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。
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
人工智能发展现状及应用
导读：人工智能（ArtificialIntelligence），英文缩写为AI。人工智能被认为是第四次科技革命的核心驱动力，目前许多领域都在探索AI技术的应用，可谓方兴未艾。那么什么是人工智能，它经历了怎样的发展历程，现阶段发展状况如何，它有哪些应用。本篇文章就为大家做个简单分享。同时也会为大家详细介绍一下百度的AI技术体系。
本文主要内容：
1.人工智能概念
①智能
②人工智能
2.人工智能的发展
①人工智能的发展历程
②AI是中国的机遇
3.AI与百度
①百度AI的发展历程
②百度AI的技术体系
③百度AI的场景化应用
1.人工智能概念
1.1智能
谈到人工智能，需要首先理解“智能”一词的具体含义。智能是指人类才具有的一些技能。人在进行各种活动的过程中，从感觉到记忆再到思维产生了智慧，智慧产生了人类本身的行为和语言，行为和语言统称为能力；智慧和能力结合在一起就是人工智能中的智能一词。
比如，人类的语言表达能力就是一种智能（语言智能）；人类进行复杂数学运算的能力也是一种智能（数字逻辑智能）；人类的交往能力也是一种智能（人际智能），人们对音调、旋律、节奏、音色的感知能力，也是一种智能（音乐智能）。他们都属于智能的范畴。
1.2人工智能
把智能的概念与人的逻辑理解相结合，并应用到机器中，让机器能更好的模拟人的相关职能，这就是人工智能。人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。
人工智能概念，最早可以追溯到上世纪90年代初，这个时候需要提到一位科学家：图灵。
艾伦·麦席森·图灵（英语：AlanMathisonTuring，1912年6月23日—1954年6月7日），英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。
图灵最早定义了什么是人工智能，怎样去界定一个机器（或一个设备）是否具备智能。他最早提出了图灵测试（即：一个人在不接触对方的情况下，经过某种特殊的方式和对方进行一系列的问答，如果在某些时间之内，他无法根据这些问题判断对方是人还是计算机，那么我们就认为这台机器具备智能化的思维）。直到2000年左右，才真正有计算机通过了图灵测试，才实现了一个突破。在2014年图灵测试大会上，出现了一个通过图灵测试的机器（或者称为智能聊天的机器人）。这两年人工智能的高速发展，也印证了最早的图灵测试，这也让我们反向看到了图灵在人工智能定义方面做出的突出贡献。
现今，在做图灵测试时，判断这个设备是否具备人工智能，更多的还是从模拟人的角度来考量。但在当前科技背景下，人工智能需要涵盖更广的内容，它不仅仅要模拟人本身的职能，还需要具备一些扩展、替代甚至延伸的职能。
举个例子，在医疗领域，需要经常在实验室进行病毒化验，人处这样的实验环境下会比较危险，经常会出现一些事故，如果能够用机器替代人来做这些实验，这些事故就可以避免。此时，这台机器就不仅仅是在模拟人，而是在替代人，机器本身就具备了替代人的能力。
当前，很多人在担忧：人工智能的发展会不会对人类造成威胁。其实，目前人工智能还处于早期的阶段（或者称之为婴幼儿阶段），我们还处于弱人工智能时代。
当然，随着时间的推移，将来我们可能会把弱人工智能时代推进到强人工智能，甚至再往前推进到超人工智能和智能爆炸时代。但至少目前，我们离这样的时代还有非常远的距离，要实现这样的目标，需要非常多的时间积累，可能要通过几代人甚至十几代人的努力。所以大家不要有过多的担心，人工智能现在更多的还是用于服务人类，用来提高人们的工作效率。
上图引自MIT大学一位教授。
针对人工智能所覆盖的领域，这位教授提出一个观点：“我们要尽可能避免做这些容易“进水”的工作，以免被日后所淘汰掉”。
这张图水平面以下的工作，如存储，计算、甚至象棋活动等，已经被海平面淹没。在海平面边缘的工作，如翻译、驾驶、视觉和音频等，很有可能在未来的一段时间，随着技术的进步也会被淹没。再来看图上高海拔地区的工作，如艺术创新、科学研究，文学创作等，让人工智能替代人类去做这些工作，在现阶段是比较困难的。要让人工智能实现像人一样具备主观能动性，还需要比较长的时间。我们在选择工作，或者在做技术探索的时候，应该从更高的层面布局，而把那些可以被人工智能替代的工作交给计算机去做，这样我们就可以从一些重复性、冗余性的工作中抽离出来，去专门从事创造性的工作（比如艺术创作等）。
2.人工智能的发展2.1人工智能的发展历程我们回顾一下人工智能发展的历程。
人工智能并不是特别新鲜的词，在计算机出现后不久，大家就已经开始探索人工智能的发展了。
1943到1956年这段时间，为人工智能的诞生期，期间有很多人尝试用计算机进行智能化的应用，当然此时不能称为人工智能，只是有类似的概念。
人工智能的分水岭是1956年达特茅斯会议，在本次会议上正式提出了AI这个词。
1956到1974年这段时间，是人工智能发展的黄金时代，是人工智能的第1个高速发展期，通常把这段时间称之为人工智能大发现时代。
1974到1980年这6年的时间里，进入了人工智能发展的第1个低谷，在这个低谷期，出现了非常多的问题，比如计算上的问题、存储上的问题、数据量的问题，这些问题限制了人工智能的发展。
1980到1987年这段时间是人工智能的第2个繁荣期。期间诞生了大量的算法，推动了神经网络的高速发展，同时出现了许多专业的科研人员，发表了许多创造性的论文。
1987到1993年这段时间是人工智能的第2个低谷期，期间有个词叫“AI之冬”。有大量的资本从AI领域撤出，整个AI科研遇到了非常大的财政问题，这是导致”AI之冬”的主要原因。
1993年之后，人工智能又进入到高速发展期，期间出现了许多经典案例，比如1997年IBM公司的深蓝案例，2001年IBM的沃森案例，2016年谷歌AlphaGo案例。这些案例是人工智能在应用层面的体现。
上图概括了人工智能的发展历程。
可以看到，从1956年达特茅斯会议AI这个词诞生，一直发展到现在，人工智能共经历了60多年的跌宕起伏，并不是仅在2016、2017这两年间才出现了人工智能这个概念。
从宏观上看，AI的发展历程经历了三次比较大的起伏。
第1次起伏是从1943年到1956年，首次出现了神经网络这个词，把人工智能推到一个高峰，期间出现了许多大发现。而第1次低谷使人工智能进入到了反思的阶段，人们开始探讨人工智能的应用。
第2次起伏是在上世纪80年代，期间BP算法的出现，神经网络新概念的普及，推动了人工智能又进入第2次高峰和发展。然而从1987年到1993年又进入到了了第2次低谷，这主要因为一些财政原因导致。
第3次起伏从2006年开始，由辛顿提出了深度学习的概念，把神经网络往前推动了一大步，也把人工智能推到了高速发展阶段，尤其是近几年在非结构化领域取得了许多突破（例如在语音与视觉方面），给人工智能进入商业化应用带来许多的基础性技术沉淀。
人工智能为什么会在前面的发展过程里遇到了那么多的坎坷？为什么在最近这几年会进入一个高速发展期？
我们归结了近几年人工智能高速发展的三点原因：
①算力飞跃
人工智能（尤其是深度学习），对底层计算能力的要求非常高。早期的计算受到了极大限制，从CPU发展到了GPU，使得算力几乎能达到几倍甚至十几倍量级的增长。再从GPU到TPU，计算速度能达到15~30倍的增长，使得在算力层面不断取得突破。此外，大量云资源的出现将我们计算的成本压到了最低，我们在处理海量计算的同时，也可以享受比较低的成本。再者，芯片技术的发展，使得端处理能力持续提高，这些都帮助我们在算力层面取得了很大的突破。
②数据井喷
从PC互联网时代到移动互联网时代，再到可穿戴设备的应用，都产生了大量的数据。这两年，每年产生的数据量可以达到50%左右的增长。2017年到2018年，这段时间内基本上每个月产生的数据量可以达到几十个亿的量级，数据量已经非常高。物联网的连接，能帮助我们把更多的数据采集回来，帮助我们在数据层面做更多的积累，这是数据井喷带来的积极影响。
③算法突破
近几年来，从机器学习到深度学习，算法不断取得突破。使得我们可以处理更多的大规模、无监督、多层次等复杂业务。
算法、算力、数据是人工智能的三要素，算力是骨骼，数据是血液和食物，算法就是大脑，三者不断取得突破，才能促进人工智能高速发展。
2.3AI是中国的机遇
人工智能技术的发展也促进了很多产业的发展。中国目前有非常好的历史机遇，不仅仅是在技术上有大量的积累，同时，国家也为人工智能的发展提供了非常好的政策环境。此外，市场空间、资金支持、人才储备，也都为人工智能的发展提供了非常好的条件。
通过上图可以看到，人工智能的研发人才目前还比较短缺。图上数据来源于领英在2017年所做的全球AI人才报告。以2017年的数据来看，全球人工智能专业的人才数量超过190万，在这190万人才中，美国处于第一梯队，有85万+；而中国在人工智能领域的人才积累比较少，从数据上来看，目前国内人工智能方面的专业技术人才可能只有5万+，当然这是2017年的数据，现在可能会有一些增长，但是量级也没有达到我们想象的那么大。
所以从国内目前来看，这约5-10万的AI技术人才，对比AI产业的高速发展需求，两者之间有巨大矛盾。那怎样更好的用这些人才作为突破，把人工智能方面的技术人才储备提高到百万级别。这正是整个百度（包括百度的教育合作与共建，包括百度所有对外输出的体系，包括我们今天所做的课程）所努力的方向，我们期望通过百度的技术赋能，真正的帮助人工智能取得更好的人才积累，真正培养一些在未来对人工智能行业有巨大贡献的专业人才，这是百度现在的定位目标。
AI浪潮已然到来，行业人工智能时代已经到来。目前，人工智能已经大量应用在2c和2b领域，怎么让人工智能跟具体行业有更好的接触，产生更多的积累，是我们正在重点探索的方向。
比如百度的搜索引擎，已经融入了很多AI元素。模糊匹配、拍照识图、深度挖掘检索等都应用到了大量的人工智能技术。
再如推荐系统，他会基于个人的一些喜好和历史阅读习惯来给用户做一些内容的推荐和匹配，这是很典型的结合大数据做的精准应用，实际上也属于人工智能的范畴。
再如人脸识别技术、语音技术、智慧交通和无人驾驶等，都是AI技术与行业应用的融合，并且这些技术正在不断取得突破。百度现在L4级别的无人驾驶车已经初步实现了一些小规模的量产，未来会有更多的人将真正的体会到无人驾驶给生活带来的便利。
3.AI与百度3.1百度AI的发展历程
上图为百度在人工智能领域的发展轨迹，早在2009年，百度就开始尝试探索人工智能相关技术，直到2019年，百度用了近十年的时间布局人工智能。
2009年尝试性布局人工智能，2013年发布IDL，2014年成立硅谷实验室以及百度研究院，2015年首次发布DuerOS，2016年发布百度大脑1.0版本，同年，百度的自动驾驶技术进入试运营状态，2017年是百度人工智能技术高速发展的一年，不仅成立了深度学习国家实验室，同时也成立了硅谷第二实验室以及西雅图实验室，并且Apollo平台开始运行并对外推广，在2018年到2019年，DuerOS和Apollo平台发展到3.0版本，百度大脑发展到5.0版本。经过近十年的发展和积累，百度的人工智能技术目前处于相对领先的位置。
百度在人工智能领域领域取得的进展有目共睹，比如，百度成立了首个国家级AI实验室；2016年被美国《财富》杂志评选为深度学习领域四大巨头之一；百度的刷脸支付、强化学习、自动驾驶等技术入选MIT2017年全球十大突破性技术；在AI领域，百度的中国专利申请超过2000项。
3.2百度AI的技术体系
百度的技术体系非常全面，覆盖了计算体系、大数据技术体系以及人工智能技术体系等，在机器学习、深度学习、区块链、知识图谱、自然语言处理、量子计算等领域均有雄厚的技术积累。这些技术可以按内容划分成三个板块，第一是A板块（即AI技术板块），第二是B板块（即大数据板块），第三是C板块（即云计算板块）。这就是百度在2016年提出的ABC概念。从一开始的1.0版本，发展到如今的3.0版本，代表着百度在人工智能领域的整体布局。在人工智能领域的布局中，百度的探索不仅停留在最核心的技术上，也同时将核心技术与更多的领域相结合，如边缘计算、物联网（InternetofThings,IoT）和区块链等，得到了如ABC+区块链、ABC+DuerOS、ABC+Apollo等对外输出模式，向各行各业提供解决方案。
在A板块中，将百度大脑分成了不同的层次。最底层是算法层，包含机器学习和深度学习算法，使用百度的PaddlePaddle深度学习框架提供算法层的基础支撑；算法层之上为感知层，感知层可分为对声音的感知和对光的感知，其中，对声音的感知主要是语音技术板块，对光的感知主要是图像技术、视频技术、AR/VR等技术板块；在感知层之上是认知层，认知层更多的是处理人类听到和看到的内容，对其进行深度理解，深度理解需要自然语言处理（NLP/NLU）、知识图谱等技术作为支撑，同时也需要积累大量用户画像数据，这些技术能帮助人们快速的理解和分析人类听到和看到的内容，并对内容进行有效的反馈，这是认知层面的技术；在认知层之上是平台层，平台层将底层的内容进行融合、封装，对外提供开放、完整的AI技术，并引入大量的生态合作伙伴，共同探讨人工智能产业的布局。
百度人工智能整体技术体系，最底层是深度学习框架飞桨PaddlePaddle，作为底层计算框架，飞桨PaddlePaddle支撑着上层场景化能力与平台中的全部板块。在场景化能力与平台中，包含了诸多场景大板块，每个大板块下又细分为多个技术板块，比如语音板块包含了语音合成以及语音唤醒等技术板块；计算机视觉技术中的OCR技术，包括传统通用OCR识别，以及垂直领域OCR的识别，可以对30多个OCR识别领域进行精准识别，比如票据识别、证件识别以及文字识别等；在人脸/人体识别板块，同时也会引入图像审核以及图像识别方面的技术；在视频板块，有视频比对技术，视频分类和标注技术，以及视频审核技术；在自然语言处理板块，有机器翻译技术；知识图谱板块，有AR/VR技术。这些板块构成了人工智能体系的技术蓝图。
近两年来，人工智能技术在各行各业中的应用不断加深，实践证明，单一的技术在落地时会受到诸多限制，所以现在人工智能在落地时可能不仅仅用到某一个单独的技术板块，而是需要先把这些板块进行融合，然后再进行实际应用，比如在拍照翻译的应用场景下，既需要用到OCR技术，同时也用到NLP技术。因此在实际应用中，需要综合各个板块的技术，把不同的技术体系和技术内容有机地融合起来，再去解决行业中面临的痛点。
3.3百度AI的场景化应用
2014年到2015年期间，在计算机视觉领域的部分场景下，计算机视觉识别准确率已经超过了人眼识别。而利用深度学习技术的计算机听觉识别，在2017年左右也已经超过人耳听力极限。
人工智能业务场景化不仅依赖底层的硬件资源，也需要超大规模的标注数据，这是监督学习的特点，所以在人工智能早期研究中，有评论说“有多少人工就有多少智能”，这句话在特定角度来看是具有一定意义的。在监督学习中，训练模型需要庞大的标注数据，再结合GPU强大的数据处理能力去训练特定模型，也就是从算法的层面去做更多的工作，在训练模型的过程中需要发挥人的主观能动性，更好的解决在行业应用中出现的一些痛点，构建出行业专属的模型。
比如，将人体分析技术应用到实际行业场景中时，需要结合人脸识别技术和人体识别技术。可以通过基础手势识别，识别一个人在开车时有没有系安全带、是不是在打电话等。
利用人体分析技术，可以做到行为识别，首先设定特定区域，然后对区域内的人员行为进行识别，比如人群过密、区域越界、人员逆行、徘徊以及吸烟等，在特定场景下，行为识别能够帮助用户避免安全隐患。
自然语言处理有很多相关技术，比如说词法分析、词向量表示、语义相似度、短文本相似度、情感相似度分析等。这些技术用在不同的应用场景下。
在公检法系统应用中，为了避免出现非常严重的问题，如同案不同判，具体解决方案是当诉讼呈递给法官时，根据当前诉讼内容在公检法系统中寻找历史上类似的案件，参考历史类似案件的判决，给法官提供判案依据。
在媒体领域应用中，对基础的财经类新闻，可以由机器进行新闻文章的编写，即机器写作。这些技术都是基于NLP在相应领域做的智能化应用，可以让编辑或记者从重复性的工作中解脱出来。
人工智能从广义上来看，也包括大数据及云计算相关技术，这些技术也都涵盖在百度AI技术体系中。在大数据领域，主要包括数据采集、数据存储、数据分析以及数据可视化等，利用这些技术，我们在进行模型训练的时候，对数据进行科学的管理可以帮助我们提高模型训练效率。
百度AI技术体系也提供算力层面的支持，通过GPU服务器以及FPGA服务器提供的算力，更好的解决应用层面的问题。
百度AI就是这样一个从基础层，到感知层、认知层的完整体系，为多行业、多场景提供“一站式解决方案”，力求实现“多行业、多场景全面赋能”。
回顾本篇文章，我们和大家分享了人工智能的相关概念，人工智能的发展历程，从中也可以看出AI是我们的历史机遇。同时本文也为大家详细介绍了百度的AI技术体系，经过10余年的努力，百度AI已经形成从基础层，到感知层、认知层的完整技术体系，为多行业、多场景提供“一站式解决方案”，力求实现“多行业、多场景全面赋能”。
人机交互系统现阶段的发展状况以及未来发展方向
导读：交互一直是困扰计算机最佳使用的问题。人类用于与计算机交互的方法历史悠久。但是探索仍在继续，新的设计技术系统正在日趋更新和升级，并且在过去的几十年中，该领域的研究一直在迅速发展。人机交互（HCI）领域的增长不仅体现在交互质量的提高上，而且在其...交互一直是困扰计算机最佳使用的问题。人类用于与计算机交互的方法历史悠久。但是探索仍在继续，新的设计技术系统正在日趋更新和升级，并且在过去的几十年中，该领域的研究一直在迅速发展。
人机交互（HCI）领域的增长不仅体现在交互质量的提高上，而且在其增长历史中开辟了不同的分支。不同的研究部门与设计传统的交互方式不同，但更多地侧重于多模式而不是单模式，并且侧重于智能适应性交互而不是基于命令/动作的交互，最终呈现出主动而不是被动的交互。
人机交互的定义
人机交互有时称为人机交互。人机交互的概念自然地代表了计算机的兴起，或更普遍地讲是计算机本身的兴起。其实，原因很明显。除非人类可以正确使用它们，否则最复杂的机器将一文不值。这个基本论点代表设计人机交互时应考虑的主要术语：功能和可用性。
为什么可以通过该系统的功能最终定义一个真正设计的系统？系统功能如何帮助实现系统目的？系统的功能可以通过向用户提供的一系列操作和服务来定义。当然，功能的价值只有在用户有效使用时才可见。可用性是具有某些功能的系统可以被用户有效利用并完全实现特定目标的范围和程度。功能和可用性的适当平衡是系统真正有效的必要条件。
当您想到这些概念时，请考虑本文中通常可互换使用的术语计算机，机器和系统。人机交互应该是一种允许用户，机器和服务进行协作的设计。为了达到对服务质量和最佳性能的特定效果。例如，飞机零件设计工具应在视图和设计中提供较高的准确性，而图形编辑软件可能不需要这种准确性。当前的技术还可以影响出于相同目的但类型不同的人机交互的设计。
人机交互概述
人机交互在过去十年中取得了长足的进步，这几乎使人们无法识别哪些概念是虚幻的，哪些概念不是虚幻的，甚至可以变成现实。研究的重点和营销方法的不断变化使新技术可以及时地为人们使用。但是，并非所有现有技术都可以公开获得或负担得起。
现有的人机交互技术
人机交互设计应考虑人类行为的许多方面，并需要确保其有用性。与简单的交互方法相比，人类参与机器交互的复杂性有时是看不见的。现有交互复杂性的差异不仅是由于功能或可用性的程度不同，而且还与机器对市场金融和经济的影响有关。例如，电热水壶不需要复杂的交互。它的功能仅是烧开水。除交换机外，冗余交互功能都不具有成本效益。但是，简单的网站可能功能有限，但是其可用性应该足够复杂以吸引和留住客户。
因此，在人机交互设计中，即使只有一个用户和一台机器，也应充分考虑活动程度。用户活动分为三个不同级别：身体，认知和情感。物理水平决定了人与计算机技工之间的相互作用。认知层次解决了用户对系统的理解和交互问题。情感水平是一个新出现的问题，它不仅试图使交互成为令人愉悦的用户体验，而且还通过更改用户的态度和情感来允许用户继续使用该机器。
本文着重于在物理级别上进行交互的开发，并说明如何组合不同的交互方法（多模式交互），并探讨每种方法如何提高性能（智能交互）以为用户提供最佳界面。现有的人机交互物理技术基本上可以基于设备根据人类的感知进行设计和分类。这些设备主要依靠三种人类感官：视觉，听觉和触觉。
视觉输入设备是最常用的类型，通常基于开关或指示设备。这种基于开关的设备可以是可以像键盘一样使用的任何类型的界面，按钮和开关。有许多指示设备，例如鼠标，操纵杆，触摸屏面板，图形输入板，轨迹球和手写笔。操纵杆是具有切换和指示功能的操纵杆。输出设备可以是任何类型的视觉显示或打印设备。
依靠听力的设备更为先进，通常需要某种类型的语音识别。这些设备旨在促进尽可能多的交互，因此它们也更难以构建。听觉输出设备更易于创建。如今，机器产生的各种非语音和语音信号消息被视为输出信号。蜂鸣声，警报和GPS设备逐行道路导航命令都是简单的示例。
最困难和最昂贵的是构建触觉设备。“这种类型的界面通过触摸，重量和相对刚度产生皮肤和肌肉的感觉。”通常为虚拟现实或残疾帮助而生产触觉设备。
人机交互的最新方法和技术正在尝试整合原始的交互方法，并将其与其他先进技术（例如网络和动画）相结合。这些新的发展可以分为三个部分：可穿戴设备，无线设备和虚拟设备。技术的发展是如此之快，以至于这些新技术之间的界限正在逐渐消失，并且越来越混杂。这些设备的一些示例包括：GPS导航系统，军事增强型设备（例如热成像，用于跟踪其他士兵运动的GPS，环境扫描），射频识别（RFID）产品，个人数字助理（PDA），房地产虚拟旅游服务。其中一些新设备升级集成了以前的交互方法。如下图所示，这是一个虚拟键盘，键盘上的字母投射在有红光的坚固表面上。当通过传感器在固体表面上打字时，该设备跟踪用户的手指运动，并将相应的键发送到该设备。
人机交互研究进展
在下面的部分中，我们将介绍人机交互的最新研究方向和发展，即智能和自适应交互以及普适计算。这些交互包括不同级别的用户活动：身体，认知和情感。
智能和自适应人机交互
尽管普通大众使用的设备仍然是某种纯粹的命令/动作设置，而不是复杂的物理设备，但我们仍然不知道智能理论的确切概念，但是我们可以使用智能设备的功能和实用性。市场上的新设备要定义这些概念，如前所述，它是一项重要的经济和技术，可提供更便捷的人机交互设计以及更令人愉悦和令人满意的用户体验。
为了实现这个目标，界面每天变得越来越自然和易于使用。改进的界面是笔记工具中的一个很好的例子。第一次出现打字机，然后出现键盘和触摸屏平板电脑，您可以用自己的笔迹书写，机器可以识别，甚至可以执行语音输入，机器可以识别，而无需手动书写。新一代界面的一个重要因素是区分智能方式，界面和用户交互。智能的人机交互设计界面通过某种智能感知响应用户。一个示例是使说话者使用自然语言与用户和设备进行通信。视觉上清楚地跟随用户并做出相应响应。
自适应人机交互可以是使用GUI出售各种产品的网站。该网站具有识别用户，维护某些搜索和购买记录以及建议其认为用户可能需要购买的产品的能力，其中大多数类型适应性活动是那些涉及认知和情感水平的用户活动。
另一个例子是它使用的智能自适应界面能够手写识别。它可以适应手写PDA或平板电脑用户登录。它具有手写识别和更正功能，可以记住用户的文本。最后，关于智能接口的另一个要考虑的因素。大多数非智能人机交互设计本质上都是被动的。它们仅在用户致电时响应。最终的智能和自适应界面通常是活动界面。本示例根据用户的口味来建议您自己的智能广告牌或广告。在下一部分中，我们将结合不同的人机交互方法，并讨论它如何为智能自适应自然接口方法做出贡献。
人机交互系统架构
人机交互设计中最重要的因素是其配置。实际上，任何给定的接口通常由其提供的输入和输出的数量和种类来定义。人机交互系统的体系结构显示了这些输入和输出是什么以及它们如何协同工作。以下各节介绍基于不同配置和设计的接口。
单峰人机交互系统
如前所述，接口主要取决于其输入和输出设备的数量和多样性。该通道允许用户通过此界面与计算机进行交互。每个不同的独立单通道称为一个模式。系统仅基于一种形式，称为单峰。根据不同形式的属性，它可以分为三类
基于愿景的人机交互
基于视觉的人机交互研究可能是该领域中最常见的研究。考虑到应用范围以及各种开放性问题和方法，研究人员正在尝试解决人类对视觉视觉信号响应的不同方面。本节的主要研究领域如下：
面部表情分析
身体运动追踪（大）
手势识别
凝视检测（眼动追踪）
由于应用不同，每个区域都有不同的目标，但是每个区域的总体概念通常是相同的。面部表情分析通常涉及视觉情感认知。该领域的研究重点是人体运动跟踪和手势识别。该领域可以有不同的研究目的，但大多数用于直接指挥人机交互。眼睛检测主要是通过间接方式允许用户与机器进行交互以更好地了解用户的注意力，例如帮助残疾人的眼睛跟踪系统。它主要用于命令和动作方案，例如指针移动，闪烁，单击。值得注意的是，一些研究人员试图协助甚至替代其他类型的交互（音频，基于传感器的）和视觉方法。例如，已知嘴唇读取或嘴唇运动跟踪是语音识别错误校正的有效辅助。
基于音频的人机交互
基于音频的计算机与人之间的交互是人机交互系统的另一个重要领域。该领域主要处理从不同音频信号获得的信息。尽管音频信号的性质可能不会用作视觉信号，但是从音频信号收集的信息可能更值得信赖和有用，并且在某些情况下可以成为唯一的信息提供者。本节中的研究领域可以分为以下几部分：
语音识别
说话人识别
听觉情感分析
人为噪音/登录检测（喘息，叹息，大笑，哭泣等）
音乐互动
从历史上看，语音识别和说话人识别一直是研究的重点。与其他语音和音调数据相比，典型的人类听觉标记（例如叹气，感叹和其他情感分析）可以设计出更智能的人机交互系统。音乐的产生和交互是人机交互艺术领域中的一个非常新的应用，它主要集中在音频和视觉研究中。
基于传感器的人机交互
这部分结合了各个领域的广泛应用。这些不同领域的共同点是，人机交互中至少有一个物理传感器。如下所示，这些传感器可能非常原始，也可能非常复杂。
1.笔互动
2.个鼠标和键盘
3.操纵杆
4.运动跟踪传感器和数字化仪
5.触觉传感器
6.压力传感器
7.味道/气味传感器。
这些传感器已经存在了一段时间，其中有一些非常新的技术。笔传感器主要在移动设备领域，涉及手势和手写识别。运动跟踪传感器/数字转换器是最先进的技术，彻底改变了电影，动画，艺术和游戏行业。它们以可穿戴或联合传感器的形式出现，使计算机更能够与现实世界互动，人们可以创建自己的世界，而触觉和压力传感器则用于机器人技术和虚拟现实中。新型机器人包括数百个触觉传感器，使该机器人灵敏且具有触摸功能。这些类型的传感器还用于医疗手术应用中。
应用
典型的多渠道系统是“放他到那里”演示系统。该系统允许对象移动到新位置，并且屏幕上的地图上显示：“在此处放置一些内容”，指向对象本身，然后指向所需的目的地。多通道接口已用于许多应用程序中，包括使用地图仿真。
与传统交互相比，多通道接口具有许多优势。首先，他们可以提供更自然的用户友好体验。例如，在房地产系统中，您可以用手指指向房屋，以查询有关房屋的信息。使用指向手势选择一个对象，然后使用有关该对象的语音查询来演示提供给用户的自然体验多通道界面的类型。另一个关键优势是他们具有适应不同人的不同情况的能力。因此，在嘈杂的环境中，可以提供手写输入而不是语音。其他一些多通道系统应用程序如下：
智能家居/办公室
驾驶员状态监控
智能游戏
电子商务
协助残疾人
结论
人机交互的重要部分是系统设计。系统的质量取决于它如何表示信息以及用户如何使用它。新的研究方向是取代常规的常规方法。环境情报或普适计算被称为试图嵌入环境中的第三次技术浪潮，从而使其同时成为一种更自然和不可见的技术。虚拟现实也是促进人机交互的一种方式。
赞助本站
相关热词：人机交互系统现阶段发展状况以及未来发展方向交互论述GIS当前现状以及未来的发展前景
GIS是空间技术和信息技术的交叉学科，相关领域的研究热点都有可能成为GIS的发展趋势。GIS的技术环节无外乎数据获取、数据分析、数据呈现三个方面，从近年的发展情况看，GIS可能在这三个方面都有着激动人心的前景。一、数据获取数据是GIS的基础，数据获取技术是GIS的技术之源。在已有存量数据的基础上，GIS的增量数据源大体有卫星遥感、定位信息、摄影测量等，数据获取的发展关键在于增量数据源的发展。1.1倾斜摄影测量倾斜摄影测量是这两年蓬勃发展的一项技术，相对于竖直航空摄影在地物立面信息获取方面的缺陷，倾斜航空摄影可以快速获取大范围区域地表物体三维立面信息，可以支持对摄影区域的三维测量。倾斜摄影测量有着非常高的高程测量精度，可以实现快速的大场景建模与地物测量，能够生成接近真实的地表三维场景。1.2近景摄影测量近景摄影测量与倾斜摄影测量有着相似的技术背景，区别在于倾斜摄影测量一般利用空基航摄仪进行，近景摄影测量则是采用地面或近地面短距摄影测量设备进行。相对于倾斜摄影的大范围和较高精度，近景摄影测量更注重于对单个地物的超高精度测量，可以获得具有极高精度和分辨率的精细地物模型，可以完美还原如雕塑、文物、景观等复杂地物。对石窟内佛像的三维精细扫描测量1.3影像智能识别随着遥感手段的发展，获取的遥感影像分辨率越来越高，数据量越来越大，基于影像采集的矢量要素也越来越多，累积了大量的采集经验和解译样本。在人工智能技术的加持下，对这些影像解译样本开展深度学习，计算机自动从影像提取要素的能力会越来越强，精度也越来越高，未来有望实现自动利用卫星影像生产矢量地图。卫星照片中美军基地战机清晰可见1.4智能数据匹配近年来以谷歌地图、百度地图等为代表的基于位置服务（LocationBasdeService，LBS）应用已经走入每个用户的手机中，深刻得影响着互联生活。LBS应用的对数据的鲜活性要求极高，尤其是对道路、地名变化的响应能力对用户体验影响很大。智能数据匹配是利用搜索引擎获取的海量网络信息进行筛选，获得与地理位置相关联的信息，并与地图数据进行匹配，达到快速发现变化，自动进行更新的目的。随着AI的不断发展，对海量信息的分析匹配能力不断增强，数据匹配的准确性和自动化程度也会越来越高。亚米级高精度位置服务1.5定位技术发展（室内、高精度、小型化）智能手机让每个人都有了感知地理位置的能力，然而，目前的定位还存在很多局限。例如，室内、野外还有很多卫星定位盲区，定位精度还不够高，高精度定位设备不够便携等。现在，室内定位、差分定位、网络定位等技术发展很快。不远的将来，仅用一部手机甚至手表，就可以实现随时随地精准定位至厘米水平。定位信息的迅速发展，会对位置服务的应用带来深远的影响。精准的室内定位技术1.6空间信息扩展（地下、深海、深空）目前空间信息在很多人的概念中依然是地面或者近地面的信息，随着探索和测量手段的不断发展，人类活动的范围已经扩大到了地下空间、深海、外太空甚至地外行星，观测尺度从空间更是扩展到了时空。更广袤的时空信息不断涌现，催生着GIS上天入地，谈古论今，这样未来只能说眼界限制了我们的想象。BAE公司将为美国研发深海定位导航系统1.7为我们的世界建模十多年前曾经有本GIS的书叫《ModelingOurWorld》，在当时，还显得有些诗意和概念化。而如今，这样的前景已经非常清晰。未来，在各种探索和测量手段的支持下，整个世界甚至是外太空都可以被装进虚拟的世界，每个人都可以自由出入于虚拟与现实之间。进可纵观天下，退可田园诗意，一起为我们的世界建模。二、数据分析GIS之所以是一门学科而不仅是技术，在于其智慧的一面。如果说数据是其生命力，那么智慧就是空间数据的分析能力。数据分析的发展与大数据、人工智能、云计算等信息技术有着密切的联系。2.1高效的数据管理空间数据库一直是GIS的一个基础理论，却也是一直发展不够成熟的一个领域。因为GIS的数据确实太多太复杂了，这些数据有不同的形状（如湖泊、道路、房屋、河流），不同的性质（如线划地图、卫星地图、街景地图），不同的轨迹（如行驶的汽车、空中的飞机、奔流的洪水、隐蔽的洋流），它们很难用一个统一的模型来描述，进而对数据分析时的数据使用效率带来很大局限。现在，数据管理技术由于NoSQL、分布式存储、空间数据模型等的发展，GIS数据的管理模型有望获得统一，为更好的应用数据打下坚实的基础。数据库运维服务2.2跨行业数据透视空间数据分析和挖掘一直是GIS最强大的武器，但它却没有得到充分利用。随着大数据、云计算的发展，数据进入了一个爆炸的时代，GIS数据能够与很多行业数据进行交叉，产生奇妙的化学反应。随着研究人员的不断努力，现在很多行业的评价、统计、分析指标都加入了位置参数，GIS开始走出家门，说百家话，穿万家衣。2.3空间尺度衍伸（宏观、微观）GIS一直以来在做分析时都离不开一张内容复杂的地图，地图的边界就成为了GIS想象力的局限。在数据大爆炸的时代，数据挖掘后形成的多层次指标，让GIS信息冲破了这一边界。向上，伴随指标不断的概括与综合，GIS可以参与到各类宏观决策当中，突破区域、时间的限制；向下，GIS可以具象每一个细小的抽象空间，进入物质内部，描述每一个微小的位置变化。宏观和个体结合GIS分析自行车系统2.4迅捷的处理速度毫无疑问，计算技术的发展一定会让GIS的分析速度更快。这种变快是量变到质变的过程，随着单位时间能处理的数据量的极速增长，我们获得有效信息的时间被大大缩短，进行更复杂计算的可能性也在大大增加。这让数据分析出现两个趋势，一是实时化，结合全世界建模的概念，可以让一个人随着运行轨迹实时的计算出场景变化（例如自动驾驶）；二是深度化，计算可以覆盖的面越来越广，涵盖的信息越来越多，可能会获得更多抽象的、内涵丰富的数据加工产品（例如基于真实场景的游戏）。无人驾驶正向我们驶来2.5从计算到决策不得不再次请出人工智能。现在的GIS依然还停留在你想要什么我给你分析什么的阶段，人工智能在GIS领域的不断学习真逐渐的揭示出一种新前景，我给你什么你才想到什么。这样的前景是不是很令人激动，GIS真正从一个工具成为了助手，一个聪明的、懂你心意的、精确无比的助手。人工智能与智慧城市三、数据呈现GIS的精彩与其数据呈现能力密不可分。可以说，一般公众对于GIS的理解大多停留在数据呈现环节，广义的数据呈现包括但不限于地图、图表、手机APP、Web应用程序等，它不仅仅是指可视化效果，而更应视为触及最终用户的各种功能。数据呈现与互联网、计算机视觉等领域息息相关。3.1无限扩张的三维空间依然回到为我们的世界建模这个话题，既然建模了就要展现出来，一个真实的、无延迟的三维空间才是最酷的。现在的三维受限于硬件机能、建模技术等因素，大多将场景限制在一个不大的范围内。未来，建模范围都那么大了，展示能力也会提高。场景一天天的变大，模型越来越接近真实，直到有一天，边界会消失，模型会如实景一模一样。福鼎市三维数字城市3.2VR和AR在三维技术的加持下，VR和AR如两个兄弟并肩发展。VR是将真实的人放进虚拟的场景里，终极目标是人忘记了自己在一个虚拟的世界里；AR是将虚拟的场景放进真实的世界中，终极目标是人无法分辨什么是真实，什么是虚拟。VR和AR注定是阶段性的技术，未来会走向同一个终点。3.3精彩纷呈的Web地图也许，我用Web来形容地图已经受到了我想象力的限制。但我想表达的是，未来的电子地图会内容更丰富、更好看、更艺术，同时我们不再会受到硬件机能和网速的困扰，想看什么就看什么，想查什么就查什么，喜欢什么风格的地图就能让地图变得那么漂亮。HTforWeb整合OpenLayers实现GIS地图应用3.4潜力无限的手机APP坚持要把电子地图分为Web地图和手机APP两种，是因为APP代表了另一个方向，那就是随时随地。也许未来智能手机都成为了古董，可能是头盔？眼镜？眼前的一团空气？总之，把世界随身携带，让人无限期待。3.5叹为观止的专业化应用在专业领域面前，大众消费品有时会显得非常普通。既然世界都已在掌握，那么各个行业肯定也会充分应用。未来的工厂里、机床上、飞机中，有可能随时都会呈现出所需的空间信息，让专业人员随时掌握对象的空间要素，不会遗漏每一个细节。行业实在是太多了，这里只能留给各领域的大神自己发挥想象啦。路由分析四、结尾首先，我更关注gis技术而非行业，我看好的很多技术前景未必会由gis行业来实现，事实上，谷歌地球和地图就曾深刻地影响了我们这个行业。眼下，站在变革的十字路口，行业未来如何很难预料。但是gis技术会一直发展下去，会与更多的领域交叉融合，这是一定的。再者文中提及的大多数技术热点并不是空中楼阁，有的已经广泛应用，有些已有了明晰的技术前景，个别内容略有想象但仍有现实基础。例如倾斜，近景，高分遥感，室内定位，便携式差分定位等等应用都非常广泛了，市场也逐渐培育了出来；空间分析方面随着地理国情监测这两年的发展，已在很多行业发展出了特有的指标体系，上升到宏观层面是自然而然的趋势；终端应用方面，互联网公司应用gis的规模很大，当然他们更愿意称之为位置服务。
新媒体现状及未来媒体发展趋势的分析研究
摘要：本研究关注用户自主传播的媒体创意效应，借此探讨所谓新媒体现状及发展趋势。在查阅与翻译了大量中英文相关资料基础上，对腾讯、阿里、百视通、上海报业集团、上海广播电视台，以及韩国自媒体做了实地调研、访谈；参加相关学术会议，与相关业界专家进行交流、沟通；进行受众控制实验，并做了大量问卷调查，通过SPSS统计软件，结合相关深度访谈进行分析，本研究认为：应动态研究所谓新媒体（newmedia），是各类新兴媒体（emergingmedia），从媒介技术、用户需求、媒介生态与资金投入四维度宏观分析，结合传媒产业升级与转型的产业功能特性，同时关注媒体的社会整合功能（舆论引导、协调社会、娱乐大众、传承文化）。综合分析下，本研究认为，媒体对人们未来生活产生重大影响；新媒体发展进入大数据时代，“智慧云”成为各类企业走向世界的路径；移动互联网持续创新改变着新媒体发展态势；社会化媒体依然是新媒体发展焦点，分享经济的媒体创意经济形成。上述是未来媒体突破的靶向，这些靶心较为明显地预示全球媒体未来的发展趋势。
关键词：新兴媒体；媒体用户；创意
一、现实与理论关注的议题
从产业视角动态研究新媒体早已成为国家层面的重要主题，所谓的新媒体也日益广泛地渗入人类社会生活，成为人们的生活方式，国家相关主管部门早已从战略布局上确立了新媒体的相关主流地位，这是一种交互性的全媒体融合形态。所谓的新媒体逐渐发展成我国传媒产业领域的新发之力。
从全球领域、国家战略发展高层来看，如何拓展所谓新媒体产业也是当下与未来文化传媒娱乐领域的重大问题之一。所谓新媒体产业是文化产业、娱乐产业的新业态，是国家政策扶持重点。中国新媒体应用已有20余年，新媒体研究也有十多年，毫无疑问，新媒体是“当前最热的研究领域”，其现实与理论意义主要集中在以下几个方面。
1.新媒体与社会化应用：各类智能终端，以及移动互联网开放平台的应用服务技术，成为新媒体传播的核心技术基础；新媒体改变了媒体的传播路径，也改变了媒体与政府监管的关系，新媒体的开放、互动对政府规制构成了新挑战。
2.新媒体与传统媒体彼此融合：各类新媒体生态中的传统媒体如何转型，如何与新的媒体进行融合，一直是该领域研究的重要主题，所谓传统媒体如党报、图书出版、电视、电影等都尝试突围、创新和变革；传统新闻内容生产模式、传播通道被打破，新的新闻生产机制正在孕育和成形。
3.新媒体商业及盈利模式的创新：新媒体是信息科技与媒体产品的紧密结合，新媒体带来的媒体创意新经济，使得原来传统媒体从规模经济转向了范围经济、共享经济等模式，各类高新技术手段不断创新着人类支付问题，并通过尝试个性化的特质服务，不同媒体皆试图把握一条独特的可持续发展之路；目前比较热门的新媒体，如智能手机，内载各类新媒体内容产品、新媒体软件创新产品，同时也属于新媒体硬件生产领域产品，其内含新的媒体经营模式。
4.新媒体不断提升自身营销价值，营销属性加强。新媒体从内容产品，到渠道多样化的营销价值日益成为广告主、广告公司、公关公司等营销机构的关注焦点，新媒体已然成为企业整合营销中的最重要组成部分。
5.新媒体促进了主体文化的包容和开放，通过技术手段，促进新的亚文化圈的形成；新媒体促进了不同文明的对话。
6.我国新媒体产业同样呈现严重的区域差距，发展不平衡现状。一是各级城市间，以及城市与农村间的不平衡；二是东部与西部，沿海与内陆间的不平衡；三是各大官方媒体机构各自作战，缺乏协同效应思维与行为，导致境内外各类资本云集，媒体大鳄积极渗透，抢先我国新的媒体市场。
概言之，目前所谓新媒体已然发展成就为全球最具发展活力与潜力十足的前景产业。随着各类新媒体的不断涌现，不仅人们的生活方式被潜移默化地改变，世界传播新秩序也不断被重塑着。当前，在全球化趋势下，对新媒体产业现状与趋势的研究尤显必要。
二、相关研究梳理
（一）“新媒体”的界定
新媒体相对于传统媒体，是一个不断变化的概念，是网络基础上的延伸（熊澄宇，2008）。美国互联网实验室认为，“新媒体是基于计算机技术、通信技术、数字广播等，通过互联网、无线通信网、数字广播电视网和卫星等渠道，以电脑、电视、手机等实现个性化、细分化和互动化，能够实现精准投放，点对点的传播”。陆地认为，是媒介终端或功能创新的媒体（2014年）；新媒体已成为我国传媒产业领域的新生力量（鞠立新，2013）；有学者从文化学角度解读新媒体是一种新的文化（2012）。本研究认为，应动态地研究新媒体，是新兴媒体（emergingmedia），目前是“交互式数字化融合媒体”，向用户提供信息和娱乐等服务，信息技术是新媒体必要的技术保障；用户多元化、个性化的信息需求是新媒体产生的社会基础；新媒体变革着人们的生活方式，用户从以往的被动接受媒体到当下可自主媒体传播。社会化媒体用户不仅是新闻的消费者，也是新闻内容生产者、推广者，用户新闻信息传播系统发生“传-受”、“受-传”的互动变迁，传统媒体必须动态把握用户。社会化媒体中的口碑量应作为传统媒体测评受众的补充。
（二）“新媒体”发展现状
我国从2004年新媒体发展的初级阶段开始，如今是突飞猛进，向“用”、“玩”与“互动”等多功能转变（陆地，2014年）；新媒体消费群体与日俱增，催生了诸如“容器人”、“宅男女”等，社交媒体、移动媒体盛行，正受到越来越多的国际投资基金的关注；新媒体是国家发展规划的重点（柳斌杰，2007年）。随着新媒体相关产业的制度、政策环境的不断放宽，产业化和市场化进程的加速，在美国，新媒体产业凸显出两大特点：有效的新市场开拓和新技术研发；全球新媒体出现“媒介融合”（郭小平，2012）。
本研究认为，我国新媒体正处于快速发展期，目前新媒体产业以中小企业为主，也涌现出新媒体领军企业。新媒体市场广阔，影响力日渐凸显，正吸引资本大规模流入，其营销价值增强，与此同时，其国际化竞争也加剧，整体相关产业向纵深挺进。
（三）移动互联网持续创新改变着新媒体发展态势
新媒体更加广泛地渗入人类社会生活，进入“大数据”时代（严三九，2013）；媒体更加注重用户的需求，为用户生产定制内容；在盈利模式方面，随着互联网支付手段愈加成熟，一些媒体产品获得用户的直接付费；社交媒体将成为新媒体发展的焦点（张艳，2013）。本研究认为，大数据、移动互联网、社交媒体是全球新媒体发展的主要动向，已经形成相关联的新媒体产业。该产业基于互联网、电信网等数字化网络，通过实时、互动、点对点的自由传播模式为主体，形成借助规模化内容产品的生产、传播为主业的各类经营实体，以及相关价值链集群体，产业前景巨大，在这个技术与创意高度集中的新媒体行业，行业引领力量将会诞生，并发挥强劲的引领价值。
三、本研究路径、发现
本研究关注用户自主传播的媒体创意文化产业效应，在此视角下去探讨新媒体现状及发展趋势。
本研究查阅与翻译了大量中英文相关资料；对腾讯、阿里、百视通、上海报业集团、上海广播电视台，以及韩国自媒体做了实地调研、访谈；参加相关学术会议，与相关业界专家进行交流、沟通；进行受众控制实验，并做了大量问卷调查，通过SPSS统计软件并结合相关深度访谈进行分析，认为：在宏观的视野下，以下一些关键点将是未来媒体突破的靶向，这些靶心较为明显地预示全球媒体未来的发展趋势。
具体如下。
（一）新媒体对人们未来生活产生重大影响
在新的传媒时代，新媒体更加广泛地渗入人类社会生活，从“互联网+”到“+互联网”都重要，从“万物互联”到“万物智能”，电商、人工智能，各类VR（(VirtualReality，即虚拟现实，简称VR)，AR（AugmentedReality，即增强现实，也被称之为混合现实技术）将极大地改变人们未来的生活。
“互联网+”是用互联网技术去对接配置、迭代甚至取代传统的或者现有的一些生活或者商业模式，有机会重塑传统行业。
“+互联网”则更多是从传统的行业思考如何利用互联网技术优化现有要素，有一个有序的增效过程。
我们正在从“万物互联”走向“万物智能”，如何通过技术，感知场景，使用户连接服务变得更加智能，而且让人机交互不为人们所意识，这是未来媒体的系统工程。
人工智能（ArtificialIntelligence，英文缩写为AI）在未来5到10年会很大地改变我们的生活、经济、商业，将覆盖大数据、机器学习等很多方面，包括语音，包括图象处理，还有很多感官方面的一些大数据的分析和处理。各类机器人在社会中广泛承担着服务型角色，不断介入现实工作与生活，机器智力汇聚着各方人类智慧，甚至有望在某些方面超越人类。人类的角色可能也会发生改变，人类进化可能会走向“人-机合一”状态，一些人工机器人可能会具备自我学习与思辩能力，甚至程序驱动下，会自我机器智能生成，人类难以驾驭。人工智能能否做出情感性复杂答案合理判断？种种因高科技发展带来的问题必将引发更多的发展探索。
从虚拟到现实，比如黑科技全息眼镜。更多的黑科技在向我们走来，今天它们可能是虚拟的，甚至是匪夷所思的，但是这些黑科技将在不久的将来变成现实，并利用互联网技术的创新将很大地加速这一进程。国外一些IT业巨头，如Facebook、谷歌、微软、索尼等，无一不在向虚拟现实领域拓展。著名财务咨询公司高盛估算，到2025年，VR、AR的硬件软件营收将达800亿美元，如果能走向大众市场，年营收有望达到1820亿美元。受相关产业发展及技术接受与普及因素等影响，保守预测，到2025年时，VR与AR产业的年营收也有230亿美元，特别是在新媒体相关娱乐产业，如游戏、影视、动漫、体育领域将提速率先，越早投资布局的企业，越可能有更多发展前景，不过，本研究认为，VR适用于给人类带来愉悦的场景，非愉悦场景给人的不适感以及VR引发人类身体与思维脱节性也是难以回避的现实问题。
新媒体科技改变人类生活的案例，阿里巴巴最为典型。以电商起家的阿里巴巴，在过去的十几年，从B2B到C2C再到B2C，构建了一个电商生态体系。互联网经济不断发展，阿里的视野和脚步也早已超出了电商生态体系，并引入AR技术强化销售。自2014年开始，阿里巴巴马不停蹄，展开了在文化产业领域的一系列收购，如投资收购文化中国，并更名为阿里影业，将在影视版权、电影投融资、在线售票、数字音乐、数字出版领域烙下深深的阿里烙印；还斥巨认购华数传媒非公开发行股份。华数传媒号称为国内有线电视和新媒体行业的领导者，拥有全媒体完备经营资质，以及多样化的终端、传输渠道，这些都是阿里在家庭互联网方面的生态拓展的借力因素。
除了阿里，京东、中国网库、苏宁等电商巨头还纷纷加紧布局农村电商，不断将触角伸向农村深处。“得农村者，得天下”，已然成为电商巨头们的共识。
（二）新媒体发展进入“大数据”时代，“智能云”成为各类企业走向国际化的路径
现在越来越多的企业、个人资料、生产资料在管理、查询、交易、计算上的能力用在云上面，这能有效降低企业在IT资源的投入，让企业更专注于主业和核心竞争力。这是中国和全球的趋势，特别适合创新型的中小企业。微软把公有云引到中国，通过本地的合作伙伴来运营和交互。短短两年不到的时间里，已经创造了超过5万家在Azure公有云的企业用户，以及35000家在Office365的用户。这是一个很大的转型，并助力中国的创新性企业走向国际化。
来看上海广播电视台（SMG）全面拥抱互联网，与阿里合作的案例。曾经一统天下、“朝南”的传统媒体电视，最想从阿里那里获取什么？显然，一是阿里随着互联网发展而积累的用户数据；二是寄望通过电商、手游等方式，将媒体注意力直接转化为点击量，获取广告之外新的盈利模式；三是放开节目制作链条，强化用户在节目制作前、中、后期的全方位参与。
如今，阿里斥巨资12亿元入股上海文广集团旗下第一财经，双方将在多个领域展开合作。双方合作第一步，第一财经新媒体科技有限公司率先成立，研发资讯产品体系、财经数据移动终端、互联网金融智库等各项业务都在积极推进之中。其他一些合作业务，如第一财经已经成为基于支付宝用户数据的股票行情系统的资讯服务商，第一财经相应的一些财富资讯管理也将登录手机淘宝。
正如马云所言，当前社会正处于从IT时代向DT（datatechnology）时代跨越中，建立与开发数据分享的机制、产品，飞速提升数据使用效率，才能使数据更好地服务于经济和生活，同时也才能真正使社会在数据时代全面均衡发展。上海广播电视台在集团两家上市公司（东方明珠、百事通）吸收合并之时，植入与阿里在数据服务领域内的互联网合作基因。
未来，一定程度上承担我国新媒体发展方向的阿里巴巴，进军全球化将是最重要的方向，也是阿里巴巴新消费者的开发地。当然，这个战略目标要实现，阿里巴巴同样也面临着挑战与困难。例如，要实现支付全球化体系，支付宝必须要支持多币种同时交易；要克服物流全球化的困难等等。
与此同时，大数据时代，云计算也成为社会经济发展的基础设施之一。目前，我国政府成为云计算最为积极的实践者之一，云计算在推动电子政务、政府公共服务，智慧化应用、传统工业、金融业、服务业的转型升级，以及催生创新创业企业发展方面均成为关键因素。
马云的愿望是将阿里打造成一个DT时代的大数据公司。就目前阿里云的发展态势，阿里云服务涵及政府管理、金融服务、电子商务、数字娱乐、医疗健康、气象等多个领域，阿里云正在构建强大的阿里云生态，涵及政务、金融、电商、手机、智能家居、汽车等几乎所有的领域，为国际化进程打开一条技术通道。
（三）移动互联持续创新与改变新媒体的发展态势
中国毫无疑问已经成为全球最大的一个移动终端市场，天猫、淘宝在每年双11这天惊人人民币数额的成交额当中，有68%来自于移动端交易。移动端是为人看好的趋势，尤其是当它将移动互联的技术用于交易。
人们可以随时、随地自主地选择各类媒体。于是，传统媒体（报刊、广播、电视、书籍等）不得不与移动互联产生融合，形成各类所谓融合媒体，适应，同时也改变着人们的试听、阅读体验。移动互联基本特征是数字化，最大优势就是便于携带，具备交互性功能强大、信息获取量大且快速、传播即时、更新快捷等基因。以移动广播为例，搭上移动互联网的广播，使得多向互动成为现实：受众可以在线收听，也可回放节目，并随时、随地通过微博、微信等方式，即时参与节目。与传统广播节目相异，移动互联广播倾向于个性化、自主化的节目。
电视观众与传播机构的互动也因移动互联而更加灵活。电视用户在观看节目的同时，依然可以随时、随地通过文字、图片、声音、图像等方式，与电视传播机构进行互动、相互交流。而且随着各种美图、摄像技术的发展，移动互联网用户本身的拍照、摄像功能也使得原先传统媒体的受众的身份，转变为新媒体信息的提供者（UGC，UserGeneratedContent）。全民参与的新媒体形式不断诞生。视频移动客户端用户接受影响因素需着重“内容体验”、增加“娱乐性”，降低“风险性”、提升“易用性”。
（四）社会化媒体（socialmedia）依然是新媒体发展的焦点，“分享经济”的媒体创意效应出现
移动无线彻底解脱人类，也成为是未来媒体发展的必然趋势，世界将在移动观看中成其所示。但是从科技发展现状来看，移动互联网完全超越有线互联网，尚待时日。
不过，社会化媒体却非常迅猛地转移到无线互联网，借助移动终端的使用，使得人类对其利用率增幅远远高于桌面PC电脑。社会化媒体不仅融入主流社会，而且如今可与搜索引擎、门户网站、电子商务相匹敌，并基于社会化媒体平台不断延伸出第三方应用，蝴蝶化效应地引发各类崭新社会化商业变革。
社会化媒体一方面成为人们进行有效交往的社交工具，改变着人们的社会资本，一方面也逐步被政府、企业组织体系广泛应用，以提高其工作效率，并吸引应用开发商转移到社会化媒体的传播平台，研发各类用户所需个性化的服务，所有种种，必定将带动更多的投资汇聚社会化媒体领域，使其成为新的产业增长点。
社会化媒体的商业策略与传统媒体迥异，会以：免费、搜索、移动互联、网络综艺、平台策略、认知盈余、权力终结、社交红利等方式取胜。各类“疯传”策略，蜻蜓策略（概括为Focus+GET），即Focus（专注）：确定一个以人为本、具体的、可测量、能让利益相关者乐意的目标；GrabAttention（赢得关注）：用一些私人的，出人意料的，发自内心的，以及形象的内容，在嘈杂的社交媒体中赢得关注；Engage（吸引参与）：创造一种个人联系，通过同情心和真实性逐渐接近更深的感情层面，或者通过讲述一个故事，拉近与受众的心理距离。这种参与能使受众足够地关心，从而促使他们想自己做点什么事；TakeAction（采取行动）：授权他人采取行动，可以将受众变成潜在顾客再变成队友。社会化媒体中的微信朋友圈信息流广告发展出现新的趋势：一是“转化率”问题，即对于微信广告来说，极高的广告投放成本，如何转化为产品的销售额或者APP的下载量，有待考量；二是“差异化整合营销”问题，即制定符合个性的创意，精准营销，考虑用户体验、用户隐私。
而且，更多公众借助社会化媒体平台，分享自己闲置资源，与他人共享资源，并促成消费的“分享经济”商业模式不断涌现在教育、医疗、广告创意、培训、家政服务、租赁、二手交易等领域，正颠覆着人们传统消费观念，改造着传统社会各个领域，如交通出行、短租住宿、旅游等。
未来，用户自主传播的媒体创意效应将以更多的“分享经济”形式崛起，向更多领域拓展，如餐饮外卖、家庭美食分享，一些闲置厨房资源也将被盘活；建立在廉价劳动力基础上的中国发达的快递物流，也将出现人人快递物流众包模式。
用户自主传播的媒体创意效应因各类媒介技术的应用越发彰显其魅力。
动态看待新媒体发展，从媒介技术、用户需求、媒介生态与资金投入四维度宏观分析，结合传媒产业升级与转型的产业功能特性，同时关注媒体的社会整合功能（舆论引导、协调社会、娱乐大众、传承文化）。上述是未来媒体突破的靶向，这些靶心较为明显地预示全球媒体未来的发展趋势。
参考文献：
[1]严三九.“2013年全球新媒体发展态势探析”[J].现代传播,2013(7).
[2]NewMediaArt,Participation,SocialEngagementandPublicFunding----Taylor&Francis.2013.3.
[3]NewMediaCloudComputingOpportunitiesandChallenges，2013.2，IGIGlobal.
[4]王荣.十二省市引入阿里云[N].中国证券报,2015-01-06.
[5]佚名.阿里云将在硅谷建数据中心欲拓展海外云业务[J].互联网天地,2015(3).
[6]Convergenceofnewandoldmedia:newmediarepresentationintraditionalnews,Taylor&Francis,2013.2.
[7]WeCan’tAllBeObama,TheUseofNewMediainModernPoliticalCampaigns，Taylor&Francis,2013.4.
[8]童清艳.中国新媒体产业发展的现实议题[J].新闻记者,2012(2).
[9](美)安德森.免费:商业的未来[M].北京:中信出版社,2013.
[10]陈威如.平台战略:正在席卷全球的商业模式革命[M].北京:中信出版社,2013.
[11](美)舍基.认知盈余[M].北京:中国人民大学出版社,2013.
[12](委)莫伊塞斯・纳伊姆.权力的终结[M].北京:中信出版社,2013.
[13]徐志斌.社交红利[M].北京:北京联合出版公司,2013.
[14]JohnAllenHendricks，SocialMediaandStrategiccommuni-cations,PalgraveMacmillan
[15](美)罗宾・蔡斯.共享经济[M].杭州:浙江人民出版社,2015.
[16](美)凯文・.凯利.必然[M].北京:电子工业出版社,2016.
[17](美)RayKurzwell.奇点临近[M].北京:机械工业出版社,2015.
[18](美)戴维・.温伯格.知识的边界[M].太原:山西人民出版社,2014.
[19]童清艳.中国媒体未来发展趋势与改革策略[N].人民论坛,2016-08-25.
(责编：石思嘉（实习）、宋心蕊)分享让更多人看到