下载掌阅APP，畅读海量书库
立即打开
人工智能（Artificial Intelligence，简称AI）从概念上简单来讲就是，计算机或者机器拥有像人一样的智能能力。人工智能概念自提出以来，经历了长期而又波折的算法演进和应用检验。直至5G、大数据、云计算、物联网等新一代信息技术飞速发展，人工智能得到了超强算力、优质算法、海量数据和广泛连接的支持，逐渐演化为融合信息技术、机械、生物等一系列现代科学技术的集成体系，成为新基建的重要组成部分，是有效推动经济社会发展的新引擎。一个集聚庞大的数据流、信息流、技术流和基于万物互联、跨界融合、人机共生的人工智能时代已经到来。
从学科上来讲，人工智能是多学科融合在一起的交叉学科，目前主要包括计算机科学、统计学、脑神经学、社会科学等学科。说完人工智能的组成学科，我们再来看看人工智能主要包含哪些模块。人工智能主要包括四个模块。首先就是识别，识别是指当用户讲一句话或者给出一个图形时，人工智能能够把图形识别出来，把语音或图像识别成文字。其次是认知和理解，顾名思义，认知和理解就是人工智能可以理解用户说的话的含义。之后人工智能会对用户说的内容进行分析，最后形成决策。
事实上，人工智能的概念是20世纪50、60年代被提出来的，自1950年阿兰·图灵（Alan Turing）预言智能机器的出现并提出判断标准以来，人工智能的发展和突破多集中于概念和科研领域。一直到20世纪90年代，人工智能领域出现了一个里程碑的事件，让大众第一次见识到人工智能的影响力。1997年，当时的国际象棋冠军卡斯帕罗夫和IBM国际象棋电脑“深蓝”进行国际象棋比赛，最终“深蓝”战胜卡斯帕罗夫，人类在历史上第一次败给机器，这件事震惊了全世界。
在这之后，机器战胜人类的新闻越来越多，比如2016年，谷歌围棋人工智能AlphaGo与韩国棋手李世石进行较量，最终AlphaGo战胜了李世石，让人们再次见识到人工智能的威力。随后一年，“人机大战”2.0又开始了，这次是升级后的AlphaGo挑战世界排名第一的围棋世界冠军、中国棋手柯洁，双方进行三番棋大战。这一次大家似乎更看好这个具有强大的计算能力、又毫无人类情绪化冲动的机器人能获取胜利
。结果不出所料，机器人最终以3∶0取得胜利。
在这之后，随着语音识别、计算机视觉等技术相继取得重大进展，人工智能在产业落地和商业应用上呈现出爆发式发展规律，被广泛应用于汽车、医疗、金融、家居、教育等各垂直行业。人工智能时代正式拉开帷幕。
一些专家学者谈到人工智能时，会提到人工智能的发展史经历了多次低谷和高潮。实际上，从我们的研究角度来看，人工智能的发展有两个时期。20世纪60年代至80年代，人工智能的发展都是基于规则的系统进行研究的。到20世纪80年代后，基于规则的研究开始进入衰落期，而基于数据驱动的人工智能发展则进入快车道。所以，从人工智能的发展路线来看，基于数据驱动的人工智能在20世纪80年代开始逐步兴旺起来。从算法上来讲，最早期的算法一般是传统的统计算法，到后来向神经网络迈进，20世纪90年代又变成了浅层算法；2000年左右，SVM、Boosting、Convex等一系列算法都开始兴起。直到最近，数据量越变越大、计算能力越变越强，这对深度学习产生了巨大的影响。所以，2011年之后我们处在深度学习兴起的过程中，这也引领了现今人工智能发展的新高潮。
图3-1 基础设施发展推动算法技术演进
人工智能的能力和基础设备完善程度是非常相关的。基础设备包括硬件设备和数据量这两个重要条件。从20世纪70年代个人计算机的出现和普及，再到20世纪90年代互联网的兴盛，一直到2010年有更多的软硬件出现，如移动互联网、GPU、异构计算等，这些都是基础设施发展历程中的重大变化。
强大的算力、精进的算法、海量的数据和广泛的连接是人工智能技术转化落地的主要驱动力。在算力层面，云计算架构的广泛部署和硬件芯片水平的提升，显著减少了人工智能模型计算的时间和成本。在算法层面，以深度学习为代表的基于大数据分析和自我训练的机器学习模型日益成熟，成为人工智能最重要的技术方向。深度学习的目的是训练出一个有效的模型，用来解决各类场景问题。如学生培养解题能力一样，不断地做各种类型的题目，当题目数量足够多时就会形成一个行之有效的解题模型。
在数据层面，以5G为代表的新一代通信技术将创造更加海量的异构数据，大幅提升传输速度。大数据技术的不断优化，能够将海量数据充分转化成人工智能可用训练数据的效能。在连接层面，物联网极大地拓展了互联网连接的广度和深度，重塑现实与网络的关系。总之，人工智能技术将更加深刻地影响人类社会。
人工智能可以在路线优化、车辆调度、拥堵分析等方面起到关键作用。
一是交通信号灯智能适配。结合地图App、监控视频等数据，人工智能可以分析并锁定拥堵原因，智能调控信号灯，缓解道路拥堵情况。二是辅助驾驶。当汽车在车道偏离时可以及时预警，此外还有对驾驶员进行疲劳驾驶检测，发出行人检测预警，进行夜视辅助等功能，有效降低车辆安全风险。
自2018年以来，美国加利福尼亚州共有66家公司获得自动驾驶汽车测试许可，这些自动驾驶公司在2019年的自动驾驶里程同比增加42%。美国已经有一半以上的州颁布了自动驾驶相关立法。人工干预次数是衡量自动驾驶技术成熟度的重要指标，人工干预次数越少表示自动驾驶技术越成熟。根据剑桥大学发布的《2020AI全景报告》显示，百度公司声称其自动驾驶技术快速提升，达到18050英里（1英里=1.609千米）中人工干预仅一次，超过了谷歌Waymo的13219英里中人工干预一次的记录，位居第一。
三是航空优化。人工智能可以对飞机航线网络进行优化，整合客运、货运收益管理等，并对不正常航班进行指挥管理。
人工智能在影响分析、辅助诊疗、健康管理等方面成为医生的好助手。
一是医疗影响分析。人工智能技术通过图像识别技术加快病灶识别和标注，减少医生的重复性工作，辅助医生降低误诊率，帮助医生发现更有价值的罕见症状。美国医疗保险和医疗补助服务中心提出了基于深度学习的医疗成像产品费用标准。AI系统可以快速扫描胸透等多种医疗影像，并将筛查结果提交给医学专家。
二是综合性诊疗。医生可以利用自然语言处理、知识图谱、计算机视觉等各种AI技术，综合病人各维度信息及医疗知识进行推理、诊疗。并且，人工智能还可以设计药物，目前在日本已经开始了一期人工智能制药的临床试验。一批基于AI前沿算法研发药物的公司，已经能够运用卷积神经网络预测小分子药物与目标蛋白的结合能力。
三是身体健康管理。通过健康状态监测、疾病发生预测全方位管理健康。2020年7月，钟南山院士团队与腾讯AI Lab联合发布了一项利用AI预测COVID-19患者病情发展至危重概率的研究成果，可分别预测5天、10天和30天内病情危重的概率，有助于合理地为病人进行早期分诊。该工具用法简单，几乎无使用成本，同时也提供了英文版助力全球（尤其是医疗资源紧张的地区）战疫。
图3-2 COVID重症概率计算工具界面
人工智能可以助力生产制造优化，有效减少重复劳动，实现智能制造。
一是智能质检。利用计算机视觉进行产品缺陷检测，降低人工成本，提升产品品质。二是设备运行管理。人工智能可以基于特征分析和机器学习技术进行设备故障预测和全生命周期管理，实现预测性维修，保证设备始终处于可靠受控的状态，大幅降低维护保养费用。三是参与性能优化。人工智能能够结合专家经验及智能分析技术，充分挖掘设备运行数据背后的规律，优化工艺生产参数，提升生产效能。中国商飞是我国民用飞机产业化的主要载体。腾讯和商飞一起打造出了复合材料检测领域的“AlphaGo”。以往一个飞机核心部件，比如尾翼的复材检测，需要耗费几个老师傅、数十小时、几十万元的成本。现在，通过腾讯AI辅助检测系统，检测过程更加自动化，只需要一个普通的检测人员，花几分钟时间就能完成。检测的样品，也从30多个降低到2个。同时，通过这个系统，还可以检测出人眼无法发现的细微缺陷，整体检出率提升到99%。
2017年，我国相继发布《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，制定了到2030年我国人工智能“三步走”的战略目标。
2018年，中共中央总书记习近平在中共中央政治局第九次集体学习时进一步强调，人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。各级政府都积极推出相关政策以促进人工智能发展，如北京、广东、上海等地。国内诸多高校也正在加快人工智能学科的设立。2017年，我国已有71所高校设置了86个人工智能二级学科或交叉学科，在2018年有57个人工智能相关项目入选首批“新工科”研究与实践项目。
国际咨询公司埃森哲研究了人工智能对12个发达经济体产生的影响，预测到2035年，人工智能对经济总量增加值的额外贡献最高接近40%，可使年度经济增长率提高一倍，并有潜力将中国的劳动力生产率提升27%，同时推动中国经济预期增长率提升1.6%。