疫情下的人工智能到底能给我们带来多大的便利
人工智能的繁荣已成为推动社会经济发展的新动力之一。对提高社会生产效率，实现社会发展和经济转型具有重要作用。人工智能作为引领新一代产业转型的核心力量，在医疗领域展现了新的应用，在深度融合中催生了新业态。
事实上，与制造业，传播媒体，零售，教育等领域相比，人工智能还处于医疗的早期阶段，商业化程度相对较低，行业渗透率较低，这与医疗行业的护理和保守性必然密切相关。然而，不可否认的是，人工智能在医疗领域的结合已经回应了传统医疗的许多困难，市场需求广泛，业务趋势多样，发展空间广阔。
新冠疫从云端推动人工智能发挥关键作用，提高整体抗疫效率。疫情已成为人工智能在医疗领域的试金石，显示了人工智能在医疗中的实力和价值。从应用场景看，人工智能医疗应用尚处于起步阶段，图像识别，远程查询，健康管理，暂居第一梯队。
其中，图像识别作为辅助诊断的一个细分领域，是人工智能在医学领域应用最广泛的场景。
影像诊断和治疗的概念起源于肿瘤学领域，然后将其扩展到整个医学影像领域。了解医学影像，提取具有诊断和治疗决策价值的关键信息，是诊疗过程中非常重要的环节。
以往医学影像预处理诊断需要4-5名医生参与。但基于人工智能图像诊断，训练计算机分析医学图像，仅有一名医生参与质量控制和确认，这对提高医疗行为效率有很大的好处。
人工智能首先在医学图像中爆炸和着陆，主要是因为图像数据的访问和处理相对容易。对比医疗记录等数据积累超过三五年以上，影像资料只需一次拍摄，几秒钟即可获取。一部影像学影片可以反映患者的大部分病情，成为医生确定治疗方案的直接依据。
医学图像庞大且相对规范的数据库，智能图像识别算法的不断进步，为人工智能医学在该领域的应用提供了坚实的基础。
从技术角度看，医学图像诊断主要依靠图像识别和深度学习。根据临床诊断路径，首先将图像识别技术应用于感知环节，对非结构化图像数据进行分析处理，提取有用信息。
其次，利用深度学习技术，将大量的临床影像数据和诊断经验输入到人工智能模型中，使神经元网络进行深度学习训练。最后，基于连续验证和研磨的算法模型，进行图像诊断的智能推理。输出个性化诊疗判断结果。
基于图像识别和深度学习的人工智能与医学图像相结合，至少可以解决三种需求。一，焦点识别与标注，即通过医学图像产品的Al进行医学图像分割，特征提取，定量分析，对比分析等。满足这一需求，X线，CT，MRI等医学影像的自动识别和标记系统，可大大提高影像医生的诊断效率。目前，Al医学成像系统可以在几秒钟内快速完成10万多幅图像的处理，提高诊断精度，特别是降低诊断结果的假阴性概率。
二，靶区自动划定及适应性放疗。目标自动绘图和自绘适应性放疗产品可以帮助放疗医生自动勾画200到450张CT片，大大缩短到30分钟。并在患者15~20次上机照射过程中不断识别病灶位置实现适应性放疗，可有效减少辐射对患者健康组织的损伤。
三，三维图像重建。基于灰度统计的配准算法和基于特征点的配准算法，可以解决故障图像配准问题，节省配准时间，在病变位置，病变范围，良恶性病变识别，手术方案设计等方面发挥作用。
从落地方向看，目前我国AL医疗影像产品布局方向主要集中在胸部，头部，盆腔，肢体关节等主要部位，主要集中在肿瘤及慢性病疾病筛查龙头城市。
在人工智能医学成像的发展和应用的早期，肺结节和眼底筛查是热门领域。随着技术在过去两年中的成熟和迭代，主要的Al医疗成像公司正在扩大其业务范围，乳腺癌、中风和骨关节周围的骨龄测试已成为市场参与者的重点领域。铝医学影像参与新冠肺炎疗效的定量分析和评价，成为提高诊断效率和诊断质量的关键力量。
政策资本双重进入
如果图像数据的相对可达性和处理性是人工智能在医学图像中首次爆发和落地的主要原因，那么国家政策的支持和资本的大量准入赋予了人工智能在医学图像应用中持续更新的力量。
从政策新增来看，2013年至2017年，政府各部门出台多项政策，不断加大对国内医学影像设备，第三方独立医学影像诊断中心，远程医疗等领域的支持力度。
在2016年底，国务院发布了“十三五”规划国家战略新兴产业发展规划>多次提到医学影像，指出要“研发高质量的医学影像设备”，“支持企业，医疗机构，研究机构等联合建设第三方影像中心“。国家发改委2017年1月将医学影像设备和服务纳入。
编辑;jq
如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）
(责编：赵超、吕骞)分享让更多人看到
人工智能——给交通带来什么
人工智能的发展历程
过去，我们想通过符号、运算规则、推理来得出预测。到了知识工程阶段，主要是通过专家系统不断的收集、采集这些信息。到了神经网络阶段，就是新一代的人工智能。
新的人工智能有五个特征：
1.大数据与硬件技术推动深度学习等人工智能技术发展。
2.文本、图像、语音等信息实现跨界融合。
3.基于网络的群体智能技术开始萌芽。
4.从研究机器人转向更加广阔的智能自主操控系统。包括自动驾驶、自动飞行、自动航海，还有自动机器人的工厂，这些都是由自控设备来控制。
5.人机协同正在催生新型混合型增强智能。我们可以把大脑连接起来，把它的信息通过传感器来连接，有些系统我们不知道它里面是怎么运作的，但是我们知道给它一个信息就会产生一个行为，通过这种方式实行了人机协同。现在已经进行了人类的实验，为残疾人造福。
人工智能技术原理
计算的分类
计算分成三类，一类是基于机理的计算，一类是基于数据的计算。所谓机理的计算，就是我们能够发现一个公式或者一个模型，能够预测未来所有的事情。基于数据的理论计算，它是只关注预测，不求机理，以更好地处理数据为目标，工作重心放在收集数据，并提取特征上。
另外，还有一种混合计算。对于一些复杂性问题,某些指标或特征无法直接测量,同时采用单一机理或数学模型无法很好地从整体上描述形成过程。此时，可采用一种基于机理与数据混合驱动的联合建模方法，共同描述拟合复杂问题。
图1人工智能系统的技术架构
传统机器学习与深度学习
人工智能经历了从“推理”为重点到以“知识”为重点，再到以“学习”为重点的浅层学习阶段。而目前，人工智能在算法、算力和大数据的驱动下，进入了以信息技术驱动的深度学习发展阶段。
机器学习是人工智能的核心，机器学习分成无监督学习和监督学习，在神经网络又分成深度学习和强化学习。机器学习是获取数据和特征进行处理，然后再作判别。深度学习是按照大脑的神经网络分成几层，先输入，然后经过细胞传感神经元，通过传递感知输出行为信号。计算机也是这样，就像一个黑箱子，里面的算法可能是一个函数，这个函数有不同的变量和参数调整，一个变量对应一个生成量。如果用自动驾驶的方式了解，就像一辆汽车左边撞了，就会调整参数自动往右靠，右边靠多了就往左边调，经过不断调测，一个算法就诞生了。
深度学习可以判断、分析、反馈，可以通过自己找到信息来举一反三。
图2
人工智能技术分支
1.自然语言处理
自然语言处理是对人们日常生活所使用的语言进行数字化处理；是通过语音文字等形式与计算机进行通信，实现“人机交互”。它是一门多学科交叉的技术。
自然语言处理相关研究最早从机器翻译系统的研究开始。早期的做法是存储两种语言的单词、短语对应译法的大辞典，翻译时意义对应，技术上只是调整语言的顺序。但日常生活中的语言远非如此简单。
进入20世纪，大量经过标注的、具有句法和语义信息的数据开始出现，从而使人们能用这些宝贵的数据资源训练新系统。这一阶段监督机器学习成为主流。
近年来，无监督学习开始受到关注。这些方法有效地利用对单独、未注释的数据进行机器翻译，通过大量的训练数据和端到端的学习方式，直接建立源语言与目标语言之间的映射关系，跳过了中间复杂的特征选择、人工调参等步骤，取得了较好的效果。
2.机器视觉
人类大脑皮层约有70%的活动在处理视觉信息。机器视觉(machinevision)即是用机器代替人眼睛进行测量和判断。得益于深度学习算法的成熟应用，机器视觉技术得到了广泛应用。
3.智能决策规划
除了感知系统以外，机器能够通过这些信息，把复杂的问题通过算法进行决策。
图3
人工智能的典型应用
1.人工智能可描绘用户画像
3.人工智能助力金融科技
过去的股票分析师、股票交易场所，随着人工智能到来，都没有了。现在的交易所都是机器。包括银行广告、认证、语言、服务器，等等。甚至打电话你也分不清银行是真人给你打，还是机器给你打，因为机器都已经具备了这些功能。
4.人工智能加速医学发展
主要包括：语音录入病例、综合性诊疗、医疗影像分型、身体健康管理、药物研发、医疗机器人等。
5.人工智能为机器人赋能
随着机器人的发展，先后出现了程序控制机器人(第一代）、自适应机器人（第二代）、智能机器人（现代）。
6.人工智能改变战争形态
7.人工智能让手机“无所不能”
8.人工智能+AR/VR增强人类感官
VR就是把完全虚拟的世界通过各种各样的头戴显示器，呈现给用户，一般是全封闭的，给人一种沉浸感。
人工智能与交通运输
人工智能与基础设施
首先，智能桥梁健康监测与运维管理，用于基础设施的养护，需要人工智能的传感器不断地判别。智能化的桥梁维护运营管理系统，首先是智能检测，取得各种各样的数据，包括交通流量、桥梁结构等，通过这些数据来计算、分析，实现智能的检测、智能的评估、智能的养护，以此代替人的思考。就像我们必须得有数据的感知系统，通过无人机、无人船、水下的无人设施来检测各种情况，来判断它的真实，通过大数据来比较到底是否有问题。在技术层面，我们要对数据进行分析，然后得出结论。
图4
人工智能与运输装备
自动驾驶技术是融合现代通信与网络技术、人工智能技术、现代制造技术，实现车与X（人、车、路、云端等）智能信息交换、共享，具备复杂环境感知、智能决策、协同控制等功能，可实现安全、高效、舒适、节能行驶，并最终可实现替代人来操作的新一代汽车。自动驾驶汽车通常也被称为智能网联汽车或智能汽车等。
我国自动驾驶“三步走”发展战略为——
第一步：到2020年，跟踪引导。形成自动驾驶和车路协同标准体系；建成国家营运车辆自动驾驶和车路协同测试基地；辅助驾驶技术在营运车辆率先规模应用；高级自动驾驶技术在城市和高速公路中试点应用。
第二步：到2025年，示范引领。高速公路、城市公交专用道，以及特定区域内实现营运车辆自动驾驶技术规模示范；辅助驾驶技术在乘用车上基本普及；形成较为成熟的技术体系、商业应用模式和政策环境。
第三步：到2030年，协同提升。实现自动驾驶技术和道路智能化技术的协同发展；形成新一代交通控制与运行系统；形成开放、共享的新型客货运输服务系统；实现交通运输转型升级。
图5自动驾驶技术分级
人工智能与运输服务
人工智能与物流运输相结合。仓储管理可以利用AI技术，优化仓库选址方案和仓库管理、货物分拣、库存水平的动态调节。运输路径规划方面，自动驾驶、5G技术、物联网云计算等技术日益成熟，通过实时数据的多元融合，实现运输路径的动态规划，将使得物流配送更加精准高效。智能机器人的投递分拣、智能快递柜的广泛使用、自动驾驶的日益成熟，将大大提升物流效率。
人工智能与运输安全的管理相结合，可实现机场智能安检、地铁刷脸进站、公交嫌犯检测、疲劳驾驶监测。
图6车路协同自动驾驶
人工智能未来发展方向
现在的人工智能仍然是弱人工智能，所谓弱人工智能，只能干一件事。比如下围棋的AlphaGo，主要由信息技术推动，会计算不会算计，有专才无通才，但智能在特定领域特定规则中表现出强大智能。强人工智能可以跟人一样综合分析，不受领域、规则限制，具有通用性，是真正的人工智能。预计到2045年，强人工智能终会出现。超级人工智能可打败人类中的一部分人。
当前人工智能所面临的问题也很多。主要为硬件基础无实质突破，计算能力受限；机器学习未突破基于数理统计的框架；信息模态单一，泛化迁移能力差；能耗大，计算成本高；AI演化为优化问题，AI无自动升级能力。
人工智能也会带来就业的影响，传统的蓝领将会失业，比如交通领域中的收费员、司机，有可能将面临失业。
人工智能还面临伦理问题。比较突出的问题是，决策系统的设计准则，究竟是保护自己还是保护他人？机器具备感情后，与人的关系问题。解决方案是，可以设计人工智能的道德机器，将人类社会的道德、伦理和法律代码化，嵌入到人工智能系统之中，并建立第三方评估机制。欧洲法律事务委员会提交动议，以护理机器人为例，提出对机器人有生理依赖的人类会对其产生情感上的依恋。因此，机器人应始终被视为机械产物，以防止人类对其产生情感依恋。
另外，还面临法律问题。无人运载工具已列入立法研究，自动驾驶立法：联合国《维也纳道路交通公约》修正；《德国道路交通法第八修正案》；美国《自动驾驶汽车指导方针3.0》。IMO宣布将针对无人船的安全、环保等问题研究制定有关规范。
关于机器人的法律人格，日本《知识财产推进计划2016》，专章讨论人工智能创造物的知识产权保护问题。欧洲法律事务委员会提交动议，赋予电子人（ElectronicPersons）法律地位。日本海豹宠物机器人帕罗获得户籍；机器人Sophia被授予沙特国籍。
人工智能的政策建议：构建开发协同的人工智能科技创新体系，大力培养聚集人才团队，形成人工智能人才高地。加快成熟技术与行业深度融合，促进传统行业转型升级。加强智能化基础设施建设，推动数据开放共享。加强人工智能社会安全和法律伦理问题研究。
本文刊载/《桥隧产业》杂志
2020年2月刊总第39期
作者/庞松
作者单位/交通运输部科技司
编辑/陈晨
责编/王硕
桥隧工程界不仅需要技术刊物满足工程师、设计师及技术人员的需求，同时还需要分析市场发展、捕捉技术前沿、分享管理经验。为更好的搭建交流互动的平台，2020年起，《桥隧产业资讯》更名为《桥隧产业》。
《桥隧产业》杂志是一本以政策决策者、工程投资主体、政府层面的工程管理者、国内投融资机构、桥界企业家、交通经济专家、经济学者及相关人士为读者对象的杂志。
专注于报道桥隧产业的技术升级、市场升级、管理升级，从时间线和延展性上拓宽信息的范围，为读者提供一份具有高端视野的刊物。同时，本刊还将成为行业全链条相互交流、相互了解及行业标准发布的平台。
联系邮箱：xmt@bridgecn.org
原创稿件，转载请标明出处返回搜狐，查看更多