信息技术：人工智能风口已至

    报告要点

    事件描述

    3月9号和10号,谷歌人工智能机器人“AlphaGo”在与世界围棋冠军李世石之战吸收全球关注,并且AlphaGo在交锋中连下两城,AlphaGo所展示出的人工智能程度超乎大部分人预期。

    基于此,我们特邀请百度人工智能专家举行“人机大战”电话会议,本次会议基于国际化视野,详细介绍了人工智能的内在机理、技术原理、应用领域及发展趋势,并剖析了我国人工智能发展的产业机遇。

    我们认为,在完成语言、视觉、逻辑推理、深度学习等技术层的攻难克艰之后,人工智能风口已至。各大互联网巨头、VC/PE等资本纷纷涌入,无人驾驶、语音识别、人脸识别、自动诊疗等应用场景持续丰富。A股标的方面,计算机板块重点推荐东方网力、思创医惠、东软集团、中科创达建议关注科大讯飞、长高集团;传媒板块关注昆仑万维和奥飞动漫;电子板块建议重点关注全志科技、海康威视。

    n事件评论

    AlphaGo的核心组成部分:1、走棋网络(PolicyNetork):给定当前棋面状况,预测下一步走棋模式;2、快速走棋(FastRollout):在适当牺牲走棋质量的情况下,提高运算速度、决策速度;3、估值网络(ValueNetork):在给定当前值的情况下,通过逻辑判断哪一方会获胜;4、蒙特卡洛树(MonteCarloTreeSearch)综合搜索模型:联接前三种模型,形成完整系统。

    AlphaGo超预期的原因:1)AlphaGo五个月前赢过欧洲冠军,这次选手段数虽然提升很多,但机器依然能够战胜,其中一个根本原因是谷歌给了很大资源,如增加服务器,运算能力提升2000倍。2)情绪和心理是下围棋中的重要影响因素,人有情绪导致不稳定性,机器是没有情绪的,这是相对不公平的过程。机器的应变能力弱于人,可以通过小范围的转换去适应机器,以后对战中可以通过这种方法去占据主导。

    估值网络模型的判断模式:1、简单模式。即“第一大脑”。其中一个叫KGS的围棋服务器,可以使AlphaGo的第一大脑完全像人脑一样去学习定式,在这个定式当中去判断下一步棋的优劣,通过一个最基本、定式性的模式不断强化自我;2、自我学习模式,即“第二大脑”。通过预先载入的完整数据从整体上进行每一步优劣分析判断后而进行训练。这个大脑是估值网络,是判断整体决胜的模型。它是通过海量数据去学习,可以在不完整的平面状态下减少失误判断。而人类对于失误判断的减少只能靠个人经验和仅有的脑容量里的记录。

    专家提出的两个观念:1、人类看似很简单其实对机器而言是复杂的问题;2.看似很难的计算等当前是很简单的问题。围棋和象棋都是属于后者。人认为预测非常难,但其实用函数逻辑来看它就是一个预判的逻辑、估值预算的逻辑。再比如翻译,人可以很容易把看似很简单的一句话把它录下来、翻译,对机器来说是一件很复杂的事情。它需要对你的话进行一个处理,因为人类有不同的方言,第二是要去理解,然后通过把拆解的关键词放进你要翻译的核心内容里面,这其实是一个比较困难的东西。之所以这场比赛受到关注是因为人类觉得这件事情很困难的,但其实是比之前所说的翻译要容易很多。

    在一些人类认为高阶的模式中,比如精准计算机清晰的函数逻辑预判能力方面,机器已经逐渐完成对人类的超越。

    人工智能的四个层级:1、单纯的控制;2、具有判断的控制反馈;3、引入大数据,通过简单的网状生成的卷积网状模型,去完成判断,类似带有机器学习的人工智能。当前,互联网公司在人工智能领域的应用开发主要是基于该层面;4、影响到人学习、认知过程的人工智能,各方面引入深度学习。

    深度学习的优势:比其他早期的SEM或dse等简单机器学习模型更让容易受对抗样本干扰。其中对抗样本本身是一个极度非线性的深度模型,非线性对于外推远离型离散型数据具备的优势。对抗性本身对于分类样本的错误率有非常好的预判,即在对抗性的微扰性的判断在非线性模型中具有较高提升优势。机器人学习与大脑认知最根本的相似性在于其对预判的自适应过程,其演进过程在于能够深层次理解用户在一个语境中去预测将要说的话或将要执行的任务。

    深度学习的应用场景:比较宽广,象棋、围棋只是证明公司的技术达到某一阶段。在应用方面,语音识别是很重要的方面。第二个是人脸识别,百度的ALWS上可做到0.23%的错误率,远低于人自身6%的水平;第三个是文本文字的字迹判断,进行文字提取,第四个就是自动驾驶。

    人工智能的发展趋势:算法本地化运行。即可实现单体计算机联网,在真实环境中,可能并无宽带,很难实施对网络的依赖性,比如自动驾驶,无法保证一直联网,本地化将是很大趋势,这是包括百度再能的很多大公司在做的事情,也是人工智能突破的关键点。（长江证券）