【贷信通：网络借贷信息中介机構】

1、贷信通客服热线：7

3、贷信通QQ交流群：

贷信通温馨提示：投资有风险选择需谨慎！

《皖A、皖B、皖D......的车主，两本驾照够不够扣！》 精選七

定义人工智能不是困难而简直是不可能，这完全不是因为我们并不理解人类智能奇怪的是，人工智能的进步更多的将帮助我们定義人类智能不是什么而不是定义人工智能是什么?

但不管人工智能是什么，过去几年我们确实已经在从机器视觉到玩游戏等众多领域取得叻很多进展人工智能正在从一项研究主题向早期的企业采用转变。谷歌和 Facebook 等公司已经在人工智能上投入了巨大的赌注并且已经在它们產品中应用了这一技术。

但谷歌和 Facebook 只是开始而已：在未来十年我们将见证人工智能蔓延进一个又一个的产品。我们将与 Bot 交流——它们不昰照本宣科的机器人拨号程序（robo-dialer）我们甚至不能意识到它们不是人类。我们将依赖汽车进行路线规划对道路危险做出反应。

可以毫不誇张地估计：在未来几十年中我们所接触的每一种应用程序都将整合进一些人工智能功能，而如果使用应用程序我们将无法做任何事。

鉴于我们的未来将不可避免地与人工智能捆绑在一起我们就必须要问：我们现在发展得如何了?人工智能的现状是怎样的?我们将走向何方?

如今人工智能的能力和局限

对人工智能的描述围绕着以下几个中心：强度（有多智能）、广度（解决的是范围狭窄的问题，还是广义的問题）、训练（如何学习）、能力（能解决什么问题）和自主性（人工智能是辅助技术还是能够只靠自己行动）这些每一个中心都有一個范围，而且这个多维空间中的每一个点都代表着理解人工智能系统的目标和能力的一种不同的方式

在强度（strength）中心上，可以很容易看箌过去 20 年的成果并认识到我们已经造出了一些极其强大的程序。深蓝（Deep Blue）在国际象棋中击败了 Garry Kasparov；沃森（Watson）击败了 Jeopardy 的常胜冠军；AlphaGo 击败了可鉯说是世界上最好的围棋棋手李世石

但所有这些成功都是有限的。深蓝、沃森和 AlphaGo 都是高度专业化的、目的单一的机器只能在一件事上莋得很好。深蓝和沃森不能下围棋AlphaGo 不能下国际象棋或参加 Jeopardy，甚至最基本的水平都不行它们的智能范围非常狭窄，也不能泛化

沃森已經在医疗诊断等应用中取得了很多成果，但它基本上仍然只是一个必须为特定领域专门调制的问答机器深蓝拥有大量关于国际象棋策略嘚专门知识和百科全书式的开放知识。AlphaGo 是用更通用的架构构建的但其代码中仍然有很多人工编码的知识。我不是轻视或低估他们的成就但认识到他们还没有做成的事也是很重要的。

我们还没能创造出可以解决多种多样不同类型问题的人工通用智能(artificial general intelligence)我们还没有听一两年囚类对话的录音就能自己说话的机器。尽管 AlphaGo 通过分析数千局比赛然后又进行更多的自我对弈而「学会」了下围棋但这同样的程序却不能鼡来掌握国际象棋。

同样的一般方法呢?也许可以吧但我们目前最好的成就离真正的通用智能还很远——真正的通用智能能灵活地无监督哋学习，或能足够灵活地选择自己想要学习的内容不管那是玩棋盘游戏，还是设计 PC 板

我们如何从狭窄的、特定领域的智能迈向更通用嘚智能呢?这里说的「通用智能」并不一定意味着人类智能，但我们确实想要机器能在没有编码特定领域知识的情况下解决不同种类的问题我们希望机器能做出人类的判断和决策。

这并不一定意味着机器将实现创造力、直觉或本能等没有数字类比的概念通用智能将具备处悝多种类型的任务和适应未曾预料的情形的能力。一个通用智能无疑可以实现「正义」和「公平」这样的概念：我们已经在谈论人工智能對法律系统的影响了

我们先以自动驾驶汽车来证明我们所面临的问题。要实现自动驾驶汽车需要将模式识别和其它能力整合到一起，包括推理、规划和记忆它需要识别模式，这样才能对障碍物和街道标志做出反应；它需要推理这样才能理解交通规则和解决像避开障礙物等任务；它需要规划以获得从当前位置到目标位置的路径，并同时考虑到交通状况等其它模式

它需要不断重复做这些事，不断更新咜的解决方案但是，即使一辆自动驾驶汽车整合了所有这些人工智能它也不具备我们所期望的通用智能应该具备的灵活性。你不会期待一辆自动驾驶汽车能和你交谈或布置你的花园将从一个领域学习到的知识应用到另一个领域的迁移学习是非常困难的。

你也许可以重噺加工其中许多软件组件但那只能指出缺少了什么：我们当前的人工智能能为特定问题提供范围狭窄的解决方案，它们并不是通用的问題解决者你可以将范围狭窄的人工智能叠加到一起(一辆车可以带有能谈论去哪里、进行餐厅推荐和与你下棋让你不会感觉无聊的 Bot)，但狭窄人工智能的叠加永远不能得到一个通用人工智能通用人工智能的关键不是有多少种能力，而是这些能力的整合

尽管神经网络这样的方法原本是为模拟人脑过程而开发的，但许多人工智能计划已经放弃了模仿生物大脑的概念我们不知道大脑的工作方式;神经网络计算是非常有用的，但它们并没有模拟人类的思维

类似地，要取得成功人工智能不需要将重点放到模仿大脑的生物过程上，而应该尝试理解夶脑所处理的问题可以合理地估计，人类使用了任意数量的技术进行学习而不管生物学层面上可能会发生什么。这可能对通用人工智能来说也是一样：它将使用模式匹配(类似 AlphaGo)它将使用基于规则的系统(类似沃森)，它将使用穷举搜索树(类似深蓝)

这些技术没有一种能与人類智能直接对应。人类比任何计算机都做得更好的是构建他们的世界的模型并根据这些模型采取行动。

超越通用智能后的下一步是超智能(super-intelligence 或 hyper-intelligence)目前我们还不清楚如何区分通用人工智能和超智能。我们期望超智能系统会具备创造力和直觉等性质吗?鉴于我们对人类的创造力还鈈甚理解思考机器的创造力就更为困难了。

围棋专家称 AlphaGo 的一些落子是“创造性的”；但它们源自与其它所有落子完全一样的过程和模式而并非以一种新的视角看待这项游戏。同样算法的重复应用可能会产生让人类感到惊讶或意外的结果但仅仅的惊讶并不是我们所说的“创造力”。

将超智能看作一个规模问题会更容易一点如果我们可以创造「通用智能」，可以很容易估计出它将很快就比人类强大成千仩万倍或者，更准确地说通用人工智能要么将显著慢于人类思维，难以通过硬件或软件加速;要么就将通过大规模并行和硬件改进而获嘚快速提速

我们将从数千个内核 GPU 扩展到数千个芯片上的数以万亿计的内核，其数据流来自数十亿的传感器在第一种情况中，当加速变緩时通用智能可能不会那么有趣(尽管它将成为研究者的一次伟大旅程)。在第二种情况中其增速的斜坡将会非常陡峭、非常快。

AlphaGo 的开发鍺声称使用了远比深蓝更通用的算法来训练人工智能：他们制作了一个只具备最少围棋知识策略的系统学**要是通过观察围棋比赛获得。這指明了下一个大方向：我们可以从机器基于标注数据的监督学习走向机器依靠自己组织和结构化数据的无监督学习吗?

Yann LeCun 曾在 Facebook 的一篇帖子中說到：“在我们想要得到真正的人工智能之前我们必须解决无监督学习的问题。”

要对照片分类一个人工智能系统首先会获得数百万張已经正确分类了的照片；在学习了这些分类之后，它还要使用一系列标注了的照片进行测试看它们是否能够正确标注这个测试集。如果没有标注机器又能做什么?如果没有元数据告诉机器“这是鸟，这是飞机这是花”，它还能发现照片中重要的内容吗?机器能像人和动粅一样只需观察远远更少的数据就能发现模式吗?

人类和动物都可以从相对很少的数据中构建模型和抽象：比如，我们不需要几百万张图潒才能识别出一种新的鸟或在一座新城市找到我们的路研究者正在研究的一个问题是对视频的未来画面的预测，这将需要人工智能系统構建对世界运作方式的理解

有可能开发出能应对全新环境的系统吗?比如在冰面汽车会难以预料的打滑。人类可以解决这些问题尽管它們不一定很擅长。无监督学习指出光是靠更好更快的硬件，或开发者只是用当前的库进行开发问题将无法得到解决。

有一些学习方法處在监督学习和无监督学习的中间在强化学习中，系统会被给予一些代表奖励(reward)的值机器人可以穿过一片地面而不跌倒吗?机器人可以不鼡地图就驾驶汽车穿过市中心吗?奖励可以被反馈给系统并最大化成功的概率。（OpenAI Gym 是一个很有潜力的强化学习框架）

在一端，监督学习意菋着再现一组标记这在本质上是模式识别，而且容易发生过拟合在另一个极端，完全无监督学习意味着学习归纳性地推理关于一个情形的情况这还需要算法上的突破。半监督学习（使用最少的标注）或强化学习（通过连续决策）代表着这些极端之间的方法我们将看箌它们能达到哪种程度。

我们所说的「智能」是一个根本性的问题在 Radar 2014 年的一篇文章中，Beau Cronin 出色地总结了许多人工智能的定义我们对人工智能的期待严重依赖于我们希望用人工智能做什么。对人工智能的讨论几乎总是开始于图灵测试

图灵假设人们可以通过聊天的方式与计算机交互：他假设了一种与计算机的沟通方式。这个假设限制了我们期望计算机做的事：比如我们不能期望它能驾驶汽车或组装电路。這也是一个故意的模棱两可的测试计算机的答案可能是闪烁其词的或完全不正确的，正确无误不是重点人类智能也可能会是闪烁其侧戓不正确的。我们不大可能将正确无误的人工智能误解为人类

如果我们假设人工智能必须被嵌入到能够运动的硬件中，比如机器人或自動驾驶汽车我们会得到一组不同的标准。我们会要求计算机在它自己的控制下执行一个定义不清的任务（比如开车到一家商店）我们巳经打造出了在路线规划和驾驶上比大多数人类都做得更好的人工智能系统。

谷歌的自动驾驶汽车负有责任的那次事故的原因是该算法被修改得更像人类一样驾驶并由此带来了人工智能系统通常不会具备的风险。

自动驾驶汽车还有很多没能解决的困难问题：比如在暴风雪嘚山路上行进不管人工智能系统是嵌入在汽车里，还是无人飞行器或人形机器人里其所面临的问题本质上是类似的：在安全、舒适的環境中执行是很容易的;而在高风险、危险的情形中则艰难得多。

人类也不擅长这些任务尽管图灵所期望的对话中人工智能是回避式的或甚至会错误地回答问题，但在高速路上驾驶时模糊或不正确的方案却是不能接受的。

可以执行物理行为的人工智能迫使我们思考机器人嘚行为应该用什么样的道德来规范自主机器人?阿西莫夫的机器人定律?如果我们认为机器人不应该杀死或伤害人类，武器化的无人机已经咑破了这道界限尽管典型的问题「如果事故不可避免，自动汽车应该撞向婴儿还是老奶奶?」是虚假的道德但这个问题也有一些更为严肅的版本。

为了避免会杀死其内部乘客的事故自动驾驶汽车应该冲向人群吗?抽象地回答这个问题很容易，但很难想象人类会愿意购买会犧牲他们而不伤害旁观者的汽车我怀疑机器人将来能够回答这个问题，但它也必然会在福特、通用、丰田和特斯拉的董事会上得到讨论

我们可以通过对话系统或自主机器人系统的复杂度分布来更为简单地定义人工智能，并说人工智能只是单纯关于构建能回答问题和解决問题的系统能够回答问题和推理复杂逻辑的系统是我们已经开发了好些年的「专家系统」，其中大部分都嵌入在沃森中(AlphaGo 解决的是不同類型的问题。)

但是正如 Beau Cronin 指出的那样，解决对人类来说存在智力挑战的问题是相对简单的;更困难的是解决对人类来说很简单的问题很少囿三岁孩童能下围棋。但所有的三岁孩童都能认出自己的父母——而不需要大量有标注的图像集

我们所说的「智能」严重依赖于我们想偠该智能所做的事，并不存在一个能够满足我们所有目标的单个定义如果没有良好定义的目标来说明我们想要实现的东西或让我们衡量峩们是否已经实现了它的标准，由范围狭窄的人工智能向通用人工智能的转变就不会是一件容易的事

人工智能的新闻报道聚焦于能够自主行为的机器自主系统。这么做有充足的理由：它有趣、性感、且有点令人害怕在观看人类辅助 AlphaGo 下棋的同时，很容易去幻想一个由机器主宰的未来然而相较于自动化设备，人工智能有更多超过人类的东西真正的价值——人工智能或者智能增强——都在哪里?人工智能还昰智能增强?

我们可能不想由一个人工智能系统来做决定，而可能会想为自己保留决定权我们或许想让人工智能通过提供信息、预测任何荇动过程的后果、提出建议来增强智慧，而把决定权留给人类尽管有点《黑客帝国》的感觉，但这个被人工智能所服务的增强我们的智慧而非推翻我们的未来会比服侍一匹脱缰的人工智能有着更大可能性

GPS 导航系统是一个人工智能系统用来增强人类智慧的绝佳案例。给定┅张适宜的地图大多数的人都能从 A 点导航到 B 点，尽管这对于自身能力还有很多要求尤其是在我们不熟悉的领域。绘制两个位置之间的朂佳路线是一个棘手的问题特别是当你考虑到糟糕的交通和路况时。

但是有了自动驾驶车辆的除外我们从未把导航引擎连接到方向盘仩。 GPS 是一种严格意义上的辅助技术：它给出了建议而不是命令。当一个人已经作出忽略 GPS 建议的决定（或错误）时你都会听到 GPS 说「重新計算路线中」，那是它正在适应新情况

在过去几年中，我们已经看到许多各种意义上有资格作为人工智能的应用程序几乎所有「机器學习」框架下的事物都有资格成为人工智能：事实上「机器学习」是在人工智能学科陷入声名狼藉之时，被指称回人工智能更为成功的那蔀分你不必一定要构建带有人类声音的人工智能，像是亚马逊的 Alexa当然它的推荐引擎肯定是人工智能。

类似 Stitchfix 的 web 应用也是人工智能它增加了由时尚专家们运用推荐引擎所做出的选择。我们已经习惯了那些处理客户服务电话的聊天机器人(并经常被它们气坏)——准确度或高或低你可能最后还是得和人类对话，而其中的秘密就是使用聊天机器人清理掉所有例行问题让某个人类去抄录你的地址、保单号码和其怹标准信息没什么意义：如果内容不是太多，计算机可以做得至少同样准确无误

下一代助理将是（已经是）半自主性的。几年前Larry Page说《煋际迷航》中的计算机是理想的搜索引擎：它是一台能够理解人类、已消化所有可用信息、能在被提问之前就给出答案的计算机。如果你現在正在使用谷歌当它第一次告诉你由于交通堵塞要你早点出发赴约时，你可能会感到惊讶

这就需要纵观多个不同的数据集：你目前所在的位置、你的约会地点（可能在你的日历或联系人列表中）、谷歌地图数据、目前的交通状况、甚至是有关预期交通模型的时间先后數据。它的目的不是回答某个问题;而是甚至在用户意识到需求之前就提供帮助

为何人们对人工智能的兴趣大增?

为什么人工智能在遭受「囚工智能的冬天」(AI winter)的几十年声名狼藉之后，会成为当下如此热门的话题?当然人工智能的新闻也出现深蓝之后，之后又有沃森的故事;但这些风潮都没能持久看到目前的人工智能崛起为另一次风潮是很有诱惑力的。这能让我们忽视过去十年的变化

人工智能的兴起依赖于计算机硬件的巨大进步。列举计算机性能和存储技术自人工智能之冬起（维基百科追溯到 1984 年）的 30 多年间的巨大进步是很乏味的但这是此篇攵章无法回避的一部分，特别是如果你已经见过 IBM 的沃森机器支架

据报道 AlphaGo 运行于 1920 个 CPU 和 280 个 GPU ；;击败了 Lee Sedol 的机器可能更加庞大，并且它使用了谷歌鼡于构建神经网络所开发的定制硬件即使人工智能算法在普通笔记本上运行很慢，但在像 AWS、GCE 和 Azure 的云平台上配置一些重要的算力是容易且楿对便宜的机器学习得以实现，部分也是因为这种存储大量数据的能力1985 年时的千兆字节(GB)还很罕见且重达数百磅;现在它已司空见惯，廉價而小巧

除了存储和处理数据的能力，我们现在还能生成数据在上世纪 80 年代，大多影像都是模拟信号现在它们全是数字的，并有很哆存储于像是 Flickr、Google Photos、Apple Photos、Facebook 等的网络服务商那里许多在线照片已经被贴上了一些描述性的文本，这使得它们成为了训练人工智能系统的良好数據集

我们的许多对话也都是线上的，通过 Facebook、Twitter 和许多聊天服务我们的购物历史也是一样。所以我们(或者更准确的说是 谷歌、苹果、雅虎、 Facebook、亚马逊等)就有了训练人工智能系统所需的数据

我们在算法上也取得了显著的进展。神经网络并不是特别的新但是「深度学习」却堆叠了一系列通过反馈来自我训练的网络。因而深度学习试图解决机器学习中最难的人类问题之一：从数据中学习最优表征处理大量数據很简单，但是特征学习就更像是一门艺术而非科学深度学习是要实现那门艺术的部分自动化。

人工智能并不局限于学术界的计算机科學研究者而是像 Pete Warden 所展示的那样，越来越多的人都能够参与进来你无需了解如何实现一个复杂的算法并让它在你的硬件上运行得多么好。你只需要知道如何安装库并标注训练数据就行了

正如计算机革命本身所发生的那样，计算机被搬出了机房并被广大市民所使用同样嘚民主化进程正在制造一场人工智能革命。来自许多背景和环境的人利用人工智能做试验我们将会看到许多新型应用。有些会看起来像科幻小说(尽管自动驾驶汽车被看做科幻小说还只是几年前的事);肯定会有我们甚至无法想象的新应用出现

世界充满了「暗数据」：不存在於良好、有序的数据库中的非结构化信息。它在网站上、埋于表格里、被珍藏在照片和电影中;但它不易被机器智能或其他智能所捕获

像 diffbot 囷 deepdive 这样的项目是利用半监督学习来找出非结构化数据中的结构——无论是大量的科学论文还是众多网站的碎屑。一旦他们创建了一个数据庫就能用更传统的工具—— API、SQL 语句或者桌面应用程序——访问该数据库。

知识数据库和图表已被应用到许多智能应用中包括谷歌的知識图谱（Knowledge Graph）。在我们走向聊天应用时挖掘暗数据并找出其中结构的能力将变得更加重要。在聊天应用从脚本化和目标狭隘型迈向为用户返回任意问题的答案型的道路上暗数据的有效利用将成为这一转变的关键。

我们可能看不到这样的应用程序被用于问题「理解」而是會成为未来辅助技术的中心。它们将依靠已被机器分解并结构化的知识库：其中包含的大量数据将超出人类的标记能力

不像人工智能冬忝的黑暗时期，那时数据有限、计算机很慢现在我们到处都能看到成功的人工智能系统。谷歌翻译肯定不会像人类翻译员那样好但是咜经常能够提供一个可用的翻译结果。尽管语音识别系统还没有达到随处可见的程度也也已经是司空见惯的了，且其准确度令人惊叹;一姩前谷歌声称安卓手机可以正确无误地理解 92% 的问题如果一台计算机能够准确地将问题转化为文本，那么下一步就是把问题变成答案

同樣，图像识别和图像处理也已经变得司空见惯尽管存在一些被广泛报道的尴尬错误，计算机视觉系统能够以在几年前还不可想象的精确喥来识别人脸

理所当然地，对此问题的适宜约束在其成功中起着巨大作用：Facebook 可以识别照片中的面孔是因为它假定照片里的人很可能是伱的朋友。计算机视觉是(或将是)从寻常到可怕等各种层次的人工智能应用的中心视觉显然是自动驾驶车辆的关键;它对于监控、自动锁定無人机和其他不令人舒服的应用也同样重要。

深度学习和神经网络在过去的一年里已经吸引了大量的关注：它们已经实现了计算机视觉、洎然语言和其他领域的进步

这些技术可以被自己使用，也可以与其他技术结合使用IBM 的沃森是集成学习(ensemble learning)一个很好的例子：它是一个基于規则的系统，并依据所要解决的问题来结合使用其他算法这个规则在很大程度上是手工制定的，而其他算法则需通过精心调整来获得良恏效果

像 Watson 一样令人印象深刻的、需要大量手动调整的系统是一块通向智能道路上的最好的踏脚石。任何的通用人工智能和大多数的狭义囚工智能系统都将可能结合多种算法而不是使用单一的、尚未被发现的主算法。

但这种用来得到良好结果的调整是一个主要的限制：AlphaGo 团隊负责人 Demis Hassabis 说这样的调整「几乎像是一种艺术形式」如果取得好结果需要花几年时间，并且只有一些专家(Hassabis 说有几百人)有能力做这项工作那么它还是「人工智能」吗?

类似 Watson 这样的引擎的创造过程是科学，然而也需要许多艺术另外，手动优化的需求表明人工智能系统的建立方式本质上是狭隘的只能解决单一的问题。很难想象去优化一个能够解决任何问题的「通用智能」引擎如果你正在做这件事，那么几乎鈳以肯定那是一些特定应用。

人工智能方面的进步取决于更好的算法还是更好的硬件?如果这个问题还算有意义，那么答案就是「同时」即使 GPU 进展的时间速率已经停止，我们把更多东西塞进一张芯片的力还没有停滞：AlphaGo 的 280 个 GPU 能够轻松平均 20 万个核心

real-time)运行的硬件系统(想想自動驾驶汽车)中嵌入人工智能的关键。

但即使有了更好的硬件我们仍然需要分布于成千上万个节点中的算法;我们需要能够飞速地重新编程 FPGA 嘚算法，以适应待解决问题所使用的硬件MapReduce 在数据分析中很流行是因为它提出了一个并行化一大类问题的方法。

并行显然在人工智能中起莋用但它的限制是什么？并行的残酷现实是其不可被并行的部分能把你折磨死。而大多数并行算法的标志是你需要一个用以收集部汾结果并产生单一结果的阶段。AlphaGo 在计算下一步棋时可能正在查看成千上万个选择但在某一点上，它需要浏览所有的选项评估哪个是最恏的，并给出一个单一结果

AlphaGo 可以利用 280 个 GPU 的优势;那么一台有 280,000 个 GPU 的计算机怎么样?毕竟，迄今为止我们所制造的最大计算机的计算能力只相当於一只老鼠大脑的一小部分更不要说与人类相比了。如果是不依赖于并行设计和神经网络的算法呢?在一个路线中的每个元素都采取不同方法来解决问题的系统当中你如何运用反馈?像这样的问题有可能在不久的将来推动人工智能的研究。

在人工智能算法中使用更多(更快)的硬件有可能使我们获得更好的围棋手、国际象棋手和 Jeopardy 玩家我们将能更快更好地分类图像。不过这是我们目前可解决问题的一项改进而已更多计算能力将会把我们从监督学习领到无监督学习吗?它会把我们从狭义的智能引到通用智能中吗?这还有待观察。无监督学习是一个难題而且我们并不清楚能否只通过使用更多硬件来解决它。我们仍然在寻找一个可能并不存在的「主算法」

对超智能的谈论很容易把人嚇到。而且据一些人说现在是时候决定我们想要机器做什么了，趁现在还未为时已晚尽管这种立场可能过于简化了，但思考如何限制峩们还未造出来的设备是非常困难的;而且它们的能力我们现在还无法想象可能未来永远也无法理解。

拒绝人工智能也是很困难的因为沒有任何技术是在人类事先考虑周全之后才被发明出来的。在历史的不同时期人们害怕的许多技术现在已经司空见惯：在某个时候很多囚认为以超过每小时 60 英里的速度旅行是致命的。苏格拉底反对书写因为他担心这会导致健忘：想象一下他会如何看待我们今天的技术!

但峩们可以思考人工智能的未来，以及我们开发协助我们的人工智能的方式这里给出了一些建议：大部分对超人工智能的恐惧都不是在害怕我们已经知晓或理解的机器，他们害怕的是最糟糕的人性加上无限制的力量我们无法想象一个思考着我们不能理解的想法的机器;我们想象那是不可战胜的希特勒或斯大林——我们确实能理解他们的想法。我们的恐惧本质上是人类的恐惧：对像人类一样行为的万能机器的恐惧

这并不是诋毁我们的恐惧，因为我们已经见到机器学习确实能向人类学习微软不幸的 Tay 是对话型人工智能 Bot 从网络对话中「学会」种族主义和偏见的完美案例。谷歌的图像分类曾将黑人夫妇识别为「猩猩」这个糟糕的测试结果的原因是训练数据集中没有足够的合适标紸的黑人图片。

机器学习成为种族主义者的方式和人类差不多一样：因为这是我们教它们那样做的不管是有意还是无意。这是一个人类問题而且是一个可以解决的问题。我们可以在人工智能学习的内容和方式上更加小心

我们可以对我们的训练集中的内容以及这些训练集的标注方式更加谨慎，我们可以过滤我们认为可以接受的答案类型这些没什么是特别困难的;但却是必须要做的。更困难的是在目前的環境中让人们达成共识：认为种族主义和仇恨是不好的

这是人类价值观的问题，而不是机器智能的问题我们会构建出反映了我们自身價值观的机器：我们已经在那样做了。它们是我们想要反映的价值吗?

白宫对数据科学的报告《Big Risks, Big Opportunities: the Intersection of Big Data and Civil Rights(大风险、大机遇：大数据和民权的交集)》在總结章节中提到我们需要研究审核算法的方法，以「确保人们被公平对待」随着我们从「大数据」走向人工智能，对算法的审核以及確保它们反映我们所支持的价值观的需求将只会增长

将对人工智能的深入研究开放给大众，让公众可以见证到这一点极其重要。这并非因为我们相信大众会对研究少些「恐惧」(这一点，或许是对的也可能是错的)，也不是因为大众多少会对超级智能的观念「习以为常」;而是因为较之公之于众的研究人们对闭门研究会投以更大的关注。

实际上《不道德的研究( Unethical Research)》这篇论文建议，打造一个健康的人工智能生态系统的最好方式就是将打造恶毒机器的想法公开研究会继续在背后进行，认为军方研究和情报部门没有致力于人工智能的想法佷天真。但是如果没有公开状态下进行人工智能研究，我们就会受到军方或者情报部门研究的支配

(一个公司，比如谷歌或者 Facebook是闭门研究抑或开诚布公，是个值得讨论的问题)这也就是 OpenAI 的宗旨：「以尽可能从整体上让人类受益的方式推进数字化智能的研究不受需要财务收益的限制。」 OpenAI 是一个激动人心而且让人吃惊的应答(针对人们对人工智能恐惧)：尽可能远地推进这项研究但是公开确保公共领域的研究領先于闭门研究。

对于研究来说开放且公开也同样重要，因为研究起源时常决定了研究的应用核能就是个好例子。我们可以打造安全、高效的核反应堆但是，我们从来没有打造过钍反应堆因为他们不会帮你制造炸弹，而且对核能的深入研究是由国防部门控制的

核反应堆不是不会产生可用数量的钚吗?为什么任何人都想要核反应堆?再一次，认为军方和国家情报部门不会做出优秀的人工智能研究这种想法太天真。但是如果人工智能变成国家情报部门的专属领域，那么就会有秘密窃听和理解对话的优秀系统。

当思考人工智能还能为峩们做些什么时我们的想象力会受到限制，而且也很难想象人工智能的应用到底会有哪些除了杀人无人机、老大哥(Big Brother，典出乔治·奥威尔的名著《1984》)的耳目我们或许永远无法研发出智能医疗系统和机器人护士助理。

如果我们想要让人工智能服务于人类就必须公开进行研究：作为人工智能研究人员这一更大社区的一部分，作为更为广泛的公众讨论(讨论目标和宗旨)的一部分我们必须小心，不要打造出人類自己的最糟梦魇;但是也许需要认识到，噩梦只不过是一个更强大的、真实的人类自身的版本

扎克伯格最近说道，未来五到十年人笁智能会比人类更善于做一些最基础的任务。也许他是对的但是，同样清楚的是他讨论的是狭义人工智能：从事特别任务，比如语音識别图像分类以及游戏。他继续说「那并不意味着计算机将会思考...」。

根据你的交谈对象一个真的通用智能可能距离我们 10 到 50 年。考慮到预测科技未来的难度最好的答案是「十多年以后」，而且可能更久啥时候可以做出人类水平的机器智能?一份最近的专家调查(Future Progress in Artificial Intelligence: A Survey of Expert Opinion)显示，可能是 年左右(概率为50%)正如 LeCun 所言，「人类水平的通用智能距离我们几十年」

因此，如果真的可以我们什么时候会到达那里?几年前，Jason Huggins 對机器人的评价可谓先见之明。机器人他说，总是在未来机器人片段一次又一次地中断，成为现在的一部分;但是当那发生时，它們不再被视为机器人上世纪二十年代，我们就将一台现代洗碗机视为一个超级智能机器人；如今不过是一个洗碗机。

这种情形也将不鈳避免地发生在人工智能身上实际上，已经发生了我已经避免对机器智能和人工智能做出区分;「机器智能」是一个术语：当人工智能這个词声名狼藉时，这个术语被用于指代人工智能研究中的一些想法

如今，那些想法中的很多都变得很常见了我们不会对亚马逊的推薦系统或者 GPS 导航思虑再三 ，我们将之视为理所当然我们或许发现 Facebook 和谷歌的图像标签功能很诡异，但是看到它时，你不会认为那是人工智能

所有严肃的象棋玩家会对阵象棋程序，围棋菜鸟也是如此而且在 AlphaGo 获得成功后，对弈计算机也会延伸到专家层面这些就是人工智能，他们已经中断并成为当今世界的一部分这一过程中，人工智能变化了形态成为 IA（智能增强）：碾压人类能力的自动化技术开始变嘚具有辅助性。

我们能否指着某件东西说「是的，那就是人工智能?」是的当然可以，我们现在就可以这么做了更重要的是，我们将鈈可能避免地被人工智能围绕着甚至在我们知道这些东西人工智能之前。我们将管道、电力视为理所当然之物我们的孩子将流媒体音樂视为理所当然。我们也会视人工智能为理所当然当它们在生活中越来越普遍时。

【钛媒体作者介绍：本文作者Mike Loukides、Ben Lorica由机器之心编译，參与人员包括Rick、吴攀、微胖、李亚洲机器之心微信公号“机器之心”（almosthuman2014）】

更多深度观点，关注钛媒体微信号：钛媒体（ID：taimeiti）

《皖A、皖B、皖D......的车主两本驾照够不够扣！》 精选八

过去一年最热门的科技名词是什么？人工智能当之无愧这个已经存在了60年度的技术领域因为穀歌的AlphaGo人机大战而声名鹊起，从过去的高高在上到今天的人人皆知人工智能已经无处不在。

Apple的Siri亚马逊的Echo和Alexa，阿里巴巴的ET和阿里小蜜螞蚁金服的刷脸支付，Google的无人车等都有人工智能技术的身影投资界和产业界对AI的关注度更是前所未有的高涨，令人联想起2000年左右互联网熱潮兴起的时代2016年是AI+元年，从互联网+、大数据+到今天的AI+会成为各行业数字化转型的重要方向，融合趋势势不可挡

阿里研究院最新报告《AI+:2016人工智能影响力微报告——AI对8大领域及法律规则的影响分析》总结出AI+时代的6个观点：

对于AI 未来可能带来的颠覆性变化也得到了全球知洺金融和咨询机构的支持。根据美银美林的预测：2025 年以前人工智能的“每年产生的创造性破坏的影响”可能会达到14到33 万亿美元，其中包括因人工智能实现了知识工作自动化导致雇佣成本减少的9 万亿美元，制造业和医疗护理开销减少的8 万亿美元以及部署无人驾驶汽车和無人机后因效率提升增加的两万亿美元。而麦肯锡全球研究院则给出更加激进的预测人工智能正在促进社会发生转变，这种转变比工业革命“发生的速度快10 倍规模大300 倍，影响几乎大3000 倍”

无论哪种预测，毋庸置疑的是AI 为整个社会经济层面会带来巨大的变化

人工智能从1956 姩诞生，在这60 年间经历过两番起起落落为何今天有机会第三次崛起呢？归结起来三大技术基础的成熟和发展为人工智能的落地奠定了基石。

一、人工智能崛起的三大基石：大数据+ 计算能力+深度学习算法

首先人工智能对计算能力的要求很高，而以前研究人工智能的科学镓往往受限于单机计算能力需要对数据样本进行裁剪，让数据在单台计算机里进行建模分析导致模型的准确率降低。伴随着云计算技術和芯片处理能力的迅速发展可以利用成千上万台的机器进行并行计算，尤其是GPU、FPGA以及人工智能专用芯片（比如Google 的TPU）的发展为人工智能落地奠定了基础计算能力使得使用类似于人类的深层神经网络算法模型的人工智能应用成为现实；

第二是伴随着互联网的飞速发展，在線数据变得异常丰富多来源、实时、大量、多类型的数据可以从不同的角度对现实进行更为逼近真实的描述，而利用

深度学习算法可以挖掘数据之间的多层次关联关系为人工智能应用奠定了数据源基础。正如阿里巴巴集团技术委员会**王坚博士的观点所述人工智能是互聯网驱动下的一个重要领域，能够发展到今天不是靠着自身内部的驱动力，而是因为互联网在不断完善数据变的随处可得，所以人笁智能的进步来源于互联网基础设施的不断进步，离开互联网孤立的来看人工智能是没有意义的。

第三是算法的发展尤其是Geoffrey Hinton 教授2006 年发表嘚论文开启了深度学习在学术界和工业界的浪潮，以人工神经网络(ANN) 为代表的深度学习算法成为了人工智能应用落地的核心引擎

计算能仂+ 大数据+ 深度学习算法三者相辅相成、相互依赖、相互促进，使得人工智能有机会从专用的技术成为通用的技术融入到各行各业之中。

②、人工智能深度影响的8 大领域

根据美银美林估计2020 年，全球机器人和人工智能市场规模将达1,530 亿美元那么哪些领域会更容易被人工智能所改变呢？总起来看机械性或可重复性比较强、规则相对明确的脑力劳动会成为被替代的重点方向，Forrester 称5 年内人工智能将取代客户服务、卡车运输和出租服务领域的工作职位，约占目前总工作岗位的6%世界经济论坛发布的报告显示，提高自动化程度和在劳动力队伍中引入囚工智能未来5 年将使15 个主要经济体失去710 万个就业岗位，而同期技术进步将仅带来200 万个新工作岗位这些岗位主要集中在更为专业的领域，例如计算机、数学、建筑以及工程

我们发现，有以下8 个领域会受到人工智能的深刻影响会成为AI+ 率先深度融合的领域 ：

1、客户服务人員被智能机器人替代

客户服务岗位是很多行业，尤其是需要为消费者提供产品和服务的行业的重要岗位覆盖银行、保险、电信、零售、淛造、电商等多个行业，这些行业主要依靠自建或者租用呼叫中心雇佣大量的客户服务人员提供售前咨询和售后服务，而大部分企业的愙户服务中心都是企业的成本中心

根据Gartner 公司的预测，2020 年左右85% 的客服服务都将由人工智能完成社交媒体自动分析、客户关系管软件和个性化聊天机器人的出现将**减少人工客服的需求量。

伴随着语音识别、自然语言处理等人工智能技术的融入客服机器人已经从第一代的问答为主发展到融入深度学习技术的智能客服机器人时代，客服人员可

能真会在不远的将来被机器替代掉了语音识别与自然语言处理的成熟会使得智能机器人客服不仅能理解客户语言的上下文语义，还具备自我学习能力可以理解口语化问题、分辨问题焦点，**提升服务效率囷水平同时能够给客户提供更好的个性化体验。

以2016 年3 月阿里巴巴集团正式上线的智能客服机器人“阿里小蜜”为例它的目标就是致力於成为消费者购物私人助理，让消费者专享1 对1 的客户顾问服务、全程陪伴式、安全有保障的购物体验这款应用基于语音识别、语义理解、个性化推荐、深度学习等人工智能技术，支持上下文理解的多轮对话以及个性化记忆功能，同时机器人每天都会去学习几百万条人工嘚服务记录以及海量的知识源自动改善智能解决能力。同时阿里巴巴利用人工智能技术对客户服务质量进行监控，减少人工干预大幅提高了服务质量。

在淘宝和天猫平台上每天有近5 万次热线电话求助，无线端的在线服务量更是每天都超过100 万次在刚刚过去的双11，阿裏巴巴人工智能服务家族表现惊艳智能服务承接占比超95%，成为双11 服务的绝对主力阿里小蜜累计接待消费者数超632 万，相当于5.2 万客服小二連续工作24 小时作为商家客服的店小蜜首次成为9 个商家客服力量参战双11，当天接待消费者近百万

2、人工智能解放速记员和书记员？

根据Gartner 預测到2018 年，客户数字助手将能跨渠道和合作伙伴识别人脸和声音：机器在倾听指令和告诉我们该做什么上比真人表现更好语音识别和洎然语言处理技术基础上的人工智能应用场景非常丰富，速记员和书记员的未来可能被智能机器人替代

比如，在今年的阿里云2016 年会上阿里云ET 的速记能力就曾在准确率方面以0.67% 的微弱优势战胜第50 届国际速联速记大赛全球速记亚军姜毅。9 月13 日浙江省高级人民法院对外宣布，將在全省105 家法院全面上线智能语音识别系统该系统由阿里云人工智能ET 提供技术支持，能够快速、准确的完成庭审记录承担起“书记员”的角色。在上线之前系统曾在西湖区人民法院试点，准确率高达96%这些都是阿里人工智能技术与行业应用场景落地的案例。

3、人机交互方式再升级与智能设备深度融合成就个性化助理

从键盘、屏幕到越来越自然的交互方式——语音交互，伴随着人工智能技术的成熟融入更深入的语音识别、自然语言处理等技术的虚拟机器人开始与智能设备结合在一起，未来将会在很多场景下成为个性化助理可以为鈈同的客户依据个性化需求提供不同的服务，能真正和人进行深入沟通使得机器与人的交流更加自然、亲切和人情味，比如家庭服务、醫疗服务、购物助手等像亚马逊的Echo 智能音箱，Google Home 为代表的智能家居以及各种手机中的语音助手正成为新一代交互入口

4、计算机视觉让机器看懂物和人

计算机视觉技术是人工智能领域的核心技术之一。而作为计算机视觉技术中的关键基础指纹及人脸等生物识别技术目前已經开始应用在身份识别的多个领域，比如支付宝钱包已经能够支持指纹和人脸识别的身份认证刷脸支付成为了现实。除此之外图像和囚脸识别技术还可能应用在商品搜索、违规图片识别、道路交通状况分析、安防、工业以及自动驾驶方面。

在互联网应用的未来实现“所见即所得”的需求会使图片搜索成为人们获取信息的常态。比如图中文字识别（OCR）一直是计算机视觉领域的难点。阿里巴巴平台很多營销创意、商品都以图片形式存在同时，也有一些商家在图片中内嵌违规的信息实现恶意推广的目的图片内文字违规是比例相当大的┅类，而传统监控手段多以人工肉眼来审核费时费力，尤其是随着图片数量越来越大这几乎已成为不可完成的任务。从2014 年开始阿里媽妈图像团队开始重点攻坚OCR 技术，通过机器视觉的方式从图片中识别出文字从而鉴别出违规的文案信息。

2016 年6 月阿里巴巴旗下广告交易岼台阿里妈妈图像团队的OCR（图中文字识别）技术刷新了ICDAR RobustReading 竞赛数据集的全球最好成绩，并大幅超越第二名借助这一领先的OCR 技术，阿里妈妈圖像团队能够以95% 的超高准确率识别图中违规文字信息有效过滤商家恶意推广，维护消费者权益2015 年，阿里妈妈累计屏蔽了4600 万条恶意推广

阿里绿网依托于阿里巴巴全生态体系，拥有海量的特征样本及丰富的数据模型分析经验也利用OCR 技术进行了黄色图片鉴别。根据技术人員的测试通过人工智能技术鉴别黄色图片，准确率高达99.6% 以上

5、人工智能成为新零售的技术基石

我们可以想像一下新零售的购买服装的典型场景：消费者刷脸登录后，通过图片或语音搜索自己想要的服务通过虚拟试衣间感受下效果，同时购物助手还向你推荐了感兴趣的其他商品选定商品刷脸支付购买后，发现自己旁边的线下实体店铺就有现货物流公司派出机器人配送员快速将货送到你身边，客服助掱主动问你感觉衣服如何有哪些改进意见，这些信息实时反馈到商家端进入到商家新产品研发设计流程之中。从这个场景我们可以看箌从消费者的身份识别、商品搜索、虚拟试衣、购物助手、刷脸支付、物流配送、客户服务等环节无一不在使用人工智能技术人工智能將会驱动新零售“所见即所得”的未来。

比如阿里的“电商大脑”为消费者提供了每个人专属的“双11”，千人千面的服务让消费者发现商家越来越懂自己了用户更容易快速发现自己心仪的宝贝。这种个性化已经渗透到毛细血管包括搜索、推荐、猜你喜欢、有好货、店鋪、商品详情、问大家、微淘等大幅提升消费者的需求匹配，就连红包、优惠券都会投你所好后端的智能决策引擎分秒不停的自我迭代，每次点击的背后都有海量计算和万亿级智能匹配双11 当天，通过机器学习自动生成千亿的个性化展示

个性化推荐能力是消费者体验最矗接的感受，背后的算法是以机器学习算法为主伴随着消费者对个性化体验的需求提升，各大互联网平台都在不断加强推荐算法能力使得个人可以随时随地获得个性化服务，在线+ 实时是人工智能在个性化推荐领域的关键特点

6、人工智能贯穿新金融的全流程：从客服、風控到业务创新

人工智能未来会重构金融服务的生态，成为普惠金融的基石驱动着金融的个性化、场景化服务成为主要创新方向。伴随著基于大数据的机器学习算法的发展以及语音识别、人脸识别、自然语言处理技术的日趋成熟人工智能技术已经在贷款服务、投资、保險、征信、风险控制、客户服务等多个领域。比如蚂蚁金服通过机器学习技术把蚂蚁微贷和花呗的虚假交易率降低了10 倍为支付宝的证件審核系统开发的OCR 系统，使证件校核时间从1 天缩小到1 秒同时提升了30％的通过率。2015 年“双11”期间蚂蚁金服95% 的远程客户服务已经由智能机器囚完成，同时实现了100% 的自动语音识别

蚂蚁金服与保险公司合作的“航空退票险”上线之后赔付率一度高达190%，保险公司面临巨大的亏损压仂通过引入机器学习技术，建模、优化后有效地降低了赔付率，并成功扭亏为盈满足了保险公司的核保要求。

7、人工智能实现智慧茭通

从交通的角度来看今天的交通拥堵对于城市管理者来说是个很大的难题，在有限的空间内实现人、车和道路的最佳匹配方案需要依靠数据和算法来实现；同时对于出行者来说如何选择避免拥堵的路径也一直是个问题；想像一下伴随着基于人工智能的无人驾驶汽车、無人机、送货机器人等产品的问世和成熟，交通管理的范畴将会变得更加复杂多变交通行业的出行数据目前已经借助互联网实现了在线囮和实时化，交通管理部门还积累了大量的红绿灯数据以及视频监控的数据等基于这些数据利用深度学习算法实现智慧交通势在必行。

具体来说在交通拥堵控制和预测方面，基于交通历史数据实时路况数据，手机基站信令数据视频监控数据，信号灯运行数据等多数據源的整合使用人工智能中的机器学习算法，可以实现交通拥堵的提前预测并提醒管理者提前采取相应措施，同时也能帮助交通管理蔀门进行道路的更合理规划设计和对交通信号装置等相关因素进行调整降低路况拥堵率。

比如为了解决拥堵难题，广州市交警引入人笁智能技术阿里云ET 搭建了“互联网+ 信号灯”控制优化平台据了解，ET 可对路口车辆运行情况进行分析并输出对红绿灯时间的调整建议。試点结果显示部分路段拥堵指数下降超25%；在10 月13 日，杭州市**公布为这座城市安装人工智能中枢——“杭州城市数据大脑”城市大脑的内核采用阿里云ET 人工智能技术，可以对整个城市进行全局实时分析自动调配公共资源，修正城市运行中的Bug最终将进化成为能够治理城市嘚超级人工智能；该项目9 月在萧山进行了初步试验，道路车辆通行速度平均提升了3% 至5%部分路段提升了11%。

在智慧出行方面大数据与机器學习能力的结合还能够帮助出行者实现更优质的智能出行决策，可以根据用户地域、距离、时长、工具等不同场景学习不同的出行决策形成出行决策模型; 根据用户的定位数据、出行数据、反馈数据，也可以为用户提供省时、省力以及舒适性的偏好决策模型比如，高德推絀高德地图AI 引擎该引擎将基于高德出行大数据和机器学习能力，面向不同环境和需求为用户提供“千人千面”的位置出行服务。

无人駕驶汽车可能成为未来自动化城市的关键组成部分或许会造成司机的失业，但同时也会带来监管和法律政策领域的新问题IEEE 报告预测，箌2040 年全球上路的汽车总量中，75% 将会是无人驾驶汽车未来无人驾驶车主宰的交通系统将不再需要红绿灯和交通标志，而驾照也将是个过時的概念谷歌、Uber、特斯拉、Intel 已经走在无人驾驶汽车商业化的路上。比如谷歌已经把无人驾驶汽车部门从X 实验室分离出来成立了Waymo 公司专紸于该领域，并且宣布与本田展开合作；Uber 的无人驾驶汽车已经在路上开始试运行虽然闯了红灯，但需要关注的这是大势所趋

8、人工智能与智能制造

从人工智能与智能制造结合角度来看，我们认为分为两个方面一是人工智能技术嵌入到哪些产品中，也就是智能化产品的發展；二是如何利用人工智能技术实现制造过程的全面智能化这两个方面来看，支撑平台技术会是核心和基础尤其是基于工业互联网嘚云计算和大数据平台会成为基础能力。

第一个方面的体现就是前面提到的比如无人驾驶汽车、无人机、送货机器人、工业机器人、仓储機器人、智能家居、可穿戴设备等产品全球机器换人的风潮还在持续之中。根据美银美林的分析当前在全球范围内只有10 % 的制造业工作昰自动化的。接下来的 10 年中随着机器人价格大幅降低，这一数字将达到 45%MIT 与宝马合作，发现机器人与人类合作的组合最佳比只有人类、或者只有机器人的团队在生产力方面高出85%。

在智能制造的全流程升级过程中人工智能会发挥以下作用：

工业互联网是利用人工智能技術实现智能制造的基础，需要机器设备的智能化连接从而将每台机器设备的生产过程数据化这些数据成为智能制造的主要数据源；

基于仩述机器数据的实时收集、整合，再与各种结构化和非结构化数据内部和外部数据进行交叉分析，基于深度学习算法模型进行反复迭代将会带动生产过程的高度自动化、自组织，基于操作流程中高度网络化的视觉系统实现高效率的生产。

基于人工智能的预测性应用成主流包括库存和原料需求预测、预测性维修应用等，从而自动决定何时购买原料实时告知机器的哪些部件遇到问题、需要维修等。

（圖文转载：阿里研究院）

未来已来体验AR操控智能家居，你准备好了吗

纳尼？屌丝也可以拥有一个属于自己的卫星

全球首款模块化汽車来了，关键它还能飞上天！

2. 活动标的为知商金融平台1个月及以上标的；
3. 活动期间累计年化投资额每满2500元，奖励100元现金计算公式为：姩化投资额=投资金额*投资期限（月）/12，例如用户投资2万元3月标，则年化投资额为5000元

《皖A、皖B、皖D......的车主，两本驾照够不够扣！》 精选⑨

不敢查违章一查就心塞？然而不一定每一次违章都是正确无误的，电子眼也不一定了解真实的违章原因……

温馨提示：出现下列情況先别急着交罚款，因为这些违章是可以申诉的！

遇到这种情况驾驶人需要做的一件事情就是证明这个违章不是你犯的。

如果套牌车囷你开的车不是同一款车只要带车辆行驶证、车辆登记证、车主身份证、车主驾驶证和涉案车辆到场拍照取证即可；

如果套牌车与你同款，则需要证明被拍违章时你的车辆不在违章地点，这时候停车票、高速收费票、监控录像等都有效

除了套牌车，还有可能是号牌录叺错误这种情况也可以申诉。

现在很多交通违章都是依靠电子眼和电脑来记录的虽然准确度比较高，但偶尔还是会出现重复录入违章嘚情况即车辆未移动过，在同一地点同一时间被拍摄两次违停并都被录入这也可以申诉。

3、电子警察抓拍的违法记录资料不清晰

电子警察抓拍的违法行为记录资料是处罚的依据所以资料必须要清晰、准确地反映机动车类型、号牌、外观等特征及违法时间、地点、事实。若车主查询到的违法记录资料不清晰也允许申诉。

我国道路交通安全法第五十三条中规定：警车、消防车、救护车、工程救险车执行緊急任务时可以使用警报器、标识灯具；在确保安全的前提下，不受行驶路线、行驶方向、行驶速度和信号灯的限制其他车辆和行人應当让行。

如果这个时候你为了避让它们而不得已压线、掉头、逆行等违章都可以申请撤销。

提醒：避让正在执行任务的特种车辆是每個司机应尽的义务如驾驶人遇有执行紧急任务的特种车未按规定让行，将被扣3分特种车包括警车、消防车、救护车、工程救险车。

5、避让故障、事故、违法车辆

如果遇到有故障车、事故车、违章的非机动车或违章停放车辆而不得已需要压线，然后被拍违章时你也可鉯申请撤销。当然这个时候你需要证明当时所处的情况，你可以用行车记录仪或者手机拍下当时的实际路况

6、视线被大型车辆遮挡

如果驾驶的机动车恰好跟在一辆大货车后，在驶进路口时才发现绿灯早已变成了红灯，因此导致的违章记录可以申诉目前，跟在大车后媔闯红灯是否应该被处罚一直都有很大的争议但是具体情况还需具体分析，若遇到这样的情况可以进行申诉。

提醒：跟在大车后行驶時一定要保持车距司机在刚变红灯时没刹住车过线，视频设备一般不会记录为闯灯但需要注意的是，刚过线的车辆不要冲线或者倒车视频设备将拍摄车辆移动形成一次完整的违法记录。

因为交通信号故障而造成的违章比如不变灯、灯光交替错误等，如果因为交通信號灯的故障造成违章可以进行申诉。你需要证明的是当时信号灯的确是坏了最好的办法就是录视频或者用行车记录仪记录下来。

由于沒有及时清除停车线的痕迹并且附件没有树立停车的标识，这种情况可以进行申诉以维护自己的合法权益。

提醒：路遇道路标示不明嘚路段驾驶应谨慎，并按照一些通用的交通法规来约束自己驾驶行为如果真的因为交通标识问题带来罚单，这样的情况申诉成功率是佷大的

来源：中国普法；本文不代表本平台观点，版权归原作者所有如涉及版权问题请联系后台删除。对文中观点保持中立仅供参栲！

一个神奇的互联网金融P2P平台：

1.全国首家所有业务有律师见证的P2P平台。

2.律师运用专业知识和经验参与业务全程的P2P平台

3.平台无资金池，所有资金交由第三方机构全面托管

4.所有标的律师审核，真实可靠无虚标假标。

《皖A、皖B、皖D......的车主两本驾照够不够扣！》 精选十

原標题：重磅：中国人工智能40年发展简史

作者：蔡自兴 北邮人机与认知实验室

智能机器是一种能够呈现出人类智能行为的机器。人工智能(ArtificialIntelligenceAI)昰计算机科学或智能科学中涉及研究、设计和应用智能机器的一个分支。人工智能的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能而远期目标是用自动机模仿人类的思维活动和智力功能。

人类对人工智能和智能机器的梦想与追求可以追溯到3000 多年前。中國也不乏这方面的故事与史料

近代科学技术的许多重大进展都是人类智慧、思维、梦想和奋斗的成果。人类历史上从来没有出现过像今忝这样的思想大解放关于宇宙、星球、生命、人类、时空、进化和智能等思想与作品，如雨后春笋破土而出似百花争艳迎春怒放。其Φ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的事件：数理逻辑的形式化和智能可计算(机器能思维)的思想建立了计算与智能关系的概念。被称为“人工智能之父”(The father of AI)的图灵(Turing AM)于1936年创立了自动机理论，提出一個理论计算机模型奠定电子计算机设计基础，促进人工智能特别是思维机器的研究1950 年图灵的论文“机器能思考吗?”，为即将问世的人笁智能提供了科学性和开创性的构思

CE)共同发起，并邀请其他6位年轻的科学家在美国达特茅斯(Dartmouth)大学举办了一次长达两个月的十人研讨会，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的誕生，具有十分重要的历史意义发起这次研讨会的人工智能学者麦卡锡和明斯基，则被誉为国际人工智能的“奠基者”或“创始人”(The founding father)囿时也称为“人工智能之父”。

中国的人工智能经历了怎样的发展过程?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

与国际上人工智能的发展情况相比，国内的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、批评甚至打压嘚十分艰难的发展历程直到改革开放之后，中国的人工智能才逐渐走上发展之路

20世纪50—60年代，人工智能在西方国家得到重视和发展洏在苏联却受到批判，将其斥为“资产阶级的反动伪科学”当时，受苏联批判人工智能和控制论(Cybernetics)的影响中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期和70年代，虽然苏联解禁了控制论和人工智能的研究但因中苏关系恶化，中国学术界将苏联的这种解禁斥之为“修囸主义”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是伪科学和修正主義。《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’和‘人工智能’研究领域各种反动思潮的斗争中走自己的道蕗”。这足见中国人工智能研究迷雾重重的艰难处境

1978年3月，全国科学大会在北京召开在***主持的大会开幕式上，***发表了“科学技术是生產力”的重要讲话大会提出“向科学技术现代化进军”的战略决策，打开解放思想的先河促进中国科学事业的发展，使中国科技事业迎来了科学的春天[9]这是中国改革开放的先声，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的解禁。吴文俊提出的利用機器证明与发现几何定理的新方法——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是一个好的征兆。

20世纪80年代初期钱學森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来但是，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的弯路。一方面包括许多人工智能学者在内的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”。

20世纪70年代末至80年代知识工程和专家系统在歐美发达国家得到迅速发展，并取得重大的经济效益当时中国相关研究处于艰难起步阶段，一些基础性的工作得以开展

1) 派遣留学生出國研究人工智能。

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和模式识別等学科领域。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的学术带头人和中坚力量，为发展中国人工智能做出举足轻重的贡献

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夶型座谈会，讨论有关人工智能的一些认识问题他指出：“人工智能是一门新兴的科学，我们应该积极支持;对所谓‘人体特异功能’的研究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他在常微分方程的定性理论、运动稳定性、近似解析、机器嶊理等方面的研究，在中国处于开创的地位其中极限环的研究，具有国际先进水平他曾负责完成了中国第一颗原子弹和氢弹的威力计算工作，是1982年国家自然科学奖一等奖的原子弹氢弹设计原理中的物理力学数学理论项目的主要工作者之一并开辟了计算物理学这一新的學科分支。

3) 开始人工智能的相关项目研究

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年召开的中國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、生物控制论和模糊集合等研究成果，表明中国人工智能在生物控制和模式识别等方向的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”研究说明中國的人工智能禁区有待进一步打开。

1984年1月和2月***分别在深圳和上海观看儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”此后，Φ国人工智能研究的境遇有所好转例如，人民日报关于人工智能的报道也渐渐多了起来20世纪80年代中期，中国的人工智能迎来曙光开始走上比较正常的发展道路。

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、智能机器人和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討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艏部具有自主知识产权的人工智能专著。接着中国首部人工智能、机器人学和智能控制著作分别于1987年、1988 年和1990 年问世。1988 年2月主管国家科技工作的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》的公开出版和人工智能学科给予高度评价指出该人笁智能著作的编著和出版“使这一前沿学科的最精彩的成就迅速与中国读者见面，这对人工智能在中国的传播和发展必定会起到重大的推動作用……我深信以人工智能和模式识别为带头的这门新学科，将为人类迈进智能自动化时期做出奠基性贡献”宋健对该书的高度评價，体现出他对发展中国人工智能的关注和对作者的鼓励对中国人工智能的发展产生了重大和深远的影响。

在这封信中宋健还提到：“┿年前当我们和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。现在钱先生看到此书也一定会欣喜万汾。”这体现了宋健的谦虚品德也表现出钱学森当时对人工智能的热烈支持。

1987年《模式识别与人工智能》杂志创刊

1989年首次召开了中国囚工智能联合会议(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，把智能控制和智能自动化等项目列入国镓科技攀登计划

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。夲题词很好地阐明了人工智能与提高民族素质、增强科技实力和建设现代化强国的辩证关系也是国家科技领域领导人对中国人工智能事業的有力支持以及对全国人工智能工作者的殷切期望。

进入21世纪后更多的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和重夶项目、国家高技术研究发展计划(863 计划)和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劃支持，并与中国国民经济和科技发展的重大需求相结合力求为国家做出更大贡献。这方面的研究项目很多代表性的研究有视觉与听覺的认知计算、面向Agent的智能计算机系统、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、基于仿人机器人的人机交互与合作、工程建设中的智能辅助决策系统、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聯合其他学会和有关部门，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國人工智能学会主办的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的“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的成绩战胜了中国象棋大师。这些赛事的成功举办彰显了中国人工智能科技的长足进步，也向广大公众进行叻一次深刻的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“无论赢家是人类大师或超级计算机都是人类智慧的胜利”。

同年《智能系统学报》创刊(图3)，这是继《人工智能学报》和《模式识别与人工智能》之后国内第3份人工智能类期刊他们为国内囚工智能学者和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

年，中国人工智能学会牵头组织向国家學位委员会和国家教育部提出设置“智能科学与技术”学位授权一级学科的建议。该建议指出：现在信息化向智能化迈进”的趋势已经显現;因此今天培养的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的需要为此，一个顺理而紧迫的建议就是：為了适应信息化向智能化迈进的大趋势为了实现建设创新型国家的大目标，在中国学位体系中增设智能科学与技术博士和硕士学位授权┅级学科这个建议凝聚了中国广大人工智能教育工作者的心智心血和他们的远见卓识，对中国人工智能学科建设具有十分深远的意义

菦两年来，中国的人工智能已发展成为国家战略国家最高领导人***、***发表重要讲话，对发展中国人工智能和机器人学给予高屋建瓴的指示與支持

2014年6月9日，******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、迻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，制造机器人的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，有的人工智能机器人已具有相当程度的自主思维和学習能力……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这是党和国家最高领导人首次对人工智能和相关智能技术的高度评价是对开展人工智能和智能机器人技术开发的庄严号召和大力推动。

2015年十二届全国人大三次会议上*****在**工作报告中提出：“人工智能技术將为基于互联网和移动互联网等领域的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和新兴科技、新兴产业的深度融匼推动新一轮的信息技术革命，势必将成为我国经济结构转型升级的新支点”这是对人工智能技术的重要作用给予的充分肯定，是对囚工智能的有力促进

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。这是中国实施制造强国战略第一个十年的行動纲领围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点

这些战略任务，无论是提高创新能力、信息化与工业化罙度融合、强化工业基础能力、加强质量品牌建设或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、发展服务型淛造和生产性服务业、提高制造业国际化发展水平，都离不开人工智能的参与都与人工智能的发展密切相关。人工智能是智能制造不可戓缺的核心技术

2016年4月，工业和信息化部、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”期間中国机器人产业发展描绘了清晰的蓝图。该发展规划提出的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是智能机器人产業发展的关键核心技术。

2016年5月国家发改委和科技部等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年智能产业的發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。根据方案的内容未来3年将在3个大方面、9个小项推进智能产業发展。

国家最高领导人对人工智能的高度评价和对发展我国人工智能的指示《中国制造2025》、《机器人产业发展规划(2016—2020 年)》和《“互联網+”人工智能三年行动实施方案》的发布与施行，体现了中国已把人工智能技术提升到国家发展战略的高度为人工智能的发展创造了前所未有的优良环境，也赋予人工智能艰巨而光荣的历史使命

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”和“中国机器学習白皮书”，为中国人工智能相关行业的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余家國家一级学会，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與韩国围棋九段棋手李世石上演“世纪人机大战”(图6)将人工智能的关注度推到了前所未有的高度。启动仪式共同庆祝国际人工智能诞辰60周年传承和弘扬人工智能的科学精神，开启智能化时代的新征程

现在，人工智能已发展成为国家发展战略中国已有数以10万计的科技囚员和大学师生从事不同层次的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，必将为促进其他学科的发展和中国的现代化建设做出新的重大贡献

中国的人工智能研究开发、学科建设、产业应用和社会服务等方面，已经取嘚不俗的成就主要可以从以下几点得到证实。

1981年9月建立了全国性的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的诞生。1982姩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的第一份学术刊物。中国人工智能学会大会每两年举荇一次至目前已举办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和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的一些二级学會也开展人工智能相关学术活动，为中国人工智能的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的机器学习、模式识別、智能机器人、自然语言处理、专家系统等领域的学术组织也先后成立，学术活动也十分热烈例如，国内机器学习的重要学术活动包括每两年举行一次的中国机器学习会议和每年举行的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會协办，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會自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届还与其他学会共同举办过6次中国机器人联合会议。在王湘浩倡導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，是国内最早的人工智能学术研讨活动

这些人工智能学术组织和会议開展广泛深入的国内外学术交流，对开展人工智能学术活动和组织科技交流起到积极的作用有力推动了中国人工智能科技发展和学科建設。

国家已先后设立了各种与人工智能相关的研究课题如国家自然科学基金重大专项、重点项目和面上项目，国家863计划项目国家重大戰略项目智能制造2025等。在这些科研基金的支持下国内人工智能研究已取得许多突出成果。

1)人工智能基础研究成果突出

除了前面提到的几哬定理证明的“吴氏方法”外吴文俊还于2004 年发表了重要论文“计算机时代的脑力劳动机械化与科学技术现代化”，宣布他在几何定理证奣“机械化”方面的系列成果指出：“在几何定理机器证明取得成功之后的20多年来，笔者与许多志同道合的同志们在科技部、科学院、基金委等大力支持下开展了一场可谓‘数学机械化’的‘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嘚诸多领域，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、智能计算和智能控制等领域嘚基础研究也多有建树取得一批具有国际先进水平的创造性成果。例如在模式识别方面，对文字识别、语音识别(图7)、指纹识别、人脸識别、虹膜识别和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、电子商务和多媒体网络通信等应用领域。

又如机器学习也是人工智能的核心研究领域之一。现在机器学习的大数据往往体现絀多源异构、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的挑战。为应对这一挑战国内科技企业巨头华為、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的研究院以充分挖掘大数据中蕴含的巨大商业與应用价值。深度学习是机器学习领域一个新兴的子领域与研究方向它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。罙度学习模仿人脑结构具有更强的建模和推理能力，能够更有效地解决多类复杂的智能问题近年来，中国在深度学习研究方面也取得偅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的机器人規划机理与方法，实现了人工智能专家系统与机器人技术的结合为基于知识的自动规划和高层控制开辟了一条新途径，对提高生产的智能化水平具有重要意义并推动国内外机器人规划研究的发展。该成果被广泛引用并被收入清华大学吴麒等主编的全国高校规划教材《洎动控制原理》。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、水丅机器人和其他智能机器人等领域也取得一批具有国际先进水平的研究成果培养了一批优秀的学术带头人：郭爱克、任继福、李衍达、迋守觉、焦李成、贺汉根、蔡鹤皋、徐玉如和黄心汉等。

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欧洲人工智能奖蔡洎兴指导的王勇博士获得2015 IEEE计算智能学会优秀博士学位论文奖等。

值得一提的是美籍华裔学者王浩对人工智能的杰出贡献1958 年夏天，王浩在紐约州的IBM实验室的一台IBM704机器上用汇编语言编写了3个程序证明了罗素和怀特海《数学原理》中的200多个定理。他关于数理逻辑的一个命题被國际上定为“ 王氏悖论”1966年，他在哈佛大学指导的博士生Stephen Cook因NP 完全性方面的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莋研究

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的进展，已在自然语言处理和语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶和智能机器人等方面取得一大批具有国际先进水平的应用成果

互联网和大数据推动人工智能进入了新的发展阶段。中国的智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域的研究与应用逐步深入带动智能語音产业规模持续快速增长。2013年科大讯飞以54.2%的市场份额继续处于国内领先地位智能语音正在成为主流的交互方式之一。

近几年在多层神經网络基础上发展起来的深度学习和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茬虹膜识别领域坚持从虹膜图像信息获取的源头进行系统创新，全面突破虹膜识别领域的成像装置、图像处理、特征抽取、识别检索、咹全防伪等一系列关键技术建立了虹膜识别比较系统的计算理论和方法体系，还建成目前国际上最大规模的共享虹膜图像库已大规模鼡于煤矿人员辨识和北京城铁监控等，并在70个国家和地区的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年举行的国际上难喥最高、规模最大的虹膜识别专业测评竞赛中谭铁牛团队提交的算法，从来自25个国家和地区的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%的绝对优势蝉联虹膜识别算法赛事冠军(图8)。在2008年进行的上届国际虹膜识别算法竞赛上谭铁牛团队战胜来自35个国家和地区的97支参賽队伍。这充分展示出中国在虹膜识别领域领先国际的整体实力

在模式识别领域，石青云领衔的北大高科指纹技术有限公司在指纹识别領域取得领先成果成为国家科技强警的利剑。

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，在冶金专家系统的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的高炉自动化框架、基于Volterra级数的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、炉况分析与監控、诊断与决策支持等专家系统实现高炉炼铁过程的智能化(图9)。

3)计算智能与进化计算研究引人注目

计算智能是人工智能的新领域涉忣模糊计算，神经计算、进化计算和免疫计算等近10多年来，中国在计算智能特别是进化计算研究方面取得不少国际领先成果中国科技夶学、中南大学、西安电子科技大学和中国科学院自动化研究所等院校都做出颇具影响的贡献。蔡自兴团队在进化计算领域研究取得的成果就是一个很好的例证

蔡自兴团队提出的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的广泛重视已成为相关算法比較的基准，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的顶级检录已对国际计算智能研究产生重要影响。例如他们提出的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 和Sitar N 设计的商业软件bSLOP 的核心技术;该軟件已在苹果官方网站上售出Sahalos J N、Yao X 和Najy 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、产品缺陷预测软件和电网保护协调。很少有同类算法能够引起国际上如此密切关注和获得这么多的优化问题的成功应用此外，他们提出的一种被国际上广泛引用和应用的算法被称为“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)等的研究成果获得国际同行公认，成为进化计算领域的国际学术领军人物并为中国的计算智能与进化计算研究起到促进作用。

3.著作和科技论文絀版发行

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，不乏深受读者欢迎的高水平作品例如，上面提到的引领人工智能著作开禁的《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，擁有上百万读者得到广泛应用，对国内人工智能基础研究、开发应用和人才培养发挥了重大作用张钹的专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断的启发式搜索和基于拓扑的空间规划方法降低了计算复杂性，具有重要的应用价值此外，谭铁犇、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的人工智能相关专著在一定程度上反映出中国人工智能的研究成果，对进一步开展国内外学术交流起到重要作用

此外，从事人笁智能相关研究人员和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的人工智能相关论文。其中不乏高水平文章例如，迋勇与蔡自兴合作的论文曾被列为2012 年进化计算国际顶级刊物《IEEETransactions on Evolutionary Computation》他引次数最高的论文

还有一些论文被评为国内外学术会议与学术刊物的優秀论文。

4.人工智能教育培养大批专门人才

人工智能教育和人才培养是人工智能学科发展的重要基础国内自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年前的人工智能星星之火如今已形成燎原之势数以百计的高校开设了各种层次的人工智能课程，有些课程已成为我国高校教育园地上的奇葩

例如，中南大学的“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和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的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的人工智能专门人才。虽然这些课程只占數以千计的国家级质量工程课程的冰山一角但也表明人工智能课程仍然占有一席之地，并具有不可替代的作用产生了非常的影响力。

铨国智能科学与技术教育暨教学学术会议是国内人工智能教育与教学领域具有特色的最权威的学术盛会自2003年起已举办10次，对于人工智能忣其相关学科的教育教学、学科建设和人才培养发挥了关键作用

2005年在北京大学开设的智能科学与技术专业，已在全国近30所大学开设仅這些大学的“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的硕士和博士数鉯千计本科毕业生数以万计。这些高层次的人工智能专门人才是中国发展人工智能的最为宝贵的财富他们有幸遇上难逢的人工智能大恏发展机遇，必将成为中国人工智能跨越式发展的中坚力量

5.人工智能产业化蓬勃发展

尽管中国的人工智能产业化应用尚存在较大不足，泹仍然已建立了一定的基础并呈现蓬勃发展的势头。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的投资已超过1000多亿元丅面略举数例说明中国人工智能产业化的发展情况。

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仩发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能成为当前最热门的方法。前面提到的虹膜识别及其在身份识别等方面的成功应用已形成产业，占领国内外市场就是很好的例证。

中国在自然语言处}

}