股票入门基础知识网 > > 股票快讯 > 人工智能主题周报2017第31期:谷歌AlphaGo Zero围棋可自学成才,AI技术层持续突破 返回上一页

人工智能主题周报2017第31期:谷歌AlphaGo Zero围棋可自学成才,AI技术层持续突破

编辑 : 王远   发布时间: 2017.10.24 10:15:04   消息来源: sina 阅读数: 82 收藏数: + 收藏 +赞()

上周行情回顾:上周沪深300上涨0.15%,创业板指下跌2.38%,人工智能指数下跌4.26%,跑输创业板指1.88%。人工智能板块整体下跌。上周,人工智能涨幅靠前的细分行业分别为智能物...

上周行情回顾:上周沪深300上涨0.15%,创业板指下跌2.38%,人工智能指数下跌4.26%,跑输创业板指1.88%。人工智能板块整体下跌。上周,人工智能涨幅靠前的细分行业分别为智能物流(+2.16%),虚拟现实(-2.47%),智能电视(-2.63%)。上周,人工智能涨幅靠后的细分行业分别为无人机(-5.4%)、云计算(-5.02%)、智能汽车(-4.77%)。上周成交量下降4810.58万手。个股方面,天泽信息(+2.79%)、四川长虹(+2.43%)、均胜电子(+1.19%)涨幅靠前;双林股份(-17.48%)、九安医疗(-16.18%)、中科创达(-11.5%)跌幅靠前。    本周投资观点:本周我们建议投资者从以下5条主线布局中小市值标的:1)强烈推荐佳士科技(300193.SZ):市值40亿,账上现金16亿,16/17年业绩1/1.2亿,扣除现金后,市盈率仅为20倍,PB仅有不到2倍,第三大股东以5.8亿买入第一大和第二大股东的全部流通市值8.85%的股份,合13元/股,公司主业是焊接机械,40%都是出口,基本面质地较好,未来看产业升级并购。相似的逻辑还可以关注瑞凌股份,焊接设备领域,国际高端焊接设备市场大多被ESAB、Linclon、Miller垄断,国内焊接设备集中度较低,随着行业洗牌加剧,未来市场份额将向优势企业集中,国内有望诞生一两家焊接设备龙头公司。2)相比海外发达国家,“中国汽车保有量及“每万辆车辆拥有的检测机构”存在明显差距,随着国内放开机动车检测站收费,下游“检测站”资金充足,且拥有较强的检测设备购置需求。预计未来5年,国内机动车检测市场将维持25%以上的增速,建议关注国内机动车检测领域龙头:安车检测(300572.SZ)。3)随着反恐和社会治安等需求增长,及“平安&智慧城市、雪亮工程”等项目推进,安防业未来5年增速为10%。当前,整体解决方案成为安防核心竞争力,“AI+安防”等智能化产品为行业发展重点,龙头企业的市场份额还将扩张。建议关注“全产品系列、AI实力突出”的国内领先的视频监控管理产品与解决方案提供商:东方网力(300367.SZ)。4)人工智能领域,海外科技巨头(英伟达、亚马逊)在基础层(AI芯片、云计算)的业务已经爆发,建议关注AI基础层标的:景嘉微(300474.SZ、GPU芯片)、富瀚微(300613.SZ、安防IPC芯片)、汇顶科技(603160.SH、手机电容式触控芯片、指纹识别芯片)、兆易创新(603986.SH、闪存芯片)及中科创达(300496.SZ、智能车载及硬件);考虑AI产业链传导效应,我们认为,未来AI产业盈利亮点还将传导至应用层,建议关注AI应用层标的:海康威视(002415.SZ,AI+安防)、熙菱信息(300588.SZ、AI+安防)、汇纳科技(300609.SZ、AI+大数据+零售)、科大讯飞(002230.SZ、AI+语音输入+智能教育)。5)建议关注智慧农业(000816.SZ)。公司土地曾被市政府收储,处置将带来可观现金流入。公司柴油机产品的市场占有率高,以2亿元增资旗瀚科技获10%股权,介入快速发展的智能服务机器人产业。中国农业的自动化、智能化程度不高,增资后,智慧农业的农机产品有望向智能化、自动化等高端领域发展,抢占竞争高点。    人工智能可分为基础层、技术层和应用层,基础层为算力支撑(AI芯片、云计算),技术层为算法平台,应用层是AI向各传统行业渗透应用。技术层方面,谷歌带来了新的突破。上周,谷歌人工智能公司DeepMind团队在国际学术期刊《自然》(Nature)上发表的一篇研究论文中,讲述了新版程序AlphaGoZero:从空白状态学起,在无任何人类输入的条件下,它能够迅速自学围棋,并以100:0的战绩击败“前辈”AlphaGo。仅三天时间,AlphaGoZero自行掌握了围棋的下法,还发明了更好的棋步。仅仅40天后,AlphaGoZero已经可以在与所有其它版本的AlphaGo对弈中获得90%的胜率。这期间,除了被告知围棋的基本规则,它摆脱了人为的大数据,未获得人类帮助或人类棋谱。AlphaGoZero还非常“低碳”,只用到了一台机器和4个TPU,极大地节省了资源。深度残差网络(ResNet)作者之一,Face++的孙剑表示,AlphaGoZero的核心在于化繁为简:①把原来的策略网络和价值网络合并成一个网络,简化了搜索过程;②用深度残差网络(ResNet)来对输入进行简化,以前需要人工设计棋盘的输入,体现“这个子下过几次、周围有几个黑子几个白子”这样的信息,而现在是“把黑白子二值的图直接送进来,相当于可以理解成对着棋盘拍照片,把照片送给神经网络,让神经网络看着棋盘照片做决策”。谷歌的这一项突破,还可以解决“其他结构性问题”如:蛋白质折叠、降低能耗、寻找革命性的新材料、新药发现、量子化学、粒子物理学等。此前AlphaGo已取得不凡成绩:2016.03.09到2016.03.15,Google围棋人工智能程序AlphaGo与世界围棋冠军李世石进行了5轮围棋大战,最终AlphaGo以4:1的优秀成绩轻松击败李世石,成为全世界关注焦点。2017年1月,作为AlphaGo升级版“Master”,以60连胜惊人战绩横扫“中日韩顶尖围棋选手”,且对弈几乎都采用“20秒3次”的超快棋方式。2017年5月27日,世界排名第一的柯洁以0:3完败AlphaGo。

声明:如本站内容不慎侵犯了您的权益,请联系邮箱:wangshiyuan@epins.cn 我们将迅速删除。

 

股票快讯最新文章

MORE+
 

热词推荐

MORE+

推荐阅读: 道氏理论 股票交流qq群
 

股吧论坛最新帖子

MORE+