新一代人工智能五大智能方向
“人工智能”这一概念提出后，迅速发展成为一门广受关注的交叉和前沿学科，沿着“从符号主义走向连接主义”和“从逻辑走向知识”两个方向蓬勃发展，在象棋博弈、机器证明和专家系统等方面取得了丰富成果。随着互联网的普及、传感网的渗透、大数据的涌现、信息社区的崛起，数据和信息在人类社会、物理空间和信息空间之间的交叉融合与相互作用，大众创业和万众创新等新技术、新产业和新业态不断涌现，使得对人工智能基本理论和方法的研究开始出现新的变化，这些变化也使得人工智能新的应用呈现勃勃生机。
为了更好地与学术同行交流人工智能2.0理论、方法和技术，潘云鹤院士于2016年12月在中国工程院院刊Engineering（主刊）发表了题为“Headingtowardartificialintelligence2.0”的论文，从人工智能60年的发展历史出发，通过分析促成人工智能2.0形成的外部环境与目标的转变，分析技术萌芽，提出了人工智能2.0的核心理念，并结合中国发展的社会需求与信息环境特色，给出了发展人工智能2.0的建议。
2017年1~2月，中国工程院院刊信息与电子工程学部分刊《信息与电子工程前沿（英文）》出版了“ArtificialIntelligence2.0”专题，潘云鹤、李未、高文、郑南宁、吴澄、李伯虎、陈纯等多位院士以及专家学者参与撰文，对新一代人工智能中涉及的大数据智能、群体智能、跨媒体智能、混合增强智能和自主智能等进行了深度阐述。
挑战与希望：AI2.0时代从大数据到知识
庄越挺、吴飞、陈纯、潘云鹤
对大数据时代人工智能领域近期出现的若干理论和技术进展进行了综述，认为将数据驱动机器学习方法与人类的常识先验与隐式直觉有效结合，可以实现可解释、更鲁棒和更通用的人工智能。AI2.0时代大数据人工智能具体表现为：从浅层计算到深度神经推理；从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习；从领域任务驱动智能到更为通用条件下的强人工智能（从经验中学习）。下一代人工智能（AI2.0）将改变计算本身，将大数据转变为知识，以支持人类社会更好决策。
AI2.0时代的群体智能
李未、吴文峻、王怀民、程学旗、陈华钧、周志华、丁嵘
认为基于互联网的信息物理世界深刻地改变了人工智能发展的信息环境，将人工智能研究的新浪潮推进到人工智能2.0新纪元。作为AI2.0时代最突出的研究特点之一，群体智能引起了产业界和学术界的广泛关注。具体来说，为应对挑战，群体智能提供了一种通过聚集群体的智慧解决问题的新模式。特别是由于共享经济的快速发展，群体智能不仅成为了解决科学难题的新途径，而且也已融入日常生活的各个方面，例如线上到线下（online-to-offline,O2O）应用、实时交通监控、物流管理。该文对现有群体智能研究成果进行总结和综述。首先，论述了群体智能的基本概念，并对其与现有相关概念（如众包和人本计算）的关系进行了解释。然后，介绍了4类具有代表性的群体智能平台，总结了3项核心问题以及最新的群体智能技术。最后，讨论了群体智能研究的发展方向。
跨媒体分析与推理：研究进展与发展方向
彭宇新、朱文武、赵耀、徐常胜、黄庆明、卢汉清、郑庆华、黄铁军、高文
认为随着人类文明的进步以及科技的发展，信息的传播从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多种媒体形态，越来越显现跨媒体特性，而如何实现跨媒体分析与推理就成为了研究和应用的关键问题。本文从7个方面对跨媒体分析与推理进行综述：（1）跨媒体统一表征理论与模型；（2）跨媒体关联理解与深度挖掘；（3）跨媒体知识图谱构建与学习方法；（4）跨媒体知识演化与推理；（5）跨媒体描述与生成；（6）跨媒体智能引擎；（7）跨媒体智能应用。
混合—增强智能：协作与认知
郑南宁、刘子熠、任鹏举、马永强、陈仕韬、余思雨、薛建儒、陈霸东、王飞跃
认为由于人类面临的许多问题具有不确定性、脆弱性和开放性，任何智能程度的机器都无法完全取代人类，这就需要将人的作用或人的认知模型引入到人工智能系统中，形成混合—增强智能的形态，这种形态是人工智能或机器智能的可行的、重要的成长模式。混合—增强智能可以分为两类基本形式：一类是人在回路的人机协同混合增强智能，另一类是将认知模型嵌入机器学习系统中，形成基于认知计算的混合智能。该文讨论人机协同的混合—增强智能的基本框架，以及基于认知计算的混合—增强智能的基本要素——直觉推理与因果模型、记忆和知识演化；特别论述了直觉推理在复杂问题求解中的作用和基本原理，以及基于记忆与推理的视觉场景理解的认知学习网络；阐述了竞争—对抗式认知学习方法，并讨论了其在自动驾驶方面的应用；最后给出混合—增强智能在相关领域的典型应用。
AI2.0时代的类人与超人感知：研究综述与趋势展望
田永鸿、陈熙霖、熊红凯、李洪亮、戴礼荣、陈婧、兴军亮、陈靖、吴玺宏、胡卫明、胡郁、黄铁军、高文
简要回顾了不同智能感知领域的研究现状，包括视觉感知、听觉感知、言语感知、感知信息处理与学习引擎等方面。在此基础上，对即将到来的AI2.0时代智能感知领域需要大力研究发展的重点方向进行了展望，包括：（1）类人和超人的主动视觉；（2）自然声学场景的听知觉感知；（3）自然交互环境的言语感知及计算；（4）面向媒体感知的自主学习；（5）大规模感知信息处理与学习引擎；（6）城市全维度智能感知推理引擎。
智能无人自主系统发展趋势
张涛、李清、张长水、梁华为、李平、王田苗、李硕、朱云龙、吴澄
介绍了智能无人自主系统的发展趋势，将相关技术分成了7个领域，包括人工智能技术、无人车、无人机、服务机器人、空间机器人、海洋机器人和无人车间/智能工厂，对每个领域的发展趋势进行了介绍。
人工智能在智能制造领域的应用研究
李伯虎、侯宝存、于文涛、陆小兵、杨春伟
介绍了团队近年将人工智能技术应用于制造领域的研究与实践。首先，简析“互联网+人工智能”时代核心技术飞速发展正引发制造领域的模式、手段和生态系统的重大变革以及人工智能的新发展；接着，基于人工智能技术与信息通信技术、制造技术及产品有关专业技术等融合，研究提出了智能制造新模式、新手段、新业态，智能制造系统体系架构和智能制造系统技术体系；进而，从智能制造的应用技术、产业和应用示范等角度,简述智能制造领域的国内外发展现状；最后，提出我国人工智能2.0在智能制造领域应用研究的建议。
来源：人工智能学家
返回搜狐，查看更多
浅谈人工智能目前所应用的五大领域
根据调研机构IDC公司最近发布的一份《全球人工智能支出指南》，预计全球人工智能预算将在未来四年翻一番，到2024年将达到1100亿美元。
IDC公司人工智能计划副总裁RituJyoti指出：“越来越多的组织将采用人工智能，而且必须这样做。人工智能是可以帮助组织进行业务敏捷转型、创新和扩展的技术。”
数字业务咨询机构AHEAD公司现场首席技术官JoshPerkins说：“去年发生的疫情证明了人工智能技术的强大力量，人们的问题从‘人工智能技术在我们公司中能做什么？‘转变为‘哪些领域还不适合人工智能？’”
Perkins表示，当使用智能工具和功能解决特定于行业的问题时，人工智能将提供巨大的价值。医疗、银行、保险、零售和制造业的组织中正在出现创造性的应用程序。Perkins说：“这在很大程度上是因为组织希望更好地将数据资产实现货币化，并利用新的数据流来发掘见解。”
人工智能工具帮助应对数字化转型挑战的5个领域
当技术领导者将在现实世界中启用人工智能的数字计划时，了解最大价值所在将会提供帮助。某些主题在各个行业组织不断出现。以下研究一下人工智能领域中功能最强大的一些用例：从机器学习（ML）和自然语言处理（NLP）到边缘人工智能和AIOps。
1.对话式人工智能：改善客户服务体验
将丰富的客户行为数据、自然语言处理（NLP）和聊天机器人结合起来时会得到什么？通常无需人工干预即可改变客户联系和支持的潜力。
Perkins说：“对自然语言处理（NLP）的大幅改进使每天的客户体验变得更加丰富和活跃。这项技术正在促进机器人与客户之间的对话的深度和自然流畅性。”
当这种方法能够快速访问后端系统时，增强了客户自助服务，组织希望能够更快地为客户解决问题。Perkins预测，在未来几年内，客户将更难辨别他们是在与机器人交谈，还是在与人工客服交谈。
事实上，根据2020年全球各地组织的支出情况，部署自动化客服是最主要的人工智能用例。Perkins说：“目前有许多用例应用于零售和电子商务垂直领域，主要集中在客户服务上。例如在医疗保健领域，会话人工智能被用来协助患者支持和预约安排。”
2.边缘人工智能：解决带宽、延迟和隐私问题的方法
人工智能曾经只应用在数据中心领域。但是，随着人工智能应用在网络的边缘，它开始为组织解决大量的分布式数据和分析问题。边缘人工智能是在数据来源点嵌入智能功能，无论是物联网终端、智能手机还是自动驾驶汽车。RedHat公司首席技术战略家G.Nadhan解释说，“换句话说，边缘计算使数据和计算最接近交互点。”
边缘人工智能正在得到广泛应用，其应用范围从智能音箱到街头的摄像头。
边缘处理器制造商Hailo公司首席执行官OrrDanon表示：“直到最近，边缘的人工智能基本上还是理论上的。在2021年，我们可能会看到，由于技术的进步，边缘人工智能的产品将出现增长，这些技术更容易获得，价格也更低廉。边缘人工智能对于管理不断增长的数据量和减轻业务网络日益增长的压力至关重要。在边缘处理数据而无需将数据传输到云端，使设备更强大、更通用、更灵敏、更安全，并有助于合规性。”
一些零售商也将在边缘部署人工智能，以最快的速度和最小的延迟在本地处理本地视频，这在某些情况下为非接触式且无需收银人员的购物打下了基础。商店可以使用摄像头和边缘人工智能来检测远处的物体，并快速处理相关信息。这些数据有助于优化客户等待时间、库存货架和店内体验。
3.机器和深度学习：网络安全中的较量
不良行为者已经利用人工智能发动网络钓鱼攻击和其他恶意的网络攻击，并利用智能自动化提高网络攻击的速度、数量和种类。调研机构Forrester公司预测，网络罪犯采用Deepfake技术在2021年将使组织损失超过2.5亿美元，他们利用人工智能创造令人信服的音频和视频，并在用户的电子邮件泄露攻击中欺骗用户。
传统的网络缓解技术无法与这种复杂的方法相提并论。因此，人工智能在网络安全和攻击中的使用是Gartner公司在2020年预测的九大安全趋势之一，并指出必须加强人工智能来增强网络安全防御。
在网络安全和威胁情报中有大量的人工智能网络安全应用程序。最常见的用例包括面部和语音识别、垃圾邮件或网络钓鱼识别以及恶意软件检测。机器学习方法可用于检测电子邮件中的异常，模式识别技术可识别需要保护的受监管个人数据，无监督机器学习可对网站进行分类并识别高风险网站，无监督机器学习可在网络钓鱼和垃圾邮件尝试中发现近乎重复的网站。TrendMicro公司最近发表的一篇文章指出，端到端深度学习是检测恶意软件的解决方案。
4.目标：缓解IT警报疲劳等问题
IT组织需要考虑Ops这个主题。IDC公司指出，IT自动化是2020年人工智能增长最快的用例之一（以及药物研发和人力资源自动化）。正如DevOps研究所的首席研究总监EvelineOehrlich在最近的一篇文章中指出的那样，AIOps可以证明IT组织具有变革性，因为在IT组织中，运营环境所生成的数据太多了，使领导者的决策受到了影响。在混合云时代，这是不断增长的IT功能队列。机器学习可以解决大量经常冗余的警报，以更加实时或主动的方式帮助管理系统性能，并提供更大的端到端可见性，从而为IT团队节省时间。
为此有充分的理由将人工智能行动列入2021年十大人工智能趋势的名单。而孤立的监控系统无法跟上当今多样化的环境。Gartner公司认为AIOps有五个主要用例：性能分析、异常检测、事件关联、分析，以及IT服务管理。
PerfectobyPerforce公司首席技术官兼产品经理EranKinsbruner在最近发表的一篇文章中写道：“这些工具共同构建了一个全面的生产和运营洞察力分析层，可以在大数据和先进的现代软件架构上运行。借助基于人工智能的操作功能，团队可以专注于确定其应用程序的服务运行状况，并获得对其生产数据的控制和可视性。”
随着供应商开始提供AIOps平台解决方案，Forrester公司建议IT领导者寻求那些可以提供跨团队协作功能、端到端数字体验以及无缝集成到整个IT运营管理工具链中的解决方案。
5.机器学习：可预测的资源优化
能够预测突然变化（供应或需求、医疗保健成果、销售或客户行为）的价值越来越清晰。
在基本层面上，有监督的机器学习（特别是回归）使组织能够建立数学模型，根据一系列预测变量或输入来预测未来的结果。Perkins说，“这种方法在各个行业的商业应用非常广泛，其共同点是能够事半功倍。无论是人力资源、清单资源还是谨慎流程，机器学习都使人们能够观察和定义模式以获取以前无法获得的见解。”
这种技术的用例包括库存优化和重新订购点，可以在特定的轮班或需求期间对员工进行适当的工作安排，甚至提高销售预测的准确性。责编AJX
人工智能的十大应用场景
前言人工智能的热潮席卷全球，无数的人才涌进了人工智能行业，随着机器翻译、图像、人脸识别等领域的日渐成熟，以及近期教育行业的“双减”政策，又有很多人对人工智能的应用前景表示了担忧。今天这里整理了自己看好的、未来人工智能大有可为的十大应用场景，或许因为各种各样的原因，目前还没能完全实现，但是也正因如此，才给了广大从业者机会。
[[416306]]
智能汽车这里没有说无人车，主要是因为完全意义上的无人驾驶应该还有很长的路要走，但是人工智能辅助驾驶，特定、受限场景下的无人驾驶，比如工业园区、高速公路、灾区等等具有特殊条件的路段，可以实现无人驾驶或者是跟随驾驶，目前在某些园区已经开始投放使用无人车，而各种辅助驾驶的智能汽车也已经不断量产交付。各家厂商纷纷入局智能汽车，特别是今年，无论是所谓的BAT互联网大厂，还是华为小米乃至各种所谓造车新势力，以及很多聚焦于视觉、高精地图、雷达等等单一领域的公司，都在智能汽车这个领域发力深耕，而且大有扩张的势头。
智能机器人能够取代人类，或者像动漫《铁臂阿童木》这种智能机器人估计很难，但是各种工业机器人(搬运机器人、喷涂机器人)、服务业(物流机器人)、家用(清洁机器人、老人看护机器人)甚至是军用机器人(包括无人机)等等，都有着广泛的应用空间，同时会涉及到视觉感知、人机交互、智能定位、路径规划、智能控制等等智能算法。目前智能机器人相关公司也非常多，遍布互联网大、中、小厂、独角兽公司以及一些工业企业。
智能RPA(Roboticprocessautomation)RPA机器人主要是指计算机自动化办公，号称是可以模拟并执行日常企业办公中员工通过计算机进行的任何操作，个人感觉有点夸大了。以目前人工智能的发展水平还做不到，但是并不妨碍人工智能辅助人类办公。目前RPA主要集中在以OCR为核心的信息识别录入、财务识别报销以及以NLP为核心的信息抽取、信息审核等，以及两者结合产生的一些应用。个人感觉这块市场潜力非常大，各家也都以toB为核心打造相关产品。
智慧城市智慧城市概念非常大，甚至可以说涵盖了各行各业，人工智能在智慧城市中自然有其用武之地。个人感觉智慧城市是未来发展的方向，当前可以说有一些公司在落地智慧城市的一些项目，比如智慧社区、智慧交通等等，各地都在或多或少地开始智慧城市建设，可以预见，这将会是一项巨大的工程，而人工智能，也必将占有一席之地。
搜索引擎+智能推荐搜索引擎大家都不会陌生，曾经的互联网巨头百度就是靠搜索引擎发家的，不过随着移动互联网的到来，互联网各厂商都在搞自己的搜索引擎，而且用户也更愿意在各家的垂直领域来搜索。比如查找美食会用大众点评，查看短视频会用抖音快手，像自己在看一些技术贴的时候会选择知乎。智能推荐也是类似，像抖音、快手这样的短视频平台，百度、知乎、头条这样的信息流平台，不论未来的信息形式和载体发生如何的变化，智能推荐永远不会过时。
智能客服、虚拟主播人工客服不会被取代，但是不是所有的问题都需要人工客服，在各个平台上，包括知乎平台，智能客服已经能解决很多问题;虚拟主播感觉是在智能客服的基础上更近一步，能够生成立体人物来模拟说话，当然涉及到的技术也更为复杂，目前市面上有一些demo，但距离应用还有一段距离，不像智能客服已经达到基本可用的状态。
智能创作虚拟图像、漫画人脸等等简单应用大家都不陌生，但是这种应用其实已经是创作了，创造图像，AI写诗，都是属于智能创作。可能现在的技术还有一定的局限性，但在未来，AI作图、AI写诗、AI写文案甚至是写小说做视频，并非不可想象，因为有些小工具已经可以尝试了，我这里也听说不少大厂的团队逐渐开始布局智能创作，而阿里之前也开放了智能创作商品文案的接口。
智能医疗智能医疗已经火了好多年了，大厂、创业公司也都有很多，不过目前来看智能医疗还是不够成熟，市面上还没有标志性的产品，这说明智能还有很长的一段路要走，还需要从业人员持续深耕，但是机会也往往会在这样的场景中。
工业视觉类似缺陷检测的工业视觉已经做了很长时间了，不过大多利用的是传统图像处理相关的方法，目前人工智能+工业视觉才刚刚开始，和智能医疗有些类似，仍然需要深耕，目前已经有不少公司在布局，当然，困难肯定会有，而机会同样会有，并且我相信，在不久的将来，会出现独角兽公司称霸市场。
金融大数据无论在任何时代，金融都是位于行业金字塔的顶端。金融+人工智能很有想象空间。量化投资、风险防控等等领域仅仅才是开始。
结束语人工智能已经高速发展很多年了，经常会看到很多人吐槽人工智能落地难，但在我看来，如果说人工智能的上半场是技术的飞跃，那么人工智能的下半场则是在各个场景落地，而人工智能的下半场才刚刚开始。或许目前人工智能技术的发展遇到了各种各样的困难，但是如果能利用好这个工具，或者说在各个场景下利用好这个工具，也许才刚刚开始。敬畏科技，但也要相信科技，要相信科技能够在一定程度上帮助人类。