人工智能的起源及发展
当初人工智能并不被许多人所认可，更是被所谓的"先知者"冷言冷语，也有人在一旁冷眼旁观。当然，这种现象与无可厚非，毕竟新事物的诞生，往往会有一批旧事物的消逝，这就必然存在有一个争斗、优胜劣汰的过程。这也是人类一个特点：喜欢待在舒适区，害怕变动。要说人工智能的拉票之举，不得不说到战胜人类的世界国际象棋冠军这个事了；人工智能在这一次的比拼中，完美的展现了他的优越性与未来的可发展性。
人工智能的起源，才有了他的发展，以及在今天与我们的息息相关。这是一个伟大的诞生
二、人工智能的发展:
人工智能自1956年诞生并得到一个完美的展现后，得到了一个长足的发展；发展成了一门交叉科学，并且融入了各个领域，涉及到了各行各业。悄然改变这我们的生活方式和我们的生活习惯。我们今天的生活便利，如果你深入了解过，你会发现。他们的改变，离不开人工智能。
三、人工智能与我们的生活:
其实人工智能并不神秘，我们没必要把它束之高阁。我们人手一个的智能手机，其内的语音操作功能，其实就是人工智能。再比如说，我们所熟知的天猫精灵，小米智能音箱等，在许多的寻常百姓家中，也可以见到他们的身影。
再高端一点的话，那就是互联网智能家电了，在许多的电器公司中，都在致力于他们的研究与生产，比如小米旗下的云米，就是一个从事全屋互联网家电的公司。
有很大的可能性，再未来。人工智能将高速发展，代替许多人力的工作。也许它会"抢走"许多人的工作；但是他的发展与存在是大势所趋，我们能做的是需要不断提升自己，做到不被时代所"抛弃"。
返回搜狐，查看更多
人工智能发展综述
摘要近十多年来，随着算法与控制技术的不断提高，人工智能正在以爆发式的速度蓬勃发展。并且，随着人机交互的优化、大数据的支持、模式识别技术的提升，人工智能正逐渐的走入我们的生活。本文主要阐述了人工智能的发展历史、发展近况、发展前景以及应用领域。
1.引言人工智能（ArtificialIntelligence）简称AI，是麦卡赛等人在1956年的一场会议时提出的概念。
近几年，在“人机大战”的影响下，人工智能的话题十分的火热，特别是在“阿尔法狗”（AlphaGo）战胜李世石后，人们一直在讨论人是否能“战胜”自己制造的有着大数据支持的“人工智能”，而在各种科幻电影的渲染中，人工智能的伦理性、哲学性的问题也随之加重。
人工智能是一个极其复杂又令人激动的事物，人们需要去了解真正的人工智能，因此本文将会对什么是人工智能以及人工智能的发展历程、未来前景和应用领域等方面进行详细的阐述。
2.图灵测试人们总希望使计算机或者机器能够像人一样思考、像人一样行动、合理地思考、合理地行动，并帮助人们解决现实中实际的问题。而要达到以上的功能，则需要计算机（机器人或者机器）具有以下的能力：
自然语言处理（naturallanguageprocessing）
知识表示（knowledgerepresentation）
自动推理（automatedreasoning）
机器学习（machinelearning）
计算机视觉（computervision）
机器人学（robotics）
这6个领域，构成了人工智能的绝大多数内容。人工智能之父阿兰·图灵（AlanTuring）在1950年还提出了一种图灵测试（TuringTest），旨在为计算机的智能性提供一个令人满意的可操作性定义。
关于图灵测试，是指测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。
图灵测试是在60多年前就已经提出来了，但是在现在依然适用，然而我们现在的发展其实远远落后于当年图灵的预测。
在2014年6月8日，由一个俄罗斯团队开发的一个模拟人类说话的脚本——尤金·古斯特曼（EugeneGoostman）成为了首个通过图灵测试的“计算机”，它成功的使人们相信了它是一个13岁的小男孩，该事件成为了人工智能发展的一个里程碑。
在2015年，《Science》杂志报道称，人工智能终于能像人类一样学习，并通过了图灵测试。一个AI系统能够迅速学会写陌生文字，同时还能识别出非本质特征，这是人工智能发展的一大进步。
3.人工智能发展历史①1943-1955年人工智能的孕育期
人工智能的最早工作是WarrenMcCulloch和WalterPitts完成的，他们利用了基础生理学和脑神经元的功能、罗素和怀特海德的对命题逻辑的形式分析、图灵的理论，他们提出了一种神经元模型并且将每个神经元叙述为“开”和“关”。人工智能之父图灵在《计算机与智能》中，提出了图灵测试、机器学习、遗传算法等各种概念，奠定了人工智能的基础。
②1956年人工智能的诞生
1956年的夏季，以麦卡锡、明斯基、香农、罗切斯特为首的一批科学家，在达特茅斯组织组织了一场两个月的研讨会，在这场会议上，研究了用机器研究智能的一系列问题，并首次提出了“人工智能”这一概念，人工智能至此诞生。
③1952-1969年人工智能的期望期
此时，由于各种技术的限制，当权者人为“机器永远不能做X”，麦卡锡把这段时期称作“瞧，妈，连手都没有！”的时代。
后来在IBM公司，罗切斯特和他的同事们制作了一些最初的人工智能程序，它能够帮助学生们许多学生证明一些棘手的定理。
1958年，麦卡锡发表了“ProgramwithCommonSense”的论文，文中他描述了“AdviceTaker”，这个假想的程序可以被看作第一个人工智能的系统。
④1966-1973人工智能发展的困难期
这个时期，在人工智能发展时主要遇到了几个大的困难。
第一种困难来源于大多数早期程序对其主题一无所知；
第二种困难是人工智能试图求解的许多问题的难解性。
第三种困难是来源于用来产生智能行为的基本结构的某些根本局限。
⑤1980年人工智能成为产业
此时期，第一个商用的专家系统开始在DEC公司运转，它帮助新计算机系统配置订单。1981年，日本宣布了“第五代计算机”计划，随后美国组建了微电子和计算机技术公司作为保持竞争力的集团。随之而来的是几百家公司开始研发“专家系统”、“视觉系统”、“机器人与服务”这些目标的软硬件开发，一个被称为“人工智能的冬天”的时期到来了，很多公司开始因为无法实现当初的设想而开始倒闭。
⑥1986年以后
1986年，神经网络回归。
1987年，人工智能开始采用科学的方法，基于“隐马尔可夫模型”的方法开始主导这个领域。
1995年，智能Agent出现。
2001年，大数据成为可用性。
4.人工智能发展近况4.1人机博弈在1997年时，IBM公司的超级计算机“深蓝”战胜了堪称国际象棋棋坛神话的前俄罗斯棋手GarryKasparov而震惊了世界。
在2016年时，Google旗下的DeepMind公司研发的阿尔法围棋（AlphaGo）以4:1的战绩战胜了围棋世界冠军、职业九段棋手李世石，从而又一次引发了关于人工智能的热议，随后在2017年5月的中国乌镇围棋峰会上以3:0的战绩又战胜了世界排名第一的柯洁。
2017年1月6日，百度的人工智能机器人“小度”在最强大脑的舞台上人脸识别的项目中以3:2的成绩战胜了人类“最强大脑”王峰。1月13日，小度与“听音神童”孙亦廷在语音识别项目中以2:2的成绩战平。随后又在1月21日又一次在人脸识别项目中以2:0的成绩战胜了“水哥”王昱珩，更在最强大脑的收官之战中战胜了人类代表队的黄政与Alex。
4.2百度大脑2016年9月1日，百度李彦宏发布了“百度大脑”计划，利用计算机技术模拟人脑，已经可以做到孩子的智力水平。李彦宏阐述了百度大脑在语音、图像、自然语言处理和用户画像领域的前沿进展。目前，百度大脑语音合成日请求量2.5亿，语音识别率达97%。
“深度学习”是百度大脑的主要算法，在图像处理方面，百度已经成为了全世界的最领先的公司之一。
百度大脑的四大功能分别是：语音、图像，自然语言处理和用户画像。
语音是指具有语音识别能力与语音合成能力，图像主要是指计算机视觉，自然语言处理除了需要计算机有认知能力之外还需要具备推理能力，用户画像是建立在一系列真实数据之上的目标用户模型。
4.3工业4.0工业4.0是由德国提出来的十大未来项目之一，旨在提升制造业的智能化水平，建立具有适应性、资源效率及基因工程学的智慧工厂。
工业4.0已经进入中德合作新时代，有明确提出工业生产的数字化就是“工业4.0”对于未来中德经济发展具有重大意义。
工业4.0项目主要分为三大主题：智能工厂、智能生产、智能物流。
它面临的挑战有：缺乏足够的技能来加快第四次工业革命的进程、企业的IT部门有冗余的威胁、利益相关者普遍不愿意改变。
但是随着AI的发展，工业4.0的推进速度将会大大推快。
5.人工智能的应用领域人工智能可以渗透到各行各业，领域很多，例如：
①无人驾驶：它集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物世界上最先进的无人驾驶汽车已经测试行驶近五十万公里，其中最后八万公里是在没有任何人为安全干预措施下完成的。英国政府也在资助运输研究实验室（TRL），它将在伦敦测试无人驾驶投递车能否成功用于投递包裹和其他货物，使用无人驾驶投递车辆将成为在格林威治实施的众多项目之一。
②语音识别：该技术可以使让机器知道你在说什么并且做出相应的处理，1952年贝尔研究所研制出了第一个能识别10个英文数字发音的系统。在国外的应用中，苹果公司的siri一直处于领先状态，在国内，科大讯飞在这方面的发展尤为迅速。
③自主规划与调整：NASA的远程Agent程序未第一个船载自主规划程序，用于控制航天器的操作调度。
④博弈：人机博弈一直是最近非常火热的话题，深度学习与大数据的支持，成为了机器“战胜”人脑的主要方式。
⑤垃圾信息过滤：学习算法可以将上十亿的信息分类成垃圾信息，可以为接收者节省很多时间。
⑥机器人技术：机器人技术可以使机器人代替人类从事某些繁琐或者危险的工作，在战争中，可以运送危险物品、炸弹拆除等。
⑦机器翻译：机器翻译可以将语言转化成你需要的语言，比如现在的百度翻译、谷歌翻译都可以做的很好，讯飞也开发了实时翻译的功能。
⑧智能家居：在智能家居领域，AI或许可以帮上很大的忙，比如模式识别，可以应用在很多家居上使其智能化，提高人机交互感，智能机器人也可以在帮人们做一些繁琐的家务等。
6.人工智能算法的实现6.1专家系统专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。
6.2机器学习机器学习(MachineLearning,ML)是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等的多领域交叉学科。专门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，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径,也是深度学习的基础。
机器学习领域的研究工作主要围绕以下三个方面进行：
（1）面向任务的研究
研究和分析改进一组预定任务的执行性能的学习系统。
（2）认知模型
研究人类学习过程并进行计算机模拟。
（3）理论分析
从理论上探索各种可能的学习方法和独立于应用领域的算法
机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。但是现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。
6.2.1遗传算法遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。它借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）进行随机化搜索，它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域，它是现代有关智能计算中的关键技术。
遗传算法示意图6.2.2DeepLearningDeepLearning即深度学习，深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。是机器学习中一种基于对数据进行表征学习的方法。
他的基本思想是：假设我们有一个系统S，它有n层（S1,…Sn），它的输入是I，输出是O，形象地表示为：I=>S1=>S2=>…..=>Sn
=>O，如果输出O等于输入I，即输入I经过这个系统变化之后没有任何的信息损失，设处理a信息得到b，再对b处理得到c，那么可以证明：a和c的互信息不会超过a和b的互信息。这表明信息处理不会增加信息，大部分处理会丢失信息。保持了不变，这意味着输入I经过每一层Si都没有任何的信息损失，即在任何一层Si，它都是原有信息（即输入I）的另外一种表示。DeepLearning需要自动地学习特征，假设我们有一堆输入I（如一堆图像或者文本），假设设计了一个系统S（有n层），通过调整系统中参数，使得它的输出仍然是输入I，那么就可以自动地获取得到输入I的一系列层次特征，即S1，…,Sn。对于深度学习来说，其思想就是对堆叠多个层，也就是说这一层的输出作为下一层的输入。通过这种方式，就可以实现对输入信息进行分级表达了。
深度学习的主要技术有：线性代数、概率和信息论；欠拟合、过拟合、正则化；最大似然估计和贝叶斯统计；随机梯度下降；监督学习和无监督学习深度前馈网络、代价函数和反向传播；正则化、稀疏编码和dropout；自适应学习算法；卷积神经网络；循环神经网络；递归神经网络；深度神经网络和深度堆叠网络；
LSTM长短时记忆；主成分分析；正则自动编码器；表征学习；蒙特卡洛；受限波兹曼机；深度置信网络；softmax回归、决策树和聚类算法；KNN和SVM；
生成对抗网络和有向生成网络；机器视觉和图像识别；自然语言处理；语音识别和机器翻译；有限马尔科夫；动态规划；梯度策略算法；增强学习（Q-learning）。
7.人工智能的未来随着人工智能的发展，人工智能将会逐渐走入我们的生活、学习、工作中，其实人工智能已经早就渗透到了我们的生活中，小到我们手机里的计算机，Siri,语音搜索，人脸识别等等，大到无人驾驶汽车，航空卫星。在未来，AI极大可能性的去解放人类，他会替代人类做绝大多数人类能做的事情，正如刘慈欣所说：人工智能的发展，它开始可能会代替一部分人的工作，到最后的话，很可能他把90%甚至更高的人类的工作全部代替。吴恩达也表明，人工智能的发展非常快，我们可以用语音讲话跟电脑用语音交互，会跟真人讲话一样自然，这会完全改变我们跟机器交互的办法。自动驾驶对人也有非常大的价值，我们的社会有很多不同的领域，比如说医疗、教育、金融，都会可以用技术来完全改变。
参考文献[1]Russell,S.J.Norvig,P.人工智能：一种现代的方法（第3版）北京：清华大学出版社，2013（2016.12重印）
[2]库兹韦尔，人工智能的未来杭州：浙江人民出版社，2016.3
[3]苏楠.人工智能的发展现状与未来展望[J].中小企业管理与科技(上旬刊),2017,(04):107-108.
[4]王超.从AlphaGo的胜利看人工智能的发展历程与应用前景[J].中国新技术新产品,2017,(04):125-126.
[5]朱巍,陈慧慧,田思媛,王红武.人工智能:从科学梦到新蓝海——人工智能产业发展分析及对策[J].科技进步与对策,2016,(21):66-70.
[6]王江涛.浅析人工智能的发展及其应用[J].电子技术与软件工程,2015,(05):264.
[7]杨焱.人工智能技术的发展趋势研究[J].信息与电脑(理论版),2012,(08):151-152.
[8]张妮,徐文尚,王文文.人工智能技术发展及应用研究综述[J].煤矿机械,2009,(02):4-7.
[9]王永忠.人工智能技术在智能建筑中的应用研究[J].科技信息,2009,(03):343+342.
[10]李德毅,肖俐平.网络时代的人工智能[J]中文信息学报,2008,(02):3-9.
[11]李红霞.人工智能的发展综述[J].甘肃科技纵横,2007,(05):17-18
[12]孙科.基于Spark的机器学习应用框架研究与实现[D].上海交通大学,2015.
[13]朱军,胡文波.贝叶斯机器学习前沿进展综述[J].计算机研究与发展,2015,(01):16-26.
[14]何清,李宁,罗文娟,史忠植.大数据下的机器学习算法综述[J].模式识别与人工智能,2014,(04):327-336.
[15]郭亚宁,冯莎莎.机器学习理论研究[J].中国科技信息,2010,(14):208-209+214.
[16]陈凯,朱钰.机器学习及其相关算法综述[J].统计与信息论坛,2007,(05):105-112.
[17]闫友彪,陈元琰.机器学习的主要策略综述[J].计算机应用研究,2004,(07):4-10+13.
[18]张建明,詹智财,成科扬,詹永照.深度学习的研究与发展[J].江苏大学学报(自然科学版),2015,(02):191-200.
[19]尹宝才,王文通,王立春.深度学习研究综述[J].北京工业大学学报,2015,(01):48-59.
[20]刘建伟,刘媛,罗雄麟.深度学习研究进展[J].计算机应用研究,2014,(07):1921-1930+1942
[21]马永杰,云文霞.遗传算法研究进展[J].计算机应用研究,2012,(04):1201-1206+1210.
[22]曹道友.基于改进遗传算法的应用研究[D].安徽大学,2010
中国人工智能AI行业发展现状
1、AI的发展现状
随着第四次工业革命的来临，人工智能已经从科幻逐步走入现实。从1956年人工智能这个概念被首次提出以来，人工智能的发展几经沉浮。随着核心算法的突破、计算能力的迅速提高、以及海量互联网数据的支撑，人工智能终于在21世纪的第二个十年里迎来质的飞跃，成为全球瞩目的科技焦点。
对于中国而言，人工智能的发展是一个历史性的战略机遇，对缓解未来人口老龄化压力、应对可持续发展挑战以及促进经济结构转型升级至关重要。作为新一轮产业变革的核心驱动力和引领未来发展的战略技术，国家高度重视人工智能产业的发展。2017年国务院发布《新一代人工智能发展规划》，对人工智能产业进行战略部署；在2018年3月和2019年3月的政府工作报告中，均强调指出要加快新兴产业发展，推动人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。
自2006年深度学习算法被提出，人工智能技术应用取得突破性发展。2012年以来，数据的爆发式增长为人工智能提供了充分的“养料”，深度学习算法在语音和视觉识别上实现突破，令人工智能产业落地和商业化发展成为可能。
2、AI的发展布局
整体来看，我国人工智能产业形成以京津冀地区、长三角地区、珠三角地区协同发展的格局，尤其东部沿海地区为重点部署区域。根据IDC发布的《2019-2020中国人工智能计算力发展评估报告》显示，2019年中国人工智能城市排行榜TOP5城市依次为北京、杭州、深圳、上海、广州。
其中，北京布局相对成熟，具有较为完善的产业链，尤其中关村科学城等机构为北京的人工智能产业发展提供利好的政策、技术、人才等支持。目前，北京拥有人工智能企业数量位于全国前列，约为300家。
上海拥有的人工智能企业数量相较北京少，但也领先其他省市。上海规划建设人工智能高地，打造一流的人工智能创新生态，目前已布局“人型”空间结构，分布在8个区域、11个行业。除了上海以外，江苏、浙江等地也积极布局，人工智能企业较为集中。
广东科技创新能力同样处于领先地位，尤其粤港澳大湾区的规划发展重视人工智能的布局。截至目前，广东省已成功认定两批共8个园区作为“广东省人工智能产业园”。此外，广东依托国家特色小镇、千企千镇工程、珠三角国家自主创新示范区和广深科技创新走廊建设的重要契机，鼓励各地市结合本地基础和优势，加快人工智能产业应用布局，打造一批人工智能小镇。
杭州高度重视人工智能基础研究，“祥云”DRMS系统是全国首个基于人工智能的数据资源平台，是杭州城市数据大脑的全量、即时“数据仓库”，可提供数据即时归集、数据魔方、数据治理等功能，开拓性地将人工智能应用于数据交换、共享、开放。在阿里巴巴、网易、浙江大华、海康威视、同花顺等龙头企业带动下，杭州市在智慧城市、金融等领域形成了一批特色鲜明的应用。另外，杭州积极打造人工智能产业集聚区，以杭州高新技术产业开发区、杭州城西科创大走廊为核心，优化全市人工智能产业结构布局，实现有序竞争错位发展。
3、AI的市场需求及规模
我国人工智能产业聚焦多元化的应用场景，在我国国情和市场需求的引领下，瞄准交通、医疗、金融、安防等领域智能化改造升级的切实需求，集中选择一个或者几个重点领域进行重点布局，围绕行业全生命周期大数据，通过优化场景设计率先推动实现商业化落地。近年来，差异化和区域化的竞争态势吸引我国涌现出一大批新兴的人工智能企业，推动我国产业规模持续爆发。
据高瞻智库统计，2018年我国人工智能产业规模达到83.1亿美元，到2019年产业规模突破百亿美元，达到105.5亿美元。其中AI基础层、技术层、应用层产业规模分别达到19.9亿美元、30.6亿美元、55亿美元。在加快推动新一代人工智能应用场景落地的政策和市场推动下，预计2022年产业规模将逼近300亿美元。
图表：2015-2019年中国人工智能产业规模（亿美元）
数据来源：高瞻智库
4、AI的企业数量
据高瞻智库统计，截至2019年底可统计的中国人工智能企业总量达779家，大约占全球人工智能企业总数的21.9%，仅次于美国。从企业初创时间分布来看，中国人工智能企业创立时间集中分布在2010-2016年间，占比达67.3%，并在2015年达到峰值，2016-2019年企业创立数量逐渐下降。
图表：截至2019年中国人工智能企业成立时间分布
数据来源：高瞻智库
从企业地域分布来看，中国人工智能企业主要集中在京津冀、长三角、珠三角三大都市圈，占比分别为44.8%、28.7%、16.9%。在各省市中，人工智能企业主要分布在北京、广东、上海、浙江、江苏等地，合计占比达88.4%。
图表：2019年中国人工智能企业地区分布情况
数据来源：高瞻智库
5、AI企业市场格局及占有率
人工智能应用市场主要包括计算机视觉应用、语音语义应用及机器学习算法平台三个方面，其中计算机视觉应用场景丰富，商业化价值巨大，约40%人工智能企业集中在视觉人工智能领域。据高瞻智库统计，2019年中国人工智能计算机视觉应用领域占据市场规模最大的厂商包括商汤科技、旷视科技、云从科技、依图科技、海康威视、创新奇智以及智慧眼科技、大华股份，合计占比达79.5%；人工智能语音语义应用领域占据市场规模最大的厂商包括科大讯飞、拓尔思、小i机器人、百度网讯、捷通华声、云知声、神州泰岳、阿里云以及思必驰，合计占比达39.2%；人工智能算法学习平台方面领导者包括第四范式、阿里云、百度、腾讯云、AWS、微软，主要参与者包括美林数据、金山云、九章云极、探智力方、星环科技、新华三、东软。
图表：2019年中国人工智能市场格局
人工智能和中国国家人工智能发展战略
人工智能和中国国家人工智能发展战略一.人工智能的发展历程二.中国国家人工智能发展战略2.1中国国家人工智能发展规划“三步走”战略2.2中国人工智能标准化战略白皮书2.3未来重点支持举措一.人工智能的发展历程人工智能（AI：ArtificialIntelligence）的研究自1956年达特茅斯会议以来，起起伏伏发展了62年，终于在最近5年取得了重大突破。AI系统在语音识别、图像识别、围棋、德州扑克等诸多领域取得了超越人的能力的成果。究其原因，业界普遍认同有三大要素合力促成了这次突破：深度学习算法、海量的数据和充足的计算力。其中，充足的算力得益于摩尔定律在最近二十年的发展，使得在可以接受的价格、功耗和时间内完成人工智能算法所需的计算。摩尔定律由英特尔创始人之一的戈登•摩尔于1965年提出，至今已有53年。即使按照每两年单位面积上的晶体管数量翻倍来计算，目前的晶体管密度大约是当年的6400万倍。在摩尔定律发展的前30年，人工智能的研究经历了逻辑推理时代和专家系统时代。芯片的计算和存储能力从早期不能满足复杂人工智能任务的要求，到逐渐超越。20世纪80年代出现了专门支持专家系统的计算机（如80-90年代的Symbolics计算机）和性价比更高的基于x86微处理器的个人计算机（90年代后成为主流）。1995年之后的20年，摩尔定律的量变推动了质变，开启了信息时代的技术飞跃。根据英特尔的处理器芯片能力和零售价格对比测算，单位价格可以购买到的计算力提升了1.5万倍，从而使通用中央处理器（CPU:CentralProcessingUnit）已经可以支持各种AI任务。但是CPU的架构未必对各种AI算法都是最优的。对于目前主流的深度学习（DL：DeepLearning）算法，需要有更高并行计算能力和存储带宽的芯片架构，来提高训练速度或者达到工作时的实时性要求。因此，在深度学习领域出现了多种CPU加专用芯片的异构计算方案。另一方面，与脑启发式（brain-inspired）的深度神经网络不同的类脑（brain-like）计算研究也推出了先进的神经拟态芯片（neuromorphicchip）来支持超高能效比（energyefficiency）的自然学习方式。可以说，通过芯片技术来大幅增强人工智能研发的条件已经成熟。虽然经典的等比例缩小已经放缓，但是未来十年将是人工智能芯片（简称AI芯片）发展的重要时期，不论是架构上还是设计理念上都将有巨大的突破。
二.中国国家人工智能发展战略2017年，国务院印发《新一代人工智能发展规划》，提出了面向2030年的我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，目标是构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国（中华人民共和国中央人民政府，2017）。该规划是我国在人工智能领域发布的第一个涉及系统战略部署的文件，从政府层面来对人工智能的发展进行整体部署，是我国人工智能发展中的重要里程碑。按照此规划，我国人工智能发展战略目标分为三步走。“三步走”战略为我国人工智能发展提供了重要的政策指导。与此同时，为了推进该战略的实施，国家标准化管理委员会批准成立了国家人工智能标准化总体组和专家咨询组，负责我国人工智能标准化体系研制，并对外发布各种重要的研究报告。有鉴于此，笔者将从我国人工智能发展“三步走”战略的政策层面和标准化体系研制的研究层面对我国人工智能发展战略进行深入解读。
2.1中国国家人工智能发展规划“三步走”战略“三步走”战略是我国人工智能发展与研究的重要政策指引。“三步走”战略的核心要义如图所示。第一步，到2020年我国人工智能总体技术和应用能够与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑我国进入创新型国家行列和实现全面建成小康社会的奋斗目标。具体包括三点：一是新一代人工智能理论和技术取得重要进展；二是人工智能产业竞争力进入国际第一方阵；三是人工智能发展环境进一步优化，在重点领域全面展开创新应用，聚集起一批高水平的人才队伍和创新团队，部分领域的人工智能伦理规范和政策法规初步建立。第二步，到2025年我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展。具体包括三点：一是新一代人工智能理论与技术体系初步建立；二是人工智能产业进入全球价值链高端；三是初步建立人工智能法律法规、伦理规范和政策体系，增强人工智能安全评估和管控能力。第三步，到2030年我国人工智能理论、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，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。具体包括三点：一是形成较为成熟的新一代人工智能理论与技术体系；二是人工智能产业竞争力达到国际领先水平；三是形成一批全球领先的人工智能科技创新和人才培养基地，建成更加完善的人工智能法律法规、伦理规范和政策体系。整体来说，我国把人工智能的发展置于重要位置，根据科技发展的前沿趋势，努力推动人工智能的战略部署；并从人工智能基础、政策法规、伦理道德、安全性等各个方面进行积极探索，形成具有世界影响力的产业链。《新一代人工智能发展规划》主要针对人才和核心技术两个方面做了专门的规划和部署。只有培养高端的科技人才，把握核心技术，中国的人工智能才能达到世界领先水平。
2.2中国人工智能标准化战略白皮书在推进人工智能的研究与实践层面，我国重点开展了人工智能的标准化研究。只有标准先行，才能从总体上规范和推进人工智能实践，尤其是指导人工智能产学研用一体化深入发展。在人工智能标准研制方面，国家标准化管理委员会批准成立的国家人工智能标准化总体组和专家咨询组专门负责此项工作。总体组承担统筹协调、规划布局的角色，负责开展人工智能国际国内标准化工作，拟定我国人工智能标准化规划、体系和政策措施。专家咨询组由国内人工智能领域知名专家学者组成，负责为总体组提供我国人工智能标准化规划、体系和政策措施等方面的咨询，对人工智能领域国际国内标准研制、试点、应用实施、标准传导机制建立等提出意见建议，并对国家人工智能标准化总体组的工作进行指导。高规格的专家队伍保障了我国人工智能各项标准研制的权威性和科学性。从人工智能国家战略向人工智能标准化战略的迈进，也凸显了我国人工智能战略的演进重点。从这一层意义来看，我国人工智能标准化战略成果更能代表我国人工智能战略的实质内容。而且近两年我国陆续发布了《新一代人工智能发展白皮书（2017版）》和《人工智能标准化白皮书（2018版）》，这两个白皮书在架构和内容上既体现了一致性，也体现了递进性和延伸性，因此可以较好地作为分析我国人工智能发展战略的重要且可借鉴的蓝本。总体来看，《新一代人工智能发展白皮书（2017版）》详细介绍了我国新一代人工智能的发展特征、技术框架以及不同产业应用领域，更加明确了新一代人工智能发展的主要方向，以及研究新一代人工智能的技术框架。而《人工智能标准化白皮书（2018版）》则是在《新一代人工智能发展白皮书（2017版）》的基础上，更加强调与业界分享人工智能领域的研究成果和实践经验，呼吁社会各界共同加强人工智能领域的技术研究、产业投入、标准建设与服务应用，共同推动人工智能及其产业发展（中国电子技术标准化研究院，2018）。《人工智能标准化白皮书（2018版）》包括6个章节，分别从人工智能概述、人工智能发展现状及趋势、人工智能产业现状及趋势、安全、伦理、隐私问题等方面综合分析了我国人工智能的发展状况，以此作为能够适应和引导我国人工智能产业发展的标准体系。《人工智能标准化白皮书（2018版）》规定，我国的人工智能标准体系结构由基础标准、平台/支撑标准、关键技术标准、产品及服务标准、应用标准、安全/伦理标准6部分组成（中国电子技术标准化研究院，2018）。另外，与《新一代人工智能发展白皮书（2017版）》相比较，《人工智能标准化白皮书（2018版）》更加关注人工智能的安全、伦理、隐私问题以及相关法律条文和标准化文件的制定。通过制定相关的法律法规和标准化文件，社会公众才能信任人工智能技术对人类安全和相关利益的承诺和保障，进而推动社会的发展。
2.3未来重点支持举措核心技术方面，我国政府已意识到原创孵化、创新培植的重要性，最近一年来在人工智能领域加强了投入力度，实施了多项举措。2018年11月14日，北京智源人工智能研究院在科技部和北京市委市政府的指导和支持下，依托北京大学、清华大学、中国科学院等科研机构和百度、小米、字节跳动等企业共同推动成立。该研究院将对人工智能的关键领域进行原创性探索和研发。北京市科委在两年内将给予研究院共计3.4亿元的资金支持（经济参考网，2019）。2019年8月29日，科技部发布《国家新一代人工智能创新发展试验区建设工作指引》，计划在2023年之前布局建设20个左右的人工智能试验区。试验区是依托地方开展人工智能技术示范、政策试验和社会实验，在推动人工智能创新发展方面先行先试、发挥引领带动作用的区域（中华人民共和国科学技术部，2019a）。随后科技部于10月18日发函，继北京和上海之后，支持合肥、杭州、深圳、天津建设国家新一代人工智能创新发展试验区。人才培养方面，教育部指导高校进行人工智能专业建设的计划正在积极展开。2018年4月，教育部印发了《高等学校人工智能创新行动计划》的通知，就完善人工智能领域人才培养体系出台了一系列政策，并进行系统布局，主要包括加快人工智能领域学科建设、专业建设、人才培养和构建人工智能多层次教育体系四个重要方向（中华人民共和国教育部，2018）。2019年，人工智能专业被教育部列入新增审批本科专业名单，上海交通大学等35所高校获首批建设资格（中华人民共和国教育部，2019）。伦理法律方面，我国近年来不断加强人工智能伦理道德和相关法律的研究与实践，对该领域内日益浮现的伦理道德问题和法律纠纷进行政策呼应，并将此部分内容呈现于《中国人工智能标准化白皮书（2018版）》中。2019年，我国国家战略迈向了更高层次的协调人工智能发展与治理的关系，推动经济、社会及生态可持续发展的目标。6月17日，科技部下属的国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则——发展负责任的人工智能》，提出了人工智能治理的框架和行动指南，强调了和谐友好、公平公正、包容共享、尊重隐私、安全可控、共担责任、开放协作、敏捷治理等8项治理原则（中华人民共和国科学技术部，2019b）。这8项原则和经济合作与发展组织（OECD）于2019年5月投票通过的首部人工智能的政府间政策指导方针是一致的，该指导方针的目标是确保人工智能的系统设计符合公正、安全、公平和值得信赖的国际标准（OECD，2019）。