高盛的AI报告说了什么?(含案例)

uniprohk新闻Leave a Comment

读完了高盛人工智能(AI)的报告,原文:

AI机器学习和数据助长生产力的未来:http://pan.baidu.com/s/1pLpT1WZ

根据报告创建的人工智能组合:$ AI组合(ZH1007153)$

以下是笔记:

第1部分AI介绍

四个影响:

1.生产率:节省成本

2.高端技术:AI相关硬件,软件和服务

竞争优势:不用AI的公司可能被竞争对手超越

4.创造新公司:大量AI公司

什么是AI?

机器模仿人学习和解决问题。包括语言识别和翻译,视觉识别,决策等等。该报告专注AI下面的机器学习(ML)下面的深度学习。

机器学习:教计算机自己识别苹果和橙子,识别垃圾邮件,预测健康状况等

深度学习:模拟人神经系统的信息处理学习(只要给素材就能学)

总之,AI能帮人干活(不是成为人,现有技术还远不能使用计算机像人一样自主学习和决策);与Alphago不同,本报告专注经济应用

为何AI现在发展快?

AI出来很多年,为何最近才提速?三个原因:

1.数据多:爆炸式发展

2.硬件快:GPU,FPGA等特种硅片发展(更快,更便宜)

3.算法多:开源分享(Caffe,TensorFlow,Torch等),别人做好的功能直接调用

生活中的AI:搜索,推荐(电商,新闻等),人脸识别等,

价值创造主要驱动

人才:稀缺,并购

2.数据:大型的已区分的数据包是核心利润驱动

3.基建:商品化,基于云端和开源

4.硅片:GPU(英伟达AMD等),FPGA(Intel),ASIC

AI的历史(Exhibit8)

提升未来生产率

IT从90年代提升生产率,进入2000年后放缓了,从2011年中开始,分享持续大于资本支出,管理层普遍不愿投资,PE持续走低。

高盛首席经济学家Jan Hatzius访谈

AI如何影响生产率?

AI抢人的工作怎么办?短期可能影响,长期和其它技术革命一样,应不影响失业率。

AI对股票估值什么影响?生产率提升一般意味着更高的资产估值

生态系统

AI和其他技术发展对比:大型机 – >客户端服务机 – >云端,C-> Java-> Python,神经网络 – >深度学习 – >近人类AI;目前处于初级阶段(类比1950s主机商业化, 2000s智能手机商业化)

三种使用:

自己做AI:

综合开放资源(如databricks,cloudera等)和云服务平台(微软,谷歌,百度等)

需要的计算机组(堆栈)七大件:核心组件(GPU等),计算(云端如AWS,AliCloud),储存(Hadoop,云端),数据移动和整合网络,Watson),编程语言(Python,R,SQL),分析工具(Tableau,Machine learning)。成本比较高,详见P23页表

2.咨询服务:IBM用户Watson,Kaggle连接AI专家,Accenture,华为也在大规模招聘AI人才,给企业提供解决方案

  1. AI服务AI-as-a-service(热门):给应用程序提供接口使用AI服务,如人脸识别接口,医疗接口,农业接口等,主要公司亚马逊,谷歌,微软,IBM,Saleforce等细分专业数据的领域创业公司很多。

中国和AI

(Deep Speech 2)和港中大的人脸识别(Deep ID)全球领先,主要为BAT(按顺序)以及上百创业公司,其中60%做声音和12.5 %做图像,结论AI前沿是美国和中国(附表BAT最新AI产品p34)。

按:百度一位AI专家朋友说目前AI的重镇还是在北京,虽然空气差但牛人多,深圳较弱,百度是AI老大但除了技术其它不不行,腾讯产品体验好但技术不行,阿里是几个大牛带菜鸟。

聊天机器人

亚马逊(Alexa),谷歌助理,苹果(Siri),微软(Cortana),三星(Viv),利用Bot做电子商务,得到更多用户数据及推荐。

AI核心玩家(P38也图)

第2部分案例

一,农业

三个痛点:

1.产量受制于:不理想的施肥,灌溉,和杀虫剂控制

2.人工成本上升

3.动物生病带来的损失

人工智能可以做

1.通过无人机,卫星图像,天气,土地样本,湿度传感器获得的数据,优化播种,施肥,灌溉,喷洒和收割

2.收割后分类:如日本农民用Google的Tensorflow来训练自动分类黄瓜的AI,节约成本

3.侦测家禽疾病:如通过家禽声音传感器训练疾病侦测AI,提早发现疾病

案例:农民商业网络(FBN)对加盟农户收费,提供如下服务:

1.收集农村数据及综合其公共数据,通过AI给每位农客提供个性化服务,最大化产生和生产率

2.利用数据提供金融服务(如贷款),几乎没有坏账

3.大规模采购,利用数据进行大规模采购,降低采购成本

二,金融服务

三大机会:1。最大化投资回报; 2。减少信贷风险; 3。减少合规成本

三大痛点:1。高频交易的速度加快; 2。数据访问的技术限制; 3。成本高昂

人工智能可以做

高频交易速度加快

2.数据访问:新机会,如快速分析卫星图片来发掘投资机会,如Orbital Insight

3.减少信贷风险:利用AI快速发现信贷风险,欺诈行为和交易

4.减少合规成本:代替人进行合规分析,如搜索邮件中的不合规内容

5.把握事件驱动机会:集中各种相关数据以便在事件发生时取得更好的回报

案例:Orbital Insight利用AI学习海量卫星图片发掘有价值信息

三,医疗

机会:1。药物研发; 2。医生及医院效率

痛点:1。药物研发到FDA批准时间漫长,平均97个月; 2。研究回报低,主要由于失败的太多; 3。药物从FDA批准到实际应用所需时间长,及诊断错误较多

药物研发流程:1。研究和临床前测试(1 – 3年,平均18月,成功率20%); 2。临床试验(2 – 10年,平均5年,成功率40%); 3。政府批准(2月 – 7年,平均2年,成功率60%)

AI可以做什么:

提升成功率:AI取代费时费钱的HTS流程

2.提升医院医生效率:AI提升诊断,分析影像图片,基因测量等

案例:利用AI处理基因数据治疗癌症

四,零售

痛点:1。预测需求和趋势; 2。存货管理; 3。开店的数量及大小

AI可以做什么:1。推荐引擎; 2。客服:语音搜索,人机对话; 3。需求预测和优化定价

案例:Dunnhumby,用AI来帮助定价,促销和提升忠诚度

五,能源

机会:

工程计划

2.提升设备可靠性

3.提升辨别和开发资源的能力

减少停工时间

AI可以做:

1.提升产品可靠性

2.更好的发现油气矿产,减少开发成本

减少停工时间和减少设别维护成本

来源:https://xueqiu.com/5992470355/79824954

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注