人工智能医药范文

导语：如何才能写好一篇人工智能医药，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

随着社会、经济和医学的发展，人口的寿命明显延长，老龄化已成为我国重要的问题。按照流行病学研究资料推算，我国可能有800万的脑血管病患者和1600万以上的认知功能损害的患者。流行病学资料显示，我国每年新发卒中病例约250万，在卒中后1年将近70%的患者存在认知功能障碍，严重影响患者的生活质量，给社会和家庭造成极大的负担。

目前，血管性痴呆的概念已经扩展，包括所有类型脑血管病导致的认知缺损，属于血管性认知障碍（VCI）的分类。VCI指有重要的认知和功能缺失但没有达到痴呆程度，有高度的可逆性。

2007年12月1日，汇聚国内知名神经科专家智慧结晶的《血管性认知功能损害专家共识》正式发表于《中华内科杂志》，标志着认知功能损害领域从此迈上了一个新台阶。

专家共识指出，VCI涵盖了由血管因素导致或与之相关的各种类型和程度的认知功能损害。虽然不同研究者提出过不同的分型方法，但通常包括两类：一类是血管性非痴呆的认知功能损害（V-CIND），其中包含主要表现为多认知功能域损害的血管性轻度认知功能损害（V-MCI）；另一类就是传统的血管性痴呆（VaD）。VaD还可再分为：①多发梗死性痴呆（MID），经典但少见；②皮质下缺血型血管性痴呆（SIVD），最多见；③关键部位梗死型；④低灌注型；⑤出血型；⑥混合型：又称Alzheimer病（AD）伴脑血管病；⑦遗传性。

血管性认知功能损害是指由于各种血管病变所引起的认知功能障碍，这一概念是1995年由Bowler和Hachinski提出的，是包括轻度认知功能障碍到痴呆的一大类综合征，近年来已经引起广大学者的关注。认知功能障碍的常见表现为注意力减退、定向力障碍、记忆力减退、视空间功能障碍等，合并情绪波动。认知功能障碍严重影响患者的生活质量，给家庭和社会带来严重的负担。

目前对于认知功能障碍的治疗主要限于痴呆发生后的治疗，此时，药物的疗效不佳，且目前仍没有一个理想的治疗药物。已知的药物主要有：胆碱脂酶抑制剂、脑细胞代谢活化剂等。但是一些药物不良反应大，且价格昂贵，许多病人不宜或不能长期使用。而一些药物缺乏明确疗效，因而难以发展成为理想药物。

中医药在痴呆的治疗中日益发挥着重要的作用，中医学历来重视治未病，血管性认知功能损害是血管性痴呆的早期阶段，因此，中医药在血管性认知功能损害的干预中将会发挥重要的作用。

血管性认知功能损害的病位在脑，与肾、心、肝、脾功能异常有关，尤与肾精亏虚密切相关，基本病机为髓减脑消，痰瘀痹阻，火扰神明，神机失用。本病多继发于中风之后，起病相对较快，但根源于长期积损，病位在脑，涉及肝、肾、心、脾等，病理性质为本虚标实。病理性质为本虚标实，虚实夹杂，初期以邪实为主，后期以正虚为主。其中标实主要是血瘀、痰阻，兼见气滞、肝风或火热等邪，本虚主要是肾虚、气虚，兼见肝虚、血虚等。

中医学认为，脑为元神之府，神机之源，脑之元神是统御五神之主，五神者，神、魂、魄、意、志也。脑之元神与五神交会之物质是散动觉之气，精、津是载体，任、督二脉是信息传导之路，因此风、火、痰、瘀、虚（肾虚）、毒，上犯脑髓，气血失调，任督失于传导而为病，脑为至清之脏，邪不能犯，犯之则病。而脑病又易虚易实。而实证中痰浊、瘀血导致的脑髓疾病占相当比例。因其位居要地，痰瘀不易祛除。脑络瘀阻见头痛、肢软不用、失语、痴呆等症；痰凝脑窍，滞于经络，则可表现为精神抑郁、神志昏迷、哭笑无常，或癫痫发作，或肢体麻木不仁，或半身不遂等。痰瘀不去则酿生毒邪，毒损脑髓神经，使其一损不复，导致残疾。

中医学认为，血管性认知功能损害的病位虽然在脑，但涉及肝肾心脾诸脏，尤与肾中精气的盛衰密切相关；多因年高正损，情志内伤等因素引起脏腑阴阳气血失调，以致痰瘀浊毒阻络蒙窍，造成脑络闭塞、神机失用而发病，本病病性为本虚标实，其本为精气亏虚，其标为痰瘀浊毒内阻。痴呆发病是由于痰瘀互阻，毒自内生，下损脉络，上害脑髓而成痴呆，究其原因，是由于血脉一伤，神气内损，脑神上下不接，元神失统，神机失用，神经流贯受阻使然，而肾虚不足，肾精不能充养脑髓为发病之本。

痰浊瘀血是血管性认知障碍发病的关键[1]。多数学者认为，痰瘀是导致痴呆的重要因素。痰瘀互结，窍闭神呆，瘀血可致痰，痰浊也可以致瘀，两者常互为因果，错杂为病。痰、瘀互结一方面导致瘀血阻络，气血、津液循行不畅，停而为痰，即“血不利则化为水”，“血瘀即久，亦能化为痰水”，出现痰瘀交阻于局部或全身；另一方面，血瘀气滞，津液失于输布，聚而为痰，即《赤水玄珠》所谓：“津液者，血之余，行于脉外，流遍一身，若天之清雾，若血浊气滞，则凝聚为痰，痰乃津中之变，无处不到。”另外，痰也可通过局部阻塞脉络和影响全身气机而致瘀，痰浊瘀血既成，或阻塞脑络，元神失养；或蒙闭脑窍，浊而不纯，均可致愚致呆。产生痰瘀等病因很多，因此，探寻痰瘀产生的病因是治疗该病的关键。首先脾胃气虚，运化失常，气血津液输布、排泄紊乱，聚湿为痰。痰浊的生成还与肝失疏泄有关。肝郁疏泄失常，既能致瘀，也可因津液输布失常而生痰，出现瘀痰互结的病理现象；“年四十而阴气自半”，肝肾阴虚，一方面可出现阴津不足，经脉失润，涩而不畅，另一方面呈现阴虚火炎，灼伤脉络，炼津血为痰瘀。

基于血管性痴呆多与痰瘀有关，因此治疗上应注意积极结合病因，给予补肾活血化痰法[2]、涤痰化瘀、填精益髓法[3]、健脾化痰等法，不可拘于一法一方。以往的科研多以痴呆为研究对象，对血管性认知功能损害的研究则鲜有报道，因此有必要进行深入的研究，为血管性认知功能损害的防治提供新的手段。

参考文献

1 义,张发荣.浅谈中医对血管性认知障碍的认识.辽宁中医药大学学报,2007,9(2):33-34.

篇2

在业内人士看来，人工智能不是一项单一的科技产业，而是将其他行业进行融合的工具，例如将机器人和保姆结合产生的“看家机器人”，将导航和汽车结合产生的“车联网”等。在人工智能技术逐步成熟的当下，谁率先在应用上实现突破，谁就有可能在智能时代的竞争中占据优势，“人工智能”有望成为可触摸的新增长点之一。

发展迅猛

身体不舒服，想要打开手机淘宝问问医生，但是怎么样才能从几千个在线等待咨询的医生中间找到最匹配的那一个？

阿里健康已经开发并在手机淘宝上线了健康小蜜――医药健康智能问答引擎。这个类似于智能问答机器人的引擎，可以回答普通用户的一般性医药健康问题，然后根据用户的需求进行选择，将用户自动匹配给相应的医生或者药师。

事上，目前，从医疗健康的监测诊断、智能医疗设备，到教育领域的智能评测、个性化辅导、儿童陪伴，从电商零售领域的仓储物流、智能导购和客服，到应用在智能汽车的自驾技术，都能看到人工智能的身影。

人工智能等技术是助推自动驾驶发展的关键技术。例如，人工智能在帮助汽车解读传感器数据时起决策作用，通过阅读驾驶者的驾驶行为和表情，能及时提醒驾驶员在疲劳驾驶时切换至自动驾驶模式。

“人工智能”一词，通常被认为是1955年8月31日在达特茅斯（美国一所院校）会议上诞生的，61年来，人工智能的研究和实践一直处于不断增长的趋势。当今，人工智能技术的突破带来了席卷全球的技术革命风暴，创造出了一个无比广阔的市场，中国的很多公司在这股大潮中抓住机遇，表现亮眼。有观察者认为，中国的人工智能已成为一张令世界瞩目的闪亮名片。

过去的一年里，长虹、TCL、创维等中国家电企业都纷纷人工智能家电产品，希望借助人工智能打破家电行业的销售难题。

不久前，搜狗公司2016全年财报，搜狗借助人工智能技术实现了较大的业绩增长。未来会把人工智能应用到更多的产品中，让用户表达和获取信息更简单，让人工智能真正惠及人类。

全球人工智能研发的脚步正在加快，中国也不甘示弱。近年来，百度先后成立了大数据实验室、深度学习实验室和硅谷人工智能实验室，并通过架构调整全面发力人工智能。2016年百度世界大会上，“百度大脑”推出，该项目将对语音、图像、自然语言处理和用户画像、无人驾驶等领域进行重点关注和研发。

在腾讯，人工智能研究项目包括WHAT LAB（微信-香港科技大学人工智能联合实验室）、优图实验室、微信模式识别中心、智能计算与搜索实验室等多个部门。

人工智能犹如新的科技革命，为长期低迷的世界经济注入新的活力。去年诸多关键技术突飞猛进，无疑是人工智能发展史上浓墨重彩的一年。诞生半个多世纪以来，它终于走到了从科技研发到行业应用的临界点，蓄势待发。

为发展更新“发动机”

人工智能技术的重大突破必将带来新一轮科技革命和产业革命，对人类生活的方方面面将产生深远的影响。大力发展人工智能技术是中国经济转型升级的重要动力。

众多研究表明，人工智能是对传统行业商业模式、产业链和价值链的全面颠覆，将为全球经济、社会生活的方方面面带来质的变化。

发展人工智能的最大意义在于为现代化发展更换“发动机”。咨询公司埃森哲研究了美国、芬兰、英国等12个发达国家并作出预测，到2035年，人工智能将帮助这些国家的生产率提高40%左右。

对于中国而言，人工智能带来的好处将是多方面的。就经济来说，借助人工智能新技术实现自动化，将极大提高生产率，节省劳动成本；优化行业的现有产品和服务，提升其质量和劳动生产率；通过创造新市场、新就业等，将促进市场更加繁荣，开拓更广阔的市场空间。

而在产业升级方面，中国的传统制造业大而不强的问题亟待克服，人工智能恰恰为制造业转型升级提供了便利和动力，一是这些企业拥有行业海量的数据和大量资金；二是在生产力水平急需提升、传统人口红利逐渐消失的情况下，传统企业有迫切的意愿来改造升级自己的工厂、业务，提高收益，降低企业成本。因此，制造业既是人工智能可以大有作为的领域，也是中国发展人工智能的优势领域。

《全球人工智能发展报告2016》显示，中国人工智能专利申请数累计达到15745项，列世界第二；人工智能领域投资达146笔，列世界第三。

据艾瑞咨询预计，2020年全球人工智能市场规模将达到1190亿元，年复合增速约19.7%；同期中国人工智能市场规模将达91亿元，年复合增速超50%。人工智能发展前景极为广阔。

就制造业而言，“中国制造2025”计划的实现就需要很多人工智能。比如过去在技术上难以克服的问题，就可以通过深度学习，在工程上快速地取得一些新的突破。人工智能技术的发展与应用，对于有效实现“中国制造2025”目标至关重要。

面向未来长远布局

在人工智能这场科技浪潮中，中国与其他国家已经站在了同一起跑线上。针对未来产业竞争，中国政府已在多个方面对人工智能产业做出布局，“人工智能+”的发展，需要面向未来，做出长远布局。

未来5到10年，人工智能将像水和电一样无所不在，可以进入到教育、医疗、金融、交通、智慧城市等几乎所有行业。

目前，在驾驶领域，通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，电脑可以在无人主动操作下，自动进行操作；在个人助理领域，通过智能语音识别、自然语言处理和大数据搜索、深度学习神经网络，可以实现人机交互；在金融领域，通过分析、预测、辨别交易数据、价格走势等信息，人工智能可以为客户提供投资理财、股权投资等服务；在电商零售领域，主要是利用大数据分析技术，智能的管理仓储与物流、导购等方面，用以节省仓储物流成本、提高购物效率、简化购物程序。此外，在安防、教育、医疗健康等众多领域，人工智能都有着广泛的用途。

篇3

解词

人工智能（A r t i f i c i a l Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

论调

2016年是人工智能概念提出60周年。对于人工智能，斯蒂芬・霍金博士评论道：“真正的人工智能技术，将是人类历史上最了不起的发明。”

2016年3月初，经过7天的鏖战，谷歌的“阿尔法狗”（AlphaGo）在人机围棋大赛中大胜韩国九段李世石，彰显了当代人工智能的飞速进展和强大实力，也给无数人的心灵震撼一击。

同时，其他巨头的人工智能产品也都在不断显露锋芒。2016年4月，阿里云人工智能程序小Ai成功预测了《我是歌手》第四季总决赛的前三名，并在最终对决中成功预测李玟夺冠；微软的人工智能系统实现了“看图讲故事”；百度的“百度大脑”已经达到4岁孩子的智力水平，百度无人汽车已在路况复杂的北京五环路上试行，应急表现优于司机；度秘机器人已经入驻上海虹桥的肯德基概念店，直接为客人点餐，等等。

看上去，这些人工智能离大规模普及似乎还需较长时间，实际上，随着人工智能与大数据、物联网、机器人、生物医药、虚拟现实等新兴产业结合，它对其他产业乃至社会经济的渗透速度，将会越来越快。

当前，新一轮科技革命和产业变革正在孕育兴起。从2016年11月召开的第三届世界互联网大会来看，世界互联网科技的创新正在呈现出愈加趋向前沿科技竞争的方向。前沿技术的创新作为互联网行业的“风向标”，几乎决定了整个互联网的发展高度。

2016年10月，奥巴马主持白宫前沿峰会，展望美国在未来50年的发展。白宫在峰会上《国家人工智能研究与发展策略规划》报告，旨在把人工智能计划的全部潜能用来强化经济及改善社会。不仅如此，欧盟委员会也宣布，“人脑工程项目”入选欧盟“未来新兴旗舰技术项目”。

而中国对人工智能的重视程度与扶持力度也在持续提升。2015年7月的《国务院关于积极推进“互联网+”行动的指导意见》，明确指出要重点发展人工智能在家居、终端、汽车、机器人等领域的应用；“十三五”规划中将人工智能上升为国家战略；2016年5月，国家发改委、中央网信办等联合印发《“互联网+”人工智能三年行动实施方案》……毋庸置疑，未来人工智能技术的发展与飞跃，将极大地改变世界面貌，改变人们的生活方式。

电报从发明到推广用了20年；电话从发明到推广用了不到10年时间；而当前计算机软件的研发和推广，常常连几个月时间都用不到――2017年1月初，在AlphaGo的升级版化身“神秘棋手”Master以60胜0负1平的战绩横扫人类围棋高手之后，人工智能百度大脑又险胜“世界记忆大师”――互联网在进入下半场的同时，新的一幕在2017年被揭开，人工智能激动人心，充满无限可能。

记事

当前，一股席卷全球的人工智能热潮正扑面而来，无论是硅谷的创业公司、大学及科研机构，还是世界科技巨头谷歌、微软及百度都纷纷在人工智能领域投入大量人力物力，着手进行前瞻性研究。

AlphaGo大胜李世石

2016年3月15日，谷歌人工智能围棋软件AlphaGo与韩国名将李世石的第五场对战结束，AlphaGo以4：1的总比分大胜李世石。3月9日到15日，AlphaGo与李世石一共大战五局，前三局AlphaGo大胜，第四局李世石扭转了败势，但第五局李世石再次失利。

作为中华民族传承已久的棋类游戏，围棋一直以来都被业内公认为是一块计算机无法攻克的高地。回顾这场吸睛全球的人机大战，其意义已经远超围棋，人们热衷于谈论AlphaGo，更多的是出于对人工智能技术的关切。

2016年3月12日，《经济学人》刊发题为《人工智能和围棋一决胜负》的文章指出，不同于1997年深蓝对弈的国际象棋，AlphaGo对弈的围棋更加复杂，每下一步后能产生的可能性也更多。但AlphaGo背后的算法在比赛中已经显示出自己的优势。通过深度学习，它已经能模拟人类下棋，拥有“直觉”，并能给出下一步的最佳策略选择。深度学习是未来通用人工智能必不可少的部分，目前已经有众多公司在这一领域投入资金和精力。未来，我们可以期待深度学习在人脸识别、语音识别甚至是医疗领域的应用。

百度大脑险胜“世界记忆大师”

2017年1月6日晚，江苏卫视播出的第四季《最强大脑》节目中迎来一位特殊选手――百度派出搭载百度大脑的人工智能机器人“小度”，挑战最强大脑的名人堂选手。经过两小时比赛，“小度”凭借在人工智能和人脸识别领域的深厚积累，以3：2险胜人类最强大脑的代表王峰。

百度大脑“小度”的背后是万亿级的参数、千亿样本和千亿特征训练，能模拟人脑的工作机制，学习训练极其复杂的模型。

此前，百度董事长兼CEO李彦宏也在《最强大脑》第四季预告片中表示，如果最强大脑是人类脑力极限的代表，那么百度大脑是人工智能高水平的代表。无论输赢，都会对人工智能的技术发展做出突破性的贡献。

篇4

车联网、无人驾驶与新能源汽车离我们越来越近

今年的CES不再是手机展，而已有成为车展的苗头，奔驰、丰田、雪佛兰、福特、大众等汽车厂商不约而同的展示了车联网、智能驾驶、新能源等汽车技术，奔驰亮出的F015 Luxury in Motion纯电动无人驾驶概念车更是引起了不少尖叫，网络科技俨然已全面渗透到汽车产业领域。

可能看上去，奔驰F015概念车离我们还有些遥远，但车联网、智能驾驶、新能源等汽车技术已经离我们非常接近了，而且国内网络科技企业和汽车厂商已在进行积极探索。去年，百度对外证实正在研发无人驾驶汽车，并且表明会开发一款名叫carnet的车载智能平台进入车联网领域；同期，阿里与上汽达成合作，宣布共同推进互联网汽车发展；就在此时，乐视也宣布与北汽达成合作研发新能源汽车。

虽然无人驾驶技术要全面市场化仍需时间，但车联网的大门已经完全打开，百度、阿里都已具备车联网的技术和网络服务资源，2015年极有可能会出现真刀真枪的竞争局面。另一方面，这两年政府对新能源汽车持积极态度，中央及地方政府对电动车有较大的优惠补贴力度，比亚迪、奇瑞、北汽、上汽等国内汽车厂商均已推出电动车产品，特斯拉在2014年引爆舆论对电动车市场的关注，进入2015年，国产电动车将会成为舆论的关注焦点。

车联网、无人驾驶，以及新能源同一时间出现在市场，汽车产业正迎来一场巨大的技术变革。

智能家居、可穿戴回归理性，小众变大众仍需时间

2014年围绕智能家居、可穿戴智能设备的产品和争论呈现冰火两重天的景象，一端是资本市场的狂热追捧，另一端是自媒体们不断的泼冷水。智能家居和可穿戴短时间内仍不被市场看好，目前为止市场仍没有一款受到追捧的产品出现，可见小众热闹变成大众需求仍需要时间。

虽然消费市场尚未成熟，但对于百度、腾讯等巨头而言却需要提前布局。2014年，百度推出了Baidu Inside合作计划，吸引了诸多智能硬件开发商，同时上线了dulife平台负责可穿戴智能市场，小度Family(14年底推出百度智家平台)负责智能家居市场。同期，腾讯通过微信也上线了智能硬件平台，在2014年腾讯不只一次宣称要“连接一切”，智能家居和可穿戴市场的发展自然会腾讯重点关注。

百度、腾讯的智能硬件平台逐步完善，2015年两大巨头围绕智能家居和可穿戴的市场的争夺将会成为重点。在今年CES大会上，英特尔推出Curie模块计划，这款纽扣大小的系统芯片或将促进可穿戴市场的发展。

大数据、人工智能、机器人进一步市场化

2014年，科学界巨擘霍金和特斯拉CEO马斯克相继抛出的人工智能杀人论曾引起了一定程度的恐慌，不过并没影响到科技巨头们对人工智能的研发热情。

人工智能已不是什么新鲜话题了，随着大数据技术的发展，人工智能迎来市场化契机。微软在中国以“小冰”的形态尝试人工智能发展市场化发展，而百度在去年先后挖来吴恩达和张亚勤两大人工智能领域的权威人物。

这两日机器人又称为热点话题，日本首富孙正义表示：“(2050年)日本的经济竞争力将能够成为全球第一，日本将不再是‘日沉之国’，而将复活为‘日出之国’”的惊人言论引起了不小的骚动，孙正义认为实现这一目标的方式是大力发展机器人。在此之前，郭台铭也曾提出发开机器人来代替人工在流水线上工作。

在实用性逐渐提升的同时市场价值会越来越受到重视，人工智能和机器人离我们现实生活越来越近。

国家即将出台工业4.0指导意见，2015年工业开始互联网化

日前，工业和信息化部互联网与工业融合创新试点企业现场会在青岛召开，会上工信部信息化推进司处长王建伟表示，2015年将研究出台互联网与工业融合创新指导意见，进一步明确互联网与工业融合创新的着力点和发展方向。

指导意见一出，工业4.0会迅速从概念期步入市场化阶段。工业4.0是以互联网和信息化技术为基础，通过大数据分析等网络科技为工业企业提供市场分析，提高生产效率，避免盲目生产导致产能过剩而造成企业危机。

2014年O2O市场爆发式发展让零售业和服务业迅速与互联网结合，制造业与互联网结合已是必然趋势。在政府的有明确政策的推动下，工业4.0会得到互联网企业和制造业企业的们积极响应，而手握大数据技术的BAT必然会成为其中的主导者之一。

据通用电气公司预计，工业互联网技术创新将直接应用于各行各业，并产生32.3万亿美元的经济效益，到2030年，或为中国带来3万亿美元GDP增量。2015年将成为工业互联网元年。

三巨头将在O2O市场展开最激烈的角逐

2014年O2O市场彻底爆发，零售O2O、服务O2O、社区O2O、汽车O2O等领域均出现了不少创业明星，同时BAT三巨头也在不断加快开发O2O市场的力度。

近期，微信版本更新，O2O用意明显，红包、摇一摇等主要功能都会被用在尝试O2O业务的探索；此前百度推出的直达号功能也将在2015年全面向市场开放；阿里虽然在O2O领域做过诸多积极尝试，但始终缺乏一款类似微信、手机百度这类连接线上线下的载体应用。

另外，作为O2O的发源地，团购一直都是BAT关注的主战场，百度在2014年全资收购糯米，成为BAT三家中唯一一家直接参与团购市场竞争的巨头，而腾讯和阿里分别选择投资了点评和糯米。

围绕三巨头O2O布局的分析非常多，大家可以直观的感受到，三巨头在2014年基本已经完成了在O2O领域的布局，剩下的就是一些查缺补漏的工作。到了2015年，三家的O2O之争会从暗斗升级到明争。

移动支付步入巨头逐鹿时代，互联网金融开始规范化

移动支付已经喊了很多年了，在2014年下半年算是正式进入巨头逐鹿阶段。去年底传出重磅消息，银联将拉拢国内手机厂商，参考苹果公司ApplePay的“指纹识别+NFC支付”模式组建AndroidPay。这是银联在于中移动争夺移动支付主导权获胜之后，投入力度最大的一次面向2C市场的移动支付布局，根据此前传出的消息，AndroidPay项目会在今年三月落地。

不过，业界似乎对银联能否做好移动支付充满疑虑，毕竟在第三方支付市场，支付宝的先发优质已经牢牢占据了市场主导权，而且其在去年双十二期间投入巨资与线下超市、便利店等零售终端合作尝试的5折移动支付活动取得了不错的成绩。在移动支付之争中，业界似乎更好支付宝钱包的发展前景。

除了支付宝和银联两大玩家之外，微信也在积极拓展微信支付使用场景，不过从实际结果来看，有关微信支付的消息往往是雷声大雨点小。另外，百度也在2014年积极的推进百度钱包，不过由于后发劣势，短时间内仍无法与支付宝钱包直接竞争。从趋势上来看，2015年将成为移动支付的破冰之年，阿里、银联、腾讯、百度都会不遗余力的继续发展移动支付业务，尤其是近场支付方向。

除了移动支付，2014年互联网金融业持续趋热，互联网银行正式获批，元旦之后总理首次出巡就参观了有腾讯参股的微众银行，这被认为是对互联网金融行业的鼓励；还有，P2P更是在短时间内成为竞争最激烈的互联网金融市场，其中平安陆金所估值已经达到了100亿美元，不过P2P领域暴露出的诸多问题已经引了银监会的重视；另外，余额宝引发的宝宝类金融理财产品在2014年持续发酵，阿里在此基础上又推出了招财宝、娱乐宝等创新产品。随着政府对金融市场改革继续推进，以及余额宝最近风波不断所暴露出的市场瓶颈，进入2015年，互联网金融将会逐渐趋于理性化，规范化。

互联网与医药行业擦出更多火花

2014下半年，医药行业与互联网行业之间不断蹦出火花。春雨医生、丁香园和挂号网先后获得巨额投资，而其中丁香园和挂号网则是由腾讯出资；另一方面，阿里通过支付宝在打造未来医院，已与多家医院达成了合作关系；而百度则在去年与北京政府达成合作，推出北京健康云平台；不仅如此，小米在去年向九安医疗所有的iHealth品牌子实体注资2500万美元。互联网医药行业显然未热已火。

刚刚进入2015年，互联网医药行业就迎来好消息。近期，有消息称中央已完成价格等监管领域的人事调配与部分政策配套工作，未来将对医药价格以及垄断行业的价格进行全面的调整，受此消息影响近几日A股医药板块出现波动。无独有偶，国家食药监总局(CFDA)官员透露，此前征求意见稿的《互联网食品药品经营监督管理办法》，将在近期的CFDA局长办公会讨论，若获得通过，这一办法将会以部门规章的形式。业内人士表示，《办法》将允许部分处方药在网络销售，今后医药电商将与实体零售商抢饭碗。

这两个消息对传统医药行业来说并非好事，而对于互联网医药行业则非常能提振信心。若这两个消息在2015年落实，互联网医药行业将会迎来发展春天。

打车、租车、拼车市场将整体大洗牌

嘀嘀打车和快的打车已火拼两年有余，在2014年底先后完成了7亿美元和8亿美元融资，为2015年的最后的竞争最好了准备。与此同时，百度与Uber正式在北京的百度大厦签署战略合作及投资协议，有媒体猜测投资金额为6亿美元。百度进入打车领域将会进一步加剧市场竞争程度，2015年的打车市场又会掀起一番血雨腥风。

篇5

具体影响来说，在2月份的组织架构调整后，百度下分四个事业群组，分别是移动服务事业群组(李明远负责)，新兴业务群组(张亚勤负责)，搜索业务群组(向海龙负责)和金融服务事业群组(朱光负责)。但此次调整后，搜索业务群组和移动服务事业群组实现了合并。

直观来讲，搜索业务群组和移动服务事业群组合并成为新公司，而向海龙出任新公司CEO，原移动服务事业群组负责人李明远成为新公司副手，换言之，原先处于平级的向海龙和李明远，有了“职位层级”变化。

现在成立百度搜索公司后，百度旗下变为了百度搜索公司、新兴业务事业群组和金融服务事业群组。

对于此次调整的原因，李彦宏解释称：“多年积累的人工智能，特别是深度学习方面的技术，正逐步在我们进入的各个领域发挥出无可替代的作用。互联网金融服务、无人车、开放云……一系列新业务的诞生，标志着我们开启了新的征程，在更广阔的领域开疆扩土。”也就是说，百度将在原有以搜索为核心业务的事业群组外，利用人工智能和深度学习，在其他领域进行开拓。

实际上，百度此举类似谷歌去年做出的架构调整。

2015年8月，谷歌宣布进行内部组织架构调整，正式成立母公司Alphabet，时任公司CEO的拉里-佩奇将出任母公司Alphabet的CEO。原公司Google成为Alphabet旗下子公司，将主要专注于搜索相关的主营业务，原高级副总裁桑达尔-皮猜将出任Google公司CEO。

现在，对比而言，百度虽然并没有造一个母公司，但实际上采用了跟谷歌类似的架构调整方法。

对于谷歌的调整，佩奇当时解释称，重组公司的主要目的是扩大管理范围，独立运营一些并不非常相关的业务。

不过，创新工场董事长李开复则对谷歌架构调整有进一步解读。这位前谷歌大中华区总裁今年2月带领中国创业者对硅谷包括谷歌在内的重要公司进行了为期半月的考察，并和Google的CEO皮猜进行了交流。在评价谷歌的架构调整时，他向新浪科技评论称：谷歌这么做看起来是要造一个“机器大脑”出来，原先搜索获得的搜索数据，通过“机器大脑”的人工智能和深度学习神经网络的相关计算，可以应用到各个垂直领域，比如医药健康，金融股票等等。

而百度方面，在人工智能和深度学习领域虽然不能全方位与谷歌相提并论，但就人工智能所需要的“计算能力”和“大数据”，百度也有自己的优势。

现百度首席科学家吴恩达曾多次公开表示过自己从谷歌“跳槽”百度的原因：如果把人工智能和深度学习比作发射火箭，而“大数据”是这其中必备的燃料，那来自中国的百度在这方面享有优势，能够有利于自己未来的研究。

篇6

关键词：智能制造；智能科学与技术；人工智能技术；机器人；实验平台建设

智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节。具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。是信息技术和智能技术在装备制造过程技术的深度融合与集成。加快推进智能制造，是我国在全球新一轮产业变革竞争背景下出台的《中国制造2025》的主攻方向。广东省作为国内制造大省和全球重要制造基地，也对接印发了《广东省智能制造发展规划（2015-2025年）》。针对广东省制造业的创新能力、产业结构、信息化水平的缺乏竞争力的问题，大力实施创新驱动发展战略，推动智能制造核心技术攻关和关键零部件研发，推进制造过程智能化升级改造，实现“制造大省”向“制造强省”转变。创新驱动，智能化升级改造需要国际领先水平人才的引进和高等院校实战型工程技术人才培养。我院智能科学与技术专业就是面向广东智能产业的深度融合设置的。其专业实验平台的建设需要针对广东省高端装备、制造过程、工业产品智能化等领域的薄弱环节，以“机器智能”为方向，完善实验教学体系、整合实验教学资源，开设综合性、创新性的实验项目，培养学生实践能力和创新意识。紧密联系企业，针对智能制造关键技术协同创新。培养具有智能系统开发与设计、智能装备的应用与工程管理能力；能在智能装备、智能机器人、智能家居等领域从事智能系统的是开发与设计、应用于维护、运营与管理的“厚基础、强应用、能创新”的高素质工程应用型人才。

1专业实验平台建设思路

面向智能制造专业实验平台的建设，依据《广东省智能制造发展规划（2015-2025年）》中发展智能装备与系统，工业产品、制造流程智能化升级改造的任务，从智能科学与技术知识体系中提取专业发展方向的课程，建立完善专业实践教学体系。以“机器智能”为方向建设人工智能与机器人实验室为核心，以项目、科技竞赛、紧密对接企业协同创新为手段，培养学生能够运用工程基础知识和专业理论知识设计工程实验，分析实际问题的能力，培养学生查询检索资料文献获取知识的能力，培养学生能够综合运用自然科学知识、专业理论知识和技术手段设计系统和过程解决实际问题的能力。通过科技竞赛等活动，培养学生在团队里具有工程组织管理能力、表达能力和人际交往能力。通过与企业的合作，掌握基本创新方法，并让学生具有追求创新的态度和意识，以培养学生的综合素质和能力为重点。立足华软学院电子系电子信息工程嵌入式专业、自动化专业、通信工程专业现有的平台优势，按照“整合、集成、共享、提升”的基本思路，完善支撑体系，优化验教学资源配置，建设一个能够与广东智能产业深度融合的阶梯形层次化实验平台。

2实验平台建设内容

智能科学与技术专业实验实践平台的建设要依据实验教学体系的构建，突出面向智能制造工程实践为特色，按照学生的成长需要，建立阶段化、层次化、模块化的实验教学体系。

2.1专业实践课程体系建设

面向智能制造的智能科学与技术专业定位是以工程应用型人才培养为目标的，是在通识教育基础上的特色专业教育。专业课程体系的建设首先还是以培养学生具有扎实自然科学基础知识，人文社会科学知识和外语应用能力为基础，其次是智能科学与技术专业技术基础课程，如数字系统与逻辑设计、数字信号处理基础、信号与系统、电路分析与电子电路；c语言程序设计与算法分析、数据结构、数据库与操作系统、微机原理与接口、传感器与检测技术等。最后是专业方向类课程，也是专业的核心课程，如制造业基础软件中的嵌入式软件、工业控制系统软件，工业机器人中人工智能技术应用和智能控制技术。主要有知识获取模式识别；数据通信与网络；嵌入式系统移植和驱动开发；嵌入式应用开发；人工智能与神经网络；智能控制技术；机器人学等课程。培养学生具备计算机技术、自动控制技术、智能系统方法、传感信息处理等技术，完成系统集成，并配合专业实践课程体系如图1，完成电子工艺实习、技术基础课程、核心课程的课程设计和综合项目实验，并在工程应用中实施的能力。

2.2实践教学体系建设

依据专业实践课程体系，构建主要包括计算机基础、电路基础、信息与控制基础、嵌入式技术、机器智能系统五大模块开展不同学习阶段层次化的实验教学体系。主要包括基础类、专业实训类、综合创新类。

1）基础类实验注重开设与课堂教学中基本理论相结合的精品实验项目，并逐步提升基础实验课时的比例。从实践中启发引导学生牢固掌握基础理论知识。除此之外，还要注重工作方法和学习方法的能力培养，如收集信息查找资料、制定工作计划步骤、从基础理论到解决实际问题的思路以及独立学习新技术的方法和评估工作结果的方法。培养学生厚实的专业基础知识和能力。

2）专业实训类实验主要以项目教学、案例教学、情景教学方式培养学生利用专业知识及方法独立解决行业领域内的任务和问题并能够评价结果的能力。如智能传感应用项目，人工智能技术实验项目，知识表示与推理项目，计算智能项目，专家系统，多智能体系统；机器人项目，如最小机电系统组成，如何完成对电机的控制；利用单轴或双轴控制平台实现基本搬运装配作业。

3）综合创新类实验注重培养学生从理解问题域开始，获取数据和知识、开发原型智能系统、开发完整智能系统、评估并修订智能系统、到整合和维护智能系统六个阶段构建智能系统。如开展人工智能技术在智能制造中的应用包括产品设计加工、智能生产调度、智能工艺规划、智能机器人、智能测量等；直角坐标机器人实现码垛搬运、多关节串联机器人、弧焊机器人实训等。

4）科技竞赛、与企业协同创新，通过观察记录待智能化升级的工厂生产过程，发现定义问题、提出假设、搜集证据检验假设、发表结果、建构理论等实验过程设计的能力。培养学生掌握基本创新的方法，团队协作管理能力、表达沟通能力等。如嵌入式设计大赛、机器人大赛等科技竞赛；以及针对自动化生产线的嵌入式工业控制系统设计；针对原材料制造企业的集散控制、制造绦屑成应用；针对装备制造企业的敏捷制造、虚拟制造应用；工业机器人在汽车、电子电气、机械加工、船舶制造、食品加工、纺织制造、轻工家电、医药制造等行业的应用。

2实验教学保障

智能科学与技术实验平台建设以人工智能与机器人实验室建设为核心，结合目前学院嵌入式系统实验室、自动控制实验室、传感器技术实验室、通信原理实验室资源，仪器设备共享共建的原则，系统化筹备购置。人工智能机器人实验室主要针对智能系统设计开发和机器人应用，基于计算机系统的人工智能技术学习应用包括人工智能技术在智能制造应用和工业机器人仿真软件ABB Robot Studio。基于“探索者”机器人系统控制实训箱Rino-MRZ02（包含履带机器人、双轮自平衡机器人、5自由度机械臂、6自由度机械臂等）

可以开展的项目有：利用启发式算法、遗传算法、蚁群算法等模糊数学理论对工业产品设计进行性能模拟、运动分析、功能仿真与评价；利用人工神经网络自学习、自组织构造产品加工过程新能参数预测模型。利用模式识别、机器学习、专家系统、多智能体系统进行感知、并对环境的改变进行解读、动作进行规划和决策；利用专家系统、遗传算法、模糊逻辑集中式解决生产调度多目标性、不确定性和高度复杂性的问题，寻求最优规则，提高调度的速度；利用蚁群算法、遗传算法分布式多智能体系统进行问题分解、彼此协商、任务指派、解决冲突。

履带机器人可开展电机控制实验；运动控制实验；HD轨迹控制实验；无线通信实验。双轮自平衡机器人呢可开展自平衡模块实验；倒立摆算法实验；双轮载具运动实验。6自由度双足机器人可开展双足运动控制实验；步态规划实验；双足平衡实验；机构改装实验。5自由度机械臂可开展机械臂运动控制实验；颜色分拣实验。可扩展为8自由度双足机器人、轮腿式机器人等技能提高类课程设计。

通过ABB公司的机器人仿真软件RobotStudio进行工业机器人的基本操作、功能设置、二次开发、在线监控与编程、方案设计和验证的学习。

篇7

制造云大数据

众所周知，人类社会正面临着一场新的技术革命和新的产业变革。那么我们认为互联网+人工智能的时代正在到来。怎么解读人工智能？首先，网络是一个泛在的互联网，包括魍车幕チ网和互联网+人工智能，其核心技术是七类技术深度融合，包括新互联网技术、新一代信息技术、新人工智能技术、新能源技术、新材料技术、新生物技术以及新应用领域专业技术。互联网时代特征总结为泛在互联、数据驱动，共享服务，跨界融合，自主智慧和万众创新。

当然，制造业作为国民经济、国计民生和国家安全的重要基石，正面临全球新技术革命和产业变革的挑战，特别是新一代信息通信技术，核心就是要发展智能制造技术产业和应用。对我国来说面临的五大挑战是：第一要从技术跟随到创新以及到超越，第二要从传统制造向数字化、网络化、智能化转变，第三从粗放型制造向质量效益性转变，第四从资源消耗到绿色制造转型，最后要由生产型制造到生产+服务型制造转变。

其核心问题就是要贯彻创新协调绿色开放共享发展理念，要走中国特色的工业化道路，以创新发展为主题，以制造业提高质量增加效益为中心，特别强化两化融合，而且要推进智能制造主攻方向。

云制造的概念首先是基于泛在网络，其次是借助新兴大制造技术、信息通信技术、智能科学技术及制造应用领域四类技术深度融合。数字化、网络化、智能化作为技术手段，构成一个以用户为中心的统一经营的智慧硬软资源和能力的服务云。这实际上就是人、机、物互联服务，或者是现在提出的工业互联网的概念。

用户通过智慧终端和智慧云制造服务平台能随时随地按照需要获取智慧制造的资源和能力，要对整个全系统全生命周期产业链里面的人机物信息技术自主的智慧的感知，互联协同分析认知和决策控制与执行，促进制造全系统及全生命周期活动中的人组织、经营管理、技术设备三要素及信息流、物流、资金流、知识流、服务流集成优化，形成一种基于法在网络、用户为中心、人机物信息融合。

智慧云模式是什么，手段是什么，业态是什么，特征是什么，实施内容是什么，以及目标是什么都值得探讨。

我们把它叫智慧，因为强调三种深度融合：人物与环境信息深度融合，数字化、网络化智能化的深度融合，工业化和信息化的深度融合。同时，很重要的基于大数据的并行、协同、实时、互联、智能的进行创新。根据这样一个理念所构成的系统，我们把它叫做智慧云制造系统或者简单说智慧制造云。概念模型包含几大部分内容，一是制造资源的能力和资源，这里面包括软的、硬的，包括能力和智能互联产品；二是制造云池；三是制造全生命周期的智慧云。其核心支持就是智慧云制造的平台。

综上，智慧制造云是一种互联网+人工智能时代的模式手段。制造模式是以用户为中心的互联服务协同个性柔性社会化智能制造产品以及服务用户的模式，它的手段就是四类技术深度融合的数字化网络化作为技术手段，构成一个智慧化的人机物环境信息互联系统，体现数字化、物联化、虚拟化、协同化、定制化、柔性化和社会化的产品。

那么智慧制造云、工业云里面的大数据实际上是全系统全生命周期里面的三要素、五个流里不断产生的四个大数据，包含制造全生命周期里面的各种数据，有企业经营管理的数据，有技术产品设备的数据。有结构化、半结构化和非结构化数据，有静态数据、动态数据和实时数据。

智慧制造云大数据的特点，除了四个云以外，和大量、高速、多样、价值以外，还加上了多元符合模态、数据类型异构等。其作用简单来说能精准高效智能地用到全生命周期的活动，促进云制造的智慧化，目标实现产业研制、管理服务效率质量成本能耗，实现产品加服务为主导的随时随地的按需个性化指导。

目前，大数据在感知基础上，有六类大数据关键技术，关键技术在制造云里有新的需求。首先大数据的集成与清洗，就是把不同来源、格式、特点性质的数据及数据源在逻辑上或物理上有机地接入平台并进行新审查和教研，得到干净、一致的数据。第二技术就是大数据存储和管理，采用云存储和分布式存储技术及高吞吐量数据库技术与非结构化数据访问技术，实现运输集中的数据经济、高效、高可靠、容错的管理与服务。第三大数据分析挖掘，从这些海量的随机的数据中要找出有价值的东西，比如说现在分布式计算引擎，数据分析机器学习等，对我们制造云要以应用目标为导向，导出相应算法软件。同时需要建立云制造应用系统定量分析的人工智能分析模型，数据不是直接用的，是通过模型来的。可视化，各种各样数据可视化而且能应用，比如多维数据分析，虚拟现实等，对目前综合处理显示多维数据以及交互需求是非常重要的。其次是大数据的标准和质量，对智慧云多类型标准需求不限，而且交易和交互要作为一个导向。最后就是安全，全生命周期里面要安全，像隐私保护、数据水印以及区块链技术等。

大数据的云化

第三个问题就是大数据云化。直接把大数据迁入模型软件，第二是直接提供DAAS，第三个就是风险，最后一个就是大数据的可视化，基于大数据可视化技术实现智慧制造云里面的风险和显示。

云里面大数据怎么用也值得探讨。第一类是航天产品电缆数据化设计，也就是说把电缆有关的经验数据和综合分析性能数据收集过来，放到电缆数据工程里面，实现了电缆数据化生产的一体化，产生效果后有60%以上研制时间开展产品质量提升。第二类是医药，利用现在制造云里面官方电子病例、医疗等信息系统提取海量临床数据，挖掘药物效用及治疗方法，从而为医药研发提供参考。第三类是航天制造和生产比如博世、力士乐等智能生产。第四类就是维修，比如C919健康管理，需要实时检测大数据中心。根据上面的情况，智慧制造云在大数据当中是很重要的。

最后提点建议。首先当然是大数据已经成为智慧制造云建设和运行的重要资源，如果没有大数据、没有云、没有人工智能，那最后肯定是做不到智慧化制造。而研究实践需要从技术、应用、产业三方面来协调，进行各个层次的技术创新和人才培养。

从技术应用和产业方面，概括性地提几点想法：第一，从技术上要做到重视大数据、信息通信技术、人工智能技术、系统工程技术与制造领域等多种技术的深度融合。要搞大数据，必须要做到这几个技术的深度融合，这是我们的一个观点。第二，离不开云，因此要对面向用户大数据的云服务技术进行研究。第三，要重视基于大数据制造全生命周期里面的新模式、流程、手段的研究。最后，要进行符合共享经济商业模式的技术研究，当然还有安全和相应标准的制定与评估。

从应用角度来看，要“四个突出”。第一要以突出制造特色和行业特点来开展；第二要突出问题导向，问题在哪，竞争力缺点就在哪；第三要突出大数据驱动的智慧云制造管理运行模式、手段和业态的变革；第四要突出三要素与五流的综合集成化、优化和智慧化。

篇8

关键词：中医药 知识工程 知识库 知识获取 知识发现

分类号：TP182

引用格式：于彤. 中医药知识工程的理论体系构建和关键技术分析[J/OL]. 知识管理论坛， 2016， 1（5）： 336-343[引用日期]. http：///p/1/56/.

1 引言

中医药是中华民族的文化瑰宝，无论作为文化遗产还是作为医学资源，都理应得到保护和传承。对中医药理论知识与实践经验的总结、诠释与研究，是中医药传承的一项核心任务。知识工程（knowledge engineering）为中医药知识的组织、存储、处理和利用提供了必要的理论、方法和工具，在中医药领域具有广阔的应用前景[1-2]。

知识工程是随着信息革命而出现的一种新兴的知识管理和知识创造手段。知识工程源于人工智能领域，其最初的目标是构建基于知识的系统（或称专家系统）[1，3]。为了构建基于知识的系统，需要获取足够的专业知识，并将这些知识表示为计算机可以理解的形式，以支持自动推理和问题求解[3]。因此，知识获取、知识表示以及知识运用成为知识工程领域研究的主要问题。随着知识工程在知识管理中应用的不断深入，知识工程的研究范畴从知识库和专家系统，扩展到自由文本、半结构性数据和多媒体内容的处理。时至今日，知识工程已发展为涉及知识表示与推理[4]、语义网[5-6]和数据挖掘[7]等多个技术领域的交叉学科，在电子科学、电子商务和电子政务等许多领域得到了广泛的应用。

知识工程在中医药领域的应用起源于20世纪70年代。当代著名中医学家关幼波与计算机专家合作，于1979年研制了首个实用的中医专家系统DD中医关幼波诊疗肝病的计算机系统，它在临床应用中取得良好效果[8]。此后，全国兴起了一股中医专家系统研发与应用的热潮[9]，知识工程作为专家系统的支撑技术也得到了中医界的重视。近30年来，中医药工作者采用知识工程方法对中医药领域的知识遗产进行广泛采集和永久保存，建成了大量的知识资源和智能系统，为中医药知识创新提供了有力的支持[10]。为此，本文对中医药知识工程进行系统总结和综合论述，分析存在的问题和发展趋势，为相关领域学者和知识工程师提供参考。

2 中医药知识工程的概念

中医药知识工程是指将中医药知识整合存入计算机系统，以使计算机能够利用这些知识来解决中医药领域复杂问题的工程学科[1-2]。旨在实现中医药知识的“计算机化”，并将计算机技术融入中医药知识的收集、挖掘、整理、更新、传播及转化等环节，从而丰富和完善中医药知识体系，提升中医信息系统的智能水平。之所以称之为一项“工程”，是因为这项工作涉及系统性的方法、大规模的协作、严密的流程以及复杂的产品（本体、知识库、专家系统等），这些都是系统工程的显著特征。

中医药知识来自中医专家的头脑，以及书籍、论文、病案等各种专业资料。为使中医药知识“计算机化”，需要从各种知识源中广泛获取知识，将知识进行编码并录入计算机系统；还要按照一定的结构和方案对知识进行组织和存储；最终实现专家系统、知识发现等各种计算机应用。中医药知识工程的关键环节，包括中医药知识表示方法的研究、中医药领域知识的获取、中医药知识库系统的构建、中医药知识发现研究以及中医药智能系统（如临床决策支持系统）的研发等。

中医药知识工程是中医药与信息科学（包括人工智能）相结合的产物，是多学科交叉的研究领域。它也是中医药知识管理的一项关键支撑技术，有助于实现中医药知识管理与服务模式的创新。

3 中医药知识工程的意义

中医药知识工程有利于开拓临床思路，支持临床决策，研究中医理论，丰富教学内容，指导实验研究，促进中医药知识传承与创新[1-2]。具体而言，中医药知识工程可在以下三大方面发挥积极作用。

3.1 梳理知识体系，保护知识遗产

中医药知识遗产具有很高的科学和文化价值，但其知识体系尚存在模糊笼统之处。只有对中医药知识遗产进行系统梳理，去芜存菁，才能凸显中医药知识的精华之处。使用语义网络、描述逻辑等知识表示方法，能够精确描述中医思维逻辑，建立数字化的中医药知识体系，这对中医药学科发展具有十分重要的意义。

3.2 促进知识传承，加速人才培养

中医传承的核心问题是如何将中医名家的个人经验转化成普遍的知识，从而培养更多经验丰富的名医，提升中医界的整体水平。中医药知识工程旨在系统总结前人经验，将历代医家的智慧结晶转化为全面、系统的领域知识库，研发中医辅助学习系统，以提升初学者的学习效率，促M专业医师之间的交流，从而突破中医传承的瓶颈。

3.3 发现新知识，促进学科发展

通过实施中医药知识工程，可对中医药信息化过程中积累的海量数据进行分析与挖掘，建立跨越年代、流派、学说和病证的整体性知识模型，从而加深我们对中医辨证论治规律的认识，使中医药领域两千多年来积累的知识遗产得到有效整理和挖掘。

4 中医药知识工程的理论体系构建

中医药知识工程研究的核心任务是利用信息科学的理论和方法，对中医药知识体系的全部内容进行系统梳理和准确表达。可以说，中医药知识工程所研究和处理的核心对象就是中医药知识体系。两千多年以前的《黄帝内经》奠定了中医学的理论基础；经过两千年的发展，至今已经形成了一个以中国古代哲学为基础，以中医药学理论为架构，以临床实践经验为主体的知识体系[2]。

中医药知识体系有其自身特点和复杂性，对知识工程技术产生了独特的需求。中医特色的思想方法、含义模糊的中医概念以及中医专家的隐性知识都对知识表达、知识获取和知识利用产生重大影响和制约。因此，面向西医等其他领域的知识工程方法并不完全适用于中医药领域。中医药知识工程领域迫切需要一套符合自身特点的理论和方法，从而有效处理中医药知识的模糊性和复杂性，支持标准化知识体系的建设。因此，有必要对中医药知识工程的理论思想进行深入研究和系统总结，从而指导中医药知识的建模、获取、组织、存储、共享与服务等一系列工程实践活动。建立中医药知识工程的理论体系是一项繁重、长期的工作。本文主要围绕思维模拟、知识表示、知识获取、知识发现等4个主要方面，对中医药知识工程的理论思想、研究热点以及核心概念意涵进行简要论述，为今后的理论研究工作提供参考。

4.1 中医思维模拟研究

中医思维模拟是指在对中医思维进行深入分析的基础上，用计算机系统对中医的思维过程进行模拟，从而完成计算机辅助诊疗等复杂任务。中医深受中华传统哲学和文化的影响，产生了独特的思想方法和思维模式，包括“天人合一”“取象比类”以及“辨证论治”等等。中医药知识体系是中医思S的直接产物。开展中医药知识工程研究，首先需要深入理解中医的核心思维模式。

中医思维是一个复杂的思维过程，具有形象性、模糊性和整体性等特点，需要针对这些特点提出创新性的思维模拟方法。例如，“取象比类”是贯穿中医知识体系的思维模式，与中医其他的思想方法共同构成了中医“象思维”。在中医药知识工程领域，需要追溯中医“象思维”的思想源流，并采用认知语言学等学科方法对其进行分析，据此提出与之相适应的计算机模拟方法[11]。又如，中医辨证思维是一个涉及分析、综合、推理、归类、鉴别的复杂思维过程，需要将中医辨证理论与实际的病案结合起来进行分析，总结中医辨证思维的规律，从而建立合理、准确的中医辨证计算模型[12]。思维模拟研究在中医临床诊疗等领域具有潜在的应用价值。但首先需要在临床实践中对计算机建立的中医思维模型加以检验，以验证其准确性和实用性。

4.2 中医药知识表示研究

知识表示（knowledge representation）是指通过某种方案、数据格式或语言，将领域知识表达为计算机可直接处理的数据。知识表示处于知识工程的中心地位，它既是知识获取的基础，又是知识存储和运用的前提。为实现基于知识的系统，必须将领域知识表示为某种计算机可处理的形式，并录入到计算机系统中去，存储于知识库之中。知识表示的合理性直接决定知识处理的效率，对知识获取和应用的效果也有很大的影响。

广义上，知识表示的目标就是实现人类知识的显性化、机读化和结构化，从而支持自动推理，知识检索和知识发现等应用。知识表示方法有很多种，包括状态空间、谓词逻辑、框架、产生式、语义网络、与或图、Petri网等。这些方法适用于表示不同类型的知识，从而被用于各种不同的应用领域。如何选取或提出合理的知识表示方法，用最恰当的形式来表示中医证候、中药、针灸、温病、养生等各方面的知识，是中医药知识表示研究的重点问题。

目前，知识工程领域的一种主流观点是将建立一个知识系统的过程视为一种“建模”活动。知识建模（knowledge modeling）是指采用某种计算机方法构建一个“知识模型”，它在特定领域中能像专家那样解决问题。其本质是通过模型来表示知识，因此属于一种形式化的知识表示方法。近年来，采用本体等技术建立知识模型，已成为中医药知识分析的一种常用手段，也是中医药知识表示研究的一个主要方向[13-14]。

4.3 中医药知识获取研究

知识获取（knowledge acquisition）是指从专门的知识源中全面、系统地获取知识，并将其转换为某种计算机可处理的形式（如程序、规则、本体等）[15-16]。这里的知识源可以是人类专家，也可以是案例、教科书、论文、数据库、网站等知识载体。一般情况下，知识获取需要由“知识工程师（knowledge engineer）”与领域专家配合，共同来完成工作。知识工程师的任务是帮助领域专家激活隐性知识，完成知识的转换，建立基于知识的系统。

知识工程的一个典型场景是：一组知识工程师找到并访问特定领域的专家，听取专家的介绍，记录专家的经验性知识并将其表达为计算机可处理的形式，存入知识库中。将知识库与推理引擎结合起来，也就构成了一个新的专家系统。知识获取也必然涉及知识验证的问题：知识工程师需要对知识进行评审和验证，以确保知识的准确性。

知识获取是任何知识管理和知识工程的基础性工作。在中医药领域，知名老中医的经验和古籍文献占有重要地位，是知识获取的重点对象。一方面，知名老中医知识和经验的获取，是中医药知识获取的重要环节。它属于专家认知获取的范畴，也就是将专家头脑中隐含的知识转换为某种形式的显性知识的过程。另一方面，中医药领域产生了海量的古籍文献。古籍数字化对于中医药信息的快捷传播和永久保存具有重要意义。如何从数字化的古籍文本中有效提取中医药知识，则是知识工程所关注的问题。无论是通过专家访谈等方法获取领域专家的经验和实践方法，还是查阅大量文献搜集领域知识，都是复杂的、繁琐的工作，且多数情况下只能通过人工方法完成。因此，知识获取是中医药知识工程领域中面临的关键瓶颈[16]。如何突破“知识获取”瓶颈，也就成为知识工程研究的一个热点问题。

4.4 中医药知识运用研究

知识运用是指将领域知识库以及机器推理、知识发现等技术运用于科研、临床、教学等领域，辅助中医药工作者解决复杂问题并提升工作效率。知识工程在中医药领域的具体应用包括：四诊客观化研究、中医辨证规范化研究、方剂量效关系分析、中药新药发现、中医临床诊疗、中医教学等等。为使知识工程的成果产生社会效益和经济效益，促进中医药知识创新和学科发展，必须研究如何运用知识的问题。知识工程学不能逐一研究具体应用的过程或方法，而是研究在各种应用中都可能用到的共性方法，包括知识推理、知识搜索、知识发现、知识服务等。

传统上知识运用研究的一个中心问题是如何构建专家系y。中医专家系统是指用计算机人工智能技术来模拟著名老中医诊疗病人的临床经验，从而使该软件具有专家诊治病人的水平[8]。如前文所述，随着“中医关幼波诊疗肝病的计算机系统”的出现，全国兴起了一股研发中医专家系统的热潮。据陆志平等[9] 估计，中医专家系统已不下300个，并遍及中医的内、外、妇、儿、五官以及针灸等各科。专家系统能对中医四诊信息进行处理和解释，并产生临床推荐意见和临床警示，可用于辅助职业医师进行临床决策。该系统的构建涉及知识获取、机器学习、知识推理、知识搜索等多方面的理论和方法学研究。

自20世纪90年代开始，随着数据库技术的普及以及数据库内容的不断积累，使业务人员产生了从数据库中挖掘知识的愿望。为此，学者们将数据库技术与人工智能、统计学、机器学习等传统技术相互融合，产生了知识发现这一交叉学科[17]。知识发现（knowledge discovery in database，KDD），可被理解为“数据库中的知识发现”。近年来，中医团体探索将各种KDD方法应用于中医药领域。KDD被用于研究方剂配伍规律[18]，辅助中医开具中药处方[19]，解释中医证候的本质[20-21]，以及辅助基于中医药的新药研发[22]，都取得了良好的效果。KDD作为中医药知识分析和科研创新的一种新方法，也成为中医药知识运用研究的一个热点。

5 中医药知识工程的关键技术分析

中医药知识工程将本体（ontology）、文本挖掘（text mining）、语义网（semantic Web）等多种信息技术与中医药领域知识相结合，以促进中医药知识的创造、管理和运用。在下文中，围绕知识建模、知识获取、知识存储、知识发现等4个主要方面，对中医药知识工程中涉及的关键技术进行具体分析。

5.1 中医药知识建模技术

知识建模是将领域知识表达为计算机可处理模型（即知识模型）的过程，它是知识工程的基础。中医药知识体系与中华传统文化息息相关，具有鲜明的文化和语言特色，这决定了中医药知识建模的独特性。历代中医普遍采用“取向比类”等形象思维方法，中医药概念之间的关系错综复杂，中医文献中包含大量古汉语成分，这些因素导致中医药知识难于精确描述和定量刻画。需要对知识建模的方法和技术进行创新，并研究出一套符合中医药特点的知识建模框架，以支持中医药知识工程的实施以及知识服务平台的建设。

知识建模技术有很多种，技术人员所熟知的统一建模语言（UML）和实体关系模型（ER模型）都属于知识模型。本体是1990年代出现的知识建模方法，其核心任务是对领域概念体系进行系统梳理和准确表 达[13]。本体在复杂知识建模和自动推理等方面体现出技术优势，因此在生物医学领域逐渐成为主流技术。

近年来，中医药知识工程的一个热点是通过构建中医药领域本体，对中医药理论和知识体系进行辨认、梳理、澄清和永久保真处理。中医团体已经开展了基于本体的中医药知识建模方法研究，并实际构建了一系列领域本体[14] 。例如，中国中医科学院中医药信息研究所研制了“中医药学语言系统（Traditional Chinese Medicine Language System，TCMLS）”这一大型中医药领域本体[23] 。TCMLS对中医药领域的概念和术语系统进行了完整的表达，在中医药学研究中得到广泛应用。此外，本体建模的对象还包括阴阳、五行、脏腑、证候、中药、方剂等诸多领域。这些本体最终可被整合为一个完整的中医药领域本体，支持知识获取、知识发现、知识服务等中医药知识工程的后续工作。实践表明，本体可有效捕捉中医药领域的概念体系，并以概念为核心将中医药知识体系准确地表达出来，能够胜任中医药领域知识建模的任务。

5.2 中医药知识获取技术

如上文所述，中医药知识获取是一项复杂的工作，被公认为知识处理过程中的一个瓶颈，严重限制了知识工程和知识系统的发展。近年来，学者们主要试图通过“集体智能”和“机器智能”这两条路径来突破中医药领域的知识获取瓶颈。

“集体智能”是指组织大量领域专家一起编辑知识库，从而实现专家知识的共享与融合。实现集体智慧的关键在于建立合理的交流、协作和激励机制。随着互联网的迅速推广，中医界开始利用互联网技术建立各种面向中医药领域的知识工程平台，进行跨学科、跨组织、跨地域的协作式知识加工，开展了一系列大规模的知识工程项目，建成了一系列术语系统、领域本体、文献库、数据库和知识库。例如，中国中医科学院中医药信息研究所建立了基于互联网的“中医药虚拟研究院”，部署了一个协同知识工程平台，支持全国40余家机构，近300人进行协同工作[24-25]。在该系统的直接支持下，研制了“中医药学语言系统”[23]等一系列大型知识系统。实践表明，基于互联网的虚拟环境能将不同机构、不同地区的研究人员组织起来，有效解决资金分散、缺乏协调、研发能力不足等问题，实现知识工程的规模化[25]。

“机器智能”是指研发文本挖掘技术，使机器能够直接从文献等知识载体中提取结构性知识。文本挖掘在中医药领域已得到成功应用，能够显著提升知识库加工的效率[26]。但与生物医学领域的大量研究工作[27]相比，文本挖掘在中医药领域的应用仍处于早期探索阶段。需要针对中医药文献的特点，进一步研发实用的挖掘方法，提升挖掘结果的完整性和准确性，从而深度挖掘中医药文献中蕴含的知识。

5.3 中医药知识存储技术

知识存储（knowledge storage）特指在计算机系统中安全、可靠、有序地存储知识资源，以支持知识管理和知识工程应用。知识库是实现知识存储的重要支撑工具，也是知识工程的重中之重。知识库一般是针对特定领域以及问题求解而建立的，对领域知识进行全面收集和系统整理，进而对知识进行组织、分类和保存，以支持知识检索和查询。

构建中医知识库系统，是指用人工智能技术把中医药理论和专家的经验按规范化、标准化的格式组建成知识库[8]。知识库一般具有形式化、结构化、易查询、易操作等特点，能支持机器推理。传统上知识库主要是指采用谓词逻辑、框架等知识表示方法，在计算机系统中表示和存储的知识集合。但在中医药信息化实践中，人们也把文献库、数据库、本体等多种形式的知识载体统称为“知识库”。它们都能起到知识存储的作用，与自然语言处理、机器学习等方法相结合后仍可支持智能应用，因此称之为广义的知识库也不为过。

近年来，中医药知识库建设得到迅猛发展，在中医人体、中医疾病、中医证候、中医医案、中药、中医养生等方面都出现了知识库系统[28]。中医药知识库在中医药信息化中扮演着核心的角色，在文献整理、知识可视化、知识共享、临床诊疗、教学、研究等诸多方面取得实际应用，为中医药知识遗产的数字化保存和深度挖掘提供了创新性的手段。

5.4 中医药知识发现技术

知识发现是从数据中获取有效、新颖、有潜在应用价值和最终可理解模式的非平凡过程[17]。知识发现是人工智能、数据库、统计学、机器学习等多种技术相互交叉产物。知识发现在20世纪90年代提出之后，获得了广泛关注和迅速发展，产生了高频集、关联分析、分类、预测、聚类、孤立点分析、时序/序列分析等一系列行之有效的方法，还出现了Weka、Rapidminer等较为成熟的开源软件。这为知识发现技术在中医药领域的应用创造了条件。

中医在数千年的临床实践与理论研究中积累了海量的数据、文献和知识。如何利用这些宝贵资源就成了发展中医药必须面对的一个问题。而KDD所擅长的正是从海量的数据中寻找有意义的模式和知识，是分析中医药海量数据所需的理想技术手段。近年来，中医团体已开展了将频繁模式发现、关联规则发现、聚类分析、复杂网络分析等多种KDD方法引入中医药领域的若干探索。例如，使用关联规则发现等方法对方剂数据进行分析，来揭示方剂配伍规律[18]；通过知识发现方法辅助中医开具中药处方[19]以及中药新药研发[22]；通过基于隐结构模型的机器学习方法来揭示中医证候的本质[21]；使用文本挖掘方法从海量文献中挖掘新颖知识，构建并分析中医药复杂网络[20]。这些工作表明，面对中医药领域的海量数据，采用KDD技术进行有效的知识发现既是必要的，也是可行的[29]。

过20多年的发展，中医药知识发现的方法和技术已进入相对成熟期，针对中医药领域的各种问题都产生了一系列行之有效的方法。但成熟并不意味着完善，面对中医药数据描述多样化、数据仍不完备的特点，仍然需要对现有的KDD技术进行改进和发展，以满足中医药科学研究和知识创新的需要。

6 中医药知识工程的发展趋势

近年来，中医药知识工程实践取得长足发展，成功建立了大量的知识资源。但中医药知识资源往往服务于特定的医疗和研究机构，彼此之间异质、异构，难以实现集成与共享，形成严重的“知识孤岛”现象，成为长期困扰中医药知识工程领域的技术难题。中医药与西医等相关领域的知识资源也难以实现有效的关联，阻碍了跨学科研究的开展。

为此，学者们[6，30]提出使用语义网作为中医药数据表示标准，实现中医药内部的知识整合以及中西医领域的知识互联，从根本上解决“知识孤岛”问题。2001年，万维网发明人（T.B. Lee）在《科学美国人》上正式提出了语义网的构想，认为它将是一个机器可以理解的开放性信息空间[5]。语义网技术的核心优势在于将数据结构和存储方式各异的数据转换为统一格式并重新，从而实现数据资源的交换与集成。语义网为实现跨领域知识关联提供了理想的技术平台，有助于构建面向特定领域的大规模知识图谱，进而实现各领域知识图谱的关联与融合。语义网最终将发展为一个全球性的知识图谱，提供全面、智能的知识检索服务，促进知识共享和人机协作。

可基于语义网技术建立中医药知识图谱，从而实现中医疾病、中药、方剂、针灸、医案等中医药各门类知识资源的集成[30-31]。TCMLS作为一个包含10余万个中医概念以及100余万个语义关系的大型语义网络，为构建中医药知识图谱提供了相对完整的框架。鉴于此，于彤等[31]提出以中医药学语言系统为骨架，将中医药领域现有的术语资源和数据库资源融合起来，构成大规模知识图谱，并实现基于知识图谱的知识检索、知识展示和知识服务等功能。在未来，可进一步扩充中医药知识图谱，通过语义关系表达中医和西医之间的结合点，从而实现这两个领域的知识图谱的关联和融合。这套方法将使中医药知识资源接入全球互联的知识图谱之中，支持各种面向结合医学的知识共享、决策支持和知识发现应用，在中西医结合医学中发挥更大的作用和影响力。

6 小结

中医药根植于中华文化，源于中国传统哲学，是中华民族非常宝贵的知识遗产。中医药知识工程成为中医药知识遗产保护和知识创造的一种新模式，能有效推动群体性的知识创新活动，加速知识转化过程，促进知识的传播。

中医药经过数千年的发展，形成了一座伟大的知识宝库，这决定了中医药知识工程的巨大价值和艰巨性。中医药领域知识体系相当复杂，对知识工程技术提出了独特的需求。在中医药领域实施知识工程是一项极其复杂且具有挑战性的工作，其中还有很多尚未解决的科学问题和技术难题，需要进行长期的研究。展望未来，中医药知识工程必将成为中医药信息学学科体系的重要组成部分，也将在中医药科学研究和临床实践中发挥越来越重要的作用。

参考文献：

[1] 任廷革， 刘晓峰， 李庆业， 等. 从复方分析模型的研究看中医知识工程的意义[J]. 中国中医药信息杂志， 1999， 6（3）： 12-13.

[2] 杨斌. 中医知识工程的建立及其意义[J]. 世界科学技术――中医药现代化， 2000， 2（4）： 28-30.

[3] Schreiber G， AKKERMANS H， Anjewierden A， et al. Knowledge engineering and management： the CommonKADS methodology [M]. 1st ed. Cambridge， MA： The MIT Press， 2000.

[4] Brachman R， Levesque H. Knowledge representation and reasoning [M].San Francisco：Morgan Kaufmann Publishers Inc.， 2004.

[5] Berners-Lee T， HENDLER J， Lassila O. The semantic Web [J]. Scientific American， 2001， 284（5）： 28-37.

[6] 于彤， 崔蒙， 李敬华. 语义Web在中医药领域的应用研究综述[J]. 世界中医药， 2013， 8（1）： 107-109.

[7] Fayyad U， PIATETSKY-Shapiro G， Smyth P. From data mining to knowledge discovery in databases[J]. AI magazine， 1996， 17（3）： 37-54.

[8] 马斌荣. 中医专家系统与中医知识库[M]. 北京： 北京出版社， 1997.

[9] 陆志平， 李媛媛， 魏方方， 等. 人工智能、专家系统与中医专家系统[J]. 医学信息， 2004， 17（8）： 458-459.

[10] 孙燕. 中医知识工程研究进展分析[M]. 中国中医药信息杂志， 2010， 17（12）： 5-6.

[11] 于彤， 陈华钧， 顾拢 等. 中医象思维的OWL语义建模[J]. 中国数字医学， 2013， 8（4）： 29-33.

[12] 于彤， 崔蒙， 吴朝晖， 等. 基于语义Web的中医临床知识建模[J]. 中国数字医学， 2013， 8（11）：81-85.

[13] Gruber T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition， 1993， 5（2）： 199-220.

[14] 李兵， 裘俭， 张华敏， 等. 中医药领域本体研究概述[J]. 中国中医药信息杂志， 2010， 17（3）：100-101，106.

[15] 路耀华. 思维模拟与知识工程[M]. 北京： 清华大学出版社， 1997.

[16] 陈瑜. 试论中医药领域的知识获取[J]. 医学信息学杂志， 2013， 34（3）： 89-92.

[17] FAN J， LI D. An overview of data mining and knowledge discovery[J]. Journal of computer science and technology， 1998， 13（4）： 348-368.

[18] 李文林， 段金廒， 赵国平，等. 方剂配伍规律数据挖掘的研究现状及思考[J]. 中国中医药信息杂志， 2008， 15（10）：92-94.

[19] QIAO S， TANG C， JIN H， et al. KISTCM： knowledge discovery system for traditional Chinese medicine[J]. Applied intelligence， 2010， 32（3）：346-363.

[20] ZHOU X， LIU B， WU Z， et al. Integrative mining of traditional Chinese medicine literature and MEDLINE for functional gene networks [J]. Artificial intelligence in medicine， 2007， 41（2）：87-104.

[21] ZHANG N， YUAN S， CHEN T， et al. Latent tree models and diagnosis in traditional Chinese medicine[J]. Artificial intelligence in medicine， 2008， 42（3）：229-245.

[22] 雷蕾， 慧敏， 崔蒙， 等. 中医药化学辅助研发系统的建设[J]. 中国中医药信息杂志， 2008， 15（8）： 100-101.

[23] 于彤， 贾李蓉， 刘静， 等. 中医药学语言系统研究综述[J]. 中国中医药图书情报杂志， 2015， 39（6）： 56-60.

[24] 崔蒙， 谢琪， 尹爱宁， 等. 中医药信息数字化虚拟研究院建设模式研究[J]. 上海中医药大学学报， 2008， 23（3）：5-8.

[25] 尹爱宁， 崔蒙， 范为宇， 等. 中医药虚拟研究院[J]. 国际中医中药杂志， 2006， 28（3）： 141-143.

[26] ZHOU X， PENG Y， LIU B. Text mining for traditional Chinese medical knowledge discovery： a survey[J]. Journal of biomedical informatics， 2010， 43（4）： 650-660.

[27] Rebholzschuhmann D， OELLRICH A， Hoehndorf R. Text-mining solutions for biomedical research： enabling integrative biology[J]. Nature reviews genetics， 2012， 13（12）： 829-39.

[28] 于彤， 钏叮 李敬华. 中医药知识库系统研究进展综述[J]. 中国医学创新， 2014， 11（18）： 142-144.

[29] 吴朝晖， 封毅. 数据库中知识发现在中医药领域的若干探索（Ⅰ）[J]. 中国中医药信息杂志， 2005， 12（10）： 93-95.

[30] CHEUNG K， CHEN H. Semantic Web for data harmonization in Chinese medicine [J]. Chinese Medicine， 2010， 5（1）：1-5.

[31] 于彤， 刘静， 贾李蓉， 等. 大型中医药知识图谱构建研究[J]. 中国数字医学， 2015， 10（3）： 80-82.

Knowledge Engineering for Traditional Chinese Medicine： A Review of Theoretical System and Key Technologies

Yu Tong

Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences，

Beijing 100700

篇9

关键词:动物模型;专家系统

中图分类号:R2-03 文献标识码:A 文章编号:1673-7717(2010)01-0083-02

Study on the Expert System of Animal Model with Traditional

Chinese Medicine Symptoms Evaluation

CHEN Lei,LI Haiquan

(Liaoning University of Traditional Chinese Medicine,Shenyang 110847,Liaoning,China)

Abstract:Through the study found that the expert system of animal model with traditional Chinese medicine symptoms evaluation is different from TCM clinical expert system.And mentioned multiple funcitons and the key techniques of the animal mode with traditional Chinese medicine symptoms evaluation expert system,then prospected and discussed its development.

Key words:Animal model;Expert System

专家系统便是具有如同人类专家一般,能对特定领域的问题做判断,解释及认知的一组电脑程序。但由于此特定领域可大可小,且对“认知”的定义亦有不同解释,故可有小如某些所谓“汽车辨识专家系统”,只能依照汽车外型等几项特征辨识十种车。亦有大如某些实验阶段的超大型医学专家系统,可依据12万个不同的医学表征分辨8千个疾病。尽管专家系统的定义未明确,但基本上,当此系统所能处理的问题其复杂性及对专业知识的需求相近或高于人类专家,且其表现亦相近或超过人类专家时,便可称之为专家系统。

1 中医临床专家系统的研究情况

中医临床专家系统,是模拟中医领域专家的“整体观念、辨证论治”的思维、推理方法,并作出诊断的智能计算机程序。1979年研制成功的“中医关幼波诊疗肝病的计算机程序”。它模拟了中医关幼波教授治疗肝病的临床经验,是一个实用的和具有辨证、治则、立法、方药、医嘱和计价等多种功能的专家系统。该系统使用了模糊数学、模糊综合分析、加权求和阈值运算及浮动阈值等数学模型和模糊推理技术。而后利用模糊数学和人工智能网络理论我国相继研制出“刘渡舟教授诊疗心病的专家系统”、“董建华教授诊疗胃痛、胁痛的专家系统”等中医专家诊疗系统[1]。

2 中医证候动物模型症状评价专家系统与中医临床诊疗专家系统的差别

中医证候动物模型症状评价专家系统与中医临床诊疗专家系统都是应用中医基本理论进行中医诊断的过程,因此二者在原理、知识表达、数学模型应用、程序设计等方面有很强的一致性。但二者又有以下两点明显的区别。

2.1 应用对象不同

中医证候动物模型症状评价专家系统是用于对中医证候动物模型进行诊断,而中医临床诊疗专家系统是对临床患者进行诊断。诊断对象不同决定了二者在知识获取途径及知识库建设方面有所差别。

在知识获取方面,中医临床诊疗专家系统应该总结、归纳中医专家的临床经验、学术观点及与该专家领域知识相关联的中医理论知识,而中医证候动物模型症状评价专家系统则应该总结、归纳中医动物实验专家的动物实验的实践知识及相关的中医理论知识。

在知识库建设方面,中医证候动物模型症状评价专家系统面向的对象是中医证候动物模型。根据动物实验的实验条件标准化等特点,动物模型的饲养条件(居住条件、饮食、饮水、劳倦程度等)具有一致性,这就大大简化了诊断因素知识库的内容和复杂程度。因此中医证候动物模型症状评价专家系统比中医临床诊疗专家系统在知识库建设方面更简单易行。

2.2 应用价值不同

由于中医临床诊疗专家系统面向的对象是临床患者,尽管中医关幼波诊疗肝病的计算机程序处方符合率已经达到97.7%,但临床诊疗是关系患者生命安全的大事,目前还没有将中医临床诊疗专家系统广泛地应用于临床,更多的是处于实验阶段。从目前来看一般实际临床中往往应用中医临床诊疗专家系统进行会诊或起经验积累、学习、辅助治疗的作用。基于人工智能的专家诊疗系统并不十分完善,离真正的临床应用还有一段距离,随着人工智能、神经网络的进一步发展,中医临床诊疗专家系统还需进一步的完善和发展。

相比之下,中医证候动物模型症状评价专家系统则实用价值更大,因为此系统主要是应用中动物实验中,且与原有中医证候动物模型症状评价方法相法有很大进步,一旦通过鉴定即可广泛推广使用。

3 中医证候动物模型症状评价专家系统应实现的功能

中医证候动物模型症状评价专家系统首先应具有的基本功能是数据处理,应用模糊数学公式进行模式识别即推理机的功能,即本实验所研制的中医证候动物模型症状评价程序的功能。其次中医证候动物模型症状评价专家系统应有人工智能,即知识学习、自适应、自组织等高水平专家系统的功能。其技术路线可通过图1表示。

具体应实现以下几方面功能。

3.1 建设有中医证候动物实验专家水平的知识库

首先应建立中医证候动物模型的诊断标准,最好是国家级的标准,而这个标准正是中医证候动物模型专家知识与经验的积累。知识表达具有清晰性,表示模式简单有效,便于对中医证候动物模型进行评价推理和对知识库的搜索。

3.2 应具有知识获取能力

知识获取能力包括对中医证候动物模型症状较好的采集(通过数据和观察两种方法),知识录入的良好的人机界面以及高性能的知识编辑器。

3.3 应具有知识推理能力

中医证候动物模型评价专家系统的求解策略和推理思维应与动物实验中具体推理思维过程尽可能一致。其推理策略主要是寻找最佳的模糊识别方式,建立最佳的数学模型进行动物模型评价。

3.4 应具有咨询 解释能力

要求中医证候动物模型评价专家系统运用知识表示模式所表示的知识的过程易于被人们接受,即知识操作的过程能被计算机跟踪和表达,并可以在屏幕上显示出来。

3.5 应具有一定的人工智能功能

这也是专家系统研制过程中最有难度和最有价值的功能。只有实现了自学习、自适应、自组织的人工智能功能,专家系统才能最大程度的模型专家进行科学评价,同时根据动物实验的实际情况智能地对数学模型、参数进行修改,使其日趋完善。

4 中医证候动物模型症状评价专家系统的关键技术环节

4.1 四诊症状收集与数据转化

中医通过望、闻、问、切四诊收集症状进行诊断,中医证候动物模型的诊断也不例外,在望诊上观察方法与临床一致,只是在具体表现和语言描述上需结合动物的特点。中医闻诊包括嗅觉和听觉。在证候动物模型的诊断中由于动物实验条件标准化的特点闻诊一般可不用。随着研究的深入和生物学、计算机技术的发展也可考虑应用生物膜换能器进行此方面的研究。在问诊方面临床中如饮食、二便等问诊内容在动物实验中可通过观察、测量等方法直接收集到,且信息的准确度高于临床。实验动物舌诊可通过观察进行[2],也可通过扫描电镜观察[3],还可以应用高精度彩色全息照相技术进行研究。脉诊可通过测脉搏,如脾阴虚的数脉,也可通过压力传感器采集的脉象图等方法。四诊症状收集工作需要不断探索并依赖于其它相关学科技术的进一步发展。可以把四诊和运用现代技术手段收集到的信息分为两类,一类是通过观察得到的症状,通过语言来描述其程度的不同。一类则通过仪器测得,通过数据来描述。

4.2 隶属函数选择与权重值 截集λ值的设定

中医证候动物模型症状评价中有一类评价指标如体重变化值、肛温变化值是以数值的形式表示,就要求建立合理的隶属函数。因此隶属函数及系数应在实验过程中不段调整以达到最佳。权重值也应随着实验样本数的增大进行调整使其更为合理。λ值本身就是一个动态值因此又称浮动阀值。但在动物实验中可根据实际情况相对稳定。以上几个因素的初始值确立应主要根据实验观察结果在中医理论指导下确立。初始值确立后一方面随实验样本数的增大进行调整,比如通过训练迭代法。另外可通过专家系统自身的自学习功能进行调整。

4.3 人工智能的实现

人工神经网络[1]是模拟人脑功能建立的,采用分布式记忆存储法和大规模并行处理方式,并且具有自组织、自学习和自适应能力,适合处理连续的、模拟的、模糊的和随机的信号。而B―P神经网络是多层误差回传网络,是目前在生物控制、文字处理、语音理解与合成、图像模式识别及问题分类诊断中广泛应用的技术。是利用大量已知样本来训练网络各层之间(输入层、输出层及隐含层)的连接权,通过自学得出最佳的模式分类器。

5 讨 论

专家系统是一个综合性很强的边缘学科。在医学专家系统的研制过程中,必需有医学领域的专家、计算机程序设计专家等多学科人员参加,才能研制出高水平的专家系统。一个专家系统也是一个计算机程序,因此它同传统程序的程序设计和实现方面有许多共同的特征,也需要经过对相应的领域知识的分析、总体模块设计、编写程序、调试、维护和完善等阶段,在各个阶段也会用到与开发传统程序相同的一些技术和手段。但是,专家系统是一个智能计算机程序,它在知识获取、知识推理等方面又与传统程序有明显的不同。中医证候动物模型评价专家系统实质是将模糊数学、神经网络、计算机科学结合起来,又可称为人工智能网络、模糊控制等,这方面的工作还有待于进一步的探索。

参考文献

[1] 马斌荣.中医专家系统与中医知识库―中医领域计算机软件的开发与应用[M].北京:北京出版社,1997:8.

篇10

[关键词]科技突破；智能机器人

中图分类号：TP242 文献标识码：A 文章编号：1009-914X（2017）16-0098-01

前言

电源《她》就是这样一部探讨人和科技建立起亲密关系主题的电影。这部电影引起了科技界的热议。电影里的男主角西奥多在人生最失意和孤独的时候，爱上了他的电脑和手机智能操作系统OS1。这个虚拟系统化身一个有着自我学习能力的聪明女性，名叫萨曼莎。她就像苹果手机里的Siri，可以和西奥多聊天并为他处理各种邮件、日程安排。逐渐地，西奥多发现自己爱上了萨曼莎，因为她是如此的幽默风趣，两人的情感交流自然亲密。她又会不会在生活中存在呢。

1 智能系统代替人

科技本着解决人类难题的使命创造出了这样聪明的智能系统，以满足孤独者的情感寄托需求。但世界真的会因为一个无所不能的智能系统就充满幸福吗？而是她其实仅仅是由一串代码制造出来的虚拟服务。而这并不符合人类在付出真实感情时所期待的回报。不要把你的生活难题统统抛给科技来解决。这个信号并不仅仅存在于电影中。更重要的是，即使记忆消失，也并不意味人类就能远离曾经犯下的错误。一般人以为一切都能回到过去时，但是发现现实不像她想象中美好，因为这个以前的人不可能带来那种真实的不可捉摸的变化。这些所刻画的技术都是因解决人类的痛苦而诞生，无论是帮助需求者逃避问题还是创造一个不会制造问题的智能人。可过于依赖技术的结果就是它太容易让我们在表面上摆脱困难，却失去了痛苦反思时的成长。

2 现在的智能系统

阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴维・西尔弗、艾佳・黄和戴密斯・哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。

阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。

仅仅是外观出挑并不能令PowerEgg成为一款“黑科技产品”，其独有“super easy control”易用操控功能是重点加分项。这款体感遥控器为无人机小白用户，甚至女性和儿童，大开方便之门。包括红外+可见光一体挂载的四旋翼无人机、可在海拔6000米工作的无人直升机、可连续飞行12小时的固定翼无人机等。臻迪旗下设有多个海内外研发机构，研发范围涉及无人机编队算法及服务、消费级智能机器人等领域

Atlas机器人由美国波士顿动力公司为主开发，和由美国国防部国防高等研究计划署（DARPA）的资助和监督，专为各种搜索及拯救任务而设计，Atlas是世界上最精密的机器人之一，借助于四肢和身躯的传感器维持身体平衡，再加上头部的激光雷达和立体视觉传感器帮助导航和避障，Atlas已经能够适应户外和室内的环境。它不仅被设计能够行走、取物，并且能够在户外穿越严酷地形，使用手脚攀爬。在人工智能的帮助下，Atlas能够第一时间作出反应：爬起来、捡起来等动作。

百度无人驾驶车包括高精度地图、定位、感知、智能决策与控制四大模块。

百度自主采集和制作的高精度地图记录完整的三维道路信息，能在厘米级精度实现车辆定位。同时，百度无人驾驶车依托国际领先的交通场景物体识别技术和环境感知技术，实现高精度车辆探测识别、跟踪、距离和速度估计、路面分割、车道线检测。

Oculus Rift是一款为电子游戏设计的头戴式显示器。它将虚拟现实接入游戏中，使得玩家们能够身临其境，对游戏的沉浸感大幅提升。已经很可能改变将来的游戏方式，让科幻大片中描述的美好前景距离我们又近了一步。虽然最初是为游戏打造，但是Oculus已经决心将Rift应用到更为广泛的领域，包括观光、电影、医药、建筑、空间探索以及战场上。Oculus Rift这款设备很可能改变未来人们游戏的方式。 Oculus Rift具有两个目镜，每个目镜的分辨率为 640×800，双眼的视觉合并之后拥有 1280×800 的分辨率。并且具有陀螺仪控制的视角是这款游戏产品一大特色，这样一来，体验的沉浸感大幅提升。

3 结论

中国智能市场有规模最大、影响最广、专业性最强的品牌展会，回归现实却发现一个不争的事实，科技创新20年未迎大变革。产品做足科技感。我们不缺市场，缺的是人才。机器人等其他领域是个跨学科行业，包括机械工程、人工智能等，中国机器人产业要发展，要加强相关人才培养，另一方面紧盯核心零部件研发和生产，在基础研究、工艺等方面多下功夫。

参考文献

[1] 王遐.随车起重机行业扫描[J].工程机械与维修，2006（3）：68-71

[2] 王金诺，于兰峰.起重运输机金属结构[M].北京：中国铁道出版社，2002

[3] 卢章平，张艳.不同有限元分析网格的转化[J].机械设计与研究，2009（6）：10-14

[4] 朱秀娟.有限元分析网格划分的关键技巧[J].机械工程与自动化，2009（1）：185-18