AI人工智能顶层设计及介绍.ppt

;;一、人工智能顶层设计;一、人工智能顶层设计—解读《新一代人工智能发展规划》;（二）基本原则 ;二、总体要求;三、重点任务;三、重点任务;三、重点任务;三、重点任务;三、重点任务;三、重点任务;三、重点任务;三、重点任务;四、资源配置;六、组织实施;一、人工智能顶层设计—美国AI战略发展态势;一、人工智能顶层设计—美国AI战略发展态势;一、人工智能顶层设计—中国AI发展态势;一、人工智能顶层设计—中美人工智能产业对比;一、人工智能顶层设计—中美人工智能产业对比;一、人工智能顶层设计—中美人工智能产业对比;一、人工智能顶层设计—中美人工智能产业对比;二、人工智能综述—什么是人工智能;二、人工智能综述—什么是人工智能;;二、人工智能综述—什么是人工智能;二、人工智能综述—领域细分;二、人工智能综述—领域细分;二、人工智能综述—技术体系;二、人工智能综述—应用领域;;三、第三次人工智能发展热潮;三、第三次人工智能发展热潮; 在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。 技术驱动 技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。 对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。最新ImageNet测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1%，理想情况下，计算机图像识别能力已超越人类。;技术驱动 提高识别效率除依靠算法之外，也离不开计算力的支持。 计算力可以分三个维度展开：芯片、超级计算机、云计算。 芯片：人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出现了GPU、 NPU、 FPGA、 DSP等“AI”芯片。 1999 年，Nvidia公司发布了全球首款图片处理芯片GPU；2016年，寒武纪发布了全球首款深度学习专用处理器芯片NPU，芯片的更迭、进步可从根本上提高计算性能。 超级计算机：其基本组成组件与个人电脑的概念无太大差异，但规格与性能则强大许多，是一种超大型电子计算机。我国自主超级计算机“神威·太湖之光”，其处理器为众核CPU“申威26010” ，整台“神威·太湖之光”共包含40960块处理器；打败李世石的AlphaGo共包含1202个CPU和176个GPU；打败柯洁的升级版AlphaGo使用到了TPU，但数量只有 4 颗。 可以发现，真正用于人工智能的超级计算机芯片还只是处于CPU、 GPU层，如何将更适用于网络神经算法的NPU、 FPGA等芯片量产化并融合入超级计算机芯片矩阵，是在人工智能发展的第一阶段—技术驱动阶段应该重点努力的方向之一。;技术驱动 超级计算机： 云计算：与主要应用于密集型计算的超级计算机不同，云计算依靠其灵活的扩展能力主要应用于社交网络、企业IT建设和信息化等数据密集型、 I/O密集型的领域。 我们分析认为，当AI跨越入第二阶段—数据驱动阶段后，算法和计算力将变成人工智能领域的基础设施—“水、电、煤”。就目前看来，多项算法开源平台已将AI算法引入统一、公用阶段，运算力也必将向同样的趋势发展。云计算则是一个初步尝试，未来，计算力的发展方向或将是云计算和超级计算机技术结合，为企业提供既可密集运算又可灵活扩展的计算服务，将人工智能赋能全行业。;数据驱动 人工智能发展的第二个阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动社会运行效率提升。 场景驱动 到了人工智能发展的第三个阶段，场景驱动作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。此阶段，对数据收集的维度和质量的要求更高，并且可实时根据不同的场景，制定不同的决策方案，推动事件向良好的态势发展，帮助决策者更敏锐的洞悉事件根本，产生更精准更智慧的决策。; 在目前的 AI 微智时代，创业公司大致可分为三个梯队：广义机器人、自然语言处理、计算机视觉与图像。; 技术实力是 AI 公司的核心竞争力之一，而技术 + 产品 + 行业落地更是其胜负关键。新一