人工智能技术调研范文

导语：如何才能写好一篇人工智能技术调研，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；商业银行；效率

当代社会，人工智能技术对各大领域的发展带来冲击。商业银行作为金融行业科技创新的前沿领域，应主动求变，积极应对人工智能对商业银行经营模式带来了严峻的挑战，将人工智能技术带来的压力内生为自身改革的动力，理智看待人工智能的发展，坚持技术创新，全面推进产品创新与服务创新，以顺应信息化潮流。发展情况不同地区的商业银行也要客观认识自身在“客户资源、网络构建、社会信誉”等方面的优势，取长补短。乡镇地区一般不如城市地区发展快，乡镇人员在接受科学技术进步带来的发展同样可能会比城市人员接受得慢，因此需通过匹配当地发展情况来适当的、逐步地在商业银行引入人工智能。各大商业银行在当地人员可接受的程度引入一定的人工智能技术，搭建多样化平台服务模式，不仅为前台工作人员减轻工作负担，而且能快速响应市场需求，为商业银行自身的改革发展打基础、存实力，不断提高综合实力全力进军智能化领域。另外，政府应对积极引进人工智能的商业银行提供大力的支持，包括资金及技术上的支持。为商业银行提供畅通的援助流程，确保人工智能技术的发展不受基础设施滞后的干扰，推进我国商业银行智能化改革的进程；政府应从行业规范入手，适当干预，及时推出有关人工智能的法律法规和管理条例，促进商业银行人工智能的健康可持续发展，避免有心之人假借人工智能技术破坏商业银行管理经营秩序，为人工智能技术的发展做好基础性工作。随着科学技术的进步和时代的发展，人工智能技术正在逐步进入大家的视野。无论是上班打卡的人脸识别技术，还是回家后扫地机器人的智能自动清扫技术，都为大家带来不少便利，成为现代科技生活不可或缺的一部分。新一代人工智能正在全球范围内蓬勃兴起，商业银行作为金融科技的重要行业，自然要积极引入人工智能技术来提高行业的工作效率，改善自身管理与成本问题，以提高整体运营水平，使其在激烈的金融市场中更具竞争力。

1.商业银行对人工智能引入的主要方面

据我们观察了解，目前商业银行对于人工智能的主要应用在智能人工客服、大数据分析以及简单的私人理财顾问三方面。首先，智能人工客服的生物识别、自然语言处理技术能够高效的为商业银行的前台人员减少不必要的业务量，使人工客服以客户能够理解的方式传达信息和解决问题，提高了商业银行客服方面的办事效率，从而提升了客户对商业银行办理业务的新鲜感和好感度。人工智能技术的引进对于商业银行执行层人员的分工更加专业化，有利于提高工作效率，减少因工作变化而损失的时间；可以减少人员培训的要求，降低成本；另外人工智能的引进激励商业银行员工改变自身缺陷，提高自身应变能力，向好的方面发展自己，进一步推进了商业银行优胜劣汰制度，降低了商业银行的管理难度。另一方面，智能客服还可以将客户需要处理的业务和所询问的信息进行合理分类，通过挖掘客户关注热点问题，为商业银行开展潜在业务提供科学性的支持。其次，人工智能的大数据分析功能已经小范围应用到商业银行中的风险控制及智能数据采集，这点与智能客服归类客户询问信息，为商业银行挖掘潜在业务的功能有异曲同工之妙。大数据分析与商业银行运行模式结合，可以增加商业银行本身的风险管理数据变量及观测视角，丰富商业银行的风险数据来源，打破传统商业银行风险数据结构的不完善，传统银行与新型银行运行模式对比，如图1，还可以提升数据准确性和客户甄别度，优化商业银行内部测评，建立安全的风险防范机制，相对实现风险管理的有效性和独立性，提升评估精准度。另外，大数据分析结合智能理财顾问，通过对客户及风险数据的分析、分类、整合，打造商业银行客户与风险管理信息精准灵活的技术平台。该技术平台以先进的数字模型为基准，代替人们的主观判断。通过在数据中筛选的“大概率”事件，为客户制定收益最大化的策略，减少客户在情绪波动的情况下作出的非理性投资决策。这使商业银行的风险管控清晰可见，在为客户带来相当的收益以及良好的服务体验的同时，也为商业银行带来较好的声誉，利于突出商业银行现有的优势，在一定程度上促进商业银行的转型升级。

2.不同发展地区商业银行的人工智能的发展及后期经营

然而，在调查研究过程中，我们发现，发展情况不同的地区的商业银行在应用人工智能方面的广泛度不同。由此看来，很多城镇银行不能盲目地扩大自身人工智能化程度。当发展状况不太好的地区的商业银行一股脑的引进人工智能设备，很有可能会造成当地人员对新技术的抵抗、反感心理。久而久之，就会导致的人工智能技术在其业务进展时的应用效率低、自身管理与成本问题没有得到改善，整体运营水平没有提高这些“徒有其表”的现象。当前，人工智能技术与商业银行运营的结合还没有达到最佳效益组合，城乡发展不平衡的问题导致人工智能技术的应用在这些地区之间存在一定的差异。人工智能技术在商业银行中的运用仅限于经济较发达的一、二线城市和部分城市的繁华市区。很显然，这部分地区经济发展迅速，人群的接受和适应新型科技的能力强，人工智能技术应用相对广泛。一般当顾客进入银行大厅就有自助系统进行服务，人工智能的数据存储和分析功能也可以将客户所要开展的业务加以准确地分类分析，为客户提供准确高效的服务；同时，人工智能技术和大数据分析可以定期监测客户风险、为客户提供相对合理的理财建议，提高客户体验感；除此之外，人工智能技术的引入和高效应用使柜台繁杂的人工业务减少很多，工作相对集中，人机协同，有效地提高了银行的运营效率。然而，在一些小城市和不发达的城镇地区，人工智能技术在商业银行运营中的应用存在着低级、不广泛等问题。很显然，农村地区经济发展较为缓慢，人群的接受和适应能力相较落后于城市人群，人工智能技术在商业银行开展业务过程中的应用不是很广泛；在调研中发现，这类地区商业银行对于人工智能的应用仅限于ATM机和最基本的智能客服，人工智能技术还未充分的发挥作用。

前台人工的业务比较多，即使是有客户通过人工智能机器进行业务服务，也需有前台工作人员进行辅助指导。这种发展缓慢与发展不充分问题提高了商业银行引入人工智能的成本，而且超过一半的农村人口没有城市人口的理财观念，人工智能的风险监控和个人理财管理建议等系统在此就无法涉猎，导致“大材小用”。然而正是这种农村地区发展不平衡不充分问题更能给商业银行的人工智能的应用带来机遇。对于农村商业银行来说，农村地处发展缓慢的地区，“三农”根基坚固，人员思想意识落后，对于商业银行积极宣传的金融服务不感兴趣，各家各户对现代化的金融服务没有概念，人工智能在商业银行中的发展会受到一定的制约。所以，这些地区的商业银行应小部分引入人工智能服务，比如，可以先引入前台服务的智能语音机器人，通过对话的方式解决客户的需求，指导客户顺利完成所办理的业务，适量地减少前台工作人员的工作强度，投入到人工智能无法涉及的领域，物尽其用，减少商业银行引入人工智能的成本，使当地客户慢慢适应人工智能带来的便捷。当地商业银行也应加大人力资本投资，建立培育人工智能技术人才的新机制，加大员工培训学习人工智能的力度，提高他们的应用能力素质，培养一支专业知识全面、业务娴熟的队伍，为人工智能在当地的普及提供专业的服务，促进人工智能在当地的发展，适应时代的变化。本专业队伍也要凭借专业知识积极探索服务农村的新机制和新模式，使自己的产品或服务有别于城市商业银行，形成自己独特的经营特色。其次，还可以根据农村需求，在人工智能技术创新的基础上，设立有特色的地方性商业银行服务产品。一是开发出贴近农户需求的金融产品，同时加大产品营销宣传力度，尤其是在掌上营业厅等方面着重从农村年轻客户入手，提供差别化、个性化服务，通过便利高效的服务来吸引潜在客户。二是加强对于农村小微产业金融服务的创新，利用其发展需要融资服务的特点，将大数据分析与风险管控联系起来，使其产品、存货、经营权作抵押担保，开展涉农小微产业联保贷款；对于个体户，通过人工智能技术的数据分析组合，开发各种低风险个人理财套餐。三是在金融环境上，农村商业银行作为地方性金融机构，其业务范围和技术水平都相当有限，因此应积极创新，与城市等较发达地区的各类金融机构达成全方位的合作，凭借人工智能拓展经营领域，创新经营模式，扩大营销渠道。发展较好的地区就可以积极引入人工智能技术，不管是前台大厅的智能服务还是对客户的信息识别、智能理财推荐服务都可以提上日程，满足客户的需求，为客户解决理财方面的问题。协调城乡发展不平衡情况，简便人工智能的操作步骤，升级语音控制的人工智能技术实现人工智能与客户良好的互动，使客户感受到人工智能带来的方便。另外，利用人工智能检测客户的风险水平，为客户提供相应的银行理财产品，即使客户不接受理财产品，也提高了城镇客户的认知，对银行理财有了一定的认识，对钱财的管理有了相应的理解。这样一来，商业银行在加大人工智能的宣传力度的同时也能响应号召，改善城镇地区发展落后的情况。

3.人工智能大势所趋

篇2

 

2015年12月，微软亚洲研究院首席研究员刘铁岩博士去蒙特利尔参加了NIPS年会(Annual Conference on Neural Information Processing Systems)，这是人工智能领域的顶级学术会议。但与会期间，他印象最深的不是同行的专业进展，而是一位科学家告诉台下的与会者，早些年，他的博士生根本找不到工作，今年却被一抢而空。

 

这也是中国正在发生的故事。从硅谷到北京，人工智能都是热浪滚滚。这个在上世纪50年代和80年代掀起过两次的技术，现在似乎真的到了产业化的临界点。互联网时代的思想家和预言家凯文·凯利宣称，人工智能是下一个20年里颠覆人类社会的技术，它的力量堪比电与互联网。

 

人工智能(Artificial Intelligence)，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。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

 

人工智能快速进入大众视野，源于今年3月谷歌围棋人工智能程序AlphaGo战胜世界冠军李世石。人机围棋对弈只是普及人工智能的一个秀。它的背后是规模千亿级的人工智能产业市场。BBC预测，2020年全球人工智能市场规模将达1190亿元人民币。

 

目前看，这一数据远比不上2015年中国移动互联网的产业规模。但人工智能的意义不仅于此，人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代。它甚至将超越移动互联网，全面改变人类的生活和工作方式。

 

离人工智能最近的IT互联网公司敏锐嗅到了这一机遇。从2011年开始，包括深度学习算法、计算资源和大数据产业的成熟令人工智能技术实现飞跃，包括微软、IBM、谷歌、Facebook、BAT在内的国内外企业都开始深度布局人工智能，试图把握风口，成为下一个产业变革的巨擘。

 

已布局人工智能的IT和互联网巨头们，最有资格成为这一轮革命的获益者。但这终究是一个漫长的耐力游戏，除了技术布局，产业布局和战略视野也是决定成败的关键因素，短视者将随时出局。

 

BAT保守布局

 

中国的所有行业中，以BAT为代表的互联网行业在人工智能研究和商业化探索方面走得最早，也看得最远。其中，技术起家的百度走在最前端。

 

2012年10月，百度董事长兼首席执行官李彦宏参加了内部的一个基于深度学习的语音识别产品研究会。当时该产品的主导者余凯回忆，那是李彦宏第一次知道深度学习，他非常吃惊，并给全公司写信，让所有产品经理都要了解人工智能技术的发展。

 

当年12月，李彦宏开始和余凯讨论成立深度学习研究院的可行性。次年7月，这个研究院成立，李彦宏任院长，余凯为常务副院长。这是中国公司里的第一个人工智能研究院。

 

李彦宏很快将相关技术投入到搜索的核心业务中。2014年的百度内部统计数据显示，深度学习技术的应用，让百度和竞争对手的Diff(different，内部叫Diff)指标提升了若干倍。

 

但人工智能的科研，尤其是基础科学研究，是一个冗长寂寞的过程。此后，迫于财务数据和竞争压力，百度的决策者们更加注重眼前的布局和资源。

 

“到了后期，太长远项目，或是比较创新的项目，百度总部确实不太支持了。百度i站的项目、百度快搜这样的项目没了。”一位不愿具名的前百度人工智能研究岗位人士评价。一位现任百度相关人士对《财经》记者表示，百度前些年确实剔除了不少经过验证没有商业化前景的分支项目，但最近两三年，百度明显加大了在人工智能上的投入，包括无人驾驶汽车等长期项目。

 

6月8日，在2016百度联盟峰会上，李彦宏将百度无人驾驶汽车称作“一台带轮子的电脑”。他现场播放了百度无人车路测的实况录像，百度无人车已经可以像正常车辆一样加速、并线、超车，他同时表示，三五年之内，无人驾驶一定可以成为现实。

 

从整体来看，百度仍是BAT三家中首先完成有关人工智能技术体系整合的公司。目前，百度研究院、百度大数据、百度语音和百度图像等技术都已归入人工智能技术体系。李彦宏多次向外界强调，百度未来的发展将严重地依赖人工智能。

 

IBM研究院一位人工智能专家告诉《财经》记者，百度是被他们列入竞争列表的唯一中国公司。

 

硅谷尤其关心“百度大脑”的进展。百度大脑是百度在人工智能领域的核心。百度此前的诸多人工智能产品，如无人驾驶、智能搜索等，都是基于百度大脑的能力。

 

百度高级副总裁、自动驾驶事业部总经理王劲称，百度大脑已具备视、听、说和预测、规划决策以及行动控制的能力。在数据方面，百度有万亿级的网页、移动和行为数据可供分析。在深度学习方面，百度的万亿参数排在世界第一。

 

2015年，百度的研发投入超过100亿元。占百度2015年总营收663.82亿元的15%。

 

百度正在计划将百度大脑在金融、汽车、医疗等领域商业化。李彦宏称，人工智能的“井喷式”创新，将推动互联网进入第三幕，并将重构传统产业。比如“人工智能+金融”，可以快速地实现征信升级，实现“秒放”贷款。

 

阿里巴巴和腾讯的布局则更加克制。或者说，它们更代表中国公司的普遍做法，从业务驱动开始，逐渐加大档位。

 

阿里从2011年开始布局互联网医疗，投资收购和战略合作的公司数以百计。围绕医院、医保、医药做了大量布局。最新的统计数据显示，全国已经有超过400家大中型医院加入阿里的“未来医院”计划，覆盖全国90%省份。阿里云人工智能首席科学家闵万里博士告诉《财经》记者，阿里在健康医疗领域的布局快慢，取决于阿里在人工智能领域的技术突破。

 

阿里的设想是，未来，在阿里遍布全国边远山村的医院医疗点里，病患足不出户，只需拍一张CT，通过远程技术来完成专家级的诊疗过程。这种诊疗，依赖的就是基于阿里云的人工智能医疗系统。随着学习数据的不断增加，机器会变得越来越聪明，最终成为一个“永不退休的医学专家”。

 

多位接受《财经》记者采访的专家评价，阿里这个技术并不复杂，医疗诊断是基于经验的专家型劳动，是机器擅长的经验学习，三年内该技术便可成熟。

 

闵万里告诉《财经》记者，要实现这个目标，除了技术平台，还需要整个医疗体系的打通，需要政府和社会共同推动设备和资源的开放。一旦打通，聚合在一个人工智能服务平台之上，就将衍生出更多的应用服务场景，从而实现“商业和技术互为驱动”。

 

阿里是目前中国所有公司里，数据生态最完善、最健全的公司。iPIN创始人兼CEO杨洋认为，阿里的MaxComputer数据通道，是非常健康的数据大动脉，可以将阿里的所有数据资源非常高效地结合在一起。

 

此外，阿里云也是目前世界上最接近AWS(亚马逊云服务)的云计算平台。数据生态体系是做人工智能的重要基础。因此，在这场有关未来的布局中，阿里云的主导地位清晰。

 

阿里的人工智能研究分散在其各个业务分支之中，有待整合。闵万里说，阿里希望在算法能力上有所突破，这需要一个集中的技术机构来整合阿里的所有相关技术资源。

 

腾讯和阿里的情况类似。腾讯在人工智能上的布局，以IM和SNS业务为基础。例如语音识别主要是在微信部门、图片识别主要是在QQ，支付和金融业务方面植入了人脸识别，搜索部门则关注自然语言识别。

 

其中一些技术已在腾讯内部实现产品化。SNG(社交网络事业群)的优图团队聚焦图象识别领域，推出了黄图识别功能，并为腾讯内部产品如图片优化工具“天天P图”提供技术支持。WXG(微信事业群)则人机互动领域的拓展，也对图像和语音识别进行了原发。WXG推出了智能机器人“小微”，用户可以用自然语言与之沟通，解决此前语音助手智能机械应答的短板。对于未来，工程师希望“小微”成为一种“连接器”——与微信支付串联起来，接入微信公众号以及钱包内的各种生活服务，打造完整的微信内O2O闭环生态体系。

 

腾讯高级副总裁姚星在接受《财经》记者采访时表示，腾讯越来越重视在人工智能领域的技术开发，这包括两个路径：一是整合腾讯自身的技术资源，形成体系和重点;二是加快对优秀公司的收购和合作步伐。

 

腾讯参与了多个人工智能项目的早期投资。腾讯投资并购部一直在为公司寻找需要的标的，服务于腾讯的整体战略。腾讯日前与硅谷风投机构Felicis Ventures领头了人工智能创业公司Diffbot 1000万美元的A轮。这家公司通过人工智能技术，让“机器”抓取网页关键内容，并输出软件可以直接识别的结构化数据。

 

BAT的人工智能技术研发从第一天开始就是商业需求驱动的，他们从业务入手，收购甚至模仿别人的东西，这种做法避免了漫无目的研究和不必要的失败，但也无法保证在下一轮的人工智能平台大战中胜出。

 

今年，阿里和腾讯均有组建人工智能研究院的想法。姚星对《财经》记者说，很快，腾讯人工智能研究院就会成立。

 

国际巨头深入无人区

 

如果说BAT的人工智能布局处于对标和追赶的状态，那么以IBM、微软、谷歌、Facebook为代表的美国巨头公司已经开始深入科技无人区。

 

这些公司技术和业务各有所长，面向的用户也不同，但它们的目标一致：把人工智能机器做大、做强、再做没。

 

IBM和微软可能没有谷歌、Facebook看起来那么酷，但在人工智能领域有深厚的技术底蕴，IBM甚至已经开始用人工智能赚钱。

 

IBM人工智能研究可以追溯到1997年“深蓝”战胜当时的国际象棋世界冠军卡斯帕罗夫。2011年，代表着IBM在认知计算领域最先进技术的Watson在一个电视节目中一战成名，被认为是人工智能历史上的一个里程碑。

 

今天可以代表IBM在人工智能领域最高技术水平的，是不断进化中的Watson系统，和已经可以量产的人脑模拟芯片SyNAPSE(超大规模神经突触计算机芯片)。

 

Watson是一台超级计算机，最初由90台IBM的Power 7服务器并行组成。和Google、微软的人工智能相比，它从硬件芯片构架就开始模拟人类神经元，基于IBM的“DeepQA”技术开发。2014年1月初，IBM宣布组建“Watson Group”，旨在进一步开发、商用和增强“Watson”及其他认知技术，此外还投入10亿美元用于其他相关项目。

 

Watson已经开始为IBM赚钱了。法国农业信贷银行预测，Watson系统创造的收入将在2018年占IBM总收入的12%以上。Watson已经被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、微软等大型科技公司在云计算领域展开竞争的武器。

 

另一个代表性产品是IBM在2014年的人脑模拟芯片SyNAPSE。该芯片能够模仿人脑的运作模式、低功耗，在认知计算方面要远胜传统计算架构。和其他芯片公司的纸上规划不同，这款芯片已达到量产要求。

 

IBM将其技术和商业实力总结为“认知计算体系”。IBM大中华区副总裁、战略部总经理郭继军向《财经》记者表示，IBM推动认知计算体系，目标是把IBM在人工智能、大数据、深度学习、模式识别等所有领域里所做的积累应用到各个行业中去，帮助各行各业客户提升效率，解决他们所面临的现实挑战。

 

微软人工智能技术的研究已超25年。1991年微软成立研究院，最早的五个研究组，研究方向分别是人机交互、自然语言处理和机器学习、语音识别和语音合成、计算机视觉。这些恰恰是今天人工智能的几个最重要的分支。

 

微软的人工智能研究方向要宽泛很多，微软研究院拥有超过1000位科学家，在包括深度学习的多个领域的技术布局处于世界顶端。

 

微软最新的深度学习系统在2015年ImageNet计算机视觉识别挑战赛中，将计算机视觉系统错误率降低至3.57%，相比于人眼辨识的5.1%，这是人工智能首次在识别图像的错误率上超越人类水平。这些机器由微软的Azure云服务提供支持。

 

微软不仅将人工智能技术应用于如Windows、Azure等核心业务中，还构建开放的平台，将多年的技术积累开放给产业界，它的目标是打造一个人工智能生态圈。

 

它在无人区走得最远，在现实商业世界中隐蔽得最深。

 

和前辈相比，年轻的谷歌在人工智能领域做的事情更让外界看得懂，也更兴奋。谷歌一方面不知疲倦地做底层人工智能技术的积累，研发更加高级的深度学习算法，增强图形识别和语音识别能力。另一方面亲力亲为布局了包括智能家居、自动驾驶、机器人(2013年收购了8家机器人公司)等领域，前者为后者带来基础技术支撑，后者为前者提供数据和反馈。

 

值得一提的是，谷歌在无人驾驶汽车领域的技术积累，已经远远超过传统汽车厂商和其他互联网公司。

 

更加年轻的Facebook，将人工智能视为未来的三大方向之一。Facebook天然拥有全球范围内的海量社交数据，但在基础科学的研究上依然不遗余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员田渊栋称，FAIR的研究方向自由宽松，研究所需的计算资源(如GPU)相对丰富，同时也没有近期的产品压力，可以着眼长远做困难和本质的研究。他称，这样的学术氛围在各大公司是极其少见的。

 

如果说前述几大巨头都是从人工智能技术出发，结合云计算赋予技术更多势能，那么亚马逊的路径正好相反。亚马逊是全球第一大云服务提供商，它的云服务收入超过微软、IBM、谷歌、Salesforce等所有对手的总和。但亚马逊目前的人工智能技术，多数集中在提升购物体验的深度学习领域。

 

人工智能技术有两大要素：核心技术平台和数据循环。只拥有技术是不够的，需要业务和数据结合，才能打造好的技术。对循环数据的获取，巨头们也都不遗余力。

 

以最热衷开源的微软为例，去年，微软了“牛津计划”(现更名为“微软认知服务”)，这是一个基于微软云平台的智能API(应用程序编程接口)，涵盖了五大方向的人工智能技术，包括了计算机视觉、语音、语言、知识、搜索五大类API。去年夏天火爆的How-Old.net，就是借助该平台快速开发出来的一款应用，一共只有20多行代码。

 

类似的工具包微软还有很多，例如深度学习工具包(CNTK)和微软亚洲研究院主导的微软分布式机器学习工具包(DMTK)等。

 

这些对于创业公司和中小企业来说相当实用。他们不用从底层技术一点点学，在小集群上或者是云服务上就可以直接调用。

 

对于巨头来说，算法已经不再是竞争的障碍，数据和用户习惯才是山头。大量的初创企业会采用开源做很多垂直领域的业务，其中包括海量试错和验证，最终也会反馈回开源，而这正是巨头们所期望的。

 

做B2B生意的IBM对数据的专业度要求更高，无法仅依赖搜索引擎和大量应用的交互来训练Watson系统，因此通过深度合作和并购来获取专业数据。

 

以医疗领域为例，IBM和多家世界级顶尖医院合作，向医院部署Watson的智能系统，通过分析这些医院的病历、专家的治疗经验、现有的学术研究等，帮助它们制定、观察和调整癌症患者的治疗方案。在这一过程中，Watson也就有了这一领域的数据积累。

 

2015年4月，IBM收购了Explorys，它是一家可以查看5000万份美国患者病历的分析公司。类似的收购IBM还有不少，并且出手相当大方。

 

Watson已经可支持针对乳癌、肺癌和结肠直肠癌、皮肤癌等癌症的初期诊断。在皮肤癌领域，在一项对3000幅皮肤镜检查图像的研究中，Watson识别皮肤癌的准确率高达95%以上。而人类识别皮肤癌的准确率只有84%。

 

国内的一位人工智能业者调侃，国际巨头在人工智能领域真正有价值的是它们的那些你看不见的、没开源的、国际会议上含含糊糊一笔带过的技术。“那些才是可以颠覆未来的弹药。”

 

填补断层

 

人工智能的产业结构可以分为三层：应用层、技术层和基础层。应用层聚焦在人工智能和各行业各领域的结合;技术层是算法、模型和技术开发;基础层则是计算能力和数据资源。

 

BAT擅长第一层。BAT手中，天然握有全球最大的数据资源。但在第二层和第三层严重断层。中国在人工智能领域的科研水平停留在工程数学、物理算法等工程科学的创新层面，基础理论研究领域的人才和资源很少。

 

多位接受《财经》记者采访的中外业者认为，BAT的优势在于海量数据，和国际巨头的核心差距在技术。

 

腾讯高级副总裁姚星告诉《财经》记者，今年初，他和腾讯的投资并购部达成了一个共识，开始大量考察美国的机器学习平台类创业公司。一则中国这类技术公司不多;二则收购这种公司可以快速补足腾讯在算法领域的不足。

 

姚星向《财经》记者分析，同样提供10万个样本给机器，优秀的算法平台可能只需要几个小时，速度慢的可能需要几天时间。

 

对于海外收购，搜狗公司CEO王小川则更加直白：“国内适合收购的标的公司很少，因为根是断的，(技术和基础研究)源头在国外，要到国外看。”

 

在快速迭代的互联网世界里，即便是互联网巨头，单打独斗练独门秘籍也会错失良机。最佳方式，就是拥有数据和拥有技术的公司，通过各种结盟方式形成优势互补，快速抢占市场。

 

2014年11月，蚂蚁金服宣布和旷视科技战略合作，利用后者的人脸识别技术Face++软件去确认开立在线银行账号的用户身份，即“人脸支付”。

 

Face++在人脸检测的多项指标评测中接连拿下世界第一。2013年，在极难识别的互联网新闻图片上，获得了97.27%的准确率，这个指标高于Facebook团队。三年后，这一准确率已提高至99.5%。

 

进行面部识别，需要处理大量来自面部的数据信息，包括结构、五官以及肌肉等方面的数据分析。阿里云为这个合作注入自身的数据和分析能力。

 

“凡是花钱解决的问题都不是问题，阿里可以自己完成这些事情，但时间成本是相当昂贵的。”闵万里对《财经》记者说，“阿里有1000件同级别的事情要做，能做好的只有其中几件，剩下的用投资+合作，这是时间和资本效率最高的做法。”

 

技术和数据的结盟并不限于BAT，更多的公司希望通过结盟方式获得未来，新的巨头或许从中诞生。

 

搜狗CEO王小川的思路是社交化，做更多连接，通过建设社群关系，把人大脑里的智慧表达出来，从而解决目前搜索技术存在的内容不够精准和实用性较差的问题。2013年腾讯入股搜狗后，先后向搜狗开放了微信公众号数据和QQ兴趣部落，为搜狗输入数据资源。除此之外，搜狗还在去年11月战略投资知乎1200万美元，全面接入知乎内容。

 

王小川想让搜狗的人工智能机器不断学习社群数据，他对《财经》记者说，“人工智能下一个五年不在于人工智能本身，而是让机器找到人。”

  

  李彦宏称，人工智能拥有广泛的商业用途，人工智能的“井喷式”创新将重构传统产业。

 

今天，技术和数据的天然开放性让各公司之间的竞争变得“我中有你、你中有我”，最终的赢家是可以将技术和数据平衡利用，达到平台效益最大化的公司。

 

微软亚洲研究院常务副院长芮勇认为，横向对比，中国和国际领先公司在核心技术上确实存在差距，国外更加注重基础研究和技术研发，国内企业可以将国外的研发工具化、商业化;从纵向看，中国在人工智能领域的技术积累近几年确实出现了飞跃，无论是最底层的计算机体系架构，还是智能硬件，或是上层软件应用，都有质的进步。

 

“只要不太急于求成，持之以恒地投入，中国的人工智能产业相当值得期待。”芮勇说。

 

挤出泡沫

 

马云在一次内部讲话中强调：“全球都在讲人工智能，到了风口浪尖，在创新面前，没有第二只有第一，创新落伍了，你就输了。”

 

焦虑的不仅是BAT，华为公司创始人任正非5月30日在全国科技创新大会上发言提到，“未来二三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。如果不能坚持创新，迟早会被颠覆。”

 

开放趋势之下，人工智能也注定不是一场巨头间的战争。

 

市场调研机构CB Insights的统计数据显示，2014年风险资本对人工智能的投资增长302%，达到3.09亿美元。

 

中国人工智能领域已有近百家创业公司，65家获得投资，共计29.1亿元人民币，其中旷视科技、优必选、云知声、SenseTime四家公司登上艾瑞独角兽榜单。

 

更多初创公司只是打上了人工智能的标签。它们本质上是用国际开源的平台，用数据训练一两个模型，甚至照搬国际模型，这其实潜含危险，最大的风险是产品严重同质化，尤其在人脸识别、语音识别等成熟领域，这些公司的产品没有突破性创新，根本没有继续走下去或被收购的价值。

 

姚星常常为投资人鉴定真伪人工智能公司。他说，辨识伪人工智能公司有两个关键点：一是这家公司所采用的技术是否是最新、最前沿的技术，如果不是，则是用人工智能概念包装的伪人工智能。

 

其二，这家公司的技术和业务是否具备可扩展性?若否，则是采用部分机器学习算法或浅层人工智能技术的商业公司，而非真正的人工智能公司。

 

iPIN是一家拥有文本认知智能技术的公司，从去年开始，iPIN收到了不少投资机构的投资意向，该公司创始人兼CEO杨洋告诉《财经》记者，到目前为止，他还没有遇到真正有能力鉴别人工智能技术水平的投资机构。

 

“这对于做伪人工智能的公司绝对是一个好消息。”杨洋调侃说。

 

危险在于，就算是一些初创时期确实手握人工智能独特技术和商业模式的公司，也在资本的胁迫下慢慢走形。

 

在资本的压力之下，一些人工智能创业公司开始过早商业化，研发投入逐步降低，人员结构也发生变化，销售开始主导公司，最终技术公司变成营销公司，失去了被并购的价值。

 

投资人工智能公司，需要专业技术知识和长线投资眼光。根据Gartner的“智能机器炒作周期图”，由人工智能驱动的应用中，语音识别产业化最高，自动驾驶汽车和智能顾问处于炒作最高点，智能机器人、自然语言处理/生成和虚拟个人助手则处于爬坡期。这些都属于5年-10年内能广泛普及的颠覆性技术。而神经形态硬件(如神经元芯片等)属于10年以后才能普及的技术，但该技术可能还没研发成熟就被淘汰了。

 

需要在这一轮变革中保持耐心和恒心的还有政府和高校。人工智能涉及计算机科学、生物学、社会学、哲学、材料学、工程学等多个学科，中国高校基础学科的研究能力无法被充分利用，体制内缺乏一套产学研流畅对接的机制。这导致中国高校在这次产业变革中严重缺位。从美国的经验来看，正是其从法律、机制上保证了产学研的平滑转换，才令美国在这一轮的人工智能研究中占据上风。

 

一些乐观的投资人认为，技术发展本身就是驱逐泡沫的手段，“不用很长，一年或一年半的时间，很多真实情况就会暴露出来，泡沫也将逐渐散去”。

篇3

本次在北京召开的主题为“创新驱动，应用引领，服务制造强国建设”的第一届中国人工智能技术与应用大会暨人工智能60周年颁奖典礼，由中国电子信息产业发展研究院主办，中国计算机报社、中国软件评测中心承办，在这样专家云集，汇聚多家高新技术企业和各类型人工智能新型产品行业性盛会上，何以嫦娥抗衰股份的“嫦美皮肤解码机器人”系列产品能战胜强手，脱颖而出？

专注医学抗衰 致力于智能机器人的医学应用

武汉嫦娥医学抗衰机器人股份有限公司是国内成功将现代人工智能学习机器人技术、云数据技术、物联网技术、高精度影像学技术等多学科综合运用于人类抗衰老医学临床的高新技术公司。“嫦美皮肤解码机器人”是武汉嫦娥医学抗衰机器人股份有限公司股改以来推出的首款高智能产品，该款机器人集皮肤图层解码、皮肤信息云数据比对、皮肤大数据在线分析、皮肤个性化解决方案等多项技术创新于一身，在皮肤精确检测的基础上，借助现代智能科技，开启了皮肤抗衰技术质的飞跃。

“嫦美皮肤解码机器人”用于专业生活美容、医疗美容和皮肤医疗机构的皮肤深度解析、评测、发展预测和提供个性化解决方案。嫦娥抗衰股份依托智能机器人，尝试医学抗衰机器人+抗衰生态圈的全新运营模式。就机器人而言，可以从水分、油分、紫质、暗斑、皱纹、色素、毛孔、色斑、纹理九个方面形成量化指标，而且科研队伍具有不断扩展开发新指标的潜力，与现有的市场上的皮肤检测产品相比较，“嫦美皮肤解码机器人”具有明显的优势。第一，皮肤检测的深度和精度更显卓越，全面表述皮肤状况的九大量化指标；第二，直观、准确的皮肤发展趋势预测能力，帮助客户和使用机构提前预防及有针对性地解决皮肤问题；第三，依托皮肤大数据、机器人自学习能力，不断完善皮肤检测体系，提供的皮肤问题解决方案更权威，在此基础上，结合移动端、PC端和机器人设备端等多终端互联，建立皮肤解码、养护、治疗的生态圈，以高科技和现代服务理念为基石，实现医疗机构、医美机构和消费者的多方共赢。

嫦娥抗衰股份前身是武汉雅典娜科技有限公司，公司自成立之初，就定位于人工智能新技术的研发。经过全面的市场和行业调研，公司将眼光聚焦于医学抗衰领域，开始人类医学抗衰的新技术和新产品研发。公司曾先后与武汉大学、华中科技大学、武汉理工大学等多家高校和专业研究机构形成战略合作，共同建立多个医学抗衰研究中心，2016年公司正式更名为嫦娥抗衰股份。

“嫦美皮肤解码机器人”是嫦娥抗衰股份两年磨一剑、锤炼而出，而能让嫦娥人矢志不渝的坚守最初的理念的，莫过于对人类抗衰事业不懈的追求，以现代智能科技解决人类抗衰问题的决心。

嫦美皮肤机器人 开创医学抗衰机器人时代

“嫦美皮肤解码机器人”是自主研发的智能型皮肤解码产品，可以自我学习和完善，具有精确的皮肤检测功能，却完全不同于皮肤检测设备。

嫦娥抗衰股份在分析了”嫦美皮肤解码机器人”的工作原理后，给皮肤解码机器人做定义：

皮肤解码技术托生于现代机器人自我深度学习技术，结合云数据技术和高精度影像学技术，突破皮肤检测仅限于皮肤浅表层的局限，基于全脸，更深层次地展现皮肤问题的发生根源，从而达到为皮肤解码的目的。皮肤解码机器人运用云数据技术，通过储存的数十万份中国人不同年龄段、不同地域、不同生活习惯的皮肤标本库，建立权威的综合评测标准。

在此基础上，皮肤解码机器人将客户信息与机器人皮肤评测标准及储存数据进行比对，分年龄、分地域、分季节地评测出客户样本与检测标准之间的差距，从而准确评定客户皮肤水分、油分、色素、毛孔、皱纹、色斑、紫质、暗斑、纹理等9大指标上的差异度，且动态分析皮肤生长发展趋势预测。

最后，皮肤解码机器人根据解码皮肤样本的皮肤问题及病变情况，出具个性化、系统化、科学化的皮肤问题改善及治疗解决方案，结合皮肤医疗机构治疗能力，对客户的皮肤进行全面改善或医治。

“嫦美皮肤解码机器人”项目研发由武汉理工大学教授刘新华博士牵头负责。“嫦美皮肤解码机器人”在立项之初，刘新华带领团队做了详实的市场调研，发现国内的皮肤检测产品大多是美、韩产品。做中国自己的“智造”产品，要超越现有产品层次，超越皮肤检测的范畴，这成为“嫦美皮肤解码机器人”立项的基础。

“嫦美皮肤解码机器人”的研发过程攻克了许多技术难关，其中一个算法上的难点，研发团队曾不眠不休地钻研了7个昼夜。自主研发不容易，但经过“嫦美皮肤解码机器人”项目研发，刘新华教授仍旧希望中国 “智造”多出现，中国创造要在世界上大放光彩。

“嫦美皮肤解码机器人”拥有先进的“第三代光脑-CAⅢ”智能系统，为机器人自学习能力提供智能系统保障，配备高精准的有效像素设备，在外观设计、制作工艺、软件设计多层面的技术创新，先后获得了发明专利数十个，突破传统皮肤检测产品的技术困境，从现代技术角度诠释皮肤解码的意义，将医学抗衰产业带入机器人时代。

探索“产学研”模式 共创医学抗衰智能化未来

医学抗衰领域的智能化技术创造和创新，是推动产业发展的核心力量，也是公司发展的核心动力，然而技术研发是积聚社会优势资源，共同发力的结果，是长期的过程。公司需要有能力整合优势资源，也需要有厚积薄发的耐力。

嫦娥抗衰股份围绕医学抗衰事业版图，与武汉大学、华中科技大学、武汉理工大学等国内外高校、研究机构强强联合，先后斥资千万，致力于人类抗衰课题的综合研究、开发及技术革新，成立了武汉理工大学医学抗衰老信息工程研究院、武汉大学医学影像信息研究中心、华中科技大学国家级激光临床应用研究中心、武汉理工&嫦娥抗衰智能医疗信息化研究中心等多个研究机构。

篇4

如今吴恩达的出走，是否会给百度的AI战略带来变数有待观察，作为BAT中最早布局AI的互联网巨头，这一变量也为科技公司未来在AI的竞争格局中带来新的想象空间。

人工智能将掀起下一轮技术革命已成共识，谁能把握这个风口，谁将在未来占据更多的话语权。

相比创业公司，BAT在人工智能领域拥有人才和数据优势，这为他们赢得先机。而在寻找中国创客导师、创新工场创始人李开复看来，吴恩达出走后很可能进入创业公司，脱离以大公司为首的“人才黑洞”走向开放，或许将是人工智能领域的新里程碑。

没有退路的百度

在腾讯、阿里巴巴一直稳定在2000亿美元的市值时，百度的市值却徘徊在600亿美元，引得外界经常被调侃百度已从BAT掉队，但在失掉移动互联网的机会、O2O战略不见起色后，百度坚定地扛起了人工智能的大旗。

自发展人工智能以来，百度从国外挖来包括吴恩达在内一批牛人，后者一度成为百度的二号人物。今年1月17日，百度正式宣布陆奇加盟百度任总裁兼首席运营官，陆奇在加入百度后表示，他的目标是将百度打造为人工智能时代全球领先的高科技公司。

而把时间倒回到2015年，那时候O2O进入到战斗的最后阶段，百度也毫不示弱。“我们先拿200亿，把糯米做好”李彦宏这样表示，随后加大了对糯米和百度外卖的扶植。

但对O2O的高付出并没有使得百度糯米做到第一位置，持续的高补贴使得亏损扩大。更加不容乐观的是，2016年百度活跃网络营销客户数量相较2015年下滑6.4%，广告业务营收在2016年第三季度首次下滑，同比下跌6.7%。

PC时代流量霸主开始转向人工智能，试图弥补错失移动互联网的遗憾。调研公司EMarketer在2016年9月的报告显示，在互联网广告市场，阿里巴巴已超越百度成为市场第一巨头，而百度总收入中，九成以上仍然来自广告业务。

种种并不好看的数据，也使得百度公司和李彦宏开始反思O2O棋局以及公司未来的核心增长点。人工智能成为百度重点押注的对象。李彦宏希望创造并攻占下一个风口，重回市场霸主地位。

作为百度人工智能战略的首席架构师，吴恩达一手打造了百度大脑项目，随着吴恩达宣布离职，百度宣布任命百度副总裁王海峰为AI技术平台体系总负责人，转向百度集团总裁和首席运营官陆奇汇报。

显然，陆奇已经成为百度人工智能领域最高指挥官，吴恩达的离开使得百度损失一名得力AI干将，但应该不会对百度人工智能布局产生太大影响，因为陆奇也是人工智能领域的大咖。

陆奇的上位，吴恩达的出走，以及一系列的人动说明，百度仍处在架构调整当中，AI能否快速输血百度还有待时间来检验。

伺机而动的阿里腾讯

如果说百度的AI战略是主动出击，那么腾讯和阿里巴巴的AI尝试则是防御性武器。他们选择了相对稳妥的方式进入，利用AI来提升公司自身业务以及帮助上下游合作伙伴，去巩固自己的市场地位。

3月19日，在东京落下帷幕的第10届UEC杯，来自腾讯AI Lab即腾讯人工智能实验室研发的人工智能围棋程序“绝艺”获得冠军。在人工智能领域一直低调甚至默默无闻的腾讯，依靠这款产品向外界宣示了对AI的探索。

“‘绝艺’的研究对腾讯的价值不止于围棋AI本身，它帮助我们在深度学习、强化学习方面进行了非常有价值的探索和创新，这些都将为将来的研究奠定很好的基础。”腾讯AI Lab负责人这样告诉新京报记者。

据了解，腾讯AI Lab在2016年成立，关注的四大应用方向：内容AI、游戏AI、社交AI和平台工具型AI，此次的围棋AI就和游戏AI密不可分。

腾讯作为一个社交和游戏基因很强的公司。在AI应用上面的探索，不仅来自自身核心业务需要，也是市场竞争使然。

比如已经成长为内容领域新巨头的今日头条，从诞生之日起就以优质的算法、推荐功能来抢占用户，已经成为用户心中的智能化新闻平台，而拥有微信公平台、腾讯新闻、天天快报等内容平台的腾讯，也不想因为人工智能而丢掉大批的用户。

在阿里巴巴，人工智能显然也成为马云押注未来商业的基石。3月9日，阿里巴巴技术峰会上，阿里推出“NASA”计划，面向未来 20年组建强大的独立研发部门，马云同时点名了五大技术：机器学习、芯片、IoT、操作系统和生物识别。“新经济体必须建在新的技术基础设施之上，建立在新的技术思考之上。”

2016年10月，Gartner的报告预测，到2020年智能机器人将能满足40%的客服市场需求。对客服需求量巨大的阿里巴巴显然不能在技术上掉队。

2015年，阿里巴巴就了基于人工智能的购物助理虚拟机器人“阿里小蜜”，这款应用基于语音识别、语义理解、个性化推荐、深度学习等人工智能技术，加之机器人每天能去学习几百万条人工的服务记录以及海量的知识源，智能水平在逐步提高。

打败BAT的会是AI创业公司吗？

著名华人科学家李飞飞说，人工智能将成为新的生产力，成为第四次工业革命的主要推动力之一。通过对BAT在人工智能领域的布局梳理发现，他们的AI路也在日渐清晰。

百度瞄准的是无人驾驶。3月1日，百度通过内部邮件宣布，成立智能驾驶事业群组，由陆奇兼任总经理。而此次成立的智能驾驶事业群组，由自动驾驶事业部、智能汽车事业部、车联网业务共同组成，旨在推动人工智能时代的传统汽车产业升级。

2016年11月乌镇世界互联网大会上，百度首次在全开放的城市道路实现自动驾驶试运营；今年初，亮相美国CES并向全球自动驾驶开放平台。百度近期表示，未来将继续加大对智能驾驶领域的投入。

阿里巴巴则是在云计算中加入AI的助力。从内部看，在阿里的战略体系之中，云计算一直都是电商、物联网的核心驱动力；从外部看，阿里云从2009年成立到现在服务了超230万客户，而随着客户存储数据量的剧增，未来对云计算的要求也会加大。

而腾讯尽管没有将AI作为核心，但从绝艺的表现和通过投资和收购布局人工智能公司来看，借助人工智能连接一切也在悄然进行当中。

外界对于BAT在人工智能领域的发展，持有的态度是希望其能更加开放。

篇5

关键词：贸易经济人才培养大数据与人工智能挑战

中图分类号：G71文献标识码：A文章编号：1672-3791（2020）06（a）-0028-02

21世纪是一个智能化时代，人工智能与智能系统的不断发展，成为当今世界各国发展的重中之重。2015年来，人工智能快速覆盖了我国的各行各业，这些新型行业的出现，一方面给传统产业、行业和企业带来挑战，使得传统行业开始萎缩，对人才的需求开始下降，而新产业、行业和企业的出现并得到快速发展，因此对人才的需求量逐年增加。这一变革，给高校人才培养带来了巨大的挑战和机遇。

1人工智能背景下的贸易经济专业发展现状分析

1.1贸易经济专业办学与人工智能的联系很弱

从贸易经济专业的办学水平和内容来看，均处于传统阶段，对行业在人工智能方向上的变迁没有系统的认识和认知性教育，贸易经济专业的改革势在必行。

以重庆工商大学为例，贸易经济专业的办学与人工智能的结合非常微弱，甚至可以说基本没有考虑到人工智能与专业办学的结合。最近三年，重庆工商大学的贸易经济专业开始探索大数据与专业办学的结合，苦于师资和其他办学资源的限制，目前仍处于讨论阶段。

1.2贸易经济专业的人才培养仍停留在传统模式上

从开设贸易經济专业的高校来看，人才培养模式均未与人工智能、大数据进行紧密结合，这一现状对专业建设与快速发展的行业之间对现代人才需求之间存在着较大的差距，贸易经济专业需要加快改革的力度。

1.3贸易经济专业的课程体系仍未与人工智能结合起来

从课程体系来看，贸易经济专业的专业类课程设置中不同学校有些差异，标志着各校的专业建设和人才培养有所不同，但是大部分课程设置都是传统类课程，如西方经济学、政治经济学、会计学、贸易经济学、零售学、消费经济学、商品学、市场营销、商务谈判、国际贸易、产业经济学。与人工智能、大数据、数据分析的课程很少出现，传统课程也未与人工智能进行交叉，或者以多种方式将人工智能、大数据及数据分析嵌入各门课程中。

2人工智能背景下贸易经济专业发展的机遇

人工智能与大数据的发展势不可挡，产业体系初具规模，支撑能力日益增强。为贸易经济专业的未来发展带来了不可多得的机遇。

2.1人工智能给贸易经济专业带来了新的发展方向

无论从流通2025还是从流通4.0来看，人工智能与流通、贸易行业的深度结合形成的新行业，成为未来发展的新趋势，这些行业的快速发展，对人才的需求，为贸易经济专业明确了未来的办学方向。

2.2人工智能给贸易经济专业的课程体系改革带来了新方向

开设贸易经济专业的各高校均有自己的一些课程建设的特征和特色，在科学研究方面，多学科之间互相支持也具备了前提条件，这一先天优势，给贸易经济专业进行的课程体系的重构，提供了优越的前提条件。人工智能背景为贸易经济专业的课程体系重构和改革提供了新的方向，贸易经济专业可以在专业课程体系设计上，加大大数据与人工智能与贸易经济课程的结合力度。

2.3人工智能给贸易经济专业学生就业带了新机遇

传统时代贸易经济专业主要为商贸流通类企业培养高端商贸人才，或者为政府部门、科研单位培养管理和科研型人才。人工智能与各行业的结合，孕育出了一些新的岗位，这些岗位需要高端人才，这些人才不止懂贸易、物流、商务的专业知识，更要懂数据、大数据，尤其是能够进行数据处理和分析，并等运用大数据进行管理。同时智能贸易、智能零售、智慧商业、智慧物流等行业对新型人才的需求非常紧迫。

因此，贸易经济专业的办学需要进行深入的市场调研，全面深入掌握行业发展和人才需求的实际情况，重构人才培养的体系和思路，重新设计专业课程，这是提升人才质量的关键。

3人工智能背景下贸易经济专业发展的挑战

人工智能+商贸流通的快速发展，以及人工智能在高等教育中的广泛应用，给高校贸易经济专业的办学和未来发展带来了很大的挑战，一方面传统行业的升级换代需要新型人才；另一方面当前高校贸易经济专业的现有资源的落后制约了教育改革。与此同时，智能化不断进入课程，对教师的替代力度在不断提高，这些变化，给高校的专业建设和专业发展带来了巨大的挑战。

4人工智能背景下贸易经济专业发展的路径

4.1建立适应人工智能+背景下的贸易经济专业人才培养理念

人才培养的创新首先是理念的创新与形成，贸易经济专业在人工智能时代的未来发展之路，是从人才培养创新出发，所以首当其冲的是人工智能+的培养理念的形成，根据区域商贸流通业发展与社会对贸易经济人才培养提出的新需求和高等教育与人工智能的融合发展的新趋势，在持续深入开展贸易经济专业人才培养模式的社会调研的同时，深入进行理论研究和实践探索的基础上，形成适合本校独特的人工智能背景下的贸易经济专业独特的培养模式。即“大德育理念”“大商科理念”“学科交叉融合发展理念”。

4.2构建人工智能+的人才培养方式与手段

贸易经济专业的教师和学生面对的是一个瞬息万变的时代，因此，教师要不断地跟进行业发展，成为理论的“创新者”，同时还要增加著名企业的管理者和实践者成为教学团队成员，来促进贸易经济专业教学与时俱进，促进科研、教学与社会服务一体化，形成风格独特的教学内容体系和教学方法，启发学生多思考，培养学生的创新能力和决策能力。

4.3加强适应人工智能+贸易经济专业教学的新型教师团队

教师是教学的最根本资源，是确保教学质量提升的根本性条件，也是推动教学改革的主要力量，贸易经济专业的一切改革均是基于教师的改革。首先，要加强教师在人工智能方面的学习和提升。其次，我国高等院校的贸易经济专业教师还要探索信息技术、人工智能如何支持教师决策、教师教育教学、改进教学手段等，推动新技术与教师专业发展有机融合，实行线上线下结合的混合教学。最后，贸易经济专业教师要充分认识到人工智能技术的广泛应用，不断可以促使和推进教师的研究能力，形成新型的教师团队。

4.4提升学生的在智慧产业中的就业能力

篇6

关键词：智能科学与技术；交叉学科；相关学科

我国智能科学与技术本科专业（简称智能专业）已经历了10年的发展历程，而且越来越多的高校经教育部批准，加入智能领域的人才培养行列中，对智能专业的教育教学已有一定的实践经验与成果。如今，社会已经步入信息智能化时代，如何更好地适应智能化社会的人才需求，应在已有基础上对智能专业及相关学科的发展作进一步探讨。

1 智能专业的发展基础

人类社会从农业社会、.工业社会到信息社会，发展到今天，在越来越多的领域，人工智能工具都能够根据不断出现的新情况来调整自身的规则系统，需要人工的产业也越来越少，但却苦于信息与机器无智能的问题，因此有了以信息智能化和机器智能化为目标的智能科学与技术研究领域的出现。我国也非常重视其发展，在国家863项目指南中，智能化人机交互与中文处理平台已被列为计算机软硬件主题的重点项目，并将智能机器人纳入863计划长期支持的重要领域；国家中长期科技发展规划纲要（2006—2020年）强调发展认知科学、智能交通管理系统、智能信息处理技术、智能感知技术、智能服务机器人等智能科学技术。智能科学与技术将在未来国家科技发展规划和重大科研课题中扮演重要角色，也将成为智慧地球、智慧城市和智慧生活的引导者。我国智能科学技术教育已走出了一条星光大道，争取在我国学位体系结构中增设智能科学与技术博士和硕士学位授权一级学科，同时把我国智能科学与技术本科专业建设和人才培养推向一个更高的阶段。

近年来，信息领域学科的热门专业也开始面临不同程度的就业压力，作为信息领域的一支新生力量，智能专业便成为高等学校进行专业结构调整的着眼点。继2003年北京大学首个提出并成立智能专业后，众多高校把握先机，申请并建设了智能专业。

智能科学与技术本科专业是一门融合了电气、计算机、传感、通讯、控制等众多学科领域，多学科相互合作、相互研究的跨学科专业。它涉及机器人技术、微机电系统、以新一代网络计算为基础的智能系统，以及与国民经济、工业生产及日常生活密切相关的各类智能技术与系统等。

经调研，大部分高校的智能专业是基于自动化、通信与电子系统、计算机科学与技术、电气工程、人工智能、机器视觉、数据挖掘、信息检索及知识工程等领域发展而来，并且具有雄厚的师资力量，为智能科学与技术未来的发展做好了充足的准备。部分高校智能科学与技术专业的师资队伍所属学科的比例如图1所示。

2 智能科学与技术专业学生的继续深造方向

智能科学与技术专业涉及非常多的专业领域，就其中的一个领域而言，就可以进行更深一步的研究，成为其继续深造学科，例如智能专业本科后可以从事控制工程与科学、计算机科学与技术、智能科学与技术等学科，本文只列举其中几个例子。

2.1 控制科学与工程

控制科学与工程是研究控制的理论、方法、技术及其工程应用的学科。

经调研，以湖南科技大学为例，该学科特色研究工作主要体现在群机器人协作控制技术、故障智能诊断方法研究与应用、非线性系统分析与综合、煤矿安全监控系统应用技术等方面：其中群机器人协作控制技术借鉴昆虫的群智能行为，利用人工智能等技术使多个个体机器人完成一系列合作任务，面对未知环境搜索定位等复杂任务；故障智能诊断方法研究与应用运用智能检测、智能故障诊断、传感器融合等技术研制大型机电设备与其复杂的运动控制及诊断系统，该研究成果已成功应用于“机车走行部在线故障诊断系统”。群智能、智能检测、故障诊断等技术的运用证明了智能科学与技术在此学科中起到重要的作用。

以北京信息科技大学为例，智能科学与技术系的4位教授分别在控制科学与工程学科的控制理论与控制工程、检测技术与自动化装置、模式识别与智能系统、导航制导与控制二级学科指导研究生，从事的相关研究为专家系统、智能检测系统、服务机器人、智能系统与智能导航。以其导航制导与控制二级学科为例，现设方向1——自主导航与控制，方向2——惯性仪表与惯性基组合系统，方向3——微/纳机械传感器，方向4——多自由度电动伺服定位技术。方向1在研究机器学习在导航与控制中的应用、智能伺服技术、新概念飞行器等方面，方向2在信息融合与估计理论、多模组合导航技术、新型机器人的自然感知和运动机理、自主式初始对准等方面，方向3在研究性能稳定可靠、敏感灵敏度高和准数字输出的声表面波惯性传感器方面，方向4在研究基于模型和基于数据驱动的无模型自适应控制方法方面，都离不开智能理论与方法，并促进智能理论与方法的发展。

2.2 计算机科学与技术

计算机科学与技术学科主要是围绕计算机的设计与制造，以及信息获取、标识、存储、处理、传输和利用等领域方向，下设计算机应用和计算机软件与理论两个二级学科，其中包括智能信息处理、人工智能与嵌入式系统等方向。信息时代的信息处理要求更高，当前信息处理技术逐渐向智能化方向转变，以图像、视频、音频等多媒体信息为研究对象，从信息的载体到信息处理的各个环节，都模拟人的智能来处理这些信息。人工智能学科与认知科学的结合，会进一步促进人类的自我了解和控制能力的发挥。目前，我国自主开发的“特定图像内容监控系统”已通过上海移动公司的实地测试。通过研究具有认知机制的智能信息处理理论与方法，探索认知的机制，建立可实现的计算模型并发展应用，可以带来未来信息处理技术突破性的发展。

2.3 智能科学与技术

经调研，以厦门大学为例，智能科学与技术作为硕士点一级学科包括认知逻辑学、计算语言学、智能计算方法、艺术认知与计算、脑高级功能成像这5个研究方向。其重点科研平台之一的“智能信息技术福建省高等学校重点实验室”的主要研究方向有中文信息处理、中医信息处理、数字化中国人器官建模仿真及其临床应用。在中医信息处理中，主要围绕着如何构建信息化中医诊断的智能方法体系展开研究，涉及中医诊断认知逻辑、中医智能专家系统的构成技术、中医海量知识的数据挖掘技术、中医四诊信息的获取与分析技术、实用中医信息系统的开发等。此方向的研究可赋予计算机以人的智能，从而实现对病人的症状诊断与治疗。除此之外，智能机器人也是学习智能科学与技术的一个良好平台，为了更好地学习智能，研究机器拟人化，FIRA世界杯于1995年被提出，其远景目标之一是使机器人足球队战胜人类足球队。此平台大大拓宽了人工智能技术的应用领域。

3 智能科学与技术专业培养方案与专业发展前景分析

从智能专业的发展基础分析可知，智能科学与技术专业是一个紧跟时代潮流的专业，涉及的知识面和学科领域非常广。但是，智能专业作为一个全国普通高等学校本科专业，有其不同于其他专业的知识内核。中国人工智能学会教育工作委员会提出智能专业培养方案的核心课程应有：智能科学与技术导论、智能数学基础、脑与认知科学基础和机器智能，这是各高校智能专业培养方案的共性部分，是基础模块。其他基础模块、专业特色模块，目前阶段应在各高校智能专业建立和发展的专业学科基础上设置，例如，侧重控制系统的、侧重计算机软件的、侧重知识工程的等。智能专业再发展一段时期后，各高校的智能专业的共性部分应越来越多，个性部分也越来越独立于源头专业，例如，独立于计算机科学与技术专业、自动化专业、电子工程专业等。这样，在智能专业上层自然就形成智能学科，从而独立于计算机科学与技术学科。这是专业发展的必然结果。

另一方面，专业的良性发展离不开社会的就业或创业需求。智能专业的本科生，需要了解掌握计算机、电子、控制等各领域的知识和技术，而且在本科生4年课程的教学中融入相关学科的前沿知识，这使得在这个专业学习的学生不仅可以拥有较为广阔的知识面，对专业知识的理解也有一定深度。可以说这样一个既有广度又有深度的专业具有广阔的就业前景。社会中也有新生的行业，近些年来，有关智能系统开发的公司相继出现，涉及机器人、交通、楼宇、信息系统等多方向的智能系统开发，为本科毕业生创造了更恰当更明确的就业方向与途径。

篇7

关键词 电力网;继电保护;技术

中图分类号TM77 文献标识码A 文章编号 1674-6708(2010)26-0085-02

0 引言

对于我国目前发展状况来说,经济建设是需要很多社会能源的,而电力就是其中的一种主要能源。它对国家的经济发展起着重要的作用,并且能够提高人民的生活水平。继电保护是电网保护的重要部分,它能保证电力系统的安全运行,达到电力正常输送的效果。

我国的继电保护学科方面也不断涌现出一些专业人才和技术、仪器设备等,并不断的学习外国的一些先进技术和经验,为我国的电力系统领域方面开创新的世纪,但是电力系统的飞速发展同时带来了很多的问题,近年来电力系统飞速发展,所以对继电保护的要求也越来越高,如何运用继电保护来处理电力系统平常出现的故障,并且更好的达到电力输送,更安全、更有保障的输送、更有效率,这已经成为我们迫切需要研究的问题。例如陕西省从1997年开始,在经过多次的调研和可行性研究的基础上,设计了山西电网继电保护故障信息分析处理系统的结构、规模及其实现方式,并最终确定了系统的技术方案,在2000年6月建成系统并投入使用。

1 在电力系统中继电保护方面的发展状况

继电保护技术是在研究电力系统而延伸出来的,20世纪初电力系统处于起步阶段,也是继电保护的开端。据说熔断器是最早的继电保护装置,在当时的电力系统当中得到广泛的应用。而到了20世纪60年代和80年代间,继电保护技术得到空前的发展,当时兴起的晶体管继电保护普遍的应用于各个电力系统。随着人们对继电保护的深入研究,到了70年代,开始转化为对集成运算放大器的电路研究,而到了80年代已经形成了一个完整的体系,并淘汰了之前的晶体管保护技术。因为集成电路保护技术无论是从灵敏性、可靠性、快速性、和选择性当中,都大大提升了之前的不足。到90年代末,由于微机保护装置的深入研究和普遍应用,形成了现在的微机继电保护装置。继电保护的发展是跟着时代和经济的步伐的,相信随着电子技术和计算机的发展,继电保护技术将走向智能化和网络化。

2 电力系统继电保护的未来发展趋势分析

随着电力系统的不断发展,继电保护技术也在不停的改变和提升,继电保护技术在未来的发展趋势应该是走向计算机化、网络化和智能化的。随着计算机的高速发展,电力系统除了有基本的保护功能外,还应具备快速的数据处理功能,并且具有大容量的缓存空间来处理一些故障信息和数据。而为保证系统的运行正常,各个保护单元必须与重合装置协调工作,所以运用微机保护装置的网络化就可以实现这个目的。

2.1 计算机化

计算机的硬件发展使得微机保护硬件也在不断的发展。由华北电力学院研制的微机保护硬件更新的非常快,从8位单CPU结构的微机保护的出现,到后来的多CPU结构,到后来又发展成大模块结构,不仅大大提高了它的性能,而且也使他的工作效率提高了。

另外也有一些研究以16位CPU为基础的微机线路保护,并在此领域得到很高的成就,直到后来延伸出了32位保护硬件系统。采用32位微机新片的具有很高的集成度,很快的计算速度,高速的工作频率等等优点。相信在不久的将来,64位CPU也会被研制出来并运用到各个领域当中。

2.2 网络化

计算机网络普遍应用于各个领域,它已成为信息时代的技术支柱了,所以一旦计算机网络出现任何问题,对于人们的影响是非常大的。所以,继电保护在网络当中起着非常重要的角色。继电保护的作用只限于切除出现故障的地方,尽量缩小事故影响的区域。而这种原因主要是缺乏强有力的数据通信手段。而继电保护的另外一个作用是保证系统安全稳定运行,所以这就要求每个保护单元能共享故障信息的数据和全系统的运行,各个保护单元和重合阀装置在分析原因后能协调运作。确保系统能安全稳定的运行。所以要实现这种系统保护的基本条件就是将系统中所有主要设备的保护装置通过计算机网络连接起来,即实现了微机保护装置的网络化。

2.3 智能化

随着21世纪的到来,人们的经济水平和科学研究都在不停的发展,特别是人工智能技术,如遗传算法,神经系统,进化规划等。就像神经网络是一个非线性映射方法,像一些复杂的非线性问题,或者难以解决的方程组,应用神经网络就可以分析出来。因为神经网络方法已积累了很多的失败的训练样本和经验,只要系统出现任何故障,智能化的继电保护会进行分析和归类,辨别发生的情况,并确定故障的位置和处理方法。这样可以更快的处理故障,尽量减少造成的损失。所以智能化技术不仅可以减少一定的人力和财力,而且能够让电网的安全系数提高到一个更高的水平。

2.4 综合自动化

现代计算机技术、网络技术和通信技术为改变变电站的控制、保护、监视和计量装置及系统分割的状态提供优化组合和系统集成的技术基础。继电保护和综合自动化两者是相互依存紧密结合的,并且体现在集成与资源共享、信息共享和远方控制上。

综合自动化系统不仅改变了传统二次系统各专业界限和设备划分的原则,同时也改变了常规保护装置不能和调度中心通信的缺陷,它也代表了变电所自动化技术发展的一种潮流。随着科技的不断发展,功能更加齐全,智能化水平更加高级,系统更加完善的超高压变电所综合自动化系统将在未来的电网建设中出现。

3 结论

随着计算机通信技术的进步,电力系统的逐渐发展,继电保护技术也不停的发展,并向着计算机化、网络化、智能化、一体化的方向发展,这也要求我们的电网工作人员在这方面的能力不断提升,并且定期对继电保护装置进行检查和维护,保证系统的设备一切运行正常,提高供电的可靠性。

参考文献

[1]吴斌,刘沛,陈德树.继电保护中的人工智能技术及其应 用[J].电力系统自动化,1995(5).

篇8

十天前，在360公司CEO周鸿祎新书会上，京东集团CEO刘强东痛批互联网的垄断问题，称：如果十年后，中国的互联网还是BAT(百度、阿里、腾讯)，对国家绝对是种不幸的事情。或许这是刘强东因为嫉妒BAT而发出的言论，因为在新书会刘强东开玩笑说：后悔进入行业太晚，如果早6年开始做电商，就不会被骂千年老二。当然笔者更愿意相信这是刘强东对互联网未来发展的深度剖析。

而这一切，如果我们抛开庸俗、以独特前端的眼光去看待问题。我们会发现所有的爆发点归结于人工智能的高速发展。在AlphaGo人机大战中，最终以AlphaGo战胜人类收场，人们感受到了人工智能爆发的巨大潜力和对未来社会的巨大影响力。因此各大科技巨头为了争夺未来世界，无不纷纷全力布局人工智能。在国内，AI的布局目前仍然以BAT为主导，百度由于早早的布局了AI，已经成为了国内AI的引领者。因此剩下的阿里和腾讯就成为了AI战场上相互较量的敌人。

成为了互联网时代的巨头，要想全身心投入AI的研究是非常的艰难的

虽然目前国内的AI领域仍然以BAT为主导，但是这三家公司是以互联网公司起家，互联网时代的巨头，互联网的神话。因此在一个全新的领域上势必会有所取舍，就像一个人从一无所有全身心投入一个领域研究，往往其成就很容易在该领域达到巅峰，而此时另外一个全新的领域浮现时，就很难全身心的投入这个领域的研究。同样BAT也是如此，成为了互联网时代的巨头，要想全身心投入AI的研究是非常艰难的。

或许百度是个个例，在AI上早早就开始了布局，目前在国内，无论是从AI人才、AI实验室、落地应用场景上都是处于领先的地位，成为一家实实在在的人工智能公司。李厂长的战略眼光和胆略不愧和其相貌一样，美貌和才华于一身，能够从一家搜索巨头过渡到人工智能，实属不易。不过这或许也得益于百度经历的几场危机风波，贴吧事件和魏则西事件，一度让百度陷入了极度的危机之中，市值一路暴跌，再加上阿里和腾讯的超越，让百度看到了搜索的天花板，很难再有长足的突破，因此更加坚定了百度成为一家人工智能公司的决心。

阿里、腾讯不一样，阿里旗下的淘宝、支付宝现在可谓是鸿运当头、势如破竹，日前还被爆出支付宝和腾讯支付同时进军香港市场的消息。特别是每年的双十一，不仅其风头出尽，市值也是暴增，刚刚过去的双十一，天猫最终的交易额定格在了1682.69亿元人民币，其中无线交易额占比达到90%，阿里的市值也因此达到了5000亿美元。

腾讯，作为即时通讯、社交工具起家的互联网巨头，其依托QQ和微信两大社交工具笼络了庞大的用户，再通过基于QQ、微信的增值服务和广告业务，让腾讯赚的是盆满钵满。

而目前最火的微信和基于微信的公众号就足矣撑起腾讯的半边天，据企鹅智酷公布的最新的《2017微信用户&生态研究报告》数据显示，截止到2016年12月微信全球共计8.89亿月活用户，而新兴的公众号平台拥有1000万个。微信这一年来直接带动了信息消费1742.5亿元，相当于2016年中国信息消费总规模的4.54%。另外，2015年据汇丰银行(HSBC)的报告显示，腾讯旗下手机通讯app微信市场价值估计高达836亿美元(约合人民币5344亿元)，几乎是腾讯市值的一半。

除了社交工具之外，腾讯的另外一个庞大的帝国游戏业务，也是腾讯最赚钱的业务之一，堪称腾讯的利润金牛。在腾讯公布的2016年第四季度及全年业绩报告中，腾讯网络游戏收入184.69亿元，而2016年全年腾讯网络游戏收入708.44亿元，占总收入的47%。

由此可见，阿里和腾讯的主营业务都为其带来了可观的收益和市值的疯狂增长。此时就很难把战略重心全身心的投入到一个全新的领域当中。因此在AI的较量上，阿里和腾讯一开始就处在同一起跑线上。

投资有潜力的AI创业公司，弥补自身的不足

众所周知，AI是大势所趋，未来的主战场一定是在AI上，下一个BAT也一定会在AI战场上诞生。阿里和腾讯其实也早早看透了这一点，尽管迫于自身主营业务的限制无法全身心的投入到AI的研究上，但是从战略布局上又不能放弃AI，因此自己只能把AI当作一个重要业务板块来运营，但这肯定和全身心投入无法相比，因此唯一的办法只能大量投资有潜力AI创业公司，来弥补自身的不足。

阿里和腾讯在AI上的较量可谓是一点也不假，几乎同时都在大量的投资有潜力的AI创业公司。而就目前来说，国内的有潜力的AI创业型公司大多都与阿里和腾讯都有些瓜葛，像商汤科技、旷视科技、云从科技等机器视觉公司。

目前，AI独角兽商汤科技正在进行C轮的融资，而据笔者了解到，该轮融资将在2017年12月底完成，并且阿里也已经投资了商汤，投资金额为15亿元，且商汤融资签了对赌协议。

而阿里之所以投资商汤，看中也是商汤在AI上的实力，作为垂直类专注于计算机视觉和深度学习技术的研究的商汤科技，是市场上估值最高的AI企业，也是目前为止AI创业公司第一个提出IPO计划的公司。同时据专门研究AI领域调研的投资机构的资料显示，商汤科技2016年收入约为2-3亿元。

除了商汤科技之外，像旷视科技、依图科技等新锐的垂直类AI创业公司，都或多或少收到过阿里的投资。而这些垂直类AI创业公司在AI领域都是实力较强的。然而，无论是实力如何强的AI创业公司，在接受阿里投资之前，都会被确认是否被腾讯投过。显然，阿里把腾讯作为了AI领域最大的竞争对手。

另一方面，腾讯也在不断的投资AI创业公司，不过腾讯显得更加潮流，或许是因为国内的AI创业公司大多都与阿里有所瓜葛，因此把手伸到了国外。

早在去年的2月份，腾讯就领投了人工智能创业公司Diffbot 1000万美元的A轮融资。通过了解，Diffbot主要通过人工智能技术，让“机器”识别网页内容，抓取关键内容，并输出软件可以直接识别的结构化数据。Diffbot的不同之处就在于其API以及Web扫描的SaaS服务都会完全对大众进行开放，另外该公司每月收到的API调用已经达到“数十亿”量级。是一个极具潜力的AI创业型公司。

另外不久前，腾讯还投资了美国的AI创业公司OBEN，该公司获得腾讯500万美元的A2轮融资。同时，成立于2014年的OBEN，也是日本科技巨头软银在美国投资的第一个AI项目，众所周知，软银可谓是科技投资界的神话，几乎所投的公司日后都成为上市或知名的科技公司，像雅虎、阿里巴巴、盛大等等，由此可见，尽管该AI创业公司同时横跨AI、AR和VR，但其实力不容小觑。

胜负只是局部的

因此，从表面上来看，阿里和腾讯所投资的AI创业公司其实力上都不相上下。然而我们如果深入的研究却也能发现其本质的区别，商汤科技一开始就定位于计算机视觉领域深度的研究，无论是后来与华为、小米、OPPO、联想等品牌公司的合作都是提供基于计算机视觉领域深度研究的服务。走的是一种深度研究AI的路线，而往往这种是在后期的爆发力是非常的强的。

再来看腾讯领投的人工智能创业公司Diffbot，尽管其实力不容忽视，当由于其同时横跨AI、AR和VR多个领域，给人的感觉会不太专业。不过这也符合外国人的套路，多思维发展。另外Diffbot在其落地应用上也是极具特色，且场景众多。据笔者了解到，ObEN一直在致力于消费者市场和社交网络拓展，一度与娱乐公司合作管理明星的AI版权，并且获得EXO、东方神起、张艺兴和宋茜等知名艺人AI形象版权，成功打入了娱乐圈。

除此之外，ObEN也曾展示了在微信接入VR的玩法。即VR用户可以通过微信邀请没有VR设备的用户，后者回复照片与语音，也可以看到自己的虚拟形象出现在VR视频中。由于微信拥有庞大的用户使用量，因此此举势必推动其更加的落地。

所以，如果从场景应用上面，腾讯投资的ObEN玩法顺畅，更广泛。略微领先与阿里投资的商汤科技。

胜负不重要，重要的对AI的深入研究和场景应用

但是AI是一个需要长足深入研究发展的新领域，同时又处于发展初期，因此对于垂直研究的AI公司尽管目前看起来并无突出的表现，但未来的爆发力却无可限量。

篇9

关键词　智能广告　研究价值　研究框架

中图分类号　G206　文献标识码　A

笔者曾在《智能广告初论》一文中提出，“尽管智能广告的具体形式可能各有不同，但他们都表现出一个共同的本质能力，就是能够针对用户接触媒体的习惯做出简单的分析归纳、推理判断，进而合理的安排广告方式，解决传统广告无法解决的定向、精准、高效的问题。我们将这些具有近乎人类思考和行动的简单推理判断能力的广告形态，称之为智能广告”。

一、智能广告研究的现状

事实上，智能广告的研究还处于起步的阶段。尽管国内外的一些学者已经敏锐的觉察到这将是新媒体时代广告学研究中一个激动人心的领域。但是，从笔者目前掌握的资料来看，在这方面深入探讨的文章可谓风毛麟角。《广告大观(综合版)》于2005年第4期的“月度聚焦”栏目中以题为《上下文广告：智能广告的前奏》。的一段简短的文字记述了当时网络广告发展的最新动向。除此之外，有部分互联网技术人员从广告智能匹配技术、数据挖掘：精准营销等角度对网络广告进行了相应的研究，这些都可以归结为智能广告的研究。经过统合。使智能广告研究有一条清晰的脉络。

智能广告的相关研究之所以缺乏，是有其特定原因的。其一，技术是横亘在网络广告研究者前面的一道大坎。研究智能广告必须对网络广告的相关技术有所了解，而互联网技术的复杂性让许多研究者望而却步。其二，我国广告学科的历史滑革造成了广告学研究很少涉及到较强的技术色彩，广告人更倾向于从人文社科的视角观照网络广告，这给智能广告研究留下了需要努力填补的空间。网络技术的研究人员又大多数未接受过专业的广告思维训练，对于透彻的解读网络广告规律显得力不从心。其二三，智能广告技术的发展也并不完善，这在一定程度上制约了智能广告研究的进展。

研究的尴尬现状并没有阻止智能广告飞速发展的步伐，相反从行业发展的趋势看广告的智能化趋势进一步明显。智能广告的成熟随着技术臻于完善而越发逼近我们。世界人工大脑之父雨果・德・加里斯博士认为人工大脑并非一个遥远的梦，进一步可以认为智能广告也需要提上议事日程。我们现在的广告公司花费了太多的成本和精力用于市场调研、消费者沟通和消费者数据库管理，以后这些大量的工作完全可以交由智能机器人来完成。今年上半年，日本网络广告巨头CyberAgent，Inc，集团旗下的微告日本(Mieroad，Inc，)在沈阳市昂立信息园宣告成立，这标志着嗅觉敏锐的一批广告人开始关注智能广告的实践。该公司开发了“因人而异，有的放矢”的效果性网络广告技术。该技术通过分析上网用户的习惯爱好与广告组的内容，由系统对二者进行自动匹配，针对用户发送最适合的网络广告。

面对智能广告的现实，只有跟踪技术的脚步不断更新研究理念，促进理论向纵深发展，才能促进学术的积累并指导行业发展。学术界急切呼唤广告理论和技术并重的双栖学者来为智能广告的研究开辟道路。从大一点的范围来讲，学界已经有社会学者在密切关注信息科技的发展，他们娴熟的运用社会科学和信息技术的双重视角来研究新媒体实践。比如，香港城市大学传播学者祝建华教授与北京大学网络实验室的李晓明教授的合作就代表了新媒体传播领域研究的一种趋势。

二、智能广告研究的价值

为什么要研究智能广告?因为新媒体生态的形成，传统的广告思路日益捉襟见肘，网络广告的形态与传统广告相较而言形式上发生了根本的变化。仅仅把传统广告生硬嫁接到互联网上对于新媒体环境中遇到的新问题是无济于事的。互联网主动权向用户的偏移造成了网上传统广告方式效果的式微。所以，广告的传统形态在网上开始淡化，代之以互动、体验、植入、沉浸式交流、用户原创内容(UGC)、虚拟社区、病毒式传播、口碑传播等新的广告信息传播沟通方式。

1.智能广告是一种更具亲和力的广告

目前，硬推销广告越来越没有立锥之地。智能广告的目标是“不做广告”，专注于消费者的在使用互联网中的感受。消费者并非厌烦广告，他们厌烦的是不请自来和不适合自己的广告。智能广告借助人工智能技术能够熟谙消费者心理、性格和行为，并提供正中消费者下怀、让消费者满意的贴心广告信息。人工智能机器进化的必然结果是越来越逼近人类的智慧，这正是智能广告所要求的终极目标。

为了更好的说明智能广告的人性化特征，可以从日本香川大学教授吴景龙教授对网络智能所打的一个比方而窥见一斑。吴景龙教授说道：“比如你走进一间屋子，屋内的网络系统通过剪辑你的照片、快速搜索你的相关资料，然后通过你的面部表情、动作等就可以推断出你的心情，然后决定屋内墙壁、窗帘等的颜色，播放音乐的类型等，也就是能够提供一种更人性化的服务。这就是我们要研究的网络智能化的目标。而要实现人机对话像人与人对话一样自然，就需要在以前研究的基础上进行网络智能与脑信息学的结合研究。

2.智能广告降低了，广告的成本

人类追求智能化作业的目的就在于减轻人类的劳动、改进工作的效率以及弥补人类智慧的缺陷。智能广告的诞生也正是为了采用智能机器来部分代替原来需要人工来完成或者人力无法完成的广告传播任务。智能广告针对消费者信息采集、消费者分析、消费者沟通、广告信息、广告效果监测以及广告策略制定等诸多广告实施过程提供一站式解决方案，省却了大量的人力支出。不过需要指出的是，智能广告要以大量存在的潜在网民消费者为基础。

3.智能广告促进了资源更加有效的配置

智能广告与所有广告一样，对于市场资源的有效配置起到了重要的信息沟通作用。智能广告能够有效的制止无效投放和无效沟通，智能广告能适时地出现在消费者需要见到的地方。美国著名商人约翰・华纳梅克100多年前提出的“我知道我的广告费有一半是浪费了，可问题是我不知道哪一半被浪费了。”到至今仍在不断重演，ROI也一直是业界热议的话题，智能广告的出现有望减少广告费的不合理支出，因为它真正用在了刀刃上。同时，随着智能广告的发展，广告效果评估和计价模式也将变得越来越精确可控。

三、智能广告研究的框架构建

需要说明的是，智能广告还不是一个学科，充其量只是一个研究方向而已，但这并不妨碍我们借用学科研究的思路来把握智能广告的内涵、外延和归属。

1.智能广告的研究本体

明确研究本体是研究深化的基础，智能广告研究是在网络发展未来趋势的指引下进行的一种超前的探索。这种探索建立在对电脑科技和人类文明乐观的认识的基础之上，认为信息技术最终能够无限接近人类思考的水平。

那么，智能广告研究的本体到底是什么呢?在探讨智能广告研究的本体之前，我们可以先了解一下传统广告的研究本体。传统广告学研究的本体主要是研究广告的性质和功能。围绕这个本体，传统广告学研究形成了广告营销学、广告传播学、广告心理学等多个研究方向。智能广告研究本体也主要是围绕其性质和功能。总结起来说，智能广告主要是研究人机交互过程中广告信息的智能化传播以及与消费者的深度沟通。

2.智能广告的研究对象

智能广告的研究对象是所有带有智能特征的新媒体广告，本文主要指网络广告。随着网络智能化程度越来越高，网络广告渐趋人性化，诞生了诸多经典的案例，比如Yahoo、Google和微软都开发了自己的智能广告系统。

3.智能广告的学科归属

智能广告属于网络广告的范畴。从更大的层面来讲属于网络传播学科。与以往的网络传播和网络广告研究不同的是，智能广告把范围拓展到了网络智能等信息计时领域，是一种典型的文理交叉的研究方向。所以，智能广告更强调多元的视角。无论是商科的信息管理研究，还是计算机学科的信息技术研究，抑或是传播学科的网络传播研究都可以为智能广告提供理论支撑。

4.智能广告的相关领域

篇10

关键词：火灾自动报警系统，可靠性分析，方法。

中图分类号：X928.7 文献标识码：A 文章编号：

一、火灾探测系统可靠性分析

对于火灾探测系统, 人们主要关心其在未来使用过程中某一时间正确响应各种火灾事件的能力。由于火灾事件具有不确定性, 探测系统可靠性往往依赖于对过去与现在的信息估计而得出的概率分布等统计信息。

火灾探测系统可靠性的总体要求是在正常使用过程中及各种复杂恶劣环境下, 最大限度减少探测系统的误报率和漏报率, 提高探测系统早期预报能力及可维修度。火灾探测系统可靠性评价的主要内容是通过对火灾探测系统、系统构成组件及系统存在环境之间相互影响、相互作用的原因及过程进行统计分析, 对未来各种情况下火灾探测系统的运行状况提出预测及优化方案。

火灾探测系统中各种探测器的设计、选型与安装中出现的问题, 以及各类控制器及控制软件中出现的问题, 都是造成火灾探测系统误报、漏报的根本原因。因此, 在各类探测器及控制器、控制软件的设计中, 要求能在各类复杂环境中正确提取分析火灾过程产生的烟雾、火焰等特征信号信息; 在探测系统的安装中, 要求根据安装环境中建筑结构特点、安装环境下火灾的烟气输运规律等因素对探测器的种类及数目进行合理选择及布置。其次, 必须对各类探测器、控制器的生产进行质量标准化管理, 对相关算法及控制软件进行反复测试, 及时修理更换已失效的探头、连接器等组件, 必要时需要考虑冗余技术。

二、可靠性设计的方法

（一）硬件可靠性设计

1 火灾探测器的可靠性

火灾探测器是火灾自动报警系统设置在重点防火部位的电子眼, 它昼夜不停地监视着烟、温、光等火灾先兆, 它的可靠性是整个系统可靠性的关键。

为保证系统的高度可靠性, 要求探测器探头在防腐、防潮、屏蔽、密封等结构上要做特殊设计,探测器内部电子线路在抗干扰及适应南北气候条件等方面符合使用要求。将探测器内电子线路改为集成电路, 可提高其防腐、防潮、防老化、抗干扰等性能, 使其可靠性大大增强。智能大厦中央空调系统的冷凝管道, 遇到冷空气就会在导线周围形成细小的水珠, 积聚多了就会沿导线渗透到探头的底座接线端子上, 严重时一直渗透到探头线路部分, 造成锈蚀, 破坏了探头的正常工作, 直接影响探头内电子线路的寿命及可靠性。因此, 探头的接线底座设计方面要采取堵塞和排除渗水的底座结构设计,探测器底座接线口处要采用玻璃胶密封, 以防水、防潮。

探测器的选用应注意以下几点: 1）正确选择探测器型号、合理设置探测器数量。火灾探测器根据其探测方法及原理可以分为感温式、感烟式、火焰式、可燃气体和复合式探测器等几种类型。不同类型的探测器有其不同的适用环境, 因此在设计中应根据不同的设置场所来选择相应的火灾探测器。在施工过程中要严格按照规范的要求安装探测器, 不能出现安装间距过大, 安装位置距墙、梁、空调送风口过近等现象, 否则将直接影响探测器的灵敏度和火灾确认时间。2）选用多传感器/ 多判据探测器。传统的单传感器不能将早期火灾信号和香烟、厨房烟、水蒸气等非火灾信号区分开来, 因而容易引起误报警。而多传感器/ 多判据探测器采用冗余设计的方法, 增加了信息的冗余度。由于系统中使用了多种探测器, 系统将所有传感器获取的信息融合在一起, 得出在现场条件下火灾的发生情况。具有识别率高、探测时间短、误报率低的优点。

2 抗干扰设计

1）火灾探测器的信号较弱, 传输线较长, 应当采用屏蔽, 以减少电磁辐射影响和传导耦合干扰,探测元件引线和联接电缆应采用耐火电缆并外加机械保护。2）系统应设置直流和交流两路电源, 当交流电源断电时, 系统应能自动切换到直流事故电源上, 直流事故电源容量应能满足24h 使用的要求。3）系统应在相应的房间和区域设置手动报警按钮。

3 引入现场总线技术

随着现场总线技术的不断成熟, 将现场总线技术应用到火灾自动报警监控网络乃至整个智能大厦的管理系统中去, 已成为必然趋势。CAN 总线是一种支持分布式实时控制系统的串行通信的局域网络, 已广泛应用于控制系统中的各检测和执行机构之间的数据通信。它可以多主方式工作, 网络上任一节点均可在任意时刻主动地向网络上其他节点发送信息, 而不分主从, 通信方式灵活, 因此可以很方便地构成冗余系统。CAN 采用短帧结构, 传输时间短, 受干扰概率低, 每帧信息都有CRC 校验及其他检错措施, 数据出错率极低。CAN 具有很强的抗干扰能力, 其节点在错误严重的情况下具有自动关闭总线的功能, 切断它与总线的联系, 以使总线上其他操作不受影响。

（二）软件可靠性设计

1使用相应的火灾模式识别, 形成火灾智能报警系统

传统火灾报警的判断方法和依据是根据预先设定的某一阀值( 恒定型) 或阀值区域( 浮动型) 的比较, 通过设定一个( 或多个) 判断阀值,一旦所探测的火灾物理信号超过该阀值, 就发出火警。阀值法尽管较为简便, 但在很大程度上依赖于传感器的灵敏度, 且易受偶尔出现的其他信号的干扰, 产生误报警和漏报警。例如, 有多人在一小空间内抽烟, 产生大量的烟雾, 这一般是不会产生火灾的, 阀值法在这时则可能产生误报警。而当电线超载时, 在短时间可能感受不到热、烟, 但一旦感受到, 则可能已发生轰燃或已形成难以控制的火灾, 阀值法在这时可能产生漏报警。火灾智能报警系统是把火灾探测器所在环境的烟浓度或温度对时间变化的数据传送给计算机, 计算机根据由模型实验、数值计算和现场调研得到的事先储存在智能数据库内有关火灾形态资料, 对收集回来的数据进行分析比较, 才决定接收来的资料是否显示有真正火情, 从而作出报警决定。

2建立建筑物火灾数据库及相关灭火方案的专家指导系统

深入研究可燃物基本热物性, 可燃物热解、着火、燃烧、燃烬规律, 有限空间轰燃机理, 烟气流动、扩散的混沌机理及其描述方法。通过实验室实验、现场调研以及数值模拟, 可积累起有关建筑物火灾基础数据, 在此基础上建立建筑物火灾数据库。并最终建立有关灭火方案的专家指导系统。

3在系统中应用人工智能技术

火灾具有复杂性和多变性, 火灾中的许多特征, 难以用精确的数学公式加以描述, 实际的探测信号往往难以与预先给出模式完全吻合, 这就要求系统主机在模式识别过程中具有较强的模糊类比、识别和容错能力。火灾探测器所获得的有关火灾孕育、形成期的物理信号, 往往并不能简单、直接地说明火灾爆发的“是”与“否”, 而是给出了燃烧现象对火灾形成的从属程度, 即火灾爆发的几率。人工智能中的模糊逻辑理论、人工神经网络等技术, 在处理非线性问题, 捕捉难以用精确公式描述的信息方面, 具有一定的优越性, 而其较强的模糊类比、高容错性, 样本自学能力, 是实现复杂模式分类与辩识的有效工具。因此, 将模糊逻辑理论、人工神经网络等技术的智能火灾报警系统具有高度的可靠性。

三、结语

防火自动报警系统随着技术的进步,将不断丰富其功能, 可靠性也必将不断提高。火灾探测器将向多传感器/ 多判据及智能型发展。控制方式将由传统的集散型DCS 向基于现场总线的新一代现场总线控制系统FCS 过渡。

参考文献：

参考文献

1 阳宪惠. 现场总线技术及其应用. 北京􀀁 清华大学出版社, 1999