《 新华三人工智能发展报告白皮书 》全文

　　人工智能商业化加速将深刻改变人类社会

　　1、 从学术研究走向商业应用

　　人工智能最早可追溯到上世纪的四五十年代，被誉为“人工智能之父”的艾伦·图灵，在其论文《计算机器与智能》中，提出了非常著名的图灵测试，即被测试的机器是否能够表现出与人类等价或无法区分的智能。

　　人工智能概念正式提出是在1956年，在美国达特茅斯学院举办的夏季学术研讨会上，约翰·麦卡锡、马文·闵斯基、克劳德·香农等学者参与讨论“让机器像人一样认知、思考和学习”，这次会议上首次使用了“人工智能”这一术语。因此，业内也一般都认为1956年是人工智能元年。

　　▲人工智能发展的三次浪潮在过去的六十多年里，人工智能发展跌宕起伏，经历了三次大的浪潮：

　　第一次浪潮(20世纪50～80年代)：人工智能的起步阶段，期间提出了人工智能的概念，取得了一些突破性的研究成果，如机器定理证明、跳棋程序、LISP编程语言、首个聊天机器人等，但当时的算法理论、计算机的性能等因素，无法支持人工智能应用的推广。

　　第二次浪潮(20世纪80～90年代)：这阶段主要以专家系统和日本的第五代计算机为代表。专家系统促使人工智能从理论研究走向实际应用，并在医疗、气象、地质等领域取得成功。但随着人工智能应用范围的扩大，专家系统的缺点也逐渐显现：应用领域狭窄、推理方法单一、缺乏常识性知识等，人工智能的发展又进入了停滞状态。在这阶段也出现了神经网 络算法，但是由于当时计算机的性能限制，最终也没有较好的落地效果。

　　第三次浪潮(2000年～现在)：随着信息技术蓬勃发展，为人工智能的发展提供了基础条件。这阶段人工智能的理论算法也在不断的沉淀，以统计机器学习为代表的算法，在互联网、工业等诸多领域取得了较好的应用效果。2006年，多伦多大学Hinton教授提出了深度学习的概念，对多层神经网络模型的一些问题给出了解决方案。标志性事件是在2012年，Hinton课题组参加ImageNet图像识别大赛，以大幅领先对手的成绩取得了冠军，使深度学习引起了学术界和工业界的轰动。

　　近几年，以深度学习为代表的人工智能算法，在图像分类和识别、语音识别、自然语言处理等领域取得了巨大的进步。究其原因，一方面计算机的性能得到了极大的提升，新型人工智能芯片、云计算技术都为大规模神经网络计算提供了基础平台;另一方面是互联网、大数据技术的发展，积累了大量的数据资源。算法、算力和数据三者的结合，直接促成了这次浪潮，将人工智能再次推向繁荣期。

　　根据人工智能的研究领域、周边技术和涉及的产业，可以将人工智能的技术体系分为三个层次，如图2所示，具体包括：基础层、技术层和应用层。

　　应用层：人工智能技术与行业深度结合，针对具体的场景来实现智能化的方案，目前主要的应用行业领域包括安防、金融、医疗、交通、教育、制造、互联网、电力等，未来将会拓展到更多的领域。

　　当前，人工智能产品种类也比较多，比如机器人方面，包括家用机器人(扫地、陪伴、教育等用途)、工业机器人等;再如自动驾驶汽车，其中就使用到了大量的人工智能技术，包括通过计算机视觉技术来识别车道线、交通标志、信号灯等，进一步利用人工智能算法进行决策分析，做出正确的动作指令。未来将会有更多的人工智能产品进入生产生活当中。

　　技术层：产业界和学术界都比较关注的层面。底层包括各种机器学习/深度学习的开源框架等。以学术界为代表，对人工智能的底层理论算法的研究，包括近年来比较主流的深度神经网络算法、传统机器学习算法，正是因为这些基础理论取得突破，才使得当下人工智能技术在产业化方面取得突飞猛进的发展。应用算法层主要的研究领域包括计算机视觉、语音识别、自然语言处理、决策规划等，涉及感知、认知、决策不同的智能方向。

▲人工智能技术体系层级在每个研究领域中，又有很多细分技术研究领域，比如计算机视觉领域，包括图像识别、目标跟踪、视频理解、行为分析、图像超分、多维特征识别等等。技术层是人工智能中最为令人关注的，也是最具挑战的，其优劣直接决定了行业应用落地的成效。

　　基础层：作为人工智能产业的底座支撑，包括硬件、软件和数据的技术支持。硬件主要是为人工智能应用提供强大的算力支撑，包括计算资源如GPU、FPGA、ASIC等加速芯片，网络资源，存储资源，以及各种传感器件;系统平台包括操作系统、云计算平台、大数据平台等;数据资源是人工智能技术(尤其是深度学习)获得长足发展不可或缺的组成部分，犹如为发动机提供充足的“燃料”。

　　2016年，谷歌AlphaGo以4:1的成绩战胜了人类顶尖围棋选手李世石，让人工智能走进了大众的视野。人工智能如今已不再停留在学术研究阶段，开始大规模的应用到商业环境中。

　　人工智能技术只有在实践中解决了具体的问题，才能产生价值。因此合适的商业场景是人工智能技术落地的关键。当前人工智能技术主要是以深度学习方法为主，通过大规模数据驱动的机制，挖掘数据中蕴含的潜在规律。这种方法，机器并没有真正的推理和思考的能力，并没有人类所具有的高阶智能，一般只能解决特定领域内的问题。

　　目前取得较好成效的主要在单任务、单领域的视觉感知方面上，有些已经做到了非常极致，甚至超越人类，比如图像识别技术在安防、交通流量监测、闸机身份验证等特定场景中，可以代替人工完成这些重复性的工作，取得了很好的效果。

　　但在认知方面目前效果不尽人意，还达不到像视觉感知领域的效果。随着谷歌BERT等算法的突破，对于自然语言语义的理解和认知方面，也渐有起色。

　　由于目前人工智能算法机制对数据集的重度依赖，需要有足够的数据，而数据都是在行业场景中积累产生的，比如医疗影像数据、金融交易数据等。因此，将人工智能技术与行业场景结合才能发挥人工智能的价值。并且只有在场景历练通过不断的反馈机制，使数据形成闭环，才能持续不断迭代优化和提升算法精准度。

　　2、 对人类社会产生深远影响

　　人工智能对企业变革影响巨大，在未来15年内，人工智能和自动化技术将取代40-50%岗位，同时也带来效率的提升。

　　例如，在工业制造领域，AI技术将深度赋能工业机器，将会带来生产效率和质量的极大提升。采用AI视觉检测替代工人来识别工件缺陷，带来的益处：

　　识别精度，基于图像数字化，可以达到微米级的精度;

　　无情绪影响，可以长时间保持稳定工作;

　　检测速度，毫秒级就能完成检测任务。

　　随着人工智能技术的普及，人们的居住、健康、出行、教育、娱乐等多方面的生活方式都将从中受益。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!