高盛-人工智能報(bào)告（中文）

1高盛人工智能報(bào)告中文版 FT via料來(lái)源網(wǎng)絡(luò)，起點(diǎn)學(xué)院學(xué)員收集m每日免費(fèi)獲取報(bào)告+最新重磅報(bào)告；每日分享當(dāng)日華爾街日?qǐng)?bào)、金融時(shí)報(bào)；份當(dāng)月重磅報(bào)告 (增值服務(wù))碼via料來(lái)源網(wǎng)絡(luò)，起點(diǎn)學(xué)院學(xué)員收集m高管概述的實(shí)實(shí)在在的經(jīng)濟(jì)利益。展，智能硬件和開(kāi)源方面的增長(zhǎng))的拐點(diǎn)的原因。優(yōu)勢(shì)。個(gè)行業(yè)創(chuàng)造新的冬天和失業(yè)者。能技術(shù)驅(qū)動(dòng)生產(chǎn)力提升的可能，e信人工智能將被統(tǒng)計(jì)學(xué)家采納，并在整體生產(chǎn)力數(shù)字中有所展現(xiàn)?！庇谒麄儎?chuàng)建的戰(zhàn)略情報(bào)、療、農(nóng)業(yè)。150家私營(yíng)公司.我們相信人工智能的大部分價(jià)值將由擁有資源、數(shù)據(jù)、投資能力的大公司2性的創(chuàng)新和價(jià)值創(chuàng)造，至少是，M&A，我們不能無(wú)視谷歌或臉書(shū)的人工智能出現(xiàn)的可能。行業(yè)和公司所構(gòu)建的應(yīng)用生態(tài)體系。人工智能是什么？長(zhǎng)。我們總結(jié)了二個(gè)關(guān)鍵點(diǎn)：和創(chuàng)建。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)在AI/機(jī)器學(xué)習(xí)的中充當(dāng)一種模擬人類大腦的計(jì)算機(jī)體系結(jié)構(gòu)，在其上可以構(gòu)建問(wèn)題并學(xué)習(xí)。。例如，底層將標(biāo)識(shí)是否具有窗戶。度學(xué)習(xí)作為增強(qiáng)機(jī)器學(xué)習(xí)能力的方法已經(jīng)越來(lái)越普遍。標(biāo)記為“垃圾郵件”并且學(xué)習(xí)正確識(shí)別垃圾郵件的電子郵件)和手寫(xiě)識(shí)別。需要自己去發(fā)現(xiàn)特征的未標(biāo)記示例。型的機(jī)器學(xué)習(xí)？子郵件歸類為垃圾郵件，識(shí)別欺詐，面部識(shí)別，語(yǔ)音識(shí)別等。音找到相似的項(xiàng)目;識(shí)別異常行為的集群。3只存在于理論層面。為什么現(xiàn)在人工智能加速發(fā)展？人曾經(jīng)做過(guò)的行為，我們關(guān)注人工智能即刻可觸達(dá)的經(jīng)濟(jì)發(fā)展領(lǐng)域。、可靠數(shù)據(jù)結(jié)構(gòu)方面創(chuàng)造了大量的成長(zhǎng)。到這些科技可以達(dá)到的應(yīng)用場(chǎng)景。2.更快的硬件。GPU的再次使用、低成本計(jì)算能力的普遍化，特別是通過(guò)云服務(wù)，以及建構(gòu)要比傳統(tǒng)的基于數(shù)據(jù)中心架構(gòu)的CPU能更快的訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)。通過(guò)使用圖像芯片，s3.更好、更普遍可用的算法。更好的輸入(計(jì)算和數(shù)據(jù))使得更多的研發(fā)是面向算法，從ch發(fā)展，而且也有更多先進(jìn)的工具正在開(kāi)源。工智很重要的。 (一個(gè)人工智能系統(tǒng))，使其與鏈接(links)以及內(nèi)容(content)成為了谷歌搜索算法的標(biāo)志。4中的臉和真實(shí)的臉是不是完全吻合。1月，蘋(píng)果采取了進(jìn)一步措施，購(gòu)買(mǎi)了Emotient(一進(jìn)行標(biāo)記。個(gè)人助理應(yīng)用產(chǎn)品有無(wú)數(shù)的用戶，比如蘋(píng)果的Siri，信用貸，保險(xiǎn)風(fēng)險(xiǎn)評(píng)估，甚至天供一些方向，以保持他們的競(jìng)爭(zhēng)力。價(jià)值創(chuàng)造的主要驅(qū)動(dòng)力據(jù)，基礎(chǔ)設(shè)施和硅。這些投入也同時(shí)也是進(jìn)入的壁壘。精度將被提高(圖6)。地質(zhì)數(shù)據(jù)，天氣數(shù)據(jù)等)可能是未來(lái)十年企業(yè)利潤(rùn)創(chuàng)造的核心驅(qū)動(dòng)力。C以免費(fèi)使用-即使是在壓縮時(shí)，超高清圖像的文件大小也各為1GB左右。其他公司，如OrbitalInsights正在匯總圖像數(shù)據(jù)并在多個(gè)行業(yè)創(chuàng)建商業(yè)解決方案。迅速商品化。這個(gè)觀點(diǎn)基于兩個(gè)現(xiàn)象觀察：1)云計(jì)算供應(yīng)商能夠?qū)⑺麄兊漠a(chǎn)品擴(kuò)展到AIarkAI潛力。5 做為有價(jià)值的增長(zhǎng)途徑，宣布和百度達(dá)成戰(zhàn)略協(xié)作關(guān)系。數(shù)據(jù)中心業(yè)務(wù)大概占賽靈思5%的主要影響進(jìn)未來(lái)生產(chǎn)力至全球各產(chǎn)業(yè)領(lǐng)域。人工智能和機(jī)器學(xué)習(xí)帶來(lái)的自動(dòng)化及效率提升在普遍各領(lǐng)域都縮減了約0.5%-1.5%的在期待未來(lái)人工智能和機(jī)器學(xué)習(xí)得以同時(shí)提升生產(chǎn)效率的分子和分母(標(biāo)準(zhǔn)工時(shí)和實(shí)際投入工時(shí))，最重要的是它帶來(lái)的早期影響將會(huì)體現(xiàn)在低薪工作的自動(dòng)化層面，用更少的工時(shí)驅(qū)增長(zhǎng)90年代掀起的科技熱潮伴隨著生產(chǎn)力、資本深化和多因素生產(chǎn)力被異常放大，并與飛漲的關(guān)聯(lián)。典型資本投資的增長(zhǎng)超越了勞動(dòng)力市場(chǎng)的增長(zhǎng)。作流程中同時(shí)推廣技術(shù)有助于促進(jìn)增長(zhǎng)呈三倍激增(每勞動(dòng)工時(shí)的產(chǎn)出)，其中從科技熱(展示10)千禧年后停滯期T6率。流程等)也在一定程度上反映了實(shí)際GDP和生產(chǎn)力增長(zhǎng)。Facebook和谷歌等互聯(lián)網(wǎng)巨頭的發(fā)展充分說(shuō)明了復(fù)雜輸入的勞動(dòng)力和資本并不必然將標(biāo)準(zhǔn)生產(chǎn)力指標(biāo)中的傳統(tǒng)消費(fèi)品轉(zhuǎn)人工智能/機(jī)器學(xué)習(xí)激發(fā)的生產(chǎn)力可以影響投資我們認(rèn)為人工智能/機(jī)器學(xué)習(xí)所帶來(lái)日益增長(zhǎng)的生產(chǎn)力產(chǎn)生的潛在影響之一可能是公司對(duì)于投資資本項(xiàng)目的冷淡依然保持了經(jīng)濟(jì)衰退后期的狀態(tài)。本。根據(jù)高盛資本支出追蹤，90年代資本支出同比增長(zhǎng)，持續(xù)性高于耶魯大學(xué)教授羅伯特·希勒的S&P500分析報(bào)告中的同比股息增長(zhǎng)。我們有理由更相信投資者會(huì)支持提的通貨膨脹，而目前的估值才剛剛達(dá)到經(jīng)濟(jì)衰退前水平。AI和生產(chǎn)力的矛盾：采訪JanHatziusHealthTerry:Hatzius個(gè)生產(chǎn)力提升爆發(fā)點(diǎn)，主要原因是技術(shù)推動(dòng)的。技術(shù)的變化和推進(jìn)非?？欤o年代，甚至比那時(shí)候還要更低。增速，第一件事是循環(huán)效應(yīng)(CyclicalEffect)，我們依然受制于經(jīng)濟(jì)衰退后持續(xù)的過(guò)低的增長(zhǎng)時(shí)，我們的生產(chǎn)力也就會(huì)越低。在看起來(lái)這種增速大大放緩了。第三點(diǎn)是在過(guò)去十年發(fā)展起來(lái)的新技術(shù)，比如移動(dòng)通信和消費(fèi)者聚焦技術(shù)(Consumerogyrry大內(nèi)存，更多計(jì)算機(jī)硬件等。rryok7經(jīng)濟(jì)帶來(lái)同樣的影響。P字結(jié)合的產(chǎn)品，這都給我們的度量造成了誤差。rryrry到了成本，這些會(huì)影響定價(jià)嗎？是否這為我們的通縮造成影響？的工作的勞動(dòng)力轉(zhuǎn)移到別的工作上。rry來(lái)失業(yè)率的提高。rry的十年里，在投資市場(chǎng)里我們看到很多企業(yè)的回購(gòu)和拆分。是我們依然認(rèn)為今年的投資率在慢慢上升，投資對(duì)生產(chǎn)力的影響也在提升，特別是在2010erry高的收益呢？是很快就會(huì)有競(jìng)爭(zhēng)介入，之后利潤(rùn)率就會(huì)恢復(fù)正常水平。rry8大的變化。是周期結(jié)束后跌的也很慘。我認(rèn)為肯定會(huì)對(duì)估值有很大影響。生態(tài)系統(tǒng)：云服務(wù)，AI的下一個(gè)投資周期開(kāi)源的關(guān)鍵受益人我們相信利用人工智能技術(shù)的能力將成為未來(lái)幾年所有主要行業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的主要定義屬性保持競(jìng)爭(zhēng)力，將推動(dòng)對(duì)人才，服務(wù)和硬件底層人工智能的需求的激增。術(shù)力，存儲(chǔ)和帶寬的提升。同時(shí)每次還貸的變化都伴隨著新的開(kāi)發(fā)語(yǔ)言的演變。AI和神經(jīng)網(wǎng)應(yīng)用，工具和服務(wù)的大爆炸。批開(kāi)源可直接使用的AI棧上的組件，按照功能分層為(silicon,storage,infrastructuresoftware,dataprocessingengines,programminglanguagesandtools)。產(chǎn)品和平臺(tái)分別有Databricks,Cloudera,Hortonworks,Sykmind和Microsoft,Google,Amazon,Baidu提供AI服務(wù)化：為了獲取這種創(chuàng)新能力，很多企業(yè)會(huì)選擇使用別的公司已經(jīng)成熟的學(xué)習(xí)系統(tǒng)，銷(xiāo)售數(shù)據(jù)的服務(wù)。9自建：云平臺(tái)和開(kāi)源系統(tǒng)正在成為AI的左膀右臂BoardInstitute)中應(yīng)用非常多。習(xí)。AI依然有非常多的創(chuàng)新等著我們。在開(kāi)始提供這些服務(wù)，能夠降低費(fèi)用。主要應(yīng)用決定了整個(gè)神經(jīng)網(wǎng)絡(luò)的能力，這兩個(gè)應(yīng)用都有各自需求的資源系統(tǒng)。第一個(gè)是trainingalgorithm，它在大量數(shù)據(jù)中尋找出關(guān)系，并提煉出模型，并通過(guò)模型決定對(duì)應(yīng)新e會(huì)成為多數(shù)公司的首選。KGPUsGBofmemoryand1.4TBSSDdisk。GoogleCloudPlatform(GCP)：Beta階段，的存儲(chǔ)結(jié)構(gòu)和公共服務(wù)存儲(chǔ)的同時(shí)或者相關(guān)的技術(shù)支持比自己搭建專用的整套系統(tǒng)更為合和其他來(lái)源的活數(shù)據(jù)被流進(jìn)模型進(jìn)行分析，然后試試分析這些數(shù)據(jù)。在以前的ETL提供商 c可參照的公司:Confluent(Kafka),Databricks(SparkStreaming),Cloudera(SparkStreaming),Skymind(DataVec),IBM(Streams),Microsoft(AzureDataFlow).數(shù)據(jù)處理:數(shù)據(jù)庫(kù)和數(shù)據(jù)處理技術(shù)一直是一個(gè)大市場(chǎng)，2015年統(tǒng)計(jì)，數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模是I經(jīng)網(wǎng)絡(luò)從節(jié)點(diǎn)獲取數(shù)據(jù)，然后產(chǎn)生輸出。例如，輸入可能是圖片或者是郵件，輸出可能是“spam”或者“cat”.GoogleTensorFloworCaffe能夠幫助用戶直接使用據(jù)。ecommitterstotheprojectsourceprovider支持者。SBI機(jī)器學(xué)習(xí)相關(guān)的工具，如Microsoft’sAzureMachineLearningsolution，為使用者提SAS(SASEnterpriseMiner),Tableau,Microsoft(AzureMachineLearning),AmazonMachineLearningDatabricks咨詢服務(wù)：IBMAccentureandDeloitte,Teradata.學(xué)習(xí)相關(guān)人才的培訓(xùn)和儲(chǔ)備上，現(xiàn)在做的最好的是這幾家公司：entureandDeloitteAppirio,Bluewolf,andFruitionPartners這些云計(jì)算相關(guān)的公司也在人才儲(chǔ)備方面增亞馬遜MachineLearningAPI提供通用機(jī)器學(xué)習(xí)模型和預(yù)測(cè)托APIs谷歌VisionAPI根據(jù)月使用量和特征數(shù)量，每千GoogleCloudMachinening使用戶可以構(gòu)建機(jī)器學(xué)習(xí)模型的集群上訓(xùn)練：基于每小時(shí)使用的訓(xùn)練單元情況，收取0.49$到小時(shí);預(yù)測(cè)請(qǐng)求：每1k請(qǐng)求0.05$到hAPI將語(yǔ)音轉(zhuǎn)換成文本CloudNaturalguageAPI無(wú)結(jié)構(gòu)化文本數(shù)anslateAPIredictionAPI機(jī)器學(xué)習(xí)及預(yù)測(cè)更新收取0.05$；訓(xùn)練數(shù)據(jù)每M微軟omputerVisionAPI數(shù)據(jù)可視化分析otionAPI根據(jù)使用量，1k事務(wù)收取0$到頻免費(fèi)aceAPI人臉檢測(cè)及人臉extAnalyticsAPI非結(jié)構(gòu)化文本分析VideoAPI從視頻中進(jìn)行人臉跟蹤、移動(dòng)檢BingSpeechAPI語(yǔ)音轉(zhuǎn)換成文本及文本轉(zhuǎn)換成語(yǔ)stomRecognitionce可定制語(yǔ)言識(shí)別SpeakerRecognitionAPI語(yǔ)言及說(shuō)話者識(shí)BingSpellcheckAPI根據(jù)月使用量，每月收取0$到uagenderstandingIntelligentService根據(jù)用法，每1事務(wù)收取0$到LinguisticAnalysisAPI用于結(jié)構(gòu)化文本識(shí)別的自然語(yǔ)言WebLanguageModelAPI工具AcademicAPIedge用于學(xué)術(shù)目的用戶請(qǐng)求翻譯，從Microsoft索信息tityLinkinges言處理commendationsAPI推薦BingAutosuggestAPI根據(jù)每月使用情況，收取0$到ingNews/Image/Video/WebhAPI根據(jù)每月使用情況，收取0$到據(jù)在更加細(xì)化層面，例如：CRM(商機(jī)分析)、HR(人才保留)和制造業(yè)(預(yù)見(jiàn)性維護(hù))，可以據(jù)集，并且我們發(fā)現(xiàn)他們的數(shù)據(jù)長(zhǎng)遠(yuǎn)來(lái)講是一種障礙。(并且我們發(fā)現(xiàn)這類供應(yīng)商已經(jīng)為長(zhǎng)考察的公司包括：eNow垂直特定領(lǐng)域的“AI即服務(wù)”很可能更多樣化地推動(dòng)。大產(chǎn)業(yè)巨人能聚合數(shù)據(jù)，通過(guò)這些如一些零售商能夠通過(guò)混合數(shù)據(jù)更好地和亞馬遜的推薦引擎競(jìng)爭(zhēng))、藥物發(fā)現(xiàn)、診斷等方面的疑難問(wèn)題。AiCure。Apixio提供增加“聯(lián)邦醫(yī)療保險(xiǎn)優(yōu)良計(jì)劃”風(fēng)控的準(zhǔn)確性、生產(chǎn)ArterysAtomwise.BioBeats.Butterflynetwork的帶有深度學(xué)習(xí)算法的超聲波機(jī)器.DeepGenomics基于機(jī)器學(xué)習(xí)的技術(shù)來(lái)開(kāi)發(fā)精準(zhǔn)醫(yī)療、基因檢測(cè)、診斷和.Enlitic術(shù)從臨床案例中產(chǎn)生有用(可執(zhí)行)的結(jié)論Entopsis疾病、罕見(jiàn)疾病的診斷方案Ginger.io產(chǎn)生的行為數(shù)據(jù)，做心理健康監(jiān)控。Healint病管理的解決方案LumiataMedAware決方案Numerate學(xué)習(xí)技術(shù)的藥物設(shè)計(jì)平臺(tái)l通過(guò)大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)方式來(lái)解決腫瘤學(xué)問(wèn)題的臨床VisExcell面計(jì)算機(jī)輔助的探測(cè)軟件Wellframe提供的病人管理和分析的解決方案Welltok基于機(jī)器學(xué)習(xí)技術(shù)的健康管理工具提供方，他們將健康程ZebraMedicalVision的實(shí)時(shí)分析和可以追溯的醫(yī)療圖像服務(wù)ZephyrHealth務(wù)的生命科學(xué)解決方案公司(Crunchbase)中國(guó)人工智能現(xiàn)狀能的發(fā)展，包括資金、系統(tǒng)標(biāo)準(zhǔn)化、W1)基礎(chǔ)服務(wù)如數(shù)據(jù)源和計(jì)算平臺(tái)2)硬件產(chǎn)品如工業(yè)機(jī)器人和服務(wù)機(jī)器人3)智能服務(wù)如智能客服和商業(yè)智能4)技術(shù)能力如圖像識(shí)別和機(jī)器學(xué)習(xí)，9%在基礎(chǔ)機(jī)器學(xué)習(xí)。aiduDuEr百度秘書(shū))基于巨大神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)無(wú)人駕駛車(chē)在北京完成上路uSee整合了百度移動(dòng)搜索和地圖addlePaddle整合了智能搜索和個(gè)性化新聞推薦的移動(dòng)APP，采用了等技術(shù)。由AIDTPAIICDAR魯棒識(shí)別大賽中獲得套件utu騰訊對(duì)外開(kāi)放了人臉識(shí)別等reamwriter騰訊發(fā)布了中國(guó)第一個(gè)新聞器人智能聯(lián)合實(shí)機(jī)器人:用戶界面的未來(lái)子商務(wù)，客戶支持，員工工作流程及工作效率的廣泛影響。low化的趨勢(shì)將會(huì)持續(xù)激發(fā)智能機(jī)器人的發(fā)展，主要領(lǐng)導(dǎo)者(亞馬遜，谷歌，蘋(píng)果，微軟)期望更廣泛。xNet的網(wǎng)絡(luò)結(jié)構(gòu)。消息平臺(tái).機(jī)器人的興起與諸如FacebookMessenger，WhatsApp以及面向企業(yè)的Slack和臺(tái)上的商業(yè)活動(dòng)。第二大類獲益的公司是硬件和基礎(chǔ)設(shè)施提供商，其范圍從GPU提供商 om潛在方式。antHome于該用戶“最佳”的攝像機(jī)。創(chuàng)新者能夠繼續(xù)完善在購(gòu)物過(guò)程中的使用體驗(yàn)(Echo，EchoDot)，GoogleHome。能生態(tài)參與者機(jī)器人其基礎(chǔ)設(shè)備(濕度、溫度等)Imagimob、FocusMotionSentenai、Skymind、IBMSentrianBuildingboticsMoov復(fù)制處理ullStringConvirzaNeuronSW、AudioAnalytic知CivilMapsDriveTimeMetrics、CognitiveScaleentTechnologies像處理Cortica、BayLabs、Insight、Abeja、ViSenze、AGERpoint、Movidius、Affectiva、ClarifaiobalFoundriesGoogleInbentaTechnologies、DefinedCrowdSemanticMachines、SentisisFidelity、Parakweet、Nuance、Clinithink、Maluuba、igitalGeniusArtificialInteligence、Cortical.io：使用案例與潛在機(jī)會(huì)優(yōu)化種子種植、施肥、灌溉、噴灑和收獲對(duì)水果和蔬菜進(jìn)行分揀，以降低勞動(dòng)成本根據(jù)聲音的變化識(shí)別牲畜是否生病在財(cái)務(wù)數(shù)據(jù)沖擊市場(chǎng)之前識(shí)別和執(zhí)行交易正和包裝衛(wèi)星圖像，用于經(jīng)濟(jì)、市場(chǎng)預(yù)測(cè)(如石油庫(kù)存和零售交通的圖像)識(shí)別信用風(fēng)險(xiǎn)并自動(dòng)設(shè)限、關(guān)閉可能違規(guī)的賬戶監(jiān)控電子郵件增加新藥成功率通過(guò)歷史數(shù)據(jù)分析改善護(hù)理算法降低程序成本基于圖像的商品搜索通過(guò)大數(shù)據(jù)增強(qiáng)推薦引擎功能，設(shè)置銷(xiāo)售、庫(kù)存和用戶偏好改善在線搜索提升客戶支持商品需求預(yù)測(cè)和定價(jià)優(yōu)化學(xué)習(xí)地質(zhì)和生產(chǎn)數(shù)據(jù)，進(jìn)行項(xiàng)目識(shí)別和規(guī)劃提高設(shè)備可靠性，減少?gòu)S井冗余減少下游行業(yè)設(shè)備的維護(hù)停機(jī)時(shí)間行業(yè)應(yīng)用農(nóng)業(yè)同時(shí)有助于早期發(fā)現(xiàn)作物/牲畜疾病，降低與收獲后分揀相關(guān)的勞動(dòng)力成本,提高市場(chǎng)上的產(chǎn)品和蛋白質(zhì)的質(zhì)量。當(dāng)我們看到用于收集土壤，天氣，航空/衛(wèi)星圖像，甚至聽(tīng)覺(jué)數(shù)據(jù)的在哪里？的組織，以利用深度分析來(lái)提高產(chǎn)量。利用傳感器，天氣，土壤，甚至無(wú)人機(jī)/衛(wèi)星圖像數(shù)據(jù)，機(jī)器學(xué)習(xí)可以根據(jù)當(dāng)前和預(yù)期的天止產(chǎn)量損失。相同的模式識(shí)別技術(shù)可以用于在家畜動(dòng)物中識(shí)別疾病和跛足(影響運(yùn)動(dòng)和健康的腿/腳/蹄的感染或損傷)。最后，我們看到了使用視覺(jué)圖像和自動(dòng)分揀設(shè)施來(lái)替代產(chǎn)品和肉類分級(jí)視檢查員的應(yīng)用。在哪里？農(nóng)作物產(chǎn)量受不理想的施肥，灌溉和農(nóng)藥使用的負(fù)面影響。高盛研究報(bào)告“精確農(nóng)場(chǎng)：用數(shù)字農(nóng)業(yè)欺騙馬爾薩斯”(PrecisionFarming:CheatingMalthuswithDigitalAgriculture2016一演變的下一步，特別是在收獲/屠宰之后的分揀過(guò)程中，其中大多數(shù)對(duì)產(chǎn)品和肉制品的目，決方案。：肥料：天氣和現(xiàn)場(chǎng)監(jiān)測(cè)，和農(nóng)業(yè)蓋毯應(yīng)用。種植：多種子種植機(jī)，可變速率種植和作物輪作。和無(wú)人機(jī)圖像已經(jīng)在一些規(guī)?；?jīng)營(yíng)中針對(duì)大范圍目標(biāo)區(qū)域使用。農(nóng)業(yè)蓋毯領(lǐng)域。灌溉：溢流和其他表面灌溉，中心樞軸灑水器，滴灌系統(tǒng)和噴淋/滴灌混合系統(tǒng)。小麥等作物的大部分收獲已經(jīng)開(kāi)始在大農(nóng)場(chǎng)機(jī)械化。一些分類已大小和顏色)FBNFBN個(gè)農(nóng)民成員提供如何確定產(chǎn)量，時(shí)間，天氣和其他數(shù)據(jù)的建議。，。地效率最低、技術(shù)最落后的灌溉方式。溉方式進(jìn)行灌溉的農(nóng)業(yè)用地的百分比。國(guó)糧農(nóng)組織和高盛全球投資研究部人工智能和機(jī)器學(xué)習(xí)能起到什么作用？機(jī)器學(xué)習(xí)所具備的通過(guò)使用大數(shù)據(jù)集來(lái)優(yōu)化單個(gè)或一系列關(guān)鍵目標(biāo)的能力很適合用來(lái)解決的作物產(chǎn)量、疾病預(yù)防和成本效益等問(wèn)題。，提高作物產(chǎn)量。人類已經(jīng)利用了地球上幾乎所有可用的農(nóng)業(yè)用地，然而聯(lián)合國(guó)預(yù)計(jì)到2050器的數(shù)據(jù)，并幫助確定播種、施肥、灌溉、噴藥和收割的最佳方法。每一項(xiàng)創(chuàng)新中幾乎都發(fā)揮著重要作用。來(lái)的玉米產(chǎn)量的潛在提高量。球投資研究部，美國(guó)農(nóng)業(yè)部，公司數(shù)據(jù)豆。，些可治愈疾病所引起的損失。來(lái)源：AnIntelligentProcedurefortheDetectionandClassificationofChickensAvic.Vol17.No.4CampinasOct./Dec.2015.化市場(chǎng)機(jī)會(huì)在農(nóng)作物種植領(lǐng)域，我們認(rèn)為機(jī)器學(xué)習(xí)和人工智能技術(shù)可以幫助實(shí)現(xiàn)農(nóng)作物產(chǎn)量提高h(yuǎn)1.JerryRevichet.al,“PrecisionFarming:CheatingMalthuswithDigitalAgriculture,”publishedonJuly13,2016.受到影響？在低成本的基礎(chǔ)上擴(kuò)大全球的糧食、乳制品和牲口的供應(yīng)。引起波動(dòng)：化肥業(yè)，除蟲(chóng)劑業(yè)，除草劑業(yè)，除菌劑業(yè)以及獸醫(yī)藥業(yè)。農(nóng)民商業(yè)網(wǎng)絡(luò)(FarmersBusinessNetwork)大眾化，并且使農(nóng)民可以利用數(shù)據(jù)定價(jià)、先把種子和優(yōu)化產(chǎn)量。問(wèn)題實(shí)曾經(jīng)被供應(yīng)商區(qū)別對(duì)待。進(jìn)而最大化產(chǎn)量和生產(chǎn)率。FBN，零售么？變，研究中，也發(fā)現(xiàn)了一些可以利用AI/ML來(lái)拓展零售價(jià)值鏈的關(guān)鍵領(lǐng)域。我們提高勞動(dòng)力和庫(kù)存效率，并通過(guò)優(yōu)化定價(jià)改善銷(xiāo)售。么？足。商店的數(shù)量和規(guī)模。商店的遍布(footprints)，不管是從總面積還是人均使用面積來(lái)務(wù)不斷滲透到如電子和服裝這些傳統(tǒng)類別，新的類別如快速消費(fèi)品(CPG)將為電子商務(wù)提。時(shí)制造(just-in-timemanufacturing)，物流和庫(kù)存管理在近幾十年來(lái)有了顯著改善。像。速增長(zhǎng)和對(duì)計(jì)算資源的瘋狂消耗，數(shù)據(jù)稀缺、用戶/商品“冷啟動(dòng)”以及加而導(dǎo)致的擴(kuò)展性問(wèn)題，對(duì)消費(fèi)水平計(jì)算所需的資源開(kāi)始變得不切實(shí)際。像Zalando和方法來(lái)提高搜索結(jié)果的相關(guān)性來(lái)為他們的平臺(tái)提供更大的優(yōu)勢(shì)。性的本地影響，并將其納入到營(yíng)銷(xiāo)和生產(chǎn)過(guò)程中。特的用戶購(gòu)物模式所帶來(lái)的影響。Dunnhumby是英國(guó)跨國(guó)零售商樂(lè)購(gòu)(Tesco)的一家全資子公司，致力于同品牌和零售促銷(xiāo)和個(gè)性化提供見(jiàn)解。及對(duì)于分析結(jié)果的適當(dāng)調(diào)整。本和提高銷(xiāo)售有重要意義。銷(xiāo)工具是“消費(fèi)和節(jié)省”建議。零售商通過(guò)調(diào)整定位能夠在促銷(xiāo)計(jì)劃中改善結(jié)果。L務(wù)的持續(xù)滲透增加了此任務(wù)的可用數(shù)據(jù)量,但是挑戰(zhàn)仍然存在，將這些數(shù)據(jù)轉(zhuǎn)化為理解的數(shù)據(jù),不僅提高目標(biāo)的定位，同時(shí)也向更有挑戰(zhàn)性的運(yùn)動(dòng)趨勢(shì)預(yù)測(cè)傾斜。我們相信這種類型的預(yù)測(cè)非常適合與AL/ML的分析能力相結(jié)合，不僅可以實(shí)現(xiàn)定量分析，也可以實(shí)現(xiàn)可視化的程的整合帶來(lái)的平均收入增長(zhǎng)約9.7％(相關(guān)的90％信任區(qū)間為[2.3％，17.8％])。鑒于了擾亂？式，那些之前從大型零售商和品牌商過(guò)度購(gòu)買(mǎi)和/或，們認(rèn)為一家公司特別適合采用人工智能/機(jī)器學(xué)習(xí)來(lái)降低自身的運(yùn)營(yíng)成本和客服成本-斯么？L理層根據(jù)一系列宏觀假設(shè)批準(zhǔn)這些項(xiàng)目，例如石油價(jià)格及其主要產(chǎn)品/服務(wù)的供需情況。成本制定執(zhí)行計(jì)能/機(jī)器學(xué)習(xí)應(yīng)用程序可以幫助更準(zhǔn)確地確定項(xiàng)目成本。油服務(wù)業(yè)高度重視提高設(shè)備可靠性，人工智能/機(jī)器學(xué)習(xí)在這方面可以提供有效幫助。該行僅降低設(shè)備維護(hù)成本，而且降低項(xiàng)目的部署成本。增加下游行業(yè)的正常運(yùn)行時(shí)間。計(jì)劃和計(jì)劃外停機(jī)的嚴(yán)重程度也影響了下游行業(yè)的盈利。。么？開(kāi)采，并且許多上游公司分布在世界各地。在石油服務(wù)產(chǎn)業(yè)里，三個(gè)巨頭公司(斯倫貝榭公不能同時(shí)掌握地質(zhì)、據(jù)，但是這些公司可能不愿意分享它。這種情況限制了數(shù)據(jù)分析達(dá)到最優(yōu)效果。分放置傳感器，這些關(guān)鍵部分能幫助人工智能/機(jī)器學(xué)習(xí)應(yīng)用。舉一個(gè)例子，企業(yè)可能有防公司需要一段時(shí)間獲得這些數(shù)據(jù)。開(kāi)展業(yè)務(wù)的當(dāng)前方法是什么？工作分給不相關(guān)的服務(wù)提供者?？碧?生產(chǎn)有最多的信息，但是他們沒(méi)有完全懂得服務(wù)公司成本，他們?cè)谂c一些像斯倫貝榭(SLB)或者FMC科技這種樣整合很好的服務(wù)公司合作中處產(chǎn)品的可靠性，AI/ML還可以幫助縮短產(chǎn)品開(kāi)發(fā)、化之間的時(shí)間。通過(guò)減少鉆井的時(shí)間和成本，更好地定位油氣儲(chǔ)量，從而降低油田開(kāi)發(fā)成本。通過(guò)提高設(shè)備正常運(yùn)行時(shí)間和降低維護(hù)成本，降低現(xiàn)場(chǎng)壽命周期服務(wù)的生產(chǎn)成本。ML2016年，我們預(yù)計(jì)高盛集團(tuán)(GS)投資亞洲新興工業(yè)化國(guó)家和地區(qū)的石油和天然氣公司數(shù)字還不包括設(shè)備升級(jí)等主要資本成本。國(guó)壓力泵運(yùn)行平均需要大約20,000水馬力力泵部署工作冗余減少一半計(jì)通過(guò)“未來(lái)鉆機(jī)”改善鉆井時(shí)間。石油和天然氣工業(yè)鉆探深水井時(shí)，每日需要花費(fèi)70可觀的成本。方式減少鉆井時(shí)間：如防噴器(尤其是海底)和頂部驅(qū)動(dòng)器等問(wèn)題了解井中可能遇到的情況，選擇正確的井底組件。閉環(huán)信息系統(tǒng)”，優(yōu)化鉆井性能。動(dòng)化程度，減少“機(jī)組質(zhì)量”對(duì)可重復(fù)性性能的影響。的停機(jī)時(shí)間。進(jìn)，提高可重復(fù)性性能。自動(dòng)化鉆井系統(tǒng)大幅度提升其鉆井性能化鉆井系統(tǒng)提高煉油廠正常運(yùn)行時(shí)間。美國(guó)煉油工業(yè)的生產(chǎn)基數(shù)約為1800萬(wàn)桶/日，平均利用率制能力(百萬(wàn)桶/天)一年平均停機(jī)時(shí)間能下降(百萬(wàn)桶/天)平均每桶利潤(rùn)被影響？成為行業(yè)標(biāo)準(zhǔn)，同時(shí)也是將成為改善客戶體驗(yàn)的代名詞。是非常有用的。GOOGLE(谷歌)在人工智能領(lǐng)域正在做什么？布了針對(duì)平臺(tái)的定制化硬件加速器方面取得的進(jìn)展，一種定制化的ASIC，亦即TPU，這一能相關(guān)的收購(gòu)戰(zhàn)中，公司也當(dāng)仁不讓。被收購(gòu)的公司中，最知名的當(dāng)屬DeepMind，它提升Alphabet的神經(jīng)網(wǎng)絡(luò)功能并已經(jīng)將其應(yīng)用于各種人工智能驅(qū)動(dòng)的項(xiàng)目中。為什么會(huì)做這樣的事情呢？的搜索意圖，以達(dá)到期望的目標(biāo)，這也不斷加強(qiáng)了公司在該領(lǐng)域的競(jìng)爭(zhēng)優(yōu)勢(shì)。使用AMZN(亞馬遜)在人工智能領(lǐng)域正在做什么？nML器學(xué)習(xí)服務(wù)能夠?yàn)閷?duì)云數(shù)據(jù)的使用提供機(jī)器學(xué)習(xí)功能(無(wú)需之前的客戶經(jīng)驗(yàn))。公司的用戶體驗(yàn)。為什么會(huì)做這樣的事情呢？AWS，亞馬遜成為全球最大的云服務(wù)商，可能也是最成熟的人工智能平臺(tái)。借助雜應(yīng)用，AWS用戶就能使用機(jī)器學(xué)習(xí)訓(xùn)練模型，評(píng)估以及優(yōu)化潛力。人工智能創(chuàng)新：AAPL(蘋(píng)果),MSFT(微軟)Apple(AAPL)在人工智能領(lǐng)域正在做什么？nov的虛擬助手，2014年，其語(yǔ)音識(shí)別技術(shù)被移入神經(jīng)網(wǎng)絡(luò)系統(tǒng)。為什么會(huì)做這樣的事情呢？取得相對(duì)專有的機(jī)器學(xué)習(xí)成就;2015年10月，Bloomberg這一策略轉(zhuǎn)型多少與新的、與人工智能相關(guān)的雇傭與收購(gòu)有關(guān)，科技記者StevenLevy在Backchannel的一篇報(bào)道強(qiáng)調(diào)公司已經(jīng)在人工智能領(lǐng)域活躍一段時(shí)間了。技術(shù)創(chuàng)新公司產(chǎn)品。Microsoft(MSFT)在人工智能領(lǐng)域正在做什么？AI經(jīng)積極地將新的、融合人工智能的功能嵌入公司核心服務(wù)中，并在對(duì)話計(jì)算(比如UFPGA理當(dāng)中，為機(jī)器學(xué)習(xí)提供動(dòng)力和速度。為什么會(huì)做這樣的事情呢？年9月下旬)。微軟的FPGA表現(xiàn)突出了人工智能可以為普通商業(yè)或個(gè)人帶來(lái)什么；不到十分之一秒，Siri,Alexa以及其他助理之間的競(jìng)爭(zhēng)，進(jìn)一步