第1篇：人工智能调研报告[优秀]
2017年人工智能中国调研报告
中新经纬客户端7月20日电 据中国政府网20日消息，为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，国务院发布了《新一代人工智能发展规划》。文件要求，2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。
文件指出，新一代人工智能发展的战略目标是要分三步走：
第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标。新一代人工智能理论和技术取得重要进展。大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论和核心技术实现重要进展，人工智能模型方法、核心器件、高端设备和基础软件等方面取得标志性成果。人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。人工智能发展环境进一步优化，在重点领域全面展开创新应用，聚集起一批高水平的人才队伍和创新团队，部分领域的人工智能伦理规范和政策法规初步建立。
第二步，到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展。新一代人工智能理论与技术体系初步建立，具有自主学习能力的人工智能取得突破，在多领域取得引领性研究成果。人工智能产业进入全球价值链高端。新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。初步建立人工智能法律法规、伦理规范和政策体系，形成人工智能安全评估和管控能力。
第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。形成较为成熟的新一代人工智能理论与技术体系。在类脑智能、自主智能、混合智能和群体智能等领域取得重大突破，在国际人工智能研究领域具有重要影响，占据人工智能科技制高点。人工智能产业竞争力达到国际领先水平。人工智能在生产生活、社会治理、国防建设各方面应用的广度深度极大拓展，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。形成一批全球领先的人工智能科技创新和人才培养基地，建成更加完善的人工智能法律法规、伦理规范和政策体系。
文件提到，人工智能发展规划的重点任务是要立足国家发展全局，准确把握全球人工智能发展态势，找准突破口和主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度，全面提升经济社会发展和国防应用智能化水平。一是构建开放协同的人工智能科技创新体系。二是培育高端高效的智能经济。三是建设安全便捷的智能社会。四是加强人工智能领域军民融合。五是构建泛在安全高效的智能化基础设施体系。六是前瞻布局新一代人工智能重大科技项目。(中新经纬APP)
智能机器是一种能够呈现出人类智能行为的机器。人工智能(ArtificialIntelligence，AI)是计算机科学或智能科学中涉及研究、设计和应用智能机器的一个分支。人工智能的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，而远期目标是用自动机模仿人类的思维活动和智力功能。
人工智能探索历史
人类对人工智能和智能机器的梦想与追求，可以追溯到3000 多年前。中国也不乏这方面的故事与史料。
近代科学技术的许多重大进展都是人类智慧、思维、梦想和奋斗的成果。人类历史上从来没有出现过像今天这样的思想大解放，关于宇宙、星球、生命、人类、时空、进化和智能等思想与作品，如雨后春笋破土而出，似百花争艳迎春怒放。其中，人工智能尤其引人注目。进入20世纪后，人工智能开始孕育于人类社会母胎。到20世纪30—40年代发生了两件极其重要的事件：数理逻辑的形式化和智能可计算(机器能思维)的思想，建立了计算与智能关系的概念。被称为“人工智能之父”(The father of AI)的图灵(Turing AM)，于1936年创立了自动机理论，提出一个理论计算机模型，奠定电子计算机设计基础，促进人工智能特别是思维机器的研究。1950 年图灵的论文“机器能思考吗?”，为即将问世的人工智能提供了科学性和开创性的构思。
1956 年夏季由麦卡锡(McCarthyJ)、明斯基(Minsky ML)、罗彻斯特(Lochester N)和香农(Shannon CE)共同发起，并邀请其他6位年轻的科学家，在美国达特茅斯(Dartmouth)大学举办了一次长达两个月的十人研讨会，讨论用机器模拟人类智能问题，首次使用“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着国际人工智能学科的诞生，具有十分重要的历史意义。发起这次研讨会的人工智能学者麦卡锡和明斯基，则被誉为国际人工智能的“奠基者”或“创始人”(The founding father)，有时也称为“人工智能之父”。
中国的人工智能经历了怎样的发展过程?取得哪些成绩?存在什么问题?面临何种机遇?有哪些解决方案?本文力图逐一探讨。
一、发展过程
与国际上人工智能的发展情况相比，国内的人工智能研究不仅起步较晚，而且发展道路曲折坎坷，历经了质疑、批评甚至打压的十分艰难的发展历程。直到改革开放之后，中国的人工智能才逐渐走上发展之路。
1.迷雾重重
20世纪50—60年代，人工智能在西方国家得到重视和发展，而在苏联却受到批判，将其斥为“资产阶级的反动伪科学”。当时，受苏联批判人工智能和控制论(Cybernetics)的影响，中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期和70年代，虽然苏联解禁了控制论和人工智能的研究，但因中苏关系恶化，中国学术界将苏联的这种解禁斥之为“修正主义”，人工智能研究继续停滞。那时，人工智能在中国要么受到质疑，要么与“特异功能”一起受到批判，被认为是伪科学和修正主义。《摘译外国自然科学哲学》月刊1976年第3期刊文称：“在批判‘图像识别’和‘人工智能’研究领域各种反动思潮的斗争中，走自己的道路”。这足见中国人工智能研究迷雾重重的艰难处境。
1978年3月，全国科学大会在北京召开。在华国锋主持的大会开幕式上，邓小平发表了“科学技术是生产力”的重要讲话。大会提出“向科学技术现代化进军”的战略决策，打开解放思想的先河，促进中国科学事业的发展，使中国科技事业迎来了科学的春天[9]。这是中国改革开放的先声，广大科技人员出现了思想大解放，人工智能也在酝酿着进一步的解禁。吴文俊提出的利用机器证明与发现几何定理的新方法——几何定理机器证明(图1)，获得1978年全国科学大会重大科技成果奖就是一个好的征兆。
20世纪80年代初期，钱学森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来。但是，由于当时社会上把“人工智能”与“特异功能”混为一谈，使中国人工智能走过一段很长的弯路。一方面，包括许多人工智能学者在内的研究者把人工智能与特异功能搅在一起“研究”;另一方面，社会上在批判“特异功能”时将“人工智能”一起进行批判，把两者一并斥之为“伪科学”。
2.艰难起步
20世纪70年代末至80年代，知识工程和专家系统在欧美发达国家得到迅速发展，并取得重大的经济效益。当时中国相关研究处于艰难起步阶段，一些基础性的工作得以开展。
1) 派遣留学生出国研究人工智能。
改革开放后，自1980 年起中国大批派遣留学生赴西方发达国家研究现代科技，学习科技新成果，其中包括人工智能和模式识别等学科领域。这些人工智能“海归”专家，已成为中国人工智能研究与开发应用的学术带头人和中坚力量，为发展中国人工智能做出举足轻重的贡献。
2) 成立中国人工智能学会。
1981 年9 月，中国人工智能学会(CAAI)在长沙成立，秦元勋当选第一任理事长。于光远在大会期间主持了一次大型座谈会，讨论有关人工智能的一些认识问题。他指出：“人工智能是一门新兴的科学，我们应该积极支持;对所谓‘人体特异功能’的研究是一门伪科学，不但不应该支持，而且要坚决反对。”1982年，中国人工智能学会刊物《人工智能学报》在长沙创刊，成为国内首份人工智能学术刊物。
CAAI首任理事长秦元勋也颇受争议。秦元勋获美国哈佛大学博士学位后于1948年回国，历任中国科学院数学研究所研究员、执行副所长，中国核学会计算物理学会理事长，中国人工智能学会首届理事长等职。他在常微分方程的定性理论、运动稳定性、近似解析、机器推理等方面的研究，在中国处于开创的地位。其中极限环的研究，具有国际先进水平。他曾负责完成了中国第一颗原子弹和氢弹的威力计算工作，是1982年国家自然科学奖一等奖的原子弹氢弹设计原理中的物理力学数学理论项目的主要工作者之一，并开辟了计算物理学这一新的学科分支。
3) 开始人工智能的相关项目研究。
20世纪70年代末至80年代前期，一些人工智能相关项目已被纳入国家科研计划。例如，在1978年召开的中国自动化学会年会上，报告了光学文字识别系统、手写体数字识别、生物控制论和模糊集合等研究成果，表明中国人工智能在生物控制和模式识别等方向的研究已开始起步。又如，1978年把“智能模拟”纳入国家研究计划。不过，当时还未能直接提到“人工智能”研究，说明中国的人工智能禁区有待进一步打开。
3.迎来曙光
1984年1月和2月，邓小平分别在深圳和上海观看儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”。此后，中国人工智能研究的境遇有所好转。例如，人民日报关于人工智能的报道也渐渐多了起来。20世纪80年代中期，中国的人工智能迎来曙光，开始走上比较正常的发展道路。
国防科工委于1984年召开了全国智能计算机及其系统学术讨论会，1985年又召开了全国首届第五代计算机学术研讨会。1986年起把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究发展计划(863计划)。
1986 年，清华大学校务委员会经过三次讨论后，决定同意在清华大学出版社出版《人工智能及其应用》著作。
1987年7月《人工智能及其应用》在清华大学出版社公开出版，成为国内首部具有自主知识产权的人工智能专著。接着，中国首部人工智能、机器人学和智能控制著作分别于1987年、1988 年和1990 年问世。1988 年2月，主管国家科技工作的国务委员兼国家科委主任宋健亲笔致信蔡自兴(图2)，对《人工智能及其应用》的公开出版和人工智能学科给予高度评价，指出该人工智能著作的编著和出版“使这一前沿学科的最精彩的成就迅速与中国读者见面，这对人工智能在中国的传播和发展必定会起到重大的推动作用……我深信，以人工智能和模式识别为带头的这门新学科，将为人类迈进智能自动化时期做出奠基性贡献。”宋健对该书的高度评价，体现出他对发展中国人工智能的关注和对作者的鼓励，对中国人工智能的发展产生了重大和深远的影响。
在这封信中宋健还提到：“十年前，当我们和钱先生修订工程控制论时，尚无系统参考书可言，只能断断续续介绍一些思路。现在钱先生看到此书，也一定会欣喜万分。”这体现了宋健的谦虚品德，也表现出钱学森当时对人工智能的热烈支持。
1987年《模式识别与人工智能》杂志创刊。
1989年首次召开了中国人工智能联合会议(CJCAI)，至2004年共召开了8次。此外，还曾经联合召开过6届中国机器人学联合会议。
1993年起，把智能控制和智能自动化等项目列入国家科技攀登计划。
1993年7月，宋健应邀为中国人工智能学会智能机器人分会成立题词“人智能则国智科技强则国强”，向成立大会表示祝贺。本题词很好地阐明了人工智能与提高民族素质、增强科技实力和建设现代化强国的辩证关系，也是国家科技领域领导人对中国人工智能事业的有力支持以及对全国人工智能工作者的殷切期望。
4.蓬勃发展
进入21世纪后，更多的人工智能与智能系统研究课题获得国家自然科学基金重点和重大项目、国家高技术研究发展计划(863 计划)和国家重点基础研究发展计划(973计划)项目、科技部科技攻关项目、工信部重大项目等各种国家基金计划支持，并与中国国民经济和科技发展的重大需求相结合，力求为国家做出更大贡献。这方面的研究项目很多，代表性的研究有视觉与听觉的认知计算、面向Agent的智能计算机系统、中文智能搜索引擎关键技术、智能化农业专家系统、虹膜识别、语音识别、人工心理与人工情感、基于仿人机器人的人机交互与合作、工程建设中的智能辅助决策系统、未知环境中移动机器人导航与控制等。
2006年8月，中国人工智能学会联合其他学会和有关部门，在北京举办了“庆祝人工智能学科诞生50周年”大型庆祝活动。除了人工智能国际会议外，纪念活动还包括由中国人工智能学会主办的首届中国象棋计算机博弈锦标赛暨首届中国象棋人机大战。东北大学的“棋天大圣”象棋软件获得机器博弈冠军;“浪潮天梭”超级计算机以11：9的成绩战胜了中国象棋大师。这些赛事的成功举办，彰显了中国人工智能科技的长足进步，也向广大公众进行了一次深刻的人工智能基本知识普及教育。主办者认为，这次中国象棋人机大战“无论赢家是人类大师或超级计算机，都是人类智慧的胜利”。
同年，《智能系统学报》创刊(图3)，这是继《人工智能学报》和《模式识别与人工智能》之后国内第3份人工智能类期刊。他们为国内人工智能学者和高校师生提供了一个学术交流平台，对中国人工智能研究与应用起到促进作用。
2009 年，中国人工智能学会牵头组织，向国家学位委员会和国家教育部提出设置“智能科学与技术”学位授权一级学科的建议。该建议指出：现在信息化向智能化迈进”的趋势已经显现;因此，今天培养的智能科学技术高级人才大军，正好赶上明天信息化向智能化大规模迈进的需要。为此，一个顺理而紧迫的建议就是：为了适应信息化向智能化迈进的大趋势，为了实现建设创新型国家的大目标，在中国学位体系中增设智能科学与技术博士和硕士学位授权一级学科。这个建议凝聚了中国广大人工智能教育工作者的心智心血和他们的远见卓识，对中国人工智能学科建设具有十分深远的意义。
5.国家战略
近两年来，中国的人工智能已发展成为国家战略。国家最高领导人习近平、李克强发表重要讲话，对发展中国人工智能和机器人学给予高屋建瓴的指示与支持。
2014年6月9日，习近平总书记在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开幕式上发表重要讲话强调：“由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快，3D打印、人工智能迅猛发展，制造机器人的软硬件技术日趋成熟，成本不断降低，性能不断提升，军用无人机、自动驾驶汽车、家政服务机器人已经成为现实，有的人工智能机器人已具有相当程度的自主思维和学习能力。……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这是党和国家最高领导人首次对人工智能和相关智能技术的高度评价，是对开展人工智能和智能机器人技术开发的庄严号召和大力推动。
2015年十二届全国人大三次会议上，李克强总理在政府工作报告中提出：“人工智能技术将为基于互联网和移动互联网等领域的创新应用提供核心基础。未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，势必将成为我国经济结构转型升级的新支点。”这是对人工智能技术的重要作用给予的充分肯定，是对人工智能的有力促进。
2015年5月，国务院发布《中国制造2025》(图4)，部署全面推进实施制造强国战略。这是中国实施制造强国战略第一个十年的行动纲领。围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点。
这些战略任务，无论是提高创新能力、信息化与工业化深度融合、强化工业基础能力、加强质量品牌建设，或是推动重点领域突破发展、全面推行绿色制造、推进制造业结构调整、发展服务型制造和生产性服务业、提高制造业国际化发展水平，都离不开人工智能的参与，都与人工智能的发展密切相关。人工智能是智能制造不可或缺的核心技术。
2016年4月，工业和信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划(2016—2020年)》，为“十三五”期间中国机器人产业发展描绘了清晰的蓝图。该发展规划提出的大部分任务，如智能生产、智能物流、智能工业机器人、人机协作机器人、消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等，都需要采用各种人工智能技术。人工智能也是智能机器人产业发展的关键核心技术。
2016年5月，国家发改委和科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，明确未来3年智能产业的发展重点与具体扶持项目，进一步体现出人工智能已被提升至国家战略高度。根据方案的内容，未来3年将在3个大方面、9个小项推进智能产业发展。
国家最高领导人对人工智能的高度评价和对发展我国人工智能的指示，《中国制造2025》、《机器人产业发展规划(2016—2020 年)》和《“互联网+”人工智能三年行动实施方案》的发布与施行，体现了中国已把人工智能技术提升到国家发展战略的高度，为人工智能的发展创造了前所未有的优良环境，也赋予人工智能艰巨而光荣的历史使命。
2015年7月在北京召开了“2015中国人工智能大会”。发表了《中国人工智能白皮书》，包括“中国智能机器人白皮书”、“中国自然语言理解白皮书”、“中国模式识别白皮书”、“中国智能驾驶白皮书”和“中国机器学习白皮书”，为中国人工智能相关行业的科技发展描绘一个轮廓，给产业界指引一个发展方向。
2016年4月由中国人工智能学会发起，联合20余家国家一级学会，在北京举行“2016 全球人工智能技术大会暨人工智能60 周年纪念活动启动仪式”(图5)。这次活动恰逢国际人工智能诞辰60周年，谷歌AlphaGo与韩国围棋九段棋手李世石上演“世纪人机大战”(图6)，将人工智能的关注度推到了前所未有的高度。启动仪式共同庆祝国际人工智能诞辰60周年，传承和弘扬人工智能的科学精神，开启智能化时代的新征程。
现在，人工智能已发展成为国家发展战略，中国已有数以10万计的科技人员和大学师生从事不同层次的人工智能相关领域研究、学习、开发与应用，人工智能研究与应用已在中国空前开展，硕果累累，必将为促进其他学科的发展和中国的现代化建设做出新的重大贡献。
二、主要成就
中国的人工智能研究开发、学科建设、产业应用和社会服务等方面，已经取得不俗的成就，主要可以从以下几点得到证实。
1.形成人工智能学科
1981年9月建立了全国性的人工智能组织中国人工智能学会(CAAI)，标志着中国人工智能学科的诞生。1982年在长沙创办中国人工智能学会刊物《人工智能学报》，成为中国人工智能学科领域的第一份学术刊物。中国人工智能学会大会每两年举行一次，至目前已举办16届。中国人工智能学会成立后，又相继成立了中国人工智能学会智能机器人专业委员会、机器学习专业委员会、模式识别专业委员会、自然语言处理专业委员会和智能控制专业委员会、人工智能教育工作委员会等。
此外，中国计算机学会的一些二级学会也开展人工智能相关学术活动，为中国人工智能的发展做出了应有贡献。例如，中国计算机学会成立了人工智能与模式识别专业委员会，中国自动化学会成立了模式识别与机器智能专业委员会以及智能自动化专业委员会等二级学会。有些省市也成立了地方人工智能学会。1989—2004 年，由中国人工智能学会、中国计算机学会等多个学会联合举办过7届中国人工智能联合会议(CJCAI)。
与人工智能密切相关的机器学习、模式识别、智能机器人、自然语言处理、专家系统等领域的学术组织也先后成立，学术活动也十分热烈。例如，国内机器学习的重要学术活动包括每两年举行一次的中国机器学习会议和每年举行的中国机器学习及其应用研讨会。前者由中国计算机学会人工智能与模式识别专业委员会协办，目前已历经15届。后者每届会议包括特邀报告、大会交流及Top Conference Review等部分，迄今已历经13届。又如，中国人工智能学会智能机器人专业委员会自1993年成立以来，每两年举行一次全国智能机器人学术会议，已组织过11届，还与其他学会共同举办过6次中国机器人联合会议。在王湘浩倡导与组织下，全国高校人工智能研讨会研究班自1980年起每年举行一次，是国内最早的人工智能学术研讨活动。
这些人工智能学术组织和会议开展广泛深入的国内外学术交流，对开展人工智能学术活动和组织科技交流起到积极的作用，有力推动了中国人工智能科技发展和学科建设。
2.科学研究成绩斐然
国家已先后设立了各种与人工智能相关的研究课题，如国家自然科学基金重大专项、重点项目和面上项目，国家863计划项目，国家重大战略项目智能制造2025等。在这些科研基金的支持下，国内人工智能研究已取得许多突出成果。
1)人工智能基础研究成果突出
除了前面提到的几何定理证明的“吴氏方法”外，吴文俊还于2004 年发表了重要论文“计算机时代的脑力劳动机械化与科学技术现代化”，宣布他在几何定理证明“机械化”方面的系列成果，指出：“在几何定理机器证明取得成功之后的20多年来，笔者与许多志同道合的同志们在科技部、科学院、基金委等大力支持下，开展了一场可谓‘数学机械化’的‘运动’，在理论与应用诸多方面都已取得了若干成功。”
国内学者在人工智能的诸多领域，如问题求解、不确定推理、泛逻辑理论、拓扑学、模式识别、图像处理、机器学习、专家系统、智能计算和智能控制等领域的基础研究也多有建树，取得一批具有国际先进水平的创造性成果。例如，在模式识别方面，对文字识别、语音识别(图7)、指纹识别、人脸识别、虹膜识别和步态识别等进行深入研究，涉及生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主导航、保安、银行、交通、军事、电子商务和多媒体网络通信等应用领域。
又如，机器学习也是人工智能的核心研究领域之一。现在机器学习的大数据往往体现出多源异构、语义复杂、规模巨大、动态多变等特殊性质，为传统机器学习技术带来了新的挑战。为应对这一挑战，国内科技企业巨头华为、百度等与国外巨头谷歌、微软、亚马逊等展开竞争，纷纷成立以机器学习技术为核心的研究院，以充分挖掘大数据中蕴含的巨大商业与应用价值。深度学习是机器学习领域一个新兴的子领域与研究方向，它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。深度学习模仿人脑结构，具有更强的建模和推理能力，能够更有效地解决多类复杂的智能问题。近年来，中国在深度学习研究方面也取得重要进展，一些研究成果接近或达到国际先进水平。
中国学者在自动规划领域也取得开创性成果。1985年提出与发展了基于专家系统的机器人规划机理与方法，实现了人工智能专家系统与机器人技术的结合，为基于知识的自动规划和高层控制开辟了一条新途径，对提高生产的智能化水平具有重要意义，并推动国内外机器人规划研究的发展。该成果被广泛引用，并被收入清华大学吴麒等主编的全国高校规划教材《自动控制原理》。1999年以来，又在机器人进化规划方面取得创新性成果。
国内在认知计算、情感计算、模式识别、神经网络、智能驾驶、水下机器人和其他智能机器人等领域也取得一批具有国际先进水平的研究成果，培养了一批优秀的学术带头人：郭爱克、任继福、李衍达、王守觉、焦李成、贺汉根、蔡鹤皋、徐玉如和黄心汉等。
此外，有些人工智能基础研究获得国际奖励，如1990年张钹获得ICL欧洲人工智能奖，蔡自兴指导的王勇博士获得2015 IEEE计算智能学会优秀博士学位论文奖等。
值得一提的是美籍华裔学者王浩对人工智能的杰出贡献。1958 年夏天，王浩在纽约州的IBM实验室的一台IBM704机器上用汇编语言编写了3个程序，证明了罗素和怀特海《数学原理》中的200多个定理。他关于数理逻辑的一个命题被国际上定为“ 王氏悖论”。1966年，他在哈佛大学指导的博士生Stephen Cook，因NP 完全性方面的开创性研究成果而获得1982年图灵奖。王浩还与吴文俊进行了合作研究。
2)专用人工智能开发有所突破
中国在专用人工智能领域取得了突破性的进展，已在自然语言处理和语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶和智能机器人等方面取得一大批具有国际先进水平的应用成果。
互联网和大数据推动人工智能进入了新的发展阶段。中国的智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域的研究与应用逐步深入，带动智能语音产业规模持续快速增长。2013年科大讯飞以%的市场份额继续处于国内领先地位。
智能语音正在成为主流的交互方式之一。
近几年在多层神经网络基础上发展起来的深度学习和深度神经网络已在中国很多模式识别领域获得成功应用。其中，中国科学院自动化研究所谭铁牛团队在虹膜识别领域，坚持从虹膜图像信息获取的源头进行系统创新，全面突破虹膜识别领域的成像装置、图像处理、特征抽取、识别检索、安全防伪等一系列关键技术，建立了虹膜识别比较系统的计算理论和方法体系，还建成目前国际上最大规模的共享虹膜图像库，已大规模用于煤矿人员辨识和北京城铁监控等，并在70个国家和地区的3000 多个科研团队推广使用，有力推动了虹膜识别学科发展。
在2010年举行的国际上难度最高、规模最大的虹膜识别专业测评竞赛中，谭铁牛团队提交的算法，从来自25个国家和地区的41支参赛团队里脱颖而出，以测试性能指标超过第2名%的绝对优势蝉联虹膜识别算法赛事冠军(图8)。在2008年进行的上届国际虹膜识别算法竞赛上，谭铁牛团队战胜来自35个国家和地区的97支参赛队伍。这充分展示出中国在虹膜识别领域领先国际的整体实力。
在模式识别领域，石青云领衔的北大高科指纹技术有限公司在指纹识别领域取得领先成果，成为国家科技强警的利剑。
专家系统已在国内获得广泛应用，应用领域涉及工业、农业等行业，其经济效益相当可观。例如，在冶金专家系统的开发与应用方面，已把专家系统技术用于高炉建模、监控与诊断等，建立了基于多核学习的高炉自动化框架、基于Volterra级数的高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统，实现高炉炼铁过程的智能化(图9)。
3)计算智能与进化计算研究引人注目
计算智能是人工智能的新领域，涉及模糊计算，神经计算、进化计算和免疫计算等。近10多年来，中国在计算智能特别是进化计算研究方面取得不少国际领先成果。中国科技大学、中南大学、西安电子科技大学和中国科学院自动化研究所等院校都做出颇具影响的贡献。蔡自兴团队在进化计算领域研究取得的成果就是一个很好的例证。
蔡自兴团队提出的一些进化计算算法处于国际领先水平，引起国际进化计算学界的广泛重视，已成为相关算法比较的基准，不仅对算法设计观点颇有指导价值，而且已成功地应用于国内外30多个领域，并得到国际高级检索机构的顶级检录，已对国际计算智能研究产生重要影响。例如，他们提出的一种单目标差分进化算法CoDE，已成为美国加州大学伯克利分校Rickard O C 和Sitar N 设计的商业软件bSLOP的核心技术;该软件已在苹果官方网站上售出。Sahalos J N、Yao X 和Najy W K A 分别把CoDE算法成功地直接应用于移动通信系统设计、产品缺陷预测软件和电网保护协调。很少有同类算法能够引起国际上如此密切关注和获得这么多的优化问题的成功应用。此外，他们提出的一种被国际上广泛引用和应用的算法，被称为“蔡王算法”(CW Algorithm)，获得好评。
近10多年来，计算智能“中国海外军团”异军突起，成绩斐然。在计算智能与进化算法研究领域，Yao X(姚Jin Y C(金耀初)等的研究成果获得国际同行公认，成为进化计算领域的国际学术领军人物，并为中国的计算智能与进化计算研究起到促进作用。
3.著作和科技论文出版发行
据不完全统计，自1987 年人工智能著作开禁以来全国已编著出版了70多部人工智能著作。这些著作有专著，也有教材，不乏深受读者欢迎的高水平作品。例如，上面提到的引领人工智能著作开禁的《人工智能及其应用》(图10)，已先后出版了7个版本，印刷50多次，发行40多万册，拥有上百万读者，得到广泛应用，对国内人工智能基础研究、开发应用和人才培养发挥了重大作用。张钹的专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断的启发式搜索和基于拓扑的空间规划方法，降低了计算复杂性，具有重要的应用价值。此外，谭铁牛、陆汝钤、何新贵、石青云、何志均、涂序彦、钟义信、李德毅、周志华、蔡自兴、蔡文、史忠植、何华灿、施鹏飞、王万森等在国内外出版的人工智能相关专著，在一定程度上反映出中国人工智能的研究成果，对进一步开展国内外学术交流起到重要作用。
此外，从事人工智能相关研究人员和高校师生，已在国内外知名刊物与学术会议上发表了数以万计的人工智能相关论文。其中不乏高水平文章，例如，王勇与蔡自兴合作的论文曾被列为2012 年进化计算国际顶级刊物《IEEETransactions on EvolutionaryComputation》他引次数最高的论文。
还有一些论文被评为国内外学术会议与学术刊物的优秀论文。
4.人工智能教育培养大批专门人才 人工智能教育和人才培养是人工智能学科发展的重要基础。国内自20世纪80年代中期始，在少数高校开设各种人工智能类课程。经过推广与提高，30年前的人工智能星星之火如今已形成燎原之势，数以百计的高校开设了各种层次的人工智能课程，有些课程已成为我国高校教育园地上的奇葩。
例如，中南大学的“人工智能”课程已成为首批国家级精品课程、教育部新世纪优秀网络课程、国家级全国双语示范课程、首批国家级精品视频公开课和国家级精品资源共享课程。表1所示为入选国家级质量工程的人工智能类相关精品课程名单。这些人工智能类课程在改革中不断发展壮大，已为国家培养了成千上万的人工智能专门人才。虽然这些课程只占数以千计的国家级质量工程课程的冰山一角，但也表明人工智能课程仍然占有一席之地，并具有不可替代的作用，产生了非常的影响力。
全国智能科学与技术教育暨教学学术会议是国内人工智能教育与教学领域具有特色的最权威的学术盛会，自2003年起已举办10次，对于人工智能及其相关学科的教育教学、学科建设和人才培养发挥了关键作用。
2005年在北京大学开设的智能科学与技术专业，已在全国近30所大学开设，仅这些大学的“智能”专业每年就培养大约2000名人工智能专业人才。据估计，近30年来，全国高校已培养人工智能及其相关学科的硕士和博士数以千计，本科毕业生数以万计。这些高层次的人工智能专门人才是中国发展人工智能的最为宝贵的财富。他们有幸遇上难逢的人工智能大好发展机遇，必将成为中国人工智能跨越式发展的中坚力量。
5.人工智能产业化蓬勃发展
尽管中国的人工智能产业化应用尚存在较大不足，但仍然已建立了一定的基础，并呈现蓬勃发展的势头。据不完全统计，最近5年内，中国在人工智能产业化应用领域的投资已超过1000多亿元。下面略举数例说明中国人工智能产业化的发展情况。
1)模式识别 在虹膜识别、步态识别、身份识别等领域取得新成果。近年来，在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能，成为当前最热门的方法。前面提到的虹膜识别及其在身份识别等方面的成功应用，已形成产业，占领国内外市场，就是很好的例证。
2)语音识别
中国在自然语言处理特别是语音识别领域已经达到国际先进水平。
2015 年中国智能语音产业规模达到亿元，较2014年增长%，远高于全球语音产业增长速度。预计到2017年，中国语音产业规模预计达到亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五，占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。现在中国智能语音的应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金融、智能教育和智能医院等场合得到越来越多的应用。此外，一些海外留学人员也在语音识别领域取得国际领先水平的成果，微软研究院黄学东就是该领域的一位突出代表。
3)人机博弈
中国象棋是中华民族的文化瑰宝，是一种怡神益智的活动，千百年来长盛不衰，深受广大群众的喜爱。自2006年8月举行“浪潮杯”首届中国象棋人机大战(图11)，至今已有10年，共举行过5届大赛，产生深远影响。同样中国也是国际围棋的发源地，无论是国际围棋或中国象棋，在国内具有众多的人机博弈爱好者，其产业发展和市场前景十分看好。仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。
4)专家系统
自20世纪80年代以来，专家系统在工业、农业、商业、科技、教育、服务业等领域获得广泛应用。以农业专家系统为例，开展了各种农业专家系统的研究、开发及推广应用(图12)。例如，作物病虫预测专家系统、农作制度专家系统、玉米低温冷害防御专家系统、蚕育种专家系统、小麦专家系统等。
20世纪90年代以后，中国农业专家系统得到了迅速发展，已成为农业信息技术的突破口。国家自然科学基金委、科技部、农业部和许多省级部门都安排了相应的攻关课题;863计划项目已将农业专家系统等智能化农业信息技术列为国家重点课题，搭建了中国农业专家系统研究开发的战略平台，为农业专家系统的进一步开发起到了积极催化作用。进入2l 世纪以后，农业专家系统的开发速度日益加快，不仅数量增多，而且涉及的领域也更加全面，开发的深度和广度有了很大的进展，为大范围推广应用农业专家系统铺平了道路。如小麦栽培管理农业专家系统、水稻高产栽培专家决策系统、番茄栽培管理专家系统、温室番茄病虫害缺素诊断与防治系统等。这些农业专家系统的开发，促进了农业科技成果的转化，为发展高产、优质、高效农业做出了巨大贡献。
此外，我国在机器学习、智能机器人、智能驾驶等人工智能领域，也已有不同程度的产业集聚，产业化步伐逐步加快。
在中国人工智能产业化过程中，企业巨头抢滩布局人工智能产业链，各大IT公司积极投入人工智能产业研发。
他们非常关注深度学习的应用前景，纷纷成立以机器学习技术为核心的研究院，充分挖掘大数据中蕴含的巨大商业与应用价值。例如，2012年，华为成立诺亚方舟实验室，运用以深度学习为代表的人工智能技术对移动信息大数据进行挖掘，寻找有价值的规律。2013年，百度成立深度学习研究院，研究如何运用深度学习技术对大数据进行智能处理，提高分类和预测等任务的准确性。近年来还涌现出寒武纪、甲骨文、地平线、北京云知音和湖南自兴等一批初露头角的涉及人工智能的创业实体，从某种程度上体现出人工智能领域大众创业万众创新的磅礴生机。
从整体来看，中国的人工智能产业化仍处于起步阶段。毫无疑问，在人工智能产业创业与竞争过程中，会出现多家实力强大的企业，有些企业也会在某些领域内形成领先优势甚至垄断局面。
6.开设多种人工智能奖项
为了总结中国人工智能的研究成果，表彰人工智能工作者的突出贡献，鼓励更多的人员投身人工智能的创造性研究，设立了一些人工智能奖项，其中比较重要的有如下几种。
吴文俊人工智能科学技术奖是中国智能科学技术领域唯一以个人名字命名、依托社会力量设立的科学技术奖。该奖项以“尊重知识、尊重人才、尊重创造”为方针，奖励在智能科学技术活动中做出突出贡献的单位和个人，以不断推进中国智能科学技术领域创新与发展。该奖项是经国家科学技术奖励委员会批准设立的全国奖项，被誉为“ 中国人工智能科技最高奖”，于2010年起开设，已举行了5届。
其中，有4位人工智能杰出学者获得(终身)成就奖。中国计算机学会也于2010年始设立终身成就奖，授予70岁以上、在计算领域做出卓越成就与贡献、被业界广泛认可的老科学家，其中，有2位从事人工智能研究取得突出成果的计算机学者获得此项殊荣。
“中国象棋人机大战”计算机博弈大赛始于2006年，已举行5届，引起国内外人工智能学界和主流媒体的高度重视。随着今年AlphaGo与围棋九段李世石人机对决引发的新一轮的人工智能与机器博弈热潮，中国象棋的人机大战必将攀上新的高度，为推动中国人工智能发展做出其独特的贡献。
自1998 年以来，已在中国举行了数百场智能系统、智能机器人和智能小车比赛，其中包括一些国际比赛。这些比赛吸引了成千上万的青少年学生参加，并获得大批国内外奖励，这对于提高他们对信息科技特别是人工智能的兴趣，培养他们的创新思维和创新能力，锻炼人工智能科技接班人具有不可替代的重要作用。
中国一些学者和学生还获得国际重要奖励。例如，王勇获得2015 年IEEE计算智能学会优秀博士学位论文奖(图17)，这是中国大学首次获得该项殊荣。
据不完全统计，表2给出获得国内外人工智能重要奖项的名单。
7.国际交流 改革开放以来，特别是进入21世纪以来，中国的人工智能国际交流与合作进一步开展。
2006 年，中国人工智能学会联合美国人工智能学会和欧洲人工智能协调委员会，共同发起在北京召开了International Conference on ArtificialIntelligence(人工智能国际学术会议，图18)，隆重庆祝国际人工智能学科诞生50周年。时任全国人大常委会副委员长的许嘉璐等在大会上致词。中国人工智能研究开拓者和领军人物吴文俊、模糊数学创始人美国Zadeh LA、国际EBMT机器翻译方法发明人Nagao M等在大会上做主题报告。大会开得非常成功，影响广泛。
2013年还承办了第23届国际人工智能联合会议(InternationalJointConference on Artificial Intelligence，IJCAI)，这是国际人工智能领域规模最大、影响最广泛、学术地位最高的综合性会议。承办国际人工智能联合会议表明中国的人工智能研究与应用已在世界范围内产生积极影响。
中国还创办与主办一些人工智能或与人工智能密切相关的国际会议。例如，2010 年举办了全球智能控制与自动化国际会议(The World
Congreon
Intelligent
Control
and Automation，WCICA)，自1993年以来每2年举行一次，共举行了12届。本会议已成为具有国际影响力的智能科技盛会。此外，中国人工智能学会还发起组织“国际高级智能会议”，已经举办了2次。
8.人工智能对社会的影响日益扩大
人工智能的发展已对人类及其未来产生深远影响，这些影响涉及人类的经济利益、社会作用和文化生活等方面。仅社会影响而言，就包括劳动就业问题、社会结构变化、思维方式与观念、心理上的威胁等。
1)劳务就业问题。由于人工智能能够代替人类进行各种脑力劳动，将会使一部分人不得不改变他们的工作方式或工种，甚至造成失业。
2)社会结构变化。社会结构正在悄然改变，人-机器的社会结构终将被人-智能机器(人工智能)-机器的社会结构取代。从发展的角度看，从医院里看病的“医生”和护理病人的“护士”，旅馆、饭店和商店的“服务员”，办公室的“秘书”，指挥交通的“交通警察”，到家庭的“勤杂工”和“保姆”等，都将由智能机器人取代。因此，人们将不得不学会与智能机器相处，并适应这种变化了的社会结构。
3)思维方式与观念的变化。一旦智能系统的用户开始相信系统(智能机器)的判断和决定，那么他们有可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。
4)心理上的威胁。人工智能还使一部分社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。如果智能机器的人工智能会超过人类的自然智能，那么人类可能沦为智能机器和智能系统的奴隶。
上述这些影响在国内同样存在。针对社会各界广泛关注人工智能对人类社会的影响，国内已开展人工智能科技知识的普及宣传。例如，通过视频公开课普及人工智能知识。精品视频公开课是向大学生和社会大众免费开放的科学与文化素质教育网络视频课程与讲座，着力广泛传播人类文明优秀成果和现代科学技术前沿知识，提升大学生及社会大众的科学文化素养，服务社会主义先进文化建设，增强中国文化软实力和中华文化国际影响力。国家级精品视频公开课“人工智能PK人类智能”和“从自然世界到智能时代”等，在国内网络媒体播出后，反映热烈，深受欢迎，对扩大人工智能对社会的正面影响，减少人工智能对社会的负面影响起到积极引导的应有效果。
三、存在的问题
虽然国内人工智能已取得许多骄人成就，但与国家发展战略要求相差甚远，与国际先进水平差距较大。概括起来存在如下几方面的问题。
1)经济效益至上，缺乏远大眼光。
许多人工智能企业和一些地方政府缺乏远大眼光，追求短期的经济效益，企望1~2年或2~3年内获得明显的经济回报，致使很大一部分人工智能创业企业急功近利，底气不足，发展乏力。需要追求经济效益，但像人工智能这样的高科技产业，或把人工智能技术用于促进其他产业转型升级的产业，其发展应当遵循一定的规律，需要一个过程，需要一定的时间，不能急于求成，过早追求经济效益。
2)人工智能整体水平亟待提高。 由于国内人工智能起步较晚，未能较早参与相应的人工智能国际技术、专利及标准制定，因此奉上了数额不菲的“学费”。在国内人工智能领域，有很多科研机构和企业在参与技术研发，并在某些领域处于与国外基本同步甚至领先水平，这对于提升中国在未来人工智能领域的技术、标准话语权以及市场应用主导权至关重要。但是，中国人工智能的整体能力和水平远未达到通用智能化程度，人工智能基础研究的总体水平，与国际先进水平仍然存在明显差距。要在整体上赶上国际先进水平依然任重道远，需要时日。
3)国家的决策有待落实于行动。
中国虽已公布了一批与人工智能相关的发展规划，如《智能制造2025》、《机器人产业发展规划(2016—2020年)》和《“互联网+”人工智能三年行动实施方案》等，但尚未制定全面发展人工智能的国家战略。上述规划与方案也需要把政策规划转化为行动，变成看得见的效益。
4)国家资金支持力度有待进一步提高。
如前所述，中国已经在许多国家级科学研究和科技发展项目中，支持人工智能及其相关科技项目的研究，而且支持力度不断加大。不过，与“ 互联网+”、智能制造等项目，与欧美一些发达国家的相关项目投入相比，国内对人工智能科研和产业发展的资金支持力度还远远不够。况且，比起其他项目，人工智能需要研究的问题更多，涉及面更广，难度也更大，需要国家支持的力度也更大。
5)科研经费分配不够公正。
长期以来，对科研经费的分配问题不时引发争议。首先，未能把有限的经费用到最重要和最急需的项目上，而是平均分配，致使一些并不急需使用经费的项目与急需重点支持的项目“平分秋色”。其次，有些基金项目“专家组”成员，以权谋私，为本单位申请项目的立项出力，甚至相互勾结，为专家组成员单位获得项目助一臂之力，而许多非专家组单位成员申请的项目就受到不公正待遇;在一段时间内这几乎成为潜规则。再次，科研经费的评定与使用缺乏有效监督，这些问题在人工智能领域同样存在。
6)公众对人工智能的发展存在顾虑。
自人工智能孕育于人类社会母胎之日起，人工智能的社会影响就引起人类社会的广泛关注。社会上有一部分人对人工智能和智能机器人的出现与发展表示担忧，担心有朝一日人工智能和智能机器会威胁到人类的生存与发展，其中最典型的要算史蒂芬·霍金。作为当今世界一位极具影响力的物理学家，他担心运用人工智能技术制造能够独立思考的机器，最终会威胁到人类的生存。霍金说：人工智能的全面发展可能导致人类的灭绝(图22)。他的观点引起包括众多民众和一些科技人员的共鸣。当然，社会上也存在另一种观点的，他们认为，尽管人工智能经过60年的发展已取得了巨大进步，但在看得见的未来人工智能的整体水平还难以超越人类智能，还不足以威胁到人类的生存。他们主张必须高度重视人工智能对人类社会的影响，不失时机地研究与制定对策，以消除公众顾虑，确保人类自身安全。
7)一哄而起可能导致无序竞争。
有人认为，中国社会存在一种传统文化，即普遍存在“一哄而起，遍地开花”，全国许多地方开发同一产品的现象。这些行为劳民伤财，无法保证产品质量，造成资源和人力的巨大浪费，最终既无经济效益，也无社会效益。以往的大炼钢铁、射流技术、可控硅(晶闸管)器件是这样，现在的汽车生产、机器人产业园、无人机开发等也是如此。当前，不但汽车产能过剩，而且机器人产业园内的多数企业都面临无序竞争的艰难境地，很可能在不久的将来有被淘汰出局的危险。
现在，中国人工智能及其产业已引起政府和社会各界的前所未有的高度重视，值得庆幸的是还没有出现人工智能产业“一哄而起，遍地开花”的现象。人工智能产业的科技起点的门槛比较高，开发创业的难度和风险比较大，有胆识、有基础、有实力的创业者可能要比机器人创业者少，但愿不会重复机器人产业园一哄而起的现象。
8) 盲目乐观和夜郎自大不利发展。
许多有识之士认为，当前国内人工智能基础研究和应用开发与国际先进水平存在很大差距，国际影响力有待提高。然而，国内有一部分人工智能研究与开发人员却过高地估计成绩，认为国内人工智能已经在很多方面甚至全面超过国际先进水平。
评价一门学科是否达到与超过国际先进水平，不但要有客观标准和国际同行普遍认可，而且要有一批令人信服的标志性成果。这里不准备具体讨论或争论这个问题，而是想从国际计算机学科的科技最高奖图灵奖的获奖情况来说明中国人工智能的发展水平。
自1969 年以来，美国计算机学会先后举行过48届图灵奖评审与颁奖，图灵奖得主共计64位。其中，美籍华裔计算机科学家姚期智2000年获得图灵奖，他是图灵奖设立48年以来获得该奖项的唯一华裔学者。在64位图灵奖得主中，有12位杰出人工智能专家获此殊荣，当中没有一个是中国人。
中国已数次蝉联国际超级计算机运行速度冠军，值得庆贺;但这不足以说明中国人工智能科技已达国际先进水平。许多国内企业巨头的人工智能开发虽然进步很快，成绩可喜可贺，但在总体上也远未达到国际领先水平。
国际IT巨头及欧美日发达国家都纷纷投入巨资，力争在本轮人工智能全球竞争中占据主导地位。我们切不可盲目乐观，过高地估计自己的成绩。
9)存在以哲学研究代替人工智能研究倾向。
人工智能有哲学问题需要研究，但人工智能不属于哲学。有些人从信息哲学或其他哲学角度进行人工智能研究，既是需要的，也是值得支持的。不过，长期以来国内存在一种以哲学研究代替人工智能研究的倾向，并过分夸大哲学问题对人工智能的作用，甚至企图以哲学主导人工智能学科，值得警惕[129]。
需要就人工智能主流问题进行踏踏实实的研究。吴文俊曾经语重心长地告诫：我们真正的意图绝不在于口舌之争，在字面上夸夸其谈。真正应该做的事是实干巧干，借计算机时代来临的大好契机，率先在全世界推行脑力劳动机械化，以具体成就和向世人表明我们的主张。
10)国际合作需要进一步加强。
中国虽然进行了一些人工智能的国际合作，包括举办人工智能国际会议、出国出席人工智能国际会议和派遣人员参加人工智能国际合作研究等。这些合作不仅在规模上需要扩大，而且合作水平和成果也需要提升。应该说，人工智能的国际合作需要进一步加强，中国的人工智能国际地位有待进一步提高。
四、发展机遇
中国的人工智能正面临前所未有的历史发展机遇，具备诸多发展优势。
1)国际大势所趋。
人类社会的信息环境与科技水平已取得了重大进步，与计算机和人工智能密切相关的大数据、云计算、互联网等已获得快速发展。人工智能已开始对人类社会结构产生重大影响，人——机器二元社会正在逐渐地向人-机器-智能机器三元社会发展。人、机器、智能机器协作与共存将成为人类社会结构的新常态，人、机器、智能机器和谐共存既是社会发展的必然，也为人工智能和人工智能产业提供了用武之地。纵观国际社会与科技发展潮流，人工智能的发展是人类社会进入信息社会后继续前行的重要标志，是国际科技发展的大势所趋，将引领一轮新的机器革命，促进世界产业结构调整，为经济复苏与发展注入正能量。这也是中国人工智能遇上的千载难逢的发展机遇期。
2)国家战略驱动。
回顾国内人工智能的发展过程可以看到，公众对人工智能的认识、人工智能产业的发展和政府对人工智能重视程度都已经发生了很大变化。
如前所述，中央领导人鼓励发展人工智能，习近平、李克强等对中国人工智能和机器人学的发展给予高度支持和明确指示，并提出目标要求;国务院和相关政府部门已制订与发布了人工智能相关的发展战略规划，如《“互联网+”人工智能三年行动实施方案》、《智能制造2025》和《机器人产业发展规划2016—2020》等。国家战略与政府推动是中国人工智能科技与产业健康发展之源，人工智能如果离开了国家的政策协调，就寸步难行;有了国家的战略支持，就能阔步前进。
3)国内发展需求。
发展人工智能是国内产业转型升级的需要，发展智能产业和智慧经济需要人工智能的持续创新，人工智能产业化是国家发展的大趋势。
中国的社会经济发展正面临新的机遇与挑战。劳动力红利的缺失、老龄化社会的来临、精英人才的需求、关键技术的开发，都需要通过发展来逐一解决。发展人工智能和智能机器能够实现“机器换人”和产业转型升级，“人工智能+X”将成为万众创新的新时尚和新潮流。不能说发展人工智能能够解决所有的经济问题和社会问题，但是可以说人工智能产业能够为解决现有的经济问题和社会问题创造良机。中国的社会进步和经济发展迫切需要人工智能的得力参与，中国产业转型升级和社会发展重构也为人工智能科技和人工智能产业发展提供了“用武之地”。
4)智力资源优势。
尽管中国的人工智能起步较晚，又走过一段很长的曲折发展道路，但在中国发展人工智能具备得天独厚的智力资源优势。
其一，人工智能重在智能软件，中国人在这方面具有优良传统和特别的智慧。被誉为“中国人工智能之父”的吴文俊指出：中国不仅具有作为典型脑力劳动的数学机械化的合适土壤，而且也是各种脑力劳动机械化的沃土。古代中国是脑力劳动机械化的故乡，也是脑力劳动机械化的发源地。它有着发展脑力劳动机械化所需要的坚实基础、有效手段与丰富经验。中国历史上研究数学的“术”方法，与现在研究人工智能的“算法”，具有异曲同工之妙。
其二，现在中国拥有庞大的互联网网民群体、最大的网民基数和人才基数，形成首屈一指的人工智能群体资源优势。
其三，中国派遣的大批出国研究人工智能的“海归”专家，已成为中国人工智能研究与开发应用的中流砥柱和学科带头人，对人工智能研究开发、产业应用和人才培养极为重要。
其四，中国改革开放的优越发展环境，已经并将继续汲引更多的从事人工智能研发的海外学子和外国专家前来加盟中国的人工智能建设。
处在最好发展机遇期的中国人工智能科技与产业，只要制定与执行好人才策略，何惧无人?
5)产业初步基础。
与机器人产业相比，中国的人工智能产业起步很晚，但近年来已在人工智能科研成果及其产业转化上取得长足进展，已与10年前的情况不可同日而语。在当前大数据、云计算、移动互联网深入发展与广泛应用的背景下，国内外IT 企业不失时机布局人工智能产业。以智能语音产业为例，2015 年全球智能语音产业规模达到亿美元，较2014年增长%。其中，中国智能语音产业规模达到亿元人民币，较2014年增长%，远高于全球语音产业增长速度。预计到2016年，中国语音产业规模将达到59亿元人民币。
中国语音产业规模提升主要源于以下3个原因：
首先，政府在智能语音技术研发及产业化方面的政策支持，为语音产业发展创造了良好的发展环境。
其次，语音技术提供商不断优化产品性能，进一步深化了智能语音在车载信息服务系统、智能家居等领域的应用。
其三，4G网络的普及、大数据和云计算的发展，为智能语音应用提供了强有力的保障。
这3个原因也是中国智能语音产业发展的重要基础。
当前IT巨头以智能语音为切入点，积极布局人工智能领域发展。国际上，谷歌、苹果、微软、IBM、Facebook等互联网企业在积极推进智能语音技术研发与应用之后，以此为切入点开始布局整个人工智能领域。国内的百度、腾讯、阿里巴巴、科大讯飞、小i机器人、思必驰、云知声、华大基因、捷通华声等企业，以智能交互(文本或语音)为切入点，积极布局人工智能领域，抢占产业发展制高点。
第2篇：人工智能多种模式识别的调研报告
郑州科技学院
郑州科技学院
本科毕业设计（论文）
题 目 多种模式识别的调研报告 姓 名 闫 永 光 专 业 计算机科学与技术 学 号 指导教师
郑州科技学院信息工程系 二○一四年六月
郑州科技学院
摘 要
信息技术的飞速发展使得人工智能的应用范围变得越来越广，而模式识别作为其中的一个重要方面，一直是人工智能研究的重要方向。在介绍人工智能和模式识别的相关知识的同时，对人工智能在模式识别中的应用进行了一定的论述。
模式识别(Pattern Recognition)是人类的一项基本智能，着20世纪40年代计算机的出现以及50年代人工智能的兴起，模式识别技术有了长足的发展。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理 的研究有交叉关系。模式识别的发展潜力巨大。
关键词：模式识别； 人工智能； 多种模式识别的应用； 模式识别技术的发展潜力
郑州科技学院
引言
随着计算机应用范围不断的拓宽，我们对于计算机具有更加有效的感知“能力”，诸如对声音、文字、图像、温度以及震动等外界信息，这样就可以依靠计算机来对人类的生存环境进行数字化改造。但是从一般的意义上来讲，当前的计算机都无法直接感知这些信息，而只能通过人在键盘、鼠标等外设上的操作才能感知外部信息。虽然摄像仪、图文扫描仪和话筒等相关设备已经部分的解决了非电信号的转换问题，但是仍然存在着识别技术不高，不能确保计算机真正的感知所采录的究竟是什么信息。这直接使得计算机对外部世界的感知能力低下，成为计算机应用发展的瓶颈。这时，能够提高计算机外部感知能力的学科——模式识别应运而生，并得到了快速的发展。人工智能中所提到的模式识别是指采用计算机来代替人类或者是帮助人类来感知外部信息，可以说是一种对人类感知能力的一种仿真模拟。它探讨的是计算机模式识别系统的建立，通过计算机系统来模拟人类感官对外界信息的识别和感知
1、模式识别
什么是模式和模式识别？
模式可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。
模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Claification）和无监督的分类(Unsupervised Claification)两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。
郑州科技学院
2、人工智能
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousne）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
3、多种模式识别的应用
文字识别
汉字已有数千年的历史，也是世界上使用人数最多的文字，对于中华民族灿烂文化的形成和发展有着不可磨灭的功勋。所以在信息技术及计算机技术日益普及的今天，如何将
郑州科技学院
文字方便、快速地输入到计算机中已成为影响人机接口效率的一个重要瓶颈，也关系到计算机能否真正在我过得到普及的应用。目前，汉字输入主要分为人工键盘输入和机器自动识别输入两种。其中人工键入速度慢而且劳动强度大；自动输入又分为汉字识别输入及语音识别输入。从识别技术的难度来说，手写体识别的难度高于印刷体识别，而在手写体识别中，脱机手写体的难度又远远超过了连机手写体识别。到目前为止，除了脱机手写体数字的识别已有实际应用外，汉字等文字的脱机手写体识别还处在实验室阶段。
语音识别
语音识别技术技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安验证方式。而且利用基因算法训练连续隐马尔柯夫模型的语音识别方法现已成为语音识别的主流技术，该方法在语音识别时识别速度较快，也有较高的识别率。
指纹识别
我们手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图案。而这些皮肤的纹路在图案、断点和交叉点上各不相同，是唯一的。依靠这种唯一性，就可以将一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，便可以验证他的真实身份。一般的指纹分成有以下几个大的类别:left loop,right loop,twin loop,whorl,arch和tented arch,这样就可以将每个人的指纹分别归类，进行检索。指纹识别基本上可分成：预处理、特征选择和模式分类几个大的步骤。
图像模式识别
图像模式识别的方法很多，从图像模式识别提取的特征对象来看，图像识别方法可分为以下几种：基于形状特征的识别技术、基于色彩特征的识别技术以及基于纹理特征的识别技术。其中，基于形状特征的识别方法，其关键是找到图像中对象形状及对此进行描述，形成可视特征矢量，以完成不同图像的分类，常用来表示形状的变量有形状的周长、面积、圆形度、离心率等。基于色彩特征的识别技术主要针对彩色图像，通过色
郑州科技学院
彩直方图具有的简单且随图像的大小、旋转变换不敏感等特点进行分类识别。基于纹理特征的识别方法是通过对图像中非常具有结构规律的特征加以分析或者则是对图像中的色彩强度的分布信息进行统计来完成。
从模式特征选择及判别决策方法的不同可将图像模式识别方法大致归纳为两类:统计模式(决策理论)识别方法和句法(结构)模式识别方法。此外，近些年随着对模式识别技术研究的进一步深入，模糊模式识别方法和神经网络模式识别方法也开始得到广泛的应用。在此将这四种方法进行一下说明。
句法模式识别
对于较复杂的模式，如采用统计模式识别的方法，所面临的一个困难就是特征提取的问题，它所要求的特征量十分巨大，要把某一个复杂模式准确分类很困难，从而很自然地就想到这样的一种设计，即努力地把一个复杂模式分化为若干较简单子模式的组合，而子模式又分为若干基元，通过对基元的识别，进而识别子模式，最终识别该复杂模式。正如英文句子由一些短语，短语又由单词，单词又由字母构成一样。用一组模式基元和它们的组成来描述模式的结构的语言，称为模式描述语言。支配基元组成模式的规则称为文法。当每个基元被识别后，利用句法分析就可以作出整个的模式识别。即以这个句子是否符合某特定文法，以判别它是否属于某一类别。这就是句法模式识别的基本思想。
句法模式识别系统主要由预处理、基元提取、句法分析和文法推断等几部分组成。由预处理分割的模式，经基元提取形成描述模式的基元串（即字符串）。句法分析根据文法推理所推断的文法，判决有序字符串所描述的模式类别，得到判决结果。问题在于句法分析所依据的文法。不同的模式类对应着不同的文法，描述不同的目标。为了得到于模式类相适应的文法，类似于统计模式识别的训练过程，必须事先采集足够多的训练模式样本，经基元提取，把相应的文法推断出来。实际应用还有一定的困难。
统计模式识别
统计模式识别是目前最成熟也是应用最广泛的方法，它主要利用贝叶斯决策规则解决最优分类器问题。统计决策理论的基本思想就是在不同的模式类中建立一个决策边界，利用决策函数把一个给定的模式归入相应的模式类中。统计模式识别的基本模型如
郑州科技学院
图2，该模型主要包括两种操作模型：训练和分类，其中训练主要利用己有样本完成对决策边界的划分，并采取了一定的学习机制以保证基于样本的划分是最优的;而分类主要对输入的模式利用其特征和训练得来的决策函数而把模式划分到相应模式类中。 统计模式识别方法以数学上的决策理论为基础建立统计模式识别模型。其基本模型是:对被研究图像进行大量统计分析，找出规律性的认识，并选取出反映图像本质的特征进行分类识别。统计模式识别系统可分为两种运行模式:训练和分类。训练模式中，预处理模块负责将感兴趣的特征从背景中分割出来、去除噪声以及进行其它操作;特征选取模块主要负责找到合适的特征来表示输入模式;分类器负责训练分割特征空间。在分类模式中，被训练好的分类器将输入模式根据测量的特征分配到某个指定的类。统计模式识别组成如图2所示。
图2 统计模式识别模型
4、模式识别技术的发展潜力
模式识别技术是人工智能的基础技术，21世纪是智能化、信息化、计算化、网络化的世纪，在这个以数字计算为特征的世纪里，作为人工智能技术基础学科的模式识别技术，必将获得巨大的发展空间。在国际上，各大权威研究机构，各大公司都纷纷开始将模式识别技术作为公司的战略研发重点加以重视。
语音识别技术
语音识别技术正逐步成为信息技术中人机接口的关键技术，语音技术的应用已经成为一个具有竞争性的新兴高技术产业。中国互联网中心的市场预测：未来5年，中文语音技术领域将会有超过400亿人民币的市场容量,然后每年以超过30%的速度增长。
生物认证技术
生物认证技术本世纪最受关注的安全认证技术，它的发展是大势所趋。人们愿意忘
郑州科技学院
掉所有的密码、扔掉所有的磁卡，凭借自身的唯一性来标识身份与保密。国际数据集团（IDC）预测：作为未来的必然发展方向的移动电子商务基础核心技术的生物识别技术在未来10年的时间里将达到100美元的市场规模。
数字水印技术
90年代以来才在国际上开始发展起来的数字水印技术是最具发展潜力与优势的数字媒体版权保护技术。IDC预测，数字水印技术在未来的5年内全球市场容量超过80亿美元。
结 语
综上所述，模式识别从20世纪20年代发展至今，人们的一种普遍看法是不存在对所有模式识别问题都适用的单一模型和解决识别问题的单一技术，我们现在拥有的只是一个工具袋，所要做的是结合具体问题把统计的和句法的识别结合起来，把统计模式识别或句法模式识别与人工智能中的启发式搜索结合起来，把统计模式识别或句法模式识别与支持向量机的机器学习结合起来，把人工神经元网络与各种已有技术以及人工智能中的专家系统、不确定推理方法结合起来，深入掌握各种工具的效能和应有的可能性，互相取长补短，开创模式识别应用的新局面。
参考文献
1 边肇祺，张学工等编著.模式识别(第二版).北京：清华大学出版社， 王碧泉，陈祖荫.模式识别理论、方法和应用.北京：地震出版社， 赵陵滋，甘云祥.统计模式识别算法的MATLAB语言实现.应用科技 4 语音识别 理想与现实的距离
5 人类形象思维模式识别与机器模式识别之探讨 6 指纹认证方法应注意的问题
第3篇：人工智能调查报告
关于人工智能的调查报告
目录
前 言.........2 一、人工智能的定义 ..3 二、人工智能的研究发展阶段 ..3 三、人工智能的研究方法 .......4 四、人工智能在人类生活中的应用 ....5 五、人工智能发展的利 .6 六、人工智能发展的弊 .7 七、人工智能的影响 ..7 八、人工智能的研究热点 .......7 九、人工智能的研究价值 .......8 十、展望人工智能 ......8 总 结.........9
前 言
通过这段时间对人工智能的调查、研究、学习，我对人工智能有了更深的认识。我理解的人工智能就是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。
一、人工智能的定义
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。[1] 关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“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。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
二、人工智能的研究发展阶段
（一）第一阶段：50年代人工智能的兴起和冷落
人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
（二）第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮 DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展。日本1982年开始了”第五代计算机研制计划”，即”知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
（三）第三阶段：80年代末，神经网络飞速发展
1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
（四）第四阶段：90年代，人工智能出现新的研究高潮 由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。
三、人工智能的研究方法
如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能？或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？还是必须解决大量完全无关的问题？
智能是否可以使用高级符号表达，如词和想法？还是需要“子符号”的处理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提议人工智能应归类为SYNTHETIC INTELLIGENCE，这个概念后来被某些非GOFAI研究者采纳。 (一)大脑模拟
主条目：控制论和计算神经科学
20世纪40年代到50年代，许多研究者探索神经病学，信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如 WALTER的TURTLES和JOHNS HOPKINS BEAST。这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议.直到1960大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。 （二）符号处理
主条目：GOFAI
当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院，而各自有独立的研究风格。JOHN HAUGELAND称这些方法为GOFAI(出色的老式人工智能)。60年代，符号方法在小型证明程序上模拟高级思考有很大的成就。基于控制论或神经网络的方法则置于次要。60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。
认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学， 运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于SOAR发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙，JOHN MCCARTHY认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示，智能规划和机器学习.致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者 (如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案-他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。ROGER SCHANK 描述他们的“反逻辑”方法为\"SCRUFFY\".常识知识库 (如DOUG LENAT的CYC)就是\"SCRUFFY\"AI的例子，因为他们必须人工一次编写一个复杂的概念。基于知识大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。 （三）子符号法
80年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知，机器人，机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。
自下而上，接口AGENT，嵌入环境（机器人），行为主义，新式AI机器人领域相关的研究者，如RODNEY BROOKS，否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的：更高的智能需要个体的表征(如移动，感知和形象)。计算智能80年代中DAVID RUMELHART 等再次提出神经网络和联结主义.这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。 （三）统计学法
90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作（如数学，经济或运筹学）。STUART 和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。 （四）集成方法
智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织（如公司）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。一个系统中包含符号和子符号部分的系统称为混合智能系统 ，而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI 和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。
四、人工智能在人类生活中的应用
目前人工智能应用人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展。日前“AI+”已经成为公式，发展至今，下面是人工智能应用最多的几大场景。
（一）家居
智能家居主要是基于物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整的家居生态圈。用户可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境的安全性、节能性、便捷性等。值得一提的是，近两年随着智能语音技术的发展，智能音箱成为一个爆发点。小米、天猫、Rokid 等企业纷纷推出自身的智能音箱，不仅成功打开家居市场，也为未来更多的智能家居用品培养了用户习惯。但目前家居市场智能产品种类繁杂，如何打通这些产品之间的沟通壁垒，以及建立安全可靠的智能家居服务环境，是该行业下一步的发力点。
（二）零售
人工智能在零售领域的应用已经十分广泛，无人便利店、智慧供应链、客流统计、无人仓/无人车等等都是的热门方向。京东自主研发的无人仓采用大量智能物流机器人进行协同与配合，通过人工智能、深度学习、图像智能识别、大数据应用等技术，让工业机器人可以进行自主的判断和行为，完成各种复杂的任务，在商品分拣、运输、出库等环节实现自动化。图普科技则将人工智能技术应用于客流统计，通过人脸识别客流统计功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流用户画像，为调整运营策略提供数据基础，帮助门店运营从匹配真实到店客流的角度提升转换率。
（三）交通
智能交通系统是通信、信息和控制技术在交通系统中集成应用的产物。ITS 应用最广泛的地区是日本，其次是美国、欧洲等地区。目前，我国在ITS方面的应用主要是通过对交通中的车辆流量、行车速度进行采集和分析，可以对交通进行实施监控和调度，有效提高通行能力、简化交通管理、降低环境污染等。
（四）医疗 目前，在垂直领域的图像算法和自然语言处理技术已可基本满足医疗行业的需求，市场上出现了众多技术服务商，例如提供智能医学影像技术的德尚韵兴，研发人工智能细胞识别医学诊断系统的智微信科，提供智能辅助诊断服务平台的若水医疗，统计及处理医疗数据的易通天下等。尽管智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重要作用，但由于各医院之间医学影像数据、电子病历等不流通，导致企业与医院之间合作不透明等问题，使得技术发展与数据供给之间存在矛盾。
（五）教育
科大讯飞、乂学教育等企业早已开始探索人工智能在教育领域的应用。通过图像识别，可以进行机器批改试卷、识题答题等；通过语音识别可以纠正、改进发音；而人机交互可以进行在线答疑解惑等。AI 和教育的结合一定程度上可以改善教育行业师资分布不均衡、费用高昂等问题，从工具层面给师生提供更有效率的学习方式，但还不能对教育内容产生较多实质性的影响。
（六）物流
物流行业通过利用智能搜索、推理规划、计算机视觉以及智能机器人等技术在运输、仓储、配送装卸等流程上已经进行了自动化改造，能够基本实现无人操作。比如利用大数据对商品进行智能配送规划，优化配置物流供给、需求匹配、物流资源等。目前物流行业大部分人力分布在“最后一公里”的配送环节，京东、苏宁、菜鸟争先研发无人车、无人机，力求抢占市场机会。
（七）安防
近些年来，中国安防监控行业发展迅速，视频监控数量不断增长，在公共和个人场景监控摄像头安装总数已经超过了亿。而且，在部分一线城市，视频监控已经实现了全覆盖。不过，相对于国外而言，我国安防监控领域仍然有很大成长空间。
五、人工智能发展的利
目前人工智能已经为人类创造出了非常可观的经济效益，人工智能可以代替人类做大量人类不想做、不能做的工作，而且机器犯错误的概率比人低，并且能够持续工作，大大的提升工作效率，节约了大量的成本，未来的人工智能可能还会代替人类工作，代替人类做家务，帮助人类学习，甚至可以照顾老人和小孩，实时监护人类的健康，生病了直接给人来治疗，延长人类的寿命，让人类的生活变得越来越美好。 六、人工智能发展的弊
科技的发展是一把双刃剑，汽车分发明颠覆了传统的马车行业，人工智能的发展同样也将颠覆许多行业。机器人代替了许多人类的工作将导致大量的人口失业，机器新的学习速度远远快于人类，阿尔法狗战胜李世石引起人们的恐慌，有人说不怕阿尔法狗战胜李世石，怕的是阿尔法够故意输掉一局，如果未来的某一天，机器人变成像电影《机械姬》中有意识的机器人，那么人类随时会变成机器人的奴隶，同时，人工智能面临着技术失控的危险，霍金曾发出警告，人类面临一个不确定的未来，先进的人工智能设备能够独立思考，并适应环境变化，它们未来或将成为导致人类灭亡的终结者！如果真的有一天，人工智能机器人变成了能独立思考，独立的做出准确的判断，一旦有一天人工智能反客为主，到时人工智能对于人类将会是毁灭性的灾难。甚至被人工智能消灭。地球将被人工智能统治。
七、人工智能的影响
（一）人工智能对自然科学的影响。在需要使用数学计算机工具解决问题的学科，AI带来的帮助不言而喻。更重要的是，AI反过来有助于人类最终认识自身智能的形成。
（二）人工智能对经济的影响。专家系统更深入各行各业，带来巨大的宏观效益。AI也促进了计算机工业网络工业的发展。但同时，也带来了劳务就业问题。由于AI在科技和工程中的应用，能够代替人类进行各种技术工作和脑力劳动，会造成社会结构的剧烈变化。
（三）工智能对社会的影响。AI也为人类文化生活提供了新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段，今天，游戏中的人工智能应用已经深入到各大游戏制造商的开发中。
八、人工智能的研究热点
（一）智能接口。智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。
（二）数据挖掘。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。
（三）主体及多主体系统。主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。
九、人工智能的研究价值
繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。
通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。这是智能化研究者梦寐以求的东西。
2013年，帝金数据普数中心数据研究员 WANG开发了一种新的数据分析方法，该方法导出了研究函数性质的新方法。作者发现，新数据分析方法给计算机学会“创造”提供了一种方法。本质上，这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于算，还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力，否则计算机真的有一天会“反捕”人类。
十、展望人工智能
目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
总 结
通过这次调查，我感触最深的是未来2-5年人工智能将导致的大规模失业将率先从劳动密集型产业开始。如制造业，在主要依赖劳动力的阶段，其商业模式本质上是赚取劳动力的剩余价值。而当技术成本低于雇佣劳动力的成本时，显然劳动力会被无情淘汰，制造企业的商业模式也将随之发生改变。再比如物流行业，目前大多数企业都实现了无人仓库管理和机器人自动分拣货物，接下来无人配送车、无人机也很有可能取代一部分物流配送人员的工作。
就中国目前的情况来看，正处于从劳动密集型产业向技术密集型产业过渡的过程中，难以避免地要受到人工智能技术的冲击，而经济相对落后的东南亚国家和地区因为廉价的劳动力优势仍在，受人工智能技术冲击较小。世界经济论坛2016年的调研数据预测到2020年，机器人与人工智能的崛起，将导致全球15个主要的工业化国家510万个就业岗位的流失，多以低成本、劳动密集型的岗位为主。
智能家居市场调研报告
智能手机市场调查报告
智慧警务市场调研报告
智能化调研报告
智能制造调研报告