人工智能基础
本课程推荐教材及与课程学习目标对应关系如下：
1. 授课教材：《人工智能》丁世飞编著电子工业出版社 2020年第三版ISBN：9787121363955。
（1）教材特点：《人工智能导论（第3版）》主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能基本概念、第13章讨论人工智能的争论与展望外，其余11章按照“基本智能+典型应用+计算智能”三个模块编排内容。一个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、确定性推理、搜索策略、不确定性推理；第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统；第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。
本课程主要选用了本教材的第一稿模块，即知识表示技术、搜索技术和推理技术中相关的内容。
（2）使用方法：本教材对应课程学习目标1-5，可以做到对课程内容前半部分的全覆盖，请同学们学习完视频之后，一定要详细阅读教材中的对应部分，并针对课后习题进行联系，能够有效提高学习质量；
2、本课程参考了大量网络上的课程。对应课程学习目标6-8，包括：
https://stanford-cs221.github.io/spring2021/
https://cse.iitkgp.ac.in/~dsamanta/courses/da/
百度飞桨师资培训的机器学习和深度学习的内容。
https://easyai.tech
此外还有参考百度百科、B站、以及知乎和CSDN等各类科技网站。
在此表示感谢！
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。
2023年人工智能领域发展七大趋势
2022年人工智能领域发展七大趋势
有望在网络安全和智能驾驶等领域“大显身手”
人工智能已成为人类有史以来最具革命性的技术之一。“人工智能是我们作为人类正在研究的最重要的技术之一。它对人类文明的影响将比火或电更深刻”。2020年1月，谷歌公司首席执行官桑达尔·皮查伊在瑞士达沃斯世界经济论坛上接受采访时如是说。
美国《福布斯》网站在近日的报道中指出，尽管目前很难想象机器自主决策所产生的影响，但可以肯定的是，当时光的车轮到达2022年时，人工智能领域新的突破和发展将继续拓宽我们的想象边界，其将在7大领域“大显身手”。
增强人类的劳动技能
人们一直担心机器或机器人将取代人工，甚至可能使某些工种变得多余。但人们也将越来越多地发现，人类可借助机器来提升自身技能。
比如，营销部门已习惯使用工具来帮助确定哪些潜在客户更值得关注；在工程领域，人工智能工具通过提供维护预测，让人们提前知道机器何时需要维修；法律等知识型行业将越来越多地使用人工智能工具，帮助人们对不断增长的可用数据中进行分类，以找到完成特定任务所需的信息。
总而言之，在几乎每个职业领域，各种智能工具和服务正在涌现，以帮助人们更有效地完成工作。2022年人工智能与人们日常生活的联系将会变得更加紧密。
更大更好的语言建模
语言建模允许机器以人类理解的语言与人类互动，甚至可将人类自然语言转化为可运行的程序及计算机代码。
2020年中，人工智能公司OpenAI发布了第三代语言预测模型GPT—3，这是科学家们迄今创建的最先进也是最大的语言模型，由大约1750亿个“参数”组成，这些“参数”是机器用来处理语言的变量和数据点。
众所周知，OpenAI正在开发一个更强大的继任者GPT—4。尽管细节尚未得到证实，但一些人估计，它可能包含多达100万亿个参数（与人脑的突触一样多）。从理论上讲，它离创造语言以及进行人类无法区分的对话更近了一大步。而且，它在创建计算机代码方面也会变得更好。
网络安全领域的人工智能
今年1月，世界经济论坛发布《2021年全球风险格局报告》，认为网络安全风险是全世界今后将面临的一项重大风险。
随着机器越来越多地占据人们的生活，黑客和网络犯罪不可避免地成为一个更大的问题，这正是人工智能可“大展拳脚”的地方。
人工智能正在改变网络安全的游戏规则。通过分析网络流量、识别恶意应用，智能算法将在保护人类免受网络安全威胁方面发挥越来越大的作用。2022年，人工智能的最重要应用可能会出现在这一领域。人工智能或能通过从数百万份研究报告、博客和新闻报道中分析整理出威胁情报，即时洞察信息，从而大幅加快响应速度。
人工智能与元宇宙
元宇宙是一个虚拟世界，就像互联网一样，重点在于实现沉浸式体验，自从马克·扎克伯格将脸书改名为“Meta”（元宇宙的英文前缀）以来，元宇宙话题更为火热。
人工智能无疑将是元宇宙的关键。人工智能将有助于创造在线环境，让人们在元宇宙中体会宾至如归的感觉，培养他们的创作冲动。人们或许很快就会习惯与人工智能生物共享元宇宙环境，比如想要放松时，就可与人工智能打网球或玩国际象棋游戏。
低代码和无代码人工智能
2020年，低代码/无代码人工智能工具异军突起并风靡全球，从构建应用程序到面向企业的垂直人工智能解决方案等应用不一而足。这股新鲜势力有望在2022年持续发力。数据显示，低代码/无代码工具将成为科技巨头们的下一个战斗前线，这是一个总值达132亿美元的市场，预计到2025年其总值将进一步提升至455亿美元。
美国亚马逊公司2020年6月发布的Honeycode平台就是最好的证明，该平台是一种类似于电子表格界面的无代码开发环境，被称为产品经理们的“福音”。
自动驾驶交通工具
数据显示，每年有130万人死于交通事故，其中90%是人为失误造成的。人工智能将成为自动驾驶汽车、船舶和飞机的“大脑”，正在改变这些行业。
特斯拉公司表示，到2022年，其生产的汽车将拥有完全的自动驾驶能力。谷歌、苹果、通用和福特等公司也有可能在2022年宣布在自动驾驶领域的重大飞跃。
此外，由非营利的海洋研究组织ProMare及IBM共同打造的“五月花”号自动驾驶船舶（MAS）已于2020年正式起航。IBM表示，人工智能船长让MAS具备侦测、思考与决策的能力，能够扫描地平线以发觉潜在危险，并根据各种即时数据来变更路线。2022年，自动驾驶船舶技术也将更上一层楼。
创造性人工智能
在GPT—4谷歌“大脑”等新模型的加持下，人们可以期待人工智能提供更加精致、看似“自然”的创意输出。谷歌“大脑”是GoogleX实验室的一个主要研究项目，是谷歌在人工智能领域开发出的一款模拟人脑具备自我学习功能的软件。
2022年，这些创意性输出通常不是为了展示人工智能的潜力，而是为了应用于日常创作任务，如为文章和时事通讯撰写标题、设计徽标和信息图表等。创造力通常被视为一种非常人性化的技能，但人们将越来越多地看到这些能力出现在机器上。（记者刘霞）
【纠错】【责任编辑:吴咏玲】2023知到答案 人工智能基础 完整智慧树网课章节测试答案
绪论单元测试1、单选题：人工智能的名字是
选项：A:AirJorden
B:AllenLverson
C:A-ClassIntelligence
D:ArtificialIntelligence
答案:【ArtificialIntelligence】
第一章单元测试1、单选题：第一个击败人类职业围棋选手、第一个战胜世界围棋冠军的人工智能机器人是由谷歌公司开发的（）。选项：A:AlphaFunB:AlphaGoodC:AlphaGoD:Alpha答案:【AlphaGo】
2、单选题：无需棋谱即可自学围棋的人工智能是（）选项：A:AlphaGoMasterB:AlphaGoZeroC:AlphaGoLeeD:AlphaGoFan答案:【AlphaGoZero】
3、单选题：世界上第一次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligence”这一术语选项：A:1954B:1957C:1955D:1956答案:【1956】
4、单选题：以下哪些不是人工智能概念的正确表述（）选项：A:人工智能是通过机器或软件展现的智能B:人工智能是研究和构建在给定环境下表现良好的智能体程序C:人工智能将其定义为人类智能体的研究D:人工智能是为了开发一类计算机使之能够完成通常由人类所能做的事答案:【人工智能将其定义为人类智能体的研究】
5、单选题：下面不属于人工智能研究基本内容的是（）。选项：A:自动化B:机器思维C:机器感知D:机器学习答案:【自动化】
6、单选题：人工智能是研究、开发用于模拟、延伸和扩展人的（）的理论、方法、技术及应用系统的一门新的技术科学。选项：A:计算能力B:语言C:智能D:行为答案:【智能】
7、单选题：图灵测试的含义是（）选项：A:图灵测试是一种用来混淆的技术，它希望将正常的（可识别的）信息转变为无法识别的信息。B:图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。C:所谓的图灵测试就是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格，每个方格有不同的颜色。有一个机器头在纸带上移来移去。机器头有一组内部状态，还有一些固定的程序。D:不存在图灵测试概念答案:【图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。】
8、单选题：下列不属于人工智能学派的是（）。选项：A:机会主义B:符号主义C:行为主义D:连接主义答案:【机会主义】
9、单选题：认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中与周围环境交互作用而表现出来。这是（）学派的基本思想。选项：A:逻辑主义B:连接主义C:行为主义D:符号主义答案:【行为主义】
10、单选题：关于人工智能研究范式的连接主义，相关论述不正确的是（）选项：A:连接主义原理是模拟大脑神经网络及神经网络间的连接机制与学习算法。B:连接主义理论认为思维基本是神经元、人脑不同于电脑，并提出连接主义的大脑工作模式。C:连接主义起源于仿生学和人脑模型的研究。D:连接主义学派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。答案:【连接主义学派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。】
11、单选题：人工智能(AI)、机器学习、深度学习三者关系论述正确的是（）选项：A:深度学习方法研究人工神经网络的单层感知器学习结构。B:人工智能研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用，属于一门独立的技术学科。C:人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。D:机器学习专门研究计算机怎样模拟人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构以完善自身的性能，但是机器学习能力并非AI系统所必须的。答案:【人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。】
12、单选题：支持向量机可以看作是具有一层隐藏层的神经网络。支持向量机的理论基础是（）选项：A:控制论SB:视觉生理学C:生物神经学D:统计学答案:【统计学】
13、单选题：深度学习属于（）选项：A:行为主义B:连接主义C:符号主义D:逻辑主义答案:【连接主义】
14、单选题：下列不符合符号主义思想的是（）选项：A:认为智能不需要知识、不需要表示、不需要推理B:人工智能的核心问题是知识表示、知识推理C:源于数理逻辑D:认为人的认知基元是符号答案:【认为智能不需要知识、不需要表示、不需要推理】
15、单选题：不属于自然语言处理的核心环节的是（）选项：A:知识的获取与表达B:语音语义识别C:自然语言生成D:自然语言理解答案:【语音语义识别】
16、单选题：人工智能的近期目标在于研究机器来（）。选项：A:代替人脑B:模仿和执行人脑的某些智力功能C:制造智能机器D:完全代替人类答案:【模仿和执行人脑的某些智力功能】
第二章单元测试1、单选题：下列哪一个是“分类”任务的准确描述（）。选项：A:为每个项目分配一个类别B:对每个项目进行排序C:预测每个项目实际的值D:发现每个空间中输入的排布答案:【为每个项目分配一个类别】
2、单选题：下列对于分类概念描述不正确的是（）选项：A:分类的方法包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法B:分类的标准统一C:分类的结果有可能错误。D:分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型（即我们通常所说的分类器(Classifier)）。答案:【分类的标准统一】
3、单选题：在机器学习领域，分类的目标是指（）。选项：A:将具有相似形状的对象聚集B:将具有相似特征的对象聚集C:将具有相似名称的对象聚集D:将具有相似值的对象聚集答案:【将具有相似特征的对象聚集】
4、单选题：两种以上（不含两种）的分类问题被称为（）。选项：A:多分类B:归一化C:分类器D:二分类答案:【多分类】
5、单选题：有关分类器的构造和实施步骤描述错误的是：（）选项：A:在训练样本上执行分类器算法，生成分类模型；B:选定样本，将所有样本分成训练样本和测试样本两部分；C:在训练样本上执行分类模型，生成预测结果；D:根据预测结果，计算必要的评估指标，评估分类模型的性能。答案:【在训练样本上执行分类模型，生成预测结果；】
6、单选题：分类器是基于现有数据构造出一个模型或者函数，以将数据库中的数据映射到给定类别，从而可以应用于数据预测。常包含以下步骤：①在训练样本上执行分类器算法，生成分类模型。②在测试样本上执行分类模型，生成预测结果。③选定样本（包含正样本和负样本），将所有样本分成训练样本和测试样本。④根据预测结果，计算必要的评估指标，评估分类模型的性能。构造和实施分类器的正确顺序为（）选项：A:②③①④B:④①②③C:①②③④D:③①②④答案:【③①②④】
7、单选题：下列算法中，不能够对给定样本进行分类的是（）。选项：A:决策树算法B:逻辑回归算法C:神经网络D:梯度下降算法答案:【梯度下降算法】
8、单选题：在测试样本上执行分类模型，可以（）。选项：A:区分正样本B:生成分类模型C:区分负样本D:生成预测结果答案:【生成预测结果】
9、单选题：SVM是一种典型的（）模型选项：A:感知机B:聚类C:二类分类D:神经网络答案:【二类分类】
10、单选题：把样本所属的类型和样本实现对应起来被称为()选项：A:分类B:标注C:训练D:测试答案:【标注】
11、单选题：分类器测试的作用是选项：A:判断测试集样本选择是否合适B:判断测试集样本标注是否合适C:检验分类器的效果D:获得检测目标的分类答案:【检验分类器的效果】
12、单选题：下列叙述中关于归一化不正确的是（）选项：A:归一化也被称为标准化B:归一化后，所有元素和为1C:归一化后，所有元素值范围在（0,1）D:归一化后，所有元素值范围在[0,1]答案:【归一化后，所有元素值范围在（0,1）】
13、单选题：深度学习中，常用的归一化函数是（）函数选项：A:
SoftMin
B:
SoftMax
C:
MicroMin
D:
MicroMax
答案:【
SoftMax
】
百度：持续打造人工智能领域的中国标杆
从创建百度的第一天起，百度董事长兼CEO李彦宏对百度的期待始终如一：相信技术可以改变世界。“10年前，我们意识到，人工智能技术可能已经成熟到可以解决搜索问题，以及搜索以外的很多问题，我们开始大举投入人工智能技术的研发，期待用技术让复杂的世界更简单。”李彦宏说，“当下，‘明天’正在变成‘今天’。过去10年，我们打基础、建生态，在人工智能大潮奔涌而来的今天，百度成为了领先的AI生态型公司。”
探索人工智能的“先行者”
搜索的核心是更好地理解用户的搜索查询，并通过匹配搜索结果中最相关的信息来回答问题的能力。李彦宏曾在印度理工学院举办的Shaastra2020科技节上提及，搜索本质上是一个人工智能的问题。
2010年，百度开始探索人工智能，以期通过AI技术更好地将用户的搜索意图与海量互联网信息匹配。
如今，作为中文搜索引擎的标杆，百度使用人工智能和大数据等新兴技术，通过学习关键词搜索与搜索结果之间的紧密联系来最好地满足用户意图。宝贵的意图洞察力，加上大数据软件技术大量处理及索引海量互联网信息，帮助百度创建庞大的知识图谱，以改善用户体验。
据百度首席技术官王海峰介绍，百度构建了有5500亿知识的大规模知识图谱，通过融合大规模知识，研发知识增强的深度学习方法，在解决语义理解问题上，参数规模相同的情况下可以取得语义理解效果的大幅提升。同时，基于知识和语义表示关联并统一表示跨模态信息，在知识增强语义理解的基础上，百度实现了语音、视觉和语言跨模态的语义理解。
截至2020年12月，百度AppMAU已达5.44亿。同时通过引入百家号账户、智能小程序及托管页等AI支柱进一步加深百度对用户的深刻了解，成为中国领先的搜索加信息流应用。
人工智能领域的中国标杆
目前，我国的人工智能等新兴技术发展已经走在世界前列。根据灼识咨询报告，2019年，我国已发表AI研究论文总数全球排名第一，AI专利申请数目全球排名第一，AI公司总数全球排名第二。2015年至2019年，我国AI公司的融资额亦是全球最高。自2015年起，我国于AI的投资已超越美国，2019年达467.6亿美元，美国则为386.5亿美元。
而百度是迄今国内唯一可提供从芯片设计到深度学习框架及应用层面全栈式AI能力的公司，基础设施包括人工智能芯片、深度学习框架、核心人工智能能力（例如自然语言处理、知识图谱、语音识别、机器翻译、计算机视觉和增强现实等）及开放式人工智能平台已广泛应用及使用。
“最近10年，我们在深度学习、对话式人工智能操作系统、自动驾驶、AI芯片等前沿领域投资，让我们成为一个拥有强大的互联网用户基础的AI生态型公司。”李彦宏说道。2020年，百度的总收入为人民币1071亿元，同期研发投资为人民币195亿元，占总收入的18%。
百度的核心业务由人工智能驱动，人工智能技术在为百度核心业务提供支持方面发挥着关键作用，其AI技术创新获得了全球社区的高度认可。例如，自然语言处理框架ERNIE是首个在GLUE（通用语言理解评估，被广泛认为是测试AI语言理解的基准）上得分超过90分的AI模型，获得2020年世界人工智能大会最高荣誉奖项SAIL（卓越AI引领者）奖。
得益于百度提前布局，百度如今已成为人工智能领域的中国标杆。截至2020年10月30日，百度拥有中国最多的人工智能专利数量以及人工智能专利申请数量，百度全球AI专利申请量已超过1万件，其中中国专利7000多件，并在语音识别、自然语言处理、知识图谱和自动驾驶4个细分领域排名第一，展现出深厚的技术底蕴以及持续的创新能力。据中国信通院《全球人工智能产业数据报告》显示，百度是唯一一家在语音语义技术领域专利申请量和授权量均上榜全球前十的中国企业。
攻占产业智能化高地
目前，百度正通过深度学习框架、通用算法、基础算法库、数据分析挖掘和分布式计算等人工智能和大数据软件提供在线营销技术服务，支持智慧城市、智能交通等系统建设。
随着AI技术的应用的越来越频繁，百度也在通过核心人工智能技术引擎——“百度大脑”不断拓展新的人工智能业务，成绩斐然。百度依托百度大脑、飞桨、芯片、智能云、数据中心等在内的新型AI基础设施，推动智慧城市、智能交通、智慧金融、智慧能源、智慧医疗、智能制造（含工业互联网）等产业智能化升级。
全球知名咨询机构IDC发布的《中国人工智能云服务市场研究报告(2020H1)》报告显示，在中国AI公有云服务市场，百度智能云市场份额排名中国第一。这是百度智能云连续三次在AICloud市场排名第一。其中，百度智能云在人体识别、图像视频、自然语言处理等领域市场份额第一，整体行业用户认知度最高。通过将AI技术深入到B端、G端的场景，为客户提供各种云服务及AI解决方案，目前百度智能云已经在金融、医疗、旅游、交通等领域落地。百度2020年财报数据显示，第四季度，百度智能云营收同比增长了67%，年化收入约130亿元，营收增速超过百度整体水平，进入了强劲增长的快车道。
同时，百度的AI解决方案已成为关键垂直行业的标准。例如，在智能交通行业，百度是发展车路协同（V2X）道路基础设施的先锋及行业领导者。百度已于十多个城市（包括北京、上海、重庆及广州）落地智能交通项目，用AI技术帮助现代化城市改善交通状况、道路安全及空气质量。百度的V2X道路基础设施亦用作智能车辆道路协调平台。例如，其可为智能车辆（自动驾驶服务、智能EV、robotaxis及联网车辆）提供有关周围交通及道路状况的信息，因此为交通相关应用程序定义标准，继而推动行业采纳应用。
在智能驾驶领域，Apollo自动驾驶业务投入7年、面市3年多以来，已经与10家中国及全球车企达成战略合作，在美国加州及国内北京、长沙等地均获得无人驾驶测试许可，测试车队规模已达500辆，获得专利数2900件，测试里程总计超过700万公里。另外面向公众，百度也在北京、长沙和沧州推出了无人出租车服务Robotaxi。
在智能音箱领域，Canalys数据显示，2020年上半年，小度智能音箱全品类出货量全国第一，也是自2019年至今累计出货量全国第一；其中，在智能屏细分市场领域，2020年Q2小度智能屏全球出货量稳居第一，同时位列全球有屏智能音箱历史总出货量第一。
AI持续赋能生态
人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。
作为人工智能领域标杆的百度，也正通过其AI能力的独特广度及深度为百度所有业务提供了差异化的技术基础。百度将领先的AI技术开放给开发者及合作伙伴，以AI赋能生态。
“近年来，人工智能已经越来越多渗透到各行各业，人们期待通过新技术解决各行业难题。人工智能技术需要与场景深度融合，这是未来人工智能技术发展的一大重点。”王海峰说。
人工智能开始应用于各行各业的时候，不是每个行业都有足够多精通人工智能算法的专家。因此，我们需要有便捷易用的平台，能够让开发者专注于应用的开发，加速产业创新。如百度研发的飞桨平台，解决了基础的开发、训练、部署和模型库、开发套件等问题，并开源开放，让开发者无需每一个人都从第一行算法代码写起，可以直接调用。大幅降低了应用的门槛，更快推进产业智能化。目前，百度飞桨已凝聚超265万开发者，服务10万家企业，基于飞桨平台创建了超过34万个模型，在城市、工业、电力、通信等很多关乎国计民生的领域都有飞桨在发挥作用。百度所提倡的“融合创新”更进一步强化了AI的这种“头雁”效应。
“开放是百度与生俱来的基因，百度做AI，无论是阿波罗自动驾驶，还是小度助手、飞桨深度学习框架，我们都坚定地推动开源开放，为的是让大家都少走弯路，让整个赛道更宽广，让技术发展更快，让应用普及更快。”李彦宏说道。
校对李铭
人工智能核心能力包括哪些层面
随着人工智能技术的高速发展，人工智能技术也在不断的完善，同时人工智能的应用领域也在不断扩张，为了能够更好的运用人工智能技术，需要了解清楚人工智能的核心能力包括哪些层面。
从技术层面来看，业界广泛认为，人工智能的核心能力可以分为三个层面，分别是计算智能、感知智能、认知智能。
1、计算智能计算智能即机器具备超强的存储能力和超快的计算能力，可以基于海量数据进行深度学习，利用历史经验指导当前环境。随着计算力的不断发展，储存手段的不断升级，计算智能可以说已经实现。例如AlphaGo利用增强学习技术完胜世界围棋冠军；电商平台基于对用户购买习惯的深度学习，进行个性化商品推荐等。
2、感知智能感知智能是指使机器具备视觉、听觉、触觉等感知能力，可以将非结构化的数据结构化，并用人类的沟通方式与用户互动。随着各类技术发展，更多非结构化数据的价值被重视和挖掘，语音、图像、视频、触点等与感知相关的感知智能也在快速发展。无人驾驶汽车、著名的波士顿动力机器人等就运用了感知智能，它通过各种传感器，感知周围环境并进行处理，从而有效指导其运行。
3、认知智能相较于计算智能和感知智能，认知智能更为复杂，是指机器像人一样，有理解能力、归纳能力、推理能力，有运用知识的能力。目前认知智能技术还在研究探索阶段，如在公共安全领域，对犯罪者的微观行为和宏观行为的特征提取和模式分析，开发犯罪预测、资金穿透、城市犯罪演化模拟等人工智能模型和系统；在金融行业，用于识别可疑交易、预测宏观经济波动等。要将认知智能推入发展的快车道，还有很长一段路要走。