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。
科学网—人工智能的经济影响与发展
人工智能的经济影响与发展已有6460次阅读2021-5-1618:40|个人分类:2021|系统分类:科研笔记
摘要：随着以机器学习、深度学习和大数据为代表的人工智能技术不断发展，新一轮的产业革命正在到来，社会的经济和产业结构、劳动力市场分工发生了很大的变化，然而当前人工智能技术还面临着三道难题：可解释性、常识和知识，在它推动经济增长、改变产业结构的同时，我们需要更好的引导资本与技术的协调发展，构建新型智能经济生态。
关键词：人工智能；产业结构；人机融合智能
2017年10月19日，AlphaGo团队在《自然》杂志上发表了一篇论文，为人们展示了基于人工智能的游戏智能体AlphaGo的新版本AlphaGoZero，它在没有学习任何人类对战数据的情况下，在40天内变得比之前所有版本的AlphaGo强大得多。这代表着人工智能(AI)可以从一无所有中学习或训练自己来打败人类专家，这是人工智能领域发展的一个里程碑，对人类社会具有重要的意义。
历史上有过许多重要的技术变革。由于蒸汽机的现世，开启了“工业革命1.0”的时代，从此机器开始不断升级换代来帮助人类进行生产和劳动，导致了社会生产率的提高。到了20世纪初，由于电力的普遍使用，人们开始通过使用流水线进行普遍的大规模生产，这一时期可以称为“工业2.0”，在此期间，工人们通过简单的编程来控制机器，以此来提高工作效率、生产率和产品的质量，在某种程度上机器开始取代劳动的某些功能。进入“工业3.0”时代之后，计算机的发明和信息通信技术的出现极大地改变了生产功能，劳动结构和工作所需的技能发生了变化，虽然许多传统的工作岗位被取代，但同时也创造了许多新的工作岗位。计算机程序和软件虽然越来越强大和高自动化，但它们仍然需要编程、控制和应用，在这之前，机器仍然是人类劳动的工具。上述三次科技革命都影响了社会生产率和经济，然而，我们现在所面临“工业4.0”似乎有很大的不同，它在未来可能会改变人类和机器在社会生产和生活中所扮演的角色，人工智能技术可以使机器产生一定的“智能”，让它们在更多方面代替人类的劳动。
人工智能领域包括机器人、神经网络和机器学习，以及符号系统。“自动化”、“数字化”和“计算机化”可能只反映了人工智能的一部分，自动化和机器人不一定是人工智能，因为我们可以通过简单的编程让它来执行给定的一些任务。目前的人工智能依赖于机器学习、深度神经网络、大数据、物联网和云计算等，它的一个关键特性是可以通过数据和计算来决定下一步的行动，例如它可以从物理环境中获取数据，然后通过这些数据来学习或者决定下一步的动作。人工智能的快速发展不仅是科学技术上的重大突破，而且对人类社会和经济及经济的发展都产生了深远影响，人工智能作为一项发展迅速的前沿技术，已经成为研究的热点。
一、促进经济增长，改变劳动力结构人工智能作为当前人类科技水平的代表，能够大幅的提高各行业的社会劳动生产率，从而推动宏观经济的快速增长，在近几年内，以云计算、大数据、人工智能为代表的新一轮科技革命使得现有的信息科技技术快速迭代并逐渐大规模的实行商业化应用，改变了现有的经济模式。人工智能作为当前智能技术发展的核心力量，有望为当下数字经济的发展带来新的契机和变革，成为我国乃至全球经济增长的巨大推动力。作为一种全新的生产要素，人工智能将会在三个方面推动国民经济的平稳快速发展：创造新的虚拟劳动力；补充劳动力、提高现有的技术与能力；成为创新驱动力、推动创新发展。人工智能在提高社会生产率的同时，也将为经济贸易提供新的模式和机会，同时促进经济的快速增长。当前全球生产率处于低速增长的状态，因为对于任何一个经济体来说，都需要一定时间来学习、吸收并有效利用新技术，特别是会对整个经济体产生重要影响的复杂技术，比如人工智能，这些时间既包括我们建立足够大的资本量并开始产生影响的时间，也包括了投资人工智能（培养专业技术人员和业务发展）和补充投资所需要的时间。以人工智能为代表的相关技术目前已经对全球价值链的管理及发展产生了一定影响，企业可以通过它来改善对未来趋势的预测，例如消费者需求的变化，以便更好地应对供应链中的风险；可以利用机器人相关技术大幅提高包装的效率以及库藏搜检的效率；还可以使用人工智能改善供应链上资产的物理检查和维护。
以人工智能为驱动的技术给经济和贸易发展带来的好处将会是巨大的，世界头号咨询公司埃森哲（Accenture）曾做过一项预测，到2035年人工智能将会使我国经济增长率提高16%左右，使发达国家的年经济增长率提高一倍，并使得各行业的利润增长38%左右。人工智能技术在推动社会生产力不断提高、经济社会不断发展的同时，也使人们变得更有效率、不断改变着人们的生活和思维方式，从而使人们有更多的时间和机会来想象、创造和发明新事物，成为重要的创新驱动力。
科技的进步是人类的才能和智慧逐渐累积的结果，每一次的科技革命，都对劳动者的知识和技能要求有所不同：蒸汽时代不仅要求劳动者要掌握工艺生产的步骤，而且要学会在生产中协调人机关系，电力的应用要求一部分劳动者具有某种专业能力，以达到某种精密分工的要求。人工智能技术是建立在计算机科学和统计概率学的基础之上，在算法操纵下的智能机器首先取代了简单而且具有重复性的低技能岗位，而技术研发、软硬件开发、故障检测等有较高要求的岗位则变得更为重要，随着智能化技术和水平的不断提高，劳动者整体的知识和技能水平会不断增高，劳动分工越加细致，知识型、技术性的劳动者将会取代重复型的简单劳动者变成劳动者的主体。
总体来说，人工智能在未来取代的应该是从事重复性劳动的劳动者，未来这部分人的市场需求及福利待遇可能会同时降低，对于具有较强专业技术能力或者认知能力的劳动者来说，由于其特定的专业技能存在可变性因而难以被人工智能或自动化技术取代，这一类劳动者的市场需求反而可能会增加。人工智能和自动化技术取代了具有重复性的相对较低技能的劳动力，而增加了对高技能工人的需求，从而至少在短期内可能会给收入不平等带来上行压力。因此，获得高质量的教育变得更加重要，相对富裕的家庭将能够为他们的孩子提供良好的教育，他们将获得更高的技能和能力，在未来劳动力市场的竞争中取得优势。
二、影响资本和技术的发展人工智能技术正在逐渐催动新一轮的产业结构变革，成为社会经济发展和科技创新的重要驱动力，其催生出的新的技术、产品、服务、模式等正在日益改变着社会产业结构、人们的生活以及思维方式。在这场人工智能的潮流中，国内外各个科技巨头无疑成为了这场产业革命的主力军，谷歌、微软、腾讯、阿里巴巴等资本巨头在人工智能方面的研究遥遥领先，这种将资本与智能技术融为一体的科技巨擘无疑对人工智能以及经济社会未来的发展有重大和深远的影响。
几乎所有科技革命从出现到不断发展，都是由人机环境系统不断推动而导致的，而资本和技术则是人机环系统中重要的一部分，现如今，资本和先进的科学技术都是经济财富的源泉，如果能将两者有机的结合起来，则会产生一种极为强大的“超级权力”。在当今的人工智能和数字经济时代，很多的突破性成果都是先由小的初创公司或者开发团队率先研发出来，而后被谷歌、BAT等大型公司收购的。人工智能技术有三个重要的支柱，即算法、算力和数据，一般来讲，谁拥有更先进的算法、拥有最快的计算芯片和最多的数据，谁就能成为人工智能领域的领导者，然而从本质上来讲，以统计概率学为主的人工智能算法的计算结果仅仅代表了某一事件可能发生的概率，算法本身并不具备推理能力，而且其仅仅适用于某一特定领域或场景，一旦转移到其他领域，算法就会失去原有的效果；数据同样是如此，即使再好再多的数据，也必须由开发者深入发掘其中的特征，同时与应用场景、意图、用户体验相结合之后才能得到其真正的价值。所以说，我们所谓的“超级权力”拥有者与众多小团队和研究院一样，都有开发出人工智能相关颠覆性技术的可能性，而大公司独有的作用则是收购、整合、应用、推广新技术，它们对人工智能技术以及未来发展的影响是有限的。
人工智能技术的发展和普及是一个相对漫长的过程，其需要的资本投入可能会导致社会各阶层和产业的发展潜力、资源占有率和影响力差距增加，大型的科技公司或组织将占有全球大部分产业结构、人才、技术和资金。市场经济的快速发展是国家利益的基本保障，国家应当对这种企业进行正确、有效的引导和监督，避免滥用人工智能技术从而扰乱社会秩序或因为资本的逐利性而激化社会矛盾等情况的发生。资本与技术进一步结合既可以促进科技的进步和创新，推动经济社会良性快速的发展，同时也有可能出现垄断集团，限制科技的更新和社会的进步。如何使资本与技术两者协调发展，各取所长，是我们始终要思考的经济-社会和资本-技术发展难题。
三、人工智能的局限与未来当前人工智能技术还面临着三个难题：学习、常识与可解释性。
学习：人类在学习过程中学的不是知识，而是获取数据、信息和知识经验的方法，而机器学习学的则是数据、信息和知识。相似性是自然界的一个基本特性，不同的系统之间存在着相似性；同一系统中的不同子系统与原系统之间也存在着相似性。机器学习的长处在于学习、迁移这种同质性、线性的相似系统，但是它很难在异质性、非线性等相似系统之间进行类比与转换，而人不同，人能够在线性与非线性、同质与非同质、同构与非同构、同源与非同源、同理与非同理、拓扑与非拓扑、周期与非周期、家族与非家族之间随意转换。机器的学习离不开时空与符号，而人的学习随着自身情感、价值、事实改变而不断发生变化；机器的学习遵循和依赖已有的规则，而人则是在学习中不断改变旧规则、打破常规则、建立新规则。例如优秀的领导者会在实践中不断打破规则创新改革，而不是循规蹈矩、四平八稳地逐渐腐朽和没落，更不是眼睁睁看着疫情肆虐而双眼却盯在竞选和权力上。
2017年3月16日美国国防高级研究计划局（DARPA）计划启动 "终身学习机"（L2M）项目，旨在发展新一代机器学习技术，并以此为来推动第三次AI技术浪潮。第一次 AI 技术浪潮以“规则知识”为特征，例如 Windows 操作系统、交通信号灯的控制等。第二次 AI 技术浪潮以“统计学习”为特征，例如贝叶斯网络、神经网络等。虽然上述 AI 技术对特定的问题有很强的推理和判断能力，但并不具备学习能力，很难处理一些不确定问题。第三次 AI 技术浪潮将以“适应环境”为特征，AI能够理解环境并发现逻辑规则，进行自我训练，建立正确的决策流程。由此可见，AI的持续自主学习能力将是第三次 AI 技术浪潮的核心动力，L2M 项目的目标与第三次AI浪潮“适应环境”的特征正好契合。通过研发新一代机器学习技术，使AI拥有从环境中不断学习并总结出知识的能力，L2M 项目将为第三次 AI 技术浪潮打下坚实的技术基础。
实际上，生活中有众多的无限的学习，就算是人都很难拥有终身学习的能力，更何况是没有“常识”和“类比”能力的机器，所以终身学习可能只是我们的梦想。人类的学习是不同角度的、全方位的学习，一个对象可以变成多个对象，一种关系可以变成多种关系，一个事实不但可以变成多个事实，而且可以变成多个价值，甚至有时候人的学习还可以将多个对象变成一个对象，将多种关系变成一种关系，将多个事实变成一个事实或者一个价值。机器学习本质上是人认知能力的显性化，是一种“自以为”“是”，人们常常只能认出自己习惯或熟悉的事物，这种的局限和狭隘自然而然地融入了模型和程序中，因而，这种一多的变换机制一开始就有不足之处。当然，机器学习也并不是一无是处，虽然可能无法做到真正的智能，但是也可以朝着自动化的方向不断发展。
常识：正如药一样，所有的知识都有其前提和适用范围，如果缺少了前提条件，知识便会产生副作用。知识只是常识的素材和原材料，机器只能做到“知”而无法拥有“识”，也就做不到知行合一。知识应该与思想结合起来而不仅仅是依附于思想，如果不能运用知识改变思想，使思想变得完善，那么知识就变成了一把双刃剑，可能给它的主人带来副作用或伤害。而人类避免知识产生副作用的良方之一便是常识，常识往往是碎片化的，而态势感知就是通过感、知这些碎片化常识的状态、趋势从而产生非常识的认识和洞察。人类可以通过自己的常识来感知世界、理解世界，而典型的人工智能体则缺乏对物理世界运行的一般理解、对人类动机和行为的基本理解（如直觉心理学）和对普遍事物的认知。
2017年，DARPA战略技术办公室（STO）提出了“马赛克战”的概念：未来战场应是由一个个低成本、低复杂的系统组成的拼接图，将这些系统以不同的方式连接起来便可产生理想的、适应于任何场景的效果。这种连接方式被描述为“以新的、令人惊讶的方式组合当前已有的武装力量”，其重点在于有人/无人编组、分解的能力、允许指挥官根据实际情形实时调动海陆空，而不考虑哪支部队在提供作战能力。
无论是我们所说的“机器常识”还是“马赛克战”，其实都是对抗博弈的背景下人-机-环境的新型拓扑系统。这个系统中真正有价值的不是那些基本的知识和规则，而是应用这些基本的知识和规则在实践中获得成功的人，比如毛泽东、粟裕等非科班出身的军事家和战略家便以自己的常识最终击败了黄埔系校长和将军们的知识。
可解释性：人工智能的可解释性问题一直备受关注，欧盟在去年出台的《人工智能道德准则》中提出AI未来应该向“可信赖”的方向发展，其中“可信赖”包含安全、隐私、透明和可解释性等方面。人工智能的应用以输出决策判断为目的，可解释性可以让人理解机器做出决策或判断的原因，AI的可解释性越高，人们就越容易理解模型做出的某种决策或预测的原因，可解释性指的是对模型内部的机制或机理的介绍以及对模型输出结果的解释。其重要性体现在：建模阶段，帮助研究人员理解模型，从而对不同的模型进行选择对比和调整优化；投入运行阶段，向应用方提供模型的内部机制和输出结果的解释，增加使用人员对模型的信任度。
目前，美国的人工智能技术在世界上处于领先地位，但在人机融合智能领域美国并没有太大的优势，这是由于人机融合智能中的人造成的。例如在这次疫情之中，美国的医疗水平和设施应该比中国的更为先进，但是由于领导人的失误使这些优势荡然无存。美国国防部2021年共申请289亿美元用作建设现代化的核武器设施，体现了特朗普政府的战略发展重点：提升核指挥、控制和通信（NC3）基础设施的准确度、速度以及自动化水平，与此同时产生了一个重要的问题：在未来的核战争中，人工智能自主系统在决定人类命运方面将扮演什么角色？当前的辅助决策系统处于起步阶段，很容易出现意想不到的错误和状况。机器学习算法虽然擅长人脸识别、检测等特定场景下的任务，但同时也会学习到训练数据中包含的内在“偏见”。所以只要核武器存在，人类就必须拥有对核武器的最终控制权，这种情况下人机融合智能显得异常重要。
人机融合智能既不同于人类的智能也不同于机器的智能，而是在人-机-环境系统交互中充分结合人和机的优势产生的一种新智能形式，是侧重于将人脖子以上的大脑与“电脑”相结合所产生的新型智能体。人的智能在于事前无数据，机器的智能体现在事后有数据，而数据的价值和意义则是由人来决定的，只有将人的认知与机器的计算结合起来才是未来智能领域发展的方向。
目前距离可解释人工智能还有一段距离，根本原因在于其中包含的不仅仅是数学语言，还有自然语言，甚至是思维语言。而人机融合智能不仅能自由的选择主体，还能适时地进行主体变换，在人-机-环境系统交互的过程中实现深度态势感知，有机地实现数学语言、自然语言、思维语言之间的能指、所指、意指切换，进而准确、快速的实现我们的意图和目的。
https://blog.sciencenet.cn/blog-40841-1286843.html上一篇：如来的杂感下一篇：机是半导体，人是变导体收藏IP:124.64.124.*|热度|人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]人工智能论文2000字范文（精选8篇）
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。本文精选了8篇最新"人工智能论文范文",以供大家参考和研究。
人工智能论文2000字范文一：浅谈人工智能与机器人的发展
摘要：随着社会经济的飞速发展，在当今信息时代，人工智能与机器人已经属于前沿研究领域。在大部分人的意识中，对机器人是有一定概念的。但是这种概念，更多的是通过科幻小说的描写和人们的想象得到的。在现实发展过程中，虽然也有机器人的身影，但是版本都太低，仅停留在表面，智能效果并不好，在发展阶段还处于突破阶段，人工智能也同样如此。人工智能与机器人发展这两者是相辅相成的，目前对机器人研究要发展，其突破方向就是培养高智商的机器人。该文从人工智能发展史、人工智能在发展中所遇到的困境以及人工智能在机器人领域中的发展三个方面来做具体阐述，为以后相关行业人员，提供参考订阅。 关键词：人工智能；机器人；自动化；发展趋势 人工智能与机器人都同属于计算机的分支，是从20世纪中叶兴起来的。从定义上来讲，理解起来还算简单，但是对工智能与机器人比较难定义。虽然大家都清楚这两者的意义，然而，如果是比较统一的文字定义，网络上或者是相关书籍上是无法查阅到明确定义的。在对人工智能和机器人的研究过程当中，其涉及学科多，以至于这两者的发展慢慢已经渗透到高中生的学习领域。在很多时候，包括笔者在内的很多人，都会把人工智能和机器人的定义搞混，单纯觉得两者说的是同一个东西。但实际上人工智能比机器人更加复杂。人工智能是通过计算机应用，对人大脑的思维和智能进行模仿；而机器人则是应用某些技术，造出与人的行为较为相似的机器做的人，模仿人类行为。对于高中生而言，不仅需要详细深入了解这两者的定义和区别，更需要从古至今了解这两者的发展以及现状，为将来的研究提供理论合基础，时刻准备着为祖国科技做出贡献。 1人工智能发展史 说起人工智能，发源时间是从20世纪中叶开始。在1956年的达特茅斯学院会议上"人工智能"这个词正式出现在世界上，科学家也是从这个时候开始真正踏上智能研究的道路。通过科学家的研究，10年的时间，人工智能迎来第一次发展高潮，计算机被应用于社会的各个领域。也是通过这个现象，在数学方面、自然语言方面领域的应用给了很多科学家希望，因此，各大项目都逐渐建立起来。 因为内基梅隆大学为数字设备公司设计了一套名为XCON的"专家系统"的系统，处于冰冻期的人工智能迎来第二次发展高潮，这套专家系统主要用于商业模式，通过利用人工智能，建立了具备完善专业知识和经验的计算机智能系统。但是，好景不常在，没过多久又处于冰封状态了。 在1987年，专家系统并没有发展得那么好，在苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机后，专家系统光辉不在，开始走下坡路。尽管如此，人工智能的研究始终在继续。于1997年，IBM公司所生产的深蓝打败了国际象棋世界冠军卡斯帕罗夫；在2009年，螺丝联邦理工学院发起又一计划"蓝脑计划",生产已经成功模拟了部分鼠脑；在今年，大家都关注的谷歌AlphaGO战胜韩国李世乭。这3个案例的成功，都展现出了人工智能方面的研究成果，其研究成果也跟随时间的推移在不断刷新。社会经济在发展，人们在智能科学技术上投入的资金和技术还有精力也越来越多，这一方面的发展只是时间问题。 2人工智能的发展困境 2.1人工智能的发展现状 目前，人工智能处于飞速发展的阶段，很多人工智能公司如雨后春笋般相继现世。在公司成立之后，相继被国际比较大型的IT企业收购，处在网络行业竞争激烈的时期，谁都在争夺行业的有利地位。在人工智能的发展进程中，当然，随着人工智能也兴起了很多新兴行业，象自然语言处理、智能机器人、虚拟私人助理、手势控制等。根据网络上相关报道以及部门统计，人工智能行业已经成为21世纪世界各国争相投资和创业的重要选择。据统计，在人工智能行业，全世界的投资金额接近50亿美元。虽然我国人工智能方面的研究相对于欧洲发达国家比较晚，但是随着社会经济的发展人工智能的发展速度较快。 2.2人工智能的发展困境 就目前所有研究资料显示，人工智能的研究困境主要体现在2个方面，分别是计算机博弈和机器翻译，而博弈说白了是竞争。计算机博弈分为多种多样，最为简单的博弈应该是只要操作就可以的，象联机作战游戏。但是实际上来说计算机的博弈主要体现在对技术的操作、应对措施以及智能模仿等方面。人与人之间的竞争涉及方方面面，主要都集中在脑力和体力2个方面，而计算机技术，它是无法根据人的思维和智能去演算出机器博弈的，而这个点就是计算机技术研究所面临的困境。而具体要解决这一世界性的难题，就必须加强人们对技术方面知识的研究，熟悉生物神经学科，不断加强对知识性学科的学习。 机器翻译很多人都会使用。如果某段话不会翻译，就打开某个软件，笔者平常会用几个软件综合一下，把你需要翻译的中文打在输入框内，然后在输入结束后按翻译按键，下框就会自动弹出所对应的英文句子，但是这是非常简单的翻译，而且个人觉得非常不准确，很多语法都无法把握，偏重于中式翻译。而在翻译过程中，实际起作用的还是程序，严格来说，并没有实现自动化翻译。笔者认为，最主要的还是要通过计算机对人类思维的了解和使用语言习惯和知识点进行比较深入地分析，才能够真正完成机器的自动化翻译。 目前来看，人工智能在计算机博弈和机器翻译出现障碍，在世界范围内，机器翻译还是比较广泛运用的，且具有良好的发展前景。 3人工智能在机器人领域中的发展 在现实生活当中，人们的认知方式和生活方式因为人工智能发生了改变。科学家们对于人工智能和计算机的完美结合给予高度重视，大家都把人工智能机器人作为研究的重要领域，而所谓的人工智能机器人，就是可以对人类行为和思维进行模仿，并且相似的机器人。但是就目前的研究状况而言，常常可以看见机器人搬运其物块或是移开物块等，机器人所做的只是在模仿人的行为。对于这些简单的行为机器人的制造并不难，但是难就难在无法将机器人赋予人的思维和智能，就像无法制造出能够与国际象棋世界冠军卡斯帕罗夫对赛的智能机器人。人工智能运用在机器人当中主要表现在2个方面，第一是人工智能系统集成，第二则是多元信息采集。这样做的目的是，将计算机和系统综合起来，使利用率更高。需要认识到的是，单一的系统是无法让计算机得到发展和完善的，计算机必须满足同时拥有多个系统，才能对突发情况进行应对和解决，进而具备了"思维".对于机器人来说，多元信息采集是极其重要的。通过对IT系统的使用，将知识进行系统整理，从而得到更加广泛的知识，这样一来，机器人的智能就会得到提高。 结语 综合上述说法，我们可以看出，人工智能的发展还是比较曲折的，从20世纪中叶到现在，经历了3次高潮，也经历多次冰封时期，几经沉浮终于在世界的发展过程中占有极其重要的地位，且在未来的发展中也将会继续受到重视。尽管如此，我国人工智能的发展相对于欧洲发达国家而言，还是比较落后的。人工智能机器人的发展是一个国家技术经济发展的重要标志，对今后社会经济的发展和中国在全球的地位也具有非常重要的意义。 因此，对于智能机器人的发展，我国应该给予高度重视。中国应当明确发展目标、认清国际形势；培养相关技术人才，有效地运用人工智能技术，缩小中国与世界人工智能方面的水平差异。希望通过国家和科学技术人才的支持和努力，能让我国智能机器人的发展进入一个新台阶，发展达到新高度，在未来的发展过程中起到重要的作用。 参考文献 [1]孙静，张帆，王国庆，等。物联网时代人工智能机器人的发展趋势探讨[J].科技经济导刊，2017（31）：12-13. #p#分页标题#e#人工智能论文2000字范文二：人工智能技术在新冠病毒肺炎疫情防控中的应用
摘要：归纳了人工智能技术在新型冠状病毒肺炎疫情防控工作中的应用情况，分别从医疗辅助机器人、大数据分析、云平台、远程医疗、智能检测5个方面进行分析，阐明人工智能在疫情防控中的优势，剖析人工智能在医疗领域的发展前景，为今后人工智能在医疗领域的广泛应用提供参考。 关键词：新型冠状病毒肺炎；人工智能；大数据；机器人；云平台；远程医疗；智能检测 2019年12月，新型冠状病毒肺炎病例在武汉出现，2020年1月20日，国家卫生健康委员会将新型冠状病毒肺炎纳入《中华人民共和国传染病防治法》规定的乙类传染病，并采取甲类传染病的预防、控制措施[1,2].截至2020年2月12日24:00,全国新型冠状病毒肺炎确诊病例52526例，死亡1367例[3].面对疫情全面暴发的严峻形势，医疗防护物资紧缺，医护人员高强度负荷，疫苗和新药亟待研发，公众居家恐慌，疫区优质医疗资源匮乏等，人工智能（artificialintelligence,AI）利用虚拟现实技术，在疫情防控的关键作用逐渐显现，如机器人配送物资，5G网络查房问诊，大数据助力新药研发，远程医疗会诊，智能筛查疑似病例，云平台办公和在线学习。本研究对人工智能技术在此次疫情中的实际应用进行综述，旨在凸显人工智能在疫情防控中的优势，为今后人工智能在医学领域的广泛应用提供参考。 1概述 人工智能是计算机科学的一个分支，由计算机科学、信息学、语言学、控制论、心理学、语言学等多学科相互融合发展起来的，旨在对人的思维、学习、知识储存过程进行模拟和系统应用[4].人工智能技术企图通过挖掘智能的实质，生产出新的类似人脑且能做出快速反应的机器，涵盖算法、芯片、软硬件平台和应用[5].人工智能的核心是算法，基础是数据及计算能力，该领域的主要研究包括自然语言、机器学习、图像识别技术、语言识别技术、神经网络学习等[6,7].随着人工智能技术的逐渐成熟，开展智慧医疗成为医疗领域的热点，也是今后发展和优化医疗服务的趋势[8].目前，该技术在我国医疗健康领域的应用才刚刚起步，并未广泛投入使用，此次新型冠状病毒肺炎疫情的防控，给人工智能技术的开拓应用提供了一个实战平台，让我们看到了人工智能技术在医疗领域的巨大潜力和重大价值。 2人工智能技术在新型冠状病毒肺炎疫情防控中的应用 2.1医疗辅助机器人 医疗辅助机器人的开发应用一直是人工智能在医疗领域应用中备受关注的一大领域[9].广东省人民医院在抗击新型冠状病毒肺炎疫情防控工作中引进了2名机器人"新员工",主要承担送药、送餐、回收被服和医疗垃圾、实时影像监控病区动态等工作；它们集成先进的无人驾驶技术，可自主识别地图和工作环境，自主避开障碍物，实现点对点的物资配送，每台机器人相当于3名配送员，减少了医务人员进入隔离区的频次，在提高配送效率的同时降低了临床工作人员交叉感染的风险。火神山医院投入使用了一批医疗服务机器人--"豹小弟",它们分工明确，承担着红外测温、发热问诊、引领病人、初步诊疗、化验单递送、药品运输等工作，代替了医护过程中简单重复且耗力的工作，在减轻医护人员工作量的同时，减少了医护人员在诊疗过程中交叉感染的机会。这次疫情中投入使用的不止是医疗机器人，还有物流机器人，京东物流的智能配送机器人、苏宁的无人智慧物流仓在武汉市医疗物资的打包、分拣、配送中发挥了高效的作用。#p#分页标题#e# 2.2大数据分析 我国经历了严重急性呼吸综合征（SARS）、甲型H5N1禽流感、甲型H1N1流感疫情等突发公共卫生事件，此次新型冠状病毒肺炎疫情的防控工作虽然挑战艰巨，但比以往任何一次疫情所能调动的科技资源的水平都高，大数据技术的应用为新型冠状病毒肺炎疫情的防控工作提供了数据支撑，利于国家疫情防控工作制定精准、有效的决策，实时识别和监控高危人群，避免了疫情的进一步扩散。另一方面，疫情数据的实时动态更新和公开发布，避免了谣言及公众因不了解实情相互猜疑引起的恐慌。面对节后复工这一节点的来临，各省市政府机构都在积极利用大数据技术，精准掌握各疫区人员的流动动态，定向指导各类人群的风险识别，合理安排居家隔离及至医院就诊。此外，大量的数据分析也为此次新型冠状病毒肺炎新药和疫苗的研发提供了数据支持，利用人工智能的超大计算力，为大规模文献筛选、病毒基因测序、蛋白筛选等研发工作节省了研发时间。医疗卫生及互联网领域专家表示，利用互联网大数据对重大公共卫生突发事件进行群防群控，是未来疫情防控的关键手段和重要支撑。 2.3远程医疗 远程医疗以远程信息（包括影像、图片、文字、音视频）的传送和交流为主，从"互联网+"的概念来看不算新技术，但由于医疗体制和技术本身的限制，在医疗领域并未广泛应用[10].此次疫情下远程医疗系统的应用让我们看到了它不可估量的价值。面对新型冠状病毒肺炎疫情的不断蔓延，被隔离的病人陷入了极度的恐慌和焦虑情绪，将远程医疗系统引入病区，展现出不可估量的应用价值。（1）宽慰病人：隔离病人需要的更多是被安慰和关心，医生通过远程医疗设备进行远程查房，除了了解病人病情，更多的是同病人交流，给予适当人文关怀，减轻病人的恐慌和抵触情绪。（2）缓解物资紧缺：远程诊疗可以减少医务人员同病人的直接接触，减少防护用品的使用，缓解防护物资的紧缺。（3）远程会诊：基于5G网络，疫区的新型冠状病毒肺炎急重症病人通过远程医疗向其他省市临床医疗中心寻求帮助，获取了远程诊疗意见，实现了优质医疗资源的互通。由此可见，远程医疗的有序开展有利于优化隔离病房的病人管理，安抚隔离病人的紧张情绪，促进优质医疗资源下基层，更好地普及医学知识，进行专业的心理疏导，从而缓解公众的紧张情绪。 2.4人工智能检测 此次疫情防控期间，人工智能测温仪也因地制宜，投入使用。它通过温感摄像头、人脸识别、热成像体温检测系统，能够在2m内快速采集体温，并将身份信息和体温匹配形成数据表，一旦识别出疑似发热者，系统便会自动报警，帮助工作人员及时、准确锁定发热人员。人工智能测温仪可以在1min内实现200~300人同时通过单行道进行快速体温检测，同时升级了人脸识别系统，即使被检测者佩戴口罩，也能实现快速筛查。目前已在部分医院、火车站、机场等人群密集场所投入使用，具有高效、安全、可靠等特点，能够节省人力，减少体温监测人员的感染风险，满足了疫情防控的需要。此外，一些辅助诊断的智能评价体系也正式上线，如上海公共卫生临床中心应用的新型冠状病毒肺炎智能评价系统，从新型冠状病毒肺炎病人CT影像中提取智能参数，可对肺炎严重程度进行自动量化评估，为医生评估CT影像提供参考。 2.5云平台 当前疫情形势严峻，减少外出、避免人员聚集是对疫情传播最有效的遏制，在疫情防控的总体部署下，出现了新的办公和学习模式，众多企业在节后复工时采取远程办公模式，单位通过云平台组织网络会议，员工通过云平台进行居家办公；此外，教育部也连续下发通知，要求延期开学并开展网上教学，老师和学生通过线上教学、云课堂实现师生间的在线学习和交流。 3启示 此次新型冠状病毒肺炎的确诊人数已经超过了SARS,而且新型冠状病毒肺炎的潜伏期较长，传播力也较SARS强，但值得庆幸的是，我国现在的科学技术水平已远超SARS时期，可以调动更广阔、更先进的科技资源和技术力量。人工智能技术的应用在抗击新型冠状病毒肺炎疫情中发挥了积极作用，它不再只是停留在人们概念里的高新技术，从医疗辅助机器人、大数据分析、云计算、远程医疗、智能检测的设想到变为一个个切实可行的案例，人工智能彰显了它在医疗领域广阔的应用前景。随着人口老龄化的出现和慢性病病人数量的逐年上升，公众对医疗健康的需求不断增加，人工智能在临床的应用能够解放人力、提高效率，让有限的医疗资源发挥最大的价值。 参考文献 [1]国家卫生健康委员会。中华人民共和国国家卫生健康委员会公告（2020年第1号）[EB/OL].[2020-02-07]. [2]国务院应对新型冠状病毒感染的肺炎疫情联防联控机制。关于印发近期防控新型冠状病毒感染的肺炎工作方案的通知[EB/OL].[2020-02-10]. [3]国家卫生健康委员会。新型冠状病毒肺炎疫情防控工作疫情通报[EB/OL].[2020-02-13]. [4]贺倩。人工智能技术发展研究[J].现代电信科技，2016,46（2）：18-21. [5]孔祥溢，王任直。人工智能及在医疗领域的应用[J].医学信息学杂志，2016,37（11）：2-5. [6]HAMETP,TREMBLAYJ.Artificialintelligenceinmedicine[J].Metabolism,2017,69:36-40.TAGS：人工智能人工智能技术人工智能论文全球人工智能产业发展现状及发展趋势浅析
人工智能是指使用机器代替人类实现认知、识别、分析、决策等功能,是研究、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,其本质是对人的意识和思想的信息过程的模拟。人工智能是一种尖端技术,是新一轮科技革命和产业变革的重要驱动力量,它给经济、政治、社会等带来了颠覆性的影响,或将改变未来的发展格局。在21世纪,人工智能已逐渐成为全球各国新一轮科技战和智力战的必争之地,全球围绕人工智能领域的布局抢位日趋激烈。
一、全球人工智能发展现状
2021年7月8日,世界人工智能大会在上海开幕。根据统计数据评分,全球人工智能排名前10的国家依次为:美国、中国、韩国、加拿大、德国、英国、新加坡、以色列、日本和法国。其中,中国的综合得分为50.6分,美国为66.31分。
(一)美国着重国家和经济安全,力争保持全球领导地位
美国人工智能战略和政策的着力点在于保持其全球“领头羊”地位,并期望对人工智能的发展始终具有主动性与预见性。美国自2013年开始就发布了多项人工智能计划,并提及人工智能在智慧城市、自动驾驶和教育等领域的应用和愿景。2016年,美国将人工智能上升至国家战略层面,出台了《国家人工智能研究与发展计划》,从政策、技术、资金等方面给予一定的支持和保障。特朗普政府执政后,于2019年2月发布了第13859号总统行政令—《维持美国在人工智能领域领导地位的倡议》,从国家战略层面提出美国未来发展人工智能的指导原则,明确指出要集中联邦政府资源发展人工智能,扩大美国的繁荣,增强国家和经济安全,力图保持其在人工智能时代的全球领导地位。2021年6月,拜登政府宣布成立了由12名学术界、政界和产业界人士组成的国家人工智能研究资源工作组(NAIRR),他们将制定一项计划,让人工智能研究人员获得更多政府数据、计算资源和其他工具。该项计划基本继承了《2020年美国人工智能倡议法》的战略诉求。NAIRR的创建是美国政府加速美国国内技术进步的更广泛努力的一部分,美国参议院批准了2500亿美元的投资,用于从人工智能到量子通信等科学研究,这意味着,人工智能战略是拜登政府战略重心之一。
(二)韩国加快构建可持续的人工智能技术能力
韩国拥有雄厚的ICT产业发展根基,这为其发展人工智能奠定了良好的研发与应用生态基础。2018年5月15日,韩国第四次工业革命委员会审议并通过《人工智能研发战略》(以下简称《战略》),旨在重点推广人工智能技术进步,并加快AI在各领域的创新发展,打造世界领先的人工智能研发生态,构建可持续的人工智能技术能力。韩国认为人工智能是经济与社会大变革的核心动力之一,但其AI技术能力与中国和美国相比仍有较大差距,因此提升人工智能技术能力迫在眉睫,事关其能否在第四次工业革命中占得技术主导权。为了加快经济和社会的创新发展,为产业注入新的活力,韩国于2019年12月17日公布了《国家人工智能战略》,旨在凝聚国家力量、发挥自身优势,实现从“IT强国”到“人工智能强国”的转变。根据预算,相关措施若得以实施,到2030年,韩国将在人工智能领域创造455万亿韩元(约合2.7万亿元人民币)的经济效益。
(三)加拿大大力发展人工智能产学研用聚集中心
2017年3月,加拿大政府发布了全球首个人工智能国家战略计划——《泛加拿大人工智能战略(Pan CanadianArtificialIntelligenceStrategy)》,计划拨款1.25亿加元支持AI研究及人才培养。该计划还提出了“增加加拿大优秀人工智能研究人员和熟练毕业生的数量”“在加拿大埃德蒙顿、蒙特利尔和多伦多3个主要人工智能中心建立互联的科学卓越节点”“在人工智能发展的经济、伦理、政策和法律意义上发展全球思想领导”以及“支持国家人工智能研究团体”等目标。此外,加拿大在全国范围内形成了数个有代表性城市的人工智能产学研用聚集中心,正是这些中心支撑起了加拿大人工智能发展的基本格局。这些聚集中心包括蒙特利尔、多伦多、埃德蒙顿、滑铁卢、温哥华和魁北克等城市,它们构成了加拿大人工智能研究的中坚力量。如果将加拿大人工智能领域看作一个生态系统,风险投资机构、加速器或孵化器以及公共非盈利机构构成了这个生态系统的土壤,为加拿大人工智能的研发和应用提供基础;各个人工智能产学研用聚集中心有其不同的偏重方向,就像不同种类的作物;各个聚集中心培育出来的初创企业,是人工智能服务人类生活的直接载体,就如作物结出的花朵与果实;国家和地方的政策支持、各领域方向的人才团队构成了人工智能生态的空气和养分;同时,加拿大社会开放,具备吸引外国投资机构、企业实体和人才的良好环境,为整个人工智能生态系统提供了有益补充。
(四)欧盟构建可信人工智能框架,抢占全球伦理规则主导权
欧盟很早就把发展以智能化为基础的经济模式作为其主要战略目标,注重在研发和人才上的投入,但由于缺乏风险资本和私募股权投资,以及民众过多顾虑隐私保护等问题,其在人工智能上的发展落后于中国和美国。为改变这一现状,欧盟采取多种措施大力发展人工智能,发力构建可信人工智能,力争取得全球主导权。2018年4月,欧洲25个国家签署了《人工智能合作宣言》,从国家战略合作层面来推动人工智能发展,确保欧洲人工智能研发的竞争力,共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。2018年12月,欧盟发布了《人工智能协调计划》,提出要进一步增加资金投入、深化人工智能技术创新与应用、完善人才培养和技能培训、构建欧洲数据空间、建立人工智能伦理道德框架、促进公共部门人工智能技术使用、加强国际合作等行动,推进欧洲人工智能的开发与应用,实现欧盟和各国人工智能投资收益最大化,推动发展符合欧中价值观和伦理观念的人工智能,力争在伦理与治理领域占据全球领先地位。欧盟于2020年2月发布的《人工智能白皮书—欧洲追求卓越和信任的策略》,透露了欧盟人工智能将由“强监管”转向“发展和监管并重”,在促进人工智能广泛应用的同时,解决新技术使用所产生的风险问题。
二、我国人工智能发展现状
我国人工智能产业在政策、资本、市场需求的共同推动和引领下快速发展。产业上,我国人工智能企业“质、量”兼顾,同步发展,集聚发展效应明显,产业规模不断扩大,产业链布局不断完善。技术上,论文数量不断攀升,在复杂的国际环境下我国迎难而上,芯片产业突破明显,在国际竞赛中我国企业成果颇丰。为进一步推动技术创新,诸多高校设置人工智能相关专业、成立人工智能学院。融合上,我国人工智能与实体经济融合在广度和深度上都进一步深化,全国人工智能产业形成了特色化的发展格局。
2015年7月,国务院印发《关于积极推进“互联网+”行动的指导意见》。《指导意见》将人工智能作为其主要的十一项行动之一,并明确提出,依托互联网平台提供人工智能公共创新服务,加快人工智能核心技术突破,促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用;进一步推进计算机视觉、智能语音处理、生物特征识别、自然语言理解、智能决策控制以及新型人机交互等关键技术的研发和产业化。2017年3月十二届全国人大五次会议上,“人工智能”首次被写入政府工作报告;7月,国务院发布《新一代人工智能发展规划》,明确指出新一代人工智能发展分三步走的战略目标,到2030年使中国人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心;10月,人工智能进入十九大报告,将推动互联网、大数据、人工智能和实体经济深度融合;12月,《促进新一代人工智能产业发展三年行动计划(2018-2020年)》的发布,它作为对7月发布的《新一代人工智能发展规划》的补充,详细规划了人工智能在未来三年的重点发展方向和目标,每个方向的目标都做了非常细致的量化。工信部为加快推动我国新一代人工智能产业创新发展,组织实施了人工智能产业创新任务揭榜挂帅工作,在人工智能项目攻关、选才用才方面效果显著。
相关数据显示,2020年人工智能行业核心产业市场规模将超过1500亿元,预计在2025年将超过4000亿元,中国人工智能产业在各方的共同推动下进入爆发式增长阶段,市场发展潜力巨大,未来中国有望发展为全球最大的人工智能市场。
我国高度重视人工智能技术进步与行业发展,人工智能已上升为国家战略。在此背景下,许多地方出台促进人工智能发展的政策,针对人工智能开展了布局,以广东省为例,广州、深圳、佛山等不少基础雄厚的城市都在积极谋划创建人工智能试验区,其中佛山市提出要“创建国家新一代人工智能创新发展试验区”,这一举措对区域在人工智能发展赛道抢占先机十分有利,对于区域人工智能发展有着显著的带动效果。在产业布局方面,佛山市因地制宜,将人工智能与工业制造进行融合。作为全国制造业的重要基地,佛山拥有2.16万亿的工业产值,对促进人工智能和实体经济融合发展有着大量的需求,可以实现人工智能技术在区域的产业化发展。2021年7月,《佛山市推进制造业数字化智能化转型发展若干措施》提出,“建设数字化智能化示范工厂、示范车间,支持技术改造升级”,加大金融财政支持力度、推动产业链协同、增强产业数字化智能化供给能力多措并举,以加快佛山制造业数字化、网络化、智能化转型升级。8月,佛山市南海区对外释放在人工智能方面的新布局,通过聚焦前沿技术,引进高科技企业和高端人才项目,联合高校科研院所共同攻克人工智能领域关键核心技术,一系列举措阐释着佛山市南海区全力打造国内一流的人工智能创新高地,助力打造佛山市制造业数字化智能化转型发展引领区,赋能佛山制造业升级提速的信心。这是佛山市南海区制造业高质量发展的表现,也是佛山市南海区在人工智能发展到新一阶段的布局升级,同时也反映了地方政府在新的时期发展和布局人工智能的信心与决心。
三、人工智能未来发展趋势
在未来的数十年里,人工智能有可能会极大地改变人类社会结构和生存方式。人工智能技术加速融入经济社会发展各领域全过程已是大势所趋。人工智能在重组全球要素资源、重塑全球经济结构、改变全球竞争格局方面将发挥出重要作用。我国面临中华民族伟大复兴战略全局和世界百年未有之大变局,将以国内国际两个大局、发展安全两件大事为出发点,充分发挥海量数据和丰富应用场景优势,促进人工智能与实体经济深度融合,赋能传统产业转型升级,催生新产业新业态新模式。在加强核心技术攻关、加快新型基础设施建设、推动人工智能和实体经济融合发展、规范行业发展和完善行业治理等方面持续发力,促进人工智能创新发展。
参考资料
1.国家工业信息安全发展研究中心.2019-2020人工智能发展报告.2020-7
2.李月白,江晓原.钱学森与20世纪80年代的人工智能热.2019-11
3.广州日报.2020中国人工智能产业白皮书:五年内市场规模预计超过4000亿元.2021-2
4.李贺南,陈奕彤,宋微.2020年韩国人工智能国家战略.2020-4
5.韩联社.韩国斥巨资大力发展人工智能.2020
6.江丰光,熊博龙,张超.我国人工智能如何实现战略突破——基于中美4份人工智能发展报告的比较与解读.2020-1
（免责声明：本文为本网站出于传播商业信息之目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权利和法律责任归材料提供方所有和承担。本网站对此资讯文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。）
重磅：中国人工智能40年发展简史
1978年3月，全国科学大会在北京召开。在华国锋主持的大会开幕式上，邓小平发表了“科学技术是生产力”的重要讲话。大会提出“向科学技术现代化进军”的战略决策，打开解放思想的先河，促进中国科学事业的发展，使中国科技事业迎来了科学的春天[9]。这是中国改革开放的先声，广大科技人员出现了思想大解放，人工智能也在酝酿着进一步的解禁。吴文俊提出的利用机器证明与发现几何定理的新方法——几何定理机器证明(图1)，获得1978年全国科学大会重大科技成果奖就是一个好的征兆。
20世纪80年代初期，钱学森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来。但是，由于当时社会上把“人工智能”与“特异功能”混为一谈，使中国人工智能走过一段很长的弯路。一方面，包括许多人工智能学者在内的研究者把人工智能与特异功能搅在一起“研究”;另一方面，社会上在批判“特异功能”时将“人工智能”一起进行批判，把两者一并斥之为“伪科学”。
2.艰难起步
20世纪70年代末至80年代，知识工程和专家系统在欧美发达国家得到迅速发展，并取得重大的经济效益。当时中国相关研究处于艰难起步阶段，一些基础性的工作得以开展。
1)派遣留学生出国研究人工智能。
改革开放后，自1980年起中国大批派遣留学生赴西方发达国家研究现代科技，学习科技新成果，其中包括人工智能和模式识别等学科领域。这些人工智能“海归”专家，已成为中国人工智能研究与开发应用的学术带头人和中坚力量，为发展中国人工智能做出举足轻重的贡献。
2)成立中国人工智能学会。
1981年9月，中国人工智能学会(CAAI)在长沙成立，秦元勋当选第一任理事长。于光远在大会期间主持了一次大型座谈会，讨论有关人工智能的一些认识问题。他指出：“人工智能是一门新兴的科学，我们应该积极支持;对所谓‘人体特异功能’的研究是一门伪科学，不但不应该支持，而且要坚决反对。”1982年，中国人工智能学会刊物《人工智能学报》在长沙创刊，成为国内首份人工智能学术刊物。
CAAI首任理事长秦元勋也颇受争议。秦元勋获美国哈佛大学博士学位后于1948年回国，历任中国科学院数学研究所研究员、执行副所长，中国核学会计算物理学会理事长，中国人工智能学会首届理事长等职。他在常微分方程的定性理论、运动稳定性、近似解析、机器推理等方面的研究，在中国处于开创的地位。其中极限环的研究，具有国际先进水平。他曾负责完成了中国第一颗原子弹和氢弹的威力计算工作，是1982年国家自然科学奖一等奖的原子弹氢弹设计原理中的物理力学数学理论项目的主要工作者之一，并开辟了计算物理学这一新的学科分支。
3)开始人工智能的相关项目研究。
20世纪70年代末至80年代前期，一些人工智能相关项目已被纳入国家科研计划。例如，在1978年召开的中国自动化学会年会上，报告了光学文字识别系统、手写体数字识别、生物控制论和模糊集合等研究成果，表明中国人工智能在生物控制和模式识别等方向的研究已开始起步。又如，1978年把“智能模拟”纳入国家研究计划。不过，当时还未能直接提到“人工智能”研究，说明中国的人工智能禁区有待进一步打开。
3.迎来曙光
1984年1月和2月，邓小平分别在深圳和上海观看儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”。此后，中国人工智能研究的境遇有所好转。例如，人民日报关于人工智能的报道也渐渐多了起来。20世纪80年代中期，中国的人工智能迎来曙光，开始走上比较正常的发展道路。
国防科工委于1984年召开了全国智能计算机及其系统学术讨论会，1985年又召开了全国首届第五代计算机学术研讨会。1986年起把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究发展计划(863计划)。
1986年，清华大学校务委员会经过三次讨论后，决定同意在清华大学出版社出版《人工智能及其应用》著作。
1987年7月《人工智能及其应用》在清华大学出版社公开出版，成为国内首部具有自主知识产权的人工智能专著。接着，中国首部人工智能、机器人学和智能控制著作分别于1987年、1988年和1990年问世。1988年2月，主管国家科技工作的国务委员兼国家科委主任宋健亲笔致信蔡自兴(图2)，对《人工智能及其应用》的公开出版和人工智能学科给予高度评价，指出该人工智能著作的编著和出版“使这一前沿学科的最精彩的成就迅速与中国读者见面，这对人工智能在中国的传播和发展必定会起到重大的推动作用……我深信，以人工智能和模式识别为带头的这门新学科，将为人类迈进智能自动化时期做出奠基性贡献。”宋健对该书的高度评价，体现出他对发展中国人工智能的关注和对作者的鼓励，对中国人工智能的发展产生了重大和深远的影响。
在这封信中宋健还提到：“十年前，当我们和钱先生修订工程控制论时，尚无系统参考书可言，只能断断续续介绍一些思路。现在钱先生看到此书，也一定会欣喜万分。”这体现了宋健的谦虚品德，也表现出钱学森当时对人工智能的热烈支持。
1987年《模式识别与人工智能》杂志创刊。
1989年首次召开了中国人工智能联合会议(CJCAI)，至2004年共召开了8次。此外，还曾经联合召开过6届中国机器人学联合会议。
1993年起，把智能控制和智能自动化等项目列入国家科技攀登计划。
1993年7月，宋健应邀为中国人工智能学会智能机器人分会成立题词“人智能则国智科技强则国强”，向成立大会表示祝贺。本题词很好地阐明了人工智能与提高民族素质、增强科技实力和建设现代化强国的辩证关系，也是国家科技领域领导人对中国人工智能事业的有力支持以及对全国人工智能工作者的殷切期望。
4.蓬勃发展
进入21世纪后，更多的人工智能与智能系统研究课题获得国家自然科学基金重点和重大项目、国家高技术研究发展计划(863计划)和国家重点基础研究发展计划(973计划)项目、科技部科技攻关项目、工信部重大项目等各种国家基金计划支持，并与中国国民经济和科技发展的重大需求相结合，力求为国家做出更大贡献。这方面的研究项目很多，代表性的研究有视觉与听觉的认知计算、面向Agent的智能计算机系统、中文智能搜索引擎关键技术、智能化农业专家系统、虹膜识别、语音识别、人工心理与人工情感、基于仿人机器人的人机交互与合作、工程建设中的智能辅助决策系统、未知环境中移动机器人导航与控制等。
2006年8月，中国人工智能学会联合其他学会和有关部门，在北京举办了“庆祝人工智能学科诞生50周年”大型庆祝活动。除了人工智能国际会议外，纪念活动还包括由中国人工智能学会主办的首届中国象棋计算机博弈锦标赛暨首届中国象棋人机大战。东北大学的“棋天大圣”象棋软件获得机器博弈冠军;“浪潮天梭”超级计算机以11：9的成绩战胜了中国象棋大师。这些赛事的成功举办，彰显了中国人工智能科技的长足进步，也向广大公众进行了一次深刻的人工智能基本知识普及教育。主办者认为，这次中国象棋人机大战“无论赢家是人类大师或超级计算机，都是人类智慧的胜利”。
同年，《智能系统学报》创刊(图3)，这是继《人工智能学报》和《模式识别与人工智能》之后国内第3份人工智能类期刊。他们为国内人工智能学者和高校师生提供了一个学术交流平台，对中国人工智能研究与应用起到促进作用。
2009年，中国人工智能学会牵头组织，向国家学位委员会和国家教育部提出设置“智能科学与技术”学位授权一级学科的建议。该建议指出：现在信息化向智能化迈进”的趋势已经显现;因此，今天培养的智能科学技术高级人才大军，正好赶上明天信息化向智能化大规模迈进的需要。为此，一个顺理而紧迫的建议就是：为了适应信息化向智能化迈进的大趋势，为了实现建设创新型国家的大目标，在中国学位体系中增设智能科学与技术博士和硕士学位授权一级学科。这个建议凝聚了中国广大人工智能教育工作者的心智心血和他们的远见卓识，对中国人工智能学科建设具有十分深远的意义。
5.国家战略
近两年来，中国的人工智能已发展成为国家战略。国家最高领导人习近平、李克强发表重要讲话，对发展中国人工智能和机器人学给予高屋建瓴的指示与支持。
2014年6月9日，习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会开幕式上发表重要讲话强调：“由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快，3D打印、人工智能迅猛发展，制造机器人的软硬件技术日趋成熟，成本不断降低，性能不断提升，军用无人机、自动驾驶汽车、家政服务机器人已经成为现实，有的人工智能机器人已具有相当程度的自主思维和学习能力。……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这是党和国家最高领导人首次对人工智能和相关智能技术的高度评价，是对开展人工智能和智能机器人技术开发的庄严号召和大力推动。
2015年十二届全国人大三次会议上，李克强总理在政府工作报告中提出：“人工智能技术将为基于互联网和移动互联网等领域的创新应用提供核心基础。未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，势必将成为我国经济结构转型升级的新支点。”这是对人工智能技术的重要作用给予的充分肯定，是对人工智能的有力促进。
2015年5月，国务院发布《中国制造2025》(图4)，部署全面推进实施制造强国战略。这是中国实施制造强国战略第一个十年的行动纲领。围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点。
这些战略任务，无论是提高创新能力、信息化与工业化深度融合、强化工业基础能力、加强质量品牌建设，或是推动重点领域突破发展、全面推行绿色制造、推进制造业结构调整、发展服务型制造和生产性服务业、提高制造业国际化发展水平，都离不开人工智能的参与，都与人工智能的发展密切相关。人工智能是智能制造不可或缺的核心技术。
2016年4月，工业和信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划(2016—2020年)》，为“十三五”期间中国机器人产业发展描绘了清晰的蓝图。该发展规划提出的大部分任务，如智能生产、智能物流、智能工业机器人、人机协作机器人、消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等，都需要采用各种人工智能技术。人工智能也是智能机器人产业发展的关键核心技术。
2016年5月，国家发改委和科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，明确未来3年智能产业的发展重点与具体扶持项目，进一步体现出人工智能已被提升至国家战略高度。根据方案的内容，未来3年将在3个大方面、9个小项推进智能产业发展。
国家最高领导人对人工智能的高度评价和对发展我国人工智能的指示，《中国制造2025》、《机器人产业发展规划(2016—2020年)》和《“互联网+”人工智能三年行动实施方案》的发布与施行，体现了中国已把人工智能技术提升到国家发展战略的高度，为人工智能的发展创造了前所未有的优良环境，也赋予人工智能艰巨而光荣的历史使命。
2015年7月在北京召开了“2015中国人工智能大会”。发表了《中国人工智能白皮书》，包括“中国智能机器人白皮书”、“中国自然语言理解白皮书”、“中国模式识别白皮书”、“中国智能驾驶白皮书”和“中国机器学习白皮书”，为中国人工智能相关行业的科技发展描绘一个轮廓，给产业界指引一个发展方向。
2016年4月由中国人工智能学会发起，联合20余家国家一级学会，在北京举行“2016全球人工智能技术大会暨人工智能60周年纪念活动启动仪式”(图5)。这次活动恰逢国际人工智能诞辰60周年，谷歌AlphaGo与韩国围棋九段棋手李世石上演“世纪人机大战”(图6)，将人工智能的关注度推到了前所未有的高度。启动仪式共同庆祝国际人工智能诞辰60周年，传承和弘扬人工智能的科学精神，开启智能化时代的新征程。
现在，人工智能已发展成为国家发展战略，中国已有数以10万计的科技人员和大学师生从事不同层次的人工智能相关领域研究、学习、开发与应用，人工智能研究与应用已在中国空前开展，硕果累累，必将为促进其他学科的发展和中国的现代化建设做出新的重大贡献。
二、主要成就
中国的人工智能研究开发、学科建设、产业应用和社会服务等方面，已经取得不俗的成就，主要可以从以下几点得到证实。
1.形成人工智能学科
1981年9月建立了全国性的人工智能组织中国人工智能学会(CAAI)，标志着中国人工智能学科的诞生。1982年在长沙创办中国人工智能学会刊物《人工智能学报》，成为中国人工智能学科领域的第一份学术刊物。中国人工智能学会大会每两年举行一次，至目前已举办16届。中国人工智能学会成立后，又相继成立了中国人工智能学会智能机器人专业委员会、机器学习专业委员会、模式识别专业委员会、自然语言处理专业委员会和智能控制专业委员会、人工智能教育工作委员会等。
此外，中国计算机学会的一些二级学会也开展人工智能相关学术活动，为中国人工智能的发展做出了应有贡献。例如，中国计算机学会成立了人工智能与模式识别专业委员会，中国自动化学会成立了模式识别与机器智能专业委员会以及智能自动化专业委员会等二级学会。有些省市也成立了地方人工智能学会。1989—2004年，由中国人工智能学会、中国计算机学会等多个学会联合举办过7届中国人工智能联合会议(CJCAI)。
与人工智能密切相关的机器学习、模式识别、智能机器人、自然语言处理、专家系统等领域的学术组织也先后成立，学术活动也十分热烈。例如，国内机器学习的重要学术活动包括每两年举行一次的中国机器学习会议和每年举行的中国机器学习及其应用研讨会。前者由中国计算机学会人工智能与模式识别专业委员会协办，目前已历经15届。后者每届会议包括特邀报告、大会交流及TopConferenceReview等部分，迄今已历经13届。又如，中国人工智能学会智能机器人专业委员会自1993年成立以来，每两年举行一次全国智能机器人学术会议，已组织过11届，还与其他学会共同举办过6次中国机器人联合会议。在王湘浩倡导与组织下，全国高校人工智能研讨会研究班自1980年起每年举行一次，是国内最早的人工智能学术研讨活动。
这些人工智能学术组织和会议开展广泛深入的国内外学术交流，对开展人工智能学术活动和组织科技交流起到积极的作用，有力推动了中国人工智能科技发展和学科建设。
2.科学研究成绩斐然
国家已先后设立了各种与人工智能相关的研究课题，如国家自然科学基金重大专项、重点项目和面上项目，国家863计划项目，国家重大战略项目智能制造2025等。在这些科研基金的支持下，国内人工智能研究已取得许多突出成果。
1)人工智能基础研究成果突出
除了前面提到的几何定理证明的“吴氏方法”外，吴文俊还于2004年发表了重要论文“计算机时代的脑力劳动机械化与科学技术现代化”，宣布他在几何定理证明“机械化”方面的系列成果，指出：“在几何定理机器证明取得成功之后的20多年来，笔者与许多志同道合的同志们在科技部、科学院、基金委等大力支持下，开展了一场可谓‘数学机械化’的‘运动’，在理论与应用诸多方面都已取得了若干成功。”
国内学者在人工智能的诸多领域，如问题求解、不确定推理、泛逻辑理论、拓扑学、模式识别、图像处理、机器学习、专家系统、智能计算和智能控制等领域的基础研究也多有建树，取得一批具有国际先进水平的创造性成果。例如，在模式识别方面，对文字识别、语音识别(图7)、指纹识别、人脸识别、虹膜识别和步态识别等进行深入研究，涉及生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主导航、保安、银行、交通、军事、电子商务和多媒体网络通信等应用领域。
又如，机器学习也是人工智能的核心研究领域之一。现在机器学习的大数据往往体现出多源异构、语义复杂、规模巨大、动态多变等特殊性质，为传统机器学习技术带来了新的挑战。为应对这一挑战，国内科技企业巨头华为、百度等与国外巨头谷歌、微软、亚马逊等展开竞争，纷纷成立以机器学习技术为核心的研究院，以充分挖掘大数据中蕴含的巨大商业与应用价值。深度学习是机器学习领域一个新兴的子领域与研究方向，它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。深度学习模仿人脑结构，具有更强的建模和推理能力，能够更有效地解决多类复杂的智能问题。近年来，中国在深度学习研究方面也取得重要进展，一些研究成果接近或达到国际先进水平。
中国学者在自动规划领域也取得开创性成果。1985年提出与发展了基于专家系统的机器人规划机理与方法，实现了人工智能专家系统与机器人技术的结合，为基于知识的自动规划和高层控制开辟了一条新途径，对提高生产的智能化水平具有重要意义，并推动国内外机器人规划研究的发展。该成果被广泛引用，并被收入清华大学吴麒等主编的全国高校规划教材《自动控制原理》。1999年以来，又在机器人进化规划方面取得创新性成果。
国内在认知计算、情感计算、模式识别、神经网络、智能驾驶、水下机器人和其他智能机器人等领域也取得一批具有国际先进水平的研究成果，培养了一批优秀的学术带头人：郭爱克、任继福、李衍达、王守觉、焦李成、贺汉根、蔡鹤皋、徐玉如和黄心汉等。
此外，有些人工智能基础研究获得国际奖励，如1990年张钹获得ICL欧洲人工智能奖，蔡自兴指导的王勇博士获得2015IEEE计算智能学会优秀博士学位论文奖等。
值得一提的是美籍华裔学者王浩对人工智能的杰出贡献。1958年夏天，王浩在纽约州的IBM实验室的一台IBM704机器上用汇编语言编写了3个程序，证明了罗素和怀特海《数学原理》中的200多个定理。他关于数理逻辑的一个命题被国际上定为“王氏悖论”。1966年，他在哈佛大学指导的博士生StephenCook，因NP完全性方面的开创性研究成果而获得1982年图灵奖。王浩还与吴文俊进行了合作研究。
2)专用人工智能开发有所突破
中国在专用人工智能领域取得了突破性的进展，已在自然语言处理和语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶和智能机器人等方面取得一大批具有国际先进水平的应用成果。
互联网和大数据推动人工智能进入了新的发展阶段。中国的智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域的研究与应用逐步深入，带动智能语音产业规模持续快速增长。2013年科大讯飞以54.2%的市场份额继续处于国内领先地位。智能语音正在成为主流的交互方式之一。
近几年在多层神经网络基础上发展起来的深度学习和深度神经网络已在中国很多模式识别领域获得成功应用。其中，中国科学院自动化研究所谭铁牛团队在虹膜识别领域，坚持从虹膜图像信息获取的源头进行系统创新，全面突破虹膜识别领域的成像装置、图像处理、特征抽取、识别检索、安全防伪等一系列关键技术，建立了虹膜识别比较系统的计算理论和方法体系，还建成目前国际上最大规模的共享虹膜图像库，已大规模用于煤矿人员辨识和北京城铁监控等，并在70个国家和地区的3000多个科研团队推广使用，有力推动了虹膜识别学科发展。
在2010年举行的国际上难度最高、规模最大的虹膜识别专业测评竞赛中，谭铁牛团队提交的算法，从来自25个国家和地区的41支参赛团队里脱颖而出，以测试性能指标超过第2名41.3%的绝对优势蝉联虹膜识别算法赛事冠军(图8)。在2008年进行的上届国际虹膜识别算法竞赛上，谭铁牛团队战胜来自35个国家和地区的97支参赛队伍。这充分展示出中国在虹膜识别领域领先国际的整体实力。
在模式识别领域，石青云领衔的北大高科指纹技术有限公司在指纹识别领域取得领先成果，成为国家科技强警的利剑。
专家系统已在国内获得广泛应用，应用领域涉及工业、农业等行业，其经济效益相当可观。例如，在冶金专家系统的开发与应用方面，已把专家系统技术用于高炉建模、监控与诊断等，建立了基于多核学习的高炉自动化框架、基于Volterra级数的高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统，实现高炉炼铁过程的智能化(图9)。
3)计算智能与进化计算研究引人注目
计算智能是人工智能的新领域，涉及模糊计算，神经计算、进化计算和免疫计算等。近10多年来，中国在计算智能特别是进化计算研究方面取得不少国际领先成果。中国科技大学、中南大学、西安电子科技大学和中国科学院自动化研究所等院校都做出颇具影响的贡献。蔡自兴团队在进化计算领域研究取得的成果就是一个很好的例证。
蔡自兴团队提出的一些进化计算算法处于国际领先水平，引起国际进化计算学界的广泛重视，已成为相关算法比较的基准，不仅对算法设计观点颇有指导价值，而且已成功地应用于国内外30多个领域，并得到国际高级检索机构的顶级检录，已对国际计算智能研究产生重要影响。例如，他们提出的一种单目标差分进化算法CoDE，已成为美国加州大学伯克利分校RickardOC和SitarN设计的商业软件bSLOP的核心技术;该软件已在苹果官方网站上售出。SahalosJN、YaoX和NajyWKA分别把CoDE算法成功地直接应用于移动通信系统设计、产品缺陷预测软件和电网保护协调。很少有同类算法能够引起国际上如此密切关注和获得这么多的优化问题的成功应用。此外，他们提出的一种被国际上广泛引用和应用的算法，被称为“蔡王算法”(CWAlgorithm)，获得好评。
近10多年来，计算智能“中国海外军团”异军突起，成绩斐然。在计算智能与进化算法研究领域，YaoX(姚JinYC(金耀初)等的研究成果获得国际同行公认，成为进化计算领域的国际学术领军人物，并为中国的计算智能与进化计算研究起到促进作用。
3.著作和科技论文出版发行
据不完全统计，自1987年人工智能著作开禁以来全国已编著出版了70多部人工智能著作。这些著作有专著，也有教材，不乏深受读者欢迎的高水平作品。例如，上面提到的引领人工智能著作开禁的《人工智能及其应用》(图10)，已先后出版了7个版本，印刷50多次，发行40多万册，拥有上百万读者，得到广泛应用，对国内人工智能基础研究、开发应用和人才培养发挥了重大作用。张钹的专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断的启发式搜索和基于拓扑的空间规划方法，降低了计算复杂性，具有重要的应用价值。此外，谭铁牛、陆汝钤、何新贵、石青云、何志均、涂序彦、钟义信、李德毅、周志华、蔡自兴、蔡文、史忠植、何华灿、施鹏飞、王万森等在国内外出版的人工智能相关专著，在一定程度上反映出中国人工智能的研究成果，对进一步开展国内外学术交流起到重要作用。
此外，从事人工智能相关研究人员和高校师生，已在国内外知名刊物与学术会议上发表了数以万计的人工智能相关论文。其中不乏高水平文章，例如，王勇与蔡自兴合作的论文曾被列为2012年进化计算国际顶级刊物《IEEETransactionsonEvolutionaryComputation》他引次数最高的论文。
还有一些论文被评为国内外学术会议与学术刊物的优秀论文。
4.人工智能教育培养大批专门人才
人工智能教育和人才培养是人工智能学科发展的重要基础。国内自20世纪80年代中期始，在少数高校开设各种人工智能类课程。经过推广与提高，30年前的人工智能星星之火如今已形成燎原之势，数以百计的高校开设了各种层次的人工智能课程，有些课程已成为我国高校教育园地上的奇葩。
例如，中南大学的“人工智能”课程已成为首批国家级精品课程、教育部新世纪优秀网络课程、国家级全国双语示范课程、首批国家级精品视频公开课和国家级精品资源共享课程。表1所示为入选国家级质量工程的人工智能类相关精品课程名单。这些人工智能类课程在改革中不断发展壮大，已为国家培养了成千上万的人工智能专门人才。虽然这些课程只占数以千计的国家级质量工程课程的冰山一角，但也表明人工智能课程仍然占有一席之地，并具有不可替代的作用，产生了非常的影响力。
全国智能科学与技术教育暨教学学术会议是国内人工智能教育与教学领域具有特色的最权威的学术盛会，自2003年起已举办10次，对于人工智能及其相关学科的教育教学、学科建设和人才培养发挥了关键作用。
2005年在北京大学开设的智能科学与技术专业，已在全国近30所大学开设，仅这些大学的“智能”专业每年就培养大约2000名人工智能专业人才。据估计，近30年来，全国高校已培养人工智能及其相关学科的硕士和博士数以千计，本科毕业生数以万计。这些高层次的人工智能专门人才是中国发展人工智能的最为宝贵的财富。他们有幸遇上难逢的人工智能大好发展机遇，必将成为中国人工智能跨越式发展的中坚力量。
5.人工智能产业化蓬勃发展
尽管中国的人工智能产业化应用尚存在较大不足，但仍然已建立了一定的基础，并呈现蓬勃发展的势头。据不完全统计，最近5年内，中国在人工智能产业化应用领域的投资已超过1000多亿元。下面略举数例说明中国人工智能产业化的发展情况。
1)模式识别
在虹膜识别、步态识别、身份识别等领域取得新成果。近年来，在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能，成为当前最热门的方法。前面提到的虹膜识别及其在身份识别等方面的成功应用，已形成产业，占领国内外市场，就是很好的例证。
2)语音识别
中国在自然语言处理特别是语音识别领域已经达到国际先进水平。
2015年中国智能语音产业规模达到40.3亿元，较2014年增长41.0%，远高于全球语音产业增长速度。预计到2017年，中国语音产业规模预计达到100.7亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五，占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。现在中国智能语音的应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金融、智能教育和智能医院等场合得到越来越多的应用。此外，一些海外留学人员也在语音识别领域取得国际领先水平的成果，微软研究院黄学东就是该领域的一位突出代表。
3)人机博弈
中国象棋是中华民族的文化瑰宝，是一种怡神益智的活动，千百年来长盛不衰，深受广大群众的喜爱。自2006年8月举行“浪潮杯”首届中国象棋人机大战(图11)，至今已有10年，共举行过5届大赛，产生深远影响。同样中国也是国际围棋的发源地，无论是国际围棋或中国象棋，在国内具有众多的人机博弈爱好者，其产业发展和市场前景十分看好。仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。
4)专家系统
自20世纪80年代以来，专家系统在工业、农业、商业、科技、教育、服务业等领域获得广泛应用。以农业专家系统为例，开展了各种农业专家系统的研究、开发及推广应用(图12)。例如，作物病虫预测专家系统、农作制度专家系统、玉米低温冷害防御专家系统、蚕育种专家系统、小麦专家系统等。
20世纪90年代以后，中国农业专家系统得到了迅速发展，已成为农业信息技术的突破口。国家自然科学基金委、科技部、农业部和许多省级部门都安排了相应的攻关课题;863计划项目已将农业专家系统等智能化农业信息技术列为国家重点课题，搭建了中国农业专家系统研究开发的战略平台，为农业专家系统的进一步开发起到了积极催化作用。进入2l世纪以后，农业专家系统的开发速度日益加快，不仅数量增多，而且涉及的领域也更加全面，开发的深度和广度有了很大的进展，为大范围推广应用农业专家系统铺平了道路。
如小麦栽培管理农业专家系统、水稻高产栽培专家决策系统、番茄栽培管理专家系统、温室番茄病虫害缺素诊断与防治系统等。这些农业专家系统的开发，促进了农业科技成果的转化，为发展高产、优质、高效农业做出了巨大贡献。
此外，我国在机器学习、智能机器人、智能驾驶等人工智能领域，也已有不同程度的产业集聚，产业化步伐逐步加快。
在中国人工智能产业化过程中，企业巨头抢滩布局人工智能产业链，各大IT公司积极投入人工智能产业研发。
他们非常关注深度学习的应用前景，纷纷成立以机器学习技术为核心的研究院，充分挖掘大数据中蕴含的巨大商业与应用价值。例如，2012年，华为成立诺亚方舟实验室，运用以深度学习为代表的人工智能技术对移动信息大数据进行挖掘，寻找有价值的规律。2013年，百度成立深度学习研究院，研究如何运用深度学习技术对大数据进行智能处理，提高分类和预测等任务的准确性。近年来还涌现出寒武纪、甲骨文、地平线、北京云知音和湖南自兴等一批初露头角的涉及人工智能的创业实体，从某种程度上体现出人工智能领域大众创业万众创新的磅礴生机。
从整体来看，中国的人工智能产业化仍处于起步阶段。毫无疑问，在人工智能产业创业与竞争过程中，会出现多家实力强大的企业，有些企业也会在某些领域内形成领先优势甚至垄断局面。
6.开设多种人工智能奖项
为了总结中国人工智能的研究成果，表彰人工智能工作者的突出贡献，鼓励更多的人员投身人工智能的创造性研究，设立了一些人工智能奖项，其中比较重要的有如下几种。
吴文俊人工智能科学技术奖是中国智能科学技术领域唯一以个人名字命名、依托社会力量设立的科学技术奖。该奖项以“尊重知识、尊重人才、尊重创造”为方针，奖励在智能科学技术活动中做出突出贡献的单位和个人，以不断推进中国智能科学技术领域创新与发展。
该奖项是经国家科学技术奖励委员会批准设立的全国奖项，被誉为“中国人工智能科技最高奖”，于2010年起开设，已举行了5届。
其中，有4位人工智能杰出学者获得(终身)成就奖。中国计算机学会也于2010年始设立终身成就奖，授予70岁以上、在计算领域做出卓越成就与贡献、被业界广泛认可的老科学家，其中，有2位从事人工智能研究取得突出成果的计算机学者获得此项殊荣。
“中国象棋人机大战”计算机博弈大赛始于2006年，已举行5届，引起国内外人工智能学界和主流媒体的高度重视。随着今年AlphaGo与围棋九段李世石人机对决引发的新一轮的人工智能与机器博弈热潮，中国象棋的人机大战必将攀上新的高度，为推动中国人工智能发展做出其独特的贡献。
自1998年以来，已在中国举行了数百场智能系统、智能机器人和智能小车比赛，其中包括一些国际比赛。这些比赛吸引了成千上万的青少年学生参加，并获得大批国内外奖励，这对于提高他们对信息科技特别是人工智能的兴趣，培养他们的创新思维和创新能力，锻炼人工智能科技接班人具有不可替代的重要作用。
中国一些学者和学生还获得国际重要奖励。例如，王勇获得2015年IEEE计算智能学会优秀博士学位论文奖(图17)，这是中国大学首次获得该项殊荣。
据不完全统计，表2给出获得国内外人工智能重要奖项的名单。
7.国际交流
改革开放以来，特别是进入21世纪以来，中国的人工智能国际交流与合作进一步开展。
2006年，中国人工智能学会联合美国人工智能学会和欧洲人工智能协调委员会，共同发起在北京召开了InternationalConferenceonArtificialIntelligence(人工智能国际学术会议，图18)，隆重庆祝国际人工智能学科诞生50周年。时任全国人大常委会副委员长的许嘉璐等在大会上致词。中国人工智能研究开拓者和领军人物吴文俊、模糊数学创始人美国ZadehLA、国际EBMT机器翻译方法发明人NagaoM等在大会上做主题报告。大会开得非常成功，影响广泛。
2013年还承办了第23届国际人工智能联合会议(InternationalJointConferenceonArtificialIntelligence，IJCAI)，这是国际人工智能领域规模最大、影响最广泛、学术地位最高的综合性会议。承办国际人工智能联合会议表明中国的人工智能研究与应用已在世界范围内产生积极影响。
中国还创办与主办一些人工智能或与人工智能密切相关的国际会议。例如，2010年举办了全球智能控制与自动化国际会议(TheWorldCongressonIntelligentControlandAutomation，WCICA)，自1993年以来每2年举行一次，共举行了12届。本会议已成为具有国际影响力的智能科技盛会。此外，中国人工智能学会还发起组织“国际高级智能会议”，已经举办了2次。
8.人工智能对社会的影响日益扩大
人工智能的发展已对人类及其未来产生深远影响，这些影响涉及人类的经济利益、社会作用和文化生活等方面。仅社会影响而言，就包括劳动就业问题、社会结构变化、思维方式与观念、心理上的威胁等。
1)劳务就业问题。由于人工智能能够代替人类进行各种脑力劳动，将会使一部分人不得不改变他们的工作方式或工种，甚至造成失业。
2)社会结构变化。社会结构正在悄然改变，人-机器的社会结构终将被人-智能机器(人工智能)-机器的社会结构取代。从发展的角度看，从医院里看病的“医生”和护理病人的“护士”，旅馆、饭店和商店的“服务员”，办公室的“秘书”，指挥交通的“交通警察”，到家庭的“勤杂工”和“保姆”等，都将由智能机器人取代。因此，人们将不得不学会与智能机器相处，并适应这种变化了的社会结构。
3)思维方式与观念的变化。一旦智能系统的用户开始相信系统(智能机器)的判断和决定，那么他们有可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。
4)心理上的威胁。人工智能还使一部分社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。如果智能机器的人工智能会超过人类的自然智能，那么人类可能沦为智能机器和智能系统的奴隶。
上述这些影响在国内同样存在。针对社会各界广泛关注人工智能对人类社会的影响，国内已开展人工智能科技知识的普及宣传。例如，通过视频公开课普及人工智能知识。精品视频公开课是向大学生和社会大众免费开放的科学与文化素质教育网络视频课程与讲座，着力广泛传播人类文明优秀成果和现代科学技术前沿知识，提升大学生及社会大众的科学文化素养，服务社会主义先进文化建设，增强中国文化软实力和中华文化国际影响力。国家级精品视频公开课“人工智能PK人类智能”和“从自然世界到智能时代”等，在国内网络媒体播出后，反映热烈，深受欢迎，对扩大人工智能对社会的正面影响，减少人工智能对社会的负面影响起到积极引导的应有效果。
三、存在的问题
虽然国内人工智能已取得许多骄人成就，但与国家发展战略要求相差甚远，与国际先进水平差距较大。概括起来存在如下几方面的问题。
1)经济效益至上，缺乏远大眼光。
许多人工智能企业和一些地方政府缺乏远大眼光，追求短期的经济效益，企望1~2年或2~3年内获得明显的经济回报，致使很大一部分人工智能创业企业急功近利，底气不足，发展乏力。需要追求经济效益，但像人工智能这样的高科技产业，或把人工智能技术用于促进其他产业转型升级的产业，其发展应当遵循一定的规律，需要一个过程，需要一定的时间，不能急于求成，过早追求经济效益。
2)人工智能整体水平亟待提高。
由于国内人工智能起步较晚，未能较早参与相应的人工智能国际技术、专利及标准制定，因此奉上了数额不菲的“学费”。在国内人工智能领域，有很多科研机构和企业在参与技术研发，并在某些领域处于与国外基本同步甚至领先水平，这对于提升中国在未来人工智能领域的技术、标准话语权以及市场应用主导权至关重要。但是，中国人工智能的整体能力和水平远未达到通用智能化程度，人工智能基础研究的总体水平，与国际先进水平仍然存在明显差距。要在整体上赶上国际先进水平依然任重道远，需要时日。
3)国家的决策有待落实于行动。
中国虽已公布了一批与人工智能相关的发展规划，如《智能制造2025》、《机器人产业发展规划(2016—2020年)》和《“互联网+”人工智能三年行动实施方案》等，但尚未制定全面发展人工智能的国家战略。上述规划与方案也需要把政策规划转化为行动，变成看得见的效益。
4)国家资金支持力度有待进一步提高。
如前所述，中国已经在许多国家级科学研究和科技发展项目中，支持人工智能及其相关科技项目的研究，而且支持力度不断加大。不过，与“互联网+”、智能制造等项目，与欧美一些发达国家的相关项目投入相比，国内对人工智能科研和产业发展的资金支持力度还远远不够。况且，比起其他项目，人工智能需要研究的问题更多，涉及面更广，难度也更大，需要国家支持的力度也更大。
5)科研经费分配不够公正。
长期以来，对科研经费的分配问题不时引发争议。首先，未能把有限的经费用到最重要和最急需的项目上，而是平均分配，致使一些并不急需使用经费的项目与急需重点支持的项目“平分秋色”。其次，有些基金项目“专家组”成员，以权谋私，为本单位申请项目的立项出力，甚至相互勾结，为专家组成员单位获得项目助一臂之力，而许多非专家组单位成员申请的项目就受到不公正待遇;在一段时间内这几乎成为潜规则。再次，科研经费的评定与使用缺乏有效监督，这些问题在人工智能领域同样存在。
6)公众对人工智能的发展存在顾虑。
自人工智能孕育于人类社会母胎之日起，人工智能的社会影响就引起人类社会的广泛关注。社会上有一部分人对人工智能和智能机器人的出现与发展表示担忧，担心有朝一日人工智能和智能机器会威胁到人类的生存与发展，其中最典型的要算史蒂芬·霍金。作为当今世界一位极具影响力的物理学家，他担心运用人工智能技术制造能够独立思考的机器，最终会威胁到人类的生存。霍金说：人工智能的全面发展可能导致人类的灭绝(图22)。他的观点引起包括众多民众和一些科技人员的共鸣。当然，社会上也存在另一种观点的，他们认为，尽管人工智能经过60年的发展已取得了巨大进步，但在看得见的未来人工智能的整体水平还难以超越人类智能，还不足以威胁到人类的生存。他们主张必须高度重视人工智能对人类社会的影响，不失时机地研究与制定对策，以消除公众顾虑，确保人类自身安全。
7)一哄而起可能导致无序竞争。
有人认为，中国社会存在一种传统文化，即普遍存在“一哄而起，遍地开花”，全国许多地方开发同一产品的现象。这些行为劳民伤财，无法保证产品质量，造成资源和人力的巨大浪费，最终既无经济效益，也无社会效益。以往的大炼钢铁、射流技术、可控硅(晶闸管)器件是这样，现在的汽车生产、机器人产业园、无人机开发等也是如此。当前，不但汽车产能过剩，而且机器人产业园内的多数企业都面临无序竞争的艰难境地，很可能在不久的将来有被淘汰出局的危险。
现在，中国人工智能及其产业已引起政府和社会各界的前所未有的高度重视，值得庆幸的是还没有出现人工智能产业“一哄而起，遍地开花”的现象。人工智能产业的科技起点的门槛比较高，开发创业的难度和风险比较大，有胆识、有基础、有实力的创业者可能要比机器人创业者少，但愿不会重复机器人产业园一哄而起的现象。
8)盲目乐观和夜郎自大不利发展。
许多有识之士认为，当前国内人工智能基础研究和应用开发与国际先进水平存在很大差距，国际影响力有待提高。然而，国内有一部分人工智能研究与开发人员却过高地估计成绩，认为国内人工智能已经在很多方面甚至全面超过国际先进水平。
评价一门学科是否达到与超过国际先进水平，不但要有客观标准和国际同行普遍认可，而且要有一批令人信服的标志性成果。这里不准备具体讨论或争论这个问题，而是想从国际计算机学科的科技最高奖图灵奖的获奖情况来说明中国人工智能的发展水平。
自1969年以来，美国计算机学会先后举行过48届图灵奖评审与颁奖，图灵奖得主共计64位。其中，美籍华裔计算机科学家姚期智2000年获得图灵奖，他是图灵奖设立48年以来获得该奖项的唯一华裔学者。在64位图灵奖得主中，有12位杰出人工智能专家获此殊荣，当中没有一个是中国人。
中国已数次蝉联国际超级计算机运行速度冠军，值得庆贺;但这不足以说明中国人工智能科技已达国际先进水平。许多国内企业巨头的人工智能开发虽然进步很快，成绩可喜可贺，但在总体上也远未达到国际领先水平。
国际IT巨头及欧美日发达国家都纷纷投入巨资，力争在本轮人工智能全球竞争中占据主导地位。我们切不可盲目乐观，过高地估计自己的成绩。
9)存在以哲学研究代替人工智能研究倾向。
人工智能有哲学问题需要研究，但人工智能不属于哲学。有些人从信息哲学或其他哲学角度进行人工智能研究，既是需要的，也是值得支持的。不过，长期以来国内存在一种以哲学研究代替人工智能研究的倾向，并过分夸大哲学问题对人工智能的作用，甚至企图以哲学主导人工智能学科，值得警惕[129]。
需要就人工智能主流问题进行踏踏实实的研究。吴文俊曾经语重心长地告诫：我们真正的意图绝不在于口舌之争，在字面上夸夸其谈。真正应该做的事是实干巧干，借计算机时代来临的大好契机，率先在全世界推行脑力劳动机械化，以具体成就和向世人表明我们的主张。
10)国际合作需要进一步加强。
中国虽然进行了一些人工智能的国际合作，包括举办人工智能国际会议、出国出席人工智能国际会议和派遣人员参加人工智能国际合作研究等。这些合作不仅在规模上需要扩大，而且合作水平和成果也需要提升。应该说，人工智能的国际合作需要进一步加强，中国的人工智能国际地位有待进一步提高。
四、发展机遇
中国的人工智能正面临前所未有的历史发展机遇，具备诸多发展优势。
1)国际大势所趋。
人类社会的信息环境与科技水平已取得了重大进步，与计算机和人工智能密切相关的大数据、云计算、互联网等已获得快速发展。人工智能已开始对人类社会结构产生重大影响，人——机器二元社会正在逐渐地向人-机器-智能机器三元社会发展。人、机器、智能机器协作与共存将成为人类社会结构的新常态，人、机器、智能机器和谐共存既是社会发展的必然，也为人工智能和人工智能产业提供了用武之地。纵观国际社会与科技发展潮流，人工智能的发展是人类社会进入信息社会后继续前行的重要标志，是国际科技发展的大势所趋，将引领一轮新的机器革命，促进世界产业结构调整，为经济复苏与发展注入正能量。这也是中国人工智能遇上的千载难逢的发展机遇期。
2)国家战略驱动。
回顾国内人工智能的发展过程可以看到，公众对人工智能的认识、人工智能产业的发展和政府对人工智能重视程度都已经发生了很大变化。
如前所述，中央领导人鼓励发展人工智能，习近平、李克强等对中国人工智能和机器人学的发展给予高度支持和明确指示，并提出目标要求;国务院和相关政府部门已制订与发布了人工智能相关的发展战略规划，如《“互联网+”人工智能三年行动实施方案》、《智能制造2025》和《机器人产业发展规划2016—2020》等。国家战略与政府推动是中国人工智能科技与产业健康发展之源，人工智能如果离开了国家的政策协调，就寸步难行;有了国家的战略支持，就能阔步前进。
3)国内发展需求。
发展人工智能是国内产业转型升级的需要，发展智能产业和智慧经济需要人工智能的持续创新，人工智能产业化是国家发展的大趋势。
中国的社会经济发展正面临新的机遇与挑战。劳动力红利的缺失、老龄化社会的来临、精英人才的需求、关键技术的开发，都需要通过发展来逐一解决。发展人工智能和智能机器能够实现“机器换人”和产业转型升级，“人工智能+X”将成为万众创新的新时尚和新潮流。不能说发展人工智能能够解决所有的经济问题和社会问题，但是可以说人工智能产业能够为解决现有的经济问题和社会问题创造良机。中国的社会进步和经济发展迫切需要人工智能的得力参与，中国产业转型升级和社会发展重构也为人工智能科技和人工智能产业发展提供了“用武之地”。
4)智力资源优势。
尽管中国的人工智能起步较晚，又走过一段很长的曲折发展道路，但在中国发展人工智能具备得天独厚的智力资源优势。
其一，人工智能重在智能软件，中国人在这方面具有优良传统和特别的智慧。被誉为“中国人工智能之父”的吴文俊指出：中国不仅具有作为典型脑力劳动的数学机械化的合适土壤，而且也是各种脑力劳动机械化的沃土。古代中国是脑力劳动机械化的故乡，也是脑力劳动机械化的发源地。它有着发展脑力劳动机械化所需要的坚实基础、有效手段与丰富经验。中国历史上研究数学的“术”方法，与现在研究人工智能的“算法”，具有异曲同工之妙。
其二，现在中国拥有庞大的互联网网民群体、最大的网民基数和人才基数，形成首屈一指的人工智能群体资源优势。
其三，中国派遣的大批出国研究人工智能的“海归”专家，已成为中国人工智能研究与开发应用的中流砥柱和学科带头人，对人工智能研究开发、产业应用和人才培养极为重要。
其四，中国改革开放的优越发展环境，已经并将继续汲引更多的从事人工智能研发的海外学子和外国专家前来加盟中国的人工智能建设。
处在最好发展机遇期的中国人工智能科技与产业，只要制定与执行好人才策略，何惧无人?
5)产业初步基础。
与机器人产业相比，中国的人工智能产业起步很晚，但近年来已在人工智能科研成果及其产业转化上取得长足进展，已与10年前的情况不可同日而语。在当前大数据、云计算、移动互联网深入发展与广泛应用的背景下，国内外IT企业不失时机布局人工智能产业。以智能语音产业为例，2015年全球智能语音产业规模达到61.2亿美元，较2014年增长34.2%。其中，中国智能语音产业规模达到40.3亿元人民币，较2014年增长41.0%，远高于全球语音产业增长速度。预计到2016年，中国语音产业规模将达到59亿元人民币。
中国语音产业规模提升主要源于以下3个原因：
首先，政府在智能语音技术研发及产业化方面的政策支持，为语音产业发展创造了良好的发展环境。
其次，语音技术提供商不断优化产品性能，进一步深化了智能语音在车载信息服务系统、智能家居等领域的应用。
其三，4G网络的普及、大数据和云计算的发展，为智能语音应用提供了强有力的保障。
这3个原因也是中国智能语音产业发展的重要基础。
当前IT巨头以智能语音为切入点，积极布局人工智能领域发展。国际上，谷歌、苹果、微软、IBM、Facebook等互联网企业在积极推进智能语音技术研发与应用之后，以此为切入点开始布局整个人工智能领域。国内的百度、腾讯、阿里巴巴、科大讯飞、小i机器人、思必驰、云知声、华大基因、捷通华声等企业，以智能交互(文本或语音)为切入点，积极布局人工智能领域，抢占产业发展制高点。
除了智能语音产业外，中国在自然语言处理的其他方面也有一些创新产品和产业集结。此外，图像处理、机器学习、智能驾驶、智能家居、智能传感器等领域，也已经或正在酝酿产业布局。
中国的人工智能产业正在逐步形成中，其规范性也特别需要加强。
6)金融资本助力。
随着经济的快速发展和国力的空前提高，中国的金融资本实力已具有举足轻重的国际地位，已向国内外大量投资。近年来，国内的金融资本市场已为人工智能产业的发展开辟了很好的土壤。据最新一期国际金融报报道，随着人工智能的发展，它将像当年互联网的崛起一样，打造一批新的人工智能巨无霸，这些新巨人可能从现有的企业巨头进化而来，也可能从目前还名不见经传的小公司甚至个人创客成长而来。
与此同时，资本市场对智能机器人的热捧，让股市呈现出难得的大合唱格局。机器人行业2015年的投资水涨船高，机器人产业的融资金额达到2014年的3倍以上。同时，机器人产业的并购金额也逐年攀升，众多上市公司纷纷涉足机器人并购，一些国内企业开始瞄准海外市场，掀起更大规模的并购高潮，中国的代步工具开发商纳恩博全资收购美国自平衡车Segway公司就是一例。
随着《中国制造2025》规划进一步落地，中国机器人产业势能将进一步释放。根据公开数据显示，2015年，国内已有约70家上市公司并购或投资了机器人及智能自动化项目，其中许多首次涉足机器人业务，而这一数据将在2016年有望快速被打破。有迹象表明，一旦国家全面出台人工智能战略，国内外金融资本将会以不亚于对智能机器人的热情，投资人工智能产业链。
让机器模仿甚至超越人的智力行为和思考方式，始终是充满丰富想象与巨大挑战的科学领域，近期无人驾驶及AlphaGo等为代表的人工智能技术的重大进展，激发金融资本进入人工智能领域的热情。有的科技巨头更是直白地宣称人类社会将从移动互联时代跨入人工智能时代。
五、发展对策
针对中国人工智能的发展基础、存在问题、发展机遇，特提出发展中国人工智能产业的战略思考，供讨论与决策参考。
1.出台与实施国家大脑计划
国务院印发的《“互联网+”行动指导意见》中已明确提出人工智能为形成新产业模式的11个重点发展领域之一。国家发改委和科技部等4部门于2016年5月23日联合发布《“互联网+”人工智能三年行动实施方案》。根据该方案，未来3年将在3个大方面、9个小项推进智能产业发展。智能家居、智能可穿戴设备、智能机器人等都将成为发展的重点扶持项目。该实施方案明确未来3年人工智能产业的发展重点与具体扶持项目，体现出人工智能领域已被提升至国家战略高度。在国家高度重视下,科研投入增加与人才红利注入预期将加速产业变革,如人脸识别、语言识别、智能机器人等细分领域的应用将不断拓宽并进一步实现商品化。
人工智能已上升到国家战略高度，有必要借鉴西方先进科技国家的做法，探讨并在适当时机出台与实施中国的国家大脑计划(图23)。
近年来，美国、欧盟和日本先后启动了投资巨大的大脑计划。2013年4月，美国总统奥巴马宣布启动“大脑基金计划”，将在未来10年投资约45亿美元。分为2个阶段：前5年着重开发探知大脑的新技术，如功能性核磁共振、电子或光学探针、功能性纳米粒子、合成生物学技术;后5年力争用新技术实现脑科学的新发现包括绘制人类大脑动态图。2013年1月，欧盟启动“人类大脑计划”，将在未来10年内投人10亿欧元，研究重点除了医学和神经科学外还有未来计算机技术。2014年4月，日本的脑计划也宣布启动。
面对激烈的国际竞争，中国有必要汲取欧美日等国的经验教训，跨学科、跨行业讨论论证，集思广益，探讨中国是否需要制订大脑计划?如果需要大脑计划，应该包括哪些内容?什么时候出台与实施符合中国国情的国家大脑计划?“大脑计划”的实施不仅涉及人工智能，而且还与生命科学特别是神经科学密不可分。建议在脑科学领域采用“人工智能+生命科学”的合作模式，集中优势资源，解决当下最迫切的社会需求，如发展预防和治疗脑疾病的诊疗手段，尤其是神经发育疾病、精神类疾病、神经退行性病变的早期诊断和干预。主要的研究应聚焦在脑工作原理和与脑重大疾病防治的相关前沿领域上。
2.全面打牢人工智能基础
人工智能的基础涉及数学、经济学、神经科学、心理学、哲学、计算机工程、控制论、语言学、生物学、认知科学、仿生学等学科及其交叉。人工智能学科有着十分广泛和极其丰富的研究内容，包括认知建模、知识表示、知识推理、知识工程、机器感知、机器思维、机器学习、机器行为等。不同的人工智能研究者从不同的角度对人工智能内容进行研究。例如，基于脑功能模拟、基于应用领域和应用系统、基于系统结构和支撑环境、分布式人工智能系统、机器定理证明、不确定性推理等。中国学者在人工智能基础研究方面已在机器定理证明、分层知识表示与推理、自动规划、虹膜识别、语音识别、可拓数据挖掘、进化优化等方面取得一些重要成果，具有较大的国际影响力;但总体上看成果还不够多，面不够广，整体影响力也有待进一步提高。
人工智能基础研究是人工智能科技可持续发展的基石。只有打牢人工智能基础，才能为人工智能及其应用的蓬勃发展与全面升级提供原动力。需要全面加强人工智能基础研究，鼓励多学科交叉创新研究，重视和加强人工智能前瞻性基础研究，经过长期努力与积累，使中国的人工智能基础研究整体水平走向国际先进行列。
3.深化人工智能技术开发与推广应用
应用需求是科技创新的不竭之源，也是人工智能技术的创新之源。被称为加速第四次工业革命到来的“德国工业4.0”，其主题即为3个智能：智能工厂、智能生产和智能物流。《中国制造2025》规划的核心内容就是建立智能化生产线，采用智能化管理运营模式，从设计、工艺、生产、服务保障、管理5个方面的智能化入手，最终全面实现智能制造。人工智能技术对智能制造的关键作用由此可见一斑。
人工智能技术的应用可以推广至各行各业，这些行业需要各自的人工智能典型产品、项目或系统。例如，对工矿企业应用人工智能技术进行的智能化开发可包括：
1)采用智能机器(含智能机器人)代替危险、有毒、放射性等有害环境下和笨重、单调、高空、粉尘等恶劣条件下的劳动，减轻体力和脑力劳动强度，保护工人健康。
2)采用人工智能技术进行厂矿、生产车间、工段和设备的设计，快速优化设计方案，实现生产设计的智能化。
3)应用智能化技术，全面实现制造过程智能化。
4)开发智能咨询与决策系统，提供生产过程的科学咨询、决策与管理，走向生产和人员管理智能化。
5)研发各种专家系统，用于生产规划、生产过程监控与控制、生产系统和设备的智能故障诊断，提高劳动生产率和产品质量。
人工智能开发者要结合各类企业的特点，以推进“中国制造2025”和“互联网+人工智能”为契机，抓住第二次机器革命的历史机遇，实现“人工智能+”，大力发展人工智能技术与产业，为经济新常态注入智能化的思路。要提高工业领域人工智能技术的研发和创新能力，开发高水平的人工智能产品，避免低水平重复和无序竞争。要深化人工智能技术的推广应用，做大做强智能产业。人工智能作为高新技术，更需要创新政策机制、管理体制、市场机制和成果转化机制，为人工智能及其产业的发展提供优良环境，为人工智能的健康发展保驾护航。要出台人工智能应用的鼓励政策，在人工智能技术应用推广和市场开发中，得到国家政策、资金及应用等方面的扶持与支持，加快人工智能新技术尽早从实验室走向应用领域。
在开发与应用人工智能技术过程中，要求真务实，有序发展;要谨防“全民动手，遍地开花”。
4.培养高素质人工智能人才
人工智能教育是人工智能科技和人工智能产业赖以发展的强化剂和推动力，也是高素质人工智能人才培养及人工智能科技与产业可持续发展的根本保证。中国的人工智能教育已初步形成学科教育与课程教学体系，已在大学计算机、智能科学技术、电子信息、自动化等专业开设不同层次的人工智能课程。中国人工智能发展的存在问题和人工智能的基础建设问题，都与人工智能人才培养密不可分。只有培养好足够多的高素质人工智能人才，才能保证中国人工智能的顺利发展，攀登国际人工智能的高峰。
人工智能人才培养方面，提出以下值得注意的建议：
1)把人工智能人才培养上升为国家教育重点。
不久前的AlphaGo与李世石的国际围棋人工智能秀，促进中国兴起了一个以人工智能技术推进经济社会智能化的浪潮。人工智能人才是人工智能基础建设的重中之重。做好发展规划、掌握关键技术、进行推广应用都需要高素质的人才去实现。要适应这一社会需求，全面规划高素质人工智能人才培养，为中国人工智能进入新的发展机遇期和可持续发展提供人才保障。需要进一步提高对人工智能人才培养的认识，建立人工智能人才培养制度，全面规划人工智能人才培养，把人工智能人才培养上升为国家教育重点(图24)。
2)建立与规范各级人工智能教育。
根据市场需求，全面规范各级人工智能教育，开办一定规模与比例的各类学校，包括大学、职业技术学院、人工智能学院、技工学校等;建议国家教育部全面扩大现有“智能科学与技术”专业设置，支持办好“智能科学与技术”等本科专业，加强本科人工智能教学;在部分相关专业设立人工智能研究生培养方向，加强人工智能方向的研究生教育力度;在中小学开设人工智能科技或科普课程，开展形式多样的人工智能课外活动，培养中小学生对人工智能的兴趣;搞好人工智能师资培训，提高人工智能教师水平，规范与组织编写各类人工智能教材，为人工智能人才培养提供基本保障。
3)多模式多渠道培养高素质人工智能人才。
努力探索通过多模式多渠道培养各类高素质人工智能人才，进行人工智能品牌产品开发和市场化营销，总结经验，加以推广。政府主管部门应当为人工智能人才培养提供相关政策支持;国营和民营研究所主要进行人工智能产品开发与创新，让人工智能科技人员发挥才智;学校和学院除参与人工智能产品研发外，首要任务是提供知识资源，培养各层次的高素质人工智能人才;企业要精益求精进行人工智能产品生产，让人工智能科技人才和技术工人充分发挥作用。要建立人工智能人才激励机制，鼓励各类能工巧匠和大师级精英等人工智能优秀人才脱颖而出。鼓励从事人工智能学习与开发的本科生、研究生和科技工作者进行人工智能科技创新创业，对他们的创新思想和原型成果给予创业基金支持。
4)充分利用互联网培养人工智能人才。
充分利用互联网技术，为人工智能系统的“人工智能+”提供得力的技术保障，为人工智能人才培养提供有效手段。利用与国际接轨的高水平人工智能平台，创建与发展人工智能主流媒体;开发与完善国内人工智能网络教学平台，为各层次人工智能教学提供网络教育服务，为其他课程提供辅助教学工具。
5.深刻认识与国际先进水平的差距
有些学者或企业家认为，中国的人工智能科技水平已经与美国不相上下。需要科学客观地评估已有成绩，既不要妄自菲薄，又不能夜郎自大。既要充分肯定成绩，又要深刻认识差距。过高地估计中国现有人工智能成果既不实事求是，又不利于人工智能产业的健康发展。
美国是现在人工智能科技整体水平最高的国家。分析中美两国在人工智能方面的差距，有助于我们保持清醒的认识。许多人工智能界内专家指出：我们在人工智能方面一直跟踪美国的理论，然后应用并在一些地方有所创新，应用上的追赶很快。但是，在基础理论研究方面和美国还是差距很大。
国内做人工智能基础理论研究的人很少，这是学术环境问题造成的。例如，美国把脑科学和类脑科学排在研究的最前面，而中国在这方面的自主研发能力却比较薄弱，在突破和创新上也有所差距。又如，国内在深度学习方面发表了不少论文，但真正有理论上创新或具备重要应用价值的研究并不多。
美国人已经在构思下一个人工智能是什么，而国内还没有起步。这是我们面临的最大挑战，这是个难题，牵涉面很广，不是一两个团队投入进去就能解决的。这种差距在很大程度上源于国内学术评价体系以及以实际应用为导向。学术评价体系、待遇保障都有需要改进的地方。我们可能要通过10~20年努力才能在人工智能方面全面赶上美国。
美国公司会投入大量资金培养一批高端的纯技术人员，从他们博士毕业开始，招聘到公司，并致力于人工智能纯技术研发。这样的一个顶尖精英团队，以科技兴趣和信念为动力进行技术研发，在人工智能的研究领域遥遥领先世界水平也不足为奇。而在国内，很少有公司会愿意花大笔经费培养这样的纯技术人工智能团队，公司内部也缺乏奖励机制。在国内高校，人工智能的研究水平也与世界领先水平有很大的差距。
6.增大研究经费支持力度，科学地合理分配经费
首先，国家要大幅度加大对人工智能的投入力度，特别要重视对人工智能基础研究的长期经费支持，有针对性地加强对有基础和有优势的人工智能产业的支持。要吸取以往国家科研与开发经费分配的经验教训，制订完善合理的经费分配原则和办法，采取有效公正措施，解决国家研究经费分配不公的问题，让国家研究经费“物尽其用”，发挥最大的支持与激励作用。
其次，鼓励民间金融资本对人工智能产业与创业的投资。在当前人工智能热潮的激励下，许多民间资本有意与人工智能产业结缘。巨头与创业公司发力，共助盘活人工智能市场。百度、阿里巴巴、腾讯等互联网公司均已布局人工智能领域,资金的注入有望盘活市场。据艾瑞咨询调查,目前已有近百家创业公司布局人工智能领域，约65家获得投资,融资金额达29.1亿元人民币。在国家政策支持、应用需求倒逼、技术进步升级和资金注入等因素共同推动下，千亿级市场盛宴正在开启。注意为非公有人工智能企业营造良好的发展环境，在市场准入、审批办照、待遇与服务等方面，提供宽松和良好的服务，调动民营企业的积极性，加快非公有经济的发展。
不过，由于人工智能产业具有应用前景广、科技含量高、投资回报周期长、技术迭代周期短等特点，不少投资者在谈及人工智能技术时直言“看不懂”，令涉足该领域的资本需付出更多智慧。
他们必须评估所投资的人工智能领域或项目在国内外的技术先进性和商业化应用前景，需要具备一定的专业技术和长线投资眼光。现在很多投资机构比较关注的是短期投资价值，希望3~5年内能够产生回报，但投资人工智能的项目往往回报周期比较长，能不能在预期内产生回报，就需要进一步去判断。投资人工智能科技与产业，必须三思而行。
在加大人工智能研发支持力度的同时，需要加强研发经费的管理。建议在项目评审与实施过程中实行全程科学管理，加强同行评议特别是经费评审和经费使用管理，杜绝浪费，防止腐败，使有限的经费用在人工智能研发的“刀刃”上，助推人工智能科技和产业强劲发展。
7.建设开放共享的人工智能创新发展平台
李彦宏曾在2015年全国政协发言中提出：建议搞一个全球最大规模的人工智能开发平台。我们姑且不谈这个建议跟“中国大脑”有什么关系，而是想来探讨建立一个全国人工智能的开发大平台的必要性和可行性。
在互联网、大数据、云计算的网络时代，像人工智能这样的高新技术和超大数据科学与产业如果没有自己的人工智能通用平台，那要发展是不可想象的。要让科研机构和企业以至个人创客都能公平地在这个平台上做各种各样的创新。现在，人工智能技术已有了实质性的应用，无论是语音识别、图像识别、多语种翻译、机器学习、智能规划、智能控制，还是无人驾驶汽车、无人飞行器和水下自主航行器等智能移动机器人，其核心基础技术都是人工智能技术。智能机器人开发平台、大数据与云计算开发平台、互联网金融开发平台、智能游戏开发平台、人工智能训练开发平台、智能物流系统开发平台、智能电网、智能服务、智能交通、智慧城市、智慧旅游、专家系统等也需要建设开放的人工智能创新发展平台，实现资源设施共享，获得人工智能大平台的强力支持。
中国已拥有极其丰富的计算机和互联网技术资源。
随着计算资源和网络资源越来越丰富，成本越来越低，原来计算机不能模拟的许多智力功能现在已经能够模拟了。人工智能是当今世界一个技术的制高点，中国有能力构建一个具有全球影响力的人工智能大平台。同时，要认识到，实现全国甚至全球人工智能资源共享、数据共存和数据积累，还是有很大的差距与难度的，切不可掉以轻心。
8.抓实人工智能产品的标准化建设
人工智能产品兼有硬件和软件等，而以软件为其技术核心。以往我国的人工智能产品为数不多，虽然没有国家标准，但影响较小。随着人工智能产业的迅速崛起，人工智能新产品很可能出现井喷之势。这些人工智能产品可能鱼目混珠，泥沙俱下，不可避免地会掺杂一批伪劣产品，扰乱市场。为保障人工智能产业的健康发展，保护广大消费者的正当权益，政府立法与质量检查部门以及市场管理部门，需要未雨绸缪，不失时机抓紧制订或审定人工智能产品标准，严格产品检查，严禁不合格的人工智能产品投放市场。只有让合格的人工智能制品进入市场，才能维护人工智能高科技的信誉，使人工智能产业形成良性发展，进而促进人工智能产业真正成为智能制造的核心技术、国民经济结构转型升级的新支点和新一轮产业革命的引擎。
9.发展人工智能文化
人工智能对人类文化有诸多影响。人工智能技术能够改善人类知识、改善人类语言、改善文化生活。需要营造与发展人工智能文化。人工智能知识的普及工作也是人工智能文化的一个重要组成部分。
人工智能的科学普及涉及两个方面。一方面向大众传播人工智能基础知识，让他们客观了解人工智能，正确认识人工智能，积极支持人工智能。另一方面向广大青少年普及人工智能基本知识，培养他们对人工智能的兴趣，甚至发现与培养一批人工智能科学技术的接班人。为此，需要开展一系列的工作。
首先，大力开展人工智能科普活动需要加强人工智能的教育和科普人才队伍建设，这是人工智能可持续发展的重要保证。要让人工智能成为天使而不是魔鬼，科普工作将起到十分重要的作用。
其次，要争取国家和企业的大力支持，建立人工智能科普基地，为普及人工智能知识发挥示范作用;鼓励科技人员和各级教师进行人工智能科普创作，支持出版人工智能科普作品，广泛传播与普及人工智能知识;出版人工智能科普杂志，向青少年介绍国内外人工智能的发展动态、应用示例、科普知识、趣闻轶事;规范与举办各类人工智能科技竞赛和夏令营、冬令营活动，通过丰富多彩的活动，培养广大群众特别是青少年对人工智能的兴趣;面向全国大学生和中小学生，举办人工智能网络竞赛，营造良好的人工智能生态文化。
此外，在发展人工智能文化和科技中，要特别注意发挥各级学术团体的作用，让学会组织为普及人工智能知识和发展人工智能文化发挥特别作用。
10.重视人工智能社会学研究
人工智能在给创造者、销售者和用户带来经济利益的同时，就像任何新技术一样，其发展也引起或即将出现许多问题，并使一些人感到担心或懊恼。这些问题涉及劳务就业、社会结构变化、思维方式与观念的变化、心理上的威胁和技术失控危险等。社会上一些人担心人工智能技术会抢夺他们的饭碗而导致失业，担忧智能机器人的智慧超过人类而威胁人类安全等。这些都是值得高度关注的影响社会安定和谐的社会问题。
有必要把人工智能的社会学问题提上议事日程。政府部门、科研机构和学术团体，都要把人工智能社会学研究纳入相应计划，研究解决对策与办法。人工智能可能出现的一些负面效应或新问题，如利用人工智能技术进行金融犯罪(即所谓“智能犯罪”)，智能驾驶车辆需要出台相应的交通法规等。因此，需要建立相关的政策和法律法规，避免可能风险，确保人工智能的正面效应。只有人工智能应用得好、把握得好，才能确保人工智能不被滥用，确保人工智能是天使而不是魔鬼。
此外，如前所述，人工智能已使社会结构产生变化，人-智能机器-机器协作与共存将成为人类社会结构的新常态，必将对人类社会产生具有跨时代的影响。
六、结论
国际人工智能经过60年的发展已经取得了巨大进步，目前正呈现爆发增长之势。近年来，国内外人工智能出现前所未有的良好发展环境，各种人工智能新思想和新技术如雨后春笋般破土而出，人工智能的应用领域更加拓展，人工智能的人才队伍日益壮大。但总体上看，人工智能仍处于初级发展阶段，仍远不足以威胁到人类的生存，但是它的社会影响问题应当得到高度重视。
由于历史原因，中国人工智能起步较晚，而且走过一段很长的弯路。不过，改革开放以来，中国人工智能逐步走上发展的康庄大道。如今，中国人工智能迎来了发展的春天，正在酝酿一场重大的人工智能变革与创新，必将为中国的现代化建设做出历史性贡献。
作为智能化时代的关键技术，人工智能将日益成为新一轮产业革命的引擎，必将深刻影响国际产业竞争格局和国家的国际竞争力。应当以“互联网+”、“中国制造2025”和“人工智能+”等国家战略为契机，抓住第二次机器革命的历史机遇，大力发展人工智能技术与产业，为经济的新常态注入智能化思路。要系统谋划，瞄准国际人工智能发展趋势，立足国内社会发展实际需求，统筹整合国内相关资源，科学设定发展目标。要尊重与探索人工智能发展规律，认清发展形势，发现存在差距，明确努力方向，迎头赶上人工智能的国际先进水平，为国际人工智能的发展做出中国人应有的积极贡献。
发展人工智能科技及其产业，开拓者们需要下定决心，坚定信心，胸怀虚心，树立恒心，锻炼耐心，追求精心，独具匠心，保持细心，让全国人民放心。相信在人工智能发展良机面前，中国各级政府部门和人工智能开发者一定能够抓住机遇，创造新的辉煌，迎接人工智能发展的新时代。人工智能技术和产品就在大家身旁，人工智能时代就在前面。
在本文即将脱稿之际，传来了习近平总书记在全国科技创新大会上发表的“为建设世界科技强国而奋斗”的重要讲话。他在大会上提出的5点要求应当成为包括人工智能在内的中国科技研究探索的指路明灯。让我们响应习总书记的号召，发动人工智能科技创新的强大引擎，向着人工智能科技强国目标不断前进!返回搜狐，查看更多
人工智能论文范文(5篇)
人工智能论文全文(5篇)时间：2023-04-1322:16:52
第1篇：人工智能论文范文
第一，植物的规格要确定好，要结合植物所适应的地质条件来对各种规格的植物进行协调搭配。一般来说，中型及其以上规格的乔木作为园林的架构之一，会对整个园林所呈现出来的景观效果起着重要作用，应当先进行安放，然后才是小型规格的植物的安放，保证在园林景观的细节处做好处理；第二，要合理组合植物的品种类型，落叶植物和针叶常绿植物之间在园林中所占的比例应当保持一定的平衡关系，对于植物如花卉、叶丛的颜色要协调好，一般以夏东两季的植物色彩为主色调，其他色调为辅，以保证视觉上能起到互相补充的效果。
2园林设计中人工智能应用现状
2.1系统操作方面
由于园林设计既涉及艺术方法也涉及到技术手段，因此，对操作人员的综合能力要求就比较高，也就是说，操作人员应当对建筑理论、园林绿植知识和计算机基础三方面综合掌握，而事实上，很多参与园林设计的人员并没有很强的工程操作能力，要求太高，难以实现。
2.2园林可重复使用性方面
目前来说，园林的重复使用性还是太低，因为每个地方的气候条件和地理环境都不相同，所以，针对一个地方所制作的园林设计并不能简单地复制到另一个地方，如苏州园林的设计不能直接用在辽宁的园林设计，原因在于北方相对南方来说，园林供水相对困难，山石种类不同，绿植花卉种类也不如南方园林的丰富，而且南北审美观不同，北方园林设计多采用浑厚石材，绿植多为松、柏、杨、柳、榆、槐，加上三季更迭的花灌木，呈现刚健雄浑的特点，而南方则因为花木种类丰富，布局特别，注重山石与水的搭配，独具精致淡雅的特点，由此可见，园林的可重复使用性不高。
2.3计算机辅助设计方面
计算机辅助设计即常说的CAD。目前来说，CAD并不能完全对口符合园林设计的需求，因为CAD只能呈现出单一的图形画面，既不利于设计者进行设计，也不利于客户对设计者的设计的理解，导致客户与设计者之间难免信息不对称，造成一定的信息偏差，影响之后园林设计出来的成果。
3加强人工智能在园林设计中应用的办法
3.1园林子系统的设计
作为整个园林系统的组成部分，园林子系统的设定概要应通过计算机实施建模，来对项目实施进行基本设定，在获得项目系统的自动生成规则之后，在对所收集到的园林基本数进行存档，来作为全局的运行参数，在一定程度上影响了计算机的运行结果。一般来说，存档信息有园林的设计规模、投资情况、发展需求以及相关的环境因素等，存档后，可能会对建筑的规模大小、选址、风格特点以及植物的搭配等造成影响。
3.2地形子系统的设计
地形子系统的设计应当是通过计算机对采集到的地质数据进行推理而后才进行的。一般来说，会采用规则引擎最为计算机的推理机，是基于专家系统的模式下进行推理的，工作原理是由机器来仿造人类在对事件进行考虑的思维和方法，通过进行试探性的方法来进行推理，并不断地对推理所得出来的结果进行解释和验证。对地质情况进行实时实地勘查是保证园林设计图纸正常输出的要求，这是不能单纯地依靠计算机来实现的，因为地质勘查涉及到很多复杂地形的勘查，只能依靠人工的方式。地质勘查可以分为前期阶段和后期阶段。前期阶段主要是设定园林工程的初稿，因此，只要对地质情况进行系统的粗略勘察即可。后期阶段主要是完成图纸设计要求，因此，对数据准确性要求更高，并勘查人员对此进行较为细致的处理。这以后才是通过对计算机智能系统软件的使用来将前期阶段和后期阶段所获得的数据进行智能化处理，完成相关数据的细化以及修正，然后通过系统推理得到一个初步的园林模型。
3.3主干道路子系统的设计
对地形子系统进行地形数据的输出即可得到主干道路设计，因为我们首先完成了地形的设计，因此，在接下来对道路进行设计的过程中就可以有效地避免其他的建筑和设施的干扰，这之后的设计才能按部就班地开展。推理的总体规则为：首先，由园林的建设规模、投资情况等来对道路的类型和所需费用等进行计算，得到相关数据；然后，结合之前的输出地形图来生成推荐道路图，并检查道路的密度是否符合园林的设计规范，接着根据道路建设定额表来对工程造价进行计算，看是否符合预期投资情况；最后，对道路图进行人工的调整，并反复验算。
3.4图纸和图表输出子系统的设计
第2篇：人工智能论文范文
“人工智能”一词最早是在1956年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能其英文全称为ArtificialIntelligence，缩写为人所共知的AI，它主要是对用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统等进行研究讨论。对于人工智能的定义义众说不一，一般有两种说法：一种是人工智能是关于知识的学科，即怎样对知识进行表示以及怎样获取知识并对知识进行使用的科学；另一种是人工智能研究的是如何实现让计算机做过去只有人才能够做的智能工作。但是不管是哪一种，它都是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能的定义可以分为两部分，即“人工”和“智能”。对于“人工”，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。诞生对于“智能”，则存在着很大的争议。因为这涉及到了诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人类唯一能够了解的智能就是人类本身的智能。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。人工智能的实现方式有2种方法。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineeringapproach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modelingapproach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。
2人工智能的发展
对于人工智能的研究一共可以分为五个阶段。第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、跳棋程序、LISP表处理语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入了低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：问题求解的方法过度重视，却忽视知识重要性。第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向高潮。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。同时国际人工智能联合会于1969年成立。第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学但是的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。第五个阶段是20世纪90年代后。网络技术的出现于发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向到基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅只对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研究，让人工智能有更多的实际用途。
3对人工智能的思考
3.1人工智能与人的智能
从哲学上的量变引起质变的角度来讲，人工智能在不断的发展过程中一定会产生质的飞跃。在最初，人工智能只具有简单的模拟功能，但是发展到现在已经具备了思考的能力（逻辑推理分析），这已经表明人工智能在不断量变的过程中已经发生了质变。有人认为有人会说人工智能不会超过人类的智能，理由是人工智能是人类创造出来的。但是现实中很多人类创造出来的东西已经在某一些方面超过了人类本身的能力，例如起重机的力气超过人类很多；汽车速度也远超过人类的速度。人类之所以会制造出各种各样的工具，其目的就是希望自身的能力能通过这些工具进行延伸和突破。人类研究人工智能就是希望人工智能帮助人类实现人类某些无法实现的东西。还有人认为人工智能是人类创造出来的，所以它一定存在着致命的弱点，也因此人的智能优于人工智能。但是殊不知人类与机器相比也有着十分明显的弱点，例如人类所需要的生存条件比机器更加的严格，人类思维会受到人的情绪所影响，而机器只是受到程序的影响，它们没有情绪的起伏。就目前的人工智能而言，它们在某一些领域比人类更强。但是目前我们必须正视人工智能的一些还没有办法改变的缺陷，那就是人工智能的学习能力与创新能力。人工智能的知识获取大部门都是人为的进行灌输，而无法像人类自身那样进行主动的学习。同时人工智能只能够利用已有的知识去解决一些问题，但是却还不能够创造性的提出一些新的东西。
3.2对机器人三大定律的困惑
美国最著名的科普作家艾萨克．阿西莫夫提出过比较著名的机器人三大定律：第一定律，机器人不得伤害人，或任人受到伤害而无所作为；第二定律，机器人应服从人的一切命令，但命令与第一定律相抵触时例外；第三定律，机器人必须保护自身的安全，但不得与第一、第二定律相抵触。虽然这只是科幻作家所提出的一家之言，但是也代表了人类对与人工智能发展的一种期望与担心。人们害怕自己所创造出来的人工智能会伤害人类自己。但是阿西莫夫所提出三大定律都是以人类为中心的，而忽视了人工智能本身。或许这是人类的一种天性，世间所有的事物都应该围绕人类自身来定义、发展。就好像人类自以为掌控了能够改变大自然的力量，最终却被大自然反噬一样。同时，随着科学技术的发展，人工智能已经不单单需要逻辑思维与模仿，同时还应该将情感赋予人工智能。因为随着科学家对人类大脑和精神系统的研究的深入，已经愈来愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人类的自我中心又是否会伤害到人类自己创造出来的人工智能。
3.3对人工智能未来的思考
人工智能有着十分巨大的发展潜力，对于人工智能的研究虽然经过了很多年，但是这也仅仅是刚刚开始而已，继续研究下去在很多方面都会有重大的突破。自动推理是人工智能最经典的一个研究分支，它的基本理论是人工智能其它分支的共同基础。一直以来人工智能最热门的研究内容里面就有自动推理，同时在该知识系统中的动态演化特征及可行性推理的研究是一个十分热门的研究内容，很有可能取得大的突破。机器学习一直在致力于研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能。在过去的很长的一段时间内都没有取得十分显著的成果。但是许多新的学习方法相继问世，并且已经有了实际的应用，这充分的说明在这方面的研究已经有了很大的进步。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。在经过人工智能研究人员的艰苦努力之后，在该领域中已取得了大量令人瞩目的理论与实际应用成果，许多产品已经进人了众多领域。智能信息检索技术在Internet技术的影响下，近年来发展势头十分迅猛，而且已经成为了人工智能的一个独立研究分支。
第3篇：人工智能论文范文
关键词：人工智能；新闻生产伦理；道德困境
一、人工智能技术在新闻生产中的现状分析
诞生于1960年的计算机辅助新闻是人工智能在新闻生产领域最早的应用。2000年左右，计算机辅助新闻开始进入数据驱动新闻阶段。2006年，汤普森公司开始将新闻机器人运用于财经数据分析，并生产出新闻，这标志着现代意义上的人工智能新闻真正产生。当前，人工智能主要依靠自然语言处理、预测分析和机器学习三种技术。在新闻报道中，人工智能的运用大致可分为自动化生产、人机交互和智能推荐三种类型。
（一）数据挖掘和机器写作推动新闻的自动化生产数据挖掘和机器写作是一种打破了新闻人工作常规模式的特殊的新闻生产方式，依赖于庞大的数据资源，运用技术的手段化繁为简，省去了传统新闻出稿的步骤。因此，数据的积累和清晰的数据支撑是推动新闻自动化生产的关键。这种将采访、写作、编辑、校对、分发、反馈等新闻生产环节融合在一起的方式，节省了人力、物力和时间，大大简化了新闻生产的过程，进一步优化了新闻生产的流程。这意味着，在一些专业报道中，机器人挖掘的数据会比记者发现、找到的数据更为精确可信，人和机器展现出平等合作、相互理解、辅助的关系，在不同方面各显其能，互相配合，可以让记者从单调重复的工作中逃离，从而更加专注于挖掘数字背后的意义，去做更有创造力的事。
（二）智能音箱和聊天机器改变人机交互的传统模式2017年7月，国务院的《新一代人工智能发展规划》中提到未来我国几十年人工智能的发展蓝图，着重强调发展人机智能共生的行为增强与脑机协同及人机群组协同等关键理论和技术，并指出未来人机协同将成为主流的生产和服务方式。智能语音服务由两部分构成，一部分是硬件，一部分是智能语音助手。硬件为语音助手提供运行环境，从物理上接受声音指令，并进行反馈。因此，智能语音可以通过声音方便地与终端交流，不需要控制手机或者终端界面就能参与数字生活和工作的方方面面。社会学家戈夫曼的场景理论认为，媒介、场景和行为之间存在高度的关联与互动关系。“场景”作为内容、形式、社交之后媒体的又一核心要素，在定制化需求体验和实现用户价值匹配方面得到了极大程度的体现。从这个意义上来说，智能语音扩张了我们进行媒介消费的空间。
（三）基于兴趣的智能推荐助推新闻传播的个性化人工智能视域下的智能推荐是指通过技术手段介入信息内容和信息受众之间，更改内容的传播方式和路径，从而更好地利用用户行为大数据，在“千人千面”的背景下实现用户不同偏好的内容推荐，达到分析并改变信息受众阅读偏好的效果。2019年，尼曼实验室在预测新闻业趋势时选出的一个关键词是“Newsfatigue”（新闻疲劳症）。因此，基于用户兴趣的算法可以督促记者更加全面地考虑用户需求，增加新闻内容曝光量，唤起用户的更多互动，从而更加有目的地进行个性化的推荐，将信息精准地投向用户，节省时间，优化用户在人工智能视域下的新闻阅读体验。
二、新闻生产伦理在人工智能视域下面临的困境
新闻伦理学的研究对象除新闻工作者的职业道德外，还应包括新闻媒体的社会道德功能。无论是从社会和谐还是科技发展的角度，传统媒体一直遵循的生产伦理价值，如真实性、客观性、把关控制等，都在新媒体技术的冲击下不断地受到挑战。
（一）新闻工作者面临的职业道德挑战1.人在技术裹挟下影响对新闻客观性的认识黄旦教授认为“客观性是指意识到新闻报道中的主观”，从而要求事实和价值分开的一种专业信念和道德准则。2019年两会期间，国内多家媒体都采用了时下流行的轻松、生活化的vlog报道形式。在传统新闻人看来，这种在生产过程中模糊新闻和娱乐、事实和意见的边界，无异于“国家和教堂间的界限”。随着技术的不断发展，算法成了大众传播中的“把关人”，控制着人类信息分发的权力，驱动着媒介生态环境的重构。这种信息生产、筛选与分发其实是一种有意识的信息“加工”行为。技术本身无好坏，但技术如何使用，算法按什么逻辑编写，界面如何设计等，都受到政治经济和人类心理的影响。2.科技的发展加剧新闻反转，影响新闻真实性真实是新闻的生命。近年来，“反转新闻”大量进入公众视野。闾丘露薇认为：“所谓的反转，只不过是公共舆论基于错误或者并不足够的信息而做出的价值判断，之后被更多的事实所证明是错误的而已。”“反转新闻”之所以出现，是由于传统媒体面临着互联网科技的冲击而陷入经济运营的困境，调查型记者的数量急剧锐减，越来越少的媒体机构有充足的时间、资源投入深入的调查。同时，在智能化算法的分发下，具有视觉冲击力、语言夸张的报道得到更多的推荐，使得真相或有用的信息隐藏在众多的声音中，用户更加难以把握事件的真实性。因此，信息不再是人们发现真相的帮手，而变成了认识世界的障碍，当用户无法获得优质的信息时，再多的信息也失去了意义。3.人工智能视域下新闻生产权力主体的转移法国思想家布莱兹•帕斯卡曾说，人的“主体性”指的是“与客体相对的主体所具有的特性，包括独立性、个体性、能动性以及占有和改变客体的能力”。但人工智能介入新闻生产与报道后会对部分职业新闻工作者带来冲击，担心一旦新闻生产的权力从人类手中交给机器，人类为了追求幸福快乐会放弃以人为中心的价值观，秉承以数据为中心的世界观，那么新闻生产者所谓的思想，即其引以为豪的创造天性也就逐渐逝去了，成了麻木的人、过时的人。但就目前来看，机器新闻取代的只是程序化、格式化的新闻报道，而这正是人的主体性得到释放的一种方式和渠道。然而需要承认的是，人工智能发展的脚步不会停止，只会被更巧妙地利用起来。在这种情况下，新闻生产者调和好工具理性与价值理性之间的冲突就显得十分必要了。
（二）新闻媒体面临的社会道德挑战1.个性化的推荐导致信息茧房和政治极化现象2006年，美国学者桑斯坦提出了“信息茧房”的概念，指的是人们根据不同的兴趣、价值观、身份、经历形成不同的部落，通过增强部落内部联系获得归属感。但由于每个人只接触属于自己的个人议程设置，就会出现和圈内人交流加剧意见极化的现象，而对外交流则很难进行沟通，从而使社会意见整合变得更加困难，公共生活更加难以协调，整个舆论生态环境不断恶化，有价值、有意义的信息难以得到有效的传递。如果说，过去我们评价一个新闻事件的影响力，看中的是它是否推动了制度变革，那么现在的评价标准或许就变成造就了几篇“10万+”。尤其是社交媒体中的机器人，运用算法，通过点赞、分享和搜索信息，将未经过筛选的假新闻传播力进行数量级扩大，导致受众缺乏社会责任感，难以认知自己所处的大环境，封闭于自我的想象中，使得极化现象在种族、宗教分裂原本就十分剧烈的发展中国家显得更加突出。尤其是对那些基础机构薄弱的国家来说，虚拟世界的愤怒激发的是现实世界中的暴力。而在经济结构稳定的国家，新闻生产的低门槛和低成本也使得假新闻泛滥，选民的自由意志被操纵，政治站位被重新定义。这一切都是技术缺陷在流量驱动商业模式下所带来的结果。2.社会资本的推动加剧了算法歧视和社会偏见技术和社会之间的关系是双向互动的。一种技术如何被使用、产生了怎样的效果，固然和技术本身的特性有关，但也会受到政治经济社会整体环境的影响。萨菲娅•诺布尔提到，Google搜索引擎的返回结果及其排序主要受到PageRank算法的影响，它会根据一个页面的超链接被其他页面引用的数量来决定搜索结果的排序。其背后的逻辑可以称为“引用多的即是好的或重要的”，这是一种价值判断，也是一种利益交换，遵循和延续了社会上的主流看法，但如果主流看法本身是带有偏见的，那么算法将延续这种偏见。这说明了算法并不是中立客观的，歧视就在眼前，但是披着中立的外衣，对社会上的边缘群体产生系统性的压迫。算法既可能复制主流社会对边缘群体的偏见，也可能受到商业资本的影响，将信息和知识商品化，从而加剧社会的不平等。3.人工智能扩大对数据的使用和隐私的侵犯信息社会的发展使得各国对隐私权保护的重心再一次发生了转移，促成这种变化的原因在于政府和商业组织搜集了太多受众自己都不知道的信息。因此，人工智能时代，我们每个人都生活在数据与算法中，无时无刻不在被“记录”和“监控”着。就像福柯所说的“全景监狱”，受众就是其中的一个个“囚犯”，而作为“狱卒”的媒体集团投其所好地向受众推送新闻，受众在享受人工智能带来的便利服务的同时，也会对自我控制权的丧失、个人信息的使用以及隐私的侵犯感到深深的忧虑。2019年1月，腾讯对各年龄层用户特征进行画像分析的大数据报告被网友质疑：微信“监控”了聊天数据。这不是社交媒体第一次遇到类似的质疑。即使腾讯声称所有数据均已进行匿名及脱敏处理，不涉及具体用户的隐私内容，但并不能完全消除公众的疑虑。当忧虑隐私近乎成为生活的一种常态，我们不禁要思考这样一个问题：我们到底是如何被技术力量裹挟着走到今天这一步的？又是在何时，我们开始认为体验了就要记录，记录了就要上传，上传了就要分享的这种行为模式再正常不过？
三、新闻生产伦理在人工智能视域下的发展策略
（一）从个人层面规范新闻生产伦理智能手机的迅速普及使新闻制作的门槛和成本降低，传统的新闻传播模式被打破，我们已来到一个人人均可发声的“去中心化”时代。作为人工智能时代的信息传播者，我们不仅要提高自我的媒介工具使用素养，还应不断加强在海量信息中筛选出有用信息的鉴别能力，从源头上降低新闻受失真、虚假信息误导的可能性。同时，在传受角色功能定位不断消弭的今天，提高传播者的媒介素养，使其拥有多元化的信息获取渠道、独立自主的思想意识和道德水平，给冰冷的算法和数据注入“温度”和人文关怀，不仅可以抵御经济快速发展带来的社会问题，也是净化舆论生态环境的需要。只有这样，人工智能时代的传媒业才能走得更远。此外，在智能信息时代，科学家、工程师不仅人数众多，而且参与社会重大决策和治理，他们的行为会对他人、社会带来比其他人更大的影响。他们在参与新闻生产的过程中通过合理的结构代码决定什么被看见，什么被隐藏，直接影响着新闻生产伦理。利用技术能做好事，也能做坏事，关键是被谁使用，如何使用。那么，要研究媒体技术在新闻生产伦理中的应用就不能忽视对开发应用这一技术的科技工作者的伦理道德规范。
（二）从组织层面规范新闻生产伦理与其他完全市场化的商品不同，媒体机构的公信力一方面承担着自身的发展前景，另一方面也关乎着国家社会的安全稳定。在人工智能背景下，新时代的媒体机构具有大众性和多元性等特征，覆盖的内容更加广泛，大多是靠广告获取收入，部分是通过付费订阅，且不同媒体机构间的竞争愈发激烈。但受众情愿买单的背后是对媒介机构的信任，一旦媒介机构肆无忌惮地利用受众的信任去欺骗受众，不遵守基本的媒介伦理，终会遭到受众的抛弃。因此，媒体机构要保证新闻的真实性、客观性，不断强化媒体机构履行社会责任的方式，推动社会的进步。在本质上，企业的社会责任和商业利益是一致的。当企业成长得足够强大时，“外部性”就会被内化。一个假新闻和低俗信息泛滥、全民娱乐至上、戾气十足的社会，不会为互联网的健康发展提供适合的土壤，所以要追究新闻平台的主体责任。平台在享受着杠杆规模效应的同时，更应该用高于法律和行业的标准来要求自己。另一方面，对于技术导致的部分问题，平台也可以通过技术的发展来解决。目前，“区块链+媒体”肩负着媒体人的夙愿，虽然这种模式对现有媒体生态的改变十分有限。但从“效率”转向“价值”，单一的技术思维转向立体的社会思维、公共思维来看，这是平台型产品发展壮大过程中的必经之路，也是以后互联网产业的重要动向。
（三）从社会层面规范新闻生产伦理在技术迭展的情况下，与新出现的人工智能相关的法律制定，在缺乏有价值的参照系下，很多方面的实施往往落后于新技术、新实践的发展。因此，我国于2017年开始实行的《网络安全法》对网络运营者在搜集用户信息、个人信息方面做出了规定，并对不当运用用户信息的行为给出了明确的处罚条例。人工智能媒体时代条件下，我们必须本着维护和发展的原则来实现人工智能的法律体系，慎重处理人工智能技术给社会带来的贡献，客观地看待它的价值和潜在的风险，尽快完善法律法规，适应新的媒体环境，特别是在人工智能技术无所不能的情况下，更要强调其价值理性，规范其行为，慎用公众数据，保护公众隐私，营造一个良好的新闻生态环境。
四、结语
人工智能与新闻传媒业的融合越来越成为行业人讨论的焦点。人工智能技术在改变着新闻信息生产、传播方式的同时，也要求着原有的新闻生产伦理做出调整，以适应科技的发展。除此之外，人工智能导致的在新闻生产领域产生的伦理问题，不是技术的失败，而是科学发展与我们对自身及他人在新闻生产过程中产生的伦理之间的深层联系。因此，探究人工智能在新闻生产伦理领域的发展及其带来的问题，不仅能够拓展新闻生产伦理与技术的研究视野，更有助于指导人工智能在未来不断变革的新闻实践。
参考文献：
1.张志强.新闻算法推送对“信息茧房”的构建探究[J］.新媒体研究,2018(14):24-25.
2.赵瑜.人工智能时代的新闻伦理：行动与治理[J].学术前沿,2018(24):6-15.
3.许向东.关于人工智能时代新闻伦理与法规的思考[J].学术前沿,2018(12):60-66.
第4篇：人工智能论文范文
陈宝鑫等采用蒙特利尔认知量表，制定中医证候观察表，通过采集中医四诊信息，研究血管源性认知功能障碍合并代谢综合征患者的中医证候特点，总结出血管源性MCI合并代谢综合征组痰、瘀最为多见，非代谢综合征组以阴虚、血虚最为多见。血管源性MCI的证候要素主要为阴虚、阳虚、痰湿、火热、血瘀、气虚、血虚等7个证候要素。张允岭等采用因子分析寻找血管源性认知障碍的常见证候要素，统计其证候要素分布特点，最终得出6种证候要素，按比例大小依次为气虚、血瘀、痰、阴虚、阳虚、火。余忠海等在对历代医家以及大量文献研究的基础上，总结出MCI中医证型可以归纳为肾虚证、血瘀证、痰浊证、气血亏虚证、热毒内盛证、腑滞浊留证、阴虚阳亢证、气郁证。赵明星等以中医证素辨证理论为指导，设心、肝、脾、肺、肾五脏为病位要素，以气虚、血虚、阴虚、阳虚、精亏、痰、瘀等为病性要素，初步发现肾精亏虚证、心气虚证、痰浊证、血瘀证是MCI常见证型。以上对于MCI的中医证候的研究，都是基于小样本，被研究对象大都在65岁以上，而近年来，随着生活方式的改变、社会压力的不断增大，年龄在65岁以下非老年人记忆力也有明显下降趋势，其中也不乏有非正常的记忆减退，即MCI患者，因此，对65岁以下MCI患者的研究应引起足够重视。
二、临床治疗研究
1.药物治疗
田军彪等根据MCI浊凝清窍，瘀损脑络的病机确立了化浊解毒活血通络法，方中石菖蒲辟秽化浊，黄连味苦性寒，苦能去浊，寒可清毒，郁金活血兼有清心开窍之功，三药合而为君。川芎为血中气药，地龙性善走窜，两药可通达脑络气血之瘀滞，丹参、赤芍凉血活血，当归养血活血，诸药共担臣药之职。茯苓健脾渗湿，使痰浊无以生成。泽泻渗湿泄热，使浊毒之邪从下而出，为方中之佐。川芎上行头目兼有引经之用，为方中之使。共奏化浊解毒、活血通络之功。区树阳等治疗MCI则以健脾益气、活血化瘀、通窍益脑为原则。选用半夏燥湿化痰，天麻、僵蚕熄风化痰，白术燥湿分健脾，黄芪、党参健脾益气，丹参、赤芍、桃仁、红花活血化瘀通经络；配合川芎理气通滞、黄精、益智仁补肝肾益智。从化痰通窍汤组成看，经现代药理学研究，方中党参、黄芪、益智仁、白术、黄精，能提高老年人体质和免疫功能，同时丹参、红花、川芎、赤芍、桃仁、半夏可降低老年人的血液黏稠度，对MCI患者的微循环有显著改善作用，对改善老年人认知功能障碍有明显疗效。
2.非药物治疗
针灸等非药物治疗在MCI治疗康复中起着重要作用，针灸是中医又一特色，但是目前研究较少。陈仿英等通过观察64名老年MCI患者，在药物治疗同时给予耳穴压豆（耳穴心、肾、额、皮质下、神门），结果表明耳穴压豆辅助治疗MCI简便易行、无创、无明显不良反应，易被老年人接受。推拿具有疏通经络、调和气血的功效，孙莉等通过推拿百会、风池（双）、翳风（双）、四白（双）、印堂对MCI进行干预，通过调和气血、醒脑开窍，改善脑动脉的血液供应和局部血液循环，从而改善下降的认知状况或延缓MCI进程。潘锋丰认为可以针对加重认知功能障碍的因素进行治疗，如睡眠障碍的评估和治疗在改善患者记忆和认知功能过程中是重要的因素；孤独也被看做是加重认知损害的因素，对于那些社交网络缺乏或相对局限的人群，其痴呆风险增加，而随着社会联系的增加，痴呆风险呈现下降趋势。因此认为，使MCI患者身心放松，保持积极畅快的心情对MCI防治也会产生积极作用，但尚需大样本研究以证实。
三、MCI的预防
随着生活方式的改变、社会压力不断增加，各类疾病患病率明显上升，而65岁以下非老年人患MCI的概率也在不断增大，但医务人员对这类人群的关注度普遍较低，这应引起研究人员重视。在舒缓精神压力的同时，更应该注意MCI的预防。目前，还没有合适的药物可以预防MCI发生，但是，从中医辨证角度来看，65岁以下非老年人的中医证候类型大多以痰浊、瘀血为主，早期进行干预可能会减少MCI发生，同时改变不良生活方式、积极干预危险因素，对减少MCI发生肯定会产生积极作用。
四、问题与展望
第5篇：人工智能论文范文
关键词：科技期刊；人工智能；数字化；同行评议
2021年，中共中央宣传部、教育部、科技部印发《关于推动学术期刊繁荣发展的意见》，指出学术期刊要加快融合发展，推动数字化转型，引导学术期刊适应移动化、智能化发展方向，推动融合发展平台建设。人工智能正推动社会从数字化、网络化向智能化转型，科技期刊是率先有效引入人工智能的领域，人工智能与科技期刊出版的融合是发展的必然趋势。人工智能技术正越来越多地被开发、应用来帮助作者和出版人员，如对海量文献进行检索和分析，提取有用的信息；协助组稿审稿、编辑加工、出版发行；检出学术不端、鉴别数据造假等。人工智能可提高期刊出版和学术交流的效率，保证客观公正性和质量控制，减少人为偏倚和编辑职业倦怠，未来甚至可以指导特定领域如何开展新的研究。科技期刊出版平台未来将不仅限于提供学术论文数据库服务，还可以提供更多的信息和服务，人工智能在科技期刊出版中的应用前景值得思考和探索。
一、人工智能在审稿中的应用
Dimensions数据显示，2019年有超过420万篇，与十年前相比翻了一番。辛巴信息（SimbaInformation）统计数据显示，每年有超过250万篇学术在28000余种英文科技期刊上，科技期刊同行评议的论文数量是这个数量的两倍以上。数量的增加意味着高质量同行评议审稿的需求增加，也带来了严格保持审稿高质量和高标准的挑战。数量如此庞大的学术论文交到数量相对较少的固定的学者间进行同行评议，势必造成审稿效率的低下和学术论文的延迟发表。同行评议过程还存在个人偏见，审稿人可能是稿件作者的竞争者或反对者，抑或是朋友、未来的合作者或资助者等，这些可能会影响审稿意见的客观性和公正性。在实际的期刊出版工作中，也缺乏对审稿人审稿质量，以及拖延审稿或无效审稿等不当行为的约束和监督。这种情况亟须人工智能等可用于决策支持的技术来保证海量论文得到严格、一贯且高效的审评。引入人工智能技术可以大大优化审稿流程、提高审稿效率、缩短审稿周期。人工智能可以从网络出版平台的专家数据库中快速匹配符合选题方向的审稿专家，帮助提高审稿的效率和成功率。人工智能可以在数据库中根据研究方向、审稿记录、审稿效率和其他预设条件等，自动筛选最合适的审稿专家，分析排序后生成审稿人列表；并根据审稿人信息自动完成审稿邀请邮件的发送，还可以实时监控审稿状态和审稿人反馈；一旦出现审稿超时，自动向列表中下一位审稿人发出审稿邀请；收到审稿人的审稿意见后，实时通过邮件、APP、短信等及时反馈给期刊编辑进行相应处理。人工智能还可以根据论文标题、摘要、关键词和正文内容等对来稿进行初审，对图文进行快速识别，对论文的真实性、合理性、逻辑性、科学性、创新性和规范性等做出判断，为编辑初审提供详尽精准的参考。人工智能可以对论文的学术价值进行初步判断，对其中的文字和插图等进行深度识别。人工智能可以整句或整段地阅读释义，能识别出传统软件识别不出的同义表达，如此可减少学术不端，保证期刊的学术价值和品质。人工智能或许可以一定程度上遏制掠夺性期刊和掠夺性出版的泛滥。人工智能通过帮助编辑寻找新的审稿人并进行自动审稿等，大大提高学术和科技出版机构编辑出版高质量学术论文的能力，增加学术和科技期刊的论文接纳能力，也就减少了掠夺性期刊侵占学术资源的机会。人工智能还能对已发表的论文进行自动浏览回顾，基于掠夺性期刊的一些特征和标准，帮助筛选出那些不坚持标准的掠夺性期刊和出版商。Elsevier用人工智能软件EVISE取代了其过时的编辑系统，支持其编辑流程，提高了学术论文处理效率。EVISE可将来稿链接学术不端检测软件，从数据库中筛选推荐合适的审稿专家，链接其他项目资源对稿件内容、科学性和审稿人利益冲突等进行检测，自动生成与个人或机构的往来邮件等。开放获取期刊出版商Frontiers推出人工智能软件AIRA，对Frontiers的10万名编辑、审稿人和作者开放，能帮助他们自动评估学术论文的质量。AIRA可以阅读每篇论文，并在几秒钟内给出20条建议，包括对文字质量、图表的完整性、学术不端检测以及可能的利益冲突等。AIRA经过了Frontiers的审稿经验培训和测试，已完全融入Frontiers的内部工作流程，自动筛选和识别潜在的审稿人，加快审稿进程的同时，保证质量控制和客观公正，缩短了发表时滞，提高了出版效率。AIRA通过给出建议及半自动化检查的方式提供决策支持，仍然由相关领域专业人士做出最终决策，这种用户反馈被AIRA捕捉并进行学习和自我完善，这种人机协作有助于保证高准确性和高效率。
二、人工智能在策划选题中的应用
传统的策划选题依靠编委和编辑的经验、知识积累对学科发展方向的判断和预见，这种方式受人为因素限制，容易忽略有价值的选题且费时费力。未来，我们可借助人工智能的帮助，对已发表的海量文献、资源数据库进行检索分析，获取有用的信息进行相应的操作。人工智能可以从网络出版平台的专家数据库中快速匹配符合选题方向的作者，帮助提高组稿的效率和成功率。数据思维就是利用数据来深度挖掘和了解需求，了解存在和需要解决的问题，通过量化的数据来解决问题。人工智能基于大数据可以辅助选题策划选题、收集专家学者信息和研究方向，通过读者阅读信息和反馈来分析其关注点和需求，提供个性化的文献检索和信息传递服务等。人工智能可以通过对大数据的深度挖掘和学习，通过云计算技术，敏锐捕捉专业领域的新热点、新技术、新理论等；基于读者的阅读习惯、倾向及频率等进行量化分析，获取读者的需求信息；对国家自然科学基金等基金组织申报和资助情况、科技奖获奖情况、国际学术会议研讨热点等进行整合分析，对文献数据库等潜在信息进行挖掘和分析，快速推测出哪些内容具有独创性、前瞻性和话题性，生成选题策划资源库，帮助期刊编辑更精准高效的策划选题。基于人工智能的新型搜索工具Iris.AI，可以帮助学者从海量文献中筛选研究论文或专利等，提取关键的数据和要查找的信息。学术搜索平台SemanticScholar也是基于人工智能自主学习的学术搜索引擎，可快速筛选相关有用内容，并在一定程度上理解这些内容，展示相关主题历年文章发表情况及相关推荐内容等，可辅助期刊策划选题。
三、人工智能在编校加工中的应用
传统期刊出版工作中，编辑需要在细致琐碎的编校加工工作中花费大量时间和精力，编辑主观因素影响编校质量和效率，编辑易产生职业倦怠，传统编校模式难以应对现代出版工作快节奏和大体量的挑战。人工智能可以自动对稿件进行编校加工，帮助提高科技期刊的编校效率和规范编校质量。人工智能不仅能对错别字、语法等进行更正处理，还能对专业词汇的表达、参考文献的格式、引用是否合适等进行识别，还能检查出是否遗漏重要的研究部分、统计学分析方法是否有问题、是否为了达到想要的结果而改动过数据，还能理解图像和说明文字的逻辑关系，自动为插图补充描述性文字、为文字配上插图、为文本格式的文字生成曲线图等，还能完成后续的排版和校对。将机械、重复、枯燥的编辑工作交给人工智能完成，这将大大减轻编辑的工作负担，并大大缩短稿件的处理周期。IBM公司的智能机器人“沃森”曾为名为TheDrum的市场营销公司独立编辑出版了一整期杂志，这期杂志大部分内容的编辑、加工、排版和校对等都由人工智能独自完成。科技期刊内容的编校涉及对稿件内容的理解，但人工智能依然能很好地完成内容和格式的编校加工和规范化处理。人工智能还可以帮助编辑高效处理信息、调取和整合分析数据资源，优化期刊出版流程和期刊编辑的工作内容。编辑有望从原来繁琐的工作中解放出来，转到对专业性和方向性的把控上。
四、人工智能在推广发行中的应用
人工智能可以高效完成学术成果的推广和传播。人工智能程序可实时将科技期刊论文向所有大型学术论文数据库上传发送，并能根据读者研究领域、浏览阅读习惯、科研和社交平台动态等大数据进行实时监测分析。基于读者的信息需求，实现向相关领域读者的精准信息推送，大大提高学术成果的传播效率和影响力。人工智能平台还可通过对读者的需求信息进行分析，获取相关领域关注点，反馈给期刊审稿系统，增加对相关学术内容的收录建议。国家新闻出版署武汉重点实验室打造的开放科学计划（OSID计划），体现了利用人工智能实现多元化精准推送的重要性，打破传统出版模式编辑到读者的单向内容服务模式，为读者和作者提供了多维度交流空间，丰富了学术论文的传播交流方式，扩大了学术传播的广度和深度。TrendMD公司的内容推荐引擎，可以将科技期刊的稿件推荐到上千个科研网站。期刊网站安装TrendMD插件后，经过筛选的内容链接便会自动出现在网页的指定位置，通过数据挖掘算法对稿件进行自动推荐，将相关内容推荐给感兴趣的潜在读者，实现科技期刊学术资源的精准传播和高效共享。通过精准推送，科技期刊的论文曝光率和点击率都会增加，一方面为学者开展学术研究提供了新的资源和参考，另一方面实现了科技期刊传播推广的效率和精准度。
五、人工智能在论文写作中的应用
人工智能也被尝试用于论文写作，人工智能软件不仅可以实现识别和记录功能，还能学习掌握不同专业的写作方式和技巧，能高效地协助作者完成论文写作，甚至还能进行内容创新。例如，ManuscriptWriter软件可以从SciNote的ELN和开放获取杂志的相关文献提取数据，通过机器学习和人工智能技术，帮助作者生成一个论文初稿，供作者进一步编辑利用。Trinka是首款专为学术、科技和商业写作设计的人工智能软件，能纠正上万种复杂书写错误，且能纠正其他工具不能检出的复杂语言错误，尤其是学术和科技写作中的专业术语及专用表述等，对论文给出详细建议。但人工智能软件撰写的假论文事件一度引起人们对科技期刊同行评议制度的质疑，SCIgen软件生成的假论文骗过了斯普林格等知名出版机构和期刊。可能在收集相关资料用于背景的撰写方面，人工智能有一定的优势，但撰写后面的讨论部分，就需要研究者的智慧了。讨论部分是最具创造性和创新性的部分，最能体现研究者个性风格、行文习惯和思维方式的部分，每位学者都会将自己的专长和学识等融入讨论部分，这不是人工智能可以轻易取代的。