报告下载：添加199IT官方微信【i199it】，回复关键词【2017新一代人工智能发展白皮书】即可！
随着人工智能技术在移动互联网、物联网、无人驾驶等领域的应用不断深入，人工智能产业规模持续高速增长。中国电子学会编制《新一代人工智能发展白皮书（2017） 》，明确人工智能在新时期、新形势下的技术框架、关键环节、应用前景，为推动人工智能关键技术进步和产业化应用推广提供措施建议，进一步推动我国智能相关的前沿新兴产业持续健康快速发展，有力支撑我国信息化和工业化深度融合迈上新台阶。
人工智能简要发展历程
从诞生至今，人工智能已有60年的发展历史，大致经历了三次浪潮。第一次浪潮为20世纪50年代末至20世纪80年代初；第二次浪潮为20世纪80年代初至20世纪末；第三次浪潮为21世纪初至今。在人工智能的前两次浪潮当中，由于技术未能实现突破性进展，相关应用始终难以达到预期效果，无法支撑起大规模商业化应用，最终在经历过两次高潮与低谷之后，人工智能归于沉寂。随着信息技术快速发展和互联网快速普及，以2006年深度学习模型的提出为标志，人工智能迎来第三次高速成长。
1、第一次浪潮：人工智能诞生并快速发展，但技术瓶颈难以突破
符号主义盛行，人工智能快速发展。1956年到1974年是人工智能发展的第一个黄金时期。科学家将符号方法引入统计方法中进行语义处理，出现了基于知识的方法，人机交互开始成为可能。科学家发明了多种具有重大影响的算法，如深度学习模型的雏形贝尔曼公式。除在算法和方法论方面取得了新进展，科学家们还制作出具有初步智能的机器。如能证明应用题的机器STUDENT（1964），可以实现简单人机对话的机器ELIZA（1966）。人工智能发展速度迅猛，以至于研究者普遍认为人工智能代替人类只是时间问题。
模型存在局限，人工智能步入低谷。1974年到1980年。人工智能的瓶颈逐渐显现，逻辑证明器、感知器、增强学习只能完成指定的工作，对于超出范围的任务则无法应对，智能水平较为低级，局限性较为突出。造成这种局限的原因主要体现在两个方面：一是人工智能所基于的数学模型和数学手段被发现具有一定的缺陷；二是很多计算的复杂度呈指数级增长，依据现有算法无法完成计算任务。先天的缺陷是人工智能在早期发展过程中遇到的瓶颈，研发机构对人工智能的热情逐渐冷却，对人工智能的资助也相应被缩减或取消，人工智能第一次步入低谷。
2、第二次浪潮：模型突破带动初步产业化，但推广应用存在成本障
数学模型实现重大突破，专家系统得以应用。进入20世纪80年代，人工智能再次回到了公众的视野当中。人工智能相关的数学模型取得了一系列重大发明成果，其中包括著名的多层神经网络（1986）和BP反向传播算法（1986）等，这进一步催生了能与人类下象棋的高度智能机器（1989）。其它成果包括通过人工智能网络来实现能自动识别信封上邮政编码的机器，精度可达99%以上，已经超过普通人的水平。与此同时，卡耐基·梅隆大学为DEC公司制造出了专家系统（1980），这个专家系统可帮助DEC公司每年节约4000万美元左右的费用，特别是在决策方面能提供有价值的内容。受此鼓励，很多国家包括日本、美国都再次投入巨资开发所谓第5代计算机（1982），当时叫做人工智能计算机。
成本高且难维护，人工智能再次步入低谷。为推动人工智能的发展，研究者设计了LISP语言，并针对该语言研制了Lisp计算机。该机型指令执行效率比通用型计算机更高，但价格昂贵且难以维护，始终难以大范围推广普及。与此同时，在1987年到1993年间，苹果和IBM公司开始推广第一代台式机，随着性能不断提升和销售价格的不断降低，这些个人电脑逐渐在消费市场上占据了优势，越来越多的计算机走入个人家庭，价格昂贵的Lisp计算机由于古老陈旧且难以维护逐渐被市场淘汰，专家系统逐也渐淡出人们的视野，人工智能硬件市场出现明显萎缩。同时，政府经费开始下降，人工智能又一次步入低谷。
3、第三次浪潮：信息时代催生新一代人工智能，但未来发展存在诸多隐忧
新兴技术快速涌现，人工智能发展进入新阶段。随着互联网的普及、传感器的泛在、大数据的涌现、电子商务的发展、信息社区的兴起，数据和知识在人类社会、物理空间和信息空间之间交叉融合、相互作用，人工智能发展所处信息环境和数据基础发生了巨大而深刻的变化，这些变化构成了驱动人工智能走向新阶段的外在动力。与此同时，人工智能的目标和理念出现重要调整，科学基础和实现载体取得新的突破，类脑计算、深度学习、强化学习等一系列的技术萌芽也预示着内在动力的成长，人工智能的发展已经进入一个新的阶段。
人工智能水平快速提升，人类面临潜在隐患。得益于数据量的快速增长、计算能力的大幅提升以及机器学习算法的持续优化，新一代人工智能在某些给定任务中已经展现出达到或超越人类的工作能力，并逐渐从专用型智能向通用型智能过渡，有望发展为抽象型智能。随着应用范围的不断拓展，人工智能与人类生产生活联系的愈发紧密，一方面给人们带来诸多便利，另一方面也产生了一些潜在问题：一是加速机器换人，结构性失业可能更为严重；二是隐私保护成为难点，数据拥有权、隐私权、许可权等界定存在困难。
新一代人工智能的主要驱动因素
当前，随着移动互联网、大数据、云计算等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。人工智能发展所处的信息环境和数据基础发生了深刻变化，愈加海量化的数据，持续提升的运算力，不断优化的算法模型，结合多种场景的新应用已构成相对完整的闭环，成为推动新一代人工智能发展的四大要素。
1、人机物互联互通成趋势，数据量呈现爆炸性增长
近年来，得益于互联网、社交媒体、移动设备和传感器的大量普及，全球产生并存储的数据量急剧增加，为通过深度学习的方法来训练人工智能提供了良好的土壤。目前，全球数据总量每年都以倍增的速度增长，预计到2020年将达到44万亿GB，中国产生的数据量将占全球数据总量的近20%。海量的数据将为人工智能算法模型提供源源不断的素材，人工智能正从监督式学习向无监督学习演进升级，从各行业、各领域的海量数据中积累经验、发现规律、持续提升。
2、数据处理技术加速演进，运算能力实现大幅提升
人工智能领域富集了海量数据，传统的数据处理技术难以满足高强度、高频次的处理需求。人工智能芯片的出现加速了深层神经网络的训练迭代速度，让大规模的数据处理效率显著提升，极大地促进了人工智能行业的发展。目前，出现了GPU、NPU、FPGA和各种各样的AI-PU专用芯片。相比传统的CPU只能同时做一两个加减法运算，NPU等专用芯片多采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。在具有更高线性代数运算效率的同时，只产生比CPU更低的功耗。
3、深度学习研究成果卓著，带动算法模型持续优化
2006年，加拿大多伦多大学教授杰弗里·辛顿提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器自学习的能力，例如谷歌大脑团队在2012年通过使用深度学习技术，成功让电脑从视频中“认出”了猫。随着算法模型的重要性进一步凸显，全球科技巨头纷纷加大了这方面的布局力度和投入，通过成立实验室，开源算法框架，打造生态体系等方式推动算法模型的优化和创新。目前，深度学习等算法已经广泛应用在自然语言处理、语音处理以及计算机视觉等领域，并在某些特定领域取得了突破性进展，从有监督式学习演化为半监督式、无监督式学习。
4、资本与技术深度耦合，助推行业应用快速兴起
当前，在技术突破和应用需求的双重驱动下，人工智能技术已走出实验室，加速向产业各个领域渗透，产业化水平大幅提升。在此过程中，资本作为产业发展的加速器发挥了重要的作用，一方面，跨国科技巨头以资本为杠杆，展开投资并购活动，得以不断完善产业链布局，另一方面，各类资本对初创型企业的支持，使得优秀的技术型公司迅速脱颖而出。据美国技术研究公司Venture Scanner的调查报告显示，截至到2017年12月，全球范围内总计2075家与人工智能技术有关公司的融资总额达到65亿美元。同时，美国行业研究公司CB Insight公布了对美国人工智能初创企业的调查结果，这类企业的融资金额约是2012年的10倍。目前，人工智能已在智能机器人、无人机、金融、医疗、安防、驾驶、搜索、教育等领域得到了较为广泛的应用。
新一代人工智能主要发展特征
在数据、运算能力、算法模型、多元应用的共同驱动下，人工智能的定义正从用计算机模拟人类智能演进到协助引导提升人类智能，通过推动机器、人与网络相互连接融合，更为密切地融入人类生产生活，从辅助性设备和工具进化为协同互动的助手和伙伴。主要特征如下：
1、大数据成为人工智能持续快速发展的基石
随着新一代信息技术的快速发展，计算能力、数据处理能力和处理速度实现了大幅提升，机器学习算法快速演进，大数据的价值得以展现。与早期基于推理的人工智能不同，新一代人工智能是由大数据驱动的，通过给定的学习框架，不断根据当前设置及环境信息修改、更新参数，具有高度的自主性。例如，在输入30万张人类对弈棋谱并经过3千万次的自我对弈后，人工智能AlphaGo具备了媲美顶尖棋手的棋力。随着智能终端和传感器的快速普及，海量数据快速累积，基于大数据的人工智能也因此获得了持续快速发展的动力来源。
2、文本、图像、语音等信息实现跨媒体交互
当前，计算机图像识别、语音识别和自然语言处理等技术在准确率及效率方面取得了明显进步，并成功应用在无人驾驶、智能搜索等垂直行业。与此同时，随着互联网、智能终端的不断发展，多媒体数据呈现爆炸式增长，并以网络为载体在用户之间实时、动态传播，文本、图像、语音、视频等信息突破了各自属性的局限，实现跨媒体交互，智能化搜索、个性化推荐的需求进一步释放。未来人工智能将逐步向人类智能靠近，模仿人类综合利用视觉、语言、听觉等感知信息，实现识别、推理、设计、创作、预测等功能。
3、基于网络的群体智能技术开始萌芽
随着互联网、云计算等新一代信息技术的快速应用及普及，大数据不断累积，深度学习及强化学习等算法不断优化，人工智能研究的焦点，已从单纯用计算机模拟人类智能，打造具有感知智能及认知智能的单个智能体，向打造多智能体协同的群体智能转变。群体智能充分体现了“通盘考虑、统筹优化”思想，具有去中心化、自愈性强和信息共享高效等优点，相关的群体智能技术已经开始萌芽并成为研究热点。例如，我国研究开发了固定翼无人机智能集群系统，并于2017年6月实现了119架无人机的集群飞行。
4、自主智能系统成为新兴发展方向
在长期以来的人工智能发展历程中，对仿生学的结合和关注始终是其研究的重要方向，如美国军方曾经研制的机器骡以及各国科研机构研制的一系列人形机器人等。但均受技术水平的制约和应用场景的局限，没有在大规模应用推广方面获得显著突破。当前，随着生产制造智能化改造升级的需求日益凸显，通过嵌入智能系统对现有的机械设备进行改造升级成为更加务实的选择，也是中国制造2025、德国工业4.0、美国工业互联网等国家战略的核心举措。在此引导下，自主智能系统正成为人工智能的重要发展及应用方向。例如，沈阳机床以i5智能机床为核心，打造了若干智能工厂，实现了“设备互联、数据互换、过程互动、产业互融”的智能制造模式。
5、人机协同正在催生新型混合智能形态
人类智能在感知、推理、归纳和学习等方面具有机器智能无法比拟的优势，机器智能则在搜索、计算、存储、优化等方面领先于人类智能，两种智能具有很强的互补性。人与计算机协同，互相取长补短将形成一种新的“1+1>2”的增强型智能，也就是混合智能，这种智能是一种双向闭环系统，既包含人，又包含机器组件。其中人可以接受机器的信息，机器也可以读取人的信号，两者相互作用，互相促进。在此背景下，人工智能的根本目标已经演进为提高人类智力活动能力，更智能地陪伴人类完成复杂多变的任务。
报告下载：添加199IT官方微信【i199it】，回复关键词【2017新一代人工智能发展白皮书】即可！
更多阅读：
