五大技术发展新趋势

1、人工智能技术背景

人工智能旨在了解智能实质，让机器通过视、听、读等学会分辨事物、理解人类意图，并能通过对环境的感知采取合理的行动，最终构造出能够像人一样感知、认知、决策的类人智能系统，涉及机器学习、机器视觉、自然语言处理和机器人技术等技术。目前人工智能技术表现出来的更多是“人工的”智能，依靠人工帮助机器拓宽可学习的规则及数据的边界，依靠学习算法来适应尽可能多的场景变化。虽然此类方法尚未赋予机器完全的认知智能或决策智能，但已经在多个行业及应用场景产生了商业价值，明确的商业价值为人工智能行业带来了更多的资本投入，使人工智能得以持续高速发展。未来人工智能主要发展的方向为无监督/自监督学习、强化学习、复杂开放场景下的智能识别等，将通过基础理论和技术的发展推动可信赖AI、多模态与跨领域识别、认知推理、自主学习等领域的性能提升，为更多行业及应用场景带来颇高的商业价值。

在人工智能由感知智能向认知智能发展过程中，机器视觉技术是“视”发展的关键技术，机器既要能够分辨标准化的图像数据，也要理解复杂开放环境下的场景特点。语音语言等自然语言处理技术是“听”、“读”、“说”发展的关键技术，机器除了需要能够识别语音外，还需要掌握语义表示、理解用户意图、进行知识推理，以达到人机交互的目的。因此本章节对人工智能的阐述聚焦于机器学习、机器视觉及自然语言处理三类主流技术，通过分析三类技术的发展变革趋势，洞察技术落地应用前景和未来价值所在。

2、技术发展趋势及发展挑战

2.1 技术发展趋势

人工智能先驱、图灵奖获得者Yoshua Bengio 在NeurIPS 2019 大会报告中讨论了人工智能发展的方向。他肯定了人工智能已经在“听、说、看”等感知智能领域达到甚至超越人类水准，但在外部知识、逻辑推理以及领域迁移的认知领域的发展还处于初级阶段。认知智能将从认知心理学、脑科学中汲取灵感，并结合知识图谱、因果推理等技术，建立知识表示、推理的有效机制，实现从感知智能到认知智能的关键突破。

机器学习：关注如何用计算的方法从历史经验中模拟类人学习行为，获得类人能力，是目前增强人工智能的重要方法之一

机器视觉：大规模视觉分析识别准确率不断提升，落地于部分实际应用场景，但复杂开放场景的应用尚未广泛铺开

自然语言处理：超算力大规模表征学习推动可解释认知，助力拟人化人机交互技术，提供可信赖服务

2.2 发展挑战

（1）发展可信赖的AI

（2）突破复杂知识表示学习的局限性

（3）探索基于海量数据的学习

（4）提高复杂开放环境下的识别精度

3、关键技术点

3.1 发展人工智能的理论与技术，让机器更加“智能”

（1）知识与数据联合驱动的AI

（2）基于超大规模数据学习的AI

（3）新型智能计算架构

3.2 科学认识技术的优势和边界，推广人工智能技术的应用

（1）突破多模态知识融合瓶颈AI

（2）—模型压缩和自动机器学习

（3）人工智能技术与应用的深度融合

4、技术应用及价值

4.1 商业化落地

机器学习：机器学习技术赋能供应链的设计、定价、营销、配送等各个环节，打造高度协同、自组织和自优化的智能供应链，进一步提升供应链的协同性、敏捷性和需求创造能力，实现供应链的数字化转型与智能化升级。

机器视觉：机器视觉可广泛应用于生产、流通和服务领域。在工业检测中，机器视觉技术主要用于自动化生产流水线，用于非接触精密零件尺寸测量、产品表面质量检测与监控；在流通领域，用于高速路车牌识别；在服务领域，用于超市条形码检测、上下班指纹考勤、人脸识别考勤、医学影像检测等。同时，在行为监测、生产流程管理以及工业品质量监管等方面有较大的落地前景，人力成本的提升导致企业对此类技术有强烈的需求。此外，结合通用型视觉计算，可以贯通零售、金融、物流场景下的所有计算机视觉相关技术，包括商品图像检索、对象检测、属性识别、文字识别、动作检测与识别等。仅凭借通用的动态模型就可在跨越不同领域、任意空间进行学习，提升模型通用性，大幅度降低模型存储和运算消耗。

自然语言处理：自然语言处理的应用场景非常广泛，比如搜索，客服，翻译，教育，金融，法律，商业智能等，其中的内容生成、机器翻译与智能客服是目前商业落地的主要应用。针对内容生成，它可以赋予计算机像人一样写作的能力，撰写出高质量的自然语言文本，该技术在智能问答、对话和人机交互系统有着广阔的应用前景，最终将有可能改变广告行业、文字创作行业、新闻出版行业等的商业模式。此外，在政务、电商、医疗等垂直领域，鉴于所面临问题相对聚焦和明确，领域限定的任务型机器翻译和智能客服也有较多的落地应用。

4.2 技术与5D 的连接

Deep Tech:数智化更多地融合于行业、业务场景之中，极大促进了行业的“数字基建”，达成Deep Tech。

Deep Connectivity：多样化的机器学习方法将促进人工智能在各场景中的落地应用，使人工智能技术与场景需求实现更密切的融合，推动Deep Connectivity 的发展。

Deep Data：标注数据显著推动了人工智能的发展和应用，随着技术进一步发展，无监督学习等技术将使未标注数据也得到有效利用，推动Deep Data 的发展。

5、京东人工智能技术与应用优势

5.1 数据积累深厚，应用场景丰富

京东集团依托自身业务，在零售、物流、金融、健康及智能城市行业中积累了丰富的数据，可以利用多维度的丰富数据对机器学习算法进行训练，同时丰富的业务场景可以让算法模型在实际环境中进行测试并优化。目前京东集团已在多个业务场景中应用人工智能相关技术，服务超过10 亿用户。例如，在今年“京东11.11”当天，京东情感智能客服累计服务6552 万次，京东智能分析平台调用量超过1 亿次。京东零售利用智能供应链的技术对3.3 万个品牌、超500 万种自营商品进行智能预测、自动调拨和智能履约，保持行业领先的周转效率。京东自主研发了全球首个全流程无人仓——上海亚洲一号智能园区三期。京东物流实现中国大陆区县覆盖率100%，全国90% 区县实现24 小时达，800 个物流中心，30 座大型智能化物流中心“亚洲一号”，全流程无人仓每日包裹量可达 20 万个，效率达到传统仓库的 10 倍。

5.2 言犀：智能人机交互平台，助力客户实现服务数智化升级

京东致力于发展智能人机交互技术，成功打造了智能人机产品“言犀”，实现人机交互与人机协同多模式服务。“言犀”是融合京东自身十年客户服务与营销的最佳实践，是业界领先的全链路AI 能力的服务数智化平台级产品。“言犀”向上承接集团“数智化社会供应链”，即用数智化技术链接和优化社会生产、流通、服务的各个环节，实现降本增效；向下促进技术与业务的协同创新，打造智能人机交互与营销平台，将领先的人工智能技术与业务场景应用深度融合，提供全自研、一体化的产品及服务矩阵，引领行业最佳实践。京东智能人机交互服务“懂业务”，同时“更懂你”。

懂业务：面向政企客户人群提出“懂业务”的标签，领先的KG，结合多年行业积累，理解业务所需：a. 帮助各级政府及相关委办局增强公共服务能力，提升实现接诉即办及跨部门的高效协同，为打造服务型政府提供数智化能力支持，帮助公众快速获取有效信息并实时交付反馈，提升公众满意度；b. 帮助中大型企业客户，提升客户服务质量、体验，实现降本、增效、提升业务转化，提升企业开源获客能力；

更懂你：面向广泛的用户群体提出“更懂你”的标签，京东自研全栈AI 能力，更好的感知用户的真实意图，情感变化，了解用户的真实需求，并匹配最佳的知识应答，解决用户关心关注的问题，从而提升用户满意度。

5.3 “C2M 智能工厂”推动产业数智化转型

京东“C2M 智能工厂”通过人工智能、5G、物联网、云计算等技术，把生产、流通、服务整个供应链环节串联起来，把消费者需求传导给工厂，让工厂能够提前预知市场的变化，按照市场的需求来设计研发和生产消费者需要的产品，降低试错成本，提升创新能力和消费者满意度。

点击下载报告：京东数科：未来科技趋势白皮书