1、第一章 行业概况人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。总体来

2、讲，当前对人工智能的定义大多可划分为以下四类：图：人工智能产业链资料来源：资产信息网 千际投行 iFinD按照人工智能的智能程度，一般分为以下三类：弱人工智能(ANI)：是指专注于且只能解决单个特定领域问题的人工智能强人工智能(AGI)：是指能够胜任人类所有工作的人工智能超强人工智能(ASI)：是指在科学创造力、智能和社交能力等每一个方面都比最强人类大脑聪明的人工智能。资料来源：资产信息网 千际投行 行行查人工智能具有算力、算法、数据三大要素，其中基础层提供算力支持，通用技术平台解决算法问题，场景化应用挖掘数据价值。图 人工智能三大要素资料来源：资产信息网 千际投行人工智能可分为以下三个发展阶

3、段：运算智能：即快速计算和记忆存储能力。计算机比较具有优势的是运算能力和存储能力，现阶段计算智能应用已经实现并逐渐成熟，1996年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，这一事件标志着人类在强运算型场景下的计算能力已经不如机器算力了。感知智能：即类似人的视觉、听觉、触觉等对外界刺激作出反应的能力。人和动物能够通过各种智能感知能力与自然界进行交互。机器通过AI技术，也可实现这种类人智能，如自动驾驶汽车就是通过激光雷达等感知设备和人工智能算法实现这样的感知智能的。当前人类社会的AI技术正处于感知智能不断完善的阶段。认知智能：通俗讲是一种“能理解会思考”的能力。未来机器能在没有数据信息

4、被动输入的情况下，主动进行环境感知、信息采集、逻辑判断，做出决策等，实现类人智能。在这一阶段机器能够替代了大量的传统体力劳动，并辅助人们做出理论上的最优决策。1.1 发展历程自1956年“人工智能”概念和理论首次被提出，AI 产业和技术发展主要经历如下发展阶段：20世纪50年代20世纪70年代受制于算力性能、数据量等，更多停留在理论层面。1956年达特茅斯会议推动了全球第一次人工智能浪潮的出现，当时乐观的气氛弥漫着整个学界，在算法方面出现了很多世界级的发明，其中包括一种叫做增强学习的雏形，增强学习就是谷歌AlphaGo算法核心思想内容。而70年代初，AI遭遇了瓶颈：人们发现逻辑证明器、感知器、

5、增强学习等只能做很简单、用途狭隘的任务，稍微超出范围就无法应对。当时的计算机有限的内存和处理速度不足以解决任何实际的AI问题。这些计算复杂度以指数程度增加，成为了不可能完成的计算任务。20世纪80年代20世纪90年代专家系统是人工智能的第一次商业化尝试，高昂的硬件成本、有限的适用场景限制了市场的进一步向前发展。在80年代，专家系统AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。专家系统的能力来自于它们存储的专业知识，知识库系统和知识工程成为了80年代AI研究的主要方向。但是专家系统的实用性仅仅局限于某些特定情景，不久后人们对专家系统的狂热追捧转向巨大的失望。另一方面，

6、1987年到1993年现代PC的出现，其费用远远低于专家系统所使用的Symbolics和Lisp等机器。相比于现代PC，专家系统被认为古老陈旧而非常难以维护。于是，政府经费开始下降，寒冬又一次来临。2015年至今逐步形成完整的产业链分工、协作体系。人工智能第三起的标志性事件发生在2016年3月，谷歌DeepMind研发的AlphaGo在围棋人机大战中击败韩国职业九段棋手李世石。随后，大众开始熟知人工智能，各个领域的热情都被调动起来。这次事件确立了以DNN神经网络算法为基础的统计分类深度学习模型，这类模型相比于过往更加泛化，通过不同的特征值提取可以适用于不同的应用场景中。同时，2010年2015