人工智能研究报告范文

导语：如何才能写好一篇人工智能研究报告，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

琼斯在接受CNBC采访时说：“如果机器学习真的可以接手人类的所有工作并创造新的思想，那么经济增长速度将发生翻天覆地的变化。“但真正的问题是，AI能够接手人类所有的工作吗？”

本月初，琼斯，斯坦福大学的乍得·琼斯和法兰西学院的Philippe Aghion发表了题目为“人工智能和经济增长”的文章，表达了自己的观点。

如果人工智能的飞速发展可以为市场创新注入新动力，改善工作环境，部分工作的工资会猛增，但也有一些工作会被淘汰。

随着世界顶尖科技公司的发展，AI技术也取得突飞猛进的发展。例如，自驾车就是一个非常受欢迎的研究课题。包括Nvidia在内的芯片制造商也改进了产品，以更好地适应人工智能计算系统，亚马逊长期以来也在使用AI推广电子商务业务。

Jones和他的研究团队研究了不同的场景。第一个场景中，他们使用AI代替所有人力，并研究了相应的经济增长变化。而在其余场景中，他们只使用自动化代替部分人力。结果显示，数字层面来说并有没多大变化。其实，这项研究的目的是为了了解人工智能如何带来经济增长，就像19世纪早期蒸汽机和20世纪中期的电脑芯片。

用AI代替人力的场景表明，创造出新的想法只需要AI和经济资本。

有些人认为，AI可以快速循环，自我完善，每次循环过后，AI都比上次更加智能。如果任其这样发展下去，人类的生活方式会发生天翻地覆的变化。

Jones说，如今经济学家们就AI是否能够创造新的想法存在分歧。他们从研究中得出的一个教训是，经济增长可能不受人类因素的控制，一些难以攻克却至关重要的问题才是影响经济增速的关键。

例如，在农业中，短期内，化肥和结合物可以促进农作物生长，但是有限的可开垦土地才是限制产量的关键。

Jones解释说：“关键在于瓶颈。“比起100年前，我们种植农作物的技术飞速发展。但是由于自动化的飞速发展，现在农作物只占国内生产总值的2%。”

琼斯补充说：“现在的计算机运算速度惊人。然而，经济增长速度却不见起色，这也许是因为经济增长速度受限，不是因为计算机速度不够快，对吧？限制经济增速的仍然是我们无法突破或解决的某些问题。

此外，还存在另一个瓶颈，研究人员称之为“搜索极限”。

意思是，一开始，最浅显的创新想法是最容易发现的，之后，获得新的想法越来越难。虽然AI可以加快搜索速度，但最终还是因为没有新的想法而原地踏步。

不过，琼斯说自己仍然对这项研究结果感到非常兴奋。他说，“有趣的是，表面上看来，AI正在接近感知智能的边缘。”

篇2

人工智能（Artificial Intelligence，缩写AI）是一门研发用于模拟、延伸和扩展人的智能的人类智能的理论、方法、技术及应用系统的新的技术科学。人工智能早在1956年就已被提及。随着近几十年来计算方法的革新、硬件水平的提高和云计算大数据的共同驱动，人工智能得到了各行业的广泛关注和研究。尤其是在2016年Google的Alpha Go战胜李世石，随后Alpha Go升级版Master持续挑战人类顶尖围棋高手，保持了60场不败的纪录，使得人工智能名噪一时。

根据艾媒咨询的《2017中国人工智能产业报告》显示，2016年中国人工智能产业规模以43.3%的增长率达到100.6亿元，预计2017年将达到152.1亿元，并于2019年增至344.3亿元。

二、人工智能在金融领域的变革情况

一直以来，金融行业差别化的服务都是基于“人”的服务。然而，近年来，机器人的出现在一定程度上模拟了人的功能，批量而且更个性化的服务正尝试取代人的位置。依托互联网金融的兴起，计算机视觉、自然语音处理、机器人、语音识别等人工智能技术在金融行业中得到了广泛的应用。在“第二届中国金融科技大会”中，百度高级副总裁朱光指出金融是人工智能最好的落地场景，因为它的核心就在于数据和数据处理。

（一）人工智能在银行服务领域中的应用

第一，征信助手。从传统金融到“互联网+金融”，无论是传统的信贷审批还是互联网产品，如P2P、现金贷等征信的搜集，风险防控一直是银行类金融机构的重要课题。在过去，对贷款人贷前识别、贷中监控、贷后反馈，一般会单纯地依靠大量的信贷工作人员的实地考察，这就极大地增加了信用风险评估的片面性和失误性。目前，借助人工智能和大数据搜集和认证客户信息。通过多渠道、多维度地获取客户信息数据，实现智能化征信和审批，可极大地加快银行信贷速度和限制增量风险，减少信息不对称。传统银行信贷风控模型中，变量覆盖只有20～30个，而基于用户数据累计和人工智能技术建立的智能化风险控制体系模型可超过万级单位。澳大利亚证券及投资委员会（ASIC）、新加坡货币当局（MAS）、美国证券交易委员会等多家机构已将AI引入风险管理。

第二，客户服务。在银行客户服务中，用户的咨询问题具有重复性特征。人工智能利用深度学习系统，通过前端客户数据搜集，如用户信息、行为动态等方面进行捕捉，而后结合客户性别、年龄、爱好等进行多维度、标准化营销。首先，各大银行通过推出可互动的高科技机器人代替大堂经理，提升客户体验，降低成本。例如，交通银行的“娇娇”、民生银行的“ONE”、农业银行的“智慧小达人”。其次，近年来建设银行、中国银行等多家银行先后建立“智慧银行”，颠覆了传统的银行模式。客户将在智能机器人的引导下办理各项业务，增强银行的科技感和服务的体验感。

（二）人工智能在投资顾问中的应用

相比传统的投资顾问，智能顾问通过机器学习与神经网络技术，能够通过数据分析处理、构建和完善模型，利用采集的经济数据提供更加快速、可信、客观、可靠的投资方案。同时，人工智能还可以通过搜集资料，进行数据分析，自动撰写各类报告。比如，招股说明书、行业研究报告、尽调报告和投资意向书等。投资顾问先行者Ken-sho能够在两分钟内基于历史数据判断历年来美联储加息前，标准普尔和道琼斯指数的趋势，判断利好行业和潜力公司，而过去依靠人类分析师几天几夜都是很难达到的。花旗银行数据显示2012―2015年年底，智能顾问管理资产规模从0发展到290亿美元，未来将高达5万亿美元。北京资配易投资顾问公司人工智能系统（SIAI）可根据市场信号判断买卖时机和仓位规模。除此之外，国内外还有京东金融推出的智投、小金所的机器人投资顾问。2016年下半年，全球最大的资产管理公司――莱德基金（Black Rock）花费1.5亿～2亿美元收购理财初创公司“未来顾问”（Future Advisor）、德意志银行推出的机器人投顾“Anlage Finder”等。

（三）人工智能在保险行业的应用

近年来，随着大数据、云计算、人工智能等新技术的发展和应用，保险业进入了一个更高效、更快捷的时代。首先，一直以来在传统保险行业中，如何存储大量的纸质或者影像的保单、证照、票据等数据是保险公司的一大难题。据统计，一个100人的数据录入团队一年的人力成本在200万元～600万元。然而，人工智能通过参与大数据和深度算法，数据构造后，存储空间可节约90%。其次，如何对存储数据进行传输、搜索和剖析的问题也日益突出。而人工智能通过数据积累和算法迭代，就可以为保险公司的产品定价提供精确数据。同时，通过机器识别参与保险理赔，可降低风险。目前，国内外多家保险公司已经开始布局人工智能。例如，泰康人寿保险智能机器人“TKer”、平安人寿“智能机器人”、合众人寿人工智能“小Ai”、太平洋保险智能运维机器人、弘康人寿引入“人脸识别技术”、日本富国生命保险人工智能平台“Watson Explorer”、台湾国泰人寿的“Pepper”等。

（四）人工智能在互联网金融领域的应用

互联网金融作为传统金融的补充，通过依托互联网技术和工具提供资金融通和支付结算等业务行为。目前，我国互联网金融发展经历了两个阶段。最初阶段，互联网金融仅仅只是为传统金融业务提供网络化服务，即把保险、理财、基金、信托等金融产品搬到网络进行营销。现在，互联网金融则覆盖第三方支付、P2P网络借贷、大数据金融、众筹和第三方金融服务平台等多种模式。首先，人工智能提高了互联网金融的效率。通过自动问答机器人实现智能客服，在过去两年的“双十一”期间，蚂蚁金服95%的客服均由智能机器人通过语音识别完成了远程客户服务、业务咨询和办理。其次，随着《关于促进互联网健康发展的指导意见》《非银行支付机构网络支付业务管理办法》和《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》等一系列政策的出台，不难发现，互联网金融在理财顾问、征信助手、智能风控和防范金融系统风险等方面被逐步规范化和法制化。例如，长期以来，由于缺乏有效的管理，信息安全、风险控制、资金调节等问题日益突出。根据《2016年全国P2P网贷行业快报》，仅2016年12月，“跑路”的平台就有69家。人工智能的出现可有效地进行监管，规避风险。根据阿里巴巴蚂蚁金服的数据显示，网上银行在花呗和微贷业务中，将虚假信贷交易降低了10倍。利用OCR系统，支付宝证件审批由1天降低到1秒。百度利用大数据和人工智能实现教育信贷秒批。

篇3

在中国东部水乡小镇浙江乌镇举办的第三届世界互联网大会上，来自五大洲110多个国家和地区的政府代表、国际组织负责人、互联网企业领军人物、专家学者，围绕“创新驱动

造福人类――携手共建网络空间命运共同体”的主题，深度聚焦互联网这一中国经济发展新基因。

刚刚过去的中国网购狂欢节“双11”中，阿里巴巴集团旗下电商平台最终交易额定格在1207.48亿元人民币，在迈入“千亿时代”的同时也刷新了单日全球零售的历史记录。许多与会嘉宾认为中国的实体经济与虚拟经济结合已释放出巨大的经济效益。

除了在电商领域迅速成长，中国互联网企业也越来越多地投入到高端前沿科技的自主创新中去，在大数据、云计算及人工智能领域逐步探索出新的市场。

作为“云经济”的基础设施，中国自主研发的超大规模云计算操作系统“飞天”，已实现10亿GB的数据存储能力，可以为35%的中国网站提供防御，保障其经受住来自“双11”等极端消费应用场景的挑战。

在本届世界互联网大会“互联网之光”博览会上，以物流见长的中国电商企业京东展示了由无人机、无人车、无人仓共同构成的“智慧物流”场景，为消费者提升物流体验度的整套解决方案――无人仓提高了物流后方仓储运转效率与存储效率，无人车优化了城市配送“最后一公里”体验，无人机则为缓解乡村配送“最后一公里”难题带来新的方法。

德勤中国与中国连锁经营协会最新的《2016中国网络零售市场发展研究报告》显示，中国占全球网络零售市场的比重约为20%，对全球行业整体增长的贡献高达37%，并有望在2019年成为全球最大的网络消费市场。

在此背景下，中国互联网产业也带动制造业实体部门积极运用大数据、云计算、移动互联网、物联网等新技术推动产业升级改造，加快开拓新的市场蓝海。

如果说电子商务是当前中国互联网经济最火热的亮点，人工智能则逐步成为中国互联网产业的下一个风口。从曾经的PC互联到移动互联，再到即将全面降临的人工智能时代，中国互联网企业正燃起雄心，通过彻底改变人们生活和工作方式，开启互联网产业新生态。

大会期间的《乌镇指数：全球人工智能发展报告2016》等数据显示，过去几年中国创立的人工智能企业已超过500家，仅北京、深圳、上海3个城市的人工智能企业数量就占到了全球总数的7.4%，并且中国人工智能领域的投资案例数已位居全球第三。

在本届互联网大会上，不少基于人工智能的产品走出实验室，近距离呈现在人们面前，勾勒出未来智能生活的生动画面。

一款手语翻译手套，借由手指位置的传感器及手背位置的芯片来识别手语动作，再通过蓝牙匹配手机APP进行文字展现和语音播放，实现手语的实时翻译。经过半年左右的研发，该翻译手套已能识别300至500个日常手语。

百度的无人车也是本届大会的“明星”，在乌镇的街道上，它实现了国内首次全开放城市道路复杂路况下，全程无人干预的自动驾驶技术。

根据中国国家发改委、工信部等政府部门2016年5月的《“互联网+”人工智能三年行动实施方案》，2018年中国将形成千亿级人工智能市场应用规模，人工智能将拉动更多新兴产业成为助推中国经济的新增长极。

在引领技术升级推动经济效率提升的同时，中国互联网技术本身已成为全新的“关键生产要素”，为优化创新资源配置开辟了新的空间。随着互联网技术快速进步，创新活动所需的物质与信息资源快速流动，加速中国创新资源更为平滑地汇聚、融合与共享。

篇4

关键词：大数据 人工智能 云计算 数据挖掘 机器人 人工神经网络

中图分类号：TP18 文献标识码：A 文章编号：1672-3791（2015）11（c）-0030-02

1 什么是大数据

1.1 大数据的定义

大数据是一个数据体量和数据类别都十分庞大的数据集。这个庞大的数据集，我们今天还无法用传统的数据库工具对它的内容进行获取和处理。整体概括起来，大数据具有数据类型多、数据规模大、数据真实性高、数据处理快等四大特征。

大数据的特征：第一，是指数据类型非常多，它的数据来自多种数据源，而非单一的一种数据源，数据的种类和数据的格式日渐丰富；第二，是指数据规模非常大，通常在10TB左右，规模非常庞大；第三，是指数据的真实性非常高，一些新的数据源渐渐兴起，打破了之前传统的数据源，今天的企业愈发需要这些有效的信息，以确保其真实性及安全性；第四，是指数据处理的速度非常快，能够做到数据的及时快速处理。

1.2 大数据的发展历程

“大数据”一词最早提出的是麦肯锡研究院于2011年的研究报告《大数据》。之后，经美国高德纳公司和美国一些科学家的宣传推广，渐渐地大数据概念开始流行起来。

大数据发展的萌芽期，是20世纪90年代至21世纪初，此时处于数据挖掘技术阶段。这一时期，随着数据挖掘理论和技术的一步步成熟，已开始有一些与商业相关的智能工具开始被人们所应用，如专家系统、数据仓库和知识管理系统等。

大数据发展的突破期，是2003―2006年，此时处于自由探索非结构化数据阶段。这一时期，非结构化数据的迅猛发展带动了大数据技术的快速发展。此时，可以以2004年Facebook的创立为标志，此时是大数据发展的突破期。

大数据发展的成熟期，是2006―2009年，此时大数据技术形成并行运算与分布式系统。

到了2010年，智能手机开始大量涌现，其应用日益广泛。此时，数据的碎片化、流媒体、分布式等特征更加凸显，移动数据开始急剧增长。

近年来，大数据技术的发展十分迅猛，开始不断向社会各行各业步步渗透，从而导致大数据的技术领域和行业边界越来越不明显，也越来越模糊，大数据的应用创新已经超越了大数据技术的本身，越来越受到各行各业的热捧和青睐。

今天，可以毫不夸张地说，大数据技术能够改变一个领域，为每一个领域带来变革性和创新。

2 什么是人工智能

2.1 人工智能的定义

人工智能是一门新的技术科学，它主要研究和开发用于模拟人类的智能的理论、方法和技术的应用系统，它同样也是计算机学科的一个重要分支。人工智能的终极目的是掌握智能的根本实质，从而生产出一种全新的能以人类智能相似和相近的方式快速做出反应的智能机器。可以说人工智能的发展与计算机科学与技术的发展紧密相连，密不可分。

2.2 人工智能的发展历程

“人工智能”一词最初是在1956年美国达特茅斯学院提出的。

人工智能的发展经历了半个多世纪，它的发展历程十分曲折，大致可分为三个发展阶段：

20世纪40年代中期到50年代中期为第一阶段，被称为人工智能启蒙探索时期。1950年，英国数学家图灵发表了《计算的机器与智能》，提出了机器可以思维进而帮助人类的问题，直接推动了现代人工智能的发展。

20世纪50年代中期到80年代末期为第二阶段，被称为人工智能经典符号时期。人工智能与认知科学、认知心理学等三门学科开始了相依为命的发展历程。

20世纪80年代末期到现在为第三阶段，被称为人工智能联结主义时期。这一时期，主要采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。

3 大数据与人工智能的关系

大数据和人工智能，近年来这两个领域的研究相互交叉促进，产生了很多新的方法、应用和价值。

今天，人类拥有了对数据规模大、数据类型多、数据流转快和数据真实性高的大数据进行存取、检索、分类和统计的能力，完全得益于大数据技术的发展。而且，人工智能领域的一些理论和方法，已经开始用于大数据分析方面，并取得了一定的效果。

研究发现，解决人工智能的扩展性和成长性问题，离不开大数据技术。

以前，人工智能技术还不能实现与人类相似的学习研究能力。原因在于，人工智能看似简单，实际上是一件非常繁琐和复杂的事情，产生人工智能的两个必要条件要有海量数据的支撑和对这些数据的极强处理能力，而以前的机器都不具备这两个条件。

人工智能其实就像人类一样，是需要拥有大量的知识和丰富的经验。在这些知识和经验的背后是需要大量的数据支撑。大数据技术的进一步发展，为储存、分析大量的数据提供了一定的技术支持，使机器得到的数据量和拥有的数据处理能力，与形成人工智能所需要的数据量和数据处理能力相匹配。只有这样，人工智能才能得到发展。人工智能的发展，反过来进一步推动大数据技术的向前发展，形成有效的相互推动作用。

与其说人工智能的发展依靠大数据，不如说大数据开启人工智能新篇章。人工智能领域的一些理论和方法，能够有效地提升大数据的使用价值。与此同时，大数据技术的发展也将在为人工智能提供一个用武之地。

4 未来人工智能的发展

随着大数据技术和计算机科学技术的不断发展，未来人工智能的发展主要会在以下几个方面：模式识别、专家系统、符号计算、人工神经网络和机器情感。

4.1 模式识别

模式识别，顾名思义，是指通过计算机采用数学计算的方法来研究模式的自动判读、处理等识别功能。

可以断定，随着计算机技术的不断向前发展，人类一定能对复杂的信息处理过程做深入的进一步的研究。与此同时，模式识别功能也为人类认识自身智能创造了可行的线索和提供了必要的帮助。

在现实生活中，对人类来说最重要的是对光学信息以及声学信息的判断和识别。大家知道，准确、高效是计算机识别的最大特点。例如，今天已经应用很广的指纹识别功能就是一个典型的案例。

人类每个人的指纹独一无二，具有唯一性。早在很多年前，我国有关专家就对数字图像的离散几何性质进行了深入的观察和研究，进而建立了从人类指纹的灰度图像精确计算纹线局部方向，从而提取了人类指纹特征信息的相关理论与算法。

这一研究发现，随后就被用于全自动指纹鉴定系统，从而开创了我国指纹自动识别系统应用的先河。

4.2 专家系统

专家系统，是未来人工智能发展的一个重要方向。专家系统在今天的生活中已被广泛应用。其实，专家系统是指一个具有大量的行业或领域专门的知识与经验的程序系统。它主要利用计算机科学技术和人工智能技术为基础，先根据某一行业或领域一些权威专家或多个专家所提供的一些相关知识和相关经验，再进行深入推理和判断，进而可以模拟人类专家的判断决策过程。通过这个过程，从而来帮助人们解决现实中一些需要人类专家来处理的一些复杂的问题。

实现专家系统必须要有两个条件：一是要拥有类似于该领域专家解决实际问题的推理机制，二是建立一个完善的存储有该领域中经过专家事先总结、分析并按某种模式表示的专家知识库。这两个条件缺一不可，否则无法进行专家识别。

研究发现，专家系统能对人类输入的信息进行快速处理，并运用相关的行业和领域知识进行推理判断，进而作出相应的判断和决策。

科学家们对专家系统的研究由来已久，一直以来被科学家们所重视。今天，各种各样的专家系统已遍布了各行各业的不同领域，并且取得巨大的成功。

目前，专家系统可以分为十种类型：教育型、预测型、解释型、维修型、规划型、诊断型、调试型、设计型、控制型等。

4.3 符号计算

科学计算是计算机发明以来最基本和主要的用途之一。科学计算可分为两类：一类是纯数值的计算，另一类是符号计算。符号计算与传统的纯数值计算不同，它是一种智能化的计算，主要通过处理相应的符号来进行的计算。

在符号计算中，符号可以代表的种类非常非常多，如实数、复数、整数、有理数等，还可以用符号来代表函数、多项式、集合等。

很久以前，人类就希望能有一个可以进行符号计算的计算机软件系统来帮助人们进行计算。可以追溯到20世纪50年代末，人们就开始对此进行研究。今天，随着计算机科学技术和人工智能技术的进一步发展，已相继出现了多种可以进行符号计算的计算机系统软件。

这些符号计算软件功能齐全，且具有共同的特点：一是人机界面友好，命令输入方便灵活，反应快捷，操作便捷；二是在操作界面上，一般都支持交互式处理，人通过键盘输入命令，计算机处理后即显示结果。

虽然计算机只是在执行人给它的指令，具有一定的局限性，但是在符号计算中已经有了相当大的突破，相信在未来的符号计算领域会有更大的进步和发展。

4.4 人工神经网络和机器情感

计算机技术发展到今天，人工智能的基本思想已经在许多领域中得到应用。未来人工智能应用最重要的一个新领域就是人工神经网络。

研究表明，情感属于智能的一部分，而并不是与智能相分离的。因此，可以断言人工智能未来发展的下一个突破就是要赋予计算机情感能力，让智能情感化。

人工智能进入21世纪的今天，正酝酿着新的突破，创造新的奇迹。

未来人工智能的应用将会为人类创造出更多更高级的智能“产品”来服务人类自身，而且人工智能将会在越来越多的领域会超越人类智能。

大数据时代背景下，相信人工智能将会得到长足的发展，更多的发现、发明和成果将会出现在大家面前。仿佛可以看到，与人类水平相同甚至超越人类自身智能就快要实现。

相信这一刻就在不远的将来，让大家拭目以待。

参考文献

[1] 蔡自兴，徐光v.人工智能及其应用[M].4版.清华大学出版社，2010.

[2] （加）海金.神经网络与机器学习[M].3版.北京：机械工业出版社，2011.

[3] （美）库兹韦尔.奇点临近[M].北京：机械工业出版社，2011.

篇5

 

第一，看一看狗A和狗B之间高水准的战斗棋谱，它们是当世真正的高手。这就如金庸小说里嗜好武功的人，一窥更高的武学境界，是毕生的福分。越是九段超一流，越是心痒难忍。

 

第二，Deep Mind 宣布，阿尔法狗不参考人类棋谱，完全自我演化三个月。三个月之后，机器会是什么水准，与人类几千年经验积累的比较，会有什么不同，相信只要懂一点儿围棋，就会知道这事情是多么令人激动。

 

第三，围棋是透明游戏里的圣杯，在占领这一高地之后，人工智能科技还将寻找哪一个对手?麻将吗?德扑吗?

 

前面两个问题，都是围棋弈者关心的，而最后一个问题，却是所有人都在讨论的。确实，围棋是一种透明的策略游戏，对手不隐藏、不欺骗、不作弊，双方较量的是公开透明的智力，但是麻将、德扑等却是不透明的策略游戏，充满了人类的欺骗、设局、隐瞒的技巧，看上去，人工智能毫无优势可言。

 

其实，阿尔法狗这样的人工智能，已经完全有能力从已有信息中捕捉概率，做出抉择，譬如麻将，人工智能从已经出的牌，分析出可能的胡局，譬如德扑里的种种心理战，人工智能能从以往的数据中，判断出牌的可能性。

 

在接受《卫报》的专访时，Hasssabis表示，人工智能有兴趣继续深入“信息不对称”的游戏，譬如扑克——其中含义是，这是继续优化算法的道路，属于1到100，并非不可逾越的障碍。学界也早有共识，无论透明还是不透明游戏，只要是有确定的规则和边界，人工智能(互联网、电脑、机器，不管你怎么称呼)必将胜出。

 

十年以后，再回看这一次世纪大战五局棋，很可能会发现，这是人类从互联网转向人工智能的一个标志性事件。互联网重点解决的是“人际交流”，人工智能将重点解决“人机交流”。

 

从整个技术史来看，一条贯穿于历史长河的规则正越来越清晰——人类社会的各种信息交换，无论人际之间(互联网)，还是人机之间(人工智能)，正朝着更快捷、更简单、更明确的方向，越来越快地推进。也就是说，消除信息的不对称，让一切决策变得更透明简单，正是技术发展史的前进目标。

 

让买卖双方直接见面

 

互联网重点解决“人际”交流

 

互联网改变的是“人际之间”的信息沟通模式，电话、手机、Twitter、微信，等等，无不在加速人与人之间的信息沟通。商业世界里翻天覆地的变化，也已证明了这一点——不管哪个行业，只要内部信息的沟通还不够清晰，不够快捷，不够确定，互联网就一定会来更新和颠覆。

 

Uber是一个很好的例子。基于互联网和大数据的基础之上，Uber在司机和乘客之间建起了一条信息的桥梁。乘客可以通过手机定位快速清楚地找到Uber司机，同时司机也无需漫无目的地扫马路。既节省了时间，又利于环保和交通。宰客、拒载、绕路，以及失物无处寻找，原来出租车的种种陋习，都因为GPS定位、司机身份绑定、支付闭环确认等，变得无处逃遁。原来复杂的信息沟通模式，在技术变革下变得透明。

 

Airbnb也是一个好例子，原来的供应商(房东)和需求方(房客)之间根本没有信息交流的通道，现在房东在网上挂出自己的房子，房客直接下单，彼此的信息沟通非常透明。这种新的信息沟通路径创造了新的价值，房东获得了额外的收入，而房客增加了选择性——这意味着社会整体福利的增加。

 

房产租售行业里，也有一种好例子。最近链家出事，虽然最终聚焦在金融环节，但是房屋租售中介的黑乱差，才是行业的真正问题所在。因为一个行业的信息沟通越透明交易成本越低，但是这个行业只要以中介公司为核心，就摆脱不了原来的中介弊病，摆脱不了原来的门店基因，摆脱不了原来的业务思维。

 

最近新崛起的房多多、互助买卖等互联网平台，就显示了一种信息透明化的趋势——让买卖双方直接见面!平台帮助办理过户手续。这意味着买卖双方可以节省巨大的时间和金钱成本。去年以来，这类“买卖直接见”的交易模式，在上海变得越来越流行。

 

医疗领域的变化也很相似。优医是一个好例子，它推出的“优医在线服务”，聚集了将近2000个国内外的肿瘤专家，一开始是医生之间的线上业务交流，逐步发展成为肿瘤病人的咨询、分流平台，目前已经聚集了越来越多的肿瘤病人。

 

处理所有复杂数据

 

人工智能重点解决“人机”交流

 

在人工智能出来之前，机器都是用于人与人之间的交流，但是之后，人不得不面对与机器的交流。而这种交流，也同样遵循信息的不断透明、优化、迅捷的趋势。

 

根据FB的人工智能研究员田渊栋的文章，阿尔法狗的模式有四个模块，分别是下棋网络、快速走子、估值网络、蒙特卡洛搜索。用这四种办法的组合，处理巨量棋谱数据，包括人类已有的，以及左右互搏形成的，最终获得一种足以挑战人类的能力。

 

人类大脑显然是无法处理这种巨量的棋谱，同样也无法处理这个世界千变万化的数据量。人机信息交流，换一句话说，就是人在人工智能的帮助下，优化处理物质世界的信息。Deep Mind显然不会止步于围棋，他们已经宣布和医疗机构合作。

 

Hassabis说，未来人工智能将和癌症、气候变迁、能源、基因组学、宏观经济、金融、物理学等等专家合作。无一例外，这些都是属于复杂领域，数据量太大，难以提炼和总结，缺乏解释方式，甚至干脆就难以理解。人工智能的自我进化，将帮助人类理解这些领域。

 

从人际到人机，看上去是跨越，其实依然是一种信息沟通规则的延续。Uber的进化，是无人驾驶;房多多的进化，是根本不需要自己去一个个挑选房子，大数据分析会帮助你匹配和提出建议;优医的进化，是医生在参考人工智能的建议之后提出治疗方案，就像今后围棋手在对局中会带上一条阿尔法狗。这个逻辑是，互联网只是解决人类社会里人与人之间的沟通方式，而人工智能则是解决人与物之间的沟通方式。所有的信息沟通，都将变得更加迅捷、简明、优化。

 

技术一直不断定义着人类自己。从原始时代、农耕时代、工业时代、信息时代，到现在的智能时代，工作种类因为技术的变迁常常断崖式地更替兴衰，而人类在这个过程中，再一次发现了自己——我究竟是谁。

 

2014年3月，在美国德克萨斯州奥斯汀的一个音乐节上，著名的互联网思想家KK邂逅了一场IBM的现场秀。IBM公司著名的“沃森”智能机器人利用网上的各类菜谱、FDA关于食物营养的成分表，以及对于食物配方可口的研究报告，形成一种烹饪的数据库。

 

然后，“沃森”根据这个数据库，在现场创造新菜品——一种营养可口但前所未见的菜谱。现场的厨师则根据“沃森”提供的菜谱，立即烹饪出这些创新菜。KK和现场的人们一起品尝了这些人类历史上第一次出现的佳肴，英国招牌式的“鱼和薯条”在这里变成了“酸橘汁腌制的鱼”和“油炸车前草”的搭配，而另一道菜是泰式芦笋混合做成的瑞士乳酪蛋糕，将亚洲和欧洲的文化糅杂在了一起。这些味道，用KK的话说，“怎么看都不像是人类能想到的”。

 

“怎么看都不像是人类的。”这是一句非常重要的总结。当阿尔法狗五局里四次击败李世石之后，我们人类将不得不习惯这句话，就像东方人与西方人第一次接触的时候，必须习惯异类的文化。因为，它虽然出自人类之手，却并不是人类心智的复制。这就像飞机并不是飞鸟，潜水艇并非游鱼一样，它并非简单的“肉身拷贝”，而是另一种独立发展出来的心智。这种心智正在颠覆整个世界。如果将互联网作为一种心智来看，它已经大幅度改变了整个社会的面貌。在信息交换上不够透明的行业，交易成本高的领域，都将被一卷而空。

 

就像五百年前人们无法理解巨大的钢铁怎可能飞上天，怎可能不按照小鸟的方式来飞上天。然而，飞机确实上天了，而且它是按照自己的方式飞上天的。人工智能会重新定义我们，定义人类究竟应该站在什么位置。现在，我们就站在了这个时代的门槛前。

篇6

一场围棋比赛让全世界都在关注人工智能的发展，而这场比赛背后的技术力量正在带来互联网金融领域的革命。据《投资者报》记者了解，积木盒子、人人贷、懒财网、钱景财富、聚爱财等多家知名的互联网金融企业正在致力于智能投顾业务的发展。

智能投顾在国外已有先例，但在中国刚刚起步。通过智能机器为客户提供在线顾问服务，就他们的财务状况回答各种问题，这种服务方式不仅降低了人工成本，而且提高了理财服务的受众范围。行业人士表示，智能投顾的不断成熟与普及，无疑让目前的投资顾问们面临被“抢饭碗”的压力。但囿于国内投资者教育的水平，智能投顾从小众走向大众，将是一段漫长的过程。

投资新选择

如今，大多数投资者对于如何投资非常头疼。曾经高收益的P2P 平台收益普遍下降，且负面缠身；股市不时上演过山车的戏码，独不见企稳之势；宝宝类产品年化收益持续走低，吸引力下降。多重问题在前，智能投顾成为互联网金融公司着重发展的新业务，以期通过新方向来应对行业日益激烈的竞争。

业内人士分析称，智能投顾在国内有着良好的发展土壤。首先，中国近年来财富增长迅猛，但财富管理行业起步晚，2007年才开始有首家私人银行，投顾队伍参差不齐；其次，中国的互联网金融已经深入人心，投资者愿意通过更为便捷的网络及手机APP进行理财投资；另一方面，在中国的投资市场中，散户占绝对主流，而智能投顾是非常适合散户进行资产配置的一种方式。

所谓智能投顾，即一种在线财富管理服务。具体指根据现代资产组合理论，结合个人投资者的具体风险偏好与理财目标，通过后台算法与用户友好型界面相结合，利用交易所上市股票基金组建投资证券组合，并持续跟踪市场变化，在这些资产偏离目标配置的时候进行再平衡。

据《投资者报》记者了解，挖财旗下的“钱管家”在做智能化的自动资产管理和配置。挖财会根据用户的记账数据、资产数据以及资产诊断报告，通过大数据运算及专业理财顾问的介入，形成个性化的资产配置建议，为用户提供实时、便捷、专业的资产配置服务。

此外，人人贷的WE理财以产品+服务的形式为用户提供全新的理财体验，充分发挥了人+机的优势。智能体现在依托大数据技术构建的新型量化算法和资产配置模型，实现用户需求与产品的精准匹配。

另外，积木盒子的智能投顾服务正在内测中。据悉，积木盒子将接入 10 个大类资产，覆盖国内和国外，涵盖了现金类、债权类、股票类、黄金类等资产类别，用户可以对这些资产进行一揽子投资。理财机器人将根据用户的特点决定可配置的资产类别和各类资产的配比。

实际上，越来越多的互联网金融企业开始参与到智能投资的开发中。阿里的蚂蚁聚宝、腾讯的微众银行等在一些功能设置上，都有智能投顾的雏形。

投顾服务门槛降低

据《投资者报》记者了解，目前国内传统理财顾问服务会有100万元的投资门槛，并且会产生1%的服务佣金，普通投资者很难享受到专业的投资顾问服务。智能投顾的发展方向很可能是传统理财服务和智能理财通力合作而服务更多的“低净值客户”。

据某平台负责人介绍，智能投顾相比于传统投顾在咨询时不会流露出不耐烦而使客户反感；在投资时，不会带有自身的投资偏见与坏情绪，避免了人为的干扰因素；在投资后，会实时管理、跟踪投资标的，根据经济周期的变化调整组合，从而降低投资风险。

最近花旗集团的一份研究报告指出，在短短两年时间里，智能投顾所掌握的资产从2012年的几乎为零增加到了2015年年底的187亿美元，无疑这种高科技金融服务的受欢迎度正在日益上升。

聚爱财CEO任衡表示，中国投资者长期重储蓄、轻投资、轻配置，非金融类资产占比50%以上。除此之外，很多中国投资者缺少把握投资机会的能力，由于缺少全面操作投资资产配置的能力，使他们选择的资产组合风险较高，而收益却不尽如人意。未来，这种局面或将通过机器人投顾获得改观。

有分析人士指出，传统投资顾问限于成本和精力不能服务于那些低净值客户，智能理财则基于人工智能技术可以更好的向“长尾客户”提供咨询服务。

离不开人工协助

近日，毕马威公司的一份报告指出，智能投顾提供低投资下限、低费用的投资组合，通常更吸引不怎么富裕的投资者们。毕马威称，数字财富管理正改变着投资的局势。

智能投顾虽然有着显著的优势，“要取得长足发展，智能理财却离不开传统投资顾问所掌握的客户资源及客户本身对‘真实的人’的感性信任。”一位分析人士表示。

篇7

关键词：机电控制技术；现状；发展

中图分类号：TH-39文献标识码：A

一、机电控制技术的发展历史

（一）20世纪60年代以前为第一阶段,这一阶段称为初级阶段。在这一时期,人们自觉不自觉地利用电子技术的初步成果来完善机械产品的性能。特别是在第二次世界大战期间,战争刺激了机械产品与电子技术的结合,这些机电结合的军用技术,战后转为民用,对战后经济的恢复起到了积极的作用。那时,研制和开发从总体上看还处于自发状态。由于当时电子技术的发展尚未达到一定水平,机械技术与电子技术的结合还不可能广泛和深入发展,已经开发的产品也无法大量推广1。

（二）20世纪70―80年代为第二阶段,可称为机电控制技术蓬勃发展阶段。这一时期,计算机技术、控制技术、通信技术的发展,为机电控制技术的发展奠定了技术基础。大规模、超大规模集成电路和微型计算机的出现,为机电控制技术的发展提供了充分的物质基础。大约到20世纪80年代末期在世界范围内得到比较广泛的承认; 机电控制技术和产品得到了极大发展;各国均开始对机电控制技术和产品给予很大的关注和支持。

（三）20世纪90年代后期,开始了机电控制技术向智能化方向迈进的新阶段, 机电控制技术进入深入发展时期。一方面,光学、通信技术等进入机电控制技术,微细加工技术也在机电控制技术中崭露头脚,出现了光机电控制技术和微机电控制技术等新分支;另一方面,对机电控制系统的建模设计、分析和集成方法, 机电控制技术的学科体系和发展趋势都进行了深入研究。同时,人工智能技术、神经网络技术及光纤技术等领域取得的巨大进步,为机电控制技术开辟了发展的广阔天地。

二、国内外机电控制技术的发展现状

我国从20世纪80年代初开始进行机电控制技术的研究和应用，国务院成立了机电控制技术领导小组并将其列为“863计划”。在制定“九五”规划和2010年发展纲要时充分考虑了国际上关于机电控制技术技术的发展动向和由此可能带来的影响。许多大专院校、研究机构及一些大中型企业对这一技术的发展及应用做了大量的工作。虽然目前国内机电控制技术技术与日本、欧美等先进国家相比仍有一定差距。但随着新技术革命的迅猛发展，我国加大了机电控制技术技术的研究力度并将其确定为国家高技术重点研究领域，给予优先支持并取得了一定的成绩2。

1989年在日本东京召开的第一届国际先进机电控制技术学术会议是机电控制技术向纵深发展的标志各国政府也开始有计划地推动和发展机电控制技术技术和产品。目前日本和美国在机电控制技术产品开发和应用方面处于世界领先地位。美国商务部曾发表过一份关于日本机电控制技术的研究报告。对日美两国机电控制技术技术的基础研究、超前开发与形成产品等三方面进行了比较，结论是除机器视觉与软件外，日本的基础研究与美国是可以比拟的。当前他们都将智能传感器、计算机芯片制造技术、具有触觉和人机对话功能的人工智能工业机器人、柔性制造系统等列为高技术领域的重大研究课题，并投入大量资金支持发展相关技术。

三、机电控制技术的发展趋势

机电控制技术朝着以下几个方向发展：

1.绿色化

机电控制技术产品的绿色化主要是指使用时不污染生态环境,报废后能回收利用。

2.智能化

智能化是21世纪机电控制技术技术发展的一个重要发展方向。人工智能系统是一个知识处理系统, 它包括知识表示、知识利用和知识获取三个基本问题。

3.网络化

网络技术的兴起和飞速发展给科学技术、工业生产、政治、军事、教育等人们日常生活都带来了巨大的变革同样也给机电控制技术技术带来了重大影响。

4.模块化

机电控制技术产品和技术可分为机械、电子和软件三大部分。模块化技术是这三者的共同技术。模块化技术可以减少产品的开发和生产成本提高不同产品间的零部件通用化程度，提高产品的可装配性、可维修性和可扩展性等。

5.微型化

微型化兴起于20世纪80年代末，是机电一体化向微型机器和微观领域发展的趋势。微机电一体化产品体积小、耗能少、运动灵活，可进入一般机械无法进入的空间，易于进行精细操作，因此在生物医疗、军事、信息等方面具有不可比拟的优势。因此在生物医学、航空航天、信息技术、工农业乃至国防等领域，都有广阔的应用前景。

参考文献：

篇8

这是达雷尔・韦斯特在最近的研究报告《如果机器人夺走了工作会怎样？――新兴技术对就业和公共政策的冲击》中讲的一个小故事，“艾米”实际上是人工智能机器人。他说，机器人取代部分工作已不再是天方夜谭，而是当前现实。随着机器人、人工智能等新兴技术逐渐应用于人们的生活和工作中，未来经济可能不需要那么多人类劳动力。而在当前经济模式下，医疗保险、退休金、社会保险等社会福利基本和工作挂钩，那么被长时间排除在就业之外的人们如何获取社会福利？达雷尔・韦斯特试图创新地回答这一问题。

“蓝领”岗位减少 “白领”岌岌可危

我们处于一个信息技术变革的时代。机器人、虚拟现实、算法、机器对机器通讯、3D打印、无人驾驶汽车……这些新技术都有广泛的应用范围，且能让商业和个人生活随之发生颠覆性变化。

机器人正在地球上“大肆扩张”。达雷尔・韦斯特的研究报告说，2013年，全球大概有120万工业机器人投入使用，到2014年，这一数字已增至150万，估计到2017年将增长到190万。目前，日本的机器人最多，为306700，北美地区排名第二，为237400，中国排在第三，为182399，韩国和德国分别排在第四、五位。总体而言，机器人产业将在10年内增长3倍，从现在的150亿美元增长到2025年的670亿美元。

机器人数量增长的同时，价格也在下降。以前，因为成本太高，工业机器人仅应用于汽车行业。近年来，机器人的平均成本已经下降。在亚洲一些重要行业，使用机器人的单位成本与使用人工成本相当，甚至更低。机器人现在已是一支充满活力的劳动力大军。

按劳动性质，机器人大概可分三类：工业机器人我们司空见惯，是自动化的延伸，如机器臂等;服务机器人是从事服务行业的机器人，既可端茶倒水，还会陪人聊天，甚至能撰写新闻，操作金融交易;特殊机器人是指执行某种特殊任务的机器人，如中国登月车“玉兔”。

我们已习惯了机器人取代“蓝领”工人的现象。可是，关键的问题是，未来“白领”的饭碗也可能不保。虽然工业机器人是最早出现的，但如今作为后起之秀的服务机器人却正在冉冉升起。如果说，20世纪七八十年代，工厂里的“蓝领”工人工作最没保障的话，今天中产阶级从事的“白领”工作也正在被服务机器人侵占。

德勤最近的一份报告预计，未来20年内几乎近一半的工作将被机器人取代。金融投资顾问、会计和税务专业人士、银行和柜台服务人员、文秘等中产阶级通常喜欢的岗位，被机器人取代的可能性在40%～95%之间。

避免“永久失业下等阶层”诞生

新兴技术迅猛增长的速度越快，对就业的冲击也越大。今天，很多大型技术公司规模很大，但雇佣人数并不多。例如，谷歌公司的市值在3700亿美元左右，大约雇佣员工55000人，仅是AT&T（美国电话电报公司）在1960年代达到高峰期时雇佣员工数量的1/10。 目前，日本的机器人最多，为306700，北美地区排名第二，为237400，中国

排在第三，为182399，韩国和德国分别排在第四、五位。

机器人将如何影响就业？一般来说，存在三种观点：一种观点认为，机器人会夺走人类就业岗位，大量人员会失业。美国前财长萨默斯・劳伦斯就持此种观点。他认为，如果当前趋势继续，今后一代人的时间里，1/4的中年人将分分钟失业，未来如何提供充分就业将是世界经济面临的最重要挑战。另一种观点认为，虽然技术将导致一些就业岗位减少，但也会创造一些新岗位。例如，仓库里的拣货岗位可能被机器人取代，但是大数据分析、信息挖掘等新岗位会出现。长期来看，就业岗位的增减会趋于平衡。第三种观点更为激进，认为当前的技术革命远比不上之前的电气革命。西北大学经济学家罗伯特・戈登是此类观点的典型代表。他认为，计算机和自动化所体现的技术进步远没有电、汽车、无线通讯等发明所起到的颠覆作用大，因此新技术不会对就业造成太大冲击。

达雷尔・韦斯特引用美国劳工局和皮尤民意调查中心的数据，认为机器人将对就业造成较大冲击。美国劳工局预计，从2012～2022年，美国将产生1560万新岗位，相当于每年就业增加0.5%，医疗和社会救助领域的岗位增加最多，占新增岗位的约1/3，信息技术、制造业等领域将面临岗位减少的局面。皮尤民意调查中心调查了1896名专家对新兴技术影响的看法，48%的专家认为，机器人将显著取代蓝领和白领工人，其中很多还认为，这种情况将导致收入不平等增加，甚至社会秩序崩溃。

这正是达雷尔・韦斯特所关心的。他认为，如果技术进步导致就业岗位减少，势必会造成一个长期找不到工作的群体。在医保、退休金等社会福利一般依附于工作的情况下，政府必须考虑如何将社会福利覆盖到这个永久失业的“下等阶层”。

达雷尔・韦斯特提出了避免这一状况出现的短期和长期政策建议。短期政策建议包括：第一，将工作和社会福利分开，建立普惠的社会安全网络;第二，建立基本收入制度，基本收入不同于基本工资，人们无需劳动即可获得维持基本生活的收入;第三，重新重视所得税抵免政策，以此促进收入再分配;第四，建立终身学习和培训制度，所有费用由政府承担;第五，激励志愿活动，既然经济不再需要那么多劳动力，无工作的人可以为社区多做贡献。

篇9

[关键词] 智能学习环境； 新涌现技术； 学习方式配置

[中图分类号] G434 [文献标志码] A

[作者简介] 杨娟（1979―），女，四川成都人。副教授，博士，主要从事人工智能与认知、分布式人工智能及e-Learning研究。E-mail： 。

一、 背景及相关研究

信息科技的日新月异，总是让教育界有不断的惊喜。虽然技术本身并不能使教育发生翻天覆地的变化，但只有跟上技术发展的步伐，教育才能不断地突破，做好人类知识传承的重要工作。从信息技术产生至今，信息技术成功运用于教育领域的成功案例仍在不断增多，例如从多媒体技术带来的互动教学到Internet网络技术所带动的LMS（学习管理系统），都是信息学与教育学结合的典范。当Russell在1999年提出了“无显著差异现象（the No Significant Difference Phenomenon）” [1]的研究报告以后，信息技术所带动的新教育模式的推广更是达到了巅峰。其结果是使得由信息技术辅助的新兴学习模式如雨后春笋般产生，例如分布式学习和CSCL（计算机辅助的协作学习模式）已成为现代教育模式中一个不可或缺的组成部分。

今日，许多学生生活在可以通过移动设备24小时无间断访问信息资源的社会中，这些技术允许他们创造并与全世界分享各种多媒体资源，允许他们参与到汇集全世界智慧的社会网络中，与他人协作，并学习新知识。在学校外，学生可以更自由地以自己的方式建立自己的知识空间。在这样一个新技术不断涌现的环境中，机会是无限、无界且随处可得的。因此，当今教育系统面临的挑战在于如何在学习科学与新技术之间取得平衡，为每个学习者提供可反映其日常生活和真实未来的个性化学习经历。

在信息技术飞速发展的今天，随着信息化的普及与深入，新信息技术正在不断地被引入教育领域，以期达成使更多普通人受惠于教育的目标。学习者的学习环境已经从传统教室转变为多元化的智能学习环境，[2][3][4]而学习者学习的目标也产生了相应转换，从单纯的知识学习转换到了能力学习。美国在其2010年的教育技术规划草案《转换美国教育：技术促进的学习》报告中就提出，新涌现技术对于学习者的帮助已经不仅仅是局限在传统的知识传授上，而更多的是可以帮助其获得21世纪必备的综合能力，包括决策思维、复杂问题解决、协作、多媒体通信等能力。[5]而学习者的学习方式也必须适应智能环境的需求，为达到复合学习目标而产生变革。

从信息技术产生至今，已有许多将信息技术成功运用于教育领域的案例，例如基于网络技术的学习管理系统（LMS）。虽然这些成功的传统远程教育系统在全球范围内已取得了显著的成效，但随着网络技术的飞速发展，传统的LMS已不能满足当前网络学习的需求，新的学习模式必然会产生。当前教育领域中的新涌现技术大都与网络技术相关，如云计算技术、社会网技术、RFID（物联网）技术、普适计算以及移动计算等。而由此则产生了一系列与之相配套的学习方式概念，例如云学习、社区学习、泛学习、普适学习以及移动学习等等。除了基于网络的新技术，新媒体技术也在不断渗入教育领域，例如手势识别技术、增强虚拟现实技术以及由此产生的体验式学习等学习方式概念。无论是什么样的新技术，其共同的特征便是使得学习环境更加智能化和便捷化。因此新涌现的学习方式也必然需要满足智能学习环境的特点，基于智能学习环境的学习方式研究在全球范围内都在开展。例如澳大利亚教育和早教发展部门在2010年了使用Web2.0进行教育和学习的研究报告，其中包括了对社会网、维基百科等Web2.0工具的技术特征分析、使用方式配置等内容，并通过试运行项目提供了大量的在Web2.0学习环境下变革学习方式的指导意见。[6]澳大利亚在2008年提出了“灵活学习框架”项目，[7]项目通过对新涌现技术，包括移动学习、RFID、QTI、虚拟增强现实、智能笔、HTML5等19项新技术所产生的智能学习环境进行了技术特征分析，并通过试用案例给出了新型学习方式模型。而新媒体联盟（NMC）的地平线项目则对新涌现技术在教育领域可能的前瞻性应用进行了客观分析，其每年的《地平线报告》则成为智能学习环境趋势变化的一个重要参考。[8]

对于智能学习环境中产生的新涌现学习方式，我国北京师范大学[9][10]、华东师范大学[11][12]、华南师范大学[13]等众多高校的知名学者都给予了大量关注，其中文献[9][10]对新涌现技术在构建智慧学习环境上进行了量化分析，在分析典型智能学习环境特征的基础上提出了使用新技术构建典型智慧学习环境的技术指导，这为研究智能学习环境下的学习方式变革提供了启发式线索。除此之外，国内的关于智能学习环境下新涌现学习方式的研究相对较少，特别是深入到技术特征和使用方式配置上，缺乏有效的可考评量化分析模型。因此，这方面的研究亟待展开。

二、智能学习环境中的学习方式新需求

智能学习环境的产生必然对学习方式提出了更高的要求，[14]在知识建构上以突出群体协同的知识建构为目标，在认知目标上以高阶认知为重点，评价方式上转换为多元化评价，学习活动则从以教师为中心转变为学生为中心。因此，智能学习环境中学习方式必须具备以下三个新涌现特征：

（一）学习方式间必须无缝对接

根据美国在其2010的教育技术规划草案《转换美国教育：技术促进的学习》报告中就学习所提出的要求，学习应随时、随地（Any Time，Any Where），学习方式要桥接学校内学习和学校外学习，因此，学习方式间必须要能无缝对接，例如校内集中授课学习方式中产生的学习资源，必须能够被课堂外学习方式（移动学习）共享。在智能学习环境中，学习已经不再单纯是学校的事，而是贯穿于学习者的整个生活。学习所需要使用到的资源、所产生的成果、学习评价分析数据，都应该在各种学习方式间进行共享和交换。

（二）学习方式应具备群体交互特征

随着社会网络的虚拟化，人与人之间建立连接不再是件复杂的事。根据六度分离原理，世界上任意两个人之间最多只需要6步就能建立链接，因此，将社会网运用于教育是必然趋势。文献[5]详细分析了在Web2.0学习环境下新型学习方式的群体互特征。NMC在2012《地平线报告（高校版）》中则提到社会网在教育领域的更深入运用，例如通过草根学习网站平台，建立向任何人学习任何事的点对点新型学习方式。实际上，无论新涌现学习方式是基于互联网的，或者是基于互动媒体技术的，群体互特征都必不可少。在智能学习环境中的新学习方式如果没有考虑群体互特性，则会产生信息孤岛、资源孤岛等现象，会影响学习方式间的无缝对接。

（三）学习方式应满足个性化需求

1937年奥尔波特《人格： 心理学的解释》以及1938年默瑞《人格探究》的面世标志着人格心理学成为心理学领域中的一门独立的学科。人格心理学是需要从整体上研究人的动机、情感、认知、意志和行为等元素之间的相互作用和相互关联。

近几十年来，人格心理学家发展了多种研究范式，采取各种途径对人格进行了研究。随着研究的深入和需要，人格研究的多种传统趋于整合，相互取长补短。自20世纪50年代认知心理学从心理学领域崛起以来， 心理学家开始用实验认知心理学的方法研究人格， 用人们加工信息和解释事件的方式和过程描述来定义人格。具有不同人格特征的人其事物认知方式和过程也是不同的。例如，威特金（Witkin）在用棒框测验研究知觉的过程中发现，知觉过程存在个体差异，而这种差异和人格组织的差异有关。在此基础上，威特金区分出场依存性（FD）和场独立性（FI）两种经典的认知方式（很多文献又称之为认知风格），从而开创了关于人格的认知方式差异的研究。[15]

对学生进行因材施教是智能学习环境要达到的另一教育目标，因此，新的学习方式必然也要满足个性化学习的需求。对每一个学习者来说，学习就是个性化的学习经历和体验，智能学习环境中的学习方式都需要为学习者提供实现这一体验的可行途径。

三、 新涌现技术与学习方式配置框架

智能学习环境对学习方式所提出的更高的要求使得新技术支持的学习方式设计和开发都处于探索阶段。如何在现有新技术支持的条件下设计出适当的学习方式是本文要解决的核心问题。本文提出了一个关于新涌现技术与学习方式的配置模型框架，这个配置模型框架的核心思想在于通过对已有研究成果的系统分析建立新涌现技术和可行学习方式的映射关系。通过这个框架的运用，可以很好地为学习方式设计者提供指导和帮助。

在这个框架中，所有基于新涌现学习技术的成功学习案例都将被分解成由“智能学习环境”、“学习者”、“教师”、“学习资源”、“学习数据”5个对象所组成的系统（如图2所示），其学习过程通过这5个对象间的交互来进行形式化的描述。配置模型框架的根本目的是希望通过对成功案例的学习，找到一个可行的学习方式设计方案提供给需要在智能学习环境中学习的学习者或教师。

（一）新涌现技术与学习方式配置框架的总体设计

图1是新涌现技术与学习方式配置模型的总体设计。从图中可看出，配置模型首先需要将基于新涌现技术的成功学习案例分解为学习环境和学习方式两部分，并将学习环境中的各要素作为设计前提，学习方式的形式化描述作为结果存储为样本。配置模型由两部分构成，第一部分是样本优化过程，在这个步骤中，主要是筛选掉重复样本，使样本具有典型性。优化后的样本被作为案例保存在配置模型中。配置模型的第二个部分是机器学习，机器学习会通过对案例的学习，形成推理规则，当输入新的智能学习环境要素时，输出基于案例的学习方式配置方案。

（二） 智能学习环境下的学习过程形式化描述

新涌现技术与学习方式配置模型首先要对由新涌现技术构成的智能学习环境（Intelligent Learning Envrionment，缩写为ILE）进行对象抽象，其次再通过对象间的交互来形式化描述学习过程。如图2所示，ILE由各种新涌现技术（Emergent Technology，缩写为ET）组成，学习过程中可能参与的对象分为学习者（Student）、教师（Teacher）、数据（Data）和资源（Resource）。而他们与ILE的交互都通过操作符O（Operator）实现。

操作符分为C（Communicating）、P（Processing）、I（Integrating）和U（Use）4类。操作符的调用如图3所示，4类操作符描述了对象间不同的交互，使用“对象（O）对象”就可以形式化地描述智能学习环境中的学习过程。例如澳大利亚教育和早教发展部门在2010年的使用Web2.0进行教育和学习的研究报告[16]中所描述的一个关于使用流媒体技术的成功案例――Hawkesdale 学院的“TechnoChinese项目”，其中关于使用流媒体进行中文教学的学习过程则可对应地被分解为表1的形式化描述。

四、 基于案例推理的机器学习配置模型

篇10

在金融市场的演化历程中，技术向来扮演着重要驱动力的作用。在更趋成熟的2016年市场，人工智能与传统金融市场的诸多功能紧密结合，提高效率，降低业务成本。其中“智能投顾”成为继“宝宝”、“P2P”又一个新兴理财关键词。

智能投顾，即 Robo-Advisor，又被称为“智能理财”、“机器人理财”、“数字化资产配置”等。泛指基于大数据搭建金融模型并不断优化，从而根据用户的收益和风险偏好提供个性化资产配置方案，并提供交易执行、资产再平衡、税收筹划等增值服务。

2016年，市场将“众创”的核心路径瞄准了“互联网+财富管理”，中国版智能投顾也在此背景下托出水面，诞生了以宜信财富投米RA、弥财、蓝海智投、京东“智投”等为代表的一批新兴服务平台。

“新中产”的理财空白

智能投顾早先兴起于美国市场。于2011年才创立的Wealthfront，在短短三年内资产管理规模已达20亿美元。另一智能投顾的领头羊Betterment更于2016年成为首家资管规模突破50亿美元的初创智司。

传统的私人财富管理服务可以为高净值用户提供一对一的管家式理财咨询，但投资门槛低则100万元，高则上千万元。“智能投顾服务就是把门槛降低，并且将原本由人工提供的投资顾问服务自动化、产品化。”宜信公司创始人、CEO唐宁在接受《中国经济信息》记者采访时指出。今年5月份宜信财富推出“投米RA”这一智能投顾业务，成为其全球资产配置能力重要组成部分。

根据国际著名的科尔尼管理咨询公司（A.T. Kearney）发表的报告，美国智能投顾行业的资产管理规模将从2016年的3000亿美元增长至2020年的2.2万亿美元，占届时全球的资产管理比例将超过2.2%，年均复合增长率更将达到68%，可见智能投顾增长之高速。与美国相比，中国智能投顾市场目前虽处于起步阶段，但发展势头迅猛。

在中国，智能投顾的诞生，是财富管理行业对于社会新崛起阶层――新中产人群的积极回应。与传统“中产阶层”的定义不同，“新中产”是深受互联网浸润的一代。他们在生活态度、消费观念和理财方式上，崇尚个性、注重品质又理性。他们有明确而又强烈的投资偏好。

宜信财富联合彭博商业周刊的《中国新中产智能投顾研究报告》显示：76%的新中产希望能够通过自动化顾问工具等数字化渠道，获得投资推荐；73%新中产偏好稳健性投资产品；62%的新中产追求个性化理财产品；61%追求性价比高的理财产品。

同时，这一群体在理财市场上面临着“十万美元困境”，即对于普遍还没有迈入高净值门槛的新中产来说，投资额多在10万美元上下，因其产生的经济价值较低，传统的财富管理服务机构不愿意服务于这类投资人群。因此，新中产投资需求和目前财富管理机构可提供的服务之间存在错配，需要单独为其量身打造加以解决。

“智能投顾最大的优势是低成本。加上开户款项要求亦低，几乎没有起投门槛，因此目标用户范围十分广；其次是步骤简单，操作方便，适合总资产较少的年轻上班族。”领航 （Vanguard） 投资香港有限公司大中华区总裁林晓东对《中国经济信息》记者分析道。

智能投顾一般透过网上问卷了解投资者的投资需求，提供以目标为本的投资计划，并利用ETF作为主要的投资工具，为投资者制定资产配置方案，由科技模型执行管理投资组合。同时也提供税收建议及评估用户风险承受能力等服务。“一方面，由于资产配置透明公开，投资组合类型全面，这亦有助增加投资者的信任。另一方面，对投资者而言，智能投顾亦可避免情绪化影响投资决策。”林晓东如是评价智能投顾营造的双重“投资安全感”。

两种张力的博弈

英国脱欧的“黑天鹅”，公开数据显示，如果你投资的是意大利指数资金，当天的跌幅是12%，其损失比中国股市的跌停更甚；如果你投资的是纳斯达克，当天的损失也达到了4.12%……

但宜信财富投米RA首席技术官胡金辉博士向《中国经济信息》记者透露，英国脱欧当日宜信财富投米RA的最高风险等级只有-2.73%。胡金辉分析其中原因：“投米RA配置了不同国家的资产，脱欧的时候，欧洲影响是最大的，欧洲的股市跌得是最惨的，但是美国的股市跌得稍微的小一些，而中国亚洲的股市基本上没怎么跌，这就是跨地域、国别进行了风险分散。”

2016年，Fintech对于传统金融的改造和完善，将赋予投资者，尤其是原本被忽略的中小投资者更多选择的权利。谈及智能投顾的核心是金融还是科技，唐宁说：“通过大家的共同努力，科技已经成为金融的一部分，驱动金融发展的内生的组成部分。”

“由于中国智能投顾平台无法为客户代持资产，其实无法体现机构投资的优势，低成本、高效率也就无从谈起。”一位不愿具名的证券业人士向《中国经济信息》记者透露。

在政策层面，与投资顾问业务相关的法律法规均基于人对人的服务，受《证券投资顾问业务暂行规定》、《证券、期货投资咨询管理暂行办法》等法规约束，未界定机器人投顾是否具备合法性。

此外，国内对投资顾问业务和资产管理业务分开监管，适用不同的法律法规。按照规定，证券公司、证券投资咨询机构可以接受客户委托，辅助客户作出投资决策，但不能接受全权委托，从事资产管理服务。2015年3月证监会的《账户管理业务规则（征求意见稿）》体现出证券公司投顾人员可以“客户执行账户投资或交易管理”的可能性，但显然证券公司以外的业务平台不能参与该类业务。