交通领域的人工智能范文

导语：如何才能写好一篇交通领域的人工智能，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

关键词 人工智能技术；交通管理；人工智能系统

中图分类号：V355 文献标识码：A 文章编号：1671—7597（2013）041-118-01

1 研究背景

随着时代的发展，计算机技术因其优越性在多个领域得到广泛应用。“计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为21世纪三大尖端技术”，它为人工智能技术在航空业的应用创造了条件。现代航空业的迅猛发展，带来空中交通流量的飞速增长。目前，航空业经常出现空中交通堵塞、拥挤等现象，迫切需要引进先进的技术手段，提升空中交通技术，改进管理手段，有效提升空域容量与空间利用率。

根据空中交通管理的理论特点，以及空中交通管理技术特点，人工智能技术在空中交通管理中的应用研究逐渐引起了人们的重视，并取得较大发展。人工神经网络在空中交通流量预测、飞行间隔控制、飞行冲突智能调配等方面的研究初见成效。但我国空中飞行流量需求的日益增大，迫切需要将人工智能技术有效运用到空中交通管理中，建立人工智能空中交通管理辅助系统，真正实现类似专家功能的新型空中交通管理系统。本文基于这样的认识，尝试将人工智能技术应用到空中交通管理系统中，有效提升空中交通的空域容量，使空中交通更加有序，更好地服务于积极社会的发展，提升人们的生活质量。

2 人工智能技术概况阐述

“人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的”从计算机应用系统的层面来理解，人工智能研究的主要内容是如何制造出人造的智能机器，以及人造的智能系统，具备模拟人类智能活动的能力，从而延伸人们智能的一门科学。

人工智能领域的研究始于1956年，“人工智能”这个术语第一次出现于达特茅斯大学召开的一次会议上。随后人们逐渐在问题求解、自然语言理解、自动程序设计、专家系统、逻辑推理与定理证明、博弈、学习以及机器人学等领域展开研究，成功建立了具有一定程度的人工智能计算机系统。随着研究的不断深入，人工智能理论得到不断的丰富与发展。随着计算机硬件的快速发展，计算机的存储容量不断扩大、运行速度不断提高、价格低廉，人工智能技术的发展将会给人们的生活、工作等带来更大的影响。

3 空中交通管理人工智能系统构成简述

人工智能技术在空中交通管理中的应用有助于建立人工智能辅助系统，建立新的空中交通管理模式。“但不要忘记采用不同的技术和运作概念也会带来不同的空中交通管理模式，特别在新技术层出不穷的今天，我们更不能忽略这个方面。”，它能使空中交通流量管理高效、有序、安全，有效提升空中交通的空间与时间利用率，对空中飞行冲突进行有效的预测与解决。空中交通管理的核心是科学合理安排空中交通流量。飞行流量的智能化管理、飞行冲突的预测、飞行冲突的解决等方面是人工智能辅助系统研究的侧重点。空中交通管理人工智能辅助系统由飞行流量管理模块、冲突探测与解脱模块、辅助决策模块等三个附属系统构成。这几个模块间的关系是在冲突探测与解脱模块与飞行流量管理模块之中渗透辅助决策模块，最终形成智能飞行流量管理、智能冲突探测与解脱模块系统，它们能够为空中管制员提供有效的决策辅助信息，切实减轻空中管制员的工作负担，提高空中飞行的安全性与管制效率。

4 空中交通管理人工智能辅助系统的实现方式

4.1 飞行流量管理辅助决策的实现

人工智能系统飞行流量管理模块主要将空域资源“空闲”的概念与A算法与辅助决策进行结合。其具体操作过程是根据飞行流量管理数据库，储存或读取数据，计算流量，预测冲突，依据基本容量模型，建立A算法数学模型，对空中航班进行动态与静态排序，最终完成人工智能技术对空中飞行流量的辅助决策作用。

建立准确客观的飞行流量管理数据库非常重要。这些原始数据必须可靠、准确、及时，因为它直接影响到辅助决策的有效性；开放数据库间的互连主要依靠ODBC ，它是数据库之间连接的标准，为SQL语言的存取提供标准接口；再依据数据库的信息，运用飞行动力学知识计算出飞机在具体时间应该到达的位置，以及到达具置的准确时间，合理的安排飞行架次；飞行流量冲突预测主要通过将流量与相应的容量比较，列出具体的冲突时间、冲突地点、存在冲突的飞机架次；最后调整航班与起降，对冲突航班及时调整，确保交汇点、航路、机场、管制区等畅通。人工智能中的A 算法可以有效针对基本容量模型对飞机进行排序，对飞行计划的来源、内容及状态转化等进行研究，生动模拟飞行计划实施过程。“空闲”概念可以使冲突航班时刻调整在受限区域内。

4.2 飞行冲突探测与解脱辅助决策的实现

飞行冲突探测与解脱辅助决策系统能够向空管员提供高效的避撞辅助方案，有效弥补管制员决策过程中的不足，对飞行冲突情况进行分析，寻找出积极的解脱方案。

飞行冲突探测与解脱辅助决策系统推理过程大致包括以下几个方面：突中航空器、突中航空器优先等级评估、冲突类别评定、避撞应对方案、建立避撞路线。推理选择最主要的过程是推理机制，为了完成推理过程，该系统中还必须包括一系列的规则：航空器优先级别评定规则、避撞方案确定规则、避撞空管规则、建立避撞路线规则等；还要建立层次型结构及模块化知识库，确保避撞推理的有效运作，保证知识库得到有效维护，并且能够及时的更新。

5 结束语

人工智能技术在空中交通管理中的应用，必将使空中交通管理更高效、更安全、更有序，必将最大程度的提升空域的利用效率。人工智能技术的应用领域是广泛的，相信随着人们对人工智能技术研究的不断深入，人工智能技术必将在更多方面提供智能化辅助管理服务，使人工智能技术不断的服务于社会经济，服务于人们的需要。

参考文献

[1]杨焱.人工智能技术的发展趋势研究[J].信息与电脑，2012（08）.

篇2

作为互联网大国，中国也将在人工智能领域主动作为。上证报记者从工业和信息化部独家了解到，主管部门将加大AI应用推广力度，紧抓人工智能发展这一历史性机遇，加强与人工智能技术对接。

工信部人士介绍说：“将结合信息通信行业发展需求和实际，在软件定义网络、数据中心、5G、车联网等重点技术和产业领域，加快推动人工智能技术的应用发展，进一步推动信息通信领域智能化水平提升。”

在主管部门的引导下，三大运营商发展人工智能不甘人后。

中国移动已经首个人工智能平台——“九天”。中国移动聚焦电信行业场景，建设“九天”人工智能平台，打造开放的人工智能基础平台和核心能力，并开始在网络智能化、市场营销和客户服务智能化等领域开展应用。目前，九天平台已经应用于中移在线智能客服、浙江移动深度学习平台、上海移动智能营销机器人、江苏移动网络智能化等。

面向人工智能时代，中国电信携手英特尔在人工智能技术、业务和基础设施等相关领域展开合作。合作内容包括两个方面。一方面是基于至强系列，包括至强融核、至强可扩展处理器的架构，打造面向人工智能的基础设施和数据中心；另一方面是结合行业需求进行拓展。

目前，中国电信转型3.0的重心是俗称“三化”，即“网络智能化、业务生态化、运营智慧化”。其中网络智能化就是要通过大数据、人工智能等技术让电信网络更灵活、更具备扩展性、更适应业务需求。

篇3

一、“区块链+AI”行业概述：

1、“区块链+AI”行业简介

人工智能（ArtificialIntelligence）英文缩写为“AI”，主要研究如何使计算机去做更多过去只有人类才能完成的智能工作。AI一词最早是在1956年Dartmouth学会上提出，2015年美国伊利诺伊小组研究中表明，现阶段AI智力已可达4岁孩童智力水平。随着人工智能技术不断成熟应用，围绕着“AI+”的技术理念创新也在不断提出，其中“区块链+AI”的技术理念尤为突出。

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。其本身作为比特币的底层技术，拥有去中心化、开放性、自治性、信息难篡改、匿名性等特征，可有效弥补人工智能应用中存在的数据共享、数据安全等问题。区块链可以为人工智能提供“链”的功能，让人工智能的“自主”运行中需要的数据信息都得到可信记录并具备可溯源的特点，使得AI更可信、更安全。可以说“区块链+AI”是新型技术之间的通力合作，若两者可有机结合，将会创造更大的价值。

从金融、消费、医疗服务到政府服务，区块链和人工智能的结合正在逐步渗透各个行业和领域。人工智能和区块链的协作将会解决诸多的问题，在人工智能提供数据分析和匹配的同时，区块链将提供一个更加安全和可信任的网络。

2、人工智能和区块链行业现状概述

人工智能被誉为引领未来的战略性技术，是提升国家竞争力、维护国家安全的核心技术之一，也将成为经济发展中新一轮产业变革的核心驱动力。在我国，人工智能的发展受到高度重视，2017年7月8日国务院了《新一代人工智能发展规划》的战略部署，明确我国新一代人工智能发展的三大战略目标：至2020年人工智能总体技术和应用与世界先进水平同步，成为重要经济增长点，全面支持建设小康社会；至2025年人工智能基础理论实现重大突破，成为我国产业升级和经济转型的主要动力，向智能社会建设迈进；至2030年人工智能理论、技术和应用总体达到世界领先水平，成为世界主要人工智能创新中心，为经济强国奠基。根据中国互联网络信息中心（CNNIC）2017年的《中国互联网络发展状况统计报告》显示，2016年中国人工智能相关专利年申请数量达30115项，产业规模突破百亿，2017年中国人工智能产业规模达152.1亿元，该行业每年以40%～50%增长率进行增长，预估2019年将突破300亿元，截止2017年6月我国人工智能企业总数已达592家，仅次于美国。2017年9月，华为公司推出的芯片麒麟970及苹果公司推出的芯片A11SOC均具备机器学习处理单元，为人工智能硬件打下坚实的基础。人工智能行业目前已走过技术蛮荒期，处于通用技术与行业结合形成商业化场景应用阶段。根据目前沪深两市板块分类统计，涉及人工智能概念的上市公司共104家，基本涵盖了人工智能基础层、技术层、应用层各相关领域。

相比于人工智能技术已经经历了60多年的长足发展而言，区块链技术目前起步不到10年，且刚刚经历了三个初级的阶段，分别为：

起步期：2009年-2012年，以比特币为代表的加密数字货币使得区块链技术开始走进部分极客和新兴技术爱好者的视野当中，并开始在世界范围内形成一定程度的关注和研究。

雏形期：2013年-2017年，以太坊在比特币的基础技术架构之上引入了智能合约，使得区块链的可拓展性得到极大的提升，区块链技术开始延展到更多行业和领域。

发展期：2018年-，区块链技术开始迭展，行业发展聚焦于更为安全的技术架构的搭建与更加良好基础性能的提升，区块链安全、区块链与人工智能等方向开始受到行业重视，一些应用逐步在全球各个行业领域开始试点。

目前区块链技术发展总体阶段处于类似于互联网发展的初期阶段，距离大规模的应用落地仍然需要时间积累。“区块链+AI”是新兴技术相互赋能的良好应用结合，区块链技术在人工智能这一垂直领域的探索，有助于加速新兴技术的落地，并在实践过程中不断完善。目前大部分“区块链+AI”项目仍处于概念验证阶段或早期应用阶段。

二、“区块链+AI”具有的优势与挑战

在人工智能为区块链提供更强大拓展场景与数据分析能力的同时，区块链技术可为人工智能提供高度可信的原始数据以支持其持续的“深度学习”。在未来人工智能高度发展的同时，也可通过区块链的分布式、透明、可溯源的特点，来保障人工智能始终处于人类可控的范围之内。这对两者的技术发展进程都提出了更高的要求，总体而言，区块链技术本身处于早期阶段，与人工智能相结合需要持续迭代以满足人工智能对性能和稳定性的要求。

1、“区块链+AI”两项尖端科技的相互赋能

区块链与人工智能两项技术的结合，有以下七个方面的优势：一是区块链可以提高人工智能的数据安全性；二是区块链可以加速数据的累积，给人工智能提供更强大的数据支持，解决AI的数据供应问题；三是区块链可以解决数据收集时的数据隐私问题；四是人工智能可以减少区块链的电力消耗；五是区块链使得人工智能更加的可信任；六是区块链帮助人工智能缩短训练时间；七是区块链有助于打造一个更加开放与公平化的人工智能市场。双方结合的优势具体说明如下：

（1）提高数据安全性

区块链可以帮助人工智能避免因数据存储问题导致的故障。区块链中每个节点都按照链式结构存储完整的数据，每个存储节点都是独立的、地位等同的。区块链的高冗余特性，分布式数据存储，可避免系统级别风险的发生。理论上看除非所有节点全部出现风险，否则数据就是安全的。

此外，考虑到人工智能诊断的“黑箱”问题，清晰谁建立了人工智能，使用什么数据进行训练，以及谁部署了最终的，是我们应对人工智能可能出现的问题的最佳防控手段。目前使用的大多数人工智能程序都是“深度学习”算法的变体。不良的数据内容将给人工智能带来相应的安全隐患，区块链则通过记录哪些核心算法是使用哪组训练数据开发的，避免了这一问题。更宽泛地说，区块链可以记录谁编写了原始的人工智能算法以及用什么数据来训练算法。

（2）大量且丰富的数据支持

一些企业为了自身发展会进行海量数据收集，同时因为市场竞争而拒绝进行数据共享。由此造成这些公司接触到的数据有限，缺少完整的数据集做支撑，使得人工智能产品质量较差。采用区块链技术，可以利用数据分类帐进行部分数据的购买销售。可靠性强、可用性高的数据将会使得企业生产出高质量的计算机识别，语音识别和其他数据密集型应用。

当收集了大量同类型数据用于训练AI模型时，数据会受到偏差或“过度拟合”的影响。数据样本将不具备典型的随机性来代表总体的特性。使用此类型数据训练的模型比使用更多不同样本进行训练的模型表现能力要差很多。通过引入区块链技术，让不同的人和公司来提供可信的不同数据，可以获得更多样化的数据样本，帮助AI完成“自主性”决策。

（3）隐私保护

人工智能的高速发展需建立在大量的数据基础上，不可避免地涉及到个人隐私数据合理使用的问题，例如从公共数据库中推导出私人隐私信息，通过这些信息又推导到其他相关人员的信息，这已经超出大部分人同意披露的信息范围。区块链采用非对称加密和授权技术，交易信息公开透明，但对于账户身份信息是高度加密的，只有经过数据拥有者授权才可访问该数据，即使遭到入侵，也仅是一小部分信息内容，无法获取用户完整的个人身份信息，此技术在AI大数据运行环境下，个人的隐私免于被侵犯，不法企业难以利用用户数据来牟取不正当利益。同时，区块链与加密算法相结合可以在数据分享过程中分离数据所有权和使用权，让数据使用方可以利用密文进行模型训练和使用，彻底杜绝原始数据泄露的风险，从而打通企业和政府中的数据孤岛。

（4）能源消耗减少

采用POW共识机制的区块链项目需要消耗大量的电力资源，人工智能可以通过学习算法，提升数据中心的负载，操控计算机服务器和相关的散热系统，优化冷却，有效地进行设备管理，从而减少电力的消耗。对于AI可以优化能源消耗已被谷歌和百度等公司证实，2017年6月百度的智能楼宇项目一个月内为百度省下了25万度用电量，谷歌旗下AI实验室DeepMind利用人工智能技术帮助谷歌削减了15%的用电量。

（5）可信任度的提升

一个人工智能管理的区块链可以为独立于人工智能运行的底层平台的人工智能提供一个分散的标识。每一个主要的人工智能都可以注册成为被普遍认同的节点，这将为AI识别提供一个解决方案，类似于今天的网站证书，以验证网站所有权。

一个人工智能管理的区块链还可以允许每个人工智能将其活动的常规哈希函数写入区块链分类，以便具有加密密钥的可以对其进行不可篡改的检查。区块链搭载的人工智能分布式账本记录了人工智能做了什么，确保人工智能的错误行为被及时的发现、分析和纠正。而区块链的不可篡改性使得人工智能几乎不可能“掩盖它的踪迹”和删除犯罪活动数据。

最后，区块链的共识机制可以确保人工智能处于控制之下。通过人工智能执行任务的公共记录(必须由多个区块链节点进行验证)，我们可以确保人工智能的运行不会超出界限。

（6）更短的AI训练时间

在使用区块链技术保障训练数据的真实可靠性的前提之下，可以通过区块链的分布式数据存储的方式将一台人工智能的深度学习训练时间大幅度的减少。例如一个人工智能的训练可以采用模型并行或者数据并行的方式，将单个的模型或者数据分布在不同的机器之上，从而减少训练时间。人工智能也可以在同步数据并行中删除同步约束限制，而采用异步并行模式——人工智能在每一步的信息处理中不必等待数据的相互确认，可以直接进行下一步的操作，从而进一步减少人工智能的深度学习训练时间。

（7）开放公平性

区块链提供的核心价值是“去信任中介化”。如果想要创建一个自组织和自我调节的人工智能网络——那么分布式记账技术是最好的途径。谷歌、腾讯、IBM、Facebook和其他大型科技公司已经彻底改变了分布式计算——将计算任务分散在多台虚拟机之间，以实现高效的可伸缩任务处理。但是他们的布式处理工具仍然是非常集中的，并且专注于由中心化的控制器统一调度特定任务，以实现非常特定的目标。

而基于区块链技术的智能合约将使“去信任中介”的网络得以实现，在这种可信网络中，两个人工智能系统可以安全可靠地进行交互，而无需任何中心化的中介。区块链还可为人工智能提供声誉系统，这样每个人工智能都可以在选择与其他人工智能进行交易之前检查其声誉。另外，区块链的无中介、高透明度将鼓励这些人工智能开发人员共享他们的数据和他们的产品，而不必担心出现某些偏袒竞争对手或窃取其知识产权的情况，并确保所有相关方为他们的工作获得适当的报酬。

2、“区块链+AI”面临的挑战

“区块链+AI”的面临的问题主要包括两方面：一方面是AI和区块链自身的缺点，在结合后仍无法有效解决；另一方面是AI和区块链结合过程中可能造成原有优势被破坏。例如：

（1）政策性风险

区块链目前部分的衍生应用在世界各地存在着一定的政策风险——例如未来是否采用区块链技术伴生的通证来激励人工智能开发或节点管理，但无论是在经济上还是在政策上如何定义通证仍有很大的不确定性。

（2）技术融合的不确定性

作为两个前沿的新兴技术，且都处于尚未完全成熟的阶段。无论是从当前区块链的技术指标，还是从人工智能的实际落地性来讲，距离两者真正的结合并实现落地，需要面对的不确定性因素仍然存在。目前区块链的主要问题为扩容、隐私、和计算能力，主流的公有链难以支撑人工智能的链上实现。

（3）大规模的社会应用面临挑战

数据共享威胁大型企业利益。通过弱化数据的中心化，降低了大型企业相对小公司的竞争优势。如果任何人都可以访问这些数据集和计算，那么任何人都有机会与世界上最大的公司竞争。从技术领域中去除这些障碍将会改善社会，但共享市场的尝试可能会让大公司感到不安。如果任何人都有能力在世界上制造出最好的人工智能，那么市场将与许多正在争夺一部分市场的初创企业和小企业共同分享。之前使用用户数据来制定广告或业务策略的公司和政府组织将再次被迫以较不直接的方式获取其数据。因此，大公司可能会反对数据去中心化，并可能游说维持AI模型开发方面集中式数据集的现状。

（4）不可控性

当使用了“一旦运行不可停止”的智能合约时，如果合约代码存在漏洞被黑客利用，黑客将通过智能合约漏洞牟利，因在区块链上运行的事务和交易不可撤销，可能会给企业和个人造成不可挽回的损失。

三、AI与区块链结合的应用场景

结合两者技术优势，通过AI让区块链更智能，区块链让AI更“自主”，更可信。目前对于AI和区块链的结合应用，市场上已经涌现出很多相关项目和理论创新，描述了不同场景下结合，比如：

（1）区块链+AI在医疗方面进行结合

相关的结合领域有医疗数据加密和医疗计算分析。关于医疗数据方面，据统计，大部分的医生会直接将病人的病情、个人信息等信息发给同事，这涉及侵犯病人隐私的问题。应用区块链的非对称加密和授权等技术，对关键信息进行加密，只有经过数据拥有者授权才可访问该数据，将大大的提高医疗数据的隐私性。关于医疗计算分析方面，AI在医疗机构提供数据错误率小于2%，利用区块链的技术，可以对于医疗数据进行信息交换，相比传统AI，数据可更好地进行共享。谷歌旗下DeepMindHealth正在开发区块链医疗数据审计系统，利用“区块链+AI”技术让医院、NHS、病人自身都能实时跟踪其个人健康数据。

（2）区块链+AI在数据市场进行结合

利用区块链集合群体的力量，进行数据上的共享、AI模型的训练等。AI的发展离不开庞大的数据集，区块链可以利用数据分类帐进行高质量数据的购买销售，当收集了大量的、多样化的数据样本后，可用于训练AI模型，这些数据及AI模型将会解决信任的数据孤岛问题，使得人工智能机器人可以进行共享学习，自我成长，产出高质量的计算机识别，语音识别和其他数据密集型应用。目前SingularityNet、DeepBrainChain、Bottos、OceanProtocol、Indorse、ARPAChain等项目涉及该领域。

（3）区块链+AI在金融领域进行结合

相关的结合领域有市场情绪分析、去中介交易商经纪人（IDB）和检测金融欺诈行为等。关于市场情绪分析及去IDB方面，利用AI进行深度学习和时序分析，再结合区块链技术保护下的个人数据相整合，为个人提供更精准的交易服务。具体来说，就是从用户面板上进行大数据采集及处理，通过人工智能分析用户情绪数据，对市场波动进行预算，最后自动化下单。利用机器人取代人工，提升效率，降低了IDB佣金。在检测金融欺诈行为方面，使用交易机器人，高频加密交易，弱中心化减少人为操控的可能性，降低金融欺诈风险，此外，AI监控加密市场，让恶意攻击变得更难。目前有Autonio、Aigang、Numeraire、Endor等项目涉及该领域。

（4）区块链+AI在云计算方面进行结合

当前AI云计算方面面临计算资源昂贵、训练时间长、训练数据多、开发去中心应用困难等问题，结合区块链技术后能较好地解决以上问题。把区块链中挖矿及电力消耗过程中过剩的资源转换为AI云算力，资源上进行整合，降低计算成本。目前有NebulaAI项目涉及该领域。

（5）区块链+AI在物联网方面进行延展

首先，区块链技术可以帮助解决“如何证明自己是自己”的问题，用户可通过区块链+AI技术完成生物身份识别和身份认证，将个人身份与物联网联系在一起。其次，解决了更新的问题，所有物联网设备在区块链+AI的加持下，数据共享，设备可智能化更新。具体的垂直应用包括：应用在工业制造上，制造生产的设备在区块链中传递信息，更智能化地成长，提高效率、增加产能；应用在交通上，更好地铺开无人驾驶应用，解放人们的时间，智能化管理交通，有利于减少交通堵塞、交通事故的发生；应用在监控等公共基础设备上，身份认证能快速的识别出罪犯，有利于维护社会稳定。目前有智行者、美图等项目涉及该领域。

四、“区块链+AI”行业展望

篇4

现在更多的人相信，人工智能可以很好地造福人类，机器学习能够很好地帮助人们解决工作和生活上的难题。

人工智能前景广阔

IDC的一份报告显示，认知计算和人工智能解决方案市场在2016年到2020年的年复合增长率将达到55.1%，认知计算和人工智能在各行各业中的广泛应用将推动其全球收入从2016年的近80亿美元增加到2020年的470多亿美元。

Gartner副总裁兼资深研究员大卫・卡利（David Cearley）在2017年重大技术趋势预测会上表示：“应用人工智能和高级机器学习实现了一系列的智能应用，包括物理设备（机器人、自动驾驶汽车、消费电子产品）、应用程序和服务（虚拟个人助理、智能顾问）。”卡利说，这些应用将以不同于以往的智能应用程序和智能产品的形式呈现出来，并为各种各样的网络设备、现有软件和服务解决方案提供嵌入式的智能。

Gartner执行副总裁、研究主管兼资深研究员达尔・普拉默（Daryl Plummer）在预测2017年重大技术趋势预测会上表示，到2020年，更智能的算法将会让人工智能改变全球10多亿工作者的状态。

在Gartner的的十大2017年重大技术趋势预测中，人工智能相关技术占据了前三名的位置，可见其技术的重要性。他们分别是：人工智能和高级机器学习、智能应用、智能产品。

第一，人工智能和高级机器学习。人工智能和高级机器学习由很多技术（比如深度学习、神经网络、自然语言处理）组成。Gartner认为，更先进的技术将超越基于规则的传统算法，创造能够理解、学习、预测、适应甚至有望自主运作的系统，从而让智能机器显得更加“智能”。

第二，智能应用。像虚拟个人助理这样的智能应用程序可以发挥人类助理的某些职能，让人们的日常工作变得更加容易（比如对电子邮件进行优先级排序），提高用户工作效率（通过突出最重要的内容和互动）。虚拟客户助理等其他智能应用程序更加擅长销售和客服等领域的任务。Gartner认为，这些智能应用程序有潜力改变现在人们的工作性质和职场架构。“未来十年，几乎所有的应用程序、服务都将包含某种程度的人工智能。人工智能和机器学习在应用程序和服务方面的应用将不断发展壮大，这将成为一个长期的趋势。”大卫・卡利举了一个麦当劳的案例，“麦当劳生产汉堡，智能应用每分钟通过照片分析超过1000个面包来检查其颜色、形态和芝麻分布状况，从而不断自动调整烤箱的温度和烘烤时间，可以大幅减少人工成本，并保证高质量。”

第三，智能产品。智能产品是指超出了刚性编程模型范畴的物理实体，通过应用人工智能和机器学习来实现高级行为，并与周围环境和人类更加自然地交互。

目前，日本长崎的Henn-ne宾馆已经开始使用10台类人机器人进行迎宾服务，代替了原来预订柜台的所有服务员。随着无人机、无人驾驶汽车和智能家电等智能产品的不断普及，Gartner预计各自为政的智能产品将转变为相互协作的智能产品。

更智能的汽车

虽然去年出现了特斯拉智能驾驶系统出现故障造成交通事故这样的新闻，但是理论上讲，人工智能应用到汽车领域，实际上可以大幅度降低交通事故发生的概率。

斯坦福大学报告显示，自动驾驶汽车不仅能减少因交通事故导致的人员伤亡，还能改变人们的生活方式。在通勤途中，人们可以把更多的时间用于工作、娱乐，而不只是关注复杂的、让人懊恼的交通状况。

不过，现阶段也有不同的声音。“即便有时候显得很多余，但人类还是要在自动驾驶汽车方面拥有一定操控权。所以即便是自动驾驶汽车也要安装一个方向盘，以便司机必要时可以掌管车辆。但安装了方向盘又意味着人类的完全掌权，即司机坐在车里也要随时保持清醒并进行观察，时刻准备好接管车辆。”Gartner副总裁布莱恩・朴恩泰斯（Brian Prentice）在一次研讨会上表示，“这样一来，不仅抵消了自动驾驶相较于人类驾驶的大部分优势，也让人类司机从之前的积极操控汽车变为了被动监控行车隐患。”这个争议其实也是所有智能汽车项目所必须要面对的挑战。

布莱恩・朴恩泰斯表示：“智能汽车可以对周围环境做出反应，但智能汽车对周围环境是否真正理解了？周围环境对于智能汽车来说是完全不可控的一个因素，不是通过建立模型就能进行学习了解的一种事物。”

“τ谘蟹⒅悄芷车技术的团队而言，他们所面临的挑战就是要找出哪些事物或因素是智能汽车所能控制的，然后对它们的能力培养也就限定在这一范围之内即可。”布莱恩・朴恩泰斯表示，“全自动汽车的愿望是不可能变成现实的，任何汽车制造商都做不到这点，但朝着这一方向努力将会推动一些汽车行业更务实的进步，如汽车的机器学习技术将提升汽车的安全性和让汽车在处理一些状况时更具有经验。”

在联网汽车方面，Gartner预计到2020年，联网汽车的销量将达到6100万辆，是2016年的4倍以上。Gartner定义的联网汽车是通过嵌入式通信模块或移动设备接入互联网，为用户提供内容和服务，从车中传送数据，实现远程监控或管理车内系统。

Gartner的报告显示，从2016年到2020年，联网汽车将推动情景信息的需求增长150%。Gartner研发总监詹姆斯・海恩斯（James Hines）表示：“汽车越来越自动化，也将配备更多的感测技术，例如行车记录仪功能和雷达系统等。许多汽车将利用影像侦测功能来辨识附近的物体并对其进行分类，以便实现更加复杂的反应甚至更自主的驾驶。”

为了使汽车变得更加自动化和环保，2016至2020年间需要逐年在汽车内增加5%的嵌入式处理功能，比如即时摄影机和传感器，从而实现主动车距控制巡航系统、防撞与车道偏移警示系统等自动化驾驶功能。

回到现实中，在今年CES上，百度联合北汽展示了智能汽车解决方案。百度智能汽车自动驾驶解决方案目前已经可以做到全系统的低成本、可量产。借助百度人工智能的优势，从雷达、摄像头等传感器的数据收集，再到高精度地图等基础设施，都实现了成本的大幅降低，尤其是在高精度地图方面。

目前，百度高精度地图的自动化生产程度可达90%以上。地图生产通过多传感器校准和深度学习结合，实现全程自动化，人工操作仅为最后的人工校验，确保高精度地图绘制过程准确可靠的同时，降低了人工成本与时间成本。

百度高精度地图将绝对精度控制在0.6m范围以内，在相对精度范围内实现了厘米级定位。通过帧内关键点检测和点云拼接、路面提取等技术的运用，百度自蛹菔幌低晨梢远曰だ嘎费亍⒈曛颈晗吆驼习物等道路物体达到99.67%的识别准确率，从而实现对直道、弯道、车道变化和宽度变化的监测，这一系列行为的定位、侦查计算，甚至比有人驾驶更加安全可靠。值得一提的是，百度高精度地图还接入了Learning Map平台，依托多源感知数据处理、云服务中心和数据中心，可使百度高精地图具有智能化的自学习能力，无需人工采集就可以实现更新。

百度智能汽车还提供了包括车联网HMI人机交互系统。这其中就包括CarLife、CoDriver、MyCar和AutoMap四大产品。这些HMI车联网产品虽然功能侧重不同，但却搭载着同一人工智能应用――语音识别技术，为用户提供独特性、开放式、创新性的智能化场景应用体验。

语音识别技术是百度智能汽车HMI人机交互系统带给用户最直接的智能行车体验感知。以定位“智能语音副驾驶”的CoDriver为例，基于百度的语音技术、自然语言处理技术，用户无论是进行对话，还是指令，其顺畅、快速的识别和响应，都让用户感知到身边存在一位知心且贴心的智能机器人。

在百度智能汽车与北汽进行的战略合作中，百度智能汽车就将对北汽多款车型进行CarLife适配，从而实现智能汽车的基础车联网升级。通过采用CarLife，达到智能手机与车的互联，驾驶者可以使用智能语音操控汽车地图和在线音乐等智能化汽车服务。百度智能汽车CarLife目前已与60家车企的150余款车型进行了适配。

随着用户的广泛使用，所有的智能汽车都会产生大量的数据，百度智能汽车大数据也衍生出价值极高的大数据服务产品。比如，通过对车主用户数据、车辆实时驾驶数据和道路地理信息数据等进行分析，百度智能汽车可以向汽车企业提供精准营销、车辆设计、用户服务管理体系等大数据服务。而车企可以依据这些数据，找到用户的需求点，研发出用户真正需要的产品和功能。

在国外厂商方面，NVIDIA联合创始人兼首席执行官黄仁勋与奥迪美国公司总裁斯科特・科奥格（Scott Keogh）共同在CES开幕主题演讲中表示，未来的奥迪车型将使用深度学习解决复杂的驾驶问题。双方第一阶段的合作将着重于NVIDIA DRIVE PX自动驾驶汽车人工智能平台。NVIDIA DRIVE PX平台使用经过训练的人工智能神经网络来理解周围环境，并确定安全的行进路线。

“NVIDIA是使用深度学习人工智能技术促进交通运输行业变革的先锋。” 黄仁勋在演讲中表示，“奥迪采用我们的DRIVE PX2人工智能汽车计算平台，将加快新一代自动驾驶汽车的生产，进而加速我们迈向未来更高驾驶安全性和新型移动服务的步伐。”

“奥迪用户追求顶尖的性能和技术。” 斯科特・科奥格表示，“因为我们对更安全的道路有着共同的追求。奥迪和NVIDIA的合作将扩展至深度学习和人工智能领域，从而以更快的速度将更高程度的自动化送上道路。”

奥迪Q7的自动驾驶演示活动成了本届CES上的亮点之一。乘客在无人驾驶的情况下，可以放心地坐在车辆的后排座位上享受旅行。这主要得益于奥迪Q7采用了NVIDIA DRIVE PX平台，并运行了NVIDIA Drive Works软件。奥迪Q7的深度神经网络NVIDIA PilotNet可以识别和理解车身周围的环境，安全地驾驶前行。演示过程中，路线会随时变更，车辆会通过各种情形的路面，有的带有标识，有的则没有任何车道标识，途中还会遇到需要绕行的模拟建筑区。

黄仁勋在主题演讲上描绘了人工智能将如何预测驾驶员需求的场景：用户早晨驱车前往办公室，车库大门自动打开，根据用户个人习惯调节空调温度，到达单位；晚上回家，同样的场景再次出现，而且汽车能够理解并回应用户自然会话语言的需求。

NVIDIA和奥迪的联姻结晶包括让人眼前一亮的奥迪MMI导航系统和奥迪虚拟驾驶舱。目前该系统已经应用于奥迪Q7、奥迪A4、奥迪TT等，涵盖SUV、轿车和跑车等领域。未来几个月，奥迪还将推出集成NVIDIA硬件和软件的新款A8。得益于zFAS（奥迪中央驾驶辅助控制系统），新款A8将成为全球首款配备拥堵驾驶系统（Traffic Jam Pilot）的自动驾驶汽车。

这里有必要解释一下zFAS。zFAS是一个软件与硬件结合的系统，它的长距离雷达可以获取前方250米的交通状况，激光扫描仪能捕捉到前方80米距离的高清晰画面，红外线照相机能够识别黑暗中的行人和动物，超声波传感器能够探测汽车周围的情况。通过这些传感器，zFAS可以在汽车行驶过程中实时获取各种数据，在瞬间对大量的数据进行分析，从而实现代替驾驶员操控汽车。即使是在空间狭窄的停车场，zFAS也可以实现自动泊车，还可以利用智能手机通过远程操作的方式将汽车驶离停车场。而且一旦汽车进入拥挤的堵车路段，它还可以实现紧随前车的自动驾驶模式。

更智能的家居

科尔尼的报告显示，中国将在2020年前成为亚洲最大的智能家居市场。到2020年，全球智能家居的整体规模将由目前的100亿美元增长至500亿美元，并有望在2030年激增至4000亿美元。到2030年，亚洲智能家居市场销售额将超过1150亿美元，占据全球市场25%以上的份额。

中怡康的数据显示，2017年，智能家电生态将会成为行业主流，预计智能电视的零售额渗透率将达到93%；智能白电的零售额规模达到709亿元，零售额渗透率将达到23.9%。

科尔尼合伙人、亚太区通信与电子业务负责人道博斯坦（Nikolai Dobberstein）表示：“近年来中国已经成为全球增长的关键推动力之一。首先，国家整体经济的快速增长带来家庭收入水平增加；其次，中国成为全球最大的互联网市场。这两大因素将让中国成为亚洲乃至全球最大的智能家居市场之一。”

道博斯坦J为，中国已经拥有完善的设备和技术生态系统，能够加速智能家居行业的发展。腾讯、百度和阿里巴巴等本土技术巨头，以及小米和海尔等已经在生产智能家居产品的本土设备制造商将成为行业的主要推动者。但是由于牌照和审查制度等原因，国际技术公司很难打入中国智能家居市场。

报告指出，四个重大的变化趋势使得联网智能家居在亚洲成为现实，同时，这四大趋势将加速智能家居市场的进一步扩张。

首先是互联性和智能化。智能手机在技术和处理能力方面的进步大大提高了家居设备的互联性。大数据和人工智能的采用，让部分应用能够迎合用户的需求和期望，使得家居生活日益智能化。

其次是互操作性。随着不同制造商生产的产品之间的互操作性不断增强，智能家居应用在消费者中逐渐普及。产业联盟为标准化协议和开放平台所做的努力使得智能家居生态系统不断完善。

再次是产品成本。几乎各类家居设备都已经是自动化产品，有80%已经实现了智能化并且在市面上可以购买。随着关键技术和部件的成本下降，智能家居设备如洗衣机、冰箱和门锁等的价格也将更加亲民。

最后是全新盈利模式。智能家居应用正在与更广泛的网络相联，从而连接生态系统内的所有企业，催生全新的盈利模式。例如带有液晶显示器的联网冰箱可以通过线上广告带来收入。

智能家居市场为行业内的所有企业都提供了宝贵机会，但是要取得成功，必须要同时具备几个关键的因素，包括平衡本地和全球战略，从产品导向快速转变为服务导向，找到正确的合作伙伴，整合智能家居集成平台。

随着智能语音市场的不断扩容，在众多智能家居产品中，语音助手成了行业内的关注热点。可以说，现阶段智能语音是人工智能巨头间的必争之地。谷歌和亚马逊正在开发的新技术，让用户可以获得更好的体验。除此之外，微软、苹果都在积极拓展其生态系统，三星、脸谱等巨头也在进行知识储备。

Gartner预测，到2018年，30%的人机交互通过自然语言完成。百度首席科学家吴恩达认为，语音搜索准确率从95%提高到99%，是人机交互应用爆发的转折点，到2020年，至少50%的搜索将是语音搜索。可以说，自然语言交互就是下一代的人机界面。未来，人工智能与家居行业的融合，将为人们带来全新的体验。

以人们最常用到的家电空调为例，现在已经在市面上进行销售的智能产品非常多，比如可以对用户的使用习惯和周围空间进行认知，并通过云网络连接到设备的传感器和摄像头收集数据，借助非结构化数据进行学习的LG空调；具备自动清洁功能、能够通过Siri控制、能自学用户行为习惯、记录分析能耗情况并自动调整运行模式的海尔空调；基于腾讯物联云技术，通过手机QQ控制家电运行状态的美的空调。

美的集团近日了其“智能+”战略，推出了“i+智能”系列产品计划，要让各个设备实现互联的同时也具备智能交互等功能，以实现家电设备的互联互通、智能学习。四川长虹近日也了人工智能电视长虹CHiQ（启客）。这款电视基于完善的技术逻辑与大数据运营，实现了自然语音交互、深度学习和应用软件自动迭代等系统能力的整合。

长虹认为，CHiQ人工智能电视在认知层面取得了重大突破，基于长虹自主研发的Ciri+语音平台，实现了以人为中心的高效语音交互协同和语义识别与理解。语音识别率达到97%，人与电视的自然语音交互距离达到30米，即用户在家中任意角落都可以用语音和电视交互。

更智能的交互

最近，美国佐治亚理工学院（Georgia Tech University）的学生们十分惊讶地发现，他们乐于助人的助教居然一直是一个机器人。尽管在使用初期遇到一些困难，但是现在机器助教回答学生们问题的正确率高达97%。佐治亚理工学院的研究发现，学生们退学的主要原因是缺乏支持。因此，他们设计了这款机器助教。

有了人工智能，人们的学习方式会发生改变：速度不同，起点不同。人工智能将会把人们引入未来，人们会以更个性化的方式学习。世界上没有任何一个教育体系能为每一个孩子都配备一个家庭教师，而人工智能可以满足这一需求。

微软现在做的事情和美国佐治亚理工学院类似，不过他们的愿景更加宏大――构建跨越媒介、应用、服务与基础架构的真正的人工智能系统。“我们一直在努力实现技术全民化。有了人工智能，我们便可以通过以下两种方式来实现这个目标：一种是将其融入像Office 365这样的产品中，另一种是构筑一个平台，让其他人也能在此平台上开发产品和不断创新。” 微软全球执行副总裁沈向洋博士表示。这个平台被称为微软认知服务，它包含了25个应用程序接口，可以提供诸如语音、语言、知识和搜索之类的智能功能。

当前，我们正处于向计算领域下一代主流平台进军的早期阶段。由于人工智能领域所取得的一系列重大进展，新一代平台将以对话这一人类最自然的行为为核心来构建。新的时代正在到来，人机交互的方式将从过去人类操作计算机的时代进入到让计算机了解人类和人类的动机并积极予以回应的新时代。

对话，一方面是强调完成任务、提升生产力，另一方面是情感连接。要想真正实现人工智能，就必须从两个方面同时发力。

微软的长远战略是，像小娜（Cortana）这样的应用不但要有智商，还要有情商。基于这一理念，微软再次进行创新，Zo到来了。

Zo是一款社交聊天机器人，她是基于微软在中国和日本大获成功的人工智能社交聊天机器人小冰与凛菜而打造。现在，你可以在Kik社交平台上与她交谈，就像和人类朋友聊天一样。未来，微软计划将Zo扩展到其他社交平台，例如Skype和Facebook Messenger。

Zo是利用海量互联网社交内容构建而成的。她从人类互动行为中学习，以便从情感与智能角度做出响应，提供独特的观点，并懂得礼节与表达情感。但是她同样还有强大的核对与平衡机制，以保护自己免遭不当利用。

微软在描摹人工智能与对话计算的前景时，还有一个很重要的部分是应用所扮演的角色，比如小娜。现在，在全球13个国家和地区，有超过1.45亿人正在使用小娜。小娜可以没有限制地跨平台、跨各种连接设备使用。

微软认为，每个人都应该拥有自己的个人助理，以便在我们奋力打拼的同时，帮我们处理好一切问题。“要实现这样的目标，我们需要先关注一下个人助理可以帮助你分担哪些工作。我们当中有一半人会通过电子邮件，定期为自己发送任务或提醒。许多人会使用任务清单。我就曾在办公室的墙壁上贴便笺。”微软合作伙伴群组计划经理马库斯・阿时（Marcus Ash）表示，“我们正在想方设法把那些影响用户掌控全局的问题清除掉。”

篇5

2017年什么概念最火？人工智能当之无愧。作为新兴热点，人工智能领域的公司很多还处于创业阶段，在A股市场中成熟的公司虽然也有或多或少涉足，但总体还处于探索阶段。

咨询公司Venture Scanner统计，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。

在这13个种类中，研究机器学习（应用）的人工智能公司数目最多，达260家，约占整个行业的30%。从区域分布情况来看，欧美等西方国家发展较为迅猛，其中美国以499家人工智能公司占据绝对主导地位，且初创公司数量众多;而以中国为首的发展中国家在人工智能领域显然仍处于起步阶段，真正布局该产业的公司较少，以传统互联网巨头进军人工智能领域为主。

目前较为成熟的感知智能技术（如语音、视觉识别的服务、硬件产品等）的应用开发所形成的新“人工智能+”将引领产业变革，成为推动社会飞跃发展的新动力。在传统产业，人工智能可以在制造业、农业教育、金融、交通、医疗、文体娱乐、公共管理等领域得到广泛应用，将不断引入新的业态和商业模式;在新兴产业，人工智能还可以带动工业机器人、无人驾驶汽车、VR、无人机等处于产业生命周期导入期的公司飞跃式发展。

从具体应用方向来看，如今十分火热的工业4.0、人脸识别、智能答题机器人、智能家居、智能安保、智能医疗、虚拟私人助理等人工智能概念是有望得到快速爆发的重点领域。目前人工智能在图像识别、语言识别和自然语言处理，以及人机交互、机器视觉、自动驾驶等方面都已经成功应用。

人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局;通用技术层是构建技术护城河的基础，需要中长期进行布局;解决方案层直戳行业痛点，变现能力最强。

基础层公司 多为传统IT转型

人工智能基础层就是我们常说的大数据、云计算、CPU等。目前国内上市公司中在人工智能基础层方面相关的公司包括久其软件、东方国信、天玑科技、浪潮信息、恒生电子、拓尔思等。

恒生电子（600570.SH）2016年成立了恒生研究院，负责人工智能、区块链、大数据等前沿技术的研发。区块链课题，恒生电子作为发起单位加入了金融区块链合作联盟（金联盟），并加入了linux基金会hyperledGEr开源项目等。

久其软件从最初的软件提供商到移动互联和大数据运营的再次验证，未来定位基于高端客户资源大数据和移动互联网变现的不断执行公司。公司创立之初以报表管理软件切入，为政府提供结构化数据分析和整理，并进一步提供完整解决方案，现已发展成集大数据、集团管控、电子政务和移动互联领域软件于一身的大数据解决方案提供商，A股稀缺。

拓尔思（300299.SZ）大数据服务领域稀缺纯正标的。公司脱胎于北京信息科技大学中文信息处理研究中心，自1985年起便开始研究中文信息检索，目前公司已拥有大数据领域非结构化数据处理技术，在大数据分析领域具有较高的技术壁垒，从底层技术、平台产品到应用产品服务技术全产业链布局。随着非结构化数据的地位在整个大数据领域中的不断上升，拓尔思有望进入高速增长期。

科大讯飞（002230.SZ）是A股人工智能龙头，公司在以“从能听会说到能理解会思考”为目标的讯飞超脑项目上，持续加大投入，在感知智能、认知智能等领域均取得显著研究成果。

技术及应用层公司 靠智能制造落地

人工智能技术层主要涵盖了框架、算法、通用技术，目前人工智能算法大体上流行12种，这12种算法包括决策树、朴素贝叶斯分类器、最小二乘法、逻辑回归、支持向量机、集成学习、聚类算法、主成分析法、SVD矩阵分解、独立成分分析、关联规则、其他方法等。

人工智能算法通过AlphaGo与柯洁的人机大战，成为当前数据分析领域中的一个热点内容。目前通用的框架层：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统。作为投资者或者普通消费者更多的会关注通用技术如：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件，毕竟通用技术与我们日常生活习习相关，如你们平时所能看到的智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。

目前，A股市场有59家公司涉足机器人产业，部分公司通过收购进入这个领域。以昆仑万维为例，公司收购美国的机器人公司WooboInc.，致力于开发人工智能技术驱动的交互式机器人;在东方网力的18.30亿元增发方案中，1.57亿元拟投入智能服务机器人项目。

人工智能目前最看好生物识别，如远方光电和佳都科技。金融科技Fintech围绕IT与金融创新展开。虚拟的网络战争已经开始，IT安全有更大的弹性。无人驾驶里有四维图新和中海达。绕着人工智能产业链有很多投资机会，大数据是产业链发展起点，作为数据采集的关键通道，传感器至关重要，如汉王科技;云计算、大数据处理技术支撑上，国内FPGA（可编程性）稀缺标的紫光国芯;人工智能应用场景上防领域佳都科技、营销领域浙江富润等相关的上市公司。

我国在人工智能领域底层的计算机体系架构、智能硬件、软件应用虽有技术积累质的进步，国内人工智能的产业发展和商业化路径划，依然需要借鉴国外的产业政策引导和企业商用成功模式。

篇6

“人工智能真的无所不能吗？”

“人工智能长得和人一样吗？”

“我能和人工智能谈恋爱吗？”

去年3月以来，借助AlphaGo 4：1战胜韩国名将李世石九段的东风，人工智能席卷了全球的注意力。

不过，时至今日，面对人工智能，公众最常见的表情依然是好奇、迷茫或讶异。我们真的知道什么是人工智能吗？我们真的准备好迎接人工智能浪潮了吗？

AI来袭！

近日，因争夺搜索引擎话语权而有过过节的两位大佬李彦宏和李开复又“杠”上了，这一次，他们争夺的焦点是人工智能的舆论话语权。

不是冤家不聚头。4月下旬，李彦宏的著作《智能革命：迎接人工智能时代的社会、经济与文化变革》正式出版。紧接着，5月初，李开复的《人工智能》一书开始签售。李彦宏到处宣讲，“互联网的下一幕就是人工智能。”李开复更加干脆，直接说，“我不是李开复，我是人工智能。”

虽然目标不同，但其实两人现阶段做的是同一件事――为人工智能时代的到来摇旗呐喊。

“人工智能来了！”

这句话对不同的人群有着完全不同的意义。计算机科学家将之誉为“第四次技术革命”;社会学家、经济学家将之视为已经或即将对人类经济结构、就业环境发起挑战的“洪荒之力”;商业巨头、创业精英、科幻作家、影视编导们则乐于肆无忌惮地展开想象，将之渲染成为人类未来的天堂或地狱。

不过，对于绝大多数不了解技术细节，或不具备丰富想象力的普通人而言，知道的人多，了解的人少。

什么是人工智能？打开百度百科，人们可以看到这样一段话：人工智能（Artificial 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的技术科学。它是计算机科学的一个分支，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。它从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

对于普罗大众而言，百度百科的解释听起来有点过于专业，相比较而言，在人工智能领域的经典教材、出版于2013年的《人工智能：一种现代的方法（第3版）》中，著名人工智能专家罗素和诺威格给出的定义则较为通俗易懂，他们从四个方面对人工智能进行了定义，即：能够像人一样思考、像人一样行动、合理地思考、合理地行动的机器。

人工智能其实不是一个新概念，日前，首都图书馆刚刚举行了一场关于人工智能的科普讲座。据北京师范大学系统科学学院副院长韩战钢介绍，人工智能这一概念正式提出是在1956年的达特摩斯学会上，至今已有60多年的时间。

纵观这60多年，人工智能经历了两次红利期。

上世纪60年代，人工智能迎来了第一个红利期，当时的科学家们自信并且疯狂，“二十年内，机器将能完成人能做到的一切工作”成为当时科学界的主流声音。

上世纪90年代人工智能迎来第二个红利期，标志性事件是IBM的“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，当时造成的影响丝毫不亚于今天AlphaGo的围棋大战。

当下或是人工智能的又一个红利期。一方面，图像识别、深度学习等人工核心算法日渐成熟，另一方面，人工智能研究走出实验室，科技公司开始成为人工智能的主要推动者。

更重要的是，资本开始对人工智能表现出了前所未有的青睐。据有关机构数据统计，2016年底-2017年初，国内各大机构在关于今年投资方向的98篇讨论中，人工智能的提及次数占48次，是第二位“文化娱乐”的1.8倍。市场火热程度毋庸置疑。 好奇 去年3月以来，借助AlphaGo 4：1战胜韩国名将李世石九段的东风，人工智能席卷了全球的注意力。不过，时至今日，面对人工智能，公众最常见的表情依然是好奇、迷茫或讶异。

不只是炫技

看到“人工智能”这几个字，可能有的人立马会想到围棋、神经网络、深度学习等名词，也有的人会想到大学里的人脸识别、立体视觉建模等研究项目，还有的人会想到终结者、外太空等高大上的内容。但可能98%的人都会有这样的疑问：除了下棋，这些东西研究了到底对我有什么实际用途？

事实上，“人工智能”已经从很多方面对我们的日常生活产生影响。通过梳理乌镇智库、阿里云研究中心、艾媒咨询、麦肯锡等多家机构近期的人工智能专题报告，记者发现，目前人工智能发展较为火热的主要包括以下几个领域：

首先，个人助手。这是目前最为普及的一个领域。如果要诠释这个，看一遍电影《Her》就可以了，其中的人工智能操作系统萨曼莎不仅可以帮助主人公快速处理各种邮件、文件等工作，还能像朋友一样与之互动和交流。

现实中，这样的个人助手也正在在走入我们的生活中，如苹果的Siri、微软的Cortana 以及谷歌的Google Now，国内也有科大讯飞的灵犀、图灵的虫洞语音助手等，这些语音助手现在一般是存在于PC或手机之中，近年随着服务机器人的发展，它们开始有了新的载体。而机器人除了有语音功能外，还具备自主行动的能力，因此有望在其他方面帮助人类。

其次，无人驾驶。谷歌、特斯拉、苹果甚至是宝马，它们目前都在开发自己的无人驾驶汽车，谷歌的车已经在公司附近的山景城测试了无数次，虽然交通事故也发生过十多起，不过基本上都属于小摩擦，尚未造成严重损失。关于这些无人车何时能正式大量地上路载人，业内普遍的说法是2020年，目前它们在物体识别以及交通规则上仍在学习中。

再次，健康医疗。在AlphaGo与李世石比赛前，谷歌就已宣布这个创造出AlphaGo的Google DeepMind实验室将进军医疗技术领域。他们成立了DeepMind Health团队，与英国伦敦帝国理工学院和伦敦皇家自由医院展开合作。他们还推出了一款名为 Streams的移动端应用程序，医疗人员可以利用Streams更快地观察到医疗结果。

第四，金融投顾。“人工智能”的风潮在各行业涌动，金融领域也不例外，“智能投顾”成为金融科技的新宠儿，从华尔街投行到国内金融科技创业公司，纷纷涉足，给自己贴上“智能投顾”的时髦标签。 拥抱 虽然仍存诸多争议，但随着技术的进步，越来越多的人开始相信，人工智能就像很多大师所讲的，未来，将和水和电一样无处不在。

另外，艺术创作一直是人类精神活动的最高级形式，自古以来，人们认为只有人类的智慧才能创作出艺术作品，玄而又玄的艺术风格尤为深奥。但近些年来，人工智能的发展正对艺术创作产生了一些很微妙的影响。去年3月份，伦敦艺术家Memo Akten和谷歌人工智能共同完成的一组GCHQ（英国通信总部的缩写）画作拍出了8000美元的高价;同年9月，索尼音乐的计算机科学研究实验室了两首完全由人工智能作曲的流行歌曲《Daddy's Car》和《The Ballad of Mr Shadow》。而最新消息显示，除了画画、作曲，人工智能创作的第一部诗集《阳光失了玻璃窗》也已于近日正式面市。

虽然仍存诸多争议，但随着技术的进步，越来越多的人开始相信，人工智能就像很多大师所讲的，未来，将和水和电一样无处不在。

中国不容错失的战略机遇

在多家中国科技巨头积极研发的推动下，中国已成为全球人工智能的发展中心之一。众多的人口和完整的产业结构给中国提供了创造海量数据和广阔市场的潜力。随着老龄化的加速，中国提升生产力的要求愈l迫切，因此人工智能技术的运用对中国未来的经济发展至关重要。

据麦肯锡近期的《中国人工智能的未来之路》报告书显示，中国与美国是当今世界人工智能研发领域的领头羊。仅在2015年，两国在学术期刊上发表的相关论文合计近1万份，而英国、印度、德国和日本发表的学术研究文章总和也只相当于其一半。

并且，中国的人工智能发展多由科技企业推动引领。得益于大量的搜索数据和丰富的产品线，一些互联网企业走在了自然语言处理、图像和语音识别等技术前沿。这些技术被整合应用于新产品中，如自动化私人助理、自动驾驶汽车等。

麦肯锡表示，中国有充足的理由对其在人工智能领域的潜力感到乐观。庞大的人口基数产生的海量数据正是“训练”人工智能系统的前提条件。“范围经济”也是中国的优势所在，广泛的行业分布为人工智能的应用提供了广阔市场。

自18世纪工业革命以来，每一次技术革命都重塑着全球竞争格局。中国曾经错失了前几次科技革命的历史机遇，这一次，人工智能是中国绝不能错失的战略机遇。麦肯锡认为，完成中国制造业“从汗水驱动到创新驱动”“从齿轮驱动到智能驱动”的升级，人工智能是中国实现转型升级的战略机遇之一。

对此政府部门已经开始行动，给予了有力的政策支持。3月5日上午，国务院总理发表2017政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，“人工智能”也首次被写入了全国政府工作报告。而在发改委印发的《“互联网+”人工智能三年行动实施方案》中，也已明确了我国人工智能的总体思路、目标与主要任务。该方案指出，到2018年，将在重点领域培育若干全球领先的人工智能骨干企业，初步建成基础坚实、创新活跃、开放协作、绿色安全的人工智能产业生态，形成千亿级的人工智能市场应用规模。

再加上之前科技部新闻，“科技创新2030―重大项目”或将新增“人工智能2.0”，中国AI人最好的时代已经到来。

然而，目前，我国发展人工智能还存在一些短板，急需补齐。麦肯锡在研究报告中将中国人工智能发展瓶颈归为了数据、算法、计算力三大问题。

数据瓶颈。正如人类通过食物得到能量，人工智能也不能在没有稳定的数据来源的情况下运行。这些系统必须要有大量的数据，以供它们“训练”，不断改进和完善产出的结果。在数据方面，存在几个问题可能阻碍中国的AI发展。首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对较少。最后，限制跨国的数据流动也使中国处于全球合作中的不利地位。

算法瓶颈。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。目前，中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。然而，中国在基础研究方面落后于美国和英国。一个主要原因是人才短缺，招纳人才对中国的AI发展至关重要。据悉，美国超过一半的数据科学家有10多年的工作经验，而在中国，经验不足5年的研究人员高达40%。

计算力瓶颈。计算力不是中国人工智能商业发展直接的瓶颈。随着微处理在全球市场得到广泛使用，计算能力已经成为可以轻松获得的东西。但中国仍然不能忽视发展自己的先进半导体、微处理器和高性能计算技术的重要性。计算能力是AI的基础之一，具有战略上的重要性。中国历来严重依赖国外的微芯片供应商。对某些类型的高价值半导体，中国几乎完全依赖进口。但是，在2015年，美国政府禁止全球三大芯片供应商Intel、Nvidia和AMD向中国政府销售高端超级计算机芯片。对核心技术供应实现更强的控制有助于提高中国在未来更广泛地部署人工智能系统的能力。

未雨绸缪“全民基本收入”争议中前行

人工智能是中国加速生产力发展的一个重要机遇，也是解决人口老龄化的一个关键。虽然人工智能的崛起非常有可能会创造出新的产品和服务，进而催生出新的职业和生意。正如几十年前，没人可以想象，现在竟然有大量的工作与互联网经济有关一样，人工智能也有类似的变革效应。但是，目前，可预见的现实问题更多的还是就业替代问题。

据李开复估算，10-15年后，全球将有50%的就业被人工智能所取代，包括翻译、记者、助理、保安、司机、销售、客服、交易员、会计、保姆等工作。而中国这一问题将更加严峻。

对此，李开复也提出了自己的一套“解决方案”。首先，他建议所有大学生努力在所学领域垂直纵深发展，深到人工智能无法取代;其次，他认为跨领域发展将成为一种趋势，因为目前人工智能在单领域、大数据方面具有天然优势，但对于需要跨领域的、高深的、需要深度思考的内容，未来十年人工智能也无法完成;再次，由于计算机在艺术、幽默、电影和创造等“感性”领域的“无能”，文科涉及的领域或许会迎来新的发展机会;最后，也是最重要的是，我们需要做好未来走向服务业的准备。

“所谓的服务业，指的是涉及人与人之间的交流，人与人之间的同理心，以及如何自己更有爱、更受欢迎的行业……”李开复强调，“这其实是确保人类对人工智能保有竞争力的一种方法。”

这一问题也引起了经济学界、社会学界的高度关注，多位专家学者呼吁，政策制定者需要充分考虑人工智能可能带来的对劳动力市场的潜在破坏，并为此做好准备。

5月7日，在“中国经济真问题――‘中国的坎’研讨会”上，在谈论中国中等收入陷阱问题时，国务院发展研究中心研究员魏加宁特别强调，“科技创新本身也是拉大收入差距的一个重要因素。尤其是现在人工智能技术、机器人快速发展以后，很多人将会面临失业的问题。”

针对这一问题，目前一些国家已经开始未雨绸缪，其中芬兰的“全民基本收入”方案尤其值得关注。

近年来，“全民基本收入”方案在全球尤其是欧洲进入一些国家的政治议程，一个重要背景就是生产自动化的快速发展，以及失业率在全球金融危机时期居高不下。人工智能近年来的突破性发展，及其在可见未来对生产自动化的强有力推动，使得人们越来越忧虑未来失业率继续攀升的前景。众多研究人工智能及其社会影响的专家，都将“全民基本收入”视为应对人工智能时代就业状况的主要策略之一。

“全民基本收入”方案的关键是，在一国或一个地区之内，所有公民无论贫富，无差别地获得数量相同的基本收入。2016年6月底，芬兰政府宣布就“全民基本收入计划”进行试验。2017年1月，芬兰正式给2000名随机抽选的民众发放每月560欧元的“基本收入”。芬兰政府的试验计划是目前欧洲国家在这一领域走得最远的。

篇7

关键词：人工智能；AI；视觉技术；计算机技术

随着科学技术的飞跃发展，人类社会已经逐渐步入了人工智能时代。2016年3月，当人工智能机器AlphaGo以悬殊比分打败世界围棋冠军、韩国围棋职业九段选手李世石后，世界为之惊呼：人类智慧是否要被人工智能的机器人超越？而在现实当中，人工智能的运用领域越来越广泛，在医学、机械、地质勘探、石油化工、安保、交通、通讯、军事等领域，人工智能已经显示出了其强大的作用。在2016年世界互联网大会上，人工智能被冠以“四大热词”之一备受关注，世界互联网大佬们都对人工智能抱以极大的重视和热情。可以预见，人工智能必将像人类历史上的几次科技变革一样，颠覆性地改变人类的未来生活。

一、人工智能的概念

什么是人工智能呢？人工智能（Artificial 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的技术科学。美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这个说法通俗地反映了人工智能学科的基本思想和基本内容。

二、人工智能发展的历程及在生活中的运用

人工智能的发展，不断更新着人们的生活观念，改变人们的生活习惯。可以说，未来的时代是属于人工智能的时代。那么，人工智能是如何发展到今天这样的格局、而且展示出未来无可限量的使用前途的呢？我们先来回顾一下人工智能的发展历程。

人工智能学科的诞生与发展，是以计算机科学技术的不断进步成熟为基础的。人工智能的发展大致经历了三个时期：

（一）第一阶段：上世纪四十年代至五十年代中期。这个时期是以控制论、信息论和系统论为理论基础，是人工智能探索的前期。1950年，英国数学家图灵提出机器可以思维的问题，直接推动了现代人工智能的发展。

（二）第二阶段：二十世纪五十年代中期至八十年代末。这个时期被称为经典符号时期，人工智能开始与认知心理学融合发展。

（三）第三阶段：二十世纪八十年代末到现在，这个时期又被称为人工智能发展的联结主义时期，主要通过人工神经网络来模拟人脑的智力活动，当然也开始朝向多元化的方向发展。

目前，人工智能在生活中的运用在逐渐普及，人类已经开始享受到人工智能带来的便利。采用人工智能技术，让机器具备一些人工智能，并且能做人无法完成的工作，这种双重属性，让人工智能技术拥有广泛的运用空间。

首先，人工智能的“觉”技术应用广泛。在医学上，可以运用人工智能进行预测、检测、诊断和治疗；在高端安防和监测领域，指纹识别和人脸识别技术已经能够成熟运用。

其次，人工智能已经运用于互联网尤其是搜索引擎技术当中。比如大家都知道的谷歌搜索，表面上是一个搜索引擎，实际上里面的搜索机理跟人工智能程序相同。我们现在觉得搜索引擎是越来越“聪明”，越来越人性化，就是这个道理。

另外，我们通俗意义上理解的机器人，正在变得越来越“聪明”。它们可以带着“人”的特征，做一些我们真正的人做不到的事情，或者为我们人类提供生活上的服务。比如航空航天领域的机器人、地质勘探中使用的机器人设备、游戏博弈领域的机器人棋手等。随着科技技术的发展，人工智能的发展已经开启了新的篇章，很多以前只能在科幻片里看到的场景，已经开始变成了现实。

三、人工智能对人类未来生活的影响

人工智能的发展现状和展示出来的未来远景，让人相信它必将为人类的未来带来翻天覆地的变化。甚至有观点认为，随着智能科技的发展，或许有一天人工智能设备将对人类的生存带来挑战甚至是危险。那么，人工智能对人类未来的生活将有哪些影响呢？

（一）人工智能的发展，可以让我们人类更安全。比如：人工智能机器人的发展，未来可以代替人来照顾老人和病弱者，让人生活得更长久，并且可以把更多的人手解放出来；车祸和天灾将会因为人工智能技术的使用变得更少，人们可以根据危险情况采取更有效的扼制手段。

（二）人工智能技术将使人变得更能干，工作效率更高。把人工智能技术和人的智慧结合，相辅相成，可以让人类的思想认知得到延伸；同时，依靠人工智能技术，我们人类将变得更为强大，完成为我们人类自身现在还不能完成的事情；依靠人工智能技术，也许未来人类将变成我们现在想象当中的“超人”，拥有超出目前视觉、听觉和操控力的超能力。

（三）人工智能技术将解决许多我们人类目前无法解决的一些难题。比如现在人类面临的大气变化、环境污染等世界性难题，可能会因为智能科技的发展而在某一天得到彻底解决。如果说，人工智能在未来可能会拯救世界，这绝对不是一种夺人眼球的夸夸之谈。

（四）人工智能的发展，可以让我们人类生活的空间得到大大的拓展。我们人类在几十年前就已经开始进行外太空的探索。人工智能的发展，对于宇宙空间探索事业而言无异于如虎添翼。

（五）最后，人工智能的发展，让我们人类多了一位“朋友”。只要做好对智能设备的控制，那么人工智能就能够最大限度地为人类生活服务，并且风险降到最低。

四、结语

人工智能的发展，是人类科学技术发展的必然趋势。面对这一趋势，我们应该保持积极乐观的态度，不断拓展，锐意创新，真正让人工智能促进社会的进步与发展，最大化地惠及我们的生产生活。

参考文献：

篇8

深度学习领衔多层级布局 打造差异化AI服务

根据Tractica的报告，作为世界三大尖端技术之一的人工智能到2025年将有368亿美元的全球市场规模。为此，目前阿里云、腾讯云、金山云都开始纷纷涉足并相关人工智能计划和产品。但从AI过去几十年的发展历程可知，人工智能的发展一直受到关健技术――深度学习能力的制约。

金山云选择在基于算法和数据的基础上，重点打造深度学习能力，并由此形成自身在人工智能领域的核心竞争力。侯震宇表示：“目前，金山云KDL（金山云深度学习平台）已是国内云计算企业中首个实现商用的人工智能云PaaS平台，并且已经应用在WPS office 、mail和金山词霸中，为客户提供开发、评估、训练、预测等支持，全面帮助WPS快速接入AI。”与此同时，为了增强KDL的能力， 保持行业领先性，金山云也在底层IaaS 服务能力不断发力。比如，金山云提供异构超算平台KHSP，帮助企业获得大规模分布式的高性能计算能力和深度学习研发的强劲动力等。

云计算为深度学习提供了平台，而深度学习则是云计算和大数据日趋成熟的背景下取得的实质性进展。因此，在深度学习方面能力的突破将使云计算企业在人工智能领域获得更多话语权。不过，要全面进军人工智能并分食这块大蛋糕，金山云还有更全面的布局。

一方面，金山云将瞄准人工智能的SaaS应用层。侯震宇指出，金山云将在人工智能应用层面发挥自身优势资源，通过与小米及其生态链的各企业合作获得人工智能所需的图像识别、语音识别、自然语义理解等方面的能力，小米的丰富场景和金山云的人工智能结合将能实现双赢。

另一方面，对于更上层的行业解决方案，侯震宇表示：“在传统行业经济疲软的背景下，人工智能与传统行业的结合必将成为新经济的代表，并将为人工智能市场带来更大的想象空间。因此，金山云将发挥在政务、医疗、物联网、金融、交通等行业的技术能力和经验，让AI获得更多实际行业的解决能力，从而推进各行业的全面产品升级。

全栈云服务构建AI基石

事实上，不管是语音识别、图像识别还是自然语义理解，大数据是人工智能研究前进了一大步的关健原因，同时支撑大数据分析平台的云计算也成为提高深度学习神经网络的重要保障。侯震宇在会上表示：“金山云KAP人工智能云，有包括云计算、大数据和云存储的强大的全栈云服务能力做支撑。”

篇9

市场层面上，随着旷视科技Face++C轮融资4.6亿美元、商汤科技B轮融资4.1亿美元、明码生物科技B轮融资2.4亿美元等多笔融资的完成，众多国内人工智能初创公司再次创下惊人的融资数。而据美国公司TechCrunch统计，今年自动驾驶领域全球融资的数额到11月初已经达到14亿美元，已经远超去年全年的6.3亿美元，全球资本市场对于人工智能在无人驾驶的发展也无疑是看好的。据易观咨询的《人工智能理财市场专题分析》报告，人工智能在金融的应用已被提至新高度，预计中国人工智能理财规模到2020年将达到5.22万亿。

今年9月，高盛在其的《中国在人工智能中崛起》报告中也提到，中国已经成为人工智能领域的主要竞争者，BAT将是中国第一批人工智能受益者。值得注意的是，离开中国大陆七年之久的谷歌已经借AI实验室成立选择回归。而以百度、阿里巴巴，腾讯为首的互联网巨头也纷纷宣布全面布局人工智能领域，并且实施了多起海外并购。晨哨集团研究部也根据并购决策方及标的在业界的影响力、并购产业链布局及并购金额等综合因素选取出人工智能领域10宗有代表性的跨境并购案例：

百度收购硅谷科技创业公司xPerception今年4月份，百度宣布收购硅谷科技创业公司xPerception，具体金额未透露。

xPerception是创立于硅谷的初创公司，是一家专注于机器视觉软硬件解决方案的科技公司，面向机器人、AR/VR、智能导盲等行业客户提供以立体惯性相机为核心的机器视觉软硬件产品，此前曾获得真格基金天使投资。

针对此次并购，百度表示，收购之后xPerception的核心团队均加入百度研究院，加速包括AR、自动驾驶和机器人在内的百度人工智能业务矩阵的产业化。

百度全资收购美国初创公司KITT.AI今年7月份，百度宣布全资收购美国初创公司KITT.AI公司，并把KITT.AI公司的语音能力和自然语言处理能力融入到百度平台中，全面免费向百度的合作伙伴赋能开放。知情人士透露，本次收购的价格也在亿元之上。

资料显示，KITT.AI成立于西雅图，是一家专注语音唤醒和自然语音交互技术的公司，曾经入选了美国知名创投研究机构CB Insights人工智能创业一百强，并获得微软联合创始人Paul Allen和亚马逊子公司Alexa投资。公司创始成员包括JHU博士姚旭晨(CEO)、JHU博士陈果果(公司CTO)等。

Kitt.AI共开发了三款产品：Snowboy(可定制的词典检测引擎)，NLU(多语言自然语言理解引擎)和ChatFlow(多圈谈话引擎)。

百度表示，收购KITT.AI是利用其强大的语音能力和自然语言处理能力用在软硬结合的过程中强化体验，而百度在AI领域的广泛布局为对于KITT.AI技术的落地应用提供了良好的现实基础。

百度、蚂蚁金服、启明创投等参投数据库人工智能平台TigerGraph3100万美元A轮融资今年11月，企业级实时图数据库人工智能平台TigerGraph在华创思享会上宣布获得3100万美元A轮融资，本轮融资来自启明创投、百度、蚂蚁金服、华创资本等公司。

资料显示，TigerGraph，是新一代企业级的实时图数据库平台，总部位于纽约，它的技术突破代表着图数据库演进的下一个里程碑——一个完整的、分布式的并行图计算平台，能够支持网络规模数据的实时分析。其技术能够支持网络规模数据的实时分析，可适用于大图——深度链接分析的最佳模型。他们能够探索、发现和预测关系，并且应用于个性化推荐，反欺诈，供应链物流优化，企业知识图谱等，其客户包括支付宝、VISA、软银、以及美国的wish等知名初创公司。

腾讯跟投人工智能创业孵化器Element AI A轮1.02亿美元融资2017年6月，加拿大人工智能咨询公司Element AI宣布获得1.02亿美元A轮融资，由Data Collective(DCVC)领投，Tencent(腾讯)Intel Capital(英特尔投资)，Microsoft Ventures(微软创投)等跟投。

资料显示，Element AI是一家人工智能创业孵化器，于2016年10月由机器学习先驱YoshuaBengio等共同创立的。Element AI宣称，为全球网络安全，金融科技，制造，物流和运输，机器人等领域的企业提供AI解决方案，已开发出了一种“独特的、非剥削性的学术合作模式”，其学习算法也已经在多家机构中被应用，并让用户能够将人工智能应用在其网络安全、金融技术、物流等产品上以获取相应数据。

腾讯、创新工场和TCL资本等参投美国儿童机器人创企奇幻工房Wonder Workshop获4100万美元C轮融资今年10月30日，美国加州儿童机器人教育科技创企奇幻工房Wonder Workshop宣布获得4100万美元的C轮融资，投资方包括腾讯、创新工场和TCL资本、CRV、Madrona Venture Group、香港Bright Success Capital等。截至目前，该公司的融资总金额已经达到了7834万美元。

资料显示，奇幻工房业务覆盖全球37个国家，其明星产品是Dash和Dot两款机器人，并且为儿童提供了可视化编程工具，让儿童通过自己编写的软件操控“达奇”和“达达”两款机器人。目前，该公司已经开放了应用程序接口，允许开发人员基于上述两款机器人构建应用程序。另一方面该公司特别针对中小学生推出了“Teach Wonder”教育项目，旨在从学校为切入口来推广机器人编程，并且在社交媒体上积极推广产品。

阿里参投美国初创公司Magic Leap 5.02亿美元D轮融资美国增强现实(AR)创业公司Magic Leap，该公司刚刚完成了一笔5.02亿美元的D轮融资，其估值已经接近60亿美元。由新加坡淡马锡控股领投，阿里巴巴、谷歌等公司参投，此轮融资正值Magic Leap的一款在现实图像上叠加虚拟影像的增强现实眼罩产品之际。

资料显示，Magic Leap成立于2011年。其创始人Rony Abovitz曾是MAKO外科手术机器人公司的创始人。而Magic Leap是一个类似微软HoloLens的增强现实平台，主要研发方向就是将三维图像投射到人的视野中，但是它的研发的技术目前依然处于绝密状态。

一份法律文件显示，Magic Leap正在开发人工智能机器人。Magic Leap已在加州北部地方法院对两名前员工提起诉讼，其中一名被告是Magic Leap前先进感知和智能高级副总裁加里·布拉德斯基(Gary Bradski)。他在机器人和人工智能领域有着丰富经验，此前在Magic Leap开发私有技术，参与了涉及机器人深度学习技术的项目和计划。

复星1336万美元投资德国初创公司NAGA复星在今年3月以1336万美元投资德国公司NAGA，NAGA是一家通过为用户提供创新性的智能投顾产品和交易服务的公司。

智能投顾(Robo advisor)凭借人工智能分析客户需求匹配金融资产的资产配置手段。它利用智能化算法，根据投资者具体情况，运用一系列投资组合优化的理论模型，为用户提供投资参考的动态资产投资配置。

资料显示，The Naga Group AG位于德国，成立于2015年8月，由Yasin Sebastian Qureshi、Christoph BrüCK、Benjamin Bilski创立，其中，Yasin Sebastian Qureshi是德国著名的金融人士。旗下应用程序是SwipeStox，是一款社交网络金融服务应用，让客户能够实时交易外汇、指数、大宗商品和差价合约。SwipeStox以游戏的形式激发股票交易兴趣，同时简化金融交易流程，并在2016年7月，与美国著名外汇经纪商福汇达成合作。

Naga，已于今年7月份在德国证券交易所完成IPO。

复星1425万美元战略投资以色列初创公司Bondit复星在10月底，宣布完成对以色列公司BondIT1425万美元战略投资，并成为BondIT的主要股东。

资料显示，BondIT是一家位于以色列从事AI研究的金融科技公司，提供基于机器学习算法的固定收益投顾解决方案，产品专注于难度更高且市场相对空白的全球债券市场的固定收益领域。Bondit通过创建和优化债券组合来获取投资回报，宣称可利用数据科学和人工智能来克服在固定收益产品中经常出现的复杂性和效率低下。

复星表示，其通过海外并购智能投顾公司，借助自身完善的全球化布局，使集团能够嫁接其有海外资产配置需求的中国高净值客户，并试图在金融科技及财富管理业务上寻找各种优质并购目标。

尚珹资本跟投Petuum 9300万美元B轮融资今年10月10日，机器学习基础架构平台开发初创公司Petuum Inc，宣布完成9300万美元的B轮融资，由软银旗下投资公司领投，尚珹资本跟投。

资料显示，Petuum， Inc.是一家专注于人工智能和机器学习的解决方案研发平台，总部位于美国宾夕法尼亚州，创办人Eric Xing博士是美国卡内基美隆大学计算机科学学院机器学习系的教授兼研究副主管。据了解，作为人工智能和机器学习的研发平台，Petuum立足于对机器学习和计算方法的基础研究，为应用程序的开发和部署提供了一种跨平台、标准化的方法，从而尽量避免了现有机器学习框架和云基础架构的碎片化，使得各行各业、各种规模的公司能够获取最前沿的人工智能技术。

通过新一轮的融资， Petuum将继续扩展其技术和业务团队，并专注于把PetuumOS部署在那些有着广泛人工智能应用前景但采用率低的具体行业，如制造业和医疗保健。

尚珹资本(Advantech Capital)官网显示，其于2016年1月正式成立，是一家专注中国市场的私募股权投资基金，并侧重于以创新为驱动的成长型投资机会。

埃斯顿900万美元收购美国高科技公司Barrett30%股权，布局高端人工智能机器人领域今年4月份，埃斯顿公告，拟通过全资子公司使用900万美元收购美国高科技公司Barrett Technology30%股权，拓展基于核心功能部件的人工智能和微型伺服系统领域。

埃斯顿公司为进一步提高智能制造核心功能部件的竞争力，拓展基于核心功能部件的人工智能机器人领域，拟通过全资子公司使用900万美元对美国BarrettTechnology公司进行部分股权收购并增资，收购及增资完成后，公司通过直接和间接方式共持有Barrett Technology股权比例为30%。

篇10

在这个讲求“专业精神”的时代，人文领域的工作者在对技术问题发声之际，总会有各种顾虑。但是正如波普尔的学生阿加西在《科学与文化》一书中所论述的观点：科学是文化的一部分，它并不与人文学科天然对立。如果说人文学者关注的是人类的情感、信仰这些“非理性”领域，那么今天的人文学者必须面对的核心问题之一正是人在技术时代的处境。

互联网时代不但提供了各种迅速汇聚信息的搜索引擎，也为人与人之间的

沟通带来前人难以想象的便利，在中国更是兴起了以马云为成功典范、全民狂欢式的O2O（Online to Offline 线上线下模式）的电商经济。这是我们的时代，它造就了我们的生存方式。然而，对于互联网时代的批判与反思都尚且无法尘埃落定之际，阿尔法狗大败李世石的棋局也让全世界对人类未来有了更新的认知：无论我们是否已经做好准备（显然大多数人没有），人工智能所裹挟的未来似乎已经降临。

在西方文学史上，我们能清晰地触摸到技术的烙印：漫长的中世纪是19世纪浪漫主义者眼中的黄金时代，是他们的乡愁与乌托邦。尽管征战连连，普通民众的生存条件恶劣，但那毕竟是持续了千年的“稳定”状态。在这样的时代，生活的变革并不剧烈，一个人的世界就是父辈口中的那个世界，它不会在某一天变得全然陌生。这是工业时代（机械时代）对农耕时代的缅怀。而我们的时代给世界带来的“陌生化”，比起工业时代而言则有过之而无不及。技术的频繁更新（各种补丁、最新版本的下载通知）仅仅是其“变革”力量的冰山一角而已。一方面是刚刚用熟的工具，还没变得趁手，已然变幻了模样；另一方面，则是我们自身随之发生的改变。以博客―微博―微信朋友圈的更新为例：仅仅在十年之内，无论空间距离如何遥远，人们的即时交流已经如此方便，而人的表达方式也已经全然不同。这一点，从行文篇幅急剧缩短、配图的日益丰富都表露无遗。同样是互联网，为人的各种烦琐事务决策提供了充分的信息源，但是海德格尔有关人在技术时代被“预置”的担忧却成为事实：一位母亲在为自己的孩子挑选保姆之际，可能非常感谢家政公司的清晰网页与详尽资料，但是“保姆超市”这一称谓却很可能让她备感不适，同时让她真切体会到自己也不过是一堆“人力资源”资料中一纸信息而已。事实上，我们的父辈已经亲历了科技所能带来的巨大社会变革：网络和手机上网。很多老年人无法像年轻人一样熟练地操作电子产品，但是他们的生活由此所受到的冲击一点也不比年轻人少，而且这种冲击很可能是以负面影响居多。木心的《从前慢》一诗如果从这个方向来解读，就绝非是对前网络时代的浪漫主义抒怀，而是今天很多老年人心境的真实写照，他们在网络生活面前手足无措，并日益与年轻一代隔绝。他们用了将近一生的时间来熟悉、学习并参与其建造的那个世界消失了，或者忽然之间陌生了。

比起互联网时代，人工智能时代带给世界的变化会更加剧烈和难以想象。无论是否正视人工智能的发展前景及其对人类的影响，任何人类在技术上的重大突破，首先给予普通受众的就是心理上的强烈冲击，简言之，就是从对待天方夜谭式的不相信，到亲见亲历的难以相信和恐惧，然后再到习以为常。在交通工具的发明史上，是蒸汽火车与马车的竞赛，第一架飞机的试飞；在沟通交流的发明史上，是贝尔的电话；在毁灭性武器的发明史上，则是广岛的原子弹投放。强人工智能与超人工智能的出现所引发的心理地震，可能遵循的是同一条曲线。

虽然棋种不同，机器人战胜国手的新闻，二十年前早有报道。而阿尔法狗引发的大量讨论与关注，其焦点并非是它所代表的精于计算的弱人工智能（在某个特定领域远远超越人类但是能为人类所用），而是在它之后可能出现的强人工智能（机器在哲学的意义上变得和人一样：拥有自觉意识的机器）与超人工智能（人类无法想象之物，或人类全新的存在形式，比如人机一体）。它们不仅涉及非常棘手的人机之间的伦理问题，而且会带来一个人类进程上前所未有的悖论：我们像上帝一样创造了某物，但是它远远比我们强大，并可能在极短的时间内成为远远超乎我们的理解与想象的某物：“像神一样地永生还是像恐龙一样彻底毁灭。”这样的形而上命题在不久的将来很有可能成为现实；换言之，人类正在创造一个不可知的上帝。另外，如果人类可以造出和自己一样的、甚至迅速超越自己的机器，那么人类自身是否也是被造出的机器，人类文明的发展史，在这些发展史之中所结晶的人文主义者所珍视的一切，是否是某个被预置的实验结果？

根据强人工智能领域相关专家的保守估计，强人工智可能在2075年实现。这场变革很可能为我们以及我们的下一代所亲见与亲历。难怪跨学科的杰出人物弗诺・文奇（Vernor Vinge）说，“我们正站在变革的边缘，而这次变革将和人类的出现一般意义重大。”当然，从另一个角度（技术的不可靠）而言，前文所提出的问题也会被非常干脆地一笔勾销：不需要等到超人工智能的出现，仅仅是忠实执行人类指令的弱人工智能就可能将人类消灭。我国翻译出版的第一部西方短篇科幻小说集《魔鬼三角与UFO》所选的《机器人“俾斯麦”》说的正是这样的故事：想要减肥的一家人，定制了一个机器人，想用它超强的执行力监督全家的减肥进程。故事的结尾不难想象，机器人为了彻底执行“减肥”这一任务，在房屋周围布置了电网，一家人谁也出不去，最终因反抗机器人的专制而死于非命。

二

英国系列短剧《黑镜》（The Black Mirror）是当代反乌托邦的代表之作，其中讨论人工智能的单元非常有趣。科技问题是这部在豆瓣上评价甚高的系列剧关注的主题之一。不仅是网络时代的诸种面相在《黑镜》系列中得到了戏剧性的展示，比如偷窥、“屏蔽”等等；人工智能在人类生活中可能存在的形式、对人类生活可能造成的影响也在该剧中得到极富戏剧形式的展现。它们大致可归纳为三个主题，分别与第一季第三集（《关于你的一切》）、第二季第一集（《马上回来》）和第二季圣诞特别篇《白色圣诞》相对应。尽管第一季第二集（《1500万的价值》）是以一个虚拟未来为故事背景的，但是在科幻外壳之下，它的主题仍然是商业利益对于个人自由的收买，并从另一个角度提示了资本与技术结合的巨大能量。在下文讨论的三个剧集中，编剧对科技所持的批判与悲观立场固然一览无余，但仅仅停留在这种悲观立场的解读显然是不充分的；由这些剧集所提出和所形成的一些有关科技的“文学”（影视）叙事模式，以及它们所引发的一些问题仍然值得更一步的讨论。

意识复制：金属容器里的人类意识副本

《白色圣诞》的叙事采用了俄罗斯套娃的模式，包含了好几个故事，其中讨论的人工智能是这部系列剧中最令人感到恐怖的。虽然这种技术有几种实施方式，但其核心就是意识与身体的分离――意识的复制。当然，剧中也涉及智能眼这种与记忆粒类似的植入人体的人工智能，因前文已做讨论，这里不再赘述。人的意识可以被复制，而且在未来这只不过是一个小手术而已。在该剧的第二个故事中，一位女子就做了这个手术。复制的意识被安置在一个蛋形金属容器内，在专业人员的“调教”下，“它”明白了自己的使命：为“自己”服务！或者说，为那个被复制的意识与身体服务！这真是关于人的“自我奴役”的最佳隐喻与讽刺了。而且，这种意识复制也给哲学家制造了很大的难题。人是因为其精神力量被称之为人的。而被复制的意识在人的伦理学中应该占据一种什么样的位置呢？人可以毫无顾虑地让自己的意识为自己服务吗？或者使其成为最完美的奴役？因为这个被复制的意识是最了解它曾经所属的身体所需的。

最后的那个故事，则是专业人员如何诱使一个杀人犯承认自己的罪行。杀人犯的意识被复制出来，同样盛放在蛋形金属容器里面。专业技术人员为被复制的意识虚拟了一个场景，就是案发现场的木屋，并且虚拟了时间，他自己的意识也进入其中，以讲故事的友好姿态获得杀人犯（意识）的信任，对方投桃报李，将罪行的前因后果全都和盘托出。审问金属容器中的意识副本，远比审问现实中的罪犯本人来得容易，对一个罪犯的囚禁与惩罚，也可以通过扭曲他的意识副本的时间和空间而实现。显然，剧中已经将人自身与其意识副本等同，否则意识副本的忏悔，是无法用来给罪犯本人定罪的。

如果说前面两个故事的人工智能，还让人保有人的身体，那么《白色圣诞》中的人工智能就走得太远，直接将人的意识从它所属的身体中复制剥离开。剧中这种技术的实施指向两个目的：一是为“自己”服务；二是实现法制正义，让罪犯伏法。考量其中的伦理意义，上文所提到的问题就会一再浮现：人是否有权让自己的意识成为这样的一种奴役？人是否有权对他人的意识做这样一种处置，即使是一个罪犯的意识？显然，做手术的女子在得到自我意识的服务时极为享受；但是这份被复制的意识，最初是极其抗拒被困在金属容器中的安排的。

三

抛开剧中所涉及的伦理问题不谈，仅仅着眼于这种技术本身，也足以让人隐隐生畏。既然意识能够从身体中被复制或剥离，那么人也同样可以为自我意识找到新的身体――像仿真机器人那样的身体，或者干脆就是金属机器的身体。乍听起来，这是天方夜谭，但是在现实生活中，已经有人在做将自我意识上传到电脑，以到达“永生”的实验了。人的脆弱，人的局限很多时候都体现在肉体上。病痛，衰老对每一个人而言都是不可逃脱的命运，肉体的衰亡也必定导致意识的消失。如果意识脱离身体这种人工智能成为现实，人的存在方式就有可能发生根本性的转折。人与机器之间的界限将变得越来越模糊。为了抛弃人的脆弱与局限性，人有可能将自身改造为机器的那种样式。到那个时候，恐怕所有的文学都不再具有阅读的价值，因为文学中所描述的，正是肉身与精神兼具的人，是必然从年轻走向衰老的鲜活的身体。

科学家口中那个若隐若现的超人工智能时代究竟是怎样的？是人类在工具的帮助下具有更大更强的感知力，是翻版艾什的机器人最终拥有了自发的情绪、情感，拥有了自我意识，还是我们为自己的意识找到新的身体？这一切都无法预测。如果这样的时代的到来无可避免，是海德格尔所说的并非宿命的必然，我们所能做的，正是提出这样的问题：我们能为那样的时代做些什么？比如，在技术决定生存方式的时代，我们总可以运用我们从历史中秉承而来的人文主义的财产，去思考人与机器之间的关系。如果机器在某一天可能具有了情感和自我意识，那么人会不会在毫无追问意识、身陷技术时代之际沦为毫无反思能力的机器？从乐观的方向看，技术以及人工智能为人类开拓了生活的多种可能性，但是我们是否需要把握那个推动技术与人工智能发展的原动力――永远是想象力在推动着技术的发展；而人工智能的发展，也应该是由“想成为一个怎样的人”这个问题来推动的。