2023年人工智能领域发展七大趋势
2022年人工智能领域发展七大趋势
有望在网络安全和智能驾驶等领域“大显身手”
人工智能已成为人类有史以来最具革命性的技术之一。“人工智能是我们作为人类正在研究的最重要的技术之一。它对人类文明的影响将比火或电更深刻”。2020年1月，谷歌公司首席执行官桑达尔·皮查伊在瑞士达沃斯世界经济论坛上接受采访时如是说。
美国《福布斯》网站在近日的报道中指出，尽管目前很难想象机器自主决策所产生的影响，但可以肯定的是，当时光的车轮到达2022年时，人工智能领域新的突破和发展将继续拓宽我们的想象边界，其将在7大领域“大显身手”。
增强人类的劳动技能
人们一直担心机器或机器人将取代人工，甚至可能使某些工种变得多余。但人们也将越来越多地发现，人类可借助机器来提升自身技能。
比如，营销部门已习惯使用工具来帮助确定哪些潜在客户更值得关注；在工程领域，人工智能工具通过提供维护预测，让人们提前知道机器何时需要维修；法律等知识型行业将越来越多地使用人工智能工具，帮助人们对不断增长的可用数据中进行分类，以找到完成特定任务所需的信息。
总而言之，在几乎每个职业领域，各种智能工具和服务正在涌现，以帮助人们更有效地完成工作。2022年人工智能与人们日常生活的联系将会变得更加紧密。
更大更好的语言建模
语言建模允许机器以人类理解的语言与人类互动，甚至可将人类自然语言转化为可运行的程序及计算机代码。
2020年中，人工智能公司OpenAI发布了第三代语言预测模型GPT—3，这是科学家们迄今创建的最先进也是最大的语言模型，由大约1750亿个“参数”组成，这些“参数”是机器用来处理语言的变量和数据点。
众所周知，OpenAI正在开发一个更强大的继任者GPT—4。尽管细节尚未得到证实，但一些人估计，它可能包含多达100万亿个参数（与人脑的突触一样多）。从理论上讲，它离创造语言以及进行人类无法区分的对话更近了一大步。而且，它在创建计算机代码方面也会变得更好。
网络安全领域的人工智能
今年1月，世界经济论坛发布《2021年全球风险格局报告》，认为网络安全风险是全世界今后将面临的一项重大风险。
随着机器越来越多地占据人们的生活，黑客和网络犯罪不可避免地成为一个更大的问题，这正是人工智能可“大展拳脚”的地方。
人工智能正在改变网络安全的游戏规则。通过分析网络流量、识别恶意应用，智能算法将在保护人类免受网络安全威胁方面发挥越来越大的作用。2022年，人工智能的最重要应用可能会出现在这一领域。人工智能或能通过从数百万份研究报告、博客和新闻报道中分析整理出威胁情报，即时洞察信息，从而大幅加快响应速度。
人工智能与元宇宙
元宇宙是一个虚拟世界，就像互联网一样，重点在于实现沉浸式体验，自从马克·扎克伯格将脸书改名为“Meta”（元宇宙的英文前缀）以来，元宇宙话题更为火热。
人工智能无疑将是元宇宙的关键。人工智能将有助于创造在线环境，让人们在元宇宙中体会宾至如归的感觉，培养他们的创作冲动。人们或许很快就会习惯与人工智能生物共享元宇宙环境，比如想要放松时，就可与人工智能打网球或玩国际象棋游戏。
低代码和无代码人工智能
2020年，低代码/无代码人工智能工具异军突起并风靡全球，从构建应用程序到面向企业的垂直人工智能解决方案等应用不一而足。这股新鲜势力有望在2022年持续发力。数据显示，低代码/无代码工具将成为科技巨头们的下一个战斗前线，这是一个总值达132亿美元的市场，预计到2025年其总值将进一步提升至455亿美元。
美国亚马逊公司2020年6月发布的Honeycode平台就是最好的证明，该平台是一种类似于电子表格界面的无代码开发环境，被称为产品经理们的“福音”。
自动驾驶交通工具
数据显示，每年有130万人死于交通事故，其中90%是人为失误造成的。人工智能将成为自动驾驶汽车、船舶和飞机的“大脑”，正在改变这些行业。
特斯拉公司表示，到2022年，其生产的汽车将拥有完全的自动驾驶能力。谷歌、苹果、通用和福特等公司也有可能在2022年宣布在自动驾驶领域的重大飞跃。
此外，由非营利的海洋研究组织ProMare及IBM共同打造的“五月花”号自动驾驶船舶（MAS）已于2020年正式起航。IBM表示，人工智能船长让MAS具备侦测、思考与决策的能力，能够扫描地平线以发觉潜在危险，并根据各种即时数据来变更路线。2022年，自动驾驶船舶技术也将更上一层楼。
创造性人工智能
在GPT—4谷歌“大脑”等新模型的加持下，人们可以期待人工智能提供更加精致、看似“自然”的创意输出。谷歌“大脑”是GoogleX实验室的一个主要研究项目，是谷歌在人工智能领域开发出的一款模拟人脑具备自我学习功能的软件。
2022年，这些创意性输出通常不是为了展示人工智能的潜力，而是为了应用于日常创作任务，如为文章和时事通讯撰写标题、设计徽标和信息图表等。创造力通常被视为一种非常人性化的技能，但人们将越来越多地看到这些能力出现在机器上。（记者刘霞）
【纠错】【责任编辑:吴咏玲】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。
科学新闻
新一代人工智能新趋势
社会发展史上，人类经历了农业革命、工业革命，当前正在经历信息革命。智能化是信息革命的一个新阶段，信息革命从数字化开始发动，网络化将其提升到了非常重要的阶段，现在人类社会进入了智能化阶段。
人工智能是依托人工设计的装置，为了完成人工规定的任务，通过人工设计的算法和由人工（直接或间接）提供的数据，经学习形成自主的感知、认知和决策能力。人工智能是渗透力很强的通用技术，是引领新一轮科技产业变革的战略性技术，具有溢出带动性很强的“头雁效应”。
近年来，有关人工智能的研究不断增长。WoS统计数据表明，2018~2020年，人工智能算法研究论文数量持续增长，从13万增长到17万多篇，应用领域也逐年扩大。
新一代人工智能技术是在克服现存瓶颈中开辟新道路的。当前人工智能发展的瓶颈，包括数据可获得性和质量问题、模型可移植性问题、能效和能耗问题、语义鸿沟问题、算法可解释性问题、可靠性问题等等。
数据的可获得性和质量是新一代人工智能面临的第一个大问题。大量数据的获得并不那么容易，一般的企业没有能力获得这么大量的数据，也花不起如此之高的成本去做大量标注，而且还需要投入大量的算力。
其次是能耗瓶颈。2020年5月，人工智能非营利组织OpenAI发布了预训练语言模型GPT-3，其具有1750亿参数，在许多自然语言处理数据集上均具有出色的表现，包括翻译、问答和文本填空任务，还包括一些需要即时推理或领域适应的任务等，可以说其在很多实际任务上已大幅接近人类水平。开源预训练模型大大降低了企业开发的门槛，但这种神经网络模型所需的数据、算力和能耗非常大，GPT-3训练所用的数据量达到45TB，训练费用更是超过1200万美元。
值得关注的是，近年来AI加速器的需求快速增长，发展异常活跃，一批新生力量强势崛起。一方面是通过将现有算法嵌入芯片，提高速度、降低能耗；另一面，也出现了一些高效的新算法。
比如，来自麻省理工学院、维也纳工业大学等机构的团队，仅用19个类脑神经元就实现了控制自动驾驶汽车，使其能够模仿学习，具有扩展到仓库用自动化机器人等应用场景的潜力，而常规的深度神经网络则需要数百万神经元。这种类脑小参数模型的能耗也大为降低。这一研究成果发表在2020年10月《自然•机器智能》上。
2020年8月，《自然》封面报道了清华大学的研究成果——“类脑计算与机器学习结合的芯片问世”，成为全球关注的重大新进展。
2020年10月，《自然》发表清华大学张悠慧等提出的“类脑计算完备性”概念以及软硬件去耦合的类脑计算系统层次结构。《自然》评论认为：“‘完备性’新概念推动了类脑计算”，对于类脑系统存在的软硬件紧耦合问题而言，这是“一个突破性方案”。
2020年12月，北京大学杨玉超团队提出并实现了一种基于相变存储器（PCM）电导随机性的神经网络高速训练系统，可有效缓解人工神经网络训练过程中时间、能量开销巨大并难以在片上实现的问题，为人工神经网络在终端平台上的应用以及片上训练的实现提供了新的方向。
无论是从算法、理论、硬件还是基础器件，都可以看到新一代人工智能技术的新趋势：强功能、高效率、新体系。
人工智能产业发展
中国新一代人工智能发展战略研究院选择以人工智能解决方案为主业的企业进行研究，经过持续三年的观察发现，智能科技产业是企业、大学、科研院所、投资者、链接者（会议、联盟）和政府六类主体通过资金、技术和人才关系相互作用的复杂适应系统。
我们从2205家企业入手，发现他们联系到200多家大学、100多个研究所，参加了1000多个会议，涉及到400多个联盟、3741家投资者以及500多条地级以上政府的政策、1000多个地级以上政府产业园，连成一个密密麻麻的图，我们称之为“价值网络图”。这个图虽然看上去一团乱麻，实质上反映出人工智能产业紧密连接的形态特征。
我们进一步观察到，2018年连接度最高的是BAT三个平台，2020年华为的连接度上升到第一位。我们还发现，一批汽车制造企业由于融入了智能技术，已经成为智能产业的重要力量。总体上来看，人工智能和实体经济的结合越来越紧密，融合产业部门正在成为智能产业发展的主导力量，智能机器人成为人工智能与实体经济的重要结合点。
在中国这样的人口大国，为什么要发展机器人？我认为，机器人不是要一般性地代替人的工作，而是要去做不适宜人做或人们不愿意做的工作。在工业化早期，正如卓别林在电影《摩登时代》中表现的那样，工人每天做着紧张乏味的机械式劳动，这种机械式劳动把人变成机器。于是，人们强烈希望用某种机器来代替这种机械劳动，代替人完成那些枯燥、单调、危险的工作，于是机器人应运而生。没有机器人，工业化把人变为机器；有了机器人，人仍然是工业化的主人。
我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”
机器人存在安全之忧、能力之忧、成本之忧、失业之忧、灭种之忧这五个“发展之忧”。要想解决这些问题，机器人需要上网，通过大数据和人工智能结合，为机器人增能提智；同时，还要为机器人立心立德，把伦理植入系统，做到可检测、可检验。
新一代人工智能与新一代机器人融合趋势下，信息技术与制造技术深度融合的数字化、网络化、智能化制造是主线，这体现在以机器人为载体、以工业互联网为基础，推动新一代人工智能和实体经济深度融合。
新一代人工智能和机器人共融发展
“与人共融”是新一代机器人面临的共性挑战。目前机器人在智力和行为能力上与人是不可比拟的。要做到与人共融，机器本体的行为能力仍需加强，要更加敏捷，同时智能技术和智能水平也应增强，使其在智力和行为能力上与人的水平相匹配，这样才能实现与人协同。
工业机器人要融入“有人的生产线”，与工人互助合作完成任务；服务机器人要融入普通人（老人、残疾人、家庭主妇等等）的家庭生活；特种机器人则要更多提高自主智能，降低对人的遥操作的依赖。
传统人工智能技术主要在非行为空间、确定性约束或规则下进行推理决策，如问题求解、定理证明、模式识别、专家系统、人机博弈等等；而机器人所需的智能是在行为空间。因此，具有约束条件的非预知性、动态性、操作/合作对象的随机性以及行为决策所必须的实时、鲁棒性，都对人工智能提出了技术挑战。
机器人的智能是在与工作环境、合作对象、作业目标的不断交互过程中，通过自主学习而形成的“发育智能”，而非基于完备规则下的“计算智能”。因此，要把握机器人智能发育理论、方法与发展趋势；利用机器学习、人工智能与脑科学的研究成果，研究基于模仿学习、自主学习的机器人知识、技能获取与增长机制及实现方法；面向自主作业和自主移动，研究机器人智能发育的软硬件实现方法。
机器人的智能发育，是指机器人利用其自身所具备的感知能力，在其与环境以及操作者的实时动态交互过程中，增量式、渐进地提升自身自主行为能力的过程。与传统的机器学习方法相比，智能发育需要具有以下特点使之更适合于机器人的智能获取与提升：一是具有类人的、无需大样本的学习模式；二是能够适应动态、不确定环境和非特定使命；三是具备长期、增量式的经验积累能力；四是可以融合人的智能，实现二者的高效协同，让人工智能和机器人相向而行，共同支撑智能制造，实现人工智能和实体经济的深度融合。■
（作者系世界工程组织联合会主席、中国电子学会副理事长，记者高雅丽整理）
人工智能助力中医药开启现代化发展新篇章
化验员对中药物料进行检测。新华社记者王松摄【编者按】中医药学是中国古代科学的瑰宝。传承创新发展中医药是新时代中国特色社会主义事业的重要内容。近年来，随着“大数据”“人工智能”等新技术嵌入中医药诊疗与服务等多个环节，“人工智能+中医药”的产业赛道逐渐升温，相关应用场景相继出现。《经济参考报》从即日起推出“中医数智化”系列报道，以飨读者。
历经探索与沉淀，中医药凝聚数千年民族智慧。近年来，中医药在预防、保健、康复等方面的特色优势得到进一步彰显，大众对中医药“治未病”“未病先防”等方面的关注持续升温。与此同时，现代信息技术的不断突破，推动中医技术与方法的革新，中医药已今非昔比，加上了“大数据”“人工智能”等新技术的中医药，正在迈入发展的新阶段。 “+AI”从传统中医药迈向智慧中医药 随着养生保健观念深入人心，“未病先防，既病防变，愈后防复”的中医之道，与现代人进行日常健康管理的需求不谋而合。然而，基于其属性特点，中医要想适应新时代健康需求，再度焕发出新的活力，如若仍旧遵循传统发展模式，不可避免地会面临不小的问题和挑战。 在浩如烟海的中医药典籍中，不乏艰涩难懂之著作，仅靠人力，无法完整、高效地学习，而且不同流派间存在一定壁垒，学术方面的交流与碰撞因此被削弱，诸多成果和经验很难进行有效迁移与转化，亟须一股作用力将精华融会、将派系打通。 此外，传统中医临床诊断以系统论和整体观为根基，经由“望、闻、问、切”四诊合参，辨证论治，重点依靠医生个人知识经验积累，诊断过程发挥主观性较强，诊断结果可能受到局限，精准性在一定程度上也容易有所欠缺。手段、体系、人才、资源等多方面的难题，都是制约中医药创新发展的症结。 早在20世纪70年代，专家学者就作出了将人工智能技术引入中医的初次尝试，获得成果较为有限。经过层层迭代、升级、创新，新一代人工智能技术在存储、推理、计算等方面的能力都渐趋成熟。2017年7月，国务院印发的《新一代人工智能产业发展规划》中提出，围绕医疗加快人工智能创新应用。运用AI等现代化信息技术助推智慧中医药建设也被不断写入国家纲领性文件。 复旦大学复杂体系多尺度研究院院长马剑鹏表示，人工智能在中医药领域有着广阔的应用发展前景。凭借AI在数据挖掘与采集、数据处理与分析、深度学习等方面的卓越能力，有助于实现海量古籍文献和临床诊治经验的结构化、科学化表达，帮助中医诊疗建立客观化标准与评价体系，弥补中医药高质量人才短缺与资源不均，拓宽中医药互联网应用场景，更好地传承并发展中医药文化。 由此可见，通过人工智能与中医药的深入结合，“中医药+AI”无疑是未来提高中医药群众普惠度，推动中医药事业发展的密钥。 AI赋予当代中医诊疗和服务多重智慧内涵 医疗大数据的积累以及多样化先进技术的发展，推动中医诊疗方式不断向数字化、信息化、智能化迈进，为中医药的传承与革新创造了巨大空间。硬件设施、平台搭建、系统管理……当下，AI已经成功嵌入中医诊疗与服务过程的多个环节。 马剑鹏认为，数字化中医智能诊断设备能够帮助实现中医智慧问诊。不论是病前诊断，还是病后治疗，人工智能都能有所作为。在日常化的健康管理中，利用设备收集人体基本信息，智能化评估健康状态，为使用者在未病时提供个性化的养生攻略。中医药智能诊疗系统与临床医生的相互配合，有助于中医辨证体系与人工智能技术“强强联合”。 中医智能镜就是数字化问诊的典例之一。该设备利用人工智能图像识别技术，提取面部特征参数，运用深度学习等方法进行精准化、定量化分析，建立健康状态模型。据了解，上海市以蒋家桥社区卫生服务站为代表的诸多基层中医服务点内，就配备有四诊仪、功法镜等智能设备，推动中医药资源下沉，真正便民惠民。 智慧中医医院建设也是提升中医药基层服务能力的主要抓手。公共卫生信息、健康档案和电子病历互联互通，极大扩充了信息库。借助高效的人机对话，群众足不出户就能进行病症自查，后台健康大数据的收集和更新，也便利了病后复查与跟踪随访。 2020年4月，上海中医药大学附属龙华医院互联网医院正式开通，这是上海首家互联网中医医院。此后，各大中医类医疗卫生机构相继开放智慧平台，设立智慧就医通道，致力于提升基层中医药诊疗服务质量，不断加强中医药服务能力。 智慧共享中药房整合线下线上资源，以集约化的思维，综合依托区块链、人工智能、物联网、大数据等技术，改革中药药事服务。建立覆盖中药仓储、调剂、煎煮、包装、配发等全流程的信息追溯系统后，根据中药材样本，AI进行数据识别分析和比对，能够有效甄别中药材真伪、溯源产地、预测品质等，取代过往眼看、鼻闻、手摸、嘴尝的传统鉴别方式。目前患者可在网上自助查询代煎药加工制作信息。 考验与机会并存 “中医药+AI”如何更好地面向未来 以中医药传统理论为根基，以诊疗实践案例为循证，以人工智能等技术为支撑，三者有机结合，赋能中医药传承创新发展。 “中医药+AI”不能止步于简单的要素叠加或范式挪用。马剑鹏认为，只有在透彻理解中医药基本特点的前提下，找到现代科技与传统文化的契合点，加强技术的适应性转化与利用，才能让人工智能“为我所用”。 马剑鹏介绍，近期爆火的ChatGPT就中医药进行对话会发现，这款新兴的人工智能程序在虽然在中医药客观基础知识方面对答如流，但在临床诊断方面还存在着很大的不足，而且也容易产生医学伦理问题，未来还有很长的路要走。 层出不穷的新技术创造出新的生产力，带来新的生产工具的同时，也引发思考甚至担忧。它们将会为中医药发展带来怎样的机遇或威胁，还是一个未知数。 既要应对外部变化的压力，又要面对内部升级的需求，建设新型中医药体系任重道远。要把握中医药的不可替代性，在技术发展的各个阶段寻求平衡点与最优解。业内专家认为，未来推动中医药和人工智能协同发展，加强顶层规划是必要也是首要条件。“中医+AI”涉及中医学、计算机、数学等多学科知识，中医类高校也应积极培养复合型中医药人才，为中医药事业输送力量。 加快中医药与人工智能技术深度融合，更进一步揭示中医药奥秘，不断提升中医药维护健康的能力，最终落脚点是为群众谋福祉。（记者赵逸赫实习生朱锦怡）区块链与人工智能的深度融合
文/清华大学互联网产业研究院 王耀羚
中共中央政治局10月24日下午就区块链技术发展现状和趋势进行第十八次集体学习，习近平总书记在主持学习时强调，区块链技术的集成应用在新的技术革新和产业变革中起着重要的作用。
10月28日，中国金融四十人论坛（CF40）学术顾问、中国国际经济交流中心副理事长黄奇帆在首届外滩金融峰会全体大会上表示，数字化主要包含大数据、云计算、人工智能以及区块链技术，而数字化之所以能够颠覆传统，就在于它所拥有的五全基因：全空域、全流程、全场景、全解析和全价值。
人工智能技术在当前应用广泛，但它并不孤立存在，同时也存在一些隐患。它与大学、研究所和企业研究机构正在研究的其他前沿技术密切相关，而区块链可以在许多方面对人工智能起到增强的作用。
区块链对人工智能的三大助力
计算能力、数据和算法是人工智能中机器学习的模型训练三要素，然而，在人工智能快速发展的背后，存在着信息不透明、计算能力不足、难以结合相关行业的缺陷。现在，区块链的进步可以解决人工智能的这三种问题。
区块链为人工智能提供安全数据:区块链加密现实生活中的重要数据，可以防止数据随意被篡改，还可以为现有的计算机编程和系统提供更多的安全保障，因此具有高冗余性。这样，它上面的每个节点都可以按照链式结构存储完整的数据，就没有丢失数据的风险，保证了数据的准确性，数据的所有权也可以确定。通过智能合同，数据的提供者和用户可以相互隔离，实现隐私保护，从而保护数据的隐私和安全性。
区块链解决人工智能的计算能力问题:今天的人工智能企业硬件投入很大，因为人工智能对计算的需求很大，GPU等各种人工智能芯片的更新速度非常快，这对所有人工智能企业来说都是一个巨大的成本。区块链中的分布式计算可以解决目前人工智能当中存在的这个计算能力的问题，因为网络上的每个人都可以访问数据，多个计算机可以同时对数据进行计算，从这个方面来说区块链大大降低了人工智能企业的成本。因此，现有的数据寡头垄断即将结束，数据开放和自由的时代即将到来。
区块链帮助人工智能与产业结合：人工智能虽然已经发展了很多年，但是目前主要的实践领域还是生物的身份识别、图像识别和可以投入应用的机器学习算法的研究。然而，区块链的加入，就有机会来拓展人工智能实践和应用的广度和深度。下面引用一些场景来说明区块链是如何在人工智能领域释放能量的。
智能金融——在金融领域使用人工智能技术的同时，对数据的需求量很大，对数据安全的需求也很大，如果人工智能+金融与区块链技术相结合，就可以为人工智能与金融产业的结合提供更安全的数据保障；
智能版权——智能版权目前应用人工智能的方式，还主要是利用人工智能当中的机器学习、深度学习来理解知识产权的相关规则，然后识别侵犯版权的侵权者，从而维护作者的权益。在此基础上，如果将区块链融入到智能版权当中去，还可以为艺术家和创作者提供即时支付的功能；
智能医疗——区块链系统上的数据不能篡改，可以随时记录医疗健康大数据，并有加密技术来充分保护患者隐私。因此，区块链+人工智能+医疗系统可以提供稳定、可操作的病历和药物治疗证明，为患者建立区块链档案，方便医生诊断和治疗；
智能交通——实现智能交通需要大量的实时交通数据，包括路况摄像头数据、路况传感器数据、实时区域交通数据等，这些数据又必须是高质量的才可用。流量数据收集任务可以通过区块链平台向不同的服务提供商开放，某些激励措施还可以使服务提供商在数据共享方面有利可图，也因此确保了数据的质量。
区块链在人工智能应用中面临的风险
目前，大多数区块链被用于人工智能相关的项目，仍处于概念验证阶段或早期应用阶段，面临着政策风险、技术风险、大规模应用的风险和难以控制的风险。
区块链目前的政策风险是由它自身提供的去中心化的环境造成的。区块链技术最创新的地方，是它的最大优势也是最大风险点，那就是去中心化。如果人工智能是在去中心化的环境中发展的，缺乏监管也许会导致犯罪的滋生，这是目前可能会存在政策风险，也是政策还不能完全放开的一个重要原因。
在技术风险方面，区块链是一个新兴的技术，然而即使人工智能已经发展了很长一段时间，但它也没有达到完全成熟的阶段。因此，真正将两者结合起来再去实现落地还需要沉淀，存在着不确定性。
数据共享在给中小企业带来便利的同时，却威胁着大型企业的利益，也给社交应用带来挑战。由于数据共享，任何人都可以访问这些数据集和计算这些数据集，这些数据集可能本身是大企业利用自身优势可以得到的，但是削弱中心化和鼓励去中心化使大企业失去了优势，反而任何企业都会有机会与世界上最大的公司竞争了。
智能合同通常“一旦运行就无法停止”。如果合同代码有漏洞，这些漏洞被黑客利用产生了不平等的交易，但是在区块链上运行的交易又是不可撤销的，就会产生难以控制的局面。
区块链与人工智能结合的展望
区块链和人工智能本身可以说是技术领域的两个极端：一个是在封闭数据平台上培育中心化的智能；另一个则是在开放数据环境下促进去中心化的应用。如果在未来，这两者能够有机结合起来，可以促进人工智能、区块链在应用方面的进一步发展。人工智能、区块链等信息技术将推动中国数字经济的发展和科技强国的建设，通过优势互补创造出广阔的前景，迸发出巨大的潜力。