- 20世紀50年代，神經(jīng)網(wǎng)絡(luò)相關(guān)基礎(chǔ)理論的提出。
- 20世紀80年代初，算法應(yīng)用升級。
- 2006年深度學習（深度神經(jīng)網(wǎng)絡(luò)）基本理論框架得到了驗證，得益于海量數(shù)據(jù)處理計算能力的成熟，深度學習相關(guān)技術(shù)崛起。
- 不斷優(yōu)化的人工智能算法，自從2012年深度學習技術(shù)相關(guān)算法突破后，才正真在給人工智能帶來了春天。目前，已有的深度學習算法越來越成熟，算法的精確性、魯棒性越來越來好。視覺及圖像領(lǐng)域是深度學習算法應(yīng)用最廣泛效果最好的場景。
- 被收集的大量數(shù)據(jù)，人工智能對于數(shù)據(jù)的需求多種多樣，主要看應(yīng)用場景，不同的應(yīng)用場景對數(shù)據(jù)集的要求不同。標注的、結(jié)構(gòu)化特定的應(yīng)用場景下產(chǎn)生的數(shù)據(jù)是有價值的。數(shù)據(jù)分訓練集和測試集，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，在某些不過分要求精度的應(yīng)用場景下對數(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算能力，當前人工智能芯片可分為兩類：一類是平臺，通用型深度學習芯片，比如英偉達最新發(fā)布的兩款Tesla系列深度學習芯片；另一類是根據(jù)特定的應(yīng)用場景，進行定制開發(fā)和優(yōu)化的處理器、硬件加速器，例如專門運用于安防視頻或者無人機駕駛汽車等領(lǐng)域的芯片產(chǎn)品。
- 國內(nèi)智能機器人與無人機相關(guān)技術(shù)最為火爆，位居于最前列
- 語義分析、語音識別、聊天機器人等自然語言系列的技術(shù)位列第二梯隊
- 人臉識別、視頻/監(jiān)控、自動駕駛、圖像識別等計算機視覺系列的技術(shù)位列第三梯隊
(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
國外巨頭：谷歌——AI優(yōu)先戰(zhàn)略
國外巨頭：微軟——牛津計劃
國外巨頭：Facebook——開源戰(zhàn)略
國外巨頭：IBM Waston——AI中的IP
國內(nèi)巨頭：百度從互聯(lián)網(wǎng)過渡到人工智能公司
國內(nèi)巨頭：阿里巴巴致力于底層搭建
國內(nèi)巨頭：騰訊自研加投資，布局深遠
（來源：IT桔子 編選：中國電子商務(wù)研究中心）
