中國信通院：人工智能發展白皮書產業應用篇（2018年）(附下載地址)

?三個皮匠微信公眾號每天給您帶來最全最新各類數據研究報告

人工智能是一種引發諸多領域產生顛覆性變革的前沿技術，當今的人工智能技術以機器學習，特別是深度學習為核心，在視覺、語音、自然語言等應用領域迅速發展，已經開始像水電煤一樣賦能于各個行業。世界各國高度重視人工智能發展，美國白宮接連發布數個人工智能政府報告，是第一個將人工智能發展上升到國家戰略層面的國家，除此以外，英國、歐盟、日本等紛紛發布人工智能相關戰略、行動計劃，著力構筑人工智能先發優勢。我國高度重視人工智能產業的發展，習近平總書記在十九大報告中指出，要“推動互聯網、大數據、人工智能和實體經濟深度融合”，從 2016 年起已有《“互聯網+人工智能三年行動實施方案》、《新一代人工智能發展規劃》、《促進新一代人工智能產業發展三年行動計劃(2018-2020 年)》等多個國家層面的政策出臺，也取得了積極的效果，我國逐漸形成了涵蓋計算芯片、開源平臺、基礎應用、行業應用及產品等環節較完善的人工智能產業鏈。 （原文來自皮匠網，關注“三個皮匠”微信公眾號，每天分享最新行業報告）

2018 人工智能發展白皮書是中國信息通信研究院、中國人工智能產業發展聯盟首次聯合發布。本篇為產業應用篇，回顧人工智能發展歷史，并重點分析當前人工智能在軟硬件支撐平臺、基礎產品、復合產品、領域應用等方面現狀、問題以及趨勢，展望未來前景并提出策略建議。 

未來發展建議

趨勢展望 

人工智能是一個寬泛的概念，有人將各類人工智能劃分為弱人工智能、強人工智能和超人工智能。從人工智能總體發展來看，一方面，深度學習只能在機器上建立淺層次的條件反射，是“弱人工智能”，真正意義上的人工智能即“強人工智能”的實現還沒有任何曙光。另一方面，依托深度學習等新一代人工智能技術的新興產業生態和行業應用的發展正方興未艾。 

專用芯片、算法平臺和特色數據成為企業打造人工智能生態體系的重要著力點。人工智能時代將會出現多種多樣的計算終端，而不僅僅局限于計算機、手機等通用設備，在芯片領域將逐步出現為特定場景而定制的具備低功耗、低成本、高性能優勢的專用芯片，將算法芯片化、產品化也成為一種趨勢。與互聯網時代地圖服務類似，人工智能自然語言處理、計算機視覺等基礎服務具有依賴數據更新不斷迭代的特點，“數據+平臺”的云服務模式將逐漸深化，人工智能基礎服務提供商不斷積累數據，提供更優質的服務。 

人工智能產品將在不斷的迭代中實現較大突破，在生產生活中得到更廣泛應用。目前，人工智能相對成熟的產品主要集中在安防監控設備等局部細分領域，智能掃地機器人、智能音箱、機器翻譯機等產品普遍存在覆蓋范圍小、使用群體少、智能化水平偏低等問題，此外，還有更多的產品空白領域。雖然在可見的未來，影視劇里面的那種具有自主意識的人工智能不會出現，但通過機器學習算法簡化軟件的復雜性、增強機器的“智能”方面還有很廣闊的發展空間。例如，輔助駕駛系統將成為汽車的必備，雖然完全無人駕駛可能很長時間都不會出現。家用電器會更加智能化，同時也會出現家庭服務機器人等新型家電產品。 

人機混合智能將成為人工智能典型應用模式，優化過程中機器智能比例會持續增大。人工智能（或機器智能）和人類智能各有所長，人機混合智能模式取長補短，將在未來有廣闊的應用前景。人機混合智能可以把人對模糊、不確定問題分析響應的高級認知機制與機器強大的運算和存儲能力緊密耦合，使得兩者相互適應、協同工作，進行雙向信息交流與控制，構成“1+1>2”的增強智能形態。人機協作、人機決策、腦機接口等人機混合智能將成為人工智能在各領域推廣應用的主流方向，正如在醫療領域醫生與外科手術機器人、新聞領域編輯審核人員與寫作機器人的協作一樣。并且，隨著應用過程中智能技術的提升和協作機制的不斷優化，機器智能將逐步接管更多工作。 

策略建議

持續完善數據資源體系，破解發展制約。深度學習需要大規模高質量的訓練數據，而數據獲取和制作成本高、數據權屬的法律界定不明確、數據標準不統一、歷史數據質量差等問題制約人工智能發展。建議充分發揮傳感器、物聯網設備在數據采集的作用，同時實現訓練數據標注從純人工標注逐漸向人工與自動標注結合的方式轉換，并不斷加大自動標注在整個標注環節中的比例。加強醫療、交通等人工智能重點領域內合作，建立行業數據統一標準，提升數據質量，從而推動人工智能應用進程。加強個人隱私保護數據立法研究，制定數據流通規則，推動數據共享流通。 

重視人工智能安全風險，減少潛在隱患。不同于傳統工業產品一切功能設定都是明確的，具有自學習、自適應、自組織、自行動的人工智能帶來不確定的風險。例如無人駕駛汽車難以應對全部的場景，在特殊天氣和路況時容易發生事故，2015 年德國大眾工廠機器人造成人員傷亡，2016 年中國“小胖”服務機器人失控傷人，這種危險同樣存在于未來可能廣泛應用的家庭服務機器人、看護機器人上。需要指出的是，人工智能的安全風險并非有些人擔心的是人工智能太強而威脅人類生存，而是太弱而無法應對復雜的應用場景造成的。因此，人工智能產品與應用提供商應重視人工智能產品和應用安全風險，通過提升技術能力、加強數據訓練、開展安全評測等多種手段減少安全隱患。

打造人工智能創新平臺，推動產業應用。發揮政府和行業作用，建設人工智能基礎數據平臺、人工智能安全檢測平臺等創新平臺，推動人工智能產業發展與應用創新。圍繞語音識別、視覺識別、自然語言處理等基礎領域及工業、醫療、金融、交通等行業領域，支持建設高質量人工智能訓練資源庫、標準測試數據集并推動共享，鼓勵建設提供知識圖譜、算法訓練、產品優化等共性服務的開放性云平臺。圍繞智能機器人、智能網聯汽車、智能終端等新興產品與應用，研究建立人工智能安全評估體系，針對設計研發、部署應用、升級維護、廢棄銷毀等人工智能產品與應用全生命周期過程中數據安全風險、算法安全風險、平臺安全風險開展安全評估，提升人工智能產品和服務質量和安全水平。 

積極開展多元路線探索，突破技術瓶頸。目前人工智能的主要技術是深度學習，即采用大數據訓練深度神經網絡，使其形成一種“條件反射”機制，從而來完成一類特定任務。這種條件反射機制是很淺層次的“智能”，沒有人類智能的靈活性、邏輯性，更無舉一反三的思辨能力，因此在復雜情況下的應用差強人意。理論并不能證明或者證偽具有類人類智能的“強人工智能”的可能性，畢竟人類連自身產生智能的機制還不清楚，只能通過不斷的工程實踐來摸索“強人工智能”的路徑，包括但不限于基于機器學習、深度學習體系的優化、基于腦科學研究的類腦智能、基于腦機接口的混合智能等多種技術路線，實現類似或者超越從機器學習到深度學習的新突破，帶動人工智能質的飛越。 

提前布局勞動資源轉換，應對就業變化。任何新的生產工具進步都會帶來勞動力的需求變化，2013 年英國牛津大學的一項研究報告顯示，未來有 700 多種職業都有被智能機器替代的可能性。如同每次科技革命的影響，技能要求低的職業首當其沖，而這次醫療、教育等需要高技能積累的行業也將受到人工智能的影響。目前人工智能對醫療影像的認知已經接近或超越有經驗的人類醫生，隨著放射影像與AI 技術融合的精準手術治療發展，未來外科醫生也可能會面臨相同的挑戰。我們應該正視未來趨勢，提前采取應對措施來適應人工智能帶來的就業供需的變化。例如通過宣傳、培訓等方式引導、鼓勵企業生產方式的轉型升級以及從業人員勞動資源的有效轉換。