人工智能英语报告（精选6篇）
人工智能英语报告 第1篇
《人工智能》阅读报告之
姓名：
学号：
班级：
指导教师：
历史、现状与未来
2014/4/6
我并不是通过看书而是通过一部由斯皮尔伯格执导的科幻电影——《AI》接触到人工智能这个概念的。虽然这只是一部2001年的电影，距今已有13年之久，但是它对我的启迪是长久的。电影剧情在此不做探究，只是它展示给我们的未来让我对人工智能非常好奇，所以我通过图书馆和网络搜集阅读了一些材料，争取对人工智能的历史和现状有较深入的理解，并对其未来进行合理展望。
电影名叫《A.I》，即Artificial Intelligence的首字母缩写，而这也正是学术上的人工智能的英文名。人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的麦卡锡在1956年的达特茅斯会议上提出的：“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样”。这次会议可以看作人工智能的发端。自此以后，新思想、新理论、新技术不断涌现，至今尚无统一定义。经过这些年的发展，人工智能有了很多成果，前途一片光明。下面是详细介绍。
首先是人工智能的历史。1956年夏季，以麦卡锡、明斯基、罗彻斯特和香农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。
关于人工智能之父的说法，有人认为是冯·诺依曼，有人认为是图灵，这都有一定的道理。图灵提出过著名的图灵测试，这是评价机器智能行为最好且唯一的方法。另外，他还写过这方面的论文，如《机器会思考吗？》。然而比较公认的人工智能之父还是约翰·麦卡锡，不幸的是，他于最近去世了。麦卡锡是LISP语言的发明者，曾因人工智能方面的巨大贡献获得过图灵奖。
人工智能在于1956年正式提出后，取得了显著进步。20世纪50至70年代之间，人工智能有几个标志性的事件。1956年，塞缪尔发明了跳棋程序，于1962年击败了美国的一个州的跳棋冠军。1968年，斯坦福大学的费根鲍姆等人研制了DENDRAL，被认为是专家系统的萌芽。1976年，“四色定理”得到证明。到了80年代，神经网络快速发展。另外，人工智能被引入了市场，并显示出了使用价值。如智能机器人，机器翻译及斯坦福大学的SRI地质勘探专家系统等。
到了90年代，可以说进入了相对稳定阶段。这个期间最著名的事件莫过于蓝色巨人IBM的超级计算机“深蓝”击败国际象棋世界冠军卡斯帕罗夫了。这是人工智能的一个标志性事件，可以说是人工智能领域最广为人知的事件了。这一事件显示了人工智能的强大能力，使人们对人工智能的未来充满了期望。
进入21世纪，对人工智能的研究又深入了一部。比如谷歌等公司推出的机器翻译，微软退出的语音助手Cortana，都是当今人工智能的最新成果。今年微软build大会就进行了实时翻译，表名语音识别工作有了很大进展。最近很出名的便是IBM公司的超级计算机“沃森”了。2011年2月17日，沃森在美国智力竞猜节目《危险边缘》中击败人类。与之前的深蓝不同的是，沃森可以理解人类语言，然后进行推理。
以上是人工智能的基本发展历程，下面主要介绍当前人工智能的发展情况。人工智能主要应用于人工神经网络、自然语言理解、智能机器人、图像识别和专家系统等方面。当前这些主要研究领域都取得了长足进步。
人工神经网络是我重点关注的的一个方面。从它出现以来，就给人们带来很多惊喜。根据一个简化的统计，人脑由百亿条神经组成，每条神经平均连结到其它几千条神经。通过这种连结方式，神经可以收发不同数量的能量。神经的一个非常重要的功能是它们对能量的接受并不是立即做出响应，而是将它们累加起来，当这个累加的总和达到某个临界阈值时，它们将它们自己的那部分能量发送给其它的神经。大脑通过调节这些连结的数目和强度进行学习。尽管这是个生物行为的简化描述，但同样可以充分有力地被看作是神经网络的模型。
阈值逻辑单元（Threshold Logic Unit，TLU）是理解神经网络的第一步。TLU 是一个对象，它可以输入一组加权系数的量，对它们进行求和，如果这个和达到或者超过了某个阈值，输出一个量。如下图所示：
比如一个求解语言种类的感知器学习模型如下：
有一种培训规则叫做delta规则。感知器培训规则是基于这样一种思路：权系数的调整是由目标和输出的差分方程表达式决定。而delta规则是基于梯度降落这样一种思路。
反向传播算法同样来源于梯度降落原理，在权系数调整分析中的唯一不同是涉及t(p,n)与 y(p,n)的差分。如下图所示：
自然语言理解方面，目前很多公司都在做。比较出名的事件是IBM的超级计算机“沃森”。2011年2月14日至16日的3天比赛中，沃森凭借超强的运算速度和强大的人工智能算法战胜了美国最受欢迎的智力竞猜电视节目《危险边缘》历史上两位最为成功的选手肯·詹宁斯和布拉德·鲁特，这是机器挑战人类智能的又一成功例子。对计算机沃森来说参与智力竞赛节目最重要的难题是解析人类的语言，尤其是在充满暗示和恶作剧的游戏里，沃森需要识别人类语言中微妙的含义，分辨讽刺口吻、谜语、构词断句、诗篇线索等等这些逻辑和线索。然后才是对题目进行分解，快速搜索自己的内存资料，寻找到最佳答案。沃森能学习人类思维分辨人类语言口气，可选择忽略不擅长的题目，它可以可估算节目剩余奖金和自我信心，主动选择是否继续回答问题，已经取得了很大的进步。然而即使这样，它也没能突破图灵测试。它只能处理文字符号，并不能真正理解它们的含义。所以它很难理解人类交流中的微妙含义，甚至出现了爆粗口的尴尬局面。
除了自然语言理解，智能机器人的研究也十分火热。纪录片《漫游火星》中介绍了两个智能车——机遇号和勇气号，都属于智能机器人范畴。2010年上海世博会上展出了很多这方面的最新成果。比如，会拉小提琴的日本机器人和“海宝”机器人，美国最受欢迎的机器人吸尘器Roomba等。日本本田公司研制的仿人机器人ASIMO，是目前全球唯一具备人类双足行走能力的类人型机器人。阿西莫(ASIMO，Advanced Step Innovative Mobility)即高级步行创新移动机器人。从2000年发展至今，除具备了行走功能与各种人类肢体动作之外，更具备了人工智能，可以预先设定动作，还能依据人类的声音、手势等指令，来从事相应动作。此外，他还具备了基本的记忆与辨识能力。在智能机器人这方面，日本的研究成果是很多的，中国科研人员还要多加努力，迎头赶上。
图像识别是人工智能的重要领域，也是目前研究比较集中的领域之一。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。扫描条形码、二维码只是简单的应用，现在已经有些厂商推出直接扫描图片获取信息的技术了。亚马逊的Flow早在一年前就已经可以通过图片识别搜索商品，eBay也在尝试在自己的应用中加入图像识别的功能。目前，Pounce已经与Staples、Target、Ace等零售商合作，支持顾客利用手机扫描印刷广告上的商品图片，然后即时跳转到电商移动网站下单。这样移动平台就可以与电子商务无缝对接了，从而显现出了巨大的商机。
除了上面介绍的几个研究方面，专家系统也在不断发展。专家系统是依靠人类专家已有的知识建立起来的知识系统，是一种具有特定领域内大量知识与经验的程序系统。它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平。专家系统可分为解释型、预测型、诊断型、设计型、监视型和控制型等类型，各自应用于不同的领域。比如控制型专家系统的代表为YES/MVS（帮助监控和控制MVS操作系统的专家系统），监视型专家系统代表为森林火警监视、REACTOR（帮助操作人员检测和处理核反应堆事故的专家系统）。
当然人工智能作为一个跨越多平台、多学科的新兴技术，研究领域不止以上介绍的这些，并且新的技术和概念仍在不断发展。那么，人工智能究竟能发展到什么程度呢？人工智能的终极目标是用机器代替人的脑力劳动，可以说到时候机器要比人类聪明多了。那么这一目标能否达到？若真正实现了，又有什么因素会使人担忧呢？下面我就人工智能的未来做一下展望。
我对人工智能的未来充满信心。在IT发展的不同阶段，都引起了或大或小的革命。人工智能是一个新事物，前途不可限量。想当初比尔盖茨靠着PC的蓬勃发展而起家，现在的人工智能所带给我们的机遇不亚于此。随着人工智能的发展，很多新产品会进入市场。如果抓住这一机遇，将智能机器放到每个家庭，那必定会造就一个商业帝国。
另一方面，美国的很多科幻电影都有对人工智能未来的探讨，而且基本上都充满担忧。不止《A.I》，《终结者》和《黑客帝国》等电影也对人工智能的未来进行了探讨。《A.I》中人类终于在2000多年后消失，被机器代替；《终结者》中的机器更是残忍地杀害人类，与人类展开抗争；《黑客帝国》中的只能机器则完全统治了原本属于人类的世界。
从电影回归现实，人类对人工智能的看法如何呢？目前的人工智能还没有进入大规模实际应用阶段，很多技术还不成熟，所以人工智能目前看起来还没有那么“智能”，因而人们对它还没有多少忧虑。若干年以后，人工智能高度发达，取代了人的工作，集自然语言理解、模式识别、图像识别、高精度计算等能力于一身，就出现了所谓的“新人类”——真正意义上的智能机器人。它们具备了思想和意识，它们具备了创新能力，最令人不安的是，它们不想一直受人类驱使，它们要反抗。
总结来说，人工智能的发展有着广阔的前景。我很关心的是人工神经网络，因为未来智能机器的发展向人看齐，要模仿人脑的工作机理。人工神经网络相当于智能机器的大脑，把它发展完善，再配合自然语言理解、模式设别和专家系统等技术，才能开发出真正意义上的智能机器。这样一来，人类千百年来的脑力劳动能够得以解放，科技高速发展，新的革命就会到来。
另一方面，技术的发展大多会伴随着滥用。如同当今原子弹令地球处在达摩克利斯之剑下面一样，被寄予厚望的二十一世纪三大尖端技术之一的人工智能可能有过之而不及。人工智能有着广阔的前景，是未来人类生产发展的主要推动力之一，同时隐忧也如影随形。话说回来，当前的人工智能虽然已经经过了半个多世纪的发展，但是还有漫长崎岖的道路要走。人类对科技的追求是狂热的，但是一定要进行必要的约束，这样才能使人类在享受高科技带来的福利的同时远离它们带来的危害。
人工智能英语报告 第2篇
中新经纬客户端 7 月 20 日电 据中国政府网 20 日消息，为抢抓人工智能发展得重大战略机遇，构筑我国人工智能发展得先发优势，加快建设创新型国家与世界科技强国,国务院发布了《新一代人工智能发展规划》.文件要求,20２0 年人工智能总体技术与应用与世界先进水平同步,人工智能产业成为新得重要经济增长点，人工智能核心产业规模超过 1５00 亿元,带动相关产业规模超过 1 万亿元.文件指出，新一代人工智能发展得战略目标就是要分三步走:
第一步，到 2020 年人工智能总体技术与应用与世界先进水平同步,人工智能产业成为新得重要经济增长点，人工智能技术应用成为改善民生得新途径,有力支撑进入创新型国家行列与实现全面建成小康社会得奋斗目标.新一代人工智能理论与技术取得重要进展。大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论与核心技术实现重要进展，人工智能模型方法、核心器件、高端设备与基础软件等方面取得标志性成果。人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系与产业生态链,培育若干全球领先得人工智能骨干企业,人工智能核心产业规模超过１5０0 亿元，带动相关产业规模超过１万亿元。人工智能发展环境进一步优化,在重点领域全面展开创新应用，聚集起一批高水平得人才队伍与创新团队，部分领域得人工智能伦理规范与政策法规初步建立.第二步,到２025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平,人工智能成为带动我国产业升级与经济转型得主要动力,智能社会建
设取得积极进展。新一代人工智能理论与技术体系初步建立，具有自主学习能力得人工智能取得突破，在多领域取得引领性研究成果.人工智能产业进入全球价值链高端.新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过 4000 亿元,带动相关产业规模超过 5 万亿元.初步建立人工智能法律法规、伦理规范与政策体系,形成人工智能安全评估与管控能力。
第三步，到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效,为跻身创新型国家前列与经济强国奠定重要基础.形成较为成熟得新一代人工智能理论与技术体系。在类脑智能、自主智能、混合智能与群体智能等领域取得重大突破，在国际人工智能研究领域具有重要影响,占据人工智能科技制高点.人工智能产业竞争力达到国际领先水平。人工智能在生产生活、社会治理、国防建设各方面应用得广度深度极大拓展,形成涵盖核心技术、关键系统、支撑平台与智能应用得完备产业链与高端产业群，人工智能核心产业规模超过 1 万亿元，带动相关产业规模超过 10 万亿元.形成一批全球领先得人工智能科技创新与人才培养基地，建成更加完善得人工智能法律法规、伦理规范与政策体系。
文件提到,人工智能发展规划得重点任务就是要立足国家发展全局,准确把握全球人工智能发展态势，找准突破口与主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度,全面提升经济社会发展与国防应用智能化水平。一就是构建开放协同得人工智能科技创新体系。二就是培育高端高效得智能经济。三就是建设安全便捷得智能社会。四就是加强人工智能领域军民融合。五就
是构建泛在安全高效得智能化基础设施体系。六就是前瞻布局新一代人工智能重大科技项目。(中新经纬 APP)智能机器就是一种能够呈现出人类智能行为得机器。人工智能（AｒtｉfｉcialＩntｅllｉgencｅ,AI)就是计算机科学或智能科学中涉及研究、设计与应用智能机器得一个分支。人工智能得近期主要目标在于研究用机器来模仿与执行人脑得某些智力功能，而远期目标就是用自动机模仿人类得思维活动与智力功能.人工智能探索历史 人类对人工智能与智能机器得梦想与追求,可以追溯到3000 多年前。中国也不乏这方面得故事与史料.近代科学技术得许多重大进展都就是人类智慧、思维、梦想与奋斗得成果.人类历史上从来没有出现过像今天这样得思想大解放,关于宇宙、星球、生命、人类、时空、进化与智能等思想与作品,如雨后春笋破土而出,似百花争艳迎春怒放。其中，人工智能尤其引人注目。进入２０世纪后，人工智能开始孕育于人类社会母胎。到20世纪3０—４0年代发生了两件极其重要得事件：数理逻辑得形式化与智能可计算(机器能思维)得思想，建立了计算与智能关系得概念。被称为“人工智能之父”(Thｅ father ｏf AI）得图灵（Ｔuｒing AM）,于1936年创立了自动机理论,提出一个理论计算机模型,奠定电子计算机设计基础,促进人工智能特别就是思维机器得研究.1950 年图灵得论文“机器能思考吗？”，为即将问世得人工智能提供了科学性与开创性得构思。
19５6 年夏季由麦卡锡（McCａrthyＪ）、明斯基（Minsky MＬ）、罗彻斯特（Lｏcｈｅsｔeｒ N)与香农（Sｈanｎｏn CE）共同发起，并邀请其她6位年轻得科学家,在美国达特茅斯(Ｄartｍouth)大学举办了一次长达两个月得十人研讨会，讨论用机器模拟人类智能问题,首次使用“人工智能“这一术语.这就是人类历史上第一次人工智能研讨会,标志着国际人工智能学科得诞生，具有十分重要得历史意义。发起这次研讨会得人工智能学者麦卡锡与明斯基,则被誉为国际人工智能得“奠基者”或“创始人”（The fｏunｄｉnｇ faｔhｅｒ)，有时也称为“人工智能之父”。
中国得人工智能经历了怎样得发展过程?取得哪些成绩？存在什么问题？面临何种机遇？有哪些解决方案？本文力图逐一探讨。
一、发展过程 与国际上人工智能得发展情况相比,国内得人工智能研究不仅起步较晚，而且发展道路曲折坎坷,历经了质疑、批评甚至打压得十分艰难得发展历程。直到改革开放之后,中国得人工智能才逐渐走上发展之路。、迷雾重重 2０世纪50—60年代，人工智能在西方国家得到重视与发展,而在苏联却受到批判,将其斥为“资产阶级得反动伪科学”。当时，受苏联批判人工智能与控制论(Cｙbernetics)得影响，中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期与70年代，虽然苏联解禁了控制论与人工智能得研究,但因中苏关系恶化，中国学术界将苏联得这种解禁斥之为“修正主义”,人工智能研究继续停滞。那时,人工智能在中国要么受到质疑，要么与“特异功能“一起受到批判，被认为就是伪科学与修正主义。《摘译外国自然科学哲学》月刊１976年第３期刊文称:“在批判‘图像识别”与‘人工智能“研究领域各种反动思潮得斗争中，走自己得道路”。这足见中国人工智能研究迷雾重重得艰难处境。
1978年3月,全国科学大会在北京召开。在华国锋主持得大会开幕式上,邓小平发表了“科学技术就是生产力”得重要讲话。大会提出“向科学技术现代化进军”得战略决策，打开解放思想得先河,促进中国科学事业得发展,使中国科技事业迎来了科学得春天[9］。这就是中国改革开放得先声，广大科技人员出现了思想大解放,人工智能也在酝酿着进一步得解禁.吴文俊提出得利用机器证明与发现几何定理得新方法——几何定理机器证明(图１）,获得19７8年全国科学大会重大科技成果奖就就是一个好得征兆。
2０世纪80年代初期，钱学森等主张开展人工智能研究，中国得人工智能研究进一步活跃起来。但就是,由于当时社会上把“人工智能”与“特异功能”混为一谈，使中国人工智能走过一段很长得弯路。一方面，包括许多人工智能学者在内得研究者把人工智能与特异功能搅在一起“研究”;另一方面,社会上在批判“特异功能”时将“人工智能”一起进行批判，把两者一并斥之为“伪科学”。、艰难起步
2０世纪70年代末至80年代,知识工程与专家系统在欧美发达国家得到迅速发展，并取得重大得经济效益。当时中国相关研究处于艰难起步阶段，一些基础性得工作得以开展。
１）
派遣留学生出国研究人工智能。
改革开放后，自1980 年起中国大批派遣留学生赴西方发达国家研究现代科技,学习科技新成果,其中包括人工智能与模式识别等学科领域.这些人工智能“海归”专家，已成为中国人工智能研究与开发应用得学术带头人与中坚力量,为发展中国人工智能做出举足轻重得贡献。
２ ２)成立中国人工智能学会。
19８1 年９ 月，中国人工智能学会（CAＡI)在长沙成立,秦元勋当选第一任理事长。于光远在大会期间主持了一次大型座谈会,讨论有关人工智能得一些认识问题.她指出：“人工智能就是一门新兴得科学,我们应该积极支持;对所谓‘人体特异功能’得研究就是一门伪科学,不但不应该支持，而且要坚决反对。”1982年，中国人工智能学会刊物《人工智能学报》在长沙创刊,成为国内首份人工智能学术刊物。
CAAＩ首任理事长秦元勋也颇受争议。秦元勋获美国哈佛大学博士学位后于1948年回国，历任中国科学院数学研究所研究员、执行副所长，中国核学会计算物理学会理事长,中国人工智能学会首届理事长等职。她在常微分方程得定性理论、运动稳定性、近似解析、机器推理等方面得研究，在中国处于开创得地位。其
中极限环得研究,具有国际先进水平。她曾负责完成了中国第一颗原子弹与氢弹得威力计算工作，就是1９8２年国家自然科学奖一等奖得原子弹氢弹设计原理中得物理力学数学理论项目得主要工作者之一，并开辟了计算物理学这一新得学科分支.３）
开始人工智能得相关项目研究。
20世纪70年代末至80年代前期，一些人工智能相关项目已被纳入国家科研计划。例如,在１978年召开得中国自动化学会年会上，报告了光学文字识别系统、手写体数字识别、生物控制论与模糊集合等研究成果,表明中国人工智能在生物控制与模式识别等方向得研究已开始起步.又如，1９78年把“智能模拟“纳入国家研究计划。不过，当时还未能直接提到“人工智能”研究,说明中国得人工智能禁区有待进一步打开。、迎来曙光 １９84年1月与２月，邓小平分别在深圳与上海观瞧儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”。此后,中国人工智能研究得境遇有所好转.例如，人民日报关于人工智能得报道也渐渐多了起来.20世纪8０年代中期,中国得人工智能迎来曙光，开始走上比较正常得发展道路.国防科工委于1984年召开了全国智能计算机及其系统学术讨论会,1985年又召开了全国首届第五代计算机学术研讨会。1986年起把智能计算机系统、智能机器人与智能信息处理等重大项目列入国家高技术研究发展计划(８6３计划）。
１９86 年,清华大学校务委员会经过三次讨论后，决定同意在清华大学出版社出版《人工智能及其应用》著作.1987年7月《人工智能及其应用》在清华大学出版社公开出版，成为国内首部具有自主知识产权得人工智能专著。接着,中国首部人工智能、机器人学与智能控制著作分别于198７年、1988 年与1990 年问世。１９8８ 年2月,主管国家科技工作得国务委员兼国家科委主任宋健亲笔致信蔡自兴(图2)，对《人工智能及其应用》得公开出版与人工智能学科给予高度评价,指出该人工智能著作得编著与出版“使这一前沿学科得最精彩得成就迅速与中国读者见面，这对人工智能在中国得传播与发展必定会起到重大得推动作用……我深信，以人工智能与模式识别为带头得这门新学科，将为人类迈进智能自动化时期做出奠基性贡献.”宋健对该书得高度评价，体现出她对发展中国人工智能得关注与对作者得鼓励,对中国人工智能得发展产生了重大与深远得影响。
在这封信中宋健还提到:“十年前,当我们与钱先生修订工程控制论时,尚无系统参考书可言，只能断断续续介绍一些思路。现在钱先生瞧到此书，也一定会欣喜万分.”这体现了宋健得谦虚品德,也表现出钱学森当时对人工智能得热烈支持。
１987年《模式识别与人工智能》杂志创刊.19８９年首次召开了中国人工智能联合会议（CJCAI）,至200４年共召开了8次。此外,还曾经联合召开过6届中国机器人学联合会议.199３年起，把智能控制与智能自动化等项目列入国家科技攀登计划.1993年７月，宋健应邀为中国人工智能学会智能机器人分会成立题词“人智能则国智科技强则国强”,向成立大会表示祝贺。本题词很好地阐明了人工智能与提高民族素质、增强科技实力与建设现代化强国得辩证关系，也就是国家科技领域领导人对中国人工智能事业得有力支持以及对全国人工智能工作者得殷切期望。、蓬勃发展 进入2１世纪后，更多得人工智能与智能系统研究课题获得国家自然科学基金重点与重大项目、国家高技术研究发展计划（863 计划)与国家重点基础研究发展计划（９73计划)项目、科技部科技攻关项目、工信部重大项目等各种国家基金计划支持，并与中国国民经济与科技发展得重大需求相结合，力求为国家做出更大贡献。这方面得研究项目很多，代表性得研究有视觉与听觉得认知计算、面向Ageｎｔ得智能计算机系统、中文智能搜索引擎关键技术、智能化农业专家系统、虹膜识别、语音识别、人工心理
与人工情感、基于仿人机器人得人机交互与合作、工程建设中得智能辅助决策系统、未知环境中移动机器人导航与控制等。
２006年8月,中国人工智能学会联合其她学会与有关部门，在北京举办了“庆祝人工智能学科诞生5０周年”大型庆祝活动。除了人工智能国际会议外,纪念活动还包括由中国人工智能学会主办得首届中国象棋计算机博弈锦标赛暨首届中国象棋人机大战.东北大学得“棋天大圣”象棋软件获得机器博弈冠军；“浪潮天梭”超级计算机以11:9得成绩战胜了中国象棋大师.这些赛事得成功举办,彰显了中国人工智能科技得长足进步，也向广大公众进行了一次深刻得人工智能基本知识普及教育。主办者认为，这次中国象棋人机大战“无论赢家就是人类大师或超级计算机，都就是人类智慧得胜利”。
同年，《智能系统学报》创刊(图３),这就是继《人工智能学报》与《模式识别与人工智能》之后国内第3份人工智能类期刊。她们为国内人工智能学者与高校师生提供了一个学术交流平台，对中国人工智能研究与应用起到促进作用。
20０９ 年,中国人工智能学会牵头组织，向国家学位委员会与国家教育部提出设置“智能科学与技术”学位授权一级学科得建议。该建议指出:现在信息化向智能化迈进”得趋势已经显现；因此，今天培养得智能科学技术高级人才大军，正好赶上明天信息化向智能化大规模迈进得需要。为此,一个顺理而紧迫得建议就就是:为了适应信息化向智能化迈进得大趋势，为了实现建设创新型国家得大目标,在中国学位体系中增设智能科学与技术博士与硕士学位授权一级学科。这个建议凝聚了中国广大人工智能教育工作者得心智心血与她们得远见卓识,对中国人工智能学科建设具有十分深远得意义。、国家战略近两年来,中国得人工智能已发展成为国家战略。国家最高领导人习近平、李克强发表重要讲话，对发展中国人工智能与机器人学给予高屋建瓴得指示与支持.２014年6月９日，习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会开幕式上发表重要讲话强调：“由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快,3D打印、人工智能迅猛发展,制造机器人得软硬件技术日趋成熟,成本不断降低，性能不断提升，军用无人机、自动驾驶汽车、家政服务机器人已经成为现实,有得人工智能机器人已具有相当程度得自主思维与学习能力。……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这就是党与国家
最高领导人首次对人工智能与相关智能技术得高度评价,就是对开展人工智能与智能机器人技术开发得庄严号召与大力推动.2０15年十二届全国人大三次会议上，李克强总理在政府工作报告中提出:“人工智能技术将为基于互联网与移动互联网等领域得创新应用提供核心基础.未来人工智能技术将进一步推动关联技术与新兴科技、新兴产业得深度融合,推动新一轮得信息技术革命，势必将成为我国经济结构转型升级得新支点.”这就是对人工智能技术得重要作用给予得充分肯定，就是对人工智能得有力促进。
２0１5年5月，国务院发布《中国制造２025》（图4)，部署全面推进实施制造强国战略.这就是中国实施制造强国战略第一个十年得行动纲领.围绕实现制造强国得战略目标，《中国制造2０２5》明确了9项战略任务与重点.这些战略任务,无论就是提高创新能力、信息化与工业化深度融合、强化工业基础能力、加强质量品牌建设，或就是推动重点领域突破发展、全面推行绿色制造、推进制造业结构调整、发展服务型制造与生产性服务业、提高制造业国际化发展水平,都离不
开人工智能得参与,都与人工智能得发展密切相关。人工智能就是智能制造不可或缺得核心技术.2016年4月，工业与信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划（2０16-２０２０年）》，为“十三五”期间中国机器人产业发展描绘了清晰得蓝图.该发展规划提出得大部分任务,如智能生产、智能物流、智能工业机器人、人机协作机器人、消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等，都需要采用各种人工智能技术.人工智能也就是智能机器人产业发展得关键核心技术。
2016年5月,国家发改委与科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，明确未来3年智能产业得发展重点与具体扶持项目，进一步体现出人工智能已被提升至国家战略高度。根据方案得内容,未来3年将在3个大方面、9个小项推进智能产业发展。
国家最高领导人对人工智能得高度评价与对发展我国人工智能得指示,《中国制造２0２５》、《机器人产业发展规划（2０１6-2020 年)》与《“互联网+”人工智能三年行动实施方案》得发布与施行,体现了中国已把人工智能技术提升到国家发展战略得高度,为人工智能得发展创造了前所未有得优良环境，也赋予人工智能艰巨而光荣得历史使命。
２０１5年7月在北京召开了“２015中国人工智能大会”。发表了《中国人工智能白皮书》，包括“中国智能机器人白皮书”、“中国
自然语言理解白皮书“、“中国模式识别白皮书”、“中国智能驾驶白皮书”与“中国机器学习白皮书”,为中国人工智能相关行业得科技发展描绘一个轮廓,给产业界指引一个发展方向。
2０１6年4月由中国人工智能学会发起，联合2０余家国家一级学会，在北京举行“２0１6 全球人工智能技术大会暨人工智能60 周年纪念活动启动仪式”（图5)。这次活动恰逢国际人工智能诞辰60周年，谷歌AｌpｈａGo与韩国围棋九段棋手李世石上演“世纪人机大战“(图6）,将人工智能得关注度推到了前所未有得高度。启动仪式共同庆祝国际人工智能诞辰6０周年，传承与弘扬人工智能得科学精神,开启智能化时代得新征程。
现在，人工智能已发展成为国家发展战略,中国已有数以10万计得科技人员与大学师生从事不同层次得人工智能相关领域研究、学习、开发与应用，人工智能研究与应用已在中国空前开展,硕果累累,必将为促进其她学科得发展与中国得现代化建设做出新得重大贡献。
二、主要成就
中国得人工智能研究开发、学科建设、产业应用与社会服务等方面,已经取得不俗得成就,主要可以从以下几点得到证实。、形成人工智能学科 1981年9月建立了全国性得人工智能组织中国人工智能学会（ＣAAI)，标志着中国人工智能学科得诞生。1９８２年在长沙创办中国人工智能学会刊物《人工智能学报》，成为中国人工智能学科领域得第一份学术刊物。中国人工智能学会大会每两年举行一次，至目前已举办1６届.中国人工智能学会成立后,又相继成立了中国人工智能学会智能机器人专业委员会、机器学习专业委员会、模式识别专业委员会、自然语言处理专业委员会与智能控制专业委员会、人工智能教育工作委员会等。
此外，中国计算机学会得一些二级学会也开展人工智能相关学术活动,为中国人工智能得发展做出了应有贡献。例如,中国计算机学会成立了人工智能与模式识别专业委员会,中国自动化学会成立了模式识别与机器智能专业委员会以及智能自动化专业委员会等二级学会.有些省市也成立了地方人工智能学会。1989-２004 年,由中国人工智能学会、中国计算机学会等多个学会联合举办过7届中国人工智能联合会议(CＪCＡI）.与人工智能密切相关得机器学习、模式识别、智能机器人、自然语言处理、专家系统等领域得学术组织也先后成立,学术活动也十分热烈。例如,国内机器学习得重要学术活动包括每两年举行一次得中国机器学习会议与每年举行得中国机器学习及其应用
研讨会。前者由中国计算机学会人工智能与模式识别专业委员会协办,目前已历经15届。后者每届会议包括特邀报告、大会交流及Tｏp Confｅrence Review等部分，迄今已历经13届.又如,中国人工智能学会智能机器人专业委员会自199３年成立以来，每两年举行一次全国智能机器人学术会议,已组织过11届，还与其她学会共同举办过6次中国机器人联合会议。在王湘浩倡导与组织下,全国高校人工智能研讨会研究班自1９８0年起每年举行一次，就是国内最早得人工智能学术研讨活动。
这些人工智能学术组织与会议开展广泛深入得国内外学术交流，对开展人工智能学术活动与组织科技交流起到积极得作用,有力推动了中国人工智能科技发展与学科建设。
２、科学研究成绩斐然 国家已先后设立了各种与人工智能相关得研究课题，如国家自然科学基金重大专项、重点项目与面上项目，国家863计划项目,国家重大战略项目智能制造２025等。在这些科研基金得支持下,国内人工智能研究已取得许多突出成果。）人工智能基础研究成果突出 除了前面提到得几何定理证明得“吴氏方法”外,吴文俊还于200４ 年发表了重要论文“计算机时代得脑力劳动机械化与科学技术现代化”，宣布她在几何定理证明“机械化”方面得系列成果,指出：“在几何定理机器证明取得成功之后得2０多年来,笔者与许多志同道合得同志们在科技部、科学院、基金委等大力支持下，开展了一场可谓‘数学机械化’得‘运动’，在理论与应用诸多方面都已取得了若干成功。”
国内学者在人工智能得诸多领域,如问题求解、不确定推理、泛逻辑理论、拓扑学、模式识别、图像处理、机器学习、专家系统、智能计算与智能控制等领域得基础研究也多有建树,取得一批具有国际先进水平得创造性成果.例如,在模式识别方面,对文字识别、语音识别（图7)、指纹识别、人脸识别、虹膜识别与步态识别等进行深入研究，涉及生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主导航、保安、银行、交通、军事、电子商务与多媒体网络通信等应用领域。
又如,机器学习也就是人工智能得核心研究领域之一。现在机器学习得大数据往往体现出多源异构、语义复杂、规模巨大、动态多变等特殊性质，为传统机器学习技术带来了新得挑战。为应对这一挑战,国内科技企业巨头华为、百度等与国外巨头谷歌、微软、亚马逊等展开竞争，纷纷成立以机器学习技术为核心得研究院，以充分挖掘大数据中蕴含得巨大商业与应用价值。深度学习就是机器学习领域一个新兴得子领域与研究方向，它就是一种通
过多层表示来对数据之间得复杂关系进行建模得算法。深度学习模仿人脑结构，具有更强得建模与推理能力，能够更有效地解决多类复杂得智能问题。近年来,中国在深度学习研究方面也取得重要进展,一些研究成果接近或达到国际先进水平。
中国学者在自动规划领域也取得开创性成果。１９85年提出与发展了基于专家系统得机器人规划机理与方法，实现了人工智能专家系统与机器人技术得结合，为基于知识得自动规划与高层控制开辟了一条新途径,对提高生产得智能化水平具有重要意义，并推动国内外机器人规划研究得发展。该成果被广泛引用，并被收入清华大学吴麒等主编得全国高校规划教材《自动控制原理》。1９99年以来，又在机器人进化规划方面取得创新性成果.国内在认知计算、情感计算、模式识别、神经网络、智能驾驶、水下机器人与其她智能机器人等领域也取得一批具有国际先进水平得研究成果,培养了一批优秀得学术带头人:郭爱克、任继福、李衍达、王守觉、焦李成、贺汉根、蔡鹤皋、徐玉如与黄心汉等。
此外,有些人工智能基础研究获得国际奖励，如１９90年张钹获得ＩCＬ欧洲人工智能奖，蔡自兴指导得王勇博士获得2015 IEＥＥ计算智能学会优秀博士学位论文奖等.值得一提得就是美籍华裔学者王浩对人工智能得杰出贡献.195８ 年夏天，王浩在纽约州得IBM实验室得一台IＢM704机器上用汇编语言编写了３个程序，证明了罗素与怀特海《数学原理》中得２０0多个定理。她关于数理逻辑得一个命题被国际上定为
“ 王氏悖论”。1966年，她在哈佛大学指导得博士生Sｔepheｎ Cｏoｋ，因NP 完全性方面得开创性研究成果而获得１９８2年图灵奖。王浩还与吴文俊进行了合作研究。
２）专用人工智能开发有所突破 中国在专用人工智能领域取得了突破性得进展,已在自然语言处理与语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶与智能机器人等方面取得一大批具有国际先进水平得应用成果.互联网与大数据推动人工智能进入了新得发展阶段。中国得智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域得研究与应用逐步深入,带动智能语音产业规模持续快速增长。２０13年科大讯飞以５4、2%得市场份额继续处于国内领先地位。
智能语音正在成为主流得交互方式之一。
近几年在多层神经网络基础上发展起来得深度学习与深度神经网络已在中国很多模式识别领域获得成功应用。其中,中国科学院自动化研究所谭铁牛团队在虹膜识别领域，坚持从虹膜图像信息获取得源头进行系统创新，全面突破虹膜识别领域得成像装置、图像处理、特征抽取、识别检索、安全防伪等一系列关键技术，建立了虹膜识别比较系统得计算理论与方法体系,还建成目前国际上最大规模得共享虹膜图像库，已大规模用于煤矿人员辨
识与北京城铁监控等,并在70个国家与地区得3000 多个科研团队推广使用，有力推动了虹膜识别学科发展。
在2０10年举行得国际上难度最高、规模最大得虹膜识别专业测评竞赛中,谭铁牛团队提交得算法,从来自25个国家与地区得41支参赛团队里脱颖而出，以测试性能指标超过第2名41、3%得绝对优势蝉联虹膜识别算法赛事冠军（图8)。在2008年进行得上届国际虹膜识别算法竞赛上，谭铁牛团队战胜来自３５个国家与地区得9７支参赛队伍。这充分展示出中国在虹膜识别领域领先国际得整体实力。
在模式识别领域，石青云领衔得北大高科指纹技术有限公司在指纹识别领域取得领先成果，成为国家科技强警得利剑。
专家系统已在国内获得广泛应用，应用领域涉及工业、农业等行业,其经济效益相当可观。例如，在冶金专家系统得开发与应用方面,已把专家系统技术用于高炉建模、监控与诊断等,建立了基于多核学习得高炉自动化框架、基于Voltｅrra级数得高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅
量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统,实现高炉炼铁过程得智能化(图9）.3)计算智能与进化计算研究引人注目 计算智能就是人工智能得新领域，涉及模糊计算,神经计算、进化计算与免疫计算等。近1０多年来,中国在计算智能特别就是进化计算研究方面取得不少国际领先成果。中国科技大学、中南大学、西安电子科技大学与中国科学院自动化研究所等院校都做出颇具影响得贡献。蔡自兴团队在进化计算领域研究取得得成果就就是一个很好得例证.蔡自兴团队提出得一些进化计算算法处于国际领先水平，引起国际进化计算学界得广泛重视,已成为相关算法比较得基准，不仅对算法设计观点颇有指导价值，而且已成功地应用于国内外30多个领域，并得到国际高级检索机构得顶级检录，已对国际计算智能研究产生重要影响。例如,她们提出得一种单目标差分进化算法ＣoDE，已成为美国加州大学伯克利分校Rｉｃkarｄ Ｏ C 与Ｓitａr Ｎ 设计得商业软件ｂSＬOP 得核心技术；该软件已在苹果官方网站上售出。Ｓａｈalos J Ｎ、Yａｏ Ｘ 与Ｎ
ajy Ｗ K A 分别把CoＤE 算法成功地直接应用于移动通信系统设计、产品缺陷预测软件与电网保护协调。很少有同类算法能够引起国际上如此密切关注与获得这么多得优化问题得成功应用.此外，她们提出得一种被国际上广泛引用与应用得算法，被称为“蔡王算法”(CW Alｇorithｍ)，获得好评.近1０多年来,计算智能“中国海外军团”异军突起，成绩斐然.在计算智能与进化算法研究领域,Yao X（姚Jin Y C（金耀初)等得研究成果获得国际同行公认,成为进化计算领域得国际学术领军人物，并为中国得计算智能与进化计算研究起到促进作用。、著作与科技论文出版发行 据不完全统计,自１987 年人工智能著作开禁以来全国已编著出版了７0多部人工智能著作.这些著作有专著，也有教材,不乏深受读者欢迎得高水平作品。例如,上面提到得引领人工智能著作开禁得《人工智能及其应用》（图１0)，已先后出版了7个版本，印刷50多次，发行40多万册,拥有上百万读者,得到广泛应用,对国内人工智能基础研究、开发应用与人才培养发挥了重大作用。张钹得专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断得启发式搜索与基于拓扑得空间规划方法,降低了计算复杂性,具有重要得应用价值。此外,谭铁牛、陆汝钤、何新贵、石青云、何志均、涂序彦、钟义信、李德毅、周志华、蔡自兴、蔡文、史忠植、何华灿、施鹏飞、王万森等在国内外出版得人工
智能相关专著，在一定程度上反映出中国人工智能得研究成果，对进一步开展国内外学术交流起到重要作用。
此外，从事人工智能相关研究人员与高校师生,已在国内外知名刊物与学术会议上发表了数以万计得人工智能相关论文。其中不乏高水平文章，例如，王勇与蔡自兴合作得论文曾被列为2０12 年进化计算国际顶级刊物《IEEETraｎｓａｃtioｎs ｏn Evolutｉonaｒypｕｔａtion》她引次数最高得论文。
还有一些论文被评为国内外学术会议与学术刊物得优秀论文。、人工智 能教育培养大批专门人才 人工智能教育与人才培养就是人工智能学科发展得重要基础。国内自20世纪８0年代中期始,在少数高校开设各种人工智能类课程。经过推广与提高,３0年前得人工智能星星之火如今已形成燎原之势，数以百计得高校开设了各种层次得人工智能课程,有些课程已成为我国高校教育园地上得奇葩。
例如，中南大学得“人工智能“课程已成为首批国家级精品课程、教育部新世纪优秀网络课程、国家级全国双语示范课程、首批国家级精品视频公开课与国家级精品资源共享课程。表1所示为入
选国家级质量工程得人工智能类相关精品课程名单。这些人工智能类课程在改革中不断发展壮大，已为国家培养了成千上万得人工智能专门人才。虽然这些课程只占数以千计得国家级质量工程课程得冰山一角，但也表明人工智能课程仍然占有一席之地,并具有不可替代得作用，产生了非常得影响力。
全国智能科学与技术教育暨教学学术会议就是国内人工智能教育与教学领域具有特色得最权威得学术盛会，自20０3年起已举办１０次，对于人工智能及其相关学科得教育教学、学科建设与人才培养发挥了关键作用。
20０5年在北京大学开设得智能科学与技术专业，已在全国近３0所大学开设，仅这些大学得“智能”专业每年就培养大约2000名人工智能专业人才.据估计，近3０年来,全国高校已培养人工智能及其相关学科得硕士与博士数以千计,本科毕业生数以万计。这些高层次得人工智能专门人才就是中国发展人工智能得最为宝贵得财富。她们有幸遇上难逢得人工智能大好发展机遇，必将成为中国人工智能跨越式发展得中坚力量。
５、人工智能产业化蓬勃发展
尽管中国得人工智能产业化应用尚存在较大不足,但仍然已建立了一定得基础，并呈现蓬勃发展得势头。据不完全统计，最近5年内,中国在人工智能产业化应用领域得投资已超过1000多亿元.下面略举数例说明中国人工智能产业化得发展情况。
1)模式识别 在虹膜识别、步态识别、身份识别等领域取得新成果.近年来，在多层神经网络基础上发展起来得深度学习与深度神经网络在很多模式识别应用领域产生了领先得性能，成为当前最热门得方法。前面提到得虹膜识别及其在身份识别等方面得成功应用，已形成产业，占领国内外市场,就就是很好得例证。）语音识别 中国在自然语言处理特别就是语音识别领域已经达到国际先进水平。
2０１5 年中国智能语音产业规模达到40、3亿元，较2０14年增长41、0%,远高于全球语音产业增长速度。预计到2017年,中国语音产业规模预计达到100、７亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五,占有中文语音技术市场70%以上市场份额,语音合成产品市场份额达到70％以上。现在中国智能语音得应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金融、智能教育与智能医院等场合得到越来越多得应用。此外，一些海外
留学人员也在语音识别领域取得国际领先水平得成果，微软研究院黄学东就就是该领域得一位突出代表。
３）人机博弈
中国象棋就是中华民族得文化瑰宝，就是一种怡神益智得活动,千百年来长盛不衰，深受广大群众得喜爱。自200６年8月举行“浪潮杯”首届中国象棋人机大战（图１１）,至今已有10年,共举行过5届大赛,产生深远影响.同样中国也就是国际围棋得发源地，无论就是国际围棋或中国象棋,在国内具有众多得人机博弈爱好者，其产业发展与市场前景十分瞧好.仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。
４ ４)专家系统 自２0世纪80年代以来，专家系统在工业、农业、商业、科技、教育、服务业等领域获得广泛应用。以农业专家系统为例，开展了各种农业专家系统得研究、开发及推广应用（图12）。例如,作物病虫预测专家系统、农作制度专家系统、玉米低温冷害防御专家系统、蚕育种专家系统、小麦专家系统等。
20世纪90年代以后，中国农业专家系统得到了迅速发展，已成为农业信息技术得突破口.国家自然科学基金委、科技部、农业部与许多省级部门都安排了相应得攻关课题；863计划项目已将农业专家系统等智能化农业信息技术列为国家重点课题，搭建了中国农业专家系统研究开发得战略平台,为农业专家系统得进一步开发起到了积极催化作用.进入2ｌ 世纪以后,农业专家系统得开发速度日益加快，不仅数量增多，而且涉及得领域也更加全面，开发得深度与广度有了很大得进展,为大范围推广应用农业专家系统铺平了道路。如小麦栽培管理农业专家系统、水稻高产栽培专家决策系统、番茄栽培管理专家系统、温室番茄病虫害缺素诊断与防治系统等。这些农业专家系统得开发,促进了农业科技成果得转化，为发展高产、优质、高效农业做出了巨大贡献。
此外,我国在机器学习、智能机器人、智能驾驶等人工智能领域，也已有不同程度得产业集聚,产业化步伐逐步加快。
在中国人工智能产业化过程中，企业巨头抢滩布局人工智能产业链，各大ＩT公司积极投入人工智能产业研发.她们非常关注深度学习得应用前景，纷纷成立以机器学习技术为核心得研究院，充分挖掘大数据中蕴含得巨大商业与应用价值.例如,2012年，华为成立诺亚方舟实验室，运用以深度学习为代表得人工智能技术对移动信息大数据进行挖掘，寻找有价值得规律。2013年,百度成立深度学习研究院,研究如何运用深度学习技术对大数据进行智能处理，提高分类与预测等任务得准确性。近
年来还涌现出寒武纪、甲骨文、地平线、北京云知音与湖南自兴等一批初露头角得涉及人工智能得创业实体,从某种程度上体现出人工智能领域大众创业万众创新得磅礴生机。
从整体来瞧,中国得人工智能产业化仍处于起步阶段。毫无疑问，在人工智能产业创业与竞争过程中，会出现多家实力强大得企业,有些企业也会在某些领域内形成领先优势甚至垄断局面。
６、开设多种人工智能奖项 为了总结中国人工智能得研究成果，表彰人工智能工作者得突出贡献,鼓励更多得人员投身人工智能得创造性研究，设立了一些人工智能奖项,其中比较重要得有如下几种。
吴文俊人工智能科学技术奖就是中国智能科学技术领域唯一以个人名字命名、依托社会力量设立得科学技术奖。该奖项以“尊重知识、尊重人才、尊重创造”为方针，奖励在智能科学技术活动中做出突出贡献得单位与个人，以不断推进中国智能科学技术领域创新与发展.该奖项就是经国家科学技术奖励委员会批准设立得全国奖项，被誉为“ 中国人工智能科技最高奖”，于2010年起开设，已举行了５届.其中，有4位人工智能杰出学者获得(终身）成就奖。中国计算机学会也于2010年始设立终身成就奖，授予70岁以上、在计算领域做出卓越成就与贡献、被业界广泛认可得老科学家,其中，有2位从事人工智能研究取得突出成果得计算机学者获得此项殊荣。
“中国象棋人机大战”计算机博弈大赛始于20０6年，已举行5届，引起国内外人工智能学界与主流媒体得高度重视。随着今年AlpｈａGo与围棋九段李世石人机对决引发得新一轮得人工智能与机器博弈热潮，中国象棋得人机大战必将攀上新得高度,为推动中国人工智能发展做出其独特得贡献.自199８ 年以来,已在中国举行了数百场智能系统、智能机器人与智能小车比赛,其中包括一些国际比赛。这些比赛吸引了成千上万得青少年学生参加，并获得大批国内外奖励,这对于提高她们对信息科技特别就是人工智能得兴趣，培养她们得创新思维与创新能力，锻炼人工智能科技接班人具有不可替代得重要作用。
中国一些学者与学生还获得国际重要奖励。例如，王勇获得2015 年IEEE计算智能学会优秀博士学位论文奖（图17）,这就是中国大学首次获得该项殊荣。
据不完全统计，表2给出获得国内外人工智能重要奖项得名单。
7、国际交流 改革开放以来，特别就是进入21世纪以来,中国得人工智能国际交流与合作进一步开展。
20０６ 年,中国人工智能学会联合美国人工智能学会与欧洲人工智能协调委员会，共同发起在北京召开了Inteｒnatioｎal Conｆerｅnce oｎ ＡrｔificｉalIntｅｌligeｎce(人工智能国际学术会议,图18）,隆重庆祝国际人工智能学科诞生50周年。时任全国人大常委会副委员长得许嘉璐等在大会上致词。中国人工智能研究开拓者与领军人物吴文俊、模糊数学创始人美国Ｚａｄeｈ LA、国际ＥBMT机器翻译方法发明人Ｎagao M等在大会上做主题报告.大会开得非常成功，影响广泛。
2013年还承办了第23届国际人工智能联合会议（ＩｎtｅrnatｉｏnalJointConfereｎce on Arｔificial Inｔelｌigｅnce,IＪCAI），这就是国际人工智能领域规模最大、影响最广泛、学术地位最高得综合性会议.承办国际人工智能联合会议表明中国得人工智能研究与应用已在世界范围内产生积极影响。
中国还创办与主办一些人工智能或与人工智能密切相关得国际会议.例如，2010 年举办了全球智能控制与自动化国际会议（The Ｗoｒｌd Ｃonｇｒeｓｓｏｎ Ｉnｔelｌｉgeｎｔ Coｎtrol and Autoｍaｔion，WCICA),自1993年以来每2年举行一次,共举行了１２届。本会议已成为具有国际影响力得智能科技盛会。此外，中国人工智能学会还发起组织“国际高级智能会议”，已经举办了2次.、人工智能对社会得影响日益扩大 人工智能得发展已对人类及其未来产生深远影响，这些影响涉及人类得经济利益、社会作用与文化生活等方面。仅社会影响而言,就包括劳动就业问题、社会结构变化、思维方式与观念、心理上得威胁等。
１）劳务就业问题.由于人工智能能够代替人类进行各种脑力劳动,将会使一部分人不得不改变她们得工作方式或工种,甚至造成失业。
2)社会结构变化。社会结构正在悄然改变,人－机器得社会结构终将被人－智能机器(人工智能)-机器得社会结构取代。从发展得角度瞧，从医院里瞧病得“医生”与护理病人得“护士”，旅馆、饭店与商店得“服务员”,办公室得“秘书”,指挥交通得“交通警察”，到家庭得“勤杂工”与“保姆”等，都将由智能机器人取代。因此,人们将不得不学会与智能机器相处,并适应这种变化了得社会结构.3）思维方式与观念得变化。一旦智能系统得用户开始相信系统(智能机器）得判断与决定,那么她们有可能不愿多动脑筋,变得懒惰,并失去对许多问题及其求解任务得责任感与敏感性。过分地依赖计算机得建议而不加分析地接受,将会使智能机器用户得认知能力下降，并增加误解。
4)心理上得威胁.人工智能还使一部分社会成员感到心理上得威胁，或叫做精神威胁。人们一般认为,只有人类才具有感知精神,而且以此与机器相别。如果智能机器得人工智能会超过人类得自然智能,那么人类可能沦为智能机器与智能系统得奴隶。
上述这些影响在国内同样存在。针对社会各界广泛关注人工智能对人类社会得影响，国内已开展人工智能科技知识得普及宣传。例如，通过视频公开课普及人工智能知识.精品视频公开课就是向大学生与社会大众免费开放得科学与文化素质教育网络视频课程与讲座，着力广泛传播人类文明优秀成果与现代科学技术前沿知识,提升大学生及社会大众得科学文化素养,服务社会主义先进文化建设，增强中国文化软实力与中华文化国际影响力。国家级精品视频公开课“人工智能PK人类智能”与“从自然世界到智能时代”等，在国内网络媒体播出后,反映热烈，深受欢迎，对扩大人工智能对社会得正面影响,减少人工智能对社会得负面影响起到积极引导得应有效果。
三、存在得问题
虽然国内人工智能已取得许多骄人成就，但与国家发展战略要求相差甚远，与国际先进水平差距较大。概括起来存在如下几方面得问题。
1)经济效益至上，缺乏远大眼光。
许多人工智能企业与一些地方政府缺乏远大眼光,追求短期得经济效益,企望1～2年或２～3年内获得明显得经济回报，致使很大一部分人工智能创业企业急功近利,底气不足，发展乏力。需要追求经济效益,但像人工智能这样得高科技产业,或把人工智能技术用于促进其她产业转型升级得产业，其发展应当遵循一定得规律,需要一个过程，需要一定得时间，不能急于求成,过早追求经济效益。）人工智能整体水平亟待提高。
由于国内人工智能起步较晚,未能较早参与相应得人工智能国际技术、专利及标准制定,因此奉上了数额不菲得“学费”.在国内人工智能领域，有很多科研机构与企业在参与技术研发，并在某些领域处于与国外基本同步甚至领先水平，这对于提升中国在未来人工智能领域得技术、标准话语权以及市场应用主导权至关重要.但就是,中国人工智能得整体能力与水平远未达到通用智能化程度,人工智能基础研究得总体水平,与国际先进水平仍然存在明显差距。要在整体上赶上国际先进水平依然任重道远，需要时日。
3)国家得决策有待落实于行动。
中国虽已公布了一批与人工智能相关得发展规划,如《智能制造202５》、《机器人产业发展规划（2016—2020年)》与《“互联网+”人工智能三年行动实施方案》等，但尚未制定全面发展人工智能得国家战略。上述规划与方案也需要把政策规划转化为行动,变成瞧得见得效益.４ ４)国家资金支持力度有待进一步提高。
人工智能英语报告 第3篇
《英语课程标准》提出了基础教育阶段的课程总体目标, 强调从学生的学习兴趣和认知水平出发, 全面培养学生的综合语言运用能力。一直以来, 传统英语教学对语法知识过分重视, 忽视了对学生实际语言运用能力的培养。
为了改变这种现状, 2011年9月至12月, 我校在河北省教育学会中小学外语教学专业委员会的指导下参加了国家十一五课题“爆破英语”实验。
2. 实验方法和步骤
2.1 实验对象:
以八年级5、6班为实验班, 其他班为对照班, 教师配备均衡, 各方面情况与实验班相似。
2.2 选用材料:
以人教版《新目标》为素材研发的“爆破英语”学习软件, 辅以自编教材。
2.3 测试方式:
1.问卷调查。2.成绩测试, 市统一命题考试为测试根据。
2.4 培训方法:
先组织学生认真学习《“爆破英语”实验班教学管理流程》, 尤其是认真研读学习软件的基本程序和要求。在明确实验的各个环节后, 引导学生运用智能学习软件记忆单词。
2.5 实验过程
第一阶段:了解学生的学习状况, 找出英语学习中的不足。
学生们在英语学习中通常遇到什么样的难题?本次“爆破英语”实验能帮助他们解决哪些困难?为此, 我们让学生填写了一个英语学习自测表。
通过自测结果统计, 48%的学生在英语学习方面普遍存在词汇记忆方面的问题, 并且因为词汇量不够而影响阅读速度和质量, 29%的学生在英语学习方面缺乏自信心, 不能积极主动地学习英语。
第二阶段:严格督促, 提高实验效率。
实验教师严格督导, 每天查询学生词汇学习情况, 做好统计, 在课堂上针对学生的词汇记忆、听写测试、效果监测和自我评估板块作出反馈, 布置个性化作业, 及时检查督促。
1.每天安排45分钟的网络学习时间。
2.学生之间展开学习竞赛, 每周评选“学习明星”, 并让他介绍学习经验。
3. 帮分数较低、学习落后的学生分析原因并及时解决, 培养学生的自信心。
4.要求学生及时记录学习中的易错词汇, 不断复习。
5.利用“家校联系本”, 了解学生在家的学习状况。
6.教师对操作困难的学生单独指导, 或安排学生互相帮助。
第三阶段:命题测试, 及时发现问题。
按照《试验班教学管理流程》的要求, 我校组织实验班学生于10月和12月进行了学前测试和学后测试 (试卷附在后面) , 本着科学客观的态度进行了评卷和打分, 并且及时把实验进度和实验中出现的问题反馈给北京总部, 同时采集了各阶段的实验数据, 按时高效地完成了“爆破英语”实验。
3. 实验结果
三个多月的实验使我们更加清楚地了解“爆破英语”学习软件的智能性和高效性, 同时, 全新的英语学习模式也激发和培养了学生的英语学习兴趣, 使试验班学生的综合能力得到改善和提高。
3.1 英语词汇量显著增大, 语言技能全面提高。
由于“爆破英语”学习软件设计科学, 图文并茂, 学生在词汇的近义词、反义词以及词汇运用方面拓展丰富, 词汇记忆速度达到了每小时60-80个单词, 同时, 学生也提高了听力准确率和阅读速度。
表2证明, 学生通过参加“爆破英语”实验, 39名学生提前掌握了八年级 (下) 的课本词汇, 18名学生提前进入九年级课本词汇的学习, 达到或超过了《英语课程标准》对八年级上学期学生词汇量的要求。
3.2 学生学习兴趣和主动性明显改善, 英语学习成绩呈上升趋势。
学生自信心增强, 克服困难的意志力得到锻炼, 学习技能和态度相辅相成, 相互促进, 我们就学生实验前、后的成绩进行了对比和分析, 学生的英语学习成绩有了大幅度提高。
3.3 学习自信心增强, 课堂表现更加积极。
在“爆破英语”学习软件的积极影响下, 参加实验的学生在实验前后的精神状态明显改观, 尤其体现在课堂表现上。
“爆破英语”实验给学生带来一系列的积极影响, 扎实的基础知识使学生自信心增强, 课堂表现非常积极的学生由实验前的12%增加到实验后的43%, 而课堂表现不够积极的学生由实验前的23%下降为7%, 学生整体的英语学习主动性增强。
3.4 实验个体不同, 学习效果出现差距。
当然, 实验班也有个别学生成绩退步或进步较少, 我们对这部分学生进行了调查和分析。存在如下问题:惰性较强, 学习态度不积极, 上网学习时间不足;弄虚作假, 不懂装懂, 胡乱点击, 学习实效性差;趁家长不注意时浏览其他网页或者打游戏;重视力度不够, 请假频繁, 学习进度偏慢。
4. 存在问题
综合分析实验班学生的表现和各项实验数据, 我们认为, “爆破英语”学习软件也存在一些值得商榷和改进之处。《英语课程标准》要求“注重过程评价, 促进学生发展”, 我们希望“爆破英语”评价更加多样性和灵活性。除了用分数和百分比来评价学生成绩, 可多设计一些激励性的评价, 给予学生更人性化的鼓励。例如, 当学生取得一定进步时, 给一些“掌声”的音响效果;用竖起的大拇指表达“真棒”;用跳动的卡通人物说“再试一次”。
人工智能英语报告 第4篇
【关键词】音乐节奏智能 高职高专英语语音课程 教学策略
【基金项目】学校2014年度一般课题，编号：QY-2014-13。
【中图分类号】H319 【文献标识码】A 【文章编号】2095-3089（2016）29-0148-02
一、课题提出的背景
重视律调的教学观念十多年来已在大专院校英语语音教学中得到了广泛认同。但是律调教学往往难以通过单纯的说教和简单的操练习得或学得，作为二语习得与外语教学的重要课题，英语语音教学往往在此停驻僵持。在西方，潜心研究用音乐智能助推二语习得的学者有纽约大学英语教授Carolyn Graham，Jazz Chants便是由她提出：利用音乐智能潜力，把音乐和语音智能结合起来，互相促进。Carolyn Graham著有Lets Chant，Lets Sing和Mother Goose Jazz Chants等教材，为国内致力于研究同类领域的教育工作者和语音学者们提供了良好的素材和平台，而她的教学理念也成为了该领域研究的重要理论基础。国内相关研究普遍认为：音乐节奏与语音节奏存在共性，音乐节奏对于英语语音教学有着一定的影响，因而在语音教学中，教师除了纠正学生发音，还应借用音乐节奏使学生掌握语流中的语音特点，掌握英语语音中连读、弱读、省音、同化等音变现象。（徐莉，2008）Jazz Chants将有节奏的英语口语与传统的爵士乐节奏相结合，强调节奏、重音和语调，这与英语语音训练中重视超音段音位相一致，并且其超音段音位在传文达意中起重要作用。（孙元春，2011）综上，本研究将根据国内外同类课题的成果，寻找适合幼儿师范高职院校的语音教学策略，并在实践中印证其有效性。
二、课题研究的理论意义和实践意义
本课题系统地梳理和整合基于音乐智能理论的英语语音教学理论体系，充实基于音乐智能理论的英语语音教学策略体系，充分利用学生的音乐智能，积极引导他们向相应的职业方向发展。增加对学习者内部因素的了解，补充个案研究，采用纵深研究，填补英语语音获得策略，完善基于音乐智能理论的英语语音教学研究理论体系。同时，对二语习得和音乐智能之间关系的实证研究补充新的证据，也将为国内同类研究提供借鉴。另外.本课题为高职高专英语语音教学提供教学方法借鉴，有效地提高幼儿师范院校学生英语语音音段音位和超音段音位语音技能，夯实学生的英语语音基础，为同进度课程和后续课程奠定基石，也为学生将来的工学结合及就业和职业发展设定一个更高的起点。
三、课题研究的理论依据
本课题的研究以《幼儿园教育指导纲要（试行）》精神、儿童语言发展理论以及多元智能理论的音乐节奏智能等为依据。在心理学领域，多元智能理论的创始人Howard Gardner（霍华德·加德纳）博士在1983年首次通过其出版的《智能的结构》提出并着重论述了多元智能理论的基本结构，同时提出了衡量人类智能的新标准，其中就有音乐节奏智能和言语语言智能。音乐节奏智能和言语语言智能分属不同智能，然而语言中的语调却大多依赖对音乐的觉察力，两种智能在作用对象，如振动、音程、节奏和音色上，具有高度的相似性。在儿童认知发展领域，Carmen F. Mora证明了人类学习语言的顺序是先模仿音调和节奏的轮廓，再模仿单词发音（2000）。从脑神经科学角度，Robert Jourdain在研究中发现，接受过音乐训练的人掌握语言的能力普遍较高（1998）。Lerdahl和Jackendoff认为人天生有乐感，并且乐感是和语感同步发展的，音乐可以帮助我们获得通用的语音规则（1983）。
四、课题研究的目的和内容
本课题致力于实践教学体系研究，探讨如何以能力培养为核心，在高职高专师范院校英语学前教育和英语小学教育专业利用Jazz Chants和Rap等类型的英语歌曲提高英语语音音段音位和超音段音位语音技能的教学效果，夯实学生的英语语音基础。根据研究的目的，本课题研究的重点在于探索歌曲的采用有何原则，在此基础上采取何种教学策略能够有效提高学生的英语语音音段音位和超音段音位语音技能。研究难点是探究采取何种教学策略能够有效提高学生的英语语音音段音位和超音段音位语音技能。本课题研究人员对两个实验班和一个对照班的学习兴趣和动机、自主学习情况、英语语音音段音位和超音段音位语音技能掌握情况进行调查，分析数据，总结出歌曲教学是否对学生英语语音音段音位和超音段音位语音技能的掌握有帮助，如果有，在多大程度上提高了这些技能，歌曲的采用有何原则，在此基础上采取何种教学策略能够有效提高学生的英语语音音段音位和超音段音位语音技能。
五、課题研究的基本思路和方法
（一）文献研究法。研究人员在课题研究准备阶段，搜集、鉴别、整理文献。（二）教学观察法和行动研究法。在一定时空条件下有目的、有计划地描述研究对象，并遵照“计划—行动—反馈—调整—再行动”的研究步骤和要求，提高研究的实效。（三）调查研究法。在研究开始前实施前期调查，在研究的过程当中实施过程调查，在结题前进行效果调查，了解学生学习现状及发展情况，以便对方案的实施提供依据和进行动态调整，主要采用问卷调查、个别访谈、语音测试。
六、课题研究的结论
一是歌曲选择的策略。体现在选择歌曲的原则和方法。选择适合语音教学的歌曲应首先以学习者的英语水平和音乐基础为参考标准：如果学习者的词汇量小，音乐基础薄弱，则教师可推荐生词少、歌词重复率高、旋律简单的歌曲，如儿歌或朗朗上口的流行歌曲；如果学习者的英语基础不错，且乐感佳，教师可适当介绍各种曲风的歌曲，如爵士乐、说唱乐、乡村音乐等。此外，教师应充分利用歌曲中的文化因素，选择的歌曲尽可能呈现异域文化和当地语言习惯，并且让学生主动探究歌词中的文化盲点，走进歌曲所折射出的人文气息。
二是歌曲建库的策略。教师可让学生直接参与建设歌曲库。任务分配可以是搜索歌曲、歌曲遴选、为歌曲分类、歌词录入、歌词的语音技巧分析与标注等。学生亦可根据歌词主题、曲风或者歌手建设有特色有个性的曲库，教师可鼓励学生展示自己的成果，并提供机会让学生互相学习和借鉴。
三是歌曲倾听与模仿的策略。除了听歌填词、听歌填句、听歌排序等传统的听力游戏和练习，教师可以为学生创造更多层次的倾听练习。首先是搜集不同歌手演唱的同一首歌，学生可以分辨不同的发音方法和各异的音质，甚至可以听听英美歌手的不同演绎，从而加深对英美发音的感性认识。其次教师可以呈现同一首歌的不同曲风，学生能深切感知到悬挂在不同节奏组中的歌词不同的表现状态，并受惠于这一类对比练习，丰富语言的节奏感。至于模仿，除了反复练习以达到熟能生巧，也要借用一些常规方法以提高学生的仿真度。首先，教师指导学生如何分析歌词语篇的发音技巧，可以由浅入深，从歌曲音频截取少量句子供学生进行听力练习、分析发音技巧并反复模仿，在学生熟练了之后可以将整段歌词给学生进行分析处理，再模仿演唱，最后学生能达到自行学习一首歌曲的程度。为了检验学生的模仿效果，教师可以让学生录下自己的歌声，和原版作对比，以发现重大发音问题。为了避免学生对自己的错误不自知而发现不了问题，学生还可以交换各自的录音，进行互评。最后，也是最重要的，学生必须能够遵照音准、发音技巧和节奏方面的各种要求完整地演唱歌曲，并且将自己的声音录制成作品，这对学生是一种肯定和鞭策，而作品的交流和展示将为学生互相学习提供更多的机会。
四是监测评价的策略。监测在语音课堂上比较方便实施，但教师监测不到学生在课后的努力程度和采用的方法，所以教师大可鼓励学生记录自己通过模仿歌曲学习语音的心路历程，同时记下自己的收获和困惑，帮助教师了解各个学生的学习特点和进度，以便帮助学生，并给出更客观的评价。评价需要一套灵活度高的标准，兼顾形成性评价和终结性评价。灵活度高首先体现在以形成性评价为主：底子薄的学生最后达到了与发音优秀的学生相仿的学习效果，那么教师就应该给予更高的评价和更多的肯定。灵活度高还有另一层要求：评估的最终目的必须是考查学生基于自然言语状态下的语音效果，而不仅仅是朗读词句或演唱歌曲，否则测到的只是死的语言，这对学生口语语音的掌握意义不大。
五是歌曲与学前领域的整合。学生的专业是学前领域，教师在该课题研究的初始就适当地结合学前英语儿童歌曲和童谣进行语音教学，因此在研究的最后，学生已经掌握了岗前培训的诸多内容，再加上平时提供的学前各大领域素材，以及多样化练习，如幼儿故事、幼儿英语教学、动画片配音、绕口令等丰富的形式，当完成语音学习后，学生对自己未来的职业已经有了比较全面的认识，而结合了表演的语音训练也已然为学生将来的教学工作打开了一扇窗。
七、今后研究的方向
本课题今后还将在理论方面作进一步的充实和提升，在实践方面往幼儿英语教学探索，以音乐节奏智能辅助英语语音教学理念为指导进一步扩展研究的广度和深度。
参考文献：
[1]Howard，E. G. 1983. Frames of Mind：The Theory of Multiple Intelligences [M]. New York：Basics Books
[2]Graham，C. 1986. Small Talk：More Jazz Chants from Carolyn Graham [M]. Oxford：Oxford University Press
[3]裴正薇. 2012. 英語语音成功者与不成功者使用策略的差异研究[J]. 外语教学理论与实践（3）：64-70
人工智能行业研究报告 第5篇
从去年的Alpha Go对战李世石开始，再到今年升级版的Alpha Go对战柯洁，人工智能经过一年多的发酵早已不再是一个陌生的名词。
截至目前，人工智能行业已发布了多篇报告，但我们仍致力于写出不一样的东西。除却老生常谈的算法、计算力、数据之外，我们认为人工智能的未来最重要的驱动力一定会是“场景驱动”。在人工智能的场景驱动阶段，不但可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策，最终实现“给予决策支持”的目标。因此本报告中，我们用了较大的篇幅去描绘人工智能的场景应用。
那么，在不同的场景中，人工智能是如何发挥作用的？带着这个问题，我们研究了国内外与此领域相关的企业，写出了这份人工智能行业的研究报告。
报告摘要
人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟。
1.在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。其中技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用，其中计算力主要包含芯片、超级计算机、云计算等三个维度。
2.在市场规模方面，综合考虑我国人工智能的爆发节点、技术成熟度以及全球AI市场规模等因素，我们保守估计最迟至2019年我国AI的市场规模将突破百亿元，而2022年这一数字应在700亿元左右。
3.随着AI支撑技术的不断发展，AI将持续拓展更多的应用场景；而愈发多样化的应用场景需求又会反过来驱动支撑技术，从而带动整个AI行业的持续发展。但各应用场景的发展并非均衡，整体看来将从垂直领域AI逐渐过渡到通用型AI。
总体来说，AI最重要的还是要将技术与应用场景相结合，无法落地的技术很难得到资本青睐和市场认可，而有闭环、垄断性的数据，并且其技术能够与实际应用场景结合的公司将有望产生难以被替代的商业价值。
行业概述
AI是使用机器代替人类实现认知、分析、决策等功能的综合学科
人工智能（ArtificialIntelligence）是指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。凡是使用机器代替人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。作为一种基础技术，理论上讲人工智能能够被应用在各个基础行业（如AI+金融、AI+医疗、AI+传统制造业等），同时也有其如机器人这样具体应用行业的概念。
本报告将以2017年上半年为时间节点，对包括发展驱动力、巨头布局、投融资情况、预测的市场规模等在内的人工智能行业到目前为止的整体发展情况做简要分析，并对包括数据标记、语音识别、语义识别、计算机视觉等技术领域以及安防、医疗、金融等应用场景在内的细分领域及其典型企业进行简析，探索人工智能领域未来发展趋势和可能的投资/创业机会。
行业驱动力
技术驱动：算法和计算力是主要驱动力
在AI发展的不同阶段，驱动力各有侧重，我们可以将AI的发展划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。
技术驱动阶段集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。现在主流应用的基于多层网络神经的深度算法，一方面不断加强从海量数据库中自行归纳物体特征的能力，一方面不断加强对新事物多层特征提取、描述和还原的能力。对算法来说，归纳和演绎同样重要，最终目的是提高识别效率。最新ImageNet测试结果显示，AI错误率低达3.5%，而人类对同一数据库识别错误率在5.1%，理想情况下，计算机图像识别能力已超越人类。
如上图所示，每年在ImageNet测试中错误率最低的算法模型都不尽相同（从NEC到ResNet），这也反映了人们对于算法的不断探究、更迭过程。
计算力的三驾马车：芯片、超级计算机、云计算 提高识别效率除依靠算法之外，也离不开计算力的支持。计算力可以分三个维度展开：芯片、超级计算机、云计算。
芯片：人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出现了GPU、NPU、FPGA、DSP等“AI”芯片。1999 年，Nvidia公司发布了全球首款图片处理芯片GPU；2016年，寒武纪发布了全球首款深度学习专用处理器芯片NPU，芯片的更迭、进步可从根本上提高计算性能。
超级计算机：其基本组成组件与个人电脑的概念无太大差异，但规格与性能则强大许多，是一种超大型电子计算机。我国自主超级计算机“神威·太湖之光”，其处理器为众核CPU“申威26010”，整台“神威·太湖之光”共包含40960块处理器；打败李世石的AlphaGo共包含1202个CPU和176个GPU；打败柯洁的升级版AlphaGo使用到了TPU，但数量只有 4 颗。
可以发现，真正用于人工智能的超级计算机芯片还只是处于CPU、GPU层，如何将更适用于网络神经算法的NPU、FPGA等芯片量产化并融合入超级计算机芯片矩阵，是在人工智能发展的第一阶段—技术驱动阶段应该重点努力的方向之一。
云计算：与主要应用于密集型计算的超级计算机不同，云计算依靠其灵活的扩展能力主要应用于社交网络、企业IT建设和信息化等数据密集型、I/O密集型的领域。
我们分析认为，当AI跨越入第二阶段—数据驱动阶段后，算法和计算力将变成人工智能领域的基础设施—“水、电、煤”。就目前看来，多项算法开源平台已将AI算法引入统一、公用阶段，运算力也必将向同样的趋势发展。云计算则是一个初步尝试，未来，计算力的发展方向或将是云计算和超级计算机技术结合，为企业提供既可密集运算又可灵活扩展的计算服务，将人工智能赋能全行业。
数据驱动：描绘个性化画像；场景驱动：给予决策支持
人工智能发展的第二个阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动社会运行效率提升。
到了人工智能发展的第三个阶段，场景驱动作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。此阶段，对数据收集的维度和质量的要求更高，并且可实时根据不同的场景，制定不同的决策方案，推动事件向良好的态势发展，帮助决策者更敏锐的洞悉事件根本，产生更精准更智慧的决策。
人工智能产业链综述
AI产业链主要包括技术支撑层、基础应用层和方案集成层
正如报告开头所述，人工智能是指使用机器代替人类实现认知、识别、分析、决策等功能，是一门综合了计算机科学、生理学、哲学的交叉学科。完整的人工智能产业链可以分为技术支撑层、基础应用层和方案集成层，或者说应用场景层。
技术支撑层主要由AI芯片、传感器等硬件和算法模型（软件）和两部分构成。其中传感器与IoT的感知层相似，包括GPU、FPGA、NPU等在内的AI芯片负责运算，算法模型则负责训练数据。
基础应用层的技术则是为了让机器完成对外部世界的探测，主要由计算机视觉、语音识别等感知层和语义识别等认知层构成，这些技术是机器能够做出分析判断的基础。此外，在感知与认知技术之下还有数据标注作为其底层支撑。
方案集成层是集成了某种或多种基础应用技术的、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不同应用场景的产品或方案。
本篇报告将主要围绕AI中基础应用层和方案集成层，即应用场景层进行分析。
语音识别：语音识别过程虽存在难点，但目前技术已趋于成熟
语音识别是将语音转换为文本的技术，是自然语言处理的一个分支。前台主要步骤分为信号搜集、降噪和特征提取三步，提取的特征在后台由经过语音大数据训练得到的语音模型对其进行解码，最终把语音转化为文本，实现达到让机器识别和理解语音的目的。根据公开资料显示，目前语音识别的技术成熟度较高，已达到95%的准确度。然而，需要指出的是，从95%到99%的准确度带来的改变才是质的飞跃，将使人们从偶尔使用语音变到常常使用。
语音识别作为一种一维时域信号，在实际操作中主要有两个难点。首先是数据的获取、清洗。语音识别需要大量细分领域的标准化语料数据作为支撑，尤其是各地方言的多样性更是加大了语料搜集的工作量。据媒体消息，苹果iOS 10.3版本中Siri已支持上海话。
第二个难点是语音特征的提取，目前主要通过具备多层神经网络的深度学习来解决，多层的神经网络相当于一个特征提取器，可对信号进行逐层深化的特征描述，最终从部分到整体，从笼统到具象，做到最大程度地还原信号原始特征。
语音识别虽市场庞大但已出现领航者，留给创业公司的机会不多
据Research andMarkets研究报告显示，全球智能语音市场将持续显著增长，预计到2020年，全球语音市场规模预计将达191.7亿美元。根据Capvision报告显示，从语音行业市场份额角度来看，全球范围内，由Nuance领跑，国内则是科大讯飞占据主导地位。
企业案例：科大讯飞
科大讯飞专注于To B的语音识别技术，目前已领跑中文语音市场
科大讯飞创办于1999年，主要从事智能语音及语言技术、人工智能技术研究，软件及芯片产品的开发，而应用集成则由下游的开发商或客户自己完成。根据公开资料显示，科大讯飞是目前我国少数掌握核心技术的语音领域企业之一，已于2008年5月在深圳证券交易所挂牌上市。
科大讯飞拥有六大核心技术，分别是语音识别、语音合、自然语言处理、语音评测、声纹识别和手写识别。其中更重要的是其同时拥有语音合成和语音识别，能够把“听”和“说”组合起来。此外科大讯飞还提出讯飞超脑计划，瞄准语音理解力市场。
随着人工智能热度高涨，科大讯飞等企业技术得以规模性落地
科大讯飞以讯飞超脑、AIUI 为内核，积极打造基于讯飞开放平台的AI 生态，面对不同场景，推出覆盖全行业的语音产品及服务，深耕智慧教育、智慧城市、智慧汽车、智慧医疗以及智慧家居五个行业，全方位挖掘G 端、B 端及C 端客户。
随着全球范围内人工智能热度的高涨，语音识别作为其中重要的技术应用层落地项目也愈加多元化。科大讯飞在智慧教育、智慧城市、智能家居、智能汽车、机器人等领域规模化的应用，促进了其营收近几年内持续稳定走高，尤其是在教育行业，科大讯飞构建了智慧考试、智慧校园、智慧课堂、智慧学习等一体化的智慧教育产品体系，2017年智慧课堂产品有望成为其在教育行业收入和毛利的重要增长点。
企业案例：Nuance＆云知声
Nuance领衔全球市场，云知声重点布局家居领域
从世界范围来看，Nuance是全球最大的独立语音识别公司之一。Nuance于1994年成立于美国麻省伯灵顿，并于2000年4月在纳斯达克上市。Nuance曾为苹果、三星提供语音支持服务，在语音识别领域一度处于垄断地位，后随深度算法的普及，各巨头逐渐开始自主研发语音识别技术，差距逐渐缩小。但直到今天，其发布的Dragon Drive（声龙驾驶）——互联汽车语音和内容平台，仍为众多知名车企提供着车载语音技术支持，如梅赛德斯-奔驰、戴姆勒、宝马、丰田、雷克萨斯、荣威等汽车品牌。
此外，还有重点布局家居领域的语音企业—云知声。云知声于2012年6月创办于北京，目前融资轮次为B+，是智能语音领域新锐玩家。据官方数据显示，云知声目前已覆盖了476个城市，覆盖用户超过1.8亿，代表客户有网易易信、锤子手机、乐视超级电视等。
语义识别：解决“听得懂”的语义识别领域中，新进入者仍具有一定机会
语义识别是人工智能的重要分支之一，解决的是“听得懂”的问题。其最大的作用是改变人机交互模式，将人机交互由最原始的鼠标、键盘交互转变为语音对话的方式。此外，我们认为目前的语义识别行业还未出现绝对垄断者，新进入的创业公司仍具备一定机会。
语义识别是自然语言处理(NLP)技术的重要组成部分。NLP在实际应用中最大的困难还是语义的复杂性，此外，深度学习算法也不是语义识别领域的最优算法。但随着整个AI行业发展进程加速，将为NLP带来长足的进步。
语义识别技术拥有多样性的应用领域以及行业参与者
我们认为，基于语音识别和语义识别的智能语音交互技术在车载场景中存在刚需，也会成为最先爆发的领域之一。并且，随着车联网的纵深化发展，相关硬件趋于免费，依靠语音交互天然流量入口，做个性化增值服务将是未来车载领域的主要盈利点。
从1996年至今，国内至今仍在运营的人工智能公司接近400家1。从下图可看出，自然语言处理（NLP）无论在创业热度、获投数量还是获投金额都处于细分领域的前三。据 Global Market Insights数据，预计到2024年市场规模达到110亿美元。
科技巨头乐衷于收购，小而美的企业更偏好细分场景
科技巨头尤其是微软早在2008年就已开始布局语义技术领域。对于巨头来说，自主研发耗时久、投入高，同时效果也是未知的，直接收购是多数巨头选择的最快方式。
关于语义识别领域的创业公司，国内代表企业有出门智能360、出门问问、三角兽、蓦然认知等。其中，三角兽的智能语音交互功能已被应用在Rokid、锤子手机、威马汽车等产品上。此外，由于自然语境和细分行业语境下，同一名词可能具备不同含义，因此除了行业通用型的语义识别公司之外，还存在一些深耕细分场景的公司，例如律师行业国外有基于IBM Watson的ROSS，国内有无讼、法律谷等。
计算机视觉：计算机视觉主要研究如何使机器具备“看”的能力
计算机视觉（computer vision，简称CV）是指用计算机来模拟人的视觉系统，实现人的视觉功能，以适应、理解外界环境和控制自身运动。主要解决的是物体识别、物体形状和方位确认以及物体运动判断这三个问题。计算机视觉识别系统通常需要三个过程：目标检测、目标识别、行为识别，分别解决了“去背景”、“是什么”、“干什么”的问题。
计算机视觉在技术流程上，首先要得到实时数据，此步骤可通过一系列传感器获取，少部分数据可直接在具备MEMS功能的传感器端完成处理，大部分数据会继续传输至大脑平台，大脑由运算单元和算法构成，在此处进行运算并给出决策支持。
动态人脸识别是最热领域，金融和安防是最热场景
计算机视觉应用场景可分为两大类：图像识别和人脸识别，每类又可继续划分为动、静共四个类别，基本覆盖了目前计算机视觉的各项应用场景。其中动态人脸识别技术是目前创业热度最高的细分领域，尤其是金融和安防场景，是其重点布局场景。
国内，计算机视觉领域的企业最早出现在1997年，2014年出现创业高潮，企业平均年龄在3.9岁。下表格为该领域目前存续的具备代表性的创业公司。
各细分领域成熟度相差大，其中人脸识别未来几年市场潜力巨大
计算机视觉作为一种人工智能的基础技术应用，使用场景多样，市场潜力巨大。其中人脸识别领域在2016年已接近百亿规模，中国市场在全球范围扮演着十分重要的角色。
由此可见，计算机视觉各细分领域的成熟度目前相差较大。人脸识别、指纹识别等所在的生物特征识别领域相对来说技术成熟度、工业化程度较高。在物体和场景识别方面，由于识别的物体种类繁杂，表现形态多样，技术成熟度较低。
对于计算机视觉而言，其主要瓶颈在于受图片质量、光照环境的影响，现有图像识别技术较难解决图像残缺、光线过爆、过暗的图像。此外，受制于被标记数据的体量和数量，若无大量、优质的细分应用场景数据，该特定应用场景的算法迭代很难实现突破。
企业案例：商汤科技
专注计算机视觉算法研发，推动视觉技术融入各行各业 商汤科技创办于2014年11月，位于北京，2017年4月完成了赛领资本领投的战略投资6000万美元。商汤科技专注于核心算法开发，通过视觉技术赋予计算机视觉感知和认知的能力，业务覆盖金融、商业、安防、互联网+等行业，意图为企业提供低门槛的计算机视觉技术，打造“商汤驱动”的人工智能商业生态。
商汤科技的核心能力在于其能够自主开发原创深度学习模型，其自有的高性能算法库相对行业内开源平台库，较大程度提高了算法效率，带来2-5倍的性能提升。性能的提升直接导致的是极大地降低了计算机视觉硬件门槛，例如一般情况下双目、深度摄像头才具备视频处理能力，但利用商汤科技的算法模型，单目摄像头也具备此能力。此外，商汤科技自身构建了具备200块GPU链接能力的DeepLink超算平台，过去耗时1个月的运算，现在只需5-6个小时即可完成。硬件门槛降低+计算能力提升，使得大部分企业快速接入计算机视觉技术成为现实。
作为算法层企业，商汤科技通过与京东、小米、新浪微博等应用层级公司合作，使得自己的算法可以很好地融合多类细分领域的特点，快速移植复制到各行各业。除此之外，商汤还在技术层与多家企业合作，例如，商汤科技与科大讯飞合作研发具备人脸+语音双重识别的产品；与英伟达合作研发适用于深度学习的GPU芯片，该芯片可实时处理双路视频，为智慧视频提供支持。
商汤科技诞生于香港中文大学的多媒体实验室，团队成员主要由两部分构成，其一是来自MIT、斯坦福、香港大学、清华大学等高校及其实验室的科研人员；其二是来自谷歌、百度、微软、阿里巴巴等产业界的商业人员。商汤科技意图将实验室最新成果与商业变现之间的时空差距缩到最低限度。2017年4月，商汤科技宣布完成了新一轮的战略融资，将进一步加速商业化布局。
企业案例：触景无限
触景无限专注嵌入式感知模组的研发，试图在前端解决感知问题
除商汤科技这类依靠算法作为计算机视觉解决方案的流派之外，还存在触景无限这类专注于前端嵌入式硬件并搭载软件的打法。触景无限成立于2010年，提供嵌入式智能感知平台——视觉卡，并于2017年3月完成A+轮5000万元人民币融资。
触景无限视觉卡基于英伟达、英特尔等嵌入式芯片，融合了人脸识别、物体识别、双目测距、GPS、TOF、IMU等多种传感器、数据处理平台和压缩算法模型，提供的嵌入式智能感知平台，具备体积小、功耗低、实时图像处理、处理能力高、多目摄像头支持、通用API接口等特点。例如基于深度学习的人脸识别技术运行在视觉卡上能达到每帧100ms的速度（分辨率为1080P时的检测+识别速度），在1:1人证比对的情况下识别率大于99%，在1:50000的情况下识别率大于90%。通过该视觉卡，信息处理可以直接在前端完成，帮助前端硬件完成“感”与“知”的融合。
在具体产品方面，截止2017年6月，触景无限视觉卡已完成两代视觉卡的研发，其中一代V10X系列已于2016年底实现量产，二代V20X系列亦于日前发布。相较于一代，二代基于Intel-Movidius芯片研发，芯片体积更小（一元硬币大小），功耗更低（低至2瓦），处理速度更强（约1Tflops）。两代视觉卡产品均可用于安防、无人机、机器人、智能家居、智能汽车辅助驾驶等领域。
人工智能的应用场景层
AI+医疗：融合目前主要体现在智能设备和识别诊断两方面
人工智能在医疗领域的应用，我们认为主要体现在“软”和“硬”两方面。“硬”指的是主要用于医院、诊所的医疗或辅助医疗的智能型服务机器人。种类包括手术机器人、假肢机器人、康复机器人、心理康复辅助机器人、个人护理机器人和智能健康监控系统等六大类。
手术机器人领域代表公司Intuitive Surgical成立于1995年，其产品达芬奇手术机器人是目前全球范围内应用最广泛、技术水平最高的手术机器人之一。达芬奇手术机器人属于人机协作型机器人，主要由医生控制台、机械臂系统、三维成像系统三部分构成。手术实施过程中，主刀医师不与病人直接接触，而是通过三维视觉系统和动作定标系统操作控制，由机械臂以及手术器械模拟完成医生的技术动作和手术操作。目前，整个手术机器人行业正在由大型开放性手术向人体微创精细型手术转型。
手术机器人行业急需打破垄断，降低成本，普惠国人
就全球而言，目前医疗机器人的研发与销售仍主要集中在北美地区。截至2016年6月，达芬奇手术机器人全球累计安装3745台，其中美国2474台，全球累计完成手术300万例。达芬奇手术机器人是国内唯一获批上市的医疗机器人，截至2016年12月，全国各地共引进了59台，2016共完成手术11445例，历年总计完成手术22917例，国内渗透率极低。
随着我国老龄化进程加速和中产阶级的崛起，人们对医疗的精准度、无痛化等要求逐步攀升，同时也由于医疗人员的稀缺，中国的医疗机器人的需求空间非常大。据OFweek消息，2021年，全球手术机器人市场规模将达200亿美元，手术机器人国产化已迫在眉睫。
AI+医疗衍生出的识别诊断领域中，数据是关键
在AI与医疗的软性结合上，具体应用包括诊前的疾病预防、健康管理；诊中的辅助诊断、医学图像处理；诊后的虚拟医护助手等。目前，发展较为成熟的领域有医学影像识别和智能诊断等。
算法和数据是医学影像识别和智能诊断的技术基础，其中，医疗垂直领域的图像算法和自然语言处理技术已可基本满足行业需求，而数据方面例如医学影像数据、电子病历等，存在各医院之间信息不流通、企业与医院之间合作不透明等问题，使得技术发展与数据供给之间存在矛盾。
但随着全球医疗保健进入数字化拐点，可授权使用的数据量得以快速增长，另一方面也由于医疗机器人这类新的医疗数据终端的逐步普及，都将为智慧医疗行业带来新的发展契机。
政策鼓励+需求爆发，大健康领域或将出现更多创业者加入
基于数据的稀缺性，拥有一手医疗数据、和政府、医疗机构有大量渠道的创业公司将会建立起壁垒。或者通过对拥有数据的企业进行全资收购也是快速壁垒的好方式。目前，AI+医疗的软性应用方面的主要玩家国外有IBM Wastson，国内有碳云智能、推想科技等。
2015年，国务院发布《关于印发全国医疗卫生服务体系规划纲要(2015年—2020年)》，提出推动惠及全民的健康信息服务和智慧医疗服务，推动健康大数据的应用，逐步转变服务模式。IDC预计，2017年国内医疗行业IT花费市场规模将达到336.5亿元，2012至2017年的年复合增长率为14.5%，增速高于中国IT市场的平均增速，需求旺盛。
整体而言，医疗“软”市场急需医疗数字化、开放化，“硬”市场需要大量创业者加入共同开发医疗机器人这片国内蓝海。
AI+金融：AI技术的融入，赋予了金融行业更多想象力
从信息技术变革角度来看，金融历经金融IT、互联网金融到金融科技三大发展阶段。金融IT，通过 IT 软硬件实现传统金融机构办公和业务电子化；互联网金融，利用互联网实现资产端、交易端、支付端、资金端等互联互通，达到信息共享和业务撮合；金融科技，通过大数据、云计算、人工智能、区块链等最新技术，提高金融业务的智能化。
人工智能与金融的结合可从以下三方面展开说明
生物特征识别功能。
一方面活体验证降低了隐藏风险，一方面远程身份验证提升了工作效率。
千人千面、精准营销。
基于大数据、机器学习、标签计算，实现实时精准画像描绘，提供个性化营销是未来趋势之一。进一步还可发展为智能投顾、辅助量化交易等。
大数据征信、普惠金融。
基于大数据的征信系统弥补了中小型企业的征信空白，扩大了客户范围的同时，也提升了金融机构的风控能力。企业案例：平安科技
平安科技从金融领域的高频需求出发，主攻远程身份验证业务
平安科技成立于2008年，是平安集团旗下的全资子公司，拥有超过4000名专业IT技术人员和IT管理专家，基于母公司金融背景和需求理解，深挖人工智能在金融行业的应用，主要应用于基于人脸识别的远程身份验证，例如远程开户、绑卡核身、账户登录、分期购物、人脸考勤、人脸支付等业务场景。
平安科技以深度学习、神经网络为基础，精准定位人脸和快速面部特征信息提取完成身份验证，具备人脸检测、人脸比对、活体检测和去网纹等多项能力，目前累积使用已超过2.5亿人次。
平安科技人脸识别已服务逾百家合作客户，包括深圳、天津、福州、镇江人社局，深圳机场、房管局等。服务应用涵盖金融风控、安防、医保社保、铁路交通、机场安全、互联网、教育、社会公共服务等多个领域。
人工智能行业总结
深度算法、计算力、数据量以及应用场景共同推动AI迎来爆发期
自从1956年美国计算机协会组织的达特莫斯（Dartmouth）学会上提出“人工智能”一词，这个概念随着众多理论、技术和应用的出现而被不断丰富。经过半个多世纪的发展，人工智能已经成为时下最为热门的话题之一，“AI”与“AI+”亦成为一级市场的最火热的创业/投资领域。
电影《人工智能》英语赏析 第6篇
罗欢
Class 7 Grade 3
Number：201105140715 China West Normal University
2014/5/4
The Everlasting Existence---A.I Abstract:Human create the robot and make them to love,but they are also scared by the robots if they do something out of control.The human are selfish,so is their love while the love from robots is everlasting.Key words: robot;human;existence&love