一些图表的发展历史
大家好，我是小z
当我们游刃有余地使用图表来进行数据可视化操作的过程中，不知道你有没有想过一个问题：
这些图表都是怎么来的？
一开始，人们并没有意识到可以用图形来描述枯燥的文字，通过图形来表示数量，还是一个相对较新的发展领域。
前人栽树，后人乘凉，这篇文章就带你了解那些图形/图表的发展历史。
01折线图
1786年，WilliamPlayfair绘制了英格兰在1700年到1780年的进出口数据的线图，被认为是历史上最早的线图，也就是折线图，横轴是时间刻度，年份，纵轴是数值。
（插一个题外话，1786年对应我国清朝乾隆时期，我们总说数据分析要具备对比的思维，对比来了）折线图是由直角坐标系、点和线组成的图表。通常用来展示数值型数据随时间的变化，相比条形图，它更能体现数据趋势。使用需注意：
纵坐标轴一般从0开始
选用相对较粗的线型
尽量不要超过5条线。
若为预测值，请用虚线表示
02条形图
还是这一年，WilliamPlayfair在《商业与政治图解》中创造性地使用条形图来呈现离散数量的比较，描述了苏格兰在1780年~1781年的进出口数据，从下面这张他的原稿中我们可以看到，横坐标表示进出口的具体数值，纵坐标表示不同的国家，这已经和我们今天所使用的条形图没什么区别了。条形图可用来表示比例，对相对大小进行比较，更精确，更容易发现细微的差别，条形图可以垂直也可以水平，水平条形图用于展现类别数据，垂直条形图用于展现数值型数据。使用时需注意：•同一系列数据使用相同的颜色•尽量不要用倾斜的标签•若添加了数据标签，就删掉网格线吧•让数据由大到小排列。
03饼图
Playfair坚信一图胜千言，他又发明了饼图、折线图等，他一生从事过很多职业，商人、统计学家、邮递员、翻译、会计等，可以说是一个妥妥的斜杠青年，或许正是这些职业经历，带给了他图形创作的灵感。
发明条形图后的15年，也就是1801年，Playfair在他的《统计学摘要》中，他用饼图描述了当时的土耳其帝国在亚洲、欧洲和非洲的领土面积的比例，从他的原稿中可以看出，欧洲占比25%（右上直角），亚洲占比60%，非洲占比15%。这是饼图的首次亮相。
（1801年，此时中国进入清朝嘉庆帝时代）饼图，是将数据划分为几个有明显区别的扇形的圆形统计图表。在饼图中，每个扇形的弧长（以及圆心角和面积）大小，表示该种类占总体的比例，且这些扇形合在一起刚好是一个完全的圆形。饼图主要体现的是比例，但是，由于人类对角度的感知力并不如长度，当所有扇区大小相近时，使用饼图就无太大意义，建议用柱状图或条形图代替。
如下图所示，用饼图分不清细微差别，但是用柱状图则一目了然。使用时需注意：
使用时，须确认各个扇形的数据加起来等于100%；
避免扇区超过5个，尽量让图表简洁明了；
注意扇形的排布顺序，一般情况下，将最大的扇形放在12点钟方向，接下来按面积依次排列；
最后，正确使用颜色，既区分出需要强调的扇形，又不致于让人眼花缭乱。
04散点图
1833年，JohnHerscherl发表了一篇观察双星轨道的文章，其中使用了散点图展现观测时间和位置角之间的关系，这是第一个具有现代意义的散点图。JohnHerscherl是发现了天王星和红外光的威廉·赫歇尔的儿子。
（1833年，清朝道光时期，第一次鸦片战争即将爆发）前面我们说的图表都是一维的，而散点图是一个典型的二维图表，它是由两组数据构成的多个坐标点的统计图表，主要用于数据趋势的展示和数据间相关性的说明。使用时需注意：
散点图适用于变量之间关系的探索
在用散点图做相关性分析时，数据量若太少则没有太大的说明意义
数据点过大、过多，也会影响数据图的可读性
数据分类不宜过多，分类太多会失去对比的意义
05南丁格尔玫瑰图
南丁格尔玫瑰图，是饼图的变种，它是弗罗伦斯·南丁格尔女士发明的，又名为极区图、鸡冠花图。
要说到南丁格尔女士，也是很传奇，她首先是一位护士，其次也是一名统计学家，更是英国皇家统计学会的第一位女性会员。
19世纪50年代，英国、法国、土耳其和俄国进行了克里米亚战争。南丁格尔主动申请，自愿担任战地护士。当时的医院卫生条件极差，甚至连干净的水源与厕所都没有，伤士死亡率高达42%，直到1855年卫生委员会来到医院改善整体的卫生环境后，死亡率才戏剧性地降至2.5%。当时的南丁格尔注意到这件事，认为政府应该改善战地医院的条件来拯救更多年轻的生命。
出于对资料统计的结果会不受人重视的忧虑，她发明出一种色彩缤纷的图表形式，让数据能够更加让人印象深刻。
这张图就是南丁格尔当时报告这件事时所用的图表，以表达军医院季节性的死亡率，从整体上来看：这张图是用来说明、比较战地医院伤患因各种原因死亡的人数，每块扇形代表着各个月份中的死亡人数，面积越大代表死亡人数越多。
（19世纪50年代，对应清朝咸丰时代，此时第一次鸦片战争已经爆发，中国已经沦为半殖民地半封建社会，1856年第二次鸦片战争爆发）
这张图里有一大一小两个玫瑰图，右侧较大的玫瑰图，展现的是1854年4月至1855年3月的数据；而左侧的玫瑰图，展现的则是1855年4月至1856年3月的数据，以1855年4月做为分界，将24个月的资料切分为左右两张图再用黑色线条连结，是因为这大约便是卫生委员会来改善环境时的日期，也因此我们可以比较两个年度的死亡人数与其原因的概略比例。
•灰色的区域的面积明显大于其他颜色的面积。这意味着大多数的伤亡并非直接来自战争，而是来自糟糕医疗环境下的感染。•卫生委员到达后（1855年3月），死亡人数明显的下降。
她的方法打动了当时的高层，包括军方人士和维多利亚女王本人，于是医事改良的提案才得到支持，因该图的外形酷似一朵绽放的玫瑰，因此“南丁格尔玫瑰图”也就由此而来。
使用时需注意：
饼图是用角度的大小体现数值或占比；
南丁格尔玫瑰图是用扇形的半径表示数据的大小，各扇形的角度则保持一致。
可以说南丁格尔玫瑰图实际上是一种极坐标化的圆形直方图。它夸大了数据之间差异的视觉效果，适合展示数据原本差异小的数据
06数据地图
霍乱，是因摄入的食物或水受到霍乱弧菌污染而引起的一种急性腹泻性传染病，能在数小时内造成腹泻脱水甚至死亡。
1854年伦敦苏荷区爆发霍乱，当时人们还不知道霍乱是为何引起的，更不知该如何应对。面对这种传染率强，致死率也高的传染病，当时的人们束手无策。
英国麻醉学家、流行病学家JohnSnow走访疫区，在地图上用散点来表示霍乱案例与周围水泵的关联，并且用统计数据来说明水源水质与霍乱的相关性，最终锁定了一个公共水井。
（1856年第二次鸦片战争爆发，清政府被迫签订了一系列不平等条约）虽然约翰·斯诺并没有发现霍乱病的病原体，但创造性地使用空间统计学查找到传染源，给了后人无限的利用价值。有点类似我们现在数据地图的前身。
随着公共卫生体系的成熟，配合抗生素治疗，霍乱已经没有那么可怕了。
07桑基图
1812年拿破仑向俄国宣战，从法国出发进军莫斯科，最后失败。
法国土木工程师CharlesJosephMinard于1869年11月20日发表了一幅统计图形，将桑基图与制图以及温度线图表结合在一起，对这场战争的进程进行了非常直观的展示。42.2万人的军队是如何在战斗、地理和冰冻的影响下付出惨痛代价，最终减少到只有1万人的，这就是著名的拿破仑东征图，也是最早的桑基图。
这幅图展示了拿破仑军队的数量、行进的路程、维度、经纬度、行进方向、特定日期或事件的位置。
（1869年，清朝同治时期，慈禧掌权）
桑基图，是一种表现流程的示意图，用于描述一组值到另一组值的流向。分支的宽度对应了数据流量的大小。如下图所示，对用户转化情况进行了描述，多少用户加入购物车，又有多少用户付款等流程。使用时需注意：
颜色避免太过花哨，影响阅读
桑基图的特点是能量守恒，因此每条边，宽度应是保持不变的
参考：
1.http://www.tuzhidian.com/chart?id=5c553ca258461d3fa6136677
2.https://blog.csdn.net/weixin_38754337/article/details/113532959
3.《统计之美》
4.http://finance.sina.com.cn/money/fund/fundzmt/2020-01-21/doc-iihnzahk5562348.shtml
5.https://www.datavis.ca/papers/friendly-scat.pdf
人工智能对会计行业的影响
人工智能对会计行业的影响618优惠：包月：299 |特价包年2999 特惠包季799 注册会员升级为VIP|南京审计大学顾林赟程铭何静玥陶宇珏袁盈
提要：在人工智能逐渐普及的当下，人工智能毋庸置疑影响到会计行业。大量简单重复性劳动被财务机器人替代，财务流程自动化、数据处理速度和准确性也都大大提升了。会计人员既享受着人工智能带来的种种便利，也面临着岗位被其替代的风险。会计人员必须与时俱进，学习先进技术，向管理型、复合型人才转型。
关键词：人工智能，会计，流程自动化，财务机器人
一、人工智能的定义人工智能，即AI，它是研究、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。从它的本质上来说，人工智能是能够模拟人类思维、进行人类智能活动的机器或系统。我们将人工智能的应用分为流程自动化和电算化普及的“初级阶段”和能够模拟人类思维进行判断、选择等智能活动的“高级阶段”。目前，人工智能的应用大致停留在“初级阶段”，与真正的“人工智能”仍有不小的差距。
二、人工智能在会计行业应用现状从2016年开始，德勤会计师事务所率先正式宣布将人工智能引入，“小勤人”一时间成为热议的话题。随后两年间，四大会计师事务所纷纷推出财务机器人和财务机器人流程自动化解决方案。为了提高财务工作效率，紧随时代脚步，各大国企也在财务工作方面试水机器人流程自动化，比如中化国际引入了普华永道机器人、大连重工引入德勤“小勤人”。此时，一场对传统会计行业的变革已然开端，机器人流程自动化进入人们视野，挑战传统财务人的工作岗位。目前，会计方向对人工智能的应用普遍处于较为初级的阶段：应用基于机器人流程自动化技术实现的财务机器人，也是人工智能技术在财务数字化领域的初级应用。即在电脑上安装机器人软件，教授机器人在电脑上进行财务的操作，类似于对新员工进行培训。
（一）财务机器人的职能。在初级应用中，财务机器人主要用以替代重复、长时间且低附加值的人工操作，帮助提升工作效率与质量。它的主要功能有：替代财务流程中的手工操作；管理和监控各自动化财务流程；录入信息、合并数据、汇总统计；根据既定的业务逻辑进行判断识别。
（二）财务机器人的优点。相较于人工，财务机器人目前在多项财务流程中表现突出：在银行对账流程中，对账和调节表打印工作可以在无人工干预的情况下每日迅速、大量完成；在填制报表中，通过获取财务数据并进行指定的逻辑计算，可以准确、快速完成上报；在税务方面，待验真伪的发票可以直接被财务机器人发送到国税总局的查验平台验证真伪；等等。总之，在目前会计基础工作的应用中，财务机器人的速度、效率、准确性以及对企业经济效益的提升都远远优于人工操作。
（三）财务机器人应用领域。目前，在财务领域运用的财务机器人技术大部分为处理、识别数据等会计人员基本的财务操作，在更进一步的学习、规划方面仍有很大进步空间。也就是说，目前人工智能在一般的会计活动如现金支出和管理、财务控制和报告、税务等领域机器人自动化应用最广，在财务规划与分析、风险管理等领域有待进一步发展。未来随着人工智能技术的不断进步，会计人员将更多的从机械重复的工作中解放出来，完成更具有挑战性的工作，获得更大的自我价值提升。
三、人工智能在未来会计领域的发展（一）财务会计与管理会计相融合。当前初级阶段的应用中，人工智能在会计领域中主要是以处理财务数据、财务报表为内容和方向的。随着人工智能应用范围的扩大和信息技术的深层发展，人工智能的应用将进入高级阶段，财务会计的岗位职责也将随之相应向高层次推进，也就是所谓管理会计。管理会计能更为透彻地分析制定企业的发展战略以及运营管理，促进企业可持续健康发展。人工智能可以从财务信息共享以及数据筛选汇总性增强方面提供更大助力。通过一系列模拟人类思维的计算，高级阶段的人工智能能够通过分析数据，提供数个可行的方案，供高级管理会计人员选择。例如，在数字和连接时代，区块链可以改变商业和分类账原有的基本构成。区块链能够在不同地理位置实现计算机网络共享，如将其与人工智能结合，能够为管理会计提供获取实时信息和趋势跟踪的能力，有利于提高管理扩展价值链及简化合同等。
（二）会计安全意识不断强化。人工智能在会计领域的另一大发展趋势是财务会计的安全意识会不断强化。由于人工智能收集处理大量电子数据，网络的风险性及市场的风险性将是一个不可避免的话题。在人工智能普及应用之前，必要的安全预警制度以及预警体系的建立是必不可少的。而人工智能平台的搭建，对财务信息安全及企业财务风险的预警与防控提供了极大的便利。
（三）财务会计资源整合进程加速。财务会计在相关的资源整合层面的趋势将更加显著。RPA系统就是一个很好的例子，它应用于完整的财务共享平台，涵盖应收应付共享、费用报销和支出控制共享、税务和发票管理共享、税务和发票管理共享、采购共享等。将流程标准化和自动化，将敏捷性和质量标准纳入流程，对财务职能来说已经成为重中之重。一方面依托人工智能建立的财务信息共享平台，能更优化地整合财务链条上的信息，从而为企业的财务发展及财务决策提供必要的数据支持；另一方面财务信息预警机制又能为企业财务提供保障，来满足应对复杂外部发展环境的需要。在人工智能整合资源的处理下，企业能够对整个财务会计流程进行优化，实现更高的应用价值。
四、人工智能在会计领域应用面临的问题（一）行为无法监督。在人工智能的高级阶段，通过采用类似AlphaGo与微软小冰的机器学习是人工智能的主流。由于机器学习采用的是黑盒模式，人们无法通过直接阅读代码来了解机器学习的成果，只能通过观察结果来判断机器学习的成效。举例来说，在自动报税方面，如果机器学习的样本中存在了错误的报税案例，但并没有在最终产品试用中暴露这个错误，一旦真正投入使用，如果错误出现，将会导致严重的后果。
（二）行业标准不一。当前的人工智能在会计领域属于新兴事物，然而现行的规章制度更多的是针对会计电算化，而非人工智能。因此，如果管理层通过操纵系统而达到个人的目的，造成经济纠纷，那么也是难以解决的。人工智能能够模拟人的思维，正是由于类似性，舞弊行为很难界定是人的因素还是机器的因素。
（三）数据安全问题。由于人工智能系统依赖于电脑，并且所有分公司的财务数据都需要传输至系统进行分析，因此公司财务信息安全便成了需要着重考虑的因素。在如今，财务数据泄密、资金被盗现象频出，若对手公司在本公司植入病毒，将对公司造成很大影响。另外，如果人工智能系统对数据进行误操作，导致公司财务数据全部灭失，影响将会是极其重大的。
（四）投入成本过高。采购一套人工智能系统的成本高昂，目前仅有大型公司有能力引进，并且通常应用于财务共享中心。同一集团下的公司共享人工智能系统无可厚非，但是人工智能系统对于中小公司来说是难以负担的。初始投入与后期维护的成本都较为高昂，并且由于财务数据的机密性、企业财务系统以及科目设置各不相同，共享使用人工智能系统的可行性有待进一步评估。
（五）影响就业稳定。在过去会计电算化全面推开的时代，有大批无法掌握电脑基本操作的会计人员被迫离开。可以预见，在向人工智能转变的期间，也有大量的会计人员将面临工作变动，从而影响就业的稳定。
五、会计领域应用人工智能应对策略从目前人工智能发展的程度来看，现阶段处于初级阶段的人工智能仅仅只能取代一些比较简单、重复和繁琐的工作，还不能完全取代会计人员的工作，并且现阶段人工智能的应用范围较小，小规模的公司使用人工智能代替人力的成本比较高，许多大型企业在会计、审计、税务等部门都还未使用人工智能去替代工作，其中这也与人工智能的现阶段存在的相关问题有关，所以人工智能在会计行业的应用问题还值得深入探讨和研究。但不可否认的是，在现在这个科技发展日新月异的时代，人工智能正在不断发展和进步，在未来的一段时间内人工智能对于会计行业必定存在一定的影响。针对国内乃至世界人工智能发展和应用的情况以及人工智能对会计行业的影响状况，需要采取有效的措施来降低人工智能对会计行业的冲击。
（一）人工智能初级发展阶段应对策略1、逐步调整会计人才培养计划。根据人工智能的发展情况，强化会计人才队伍的建设。改变相关会计人才的培养计划和相关会计证书考试内容，联合教育行业在原有的基础上适当转变会计教育的模式，不能将会计教育仅停留在初级的会计电算化阶段，而是需要不断完善会计教育体系和学科知识，培养能够操作智能财务系统的会计人才，有意识地引领会计人才队伍向高级会计管理方向发展，建立具有符合时代发展特征的高素质会计人才队伍。同时，在一定的范围内倡导人工智能在会计等行业的应用，试点运行后对于运行效果在运行效率、运行保密性等方面进行测评和评价，研究人工智能在会计行业的持续、长期的应用价值，为未来人工智能发展到高级阶段奠定良好的应对基础。
2、实务界需转变意识。在人工智能逐渐普及应用的时代，对于企业来说既是机遇也是挑战。企业需要逐步转变关于业务处理辅助工具应用的意识，在有条件的基础上，考虑使用适合企业的现代技术来辅助相关会计工作。现阶段人工智能对于会计工作的替代性虽说只是初级的部分替代，但企业需重视人工智能对会计方面的应用，将适合的人工智能系统应用在会计工作上，在合理的使用中能够提高工作效率，降低相关的交易成本。同时，逐步组织企业相关员工进行技能培训，从企业内部提高企业人员业务处理的质量和效率，进而提高企业的相关竞争力，利用好人工智能时代的发展机遇，采取适当的措施来面对挑战。
3、会计人员需逐步向复合型、管理型人才转型。在我国基层初级会计人员的基数较大，但高级会计人才缺口较大。在人工智能不断普及的时代，企业在逐步应用高科技的产品来处理业务，因而企业相关员工也需要随着企业的转变做出相应的技能调整。在人工智能发展的初级阶段，会计人员要认清会计行业以及自身在行业中的定位，转变传统的对会计行业思维观念，做到自主转型，适应时代的发展和社会的需求。会计人员除了要对会计专业知识熟练掌握以外，还要对金融、税收行业知识，法律法规，计算机语言技术等有综合掌握的能力，根据现代科技的发展情况积极了解和不断学习提高自身的素养水平，从单一的行业从业人员向复合型人才转型。同时，会计人员要向管理型人才转变，人工智能能够替代重复性高的事务，在会计核算方面的替代性是相当高的，能为相关的工作提供决策所依据的数据信息，即便达到高级阶段后，能提供决策意见，但无法代替人做出最终的相关决策，因为决策要结合多方面因素，甚至涉及到相关的人文情怀等因素。综上，会计从业人员要适应时代发展的趋势，逐步向复合型、管理型人才转变。
（二）人工智能未来高级阶段应对策略。在未来人工智能高级阶段，可以预测到人工智能在各行各业的应用已经相当广泛，并且能够替代较为高级的人力做出相应的判断和决策。在高级阶段中同样需要采取相关的措施来应对人工智能对于会计行业的冲击。根据人工智能发展初级阶段的相关措施，高级阶段需深化初级阶段的做法：其一，国家要全面更新和落实会计人员的培养计划，适度减少初级会计人员的数量，增加中级和高级会计人员的数量，特别是增加高级会计人才的数量；其二，企业需在利用好人工智能前期发展机遇的基础上深入应用相关的技术，进一步提升企业处理会计业务的质量和效率，同时能够应用人工智能对企业未来的财务管理方面做出相应的参考判断和决策；其三，会计从业人员在人工智能初级阶段逐步转型的基础上，强化管理性和批判性思维，做到对法律、金融等行业知识的融会贯通。
六、结语虽然目前人工智能仅是对初级财务人员有一定的替代性，但是在技术更加成熟的未来，人工智能对会计行业产生的影响是不容小觑的。当然，会计人员也不必过于忧虑，每个新技术的应用在替代旧工作的同时，也会创造出新的岗位、新的机会。会计人员应当积极地面对人工智能给行业带来的变化，努力学习，提升自己的专业技能和综合能力，合理利用人工智能，解放生产效率、降低工作成本，与行业一起进步。
主要参考文献：[1]范思琦，刘悦，曹敏.财务机器人对会计工作的影响及应对措施[J].黑龙江科学，2020.11（1）.
[2]李梦婷，山焕.人工智能对会计工作的影响与对策研究——以德勤财务机器人为例[J].全国流通经济，2019（10）.
[3]李铁明.浅谈人工智能对会计行业的影响及其对策[J].财会学习，2019（21）.
[4]林婉仪.财务机器人在我国企业的发展应用探析[J].中国乡镇企业会计，2019（1）.
[5]杨雪梅，丁治伊，张涵.AI时代的到来对会计审计行业产生的利弊影响[J].环渤海经济瞭望，2018（6）.
[6]郑伟.财务前瞻：靠技术还是人才[J].首席财务官，2017（9）.
[7]容觉生.自动化和人工智能如何重塑财务职能[J].机器人产业，2018（2）.
[8]张紫馨，杨昕，辛萌.浅析人工智能会计应用下会计人员的职业定位[J].中国商论，2016（30）.
[9]高彦峰.财务智能自动化重塑企业财务职能[J].财会学习，2019（35）.
[10]于淼馨，王茜.基于人工智能的财务会计发展趋势研究[J].营销界，2019（43）.
《合作经济与科技》2020年第5期（下）
[关键词]： 人工智能 会计 所属专题：定制和修改论文和资料浅谈人工智能对审计行业的影响
2.2.推动审计技术和方法改进
康曦月(2017)以大数据发展为背景，分析了人工智能技术对审计方法的影响，她认为人工智能会促进总体审计的发展。当下，受到审计人员数量和能力的限制，被审计单位的数据并不能完全掌握。大数据的使用可以帮助审计人员掌握业务活动全部的信息，从而实现总体、全面的审计。另外，审计的地点也将不再局限于活动现场。通过移动技术，审计人员可以远程提取数据信息，并且进行相应的分析和监督。人工智能将不同单位的审计信息构建成信息网络，使审计人员更方便、高效地处理工作，传统的审计方法得以极大地改善，审计工作的效率也得到了很高的提升。
2.3.促进审计工作数字化的发展
面对日益复杂的审计环境和大量的审计信息，立足于局部信息的传统审计方法已经不能满足时展的需要。在大量研究和调查的基础上，沈潇潇(2018)认为顺应人工智能的发展浪潮，大力推进数字化审计已经成为不可阻挡的趋势。数字化审计是在全面、广泛数据的基础上，通过人工智能自动筛选并调取出被审计单位相应的信息，这就大大减少了审计师关于筛选数据的工作量，并且全面过滤了有效的信息，实现审计信息高效、全面的应用。
3、人工智能在审计行业发展中的问题
3.1.冲击传统审计工作
人工智能的程序可以代替基础审计会计人员完成简单且重复的工作，比如收集核对数据、审阅条款账目、制作财务报表等。根据杨雪梅(2018)等研究人员的预测，不久的将来，人工智能将会完全替代基础审计会计工作人员。传统审计工作该如何操作，审计人员该怎样转变其工作职能，大量失业人员又将何去何从？这些问题对审计从业者乃至整个审计行业的冲击都是巨大的。
3.2.人工智能无法完全替代人工
在审计工作的实务操作中，人工智能是无法完全替代审计人员的。现场的审计环境复杂多变，会产生各种各样的、偏离人工智能设定好方向的问题，这就需要传统的审计人员依靠专业素养进行职业判断，进而作出合理的决策。经研究，朱镜桦(2018)提出，在智能化审计发展仍处于初级阶段的今天，审计人员必须加强实务操作的训练，提高个人职业素养，并且掌握计算机运用的能力，以适应多变的工作环境。会计机器人无法完全代替人类，但其引入却一定会给审计工作带来巨大的改变。
4、审计行业应对人工智能的发展策略
4.1.适应多变的审计环境，培养全面的审计从业者
闫国举(2018)从审计人员的知识结构和职能角度分析，认为在科技的迅猛发展下，人工智能在审计行业的普遍应用是大势所趋，也是技术革新、顺应潮流的必然变革。这便要求审计人员具备更高的综合素质，传统的审计人员仅仅掌握审计知识和经验就可以处理审计实务，但是这并不足以应对当下的多变环境。因此，审计行业要明确从业者的职能转换，培养综合审计、经济、统计、计算机等多种科学的全面人才。大数据时代已经来临，面对海量的数据，审计人员不但要收集、核对数据，更要明辨真假是非，数据审计师将成为审计从业者的重点培养方向。
4.2.依托会计信息管理系统，明确审计人员的职能转换
大数据时代，信息资源急剧增长，给事务所和企业决策提供了更加丰富的信息来源。梁日新(2018)指出企业的财务决策方式也发生了变化。依托于云计算，企业财务人员能够把相关信息进行罗列、整合，同时可以收集市场中竞争者的资料，从而辅助领导者作出最佳决策，这充分拓展了企业财务分析的范围。审计人员可以通过监控公司财务信息系统进行高效、便捷的审计，这不仅提高了工作效率，也可以最大化保证信息的安全可靠性。因此，在人工智能广泛应用的时代背景下，审计人员需要不断提高自身能力，做合格的监控者、管理者。最重要的是加强专业素养，熟悉会计知识，并且融会贯通，将其运用到会计信息管理系统的操作中。同时也要掌握相应的计算机科学知识技能，根据审计实务及时调整不适应实际情况的智能系统。除此之外，审计人员还必须加强应对风险的能力，通过大量的实务操作积累经验，提高自身职业判断的准确性，以防止意外风险的产生。总之，审计人员要明确其职能的转换是从单一的基础审计到综合全面的应用，通过自身熟练、专业的判断和处理来弥补人工智能的不足，应对审计行业的变革。
5、人工智能对审计行业的影响研究展望
通过上述文献回顾不难发现，智能、数字化审计已经成为审计行业发展的必然趋势。人工智能技术的出现对审计行业而言是一次巨大的变革，既是挑战，也是机遇。智能的会计机器人在解放会计师“双手”的同时，也在加强他们的“大脑”，这就意味着审计人员不必再做那些简单、重复的基础工作，而是不断学习新的知识，加强处理危机的能力。要保持先进性，遵循审计核心，计算机辅助的原则，临危不惧。总之，在这个充满挑战和机遇的时代，审计从业者们需要时刻保持敏锐的前沿意识，在挑战中不断进步，抓住机会，不断发展。但是我们还必须认识到，目前国内对人工智能的研究主要集中于其给审计行业带来的变革和挑战上，对人工智能系统的安全性问题却关注不足。未来的研究需要更加关注人工智能的安全性、可靠性。人工智能并不能完全取代传统的审计人员，除了其不具备处理应急问题的能力外，更重要的是系统的安全性问题。信息数据的存储和运输过程并非完全可靠，该技术也还未成熟稳定。因此，对于人工智能，审计人员在使用过程中必须要时刻保持谨慎的态度，以防止出现数据信息泄露、获取错误信息等重大问题。
参考文献
[1]康曦月.上市企业年报审计模式创新与改革——人工智能背景下[J].现代商贸工业,2017(1).
[2]梁日新.人工智能对会计行业的影响研究[J].现代商业,2018(15).
[3]沈潇潇.人工智能背景下注册会计师的信息化转型[J].财会学习,2018(21).
[4]杨雪梅,丁治伊,张涵.AI时代的到来对会计审计行业产生的利弊影响[J].环渤海经济瞭望,2018(6).
[5]闫国举.探讨人工智能技术对会计模式变革的影响研究[J].财会学习,2018(10).
[6]朱镜桦,陈晶.人工智能对于会计行业的影响及应对策略[J].财会学习,2018(17).
[7]陈敏洁.人工智能冲击对基础会计从业人员的影响[J].现代企业,2018(4).
作者：贾柚单位：南京审计大学返回搜狐，查看更多
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”。
人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年的发展历程划分为以下6个阶段：
一是起步发展期：1956年-20世纪60年代初。人工智能概念在1956年首次被提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：60年代-70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入了低谷。
三是应用发展期：70年代初-80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：80年代中-90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年IBM深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念，这些都是这一时期的标志性事件。
六是蓬勃发展期：2011年-至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器（GraphicsProcessingUnit，简称GPU）等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定领域的人工智能技术（即专用人工智能）由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，因此形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
（三）人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI优先）；微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，全球知名风投调研机构CBInsights报告显示2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
（四）创新生态布局成为人工智能产业发展的战略高地。信息技术（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动AI技术生态的研发布局，全力抢占人工智能相关产业的制高点。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理GPU服务器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，人工智能系统的智能水平即将全面超越人类水平，30年内机器人将统治世界，人类将成为人工智能的奴隶，等等。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的研究集中在深度学习，但是深度学习的局限是需要大量人工干预：人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据（非常费时费力）、用户需要人工适配智能系统等。因此已有科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类AI”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低AI人员成本。
（四）人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来十年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。2018年4月，欧盟委员会计划2018-2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略》重点推动物联网建设和人工智能的应用。世界军事强国已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即提出谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。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。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS统计结果，我国在人工智能领域发表的论文数量已居世界第一。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南京大学等高校纷纷成立人工智能学院。2015年开始的中国人工智能大会（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，实现机器在任意现实环境的自主智能和通用智能仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此发展人工智能不能以短期牟利为目的，要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，并务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
（二）加强基础扎实的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。在此发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如军民融合、产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。
另外，我们需要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能将进一步拉大发达国家和发展中国家的生产力发展水平差距。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、咨询会；特斯拉等产业巨头牵头成立OpenAI等机构，旨在以有利于整个人类的方式促进和发展友好的人工智能；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）