人工智能技术在航天工程领域的应用体系研究
图1航天领域人工智能技术发展
Fig.1Developmentofartificialintelligencetechnologyinspacefield
人工智能在航天领域应用主要集中在星上数据处理与解译、自主任务规划、自主故障检测、多星协同以及空间机器人等方向，其中以美国的研究最具代表性，开展了一系列智能航天系统试验和计划：①战术卫星-3(TacSat-3)的运载管理试验中对自动推理系统的行为问题进行了研究，自动推理系统主要用于故障检测和诊断[6]；②2006年发射的技术卫星-21(TechSat-21)用于演示编队飞行及在轨自主技术，以提高快速响应能力和改进操作效率，其自动科学与航天器(ASE)软件被安装在卫星上用于实现在轨任务规划、调度与执行，以及在轨观测规划分配[7]；③美国天基监视系统具有全天时持续工作能力，可以快速扫描、发现、识别、跟踪低轨至高轨目标，支持卫星在轨性能升级，如探测更小的目标、自动跟踪感兴趣目标以及提高系统使用效率等[8]；④NASA的深空探测计划中[9-10]，深空1号(DS-1)验证了部分自主技术，包括自主导航技术、自主远程代理技术、自主软件测试技术和自动代码生成技术，实现了一定程度的自主规划、诊断和恢复能力；2017年，NASA宣布用开普勒探测器发现了第二个“太阳系”，采用了Google提供的AI模型对探测器拍摄的天文图像进行分析；全新一代火星漫游车“火星2020”，能够自主避障，自主选择兴趣目标、探测条件和最佳探测方案。NASA未来的深空无人探测器，欧罗巴快帆计划和彗星漫游项目等都将全面具备AI能力。
经过近40年的发展，国外航天领域的智能化具备了初步自主任务规划能力、一定水平的自主识别分类能力以及空间机器人初步具备了“弱”智能。我国在航天器故障分析、任务设计和规划、自主决策、智能机器人、集群智能等领域积累了一定的研究基础[11-16]，总的来说，人工智能技术应用还非常有限，研究方向较为零散，对人工智能在航天领域的应用还缺乏整体认识与系统规划。
2航天领域人工智能分级标准及定义
目前，学术界和产业界均未对航天领域人工智能应用提出相应的划分标准。本文从体系、系统、分系统等层次提出了初步的分级标准，如表1所示，主要划分为4个等级，分别为无人工智能、分系统程控化、单星系统智能化和体系智能化，具体定义如下：
(1)无人工智能。按照任务目标，设计、研发和构建卫星系统，由人工按照既定清单和任务指令完成系统任务。
(2)分系统程控化。按照任务目标，设计、研发和构建卫星系统，在部分模块、产品、分系统层面使用程控化、自动化等技术，完成一些规律性、重复性的工作，减少人工参与造成的失误。
(3)单星系统智能化。单星系统能够根据需要对卫星系统的功能、性能进行有条件的调整和优化，地面实现全程无人参与，天地自主协同。
(4)体系智能化。航天体系具备从任务给定到结果输出全程无人参与，能够实现天地智能协同、天基资源智能调配，适应突发情形自主判断、决策，最终达到优于人工参与或不亚于人工参与的能力。
表1航天领域人工智能应用分级标准
Table1Classificationstandardofartificialintelligenceapplicationinspacefield
3智能航天体系概念内涵3.1概念
以功能、性能的弹性可重构的思路完成航天器的设计、研发，按照空间组网、功能齐备、统筹优化方式完成空间航天体系建设，具备智能感知、主动认知、自动控制、自主管理、互联互通和重构升级等一系列智能化基础能力，实现在给定任务目标后，能够适应未曾预料情形，在无人参与条件下，自主调配天地系统软硬件资源，自主完成使命任务，包括任务解析、联合任务规划、评估、信息快速精确获取与传递、与其他应用系统全方位自主铰链服务等，最终达到实现的航天任务目标优于人工参与或不亚于人工参与的能力。
3.2内涵和特征
(1)完备性。具备全域到达能力、全要素保障能力、全手段感知能力、全链路通信能力、全方位铰链服务、全流程智能化能力。
(2)智能化。从给定任务目标到任务目标的实现，全程无人工参与，全部依托体系内资源自行判断、决策。
(3)适应性。能够适应未曾预料情形，自主完成任务目标。
(4)准确性。能够确保目标和结果的准确性。
3.3体系要素
智能航天体系主要包括五大要素：
(1)智能航天制造。包括卫星智能研制、运载智能研制，地面系统智能化。
(2)智能体系构建。包括智能卫星发射、智能空间组网、智能在轨处理、智能状态监测、智能维修重置等。
(3)智能目标规划。包括智能目标理解、智能任务清单生成等。
(4)智能任务实施。包括智能任务规划、智能资源调度、智能环境感知、智能信息支援、智能服务铰链等。
(5)智能效能评估。包括智能数据处理、智能效果评估、智能结果反馈等。
图2智能航天体系要素
Fig.2Elementsofintelligentspacesystem
4智能航天体系架构设想4.1需求分析
(1)天基信息自动化保障需求。航天地面处理与应用系统均有不同程度的人为参与，人工环节多，机器对机器的闭环控制回路尚未打通。影响天基信息保障的自动化、时效性、客观性。
(2)自主星上处理、星间协同、在轨服务能力需求。天基计算存储共享环境尚未构建，实现自主星上处理、星间协同、在轨数据直接服务到用户的设想还存在差距。
(3)自适应、自组织、自学习、自提升等智能化应用能力需求。目前航天自动化还停留在低级智能阶段，知识库、样本库、规则库、特性库、算法库建设和天基大数据积累有待加强。
(4)航天体系效能最优化需求。对体系布局、协同配合、流程优化、软环境建设、软潜能挖掘不够，影响总体性能、体系效能发挥。
4.2设计原则
(1)性能优异。实现体系能力弹性设计、天基资源配置合理优化、地基资源高度集成智能。
(2)安全性强。实现高级别的安全体系架构和高安全保护等级。
(3)可用性好。确保系统在一个或部分节点出现不可预期问题时，整体依然可用。
(4)可扩展性。当增加功能时，实现可持续扩展或能力提升，确保对体系更改或变动影响最小。
(5)智能性高。系统具备深度学习、自我进化的能力，不断提高完成任务目标的能力。
4.3体系架构初步设想
面向智能航天发展需求，从基础设施、算法、体系和应用4个层次构建智能航天体系，如图3所示，各层次具体内容包括：
(1)基础设施层。包括底层基础和物理形态。底层基础包括长期累积空间大数据，包括产生目标库、特征库、算法库、规则库、样本库、知识库等数据库，以及天基计算存储共享环境等；物理形态包括天地一体化综合平台，如通信网络、时空基准、环境感知、与其他资源铰链平台和一体化地面支持系统等。
(2)算法层。包括基于机器学习、深度学习的智能航天应用基础算法。机器学习通过利用底层基础的大数据统计，分析导出规则或流程用于解释数据或预测未来数据；深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而建立从底层信号到高层语义的映射。
图3智能航天体系架构设想
Fig.3Preliminaryconceptionofintelligentspacearchitecture
(3)系统层。包括智能弹性空间系统和智能任务规划、实施和评估系统。智能弹性空间系统需要完成大型空间节点与星群节点综合配置，星间物联系统构建；智能任务规划、实施和评估系统运用智能处理技术，依托地面处理中心或天基信息港进行联合任务规划与评估，构建智能航天应用，缩短任务目标到实施评估的决策响应时间。
(4)应用层。提供天基网络能力、云导航能力、智能环境感知能力和智能应用与服务等能力。
5结束语
当前，各航天强国为抢占航天制高点都在推出人工智能在航天领域应用的强有力政策，政策机遇和技术挑战并存。针对我国当前航天领域人工智能研究较为零散，系统性不够，对智能航天体系认识不充分等问题，本文从顶层设计出发，研究提出智能航天体系框架，构建“AI+航天系统”综合体系，全面系统梳理了智能航天发展的能力需求与重点方向，可为提前布局智能航天基础设施、算法、体系和应用等各层次的研究，推动智能航天发展提供参考。
参考文献（References）
[1]李修全，蒋鸿玲.美日欧政府发展人工智能的新举措及对我国的启示[J].全球科技经济瞭望,2016,31(10):73-76
LiXiuquan,JiangHongling.RecentactionsofforeigngovernmentsforAIfutureandenlightenmenttoChina[J].GlobalScience,TechnologyandEconomyOutlook,2016,31(10):73-76(inChinese)
[2]HoldrenJP,BruceA,FeltenE,etal.Thenationalartificialintelligenceresearchanddevelopmentstrategicplan[R].WashingtonD.C.:NationalScienceandTechnologyCouncil,2016
[3]UweH.￡2.8billiontostrengthenEUleadinrobotics[DB/OL].[20-03-20].http://www.eu-robotics.net/cms/upload/PPP/28_05_2014_SPARC_Press_Release_English.pdf
[4]中华人民共和国国务院.新一代人工智能发展规划[M].北京:人民出版社,2017
StateCouncilofthePeople’sRepublicofChina.Newgenerationartificialintelligenceresearchanddevelopmentplan[M].Beijing:People’sPublishingHouse,2017(inChinese)
[5]冯健翔.人工智能及其航天应用概论[M].北京:宇航出版社,1999:21-22
FengJianxiang.Artificialintelligenceandit’sspaceapplication[M].Beijing:ChinaAstronauticsPress,1999:21-22(inChinese)
[6]庞之浩.美国战术卫星系列试验卫星[J].国际航空,2007(3):2-3
PangZhihao.TestSatelliteofTacticalSatelliteSeries[J].InternationalAviation,2007(3):2-3.(inChinese)
[7]MauriceMartin,SteveKilberg.TechSat-21andrevolutionizingspacemissionsusingmicrosatellites[C]//TheProceedingoftheAIAASmallSatelliteConference,WashingtonD.C.:AIAA,2001:1-3
[8]汤泽滢,黄贤锋,蔡宗宝.国外天基空间目标监视系统发展现状与启示[J].航天电子对抗,2015,31(2):24-30
TangZeying，HuangXianfeng，CaiZongbao.Developmentstatusandenlightenmentofforeignspace-basedspacesurveillancesystems[J].AerospaceElectronicWarfare,2015，31(2)24-30(inChinese)
[9]李虹琳.美国的载人小行星和火星探测[J].中国航天,2014(8):45-50
LiHonglin.MannedasteroidsandMarsexplorationintheUnitedState[J].AerospaceChina.2014(8):45-50(inChinese)
[10]尹怀勤.美国出台新的探测木卫二计划[J].太空探索,2017(6):22-25
YinHuaiqin.NewEuropadetectionprogramintheUnitedState[J].SpaceExploration，2017(6):22-25(inChinese)
[11]张威,魏炳翌,闻新.国内航天器故障诊断技术应用状况分析与展望[J].航空兵器,2017(4):67-75
ZhangWei,WeiBingyi,WenXin.ApplicationstatusanalysisandprospectonspacecraftfaultdiagnosistechnologyinChina[J].AeroWeaponry,2017(4):67-75(inChinese)
[12]吕红,苏云,陈晓丽，等.一种基于人工智能技术的卫星遥感载荷系统方案[J].航天返回与遥感,2014,35(3):43-49
LyuHong,SuYun,ChenXiaoli,etal.Aschemeofsatelliteremotesensingpayloadsbasedonartificialintelligence[J].SpacecraftRecovery&RemoteSensing,2014,35(3):43-49(inChinese)
[13]张兵.智能遥感卫星系统[J].遥感学报,2011,15(3):1-3
ZhangBing.Intelligentremotesensingsatellitesystem[J].JournalofRemoteSensing,2011,15(3):1-3(inChinese)
[14]胡绍林,李晔,陈晓红.航天器在轨服务技术体系解析[J].载人航天,2016,22(4):452-458
HuShaolin,LiYe,ChenXiaohong.Analysisofon-orbitservicingtechnologysystem[J].MannedSpaceflight,2016,22(4):452-458(inChinese)
[15]席政.人工智能在航天飞行任务规划中的应用研究[J].航空学报,2007,28(4):791-795
XiZheng.Studyonmissionplanningofspaceapplyingartificialintelligence[J].ActaAeronauticaetAstronauticaSinica,2007,28(4):791-795(inChinese)
[16]李伯虎,柴旭东,张霖，等.面向新型人工智能系统的建模与仿真技术初步研究[J].系统仿真学报,2018,30(2):349-362
LiBohu,ChaiXudong,ZhangLin,etal.Preliminarystudyofmodelingandsimulationtechnologyorientedtoneo-typeartificialintelligentsystems[J].JournalofSystemSimulation,2018,30(2):349-362(inChinese)
ResearchonApplicationFrameworkofArtificialIntelligenceinSpaceSystem
HAOXiaolong1BAIHefeng1XIONGChunhui2ZHANGYongqiang1LIUNian1
(1BeijingInstituteofTrackingandTelecommunicationsTechnology，Beijing100094,China)(2CollegeofInformationandCommunication,NationalUniversityofDefenseTechnology,Wuhan430010,China)
Abstract：Basedonthesystematicanalysisandsummaryoftheapplicationresearchstatusofartificialintelligenceinthefieldofspace,theoveralldesignofintelligentspacesystemiscarriedout,theapplicationclassificationstandardofartificialintelligenceinspacefieldisstudiedfromtheperspectivesofsubsystem,singlesatelliteandsystem,theconceptofintelligentspacesystemisproposed,themulti-levelintelligentspacearchitectureincludingtheinfrastructure,intelligentalgorithmlayer,systemlayerandapplicationlayerisproposedbasedontheconstraintsofsecurity,availabilityandscalability,andthemainstructure,supportingtechnology,interrelationandinteractionmodeofeachlevelaregiven,whichprovidesareferenceforacceleratingtheapplicationofthenewgenerationofartificialintelligencetechnologyinthespacesystem.
Keywords：artificialintelligence；spacesystem；systemframework
中图分类号：P128.4;P145.6
文献标志码：A
doi：10.3969/j.issn.1673-8748.2020.05.004
收稿日期：2020-04-28；修回日期：2020-08-31
作者简介：郝晓龙，男，硕士，助理研究员，从事航天总体技术研究。Email:haoxl@beidou.gov.cn。
(编辑：张小琳)返回搜狐，查看更多
人工智能在餐饮行业最好落地3大典型应用案例及场景
2．提高效率
餐厅通过人工智能提供的数据，来判断用户的消费心理，从而调整餐厅的运营规划，人工智能如果可以运用得当，可以大大地提高餐企效率。
3．提升知名度
人工智能作为一个新事物，可以较轻易的吸引消费者的眼球，从而在短期内提升餐厅或者品牌的知名度。
当然，餐饮的本质在于产品本身，再多的高科技工具，再个性化的营销手段都只能是其次，最关键的竞争还是餐饮口味、就餐环境以及高性价比的定价。
二、人工智能在餐饮行业应用之典型案例
「
1.餐饮机器人
」
1）菜品制作等各类厨房机器人
机器人Flippy是一款制作汉堡包的智能机器人，出自一家名为Miso的机器人公司。汉堡是世界上最受欢迎的快餐食物之一，在美国约有230万人从事汉堡制作的工作。Miso机器人的CEO认为，未来，Flippy或许会代替这些人的工作岗位。这样解放出来的劳动力可以专注到更多有创造力和需要与人进行沟通的工作上面。像是研发新式菜谱，到餐厅和客人进行交流，提升服务体验等。
机器人Flippy
此外，一家位于北京的创客实验室BubbleLab也研发了一款机械臂手冲咖啡机器人。它能通过学习咖啡师的动作，再给机器人的手臂输入相应数据，复制出咖啡师的动作，以相同的角度和时间冲泡出相应的精品咖啡。
2）中短距离外卖配送机器人
美国披萨品类巨头达美乐，从2015年就开始尝试机器人配送业务。
外卖机器人“德鲁”
图中这个和普通快递小哥职责一样的机器人名叫“德鲁”，由达美乐联手澳大利亚MarathonRobotics公司共同研发。德鲁不足三尺高，充一次电可以跑20英里，全身由防风雨的丙烯酸塑料和铝包裹着，身体里装有传感器用来躲避障碍。一次可以储存10张披萨，「储藏室」有保温加热功能，可以保证披萨不会在运输途中冷掉。当德鲁到达目的地后，顾客只需要输入订单码就可以取披萨了。
达美乐计划在2017年正式投入使用该机器人，并在未来几年实现基本普及。
「
2.智能餐厅
」
1）3D打印餐厅
——菜品全由3D打印技术制作人均消费合人民币2220元
英国伦敦去年开张的一家全3D打印的餐馆，不仅所有食物是3D“打印”而成，连餐桌、餐椅、灯具和餐具都出自这种技术。
3D打印菜品
这家名为“食物墨水”的餐馆将提供9种3D打印菜肴，并在网上直播“烹饪”过程。除了吃饭，顾客还可以在这家高技术氛围浓厚的餐馆体验虚拟现实技术，欣赏电脑创作的音乐。
餐馆方面没有透露3D打印菜肴的细节，只说食物主要原料将呈酱状，打印菜肴的过程类似面点师用挤花袋把奶油挤在蛋糕上做造型。不过，食物味道显然不是餐馆的首要考虑。餐馆更希望，把食物作为一种“有趣”、“易行”的手段令人们体验到3D打印和其他新技术的神奇潜力。
3）以智能餐饮系统提供优质服务的智能餐厅
——代表餐厅：日日香鹅肉饭店等中小型餐厅
日日香鹅肉饭店等众多中小型餐厅都使用了以旗鱼点餐为代表的智能餐饮系统，让顾客点餐、下单、支付等整就餐环节智能化，提供智能的互联网点餐及餐饮大数据云计算平台。
优点：节省餐厅人力成本、给顾客优质用餐体验，让餐厅运营更高效，使用成本低（旗鱼点餐100元/月/单店，旗鱼点餐软件免费，此费用仅为平台运营成本及维护成本）
缺点：不够智能，还无法完全取代人工。
4）无收银员、无服务员、无厨师、无采购员的四无智能餐厅
——代表餐厅：人人湘
人人湘餐厅
在人人湘发生着很多人无法想象的用餐情境，整个用餐过程看不到服务员的身影。移动端和点餐机取代点餐员，移动支付替代收银员，电子菜单、语音叫号、移动端推送替代服务员，大数据分析和供应链管理系统替代采购员，产品标准化替代大厨。
优点：降低人工成本，提高运营效率，运营后系统研发的边际成本会降低。
缺点：研发成本高。
5）提供一站式生活服务入口的智能餐厅
——代表餐厅：必胜客
必胜客开通支付宝当面付，推出排队和预点单系统，开发“饭后电影院”系列；并计划将“饭后电影院”系列拓展到“饭后KTV”、“饭后出租车”、“饭后血拼街”等系列，为消费者提供更多增值服务。
优点：节省人力成本，节省用餐时间，提升用餐体验
缺点：系统改造困难
从2015年肯德基和百度合作推出首家面部扫描人工智能点餐店开始，市场上涌现出越来越多的智能餐饮产品，但是很多高成本的智能餐饮产品并不适用于中小型餐厅。
相对而言，旗鱼点餐因产品多功能性和高性价比从众多智能餐饮产品中脱颖而出，成为当下备受中小型餐厅欢迎的智能点餐软件，帮助上万家餐厅实现智能化管理。
「3.智能餐饮新尝试：智能分析、
精准推送、语音支付等」
1）智能语音支付——人工智能让你打声招呼就结账
顾客就餐结束之后，顾客只需坐在餐椅上按铃呼叫服务机器人，微笑地说一声“结账”，拥有人脸识别及声纹识别的功能的机器人自会结成账单并完成支付。相对于现在的支付方式，此种做法不仅快速，也能在一定程度上避免盗刷的风险。
智能分析——人工智能成为你私人美食管家
在一次订餐完成之后，系统也会实时录入顾客的部分个人信息和用餐喜好，为下一次他的光临提供更好的服务。对餐厅管理员来说，大数据的介入也能更好的管理餐厅。
基于私有云，系统会对当天的盈利做出总结和分析，而在月末、季末和年末，其也将分别进行一个整体报告的分析，为以后餐厅的方向作出指导。
精准推送——合理分配提高效率
现阶段的就餐仍采用顾客提出要求，由服务员解决需求。但在用餐高峰期时常出现服务员忙不过来导致顾客等待时间过长，极大的降低了顾客的用餐体验。
在「AI＋餐飲」模式下，顾客可直接使用语音指令开启桌载机器人，在用自然语言对其提出要求。机器收到指令后立即响应，解决添茶／加大火力／减小火力等需求。
桌载机器人
人工智能的火爆程度有目共睹，在市场大热的情况下，必然会吸引更多的投资和企业深耕这一领域，技术的提升和新技术的开发自是不在话下，餐饮机器人在技术上的瓶颈被打破也就指日可待。
跟作者聊聊
我是本文作者蓉蓉，关注人工智能及机器人领域创业、投融资、最新技术动态，有技术烦恼、创业需求需报道，咱们微信聊聊：angel88xue.(加好友请注明公司、职位、事由哦)
寻求报道
人工智能与机器人公司寻求采访报道，请联系：
王先生0755—83173200，微信号:cr-wang209
公众号对话框回复1109可获取【人工智能产业全景图】和【中国人工智能应用市场研究报告】
Drive.ai融资5000万美元吴恩达加入董事会返回搜狐，查看更多
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
人工智能的现状及今后发展趋势展望
论文导读：介绍了人工智能的概念及其目前发展概况,对人工智能的几种类型及应用，如：模式识别、专家系统作了简要的介绍。并对人工智能今后的发展前景进行了分析。关键词：人工智能
1引言
人工智能(ArtificialIntelligence),英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。
2目前人工智能技术的研究和发展状况
目前，人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之一的智力能力，而正在开发的更为强大的新超级电脑——“蓝色牛仔”（BlueJean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。
3技术应用
随着AI的技术的发展，现代几乎各种技术的发展都涉及到了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括：
3.1符号计算
计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值;另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。
3.2模式识别
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”。论文参考网。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程相似。以“语音识别”为例：语音识别就是让计算机能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等与“老外”通话。
3.3机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。
3.4机器学习
机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。有人认为，一个计算机系统如果不具备学习功能，就不能称其为智能系统。机器学习主要研究如何使计算机能够模拟或实现人类的学习功能。机器学习是一个难度较大的研究领域，它与认知科学、神经心理学、逻辑学等学科都有着密切的联系，并对人工智能的其他分支，如专家系统、自然语言理解、自动推理、智能机器人、计算机视觉、计算机听觉等方面，也会起到重要的推动作用。
3.5问题求解
人工智能的第一大成就是下棋程序,在下棋程度中应用的某些技术,今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是,尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。论文参考网。另一个问题是涉及问题的原概念,在人工智能中叫问题表示的选择,人们常能找到某种思考问题的方法,从而使求解变易而解决该问题。到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间,寻找较优解答。
3.6逻辑推理与定理证明
逻辑推理是人工智能研究中最持久的领域之一,其中特别重要的是要找到一些方法,只把注意力集中在一个大型的数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。医疗诊断和信息检索都可以和定理证明问题一样加以形式化。因此,在人工智能方法的研究中定理证明是一个极其重要的论题。
3.7自然语言处理
自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰苦努力,这一领域已获得了大量令人注目的成果。目前该领域的主要课题是:计算机系统如何以主题和对话情境为基础,注重大量的常识——世界知识和期望作用,生成和理解自然语言。这是一个极其复杂的编码和解码问题。
3.8分布式人工智能
分布式人工智能在20世纪70年代后期出现，是人工智能研究的一个重要分支。分布式人工智能系统一般由多个Agent（智能体）组成，每一个Agent又是一个半自治系统，Agent之间以及Agent与环境之间进行并发活动，并通过交互来完成问题求解。
3.9计算机视觉
计算机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科。其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。
目前，计算机视觉已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别、染色体识字符识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像精确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等。
1/2 1 2 下一页 尾页