人工智（zhì）能是一个很（hěn）宽泛的概念，概括而言是对人的意识和（hé）思维过（guò）程的模拟（nǐ），利用机器学（xué）习和数据分析方（fāng）法赋（fù）予（yǔ）机 器类人的能力。人（rén）工智（zhì）能将提升社会（huì）劳动生（shēng）产（chǎn）率（lǜ），特别是在有效降低劳（láo）动成本、优化产品和服务、创造新市（shì）场和 就业等（děng）方（fāng）面为人类的（de）生产和生活（huó）带来（lái）革命性的（de）转变。

据（jù）Sage预测，到2030年人工智能的出现将为全球GDP带（dài）来（lái）额 外14%的提升，相当（dāng）于15.7万亿（yì）美元的增长。全球范围内越来越（yuè）多的政府和企业组织（zhī）逐渐认识到（dào）人工智能（néng）在经济（jì） 和战略上的重要性，并从（cóng）国家（jiā）战略和商业（yè）活（huó）动上涉足人工智能。全球人工智能市场将在未来（lái）几年（nián）经历现象（xiàng）级的增 长。

据中国（guó）产（chǎn）业信（xìn）息网和中国信息通信研究院数（shù）据（jù），世界（jiè）人工智能市（shì）场将（jiāng）在2020年达到6800亿元人民币，复合增 长率达（dá）26.2%，而中（zhōng）国人工智（zhì）能市场也将在2020年（nián）达到710亿元人（rén）民币，复合增长率达（dá）44.5%。

我（wǒ）国发展人工智能具（jù）有（yǒu）多个方面的优势（shì），比如开放的市场环境、海量（liàng）的数据（jù）资源、强有力的战略引（yǐn）领和（hé）政策支 持、丰富的应用（yòng）场景等，但仍存在基础研究和原创算（suàn）法薄弱、高端元器件缺乏、没有（yǒu）具（jù）备国（guó）际影响力的人工智能 开放（fàng）平台等短板。

此（cǐ）份报（bào）告（gào）不但对人工智能关键技术(计算机（jī）视觉技术、自（zì）然语言处理技术、跨媒体分析推理技 术、智适应学习技术、群（qún）体智能技（jì）术、自主（zhǔ）无人（rén）系（xì）统技术、智（zhì）能芯片技术（shù）、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（líng）售、交通、教育（yù）、医疗、制造、健康等)做（zuò）出了梳（shū）理。

八大人工智能关键技术

1.计算机视觉（jiào）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（tì）人（rén）眼对目标进行识别（bié）、跟踪和 测量的科学。近几年（nián）计算（suàn）机视觉技术实现了快速发展，其主要学术原因 是2015年基于（yú）深度学习的（de）计算机（jī）视觉算法在ImageNet数据（jù）库上的识别（bié） 准确率首次（cì）超过人类，同（tóng）年Google也（yě）开源了自己（jǐ）的（de）深（shēn）度学（xué）习算法。计 算机视（shì）觉系统的（de）主（zhǔ）要功能有图像获（huò）取、预处理、特征提取、检（jiǎn）测/分割 和高级处理。

2.自然语言处理技（jì）术

自然语言处理(Natural Language Processing)是一门通过建立（lì）形式化的 计算（suàn）模型来分（fèn）析、理（lǐ）解和处理自然语言的学（xué）科，也（yě）是一（yī）门横跨语言学、计算 机科（kē）学、数（shù）学等（děng）领域的交叉（chā）学科。自然语（yǔ）言处理，是指用计算机（jī）对自然语言（yán） 的形、音（yīn）、义等信息进行处理，即对（duì）字（zì）、词、句（jù）、篇（piān）章的输入、输出、识别、 分析、理解、生成等的操作和（hé）加工（gōng）。自然（rán）语（yǔ）言处理的具（jù）体（tǐ）表现形式包括机器 翻译、文本摘要、文本分（fèn）类、文本校对、信息抽取、语音合（hé）成、语音识（shí）别等。可以（yǐ）说，自然语言处理就是要计算机（jī）理（lǐ）解自然语言，自然语言处理机制涉及 两（liǎng）个流程，包括自然语言（yán）理解和自（zì）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（de）符号和关（guān）系，然后根据（jù）目的再处理;自然语言生（shēng）成 则是（shì）把计（jì）算机数据转化为自然语言。实现人机间的（de）信息交流，是（shì）人（rén）工智能 界、计算机（jī）科学（xué）和（hé）语言学界所共同关注的重要问题（tí）。

3.跨媒体分析推（tuī）理技术

以往的媒体信息处理模（mó）型往往（wǎng）只（zhī）针对某（mǒu）种单一形式的媒体数据进行（háng）推理分析，比如（rú）图像识（shí）别、语音识别、文本识（shí）别等，而（ér）越（yuè）来越多的任务需要像人一（yī）样能（néng）够协（xié） 同综合处理多种形式(文本、音（yīn）频、视频、图像等)的信息（xī），这（zhè）就是跨媒体分析与推理。跨媒体（tǐ）是一个比较广义的概（gài）念，既（jì）表现（xiàn）为包括网络文本、图像、音频（pín）、 视频等复杂媒体对象混合并（bìng）存，又表现为各类媒体（tǐ）对象形成复杂的关联（lián）关系和（hé）组织结构（gòu），还表现在具有（yǒu）不同模（mó）态（tài）的媒体对象跨越媒介或（huò）平台高度交（jiāo）互融合。通 过“跨媒体（tǐ）”能（néng）从各自的侧面表达相（xiàng）同的语义（yì）信（xìn）息，能比（bǐ）单一的（de）媒（méi）体对象及其特定的模态更加全面（miàn）地反映特定（dìng）的内容信息（xī）。相同的内容信息跨越（yuè）各类媒体对象 交叉传播（bō）与（yǔ）整合，只有对这些多模态媒体（tǐ）进行（háng）融合分析，才能（néng）尽（jìn）可能全（quán）面（miàn）、正确地理解（jiě）这（zhè）种跨（kuà）媒体综合体所蕴涵的内容信（xìn）息（xī）。跨媒体分析推理技术主要包括跨媒（méi）体检索、跨媒体推（tuī）理、跨（kuà）媒体存储（chǔ）几（jǐ）个研究（jiū）范畴，可应（yīng）用于网络内容监管（guǎn）、舆情分析（xī）、信息检索、智慧医疗、自动驾驶、智（zhì） 能穿（chuān）戴设备等场景。

4.智适应学习技术

作为教育领域最（zuì）具突破性（xìng）的技（jì）术，智（zhì）适应 学习（xí）技术(Intelligent Adaptive Learning) 模拟了老（lǎo）师对（duì）学生一对一教学 的过程，赋予了学习系统个性化教学（xué）的能 力（lì）。和传统千人一（yī）面的教（jiāo）学方式（shì）相比，智 适应学习系统带给了学生（shēng）个（gè）性（xìng）化的学习体（tǐ） 验，提升了学生的学习投入度和（hé）学（xué）习（xí）效 率。采用了（le）智适应（yīng）学习技术的学习系统能 够（gòu）针对学生的具体学（xué）习情况提供个性化学（xué） 习解决方案，包括定位学生的知识（shí）漏洞、 持续（xù）性地（dì）评估学生的学习能力水平和知识（shí） 状态、实时动态提供个性化学习内容。智 适应学习（xí）技（jì）术让教育（yù）领域一直困（kùn）扰的（de）质 量、成本、可获取性三大（dà）矛盾因素变成了（le） 历史。

5.群体智能技（jì）术

群（qún）体智能(collective intelligence)也称（chēng）集体（tǐ）智能、群（qún）智。群体智能（néng）是（shì）一种（zhǒng）共享的（de）智能，是（shì）集结（jié）众人的意见（jiàn）进而（ér）转化（huà）为决策的一种过程，用（yòng）来对单一（yī）个体做（zuò）出随机 性决策的风险。对群体智能的研究（jiū），实际上可以（yǐ）被认为是一个属于社会学、商业、计（jì）算机科学、大众传媒和大众行为（wéi）的分支学科（kē），研究从夸（kuā）克层次（cì）到细菌、植 物、动物以及人类社会层次（cì）的群体行为的一个领（lǐng）域。

6.自主（zhǔ）无人系统技术

自（zì）主无人系统是能够通过（guò）先进的技术进行（háng）操作或管（guǎn）理（lǐ）而不需要人（rén）工干预的（de）系统（tǒng），是由机械、控（kòng）制、计算机、通信、材料等多种技术融合而成的复杂（zá）系统（tǒng）。自主 无人系统可（kě）应用到无（wú）人驾驶车（chē）辆、无人机、服务型机器人(15.130, -0.10, -0.66%)、空间机器（qì）人、海洋（yáng）机器人、无（wú）人车间、智能工（gōng）厂等场景中，并实现降本增效（xiào）的作用。自主性和（hé）智能性（xìng）是（shì）自主无人系统最重要的两（liǎng）个（gè）特征。人工（gōng）智能（néng）无疑（yí）是发（fā）展智能无人自主系（xì）统的关键技术之一。利用（yòng）人工智能的各种技术，如图像识别、人机（jī）交 互、智（zhì）能决策、推理和学习，是实现和不断提高（gāo）系（xì）统这两个特征的最有效（xiào）的方法。

7.智能芯片技术

目前，关于智能芯片的定（dìng）义并没有一个严格和（hé）公认的标准。一般来说，运用了人工智能技术的芯（xīn）片都（dōu）可以称（chēng）为智能芯片，但是狭义上的智能芯片（piàn）特指针（zhēn）对人工 智能算（suàn）法（fǎ）做了特殊加速设计的（de）芯片，现（xiàn）阶段（duàn），这些人工智能算法一般以深度（dù）学习（xí）算法为主，也可以包括其它机器学（xué）习算法。智能（néng）芯片可按技术架（jià）构、功能（néng）和应 用（yòng）场景等维度分成多种类别（bié）。

8.脑机接（jiē）口技术

脑机接口(Brain-Computer Interface，BCI)是在人或动物脑(或者脑细胞（bāo）的培养物)与外部设备间建（jiàn）立的直接连接通路。通过单向脑机（jī）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（nǎo），但（dàn）不能同时发（fā）送和接（jiē）收信（xìn）号。而（ér）双向脑机（jī）接口（kǒu）允（yǔn）许脑和外部设备（bèi）间的双向信息交换。2013年（nián），自美国首（shǒu）次宣布启动（dòng） “脑计划”以来，欧（ōu）洲、日本、韩国等陆（lù）续参（cān）与“脑科技”竞赛（sài）项目，据（jù）已公开数据表明，全球（qiú）在脑机接口相关领（lǐng）域的研发支持已经超过200亿美元（yuán）。

人工（gōng）智（zhì）能赋（fù）能（néng）产业与应用场（chǎng）景 

人工智能技术渗透各（gè）产业——从产品成熟（shú）度视角来看

在人工智（zhì）能技术向各行（háng）各（gè）业渗透的（de）过（guò）程中（zhōng），不同（tóng）产品由（yóu）于（yú）使用场景复杂度的不（bú）同、技（jì）术发展水平的不同（tóng），而导致其成熟度也不同。比（bǐ）如，教育和音响行业的（de）核（hé） 心（xīn）环节已有成熟产品，技术成（chéng）熟度和（hé）用户心理（lǐ）接受度都较（jiào）高;个人助（zhù）理和医疗行业在核心环（huán）节已出（chū）现试验（yàn）性的（de）初步成熟产品，但由于场（chǎng）景复杂（zá），涉（shè）及（jí）个人隐私 和生命健康问题，当前用户心理接受度（dù）较低;自动驾驶和咨询（xún）行（háng）业在核心环（huán）节则（zé）尚未出（chū）现成熟产品，无论是（shì）技（jì）术方（fāng）面还是用户心理接受度方面都还没有达到足 够成（chéng）熟的（de）程度。

人工智能技术渗（shèn）透各产业——从行业使用率视角来看

在人（rén）工智能技术向各行各业渗透的过程中，安（ān）防和金融行业的人工智能（néng）使用率最高，零售（shòu）、交通、教育、医疗、制造、健康（kāng）行业次之。安防行业一（yī）直围（wéi）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（jù）传（chuán）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（chū）现（xiàn）突破，安防行（háng）业便迅速向智 能化前进（jìn）。金融行业拥（yōng）有良好的数据积累，在自动化的工作流（liú）与（yǔ）相（xiàng）关技术的运用上有不错的成（chéng）效，组织机构的战略与文（wén）化（huà）也（yě）较为先进，因此人工智能技术也得（dé） 到（dào）了良好（hǎo）的应用。零售行（háng）业在数据积累、人工智（zhì）能应用基（jī）础、组织（zhī）结构方面均有一（yī）定基础。交通行业（yè）则在（zài）组织基础与（yǔ）人工智能应用（yòng）基（jī）础上优势明显，并（bìng）已经开（kāi） 始布局自动驾驶技（jì）术。教育行业的数据积累（lèi）虽然（rán）薄弱（ruò），但行业整体对人工智能持（chí）重点关注的（de）态度（dù），同时也开始（shǐ）在实际业（yè）务（wù）中（zhōng）结合（hé）人工智能技术，因（yīn）此未来发展 可期。医疗与健康行业拥有（yǒu）多年的医（yī）疗数据积累与流程化的数据使用过程（chéng），因此在数据与技（jì）术基础上有着很（hěn）强的优势（shì）。制（zhì）造行业虽（suī）然在组织机构上的（de）基础（chǔ）相对 薄（báo）弱（ruò），但拥有大量高质量（liàng）的数据（jù）积累以及自动（dòng）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。

……

报告节选：