器人
• 提升机器人的感知能力，更智能的同复 杂的物理世界交互
4th November 2016
16
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术
1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
3. 理论ＡＩ能力和上限
4. 通用AI 5. 规模化AI系统
6. 仿人类的AI技术 7. 研发实用，可靠，易用的机
器人 8. AI和硬件的相互推动
• 提升机器人的感知能力，更智能的同复 杂的物理世界交互
• GPU：提升的内存， 输入输出， 时 钟 速度， 并行能力，节能
• “类神经元” 处理器 • 处理基于流式，动态数据 • 利用AI技术提升硬件能力：高性能计算，
Deep Learning in Industry Data Analytics
Junlan Feng
China Mobile Research
RANLP 2015, HISSAR, BULGARIA
1
人工智能的起点: 达特茅斯会议
1927-2011
4th November 2016
1927-2016
3
人工智能的当前技术: 存在的问题
1. 依赖大量的标注数据 2. “窄人工智能” 训练完成特定的任务 3. 不够稳定，安全 4. 不具备解释能力，模型不透明
4th November 2016
4
人工智能的当前状态: 应用
4th November 2016
5
人工智能成为热点的原因:
深度学习, 强化学习
9
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术
1. 推动以数据为中心的知 识发现技术
• 高效的数据清洁技术以，确保用于训练 ＡＩ系统的数据的可信性(varascty)和正 确性(appropriateness)
• 综合考虑 数据，元数据，以及人的反 馈或知识
1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
3. 理论ＡＩ能力和上限 4. 通用AI 5. 规模化AI系统 6. 仿人类的AI技术
• AI系统的自我解释能力 • 目前AI系统的学习方法：大数据，黑盒
• 人的学习方法：小数据，接受正规的指 导规则以及各种暗示
• 仿人的AI系统，可以做智能助理，智能 辅导
Nathaniel Rochester
1919-2001
1916-2011
2
人工智能的阶段
自动计算机
如何为计算机编程使 其能够使用语言 神经网络 计算规模理论 自我提升 抽象 随机性与创造性
1
基于规则的专家系统
1950s
1980s
4th November 2016
2
3
通用智能
2000s
Future
1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
• 硬件或算法能提升ＡＩ系统感知能力的 稳健性和可靠性
• 提升在复杂动态环境中对物体的检测， 分类，辨别，识别能力
• 提升传感器或算法对人的感知，以便Ａ Ｉ系统更好地跟人的合作
• 计算和传播感知系统的不确定性给ＡＩ 系统以便更好的判断
4th November 2016
大规模的,复杂的,流式的数据
6
概要
1. 解析白宫人工智能研发战略计划 2. 解析十家技术公司的的人工智能战略 3. 深度学习及最新进展 4. 强化学习及最新进展 5. 深度学习在企业数据分析中的应用
4th November 2016
7
美国人工智能战略规划
8
美国人工智能研发战略规划
4th November 2016
11
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术
1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
3. 理论ＡＩ能力和上限
当前硬件环境和算法框架下AI的理论上限
• 学习能力 • 语言能力 • 感知能力 • 推理能力 • 创造力 • 计划，规划能力
优化能源消耗，增强计算性能，自我智
能配置，优化数据在多核处理器和内存 直接移动
4th November 2016
17
策略-II： 开发有效的人机合作方法
. 不是替代人，而是跟人合作，强调人和AI系统之间的互补作用
4th November 2016
15
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术
1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
3. 理论ＡＩ能力和上限
4. 通用AI 5. 规模化AI系统
6. 仿人类的AI技术 7. 研发实用，可靠，易用的机
4th November 2016
12
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术
1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
3. 理论ＡＩ能力和上限 4. 通用AI
• 目前的AI系统均为窄人工智能， “Narrow AI”而不是“General AI”
• 异构数据，多模态数据分析和挖掘， 离散数据，连续数据，时间域数据，空 间域数据，时空数据，图数据
• 小数据挖掘，强调小概率事件的重要性
• 数据和知识尤其领域知识库的融合使用
4th November 2016
10
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术
• GAI: 灵活， 多任务， 有自由意志，在 多认知任务中的通用能力（学习能力，
语言能力，感知能力，推理能力，创造 力，计划，规划能力
• 迁移学习
4th November 2016
13
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术

1. 推动以数据为中心的知识发 现技术
2. 增强ＡＩ系统的感知能力
3. 理论ＡＩ能力和上限 4. 通用AI 5. 规模化AI系统
• 多AI系统的协同 • 分布式计划和控制技术
4th November 2016
14
策略- I : 在人工智能研究领域做长期研发投资
目标：. 确保美国的世界领导地位 . 优先投资下一代人工智能技术