2017年人工智能在医疗领域应用的深度研究报告
1、人工智能发展历程简介
人工智能研究的目的在于使机器胜任一些通常需要人类智能才能完成的复杂工作。按照智能化的程度，人工智能可以被划分为计算智能、感知智能和认知智能。计算智能，在逻辑能力方面模拟人类，典型的应用比如阿尔法狗；感知智能，主要包括图像识别和声音识别，这个领域的典型应用是无人驾驶汽车，模拟人对外界的感受和反应；认知智能，指让机器有自己的语言，能够自我学习，学会推理和决策。认知智能是目前机器与人差距最大的领域，也被认为是未来提升空间最大的领域。
图1 AI2.0 是人工智能崛起的黄金十年
图2 AI2.0的关键性突破
2、人工智能应用领域及市场规模
人工智能在安防、城市运营、金融、法律服务、家居、医疗、服务机器人、农业等几大领域将产生冲击。从产业发展的角度看，长远一点来说人工智能在规则清晰、信息比较有限的领域如物体识别、下棋、驾车、简单行医、股票高频交易等一定会超越人类，而在规则比较模糊、信息量比较大的领域如文学创作、画画、科研，人工智能短期内想要达到与人类抗衡的水平还存在较大难度。目前，人工智能发展处于专用阶段，主要应用于完成具体任务，医疗、教育、安防、城市运营、法律等行业数据电子化程度深、数据较集中且数据质量高，预计这些领域将最先受到人工智能的改造，呈现机器协助人类、提高人类工作效率乃至替代人类行为的趋势。
2018年，全球人工智能市场将达到约2700 亿元，并且以每年30%左右的速度增长
图3 全球人工智能市场规模
人工智能+医疗
1、人工智能+医疗产业链
人工智能产业链主要包括基础层、技术层、应用层。基础层、技术层是人工智能大生态系统的基础设施，应用层是在应用场景变现的渠道。每个层面的进入门槛、核心优势都不一
2、人工智能+医疗应用领域
人工智能在医疗领域的应用主要包括：辅助诊疗、医学影像、药物挖掘、健康管理、急救室和医院管理、可穿戴设备、营养管理、虚拟助手等。全球各大科技巨头以及创业公司都已纷纷在人工智能+医疗领域布局。IBM在2011年将机器人Watson应用于医疗领域，并与苹果、纽约基因中心、辉瑞等在健康数据分析、肿瘤测序、患者远程监控等方面进行合作。谷歌的人工智能子公司是DeepMind, 2016年2月谷歌DeepMind公布成立DeepMind Health部门，随后，DeepMind Health与英国国家健康体系（NHS）合作，辅助NHS决策。另外，DeepMindHealth还与皇家自由医院、Moorfields眼科医院合作，开发帮助医生更快查看医疗结果、辨识视觉疾病的软件。微软2016年宣布将AI用于医疗健康的计划Hanover,帮助寻找最有效的药物和治疗方案。百度2016年发布百度大脑，模拟医生问诊，辅助医生完成问诊。
人工智能+医疗在辅助诊断、医学影像、药物挖掘、健康管理的应用目前走得较快。以下重点介绍这几个方向的应用情况。
3、人工智能+辅助诊疗
人工智能+辅助诊疗，是指将人工智能技术用于辅助诊疗中，让计算机“学习”医疗知识，模拟医生的思维和诊断推理，给出可靠的诊断和治疗方案。在诊断中，人工智能需要获取患者的病症信息，通过已“学习”的医学知识推理判断疾病原因与发展趋势，形成治疗方案。一般的辅助诊疗模式为“获取病症信息-->假设可能性-->选择治疗方案”：
第一步：病症指患者的临床症状表现。患者需要通过自述、上传化验结果等方式将病症信息输入人工智能系统，人工智能系统由此获得诊断的基础信息。
第二步：假设，是指人工智能基于已“学习”的医学知识对患者做出的诊断的可能结论。
第三步：选择治疗方案，是指人工智能通过已“学习”的医学经验，经过权衡利弊（疗效、毒性、副作用及其他）推理选择治疗方案。
在AI+辅助诊疗的应用中，IBM Watson是目前最成熟的案例。2012年Watson通过了美国职业医师资格考试，并在美国多家医院提供辅助诊疗服务。Watson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。IBM Watson 可以在17秒内阅读3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告。通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，IBMWatson在短时间内迅速成为肿瘤专家。
2016年12月26日，由浙江省中医院、思创医惠及杭州认知网络共同发起的“浙江省中医院沃森联合会诊中心”在浙江省中医院院内正式宣布成立。这也意味着IBM Watson for Oncology在中国医疗领域的商业试应用正式落地。
今年2月份，IBM Watson在天津市第三中心医院协助医生给一个胃癌晚期患者开出了诊断方案，用时仅10多秒。在提升诊疗效率的同时也提升了诊疗水平。目前美国的癌症五年存活率达到66%，中国仅为31%，很重要的原因是中国的诊疗水平参差不齐，若AI+辅助诊疗得到普及，可有望大幅提升中国的癌症诊疗水平。
人工智能辅助诊疗是医疗领域最重要、也最核心的场景，人工智能+辅助诊疗潜在市场空间巨大。
4、人工智能+医学影像
AI+医学影像的研究目前已取得较大突破，斯坦福大学一个联合研究团队基于深度学习开发出的人工智能在皮肤癌诊断中准确率媲美人类医生，相关成果刊发为1月《自然》杂志的封面论文。研究团队用近13万张痣、皮疹和其他皮肤病变的图像训练算法模型，完成三项诊断任务：鉴别角化细胞癌、鉴别黑色素瘤以及使用皮肤镜图像对黑色素瘤进行分类，并将结果与21位皮肤科医生进行对比，发现深度神经网络的诊断准确率在91%以上，与人类医生不相上下。
AI+医学影像主要应用在阅片上。病理医生的阅片能力与阅片经验高度相关，AI的阅片实际上模仿了医生阅片，通过大量的学习来完善算法，实现对影像数据的分析和判断。AI对影像数据的分析主要有四个步骤：（1）数据预处理；（2）图像分割；（3）特征提取；（4）匹配判断。相对医生阅片，AI在阅片速度和经验方面具有优势。目前，以宫颈癌玻片为例，一张玻片上至少3000个细胞，医生阅读一张片子通常需要5-6分钟，但AI阅读后圈出重点视野，医生复核则只要2-3分钟。另外，具有40年读片经验的医生累计阅片数量一般不超过150万张，但AI不会受此限制，只要有足够的学习样本，AI都可以学习，因此在经验上AI可以超过病理医生。
AI+医学影像领域可能会成为众多AI+医疗细分领域中率先爆发的领域。主要原因如下：A、病理医生缺口大。中国的病理医生需求量在10万名左右，现有2万名，病理医生的培养需要较长时间较大投入，AI+医学影像可以有效解决资源不足的痛点。目前，中国病理检测市场规模为400亿元左右，发展空间巨大。
B、AI+医学影像具有明显的数据优势，可以存储大量时间跨度长的数据，而传统病历的保存就相对没那么容易。
5、人工智能+药物挖掘
AI能够有效缩短新药研发周期、降低失败风险。通过计算机模拟，可以对药物活性、安全性和副作用进行预测。硅谷的Atomwise是以AI技术为主导的药物研发企业，公司通过IBM 超级计算机，在分子结构数据库中筛选治疗方法。利用强大的计算能力，评估出820万种候选化合物，而研发成本仅为数千美元，研究周期仅需要几天时间。2015年，Atomwise 基于现有的候选药物，应用AI算法，不到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究需要耗时数月甚至数年时间。2012年，默克公司主持了一项由数据科学公司Kaggle发起的旨在确定虚拟筛选统计技术的挑战。现在，Kaggle已经开始测试深度学习和AI的应用，并与AI药物发现初创公司Atomwise开展合作。
Atomwise最近利用AI技术，在不到一天的时间内对现有的7000多种药物进行了分析测试，为寻找埃博拉病毒治疗方案做出了贡献。根据该公司的统计，如果利用传统方法，这项分析需要花费数月甚至数年才能完成。
人工智能在医药领域的投资机会
据米内网统计，《制药经理人》杂志选出的全球TOP50制药企业2013年研发投入达到1077亿美元，占处方药销售总额18%。AI+药物挖掘主要服务于具有新药研发需求的药企，市场空间至少千亿级。以AI技术辅助创新药企业，或许会打破10年10亿美金的魔咒。2016年，人工智能受到空前的关注，各国政府以及产业界纷纷向人工智能注入资金和研发力量，并在各个领域实现应用。我国政府近几年也在持续关注人工智能发展，并针对人工智能制定了多项国家战略。
2015年5月，国务院发布的《中国制造2025》中明确提出“加快发展智能制造装备和产品”。
2015年7月，《国务院关于积极推进“互联网+”行动的指寻意见》中将人工智能作为重点布局的11个领域之一。
2016年3月，国务院《国民经济和社会发展第十三个五年规划纲要（草案）》中指出将重点突破新兴领域人工智能技术等。
2016年5月，发改委、科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，方案提出，到2018年，通过打造人工智能基础资源专项创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立，基础核心技术有所突破，总体技术和产业发展与国际同步，应用及系统级技术局部领先。在重点领域培育若干全球领先的人工智能骨干企业，初步建成基础坚实、创新活跃、开放协作、绿色安全的人工智能产业生态，形成千亿级的人工智能市场应用规模。
作为新一轮信息技术革命的重要发展方向，人工智能正走出实验室，走向广阔的行业应用，成为全球经济发展的新动力。下一个十年，人工智能可能会爆发，并主导一个科技与商业时代。从投资的角度来看，底层高质量数据的海量积累和基础设施投入、技术应用的突破以及成熟的应用场景是目前人工智能布局的要点，其中三种主要的产业布局模式值得关注。
A、平台生态构建者：占据流量入口，积累海量、多维度数据，并且对计算资源、人才培育长期投入，基础资源积累丰厚，在语音、图像、自然语言处理等技术上实现突破，并构建通用的技术平台，为多个垂直领域提供解决方案及产品，形成生态圈。
B、特定应用场景先行者：多为安防、交轨等行业传统厂商，积累了大量的行业数据供分析、提炼，这些厂商通过自主积累或外延收购、合作方式实现图像识别、数据挖掘等技术应用的突破，并整合到相关行业中形成智能化的解决方案，实现业务的转型升级，进一步还可以横向扩展行业应用。
C、底层硬件设施提供者：提供芯片、服务器以及相关智能硬件等基础设施，从基础设施切入，与产业链上层各产业深度融合，向上渗透。
AI创业公司大多深耕细分领域，推出核心产品。相比于巨头公司对既注重AI基层技术研究又注重全方位的AI生态布局，创业公司往往深耕某一细分领域，推出其核心解决方案或产品。不同的公司在技术研究及应用方面有不同的竞争地位，有技术占优型、应用占优型、双向发展型。
国外AI领域的独角兽公司频频发力，Venture Scanner把人工智能划分为十三个大类，包括国外910家公司——每家公司平均融资金额（估值）达1000万美元；国内也涌现出了旷视科技、SenseTime、云之声、优必选等AI独角兽公司，其他知名的创业公司还有小i 机器人、羽扇智、格灵深瞳、图灵机器人等，他们在语音识别、计算机视觉、虚拟个人助理、机器人领域频频发力。
具体到人工智能在医疗领域的投资机会，人工智能+医学影像可能会更快更容易实现商业化，也更容易变现，可以重点在这方面寻找投资机会。据公开材料显示，2016年，我国有十多
家人工智能+医疗创业公司获得了融资，融资金额在人民币数百万元到美金数千万元不等，基本处于天使轮或A轮阶段，主营业务包括健康数据管理，人工智能辅助诊断，人工智能医学影像等。有了人工智能的介入，医疗行业有望降低成本，提升诊疗水平和效率，并更好地实现健康管理，为老百姓的带来福利。
概要 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和 输家。
人工智能的研究方向和应用领域 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作出反应的智能机器，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。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
人工智能企业现状分析报告 目录 第一节人工智能企业现状分析 (2) 一、人工智能企业现状发展阶段 (2) 二、人工智能企业现状发展概况 (2) 三、人工智能企业现状商业模式分析 (3) 第二节人工智能企业发展现状 (4) 一、人工智能企业现状分析 (4) 二、人工智能企业发展分析 (4) 第三节人工智能企业分析报告 (4) 第一节人工智能企业现状分析 一、人工智能企业现状发展阶段 近些年来，我国人工智能领域有取得了飞速发展。英飞拓人工智能企业是一家创新型、信息化、集成化的整体安防制造商，致力于为全球英飞拓人工智能安防提供最高端、最安全、最值得信赖的解决方案。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的Blizzard Challenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了“寒武纪”芯片并建成了类脑智能研究平台。华为也推出了MoKA人工智能系统。
人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。 二、人工智能企业现状发展概况 人工智能（Artificial Intelligence，简称AI）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。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一，也被认为是21世纪三大尖端技术之一。 近年来，我国人工智能产业获得快速发展。我国市场的工业机器人销量猛增我国智能语音交互、指纹识别、人脸识别、虹膜识别等产业规模迅速扩大。同时，我国已经拥有国家重点实验室等设施齐全的研发机构和优秀的人工智能研发队伍，研发产出数量和质量也有了很大提升。很多企业也积极布局，如百度的百度大脑计划、科大讯飞超脑计划、京东智能聊天机器人等。 目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。也正基于此，我国出台了大量支持人工智能发展的政策。2015年7月1日，国务院印发《关于积极推进"互联网+"行动的指导意见》，将"互联网+人工智能"列为11项重点行动之一；而时至11月，《机器人产业"十三五"发展规划》草案已基本制定完成。另外“中国制造2025”重点领域技术路线图构建了中国机器人产业发展蓝图的同时扩大了人工智能的关注度。
研究生学位课程论文论文题目：人工智能的日常应用
人工智能的日常应用 摘要：人工智能（Artificial Intelligence）,英文缩写为AI，是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展的综合性学科。21世纪是计算机科技飞速发展的时代，随着科技的不断发展，一些新型人工智能技术正在走进人类的生活，在我们的日常生活和学习当中也有许多地方得到应用。本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，通过这篇文章使我们对身边的人工智能应用有一个感性的认识。 关键词：人工智能（AI）应用计算机 人工智能是近年来引起人们很大兴趣的一个研究领域：它的研究目标是用机器，通常为电子仪器、电脑等，尽可能地模拟人的精神活动，并且争取在这些方面最终改善并超出人的能力；其研究领域及应用范围十分广泛、例如，自动定理证明、推理、模式识别、专家知识系统、智能机器人、学习、博彩、自然语言理解等等。本文主要介绍符号计算、模式识别、专家系统、机器翻译四个方面的人工智能的日常生活应用。 一、符号计算 计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;。另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。早在50年代末,人们就开始对此研究。进入80年代后,随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形式的数学处理。 计算机代数系统的优越性主要在于它能够进行大规模的代数运算。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后,手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好,命令输入方便灵活,很容易寻求帮助。 尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令，有一定的局限性。首先,多数计算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的内存和较长的计算时间,而精确的代数运算以时间和空间为代价的。第二个问题是用计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran 语言算同样的问题慢百倍甚至千倍。另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域未能被计算机代数系统涉及。计算机代数系统仍在不断地发展和完善之中。
2019年人工智能行业分 析调研报告 2019年11月
目录 1.人工智能行业概况及市场分析 (5) 1.1人工智能市场规模分析 (5) 1.2人工智能行业结构分析 (5) 1.3人工智能行业PEST分析 (6) 1.4人工智能行业特征分析 (7) 1.5人工智能行业国内外对比分析 (8) 2.人工智能行业存在的问题分析 (10) 2.1政策体系不健全 (10) 2.2基础工作薄弱 (10) 2.3地方认识不足，激励作用有限 (10) 2.4产业结构调整进展缓慢 (10) 2.5技术相对落后 (11) 2.6隐私安全问题 (11) 2.7与用户的互动需不断增强 (12) 2.8管理效率低 (13) 2.9盈利点单一 (13) 2.10过于依赖政府，缺乏主观能动性 (14) 2.11法律风险 (14) 2.12供给不足，产业化程度较低 (14) 2.13人才问题 (15) 2.14产品质量问题 (15)
3.人工智能行业政策环境 (16) 3.1行业政策体系趋于完善 (16) 3.2一级市场火热，国内专利不断攀升 (16) 3.3“十三五”期间人工智能建设取得显著业绩 (17) 4.人工智能产业发展前景 (18) 4.1中国人工智能行业市场驱动因素分析 (18) 4.2中国人工智能行业市场规模前景预测 (18) 4.3人工智能进入大面积推广应用阶段 (18) 4.4政策将会持续利好行业发展 (19) 4.5细分化产品将会最具优势 (19) 4.6人工智能产业与互联网等产业融合发展机遇 (20) 4.7人工智能人才培养市场大、国际合作前景广阔 (21) 4.8巨头合纵连横，行业集中趋势将更加显著 (22) 4.9建设上升空间较大，需不断注入活力 (22) 4.10行业发展需突破创新瓶颈 (22) 5.人工智能行业发展趋势 (24) 5.1宏观机制升级 (24) 5.2服务模式多元化 (24) 5.3新的价格战将不可避免 (24) 5.4社会化特征增强 (24) 5.5信息化实施力度加大 (25) 5.6生态化建设进一步开放 (25)
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”
人工智能行业研究报告 人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的运算机，到运算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了庞大的阻碍。尽管现在此刻可能是下一个AI 冬季（图8）到来之前的「给予承诺又让人败兴」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。
与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的运算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 那个AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使运算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的Alexa 和Google 的图像识别，然而AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情形下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识别技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开创新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于
人工智能的应用领域和发展方向前言 人工智能是一门极富挑战性的科学，但也是一门边沿学科。它属于自然科学和社会科学的交叉。涉及的学科主要有哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等。 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。 人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，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，从那以后,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。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。 长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。 在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。目前，人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患也在多部电影中发生过。 正文 一有关人工智能 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出人造的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。
２０１８年人工智能行业深度分析报告
人工智能（artificial intelligence）是由人创造的具有自然生物智能特征的系统，具有一定的感知、认知、记忆、分析、判断和行为的能力。人工智能和生物智能的形成机制不同，前者是根据人的需求被设计和创造出来的，后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。人工智能有别于人类智能，后者特指人类这一生物体所具有的智能，限定在人体内。但人工智能可以学习和获得人和其他生物的智能，其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。当前的人工智能在特定领域虽然具备了强大的功能，仍属于弱人工智能的范畴，离超级人工智能还有很大的距离。社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定，理性客观看待人工智能的长处和短板。 得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善，第三波人工智能热潮正席卷全球。和前两次不同，在这一波人工智能热潮中，人工智能的技术已经开始广泛地渗入和应用于诸多领域，包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等，展现出巨大的潜力。 中国在人工智能领域追赶迅速，在一些领域已经积累了一定的发展基础，进入国际领先者的行列。与发达国家相比，中国人工智能整体发展水平缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列，但研究论文的质量、影响力和专利质量还有待提高。在人工智能领域，中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上，与美国、欧洲相比也存在较大的差距。 得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升，中国在云计算、模式识别、机器学习的研发追赶较快，在产业化应用上已有部分企业居于世界前列。中国人工智能产业在基础层、技术层以及应用层都有广泛布
人工智能应用及展望 唐小军 内容摘要：人工智能 (Artificial Intelligence)诞生于1956年的美国，至今已接近七十年。它属于自然科学和社会科学的交叉。人工智能基于认知科学、哲学、不定性论的边缘科学研究项目，在上世纪80年代中期人工神经网络取得重大进展，其成果大量应用于系统的感知,模型建立和控制。神经网络通过对输入输出样本的学习,不断地调整网络的权值和阈值,使网络实现给定的输入输出映射关系,并具有一定的学习和自适应运用能力。智能技术是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志，借助大数据技术，尤其它在解决远程控制、故障诊断、非线性等问题上的优势，给机械系统、符号计算、模式识别的发展指明了方向。随着时代的发展及信息革命的到来,人工智能的研究领域日益拓宽,其内容逐步丰富,对人类发展有划时代的意义。 关键词：认知科学专家系统神经网络大数据 前言 人工智能(Artificial Intelligence)，人工智能可以分为两部分，“智能”是什么，我们可以从不同方面去定义。这关联到到如意识、自我、心灵等问题.我们唯一理解的智能也就是灵长类动物拥有的能自由做出反应的能力，这种能力也是现在和未来人工智能科研的主要奋斗目标。目前我们对灵长类动物的智能的理解，可以用只可意不可言来准确形容，现阶段还不能对自身智能的理解用科学的表达方式表达出来。 1 人工智能的定义 人工智能(Artificial Intelligence,简称AI)是一门研究如何构造智能机器或智能系统，主要研究方向是模拟、延伸、扩展人类智能的。人们通过对外界
事物进行长期实践做出一些归纳并对其用数值量化，用传感设备和用严密的逻辑思维进行推理并干预其结果的差错，通过逻辑计算然后再用于控制终端设备服务于受众，智能包含能力包括感知能力、记忆和思维能力、学习和自适应的能力，行为能力/涉及哲学、认知科学、数学、神经生理学、不定性论、计算机科学、控制论、信息论、仿生学、心理学等；人工智能产品也逐渐融入人类的生活中密不可分。 2 人工智能的发展 人工智能的传说可以追溯到古埃及，但在历史的长河中大部分的传说都基于人们的假想，随着近代特别是二战之后世界格局的发展，1946年世界第一台计算机的诞生以来，计算机在欧美国家得以迅速发展，人工智能终可以辅以计算机系统来实现，技术已最终可以创造出机器智能，1956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，人工智能领域的研究也从此正式开始，从那以后,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。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些智能程度不同的人工智能系统，例如能够求集成设计分析电路、字符计算、求解积分方程、合成人类自然语言，而进行基于字符的情报检索，提供语音识别、触控识别的多模式接口输入模式，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人。我们熟知的年初的谷歌"Alphago"计算机在棋盘上击败了韩国国际象棋大师李世石就是比较突出的例子。 3 人工智能发展的依托 神经网络 神经网络（artificial neural network. ANN）是设置输出的是一个灵感来自系统的模拟生物激励的输出。这里输出、输入都是标准化的量，输出是输入的
概要 人工智能是信息时代地尖端技术.从人类建立起需要指导控制才能运行地计算机，到计算机拥有可以自己去学习地能力，这一飞跃对各行各业都产生了巨大地影响.虽然此时此刻可能是下一个AI 冬季（图8）到来之前地「给予承诺又让人失望」地周期，但这些投资和新技术至少会给我们带来有形地机器学习生产力地经济利益.
与此同时，人工智能、机器人和无人驾驶汽车已经成为了流行文化甚至是政治话语地前沿.而且我们在过去一年地 研究使我们相信这不是一个错误地开始，而是一个拐点.正如我们将在本报告中探讨地那样，这个变化地原因有显而易见地（更快更强地计算资源和爆炸式增长地数据库），也有细致入微（深度学习，专有硬件和开源地崛起）地. 这个AI 拐点（AI inflection）中更令人兴奋地一个方面是「现实世界」地使用案例比比皆是.虽然深度学习使计算机视觉和自然语言处理等技术有了显著地提高，比如苹果公司地Siri，亚马逊地Alexa 和Google 地图像识别，但是AI 不仅仅是「科技技术」（tech for tech），也就是大数据集与足够强大地技术相结合地情况下，价值正在被慢慢创建，竞争优势也变得越来越明显. 例如，在医疗保健中，图像识别技术可以提高癌症诊断地准确性.在农业中，农民和种子生产商可以利用深度学习技术来提高作物产量.在制药业中，深度学习可以用于改善药物地研发.在能源方面，勘探效率正在提高，设备可用性正在不断增强.在金融服务方面，通过开辟新地数据集，实现更快地分析，从而降低成本，提高回报.AI 现在还处于发现其可被利用场景地早期阶段，这些必要地技术会通过基于云地服务
实现大众化、平等化，我们相信随之而来地创新浪潮将在每个行业中创造新地赢家和输家. AI 地广泛应用让我们得出了一个结论：它是一种可以变革全球经济地技术，是提高生产力并结束美国生产率停滞增长地驱动力.结合GS 首席经济学家Jan Hatzius地研究， 我们明确了资本深化目前地停滞及其对美国生产率地相关 影响.我们相信，AI 技术将会驱动生产力地提高，就像20 世纪90 年代那样，驱动企业投资更多地资本和劳动密集型项目，加快发展地脚步，提高盈利能力以及提高股票地估值. 启示 虽然我们看到了人工智能可以及时地影响到每个公司、行业和一部分经济，但对投资者而言，我们认为这其中有四个影响最为显著. 生产率.AI 和机器学习具有激发生产率增长周期地潜力，这会有利于经济地增长，提升企业地盈利能力，资本回报率和资产估值.根据GS 首席经济学家Jan Hatzius所说：「大体上而言，AI 看起来似乎比上一次创新浪潮更有可能在统计数据中捕捉到更有价值地东西，人工智能可以降低成本，减少对高附加值生产类型地劳动投入.举个例子，这些在商业部
人工智能行业研究报告 一、行业概述 人工智能技术是研究、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科学技术。人工智能技术是具有显著产业溢出效应的基础性技术，可以在城市治理、医疗、工业、农业、商业、金融、教育等领域取得广泛应用，催生新的业态和商业模式，引发产业结构的深刻变革。 人工智能行业的产业链可以分为基础设施层、技术平台层和场景应用层。基础设施层是人工智能行业发展的基石，具体包括支撑计算、网络、存储、感知等功能的芯片、硬件设备、系统和软件等，它的任务是保障人工智能算法和系统功能的数据传输和存储、算法训练和推理等物理实现。技术平台层是人工智能行业发展的核心驱动力，依托海量数据和强大算力进行深度学习训练和机器学习建模，以解决机器的“看”、“听”、“理解”问题，相关技术主要包括计算机视觉、语音技术、自然语言理解等；场景应用层建立在基础设施层与技术平台层的基础上，融合大数据和分布式计算技术，解决现实行业问题，解锁行业的人工智能应用场景。 近年来，随着计算机视觉技术、语音技术、自然语言理解技术等人工智能技术的快速发展，人工智能与传统行业的融合正持续加速，人工智能对传统的城市管理、医疗健康、园区管理、安全生产、交通出行、自动驾驶等场景正在产生全面影响。 人工智能行业产业链
二、行业发展概况 自1956年达特茅斯会议上首次提出人工智能概念以来，人工智能技术与应用已经发展60多年。在半个多世纪的发展历程中，由于受到算法、算力、存储水平等多方面因素的影响，人工智能技术和应用发展经历了多次高潮和低谷。2006年以来，以深度学习为代表的机器学习算法在计算机视觉、语音识别、自然语言理解等领域取得了巨大突破，人工智能行业进入第三次发展浪潮。 目前，人工智能技术在各个行业中有着广泛和深入的应用，具有巨大的发展前景。根据沙利文咨询的统计预测，2019年全球人工智能行业的市场规模约为1,917亿美元，预计2024年全球市场规模将达到6,157.2亿美元，2016年至2024年的年均复合增长率达到33.98%，市场规模保持高速增长。 数据来源：沙利文咨询 受益于国家政策的大力支持、人工智能企业的涌现和广阔的应用场景等因素，中国人工智能行业的发展走在世界前列。根据沙利文咨询的统计预测，2019年中国人工智能行业市场规模约为1,372.4亿元人民币，预计2024年将达到7,993.9亿元人民币，2016年至2024年的年均复合增长率高达48.97%，高于世界平均水平。
下一个时代：5G+AI 5G与人工智能行业发展研究报告
5G：终端发布在即，射频、光学、面板行业迎新机遇 1 1.5G将开启手机新一轮换机周期 2.射频端：需求增加、技术升级、集成度提升 3.摄像头：5G智能化时代最核心传感器，持续升级 4.面板：柔性OLED趋势不改，大尺寸LCD静待行业价格拐点 5.设备和材料：国产替代加速进行 AI：安防、汽车和IoT将是率先爆发的三个场景 2 1.安防行业：需求逐渐回暖、AI加速、海外拓展 2.智能汽车：5G+AI促进无人驾驶加速落地 3.IoT：技术逐渐突破，巨头加速布局
半导体：新需求拉动叠加进口替代，行业迎来黄金机遇 3 1.行业变局：需求多元、龙头集中、周期减弱 2.供需格局：库存主导行业短期景气波动 3.大陆半导体行业：贸易战和库存短期扰动不改加速发展大趋势 4.产业链分析：建厂潮拉动设备材料、5G+AI带来设计领域新机遇 PCB：内资大厂加速崛起，5G拉动新需求 4 1.行业变局：行业集中度提升，加速向大陆转移 2.供需格局：主要原料价格震荡回调，创新应用带来新需求 3.通信板：4G扩容+5G推进，通信板迎来加速发展期
1 5G：终端发布在即， 射频、光学、面板行业迎新机遇
eMBB 增强移动宽带?基础设施?应用终端 mMTC 海量机器通信?基础设施?应用终端 URLLC 高可靠低延时 通信?基础设施 ?应用终端 手机 AR/VR 智能家居 智能穿戴 智慧城市智能安防 无人驾驶汽车 智能交通网络 射频端 传感器 显示器 1.15G将开启手机新一轮换机周期
15G：终端发布在即，射频、光学、面板行业迎新机遇 1.5G将开启手机新一轮换机周期 2.射频端：需求增加、技术升级、集成度提升 3.摄像头：5G智能化时代最核心传感器，持续升级 4.面板：柔性OLED趋势不改，大尺寸LCD静待行业价格拐点 5.设备和材料：国产替代加速进行
人工智能在管理领域的应用——以酒店管理为例 本文通过对人工智能基础理论、实际应用与发展的学习研究，结合酒店管理体系和应用案例，判断人工智能未来在酒店管理领域中的应用。 一、人工智能基础理论与发展 人工智能（Artificial Intelligence），简称AI，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。 智力或知能是指生物一般性的精神能力。这个能力包括：理解、计划、解决问题，抽象思维，表达意念以及语言和学习的能力。 智力三因素理论认为智力分为成分性智力、经验智力、情境智力。成分性智力指思维和问题解决所依赖的心理过程；经验智力指人们在两种极端情况下处理问题的能力，即新异的或常规的问题；情境智力反映，是在对日常事物的处理上，对包括新的和不同环境的适应，选择合适的环境以及有效地改变环境以适应需要。 人工智能是计算机科学的一个分支，是研究机器智能和智能机器的高新技术学科，是模拟、延伸和扩展人的智能，实现某些脑力劳动自动化的技术基础，是开拓计算机应用技术的前沿阵地，是探索人脑思维奥秘和应用计算机的广阔领域。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。人工智能与原子能技术和空间技术，被并称为20世纪的三大尖端技术。 作为一门学科，人工智能于1956年问世，由“人工智能之父”McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth 大学召开的会议上，首次提出。 人工智能的三大发展要素：基础理论引入（控制论、数学、神经科学、统计学、认知科学......）→学科交叉（机器学习、数据挖掘、人工智能）→应用（安
人工智能的研究方向和应用领域 一、研究方向 1.咨询题求解 人工智能的第一个大成确实是进展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的咨询题分成一些比较容易的子咨询题，进展成为搜索和咨询题归约如此的人工智能差不多技术。今天的运算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种咨询题求解程序把各种数学公式符号汇编在一起，其性能达到专门高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用体会来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中专门重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在显现新信息时适时修正这些证明。对数学中臆测的定理查找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有按照假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型运算机，花去1200小时CPU时刻，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动运算机界。 6.机器学习 学习能力无疑是人工智能研究上最突出和最重要的一个方面。人工智能在这方面的研究近年来取得了一些进展。学习是人类智能的要紧标志和获得知识的差不多手段。机器学习(自动猎取新的事实及新的推理算法)是使运算机具有智能的全然途径。正如香克(R. Shank)所讲："一台运算机若可
不能学习，就不能称为具有智能的。"此外，机器学习还有助于发觉人类学习的机理和揭示人脑的隐秘。因此这是一个始终得到重视，理论正在创立，方法日臻完善，但远未达到理想境地的研究领域。 二、应用领域 1.人工神经网络 由于冯·诺依曼(VanNeumann)体系结构的局限性，数字运算机存在一些尚无法解决的咨询题。人们一直在查找新的信息处理机制，神经网络运算确实是其中之一。 研究结果差不多证明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的成效。神经网络的进展有着专门宽敞的科学背景，是众多学科研究的综合成果。神经生理学家、心理学家与运算机科学家的共同研究得出的结论是：人脑是一个功能专门强大、结构专门复杂的信息处理系统，其基础是神经元及其互联关系。因此，对人脑神经元和人工神经网络的研究，可能制造出新一代人工智能机--神经运算机。 对神经网络的研究始于40年代初期，经历了一条十分曲折的道路，几起几落，80年代初以来，对神经网络的研究再次显现高潮。霍普菲尔德(H opfield)提出用硬件实现神经网络，鲁梅尔哈特(Rumelhart)等提出多层网络中的反向传播(BP)算法确实是两个重要标志。现在，神经网络已在模式识不、图象处理、组合优化、自动操纵、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。 2.机器人学 人工智能研究日益受到重视的另一个分支是机器人学，其中包括对操作机器人装置程序的研究。那个领域所研究的咨询题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。机器人和机器人学的研究促进了许多人工智能思想的进展。它所导致的一些技术可用来模拟世界的状态，用来描述从一种世界状态转变为另一种世界状态的过程。它关于如何样产生动作序列的规划以及如何样监督这些规划的执行有了一种较好的明白得。复杂的机器人操纵咨询题迫使我们进展一些方法，先在抽象和忽略细节的高层进行规划，然后再逐步在细节越来越重要的低
254 ?电子技术与软件工程 Electronic Technology & Software Engineering 人工智能 ? Artificial Intelligence 2 人工智能的发展趋势分析 2.1 人工智能的发展现状 国内外对于人工智能的发展均比较重视，例如国外比较具有代表性的Google 科技企业在人工智能技术发展方向的研究便比较深入，其最初设计研发了能够指纹识别的机器人，后又研发出了AlphaGo 智能围棋机器人，实现了人工智能的飞速发展。我国在人工智能研究方面起步相对较晚，但是人工智能的发展速度与国外相比却较快，现阶段正逐渐缩短与国际之间的水平差距。我国在人工智能上的主要研究成果集中在仿生学领域，在国际上具有一定领先地位。 2.2 人工智能的发展前景2.2.1 应对复杂问题的解决 人工智能的发展趋势及应用领域 文/智豫 计算机视觉领域主要是指利用现今快速发展的计算机技术对人类的视觉系统进行模拟，使其具有确定物体位置、运动状态以及识别物体的目的，以此代替人类的眼睛。一般情况下，计算机视觉领域对人工智能技术的应用需要经过三个步骤，即检测目标、识别目标、识别行为。现阶段，人工智能在计算机视觉领域的应用比较典型的应该为人脸识别系统、瞳孔识别系统和指纹识别系统。此外，人工智能在计算机视觉领域的物体场景识别方面并不具有比较成熟的技术和系统，主要由于物体的种类具有复杂的多样性，虽然可以利用人工智能技术进行物体外貌、特征的识别，但是并不具有较高准确性，因而仍旧需要对人工智能视觉技术在物体准确且精确的区分方面开展更加深入的研究。 3.2 自然语言处理领域 自然语言处理领域属于人工智能应用领 数据处理和语言学等，95%以参考文献 [1]李怡萌.人工智能技术的未来发 展趋势[J].电子技术与软件工程,2017,06(11):257. [2]吴参毅.人工智能的发展及在安防领域的 应用[J].中国安防,2016,08(11):36-42.[3]张琪.人工智能的发展及其在医学领 域中的应用[J].电子技术与软件工程,2016,02(20):259. 作者简介 智豫（2000-），男，河南省郑州市人。现就读于郑州树人中学，对电子信息、人工智能等有浓厚兴趣，多次到相关专业实验室参观学习，并参加有关交流考察活动。 作者单位 郑州树人中学 河南省郑州市 450000 网络出版时间：2017-09-27 10:45:15 网络出版地址：https://www.doczj.com/doc/4e3622099.html,/kcms/detail/10.1108.TP.20170927.1045.404.html
1.本讲提到，人工智能的发展历程中的第二次低谷期在（）。。（0.3 分） A.1976年-1982年 B.1982年-1987年 C.1987 年 -1997年 D.1997年-2010年 我的答案： B ×答错 2.美国的（）中指出人工智能对于劳动力市场的影响具有不确定性，应对政策的 关键不在于担心全面失业，而是建立合理的制度和政策以调整工作结构。。（0.3分） A.《人工智能 B.《国家人工智能研究和发展战略计划》 C.《为人工智能的未来做好准备》 D. 《 2030 年的人工智能与生活》 我的答案： A √答对 3.本讲提到， 2013 年在汉诺威工业博览会上（）正式提出以建设智能工厂为核 心的“工业 4.0 战略”。。（ 0.3 分） A.美国 B.日本 C.欧盟 D.德国
我的答案： B ×答错 4.欧盟加强了个人隐私和数据保护，在 2016 年 4 月 14 日通过了商讨四年的（）。。（0.3 分） A.《数据保护指示》 B.《一般数据保护法案》 C.《健康保险携带和责任法案》 D.《欧盟人工智能》我 的答案： B √答对 5.《一般数据保护法案》中对个人数据泄露的规定是数据控制者应在（）小时之 内向监管机构报告个人数据的泄露情况。。（0.3 分） A.24 B.48 C.72 D.96 我的答案： B ×答错 6.本讲提到， 2017 年 7 月，国务院印发并实施（），构筑我国人工智能发展的 先发优势，加快建设创新型国家和世界科技强国。。（0.3 分） A. 《“互联网 + ”人工智能三年行动实施方案》 B.《促进新一代人工智能产业发展三年行动计划(2018-2020年)》 C.《新一代人工智能发展规划》