报告地址 -> [链接](http://www.360doc.com/content/17/0413/19/35919193_645367737.shtml
高管概述
深度学习引人注目的提升了ASR以及谷歌图片识别的质量，在医疗领域，图片识别技术可以促进癌症诊断的准确性。
人工智能在应用案例发觉的非常早的阶段使用，同时作为基于云服务共享的必要的科技，我们相信一波革新将到来，为整个行业创造新的冬天和失业者。
人工智能是什么
深度学习
1、算法本身通过喂养数据（训练），自己学会如何区分苹果和橘子。
2、在非监督的深度学习中，重要特征不是由人类来定义，而是由算法学习和创建
3、深度学习是一种需要训练大型神经网络的“深层”层次结构，且每层可以解决问题不同方面的机器学习，从而使系统能解决更复杂问题。（以火车识别为例）
为什么现在人工智能加速发展？
深度学习能力方面的主要飞跃成为当前进行中的AI拐点的催化剂。神经网络，深度学习之后潜在的科技框架，已经存在了几十年，直到三件事发生了改变。
1、数据
持续增长无所不在的相互联系的设备、机器、和系统产生的非结构化数据呈现巨大增长。
拥有的数据越多，神经网络就变的越有效率。
2、更快的硬件
低成本计算能力的普遍化（GPU、FPGA、云服务）
3、更好、更普遍可用的算法。
伯克利的 Caffe，谷歌的 TensorFlow 和 Torch
价值创造的主要驱动力
人才、数据、基础设施和硅，这些是投入也是进入的壁垒。
1、AI难度很大，造成人才紧缺，随着技术和工具的成熟，人才不会再是瓶颈。
2、之后的大的差异化数据集（电子健康记录、天气数据等）是最可能的提高和增加利润的驱动力。更大的数据集会阻碍模型过度拟合。
3、支持AI的基础设施将被迅速商品化，大型云供应商将继续开放基础架构资源，并扩展到AI基础设施中。
4、多数用GPU驱动的系统做学习算法的构造，之后，对于模型和算法的使用，称为推论，推论多使用 FPGA 和 ASIC。
主要影响
促进未来生产力。总劳动时间一直在增加，但资本强度对生产力的贡献已经远远落后于上世纪90年代。日益惊喜且可利用的机器学习和人工智能可能成为一剂催化剂将资本密度带回前沿。
