第十节　赛道选择建议

（1）深度学习经历深度神经网络、循环神经网络、卷积神经网络、生成对抗网络的发展历程。图神经网络成为深度学习新的热门分支，其提供了对非规则数据提取特征的方法。建议社交网络、推荐系统、金融风控、物理系统、分子化学、生命科学、知识图谱、交通预测等领域企业应用图神经网络基于结构信息和属性信息进行准确的因果和关联推理。

（2）以迁移学习、类脑学习等为代表的认知智能日益实现突破，在同传统深度学习融合后，推动人工智能由感知智能向认知智能发展。建议聚焦于研发和培育认知智能理解、思考、推理等能力，提升其处理大量烦琐却重要工作的效率和准确率。

（3）推动数据在安全合规的前提下自由流动成为大势所趋。联邦学习（Federated Learning）可以在多个主体间不直接共享样本数据的情况下实现模型的合作开发，对于解决数据孤岛和数据隐私问题具有重要意义。建议基于联邦学习的技术生态加强同外界的合作。

（4）新冠肺炎疫情助推人工智能在医疗领域的落地，在智慧医疗场景的细分应用中，诊中环节的影像诊断和语音识别（语音病历）的应用较为成熟。建议投资机构着重关注医疗影像和语音识别领域，助推相关技术进一步克服深度学习所在的缺陷，提升其“辅助诊断”能力。

2021年中国人工智能技术与市场关注价值图如图1-12所示。

图1-12　2021年中国人工智能技术与市场关注价值图

数据来源：赛迪顾问，2021年1月