1、鸽学E人工智能行业发展概述白鹤学色目录TOCo1-5hzHYPERLINKlbookmark4oCurrentDocument概要3HYPERLINKlbookmark6oCurrentDocument启示4HYPERLINKlbookmark10oCurrentDocument方向10HYPERLINKlbookmark37oCurrentDocument行业现状19怎吧1.概要人工智能是信息时代的尖端技术。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。虽然此
2、时此刻可能是下一个AI冬季（图8）到来之前的给予承诺又让人失望的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。Ehib*l8:EvoludonofAl：1950Pr(jsent与此同时，人工智能、机器人和无人驾驶汽车已经成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探白鸽学胆讨的那样，这个变化的原因有显而易见的(更快更强的计算资源和爆炸式增长的数据库)，也有细致入微(深度学习，专有硬件和开源的崛起)的。这个AI拐点(AIinflection)中更令人兴奋的一个方面是现实
3、世界的使用案例比比皆是。虽然深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri,亚马逊的Alexa和Google的图像识别，但是AI不仅仅是科技技术(techfortech),也就是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。例如，在医疗保健中，图像识别技术可以提高癌症诊断的准确性。在农业中，农民和种子生产商可以利用深度学习技术来提高作物产量。在制药业中，深度学习可以用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开辟新的数据集，实现更快的分析，从而降低成本，提
5、影响到每个公司、行业和一部分经济，但对投资者而言，我们认为这其中有四个影响最为显著。生产率。AI和机器学习具有激发生产率增长周期的潜力，这会有利于经济的增长，提升企业的盈利能力，资本回报率和资产估值。根据GS首席经济学家JanHatzius所说：大体上而言，AI看起来似乎比上一次创新浪潮更有可能在统计数据中捕捉到更有价值的东西，人工智能可以降低成本，减少对高附加值生产类型的劳动投入。举个例子，这些在商业部门成本节约上的创新可能比在iPhone中增加应用程序的可用性和多用性更利于统计学家去捕获有价值的东西。考虑人工智能对商业部门的成本结构的广泛影响，我有理由相信它会被统计学家接受，并且会
6、出现在整体生产力数据中。尖端技术。AI和机器学习在速度上的价值有利于构建一种在建设数据中心和网络服务时让硬件更便宜的趋势。我们认为这可能推动硬件，软件和服务支出的市场份额的大幅度改变。例如，在标准数据中心计算资源上运行的AWS工作负载的成本低至$0.0065/小时，而在使用AI优化过的GPU上运行的成本为0.900美元一小时。竞争优势。我们看到了AI和机器学习具有重新调整每个行业的竞争秩序的潜力。未能投资和利用这些技术的管理团队在和受益于战略智能的企业竞争时，有很大可能会被淘汰掉，因为这些技术可以让企业的生产力提高，并为它们创造资本效益。在第41页开始的短文中，我们将研究这些竞
7、争优势是如何在医疗保健、能源、零售、金融和农业等领域发展起来的。创办新公司。我们发现了150多家在过去十年中创建的人工智能和机器学习公司（附录69-75八虽然我们相信人工智能的大部分价值都掌握在具有资源、数据和投资能力的大公司手中，但我们也期望风险投资家、企业家和技术专家可以继续推动新公司的创立，从而促进实质性的创新和价值创造，白鸽学胆即使最后创业公司会被收购。当然我们也不能忽视人工智能巨头（人工智能领域的谷歌或Facebook）的出现。在接下来的篇幅中，我们将深入探讨AI的技术，历史，机器学习的生态系统以及这些技术在行业和领头公司中的应用。什么是人工智能？人工智能是做出能够以人类智能
8、的方式学习并解决问题的智能机器和计算机程序的理工科。传统而言，该领域包括自然语言处理与翻译、视觉感知与模式识别，以及决策制定。但该领域以及应用的复杂度都在急剧扩展。在此报告中，我们的大部分分析集中在机器学习（人工智能的一个分支）与深度学习（机器学习的分支）上。我们强调两点：简言之，机器学习是从样本和经验（即数据集）中进行学习的算法，而不是依靠硬编码和预先定义的规则。换言之，也就是开发者不再告诉程序如何区分苹果和橘子，而是向算法输入数据（训练），然后自己学习如何区分苹果和橘子。深度学习的重大发展是人工智能拐点背后的主要驱动。深度学习是机器学习的一个子集。在大部分传统的机器学习方法中，特征（即
9、有预测性的输入或属性）由人来设计。特征工程是一大瓶颈，需要大量的专业知识。在无监督学习中，重要特征并非由人预定义，而是由算法学习并创造。为了更加明了，我们不注重真人工智能、强人工智能或通用人工智能这样的概念，它们意味着复制人类智能，也经常出现在流行文化中。虽然已经有了一些有潜力的突破，比如谷歌DeepMind的AlphaGo系统,我们还是更注重立即有实在经济的人工智能发展。为何人工智能发展加速？白鸽学胆深度学习能力的极大发展是如今人工智能拐点背后的催化剂之一。深度学习的底层技术框架一一神经网络，已经存在了数十年，但过去5到10年的3种东西改变了深度学习：1.数据。随着全球设备、机器和
10、系统的连接，大量的无结构数据被创造出来。神经网络有了更多的数据，就变得更为有效，也就是说随着数据量增加，机器学习能够解决的问题也增加。手机、IoT、低成本数据存储和处理（云）技术的成熟使得可用数据集的大小、结构都有了极大增长。例如，特斯拉收集了780mn英里的驾驶数据，而且通过他们的互连汽车，每10小时就能增加100万英里的数据。止匕外，Jasper有一个平台，能让多家汽车制造商和电信公司进行机器间的交流，这家公司于今年2月份被Cisco收购。Verizon在8月份做了类似的投资，宣布收购Fleetmatics,Fleetmatics做的是将汽车上的远程传感器通过无线网络
11、连接到云软件。未来，5G网络的上线将会加速数据生成与传输的速率。据IDC的DigitalUniverseReport显示，年度数据生成预期到2020年达到44zettabytes,表明我们正在见证应用这些技术的使用案例。鼻胆Exhibit1：Annualdatagenerationisaxpectedtoreach44rettHbytes(44trillionGB)by202。，accordingtoEMC/1DCannualdatagenerationglobally(inZBjAnnual闻占Generation5E*hi，gm
12、nlirgfacial期TurlW2016Machiwie-amingpiatfarmiIddewoperiandd制ImscirntislvT0勒2(war电9门印的HMachineleamiria/tiad4tatechnoioffrdeveloperTempoAl分为，的uA/lbastdsmartcalmdafxvpMinHinhU/1ZKK15fwlnprlahAlplatFrm19nd*utrhuliEimM寓卜皿marieiHriPrfdictiociOOtvrloped-*n的仲mactiiirwlt*rnhrwrv
13、vrMnannindMefiLe-arningpiattarm(natinl口切取“胪时=呼与*DompulETvision.,ditabawpredctiDnetcjFquvinMarhirwipaminHbawdtPwTanmlyrKto拈H511ndrompliarrR曰gu1ioriAnalyticspen-sourcE-anatytinic-omparwtlat印eckliesinRproErarTwruneImeu理史forscaflistk-alcormputriEWand8;Messagrng邛时小就bdd
14、evlroperGew同schedJinesuhunc*3ftwsAcqumr:GOOGlAlflrmmmM啖色bninAthlne旭打川自&xd制电的nhgivfitemimwc弧懂rw整Emuw14Md&ibfeWwlirihin用，乐制孑描心卬就营凸5用也4Alb45g用四片曲Qg司叩DarkOKjcLabs1O/23/20HOeeplearningTtarCjpjpedairnginunderst司Hr自2加口1bangiaKVXiOfiFaGcry回之啦的4eeplearningsiarl-jp，pfq葡onginvisual
15、recoEnrtionsrteoisTknihjilMachlw-魄vhvhntHspetoitHAp.aij3/iifntnnWfchnKoriiiign11r1/ntturUhncuitEEa值”rMie、Sourer*塘grri）春鸟的珥十郎石也，5行6照tNh炉g血Vmh窈g”t在上下文中对AI和ML技术的发展和历史技术周期的比较中，我们看到了前者的一些益处。与过去50年的其他主要技术的周期一样，计算（和摩尔定律）一直是进步的抑制剂和推动者。例如，在系统架构方面，我们目睹了从大型机系统转变为客户端-服务器模型的整个过程，并且近年来已经开始被云/移动模式所取代。这
16、种进化的驱动因素是计算能力、存储容量和带宽的改进。每个转换都伴随着应用开发的转变，包括各种新编程语言的出现和演变（见图表15）和各种可能的应用程序各种的类型。如上下文中所提及的一样，AI这个概念已经存在几十年了，其中神经网络的概念出现在20世纪60年代，虽然直到最近几年，计算能力才开始让神经网络能在实际环境中使用。我们相信我们正处于AI平台的早期阶段，就如同20世纪50年代大型机才开始商业化到21世纪的智能手机和云的商业化。随着平台曲线的变化（我们认为它正在发生），应用程序、工具和服务驱动者（enabler）会爆炸式增长，我们将在下面更详细地讨论。15tSi白做学肥Exhibit15：
17、Aladvancescanbecomparedtohistoricaftechnologicalevolutionsinsystemsarchitectureandprogr石rriEinglanguageadoptionthoughwabelievewearestillinv日ryearlystagesofdevelopmentandadoptionMainframeClientServerCloudJavaPythonNeuralNetworkDeepLearningNear-HumanAlSoiree鼻#1样叶Sachs
18、G依赤；Flesefch图15:人工智能的发展可以与历史上的系统架构和编程语言的采用的技术革命相比，尽管我们认为我们目前仍然处在人工智能发展和应用的早期阶段stack的演变过程以及和AI之间的对应关系蓝色=专有供应商，橙色=开源，绿色=云服务（注意：一些供应商，如旧M和Microsoft都是专有服务和云服务）EVOLUHQNOFHESTACK|-W|Mitnfkamt---Currtn*Era修br国Dn!Supped..：-V/.n1.li;-ij*tlt,-&L1：LjJ.,211.*1,TMHffw甫E.3WI-R0wtf
19、,SlvlvmSiM.iiE主仃耳mHBKW.MMmtCtfMVuMfldl.IBMLSAS.UP.Mcinfft.，卢f/3如也i.tUu.w,白工rm,iihw*14-10tt：*PtQfFVnnwiQCOBOL,.ilit4l*.NCR.DtfMiofrfrfltr1匣）LanguagaI但d4ctWridCFlJHitiPa-LhcdLili胃卓5enliRfiiflBn川NimiM力iL%片ePrcrcing,r4_:QipIjOwp口画却丽川电MUUiitain1啦OimJl*心也Mu孰优1皿IQH.&nbdckiJ
20、出2r1i|iir*c4bW4a(l4lAuW4lkE/修卜金也喇Gaq4a口DimMovtirttntr(SaectLmted口gM廿qgmfcnl:ETLCaCjIn施苧Riam朝巾DIf,5Iratan-irnq.,Ma-ugiagfmparaton.Mrw4Mq.痴煦咖力Mrajfjng1网建由口fEAft出甘仙匕I应&闻圈I4LUtM底片1*11f|1年+PHM.l-dtMtal.IlrflaMHlCIriil#,lhijiMllitl1-针山律卜一僧卜f1加小fItJ催Huir”卜3BEA.HuiliiHwitil.MiLilc!i-#
21、kL口dUAniiil%SK.b而川.AlllkiZ*IL5niHlAftULZ4*af也M|r2知!|：AKfJidk,rilihl16MtamrlrdrrBS,TaDGBNHddoop.CtiudCbjeGl/。2罪/4VWAxflamil.aaLLOEpOn.E.昭曲；FSr*)MirtlrirwUEGBIW.Ni-R,HCD,CKJJA-Mlfjidlil4-DfCwCfi*tM*SE，IMSWNS,Hrioup.ChudObf!StortgfDilLMgBMLiHnnii#rwltv*RjLritdi
22、fnmrlilhfr4kfr*j什01liAi描.du!compelursitncKHP,IRnl,(imiwd,,IliC*1.,A*iiik.OIKv*IHDO.SODXRJhill.AHMMv4hk9.We4iHiiMfihw由pf呼力44中ejhJoisdkdeudcompmKiMtnmIRH.HP,IMLIvwv*,lhidHMf4i4ILIF!ILlilll石|0i*WgitL(11tiilii)HC.SDCiCW.GPU,-PGAk*|,AIWHMIh时iflMTeiiiEHr|ll
23、J,IWDIA.Xfl*iAS/*Exhibit17:MachineLearninginProductionHowvairlbLisopensourceandcloudtechnologieswouldb4utilizedinthemachme怙口ningpipoNriiO，RawDataOitimtttginkftnurnngMLModel;FrcdicUwipClusrlicatiiodnrtc.nuPmdLictianTrainingStorige/Pre-ProctssmgNeuralNerwdrk/MArielTr*ni”图1
24、7:生产中的机器学习：如何在机器学习管道中利用各种开源和云技术17白鸽学吧RecallAPIsHeilitKareAPIsAqrl-culfurtAPSmdLFStnaiAPIsFinancialAPIsBadtorlmitilAi-iii_a-semce4GCKIG,ysFT.AMZN.FBbfr$lposHianed)NaiTDWhocli&nial如祀g(SaA8vendorsweipostUonedlEKhiW：If;KyOpwnPt31ctii、h.MtcMn*Lf*rningPjp4llrhiiProj&ct,supportingcomp
25、any,andventurefundingwhere日冲I证口6。口加喝wwrc型由力第eDwripcm卡*m口时wmdEfwAdlrillT-HIiII,O11.|J,不蜉MEnwcfks|MDP|Ciuudi*isfetapt$194MMIrfnemflinrMaprixtiMm.enm屯Ukthir.lUcmbiKiikHofUHw&rt.iktMbnduS47KlftlMesjrbnkefproieimScala5handifre“tEe田w*MitiMifluwil,CtMMfera,HorKurworkiCfi
26、LfcMlt$9-1DMpkvrnttjteeplearnvdibrj*Tm&TnndaSlCPffiReHrptgLamotEN&EHiXMlKM七，M-dpfl5eThiFjiriflHtvnirK固1(vygr修岫中日MAhAIJf-TflkparrungiTamcvDkbmodrNANAttosoEcwMhrhlmlamfevttraffcrifunwilcomptMloifru,值djl：jiIRiwGMflltMToFthScXfrtAcomputingFrxwyiprhMiedIntheiRfKift|lrgpeLm
27、llifuMhirlwiprilD*晒RMfrGm闻萌5图18:机器学习管道中的关键开源项目。可用的项目支持公司和风险投资Exhibit20:Alas*a-Service|ALaaS)landscapeMachinelearningAPIsaredevelopingtoaddresshorizontalandvertfcaiusecasesimiwRecoeininonAPHNLPAPI9SpeechAPlaPfiMllctjonAPHCRIV*P拘HRAFHi丁VvirtBCBl离I$3P毋ITVKVmwbbfinMtfw
28、maii*n)Spjrce.Con国/由5.GTKdn工号打告GtebWEweet门？叶什杵产5a图表20:人工智能即服务(AI-as-a-Service(AI-aaS)概览：机器学习API正在被开发以解决水平和垂直使用案例18Exhibl3事呷WMwafodiurvbEri2gMWBHngHLHiodKlsAndP*diaiDir岬由&hmduNng3..nd1HbsttthUepodirziofl&PHDdUi口ndtysi.口ndmodalbiiildrngoonputthour,fiaichPMkwmtflnDpwpr
29、&dMlE.:RDk1imaaIHH11parpradidionCOMLsicnAPIIrragajnatfytm1adAwtt!$EparIkunitsdqwndmgonlastumsLSfidandmantfiyusasOc4QhlOwlwmeturiwbulkl而MhE*洲0网MOdMtTrainingdu京heS0.4STicnirtc53E.7ShourdcpanckngtrnCramiFtogurrtmafcsj*p愉Keii切amga1。0到itm修t屯*1040萨*和力dan向xi:刘
30、ejhimi1o甲型.不BumcRARCc4ivdiMidiIntu.14X4CmifMJlDi-frihtDl-intmmlnula*tCLOODparmwm1物adhXurHlLfhaveg#AHEnablehuMqriun史3jjnnMOr讯HkmthdKmfCiAafllhQlUp14pftrdfevadttianalpnadiEiKinsatSD50par1kpro由cIidfwaddKianilUlWriihg；u|jMdsMKOSparItupdMn.TjXirQdwiafOM3par“
31、口MSFTCcmpLWFVifo*阳Ff-ionSO1kiwiuakw-就加NonEoEly皿酬HIUtiCMEifiF9m1Xpaf1kEtftnsAUiofld&口ridingonuGla&jTf-tarwidaaFf阳EH：心,口.卓,忆的1巾w-hf第卡片工亦用中FrMmfidperk金mkm帆岫/I呵n口他EoXilyg30中TuiA.-ulvtnDfxps-akcrsandep卡卜4m0AM-d1MllivKMldriiafliPnu-to$1DparTkIranuftinnsriapanQ
32、anmga：andtmturmuud好WMMdwdkARCWMMilAprildWkiAgl-rostnMECbEmViandcvaraaatg。par1DOkIrarsKtH3nsdwrthF的patEEku.mLin(|iLi口*UftrlPrUElEfiInUhpiMSiavK(LUlSiiTMcfi*WgM4mandEimwMiRwnuwnFr2M。湃ik旧皿Hw5。vvLiitgu班同Wh田gjtflNj4iirsd鹏h=L*hjhittMkfcknr-ARnihinoftttiCtM*.
33、M“xmicMiug隅rTHrth,1|r所由Lwigi.aQflMadfiiAPI随5T49MdEdwrvi：9PkJiHQ100fC*2urgilnflFroato-fn06psr1kErafnadkMiidBipandirmgnuiaoaAudor-iicltnDw4QdEAPIHrinOM|A(|WFitvHliOmMitMiteHfcKMKltAMdfrm%GwhRontnW_3Spar!kKrfnuilKWHidepandlnE|anusagaEnOtyLaibngIn阂由hlSurvKOs
34、rii.i一，!.---FrcW_1kwr&M如中弹rd叩4fmiWXfAPIWwi喻pfir7w*aprBuGiiK9iTirnnd3MFir-a咐*3阳nwih5同射11呻fl*uf傲“生/IE用心触1S4rHipsrlidiiHr0hquonr1dXgird/tuaartrrffiigoastadcvuqhgqFr*EaUgEonfi口1Mp*riqokIrwtKUorvtdondinompiwrnDnlhussijqbuhjAJPI百电电月一广质que*心曰注口白吕bbtek为胃斡ofrfri
36、政府机构于2016年5月18日发布了互联网+人工智能三年行动实施方案。方案指出了人工智能领域发展的六大保障措施，包括资金支持、标准体系、知识产权保护、人才培养、国际合作和组织实施。方案提出，到2018年，中国的人工智能基础资源与创新平台、产业体系、创新服务体系、标准化体系19(35m鸽学杷应基本建立。发改委期望中国人工智能产业整体与国际同步，系统级别(system-level)的人工智能技术和应用要位于市场领先位置。中国已经做出一些重大举措，而且根据提及深度学习和深度神经网络的被引用期刊论文数量，2014年，中国已经超越美国(Exhibit23)。中国拥有世界领先的语音和视觉识别技术
40、会继续来自美国和中国。20得3叩DuErIDuwnratarv41ccrlrul-MAlpenonaia5wlanlCinflagrffi&jinBortumobileSearcheup)刈5Nwr国睁飘El*2Vtwflrnnv.仙丰口中InrrpaDAiirRirWwnrt中hth*E4帆RwqwsilPviundq性1nm；jLintlACUrnSlmn期lav2016AugDuSw包najrpinttoim第附则iBewdsmottledevusimlEgruM皿阳如即gMs5irrlewtd0仲1立.
41、m*twch州佗台叩白*WnU;国匕检AlphlIljirnufbtHlu2016SepPaiMkiPsddhs息西电快喻Etfi。rewlv5t自他1i&215Aug0ITPA|A城中。日pfamd泊AttCKmKl卧ihtHd除madwwittinMQ审耻荆gg.MFasftri舄IpfcimrmmChhabyttie七an08Ml2016Jun川mam白OCRi：Qp4&alCharatbefReaderTheg1机的hMti甫7的sscthaICDAR电遇us二R触汕底aigakwetA口KBrq
42、lwia4Mr刎Al油由5节inv的凯and即wellwggniliMirtchnclQg冲5耳YwigmgcomTencenSopemd眶laasl白engnben8bn$嘀加曲*uve阳hmlo扑ciYoatuiTcTnotogy.toPuMlde械中用与州怡AugTencenETIC5LABAnru,呻聊iq幽力行说打崎匕QhndwHi聃Tmcfinnwinrot*OH曰手通swehfocur&searciiNLP。曲snwwiaamja2015SepDTHanwrterTgM7enlInuichMlOhwi
44、月，百度大脑：官方介绍，百度的人工智能平台2016年9月，PaddlePaddle:百度近期开源的深度学习工具包2016年10月，百度移动应用8.0:新升级的移动搜索应用，内含一个整合了智能搜索和个性化新闻推荐的系统，其背后采用了人工智能、自然语言处理和深度学习技术阿里巴巴：2015年7月，阿里小蜜阿里小秘书：虚拟人工智能客服，据公司2016年10月报告，问题解决率已达到80%2015年8月，DTPAI:基于阿里云的服务，用来处理机器学习过程，被该公司称为是中国的第一个人工智能平台2016年6月，阿里妈妈光学字符识别：该技术获得文档分析与识别国际会议（ICDAR）Robus
46、s口旭mismiuMellonNIW1EmaximIWdticsUlOTECkpiET如电rgbrKusMocion涔台赛则和其制McCmiciT-tqMa的题h孙酬均！地理空间DrftcTimMabics网niMVeMe光学传懑器和图酸处理AiQnftmrVv刚加眦EraitSEiUnTnEmadS|KenECxtka岫U区|iri.iira-nr4be(aMGEg3巾AHsctw由曲GoldmanSa(JisSentianBuiwincnctciioMccv自然港育处理具茸马没Alphabel曲冏斯MierDscn斯dIBImWr311cle2附三Sfr
47、HEn：叫nMHMDBicgrMii闻。帅吓；忖刎工工作所油加帅府傩密测和SbrliuiTTpiSInferfincfiSiliconmwaMFSamngTartarSen但ooMF如电感囱，修喷中的UTkMRMI型Di婀IFl阂皿nirigrennEdmdi3时9浦*h电削修SmUSiS即酉帕Mea(而唳yNlBnCfCliMllifiMaiuuba凶归iMiiils-Mine曲制e蚓的总Cmoic人工智能生态：使用案例与潜在机会24农k=桁三提FOONxttWSFT七HE渥心，后没洱水鼻粕5函布就事,趣第毋的*叱F町=生MkK金亚（值碑）:每年节EC
48、啷fl应入MfJTSfl化苦而+产诃斋K片二手三Q$-=（=三行三旦eS#2ffflH.用于丘.斗区9JS.Ml.h=;fff.事U反直r工性vmiWUUftWlM/犬丽1靖声我：,二=：每牙.，:4。/干力f学赁者行+拓_；门率#1界后三百/集上BriiWii此电序：本f廿.有年节审540值标的IC率，410etTtJH1KA.法WB*-产国*：1；的兴学邨M，；蕈W耳m.声在mr呼/LL用素X子附t-.1t4户处电工1-1加.学W不压为生产数至衽行生二二I1，由餐可*Fm埒湍酒下三-充f；赤，丁叱击东巴格手的r.hM创新人工智能的驱动者：谷歌、亚马逊谷歌在做些什么？
50、项目中。为何重要？在搜索中使用算法，谷歌可谓先行者。将自然语言处理应用到配备用户搜索意图和可欲结果方面，公司一直处于领先地位，这也不断加强了公司在该领域的竞争优势。在进一步推进人工智能领域的融合。在促进人工智能一体化(AIintegration)方面，公司的开源应用TensorFlow已经为其他云平台以及研究社区利用公司资源提供了先例。同时，谷歌正通过自身优势，比如TPU,充分利用开源世界为公司提供竞争优势，尽管其机器学习库是开源的。因为DeepMind,公司提升了端到端的强化能力；2015年末击败职业围棋选手的AlphaGo。将人工智能带到更为广泛的研究社区，同时也通过软
51、硬件方面的自身优势进行创新，谷歌是最好例子。亚马逊在做什么？亚马逊正在公司内部和云端使用机器学习技术。2015年4月，公司发布AmazonML,这款机器学习服务能够为对云数据的使用提供机器学习功能(无需之前的客户经验)。公司紧随谷歌的开源步伐，今年5月开源了DSSTNE,一个针对推荐深度学习模型的的库。通过改善搜索、定制化产品推荐以及语音识别、增加有质量的产品评价，公司内部也在使用机器学习改善端到端的用户体验。为什么重要？263鸽学岷借助AWS,亚马逊成为全球最大的云服务商，可能也是最成熟的人工智能平台。借助AmazonML,公司成为作为服务的人工智能(AI-as-a-servi
52、ce)生态系统的领先者，将复杂的推理能力带到之前几乎没有机器学习经验的公司办公室当中。无需基于定制的复杂应用，AWS用户就能使用机器学习训练模型，评估以及优化潜力。亚马逊推荐引擎使用了机器学习，在匹配用户意图以及可欲结果方面，具有竞争优势，也为公司创造了商机。公司正更加高效地利用收集到的数据合理化用户购物体验，也让电子商务体验更具互动性。随着DSSTNE的开源，亚马逊也与其他科技巨头一起，推动科技社区的人工智能进步。苹果在做什么？去年，苹果已经成为最活跃的人工智能公司收购商，比如VocalIQ,Perceptio,Emotient,Turi,以及Tuplejump。几乎同时
53、收购了VocalIQ和Perceptio,公司请来了JohnathanCohen,当时还是英伟达CUDA库以及GPU加速软件项目的负责人。近期，据报道，公司请来RuslanSalakhutdinov担任人工智能研究总监，这也标志着公司人工智能战略的转型。在此之前，公司最初人工智能成果之一是Siri,第一款嵌入移动技术的虚拟助手，2014年，其语音识别技术被移入神经网络系统。为什么重要？直到去年，苹果已经取得相对专有的机器学习成就；2015年10月，BloombergBusinessweek报道，在大众消费方面，苹果研究人员还没发过一篇与人工智能有关的论文。不过，这