下载掌阅APP，畅读海量书库
立即打开
随着数字化和网络化的深入发展，智能化成为新一代信息技术发展的重要方向。人工智能技术是智能化发展的重要基础，重点关注“智能行为的自动化”，发展成为集理论方法、技术应用于一体的系统科学体系。受到“智能”定义范围的影响，人工智能涵盖的范围非常广泛并且较难清晰界定。从产业角度而言，人工智能是包括计算能力、数据采集处理、算法研究、商业智能、应用服务构建在内的产业生态系统。
人工智能的核心要素是算法，随着互联网与经济社会生活日益融合，数据也成为关键要素。人工智能的价值在于提升效率，改变生产方式。随着环境数据和行为数据的继续被采集，企业数据化水平将影响运营效率和决策效果。未来，随着物联网的普及，数据采集手段更加智能化，数据的应用也将逐步由机器完成。人类各种生产、消费、环境监测等的数据将被更充分地利用和挖掘，从而节省流程环节中资源的损耗，提升整体资源利用率和生产效率，并提升人类的生活服务水平。
人工智能自1955年由麦卡锡教授在达特茅斯会议提出以来，经过了半个多世纪的持续发展，期间经历了大约两次发展的高潮和低谷。自2006年起，深度学习领域的突破推动人工智能迎来第三次高潮，如图8.1所示。
深度学习算法的发明，大大推动了人工智能技术的整体进步，尤其是商业化进程大大加快。深度学习开辟了机器学习研究中的一个新领域，通过借鉴人工神经网络的相关研究，利用组合数据初级特征形成高层抽象表示的方法，发现数据的分布式特征。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释多样化的数据。自2006年以来，关于深度学习的大量论文被发表，互联网企业纷纷投入大量人力、财力进行相关领域的研究。
图8.1 人工智能发展历程
目前，中国人工智能发展环境利好因素较多，受到产学研各方重视。2015年中国人工智能成为投资热点，人工智能创业公司共获得投资金额约12.6亿元。1981年成立的中国人工智能学会（CAAI）也在积极推动中国人工智能产业发展。百度、阿里巴巴、腾讯、华为等信息通信企业也积极布局人工智能，人工智能技术应用能力已经与国际领先企业接近，为我国人工智能突破性发展奠定了基础。
与云计算、大数据类似，人工智能属于通用平台型技术，对整个信息通信网络都有影响。因此，从产业角度，可以将人工智能分成三层：应用层、技术层和基础层（见图8.2），分别解决“做什么”、“怎么做”、“谁来做”的问题。
图8.2 广义人工智能产业结构图
应用层范围很广泛，当前主要是商业应用。从最终产品呈现形式上看，可以大致分为硬件产品和软件服务两大类，当然两类之间仍然有交叉。硬件产品包括传统领域智能产品，如智能家居、智能汽车、智能安防等；新型智能硬件，如智能移动终端、可穿戴设备、服务机器人等。软件服务包括智能运维、智能个人助理、商业智能等。技术层主要为核心算法、应用模型的技术开发，软件领域正在逐渐形成算法市场和专业的模型库，开源算法社区正在逐渐形成。基础层既有硬件资源，也包括计算资源和虚拟的数据资源。基础层为人工智能算法的实现提供资源和平台支撑，当前深度学习等热点的形成也与基础层资源能力的大幅提升密切相关。
人工智能的应用发展与其他信息通信技术类似，是从实验室研发到逐步商业应用的过程。但因其技术实现的要求更高，可以大致分为四个阶段，依次是实验室研发、企业试点、企业大范围推广、个人普及。其中，第四个阶段普及到个人层面上的应用，涉及环境及个人动态的数据资源会非常庞大，由于集中式计算将消耗巨量的网络资源，庞大的数据量也会影响计算速度，难以在个人细分应用场景中有稳定的表现。因此，人工智能本地化计算的实现将是这一阶段突破的重点，本地化计算的实现，将使人工智能真正延展到智能可穿戴设备、智能家居产品、智能汽车等消费级应用。
目前人工智能尚处于试点阶段，如图8.3所示。据媒体报道，如语音识别、人脸识别等技术的准确率都已超过95%，已经逐步进行企业试点。试点应用场景有智能硬件/机器人、安防、商业智能、虚拟服务和虚拟场景5种。
图8.3 人工智能应用发展阶段
（1）智能硬件/机器人：智能硬件产品整体发展可以分为监测、控制、优化和自主四个阶段。人工智能应用于智能硬件产品后，通过利用人工智能的算法使得产品变得更加智能化。如扫地机器人，一方面它可以识别整个房间环境的数据，另一方面在完成整个扫地的过程中对于撞击或者避开障碍物形成数据库，基于这个数据库利用人工智能的深度学习、自动推理的算法自主学习并优化，然后达到智能绕开障碍物替代人类完成扫地的任务。未来人工智能将从交互方式和服务过程两方面改变智能硬件产品，推动智能硬件向优化和自主的阶段发展。
（2）安防：人工智能应用于城市安全、金融安全、个人安全层面，主要依赖于图像、语音等识别技术与云计算、大数据的结合，实现规模化、智能化、个性化的专业服务。
（3）商业智能（Business Intelligence，BI）：人工智能应用于BI，一是出现云平台应用于数据的存储和计算；二是人工智能的复杂算法模型应用于数据分析和挖掘过程，使分析过程更加准确，辅助企业决策。
（4）虚拟场景：人工智能与虚拟现实技术融合，改进其建模技术、表现技术和交互技术，让使用者更真实地感受所模拟出来的场景。
（5）虚拟服务：虚拟服务的场景是基于人工智能语音识别等相关技术的逐渐成熟而出现的，主要改变了服务沟通方式及后台数据的分析方式，从而提高效率，可以应用在多个行业，部分取代人工服务。
据艾瑞咨询数据，2015年国内人工智能投资额为14.2亿元，单笔投资平均3300万元。2015年中国投资市场共投出2123个项目，投资规模达到5172.3亿元，较2014年分别增长29%和52%，已经连续三年增长。从整体投资来看，人工智能市场的投资增长率高于整体，投资量仍只是小微投资额度。
2015年人工智能领域被投企业主要集中在应用层，超过2/3的投资都投向了应用层，且主要集中在软件服务领域，个人虚拟助手、虚拟服务等在2015年很受资本的青睐。其中，仅出门问问一家2015年C轮即获得包括谷歌等投资人的7500万美金的融资，占2015年人工智能总投资额的1/3。投向技术层的资本有55%流向了机器视觉（见图8.4）。
图8.4 2012—2015年获得投资的企业领域
2015年我国智能硬件市场规模约为424亿元，同比增长约为291.5%，成为人工智能应用的年度最热领域（见图8.5）。
图8.5 2012—2015年中国智能硬件市场规模
智能硬件依赖于应用场景，并根据不同行业应用特点具有不同的特性。
1．产品聚焦感知能力建设，交互能力尚待开发
受产品集成度、技术成熟度、普及度等因素制约，目前智能硬件产品仍偏重主体感知，如智能手环、智能路由器、智能手表和智能冰箱等。对环境感知以及物物相连的开发较低，用户交互能力的开发仍然较低，进而影响人工智能优势的发挥。
2．产业巨头积极布局，创业团队注重核心技术开发
智能硬件产品成为互联网接入服务的新型入口，产业巨头纷纷通过开放平台、共享协议、跨界合作等多种方式进行布局。在开放平台与协议领域，主要企业纷纷推出平台协议，如阿里巴巴的Alink阿里物联平台，腾讯“QQ物联”和“微信硬件开放平台”，京东的微联，小米的智能家庭计划和海尔的“U+智慧生活平台”。在跨界合作方面，万科和京东合作成立了智能家居馆，业主可以更充分地体验智能家居生活。万科与阿里合作打造全屋智能系统，将单品体验转变成全系统体验。
2015年视觉识别技术应用得到快速发展，广泛应用于安防、互联网金融、互联网购物、智能评卷系统、智能手机图像编辑优化等领域。视觉识别主要有个人身份识别（个体生物特征识别）、影像识别（影像数据理解）、文本识别（手写文字识别）三方面，实际应用中往往是这三方面技术的融合实现。
（1）个人身份识别。2015年该领域的重大技术突破是活体识别，这解决了照片替代本体的关键应用问题，大大提高了身份识别的可靠性。据报道，目前的准确率已经接近商业应用需求，如不考虑硬件铺设成本，未来需要识别个人身份的主要应用场景均可采用机器视觉识别，将大大提高公共服务和商业服务效率。
（2）影像识别。用于场景中的内容识别，如场景里的人、车等可以与身份标识进行匹配的主体，可应用于交通监测、指挥、预警和犯罪分子识别等。与已有的交通监控摄像头结合，可完成环境数据监测并构建未来人工智能发展的数据基础。
（3）文本识别。用于对已有文档资料进行识别和数字化处理，对于已有大量文档资料的整理能大幅提高效率。另外，可用于对有标准答案的文字进行评价和评判，因此已做成评卷系统被应用到大型考试。文字识别对于已有文档资料的非常有价值，但实现难度大于图像、图片和人的特征识别。
语音识别的商业应用获得进展，在更多场景中获得突破性应用，如现场语音笔录、智能硬件交互、教育评测系统等应用。2015年，语音技术开始应用于智能硬件操控系统，包括智能照明设备、智能家电设备等。语音操控的价值是将人转化为操控中心，不再需要依赖其他设备媒介，一方面提升了操控的便捷性，更重要的是将人的行为与环境数据更充分的结合，为下一代硬件设备的发展提供基础。语音识别相对于视觉识别技术更成熟，也将与视觉识别系统合作应用，推动感知智能的普及应用。
虚拟现实技术与人工智能技术的深度结合具有重要意义，是打造下一代“智能”计算平台的重要基础。如图8.6所示，自2015年起，虚拟现实技术受到科技巨头的重视，谷歌、索尼、Facebook、百度、阿里巴巴等科技巨头纷纷加大投入。人工智能技术在虚拟现实的建模过程、表现方式、交互途径都有应用，无论是虚拟现实、增强现实还是混合现实，都离不开人工智能提供的算法、数据支撑。人工智能将随着虚拟现实技术的发展而获得更广阔的应用。
图8.6 2015—2020年中国VR设备出货和用户规模
深度学习算法的突破掀起了人工智能的第三次热潮，与前两次热潮的不同在于算法实现了商业化应用，并对一些领域发展实现了变革性的推动。长期来看，人工智能未来将会具有部分人类智能，结合更加全面的数据感知能力和应用场景，将会驱动机器完成重复劳动、提供辅助决策。自然语言处理是短期内可以突破的人工智能关键问题。因此，人工智能的发展面临着长周期和短周期两条轨道。长周期的发展聚焦于人工智能核心算法的迭代突破。从应用场景来看，较长一段时间内，人工智能的应用功能场景将从主体识别发展到情绪、行为识别，乃至环境监测、预测和辅助决策能力的实现。短期内仍将聚焦于算法改进、数据感知和计算能力开发等已有产品服务的优化提升。
据艾瑞预测，感知智能的普及应用尚需5～10年的时间。首先，从技术层面来看，虽然视觉识别、语音识别等识别技术准确率较高，但是其他配套技术如语音翻译仍需5～10年的成熟期；其次，从数据基础角度来看，通过物联网获取环境数据、通过体域网获取行为数据尚不成熟，面向数据感知的5G网络尚在标准制定中，人工智能应用的数据基础仍需要5～10年的发展期；最后，从计算能力看，目前使用云计算、GPU为代表的并行计算解决方案已经较为成熟，但是其应用范围较为有限，支持分布运算的人工智能芯片还需要2～3年发展。综上所述，未来5～10年人工智能的发展将仍处于感知智能逐渐普及应用阶段。
人工智能目前主要应用领域为硬件产品和软件服务。其中，短期内，人工智能算法的技术应用市场规模主要受软件服务市场规模影响。据艾瑞咨询估计，2015年中国人工智能软件服务市场规模约为12亿元（据主要企业销售收入推测）。参考全球19.7%的市场规模，考虑国内人工智能产业起步较晚但增长迅速等因素，预计到2020年我国狭义人工智能产业市场规模将达到91亿元，市场前景广阔，产业潜力巨大（见图8.7）。
图8.7 全球人工智能市场预测
（艾瑞咨询 刘 赞）