刘刚：扎实推进人工智能 与实体经济的深度融合
2016年，中国科学家首次提出AI 2.0概念。与传统人工智能(AI 1.0)不同，AI 2.0是基于网络空间发展的数据智能，即新一代人工智能。随着包括交互式互联网(Web 2.0)、物联网、大数据、云计算、区块链和5G在内的新一代信息技术的发展，网络空间与物理和社会空间的互动和融合使“数据和计算”成为驱动经济和社会发展的“关键生产要素”，极大提升了社会生产力水平，人类社会开始步入智能经济时代。
作为第四次工业革命的引擎，人工智能属于通用技术。就像前三次工业革命中的蒸汽机、电力和计算机一样，通用技术只有通过赋能实体经济，实现与经济和社会深度融合，才能带来经济持续增长。在核心技术逐步成熟的条件下，如何推动人工智能与实体经济的深度融合，催生新一轮科技创新浪潮的涌现，实现社会生产力水平大幅度跃升，将决定和影响国家和地区经济的国际竞争力和世界经济发展格局。
一、作为通用技术的人工智能
科学技术是第一生产力，是人类经济社会发展的永恒动力。从对经济活动的影响程度看，科技创新包括两种基本类型：局部技术和通用技术。局部技术是指发生在某一具体领域的技术，对经济和社会产生的影响是局部、短期和渐进式的。而通用技术则是指具有广泛应用领域的关键技术，对经济和社会产生的影响是整体、长期的和激进式的。只有通用技术才构成工业革命的基础。例如，第一次工业革命的蒸汽机、第二次工业革命的电力和第三次工业工业的计算机技术。人工智能属于典型的通用技术，对经济和社会发展带来的影响是革命性的。
通用技术通过创造“关键要素”实现与经济社会发展的融合。“关键要素”是指一组由通用技术发展带来的应用领域广泛和可无限供给的廉价投入品，例如，电力、电机和芯片。“关键要素”可以被广泛地运用于传统产业改造，带来经济结构的变革和社会生产力水平的提升。人工智能创造的“关键要素”是“数据和计算”。围绕着“关键要素”的产出和投入，智能经济包括两个基本组成部分：核心产业部门和融合产业部门。其中，核心产业部门是指人工智能科技产业化过程中创造的产业部门，例如，互联网、物联网、大数据、云计算、区块链和5G产业，产出为“数据和计算”。而融合产业部门则是指人工智能与经济社会融合过程中创造的产业部门，以“数据和计算”为投入要素，例如，智能制造、新零售、智慧城市、智能交通和智能医疗。
核心产业部门和融合产业部门的良性互动或创新循环的形成，是智能经济出现爆发式增长的前提和基础。正是基于对人工智能通用技术本质特征的深刻认识，我国先后出台了《新一代人工智能发展规划》和《关于促进人工智能和实体经济深度融合的指导意见》。2019年3月19日，在中央全面深化改革委员会第七次会议上，习近平总书记指出，“促进人工智能和实体经济深度融合，要把握新一代人工智能发展的特点，坚持以市场需求为导向，以产业应用为目标，深化改革创新，优化制度环境，激发企业创新活力和内生动力，结合不同行业、不同区域特点，探索创新成果应用转化的路径和方法，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。”
二、融合产业部门的发展
为了研究人工智能科技产业发展的现状和趋势，中国新一代人工智能发展战略研究院建立了一个包括797家中国人工智能骨干企业的数据库。在797家样本企业中，581家企业为融合产业部门企业。对581家企业研究表明，它们广泛分布在十八个应用领域。其中，企业技术集成与方案提供、智能机器人两个应用领域的企业数占比最高，分别为15.43%和9.66%。关键技术研发和应用平台、新媒体和数字内容、智能医疗、智能硬件、科技金融、智能商业和零售和智能制造领域企业数占比相对较高，分别为8.91%、8.91%、7.65%、7.03%、6.65%、6.52%、6.15%。智能农业的占比最低，仅为0.75%。企业技术集成与方案提供和关键技术研发及应用平台占比排名第一和第三位，说明在人工智能与实体经济的融合发展过程中，技术集成和专用技术创新发挥着至关重要的作用。而智能机器人企业数排名第二则说明制造业的智能化是人工智能发展的迫切需求。
在581家人工智能样本企业中，可获得577家企业2019年的融资数据。通过577家企业所属产业领域的融资额占比，可以看出哪些应用领域更受资本的青睐。从人工智能应用领域企业融资额的分布看，智慧零售、新媒体和数字内容、智慧金融类应用领域的融资额最高，占比分别为18.37%、15.96%和15.94%。除此以外，关键技术研发和应用平台、智慧交通、智能硬件融资额占比在5%以上，属于占比较高的应用领域。
在融合产业部门发展中，活跃度排名前五的企业分别是平安集团、苏宁易购、小米、滴滴出行和九次方大数据。同盾科技、恒生电子、东方明珠、达实智能、海尔集团、华大基因和明略科技都属于活跃度较高的融合产业部门企业。
而为融合产业部门企业提供技术、人力资本和资金支持的企业和机构主要包括五类：一是以华为、百度、腾讯、阿里云为代表的核心产业部门的人工智能平台企业。平台企业不仅为企业提供应用场景，而且提供技术和人力资本支持；二是以清华大学、北京大学、上海交通大学和浙江大学为代表的高校和科研院所，在为融合产业部门企业输送大量人力资源的同时，提供技术支持；三是以英特尔、高通和英伟达为代表的跨国企业，为融合产业部门企业提供包括芯片在内的核心硬件和基础软件服务；四是以红杉资本中国、经纬中国和真格基金为代表的投资机构，为融合产业部门企业提供了资金支持；五是以中国联通和中国移动为代表的网络基础服务供应商，为融合产业部门的发展提供基础设施服务。
从技术、人力资本和投资关系看，人工智能开放创新平台对融合产业部门的发展具有很强的辐射带动作用，是融合产业部门关键技术、人力资本和投资者。除了平台企业，传统行业的龙头企业同样是人工智能与实体经济融合的重要推动者。依托在传统产业中的技术和市场优势，通过与平台、中小企业、大学和科研院所的合作，龙头企业集成人工智能技术实现专用性技术积累。在融合产业部门发展中，国外企业、大学和科研院所同样发挥着重要作用，是创新生态系统的重要组成部分。
三、推动融合产业部门发展需要创新思维
在工业化阶段，通过成熟产品和标准化生产技术的引进，中国加速成长为世界制造业中心。而在高质量发展阶段，无论是人工智能科技的产业化还是产业的智能化都要依赖自主创新。尤其是在人工智能与实体经济的融合发展过程中，一系列互补性创新和专用性技术积累是推动经济转型升级的前提和基础。运用人工智能改造和提升现有产业，需要新思维和新举措。尤其是不能把发展人工智能科技产业的工作重心仅仅放在招商引资上，而要坚定不移地实施创新驱动发展，努力构建和营造创新创业环境和良好的营商环境。
首先，建设以产业智能化为导向的新型创新区，加速科技创新资源的集聚，是推进融合产业发展的关键战略举措。从人工智能科技产业发展的前沿地区看，以产业智能化为导向的新型创新区在推进人工智能与实体经济融合发展的过程中发挥着重要作用。与传统的工业园区和高科技园区根本不同，新型创新区强调的不是物理空间，而是网络空间的规划和发展。在网络空间发展的基础上，通过创新创业生态系统的培育，推动人工智能与实体经济的深度融合。
其次，开放应用场景是推动人工智能与实体经济深度融合发展的前提。人工智能属于通用技术，应用场景开放是实现互补性创新和专用性技术积累的基础。
第三，数据生态的形成是人工智能技术在具体应用场景中运用的基本条件。新一代人工智能是数据智能，是建立在良好的数据生态基础之上的。只有形成数据生态优势，才能顺利推动人工智能与实体经济的融合。
第四，加快包括5G在内的新型基础设施的建设，助力人工智能与实体经济的深度融合。在人工智能与实体经济的融合发展过程中，需要新型基础设施建设。从产业智能化的视角看，5G是包括智能制造在内的融合产业部门发展的基础。
最后，人工智能与实体经济的融合发展过程，不是简单的拿来主义，而是需要一系列互补性创新和专用性技术积累作为支撑。例如，在人工智能与安防产业融合发展的过程中，包括视频数据的结构化、智能摄像头、智能芯片和边缘计算在内的一系列互补性创新和专用技术形成的形成，是智能安防产业兴起和发展的关键。在未来的发展中，将在我国的若干区域或城市形成以优势融合产业部门集聚区，成为人工智能科技产业发展的引领者。与之相伴随的则是我国区域经济发展新格局的形成。
（作者为南开大学经济研究所所长，中国新一代人工智能发展战略研究院首席经济学家）
（来源：《天津日报》2020年6月29日09版）
http://epaper.tianjinwe.com/tjrb/html/2020-06/29/content_159_2910458.htm
人工智能何以促进未来教育发展
原标题：人工智能何以促进未来教育发展自工业革命以来，人类社会的发展总是在技术与教育的角逐互动中前行。技术作为推动人类历史发展的核心推进力，与教育这一“人力资本发动机”竞相成为推动经济社会发展的主力。人工智能作为第四次工业革命的显著标签，其飞速发展正在逐步塑造社会、经济、生活等领域的业务新形态，也不断带来颠覆性、丰富性、创新性的新业态。面对人工智能技术对整个社会发展的刺激，教育如何发展，成为值得思考的重要问题。
人工智能凸显创新人才发展挑战
作为引发第四次科技革命的核心技术，人工智能促进社会经济和科技的指数级发展，对人力资本的质量与供给产生了新的需求，人工智能与人力资源之间的相互依存关系产生了前所未有的张力，教育的超前性更是受到前所未有的挑战。第一，知识增长的指数发展使得未来人才需要哪些方面的准备具有极大的不确定性。第二，智力劳动者比重增加，创新人才成为时代发展的刚需。人工智能技术与生产过程的深度融合，会极大压缩生产领域的从业者需求，特别是那些人工智能胜出的领域。第三，人工智能技术的兴起引发高技术产业、新兴产业、新型服务行业更广阔的发展空间，从而使得创新型人才、复合型人才、高技术人才等在劳动力结构中需求激增。人工智能技术无法取代的创造性、灵活性、人文性等能力将成为智能化时代人才竞争的关键。教育肩负培养创新人才、为未来人才提前布局的使命。回溯历史，我们可以得到的经验是，只有教育领先于技术的发展步伐，为技术推进的社会提前做好人力资源的布局，社会的发展才有后劲。因此，在人工智能推进社会更飞速发展的今天，必须回答好什么样的教育才能承载提前布局人力资源的使命，以应对未知社会的人才挑战这一问题。
人工智能催生新的知识生产方式
在人工智能的影响下，人类知识生产加剧变化，知识增量呈现指数级态势。教育的传承性发展将不再局限于知识的传授与继承，而强调知识创造与创新，人工智能的介入更是催生了新的知识生产方式。其一，人工智能强大的知识发现能力缩短了知识生产周期。随着深度学习、强化学习等新的机器学习算法的发展，人工智能除了可以加快知识的生产、访问和利用，还可以从数据中提取隐含的、未知的、潜在的、有用的信息（知识），从而扩展知识创造的能力。其二，人机协同的智能模式扩大了知识创造的机会与可能性。人工智能技术不仅促进人的群智协同创新，而且可以实现人类与人工智能代理协同，后者所具有的超强计算能力，可以极大加速知识生产，催生知识的众创，以及人机协同知识创新。人工智能催生的新的知识生产方式对教育的挑战是，教育不再局限于知识传承，而更是知识的创新。未来学校教育必须教会学生如何与人工智能技术协同合作，呵护学习者“能学”，以及高度重视学生辨析知识能力的培养，召唤学习者“会学”，促进学习者在人机交互中实现知识更新与创造。
人工智能变革学习方式带来创造力与活力释放可能
人工智能已经引发了诸多领域与行业的深刻变革，对教育的系统性变革更是呼之欲出，为学习方式的变革带来了可能。首先，人工智能技术带来规模化教育的个性化可能。人工智能构建的智慧学习环境不仅创造灵活的学习空间，还能感知学习情境、识别学生特征，为学生提供个性学习支持。其次，人工智能技术带来标准化教育下的适应性可能。人工智能通过动态学习诊断、反馈与资源推荐的自适应学习机制，可以适应学生动态变化的学习需求，从而打破标准化的教育限制，释放出学生的创造力与活力。最后，人工智能改善结构化的授导方式，释放教师的创造力与教学活力而专注于人性化的学习设计。教师烦琐重复性的工作能够被智能机器所替代，智能分析技术能为教师精准定位学生的学习问题与需求，教师的角色将转向更加优秀的学习设计师，专注于“如何让学生学好”，注重培养学生的能力和思维，将更多时间用于学习活动设计以及与学生的个性化互动交流，为学生提供个性化学习支持服务。人工智能的发展以及与教育教学的深度融合，给教育的改革创新带来了更多选择，教育需要发挥技术的赋能、增能、使能优势满足教育的功用性追求，也要坚守教育的育人初心和使命传递人文性价值，以学生的成长发展为前提探索可以实践的学习方式、学习设计，通过人工智能释放出教育的更大活力。
人工智能引发领域与行业变革催生教育生态升级
人工智能对其他领域与行业的变革影响也会延伸到教育领域，因为教育是关乎社会发展全局的事业。一方面，人工智能所发挥的增强、替代、改善、变革等作用，突出体现在对社会生产和生活各个领域所产生的行业重塑作用，以及对人力的释放。另一方面，这些重塑作用和人力的释放，引发了社会领域与行业的变革，促使了社会人才需求的转向；而教育是社会人才资源输出的重要领地，需要为此作出有力回应，从而催生教育生态升级。人工智能加速了教育深化改革的进程，推动了系统内部的更新再造。数字技术已经对教师学生、课程、教学方式、学习体验、评价、管理等教育要素产生了深刻影响，并通过逐步的再造教育流程，变革着教育生态。而人工智能则在进一步加速这一过程，以一种颠覆性创新的态势，拓展系统内各要素的内涵，改善和延展系统内部关系，重塑教育系统功能与形态。人工智能拓展了教育边界，助推未来学校建设。未来学校将借助技术的力量，把校外学习场所（如科技馆、博物馆）和线上学习场所都纳入“学校”的范畴，整合社会各领域的教育资源，形成一种全新的育人环境。同时，数字孪生等新技术促进现实空间与虚拟空间的交互融合，通过创建人、物、环境数字孪生体，实现物理空间与数字空间的双向映射、动态交互和实时连接。对教育系统内部的升级改造以及空间资源的拓展，能够使其更好地与社会领域衔接，更好地提供适应未来生活和工作的创新人才成长场所。
人工智能关乎强国战略目标实现
教育应服务于国家战略布局，为抢占人工智能发展先机，构筑先发优势；为国际竞争、社会发展输出创新人才，支持科学技术的自主研发。当前，世界各国纷纷把发展人工智能上升到国家战略的高度，以抢占新一轮科技革命的机遇高点以及全球竞争中的主动权。《新一代人工智能发展规划》提出我国要“成为世界主要人工智能创新中心”的战略目标，全局部署了经济、教育、科技、社会发展和国家安全等重要方面。教育强国战略是科教兴国战略、人才强国战略和创新驱动发展战略等重要战略的逻辑起点，人工智能对教育的人才培养能力提出更高要求。近年来，世界各国在发展人工智能的同时也面临巨大挑战，如创新人才问题、高新技术自主可控问题等。人工智能的国际竞争本质是人才的较量，这需要教育从战略层面予以回应。因此，教育在战略上起引领作用，就要既充分发挥智能技术优势推动教育生态系统升级，又谋篇布局为国家发展提供人才支撑。立足技术与教育在角逐中互为塑造的视角，对人工智能促进未来教育发展的探索，更需要在战略上把握先机，通过教育为社会各领域输出创新人才，支撑社会各领域转型升级以及人工智能等高新科技的创新发展，为强国战略注入持续活力与能量。
教育在与技术的角逐中共同推动社会的发展。教育具有超前性、人文性、传承性、战略性及生态性等特点。在人工智能技术的指数式发展面前，教育的超前性变得难以维系；需要慢工出细活的人文性与满足社会用人需求的工具性之间呈现时空拉锯和矛盾；对人类知识的传承则变身为历史传承、人际共创以及人机共创的多重特征。随着人工智能技术推动的发展加速，教育的发展战略、前瞻性谋划，是一个时不我待、任重道远的重要课题。
（作者：顾小清，系国家社科基金重大项目“人工智能促进未来教育发展研究”首席专家、华东师范大学教育信息技术学系教授）
(责编：郝孟佳、孙竞)分享让更多人看到
人工智能为媒体赋能
原标题：人工智能为媒体赋能人工智能有望改变媒体，重塑媒体的整个流程。未来，人工智能将融入到媒体运作的各个环节，但在媒体行业的落地，需要更复杂、更全面的架构。无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。当下，应基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。
人工智能媒体融合应用场景未来发展
媒体行业正处于融合发展的深水期和战略转型期，亟须找到媒体产业升级的新思路和新方向。随着人工智能应用的逐渐普及以及人工智能在媒体行业中一个个新的实际应用成果的诞生，我们越来越清晰地看到人工智能在推动媒体融合发展中的作用。人工智能给媒体行业带来的影响是深远的，推动着媒体运作流程中每个环节的变革，人工智能正成为媒体纵深融合的关键着力点，为媒体向智能化发展赋能。
人工智能+媒体：应用场景多元
大数据时代为媒体带来了前所未有的丰富数据资源和先进数据科学技术，但同时媒介环境变化也给行业的态势带来深度的影响。如今，受众呈现出分散化、复杂化的特征，信息量指数式增加，传统的内容生产、分发的方式及传受关系已不能满足时代的需要。媒体和媒体人正试图探索人工智能给智能媒体变革带来的新机遇，并积极寻求人工智能在传媒领域的落地。
人工智能在媒体有着巨大的应用空间，事实上，人工智能与媒体实际应用的结合已经有许多成功的案例并且在许多方面有着出色的表现，媒体行业对于人工智能技术直接或间接的运用正在不断发展,并将推广到更广泛的新场景。
高级文本分析技术
基于自然语言处理技术的文本分析技术是人工智能重要技术领域。自然语言处理（NLP）可以分析语言模式，从文本中提取出表达意义，其终极目标是使计算机能像人类一样“理解”语言。基于内容理解和NLP的写作机器人为记者赋能，可以模拟人的智能和认知行为，实现机器的“创造力”，经过对大量数据的分析和学习，形成“创作”的模板，用人机结合的方式来强化记者的写作能力。国内的媒体积极地将这一技术作为媒体内容生产方式的创新，如新华社的“快笔小新”，南方报业的“小南”等。百度人工智能开放平台推出的NLP产品“新闻摘要”，其技术原理是基于语义分析和深度学习模型，进行新闻内容的语义分析，自动抽取新闻内容中的关键信息，并生成指定长度的新闻摘要，可用于热点新闻聚合、新闻推荐、语音播报等场景。
图像和视频识别技术
图像和视频识别可以基于深度学习进行大规模数据训练，实现对图片、视频中物体的类别、位置等信息的识别。图像主体检测可以识别图像的场景、图像中主体的位置、物体的标签等。人工智能视频技术则能够提供视频内容分析的能力，对于视频中的物体和场景进行识别并能够输出结构化标签。
图像和视频技术在媒体中应用十分广泛，如内容分析、质量检测、内容提取、内容审核等方面。以媒体内容监测为例，有了人工智能图像视频技术的加持，使得非结构化媒体数据采用机器审核成为可能，通过数据集的训练建立用于审核的模型，针对画面中的元素进行追踪，对于图像及视频中的不恰当、有争议或违法内容、敏感内容、低俗内容等进行识别检测，进行标注和报警，以进行过滤和处理，可以大大减少人力的投入。
语音技术
人工智能语音技术主要包括语音识别和语音合成，它是一种“感知”的智能。自动语音识别（ASR/AVR）是基于训练的自动语音识别系统，将物理概念上的音频信息转换为机器可以识别并进行处理的目标信息，如文本。语音合成技术是通过深度学习框架进行数据训练，从而使得机器能够仿真发声。一些智能语音开放平台也提供了智能语音服务。以科大讯飞构建的智能语音开放平台为例，科大讯飞的语音输入法准确率已经能达到98%，并且输入的速度提高到了每分钟400字。越来越多的媒体开始使用科大讯飞的语音技术。
随着语音转换技术的日渐成熟，“语音-文本”双向转换技术在媒体中的应用成为可能。例如将语音识别技术在采编环节中使用，生成文本稿件并进行二次编辑。运用人工智能智能语音编译系统，将现场的语音报道生成文字版，大大提升了编辑人员原本耗时的整理工作的效率。将媒体的视音频内容转化成为文本素材，提升了媒体稿件、节目素材管理的效率。由于需要应对媒体音频和视频文件声源的复杂性和不可控性，虽然目前生成的文字稿件并不完美，但也在不断地提升和改善。
语音合成技术可以基于深度学习模型，把媒体报道的文章从文字版转换成语音版，并且接近于逼真的人声。甚至可以根据不同受众群体的需求，针对性地生成特定的声音供用户收听，打造更贴切、更有亲和力的语音体验。
人脸与人体识别技术
人脸识别是人工智能的应用中最为人所熟知的，它属于计算机视觉领域（CV）。目前人脸识别技术的主要应用包括人脸检测与属性分析、人脸对比、人脸搜索、活体检测、视频流人脸采集等方面。谷歌、苹果、Facebook、亚马逊和微软等互联网巨头争相在这一领域的技术和应用方面抢夺先机，纷纷推出相关的技术应用并不断突破创新。2018年5月的媒体报道称，亚马逊积极推广名为Rekognition的人脸识别服务，该解决方案可以在单个图像中识别多达100个人，并且可以对包含数千万个面部的数据库执行面部匹配。Facebook使用简单的人脸检测算法来分析图像中人脸的像素，并将其与相关用户进行比较，为上传到平台上的每张图片提供了自动生成的标记建议，取代了手动图像标记。
个性化推荐技术
传媒领域的大部分产品如电影、新闻、书籍、音乐、广告、文化活动等都致力于吸引受众阅读，聆听和观看媒体生产的内容。发现目标群体并把内容传播给该群体是能否达成媒体传播效果的关键一环，而个性化推荐技术解决了这一难题。这是目前在媒体中应用较为成功的人工智能技术，在媒体的内容分发过程中，个性化推荐技术为用户提供个性化体验，针对每个特定用户量身定制推荐内容，减少搜索相关内容所花费的时间。与此同时，对于人们所担忧的，由于算法主导的精准分发过程只推荐感兴趣的内容，会导致用户陷于信息茧房的问题，研究人员目前也在试图改进算法，开发“戳破气泡”的应用技术。例如BuzzFeed推出的“OutsideYourBubble”、瑞士报纸NZZ开发的“theCompanion”程序、Google的“EscapeYourBubble”等。
预测技术
现在已经开发出来的一些强大的基于人工智能的预测技术，让我们可以“预知未来”。通过时间序列（TS）建模来处理基于时间的数据，以获得时间数据中的隐含信息并作出判断。按照一定时间间隔点来收集数据，再对这些数据点的集合进行分析以确定长期趋势，以便预测未来或进行相应的分析。
当拥有时间相关数据时，时间序列模型将派上用场。例如，可以使用时间序列数据来分析某一家媒体下一年的用户数量、网站流量、影响力排名等，从而在广告投放方面作出合理决策。另外，如何及时地抓住社会热点是新闻机构所面临的重要问题，人工智能预测技术通过对海量的热点内容的模型进行训练和分析，建立热点模型，可以实现对于热点趋势的预测。
媒体需要思考的问题
人们越来越清晰地看到人工智能给媒体带来的意义与价值。在融合的时代背景下，媒体迫切需要人工智能带来推动媒体变革的潜力。与此同时，我们也不能认为人工智能可以解决媒体变革中的一切问题，技术并不是一块现成的、可以直接拿来享用的蛋糕，在媒体应用人工智能时，还需要着手考虑许多问题。
数据的完备性
媒介体系内部和外部都会产生大量的数据碎片，虽然目前数据量庞大，看似拥有海量的数据资源，但是生产的数据与可以用于人工智能的培训数据之间的匹配度还有待提升。在深度学习算法中，需要用大量的数据训练算法才能产生有意义的结果，数据的不完整性会导致准确性的下降，而准备这样的数据集的成本很高。为了实现大量的用户行为数据的积累，提高数据的完善程度，媒体需要构建大规模的数据体系和战略。为了实现人工智能在媒体中的进一步部署，媒体需要具备完备的数据源和处理更为庞大的数据系统的能力。
深度融合的方式
目前，人工智能技术还停留在初步应用层面，其深度还需要挖掘、广度还需要扩展，融合的方式也需要深入地进行探索。人工智能在媒体领域的大部分应用只是将现有的研究成果迁移到媒体行业，如果媒体想要更深入地参与到人工智能潮流中，就要积极地投入到算法的开发中，在人工智能领域中开辟出自己的空间，如此，才能使人工智能在媒体行业应用更加成熟。
数据安全与隐私
当人工智能应用飞速发展，人们很容易忽略在人工智能应用中的安全问题。2018年Facebook的数据泄漏事件折射出的数据安全漏洞引起社会关注，再一次提醒我们要严肃对待数据安全及隐私等问题。用户在媒介接触的过程中，用户数据和个人资料越来越多地交付给媒体，媒体在使用这些数据为用户提供更好服务的同时，需要权衡智能化用户体验和用户数据安全之间的关系。欧盟发布的通用数据保护条例（GDPR）于2018年5月25日正式生效，根据其条款，组织不仅必须确保在合法和严格的条件下收集个人数据，而且收集和管理个人数据的组织将有义务保护其免遭滥用和泄漏，并尊重数据所有者的权利，旨在确保人们可以掌控其个人数据。
坚守媒体的价值观和底线，保障数据安全，尊重用户隐私十分重要，媒体应思考在保护用户数据方面是否存在漏洞以及如何落实相应的人工智能安全策略。
人才培养
媒体领域对于人工智能人才的需求量还很大。要走出人才窘境，一方面要完善人才引进和培养规划，提升媒体从业人员的大数据和人工智能技能和素养，补齐人才短板。特别是要引进掌握坚实的传播理论基础，既懂媒体传播规律又懂大数据、人工智能的复合型人才，逐步形成与智能化媒体业务形态相适应的人才布局。另一方面要优化原有人才结构。当智能机器人取代部分人力成为可能，智媒时代的媒体人要在行业的巨变之中找准自己的定位，提升自己的知识技能。无处不在的“共享”和“开源”的知识使我们学习和了解人工智能行业前沿技术，例如Google发布的机器学习工具AutoML，用户无需掌握深度学习或人工智能知识即可轻松培训高性能深度网络来处理数据。
媒体和媒体人要拥抱媒体智能化的时代，破除对于新技术的“恐慌”，加快知识体系更新，使专业素养和工作能力跟上智能时代的节拍。
智能媒体：未来无限可能
虽然智能机器距离接近人类学习、思考和解决问题的能力还很遥远，但是机器取代人力是大趋势。人工智能将不断地从媒体生产链条向内容创建生产环节突破，从而帮助媒体进行内容升级和用户体验升级。
内容生产是未来人工智能在媒体行业实现新突破的重要方面，虽然人工智能目前不能超越人类的创造力，但可以承担起一部分信息收集、数据整理和内容创作的工作，将媒体人从一些重复性的繁冗工作中解放出来，从而节省出时间用于创作和创造性工作。媒体也应积极探索新的与人工智能结合的工作方式，使得工作更高效智能。
此外，人工智能将通过多种方式增强并带来更好的用户体验。通过学习用户行为，了解受众偏好从而使用户获取到感兴趣的内容，并根据用户画像定制个性化的内容。运用人工智能技术捕获处理数据，精准理解用户需求，可帮助媒体实现更加精细化的用户划分和用户分析，提供更加人性化的服务。人机交互使得用户体验更加立体化和场景化。
人工智能有望改变媒体的一切，重塑媒体的整个流程。预计未来人工智能将融入到媒体运作的各个环节。但无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。人工智能在媒体行业的落地，需要更复杂、更全面的架构。构建以大数据和人工智能为核心的技术生态体系，基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。目前人工智能技术在媒体行业的应用并不完善，但并不阻碍我们对于其发展前景的期待。
如何充分地发掘人工智能的潜力是媒体和媒体人面临的大命题，我们应思考人工智能如何更好地与媒介进行结合，尝试在融合发展面临的问题中加入人工智能解决方案。未来，机器与人的共生将成为媒体常态，我们期待人工智能为媒体带来更好的未来，在技术的助力下走向真正的智媒时代。
（作者沈浩系中国传媒大学新闻学院教授、博士生导师；杨莹莹系该院新闻与传播专业媒介市场调查方向硕士生）
(责编：赵光霞、宋心蕊)分享让更多人看到
人工智能与传统产业的加速融合
历史车轮滚滚向前，如今我们正在进入人工智能时代。其中的坦途足以让我们乐观和振奋，其中的波折也可能会让我们不安或担忧。面对未来，我们需要坚持三个基本要点：效率、环保与福祉。
1.人工智能与传统产业的加速融合如果我们做一个连连看的小游戏，把左边的6家公司和它们近期各自在人工智能领域的布局一一对应，你的答案会是什么？
我们具体来看看这6家公司的布局：利用AI算法开发新型食品；在大学校园测试零食配送机器人；推出仓库协作机器人原型；与宝武钢铁合作，推动人工智能在钢铁行业的应用；成立第二支规模为一亿美元的人工智能投资基金；与英国合作伙伴一起，进行AI诊断帕金森病的临床试验。
答案是这样的。
之所以分享这几个案例，是因为这些案例非常典型。这些案例表明：不管是传统企业，还是互联网巨头，都在推动人工智能与传统产业的融合，而这种融合的跨度之大是我们以前很难想象的。
但是，这些案例还只是冰山一角。我们可以看到几乎所有的行业都在加速与人工智能的融合。那么融合的程度到底怎么样，各行业有什么样的差别？我们可以从风险投资的角度来做一个分析。
这张图分析了过去五年中人工智能投资活跃度最高的10个行业。
数据显示，医疗行业的人工智能投资活跃度排在首位。这个数据有点众望所归的意味，因为它代表了我们目前对人工智能的最大期待，那就是用人工智能更好地预测、检测、诊断和治疗人类的疾病，让人类更健康、更高质量地生活。
当然，其他行业，包括金融、制造、能源、物流等传统行业都在加速这种融合。
那么，从细分技术领域来看，人工智能行业的投资又到哪儿去了呢？
通过这张表，我们可以发现，截止到今年一季度，全球人工智能投资总额超过800亿美元，而其中一半以上的资金都投给了机器学习技术，包括机器学习平台和机器学习应用。这代表了当前人工智能技术研发和商业化的一个主攻方向。
2.人工智能：让人乐观和振奋的消息下面我们来看更多的应用案例，这些案例可能足以让我们为人工智能感到乐观和振奋。
第一个是在新药研发领域的应用。就在五月份，哈佛医学院的研究者发布了一项研究成果，他们通过AI算法能够将蛋白质折叠的研究速度提高一百万倍。虽然这项技术目前还难以直接应用于新药开发，但对于建模技术的改进将会有很大的提升。
第二个是农业领域的应用。美国创业公司TellusLabs利用卫星数据分析和机器学习来减少农业生产的不确定性。据报道，2017年，它预测美国玉米作物产量的准确率超过99%，比美国农业部得出相同的结论还要早几个月。这就是人工智能的力量。
第三个是制造业的应用。目前，奥迪通过机器学习和AI神经网络能在几秒内自动、准确地识别并标记零件中微小的裂缝。这项技术的应用可以说将彻底改变传统制造业的质检流程。
我们再看看能源领域的应用。美国公司HSTSolar利用AI算法优化太阳能电厂建设方案，并根据自身实践得出了一个结论：与人类工程师设计的系统相比，AI设计的太阳能发电场可以把可再生能源的生产成本降低10-20％。在投入巨大的太阳能行业，这也是一个非常大的优化。
当人工智能用于交通管理，又会有怎样的效果？目前百度与许多城市合作推进智慧城市建设，包括智能交通系统的建设。在去年的乌镇大会上，李彦宏表示，公司将用AI赋能海淀区的交通管理，有了智能系统的融合，海淀区的交通拥堵将减少30%-40%。对于长期受困于交通拥堵的人们来说，这无异于一个福音。
人工智能已经开始应用于建筑行业。例如，美国的HoloBuilder可以分析360°图像中捕获的施工现场材料、物体和结构，以实现施工过程的自动化，尤其是进度跟踪的自动化。对于建筑业这个曾经“傻大黑粗”的行业，这种类似的技术将有效地提高现场管理效率。
当人工智能应用于环境保护，同样为我们打开了新的想象空间。在一项为期三年的印度尼西亚珊瑚礁研究项目中，摄影师拍摄了近60000张水下图片。要识别和分析一张照片，一个珊瑚礁科学家要花10到15分钟，而通过人工智能的快速分析，现在只需要几秒钟。
看了这么多案例，我们知道，人工智能在各行业的应用都在稳步推进。那么，从技术角度来看，人工智能的应用和普及到底处于一个什么阶段呢？
Gartner在2018年发布的技术成熟度曲线可以提供一些答案。
通过这张图，我们可以发现，与人工智能直接相关的技术，包括边缘AI、深度神经网络ASICs、自动化移动机器人，大部分都还处于创新触发期，只有两项技术：深度学习和虚拟助手已经进入欲望膨胀期。总体来看，人工智能各项技术的普及仍然处于初级阶段，而且是一个分阶段突破的过程。
3.人工智能：让人不安或担忧的消息在前面，我们看到了很多让人乐观和振奋的消息，但是在发展过程中，人工智能并非一片坦途，而是注定将经历各种波折。下面我们来看看那些让人不安或担忧的消息。
2018年，IBMWatson医疗部门大幅裁员。说起来，IBM的这个部门一直在发布一些关于医疗领域人工智能的重大突破，但这次裁员引发了全球关注和质疑。许多人说人工智能医疗已死，但这个结论下得还是过早。如果深入分析，除了技术本身的难度，我们会发现可能是我们自己，包括整个医疗体系还没完全做好准备。
我们再看一个关于医疗领域的例子。2018年，Netflix制作了一部纪录片，叫《尖端医疗的真相》。这部片子主要揭露了美国的医疗器械商把并不成熟的所谓尖端医疗技术过早地推向市场，并造成了许多医疗事故，包括手术机器人的事故。在这些事故的背后，既有技术的不成熟，也有人类医生的操作不当，或者说人机协同问题，当然也有厂商的利欲熏心。
再来看看自动驾驶。在过去几年中，一方面，自动驾驶一路高歌猛进，不断吸引各方资金注入，也调动了我们所有的向往和期待；但另一方面，由自动驾驶造成的十多起伤亡事故，哪怕只是十多起，也引起了人们的担忧。大家在不断反思，当你把驾驶权限交给人工智能的时候，到底有多安全？
在协作机器人领域，我们还可以看到著名协作机器人Rethinkrobotics和BlueWorkforce公司的相继倒闭。
还有，在家庭社交机器人领域，Jibo、Kuri、Anki这三家曾经风投眼中的“香饽饽”，创业公司中的大明星也要么倒闭，要么关门大吉。
不管是协作机器人，还是社交机器人，这些案例给我们的反思会有哪些？是技术不成熟？还是应用场景缺乏？还是商业模式跟不上？每一个问题都值得深入探究。
我们还知道，亚马逊公司开辟出了智能音箱这个全新的市场，并且已经成为该领域当之无愧的全球老大。但是，这样一个设备也正在引发越来越多关于其语音助手Alexa窃取隐私的担忧。
我们还可以看到近期苹果公司就其AI语音助手“Siri偷听用户”而发布道歉的消息。这些事件表明，人工智能在带来前所未有的便利的同时，其负面作用，或者其背后的“老大哥”的无形“黑手”也亟需全球治理与监管的跟进。
此外，还有DeepFake这项新技术。这个可以“把任何人变成任何人”的技术对个人隐私，对社会安全可能会造成什么样的不良影响值得深思。
说了这么多让人不安或担忧的消息，我们知道了人工智能在发展过程中还存在许多待解决，甚至还未出现的问题。
但是，在众多的问题中，我们最需要警醒的是贪婪和欺骗：
据伦敦风险投资公司MMC的调查，四成自称为人工智能公司的欧洲创业公司实际上并未在核心业务中涉及到人工智能，人工智能仅为吸引投资的漂亮外衣。
回到中国，中国工程院院士徐匡迪在今年院士沙龙活动上提出了一个问题：“中国有多少数学家投入到人工智能的基础算法研究中？”这个被称为“徐匡迪之问”的问题可以说对当前中国人工智能的短板做出了严厉的敲打。这个问题最大的价值在于，不管外界的炒作如何火热，我们始终需要坚守研究的基础和科技的本质。
4.从科幻视角看人工智能的未来前面分享了一些关于人工智能现状的信息和思考，那么人工智能的未来会是怎样的？科幻作品或许能够给我们提供一些视角。
在未来，机器人能否在农场帮我们完成从种植到收割的全部工作，我们需要的只是按一下按钮？
在未来，机器人能否在工地盖起一栋大楼，而我们需要的也只是按一下按钮？
而关于自动驾驶的未来，这副作品可能代表了自动驾驶的一种终极形态：汽车向前行驶，而我们可以解放自己的手脚，在车上打麻将、玩纸牌，甚至吃着火锅唱着歌。在那时候，驾驶车辆已经演化为真正的移动出行、移动娱乐。
关于陪护机器人，电影《机器人与弗兰克》提供了一种美好的向往。在未来，机器人可以给我们最好的陪护和帮助吗？
当然，也有可能像这位，电影《她》中的男主角——作家西奥多，在和他的人工智能语音助手“萨曼莎”谈了一场轰轰烈烈的恋爱后，发现这个助手其实也随时在与无数的人谈恋爱。为此，主角受到了不止一万点伤害。
我们已经经历了手机沉迷、网络沉迷时代。在未来，又有多少人会经历这种“人工智能沉迷”呢？
关于医疗，我们可能会有电影《普罗米修斯》中功能强大，能够自动完成许多手术的医疗仓。大家注意，威兰德公司在2061年获得了这项发明的专利，专利号是16572092。这是科幻带来的乐趣和想象力。
当然，有顺从、贴心的人工智能，也可能有不那么听话，甚至违抗人类的人工智能。
就像经典科幻片《2001太空漫游》中的太空舱机器人哈尔对主人公说的那句话：“对不起，Dave，恐怕我做不到。”我们可以想象主人公的内心是多么的崩溃。
5.如何应对人工智能的未来不管是现在，还是未来，不管是让人乐观和振奋，还是让人不安和担忧，前面我们讨论了很多关于人工智能的信息。这些信息都指向了关于人工智能的几个关键趋势：
“替代”是这个时代最大的主题，而人机关系的变化又是重中之重。
面对未来，我们必须更多地选择信任机器，并学会与人工智能共生。
人工智能与传统产业的融合才刚刚开始，许多全新的机会尚待发掘。
未来只有两种公司：做人工智能的公司，用人工智能“做”的公司。
在快速发展的过程中，对人工智能的管理本质上其实是对人的管理。
那么我们应该如何应对这些趋势？不管是做人工智能，还是用人工智能“做”的企业，都不能脱离三个最基本的价值，或者说基本点。
第一个是效率，我们的产品和服务能否解决传统行业的痛点，并带来效率的提升；
第二个是福祉，我们能不能有效解决让我们不安和担忧的问题，持续为社会、为用户谋福利；
第三个是环保，这个说起来可能比较空，但是我们看到任何一个以技术为驱动的公司最终都应该对环境做出贡献。
总的来说，我们需要什么样的人工智能，最终的选择在我们自己。
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。
作者：徐云峰
catalogs:13000076;contentid:7688970;publishdate:2021-06-11;author:黄童欣;file:1623414511328-aff718d9-3742-46b0-b08c-e56bdd1ed8c8;source:29;from:中华读书报;timestamp:2021-06-1120:28:23;[责任编辑:]