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。
人工智能发展历史的简要概述
0引言
从1956年达特茅斯会首次定“人工智能”（ArtificialIntelli-gence，AI）开始，AI研究已了几次史浮沉．在一次又一次的高潮
和低谷的交替中，不可否，AI无是在理是在践上都取得了
扎的步，人于智能的理解一步加深．尤其是近期以深度学（DeepLearning，DL）代表的AI技取得了突破性的展，从而
在全世界范内又掀起了一个AI研究潮．与以往不同的是，次的
研究潮同伴随着AI商化浪潮，室成果很快就入工界，
甚至工界在股潮中也站在了学研究的前沿，在以往的技
展史上是非常罕的．
2015年7月，人工智能被写入《国院关于极推“互网+”
行的指意》;2016年3月，人工智能一被写入“十三五”划要;2016年5月，国家展改革委会等四部合下《“互网
+”人工智能三年行施方案》;李克理的政府工作告中也提到了人工智能展;中国科学技部“科技新2030—重大
目”近期或将新增“人工智能2.0”，人工智能将一步上升国家
略．充分可以看出我国AI的重程度．2017年，中国工程院院刊信息与子工程学部分刊《信息与子工程前沿（英文）》出版了“Ar-tificialIntelligence2.0”，潘云等多位院士及家学者AI2.0
所涉及的大数据智能、群体智能、跨媒体智能、混合增智能和自主
智能等行了深度述．
面人工智能潮，我如何理解，看待其步？又如何了解
［1］［2］了上述，本文
其功能和限制？已有不少籍和文
将从人工智能的化浪潮、学流派和研究方法，以深度神网主的AI展史、近期成果和存在等多方面人工智能做一个的介，希望能者了解AI有所帮助．
注1达特茅斯会上定的人工智能是指用算机模人的
思，上个定比适合基于符号的演系（符号
学派），如家系等．但人有能力（学派）．格来
，不包括在狭的人工智能当中，所以神网、模糊和
算法等合另立了“算智能”．了便于表述，我文中采用了广
［1］
上的人工智能，个概念和“机器智能”一致，包含了一切机器具
有的智能．
298YUZhuliang．Reviewofprogressonartificialintelligence．
1人工智能商化浪潮2人工智能的主要研究学派
20世末，当以神网主流的AI研究又一人的智能主要包括和演两大
次跌入低谷的候，加拿大多多大学的Hinton教．我大量的感知理，如听、身体感知理
授等是守地，辛勤耕耘，并在2006年得了等都是下意的，属于智能．而数学推、
［3-4］．2012年他和两位学生成立“深度神网推理等都是基于公理系的符号演方法．由
突破
研究”（DNNResearch）公司，数个月后被Google收于在展程中，于智能的理解的不同，形成
，从此Hinton教授身兼多多大学教授和Google了几个典学派．每个学派从不同的角度看待，
研究者的双重身份．Google随后斥4美元收人提出解决方案．比如最主要的两个学派：符号学派
工智能初的前沿人工智能企DeepMind．另外，，、，
和学派前者从哲学学和心理学出将
Google收了克面部技开商View-，
学逆向演使用先存在的知来解决
dle．，大多数家系使用符号学派的方法;后者注
随Hinton教授的步伐，大学YannLeCun于通神元之的接来推表示知，学派
教授，2013年底被聘Facebook人工智能研究院聚焦于物理学和神科学，并相信大的逆向工程，
的管;斯坦福大学吴恩达（AndrewNg）教授，2014他用反向播算法来人工神网以取
年被百度聘任首席科学家“百度大”的［5］．其他学派，如化学派在学和化生物学
果
划（2017年已辞）;斯坦福大学李教授（Fei-的基上得出，叶斯学派注重学和概率
FeiLi）成谷歌云算部的人之一．些推理，推学派更多是关注心理学和数学化来推
象一方面明人工智能在受工界的迎程度，断相似性判断．
同也明了人工智能目前的展是学研究然上述主流学派各自都取得了很大的成就，
和企开的快速深度合．但是其各自采用的研究方法都遇到了多困，而
了迎合AI的展潮，大量的开源学平台且些学派于AI的研究思路和方法以形成一
不断世，清的Caffe、Google的TensorFlow、Fa-个一的框架．了更好地理解AI的本，本文
cebook的FBLearnerFlow、Tesla的OpenAI以及采用文献［1，5］中的点来介人工智能的主流研
百度深度机器学开源平台等，都AI的研究和究方法．
开起到了巨大的推作用．当然有很多其他基于于“机器智能是由什么决定”个的
工巨的品，例如IBM的沃森系、微的同声回答，人工智能域70多年的展形成了3大主流
翻等．的研究方法：构模、功能模和行模．3
科技展，人才本．AI也不例外，企于AI种研究方法之缺乏一种内在的系，使得人普
人才的更是于白化．目前AI域，尤其是遍AI理不成体系．了解决上述，文献
深度学域面缺乏家的困境．由于个域［1，5］提出了第4方法，即机制模．
开始展，所以家，即使是博士生都特2.1构模
少．吴恩达教授曾深度学域人才乏的几近代科学“构决定”，只要系的
个原因：首先是数据，取解决某些域的的数构清楚了，功能也就清楚了．最先提出来的智
据常常非常困;其次是算基和架构工具，包括能模就是构模的思路，其代表性的成果有神
算机硬件和件，入不易;最后是个域的工［6］［7］和人工
元的MP模型、多感知器MLP模型
．，［8］等．在机械系的研究中非常有用的
程培养了解决上述工界的科技神网
，Google、Facebook、Twitter、构决定，在智能系的研究中却存在很多．
巨如百度等通
收深度学域的初公司来招人才．其中最构只是硬件基，不能完全确定系的智能行．正
典型的是Google，它通不断收深度学域如在于个神元的生理活机制已研究得
的公司，到一批世界一流家．而言之，人工智非常深入，但是大量的神元接在一起所呈的
能的展，使得其相关域的人才成稀缺之智能行目前的理解是非常肤浅．作构模
宝，域的研究人来，既是机遇，也是的主流成功方法，人工神网具有非常突出的
挑．点：1）人工神网具有比范的构;2）系具
JournalofNanjingUniversityofInformationScienceandTechnology（NaturalScienceEdition），2017，9（3）：297-304299
有大量可以的参数，自由度大，可以非常多模了智能系．在个研究方法中，首先是机器感
的系;3）网具有并行理的机制;4）信息分布知，然后感知信息做模式分，最后是感知判
存，提供了良的和想能力;5）系具有很断果做出的模智能的行，也被称感知-
的自适能力和高度的容能力．当然人工神作系．方面的典型用是Brooks完成的模六
网也具有很多弱点和局限性：1）人的智能系不［11］．感知-作系涉及到
脚虫的爬行机器人等系
构复，而且机制深奥，不是在的人工神网一个重要：随着任境的化，系如何能自
所能完全模的;2）人工神网能做到的模主学并充从感知到作之的映射知？当
和人相比是太小;3）神元的工作机理度然就是一个机器学．行模也具有明的
，．，缺点：只有那些能用行表的智能才能被模，可
化以保系能最模人另外人工神
，是很多智能程无法用行直接表达．
网将一切智能都数算在未能回答任何
是否都可以形式化或者数化个之前，2.4机制模
种数化算能否完全模人智能是一个构模、功能模和行模都具有先天不
．
足，而且3大方法之缺乏理上的一性．后来
2.2功能模的研究，智能的生成机制才是智能系的核心．
面构模所存在的，另外一点机制模方法，无什么、境和目，
，人工智能的研究无需去理会智能的具体构，只智能系的生成机制必然要得“、束条件、
要能模智力功能即可，就是“功能主”下目”等信息，然后提取和建立相关知，而
的功能模思路．上，功能模的最典型代表就在目控制下，利用上述信息和知演出求解
［9］是其最成功的的策略，并化相的智能行作用于，并
是的人工智能，如家系
用．功能模也常常被称符号主、主、心解决．可以概括一种“信息—知—智
［1，5］
理学派．符号主人工智能源于数理．数理能程”．根据个点，构模可以是
在20世30年代开始用于描述智能行，“信息—知—策略程”，功能模
并在算机上演系．后来符号主者是“信息—范知—范策略程”，行模
一步展启式算法—家系—知工程理可以是“信息—常知—常策略
和技．方面的研究一开始取得了不少成，但程”．因此，构模、功能模和行模三者都是
是一直被批以解决．直到家系平行的，而机制模和地一了上述3种模方
出，工、和社会域来了成功的方案，法，成了一个一的理．
如第一个家系DENDRAL［9］用于分析有在AI展程中，上述多个方法各自都出
［10］用于
机化合物的分子构，MYCIN医家系自己的展峰和低谷期．目前的AI潮源于
抗生素物治等．符号主曾在人工智能域构模方法方面的突破，即由于解决了深度神
中一枝独秀，人工智能展做出了极大献，我国网的，加上大数据的高性能算平台（云
吴文俊院士关于几何定理机械化明就是其中一算、GPU等）成，使得深度神网的表达
非常重要的成果．当然，功能模也具有明的缺能力得到了充分的，AI的展起到了推波助
点：系的智能水平与得的知水平有很大的关的作用．本文将一步以深度学主介其
系．而且很多知取困，家知充矛盾和偏展和成功案例．
Array所需积分：1苹果系统暂不支持下载下载并关注上传者开通VIP，低至0.08元下载/次下载资料需要登录，并消耗一定积分。声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容图片侵权或者其他问题，请联系本站作侵删。 侵权投诉
利用内存计算推动人工智能的发展
ClickheretolearnmoreaboutSamsungFoundryForum&SAFE™.ClickheretolearnmoreaboutSamsungFoundryForum&SAFE™.ClickheretolearnmoreaboutSamsungFoundryForum.SamsungFoundryForum더알아보려면여기를클릭하세요SamsungFoundryForumについての詳細はここをクリックして下さい点击这里了解更多关于SamsungFoundryForum&SAFE™