AI算法及其他文献阅读

图像和语音是当前人工智能领域的两类主要领域。

图像算法遵从统计（或决策理论）法，结构（或语法）方法和神经网络法三种的演进过程。统计法是较早用于图像识别的一种算法，以数学上的决策理论为基础，其基本模型是对研究目标进行大量统计，找出规律性的认识，提出反应图像本质特征点的特征进行识别。统计法忽略了图像中被是被对象的空间关系，所以当被识别物体的结构特征为【非】主要特征时，会较难识别。积分识别的出现是对统计识别的补充，用复合描述对象特征。其模仿语言学中句法的层次结构，采用分层描述法，把复杂图像分解为单层或多层的简单子图像，主要突出识别对象的结构信息。

随着人工智能的兴起，近年来的图像算法多采用神经网络方法实现，且将在近几年内继续处于主导地位。神经网络算法是采用大量神经元连接形成的网络系统。如果说传统的符号处理算法侧重模拟人的逻辑思维，神经网络则侧重模拟和实现人类认知过程中的感知过程、形象思维、分布式记忆和自学习组织，与符号处理为互补关系。神经网络局域大规模并行、分布式存储和处理、自组织、自适应和自学习能力，非常适用于处理需要同时考虑多因素多条件的不精确和模糊信息处理问题。

传统语音识别算法多采用多层感知机和隐马尔科夫共用的混合模型算法。2010年，研究人员用深度神经网络替换掉了浅层神经网络，在混合模型的基础架构上增加了建模单元的数量，取得了识别效果上的突破。近年来，热度较高的端到端模型采用整体神经网络替换了原有的混合模型，不仅能改进模型的性能，也能带来更好的开发速度和简洁性。但该成果仍处于研究阶段，产品级应用大多依然延续混合模型算法。

--摘自中国信息通信研究院：《手机人工智能技术与应用白皮书（2019）》

机器人细分市场：

工业机器人市场规模快速增长

商务服务机器人处于爆发的临界点（医疗、零售批发、公共事业和交通）

消费服务机器人或成为下一个互联网终端（幼儿教育、助老助残、智能家居、家政服务、数字娱乐、情感陪护等）

--摘自中国信息通信研究院：《人工智能时代的机器人3.0新生态》