人工智能研究报告简版样本.doc

资料内容仅供您学习参考，如有不当之处，请联系改正或者删除。
内部资料

人工智能技术与应用态势

新兴产业百人会
9月

一、 人工智能发展总体态势
( 一) 发达国家把人工智能提升至战略高度
人工智能是引领未来的战略性技术, 世界主要发达国家把发展人工智能作为提升国家竞争力、 维护国家安全的重大战略, 加紧出台规划和政策, 围绕核心技术、 顶尖人才、 标准规范等强化部署, 力图在新一轮国际科技竞争中掌握主导权。美国于 启动创新神经技术脑研究( BRAIN) 计划, 5月美国白宫成立了”人工智能和机器学习委员会”, 同年10月美国发布了《国家人工智能研究发展战略规划》与《为未来的人工智能做好准备》两份报告, 提出了美国人工智能的七大发展战略, 并针对人工智能的潜在风险问题提出了对策建议。欧盟于 提出了人脑计划, 目的是经过计算机技术模拟大脑, 建立一套具有创新性的全新的生成、 分析、 整合及模拟数据的信息通信技术平台。 , 欧盟委员会还与欧洲机器人协会合作完成了SPARC计划, 以资助机器人领域的相关创新。日本也高度重视对人工智能发展的支持, 日本于 制定了人工智能产业化路线图, 计划分三个阶段推进利用人工智能技术, 以大幅提高制造业、 物流、 医疗和护理行业效率。
中国已出台多个与人工智能相关的行动计划或规划方案。 7月, 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。《中国制造2025》重点领域技术路线图中也构建了机器人产业发展蓝图。 3月, 两会授权发布《中华人民共和国国民经济和社会发展第十三个五年规划纲要》, 提出”重点突破大数据和云计算关键技术、 自主可控操作系统、 高端工业和大型管理软件、 新兴领域人工智能技术”。 5月, 国家发改委在《”互联网+”人工智能三年行动实施方案》中明确提出, 至 中国将形成千亿元级人工智能市场应用规模。 7月国务院印发《新一代人工智能发展规划》是中国针对人工智能领域的第一个系统部署文件, 对2030年中国人工智能发展的总体思路、 战略目标、 重点任务及保障措施做了系统性规划。
( 二) 人工智能相关技术取得突破性进展
在移动互联网、 大数据、 超级计算、 传感网、 脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下, 人工智能正在加速发展, 呈现出深度学习、 跨界融合、 人机协同、 群智开放、 自主操控等新特征。在算法方面, 深度学习算法重要性日益凸显, 卷积神经网络、 递归神经网络及生成对抗网络等成为业界关注焦点, 广泛地应用于自然语言理解、 计算机视觉、 无人驾驶、 人机博弈等场景。在硬件方面, CPU+GPU、 FPGA、 TPU、 仿人脑神经芯片及量子人工智能处理器等硬件构架呈现多源快速突破态势。
当前, 中国在计算机视觉、 语音识别技术方面处于国际领先水平, 技术日渐成熟, 革命性应用产品有望持续推出。如在语音识别技术方面, 百度的语音识别准确率在 已超过90%。国内龙头科大讯飞在 ChiME Challenge比赛中的识别错误率已降至2.24%, 准确率正在接近99%的人机交互质变阈值。在计算机视觉方面, 中国学术界和工业界团队包揽了 ImageNet图像识别大赛的多项冠军, 商汤科技和港中文获得目标检测第一, 公安部三所获得目标定位第一, 海康威视获得场景分类第一。

图1 人工智能技术成熟度曲线
( 三) 人工智能成为产业竞争的新焦点
国外有谷歌、 Facebook、 因特尔、 微软、 苹果、 特斯拉, 中国有百度、 腾讯、 阿里巴巴等, 这些企业纷纷将人工智能作为企业未来的业务核心。 , Facebook将人工智能做为其远景布局中的三大支柱之一。亚马逊也表示Alexa语音助手有望成为第四大业务支柱。谷歌10月宣布从移动先行转向人工智能先行。
人工智能的创新型企业正在成为国际并购热点, 不少大型科技型企业经过持续收购来储备相关人才和技术。CB Insights数据表明, 至 全球有近140家从事先进人工智能技术的企业被收购, 其中 被收购的企业数量达到了40家。据《乌镇指数: 全球人工智能发展报告 》数据, 中国人工智能投资在 上半年达到了约6亿美元的规模, 其中第二季度更是达到了创纪录的4.7亿美元, 这表明中国在人工智能领域的投资明显加快。
( 四) ”智能+”经济生态日益完善
人工智能与各产业领域产生深度融合, 形成了数据驱动、 人机协同、 跨界融合、 共创分享的智能经济生态。一方面, 在人工智能新兴产业方面, 重点领域智能产品不断取得创新, 人工智能新兴业态持续涌现。另一方面, 人工智能与各行业的融合创新不断深化, 已在制造、 农业、 物流、 金融、 商务、 家居等重点行业和领域取得广泛应用。

数据来源: Analysys易观
图2 人工智能产业生态图谱
二、 人工智能技术前沿动态
( 一) 深度学习成为人工智能时代的核心算法
深度学习一般被认为是一种改良的计算机神经网络, 大量神经元组合成多层网络结构时, 能够解决复杂问题。当前比较流行的深度学习算法有以下几种: 一是卷积神经网络, 主要应用于计算机视觉相关任务, 处理对象不局限于图像, 可用于能够表示为张量的任意类型的数据, 其类似于大脑处理视觉输入, 能够丢弃次要细节, 优先识别出某种显著模式。二是循环神经网络, 主要应用于处理序列化的问题与任务, 如音频和视频( 随时间变化的帧序列) 识别。三是生成对抗网络, 其将对抗看作是一种训练的方法, 对抗生成网络由生成器和鉴定器构成, 生产者( 生成器) 想方设法欺骗购买者( 鉴定器) , 而购买者( 鉴定器) 不断总结经验, 降低受骗几率, 达到共同进步的效果。四是深度森林, 该算法由于计算开销小、 模型效果好、 超参数少、 复杂度自适应伸缩、 交叉验证等特点, 当前成为业界关注的焦点算法。
表1 不同算法的测试精度比较( GTZAN数据库)
算法
精度
多粒度级联森林
65.67%
卷积神经网络
59.20%
多层神经网络
58.00%
随机森林
50.33%
资料来源:
( 二) 人工智能芯片硬件架构呈多源快速突破态势
深度学习需要很高的内在并行度、 大量的浮点计算能力以及矩阵运算, 传统芯片架构已经不能满足其需求, 当前人工智能芯片硬件架构呈现多源快速突破态势。
CPU+GPU架构。GPU使用SIMD( 单指令多数据流) 来让多个执行单元以同样的步调处理不同的数据, 适合于处理深度学习任务中的非线性离散数据, ”CPU+GPU”架构已成为谷歌、 Facebook、 百度、 微软等企业训练深度神经网络的主流选择, 如围棋人机大战的AlphaGo配置是280颗GPU和1920颗CPU。
现场可编程门阵列( FPGA) 。FPGA的优点是能够根据应用特征来定制计算和存储结构, 具有较高的性能功耗比和灵活性, 百度采用了FPGA打造百度大脑专用AI芯片, 微软利用FPGA打造了Brainwave平台。
张量处理单元( TPU) 。TPU是谷歌专门为人工智能量身打造的一款芯片, 当前谷歌TensorFlow团队已经公布了TensorFlow Research Cloud( 云开发平台) , 其具有1000个云TPU的服务器集群, 可服务于计算密集型项目。
神经处理单元。寒武纪开发的DianNao指令集直接面对大规模神经元和突触的处理, 华为的麒麟970将可能整合神经处理单元( NPU) , IBM的TrueNorth是内置4096个内核、 100万个神经元及2.56亿个突触的神经芯片。
量子处理单元。 3月, IBM宣布计划建立业界首个商用通用量子计算平台—IBM Q系统。该系统将经过IBMCloud平台交付使用, 其量子位已达到16至17位。IBM预测未来 内可能打造出一台50至100量子位的计算机。
( 三) 人工智能前沿应用领域不断拓展
人工智能应用领域日益拓展, 当前应用于自然语言处理、 语音识别、 计算机视觉、 自动驾驶、 智能医疗、 机器人、 智能媒体、 智能客服、 智能家居等场景。

图3 人工智能应用场景
自然语言处理。哈工大、 IBM、 谷歌等已经开放了语音技术平台, 发布了大量便于开发人员使用的API。多家知名公司推出了机器翻译产品, 微软的Skype和Microsoft Translator、 IBM的ViaVoice Translator、 谷歌的Google translate、 百度机器翻译等。
语音识别。Nuance推出的汽车级语音平台Dragon Drive, 经过与手机连接, 能够帮用户实现语音控制GPS导航、 信息收发、 电话接打、 社交网络更新等。科大讯飞推出的AIUI, 提供远场唤醒和识别降噪方案, 兼容全国近十七种方言。据Research and Markets研究报告, 到2020年全球语音市场规模预计到达191.7亿美元。
计算机视觉。人工智能在图像识别、 医疗影像诊断、 工业视觉检测、 视频监控、 三维视觉等领域有着重要应用, 国内企业有云从科技、 旷视科技、 商汤科技、 海康视威等, 国外企业有Identix、 Bioscrypt、 Cognitec Systems等。
自动驾驶。谷歌、 Uber、 特斯拉、 百度等企业正在致力于开发自动驾驶系统, 而福特、 通用、 奥迪等传统汽车企业也积极研究自动驾驶技术。谷歌自动驾驶汽车的总行驶里程已突破了200万英里, 新一代奥迪A8是第一款搭载三级自动驾驶技术的量产车。
智能媒体。国外媒体如洛杉矶时报、 美联社、 纽约时报和华盛顿邮报, 国内的腾讯、 今日头条、 第一财经和新华社为主要代表的媒体均已运用了写作智能机器人, 主要涉及财经和体育领域的写作。在内容传播方面, 今日头条、 一点资讯、 天天快报等正在利用智能算法进行内容分发和推荐。
智能客服。中国移动在 推出的智能机器人客服”移娃”已经全面应用于中国移动服务体系, 其中包括6个全网服务渠道, 30个省内渠道, 月均访问量超过千万, 识别能力超过90%。阿里巴巴推出人工智能服务产品”阿里小蜜”, 其服务能力堪比3.3万个人工客服。
三、 人工智能对产业的影响
( 一) 对经济驱动要素的影响
传统理论认为, 资本和劳动力是推动经济发展两大要素, 提高要素投入量或是增加利用效率, 便能够促进经济增长。技术创新则反映在全要素生产率之中。人工智能的发展不但能够提高全要素生产率, 更有可能成为未来的一种全新生产要素。一方面, 人工智能型资产具有自主学习和自适应能力, 随着时间的推移其能力可能越来越好, 这与不断折旧的传统资产有着本质区别。另一方面, 人工智能与劳动力也有着区别, 人工智能在某些领域已具备超越人类的创造力, 例如人类几百年形成的围棋定式被AlphaGo所改变。人工智能构成全新的生产要素, 将对经济产生革命性影响。埃森哲预测2035年人工智能将为中国带来6万亿美元的额外增长。

资料来源: 埃森哲
图4 人工智能作为新增长要素的经济增长模型

资料来源: 埃森哲和经济学前沿
图5 2035年中国经济总增加值( 10亿美元)
( 二) 对重点产业领域的影响
制造业。物联网等前沿技术已为智能系统的无缝整合创造了有利条件。物联网与人工智能的关系如同眼睛和大脑配合使生物不断进化的关系。以往工业自动化依赖于工业机器人, 但在物联网时代, 工业机器人将从物理形态的硬件化向软件化发展, 云端虚拟状态与物理端实体结合。
交通运输。”无人驾驶”+”车联网”将重新塑造交通未来版图。无人车自身是视觉识别、 语音识别、 自主决策、 机械控制于一体, 能够把人、 车、 环境联系在一起, 把个体目的和整体管理相结合。无人车联网系统一旦形成, 将像血管和神经一样连接其它系统。

图6 无人车发展路线
智能医疗。IBM推出的Watson在 经过了美国职业医师资格考试, 并部署在美国多家医院提供辅助诊疗的服务。阿里携手万里云正式发布”Doctor You”AI系统, 主攻方向是医学影像诊断领域。腾讯发起人工智能医学影像联合实验室, 并公布其首个AI医学影像产品”腾讯觅影”, 可用于辅助早期食道癌等疾病的筛查。
智能家居。亚马逊在 就发布了一款具有语音识别的Echo智能音响产品, CIRP数据显示Echo发售至今已售出400万台。在 谷歌I/O全球开发者大会上, 谷歌向外界展示了一款智能家居核心处理系统Google Home。京东与科大讯飞合作打造叮咚智能音箱, 国内的科技巨头百度也表示将推出智能音箱, 并围绕其打造智能家居。
( 三) 对产业链各环节的影响
研发设计。人工智能使业务流程自动化, 知识管理工作自动化, 以及管理本身的智能化, 包括数据采集到反馈、 监控、 评估, 智能化的分析预测以及决策的智能化。人工智能的数据处理能力将逐渐的替代研发设计环节中的流程性工作部分, 使得传统的连续变量设计与混合离散变量设计模式向随机变量与模糊变量优化设计模式转变。
生产制造。智能机器将带来劳动物化变革, 人工智能的引入将会使得传统机械、 人工向智能机器、 人机一体化发展。人工智能将加速推动制造流程再造, 传统投料式、 集中式的”硬性”制造将向分布式、 自组织的”超柔性”制造变革。人工智能技术的引入, 将改变传统制造企业的纵向集成, 实现智能联网式生产。
服务应用。人工智能能够依据用户使用偏好、 关注重点等多方面因素, 为企业提供更加准确的决策, 进而制定个性化服务方案。人工智能将加速要素自由流动, 增强企业对物流、 信息流、 资金流等的分析反馈能力, 从而提升服务效率。
四、 人工智能对社会的影响
( 一) 对劳动就业造成的影响
人工智能对就业市场的影响是多方面的, 能够分为三类: 从替代来看, 人工智能既有对体力的替代, 也有对脑力劳动的替代, 而且脑力替代比例会越来越高; 从互补效应看, 人工智能将充分体现服务功能, 人工智能要求人类与机器进行无缝交互, 未来人机交互将是人工智能发展的重要方向; 从创造效应看, 人工智能的发展将催生更多新的产业、 产品和服务, 并创造出新的岗位, 例如大数据分析岗位等。
( 二) 对社会安全造成的影响
基于深度学习技术的新一代人工智能产品大都具备自学习能力和自适应能力, 如果放任自流, 难以保证其行为结果与大众期望利益始终一致。Google公司曾研发出一款智能数码相册软件, 该智能产品在经过有监督的学习后, 会把那些黑色皮肤人群识别为大猩猩, 这表明人工智能产品也存在种族歧视问题。
( 三) 对法律体系构成的影响
新一代人工智能的高度自主化特征可能造成难以预见的后果。风险与问题一旦发生, 人工智能研发者、 运营者和使用者的责任归属和量罪定刑难以界定。例如, 5月特斯拉S型电动轿车在开启Autopilot辅助驾驶模式下发生撞车事故, 这起事故判责存在严重分歧, 特斯拉公司、 用户、 传感器Mobileye公司各执一词, 可能都需要承担一定的责任。正是由于Autopilot系统游走于法律灰色地带, 当前该事故还处于责任推诿状态。
( 四) 对行业监管带来的难题
人工智能研发过程较为分散和隐蔽, 增加了事前监管措施( 比如, 风险点监测和预警) 的难度。人工智能由于缺乏物理可见性, 监管部门发现危险源的困难程度大大增加。由于开源技术的日积月累, 普通大众借助个人电脑或智能手机就能完成具有特定功能的人工智能系统开发, 这意味着潜在危险源极为分散。人工智能程序一般借助虚拟社区进行协同研发, 系统往往由不同的组件构成, 监管部门即便识别危险源后, 也难以明确其责任主体。
表2 智库机构关于人工智能对社会影响的典型观点
智库名称
主要观点
波士顿咨询公司
除非政府采取措施, 否则下一波自动化浪潮将会极大地增加社会不平等, 进一步扩大贫富差距; 可是, 仍有一些理由对未来的自动化浪潮持乐观态度, 特别是当政府能够鼓励民众接受STEM( 科学、 技术、 工程、 数学) 方面的专业培训时。
麦肯锡
麦肯锡全球研究院近期的一份报告对全球800多种职业所涵盖的 多项工作内容进行分析后发现, 全球约50%的工作内容能够经过改进现有技术实现自动化。
凤凰国际智库
近期, 它正在让很多蓝领工人和下层白领失去工作岗位; 中期威胁: 人工智能的反叛和失控; 远期威胁: 将最终消解人类生存的根本意义。
亿欧智库
社会等领域都面临着各种不同的与人工智能相关的难题, 包括难以创造安全可靠的感知和作业硬件( 交通和服务机器人) 、 难以获得公众的信任( 低资源社区和公共安全) 、 难以克服对人类被边缘化的恐惧( 就业和工作场所) 、 以及还存在减少人际交往的风险( 娱乐) 等。
埃森哲
首先, 它能创造虚拟劳动力—就是我们说的智能自动化。第二, 能够补充和提高现有劳动力和实物资本的技能和能力。第三, 像其它以前的技术一样, Al能够推动经济的创新。随着时间的推移, 这将成为广泛的结构转型的催化剂, 因为发展使用AI的国家不但会在在方法上创新, 也能够别出心裁开辟新领域。
美国白宫 发布的人工智能报告
人工智能驱动下的自动化将会使会对失业、 劳动力参与率和工资产生长期、 巨大的负面影响。这意味着, 许多失业工人很难将自己的技能与新的就业机会匹配起来。但很难预测人工智能会对哪些职业产生冲击。未来可能直接由人工智能驱动的工作将出现, 包括人类与现有人工智能技术的合作、 开发新的人工智能技术、 在实践中监督人工智能技术以及由新的人工智能技术所引发的社会范式转化。
欧洲经济和社会委员会
人工智能的发展使社会受益、 促进了包容性和改进人们的生活, 因此要积极支持和促进人工智能的发展。
英国政府报告《人工智能: 未来决策制定的机遇与影响》
人工智能技术还有可能从公用数据中推导出某类私人信息, 如个人或和个人有关的其它人员的在线行为, 该信息可能超出个人起初同意披露的范围。
经济产业省发布报告
由于人工智能(AI)和机器人等的技术革新, 如不采取任何措施, 到2030年度日本国内就业人数将减少735万人。如果被海外企业掌握人工智能等业务核心, 日本企业将沦为给海外企业”打工”。