尖端技術(shù)。AI和機(jī)器學(xué)習(xí)在速度上的價(jià)值有利于構(gòu)建一種在建設(shè)數(shù)據(jù)中心和網(wǎng)絡(luò)服務(wù)時(shí)讓硬件更便宜的趨勢。我們認(rèn)為這可能推動硬件，軟件和服務(wù)支出的市場份額的大幅度改變。例如，在「標(biāo)準(zhǔn)」數(shù)據(jù)中心計(jì)算資源上運(yùn)行的AWS工作負(fù)載的成本低至 $ 0.0065 /小時(shí)，而在使用AI優(yōu)化過的GPU上運(yùn)行的成本為0.900美元一小時(shí)。
競爭優(yōu)勢。我們看到了AI和機(jī)器學(xué)習(xí)具有重新調(diào)整每個(gè)行業(yè)的競爭秩序的潛力。未能投資和利用這些技術(shù)的管理團(tuán)隊(duì)在和受益于戰(zhàn)略智能的企業(yè)競爭時(shí)，有很大可能會被淘汰掉，因?yàn)檫@些技術(shù)可以讓企業(yè)的生產(chǎn)力提高，并為它們創(chuàng)造資本效益。在第41頁開始的短文中，我們將研究這些競爭優(yōu)勢是如何在醫(yī)療保艦?zāi)茉础⒘闶?、金融和農(nóng)業(yè)等領(lǐng)域發(fā)展起來的。
創(chuàng)辦新公司。我們發(fā)現(xiàn)了150多家在過去十年中創(chuàng)建的人工智能和機(jī)器學(xué)習(xí)公司（附錄69-75）。雖然我們相信人工智能的大部分價(jià)值都掌握在具有資源、數(shù)據(jù)和投資能力的大公司手中，但我們也期望風(fēng)險(xiǎn)投資家、企業(yè)家和技術(shù)專家可以繼續(xù)推動新公司的創(chuàng)立，從而促進(jìn)實(shí)質(zhì)性的創(chuàng)新和價(jià)值創(chuàng)造，即使最后創(chuàng)業(yè)公司會被收購。當(dāng)然我們也不能忽視人工智能巨頭（人工智能領(lǐng)域的谷歌或Facebook）的出現(xiàn)。
在接下來的篇幅中，我們將深入探討AI的技術(shù)，歷史，機(jī)器學(xué)習(xí)的生態(tài)系統(tǒng)以及這些技術(shù)在行業(yè)和領(lǐng)頭公司中的應(yīng)用。
什么是人工智能？
人工智能是做出能夠以人類智能的方式學(xué)習(xí)并解決問題的智能機(jī)器和計(jì)算機(jī)程序的理工科。傳統(tǒng)而言，該領(lǐng)域包括自然語言處理與翻譯、視覺感知與模式識別，以及決策制定。但該領(lǐng)域以及應(yīng)用的復(fù)雜度都在急劇擴(kuò)展。
在此報(bào)告中，我們的大部分分析集中在機(jī)器學(xué)習(xí)（人工智能的一個(gè)分支）與深度學(xué)習(xí)（機(jī)器學(xué)習(xí)的分支）上。我們強(qiáng)調(diào)兩點(diǎn)：
簡言之，機(jī)器學(xué)習(xí)是從樣本和經(jīng)驗(yàn)（即數(shù)據(jù)集）中進(jìn)行學(xué)習(xí)的算法，而不是依靠硬編碼和預(yù)先定義的規(guī)則。換言之，也就是開發(fā)者不再告訴程序如何區(qū)分蘋果和橘子，而是向算法輸入數(shù)據(jù)（訓(xùn)練），然后自己學(xué)習(xí)如何區(qū)分蘋果和橘子。
深度學(xué)習(xí)的重大發(fā)展是人工智能拐點(diǎn)背后的主要驅(qū)動。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集。在大部分傳統(tǒng)的機(jī)器學(xué)習(xí)方法中，特征（即有預(yù)測性的輸入或?qū)傩裕┯扇藖碓O(shè)計(jì)。特征工程是一大瓶頸，需要大量的專業(yè)知識。在無監(jiān)督學(xué)習(xí)中，重要特征并非由人預(yù)定義，而是由算法學(xué)習(xí)并創(chuàng)造。
為了更加明了，我們不注重真人工智能、強(qiáng)人工智能或通用人工智能這樣的概念，它們意味著復(fù)制人類智能，也經(jīng)常出現(xiàn)在流行文化中。雖然已經(jīng)有了一些有潛力的突破，比如谷歌DeepMind的AlphaGo系統(tǒng)，我們還是更注重立即有實(shí)在經(jīng)濟(jì)的人工智能發(fā)展。
為何人工智能發(fā)展加速？
深度學(xué)習(xí)能力的極大發(fā)展是如今人工智能拐點(diǎn)背后的催化劑之一。深度學(xué)習(xí)的底層技術(shù)框架——神經(jīng)網(wǎng)絡(luò)，已經(jīng)存在了數(shù)十年，但過去5到10年的3種東西改變了深度學(xué)習(xí)：
1. 數(shù)據(jù)。隨著全球設(shè)備、機(jī)器和系統(tǒng)的連接，大量的無結(jié)構(gòu)數(shù)據(jù)被創(chuàng)造出來。神經(jīng)網(wǎng)絡(luò)有了更多的數(shù)據(jù)，就變得更為有效，也就是說隨著數(shù)據(jù)量增加，機(jī)器學(xué)習(xí)能夠解決的問題也增加。手機(jī)、IoT 、低成本數(shù)據(jù)存儲和處理（云）技術(shù)的成熟使得可用數(shù)據(jù)集的大孝結(jié)構(gòu)都有了極大增長。例如，特斯拉收集了780mn英里的駕駛數(shù)據(jù)，而且通過他們的互連汽車，每10小時(shí)就能增加100萬英里的數(shù)據(jù)。此外，Jasper有一個(gè)平臺，能讓多家汽車制造商和電信公司進(jìn)行機(jī)器間的交流，這家公司于今年2月份被Cisco收購。Verizon在8月份做了類似的投資，宣布收購Fleetmatics，F(xiàn)leetmatics做的是將汽車上的遠(yuǎn)程傳感器通過無線網(wǎng)絡(luò)連接到云軟件。未來，5G網(wǎng)絡(luò)的上線將會加速數(shù)據(jù)生成與傳輸?shù)乃俾?。?jù)IDC的Digital Universe Report顯示，年度數(shù)據(jù)生成預(yù)期到2020年達(dá)到44zettabytes，表明我們正在見證應(yīng)用這些技術(shù)的使用案例。
圖1：年度數(shù)據(jù)生成預(yù)期到2020年達(dá)到44zettabytes