人工智能加速赋能实体经济
2021年全球人工智能产业投融资金额为714.7亿美元，我国达201.2亿美元人工智能加速赋能实体经济
2021年，我国人工智能产业规模达4041亿元人民币，产业投融资金额为201.2亿美元，同比增长40.4%。随着相关科技成果不断落地，应用场景更加丰富，人工智能技术与实体经济加速融合，助推传统产业转型升级，为高质量发展注入了强劲动力。
高效高精度仿真预测，为大型客机减少风洞试验的次数；构建数字孪生工厂，并在未来建成全息3D裸眼效果的数字工厂；人体通过360度扫描后，将投射到屏幕上制作成数字人……这些奇思妙想，都在借助人工智能技术实现。
新一代人工智能是推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。日前，由国家发改委、工信部、科技部、国家网信办、中国科学院、中国工程院、中国科协和上海市政府共同主办的2022世界人工智能大会举行，一大批新成果、新技术、新应用发布，展示了人工智能赋能实体经济发展的美好图景，并描绘了产业发展的方向与趋势。
人工智能科技成果加速落地
2018年，首届世界人工智能大会在上海举办。几年来，我国人工智能科技成果层出不穷，并加速落地。
机器人应用场景更加丰富——
机器人冲咖啡拉花、送咖啡、专业消毒，还能手持吸尘器做清洁，俨然全职“家庭保姆”……会上，业内先进的机器人技术和展品齐聚，新品迭出，带来全新的机器人能力认知和服务体验。
智能网联汽车发展不断推进——
“系好安全带，我不用方向盘，准备出发。”在金桥智能网联汽车测试示范区，安全员启动自动驾驶车开始演示无人驾驶。测试现场，荣威、威马等品牌的自动驾驶车上路展示，斑马智行、小马智行、复睿智行等自动驾驶平台也一同亮相。
“5年前，自动驾驶还处在起步阶段，现在已经有了相当多的平台和自动驾驶车。”金桥管理局副局长严俊杰介绍，2019年，上海浦东新区作为全国首个人工智能创新应用先导区正式揭牌。今年8月31日，金桥智能网联汽车测试区正式启动，助力金桥一大批车企推进研发、测试自动驾驶技术。
城市算力建设取得新进展——
在国家“东数西算”工程与全国一体化算力网络国家枢纽节点的布局下，中国算力网——智算网络一期于今年6月正式上线。在本届大会上，沈阳、福州、长沙、广州、重庆、昆明、河北（廊坊）7个新增节点接入中国算力网。至此，多个人工智能计算中心间的算力调度与协同训练已完成初步验证，全国算力一张网已具雏形。
“这是一个开源开放、功能丰富的产业级深度学习平台。”会上，百度展示的飞桨平台吸引了不少人的目光。工作人员介绍，飞桨平台具有标准化、自动化和模块化等特征，能够降低应用门槛，让人工智能技术高效便捷地应用于各行各业，不同单位的项目都可以在这个平台上学习。截至今年5月，飞桨平台上已汇聚477万开发者、创建56万个人工智能模型，服务18万家企事业单位。
数实融合助力实体经济转型升级
目前，一大批人工智能相关企业正在不断成长。据统计，我国人工智能核心企业数量已超3000家，比2019年同期增加15%。领军龙头企业分布在无人机、语音识别、图像识别、智能机器人、智能汽车、可穿戴设备、虚拟现实等领域。
技术的发展带来了突破，人工智能正更多地服务于实体企业，越来越多传统实体企业也借助人工智能实现转型升级。
在本届大会上，中国商飞联合华为发布了工业级流体仿真大模型“东方·御风”。这是基于昇腾人工智能基础软硬件平台打造的面向大型客机翼型流场高效高精度人工智能仿真预测模型，有效提高了对复杂流动的仿真能力，将仿真时间缩短至原来的1/24，减少了风洞试验的次数。
虚拟原生、数字孪生和空间计算等，是人工智能领域的新生态。腾讯正与宝钢合作，开发应用实时云渲染、视觉动态捕捉、增强现实/虚拟现实交互等技术，为宝钢热轧部提供孪生工厂服务，最终的目标是建成一座全息3D裸眼效果的数字工厂。“我们从数实融合的角度来推动技术革新，助力产业升级和实体经济数字化转型。”腾讯集团副总裁、政企业务总裁李强说。
在张江科学会堂展区，多个与元宇宙相关的产品夺人眼球，数字人便是其中一个。人体通过360度扫描后，全部投射到屏幕上，极其逼真。“它有许多用处，可以成为网络世界的另一个自己而存在。”影眸科技首席执行官吴迪说。
9月1日，在2022世界人工智能大会产业发展全体会议上，中国信息通信研究院院长余晓晖介绍，2021年全球人工智能产业规模达3619亿美元，中国占4041亿元人民币。从投融资规模来看，2021年全球人工智能产业投融资金额为714.7亿美元，同比增长90.2%，中国为201.2亿美元，同比增长40.4%。
新趋势将带来新机遇和新突破
作为人工智能技术的新热点和新趋势，“多模态学习”是各方都在争抢的创新制高点。“多模态人工智能可以通过图像、声音和文件等多种数据做出高水平判断。大数据与多模态人工智能的结合，将推动人工智能技术产生巨大变革。”中国工程院院士、浙江大学教授潘云鹤说。
上海期智研究院院长、图灵奖得主姚期智认为，多模态人工智能在国际上也刚刚起步，我国应该争取先机参与竞争。例如，在自动驾驶领域，可采用以视觉为中心的自动驾驶方案，结合多模感知进行智能运算。
随着人工智能深入发展，算力变得愈发重要。“随着量子计算机的出现，我们或许有更好的方法来进行算法突破。”姚期智说，量子计算机可以使人工智能发挥更大的效能，同时人工智能也可以为量子物理带来重要的学术贡献。
近年来，人工智能技术快速迭代，为高质量发展带来了新机遇，但也面临一些应用领域的瓶颈。宁德时代首席制造官倪军表示，目前在一些工业应用场景里，因为数据量不足、训练数据失衡等问题，人工智能缺乏合适的训练数据样本，难以实现真正的智能制造。而且，工业制造中多工况、多工位的动态场景，导致工业人工智能预测模型开发难度大、时间长。倪军认为，需要大量复合型人才去深入了解剖析工业场景，解决构建工业人工智能模型的痛点。
此外，人工智能产业的健康发展离不开配套制度的健全与完善。百度董事长兼首席执行官李彦宏认为，自动驾驶是人工智能在交通领域的体现，但目前无人车的普及还面临入市、上牌、事故责任难以认定等方面的掣肘。我国自动驾驶技术处于世界前列，急需政策支持推动，实现人工智能和实体经济的融合发展。（记者谢卫群沈文敏黄晓慧）
人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。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，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基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（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能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、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪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低谷。
三是应用发展期：20世纪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，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪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：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，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年国际商业机器公司（简称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。以上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，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为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。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
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。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，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。例如，阿尔法狗（AlphaGo）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，人工智能系统诊断皮肤癌达到专业医生水平。
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。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。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”、有专才而无通才。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。
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，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，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。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；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%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。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。目前智能科技时代的信息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人工智能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。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在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产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、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已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《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。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“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年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。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。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量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，比如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、用户需要人工适配智能系统等，非常费时费力。因此，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。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。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人员成本。
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、天文学等传统科学的发展。
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10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，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
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5年人工智能将提升各行业运转效率。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。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。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2018》重点推动物联网建设和人工智能的应用。世界军事强国也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。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，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，制定完善人工智能法律法规，规避可能的风险。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。美国白宫多次组织人工智能领域法律法规问题的研讨会、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”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，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值得重视的问题。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。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《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。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，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。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北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已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。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，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明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能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。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
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。
当前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、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。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。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，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。
重视固本强基的原创研究。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。面临发展的临界点，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。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，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。
构建自主可控的创新生态。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。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要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。同时，我们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，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，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。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
第十二届吴文俊人工智能科学技术奖揭晓 60项成果榜上有名
5月6日上午，第十二届吴文俊人工智能科学技术奖颁奖典礼在北京举行，60个获奖项目及个人受到表彰奖励。西安交通大学原校长、中国工程院院士郑南宁荣获“吴文俊人工智能最高成就奖”,并颁授荣誉奖牌和奖金。英国皇家工程院院士、欧洲科学院院士、香港科技大学首席副校长郭毅可，北京智源人工智能研究院院长、北京大学计算机学院教授、多媒体信息处理全国重点实验室主任黄铁军和京东集团副总裁、京东探索研究院院长何晓冬斩获“吴文俊人工智能杰出贡献奖”。清华大学教授陶建华团队和百度CTO王海峰团队分别摘得首个吴文俊人工智能技术发明奖特等奖、吴文俊人工智能科技进步奖特等奖。
为统筹推进人工智能场景创新，着力解决人工智能重大应用和产业化问题，全面提升人工智能发展质量和水平。中国人工智能学会和科技部新一代人工智能发展研究中心联合主办的2023首届全国人工智能应用场景创新挑战赛掀开新篇章。本届大赛将于12月举办全国总决赛，围绕人工智能应用场景大赛的五大专题赛道、28项应用场景，共分为选拔赛、晋级赛和总决赛三级赛制，由网络选拔、重点推荐、行业晋级、路演比拼、科奖嘉年华等五个环节组成。大赛将通过主办博览会、媒体宣传、应用场景嘉年华等方式，对优胜项目进行现场展示、成果推介、投融资对接，促进与大企业场景合作，打造创新共赢的场景赋能生态圈。总决赛获奖项目将进入《全国人工智能应用场景优秀案例目录》，并向科技部优先推荐全国示范应用场景，作为国家新一代人工智能创新发展试验区评价参考。
据悉，“吴文俊人工智能科学技术奖”由中国人工智能学会发起主办，得到了人民科学家、数学大师、人工智能先驱、我国智能科学研究的开拓者和领军人、首届国家最高科学技术奖获得者、中国科学院院士、中国人工智能学会名誉理事长吴文俊先生的支持，经国家科学技术部核准，国家科学技术奖励工作办公室(国科奖社证字第0218号)公告，于2011年1月6日正式设立“吴文俊人工智能科学技术奖”，被外界誉为“中国智能科学技术最高奖”。
5月6日-8日，中国人工智能学会在北京和苏州同期举办“‘场景驱动・数智强国’―第十二届吴文俊人工智能科学技术奖颁奖典礼暨2022中国人工智能产业年会”。大会集闭门研讨、荣誉表彰、项目签约、高端论坛、产品展示、报告发布等主要板块于一体，聚焦数字经济时代下产业创新集群发展，是国内权威性高、规模较大、品牌力强、行业影响深远的年度人工智能标志性颁奖盛会。
第十二届吴文俊人工智能科学技术奖颁奖典礼暨2022中国人工智能产业年会组委会主任余有成表示，大会以“场景驱动・数智强国”为主题，采用“1+12+X”模式，包含中国人工智能产业年会主论坛报告、中国人工智能弱势分析座谈会吴文俊人工智能科学技术奖颁奖典礼科学之夜、中国人工智能产业年会专题分论坛等系列主题活动。来自清华大学、北京大学、中国科学院、中国科学技术大学、浙江大学、复旦大学、北京航空航天大学、同济大学、西安交通大学、上海交通大学、华南理工大学、华中科技大学、四川大学、电子科技大学、山东大学、国防科技大学、东南大学、河海大学、苏州大学等国内外知名高校院所的150余位权威学者和顶尖专家，以及百度、华为、京东、科大讯飞等行业领军人物和人工智能企业领袖集聚一堂，围绕智能无人交互系统，新一代AI在工业界的应用，视觉目标感知：现状与未来，多模态智能，智能大模型前沿及应用，海洋智能技术与装备，人工智能安全，人工智能大模型的伦理与治理，元宇宙与大模型技术，智慧能源技术应用，智慧城市与深度图像处理，智能交通与人工智能技术等优势领域及产业应用展开研讨。通过展望人工智能未来趋势，展示基础前沿理论成果，分享国家科技创新体系与战略科技任务，集聚领军科学资源，交流关键核心技术与传统产业融合，赋能行业应用场景落地，进一步释放我国人工智能科技创新潜能，探讨高校院所和企业科技成果产业化体系机制变革，营造数字经济时代产业创新生态，帮助政府部门、科研机构、商业企业、科技园区和市场投资提供方向指引与决策支持，为促进我国人工智能科技成果产业化搭建高水平交流合作平台。
即将过去的2023年，人工智能发展成啥样了｜有数
2022年，人工智能技术突飞猛进，更深入地介入人类生活。人类创造了AI，却并不那么了解它，欣喜又畏惧。AI是谁？经历了怎样的发展？对人类影响几何？澎湃·美数课与湃客·有数联合推出《AI来的那一夜》，去记录AI当下的发展、探寻人们对AI好奇的问题。
本文为系列第二篇。
【专题】AI来的那一夜
AI极简史：文字如何生出万物？
本文为“有数”栏目独家稿件，由照路明x有数联合出品，转载请注明作者名、“照路明”以及“发自澎湃新闻湃客频道”。
2022年终于要结束了。这一年发生了许多事。人工智能（AI）技术的突飞猛进是其中一件。
或者说，这一年，人工智能的发展更被人们所熟知了。你应该已经听闻，人工智能正在帮我们做很多事。例如，陪我们聊天，帮我们画画，写一些陈词滥调的稿件，或者悄悄融入数字生活，让各项算法成为社会运转的基础设施。这篇文章想带你了解，人工智能的科学研究走到了哪一步，我们将如何审视它。
|今年，哪些人工智能进展让人印象深刻？
2022年出现了不少令人兴奋的人工智能研究成果。2月，谷歌（Google）旗下的DeepMind公司推出了AlphaCode，这是一款大规模生成编程代码的系统。在编程竞赛平台Codeforces上，研究人员让AlphaCode完成了10项代码编程挑战。结果显示，它的总体排名位于前54%。也就是说，它的编程工作击败了46%的人类“码农”。
用AI替代开发AI的劳动，这是研究者一直想做的事，尽管效果总是有待商榷。5月，DeepMind公司又推出了“通用人工智能模型”Gato，声称它可以完成人机聊天、玩游戏、机器人操纵、分析蛋白质序列等多场景的任务，而不限于单一工作。
通用人工智能模型是人工智能开发的重点方向，是指能够在不同任务或领域中通用的人工智能模型。这种模型可以被训练来执行多种任务，而不是专门为某一种任务而设计。
换句话说，人们希望它具有解决现实世界复杂问题的综合能力。完成这一挑战自然不容易，Gato的出现也未能平息质疑的声音。不过，在某一特定技能的表现上，今年的一些人工智能模型已经取得了令人惊讶的成效。
例如，今年大火的AI绘画领域，由StableDiffusion和同期出现的DALL-E2、Midjourney等深度学习模型带火。
你或许已经体验过输入几句文字描述就可以生成一幅对应图像的神奇效果。重点在于，生成的图像看起来还不错。例如，下方这些如同摄影作品的人物肖像画，就是由StableDiffusion生成的。这些生成式AI将人们对于人工智能只能完成一些重复性劳动的印象，转向了艺术创作领域。
从“文字生成图片”到“文字生成视频”（Text-to-Video，T2V），Meta公司（原Facebook）9月推出的人工智能工具Make-A-Video也引发过热议。同样是输入描述文本，Make-A-Video直接生成了一个短视频，这意味着拍摄、建模、剪辑等工作流程可以全部跳过。例如，“手握遥控器的猫”，这是他们提供的生成结果：
你会发现两个特点：首先，视频的清晰度不算高。其次，持续长度较短。将连续生成的原创图像串联为动态画面，这是今年的人工智能工具尝试在视觉领域完成的事，但成长空间还很大。
与此同时，在传统的文本领域，突出的技术进展已经出现。
此前，聊天机器人给你的体验总是驴唇不对马嘴，或者只能理解一些简单的文本描述。而今年11月底，OpenAI公司提供的ChatGPT，能力就要高上许多。它“学识渊博”，面对人类提出的各种刁难问题，可以从容不迫地给出回答。
人们还惊讶地发现，吸收了大量人类社会知识的ChatGPT，可以在修改代码、写文章等方面发挥作用——这些自动生成的文本，不乏陈词滥调的观点，但组织得颇有条理，难辨真假。比如，你很难察觉，前文关于“通用人工智能模型”定义的那段话，就是ChatGPT自己写的。
|近五年，人工智能研究实现高速发展
人工智能，来势汹汹。无论哪种模型，一个共同的目标是让它们的工作结果接近人类，直到超越人类的准确性、创造性与效率。
人工智能的科研工作在半个世纪里存在，但在最近五年实现了高速发展。2017年，人工智能研究在当年所有科研文献占据了3.06%的比重。截至2022年9月，这一数据来到了当年的5.69%，这成为AI应用成果涌现的根本动力。
中国保持着人工智能科研成果数量的优势。2021年，中国以31%的全球人工智能科研文献占比，领先于美国、欧盟与英国。
与此同时，从2010年到2021年，美国和中国在人工智能研究上的跨国合作数量最多，自2010年以来增加了5倍。2021年的中美合作出版物数量，是中英合作产出的2.7倍。
除了人工智能学科本身的科研文献激增，AIforScience（面向所有科学的人工智能）的呼吁正在被各学科接纳。根据澳大利亚联邦科学与工业研究组织（CSIRO）的报告，如今的人工智能在98%的研究领域得到采用。计算机科学以外，数学、决策学、工程、神经科学等领域基于人工智能的研究成果颇多。
所以你会注意到，“计算+学科”成为学科范式转型的普遍方向之一：利用DeepMind团队提供的人工智能模型，纯数学理论学家正在证明或提出新的数学定理；2020年，DeepMind推出的AlphaFold2工具，实现了对人类大部分蛋白质结构的精准预测，其团队被推举为诺贝尔化学奖的有力竞争人选。
科研发现的速度加速，有机器学习（MachineLearning）方向的助推。过去十年，机器学习的科研文献数量激增，并成为一个中心技术概念，作用到计算机视觉、算法、数据挖掘等关系紧密的方向研究中。
机器学习的目标是让计算机从训练数据中学习特征，并在未知数据中执行分析与预测任务，比如识别图像中的物体或者预测未来股票价格。
深度学习（DeepLearning）是机器学习中的一种方法，它使用了大量的神经元（或称为节点）构成的多层网络来学习特征表示和预测结果。这种方法通常用于解决较为复杂的问题，比如自然语言处理、计算机视觉和语音识别等。
前文提到的人工智能进展，几乎都需要深度学习方法的引入。例如，对话能力惊人的ChatGTP，是由OpenAI公司的GPT-3模型变体而成。而初代的GPT-3模型，有3000亿单词的语料训练和1750亿参数。StableDiffusion训练所使用的LAION-5B数据库，包括了58.5亿张图片素材。这些指数级增长的训练数据，让它们的能力有了质的飞跃。
相应地，训练的时间与财务成本在下降。根据斯坦福大学的《2022年AI指数报告》（2022AIIndexReport），2018年以来，图像分类系统的训练时间缩短了94.4%。2021年，训练一个高性能的图像分类系统成本只需要4.6美元，同比2017年预计的1112.6美元，下降至1/223。
作为结果，人工智能的语言和图像识别能力迅速提高。近两年，人工智能在阅读、声音、图像等基准上的表现已接近或超过人类水平。所以你很容易体验到，在短视频拍摄中使用搞怪的脸部特效、将开会录音迅速转化为文字记录。而在10年前，还没有机器能够在人类水平基准上提供可靠的语言与图像识别。
|与人工智能相处：成为敌人还是朋友？
科学幻想中的人工智能应用，应该有不少将步入现实。正如电影《她》（Her）当中，男主人公爱上了一位叫做“萨曼莎”的姑娘——一项人工智能系统中的虚拟人物。我们终究要与人工智能相处，而这些人工智能系统在各项社会线索上都愈发趋近于人类。人们可能会爱上它，讨厌它，抵制它，百感交集。
在今年10月，我采访了1500位中国大学生，来看看他们的看法。
具体来说，大学生们被鼓励用隐喻的形式提供对于人工智能的第一感受，然后用一段话来解释为什么会想到这种隐喻。隐喻的价值在于可以窥探人们与人工智能相处时的情感与权力关系：在人们眼中，人工智能是敌是友？是关系疏远还是亲密无间？
调研的结果是乐观的。绝大多数人表达了对人工智能的正面态度，最常被使用的隐喻是“助手”，即认可人工智能对生活的辅助作用。也有一些人认为它是地位平等的“朋友”，或者视它的地位高于人类，是“超人”“孙悟空”“哆啦A梦”，或者是维持生命必不可少的“水”和“空气”。
当然，有部分受访者表达了对人工智能持有矛盾或负面态度。例如，反对者认为人工智能不过是“傀儡”“木偶”与“定时炸弹”——利好之处是假象，大的危机酝酿其中。也有一部分人保持中立。接纳人工智能的同时，指出它当前的缺陷与不良的社会效应，比如不够聪明，以及内容造假、隐私侵犯、偏见等伦理问题，并相信需要改善使用它的方式，来促进社会福祉。
在很长一段时间内，对伦理的考量都将影响人工智能的发展。例如，在ChatGPT发布之前，谷歌研发的对话式人工智能系统LaMDA却一直未向公众发布。今年3月，谷歌研究人员Lemoine认为LaMDA已具有“自主情感”。他通过一段内部的对话实录表明LaMDA如何向人类表明它的主观感受。至少，它说服了Lemoine。
谷歌研究人员Lemoine提供的报告《LaMDA具有情感吗？》（IsLaMDasentient?）中的对话节选。编译：知乎用户@方觉闲
Lemoine的主张遭到了谷歌当局与多数学者的批评，他们相信LaMDA依然建立在大规模参数的神经语言模型下，是人类训练指导出的对话结果，而非LaMDA具有自主意识的证据。
但这一案例向我们表明，无论人工智能是否真的有意识，它的对话能力已足够说服人类，从而可能回答计算机学家图灵提出的“机器能思考吗？”（Canmachinesthink？）这一关键问题，并进一步带来担忧的声音。
轻舟已过万重山。如何让人工智能促进社会福祉，将是一个收益伴随风险的长久问题。投资者希望用人工智能讲出新故事，普通人的需求是这些人工智能是否有用于我们的生活，而不会反过来摧毁一切。回到最朴实无华的展望上，人们想知道，人工智能叙事下的世界，会变得更好吗？这是一切新年愿望的母题。
让我们看看ChatGPT的回答。
“嗨，ChatGPT，未来的世界会更好吗？”
ChatGPT是这么说的：
“这个问题很难回答。我们都希望世界会变得更好，但是未来会如何发展是不确定的。目前，世界正面临着许多挑战，比如病毒和冲突。希望人类能够克服这些挑战，使世界变得更美好。”
参考资料：
[1]Li,Y.,Choi,D.,Chung,J.,Kushman,N.,Schrittwieser,J.,Leblond,R.,...&Vinyals,O.(2022).Competition-levelcodegenerationwithalphacode.Science,378(6624),1092-1097.
[2]Reed,S.,Zolna,K.,Parisotto,E.,Colmenarejo,S.G.,Novikov,A.,Barth-Maron,G.,...&deFreitas,N.(2022).Ageneralistagent.arXivpreprintarXiv:2205.06175.
[3]Rombach,R.,Blattmann,A.,Lorenz,D.,Esser,P.,&Ommer,B.(2022).High-resolutionimagesynthesiswithlatentdiffusionmodels.InProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(pp.10684-10695).
[4]Singer,U.,Polyak,A.,Hayes,T.,Yin,X.,An,J.,Zhang,S.,...&Taigman,Y.(2022).Make-a-video:Text-to-videogenerationwithouttext-videodata.arXivpreprintarXiv:2209.14792.
[5]Zhang,Y.,Sun,S.,Galley,M.,Chen,Y.C.,Brockett,C.,Gao,X.,...&Dolan,B.(2019).Dialogpt:Large-scalegenerativepre-trainingforconversationalresponsegeneration.arXivpreprintarXiv:1911.00536.
[6]Clark,J.,&Perrault,R.(2022).AIindexreport2022.Technicalreport,StanfordUniversity.https://aiindex.stanford.edu/wp-content/uploads/2022/06/2022-AI-Index-Report_Chinese-Edition.pdf
[7]Davies,A.,Veličković,P.,Buesing,L.,Blackwell,S.,Zheng,D.,Tomašev,N.,...&Kohli,P.(2021).AdvancingmathematicsbyguidinghumanintuitionwithAI.Nature,600(7887),70-74.
[8]Jumper,J.,Evans,R.,Pritzel,A.,Green,T.,Figurnov,M.,Ronneberger,O.,...&Hassabis,D.(2021).HighlyaccurateproteinstructurepredictionwithAlphaFold.Nature,596(7873),583-589.
[9]Kiela,D.,Bartolo,M.,Nie,Y.,Kaushik,D.,Geiger,A.,Wu,Z.,...&Williams,A.(2021).Dynabench:RethinkingbenchmarkinginNLP.arXivpreprintarXiv:2104.14337.
[10]Stone,P.,Brooks,R.,Brynjolfsson,E.,Calo,R.,Etzioni,O.,Hager,G.,...&Teller,A.(2022).Artificialintelligenceandlifein2030:theonehundredyearstudyonartificialintelligence.arXivpreprintarXiv:2211.06318.
[11]CSIRO.(2022).ArtificialIntelligenceforSciencereport,CommonwealthScientificandIndustrialResearchOrganisation.https://www.csiro.au/en/research/technology-space/ai/artificial-intelligence-for-science-report
[12]AndrewNg.(2022).TopAIStoriesof2022,DeepLearning.AI.https://www.deeplearning.ai/the-batch/issue-176/
[13]Floridi,L.,&Chiriatti,M.(2020).GPT-3:Itsnature,scope,limits,andconsequences.MindsandMachines,30(4),681-694.
[14]Lemoine,B.(2022).IsLaMDASentient?—anInterview.Medium.Fechadepublicación,11-06.