AIDhaGo战胜专业棋手后，专业棋手界将来怎么办？
AI是否也会取代你的工作？
对话AI的功能如果继续进化，将来极有可能出现能理解人类心理、自己也拥有感情、能与人类分享喜怒哀乐的好伙伴AI。你的未来将不再孤单寂寞冷。
AI能否成为人类真正的伙伴？
这个AI站在谁的一边？
……
翻开由日经xTECH、日经计算机、松山贵之编的这本《一本书读懂人工智能》，你会对“人工智能”（AI）有更清晰的了解。

第1章 AI世界的全貌
导图 人工智能100
总论 从热潮转向应用的决胜之年
实例 无所不在的AI应用
技术 深度学习基础的提升
社会 导致死亡事故的AI是否应该问责？向谁问责？
第2章 AI在各个领域的应用
人工智能Watson花1年半时间进行机器学习
深度学习使生产效率翻倍
利用AI摄像与边缘技术分析来店顾客
AI应用于IT人才招聘
AI制定配送计划
AI可以学习有经验职员的隐性知识
AI缩短电话等候时间
预知设备异常：通过IoT和AI开展新事业
通过深度学习运转资产，获得更的投资成绩
AI检查顾客与营业员的面谈记录，分析顾客需求
利用AI提升成品率、配送目标分辨率和顾客满意度
第3章 AI伦理及开发指导方针
制定AI开发指导方针，要求透明度、可控性
AI创投公司实力者为何反对AI开发指导方针
“AI威胁论”源于无知：3个误解以及真正的课题
AI与伦理：热点争议话题
AI发生事故，如何追责
专家谈去AI威胁论：将AI分为“通用AI”和“专用AI”是错误的
AI开发不需要法律约束，应该以“软法”进行管理
日本AI人：向大脑学习更接近通用AI
在网上收集的数据可以用来实施训练吗？
AI的军事利用：一个忌讳的话题
第4章 AI发展现状
不断升温的AI芯片开发
东芝的脑型AI芯片通过Flash派生技术实现节电
“国家缺少关键的AI研究基础设施”
提供1人1000兆FLOPS环境的理由
Keyword机器学习
第5章 无所不答的“自动聊天AI”
无所不答的“自动聊天AI”解决人手不足问题的妙招
Echo成功的原因
夏普的RoBoHoN的秘密，发展至此的语音AI！
美国语音AI创投企业的真相
Echo是通用电脑，而非音箱
在Echo体验购物
Keyword深度学习
第6章 AI专家的见解
深度学习的价值在于获得“眼睛”
诉讼援助培育形成数据解析技术利用自主开发的AI提升医疗效率
业务领域的AI应用需要三个条件
通过AI驱动型科学打破人类局限
Google云端的筹码就是机器学习，我们也提供专家才能
AI已经人脑的局限
硅谷新兴企业谈SaaS·AI·IoT
大型企业聚焦AI及大数据的应用
AI会给数据分析科学家的工作带来怎样的变化？
第7章 AI热潮的谎言和真相
越来越多的AI欺：人工智能究竟能做什么？
普及的AI是电饭锅！人工智能究竟是什么？
烧钱的“机器学习”和不能落地的“深度学习”
如何使用深度学习？谷歌都还没想明白！
AI与IoT分离，IT企业借此双重收费
“自动驾驶技术将很快走向实用”纯粹是错觉
“AI律师”的*实工作状态：每天重复简单的作业
“HRTech”陷阱：AI消灭人事部？
“机器人顾问”的智能水平仅*当于电饭锅！
别上AI的当，经营者也要懂技术

由日经xTECH、日经计算机、松山贵之编的这本《一本书读懂人工智能》由浅入深地对“人工智能”（AI）进行了介绍，语言通俗易懂、逻辑清晰，即使没有IT相关专业知识的读者也能完全读懂。全书分为7章，探讨的主题分别是：AI世界的全貌、AI在各个领域的应用、AI伦理及开发指导方针、AI发展现状、无所不答的“自动聊天AI”、AI专家的见解、AI热潮的谎言和真相。读完这本书，零基础的读者能够对人工智能的现状有一个全方位的了解。
这本书主要介绍的是日本和欧美一些国家人工智能的发展情况和应用。书中对人工智能的相关话题有一些很新颖的观点，相信能为读者提供新的思路。对于人工智能开发中伦理方面的探讨，被采访者们分别提出了自己的见解，各方的论述都有自己的道理，不同的想法碰撞出的火花是本书的一大亮点。

美国英特尔公司在2016年相继收购了AI芯片开发企业。其中包括计划在2017年上半年将深度学习专用AI芯片上市的美国Nervana Systems公司、开发无人机或机器人专用图像处理芯片的美国Movidius公司等。
韩国三星电子和德国罗伯特·博世有限公司于2016年1 1月，给开发AI芯片的初创公司英国Graphcore出资34亿美元。开发驾驶支持系统的以色列Mobileye公司也在开发将深度学习应用于图像处理的专用芯片。
以半导体技术的奥林匹克而闻名的国际会议International Solid-State Circuits Conference（ISSCC）上，发表了越来越多关于深度学习专用AI芯片的报告（据ISSCC的国内委员会成员说）。2016年和2017年2月举办的ISSCC2017会议上，相关报告达到10份。
其中5份来自韩国科学技术院（KAIST）。“采用使用模拟电路等独特的研究方法。由于应用于实际完成的工作系统中，因此报告显得更加具有说服力。”该委员会成员这样评价。
日本也相继加入
与海外的势头相比，日本企业在商用芯片和研究开发两方面，AI芯片的存在感都很低。现在相继有企业宣称开始将AI芯片投入应用了。
大型企业中，东芝于2016年10月，在将深度学习应用于图像识别的芯片开发方面与Denso达成协议。同年11月，公布了为实现AI芯片的低耗电做出贡献的半导体电路基础技术TDNN（Time Domain Neural Network）。富士通于同年11月末，公布了于2018年度上市深度学习专用AI芯片Deep Learning Unit（DLU）的方针。
初创企业也开始展开AI芯片开发。PEZY Computing的集团企业Deep Insights正在开发AI芯片，计划于2018年中期完成。Preferred Networks也表明正在开发机器学习专用芯片，预计2019年完成。
在不同于NVtDIA的领域决胜负
作为在深度学习计算中使用的通用芯片，美NVIDIA的GPU（图像处理芯片）占据牢不可破的地位。日本企业打算进军不同于NVIDIA的领域，寻找机遇。
业务用GPU产品的主力NVIDIA Tesla适用于64bits的成倍精度的计算，旨在应用于气象预测等有高精度要求的科技计算。
另一方面，在深度学习的计算中，不需要64bits的精度。深度学习计算中大体可分为两类：一类是训练神经网络的“学习”，另一类是以训练完毕的神经网络进行分类和预测的“推理”。学习的处理需要32bits以下，而推理的处理只需要16bits以下的精度，应用上没有问题。如果用于内置式设备等重视节电的用途，注重低耗电，可降低精度至4bits、1bit。
使AI芯片实现低耗电的手法，除了上述降低bit之外，还有一种手法是将专用的减速器电路装入特定的神经网络结构。ISSCC的国内委员会某成员说：？简单说虽都是深度学习专用电路，但网络构造不同，就要求完全不同的体系结构。”
例如，擅长图像处理的卷积神经网络（CNN：convolutional neural network），芯片所需的存储量很少，但计算次数非常多。另一方面，全连接网络（FCN：fully connected network）需要巨大的存储器。近年来，以CNN构成整个神经网络的模型的研究在增加，据说搭载CNN体系结构的AI芯片的研究案例在增加。
“能够实现1000倍于现行GPU的性能”
日本企业找到NVIDIA的空隙，积极参与，但Deep Insights的齐藤元章社长却感到一种危机，他说：“日本开发AI硬件的企业太少了。”
“有一些日本企业在开发AI软件方面发展得不错，但是在软件界，一旦突然出现突破性的算法和模型，之前的成果就有可能瞬间化为乌有。因此，全日本必须在软硬件开发上取得一定的平衡。”齐藤先生说。在AI芯片开发方面，美国和以色列的初创企业如雨后春笋般成立起来，与此相比，日本显得有些滞后。
超级计算机开发创投企业的PEZY Computing的领军人物齐藤先生在2016年5月成立了新公司Deep Insights。据称成立公司的原因就在于面向科技计算的超级计算机专用芯片和深度学习的专用AI芯片之间产生的巨大差别。
“科技计算方面，要求的精度不断提升，从现在的1倍精度向4倍精度、8倍精度提高。像这种高精度计算，由PEZY C0mputing开发的超级计算机专用芯片承担。另一方面，深度学习方面，冷静思考，会知道并不需要高精度。如果是深度学习模拟神经电路的计算处理，最终会降到神经突触释放lhit的计算。”齐藤先生说。
因此齐藤先生聚焦接近实际神经电路的低bit计算进行研究。“如果降低计算精度，就能使计算核心缩小。以后的7nm（纳米）制程技术，每个芯片能搭载100万个4bits计算的核心，将能实现现在的GPu1000倍甚至以上的性能。”齐藤先生说。
以现在的情况，并不能实现所有深度学习计算都以低精度来处理。尤其是以偏微分方程式的计算调整神经网络参数的“学习”处理，要求较高的精度。但即使这样：“将来相当大的部分将降低至1-4bits。”齐藤先生说。
齐藤先生不仅关注AI芯片，还将存取数据存储器的开发也纳入了视野。设想的存储器带宽是1OOTB／秒。“超级计算机专用的芯片也同样需要大的存储带宽，处理的