中国人工智能技术的发展和展望.docx

??

?

??

中国人工智能技术的发展和展望

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

人工智能在60多年的发展过程中经历了从爆发到寒冬的几度反复。近年来，移动互联网高速发展带来的海量数据、摩尔定律下计算成本的快速下降、深度学习算法的持续发展、大应用的不断迭代等共同推动人工智能技术在多个领域取得突破。与之前蒸汽、电力等新技术相比，人工智能对经济社会的影响将远超历次技术革命。在人类历史上每一次技术革命的过程中，总有一些国家或政府能抓住机会，以技术变革的力量快速发展进而实现国家在相当长一段时期的繁荣，甚至重塑国家竞争格局。我国曾经错失了前几次科技革命的历史机遇，绝不能再错失此次人工智能带来的战略机遇。

一人工智能的发展再次兴起

（一）人工智能发展历程

人工智能的名称和任务，在1956年英国达特矛斯举行的会议上被确定，这被认为是人工智能诞生的标志。会议提出的观点之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟”。此后，人工智能在六十多年的发展中经历了多次高潮和低谷的交错，但始终在探索中前行。2012年，加拿大多伦多大学教授GeoffreyHinton的科研小组利用深度学习技术，在ImageNet[1]比赛中将图像识别率从2011年的74%大幅提升至85%，再一次掀起了人工智能的热潮。

人工智能的发展令机器的智能水平大幅提高，也出现了一些在技术应用领域的标志性事件。如1997年IBM的超级计算机“深蓝”战胜了当时世界排名第一的国际象棋大师卡斯帕罗夫；2011年IBM的超级计算机“沃森”（Watson）在美国智力竞赛节目《危险边缘》中夺冠；2016年3月，DeepMind公司的围棋程序Alphago以4比1战胜韩国职业九段棋手李世石。随着机器能力的不断提升，许多曾经被视为“智能”化的研究成果都会变得不再稀奇，甚至成为日常生活中随处可见的应用，这也让人工智能研究不断向更高层次的智能水平发起挑战。

（二）人工智能发展的四大支柱

当前全球以及我国人工智能发展浪潮的再次兴起，源自基础研究、资源的积累和进步，主要归功于四大支柱：机器学习算法、大规模计算、大数据以及大应用，四大支柱相互依托，共同助推人工智能重获新生。

依托初始数据和算法，可以形成解决方案并推出应用；用户使用这些应用，并在使用过程中不断产生新的数据；利用新的数据，可以持续优化算法、训练模型，快速迭代应用，进而吸引更多的用户使用，大规模计算则保障了这个循环过程的顺利进行。由此形成的“计算能力-算法-数据-应用场景”的正向循环，助力人工智能不断突破发展的一个个天花板，使人工智能技术在研究深度和应用广度方面持续进步。

图1人工智能的四大支柱

1.机器学习算法

机器学习发展历程中诞生了诸多算法，从浅层学习逐步发展为深度学习。浅层学习由于节点深度小只能表达简单函数，仅能完成一些先验的统计判断工作，在面对图像识别、语音识别等复杂的学习目标时未能取得重大突破。2006年，GeoffreyHinton等科学家发表论文[2]提出“深度学习”神经网络后，人工智能在机器学习算法方面获得突破性进展。深度学习包含多层的节点，通过建立机器学习模型和海量训练数据来学习更加有用的特征，能够构建复杂的人工智能模型，从而模拟人脑解决人工智能问题。深度学习的优势在于，随着数据量的增加，深度学习算法的效果会比传统人工智能算法有显著提升。同时，深度学习也存在一定的局限性，其对于数据量的要求较高，仅在数据量足够大的条件下，才能训练出效果更好的深度学习模型。

图2数据规模增加可显著提升深度学习算法效果

我国在基础算法的研发领域相对落后，但在图像识别、语音识别等算法应用领域已具备了一定的研究积累，处于国际领先地位，近年来强化学习、迁移学习等机器学习算法也在快速发展。在强化学习方面，2017年，百度、阿里、中科院等企业、高校和科研院所布局发展的强化学习被《麻省理工科技评论》（MITTechnologyReview）评为2017年全球十大突破性技术。迁移学习是运用已有的知识，对不同但相关领域的问题进行求解的一种机器学习方法，香港科技大学、百度、腾讯等已将其作为重要的研究方向。

2.大规模计算

运算能力的提高与计算成本的下降加快了人工智能发展进程。摩尔定律描述了计算速度和内存容量将每十八个月翻一番，因此原有的计算性能上的基础性障碍被逐渐克服，进入新的时期，云计算、GPU的出现为人工智能发展提供更多可能。作为大数据挖掘和深度学习算法的实际处理平台，云计算平台提供计算能力，并解决在数据存储、管理、编程模式和虚拟化等方面的问题。GPU的崛起则是促使传统计算模式向更类似人脑的并行计算模式发展的重要元素之一。2009年吴恩达及斯坦福大学的研究小组发现GP