创业100联盟创业服务联盟( 七 )

这个在阿尔法狗以前大家没有关注，去年2月份也是自然的封面文章，也是(英文)收购的，去年2月份玩49种游戏，不是编程，是它看着别人玩，之后49种有29种超过人类的水平，学术圈都轰动了，这是人类的水平，如果之上是100分，最好的已经达到了2000多了，后面12月份，这个也是自然杂志的封面文章，这两个模型基本上是相同的。
深度神经网络为什么在弱AI中取得的实质性的突破，数十万个神经元，训练样本达到百万，最多达到10亿连接权参数， 1000种物体，最高95.2%的正确识别率，超过了人类，开始与生物神经系统接近。人工神经网络经历了三起两落，一个是超级的GPU计算系统的发展，还有就是互联网时代的大数据，还有创新性的深度学习方法。
深度卷积神经网络为什么这么好，因为它首先是一种仿生模型或者受生物视觉通路启发的HubelWiesel模型。首先我们知道现在是困惑于语义鸿沟，我们不是不能识别，我们是不能进行有效的分类。这个鸿沟因为Deep CNN较好的模拟了生物视觉皮层中的腹侧通路，它缩小了这个鸿沟。生物视觉皮层有两个通道，从视网膜开始到LGN到V1—V2—PIT—AIT 。有两个人做了很重要的贡献，这个人叫HubelWiesel ，他做了一个猫的实验，在V1和V2皮层有两种细胞，一个叫简单细胞，一个是复杂细胞，简单细胞主要是关心局部的特征，复杂细胞就是感受变化，因为这个结果，在1981年获得了诺贝尔医学或生理学奖。美国MIT麦戈文脑科学研究所做了一个实验，这个(英文)是非常先进的，这是计算机系统的，这是一个很好的依据。这是在2014年12月底。还有IBM做的TrueNorth的芯片，它有两个通路。作为一种感知智能模型， DeepCNN仿生模型，迄今为止最好地模拟了生物视觉通路，在大数据和GPU计算硬件的强力支撑下，通过自动的分布特征提取等，达到或超过了人类的识别能力。
第三部分就是前沿研究。DeepCNN为代表的感知智能的成功就是举三反一，使机器初步获得了媲美人类的模式识别能力。概念向量：以嵌入的方式表达世界。RNCC概念向量存储在长期短期的记忆中，因此目前的前沿研究之一，基于规划和整合，以嵌入的方式表达世界，对的定细分领域是有可能的，在互联网时代，如果我们能获得相应的大数据的话，再励学习。具有现代脑科学基础的无监督学习的理论发展，将使认知智能获得真正的突破，强AI或奇点或可到来。
发展趋势我简单说一下，以DeepCNN为主要标志的AI加速发展，已成为重要重塑人类社会的基石。AI成为目前全球最热的投资风口，核心技术， Deep CNN+大数据，消费机器人还有AR、VR 。人工智能的技术与产业与产业开始边沿基础性的角色。学术与产业距离正不断缩小。深度学习已无所不在，即使是DeepCNN的一点点进步，也会给人工智能产业带来希望与梦想。以无人驾驶这个我不说了。现在Deep CNN已经可以把这个问题解决了，环境理解与信息融合是主要的困难，构成了AI应的最大挑战和机遇。根据的原因是传统的机器学习方法都是在数据或低层特征上进行的聚类、分割、定位、检测、分类、识别和匹配。特征是人工设计的，大量使用阈值等。这是一个最新的照片，利用DeepCNN进行的检测，完成了基于摄像头的精准地图的创建。利用Deep CNN的行人检测，这个是剑桥大学做的， Deep CNN做定位，精度已经很高了。

创业100联盟 创业服务联盟( 七 )

创业100联盟创业服务联盟( 七 )