低代码：企业通往人工智能的大门
数字化转型带来的副产品是对业务应用和解决方案的更多需求。为了满足消费者日益提高的期望并推动企业创新，企业必须跟上最新的技术趋势。
无论您是一家科技公司，还是一家技术驱动型公司，现在可能是时候研究近几年表现出强劲势头的技术——人工智能。
充分利用人工智能创造商业价值人工智能工具可以帮助分析大型数据集，发现战略洞察力以做出更好的决策，并确定最大化业务价值的行动。机器学习、计算机视觉和自然语言处理等人工智能功能有助于增加利润，为企业提供保持相关性所需的额外推动力。让我们来看看人工智能对企业的一些最重要的价值：
• 计划库存补货——人工智能有助于分析消费者需求并预测购买决策。
• 与客户“交谈”的应用程序——与知识库集成的虚拟助手和聊天机器人有助于增强客户自助服务。
• 将人工输入考虑在内的智能自动化——通过最先进的机器学习算法实现日常任务的智能自动化并提高生产力。
• 使用基于AI的预测确定潜在客户的优先级——ML算法可以预测哪些潜在客户值得花时间，哪些需要关注，哪些可以等待。销售团队可以在不依赖直觉的情况下对潜在客户进行优先排序。
• 延长设备的使用寿命——异常检测和基于人工智能的预测性维护工具可以比传统的故障检测方法更好地防止代价高昂的停机和故障。当设备行为异常时，异常检测工具会提醒用户。
• 改善客户服务——人工智能应用程序可以跟踪客户浏览模式，分析之前的购买历史，并提供个性化的购买选项，以帮助客户找到合适的产品。
• 观察、学习和适应的应用程序——人工智能应用程序不是静态的——它们使用消费者行为的历史数据进行预测，不断发展。
采用人工智能的障碍即使在疫情之后，人工智能的潜在价值主张也只会增长。借助边缘人工智能、自动化人工智能、人工智能移植、预测性人工智能以及图像识别和视频分析中的人工智能，人工智能为利用突破性数字能力提供了前所未有的机会。
然而，虽然IT领导者和决策者认识到AI技术的优点，但许多企业仍然无法找到实施方式。人工智能发展是一门高科技的利基工程技术，需求量大，人才储备薄。它需要深入的编码知识、高级软件工程技能和丰富的开发经验。
缺乏AI/ML专家、集成专业知识和有效的数据访问给AI的采用带来了重大困难。出于这个原因，允许业务用户快速构建模型的用户友好型AI平台对于在企业规模部署AI非常宝贵。
推动人工智能采用的平台与AI和ML技术集成的低代码平台是推动应用程序开发采用AI的游戏规则改变者。AI驱动的低代码平台通过GUI上现成的视觉元素简化了应用程序构建过程，使AI软件开发更接近业务用户，无需手写代码或AI专家。
大多数领先的低代码平台都提供预构建的AI模型和简化的工作流程，具有拖放建模和可视化界面等功能，使企业能够有效地对数据进行复杂的预测和分析。
什么是低代码AI平台？低代码AI平台可让您构建智能业务应用程序，几乎不需要编码和AI的力量。低代码AI构建器使无代码基础的开发人员更容易访问深度学习，使您无需编写代码即可快速实施和测试AI模型，并立即创建智能解决方案。
低代码有助于实现对AI功能的民主化访问，通过预测性建议增强现有工程流程，并为更直观的应用程序提供代码改进机会。
低代码AI平台的好处使用ZohoCreator低代码平台进行AI开发的企业的好处：
• 允许非AI专家从预定义组件创建AI应用程序的机器学习功能
• 低代码解决方案的灵活性和应用程序的轻松定制
• 直观的可视图形用户界面，带有现成的元素，用于简化应用程序开发
• 该平台充当无代码基础开发者和人工智能开发之间的桥梁
• 解决方案开发速度和上市时间更短
• 开发成本大幅降低，易于创建低代码应用
在AI应用程序构建平台中寻找什么毫无疑问，人工智能将继续存在，企业已经开始将人工智能软件用于从处理社交媒体数据到加强客户关系参与的方方面面。
以下是您应该在AI平台上寻找的一些基本功能，以满足您业务的特定需求：
• 跨平台应用开发能力
• 深度学习能力，如图像和语音识别
• 使用可视化建模实践的手动流程的流程自动化功能
• 运营预测能力，对从购买到医疗决策的所有事情进行预测
• 聊天机器人通过文本或语音对话与客户沟通
• 适应您的业务环境的机器学习算法
关于数据驱动的决策在全球转向数字解决方案的过程中，大多数公司都面临着一些阻碍业务发展的共同障碍——其中最值得注意的是错误的决策。
数据（客户信息、产品、运营、支持、营销、其他互连系统）的爆炸式增长伴随着商业环境的大量变化，而企业往往无法有效应对。当整个企业大规模做出次优决策时，它会产生可能导致巨大挫折的限制。
低代码AI应用程序构建器，如ZohoCreator，可以帮助数据专家快速创建智能应用程序，帮助识别趋势/模式并为分析和决策生成洞察力。
接下来？Gartner预计，到2025年，由于快速的AI编排计划，70%的组织将拥有可操作的AI架构。虽然机器学习、计算机视觉、聊天机器人和边缘AI的进步推动了人工智能的采用，但正是这些趋势仍然主导着Gartner的周期。
随着人工智能继续变得更加智能，为越来越多的企业、应用程序和设备提供动力，并简化消费者的日常生活，它正在稳步成为未来应用程序开发领域的核心基础。
《人工智能导论》第一章 绪论
本文是中国人工智能学会编著的《人工智能导论（面向非计算机专业）》第一章的摘要与笔记，仅供个人学习之用。其它章节请访问下列相应URL。第一章绪论（本章）第二章概念表示第三章知识表示
章节目录第一章绪论1.1人工智能的起源和定义 1.1.1人工智能的起源 1.1.2人工智能的定义1.2人工智能的流派概念的定义概念的功能1.2.1符号主义1.2.2连接主义1.2.3行为主义1.3人工智能的进展和发展趋势第一章绪论1.1人工智能的起源和定义 1.1.1人工智能的起源现代人工智能的起源公认是1956年的达特茅斯会议。
1.1.2人工智能的定义时至今日，还没有一个被大家一致认同的精确的人工智能定义。
但目前最常见的AI定义有两个： ①一个是明斯基提出的，即“人工智能是一门科学，是使用机器做那些人需要通过智能来做的事情”； ②另一个更专业一些的定义是尼尔森给出的，即“人工智能是关于知识的科学”，所谓“知识的科学”就是研究知识的表示、知识的获取和知识的运用。
在这两个定义中，专业人士更偏向于第二个定义。原因很简单，因为第一个定义中涉及两个未明确定义的概念，一个是人，一个是智能。什么是人？什么是智能？到现在依然是很难清楚回答的问题。相比之下，第二个定义只涉及一个未明确定义的概念，就是知识。在人、智能、知识三个概念当中，知识被研究的应该是比较彻底的。同时，人和智能的定义也与知识紧密相关，而且知识是智能的基础。如果没有任何知识，很难发现什么是智能。
1.2人工智能的流派根据前面的论述，我们知道要理解人工智能就要研究如何在一般的意义上定义知识。可惜的是准确定义知识也是一个十分复杂的事情。
但关于知识，至少有一点是明确的，那就是知识的基本单位是概念。精通掌握一门知识，必须从这门知识的基本概念开始学习。而知识自身也是一个概念。
据此，人工智能的问题就变成了如下三个问题——如何定义（或者表示）一个概念、如何学习一个概念、如何应用一个概念。
概念的定义经典概念的定义由三部分组成：第一部分是概念的符号表示，即概念的名称，说明这个概念叫什么，简称概念名；第二部分是概念的内涵表示，由命题来表示，命题就是能判断真假的陈述句；第三部分是概念的外延表示，由经典集合来表示，用来说明与概念对应的实际对象是哪些。
概念定义的组成{概念的符号表示概念的内涵表示概念的外延表示概念定义的组成egin{cases}概念的符号表示\概念的内涵表示\概念的外延表示end{cases}概念定义的组成⎩⎪⎨⎪⎧概念的符号表示概念的内涵表示概念的外延表示
举一个常见的经典概念的例子——素数。其概念名在汉语中为“素数”，在英语中为“primenumber”；其内涵表示是一个命题：只能够被1和自身整除的自然数；其外延表示是一个经典集合：{1，2，3，5，7，11，13，17，…}。
概念的功能很容易发现，经典概念定义的三部分各有其作用，且彼此不能互相代替。具体来说，概念有三个作用或功能，要掌握一个概念，必须清楚其三个功能。
第一个功能是概念的指物功能，即指向客观世界的对象，表示客观世界的对象的可观测性。
举一个《阿Q正传》里的例子：那赵家的狗，何以看我两眼呢？句子中“赵家的狗”应该是指现实世界当中的一条真正的狗。但概念的指物功能有时不一定能够实现，有些概念其设想存在的对象在现实世界并不存在，例如“鬼”。
第二个功能是指心功能，即指向人心智世界里的对象，代表心智世界里的对象表示。概念的指心功能一定存在。如果对于某一个人，一个概念的指心功能没有实现，则该词对于该人不可见，简单说，该人不理解该概念。
鲁迅有一篇著名的文章《论丧家的资本家的乏走狗》，显然，这个“狗”不是现实世界的狗，只是他心智世界中的狗，即心里的狗（在客观世界，梁实秋先生显然无论如何不是狗）。
最后一个是指名功能，即向认知世界或者符号世界表示对象的符号名称，这些符号名称组成各种语言。
最著名的例子是乔姆斯基的“colorlessgreenideassleepfuriously”，这句话翻译过来是“无色的绿色思想在狂怒地休息”。这句话没有什么意思，但是完全符合语法，纯粹是在语义符号世界里，即仅仅指向符号世界而已。
概念的功能{指名功能指物功能指心功能概念的功能egin{cases}指名功能\指物功能\指心功能end{cases}概念的功能⎩⎪⎨⎪⎧指名功能指物功能指心功能
知道了概念的三个功能之后，就可以理解人工智能的三个流派以及各流派之间的关系。人工智能也是一个概念，而要使一个概念成为现实，自然要实现概念的三个功能。人工智能的三个流派关注于如何才能让机器具有人工智能，并根据概念的不同功能给出了不同的研究路线。
专注于实现AI指名功能的流派称为符号主义；专注于实现AI指心功能的流派称为连接主义；专注于实现AI指物功能的流派称为行为主义。1.2.1符号主义符号主义提出了物理符号系统假设：只要在符号计算上实现了相应的功能，那么在现实世界就实现了对应的功能，这是智能的充分必要条件。
著名的“图灵测试”就是在符号层面进行的。有了图灵测试，我们就可以将研究的重点放在智能的外在功能性表现上，使智能在工程上看似乎是可以实现和判断的。
但在指名功能里实现了概念的功能，并不能说明一定实现了概念的功能。实际上，根据指名与指物的不同，哲学家Searle专门设计了著名的“中文屋实验”用来批判图灵测试。这是哲学上对符号主义的一个正式批评，明确指出了按照符号主义实现的人工智能不等同于人的智能。
1.2.2连接主义连接主义认为大脑是一切智能的基础，主要关注于大脑神经元及其连接机制，试图发现大脑的结构及其处理信息的机制、揭示人类智能的本质机理，进而在机器上实现相应的模拟。
按照这条路，连接主义认为可以实现完全的人工智能。对此，哲学家普特南设计了著名的“缸中之脑”实验，可以看作是对连接主义的一个哲学批判。缸中之脑实验说明即使连接主义实现了，指心没有问题，但指物依然存在严重问题。因此，连接主义实现的人工智能也不等同于人的智能。
尽管如此，连接主义仍是目前最为大众所知的一条AI实现路线。在围棋上，采用了深度学习技术的AlphaGo战胜了李世石，之后又战胜了柯洁。在机器翻译上，深度学习技术已经超过了人翻译的水平。在语音识别和图像识别上，深度学习也已经达到了实用水准。客观地说，深度学习的研究已经取得了工业级的进展。
1.2.3行为主义行为主义假设智能取决于感知和行动，不需要知识、表示和推理，只需要将智能行为表现出来就好，即只要能实现指物功能就可以认为具有智能了。
对此，哲学家普特南也设计了“完美伪装者和斯巴达人”实验，可以看作是对行为主义的哲学批判。因此，行为主义路线实现的人工智能也不等同于人的智能。
1.3人工智能的进展和发展趋势简单地说，人工智能三大流派假设之所以能够成立的前提是指名、指物、指心功能等价。然而，在现实生活中概念的指名、指物与指心功能并不等价，单独实现概念的一个功能并不能保证具有智能。因此，单独遵循一个学派不足以实现人工智能，现在的人工智能研究已经不再强调人工智能的单一学派。很多时候会综合各个流派的技术。
在围棋上战胜人类顶尖棋手的AlphaGo综合使用了三种学习算法——强化学习（行为主义）、蒙特卡罗树搜索（符号主义）、深度学习（连接主义）。
目前的人工智能还有很大的缺陷，其使用的知识表示还是建立在经典概念的基础之上。经典概念的基本假设还是指名、指物与指心等价，这与人类的日常生活经验严重不符，过于简单化了。因此，在经典概念表示不成立的情况下，如何进行概念表示是一个极具挑战性的问题。
人工智能的历史、现状和未来
2018年2月25日，在平昌冬奥会闭幕式“北京8分钟”表演中，由沈阳新松机器人自动化股份有限公司研发的智能移动机器人与轮滑演员进行表演。新华社记者李钢/摄
2018年5月3日，中国科学院发布国内首款云端人工智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平。新华社记者金立旺/摄
2017年10月，在沙特阿拉伯首都利雅得举行的“未来投资倡议”大会上，机器人索菲亚被授予沙特公民身份，她也因此成为全球首个获得公民身份的机器人。图为2018年7月10日，在香港会展中心，机器人索菲亚亮相主舞台。ISAACLAWRENCE/视觉中国
2018年11月22日，在“伟大的变革——庆祝改革开放40周年大型展览”上，第三代国产骨科手术机器人“天玑”正在模拟做手术，它是国际上首个适应症覆盖脊柱全节段和骨盆髋臼手术的骨科机器人，性能指标达到国际领先水平。麦田/视觉中国
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
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。
人工智能叩开智能化战争大门
写在前面
2017年伊始，被称为进化版“阿尔法狗”的Master在围棋网络平台横扫柯洁、朴廷桓、井山裕太等围棋界顶尖高手，豪取60连胜，掀起一股“Master风暴”，也引起了很多人的担忧。人类担心的不是围棋这块被称为“人类智慧的最后堡垒”的领域被人工智能攻克，而是担心人工智能今天颠覆了围棋，明天还会颠覆什么？这是横亘在人们心头的顾虑。
Master连胜人类高手，与计算机证明四色定理性质相似，都是算力与算法的胜利，不用过度担忧它们会主宰人类、奴役人类。但人工智能发展日新月异，大家普遍认为强人工智能降临是迟早的事。如今，人工智能已经渗入到生活的各个角落。在战争中运用人工智能的情况也并不罕见，既然人工智能时代的到来已经无法避免，那么未来战争中我们如何运用它将会成为制胜关键。人工智能带给人类的是威胁还是发展，关键在于如何利用，“假舆马者，非利足也，而致千里；假舟楫者，非能水也，而绝江河。”战争技术与人工智能融合，也许是未来之路。
人工智能发展历程
人工智能叩开智能化战争大门
Master的60连胜让人思考人工智能会给我们的生活带来如何的改变。或许，以下这些生活场景将陆续变成现实：
开车时，你说出地点，自动驾驶系统将你带到目的地；
在医院，你看到来自美国的拖车机器人在运送医疗器械和“大白”机器人在照顾病人；
下班后，你按下手机上的“回家模式”，推开家门你发现，窗帘已经拉上，温度适宜，灯光柔和，热水烧好，还有可爱的家居机器人跟你问好卖萌；
其实，你还可以使用无人飞行器，载着钻戒，向你心爱的她求婚……
这一天，我们期待已久。
人工智能大发展时期来了！
早在第一台计算机问世后不久，就有科学家预言，人工智能的时代必将来临。1997年，当“深蓝”战胜了卡斯帕罗夫之后，这种美好的情景似乎更是指日可待。但是在20世纪后半叶，人工智能研究却因为数次技术革新尝试的失败而陷入寒冬。最近的一个寒冬期，从20世纪末到21世纪的头10年，是因为神经网络的研究遭遇瓶颈而带来的。
近年来，大家都能明显地感觉到，人工智能的理论研究和可感知产品似乎突然井喷式地“爆发”了：可穿戴设备扎堆出现，智能机器人频频亮相，机器的人脸识别准确率超过肉眼，苹果和宝马等公司齐发力无人驾驶汽车，美国、欧洲先后设立人类大脑攻关项目……
人工智能项目的大爆发，并不是一件巧合，而是在经历了10余年的沉寂后迎来的飞跃式发展。成功预言机器人必将会战胜人类棋手的美国科学家雷·库兹韦尔又预言：人工智能超越人类智慧能总和的那个奇妙交点，就在2045年。
那么，这一波人工智能的爆发会有多大影响，影响的时间会持续多久，又会在多大程度上改变着人类的生活呢？
从弱人工智能到强人工智能。1997年“深蓝”在国际象棋领域称霸以后，人工智能没有像预想的那样改天换地，而“深蓝”则在沉寂了10多年，销声匿迹。人工智能也一直停留于弱人工智能的阶段，迟迟没有突破，这段跨度近20年的时间，成为了迄今为止最长的一次人工智能寒冬。有人戏谈，这20年里面人工智能领域最大的成就，就是斯皮尔伯格拍出了《人工智能》这部让全世界倾倒的科幻电影，斯皮尔伯格把人类对于未来世界的丰富幻想倾尽所能地放入了自己制造的电影世界。随之，《机器管家》《超级骇客》《机械姬》等一系列讲述人工智能的电影应运而生。人工智能开始进入人类生活的各方面，医疗、教育、服务、制造等行业，甚至军事领域的人工智能运用也变得普遍起来，这让许多军事爱好者思考，人工智能对于军事领域究竟意味着什么，未来将走向何方？
“阿尔法狗”只代表了人工智能在基于神经网络的机器深度学习、高性能计算和大数据技术等领域的最新成就，属弱人工智能。但有军事专家预言，未来强人工智能的运用就会如同5年前大数据的进入一样，带来巨大的改变。在竞争与博弈更为激烈的军事领域，人工智能自上个世纪随着计算机的出现已经越来越多地走向战场，推动着智能化战争时代的来临。
人工智能正大踏步走上战场
人工智能是现代信息技术的重要分支，世界上第一台可编程的“巨人”计算机诞生于二战期间的英国，其目的就是为了帮助英军破译德军密码。近年来，人工智能越来越多地走上战场，深刻改变着战争面貌。总结来看，人工智能在军事领域的应用主要表现在以下5个方面：
智能化感知与信息处理。微机电系统、无线传感器网络技术、云计算技术的飞速发展，使得战场感知手段进一步朝着智能感知与信息融合处理的方向发展。美军、俄军、法军、德军等均装备了具有智能化信息感知与处理能力的数字化士兵系统，如美军的“奈特勇士”、俄军的“战士”等。美国国防部高级研究计划局2015财年中新增了“大脑皮质处理器”等研发项目，该处理器通过模拟人类大脑皮质结构，解决高速运动物体的即时控制等难题，未来投入应用将大幅提高机器人、无人机等的自主行动能力。
智能化指挥控制辅助决策。各国军队通过开发各种军事信息系统，目的是构建功能强大的栅格化网络信息体系，提高智能化评估和辅助决策能力。各军事大国不断发展的指挥控制自动化系统，追求比对手更强的信息优势和决策优势。近年来，美军建立网络司令部，大力加强网络攻防能力，重点基于云计算、大数据分析等技术研发针对网络入侵的智能诊断信息系统，能够自动诊断网络入侵来源、己方网络受损程度和数据恢复能力。
无人化军用平台。西方国家在一战期间就开始重视小型无人机、遥控无人车和无人艇的研发应用。目前世界上已有70多个国家军队在发展无人化系统平台。美军已装备的无人机达7000多架，在伊拉克、阿富汗战场上投入运用的地面轮式（或履带式）机器人超过12000个。美军近期将实现地面机器人占地面兵力的三分之一，舰载型X-47B无人机将占舰载机总量的三分之一，进一步推进有人平台与无人平台之间的协同编组演训。
仿生机器人。21世纪以来，机器人技术呈现井喷式发展，类人机器人、机器鱼、机器昆虫等各种仿生机器人不断问世，并在军事领域有了越来越多的应用。比如美军曾在阿富汗战场上试验了一款“大狗”机器人，帮助战士实施伴随保障。美国防部于2013年对其进行升级，提升其负重到200公斤、奔跑时速每小时12公里、具有防弹和静音效果。俄罗斯军队近来计划加紧研制可以驾驶车辆的类人机器人、组建可与人类战士并肩战斗的机器人部队。
扩展人的体能技能和智能。信息技术、新材料技术和生物技术的交叉融合使得人的体能、技能和智能将进一步得到扩展。比如，外军正通过研发机械外骨骼，来打造体力倍增的“机甲战士”；通过生物信息芯片的植入来提高人的记忆力与反应能力，以使人类战士更好地适应未来高度信息化的作战环境。
人工智能将推动新一轮军事变革
当新的军事技术、作战理念和组织编成相互作用显著提升军事作战能力时，将促动新的军事变革的发生。人工智能在军事领域越来越广泛的应用，正成为军事变革的重要推手，催生新的战争样式，改变战争制胜的内在机理。
对于战争观念带来新的冲击。人类战争史经历了冷兵器时代、热兵器时代、机械化时代、信息化时代，人工智能的发展使得智能化时代加速到来。智能是否可分为高阶智能和低阶智能？拥有高阶智能化水平的军队对于低阶智能化的军队是否具有压倒性优势？如果人的“机器化”和机器的“人化”是两个必然的发展趋势，会思考的机器人代替人类拼杀是否有悖于传统的战争伦理？人工智能使得战场感知能力和信息处理能力空前提高，在高技术化的战场上战争的“迷雾”是否仍旧存在？对于这些问题的理解，要求军事领域必须来一场头脑风暴。
对于理论创新带来新的启发。战争的物质技术基础不断更新，为战略理论和作战概念创新开辟了新的空间，不断催生人工智能领域新的颠覆性技术；精确打击弹药、无人化装备与网络信息体系的组合应用，催生了“分布式杀伤”“母舰理论”“作战云”“蜂群战术”等新的智能化作战理论；凭借己方的信息优势和决策优势，如何在去中心化的战场网络中切断和迟滞对手的信息与决策回路，成为智能化战争制胜必须解决的核心问题。
人工智能军事应用的未来趋势
随着信息技术、纳米技术、生物技术、新材料技术、新能源技术等战略前沿技术领域的发展应用，必将继续推动人工智能相关技术日益走向成熟，在军事领域扮演越来越重要的角色。
人工智能技术与装备不断取得突破。主要国家纷纷将人工智能提升到国家战略高度，美空军首席科学家办公室颁布面向2035年的《无人系统地平线》技术评估和预测报告，认为未来各类无人系统与作战平台的自动化、自主性和远程遥控性能将随着技术的进步不断取得突破。尤其随着超大规模计算、量子计算、云计算、大数据、类脑芯片等技术的进步，将使得人工智能的信息处理与控制技术获得极大发展，深刻改变现代战争人工智能的技术比重。
人工智能催生新型作战力量蓬勃发展。人工智能系统与作战平台的广泛应用，将使人工智能作为重要的作战要素渗透于战争与作战准备的整个流程，进一步丰富新型作战力量的内涵。随着无人机编组、无人潜航器编组、战场机器人士兵编组以及无人与有人作战单元的协同编组走向战场应用，各类“混搭式”新型作战力量将不断出现。随着军事物联网、军用大数据、云计算技术在军事领域的建设运用，用于信息支援、指挥控制、效果评估、后勤保障的“云端大脑”、“数字参谋”、“虚拟仓储”等人工智能作战力量将在未来战争中发挥越来越重要的作用。
人工智能通过实战应用不断演化升级。以信息技术为核心支撑的人工智能系统与作战平台，与传统机械化武器装备的研制发展模式不同。机械化武器装备一般在技术成熟后投入使用直到报废淘汰，有着一定的使用寿命；人工智能系统则是按照系统原型-实践训练-演化升级的模式发展，人工智能的系统往往按照不同版本用不断演化的方式提升其智能化水平。人工智能的演化方向总是朝着高阶智能不断升级，人工智能系统与作战平台的这种发展规律对于军事训练和作战能力提升具有革命性意义。美国及其盟友近年来持续组织“施里弗”太空（网络）演习、“锁顿”网络安全演习等活动，就是对于其人工智能信息系统的反复测试和升级演化。未来，通过持续的对抗演习对人工智能系统和各类无人化作战平台的升级训练，将是战斗力提升的重要方式。
人工智能助力智慧国防建设
数据被称为信息时代的战略资源，人工智能的出现，为人类深度挖掘数据信息的智慧资源提供了方法手段，正在引领并重塑世界新军事变革的发展态势。直面人工智能蓬勃发展的浪潮，如何迎接挑战，把握机遇，加速推进军队信息化建设，提升打赢现代战争的核心军事能力，是我军实现强军目标必须回答的时代课题。一方面，我军要保持清醒头脑、审慎研判，既不能被人工智能看似强大神秘的表象所吓倒，也不能盲目叫好，更不能无动于衷而丧失发展的机遇，由于缺乏技术认知力而被对手造成技术突袭。人工智能个别技术领域的突破，不过是人类智能的延伸，却不能取代人类智能的支配地位，人仍是战斗力各要素中的核心要素，人的主观能动性仍是决定智能化战争胜负的关键。另一方面，我军应贯彻军民融合发展战略、创新驱动发展战略，把握时代趋势，彰显我军特色，紧盯对手布局，大胆吸收应用人工智能相关技术成果助推军队信息化建设，在平台建设、后勤保障、军事训练、国防动员等领域尝试应用人工智能技术实现转型升级，积极发展针对对手人工智能军事应用的反制手段，在实践中探索人工智能领域与强敌博弈的制胜机理。(朱启超本报记者王婧凌)
相关链接
美俄等国人工智能在军事上的运用
美国：2016年7月，美国海军陆战队测试模块化先进武装机器人系统（MAARS），利用传感器和摄像头基于人工智能控制持枪机器人。美国陆军研制的“陆军全球军事指挥控制系统”，目前已经装备陆军航空部队运输直升机，可使直升机驾驶员与前线士兵保持联络，并指挥地面部队。
俄罗斯：俄战略导弹部队正在研制的“狼式—2”移动式机器人系统使用履带式底盘，可在5公里范围内通过无线电频道控制，由热成像仪、弹道计算机、激光测距仪和陀螺稳定器保证射击精度，能够在时速35公里的情况下击中目标。
以色列：研制的机器人“多戈”自动武装战术作战机器人，自带一个标准格洛克26型9毫米口径手枪，堪称人小鬼大。
获得2016年奥斯卡最佳视觉效果奖的电影《机械姬》，讲述了具有独立思考能力的人工智能机器人。
“大师”来袭，让作战样式向无人化发展
围棋账号Master（大师），连续在弈城围棋、腾讯围棋两大围棋平台中，挑战世界顶尖棋手，取得60连胜，引发全球对人工智能的高度关注。几乎没有多少人想到，在围棋领域机器没有经历与人类“相持”的时期，直接就绝尘而去。
恩格斯曾说过，尖端科技的应用最早是从军事领域开始。军事斗争是涵盖多维度、多领域、全时域、高烈度的综合较量，而人工智能的加入将如催化剂般加快各国军事变革步伐。纵观两次工业革命和两次世界大战的全过程，我们会发现“科技”和“战争”存在着必然的联系。科技会触发战争，战争又反过来推动科技的发展。现阶段各国在武器装备信息化、智能化发展方面都取得长足进步，各种精确定位、精确打击、精确评估武器系统层出不穷。但是人类还未能从武器系统中分离出来，很大部分操作依然需要人工完成。人工智能与武器装备相结合就意味着以后，从搜索发现目标，到威胁评估，到锁定摧毁，再到效果评估，这一系列过程完全不需要人类参与，机器就能帮我们作决定，做到作战样式无人化发展。
Master取得60连胜后悄然消失，但有关人工智能何去何从的探讨仍不绝于耳：它会抢了人类饭碗，还是作为人类功能的延伸？它终将超越人类智慧，还是会与人类融合？这些问题的答案，不是非此即彼那么简单。对于它们的求解，将伴随着人工智能未来的发展。1997年“深蓝”战胜卡斯帕罗夫，更多发挥了硬件加速、暴力计算等计算机运算特长。而AlphaGo使用神经网络、深度学习、蒙特卡洛树搜索法等人工智能新技术，实力早有实质性飞跃。这类新技术让人工智能更加胜任语音和图像识别以及评估分析等工作，因此是重要发展方向。
这一轮的围棋“人机大战”虽然尘埃落定，但它在各领域引发的思考却非常值得研究。其中，“‘人机大战’是战争最好的预实践”特别值得军事领域认真研究。不管是冷兵器时代，还是机械化时代，在前方打仗靠的是“人海战术”，解决问题需要“集中优势兵力”。信息化战争不再打“人海战术”，大兵团厮杀的场景难于再现，但就整个战争而言，用兵并不见得少，相反有可能还多，只不过是用在最前沿的兵大大减少了，用兵的位置发生了乾坤大挪移。未来战争无人化、网络化和非接触的作战模式，参与者会变得更多，有时你无法知道对手是谁、藏在哪儿。
赛场和战场虽然有不同的运行法则，但制胜机理很多则是相通的。过去，我们只能在战争中学习战争，现在可以在电脑模拟的近似实战环境下学习战争，推演未来战争的攻防模式和发展趋势。“阿尔法狗”可以轻易搜集获得众多围棋高手的棋局，但在军事领域，你想要获得对手训练、演习乃至作战方面的相关数据，难上加难！未来战争是在信息体系支撑下进行的，只有解决好人机融合这一核心问题，才能占据着战场的主动，赢得现代战争最后的胜利。(李大光)