人工智能有多火，现在进了美国商学院的课程表_智能_好奇心日报
社交账号登录
新用户注册 上传头像拖拽或者缩放虚线框，生成自己满意的头像预览 忘记密码
设置新密码
智能人工智能有多火，现在进了美国商学院的课程表
为了让学生用 AI 来做商业决策
“人工智能”这个通常都会跟科技公司出现在一起的名词，现在也上了一些商学院的课程大纲。
最近、哈佛商学院、西北大学凯洛格商学院、
MIT 斯隆管理学院等全球一些一流商学院在自己的 MBA 课程里添加了人工智能的相关课程。
凯洛格商学院从今年 4 月起就计划开设为期 10 周的机器学习的选修课程。参与开发了 3 门人工智能课程的教授 Brain Uzzi 称，他们开设的课程并不是要训练学生像软件工程师那样掌握相关技术，而是通过这些课程让他们在未来做商业决策时懂得运用这些技术。
在这门选修课上，学生会做一份传统的个性测试，然后他们会用算法从这些学生自己的 Facebook 上抓取关于他们喜欢和不喜欢的数据信息，并生成另一份个性数据。结果出来后，课程老师会让学生在这两份测试结果中选择出最符合他们性格的结果。此外，他们还将学习如何利用人工智能技术来生成个人资料，帮助学生更好地根据团队成员的个性和技能组织领导团队。
斯坦福大学商学院的教授 Bayati 则把算法和实际问题结合在一起，让学生学会用算法来解决一些实际的问题。课程中的一部分是让学生为一个慈善机构的募捐做一个市场营销活动。
他会从公开的数据库里抓取 10 万名消费者的数据提供给学生，这些数据中包括家庭收入、位置、信用积分等信息。学生需要根据这些信息制定预测用户模型，并制定具体的营销计划。
人工智能现在已经成为一个热门词，无论是像苹果、Google 这样的科技巨头，还是正在尝试转型做人工智能的，再小到创业公司，它都是个热门领域。
根据此前数据分析机构 CB Insights 的数据统计，尽管从 2015 年下半年开始，风投机构对于初创公司的投资数量持续下跌至 2011 年以来的低位，但它们在人工智能领域的投资却有增无减，获得融资的公司数量是 2011 年的
2016 年全球人工智能投资情况
而根据市场调查机构 IDC 的数据，预计今年公司在 AI 技术方面的支出将达到 80 亿美元，而到 2020 年，这个数字将增长至 470 亿美元。
喜欢这篇文章？去 App 商店搜
，每天看点不一样的。分享至：
没有更多啦
登录查看你的好奇心指数
根据你的好奇心指数推荐
好奇心微信公众号中国人/华人在人工智能领域很牛，到底有多牛？
来源：搜狐财经
作者：创新工场
原标题：中国人/华人在人工智能领域很牛，那到底有多牛？
　　虎嗅注：本文是创新工场AI工程院副院长王咏刚做得深度的文章数据分析，缘由就是即将卸任的奥巴马总统总想搞个大事情，上周三美国白宫科技政策办公室公布全世界在AI领域的研究数据，惊呼中国已领先世界，奥巴马也接受《连线》杂志的专访谈美国在AI的战略与未来走向。对此，王咏刚做了一个数据分心来比较客观、系统的帮我们论证一下，AI领域，中国人/华人有多牛？美国白宫报告按国家统计得出中国领先世界的结论是否科学、合理？
　　本文原文载于创新工场公众号，作者：王咏刚，原标题为：《深度丨AI领域，中国人/华人有多牛？》。
　　人工智能这把火已经烧到了国家战略层面，连美国总统和政府机构也卷了进来。上周四，奥巴马主持白宫前沿峰会，展望美国在未来50年的发展。峰会中，白宫发布报告《国家人工智能研究与发展策略规划》（见原文链接）。相关情况，大家可以参考《连线》杂志的总统专访（Wired: Barack Obama on Artificial Intelligence, Autonomous Cars, and the Future of Humanity） 。
　　这两天，自媒体没少炒作这个报告；我自己呢，倒是特别地对这个报告中的两张趋势图感兴趣。报告中说，从2013年到2015年，SCI收录的论文里，提到“深度学习”的文章增长了约六倍，同时强调，“按文章数计算，美国已不再是世界第一了。”
　　美国不是世界第一？谁是世界第一呢？来看报告中的两张趋势图：
　　上图是每年SCI收录的文章里，提到“深度学习”或“深度神经网络”的文章数量变化趋势，同时按国家做了区分。数据本身是从Web of Science核心数据库里查询得到的。
　　第二张图和第一张图其他条件一样，只是增加了一个“文章必须至少被引用一次”的附加条件。也就是说，第二张图统计的文章数，是被引用过的“有效文章数”，相对来说更合理一些。
　　两张图里，中国都在2014年和2015年超过了美国（以及其他所有第二梯队的国家），居于领跑者的位置。
　　问题来了，在AI研究领域，中国人真有这么强吗？
　　从这些年的直觉看，中国人/华人在人工智能领域里的大牛比比皆是，吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏 &&随口可以说出一大串，我自己在Google的研究团队，微软研究院等地亲眼看到的，也到处是中国人、华人的面孔。但这只是直观感受。整体来看，中国人/华人所做的科研贡献到底有多重要，对人工智能的推动作用到底有多大？白宫报告里的统计是不是科学、合理？
　　其实，对美国国家战略规划里的统计，我自己是有几个疑问的，主要包括：
　　直接搜索关键字“深度学习”、“深度神经网络”，真的能涵盖这些年人工智能领域的所有科学研究进展？像机器人、智能控制、机器视觉、无人驾驶等领域里，没有提及深度学习的文章眼见还有不少。严格按关键词匹配会漏掉多少相关文章？是否影响统计结果？
　　“文章至少被引用一次”，比较科学，但好像还远远不够。这种统计，真的不需要考虑SCI的影响因子吗？不考虑的话，会混进多少较差期刊上发表的比较水的论文？这些数据会不会被国内研究机构靠SCI引用数来评职称的风气污染？
　　在全球化时代，按国家统计，会不会有明显偏差？白宫报告没有提到被统计的文章是如何归入不同国家的。如果按作者发表文章时的所在机构，那大量在国外机构访问的中国学者会不会被算成外国人？中国人和外国人合写的文章该如何统计？如果按期刊所属国家和地区，那不同国家间的期刊水平（影响因子）差异是不是会让统计结果带有偏见？
　　基于此，我也想自己去做个统计。
　　统计前，给自己设了几条原则：
　　从期刊的影响因子出发，只统计影响因子高的顶尖期刊。
　　从Web of Science主题词出发，涵盖人工智能相关的所有科研领域，而不仅是深度学习方面的文章。
　　关注对象是华人，而不是用国家分类的办法去比较中国和外国――这个是我自己的选择，因为今天的学术界，国家间的合作和交流已不可忽视。类似吴恩达这样的外籍华人，其实也在为中国的人工智能发展做贡献。与其限定国家，不如从整体上看一看，地球上的华人科学家、研究者群体，到底有多厉害。
　　关注时间范围是年，跨度10年左右――因为许多人说，这一波人工智能大潮是从2006后的几年时间里，才开始真正兴起的。
　　我的统计结果
　　先说说我的统计结果，一会儿会在附录一中讲讲我用的统计方法。
　　来看下年间华人作者的平均贡献：
　　在年的时间段里，近两万篇最顶级的人工智能文章中，由华人贡献的文章数和被引用数，分别占全部数字的29.2%和31.8%。近十年，华人用五分之一左右的作者人数，平均贡献了三成的顶级AI研究文章和被引用数。统计角度，这已经是超出平均水平的科研贡献了。
　　但平均数并不能看出华人科学家、研究者在最近几年的发力程度。来看年间，华人贡献的文章数和被引用数的变化趋势：
　　年间，华人作者参与的顶级AI论文，占全部顶级AI论文数量的比例，从23.2%逐年递增到42.8%。而华人作者参与的顶级AI论文被引用次数，占全部顶级AI论文被引用次数的比例从25.5%逐年递增到55.8%（2016 年数据较少，未用于趋势比较）。
　　也就是说，即便只统计顶级出版物里的顶级文章，中国人/华人在人工智能领域的贡献，在发展趋势上也和白宫报告中揭示的规律如出一辙――无论从哪个角度来说，中国人/华人正在人工智能领域里发挥举足轻重的作用，而且，从2014年，2015年开始，中国人/华人已经处于人工智能研究的领先地位，占据了人工智能科研世界的半壁江山！
　　个案分析
　　会有人觉得这个统计很不可思议吗？这个结果会出乎很多人意料吗？我们还可以拿一个更具体的例子，来深入分析一下。
　　在顶级人工智能期刊和会议录里，我来举个大名鼎鼎的例子吧：IEEE模式分析与机器智能汇刊（IEEE Transactions on Pattern Analysis and Machine Intelligence，简称PAMI），2015年影响因子6.077，高到没朋友，想往这里投稿的同学可能都知道被接受和发表的难度有多恐怖。
　　我从《IEEE模式分析与机器智能汇刊》里按引用数选出年间的前500篇论文，下面是这500篇论文的引用数分布情况：
　　其实很恐怖的，前500篇文章最高引用数2715，最低引用数41――真顶级期刊！普通期刊难以望其项背呀。
　　那么，这500篇最顶级的人工智能论文里，华人科学家、研究者的贡献如何呢？先说几个数字：500篇顶级文章的作者一共1220人，其中华人科学家、研究者316人，占25.9%。所有作者单独累加计算的被引用数总和是231361次，其中，华人科学家、研究者被引用数总和是63846 次，占27.6%。如果单看2014年（当年华人的文章数、引用数均较高）的数据，华人科学家、研究者被引用数占51.8%，超过了半数。
　　如果只看《IEEE模式分析与机器智能汇刊》在年间，引用数最多的10位华人作者和10位非华人作者的具体情况，也是一个很有趣的表格：
　　《IEEE模式分析与机器智能汇刊》的华人前10位大牛，与非华人前10位大牛，在每个人的总引用数上几乎不相上下。的确，最顶尖的人工智能科学家里，中国人/华人的贡献丝毫不亚于其他科学家。
　　另外，如果对人工智能特别是模式识别的研究领域不熟悉，那么，记住表中这20位顶尖科学家的名字吧。有兴趣的话，大家可以去搜一搜他们的简历，看看他们都在哪里工作，在哪里做研究，他们的学生、同事都是谁，相信会有很多发现。
　　原因？
　　为什么中国人/华人在人工智能领域这么强？因为数学好？因为兴趣使然？因为思维习惯？因为勤奋？因为教育？大家可能都有自己的答案。
　　本文不想展开讨论，列举数据和事实，才是本文的目的。
　　附录一：统计方法介绍
　　简单介绍一下我是怎么得到上面那些比例和趋势数据的。
　　周末，我先去Web of Science数据库里，找到Computer Science / Artificial Intelligence的主题类目，根据2015年SCI影响因子从高到低排序，取前50个出版物（包括期刊和会议录），这50个人工智能领域顶级期刊和会议录的详细列表见附录二。
　　然后，对每份顶级期刊和会议录，基于文章的被引用数对年的所有文章进行排序。这个时间段里，期刊和会议录的平均发表文章数在500左右，我以500为上界，取每份期刊和会议录中，被引用数最多的文章，至多500篇。由此得到年间的顶级人工智能相关论文共计19855篇。
　　接下来，基于这些文章的作者列表和被引用数目，统计华人科学家、研究者与全部文章作者之间的比例和趋势关系。
　　如何识别华人作者？好像没有特别好的方法。我的方法是根据英文姓名判断，如果英文姓名主要由汉语拼音、韦氏拼音或粤语拼音组成（当然还要考虑姓氏、名字二者在英文表述上的区别，以及其他一些经验规则），那么就假定这个作者是华裔。根据小样本集验证，这个判别方法的检准率大约在96%以上，检全率大约在90%左右。也就是说，会有一定数量的遗漏，也会有少量误识，但基本可以反映整体情况与趋势。
　　如何解决合作者问题？我是分别统计，并且不加权重的。第一作者和其他作者共享文章计数和引用计数。为第一作者增加权重是否影响整体统计结果？也许，但不会影响总体趋势数据，因为并没有证据表明，华人更多地出任第一作者，还是非华人更多地出任第一作者。至于每个作者的文章数和引用计数，是采用简单累加，还是采用比例累加（如两人合作，每人的贡献算0.5还是1），我做了全数据集的对比试验，几乎完全不影响整体结果。
(责任编辑：魏 UF023)
&&&&&&</div
搜狐财经致力遇汇集变革力量，评出“中国最具变革力人物&#8226;公司”[]
图解财经：
今日主角：
客服热线：86-10-
客服邮箱：您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给小芹菜
导语：电脑与真人对战时，它相当于FIDE（世界国际象棋联合会）国际大师水平，位列国际象棋锦标赛选手的前2.2%。
同步到新浪微博
雷锋网专栏编辑，欢迎各位大牛来分享技术科普。微信：king9jmq，添加请备注姓名和职位，方便沟通。
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录科普贴：扒一扒人工智能到底有多厉害_网易新闻
科普贴：扒一扒人工智能到底有多厉害
用微信扫码二维码
分享至好友和朋友圈
（原标题：科普贴：扒一扒人工智能到底有多厉害）
中新网3月9日电 在刚刚结束的围棋人机大战中，AlphaGo机器人在与韩国顶尖高手李世石之间的五番棋第一战中取胜，总比分1-0落后。这是AlphaGo机器人去年战胜欧洲围棋冠军后在人机大战中的又一次胜利。
可以预见，这场世纪大战之后，人类被计算机碾压、人工智能时代来临、人类治理骄傲即将崩塌……这些说法充斥着朋友圈与各大新闻频道。
多年以来，人机大战从来没停止过，人工智能一直在各个领域不停地向人类发起挑战。1997年，IBM的超级电脑“深蓝”击败国际象棋世界冠军卡斯帕罗夫，深蓝也成为击败人类的最知名的人工智能。不过马上就不是了，因为AlphaGo准备在更难的围棋领域，击败人类！
众所周知，围棋的规则与胜负条件足够复杂，其估值函数非常不平滑，差一个子盘面就可能天翻地覆，同时状态空间大，也没有全局的结构。
说的再简单一些，我们都知道国际象棋有着明确的兑子价值：
后——10分
图：国际象棋算法的搜索树
图：围棋算法的搜索树
围棋复杂度超过宇宙原子总数：围棋棋盘横竖各有19条线，共有361个落子点，双方交替落子，这意味着围棋总共可能有10^171(1后面有171个零)种可能性。这个数字到底有多大，你可能没有感觉。我们可以告诉你，宇宙中的原子总数是10^80(1后面80个零)，即使穷尽整个宇宙的物质也不能存下围棋的所有可能性。
而且在围棋中，我们很难量化每一子的价值；遑论对弈过程中还需要符合“打劫”的游戏规则，并通过挤、拆、逼、封等手段获取优势，其难度远高于其它项目。因此，棋类游戏中，围棋成为了计算机唯一一道未能攻破的防线。
那么守护人类智力的重任，就交给你了！
不过围棋与IT界似乎都相信，即便这次AlphaGo跪了，电脑也迟早是会在围棋等全部博弈类游戏上赢过顶尖的人类选手。
　　因为人工智能技术已经迎来了一个新的突破——深度学习技术。
AlphaGo比此前国际象棋人工智能复杂的点在于：它基于深度学习进行估值和走棋。而近几年深度学习最大的突破之处，就是深度学习不需要人来设计算法“找特征”；只通过大量原始数据和标签的对比，程序便可以自动找特征，并且并不比人差。
那这和下围棋有什么关系？！先别急，围棋虽说是“千古无同局”，但在局部及开局还是有很多相似或者相同的模式会反复出现，人工智能需要寻找并记录的，就是这其中的特征、以及每一步之间的规律。之后，人工智能将深度学习的找特征，与蒙特卡洛搜索树相结合……
等等，蒙特卡洛搜索树(MCTS)又是什么鬼？科幻爱好者对这个应该词语并不陌生，老刘的《三体》里也曾出现过。说得简单一些，就是一种通过大量采样获取最优解的方法；体现在围棋中，就是运用了蒙特卡洛搜索树的人工智能，能够看到更多步以后的局势，不会为了眼前的利益而舍弃大局。对于机器来说，这几乎是智的飞跃。
但《三体》里也曾表示，在样本过多的情况下，蒙特卡洛搜索树耗时过长，往往需要以年作为时间单位。因此，快速、精准发现特征的深度学习技术，成为其最好拍档。于是，蒙特卡洛搜索树搭配深度学习——利用前者枚举棋路、利用后者发现特征加以分析的人工智能AlphaGo，成为了人类棋坛荣耀的最大威胁。
不只是围棋，自从人工智能不断趋向成熟，越来越多的传统领域受到了挑战。
　　人工智能VS专业医师
图：沃森电脑已向医疗领域进军
例如11年在综艺节目上狂虐人类选手的超级电脑“沃森”。在面对主持人提出的各类新奇古怪的问题时，沃森不仅能在第一时间给出正确答案，还能主动忽略自己不擅长的问题。据说，沃森储存了数百万的文档资料，包括字典、百科全书、新闻、文学等，其硬件配置可以使它每秒处理500GB的数据，相当于每秒阅读100万本书。
如今沃森被运用于医疗服务、咨询等领域，能够给患者提供最合适的治疗方案。不论从效率还是诊断准确率来讲，人工智能都远胜过人工咨询，足以媲美专业医师。
　　人工智能VS顶级黑客
图：360天眼团队在BlackHat大会上演讲
对于人工智能来说，达到专业医师的程度还不够。采用深度学习技术的360天眼系统，已经和世界最顶尖的黑客开始了博弈。去年8月，全球信息安全行业的最高盛会——世界黑帽大会BlackHat在拉斯维加斯召开。期间，该人工智能系统被搬上大会讲台，为在场的1.5万余名专业安全人士以及顶级黑客，展示深度学习与流量识别的综合应用。
虽然出现在黑客的最大party上，但天眼系统的目标却是防止黑客的攻击：基于多GPU的并行计算，建立一个模拟人类大脑的深度学习神经网络，通过网络流量识别协议及应用程序，找出云端海量数据中的APT攻击、免杀木马、新型木马等未知威胁。
　人工智能VS男/女朋友
图：呆萌的随身人工智能——Siri
如果说这些人工智能只让一些职业感到危机的话，那么Siri、小冰等这些语音助手的出现，就可能让男票女票面临失业了……早期的Siri相当于语音识别+搜索引擎，而如今，Siri不仅能够知道语言所代表的含义，还能给出一个或有趣或靠谱的回答，像人多过于机器。
还记得电影《Her》吗？男主人公爱上了电脑操作系统里的女声“萨曼莎”——有着一把略微沙哑的性感嗓音，并且风趣幽默、善解人意的人工智能。按照现在小冰以及Siri这些语音助手的发展速度，恐怕人工智能成为人类心灵伴侣的一天，并不会遥远了……
还有Google的无人驾驶汽车、美联社一周能写百万篇新闻的Wordsmith、facebook的虚拟助手M……各行各业的人工智能科技不胜枚举。按照比尔盖茨、霍金这些大佬的说法，我们正处于人工智能爆发的节点，接下来，将会有更多智能系数更高的系统、程序被研发出来。
“世界最好的人类棋手在压力下崩溃了。”1997年，卡斯帕罗夫被深蓝击败后如是表示。
也许世界冠军卡斯帕罗夫最后都没能明白，击败他的并非是心理压力，而是进击的人工智能。
(原标题：科普贴：扒一扒人工智能到底有多厉害)
本文来源：中国新闻网
责任编辑：黄欢_NN1650
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈