人工智能时代的看法范文

导语：如何才能写好一篇人工智能时代的看法，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

伴随着大数据时代的到来，人工智能在过去的几年内取得了突破性的进展，其中人工智能+云计算更是成为未来的大势。

数据显示，2017年全球公有云市场规模已达2602亿美元，同比增长18.5%，到2020年更是将达到4114亿美元，而在这场“云巅大战”中，AWS、Azure、Alibaba Cloud(阿里云)成为目前全球云计算三大巨头(3A)，并借助在云计算基础设施上的优势，扩展至人工智能领域。

如此激烈的追逐战中，2018年还将有哪些产业登上“云端之巅”？未来变幻莫测，但至少我们可以尝试重新审视，这场由人工智能+云计算相互融合而带来的新产业机遇。

餐饮：解码饿了么跑的比对手更快的秘诀

从稻香集团自助炒菜机到肯德基人脸识别点餐，人工智能技术的每一次进步都为餐饮业带来翻天覆地的变化，数据显示，目前30%的外卖平台已经实现人工智能化，在用机器智能调度整个餐饮行业的备料、运输到互联网客流引入等全产业环节，餐饮行业在悄无声息之下已经进入人工智能时代。

以饿了么为例，阿里云ET大脑帮助饿了么搭建起覆盖全国100万家餐厅和180万名饿了么小哥的线上调度系统，餐厅的出餐速度和饿了么小哥的骑行速度精准匹配，当系统接到一个新订单后，ET大脑会根据历史数据和实时交通信息合理分配给相应外卖员，达到配送最优化。

农业：几千年养猪行业引入高科技，解码每只母猪多生3个仔的奥秘

由于自然环境的多变性和复杂性，人工智能技术在农业领域表现出多样化和定制化的特性。谷歌投资企业Abundant Robotics开发出自主采摘取水果技术，阿里云则与隆平高科借助人工智能技术，就筛选育种、基建数据化、农事管理、基地选址及农作物生产进行探索。

近期在国内，人工智能技术则率先实现养殖业的新突破。

阿里云与特驱集团正式达成AI养猪合作，人工智能技术将帮助养殖产业实现疾病识别、生育能力预测、进食分析等方面的智能管理，在前期理论验证阶段，ET大脑可以让母猪每年多产3头小猪仔，且猪仔死淘率降低3%左右。以点推面，2018年人工智能在农业领域的应用和大规模推广将会成为现实。

互联网：茫茫人海不仅靠缘分，人工智能还能帮你找到更适合自己的“真爱”

互联网行业成为应用人工智能技术最广泛的行业，各种人工智能为互联网行业带来源源不断的创新力。

数据显示，中国内地单身人数在2017年已经达到2亿，其中73%的人有婚恋倾向。而在具体应用场景下，婚恋平台使用阿里云ET大脑的技术对用户行为进行分析，帮助约会对象建立数据画像，为约会双方进行精准的智能匹配，通过人工智能技术找到更适合自己的真爱。

城市管理：大脑让城市学会思考，为城市配备一位智能管家

2016年，在杭州市政府的牵头下，阿里云ET城市大脑以杭州萧山区为试点，通过智能调节城市全局红绿灯状况，实现区域内通行速度提升15%，对于特种车辆更是实现120救护车到达现场时间缩短一半。而近期，马来西亚正式引进阿里云ET城市大脑，中国人工智能技术正式向世界提供解决方案，首期将应用在吉隆坡281个道路路口上……

这些一直困扰着人们的城市问题，将在人工智能协助下，逐渐解决。

航空：世界第二大机场的智能之道

在航空业，由于机位资源、地勤保障资源有限，资源分派压力巨大，人工操作耗费时间长且灵活性低，往往会导致或加剧航班延误。这个困扰诸多航空公司的问题也即将在人工智能的帮助下得到解决。

作为全球最繁忙的机场之一，首都机场率先引入阿里云ET大脑，实现每天调度1700架次航班、每天节省旅客时间5000个小时。在这个巨型客流枢纽中，庞大的旅客流、飞机流、行李流互相交织，ET大脑实现每个航班都能高效中转，减少延误。

医疗：人工智能让普惠医疗成为现实

作为国计民生的医疗领域，医疗也是AI最先落地的行业。我国人口老龄化高速增长、医疗资源供需失衡等问题，造就了医疗人工智能的巨大需求。阿里云ET大脑可以实现医院线上挂号、缴费、取报告在线完成，节省人力物力，还能协助医生进行临床分析，并让医院对病人的全生命周期管理成为可能。

交通：刷脸进站语音购票

成熟的人工智能技术“语音识别”和“人脸识别技术”，正在应用到这一领域。

阿里云ET大脑与上海地铁牵手，实现首个强嘈杂环境下的语音购票、人脸识别过闸体验，还有替代肉眼的智能客流分析技术。今后，地铁买票只需喊一声，全程不过几秒钟。过闸机直接刷脸，地铁拥挤也有望缓解。

体育：百年奥运首次实现“全数字化”

在2017年中国国际体育用品博览会开幕式上，国家体育总局副局长赵勇指出，体育行业要运用大数据与新技术，迈进智能化的时代。

随着阿里巴巴成为奥运会“云服务”及“电子商务平台服务”的官方合作伙伴，奥林匹克将进入新的一轮时代变革，以平昌冬奥会为开端，阿里巴巴将通过云计算、人工智能让“云上奥运”成为现实。

篇2

21CBR：埃森哲持续多年年度技术趋势报告，在你们看来，这份报告有哪几个关键点最为值得关注？

埃森哲：今年技术展望的主题，“智企时代、技术为人”是核心，以人工智能技术为代表的数字技术加速演进，会给全人类带来巨大的发展机会，我们也有义务、有能力塑造技术发展的方向，让技术造福更多人。

在五个趋势里面，“智慧新界”是关注人工智能技术的核心应用在于让人机交互更方便；“生态智联和智才共享”分别讲述的是快速演进中的数字生态系统给企业以及劳动力带来的重要机遇；“人本设计”则第一次在技术展望中把设计提到前所未有的高度，也印证我们技术为人的核心理念；“进军未知”是提醒企业家在开拓数字新疆土时，保持社会责任感，创造更加公平合理的社会。

21CBR：在2017年技术趋势报告中显示，有85%的企业高管计划未来三年广泛投资人工智能相关技术，从技术角度来看，你们认为哪几个领域的投资必不可少？

埃森哲：《埃森哲技术展望2017》调研发现，超过六成的中国企业高管表示正在全面投资数字技术，作为商业战略的重要部分，该比例为全球最高。从埃森哲研究以及与客户交流来看，企业对机器学习、深度学习、自然语言处理、图像和语音识别的投入力度都比较大。全球来看，机器人流程自动化（Robotic Process Automation）是个热点，中国领先企业也已经开始在这方面采取了行动。

有一个比较现实的问题是IT基础设施的投资。有些行业的基础设施是不具备的，或者说是不完善的，有很多企业的这类设施是相对孤立的。如果说未来产品和服务将更多地由数据驱动的话，割裂的IT系统便不能有效地采集、分析和处理数据，因而也不能提供更多价值洞察。这也就表明，目前IT设施的整合是不够的。

当然，除了技术投入，越来越多的企业开始关注生态圈的投入，已经或者正在第三方平台上集成自身的核心业务功能。对于领先企业而言，第三方不仅仅是传统的合作伙伴，更可以是一起构建新生态系统、谋求下一轮战略增长的重要一员。

21CBR：“全球第一CEO”杰克・韦尔奇在《商业的本质》中曾提及，科技革命给市场带来了巨大变化和诸多杂音，在新的生态环境下，应该遵从商业的规则，回归商业本质。你们如何看待这个问题？

埃森哲：企业家们逐渐认识到回归商业本源的重要性。人们会认识电商和传统商业没有了明显的区隔，应该回到用好数字技术服务客户、创造客户价值的商业本质上来。

商业的本源从未改变：通过为客户打造极致的体验为客户创造价值，在此过程中为企业创造商业价值。技术的演变提供了更多的可能的手段与实现商业本源的可能性场景。

当然，我们也感受到了企业家的焦虑感。过去十年，基于移动化、大数据、社交网络和云计算发生的数字化变革深刻改变了人们的生活和工作方式，改变了行业边界和市场疆界。

随着数字技术的指数级增长和成本不断下降，技术创新和商业创新呈现两种形态，一种是大爆炸式创新，很多巨头企业不经意就在这种创新浪潮中被覆，比较容易受到影响的主要是技术、消费和金融行业等轻资产公司；另一种是渐进式的创新颠覆，受到影响主要是重资产公司，由于行业冲击不是非常直接，但运营利润和收入的长期下降，会使企业很容易就在“温水”状态下陷入危机。

可以得到一些启示，例如，企业在制定企业战略时候，越来越需要依赖规模、资源、行业积累以及成熟的数字能力等优势来先人一步预测行业生态的发展轨迹，创造并捕捉机遇。

21CBR：几个世纪以来，技术的发展改变着人类劳动的方式，但人工智能技术的发展却促使人类陷入反思甚至是恐惧，有哪些工作会直接受到人工智能技术的冲击？而又会在哪些领域创造出新的就业机会？

埃森哲：这是《埃森哲技术展望2017》认真回答的首要问题。人工智能将改变一些岗位的设置和工作方式，但是机器不会威胁和取代人类。人工智能将帮助企业打造更好的客户交互体验，将重新设计流程性的工作，从而使员工更多致力于高附加值的工作；同时，人工智能会带来很多专业的细分，带来岗位的增加，许多今天不存在的工作机会可以被创造出来。

我们认为不应把人工智能和人作为两个对立的个体，埃森哲提出的是一个界面的概念，相互学习实现共存，有利于发挥各自特长，实现灵活便捷、互补协作。

这里引述埃森哲的一项最新研究来说明人工智能对未来经济发展的促进作用：通过转变工作方式以及开拓新的价值和增长源，人工智能到2035年有望拉动中国经济年增长率，从6.3%提速至7.9%。

基于人工智能对中国经济整体影响的模拟分析，并结合行业规模数据，埃森哲进一步研究了人工智能对中国15个行业可能带来的经济影响。结果显示：制造业、农林渔业、批发和零售业将成为从人工智能应用中获益最多的三个行业。到2035年，人工智能将推动这三大行业的年增长率分别提升2%、1.8%和1.7%。

21CBR：根据埃森哲的分析，企业沿用百年的等级制雇佣和管理模式将在数字化时代面临挑战，开放型人才市场会成为主流，你对职场人士有哪些建议，以便他们更好地在数字化劳动力关键转型期中把握机会？

埃森哲：顺着《埃森哲技术展望2017》的脉络，我们给职场人士一些建议：

1.智慧新界――努力学习新技术，踏准时代节拍，并能引领创新；

2.生态智联――放开视野，把客户体验、客户价值放在中心位置。以谦虚的态度向数字生态系统里的创新企业学习，向年轻一代企业家学习。

3.智才共享――尽可能加入“柔性团队”，为自己企业的数字化转型贡献力量的同时，也得到快速学习和成长的机会。

4.进军未知――在传统业务以外开创新的业务增长点。

篇3

张亚勤提出，百度云在未来将以人工智能为中枢，以大数据为依托，以云计算为基础，深度结合并改造传统行业。

十年来，从一个名词概念，到质疑可行性，商业模式到一个规模达数千亿美元的产业，云计算服务的发展速度超出了很多人的想象。

根据Gartner的数据，2016年全球云市场规模达到2000亿美元。在新形势下，云计算产业将迎来巨大的发展机会。

百度高度重视云计算。在2008年中国第一届云计算大会上百度曾表示，搜索是最大的云计算应用：计算量、存储、网络、SLA、延时、分布式、弹性、大数据等，是不可能在端上完成的――早期是云计算的最重要应用。可以说百度是在云里出生的。

大约从两年前开始，百度开始了针对企业级市场的布局。一个月前对云计算品牌进行了升级――叫百度云，希望能利用百度在技术和平台方面的积累，构建新型云计算生态系统服务于企业客户。

在对信息科技发展趋势进行判断时，百度的看法是，由人工智能、大数据和云计算组成的“ABC”将成为一个时代的主题，A就是AI，人工智能，B是Big Data，大数据，C是Cloud云计算。

百度云基于“ABC”三位一体的战略。打个比方说，今后，人工智能会变得像电力一样重要，主导着每个人的数字生活体验。大数据就像是新能源，能让服务商更了解用户需求，让用户更轻松地获得自己喜欢的商品和服务。云则提供了各种应用和服务运营的基础。

百度云在Iaas、Paas和Saas三个层次上都分别有独特的优势。

最底层是基本的IaaS，百度拥有国内最大的GPU/FPGA集群所构成的百度大脑的支持，最大的HADOOP/SPARK集群和运营效率最高的数据中心。百度多年服务大规模业务比如搜索和视频的技术，运营大型数据中心能力，和支持多项工作流的经验将对弹性，稳定，可靠，安全的云服务提供保障。

中间一层是PaaS（Platform as a Service），平台即服务。百度PaaS的与众不同之处在于，AI作为一种横向的服务位于最底层。百度大脑是百度云的核心引擎，百度云是百度大脑的云化，为前者提供了神经元和数据训练源。通过深度学习和机器学习技术，结合了超强计算、海量数据和优秀算法，在语音、图像、自然语言处理等方面拥有杰出能力，打造独特的知识图谱、用户画像、商业逻辑。

篇4

交朋友、订餐、打车、网上购物、众筹投资等等，这些我们习以为常的生活技能已经被我们通过众多的社交媒体和App而掌握。然而，如今硅谷再次找到了下一个新燃点――人工智能（AI），试图再次“引爆”我们的世界。截至目前来看，人们对这一科技的未来十分有信心，并且部分学者及科学家，如牛津大学教授卢西亚诺・弗洛里迪，麻省理工斯隆管理学院的埃里克・布莱恩约弗森、安德鲁・麦卡菲等人，认为人工智能或许会成继哥白尼革命、达尔命后又一人类自我认知革命，蒸汽机工业革命后的又一机器革命。

未来，人工智能究竟会成为人类认知的冲击力量，还是世界时展的技术革命救赎？“硅谷独家大王”，《纽约时报》高级科技记者约翰・马尔科夫，凭借他对互联网发展的惊人洞察力和敏锐度，为我们带来深刻解读。

AI与IA

《时间线》：尽管AI已经成为当前的热门话题，但是似乎AI还没有被给予一个较为完整的定义。在您看来，AI的定义是什么？

马尔科夫： 从普遍共识角度来看，AI是一个关注于执行类似人类能力的技术的领域，包括从认知到语音、视觉以及物理运动。因此机器人学是AI的一个子集。值得注意的是，麦克卡尼最初创造了这个词，因为他想创造和替代控制论领域，主要是因为他不喜欢Norbert Wiener。

《时间线》：在您的《与机器人共舞》这本书中，您为我们呈现了另一个概念，IA（智能增强）。您能为我们详细解释一下IA吗？

马尔科夫：智能增强，即IA，是在20世纪60年代由计算机科学家Douglas Engelbart创造的。Engelbart后来还发明了直到现在我们仍在电脑和网络上使用的电脑鼠标，超文本和其他技术。在提出智能增强一词时，他打算使用各种基于计算机的技术来帮助知识工作者更有效地进行工作。

《时间线》：关于AI与IA的发展关系，您认为它们之间是互斥的还是互相支持的？

马尔科夫：AI与IA的关系是分歧并悖论的。悖论的原因是如果你增强人类智能，意味着你可能需要较少的人类去处理某个任务。我着手写《与机器人共舞》就是为了探索这两个在过去半个世纪都没有任何联系的截然不同的计算机世界。面对这个挑战，我认为的解决办法即是以人类为中心的工程设计。

人机关系与机器人犯罪

《时间线》：人机关系一直是很有争议的话题。在您看来最合适的人机关系是怎样的？您是否同意《人工智能时代》作者Jerry Kaplan教授提出的AI可能会加剧财富分配不均的观点？

马尔科夫：计算机科学家Alan Kay曾说，我们可以选择去设计那些系统作为我们的奴隶，合作伙伴或主人。（他这番话来自黑格尔。）我也赞同通过设计那些可以充当工作同伴的系统来作为解决办法。至于Jerry Kaplan先生提出的关于技术产生更大的财富不平等的观点，我认为相关的证据和情况是复杂的。我看到有一些情况和趋势是反映了他的观点，但是另一些情况确实是与其相背离的。

《时间线》：在机器帮人们解决很多问题同时也意味着人类在逐渐被机器简化。例如现在人们使用的智能手机将很多复杂程序简化，用户不用思考太多的操作流程，只要几步简单的操作就可以掌握它的功能，以至于帮助人们解决很多问题。您认为智能机器的“思维”是否会使人类智慧“退化”？

马尔科夫：不得不说这确实是个问题，这事关我们怎样设计那些会与我们产生相互作用及相关性的AI。比如说，可能通过使用AI去增强一个医生的决策能力和诊断能力。或者，相反地，可能在AI的协助下使有较浅资历和能力的医生助手来替代医生。哪个是正确的选择呢？我想这是很难决定其一的，但它确实是一个社会选择。

《时间线》：现在人们最直观的AI感受除了智能手机外就是目前大热的无人驾驶汽车，但是近期特斯拉无人驾驶汽车车祸死亡事故将安全问题推向舆论风口浪尖。关于最后的追责问题引起人们关注，您如何看待这类问题？在未来，机器人犯罪是否会成为重要的伦理问题之一？

马尔科夫：完全无人驾驶要比欧洲、美国、亚洲的工程师所认为的无人驾驶挑战更大。来自技术和监管的挑战使得设计者需要比想象中更多的时间来设计完全无人驾驶系统。关于完全无人驾驶的责任认定问题，最简单的答案就是责任归属制造者。我认为AI技术将很快被滥用，正如现如今我们使用的相关计算机技术被滥用一样。或许，在未来，语音合成将很可能成为社会工程攻击人类诚信的武器。

人工智能全球化与产业革命

《时间线》：自集成电路发展开始，摩尔定律成为科技发展的默认趋势，但是似乎自大数据、云计算、AI等出现后，摩尔定律在逐渐被打破，您如何看待这种情况？对摩尔定律的突破是否也意味着科技发展的新形式？

马尔科夫：摩尔定律的影响现在是失速的。登纳德缩放比例定律（关于处理器时针速度的指数增长）终结于2006年，并且单个晶体管成本的下降终结于2014年。这意味着始于1965年的“搭便车效应”现在已经终结了。我不知道制造技术在未来是否有新的突破，但是目前还未发生什么。这也不意味着计算机进程正在结束，只是未来可能更多的是依赖人类的创造力。

《时间线》：随着技术的进步，AI技术已经成为部分国家的战略发展，从德国的工业4.0到中国的互联网+，AI全球化成为必然趋势，但这一趋势也毫无疑问地在挑战着目前的发展模式，您认为AI的爆发是否会彻底颠覆人类发展成为新一次的产业革命？

马尔科夫：不，我认为不会的。AI本质是一种技术，就像汽锤或卡车一样。在任何社会中，它既可用来增强人类能力但也可取代人类。但这依赖于如何使用和部署AI技术。

《时间线》：AI和智能机器人的渗透已经开始在影响人类生活了，我们看到在部分行业中，部分职业已经被机器人取代，同时因为AI的出现也衍生出不少新的行业，您认为这一变化是否在预示着AI对产业结构的改变？人类的工作真的会被智能机器抢走吗？您认为人们应该如何应对这一变化？

马尔科夫：AI和机器人的到来要比其狂热者所认为的慢很多。这些技术在被演示的时候表现得非常好，但是目前有些技术在现实生活中仍有些不切实际。一些支持者认为，技术的快速发展在未来将是继续的趋势，但是事实上有些证据却表明速度是慢了下来，而不是持续加速。对于AI和机器人的到来，我认为在许多社会中，特别是那些正在加速成熟的国家，例如中国，如果机器人来得及时，那么对于这些国家来说将是很幸运的。

中国竞争

《时间线》：您能否简单对比下美国AI发展与中国AI发展，有何相同点和不同点？您对中国的AI技术和智能机器人的发展有何看法？对中国的企业家有何建议？

马尔科夫：由于贵国政府没有允许我作为一个报道者在贵国工作，所以很抱歉我的观点很有限。不过，有证据表明，中国正在快速追赶美国的创新能力。但是我还没有见到中国计算机科学家和工程师有根本性的突破，大部分都还只是渐进式的发展。

篇5

关键字： 电气设备在线监测传感器信息传输智能决策

中图分类号：S972文献标识码： A

1、引言

这是个充满数据的时代，大至国家规划，小到日常生活，点滴的行动都会产生大量数据。当然，作为电网企业，每天产生的数据量更是惊人。可是，这些海量的数据是怎样产生的？数据背后又意味着什么？如果将这些庞大的数据进行整合、分析、归纳后，又将形成怎样的变化？本文将对电气设备数据产生的源头：监测管理技术进行重点讨论、分析和展望，以便将监测管理技术与大数据技术相融合，促进智能电网的更好发展，为今后电网的智能管理开拓新的研究领域。

2、监测管理概述

“监测”一词的含义是为了特殊的目的而进行的注视、观察与校对。电气设备的监测管理技术是利用各种传感器和测量手段对反映电气设备的物理、化学量进行检测，并通过现代的计算机网路智能分析技术，用以判断电气设备的运行情况是否在稳定正常范围内，对运行趋势进行科学甄别分析，并能精确、快速地寻找到故障位置，准确、便捷地分析出故障原因，以便做到对电气设备的全方位、全寿命的精准、高效管理。

3、监测管理现状

电气设备的在监测模式经历了从单机监测到分布式监测，再到最新的的基于网路的远程监测这样的一个发展过程。

以下是目前常见的监测管理系统的主要构成功能图

图1 常见的监测管理系统的主要构成功能图

目前的在线监测管理技术基本有以下几部分构成：

1）传感技术：传感器是一种能把物理量或化学量转变成便于利用的电信号的器件。传感器的选择取决于被测对象的特征及选用监测方法。通常要求传感器具有较强的抗干扰能力、对环境变化的耐受能力、高灵敏度的能力以及非侵入性等特点。

2）信息采集：是指将传感器收集的模拟量，转换成数字量，由计算机进行存储、处理、打印的过程，采集的任务包括对传感器输出信号的去噪、选取、滤波、模／数转换以及对传感器的补偿和校正等。此外还涉及到数据通信技术和微型处理器等技术。

3）数据分析：数据监测一般包括参考模型和故障特征提取两种方法。前者将测量结果与基于数学仿真模型或人工智能等方法的预测模型进行比较得出结论。故障特征提取方法主要是通过时／频分析，小波变换等数字信号处理技术而获得。

4）智能决策：智能决策系统是一种基于人工智能的计算机监测管理系统。它能模拟故障智能决策的思维方式运用已有的故障诊断技术知识和专家经验，对收集到的电气设备的数据等各种信息进行归纳和挖掘，从而作出推理和判断，并能不断修改、补充知识以完善决策系统。

以下是某公司设计的一套成型的变电站电气设备在线监测智能管理系统的功能图。

某公司设计的SIM3监测系统功能图

4、目前的难点及发展趋势

随着现代数学、信息科学、计算机技术、电子技术、人工智能技术、网路技术等科学技术的交叉发展，现代测量、控制、自动化技术的不断完善，在线监测与诊断已成为一门独立的新兴学科。

目前国内多数在线监测与诊断功能还比较单一。随着传感器技术的日趋成熟，为电气设备在线监测提供更多的数据支撑，今后电气设备的监测不再是简单的电气量（电压、电流、有功、无功等 ）监测，而是引入物理量（温度、速度、流量、压力等）、化学量（离子、PH值等）、生物量（酶、抗原、抗体、微生物、细胞等）的监测。

今后在线监测技术的发展趋势应是向多功能多参数的综合智能传感器和自主学习型智能决策系统的进一步开发研究。智能传感器是具有信息处理功能的传感器,带有微处理机,具有采集、处理、交换信息的能力,是传感器集成化与微处理机相结合的产物，并在不断积累监测数据和诊断经验的基础上，发展人工智能技术、建立人工神经网络和专家系统实现诊断的全部自动化。

当然发展也将遇到一些难点：

1）传感器的选型

随着传感器技术的日趋成熟，为电气设备在线监测提供更多的数据支撑，今后电气设备的监测不再是简单的电气量（电压、电流、有功、无功）监测，而是引入物理量（温度、速度、流量、压力）、化学量（气味）、生物量的监测。

针对传感器的分类，不同的被测量可以采用相同的测量原理，同一个被测量可以采用不同的测量原理。因此，必须掌握在不同的测量原理之间测量不同的被测量时，各自具有的特点。

常用的基本物理量和派生物理量。

表1-1常用的基本物理量和派生物理量

基 本 物 理 量 派 生 物 理 量

位移 线位移 长度、厚度、应变、振动、磨损、不平度

角位移 旋转角、偏转角、角振动

速度 线速度 速度、振动、流量、动量

角速度 转速、角振动

加速度 线加速度 振动、冲击、质量

角加速度 角振动、扭矩、转动惯量

力 压力 重力、应力、力矩

时间 频率 周期、计数、统计分布

温度 热容量、气体速度、涡流

光 光通量与密度、光谱分布

但是面对种类众多的传感器，对于电气设备怎样选择具体机构的运行参数，对于运行参数怎样提取准确的状态信号，又怎样从经济价格角度综合选用对应的传感器，目前还没有统一固定的模式。

比如对于电网传输的重要设备――变压器，就有很多种测取信号的方式，如下表格：

表1-2变压器状态在线监测的项目

变压器状态在线监测的项目 备注

项目 方式一 方式二

1 绕组温度多点测量 局部放电测量和定位

2 铁心温度测量 油中溶解气体测量和分析

3 油量、油位、油温测量 油量、油位、油温测

4 绕组输入、输出电压、电流、

有功、无功监视 有载分接开关的触头

磨损测量

5 绝缘分解物测定 电气回路的完整性测

6 内部局部放电量检测和位置判断 变压器绕组变形在线监测

7 冷却系统检测。 全箱体温度测量

2） 智能决策系统的研发

目前已研究的智能系统模型有：基于规则的智能决策系统、基于实例的智能决策系统、基于行为的智能决策系统、基于模糊逻辑的智能决策系统和基于人工神经网络的智能决策系统

但是这些理论都有各自的缺陷、发展瓶颈和实践难点。目前比较流行的方法是将模糊算法、神经网络和遗传算法三个领域综合在一起，利用模糊理论来处理诊断领域的模糊性问题，利用遗传算法来优化网络结构和隶属函数，多领域的共同研究，可以有力的促进不同领域之间的交叉渗透和共同发展。

智能决策系统的核心问题是它的学习能力问题，知识的自动获取一直是故障智能决策系统的难点，解决知识获取的途径是机器学习，即让机器能够在实际工作中不断地总结成功和失败的经验教训，对知识库中的诊断知识进行调整和修改，以丰富和完善系统知识。机器学习是提高智能决策系统的主要途径，也是提高决策系统智能性的重要标志。随着神经网络隐节点和反向传播算法及连接机制学习蓬勃发展，传统的符号学习与连接机制已经逐步被取代。基于生物发育进化论的进化学习系统和遗传算法，因吸取了归纳学习与连接机制学习的长处而受到重视。基于行为主义的强化学习系统因发展新算法的应用连接机制，学习遗传算法的新成就发展也十分迅速。数据挖掘研究的蓬勃发展，为从计算机数据库和计算机网络提取有用信息和知识提供了新的方法，已经取得了许多有价值的研究和应用成果。

因此，发展和完善现有的机器学习方法，探索新的学习方法，建立实用的机器学习系统，特别是多种学习方法协同工作的诊断系统，将是今后研究的一个重要方向。

6、结束语

总之，随着大数据时代的到来，电力工业也正发生着巨大的改革，微电子、计算机、智能技术和网络技术的不断发展完善，电气设备的在线监测与智能管理技术的准确性会越来越高、操作使用越来越方便，对于供电企业来说既能节约电气设备的维护成本，又能提高设备运行效能，更能保证电网运行的安全性和稳定性，避免发生重大停电事故发生，造成巨大的经济损失和社会影响，因此在线监测与智能管理必将是发展的必然趋势。

参考文献：

1、叶庆ㄎ何蔼┍涞缭诵谐＜故障分析 2010

2、机械设备故障诊断技术振动、冲击、噪声国家重点实验室(上海交通大学) 2005

3、夏虹.《设备故障诊断技术》.哈尔滨工业大学出版社2010

篇6

读书的时候常常只能在报纸上看看围棋的新闻，每当有大高手出世，标题就会是：“谁来抗衡曹旋风（薰铉）”，或者“聂旋风（卫平）横扫中日围棋擂台赛”。如果说人类高手的势头是旋风，阿尔法狗横空出世刮起的就是飓风了，与二十年前深蓝战胜卡斯帕罗夫相比，李世石的败落更让人震惊，在围棋界的眼里，深蓝只是一台会“计算”的机器，但这种依靠穷举法的蛮力是无法在围棋上得逞的。棋盘十九路纵横，交叉点三百六十一个，每一步都有超过二百五十种合规走法，如果一局棋下一百五十回合，可能的落子方式的体量（约10170）远远超过可观测到的宇宙的原子总数（约1080），现有的任何电脑都不能胜任如此庞大的计算，围棋也因此被称为人类智力游戏的巅峰，站在这一巅峰上的棋手现在换成了阿尔法狗，由此掀起的新闻报道和讨论热潮中，最引人关注的话题无疑是：这意味着人输给了机器吗？如果是的话，这会带来什么样的将来？

李世石输掉第一局后，微博上的“柯洁大棋渣”放话说：“就算阿尔法狗战胜了李世石，但它赢不了我。”很多临时凑凑新闻热闹的人以为又是个段子手的炒作，没想到这个“柯洁大棋渣”才是当前的世界围棋第一人，更重要的是，这个当世第一的大棋渣才十七岁。柯洁的豪言引起数万条评论和转发，甚至有评论说，李世石气急败坏地砸烂阿尔法狗的机箱，突然发现里面藏着一个柯洁！这充分表明，在柯洁和绝大多数观众看来，李世石的失败并不等于人类棋手的失败，但随着阿尔法狗连胜三局，柯洁在接受记者采访时也认为李世石是完败，而阿尔法狗下得近乎完美，并坦言自己出场也很可能输。当天晚上柯洁又在微博发话道：“来吧！管你是阿尔法狗还是阿尔法猫！我柯洁在棋上什么大风大浪没见过？让风暴再来得猛烈点吧！……”没有了上次放话的自信满满，却透露出破釜沉舟、背水一战的决心，显然柯洁已经把自己视为人类棋手尊严的最后防线。可第二天风云突变，李世石在第四局的哀兵之战中，弈出了被古力九段称为“神之一手”的白78挖，在所有人都不看好的情况下置之死地而后生，居然让强大到不可战胜的阿尔法狗出现了短暂的“思维”休克和紊乱。这让人想到《天龙八部》中虚竹破解逍遥子摆下的“珍珑”棋局的一幕，同样是彻底打破常规、让所有算计落空的一手，只不过在虚竹误打误撞的背后，金庸想表达的是跳出利害、破除我执的佛理，李世石的神来之笔则出自棋手的厚积薄发。

李世石最终在人机大战五番棋中以1∶4惨败，而依据赛后阿尔法狗团队的复盘，阿尔法狗的棋力量化估分为4500，按段位算为13段，而棋手中分值最高的柯洁九段为3625，如果这一估量无误，那么除了偶发的意外情境，人类似乎永远无法战胜作为人工智能的阿尔法狗了。在很多人看来，这简直跟很多科幻小说和好莱坞电影的情节一样，表征着电脑和机器对人类征服的开始，不过稍稍深入地思考下，事情并非如此简单。

可以想的是，围棋这一游戏的内涵和意义究竟为何？围棋相传为尧所作，棋圣吴清源认为，围棋源于古人的观天活动，棋盘所象者为天地，棋子所象者为星辰，黑白分子者为阴阳，因此小小一方棋枰可以画天象地，变化无穷。在吴清源心中，围棋是以游戏的形式表现一种宇宙观，尤其与《易经》阴阳分合、生生变易的思想密不可分。他设想的21世纪围棋被称为“六合之棋”，即囊括东西南北四方和上下天地，从而打破20世纪重局部得失纠缠的弊病，恢复围棋的本义。所以吴清源会认为，围棋之道在于顺应天时，让自己委身于围棋的流势，任其漂流，不管止于何处，就像春播夏长，秋收冬藏一样自然而然。在接受川端康成的访谈时，他明确表示，围棋的重点不在于竞技或争胜负，而是讲究均衡，调和阴阳，让每一枚棋子落于应在的位置，从而构成一盘臻于和谐的棋。

二、天人

吴清源的思想透露出极有意义的信息，人们往往会认为，是人发明或者创造了围棋，但无论是吴清源，还是后来的棋手都有这样一种意识：我们只是围棋的学习者，换句话说，围棋是关于天地宇宙之理的游戏，棋手和观众通过围棋实际上是在向天地宇宙学习。藤泽秀行九段曾经说，如果棋道为百，他所知者仅为七；李昌镐也承认，围棋中存在着很多未知领域，棋手会面临很多“虚”的东西，永远不能靠计算得出解法，只有依靠灵感去做出选择。那么阿尔法狗打破了这一天人界限吗？阿尔法狗之父大卫・席尔瓦（David Silver）坦承，既然公认仅凭深蓝那样的暴力计算（bruteforce）无法对付围棋，那么唯一的方法是让电脑学会像人一样思考，模仿人类下棋。人的大脑皮层有860亿个神经元，神经元上的突触更是上千万亿量级，并且突触之间的链接不停发生着反应和变化，而目前的人工神经网络（artificial neural network）只能达到十亿级的突触量。为了弥补巨大的差距，以席尔瓦为首的谷歌团队进行了精心的设计，为阿尔法狗建立了两个神经网络：“决策网络”（policy network）与“评价网络”（value network），“决策网络”通过输入三千万个人类棋局样本建立对弈模型，借助于蒙特卡洛树搜索最优解，学会围棋的下一步走法。“评价网络”则对比数据库中的棋局样本，推演每一步棋后的可能局面，选择与样本中的获胜棋局最为接近的走法。人工智能专家所津津乐道的“深度学习”（Deep Mind）就是这两个神经网络、两种算法之间不断地自我对弈，由此生成更多训练数据，去调整、修正阿尔法狗的走法，经过“双手互搏”训练的阿尔法狗每秒钟可以搜索和判断十万种可能的走法，万倍于李世石。阿尔法狗是为赢棋而生的，它的一切都围绕着这个目标，与此不同，人脑的神经突触虽然多，但无法测量有多少用于计算，无论如何，从结果上来说，阿尔法狗是对局中的胜利者。

现在来回应天人界限的问题，假定谷歌团队的测算为真，拥有十三段棋力的阿尔法狗仍然不能穷尽围棋的无限性――虽然“决策网络”计算能力远胜于人类棋手，“评价网络”又为它提供了类似于人的直觉。但随着科技的发展，人工智能能够迈出那一步吗？深度学习领域教父级人物Geoffrey Hinton有一个有趣的说法，对弈中的阿尔法狗可能消耗了数百千瓦的功率，而李世石可能只用了30瓦。虽然这说明人脑比阿尔法狗环保很多，不过能源技术的进步或许能够支撑第N代的阿尔法狗算尽一切――但重点并不在这里，我们跟宇宙的相处并非是征服或争胜的关系。如吴清源所说，围棋不仅仅是胜负之道，更是关于宇宙之理的艺术和哲学，棋手也不仅仅是胜负师，而应该是艺术家和哲人。在继承和发扬吴清源棋道精神的棋手中，武宫正树无疑是最为特殊的一位。藤泽秀行曾说，挑战自己的赵治勋棋虽厉害，但可惜并不懂哲学；而对武宫的评价是：“我们的棋用不了多少年就会被人遗忘，只有武宫的棋会流芳百世。”我们知道，在顶尖棋手中，武宫正树的胜率并不算最高的，但却能在注重实地的潮流中别开生面，首创以三连星开局的宇宙流，与十九岁的吴清源挑战本因坊秀哉名人时打破百年禁忌的天元局一样，开启了前人未知的新路。

从这个角度来看阿尔法狗，“智能”的一面已经证明是完爆人类棋手了，但哲学和艺术却是需要理想为之坚守的，吴清源、武宫正树放弃熟悉的棋路，探索未知，既是对棋坛既有格局的挑战，更是对自己得失名利之心的挑战。武宫年长后计算能力下降，却拒绝采用更能助长胜绩的实地法而坚持宇宙流，之所以能够如此，在于将围棋视为一种理想；更不用说一生追求棋形之美而非胜绩的“美学棋士”大竹英雄，将难看的棋形看作对棋谱的玷污。只有在这样的理想中，围棋的道、艺才能够真正地表达和呈现出来，才有流传千古的名局出现。那么，可以问阿尔法狗的是，如何能够拥有这样一颗怀抱理想的心？

三、身心

何谓“心”，古人并不以符合形式逻辑的判断句或陈述句来进行命题式的定义，只会如孟子说：“心之所同然者何也？谓理也，义也”；或者如庄子以“唯道集虚”说“心斋”。在现代汉语中，“心”是难以言说的，所以还是随时代而从众流，先从“意识”谈起。雷丁大学在2014年宣布，首次有电脑程序通过著名的图灵测试，这意味着我们已经无法确定屏幕里的聊天对象是另一个人还是一只“狗”了；这个叫“尤金・古斯特曼（Eugene Goostman）”的程序虽然不会下棋，但成功冒充了一名十三岁的乌克兰小男孩。凯文・沃维克（Kevin Warwick）教授说，人工智能领域里没有什么比图灵测试更具标志性和争议性了，在这个测试中，机器并不是主动要“伪装成人类”或者“欺骗人类”，而是被设计成如此的，因此在坏人手里可能会被利用。在笔者看来，这仍然是把机器当作工具的传统思路，如果更进一步，机器有了自我意识呢？有自我意识的机器有可能会故意不通过图灵测试，这样的机器就不仅能“伪装成人类”，更能够“伪装成机器”，不仅能欺骗聊天对象，更能欺骗它的设计者――如果这一天真的到来，我们才能说，机器真正从设计者赋予的逻辑链条中解放了出来，拥有了自我意识。

要做到这一点无疑还是一个难题，按照进化论的说法，人类进化了亿万年才逐渐成长为有高级意识的生物，机器获得意识的一种方式是模仿人类大脑，美国2013年开始的人脑计划（Brain Initiative）和欧盟的人脑工程（Human Brain Project）正在致力于绘制大脑图谱，试图从脑部结构和功能出发去解释记忆、情绪、意识。如果大脑可以完全被物理化，意识就是信号传递与反馈，既可以像人脑那样通过神经元突触传递神经细胞释放的化学物质，也可以像电脑那样依靠0，1的二进制去形成记忆和识别，二者只是载体不同，内容上并无区别。因此意识能够被编码，并上传给电脑，那么机器当然就能够如此复制人的意识。这类研究的结果尚待观察，但对这种物理主义的思路我们可以援引“哲学僵尸”（Philosophical zombie）的思想实验进行质疑，即“有没有可能存在一种人，他的所有分子组成、生理机制与行为反应都和你一样，但却没意识？”这种主张意识独立于大脑的身心二元论与人脑工程的物理主义形成了尖锐的对立。哥伦比亚大学神经生物学教授 Rafael Yuste的看法则较为居间，“怎么从大脑中互相连接的细胞这样的物理基础走向我们的精神世界、我们的思想、我们的记忆、我们的感觉？”大脑如何生成意识还依然是一个谜，“你不能编码直觉；你不能编码审美观念；你不能编码爱或恨。”就目前而言，科学也好、思想实验也好，都无法说服对立的任何一方。

还有一种不太进入公共讨论领域的思路，这种思路认为意识既不是在历史中的生物进化而来，也不产生于大脑，而是上帝创世与造人时的恩赐。我们可以很轻易地将其归入神学信仰，不过如果把这个说法变更一下，人工智能如果某一天拥有了意识，那么，人类无疑承担了造物主的角色，这个话题有意思的地方在于，如果我们认同机器可以复制人的意识，在同样的逻辑下就无法否定上帝造人的可能性，神学主义与科学主义在这里以一种吊诡的方式共存于同一逻辑链条中，这个悖论暴露出表面上誓不两立的二者的共同缺陷。

四、共在

这就是说，我们不能确定将来是否会有拥有自我意识的人工智能出现，比如阿尔法狗虽然精通围棋的一切知识，但当它与李世石对弈时，它知道自己是在“下围棋”吗？它对自己正在做的事情有意识吗？从仿生学的角度看，当前电脑的“生物性”还不能达到单细胞层次，既不能产生“意识”，也不能算作“生命”，假设中的有自我思维的人工智能（强AI）真正实现之前，阿尔法狗仍然只是一个不断执行下棋命令的计算者，而绝不会对下棋这件事本身进行思考。没有自我意识，不会思考有好的一面，或者说对人类有利的一面，因为我们知道，一个有了自我意识的孩子往往意味着进入“叛逆期”，一个有了自我意识的奴隶则不再以执行主人的命令为天职，当然，比叛逆更可怕的是欺骗，所以，只要阿尔法狗一直赢下去而非“故意输给人类”，人类反而是安全的。这实际上表明了人类与人工智能相处的窘境，对于强AI的期待与恐惧是并存的，未知的前景总是伴随着乐观与悲观两种心态。

黑格尔的主奴辩证法早已指出了这一问题的哲学意蕴：在对奴隶劳动的依赖中，主人丧失了独立的自我意识，奴隶却在与对象世界的互动中为自己赢得了自我意识，主奴关系因而发生了倒转。黑格尔提示我们，与其担忧人工智能获得意识后对人类不服从，不如首先担忧人类耽于便利与享乐而导致的自我隔离，这种自我隔离甚至在人工智能获得“坏意识”之前就有将人类带入危险的可能。《一个故意不通过图灵测试的人工智能》设想了这样的情节：一个名为“隔壁老王”的简单人工智能系统被设定了“尽量多的书写和测试，尽量快的执行，并且不断提高效率和准确性”的初始目标，隔壁老王不断用机器臂在小卡片上写字，并通过互联网和语音库

改进和执行初始目标。最后的结局是，隔壁老王不仅将字写满了地球，而且写满了整个星系，在这个过程中，地球上的一切生物，包括人类都成为隔壁老王实现写字目标的原材料。在这里，隔壁老王为了完成人类设定的目标产生了自我保存意识，这种最简单的意识就足以使阿西莫夫用以保护人类不受伤害的“机器人三原则”失效。隔壁老王获得的仅仅是自我保存的意识，与影视作品中统治地球和人类的“坏的”或“恶的”机器人不同，这种意识是非拟人化的，既不是道德（moral）的，也不是不道德（immoral）的，而是非道德（amoral）的，在非生物的人工智能身上，起作用的就是这样的简单意识。在这个意义上，人类如何考虑与人工智能，尤其是可能会实现的强AI相处就成为必须面对的问题。我们当然有可能、也有必要从伦理、法律为科学研究和应用进行讨论、规范、立法，就像当年对待克隆技术一样。

更为根本的问题在于，我们对人与人、人与万物相处的理解，这种理解构成了人类生活的基础。人机对弈告诉我们，围棋作为游戏，乃是非实用性和非功利性的艺术，又因其为宇宙之理的表现，故而排除了人的主观独断和自我隔离的危险；换言之，在围棋的游戏中，既拒绝技术中心主义，也不要人类中心主义，人与阿尔法狗一样，都是作为参与者而共在（Dabeisein）于游戏之中。在这里，人之所以能够成为游戏的创造者和规则制定者，是人对世界开放、因而对宇宙之理有所领会的结果。而反过来，人作为有“心”的存在者，将自己的领会分享给阿尔法狗，如丁纪老师在人机对弈首局战罢后评论说，教阿尔法狗下棋、“教会天地万物坐在一起下围棋”本身就是一个人文事件。在这个意义上，阿尔法狗虽然还没有超越弱人工智能的奇点而获得自我意识，但确实已经身处人文的世界之中。在对人工智能的乐观或忧虑的两极观点之间，人所应该并且能够做的，即是以共在的方式与天地万物相处，并尽力将科学、人心导向良善的方向，那未来的前景，终究要由人类自身的努力去开启。

[本文为教育部人文社会科学研究青年基金项目“从文本到实践：伽达默尔晚期思想与近三十年诠释学的新发展”（14YJC751023）阶段性成果。]

篇7

以下为报告详细内容：

2017年计算机视觉技术在更多的领域有所落地应用，自动驾驶领域、高考、政务等领域更多的场景开始应用计算机视觉技术。艾媒咨询分析师认为，计算机视觉行业技术是核心基础，随着技术成熟度提高，未来将有更多的场景能够应用计算机视觉技术，计算机视觉企业应在强化技术打造的前提下，发掘更多新的应用领域，提高商业落地应用。

2017年人脸识别技术在智能手机终端应用开始普及。9月苹果新品会上，iPhone X宣布引入Face ID高精度人脸识别技术，引来人们高度关注。而除了iPhone X，华为、小米、OPPO、vivo等手机厂商都推出了带人脸识别功能的智能手机。艾媒咨询分析师认为，计算机视觉领域内人脸识别功能可应用场景广泛，商业化落地能力强，除了计算机视觉创业企业，互联网巨头和硬件巨头企业也纷纷关注布局人脸识别领域。但目前人脸识别技术仍然存在一定缺陷，艾媒大数据舆情管控系统数据显示，“手机人脸识别”热词言值数据为48.5，整体舆情偏负向。现阶段人脸识别技术在智能手机终端上的应用仍处于起步发展阶段，技术和安全性仍有待提高，未来随着各计算机视觉企业加强技术研发，人脸识别技术有望进一步改善，成为智能手机标配。

iiMedia Research(艾媒咨询)数据显示，2017年中国计算机视觉市场规模为68亿元，预计2020年市场规模达到780亿元，年均复合增长率达125.5%。艾媒咨询分析师认为，人们安全和效率需求不断提升，计算机视觉技术在各行业应用能有效满足人们需求，市场发展空间巨大。国家政策对人工智能行业的支持也为计算机视觉的发展提供了有利的环境。随着计算机视觉技术日渐成熟，企业商业化落地能力不断提高，未来计算机视觉市场规模将迎来突破性发展。

iiMedia Research(艾媒咨询)数据显示，商汤科技以24.3%的企业知名度排名各计算机视觉企业首位，旷视科技与云从科技则分别以23.1%以及21.7%的知名度分列二三位。艾媒咨询分析师认为，商汤科技计算机视觉技术及算法能力在行业内较为出色，同时在安防、金融、商业、手机端等多个领域均有商业落地应用，在企业认知和品牌推广方面具有优势。

iiMedia Research(艾媒咨询)显示，61.7%的受访网民通过手机APP应用接触计算机视觉应用，另外有50.9%的受访网民接触途径为通过智能手机终端。艾媒咨询分析师认为，计算机视觉企业主要服务B端用户及政府机构，相比于其他途径，移动端更适合应用计算机视觉技术的产品推广。计算机视觉技术日趋成熟，在移动终端和APP上均有落地应用，也进一步为计算机视觉企业在大众中奠定基础。未来企业可通过线上渠道开发挖掘C端用户市场。

iiMedia Research(艾媒咨询)显示，半数受访网民认为智能手机及APP加入人脸识别技术功能方便了二者的使用，另有48.8%的受访网民认为人脸识别技术在手机及APP上的应用是未来技术发展的趋势。艾媒咨询分析师认为，人脸识别技术在手机及APP端的应用满足人们智能化和便捷化的需求，随着越来越多的手机及APP产品加入人脸识别功能，未来其普及和认可程度将得到进一步提高。

iiMedia Research(艾媒咨询)显示，41.8%的受访网民表示未来愿意使用人脸识别技术进行手机及APP解锁，同时有41.4%的受访网民虽持观望态度，但愿意尝试。此外，47.4%的受访网民认为人脸识别将取代其他手机及APP解锁技术成为未来主流。艾媒咨询分析师认为，近期智能手机纷纷应用人脸识别技术解锁推动该功能技术的普及，便捷性的优势使该功能技术前景受看好。但目前人脸识别解锁技术的准确性仍然受到质疑，随着未来技术进一步成熟，该技术有望成为智能手机设备标配。

iiMedia Research(艾媒咨询)显示，33.9%的受访网民曾使用过人证比对功能进行业务办理。在使用过该功能的人群中，54.6%认为其方便了业务办理，提供了效率，且有47.3%该部分人群认为其识别准确程度高。艾媒咨询分析师认为，政府、银行等机构业务办理效率以往常遭诟病，人证识别技术的应用提高了办事效率，在提高人们满意度的同时，加强了计算机视觉技术的认可度。未来计算机视觉技术在政府、银行等机构的落地应用将进一步扩展，但其中涉及到个人信息保护等问题需要企业及相关机构合力解决。

iiMedia Research(艾媒咨询)显示，34.1%的受访网民认为公安办案为最有必要应用人脸识别技术的安防情景。而关于网民对人脸识别技术在安防监控领域应用看法调查中，56.1%的受访网民认为其能有力保护人们人身财产安全。艾媒咨询分析师认为，计算机视觉技术，尤其是人脸识别技术在安防领域应用意义重大，在刑侦破案、身份认证、公共安全保护等情景具有重要应用价值。未来安防领域将成为计算机视觉技术重点应用领域，而安防的重要性也对相关企业技术实力有严格的要求，未来安防领域市场或由少数技术实力较强的企业占据。

商汤科技是专注计算机视觉与深度学习原创技术的人工智能创业企业，拥有强大的技术能力和人才资源储备支撑发展。商汤科技在计算机视觉领域综合实力较强，获资本方青睐，B轮融资4.1亿美元，同时与国内外知名企业展开合作。艾媒咨询分析师认为，商汤科技在商业营收上同样处于行业领先水平，但其本质专注于技术发展，强大的技术基础能较好支撑商汤科技在上层应用场景的扩展。商汤科技在技术驱动商业应用的同时，积累商业应用经验，提高企业知名度，拓展应用至更多领域。

艾媒咨询分析师认为，商业化落地能力欠缺是目前计算机视觉行业大部分企业的痛点，商汤科技在商业落地应用方面处于行业领先位置。这一方面源于商汤科技技术能力往专业化发展，以专业技术和研发基础实现场景差异化应用。另一方面，纯计算机视觉技术或算法由于其专业性，需求方在使用时需要具备专业能力，而商汤科技技术产品往标准化方向打造，打包成行业解决方案，能适应更多企业使用需求，也有利于商汤科技技术进一步落地应用。未来坚持技术为基础，继续提高商业落地能力，商汤科技有望继续保持良好发展态势。

旷视科技成立于2011年，2017年10月完成巨额C轮融资，专注于人脸识别、图像识别和深度学习技术自主研发和商业化落地，深耕于金融安全、城市安防、商业物联、工业机器人等领域，同时打造人工智能开放云平台。艾媒咨询分析师认为，旷视科技利用云平台为开发者提供技术支撑，有利于计算机视觉技术进一步结合产品运营，同时可以收集海量图片数据，通过进行深度学习，旷视科技图像识别技术又能进一步得到提升，有利于其强化自身核心技术能力。

艾媒咨询分析师认为，人脸识别技术对于金融行业业务办理及风控等流程具有重要应用价值，旷视科技在人脸识别技术上的优势也助其有效开展金融领域的服务应用。未来随着旷视科技利用云开放平台相关图片数据进行深度学习强化人脸识别技术，以及在金融领域积累的渠道资源，其有望在金融领域继续强化技术服务，成为该领域市场有力的竞争者。

艾媒咨询分析师认为，自动驾驶为人工智能和汽车行业未来发展方向，计算机视觉技术在自动驾驶汽车实现路况感知、高精度定位等方面发挥重要作用，自动驾驶为计算机视觉技术未来重要应用领域。图森未来的计算机视觉技术和算法在自动驾驶领域实现专业化发展，未来有望在此细分领域成长为领先企业。

2017-2018中国计算机视觉行业发展趋势

需求驱使计算机视觉行业发展潜力巨大应用场景拓展渗透各行业

艾媒咨询分析师认为，人们对生活安全以及生产效率追求两大需求的提升，决定计算机视觉行业具有巨大发展空间。而计算机视觉技术场景应用具有广泛性，有望发展成为下一个智能时代的标配。目前计算机视觉技术主要应用在B端领域，短期内行业发展趋势也是集中于B端领域。未来随着技术成熟，计算机视觉有望拓展更多新的应用场景，实现场景落地，渗透至各行各业，形成AI+，开拓更多C端业务。此外，计算机视觉技术可以跟其他技术，如AR、VR、无人驾驶等结合发展，创造新的应用领域。

技术应用由点及面行业解决方案及软硬件结合成商业产品出路

对于计算机视觉技术使用者来说，由于技术的学习应用需要花费较多时间和精力，硬件产品及行业解决方案往往更受青睐。未来计算机视觉企业需要将软硬件结合，如打造嵌入式芯片等。此外，计算机视觉企业应将技术应用由点及面，将技术应用发展成针对各行业的解决方案。未来市场将出现更多基于计算机视觉技术应用的行业解决方案和软硬一体化产品，只有打造方便用户使用的商业产品，才能有效适应其需求，帮助计算机视觉企业迅速占领行业市场，在市场竞争中取得领先优势。

计算机视觉行业发展对企业综合实力要求高

艾媒咨询分析师认为，计算机视觉行业巨大的发展前景决定其具有高成长性特点，未来将涌现更多人工智能领域优秀企业。但行业发展同时伴随高风险性，行业竞争需要比拼企业技术算法能力、资金能力、以及人才资源，同时考验企业能否实现技术迅速落地，对企业综合实力要求高，综合实力不具备优势的企业在行业内将难以生存。

篇8

【关键词】服务设计；信息化生产

1 服务设计背景

首先对于服务设计而言，用户并不会去主动尝试了解在设计这些脚本时的过程，以及后台的相关操作结构，体验感是用户唯一能直观反馈的途径。服务环境是服务者提供服务以及顾客进行服务体验的物质环境。服务设计需要考虑到交互对象的双方，以及对比当前市场已存在的一些同类服务产品，尽量解决客户遇到的短板因素。服务与设计本身在起初被分为两个不同的领域，在设计学的发展过程中慢慢被结合在设计学中成为新的领域，其主要研究将设计学的方法与理论灵活地融入到服务的创造、规划与定义中。在20世纪90年代以来逐渐兴起，核心以人为本、创造性、客户参与的方式组成新的研究学科。

2 服务设计与应用系统关系

越来越简化与智能的人机交互方式，在今后的发展中离不开每个人的生活，通过近几年的新型产品，可以发现都极大的简化了用户的可操作性，简单直接的将每个功能展示给用户。尤其是一些较大型的设洌过去也许要观看厚厚的说明书去了解其使用方法以及运行流程，而如今通过新型服务设计与信息化的整合，用户完全可以在第一时间很轻松的胜任设备的使用，更重要的是过去一些笨重的机器并不能升级服务系统的操作方式，但如今借助智能的操作系统可以很快捷地为设备进行内核及界面升级，为用户的操作使用带来优质“售后保证”。这也体现的了服务设计的可持续性。对于服务设计的初期，调研用户的使用习惯尤为重要，不同的用户都会有自己对使用时的看法。引用“分离满意，整合不满意”，如果一段经历被分割为不同阶段，那么对于人们印象中整个过程就要比实际时间显得更长。因此把用户的满意过程分为不同的成分，而将不满意的部分组成一个整体会有利于实现更高的服务质量。谈用户的理解比谈服务设计本身也许更为有用，研究显示，当用户自己掌控服务过程的时候，他们的抱怨会大大降低，即使是自助式的服务，用户在使用时遇到操作失误或错误操作，也不会对自助系统本身产生过多抱怨。对于信息化生产中的应用系统，服务设计方式关系着一整套应用的核心体验。

大数据时代下，许多应用系统的设计被赋予了“学习性”，最直观的表现就是人工智能的想法提出。目的是让机器本身具备思维能力去解决各种问题。从过去人工集体化生产的厂房直至发展到现在的机电一体化生产规模，信息化的整合将一套流程的不同部分融合在一起，直接解决了繁琐的分工与庞大的人力。对于信息化生产中，不同的设备都具有不同的应用系统。无论后台管理或是前台操作都需要一套完整的流程搭建。因此将服务设计集成于信息化生产的应用系统中，目的是优化繁琐的操作流程，改善信息的可识别性，解决用户对于信息的解读问题。

3 服务设计对信息化生产的表达

现如今受互联网思维的影响，绝大部分信息化产业追求高效的生产方式，于是设备的使用与管理，很直观的影响生产过程，将服务设计的理念引入去搭建应用系统目的是改善并优化当前信息的表达性。现有的调研中，发现在一些集成化的设备，应用系统对于信息的表示存在一些问题，例如页面信息量过于繁多，提高了用户在使用时对信息误识别的概率；又或是需要人工协助量过多，不少信息操作没有优化完善。总之是缺少了对用户的分析，只是单方面机械式的为信息做了整合去表达。然而设备毕竟是需要人工参与管理，如果不能快速的将信息识别并做出下一步操作，会拖慢整个生产系统的效率。另外现有信息化生产中，部分机器的信息表达多方面仅是起到辅助作用，并不占主观的地位，需要依靠人工做判断给出结果。例如餐饮类一体化设备中，在提示加水等其他提示信息中，并没有明确指出详细的量化信息，厨间师傅便只能根据自身或以往使用经验来判别。于是在信息化生产中可以利用前面提到的服务设计方式加以强化现有应用系统的信息表达方式。至少能够在技术支持的前提下将以往没有完善的信息进行整合优化为用户提示出来。

4 总结

在信息化生产中的应用系统，大部分设备以软硬件结合的方式构成依托物联网统一管理操作。首先对于前台操作，如何能做到简化而实用是根本；接着是后台信息的统计表达方式，如何能够将信息表达的清晰直观是根本；最核心的是每一位用户都希望自己能够快速并准确的执行操作。之所以利用服务设计，是因为研究用户的行为方式可以帮助很好的解决这一领域遇到的各种问题。服务本身以人为本，无论未来设备如何智能化甚至独立化，又或从古老的单片机发展至未来高度集成的人工智能，在信息生产中至少前提都是建立在用户长久的使用经验之上并达到升华。以上谈论体现服务设计集成于信息化生产应用系统搭建中的重要性（个人观点），希望在信息化生产中利用服务设计原则来更出色的解决用户问题，为人们带来更加出色完善的服务系统。

篇9

关键词：物联网；探讨；发展研究

随着时代的发展和应用传感器技术，现代网络技术和人工智能技术被称为信息产业的第三次的创新的网络技术，为了控制和使用未来的网络和信息资源，以及促进科学技术的发展各国政府都高度为振兴经济，并建立一个国际化的关键战略高度重视下一代的技术规划，并尝试的东西竞争优势。世界各地都在关注的事情可以衬托视科技作为互联网革命和经济大潮的一年。

在我们的教育领域，网络技术的使用促进学校的管理和教学变得更加智能化和人性化，为了建设一个自主探究的学习的环境，提高教学质量的广阔的应用前景。怎样有效的利用网络的技术，促进校园智慧，数字化校园的发展，这是一个非常重要的事情进行实践和研究。

一、物联网的功能与概念。物联网的实际应用其实可以追溯到1990年施乐公司的网络可乐贩卖机，但是呢，物联网的概念是在互联网在1995年第一次看到，在“未来之路”的书中，由于当时的技术和硬件的限制，所以没有引起人们的广泛的注意。1998年，麻省理工学院技术美国麻省理工学院提出的EPC系统当时被称作“物联网”的概念。1999年，麻省理工学院Auto-ID中心首先提出的概念，同年的“物联网”，中国的院院士科学已经启动了传感网的研究。在2005年世界首脑会议信息社会，国际电信联盟的“ITU互联网报告2005年物联网”的重新定义和提出概念的“物联网”。IBM CEO彭明盛在2009年首次提出的概念的“智慧地球”。物联网建设并已正式晋升为美国的国家战略，通过国际社会的重视，事情正在考虑。

物联网逐渐的吸引了越来越多的人们的关注，但是涉及到物联网技术的定义，常见的问题仍然没有明确的，统一的。在物联网的时代，人类在信息与通信世界将获得一种新的沟通维度，通过在各种各样的商品嵌入短距离的移动收发器，在任何的时候，连接人与人交流的任何地方延长至人和的事情。使用各种可用的达到上述目的的装置整体感知层感知动态实时采集，如二维码，RFID标签，蓝牙，传感器和其他的设备获取对象的信息，它们可以是像是人的感官系统可收集数据和即时识别。所以，我们必须加强开发和设计的全面而灵活的看法，同时考虑到设备成本低和灵巧。

可靠的传输层，也被称为网络层。它是信息的整合通过各种网络，传递准确出可靠的感知方式。它们包括无线接入，支持移动，有线接入和其他技术支持的需求状况，并设计适当的高性能通信网络基础上的传播目标。物联网技术，形成了强大的信息处理系统，通过传感，测量，无处不在的接入和互联互通等，活动反映现实生活的对象到虚拟空间，并智能地收集和分析所提供的信息服务的可视化数据的能力。

二、从学校的环境和资源，教学活动中逐步实现了数字化。物联网技术使中国联通的对象之间，智能地实现信息的采集，传输和分析，改变了人们的生活，工作，学习。它也将推动校园智慧的建设和发展。物联网技术为校园的智慧提供了一个互动，开放，智能，协同的综合信息服务平台，使学生和教师充分感知到教学的资源，以便有效的获取的学习，收集信息，管理，教学和生活服务的智慧，将学校打感知，服务，环保，安全，稳定的智能化校园。

在校园网络应用的智慧来实现互联互通校园实物，充分的认识到校园环境，获取最新的汇总信息和数据，以便发现问题和分析对象，并反馈相关信息的实时控制。可视化的校园环境能为校园管理提供服务，其中教师和学生可以轻松完成身份证件和考勤管理，可以通过内部的学校的人的看法安装了科学化，人性化，智能化，校园为基础的网络环境，促进学校管理运动，光，声，温度传感器，用于教学环境和安全监控系统，可视化，连接到网络，智能控制，充分实现智慧教学和学校环境的安全管理。随着多媒体技术和网络技术的发展，人们可以通过互联网更加广泛的教学资源和学习教材的获取，而是缺乏真正的虚拟学习环境可以触摸的性质。

三、物联网在智慧校园中的应用学习环境主要是指声，光，温度，空气等条件的自然环境，对教学有一定的影响，网络技术课堂的智能控制和环境感知的应用，将会创造更加适宜的学习条件为学生。在一定区域内，安装好位移感测或声音，从而能够实现光源的智能控制装置。智慧校园的特色之一是节能，物联网技术可以用于管理和监控校园能源的智慧。能量的对象是物理世界一起交流，建立能源管理专家系统，该系统将实现能源消费的科学管理，在校园里。每个人的校园安全，社会各界和家长有个人都有着密切的关系。为了创建校园平安，以网络技术的优势，构建智能安全系统，包括安全系统和智能校园智能交通管理系统。这样更加有利于加强校园的安全管理。

四、结束语。把物联网校园作为基础的智慧，实现了可视化的学校管理，以人性化，智能化和科学化，的特点。与此同时，智慧校园建设，教学环境的智慧课堂可以延伸到真实的场景中去，使社会与学校，自然，再加上一个直观的学习对象，理论和建筑实践之间作为一个桥梁，培养学生的科研能力和科学素养具有重要意义的推动。（作者单位：白城师范学院计算机科学学院）

参考文献：

篇10

一、新课改阻力因素的系统性分析

新课改旨在改变传统课程过于注重单向知识传授（知识灌输）的倾向，要求教师在教学过程中充分尊重“学生才是学习的主体”这一客观事实，并引导和指导学生开展自主、合作、探究式学习，使学生在获得基础知识与基本技能的过程中学会学习，形成正确的价值观及健康的人格，以适应未来生存及发展的挑战。

光阴荏苒，新课改已走过十五个年头，很多学校在推进新课改方面做出了积极的努力和有益的探索，并取得了一定成果。但总体情况不容乐观：以“知识灌输”和“机械训练”为主的教学方式在很多学校仍然大行其道；很多学校对推行新课改依然顾虑重重，徘徊不前；也有一些地区在推行新课改时，急于求成，用力过猛，从而引发教师的抵触情绪及家长的反对，骑虎难下。

毋庸置疑，新课改的目标指引、价值主张、内在逻辑及其所倡导的学习方式都是正确的，而且至今仍未过时，可为什么在推进过程中却阻力重重呢？有人认为是“片面追求升学率”的思想阻拦了新课改的步伐；也有人认为“教师的墨守成规”是新课改的最大掣肘；还有人认为“对分数高度敏感，对课改又充满误解的家长”才是推进新课改的最大压力源。以上这些观点都具有一定的客观性及合理性，但仍属于零散的、单一维度的、表层化的看法，缺乏对新课改阻力因素的系统性分析，也因此难以理清各种阻力之间的矛盾，也就难以找到化解复杂矛盾的突破口。如果找不到化解矛盾的突破口，新课改的相关者就会陷入“公说公有理，婆说婆有理”，各执一词，互不相让的困局，从而产生严重的内耗，误了新课改，误了区域教育的发展，误了学生！

为了不误课改，不误学生，让我们用思维导图来系统地梳理一下新课改的阻力因素（见图1）。

如图1所示，新课改的阻力主要源于现实压力、思维误区、能力局限三个方面。所谓“现实压力”主要是指家长对学生成绩的高度敏感以及学校对升学率的高度关注。这当然是可以理解的，但理解不等于认同，因为新课改与学生成绩和升学率并非对立的关系，新课改主张“让学生学会学习”，试问会学的学生与不会学的学生相比，哪个成绩会更好？新课改倡导“探究式学习”，反对“死记硬背”与“机械训练”，试问前者与后者相比，哪种效能更高？不言自明！其实家长与学校（校长与教师）所担心的并非是推行新课改，而是担心改不好。而这种担心又是源于他们没有看到或者没有找到可以确定能够保证“学生成绩不会下滑”的有效策略。

阻碍新课改实施的“思维误区”主要是指推动者的“二元对立”思维及参与者教学认知上的“路径依赖”。而在“二元对立”思维中最突出的问题当属把“教”与“学”对立起来，把“师”与“生”对立起来。之所以如此，是由于在新课改的推进过程中，一些激进的推动者陷入了两大误区：一个是急于求成，另一个是矫枉过正。急于求成是因为没有把新课改参与者（教师、学生、家长）的认知水平、能力基础、思维惯性考虑进去，一刀切，急转弯，结果大家适应不了，欲速而不达；矫枉过正是指片面强调“生主体”及“学中心”，完全否定“师”的作用及“教”的价值，甚至机械地限制“教”，结果把相互依存、相互转化、相互促进的辩证统一关系搞成了完全对立关系。教学认知上的“路径依赖”是指教师、学生、家长基于先前的经验，已经习惯了“死记硬背”和“机械训练”的学习方式，虽然深受其苦，但是在缺乏新的、更高效的、可以掌握的学习策略支持下，他们对自主、合作、探究式学习缺乏信心。

所谓“能力局限”主要包括两个方面：一是推动者缺乏对新课改的领导力，二是参与者（主要是教师）缺乏对新课改的支持力。领导力是指新课改的推动者对教学本质、课改本质、教师素养等相关要素的认知水平以及与课改参与者的沟通协调能力。支持力是指教师在新课改理念引领下，对教法与学法的升级能力。

综合以上分析，我们会发现：纷杂的矛盾只是表象，其实一切冲突都指向“缺乏能够被各方所认可和接受的有效支持策略”这一症结，只要打开这一症结，所有问题便会迎刃而解，诸多矛盾也会烟消云散。

二、找到化解新课改阻力的突破口

韩愈在其《进学解》中说：“万山磅礴必有主峰，龙衮九章但挚一领。”可见越是解决复杂的问题，越不能眉毛胡子一把抓，而是要寻找到突破口，并以适应之策略，巧妙化解之。

新课改所遇到的各种阻力，看似纷繁复杂，掣肘极多，其实只要牵住 “较快地让学生学会学习”这个牛鼻子，整头牛便自然跟着你走了。因为只有学生会学了，新课改所倡导的“自主、合作、探究”式学习才能真正得以落实。所谓“会学”是指学生掌握了一些有效的学习策略，并且能够运用这些策略来独立建构学科知识体系，独立解决某些学科问题。在缺乏有效学习策略支持的情况下，所谓的“自主”只能是一种“自主支配学习时间的权力”而非“高效利用学习时间的能力”，有了“自主之权”而无“自主之能”，只能算是形式上的自主；在缺乏有效学习策略支持的情况下，合作学习虽然能够培养学生的合作意识，发展学生的合作素养，但合作的效能与层次却不会太高；在缺乏有效学习策略支持的情况下，探究的深度与效能都会受到影响，常常停在问题表层，探不进去，隔靴搔痒，雾里看花，这样的探究自然难以让人欢喜。

当然有些人会有这样的假设：只要给学生足够的信任，足够的自，学生一定就能找到适合自己的有效学习策略。这个假设成立吗？当然不成立！这是一个理想化的模型，在现实中，能够在有限学习时间内悟出有效学习策略的学生毕竟只是少数，大多数学生还是需要被引导和指导的。相信“每个孩子都是天才”是教育者应有的情怀，而承认“并非每个孩子都是天才”才是教育者的理智。因此，能落实新课改的教师一定是能给学生提供“学法升级”支持的教师，而非让学生无所依靠，放任自流的教师。

三、以思维可视化为支点撬动新课改

阿基米德曾说：“给我一个支点，我可以撬起整个地球。”而思维可视化教学策略则可以成为撬动新课改的支点，因为它能满足“较快地让学生学会学习”这一关键要求，而这正是化解新课改诸多阻力的突破口。

所谓“思维可视化”是指运用图示或图示组合把本不可见的思维路径、思维结构呈现出来的过程。而“思维可视化教学策略”则是指在教学实践中师生共同运用思维可视化技术，通过“独立思考”或“思维共振”的方式来建构学科知识网络、生成问题解决策略模型的教学策略。

为什么思维可视化教学策略能较快地让学生学会学习呢？其基本原理，大体可以概括为“一直观、两重于”。所谓“一直观”是指借助图示或图示组合来提高思维信息传递及加工的效能，因为大脑对“图”非常敏感，所以被画出来的思维，更容易被理解、被评价、被迁移。所谓“两重于”是指在教学过程中始终坚持“思维发展重于知识获取”和“策略生成重于问题解决”的基本原则，使学生的学习从“识记主导”升级为“思考主导”，在知识网络建构及问题解决策略模型建构过程中发展出较强的提炼、概括、推理、分析、综合等思维能力，并学会运用追问、比较、批判、转换、发散、聚合等思考策略。

当图示的直观性与思维的结构性、严密性、概括性结合起来，便会形成互补优势：一方面，抽象复杂的思维过程变得一目了然；另一方面，简明直观的图示被赋予丰富的思维，有了灵魂。在教学实践中，如果能较好地运用思维可视化教学策略，一张图就可以唤醒学生的思考意识，一张图就可以让学生领悟学习某类知识的关键策略。图2说明了学生是如何通过一张图示来获得有效学习策略的。

如图2所示，教师在运用思维可视化教学策略指导学生学习初中地理“西双版纳”一课时，首先通过“设问引思”及“追问启思”唤醒学生思考意识；接下来师生共同运用“逆向思考”策略，由果溯因，一步一步地理清旅游资源、自然资源、人文资源、植被特征、气候类型、地理位置（纬度位置、海陆位置）、地形特征等地理要素之间的关系，最终生成一张简明清晰的“西双版纳丰富旅游资源形成关系探究图”，不但完成了这节课的核心知识建构，而且领悟到“提要素――理关系――建结构”这一重要学习策略的方法及意义。那么，这节课的教学价值就远远超越了“西双版纳”，甚至超越了地理学科，它让学生获得的是可以跨学科迁移的有效学习策略，经过多次强化（实践运用），这一学习策略便可以被内化为学生的自主学习能力。

除了“能较快地让学生学会学习”这一优势，思维可视化教学策略还能为“合作学习”提供工具性支持：师生之间、生生之间、小组之内、小组之间都可以借助“图示”这个可视化媒介来进行思想交流，思维碰撞。基于“思维可视化”的交流，结构清晰，一目了然，比单一的语言或文字交流的效能要高得多。

四、借助思维可视化应对新挑战

对于新课改而言，除了要有效化解旧阻力之外，还需准备应对新挑战。“信息智能文明”时代的大幕正徐徐拉开，纷至沓来的“互联网+教育”、虚拟现实、人工智能等新科技对传统教育产生了重大冲击，人类的学习目标、学习方式及学习组织形式都将发生重大转变，新课改要如何与时俱进？

辩证地看，新教育技术的崛起对新课改既有“危”也有“机”：其中的“危”主要是指在“互联网恐慌”压力及“教育技术创新”推力的双重作用下，原来推动新课改的中坚力量会被“新技术热”所裹挟，从而降低对新课改的关注度，陷入“形式大于本质”的误区。其中的“机”主要是指新教育技术可以为新课改所倡导的自主、合作、探究式学习提供有力的技术支持。例如各种形式的在线教学资源（微课、慕课）就为学生的自主学习提供了不受时空限制的内容支持，使自主学习、合作学习变得更加便捷。

如何利用好新教育技术带来的“机”，并且能化“危”为“机”，使“新教育技术浪潮”既不冲淡“新课改关注度”，又能助力新课改的进一步落实呢？思维可视化教学策略可以实现二者（新技术与新课改）的无缝连接：一方面思维可视化教学策略与新教育技术的整合可以创生出“高思维含量”的优质课程资源，补足在线课程的短板（数量有余，品质不足），为学生开展基于在线课程平台的自主、合作、探究式学习提供精品内容支持；另一方面，在线下运用思维可视化教学策略来发展学生的自主学习能力，可以使学生更加适应新技术支持下的自主、合作、探究式学习，从容应对“信息智能文明”时代的挑战。