人工智能技术应用现状发展趋势和相关建议.docx

《人工智能技术应用现状发展趋势和相关建议.docx》由会员分享，可在线阅读，更多相关《人工智能技术应用现状发展趋势和相关建议.docx（8页珍藏版）》请在优知文库上搜索。

1、人工智能技术应用现状发展趋势和相关建议一、人工智能的定义和要素人工智能（AI）不是单一的硬件或软件，而是一系列技术，包括解决任务所需的类人感知、认知、规划、学习、交流或物理行动，可以以软件代理或嵌入式机器人自主学习和行动的技术等。这些技术依赖于类似于堆栈的内部相关的元素，包括人才、数据、硬件、算法、应用和集成等。专业人才是发展人工智能的最基本要件，负责创造和管理其他要素。数据对于大多数人工智能系统至关重要。被标记和治理的数据才能支持机器学习，用于创建新的应用程序、改进现有程序的性能。硬件层包括由网络和通信主干网支持的云计算和云存储，用于连接网络边缘的智能传感器和设备，提供分析数据库、运行应用程

2、序的计算能力。算法是一种数学运算，告知系统如何导航数据，以提供对特定问题的答案。应用程序使得前述答案可以支持或完成特定任务。上述要素的集成对于成功部署端到端的人工智能系统至关重要，需要大量工程人才和投资来集成现有的数据流、决策管道、设备和测试设计等。二、人工智能的发展历程和运用现状（一）发展历程。模式识别、机器学习、计算机视觉、自然语言理解和语音识别等人工智能技术和应用已经发展了几十年。早期阶段，即美国国防高级研究计划局（DARPA）称之为“第一次浪潮”时期，研究人员探索了符号逻辑、专家系统和规划等许多方法。一些最有效的研发结果基于人类定义的“手工知识”，被机器用于推理和交互。过去十年是人工智

3、能的“第二次浪潮”，由大规模统计学机器学习推动，使工程师能够创建模型。在给定示例数据或模拟交互的情况下，这些模型可以在特定的问题领域训练运用。上述系统旨在从数据中学习、解决特定任务并实现特定目标，其能力在某些方面与人类的认知过程类似：感知、推理、学习、交流、决策和行动。当前部署的多数大规模人工智能系统结合了两次浪潮期间的人工智能方法。正在发生的全球数字化转型带来了天量的数据供应，促使人工智能技术来到临界点。一方面，尖端的深度学习技术十分昂贵，需要大量数据、计算能力和专业知识的支撑。另一方面，开源的应用程序、开发工具与廉价的云计算、数据密集度较低的方法相结合，又能够实现广泛、迅速的传播。统计学机

4、器学习算法，特别是深层神经网络,虽然存在一定局限性，但足以解决很多问题。强大的网络计算提高了机器学习能力，并已被广泛使用。上述因素使得人工智能可以同时为专业人员和非技术人员使用。基本问题不再是“这项技术如何工作”，而是“它能为你做些什么”。(一)当前应用。人工智能已经嵌入到我们日常使用和交互的设备中，如智能手札L、无线路由器和汽车等。我们还依赖人工智能赋能的大量应用程序。主要应用方向包括，一是规划与优化。即确定完成一系列任务的必要步骤，以节省时间和金钱，提高安全性，如城市交通规划等。二是计算机视觉。通过摄像头、传感器感知和学习视觉任务，如各类视频监控等。三是建模与仿真。模拟物理世界、经济和社会

5、活动，通过仿真来研究、优化和测试操作，同时不干扰或中断正在进行的过程，如新冠疫情研究、跟踪太空垃圾等。四是自然语言理解。使机器处理、分析、理解和模仿人类的口头和书面语言，如更丰富的人机交互，仅凭应用程序便可生成几乎与人类散文“真伪难辨”的文章等。五是机器人流程自动化（RoboticProcessAutomation,RPA）。机器人技术集成相关算法和软件，帮助将繁琐和重复的任务自动化。六是预测。事件预测和模式分析影响了金融、农业、交通等几乎所有行业，如行车路线推荐、精准农业等。三、人工智能的发展趋势随着全球投入研发的资金达到前所未有的规模（2020年高达1.7万亿美元），以及过去五年全球人工智

6、能行业投资的显著增长，人工智能技术有望出现新前景，其下一个十年趋势很可能是整合现有知识,推进新的学习方式，使系统更加强健、可靠和可推广。（一）人与人工智能的团队合作。包括在人与机器的混合群体、全机器群体之间进行智能协作。人与人工智能之间的协同能够发挥“一加一大于二”的效果。掌握二者间的协作是人工智能未来应用的基础。研发人员正在通过研究代理权限、可观察性、可预测性、可指导性和可信性来解决这一挑战。结合语言理解技术的进步，有助于创建能够总结复杂输入、参与类人交流的系统，这将成为下一代人机团队合作的关键组成。（一）新型学习方法。新的学习方法允许从数据中进行培训和推理，这将减少对大量数据集的依赖，并能

7、提高系统处理超出其原始设定范围的任务的能力,支持人工智能逐步实现背景学习和常识推理。混合人工智能技术将不同的人工智能方法结合起来，利用它们的互补优势。一是结合符号操作与神经网络，如神经符号研究。二是结合基于模型的方法和基于数据的方法。如在统计学机器学习框架内利用实体知识。三是结合所需标记数据量较少的监督学习技术和更有效的数据标记方法。四是通过模拟合成数据，即允许模型运用实际数据集可能表现的条件和场景,同时保留原始数据中重要变量与敏感数据隐私之间的关系。（三）边缘计算。不断打破体积、重量和功率障碍的专用芯片增加了人工智能的普及性。研发机构和公司正在努力将更多计算能力整合到更紧凑、专用的芯片中，从

8、而降低训练和运行模型的能耗。这类芯片允许消费设备在本地运行复杂模型，而不是向外传输数据、等待模型远程运行，有利于保护人工智能驱动系统中的个人隐私。（四）高级推理。即使是目前最有能力的人工智能系统，也缺乏人类的“常识推理”。目前，研发人员正在努力创建能够概括知识和跨领域转换学习的系统。具有常识推理能力的人工智能系统可以有效模拟人类做出和利用假设1的能力，从而表征人和物的特性行为或交互的可能后果。分类、创建广义结构化的本体及语言理解方面的进步，将推动机器在理解背景和内容的同时进行学习，从而帮助人类缩短创新所需的时间。这项研究有望为更可解释的人工智能铺平道路，同时提高其检测和缓解偏见2的能力，这对于

9、提高更通用的人工智能技术的可信度至关重要。（五）更通用的人工智能。迄今为止，人工智能解决方案已显示出“窄而深”的能力，且与人类的智能有本质区别。人类通过学习来完成任务，不需要明确的监督信号；人类概括一项任务所需的技能，并将其应用于其他任务；人类积累、操纵和推理大量常识。“人工通用智能（AGl）旨在将人工智能扩展到狭隘、垂直的专业领域之外。无论未来会产生特定的技术突破，从而使人工智能具备更通用、更人性化的能力；还是通过实现一个或多个维度的技能，持续汇集为更通用的人工智能，都要求在人机合作、新型学习、边缘计算、高级推理等领域取得重大进展。口这些假设有关人和事物的物理属性、目的、意图和行为。2人工智

10、能的伦理学问题。因为开发设计人员的价值观，其有意或无意设置的模型、输入的数据导致人工智能产生对性别、种族、年龄、文化等的“偏见”。四、人工智能的未来应用按照上述研究轨迹，人工智能将赋予人类前所未有的能力，成为各部门发明和创新的引擎。在智慧城市建设方面，如连接智能传感器、智慧道路和桥梁、协调人员和货物的移动、支持低碳能源系统等，可以提高城市安全性，赋能智慧基础设施，优化复杂的交通枢纽，保护环境。在应急救灾方面，整合多模式、多源数据的技术突破可以实现人工智能实时驱动的建模和模拟，支持政府应对流行病和自然灾害等危机，帮助制定响应计划，加快指挥和控制，优化灾备组织。包括无人机搭载地图、建筑布局和其他视

11、觉数据层，可增强救援人员对应急场景的理解能力。在支持科学研究方面，可以加速新材料的开发、发现和有效利用、韧性研究；加快药物和疫苗的发现；通过支持自主航天器和智能空间站建设，扩大太空探索的领域和灵活性。在医疗保健方面，可以推进人工智能辅助的疾病预防，辅助早期疾病检测和监控,减轻残疾影响，支持患者护理。如避免心血管疾病和中风、生物传感器、支持视力修复、远程医疗机器人等。在教育方面，更好地了解人类如何学习与人工智能合作，有助于制定更有效的人类培训计划，提高培训的安全性；同时支持优化个人学习，如增强动态课程、使用虚拟和增强现实技术的远程数字导师等。在跨语种交流方面，自然语言理解的进步可以对外语进行实时

12、、随地的翻译，提供跨越地理和文化障碍的沟通方式，支持商业、外交和思想上的自由交流。五、对深圳发展人工智能产业的建议人工智能位于新兴技术群的中心，通过促进大量相邻技术发展,在各领域发挥创新杠杆作用。建议发挥深圳比较优势，全力支持人工智能技术及应用发展。(一)按照人工智能技术组成要素完善研发和产业政策。深圳市新一代人工智能发展行动计划(20192023年)从人工智能基础研究、核心关键技术、产品、产业、企业、应用、基础设施、人才、伦理、空间等角度支持人工智能发展，规定较为全面。但考虑到人工智能的技术混合、前沿与应用结合等特点，可以按照其涉及的数据、计算能力、算法、应用、集成等技术要素和芯片供应链、基

13、础设施、投资、人才等支持要素出发，完善相关政策，形成相互关联、彼此支撑的政策有机体。空间布局方面，可以考虑避免同一园区集中引进一个技术方向企业的做法，混合微机电系统、传感器等硬件、算法、应用集成、数据处理等方向企业的园区，可能更有利于人工智能技术创新应用。(一)结合深圳实际，扬长补短。在技术层面，深圳具有发展人工智能的良好硬件基础，计算能力、应用程序开发、集成是深圳企业的长项，但在算法方面不具备明显优势，数据治理和应用的制度障碍仍未完全消除。建议继续巩固硬件优势，增强以专用芯片为代表的供应链弹性；敦促引导深圳高校进一步将算法研究与实践需求相结合;加快打破政府数据脱敏后安全运用的隐性障碍。在运用

14、层面，建议由深圳市人工智能学会牵头，探索由市属国企出资，华为、腾讯、商汤科技等人工智能龙头企业和相关院所参与，建立由云计算资源、试验台、大规模开放式培训数据和开放式知识网络组成的人工智能研究基础设施，将科学设想、新概念、实验和操作串联起来，支持新技术和工程领域的实验，以扩大人工智能的使用范围。在环境层面，深圳拥有对人工智能及其应用持开放欢迎态度的广大消费者、参与者群体,有利于创造和扩大人工智能市场；具备全国最优的区域创新生态系统和创新集群网络；建议进一步充实人工智能人才库，抓住美国限制中国学者、留学生接触人工智能算法、机器学习等前沿技术领域的机会,有针对性地吸引上述专业人才来深创业。（三）充分

15、发挥政府统筹作用。集成人工智能通常需要克服大量的组织和文化障碍，亟需自上而下的统筹和领导，政府在其中发挥着不可或缺的作用，特别是与工业界、学术界和社会合作，促进形成多样化和有弹性的研发生态系统及商业部门，取得并维护公众对人工智能及其运用的信任。此外，人工智能技术的快速演进会带来新的风险和更大的安全挑战，需要在研发的同时确保系统安全性和可控性，以及符合开发目标和价值。这不仅需要配套的新技术，还需要政府及时跟踪、引导、运用上述新技术，并制定相应的隐私保护、公平安全使用等政策法规。（四）拓展应用，以市场和需求牵引技术进步。科学家们继续在人工智能领域取得突破，商业部门正在寻找加速人工智能应用的新方法，世界各主要发达国家竞相开发人工智能的战略和投资资源，导致很难预测人工智能的明确发展方向。但谁先将人工智能开发转化为应用程序，谁就能拥有当前市场和未来技术选择优势。建议进一步关注企业，特别是支持创新型小微企业对人工智能技术的集成和应用，在敏感响应市场需求的同时，牵引人工智能技术进步。