人工智能的下一个前沿在哪这场尼山对话给你答案 人工智能诞生是在哪一年

人工智能的下一个前沿在哪这场尼山对话给你答案

中国经济网曲阜6月27日讯（记者李方）当前，人工智能发展已走向大模型时代，如何构建安全可信的人工智能、大模型时代的人工智能如何赋能千行百业、人类文明又将向何处去，这些问题在世界互联网大会数字文明尼山对话上被一一解答。

6月26日，在孔子的诞生地——山东济宁曲阜，以“人工智能时代：构建交流、互鉴、包容的数字世界”为主题的世界互联网大会数字文明尼山对话正式开幕，这是世界互联网大会国际组织成立后首次举办的专题性活动。活动由世界互联网大会主办，山东省人民政府承办，山东省互联网信息办公室、济宁市人民政府协办。

图为“世界互联网大会数字文明尼山对话”会议举办地尼山讲堂。中国经济网记者李方摄

中国国家互联网信息办公室主任、世界互联网大会理事长庄荣文在开幕式上指出，要在全球文明倡议指引下，把握人工智能发展机遇，探索人工智能治理良策，共促人工智能时代的人类文明交流互鉴、和谐共生，携手构建网络空间命运共同体。他提出四点建议，一是坚持以人为本，构建平等包容的数字世界。二是坚持革故鼎新，构建充满活力的数字世界。三是坚持和衷共济，构建安全可信的数字世界。四是坚持共建共享，构建公平正义的数字世界。

山东省委书记、省人大常委会主任林武表示，站在新起点上，山东将积极推进中华优秀传统文化创造性转化、创新性发展，加快数字强省建设，聚力打造数字经济新引擎，聚力增强数字政府新效能，聚力优化数字社会新环境，聚力营造数字生态新格局，努力为数字文明繁荣发展贡献山东力量。

全球移动通信系统协会首席执行官洪曜庄表示，人工智能正在全球范围内快速成长为一股强大的力量，有潜力重塑商业和社会，各界应共同努力构建一个可信赖的环境，建立以人为本的方法体系，确保人工智能可靠、公平且普惠。

图为“世界互联网大会数字文明尼山对话”现场。中国经济网记者李方摄

过去一年，人工智能在技术、产品、应用等各个层面快速迭代。业内人士认为，大模型发展的下一个前沿，不仅要完成人的“规定动作”，更要帮助人去发现未知领域、突破极限。

作为率先发布大模型“文心一言”的百度，其投入和研究人工智能已超10年。“4年前，大模型还没被广泛关注的时候，百度就推出了文心大模型1.0，今天，文心大模型已经迭代到3.5版本，与3月份的3.0版本相比，训练速度提升了2倍，推理速度提升了17倍，模型效果累计提升超过50%。”百度创始人、董事长兼首席执行官李彦宏在论坛上呼吁，“我国人工智能大模型已具有一定基础，我们需要奋起直追。应发挥应用场景优势，进一步深耕垂直领域，打造金融、医疗、电力等领域的专业大模型，以高质量应用和数据反馈实现技术优化，帮助大模型迭代升级，建好AI生态。”

纵观全球，火爆全网的GPT-4到底意味着什么？“我们正在见证人工智能的加速发展。”人工智能促进协会原主席、康奈尔大学教授巴特·塞尔曼表示，GPT-4实现了通用人工智能的第一种形式，将不可避免地改变许多现有的社会结构和机制，人类需要重新思考人工智能将带来的影响。

可以预见，大模型将渗透到越来越多的领域，带来经济社会发展和产业的深刻变革。

360集团创始人周鸿祎就在会上生动展示了“数字员工”大模型的超能力——3秒钟生成一段尼山圣境景区门票的直播带货视频，5秒钟产出一份景区招商方案及详细流程，可谓职场效能“天花板”。“大模型未来发展的主要场景是企业、行业、政府和城市，应通过打造安全可信、可控易用的专有大模型，助力产业数字化到智能化的转型升级。”周鸿祎说。

我国人工智能技术基础扎实，已拥有全球第二的算力规模，算力产业年增长率近30%。“我们希望基于云计算，让算力更普惠，让AI更普及，通用人工智能将能够以更低门槛、更高效率，打通数据断流节点，推动数据在企业研发、生产、配送、服务等全要素环节中畅通流动，让数实融合更深入。”阿里巴巴集团董事会主席兼首席执行官、阿里云智能集团董事长兼首席执行官张勇表示。

数字文明得以融入千家万户，离不开数字基础设施这条信息大动脉。中国联合网络通信集团有限公司董事长刘烈宏表示，数字技术成为推动中国传统文化传承延续的崭新力量，数字文明的蓬勃发展为弘扬正能量提供了广阔舞台。

身处人工智能蓬勃发展的当下，人们在享受人工智能带来的便利的同时，也必须及时辨别其带来的多方面挑战。“智能可以是人工的，但智慧状态始终是人类的专属特权。”阿拉伯信息通信技术组织秘书长穆罕默德·本·阿莫表示，应围绕隐私、透明度、责任与问责、稳健性和弹性五个方面，构建安全可信的人工智能，应建立道德框架，并通过以人为本的设计优先考虑人类福祉，为推动构建安全可信的人工智能持续发展作出贡献。

美美与共，天下大同。在这场尼山对话中，人工智能、数字文明的美好未来已被精心描绘，人们将带着这些智慧的碰撞与思考，携手共赴数字世界的壮丽山河。

人工智能的下一个前沿在哪这场尼山对话给你答案

来源：中国经济网

中国经济网曲阜6月27日讯（记者李方）当前，人工智能发展已走向大模型时代，如何构建安全可信的人工智能、大模型时代的人工智能如何赋能千行百业、人类文明又将向何处去，这些问题在世界互联网大会数字文明尼山对话上被一一解答。

6月26日，在孔子的诞生地——山东济宁曲阜，以“人工智能时代：构建交流、互鉴、包容的数字世界”为主题的世界互联网大会数字文明尼山对话正式开幕，这是世界互联网大会国际组织成立后首次举办的专题性活动。活动由世界互联网大会主办，山东省人民政府承办，山东省互联网信息办公室、济宁市人民政府协办。

图为“世界互联网大会数字文明尼山对话”会议举办地尼山讲堂。中国经济网记者李方摄

中国国家互联网信息办公室主任、世界互联网大会理事长庄荣文在开幕式上指出，要在全球文明倡议指引下，把握人工智能发展机遇，探索人工智能治理良策，共促人工智能时代的人类文明交流互鉴、和谐共生，携手构建网络空间命运共同体。他提出四点建议，一是坚持以人为本，构建平等包容的数字世界。二是坚持革故鼎新，构建充满活力的数字世界。三是坚持和衷共济，构建安全可信的数字世界。四是坚持共建共享，构建公平正义的数字世界。

山东省委书记、省人大常委会主任林武表示，站在新起点上，山东将积极推进中华优秀传统文化创造性转化、创新性发展，加快数字强省建设，聚力打造数字经济新引擎，聚力增强数字政府新效能，聚力优化数字社会新环境，聚力营造数字生态新格局，努力为数字文明繁荣发展贡献山东力量。

全球移动通信系统协会首席执行官洪曜庄表示，人工智能正在全球范围内快速成长为一股强大的力量，有潜力重塑商业和社会，各界应共同努力构建一个可信赖的环境，建立以人为本的方法体系，确保人工智能可靠、公平且普惠。

图为“世界互联网大会数字文明尼山对话”现场。中国经济网记者李方摄

过去一年，人工智能在技术、产品、应用等各个层面快速迭代。业内人士认为，大模型发展的下一个前沿，不仅要完成人的“规定动作”，更要帮助人去发现未知领域、突破极限。

作为率先发布大模型“文心一言”的百度，其投入和研究人工智能已超10年。“4年前，大模型还没被广泛关注的时候，百度就推出了文心大模型1.0，今天，文心大模型已经迭代到3.5版本，与3月份的3.0版本相比，训练速度提升了2倍，推理速度提升了17倍，模型效果累计提升超过50%。”百度创始人、董事长兼首席执行官李彦宏在论坛上呼吁，“我国人工智能大模型已具有一定基础，我们需要奋起直追。应发挥应用场景优势，进一步深耕垂直领域，打造金融、医疗、电力等领域的专业大模型，以高质量应用和数据反馈实现技术优化，帮助大模型迭代升级，建好AI生态。”

纵观全球，火爆全网的GPT-4到底意味着什么？“我们正在见证人工智能的加速发展。”人工智能促进协会原主席、康奈尔大学教授巴特·塞尔曼表示，GPT-4实现了通用人工智能的第一种形式，将不可避免地改变许多现有的社会结构和机制，人类需要重新思考人工智能将带来的影响。

可以预见，大模型将渗透到越来越多的领域，带来经济社会发展和产业的深刻变革。

360集团创始人周鸿祎就在会上生动展示了“数字员工”大模型的超能力——3秒钟生成一段尼山圣境景区门票的直播带货视频，5秒钟产出一份景区招商方案及详细流程，可谓职场效能“天花板”。“大模型未来发展的主要场景是企业、行业、政府和城市，应通过打造安全可信、可控易用的专有大模型，助力产业数字化到智能化的转型升级。”周鸿祎说。

我国人工智能技术基础扎实，已拥有全球第二的算力规模，算力产业年增长率近30%。“我们希望基于云计算，让算力更普惠，让AI更普及，通用人工智能将能够以更低门槛、更高效率，打通数据断流节点，推动数据在企业研发、生产、配送、服务等全要素环节中畅通流动，让数实融合更深入。”阿里巴巴集团董事会主席兼首席执行官、阿里云智能集团董事长兼首席执行官张勇表示。

数字文明得以融入千家万户，离不开数字基础设施这条信息大动脉。中国联合网络通信集团有限公司董事长刘烈宏表示，数字技术成为推动中国传统文化传承延续的崭新力量，数字文明的蓬勃发展为弘扬正能量提供了广阔舞台。

身处人工智能蓬勃发展的当下，人们在享受人工智能带来的便利的同时，也必须及时辨别其带来的多方面挑战。“智能可以是人工的，但智慧状态始终是人类的专属特权。”阿拉伯信息通信技术组织秘书长穆罕默德·本·阿莫表示，应围绕隐私、透明度、责任与问责、稳健性和弹性五个方面，构建安全可信的人工智能，应建立道德框架，并通过以人为本的设计优先考虑人类福祉，为推动构建安全可信的人工智能持续发展作出贡献。

美美与共，天下大同。在这场尼山对话中，人工智能、数字文明的美好未来已被精心描绘，人们将带着这些智慧的碰撞与思考，携手共赴数字世界的壮丽山河。

人工智能的三次浪潮与三种模式

■史爱武

谈到人工智能，人工智能的定义到底是什么？

达特茅斯会议上对人工智能的定义是：使一部机器的反应方式就像是一个人在行动时所依据的智能。

百度百科上对人工智能的定义是：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

尽管人工智能现在还没有非常严格准确或者所有人都接受的定义，但是有一些约定俗成的说法。通常人工智能是指机器智能，让机器达到人智能所实现的一些功能。人工智能既然是机器智能，就不是机械智能，那么这个机器是指什么呢？是指计算机，用计算机仿真出来的人的智能行为就可以叫作人工智能。

2017年7月，国务院印发了《新一代人工智能发展规划》。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。这一国家级战略和社会流行趋势标志着，人工智能发展进入了新阶段，我国要抢抓人工智能发展的重大战略机遇，构筑人工智能发展的先发优势，加快建设创新型国家和世界科技强国。

人工智能的三次浪潮

自1956年开始，人工智能经历了三起三落，出现了几次浪潮，现在人工智能已经是处于第三次浪潮了。

第一次浪潮（1956-1976年，20年），最核心的是逻辑主义

逻辑主义主要是用机器证明的办法去证明和推理一些知识，比如用机器证明一个数学定理。要想证明这些问题，需要把原来的条件和定义从形式化变成逻辑表达，然后用逻辑的方法去证明最后的结论是对的还是错的，也叫做逻辑证明。

早期的计算机人工智能实际上都是沿着这条路在走。当时很多专家系统，比如医学专家系统，用语言文字输入一些症状，在机器里面变换成逻辑表达，用符号演算的办法推理出大概得了什么病。所以当时的主要研究都集中在逻辑抽象、逻辑运算和逻辑表达等方面。

在第一次浪潮中，数学定理证明实际上是实现效果最好的，当时有很多数学家用定理思路证明了数学定理。为了更好地完成定理证明工作，当时出了很多和逻辑证明相关的逻辑程序语言，比如很有名的Prolog。

虽然当时的成果已经能够解开拼图或实现简单的游戏，却几乎无法解决任何实用的问题。

第二次浪潮（1976—2006年，30年），联结主义盛行

在第一次浪潮期间，逻辑主义和以人工神经网络为代表的联结主义相比，逻辑主义是完全占上风的，联结主义那时候不太吃香。然而逻辑主义最后无法解决实用的问题，达不到人们对它的期望，引起了大家的反思，这时候人工神经网络（也就是联结主义）就慢慢占了上风。

在70年代末，整个神经元联结网络、模型都有突飞猛进的进步，最重要的是BP前馈神经网络。1986年BP前馈神经网络刚出来的时候解决了不少问题，后来大家往更大的领域应用，实现了比较大的成果。在很多模式识别的领域、手写文字的识别、字符识别、简单的人脸识别也开始用起来，这个领域一下子就热起来，一时之间，人们感觉人工智能大有可为。随后十几年人们发现神经网络可以解决一些单一问题，解决复杂问题却有些力不从心。训练学习的时候，数据量太大，有很多结果到一定程度就不再往上升了。

这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”为主。虽然有一些实际的商业应用案例，应用范畴却很有限，第二次热潮也就慢慢趋于消退。

第三次浪潮（2006—现在），基于互联网大数据的深度学习的突破

如果按照技术分类来讲，第二次和第三次浪潮都是神经网络技术的发展，不同的是，第三次浪潮是多层神经网络的成功，也就是深度学习取得突破。这里既有硬件的进步，也有卷积神经网络模型与参数训练技巧的进步。

若观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。兴奋起来的神经元，会将电气信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了人工神经网络。

经模型化的人工神经网络，是由“输入层”“隐藏层”及“输出层”等三层构成。深度学习往往意味着有多个隐藏层，也就是多层神经网络。另外，学习数据则是由输入数据以及相对应的正确解答来组成。

为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。通过神经网络，深度学习便成为了“只要将数据输入神经网络，它就能自行抽出特征”的人工智能。

伴随着高性能计算机、云计算、大数据、传感器的普及，以及计算成本的下降，“深度学习”随之兴起。它通过模仿人脑的“神经网络”来学习大量数据的方法，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。在第三次浪潮中，人工智能技术及应用有了很大的提高，深度学习算法的突破居功至伟。

深度学习最擅长的是能辨识图像数据或波形数据这类无法符号化的数据。自2010年以来，Apple、Microsoft及Google等国际知名IT企业，都投入大量人力物力财力开展深度学习的研究。例如AppleSiri的语音识别，Microsoft搜索引擎Bing的影像搜寻等等，而Google的深度学习项目也已超过1500项。

深度学习如此快速的成长和应用，也要归功于硬件设备的提升。图形处理器（GPU）大厂英伟达（NVIDIA）利用该公司的图形适配器、连接库（Library）和框架（Frame⁃work）产品来提升深度学习的性能，并积极开设研讨课程。另外，Google也公开了框架TensorFlow，可以将深度学习应用于大数据分析。

人工智能的3种模式

人工智能的概念很宽泛，根据人工智能的实力可以分成3大类，也称为3种模式。

（1）弱人工智能：擅长于单个方面的人工智能，也叫专业人工智能。比如战胜世界围棋冠军的人工智能AlphaGo，它只会下围棋，如果让它下国际象棋或分辨一下人脸，它可能就会犯迷糊，就不知道怎么做了。当前我们实现的几乎全是弱人工智能。

（2）强人工智能：是指在各方面都能和人类比肩的人工智能，这是类似人类级别的人工智能，也叫通用人工智能。人类能干的脑力活，它都能干，创造强人工智能比创造弱人工智能难得多，目前我们还做不到。

（3）超人工智能：知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强点，也可以是各方面都比人类强很多倍。超人工智能现在还不存在，很多人也希望它永远不要存在。否则，可能像好莱坞大片里面的超级智能机器一样，对人类也会带来一些威胁或者颠覆。

我们现在处于一个充满弱人工智能的世界。比如，垃圾邮件分类系统是个帮助我们筛选垃圾邮件的弱人工智能；Google翻译是可以帮助我们翻译英文的弱人工智能等等。这些弱人工智能算法不断地加强创新，每一个弱人工智能的创新，都是迈向强人工智能和超人工智能的进步。正如人工智能科学家AaronSaenz所说，现在的弱人工智能就像地球早期软泥中的氨基酸，可能突然之间就形成了生命。如世界发展的规律看来，超人工智能也是未来可期的！

“互联网＋人工智能”正催生一场新的工业革命

人工智能日益成为新一轮产业革命的引擎。在人工智能领域，我国大体上能与世界先进国家发展同步，完全有能力跻身新工业革命前列。我们应该依托互联网平台提供的人工智能创新公共服务方式，加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用，培育若干引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。我国必须把握这一重大发展机遇，瞄准国际人工智能发展趋势，把人工智能技术与产业升级改造有机结合起来，给经济发展新常态注入智能化的新动力。

人工智能是新工业革命的基础

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，该领域研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能被称为20世纪世界三大尖端科技之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能被视为人类科学尖端，科研领域皇冠上的明珠。

人工智能的概念最早在20世纪50年代出现，在尔后发展过程中经历了多次起起落落。从50年代末期到60年代，人工智能主攻方向是通过“逻辑专家”的“推理和搜索”方法来解决一些特定问题，如迷宫探索、机器人行动规划，以及各种棋类博弈。然而，当人们意识到当时的人工智能只能解决一些“玩具问题”，而对复杂现实问题束手无策时，人工智能研究走向了第一次低潮。

20世纪80年代，第二次人工智能浪潮卷土重来。这一阶段特点是研发出了能利用“知识”的“专家系统”，让计算机能够像该领域的专家一样出色地开展工作。同时，人工智能在程序设计语言、知识表示、推理方法等方面也都取得了重大进展。然而，到了90年代中期，很多雄心勃勃的大型人工智能计划都面临着推理能力弱、实用性差等难以克服的困难，人工智能研究又进入了第二次低潮。

从20世纪90年代后期开始，人工智能研究的瓶颈又有所突破。由于互联网、浏览器及搜索引擎的问世和快速发展，运用海量数据的“机器学习”迅速崛起，尔后开发的计算机的“深度学习”能够开始模拟人脑的神经网络进行分析学习。由此，人工智能研究与应用进入了又一次新高潮。

各国人工智能技术飞速发展

随着进入新世纪后第三次人工智能浪潮的到来，通过“机器学习”与“深度学习”，用计算机来模拟人的思维过程和智能行为（如学习、推理、思考、规划等）得到极大发展。国际金融危机以后，欧美国家更加重视人工智能技术的研究，在人工智能基础研究、人脑研究、网络融合、3D智能打印等领域不断有所突破。

现阶段人工智能技术突破有两大重点，分别是智能化的云机器人技术和人脑仿生计算技术。美国、日本、巴西等国家均将云机器人作为机器人技术的未来研究方向之一，包括建立开放系统机器人架构、构建网络互联机器人系统平台、开发机器人网络平台的算法和图像处理系统等。在人脑仿生计算技术上，由于“深度学习”的成功运用，电脑可以开始部分模仿人类大脑的运算并能够实现学习和记忆。美国IBM公司正在研究一种新型仿生芯片，预计最快到2019年可完全模拟出人类大脑。为此，各国都在该领域加大投入，企图抢占制高点。

包括谷歌、IBM、Facebook和微软在内的各大公司纷纷加大在人工智能领域布局。这些公司早都在运行自己的人工智能实验室。最近一个新趋势是，各大公司纷纷开放了自己的研究资源平台，以期吸引更多研究者在其上参与研究。2015年11月，谷歌开发了一个名叫TensorFlow的机器学习平台，把复杂数据结构传输至人工智能神经网中进行分析和处理。全球各地开发者和爱好者都可以免费使用这个平台。Facebook人工智能研究院也推出基于Torch机器学习框架的能提升人工神经网络运行性能的开源工具。Facebook也宣布开放针对神经网络研究的服务器“BigSur”。最近，IBM也宣布开源了旗下机器学习平台SystemML，用以支持描述性分析、分类、聚类、回归、矩阵分解及生存分析等算法。亚马逊开放的AmazonMachineLearning，可以让任何开发者都能够轻松使用历史数据开发并部署预测模型。

对人工智能如此的快速发展人们也产生了一些忧虑。著名物理学家斯蒂芬·威廉·霍金教授多次表示，如果人工智能拥有自我意志，能够对自身设计进行自我改进，那么很快人类将无法与之抗衡。2015年7月，包括霍金、马斯克、史蒂夫·沃兹尼亚克在内的多名学者签署了一封公开信，呼吁禁止自动化武器，从而避免引发军备竞赛，产生比冷战更危险的态势。著名美国实业家雷·库茨维尔预计21世纪的40年代将会出现人工智能超越人类智能的“奇点”。为此，由谷歌和美国国家航天航空局及若干科技界专家联合建立了一个“奇点大学”，专门来研究如何应对这一“人类面临的重大挑战”。

人们同样担心的是，迅速发展的人工智能技术会严重威胁到劳动人口的就业。未来智能机器人不但可以替代低端、低技能蓝领工作，还有可能冲击知识密集型工作和服务类岗位。美国美林银行预测未来英国将有35%工作被机器人取代，而美国这一比例有可能高达47%。

当然，对这一问题持乐观态度的人也不少。持这种观点的人认为，世界上总有些工作需要如同情心、创造力、判断力等人类独有的特质，这些是机器难以胜任的。华盛顿皮尤研究中心一个调查显示，有52%专家预期，虽然2025年很多工作会被机器人取代，未来人工智能发展创造的岗位会比被取代的岗位多。

“互联网+”带动我国人工智能技术实现突破

在人工智能技术领域，我国大体上能够与世界先进国家发展同步。近年来，我国在视觉识别、语音识别等领域实现了技术突破，处于国际领先水平。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入实际应用。

以百度、阿里巴巴、腾讯为首的互联网巨头公司已在人工智能领域上布局。2013年百度成立了我国首个深度学习研究院，该院的“百度大脑计划”融合了深度学习算法等多项技术，拥有200亿个参数，构成了一套巨大的深度神经网络。目前，通过“百度大脑”的参与，语音识别的相对错误率降低了20%-30%，扫描文本图像生成汉字文本的相对错误率降低了30%。今天的“百度大脑”已达到相当于两到三岁孩子的智力水平。阿里巴巴则研发并对外开放了我国首个人工智能计算平台“DTPAI”。开发者可通过简单拖拽方式完成对海量数据的分析挖掘。该平台是基于阿里云大数据处理平台“ODPS”构建的，后者可在6小时内处理相当于1亿部高清电影容量的数据。全球掌握这种能力的只有谷歌、亚马逊等几个公司。腾讯公司则研发与对外开放了视觉识别平台“腾讯优图”。它在人脸识别上达到了稳居世界前列的99.5%以上准确率，即将在微众银行、财付通等相关产品中大规模应用。

除此之外，我国在人工智能领域还有近百家创业公司，业务覆盖了工业机器人、服务机器人、商业智能及视觉识别等技术领域。科大讯飞的“讯飞超脑”计划，京东公司的智能聊天机器人等都达到了国际先进水平。据估计，2014年我国智能语音交互产业规模达到100亿元人民币，指纹识别、人脸识别、虹膜识别等产业规模达100亿元人民币。

大力推进“互联网+人工智能”行动

应该看到，尽管我国在一些人工智能关键技术尤其是核心算法方面与国际水平相差不远，但整体发展水平与发达国家相比仍有差距。在人工智能基础理论方面，我国与世界一流学术水平还有一定距离。人工智能高端人才紧缺，已成为制约我国人工智能行业发展的重要原因。在高精尖零部件、技术工业、工业设计、大型智能系统及基础平台等方面都亟待改进。以机器人为例，2014年我国销售的5.6万台机器人只有1.6万台来自本土供应商，且大部分是低端机器人。同时，我国人工智能技术发展还面临着体制机制、信息化基础设施、数据共享等方面的挑战。

为加快我国在人工智能领域发展，2015年7月国务院发布了《关于积极推进“互联网＋”行动的指导意见》，将“互联网+人工智能”列为11项重点行动之一。《指导意见》提出，要依托互联网平台，加快核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用，要在国内培育一批引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。

我国经济发展正进入一个新常态。经济发展方式正从规模速度型的粗放式增长向质量效率型的集约式增长转变。供给侧改革要求我们在适度扩大总需求同时，去产能、去库存、去杠杆、降成本、补短板，从生产领域加强优质供给，减少无效供给。因此，在大力淘汰“僵尸企业”同时，我们要更多地依靠改革、转型、创新来培育新增长点，形成新动力。

在我国新一轮改革发展关键时刻，人工智能技术确实给我们提供了一个弯道超车机会。作为制造业大国，近年来我国低成本优势逐渐消失，制造业转型迫在眉睫。对企业而言，利用好新一代信息技术将是其在新时代成长环境中抓住机遇的关键。我们应充分利用大量企业正在转型升级的机会，强化企业在人工智能技术创新中的主体地位，充分发挥百度、阿里巴巴、腾讯等在人工智能领域已经有所建树的大企业作用，紧盯人工智能研究最前沿发展，成为引领全球人工智能发展的骨干企业。同时，培育若干中小智能企业，支持他们面向市场需求来确定创新突破口。从资金、税收、人才、知识产权、放开管制等方面入手，大力营造有利于人工智能领域的企业发展的政策环境和制度环境。鼓励企业结合市场和国家需求，将人工智能的基础和应用研究产品化、商业化，实现产业链的优化和调整。

推动技术创新应该成为一种国家的重要使命和责任。从历史上看，第一次与第二次工业革命的兴起几乎都是由个人与企业推动的，但在而后技术发展中，政府作用越来越大。人工智能是一项抢占未来竞争高地的基础性技术，研究经费耗费巨大，超出个人甚至企业承受范围，更需要国家战略层面的资金支持和参与。政府工作重点在于政策引导与资金支持，特别是在基础研究领域中，抓紧制定政策，建造一批国家级、基础性、共性技术、创新能力保障的人工智能研发基地和平台。高校与科研机构则在推动基础和应用研究上和人才培养上发挥重要作用，同时还应鼓励一部分高校开办人工智能专业研究所与学院。

最后，还要把自主创新与引进消化再创新相结合。虽然人工智能领域中的很多最前沿应用技术掌握在国外，特别是在美国高科技中小企业手中，但他们缺乏大规模低成本的制造能力与市场营销能力。我国制造业和美国中小科技企业有着天然互补性。应支持我国风险投资加大对前沿中小公司的投资，再把这些产品引进国内生产，把我国一部分制造业打造成全球人工智能产品制造链条中的关键环节。

总之，从现在开始到2040年，将是一个人工智能快速发展阶段。人工智能将改变各行各业生产和工作方式，也将催生许多新行业和新领域，最终将全面改变人类生活和世界。我国有集中力量办大事、统筹能力强的制度优势，在人工智能这一战略制高点上，应予以充分发挥。（国务院参事室汤敏左小蕾）

人工智能的起源

人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。自问世以来AI经过波波折折，但终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。不仅许多其他学科开始引入或借用AI技术，而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。

人工智能的思想萌芽可以追溯到十七世纪的帕斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德.摩尔根提出了“思维定律“，这些可谓是人工智能的开端。十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器“，它被认为是计算机硬件，也是人工智能硬件的前身。电子计算机的问世，使人工智能的研究真正成为可能。

作为一门学科，人工智能于1956年问世，是由“人工智能之父“McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth大学召开的会议上，首次提出。对人工智能的研究，由于研究角度的不同，形成了不同的研究学派。这就是：符号主义学派、连接主义学派和行为主义学派。

传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。主要工作是“通用问题求解程序“（GeneralProblemSolver,GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。

连接主义学派是从人的大脑神经系统结构出发，研究非程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。

行为主义学派是从行为心理学出发，认为智能只是在与环境的交互作用中表现出来。

人工智能的研究经历了以下几个阶段：

第一阶段：50年代人工智能的兴起和冷落

人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。

第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮

DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（InternationalJointConferencesonArtificialIntelligence即IJCAI）。

第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展

日本1982年开始了“第五代计算机研制计划“，即“知识信息处理计算机系统KIPS“，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。

第四阶段：80年代末，神经网络飞速发展

1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。

第五阶段：90年代，人工智能出现新的研究高潮

由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。

IBM公司“深蓝“电脑击败了人类的世界国际象棋冠军，美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划，基于Agent技术的Softbot(软机器人)在软件领域和网络搜索引擎中得到了充分应用，同时，美国Sandia实验室建立了国际上最庞大的“虚拟现实“实验室，拟通过数据头盔和数据手套实现更友好的人机交互，建立更好的智能用户接口。图像处理和图像识别，声音处理和声音识别取得了较好的发展，IBM公司推出了ViaVoice声音识别软件，以使声音作为重要的信息输入媒体。国际各大计算机公司又开始将“人工智能“作为其研究内容。人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。

目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对生物遗传与进化理论的模拟，揭示出人的智能进化规律）、人工生命（通过构造简单的人工生命系统（如：机器虫）并观察其行为，探讨初级智能的奥秘）、人工智能应用（如：模糊控制、智能大厦、智能人机接口、智能机器人等）等等。

人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。未来人工智能的研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。返回搜狐，查看更多