移动的力量（精装升级版）（精）/移动生产力丛书

作者简介

周军，东方证券研究所研究主管，TMT首席分析师。因在科技和移动互联网领域前瞻性的研究成果和出色的投资价值挖掘能力，于2009-2013年连续获得中国资本市场新财富最佳分析师、水晶球最佳分析师、第一财经最佳分析师、金牛分析师等称号。 李易，知名互联网学者，“互联网红利”概念提出者，首届世界互联网大会官方会刊卷首语《世界互联网大会为“世界梦”而开》作者。同时也是推动实体经济与互联网深度融合发展的研究者、布道者以及践行者。无党派人士，坚定的其产主义信徒。 现任中国互联网协会“互联网+”研究咨询中心副主任、电子工业出版社《互联网+》丛书主编，号百控股、传化股份等多家上市公司独立董事，春秋航空、依米康等多家上市公司“互联网+”首席顾问，多所知名高校商学院客座教授。 鉴于其丰硕的研究及实践成果，常年受邀在各大企业、各级政府讲学及顾问，在此过程中也帮助多家实体经济企业以及地方政府成功启动“互联网+”行动计划。 在学术著作方面，其领衔编著的《互联网+：中国步入互联网红利时代》以及《移动的力量》也已渐成实体经济与互联网深度融合发展的经典教科书；《移动的力量》在荣膺“中国电子工业出版社2014年度最佳图书”的同时更是排名中国“互联网时代百本必读书”第三十位；《互联网+：中国步入互联网红利时代》则入选中共中央国家机关“强素质·作表率”读书活动2015年下半年推荐书目，在全部十一本推荐著作中名列第四位。此外，其主持编著的《互联网+》丛书已陆续出版医疗篇《互联网+医疗健康：迈向5P医学时代》、汽车篇《互联网+汽车：人类终极的移动空间》等行业指南性读物。 此外，因其独立的思考与犀利的语言，也长期受邀做客中央电视台、中央人民广播电台、北京卫视、深圳卫视、东方卫视、重庆卫视、第一财经电视担任特约评论员，亦在《新京报》拥有个人评论专栏《易语惊人》。 吕廷杰，教授，博导。1978年-1985年先后在北京邮电大学无线电工程系和管理工程系攻读大学本科和硕士学位。1989-1991年、1996-1997年在日本京都大学公派留学，获应用系统工程博士学位。1994年在美国AT&T工商管理学校和贝尔实验室学习进修。现任北京邮电大学校长助理、经济管理学院执行院长。其担任的社会职务包括但不限于 电子商务教学指导委员会副主任、工信部科技委委员、工信部电信经济专家委员会委员、中国信息经济学会常务副理事长、中国技术经济研究会通信专委会主任、中国通信学会管理专委会主任、国际电信协会（ITS）常务理事、清华大学国家管理学研究基地研究员。

内容简介

3.2.7 人工智能 机器性能的提升，一方面依靠机器处理逻辑计算 能力的提高，即硬件的升级；另一方面依靠机器分析 问题能力的提高，即软件的优化。目前大部分工业机 器人已可以实现代替大部分手工劳动的功能，甚至在 很多方面超过了人类，但在像人类一样思考问题方面 还是目前计算机的欠缺。以机器学习等方法为代表的 人工智能技术可以在未来提升机器处理问题的能力， 提高机器生产的效率。 人工智能概念最早由约翰·麦卡锡在1956年的达 特矛斯会议上提出。从那以后，研究者们发展了众多 理论和原理，人工智能的概念也随之扩展。当计算机 出现后，人类开始真正有了一个可以模拟人类思维的 工具。1997年5月，IBM公司的“深蓝”计算机击败了 人类的国际象棋世界冠军，这是人工智能技术的一个 完美表现。 人工智能在计算机上实现有两种不同的方式。一 种是采用传统的编程技术，使系统呈现智能的效果， 而不考虑所用方法是否与人或动物机体所用的方法相 同。这种方法叫做工程学方法，它已在一些领域内作 出了成果，如文字识别、计算机下棋等。另一种是模 拟法，它的实现方法和人类或生物机体所用的方法相 同或相类似。遗传算法和人工神经网络均属后一类型 。遗传算法模拟人类或生物的遗传．进化机制，人工 神经网络则是模拟人类或动物大脑中神经细胞的活动 方式。 机器学习是人工智能的一个分支，通过算法使得 机器能从大量历史数据中学习规律，从而对新的样本 做智能识别或对未来做预测。从20世纪80年代末期以 来，机器学习的发展大致经历了两次浪潮：浅层学习 和深度学习。 20世纪80年代末期，用于人工神经网络的反向传 播算法的发明，给机器学习带来了希望，掀起了基于 统计模型的机器学习热潮，这个热潮一直持续到今天 。人们发现，利用反向传播算法可以让一个人工神经 网络模型从大量训练样本中学习出统计规律，从而对 未知事件做预测。这种基于统计的机器学习方法比起 过去基于人工规则的系统，在很多方面显示出优越性 。这时的人工神经网络就是一种只含有一层隐层节点 的浅层模型。 20世纪90年代，各种各样的浅层机器学习模型相 继被提出，比如支撑向量机、Boosting、最大熵方法 等。2000年以来互联网的高速发展，对大数据的智能 化分析和预测提出了巨大需求，浅层学习模型在互联 网应用上获得了巨大成功。最成功的应用包括搜索广 告系统(比如Google的AdWords)的广告点击率CTR预 估、网页搜索排序(例如雅虎和微软的搜索引擎)、垃 圾邮件过滤系统、基于内容的推荐系统等。 2006年，加拿大多伦多大学教授、机器学习领域 泰斗——Geoffrey Hinton和他的学生Ruslan Salakhutdinov在学术刊物《科学》上发表了一篇文 章，开启了深度学习在学术界和工业界的浪潮。这篇 文章有两个主要的信息：①很多隐层的人工神经网络 具有优异的特征学习能力，学习得到的特征对数据有 更本质的刻画，从而有利于可视化或分类；②深度神 经网络在训练上的难度，可以通过“逐层初始化”来 有效克服，在这篇文章中，逐层初始化是通过无监督 学习实现的。 P126-128