“5G+人工智能”融合发展与应
用白皮书
“5G+人工智能”融合发展与应用白皮书
目录
一、5G 和人工智能相互促进、协同发展 (1)
1.1第五代移动通信（5G） (1)
1.2人工智能 (3)
1.35G 网络为人工智能的引入提供基础 (5)
1.4人工智能融合SDN/NFV 赋能5G 网络 (6)
1.5人工智能融合边缘计算赋能5G 网络 (7)
二、“5G+人工智能”促进5G 网络发展 (8)
2.1人工智能提升5G 网络关键能力 (8)
2.1.1资源分配技术 (8)
2.1.2流量分类技术 (8)
2.1.3业务预测技术 (9)
2.2人工智能在5G 网络架构中的应用 (9)
2.2.1人工智能赋能5G 接入网 (10)
2.2.2人工智能赋能5G 核心网 (13)
2.2.3人工智能赋能5G 网络切片 (14)
2.2.4人工智能赋能SDN 网络 (16)
2.2.5人工智能赋能5G 网络虚拟化 (17)
2.2.6人工智能赋能5G 边缘计算 (18)
2.2.7人工智能赋能5G 网络运维 (20)
2.2.8人工智能赋能5G 安全 (21)
三、“5G+人工智能”赋能智能终端 (22)
3.1 5G 芯片 (23)
3.2人工智能芯片 (23)
3.3人工智能应用框架 (25)
3.4人工智能终端应用 (25)
3.5人工智能终端 (26)
3.5.1个人终端 (27)
3.5.2家庭终端 (27)
3.5.3物联网终端 (28)
3.65G 人工智能终端 (29)
四、“5G+人工智能”典型应用场景 (29)
4.1自动驾驶 (31)
4.2智慧新媒体 (33)
“5G+人工智能”融合发展与应用白皮书4.3工业互联网 (34)
4.4智慧医疗 (35)
4.5智慧环保 (35)
4.6智慧港口 (36)
4.7物联网 (37)
4.8智慧物流 (38)
4.9智慧能源 (38)
4.10智能安防 (39)
五、“5G+人工智能”融合发展建议 (39)
5.1人工智能与5G 网络融合发展 (40)
5.2人工智能与5G 业务融合发展 (41)
5.3利用“人工智能+SDN/NFV”赋能5G 网络 (42)
5.4利用“人工智能+边缘计算”赋能5G 网络 (43)
图表
图1 5G 网络特性 (1)
图2 4G 与5G 网络指标对比 (2)
图3 5G 和人工智能相互赋能 (4)
图4 5G 为引入人工智能提供基础 (5)
图5 人工智能赋能5G 网络 (7)
图6 5G 边缘计算 (7)
图7 人工智能赋能5G 网络 (10)
图8 人工智能赋能5G 频谱利用 (11)
图9 人工智能赋能5G 网络覆盖 (12)
图10 人工智能赋能5G 网络虚拟化 (13)
图11 人工智能赋能5G 核心网 (14)
图12 人工智能赋能5G 网络切片的管理和运营 (15)
图13 人工智能赋能SDN 网络 (17)
图14 人工智能赋能网络虚拟化 (18)
图15 人工智能赋能5G 边缘计算 (19)
图16 人工智能赋能5G 网络运维 (21)
图17 人工智能赋能5G 安全 (22)
图18 5G 典型应用场景 (31)
图19 利用“人工智能+SDN/NFV”赋能5G 网络 (43)
图20 利用“人工智能+边缘计算”赋能5G 网络 (44)
一、5G 和人工智能相互促进、协同发展
1.1第五代移动通信（5G）
第五代移动通信技术（5G）是继第四代移动通信技术（4G）之后开创性技术，具备诸多 4G 所没有的特性（图 1），特别的，其峰值理论传输速度可达每秒数十Gb，这比4G 网络的传输速率要快上数百倍。
图1 5G 网络特性
4G 改变人们生活，5G 将改变社会。5G 不仅是移动通信的一次升级换代，更是一次重大的技术变革。5G 提供更高的速率、更低的时延、更多的连接数、更快的移动速率、更高的安全性以及更灵活的业务部署能力（图2）。
图2 4G 与5G 网络指标对比
全球主要国家的通讯运营商都在加速进行 5G 网络的建设和商用进度。在世界范围内中国属于 5G 的领跑者，自 2013 年成立“IMT- 2020 推进组”以来，国内 5G 持续快速推进。2019 年，中国工信部正式向中国电信、中国移动、中国联通、中国广电发放 5G 商用牌照，我国正式进入 5G 商用元年。这意味着中国的 5G 建设和商用进程将会大大提速，不仅将对中国经济格局影响巨大，也将会很大程度上影响全球 5G 发展格局，世界 5G 发展从此将进入快车道。
中国联通在 2019 年4 月发布了全新的 5G 品牌标识“5G?”及主题口号“让未来生长”，并同期发布了“7+33+n”5G试验网络部署规划，积极建设 5G 网络和试点 5G 应用。2019 年 8 月，中国电信和中国联通达成在 5G 接入网、传输网方面共建共享，双方协同在各自负责区域内的 5G 网络建设工作，以期加快 5G 网络建设和商用的进度与
质量。中国移动也在全国 52 个重点城市建成超过 2 万个 5G 基站，并在全国 300 多个城市开展 5G 网络建设。
5G 渐行渐近，其灵活、高效、融合、开放的特性将能够满足不同行业的快速部署和应用需求。中国信息通信研究院《5G 产业经济贡献》认为，预计 2020 至 2025 年，我国 5G 商用直接带动的经济总产出达10.6 万亿元，5G 将直接创造超过 300 万个就业岗位。
1.2人工智能
人工智能（人工智能）是指利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。人工智能领域处理的问题主要包括感知、挖掘、预测以及推理等。
作为新一轮产业变革的核心驱动力，人工智能已经催生了大量新的技术、产品及服务模式，构筑了一个全新的智能产业。人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，国内外的高科技公司以及风险投资机构纷纷布局人工智能产业链。社会资本、智力和数据资源的汇集驱动着人工智能技术研究不断向前推进，从学术研究到实际开发,从家庭到社会,人工智能已经走入人们生活的方方面面。2015-2019 年是中国人工智能发展最为迅速的时期，技术研
究不断突破、产业应用层出不穷，人工智能已经渗入社会经济生产和人类生活的多个方面。
5G 和人工智能技术建立起庞大的产业链，带来经济和社会的巨大变革。5G 和人工智能互相促进、互相作用、互相影响。5G 作为通信基础设施，可以为人工智能应用提供高效、可靠、海量的数据传送服务。同时，人工智能作为新型智能化技术，可以有效促进 5G 网络的演进，提升 5G 网络和应用的能力。
5G 网络、5G 业务和人工智能相互赋能（图 3）。5G 网络具备三大特性，增强移动宽带（eMBB）、海量机器通信（mMTC）和超高可靠低时延（URLLC）。5G 网络的这些特性，再加上边缘计算等技术，将可以有效促进人工智能的发展。5G 业务可为人工智能提供落地应用并向人工智能提供大数据，同时，人工智能也可赋能 5G 网络和 5G 业务。
图3 5G 和人工智能相互赋能
1.35G 网络为人工智能的引入提供基础
通信网络（3G/4G/5G）提供三种基本服务能力：设备连接（设备与设备之间、设备与业务平台之间）、数据传送（设备与设备之间，设备与业务平台之间）和服务能力递送（业务平台与设备之间）。在5G 时代，人与人、人与物、以及物与物之间建立万物互联，这些连接都将产生海量数据。在 3G/4G 时代，设备连接服务和数据传送服务的处理都需要经过核心网协调和处理，服务能力通常都部署在外部云平台中，这三种基本服务通常都需要远距离访问，容易造成核心网压力大，灵活性不足和服务效率不高等问题。
图4 5G 为引入人工智能提供基础
通过引入软件定义网络（SDN）和网络功能虚拟化（NFV），5G 支持控制面与用户面分离（图 4）。5G 核心网主要专注处理 5G 控制面的访问控制请求，5G 用户面的数据传送服务主要由接入网和承载网
直接提供，从而有效减轻核心网的压力；再结合边缘计算，5G 网络支持服务能力就近部署和就近服务，从而使得支持上述三种基本服务的服务能力、服务灵活性和服务效率都得以大幅度的提升，为在 5G 网络中引入人工智能能力和通过 5G 网络提供人工智能能力提供坚实的基础。
1.4人工智能融合 SDN/NFV 赋能 5G 网络
SDN 和 NFV 解耦 5G 网络的软件与硬件，分离控制面与用户面，提升控制面集中化能力，为 5G 网络的智能化（自修复、自优化等）提供重要基础。边缘计算的引入也为 5G 网络的云网一体化演进提供可能，从而使得人工智能计算和赋能无处不在。人工智能、SDN/NFV、边缘计算等技术融合，提升 5G 网络的智能化水平（例如，智能化的网络切片服务等）。例如，如图 5 所示，人工智能能力可以部署到 5G 终端、5G 网络（包括 5G 边缘计算节点）、或者人工智能中台；5G 网络数据通过汇聚和清洗后可用于训练人工智能能力。
图5 人工智能赋能5G 网络
利用人工智能可以有效地监控、预测和优化 5G 网络的各种服务资源，提升 5G 网络的服务质量与效率。
1.5人工智能融合边缘计算赋能 5G 网络
5G 边缘计算为人工智能与 5G 网络、5G 业务融合提供天然的锚点，借助 5G 边缘计算，服务提供商（消费互联网、产业互联网、家庭互联网）可以方便、快速和有效地向用户提供 5G 业务，并可实现人工智能的就近部署和就近服务（图6）。
图6 5G 边缘计算
网络运营商根据业务类型（eMBB、eMTC、URLLC 等）来部署 5G 边缘计算节点和设置 5G 网络切片，人工智能计算节点可以就近部署在5G 边缘计算节点上，也可以就近汇聚到附近的计算设施中，从而使得人工智能可以计算终端、计算在边缘云和计算在核心云。
二、“5G+人工智能”促进 5G 网络发展
2.1人工智能提升 5G 网络关键能力
目前，人工智能技术得到了快速发展，几乎在每一个领域都可以找到人工智能的应用，在 5G 网络领域同样如此。这一部分主要分析人工智能应用于 5G 网络的三大关键技术：资源分配技术、流量分类技术和业务预测技术。
2.1.1资源分配技术
5G 网络切片机制帮助实现网络资源的合理分配，目前，为了实现用户的动态资源分配，很多人工智能算法已经被应用到了 5G 资源管理当中。例如，利用人工智能领域的遗传算法进行无线资源的分配。遗传算法是利用全局搜索找到最优解，解决优化问题，具有较强的鲁棒性，通过遗传算法找到资源分配的最优解，往往要优于传统的分配算法。除了遗传算法，神经网络学习、蚁群优化等算法都被广泛应用于无线资源的动态规划、自动优化等。
2.1.2流量分类技术
人工智能技术提供了多种应用与服务，通过网络智能地、自主地监控和管理。基于深度学习的流量分类是利用深度学习技术对网络上
的大量流量进行智能分类的方法之一。基于深度学习的流量分类可以提供对通信网络上的海量流量数据进行模式学习，构建流量分类模型，从而实时提供更高效的网络性能，同时，流量分类技术对网络管理环境的智能构建具有更高的效率和准确性。
2.1.3业务预测技术
业务预测是人工智能的重要应用领域，通过对数据的采集和处理，利用人工智能算法，例如，神经网络、支持向量机算法等对结果进行预测，从而判断决策的正确性和未来业务发展的规模。目前，利用人工智能进行业务预测已经成为了 5G 网络监督和管理的重要组成部分。由于5G 业务量巨大，网络中受影响的因素较多，人工智能精准的业务预测可以广泛应用在 5G 网络中。及时有效的业务预测是 5G 网络调度自动化和优化的核心基础。
2.2人工智能在 5G 网络架构中的应用
5G 连接人与人，连接物与物。不同于过去 2G 到 4G 时代重点关注移动性和传输速率，5G 不仅要考虑增强宽带，还要考虑万物互联。当前网络复杂度越来越高，数据的流量呈爆炸性的增长，现有的网络设备难以满足用户的数据爆炸需求。并且，现有的网络维护和管理方式还是人工干预的方式，已经无法适应 5G 时代网络的需求。
因此，5G 网络需要“自能”化的管理。5G 网络需要支持自主的进行连接路径选择、自动的进行网络连接健康状态分析，甚至要具有对已知故障自己进行修复的能力。人工智能技术应用在 5G 网络架构中，可以解决 5G 网络架构复杂，资源利用率较低的问题。利用人工智能的自主学习、数据分析等特长，赋予 5G 网络自主、自能的自我管理、优化和维护能力；人工智能在 5G 的终端、接入网、承载网、核心网、边缘计算和网络安全与运维等方面，都可以发挥巨大的赋能价值（图7）。
图7 人工智能赋能5G 网络
2.2.1人工智能赋能 5G 接入网
（一）提升频谱利用率
5G 网络天线优化参数从数百种组合增长到上万种组合，纯靠人工难以有效配置。通过汇聚和融合来自于设备、接入网和核心网等相关数据，利用人工智能分析频谱利用策略，用于接入网/基站的实时
管理与动态优化，以及动态、实时和智能化的扇区优化配置，提升网
络覆盖率和频谱利用率。
图8 人工智能赋能5G 频谱利用
通过对天线权值、接入设备分布统计与预测的智能分析，可以
动态预测和制定频谱使用策略，提升频谱资源利用率（图 8）。（二）提升网络覆盖率
不同于其他网络服务模式，单个 5G 基站的网络覆盖面较低，整个 5G 网络需要建设大量的基站。5G 基站的选址、规划、建设和扇区的配置工作量巨大且复杂。将人工智能预测技术引入 5G 基站建设可以大大节省基站建设和维护成本，提升基站利用率，扩大网络覆盖率。
图9 人工智能赋能5G 网络覆盖
通过汇聚和融合来自于设备、接入网和核心网等相关数据，利用人工智能技术生成 5G 基站建设策略以指导 5G 基站的选址、规划、建设和配置，同时，动态实时地生成扇区利用策略以指导扇区的自动优化与配置（图9）。
（三）优化网络功能虚拟化能力
NFV 是一种重要的网络技术，该技术可在物理网络上虚拟多个相互隔离的虚拟网络，从而使得不同用户或业务之间使用独立的网络资源切片，提高网络资源利用率，实现弹性的网络。通过引入NFV，可以虚拟化 5G 接入网的计算和频谱等资源，使得特定区域的基站可以协同工作。通过引入 SDN，可以在 5G 接入网层面或者在 5G 核心网层面实现控制面与用户面的分离和控制面的集中化管理（图10）。
图 10 人工智能赋能 5G 网络虚拟化
根据接入网的物理数据和用户数据，引入人工智能技术，可以监测和优化接入网的虚拟化资源的使用情况。人工智能赋能接入网的基站可以实时监测网络状态、实时预测和评估网络性能、减少人为干预。
2.2.2人工智能赋能 5G 核心网
跟原有 4G 网络相比，5G 核心网建设面临网络部署、网络功能、
新业务开展、多种网络制式共存等诸多挑战。如何有效地融合和管理5G 网络的用户面、策略面、控制面、数据面等，如何提供差异化的端到端的
高效节能的网络切片服务，都需网络运营商应对。5G 业务差异性增大，
需要网络切片支持一网多用的同时，还得保障业务质量。通过引入人工
智能技术，可以提升 5G 核心网的自我管理能力，帮助核心网实现运营、运维和运行自动化。
图 11 人工智能赋能 5G 核心网
人工智能可以赋能 5G 核心网（图 11）：
-传统网元拆分：提升网络功能服务独立升级和互通能力；
-网络功能服务管理自动化：提升自动注册、自动发现和选择、双向定期状态检测等能力；
-网络通信路径优化：根据网络功能服务之间通信需求，动态优化通讯路径。
2.2.3人工智能赋能 5G 网络切片
5G 之前的通信网络通常采用单一网络服务架构服务所有用户需求，这不利于提升网络资源利用率。5G 提出了采用网络切片的方式，可以根据用户的业务需求分配不同的网络资源，从而有利于提升网络资源的有效利用率。对于 5G 网络，传统的人工运维模式无法满足运营和管理大量的网络切片。如果依然采用传统人工管理模式，网络部
署、优化难度会大大增加。因此，需要采用人工智能技术智能化的管理和运营 5G 核心网络切片。
5G 网络通过引入 SDN 和 NFV 技术，可以在接入网、承载网和核心网三个层面分别引入网络切片协作机制。根据不同业务需求，这些不同层面的网络切片需要有效的协作起来组成虚拟服务网络。
图 12 人工智能赋能 5G 网络切片的管理和运营
通过汇集业务需求、切片信息、网络状态和业务效果等信息，利用人工智能技术，可以智能化的监测和调控不同层面的切片，同时智能化的监测和调控不同层面的切片协作关系（图12）。
在 5G 接入网切片的运营与管理方面，利用人工智能技术预测和优化接入网的 AAU/CU/DU 等切片，适应不同业务场景；提升接入网网元的协作效率、提高空口利用率，节省建设和运维成本与能源。
在 5G 承载网切片的运营与管理方面，利用人工智能技术动态监测和分析承载网资源的使用情况，按需动态组建承载网切片；同时，支持多层次的切片隔离技术，满足高隔离要求下的底层快速转发。
在 5G 核心网切片的运营与管理方面，利用人工智能技术，动态监测和分析核心网资源，以及整个网络资源和业务的使用情况，按需动态组建核心网切片，以满足核心网的弹缩和高可靠性要求。
2.2.4人工智能赋能 SDN 网络
通过引入SDN，5G 网络通过支持相互分离的集中式控制面与分布式数据面，从而具备开放、可编程、灵活、可扩展、易于虚拟化等特性，进而可以降低 5G 网络设备硬件成本、提升网络运营效率、提供端到端的优质网络服务。
基于 SDN 的 5G 网络面临诸多挑战，主要包括，控制面功能重构、扩展能力、兼容能力和安全问题，以及数据面的转发性能和内容缓存优化问题等。人工智能有助于提升控制面的性能与安全性，以及增强数据转发路径的预测与优化能力。
人工智能可以赋能SDN 控制器，实现 SDN 主控制器和控制器的智能化，包括流表的智能化监测、预测、优化和回收、集中式控制面与分布式数据面的协作等（图13）。
人工智能可以赋能SDN 交换机，实现分布式数据面的智能化监视、预测、优化和回收，以及内容缓存的智能化监视、预测、优化和回收。
图 13 人工智能赋能 SDN 网络
2.2.5人工智能赋能 5G 网络虚拟化
通过引入 NFV 技术，可以解耦 5G 网络功能的软件和硬件，使得
5G 网络更具弹性。NFV 与SDN 虽然源于相同技术基础（通用服务器、云计算、虚拟化等），但两者相互独立，互不依赖。SDN 致力于 5G 网
络的控制面与数据面分离及控制面集中化，SDN 与NFV 的结合，使得5G 网络更具开放性、可编程性、灵活性和可扩展性。
在 5G 网络中使用NFV，在可靠性、存储转发性能、业务部署方
式等方面还面临诸多挑战，需要引入人工智能解决这些挑战。
（发展战略）人工智能的发 展及应用
人工智能的发展及应用 这是个信息爆炸自动控制飞速发展的时代，而在这样的时代中，人工智能也取得了飞速的发展。成为了最前沿最热门的学科和研究方向之壹。 人工智能的定义 “人工智能”(ArtificialIntelligence)壹词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的壹门新的技术科学。人工智能是计算机科学的壹个分支,它企图了解智能的实质,且生产出壹种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学和技术的发展史联系在壹起的。 人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,且使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。 人工智能的应用领域 1.在管理系统中的应用 (1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》壹文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统壹集成管理,搭建人工智能的应用平台,使之成为企业管理和决策中的关键因子。
2.在工程领域的应用 (1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它能够帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发和应用的高潮。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,且在不断发展完善中。 (2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了壹个钼矿沉积,价值超过1亿美元。 3.在技术研究中的应用 (1)在超声无损检测(NDT)和无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力和脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。 (2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而和人工智能技术
中国人工智能系列白皮书 -- 智慧农业
目录 第1 章智慧农业发展背景 (1) 1.1 人工智能在农业领域中的应用历程 (1) 1.2 智慧农业及其发展趋势 (8) 第2 章农业智能分析 (12) 2.1 农业数据挖掘 (12) 2.1.1 农业数据挖掘特点 (12) 2.1.2 农业网络数据挖掘 (13) 2.1.3 农业数据挖掘应用 (16) 2.2 农业数据语义分析 (18) 2.2.1 农业数据语义模型 (18) 2.2.2 农业数据存储模型 (19) 2.2.3 农业数据知识发现 (20) 2.2.4 农业数据语义检索 (21) 2.2.5 分布式农业知识协同构建 (21) 2.3 农业病虫害图像识别 (22) 2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 23 2.3.2 农业病虫害图像采集方法 (24) 2.3.3 农业病虫害图像预处理 (26) 2.3.4 农业病虫害特征提取与识别模型构建 (27) 2.3.5 农业病虫害模式识别 (28) 2.4 动物行为分析 (29) 2.5 农产品无损检测 (34) 2.5.1 农产品的无损检测 (35) 2.5.2 农产品无损检测主要方法与基本原理 (36) 2.5.3 无损检测在农产品质量检测中的应用 (38)
2.5.4 问题与展望 (38) 第3 章典型农业专家系统与决策支持 (40) 3.1 作物生产决策系统 (40) 3.1.1 作物生产决策支持系统的概念与功能 (40) 3.1.2 作物决策支持系统的发展 (41) 3.1.3 我国作物决策支持系统发展状况 (41) 3.1.4 作物生产决策支持系统的发展趋势 (42) 3.1.5 作物生产决策支持系统的存在问题 (43) 3.1.6 作物生产决策支持系统的发展措施建议错误!未定义书签。 3.2 作物病害诊断专家系统 (45) 3.2.1 病害诊断知识表达 (45) 3.2.2 作物病害描述模糊处理 (47) 3.2.3 病害诊断知识推理 (47) 3.2.4 基于图像识别的作物病害诊断 (48) 3.3 水产养殖管理专家系统 (49) 3.3.1 问题与挑战 (49) 3.3.2 主要进展 (51) 3.3.3 发展趋势 ........ .... ..... .. (52) 3.4 动物健康养殖管理专家系统 (54) 3.4.1 妊娠母猪电子饲喂站 (54) 3.4.2 哺乳母猪精准饲喂系统 (56) 3.4.3 个体奶牛精准饲喂系统 (57) 3.4.4 畜禽养殖环境监测系统 (58) 3.5 多民族语言农业生产管理专家系统 (59) 3.5.1多民族语言智慧农业即时翻译系统结构 (59) 3.5.2多民族语言农业智能信息处理系统机器翻译流程 .. 60 3.5.3多民族语言农业信息平台中的翻译关键技术 (62)
２０１８年中国人工智能产业白皮书
册子 / 报告标题|章节标题 目录 主要发现 1第一章人工智能行业综述篇 3 1.1 全球及中国发展概况 4 1.1.1 全球市场 4 1.1.2 发展驱动力 6 1.1.3 面临挑战 11 1.2 人工智能产业链 12 1.2.1 基础层 13 1.2.2 技术层 14 1.2.3 应用层 16 1.3 中国人工智能领域投资 17 1.3.1 投资热点及趋势 17 1.3.2 进击的巨头 19第二章人工智能商业化应用篇 21 2.1 数字政府：政策利好加速政府智能化变革 23 2.2 金融：人工智能变革金融经营全过程 26 2.3 汽车：人工智能正在重塑汽车产业生态 30 2.4 医疗：人工智能加速医疗技术革新 34 2.5 零售：人工智能应用从个别走向聚合 38 2.6 制造业：人工智能应用潜力被低估 44第三章中国主要人工智能产业发展区域及定位 47 3.1 中国人工智能企业分布重点城市 48 3.2 人工智能产业园 57 3.3 杭州未来科技城人工智能发展建议 59 02
册子 / 报告标题|章节标题主要发现 1. 中国人工智能产业发展迅速，但整体实力仍落后于美国。中国已成为人工 智能发展最迅速的国家之一，2018年中国人工智能市场规模有望超过300亿 元人民币。人工智能企业数量超过1000家，位列全球第二。本次人工智能浪 潮以从实验室走向商业化为特征，其发展驱动力主要来自计算力的显著提升、 多方位的政策支持、大规模多频次的投资以及逐渐清晰的用户需求。与此同 时，中国处于人工智能发展初期，基础研究、芯片、人才方面的多项关键指标 与美国差距较大。 2. 中国企业价值链布局侧重技术层和应用层，对需要长周期的基础层关注 度较小。人工智能产业链分为基础层（芯片、算法框架）、技术层（计算机视 觉、自然语义理解、语音识别、机器学习）和应用层（垂直行业/精确场景）。中 国企业布局比较偏好技术相对成熟、应用场景清晰的领域，对基础层关注度 较小。瞄准AI专用芯片或将为中国企业另辟蹊径。 3. 科技巨头生态链博弈正在展开，创业企业则积极发力垂直行业解决方案， 深耕巨头的数据洼地，打造护城河。科技巨头构建生态链，已经占据基础设 施和技术优势。创业企业仅靠技术输出将很难与巨头抗衡，更多的创业企业 将发力深耕巨头的数据洼地（金融、政府事务、医疗、交通、制造业等），切入 行业痛点，提供解决方案，探索商业模式。 4. 政府端是目前人工智能切入智慧政务和公共安全应用场景的主要渠道， 早期进入的企业逐步建立行业壁垒，未来需要解决数据割裂问题以获得长 足发展。各地政府的工作内容及目标有所差异，因而企业提供的解决方案并 非是完全标准化的，需要根据实际情况进行定制化服务。由于政府一般对于 合作企业要求较高，行业进入门槛提高，强者恒强趋势明显。 5. 人工智能在金融领域的应用最为深入，应用场景逐步由以交易安全为主 向变革金融经营全过程扩展。传统金融机构与科技企业进行合作推进人工 智能在金融行业的应用，改变了金融服务行业的规则，提升金融机构商业效 能，在向长尾客户提供定制化产品的同时降低金融风险。 6. 医疗行业人工智能应用发展快速，但急需建立标准化的人工智能产品市 场准入机制并加强医疗数据库的建设。人工智能的出现将帮助医疗行业解决 医疗资源的短缺和分配不均的众多民生问题。但由于关乎人的生命健康，医疗 又是一个受管制较严的行业。人工智能能否如预期广泛应用，还将取决于产 品商业化过程中如何制定医疗和数据监管标准。 03
人工智能发展与应用综述 摘要：概要的阐述了人工智能的概念、发展历史、当前研究热点和实际应用以及未来的发展趋势 20世纪是自然科学发展史上最为辉煌的时代，生物科学是自然科学中发展最迅速的学科。因为生物科学与人类生存、人民健康、社会发展密切相关，必然成为21世纪初的主导学科。在20世纪生物科学的发展中有许多重大突破，出现了许多新观念、新思想、新成果和新技术。特别是20世纪50年代以来，随着数理科学广泛深入地渗透到生物科学以及一些先进的仪器设备和研究技术的问世，生物科学已经从基本上是静态的、以形态描述与分析为主的学科演化发展成动态的、以实验为基础的定量的学科，逐步发展为自动化、智能化。在生物系统的领域，人工智能的发展尤为令人关注。 一．人工智能的概念 人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了“人工智能”(Artificial Intelligence，AI)这个术语。 人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能更灵活方效地为人类服务。只要电脑能够表现出与人类相似的智能行为,就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。 人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为. 二．人工智能的发展历史 50年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。 60年代末到70年代，专家系统出现，使人工智能研究出现新高潮DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、
《人工智能技术发展趋势及应用》试题及答案 (一) 单选题，每题 2 分，共 20 题。 1. 下列有关人工智能的说法中，不正确的是（）。 (A)人工智能是以机器为载体的智能 (B)人工智能是以人为载体的智能 (C)人工智能是相对于动物的智能 (D)人工智能也叫机器智能 2. 以下属于素养性知识的是（）。 (A)为人处事方面的知识 (B)行业性知识 (C)分析性知识 (D)创造性知识 3. 本课程提到，人工智能皇冠上的明珠是（）。 (A)数据智能 (B)读写智能 (C)逻辑智能 (D)语言智能 4. 根据本课程，以下哪项不属于情感分析四维模型的内容（）。 (A)读音知情 (B)读脸知情
(C)读搏知情 (D)读书知情 5. 人工神经网络发展的第一次高潮是（）。 (A)1986年启动“863计划” (B)1977年，吴文俊创立吴方法 (C)1957年，罗森布拉特提出感知机神经元关系 (D)1985-1986年提出误差反向传播算法 6. 人工智能在围棋方面的应用之一是AlphaGo通过（）获得“棋感”。 (A)视觉感知 (B)扩大存储空间 (C)听觉感知 (D)提高运算速度 7. 以下哪项不属于教育信息化的三个阶段（）。 (A)教育创新化 (B)教育技术化 (C)教育智能化 (D)教育智慧化 8. 以下不属于人工智能对当前经济社会冲击最大的四个领域的是（）。 (A)制造 (B)教育
(C)艺术 (D)金融 9. 2013年，麻省理工学院的基础评论把（）列为第一大技术突破。 (A)机器学习 (B)人工智能 (C)智能围棋 (D)深度学习 10. 根据本课程，过去生产一台哈雷机车需要21天，但在工业4.0时代，只需要（）就可以把私人定制的摩托车交给客户，极大提高了生产效率，同时满足用户的个性化需求。 (A)2天 (B)24小时 (C)12小时 (D)6小时 11. 根据本课程，根据相关机构数据分析，中国制造业总体成本与美国相比（） (A)远远低于美国 (B)远远高于美国 (C)已经几乎相等同 (D)无法判断 12. 根据本课程，高速公路自动驾驶属于智能网联汽车的哪个发展阶段？（） (A)驾驶辅助 (B)部分自动驾驶
人工智能的发展及应用 学院： 班级： 姓名： 学号： 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能几乎涉及到是自然科学和社会科学的所有学科，其范围
已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识、自我、思维等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。关于人工智能一个大家比较容易接受的定义是这样的：人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学，简称AI。 人工智能体现在思维、感知、行为三个层次。它主要模拟眼神、扩展人的智能。其研究内容可以分为机器思维和思维机器、机器行为和行为机器、机器感知和感知机器、三个层次。人工智能研究与应用虽然取得了不少成果，但离全面推广应用还有很大距离，还有很多问题需要许多学科的共同研究。 人工智能有两种实现方式，第一种叫做工程学方法（Engineering approach），是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。它已在一些领域内作出了成果，如文字识别、电脑下棋等。第二种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。第一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁,非常麻烦。采用第二种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。 人工智能的发展: 人工智能的研究经历了以下几个阶段: 孕育阶段:古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼兹）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想,提出了一种崭新的代数系统——布尔代数。 第一阶段:50年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。 第二阶段:60年代末到70年代，专家系统出现，使人工智能研究出现新高潮DENDRAL 化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语
人工智能的发展应用与未来 人工智能(Artificial Intelligence)。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能作为二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），同时也被认为是二十一世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能在很多科学领域都获得了广泛应用，并取得了丰硕的成果，其发展之迅速给人类的生活水平带来了巨大的改善，而未来的发展趋势也无可限量。 1.人工智能的兴起和早期发展 人工智能的发展历程大致可以分为下面五个阶段。 第一阶段: 20世纪50年代，人工智能的兴起和冷落。人工智能概念在1956年首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但是由于消解法推理能力有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是重视问题求解的方法，而忽视了知识的重要性。 第二阶段: 60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay－II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议( International Joint Conferences on Artificial Intelligence即IJCAI)。 第三阶段: 80年代，随着第五代计算机的研制，人工智能得到了飞速的发展。日本在1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。 第四阶段: 80年代末，神经网络飞速发展，。1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 第五阶段: 90年代，人工智能出现新的研究高潮。由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象 2.近年来人工智能的应用 （1）“人机大战” 在人工智能的发展史上，出现了很多堪称经典的“人机大战”。
２０１８年中国人工智能创新应用白皮书
报告背景介绍 在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，正确理解人工智能目前的应用能力、发展状态以及与市场预期间的距离，成为了各行业企业的重要任务之一。此份独立报告为各行业企业在人工智能方向上的布局与行动举措提供了参考信息与建议，同时也为人工智能企业在具体行业发展方向的选择上提供了参考。 我们的讨论将由四个部分组成，第一部分为人工智能发展背景介绍，对人工智能的概念、发展历史、人工智能企业目前发展状况、人工智能未来的技术与应用走向进行讨论；第二部分为人工智能的商业应用情况，将讨论人工智能能够为各行业带来的具体价值，评估各个行业目前应用条件的成熟程度；第三部分梳理总结了人工智能在20个行业的80个具体应用场景，并详细介绍典型的行业应用场景与案例；第四部分将为企业当下如何借力人工智能给出行动举措方面的建议。 此份独立报告整合了中国人工智能学会与罗兰贝格在数字化领域积累的项目经验与素材，以及对人工智能领域初创企业管理人、各行业内企业经理人、人工智能研发人员的访谈等多方信息数据源，旨在提供具有落地意义的参考与建议，推动人工智能的应用与发展。
执行总结 今年7月，国家发布了新一代人工智能发展规划，将中国人工智能产业的发展推向了新高度。人工智能技术是继蒸汽机、电力、互联网科技之后最有可能带来新一次产业革命浪潮的技术，在爆炸式的数据积累、基于神经网络模型的新型算法与更加强大成本更低的计算力的促进下，本次人工智能的发展已突破了商业领域对其应用效果的预测，受到风险投资基金的热烈追捧，人工智能技术的应用场景也在各个行业逐渐明朗，开始带来降本增益的实际商业价值。 在巨大的产业需求规模与强有力的金融投资支持下，中国在全球新一代人工智能中发展态势良好，北京、深圳和上海在人工智能企业与人才积累上名列全球城市前茅，中国人工智能产业的发展进入了技术逐渐渗透到各行业产生实际价值的阶段。 根据大量行业研究，我们发现，除了互联网行业以外，汽车、消费品与零售、金融以及医疗行业等数据基础比较完善、数据资源比较丰富的行业具有最为成熟的发展基础与最大的市场应用潜力。根据我们的估算，在中国至2030年，在金融行业，预计人工智能将带来约6000亿元人民币的降本增益效益。在汽车行业，人工智能在自动驾驶等技术上的突破将带来约5000亿元人民币的价值增益。在医疗行业，预计人工智能可以带来约4000亿元人民币的降本价值。在零售行业，预计人工智能技术将带来约4200亿人民币的降本与增益价值。我们在价值链的研发、制造、营销、服务以及物流等环节上梳理并描述了这些典型行业内人工智能的主要应用场景。 就中国企业应如何把握机遇，抓住战略机会，我们提出了一系列的行动建议。企业在制定人工智能发展计划时，首先应当明确在当前业务场景下的应用机会点，这些机会点应当能够带来足够的商业价值，并且企业自身也具备应用这些机会点的条件。企业需要通过研究外部市场发展情况，了解目前行业中其他企业在此技术方向上的布局，评估人工智能技在价值链各环节上的商业应用案例。其次，企业需要评估在组织、数据与技术、运用与执行能力上具备的核心竞争力，认识到在哪些方面存在不足，并针对不足为相关部门提供包括组织、流程、KPI等各方面的支持与引导。最后，结合对企业内部核心竞争力打造计划与应用实施计划，企业需要制定明确的发展方向与发展程度期望，设置具有时间节点的发展蓝图，并打造相关的配套能力支持计划执行。 新一代人工智能技术的应用将给各行业带来众多新的可能性，甚至有可能颠覆现有的行业格局并可能重塑行业，我们期待看到中国的企业在新一次人工智能浪潮中抢占先机。
论人工智能的研究与发展(一) 摘要：人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。论述了人工智能的定义，分析了目前在管理、教育、工程、技术、等领域的应用，总结了人工智能研究现状，分析了其发展方向。 关键词：人工智能；计算机科学；发展方向 1人工智能的定义 人工智能(ArtificialIntelligence，AI)，是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有“直觉的方程式”，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 2人工智能的应用领域 2.1人工智能在管理及教学系统中的应用 人工智能在企业管理中的应用。刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中，认为要做的工作就是搞清楚人的智能和人工智能的关系，了解人工智能的外延和内涵，搭建人工智能的应用平台，搞好企业智能化软件的开发工作，这样，人工智能就能在企业决策中起到关键的作用。 人工智能在智能教学系统中的应用。焦加麟，徐良贤，戴克昌(2003)在总结国际上相关研究成果的基础上，结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验，介绍了智能教学系统的历史、结构和主要技术，着重讨论了人工智能技术与方法在其中的应用，并指出了当今这个领域上存在的一些问题。 2.2人工智能专家系统在工程领域的应用 人工智能专家系统在医学中的应用。国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。1982年，美国Pittsburgh大学Miller发表了著名的作为内科医生咨询的Internist2Ｉ内科计算机辅助诊断系统的研究成果，1977年改进为Internist2Ⅱ，经过改进后成为现在的CAU-CEUS，1991年美国哈佛医学院Barnett等开发的DEX-PLAIN，包含有2200种疾病和8000种症状。我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快。早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”，它是模拟著名老中医关幼波大夫对肝病诊治的程序。上世纪80年代初，福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统，并成功应用于临床。 人工智能在矿业中的应用。与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR，用于勘探评价、区域资源估值和钻井井位选择等。20世纪80年代以来，美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统；弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim；阿拉斯加大学编
人工智能的发展及应用 这是个信息爆炸自动控制飞速发展的时代，而在这样的时代中，人工智能也取得了飞速的发展。成为了最前沿最热门的学科和研究方向之一。 人工智能的定义 “人工智能” (Artificial Intelligence) 一词最初是在1956 年Dartmouth 学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支, 它企图了解智能的实质, 并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。 人工智能理论进入21 世纪, 正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品” , 并使之在越来越多的领域超越人类智能, 人工智能将为发展国民经济和改善人类生活做出更大贡献。 人工智能的应用领域 1. 在管理系统中的应用 (1) 人工智能应用于企业管理的意义主要不在于提高效率, 而是用计算机实现人们非常需要做, 但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中, 以数据管理和处理为中心, 围绕企业的核心业务和主导流程建立若干个主题数据库, 而所有的应用系统应该围绕主题数据库来建立和运行。换句话说, 就是将企业各部门的数据进行统一集成管理, 搭建人工智能的应用平台, 使之成为企业管理与决策中的关键因子。 2. 在工程领域的应用
(1) 医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用, 具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题, 作为医生诊断、治疗的辅助工具。事实上, 早在1982年, 美国匹兹堡大学的Miller 就发表了著名的作为内科医生咨询的Internist 2? 内科计算机辅助诊断系统的研究成果, 由此, 掀起了医学智能系统开发与应用的高潮。目前, 医学智能系统已通过其在医学影像方面的重要作用, 从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。 (2) 地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978 年美国 斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECT”OR, 该系统用于勘探评价、区域资源估值和钻井井位选择等, 是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积, 价值超过1 亿美元。 3. 在技术研究中的应用 (1) 在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类；专家运用超声无损检测仪器, 以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动减少了任务因素造成的无擦, 提高了检测的可靠性, 实现了超声检测和评价的自动化、智能化。 (2) 人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点, 因此我们必须在传统技术的基础上进行网络安全技 术的改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更 高级AI 通用和专用语言, 和应用环境以及开发专用机器, 而与人工智能技术则为我们提供了可能性。 人工智能的发展 人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几个阶段: 孕育阶段:古希腊的Aristotle( 亚里士多德)( 前384-322) ，给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon(培根)(1561-1626)，系统地给出了归纳法。“知识就是力量”
一) 单选题，每题 2 分，共 20 题。 1. 下列有关人工智能的说法中，不正确的是（B）。 (A) 人工智能是以机器为载体的智能 (B) 人工智能是以人为载体的智能 (C) 人工智能是相对于动物的智能 (D) 人工智能也叫机器智能 2. 以下属于素养性知识的是（A）。 (A) 为人处事方面的知识 (B) 行业性知识 (C) 分析性知识 (D) 创造性知识 3. 本课程提到，人工智能皇冠上的明珠是（D）。 (A) 数据智能 (B) 读写智能 (C) 逻辑智能 (D) 语言智能 4. 根据本课程，以下哪项不属于情感分析四维模型的内容（D）。 (A) 读音知情 (B) 读脸知情 (C) 读搏知情
(D) 读书知情 5. 人工神经网络发展的第一次高潮是（C）。 (A) 1986年启动“863计划” (B) 1977年，吴文俊创立吴方法 (C) 1957年，罗森布拉特提出感知机神经元关系 (D) 1985-1986年提出误差反向传播算法 6. 人工智能在围棋方面的应用之一是AlphaGo通过（A）获得“棋感”。 (A) 视觉感知 (B) 扩大存储空间 (C) 听觉感知 (D) 提高运算速度 7. 以下哪项不属于教育信息化的三个阶段（A）。 (A) 教育创新化 (B) 教育技术化 (C) 教育智能化 (D) 教育智慧化 8. 以下不属于人工智能对当前经济社会冲击最大的四个领域的是（C）。 (A) 制造 (B) 教育
(C) 艺术 (D) 金融 9. 2013年，麻省理工学院的基础评论把（D）列为第一大技术突破。 (A) 机器学习 (B) 人工智能 (C) 智能围棋 (D) 深度学习 10. 根据本课程，过去生产一台哈雷机车需要21天，但在工业4.0时代，只需要（D）就可以把私人定制的摩托车交给客户，极大提高了生产效率，同时满足用户的个性化需求。 (A) 2天 (B) 24小时 (C) 12小时 (D) 6小时 11. 根据本课程，根据相关机构数据分析，中国制造业总体成本与美国相比（C） (A) 远远低于美国 (B) 远远高于美国 (C) 已经几乎相等同 (D) 无法判断
人工智能在军事领域的发展现状及应用前景 知远战略与防务研究所/威远编译自：俄罗斯外交和国 防政策委员会网站[知远导读]本文主要介绍了当今世界及 俄罗斯本国人工智能技术发展的现状以及未来该技术在军 事领域的应用前景.文章还重点分析了人工智能技术实现的 可能途径以及人工智能技术对人类战争活动的可能影响。文 章编译如下：目前.关于人工智能的说法和文章很多.这让人觉得.人工智能早已研究成熟且无处不在。事实上并未如此。 虽然自动化早已成为生产和指挥过程的一部分.而且计算机 已经学会语音和脸部识别.操控汽车和分析大量数据。图像 识别或者自动翻译属于利用人工智能方法并在完成类似任 务时选择存储结果的机器学习技术。人工智能目前还未实现.还需要进行研究.它的应用领域确实非常广泛。国防领域也 在其中。发展人工智能成为了保障国家安全的任务。美国和 中国希望在人工智能研究中占据领先地位并率先将其运用 到网络武器和既可用于监视敌人.也可用于袭击敌人的自主 式武器的研制当中。美国国防部在2017年开始抓紧落实所 谓的“第三次抵消战略”.该文件中提出的主要目标是“必 须集中力量进行创新.旨在通过创新发展美国近年来与对手 和敌人已经接近的关键能力.保持并恢复传统遏制力”.这 里说的对手和敌人指的也就是俄罗斯和中国。实际上.世界
上已经开始了创新武器竞赛.全部主要大国都将卷入其中。 此外.西方已经被普京总统2017年9月1日在雅罗斯拉夫尔公开讲话中提到的内容所震撼：“人工智能不仅仅是俄罗斯 的未来.也是全人类的未来。这包含着巨大的机遇和当今难 以预测的威胁。谁能成为该领域的领导者.谁就将主宰世界”。著名商人伊隆·马斯克称.人工智能最终将消灭人类。因此.他和另外116名专家、学者、新技术领域公司代表向 联合国发出请求书.呼吁禁止研制任何类型使用人工智能技 术的武器和自主技术装备。部分商业人士和学者强调.运用自主技术相当于继火药和核武器出现之后.战争中出现的第三次革命.毫无疑问.他们说的没错。但显而易见.联合国开始的关于禁止此类武器公约的讨论不是为了别的什么目的.而是美国及其盟友以讨论普世价值为掩护.阻止其地缘政治对手.首先是俄罗斯和中国研制人工智能武器。然而.履带式装甲车和打击无人机并非战略武器.而是战术武器。这些武 器对人类不构成任何威胁。“杀手机器人”的形象被好莱坞 复制了无数遍.但现实中的战斗系统未必与之有什么共同点。为了弄清楚.所谓的战斗机器人会不会对人类构成威胁.首先必须弄清.什么是人工智能.它与机器智能.超级计算机的深度学习有什么不同.还有最主要的是人工智能在军事领域 的地位和运用范围。国家安全领域人工智能的任务在可预见 的未来.新的世界技术竞赛将导致最新的技术革命延伸至军
国外人工智能发展及应用 提起人工智能首先要从程序AlphaGo说起。在以5:0大胜欧洲围棋冠军樊麾之后，AlphaGo又在3月以4:1的比分战胜世界围棋顶级高手李世石，引起了举世瞩目的轰动，也成为了人工智能领域的一个里程碑事件。至此，人工智能已经在完全信息的棋类对战游戏中全面战胜人类对手。实际上，AlphaGo之所以能够取得如此大的胜利，是由多方面的技术进步共同作用，使得人工智能技术临近引爆点。 AlphaGo在赛前不仅掌握了3000万步大师秘笈，还进行了3000万局的自我对弈，积累了丰富的经验。其次是计算能力大幅度提升。一方面，AlphaGo采用了1920个CPU外加280个GPU，其理论计算能力达到2332TFLOPS，约相当于深蓝的21万倍，神经元的2500亿倍。另一方面，云计算的发展也将这些计算能力完美地结合起来，使得这些CPU、GPU能够高度协同工作。第三是人工智能算法的进步。经历了十多年的发展，蒙特卡洛搜索、深度学习、强化学习等算法日臻成熟，而AlphaGo的快速走子策略也使得他能够在短时间内作出落子决策，达到实战的时间要求。不仅如此，从近几年Gartner的发布的技术成熟度曲线来看，生物芯片、微数据中心、智能机器人、自然语言问答、虚拟现实、增强现实、自动驾驶等都将会在5~10年内达到生产力平稳期，而同声传译、机器学习、自动区域驾驶等技术所需时间仅为2~5年。 为抓住难得的发展机遇，发达国家纷纷加快人工智能技术创新与战略布局，将人工智能做为提升国家竞争力的重要战略取向和重要抓手，力图占领产业发展新的制高点，这也使得人工智能成为了各国综合竞争力角逐的主战场。美国对人工智能尤其重视。DARPA秉持"保持美国技术的领先地位、纺织潜在对手意想不到的超越"的宗旨，自2010年开始长期扶持人工智能在军事、医疗、航空航天等各领域应用，2015年的DARPA未来技术论坛更是直接将"太空机器人、自主人工智能到地外生命及神经科学"列为讨论主题。2013年4月发布了总统项目"推进创新神经技术脑研究计划"。2015年发布的"美国国家创新战略"将与人工智能息息相关的9大领域作为优先发展的对象加以主动支撑，包括精密医疗、卫生保健、大脑计划、先进汽车、智慧城市、清洁能源与节能技术、教育技术、太空探索和高性能计算等。美国智库战略与国际研究中心(CSIS)在去年发布的《国防2045：
人工智能控制技术的发展与研究现状人工智能控制技术的发展与研究现状综述 1.人工智能的定义 人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(DarEmouth)学会上提出的。自此，研究者们发展了众多理论和原理，人工智能的概念也随之展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 尽管对于人工智能控制的定义，学术界有许多种说法和定义方式，但他们的本质都是一致的。人工智能控制就是研究怎么样利用机器模仿人脑从事推理规划、设计、思考、学习等思维活动，解决迄今认为需要由专家才能处理好的复杂问题。人工智能是一个大科学的通称，它所覆盖的研究领域非常广，涉及到研究内容非常丰富。从实用观点看，人工智能是一门知识工程学，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 2.人工智能控制技术的发展历史
全球人工智能发展白皮书 （2019年度）
全球人工智能发展白皮书 | 四、人工智能重塑各行业 一、AI创新融合新趋势4 1.1人工智能正全方位商业化4 1.2AI全面进入机器学习时代5 1.3市场对投资回归理性8 1.4城市逐渐成为AI创新融合应用主战场13 1.5AI支持体系不断发力21 1.6顶层政策倾斜力度持续增加23 1.7全球AI市场超6万亿美元29 1.8京津冀、长三角、珠三角AI企业云集31 二、人工智能技术发展腾飞40 2.1人工智能关键技术日趋成熟40 2.2人工智能开放平台建设稳步推进42 2.3“人机大战”谁更能更胜一筹？45 三、中国在全球AI地位52 3.1中国拥有更为庞大的数据规模以及更丰富数据使用环境53 3.2中国是全球芯片需求量最大的市场，但高端芯片依赖进口54 3.3中国机器人企业快速成长核心零部件技术国产化加速54 3.4美国人工智能底层技术实力更为雄厚，中国则在语音识别技术上更优55 3.5中国在AI应用上呈现追击态势55 四、人工智能重塑各行业58 4.1金融：人工智能提升金融企业商业效能并变革企业内部经营60 4.2教育：人工智能技术应用覆盖教学全流程65 4.3数字政务：政策利好加速政府智能化变革70 4.4医疗：人工智能应用日趋成熟71 4.5无人驾驶：主导汽车产业革新75 4.6零售：人工智能驱动行业走向聚合79 4.7制造业：智能制造应用潜力巨大82 4.8智慧城市：人工智能塑造城市基础设施创新系统86
全球人工智能发展白皮书 | 主要发现主要发现： 1
全球人工智能发展白皮书 | 主要发现 2