新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
人工智能的发展历程
⼈⼯智能的发展历程⽬录⼀. 政策⼆. 主要发展阶段三. 60年历程关键事件⼀. 政策 为推动我国⼈⼯智能规模化应⽤，全⾯提升产业发展智能化⽔平，2017年7⽉20⽇，国务院印发了《新⼀代⼈⼯智能发展规划》，并将在制造、⾦融、农业、物流、商务、家居等重点⾏业和领域开展⼈⼯智能应⽤试点⽰范⼯作。就⾦融⾏业⽽⾔，《规划》指出，要在智能⾦融⽅⾯，建⽴⾦融⼤数据系统，提升⾦融多媒体数据处理与理解能⼒；创新智能⾦融产品和服务，发展⾦融新业态；⿎励⾦融⾏业应⽤智能客服、智能监控等技术和装备；建⽴⾦融风险智能预警与防控系统。⼆. 主要发展阶段⼈⼯智能的起源：⼈⼯智能在五六⼗年代时正式提出，1950年，⼀位名叫马⽂·明斯基(后被⼈称为“⼈⼯智能之⽗”)的⼤四学⽣与他的同学邓恩·埃德蒙⼀起，建造了世界上第⼀台神经⽹络计算机。这也被看做是⼈⼯智能的⼀个起点。巧合的是，同样是在1950年，被称为“计算机之⽗”的阿兰·图灵提出了⼀个举世瞩⽬的想法——图灵测试。按照图灵的设想：如果⼀台机器能够与⼈类开展对话⽽不能被辨别出机器⾝份，那么这台机器就具有智能。⽽就在这⼀年，图灵还⼤胆预⾔了真正具备智能机器的可⾏性。1956年，在由达特茅斯学院举办的⼀次会议上，计算机专家约翰·麦卡锡提出了“⼈⼯智能”⼀词。后来，这被⼈们看做是⼈⼯智能正式诞⽣的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这⾥，之后两⼈共同创建了世界上第⼀座⼈⼯智能实验室——MIT AI LAB实验室。值得追的是，茅斯会议正式确⽴了AI这⼀术语，并且开始从学术⾓度对AI展开了严肃⽽精专的研究。在那之后不久，最早的⼀批⼈⼯智能学者和技术开始涌现。达特茅斯会议被⼴泛认为是⼈⼯智能诞⽣的标志，从此⼈⼯智能⾛上了快速发展的道路。 ⼈⼯智能的第⼀次⾼峰：在1956年的这次会议之后，⼈⼯智能迎来了属于它的第⼀段Happy Time。在这段长达⼗余年的时间⾥，计算机被⼴泛应⽤于数学和⾃然语⾔领域，⽤来解决代数、⼏何和英语问题。这让很多研究学者看到了机器向⼈⼯智能发展的信⼼。甚⾄在当时，有很多学者认为：“⼆⼗年内，机器将能完成⼈能做到的⼀切。” ⼈⼯智能第⼀次低⾕： 70年代，⼈⼯智能进⼊了⼀段痛苦⽽艰难岁⽉。由于科研⼈员在⼈⼯智能的研究中对项⽬难度预估不⾜，不仅导致与美国国防⾼级研究计划署的合作计划失败，还让⼤家对⼈⼯智能的前景蒙上了⼀层阴影。与此同时，社会舆论的压⼒也开始慢慢压向⼈⼯智能这边,导致很多研究经费被转移到了其他项⽬上。 在当时，⼈⼯智能⾯临的技术瓶颈主要是三个⽅⾯，第⼀,计算机性能不⾜，导致早期很多程序⽆法在⼈⼯智能领域得到应⽤；第⼆，问题的复杂性，早期⼈⼯智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，可⼀旦问题上升维度，程序⽴马就不堪重负了；第三，数据量严重缺失，在当时不可能找到⾜够⼤的数据库来⽀撑程序进⾏深度学习，这很容易导致机器⽆法读取⾜够量的数据进⾏智能化。 因此，⼈⼯智能项⽬停滞不前，但却让⼀些⼈有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟⽬标”上的失败。由此，⼈⼯智能遭遇了长达6年的科研深渊。 **⼈⼯智能的崛起：**1980年，卡内基梅隆⼤学为数字设备公司设计了⼀套名为XCON的“专家系统”。这是⼀种，采⽤⼈⼯智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是⼀套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍⽣出了像Symbolics、Lisp Machines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就⾼达5亿美元。 ⼈⼯智能第⼆次低⾕：可怜的是，命运的车轮再⼀次碾过⼈⼯智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动⼀时的⼈⼯智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司⽣产的台式机性能都超过了Symbolics等⼚商⽣产的通⽤计算机。从此，专家系统风光不再。 ⼈⼯智能再次崛起：上世纪九⼗年代中期开始，随着AI技术尤其是神经⽹络技术的逐步发展，以及⼈们对AI开始抱有客观理性的认知，⼈⼯智能技术开始进⼊平稳发展时期。1997年5⽉11⽇，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，⼜⼀次在公众领域引发了现象级的AI话题讨论。这是⼈⼯智能发展的⼀个重要⾥程。 2006年，Hinton在神经⽹络的深度学习领域取得突破，⼈类⼜⼀次看到机器赶超⼈类的希望,也是标志性的技术进步。 【注】Geoffrey Hinton的论⽂ 在最近三年引爆了⼀场商业⾰命。⾕歌、微软、百度等互联⽹巨头，还有众多的初创科技公司，纷纷加⼊⼈⼯智能产品的战场，掀起⼜⼀轮的智能化狂潮，⽽且随着技术的⽇趋成熟和⼤众的⼴泛接受，这⼀次狂潮也许会架起⼀座现代⽂明与未来⽂明的桥梁。 三. 60年历程关键事件
