关键要点
-
人工智能正在快速发展，已经应用于各行各业。
-
人工智能的市场规模不断扩大，中国成为全球第二大市场。
-
中国拥有众多人工智能企业和初创企业，其中不乏获得高额融资的企业。
-
人工智能技术的核心在于机器学习、自然语言处理、计算机视觉等领域。
-
人工智能的发展离不开大量的数据支持，而数据的获取和处理也是人工智能技术发展的重要环节。
人工智能：从萌芽到飞速发展的历程
这一章节主要介绍了人工智能的定义和发展历程。人工智能的本质是机器模拟人类思考行为的能力，它是一个涉及多个学科的交叉领域。目前全球有近千家人工智能公司，按应用范围可分为弱人工智能、强人工智能和超人工智能。人工智能的发展经历了三个时期，分别是萌芽期、突破期和飞速发展期。中国的AI起步较晚，但随着投资和重视程度的加大，正逐步追赶发达国家水平。
中国人工智能发展历程及未来展望
这一章节主要介绍了中国人工智能的发展历程，包括了人工智能项目的纳入国家科研计划、中国人工智能学会的成立以及一系列重大项目的立项。其中，1986年、2003年和2017年是三个重要的时间节点，分别标志着不同阶段的人工智能发展。此外，该章节还提到了国务院发布的《新一代人工智能发展规划的通知》，并介绍了智能计算机系统、智能机器人等领域的发展情况。最后，该章节提到了智能科学与技术学位的设立，这是为了更好地培养人工智能领域的人才。
中国人工智能产业发展现状与前景展望
这一章节介绍了中国人工智能产业的优势和劣势，以及面临的机遇和挑战。其中优势包括积累了大量用户数据和研究资本，以及国家政策和中文语言难度带来的研发本土产品的可能性。劣势则包括高校在人工智能领域的课程较为分散，以及基础设施相对薄弱等问题。文章指出，人工智能产业面临着许多机遇和挑战，包括制定行业标准、保障人民就业问题等。同时，大数据、半导体芯片以及智能算法被认为是人工智能的三大基石，它们相互依存，共同构成了人工智能产业的价值链。
关键瓶颈与未来发展
这一章节主要讲述了人工智能的发展现状和挑战。目前，我们已经进入了信息爆炸的时代，智能手机和平板电脑数量巨大，产生了大量的数据。然而，如何对这些数据进行采集、运算、储存、传输仍然是人工智能技术面临的关键问题。同时，文章还介绍了机器学习的实现过程，包括数据分类、建模、调试、使用和调整等步骤。此外，文章还讨论了结构化数据和非结构化数据的区别和重要性，以及如何从海量的非结构化数据中挖掘价值。最后，文章提出了多种数据采集策略，如手动工作、众包、外包、公开可用数据集和数据接入许可等，以帮助人工智能开发企业获取大量高质量的数据。
全球数据量激增，中国占据领先地位
这一章节介绍了全球和中国的数据量增长情况，以及数据挖掘市场的潜力。其中提到，全球数据总量在2017年已超过13.6 ZB，年复合增长率达到了32.6%；而非结构化数据量占据了所有数据量的80%以上。同时，中国大数据市场也在快速发展，2016年至2020年的年复合增速达到了35.7%。另外，文章还提到了机器学习、深度学习等相关概念，并列出了人工智能领域的研究分支。