1.1 人工智能与智能计算

1.1.1 人工智能

人工智能 （Artificial Intelligence, AI）是计算机科学的一个分支，是智能计算的基础，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能试图探究智能的本质，进而通过学习和优化，生产出一种新的具有类似人类智能的机器。

早在1950年，“计算机之父”艾伦·图灵便提出了“计算机器”的概念（早于“计算机”这一概念的提出）。他认为，计算机器将来可能会有智能，智能程度取决于人类是否可以判定跟他对话的是人还是机器。因此，人工智能其实并不是世界进入新时代后的产物，而是一项随着时代发展不断进步的技术。在全世界几代人的努力之下，经过七十多年的艰难探索，在深度学习、大数据和高性能计算等技术的支撑下，当前的人工智能发展和应用进入了新的阶段。

在人工智能的关键技术中，机器学习是最常被提及的。机器学习属于多领域的交叉学科，涉及概率论、统计学等多门专业学科，主要研究计算机如何模拟实现人类的学习行为，从而获取新的理论、重塑自身并且不断完善。机器学习是人工智能的核心，也是实现智能计算的根本途径。智能计算是一种经验化的计算机程序，是人工智能体系的一个重要分支，也是辅助人类处理各种问题的具有独立思考能力的系统。随着人工智能进入产业深度融合的发展阶段，人工智能与教育、金融、医疗卫生、制造业等结合，正在推进“四新”专业人才的培养，智能和自动化也成为“四新”专业人才培养的重要内容。

人工智能不可凌驾于人类社会的法律、道德之上，它的关键是“人工”，也就是要通过“人”来实现“智能”，使“智能”真正有用、强大和高效。它可以像人类一样思考，能利用各种手段帮助人类解决现实生活中面临的人类无法解决的困难，或者提高人类解决问题的效率。人工智能还要使“智能”有爱、至善，因此需要受到相应的约束。

人类社会经历了农业革命和工业革命，现在正在经历信息革命。大数据、人工智能的发展和应用已经上升为国家战略，是引领新一轮信息革命和产业变革的战略性技术，是当今社会“具有头雁效应的先进生产力”，其发展和应用速度将决定一个国家的科学技术水平。

1.1.2 智能计算时代与学科融合

在人工智能的引领下，越来越多的新兴技术发展和崛起，我们所处的时代已经进入智能计算时代。“新工科”“新文科”“新医科”和“新农科”（简称“四新”专业）就是在智能计算时代的新技术发展的影响下提出的。传统学科也不断融合大数据、人工智能等新技术和新方法。目前，以大数据、人工智能为代表的智能计算技术不仅涉及基础研究以及工程、研发等专业领域，而且融入医学、心理学、法学、哲学、文学、旅游等多个学科和领域。可以说，在使用计算机的地方，都会用到智能计算。智能计算与其他学科的融合正大力推动着人类社会的发展。

智能计算具有持续进化的特点，它可以进行自我管理与升级；智能计算具有环境友好的特点，可以不受地域的限制进行部署，避免数据迁移等复杂过程可能导致的影响，大大降低人工智能的使用门槛；智能计算具有开放生态的特点，不同产业、不同用户均可以通过其进行协同工作。

智能计算涵盖的领域不断扩展。近年来，智能计算已经被应用到生物进化、生物科学、预防医学、临床医学以及诸多生物医学学科当中。智能计算不是运用计算机的相关技术去开拓、创新出新的学科，而是基于其他学科原本的内容和理念，利用计算机的先进技术更高效、更精确地解决学科问题，从而真正实现学科交叉和学科融合。针对多学科交叉复合的新兴学科专业建设探索与实践的目标，智能计算能够辅助各个学科，其重要性日益提高。

1.1.3“新医科”与智能计算

2021年年初，我国教育部高等教育司将全面加强“四新”的深入建设列入工作要点，并持续推进。该项工作的本质是在改革中寻求突破，在创新中探索、升华，最终将高等教育的质量提升到新的高度，加快高等教育强国的建设步伐。“四新”专业建设的初衷是，通过基础学科与新兴学科的相互交融，调整并优化专业结构，优化实习与实验教学的组织结构，把基础学科的人才培养和工科、医学等专业紧缺人才培养相结合，从而培养全能型紧缺专业人才。

“新医科”建设是指在人工智能、大数据为代表的新一轮科技革命和产业变革的背景下，医工理文融通，在原有医学专业的基础上，发展精准医学、转化医学、智能医学等医学新专业。医学教育是卫生健康发展的重要基石，是医学人才的培养摇篮，也是我国卫生健康事业的承载体。在医疗人才的培养过程中，“新医科”统领创新、优化结构，将新科技革命的内涵与人文关怀的标志词“健康”相结合，对传统医学学科加以深化改革，在探索中改变，在融合中创新，从而为国家培养一批全素质的全科医学人才。

1.精准医学

精准医学是“新医科”的专有名词之一，是指根据患者的生物学信息以及临床症状和体征，对患者实施健康医疗和临床决策的个性化处置。

我们在日常生活中可能会经历各种疾病。大多数情况下，医生会结合自己的经验以及患者的临床表现做出判断，形成诊断结果和治疗方案。精准医学的目的是针对分子和基因组加以判断，医疗人员也将根据患者的个体差异加以分析，在用药和剂量等细节上做出调整，从而更有针对性、更精准地实施医疗服务。但是，精准并不是为每个个体提供不同服务的过程，而是针对不同患者对同种疾病感染性的不同、对某种治疗手段适应与否等情况，建立模型，进行分类，最终提供不同解决方案的过程。

精准医学不仅支持疾病的治疗，而且支持疾病的预防。例如，女性可能会因为家族遗传等原因患乳腺癌或者卵巢癌等疾病。通过精准医学的建模，可以根据家庭病史或者基因等进行判断，筛查一个人可能罹患的疾病，并且根据个体的差别采取措施，预防疾病的发生。

当然，精准医学的发展还需要考虑个体所处的环境等因素，在收集数据的时候需要更加精准，尽可能反映出真实的个体状态。将“真实世界证据”理念引入精准医学之中，会使个体化内容更加全面，从而使个体化精准医疗的水平得到提高。图1-1给出了精准医学的架构。

2.转化医学

转化医学是“新医科”的重要方向，它是将基础医学研究和临床治疗结合的一种新的思维方式，属于生物信息学范畴。转化医学将理论和自动化技术以及科研与工程紧密结合，在实践与应用中有效地缩短了基础医学与临床医学之间的距离。

现代医学的发展历史证明，在未来，如果医学想取得突破性进展，就要努力尝试与其他学科融合，将理论与实践相结合，从实验室走向临床。可以说，转化医学的产生顺应时代背景。医学从业者探索的脚步从未停歇，全世界的医学水平也越来越高，如何让人类的健康能从这样的进步中受益呢？2003年，美国国立卫生研究院（NIH）正式提出了转化医学的概念，旨在将基础知识向临床治疗转化，促进健康水平的提升。其主要工作是加快基础研究成果的转化速度，让成果能真正投入到临床中，为患者带来最大限度的帮助，真正实现其社会价值。无论是药物的研发还是治疗方法的创新，无不需要转化医学。例如，在研制一种新型药物时，即使在应用到临床前作用良好，也不一定能够通过治疗作用确定阶段，很多药物由于毒性或者其他因素，无法体现更好的治疗效果，就会被淘汰，从而避免药物开发的浪费。转化医学的研究过程可以加速这一比对过程，针对动物和人体临床的差异，更合理和高效地进行药物的研发。图1-2给出了转化医学中心的架构。

3.智能医学与智能医学工程

智能医学研究物质、能量的运动规律，以及以物质和能量为载体并运动变化的信息的接收与发送的方法。物质、能量和信息是智能医学研究的重中之重。智能医学不仅注重细胞的研究，而且重视人体整体空间的运动变化。也就是说，它研究人体中空间通道的变化。

智能医学工程是指以现代医学与生物学理论为基础，融合先进的脑认知、大数据、云计算、机器学习等人工智能及相关领域工程技术，研究人的生命和疾病现象的本质与规律，探索人机协同的智能化诊疗方法和临床应用的新兴交叉学科。智能医学工程作为一门新兴的学科交叉度极高的专业，紧密结合学科的发展趋势，充分发挥数据感知、数据分析、智能决策等人工智能领域的科研成果，以临床需求作为出发点和落脚点，结合精准医学和转化医学等“新医科”领域的创新，架起理论到实践、实验室到临床的桥梁。智能医学工程面向医学影像、生物医学信息、医学检验、医学信息、疾病诊疗等领域革新的需求，以电子、计算机、互联网与物联网、人工智能、3D打印、虚拟现实、增强现实、脑机接口等工程技术为基础，发展医学智能感知、医学大数据分析、医学智能决策、精准医疗、医学智能人机交互等核心医学技术，并应用到智能医学仪器、智能远程医疗、智能医学教育、新药研发、智能医学图像分析、智能诊疗、智能手术、精准放疗、神经工程、康复工程、组织工程、基因工程等医疗相关领域。

智能医学工程的应用领域非常广泛，下面以智慧医疗为例进行说明。

智慧医疗通过打造以电子健康档案为中心的区域医疗信息平台，利用物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，达到医疗的全面信息化和智能化。图1-3给出了智慧医疗的架构。该架构包括医疗物联网、医疗云计算/大数据分析和云服务三层结构，分别完成数据采集、知识发现和远程服务的工作。智慧医疗将医院的管理成本降到最低，通过大数据技术将医院系统、卫生系统以及家庭健康系统相关联，充分发挥了智能的优势。

智能医学影像技术是人工智能和医学影像技术的结合。以往，医生看一张CT片的时间往往很长，但是人工智能可以把这个时间缩短到秒级。难能可贵的是，人工智能可以避免医生由于经验不足或者外界因素造成的肉眼观察遗漏，更加高效、精准地进行分析和判断，供医疗人员进行后续的处理。南开大学计算机学院程明明教授团队提供部分算法架构支持的肺炎CT影像AI筛查系统，已在国内40家医院应用部署，辅助医生开展快速诊断、程度评估、病程动态监测等工作。在该系统持续运行的前50余天里，累计检测筛查8.1万个病例，协助医生确诊6000余例，系统敏感度（正确确诊率）98.3%，特异度（正确排除率）81.7%。该系统完成300张CT影像的病例的计算，只需10秒左右。

智能医学仪器可以利用人工智能自动化地完成医疗过程。例如，常见的AR辅助手术可以帮助医生在千里之外实施医疗救治，近红外投影可以帮助护士精准而轻松地找出患者的血管。

智能健康管理系统通过大数据对患者的身体状况以及医疗状况进行支撑。在智能健康管理系统的监督下，人类可以实时监控自身和家人的身体状况，预防疾病的发生。

智能药物挖掘可以对药物进行高效筛选。传统的基于试错的药物研究周期长（12年左右）、成本高、成功率低，基于人工智能的虚拟筛选技术可以取代或增强传统的高通量筛选过程。

4.新技术助力医学研究

（1）蛋白质结构预测

蛋白质结构预测是生物信息学与理论化学追求的重要目标之一，它在医学（例如药物设计）和生物技术（例如新的酶的设计）中也是非常重要的。2021年7月，DeepMind团队在 Nature 发表论文，介绍了AlphaFold对人类蛋白质组的准确结构的预测工作，得到的数据集涵盖了人类蛋白质组近60%的氨基酸的结构位置预测，且预测结果可信。施一公院士用“三个影响”评价了这一工作。第一个影响是对结构生物学领域的影响，这是该领域的一项颠覆性突破，可以说AlphaFold预测的结果很可能就是事实，从已有数据来看，它的预测相当精准。第二个影响是对生物化学、细胞生物学、遗传发育、神经生物学、微生物学、病理/药理等学科和研究领域的影响，这会大大改进人类对于生命过程的理解。第三个影响可能会超越生命科学的界限。AlphaFold的预测结构如果广泛应用在生命学科各分支或创新制药方面，会给社会和人类带来很多好处。

（2）远距医疗

据Healthcare IT News报道，堤夫特地区医院从2005年开始考虑引进远距医疗。该医院的远距医疗主管Jeff Robbins认为，远距医疗将是未来趋势。因此，2017年，他们与非营利机构GPT合作，后者在美国的11个州负责针对医院及其他医疗设施开发远距医疗系统。

堤夫特地区医院通过使用GPT开发的网络，帮助医院与相隔很远的养护之家、学校诊所、急诊室以及不同医疗团队进行连接。远距医疗系统中包括屏幕、摄像头、键盘与遥控器，医生可以通过系统中的多个设备观察患者生命体征，并利用高清晰度摄像头查看皮肤或伤口等。

Robbins认为，双方合作后，该院医生可以帮助其他地区患者进行诊断和治疗，减少约诊未到的情况，治疗更多患者，并能更好地追踪患者。远距医疗则让该医院拥有更多病房，降低了病人的死亡率和并发症。另外，居家监测也可降低医疗成本。

（3）借助AI算法，预测患病风险

美国斯坦福大学的研究团队结合基因数据和电子病历（EMR），成功地通过人工智能算法预测出罹患腹主动脉瘤的风险。据媒体报道，这项研究受到美国国立卫生研究院资助，通过AI算法结合基因和EMR数据，即可检测腹主动脉瘤的遗传风险因子，精准度与临床筛检结果不相上下，预测高风险族群的精准度甚至高达70%。未来，每个人都会有基因数据，进而可以预测整体的疾病风险，并采取相关的措施。

（4）利用AI判断抑郁症

麻省理工学院的研究人员开发出一种神经网络，能够对患有认知功能障碍的可能性做出预测，准确度较高。在一定程度上，可以将其理解为一种抑郁症检测器。

一般来讲，医生需要将经过验证的问题与直接观察相结合，诊断病人是否患有抑郁症。根据该团队的数据，他们的人工智能网络能够在没有条件性问题或者直接观察的前提下，得到类似的诊断结果。

在这项研究中，参与者的回答将以文本和音频形式记录下来。在文本式检测中，人工智能网络能够在大约7个问答之后得出预测结果。而在音频式检测中，人工智能网络需要大约30个序列才能给出结果。据研究人员称，其平均预测准确率达到77%。

1.1.4 智能计算时代的其他典型应用

智能计算时代其实是由多种因素共同推动的，我们不应该将某一个或者某两三个概念狭义地定义为智能计算时代的标志。几年前，大数据、云计算、物联网等是关键的推动力。随着5G、智慧城市、无人驾驶等许多技术的发展和应用，智能计算时代的特征更加明显。

1.智慧城市

智慧城市这个概念源于2008年IBM公司提出的“智慧地球”的理念。它是数字城市与物联网相结合的产物，其实质是运用现代信息技术推动城市运行系统的互联、高效和智能，让城市中生活的人更加便捷，使城市发展更加和谐、更具活力。

智慧城市利用物联网、大数据、人工智能、区块链等信息技术将社会关系、城市管理、服务、环境等各城市要素信息集成到一个网络中，通过智慧化分析，提高城市运行效率、优化城市管理、改善民生，提升城市的可持续发展能力与环境的自我调节能力。智慧城市是在城市物联网的推动下产生的。智慧城市网络中的大数据是深入分析城市运行情况的基础，感知、管理和分析城市各个方面的数据，可为解决城市存在的问题（如环境破坏和资源短缺）提供理论指导与技术支持。

图1-4给出了智慧城市的架构。

智慧城市的基础是城市信息的数据化，即城市画像，处于图1-4中的感知层、网络层和平台层。城市画像用数据对城市进行建模与刻画，将城市的物理和社会空间映射到数字空间，将城市的时空运行状况用数据呈现出来。智慧城市需要城市大脑，即依托AI支撑技术、海量多模态数据汇集与处理能力、开放平台生态体系等核心技术，构建全域感知中心、数据服务中心、AI服务中心、应用支撑中心及城市智能运行指挥中心等功能中心，实现城市的全时空要素立体感知、全流程数据安全共享、全方位AI能力共用、全业务系统应用支撑、全场景智能协同指挥。城市大脑处于图1-4中的应用层。

智慧城市涉及城市的方方面面。我们日常生活中的物流运输、条码识别、身份验证、虚拟课堂等都是智慧城市的产物。例如，健康码曾在我国防疫工作中起到重要的作用。再如，美丽的杭州西湖是旅游胜地，但西湖周边常因为游客过多造成交通拥堵。为此，相关部门启动了“城市大脑”工程，利用在主要交通路口安装的传感器来识别交通状况，进而训练出一个人工智能模型。该模型可以根据当时的情况和需要来调节红绿灯的时长，进而减少拥堵。

可见，智慧城市依托创新技术，推进城市的高效管理和可持续发展，使城市更宜居。

智慧社区是指在智慧城市建设的框架下，运用新技术、新模式，对社区管理、社区生活、公共服务等现代社区的组成部分进行智慧化提升，为社区群众提供政务、商务、娱乐、教育、医护及生活互助等多种便捷服务的模式。智慧社区建设的特征是见效快、惠民利民。

智慧社区的功能主要包括向社区居民发布政府公告、物价、天气、交通等信息，为居民提供在线监护、远程医疗、远程学习等应用，以楼宇电梯、景观灯光、车辆出入等涉及小区管理的内容为重点的智慧物业管理。

智能家居以家庭住宅为平台，利用通信/物联网、传感与控制、语音/语义识别、图像识别、云计算与边缘计算等技术，构建高效的住宅设施与家庭事务的管理系统，提升家居的安全性、便利性、舒适性和艺术性，并实现环保节能的居住环境。

目前，我国智能家居生态尚处于发展过程中，面临诸多问题。现有的智能家居技术的主要问题包括：人机交互体验较差；真正的用户刚需场景不多；产品之间联动性差。因此，智能家居要走的路还很长。2020年，有专家提出了“6S”智能家居的概念。“6S”包括物理安全（Safety）、信息安全（Security）、可持续发展（Sustainability）、个性化需求（Sensitivity）、服务（Service），以及智慧（Smartness）。“6S”智能家居系统的组成如图1-5所示。

2.智慧环保

随着大数据技术的发展，智慧环保体系已经成为推动环境治理能力和治理体系现代化的重要支撑，建立完善的智慧环保体系是我国进一步提高环境治理效率的必然要求和重要举措。

智慧环保基于数字环保平台、在线监测/监控网络、环境应急指挥系统，融合物联网、云计算、3S、多网融合等技术，通过实时采集污染源、环境质量、生态、环境风险等信息，构建全方位、多层次、全覆盖的生态环境监测网络，推动环境信息资源高效、精准地传递及海量数据资源中心和统一服务支撑平台建设，重视资源的重整和优化，实现动态应用平台的组建和应用，以更加精细和动态的方式实现环境管理和决策的智慧，从而构筑感知测量更透彻、互联互通更可靠、智能应用更深入的智慧环保物联网体系，实现环境保护的智慧化。图1-6给出了智慧环保体系的架构。

智慧环保体系由智慧感知层、传输层、智慧云平台层、云服务层和终端用户层组成。智慧感知层利用可以随时随地感知、测量、捕获和传递信息的设备、系统或流程，实现对环境质量、污染源、生态、辐射等环境因素的实时数据进行“更透彻的感知”；传输层利用卫星网络、移动通信等技术，收集感知层获取的环境数据，实现环境数据的交互共享，从而实现“更全面的互联互通”；智慧云平台层首先整合来自传输层的海量数据，以云计算、大数据挖掘和高性能计算等技术手段，整合和分析海量的跨地域、跨行业的环境信息，进行海量存储、实时处理、深度挖掘和模型分析，实现“更深入的智能化”；云服务层通过构建云服务平台，建设业务系统及信息平台，提高数据透明度，方便各机构及公民合法获取数据，为环境质量管理、污染源治理、生态环境保护、辐射管理实现“更智慧的决策”；终端用户层将在感知层、传输层智慧云平台层和云服务层收集、处理、分析的数据分配到相应的部门或单位进行应用，以处理分析后的数据为依据做出合理、智能的决策。

3.无人驾驶汽车

无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，它主要依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶汽车利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物。图1-7给出了无人驾驶汽车中的硬件。

图1-8给出了无人驾驶汽车的系统架构，包含环境感知系统（进行信息采集及数据预处理）、中央决策系统（进行信息融合、决策规划及车辆控制）和底层执行系统（进行制动与驱动控制、转向控制、自动变速器控制及底盘一体化控制）。

无人驾驶汽车是汽车、人工智能与通信跨界融合的产物，是影响3个10万亿市场（汽车、出行、社会效益）的革命性产业，更是未来智慧城市重要的组成部分。无人驾驶可大幅减少交通事故，并极大降低传统的保险费用。无人驾驶还能大幅减少通勤所耗时间以及能源消耗，每年能够减少上亿吨汽车二氧化碳排放量。

虽然中国的无人驾驶起步较晚，在L2和L3阶段落后于欧美，但在L4阶段大有赶超之势。在市场规模方面，无人驾驶系统发展迅猛，据预测，以平均每辆车的无人驾驶系统的价格为5万元估算，2035年全球无人驾驶系统的市场空间将达6000亿元，国内市场空间接近1500亿元。在无人驾驶路测方面，北京市高级别自动驾驶示范区工作办公室于2021年11月25日公布北京正式开放国内首个自动驾驶出行服务商业化试点，百度和小马智行成为首批获许开展商业化试点服务的企业。这标志着国内自动驾驶领域从测试示范迈入商业化试点探索新阶段，对变革未来出行方式具有里程碑意义。2021年12月，小马智行自动驾驶卡车顺利驶入京台高速，开启常态化自动驾驶测试。这是全国范围内自动驾驶企业首次在政策开放的公开高速路进行高级别自动驾驶实景测试。