人工智能产业发展现状与四大趋势
随着全球新一轮科技革命和产业变革孕育兴起，人工智能等数字技术加速演进，引领数字经济蓬勃发展，对各国科技、经济、社会等产生深远影响，已成为驱动新一轮科技革命和产业变革的重要力量。近年来，各国政府及相关组织持续加强人工智能战略布局，以人工智能为核心的集成化技术创新成为重点，人工智能相关技术产业化和商业化进程不断提速，正在加快与千行百业深度融合，其“头雁”效应得以充分发挥。此外，全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识。
一人工智能的内涵与产业链
（一）人工智能的内涵
人工智能（ArtificialIntelligence）作为一门前沿交叉学科，与数学、计算机科学、控制科学、脑与认知科学、语言学等密切相关，自1956年首次提出以来，各方对其界定一直存在不同的观点。通过梳理不同研究机构和专家学者提出的相关概念，关于“人工智能”的内涵可总结如下：人工智能是指研究、模拟人类智能的理论、方法、技术及应用系统的一门技术科学，赋予机器模拟、延伸、扩展类人智能，实现会听、会看、会说、会思考、会学习、会行动等功能，本质是对人的意识和思想过程的模拟。
图1：人工智能内涵示意图
来源：火石创造根据公开资料绘制
（二）人工智能的发展历程
从1956年“人工智能”概念在达特茅斯会议上首次被提出至今，人工智能发展已经历经60余年，经历了三次发展浪潮。当前全球人工智能正处于第三次发展浪潮之中。
第一次浪潮（1956－1980年）：训练机器逻辑推理能力。在1956年达特茅斯会议上，以“人工智能”概念被提出为标志，第一次发展浪潮正式掀起，该阶段的核心是：让计算机具备逻辑推理能力。这一时期内，开发出了计算机可以解决代数应用题、证明几何定理、学习和使用英语的程序，并且研发出第一款感知神经网络软件和聊天软件，这些初期的突破性进展让人工智能迎来发展史上的第一个高峰。但与此同时，受限于当时计算机的内存容量和处理速度，早期的人工智能大多是通过固定指令来执行特定问题，并不具备真正的学习能力。
第二次浪潮（1980－2006年）：专家系统应用推广。1980年，以“专家系统”商业化兴起为标志，第二次发展浪潮正式掀起，该阶段的核心是：总结知识，并“教授”给计算机。这一时期内，解决特定领域问题的“专家系统”AI程序开始为全世界的公司所采纳，弥补了第一次发展浪潮中“早起人工智能大多是通过固定指令来执行特定问题”，使得AI变得实用起来，知识库系统和知识工程成为了80年代AI研究的主要方向，应用领域不断拓宽。
第三次浪潮（2006年至今）：机器学习、深度学习、类脑计算提出。以2006年Hinton提出“深度学习”神经网络为标志，第三次发展浪潮正式掀起，该阶段的核心是实现从“不能用、不好用”到“可以用”的技术突破。与此前多次起落不同，第三次浪潮解决了人工智能的基础理论问题，受到互联网、云计算、5G通信、大数据等新兴技术不断崛起的影响，以及核心算法的突破、计算能力的提高和海量数据的支撑，人工智能领域的发展跨越了从科学理论与实际应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。
图2：人工智能的三次发展浪潮
来源：火石创造根据公开资料绘制
（三）人工智能的产业链
人工智能产业链分为三层：基础层、技术层以及应用层。基础层涉及数据收集与运算，这是人工智能的发展基础，包括智能芯片、智能传感器、大数据与云计算等；技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，包括机器学习、类脑智能计算、计算机视觉、自然语言处理、智能语音、生物特征识别等；应用层是将人工智能技术与行业的融合发展的应用场景，包括智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗、智能教育等。
图3：人工智能产业链
来源：火石创造根据公开资料绘制
二全球人工智能产业发展现状
（一）人工智能产业规模保持快速增长
近年来人工智能技术飞速发展，对人类社会的经济发展以及生产生活方式的变革产生重大影响。人工智能正全方位商业化，AI技术已在金融、医疗、制造、教育、安防等多个领域实现技术落地，应用场景也日益丰富。人工智能的广泛应用及商业化，加快推动了企业的数字化、产业链结构的优化以及信息利用效率的提升。全球范围内美国、欧盟、英国、日本、中国等国家和地区均大力支持人工智能产业发展，相关新兴应用不断落地。根据相关统计显示，全球人工智能产业规模已从2017年的6900亿美元增长至2021年的3万亿美元，并有望到2025年突破6万亿美元，2017－2025年有望以超30％的复合增长率快速增长。
图4：2017－2025年全球人工智能产业规模（单位：亿美元）
数据来源：火石创造根据公开资料整理
（二）全球主要经济体争相布局，中美两国占据领先位置
人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。美国处于全球人工智能领导者地位，中国紧随其后，欧洲的英国、德国、法国，亚洲的日本、韩国，北美的加拿大等国也具有较好的基础。从全球各国人工智能企业数量来看，美国人工智能企业数量在全球占比达到41％，中国占比为22％，英国为11％，以上三个国家的人工智能企业数量合计占到全球的七成以上。
图5：全球人工智能企业数量分布
数据来源：中国信通院，火石创造整理
（三）公共数据集不断丰富，关键平台逐步形成
全球数据流量持续快速增长，为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速，为企业提供海量图片、语音等数据资源和相关服务。公共数据集为创新创业和行业竞争提供优质数据，也为初创企业的发展带来必不可少的资源。优势企业例如Google、亚马逊、Facebook等都加快部署机器学习、深度学习底层平台，建立产业事实标准。目前业内已有近40个各类AI学习框架，生态竞争十分激烈。中国的代表企业如科大讯飞、商汤科技利用技术优势建设开放技术平台，为开发者提供AI开发环境，建设上层应用生态。
（四）人工智能技术飞速发展，应用持续深入
近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能真正大范围地从实验室研究走向产业实践。以深度学习为代表的算法爆发拉开了人工智能浪潮的序幕，在计算机视觉、智能语音、自然语言处理等领域广泛应用，相继超过人类识别水平。人工智能与云计算、大数据等支撑技术的融合不断深入，围绕着数据处理、模型训练、部署运营和安全监测等各环节的工具链不断丰富。工程化能力持续增强，人工智能的落地应用和产品交付更加便捷高效。AI在医疗、制造、自动驾驶、安防、消杀等领域的应用持续深入，特别是新冠疫情以来，社会的数字化、智能化转型不断提速，进一步推动人工智能应用迈入快车道。
三全球人工智能产业发展趋势
（一）算法、算力和数据作为人工智能产业的底层支撑，仍是全球新一代人工智能产业的核心引擎
算法、算力和数据被全球公认为是人工智能发展的三驾马车，也是推动人工智能发展的重要基础。在算力层面，单点算力持续提升，算力定制化、多元化成为重要发展趋势；计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级，类脑芯片、量子计算等方向持续探索智能芯片的技术架构由通用类芯片发展为全定制化芯片，技术创新带来的蓝海市场吸引了大量的巨头企业和初创企业进入产业。在算法层面，Cafe框架?CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性，人工智能算法从RNN、LSTM到CNN过渡到GAN和BERT还有GPT－3等，不断涌现的新兴学习算法将在主流机器学习算法模型库中得到更高效的实现。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，催生了专业的技术服务，数据服务进入深度定制化阶段。
（二）全球新兴技术持续孕育涌现，以人工智能为核心的集成化技术创新成为重点
随着全球虚拟现实、超高清视频、新兴汽车电子等新技术、新产品将不断孕育涌现，并与人工智能加速交叉集成，推动生产生活方式和社会治理方式智能化变革的经济形态；与此同时，人工智能与5G、云计算、大数据、工业互联网、物联网、混合现实（MR）、量子计算、区块链、边缘计算等新一代信息技术互为支撑。这意味着以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。例如：人工智能与汽车电子领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统；人工智能与虚拟现实技术相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境等。
（三）新基建春风与场景赋能双轮驱动，全球泛在智能时代加速来临
在新冠肺炎疫情成为全球发展“新常态”背景下，全球主要经济体均面临经济社会创新发展和转型升级挑战，对人工智能的运用需求愈加迫切，纷纷推动人工智能与实体经济加速融合，助力实现新常态下产业转型升级。一方面，全球大力布局智能化基础设施建设和传统基础设施智能化升级，推动网络泛在、数据泛在和应用需求泛在的万物互联生态加速实现，为人工智能的应用场景向更多行业、更多领域、更多环节、更多层面拓展奠定基础；另一方面，AI应用场景建设成为国内外关注和紧抓的关键举措，面向医疗健康、金融、供应链交通、制造、家居、轨道交通等重点应用领域，积极构建符合本地优势和发展特点的人工智能深度应用场景，探索智能制造、智能物流、智能农业、智慧旅游、智能医疗、智慧城市等模式创新和业态创新，同时典型场景建设也吸引了全球资本市场的重点关注，泛在化智能经济发展时代即将到来。
（四）全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识
随着全球人工智能发展步入蓬勃发展阶段，人工智能深入赋能引发的挑战与风险广受关注，并在全球范围内掀起了人工治理浪潮。2019年6月，二十国集团（G20）批准了倡导人工智能使用和研发“尊重法律原则、人权和民主价值观”的《G20人工智能原则》，成为人工智能治理方面的首个政府间国际公约，发展安全可信的人工智能已经成为全球共识。此后，全球各国纷纷加速完善人工智能治理相关规则体系，聚焦自动驾驶、智慧医疗和人脸识别等重点领域出台分级分类的监管措施，推动人工治理从以“软法”为导向的社会规范体系，向以“硬法”为保障的风险防控制度体系转变。与此同时，面向人工智能治理体系建设和打造安全可信生态的相关需求，围绕着安全性、稳定性、可解释性、隐私保护、公平性等方面的可信人工智能研究持续升温，其理念逐步贯彻到人工智能的全生命周期之中，基于模糊理论的相关测试技术、AI结合隐私计算技术、引入公平决策量化指标的算法模型等新技术陆续涌现，产业实践不断丰富，已经演变为落实人工智能治理相关要求的重要方法论。
原文标题 : 全球视野下人工智能产业发展现状与四大趋势
2023年度全球人工智能治理趋势盘点 (完整版）
自2017年以来，加拿大、美国、中国、英国、新加坡、韩国、加拿大、欧盟、经合组织等国家或地区已陆续发布人工智能发展原则和治理准则。在2021年度，全球范围内关于人工智能治理的准则和战略进一步深化和具体，各国和地区不再仅局限于制定宏观层面的指导战略，而是日益细化至各个具体层面。美国为了确保其在人工智能领域的全球领导地位，在2021年度出台的与人工智能相关的立法和研究政策显著增加。不仅通过了国家层面的人工智能战略——2021年国家人工智能倡议法案，还正式成立了国家人工智能倡议办公室，该办公室旨在负责实施美国的人工智能国家战略，并监督和协调联邦政府与私营部门之间的研究工作。美国国家人工智能安全委员会（NSCAI）还发布了《人工智能国家安全委员会最终报告》，该报告是NSCAI为美国赢得人工智能时代的竞争而提出的战略。此外，于2021年6月8日投票《美国创新与竞争法》明确指出要通过投资来提高美国在技术领域应对中国带来的竞争的能力，并且将人工智能、机器学习等列为重点关注的关键技术。在白宫科学技术政策办公室（OSTP）和国家科学基金会（NSF）牵头之下，美国还宣布成立了国家人工智能研究资源工作组，该小组将帮助创建一个共享的国家人工智能研究基础设施，提供可访问的计算资源、高质量数据、教育工具和用户支持。而针对具体的治理领域，美国也陆续推出了一系列举措。例如，在算法治理方面，美国政府问责局（GAO）在2021年6月发布了一份确保联邦机构和其他参与人工智能系统设计、开发、部署和持续监控的实体可以负责任地使用人工智能的报告。OSTP则在2021年11月10日表示，将举办一系列活动让美国公众参与到制定与算法治理有关的法案的过程。美国国家人工智能倡议办公室主任LynneParker表示，美国在人工智能算法监管方面的愿景以欧盟的《通用数据保护条例》(GDPR)为蓝本。为了解决算法透明度和公平性方面的问题，美国联邦贸易委员会（FTC）在2021年4月发布了指南，该指南强调了FTC计划在影响消费者的算法决策方面执行透明度和公平原则的决心。在国家安全方面，美国国防部国防创新部门于2021年11月14日发布了“负责任的AI指南”，为第三方开发人员构建军用AI提供了指导。在保障劳动力就业方面，美国平等就业机会委员会（EEOC）表示该机构计划审查人工智能工具和技术如何应用于就业决策，以及旨在指导雇主公平使用人工智能技术，遵守联邦平等就业机会法。在面部识别和个人隐私方面，部分民主党参议员在2021年6月提出了暂停面部识别和生物识别技术的法案。在技术发展方面，美国国土安全部科学技术局发布了《人工智能与机器学习战略计划》，该计划提出了未来三大战略目标，即推动用于跨领域国土安全能力的下一代人工智能和机器学习技术发展；促进在国土安全任务中使用经过验证的人工智能与机器学习能力；以及建立经人工智能与机器学习技术培训的跨学科员工队伍。人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
15张图表带你速览2023人工智能最新趋势
「中国人工智能研究论文总数已经超过了美国，成为全球第一」
「人工智能初创企业获得的资本青睐越来越少」
「主流NLP系统也存在种族歧视」
这些话题都出自斯坦福大学Human-Centered人工智能研究所近期发布的「2021年人工智能指数报告」。报告内容覆盖AI研发、技术性能、经济、教育、道德、多样性以及各国相关政策和国家战略等大量内容。
这份报告长达222页，包含大量数据和图表，我们从中精选了15份图表，带你速览这份斯坦福「2021年人工智能指数报告」，了解2021年人工智能发展现状。
作者|ElizaStrickland
编译|机器之能
「2021年人工智能指数报告」由斯坦福大学Human-Centered人工智能研究所，以及来自哈佛大学，经济合作与发展组织，thePartnershiponAI合作组织和SRIInternational的11名专家组成的指导委员会共同编制。这份报告引用了大量AI研究数据，引用了包括：arXiv的AI研究数据，Crunchbase的资金数据，以及对BlackinAI和QueerinAI等团体的调查。
报告对2021年度人工智能最新的研究趋势和进展进行了总结，并分析了资本、政策对AI技术的影响，以及深度学习、图像识别、语言识别等AI主要子领域的研究。
一
人工智能的盛夏
人工智能研究工作正处在爆炸增长期：2019年全球发布了超过12万篇人工智能研究领域的同行评审论文。自2000年以来，人工智能领域论文在同行评审论文中的占比，从0.8%一路攀升至2019年的3.8%。
二
中国在人工智能研究领域取得显著成就
自2017年中国研究人员发表的同行评审论文首次超过欧洲以来，中国的人工智能研究论文数量持续上升。到2020年，中国研究人员发布的人工智能研究论文在权威期刊的引用率已经领先全球。
AI指数指导委员会联合主任JackClark表示，这些数据对中国来说似乎是「学术成功的指标」，也在一定程度上映射出不同国家在人工智能生态体系建设方面的现状。他认为研究论文更像是一种学术权威认证，一个领域的学术性越弱，其行业实用性可能会越强。他指出：「中国有获得期刊出版物的明确政策，政府机构在研究中发挥更大的作用，而在美国，大部分这方面的研发主要集中在企业内部。」
三
快速训练=更好的AI
MLPerf以训练速度与硬件的关系为基础，分析了机器学习的系统性能，客观地对机器学习系统性能进行排名。通过对各种图像分类器系统在标准ImageNet数据库上进行培训，并根据训练时间进行排名。2018年，训练最佳系统需要6.2分钟；2020年，培训最佳系统需要47秒。这一进步也得益于近年来机器学习专用芯片的快速发展。
报告认为，硬件加速对机器学习的影响至关重要。系统训练耗时几秒和几小时的差别巨大，这种差异直接影响着研究人员的想法，以及研究的类型和数量，以及它可能影响到的研究风险。
四
AI不能理解「喝咖啡」？
在过去的几年里，人工智能在静态图像识别方面的进展突飞猛进，而计算机视觉未来必将朝着视频识别的方向发展。研究人员正在构建可以从视频剪辑中识别各种活动的系统，因为如果将机器视觉应用到现实世界（例如自动驾驶汽车、监控摄像头等），这种类型的识别可能会大有用处。计算机视觉性能的基准之一是ActivityNet数据集，其中包含来自2万个视频的近650小时镜头。在其中显示的200项日常生活活动中，人工智能系统在2019年和2020年都很难识别「喝咖啡」这项活动。这似乎是一个主要问题，因为喝咖啡是所有其他活动的基本活动。无论如何，这是未来几年值得关注的领域。
五
自然语言识别需要更难的测试
自然语言处理（NLP）的迅速崛起似乎遵循了计算机视觉的轨迹，在过去十年中，计算机视觉从学术领域的分支专业发展成为广泛的商业部署。今天的NLP也由深度学习驱动，JackClark认为，NLP继承了计算机视觉工作的策略，例如对大型数据库的训练和特定应用程序的微调。他说：「我们看到这些创新非常迅速地流向人工智能的另一个领域。」
JackClark表示，衡量NLP系统的性能正在变得很棘手，学术界一直在研发更为困难的AI测试系统和指标，但无论何种系统总会在六个月内出现新的AI击败它。这份图表显示了两个版本的阅读理解测试SQuAD的表现，人工智能语言模型必须根据一段文本回答多项选择题。2.0版通过包含无法回答的问题来使任务更加困难，模型必须识别这些问题，并且不回答。一个模型在第一个版本上花了25个月才超过人类的性能，但另一个模型只花了10个月就完成了更艰巨的任务。
六
NLP也存在「种族歧视」
语音识别和文本生成等任务的语言模型总的来说已经非常完善了。但即便在主流的成熟商业NLP系统中仍存在认知偏差，如果这些问题不得到解决，则可能会严重影响这些技术的商业应用。
例如AI系统也存在种族歧视问题，图表显示了几款较为成熟的商业化语音识别程序的错误率。
虽然系统存在认知偏差，但大多数研究人员只注重系统性能，而很少有人会去注意到这种偏差。这个问题在未来很可能会阻碍各种形式的人工智能发展，包括计算机视觉和决策支持工具。
七
AI就业市场全球化
据LinkedIn数据显示，从2016年到2020年，巴西、印度、加拿大、新加坡和南非的人工智能岗位增长最快。而这并不意味着这些国家的绝对就业机会最多（美国和中国仍占据AI就业机会的首位），但这些国家对人工智能的投入将会对人工智能技术以及整个社会的发展产生积极影响。LinkedIn发现，2020年的全球疫情并未对AI领域的工作岗位招聘造成丝毫影响。
值得注意的是，印度和中国的人才对LinkedIn的应用并不广泛，因此这些国家的人才市场状况在LinkedIn上的数据并不具有充分的代表性。
八
企业对AI的投资热度「不想停，也不会停」
自2015年以来大量资金持续涌入人工智能领域。2020年，全球企业对人工智能的投资飙升至近680亿美元，比前一年增长40%。
九
创业狂潮接近尾声
从前面一张图表可以看出，AI领域的企业投资持续增长，但在增长的背后，却是增速逐年放缓。这张图表显示，AI初创企业得到的投资越来越少。虽然疫情可能对初创企业的活动产生了影响，但AI初创企业数量下降的明显趋势始于2018年，从好的方面来看，这似乎是行业正在逐步走向成熟的信号。
十
新冠病毒带来的影响
虽然人工智能的许多趋势在很大程度上没有受到全球疫情的影响，但这张图表显示，2020年的AI投资更偏向于全球应对新冠病毒中发挥重要作用的单位。制药相关公司投资的激增就很好的说明了这一点。而对教育技术和游戏的投资增长，也与2020年疫情隔离导致人们把更多时间花费在电脑前有直接关系。
十一
风险？有风险吗？
大量企业在电信、金融服务和汽车等行业稳步增加人工智能工具的应用。然而，大多数公司似乎不知道或不关心这项新技术带来的风险。麦肯锡在一项研究中调查了企业对AI应用相关风险的认知，只有网络安全风险受到了半数以上受访者的关注。与人工智能相关的伦理问题，如隐私和公平，是当今人工智能研究领域最热门的话题之一，然而这些问题并未引起企业的足够重视。
十二
AI领域的博士们正在涌入企业
AI领域的学术工作有限，虽然高校增加了本科生和研究生级别的人工智能相关课程，终身制教师职位也相应增加，但学术界仍然无法吸收逐年新增的AI博士。这份图表仅代表北美地区的AI博士毕业生，这些毕业生中的绝大多数正在流向AI企业。
十三
AI的伦理问题
如前所述，很多公司对人工智能的伦理问题重视程度不足，但研究人员对此越来越关心。许多团体正在研究人工智能系统的不透明决策（称为可解释性问题），嵌入偏见和歧视，以及隐私入侵等问题。这份图表显示了人工智能会议上伦理问题的相关论文正在逐年增加，JackClark认为这非常值得高兴。他指出，由于有这么多学生参加这些人工智能会议，几年后，将有大量关注AI伦理的从业者进入行业。
然而，除了会议文件的增加外，在这一问题上业界并没有其他突出的进步。报告强调，人工智能系统中的偏差量化测试才刚刚开始出现。JackClark说，「这些评估体系，就像人工智能科学领域的一个新分支。」
十四
多样性问题（1）
解决人工智能系统中嵌入的偏见和歧视的一种方法是确保构建人工智能系统的群体的多样性。这不是一个激进的概念。然而，报告称，在学术界和行业，人工智能劳动力「仍然以男性为主」。这张图表来自美国计算机研究协会年度调查，数据显示，在北美人工智能相关的博士课程的毕业生中，女性仅占约20%。
十五
多样性问题（2）
来自同一调查的数据讲述了一个关于种族/民族身份的类似故事。这个问题在即将毕业的博士生中似乎相当明显，有许多优秀的科学、技术、工程和数学项目都以女孩和少数族裔为重点。这使我们想到了AI4ALL组织，或许社会可以更加关注这些群体，给他们更多的资助，或者以某种方式参与其中。
参考链接：
https://aiindex.stanford.edu/wp-content/uploads/2021/03/2021-AI-Index-Report_Master.pdf
https://spectrum.ieee.org/tech-talk/artificial-intelligence/machine-learning/the-state-of-ai-in-15-graphs
机器之能面向正在进行数字化转型及智能化升级的各领域产业方，为他们提供高质量信息、研究洞见、数据库、技术供应商调研及对接等服务，帮助他们更好的理解并应用技术。产业方对以上服务有任何需求，都可联系我们。
zhaoyunfeng@jiqizhixin.com
原标题：《15张图表带你速览2021人工智能最新趋势》
阅读原文
2023年人工智能的四大趋势
来源：工信头条
PART Ⅰ
前沿资讯
2021年人工智能的四大趋势
美国《福布斯》双周刊网站刊载题为《2021年人工智能的四大趋势》的报道，作者系伯纳德·马尔，文章根据当下形势，预测了明年人工智能的四个趋势。
在2020年全球疫情暴发和世界被彻底颠覆之前，人工智能，尤其是人工智能的分支——机器学习（ML）——已经在广泛扰乱几乎所有行业。
新冠病毒疫情对我们行为方式的许多方面产生了影响，但它并没有削弱人工智能对我们生活的影响。
事实上，有一点已经变得显而易见，即自学算法和智能机器将在当下抗击这场疫情的战斗中和我们在未来可能面对的其他事件中发挥重大作用。
当谈到挑选在不远的将来将改变我们生活、工作和玩耍方式的技术时，人工智能无疑仍是一个关键趋势。
为此，我们在下面概述了在我们重建生活以及重新思考商业战略和优先事项的这一年里，我们可以期待什么。
01
更智能的大数据分析
在当下的这场疫情中，我们亲眼目睹了迅速分析和解读病毒在全世界传播的相关数据的迫切需要。各国政府、全球卫生机构、学术研究中心和业界共同制定收集、汇总和利用信息的新方法。
技术进步是这场疫情（尚）未像1918年西班牙大流感那样造成那么多人死亡的主要原因。多达5000万人在那场疫情中丧生。从医疗技术和医疗标准的进步，到通讯技术的进步，它们使我们能够更快发现疫情和实施封锁。明年，人工智能将被列入使我们能够更有效应对疫情的技术发展清单。
仅科学和医学文献的数量就大幅增加，今年4月之前就发表了28000多篇与新冠病毒有关的论文。
目前还在进行开发人工智能解决方案的工作，以帮助处理癌症等大量积压的其他医学问题，这些疾病的治疗因资源被转用于抗击新冠病毒而受到影响。明年，我们很可能会看到人工智能在其他许多医疗领域被加速采用，而不仅是应对病毒。
通过发展我们的能力来把机器学习解决问题技术应用到这些庞大、实时的全球数据集，我们将更容易发现疫情，跟踪密切接触者，实现更准确的诊断，并通过预测病毒未来可能演化的方式，开发更有效和持久的疫苗接种。
02
自动检测和预防
我们已经看到在包括美国在内的几个司法管辖区使用无人机来至少检验无人机是否有可能被用来监视人们是否遵守了保持社交距离的准则。更先进的应用即将出现——比如能够检测出人群中有人出现发热等新冠肺炎症状的无人机。这些系统利用计算机视觉技术分析无人机上的摄像头获取的数据，并向相关部门或当地管理人员通报有关病毒传播的统计数据和概率。
另一个相关的发展领域将是使用面部识别技术，这种技术也由计算机视觉算法提供动力。面部识别比较有争议的一点是，它把重点放在识别个体、而非人群中的模式，因此警方利用这项技术来发现逃避封锁和隔离的人，并追踪人群中出现症状的个体活动。
03
预测行为变化
我们的生活、工作和社交方式受到了新冠病毒蔓延的巨大影响。虽然在社会的许多方面都已经出现了稳定和强劲的数字化趋势，但今年我们目睹了一场热潮。
亚马逊公司2020年第二季度的销售额比去年同期增长了40%，就连那些迄今为止一直避免在线零售的公司也被迫重新评估自己的选择。
人工智能工具和平台已经在帮助企业了解客户适应新现实的方式。此前在商业和关系培养方面对数字渠道的采用滞后的机构逐渐认识到这种局面的紧迫性，并在迅速掌握行为分析和个性化等概念。
在2021年，让组织自助获取这项技术的工具将越来越流行，因为中小型企业正在寻求建立自己的竞争优势。
04
把下一次疫情消灭在萌芽状态
大多数人工智能算法都是针对预测的，人工智能辅助流行病学研究的必杀技将是建立能够准确预测未来疫情何时、何地暴发的系统。
这项研究已经进行了一段时间，事实上，一些关于当前疫情的最早警报是由人工智能生成的。
我们可以预计，人工智能研究将在未来18个月取得进一步突破，从而提高我们发现和应对病毒暴发危险的能力。然而，要做到这一点，还需要各国政府和私营企业之间持续不断的全球合作。
PART Ⅱ
资讯精选
01
2020中国品牌价值100强揭晓
2020中国品牌价值100强揭晓TCL居全国电视机制造业第一位。
中国品牌价值100强研究始于1994年，已经连续进行了26年，是国内最早也是持续时间最长的关于品牌价值比较的专业研究，目的是推进中国企业创建自主品牌。
近年来，中国大陆显示面板产业发展成绩显著，逐渐接过LCD的话语权，超大屏和高端显示产品的需求高涨，以TCL华星光电为代表的厂商都积极布局，引领行业发展。
02
工信部：将支持动力电池领域
关于政府主导创建动力电池产业引导基金，对全产业链进行创新金融支持的提案，工信部在答复函指出，工信部推动设立的国家制造业转型升级基金，已于2019年11月注册。基金按照所有权和管理权分离的原则，建立了符合市场规律的公司治理制度和运行机制，具体运营管理由专业基金管理公司负责，实行市场化运作、专业化管理，以市场化手段破解制造业融资难题，重点投向相关领域成长期和成熟期企业。下一步，工信部将积极引导基金对动力电池领域符合国家战略、具有优势的重点项目和骨干企业给予关注和支持。
03
“双11”网商银行或垫资超过2千亿元
10月21日，天猫“双11”启动预售。对于对中小商家来说，今年与往年最大的不同是，实现账期自由。从蚂蚁集团获悉，网商银行已推出“负账期”举措，消费者参加“双11”活动预售支付定金，商家就能收到网商银行垫付的全款，账期缩短20多天。网商银行方面称，预计今年“双11”期间将为商家垫资超2000亿元。
04
“第三国装配/生产”或触发欧盟反规避调查
欧盟委员会近年来在其调查实践中不断调整和完善针对中国企业的反倾销反补贴调查方法，出现了一些值得关注的重大变化，如在涉及价格和成本“严重扭曲”的案件调查中，采取类似美国商务部的“生产要素法”计算正常价值。2019年3月，欧盟对50家中国日用陶瓷企业发起反规避调查，这也是欧盟首次大规模地对原审中获得优惠税率的应诉企业发起反规避调查。2019年在没有欧盟产业提出申请的情况下，欧盟委员会依其职权主动发起了四起反规避调查案件，而且四起案件全部涉及中国产品。可以预见，随着欧盟调查的深入、调查方法的丰富，中国企业在“第三国装配/生产”也极可能面临欧盟反规避调查的风险。
05
重庆国飞的灭火无人机解决世界性难题
高层建筑灭火救援，因为“到不了、靠不上、够不着”的“痛点”，一直是公认的世界性难题。经过八年的艰苦研发，重庆国飞通用航空设备制造有限公司曹兵团队又从市场需求出发，研发出了电动高层消防灭火无人机。该无人机载重量大、抗风力强、续航时间长，可搭载干粉25千克，一分钟能扑灭100立方米大火，获得32项专利，其中发明专利12项，技术壁垒和仿制难度极高。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
福布斯：2023年人工智能的四大趋势
更智能的大数据分析
在当下的这场疫情中，我们亲眼目睹了迅速分析和解读病毒在全世界传播的相关数据的迫切需要。各国政府、全球卫生机构、学术研究中心和业界共同制定收集、汇总和利用信息的新方法。
技术进步是这场疫情（尚）未像1918年西班牙大流感那样造成那么多人死亡的主要原因。多达5000万人在那场疫情中丧生。从医疗技术和医疗标准的进步，到通讯技术的进步，它们使我们能够更快发现疫情和实施封锁。
2021年，人工智能将被列入使我们能够更有效应对疫情的技术发展清单。仅科学和医学文献的数量就大幅增加，2020年4月前就发表了28000多篇与新冠病毒有关的论文。
目前还在进行开发人工智能解决方案的工作，以帮助处理癌症等大量积压的其他医学问题，这些疾病的治疗因资源被转用于抗击新冠病毒而受到影响。2021年，我们很可能会看到人工智能在其他许多医疗领域被加速采用，而不仅是应对病毒。
通过发展我们的能力来把机器学习解决问题技术应用到这些庞大、实时的全球数据集，我们将更容易发现疫情，跟踪密切接触者，实现更准确的诊断，并通过预测病毒未来可能演化的方式，开发更有效和持久的疫苗接种。
02
自动检测和预防
我们已经看到在包括美国在内的几个司法管辖区使用无人机来进行监测人们是否遵守了保持社交距离的准则。更先进的应用即将出现——比如能够检测出人群中有人出现发热等新冠肺炎症状的无人机。
这些系统利用计算机视觉技术，分析无人机上的摄像头所获取的数据，并向相关部门或当地管理人员通报有关病毒传播的统计数据和概率。
另一个相关的发展领域将是使用面部识别技术，这种技术也由计算机视觉算法提供动力。面部识别比较有争议的一点是，它把重点放在识别个体、而非人群中的模式，因此警方利用这项技术来发现逃避封锁和隔离的人，并追踪人群中出现症状的个体活动。
▲当然，无人机在抗击新冠肺炎期间还有更多作用和意义。图源|极飞科技
03
预测行为变化
我们的生活、工作和社交方式受到了新冠病毒蔓延的巨大影响。虽然在社会的许多方面都已经出现了稳定和强劲的数字化趋势，但2020年我们目睹了一场热潮。
亚马逊公司2020年第二季度的销售额比去年同期增长了40%，就连那些迄今为止一直避免在线零售的公司也被迫重新评估自己的选择。
人工智能工具和平台已经在帮助企业了解客户适应新现实的方式。此前在商业和关系培养方面对数字渠道的采用滞后的机构逐渐认识到这种局面的紧迫性，并在迅速掌握行为分析和个性化等概念。在2021年，让组织自助获取这项技术的工具将越来越流行，因为中小型企业正在寻求建立自己的竞争优势。
04
把下一次疫情消灭在萌芽状态
大多数人工智能算法都是针对预测的，人工智能辅助流行病学研究的必杀技将是建立能够准确预测未来疫情何时、何地暴发的系统。这项研究已经进行了一段时间，事实上，一些关于当前疫情的最早警报是由人工智能生成的。
我们可以预计，人工智能研究将在未来18个月取得进一步突破，从而提高我们发现和应对病毒暴发危险的能力。然而，要做到这一点，还需要各国政府和私营企业之间持续不断的全球合作。
原文：福布斯、新华社
作者：伯纳德·马尔
文章转自高校大数据与人工智能推进联盟，图片来源网络
原文：福布斯、新华社
作者：伯纳德·马尔
文章转自高校大数据与人工智能推进联盟，图片来源网络
之前给大家分享过，我们国家在抗击新冠肺炎时的黑科技，没看过的戳这里哦☞【硬核抗疫！盘点抗击新冠肺炎的十大黑科技】，请大家相信国家，相信未来。
▲依图联合创始人、CEO朱珑博士在接受央视记者采访时对科技与时代的评价。图源|每日人物
人工智能将推动经济
向智能化加速跃升！返回搜狐，查看更多
2023年人工智能的四大发展趋势 人工智能的未来趋势如何
2021人工智能发展四大趋势，是的，人工智能现在已经渗透进了我们生活的角角落落，有人说：人工智能就是未来的发张趋势。所以今天小编特意整理了关于人工智能的未来趋势如何的相关信息，快随可圈可点网小编一起来看看吧。
2021年人工智能的四大发展趋势美国《福布斯》双周刊网站刊载题为《2021年人工智能的四大趋势》的报道，作者系伯纳德·马尔，文章根据当下形势，预测了明年人工智能的四个趋势。
在2020年全球疫情暴发和世界被彻底颠覆之前，人工智能，尤其是人工智能的分支——机器学习(ML)——已经在广泛扰乱几乎所有行业。
新冠病毒疫情对我们行为方式的许多方面产生了影响，但它并没有削弱人工智能对我们生活的影响。
事实上，有一点已经变得显而易见，即自学算法和智能机器将在当下抗击这场疫情的战斗中和我们在未来可能面对的其他事件中发挥重大作用。
当谈到挑选在不远的将来将改变我们生活、工作和玩耍方式的技术时，人工智能无疑仍是一个关键趋势。
为此，我们在下面概述了在我们重建生活以及重新思考商业战略和优先事项的这一年里，我们可以期待什么。
01更智能的大数据分析
在当下的这场疫情中，我们亲眼目睹了迅速分析和解读病毒在全世界传播的相关数据的迫切需要。各国政府、全球卫生机构、学术研究中心和业界共同制定收集、汇总和利用信息的新方法。
技术进步是这场疫情(尚)未像1918年西班牙大流感那样造成那么多人死亡的主要原因。多达5000万人在那场疫情中丧生。从医疗技术和医疗标准的进步，到通讯技术的进步，它们使我们能够更快发现疫情和实施封锁。明年，人工智能将被列入使我们能够更有效应对疫情的技术发展清单。
仅科学和医学文献的数量就大幅增加，今年4月之前就发表了28000多篇与新冠病毒有关的论文。
目前还在进行开发人工智能解决方案的工作，以帮助处理癌症等大量积压的其他医学问题，这些疾病的治疗因资源被转用于抗击新冠病毒而受到影响。明年，我们很可能会看到人工智能在其他许多医疗领域被加速采用，而不仅是应对病毒。
通过发展我们的能力来把机器学习解决问题技术应用到这些庞大、实时的全球数据集，我们将更容易发现疫情，跟踪密切接触者，实现更准确的诊断，并通过预测病毒未来可能演化的方式，开发更有效和持久的疫苗接种。
02自动检测和预防
我们已经看到在包括美国在内的几个司法管辖区使用无人机来至少检验无人机是否有可能被用来监视人们是否遵守了保持社交距离的准则。更先进的应用即将出现——比如能够检测出人群中有人出现发热等新冠肺炎症状的无人机。这些系统利用计算机视觉技术分析无人机上的摄像头获取的数据，并向相关部门或当地管理人员通报有关病毒传播的统计数据和概率。
另一个相关的发展领域将是使用面部识别技术，这种技术也由计算机视觉算法提供动力。面部识别比较有争议的一点是，它把重点放在识别个体、而非人群中的模式，因此警方利用这项技术来发现逃避封锁和隔离的人，并追踪人群中出现症状的个体活动。
03预测行为变化
我们的生活、工作和社交方式受到了新冠病毒蔓延的巨大影响。虽然在社会的许多方面都已经出现了稳定和强劲的数字化趋势，但今年我们目睹了一场热潮。
亚马逊公司2020年第二季度的销售额比去年同期增长了40%，就连那些迄今为止一直避免在线零售的公司也被迫重新评估自己的选择。
人工智能工具和平台已经在帮助企业了解客户适应新现实的方式。此前在商业和关系培养方面对数字渠道的采用滞后的机构逐渐认识到这种局面的紧迫性，并在迅速掌握行为分析和个性化等概念。
在2021年，让组织自助获取这项技术的工具将越来越流行，因为中小型企业正在寻求建立自己的竞争优势。
04把下一次疫情消灭在萌芽状态
大多数人工智能算法都是针对预测的，人工智能辅助流行病学研究的必杀技将是建立能够准确预测未来疫情何时、何地暴发的系统。
这项研究已经进行了一段时间，事实上，一些关于当前疫情的最早警报是由人工智能生成的。
我们可以预计，人工智能研究将在未来18个月取得进一步突破，从而提高我们发现和应对病毒暴发危险的能力。然而，要做到这一点，还需要各国政府和私营企业之间持续不断的全球合作。
人工智能的未来趋势如何人工智能已经在不知不觉间悄然而至，等我们发现的时候，它已经渗透到了我们的生活中，甚至影响着整个世界。人工智能的未来有无限种可能，它的未来也在改变着人类的未来。
如果互联网改变了信息基础设施，那么移动互联网就改变了资源的配置方式。互联网就像是末梢神经一样深入了人类生活的方方面面，不仅产生了科学家朝思暮想的大量数据，而且催生出了云计算方法，汇总了千万台服务器的计算能力，令计算能力有了飞速的提高。
之前科学家发明的“机器学习”方法在互联网领域大显神通，从根据用户的兴趣自动推荐阅读、购物信息，到更准确的语音识别、网络翻译，互联网变得越来越智能化。人工智能正在筹备一场堪比技术革命的大变革。
在面对这样的变革时，有很多科技领军人物都在讨论它有可能带来哪些潜在的风险，与此同时，也有不少业界人士质疑它兑现奇迹的能力。于是，在舆论领域有两种声音萦绕在我们耳畔：一种是只要人工智能陷入发展的低谷，就又会听到“这只不过是换了种套路的创新泡沫而已”;另一种是只要人工智能达到发展的高峰，就会听到“人类将被机器统治”的担忧。
在面对这样一个快速发展的新技术时，一定是见仁见智的。但是我深信不疑的是，我们既不能低估它的长期影响力，也不能高估它的短期作用力。
从纵向发展的角度来说，人工智能通常被分为三个阶段：第一个阶段是弱人工智能，第二个阶段是强人工智能，第三个阶段是超人工智能。但是事实上，目前不论多先进的AI技术，都属于第一阶段，只能做到在某个领域跟人差不多，但是不能超越人类。
综上就是可圈可点网小编整理的全部关于2021人工智能发展四大趋势和人工智能的未来趋势如何的内容，想了解更多人工智能的资讯请持续关注我们可圈可点网哦，最后，感谢您的阅读!