人工智能相关研究报告研报/书籍零散摘抄
上一篇相关笔记在这里。
^分类（场景）：
基础技术类：芯片；计算机视觉；语音识别；语义识别
终端产品类：机器人；AI+金融；AI+医疗；AI+安防；AI+家居
^行业驱动：数据量、运算力（芯片，GPU）、算法技术（DL）
^全球创业最火领域：DL、NLP、CV
^国内：
获投最多领域：NLP、机器人、CV、智能驾驶；偏早期，C轮后少；明星公司单次融资额在亿元级别；3亿RMB以上（单轮）公司：优必选，Roobo智能管家，云知声，学霸君，旷世科技；企业平均年龄3.2岁（智能安防、CV年龄最大），自动驾驶97年出现，14年高峰；DL06年出现，15年高峰；北京地区创业集中（样本366家，43%在北京）；人脸识别水平国际领先；CV公司主攻智能安防、自动驾驶。
^巨头布局简单总结：（图后补）
^关于开源平台：大量创业公司采用开源做垂直领域业务，试错验证，返回到开源：算法被优化+通过用户行为反馈甄别市场潜力
^芯片：GPU为主，但未必为AI最适用芯片；FPGA可编程（科研研发）但不适合大规模生产；ASIC后起之秀，AI定制芯片必为趋势，确定应用市场后可大量生产。
^工业机器人（驱动力：汽车、电气、电子行业）vs服务机器人（专业（增长方向：医疗、国防、物流）vs个人/家用））
^AI+医疗的应用场景：医疗机器人、医疗影像、远程问诊、药物挖掘；壁垒：医疗数据、医院合作资源
^关于欧洲部分：
政策：欧盟：2013HBP人脑计划；2018年前造出具有意识和智能的人造大脑
德国AI研究中心DFKI
^AI发展瓶颈：认知层面的知识表达、信息不足；知晓机器如何思考
《智能时代》（吴军）
^大航海时代全球近代化推动力：资本、机械动能；下一次技术革命和社会变革的核心动力：数据
^大数据3个特点：体量大、多维度、完备性
^机械思维→大数据思维，用不确定性眼光看世界，用大数据的强相关性替代因果关系
《技术奇点》（Murray Shanahan）
^AI和神经技术的进步会加速奇点到来（21世纪中叶？可能还是不行）
^人类水平AI及超级AI是可能的
^如果回报函数设计合理，可以保证AI是善良的
^宇宙视角
^意识上传
《关于AI你知道多少》（胡郁）
^AI是伴随1946年后“数字宇宙”出现的
^强AI可解决逻辑性定理；弱AI可简单地替代人类某一项能力（如自动驾驶）
^AI最强的地方：运算、存储
落后人类的地方：感知AI、运动AI、认知AI
^AI实现途径：人机交互无障碍（尚需时日）；机器具备感知/运动/认知技能；算法升级（大数据、云计算辅助）
^传统统计学院算法（内生性问题）vsAI的DL（分层+合成；但解释性极差）
----关于解释性差：eg.Alpha Go可以轻易预测下赢的几率多大，但不能解释为什么这么下是合理的
^谁能在这一轮AI大潮胜利：登山型公司（原始核心技术创新）；冲浪型公司（产品/商业模式创新（重需求/体验））
^正交公司（如谷歌（平台）+华为（产品））vs平行公司（如华为手机和苹果手机）
就到这里吧！
