電子標(biāo)準(zhǔn)院：《2018年人工智能標(biāo)準(zhǔn)化白皮書》（全文）

【計(jì)算機(jī)論文】電子標(biāo)準(zhǔn)院：《2018年人工智能標(biāo)準(zhǔn)化白皮書》（全文）

▌1前言1.1研究背景人工智能概念誕生于1956年，在半個(gè)多世紀(jì)的發(fā)展歷程中，由于受到智能算法、計(jì)算速度、存儲(chǔ)水平等多方面因素的影響，人工智能技術(shù)和應(yīng)用發(fā)展經(jīng)歷了多次高潮和低谷。2006年以來，以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)算法在機(jī)器視覺和語音識(shí)別等領(lǐng)域取得了極大的成功，識(shí)別準(zhǔn)確性大幅提升，使人工智能再次受到學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。云計(jì)算、大數(shù)據(jù)等技術(shù)在提升運(yùn)算速度，降低計(jì)算成本的同時(shí)，也為人工智能發(fā)展提供了豐富的數(shù)據(jù)資源，協(xié)助訓(xùn)練出更加智能化的算法模型。人工智能的發(fā)展模式也從過去追求“用計(jì)算機(jī)模擬人工智能”，逐步轉(zhuǎn)向以機(jī)器與人結(jié)合而成的增強(qiáng)型混合智能系統(tǒng)，用機(jī)器、人、網(wǎng)絡(luò)結(jié)合成新的群智系統(tǒng)，以及用機(jī)器、人、網(wǎng)絡(luò)和物結(jié)合成的更加復(fù)雜的智能系統(tǒng)。作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，人工智能在催生新技術(shù)、新產(chǎn)品的同時(shí)，對傳統(tǒng)行業(yè)也具備較強(qiáng)的賦能作用，能夠引發(fā)經(jīng)濟(jì)結(jié)構(gòu)的重大變革，實(shí)現(xiàn)社會(huì)生產(chǎn)力的整體躍升。人工智能將人從枯燥的勞動(dòng)中解放出來，越來越多的簡單性、重復(fù)性、危險(xiǎn)性任務(wù)由人工智能系統(tǒng)完成，在減少人力投入，提高工作效率的同時(shí)，還能夠比人類做得更快、更準(zhǔn)確；人工智能還可以在教育、醫(yī)療、養(yǎng)老、環(huán)境保護(hù)、城市運(yùn)行、司法服務(wù)等領(lǐng)域得到廣泛應(yīng)用，能夠極大提高公共服務(wù)精準(zhǔn)化水平，全面提升人民生活品質(zhì)；同時(shí)，人工智能可幫助人類準(zhǔn)確感知、預(yù)測、預(yù)警基礎(chǔ)設(shè)施和社會(huì)安全運(yùn)行的重大態(tài)勢，及時(shí)把握群體認(rèn)知及心理變化，主動(dòng)作出決策反應(yīng)，顯著提高社會(huì)治理能力和水平，同時(shí)保障公共安全。人工智能作為一項(xiàng)引領(lǐng)未來的戰(zhàn)略技術(shù)，世界發(fā)達(dá)國家紛紛在新一輪國際競爭中爭取掌握主導(dǎo)權(quán)，圍繞人工智能出臺(tái)規(guī)劃和政策，對人工智能核心技術(shù)、頂尖人才、標(biāo)準(zhǔn)規(guī)范等進(jìn)行部署，加快促進(jìn)人工智能技術(shù)和產(chǎn)業(yè)發(fā)展。主要科技企業(yè)不斷加大資金和人力投入，搶占人工智能發(fā)展制高點(diǎn)。2017年，我國出臺(tái)了《新一代人工智能發(fā)展規(guī)劃》(國發(fā)〔2017〕35號(hào))、《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018-2020年)》(工信部科〔2017〕315號(hào))等政策文件，推動(dòng)人工智能技術(shù)研發(fā)和產(chǎn)業(yè)化發(fā)展。目前，國內(nèi)人工智能發(fā)展已具備一定的技術(shù)和產(chǎn)業(yè)基礎(chǔ)，在芯片、數(shù)據(jù)、平臺(tái)、應(yīng)用等領(lǐng)域集聚了一批人工智能企業(yè)，在部分方向取得階段性成果并向市場化發(fā)展。例如，人工智能在金融、安防、客服等行業(yè)領(lǐng)域已實(shí)現(xiàn)應(yīng)用，在特定任務(wù)中語義識(shí)別、語音識(shí)別、人臉識(shí)別、圖像識(shí)別技術(shù)的精度和效率已遠(yuǎn)超人工。標(biāo)準(zhǔn)化工作對人工智能及其產(chǎn)業(yè)發(fā)展具有基礎(chǔ)性、支撐性、引領(lǐng)性的作用，既是推動(dòng)產(chǎn)業(yè)創(chuàng)新發(fā)展的關(guān)鍵抓手，也是產(chǎn)業(yè)競爭的制高點(diǎn)。當(dāng)前，在我國人工智能相關(guān)產(chǎn)品和服務(wù)不斷豐富的同時(shí)，也出現(xiàn)了標(biāo)準(zhǔn)化程度不足的問題。人工智能涉及眾多領(lǐng)域，雖然某些領(lǐng)域已具備一定的標(biāo)準(zhǔn)化基礎(chǔ)，但是這些分散的標(biāo)準(zhǔn)化工作并不足以完全支撐整個(gè)人工智能領(lǐng)域。另一方面，人工智能屬于新興領(lǐng)域，發(fā)展方興未艾，從世界范圍來看，標(biāo)準(zhǔn)化工作仍在起步過程中，尚未形成完善的標(biāo)準(zhǔn)體系，我國基本與國外處于同一起跑線，存在快速突破的機(jī)會(huì)窗口。只要瞄準(zhǔn)機(jī)會(huì)，快速布局，完全有可能搶占標(biāo)準(zhǔn)創(chuàng)新的制高點(diǎn)，反之，則有可能喪失良機(jī)。因此，迫切需要把握機(jī)遇，加快對人工智能技術(shù)及產(chǎn)業(yè)發(fā)展的研究，系統(tǒng)梳理、加快研制人工智能各領(lǐng)域的標(biāo)準(zhǔn)體系，明確標(biāo)準(zhǔn)之間的依存性與制約關(guān)系，建立統(tǒng)一完善的標(biāo)準(zhǔn)體系，以標(biāo)準(zhǔn)的手段促進(jìn)我國人工智能技術(shù)、產(chǎn)業(yè)蓬勃發(fā)展。1.2研究目標(biāo)及意義本白皮書前期在國標(biāo)委工業(yè)二部和工信部科技司的指導(dǎo)下，通過梳理人工智能技術(shù)、應(yīng)用和產(chǎn)業(yè)演進(jìn)情況，分析人工智能的技術(shù)熱點(diǎn)、行業(yè)動(dòng)態(tài)和未來趨勢，從支撐人工智能產(chǎn)業(yè)整體發(fā)展的角度出發(fā)，研究制定了能夠適應(yīng)和引導(dǎo)人工智能產(chǎn)業(yè)發(fā)展的標(biāo)準(zhǔn)體系，進(jìn)而提出近期急需研制的基礎(chǔ)和關(guān)鍵標(biāo)準(zhǔn)項(xiàng)目。本白皮書并不預(yù)期成為人工智能領(lǐng)域的全面技術(shù)和產(chǎn)業(yè)綜述，不求面面俱到，僅針對目前人工智能領(lǐng)域涵蓋的技術(shù)熱點(diǎn)和產(chǎn)業(yè)情況進(jìn)行分析，研究提出人工智能標(biāo)準(zhǔn)體系。人工智能標(biāo)準(zhǔn)化工作尚處于起步階段，本白皮書只作為人工智能領(lǐng)域技術(shù)、產(chǎn)業(yè)和標(biāo)準(zhǔn)化之間初始的連接紐帶，并將在今后不斷根據(jù)技術(shù)、產(chǎn)業(yè)和標(biāo)準(zhǔn)化的發(fā)展需求進(jìn)行修訂。本白皮書不過多地給出人工智能領(lǐng)域觀點(diǎn)性的陳述，力求以較為淺顯易懂的語言和方式進(jìn)行闡述。本白皮書的意義在于與業(yè)界分享人工智能領(lǐng)域的研究成果和實(shí)踐經(jīng)驗(yàn)，呼吁社會(huì)各界共同加強(qiáng)人工智能領(lǐng)域的技術(shù)研究、產(chǎn)業(yè)投入、標(biāo)準(zhǔn)建設(shè)與服務(wù)應(yīng)用，共同推動(dòng)人工智能及其產(chǎn)業(yè)發(fā)展。▌2人工智能概述2.1人工智能的歷史及概念2.1.1人工智能的起源與歷史人工智能始于20世紀(jì)50年代，至今大致分為三個(gè)發(fā)展階段：第一階段(20世紀(jì)50年代——80年代)。這一階段人工智能剛誕生，基于抽象數(shù)學(xué)推理的可編程數(shù)字計(jì)算機(jī)已經(jīng)出現(xiàn)，符號(hào)主義(Symbolism)快速發(fā)展，但由于很多事物不能形式化表達(dá)，建立的模型存在一定的局限性。此外，隨著計(jì)算任務(wù)的復(fù)雜性不斷加大，人工智能發(fā)展一度遇到瓶頸；第二階段(20世紀(jì)80年代——90年代末)。在這一階段，專家系統(tǒng)得到快速發(fā)展，數(shù)學(xué)模型有重大突破，但由于專家系統(tǒng)在知識(shí)獲取、推理能力等方面的不足，以及開發(fā)成本高等原因，人工智能的發(fā)展又一次進(jìn)入低谷期；第三階段(21世紀(jì)初——至今)。隨著大數(shù)據(jù)的積聚、理論算法的革新、計(jì)算能力的提升，人工智能在很多應(yīng)用領(lǐng)域取得了突破性進(jìn)展，迎來了又一個(gè)繁榮時(shí)期。人工智能具體的發(fā)展歷程如圖1所示。長期以來，制造具有智能的機(jī)器一直是人類的重大夢想。早在1950年，AlanTuring在《計(jì)算機(jī)器與智能》中就闡述了對人工智能的思考。他提出的圖靈測試是機(jī)器智能的重要測量手段，后來還衍生出了視覺圖靈測試等測量方法。1956年，“人工智能”這個(gè)詞首次出現(xiàn)在達(dá)特茅斯會(huì)議上，標(biāo)志著其作為一個(gè)研究領(lǐng)域的正式誕生。六十年來，人工智能發(fā)展潮起潮落的同時(shí)，基本思想可大致劃分為四個(gè)流派：符號(hào)主義(Symbolism)、連接主義(Connectionism)、行為主義(Behaviourism)和統(tǒng)計(jì)主義(Statisticsism)(注：由于篇幅原因，本白皮書不對四個(gè)流派進(jìn)行詳細(xì)闡述)。這四個(gè)流派從不同側(cè)面抓住了智能的部分特征，在“制造”人工智能方面都取得了里程碑式的成就。1959年，ArthurSamuel提出了機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)將傳統(tǒng)的制造智能演化為通過學(xué)習(xí)能力來獲取智能，推動(dòng)人工智能進(jìn)入了第一次繁榮期。20世紀(jì)70年代末期專家系統(tǒng)的出現(xiàn)，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探索走向?qū)ｉT知識(shí)應(yīng)用的重大突破，將人工智能的研究推向了新高潮。然而，機(jī)器學(xué)習(xí)的模型仍然是“人工”的，也有很大的局限性。隨著專家系統(tǒng)應(yīng)用的不斷深入，專家系統(tǒng)自身存在的知識(shí)獲取難、知識(shí)領(lǐng)域窄、推理能力弱、實(shí)用性差等問題逐步暴露。從1976年開始，人工智能的研究進(jìn)入長達(dá)6年的蕭瑟期。在80年代中期，隨著美國、日本立項(xiàng)支持人工智能研究，以及以知識(shí)工程為主導(dǎo)的機(jī)器學(xué)習(xí)方法的發(fā)展，出現(xiàn)了具有更強(qiáng)可視化效果的決策樹模型和突破早期感知機(jī)局限的多層人工神經(jīng)網(wǎng)絡(luò)，由此帶來了人工智能的又一次繁榮期。然而，當(dāng)時(shí)的計(jì)算機(jī)難以模擬復(fù)雜度高及規(guī)模大的神經(jīng)網(wǎng)絡(luò)，仍有一定的局限性。1987年由于LISP機(jī)市場崩塌，美國取消了人工智能預(yù)算，日本第五代計(jì)算機(jī)項(xiàng)目失敗并退出市場，專家系統(tǒng)進(jìn)展緩慢，人工智能又進(jìn)入了蕭瑟期。1997年，IBM深藍(lán)(DeepBlue)戰(zhàn)勝國際象棋世界冠軍GarryKasparov。這是一次具有里程碑意義的成功，它代表了基于規(guī)則的人工智能的勝利。2006年，在Hinton和他的學(xué)生的推動(dòng)下，深度學(xué)習(xí)開始備受關(guān)注，為后來人工智能的發(fā)展帶來了重大影響。從2010年開始，人工智能進(jìn)入爆發(fā)式的發(fā)展階段，其最主要的驅(qū)動(dòng)力是大數(shù)據(jù)時(shí)代的到來，運(yùn)算能力及機(jī)器學(xué)習(xí)算法得到提高。人工智能快速發(fā)展，產(chǎn)業(yè)界也開始不斷涌現(xiàn)出新的研發(fā)成果：2011年，IBMWaston在綜藝節(jié)目《危險(xiǎn)邊緣》中戰(zhàn)勝了最高獎(jiǎng)金得主和連勝紀(jì)錄保持者；2012年，谷歌大腦通過模仿人類大腦在沒有人類指導(dǎo)的情況下，利用非監(jiān)督深度學(xué)習(xí)方法從大量視頻中成功學(xué)習(xí)到識(shí)別出一只貓的能力；2014年，微軟公司推出了一款實(shí)時(shí)口譯系統(tǒng)，可以模仿說話者的聲音并保留其口音；2014年，微軟公司發(fā)布全球第一款個(gè)人智能助理微軟小娜；2014年，亞馬遜發(fā)布至今為止最成功的智能音箱產(chǎn)品Echo和個(gè)人助手Alexa；2016年，谷歌AlphaGo機(jī)器人在圍棋比賽中擊敗了世界冠軍李世石；2017年，蘋果公司在原來個(gè)人助理Siri的基礎(chǔ)上推出了智能私人助理Siri和智能音響HomePod。目前，世界各國都開始重視人工智能的發(fā)展。2017年6月29日，首屆世界智能大會(huì)在天津召開。中國工程院院士潘云鶴在大會(huì)主論壇作了題為“中國新一代人工智能”的主題演講，報(bào)告中概括了世界各國在人工智能研究方面的戰(zhàn)略：2016年5月，美國白宮發(fā)表了《為人工智能的未來做好準(zhǔn)備》；英國2016年12月發(fā)布《人工智能：未來決策制定的機(jī)遇和影響》；法國在2017年4月制定了《國家人工智能戰(zhàn)略》；德國在2017年5月頒布全國第一部自動(dòng)駕駛的法律；在中國，據(jù)不完全統(tǒng)計(jì)，2017年運(yùn)營的人工智能公司接近400家，行業(yè)巨頭百度、騰訊、阿里巴巴等都不斷在人工智能領(lǐng)域發(fā)力。從數(shù)量、投資等角度來看，自然語言處理、機(jī)器人、計(jì)算機(jī)視覺成為了人工智能最為熱門的三個(gè)產(chǎn)業(yè)方向。2.1.2人工智能的概念人工智能作為一門前沿交叉學(xué)科，其定義一直存有不同的觀點(diǎn)：《人工智能——一種現(xiàn)代方法》中將已有的一些人工智能定義分為四類：像人一樣思考的系統(tǒng)、像人一樣行動(dòng)的系統(tǒng)、理性地思考的系統(tǒng)、理性地行動(dòng)的系統(tǒng)。維基百科上定義“人工智能就是機(jī)器展現(xiàn)出的智能”，即只要是某種機(jī)器，具有某種或某些“智能”的特征或表現(xiàn)，都應(yīng)該算作“人工智能”。大英百科全書則限定人工智能是數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器人在執(zhí)行智能生物體才有的一些任務(wù)上的能力。百度百科定義人工智能是“研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)”，將其視為計(jì)算機(jī)科學(xué)的一個(gè)分支，指出其研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。本白皮書認(rèn)為，人工智能是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。人工智能的定義對人工智能學(xué)科的基本思想和內(nèi)容作出了解釋，即圍繞智能活動(dòng)而構(gòu)造的人工系統(tǒng)。人工智能是知識(shí)的工程，是機(jī)器模仿人類利用知識(shí)完成一定行為的過程。根據(jù)人工智能是否能真正實(shí)現(xiàn)推理、思考和解決問題，可以將人工智能分為弱人工智能和強(qiáng)人工智能。弱人工智能是指不能真正實(shí)現(xiàn)推理和解決問題的智能機(jī)器，這些機(jī)器表面看像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。迄今為止的人工智能系統(tǒng)都還是實(shí)現(xiàn)特定功能的專用智能，而不是像人類智能那樣能夠不斷適應(yīng)復(fù)雜的新環(huán)境并不斷涌現(xiàn)出新的功能，因此都還是弱人工智能。目前的主流研究仍然集中于弱人工智能，并取得了顯著進(jìn)步，如語音識(shí)別、圖像處理和物體分割、機(jī)器翻譯等方面取得了重大突破，甚至可以接近或超越人類水平。強(qiáng)人工智能是指真正能思維的智能機(jī)器，并且認(rèn)為這樣的機(jī)器是有知覺的和自我意識(shí)的，這類機(jī)器可分為類人(機(jī)器的思考和推理類似人的思維)與非類人(機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識(shí)，使用和人完全不一樣的推理方式)兩大類。從一般意義來說，達(dá)到人類水平的、能夠自適應(yīng)地應(yīng)對外界環(huán)境挑戰(zhàn)的、具有自我意識(shí)的人工智能稱為“通用人工智能”、“強(qiáng)人工智能”或“類人智能”。強(qiáng)人工智能不僅在哲學(xué)上存在巨大爭論(涉及到思維與意識(shí)等根本問題的討論)，在技術(shù)上的研究也具有極大的挑戰(zhàn)性。強(qiáng)人工智能當(dāng)前鮮有進(jìn)展，美國私營部門的專家及國家科技委員會(huì)比較支持的觀點(diǎn)是，至少在未來幾十年內(nèi)難以實(shí)現(xiàn)。靠符號(hào)主義、連接主義、行為主義和統(tǒng)計(jì)主義這四個(gè)流派的經(jīng)典路線就能設(shè)計(jì)制造出強(qiáng)人工智能嗎？其中一個(gè)主流看法是：即使有更高性能的計(jì)算平臺(tái)和更大規(guī)模的大數(shù)據(jù)助力，也還只是量變，不是質(zhì)變，人類對自身智能的認(rèn)識(shí)還處在初級(jí)階段，在人類真正理解智能機(jī)理之前，不可能制造出強(qiáng)人工智能。理解大腦產(chǎn)生智能的機(jī)理是腦科學(xué)的終極性問題，絕大多數(shù)腦科學(xué)專家都認(rèn)為這是一個(gè)數(shù)百年乃至數(shù)千年甚至永遠(yuǎn)都解決不了的問題。通向強(qiáng)人工智能還有一條“新”路線，這里稱為“仿真主義”。這條新路線通過制造先進(jìn)的大腦探測工具從結(jié)構(gòu)上解析大腦，再利用工程技術(shù)手段構(gòu)造出模仿大腦神經(jīng)網(wǎng)絡(luò)基元及結(jié)構(gòu)的仿腦裝置，最后通過環(huán)境刺激和交互訓(xùn)練仿真大腦實(shí)現(xiàn)類人智能，簡言之，“先結(jié)構(gòu)，后功能”。雖然這項(xiàng)工程也十分困難，但都是有可能在數(shù)十年內(nèi)解決的工程技術(shù)問題，而不像“理解大腦”這個(gè)科學(xué)問題那樣遙不可及。仿真主義可以說是符號(hào)主義、連接主義、行為主義和統(tǒng)計(jì)主義之后的第五個(gè)流派，和前四個(gè)流派有著千絲萬縷的聯(lián)系，也是前四個(gè)流派通向強(qiáng)人工智能的關(guān)鍵一環(huán)。經(jīng)典計(jì)算機(jī)是數(shù)理邏輯的開關(guān)電路實(shí)現(xiàn)，采用馮?諾依曼體系結(jié)構(gòu)，可以作為邏輯推理等專用智能的實(shí)現(xiàn)載體。但要靠經(jīng)典計(jì)算機(jī)不可能實(shí)現(xiàn)強(qiáng)人工智能。要按仿真主義的路線“仿腦”，就必須設(shè)計(jì)制造全新的軟硬件系統(tǒng)，這就是“類腦計(jì)算機(jī)”，或者更準(zhǔn)確地稱為“仿腦機(jī)”?！胺履X機(jī)”是“仿真工程”的標(biāo)志性成果，也是“仿腦工程”通向強(qiáng)人工智能之路的重要里程碑。2.2人工智能的特征(1)由人類設(shè)計(jì)，為人類服務(wù)，本質(zhì)為計(jì)算，基礎(chǔ)為數(shù)據(jù)。從根本上說，人工智能系統(tǒng)必須以人為本，這些系統(tǒng)是人類設(shè)計(jì)出的機(jī)器，按照人類設(shè)定的程序邏輯或軟件算法通過人類發(fā)明的芯片等硬件載體來運(yùn)行或工作，其本質(zhì)體現(xiàn)為計(jì)算，通過對數(shù)據(jù)的采集、加工、處理、分析和挖掘，形成有價(jià)值的信息流和知識(shí)模型，來為人類提供延伸人類能力的服務(wù)，來實(shí)現(xiàn)對人類期望的一些“智能行為”的模擬，在理想情況下必須體現(xiàn)服務(wù)人類的特點(diǎn)，而不應(yīng)該傷害人類，特別是不應(yīng)該有目的性地做出傷害人類的行為。(2)能感知環(huán)境，能產(chǎn)生反應(yīng)，能與人交互，能與人互補(bǔ)。人工智能系統(tǒng)應(yīng)能借助傳感器等器件產(chǎn)生對外界環(huán)境(包括人類)進(jìn)行感知的能力，可以像人一樣通過聽覺、視覺、嗅覺、觸覺等接收來自環(huán)境的各種信息，對外界輸入產(chǎn)生文字、語音、表情、動(dòng)作(控制執(zhí)行機(jī)構(gòu))等必要的反應(yīng)，甚至影響到環(huán)境或人類。借助于按鈕、鍵盤、鼠標(biāo)、屏幕、手勢、體態(tài)、表情、力反饋、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)等方式，人與機(jī)器間可以產(chǎn)生交互與互動(dòng)，使機(jī)器設(shè)備越來越“理解”人類乃至與人類共同協(xié)作、優(yōu)勢互補(bǔ)。這樣，人工智能系統(tǒng)能夠幫助人類做人類不擅長、不喜歡但機(jī)器能夠完成的工作，而人類則適合于去做更需要?jiǎng)?chuàng)造性、洞察力、想象力、靈活性、多變性乃至用心領(lǐng)悟或需要感情的一些工作。(3)有適應(yīng)特性，有學(xué)習(xí)能力，有演化迭代，有連接擴(kuò)展。人工智能系統(tǒng)在理想情況下應(yīng)具有一定的自適應(yīng)特性和學(xué)習(xí)能力，即具有一定的隨環(huán)境、數(shù)據(jù)或任務(wù)變化而自適應(yīng)調(diào)節(jié)參數(shù)或更新優(yōu)化模型的能力；并且，能夠在此基礎(chǔ)上通過與云、端、人、物越來越廣泛深入數(shù)字化連接擴(kuò)展，實(shí)現(xiàn)機(jī)器客體乃至人類主體的演化迭代，以使系統(tǒng)具有適應(yīng)性、魯棒性、靈活性、擴(kuò)展性，來應(yīng)對不斷變化的現(xiàn)實(shí)環(huán)境，從而使人工智能系統(tǒng)在各行各業(yè)產(chǎn)生豐富的應(yīng)用。2.3人工智能參考框架目前，人工智能領(lǐng)域尚未形成完善的參考框架。因此，本章基于人工智能的發(fā)展?fàn)顩r和應(yīng)用特征，從人工智能信息流動(dòng)的角度出發(fā)，提出一種人工智能參考框架(如圖2所示)，力圖搭建較為完整的人工智能主體框架，描述人工智能系統(tǒng)總體工作流程，不受具體應(yīng)用所限，適用于通用的人工智能領(lǐng)域需求。人工智能參考框架提供了基于“角色—活動(dòng)—功能”的層級(jí)分類體系，從“智能信息鏈”(水平軸)和“IT價(jià)值鏈”(垂直軸)兩個(gè)維度闡述了人工智能系統(tǒng)框架。“智能信息鏈”反映從智能信息感知、智能信息表示與形成、智能推理、智能決策、智能執(zhí)行與輸出的一般過程。在這個(gè)過程中，智能信息是流動(dòng)的載體，經(jīng)歷了“數(shù)據(jù)—信息—知識(shí)—智慧”的凝練過程?！癐T價(jià)值鏈”從人工智能的底層基礎(chǔ)設(shè)施、信息(提供和處理技術(shù)實(shí)現(xiàn))到系統(tǒng)的產(chǎn)業(yè)生態(tài)過程，反映人工智能為信息技術(shù)產(chǎn)業(yè)帶來的價(jià)值。此外，人工智能系統(tǒng)還有其它非常重要的框架構(gòu)件：安全、隱私、倫理和管理。人工智能系統(tǒng)主要由基礎(chǔ)設(shè)施提供者、信息提供者、信息處理者和系統(tǒng)協(xié)調(diào)者4個(gè)角色組成。(1)基礎(chǔ)設(shè)施提供者基礎(chǔ)設(shè)施提供者為人工智能系統(tǒng)提供計(jì)算能力支持，實(shí)現(xiàn)與外部世界的溝通，并通過基礎(chǔ)平臺(tái)實(shí)現(xiàn)支撐。計(jì)算能力由智能芯片(CPU、GPU、ASIC、FPGA等硬件加速芯片以及其它智能芯片)等硬件系統(tǒng)開發(fā)商提供；與外部世界的溝通通過新型傳感器制造商提供；基礎(chǔ)平臺(tái)包括分布式計(jì)算框架提供商及網(wǎng)絡(luò)提供商提供平臺(tái)保障和支持，即包括云存儲(chǔ)和計(jì)算、互聯(lián)互通網(wǎng)絡(luò)等。(2)信息提供者信息提供者在人工智能領(lǐng)域是智能信息的來源。通過知識(shí)信息感知過程由數(shù)據(jù)提供商提供智能感知信息，包括原始數(shù)據(jù)資源和數(shù)據(jù)集。原始數(shù)據(jù)資源的感知涉及到圖形、圖像、語音、文本的識(shí)別，還涉及到傳統(tǒng)設(shè)備的物聯(lián)網(wǎng)數(shù)據(jù)，包括已有系統(tǒng)的業(yè)務(wù)數(shù)據(jù)以及力、位移、液位、溫度、濕度等感知數(shù)據(jù)。(3)信息處理者信息處理者是指人工智能領(lǐng)域中技術(shù)和服務(wù)提供商。信息處理者的主要活動(dòng)包括智能信息表示與形成、智能推理、智能決策及智能執(zhí)行與輸出。智能信息處理者通常是算法工程師及技術(shù)服務(wù)提供商，通過計(jì)算框架、模型及通用技術(shù)，例如一些深度學(xué)習(xí)框架和機(jī)器學(xué)習(xí)算法模型等功能進(jìn)行支撐。智能信息表示與形成是指為描述外圍世界所作的一組約定，分階段對智能信息進(jìn)行符號(hào)化和形式化的智能信息建模、抽取、預(yù)處理、訓(xùn)練數(shù)據(jù)等。智能信息推理是指在計(jì)算機(jī)或智能系統(tǒng)中，模擬人類的智能推理方式，依據(jù)推理控制策略，利用形式化的信息進(jìn)行機(jī)器思維和求解問題的過程，典型的功能是搜索與匹配。智能信息決策是指智能信息經(jīng)過推理后進(jìn)行決策的過程，通常提供分類、排序、預(yù)測等功能。智能執(zhí)行與輸出作為智能信息輸出的環(huán)節(jié)，是對輸入作出的響應(yīng)，輸出整個(gè)智能信息流動(dòng)過程的結(jié)果，包括運(yùn)動(dòng)、顯示、發(fā)聲、交互、合成等功能。(4)系統(tǒng)協(xié)調(diào)者系統(tǒng)協(xié)調(diào)者提供人工智能系統(tǒng)必須滿足的整體要求，包括政策、法律、資源和業(yè)務(wù)需求，以及為確保系統(tǒng)符合這些需求而進(jìn)行的監(jiān)控和審計(jì)活動(dòng)。由于人工智能是多學(xué)科交叉領(lǐng)域，需要系統(tǒng)協(xié)調(diào)者定義和整合所需的應(yīng)用活動(dòng)，使其在人工智能領(lǐng)域的垂直系統(tǒng)中運(yùn)行。系統(tǒng)協(xié)調(diào)者的功能之一是配置和管理人工智能參考框架中的其他角色來執(zhí)行一個(gè)或多個(gè)功能，并維持人工智能系統(tǒng)的運(yùn)行。(5)安全、隱私、倫理安全、隱私、倫理覆蓋了人工智能領(lǐng)域的其他4個(gè)主要角色，對每個(gè)角色都有重要的影響作用。同時(shí)，安全、隱私、倫理處于管理角色的覆蓋范圍之內(nèi)，與全部角色和活動(dòng)都建立了相關(guān)聯(lián)系。在安全、隱私、倫理模塊，需要通過不同的技術(shù)手段和安全措施，構(gòu)筑全方位、立體的安全防護(hù)體系，保護(hù)人工智能領(lǐng)域參與者的安全和隱私。(6)管理管理角色承擔(dān)系統(tǒng)管理活動(dòng)，包括軟件調(diào)配、資源管理等內(nèi)容，管理的功能是監(jiān)視各種資源的運(yùn)行狀況，應(yīng)對出現(xiàn)的性能或故障事件，使得各系統(tǒng)組件透明且可觀。(7)智能產(chǎn)品及行業(yè)應(yīng)用智能產(chǎn)品及行業(yè)應(yīng)用指人工智能系統(tǒng)的產(chǎn)品和應(yīng)用，是對人工智能整體解決方案的封裝，將智能信息決策產(chǎn)品化、實(shí)現(xiàn)落地應(yīng)用，其應(yīng)用領(lǐng)域主要包括：智能制造、智能交通、智能家居、智能醫(yī)療、智能安防等。▌3人工智能發(fā)展現(xiàn)狀及趨勢依據(jù)參考框架中所涉及到的人工智能相關(guān)技術(shù)，本節(jié)重點(diǎn)介紹近二十年來人工智能領(lǐng)域關(guān)鍵技術(shù)的發(fā)展?fàn)顩r，包括機(jī)器學(xué)習(xí)、知識(shí)圖譜、自然語言處理、計(jì)算機(jī)視覺、人機(jī)交互、生物特征識(shí)別、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)等關(guān)鍵技術(shù)。3.1人工智能關(guān)鍵技術(shù)3.1.1機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)(MachineLearning)是一門涉及統(tǒng)計(jì)學(xué)、系統(tǒng)辨識(shí)、逼近理論、神經(jīng)網(wǎng)絡(luò)、優(yōu)化理論、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科，研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能，是人工智能技術(shù)的核心?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方法之一，研究從觀測數(shù)據(jù)(樣本)出發(fā)尋找規(guī)律，利用這些規(guī)律對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進(jìn)行預(yù)測。根據(jù)學(xué)習(xí)模式、學(xué)習(xí)方法以及算法的不同，機(jī)器學(xué)習(xí)存在不同的分類方法。(1)根據(jù)學(xué)習(xí)模式將機(jī)器學(xué)習(xí)分類為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等。監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)是利用已標(biāo)記的有限訓(xùn)練數(shù)據(jù)集，通過某種學(xué)習(xí)策略/方法建立一個(gè)模型，實(shí)現(xiàn)對新數(shù)據(jù)/實(shí)例的標(biāo)記(分類)/映射，最典型的監(jiān)督學(xué)習(xí)算法包括回歸和分類。監(jiān)督學(xué)習(xí)要求訓(xùn)練樣本的分類標(biāo)簽已知，分類標(biāo)簽精確度越高，樣本越具有代表性，學(xué)習(xí)模型的準(zhǔn)確度越高。監(jiān)督學(xué)習(xí)在自然語言處理、信息檢索、文本挖掘、手寫體辨識(shí)、垃圾郵件偵測等領(lǐng)域獲得了廣泛應(yīng)用。無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)是利用無標(biāo)記的有限數(shù)據(jù)描述隱藏在未標(biāo)記數(shù)據(jù)中的結(jié)構(gòu)/規(guī)律，最典型的非監(jiān)督學(xué)習(xí)算法包括單類密度估計(jì)、單類數(shù)據(jù)降維、聚類等。無監(jiān)督學(xué)習(xí)不需要訓(xùn)練樣本和人工標(biāo)注數(shù)據(jù)，便于壓縮數(shù)據(jù)存儲(chǔ)、減少計(jì)算量、提升算法速度，還可以避免正、負(fù)樣本偏移引起的分類錯(cuò)誤問題。主要用于經(jīng)濟(jì)預(yù)測、異常檢測、數(shù)據(jù)挖掘、圖像處理、模式識(shí)別等領(lǐng)域，例如組織大型計(jì)算機(jī)集群、社交網(wǎng)絡(luò)分析、市場分割、天文數(shù)據(jù)分析等。強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)是智能系統(tǒng)從環(huán)境到行為映射的學(xué)習(xí)，以使強(qiáng)化信號(hào)函數(shù)值最大。由于外部環(huán)境提供的信息很少，強(qiáng)化學(xué)習(xí)系統(tǒng)必須靠自身的經(jīng)歷進(jìn)行學(xué)習(xí)。強(qiáng)化學(xué)習(xí)的目標(biāo)是學(xué)習(xí)從環(huán)境狀態(tài)到行為的映射，使得智能體選擇的行為能夠獲得環(huán)境最大的獎(jiǎng)賞，使得外部環(huán)境對學(xué)習(xí)系統(tǒng)在某種意義下的評(píng)價(jià)為最佳。其在機(jī)器人控制、無人駕駛、下棋、工業(yè)控制等領(lǐng)域獲得成功應(yīng)用。(2)根據(jù)學(xué)習(xí)方法可以將機(jī)器學(xué)習(xí)分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。傳統(tǒng)機(jī)器學(xué)習(xí)傳統(tǒng)機(jī)器學(xué)習(xí)從一些觀測(訓(xùn)練)樣本出發(fā)，試圖發(fā)現(xiàn)不能通過原理分析獲得的規(guī)律，實(shí)現(xiàn)對未來數(shù)據(jù)行為或趨勢的準(zhǔn)確預(yù)測。相關(guān)算法包括邏輯回歸、隱馬爾科夫方法、支持向量機(jī)方法、K近鄰方法、三層人工神經(jīng)網(wǎng)絡(luò)方法、Adaboost算法、貝葉斯方法以及決策樹方法等。傳統(tǒng)機(jī)器學(xué)習(xí)平衡了學(xué)習(xí)結(jié)果的有效性與學(xué)習(xí)模型的可解釋性，為解決有限樣本的學(xué)習(xí)問題提供了一種框架，主要用于有限樣本情況下的模式分類、回歸分析、概率密度估計(jì)等。傳統(tǒng)機(jī)器學(xué)習(xí)方法共同的重要理論基礎(chǔ)之一是統(tǒng)計(jì)學(xué)，在自然語言處理、語音識(shí)別、圖像識(shí)別、信息檢索和生物信息等許多計(jì)算機(jī)領(lǐng)域獲得了廣泛應(yīng)用。深度學(xué)習(xí)深度學(xué)習(xí)是建立深層結(jié)構(gòu)模型的學(xué)習(xí)方法，典型的深度學(xué)習(xí)算法包括深度置信網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)和循環(huán)神經(jīng)網(wǎng)絡(luò)等。深度學(xué)習(xí)又稱為深度神經(jīng)網(wǎng)絡(luò)(指層數(shù)超過3層的神經(jīng)網(wǎng)絡(luò))。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)研究中的一個(gè)新興領(lǐng)域，由Hinton等人于2006年提出。深度學(xué)習(xí)源于多層神經(jīng)網(wǎng)絡(luò)，其實(shí)質(zhì)是給出了一種將特征表示和學(xué)習(xí)合二為一的方式。深度學(xué)習(xí)的特點(diǎn)是放棄了可解釋性，單純追求學(xué)習(xí)的有效性。經(jīng)過多年的摸索嘗試和研究，已經(jīng)產(chǎn)生了諸多深度神經(jīng)網(wǎng)絡(luò)的模型，其中卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)是兩類典型的模型。卷積神經(jīng)網(wǎng)絡(luò)常被應(yīng)用于空間性分布數(shù)據(jù)；循環(huán)神經(jīng)網(wǎng)絡(luò)在神經(jīng)網(wǎng)絡(luò)中引入了記憶和反饋，常被應(yīng)用于時(shí)間性分布數(shù)據(jù)。深度學(xué)習(xí)框架是進(jìn)行深度學(xué)習(xí)的基礎(chǔ)底層框架，一般包含主流的神經(jīng)網(wǎng)絡(luò)算法模型，提供穩(wěn)定的深度學(xué)習(xí)API，支持訓(xùn)練模型在服務(wù)器和GPU、TPU間的分布式學(xué)習(xí)，部分框架還具備在包括移動(dòng)設(shè)備、云平臺(tái)在內(nèi)的多種平臺(tái)上運(yùn)行的移植能力，從而為深度學(xué)習(xí)算法帶來前所未有的運(yùn)行速度和實(shí)用性。目前主流的開源算法框架有TensorFlow、Caffe/Caffe2、CNTK、MXNet、Paddle-paddle、Torch/PyTorch、Theano等。(3)此外，機(jī)器學(xué)習(xí)的常見算法還包括遷移學(xué)習(xí)、主動(dòng)學(xué)習(xí)和演化學(xué)習(xí)等。遷移學(xué)習(xí)遷移學(xué)習(xí)是指當(dāng)在某些領(lǐng)域無法取得足夠多的數(shù)據(jù)進(jìn)行模型訓(xùn)練時(shí)，利用另一領(lǐng)域數(shù)據(jù)獲得的關(guān)系進(jìn)行的學(xué)習(xí)。遷移學(xué)習(xí)可以把已訓(xùn)練好的模型參數(shù)遷移到新的模型指導(dǎo)新模型訓(xùn)練，可以更有效的學(xué)習(xí)底層規(guī)則、減少數(shù)據(jù)量。目前的遷移學(xué)習(xí)技術(shù)主要在變量有限的小規(guī)模應(yīng)用中使用，如基于傳感器網(wǎng)絡(luò)的定位，文字分類和圖像分類等。未來遷移學(xué)習(xí)將被廣泛應(yīng)用于解決更有挑戰(zhàn)性的問題，如視頻分類、社交網(wǎng)絡(luò)分析、邏輯推理等。主動(dòng)學(xué)習(xí)主動(dòng)學(xué)習(xí)通過一定的算法查詢最有用的未標(biāo)記樣本，并交由專家進(jìn)行標(biāo)記，然后用查詢到的樣本訓(xùn)練分類模型來提高模型的精度。主動(dòng)學(xué)習(xí)能夠選擇性地獲取知識(shí)，通過較少的訓(xùn)練樣本獲得高性能的模型，最常用的策略是通過不確定性準(zhǔn)則和差異性準(zhǔn)則選取有效的樣本。演化學(xué)習(xí)演化學(xué)習(xí)對優(yōu)化問題性質(zhì)要求極少，只需能夠評(píng)估解的好壞即可，適用于求解復(fù)雜的優(yōu)化問題，也能直接用于多目標(biāo)優(yōu)化。演化算法包括粒子群優(yōu)化算法、多目標(biāo)演化算法等。目前針對演化學(xué)習(xí)的研究主要集中在演化數(shù)據(jù)聚類、對演化數(shù)據(jù)更有效的分類，以及提供某種自適應(yīng)機(jī)制以確定演化機(jī)制的影響等。3.1.2知識(shí)圖譜知識(shí)圖譜本質(zhì)上是結(jié)構(gòu)化的語義知識(shí)庫，是一種由節(jié)點(diǎn)和邊組成的圖數(shù)據(jù)結(jié)構(gòu)，以符號(hào)形式描述物理世界中的概念及其相互關(guān)系，其基本組成單位是“實(shí)體—關(guān)系—實(shí)體”三元組，以及實(shí)體及其相關(guān)“屬性—值”對。不同實(shí)體之間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)。在知識(shí)圖譜中，每個(gè)節(jié)點(diǎn)表示現(xiàn)實(shí)世界的“實(shí)體”，每條邊為實(shí)體與實(shí)體之間的“關(guān)系”。通俗地講，知識(shí)圖譜就是把所有不同種類的信息連接在一起而得到的一個(gè)關(guān)系網(wǎng)絡(luò)，提供了從“關(guān)系”的角度去分析問題的能力。知識(shí)圖譜可用于反欺詐、不一致性驗(yàn)證、組團(tuán)欺詐等公共安全保障領(lǐng)域，需要用到異常分析、靜態(tài)分析、動(dòng)態(tài)分析等數(shù)據(jù)挖掘方法。特別地，知識(shí)圖譜在搜索引擎、可視化展示和精準(zhǔn)營銷方面有很大的優(yōu)勢，已成為業(yè)界的熱門工具。但是，知識(shí)圖譜的發(fā)展還有很大的挑戰(zhàn)，如數(shù)據(jù)的噪聲問題，即數(shù)據(jù)本身有錯(cuò)誤或者數(shù)據(jù)存在冗余。隨著知識(shí)圖譜應(yīng)用的不斷深入，還有一系列關(guān)鍵技術(shù)需要突破。3.1.3自然語言處理自然語言處理是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向，研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法，涉及的領(lǐng)域較多，主要包括機(jī)器翻譯、機(jī)器閱讀理解和問答系統(tǒng)等。(1)機(jī)器翻譯機(jī)器翻譯技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)從一種自然語言到另外一種自然語言的翻譯過程?；诮y(tǒng)計(jì)的機(jī)器翻譯方法突破了之前基于規(guī)則和實(shí)例翻譯方法的局限性，翻譯性能取得巨大提升。基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯在日?？谡Z等一些場景的成功應(yīng)用已經(jīng)顯現(xiàn)出了巨大的潛力。隨著上下文的語境表征和知識(shí)邏輯推理能力的發(fā)展，自然語言知識(shí)圖譜不斷擴(kuò)充，機(jī)器翻譯將會(huì)在多輪對話翻譯及篇章翻譯等領(lǐng)域取得更大進(jìn)展。目前非限定領(lǐng)域機(jī)器翻譯中性能較佳的一種是統(tǒng)計(jì)機(jī)器翻譯，包括訓(xùn)練及解碼兩個(gè)階段。訓(xùn)練階段的目標(biāo)是獲得模型參數(shù)，解碼階段的目標(biāo)是利用所估計(jì)的參數(shù)和給定的優(yōu)化目標(biāo)，獲取待翻譯語句的最佳翻譯結(jié)果。統(tǒng)計(jì)機(jī)器翻譯主要包括語料預(yù)處理、詞對齊、短語抽取、短語概率計(jì)算、最大熵調(diào)序等步驟。基于神經(jīng)網(wǎng)絡(luò)的端到端翻譯方法不需要針對雙語句子專門設(shè)計(jì)特征模型，而是直接把源語言句子的詞串送入神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過神經(jīng)網(wǎng)絡(luò)的運(yùn)算，得到目標(biāo)語言句子的翻譯結(jié)果。在基于端到端的機(jī)器翻譯系統(tǒng)中，通常采用遞歸神經(jīng)網(wǎng)絡(luò)或卷積神經(jīng)網(wǎng)絡(luò)對句子進(jìn)行表征建模，從海量訓(xùn)練數(shù)據(jù)中抽取語義信息，與基于短語的統(tǒng)計(jì)翻譯相比，其翻譯結(jié)果更加流暢自然，在實(shí)際應(yīng)用中取得了較好的效果。(2)語義理解語義理解技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對文本篇章的理解，并且回答與篇章相關(guān)問題的過程。語義理解更注重于對上下文的理解以及對答案精準(zhǔn)程度的把控。隨著MCTest數(shù)據(jù)集的發(fā)布，語義理解受到更多關(guān)注，取得了快速發(fā)展，相關(guān)數(shù)據(jù)集和對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型層出不窮。語義理解技術(shù)將在智能客服、產(chǎn)品自動(dòng)問答等相關(guān)領(lǐng)域發(fā)揮重要作用，進(jìn)一步提高問答與對話系統(tǒng)的精度。在數(shù)據(jù)采集方面，語義理解通過自動(dòng)構(gòu)造數(shù)據(jù)方法和自動(dòng)構(gòu)造填空型問題的方法來有效擴(kuò)充數(shù)據(jù)資源。為了解決填充型問題，一些基于深度學(xué)習(xí)的方法相繼提出，如基于注意力的神經(jīng)網(wǎng)絡(luò)方法。當(dāng)前主流的模型是利用神經(jīng)網(wǎng)絡(luò)技術(shù)對篇章、問題建模，對答案的開始和終止位置進(jìn)行預(yù)測，抽取出篇章片段。對于進(jìn)一步泛化的答案，處理難度進(jìn)一步提升，目前的語義理解技術(shù)仍有較大的提升空間。(3)問答系統(tǒng)問答系統(tǒng)分為開放領(lǐng)域的對話系統(tǒng)和特定領(lǐng)域的問答系統(tǒng)。問答系統(tǒng)技術(shù)是指讓計(jì)算機(jī)像人類一樣用自然語言與人交流的技術(shù)。人們可以向問答系統(tǒng)提交用自然語言表達(dá)的問題，系統(tǒng)會(huì)返回關(guān)聯(lián)性較高的答案。盡管問答系統(tǒng)目前已經(jīng)有了不少應(yīng)用產(chǎn)品出現(xiàn)，但大多是在實(shí)際信息服務(wù)系統(tǒng)和智能手機(jī)助手等領(lǐng)域中的應(yīng)用，在問答系統(tǒng)魯棒性方面仍然存在著問題和挑戰(zhàn)。自然語言處理面臨四大挑戰(zhàn)：一是在詞法、句法、語義、語用和語音等不同層面存在不確定性；二是新的詞匯、術(shù)語、語義和語法導(dǎo)致未知語言現(xiàn)象的不可預(yù)測性；三是數(shù)據(jù)資源的不充分使其難以覆蓋復(fù)雜的語言現(xiàn)象；四是語義知識(shí)的模糊性和錯(cuò)綜復(fù)雜的關(guān)聯(lián)性難以用簡單的數(shù)學(xué)模型描述，語義計(jì)算需要參數(shù)龐大的非線性計(jì)算。3.1.4人機(jī)交互人機(jī)交互主要研究人和計(jì)算機(jī)之間的信息交換，主要包括人到計(jì)算機(jī)和計(jì)算機(jī)到人的兩部分信息交換，是人工智能領(lǐng)域的重要的外圍技術(shù)。人機(jī)交互是與認(rèn)知心理學(xué)、人機(jī)工程學(xué)、多媒體技術(shù)、虛擬現(xiàn)實(shí)技術(shù)等密切相關(guān)的綜合學(xué)科。傳統(tǒng)的人與計(jì)算機(jī)之間的信息交換主要依靠交互設(shè)備進(jìn)行，主要包括鍵盤、鼠標(biāo)、操縱桿、數(shù)據(jù)服裝、眼動(dòng)跟蹤器、位置跟蹤器、數(shù)據(jù)手套、壓力筆等輸入設(shè)備，以及打印機(jī)、繪圖儀、顯示器、頭盔式顯示器、音箱等輸出設(shè)備。人機(jī)交互技術(shù)除了傳統(tǒng)的基本交互和圖形交互外，還包括語音交互、情感交互、體感交互及腦機(jī)交互等技術(shù)，以下對后四種與人工智能關(guān)聯(lián)密切的典型交互手段進(jìn)行介紹。(1)語音交互語音交互是一種高效的交互方式，是人以自然語音或機(jī)器合成語音同計(jì)算機(jī)進(jìn)行交互的綜合性技術(shù)，結(jié)合了語言學(xué)、心理學(xué)、工程和計(jì)算機(jī)技術(shù)等領(lǐng)域的知識(shí)。語音交互不僅要對語音識(shí)別和語音合成進(jìn)行研究，還要對人在語音通道下的交互機(jī)理、行為方式等進(jìn)行研究。語音交互過程包括四部分：語音采集、語音識(shí)別、語義理解和語音合成。語音采集完成音頻的錄入、采樣及編碼；語音識(shí)別完成語音信息到機(jī)器可識(shí)別的文本信息的轉(zhuǎn)化；語義理解根據(jù)語音識(shí)別轉(zhuǎn)換后的文本字符或命令完成相應(yīng)的操作；語音合成完成文本信息到聲音信息的轉(zhuǎn)換。作為人類溝通和獲取信息最自然便捷的手段，語音交互比其他交互方式具備更多優(yōu)勢，能為人機(jī)交互帶來根本性變革，是大數(shù)據(jù)和認(rèn)知計(jì)算時(shí)代未來發(fā)展的制高點(diǎn)，具有廣闊的發(fā)展前景和應(yīng)用前景。(2)情感交互情感是一種高層次的信息傳遞，而情感交互是一種交互狀態(tài)，它在表達(dá)功能和信息時(shí)傳遞情感，勾起人們的記憶或內(nèi)心的情愫。傳統(tǒng)的人機(jī)交互無法理解和適應(yīng)人的情緒或心境，缺乏情感理解和表達(dá)能力，計(jì)算機(jī)難以具有類似人一樣的智能，也難以通過人機(jī)交互做到真正的和諧與自然。情感交互就是要賦予計(jì)算機(jī)類似于人一樣的觀察、理解和生成各種情感的能力，最終使計(jì)算機(jī)像人一樣能進(jìn)行自然、親切和生動(dòng)的交互。情感交互已經(jīng)成為人工智能領(lǐng)域中的熱點(diǎn)方向，旨在讓人機(jī)交互變得更加自然。目前，在情感交互信息的處理方式、情感描述方式、情感數(shù)據(jù)獲取和處理過程、情感表達(dá)方式等方面還有諸多技術(shù)挑戰(zhàn)。(3)體感交互體感交互是個(gè)體不需要借助任何復(fù)雜的控制系統(tǒng)，以體感技術(shù)為基礎(chǔ)，直接通過肢體動(dòng)作與周邊數(shù)字設(shè)備裝置和環(huán)境進(jìn)行自然的交互。依照體感方式與原理的不同，體感技術(shù)主要分為三類：慣性感測、光學(xué)感測以及光學(xué)聯(lián)合感測。體感交互通常由運(yùn)動(dòng)追蹤、手勢識(shí)別、運(yùn)動(dòng)捕捉、面部表情識(shí)別等一系列技術(shù)支撐。與其他交互手段相比，體感交互技術(shù)無論是硬件還是軟件方面都有了較大的提升，交互設(shè)備向小型化、便攜化、使用方便化等方面發(fā)展，大大降低了對用戶的約束，使得交互過程更加自然。目前，體感交互在游戲娛樂、醫(yī)療輔助與康復(fù)、全自動(dòng)三維建模、輔助購物、眼動(dòng)儀等領(lǐng)域有了較為廣泛的應(yīng)用。(4)腦機(jī)交互腦機(jī)交互又稱為腦機(jī)接口，指不依賴于外圍神經(jīng)和肌肉等神經(jīng)通道，直接實(shí)現(xiàn)大腦與外界信息傳遞的通路。腦機(jī)接口系統(tǒng)檢測中樞神經(jīng)系統(tǒng)活動(dòng)，并將其轉(zhuǎn)化為人工輸出指令，能夠替代、修復(fù)、增強(qiáng)、補(bǔ)充或者改善中樞神經(jīng)系統(tǒng)的正常輸出，從而改變中樞神經(jīng)系統(tǒng)與內(nèi)外環(huán)境之間的交互作用。腦機(jī)交互通過對神經(jīng)信號(hào)解碼，實(shí)現(xiàn)腦信號(hào)到機(jī)器指令的轉(zhuǎn)化，一般包括信號(hào)采集、特征提取和命令輸出三個(gè)模塊。從腦電信號(hào)采集的角度，一般將腦機(jī)接口分為侵入式和非侵入式兩大類。除此之外，腦機(jī)接口還有其他常見的分類方式：按照信號(hào)傳輸方向可以分為腦到機(jī)、機(jī)到腦和腦機(jī)雙向接口；按照信號(hào)生成的類型，可分為自發(fā)式腦機(jī)接口和誘發(fā)式腦機(jī)接口；按照信號(hào)源的不同還可分為基于腦電的腦機(jī)接口、基于功能性核磁共振的腦機(jī)接口以及基于近紅外光譜分析的腦機(jī)接口。3.1.5計(jì)算機(jī)視覺計(jì)算機(jī)視覺是使用計(jì)算機(jī)模仿人類視覺系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力。自動(dòng)駕駛、機(jī)器人、智能醫(yī)療等領(lǐng)域均需要通過計(jì)算機(jī)視覺技術(shù)從視覺信號(hào)中提取并處理信息。近來隨著深度學(xué)習(xí)的發(fā)展，預(yù)處理、特征提取與算法處理漸漸融合，形成端到端的人工智能算法技術(shù)。根據(jù)解決的問題，計(jì)算機(jī)視覺可分為計(jì)算成像學(xué)、圖像理解、三維視覺、動(dòng)態(tài)視覺和視頻編解碼五大類。(1)計(jì)算成像學(xué)計(jì)算成像學(xué)是探索人眼結(jié)構(gòu)、相機(jī)成像原理以及其延伸應(yīng)用的科學(xué)。在相機(jī)成像原理方面，計(jì)算成像學(xué)不斷促進(jìn)現(xiàn)有可見光相機(jī)的完善，使得現(xiàn)代相機(jī)更加輕便，可以適用于不同場景。同時(shí)計(jì)算成像學(xué)也推動(dòng)著新型相機(jī)的產(chǎn)生，使相機(jī)超出可見光的限制。在相機(jī)應(yīng)用科學(xué)方面，計(jì)算成像學(xué)可以提升相機(jī)的能力，從而通過后續(xù)的算法處理使得在受限條件下拍攝的圖像更加完善，例如圖像去噪、去模糊、暗光增強(qiáng)、去霧霾等，以及實(shí)現(xiàn)新的功能，例如全景圖、軟件虛化、超分辨率等。(2)圖像理解圖像理解是通過用計(jì)算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世界的一門科學(xué)。通常根據(jù)理解信息的抽象程度可分為三個(gè)層次：淺層理解，包括圖像邊緣、圖像特征點(diǎn)、紋理元素等；中層理解，包括物體邊界、區(qū)域與平面等；高層理解，根據(jù)需要抽取的高層語義信息，可大致分為識(shí)別、檢測、分割、姿態(tài)估計(jì)、圖像文字說明等。目前高層圖像理解算法已逐漸廣泛應(yīng)用于人工智能系統(tǒng)，如刷臉支付、智慧安防、圖像搜索等。(3)三維視覺三維視覺即研究如何通過視覺獲取三維信息(三維重建)以及如何理解所獲取的三維信息的科學(xué)。三維重建可以根據(jù)重建的信息來源，分為單目圖像重建、多目圖像重建和深度圖像重建等。三維信息理解，即使用三維信息輔助圖像理解或者直接理解三維信息。三維信息理解可分為，淺層：角點(diǎn)、邊緣、法向量等；中層：平面、立方體等；高層：物體檢測、識(shí)別、分割等。三維視覺技術(shù)可以廣泛應(yīng)用于機(jī)器人、無人駕駛、智慧工廠、虛擬/增強(qiáng)現(xiàn)實(shí)等方向。(4)動(dòng)態(tài)視覺動(dòng)態(tài)視覺即分析視頻或圖像序列，模擬人處理時(shí)序圖像的科學(xué)。通常動(dòng)態(tài)視覺問題可以定義為尋找圖像元素，如像素、區(qū)域、物體在時(shí)序上的對應(yīng)，以及提取其語義信息的問題。動(dòng)態(tài)視覺研究被廣泛應(yīng)用在視頻分析以及人機(jī)交互等方面。(5)視頻編解碼視頻編解碼是指通過特定的壓縮技術(shù)，將視頻流進(jìn)行壓縮。視頻流傳輸中最為重要的編解碼標(biāo)準(zhǔn)有國際電聯(lián)的H.261、H.263、H.264、H.265、M-JPEG和MPEG系列標(biāo)準(zhǔn)。視頻壓縮編碼主要分為兩大類：無損壓縮和有損壓縮。無損壓縮指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)時(shí)，重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)完全相同，例如磁盤文件的壓縮。有損壓縮也稱為不可逆編碼，指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)時(shí)，重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)有差異，但不會(huì)影響人們對原始資料所表達(dá)的信息產(chǎn)生誤解。有損壓縮的應(yīng)用范圍廣泛，例如視頻會(huì)議、可視電話、視頻廣播、視頻監(jiān)控等。目前，計(jì)算機(jī)視覺技術(shù)發(fā)展迅速，已具備初步的產(chǎn)業(yè)規(guī)模。未來計(jì)算機(jī)視覺技術(shù)的發(fā)展主要面臨以下挑戰(zhàn)：一是如何在不同的應(yīng)用領(lǐng)域和其他技術(shù)更好的結(jié)合，計(jì)算機(jī)視覺在解決某些問題時(shí)可以廣泛利用大數(shù)據(jù)，已經(jīng)逐漸成熟并且可以超過人類，而在某些問題上卻無法達(dá)到很高的精度；二是如何降低計(jì)算機(jī)視覺算法的開發(fā)時(shí)間和人力成本，目前計(jì)算機(jī)視覺算法需要大量的數(shù)據(jù)與人工標(biāo)注，需要較長的研發(fā)周期以達(dá)到應(yīng)用領(lǐng)域所要求的精度與耗時(shí)；三是如何加快新型算法的設(shè)計(jì)開發(fā)，隨著新的成像硬件與人工智能芯片的出現(xiàn)，針對不同芯片與數(shù)據(jù)采集設(shè)備的計(jì)算機(jī)視覺算法的設(shè)計(jì)與開發(fā)也是挑戰(zhàn)之一。3.1.6生物特征識(shí)別生物特征識(shí)別技術(shù)是指通過個(gè)體生理特征或行為特征對個(gè)體身份進(jìn)行識(shí)別認(rèn)證的技術(shù)。從應(yīng)用流程看，生物特征識(shí)別通常分為注冊和識(shí)別兩個(gè)階段。注冊階段通過傳感器對人體的生物表征信息進(jìn)行采集，如利用圖像傳感器對指紋和人臉等光學(xué)信息、麥克風(fēng)對說話聲等聲學(xué)信息進(jìn)行采集，利用數(shù)據(jù)預(yù)處理以及特征提取技術(shù)對采集的數(shù)據(jù)進(jìn)行處理，得到相應(yīng)的特征進(jìn)行存儲(chǔ)。識(shí)別過程采用與注冊過程一致的信息采集方式對待識(shí)別人進(jìn)行信息采集、數(shù)據(jù)預(yù)處理和特征提取，然后將提取的特征與存儲(chǔ)的特征進(jìn)行比對分析，完成識(shí)別。從應(yīng)用任務(wù)看，生物特征識(shí)別一般分為辨認(rèn)與確認(rèn)兩種任務(wù)，辨認(rèn)是指從存儲(chǔ)庫中確定待識(shí)別人身份的過程，是一對多的問題；確認(rèn)是指將待識(shí)別人信息與存儲(chǔ)庫中特定單人信息進(jìn)行比對，確定身份的過程，是一對一的問題。生物特征識(shí)別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態(tài)等多種生物特征，其識(shí)別過程涉及到圖像處理、計(jì)算機(jī)視覺、語音識(shí)別、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù)。目前生物特征識(shí)別作為重要的智能化身份認(rèn)證技術(shù)，在金融、公共安全、教育、交通等領(lǐng)域得到廣泛的應(yīng)用。下面將對指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別、指靜脈識(shí)別、聲紋識(shí)別以及步態(tài)識(shí)別等技術(shù)進(jìn)行介紹。(1)指紋識(shí)別指紋識(shí)別過程通常包括數(shù)據(jù)采集、數(shù)據(jù)處理、分析判別三個(gè)過程。數(shù)據(jù)采集通過光、電、力、熱等物理傳感器獲取指紋圖像；數(shù)據(jù)處理包括預(yù)處理、畸變校正、特征提取三個(gè)過程；分析判別是對提取的特征進(jìn)行分析判別的過程。(2)人臉識(shí)別人臉識(shí)別是典型的計(jì)算機(jī)視覺應(yīng)用，從應(yīng)用過程來看，可將人臉識(shí)別技術(shù)劃分為檢測定位、面部特征提取以及人臉確認(rèn)三個(gè)過程。人臉識(shí)別技術(shù)的應(yīng)用主要受到光照、拍攝角度、圖像遮擋、年齡等多個(gè)因素的影響，在約束條件下人臉識(shí)別技術(shù)相對成熟，在自由條件下人臉識(shí)別技術(shù)還在不斷改進(jìn)。(3)虹膜識(shí)別虹膜識(shí)別的理論框架主要包括虹膜圖像分割、虹膜區(qū)域歸一化、特征提取和識(shí)別四個(gè)部分，研究工作大多是基于此理論框架發(fā)展而來。虹膜識(shí)別技術(shù)應(yīng)用的主要難題包含傳感器和光照影響兩個(gè)方面：一方面，由于虹膜尺寸小且受黑色素遮擋，需在近紅外光源下采用高分辨圖像傳感器才可清晰成像，對傳感器質(zhì)量和穩(wěn)定性要求比較高；另一方面，光照的強(qiáng)弱變化會(huì)引起瞳孔縮放，導(dǎo)致虹膜紋理產(chǎn)生復(fù)雜形變，增加了匹配的難度。(4)指靜脈識(shí)別指靜脈識(shí)別是利用了人體靜脈血管中的脫氧血紅蛋白對特定波長范圍內(nèi)的近紅外線有很好的吸收作用這一特性，采用近紅外光對指靜脈進(jìn)行成像與識(shí)別的技術(shù)。由于指靜脈血管分布隨機(jī)性很強(qiáng)，其網(wǎng)絡(luò)特征具有很好的唯一性，且屬于人體內(nèi)部特征，不受到外界影響，因此模態(tài)特性十分穩(wěn)定。指靜脈識(shí)別技術(shù)應(yīng)用面臨的主要難題來自于成像單元。(5)聲紋識(shí)別聲紋識(shí)別是指根據(jù)待識(shí)別語音的聲紋特征識(shí)別說話人的技術(shù)。聲紋識(shí)別技術(shù)通?？梢苑譃榍岸颂幚砗徒７治鰞蓚€(gè)階段。聲紋識(shí)別的過程是將某段來自某個(gè)人的語音經(jīng)過特征提取后與多復(fù)合聲紋模型庫中的聲紋模型進(jìn)行匹配，常用的識(shí)別方法可以分為模板匹配法、概率模型法等。(6)步態(tài)識(shí)別步態(tài)是遠(yuǎn)距離復(fù)雜場景下唯一可清晰成像的生物特征，步態(tài)識(shí)別是指通過身體體型和行走姿態(tài)來識(shí)別人的身份。相比上述幾種生物特征識(shí)別，步態(tài)識(shí)別的技術(shù)難度更大，體現(xiàn)在其需要從視頻中提取運(yùn)動(dòng)特征，以及需要更高要求的預(yù)處理算法，但步態(tài)識(shí)別具有遠(yuǎn)距離、跨角度、光照不敏感等優(yōu)勢。3.1.7虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)虛擬現(xiàn)實(shí)(VR)/增強(qiáng)現(xiàn)實(shí)(AR)是以計(jì)算機(jī)為核心的新型視聽技術(shù)。結(jié)合相關(guān)科學(xué)技術(shù)，在一定范圍內(nèi)生成與真實(shí)環(huán)境在視覺、聽覺、觸感等方面高度近似的數(shù)字化環(huán)境。用戶借助必要的裝備與數(shù)字化環(huán)境中的對象進(jìn)行交互，相互影響，獲得近似真實(shí)環(huán)境的感受和體驗(yàn)，通過顯示設(shè)備、跟蹤定位設(shè)備、觸力覺交互設(shè)備、數(shù)據(jù)獲取設(shè)備、專用芯片等實(shí)現(xiàn)。虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)從技術(shù)特征角度，按照不同處理階段，可以分為獲取與建模技術(shù)、分析與利用技術(shù)、交換與分發(fā)技術(shù)、展示與交互技術(shù)以及技術(shù)標(biāo)準(zhǔn)與評(píng)價(jià)體系五個(gè)方面。獲取與建模技術(shù)研究如何把物理世界或者人類的創(chuàng)意進(jìn)行數(shù)字化和模型化，難點(diǎn)是三維物理世界的數(shù)字化和模型化技術(shù)；分析與利用技術(shù)重點(diǎn)研究對數(shù)字內(nèi)容進(jìn)行分析、理解、搜索和知識(shí)化方法，其難點(diǎn)是在于內(nèi)容的語義表示和分析；交換與分發(fā)技術(shù)主要強(qiáng)調(diào)各種網(wǎng)絡(luò)環(huán)境下大規(guī)模的數(shù)字化內(nèi)容流通、轉(zhuǎn)換、集成和面向不同終端用戶的個(gè)性化服務(wù)等，其核心是開放的內(nèi)容交換和版權(quán)管理技術(shù)；展示與交換技術(shù)重點(diǎn)研究符合人類習(xí)慣數(shù)字內(nèi)容的各種顯示技術(shù)及交互方法，以期提高人對復(fù)雜信息的認(rèn)知能力，其難點(diǎn)在于建立自然和諧的人機(jī)交互環(huán)境；標(biāo)準(zhǔn)與評(píng)價(jià)體系重點(diǎn)研究虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)基礎(chǔ)資源、內(nèi)容編目、信源編碼等的規(guī)范標(biāo)準(zhǔn)以及相應(yīng)的評(píng)估技術(shù)。目前虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)面臨的挑戰(zhàn)主要體現(xiàn)在智能獲取、普適設(shè)備、自由交互和感知融合四個(gè)方面。在硬件平臺(tái)與裝置、核心芯片與器件、軟件平臺(tái)與工具、相關(guān)標(biāo)準(zhǔn)與規(guī)范等方面存在一系列科學(xué)技術(shù)問題。總體來說虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)呈現(xiàn)虛擬現(xiàn)實(shí)系統(tǒng)智能化、虛實(shí)環(huán)境對象無縫融合、自然交互全方位與舒適化的發(fā)展趨勢。3.1.8人工智能技術(shù)發(fā)展趨勢綜上所述，人工智能技術(shù)在以下方面的發(fā)展有顯著的特點(diǎn)，是進(jìn)一步研究人工智能趨勢的重點(diǎn)。(1)技術(shù)平臺(tái)開源化開源的學(xué)習(xí)框架在人工智能領(lǐng)域的研發(fā)成績斐然，對深度學(xué)習(xí)領(lǐng)域影響巨大。開源的深度學(xué)習(xí)框架使得開發(fā)者可以直接使用已經(jīng)研發(fā)成功的深度學(xué)習(xí)工具，減少二次開發(fā)，提高效率，促進(jìn)業(yè)界緊密合作和交流。國內(nèi)外產(chǎn)業(yè)巨頭也紛紛意識(shí)到通過開源技術(shù)建立產(chǎn)業(yè)生態(tài)，是搶占產(chǎn)業(yè)制高點(diǎn)的重要手段。通過技術(shù)平臺(tái)的開源化，可以擴(kuò)大技術(shù)規(guī)模，整合技術(shù)和應(yīng)用，有效布局人工智能全產(chǎn)業(yè)鏈。谷歌、百度等國內(nèi)外龍頭企業(yè)紛紛布局開源人工智能生態(tài)，未來將有更多的軟硬件企業(yè)參與開源生態(tài)。(2)專用智能向通用智能發(fā)展目前的人工智能發(fā)展主要集中在專用智能方面，具有領(lǐng)域局限性。隨著科技的發(fā)展，各領(lǐng)域之間相互融合、相互影響，需要一種范圍廣、集成度高、適應(yīng)能力強(qiáng)的通用智能，提供從輔助性決策工具到專業(yè)性解決方案的升級(jí)。通用人工智能具備執(zhí)行一般智慧行為的能力，可以將人工智能與感知、知識(shí)、意識(shí)和直覺等人類的特征互相連接，減少對領(lǐng)域知識(shí)的依賴性、提高處理任務(wù)的普適性，這將是人工智能未來的發(fā)展方向。未來的人工智能將廣泛的涵蓋各個(gè)領(lǐng)域，消除各領(lǐng)域之間的應(yīng)用壁壘。(3)智能感知向智能認(rèn)知方向邁進(jìn)人工智能的主要發(fā)展階段包括：運(yùn)算智能、感知智能、認(rèn)知智能，這一觀點(diǎn)得到業(yè)界的廣泛認(rèn)可。早期階段的人工智能是運(yùn)算智能，機(jī)器具有快速計(jì)算和記憶存儲(chǔ)能力。當(dāng)前大數(shù)據(jù)時(shí)代的人工智能是感知智能，機(jī)器具有視覺、聽覺、觸覺等感知能力。隨著類腦科技的發(fā)展，人工智能必然向認(rèn)知智能時(shí)代邁進(jìn)，即讓機(jī)器能理解會(huì)思考。3.2人工智能產(chǎn)業(yè)現(xiàn)狀及趨勢人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，將催生新的技術(shù)、產(chǎn)品、產(chǎn)業(yè)、業(yè)態(tài)、模式，從而引發(fā)經(jīng)濟(jì)結(jié)構(gòu)的重大變革，實(shí)現(xiàn)社會(huì)生產(chǎn)力的整體提升。麥肯錫預(yù)計(jì)，到2025年全球人工智能應(yīng)用市場規(guī)?？傊祵⑦_(dá)到1270億美元，人工智能將是眾多智能產(chǎn)業(yè)發(fā)展的突破點(diǎn)。通過對人工智能產(chǎn)業(yè)分布進(jìn)行梳理，提出了人工智能產(chǎn)業(yè)生態(tài)圖，主要分為核心業(yè)態(tài)、關(guān)聯(lián)業(yè)態(tài)、衍生業(yè)態(tài)三個(gè)層次，如圖3所示。下面將重點(diǎn)對核心業(yè)態(tài)包含的智能基礎(chǔ)設(shè)施建設(shè)、智能信息及數(shù)據(jù)、智能技術(shù)服務(wù)、智能產(chǎn)品四個(gè)方面展開介紹，并總結(jié)人工智能行業(yè)應(yīng)用及產(chǎn)業(yè)發(fā)展趨勢。3.2.1智能基礎(chǔ)設(shè)施智能基礎(chǔ)設(shè)施為人工智能產(chǎn)業(yè)提供計(jì)算能力支撐，其范圍包括智能傳感器、智能芯片、分布式計(jì)算框架等，是人工智能產(chǎn)業(yè)發(fā)展的重要保障。(1)智能芯片智能芯片從應(yīng)用角度可以分為訓(xùn)練和推理兩種類型。從部署場景來看，可以分為云端和設(shè)備端兩步大類。訓(xùn)練過程由于涉及海量的訓(xùn)練數(shù)據(jù)和復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，需要龐大的計(jì)算規(guī)模，主要使用智能芯片集群來完成。與訓(xùn)練的計(jì)算量相比，推理的計(jì)算量較少，但仍然涉及大量的矩陣運(yùn)算。目前，訓(xùn)練和推理通常都在云端實(shí)現(xiàn)，只有對實(shí)時(shí)性要求很高的設(shè)備會(huì)交由設(shè)備端進(jìn)行處理。按技術(shù)架構(gòu)來看，智能芯片可以分為通用類芯片(CPU、GPU、FPGA)、基于FPGA的半定制化芯片、全定制化ASIC芯片、類腦計(jì)算芯片(IBMTrueNorth)。另外，主要的人工智能處理器還有DPU、BPU、NPU、EPU等適用于不同場景和功能的人工智能芯片。隨著互聯(lián)網(wǎng)用戶量和數(shù)據(jù)規(guī)模的急劇膨脹，人工智能發(fā)展對計(jì)算性能的要求迫切增長，對CPU計(jì)算性能提升的需求超過了摩爾定律的增長速度。同時(shí)，受限于技術(shù)原因，傳統(tǒng)處理器性能也無法按照摩爾定律繼續(xù)增長，發(fā)展下一代智能芯片勢在必行。未來的智能芯片主要是在兩個(gè)方向發(fā)展：一是模仿人類大腦結(jié)構(gòu)的芯片，二是量子芯片。智能芯片是人工智能時(shí)代的戰(zhàn)略制高點(diǎn)，預(yù)計(jì)到2020年人工智能芯片全球市場規(guī)模將突破百億美元。(2)智能傳感器智能傳感器是具有信息處理功能的傳感器。智能傳感器帶有微處理機(jī)，具備采集、處理、交換信息等功能，是傳感器集成化與微處理機(jī)相結(jié)合的產(chǎn)物。智能傳感器屬于人工智能的神經(jīng)末梢，用于全面感知外界環(huán)境。各類傳感器的大規(guī)模部署和應(yīng)用為實(shí)現(xiàn)人工智能創(chuàng)造了不可或缺的條件。不同應(yīng)用場景，如智能安防、智能家居、智能醫(yī)療等對傳感器應(yīng)用提出了不同的要求。未來，隨著人工智能應(yīng)用領(lǐng)域的不斷拓展，市場對傳感器的需求將不斷增多，2020年市場規(guī)模有望突破4600億美元。未來，高敏度、高精度、高可靠性、微型化、集成化將成為智能傳感器發(fā)展的重要趨勢。(3)分布式計(jì)算框架面對海量的數(shù)據(jù)處理、復(fù)雜的知識(shí)推理，常規(guī)的單機(jī)計(jì)算模式已經(jīng)不能支撐。所以，計(jì)算模式必須將巨大的計(jì)算任務(wù)分成小的單機(jī)可以承受的計(jì)算任務(wù)，即云計(jì)算、邊緣計(jì)算、大數(shù)據(jù)技術(shù)提供了基礎(chǔ)的計(jì)算框架。目前流行的分布式計(jì)算框架如OpenStack、Hadoop、Storm、Spark、Samza、Bigflow等。各種開源深度學(xué)習(xí)框架也層出不窮，其中包括TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon等等。3.2.2智能信息及數(shù)據(jù)信息數(shù)據(jù)是人工智能創(chuàng)造價(jià)值的關(guān)鍵要素之一。我國龐大的人口和產(chǎn)業(yè)基數(shù)帶來了數(shù)據(jù)方面的天生優(yōu)勢。隨著算法、算力技術(shù)水平的提升，圍繞數(shù)據(jù)的采集、分析、處理產(chǎn)生了眾多的企業(yè)。目前，在人工智能數(shù)據(jù)采集、分析、處理方面的企業(yè)主要有兩種：一種是數(shù)據(jù)集提供商，以提供數(shù)據(jù)為自身主要業(yè)務(wù)，為需求方提供機(jī)器學(xué)習(xí)等技術(shù)所需要的不同領(lǐng)域的數(shù)據(jù)集；另一種是數(shù)據(jù)采集、分析、處理綜合性廠商，自身擁有獲取數(shù)據(jù)的途徑，并對采集到的數(shù)據(jù)進(jìn)行分析處理，最終將處理后的結(jié)果提供給需求方進(jìn)行使用。對于一些大型企業(yè)，企業(yè)本身也是數(shù)據(jù)分析處理結(jié)果的需求方。3.2.3智能技術(shù)服務(wù)智能技術(shù)服務(wù)主要關(guān)注如何構(gòu)建人工智能的技術(shù)平臺(tái)，并對外提供人工智能相關(guān)的服務(wù)。此類廠商在人工智能產(chǎn)業(yè)鏈中處于關(guān)鍵位置，依托基礎(chǔ)設(shè)施和大量的數(shù)據(jù)，為各類人工智能的應(yīng)用提供關(guān)鍵性的技術(shù)平臺(tái)、解決方案和服務(wù)。目前，從提供服務(wù)的類型來看，提供技術(shù)服務(wù)廠商包括以下幾類：(1)提供人工智能的技術(shù)平臺(tái)和算法模型。此類廠商主要針對用戶或者行業(yè)需求，提供人工智能技術(shù)平臺(tái)以及算法模型。用戶可以在人工智能平臺(tái)之上，通過一系列的算法模型來進(jìn)行人工智能的應(yīng)用開發(fā)。此類廠商主要關(guān)注人工智能的通用計(jì)算框架、算法模型、通用技術(shù)等關(guān)鍵領(lǐng)域。(2)提供人工智能的整體解決方案。此類廠商主要針對用戶或者行業(yè)需求，設(shè)計(jì)和提供包括軟、硬件一體的行業(yè)人工智能解決方案，整體方案中集成多種人工智能算法模型以及軟、硬件環(huán)境，幫助用戶或行業(yè)解決特定的問題。此類廠商重點(diǎn)關(guān)注人工智能在特定領(lǐng)域或者特定行業(yè)的應(yīng)用。(3)提供人工智能在線服務(wù)。此類廠商一般為傳統(tǒng)的云服務(wù)提供廠商，主要依托其已有的云計(jì)算和大數(shù)據(jù)應(yīng)用的用戶資源，聚集用戶的需求和行業(yè)屬性，為客戶提供多類型的人工智能服務(wù)；從各類模型算法和計(jì)算框架的API等特定應(yīng)用平臺(tái)到特定行業(yè)的整體解決方案等，進(jìn)一步吸引大量的用戶使用，從而進(jìn)一步完善其提供的人工智能服務(wù)。此類廠商主要提供相對通用的人工智能服務(wù)，同時(shí)也會(huì)關(guān)注一些重點(diǎn)行業(yè)和領(lǐng)域。需要指出的是，上述三類角色并不是嚴(yán)格區(qū)分開的，很多情況下會(huì)出現(xiàn)重疊，隨著技術(shù)的發(fā)展成熟，在人工智能產(chǎn)業(yè)鏈中已有大量的廠商同時(shí)具備上述兩類或者三類角色的特征。3.2.4智能產(chǎn)品隨著制造強(qiáng)國、網(wǎng)絡(luò)強(qiáng)國、數(shù)字中國建設(shè)進(jìn)程的加快，在制造、家居、金融、教育、交通、安防、醫(yī)療、物流等領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)和產(chǎn)品的需求將進(jìn)一步釋放，相關(guān)智能產(chǎn)品的種類和形態(tài)也將越來越豐富。3.2.5人工智能行業(yè)應(yīng)用人工智能與行業(yè)領(lǐng)域的深度融合將改變甚至重新塑造傳統(tǒng)行業(yè)，本節(jié)重點(diǎn)介紹人工智能在制造、家居、金融、交通、安防、醫(yī)療、物流行業(yè)的應(yīng)用，由于篇幅有限，其它很多重要的行業(yè)應(yīng)用在這里不展開論述。(1)智能制造智能制造是基于新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能的新型生產(chǎn)方式。智能制造對人工智能的需求主要表現(xiàn)在以下三個(gè)方面：一是智能裝備，包括自動(dòng)識(shí)別設(shè)備、人機(jī)交互系統(tǒng)、工業(yè)機(jī)器人以及數(shù)控機(jī)床等具體設(shè)備，涉及到跨媒體分析推理、自然語言處理、虛擬現(xiàn)實(shí)智能建模及自主無人系統(tǒng)等關(guān)鍵技術(shù)。二是智能工廠，包括智能設(shè)計(jì)、智能生產(chǎn)、智能管理以及集成優(yōu)化等具體內(nèi)容，涉及到跨媒體分析推理、大數(shù)據(jù)智能、機(jī)器學(xué)習(xí)等關(guān)鍵技術(shù)。三是智能服務(wù)，包括大規(guī)模個(gè)性化定制、遠(yuǎn)程運(yùn)維以及預(yù)測性維護(hù)等具體服務(wù)模式，涉及到跨媒體分析推理、自然語言處理、大數(shù)據(jù)智能、高級(jí)機(jī)器學(xué)習(xí)等關(guān)鍵技術(shù)。例如，現(xiàn)有涉及智能裝備故障問題的紙質(zhì)化文件，可通過自然語言處理，形成數(shù)字化資料，再通過非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換，形成深度學(xué)習(xí)所需的訓(xùn)練數(shù)據(jù)，從而構(gòu)建設(shè)備故障分析的神經(jīng)網(wǎng)絡(luò)，為下一步故障診斷、優(yōu)化參數(shù)設(shè)置提供決策依據(jù)。(2)智能家居參照工業(yè)和信息化部印發(fā)的《智慧家庭綜合標(biāo)準(zhǔn)化體系建設(shè)指南》，智能家居是智慧家庭八大應(yīng)用場景之一。受產(chǎn)業(yè)環(huán)境、價(jià)格、消費(fèi)者認(rèn)可度等因素影響，我國智能家居行業(yè)經(jīng)歷了漫長的探索期。至2010年，隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展以及智慧城市概念的出現(xiàn)，智能家居概念逐步有了清晰的定義并隨之涌現(xiàn)出各類產(chǎn)品，軟件系統(tǒng)也經(jīng)歷了若干輪升級(jí)。智能家居以住宅為平臺(tái)，基于物聯(lián)網(wǎng)技術(shù)，由硬件(智能家電、智能硬件、安防控制設(shè)備、家具等)、軟件系統(tǒng)、云計(jì)算平臺(tái)構(gòu)成的家居生態(tài)圈，實(shí)現(xiàn)人遠(yuǎn)程控制設(shè)備、設(shè)備間互聯(lián)互通、設(shè)備自我學(xué)習(xí)等功能，并通過收集、分析用戶行為數(shù)據(jù)為用戶提供個(gè)性化生活服務(wù)，使家居生活安全、節(jié)能、便捷等。例如，借助智能語音技術(shù)，用戶應(yīng)用自然語言實(shí)現(xiàn)對家居系統(tǒng)各設(shè)備的操控，如開關(guān)窗簾(窗戶)、操控家用電器和照明系統(tǒng)、打掃衛(wèi)生等操作；借助機(jī)器學(xué)習(xí)技術(shù)，智能電視可以從用戶看電視的歷史數(shù)據(jù)中分析其興趣和愛好，并將相關(guān)的節(jié)目推薦給用戶。通過應(yīng)用聲紋識(shí)別、臉部識(shí)別、指紋識(shí)別等技術(shù)進(jìn)行開鎖等；通過大數(shù)據(jù)技術(shù)可以使智能家電實(shí)現(xiàn)對自身狀態(tài)及環(huán)境的自我感知，具有故障診斷能力。通過收集產(chǎn)品運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)產(chǎn)品異常，主動(dòng)提供服務(wù)，降低故障率。還可以通過大數(shù)據(jù)分析、遠(yuǎn)程監(jiān)控和診斷，快速發(fā)現(xiàn)問題、解決問題及提高效率。(3)智能金融人工智能的飛速發(fā)展將對身處服務(wù)價(jià)值鏈高端的金融業(yè)帶來深刻影響，人工智能逐步成為決定金融業(yè)溝通客戶、發(fā)現(xiàn)客戶金融需求的重要因素。人工智能技術(shù)在金融業(yè)中可以用于服務(wù)客戶，支持授信、各類金融交易和金融分析中的決策，并用于風(fēng)險(xiǎn)防控和監(jiān)督，將大幅改變金融現(xiàn)有格局，金融服務(wù)將會(huì)更加地個(gè)性化與智能化。智能金融對于金融機(jī)構(gòu)的業(yè)務(wù)部門來說，可以幫助獲客，精準(zhǔn)服務(wù)客戶，提高效率；對于金融機(jī)構(gòu)的風(fēng)控部門來說，可以提高風(fēng)險(xiǎn)控制，增加安全性；對于用戶來說，可以實(shí)現(xiàn)資產(chǎn)優(yōu)化配置，體驗(yàn)到金融機(jī)構(gòu)更加完美地服務(wù)。人工智能在金融領(lǐng)域的應(yīng)用主要包括：智能獲客，依托大數(shù)據(jù)，對金融用戶進(jìn)行畫像，通過需求響應(yīng)模型，極大地提升獲客效率；身份識(shí)別，以人工智能為內(nèi)核，通過人臉識(shí)別、聲紋識(shí)別、指靜脈識(shí)別等生物識(shí)別手段，再加上各類票據(jù)、身份證、銀行卡等證件票據(jù)的OCR識(shí)別等技術(shù)手段，對用戶身份進(jìn)行驗(yàn)證，大幅降低核驗(yàn)成本，有助于提高安全性；大數(shù)據(jù)風(fēng)控，通過大數(shù)據(jù)、算力、算法的結(jié)合，搭建反欺詐、信用風(fēng)險(xiǎn)等模型，多維度控制金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)，同時(shí)避免資產(chǎn)損失；智能投顧，基于大數(shù)據(jù)和算法能力，對用戶與資產(chǎn)信息進(jìn)行標(biāo)簽化，精準(zhǔn)匹配用戶與資產(chǎn)；智能客服，基于自然語言處理能力和語音識(shí)別能力，拓展客服領(lǐng)域的深度和廣度，大幅降低服務(wù)成本，提升服務(wù)體驗(yàn)；金融云，依托云計(jì)算能力的金融科技，為金融機(jī)構(gòu)提供更安全高效的全套金融解決方案。(4)智能交通智能交通系統(tǒng)(IntelligentTrafficSystem，ITS)是通信、信息和控制技術(shù)在交通系統(tǒng)中集成應(yīng)用的產(chǎn)物。ITS借助現(xiàn)代科技手段和設(shè)備，將各核心交通元素聯(lián)通，實(shí)現(xiàn)信息互通與共享以及各交通元素的彼此協(xié)調(diào)、優(yōu)化配置和高效使用，形成人、車和交通的一個(gè)高效協(xié)同環(huán)境，建立安全、高效、便捷和低碳的交通。例如通過交通信息采集系統(tǒng)采集道路中的車輛流量、行車速度等信息，信息分析處理系統(tǒng)處理后形成實(shí)時(shí)路況，決策系統(tǒng)據(jù)此調(diào)整道路紅綠燈時(shí)長，調(diào)整可變車道或潮汐車道的通行方向等，通過信息發(fā)布系統(tǒng)將路況推送到導(dǎo)航軟件和廣播中，讓人們合理規(guī)劃行駛路線。通過不停車收費(fèi)系統(tǒng)(ETC)，實(shí)現(xiàn)對通過ETC入口站的車輛身份及信息自動(dòng)采集、處理、收費(fèi)和放行，有效提高通行能力、簡化收費(fèi)管理、降低環(huán)境污染。ITS應(yīng)用最廣泛的地區(qū)是日本，其次是美國、歐洲等地區(qū)。中國的智能交通系統(tǒng)近幾年也發(fā)展迅速，在北京、上海、廣州、杭州等大城市已經(jīng)建設(shè)了先進(jìn)的智能交通系統(tǒng)；其中，北京建立了道路交通控制、公共交通指揮與調(diào)度、高速公路管理和緊急事件管理等四大ITS系統(tǒng)；廣州建立了交通信息共用主平臺(tái)、物流信息平臺(tái)和靜態(tài)交通管理系統(tǒng)等三大ITS系統(tǒng)。(5)智能安防智能安防技術(shù)是一種利用人工智能對視頻、圖像進(jìn)行存儲(chǔ)和分析，從中識(shí)別安全隱患并對其進(jìn)行處理的技術(shù)。智能安防與傳統(tǒng)安防的最大區(qū)別在于智能化，傳統(tǒng)安防對人的依賴性比較強(qiáng)，非常耗費(fèi)人力，而智能安防能夠通過機(jī)器實(shí)現(xiàn)智能判斷，從而盡可能實(shí)現(xiàn)實(shí)時(shí)地安全防范和處理。當(dāng)前，高清視頻、智能分析等技術(shù)的發(fā)展，使得安防從傳統(tǒng)的被動(dòng)防御向主動(dòng)判斷和預(yù)警發(fā)展，行業(yè)也從單一的安全領(lǐng)域向多行業(yè)應(yīng)用發(fā)展，進(jìn)而提升生產(chǎn)效率并提高生活智能化程度，為更多的行業(yè)和人群提供可視化及智能化方案。用戶面對海量的視頻數(shù)據(jù)，已無法簡單利用人海戰(zhàn)術(shù)進(jìn)行檢索和分析，需要采用人工智能技術(shù)作專家系統(tǒng)或輔助手段，實(shí)時(shí)分析視頻內(nèi)容，探測異常信息，進(jìn)行風(fēng)險(xiǎn)預(yù)測。從技術(shù)方面來講，目前國內(nèi)智能安防分析技術(shù)主要集中在兩大類：一類是采用畫面分割前景提取等方法對視頻畫面中的目標(biāo)進(jìn)行提取檢測，通過不同的規(guī)則來區(qū)分不同的事件，從而實(shí)現(xiàn)不同的判斷并產(chǎn)生相應(yīng)的報(bào)警聯(lián)動(dòng)等，例如：區(qū)域入侵分析、打架檢測、人員聚集分析、交通事件檢測等；另一類是利用模式識(shí)別技術(shù)，對畫面中特定的物體進(jìn)行建模，并通過大量樣本進(jìn)行訓(xùn)練，從而達(dá)到對視頻畫面中的特定物體進(jìn)行識(shí)別，如車輛檢測、人臉檢測、人頭檢測(人流統(tǒng)計(jì))等應(yīng)用。智能安防目前涵蓋眾多的領(lǐng)域，如街道社區(qū)、道路、樓宇建筑、機(jī)動(dòng)車輛的監(jiān)控，移動(dòng)物體監(jiān)測等。今后智能安防還要解決海量視頻數(shù)據(jù)分析、存儲(chǔ)控制及傳輸問題，將智能視頻分析技術(shù)、云計(jì)算及云存儲(chǔ)技術(shù)結(jié)合起來，構(gòu)建智慧城市下的安防體系。(6)智能醫(yī)療人工智能的快速發(fā)展，為醫(yī)療健康領(lǐng)域向更高的智能化方向發(fā)展提供了非常有利的技術(shù)條件。近幾年，智能醫(yī)療在輔助診療、疾病預(yù)測、醫(yī)療影像輔助診斷、藥物開發(fā)等方面發(fā)揮重要作用。在輔助診療方面，通過人工智能技術(shù)可以有效提高醫(yī)護(hù)人員工作效率，提升一線全科醫(yī)生的診斷治療水平。如利用智能語音技術(shù)可以實(shí)現(xiàn)電子病歷的智能語音錄入；利用智能影像識(shí)別技術(shù)，可以實(shí)現(xiàn)醫(yī)學(xué)圖像自動(dòng)讀片；利用智能技術(shù)和大數(shù)據(jù)平臺(tái)，構(gòu)建輔助診療系統(tǒng)。在疾病預(yù)測方面，人工智能借助大數(shù)據(jù)技術(shù)可以進(jìn)行疫情監(jiān)測，及時(shí)有效地預(yù)測并防止疫情的進(jìn)一步擴(kuò)散和發(fā)展。以流感為例，很多國家都有規(guī)定，當(dāng)醫(yī)生發(fā)現(xiàn)新型流感病例時(shí)需告知疾病控制與預(yù)防中心。但由于人們可能患病不及時(shí)就醫(yī)，同時(shí)信息傳達(dá)回疾控中心也需要時(shí)間，因此，通告新流感病例時(shí)往往會(huì)有一定的延遲，人工智能通過疫情監(jiān)測能夠有效縮短響應(yīng)時(shí)間。在醫(yī)療影像輔助診斷方面，影像判讀系統(tǒng)的發(fā)展是人工智能技術(shù)的產(chǎn)物。早期的影像判讀系統(tǒng)主要靠人手工編寫判定規(guī)則，存在耗時(shí)長、臨床應(yīng)用難度大等問題，從而未能得到廣泛推廣。影像組學(xué)是通過醫(yī)學(xué)影像對特征進(jìn)行提取和分析，為患者預(yù)前和預(yù)后的診斷和治療提供評(píng)估方法和精準(zhǔn)診療決策。這在很大程度上簡化了人工智能技術(shù)的應(yīng)用流程，節(jié)約了人力成本。(7)智能物流傳統(tǒng)物流企業(yè)在利用條形碼、射頻識(shí)別技術(shù)、傳感器、全球定位系統(tǒng)等方面優(yōu)化改善運(yùn)輸、倉儲(chǔ)、配送裝卸等物流業(yè)基本活動(dòng)，同時(shí)也在嘗試使用智能搜索、推理規(guī)劃、計(jì)算機(jī)視覺以及智能機(jī)器人等技術(shù)，實(shí)現(xiàn)貨物運(yùn)輸過程的自動(dòng)化運(yùn)作和高效率優(yōu)化管理，提高物流效率。例如，在倉儲(chǔ)環(huán)節(jié)，利用大數(shù)據(jù)智能通過分析大量歷史庫存數(shù)據(jù)，建立相關(guān)預(yù)測模型，實(shí)現(xiàn)物流庫存商品的動(dòng)態(tài)調(diào)整。大數(shù)據(jù)智能也可以支撐商品配送規(guī)劃，進(jìn)而實(shí)現(xiàn)物流供給與需求匹配、物流資源優(yōu)化與配置等。在貨物搬運(yùn)環(huán)節(jié)，加載計(jì)算機(jī)視覺、動(dòng)態(tài)路徑規(guī)劃等技術(shù)的智能搬運(yùn)機(jī)器人(如搬運(yùn)機(jī)器人、貨架穿梭車、分揀機(jī)器人等)得到廣泛應(yīng)用，大大減少了訂單出庫時(shí)間，使物流倉庫的存儲(chǔ)密度、搬運(yùn)的速度、揀選的精度均有大幅度提升。3.2.6人工智能產(chǎn)業(yè)發(fā)展趨勢從人工智能產(chǎn)業(yè)進(jìn)程來看，技術(shù)突破是推動(dòng)產(chǎn)業(yè)升級(jí)的核心驅(qū)動(dòng)力。數(shù)據(jù)資源、運(yùn)算能力、核心算法共同發(fā)展，掀起人工智能第三次新浪潮。人工智能產(chǎn)業(yè)正處于從感知智能向認(rèn)知智能的進(jìn)階階段，前者涉及的智能語音、計(jì)算機(jī)視覺及自然語言處理等技術(shù)，已具有大規(guī)模應(yīng)用基礎(chǔ)，但后者要求的“機(jī)器要像人一樣去思考及主動(dòng)行動(dòng)”仍尚待突破，諸如無人駕駛、全自動(dòng)智能機(jī)器人等仍處于開發(fā)中，與大規(guī)模應(yīng)用仍有一定距離。(1)智能服務(wù)呈現(xiàn)線下和線上的無縫結(jié)合分布式計(jì)算平臺(tái)的廣泛部署和應(yīng)用，增大了線上服務(wù)的應(yīng)用范圍。同時(shí)人工智能技術(shù)的發(fā)展和產(chǎn)品不斷涌現(xiàn)，如智能家居、智能機(jī)器人、自動(dòng)駕駛汽車等，為智能服務(wù)帶來新的渠道或新的傳播模式，使得線上服務(wù)與線下服務(wù)的融合進(jìn)程加快，促進(jìn)多產(chǎn)業(yè)升級(jí)。(2)智能化應(yīng)用場景從單一向多元發(fā)展目前人工智能的應(yīng)用領(lǐng)域還多處于專用階段，如人臉識(shí)別、視頻監(jiān)控、語音識(shí)別等都主要用于完成具體任務(wù)，覆蓋范圍有限，產(chǎn)業(yè)化程度有待提高。隨著智能家居、智慧物流等產(chǎn)品的推出，人工智能的應(yīng)用終將進(jìn)入面向復(fù)雜場景，處理復(fù)雜問題，提高社會(huì)生產(chǎn)效率和生活質(zhì)量的新階段。(3)人工智能和實(shí)體經(jīng)濟(jì)深度融合進(jìn)程將進(jìn)一步加快黨的十九大報(bào)告提出“推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合”，一方面，隨著制造強(qiáng)國建設(shè)的加快將促進(jìn)人工智能等新一代信息技術(shù)產(chǎn)品發(fā)展和應(yīng)用，助推傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，推動(dòng)戰(zhàn)略性新興產(chǎn)業(yè)實(shí)現(xiàn)整體性突破。另一方面，隨著人工智能底層技術(shù)的開源化，傳統(tǒng)行業(yè)將有望加快掌握人工智能基礎(chǔ)技術(shù)并依托其積累的行業(yè)數(shù)據(jù)資源實(shí)現(xiàn)人工智能與實(shí)體經(jīng)濟(jì)的深度融合創(chuàng)新。3.3安全、倫理、隱私問題歷史經(jīng)驗(yàn)表明新技術(shù)常常能夠提高生產(chǎn)效率，促進(jìn)社會(huì)進(jìn)步。但與此同時(shí)，由于人工智能尚處于初期發(fā)展階段，該領(lǐng)域的安全、倫理、隱私的政策、法律和標(biāo)準(zhǔn)問題值得關(guān)注。就人工智能技術(shù)而言，安全、倫理和隱私問題直接影響人們與人工智能工具交互經(jīng)驗(yàn)中對人工智能技術(shù)的信任。社會(huì)公眾必須信任人工智能技術(shù)能夠給人類帶來的安全利益遠(yuǎn)大于傷害，才有可能發(fā)展人工智能。要保障安全，人工智能技術(shù)本身及在各個(gè)領(lǐng)域的應(yīng)用應(yīng)遵循人類社會(huì)所認(rèn)同的倫理原則，其中應(yīng)特別關(guān)注的是隱私問題，因?yàn)槿斯ぶ悄艿陌l(fā)展伴隨著越來越多的個(gè)人數(shù)據(jù)被記錄和分析，而在這個(gè)過程中保障個(gè)人隱私則是社會(huì)信任能夠增加的重要條件?？傊?，建立一個(gè)令人工智能技術(shù)造福于社會(huì)、保護(hù)公眾利益的政策、法律和標(biāo)準(zhǔn)化環(huán)境，是人工智能技術(shù)持續(xù)、健康發(fā)展的重要前提。為此，本章集中討論與人工智能技術(shù)相關(guān)的安全、倫理、隱私的政策和法律問題。3.3.1人工智能的安全問題人工智能最大的特征是能夠?qū)崿F(xiàn)無人類干預(yù)的，基于知識(shí)并能夠自我修正地自動(dòng)化運(yùn)行。在開啟人工智能系統(tǒng)后，人工智能系統(tǒng)的決策不再需要操控者進(jìn)一步的指令，這種決策可能會(huì)產(chǎn)生人類預(yù)料不到的結(jié)果。設(shè)計(jì)者和生產(chǎn)者在開發(fā)人工智能產(chǎn)品的過程中可能并不能準(zhǔn)確預(yù)知某一產(chǎn)品會(huì)存在的可能風(fēng)險(xiǎn)。因此，對于人工智能的安全問題不容忽視。與傳統(tǒng)的公共安全(例如核技術(shù))需要強(qiáng)大的基礎(chǔ)設(shè)施作為支撐不同，人工智能以計(jì)算機(jī)和互聯(lián)網(wǎng)為依托，無需昂貴的基礎(chǔ)設(shè)施就能造成安全威脅。掌握相關(guān)技術(shù)的人員可以在任何時(shí)間、地點(diǎn)且沒有昂貴基礎(chǔ)設(shè)施的情況下做出人工智能產(chǎn)品。人工智能的程序運(yùn)行并非公開可追蹤，其擴(kuò)散途徑和速度也難以精確控制。在無法利用已有傳統(tǒng)管制技術(shù)的條件下，對人工智能技術(shù)的管制必須另辟蹊徑。換言之，管制者必須考慮更為深層的倫理問題，保證人工智能技術(shù)及其應(yīng)用均應(yīng)符合倫理要求，才能真正實(shí)現(xiàn)保障公共安全的目的。由于人工智能技術(shù)的目標(biāo)實(shí)現(xiàn)受其初始設(shè)定的影響，必須能夠保障人工智能設(shè)計(jì)的目標(biāo)與大多數(shù)人類的利益和倫理道德一致，即使在決策過程中面對不同的環(huán)境，人工智能也能做出相對安全的決定。從人工智能的技術(shù)應(yīng)用方面看，要充分考慮到人工智能開發(fā)和部署過程中的責(zé)任和過錯(cuò)問題，通過為人工智能技術(shù)開發(fā)者、產(chǎn)品生產(chǎn)者或者服務(wù)提供者、最終使用者設(shè)定權(quán)利和義務(wù)的具體內(nèi)容，來達(dá)到落實(shí)安全保障要求的目的。此外，考慮到目前世界各國關(guān)于人工智能管理的規(guī)定尚不統(tǒng)一，相關(guān)標(biāo)準(zhǔn)也處于空白狀態(tài)，同一人工智能技術(shù)的參與者可能來自不同國家，而這些國家尚未簽署針對人工智能的共有合約。為此，我國應(yīng)加強(qiáng)國際合作，推動(dòng)制定一套世界通用的管制原則和標(biāo)準(zhǔn)來保障人工智能技術(shù)的安全性。3.3.2人工智能的倫理問題人工智能是人類智能的延伸，也是人類價(jià)值系統(tǒng)的延伸。在其發(fā)展的過程中，應(yīng)當(dāng)包含對人類倫理價(jià)值的正確考量。設(shè)定人工智能技術(shù)的倫理要求，要依托于社會(huì)和公眾對人工智能倫理的深入思考和廣泛共識(shí)，并遵循一些共識(shí)原則：一是人類利益原則，即人工智能應(yīng)以實(shí)現(xiàn)人類利益為終極目標(biāo)。這一原則體現(xiàn)對人權(quán)的尊重、對人類和自然環(huán)境利益最大化以及降低技術(shù)風(fēng)險(xiǎn)和對社會(huì)的負(fù)面影響。在此原則下，政策和法律應(yīng)致力于人工智能發(fā)展的外部社會(huì)環(huán)境的構(gòu)建，推動(dòng)對社會(huì)個(gè)體的人工智能倫理和安全意識(shí)教育，讓社會(huì)警惕人工智能技術(shù)被濫用的風(fēng)險(xiǎn)。此外