中科院2019年人工智能发展白皮书
来源：未来智库
人工智能是一个很宽泛的概念，概括而言是对人的意识和思维过程的模拟，利用机器学习和数据分析方法赋予机 器类人的能力。人工智能将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和 就业等方面为人类的生产和生活带来革命性的转变。
据Sage预测，到2030年人工智能的出现将为全球GDP带来额 外14%的提升，相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济 和战略上的重要性，并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增 长。
据中国产业信息网和中国信息通信研究院数据，世界人工智能市场将在2020年达到6800亿元人民币，复合增 长率达26.2%，而中国人工智能市场也将在2020年达到710亿元人民币，复合增长率达44.5%。
我国发展人工智能具有多个方面的优势，比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支 持、丰富的应用场景等，但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能 开放平台等短板。
此份报告不但对人工智能关键技术(计算机视觉技术、自然语言处理技术、跨媒体分析推理技 术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等)、人工智能典型应 用产业与场景(安防、金融、零售、交通、教育、医疗、制造、健康等)做出了梳理。
八大人工智能关键技术
1.计算机视觉技术
计算机视觉(Computer Vision)是一门研究如何使机器“看”的科学， 更进一步地说，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和 测量的科学。近几年计算机视觉技术实现了快速发展，其主要学术原因 是2015年基于深度学习的计算机视觉算法在ImageNet数据库上的识别 准确率首次超过人类，同年Google也开源了自己的深度学习算法。计 算机视觉系统的主要功能有图像获取、预处理、特征提取、检测/分割 和高级处理。
2.自然语言处理技术
自然语言处理(Natural Language Processing)是一门通过建立形式化的 计算模型来分析、理解和处理自然语言的学科，也是一门横跨语言学、计算 机科学、数学等领域的交叉学科。自然语言处理，是指用计算机对自然语言 的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、 分析、理解、生成等的操作和加工。自然语言处理的具体表现形式包括机器 翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。可以说，自然语言处理就是要计算机理解自然语言，自然语言处理机制涉及 两个流程，包括自然语言理解和自然语言生成，自然语言理解是让计算机把 输入的语言变成有意思的符号和关系，然后根据目的再处理;自然语言生成 则是把计算机数据转化为自然语言。实现人机间的信息交流，是人工智能 界、计算机科学和语言学界所共同关注的重要问题。
3.跨媒体分析推理技术
以往的媒体信息处理模型往往只针对某种单一形式的媒体数据进行推理分析，比如图像识别、语音识别、文本识别等，而越来越多的任务需要像人一样能够协 同综合处理多种形式(文本、音频、视频、图像等)的信息，这就是跨媒体分析与推理。跨媒体是一个比较广义的概念，既表现为包括网络文本、图像、音频、 视频等复杂媒体对象混合并存，又表现为各类媒体对象形成复杂的关联关系和组织结构，还表现在具有不同模态的媒体对象跨越媒介或平台高度交互融合。通 过“跨媒体”能从各自的侧面表达相同的语义信息，能比单一的媒体对象及其特定的模态更加全面地反映特定的内容信息。相同的内容信息跨越各类媒体对象 交叉传播与整合，只有对这些多模态媒体进行融合分析，才能尽可能全面、正确地理解这种跨媒体综合体所蕴涵的内容信息。跨媒体分析推理技术主要包括跨媒体检索、跨媒体推理、跨媒体存储几个研究范畴，可应用于网络内容监管、舆情分析、信息检索、智慧医疗、自动驾驶、智 能穿戴设备等场景。
4.智适应学习技术
作为教育领域最具突破性的技术，智适应 学习技术(Intelligent Adaptive Learning) 模拟了老师对学生一对一教学 的过程，赋予了学习系统个性化教学的能 力。和传统千人一面的教学方式相比，智 适应学习系统带给了学生个性化的学习体 验，提升了学生的学习投入度和学习效 率。采用了智适应学习技术的学习系统能 够针对学生的具体学习情况提供个性化学 习解决方案，包括定位学生的知识漏洞、 持续性地评估学生的学习能力水平和知识 状态、实时动态提供个性化学习内容。智 适应学习技术让教育领域一直困扰的质 量、成本、可获取性三大矛盾因素变成了 历史。
5.群体智能技术
群体智能(collective intelligence)也称集体智能、群智。群体智能是一种共享的智能，是集结众人的意见进而转化为决策的一种过程，用来对单一个体做出随机 性决策的风险。对群体智能的研究，实际上可以被认为是一个属于社会学、商业、计算机科学、大众传媒和大众行为的分支学科，研究从夸克层次到细菌、植 物、动物以及人类社会层次的群体行为的一个领域。
6.自主无人系统技术
自主无人系统是能够通过先进的技术进行操作或管理而不需要人工干预的系统，是由机械、控制、计算机、通信、材料等多种技术融合而成的复杂系统。自主 无人系统可应用到无人驾驶车辆、无人机、服务型机器人、空间机器人、海洋机器人、无人车间、智能工厂等场景中，并实现降本增效的作用。自主性和智能性是自主无人系统最重要的两个特征。人工智能无疑是发展智能无人自主系统的关键技术之一。利用人工智能的各种技术，如图像识别、人机交 互、智能决策、推理和学习，是实现和不断提高系统这两个特征的最有效的方法。
7.智能芯片技术
目前，关于智能芯片的定义并没有一个严格和公认的标准。一般来说，运用了人工智能技术的芯片都可以称为智能芯片，但是狭义上的智能芯片特指针对人工 智能算法做了特殊加速设计的芯片，现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。智能芯片可按技术架构、功能和应 用场景等维度分成多种类别。
8.脑机接口技术
脑机接口(Brain-Computer Interface，BCI)是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。通过单向脑机接口技术，计算机可 以接受脑传来的命令，或者发送信号到脑，但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。2013年，自美国首次宣布启动 “脑计划”以来，欧洲、日本、韩国等陆续参与“脑科技”竞赛项目，据已公开数据表明，全球在脑机接口相关领域的研发支持已经超过200亿美元。
人工智能赋能产业与应用场景
人工智能技术渗透各产业——从产品成熟度视角来看
在人工智能技术向各行各业渗透的过程中，不同产品由于使用场景复杂度的不同、技术发展水平的不同，而导致其成熟度也不同。比如，教育和音响行业的核 心环节已有成熟产品，技术成熟度和用户心理接受度都较高;个人助理和医疗行业在核心环节已出现试验性的初步成熟产品，但由于场景复杂，涉及个人隐私 和生命健康问题，当前用户心理接受度较低;自动驾驶和咨询行业在核心环节则尚未出现成熟产品，无论是技术方面还是用户心理接受度方面都还没有达到足 够成熟的程度。
人工智能技术渗透各产业——从行业使用率视角来看
在人工智能技术向各行各业渗透的过程中，安防和金融行业的人工智能使用率最高，零售、交通、教育、医疗、制造、健康行业次之。安防行业一直围绕着视 频监控在不断改革升级，在政府的大力支持下，我国已建成集数据传输和控制与一体的自动化监控平台，随着计算机视觉技术出现突破，安防行业便迅速向智 能化前进。金融行业拥有良好的数据积累，在自动化的工作流与相关技术的运用上有不错的成效，组织机构的战略与文化也较为先进，因此人工智能技术也得 到了良好的应用。零售行业在数据积累、人工智能应用基础、组织结构方面均有一定基础。交通行业则在组织基础与人工智能应用基础上优势明显，并已经开 始布局自动驾驶技术。教育行业的数据积累虽然薄弱，但行业整体对人工智能持重点关注的态度，同时也开始在实际业务中结合人工智能技术，因此未来发展 可期。医疗与健康行业拥有多年的医疗数据积累与流程化的数据使用过程，因此在数据与技术基础上有着很强的优势。制造行业虽然在组织机构上的基础相对 薄弱，但拥有大量高质量的数据积累以及自动化的工作流，为人工智能技术的介入提供了良好的技术铺垫。
