人工智能、人民日报和习近平的中国：AI分析师从党媒口舌读懂中国
人工智能、人民日报和习近平的中国：AI分析师从党媒口舌读懂中国冯兆音BBC中文驻美记者发自华盛顿2018年11月23日图像来源，GettyImages试想一下，一位《人民日报》的资深读者，牢牢记住了该报70年来的所有报道，他能在今日的头版中读出什么门道呢？长久以来，中国官媒《人民日报》被认为是洞悉中南海最新政策的重要窗口，许多中国观察家每天的第一项工作就是：埋头细读《人民日报》头版，从中寻找变化的蛛丝马迹。在不久的将来，记忆力远超人类读者的人工智能或能代劳这一工作。最近，两位身在华盛顿的年轻华裔研究员研发出一项名为“政策变动指数”（PolicyChangeIndex）的人工智能程序，它犹如一位《人民日报》的死忠读者，“熟读”该报及其前身《晋察冀日报》自1946年来发布的全部200万篇文章。根据程序设定，如果这位人工智能读者一觉醒来，读到当日的头版觉得非常惊讶，就说明这篇文章偏离了该报此前的采编思路。如果该程序持续对头版信息感到“惊讶”，就意味着北京的宣传思路转向，新的政策可能要横空出世了。打造《人民日报》的超级读者这位人工智能读者的诞生，要从2017年一场在华盛顿的饭局说起。35岁的智库研究员钟伟锋和34岁的经济政策咨询师陈子健分别来自广东与香港，是相识多年的老友，两人一直对中国政府的宣传口径感兴趣，花了大半年时间在《人民日报》公开数据库中抓取了200万篇报导。“但想来想去，不知道该怎么用。”钟伟锋接受BBC中文采访时回忆说。人工智能的优势是能在短时间内消化庞大的数据量，通过复杂的计算给出一个答案，但在那之前，研究员必须抛给人工智能一个有意义的问题。就在这场再平凡不过的朋友聚餐中，两人你一言我一语，掀起一场头脑风暴。“人工智能可以用来判断文章出现在哪一版。”“这哪有意思呀？谁在意文章来自报纸的哪一版？”"但头版就不一样了！不如判断一篇文章是否足够重要到出现在头版？这就有意思了。"在新政策出台前，中国政府通常预先调整舆论方向。被认为是中国官媒之首的《人民日报》是反映国内政策的风向标，尤以头版文章最为重要，传达着当局重点宣传的纲领性政策。中国领导人如果几天不在《人民日报》头版露面，海外中国观察界就能炸开了锅。若能及时感知到头版的新舆论取向，就如掌握了中国政治的水晶球，可观察到北京的最新政策取向。钟伟锋和陈子健这项听起来复杂高深的研究，其实内核相当简单：让人工智能去模仿一位经验丰富且有洞察力的读者。图像来源，JulianTszkinChanandWeifengZhong图像加注文字，人工智能专家陈子健（左）与钟伟峰（右）
找好用来考验人工智能的问题后，两人在业余时间潜心研究机器学习（machinelearning）程序。有时，他们结束朝九晚九的本职工作，就在家中研究直到半夜两三点。钟伟锋打趣说，妻子曾抱怨他与陈子健通电话的时间，比他们夫妇俩聊天的时间还长。高强度的工作不久后就被证明是值得的。几个月后，两人在陈子健的家中试运行程序，只采用《人民日报》文章的标题小试牛刀，结果让他们喜出望外。“在1978年改革开放前半年，程序显示出很高的‘惊讶’峰值，明确显示出新政策出台前的舆论转向。”钟伟锋说，“当时高兴得要跳起来了。”今年十月，他们将“政策变动指数”相关发现写成论文，发布在华盛顿智库美国企业研究所（AmericanEnterpriseInstitute）的网站上。机器人都能写新闻记者们真要失业了吗？人工智能：英、中、美上演"三国演义"人工智能：机器人的科幻版vs现实版从BBC到路透社人工智能怎么做新闻人工智能读者的惊讶程度即是“政策变动指数”，该指数首度量化了官媒上传递的中国政策变化信息。而且，人工智能不受语言限制，类似的程序可以用来观察古巴、朝鲜、越南等苏维埃模式独裁国家的官方舆论导向。有研究朝鲜的专家已与两人探讨合作，通过以机器学习《劳动新闻报》分析朝鲜的政策方向。人工智能读到了什么？“政策变动指数”的变动与多项中国近代重大政策的宣传时间吻合，它在1958年前录得了高指数，成功“预测”了大跃进政策。指数还显示，在1976年毛泽东去世后，中国的政策出现了几番波动，在1978年推行改革开放政策后恢复平稳。它还提前了三个季度测出1993年私营经济改革的加速，提前一年测出2005年的改革“减速”。钟伟锋说，“和谐社会”在2004年的《人民日报》头版中反复出现，显示出政府酝酿在效率与公平之间取得平衡，预备市场改革减速。图像来源，GettyImages图像加注文字，人工智能程序可在短时间内消化大量信息。
人工智能如何解读习近平任内的政策呢？根据它的分析，习近平上台以来的政策与胡锦涛第二任期的相比“变化不大”。两位作者认为，这是由于习近平延续胡时期经济和社会改革并行的政策，市场经济改革虽然降速但仍在持续，同时，北京尝试采取一些民粹政策来解决社会问题。值得一提的是，习近平任内的政策似乎让人工智能十分迷惑。在他执政的年份中，人工智能判断头版文章的准确度只有60、70%，表现只算是仅仅及格。钟伟锋分析，近年来，当局既有“媒体姓党”、反西方意识的“七不讲”等意识形态偏左的政策，也出现“使市场在资源配置中起决定性作用”的偏右提法。“又左又右的政策之下，人工智能似乎还看不到一个统一的政策议程。”哈佛学者：“中国模式”处于辉煌与陨落的分水岭观察：习近平“媒体姓党”下新闻人的选择中国媒体观察:“党媒姓党”搅翻的舆论场另一段让人工智能程序迷惑的时期，是1989年天安门事件至1992年南巡期间。钟伟锋认为，这段时期内党内改革派与保守派分歧扩大，政策制定处于“比较迷失的状态”。人工智能并非无所不能，对于政府不披露的消息，人工智能也无法猜出当局的心思。例如1966年发起的文化大革命与1989年的天安门事件，“政策变动指数”就没有提前显示出显著波动。钟伟锋解释，文革前毛泽东未在官媒上提前显露他的意图，而在1989年，当局也有意低调报导天安门事件，而人工智能无法读出秘而不宣的政治议程以及不为人知的幕后派系斗争。人工智能也无法预测突发事件，例如2008年金融危机后推行的四万亿投资计划，指数未能提前显示波动，只在计划宣布后录得高峰值。偷懒的老师与高效的学生人工智能是如何成长为一位具有分析和洞察力的超级读者的？两位作者为人工智能程序提供了大量文章和简洁指令，让它自行判断这些文章中包含的信息是否足够重要登上头版。但就连他们都无法准确得知，人工智能是如何习得判断《人民日报》头版文章的分析能力的。“我们相当于给人工智能提供200万个x与y的数据组，让它自己想出两者的关联。”陈子健说。机器能够分辨褒贬义的词语，习得同义词与反义词，还能将文字内容转变成数字信息，判断每篇文章想要传达的涵义。人类研究员与人工智能程序的关系，就像是偷懒的老师与高效的学生。老师交给学生200万道测验题与答案，即200万篇人民日报的报导及它们所在的版页。老师只给出少数的指令，例如要从左往右阅读、“共产党”等为专有名词词组，在这看似复杂深奥的研究中，全部代码不过3、4页长。接下来的事情，就放手交给人工智能学生自行思考。学生每做完一道测试题，就去对答案，若发现错误，就说明情况发生了变化。“一般的研究中，失败的例子没有价值，但这个研究却正正是建立在失败的基础上，人工智能的错误显示了舆论转向，提示了政策变化。”陈子健说。宾夕法尼亚大学传播学博士候选人方可成长期关注中国官媒在数字媒体时代的宣传手法，他认为，《人民日报》头版受政府宣传机关严格管理，相对于其他官媒及其他版块来说，采编偏好等因素造成的噪音干扰较少，用机器学习的方法能够得出相对有效的结果。图像来源，GettyImages政治风险分析公司知险数据的联合创始人封楚诚对BBC中文表示，量化研究手法在政治分析中的应用前景广阔。“信息大爆炸的时代，人们肯定无法消化所有的资讯。大数据技术能在短时间内能摄取到大量的信息，还能将信息以标准化方式，例如数字，来呈现。”同时他也指出，量化过程中难免会丢失信息，不过这些损失的信息价值小于机器浓缩、整合信息的附加价值。图片信息、领导人头像大小、文章位置、字体大小等信息就无法收录在这项研究中。人工智能也无法自动输出，具体是哪些词组或编排误导了它、导致了较高的政策变动指数。两位作者计划继续完善技术，另外将人工智能计算的频率从每季度一次增加为每月一次，他们将把最新发现收录在月度通讯中，与订阅者分享。“这项人工智能程序并不能完全取代人，而是希望能够与研究人员互补。”陈子健说。就目前而言，“政策变动指数”还只能充当人类研究员的辅助工具。在人工智能出错、政策变动指数数值高时，人类研究员就能翻查人工智能判断错误的《人民日报》文章，进而分析这些错误是由何种政策转向引起的。换句话说，人工智能在哪里跌倒，人类智能就从哪里介入。注册会计师会被人工智能取代吗为什么说不可能！
版权声明：1、凡本网站注明“来源高顿教育”或“来源高顿网校”或“来源高顿”，的所有作品，均为本网站合法拥有版权的作品，未经本网站授权，任何媒体、网站、个人不得转载、链接、转帖或以其他方式使用。2、经本网站合法授权的，应在授权范围内使用，且使用时必须注明“来源高顿网校”或“来源高顿”，并不得对作品中出现的“高顿”字样进行删减、替换等。违反上述声明者，本网站将依法追究其法律责任。3、本网站的部分资料转载自互联网，均尽力标明作者和出处。本网站转载的目的在于传递更多信息，并不意味着赞同其观点或证实其描述，本网站不对其真实性负责。4、如您认为本网站刊载作品涉及版权等问题，请与本网站联系(邮箱fawu@gaodun.com，电话：021-31587497)，本网站核实确认后会尽快予以处理。
人工智能时代，真的不能为文科生分一杯羹吗
如图所示，2017年中国普通本科招生人数中，工科门类招生人数几乎是历史、农学、法学、教育学、经济和理学医学之和。占比高达三分之一。
据麦可思研究院：《2019年中国大学生就业报告》(就业蓝皮书)就2018年平均月收入较高的本科专进行了调查统计。2018届本科毕业生平均月收入最高的专业是信息安全(6972元)，其次是软件工程(6733元)。排名前20的专业中，只有“法语”一门人文社科专业。
人文社科专业多数都不具备强应用性。大学教育与市场需求存在脱节。受供需比影响，大学中的文科专业屡屡亮出“红灯”预警。
据专业数据机构调查，历史学、音乐表演、法学连续三届红牌。失业量大，就业率、薪资和就业满意度综合较低。
“劝人学法，千刀万剐”，在就业率面前不无道理。同样是九年义务教育，凭什么隔壁计算机学院的却一路绿灯，一个个出厂年薪6位数?
人文学科是关于人社会性的思辨，而在劳动价值的驱使下，技术和功能上无法让人获得“即时满足”的人文专业，终是逃不开“低薪”的捆绑。
受市场驱动，文科工资低，就业率差成普遍现状，也是“人文学科”人才焦虑的源头。
人工智能时代，对技术和应用型人才的“砸钱”式需求，真的不能为文科生分一杯羹吗？文科生从事人工智能领域，是痴人说梦吗？首先我们通过人工智能时代的布局方向一探究竟。
潘云鹤院士：AI2.0时代的五个布局方向
中国工程院院士、中国工程院原常务副院长潘云鹤认为在人工智能正在走向2.0时代，这也是人工智能发展的重要转折关头。潘云鹤指出，中国新一代AI的重点方向将从数据智能、群体智能、跨媒体智能、人机混合的增强智能和自主智能系统五方面进行。
在数据智能方面，AlphaGo让大家看到了大数据应用最好的便是深度学习。但是深度学习还有是否可解释，是否能够更加通用的问题。“如果把深度学习和人工智能其它技术结合起来，我们可能会使大数据中的智能走向更高的水平。”潘云鹤认为。
在五项重点发展方向中跨媒体智能发展能带来更大的想象空间。跨媒体智能将研究跨媒体，跨传感器间的各种感知学习、推理，并且把它和语言、文字的语义打通。这样研究者就可以对语言、视觉、图形、听觉，和各种各样传感器所传达出来的数据进行语义相通相融，从而能够使得智能安全、创新设计、计算机具有更好的创新能力。
具体来看，在大数据智能方向，它着重要解决从数据到知识，到智能中间可解释性的问题，可通用性的问题。为此，它要很好的解决CPH三元空间中知识表达的新体系和新方法。CPH就是信息空间、物理空间和人类社会空间，这三元空间之间会形成很多新的信息交互方式。因此需要把数据驱动的方式和知识引导的方式结合起来，形成人工智能新的更加有效的技术。从而在智能医疗、智能经济和社会治理方面有更大的应用。
第二个方向，群体智能。它将研究在互联网中，群体智能是怎么进行组织的，是怎么进行接力的，用什么方法鼓励大家一起来参与的。在参与过程中，彼此之间怎么进行协同，整个群体怎么演化为更加正确的方向和更加正确的行为。在这个过程中，群体中每一个个体之间怎么能互相学习，互相感知，这些都需要建立新的理论和新的技术。一旦建立了，将在科研、经济、商业和其它领域中有非常大的实用前途。它可以用于众创科研、分享交通、智慧医疗。
第三个方向，跨媒体智能。它将研究跨媒体，跨传感器的各种感知学习、推理，并且把它和语言、文字的语义打通。这样我们就可以对语言、视觉、图形、听觉，和各种各样传感器所传达出来的数据进行语义相通相融，从而能够使得智能安全、创新设计、计算机具有更好的创新能力，希望在人工智能2.0阶段解决计算机的创新能力。
第四个方向，人机混合增强智能。之所以希望人机混合形成强大的交互系统，形成增强智能。研究脑机协同的环境，它的交互方式，它的学习方式，动作控制方式，从而在脑控机器人和很多自主智能体之间协同。
第五个方向，自主智能系统。研究环境的感知，自身的感知，不同个体之间的协同，行为的规划，行为的决策和各种各样行为执行的理论模型和方法，用于无人车、无人机、服务机器人、空间机器人、海洋机器人、无人车间、智能工厂。不但要模拟人，而且要模拟整个系统如何进行运行。
文科生在人工智能时代可能更受欢迎？
此前，李开复老师说了一句话：“在人工智能时代，文科生终于熬到了扬眉吐气的时候了。”那么在人工智能时代，文科生有哪些优势会被放大呢？
《不会被机器替代的人》作者杰夫·科尔文预言：在未来，我们获取成功所必需的技能，不再是技术性的、通过课堂传授获得的左脑型技能，尽管在以往的经济发展中，工人的确需要掌握这些技能。相反，在强大的驱动力之下，我们彼此互助共同完成任务，人类的优势来自深层、根本的人类技能——同理心、创造力、社会敏感性、讲述故事、幽默、建立人际关系，以及比逻辑叙述更强有力地自我表达。这些恰巧是文科生的优势。
1、右脑胜过左脑
《不会被机器替代的人》作者杰夫·科尔文预言：在未来，我们获取成功所必需的技能，不再是技术性的、通过课堂传授获得的左脑型技能，尽管在以往的经济发展中，工人的确需要掌握这些技能。相反，在强大的驱动力之下，我们彼此互助共同完成任务，人类的优势来自深层、根本的人类技能——同理心、创造力、社会敏感性、讲述故事、幽默、建立人际关系，以及比逻辑叙述更强有力地自我表达。这些恰巧是文科生的优势。
2、人际交往技能比专业技能更重要
人有一种偏见，喜欢过高评价“人与人面对面交往”这个行为，而对抽象数据不怎么买账。这是可以理解的，人本质上是个社交动物。
这个偏见，在人工智能时代给人类留下了一个工作机会。人工智能再怎么发达，我们还是要求：
最重要的决定是由人做出的。如果某国要对其他国家宣战，我们要求这个命令是人下达的，在这个问题上我们不可能听从人工智能的指挥，我们不可能把核按钮交给人工智能。人说了算，不能让机器说了算。
我们的价值标准一直在变，喜欢什么想要什么，想法随时都在变，我们无法给人工智能一个清晰的目标，所以有些事儿还是让人自己解决比较好——因为我们有时候自己都不知道要“解决”的是什么。
也是最重要的一点，我们更愿意跟人打交道。因此，最好的办法就是表现出“人味儿”。
从这个角度想，“理工男”可就有危机了，未来也许是“文科生”的天下。美国有一些调研表明，从2000年开始，工程师们在日常工作中所需要消耗的实际脑力，就已经开始下降了。可能自动化程度越来越高，那么工程师的活就越来越简单——也就是越来越不值钱。
《不会被机器替代的人》中有个相当极端的例子。说美国西南航空公司花重金，从众多申请者中聘请了一位技术特别过硬的IT工程师。这人来了以后就把自己关在办公室里干活也不出来跟人聊天。结果主管就问他你怎么不聊天啊？这人说我爱钻研技术不爱聊天。主管说我们西南航空的企业文化就是聊天，然后把他解雇了。
可见，不爱社交的IT男不是好同事。
3、课外实践重于课堂学习
哈佛商学院让一年级的学生走出课堂，参加团队实践。每个团队选择新兴市场上的一个公司。例如，中国的联想公司或者越南资本银行，开展公司提出的一个真实项目，例如，开发一种新的金融服务，以吸引那些从没有开过银行账户的人，或者开辟一条新的家庭用户线。在校园里设计好方案后，团队于元月份进入市场，花费八天的时间进行市场研究，然后，向公司最高管理层报告他们的建议。
学生返校以后，他们的工作不仅强度增加了，而且更加个性化了。根据学校要求，每个团队在10周内，用学校提供的3000元启动金创办一个自己的公司。每年有150个团队，就会创办150个有限责任公司，产生150个商业构想，包括男士优质内衣、为语言辅导教师和世界各地的学生提供联系服务、印度莎丽租赁服务以及其他五花八门的构想。
对于商学院的学生而言，学习资本资产定价模型依然很重要，但是，继续呆在教室里学习模型，对他们已经没什么意义。因为，虽然他们在教室里相互间的物理距离很近，却几乎没有什么交往。
我们可以把商学院的经验总结为：如果独自工作效果更好，就不要和其他人一起耗费时间。如果你花时间和其他人在一起，就要最大限度地利用它。聚集在教室里学习公司财务知识，已经不再能实现个人时间效益的最大化。
4、感性优于理性
全球各地数十所医学院鼓励或要求学生阅读小说，因为它有助于培养学生的社会交往技能。
纽约大学医学院的医学人文学项目报告中有这样的陈述，阅读小说有助于“发展和培养观察、分析、同理心、自我反思等医疗保健业最基本的技能”。当然，受益的不仅是医学院的学生，研究表明，阅读文学小说能够普遍提高读者的同理心。阅读非小说则不会有这种功能。文学小说人物更复杂，其行为更易受内心驱动，阅读这类小说可以使读者更敏锐地察觉他人的所思所想，这是一种为数不多的通过独自活动提高人际技能的方法。
这类研究为人文学专业的学生提供了新的希望。虽然，我们知道薪酬最高的大学专业几乎全部是工程专业，然而，在新兴职业领域，人文学所培养的能力恰恰是经济体中越来越受重视的能力。这并不是因为，对人文学的理解能够帮助科学技术人员创造出更好、更便利、更吸引人的科技，虽然，从同理心角度来说的确应该如此。这是史蒂夫·乔布斯最喜爱的主题之一——他在俄勒冈州波特兰市知名文理学院里德学院接受的教育，这直接影响了苹果产品超凡的外观、质感以及体验。所以，乔布斯给儿子起名为里德。
文科生的机会：跨学科学习，你愿意吗？
清华大学的自动化系、计算机科学与技术系、电子工程系、软件学院都是研究人工智能的本科起点院系，而说起软件学院，不得不提刘云浩教授。
本科毕业后，他“觉得外交官酷”，就去学了同声传译，拿到文学硕士学位。硕士毕业后，他又选择了从政，不到30岁就成为当时国家邮电部最年轻的处长。而立之年，他却选择出国去美国密西根州立大学留学，仅三年多就拿下计算机硕士和博士，成为该系历史上毕业第二快的博士。博士毕业，他在香港科技大学当老师。最后，他回到清华任教，并成为软件学院院长。
这样一段传奇人生，恰好是跨学科学习的典范。理工、商业、文史、外语……各个领域都被刘教授刷了一遍，还是开了挂地刷。
而人工智能领域，却是最需要这种有跨学科学习能力，也愿意跨学科学习的人才的。“人工智能+”越来越重要，就比如AI+教育领域，如果你只懂AI，那你就做不出真正解决老师痛点的产品，如果你只懂教育，也不知道该用什么样的技术，解决学生学习过程中的困难。只有既懂AI又懂教育的复合型人才，才能真正推动这个领域的发展。
虽然你学的是人工智能专业，可是如果你不愿意跨学科学习，日后也无法走得长远，那还不如一开始就不要读这个专业。
此外，中文系不只是春花秋月，也有科学系统且偏向实践的门类研究——语言学。语言学是对人类语言本质的研究。既可以研究语言符号的形式结构和社会学意义，又可以研究其生物学本质和起源。以北京大学的计算语言专业的课程体系为例：
从语言、认知和计算三个方面对语言各个层面的计算进行研究。既有词法、句法、语义、篇章结构等层面的语言规律研究，又有技术实践和数据挖掘的实践课程。
此专业的研究生是摇身一变为人工智能大佬的最佳契机。语言是人类思维的表现形式。也是实现人与计算机之间有效通信的通用途径。于是用计算机来处理、理解以及运用人类语言就成了目前驾驭和实现人工智能的重中之重。
在这个领域缺少技能过硬的算法工程师，更缺少精通语言学的计算语言专家。这就要求“文”科班出身的同学，自我驱动，首先不要丢掉数学概率和统计算法，至少掌握一门编程语言同时学习机器学习的数据结构和算法。
如果有转行计算机领域的打算，可以在本科低年级进行相关专业课程的辅修。寒暑假可以申请其他海内外高校的交换项目;或者在线上线下参加相关的训练营课程培训。从0到1锻炼计算机的编程基础和运用能力。
此外据南京师范大学文学院语言学及应用语言学副教授李斌博士的博客介绍、目前国内有部分高校有开设计算语言学本科专业，如北大、鲁东大学和南京师范大学。
人工智能专业学什么，学校有哪些？
人工智能专业旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。2018年4月，研究设立人工智能专业，进一步完善中国高校人工智能学科体系。
1、人工智能专业课程
人工智能专业的主要领域是：机器学习人工智能导论（搜索法等）图像识别生物演化论自然语言处理语义网博弈论等。需要的前置课程主要有，信号处理，线性代数，微积分，还有编程（最好有数据结构基础）。
首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析
其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累；
然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少；
人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。
2、人工智能专业学校有哪些
中国32家开设人工智能相关专业
NO1:清华大学
清华大学计算机系智能技术与系统国家重点实验室是国内在人工智能人才培养和科学研究的重镇。除了严整的教学培养体系之外，本科同学有浓厚的科研氛围，从大一下学期开始就有学有余力的同学开始进入实验室或相关科研机构（如MSRA），跟随导师从事科研工作。取得的成绩也是不容小觑的：每年都有十余位本科同学在国际顶级会议和期刊上发表论文。当然，清华计算机系智能实验室距离国际顶尖AI研究机构（如MITCSAIL）还有一定距离。不过可以肯定的是，这里会是我国有着AI梦的同学们绝佳的圆梦起点。
NO2:北京大学
北京大学智能科学与技术专业由北京大学数学系、计算机系、电子学系等10个系（所）于1985年成立，主要从事机器感知、智能机器人、智能信息处理和机器学习等交叉学科的研究和教学。专业涉及机器人技术，以新一代网络计算为基础的智能系统，微机电系统（MEMS），与国民经济、工业生产及日常生活密切相关的各类智能技术与系统，新一代的人－机系统技术等。
NO3:浙江大学
浙江大学在人工智能方面有着肥沃的土壤，其计算机学院下设的人工智能研究所是中国设立最早的人工智能研究机构之一。早在上世纪80年代，浙江大学就建立了人工智能研究所，首任所长就是国内著名的计算机科学家、被人尊称为“中国人工智能研究开拓者”的何志均，之后两任所长潘云鹤和吴朝晖都算得上是他的得意门生，他们也先后担任了浙江大学的校长。从1981年至今，浙大人工智能研究所见证和参与了人工智能的一系列变化。到现在，人工智能进入大数据阶段，浙大在计算机视觉领域已经建立了相当大的优势。
NO4:上海交通大学
上海交通大学在人工智能领域已有数年的积累，计算机系俞凯教授团队的智能语音技术取得了多个国际评测冠军，达到了国际一流水平。团队在产业化上也实现了很大的突破，他所创立的苏州思必驰信息科技有限公司已经被苏州市确认为人工智能领军企业，作为苏州工业园区内的标杆，将在3-5年达到百亿市值，并作为千亿市值企业后备军。同时，交大在智能媒体、图像分析、脑机交互、机器人、人工智能芯片等领域还有一批一流团队及成果，具备良好的发展前景。
NO5:南京大学
南京大学的计算机科学研究起步于1958年，建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才，1978年在上述三个专业基础上成立了计算机科学系，1993年更名为计算机科学与技术系。南京大学计算机科学与技术系在建系前和建系初期就曾取得令人瞩目的成就：上个世纪60年代调试成功了当时国家高等教育部所属高校第一台计算机，实现了我国第一个高级语言编译程序；70年代分别主持了国产DJS-210中型计算机和XT-1操作系统等软件系统的研制；80年代研发了国内第一个分布式系统ZCZ，培养出中国大陆第一位计算机软件博士。建系以来，南京大学的计算机学科建设进入快速发展期，在队伍建设、人才培养、科学研究等方面一直位居国内先进行列。
NO6:复旦大学
复旦大学图像与智能实验室主要研究领域包括人工智能，图像处理，计算机视觉，信息安全等基于生物视觉的感知和认知结合的学习模型及其在脑型机器人上的应用，应用领域包括工业视觉、智能机器人、智能安防、生物医学影像识别。该校研发的视觉系统已经应用于国内外多家著名企业和创业公司，取得了良好的经济效益。毕业生去向包括（1）赴IBM研究院、谷歌、华为、腾讯、百度、阿里巴巴等公司就职；（2）前往哈佛、卡内基梅隆、普林斯顿、华盛顿、哥伦比亚等大学攻读博士学位和做博士后研究。
NO7:哈尔滨工业大学
在全国高校学科评估中，哈工大计算机科学与技术学科位列全国第4名，是国家重点一级学科，并进入ESI全球前1%的研究机构行列。计算机类专业隶属于计算机科学与技术学院，教师队伍由中国工程院院士方滨兴、中国科学院院士陈国良、美国国家工程院院士DanielP.Siewiorek领衔，包括了中组部“千人计划”入选者潘正祥、贾小华等国家和深圳市认定的高层次人才，承担并完成了国家重点科技攻关项目、国家自然科学（重点）基金项目、国家863项目等各类课题100余项，拥有国家发明专利、软件著作权等100余项。
NO8:中国科学技术大学
中国科学院自动化研究所自建所伊始，就在工业自动化、智能设备控制、模式识别、智能信息处理等领域享誉国内外，号称中国人工智能领域的黄埔军校，其培养的学生业已遍及全球顶尖的高校、学术研究机构和IT巨头。
NO9:华中科技大学
华中科技大学计算机科学与技术学院拥有信息存储系统教育部重点实验室、服务计算技术与系统教育部重点实验室、数据存储系统与技术教育部工程中心、网络存储技术湖北省工程研究中心、集群与网格计算湖北省重点实验室、湖北省数据库工程技术研究中心、下一代互联网接入系统国家重点实验室，拥有华中科技大学IBM技术中心、国家高性能计算中心（武汉）。另外，该学科是中国教育科研计算机网华中中心结点单位，是中国教育科研网格主结点、中国国家网格（武汉）结点单位，是武汉光电国家实验室（筹）的重要组成单位之一。
NO10:东南大学
东南大学计算机科学与工程学院起源于1960年建立的“解算装置及技术”专业，曾自主研制我国第一台数字积分机，填补了国内空白，并成功地应用于国防现代化和工业自动化领域，取得了开创性成果。近10年来，承担了各类科研项目共200多项，其中国家自然科学基金、国家973、国家863、国家科技攻关、教育部和江苏省等重要科研项目140多项，获得国际工业领先奖1项、国家科技进步奖8项、部省级奖20多项，在国内外著名的学术期刊和会议上发表论文1600多篇，其中SCI、EI、ISTP三大检索850多篇次。在ESI学科排名中，学院水平已进入全球前1%。
据走向智能论坛、高三网、站长之家等综合整理。返回搜狐，查看更多
人工智能并不是无所不能！离人类大脑还很遥远！
关于人工智能的话题，近些年可谓火热异常，觉得它能解决所有问题。
然而实际上，发现人工智能与人工，差距不是一点两点的大，相信人工智能取代人类的想法，可能真的是太过天真。至少笔者，有这种实际感触，不知道其他人有没有更深的体会。
如果，按照现阶段人工智能最高的境界，就是人工智能机器人！相信市面上有不少广告，打着人工智能的旗号，到处宣扬智能机器人陪伴小朋友学习。然而实际上，很多学习型的机器人，无非都是将静态的信息大量归类，通过声音传输到小朋友大脑里。其实说的更白一点，就是一个智能手机功能或会动的电视剧学习课堂。
大量的所谓智能学习机器人，只是利用了其强大搜集信息能力，然后分门别类，毕竟很多学习的知识，都是静态的。比如，学习某一种语言，各种发音、语法，只不过就是一个陪读过程。它们能陪伴孩子学习的趣味性和主观能动性，是很低的，没有任何主观能动性的表现。它们不可能像一个优秀的老师那样，讲到一句话，会伴有丰富的表情和动作，让你直接感受到语言的另一种魅力，充满想象力，智能学习机器人其实并不具备这种功能。
也许，你觉得智能学习机器人，没有充分展示所谓智商水平，我们说一下，世界上最有名的人机大战，下国际围棋。很多人将下围棋视为智商的象征，这一点上，是非常有问题的，即便两个人下围棋，都有很大的套路，就是路径千万条。而所谓的智能学习机器人其实就是通过将所有的棋局全部通算一遍，用概率学估算对手下一步棋的路径，其实任何一种棋局都是固定的，说白了就是靠算力调动。机器人没有办法，真正进入到对手的大脑中，判断这个人是不是很紧张，是不是会心慌，它只是专注于棋局本身，就是一个数学计算问题。而两个人在下国际围棋，就不一样，可能在下每一步棋的时候，不仅考虑到棋局本身，更会考虑对手的过去下棋的风格、经验、心态，是否会冒险或胆怯，迷惑对手从而获得胜利。
关于人类下棋输给人工智能，并不能说明人类的智商低于机器人，而是算力远超人类。实际上，目前人工智能根本谈不上有什么智商一说，更别提智慧这个词。从目前来看，甚至到500年后，机器人都不太可能像人类那样捕捉到主观情绪和主观感受，这才是终极智商的表现，因为需要极为深刻的细微能力，而不是一种算力就能解决的。
如果你觉得这个理由还不足够，我们就谈谈，大家比较熟悉的人工智能。相信很多人，现在都会接到智能电话客服、网络智能客服，前者我们经常在大型企业中见到。尤其大家经常打三大运营商电话或各大银行客服电话等等，经常听到机器人播报，其实大多数人是不喜欢这种傻傻的回答，因为智能电话根本解决不了任何实际问题，只会重复播报最简单的内容。大多数时候，这些人工智能客服电话或网络客服只能解决最低级的错误，一般来说只有新手或太无聊的人才有可能去听人工智能播报。
那么为什么，我们现在发现很多企业或个人都在说人工智能多么伟大，甚至可以达到摧毁人类的地步。在某种程度上，是一种商业文明的过度包装，形成了一种未来文化，而其实人工智能的发展层级，还远远没有达到大家看的科幻片那种水平。可以想象一下，人类连自己的大脑运作机理都还没有搞清楚千万分之一，你如何让机器人的大脑变成人类大脑的水平？
从目前的这个阶段，世界各国还是高估了人工智能的作用，它真的没有达到神一般的水平。但商业文化给人感觉，它就是无所不能，甚至都可以摧毁人类这个造物主，确实让人费解。其实我就想特别知道，假如你路过一个商店里的机器人，它没有收集到你任何信息的时候，是不可能知道你到底需要什么？但是店员，可以通过观察可能就知道大概会不会买东西或想买什么。
安防展观后感——有了人工智能，就无所不能
用人山人海来形容2017安防展的人气，不会为过，用如潮汹涌来形容人工智能、人脸抓拍在此次展览上的泛滥，同样也不为过。
大大小小的展位上，不挂个“人工智能/AI”,就好像落后了，挂了就是技术领先企业。展示的前端硬件产品，不是星光就是超星光/黑光，不是人脸抓拍识别，就是人工智能赋能，服务器也是人工智能服务器，或者是视频结构服务器，迈上了一条设备大卖的康庄大道。
看看这些宣传语：单画面抓取100个人脸、每帧识别30个人脸、千亿数据秒级检索、50米外人脸识别、人脸抓取率99.5%、十亿库一秒比对、800路实时视频结构化……
先把旗帜扛起来
清一色的人工智能、深度学习，和当年物联网热、大数据热开始时一样，大家争先恐后的把旗帜竖起来，将产品、服务与之挂钩，所以就有”XXX是个筐，什么都往里面装”的说法。趋势来的时候，谁也挡不住，就像当年移动互联网大热的时候，多少资本，多少创业公司，名言就是“在风口上猪都能飞”，以及“羊毛出在猪身上，牛来买单”，最后结果大家也看到了，遍地都是“烈士”，即便是当年的榜样——滴滴、美团等，到现在虽然活成了独角兽，但早已不如当年那般风光。
有同行说，怀念多年前硬件厂商百花齐放的年代，现在可看的东西越来越少。其实，在不同的发展阶段，就会有不同的行业生态，当年江湖格局未定，深圳还是监控产品生产的中心城市，甚至还自诩为安防之都，当时中小厂商数量众多，没有一家在市场上有绝对领先地位，诸多外企还能在中国市场卖昂贵的产品和方案。现在，中小硬件企业要么转型，要么被并购和消亡，剩下来的企业，采用跟随战略是最保险的，你做什么，我也做什么。市场排名前几位的设备企业，只要视频技术应用到的领域，几乎是无孔不入，公共安全、交通、消防、森林防火、水利监测、教育、医疗、商业、家居、工业制造、个人消费等等都有相应产品。视频这个基础、核心的技术，在中国被发扬光大，冠绝全球。
就交通监控而言，设备有传统的电警、卡口、测速、流量采集、停车场出入口设备、礼让行人抓拍、车载专用道占用抓拍、行人闯红灯抓拍、违停抓拍等，现在又发展出高点监控、高速公路收费视频一体机设备、路侧停车用的枪球联动和视频桩、用于治超检测的双目摄像机、用于公安检测站的车底检测摄像机、用于高铁、道路客运等场所的人脸抓拍比对（身份证信息）设备、车载4G监控、驾驶行为分析视频设备，以及辅助驾驶用的工业级摄像机，用来分析车道偏离、碰撞预警等等，几乎是你能想到的，就都有了。
概念与落地，距离有多远
虽然做设备的不会承认监控设备创新已经摸到天花板了，但目前看起来，这已经是事实了。感光芯片、传输、编解码都属于基础技术，多是拿来主义，剩下的创新无非就是前端结构化，也就是海康威视所推介的云-边计算中的边缘计算。前端采用人工智能的GPU芯片，尽可能的模仿人眼，提取所有人、车、物的结构化数据，后台只需要存储、归类、碰撞、比对，好处是降低传输压力，降低带宽要求，减轻后台压力，提升比对速度。很显然，这样的设备比现在的监控设备要昂贵，未来可能随着规模化，成本会降低。
决定设备性能的，不是概念，不是设计，而是实战效果。就像宇视科技总裁张鹏国最近一篇传的很广的文章中说的，讲概念、纯忽悠是比较容易的事，产品化落地需要地头力，任何不能产品化的理念，无论理念多么炫目，都无用。在人工智能（AI）时代，能不被AI花式忽悠，能实现产品和解决方案的迭代、升级和跨越式发展的公司，最理性最有未来。
传统监控厂商和这两年崛起的CV（机器视觉）创企，今年已经步调一致，都打人工智能的牌，不同的是，CV创企都有自己的前端监控设备了，也开始在拓展落地应用方案了。问题是，这么多家所谓的人工智能视频分析企业，哪家的设备人脸捕获率和识别率能达到双九十？
车牌识别技术发展了三四十年，一些封闭场景其捕获率和识别率能做到双九十七以上，但在开放式环境应用中，就比较低，比如路侧停车检测，高的能到双九十五，低的甚至不到双五十。当然，尽管人脸抓拍识别技术刚开始应用，但起点不一样，有人工智能、深度学习加持，或许会有很好的表现。
在传统的交通违法监控领域，采用人工智能赋能的前端设备，采集到的信息会更全面，结构化数据会更多，把现在一些在后台识别的交通违法行为，可以在前端处理就进行处理或者提升后台的处理速度，比如前两年还有很多总队采购“不系安全带检测识别”软件，比如通过人脸识别来消除买卖驾照分的行为，比如打击失驾人员再上路驾驶的行为。
实际上，获益最大的还是公安刑侦部门，涉车犯罪案件的侦破速度会更快，获取到的信息，不仅只是车牌、车型，还有具体的车辆颜色、前排人脸、车内人数、驾驶室特征等等，以图搜图，特征参数查询比对，或者一键调出某一天的大致行驶轨迹，一段时间内的活动范围和活动规律等等。甚至笔者在大华的展台上，就听到某地方公安局的诉求，通过人脸识别、缉查布控和基于视频流量的交通信号控制系统联动，在第一个路口识别后，在第二个、第三个路口，就能拦截车辆抓捕犯罪嫌疑人……貌似前些年就听说过这样的需求，暂且不说其可操作性，但理论上是可行的。
云图AND云防——城市视频全景
似乎是有了人工智能，未来的城市管理将会是无所不能。像海康威视的云图交通，高新兴的立体化云防体系，采用增强现实技术、视频实景地图、高低点视频联动等等技术，将城市内无数的监控视频资源，整合拼接为一张城市视频全景，就好像上帝之眼，注视和观察着整个城市，想要查看哪一个点，或者哪一个视频监控监测到异常，即可点击进入查看具体情况，或者自动预警。加上遍布的人脸卡口和人体行为分析，高点监控的场景分析，以及正在推行的社会监控资源联网，可谓真真实现了乔治奥威尔小说中说的“老大哥在看着你”，城市中所有人的轨迹、行为，甚至于你的喜怒哀乐都可以做到了如指掌。
在管理层面，这是真正的智慧城市，基于人类对于“可视”的强烈偏好，基于视频监控的城市管理系统，一定会从安全管理、交通管理，扩展到城市运行的其他领域，包括线上线下的商业。
当然，要完全实现，可能还需要时间，但轮廓已经出来了，理念也正在落地，就看实战效果了，包括前端的智能化到底能做到哪一步。即便看到了，还要做到，对于城市管理而言，看到只是初级阶段，还要有相对应的解决方案，各种应急处置和警力指挥方案，设施管理和维护方案，交通诱导和疏导方案，车辆和人员的缉查布控方案等等，而且是自动识别场景，然后通过人工智能、深度学习，生成解决方案。要做到这一步，怕还很遥远，就视觉而言，在学术界，目前还处于单一场景的视觉识别，比如通过识别视频或者图片，来自动判断图片中的物品是什么，或者行为是什么，做复杂的场景分析，还有待“学习”。所以，未来一段时间集成平台的人工智能，可能还算不上人工智能，只是简单的条件触发，还是初级的方案匹配。
魔高，还是道高
先进的技术和设备掌握在可控的人和机构手中，会发挥好的作用，但我们同样要警惕，我们无处可安放的隐私，会被窃取、滥用。要绝对的隐私，是不存在的，除非我们回到二十年前的社会生活状态，不用手机，没有电子身份，不使用移动支付，不在城市生活，不进入有监控覆盖的区域，甚至于没有公民身份。
福克斯前几年出品的13集科幻电视剧《机器之心》对于未来的科技犯罪做了一些预判，比如变皮面具，绑架女性获得DNA培植性爱机器人的人体皮肤，人造心脏，直播杀人，基因毒品，智能家居安保程序被篡改杀人，可追踪子弹等等，虽然剧情有些漏洞，但可以说，未来的犯罪一定会朝高科技犯罪发展，我们常说魔高一尺，道高一丈，现在看起来是这样，犯罪技术的发展，没有侦破技术发展的速度快。但在高科技信息化时代，不仅需要社会安全，更需要个人信息安全可控，否则技术就是一把双刃剑，敌得过明面的罪犯，却被暗网的罪人渗透了。
顺便说一句，《机器之心》设定未来年份是2048年，但里面出现的交通工具居然还是人工驾驶的汽车，没有无人驾驶，没有个人自动飞行器，甚至连磁悬浮快轨都没有，对城市交通的想象设定，只能给差评。
海康威视信号机柜界面