中國人工智能迅速發展

工信部印發《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》，以產業化和集成應用為重點，推進人工智能和制造業深度融合。

這是中國推進人工智能產業發展的最新舉措之一。近年來中國持續以空前的廣度、深度、力度，推進人工智能產業加速發展。

中國發展人工智能技術，目的之一在於使其更好地促進經濟發展。國家信息中心經濟預測部副研究員程偉力說，作為新一輪產業變革核心驅動力，人工智能將進一步釋放曆次科技革命積蓄的巨大能量，重構生產、分配、消費等環節，形成從宏觀到微觀的智能化新需求，引發經濟結構重大變革。

“中國經濟發展進入新常態，面臨深化供給側結構性改革的艱巨任務。應當加快人工智能深度應用，培育壯大人工智能產業，為經濟增長注入新動能。”程偉力說。

目前，人工智能技術正越來越多應用於傳統制造業，成為促進後者轉型升級的重要著力點之一。

中國自動化學會副理事長桂衛華表示，流程工業是傳統制造業的基礎與核心，因而推進流程工業發展智能制造十分關鍵。

通過應用人工智能技術，能夠實現生產關鍵工序的智能化、精准化，為制造業企業向產業鏈中高端邁進提供更強的技術保障。例如，隨著機器人產業加速與人工智能技術融合，使得機器人變得越來越智能化，在工業生產領域可以發揮更大作用。

江蘇南京埃斯頓公司的電焊機器人，“手”舉焊槍可准確無誤對准汽車車身各個點位。“我們通過升級機器人的運動控制算法，使其精度能達到0.5毫米，已經應用到多家汽車企業生產線上。”公司電氣工程師陳康說，在智能造車工廠，汽車上線前只有底板和框架，隨導軌前行，門框、頂蓋、天窗等由機器人一次焊接完成。

北京郵電大學電子工程學院教授鄧中亮說，人工智能產業將給眾多傳統產業帶來革命性變革，進而創造出更大的經濟價值，推動民眾生活質量不斷提升。

“人工智能產業迅猛發展，也使其在整體經濟中的佔比逐步提升，有利於經濟結構的改善優化。”鄧中亮說。

數據顯示，2007年至2016年，全球人工智能領域論文中，中國佔比近20%，發明專利授權量世界第二。過去兩年，中國新增人工智能企業數超過前10年的企業數總和，一批龍頭骨幹企業加速成長。

工信部副部長陳肇雄說，目前產學研各界圍繞人工智能前沿技術進行全面攻關，圖像識別、語音識別、無人駕駛等應用技術進展迅速，智能網聯汽車、機器人、無人機、智能家居等領域形成大量特色鮮明的應用案例。

智能語音識別領域知名企業科大訊飛推出的語音開放雲平台，目前日處理量次數達40億次，相關技術在同類企業中處於領先地位。公司上半年營收21.02億元，同比增長43.8%。

根據國務院發佈的新一代人工智能發展規劃，到2030年，中國將實現人工智能核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。

“按照上述數據匡算，屆時人工智能產業在中國經濟版圖中將佔有更重要的地位。”程偉力說。

世界各國的互聯網巨頭都在人工智能領域不斷發力。如蘋果、穀歌、微軟、亞馬遜等，紛紛成立人工智能實驗室，投入越來越多資源搶佔人工智能市場，甚至整體轉型為人工智能公司，並陸續將人工智能研發成果應用在產品上。

“面對更激烈的競爭，中國未來應當繼續優化人工智能產業發展環境，促進該產業實現更好的發展，同時也應該鼓勵國內企業與國外企業開展更多合作，為全球人工智能產業發展作出貢獻。”鄧中亮說。

雖然經濟持續嗡嗡作響，就業仍處於曆史高位，人工智能和智能自動化預計將創造更多的就業機會而不是消除，快速上漲的潮流並不能提升所有船只。事實上，有些人可能會難以維持下去，而今天的一些數字巨人將需要自我中斷才能保持相關性。

"Forrester預測2018年：推算年"假設市場動態將會傾向於"那些採取積極行動並為那些仍然堅持以前工作的人創造存在風險的人"。

安全仍然是頭等大事，人工智能及其所有的承諾，有可能使網絡威脅更加強大和有針對性，幫助創造一個假冒的現實，甚至會欺騙老練的用戶分享個人信息。但是，人工智能也可以成為篩選大量信息和識別威脅的重要工具。或者，在智能商業軟件的情況下，承認機會。

Workday公司首席技術官JoanKorngiebel認為，"人工智能將深入企業，以影響工作如何完成。工業將被打亂，核心職能將大幅度改變，新的工作角色也會被創造出來。"

我們現在所談論的人工智能，源自於一個“度假項目”。達特茅斯學院教授約翰·麥卡錫(JohnMcCarthy)在1956年夏天發明了這個詞，當時他邀請了一個研究團隊花幾個星期的時間來研究如何讓機器做一些像使用語言之類的事情。他非常希望能在人類級機器上取得突破。“我們認為可以取得重大進展，”他與合作組織者寫道，“如果一個精心挑選的科學家團隊在一起花一個夏天的時間來研究的話。”

但這個希望沒有實現，麥卡錫後來承認，是他過於樂觀了。但是，這個研討會幫助那些夢想著讓機器智能化的研究人員聚集到了一個合適的學術領域。

塑造人工智能的瞬間

1956年

達特茅斯夏季人工智能研究項目將一個新領域命名為“人工智能”，該領域涉及的是讓軟件變得像人類一樣聰明。

1965

麻省理工學院的約瑟夫·維森鮑姆(Joseph Weizenbaum)創建了第一個聊天機器人Eliza，它是一名心理治療師。

1975年

Meta-dendral是斯坦福大學開發的一種解釋化學分析的程序，使計算機的首次發現發表在了一個參考期刊上。

1987年

一輛裝有兩個攝像頭和一堆計算機的奔馳車在德國高速公路上行駛了20公里，時速超過了55英里，這是由工程師恩斯特·迪克曼斯(ErnstDickmanns)領導的一個學術項目。

1997年

IBM的計算機深藍打敗了國際象棋世界冠軍加里·卡斯帕羅夫(Garry Kasparov)。

2004年

五角大樓將DARPA超級挑戰賽階段化，這是一項在莫哈韋沙漠的自動駕駛汽車競賽，催動了自動駕駛汽車工業化。

2012年

在一個名為“深度學習”的細分領域，研究人員通過展示他們的想法可以使語音和圖像識別更加准確，從而激發了新的公司對人工智能的興趣。

2016年

由穀歌旗下DeepMind開發的AlphaGo打敗了世界圍棋冠軍李世石。

早期的工作通常集中在解決數學和邏輯上相當抽象的問題上。但不久之後，人工智能開始在更多的人工任務上顯示出有希望的結果。在20世紀50年代末，亞瑟·塞繆爾(ArthurSamuel)發明了一個程序，學會了怎么下跳棋。1962年，在比賽中戰勝了一位大師。1967年, 一個叫做 Dendral 的程序表明,

它可以複制化學家解釋化學樣品組成的質譜數據的方式。

隨著人工智能領域的發展，制造智能機器的策略也有所不同。一些研究人員試圖將人類的知識轉化為代碼，或者為諸如理解語言這樣的任務制定規則。另一些則是受到了學習人類和動物智能的重要性的啟發。他們建立的系統可以隨著時間的推移變得更好，也許是通過模擬進化或者從樣本數據中學習。這個領域建立了一個又一個的里程碑，計算機也掌握了很多以前只能由人來完成的任務。

深度學習，是當前人工智能領域的快速爆發的燃料，它是人工智能領域最古老的想法之一。這項技術是通過數學的網絡傳遞數據，整個網絡都是仿造大腦細胞是如何工作的來建成的，所以被稱為人工神經網絡。當一個網絡處理訓練數據時，網絡的各個部分之間的連接會進行調整，從而建立一個解釋未來數據的能力。

人工神經網絡在達特茅斯研討會之後不久就成為了人工神經網絡的一個既定理念。例如，在1958年, 充滿空間的感知器馬克1號(Perceptron Mark1)就學會了區分不同的幾何圖形, 並被《紐約時報》稱為"為閱讀和增長智慧而設計的計算機的胚胎" 。但是，在1969年，麻省理工學院的馬文•明斯基(MarvinMinsky)與人聯合撰寫了一本頗具影響力的書中指出，神經網絡的作用並不是很強大，緊接著它就“失寵”了。

但並不是所有人都認可明斯基的觀點。有一些研究人員在過去的幾十年裡一直在堅持研究這項技術，並保持著它的生命力。直到2012年，他們才被證明是正確的。當時一系列的實驗表明，由大量數據和強大的計算機芯片提供的神經網絡可以賦予機器新的感知能力。

一個值得注意的結果是,

多倫多大學的研究人員在一年一度的對圖像進行分類的競賽中擊敗了競爭對手。在另一項研究中，來自IBM、微軟和穀歌的研究人員聯合發表了一份研究報告，結果顯示深度學習也能顯著提高語音識別的准確度。從這個時候開始，科技公司開始瘋狂地招聘所有他們能找到的深度學習專家。

人工智能的未來

哪怕人工智能領域取得的進去在明天會停止，但也不要期望它能停下改變世界的腳步。

穀歌、微軟和亞馬遜等大型科技公司積累了大量的人工智能人才和令人印象深刻的計算機陣列，以支持他們的核心業務——投放廣告或預測你的下一筆交易。

他們也開始嘗試通過邀請其他人在他們的網絡上運行人工智能項目來賺錢，這將有助於推動醫療保健或國家安全等領域的進步。人工智能硬件的改進、機器學習培訓課程的增長以及開源機器學習項目也將加速人工智能向其他行業的傳播。

與此同時，消費者可以期待更多的設備和服務與人工智能功能相結合。尤其是穀歌和亞馬遜，機器學習的改進將使他們的虛擬助手和智能音箱更加強大。就拿亞馬遜來說，它設計了一款配備了攝像頭的設備，能夠識別出其主人，並監控周圍的世界。

商業上的可能性將會使人工智能研究者迎來黃金時代。關於研究如何制造智能機器的實驗室比以往任何時候都要多，它們所獲得的資金也更充足。但仍舊有很多工作要做：盡管人工智能領域最近取得了一些進展，但在不久的將來，還是會有很多事情是機器無法做到的，比如理解語言的細微差別，常識推理，以及從一個或兩個例子中學習一項新技能。如果人工智能軟件想要接近人類的多面性、適應性和創造性智慧，就必須要攻克這些難關。一個深度學習的先驅，穀歌的傑夫•辛頓(GeoffHinton)認為，想要在這一重大挑戰上取得進展, 就必須重新思考該領域的一些基礎。

隨著人工智能系統變得越來越強大，它們也必將面臨越來越多的審查。政府在刑事司法等領域使用軟件通常是有缺陷的，或者是保密的，像Facebook這樣的公司已經開始正視自己算法的缺點。更強大的人工智能有可能造成更嚴重的問題，例如，長期存在的對女性或黑人的偏見。一些民間社會團體，甚至是科技行業本身也在探索人工智能的安全和倫理准則。想要在機器變得更加智能過程中獲取好處，我們需要更加聰明地對待機器。

根據新華社、人民網、經濟日報等採編【版權所有，文章觀點不代表華發網官方立場】