互地執(zhí)行各種擬人任務(wù)。按照基本架構(gòu)可以將人工智能劃分三個(gè)層次：基礎(chǔ)層、技術(shù)層和應(yīng)用層。上游的基礎(chǔ)層主要包括芯片、GPU、傳感器、大數(shù)據(jù)、云計(jì)算等，代表著人工智能的核心驅(qū)動(dòng)力——算法、數(shù)據(jù)、算力，大量的數(shù)據(jù)和高效的算力用于支撐深度學(xué)習(xí)算法的實(shí)現(xiàn)。下游的應(yīng)用層就是人工智能的產(chǎn)業(yè)應(yīng)用，包括具體產(chǎn)品和解決方案，可以運(yùn)用到各種領(lǐng)域和場(chǎng)景中。中間的技術(shù)層是最為關(guān)鍵的鏈接環(huán)節(jié)，通過不同算法建立模型為應(yīng)用層的實(shí)現(xiàn)提供技術(shù)。下面本文將對(duì)人工智能的五大核心技術(shù)進(jìn)行梳理。

　　語(yǔ)音識(shí)別

　　語(yǔ)音識(shí)別是指將人類的語(yǔ)音轉(zhuǎn)換成計(jì)算機(jī)能夠識(shí)別和理解的文本或命令。語(yǔ)音識(shí)別系統(tǒng)主要包含四個(gè)部分：特征提取、聲學(xué)模型、語(yǔ)言模型和解碼器。首先要對(duì)采集到的聲音信號(hào)進(jìn)行濾波、端點(diǎn)檢測(cè)、分幀、預(yù)加重等預(yù)處理工作，把要分析的信號(hào)從原始信號(hào)中提取出來(lái);將反映語(yǔ)音信號(hào)特征的關(guān)鍵參數(shù)形成特征向量序列;聲學(xué)模型中根據(jù)聲學(xué)特性計(jì)算每一個(gè)特征向量在聲學(xué)特征上的得分;而語(yǔ)言模型則根據(jù)語(yǔ)言學(xué)相關(guān)的理論，計(jì)算該聲音信號(hào)對(duì)應(yīng)可能詞組序列的概率;最后根據(jù)已有的字典，對(duì)詞組序列進(jìn)行解碼，得到對(duì)應(yīng)的文本或命令。語(yǔ)音識(shí)別是人工智能領(lǐng)域最早成熟的技術(shù)，近幾年隨著深度學(xué)習(xí)技術(shù)的突破和麥克風(fēng)矩陣的發(fā)展，語(yǔ)音識(shí)別準(zhǔn)確率大幅提升，廣泛應(yīng)用于客服、教育、醫(yī)療、智能駕駛、智能家居、智能硬件等諸多領(lǐng)域。

　　自然語(yǔ)言處理

　　如果說(shuō)語(yǔ)音識(shí)別是計(jì)算機(jī)理解人類語(yǔ)言的技術(shù)基礎(chǔ)，那自然語(yǔ)言處理就是實(shí)現(xiàn)人機(jī)交互的技術(shù)基礎(chǔ)。自然語(yǔ)言處理技術(shù)是語(yǔ)音識(shí)別技術(shù)的“升級(jí)版”。自然語(yǔ)言處理(NLP)使用和支持文本分析，通過統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的方法促進(jìn)對(duì)句子結(jié)構(gòu)和意義、情緒和意圖的理解。Microsoft Word中的拼寫檢查功能是NLP技術(shù)最基礎(chǔ)的應(yīng)用，此外NLP技術(shù)還應(yīng)用于呼叫中心、信息檢索、網(wǎng)絡(luò)爬蟲、機(jī)器翻譯、問答系統(tǒng)，推薦系統(tǒng)、金融交易等領(lǐng)域。

　　圖像識(shí)別

　　圖像識(shí)別，是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)像的技術(shù)，流程包括圖像采樣、圖像增強(qiáng)、圖像復(fù)原、圖像編碼與壓縮和圖像分割。圖像識(shí)別分為生物識(shí)別、物體與場(chǎng)景識(shí)別和視頻識(shí)別。圖像識(shí)別可以運(yùn)用到硬件、安防、互聯(lián)網(wǎng)、金融、駕駛、零售、醫(yī)療、物流等不同垂直行業(yè)。在實(shí)際的運(yùn)用當(dāng)中，由于數(shù)據(jù)可得性、算法成熟度、服務(wù)的容錯(cuò)率等因素的影響，在各個(gè)行業(yè)的落地速度出現(xiàn)明顯分化，移動(dòng)互聯(lián)網(wǎng)、安防領(lǐng)域領(lǐng)跑，零售、物流領(lǐng)域跟進(jìn)，醫(yī)療、無(wú)人駕駛領(lǐng)域則發(fā)展較慢。

　　知識(shí)圖譜

　　知識(shí)圖譜首先要將海量的信息轉(zhuǎn)變成結(jié)構(gòu)化的數(shù)據(jù)，形成語(yǔ)義知識(shí)庫(kù)，通過知識(shí)間的對(duì)應(yīng)關(guān)系形成一個(gè)網(wǎng)狀的知識(shí)結(jié)構(gòu)，讓機(jī)器通過梳理這些關(guān)系建立認(rèn)知能力，從而自動(dòng)形成新的知識(shí)。構(gòu)建知識(shí)圖譜的過程本質(zhì)是機(jī)器在大量數(shù)據(jù)中尋找規(guī)律，建立邏輯推理的能力。人工智能在一個(gè)行業(yè)得到應(yīng)用的前提，就是要讓機(jī)器建立起對(duì)應(yīng)行業(yè)和場(chǎng)景的認(rèn)知，形成行業(yè)知識(shí)圖譜。可以說(shuō)，知識(shí)圖譜是人工智能發(fā)展的基石。目前，知識(shí)圖譜已經(jīng)在搜索推薦、問答系統(tǒng)、金融投資、法律決策、醫(yī)療診斷等垂直領(lǐng)域有了廣泛應(yīng)用。

　　機(jī)器學(xué)習(xí)

　　機(jī)器學(xué)習(xí)是通過算法使計(jì)算機(jī)在海量數(shù)據(jù)中找到規(guī)則，基于這些規(guī)則做出預(yù)測(cè)和判斷。實(shí)質(zhì)是模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。機(jī)器學(xué)習(xí)的算法種類非常多，包括決策樹學(xué)習(xí)、歸納邏輯程序設(shè)計(jì)、聚類分析、強(qiáng)化學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)等。其中，神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)算法的關(guān)鍵部分。神經(jīng)網(wǎng)絡(luò)通過模擬人類大腦，教計(jì)算機(jī)以人類的方式理解和認(rèn)識(shí)事物。機(jī)器學(xué)習(xí)與語(yǔ)音識(shí)別、自然語(yǔ)言處理、圖像識(shí)別、數(shù)據(jù)挖掘等技術(shù)有著很深的聯(lián)系，所以該技術(shù)的應(yīng)用范圍更加廣泛，特別是在自動(dòng)駕駛、制造業(yè)、金融、零售等領(lǐng)域的運(yùn)用大大提高了行業(yè)運(yùn)行效率，廣受好評(píng)。

　　結(jié)語(yǔ)

　　人工智能是新科技革命浪潮中最具顛覆性的技術(shù)，它的發(fā)展關(guān)系到未來(lái)的世界戰(zhàn)略力量格局和國(guó)家經(jīng)濟(jì)發(fā)展圖景,各國(guó)都認(rèn)識(shí)到發(fā)展這一技術(shù)的重大意義,紛紛從國(guó)家層面進(jìn)行布局。我們要把握住人工智能帶來(lái)的歷史機(jī)遇, 積極促進(jìn)人工智能技術(shù)創(chuàng)新，搶占全球人工智能產(chǎn)業(yè)的制高點(diǎn)，帶動(dòng)國(guó)家競(jìng)爭(zhēng)力的跨越式發(fā)展。