人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
人工智能新图景：这里比想象更“无限”
光明图片通过视觉SLAM算法实现自主定位的小型无人机。资料图片
仿生机器鱼智能监测系统。资料图片
光明图片
光明图片
分布式智能感知系统、跨模态智能情报服务、多智能体博弈训练、自主无人系统、“电科芯云”微系统协同设计平台……近日，中国电子科技集团公司信息科学研究院（以下简称“智能院”）公布了一批国际一流的创新成果，其中，以深度伪造视频识别技术、仿生机器鱼智能探测系统、虚拟智能机器人等为代表的研究应用成果，可广泛用于政府决策服务、市民衣食住行、城市综合治理等诸多领域，呈现出人工智能的新图景。“我们正在全面转向人工智能研究，重点突破人工智能关键核心技术，构建智能网信体系。”智能院院长万谦告诉记者，围绕中国电科“军工电子主力军”“网信事业国家队”“国家战略科技力量”的三大定位，成立不到10年的智能院全面转向人工智能研究，将促进人工智能技术与国家治理、社会民生等领域的深度融合、广泛应用，在促进经济高质量发展的同时惠及百姓生活、服务社会公众，支撑引领我国人工智能技术的跨越式发展。视觉SLAM技术：机器人有了自己的眼睛有人曾打比方，若是手机离开了WiFi和数据网络，就像机器人离开了SLAM一样。机器人自主执行任务的前提是知道自身的位置，而定位信息是由卫星导航定位系统提供的。如果将机器人投放在城市楼宇间、立交桥下、室内、深山密林这样的环境中，由于遮挡导致卫星信号微弱或者消失，容易导致机器人不能及时准确获取自身位置信息，无法执行精确任务。“机器人主动感知技术能够让机器人具有自主定位和感知周围环境的能力。”智能院认知与智能实验室副主任张峰告诉记者，利用视觉SLAM（SimultaneousLocalizationandMapping，意为“即时定位与地图构建”）算法不但可以实现机器人的自主定位，还可以实时构建包括环境几何结构、颜色、纹理等特征信息的三维地图。有了“眼睛”的机器人，能够看到周围环境，摆脱对卫星导航定位系统的依赖，为自主完成既定任务提供了关键保障。危险复杂环境机器人如何探索救援？“机器人的‘眼睛’是能够在黑暗中能看清环境的。”张峰介绍，通过集成红外传感器，机器人可以在地下、洞穴这样的黑暗环境中执行探测任务，结合自身定位和目标检测识别信息，对视野范围内的指定目标进行探测、识别、跟踪以及目标定位，感知周围有什么物体以及它们的位置，可用于危险复杂环境下的探索救援等任务。除了用于探索救援，视觉SLAM技术还可以应用在服务机器人领域。比较简单的，像命令机器人去拿取某个物品，“机器人知道物体的位置和环境地图后，通过SLAM技术构建家庭环境地图，然后规划出没有障碍的行进路径，这样就可以顺利拿到指定物品了。”张峰说。当今科技发展速度飞快，想让用户在AR/VR、无人机、无人驾驶领域体验加强，离不开视觉SLAM技术的支持。“AR技术就是将虚拟的信息呈现到真实世界，通过SLAM技术的实时定位，将虚拟的物体实时地叠加在真实的环境进行显示，随着显示介质移动，虚拟的物体也保持跟随真实环境。”张峰告诉记者，使用AR技术进行室内导览，可以将虚拟的物体叠加在真实的房间中进行显示。当观察者携带显示介质移动时，虚拟的物体看起来保持在真实房间的固定位置。实际上，通过SLAM技术的实时定位，虚拟的物体是随着观察者的视角变化实时地更新位置进行显示的，这样就使观察者看到的就像是真实房间里的物体一样，可以从不同角度去观看。“海雀”芯片：AI能力快速赋能无人设备随着人工智能技术的不断发展，数据、算法和算力作为人工智能的三个基本要素，其发展趋势也在不断变化。对于整个AI行业而言，海量数据获取和处理难度在下降，算法也在深度学习模型的基础上不断优化，而负责将数据和深度算法统一协调的芯片能否获得大的飞跃，成为业内关注的焦点。“我们面向边缘智能计算多元化、高效化的需求，以打造能用、好用、易用的‘编译—处理’一体化智能计算生态为目标，开展自主可控边缘认知处理器与编译器研究。”张峰告诉记者，在处理器中，智能院构建了研发周期短、资源需求度低、模型适用性强的加速器IP核及硬件工具链，性能相较于通用CPU提高20倍以上，功耗降低5倍以上；在编译器中，智能院实现了神经网络模型统一表示、压缩优化及代码自动生成算法，能够快速地将神经网络模型植入硬件，实现AI能力快速赋能无人设备。具体到智能应用，图像和语音是两大重要领域。“我们研制基于AI指令集的可重构、可配置卷积神经网络加速器，支持大多数常用目标检测网络及其变种，可以应用于无人机、无人车等无人设备对实时图像的低功耗、高精度目标检测。”张峰表示，相关技术已用于无人机编队海上搜救、无人车洞穴探索等任务，提升了无人装备的目标发现能力。智能语音技术是无人装备的耳朵。“在语音智能应用领域，我们基于国产自主可控平台，研制高噪声语音环境的车辆操控设备，连续语音识别准确率超过93%，具备声纹识别和语音降噪能力。”该院负责硬件和算法研发的王子玮博士告诉记者，自主可控边缘认知处理器与编译器相关技术的应用，提升了图像、语音领域智能算法到计算资源及功耗受限多元异构硬件平台的快速部署能力，提升了高复杂度、高实时性场景下无人系统精确、高效的边缘感知能力。多雷达协同探测的智能感知系统：实现“1+1>2”雷达是探测空中目标的主要传感器，可以穿云透雾、不受天气影响、全天24小时稳定工作。但目前雷达探测感知以“单打独斗”探测为主，面对无人机等低慢小目标时，存在“看不远、跟不上、识不准”等问题。智能院智能协同装备中心主任张德介绍，通过联合集团内14所、38所等骨干研究所以及清华大学、北京理工大学、西北工业大学等高校，智能院打造了一支敢闯敢拼的创新攻关团队，联合开展技术攻关，先后攻克了检测、跟踪、定位、资源管控等一系列关键技术，成功构建了国内第一套多雷达协同探测的智能感知系统。“系统采用多个低成本雷达+4G/5G或有线宽带通信网络+大数据云平台的智能感知系统架构，基于不同的探测任务，动态控制前端雷达，并自适应智能重构后端处理算法，按需生成满足任务需求的产品。”张德介绍，通过使用新技术，能够有效挖掘原有设备潜力，实现系统整体能力的提升。系统可以从多个角度同时协同观测目标，极大的提升系统能力，实现“看得远、跟得上、识得准”的群体智能感知能力，促进由单装探测向体系协同探测的跨代发展，“采用大数据、人工智能等技术后，系统的能力可以像人一样不断进化。”张德告诉记者，经过针对性学习，该技术也可应用于新一代气象雷达中，实现全空域无盲区覆盖、精确预测气象的运动状态等新的能力。技术成果的推广应用，还可催生一种传感器陆海空天广域泛在分布、自由互联、深度协同、透彻认知的智能感知系统新形态，打造全球感知“一张网”，大幅度提升对全球环境和目标的感知与认知能力，满足各类应用需求。“这项工作应用前景广阔，但技术上还存在许多需求攻克的难关，还要加倍努力。”张德说。分布式智能“大脑”：无人系统也能不断学习进化随着无人技术的发展，无人车、无人机、机器人等无人系统被应用于搜索、跟踪、救援。但如何实现无人系统的自主协同作业，有效规避风险，提高工作效率还是业内公认的难题。“我们研制的无人系统分布式智能‘大脑’，可有效解决集中式集群控制的安全性、健壮性问题。”张德介绍，智能“大脑”分为综合信息处理区、认知决策规划区、行为协同控制区和学习训练进化区四个核心区域，“综合信息处理区”将无人系统“眼睛”“耳朵”等传感器收集的信息进行综合处理；“认知决策规划区”则基于综合信息处理结果进行判断，形成决策规划方案；“行为协同控制区”基于决策规划结果对无人系统行为动作进行协同控制；“学习训练进化区”利用数字孪生技术将虚拟模型与物理实体紧密相连，通过线上线下协同学习与训练，不断提升无人系统协同认知决策与控制能力，以及对复杂、未知作业环境的适应能力。目前，智能“大脑”已成功应用于空中无人集群区域索搜、空地协同要地防护、水下资源协同探测等场景。张德告诉记者，智能大脑能够适配不同形态的无人装备，天上飞的、地上跑的、水里游的都可以作为无人系统的一部分。“分布式智能大脑是由智能院研究团队由2016年开始研制的。从最初在仿真环境下试验，到半实物测试，一直到如今应用到实际系统，花了近5年的时间。”张德告诉记者，在实际运用中攻克了两大难点，一是人工智能算法如何向硬件设备的迁移，因为人工智能算法的运算逻辑与传统算法是完全不同的；二是智能“大脑”在实际装备应用时，由于无人平台体积能耗的限制，需要基于微系统等技术使智能“大脑”质量变轻、体积变小、能耗变低。“这些核心关键技术全部由我们自主研发。下一步将继续研发鲁棒性更强、智能性更高的无人集群智能‘大脑’产品，使其能够应对更多任务、适配更多场景、服务更多行业。”张德说。（记者崔兴毅）人工智能抢饭碗，未来职场“拼”什么
在医院里，人工智能（ArtificialIntelligence，也简称“AI”）分析X光片的水准比人类医生还要棒；律师事务所中，人工智能核查证物的本事比人类助理律师还要强；人们乘坐的飞机、汽车全部是由人工智能在驾驶……
[[246185]]
一场赤裸裸的人工智能革命，真切地摆在我们面前。以色列历史学家尤瓦尔·赫拉利甚至发出预测：未来，大量工作岗位将被智能机器取代，数十亿员工将沦为“无用阶层”，社会被少数精英阶层掌控。
于是，一场关于人工智能的担忧，开始渗入人类集体思想，并在职场蔓延——失业大潮即将到来了吗？面对人工智能的来势汹汹，未来我们还能比“拼”什么？如何更好地人机并存？
这些问题的答案，深刻影响着每一位职场人。
“不要沉溺于过去，也不要惧怕未来，应将注意力集中于现在。”创客总部、创客共赢基金合伙人李建军，在接受《中外管理》专访时强调：人工智能固然会让一些行业永久消失，却是人类文明的一大进步。“当下职场人要做的，是拥抱趋势，有意识地培养相关技能，找到人工智能于所在行业的场景应用点，让它真正为己所用。”
1、冲击职场，也会带来更多新机会
未来学家赫拉利在《未来简史》中提出：“人工智能将终结个人价值，人会慢慢放弃决策权，未来只会掌握在少数精英手中。这些精英，不是普通的‘智人’而是‘神人’，也就是由人类进化而成的新物种（AI）”……这个观点似乎也论证着职场人将被替代的事实。
[[246186]]
正因为如此，随着人工智能的发展，以李开复为代表的“未来十年50%工作将被取代”的言论，开始得到了部分人的支持。他们开始担心自己就是那落后的50%，随之而来的是沮丧和逃避。
事实上，职场人之所以会恐慌，多源自对AI的认知局限。以医生为例，《2017中国人工智能+医疗产业研究报告》最新数据显示，全球健康数据年增长率达到48%。数据的增长一方面缩短了医学研究的创新周期，同时提升了诊断准确率与治疗精准化程度。
“‘AI+医疗’在对过去二十年原有数据挖掘基础上，下一阶段将会形成新的价值增长点，而医学大数据一定会影像先行。”汇医慧影创始人柴象飞指出：从数量讲，超过80%的医疗数据都来自医学影像；从多样性上讲，多模态影像、病理、检验、基因等影像数据种类繁多，高性能计算多层神经网络模型也适合应用于影像数据上。汇医慧影在与700余家医院建立临床和科研合作过程中，形成了丰富的数据样本，而这正是支撑AI于医疗场景应用的基础。
[[246187]]
“‘AI取代医生’是个悖论！”汇医慧影联合创始人郭娜告诉《中外管理》：我们就是要借助AI打造一个智慧影像平台，通过提供管理病例、在线讨论等各种高价值服务，让医生从大量重复性工作中解放出来。以往医生看骨折片子要半小时，现在机器5分钟就能标注病灶，是医生提升效率的好帮手。“既然AI终将冲击医生岗位，为何医院还要引进这项产品和服务？”郭娜反问道。
同样的“AI威胁论”也蔓延到了金融圈。
对于闯入金融领域的人工智能，资深基金经理昆阳（化名）是拒绝的。昆阳在资本市场打拼多年，现为某基金公司投资总监。从业十多年间，都是日复一日坐在电脑前，通过自身的分析判断作出投资决策。
当了解到AI已逐渐进入华尔街，并正在深刻改变着投资江湖时，面对这个似乎不可逆转的趋势是喜是忧？和国内上百万基金从业者一样，昆阳正经历一场激烈的心理斗争。
[[246188]]
外媒报道，高盛在纽约的股票交易柜台，已从最高峰期雇佣600名交易员，到如今只剩下两名机器人。交易员们已被程序化交易抢了“饭碗”……“这一幕对投资人堪称恶梦。”昆阳说。
对此，深耕TMT风险投资多年的李建军则认为，AI对投资领域的影响应分开而论。
二级市场中，凡是“高频短线交易”一定会被机器取代。人工智能的雏形就是金融市场常见的量化投资和量化理财，这在国内外早已出现成型算法的程序，它通过分析整个股市发展和数据，对操盘人快速交易提出参考建议。从实际操作来看，AI确实比纯人工操作效率更高、股票收益更大。
但他强调AI对私募股权投资的影响并没有想象中的那么悲观。“AI对PE的影响是从后向前的，项目越往后，投资的人工作越少，更多是财务分析、法律、风控等尽职调查，该阶段确实可借助机器提供的数据分析，帮我们综合判断投资收益率。”他说，但PE往前到VC阶段，往往因缺少大量可参考数据，投资人更多基于一个BP看背后的团队，更会根据主观经验对项目方向做出调整。“所以AI取代天使投资人不会很快到来。”
[[246189]]
“但毋庸置疑的是，需要处理的数据量越大，AI的优势就越明显，由此解放了人类，让人有精力去追求更多高层次的东西，借助算法实现更高的技术挑战，探索未知世界。”李建军补充。
“每一次对技术进步的恐慌后，科技为社会创造的就业岗位远多于它‘杀死’的过时职位。”华夏国际人才研究院院长陶庆华评价：如自动柜员机替代了银行柜员，但也让雇员进入了机器不能替代的金融销售服务领域。“我们必须承认，这个时代人类正与AI轨道交汇融合，未来它必将在多数领域替换掉人类繁冗而复杂的工作，让人类减少劳动时间，增加自由时间。”
“但职场人也需积极向‘AI化’发展，找到不被其取代的独特价值点。”陶庆华判断：未来职业中自动化任务越多，越易被机器取代，如保安、司机、客服、翻译、新闻记者等。但剩下的少数人收入将更高，如垂直于某细分领域的翻译人才，专门写深度报道的记者。
2、不要忽视人类独有的创造力
如何找到“AI时代”不可替代的价值点？回答这个问题，首先要厘清人与AI的本质区别。
[[246190]]
在诺贝尔生理学奖的罗杰·斯佩里著名的“左右脑分工理论”中，他提出人脑的左右半球有着不同分工：左半脑擅长分析、逻辑、演绎、推理等理性抽象思维，右半脑擅长直觉、情感、艺术、灵感等感性形象思维。迄今为止，AI所有智能化表现仅存在于模仿人类左半脑的理性思维模式，而不具备右半脑的感性思维。
也就是说，目前的人工智能技术，还很难模仿具有显著人类主观意识的各种能力。如演绎推理、天马行空的想象力和创造力，而这正是人类独有的财富。
微软全球资深副总裁洪小文淡定表示：我不担心机器拥有意识，因为意识是人类特有的。你可以尝试把“意识”编程输入计算机，但这有点自欺欺人，因为依然是你在控制机器。
“相反，研究AI是希望它能够随时为人所用，并完全可控，我们并不希望它具有自我意识。”洪小文说：“我让机器人给我倒杯茶，要求它10次它就倒10次，但如果我这样要求我太太，她会说‘你为什么不自己倒’？不会有人希望机器像人一样不耐烦。”
[[246191]]
对此李开复的判断是——AI时代，人类最不可被取代的是创意力量，未来职场人在文化和内容领域将更有用武之地。
一个事实却是，“内容为王”的典型——传媒行业，近年来大有被AI侵蚀之势。
以南方都市报写稿机器人“小南”为例，依靠海量数据和高效算法，“小南”从采集数据、分析数据、遣词用句，真的可以和人一样做到“下笔如有神”。今年首篇300字春运报道，数据完成自动抓取后，成文用时不足一秒。
面对如此神速的“AI记者”，新闻从业者们是否也担心被抢了“饭碗”？
《新营销》资深记者周文（化名）告诉《中外管理》：机器人写作技术的引入，尽管弥补了传媒时效性的不足，但随着该技术的普及，新闻同质化现象也随之加剧。媒体品牌打造和品质保障，终要依靠传统从业者的个性化劳动。
“新闻写作有难易之分，不需主观评判的体育、天气、财经等资讯类报道，被AI取代是必然的。”周文解释：但如果你撰写的是《纽约客》这类深度评述文章，每篇都要大量采访为基础，并在原始素材上发挥归纳和推理能力，再设计出复杂的逻辑结构和贴近主题的表述方式，每一项所需的思考都少不了记者的创造力。
[[246192]]
“未来有能力为《纽约客》撰稿的记者，很长一段时间都不用担心会被AI威胁……但这类人才毕竟是少数，我们要做的是未雨绸缪，不断提高内容创造的活力。”周文如是建议。
《财经国家周刊》记者肖宇（化名）则表示应以更开放心态去拥抱AI。她告诉《中外管理》：AI能协助记者完成大量的繁琐性工作，如资料搜集、交叉验证消息来源的真实性，节省了时间，更提高了稿件的精确度，避免了财经报道因不专业而闹笑话的发生。未来记者们使用AI，将会像熟练使用手机、照相机一样成为“标配”。“人在基础写作的速度上输给了AI，但对文字的掌控力、创作的热情及对人性的理解，却是不可替代的秘密武器。”
除了写作，AI在绘画和音乐等领域也多有“创作”，这类AI是否会取代艺术家，进而颠覆艺术内容产业？
对此有分析指出，AI的艺术作品是偏“方法”的，而非感性。而人的艺术强调主观感受，带有主观偏见和情绪，恰是这种人类特有的“缺陷”，才造就了千变万化的艺术个性，支撑着艺术创作……至于机器是否会取代艺术创作者，在于人与机器的关系，以及在与机器协作中的角色担当。
[[246193]]
3、“人机并存”时代如何友好相处？
凯文·凯利认为，人工智能终将成为一种基础服务，人们使用它也会像对待日用品一样顺手。“未来工资更高的人，是更容易和人工智能合作的人。”
那么，面对逐渐走入工作场景的AI，职场人如何与之和谐并存？
《人工智能时代的未来职业报告》指出：思考人与人工智能的关系，首先应明确机器所有行为的前提，都是人类设定的算法。人工智能是人创造出来的，目的是让科技成果惠及普通人，实现智能化、高效化、便捷化的生活体验。
与此同时，科技的革新，也使劳动者与人工智能的分工愈加明显——重复性、简单性、危险性任务由人工智能完成，劳动者的创造力得以发挥，转向更多高质量的就业岗位。这意味着，人工智能在某种程度上不是冲击就业，而是升级了劳动者的“饭碗”。而能否成功，关键在于“人机配合”的默契程度。
“以医疗行业为例，医生日常80%左右的工作都是重复性的，包括对一般疾病的诊断、配药、给病人拍X光片、做常规手术等，未来这些都将被人工智能取代。”蚂蚁金服副总裁、首席数据科学家漆远预测：当医生从单调乏味的重复性工作中解放出来后，可以学习研究更复杂的医疗问题，探索新的疾病治疗方法。
但随之而来的问题也不容忽视。集中体现在“AI医生”如何取得病人的信任，以及究竟谁应该对诊疗的结果负责的问题。对此郭娜认为，目前计算机在辅助医疗、人工智能方面的落地已很清晰，但却始终不能缺少医生这个主体价值。“病人得了胃癌，是手术还是放化疗；一个片子上到底哪里有癌症或病灶，这些都是医生才能做出判断的，诊疗责任也是由医生承担的。”
李开复的看法则更为前瞻。他表示未来30年内的医生角色，将更多充当人工智能诊断机和病人之间的介质，医生将继续和病人对话，信息的整合、最后的诊断，则由机器推荐或直接做出。“随着技术的进步，机器诊断全面超越医生也是可能的，医生在与机器配合过程中，尤其要提高情商沟通能力和爱的能力，包括对病人的聆听、关怀、鼓励，增加病人的治疗信心，提高其存活率。”
[[246194]]
“总的来说，职场人在AI时代与之和谐共处，不妨继续推动AI向它们擅长的那50%领域发展，同时有意识挖掘自身的核心优势，做自己擅长的创新、创造、社交或娱乐性工作，深耕剩下的50%。”李开复分析：短期看，任何跨领域、创造性的、需要感性思考的内容，AI在未来十年都将难以企及。”
首先，跨领域将成趋势。因为人工智能在单领域、大数据方面的天然优势，人类不得不需要通过跨领域的交错、结合，才能达到人工智能很难根据单一领域大数据推算的程度。由此可尝试在金融、社会学、哲学和教育学等的交叉结合点，寻找新的就业机会和创业机会。
其次，文科领域的学生将在AI时代迎来新的发展机会。正因为未来十年很多程式化工作将被AI取代，人们才有空间去发挥人文、艺术和美；AI是理智的，记忆力超凡，却在艺术、幽默、电影和创造等感性领域显得弱智，“它不懂为何毕加索是艺术家”，也搞不懂“卓别林为何是幽默大师。”
再次，做好未来走向服务业的准备。这里的“服务业”，是指涉及人与人之间的交流，人与人之间的同理心，以及如何让自己更有爱、更受欢迎的行业。比如热情的导游、风趣的调酒师、饶富创意的寿司师傅，以及在社会变迁中产生的其他新职业。
最后，对于人工智能的机遇和挑战，无论走向任何领域，职场人都要把人工智能这个工具用好。比如金融业从业者，就需要了解智能投资顾问正在带来的变革、AI量化交易有哪些新突破以及AI在征信、信贷和区块链等方面又如何施展拳脚等。