第一章
人工智能绪论

第一节
什么是人工智能

第四次工业革命即将开启，人工智能（artificial intelligence，AI）作为第四次工业革命的代表正在对这个时代产生莫大影响。人工智能概念于1956年首次提出，其发展几经沉浮，方兴未艾。随着核心算法的突破、计算能力的迅速提高以及海量互联网数据的支撑，人工智能终于在21世纪的第二个十年里迎来质的飞跃，成为全球瞩目的科技焦点。

作为计算机科学的一个分支，人工智能是研究、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新的技术科学，是一门自然科学、社会科学和技术科学交叉的边缘学科，它涉及的学科内容包括哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学、社会结构学与科学发展观等。

随着技术的发展和革新，人类学习知识的途径逐渐从进化、经验和传承演化为借助计算机和互联网进行传播和储存。由于计算机的出现，人类获取知识开始变得更加高效和便捷。强大的计算机算法使计算机系统逐渐获得类人的能力，包括视觉、语言的能力和方向感等。在人工智能众多的分支领域中，“机器学习”（machine learning）是人工智能的核心研究领域之一。据统计，89%的人工智能专利申请和40%人工智能范围内的相关专利均属于机器学习范畴。机器学习的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能。计算机可以效仿人脑并模拟进化，系统化地减少不确定性，识别新旧知识的相同点，并完成学习。

算法是人工智能的底层逻辑中产生人工智能的直接工具，如图1-1所示。从历史的进程来看，人工智能自1956年提出以来，经历了三个阶段，这三个阶段同时也是算法和研究方法更迭的过程。

（1）第一阶段是20世纪60—80年代，人工智能迎来了黄金时期，以逻辑学为主导的研究方法成为主流，但最终难以实现人工智能通过计算机来实现机械化的逻辑推理证明。其中，1974年到1980年间，人工智能技术的不成熟和过誉的声望使其进入人工智能“寒冬”，人工智能研究和投资大量减少。

（2）第二阶段是20世纪80年代至90年代。1980年到1987年，专家系统研究方法成为人工智能研究热门，资本和研究热情再次燃起。1987年到1993年，计算机能力比之前几十年已有了长足的进步，研究者试图通过建立基于计算机的专家系统来解决问题。但是由于数据较少并且太局限于经验知识和规则，难以构筑有效的系统，资本和政府支持再次撤出，人工智能迎来第二次“寒冬”。

（3）第三个阶段是20世纪90年代以后。1993年到2011年，随着计算力和数据量的大幅度提升，人工智能技术获得进一步优化。近年来，数据量、计算力的大幅度提升和理论框架的逐渐完善，使人工智能在机器学习，特别是神经网络主导的深度学习领域得到了极大的突破。基于深度神经网络的人工智能发展，逐渐步入快速发展期。

数据是人工智能底层逻辑中不可或缺的支撑要素。随着人工智能技术的迭代更新，从数据生产、采集、储存、计算、传播到应用都将被高效自动化的机器所替代，从而反过来助推人工智能的进一步发展。

人工智能研究的基本内容包括以下五个方面：

（1）知识表示。人工智能研究的目的是要建立一个能模拟人类智能行为的系统。为达到这个目的就必须研究人类智能行为在计算机上的表示形式，只有这样才能把知识存储到计算机中去，以供求解现实问题。知识表示方法可以分为：符号表示法和连接机制表示法。符号表示法是用各种包含具体含义的符号，以各种不同的方式和顺序组合起来表示知识的一类方法。连接机制表示法是用神经网络表示知识的一种方法。

（2）机器感知。机器感知就是使机器（计算机）具有类似于人类的感知能力，其中以机器视觉和机器听觉为主。机器视觉是让机器能够识别并理解文字、图像、景物；机器听觉是让机器能够识别并理解语言、声音等。机器感知是机器获取外部信息的基本途径，是使机器具有智能不可或缺的组成部分。

（3）机器思维。机器思维是指通过获取的外部信息及机器内部的各种工作信息进行有目的的处理。机器思维是人工智能研究中最为重要和关键的部分，它能使计算机模拟人类的思维活动，像人一样既可以进行逻辑思维，又可以进行形象思维。

（4）机器学习。机器学习是研究如何使计算机具有类似人类的学习能力，以通过学习自动地获取知识，它与脑科学、神经心理学、计算机视觉、计算机听觉等有密切联系，并依赖于这些学科的共同发展。

（5）机器行为。与人的行为能力相对应，机器行为主要是指计算机的表达能力，即“说”“写”“画”等能力。例如，语言合成、人机对话等。对于智能机器人，还应具备人的行为功能，如走路、操作等。

综上所述，目前人工智能的核心是以数据为基础，以深度学习算法为主要技术手段的大数据挖掘技术。它从海量的数据中提取隐含的数据原始信息，辅以高性能计算，进一步深度感知信息的隐藏价值，继而帮助甚至替代人类进行复杂数据处理，快速、精确完成高知识密度的任务。

第二节
人工智能产业发展现状与趋势

全球人工智能产业已进入加速发展阶段，通过与传统产业的深度融合，催生新业态，助力实体经济向数字化、智能化转型。人工智能技术将逐渐转变为像网络、电力一样的基础服务设施，向全产业、全领域提供通用的AI能力，为产业转型打造智慧底座，促进产业数字化升级和变革。AI已经渗透到工业、医疗、智慧城市等各个领域。放眼2022年，人工智能产业发展的趋势可以概括为以下五个方面：

（1）深度学习技术正从语音、文字、视觉等单模态向多模态智能学习发展。

深度学习技术未来甚至可以将嗅觉、味觉、心理学等难以量化的信号进行融合，实现多个模态的联合分析，推进深度学习从感知智能升级为认知智能，在更多场景、更多业务上辅助人类工作。多模态融合能够推动人机交互模式的升级，人机交互过程中可以从视觉、听觉、触觉等多个方面体会机器的情感和表达的语义，通过图文、语音、动作等多方式互动，从整体上提高人机交互的自然度和精确度。未来的多模态数字人应当具备类似人的看、听、说和知识逻辑能力，在“人工智能更像人”这个进程中更进一步。

（2）人机交互更加注重情感体验。

通过计算机科学与心理科学、认知科学的结合，情感机器人将具有识别、理解和表达喜怒哀乐的能力，识别用户的需求和环境信息的变化，理解人的情感意图，并做出适当反应。这种情感反馈信息在优化推荐、广告定制、智能决策等领域将发挥重要作用。

（3）AI将呈现多平台多系统协同态势，以实现更为广泛的赋能。

AI的多平台多系统协同具体可通过两个路径实现。一是通用平台向产业平台分化。立足于传统产业各自的产业业务逻辑，实现融合产业基础应用，深耕产业应用场景。二是端侧系统向协同系统发展。要实现通用平台、产业平台和端侧应用的协同组合，以软硬一体的方式实现具体应用的功能定制和扩展。

（4）聚焦“端侧AI”。

作为云计算的补充和优化，边缘计算可以在云上依靠深度学习生成数据，在设备上执行模型的推断和预测。这样能够改善信号延迟情况，提高实时处理速率，具备更高的可靠性和安全性，同时可在新旧设备之间灵活部署，实现信息互联互通。

（5）AI与其他数字技术将会有更广泛融合、碰撞，带来无限想象空间。

首先，AI与量子计算的结合，量子计算能够极大地提高生成、存储和分析大量数据的效率，增强机器学习的能力。其次，将人工智能融入VR/AR应用中，能够更精准地识别目标，提高视觉、行为形态和感知的真实性。再次，人工智能与区块链结合，以去中心化的方式，对大量数据进行组织和维护，使更大规模、更高质量、可控制权限、可审计的全球去中心化人工智能数据标注平台成为可能。最后，AI与5G融合的前景也非常广阔，5G提供了强大、可靠的连接，能最大限度地提高AI在设备上的响应速度，满足智慧城市、智能制造、医疗、交通等多领域的需求。

第三节
全球主要经济体的人工智能发展与趋势

全球主要国家纷纷将人工智能作为经济发展和科技创新的重要战略资源。但因资源禀赋、创新能力、发展目标等方面的差异，其战略周期、战略目标任务、研发重点和应用领域布局等各有侧重。

美国致力于确保其人工智能在全球的领先地位，从国家层面调动更多联邦资金和资源，投入人工智能研究，重点推进研发、资源开放、政策制定、人才培养和国际合作五个领域。

英国致力于建设世界级人工智能创新中心，2018年，其政府发布《产业战略：人工智能领域行动》政策文件，就想法、人民、基础设施、商业环境、地区五个生产力基础领域制定了具体的行动措施。

欧盟确保欧洲人工智能的全球竞争力，2018年发布《欧盟人工智能战略》，签署合作宣言，发布协同计划，联合布局研发应用，确保以人为本的人工智能发展路径，打造世界级人工智能研究中心，在类脑科学、智能社会、伦理道德等领域开展全球领先研究。

日本以建设超智能社会5.0为引领，将2017年确定为人工智能元年，发布国家战略，全面阐述了日本人工智能技术和产业化路线图，针对“制造业”“医疗和护理产业”“交通运输”等领域，希望通过人工智能强化其在汽车、机器人等领域全球领先优势，着力解决本国在养老、教育和商业领域的国家难题。

德国推动人工智能研发应用达到全球领先水平。定位打造“人工智能德国造”（AI made in Germany）全球品质，发布《联邦政府人工智能战略》，制定3大战略目标，编制12个具体行动领域，重点发展机器人、自动驾驶等。

中国以人工智能为核心的新一轮科技和产业革命方兴未艾。通过人工智能创造全新产品和服务，推动传统产业转型升级，已经成为推动供给侧结构性改革、实现高质量发展的重要着力点。我国人工智能产业有如下特点：

（1）基础层产业基础扎实。人工智能基础层可以分为智能计算集群、智能模型开发工具、数据基础服务与治理平台等模块。我国人工智能基础层企业通过提供算力、开发工具或数据资源，助力人工智能应用在各行业领域、各应用场景落地，支撑人工智能产业健康稳定发展。

（2）技术层和应用层的产业发展齐头并进。从技术研发角度看，我国在语音识别、机器视觉、大数据分析、数字建模、知识图谱、应用技术等领域，整体上在全球处于领先的地位。应用层产业在始终坚持底层技术研发为主导，聚焦技术创新潜力的同时，不断寻找挖掘新的应用需求。

（3）产业智能化升级的巨大空间带动我国应用层产业迅猛发展。我国在制造、交通、金融、医疗、教育等传统产业的发展相对于发达国家而言，产业发展程度和基础设施水平都有较大的改造和提升空间，为新一代人工智能应用层产业加速落地提供了广阔的市场空间。

（4）智慧城市建设发展飞速，一线城市处于领先地位。基础设施和服务水平方面，北京、深圳、上海的IT基础设施建设完备；杭州、上海、北京的基础服务较好，尤其是线上政务服务。

我国人工智能政策随着新冠肺炎疫情形势得到缓解而逐步落地，技术应用商业化进程加快，人工智能技术和应用飞速发展，带来更为持久深刻的思维与变革。 7YDpkEzH/SVblnPSH4aSWCh/vjbKYOJ4QPX6tU7A55OJ0Sox40m/jBObhYfQX+1j