1月18日，召開國家人工智能標(biāo)準(zhǔn)化總體組、專家咨詢組成立大會，在會上，國家標(biāo)準(zhǔn)化管理委員會宣布成立國家人工智能標(biāo)準(zhǔn)化總體組、專家咨詢組，負(fù)責(zé)全面統(tǒng)籌規(guī)劃和協(xié)調(diào)管理我國人工智能標(biāo)準(zhǔn)化工作。會議貫徹了黨的十九大會議關(guān)于推動人工智能和實(shí)體經(jīng)濟(jì)深度融合精神，會議還解讀了《人工智能標(biāo)準(zhǔn)化助力產(chǎn)業(yè)發(fā)展》、《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計(jì)劃（2018-2020）》，全面推進(jìn)人工智能標(biāo)準(zhǔn)化工作，促進(jìn)人工智能產(chǎn)業(yè)發(fā)展。

人工智能標(biāo)準(zhǔn)化白皮書

（2018 版）

指導(dǎo)單位：國家標(biāo)準(zhǔn)化管理委員會工業(yè)二部

編寫單位：中國電子技術(shù)標(biāo)準(zhǔn)化研究院

二零一八年一月

▌編寫單位（排名不分先后）

• 中國電子技術(shù)標(biāo)準(zhǔn)化研究院

• 中國科學(xué)院自動化研究所

• 北京理工大學(xué)

• 清華大學(xué)

• 北京大學(xué)

• 中國人民大學(xué)

• 北京航空航天大學(xué)

• 科大訊飛股份有限公司

• 華為技術(shù)有限公司

• 國際商業(yè)機(jī)器（中國）有限公司

• 阿里云計(jì)算有限公司

• 中國科學(xué)院計(jì)算技術(shù)研究所

• 中國電信集團(tuán)公司

• 騰訊互聯(lián)網(wǎng)加（深圳）有限公司

• 阿里巴巴網(wǎng)絡(luò)技術(shù)有限公司

• 上海計(jì)算機(jī)軟件技術(shù)開發(fā)中心

• 上海智臻智能網(wǎng)絡(luò)科技股份有限公司

• 北京愛奇藝科技有限公司

• 北京有生志廣科技有限公司

• 極限元（北京）智能科技股份有限公司

• 北京字節(jié)跳動科技有限公司（今日頭條）

• 北京商湯科技開發(fā)有限公司

• 浙江螞蟻小微金融服務(wù)集團(tuán)有限公司

• 百度網(wǎng)絡(luò)技術(shù)有限公司

• 英特爾（中國）有限公司

• 松下電器（中國）有限公司

• 重慶凱澤科技股份有限公司

• 海爾工業(yè)智能研究院有限公司

• 重慶中科云從科技有限公司

• 北京格靈深瞳信息技術(shù)有限公司

▌目錄

▌1 前言

• 1.1 研究背景

人工智能概念誕生于 1956 年，在半個(gè)多世紀(jì)的發(fā)展歷程中，由于受到智能 算法、計(jì)算速度、存儲水平等多方面因素的影響，人工智能技術(shù)和應(yīng)用發(fā)展經(jīng)歷 了多次高潮和低谷。2006 年以來，以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)算法在機(jī)器視 覺和語音識別等領(lǐng)域取得了極大的成功，識別準(zhǔn)確性大幅提升，使人工智能再次 受到學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。云計(jì)算、大數(shù)據(jù)等技術(shù)在提升運(yùn)算速度，降低 計(jì)算成本的同時(shí)，也為人工智能發(fā)展提供了豐富的數(shù)據(jù)資源，協(xié)助訓(xùn)練出更加智 能化的算法模型。人工智能的發(fā)展模式也從過去追求“用計(jì)算機(jī)模擬人工智能”， 逐步轉(zhuǎn)向以機(jī)器與人結(jié)合而成的增強(qiáng)型混合智能系統(tǒng)，用機(jī)器、人、網(wǎng)絡(luò)結(jié)合成 新的群智系統(tǒng)，以及用機(jī)器、人、網(wǎng)絡(luò)和物結(jié)合成的更加復(fù)雜的智能系統(tǒng)。

作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力，人工智能在催生新技術(shù)、新產(chǎn)品的同時(shí)， 對傳統(tǒng)行業(yè)也具備較強(qiáng)的賦能作用，能夠引發(fā)經(jīng)濟(jì)結(jié)構(gòu)的重大變革，實(shí)現(xiàn)社會生 產(chǎn)力的整體躍升。人工智能將人從枯燥的勞動中解放出來，越來越多的簡單性、 重復(fù)性、危險(xiǎn)性任務(wù)由人工智能系統(tǒng)完成，在減少人力投入，提高工作效率的同 時(shí)，還能夠比人類做得更快、更準(zhǔn)確；人工智能還可以在教育、醫(yī)療、養(yǎng)老、環(huán) 境保護(hù)、城市運(yùn)行、司法服務(wù)等領(lǐng)域得到廣泛應(yīng)用，能夠極大提高公共服務(wù)精準(zhǔn) 化水平，全面提升人民生活品質(zhì)；同時(shí)，人工智能可幫助人類準(zhǔn)確感知、預(yù)測、 預(yù)警基礎(chǔ)設(shè)施和社會安全運(yùn)行的重大態(tài)勢，及時(shí)把握群體認(rèn)知及心理變化，主動 作出決策反應(yīng)，顯著提高社會治理能力和水平，同時(shí)保障公共安全。

人工智能作為一項(xiàng)引領(lǐng)未來的戰(zhàn)略技術(shù)，世界發(fā)達(dá)國家紛紛在新一輪國際競 爭中爭取掌握主導(dǎo)權(quán)，圍繞人工智能出臺規(guī)劃和政策，對人工智能核心技術(shù)、頂 尖人才、標(biāo)準(zhǔn)規(guī)范等進(jìn)行部署，加快促進(jìn)人工智能技術(shù)和產(chǎn)業(yè)發(fā)展。主要科技企 業(yè)不斷加大資金和人力投入，搶占人工智能發(fā)展制高點(diǎn)。2017 年，我國出臺了 《新一代人工智能發(fā)展規(guī)劃》（國發(fā)〔2017〕35 號）、《促進(jìn)新一代人工智能產(chǎn)業(yè) 發(fā)展三年行動計(jì)劃（2018-2020 年）》（工信部科〔2017〕315 號）等政策文件， 推動人工智能技術(shù)研發(fā)和產(chǎn)業(yè)化發(fā)展。目前，國內(nèi)人工智能發(fā)展已具備一定的技 術(shù)和產(chǎn)業(yè)基礎(chǔ)，在芯片、數(shù)據(jù)、平臺、應(yīng)用等領(lǐng)域集聚了一批人工智能企業(yè)，在 部分方向取得階段性成果并向市場化發(fā)展。例如，人工智能在金融、安防、客服 等行業(yè)領(lǐng)域已實(shí)現(xiàn)應(yīng)用，在特定任務(wù)中語義識別、語音識別、人臉識別、圖像識 別技術(shù)的精度和效率已遠(yuǎn)超人工。

標(biāo)準(zhǔn)化工作對人工智能及其產(chǎn)業(yè)發(fā)展具有基礎(chǔ)性、支撐性、引領(lǐng)性的作用， 既是推動產(chǎn)業(yè)創(chuàng)新發(fā)展的關(guān)鍵抓手，也是產(chǎn)業(yè)競爭的制高點(diǎn)。當(dāng)前，在我國人工 智能相關(guān)產(chǎn)品和服務(wù)不斷豐富的同時(shí)，也出現(xiàn)了標(biāo)準(zhǔn)化程度不足的問題。人工智 能涉及眾多領(lǐng)域，雖然某些領(lǐng)域已具備一定的標(biāo)準(zhǔn)化基礎(chǔ)，但是這些分散的標(biāo)準(zhǔn) 化工作并不足以完全支撐整個(gè)人工智能領(lǐng)域。另一方面，人工智能屬于新興領(lǐng)域， 發(fā)展方興未艾，從世界范圍來看，標(biāo)準(zhǔn)化工作仍在起步過程中，尚未形成完善的 標(biāo)準(zhǔn)體系，我國基本與國外處于同一起跑線，存在快速突破的機(jī)會窗口。只要瞄 準(zhǔn)機(jī)會，快速布局，完全有可能搶占標(biāo)準(zhǔn)創(chuàng)新的制高點(diǎn)，反之，則有可能喪失良 機(jī)。因此，迫切需要把握機(jī)遇，加快對人工智能技術(shù)及產(chǎn)業(yè)發(fā)展的研究，系統(tǒng)梳 理、加快研制人工智能各領(lǐng)域的標(biāo)準(zhǔn)體系，明確標(biāo)準(zhǔn)之間的依存性與制約關(guān)系， 建立統(tǒng)一完善的標(biāo)準(zhǔn)體系，以標(biāo)準(zhǔn)的手段促進(jìn)我國人工智能技術(shù)、產(chǎn)業(yè)蓬勃發(fā)展。

• 1.2 研究目標(biāo)及意義

本白皮書前期在國標(biāo)委工業(yè)二部和工信部科技司的指導(dǎo)下，通過梳理人工智 能技術(shù)、應(yīng)用和產(chǎn)業(yè)演進(jìn)情況，分析人工智能的技術(shù)熱點(diǎn)、行業(yè)動態(tài)和未來趨勢， 從支撐人工智能產(chǎn)業(yè)整體發(fā)展的角度出發(fā)，研究制定了能夠適應(yīng)和引導(dǎo)人工智能 產(chǎn)業(yè)發(fā)展的標(biāo)準(zhǔn)體系，進(jìn)而提出近期急需研制的基礎(chǔ)和關(guān)鍵標(biāo)準(zhǔn)項(xiàng)目。

本白皮書并不預(yù)期成為人工智能領(lǐng)域的全面技術(shù)和產(chǎn)業(yè)綜述，不求面面俱到， 僅針對目前人工智能領(lǐng)域涵蓋的技術(shù)熱點(diǎn)和產(chǎn)業(yè)情況進(jìn)行分析，研究提出人工智 能標(biāo)準(zhǔn)體系。人工智能標(biāo)準(zhǔn)化工作尚處于起步階段，本白皮書只作為人工智能領(lǐng) 域技術(shù)、產(chǎn)業(yè)和標(biāo)準(zhǔn)化之間初始的連接紐帶，并將在今后不斷根據(jù)技術(shù)、產(chǎn)業(yè)和 標(biāo)準(zhǔn)化的發(fā)展需求進(jìn)行修訂。本白皮書不過多地給出人工智能領(lǐng)域觀點(diǎn)性的陳述， 力求以較為淺顯易懂的語言和方式進(jìn)行闡述。

本白皮書的意義在于與業(yè)界分享人工智能領(lǐng)域的研究成果和實(shí)踐經(jīng)驗(yàn)，呼吁 社會各界共同加強(qiáng)人工智能領(lǐng)域的技術(shù)研究、產(chǎn)業(yè)投入、標(biāo)準(zhǔn)建設(shè)與服務(wù)應(yīng)用， 共同推動人工智能及其產(chǎn)業(yè)發(fā)展。

▌2 人工智能概述

• 2.1 人工智能的歷史及概念

2.1.1人工智能的起源與歷史

人工智能始于 20 世紀(jì) 50 年代，至今大致分為三個(gè)發(fā)展階段：第一階段（20 世紀(jì) 50 年代——80 年代）。這一階段人工智能剛誕生，基于抽象數(shù)學(xué)推理的可 編程數(shù)字計(jì)算機(jī)已經(jīng)出現(xiàn)，符號主義（Symbolism）快速發(fā)展，但由于很多事物 不能形式化表達(dá)，建立的模型存在一定的局限性。此外，隨著計(jì)算任務(wù)的復(fù)雜性 不斷加大，人工智能發(fā)展一度遇到瓶頸；第二階段（20 世紀(jì) 80 年代——90 年代 末）。在這一階段，專家系統(tǒng)得到快速發(fā)展，數(shù)學(xué)模型有重大突破，但由于專家 系統(tǒng)在知識獲取、推理能力等方面的不足，以及開發(fā)成本高等原因，人工智能的 發(fā)展又一次進(jìn)入低谷期；第三階段（21 世紀(jì)初——至今）。隨著大數(shù)據(jù)的積聚、 理論算法的革新、計(jì)算能力的提升，人工智能在很多應(yīng)用領(lǐng)域取得了突破性進(jìn)展， 迎來了又一個(gè)繁榮時(shí)期。人工智能具體的發(fā)展歷程如圖 1 所示。

長期以來，制造具有智能的機(jī)器一直是人類的重大夢想。早在 1950 年，Alan Turing 在《計(jì)算機(jī)器與智能》中就闡述了對人工智能的思考。他提出的圖靈測試 是機(jī)器智能的重要測量手段，后來還衍生出了視覺圖靈測試等測量方法。1956年，“人工智能”這個(gè)詞首次出現(xiàn)在達(dá)特茅斯會議上，標(biāo)志著其作為一個(gè)研究領(lǐng) 域的正式誕生。六十年來，人工智能發(fā)展潮起潮落的同時(shí)，基本思想可大致劃分 為四個(gè)流派：符號主義（Symbolism）、連接主義（Connectionism）、行為主義 （Behaviourism）和統(tǒng)計(jì)主義（Statisticsism）（注：由于篇幅原因，本白皮書不 對四個(gè)流派進(jìn)行詳細(xì)闡述）。這四個(gè)流派從不同側(cè)面抓住了智能的部分特征，在 “制造”人工智能方面都取得了里程碑式的成就。

1959 年，Arthur Samuel 提出了機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)將傳統(tǒng)的制造智能演化 為通過學(xué)習(xí)能力來獲取智能，推動人工智能進(jìn)入了第一次繁榮期。20 世紀(jì) 70 年 代末期專家系統(tǒng)的出現(xiàn)，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維 規(guī)律探索走向?qū)ｉT知識應(yīng)用的重大突破，將人工智能的研究推向了新高潮。然而， 機(jī)器學(xué)習(xí)的模型仍然是“人工”的，也有很大的局限性。隨著專家系統(tǒng)應(yīng)用的不 斷深入，專家系統(tǒng)自身存在的知識獲取難、知識領(lǐng)域窄、推理能力弱、實(shí)用性差 等問題逐步暴露。從 1976 年開始，人工智能的研究進(jìn)入長達(dá) 6 年的蕭瑟期。

在 80 年代中期，隨著美國、日本立項(xiàng)支持人工智能研究，以及以知識工程 為主導(dǎo)的機(jī)器學(xué)習(xí)方法的發(fā)展，出現(xiàn)了具有更強(qiáng)可視化效果的決策樹模型和突破 早期感知機(jī)局限的多層人工神經(jīng)網(wǎng)絡(luò)，由此帶來了人工智能的又一次繁榮期。然 而，當(dāng)時(shí)的計(jì)算機(jī)難以模擬復(fù)雜度高及規(guī)模大的神經(jīng)網(wǎng)絡(luò)，仍有一定的局限性。 1987 年由于 LISP 機(jī)市場崩塌，美國取消了人工智能預(yù)算，日本第五代計(jì)算機(jī)項(xiàng) 目失敗并退出市場，專家系統(tǒng)進(jìn)展緩慢，人工智能又進(jìn)入了蕭瑟期。

1997 年，IBM 深藍(lán)（Deep Blue）戰(zhàn)勝國際象棋世界冠軍 Garry Kasparov。 這是一次具有里程碑意義的成功，它代表了基于規(guī)則的人工智能的勝利。2006 年，在 Hinton 和他的學(xué)生的推動下，深度學(xué)習(xí)開始備受關(guān)注，為后來人工智能 的發(fā)展帶來了重大影響。從 2010 年開始，人工智能進(jìn)入爆發(fā)式的發(fā)展階段，其 最主要的驅(qū)動力是大數(shù)據(jù)時(shí)代的到來，運(yùn)算能力及機(jī)器學(xué)習(xí)算法得到提高。人工 智能快速發(fā)展，產(chǎn)業(yè)界也開始不斷涌現(xiàn)出新的研發(fā)成果：2011 年，IBM Waston 在綜藝節(jié)目《危險(xiǎn)邊緣》中戰(zhàn)勝了最高獎金得主和連勝紀(jì)錄保持者；2012 年， 谷歌大腦通過模仿人類大腦在沒有人類指導(dǎo)的情況下，利用非監(jiān)督深度學(xué)習(xí)方法 從大量視頻中成功學(xué)習(xí)到識別出一只貓的能力；2014 年，微軟公司推出了一款 實(shí)時(shí)口譯系統(tǒng)，可以模仿說話者的聲音并保留其口音；2014 年，微軟公司發(fā)布全球第一款個(gè)人智能助理微軟小娜；2014 年，亞馬遜發(fā)布至今為止最成功的智 能音箱產(chǎn)品 Echo 和個(gè)人助手 Alexa；2016 年，谷歌 AlphaGo 機(jī)器人在圍棋比賽 中擊敗了世界冠軍李世石；2017 年，蘋果公司在原來個(gè)人助理 Siri 的基礎(chǔ)上推 出了智能私人助理 Siri 和智能音響 HomePod。

目前，世界各國都開始重視人工智能的發(fā)展。2017 年 6 月 29 日，首屆世界 智能大會在天津召開。中國工程院院士潘云鶴在大會主論壇作了題為“中國新一 代人工智能”的主題演講，報(bào)告中概括了世界各國在人工智能研究方面的戰(zhàn)略： 2016 年 5 月，美國白宮發(fā)表了《為人工智能的未來做好準(zhǔn)備》；英國 2016 年 12 月發(fā)布《人工智能：未來決策制定的機(jī)遇和影響》；法國在 2017 年 4 月制定了《國 家人工智能戰(zhàn)略》；德國在2017年5月頒布全國第一部自動駕駛的法律；在中國， 據(jù)不完全統(tǒng)計(jì)，2017 年運(yùn)營的人工智能公司接近 400 家，行業(yè)巨頭百度、騰訊、 阿里巴巴等都不斷在人工智能領(lǐng)域發(fā)力。從數(shù)量、投資等角度來看，自然語言處 理、機(jī)器人、計(jì)算機(jī)視覺成為了人工智能最為熱門的三個(gè)產(chǎn)業(yè)方向。

2.1.2人工智能的概念

人工智能作為一門前沿交叉學(xué)科，其定義一直存有不同的觀點(diǎn)：《人工智能 ——一種現(xiàn)代方法》中將已有的一些人工智能定義分為四類：像人一樣思考的系 統(tǒng)、像人一樣行動的系統(tǒng)、理性地思考的系統(tǒng)、理性地行動的系統(tǒng)。維基百科上定義“人工智能就是機(jī)器展現(xiàn)出的智能”，即只要是某種機(jī)器，具有某種或某些 “智能”的特征或表現(xiàn)，都應(yīng)該算作“人工智能”。大英百科全書則限定人工智 能是數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器人在執(zhí)行智能生物體才有的一些任 務(wù)上的能力。百度百科定義人工智能是“研究、開發(fā)用于模擬、延伸和擴(kuò)展人的 智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)”，將其視為計(jì)算機(jī)科 學(xué)的一個(gè)分支，指出其研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和 專家系統(tǒng)等。

本白皮書認(rèn)為，人工智能是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、 延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、 方法、技術(shù)及應(yīng)用系統(tǒng)。

人工智能的定義對人工智能學(xué)科的基本思想和內(nèi)容作出了解釋，即圍繞智能活動而構(gòu)造的人工系統(tǒng)。人工智能是知識的工程，是機(jī)器模仿人類利用知識完成 一定行為的過程。根據(jù)人工智能是否能真正實(shí)現(xiàn)推理、思考和解決問題，可以將 人工智能分為弱人工智能和強(qiáng)人工智能。

弱人工智能是指不能真正實(shí)現(xiàn)推理和解決問題的智能機(jī)器，這些機(jī)器表面看 像是智能的，但是并不真正擁有智能，也不會有自主意識。迄今為止的人工智能 系統(tǒng)都還是實(shí)現(xiàn)特定功能的專用智能，而不是像人類智能那樣能夠不斷適應(yīng)復(fù)雜 的新環(huán)境并不斷涌現(xiàn)出新的功能，因此都還是弱人工智能。目前的主流研究仍然 集中于弱人工智能，并取得了顯著進(jìn)步，如語音識別、圖像處理和物體分割、機(jī) 器翻譯等方面取得了重大突破，甚至可以接近或超越人類水平。

強(qiáng)人工智能是指真正能思維的智能機(jī)器，并且認(rèn)為這樣的機(jī)器是有知覺的和 自我意識的，這類機(jī)器可分為類人（機(jī)器的思考和推理類似人的思維）與非類人 （機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式） 兩大類。從一般意義來說，達(dá)到人類水平的、能夠自適應(yīng)地應(yīng)對外界環(huán)境挑戰(zhàn)的、 具有自我意識的人工智能稱為“通用人工智能”、“強(qiáng)人工智能”或“類人智能”。 強(qiáng)人工智能不僅在哲學(xué)上存在巨大爭論（涉及到思維與意識等根本問題的討論）， 在技術(shù)上的研究也具有極大的挑戰(zhàn)性。強(qiáng)人工智能當(dāng)前鮮有進(jìn)展，美國私營部門 的專家及國家科技委員會比較支持的觀點(diǎn)是，至少在未來幾十年內(nèi)難以實(shí)現(xiàn)。

靠符號主義、連接主義、行為主義和統(tǒng)計(jì)主義這四個(gè)流派的經(jīng)典路線就能設(shè) 計(jì)制造出強(qiáng)人工智能嗎？其中一個(gè)主流看法是：即使有更高性能的計(jì)算平臺和更 大規(guī)模的大數(shù)據(jù)助力，也還只是量變，不是質(zhì)變，人類對自身智能的認(rèn)識還處在 初級階段，在人類真正理解智能機(jī)理之前，不可能制造出強(qiáng)人工智能。理解大腦 產(chǎn)生智能的機(jī)理是腦科學(xué)的終極性問題，絕大多數(shù)腦科學(xué)專家都認(rèn)為這是一個(gè)數(shù) 百年乃至數(shù)千年甚至永遠(yuǎn)都解決不了的問題。

通向強(qiáng)人工智能還有一條“新”路線，這里稱為“仿真主義”。這條新路線 通過制造先進(jìn)的大腦探測工具從結(jié)構(gòu)上解析大腦，再利用工程技術(shù)手段構(gòu)造出模 仿大腦神經(jīng)網(wǎng)絡(luò)基元及結(jié)構(gòu)的仿腦裝置，最后通過環(huán)境刺激和交互訓(xùn)練仿真大腦 實(shí)現(xiàn)類人智能，簡言之，“先結(jié)構(gòu)，后功能”。雖然這項(xiàng)工程也十分困難，但都 是有可能在數(shù)十年內(nèi)解決的工程技術(shù)問題，而不像“理解大腦”這個(gè)科學(xué)問題那 樣遙不可及。

仿真主義可以說是符號主義、連接主義、行為主義和統(tǒng)計(jì)主義之后的第五個(gè) 流派，和前四個(gè)流派有著千絲萬縷的聯(lián)系，也是前四個(gè)流派通向強(qiáng)人工智能的關(guān) 鍵一環(huán)。經(jīng)典計(jì)算機(jī)是數(shù)理邏輯的開關(guān)電路實(shí)現(xiàn)，采用馮?諾依曼體系結(jié)構(gòu)，可以作為邏輯推理等專用智能的實(shí)現(xiàn)載體。但要靠經(jīng)典計(jì)算機(jī)不可能實(shí)現(xiàn)強(qiáng)人工智能。要按仿真主義的路線“仿腦”，就必須設(shè)計(jì)制造全新的軟硬件系統(tǒng)，這就是 “類腦計(jì)算機(jī)”，或者更準(zhǔn)確地稱為“仿腦機(jī)”?！胺履X機(jī)”是“仿真工程”的 標(biāo)志性成果，也是“仿腦工程”通向強(qiáng)人工智能之路的重要里程碑。

• 2.2 人工智能的特征

（1）由人類設(shè)計(jì)，為人類服務(wù)，本質(zhì)為計(jì)算，基礎(chǔ)為數(shù)據(jù)。從根本上說， 人工智能系統(tǒng)必須以人為本，這些系統(tǒng)是人類設(shè)計(jì)出的機(jī)器，按照人類設(shè)定的程 序邏輯或軟件算法通過人類發(fā)明的芯片等硬件載體來運(yùn)行或工作，其本質(zhì)體現(xiàn)為 計(jì)算，通過對數(shù)據(jù)的采集、加工、處理、分析和挖掘，形成有價(jià)值的信息流和知 識模型，來為人類提供延伸人類能力的服務(wù)，來實(shí)現(xiàn)對人類期望的一些“智能行 為”的模擬，在理想情況下必須體現(xiàn)服務(wù)人類的特點(diǎn)，而不應(yīng)該傷害人類，特別 是不應(yīng)該有目的性地做出傷害人類的行為。

（2）能感知環(huán)境，能產(chǎn)生反應(yīng)，能與人交互，能與人互補(bǔ)。人工智能系統(tǒng) 應(yīng)能借助傳感器等器件產(chǎn)生對外界環(huán)境（包括人類）進(jìn)行感知的能力，可以像人 一樣通過聽覺、視覺、嗅覺、觸覺等接收來自環(huán)境的各種信息，對外界輸入產(chǎn)生 文字、語音、表情、動作（控制執(zhí)行機(jī)構(gòu)）等必要的反應(yīng)，甚至影響到環(huán)境或人 類。借助于按鈕、鍵盤、鼠標(biāo)、屏幕、手勢、體態(tài)、表情、力反饋、虛擬現(xiàn)實(shí)/ 增強(qiáng)現(xiàn)實(shí)等方式，人與機(jī)器間可以產(chǎn)生交互與互動，使機(jī)器設(shè)備越來越“理解” 人類乃至與人類共同協(xié)作、優(yōu)勢互補(bǔ)。這樣，人工智能系統(tǒng)能夠幫助人類做人類 不擅長、不喜歡但機(jī)器能夠完成的工作，而人類則適合于去做更需要創(chuàng)造性、洞 察力、想象力、靈活性、多變性乃至用心領(lǐng)悟或需要感情的一些工作。

（3）有適應(yīng)特性，有學(xué)習(xí)能力，有演化迭代，有連接擴(kuò)展。人工智能系統(tǒng) 在理想情況下應(yīng)具有一定的自適應(yīng)特性和學(xué)習(xí)能力，即具有一定的隨環(huán)境、數(shù)據(jù) 或任務(wù)變化而自適應(yīng)調(diào)節(jié)參數(shù)或更新優(yōu)化模型的能力；并且，能夠在此基礎(chǔ)上通 過與云、端、人、物越來越廣泛深入數(shù)字化連接擴(kuò)展，實(shí)現(xiàn)機(jī)器客體乃至人類主體的演化迭代，以使系統(tǒng)具有適應(yīng)性、魯棒性、靈活性、擴(kuò)展性，來應(yīng)對不斷變化的現(xiàn)實(shí)環(huán)境，從而使人工智能系統(tǒng)在各行各業(yè)產(chǎn)生豐富的應(yīng)用。

• 2.3 人工智能參考框架

目前，人工智能領(lǐng)域尚未形成完善的參考框架。因此，本章基于人工智能的 發(fā)展?fàn)顩r和應(yīng)用特征，從人工智能信息流動的角度出發(fā)，提出一種人工智能參考 框架（如圖 2 所示），力圖搭建較為完整的人工智能主體框架，描述人工智能系 統(tǒng)總體工作流程，不受具體應(yīng)用所限，適用于通用的人工智能領(lǐng)域需求。

人工智能參考框架提供了基于“角色—活動—功能”的層級分類體系，從 “智能信息鏈”（水平軸）和“IT 價(jià)值鏈”（垂直軸）兩個(gè)維度闡述了人工智 能系統(tǒng)框架?！爸悄苄畔㈡湣狈从硰闹悄苄畔⒏兄⒅悄苄畔⒈硎九c形成、智能 推理、智能決策、智能執(zhí)行與輸出的一般過程。在這個(gè)過程中，智能信息是流動 的載體，經(jīng)歷了“數(shù)據(jù)—信息—知識—智慧”的凝練過程?！癐T 價(jià)值鏈”從人 工智能的底層基礎(chǔ)設(shè)施、信息（提供和處理技術(shù)實(shí)現(xiàn)）到系統(tǒng)的產(chǎn)業(yè)生態(tài)過程， 反映人工智能為信息技術(shù)產(chǎn)業(yè)帶來的價(jià)值。此外，人工智能系統(tǒng)還有其它非常重 要的框架構(gòu)件：安全、隱私、倫理和管理。人工智能系統(tǒng)主要由基礎(chǔ)設(shè)施提供者、 信息提供者、信息處理者和系統(tǒng)協(xié)調(diào)者 4 個(gè)角色組成。

（1）基礎(chǔ)設(shè)施提供者

基礎(chǔ)設(shè)施提供者為人工智能系統(tǒng)提供計(jì)算能力支持，實(shí)現(xiàn)與外部世界的溝通， 并通過基礎(chǔ)平臺實(shí)現(xiàn)支撐。計(jì)算能力由智能芯片（CPU、GPU、ASIC、FPGA 等 硬件加速芯片以及其它智能芯片）等硬件系統(tǒng)開發(fā)商提供；與外部世界的溝通通 過新型傳感器制造商提供；基礎(chǔ)平臺包括分布式計(jì)算框架提供商及網(wǎng)絡(luò)提供商提 供平臺保障和支持，即包括云存儲和計(jì)算、互聯(lián)互通網(wǎng)絡(luò)等。

（2）信息提供者

信息提供者在人工智能領(lǐng)域是智能信息的來源。通過知識信息感知過程由數(shù) 據(jù)提供商提供智能感知信息，包括原始數(shù)據(jù)資源和數(shù)據(jù)集。原始數(shù)據(jù)資源的感知 涉及到圖形、圖像、語音、文本的識別，還涉及到傳統(tǒng)設(shè)備的物聯(lián)網(wǎng)數(shù)據(jù)，包括 已有系統(tǒng)的業(yè)務(wù)數(shù)據(jù)以及力、位移、液位、溫度、濕度等感知數(shù)據(jù)。

（3）信息處理者

信息處理者是指人工智能領(lǐng)域中技術(shù)和服務(wù)提供商。信息處理者的主要活動 包括智能信息表示與形成、智能推理、智能決策及智能執(zhí)行與輸出。智能信息處 理者通常是算法工程師及技術(shù)服務(wù)提供商，通過計(jì)算框架、模型及通用技術(shù)，例 如一些深度學(xué)習(xí)框架和機(jī)器學(xué)習(xí)算法模型等功能進(jìn)行支撐。

智能信息表示與形成是指為描述外圍世界所作的一組約定，分階段對智能信 息進(jìn)行符號化和形式化的智能信息建模、抽取、預(yù)處理、訓(xùn)練數(shù)據(jù)等。

智能信息推理是指在計(jì)算機(jī)或智能系統(tǒng)中，模擬人類的智能推理方式，依據(jù) 推理控制策略，利用形式化的信息進(jìn)行機(jī)器思維和求解問題的過程，典型的功能 是搜索與匹配。

智能信息決策是指智能信息經(jīng)過推理后進(jìn)行決策的過程，通常提供分類、排 序、預(yù)測等功能。

智能執(zhí)行與輸出作為智能信息輸出的環(huán)節(jié)，是對輸入作出的響應(yīng)，輸出整個(gè) 智能信息流動過程的結(jié)果，包括運(yùn)動、顯示、發(fā)聲、交互、合成等功能。

（4）系統(tǒng)協(xié)調(diào)者

系統(tǒng)協(xié)調(diào)者提供人工智能系統(tǒng)必須滿足的整體要求，包括政策、法律、資源和業(yè)務(wù)需求，以及為確保系統(tǒng)符合這些需求而進(jìn)行的監(jiān)控和審計(jì)活動。由于人工 智能是多學(xué)科交叉領(lǐng)域，需要系統(tǒng)協(xié)調(diào)者定義和整合所需的應(yīng)用活動，使其在人 工智能領(lǐng)域的垂直系統(tǒng)中運(yùn)行。系統(tǒng)協(xié)調(diào)者的功能之一是配置和管理人工智能參 考框架中的其他角色來執(zhí)行一個(gè)或多個(gè)功能，并維持人工智能系統(tǒng)的運(yùn)行。

（5）安全、隱私、倫理 安全、隱私、倫理覆蓋了人工智能領(lǐng)域的其他 4 個(gè)主要角色，對每個(gè)角色都 有重要的影響作用。同時(shí)，安全、隱私、倫理處于管理角色的覆蓋范圍之內(nèi)，與 全部角色和活動都建立了相關(guān)聯(lián)系。在安全、隱私、倫理模塊，需要通過不同的 技術(shù)手段和安全措施，構(gòu)筑全方位、立體的安全防護(hù)體系，保護(hù)人工智能領(lǐng)域參 與者的安全和隱私。

（6）管理 管理角色承擔(dān)系統(tǒng)管理活動，包括軟件調(diào)配、資源管理等內(nèi)容，管理的功能 是監(jiān)視各種資源的運(yùn)行狀況，應(yīng)對出現(xiàn)的性能或故障事件，使得各系統(tǒng)組件透明 且可觀。

（7）智能產(chǎn)品及行業(yè)應(yīng)用 智能產(chǎn)品及行業(yè)應(yīng)用指人工智能系統(tǒng)的產(chǎn)品和應(yīng)用，是對人工智能整體解決 方案的封裝，將智能信息決策產(chǎn)品化、實(shí)現(xiàn)落地應(yīng)用，其應(yīng)用領(lǐng)域主要包括：智 能制造、智能交通、智能家居、智能醫(yī)療、智能安防等。

▌3 人工智能發(fā)展現(xiàn)狀及趨勢

依據(jù)參考框架中所涉及到的人工智能相關(guān)技術(shù)，本節(jié)重點(diǎn)介紹近二十年來人 工智能領(lǐng)域關(guān)鍵技術(shù)的發(fā)展?fàn)顩r，包括機(jī)器學(xué)習(xí)、知識圖譜、自然語言處理、計(jì) 算機(jī)視覺、人機(jī)交互、生物特征識別、虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)等關(guān)鍵技術(shù)。

• 3.1 人工智能關(guān)鍵技術(shù)

3.1.1 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)（Machine Learning）是一門涉及統(tǒng)計(jì)學(xué)、系統(tǒng)辨識、逼近理論、 神經(jīng)網(wǎng)絡(luò)、優(yōu)化理論、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科，研究計(jì)算機(jī) 怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識 結(jié)構(gòu)使之不斷改善自身的性能，是人工智能技術(shù)的核心。基于數(shù)據(jù)的機(jī)器學(xué)習(xí)是 現(xiàn)代智能技術(shù)中的重要方法之一，研究從觀測數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，利用 這些規(guī)律對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進(jìn)行預(yù)測。根據(jù)學(xué)習(xí)模式、學(xué)習(xí)方法以及 算法的不同，機(jī)器學(xué)習(xí)存在不同的分類方法。

（1）根據(jù)學(xué)習(xí)模式將機(jī)器學(xué)習(xí)分類為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等。

• 監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)是利用已標(biāo)記的有限訓(xùn)練數(shù)據(jù)集，通過某種學(xué)習(xí)策略/方法建立一 個(gè)模型，實(shí)現(xiàn)對新數(shù)據(jù)/實(shí)例的標(biāo)記（分類）/映射，最典型的監(jiān)督學(xué)習(xí)算法包括 回歸和分類。監(jiān)督學(xué)習(xí)要求訓(xùn)練樣本的分類標(biāo)簽已知，分類標(biāo)簽精確度越高，樣 本越具有代表性，學(xué)習(xí)模型的準(zhǔn)確度越高。監(jiān)督學(xué)習(xí)在自然語言處理、信息檢索、 文本挖掘、手寫體辨識、垃圾郵件偵測等領(lǐng)域獲得了廣泛應(yīng)用。

• 無監(jiān)督學(xué)習(xí)

無監(jiān)督學(xué)習(xí)是利用無標(biāo)記的有限數(shù)據(jù)描述隱藏在未標(biāo)記數(shù)據(jù)中的結(jié)構(gòu)/規(guī)律， 最典型的非監(jiān)督學(xué)習(xí)算法包括單類密度估計(jì)、單類數(shù)據(jù)降維、聚類等。無監(jiān)督學(xué) 習(xí)不需要訓(xùn)練樣本和人工標(biāo)注數(shù)據(jù)，便于壓縮數(shù)據(jù)存儲、減少計(jì)算量、提升算法 速度，還可以避免正、負(fù)樣本偏移引起的分類錯(cuò)誤問題。主要用于經(jīng)濟(jì)預(yù)測、異 常檢測、數(shù)據(jù)挖掘、圖像處理、模式識別等領(lǐng)域，例如組織大型計(jì)算機(jī)集群、社 交網(wǎng)絡(luò)分析、市場分割、天文數(shù)據(jù)分析等。

• 強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)是智能系統(tǒng)從環(huán)境到行為映射的學(xué)習(xí)，以使強(qiáng)化信號函數(shù)值最大。 由于外部環(huán)境提供的信息很少，強(qiáng)化學(xué)習(xí)系統(tǒng)必須靠自身的經(jīng)歷進(jìn)行學(xué)習(xí)。強(qiáng)化 學(xué)習(xí)的目標(biāo)是學(xué)習(xí)從環(huán)境狀態(tài)到行為的映射，使得智能體選擇的行為能夠獲得環(huán) 境最大的獎賞，使得外部環(huán)境對學(xué)習(xí)系統(tǒng)在某種意義下的評價(jià)為最佳。其在機(jī)器 人控制、無人駕駛、下棋、工業(yè)控制等領(lǐng)域獲得成功應(yīng)用。

（2）根據(jù)學(xué)習(xí)方法可以將機(jī)器學(xué)習(xí)分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。

• 傳統(tǒng)機(jī)器學(xué)習(xí)

傳統(tǒng)機(jī)器學(xué)習(xí)從一些觀測（訓(xùn)練）樣本出發(fā)，試圖發(fā)現(xiàn)不能通過原理分析獲 得的規(guī)律，實(shí)現(xiàn)對未來數(shù)據(jù)行為或趨勢的準(zhǔn)確預(yù)測。相關(guān)算法包括邏輯回歸、隱 馬爾科夫方法、支持向量機(jī)方法、K 近鄰方法、三層人工神經(jīng)網(wǎng)絡(luò)方法、Adaboost 算法、貝葉斯方法以及決策樹方法等。傳統(tǒng)機(jī)器學(xué)習(xí)平衡了學(xué)習(xí)結(jié)果的有效性與 學(xué)習(xí)模型的可解釋性，為解決有限樣本的學(xué)習(xí)問題提供了一種框架，主要用于有 限樣本情況下的模式分類、回歸分析、概率密度估計(jì)等。傳統(tǒng)機(jī)器學(xué)習(xí)方法共同 的重要理論基礎(chǔ)之一是統(tǒng)計(jì)學(xué)，在自然語言處理、語音識別、圖像識別、信息檢 索和生物信息等許多計(jì)算機(jī)領(lǐng)域獲得了廣泛應(yīng)用。

• 深度學(xué)習(xí)

深度學(xué)習(xí)是建立深層結(jié)構(gòu)模型的學(xué)習(xí)方法，典型的深度學(xué)習(xí)算法包括深度置 信網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)和循環(huán)神經(jīng)網(wǎng)絡(luò)等。深度學(xué)習(xí)又稱為深 度神經(jīng)網(wǎng)絡(luò)（指層數(shù)超過 3 層的神經(jīng)網(wǎng)絡(luò)）。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)研究中的一 個(gè)新興領(lǐng)域，由 Hinton 等人于 2006 年提出。深度學(xué)習(xí)源于多層神經(jīng)網(wǎng)絡(luò)，其實(shí) 質(zhì)是給出了一種將特征表示和學(xué)習(xí)合二為一的方式。深度學(xué)習(xí)的特點(diǎn)是放棄了可 解釋性，單純追求學(xué)習(xí)的有效性。經(jīng)過多年的摸索嘗試和研究，已經(jīng)產(chǎn)生了諸多 深度神經(jīng)網(wǎng)絡(luò)的模型，其中卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)是兩類典型的模型。卷 積神經(jīng)網(wǎng)絡(luò)常被應(yīng)用于空間性分布數(shù)據(jù)；循環(huán)神經(jīng)網(wǎng)絡(luò)在神經(jīng)網(wǎng)絡(luò)中引入了記憶 和反饋，常被應(yīng)用于時(shí)間性分布數(shù)據(jù)。深度學(xué)習(xí)框架是進(jìn)行深度學(xué)習(xí)的基礎(chǔ)底層 框架，一般包含主流的神經(jīng)網(wǎng)絡(luò)算法模型，提供穩(wěn)定的深度學(xué)習(xí) API，支持訓(xùn)練 模型在服務(wù)器和 GPU、TPU 間的分布式學(xué)習(xí)，部分框架還具備在包括移動設(shè)備、云平臺在內(nèi)的多種平臺上運(yùn)行的移植能力，從而為深度學(xué)習(xí)算法帶來前所未有的 運(yùn)行速度和實(shí)用性。目前主流的開源算法框架有 TensorFlow、Caffe/Caffe2、CNTK、 MXNet、Paddle-paddle、Torch/PyTorch、Theano 等。

（3）此外，機(jī)器學(xué)習(xí)的常見算法還包括遷移學(xué)習(xí)、主動學(xué)習(xí)和演化學(xué)習(xí)等。

• 遷移學(xué)習(xí)

遷移學(xué)習(xí)是指當(dāng)在某些領(lǐng)域無法取得足夠多的數(shù)據(jù)進(jìn)行模型訓(xùn)練時(shí)，利用另 一領(lǐng)域數(shù)據(jù)獲得的關(guān)系進(jìn)行的學(xué)習(xí)。遷移學(xué)習(xí)可以把已訓(xùn)練好的模型參數(shù)遷移到 新的模型指導(dǎo)新模型訓(xùn)練，可以更有效的學(xué)習(xí)底層規(guī)則、減少數(shù)據(jù)量。目前的遷 移學(xué)習(xí)技術(shù)主要在變量有限的小規(guī)模應(yīng)用中使用，如基于傳感器網(wǎng)絡(luò)的定位，文 字分類和圖像分類等。未來遷移學(xué)習(xí)將被廣泛應(yīng)用于解決更有挑戰(zhàn)性的問題，如 視頻分類、社交網(wǎng)絡(luò)分析、邏輯推理等。

• 主動學(xué)習(xí)

主動學(xué)習(xí)通過一定的算法查詢最有用的未標(biāo)記樣本，并交由專家進(jìn)行標(biāo)記， 然后用查詢到的樣本訓(xùn)練分類模型來提高模型的精度。主動學(xué)習(xí)能夠選擇性地獲 取知識，通過較少的訓(xùn)練樣本獲得高性能的模型，最常用的策略是通過不確定性 準(zhǔn)則和差異性準(zhǔn)則選取有效的樣本。

• 演化學(xué)習(xí)

演化學(xué)習(xí)對優(yōu)化問題性質(zhì)要求極少，只需能夠評估解的好壞即可，適用于求 解復(fù)雜的優(yōu)化問題，也能直接用于多目標(biāo)優(yōu)化。演化算法包括粒子群優(yōu)化算法、 多目標(biāo)演化算法等。目前針對演化學(xué)習(xí)的研究主要集中在演化數(shù)據(jù)聚類、對演化 數(shù)據(jù)更有效的分類，以及提供某種自適應(yīng)機(jī)制以確定演化機(jī)制的影響等。

3.1.2 知識圖譜

知識圖譜本質(zhì)上是結(jié)構(gòu)化的語義知識庫，是一種由節(jié)點(diǎn)和邊組成的圖數(shù)據(jù)結(jié) 構(gòu)，以符號形式描述物理世界中的概念及其相互關(guān)系，其基本組成單位是“實(shí)體 —關(guān)系—實(shí)體”三元組，以及實(shí)體及其相關(guān)“屬性—值”對。不同實(shí)體之間通過 關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識結(jié)構(gòu)。在知識圖譜中，每個(gè)節(jié)點(diǎn)表示現(xiàn)實(shí)世界的 “實(shí)體”，每條邊為實(shí)體與實(shí)體之間的“關(guān)系”。通俗地講，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個(gè)關(guān)系網(wǎng)絡(luò)，提供了從“關(guān)系”的角度 去分析問題的能力。

知識圖譜可用于反欺詐、不一致性驗(yàn)證、組團(tuán)欺詐等公共安全保障領(lǐng)域，需 要用到異常分析、靜態(tài)分析、動態(tài)分析等數(shù)據(jù)挖掘方法。特別地，知識圖譜在搜 索引擎、可視化展示和精準(zhǔn)營銷方面有很大的優(yōu)勢，已成為業(yè)界的熱門工具。但 是，知識圖譜的發(fā)展還有很大的挑戰(zhàn)，如數(shù)據(jù)的噪聲問題，即數(shù)據(jù)本身有錯(cuò)誤或 者數(shù)據(jù)存在冗余。隨著知識圖譜應(yīng)用的不斷深入，還有一系列關(guān)鍵技術(shù)需要突破。

3.1.3 自然語言處理

自然語言處理是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向，研究能 實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法，涉及的領(lǐng)域較 多，主要包括機(jī)器翻譯、機(jī)器閱讀理解和問答系統(tǒng)等。

（1）機(jī)器翻譯

機(jī)器翻譯技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)從一種自然語言到另外一種自然語 言的翻譯過程?；诮y(tǒng)計(jì)的機(jī)器翻譯方法突破了之前基于規(guī)則和實(shí)例翻譯方法的 局限性，翻譯性能取得巨大提升?；谏疃壬窠?jīng)網(wǎng)絡(luò)的機(jī)器翻譯在日常口語等一 些場景的成功應(yīng)用已經(jīng)顯現(xiàn)出了巨大的潛力。隨著上下文的語境表征和知識邏輯 推理能力的發(fā)展，自然語言知識圖譜不斷擴(kuò)充，機(jī)器翻譯將會在多輪對話翻譯及 篇章翻譯等領(lǐng)域取得更大進(jìn)展。

目前非限定領(lǐng)域機(jī)器翻譯中性能較佳的一種是統(tǒng)計(jì)機(jī)器翻譯，包括訓(xùn)練及解 碼兩個(gè)階段。訓(xùn)練階段的目標(biāo)是獲得模型參數(shù)，解碼階段的目標(biāo)是利用所估計(jì)的 參數(shù)和給定的優(yōu)化目標(biāo)，獲取待翻譯語句的最佳翻譯結(jié)果。統(tǒng)計(jì)機(jī)器翻譯主要包 括語料預(yù)處理、詞對齊、短語抽取、短語概率計(jì)算、最大熵調(diào)序等步驟。基于神 經(jīng)網(wǎng)絡(luò)的端到端翻譯方法不需要針對雙語句子專門設(shè)計(jì)特征模型，而是直接把源 語言句子的詞串送入神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過神經(jīng)網(wǎng)絡(luò)的運(yùn)算，得到目標(biāo)語言句子的 翻譯結(jié)果。在基于端到端的機(jī)器翻譯系統(tǒng)中，通常采用遞歸神經(jīng)網(wǎng)絡(luò)或卷積神經(jīng) 網(wǎng)絡(luò)對句子進(jìn)行表征建模，從海量訓(xùn)練數(shù)據(jù)中抽取語義信息，與基于短語的統(tǒng)計(jì) 翻譯相比，其翻譯結(jié)果更加流暢自然，在實(shí)際應(yīng)用中取得了較好的效果。

（2）語義理解

語義理解技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對文本篇章的理解，并且回答與篇章 相關(guān)問題的過程。語義理解更注重于對上下文的理解以及對答案精準(zhǔn)程度的把控。 隨著 MCTest 數(shù)據(jù)集的發(fā)布，語義理解受到更多關(guān)注，取得了快速發(fā)展，相關(guān)數(shù) 據(jù)集和對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型層出不窮。語義理解技術(shù)將在智能客服、產(chǎn)品自動問 答等相關(guān)領(lǐng)域發(fā)揮重要作用，進(jìn)一步提高問答與對話系統(tǒng)的精度。

在數(shù)據(jù)采集方面，語義理解通過自動構(gòu)造數(shù)據(jù)方法和自動構(gòu)造填空型問題的 方法來有效擴(kuò)充數(shù)據(jù)資源。為了解決填充型問題，一些基于深度學(xué)習(xí)的方法相繼 提出，如基于注意力的神經(jīng)網(wǎng)絡(luò)方法。當(dāng)前主流的模型是利用神經(jīng)網(wǎng)絡(luò)技術(shù)對篇 章、問題建模，對答案的開始和終止位置進(jìn)行預(yù)測，抽取出篇章片段。對于進(jìn)一 步泛化的答案，處理難度進(jìn)一步提升，目前的語義理解技術(shù)仍有較大的提升空間。

（3）問答系統(tǒng)

問答系統(tǒng)分為開放領(lǐng)域的對話系統(tǒng)和特定領(lǐng)域的問答系統(tǒng)。問答系統(tǒng)技術(shù)是 指讓計(jì)算機(jī)像人類一樣用自然語言與人交流的技術(shù)。人們可以向問答系統(tǒng)提交用 自然語言表達(dá)的問題，系統(tǒng)會返回關(guān)聯(lián)性較高的答案。盡管問答系統(tǒng)目前已經(jīng)有 了不少應(yīng)用產(chǎn)品出現(xiàn)，但大多是在實(shí)際信息服務(wù)系統(tǒng)和智能手機(jī)助手等領(lǐng)域中的 應(yīng)用，在問答系統(tǒng)魯棒性方面仍然存在著問題和挑戰(zhàn)。

自然語言處理面臨四大挑戰(zhàn)：一是在詞法、句法、語義、語用和語音等不同 層面存在不確定性；二是新的詞匯、術(shù)語、語義和語法導(dǎo)致未知語言現(xiàn)象的不可 預(yù)測性；三是數(shù)據(jù)資源的不充分使其難以覆蓋復(fù)雜的語言現(xiàn)象；四是語義知識的 模糊性和錯(cuò)綜復(fù)雜的關(guān)聯(lián)性難以用簡單的數(shù)學(xué)模型描述，語義計(jì)算需要參數(shù)龐大 的非線性計(jì)算。

3.1.4 人機(jī)交互

人機(jī)交互主要研究人和計(jì)算機(jī)之間的信息交換，主要包括人到計(jì)算機(jī)和計(jì)算 機(jī)到人的兩部分信息交換，是人工智能領(lǐng)域的重要的外圍技術(shù)。人機(jī)交互是與認(rèn)知心理學(xué)、人機(jī)工程學(xué)、多媒體技術(shù)、虛擬現(xiàn)實(shí)技術(shù)等密切相關(guān)的綜合學(xué)科。傳統(tǒng)的人與計(jì)算機(jī)之間的信息交換主要依靠交互設(shè)備進(jìn)行，主要包括鍵盤、鼠標(biāo)、 操縱桿、數(shù)據(jù)服裝、眼動跟蹤器、位置跟蹤器、數(shù)據(jù)手套、壓力筆等輸入設(shè)備，以及打印機(jī)、繪圖儀、顯示器、頭盔式顯示器、音箱等輸出設(shè)備。人機(jī)交互技術(shù) 除了傳統(tǒng)的基本交互和圖形交互外，還包括語音交互、情感交互、體感交互及腦 機(jī)交互等技術(shù)，以下對后四種與人工智能關(guān)聯(lián)密切的典型交互手段進(jìn)行介紹。

（1）語音交互

語音交互是一種高效的交互方式，是人以自然語音或機(jī)器合成語音同計(jì)算機(jī) 進(jìn)行交互的綜合性技術(shù)，結(jié)合了語言學(xué)、心理學(xué)、工程和計(jì)算機(jī)技術(shù)等領(lǐng)域的知 識。語音交互不僅要對語音識別和語音合成進(jìn)行研究，還要對人在語音通道下的 交互機(jī)理、行為方式等進(jìn)行研究。語音交互過程包括四部分：語音采集、語音識 別、語義理解和語音合成。語音采集完成音頻的錄入、采樣及編碼；語音識別完 成語音信息到機(jī)器可識別的文本信息的轉(zhuǎn)化；語義理解根據(jù)語音識別轉(zhuǎn)換后的文 本字符或命令完成相應(yīng)的操作；語音合成完成文本信息到聲音信息的轉(zhuǎn)換。作為 人類溝通和獲取信息最自然便捷的手段，語音交互比其他交互方式具備更多優(yōu)勢， 能為人機(jī)交互帶來根本性變革，是大數(shù)據(jù)和認(rèn)知計(jì)算時(shí)代未來發(fā)展的制高點(diǎn)，具 有廣闊的發(fā)展前景和應(yīng)用前景。

（2）情感交互

情感是一種高層次的信息傳遞，而情感交互是一種交互狀態(tài)，它在表達(dá)功能 和信息時(shí)傳遞情感，勾起人們的記憶或內(nèi)心的情愫。傳統(tǒng)的人機(jī)交互無法理解和 適應(yīng)人的情緒或心境，缺乏情感理解和表達(dá)能力，計(jì)算機(jī)難以具有類似人一樣的 智能，也難以通過人機(jī)交互做到真正的和諧與自然。情感交互就是要賦予計(jì)算機(jī) 類似于人一樣的觀察、理解和生成各種情感的能力，最終使計(jì)算機(jī)像人一樣能進(jìn) 行自然、親切和生動的交互。情感交互已經(jīng)成為人工智能領(lǐng)域中的熱點(diǎn)方向，旨 在讓人機(jī)交互變得更加自然。目前，在情感交互信息的處理方式、情感描述方式、 情感數(shù)據(jù)獲取和處理過程、情感表達(dá)方式等方面還有諸多技術(shù)挑戰(zhàn)。

（3）體感交互

體感交互是個(gè)體不需要借助任何復(fù)雜的控制系統(tǒng)，以體感技術(shù)為基礎(chǔ)，直接 通過肢體動作與周邊數(shù)字設(shè)備裝置和環(huán)境進(jìn)行自然的交互。依照體感方式與原理 的不同，體感技術(shù)主要分為三類：慣性感測、光學(xué)感測以及光學(xué)聯(lián)合感測。體感 交互通常由運(yùn)動追蹤、手勢識別、運(yùn)動捕捉、面部表情識別等一系列技術(shù)支撐。與其他交互手段相比，體感交互技術(shù)無論是硬件還是軟件方面都有了較大的提升， 交互設(shè)備向小型化、便攜化、使用方便化等方面發(fā)展，大大降低了對用戶的約束， 使得交互過程更加自然。目前，體感交互在游戲娛樂、醫(yī)療輔助與康復(fù)、全自動 三維建模、輔助購物、眼動儀等領(lǐng)域有了較為廣泛的應(yīng)用。

（4）腦機(jī)交互

腦機(jī)交互又稱為腦機(jī)接口，指不依賴于外圍神經(jīng)和肌肉等神經(jīng)通道，直接實(shí) 現(xiàn)大腦與外界信息傳遞的通路。腦機(jī)接口系統(tǒng)檢測中樞神經(jīng)系統(tǒng)活動，并將其轉(zhuǎn) 化為人工輸出指令，能夠替代、修復(fù)、增強(qiáng)、補(bǔ)充或者改善中樞神經(jīng)系統(tǒng)的正常 輸出，從而改變中樞神經(jīng)系統(tǒng)與內(nèi)外環(huán)境之間的交互作用。腦機(jī)交互通過對神經(jīng) 信號解碼，實(shí)現(xiàn)腦信號到機(jī)器指令的轉(zhuǎn)化，一般包括信號采集、特征提取和命令 輸出三個(gè)模塊。從腦電信號采集的角度，一般將腦機(jī)接口分為侵入式和非侵入式 兩大類。除此之外，腦機(jī)接口還有其他常見的分類方式：按照信號傳輸方向可以 分為腦到機(jī)、機(jī)到腦和腦機(jī)雙向接口；按照信號生成的類型，可分為自發(fā)式腦機(jī) 接口和誘發(fā)式腦機(jī)接口；按照信號源的不同還可分為基于腦電的腦機(jī)接口、基于 功能性核磁共振的腦機(jī)接口以及基于近紅外光譜分析的腦機(jī)接口。

3.1.5 計(jì)算機(jī)視覺

計(jì)算機(jī)視覺是使用計(jì)算機(jī)模仿人類視覺系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類似人類 提取、處理、理解和分析圖像以及圖像序列的能力。自動駕駛、機(jī)器人、智能醫(yī) 療等領(lǐng)域均需要通過計(jì)算機(jī)視覺技術(shù)從視覺信號中提取并處理信息。近來隨著深 度學(xué)習(xí)的發(fā)展，預(yù)處理、特征提取與算法處理漸漸融合，形成端到端的人工智能 算法技術(shù)。根據(jù)解決的問題，計(jì)算機(jī)視覺可分為計(jì)算成像學(xué)、圖像理解、三維視 覺、動態(tài)視覺和視頻編解碼五大類。

（1）計(jì)算成像學(xué)

計(jì)算成像學(xué)是探索人眼結(jié)構(gòu)、相機(jī)成像原理以及其延伸應(yīng)用的科學(xué)。在相機(jī) 成像原理方面，計(jì)算成像學(xué)不斷促進(jìn)現(xiàn)有可見光相機(jī)的完善，使得現(xiàn)代相機(jī)更加 輕便，可以適用于不同場景。同時(shí)計(jì)算成像學(xué)也推動著新型相機(jī)的產(chǎn)生，使相機(jī) 超出可見光的限制。在相機(jī)應(yīng)用科學(xué)方面，計(jì)算成像學(xué)可以提升相機(jī)的能力，從 而通過后續(xù)的算法處理使得在受限條件下拍攝的圖像更加完善，例如圖像去噪、去模糊、暗光增強(qiáng)、去霧霾等，以及實(shí)現(xiàn)新的功能，例如全景圖、軟件虛化、超 分辨率等。

（2）圖像理解

圖像理解是通過用計(jì)算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世 界的一門科學(xué)。通常根據(jù)理解信息的抽象程度可分為三個(gè)層次：淺層理解，包括 圖像邊緣、圖像特征點(diǎn)、紋理元素等；中層理解，包括物體邊界、區(qū)域與平面等； 高層理解，根據(jù)需要抽取的高層語義信息，可大致分為識別、檢測、分割、姿態(tài) 估計(jì)、圖像文字說明等。目前高層圖像理解算法已逐漸廣泛應(yīng)用于人工智能系統(tǒng)， 如刷臉支付、智慧安防、圖像搜索等。

（3）三維視覺

三維視覺即研究如何通過視覺獲取三維信息（三維重建）以及如何理解所獲 取的三維信息的科學(xué)。三維重建可以根據(jù)重建的信息來源，分為單目圖像重建、 多目圖像重建和深度圖像重建等。三維信息理解，即使用三維信息輔助圖像理解 或者直接理解三維信息。三維信息理解可分為，淺層：角點(diǎn)、邊緣、法向量等； 中層：平面、立方體等；高層：物體檢測、識別、分割等。三維視覺技術(shù)可以廣 泛應(yīng)用于機(jī)器人、無人駕駛、智慧工廠、虛擬/增強(qiáng)現(xiàn)實(shí)等方向。

（4）動態(tài)視覺

動態(tài)視覺即分析視頻或圖像序列，模擬人處理時(shí)序圖像的科學(xué)。通常動態(tài)視 覺問題可以定義為尋找圖像元素，如像素、區(qū)域、物體在時(shí)序上的對應(yīng)，以及提 取其語義信息的問題。動態(tài)視覺研究被廣泛應(yīng)用在視頻分析以及人機(jī)交互等方面。

（5）視頻編解碼

視頻編解碼是指通過特定的壓縮技術(shù)，將視頻流進(jìn)行壓縮。視頻流傳輸中最 為重要的編解碼標(biāo)準(zhǔn)有國際電聯(lián)的 H.261、H.263、H.264、H.265、M-JPEG 和 MPEG 系列標(biāo)準(zhǔn)。視頻壓縮編碼主要分為兩大類：無損壓縮和有損壓縮。無損壓 縮指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)時(shí)，重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)完全相同，例如 磁盤文件的壓縮。有損壓縮也稱為不可逆編碼，指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)時(shí)， 重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)有差異，但不會影響人們對原始資料所表達(dá)的信息產(chǎn) 生誤解。有損壓縮的應(yīng)用范圍廣泛，例如視頻會議、可視電話、視頻廣播、視頻監(jiān)控等。

目前，計(jì)算機(jī)視覺技術(shù)發(fā)展迅速，已具備初步的產(chǎn)業(yè)規(guī)模。未來計(jì)算機(jī)視覺 技術(shù)的發(fā)展主要面臨以下挑戰(zhàn)：一是如何在不同的應(yīng)用領(lǐng)域和其他技術(shù)更好的結(jié) 合，計(jì)算機(jī)視覺在解決某些問題時(shí)可以廣泛利用大數(shù)據(jù)，已經(jīng)逐漸成熟并且可以 超過人類，而在某些問題上卻無法達(dá)到很高的精度；二是如何降低計(jì)算機(jī)視覺算 法的開發(fā)時(shí)間和人力成本，目前計(jì)算機(jī)視覺算法需要大量的數(shù)據(jù)與人工標(biāo)注，需 要較長的研發(fā)周期以達(dá)到應(yīng)用領(lǐng)域所要求的精度與耗時(shí)；三是如何加快新型算法 的設(shè)計(jì)開發(fā)，隨著新的成像硬件與人工智能芯片的出現(xiàn)，針對不同芯片與數(shù)據(jù)采 集設(shè)備的計(jì)算機(jī)視覺算法的設(shè)計(jì)與開發(fā)也是挑戰(zhàn)之一。

3.1.6 生物特征識別

生物特征識別技術(shù)是指通過個(gè)體生理特征或行為特征對個(gè)體身份進(jìn)行識別 認(rèn)證的技術(shù)。從應(yīng)用流程看，生物特征識別通常分為注冊和識別兩個(gè)階段。注冊 階段通過傳感器對人體的生物表征信息進(jìn)行采集，如利用圖像傳感器對指紋和人 臉等光學(xué)信息、麥克風(fēng)對說話聲等聲學(xué)信息進(jìn)行采集，利用數(shù)據(jù)預(yù)處理以及特征 提取技術(shù)對采集的數(shù)據(jù)進(jìn)行處理，得到相應(yīng)的特征進(jìn)行存儲。識別過程采用與注 冊過程一致的信息采集方式對待識別人進(jìn)行信息采集、數(shù)據(jù)預(yù)處理和特征提取， 然后將提取的特征與存儲的特征進(jìn)行比對分析，完成識別。從應(yīng)用任務(wù)看，生物 特征識別一般分為辨認(rèn)與確認(rèn)兩種任務(wù)，辨認(rèn)是指從存儲庫中確定待識別人身份 的過程，是一對多的問題；確認(rèn)是指將待識別人信息與存儲庫中特定單人信息進(jìn) 行比對，確定身份的過程，是一對一的問題。

生物特征識別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋、掌紋、人臉、虹膜、指 靜脈、聲紋、步態(tài)等多種生物特征，其識別過程涉及到圖像處理、計(jì)算機(jī)視覺、 語音識別、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù)。目前生物特征識別作為重要的智能化身份認(rèn)證 技術(shù)，在金融、公共安全、教育、交通等領(lǐng)域得到廣泛的應(yīng)用。下面將對指紋識 別、人臉識別、虹膜識別、指靜脈識別、聲紋識別以及步態(tài)識別等技術(shù)進(jìn)行介紹。

（1）指紋識別 指紋識別過程通常包括數(shù)據(jù)采集、數(shù)據(jù)處理、分析判別三個(gè)過程。數(shù)據(jù)采集 通過光、電、力、熱等物理傳感器獲取指紋圖像；數(shù)據(jù)處理包括預(yù)處理、畸變校正、特征提取三個(gè)過程；分析判別是對提取的特征進(jìn)行分析判別的過程。

（2）人臉識別 人臉識別是典型的計(jì)算機(jī)視覺應(yīng)用，從應(yīng)用過程來看，可將人臉識別技術(shù)劃 分為檢測定位、面部特征提取以及人臉確認(rèn)三個(gè)過程。人臉識別技術(shù)的應(yīng)用主要 受到光照、拍攝角度、圖像遮擋、年齡等多個(gè)因素的影響，在約束條件下人臉識 別技術(shù)相對成熟，在自由條件下人臉識別技術(shù)還在不斷改進(jìn)。

（3）虹膜識別 虹膜識別的理論框架主要包括虹膜圖像分割、虹膜區(qū)域歸一化、特征提取和 識別四個(gè)部分，研究工作大多是基于此理論框架發(fā)展而來。虹膜識別技術(shù)應(yīng)用的 主要難題包含傳感器和光照影響兩個(gè)方面：一方面，由于虹膜尺寸小且受黑色素 遮擋，需在近紅外光源下采用高分辨圖像傳感器才可清晰成像，對傳感器質(zhì)量和 穩(wěn)定性要求比較高；另一方面，光照的強(qiáng)弱變化會引起瞳孔縮放，導(dǎo)致虹膜紋理 產(chǎn)生復(fù)雜形變，增加了匹配的難度。

（4）指靜脈識別 指靜脈識別是利用了人體靜脈血管中的脫氧血紅蛋白對特定波長范圍內(nèi)的 近紅外線有很好的吸收作用這一特性，采用近紅外光對指靜脈進(jìn)行成像與識別的 技術(shù)。由于指靜脈血管分布隨機(jī)性很強(qiáng)，其網(wǎng)絡(luò)特征具有很好的唯一性，且屬于 人體內(nèi)部特征，不受到外界影響，因此模態(tài)特性十分穩(wěn)定。指靜脈識別技術(shù)應(yīng)用 面臨的主要難題來自于成像單元。

（5）聲紋識別 聲紋識別是指根據(jù)待識別語音的聲紋特征識別說話人的技術(shù)。聲紋識別技術(shù) 通?？梢苑譃榍岸颂幚砗徒７治鰞蓚€(gè)階段。聲紋識別的過程是將某段來自某個(gè) 人的語音經(jīng)過特征提取后與多復(fù)合聲紋模型庫中的聲紋模型進(jìn)行匹配，常用的識 別方法可以分為模板匹配法、概率模型法等。

（6）步態(tài)識別 步態(tài)是遠(yuǎn)距離復(fù)雜場景下唯一可清晰成像的生物特征，步態(tài)識別是指通過身 體體型和行走姿態(tài)來識別人的身份。相比上述幾種生物特征識別，步態(tài)識別的技術(shù)難度更大，體現(xiàn)在其需要從視頻中提取運(yùn)動特征，以及需要更高要求的預(yù)處理 算法，但步態(tài)識別具有遠(yuǎn)距離、跨角度、光照不敏感等優(yōu)勢。

3.1.7 虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)

虛擬現(xiàn)實(shí)（VR）/增強(qiáng)現(xiàn)實(shí)（AR）是以計(jì)算機(jī)為核心的新型視聽技術(shù)。結(jié)合 相關(guān)科學(xué)技術(shù)，在一定范圍內(nèi)生成與真實(shí)環(huán)境在視覺、聽覺、觸感等方面高度近 似的數(shù)字化環(huán)境。用戶借助必要的裝備與數(shù)字化環(huán)境中的對象進(jìn)行交互，相互影 響，獲得近似真實(shí)環(huán)境的感受和體驗(yàn)，通過顯示設(shè)備、跟蹤定位設(shè)備、觸力覺交 互設(shè)備、數(shù)據(jù)獲取設(shè)備、專用芯片等實(shí)現(xiàn)。

虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)從技術(shù)特征角度，按照不同處理階段，可以分為獲取與 建模技術(shù)、分析與利用技術(shù)、交換與分發(fā)技術(shù)、展示與交互技術(shù)以及技術(shù)標(biāo)準(zhǔn)與 評價(jià)體系五個(gè)方面。獲取與建模技術(shù)研究如何把物理世界或者人類的創(chuàng)意進(jìn)行數(shù) 字化和模型化，難點(diǎn)是三維物理世界的數(shù)字化和模型化技術(shù)；分析與利用技術(shù)重 點(diǎn)研究對數(shù)字內(nèi)容進(jìn)行分析、理解、搜索和知識化方法，其難點(diǎn)是在于內(nèi)容的語 義表示和分析；交換與分發(fā)技術(shù)主要強(qiáng)調(diào)各種網(wǎng)絡(luò)環(huán)境下大規(guī)模的數(shù)字化內(nèi)容流 通、轉(zhuǎn)換、集成和面向不同終端用戶的個(gè)性化服務(wù)等，其核心是開放的內(nèi)容交換 和版權(quán)管理技術(shù)；展示與交換技術(shù)重點(diǎn)研究符合人類習(xí)慣數(shù)字內(nèi)容的各種顯示技 術(shù)及交互方法，以期提高人對復(fù)雜信息的認(rèn)知能力，其難點(diǎn)在于建立自然和諧的 人機(jī)交互環(huán)境；標(biāo)準(zhǔn)與評價(jià)體系重點(diǎn)研究虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)基礎(chǔ)資源、內(nèi)容編 目、信源編碼等的規(guī)范標(biāo)準(zhǔn)以及相應(yīng)的評估技術(shù)。

目前虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)面臨的挑戰(zhàn)主要體現(xiàn)在智能獲取、普適設(shè)備、自由 交互和感知融合四個(gè)方面。在硬件平臺與裝置、核心芯片與器件、軟件平臺與工 具、相關(guān)標(biāo)準(zhǔn)與規(guī)范等方面存在一系列科學(xué)技術(shù)問題?？傮w來說虛擬現(xiàn)實(shí)/增強(qiáng) 現(xiàn)實(shí)呈現(xiàn)虛擬現(xiàn)實(shí)系統(tǒng)智能化、虛實(shí)環(huán)境對象無縫融合、自然交互全方位與舒適 化的發(fā)展趨勢。

3.1.8 人工智能技術(shù)發(fā)展趨勢

綜上所述，人工智能技術(shù)在以下方面的發(fā)展有顯著的特點(diǎn)，是進(jìn)一步研究人 工智能趨勢的重點(diǎn)。

（1）技術(shù)平臺開源化 開源的學(xué)習(xí)框架在人工智能領(lǐng)域的研發(fā)成績斐然，對深度學(xué)習(xí)領(lǐng)域影響巨大。 開源的深度學(xué)習(xí)框架使得開發(fā)者可以直接使用已經(jīng)研發(fā)成功的深度學(xué)習(xí)工具，減 少二次開發(fā)，提高效率，促進(jìn)業(yè)界緊密合作和交流。國內(nèi)外產(chǎn)業(yè)巨頭也紛紛意識 到通過開源技術(shù)建立產(chǎn)業(yè)生態(tài)，是搶占產(chǎn)業(yè)制高點(diǎn)的重要手段。通過技術(shù)平臺的 開源化，可以擴(kuò)大技術(shù)規(guī)模，整合技術(shù)和應(yīng)用，有效布局人工智能全產(chǎn)業(yè)鏈。谷 歌、百度等國內(nèi)外龍頭企業(yè)紛紛布局開源人工智能生態(tài)，未來將有更多的軟硬件 企業(yè)參與開源生態(tài)。

（2）專用智能向通用智能發(fā)展 目前的人工智能發(fā)展主要集中在專用智能方面，具有領(lǐng)域局限性。隨著科技 的發(fā)展，各領(lǐng)域之間相互融合、相互影響，需要一種范圍廣、集成度高、適應(yīng)能 力強(qiáng)的通用智能，提供從輔助性決策工具到專業(yè)性解決方案的升級。通用人工智 能具備執(zhí)行一般智慧行為的能力，可以將人工智能與感知、知識、意識和直覺等 人類的特征互相連接，減少對領(lǐng)域知識的依賴性、提高處理任務(wù)的普適性，這將 是人工智能未來的發(fā)展方向。未來的人工智能將廣泛的涵蓋各個(gè)領(lǐng)域，消除各領(lǐng) 域之間的應(yīng)用壁壘。

（3）智能感知向智能認(rèn)知方向邁進(jìn) 人工智能的主要發(fā)展階段包括：運(yùn)算智能、感知智能、認(rèn)知智能，這一觀點(diǎn) 得到業(yè)界的廣泛認(rèn)可。早期階段的人工智能是運(yùn)算智能，機(jī)器具有快速計(jì)算和記 憶存儲能力。當(dāng)前大數(shù)據(jù)時(shí)代的人工智能是感知智能，機(jī)器具有視覺、聽覺、觸 覺等感知能力。隨著類腦科技的發(fā)展，人工智能必然向認(rèn)知智能時(shí)代邁進(jìn)，即讓 機(jī)器能理解會思考。

• 3.2 人工智能產(chǎn)業(yè)現(xiàn)狀及趨勢

人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力，將催生新的技術(shù)、產(chǎn)品、產(chǎn)業(yè)、 業(yè)態(tài)、模式，從而引發(fā)經(jīng)濟(jì)結(jié)構(gòu)的重大變革，實(shí)現(xiàn)社會生產(chǎn)力的整體提升。麥肯 錫預(yù)計(jì)，到 2025 年全球人工智能應(yīng)用市場規(guī)?？傊祵⑦_(dá)到 1270 億美元，人工智 能將是眾多智能產(chǎn)業(yè)發(fā)展的突破點(diǎn)。

通過對人工智能產(chǎn)業(yè)分布進(jìn)行梳理，提出了人工智能產(chǎn)業(yè)生態(tài)圖，主要分為 核心業(yè)態(tài)、關(guān)聯(lián)業(yè)態(tài)、衍生業(yè)態(tài)三個(gè)層次，如圖 3 所示。

下面將重點(diǎn)對核心業(yè)態(tài)包含的智能基礎(chǔ)設(shè)施建設(shè)、智能信息及數(shù)據(jù)、智能技 術(shù)服務(wù)、智能產(chǎn)品四個(gè)方面展開介紹，并總結(jié)人工智能行業(yè)應(yīng)用及產(chǎn)業(yè)發(fā)展趨勢。

3.2.1 智能基礎(chǔ)設(shè)施

智能基礎(chǔ)設(shè)施為人工智能產(chǎn)業(yè)提供計(jì)算能力支撐，其范圍包括智能傳感器、 智能芯片、分布式計(jì)算框架等，是人工智能產(chǎn)業(yè)發(fā)展的重要保障。

（1）智能芯片

智能芯片從應(yīng)用角度可以分為訓(xùn)練和推理兩種類型。從部署場景來看，可以 分為云端和設(shè)備端兩步大類。訓(xùn)練過程由于涉及海量的訓(xùn)練數(shù)據(jù)和復(fù)雜的深度神 經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，需要龐大的計(jì)算規(guī)模，主要使用智能芯片集群來完成。與訓(xùn)練的計(jì) 算量相比，推理的計(jì)算量較少，但仍然涉及大量的矩陣運(yùn)算。目前，訓(xùn)練和推理 通常都在云端實(shí)現(xiàn)，只有對實(shí)時(shí)性要求很高的設(shè)備會交由設(shè)備端進(jìn)行處理。

按技術(shù)架構(gòu)來看，智能芯片可以分為通用類芯片（CPU、GPU、FPGA）、基于 FPGA 的半定制化芯片、全定制化 ASIC 芯片、類腦計(jì)算芯片（IBM TrueNorth）。 另外，主要的人工智能處理器還有 DPU、BPU、NPU、EPU 等適用于不同場景 和功能的人工智能芯片。

隨著互聯(lián)網(wǎng)用戶量和數(shù)據(jù)規(guī)模的急劇膨脹，人工智能發(fā)展對計(jì)算性能的要求 迫切增長，對 CPU 計(jì)算性能提升的需求超過了摩爾定律的增長速度。同時(shí)，受 限于技術(shù)原因，傳統(tǒng)處理器性能也無法按照摩爾定律繼續(xù)增長，發(fā)展下一代智能 芯片勢在必行。未來的智能芯片主要是在兩個(gè)方向發(fā)展：一是模仿人類大腦結(jié)構(gòu) 的芯片，二是量子芯片。智能芯片是人工智能時(shí)代的戰(zhàn)略制高點(diǎn)，預(yù)計(jì)到 2020 年人工智能芯片全球市場規(guī)模將突破百億美元。

（2）智能傳感器

智能傳感器是具有信息處理功能的傳感器。智能傳感器帶有微處理機(jī)，具備 采集、處理、交換信息等功能，是傳感器集成化與微處理機(jī)相結(jié)合的產(chǎn)物。智能 傳感器屬于人工智能的神經(jīng)末梢，用于全面感知外界環(huán)境。各類傳感器的大規(guī)模 部署和應(yīng)用為實(shí)現(xiàn)人工智能創(chuàng)造了不可或缺的條件。不同應(yīng)用場景，如智能安防、 智能家居、智能醫(yī)療等對傳感器應(yīng)用提出了不同的要求。未來，隨著人工智能應(yīng) 用領(lǐng)域的不斷拓展，市場對傳感器的需求將不斷增多，2020 年市場規(guī)模有望突 破 4600 億美元。未來，高敏度、高精度、高可靠性、微型化、集成化將成為智 能傳感器發(fā)展的重要趨勢。

（3）分布式計(jì)算框架

面對海量的數(shù)據(jù)處理、復(fù)雜的知識推理，常規(guī)的單機(jī)計(jì)算模式已經(jīng)不能支撐。 所以，計(jì)算模式必須將巨大的計(jì)算任務(wù)分成小的單機(jī)可以承受的計(jì)算任務(wù)，即云 計(jì)算、邊緣計(jì)算、大數(shù)據(jù)技術(shù)提供了基礎(chǔ)的計(jì)算框架。目前流行的分布式計(jì)算框 架如 OpenStack、Hadoop、Storm、Spark、Samza、Bigflow 等。各種開源深度學(xué) 習(xí)框架也層出不窮，其中包括 TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、 Leaf、Theano、DeepLearning4、Lasagne、Neon 等等。

3.2.2 智能信息及數(shù)據(jù)

信息數(shù)據(jù)是人工智能創(chuàng)造價(jià)值的關(guān)鍵要素之一。我國龐大的人口和產(chǎn)業(yè)基數(shù) 帶來了數(shù)據(jù)方面的天生優(yōu)勢。隨著算法、算力技術(shù)水平的提升，圍繞數(shù)據(jù)的采集、 分析、處理產(chǎn)生了眾多的企業(yè)。目前，在人工智能數(shù)據(jù)采集、分析、處理方面的 企業(yè)主要有兩種：一種是數(shù)據(jù)集提供商，以提供數(shù)據(jù)為自身主要業(yè)務(wù)，為需求方 提供機(jī)器學(xué)習(xí)等技術(shù)所需要的不同領(lǐng)域的數(shù)據(jù)集；另一種是數(shù)據(jù)采集、分析、處理綜合性廠商，自身擁有獲取數(shù)據(jù)的途徑，并對采集到的數(shù)據(jù)進(jìn)行分析處理，最 終將處理后的結(jié)果提供給需求方進(jìn)行使用。對于一些大型企業(yè)，企業(yè)本身也是數(shù) 據(jù)分析處理結(jié)果的需求方。

3.2.3 智能技術(shù)服務(wù)

智能技術(shù)服務(wù)主要關(guān)注如何構(gòu)建人工智能的技術(shù)平臺，并對外提供人工智能 相關(guān)的服務(wù)。此類廠商在人工智能產(chǎn)業(yè)鏈中處于關(guān)鍵位置，依托基礎(chǔ)設(shè)施和大量 的數(shù)據(jù)，為各類人工智能的應(yīng)用提供關(guān)鍵性的技術(shù)平臺、解決方案和服務(wù)。目前， 從提供服務(wù)的類型來看，提供技術(shù)服務(wù)廠商包括以下幾類：

（1）提供人工智能的技術(shù)平臺和算法模型。此類廠商主要針對用戶或者行 業(yè)需求，提供人工智能技術(shù)平臺以及算法模型。用戶可以在人工智能平臺之上， 通過一系列的算法模型來進(jìn)行人工智能的應(yīng)用開發(fā)。此類廠商主要關(guān)注人工智能 的通用計(jì)算框架、算法模型、通用技術(shù)等關(guān)鍵領(lǐng)域。

（2）提供人工智能的整體解決方案。此類廠商主要針對用戶或者行業(yè)需求， 設(shè)計(jì)和提供包括軟、硬件一體的行業(yè)人工智能解決方案，整體方案中集成多種人 工智能算法模型以及軟、硬件環(huán)境，幫助用戶或行業(yè)解決特定的問題。此類廠商 重點(diǎn)關(guān)注人工智能在特定領(lǐng)域或者特定行業(yè)的應(yīng)用。

（3）提供人工智能在線服務(wù)。此類廠商一般為傳統(tǒng)的云服務(wù)提供廠商，主 要依托其已有的云計(jì)算和大數(shù)據(jù)應(yīng)用的用戶資源，聚集用戶的需求和行業(yè)屬性， 為客戶提供多類型的人工智能服務(wù)；從各類模型算法和計(jì)算框架的 API 等特定 應(yīng)用平臺到特定行業(yè)的整體解決方案等，進(jìn)一步吸引大量的用戶使用，從而進(jìn)一 步完善其提供的人工智能服務(wù)。此類廠商主要提供相對通用的人工智能服務(wù)，同 時(shí)也會關(guān)注一些重點(diǎn)行業(yè)和領(lǐng)域。

需要指出的是，上述三類角色并不是嚴(yán)格區(qū)分開的，很多情況下會出現(xiàn)重疊， 隨著技術(shù)的發(fā)展成熟，在人工智能產(chǎn)業(yè)鏈中已有大量的廠商同時(shí)具備上述兩類或 者三類角色的特征。

3.2.4 智能產(chǎn)品

智能產(chǎn)品是指將人工智能領(lǐng)域的技術(shù)成果集成化、產(chǎn)品化，具體的分類如表 1 所示。

表 1 人工智能的產(chǎn)品

隨著制造強(qiáng)國、網(wǎng)絡(luò)強(qiáng)國、數(shù)字中國建設(shè)進(jìn)程的加快，在制造、家居、金融、 教育、交通、安防、醫(yī)療、物流等領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)和產(chǎn)品的需求將進(jìn)一步釋 放，相關(guān)智能產(chǎn)品的種類和形態(tài)也將越來越豐富。

3.2.5 人工智能行業(yè)應(yīng)用

人工智能與行業(yè)領(lǐng)域的深度融合將改變甚至重新塑造傳統(tǒng)行業(yè)，本節(jié)重點(diǎn)介 紹人工智能在制造、家居、金融、交通、安防、醫(yī)療、物流行業(yè)的應(yīng)用，由于篇 幅有限，其它很多重要的行業(yè)應(yīng)用在這里不展開論述。

（1）智能制造

智能制造是基于新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿于設(shè)計(jì)、 生產(chǎn)、管理、服務(wù)等制造活動的各個(gè)環(huán)節(jié)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí) 行、自適應(yīng)等功能的新型生產(chǎn)方式。智能制造對人工智能的需求主要表現(xiàn)在以下 三個(gè)方面：一是智能裝備，包括自動識別設(shè)備、人機(jī)交互系統(tǒng)、工業(yè)機(jī)器人以及 數(shù)控機(jī)床等具體設(shè)備，涉及到跨媒體分析推理、自然語言處理、虛擬現(xiàn)實(shí)智能建 模及自主無人系統(tǒng)等關(guān)鍵技術(shù)。二是智能工廠，包括智能設(shè)計(jì)、智能生產(chǎn)、智能 管理以及集成優(yōu)化等具體內(nèi)容，涉及到跨媒體分析推理、大數(shù)據(jù)智能、機(jī)器學(xué)習(xí) 等關(guān)鍵技術(shù)。三是智能服務(wù)，包括大規(guī)模個(gè)性化定制、遠(yuǎn)程運(yùn)維以及預(yù)測性維護(hù) 等具體服務(wù)模式，涉及到跨媒體分析推理、自然語言處理、大數(shù)據(jù)智能、高級機(jī) 器學(xué)習(xí)等關(guān)鍵技術(shù)。例如，現(xiàn)有涉及智能裝備故障問題的紙質(zhì)化文件，可通過自 然語言處理，形成數(shù)字化資料，再通過非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換，形成 深度學(xué)習(xí)所需的訓(xùn)練數(shù)據(jù)，從而構(gòu)建設(shè)備故障分析的神經(jīng)網(wǎng)絡(luò)，為下一步故障診 斷、優(yōu)化參數(shù)設(shè)置提供決策依據(jù)。

（2）智能家居

參照工業(yè)和信息化部印發(fā)的《智慧家庭綜合標(biāo)準(zhǔn)化體系建設(shè)指南》，智能家 居是智慧家庭八大應(yīng)用場景之一。受產(chǎn)業(yè)環(huán)境、價(jià)格、消費(fèi)者認(rèn)可度等因素影響， 我國智能家居行業(yè)經(jīng)歷了漫長的探索期。至 2010 年，隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展以 及智慧城市概念的出現(xiàn)，智能家居概念逐步有了清晰的定義并隨之涌現(xiàn)出各類產(chǎn) 品，軟件系統(tǒng)也經(jīng)歷了若干輪升級。

智能家居以住宅為平臺，基于物聯(lián)網(wǎng)技術(shù)，由硬件（智能家電、智能硬件、 安防控制設(shè)備、家具等）、軟件系統(tǒng)、云計(jì)算平臺構(gòu)成的家居生態(tài)圈，實(shí)現(xiàn)人遠(yuǎn) 程控制設(shè)備、設(shè)備間互聯(lián)互通、設(shè)備自我學(xué)習(xí)等功能，并通過收集、分析用戶行 為數(shù)據(jù)為用戶提供個(gè)性化生活服務(wù)，使家居生活安全、節(jié)能、便捷等。例如，借助智能語音技術(shù)，用戶應(yīng)用自然語言實(shí)現(xiàn)對家居系統(tǒng)各設(shè)備的操控，如開關(guān)窗簾 （窗戶）、操控家用電器和照明系統(tǒng)、打掃衛(wèi)生等操作；借助機(jī)器學(xué)習(xí)技術(shù)，智 能電視可以從用戶看電視的歷史數(shù)據(jù)中分析其興趣和愛好，并將相關(guān)的節(jié)目推薦 給用戶。通過應(yīng)用聲紋識別、臉部識別、指紋識別等技術(shù)進(jìn)行開鎖等；通過大數(shù) 據(jù)技術(shù)可以使智能家電實(shí)現(xiàn)對自身狀態(tài)及環(huán)境的自我感知，具有故障診斷能力。 通過收集產(chǎn)品運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)產(chǎn)品異常，主動提供服務(wù)，降低故障率。還可以通 過大數(shù)據(jù)分析、遠(yuǎn)程監(jiān)控和診斷，快速發(fā)現(xiàn)問題、解決問題及提高效率。

（3）智能金融

人工智能的飛速發(fā)展將對身處服務(wù)價(jià)值鏈高端的金融業(yè)帶來深刻影響，人工 智能逐步成為決定金融業(yè)溝通客戶、發(fā)現(xiàn)客戶金融需求的重要因素。人工智能技 術(shù)在金融業(yè)中可以用于服務(wù)客戶，支持授信、各類金融交易和金融分析中的決策， 并用于風(fēng)險(xiǎn)防控和監(jiān)督，將大幅改變金融現(xiàn)有格局，金融服務(wù)將會更加地個(gè)性化 與智能化。智能金融對于金融機(jī)構(gòu)的業(yè)務(wù)部門來說，可以幫助獲客，精準(zhǔn)服務(wù)客 戶，提高效率；對于金融機(jī)構(gòu)的風(fēng)控部門來說，可以提高風(fēng)險(xiǎn)控制，增加安全性； 對于用戶來說，可以實(shí)現(xiàn)資產(chǎn)優(yōu)化配置，體驗(yàn)到金融機(jī)構(gòu)更加完美地服務(wù)。人工 智能在金融領(lǐng)域的應(yīng)用主要包括：智能獲客，依托大數(shù)據(jù)，對金融用戶進(jìn)行畫像， 通過需求響應(yīng)模型，極大地提升獲客效率；身份識別，以人工智能為內(nèi)核，通過 人臉識別、聲紋識別、指靜脈識別等生物識別手段，再加上各類票據(jù)、身份證、 銀行卡等證件票據(jù)的 OCR 識別等技術(shù)手段，對用戶身份進(jìn)行驗(yàn)證，大幅降低核 驗(yàn)成本，有助于提高安全性；大數(shù)據(jù)風(fēng)控，通過大數(shù)據(jù)、算力、算法的結(jié)合，搭 建反欺詐、信用風(fēng)險(xiǎn)等模型，多維度控制金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)，同時(shí) 避免資產(chǎn)損失；智能投顧，基于大數(shù)據(jù)和算法能力，對用戶與資產(chǎn)信息進(jìn)行標(biāo)簽 化，精準(zhǔn)匹配用戶與資產(chǎn)；智能客服，基于自然語言處理能力和語音識別能力， 拓展客服領(lǐng)域的深度和廣度，大幅降低服務(wù)成本，提升服務(wù)體驗(yàn)；金融云，依托 云計(jì)算能力的金融科技，為金融機(jī)構(gòu)提供更安全高效的全套金融解決方案。

（4）智能交通

智能交通系統(tǒng)（Intelligent Traffic System，ITS）是通信、信息和控制技術(shù)在 交通系統(tǒng)中集成應(yīng)用的產(chǎn)物。ITS 借助現(xiàn)代科技手段和設(shè)備，將各核心交通元素 聯(lián)通，實(shí)現(xiàn)信息互通與共享以及各交通元素的彼此協(xié)調(diào)、優(yōu)化配置和高效使用，形成人、車和交通的一個(gè)高效協(xié)同環(huán)境，建立安全、高效、便捷和低碳的交通。 例如通過交通信息采集系統(tǒng)采集道路中的車輛流量、行車速度等信息，信息分析 處理系統(tǒng)處理后形成實(shí)時(shí)路況，決策系統(tǒng)據(jù)此調(diào)整道路紅綠燈時(shí)長，調(diào)整可變車 道或潮汐車道的通行方向等，通過信息發(fā)布系統(tǒng)將路況推送到導(dǎo)航軟件和廣播中， 讓人們合理規(guī)劃行駛路線。通過不停車收費(fèi)系統(tǒng)（ETC），實(shí)現(xiàn)對通過 ETC 入口 站的車輛身份及信息自動采集、處理、收費(fèi)和放行，有效提高通行能力、簡化收 費(fèi)管理、降低環(huán)境污染。

ITS 應(yīng)用最廣泛的地區(qū)是日本，其次是美國、歐洲等地區(qū)。中國的智能交通 系統(tǒng)近幾年也發(fā)展迅速，在北京、上海、廣州、杭州等大城市已經(jīng)建設(shè)了先進(jìn)的 智能交通系統(tǒng)；其中，北京建立了道路交通控制、公共交通指揮與調(diào)度、高速公 路管理和緊急事件管理等四大 ITS 系統(tǒng)；廣州建立了交通信息共用主平臺、物流 信息平臺和靜態(tài)交通管理系統(tǒng)等三大 ITS 系統(tǒng)。

（5）智能安防

智能安防技術(shù)是一種利用人工智能對視頻、圖像進(jìn)行存儲和分析，從中識別 安全隱患并對其進(jìn)行處理的技術(shù)。智能安防與傳統(tǒng)安防的最大區(qū)別在于智能化， 傳統(tǒng)安防對人的依賴性比較強(qiáng)，非常耗費(fèi)人力，而智能安防能夠通過機(jī)器實(shí)現(xiàn)智 能判斷，從而盡可能實(shí)現(xiàn)實(shí)時(shí)地安全防范和處理。

當(dāng)前，高清視頻、智能分析等技術(shù)的發(fā)展，使得安防從傳統(tǒng)的被動防御向主 動判斷和預(yù)警發(fā)展，行業(yè)也從單一的安全領(lǐng)域向多行業(yè)應(yīng)用發(fā)展，進(jìn)而提升生產(chǎn) 效率并提高生活智能化程度，為更多的行業(yè)和人群提供可視化及智能化方案。用 戶面對海量的視頻數(shù)據(jù)，已無法簡單利用人海戰(zhàn)術(shù)進(jìn)行檢索和分析，需要采用人 工智能技術(shù)作專家系統(tǒng)或輔助手段，實(shí)時(shí)分析視頻內(nèi)容，探測異常信息，進(jìn)行風(fēng) 險(xiǎn)預(yù)測。從技術(shù)方面來講，目前國內(nèi)智能安防分析技術(shù)主要集中在兩大類：一類 是采用畫面分割前景提取等方法對視頻畫面中的目標(biāo)進(jìn)行提取檢測，通過不同的 規(guī)則來區(qū)分不同的事件，從而實(shí)現(xiàn)不同的判斷并產(chǎn)生相應(yīng)的報(bào)警聯(lián)動等，例如： 區(qū)域入侵分析、打架檢測、人員聚集分析、交通事件檢測等；另一類是利用模式 識別技術(shù)，對畫面中特定的物體進(jìn)行建模，并通過大量樣本進(jìn)行訓(xùn)練，從而達(dá)到 對視頻畫面中的特定物體進(jìn)行識別，如車輛檢測、人臉檢測、人頭檢測（人流統(tǒng) 計(jì)）等應(yīng)用。

智能安防目前涵蓋眾多的領(lǐng)域，如街道社區(qū)、道路、樓宇建筑、機(jī)動車輛的 監(jiān)控，移動物體監(jiān)測等。今后智能安防還要解決海量視頻數(shù)據(jù)分析、存儲控制及 傳輸問題，將智能視頻分析技術(shù)、云計(jì)算及云存儲技術(shù)結(jié)合起來，構(gòu)建智慧城市 下的安防體系。

（6）智能醫(yī)療

人工智能的快速發(fā)展，為醫(yī)療健康領(lǐng)域向更高的智能化方向發(fā)展提供了非常 有利的技術(shù)條件。近幾年，智能醫(yī)療在輔助診療、疾病預(yù)測、醫(yī)療影像輔助診斷、 藥物開發(fā)等方面發(fā)揮重要作用。

在輔助診療方面，通過人工智能技術(shù)可以有效提高醫(yī)護(hù)人員工作效率，提升 一線全科醫(yī)生的診斷治療水平。如利用智能語音技術(shù)可以實(shí)現(xiàn)電子病歷的智能語 音錄入；利用智能影像識別技術(shù)，可以實(shí)現(xiàn)醫(yī)學(xué)圖像自動讀片；利用智能技術(shù)和 大數(shù)據(jù)平臺，構(gòu)建輔助診療系統(tǒng)。

在疾病預(yù)測方面，人工智能借助大數(shù)據(jù)技術(shù)可以進(jìn)行疫情監(jiān)測，及時(shí)有效地 預(yù)測并防止疫情的進(jìn)一步擴(kuò)散和發(fā)展。以流感為例，很多國家都有規(guī)定，當(dāng)醫(yī)生 發(fā)現(xiàn)新型流感病例時(shí)需告知疾病控制與預(yù)防中心。但由于人們可能患病不及時(shí)就 醫(yī)，同時(shí)信息傳達(dá)回疾控中心也需要時(shí)間，因此，通告新流感病例時(shí)往往會有一 定的延遲，人工智能通過疫情監(jiān)測能夠有效縮短響應(yīng)時(shí)間。

在醫(yī)療影像輔助診斷方面，影像判讀系統(tǒng)的發(fā)展是人工智能技術(shù)的產(chǎn)物。早 期的影像判讀系統(tǒng)主要靠人手工編寫判定規(guī)則，存在耗時(shí)長、臨床應(yīng)用難度大等 問題，從而未能得到廣泛推廣。影像組學(xué)是通過醫(yī)學(xué)影像對特征進(jìn)行提取和分析， 為患者預(yù)前和預(yù)后的診斷和治療提供評估方法和精準(zhǔn)診療決策。這在很大程度上 簡化了人工智能技術(shù)的應(yīng)用流程，節(jié)約了人力成本。

（7）智能物流

傳統(tǒng)物流企業(yè)在利用條形碼、射頻識別技術(shù)、傳感器、全球定位系統(tǒng)等方面 優(yōu)化改善運(yùn)輸、倉儲、配送裝卸等物流業(yè)基本活動，同時(shí)也在嘗試使用智能搜索、 推理規(guī)劃、計(jì)算機(jī)視覺以及智能機(jī)器人等技術(shù)，實(shí)現(xiàn)貨物運(yùn)輸過程的自動化運(yùn)作 和高效率優(yōu)化管理，提高物流效率。例如，在倉儲環(huán)節(jié)，利用大數(shù)據(jù)智能通過分 析大量歷史庫存數(shù)據(jù)，建立相關(guān)預(yù)測模型，實(shí)現(xiàn)物流庫存商品的動態(tài)調(diào)整。大數(shù)據(jù)智能也可以支撐商品配送規(guī)劃，進(jìn)而實(shí)現(xiàn)物流供給與需求匹配、物流資源優(yōu)化 與配置等。在貨物搬運(yùn)環(huán)節(jié)，加載計(jì)算機(jī)視覺、動態(tài)路徑規(guī)劃等技術(shù)的智能搬運(yùn) 機(jī)器人（如搬運(yùn)機(jī)器人、貨架穿梭車、分揀機(jī)器人等）得到廣泛應(yīng)用，大大減少 了訂單出庫時(shí)間，使物流倉庫的存儲密度、搬運(yùn)的速度、揀選的精度均有大幅度 提升。

3.2.6 人工智能產(chǎn)業(yè)發(fā)展趨勢

從人工智能產(chǎn)業(yè)進(jìn)程來看，技術(shù)突破是推動產(chǎn)業(yè)升級的核心驅(qū)動力。數(shù)據(jù)資 源、運(yùn)算能力、核心算法共同發(fā)展，掀起人工智能第三次新浪潮。人工智能產(chǎn)業(yè) 正處于從感知智能向認(rèn)知智能的進(jìn)階階段，前者涉及的智能語音、計(jì)算機(jī)視覺及 自然語言處理等技術(shù)，已具有大規(guī)模應(yīng)用基礎(chǔ)，但后者要求的“機(jī)器要像人一樣 去思考及主動行動”仍尚待突破，諸如無人駕駛、全自動智能機(jī)器人等仍處于開 發(fā)中，與大規(guī)模應(yīng)用仍有一定距離。

（1）智能服務(wù)呈現(xiàn)線下和線上的無縫結(jié)合

分布式計(jì)算平臺的廣泛部署和應(yīng)用，增大了線上服務(wù)的應(yīng)用范圍。同時(shí)人工 智能技術(shù)的發(fā)展和產(chǎn)品不斷涌現(xiàn)，如智能家居、智能機(jī)器人、自動駕駛汽車等， 為智能服務(wù)帶來新的渠道或新的傳播模式，使得線上服務(wù)與線下服務(wù)的融合進(jìn)程 加快，促進(jìn)多產(chǎn)業(yè)升級。

（2）智能化應(yīng)用場景從單一向多元發(fā)展

目前人工智能的應(yīng)用領(lǐng)域還多處于專用階段，如人臉識別、視頻監(jiān)控、語音 識別等都主要用于完成具體任務(wù)，覆蓋范圍有限，產(chǎn)業(yè)化程度有待提高。隨著智 能家居、智慧物流等產(chǎn)品的推出，人工智能的應(yīng)用終將進(jìn)入面向復(fù)雜場景，處理 復(fù)雜問題，提高社會生產(chǎn)效率和生活質(zhì)量的新階段。

（3）人工智能和實(shí)體經(jīng)濟(jì)深度融合進(jìn)程將進(jìn)一步加快

黨的十九大報(bào)告提出“推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合”， 一方面，隨著制造強(qiáng)國建設(shè)的加快將促進(jìn)人工智能等新一代信息技術(shù)產(chǎn)品發(fā)展和 應(yīng)用，助推傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級，推動戰(zhàn)略性新興產(chǎn)業(yè)實(shí)現(xiàn)整體性突破。另一方面， 隨著人工智能底層技術(shù)的開源化，傳統(tǒng)行業(yè)將有望加快掌握人工智能基礎(chǔ)技術(shù)并依托其積累的行業(yè)數(shù)據(jù)資源實(shí)現(xiàn)人工智能與實(shí)體經(jīng)濟(jì)的深度融合創(chuàng)新。

• 3.3 安全、倫理、隱私問題

歷史經(jīng)驗(yàn)表明新技術(shù)常常能夠提高生產(chǎn)效率，促進(jìn)社會進(jìn)步。但與此同時(shí)， 由于人工智能尚處于初期發(fā)展階段，該領(lǐng)域的安全、倫理、隱私的政策、法律和 標(biāo)準(zhǔn)問題值得關(guān)注。就人工智能技術(shù)而言，安全、倫理和隱私問題直接影響人們 與人工智能工具交互經(jīng)驗(yàn)中對人工智能技術(shù)的信任。社會公眾必須信任人工智能 技術(shù)能夠給人類帶來的安全利益遠(yuǎn)大于傷害，才有可能發(fā)展人工智能。要保障安 全，人工智能技術(shù)本身及在各個(gè)領(lǐng)域的應(yīng)用應(yīng)遵循人類社會所認(rèn)同的倫理原則， 其中應(yīng)特別關(guān)注的是隱私問題，因?yàn)槿斯ぶ悄艿陌l(fā)展伴隨著越來越多的個(gè)人數(shù)據(jù) 被記錄和分析，而在這個(gè)過程中保障個(gè)人隱私則是社會信任能夠增加的重要條件。 總之，建立一個(gè)令人工智能技術(shù)造福于社會、保護(hù)公眾利益的政策、法律和標(biāo)準(zhǔn) 化環(huán)境，是人工智能技術(shù)持續(xù)、健康發(fā)展的重要前提。為此，本章集中討論與人 工智能技術(shù)相關(guān)的安全、倫理、隱私的政策和法律問題。

3.3.1 人工智能的安全問題

人工智能最大的特征是能夠?qū)崿F(xiàn)無人類干預(yù)的，基于知識并能夠自我修正地 自動化運(yùn)行。在開啟人工智能系統(tǒng)后，人工智能系統(tǒng)的決策不再需要操控者進(jìn)一 步的指令，這種決策可能會產(chǎn)生人類預(yù)料不到的結(jié)果。設(shè)計(jì)者和生產(chǎn)者在開發(fā)人 工智能產(chǎn)品的過程中可能并不能準(zhǔn)確預(yù)知某一產(chǎn)品會存在的可能風(fēng)險(xiǎn)。因此，對 于人工智能的安全問題不容忽視。

與傳統(tǒng)的公共安全（例如核技術(shù)）需要強(qiáng)大的基礎(chǔ)設(shè)施作為支撐不同，人工 智能以計(jì)算機(jī)和互聯(lián)網(wǎng)為依托，無需昂貴的基礎(chǔ)設(shè)施就能造成安全威脅。掌握相 關(guān)技術(shù)的人員可以在任何時(shí)間、地點(diǎn)且沒有昂貴基礎(chǔ)設(shè)施的情況下做出人工智能 產(chǎn)品。人工智能的程序運(yùn)行并非公開可追蹤，其擴(kuò)散途徑和速度也難以精確控制。 在無法利用已有傳統(tǒng)管制技術(shù)的條件下，對人工智能技術(shù)的管制必須另辟蹊徑。 換言之，管制者必須考慮更為深層的倫理問題，保證人工智能技術(shù)及其應(yīng)用均應(yīng) 符合倫理要求，才能真正實(shí)現(xiàn)保障公共安全的目的。

由于人工智能技術(shù)的目標(biāo)實(shí)現(xiàn)受其初始設(shè)定的影響，必須能夠保障人工智能設(shè)計(jì)的目標(biāo)與大多數(shù)人類的利益和倫理道德一致，即使在決策過程中面對不同的 環(huán)境，人工智能也能做出相對安全的決定。從人工智能的技術(shù)應(yīng)用方面看，要充 分考慮到人工智能開發(fā)和部署過程中的責(zé)任和過錯(cuò)問題，通過為人工智能技術(shù)開 發(fā)者、產(chǎn)品生產(chǎn)者或者服務(wù)提供者、最終使用者設(shè)定權(quán)利和義務(wù)的具體內(nèi)容，來 達(dá)到落實(shí)安全保障要求的目的。

此外，考慮到目前世界各國關(guān)于人工智能管理的規(guī)定尚不統(tǒng)一，相關(guān)標(biāo)準(zhǔn)也 處于空白狀態(tài)，同一人工智能技術(shù)的參與者可能來自不同國家，而這些國家尚未 簽署針對人工智能的共有合約。為此，我國應(yīng)加強(qiáng)國際合作，推動制定一套世界 通用的管制原則和標(biāo)準(zhǔn)來保障人工智能技術(shù)的安全性。

3.3.2 人工智能的倫理問題

人工智能是人類智能的延伸，也是人類價(jià)值系統(tǒng)的延伸。在其發(fā)展的過程中， 應(yīng)當(dāng)包含對人類倫理價(jià)值的正確考量。設(shè)定人工智能技術(shù)的倫理要求，要依托于 社會和公眾對人工智能倫理的深入思考和廣泛共識，并遵循一些共識原則：

一是人類利益原則，即人工智能應(yīng)以實(shí)現(xiàn)人類利益為終極目標(biāo)。這一原則體 現(xiàn)對人權(quán)的尊重、對人類和自然環(huán)境利益最大化以及降低技術(shù)風(fēng)險(xiǎn)和對社會的負(fù) 面影響。在此原則下，政策和法律應(yīng)致力于人工智能發(fā)展的外部社會環(huán)境的構(gòu)建， 推動對社會個(gè)體的人工智能倫理和安全意識教育，讓社會警惕人工智能技術(shù)被濫 用的風(fēng)險(xiǎn)。此外，還應(yīng)該警惕人工智能系統(tǒng)作出與倫理道德偏差的決策。例如， 大學(xué)利用機(jī)器學(xué)習(xí)算法來評估入學(xué)申請，假如用于訓(xùn)練算法的歷史入學(xué)數(shù)據(jù)（有 意或無意）反映出之前的錄取程序的某些偏差（如性別歧視），那么機(jī)器學(xué)習(xí)可 能會在重復(fù)累計(jì)的運(yùn)算過程中惡化這些偏差，造成惡性循環(huán)。如果沒有糾正，偏 差會以這種方式在社會中永久存在。

二是責(zé)任原則，即在技術(shù)開發(fā)和應(yīng)用兩方面都建立明確的責(zé)任體系，以便在 技術(shù)層面可以對人工智能技術(shù)開發(fā)人員或部門問責(zé)，在應(yīng)用層面可以建立合理的 責(zé)任和賠償體系。在責(zé)任原則下，在技術(shù)開發(fā)方面應(yīng)遵循透明度原則；在技術(shù)應(yīng) 用方面則應(yīng)當(dāng)遵循權(quán)責(zé)一致原則。

其中，透明度原則要求了解系統(tǒng)的工作原理從而預(yù)測未來發(fā)展，即人類應(yīng)當(dāng) 知道人工智能如何以及為何做出特定決定，這對于責(zé)任分配至關(guān)重要。例如，在神經(jīng)網(wǎng)絡(luò)這個(gè)人工智能的重要議題中，人們需要知道為什么會產(chǎn)生特定的輸出結(jié) 果。另外，數(shù)據(jù)來源透明度也同樣非常重要。即便是在處理沒有問題的數(shù)據(jù)集時(shí)， 也有可能面臨數(shù)據(jù)中隱含的偏見問題。透明度原則還要求開發(fā)技術(shù)時(shí)注意多個(gè)人 工智能系統(tǒng)協(xié)作產(chǎn)生的危害。

權(quán)責(zé)一致原則，指的是未來政策和法律應(yīng)該做出明確規(guī)定：一方面必要的商 業(yè)數(shù)據(jù)應(yīng)被合理記錄、相應(yīng)算法應(yīng)受到監(jiān)督、商業(yè)應(yīng)用應(yīng)受到合理審查；另一方 面商業(yè)主體仍可利用合理的知識產(chǎn)權(quán)或者商業(yè)秘密來保護(hù)本企業(yè)的核心參數(shù)。在 人工智能的應(yīng)用領(lǐng)域，權(quán)利和責(zé)任一致的原則尚未在商界、政府對倫理的實(shí)踐中 完全實(shí)現(xiàn)。主要是由于在人工智能產(chǎn)品和服務(wù)的開發(fā)和生產(chǎn)過程中，工程師和設(shè) 計(jì)團(tuán)隊(duì)往往忽視倫理問題，此外人工智能的整個(gè)行業(yè)尚未習(xí)慣于綜合考量各個(gè)利 益相關(guān)者需求的工作流程，人工智能相關(guān)企業(yè)對商業(yè)秘密的保護(hù)也未與透明度相 平衡。

3.3.3 人工智能的隱私問題

人工智能的近期發(fā)展是建立在大量數(shù)據(jù)的信息技術(shù)應(yīng)用之上，不可避免地涉 及到個(gè)人信息的合理使用問題，因此對于隱私應(yīng)該有明確且可操作的定義。人工 智能技術(shù)的發(fā)展也讓侵犯個(gè)人隱私（的行為）更為便利，因此相關(guān)法律和標(biāo)準(zhǔn)應(yīng) 該為個(gè)人隱私提供更強(qiáng)有力的保護(hù)。已有的對隱私信息的管制包括對使用者未明 示同意的收集，以及使用者明示同意條件下的個(gè)人信息收集兩種類型的處理。人 工智能技術(shù)的發(fā)展對原有的管制框架帶來了新的挑戰(zhàn)，原因是使用者所同意的個(gè) 人信息收集范圍不再有確定的界限。利用人工智能技術(shù)很容易推導(dǎo)出公民不愿意 泄露的隱私，例如從公共數(shù)據(jù)中推導(dǎo)出私人信息，從個(gè)人信息中推導(dǎo)出和個(gè)人有 關(guān)的其他人員（如朋友、親人、同事）信息（在線行為、人際關(guān)系等）。這類信 息超出了最初個(gè)人同意披露的個(gè)人信息范圍。

此外，人工智能技術(shù)的發(fā)展使得政府對于公民個(gè)人數(shù)據(jù)信息的收集和使用更 加便利。大量個(gè)人數(shù)據(jù)信息能夠幫助政府各個(gè)部門更好地了解所服務(wù)的人群狀態(tài)， 確保個(gè)性化服務(wù)的機(jī)會和質(zhì)量。但隨之而來的是，政府部門和政府工作人員個(gè)人 不恰當(dāng)使用個(gè)人數(shù)據(jù)信息的風(fēng)險(xiǎn)和潛在的危害應(yīng)當(dāng)?shù)玫阶銐虻闹匾暋?/span>

人工智能語境下的個(gè)人數(shù)據(jù)的獲取和知情同意應(yīng)該重新進(jìn)行定義。首先，相關(guān)政策、法律和標(biāo)準(zhǔn)應(yīng)直接對數(shù)據(jù)的收集和使用進(jìn)行規(guī)制，而不能僅僅征得數(shù)據(jù) 所有者的同意；其次，應(yīng)當(dāng)建立實(shí)用、可執(zhí)行的、適應(yīng)于不同使用場景的標(biāo)準(zhǔn)流 程以供設(shè)計(jì)者和開發(fā)者保護(hù)數(shù)據(jù)來源的隱私；再次，對于利用人工智能可能推導(dǎo) 出超過公民最初同意披露的信息的行為應(yīng)該進(jìn)行規(guī)制。最后，政策、法律和標(biāo)準(zhǔn) 對于個(gè)人數(shù)據(jù)管理應(yīng)該采取延伸式保護(hù)，鼓勵發(fā)展相關(guān)技術(shù)，探索將算法工具作 為個(gè)體在數(shù)字和現(xiàn)實(shí)世界中的代理人。這種方式使得控制和使用兩者得以共存， 因?yàn)樗惴ù砣丝梢愿鶕?jù)不同的情況，設(shè)定不同的使用權(quán)限，同時(shí)管理個(gè)人同意 與拒絕分享的信息。

本章節(jié)所涉及的安全、倫理和隱私問題是人工智能發(fā)展面臨的挑戰(zhàn)。安全問 題是讓技術(shù)能夠持續(xù)發(fā)展的前提。技術(shù)的發(fā)展給社會信任帶來了風(fēng)險(xiǎn)，如何增加 社會信任，讓技術(shù)發(fā)展遵循倫理要求，特別是保障隱私不會被侵犯是亟需解決的 問題。為此，需要（制訂）合理的政策、法律、標(biāo)準(zhǔn)基礎(chǔ)，并與國際社會協(xié)作。 在制訂政策、法律和標(biāo)準(zhǔn)時(shí)，應(yīng)當(dāng)擺脫膚淺的新聞炒作和廣告式的熱點(diǎn)宣傳，必 須促進(jìn)對人工智能技術(shù)產(chǎn)品更深層地理解，聚焦這一新技術(shù)給社會產(chǎn)生重大利益 的同時(shí)也帶來的巨大挑戰(zhàn)。作為國際社會的重要成員，中國對保障人工智能技術(shù) 應(yīng)用在正確的道路上、基于正確的理由得到健康發(fā)展擔(dān)負(fù)重要的責(zé)任。

• 3.4 人工智能標(biāo)準(zhǔn)化的重要作用

當(dāng)今，經(jīng)濟(jì)全球化和市場國際化深入發(fā)展，標(biāo)準(zhǔn)作為經(jīng)濟(jì)和社會活動的主要 技術(shù)依據(jù)，已成為衡量國家或地區(qū)技術(shù)發(fā)展水平的重要標(biāo)志、產(chǎn)品進(jìn)入市場的基 本準(zhǔn)則、企業(yè)市場競爭力的具體體現(xiàn)。標(biāo)準(zhǔn)化工作對人工智能及其產(chǎn)業(yè)發(fā)展具有 基礎(chǔ)性、支撐性、引領(lǐng)性的作用，既是推動產(chǎn)業(yè)創(chuàng)新發(fā)展的關(guān)鍵抓手，也是產(chǎn)業(yè) 競爭的制高點(diǎn)。人工智能標(biāo)準(zhǔn)的先進(jìn)與完善與否，關(guān)系到產(chǎn)業(yè)的健康發(fā)展、以及 產(chǎn)品國際市場競爭力的強(qiáng)弱。

美國、歐盟、日本等發(fā)達(dá)國家高度重視人工智能標(biāo)準(zhǔn)化工作。美國發(fā)布的《國 家人工智能研究與發(fā)展策略規(guī)劃》，歐盟發(fā)布的“人腦計(jì)劃”，日本實(shí)施的“人工 智能/大數(shù)據(jù)/物聯(lián)網(wǎng)/網(wǎng)絡(luò)安全綜合項(xiàng)目”，均提出圍繞核心技術(shù)、頂尖人才、標(biāo) 準(zhǔn)規(guī)范等強(qiáng)化部署，力圖搶占新一輪科技主導(dǎo)權(quán)。 我國高度重視人工智能標(biāo)準(zhǔn)化工作。在國務(wù)院《新一代人工智能發(fā)展規(guī)劃》中將人工智能標(biāo)準(zhǔn)化作為重要支撐保障，提出要“加強(qiáng)人工智能標(biāo)準(zhǔn)框架體系研 究。堅(jiān)持安全性、可用性、互操作性、可追溯性原則，逐步建立并完善人工智能 基礎(chǔ)共性、互聯(lián)互通、行業(yè)應(yīng)用、網(wǎng)絡(luò)安全、隱私保護(hù)等技術(shù)標(biāo)準(zhǔn)。加快推動無 人駕駛、服務(wù)機(jī)器人等細(xì)分應(yīng)用領(lǐng)域的行業(yè)協(xié)會和聯(lián)盟制定相關(guān)標(biāo)準(zhǔn)”。工信部 在《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計(jì)劃（2018-2020 年）》中指出，要建 設(shè)人工智能產(chǎn)業(yè)標(biāo)準(zhǔn)規(guī)范體系，建立并完善基礎(chǔ)共性、互聯(lián)互通、安全隱私、行 業(yè)應(yīng)用等技術(shù)標(biāo)準(zhǔn)；同時(shí)構(gòu)建人工智能產(chǎn)品評估評測體系。

我國雖然在人工智能領(lǐng)域雖然具備了良好基礎(chǔ)，語音識別、視覺識別、中文 信息處理等核心技術(shù)實(shí)現(xiàn)了突破，也具有巨大的應(yīng)用市場環(huán)境，但整體發(fā)展水平 仍落后于發(fā)達(dá)國家，在核心算法、關(guān)鍵設(shè)備、高端芯片、重大產(chǎn)品與系統(tǒng)等方面 差距較大，適應(yīng)人工智能發(fā)展的基礎(chǔ)設(shè)施、政策法規(guī)、標(biāo)準(zhǔn)體系亟待完善。

綜上分析，更應(yīng)重視人工智能標(biāo)準(zhǔn)化工作對于促進(jìn)技術(shù)創(chuàng)新、支撐產(chǎn)業(yè)發(fā)展 具有的重要引領(lǐng)作用：

（一）標(biāo)準(zhǔn)化工作有利于加快人工智能技術(shù)創(chuàng)新和成果轉(zhuǎn)化?，F(xiàn)階段人工智 能技術(shù)發(fā)展迅速，市場上逐步出現(xiàn)了可規(guī)模化、可商業(yè)化的產(chǎn)品和應(yīng)用，需要以 標(biāo)準(zhǔn)化的手段固化技術(shù)成果，實(shí)現(xiàn)快速創(chuàng)新推廣；

（二）標(biāo)準(zhǔn)化工作有助于提升人工智能產(chǎn)品和服務(wù)質(zhì)量。如市場上出現(xiàn)的人 臉識別系統(tǒng)、智能音箱、服務(wù)機(jī)器人等產(chǎn)品，質(zhì)量殘次不齊，需要標(biāo)準(zhǔn)的統(tǒng)一規(guī) 范，并配合以開展符合性測試評估的方式，提升產(chǎn)品和服務(wù)質(zhì)量；

（三）標(biāo)準(zhǔn)化工作有助于切實(shí)保障用戶安全。例如自動駕駛領(lǐng)域的“電車難 題”倫理難題、蘋果手機(jī)指紋泄露用戶隱私等問題，引起了人們的廣泛關(guān)注。如 何保護(hù)用戶權(quán)益是難點(diǎn)也是重點(diǎn)，這需要通過建立以人為本的原則，制定相關(guān)安 全標(biāo)準(zhǔn)規(guī)范，確保智能系統(tǒng)遵從并服務(wù)于人類倫理，并確保信息安全；

（四）標(biāo)準(zhǔn)化工作有助于營造公平開放的人工智能產(chǎn)業(yè)生態(tài)。當(dāng)前，行業(yè)巨 頭以開源算法、平臺接口綁定等方式，打造自有深度學(xué)習(xí)框架等生態(tài)體系，造成 用戶數(shù)據(jù)信息較難遷移。這需要統(tǒng)一的標(biāo)準(zhǔn)實(shí)現(xiàn)廠商之間的互操作與協(xié)同工作， 防止行業(yè)壟斷、用戶綁定，形成良性的產(chǎn)業(yè)生態(tài)。