三个皮匠微信公众号每天给您带来最全最新各类数据研究报告

人工智能是一种引发诸多领域产生颠覆性变革的前沿技术，当今的人工智能技术以机器学习，特别是深度学习为核心，在视觉、语音、自然语言等应用领域迅速发展，已经开始像水电煤一样赋能于各个行业。世界各国高度重视人工智能发展，美国白宫接连发布数个人工智能政府报告，是第一个将人工智能发展上升到国家战略层面的国家，除此以外，英国、欧盟、日本等纷纷发布人工智能相关战略、行动计划，着力构筑人工智能先发优势。我国高度重视人工智能产业的发展，习近平总书记在十九大报告中指出，要“推动互联网、大数据、人工智能和实体经济深度融合”，从 2016 年起已有《“互联网+人工智能三年行动实施方案》、《新一代人工智能发展规划》、《促进新一代人工智能产业发展三年行动计划(2018-2020 年)》等多个国家层面的政策出台，也取得了积极的效果，我国逐渐形成了涵盖计算芯片、开源平台、基础应用、行业应用及产品等环节较完善的人工智能产业链。 （原文来自皮匠网，关注“三个皮匠”微信公众号，每天分享最新行业报告）

2018 人工智能发展白皮书是中国信息通信研究院、中国人工智能产业发展联盟首次联合发布。本篇为产业应用篇，回顾人工智能发展历史，并重点分析当前人工智能在软硬件支撑平台、基础产品、复合产品、领域应用等方面现状、问题以及趋势，展望未来前景并提出策略建议。 ;

未来发展建议

趋势展望 

人工智能是一个宽泛的概念，有人将各类人工智能划分为弱人工智能、强人工智能和超人工智能。从人工智能总体发展来看，一方面，深度学习只能在机器上建立浅层次的条件反射，是“弱人工智能”，真正意义上的人工智能即“强人工智能”的实现还没有任何曙光。另一方面，依托深度学习等新一代人工智能技术的新兴产业生态和行业应用的发展正方兴未艾。 

专用芯片、算法平台和特色数据成为企业打造人工智能生态体系的重要着力点。人工智能时代将会出现多种多样的计算终端，而不仅仅局限于计算机、手机等通用设备，在芯片领域将逐步出现为特定场景而定制的具备低功耗、低成本、高性能优势的专用芯片，将算法芯片化、产品化也成为一种趋势。与互联网时代地图服务类似，人工智能自然语言处理、计算机视觉等基础服务具有依赖数据更新不断迭代的特点，“数据+平台”的云服务模式将逐渐深化，人工智能基础服务提供商不断积累数据，提供更优质的服务。 

人工智能产品将在不断的迭代中实现较大突破，在生产生活中得到更广泛应用。目前，人工智能相对成熟的产品主要集中在安防监控设备等局部细分领域，智能扫地机器人、智能音箱、机器翻译机等产品普遍存在覆盖范围小、使用群体少、智能化水平偏低等问题，此外，还有更多的产品空白领域。虽然在可见的未来，影视剧里面的那种具有自主意识的人工智能不会出现，但通过机器学习算法简化软件的复杂性、增强机器的“智能”方面还有很广阔的发展空间。例如，辅助驾驶系统将成为汽车的必备，虽然完全无人驾驶可能很长时间都不会出现。家用电器会更加智能化，同时也会出现家庭服务机器人等新型家电产品。 

人机混合智能将成为人工智能典型应用模式，优化过程中机器智能比例会持续增大。人工智能（或机器智能）和人类智能各有所长，人机混合智能模式取长补短，将在未来有广阔的应用前景。人机混合智能可以把人对模糊、不确定问题分析响应的高级认知机制与机器强大的运算和存储能力紧密耦合，使得两者相互适应、协同工作，进行双向信息交流与控制，构成“1+1>2”的增强智能形态。人机协作、人机决策、脑机接口等人机混合智能将成为人工智能在各领域推广应用的主流方向，正如在医疗领域医生与外科手术机器人、新闻领域编辑审核人员与写作机器人的协作一样。并且，随着应用过程中智能技术的提升和协作机制的不断优化，机器智能将逐步接管更多工作。 

策略建议

持续完善数据资源体系，破解发展制约。深度学习需要大规模高质量的训练数据，而数据获取和制作成本高、数据权属的法律界定不明确、数据标准不统一、历史数据质量差等问题制约人工智能发展。建议充分发挥传感器、物联网设备在数据采集的作用，同时实现训练数据标注从纯人工标注逐渐向人工与自动标注结合的方式转换，并不断加大自动标注在整个标注环节中的比例。加强医疗、交通等人工智能重点领域内合作，建立行业数据统一标准，提升数据质量，从而推动人工智能应用进程。加强个人隐私保护数据立法研究，制定数据流通规则，推动数据共享流通。 

重视人工智能安全风险，减少潜在隐患。不同于传统工业产品一切功能设定都是明确的，具有自学习、自适应、自组织、自行动的人工智能带来不确定的风险。例如无人驾驶汽车难以应对全部的场景，在特殊天气和路况时容易发生事故，2015 年德国大众工厂机器人造成人员伤亡，2016 年中国“小胖”服务机器人失控伤人，这种危险同样存在于未来可能广泛应用的家庭服务机器人、看护机器人上。需要指出的是，人工智能的安全风险并非有些人担心的是人工智能太强而威胁人类生存，而是太弱而无法应对复杂的应用场景造成的。因此，人工智能产品与应用提供商应重视人工智能产品和应用安全风险，通过提升技术能力、加强数据训练、开展安全评测等多种手段减少安全隐患。

打造人工智能创新平台，推动产业应用。发挥政府和行业作用，建设人工智能基础数据平台、人工智能安全检测平台等创新平台，推动人工智能产业发展与应用创新。围绕语音识别、视觉识别、自然语言处理等基础领域及工业、医疗、金融、交通等行业领域，支持建设高质量人工智能训练资源库、标准测试数据集并推动共享，鼓励建设提供知识图谱、算法训练、产品优化等共性服务的开放性云平台。围绕智能机器人、智能网联汽车、智能终端等新兴产品与应用，研究建立人工智能安全评估体系，针对设计研发、部署应用、升级维护、废弃销毁等人工智能产品与应用全生命周期过程中数据安全风险、算法安全风险、平台安全风险开展安全评估，提升人工智能产品和服务质量和安全水平。 

积极开展多元路线探索，突破技术瓶颈。目前人工智能的主要技术是深度学习，即采用大数据训练深度神经网络，使其形成一种“条件反射”机制，从而来完成一类特定任务。这种条件反射机制是很浅层次的“智能”，没有人类智能的灵活性、逻辑性，更无举一反三的思辨能力，因此在复杂情况下的应用差强人意。理论并不能证明或者证伪具有类人类智能的“强人工智能”的可能性，毕竟人类连自身产生智能的机制还不清楚，只能通过不断的工程实践来摸索“强人工智能”的路径，包括但不限于基于机器学习、深度学习体系的优化、基于脑科学研究的类脑智能、基于脑机接口的混合智能等多种技术路线，实现类似或者超越从机器学习到深度学习的新突破，带动人工智能质的飞越。 

提前布局劳动资源转换，应对就业变化。任何新的生产工具进步都会带来劳动力的需求变化，2013 年英国牛津大学的一项研究报告显示，未来有 700 多种职业都有被智能机器替代的可能性。如同每次科技革命的影响，技能要求低的职业首当其冲，而这次医疗、教育等需要高技能积累的行业也将受到人工智能的影响。目前人工智能对医疗影像的认知已经接近或超越有经验的人类医生，随着放射影像与AI 技术融合的精准手术治疗发展，未来外科医生也可能会面临相同的挑战。我们应该正视未来趋势，提前采取应对措施来适应人工智能带来的就业供需的变化。例如通过宣传、培训等方式引导、鼓励企业生产方式的转型升级以及从业人员劳动资源的有效转换。