没有合适的资源?快使用搜索试试~ 我知道了~
人工智能行业研究报告样本.docx
0 下载量 143 浏览量
2022-12-06
10:31:39
上传
评论
收藏 1.78MB DOCX 举报
温馨提示
试读
37页
人工智能行业研究报告样本.docx
资源推荐
资源详情
资源评论
概要
人工智能是信息时代尖端技术。从人类建立起需要指引
控制才干运营计算机,到计算机拥有可以自己去学习能力,
这一奔腾对各行各业都产生了巨大影响。虽然此时此刻也许
是下一种 AI 冬季(图 8)到来之前「予以承诺又让人失望」
周期,但这些投资和新技术至少会给咱们带来有形机器学习
生产力经济利益。
与此同步,人工智能、机器人和无人驾驶汽车已经成为
了流行文化甚至是政治话语前沿。并且咱们在过去一年研究
使咱们相信这不是一种错误开始,而是一种拐点。正如咱们
将在本报告中探讨那样,这个变化因素有显而易见(更快更
强计算资源和爆炸式增长数据库),也有细致入微(深度学
习,专有硬件和开源崛起)。
这个 AI 拐点(AI inflection)中更令人兴奋一种方面是
「现实世界」使用案例比比皆是。虽然深度学习使计算机视
觉和自然语言解决等技术有了明显提高,例如苹果公司 Siri,
亚马逊 Alexa 和 Google 图像辨认,但是 AI 不但仅是「科
技技术」(tech for tech),也就是大数据集与足够强大技
术相结合状况下,价值正在被慢慢创立,竞争优势也变得越
来越明显。
例如,在医疗保健中,图像辨认技术可以提高癌症诊断
精确性。在农业中,农民和种子生产商可以运用深度学习技
术来提高作物产量。在制药业中,深度学习可以用于改进药
物研发。在能源方面,勘探效率正在提高,设备可用性正在
不断增强。在金融服务方面,通过开辟新数据集,实现更快
分析,从而减少成本,提高回报。AI 当前还处在发现其可被
运用场景初期阶段,这些必要技术会通过基于云服务实现大
众化、平等化,咱们相信随之而来创新浪潮将在每个行业中
创造新赢家和输家。
AI 广泛应用让咱们得出了一种结论:它是一种可以变革
全球经济技术,是提高生产力并结束美国生产率停滞增长驱
动力。结合 GS 首席经济学家 Jan Hatzius 研究,咱们明
确了资本深化当前停滞及其对美国生产率有关影响。咱们相
信,AI 技术将会驱动生产力提高,就像 20 世纪 90 年代
那样,驱动公司投资更多资本和劳动密集型项目,加快发展
脚步,提高赚钱能力以及提高股票估值。
启示
虽然咱们看到了人工智能可以及时地影响到每个公司、
行业和一某些经济,但对投资者而言,咱们以为这其中有四
个影响最为明显。
生产率。AI 和机器学习具备激发生产率增长周期潜力,
这会有助于经济增长,提高公司赚钱能力,资本回报率和资
产估值。依照 GS 首席经济学家 Jan Hatzius 所说:「大
体上而言,AI 看起来似乎比上一次创新浪潮更有也许在记录
数据中捕获到更有价值东西,人工智能可以减少成本,减少
对高附加值生产类型劳动投入。举个例子,这些在商业部门
成本节约上创新也许比在 iPhone 中增长应用程序可用性
和多用性更利于记录学家去捕获有价值东西。考虑人工智能
对商业部门成本构造广泛影响,我有理由相信它会被记录学
家接受,并且会出当前整体生产力数据中。
尖端技术。AI 和机器学习在速度上价值有助于构建一种
在建设数据中心和网络服务时让硬件更便宜趋势。咱们以为
这也许推动硬件,软件和服务支出市场份额大幅度变化。例
如,在「原则」数据中心计算资源上运营 AWS 工作负载成
本低至 $ 0.0065 /小时,而在使用 AI 优化过 GPU 上运营
成本为 0.900 美元一小时。
竞争优势。咱们看到了 AI 和机器学习具备重新调节每
个行业竞争秩序潜力。未能投资和运用这些技术管理团队在
和受益于战略智能公司竞争时,有很大也许会被裁减掉,由
于这些技术可以让公司生产力提高,并为它们创造资本效益。
在第 41 页开始短文中,咱们将研究这些竞争优势是如何在
医疗保健、能源、零售、金融和农业等领域发展起来。
开办新公司。咱们发现了 150 多家在过去十年中创立
人工智能和机器学习公司(附录 69-75)。虽然咱们相信人
工智能大某些价值都掌握在具备资源、数据和投资能力大公
司手中,但咱们也盼望风险投资家、公司家和技术专家可以
继续推动新公司创立,从而增进实质性创新和价值创造,虽
然最后创业公司会被收购。固然咱们也不能忽视人工智能巨
头(人工智能领域 google 或 Facebook)浮现。
在接下来篇幅中,咱们将进一步探讨 AI 技术,历史,
机器学习生态系统以及这些技术在行业和领头公司中应用。
什么是人工智能?
人工智能是做出可以以人类智能方式学习并解决问题
智能机器和计算机程序理工科。老式而言,该领域涉及自然
语言解决与翻译、视觉感知与模式辨认,以及决策制定。但
该领域以及应用复杂度都在急剧扩展。
在此报告中,咱们大某些分析集中在机器学习(人工智
能一种分支)与深度学习(机器学习分支)上。咱们强调两
点:
简言之,机器学习是从样本和经验(即数据集)中进行
学习算法,而不是依托硬编码和预先定义规则。换言之,也
就是开发者不再告诉程序如何区别苹果和橘子,而是向算法
输入数据(训练),然后自己学习如何区别苹果和橘子。
深度学习重大发展是人工智能拐点背后重要驱动。深度
学习是机器学习一种子集。在大某些老式机器学习办法中,
特性(即有预测性输入或属性)由人来设计。特性工程是一
大瓶颈,需要大量专业知识。在无监督学习中,重要特性并
非由人预定义,而是由算法学习并创造。
为了更加明了,咱们不注重真人工智能、强人工智能或
通用人工智能这样概念,它们意味着复制人类智能,也经常
出当前流行文化中。虽然已有了某些有潜力突破,例如
google DeepMind AlphaGo 系统,咱们还是更注重及时
有实在经济人工智能发展。
为什么人工智能发展加速?
剩余36页未读,继续阅读
资源评论
matlab大师
- 粉丝: 2514
- 资源: 8万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功