加快推动人工智能产业高质量发展
人工智能产业为中国经济发展提供战略新动能，是引领中国经济发展的重要战略抓手。2018年9月17日，习近平总书记在致2018世界人工智能大会的贺信中指出，新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。习近平总书记强调，中国正致力于实现高质量发展，人工智能的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。习近平总书记的重要论述，为人工智能产业实现高质量发展，更好服务于人民的美好生活指明了方向。
推动高质量发展是“十四五”时期的主题
党的十九届五中全会明确指出，我国经济已转向高质量发展阶段。以推动高质量发展为主题，是“十四五”时期以习近平同志为核心的党中央根据我国发展阶段、发展环境和发展条件变化对我国经济做出的新的重大科学判断。习近平总书记指出，高质量发展就是体现新发展理念的发展，是创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的发展。高质量的发展意味着在中高端产品消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域需要培育经济新增长点、形成发展新动能。新时代新阶段的发展必须贯彻新发展理念，必须是高质量发展。而推动经济高质量发展，关键在于以创新为驱动、高质量供给为引领，加快建立科技创新体系，构建现代产业体系，推动质量变革、效率变革、动力变革，建立中高端产业链、价值链，使发展成果更好惠及全体人民，不断实现人民对美好生活的新需求。
当前新一轮科技革命和产业革命正在发生变革，这与我国高质量发展形成历史性交汇。“十四五”时期我国经济发展应抢抓这一重要变革机遇，为高质量发展“动力换挡”导入强劲引擎。伴随移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动，以人工智能技术为代表的新一轮科技革命蓬勃发展，以前所未有的速度和方式改变着经济发展，成为高质量发展的重要引擎。习近平总书记在十九届中央政治局第九次集体学习时的讲话中指出，“人工智能是引领这一轮科技革命和产业变革的战略性技术，是新一轮科技革命和产业变革的重要驱动力量，具有溢出带动性很强的‘头雁’效应”。加快发展新一代人工智能不仅“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”，而且是“我们赢得全球科技竞争主动权的重要战略抓手”，更是“推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”。在推动经济高质量发展的过程中，人工智能产业的高质量，可以为中国经济发展添薪续力。
党的十九届五中全会审议通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，“在当前和今后一个时期，我国发展仍然处于重要战略机遇期”，要紧扣重要战略机遇新变化，“坚持把发展经济着力点放在实体经济上，坚定不移建设制造强国、质量强国、网络强国、数字强国，推进产业基础高级化、产业链现代化，提高经济质量效益和核心竞争力”。在推动经济高质量发展阶段，人工智能正在为中国新旧动能转换和国民经济高质量发展提供有力支撑，它是推动工业变革的核心驱动力量，也是最能体现知识要素贡献和打造经济社会发展新动能的基础设施产业，加快推进人工智能产业优化升级，成为未来科技创新的一个“超级风口”。近年来，中国人工智能产业化发展迅速，技术发展日益成熟、应用场景日益丰富，企业数量、融资规模均居全球第二，成为人工智能产业化大国之一。与此同时，我国人工智能产业的发展在基础理论研究、关键核心技术、人才培养等方面存在一些短板，这在一定程度上限制了人工智能产业创新发展潜能的充分释放。对此，习近平总书记强调，要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，创新技术，促进其同经济社会发展深度融合，推动我国新一代人工智能实现高质量的发展。
以人才、技术促进人工智能产业实现高质量发展
我国人工智能产业迅速发展，在智能芯片、智能算法、知识图谱、计算机视觉、自然语言处理等技术方面不断取得突破，为人工智能产业的创新发展奠定了一定基础。但中国智能产业在芯片硬件等关键性核心技术上仍然比较薄弱，这成为制约人工智能产业实现高质量发展的重要隐患。对此，习近平总书记指出，人工智能具有多学科综合、高度复杂的特征。我们必须加强研判，统筹谋划，协同创新，稳步推进，把增强原创能力作为重点，以关键核心技术为主攻方向，促进人工智能实现高质量发展。
重视产业人才培养，构建“引才、留才、用才”新格局。人工智能产业要实现高质量发展，培养人工智能人才是关键。因此，要强化多层次人才的培养和引入。一是培养人工智能产业所需的复合型人才。一方面，构建以技能为本的劳动力市场，鼓励企业和各类机构为员工提供人工智能技能培训，培育一批专业技能扎实、科学素养高、动手实践能力强、具备开阔产业应用视角和国际前瞻视野的人才，确保关键工种拥有充分数量的人才储备；另一方面，完善高校人工智能学科体系建设和布局，深化“产学研”融合发展，鼓励高校、科研院所与企业合作，通过校企共建人工智能专业和课程，培育更多符合人工智能产业高质量发展所需的复合型人才。二是坚持“走出去+引进来”，加大全球高端人才的培养和引入。一方面，选派人工智能领域优秀科研人员赴海外学习交流，扩大国际化视野；另一方面，充分利用海南自由贸易港、自由贸易区、粤港澳大湾区等历史性战略机遇，鼓励人工智能产业人才引入。
加快完善数字基础设施，增强人工智能科技创新能力。人工智能产业要实现高质量发展，技术的完善和突破是重点，这就要求在技术上既要加快完善基本数字基础设施，也要坚持核心技术的攻坚克难。一是要完善数字基础设施，推动传统产业智能化转型。一方面，充分利用新基建机遇，加强人工智能基础研究和技术研发，协调推进各类数据中心、5G网络部署，全面提升端侧的数据计算、采集及传输能力，为传统产业全面向数字化转型打造坚实广泛的计算基础。另一方面，充分发挥国家新一代人工智能开放创新平台赋能作用，加强传统产业与科技公司合作力度，共同突破工业数字化壁垒，实现双赢。二是要加大基础研究力度，加快突破一批人工智能产业化关键技术。国家要调整人工智能投入结构，提高基础研究经费投入比重和投入力度，支持科学家勇闯人工智能科技前沿的“无人区”，鼓励校企开展深度合作，建立协同创新联盟，努力在人工智能发展方向和理论、方法等方面取得变革性突破，确保我国在人工智能重要领域的理论研究走在前面。同时，要以问题为导向，重点突破自主芯片技术和算法技术，加快建立新一代人工智能关键共性技术体系，确保人工智能关键核心技术牢牢掌握在自己手里。
融合实体经济，推动人工智能产业高质量发展
人工智能是具有极强渗透性的技术。当前人工智能产业化应用正加速从娱乐、消费等领域开始向制造、医疗、能源、交通等更大范围的实体经济进军，这给人工智能产业提供了庞大的市场和丰富的场景。人工智能在我国交通、医疗、教育等传统行业中的发展和应用仍然处于较低水平，无法满足人民对美好生活的需要。因此，要实现人工智能产业高质量发展，就要发挥人工智能在产业升级、产品开发、服务创新等方面的技术优势，推动人工智能与实体经济深度融合，以人工智能技术推动各产业变革，加快产业对接，聚焦重点领域，形成以场景应用为导向的发展模式。
搭建智能平台，发挥人工智能技术应用功能。人工智能不仅能创新产品和服务，而且也能在相当程度上改进或优化传统产业的生产流程，重构传统产业的业务模式。当前，以人脸识别、车辆特征识别、手写识别、文字识别等为代表的计算机视觉相关技术基本成熟，“机器视觉”在制造业中已经逐渐推广应用，加强计算机视觉技术与传统汽车制造等产业的深度融合，用机器代替人力劳动，不仅能节约人力投入，还能提高产品品质。人工智能还能对生产过程的数据进行分析并加以改进。工业生产线在运行过程中会生出大量实时数据(比如温度、压力等等)，利用人工智能技术对数据进行分析，能提前预测可能出现的机器故障、残次品率等等，进而对生产流程进行优化，以达到节约成本、提高效率的目标。因此，要大力推广应用人工智能在促进制造业转型升级中的支撑和引领作用，使其成为推动高新技术产业创新发展中的“头雁”和区域发展的“增长极”。
聚焦重点领域，助推人工智能应用场景落地。如果说人工智能产业是供给侧，那么传统行业则是需求侧。推进人工智能应用场景落地，就要处理好供给侧和需求侧的关系。随着人工智能加速向医疗、交通、智慧城市等多领域的渗透，应聚焦这些涉及民生的领域，提升人工智能产业与实体经济的融合度，为人民群众提供更优质、丰富、便利的新产品和新服务，满足人民群众对美好生活的需要。因此，人工智能技术要着眼于我国庞大的市场和丰富的场景，围绕社会发展需求领域布局，探索出一条充分发挥我国市场和场景资源优势的高质量人工智能产业发展路径。
（作者单位：北京科技大学马克思主义学院）
责任编辑：肖景华
人工智能：从“作坊式”走向“工业化”新时代
对于普通人来说，人工智能是一个既熟悉而又神秘的词。在我国“十四五”规划中，多次提到要推动人工智能产业发展。当前产业现状如何？正在走向何方？哪些领域最有可能取得突破？带着这些问题，记者采访了中国科学院自动化研究所所长徐波。
中国科学院自动化研究所所长徐波。受访者供图
人工智能创新不断“一体两翼”快速发展
人民网：当前，人工智能技术创新不断，应用层出不穷。它究竟走到了哪一步？能否谈谈您是如何看待我国人工智能技术发展现状的？
徐波：人工智能是一个高度交叉复合、快速发展的领域。如果要对其发展现状作一个全面概括，可以从人工智能“一体两翼”构成来着手分析。
其中“一翼”是指人工智能的基础理论。人工智能快速发展无疑受益于大数据和大算力发展，但基础还是15年前深度学习基础理论和方法的突破。人工智能越发展，其计算、生物、数学、材料、心理学和社会学等交叉复合特性就越明显。我国人工智能高水平论文发表数量已经位居世界一二，人工智能基础研究发展态势良好，已经成为人工智能基础研究大国。但成为人工智能基础研究强国，还需要在需求牵引下，按照问题导向继续弘扬“十年磨一剑”的科学家专注精神。
另外“一翼”就是人工智能的应用。人工智能具有无所不在的广阔应用场景，技术落地需要和工业制造、农业发展、医疗制药、社会治理等领域深度结合。我国有市场、人才、规模、数据等方面的优势，在应用方面走得比较快，对各行业的渗透深度和广度前所未有，具有世界上独一无二的优势，已经走在世界发展最前列。
人工智能中间非常关键的“一体”，指的是人工智能的基础软硬件，包括芯片、算法、软件硬件协同、开源框架、应用开发接口等等。它作为一个桥梁，把人工智能基础研究成果和场景应用广泛地结合在一起。目前，我们的基础软硬件研发已经从“可用”走到基本“好用”的阶段，发展了自主可控的人工智能基础软硬件生态。
人民网：产业应用是技术发展中很重要的部分。您认为我国要发展人工智能产业，占领关键技术高地，未来的突破口在哪里？
徐波：随着我国新一代人工智能的发展，人工智能应用呈现出遍地开花的良好发展态势。但人工智能落地中，也碰到很多问题，例如对数据质量要求高、缺乏相应标准、落地周期长成本高、人才昂贵等。
我认为可以从这几方面寻找突破口。
首先是复合型人才的培养。智能社会发展过程中需要培养一批既懂行业需求流程、又懂人工智能的专业人才。人工智能还完全没有发展到可以通过调几个参数就能上线替代部分人工作的水平。其中行业数据的获取、清洗和加工，以及如何按照业务需求建立相应的应用模型都需要一些这样的复合型人才支撑。
其次要降低人工智能的应用门槛。现在按照专用人工智能技术发展的应用，在很多时候发现还不如用个人更省成本。所以，如何从专用型的人工智能，逐步向更具泛化能力的人工智能技术发展，是一个重要的技术突破口，也是未来5-10年人工智能技术发展的主流。
这个过程中，从推动产业发展的角度选择一些超级场景对于牵引人工智能应用发展非常关键。例如，自动驾驶会是人工智能在单一领域里最大的产业场景，也是汽车工业发展的必争之地。类似的还有人工智能+医疗，也是一个特别大的场景。中国有四百万医生、全世界最大的临床海量医疗数据，最适合人工智能去发挥智能化优势。所以，要选择一些这样的超级场景，作为推动人工智能进步的突破口。
加快原始创新策源努力占据制高点
人民网：中科院自动化所作为我国“国家战略科技力量”的重要组成部分，“十四五”期间在人工智能领域的研究和应用方面，有哪些相应的目标和计划？
徐波：我们按照“两加快一努力”要求，加快原始创新策源和关键核心技术突破，努力占据人工智能科技创新制高点。
中国科学院自动化研究所始终关注人工智能中长远发展布局。十年前在深度学习刚刚开始应用于语音、图像并产生技术突破时，我们意识到感知类人工智能应用将逐渐由产业界为主导，于是开始布局更前瞻性的类脑智能，推动人工智能和脑科学的交叉研究实现，并与科学院神经所成立脑科学与智能技术交叉研究中心。目前这个方向已经成为研究所三大主力研究方向，相信在下一代人工智能发展中也将扮演重要角色。
人工智能想要在经济发展、社会治理、大工程系统等复杂问题的决策中发挥作用，需要人工智能与复杂系统进行交叉融合，这也是人工智能从感知、认知走向决策的必然发展趋势。因此，研究所进一步布局了可自主进化智能方向，研究建模人、环境和机器之间的演化、合作和竞争等关系，并通过交互提升人和机器对环境的认识和认知。这项技术可广泛应用于大量复杂问题的智能辅助决策。
这儿要重点谈一下我们最近研发的“紫东太初”多模态大模型。这是基于我们多年基础积累形成的面向关键技术攻关的研究方向。我们人类对世界的认识天然是多模态的。举个例子，我说“猫”这个字，你马上脑子里能想到猫的图片、猫叫的声音、猫的文字。我们大脑里面把猫有关的声音、图像和文字关联在一起，共同组成了“猫”这样一个语义。这个语义是跨模态存在的。模拟人的多模态认知特点，自动化所推出了全球首个千亿参数的三模态大模型“紫东太初”，把图像、文本和语音结合起来，它采用了多层次、多任务、自监督、预训练的学习方式，不仅可以实现跨模态理解，还能实现跨模态生成。这是我们在已有多个很好技术积累基础上，通过多模态把人工智能众多方向加以融合创新的研究成果，服务于产业和国民经济主战场。
人民网：在人工智能创新链中，科研院所在扮演怎样的角色？自动化所又是如何面向国民经济主战场，为我国人工智能产业链发展赋能？
徐波：人工智能包括智能和智能化。智能即智能科学内涵、基础理论和模型算法等，智能化则是智能与各个领域行业的结合。研究所发展规划一方面要承担主责主业，大力探索智能本身。同时，需要考虑智能怎么去和社会、和企业、和政府合作，政产学研结合，面向国民经济主战场，为人工智能产业链发展赋能。无论从科研还是产业化，我们始终秉持在低潮时坚守、在高潮时冷静的理念，努力成为默默的开拓者和引领者。
六年前，人工智能落地应用刚刚萌芽，基于人工智能自身发展特点，研究所及时推出了“离岗创业”制度，鼓励已在智能应用领域深耕多年的团队进行转化。制度实施以来，已经诞生了在工业视觉、融媒体、生物特征识别等垂直行业里多家有影响力的企业。离岗创业，这是一种人工智能技术转化1.0版本形式。
作为一种赋能千行百业的技术，我们不能止步于此。我们正在探索人工智能技术转化的2.0版。2.0核心就是要利用研究所力量，以核心创新为抓手，以构建创新生态为目标，做一个大的人工智能平台。如上所述，目前人工智能存在落地周期、成本、人才等问题，同时国产基础软硬件从基本“好用”到非常“好用”，都需要协同各方力量共同努力。
为了解决这一行业痛点，今年5月，中国科学院自动化研究所、华为技术有限公司、武汉东湖高新区管委会签署《人工智能技术开发合作备忘录》，三方共同筹建武汉多模态大模型人工智能平台。该平台以自动化所的“紫东太初”大模型为核心，以全国产的昇腾AI基础软硬件为底座（包含昇腾AI处理器、异构计算架构CANN和全场景AI框架昇思MindSpore等），通过合作支撑当地产业实现智能升级。大模型、大底座、大数据形成了一个天然的合作模式，来为各个行业赋能。这是我们技术转化2.0的一个开始的初步尝试。
打破应用门槛解决人工智能“落地难”痛点
人民网：您如何看待这个平台的未来发展？
徐波：这是人工智能向更加通用化方向迈出的重要一步。以前的人工智能是属于“作坊式”的。想要做一个应用，需要从算法开始进行开发，类似于我们常说的“重复造轮子”。多模态大模型人工智能平台，是人工智能从“作坊式”向“工业化”转型升级的一次重要探索。通过对多模态大模型人工智能平台的持续研发、应用、优化、升级等，大大降低应用门槛和对应用人才要求，同时推动全自主可控软硬件体系的形成。
这个过程中大模型技术持续创新研发是我们的主责主业。例如现在计算量还比较大、成本和能耗也比较大，未来大模型在现有基础上还会有很多突破。需要我们不断融合类脑等智能新机制，使得大模型的运营成本越来越低，越来越好用。
目前，我们也正在同步研究大模型基础上蒸馏出小模型技术，这也非常重要。对于不想上云的，或者是应用场景不那么复杂的，其实并不需要用到大模型。因为大模型的参数特别多，使用成本非常高。这个时候，就可以用大模型中蒸馏出一个小模型，小到可能只有几兆的大小，不但降低成本，而且实现从通用向专用的进一步优化。
打个比方来说，大模型类似于一个知识非常渊博的老师，他学了无数多的数据，但是如果从事一件具体的工作，就不需要那么渊博的知识，这时候，我们可以根据需求，自动蒸馏出一个小模型，教出一个小徒弟来做这项工作。
人工智能要迈上工业化阶段，必须要满足以下几个条件，批量化，成本低，易访问，轻能耗以及最大程度的开源开放。未来，“云端的大模型+末端小模型”很可能会成为人工智能应用的重要模式。
人民网：这个平台，目前是否有一些成功的应用？
徐波：我们已经有一些应用，效果很好。以前解决不了或者解决不好的现在有了全新的技术手段。
我们在智慧媒体方面做了一些探索。和头部视频网站合作，针对其海量的短视频、电影和电视剧，做到了跨模态内容的检索。比如输入一段文字，就能定位到视频中的某一个片段；可以根据电视剧的简介自动生成1分钟的视频摘要；还可以指定某个特定演员出现的场景、某件事的前因后果等内容进行“跳播”。
工业视听觉已经进行了应用尝试。过去，人工智能在工业领域的应用是一个痛点，因为样本非常少，而且很多时候数据是多模态的。比如发动机的质检，往往是靠老师傅们“听”出来的。用人工智能怎么做呢？我们把各种各样的工业缺陷数据混合在一起，首先让机器进行模型自学，应用的时候只需要给两个样本，就可以达到很高的质检精度。这方面我们已经实验过了，原来可能需要一万个样本才能做到90%以上的识别率，现在只要用几个或几十个样本，精度就能达到90%，大幅降低了人工智能的应用门槛。
另外一个应用案例是具像化的教学，可以在打手语的同时生成对应图片，辅助学生理解，更好地达到教学目的。
类似的应用还有很多，只靠自动化所一家单位去落地，会错失大量的助推产业升级的机会，也会比较慢，所以一定要在推广模式上创新，吸引更多的人、更多的机构来实践，来应用。我刚才说的“2.0”就是这个意思。现在我们自己先做一些样例出来，然后进一步完善模型，通过标准化、流程化等一系列手段，将门槛降下来。未来越多人用，这个模型就会越完善，也越好用。
近期，自动化所联合大学、产业界等在积极推进“多模态人工智能产业联盟”的建设，这个联盟的成立就是为了让产学研各界都能更好的应用我们创新的成果，并基于这些成果再去推广、完善。12月18日即将在武汉举行的“2021东湖国际人工智能高峰论坛”上，我们也会就推动人工智能通用化、技术应用国产化和参会嘉宾进行进一步的探讨与合作。
人民网：多年来您在研究人工智能的过程中，有没有觉得它的发展速度超越了您的想象？
徐波：有句话说，“大多数人高估了他们一年所能做的事情，却低估了他们十年所能做的事情。”
这句话来描述人工智能的发展也很适用。它的影响是潜移默化的。目前人工智能落地碰到一些困难，但过了十年以后回头来看，人工智能的发展速度会比你原来想象的要快。
目前，全世界很多优秀的人在研究人工智能，每个人都从不同的角度攻克其中一块砖，最终合力去建立起一座人工智能的高楼大厦。人工智能的发展非常激动人心。
这里的每一块砖可能就是一个很小的研究或者应用领域，它们正在以飞快的速度不断迭代和突破。人工智能研究离终极目标还有很远的距离，但人类正在朝着它光明前景的快速道上大步前进，并看到沿途一路风景。
(责编：赵竹青、吕骞)分享让更多人看到
中国人工智能如何更好发展
光明日报记者 陈建强
编者按
近年来，人工智能技术创新如火如荼，但最终的发展前景取决于产业落地。近日，由中国工程院、天津市人民政府共建的中国新一代人工智能发展战略研究院发布了《新一代人工智能科技驱动的智能产业发展》专题报告，把脉中国人工智能的发展。报告指出，在人工智能技术和产业，中国不再是一个跟随者，各方正在加大研发投入。中国人工智能技术和产业的发展，不仅会成为中国经济转型和升级的内生动力，也能够为世界经济的繁荣和发展贡献中国智慧。
天津，第二届世界智能大会现场展示的工业机器人。光明日报记者 袁于飞摄/光明图片
第二届世界智能大会现场，观众在体验智能钢琴。光明日报记者 袁于飞摄/光明图片
中国智能科技和产业的发展，内生于经济转型升级过程中的智能化需求。中国智能企业创建的时间大多集中分布在2010年至2016年间，其中的峰值出现在2014年。北京、广东、上海、浙江和江苏是智能企业最密集的地区，北京市的占比达到43.9%。
中国人工智能企业广泛分布在企业技术集成与方案提供、关键技术研发应用平台、智能硬件和智能制造在内的17个应用领域，但大多分布在应用层，基础层和技术层企业占比相对偏低。在中国智能企业的核心技术中，机器学习、大数据和云计算、机器人技术位列前三。
人工智能的发展，内生于中国经济转型升级的需求
迄今为止，人类社会先后经历了以人力和电力及石化能源为主要驱动力的农耕经济和工业经济时代。伴随着第四次工业革命的兴起和发展，人类社会进入以数据和计算为驱动力的智能经济时代。智能科技萌芽于20世纪40年代计算机的诞生，1956年在达特茅斯会议上首次提出人工智能概念，即研究和开发用于模拟、延伸和扩展人的智能的理论、技术和方法。
随着互联网、物联网、大数据、超级计算机和脑科学的发展，人工智能开始从象牙塔走进我们的生产和生活。与前期发展不同，基于互联网和大数据的新一代人工智能，不再局限于用单纯的计算机模拟人的智能，而是指在物理—社会—网络三维空间结构下的机器、人和网络相互融合的智能系统。
随着智能科技和产业的发展，数据和计算正在成为驱动经济增长和发展的关键要素。作为第四次工业革命的引擎，智能科技和经济在中国的发展内生于经济转型升级中所创造的智能化需求。
基于独特的信息环境和数据生态，中国在智能科技领域正在快速崛起为世界不可忽视的力量。
中国在智能科技和产业发展领域的创新，不仅表现在数据生态方面，而且表现在包括算法、智能芯片、操作系统和开放式创新平台在内的诸多领域和环节。在数据生态方面，截至2017年12月，中国网民规模达到7.72亿；手机网民规模达到7.53亿，占网民总数的97.5%；农村网民规模为2.09亿，占网民总数的 27.0%。
借助互联网基础设施，2017年互联网应用保持快速增长，其中网上外卖用户规模年增长率达到64.6%；手机外卖、手机旅行预订用户规模年增长率分别达到66.2%和29.7%；网民线下消费使用手机网上支付的比例由2016年的50.3%提升到65.5%，线下手机支付加速向农村地区渗透，农村地区网民使用线下手机支付的比例由2016年12月的31.7%提升到47.1%；购买互联网理财产品的网民规模达到1.29亿，2.21亿人通过共享单车解决城市短距离交通出行需求。
数据生态的完善和经济智能化需求强力驱动智能科技和智能产业的发展，2014年以来，中国快速涌现出包括寒武纪科技、商汤科技、华为海思、中天微、海康威视和Ali-NPU等在内的一批拥有智能芯片公司。
在BAT（百度、阿里巴巴、腾讯）和科大讯飞开放创新平台的引领下，中国企业在计算机视觉、机器学习、图像识别、生物识别、语音识别和自然语言处理关键技术领域不断取得突破。在经历了PC时代的Windows和移动互联时代的Android和iOS之后，与新一代人工智能相适应的操作系统正在打破原有的垄断。平台主导的创新生态系统聚集了大批智能科技应用领域的开发者，“平台+赋能+开发者”正在成为以“双创”为导向的智能经济的组织形态。
与前三次工业革命不同，在智能科技和产业领域，中国已经不再是被动的跟随者，正在成为积极的引领者。尤其是随着“互联网+”和《新一代人工智能发展规划》国家战略的制定和实施，中国智能科技和企业将呈现出爆发式增长的态势。
高强度的研发投入，为人工智能发展注入强大动力
与美国相比，中国智能企业无论是萌芽、发展和高速成长阶段出现的时间都落后5年。中国智能企业创建时间主要集中在2010年至2016年之间，占比为53.8%，智能企业创建的峰值出现在2014年，占比为15.4%。
截至2017年6月，全球人工智能企业总数达到2542家，其中美国为1078家，中国为592家，占比分别为42.4%和23.3%，其余的872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列和印度等国家和地区。
从地域分布看，北京、上海、广州、深圳和杭州是目前中国智能经济最为聚集和最富活力的热点城市。中国智能企业主要分布在北京、广东、上海、浙江、江苏、湖北、四川、天津、湖南和山东。其中，北京占比最高，为43.9%，主要分布在海淀区；其次是广东，占比为16.9%，主要分布在深圳和广州；排名第三的是上海，占比为15.9%，主要分布在浦东新区；排名第四的是浙江，占比为8.8%，主要集中在杭州。
从产业层次上看，应用层智能企业占比最高，达到77.7%；其次是技术层企业，占比为 17.9%；第三是基础层企业，占比为5.4%；4家企业同时属于两个层次。与美国智能企业产业层次分布的比较看，中国在应用层的企业数占比远高于美国，而在基础层和技术层企业数占比则明显低于美国。
从企业核心技术的分布看，机器学习占比最高，为25.3%；其次是大数据和云计算、机器人技术、计算机视觉技术，占比分别为19.3%、13.6%、10.3%；自然语言处理、智能硬件、生物识别和智能芯片技术的占比分别为 9.1%、8.8%、5.3%、2.4%。
中国智能企业广泛分布在17个应用领域，其中企业技术集成与方案提供、关键技术研发和应用平台两个应用领域的企业数占比最高，分别为16.7%和13.2%。智能硬件、智能制造、智能商业和零售、智能机器人、科技金融、新媒体和数字内容领域的企业数占比相对较高，分别为8.1%、7.6%、7.6%、7.1%、6.6%、6.6%。
企业技术集成与方案提供、关键技术研发和应用平台两个应用领域占比最高，说明中国智能科技和经济发展一方面在努力突破关键技术瓶颈，另一方面通过技术集成和方案提供推动关键技术快速向现有产业渗透和融合。
超过44.8%的中国智能企业员工数量在500人以内，员工数在500人—1000人的企业占比为16.8%，员工数量为1500人—2000人的企业占比仅为4.3%。尽管员工数量在1500人—2000人的企业占比低，但是都属于基础和技术层次的平台企业，是中国智能经济发展的主导者。
高强度的研发投入，为智能科技和经济的发展注入了强大动力。中国智能企业的研发强度大于5%的企业数占比超过60%，远高于国内企业的平均水平（2.12%）。中国智能企业专利数大于100的企业仅占样本量的17.3%，而专利数低于20的企业占比为57.9%。中国在人工智能领域的技术专利主要集中在独角兽和上市公司。
专利数排名前100的智能企业主要集中在北京、广东、上海和浙江四省市，占比达到84%。其中，北京占比最高，为45%；其次是广东，占比为21%；上海和浙江并列第三，占比为9%。专利数排名前100的智能企业主要集中在应用层，占比为61%，技术层和基础层企业占比分别为23%和13%，而同时属于基础层和技术层的企业占比为3%。
中国人工智能领域的相关专利主要集中在基础层和技术层企业。虽然应用层企业数在专利数排名前100企业中占的比例较高，但是专利数占比却相对较低，仅为28.1%。而技术层和基础层企业虽然企业数占比较低，但是专利数占比却高达48.4%。尤其值得关注的是横跨基础层和技术层的企业，虽然仅占样本量的3%，但专利数占比却达到22.8%。
在中国智能经济的发展中，最有影响力和辐射力的是腾讯、百度、阿里巴巴、科大讯飞、华为等公司。无论从人力资本还是从技术和投融资关系方面看，它们在中国智能科技和经济发展中都扮演重要角色。尤其是腾讯、阿里巴巴、百度和科大讯飞的四大开放创新平台，通过数字化和智能化赋能，推动智能科技与经济和社会的融合，不仅催生出新技术、新产品、新业态和 新模式，而且引发了一系列组织和制度变革，成为中国智能经济发展的关键主导者。
统计分析的结果表明，从技术输入关系看，408家样本企业来自国内企业的技术输入关系占比为77.4%，来自国外企业的占比为22.6%。而从技术赋能关系看，408家样本企业对国内企业的技术赋能关系占比达到91.2%，对国外企业的技术赋能关系占比为8.8%。
无论从技术输入还是从赋能关系看，都是以国内企业为主。相比较技术赋能关系，技术输入关系的国外企业占比例较高，这说明中国智能经济对国外技术具有较强的依赖度，尤其是关键技术领域，国内企业与国外企业存在差距。
中国人工智能发展未来需要关注的问题
与前期工业化不同，中国智能科技和经济的兴起和发展内生于经济转型升级中所创造的智能化需求。第四次工业革命与中国经济转型升级的共生和共融，为中国智能科技和经济的发展提供了难得的历史机遇，但笔者认为，有一些问题也值得关注：
首先，在智能科技和经济发展中，大学和科研院所的分布与智能产业的发展不存在直接的相关关系。例如，包括黑龙江、辽宁和陕西在内的省区市拥有丰富的智能科技创新资源，但是本地智能产业的发展却出现了相对滞后的现象。在智能科技和产业的发展上，科技与经济“两张皮”仍然存在。
其次，在智能产业和经济的发展中，响应国家战略的关键是适应区域经济转型和升级中出现的智能化需求来增加有效科技供给。而能否培育和建立富有活力的创新生态系统和创新治理体系，是提升有效科技供给能力的关键。如果仅仅是再次掀起一波新的投资、引资和人才争夺战，可能会引发智能科技和经济领域的泡沫。
再次，尽管在智能产业的发展上中国走在了世界前列，但是如何加强源头创新，使人工智能科技创新和产业发展具有可持续性，是值得关注的问题。只有高度重视我国人工智能发展中存在的问题和不足，提高源头创新能力和抢占科技制高点，才能在中国人工智能产业的发展上立于不败之地。
还有，在人工智能社会关注度迅速提升的条件下，要广泛开展科普和适当开展双重属性的跨领域交叉研究。尤其是高度重视人工智能科技发展中可能带来的标准、法律和伦理道德问题研究，防患于未然。
总之，智能科技和经济的兴起和发展，为中国成长为具有全球影响力的科技创新中心提供了难得的战略机遇,中国能够为世界经济的繁荣和发展贡献中国智慧。
《光明日报》（2018年06月14日 13版）
[责任编辑:徐皓]人工智能何以促进未来教育发展
原标题：人工智能何以促进未来教育发展自工业革命以来，人类社会的发展总是在技术与教育的角逐互动中前行。技术作为推动人类历史发展的核心推进力，与教育这一“人力资本发动机”竞相成为推动经济社会发展的主力。人工智能作为第四次工业革命的显著标签，其飞速发展正在逐步塑造社会、经济、生活等领域的业务新形态，也不断带来颠覆性、丰富性、创新性的新业态。面对人工智能技术对整个社会发展的刺激，教育如何发展，成为值得思考的重要问题。
人工智能凸显创新人才发展挑战
作为引发第四次科技革命的核心技术，人工智能促进社会经济和科技的指数级发展，对人力资本的质量与供给产生了新的需求，人工智能与人力资源之间的相互依存关系产生了前所未有的张力，教育的超前性更是受到前所未有的挑战。第一，知识增长的指数发展使得未来人才需要哪些方面的准备具有极大的不确定性。第二，智力劳动者比重增加，创新人才成为时代发展的刚需。人工智能技术与生产过程的深度融合，会极大压缩生产领域的从业者需求，特别是那些人工智能胜出的领域。第三，人工智能技术的兴起引发高技术产业、新兴产业、新型服务行业更广阔的发展空间，从而使得创新型人才、复合型人才、高技术人才等在劳动力结构中需求激增。人工智能技术无法取代的创造性、灵活性、人文性等能力将成为智能化时代人才竞争的关键。教育肩负培养创新人才、为未来人才提前布局的使命。回溯历史，我们可以得到的经验是，只有教育领先于技术的发展步伐，为技术推进的社会提前做好人力资源的布局，社会的发展才有后劲。因此，在人工智能推进社会更飞速发展的今天，必须回答好什么样的教育才能承载提前布局人力资源的使命，以应对未知社会的人才挑战这一问题。
人工智能催生新的知识生产方式
在人工智能的影响下，人类知识生产加剧变化，知识增量呈现指数级态势。教育的传承性发展将不再局限于知识的传授与继承，而强调知识创造与创新，人工智能的介入更是催生了新的知识生产方式。其一，人工智能强大的知识发现能力缩短了知识生产周期。随着深度学习、强化学习等新的机器学习算法的发展，人工智能除了可以加快知识的生产、访问和利用，还可以从数据中提取隐含的、未知的、潜在的、有用的信息（知识），从而扩展知识创造的能力。其二，人机协同的智能模式扩大了知识创造的机会与可能性。人工智能技术不仅促进人的群智协同创新，而且可以实现人类与人工智能代理协同，后者所具有的超强计算能力，可以极大加速知识生产，催生知识的众创，以及人机协同知识创新。人工智能催生的新的知识生产方式对教育的挑战是，教育不再局限于知识传承，而更是知识的创新。未来学校教育必须教会学生如何与人工智能技术协同合作，呵护学习者“能学”，以及高度重视学生辨析知识能力的培养，召唤学习者“会学”，促进学习者在人机交互中实现知识更新与创造。
人工智能变革学习方式带来创造力与活力释放可能
人工智能已经引发了诸多领域与行业的深刻变革，对教育的系统性变革更是呼之欲出，为学习方式的变革带来了可能。首先，人工智能技术带来规模化教育的个性化可能。人工智能构建的智慧学习环境不仅创造灵活的学习空间，还能感知学习情境、识别学生特征，为学生提供个性学习支持。其次，人工智能技术带来标准化教育下的适应性可能。人工智能通过动态学习诊断、反馈与资源推荐的自适应学习机制，可以适应学生动态变化的学习需求，从而打破标准化的教育限制，释放出学生的创造力与活力。最后，人工智能改善结构化的授导方式，释放教师的创造力与教学活力而专注于人性化的学习设计。教师烦琐重复性的工作能够被智能机器所替代，智能分析技术能为教师精准定位学生的学习问题与需求，教师的角色将转向更加优秀的学习设计师，专注于“如何让学生学好”，注重培养学生的能力和思维，将更多时间用于学习活动设计以及与学生的个性化互动交流，为学生提供个性化学习支持服务。人工智能的发展以及与教育教学的深度融合，给教育的改革创新带来了更多选择，教育需要发挥技术的赋能、增能、使能优势满足教育的功用性追求，也要坚守教育的育人初心和使命传递人文性价值，以学生的成长发展为前提探索可以实践的学习方式、学习设计，通过人工智能释放出教育的更大活力。
人工智能引发领域与行业变革催生教育生态升级
人工智能对其他领域与行业的变革影响也会延伸到教育领域，因为教育是关乎社会发展全局的事业。一方面，人工智能所发挥的增强、替代、改善、变革等作用，突出体现在对社会生产和生活各个领域所产生的行业重塑作用，以及对人力的释放。另一方面，这些重塑作用和人力的释放，引发了社会领域与行业的变革，促使了社会人才需求的转向；而教育是社会人才资源输出的重要领地，需要为此作出有力回应，从而催生教育生态升级。人工智能加速了教育深化改革的进程，推动了系统内部的更新再造。数字技术已经对教师学生、课程、教学方式、学习体验、评价、管理等教育要素产生了深刻影响，并通过逐步的再造教育流程，变革着教育生态。而人工智能则在进一步加速这一过程，以一种颠覆性创新的态势，拓展系统内各要素的内涵，改善和延展系统内部关系，重塑教育系统功能与形态。人工智能拓展了教育边界，助推未来学校建设。未来学校将借助技术的力量，把校外学习场所（如科技馆、博物馆）和线上学习场所都纳入“学校”的范畴，整合社会各领域的教育资源，形成一种全新的育人环境。同时，数字孪生等新技术促进现实空间与虚拟空间的交互融合，通过创建人、物、环境数字孪生体，实现物理空间与数字空间的双向映射、动态交互和实时连接。对教育系统内部的升级改造以及空间资源的拓展，能够使其更好地与社会领域衔接，更好地提供适应未来生活和工作的创新人才成长场所。
人工智能关乎强国战略目标实现
教育应服务于国家战略布局，为抢占人工智能发展先机，构筑先发优势；为国际竞争、社会发展输出创新人才，支持科学技术的自主研发。当前，世界各国纷纷把发展人工智能上升到国家战略的高度，以抢占新一轮科技革命的机遇高点以及全球竞争中的主动权。《新一代人工智能发展规划》提出我国要“成为世界主要人工智能创新中心”的战略目标，全局部署了经济、教育、科技、社会发展和国家安全等重要方面。教育强国战略是科教兴国战略、人才强国战略和创新驱动发展战略等重要战略的逻辑起点，人工智能对教育的人才培养能力提出更高要求。近年来，世界各国在发展人工智能的同时也面临巨大挑战，如创新人才问题、高新技术自主可控问题等。人工智能的国际竞争本质是人才的较量，这需要教育从战略层面予以回应。因此，教育在战略上起引领作用，就要既充分发挥智能技术优势推动教育生态系统升级，又谋篇布局为国家发展提供人才支撑。立足技术与教育在角逐中互为塑造的视角，对人工智能促进未来教育发展的探索，更需要在战略上把握先机，通过教育为社会各领域输出创新人才，支撑社会各领域转型升级以及人工智能等高新科技的创新发展，为强国战略注入持续活力与能量。
教育在与技术的角逐中共同推动社会的发展。教育具有超前性、人文性、传承性、战略性及生态性等特点。在人工智能技术的指数式发展面前，教育的超前性变得难以维系；需要慢工出细活的人文性与满足社会用人需求的工具性之间呈现时空拉锯和矛盾；对人类知识的传承则变身为历史传承、人际共创以及人机共创的多重特征。随着人工智能技术推动的发展加速，教育的发展战略、前瞻性谋划，是一个时不我待、任重道远的重要课题。
（作者：顾小清，系国家社科基金重大项目“人工智能促进未来教育发展研究”首席专家、华东师范大学教育信息技术学系教授）
(责编：郝孟佳、孙竞)分享让更多人看到
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]以人工智能的下一步发展开辟医疗保健领域的新天地
自现代医学开始以来，创新的弧线已经带来了以前无法想象的突破和治疗，改善了健康状况，延长了寿命。我们现在正处在一个数字化转型的时代，它重新定义了组织处理病人参与、护理团队协作和提供者体验的方式。从通过电子健康记录（EHR）更好地获取病人数据，到通过远程医疗改善医疗服务，技术已经为提供者提供了解决方案，使其能够提高生产力，最重要的是，提高了病人的护理质量。
但是有机会做得更多。医疗保健行业仍然面临着挑战，而技术可以在解决这些挑战中发挥重要作用。下一代人工智能有可能彻底改变医疗保健，使临床医生能够专注于个性化的病人联系--加强医学中的人际互动，降低成本，并减轻供应商面临的管理和认知负担。这就是微软和Nuance在2022年联手的原因。
今天，我们将介绍一个新的解决方案、DragonAmbienteXperience（DAX™)Express这代表了医疗行业的下一个突破，也是我们大规模实现临床文件自动化历程中的一个重要里程碑。DAXExpress是一个集成到工作流程中的自动化临床文档应用程序，它是第一个将成熟的对话和环境人工智能与OpenAI的GPT-4的高级推理和自然语言能力相结合的解决方案。DAXExpress扩展了成熟的DragonMedical解决方案组合，并在2020年推出的市场领先的DAX环境解决方案的基础上，是Nuance长期使命的下一个里程碑，即减少行政负担，使临床医生有更多的时间照顾病人，减少文书工作时间。
今天在医疗保健领域工作的人工智能解决方案医生和护士已经被提供高质量护理所带来的行政要求压得喘不过气来。他们必须驾驭复杂的编码和计费要求，管理认知负担，以准确记录和回忆越来越多的病人数据，并治疗不断增长的老龄人口。因此，许多组织，包括美国外科医生和专业医疗协会，都在敦促开发能够无缝集成到临床工作流程中的全面、安全的解决方案，以减少临床医生的倦怠。
DAXExpress正视这一问题，将先进的自动化临床文件无缝集成到医生的工作流程中。这是微软和Nuance的解决方案的另一个证明点，在行业定义的人工智能的支持下，通过微软医疗云的力量放大，正在重塑护理服务，并取得可衡量的、不断增长的成果：
缓解劳动力倦怠--我们的解决方案被证明在解决这一看似棘手的问题方面处于行业领先地位--医生们报告说倦怠和疲劳感减少了70%。支持专业工作流程--从外科医生到放射科医生，我们的解决方案分析大量的病人数据，提供工作流程自动化，促进报告和沟通，并提供AI洞察力，支持更明智的决策、规划和治疗--将放射科医生的效率提高50%，将干预时间缩短74%。提高依从性--通过分析数据以发现问题，简化病人和医生的沟通，并提供全面的护理计划跟踪，我们的解决方案使随访依从性提高52%。增加获得护理的机会--我们的自动化临床文件解决方案将时间还给临床医生，他们通常选择看更多的病人，平均每个门诊日增加五个预约--使临床医生能够为更多人提供最好的护理。加强病人的参与度--由人工智能驱动的聊天机器人只是一个例子，说明人工智能如何利用内置的医疗知识库和分流协议为病人提供快速和可获得的信息，这可以触发从机器人互动到医生、护士或支持代理人的无缝交接。而且，通过提供一致的、与上下文相关的患者体验，医疗机构正在实现患者自助服务率提高30%，患者支持成本降低50%。医疗保健领域的共同使命和互补能力微软和Nuance带着重塑医疗保健的共同愿景走到了一起：利用我们独特的能力来解决行业的最大挑战，并使整个生态系统取得更大的成就。在我们的核心，我们相信像人工智能这样的技术与临床医生合作，在加速行业进步、使医生和病人的体验更加个性化和参与性、以及帮助增加获得护理的机会方面发挥着关键作用。我们的北极星是使临床医生能够将他们的注意力重新放在病人护理上--使用我们经过验证的解决方案，结合他们的判断，减少认知负担，支持更好的结果。
多年来，微软和Nuance在创新人工智能解决方案方面一直处于领先地位，而大小组织长期以来一直信任我们负责任、安全的应用程序和基础设施。微软多年来在研究、云计算和人工智能方面的战略投资--包括对Nuance的收购--使我们取得了今天的成就。通过微软医疗云，微软正在大规模地提供负责任的、集成的人工智能能力，使之更容易改善整个医疗体验。微软还在推动研究、孵化和月球计划，以推动整个医疗保健和生命科学领域的现实影响。例如，微软研究院与领先的组织合作，为新兴的精准医疗模式推进和建立基础设施，并通过人工智能赋予科学家权力，加快突破性药物的发现和开发。我们正在通过我们的AIforHealth慈善项目，使卫生组织能够应对全球卫生领域的一些最棘手的挑战。
同样，Nuance拥有数十年开发医疗保健解决方案的经验，这些解决方案被数十万从业者所使用，并被证明能够持续为医生、护士、放射科医生和患者提供价值。Nuance长期以来一直处于医疗保健领域对话式和环境式人工智能创新的前沿--最引人注目的是DragonMedicalOne和最近的DAX--多年来，Nuance利用在大型语言模型、自然语言处理和临床工作流程方面的专业知识，为全球的临床文档提供精致、可靠的人工智能解决方案。有了这项新的创新，Nuance医疗服务组合为客户提供了更大的灵活性，使他们能够利用DragonMedicalOne的准确性和可靠性、DAX的定制化全方位服务体验以及DAXExpress的即时性和速度，实现临床文档工作流程的自动化和增强。我们将微软Azure的力量、丰富的健康数据平台以及强大的工程和人工智能专业知识结合起来，大规模地提供以结果为中心的医疗应用，以改善医疗服务提供者和患者的体验。
DAXExpress代表了提供人工智能技术的下一步，它为医疗机构提供了一个即时、实用和高度可及的切入点，以大规模采用新一代人工智能驱动的解决方案，利用他们在值得信赖的Nuance解决方案上的现有投资。对于超过55万的DragonMedical用户来说，DAXExpress能在几秒钟内自动、安全地创建临床笔记草稿，在每次病人在检查室就诊后或通过远程医疗病人对话，可立即供临床审查和完成。临床医生将受益于DragonMedicalOne、DAXExpress和DAX的无缝功能，这些功能与电子病历紧密结合，从就诊前到就诊后开始，减少认知负担，帮助增加医疗的乐趣。
负责任的人工智能在医疗领域的应用DAXExpress的开发符合微软负责任的人工智能标准，并与我们对数据安全和隐私的长期承诺相一致，有助于确保人工智能系统和解决方案是值得信赖和安全的。微软和Nuance认为，虽然医疗领域的人工智能有可能对这个行业和它所服务的病人产生持久、积极的影响，但我们必须确保负责任和透明地使用这项技术。正如我们多年来所做的那样，我们将继续与医疗服务提供者和更广泛的行业密切合作，以帮助确保以符合道德和透明的方式使用AI。
微软和Nuance在利用人工智能的力量放大医疗行业提供有意义结果的能力方面具有独特的地位。我们很自豪能站在医疗创新的最前沿，我们期待着继续帮助该行业解决医疗的最大挑战。
标签人工智能，医疗保健