人工智能行业研究框架：奔赴人工智能的星辰大海

行业专题研究 2023年08月16日 奔赴人工智能的星辰大海 ——人工智能研究框架 姓名：李沐华（分析师）邮箱：limuhua@gtjas.com电话：010-83939797 证书编号：S0880519080009 目录/CONTENTS 人工智能研究框架培训 01人工智能旨在利用计算机模拟和执行各领域的智能任务 02人工智能发展史：人工智能发展已历经三次浪潮 03算力是人工智能的基础设施，算法是人工智能的灵魂 04人工智能技术的应用前景广阔 05风险提示 诚信·责任·亲和·专业·创新 请参阅附注免责声明2 人工智能研究框架培训 01 人工智能旨在利用计算机模拟和执行各领域的智能任务 诚信·责任·亲和·专业·创新 请参阅附注免责声明3 人工智能研究框架培训 01 从日常生活中可以随处瞥见人工智能的影子 人工智能在生活中的常见应用：人脸识别考勤系统+APP智能推送 人脸识别打卡 人脸识别打卡是一种快速、高效的考勤方式，相比传统的打卡方式，具有以下优势： 1.准确率高：人脸识别技术可以在不同光线、角度、表情等情况下，准确地识别员工的面部信息，避免了手工打卡时出现的误差和作弊行为。 2.安全性强：人脸识别技术通过人脸特征识别，确保只有正式员工才能进行考勤，防止了非法人员的进入和作弊行为。 3.便捷性高：人脸识别打卡无需员工携带打卡卡片或密码，只需要站在识别设备前进行识别即可，方便快捷。 APP智能推送 智能推送是一种机器学习方法，可以识别和预测各种用户的兴趣或偏好，从而有针对性地、及时地向用户主动推送所需信息，以满足不同用户的个性化需求。 诚信·责任·亲和·专业·创新请参阅附注免责声明4 人工智能研究框架培训 01 人工智能旨在利用计算机能够模拟和执行各领域的智能任务 人工智能（ArtificialIntelligence，简称AI）是一门研究如何使计算机能够模拟和执行人类智能任务的科学和技术领域。通俗来说就是，先让计算机进行学习，然后让计算机预测未知。 图1：机器学习等算法和自我迭代是AI区别于传统计算机 传统计算机程序能力的主要因素 根据人类经验制定规则，让计算机学习并预测未知 优势：计算能力和存储容量远超人类脑力水平，可以处理海量数据 弊端：现实生活中很多经由 人类经验解决的问题难以 制定规则，也就无法转 人工智能 通过输入大量资料数据，让计算机学习算法，总结出模型，之后再输入相似样本时，就可以识别结果 优势：模仿人类经验学习的过程，无需人 为制定规则 机器学习 算法 换成机器语言让其 学习 现如今计算机的计算能力已非常强大，信息管理也越来越数据化，积累的资料越来越多，使我们有足够多的数据可以喂给计算机进行学习。正是这两个因素的成熟，才使得当下是人工智能爆发的时代。 数据来源：国泰君安证券研究 自我迭代 诚信·责任·亲和·专业·创新 数据来源：国泰君安证券研究 请参阅附注免责声明5 人工智能研究框架培训 01 人工智能涵盖四大主要的功能维度 人工智能的功能维度从“计算→感知→认知→创造”层层递进 计算智能指对数据的基础逻辑计算和统计分析； 感知智能指基于视觉、听觉的信号，对目标进行模式识别与分类； 认知智能指实现对信息的认知、理解、推理和决策，并实现人、物、企业等智慧实体的认知与协同; 智能创造指利用人工智能技术进行文学、艺术等方面的 创造性创作以及工业领域的智能制造。它的出现不仅改变了传统的创作方式、思维方式和工业模式，也为拓宽人类的能力边界增添了新的可能性。 图2：人工智能经历了四个能力维度的进阶 认知智能 感知智能 智能创造 诚信·责任·亲和·专业·创新 计算智能 数据来源：国泰君安证券研究 请参阅附注免责声明6 人工智能研究框架培训 01 计算智能是人工智能的基础性功能，赋能产业领域较广 人工智能在计算智能领域的实际应用能带来巨大产业价值 计算智能，通常指基于清晰规则的数值运算，比如数值加减、微积分、矩阵分解等。 计算智能得益于计算机存储与硬件的快速发展，已给互联网、金融和工业等多个领域带来产业价值。 计算智能也面临显著困境。以金融场景为例，计算智能受限于指定的数据逻辑规则，虽计算智能可以高性能地计算股票的统计特征，但无法运用专家知识，也难以进行深度、动态和启发式的推理，对投资、博弈等业务贡献的价值有限。计算智能所需的高性能硬件和网络支持等，也给企业带来了巨大的成本压力。 图3：AI在计算智能领域的应用可以赋能各大产业 诚信·责任·亲和·专业·创新 数据来源：国泰君安证券研究 请参阅附注免责声明7 人工智能研究框架培训 01 感知智能开始让AI具备了模拟人类的感知能力 人工智能在感知智能领域的实际应用开始涉及到与人类的交互 感知智能，其核心在于模拟人的视觉、听觉和触觉等感知能力。 感知智能目前用于完成人可以简单完成的重复度较高的工作，比如人脸识别、语音识别等。 感知智能的核心业务目标是提高效率且降低成本。 图4：AI的感知智能能够针对人类交互相关的产业领域产生巨大变革 智能家居 通过感知用户的行为和需求，智能家居可以自动调 整室温、照明等设备，提高生活的舒适度 智能医疗 AI感知设计可以帮助医疗设备更好地理解患者 的病情，从而提高医疗效率和安全性 智能交通 通过感知交通状况和行车习惯，智能交通系统 可以提高交通效率和安全性 诚信·责任·亲和·专业·创新 数据来源：百度，国泰君安证券研究 请参阅附注免责声明8 人工智能研究框架培训 01 认知智能在前两者基础上，提升了对各类信息的处理能力 人工智能在认知智能领域的实际应用进一步拓宽 认知智能需要具有对采集的信息进行处理、存储和转化的能力，在这一阶段需要运用计算智能、感知智能的数据清洗、 图像识别能力。 认知智能需要拥有对业务需求的理解及对分散数据、知识的治理能力。 认知智能需要能够针对业务场景进行策略构建和决策，提升人与机器、人与人、人与业务的协同、共享和博弈等能力。 图5：认知智能的主要应用场景如下所示 智能搜索 根据用户的需求，从海量数据中精准获取相关信息 智能影像 对肿瘤、病变等医学图像进行分析和判断 智能客服 通过语音或文字的方式与用户交互并提供帮助 诚信·责任·亲和·专业·创新 数据来源：国泰君安证券研究 智能翻译 将一种自然语言翻译成另一种自然语言 智能驾驶 利用视觉技术和传感器管理车辆行驶 请参阅附注免责声明9 人工智能研究框架培训 01 智能创造开始让AI具备了自主“生成式”（AIGC）的能力 人工智能的智能创造本质上是一种“生成式”能力 人工智能创造是指利用计算机程序和算法等技术，让计算机自动地生成具有一定艺术性、创造性的作品，包括音乐、诗歌、绘画、小说等； AI创作的基础是数据分析和模型训练。首先需要收集和整理有关主题、情感、语言等信息的数据，通过机器学习、深度学习等算法进行训练，使得机器能够自动完成创作任务。这种方式不仅提高了创作效率，而且还能够创造出更加精准、深刻、个性化的作品。 人工智能可以模仿人类的创作过程，产生类似于人类创作的作品。这在文学、音乐、电影等领域都有广泛的应用。 图6：AI“生成式”下的创作场景部分如下所示 诚信·责任·亲和·专业·创新 数据来源：国泰君安证券研究 请参阅附注免责声明10 人工智能研究框架培训 01 AIGC取长补短，有望成为主流内容生产模式 AIGC所属内容生产生态的发展经历了专家生产内容（PGC）、用户生成内容（UGC）、AI辅助生产内容、AI生产内容 （AIGC）四个阶段，目前处于一、二阶段为主，第三阶段为辅的境况 AIGC克服PGC与UGC存在的质量、产量无法兼具的缺点，其有望成为未来主流的内容生产模式 图7：AIGC生态内容生产模式理论上会经历四个发展阶段 辅助 PGCUGCAIGC AIGC 电视，电影，游戏等 由专业团队生产，内容质量高 ✗内容生产门槛高，垄断严重 ✗生产周期长，难以满足大规模生产需求 短视频，社交媒体文章，播客等 创作工具下放，用户可自行生产 内容，创作门槛、成本降低 内容生产参与者众多，创作生态繁荣，个性化程度高 ✗创作者参差不齐，内容质量不高 AI辅助文字创作，图片创作等 AI技术学习的专业知识辅助内 容生产环节，提高内容质量 AI技术实现自动化内容生产，减少创作耗时，提高内容生产规模天花板 ✗人在关键环节依然需要输入指 AI自主文字创作，图片创作等 实现完全自主性 资料来源：foresightnews.pro，中国信通院，国泰君安证券研究 诚信·责任·亲和·专业·创新 令，没有做到完全自主性 请参阅附注免责声明11 人工智能研究框架培训 01 AIGC兴起背后是大模型的重大进步，大模型是深度学习的重要成果 大模型本质上也是一种深度学习领域的算法，基于一个庞大复杂的神经网络，需要通过存储更多的参数来增加模 型的深度和宽度，从而提高模型的表现能力，参数从百亿起步，对大量数据进行训练并产生高质量的预测结果。 图8：大模型推动AIGC的发展 大模型是指具有非常大的参数数量的深度学习模型，通常具有数亿到数万亿参数。这些模型通常需要在大规模数据集上进行训练，并且需要使用大量的计算资源进行优化和调整。 生成式人工智能指基于人工智能通过已有数据寻找规律，并自动生成内容的生产方式。在大模型技术推动下，AIGC有了飞速发展，我们熟知的ChatGPT就是基于大模型的 AIGC。 模型的本质是对现实世界中数据和规律的一种抽象和描述。模型的目的是为了从数据中找出一些规律和模式，并用这些规律和模式来预测未来的结果。 模型 大模型生成式人工智能（AIGC） 诚信·责任·亲和·专业·创新 数据来源：国泰君安证券研究 请参阅附注免责声明12 人工智能研究框架培训 01 实现AI大模型能力的基础是AI“三要素”：算力、算法、数据 人工智能三要素——算法，算力，数据人工智能 算法 算法(Algorithms)：是指人工智能的实现方式，包括机器学习、深度学习、自然语言处理等。算法是人工智能的灵魂，能够决定AI能力的效率和准确性。 算力 算力(Hardware)：指的是计算机硬件资源，包括处理器、内存、存储等。算力是人工智能的基础设施，能够支持算法的运行和处理数据。 数据 数据（Data）是指训练算法和实现算法所需的信息。数据可以是事实、图像、声音、文本等，能够支持算法的训练和优化。数据是人工智能的发展前提，是推动人工智能发展的“原料”。 诚信·责任·亲和·专业·创新请参阅附注免责声明13 人工智能研究框架培训 01 算法是人工智能的灵魂所在 人工智能算法本质上是帮助人类解决相应问题的方式方法，它可以体现为数学方程、程序、工程架构等等 众所周知，计算机最擅长处理的是数字，所以我们可以将现实问题抽象为数学问题，再让计算机帮我们解决。那么，其中的关键就是找到能够准确翻译该问题的数据公式，一般是某个函数关系f（x）。这个函数就叫做“算法/模型”。 既然我们知道算法本质就是函数，那么影响算法准确程度的因素是什么？答案就是函数的参数。而机器学习的本质就是它是一种可以通过反复带入数据从而自主调整参数的人工智能算法之一。 机器学习不是某种具体的算法，而是很多算法的统称。机器学习下的算法纷繁复杂，从学习方法上来分，机器学习又可以分为传统机器学习（监督学习、无监督学习、半监督学习）、深度学习和强化学习等等。 图9：人工智能的算法是其解决问题的核心思路和手段 人工智能（本质上就是能帮助人类解决问题的方法） 机器学习（实现AI功能的主流算法之一） 强化学习深度学习传统机器 学习 数据来源：国泰君安证券研究 ...... 诚信·责任·亲和·专业·创新请参阅附注免责声明14 人工智能研究框架培训 01 强化学习和深度学习渐成主流 强化学习和深度学习都是目前机器学习算法的主流分支，而