人工智能技术研发范文

导语：如何才能写好一篇人工智能技术研发，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：新一代计算机；人工智能技术；发展趋势

“人工智能”是在1956年的Dartmouth学会上提出的，英文缩写是AI。它是计算机科学等多种学科互相渗透而发展起来的综合性、交叉性学科。从计算机应用系统的角度出发，人工智能是研究如何模拟人类智能活动，使机器能够胜任一些需要人类智能才能完成的复杂工作，以延伸人类智能的科学。

二、人工智能技术的发展状况

随着计算机、信息和并行程序设计技术的发展，人工智能的研究已经发展成为智能体系的研究。到目前为止，人工智能程序已经知道考虑他们要解决的问题，从而寻找比较好的答案。智能体体系可以被认为是智能体的软件工程模型，智能体语言是智能体的软件系统。在我国，智能体技术多被应用到处理具有异构、布、态、规模及自主性的系统中，如Internet，是人工智能技术的新应用。

目前，人工智能技术在美国等欧洲国家仍保持非常快的发展速度。在人工智能技术领域十分活跃的IBM公司，已经为加州劳伦斯利佛摩尔国家实验室制造了号称具有人脑的千分之一智力能力的ASCIWhite电脑。据称，其正在开发的更为强大的blue jean电脑的智力水平将与人脑相当。

三、新一代计算机和人工智能技术的应用

随着人工智能技术的不断发展，越来越多的技术发展都涉及到人工智能，人工智能已经被广泛应用到许多领域。

（一）人工智能技术在计算机符号计算中的应用

计算机最主要的用途之一就是科学计算，通常分为纯数值的计算和符号计算两种。其中符号计算是一种智能化的计算。随着新一代计算机的开发和普及以及人工智能技术的发展，多种功能计算机代数系统软件相继出现，都是用C语言写成的，可以在绝大多数计算机上使用。

（二）人工智能技术在计算机模式识别中的应用

计算机用数学方法研究模式的自动处理就是模式识别。用计算机实现模式的自动识别和判断，是利用人工智能技术开发智能机器的关键，计算机模式识别的特点是效率高，速度快，准确率高，也为人类认识自身智能提供了有利线索。

（三）计算机的机器翻译

计算机把一种语言转变为另一种语言的过程就是机器翻译。目前，我国的机器翻译软件的翻译特点，大致可以分为三类：词典翻译、汉化翻译和专业翻译。词典翻译软件可以迅速查询英文单词或词组的词义，并提供发音；汉化翻译软件提出“智能汉化”的概念，辅助翻译作用更加明显。

（四）人工智能技术在计算机机器学习中的应用

计算机的机器学习主要研究如何使计算机能够模拟或实现人类的学习能力。机器学习是机器具有智能能力的重要标志，也是机器获取知识的根本途径。机器学习是一个难度较大的研究领域，它与认知科学和逻辑学等学科都有着密切的联系，并对人工智能的其他分支也会起到重要的推动作用。

（五）人工智能技术在计算机问题求解中应用

人工智能技术在今天的计算机程序已能够达到各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手的表达能力和洞察能力等。人们通常都能根据具体问题找到思考问题和解决问题的办法，目前，人工智能技术已能通过计算机程序知道如何考虑要解决的问题，寻找较为准确的解答方法。

（六）人工智能技术在计算机推理证明中应用

逻辑推理在人工智能研究中是最持久的探究领域之一，其别重要的是，通过找到合理准确的方法，集中注意力在大型数据库中的有效事实上，关注可信证明，并在出现新信息时适时修正这些证明。因此，在人工智能方法的研究中，定理证明是一个极其重要的论题。

（七）人工智能技术在计算机语言处理中的应用

自然语言处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人瞩目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。

（八）人工智能技术在计算机专家系统中的应用

专家系统是人工智能技术中最活跃、最有成效的研究领域，是具有特定领域内大量知识与经验的程序系统，已出现成功应用人工智能技术的趋势。计算机程序如果能体现和应用人类知识，就应该可以帮忙解决问题，而且能发现人类专家在推理过程中出现的差错。

四、新一代计算机和人工智能技术的发展趋势

新一代计算机和人工智能技术的发展潜力巨大，其作为一个整体的研究才刚刚开始。人工智能技术的发展总是超乎人们的想象，要准确地预测人工智能的未来，从目前一些前瞻性的研究中可以看出，未来人工智能技术可能会朝以下几个方向发展：模糊处理、并行化、神经网络和机器情感。

（1）自动推理是新一代计算机和人工智能技术最经典的研究分支，其基本理论是新一代计算机和人工智能技术其它分支的共同基础。其中知识系统的动态演化特征及可行性推理的研究，是最新的热点，很有可能取得突破。

（2）机器学习的研究使得许多新的学习方法相继问世，并获得了成功应用。但是也应看到，现有的机器学习方法尚不够有效，寻求一种新的方法，以解决新一代计算机和人工智能技术研究中的在线学习问题，是研究人员共同关心的问题。

（3）自然语言处理是新一代计算机和人工智能技术应用于实际领域的典型范例，这一领域已获得了大量令人瞩目的理论与应用成果。智能信息检索技术近年来已成为新一代计算机和人工智能技术的一个独立研究分支，将新一代计算机和人工智能技术应用于计算机科学与技术领域的研究，是人工智能走向应用的突破口。

五、结束语

很多新一代计算机和人工智能技术研究的成果已经进入人们的日常生活。未来，人工智能技术的发展将会给人类的知识、思考、生活、工作和教育产生巨大的影响，在人类的生活中占据一席之地，成为人类生活的伙伴。

参考文献：

[1]吴艳.关于“人工智能”技术发展的思考[J].和田师范专科学校学报.2010.

篇2

目前，人工智能的发展阶段呈现以下三个特点：

第一，人工智能在特定约束条件下已具备超越人脑某个方面的能力，但综合来看仅仅相当于蠕虫的智能水平。近期，谷歌研发的人工智能AlphaGo围棋程序在与世界围棋九段李世石的对局中以4：1取胜。AlphaGo采用更为优化的深度学习神经网络，在规则已知和逻辑可控的棋类竞技中实现了对人类的超越。IBM的沃森机器人能够在几秒之内筛选数十年癌症治疗史中的100多万份患者病例记录，为医生提供可供选择的循证治疗方案。但无论是AlphaGo还是沃森都需要由人类预先进行知识分类和设计上的干预，并且“智能”的高低很大程度上取决于所学习先验样本的数量和准确性。因此，通用意义上的人工智能依然是一个漫长而复杂的过程，目前能够做到的更多是特定场景下人类某项大脑能力的延伸和对人类思维决策进行辅助。

第二，人工智能发展可分为不同层次，目前部分技术分支在行业中的应用已取得突破。人工智能发展层次可分为感知智能（语音、图像识别，自然语义理解，机器翻译，机器搜索等），认知智能（神经元芯片、深度学习算法、行为规划等）和自主智能（机器推理、决策和联想等）。感知智能方面，国外的谷歌、IBM、脸书、微软和国内的百度、科大讯飞等在语音和图像识别、机器翻译、大数据搜索等细分技术领域推出了一批有显著创新性的技术产品。认知智能方面，对神经元芯片、深度学习算法的开发主要集中在IBM、高通、谷歌为首的国际巨头以及美国“类人脑芯片”（SyNAPSE）、欧洲“欧脑项目”纳入的高校和科研机构中。由IBM主导的SyNAPSE项目预计在2016年内能够完成100亿神经元规模的计算机原型，但距离通用型、成熟型产品问世尚需较长时日。

第三，我国应积极应对人工智能发展新浪潮，以产学研用协同创新打造国际竞争新优势。近年来，美欧等国家在人工智能领域不断加大投入，开展专利布局，以技术和应用为纽带构筑产业生态。我国在人工视觉、语音语义识别等细分产业领域并不落后，但从全局来看，在人工智能基础理论、核心算法和产品成熟度、产业投资和人才队伍储备等方面与国外对比还存在明显差距。国外大企业重点攻关认知智能和自主智能，我国企业目前多集中在感知智能的低级阶段。

当前阶段，人工智能技术产业化发展应当从以下四个方面着手改进：

一是加强人工智能核心技术研发和产业化。制定人工智能产业技术发展路线图，在客观分析、科学研判的基础上，找准产业未来发展的薄弱点和赶超点。加大资金投入力度，重点突破自然语音语义识别、机器学习、智能搜索等关键技术，完善核心芯片、显示器件、智能传感器、开发工具与集成环境等产业链配套。

二是有效推进人工智能行业应用示范。加快人工智能技术在家居、汽车、无人系统、安防等领域的推广应用，提升生产生活的智能化服务水平。支持在制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展人工智能应用试点示范。

篇3

本周观点:①本周四(6月1日)起《网络安全法》将正式实施，具有极大里程碑意义。法案将针对通信、电子政务、能源、金融、交通、教育等关键信息基础设施的安全防护进行重点强调，在网络安全等级保护制度的基础上，实行重点保护。并明确对于网络运营者的责任界定和加大相关监管处罚力度。法案的实施有望直接促进行业客户对于网络安全的投入力度，信息安全行业内企业迎来重大利好。重点推荐启明星辰、绿盟科技、北信源、任子行和卫士通。②日前，人机大战在乌镇落下帷幕，最终柯洁以3盘皆负输掉比赛。人类再次败给人工智能，结果也在意料之中。赛后柯洁表示“我只能猜出AlphaGo一半的棋，另一半我猜不到，我和它差距实在太大。我也一直在改变，但也只是小小改变，围棋人工智能则是改变全世界。”其实，围棋比赛仅为Deepmind应用的冰川一角，目前深度学习已在医疗、工业制造、视频识别和语音合成等领域深入拓展，随着人工智能技术的加速成熟，各个行业对于人工智能技术的融合和应用有望提速。5月25日，工信部副司长李冠宇在论坛上表示，工信部将会同相关部门共同策划部署人工智能的重大国家战略，引导社会围绕重点领域加大投入。同时强调“中国制造2025”将把人工智能纳入智能制造的重点任务和主攻方向，引导智能制造重大需求和人工智能技术成果相结合。在政策和资金支持下，我国人工智能领域发展有望提速。针对人工智能应用方向上，我们认为在目前弱人工智能的阶段下，人工智能技术或将在工业制造方面获得率先突破和大规模应用。智能制造方面重点推荐科大智能，其他智能语音和视频识别方面继续推荐科大讯飞、海康威视和东方网力。

投资策略:长期看好信息安全、消费金融和人工智能板块投资机会。

1)信息安全:信息安全行业作为计算机行业中最具成长性的细分领域之一，未来在国家强力政策推动及下游党政军、工控、金融、电信等领域订单快速提升的双重作用下，正逐步进入成长提速期，且政策推动的催化剂持续发酵。前期《网络安全法》已正式通过并将于2017年6月1日开始实施，同时2016年12月27日正式的《国家网络空间安全战略》则进一步提升了网络安全的战略高度，政策驱动叠加用户重视程度提高使得信息安全企业迎来爆发，2017年或成为行业业绩整体向上重要拐点。其中工控等保制度今年上半年有望正式落地，预计将有效刺激工控安全需求明后年爆发式增长。我们重点推荐启明星辰(信息安全综合解决方案龙头步入成长快车道)、卫士通(加密龙头欲乘风起航)、立思辰(内容及数据安全领域新贵)。

2)人工智能:近年来人工智能发展飞速，诸如AlphaGo、Master和Libratus等人工智能机器人不断在各个领域击败人类，引发人们高度关注。目前人工智能技术已进入产业化快速发展阶段，不仅在智力竞赛领域，与此同时无人驾驶、工业机器人、语音识别和图像识别等也已逐步迈入大规模应用阶段，投资机会正逐步显现，重点推荐科大讯飞(人工智能稀缺标的，语音识别技术领导者)，关注科大智能、海康威视、科大智能、四维图新、思创医惠、佳都科技、远方光电、东方网力、中科创达;

篇4

国际趋势科技巨头们在人工智能的战场上厮杀不断。一边积极搭建人工智能平台，成立人工智能研究院，全世界范围内网罗人才，一边通过投资并购扩张自己的人工智能帝国版图，逐鹿中原，雄心勃勃。国际巨头中，谷歌自2012年以来已经收购了11家人工智能公司，接下来是苹果、Facebook 和英特尔，微软、亚马逊、英特尔也不遑多让。

市场调查公司 CB Insights 的研究报告显示，2011 年至 2016 年，近 140 家致力于推进人工智能技术研发的初创企业陆续被知名科技企业收购，仅在 2016 年就有 40 多家相关企业被收购。无论是海外科技巨头，还是国内的阿里、百度、腾讯等公司都在通过并购获取 AI 技术专利，人工智能相关公司的并购新闻也越来越多。

BATJ 的投资版图国内的 BATJ 也大力开辟疆域，雷锋网根据 IT 桔子公开的数据，查找了 BATJ 自 2013 年以来所有的投资记录，从中筛选出他们在人工智能领域的投资和收购事件，由此也可窥见科技巨头在人工智能领域的战略布局。

一、百度：布局深远，领域最广雷锋网去年前盘点过百度收购和投资的人工智能公司，根据列表显示，百度收购了3家人工智能公司（美国 2 家，中国 1 家），投资的公司有 18 家，其中有 5 家美国公司，12 家中国公司，1 家以色列公司。人工智能热门领域 AI 芯片、自动驾驶、语音交互、医疗健康、智能家居等都有所涉及。

百度自身在 AI 领域布局颇深，推出了 Apollo、DuerOS 等平台，而投资和收购的项目更多地是集中于“智能机器平台”和"行业智能化"这两个层次，包括各类智能硬件设备制造和设计商等。

（随时更新，欢迎补充）

二、腾讯：热衷赛道，喜欢出海腾讯在 AI 领域布局稍晚，但后发优势强劲。成立了三大 AI 实验室，分别是 AI Lab，优图实验室和微信 AI。此外，去年腾讯成立 AI 加速器，扶持人工智能创业，使人工智能技术产业化。不管是国内和还是国外投资，腾讯的主流策略是投“赛道”。例如，腾讯看好自动驾驶，既投资了蔚来汽车(NIO)，也投了特斯拉（占 5% 的股份），智能机器人领域也舍得下重注。

从图表来看，腾讯共投资了 21 家人工智能创业公司，其中，美国 6 家，加拿大 1 家，中国 14 家。机器人领域比重最大，有 7 家之多，其他领域有医疗健康、智能硬件、自动驾驶、智能家居等。

（随时更新，欢迎补充）

三、阿里：出手阔绰，偏爱独角兽阿里以阿里云为基础，从家居、零售、出行、金融和智能城市、智能工业 6 大方面展开产业布局，以及从视觉、语音、算法到芯片构建立体合作伙伴生态。阿里的人工智能项目"ET大脑"也升级为开放的 AI 生态，还启动"千里马计划"，通过赛事来招募合作伙伴。

阿里今年收购了先声互联，其他均为投资，共有 15 家，其中美国 2 家，法国 1 家，中国 12 家。阿里热衷独角兽明星创业公司，商汤、旷视、寒武纪、思必驰等皆纳入麾下，投资领域集中在机器人、人脸识别、语音交互、智能硬件、自动驾驶等。

（随时更新，欢迎补充）

四、京东：聚焦自身业务和前三大巨头比起来，京东投资数最少，共 8 家，且均为中国公司。2018 年参投的加推科技对标自家业务，布局微信智能销售。此外，在机器人、自动驾驶、智能家居、智能音响、金融数据服务领域皆有所涉猎。

（随时更新，欢迎补充）

小结：

篇5

近日，国内创业公司商汤科技宣布获得4.1亿美元B轮融资，这是截至目前为止全球范围内人工智能领域单轮最高融资。至此，这家成立仅三年的公司累计融资额达4.5亿美元，估值超过15亿美元，成为全球融资额最高的人工智能独角兽企业。当前，人工智能发展势头良好，技术和产品研发能力大幅提升，市场空间逐步拓展，社会关注与投资力度持续加大，技术创新驱动的人工智能企业正成为资本青睐的热点。

一、商汤融资背景分析

人工智能迎来估值猛涨期。自2014年起，人工智能领域一直都是全球投资热点。近年来，技术与产品的迅速成长带动国内创业热情高q，也引发了资本的高度关注。据统计，截至2017年5月31日，我国人工智能类创业公司已超过650家，产业规模较2016年同期增长达到51.2%，投融资事件超过430起，融资总额达340亿元。科技巨头加大在人工智能领域的布局，投资案例不断涌现。同时，社会资本竞相追逐人工智能领域的优质项目，整体行业获投率偏高，超过一半的人工智能公司成立时间在两年之内，可见资本市场对人工智能产业发展的信心。

计算机视觉领域成为热点聚焦。在大数据、深度学习等新技术推动下，以计算机视觉和语音识别为代表的感知智能正呈现出高速演进态势。目前我国计算机视觉技术水平已达到全球领先水平，并在安防、汽车、金融等领域取得了显著的应用成效。在安防领域，智能技术如人脸识别、图形识别应用场景众多，如车牌识别、车辆视觉特征识别、被动人像卡口、身份证比对等应用。在汽车领域，围绕智能驾驶汽车人工智能在环境感知、路径规划与决策等关键环节均有所应用和体现，在该领域百度、乐视等企业已开展卓有成效的实践。广泛的商业化渠道和技术基础推动计算机视觉成为创投热门领域，据数据显示，中国人工智能创业公司所属领域分布中，计算机视觉领域拥有最多创业公司。2016年，人脸识别服务开发商旷视科技完成至少1亿美元融资，估值超过20亿美元，专注图像识别的图普科技获得千万美元A轮融资。

商汤科技技术实力领先，发展潜力巨大。商汤科技主攻人脸识别、视频监控识别算法、增强现实、文字识别、自动驾驶识别算法和医疗影像识别算法等技术，基础研究实力强大，高质量专利数量、专业学术数量均保持全国领先水平。在2015年ImageNet大规模视觉识别竞赛中，商汤科技获得视频识别冠军，次年在该竞赛中，商汤科技凭借原创深度神经网络平台，获得3个项目的冠军。商汤科技主要业务范围是将计算机视觉技术赋能给安防、金融、机器人、政府大数据分析以及虚拟增强现实等行业。

二、由商汤融资带来的两点思考

篇6

1数据库技术的发展进程

在信息技术系统中数据库技术是比较关键的技术之一，其主要可以对计算机的数据进行系统的管理，在数据库技术中重点的研究内容是如何对数据进行更好的组织和存储以及如何更好的获取和处理相关的数据，其能够通过相关的方法对数据库的结构进行设计和存储，并且对这些理论数据进行分析。目前数据库的发展阶段主要包含以下三个阶段：

1.1层次系统和网状数据库系统

这个系统是在1970年以后才出现的，它是现阶段数据库系统研究的基础，网状数据库能够体现出数据库的基本的技术和方法，是目前先进数据库技术的奠基者。

1.2关系数据库

这种数据库为后期的数据库发展提供了理论基础，一直到1980年以后有很多的数据库管理系统被研发出来，这些系统被广泛的应用在了企业信息管理以及情报的检索方面，也为后期的数据库系统的发展奠定了基础。1.3第三代数据库系统这种系统保留了第二代数据库系统的技术，并且对第二代数据库系统进行了创新。

2数据库技术的发展现状

目前世界上的数据库系统的发展现状主要体现在网络通信、对象程序设计、人工智能技术、云计算技术等等，还把这些技术进行深入的融合。目前的数据库系统主要有以下几个特点。

2.1知识库系统

目前知识库系统应用比较广泛，它是数据库系统与人工智能技术相互结合的产物，也就是在人工智能技术的基础上加入数据库系统，把数据库和人工智能结合在一起，利用这种方式来提高DBMS以及推理和查询的能力。知识库系统包含几个主要的功能，这些功能可以扩充数据库系统的推理能力和管理能力，除此之外，知识库系统还能够对数据库的其他功能进行不断的完善和优化，其中包括查询功能，在对这些功能完善以后可以极大的提高工作的效率。

2.2分布式数据库系统

分布式数据库系统也是目前数据库技术发展的主要的系统之一，其主要由一个网络不同的计算机组合在一起。这种系统与普通的系统不同于它每一台服务器上都有独立的数据库系统和计算机相关的硬件和软件。在这些系统中可以利用局域网的形式把所有的服务器连接起来，而且这些连接起来的服务器可以独立的处理相关的数据，互不影响。

2.3主动数据库

主动数据库的主要特点是其能够提高数据库的紧急反应能力，之所以叫主动数据库，是因为它相对于被动数据库而言的。除了以上特点以外，主动数据库还可以不断的提高数据库系统的模块化程度。

3数据库技术的发展趋势

随着计算机技术的不断发展，数据库技术作为计算机技术的核心应用越来越广泛，目前在我国各行各业都在使用数据库来提高工作的效率。但是目前很多企业又要面临数据倍增的一个问题。面对这些大量的数据，存储这些数据成为了一大难题，这也是目前急需解决的问题之一。除此之外，用户对数据的分析也是目前研究比较多的问题，也成为了目前研究的一种趋势。下面简单的谈一下未来数据库发展的趋势

3.1商业智能

由于数据库技术在各行各业中使用越来越广泛，然而数据越来越多，目前呈现倍增的态势，这样就导致很多企业对数据的承载压力越来越大。那么面对这么庞大的数据如何来查找出属于自己的数据已经成为了一个问题，因此解决这个问题的方式就是商业智能化。这也是目前发展比较快的一种模式，在对数据的存储、分析、查询方面有很大的帮助。

3.2数据仓库

除了商业智能化的发展以外，数据库的存储也是面临的一个问题，目前数据仓库的出现能够改变数据可以摆脱数据存储困难的现状。数据仓库是多种科学技术相互融合的结果，其主要的构成包括数据仓库、数据仓库工具以及管理系统，其中最主要的技术是信息的挖掘技术，数据仓库可以通过相关的工具来挖掘用户所需要的数据，这也是目前发展的一种趋势。

篇7

2017年7月，国务院印发《新一代人工智能发展规划》，不仅对人工智能的发展做出了战略性部署，还确立了“三步走”的政策目标，力争到2030年将我国建设成为世界主要的人工智能创新中心。[1]值得注意的是，此次规划不仅仅只是技术或产业发展规划，还同时包括了社会建设、制度重构、全球治理等方方面面的内容。之所以如此，是由于人工智能技术本身具有通用性和基础性。换句话说，为助推人工智能时代的崛起，我们面对的任务不是实现某一个专业领域或产业领域内的颠覆性技术突破，而是大力推动源于技术发展而引发的综合性变革。

也正因为如此，人工智能发展进程中所面临的挑战才不仅仅局限于技术或产业领域，而更多体现在经济、社会、政治领域的公共政策选择上。首先，普遍建立在科层制基础上的公共事务治理结构，是否能够适应技术发展和应用过程中所大规模激发的不确定性和不可预知性?再者，长久以来围绕人类行为的规制制度，是否同样能够适应以数据、算法为主体的应用环境?最后，如何构建新的治理体系和治理工具来应对伴随人工智能发展而兴起的新的经济、社会、政治问题?

应对上述挑战并不完全取决于技术发展或商业创新本身，而更多依赖于我们的公共政策选择。本文试图在分析人工智能发展逻辑及其所引发的风险挑战的基础上，对人工智能时代的公共政策选择做出分析，并讨论未来改革的可能路径，这也就构成了人工智能治理的三个基本问题。具体而言，人工智能本身成为治理对象，其发展与应用构成了治理挑战，而在此基础上如何做出公共政策选择便是未来治理变革的方向。

全文共分为四个部分：第一部分将探讨人工智能的概念及特征，并进而对其发展逻辑进行阐述。作为一项颠覆性技术创新，其本身的技术门槛对决策者而言构成了挑战，梳理并捋清人工智能的本质内涵因而成为制定相关公共政策的前提;第二部分将着重分析人工智能时代崛起所带来的治理挑战，主要包括三个方面，即传统科层治理结构应对人工智能新的生产模式的滞后性、建基于行为因果关系之上的传统治理逻辑应对人工智能新主体的不适用性，以及人工智能发展所引发的新议题的治理空白;面对上述挑战，各国都出台了相关政策，本文第三部分对此进行了综述性对比分析，并指出了其进步意义所在。需要指出的是，尽管各国的政策目标都试图追求人工智能发展与监管的二维平衡，但由于缺乏对人工智能内涵及其发展逻辑的完整认识，当前的公共政策选择有失综合性;本文第四部分将提出新的治理思路以及公共政策选择的其他可能路径，以推动围绕人工智能治理的相关公共政策议题的深入讨论。

一、人工智能的概念及技术发展逻辑：算法与数据

伴随着人工智能技术的快速发展，尤其是其近年来在棋类对弈、自动驾驶、人脸识别等领域的广泛应用，围绕人工智能所可能引发的社会变革产生了激烈争论。在一方面，以霍金[2]、马斯克[3]、比尔-盖茨[4]、赫拉利[5]为代表的诸多人士呼吁加强监管，警惕“人工智能成为人类文明史的终结”;在另一方面，包括奥巴马[6]在内的政治家、学者又认为应该放松监管，充分释放人工智能的技术潜力以造福社会。未来发展的不确定性固然是引发当前争论的重要原因之一，但围绕“人工智能”概念内涵理解的不同，以及对其发展逻辑认识的不清晰，可能也同样严重地加剧了人们的分歧。正因为此，廓清人工智能的概念内涵和发展逻辑不仅是回应争论的需要，也是进一步提出公共政策建议的前提。

就相关研究领域而言，人们对于“人工智能”这一概念的定义并未形成普遍共识。计算机领域的先驱阿兰-图灵曾在《计算机器与智能》一文中提出，重要的不是机器模仿人类思维过程的能力，而是机器重复人类思维外在表现行为的能力。[7]正是由此理解出发，著名的“图灵测试”方案被提出。但如同斯坦福大学计算机系教授约翰·麦卡锡所指出的，“图灵测试”仅仅只是“人工智能”概念的一部分，不模仿人类但同时也能完成相关行为的机器同样应被视为“智能”的。[8]事实上，约翰·麦卡锡正是现代人工智能概念的提出者。在他看来，“智能”关乎完成某种目标的行为“机制”，而机器既可以通过模仿人来实现行为机制，也可以自由地使用任何办法来创造行为机制。[9]由此，我们便得到了人工智能领域另一个非常重要的概念——“机器学习”。

人工智能研究的目标是使机器达到人类级别的智能能力，而其中最重要的便是学习能力。[10]因此，尽管“机器学习”是“人工智能”的子域，但很多时候我们都将这两个概念等同起来。[11]就实现过程而言，机器学习是指利用某些算法指导计算机利用已知数据得出适当模型，并利用此模型对新的情境给出判断，从而完成行为机制的过程。此处需要强调一下机器学习算法与传统算法的差异。算法本质上就是一系列指令，告诉计算机该做什么。对于传统算法而言，其往往事无巨细地规定好了机器在既定条件下的既定动作;机器学习算法却是通过对已有数据的“学习”，使机器能够在与历史数据不同的新情境下做出判断。以机器人行走的实现为例，传统算法下，程序员要仔细规定好机器人在既定环境下每一个动作的实现流程;而机器学习算法下，程序员要做的则是使计算机分析并模拟人类的行走动作，以使其即使在完全陌生的环境中也能实现行走。

由此，我们可以对“人工智能”设定一个“工作定义”以方便进一步的讨论：人工智能是建立在现代算法基础上，以历史数据为支撑，而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统。这一概念尽管可能仍不完善，但它突出了人工智能技术发展和应用的两大基石——算法与数据，有助于讨论人工智能的治理问题。

首先，算法即是规则，它不仅确立了机器所试图实现的目标，同时也指出了实现目标的路径与方法。就人工智能当前的技术发展史而言，算法主要可被划分为五个类别：符号学派、联接学派、进化学派、类推学派和贝叶斯学派。[12]每个学派都遵循不同的逻辑、以不同的理念实现了人工智能(也即“机器学习”)的过程。举例而言，“符号学派”将所有的信息处理简化为对符号的操纵，由此学习过程被简化(抽象)为基于数据和假设的规则归纳过程。在数据(即历史事实)和已有知识(即预先设定的条件)的基础上，符号学派通过“提出假设-数据验证-进一步提出新假设-归纳新规则”的过程来训练机器的学习能力，并由此实现在新环境下的决策判断。

从对“符号学派”的描述中可以发现，机器学习模型成功的关键不仅是算法，还有数据。数据的缺失和预设条件的不合理将直接影响机器学习的输出(就符号学派而言，即决策规则的归纳)。最明显体现这一问题的例子便是罗素的“归纳主义者火鸡”问题：火鸡在观察10天(数据集不完整)之后得出结论(代表预设条件不合理，超过10个确认数据即接受规则)，主人会在每天早上9点给它喂食;但接下来是平安夜的早餐，主人没有喂它而是宰了它。

所有算法类型尽管理念不同，但模型成功的关键都聚焦于“算法”和“数据”。事实上，如果跳出具体学派的思维束缚，每种机器学习算法都可被概括为“表示方法、评估、优化”这三个部分。[13]尽管机器可以不断的自我优化以提升学习能力，且原则上可以学习任何东西，但评估的方法和原则(算法)以及用以评估的数据(数据)都是人为决定的——而这也正是人工智能治理的关键所在。算法与数据不仅是人工智能发展逻辑的基石，其同样是治理的对象和关键。

总而言之，围绕“人工智能是否会取代人类”的争论事实上并无太大意义，更重要的反而是在廓清人工智能的内涵并理解其发展逻辑之后，回答“治理什么”和“如何治理”的问题。就此而言，明确治理对象为算法和数据无疑是重要的一步。但接下来的重要问题仍然在于，人工智能时代的崛起所带来的治理挑战究竟是什么?当前的制度设计是否能够对其做出有效应对?如果答案是否定的，我们又该如何重构治理体系以迎接人工智能时代的崛起?本文余下部分将对此做进一步的阐述。

二、人工智能时代崛起的治理挑战

不同于其他颠覆性技术，人工智能的发展并不局限于某一特定产业，而是能够支撑所有产业变革的通用型技术。也正因为此，其具有广泛的社会溢出效应，在政治、经济、社会等各个领域都会带来深刻变革，并将同时引发治理方面的挑战。具体而言，挑战主要体现在以下三个方面。

首先，治理结构的僵化性，即传统的科层制治理结构可能难以应对人工智能快速发展而形成的开放性和不确定性。之所以需要对人工智能加以监管，原因在于其可能成为公共危险的源头，例如当自动驾驶技术普及之后，一旦出现问题，便可能导致大规模的连续性伤害。但不同机、大型水坝、原子核科技等二十世纪的公共危险源，人工智能的发展具有极强的开放性，任何一个程序员或公司都可以毫无门槛的进行人工智能程序的开发与应用。这一方面是由于互联网时代的到来，使得基于代码的生产门槛被大大降低[14];另一方面，这也是人工智能本身发展规律的需要。正如前文所提到，唯有大规模的数据输入才可能得到较好的机器学习结果，因此将人工智能的平台(也即算法)以开源形式公开出来，以使更多的人在不同场景之下加以利用并由此吸收更多、更完备的数据以完善算法本身，就成为了大多数人工智能公司的必然选择。与此同时，人工智能生产模式的开放性也必然带来发展的不确定性，在缺乏有效约束或引导的情况下，人工智能的发展很可能走向歧途。面对这一新形势，传统的、基于科层制的治理结构显然难以做出有效应对。一方面，政府试图全范围覆盖的事前监管已经成为不可能，开放的人工智能生产网络使得监管机构几乎找不到监管对象;另一方面，由上至下的权威结构既不能传递给生产者，信息不对称问题的加剧还可能导致监管行为走向反面。调整治理结构与治理逻辑，并形成适应具有开放性、不确定性特征的人工智能生产模式，是当前面临的治理挑战之一。

再者，治理方法的滞后性，即长久以来建立在人类行为因果关系基础上的法律规制体系，可能难以适用于以算法、数据为主体的应用环境。人工智能的价值并不在于模仿人类行为，而是其具备自主的学习和决策能力;正因为如此，人工智能技术才不能简单地理解为其创造者(即人)意志的表达。程序员给出的只是学习规则，但真正做出决策的是基于大规模数据训练后的算法本身，而这一结果与程序员的意志并无直接因果关联。事实上也正由于这个特点，AlphaGo才可能连续击败围棋冠军，而其设计者却并非围棋顶尖大师。也正是在这个意义上，我们才回到了福柯所言的“技术的主体性”概念。在他看来，“技术并不仅仅是工具，或者不仅仅是达到目的的手段;相反，其是政治行动者，手段与目的密不可分”。[15]就此而言，长久以来通过探究行为与后果之因果关系来规范人的行为的法律规制体系，便可能遭遇窘境：如果将人工智能所造成的侵权行为归咎于其设计者，无疑不具有说服力;但如果要归咎于人工智能本身，我们又该如何问责一个机器呢?由此，如何应对以算法、数据为核心的技术主体所带来的公共责任分配问题，是当前面临的第二个治理挑战。

最后，治理范围的狭隘性，即对于受人工智能发展冲击而引发的新的社会议题，需要构建新的治理体系和发展新的治理工具。人工智能发展所引发的治理挑战不仅仅体现在现有体系的不适应上，同时还有新议题所面临的治理空白问题。具体而言，这又主要包括以下议题：算法是否能够享有言论自由的宪法保护，数据的权属关系究竟如何界定，如何缓解人工智能所可能加剧的不平等现象，以及如何平衡人工智能的发展与失业问题。在人工智能时代之前，上述问题并不存在，或者说并不突出;但伴随着人工智能的快速发展和应用普及，它们的重要性便日渐显著。以最为人所关注的失业问题为例，就技术可能性来说，人工智能和机器人的广泛应用代替人工劳动，已是一个不可否定的事实了。无论是新闻记者，还是股市分析员，甚至是法律工作者，其都有可能为机器所取代。在一个“充分自动化(Full Automation)”的世界中，如何重新认识劳动与福利保障的关系、重构劳动和福利保障制度，便成为最迫切需要解决的治理挑战之一。[16]

上述三方面共同构成了人工智能时代崛起所带来的治理挑战。面对这些挑战，各国也做出了相应的公共政策选择。本文第三部分将对各国人工智能的治理政策进行对比性分析。在此基础上，第四部分将提出本文的政策建议。

三、各国人工智能治理政策及监管路径综述

人工智能时代的崛起作为一种普遍现象，其所引发的治理挑战是各国面临的共同问题，各国也陆续出台了相关公共政策以试图推动并规范人工智能的快速发展。

美国于2016年同时颁布了《国家人工智能研究与发展战略规划》和《为人工智能的未来做好准备》两个国家级政策框架，前者侧重从技术角度指出美国人工智能战略的目的、愿景和重点方向，而后者则更多从治理角度探讨政府在促进创新、保障公共安全方面所应扮演的角色和作用。就具体的监管政策而言，《为人工智能的未来做好准备》提出了一般性的应对方法，强调基于风险评估和成本-收益考量的原则以决定是否对人工智能技术的研发与应用施以监管负担。[17]日本同样于2016年出台了《第五期(2016～2020年度)科学技术基本计划》，提出了“超智能社会5.0”的概念，强调通过推动数据标准化、建设社会服务平台、协调发展多领域智能系统等各方面工作促进人工智能的发展和应用。[18]

尽管美国和日本的政策着力点不同，但其共有的特点是对人工智能的发展及其所引发的挑战持普遍的包容与开放态度。就当前的政策框架而言，美日两国的政策目标更倾斜于推动技术创新、保持其国家竞争力的优势地位;当涉及对人工智能所可能引发的公共问题施以监管时，其政策选择也更倾向于遵循“无需批准式(permissionless)”的监管逻辑，即强调除非有充分案例证明其危害性，新技术和新商业模式默认为都是被允许的。[19]至于人工智能的发展对个人数据隐私、社会公共安全的潜在威胁，尽管两国的政策框架都有所涉及，却并非其政策重心——相比之下，英国、法国则采取了不同的政策路径。

英国政府2016年了《人工智能：未来决策制定的机遇与影响》，对人工智能的变革性影响以及如何利用人工智能做出了阐述与规划，尤其关注到了人工智能发展所带来的法律和伦理风险。在该报告中，英国政府强调了机器学习与个人数据相结合而对个人自由及隐私等基本权利所带来的影响，明确了对使用人工智能所制定出的决策采用问责的概念和机制，并同时在算法透明度、算法一致性、风险分配等具体政策方面做出了规定。[20]与英国类似，法国在2017年的《人工智能战略》中延续了其在2006年通过的《信息社会法案》的立法精神，同样强调加强对新技术的“共同调控”，以在享有技术发展所带来的福利改进的同时，充分保护个人权利和公共利益。[21]与美日相比，英法的公共政策更偏向于“审慎监管(precautionary)”的政策逻辑，即强调新技术或新的商业模式只有在开发者证明其无害的前提下才被允许使用。[22]

在本文看来，无论是“无需批准式监管”还是“审慎监管”，在应对人工智能时代崛起所带来的治理挑战方面都有其可取之处：前者侧重于推动创新，而后者则因重视安全而更显稳健。但需要指出的是，这两种监管路径的不足却也十分明显。正如前文第二部分所指出，一方面，快速迭代的技术发展与商业模式创新必将引发新的社会议题，无论是算法是否受到言论自由的权利保护还是普遍失业对社会形成的挑战，它们都在客观上要求公共政策做出应对，而非片面的“无需批准式监管”能够处理。更重要的是，“无需批准式监管”的潜在假设是事后监管的有效性;然而，在事实上，正如2010年5月6日美国道琼斯工业指数“瞬间崩盘”事件所揭示的，即使单个电子交易程序合规运行，当各个系统行为聚合在一起时反而却造成了更大的危机。[23]在此种情形下，依赖于合规性判断的“事后监管”基本上难以有效实施。另一方面，人工智能本身的自主性和主体性使得建立在人类行为因果关系基础上的“审慎监管”逻辑存在天然缺陷：既然人类无法预知人工智能系统可能的行为或决策，开发者又如何证明人工智能系统的无害性?

正如本文所反复强调的，人工智能与其他革命性技术的不同之处，正是在于其所带来的社会冲击的综合性和基础性。人工智能并非单个领域、单个产业的技术突破，而是对于社会运行状态的根本性变革;人工智能时代的崛起也并非一夜之功，而是建立在计算机革命、互联网革命直至数字革命基础上的“奇点”变革。因此，面对人工智能时代崛起所带来的治理挑战，我们同样应该制定综合性的公共政策框架，而非仅仅沿袭传统治理逻辑，例如只是针对具体议题在“创新”与“安全”这个二元维度下进行艰难选择。本文在第四部分从承认技术的主体性、重构社会治理制度、推进人工智能全球治理这三方面提出了政策建议，并希望以此推动更深入地围绕人工智能时代公共政策选择的研究与讨论。

四、人工智能时代的公共政策选择

《新一代人工智能发展规划》明确提出了到2030年我国人工智能发展的“三步走”目标，而在每一个阶段，人工智能法律法规、伦理规范和政策体系的逐步建立与完善都是必不可少的重要内容。面对人工智能时代崛起的治理挑战，究竟应该如何重构治理体系、创新治理机制、发展治理工具，是摆在决策者面前的重要难题。本文基于对人工智能基本概念和发展逻辑的梳理分析，结合各国已有政策的对比分析，提出以下三方面的改革思路，以为人工智能时代的公共选择提供参考。

第一，人工智能发展的基石是算法与数据，建立并完善围绕算法和数据的治理体系与治理机制，是人工智能时代公共政策选择的首要命题，也是应对治理挑战、赋予算法和数据以主体性的必然要求。(1)就算法治理而言，涉及的核心议题是算法的制定权及相应的监督程序问题。算法作为人工智能时代的主要规则，究竟谁有权并通过何种程序来加以制定，谁来对其进行监督且又如何监督?长久以来公众针对社交媒体脸书(Facebook)的质疑正体现了这一问题的重要性：公众如何相信脸书向用户自动推荐的新闻内容不会掺杂特殊利益的取向?[24]当越来越多的人依赖定制化的新闻推送时，人工智能甚至会影响到总统选举。也正因为此，包括透明要求、开源要求在内的诸多治理原则，应当被纳入到算法治理相关议题的考虑之中。(2)就数据治理而言，伴随着人工智能越来越多地依赖于大规模数据的收集与利用，个人隐私的保护、数据价值的分配、数据安全等相关议题也必将成为公共政策的焦点。如何平衡不同价值需求、规范数据的分享与应用，也同样成为人工智能时代公共政策选择的另一重要抓手。

第二，创新社会治理制度，进一步完善社会保障体系，在最大程度上缓解人工智能发展所可能带来的不确定性冲击。与历史上的技术革命类似，人工智能的发展同样会导致利益的分化与重构，而如何保证技术革命成本的承受者得到最大限度的弥补并使所有人都享有技术发展的“获得感”，不仅是社会发展公平、正义的必然要求，也是促进技术革命更快完成的催化剂。就此而言，在人工智能相关公共政策的考量中，我们不仅应该关注产业和经济政策，同时也应该关注社会政策，因为只有后者的完善才能够控制工人或企业家所承担的风险，并帮助他们判断是否支持或抵制变革的发生。就具体的政策设计来说，为缓解人工智能所可能带来的失业潮，基本收入制度的普遍建立可能应该被提上讨论议程了。“基本收入”是指政治共同体(如国家)向所有成员不加任何限制条件地支付一定数额的收入，以满足其基本生活的需求。尽管存在“养懒汉”的质疑，但有研究者已指出，自18世纪就开始构想的基本收入制度很有可能反过来促进就业。[25]芬兰政府已经于2017年初开始了相关实验，美国的一些州、瑞士也做出了一定探索。在人工智能时代尚未完全展现其“狰容”之前，创新社会治理机制、完善社会保障体系，可能是平衡技术创新与社会风险的最佳路径。

第三，构建人工智能全球治理机制，以多种形式促进人工智能重大国际共性问题的解决，共同应对开放性人工智能生产模式的全球性挑战。人工智能的发展具有开放性和不确定性的特征，生产门槛的降低使得人工智能技术研发的跨国流动性很强，相关标准的制定、开放平台的搭建、共享合作框架的形成，无不要求构建相应的全球治理机制。另一方面，跨境数据流动在广度和深度上的快速发展成为了人工智能技术进步的直接推动力，但各国数据规制制度的巨大差异在制约跨境数据流动进一步发展的同时，也将影响人工智能时代的全面到来。[26]故此，创新全球治理机制，在承认各国制度差异的前提下寻找合作共享的可能性，便成为人工智能时代公共政策选择的重要考量之一。就具体的机制设计而言，可以在人工智能全球治理机制的构建中引入多利益相关模式;另一方面，为防止巨头垄断的形成，充分发挥主权国家作用的多边主义模式同样不可忽视。作为影响深远的基础性技术变革，互联网全球治理机制的经验和教训值得人工智能发展所借鉴。

上述三方面从整体上对人工智能时代的公共政策框架做出了阐述。与传统政策局限于“创新”与“安全”之间做出二维选择不同，本文以更综合的视角提出了未来公共政策选择的可能路径。就其内在联系来讲，建立并完善围绕算法和数据的治理体系是起点，其将重构人工智能时代的规则与制度;创新社会治理机制并完善社会保障体系是底线，其将缓解人工智能所带来的影响与波动;构建全球治理机制则成为了制度性的基础设施，推动各国在此之上共同走向人工智能时代的“人类命运共同体”。

五、结语

在经历了60余年的发展之后，人工智能终于在互联网、大数据、机器学习等诸多技术取得突破的基础上实现了腾飞。在未来的人类生活中，人工智能也必将扮演越来越重要的角色。对于这样的图景，我们自不必惊慌，但却也不可掉以轻心。对于人工智能的治理，找到正确的方向并采取合理的措施，正是当下所应该重视的政策议题。而本文的主旨也正在于此：打破长久以来人们对于人工智能的“笼统”式担忧，指出人工智能技术发展的技术逻辑及其所引发的治理挑战，并在此基础上提出相应的政策选择。人工智能治理的这三个基本问题，是重构治理体系、创新治理机制、发展治理工具所必须思考的前提。伴随着我国国家层面战略规划的出台，我国人工智能的发展也必将跃上新台阶。在此背景下，深入探讨人工智能治理的相关公共政策议题，对于助推一个人工智能时代的崛起而言，既有其必要性，也有其迫切性。（来源：中国行政管理 文/贾开 蒋余浩 编选：中国电子商务研究中心）

[参考文献]

[1]国务院关于印发新一代人工智能发展规划的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]霍金. AI可能成就或者终结人类文明[EB/OL].http：//raincent.com/content-10-7672-1.html.

[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.

[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.

[5] [以]赫拉利.人类简史[M].北京：中信出版社，2014.

[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.

[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).

[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.

[11] [12][13] [美]佩德罗-多明戈斯.终极算法：机器学习和人工智能如何重塑世界[M].黄芳萍译.北京：中信出版社，2016.

[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.

[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，FR，Gallimard，1975.

[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.

[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.

[18]薛亮.“日本推动实现超智能社会‘社会5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.

[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.

[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.

[21]周衍冰.大数据产业在法国的发展及应用[N].学习时报，2014-11-03.

[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.

[23] [美]杰瑞·卡普兰.人工智能时代：人机共生下财富、工作与思维的大未来[M].杭州浙江人民出版社，2016.

[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.

[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).

篇8

近年来，互联网的普及和发展给社会经济建设和人们生活带来了巨大的变化。随着“智慧城市”、“智能交通”、“物联网”新概念的提出，普及先进的智能技术，推动各方面产业的升级和转型，使各个领域又面临一场新的技术革命。在《国家中长期科学和技术发展规划纲要》和“十二五”规划中，智能交通（ITS，IntelligentTransportationSystems）已被列入交通运输业优先发展主题，在交通运输领域广泛采用智能技术建立交通物联网络，已成为发展智能交通的优先途径，也是各级政府和交通专家最为关注的话题。打造国际一流的人性化、捷运化、信息化和生态化的交通物联网，应用智能技术能解决哪些问题？物联网建设中如何推广智能技术？这些问题都值得我们进一步思考和深入研究。

2交通物联网的构成和特征

2.1交通物联网的构成交通物联网是在较完善的交通设施基础上,将新一代智能技术充分运用于交通运输系统所建立的一种实现。即把智能传感器件装备到各地公路、水路、公交、地铁各相关系统的基础设施中，把车辆、船只等运动设施，还有桥梁、大坝、隧道、车站、港口等固定设施，网络、视频、广播、通讯、遥感等各种媒体设施，在互联网的支撑下经过互联构成“物联网”。而后通过超级计算机系统、智能交通系统以及云计算将物联网软硬件资源整合起来，构成一个完整的交通物联网体系。智能交通系统是交通物联网中的核心系统。人们通过它能以更加科学的智能的和动态方式管理和控制交通。

2.2交通物联网的特征⑴全面物联：智能传感设备将交通所有基础设施物联成网，通过专用技术对网络系统实时感测和智能的控制，全面实现交通网络智能化管理。⑵充分整合：物联网与互联网系统完全连接和融合，将软硬件资源最大有效的整合共享，资源分配更加充分和合理。为低碳环保、减少资源冗余浪费，提供最佳的基础设施。⑶协同运作：有效地利用基础设施的潜能，各个关键环节进行和谐高效地协作，监管保障进一步到位，不断消除自身的隐患，达到智能交通的最佳状态。⑷学习创新：立足系统本身的知识学习、积累和更新，不断地进行科技创新和应用，加快交通智能系统的研发和升级，提高可持续发展的能力。

3智能技术在交通物联网的应用成果

3.1智能技术的应用应用智能技术解决交通运输问题，已成为公认的最为有效的途径。从第十二届多国城市交通通展中可以看到，集电子技术、信息技术、传感器技术、数据通讯技术、人工智能和计算机应用等技术于一体的跨学科的智能技术，在交通科技领域的普及应用越来越广泛。如“一卡通”解决方案、RFID无线射频识别技术、GPS智能导航系统、ETC不停车电子收费系统、道路控管系统、网络影像传输系统、电子警察抓拍系统、公路车辆自动监测记录系统、交通综合信息管理系统、道路交通仿真系统等等。将不同的系统集成并将它们智能化从而提升交通管理的水平，已初见成效。由此可见，智能技术有效地综合运用于我国交通运输管理体系，已呈现出巨大的潜力和发展空间。

3.2应用智能技术取得的成果⑴智能公交方面，建立统一的智能化公共交通综合信息平台，在公路、水路等客运行业逐步实现全国联网信息共享服务。城市公交实行全程实时监控，科学的调节车流的时空分布，优化了城市公交网络。展示和引导公众选择低碳出行，逐步拓展公共交通综合信息平台的应用领域，提高公交运营效率和服务能力。⑵交通停车诱导方面，建立动态停车诱导系统和汽车租赁信息服务系统，在完善停车场和公共交通组合的基础上建设驻车换乘信息诱导系统；利用网络媒体和手机、GPS智能导航等信息终端，为公众提供实时、便捷、个性化的交通信息服务。⑶出租车营运管理方面，应用了RFID无线射频识别技术。上海市启动了出租车电子标签试点，将识别芯片安装在出租车后窗的玻璃处，执法人员使用手持识别仪透过GSM将数据传送到指挥中心，快速的把出租车的车牌号、发动机号、车辆颜色、营运证等资料读出，以此快速地识别正规出租车和“克隆”出租车，借助交通物联网智能标签识别技术，有效的提高了出租车辆营运管理的水平。⑷公路不停车电子收费方面，计划到2020年，ETC(ElectronicTollCollection)电子自动收费系统全国覆盖率达到60%以上。ETC使公路收费走向网络化、智能化，提高公路的通行能力，降低了收费管理的成本，减少了车辆和路面的损耗，为解决交通拥挤、交通阻塞、交通事故和交通污染问题提供了有效的途径。⑸港口建设方面，以虎门港物联网工程为例，去年虎门港全面启动了“智能港及物联网应用工程”项目，他们采用物联网技术为基础架构，以RFID及其他传感技术为数据采集终端，通过有线和无线的网络传输技术，把数据资源汇集到港口数据中心,云计算平成海量数据的计算，实现港口在生产操作、仓储管理、物流跟踪、海关监管、环境污染等方面管理的智能化，依托物联网打造智慧型的港口，带动了港口建设一场新的技术革命。

4交通物联网建设方面的探讨

4.1要加强交通物联网标准化工作针对智能技术包含多学科的特点，由此带来的数据采集和处理技术的复杂性，需要制定和完善统一的物理层接口协议和标准。实现物理层接口的标准化，可以最大限度降低系统的瓶颈，保证整个系统接口的互联性,有助于物联网配套产业的新产品研发和标准化生产，促进智能技术的广泛应用。

4.2要改善基础设施的硬件品质对物联网中装备的各种智能传感设备及硬件，要制定标准采购目录和安装规范，尽量采用新一代智能产品。对老化的设备要定期检查和更新换代，特别是对采集设备的性能进行制度性评估，提高硬件设备的品质，不仅对杜绝各类事故提供可靠的保证，而且使智能技术更加有效的发挥。

4.3要加快智能交通系统的研发应用从交通物联网的现状来看，很多地区发展还不平衡，有的还未引入真正意义上的智能交通系统。许多在用的交通管理系统，智能综合分析的功能较少。有些交通指挥系统只是具备监测、记录、抓拍等被动性的监管功能。不具备主动性的智能预防、诱导分流和调控功能。在交通管理方面，对车辆流量、车速、车况、路况、环境仍处在人工监管状态，对突发事件应急反应上还缺乏智能处理的预案。为此，加快智能交通系统的核心技术研发，建立物联网智能预防系统显得格外重要。智能预防系统是智能交通系统一个重要的组成部分。通过多种智能技术实时感测和智能的分析，对道路、车辆、驾驶员、环境及时提出预报、预警、诱导和安全评估以及专家解决方案。可以实现有效的限速限载，合理的分流调控，排除事故隐患，减少人员伤亡和路产损失，为公共交通提供更加安全的保障。

5智能交通系统的研究

在建立交通物联网的地区，初步实现了交通运输、物流仓储、交通监管等方面的自动化、数字化管理。但物联网的智能化水平还远远不够，数据分析、安全预防、调控决策和重大事件的处理大部分还需要人工完成，处理的结果还未达到专家水准。因此，研发和应用智能交通系统，是今后交通物联网建设的关键所在。

5.1智能交通系统的是一个交通领域的专家系统智能交通系统是当前交通运输领域的前沿研究课题，是一个涉及领域多、知识面广的庞大的体系架构。采用云计算平台技术，使分布的系统硬件和软件资源充分地整合，通过虚拟化管理和调度，可以实现基础设施级服务（IaaS），平台级服务（PaaS）和软件级服务（SaaS）。人工智能是研究如何构造智能机器或智能系统，使它能模拟、延伸扩展人类智能的学科。人工智能技术包含计算机科学、控制论、信息论、神经心理学、哲学、语言学等，主要应用在专家系统、机器学习、模式识别等领域。智能交通系统就是采用人工智能和云计算技术构建的交通领域的专家系统，是实现交通物联网智能化的一个重要途径。

5.2智能交通系统的主要构成智能交通系统，也是一个功能完整的、有学习新知识能力的、并能进行逻辑推理的、在交通管理方面代替人类思维支配系统运行的知识系统。它由若干个子系统和知识库组成，各个子系统也是一个独立的专家子系统，根据专业技术领域可划分为：路桥专家子系统；车辆专家子系统；船舶专家子系统；水运专家子系统；物流专家子系统；交通监管专家子系统；应急救援专家子系统；安全预防专家子系统等。每个子系统由若干个完整的智能模块组成，按照功能的划分，每个智能模块对它管辖的范围进行实时的感测和处理。智能交通系统由日常处理、智能处理和专家处理几个层面系统组成。按照事件等级，日常处理只解决经常发生的简单事件，智能处理以快速响应、准确及时、合理调控、节约资源、预防事故发生为目的；遇到重大的复杂事件转由专家处理来决策。

5.3智能交通系统的研究方向智能交通系统通过知识工程方法进行研究，主要研究方向是解决智能接口技术、检索推理机构、知识获取、解释机构等问题。知识库和数据库及其知识、数据的管理通过云计算平台技术来完成。针对大量不同的系统终端数据采集技术的复杂性，要重点解决端口的数据转换方式、编码、交换、传输、差错控制等关键技术问题。智能交通系统在事件处理过程中，根据发生的不同事件的等级，由相应的子系统来进行响应，通过云计算平台调用系统知识库的知识，进行逻辑推理和筛选分析，得出切实可行的专家处理意见。由于采用云计算的编程模型、海量数据存储管理和虚拟化技术，进行大规模的分布式计算和并行处理，有效的利用了系统资源,使专家处理的结果变得更加及时和准确。智能交通系统每个子系统应具有强大的学习能力，能自动地获取知识，对系统知识库随时进行充实和更新。并经过人机接流，使学到的新知识达到专家水平。

篇9

1电气工程自动化控制的应用现状

实现自动化生产，提高产品设备性能一直是我国电气工程自动化领域发展的趋势。在我国的电子工程自动化技术领域，经过几十年的发展，我国的电气工程自动化技术应用越来越得到普及，目前应用于电气自动化工程的主要有分布式控制系统DCS（distributedcontrolsystem）系统、WindowsNT和IE语言系统、集中控制下的自动控制系统以及信息集成化的电气自动化控制系统[2]。分布式控制系统DCS具有实时性和扩充性等优点，但采用的是传统的仪表，增加了后期维护和维修的困难；WindowsNT和IE语言系统使得电气工程设备可视化、集成化，容易操作，后期维修较为容易；集中控制下的自动控制系统，运行速度较为缓慢，大量监控设备的投入，减小了主机的空间，影响了自动控制系统的性能，所以说可靠性较低；息集成化的电气自动化控制系统，则是通过信息化的浏览器进行操作，便于及时了解第一时间的信息，进行整理和分析[3]。可以说，我国电气工程自动化控制市场，正在结合我国自身的实际情况，发挥优势，进行科学技术研发，促进电气工程自动化控制市场逐步地成熟。

2智能化技术及其在电气工程自动化控制中的应用优势

2.1提高自动化控制性能，促进电气工程自动化统一智能化技术拥有计算机强大的编程，算法精确，设计优良，能够提高自动化控制性能，促进电气工程自动化统一[4]。在电气设备仪器的生产中，智能化技术能够根据设备的需要，设计出精准的算法，可以大大地提高设备自动化控制的效率和准确率，如此一来，则可以降低电气工程自动化中人力和物力的投入，有效降低成本。

2.2简化电气工程自动化模型，操作简便在电气工程自动化控制环节中引进智能化技术能够有效避免因提前建立相应的控制模型，造成模型建立的参数出现差错的概率。可以说智能化技术应用到电气工程自动化控制，简化了电气工程自动化模型，防止了不可预见因素对电气工程自动化控制的影响，且操作简便，提高了设备自动化控制的效率和准确率[5]。

2.3具有高精度高效化的特点，误差小智能化技术，如高速的CPU芯片、RISC芯片、多CPU控制系统等应用到电气工程自动化控制环节，具有高精度高效化的特点，误差小的优点，大大提高了电气工程自动化控制系统的精度和效率，有利于提高电气产品的质量，减少了电气工程自动控制环节中的出错率[6]，从而促进电气行业的发展。

3智能化技术在电气工程自动化控制中的具体应用

3.1智能化技术电气设备中的应用传统的电气自动化是需要对电气设备进行控制模型的设计，智能化电气控制器打破了传统的自动化控制。智能化技术具体应用到电气工程自动化控制中，能够根据自动化设备的要求，参照精确的算法，快速解决电气工程自动化的繁琐计算和模拟过程，大大提高了工作效率，缩短设计周期，而设计出来的电气设备产品，相比传统的电气设备产品，实用性和科学性均高。

3.2智能化技术在电气控制中的应用智能化技术在电气工程自动化中的应用主要包括专家系统、神经网络控制、模糊控制三种方法。在进行智能操作的过程中，操作人员可以直接通过软件远程操控，精确调节设备使用中的各类参数，另外能够利用人工智能实现对电气设备的监控和保护，若电气设备负荷工作或停机，则可以发出保护性指令，防止电气设备损坏。另外，智能化技术能够对电力设备进行有效地监控和控制[7]，可以预先根据设备自动化的要求输入算法，对电气设备开关量、模拟量数据的采集和整理工作，在线分析数据，进行实时的信息检索和存储。

3.3智能化技术在设备故障的诊断与修复中的应用传统的电气工程自动化控制系统，存在很多的缺点，造成电气工程自动化控制系统后期的故障诊断和修复较为困难。智能化技术在设备故障的诊断与修复的应用，主要体现在对电力系统中故障进行定位分析，提前准备预防措施，减小机器发生故障带来的损失，且相比常规的人为诊断，可以大大提高诊断的准确性和解决效率。电气工程自动化中的故障诊断部分主要利用人工智能中的模糊理论、人工神经网络和专家系统对电气工程设备，如变压器、发电机以及发动机等进行故障诊断。

4讨论与建议

篇10

大大小小的屏幕让我们的生活不断虚拟化，一个庞大的信息世界流动在我们的指尖。我们越来越依靠“网络”这个“外部大脑”来学习、交流、记忆、娱乐，做出生活中各种判断。有时候，我们的思维状态甚至与它息息相关，网速一慢，我们都变得迟钝了。

一个文明的发达程度，与技术的发展程度密切相关。如今，我们在网络上留下的文字、声音、照片、视频、聊天记录形成了一种生活足迹，随着人工智能技术的发展，成为数字空间独具特性的个人数据。

6月8日，爱奇艺世界・大会召开，爱奇艺创始人、CEO龚宇指出：“爱奇艺将做一家以科技创新为驱动的伟大娱乐公司。”

会上，爱奇艺在人工智能系统（AI技术）以及虚拟现实技术（VR技术）领域公布了最新的创新技术，“爱奇艺已经建立起全球首个基于视频数据理解人类行为的AI系统――爱奇艺大脑，在提升视频特效制作水准、提升内容审核运营效率、用户精准推荐、基于内容识别实现后期营销行为等方面均有所突破。”爱奇艺CTO汤兴认为，AI系统从内容到人，再到生产方式都在改变着娱乐产业，未来利用它产生的内容会更精彩、更有想象力和创造力。他还介绍，目前爱奇艺视频AI核心技术研究已经覆盖到Video in视频动态广告植入技术、Figure out视频明星广告技术、视频情景广告技术、视频看点搜索、视频智能标签、视频审核、UGC视频智能截图、视频智能云编辑等多项创新产品的核心技术研发中。

此外，爱奇艺还正式iVR+2017产业白皮书和重大iVR+项目。爱奇艺高级副总裁段有桥表示，爱奇艺将继续贯彻2016年的VR生态激励计划，全面开发和扶持平台优质内容，淞VR内容标杆，通过开放全平台资源，与合作伙伴共荣。“爱奇艺还推出了在PC、移动、电视三屏技术之外的第四屏VR产品。爱奇艺于今年了VR技术融合AI技术的‘奇遇’一体机，该产品除了4K屏幕、3D全景声、6DOF，还配置了虚拟人物‘双儿’，用科技创新为用户带来颠覆式的沉浸感。”段有桥说。

与百度打通底层数据，AI助力平台数据运维

科技巨头们正在悄然布局，综合市场信息，自2013年以来，苹果、雅虎、英特尔、亚马逊、百度、谷歌、特斯拉等科技巨头纷纷开始通过招募研究小组以及收购事项，入局人工智能领域。

在6月初的爱奇艺世界・大会上，百度董事会副主席、总裁兼COO陆奇将消息坐实，他表示：“百度和爱奇艺将一起合作，用百度的AI技术，打通百度大脑和爱奇艺大脑底层数据，对内容生产、制作、分发、交互，包括会员服务、大数据平台、视频图像的理解、内容审查、广告变现，整体做赋能。在端上，不管是PC端、手机端、电视，我们都会提供非常好的个性化、智能化用户体验，包括各种场景，社交、支付、游戏、直播、视频、漫画、阅读、电影等等。”

麻省理工学院的计算机科学家帕特里克・亨利・温斯顿在其所著的《人工智能》教科书里所下定义是：“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的工作。”但人类始终在畅想，AI技术或许还可以实现我们解决不了的问题。

汤兴眼中的AI技术并不玄妙，“在爱奇艺，AI技术需要大量数据支持、具有强大计算能力以及应用场景落地的基本能力。通俗地讲，AI要解决的问题是，让系统更懂用户，挖掘数据刻画用户性格；理解视频及用户想要的东西；还要让机器理解的东西与用户之间建立精准的联系，以实现精确化的推荐。”

这些功能，让在爱奇艺“游玩”的你具有的娱乐喜好，像你的个性一样，独一无二，而且被单独对待。举例来说，爱奇艺最早推出的“随时购”能识别出视频中的商品、剧情，精准得可以引导你到商城购物，还可以变成衍生品展示，推荐相关的游戏、电商、电影票等。“当视频中演员发火了，AI识别出情绪，能推荐喝王老吉消消火；当识别出爱情戏中接吻的动作，会推荐爱心巧克力或是情人节礼物；演员喝酒时则会推荐护肝片；而对于明星能识别出他们的脸，推荐他所代言的产品。”汤兴介绍。

另外，最近AI技术还给爱奇艺带来了新的加持，一改我们搜索影视剧名称等关键字的习惯，还可以输入“对白”和图片，进行搜索。比如，搜索鹿晗，带有他画面的片段全部能够出现在列表中，而不仅是他的名字或标题、文字介绍；关于“对白”，当我们火热聊天时，突然忘记电影名称，键入类似对白，也能搜出影片。是不是非常方便？

当AI遇见VR点燃娱乐新思维

70多年前，美国科幻小说家斯坦利・威因鲍姆发表的《皮格马利翁的眼镜》，描述了这样一种眼镜装置，戴上它，你可以看到、听到、尝到、闻到、触摸到电影中的各种东西，还能跟其中的人物交流，你成为这个故事的主角。这种描写与我们今天VR技术倡导的“沉浸式体验”多么相似。

在科幻小说作家们热情地幻想魔幻故事情节的同时，爱奇艺的科学家们正在创造未来。

段有桥介绍，已经开发出的VR一体机“奇遇”产品，还引入AI技术，配备了虚拟机器人双儿，也是迄今为止VR产品里第一个引入AI技术的。双儿目前是用户在沉浸感中看VR影视和参与玩VR游戏时的陪伴。

段有桥还对爱奇艺VR领域的成绩做了回顾，他表示：“爱奇艺将VR制作纳入基础影视生产流程，已联合VR视频团队制作过一系列作品如《寻人大师》《鬼吹灯之牧野诡事》等，其中《灵魂摆渡》VR先导片，上线12小时破200万，最终获得了超过450万的点击，创国内目前单剧集最高记录。爱奇艺还通过打通IP全产业链资源，实现IP、VR游戏领域的战略部署，代表作品有播放量超过5亿的热血超燃国漫改编、与互联星梦联合制作的VR游戏《灵域》。”

会上，爱奇艺还了iVR+生态伙伴项目，包括《醉玲珑》《鬼吹灯之牧野诡事》《无间道》《我的萌宠大人》等VR游戏以及首款语音操控为核心的宠物养成VR游戏；VR影视方面制作了多重梦境空间结构的超级网剧剧中剧《寻人大师》、纯CG的3D影片《鬼吹灯之牧野诡事》，以及魔幻IP、VR番外篇《神探蒲松龄之兰若仙踪》等。