人工智能的基础论文

　　人工智能在本质上是一种能力，而不是某种具体的技术设备。人工智能作为一种解决问题的能力，可以存在于各种软件或硬件之中。以下是学习啦小编整理分享的关于人工智能的基础论文的相关文章，欢迎阅读!

　　人工智能的基础论文篇一

　　人工智能重塑未来生活的基础力量研究报告

　　什么是人工智能?

　　本报告在分析学习专家所提出的各种定义的基础上，对人工智能的概念进行如下定义：“人工智能是完成目前只有人类智慧才能完成的任务的一种能力。”

　　人工智能在本质上是一种能力，而不是某种具体的技术设备。人工智能作为一种解决问题的能力，可以存在于各种软件或硬件之中。

　　人工智能将作为一种基础力量而存在

　　随着人工智能变得越来越强、应用领域越来越广，未来它将像互联网和电一样作为一种基础力量，渗透到人类生产和生活的各个方面，并极大地重塑人类社会。人工智能未来的主要存在形式不是可见的机器人，而是隐藏于各种产品与服务的背后。

　　大多数民众认为人工智能已在日常生活中广泛存在

　　计算机世界研究院在面向普通民众的调研中，向受访者询问“您认为您在日常生活所使用的产品或服务中存在人工智能吗?(比如手机、汽车等)”时，有86.05%的受访者认为存在，只有13.95%的受访者认为不存在。这反映出随着普通民众了解人工智能的信息渠道日益丰富，他们对人工智能的了解也越发全面。

　　影视作品是普通民众了解人工智能最主要的途径

　　在计算机世界研究院面向普通民众的调研中发现，认为影视作品是自己了解人工智能最主要途径的受访者最多，占比为39.53%;其次是“媒体相关新闻报道”，占比为37.21%。

　　人工智能是提高大数据分析速度与准确度的重要途径，甚至可以说是唯一途径

　　大数据分析不仅仅是做计算，那样分析大数据只需要借助性能更高、运算速度更快的计算机就行了。大数据分析的真谛在于从纷繁复杂、看似毫无关系的庞大数据中找出关联性，并进行逻辑推理得出结论，然后为人类提供决策参考支持。找出关联性和逻辑推理就需要利用人工智能来实现。

　　当下人工智能发展的六大有利因素

　　1、数据提供充足养料

　　2、 硬件领域的突破

　　3、 云计算的发展

　　4、 深度学习技术的发展

　　5、 物联网延伸“人工智能”感知范

　　围

　　6、 科技公司积极参与

　　正确认识人工智能

　　2015年7月4日，国务院印发《关于积极推进“互联网+”行动的指导意见》，将人工智能列为“互联网+”11个重点行动之一，充分反映出国家层面对人工智能的重视。提到“人工智能”，大众对这个概念并不陌生。人工智能多年来一直是科幻影视作品、科幻小说的重要题材，然而不陌生并不意味着真了解。由于大众对人工智能的了解多来自于科幻作品，所以大众往往将人工智能和机器人联系在一起，无论它是《终结者》中的T-800，还是《星际穿越》里的塔斯。机器人是人工智能的一种体现形式，但远远不是全部。这就像电脑是互联网的一种体现形式，但不是互联网的全部。

　　提到人工智能，七成民众首先想到的是机器人。计算机世界研究院在面向普通民众的调研中向受访者询问“提到‘人工智能’这个词你首先联想到的场景是什么?”，选择“机器人”的受访者占比为69.77%，达到七成，而选择“其他”的受访者占比为30.23%。

　　未来人工智能将像互联网和电一样，作为一种基础力量，渗透到人类生产和生活之中，“流淌”在多种多样的产品和服务之中。或许你的身边没有机器人，但却广泛存在着人工智能。如果说之前的自动化是延展和放大人类肌肉的力量，那么未来的人工智能将是延展和放大人类头脑的力量，“人工智能+”的时代不会太遥远。

　　概念界定

　　人工智能不是一个新概念，它提出于上世纪50年代。尽管“人工智能”如今已经成为计算机科学的一个重要分支，但它最早是由数学家而不是计算机科学家提出的，因为那时还没有计算机科学家。1956年夏天，由约翰・麦卡锡、马文・明斯基、纳撒尼尔・罗彻斯特与克劳德・香农等十位一流的科学家围绕“人工智能”这一主题，在达特茅斯学院组成了一个为期6周的工作组，“人工智能”(Artificial Intelligence)这一概念被正式提出。

　　关于人工智能，业界提出了多个定义，其中具有代表性的定义有如下几个：

　　“人工智能是关于知识的学科�D�D怎样表示知识，以及怎样获得知识并使用知识的科学。”

　　――美国斯坦福大学人工智能研究中心尼尔逊教授

　　“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”

　　――美国麻省理工学院温斯顿教授

　　“研究如何使计算机在什么地方、什么时刻使人生活得更好。”

　　――计算机科学家伊莱恩・理查德

　　本报告在分析学习专家所提出的各种定义的基础上，对人工智能的概念进行如下定义：“人工智能是完成目前只有人类智慧才能完成的任务的一种能力。”该定义涉及三个要点： “人类智慧”、“目前”和“能力”。

　　“人类智慧”：并不是说一个机器能完成人类才能完成的任务，它就拥有人工智能。前提是它自身必须拥有一定程度的人类智慧，而不是还需要借助人类智慧加以控制。比如遥控机器人在人的控制下可以完成一些之前人才能完成的任务，例如在火灾现场端起灭火器灭火，但这种遥控机器人在完成任务时其实还是要借助人类智慧，通过操作员的人脑下指令，它本身并没智慧，不能独立完成任务，只是人类双手或双脚的延伸，并不具备人工智能。 　　“目前”：人工智能是一个面向未来的研究领域和实践领域，它所对应的具体技术和应用并不是一成不变。一旦人工智能可以完成目前只有人类智慧才能完成的任务，那么过不了多久它就不被视为人工智能了。例如在机器会下棋之前，人类把下棋视为自己的“大智慧”，如果这时候某位科学家说我要开发一种技术，能够让机器会下棋，并且比人类下得更好，那么人们会认为“机器会下棋”绝对属于人工智能。上世纪90年代电脑就击败了国际象棋大师，然而如今已经很少有人将“会下棋”视为人工智能。正如“人工智能”概念的提出者约翰・麦卡锡所言，“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了”。用凯文・凯利的话说，人工智能的每次进步不仅是重新定义人工智能的意义，也在重新定义人类的意义。

　　“能力”：人工智能在本质上是一种能力，而不是某种具体的技术设备。人工智能作为一种解决问题的能力，可以存在于各种软件或硬件之中。例如，苹果公司开发的Siri语音控制功能就是一种人工智能。当你问明天的天气时，Siri能听懂你的话并回答你，这本来就在完成之前只有人类智慧才能完成的任务。

　　人工智能的分级

　　既然人工智能是一种能力，那么能力就有强有弱。如同人类的智商有高低之分，人工智能也是分级的，可以大致分为弱人工智能、强人工智能和超人工智能三个级别。

　　(1)弱人工智能

　　弱人工智能指仅依靠计算速度和数据来完成某个单方面任务的人工智能。弱人工智能在人类日常生活中已经广泛存在。例如电子邮箱自动过滤垃圾邮件的功能就是一种人工智能。它不需要劳你费心，它会根据不断完善的规则和数据积累，比较准确地识别出哪些是垃圾邮件，代你过滤掉这些邮件。但是它只能帮你过滤垃圾邮件，不能帮你干其他任何事情，比如下棋，这就叫“完成某个单方面任务”。

　　麻省理工学院人工智能实验室主任罗德尼・布鲁克斯曾说过，“有愚蠢的谣言说人工智能已经失败，但人工智能在你周围是无处无时无刻存在的。人们恰恰没有发觉，在汽车系统里调整燃油喷射系统的参数就是人工智能。当你下飞机的时候，人工智能调度系统会为你开门。当你用一个微软软件的时候，都有人工智能系统试图解决你所做的事情，比如写信，它做得相当好。当你看一个由计算机制作角色的电影时，作为一个群体的行为，它们都没有人工智能。当你玩视频游戏时，你的对手就是人工智能系统”。

　　大多数民众认识到“弱人工智能”也是人工智能。虽然普通民众可能还不知道“弱人工智能”这个概念及其含义，但他们已经认识到“弱人工智能”所对应的一些技术、能力、 产品和服务也属于人工智能的范畴。计算机世界研究院在面向普通民众的调研中，向受访者询问“您认为您在日常生活所使用的产品或服务中存在人工智能吗?(比如手机、汽车等)”时，有86.05%的受访者认为存在，只有13.95%的受访者认为不存在。这反映出随着普通民众了解人工智能的信息渠道日益丰富，他们对人工智能的了解也越发全面。影视作品中所展现的人工智能大都是特别厉害的机器人，其人工智能的能力远远超过“弱人工智能”的程度，如果民众了解人工智能的信息渠道仅有影视作品，那么他们中的很多人都会认为自己的日常生活中不存在人工智能。然而调研结果显示近九成的受访者认为存在。根据计算机世界研究院的分析，大多数民众之所以认为“弱人工智能”也是人工智能，主要归因于近年来媒体对人工智能的新闻报道让民众对现实生活中的人工智能有了更多了解。

　　(2)强人工智能

　　强人工智能已经达到了人类智慧的水平，可以思考、推理、做计划、理解复杂理念，并在实践中不断学习，甚至具备意识和情感，简言之，就是人脑能干的事它都能干。科幻影视文学作品中展示的大多是这种强人工智能，然而目前人工智能的发展水平还远没达到强人工智能的水准。

　　(3)超人工智能

　　超人工智能比人脑还要聪明很多。用牛津大学人工智能伦理学家尼克・波斯特洛姆(Nick Bostrom)的说法就是，“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”

　　半数以上民众认为强人工智能永远不会实现。计算机世界研究院在面向普通民众的调研中向受访者询问“您认为再过多久人工智能的“智慧”会超过人脑”时，选择“永远也不会超过”的受访者最多，高达51.16%，远远超过其他选项。另外有9.30%的受访者认为需要60年以上。这反映出普通民众认为强人工智能更多还是处于科幻阶段，真正要实现的话还很难。不过也不乏对科技进步比较乐观和自信的普通民众，有4.65%的受访者认强人工智能5年以内就会实现，有13.95%的受访者认为需要6～15年。

　　普通民众对未来是这么预测的，那么科技专家是怎么认为呢?美国科学家、未来学家、奇点大学校长雷蒙德・库兹韦尔在上世纪80年代曾预测1998年计算机将打败人类国际象棋棋王，他的这一预测已经成功应验。他预测在2029年计算机的推理能力将超过人类。

　　普通民众对人工智能的认知状况

　　(1)绝大多数民众对人工智能了解的还不深

　　在计算机世界研究院面向普通民众的调研中发现，受访者中表示对人工智能概念“非常了解”和“比较了解”的占比分别为2.33%和16.28%，加在一起不到两成。表示“一般了解”的受访者占比最高，为46.51%，其次是表示“不大了解”的受访者，占比为34.88%。这反映出人工智能近年来虽然在业内比较火，但普通民众对人工智能的了解还比较泛泛。

　　(2)绝大多数民众对人工智能挺感兴趣

　　在计算机世界研究院面向普通民众的调研中发现，受访者中表示对人工智能“非常感兴趣”和“比较感兴趣”的占比分别为13.95%和58.14%，加在一起超过七成。而表示对人工智能“不大感兴趣”的受访者占比仅为6.98%，不到一成。表示对人工智能“兴趣一般”的受访者占比为20.93%。受访者中没人表示对人工智能“完全不感兴趣”。这反映出尽管目前普通民众对人工智能的了解程度还不够，但兴趣很高。 　　(3)影视作品是普通民众了解人工智能最主要的途径

　　在计算机世界研究院面向普通民众的调研中发现，认为影视作品是自己了解人工智能最主要途径的受访者最多，占比为39.53%;其次是“媒体相关新闻报道”，占比为37.21%，几乎与影视作品并驾齐驱。这反映出随着近年来国内外科技界、各产业重新掀起了人工智能热潮，媒体围绕人工智能的新闻报道也比较多，而这些报道对普通民众了解人工智能发挥了很大作用。另外值得注意的是，有9.3%的受访者认为“与别人沟通”是自己了解人工智能最主要的途径，这反映出人工智能已经成为普通民众日常沟通中的一个话题。

　　(4)对于人类社会是否需要比人脑更聪明的人工智能，普通民众看法多元化

　　计算机世界研究院在面向普通民众的调研中向受访者询问“您觉得人类社会需要比人脑更聪明的人工智能吗”时，有44.68%的受访者认为需要，有29.79%的受访者认为不需要，还有25.53%的受访者表示“不好判断”。由此可见，无论持哪方观点的受访者在占比上都没有超过半数，观点多元化特征比较明显。

　　人工智能将作为一种基础力量而存在

　　随着人工智能变得越来越强、应用领域越来越广，未来它将像互联网和电一样作为一种基础力量，渗透到人类生产和生活的各个方面，并极大地重塑人类社会。人工智能未来的主要存在形式不是可见的机器人，而是隐藏于各种产品与服务的背后。这同互联网和电颇为相似，这两种基础力量虽然已经极大地重塑了人类社会，实现了人类社会的电气化与信息化，然而我们却很难看到互联网和电本身，它们默默无闻地支撑着各种产品与服务。这些基础力量看似不存在，但已构成现代文明社会的基石。

　　绝大多数民众认为未来人工智能将大大改变人类社会。计算机世界研究院在面向普通民众的调研中，向受访者询问“您认为未来的人工智能会像今天的互联网一样重塑人类的生产和生活吗”时，高达93.02%的受访者认为会，仅有2.33%的受访者认为不会。

　　人工智能的主要应用领域

　　美国市场研究机构Lux Research预测，到2030年，全球将有1200万辆无人驾驶汽车售出，而汽车普及量逐年增长的中国将占有这个新市场高达35%

　　当我们的预测能力变得越来越好，越来越“智能”，此时所谓的“数据科学”这个词，才能逐渐地变成现在人们口中的“人工智能”。但事实上，两者之间并没有很明显的区别，“唯二的”区别，可能是在对新颖和难度的感知上有所不同。实际上，所谓新颖和难度，其实都会随着时间而发生改变，今天的“人工智能”，就是明天的“数据科学”。

　　――Zavain Dar，Lux Capital风险投资人

　　人工智能属于基础型技术，目前已经广泛应用在人机交互、大数据分析、医疗护理、无人驾驶、工业机器人和智能家居等多个领域。

　　人机交互

　　从计算机本身的发展来看，人机互动的方式也是一个不断“拟人化”的过程，从早先的输入命令符到鼠标图形界面操作，再到今天流行的手指触屏操作。人类逐步采用自己最习惯的方式来和机器互动，未来语音识别与图像识别将成为人机交互的重要方式。听懂话、看懂图这是只有人类才能完成的任务，所以语音识别与图像识别显然属于人工智能的重要应用领域。

　　最近几年，语音识别技术发展得比较快。公众已经能从手机上各种语音助手中感受到语音识别的便利和魅力。然而目前语音识别的技术还有待进一步提升，比如要提升在嘈杂背景环境中识别语音的能力，毕竟用户并不是只有在安静的环境中才需要语音助手。未来语音控制或许将成为人类操作机器的一种重要方式，它毕竟要比触控操作方便许多。就目前来看，人与汽车之间的人机互动对语音识别有着很大的需求。在驾车环境中，出于驾驶安全的考虑，驾驶员不方便用手与智能车载系统互动，也不能给予太多“眼神”关注，语音就成了信息输入与输出比较合适的人机互动方式。随着汽车智能化的趋势日益明显，语音识别在汽车领域的应用将逐步深化与普及。就国内来看，科大讯飞、车音网等公司在语音识别领域已经有了比较深的技术沉淀与积累。

　　所谓图像识别，就是计算机从图像中识别出物体、场景和活动的能力。它属于计算机视觉的范畴。计算机视觉的总体目的就是让计算机能像人类一样用“眼”去观察世界、理解世界。相比语音识别，图像识别面临的技术难度要更大些。人工智能的特点就是这样，对于那些需要人类用心计算的事情，它几乎不花时间就能完成，而对于人一眼就能看明白的事情，它却很难完成。比如，对于大多数人，能一眼看出照片里的人正在干什么，但要让电脑来完成这项任务却需要前期做大量准备工作。尽管图像识别的技术还有待成熟，但图像识别已经开始应用在人机交互中，比如阿里巴巴推出的刷脸支付功能。此外在电商领域有一个比较火的前沿创新业务，那就是消费者无论在何时何地，看到自己感兴趣的一个物品，随手拍张照片，相应的软件就会告诉用户网上哪里有卖，并一键下单。这个新业务很炫，也很方便，但一个重要前提就是，软件得能迅速、准确地识别出照片中的物品是什么。新加坡的ViSenze公司主打的就是图像搜索与识别技术，可以根据用户拍下的商品，将用户“倒流”到相关的电商网站。

　　大数据分析

　　大数据已被公认为新时代的宝藏，然而大数据只有经过科学充分的分析才能发挥价值。大数据分析不仅是做计算，那样分析大数据只需要借助性能更高、运算速度更快的计算机就行了。大数据分析的真谛在于从纷繁复杂、看似毫无关系的庞大数据中找出关联性，并进行逻辑推理得出结论，然后为人类提供决策参考支持。找出关联性和逻辑推理就需要利用人工智能来实现。当然，借助人脑也可以找出关联性，但在大数据时代，面对天文数量级别的庞大数据，而且这些数据还在实时激增，完全借助人脑来完成，显然是不可能的。人工智能是提高大数据分析速度与准确度的重要途径，甚至可以说是唯一途径。 　　越来越多的非结构化数据需要人工智能去处理。数据不仅是数字，还包括图像、视频等。而且数据也不仅仅是存在于数据库之中的结构化数据，随着大数据时代的到来，非结构化数据越来越多，在类型上包括电子邮件、文本文件、图像和视频等。在这些海量的非结构化数据中蕴藏着价值，但需要去发现和分析。对于数字的处理，只需要把数字导入计算机系统，计算机就可以轻而易举地去完成。如前所述，算数对计算机根本不是事儿。然而分析文本文件、图像、视频、音频等数据，则需要成熟的自然语言处理技术、图像识别技术、语音识别技术等，这些都是人工智能的范畴。

　　医疗护理

　　人工智能已经开始应用在医疗护理领域。图像识别技术被应用于X光检查等医学影像的分析。美国很多医院已经开始采用语音识别技术来帮助医生抄录医嘱。IBM开发的沃森电脑已经可以利用自然语言处理技术来阅读、学习医学文献，并诊断病情。凯文・凯利就曾接受过沃森电脑的医疗服务。当凯文・凯利输入他曾经在印度感染上的某种疾病症状时，沃森给出了一张疑似病症的清单，并列出可能从高到低的疾病。沃森认为凯文・凯利最可能感染了贾第鞭毛虫病，而事实确实如此。目前，IBM在做一个新项目，目标是让计算机医疗影像的理解能力可以达到放射科大夫的水准，比如计算机看到一张CT照片后，能够从中分析出有价值的信息。

　　目前国内一些企业也开始运用人工智能在医疗领域开展实践。例如百度与北京祥云医院合作在网上提供皮肤病的预诊。患者用手机给患病皮肤拍张照片，然后上传到百度，百度就可以做出一个预诊的诊断，说明大概是什么问题。患者可以根据预诊的诊断，了解应该进行哪些初步处理。除了诊断疾病外，人工智能还有望预测疾病发生的可能性。每天网民在百度会搜索大量流行病相关信息，这些信息经过“百度大脑”的处理，经过积累，可以形成一个个预测模型，预测未来疾病的活跃指数。

　　无人驾驶

　　无人驾驶是综合运用人工智能的一个重要领域，可以说是集大成者。它不仅需要车辆能及时全面地感知周围路况，做出正确的判断和预测，还能迅速执行，这提出了很高的技术要求。目前谷歌、百度等科技公司，以及宝马、福特等汽车厂商都在开发无人驾驶技术，并取得了很大的进展。其实无人驾驶只是人工智能在汽车领域一种比较高级和全面的应用，一些初级的人工智能应用已经在汽车中广泛存在了，比如制动防抱死系统、自动泊车系统等。

　　谷歌是在无人驾驶技术领域发力最早的科技公司，成果也比较显著。谷歌无人驾驶汽车运用的主要技术有激光测距系统、雷达、GPS、立体视觉、车轮角度编码器和红外摄像头等。位于车顶的激光测距系统向周围发射64束激光射线，遇到障碍物后就反射回来，通过这种方式计算出车辆与周围物体间的距离。2015年6月26日，谷歌在其总部附近的公共街道上投放测试了最新款的无人驾驶汽车，时速提高至40公里。这是谷歌该款无人驾驶汽车首度被允许行驶在公共道路上，此前只允许在旧金山东南约120英里空军基地的专用轨道上行驶。

　　尽管科技公司和车企都在发展无人驾驶技术，但他们在追求目标上还有所不同。谷歌等科技公司想打造的是完全无人驾驶汽车，对驾驶员没有任何依赖。而车企想打造的是高度无人驾驶技术，或者说是智能驾驶辅助技术，通过人工智能来辅助驾驶员开车，让驾驶员的驾乘体验更舒服、更安全。捷豹路虎研发和技术总监就表示，捷豹路虎汽车公司不会将汽车打造成一个将驾驶者像货物一样从A点运输到B点的机器人。驾驶者需要从开车过程中获得更多乐趣。福特也致力于在全系产品上推广驾驶员辅助技术，让经济型轿车的用户也能享受到人工智能技术带来的便利，包括自动泊车、转向及车道保持和制动等。

　　工业机器人

　　虽然不能将人工智能简单等同于机器人，但机器人无疑是人工智能一个重要的应用领域。目前全球机器人数量已经超过了1000万台，它们“奋斗”在家居、医疗、工业等各条战线上。根据中国机器人产业联盟发布的统计数据，2014年中国市场共销售工业机器人约5.7万台，较2013年增长55%，约占全球销量的四分之一，连续两年成为全球第一大工业机器人市场。

　　2014年，主席在出席中国科学院第十七次院士大会、中国工程院第十二次院士大会的讲话中就着重提到了人工智能和机器人，反映出国家高层对该领域的重视。主席指出，“国际上有舆论认为，机器人是‘制造业皇冠顶端的明珠’，其研发、制造、应用是衡量一个国家科技创新和高端制造业水平的重要标志。机器人主要制造商和国家纷纷加紧布局，抢占技术和市场制高点。看到这里，我就在想，我国将成为机器人的最大市场，但我们的技术和制造能力能不能应对这场竞争?我们不仅要把我国机器人水平提高上去，而且要尽可能多地占领市场。这样的新技术新领域还很多，我们要审时度势、全盘考虑、抓紧谋划、扎实推进”。

　　根据国务院印发的《中国制造2025》规划，机器人是重点领域之一。未来我国将围绕汽车、机械、电子、危险品制造、国防军工、化工、轻工等工业机器人、特种机器人，以及医疗健康、家庭服务、教育娱乐等服务机器人应用需求，积极研发新产品，促进机器人标准化、模块化发展，扩大市场应用。

　　智能家居

　　智能家居的智能体现在许多方面，能够进行更便捷的控制就是其中之一。目前一些智能家居解决方案选择了将所有家电的遥控功能集成在手机APP上。这虽然比使用多个遥控器方便，但毕竟还是需要使用手机这一中介。如果做好语音控制，那么用户不需要借助手机等外部媒介，只需要动动嘴就行了。比如，用户想打开空调，只需喊声“打开空调”。如果凡事都需要主人动嘴，那么这样的智能家居还不算高度智能。随着人工智能技术发展得更为成熟，智能家居应该根据主人的生活习惯和需求，像仆人一样主动做出相应控制。例如Nest恒温器现在就可以根据主人的生活习惯和反馈情况，实时监测室温，自动调整温度。 　　智能安防

　　智能安防离不开视频监控，视频监控离不开人脸识别，而人脸识别则离不开人工智能。目前，几乎每个城市在公共场所都有监控摄像头，这些摄像头所获取的视频监控录像对维护社会治安方面发挥了重要作用。我们在一些影视剧中已经看到了一些场景，待犯罪事件发生后，公安干警会查看一些关键路口的监控录像，以寻找犯罪嫌疑人的蛛丝马迹。除了事后追踪嫌犯外，视频监控作为一种监督，本身就可以减少犯罪事件的发生概率。然而视频监控若要发挥更大作用，就不能仅仅实现对画面、场景的自动记录，更要实现自动识别和分析。

　　视频监控从理论上可以有力保障公共安全，然而在实践上还面临很多难题。这些难题制约了视频监控价值的充分利用。对于一个城市而言，它的监控摄像头是以万计的，所获得视频监控录像在数量上十分庞大，如果只是借助人力去观察这些录像，进行全方位实时监测，需要大量工作人员。这种“人海”战术，不仅耗时耗力，而且准确度也不高。对于时长达到数万小时的监控视频而言，有价值的视频可能就那么一两秒，肉眼在极度疲惫的情况下，很容易漏看这一闪而过的画面。在2015年贵阳国际大数据产业博览会上，阿里云向外界透露，其正与贵州交警探讨建立视频监控系统的“大脑”，借助云端大脑，对视频监控数据进行实时分析后，即可自动锁定可疑人员和车辆，进行重点监控，未来有望实现对犯罪的预测。这意味着在影片《少数派报告》中出现的场景，未来会在现实生活中实现。

　　翻译

　　翻译是现代人生活、工作中的刚需，随着人工智能的发展，未来越来越多的翻译任务将交由机器去完成。一些专业翻译机构已经利用机器来辅助翻译工作。专业翻译人员把一些相对标准化的常规翻译任务交给机器，自己去做需要深度思考的翻译工作。目前，一些科技公司也开始利用大数据、人工智能技术来开发主打翻译功能的产品。

　　2014年，微软面向个人消费者推出了主打机器翻译功能的产品――Skype Translator。不同语种的人借助Skype Translator交谈。Skype Translator可以把听到的话实时翻译成文字显示在屏幕上，也能通过语音来表达。Skype Translator的翻译“才能”就源自它对大量资料进行了机器学习，包括已翻译的网页、带字幕的视频等，从中Skype Translator能“悟出”同一个词、同一句话在不同语种中怎样表示。此外，Skype Translator的翻译过程本身也是一种积累和学习，它翻译得越多，其翻译能力也就越强，从而实现一种良性的正循环。目前Skype Translator还处在早期开发阶段。

　　随着平安城市建设等各项政策的继续开展和深化，以及交通、教育、金融等各行业用户安防意识的不断增强，预计视频监控市场将保持强劲增长。2014年整个视频监控市场规模为304亿元，同比增长21.12%。而未来，在政策扶持、意识提升、治安需要、经济增长等因素的推动下，我国视频监控设备市场将拥有更大的发展空间，预计未来5年年均增长率维持在20%左右。

　　――华泰证券研究报告《人工智能：浪潮席卷，重塑世界》

　　发展人工智能的良好契机

　　自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。

　　――德勤DUP研究报告《解密人工智能》

　　大数据提供充足养料

　　人类不是刚一出生就拥有了完备的智商，需要后天不断学习和训练。人工智能也是如此，人工智能也需要在持续的学习与训练中来提升智能水平。那么人工智能学习的对象是什么?――数据。人工智能领域一个比较重要的研究方向是依赖统计学、博弈论等数学方法，通过使用一些统计模型来处理图像、文本和语音等各种数据，进行概率推算。这些模型在处理数据的过程中，本身也在不断优化。而庞大的数据资源是这些方法能有效实行的基石，否则人工智能就成了无源之水、无本之木。

　　大型数据库、网页Cookie、全球网民的搜索行为乃至整个网络数字世界都可以成为人工智能的学习对象。随着物联网的不断普及，各种传感器渗透到人类生活、工作的方方面面，人类的线下生活也将转化为数据，这将为人工智能提供更多学习对象。关于数据与人工智能的关系，人工智能顶级科学家吴恩达曾做过一个很形象的比喻，他把人工智能比作一枚火箭，有效的深度学习算法是火箭引擎，而数据就是火箭的燃料。火箭要想飞得高、飞得远，不仅需要强大的引擎，还需要充足的燃料。

　　就人工智能目前的发展来看，它取得的一些成绩也多是在大量学习相关领域数据的基础上获得的。就拿1997年IBM“深蓝”电脑与国际象棋大师卡斯帕罗夫之间那场轰动世界的“人机大赛”来讲，“深蓝”并不是在毫无准备的情况下，完全凭“即兴思考”来赢得比赛的。“深蓝”此前已经“学习”了一百多年来优秀棋手对战两百多万局棋的相关资料，可谓做了大量功课。“冰冻三尺非一日之寒”这句古话用在人工智能身上同样适用。

　　硬件领域的突破

　　人工智能水平的提升不仅需要理论研究的进步，还需要硬件基础作支撑。上世纪80年代，人工智能在神经网络等理论研究方面已经取得了很大成就，但苦于能将“想法”转化为“实践”的硬件基础还不成熟。如果要用计算机来模仿人脑的大型神经网络，这就需要大规模的计算机集群。在上世纪，无论从计算机的数量还是性能上来说，很难满足这一要求。

　　微处理器性能的大幅提升与价格的大幅下降，是近年来硬件领域的重要突破之一。现在最新一代微处理器的性能是1971年第一代单片机的400万倍。上世纪90年代，图形处理单元(Graphics Processing Unit ―GPU)作为一种新型芯片发展迅速，它能对视觉元素进行并行处理，极大提高了运算效率，促进了机器无人监督学习技术的发展。2005年以后，随着GPU产量不断提高，价格不断下降，业界已经开始利用GPU芯片来并行运行“神经网络”。 　　此外，未来碳纳米晶体管在推动微处理器性能提升方面潜力巨大。众所周知，几十年来微处理器的性能提升一直遵循摩尔定律，呈指数级增长的态势。然而近几年，计算机工程师们在继续缩减硅晶体管的尺寸方面遇到的困难越来越大，硅晶体管需要达到5纳米级才能满足电脑芯片不断小型化的需求。硅晶体管的尺寸几年后很可能就会达到极限，为了继续维持微处理器，继续遵循摩尔定律呈指数级发展，就需要寻找新的制造计算机芯片的材料。研究人员已经开始研发碳纳米晶体管阵列，芯片要比硅芯片尺寸更小、性能也可以一争高低。碳纳米晶体管阵列所利用的碳纳米晶体管是由碳原子排列而成的微小圆柱体，比现在的硅晶体管小100倍。

　　云计算的发展

　　云计算技术的日益普及和成熟也是推动人工智能发展的一大关键因素。尽管服务器等硬件设备在性能上大大提升，成本下降，但是要实现人工智能所要求的强大运算和存储能力，需要很多硬件设备。如果只通过在本地搭建服务器来完成的话，不仅投资巨大、占用很大的物理空间，在耗电和散热等方面也面临很大考验。云计算通过大规模、分布式的并行计算，可以整合位于不同空间的计算资源，为获取强大运算能力提供了一种方便、廉价的途径，很好地解决了这一问题。

　　2014年年初，微软就启动了“牛津项目”(Project Oxford)，该项目就是基于微软Azure云，为各方公司提供智能化数据处理的能力。目前声音、视频、图片等各种非结构化数据越来越多，大多数公司都缺乏处理这些数据的能力。微软将开放的API放在微软Azure云里，这些API可以告诉这些公司数据里都有哪些内容，比如图片的颜色、尺寸等，甚至还可以进一步分析，告诉你这些内容是否健康，是否适合小孩观看，这对一些公司做内容控制会有很大帮助。前阵子比较火的网站“How-Old.net”可以评估照片中人物的年龄，目前该网站已经上传了6亿张照片。作为一个几天时间就做起来的网站，“How-Old.net”之所以在计算机视觉上能力这么强，就是利用了牛津项目所提供的API。

　　深度学习技术的发展

　　机器学习是指计算机系统无需遵照显式的程序指令而只是通过暴露在数据中来提升自身性能的能力。其关键之处在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。机器学习可以说是当前人工智能最重要的发展路径。机器学习为人工智能研究提供了一种新思路，即人类不需要一下子就开发出足够智慧的人工智能，可以先开发出具备自主学习能力的人工智能，然后让它通过“后天”学习去不断成长，自我改良，直至足够智慧。

　　英国数学家阿兰・图灵早在1950年就提出，“与其编写一个模拟成人思维的程序，为何不编写一个模拟儿童习得新知识的程序呢?如果这个儿童习得程序是可模拟的，它终究会通过有效学习，演变成一个与成人大脑智能水平一致的思维程序”。

　　机器学习也分有监督学习、半监督学习和无监督学习三种。有监督学习需要人类帮助机器去学习，比如对数据做标记。有监督学习是一种效率有限的机器学习方式，它需要人类干预，这本身就耗费人力，降低效率。在万物互联的大趋势下，面对越来越多的大数据，再靠人工去进行数据标记，太过耗时耗力，而且很多数据也是无法标记的。相比之下，无监督学习可以说是种很有效率的学习方式，它不需要人力介入，面对数据海洋，机器可以“自学”，很省心。

　　深度学习是当下机器学习领域最受关注的一个领域。2013年4月，《麻省理工学院技术评论》杂志将深度学习列为2013年十大突破性技术之首。深度学习这个概念提出于2006年，近年来取得了重大突破，但其本身并不算是一种新技术。从上世纪80年代开始，一些专家就一直在从事相关探索和研究。10年前微软就利用类似技术在平板电脑上为用户提供手写识别功能。

　　深度学习更接近人脑的学习方式，可以对未经标记的数据开展学习，其最大特点就是分层级，这也是它被称作“深度”的重要原因。深度学习通过模仿人类大脑行为的神经网络，利用更多层次的网络模型结构来收集事物的外形、声音等信息(一般可以达到5～10层)，然后进行感知理解并产生相应行为。深度学习对人工智能的发展意义重大。用吴恩达的话来形容，深度学习实现了人工智能的正循环。需要注意的是，深度学习只是“更接近”人脑的学习方式，总体而言，它还处于对人脑简单模拟的阶段，并不能把深度学习完全等同于人脑，毕竟人类对人脑的了解程度要远远低于对计算机的了解程度。华为诺亚方舟实验室主任李航在肯定深度学习给人工智能发展带来很大机会的同时，强调也不要对深度学习期望过高，因为仅靠深度学习不太可能实现和人类一样的智能。

　　2014年，谷歌花4亿美元收购了Deepmind公司，该公司在深度学习领域建树颇丰。DeepMind的研究人员曾开发了一种软件。该软件在玩雅达利的一些游戏时，不必获得任何游戏规则的信息。工作人员只需为该软件提供控制器、显示器、游戏得分和任务指令――尽可能在游戏中得高分。该软件在玩太空入侵者、乒乓球等游戏时，刚开始表现得很“外行”，但通过不断试错、不断自学，最后成了游戏高手，比人类玩得还好。当然，深度学习技术不是只能用来玩游戏，它已经被应用于帮助计算机更好地识别语音、文字和形状，改善搜索引擎搜索效果等很多领域。

　　物联网延伸“人工智能”感知范围

　　人类不仅只拥有一颗“大脑”，他还有身体去感知这个世界。与此类似，人工智能也需要用自己的身体去感知世界。什么是人工智能的身体?答案是物联网。当前智慧城市在世界范围内快速发展，而物联网则是智慧城市的重要基础设施。遍布城市各个角落的声、光、压力、温度等传感器充当了人工智能的眼、耳、鼻等身体器官，让世界在人工智能面前变得“具体可感”。华为预测，到2025年，全球连接的终端将达到1000亿台，其中90%以上都是各种智能的传感器。如前所述，有了物联网源源不断所提供的数据，利用深度学习等技术，人工智能会变得越来越聪明。 　　科技公司积极参与

　　谷歌、IBM、微软、Facebook和百度等全球各大科技公司的高度重视与积极参与，为人工智能提供了一片发展的沃土。

　　(1)谷歌

　　谷歌着力发展的人工智能项目“谷歌大脑”已经在其众多业务领域得到了广泛应用，比如Google街景地图、“Google+” 的图像搜索和Android 系统的语音识别。之前，谷歌需要派人实地检查街景中建筑物上出现的数字，以判断这是电话号码、涂鸦还是真实地址。现在利用图像识别这一人工智能技术，谷歌可以在一小时之内识别出法国街景地图上的所有地址，大大节省了人力成本和时间成本。据谷歌工程师介绍，“谷歌大脑”的这些应用只是开始，未来“谷歌大脑”能够大幅优化搜索算法，极大地改进了公司的翻译服务。

　　除了利用自身积累发展人工智能外，近年来，谷歌已经斥资数十亿美元连续收购近10家人工智能领域的公司，其中包括DeepMind、Flutter、Nest和Boston Dynamics，这四家公司的业务重点分别是深度学习、手势识别、智能家居和机器人。谷歌通过这些收购不仅获得了技术，更获得了一大批顶尖人才。

　　(2)IBM

　　在人工智能领域，IBM推出了超级计算机“沃森”和模拟人类大脑的芯片――TrueNorth。

　　IBM推出的大数据服务――“沃森分析”，实现了人工智能在大数据分析领域的应用。“沃森分析”模仿人类的信息处理方式，它不仅理解自然语言，凭借自己的逻辑推理程序，还能基于证据产生各种假设，并且持续不断地学习。除了GPU外，近年来模仿人脑运作机理的新型芯片也发展迅速，为人工智能提供了硬件支撑。2014年，IBM发布了一款能模拟人类大脑的芯片――TrueNorth，该芯片能够模仿人脑的运作模式，并擅长模式识别。不用于传统冯・诺依曼结构的芯片，TrueNorth的内存、CPU和通信部件完全集成在一起，实现在本地处理信息。由于本地处理的数据量不大，就避免了传统计算机内存与CPU之间的瓶颈问题。TrueNorth拥有100万个“神经元”内核、2.56亿个“突触”内核，以及4096个“神经突触”内核，功率仅有70毫瓦，已达到量产要求。

　　(3)微软

　　除了前面提到的Skype Translator，微软还推出了人工智能姊妹产品“微软小娜”(Cortana)和“微软小冰”。微软小娜定位于个人智能助理，它可以通过学习用户手机中的文本文件、电子邮件、图片、视频等数据，来理解用户的语义和语境，了解用户的喜好、行为和习惯，为用户安排日程或回答问题。微软小冰主要定位于虚拟伴侣，可以理解为一款聊天机器人。微软小冰通过学习网络上的网民语言，以及在和用户实际沟通中“不断领悟”，在语料积累上日益丰富，可以和人类进行比较有趣的交流。微软小冰不仅能基于用户说的话进行互动，还可以利用图像识别技术，就用户发来的图片与用户“看图对话”。例如，当微软小冰看到微软办公楼的照片后，它会说“在顶层办公什么样的体验”。微软在Windows 10系统“开始”按钮的右侧加入“微软小娜”和“微软小冰”的对话框，这充分显示出微软对人工智能业务的重视。

　　(4)Facebook

　　Facebook已经成立了人工智能实验室，负责人是深度学习大师、纽约大学数据科学中心创始人Yann Lecun。该实验室主要研究内容包括视频内容分析、智能回答问题、图像识别、自动生成图片样本等等。Facebook人工智能实验室正在开发一种人物识别技术，该技术在看不到人脸的情况下，也能通过分析发型、衣服、姿态和体貌特征来识别人。

　　(5)百度

　　百度对人工智能的发展极为重视。百度研究院下设硅谷人工智能实验室、北京深度学习实验室和北京大数据实验室等三大前沿实验室，其中包括语音识别与图像识别两大重要部门。百度人工智能技术的负责人为深度学习顶级科学家吴恩达。基于深度学习技术的不断完善，百度在图像识别、语音识别上的准确度不断增强，已经广泛应用于百度移动搜索、百度图片搜索和百度广告系统等诸多业务上。

　　根据市场研究机构IC Insights的最新预测报告，整体物联网上的全球连网设备安装数量，在2015年将达到132亿台;而同时间约有31亿人类用户，以计算机、手机以及其他系统连结至因特网。估计到2020年，全球有超过250亿台系统/装置连网，而同时间因特网的人类使用者总数量约44亿。

　　冯・诺依曼体系结构的最大特点是“共享数据，串行执行”的一维计算模型。按照这种结构，指令和数据存放在共享的存储器中内，CPU从中取出指令和数据进行相应的运算。由于存储器存取速度远低于CPU运算速度，而且每一时刻只能访问存储器的一个单元，从而使计算机的运算速度受到很大限制，CPU与共享存储器间的数据交换造成了影响高速计算和系统性能的“瓶颈”。

　　――华泰证券研究报告《人工智能：浪潮席卷，重塑世界》

　　人工智能发展面临的难题

　　人工智能发展的拐点已经到来，但需要指出的是，由于技术的复杂性，发展不会一蹴而就，必然经历一个由点到面、由专用领域(domain)到通用领域(general purpose)的历程，通用领域的人工智能实现还比较遥远。

　　――华泰证券研究报告《人工智能：浪潮席卷，重塑世界》

　　技术难题有待突破

　　近年来，人工智能这个领域很热，这不是人工智能第一次热潮。历史上，人工智能历经四次热潮，然而最后都进入“严冬”。其中一个重要原因就是想法虽好，理论也不错，但在技术上面临的难题实在太多，很难实现。尼克・波斯特洛姆在其《超级智能》一书中就提到，“为什么人工智能的发展总是落后于预期呢?这主要是因为创造人工智能所遭遇的技术困难远远超过了先驱们认为的程度。但这也只是说明我们遇到了多大的技术难题，以及我们离解决这些难题还有多远”。 　　从大方向上来说，深度学习这一当今人工智能领域最耀眼的技术，其核心是模仿人脑神经网络处理信息的方式，然而人类对人脑的运作机理还很不了解。就连深度学习领域杰出科学家、Facebook人工智能实验室主任Yann LeCun都表示，“大脑无监督学习是如何实现的，我们还不得而知，我们还没有能力开发出一个类似大脑皮质的算法”，“我们知道最终的答案是无监督学习，但是现在我们还没有找到这个答案”。此外，人类的一些技能也不仅仅依托于人脑。雷蒙德・库兹韦尔在其著作《奇点临近》一书中曾提到：“一个人的性格和技能不是只存在于其大脑中(虽然大脑是一个主要区域)。我们的神经系统遍布整个身体，但同时内分泌系统(荷尔蒙)也对我们具有重要的影响。”

　　在人工智能一些具体的技术上，还面临很多难题有待突破。以语音识别为例，虽然目前很多产品语音识别精准度达到了较高水平，但大多都是在比较安静的情况下才能实现，在比较嘈杂的环境中，语音识别就很困难。例如小鱼在家公司在开发家庭智能陪伴机器人的过程中，就花费了大量资源用在解决噪音问题上。

　　来自社会各界的误解

　　对于人工智能给人类社会带来的影响是好是坏，就像外星人对人类是友好还是邪恶一样，人们的看法不一。把人工智能看得太全能、太完美，这对人工智能的发展是一种“捧杀”，而把人工智能看得太邪恶、太龌龊，会抢人类的饭碗，带来大量失业，甚至是灭绝人类，则是对人工智能的一种“棒杀”。

　　历史上曾掀起多次发展人工智能的热潮，一些人对人工智能的发展速度和作用所持态度过于乐观。他们不仅认为人工智能很快就会实现，而且认为人工智能会无所不能，不日就会给人类社会带来翻天覆地的变化。这种过于乐观的看法虽然激发起人们一时对人工智能发展的热情和期待，然而一旦遇到困难和挫折，人工智能的研究殿堂就变得门可罗雀了，因为人们发现它很难那么快实现，而且离“完美”与“万能”还遥不可及。Yann LeCun就曾表示， “一些不实宣传对于人工智能是非常危险的。在过去的50年里，人工智能就先后因为不实宣传而沉沦了四次。关于人工智能的炒作必须停止。”

　　除了“捧杀”，还有“棒杀”。一些科技界精英认为人工智能未来会给人类社会带来“存在风险(existential risk)”。所谓存在风险就是指那些威胁到整个人类发展，或是将人类彻底毁灭的风险。特斯拉公司创始人埃隆・马斯克曾表示，“我们需要十分小心人工智能，它可能比核武器更危险”，“每个巫师都声称自己可以控制所召唤的恶魔，但没有一个是最终成功的;因此，只要稍有不慎，人工智能就会为研究它和使用它的人带来无法预估的恶果”。著名物理学家史蒂芬・霍金也表示，“人工智能可能是一个‘真正的危险’。机器人可能会找到改进自己的办法，而这些改进并不总是会造福人类。”

　　近四成民众认为未来人工智能可能会失控，进而给人类社会带来灾难。计算机世界研究院在面向普通民众的调研中向受访者询问“随着人工智能未来变得越来越发达，您认为人工智能会不会失控，给人类社会带来灾难”，有38.3%的受访者认为会，认为不会的受访者占比为21.28%，前者几乎是后者的两倍。由此可见，很多民众都认识到了人工智能在高度发达后所具有的潜在危险性，分析其背后原因，可能与很多经典影视作品都表现了人工智能的危险性有关，另外近来媒体也报道了史蒂芬・霍金等科技大佬对人工智能危险性的警告性言论。

　　对人工智能的棒杀除了这种略带科幻色彩的“存在危险”外，一些人认为人工智能的发展也会给人类生活带来一些直接的冲击，比如会抢人类饭碗，造成大量人失业。这种担忧是基于以下逻辑，由于人工智能可以干越来越多之前只有人类才能做的事情，而且成本更低、效率更高，很多人会丢掉自己的工作。

　　近七成民众认为人工智能会大量减少人类就业机会。计算机世界研究院在面向普通民众的调研中询问受访者“您认为随着人工智能未来广泛应用于各行各业，会不会大量减少人类的就业机会”，高达65.96%的受访者认为会，有25.53%的受访者表示不会，另外还有8.51%的受访者表示不好判断。值得关注的是，在向受访者询问他们在人工智能其他方面未来趋势性判断的问题时，表示“不好判断”的受访者一般要占四成左右，而在回答本问题时，表示不好判断的受访者不到一成，这反映出普通民众更确定人工智能会减少人类就业机会。

　　相关法律的完善

　　实现人工智能广泛而深度的应用，不仅需要成熟的技术做支撑，还需要成熟的法律法规来规范。就像在互联网时代，法律法规出现了不少盲区，需要改进创新，在互联网时代，法律需要改进和创新的地方更多。就拿一个很重要的问题来说，如果人工智能造成了危害，那么法律是应该追究相关技术厂商的责任，还是仅仅惩罚“犯事”的机器就行了。就像美国生命未来研究所(FLI)在一封关于促进人工智能健康发展的公开信中所提到的关于自动驾驶法律监管的问题――“如果自动驾驶汽车能够削减美国年度汽车死亡人数40000人的一半，那么汽车制造商得到的不是20000张感谢信，而是20000张诉讼状。什么法律框架可以实现自动驾驶汽车的安全利益?人工智能带来的法律问题是由原来的法律解决还是分开单独处理?”自动驾驶只是人工智能的一个应用领域，其他领域同样面临法律监管的难题。

　　网络安全

　　在互联网时代，网络安全是做任何事情所无法规避的风险，可以说是一个老生常谈的话题。然而人工智能领域的网络安全具备一些新特征和新挑战。云计算是支撑人工智能的重要基础，然而当数据存储和计算都集中于云端，这相当于“把所有鸡蛋都放在一个篮子里”，一旦出现网络安全事故，所造成的危害和损失是重大的。未来人类生产、生活中的很多设备都会受控于云端的人工智能。如果人工智能因遭受网络攻击而“失控”，不仅会带来经济损失，甚至会危及人类生命。科幻小说《三体》中就描述了生活在未来城市的男主人公，在饭店吃饭、出行等各种生活场景中，先后遭受到了来自餐厅机器人服务员、无人驾驶汽车等人工智能设备的突然攻击。而这一切都因为这些“智能”设备被想杀他的外星人控制了。这个情节现在听起来还比较科幻，但在未来真的会成为人工智能给人类社会带来的一大隐患，必须认真面对和解决。 　　在某种程度上，网络安全问题是关系到人工智能“是正是邪”的根本性问题。现在对人工智能的态度上，一些人视为“魔鬼”，一些人视为“天使”。不管人工智能是什么，一旦它被无法之徒通过网络攻击而控制，即使它是“天使”，也会做出“魔鬼”的事情。尼克・波斯特洛姆在《超级智能》一书中提到了他对人工智能网络安全问题的担忧。他认为在发展人工智能的同时，必须要做好网络安全方面的研究和控制。然而如果各个国家围绕人工智能的研究和应用掀起了类似“军备竞赛”的竞争，那么在竞争压力下，各参与方为了追求速度，可能会降低在网络安全领域的投入，轻装上阵，快些赶路，而这无疑为未来的人工智能时代带来了莫大隐患。

　　隐私保护

　　隐私问题在某种程度上是和网络安全相伴相生的问题。在人工智能时代，你生活和工作中的机器会越来越“懂”你，了解你的兴趣爱好、生活习惯等。例如你的手机个人助手，会实时分析你和别人的联系内容。如果你给某人发了一条短信，说晚上一起吃个饭吧。那么手机个人助手就会向你推荐合适的餐厅。这是一项很贴心的管家服务，解放了你很多时间，然而这是以牺牲你的个人隐私为前提的。你可能会说，反正我的手机个人助手又不是人，它知道这些隐私也无妨。然而一旦发生了网络安全事故，你的这些隐私就极有可能被别有用心的人所掌握。

　　未来，在人工智能广泛、深入应用的情况下，人类隐私的隐患不仅存在于个人生活中，还存在于公共生活中。如前所述，视频监控将成为未来人工智能在城市安防中的重要应用领域。未来的视频监控所发挥的作用不仅是事后寻找破案线索，而是事件发生的同时，人工智能就能迅速对事情性质做出判断，然后告知相关人员前去处理，甚至是预测事件的发生，在事件发生之前就告知人类采取措施。这很像科幻电影《少数派报告》中的情节，未来也会成为现实。可以说，你一出家门就生活在人工智能视线里，它在注视你、保护你，这会给你带来安全，但也暴露了你全天的行踪，显然有时你不想让别人知道你的行踪。

　　近一年来，网民因个人信息泄露、垃圾信息、诈骗信息等现象导致总体损失约805亿元，人均124元。其中，78.2%的网民个人身份信息被泄露过，包括网民的姓名、学历、家庭住址、身份证号及工作单位等;63.4%的网民个人网上活动信息被泄露过，包括通话记录、网购记录、网站浏览痕迹、IP地址、软件使用痕迹及地理位置等。

　　――中国互联网协会12321网络不良与垃圾信息举报受理中心发布了《中国网民权益保护调查报告(2015)》

　　发展人工智能的策略建议

　　理性、全面地认识人工智能

　　有些人认为人工智能的发展将给人类社会带来一片光明，也有人认为人工智能会带来一片黑暗，甚至是人类的灭绝。我们需要考虑到人工智能的潜在威胁，而且要考虑到最坏的情况。考虑最坏的情况是为了早做准备、避免这一情况的发生。否则无视坏的方面，只会“放任”它的发生。同时，我们也要考虑到人工智能给人类社会所能带来的利处，要考虑到最好的情况，而考虑最好的情况则是要为了追求最好的目标，去让它成为现实。

　　人工智能会带来一些人的失业，但这些人也会走上新的工作岗位。其实科技的发展史本身就是一部人类不断把工作“外包”给机器的过程。就目前来看，机器的大范围应用并没有造成大规模的人口失业，而是驱使人类去从事更有创造性、“更舒服”的工作。谷歌创始人拉里・佩奇最近在接受一次采访时表示，“曾经有90%以上的人从事农业，在过去的几个世纪里，大量的工作都被机器所代替”。机器的广泛应用虽然大大减少了农业人口，但它带来的不是众多衣食无着的“失业农民”，而是把大量人口从重复、机械、低附加值的农业劳作中解放出来，去从事更有创造性、高附加值的工作。

　　由政府组织科研机构、高校和企业搭建开放性的研究协作平台

　　研究周期长、学科跨度大、投入资源大是人工智能领域研究的一大特点，这就需要整合方方面面尽可能多的资源来推动研究。拿美国的人工智能研究与应用来讲，就体现了政府和企业深度合作的特点。提到Siri语音助手，人们大多只想到苹果公司，而该项技术脱胎于美国国防部先进研究项目局(DARPA)投资1.5亿美元、历时5年的CALO( Cognitive Assistant that Learns and Organizes)项目。据相关报道，DARPA目前正在进行一个名为“CwC”(与计算机交流)的新项目，目的是打破人和机器之间的语言壁垒，让计算机可以像人一样通过使用口语、面部表情和手势来表达。

　　人工智能作为当今人类社会的一个科技制高点，如果要抢占这个制高点，政府可以组织科研机构、高校和企业搭建开放性的研究协作平台。就像百度公司创始人李彦宏提议建立“中国大脑”计划时所谈到的，“这个项目是要做一个关于人工智能的基础设施，把相应大规模的服务全集中建立起来，并开放给科研机构、民企、国企、创业者等社会各个层面，让大家在这个平台上尝试语音识别、视觉识别、自然语言理解、智能机器人等”。

　　循序渐进，不要一开始就给予过高预期

　　如前所述，当下已经不是人工智能第一次掀起热潮，在过去的60年里已经掀起了四次，但很快都沉寂了。其实在上世纪50年代，首次提出人工智能概念的那些杰出科学家们，他们认为在此领域用不了多久在一些关键问题上就能取得重大突破，他们在向该项研究的资助方写的正式报告中也表达了信心。然而几十年过去了，他们认为很快就能实现的目标直到今日还未实现。可以说之前掀起的四次人工智能热潮都面临同一轮回，那就是人类认为在人工智能领域有了新发现，人工智能的美好愿景很快就会实现，激情满怀;然而当他们认为已经完成了绝大部分工作后，发现又出现了很多之前没想到的问题，而这些问题当下难以解决，然后对人工智能的热情也就冷却下来。

　　当今人类也不比过去几十年里的杰出科学家聪明多少，人工智能对我们来说仍然是一个未知远远多于已知的陌生领域。我们在人工智能领域的探索很像走盘山公路，我们所憧憬的壮丽山峰就在几十公里之外，已经能看到山峰的轮廓，认为差不多再需要半小时车程就到了。然而我们看到的只是直线距离，我们不知道这弯弯曲曲的山路究竟还要绕多少弯，我们还要走多少弯路。人类在科技发展上的速度确实是呈指数级的，然而对人工智能的探索也要循序渐进，有激情是好的，但要避免浮躁，要做好打持久战的心理准备，而不是闪电战。否则在未来的征途中，一旦遭遇难题，人工智能的这场热潮可能又会沉寂下去。

下一页分享更优秀的<<<人工智能的基础论文