報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2017新一代人工智慧發展白皮書】即可！
隨著人工智慧技術在移動網際網路、物聯網、無人駕駛等領域的應用不斷深入，人工智慧產業規模持續高速增長。中國電子學會編制《新一代人工智慧發展白皮書（2017） 》，明確人工智慧在新時期、新形勢下的技術框架、關鍵環節、應用前景，為推動人工智慧關鍵技術進步和產業化應用推廣提供措施建議，進一步推動我國智慧相關的前沿新興產業持續健康快速發展，有力支撐我國資訊化和工業化深度融合邁上新臺階。
人工智慧簡要發展歷程
從誕生至今，人工智慧已有60年的發展歷史，大致經歷了三次浪潮。第一次浪潮為20世紀50年代末至20世紀80年代初；第二次浪潮為20世紀80年代初至20世紀末；第三次浪潮為21世紀初至今。在人工智慧的前兩次浪潮當中，由於技術未能實現突破性進展，相關應用始終難以達到預期效果，無法支撐起大規模商業化應用，最終在經歷過兩次高潮與低谷之後，人工智慧歸於沉寂。隨著資訊科技快速發展和網際網路快速普及，以2006年深度學習模型的提出為標誌，人工智慧迎來第三次高速成長。
1、第一次浪潮：人工智慧誕生並快速發展，但技術瓶頸難以突破
符號主義盛行，人工智慧快速發展。1956年到1974年是人工智慧發展的第一個黃金時期。科學家將符號方法引入統計方法中進行語義處理，出現了基於知識的方法，人機互動開始成為可能。科學家發明了多種具有重大影響的演算法，如深度學習模型的雛形貝爾曼公式。除在演算法和方法論方面取得了新進展，科學家們還製作出具有初步智慧的機器。如能證明應用題的機器STUDENT（1964），可以實現簡單人機對話的機器ELIZA（1966）。人工智慧發展速度迅猛，以至於研究者普遍認為人工智慧代替人類只是時間問題。
模型存在侷限，人工智慧步入低谷。1974年到1980年。人工智慧的瓶頸逐漸顯現，邏輯證明器、感知器、增強學習只能完成指定的工作，對於超出範圍的任務則無法應對，智慧水平較為低階，侷限性較為突出。造成這種侷限的原因主要體現在兩個方面：一是人工智慧所基於的數學模型和數學手段被發現具有一定的缺陷；二是很多計算的複雜度呈指數級增長，依據現有演算法無法完成計算任務。先天的缺陷是人工智慧在早期發展過程中遇到的瓶頸，研發機構對人工智慧的熱情逐漸冷卻，對人工智慧的資助也相應被縮減或取消，人工智慧第一次步入低谷。
2、第二次浪潮：模型突破帶動初步產業化，但推廣應用存在成本障
數學模型實現重大突破，專家系統得以應用。進入20世紀80年代，人工智慧再次回到了公眾的視野當中。人工智慧相關的數學模型取得了一系列重大發明成果，其中包括著名的多層神經網路（1986）和BP反向傳播演算法（1986）等，這進一步催生了能與人類下象棋的高度智慧機器（1989）。其它成果包括通過人工智慧網路來實現能自動識別信封上郵政編碼的機器，精度可達99%以上，已經超過普通人的水平。與此同時，卡耐基·梅隆大學為DEC公司製造出了專家系統（1980），這個專家系統可幫助DEC公司每年節約4000萬美元左右的費用，特別是在決策方面能提供有價值的內容。受此鼓勵，很多國家包括日本、美國都再次投入巨資開發所謂第5代計算機（1982），當時叫做人工智慧計算機。
成本高且難維護，人工智慧再次步入低谷。為推動人工智慧的發展，研究者設計了LISP語言，並針對該語言研製了Lisp計算機。該機型指令執行效率比通用型計算機更高，但價格昂貴且難以維護，始終難以大範圍推廣普及。與此同時，在1987年到1993年間，蘋果和IBM公司開始推廣第一代桌上型電腦，隨著效能不斷提升和銷售價格的不斷降低，這些個人電腦逐漸在消費市場上佔據了優勢，越來越多的計算機走入個人家庭，價格昂貴的Lisp計算機由於古老陳舊且難以維護逐漸被市場淘汰，專家系統逐也漸淡出人們的視野，人工智慧硬體市場出現明顯萎縮。同時，政府經費開始下降，人工智慧又一次步入低谷。
3、第三次浪潮：資訊時代催生新一代人工智慧，但未來發展存在諸多隱憂
新興技術快速湧現，人工智慧發展進入新階段。隨著網際網路的普及、感測器的泛在、大資料的湧現、電子商務的發展、資訊社群的興起，資料和知識在人類社會、物理空間和資訊空間之間交叉融合、相互作用，人工智慧發展所處資訊環境和資料基礎發生了巨大而深刻的變化，這些變化構成了驅動人工智慧走向新階段的外在動力。與此同時，人工智慧的目標和理念出現重要調整，科學基礎和實現載體取得新的突破，類腦計算、深度學習、強化學習等一系列的技術萌芽也預示著內在動力的成長，人工智慧的發展已經進入一個新的階段。
人工智慧水平快速提升，人類面臨潛在隱患。得益於資料量的快速增長、計算能力的大幅提升以及機器學習演算法的持續優化，新一代人工智慧在某些給定任務中已經展現出達到或超越人類的工作能力，並逐漸從專用型智慧向通用型智慧過渡，有望發展為抽象型智慧。隨著應用範圍的不斷擴充，人工智慧與人類生產生活聯絡的愈發緊密，一方面給人們帶來諸多便利，另一方面也產生了一些潛在問題：一是加速機器換人，結構性失業可能更為嚴重；二是隱私保護成為難點，資料擁有權、隱私權、許可權等界定存在困難。
新一代人工智慧的主要驅動因素
當前，隨著移動網際網路、大資料、雲端計算等新一代資訊科技的加速迭代演進，人類社會與物理世界的二元結構正在進階到人類社會、資訊空間和物理世界的三元結構，人與人、機器與機器、人與機器的交流互動愈加頻繁。人工智慧發展所處的資訊環境和資料基礎發生了深刻變化，愈加海量化的資料，持續提升的運算力，不斷優化的演算法模型，結合多種場景的新應用已構成相對完整的閉環，成為推動新一代人工智慧發展的四大要素。
1、人機物互聯互通成趨勢，資料量呈現爆炸性增長
近年來，得益於網際網路、社交媒體、移動裝置和感測器的大量普及，全球產生並儲存的資料量急劇增加，為通過深度學習的方法來訓練人工智慧提供了良好的土壤。目前，全球資料總量每年都以倍增的速度增長，預計到2020年將達到44萬億GB，中國產生的資料量將佔全球資料總量的近20%。海量的資料將為人工智慧演算法模型提供源源不斷的素材，人工智慧正從監督式學習向無監督學習演進升級，從各行業、各領域的海量資料中積累經驗、發現規律、持續提升。
2、資料處理技術加速演進，運算能力實現大幅提升
人工智慧領域富集了海量資料，傳統的資料處理技術難以滿足高強度、高頻次的處理需求。人工智慧晶片的出現加速了深層神經網路的訓練迭代速度，讓大規模的資料處理效率顯著提升，極大地促進了人工智慧行業的發展。目前，出現了GPU、NPU、FPGA和各種各樣的AI-PU專用晶片。相比傳統的CPU只能同時做一兩個加減法運算，NPU等專用晶片多采用“資料驅動平行計算”的架構，特別擅長處理視訊、影像類的海量多媒體資料。在具有更高線性代數運算效率的同時，只產生比CPU更低的功耗。
3、深度學習研究成果卓著，帶動演算法模型持續優化
2006年，加拿大多倫多大學教授傑弗裡·辛頓提出了深度學習的概念，極大地發展了人工神經網路演算法，提高了機器自學習的能力，例如谷歌大腦團隊在2012年通過使用深度學習技術，成功讓電腦從視訊中“認出”了貓。隨著演算法模型的重要性進一步凸顯，全球科技巨頭紛紛加大了這方面的佈局力度和投入，通過成立實驗室，開源演算法框架，打造生態體系等方式推動演算法模型的優化和創新。目前，深度學習等演算法已經廣泛應用在自然語言處理、語音處理以及計算機視覺等領域，並在某些特定領域取得了突破性進展，從有監督式學習演化為半監督式、無監督式學習。
4、資本與技術深度耦合，助推行業應用快速興起
當前，在技術突破和應用需求的雙重驅動下，人工智慧技術已走出實驗室，加速向產業各個領域滲透，產業化水平大幅提升。在此過程中，資本作為產業發展的加速器發揮了重要的作用，一方面，跨國科技巨頭以資本為槓桿，展開投資併購活動，得以不斷完善產業鏈佈局，另一方面，各類資本對初創型企業的支援，使得優秀的技術型公司迅速脫穎而出。據美國技術研究公司Venture Scanner的調查報告顯示，截至到2017年12月，全球範圍內總計2075家與人工智慧技術有關公司的融資總額達到65億美元。同時，美國行業研究公司CB Insight公佈了對美國人工智慧初創企業的調查結果，這類企業的融資金額約是2012年的10倍。目前，人工智慧已在智慧機器人、無人機、金融、醫療、安防、駕駛、搜尋、教育等領域得到了較為廣泛的應用。
新一代人工智慧主要發展特徵
在資料、運算能力、演算法模型、多元應用的共同驅動下，人工智慧的定義正從用計算機模擬人類智慧演進到協助引導提升人類智慧，通過推動機器、人與網路相互連線融合，更為密切地融入人類生產生活，從輔助性裝置和工具進化為協同互動的助手和夥伴。主要特徵如下：
1、大資料成為人工智慧持續快速發展的基石
隨著新一代資訊科技的快速發展，計算能力、資料處理能力和處理速度實現了大幅提升，機器學習演算法快速演進，大資料的價值得以展現。與早期基於推理的人工智慧不同，新一代人工智慧是由大資料驅動的，通過給定的學習框架，不斷根據當前設定及環境資訊修改、更新引數，具有高度的自主性。例如，在輸入30萬張人類對弈棋譜並經過3千萬次的自我對弈後，人工智慧AlphaGo具備了媲美頂尖棋手的棋力。隨著智慧終端和感測器的快速普及，海量資料快速累積，基於大資料的人工智慧也因此獲得了持續快速發展的動力來源。
2、文字、影像、語音等資訊實現跨媒體互動
當前，計算機影像識別、語音識別和自然語言處理等技術在準確率及效率方面取得了明顯進步，併成功應用在無人駕駛、智慧搜尋等垂直行業。與此同時，隨著網際網路、智慧終端的不斷髮展，多媒體資料呈現爆炸式增長，並以網路為載體在使用者之間實時、動態傳播，文字、影像、語音、視訊等資訊突破了各自屬性的侷限，實現跨媒體互動，智慧化搜尋、個性化推薦的需求進一步釋放。未來人工智慧將逐步向人類智慧靠近，模仿人類綜合利用視覺、語言、聽覺等感知資訊，實現識別、推理、設計、創作、預測等功能。
3、基於網路的群體智慧技術開始萌芽
隨著網際網路、雲端計算等新一代資訊科技的快速應用及普及，大資料不斷累積，深度學習及強化學習等演算法不斷優化，人工智慧研究的焦點，已從單純用計算機模擬人類智慧，打造具有感知智慧及認知智慧的單個智慧體，向打造多智慧體協同的群體智慧轉變。群體智慧充分體現了“通盤考慮、統籌優化”思想，具有去中心化、自愈性強和資訊共享高效等優點，相關的群體智慧技術已經開始萌芽併成為研究熱點。例如，我國研究開發了固定翼無人機智慧叢集系統，並於2017年6月實現了119架無人機的叢集飛行。
4、自主智慧系統成為新興發展方向
在長期以來的人工智慧發展歷程中，對仿生學的結合和關注始終是其研究的重要方向，如美國軍方曾經研製的機器騾以及各國科研機構研製的一系列人形機器人等。但均受技術水平的制約和應用場景的侷限，沒有在大規模應用推廣方面獲得顯著突破。當前，隨著生產製造智慧化改造升級的需求日益凸顯，通過嵌入智慧系統對現有的機械裝置進行改造升級成為更加務實的選擇，也是中國製造2025、德國工業4.0、美國工業網際網路等國家戰略的核心舉措。在此引導下，自主智慧系統正成為人工智慧的重要發展及應用方向。例如，瀋陽機床以i5智慧機床為核心，打造了若干智慧工廠，實現了“裝置互聯、資料互換、過程互動、產業互融”的智慧製造模式。
5、人機協同正在催生新型混合智慧形態
人類智慧在感知、推理、歸納和學習等方面具有機器智慧無法比擬的優勢，機器智慧則在搜尋、計算、儲存、優化等方面領先於人類智慧，兩種智慧具有很強的互補性。人與計算機協同，互相取長補短將形成一種新的“1+1>2”的增強型智慧，也就是混合智慧，這種智慧是一種雙向閉環系統，既包含人，又包含機器元件。其中人可以接受機器的資訊，機器也可以讀取人的訊號，兩者相互作用，互相促進。在此背景下，人工智慧的根本目標已經演進為提高人類智力活動能力，更智慧地陪伴人類完成複雜多變的任務。
報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2017新一代人工智慧發展白皮書】即可！