- 20世紀(jì)50年代，神經(jīng)網(wǎng)絡(luò)相關(guān)基礎(chǔ)理論的提出。
- 20世紀(jì)80年代初，算法應(yīng)用升級(jí)。
- 2006年深度學(xué)習(xí)（深度神經(jīng)網(wǎng)絡(luò)）基本理論框架得到了驗(yàn)證，得益于海量數(shù)據(jù)處理計(jì)算能力的成熟，深度學(xué)習(xí)相關(guān)技術(shù)崛起。
- 不斷優(yōu)化的人工智能算法，自從2012年深度學(xué)習(xí)技術(shù)相關(guān)算法突破后，才正真在給人工智能帶來(lái)了春天。目前，已有的深度學(xué)習(xí)算法越來(lái)越成熟，算法的精確性、魯棒性越來(lái)越來(lái)好。視覺(jué)及圖像領(lǐng)域是深度學(xué)習(xí)算法應(yīng)用最廣泛效果最好的場(chǎng)景。
- 被收集的大量數(shù)據(jù)，人工智能對(duì)于數(shù)據(jù)的需求多種多樣，主要看應(yīng)用場(chǎng)景，不同的應(yīng)用場(chǎng)景對(duì)數(shù)據(jù)集的要求不同。標(biāo)注的、結(jié)構(gòu)化特定的應(yīng)用場(chǎng)景下產(chǎn)生的數(shù)據(jù)是有價(jià)值的。數(shù)據(jù)分訓(xùn)練集和測(cè)試集，要求數(shù)據(jù)分布均勻。數(shù)據(jù)量并不是唯一追求的指標(biāo)，在某些不過(guò)分要求精度的應(yīng)用場(chǎng)景下對(duì)數(shù)據(jù)量的要求并不是很高，反而數(shù)據(jù)集的質(zhì)量更為關(guān)鍵。
- 高性能芯片組成的計(jì)算能力，當(dāng)前人工智能芯片可分為兩類(lèi)：一類(lèi)是平臺(tái)，通用型深度學(xué)習(xí)芯片，比如英偉達(dá)最新發(fā)布的兩款Tesla系列深度學(xué)習(xí)芯片；另一類(lèi)是根據(jù)特定的應(yīng)用場(chǎng)景，進(jìn)行定制開(kāi)發(fā)和優(yōu)化的處理器、硬件加速器，例如專(zhuān)門(mén)運(yùn)用于安防視頻或者無(wú)人機(jī)駕駛汽車(chē)等領(lǐng)域的芯片產(chǎn)品。
- 國(guó)內(nèi)智能機(jī)器人與無(wú)人機(jī)相關(guān)技術(shù)最為火爆，位居于最前列
- 語(yǔ)義分析、語(yǔ)音識(shí)別、聊天機(jī)器人等自然語(yǔ)言系列的技術(shù)位列第二梯隊(duì)
- 人臉識(shí)別、視頻/監(jiān)控、自動(dòng)駕駛、圖像識(shí)別等計(jì)算機(jī)視覺(jué)系列的技術(shù)位列第三梯隊(duì)
(電子商務(wù)研究中心訊)AI技術(shù)行業(yè)應(yīng)用滲透力
人工智能產(chǎn)業(yè)鏈結(jié)構(gòu)：基礎(chǔ)層、算法層、應(yīng)用層
國(guó)外巨頭：谷歌——AI優(yōu)先戰(zhàn)略
國(guó)外巨頭：微軟——牛津計(jì)劃
國(guó)外巨頭：Facebook——開(kāi)源戰(zhàn)略
國(guó)外巨頭：IBM Waston——AI中的IP
國(guó)內(nèi)巨頭：百度從互聯(lián)網(wǎng)過(guò)渡到人工智能公司
國(guó)內(nèi)巨頭：阿里巴巴致力于底層搭建
國(guó)內(nèi)巨頭：騰訊自研加投資，布局深遠(yuǎn)
（來(lái)源：IT桔子 編選：中國(guó)電子商務(wù)研究中心）
