1. 路径查找和路径规划;
2. 决策制定
3. 自然语言处理和翻译
4. 视觉感知
5. 模式识别
代表事件:
1. Alpha GO:深层卷积神经网络来缩小传统蒙特卡洛树搜索的广度和深度
2. 贝叶斯的小样本学习方法
人工智能技术研发内容演进:
2015: 深度学习; 智能检索; 智能控制; 机器视觉; 语音识别; 符号计算; 数据挖掘; 模式识别
2016: 新增: 人脸识别;知识图谱;机器人; 无人驾驶; 自然语言处理;
2017: 证券自动交易; 大数据医疗; 智能家居; 智能投顾; ...
人工智能的核心技术:
计算机视觉;语音识别;自然语言处理;机器人;机器学习;
2016年人工智能融资重点领域:
图像识别;机器学习;自然语言处理;语音识别;智能机器人;虚拟个人助手;手势控制;情感感知计算;视频内容自动识别;语音翻译;
人工智能开源框架:
伯克利Caffe;Google TensorFlow,Torch; Spark
亚马逊 DSSTNE(The Deep Scalable Sparse Tensor Network Engine) or Destiny
数据预处理:
Confluent (Kafka), Databricks (Spark Streaming), Cloudera (Spark Streaming),
Hortonworks (Storm, Spark Streaming), Amazon (Kinesis), Google (Cloud DataFlow),
Skymind (DataVec), IBM (Streams), Microsoft (Azure Data Flow).
当前人工智能要解决:人处理比较简单,但机器处理非常困难。不是解决机器处理非常困难,人处理也很困难的问题。