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。
人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]数据标注员：做人工智能的眼睛
原标题：数据标注员：做人工智能的眼睛“我们就像人工智能(AI)的眼睛，带它看世界，理解世界，快速成长。”重庆瑞铭安普科技有限公司人工智能训练师吴宏羽这样描述自己的工作。
随着人工智能技术快速发展，越来越多的人工智能应用落地，人工智能训练师这个职业应运而生并不断发展壮大。2020年2月，人工智能训练师作为新职业被纳入国家职业分类目录。2021年，人力资源和社会保障部发布该职业的国家职业技能标准。“职业规范愈加清晰，折射出人工智能行业蓬勃发展的强劲势头，也更加坚定了我从事这份工作的信心。”吴宏羽说。
找到工作价值
2016年，从重庆工商大学人力资源管理专业毕业的吴宏羽进入一家银行工作，不久后辞职去支教。一次偶然的机会，她得知重庆奉节县政府正与百度共同建设人工智能数据标注基地，就选择加入其中，成为一名数据标注员。“此前，我从来都没有听说过数据标注员这个职业。经过了解，我知道这个职业还有一个名字叫人工智能训练师，有很大的发展空间，因此产生了浓厚兴趣。”吴宏羽说。
人工智能训练师是指使用智能训练软件，在人工智能产品使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员，包括数据标注员和人工智能算法测序员两个工种。
刚接触这个职业时，从操作系统到工作流程，吴宏羽需要一点一滴从头学起。打开电脑，根据人工智能项目提供的各种场景图片，按要求对图片拉框、调整细节、标注不同类型要素，完成初步的数据标注。听上去简单，但因为对数据精细度的要求较高，有时候一张图片需重复操作数次。
在不断学习中，吴宏羽逐渐加深了对这份工作的理解，“人工智能就像刚出生的婴儿，什么都不懂，数据标注员要像老师一样一步步教它们认识、识别物品，把图片、语音、文本、视频等原始数据标注成人工智能可以理解的结构化语言”。通过反复练习，她的标注准确率不断提升，数据质量也就越来越高。
人们生活中常见的智能音箱、语音助手、网络客服、人脸识别等产品的背后，都有人工智能训练师的身影。“看到人工智能产品越来越聪明，人们的生活变得更加便捷和舒适，我找到了工作的价值所在。”吴宏羽说。
提高专业水平
行业的快速发展让吴宏羽感到惊喜。随着人工智能产业加速与各行各业融合，数据标注基础服务需求量持续增长。仅一年的时间，吴宏羽所在的数据标注基地就培育孵化专业数据标注企业10多家，容纳了500多名数据标注师。“我们公司业务量也越来越大，从去年的20多人发展到目前近70人，高学历员工占比越来越高。”吴宏羽说。
让吴宏羽更高兴的是，在通过自己的努力推动智能产品更新迭代的同时，也见证了人工智能技术的快速进步。“我标注的自动驾驶项目最初大多是2D平面图片，适用于一些简单的户外路面识别系统，此后拓展到3D立体图像，更加贴合实际驾驶场景，再演变为2D与3D融合标注，有的还包括手势采集，以便智能系统更好识别理解驾驶员或者数字人的动作。”吴宏羽说，“从人工智能项目数据标注的变化，能感受到我国无人驾驶技术的不断飞跃，我觉得挺酷的。”
由于工作表现突出，吴宏羽如今已成为一名审核质检员，负责审核其他数据标注员的工作。但在她看来，这份工作依然充满挑战，要持之以恒地学习。“数据标注员需要了解不同应用行业的背景知识，根据不同项目特点做出不同标注。同时，由于每次操作的工具平台都由项目方决定，基本不同，因此，数据标注员要熟悉各个标注平台的操作方法，不断学习新的标注规则。”吴宏羽说。
尽管目前行业需求旺盛，但吴宏羽还是产生了强烈的职业危机感。“人工智能培训师职业门槛不高、可替代性强，从业者需要不断提高专业技能水平，增强竞争力。”吴宏羽说。为此，她规划了未来职业发展路线。一方面，了解更多人工智能行业的前沿趋势，掌握语义分割、文本标注等更多技能；另一方面，努力从标注师成长为培训师，为有志从事这个行业的人提供培训、指导服务。
“身边一些朋友了解我的工作后，也选择投身其中，这让我很开心。”吴宏羽说，希望未来会有更多人认可并加入人工智能培训师职业中。
(责编：杨曦、陈键)关注公众号：人民网财经分享让更多人看到
人工智能如何应对气候变化
夏至已至。去年夏天的热浪还让很多人记忆犹新，那是我国自1961年以来的最热夏季。如今，各地频繁出现的高温暴雨等极端天气让人们担心：今年夏天会比去年更热吗？
从数据上看，全球气温升高的趋势相当明显。尽管此前3年的拉尼娜现象对全球气温起到了暂时“刹车”作用，但过去8年仍是有记录以来最热的8年。其中，2016年是有记录以来全球最热的一年。目前有多家机构预测，2023年或2024年极有可能超过2016年，创造新的全球最暖纪录。
面对气候变暖，人类应该如何应对？一些科学家寄望于目前火热的人工智能。
要应对气候变化，首先要“辨症”，要有对天气的准确分析和预测研判的能力。但这并非易事，而人工智能恰恰可以在气象预测领域大展身手。
今年4月，中国发布的人工智能大模型“风乌”，首次实现在高分辨率上对核心大气变量进行超过10天的有效预报。从预报精度看，相比于传统的物理模型，“风乌”的10天预报误差降低19.4%；从预报时效看，全球范围内最好的物理模型HRES有效预报时长最大为8.5天，而“风乌”达到了10.75天；从资源效率看，现有物理模型往往需要在超级计算机上运行，而“风乌”大模型仅用GPU便可运行，30秒即可生成未来10天全球高精度预报结果。
从“风乌”的实践可以看出，人工智能应用于气象领域，从大数据中挖掘规律，可与传统的数理方程形成互补，为生产生活提供更准确、更实用的天气预报。气候变暖将让极端天气更频繁，人工智能可用于改善气象灾害警报系统，实现提前和精准预警，在防灾减灾中发挥更大作用。
应对气候变化，从长远来看，还需要“去根”，即针对气候变化原因采取各种减缓措施。不少科学家认为，气候变暖与碳排放带来的温室效应密切相关，只要人类社会的化石燃料消耗不减少，气候变暖的趋势就不会停止。
加强人工智能应用，可以实现更精准、稳定、有效的减排。人工智能作为能源转型的重要辅助工具，越来越多地被整合到工业系统和家居生活的能源管理中，提高能源利用效率、减少峰值需求，最大限度地利用可再生能源。此外，在核聚变、新能源材料、碳捕集存储利用等领域，人工智能也可以通过发挥数据分析、建模和预测等方面的优势，为这些绿色技术的研发加速。
波士顿咨询集团（BCG）曾在其研究报告中预测，如果要实现《巴黎协定》中提出的将全球平均气温上升限制在1.5℃的目标，各国必须在2030年前减少50%的碳排放。使用人工智能可以帮助减少26亿吨至53亿吨的二氧化碳排放，占减排总量的5%至10%。
如果把人工智能看作一剂药方，那么它也有局限和副作用。例如，人工智能大模型本身就是耗能大户，会增加碳排放。当它与人脑同时工作时，人脑的能耗仅为机器的0.002%。
人工智能是引领未来的新兴战略技术之一，气候变化是当今世界面临的最紧迫挑战之一。人工智能革命和绿色能源革命齐头并进，已成为大国竞争必须抢占的科技制高点。我们既期盼更绿色环保的人工智能，也期盼更智能可控的绿色能源，就像期盼盛夏不再酷热难耐。（佘惠敏）
[责编：张佳兴]