时间：2023-06-01 09:46:58
3D打印第3次工业革命
看3D电影、3D电视，3D还可以怎么玩？3D 打印冲击波来袭！有不少外国媒体都预言3D 打印即将促成第3次工业革命！不用再买杯子、碗碟或其他“杯具”，即时打印。其实3D 打印不算超高科技，已发展近30年，打印出来的不再是墨水，而是可固体化材料，例如树脂、塑胶。往后，你只需要画个3D 图，就可以立即生产出1个模型，省时又省料。3D打印机现时仍没有上市，据闻整个硅谷已对此疯狂，市场预期到2015年将有37亿美元营业额。
相机全面智能化 Android 大举入侵
2013年，Android 相机必定会愈来愈多。三星 GALAXY Camera已率先推出，尼康同宝丽来也会紧跟上来。Android 系统配相机，必定是相机未来的出路，厂商起码不用自行建立一个平台就可以完美地将相机智能化。上网、上传、玩效果，不用再转到电脑上，而且相片的像素也会更佳。市场传出宝丽来正准备推出一部可换镜头的Android 相机IM1836，像素高达1，800万。系统采用Android 4.0，有3.5英尺触控屏幕同内置闪光灯。
双屏幕杀到 眼睛不得闲
人类早已进入双屏幕时代，在家用电脑，出门用手机或Ipad。由于云端科技的普及，很多服务亦标榜同步使用。在外面也能处理工作或娱乐，连Wii U 都平板和游戏机相结合了。而自从Windows 8 推出后，不少手提电脑都同时拥有平板触控功能，即是双屏幕的开始。不过，双屏幕会不会只变为手机同平板两者，桌面电脑会逐步退出市场？这就要看厂商们的产品定位了。
黑莓10回归手机系统白热化
如今手机品牌竞争已经打破IPhone一家独大的局面，iOS 和Android 相持不下，Android势头越来越猛。2013年，市场竞争必定更趋白热化。除了iOS7同Android5.0，微软有Windows Phone 8，还有BlackBerry 10重磅回归。
Project Glass待发 佩带式智能手机
人类将在与机器的共生共存中，开启一个新的时代？
近年来，人工智能已经从科学的神坛走入了经济的大潮，成为了各大公司争相竞逐的新战场。
在中国，BAT纷纷在人工智能领域布局：李彦宏声称“互联网的未来在于人工智能”，百度的百度大脑、无人驾驶汽车初具规模；腾讯发挥微信、QQ的强大优势，在语音识别、图像识别、人脸支付领域发力；阿里巴巴则以阿里云为基础，将人工智能的基础――数据生态系统做大。而国外的谷歌、微软、FACEBOOK、IBM等巨头，也在人工智能领域全力推进，从当年IBM的深蓝到今天的阿尔法狗，仅仅是巨头们在人工智能领域尝试的冰山一角。 什么是人工智能
尽管随着人机大战，人工智能已经成为了一个耳熟能详的热词，但究竟什么是人工智能，却在行业内都难以有一个确定的定义。其实简单地说人工智能就是对人的意识、思维过程的模拟，但之所以人工智能的定义难以确认，关键在于对“智能”的定义难以确认，在人工智能领域经常有一句话说：我们连人的智能是什么都不知道，何谈人工智能？因此目前大家普遍认可的还是由约翰・麦卡锡（John Mccarthy）在1956年的达特矛斯会议（Dartmouth Comference）上提出的：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。简单地说，如果说机器人是要在完成人类四肢的工作，那么人工智能则是要完成人类大脑的工作。
人工智能为什么这么火
其实人工智能早在60年前就被正式提出，几十年来也一直在飞速发展，但似乎在过去的日子，普通人更多地是通过《终结者》、《我，机器人》等科幻电影了解到人工智能，但为什么今天人工智能突然成为了大家关注的焦点呢？来自微软研究院的芮勇认为，除了这些年所谓算法的演进和提升外，几个物质方面因素的发展也将人工智能的应用成为了可能。首先在于背后计算能力的飞速发展。人工智能背后需要有强大的计算能力的支撑，我们看到是阿尔法狗击败了李世石，其实阿尔法狗只是一个程序，在背后则是强大的超级计算机的运算。据中国最大的超级计算机制造者――浪潮公司的科学家刘军介绍，目前，超级计算机的性能发展迅速，一台超级计算机已经能够达到一百万台电脑的运算能力，因此，在计算能力上将人工智能需要的超级运算成为可能。其次，人工智能需要对海量的数据进行分析，就必须拥有海量的数据，而几十年的互联网的发展，让人类社会中海量数据的产生于收集成为了可能。第三，4G技术的普及，让数据随时随地的链接已经成为常态，也让大量数据的传输成为可能，使用场景的便利化，给人工智能走进日常生活提供了多种可能。如果说人工智能原来是一粒种子，但阳光、温度、湿度等外在条件还未具备，因此一直蛰伏在科学家的研究室里，那么今天，正是人工智能即将破土而出的时刻。
既然人工智能时代已经到来，那么无论是科学层面、经济层面，还是我们生活中的人工智能三大猜想就无可回避地出现在我们的面前，让我们看看中外人工智能专家将给出什么样的答案。 人工智能是否会比人聪明？
在硅谷的美国宇航局艾姆士研究中心，有一所一出生就声名显赫的大学―“奇点大学”。其校长雷・库兹韦尔认为，伴随生物基因、纳米、机器人技术几何级的加速度发展，2045年左右，人工智能将来到一个“奇点”，跨越这个临界点，人工智能将超越人类智慧，人们需要重新审视自己与机器的关系。人类将在与机器的共生共存中，开启一个新的时代。那么，人工智能真的将比人类聪明吗？
对于这个问题，科大讯飞董事长刘庆峰坚决认为，人工智能一定能够超越人类，因为通过互联网万物互联，可以把所有人类的智慧汇聚到后台，通过深度神经网络来展现，所以人工智能到时候不是跟单个人比，它是把所有人的智慧汇聚在后台，来跟单个人比，所以它在绝大部分场合下会表现得比人类更聪明。微软亚洲研究院院长洪小文则认为人工智能在大多数情况下比人类更具有能力，但它仍旧无法与人类的智能相比，因为，人类最可贵的能力在于创造力，而这一点上人工智能无法与人类抗衡。被称为中国人工智能布道者的搜狗创始人王小川指出，原来我们都认为人工智能缺乏创造力，但现在人工智能的发展已经否定了这一点。拿阿尔法狗在人机大战中的表现来看，它的很多招法都是传统围棋理论所难以接受，对人类棋手而言匪夷所思的。因为以前是人类告诉机器方法该怎么做，到阿尔法狗的时候，人类开始不用告诉计算机方法，只告诉人工智能目标：就是要赢，这个方法和答案让它自己找。但即便如此，也不能认为机器能够比人聪明，因为必须要人类为人工智能设立一个目标，它才能够产生后面的学习。
所以对于人工智能而言，可以在很多时候轻松击败人类，但它仍受到两方面的限制，第一条是它只能从人类已有的各种各样的行为和判断的数据中去学习，创造不了人类没有经历过的全新的方向。第二是机器设计不了规则，必须由人来设立规则或者说是算法。 人工智能是否会取代人类？
当机器有了智能，自然而然就会让人们想到他与人类的关系，所以在《终结者》中出现了“审判日之战”，在《黑客帝国》中出现了人与MATRIX（矩阵）的对决，而科幻作家阿西莫夫则防患于未然地提出了“机器人三定律”，那么，人工智能的发展真的会取代人类吗？
小I机器人的创造者袁辉对此持悲观态度，他认为整个目前人类文明是在走向一个下滑的阶段，所以在这种阶段下面，人类最后会被终结，这可能是一个时间的问题。从本质上说，这是人类自己的问题，人类创造了人工智能这样的一个物种，这个物种与人类是和谐共存还是竞争，完全取决于人类的发展。而搜狗董事长王小川则预测当人类面对人工智能的时候，会与人工智能共同进化，人工智能将最终会成为人类的一部分，人工智能既会帮助人类，也会约束人类，二者将是一种合体的关系，最终人会变成新人类，会进化成新的物种。
科大讯飞董事长刘庆峰承认因为人工智能可以在后台汇聚人类的各种智慧，所以在很多的复杂的活动中可以超越人类，但是最终是被人类所管理和控制的。因为机器没法自己设定规则，所以它一定是在人类定的大规则下来为人类服务的。最后人和机器会相互耦合在一起，推动整个世界的进程。
其实，在人类发展的进程当中，每一个新技术的出现总会伴随着争议、误解甚至是担忧或者是恐惧，在十九世纪工业革命的时候，英国的产业工人担心机器抢了自己的工作，于是纷纷去烧机器、毁机器；两百年前，在美国大约70%的人口都是农业人口，而大型机器和生产线出现后，几乎抢夺了所有的农业人口的工作。但现在美国只有1%的农业人口，而那69%的人并没有因此而失去他们的生活或者是工作，反而在机器创造的更多的新领域创造了新的工作，寻找到了新的生活。相比那个时候，人类进化了，因此人类就是在不断认知自我的过程当中，去拥抱越来越美好的新生活。 人机大PK
尽管有预言人工智能将逐渐地接管人类的种种职业，但那毕竟是未来，现在，人工智能在一些常见的领域到底达到了什么样的水准？让我们看看人机在几个职业上的PK。
项目：语音识别
规则：由人工智能和人类速录师同时听一段声音，并将其转化为汉字，看谁的准确率高。
结果：
1、速度：双方速度几乎一样，都是在语音播放的同时完成了录入。
2、准确率：准确率都达到99%以上。
应用场景：目前，语音技术主要应用领域是：导航和音响系统、智能可穿戴设备、制造业、智能家居、电信领域、医疗领域、教育等领域。预计在2017年以前，全球语音识别市场将达到1330亿美元。
视角延伸
1、在嘈杂的环境，多人对话的情况下，人工智能尚缺乏足够的辨别能力。
2、对于方言，人工智能的准确率明显降低，需要专门的数据库予以支撑。
3、人工智能的语音识别已经拓展到多种语言，已经初步达成了实时翻译功能。
4、在未来万物互联时代，语音识别将成为人机对话、打通各个平台的接口。
项目：驾驶
规则：无人驾驶汽车在高峰期于北京东三环行驶，看行驶的平稳度与安全性；无人驾驶汽车在专业赛车场进行18米S弯绕桩跑，就是赛车手考赛车水平的时候，会有这一段考试，从头到尾如果是人驾驶一般要14分钟，用智能机器人可以做到13分钟多一点，就是说比赛车手还少一点时间。
结果：
1、实地无人驾驶顺利完成，放置于车顶的打火机，硬币等物件没有掉落。
2、专业赛车场进行的18米S弯绕桩跑，人驾驶一般要14分钟，人工智能可以做到13分钟。
应用场景：当前，世界大型汽车制造商都在致力研究无人驾驶汽车技术。该技术在减少拥堵和安全隐患等方面大有作为。根据业内预测到2020年，无人驾驶汽车市场将达到6亿美元。
视角延伸
1、人工智能还不能处理很多复杂的情况，在技术上仍然具有很大挑战。
2、无人驾驶的目标第一是解决因为人为的因素造成的安全性；其次能够将人类从驾驶的烦琐中解脱出来。
3、专家预测，未来五年无人驾驶的发展方向将是“增强驾驶”，即汽车同时具有人类驾驶与无人驾驶功能并存，人与车的关系就如同当年人与马的关系一样。
4、无人驾驶设备能否小型化将成为无人驾驶能否走向应用的一大门槛。
项目：图像识别
规则：由人工智能和人类同时识别三张明星在不同化妆、衣物时的图像，看谁能准确地认出；同时识别三种长得相似的普通人的照片，看是否能够辨认出这是否是同一个人。
结果：
第一次辨认结果人工智能胜过了人类。
第二次因为有一张图片面部有头发遮挡，人工智能表示无法识别。
应用场景：目前，图象识别技术主要应用在：导航、遥感图象识别、天气预报、环境检测、通信、军事和公安刑侦、临床诊断和病理研究等领域。
视角延伸
1、使用图像识别技术，在大量摄像头拍摄的画面中无论要找罪犯还是要找失踪的人口，效率将会比人类识别高出很多。
2、跟人脸识别和语音识别相结合起来，将极大地提高对个人身份的辨识度，在金融支付领域具有广阔前景。
3、图像识别将进一步发展成表情识别，可以在第一时间感知人类情绪，并采取相应措施。如在驾驶中如果智能摄像头能够感知司机情绪不稳定，可以提前采取措施，减少事故发生可能性。 观点大碰撞
对于人工智能，过去很多人定义过，它要有比较高的自感知能力、自主决策和控制能力、对安全和意外的自动预警和防范处理能力等，它要能在较少人为干预的条件下完成工作和服务。但要强调的是未来人工智能跟过去不同的地方，未来的人工智能一定是终端跟云端协同创新实现的智能控制与服务的。有了网络以后，人工智能就不仅是靠机器内的软件硬件系统来操纵，还可以在使用终端和云端之间实施交互协同来实现，它的水平和能力会远远超过历史上单部机器的智能行为。其实阿尔法狗也有很多东西是在云端计算，而不在终端。所以这是一个未来的方向。
人工智能技术可应用的领域是非常广泛的，可以说是无处不在。它可以应用在生产制造业，还可以应用在各种服务领域。比如金融服务、医疗服务等都可以用人工智能技术；学习方面，也可以用来提升学习效率；还有农业领域，可以借助人工智能技术判断施什么样的肥料、怎么样防治病虫害等，快到收获季节还可以通过人工智能技术预测预判市场销售，这对农产品的行销也都会有大的帮助。
“中国制造2025”提出创新驱动、质量为先、绿色发展、结构优化、人才为本，智能制造是核心。制造经历过不同的时代，第一次工业革命以后是机械制造时代；第二次工业革命以后是机电结合了起来；后工业阶段，上世纪80年代以后又加了电子、机械电子一体化；而信息网络出现以后，现在和未来的制造是网络智能的时代的网络协同智能制造，制造过程、运行服务过程都将数字化、网络化、智能化，这是制造业发展的方向和技术创新的核心。
邬贺铨：中国在人工智能应用方面走得很快
人工智能研究的起步，一般被认为是在20世纪50年代，那时候中国还没有开始研究。不过，人工智能在前50年里还停留在科学家的圈子里，没有走向应用。这些年中国人工智能的研究跟其他新生领域的研究一样，取得一些好的成果，但是总体上与国外还是有差距的，在一些有影响的文章发表、人工智能原创的技术，包括支撑人工智能的产业等方面我们还有差距。
不过，应该说中国的人工智能在个别领域做的还是很不错的。比如说，科大讯飞在中文的语音识别上是领先的，百度、阿里、腾讯也在关注人工智能，不但自己在培养专家，也从海外引入一些高端人才，努力缩短我们与国外的差距。
中国机器人也做的不错，严格来说，我们机器人是广义的机器人，传统讲的机器人是工业机器人。我们的机器人产品以面向社会消费应用为主，产能产量已经占到世界较大市场。沈阳自动化所和新松机器人等公司从事机器人研究很长时间了，他们在做工业的机器人，也取得了不少的成绩和应用。但是在大型生产线上，目前应用的工业机器人还是以国外产品为主。
中国在无人驾驶车的应用方面跟美国相比也不会差距很远。现在百度的无人驾驶车，按照现在的水平也有望在未来的一两年内应用了。不过，无人驾驶需要很多技术，而现在国产车内的车载电子系统还是进口的，如果说不能在汽车总线上突破，我们的无人驾驶车在核心技术上还是有不少差距。
总体来说，在人工智能的应用上中国走得很快，展望未来不仅会缩小与国际的差距，也会走在前面。中国正处于经济发展方式转变和两化融合的重要阶段，需要大量的生产自动化手段，中国的人工智能的市场非常大。
张潼：人工智能的核心技术就是让机器学习
现在企业界很多研究院，包括阿里、腾讯、滴滴、360等关心的都是机器学习的核心能力。总体来讲，一个是大数据，另外一个是对于大数据处理和加工的能力。把一个原材料变成你真正所需要的系统或者产品，这是它的能力。从机器学习的技术来讲，如何实现规模更大、创新还有实时更新的效果，这一系列的技术能力使得所有公司都非常感兴趣。
总体来讲，数据处理的核心能力就是机器学习能力，还有高性能计算。处理大数据也要有计算平台，最后是一系列应用，包括广告、无人车，包括其他行业的探索。
此外，现在的医疗有各个环节，其中一个环节和互联网紧密相连，当病人患病的时候，去医院之前往往会自己看看是什么毛病，会有自我诊断或者自我询查信息的过程，但是百度搜索信息不太足够，因为只能找到相关网页，并不直接相关。其他的一系列互联网公司也会有这样的平台去帮助查询者对接，像对接医生和对接专业的知识一样。
从我们的角度来讲，实际上可以利用人工智能的能力去做这种系统，这种系统有几个形式，比如说病人会用口语化的形式表达，医生比较专业，病人不知道很多专业名词。如何把口语化和专业知识对接需要设定自然语言的病症，这也是病人希望交流的形式。
从机器智能角度上要有交互、引导以及对话，另外还要把信息综合起来，这样会有更好的理解。如互联网+零售业，百度怎么和零售业相结合，这是研究院思考的问题。如果打通线上线下，就知道这些客户线上的行为和喜好，以帮助线下的商家找新客户。而利用机器学习建模技术把这些人的喜好或者类别分列出来。
如何理解大数据和人工智能的关系，大数据是它的源泉。世界上很多国家很重视收集数据的能力，因此也使得它在下一阶段将有大大提升。此外还有机器学习，AlphaGO、无人机就是例子，它的核心技术就是智能化，下一个十年也将会有更加细致的发展。人工智能会促进一系列的新技术成为可能，这种可能会推出新的产业。
Jim Lawton：机器人需要更加智能化
长时间以来，机器人只能在不变的工作环境下工作。我们需要为机器人定制适合的工作环境，这个安排在一些工厂行得通，但是大部分工厂的工作环境不一定能配合。
我们通过编程让机器人执行一些任务，机器人会按照设定好的程序工作，但这不是智能机器人。更加智能的机器人是这个行业重要的突破和创新。我们现在拥有更优秀的机器人――能够在不完美的环境下工作。操作任务自动化进程不断地在创新。此外，随着机器自主学习及深度学习等人工智能的进步，认知任务的变化也是日新月异。
人机协作将主要在两个方面发生变化。一方面，以往我们需要请专家为机器人编程，然后执行任务。现在则通过演示来培训机器人。在未来，人类员工将“告诉”机器人去做什么，机器人只需要“看”着去学，从人类那里学习，也可以从另一台机器人那里学习。另一方面，我们深信只有人类能自主工作。制造业的新趋势是结合传达实时遥测数据的机器人和能累积结构化和半结构化数据的软件数据平台，然后供人类理解及诠释信息、并且做出明智的决定以提升工作流程，促进持续创新。
因此来说，人类和机器人将并肩工作，共同解决问题，提升工作流程，并能一起处理更多的任务。操作任务和认知技术自动化相结合是制造业创新时代的必然趋势。
SEARI在去年11月成为Rethink Robotics在华首家分销合作伙伴。协作机器人是Rethink Robotics的核心优势，Rethink Robotics通过其智能协作型的机器人Baxter和Sawyer，可完成目前90%传统自动化方案不能完成的工作，从而不断革新制造业的生产方式。
协作机器人和传统的工业机器人有很大的区别。传统机器人对精准定位、速度、精度、刚性等方面有硬性要求，相对而言，易用性、操作灵活性及安全性正是协作机器人的优势，国内很多企业对两者的比较已经有一定的了解。
在过去几个月，我们的销售团队已经走访一百多家企业，向它们推广Rethink Robotics的方案，获得非常好的反响。但协作机器人真正进入中国市场还需要有一个磨合的过程，现在不少国内制造业的工厂都是几年前、甚至十多年前建好的，当时的厂房设计是按照人手操作的思路来设计的，完全没有把机器人的元素考虑在内。
如今人工智能，发展的迅速，引起了全世界的关注，比如申城的中国国际工业博览会上，人工智能专区才看次设立开放，便拥有极其火爆的人气。人们惊奇于那一个个小机器人里的精密构造和其中所蕴含的先进人工智能技术。现实中，人工智能也逐步走入了我们的生活，许多人觉得人工智能给人类带来了前所未有的巨大便利，提倡大肆发展，而有的人则认为人工智能的发展，如果过犹不及，将会给人们带来麻烦，我也认为，人工智能的发展并不是一件很好的事。
确实，如今的人工智能，给人们带来的便利生活，车上的自动停车技术让人免费享受停车倒车时的麻烦。扫地机器人，能减少人们打扫整个屋子的劳累，但随着技术的不断发展，人工智能的危害也逐渐进入了人们的生活，出租车司机被自动驾驶车代替亚马逊拥有机械手臂，减少了物流员工财务机器人比会计好用得多，这意味着会计也将要卷铺盖走人。
在我看来，人工智能在工作方面对人的危害掩饰过了，他给人，便利生活的功劳。它可以为人类停车，不打扫卫生，人类一样做到的这些事情，而他抢占人们的工作，就直接影响到了人们的经济来源，可见人工智能带来的还是麻烦。
在工业界，围绕人工智能进行的技术和资本大战来得比2016年”AlphaGo与李世石的围棋对决有过之而无不及。谷歌早在2014年就打开了这场大战的序幕，以4亿英镑（约合6亿美元）的高价收购了英国人工智能公司DeepMind，这次的围棋大战的主角AlphaGo就是出自这家公司。 在这之后，与人工智能技术相关的并购高达数十次，总额达到几百亿美元。并购的主角都是些业界的大佬：谷歌、苹果、Facebook、Twitter、Intel、Saleforce、IBM逐步走上世界舞台的中国巨头们也当仁不让，华为、百度、腾讯、阿里等公司也纷纷砸巨资研究和开发自己的人工智能平台及产品。
细心的读者也许会发现，早在群雄进行人工智能的资本大规模混战之前的2013年初，谷歌孤零零地收购了一个叫DNNresearch的公司。细查一下它的底细，发现虽然这是一家只有3个人的公司，但是公司创始人却是一个叫杰佛里・辛顿（Geoffrey Hinton）的人。所有人工智能的江湖中人看到这个名字后都会为之一震，接下来会很信服地说：“谷歌真会买。这个生意做得值了。”辛顿是谁？他有什么故事？人工智能的技术江湖还有哪些大佬？我们就在这里说一说这个江湖吧。
江湖风起，祖师下山
说起这个江湖，最初应该提起的不是计算科学领域的学者，而是一位人们耳熟能详的哲学家和文学家：伯特兰・罗素（Bertrand Russell）。这位奇人活了近100岁，创建了逻辑分析哲学，同时在哲学的多个领域作出了卓越的贡献。1950年，他还获得了诺贝尔文学奖。那他跟人工智能有什么关系呢？很少有人知道，他还是一位数学家。他提出了罗素悖论，把逻辑分析和数学建立联系。1910年他发表了《数学原理》，对于20世纪的数学基础产生了巨大的影响。为什么要提罗素呢？因为下面提到的几位人工智能领域的祖师爷级的人物，都和这位“达摩老祖”有紧密的关系。
首先出场的是神一样的祖师：阿兰・图灵（Alan Turing），现代人工智能的思想来自于这位著名的科学家。这位大师一出场就是天才级选手，在剑桥学习的时候，他读到了罗素的《数理哲学导论》，开始了自己在逻辑学和数学结合领域的研究。1935年，年仅23岁的图灵就当选了剑桥大学国王学院院士。
在剑桥期间，图灵成为罗素最器重的研究员之一。除了图灵机以外，图灵的另一项伟大的贡献就是提出了著名的图灵测试。在他1950年的论文《计算机器和智能》（Computing Machinery and Intelligence）中，他首先提出问题：“机器能思考么？”同时，他提出判定机器是否具有智能的试验方法。在这项测试中，如果具备人工智能的设备能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则可以认为这个设备可以通过测试，也就是具备人工智能。
图灵测试在那之后的60多年里一直作为人工智能领域中标杆性的判定标准，也一直在这个领域是一座不可逾越的大山。直到2014年，才有智能设备首次通过图灵测试。为了纪念这位伟大的科学家，专门设立了图灵奖以表彰在计算科学领域的杰出贡献者。这被认为是计算机界的诺贝尔奖。
第二位出场的天才级祖师：诺伯特・维纳（Norbert Wiener）。维纳的老爸也是哈佛教授，很小的时候就带维纳拜访了罗素。在剑桥大学学习的时候，他就是罗素老祖的学生，18岁取得博士学位。了解维纳的人都知道，他是现代控制理论的奠基人。与此同时，他还为人工智能理论作出了卓越的贡献。维纳认为计算机是一个进行信息处理和信息转换的系统，只要这个系统能得到数据，就应该能做几乎任何事情。他从控制论出发，特别强调反馈的作用，认为所有的智能活动都是反馈机制的结果，而反馈机制是可以用机器模拟的。维纳的理论抓住了人工智能核心――反馈，因此可以被视为人工智能行为主义学派的奠基人，其对人工神经网络的研究也影响深远。此外，维纳靠控制论名声大噪的时候，得到了大笔的经费，邀请了一大批优秀的科学家在他的实验室工作，这里面就包括下面这位祖师。
第三位出场的大师颇有些令狐冲式的经历。沃尔特・皮茨（Walter Pitts）出身穷苦人家，连学都上不起。然而，天才级选手才不会受家贫的影响。他初中时读了罗素的《数学原理》，然后就给罗素写信。要知道，那时候罗素已经是著名的大哲学家了。看到他的见解，罗素还曾邀请12岁的皮茨同学去剑桥，可惜被皮茨的文盲父母粗暴地拒绝了。之后，上不起学的皮茨听说罗素在芝加哥大学任教，就只身跑到那里，被安排了一个打扫卫生的工作。
他这里碰到了神经医学教授沃伦・麦克洛奇（Warren McCulloch）。两位一拍即合，共同展开了计算神经网络的研究，并在1943年发表了神经网络的奠基之作（A Logical Calculus of Ideas Immanent in Nervous Activity），开人工智能的一个流派之先河。这一年，皮茨只有20岁，主要职业仍然是扫厕所。也是在这一年，他去了波士顿，结识了上面提到的控制论之父维纳。据说他在第一见维纳的时候，在这位学霸级教授面前推了一黑板公式，就被破格录取这位只有初中毕业证的大学旁听生兼清洁工为MIT的博士。这位祖师不仅仅是神经网络的奠基人，还精通多国语言，在植物学、化学、鸟类学、解剖学和物理等多个领域都有着大师级的贡献。
人工智能早期的故事说到这里，这个江湖还算清净。几位祖师爷分别在哲学、数学、逻辑学、认知心理学等多个方面为人工智能打开了大门。更为重要的是，这些祖师爷都曾是教书先生和研究学者，为这个领域培养出一大批高手，这些人在今后的江湖混战中各显神通。
华山论剑，1956
1956年，人工智能领域的一次史诗级的“华山论剑”在达特茅斯学院举行。在这次会议上，一个里程碑性的进展就是在学术界创立了人工智能方向，AI（Artificial Intelligence）就此诞生了！
关于这次会议的参加人数，一直都是个谜。有人说是只有11个人，有人说有20人之多。不管有多少人参加，这个阵容可以说是现代计算科学领域阵容最豪华的一次会议了。可以大致把他们分为三个类别：
神经网络学派：约翰・麦卡锡，马文・明斯基，沃伦・麦克洛奇。
符号学派：赫伯特・西蒙（也称司马贺），艾伦・纽厄尔。
其余道骨仙风酱油派：香农、所罗门诺夫、塞弗里奇、撒缪尔等人。
人工智能从一诞生起就分为两派。神经网络学派也被称为联结主义学派，其主要思想来自于对于人脑微结构的模拟，是一种自顶向下方法，颇似金庸笔下华山派的“剑宗”。而符号主义的主要思想是应用逻辑推演法则，主张从各个基本的“符号”出发，沿着严密的代数推理过程，让机器能得出与人的理解相同的结论。这是一种自下向上的方法，重视积累和逻辑，有点像金庸笔下华山派的“气宗”。
在一开始的人工智能界，大家公认的“名门正派”应该是“剑宗”这一派。连“人工智能”这个词汇都是这一派的创始人约翰・麦卡锡（John McCarthy）最早提出的。这位高手虽然算不上天才级选手，但是由于资格老且活的长，确实也做出了非凡的贡献。首先，他发明了人工智能界第一个广泛流行的高级语言LISP，在很长一段时间里垄断着人工智能领域的应用；他也是分时技术的发明人，使得计算机第一次能同时允许数十甚至上百用户使用。同时，他与明斯基一起创建了MIT的人工智能实验室，他自己后来又跑到斯坦福大学协助建立那里的人工智能实验室。为了表彰他在AI领域的杰出贡献，麦卡锡于1971年获得图灵奖。
另一位“剑宗”的掌门人马文・明斯基（Marvin Minsky）也是高手中的高手。早在1951年，他就设计开发了世界上第一台能够自我学习的人工神经网络学习机（SNARC），一举奠定了其在神经网络领域的创始人的地位。他创建了MIT的人工智能实验室，并为之付出了毕生的心血。除了人工智能方面的贡献外，他还发明了共聚焦显微镜（如今在生物医学领域发挥着重要的作用）以及头戴式显示器（后来逐步发展为现在的头戴VR装置）。1969年，明斯基获得图灵奖。这位高手还有个过人之处，就是一直活到了2016年。到后来，大家办点儿有影响力的人工智能的活动，都会请这位“剑宗”掌门。所以，他的名气是这个领域里最大的。
“气宗”的掌门赫伯特・西蒙（Herbert Simon）也是一位天才级高手，他一共有九个顶级大学的博士学位，一生在计算科学、认知心理学、公共行政、经济学、管理学和科学哲学等多个领域都有着卓越的贡献。他获得了1975年的图灵奖、1978年的诺贝尔经济学奖、1986年的美国国家科学奖章和1993年美国心理学会的终身成就奖。这样一位大家还是个出色的政治家，在上世纪七十年代为中美建交做出了很大的贡献。因此，他还有一个中文名字叫司马贺。1994年，他当选为中国科学院最早的外籍院士。
司马贺的搭档艾伦・纽厄尔（Allen Newell）也是这个领域响当当的人物，他们共同创建了卡耐基梅隆大学的人工智能实验室。他发明了IPL语言，是麦卡锡的LISP语言的基础之一。纽厄尔在1975年与司马贺一同获得了图灵奖。
除了两派的掌门人外，其他来打酱油的人也都是大师级人物。信息论的创始人香农当时已经是贝尔实验室的老大之一。如今，那条难以逾越的“香农极限”仍然是折磨现代通信界的一道梦魇。塞弗里奇则是模式识别的开创者。还有“归纳推理机”的发明者所罗门诺夫。其他人的背景就不一一赘述了。
“剑宗”的掌门把这些“绝顶高手”凑在一起，本来是要大家在一起闭门练功两个月，设计出第一个人工智能机器，从而开创一个学科。然而，“气宗”的老大们并不买帐，呆了一个星期就闪人了。这也为后来两派之间的“混战”埋下了伏笔。不过在会上，还是明确提出了人工智能的目标：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。在这之后迎来了人工智能领域的第一个春天，达特茅斯会议上的与会者成为这一时期人工智能研究的主要贡献者。在这一时期，很多该领域的奠基之作被完成，也开辟了很多经典的研究方向。
“剑”“气”恩怨几多年
其实，“剑宗”和“气宗”的较量，从人工智能诞生的时候就已经开始了。事实上，“剑宗”的老大们在组织达特茅斯会议的时候，本来是想请一群大佬来，一起做两个月的“封闭开发”，最终见证自己的划时代贡献的。然而会议一开始，司马贺和纽厄尔这两个同门不同宗的外人却做了个让人刮目相看的报告，并公布了一款程序“逻辑理论家”（Logic Theorist）。这个程序可不简单，在那个“史前时代”，可以证明祖师爷罗素的《数学原理》中命题逻辑部分的一个很大子集，当场引起了大家的关注。
“气宗”的两位老大也够有个性，在那里只呆了一周，扫了个场子，赚足了眼球，也砸了“剑宗”的台子，扬长而去。据说此后的很多年里，MIT的人工智能教授和卡耐基梅隆的人工智能教授一直没法坐在一张桌子上，他们之间的交流只能通过研究生在私下进行。直到后来，各个大学的学生开始到对方大学当教授，这种门户偏见才慢慢消除。由此可见，科学家也不是圣人，也会为结下的梁子耿耿于怀很久很久。
其实当时“气宗”瞧不起“剑宗”也不无道理。毕竟，司马贺和纽厄尔有拿得出手的“逻辑理论家”。卡耐基梅隆大学一直有脚踏实地的传统，在这个时候显示出很大的威力。多年之后，“剑宗”创始人明斯基也不得不承认，“逻辑理论家”是第一个也是当时唯一一个可以工作的AI程序。而当时的“剑宗”还只是空谈，本来寄希望达特茅斯会议能够开天辟地，跑马圈地，创立自己当家的AI学科，还是被“气宗”两位老大搅了局。纽厄尔打心底里看不上明斯基，认为他除了“拉大旗作虎皮和稀泥”以外，没什么真本事，而且人也太刁滑了。在纽厄尔晚年，只说是香农邀请他参加这些会议的，对明斯基和麦卡锡只字不提，可见门户偏见有多深。
“剑宗”的劣势很快就有了改观，这要归功于一位来自康奈尔大学的心理学家：弗兰克・罗森布利特（Frank Rosenblatt）。这位神人是个实验心理学家，在尝试用IBM的计算机来模拟他在认知心理学上的发现的过程中，发明了一个名为“感知机”（Perceptron）的神经网络模型。这一下引起了不小的轰动，感知机证明了单层神经网络在处理线性可分的模式识别问题时，其实是可以收敛的。以此为基础，罗森布利特做了若干感知机有学习能力的实验。
感知机本来是可以让“剑宗”翻身的发明，然而“剑宗”的掌门人明斯基却并不买帐。因为，这位外来户的风头太盛了，甚至盖过了明斯基这位AI的创始人。当时，罗森布利特拿到了国防部和海军的大把经费，不可避免地动了MIT的蛋糕。媒体也对这位AI新贵大加赞赏，各大报纸头版头条都是他的新闻。罗森布利特本人也确实没把其他“剑宗”的人放在眼里，或者说他根本就不觉得自己要加入组织的。这可让明斯基这一派人马恼怒不已，他们开始了自己的反击。明斯基毕竟还是AI领域的学霸，想要踩死这个不知天高地厚的“异类”似乎易如反掌。他们动用自己的一切力量去否定感知机，明斯基甚至在自己的书中明确地说：罗森布利特的论文大多没有科学价值。很难相信这是一位科学界泰斗可以说出的话。罗森布利特毕竟不是这个圈子的人，在“剑宗”学霸明斯基的面前，还是显得势单力薄了很多，最终离奇地意外死亡。
可笑的是，明斯基本人也曾是神经网络的最大的拥护者，他的博士论文的主题就是神经网络，他最早的发明SNARC也是一台神经网络学习机。那时候，他却为了斗倒罗森布利特，连神经网络也一并打入深渊。后来，明斯基肯定也意识到自己的做法前后矛盾，想方设法摆脱与神经网络的干系。后来，他曾经接受采访说：他的博士论文从来没发表过，大概只印了三本，他自己也记不清内容了。看样子他是想极力开脱自己和神经网络学科的关系。
“剑宗”有了这样的掌门，在竞争中处于弱势肯定是不可避免了，而且这一弱就是几十年。后来很多学者称这一段时间为“二十年”。直到近十年神经网络“重出江湖”，才给罗森布利特，学者们也认为明斯基这样打压科学家的做法是不可原谅的。为了纪念罗森布利特，IEEE（美国电气电子工程师协会）在2004年设立了罗森布利特奖，以表彰神经网络领域的杰出科学家。2014年，这个奖项得主就是后来一统江湖的“剑宗”大师：杰佛里・辛顿。
“剑宗”暂时一统江湖
时间来到了20世纪70年代，人工智能领域碰到了第一个低潮期。由于长时间没有可实用的研究成果出来（或者说第一批先驱有些低估了这个领域的难度），主要资助方们渐渐失去了信心，甚至有些人认为人工智能就是个永远没法用的“玩具”。明斯基们给人工智能开了一个很高的调子，然而在很长一段时间里在搞派系斗争，却拿不出可以实用的成果。在这之后的几十年里，人工智能几经沉浮，有过短暂的繁荣，又经历过两次低潮期，最终迎来了真正的爆发期。
事实上，在神经网络的“”时代，还是有不少人为这个领域做出了有益的贡献。很可惜，科学家也是人，他们也需要经费来养家，养学生，养实验室。因此，当无数人给神经网络流派判“死刑”的时候，很多人都半途放弃了。有意思的是，神经网络其实是信息科学和神经科学相结合的学科。在众多科学家在斗争中从信息科学被“赶出来”之后，一些坚持这方面研究的人就把发力点放在了神经科学方面。他们当中的佼佼者就是哈佛大学的神经生物学家胡贝尔和威瑟尔。他们的研究虽然是围绕视网膜和视皮层展开的，使用的却是信息处理的方法。他们因此获得了1981年的诺贝尔医学奖。
当所有人对于人工智能失去信心的时候，还有这样一位“剑宗”大师，他一直在这个领域坚持了三十多年。让我们记住这个人的名字：杰佛里・辛顿（Geoffrey Hinton）。
这是一个在人工智能领域中“风清扬”式的人物。在几乎所有人都认为神经网络这个流派已经走到尽头的时候，他却一直在坚持！完全超乎偏执地坚持！经费的短缺，使之不得不辗转于多个大学，寻找落脚的地方。那时候他已经50多岁了，搞了三十多年被认为没有任何前途的研究，四处求爷爷告奶奶，希望能要来点儿研究经费。
关于辛顿和他的战友们，业界还流传着这样的故事。在2003年，以辛顿为首的十五名来自世界各地的神经网络研究者们齐聚温哥华，他们的主要目的是向加拿大先进研究院（Canadan Institue oF Advanced Research，简称 CIFAR）的基金申请经费。当时该基金的管理负责人Melvin Silverman问他们说：为什么CIFAR要支持他们的研究项目。
他们回答道：“因为我们有一些古怪。如果CIFAR可以跳出自己的舒适区（comfort zone），试图寻求一个高风险，极具探索性的领域及团队，就应当资助我们！”
最终，CIFAR同意从2004年起资助这个团队十年，经费总额为一千万加元。这些预算对于某些学霸来说真的不算什么。但是，对于已经山穷水尽的辛顿及其神经网络研究团队来说却是弥足珍贵的。CIFAR成为当时世界上唯一支持神经网络研究的机构。毫不夸张地说，如果没有CIFAR的资金支持，整个人工智能领域还可能在黑暗中继续挣扎。
拿到资金后，辛顿把神经网络这个流派改了一个名字，这就是后来威名远扬的深度学习（Deep Learning）。前面说的AlphaGo就是在这个基础上进行训练，积极“学习”围棋知识，最终战胜了李世石。
九十年代末，神经网络研究遇到的困境之一就是计算的瓶颈。那时候，人们提起神经网络的第一反应就是慢。深度学习也有同样的瓶颈， 需要的计算资源太多。当大量的数据在复杂的网络中进行训练的时候，真是让人“等得花儿已谢了”。当时有人调侃“剑宗”的研究试验流程是：一年做一次，一次做一年。
人工智能的核心一共有5个方面，它们分别是语音识别、计算机视觉、自然语言处理、机器学习、机器人。正是因为有了这些核心技术，才可以让人工智能更加产业化，当人工智能产业化了以后，就可以带来比较广泛的子产业。比如计算机视觉方面，可以运用在人脸识别。还可以运用在医学方面，可以进行有效的医疗成像。比如还有机器人这个核心技术，不仅可以实现无人机，还可以代替人类做一些工作。另外还有机器学习这项核心技术，应用这项技术可以有效的甄别那些诈骗的行为，还可以运用在公共卫生或者天然气的勘探方面等等。
（来源：文章屋网 http://www.wzu.com）
而在大洋彼岸，《国家人工智能研究与发展策略规划》在白宫，令人工智能这把火“烧”到了美国国家战略层面。
有人预测，从人工智能的崛起和发展到无人驾驶汽车，再到电子竞技直播和全面爆发的网络战争，这一切将在未来一年内上演。
中国工程院院士、计算机应用专家潘云鹤说，AI当前正处在转折之际，其技术会升级换代。它将通过跨媒体和各种无人技术更紧密地融入人类生活；通过人机混合增强智能成为我们身体的一部分；通过大数据和群体智能，拓展、管理和重组人类的知识，为经济和社会的发展提供建议，在越来越多专门领域的博弈、识别、控制和预测中达到甚至超过人类的能力。“因此，我们将这样的人工智能称为AI2.0”。
“30年后的AI2.0必已成为巨人，但是它会在哪些方面展示它与众不同的威力呢？”在潘云鹤的构想中，到那个时候，大数据智能的研究已经可以为经济智能化运行提供强大的工具，帮助政府和企业从宏观、中观、微观等多视角预测经济和市场的走向，有前瞻性地创造新产品，进行新投资，确定新政策，从而避免如次贷风波、金融危机等全球性风险，以及产能过剩、库存畸高等问题。市场经济和政府调控结合的科学基础，使人类经济的运行进入更高水平。
对于人类最关心的话题之一――人工智能2.0对人类健康将产生怎样的影响？潘云鹤料想，“AI用于预防医药，该已经发力了！”
近年来涌现出的各种大型医疗仪器、小型穿戴式设备、大量生理传感器和海量的数字化病历，源源不断地产生着人体健康的大数据。将这些大数据汇合、分析、学习和提取，就可以预测健康的走向和生病的可能。在未恚借助人工智能，高血压、糖尿病、癌症、老年痴呆等疾病，或许能得到预防或者阻断。
另一个AI梦想是：人类大脑和电脑联通。
潘云鹤说，人脑和电脑如能直接联合工作，就会形成脑机混合增强智能。设想一个学生轻而易举地记住了大本大本的《新华字典》、唐诗宋词、《古文观止》、四书五经、中国通史、英汉词典、世界地理、中外法律……可以想象，我们的教育科技，会因此产生什么样的改变。
AI的能力似乎无可限量。可以想象人类与AI共存的种种未来图景： 当你在街上碰到陌生人时，系统会产生并处理数据，通过人工智能程序就能知道你对他/她的印象如何。
在医院里，人工智能分析X光片的水准比人类医生还要棒，这些智能机器还可以早期检测癌症等疾病，甚至在你尚不知晓的情况下采取防治措施。
在律所里，人工智能核查证物的本事比人类助理律师还要强。我们乘坐的飞机、汽车是由人工智能在驾驶。
通过读取我们所有的邮件，记录我们的电话、互联网浏览记录，人工智能可以知晓我们喜欢的书，甚至遗传信息。它还掌握大量的情感资料，科学衡量婚恋中各项指标的重要性。未来，我们不再需要自己挑选配偶，而是应当拜托人工智能，因为它比我们更了解自己。
于是一个关于AI的终极恐惧，进入人类的集体思想――AI会控制人类吗？
有一些人是悲观的，比如斯蒂芬・霍金。他认为，人工智能的发明可能是人类历史上最大的灾难。他警告称，如果不加以恰当管理，会思考的机器可能终结人类文明。他说：“它将给我们的经济造成巨大干扰，未来人工智能可能开发出它自己的、与我们相违背的意愿。” 霍金甚至悲观地预言，“成功研发人工智能，将成为人类历史上犯的最大错误。不幸的是，这也可能是最后一个错误。” 有一些人是谨慎的，比如比尔・盖茨说，“我并不是说反对人工智能的进步，只是我认为我们应该特别小心，可能会需要更多的时间来发展人工智能，这个方向是对的。但是我们不能操之过急，不要轻易进入未知的领域。”
有一些人是乐观的。潘云鹤的观点是，那些被艺术作品和想象能力催生出来的畏惧感一定会被工程技术的实现而抚平。人类已经制造与使用了无数动力机械、汽车轮船、无人飞机，而人的手足并未因此萎缩，人类的安全也并未因此受到威胁。智能的机器也必然如此，人类一定能有效地驾驭它们，驶向一片又一片更自由、更美好的新天地。
一些生命科学领域的科学家也表示，人类心智具有多种智能――演绎推理的能力、情绪能力、空间智能等等。人类还拥有天马行空的想象力与创造力，这些都是人工智能不具备的，是人类独有的财富。
中科院院士、华中科技大学教授丁汉也提到了同样的问题。他表示，目前，现实中的机器人和人们的期望值尚有很大差距，“大多工业机器人只在一些结构化的环境中工作，在线传感能力较差；服务机器人目前还只能完成一些简单任务；特种机器人需要通过遥控操作来完成特定的工作。”
机器人智能化将成为未来机器人研发的主要方向。
App之后看Bots？
在2016世界机器人大会上，如何将人工智能应用到更多的领域成为众多学者和企业关心的问题。
“研发出一个有触觉、味觉，可以独立作业甚至具有理性思考能力的机器人是大部分人工智能研究机构的最终目的，但是机器人并不是人工智能的全部。”IBM首席软件工程师Gradly Booch说，未来可以考虑将人工智能放到不同的机器应用当中，例如NASA、ABB的制造业机器或者 Windows、Linux和苹果的各种操作系统，甚至包括眼下最火的无人驾驶汽车系统中。
在大会展区现场，一些已经能够完成基本人机交互的智能服务型机器人吸引了众多参会嘉宾驻足。这些智能机器人大多有着类人的外表，能够进行简单的对话沟通，对所提问题迅速做出回答。其中，一款名叫“i宝”的类人形机器人不仅能通过声源定位进行自然语言对话，还可以进行人脸识别，对对话对象进行追踪跟随，对人的触摸做出拟人反应。
“i宝”的设计者，阿凡达公司联合创始人、首席执行官John Ostrem博士告诉《中国经济周刊》记者，“i宝”是一款针对3～8岁儿童设计生产的教育陪伴型机器人，其主要优势体现在可以迅速通过语音识别进行任务处理和语音交互。除了“i宝”，阿凡达公司在北美市场还推出了一款针对孤寡老人的陪伴型机器人。John Ostrem表示，目前类似于“i宝”这样主打语音交互功能的智能对话机器人（Bots）是市场上服务型机器人的主流，已经应用于购物网站、银行、电信、政务等服务行业。
“相对于App，首先Bots更易于使用，App需要下载和安装，但Bots只需要一个对话界面即可使用，体验起来简洁方便；其次，Bots更易于开发，是跨平台的；第三是易于传播，Bots的交互接口是统一的，所以各个Bots之间可以相互协助。”小i机器人创始人、总裁兼CTO朱频频告诉《中国经济周刊》记者，Bots 将成为后App时代的全新人机交互方式。
中银国际证券研究部副总裁、计算机行业首席分析师吴砚靖引用中银国际的研究报告称，继App之后，Bots将成为新的入口和趋势，并形成自己的生态，这个生态包含入口、应用、分发平台等各种各样的模式。中银国际预计，2017年Bots的渗透率将达到5%，按照这样的规模来测算，市场规模可以超过240亿元；到2020年按照30%的渗透率来测算，Bots的市场规模会接近3000亿元。
中国智能机器人如何弯道超车
尽管人工智能的发展速度在近10年来已经取得了突飞猛进的进展，但在一些参会学者看来，人工智能的研究仍然处在起步阶段，未来的发展空间很大，遇到的困难也会更多。
法国Innoecho创始人Catherine Simon表示，智能机器人的应用想要成为一个真实的产品，需多学科的团队来协调研发。尽管眼下无论资本还是市场对人工智能都反响热烈，但往往停留在初创阶段。“投资者总是希望资金很快得到回报，但是智能机器人的成熟需要一个期限，希望无论是资本还是技术研究团队，都能够有更多的耐心去进行技术开发和市场部署。”Catherine Simon说。
近年来，人工智能研究大热，技术成果斐然，不仅有在领域神奇表现的“表面风光”，更有在工业、农业、金融、商业、教育、医疗、公共安全、军事等领域的广泛应用。人工智能已不再是只为人们津津乐道的“花架子”，而是在各行各业有实在且多样化的应用，甚至具备突破性能力的“超能”。“智能+X”逐渐成为创新时尚，有望催生新的业态和商业模式，引发产业结构的深刻变革，重塑产业格局，不仅对传统行业产生重大的颠覆性影响，而且给经济、社会带来巨大变化。
当下人工智能的缺陷
人工智能虽然已取得长足的进步，尤其在类脑计算方面表现“惊艳”。但目前许多人工智能应用的能力尚与人们的期望水平有不小的差距。事实上，经历了60年左右的发展，至今仍无一个通用智能系统能够真正接近人类水平，可以协同多种不同的认知能力，对复杂环境具备极强的自适应能力，对新事物、新环境具备自主学习的能力。人工智能的发展仍然存在着不少缺陷，制约了人工智能应用的全面推广。这些瓶颈与机器学习本身的缺陷相关：机器学习不灵活，需要较多人工干预或大量标记样本；人工智能的不同模态和认知功能之间交互与协同较少；有监督的深度学习不具备通用性；机器的综合智能水平与人脑相差较大……要突破这些瓶颈，需要新一代的智能技术革命，类脑智能正是人们的期待所在。
实现人类水平的智能系统一直是人工智能研究探索的长期目标。随着相关研究的不断深入，发展类脑智能已成为近年来人工智能研究的热点。
类脑智能或超越人类
类脑智能是以计算建模为手段，受脑神经和人类认知行为机制启发，并通过软硬件协同实现的机器智能。类脑智能系统在信息处理机制上类脑，认知行为和智能水平上类人，目标是使机器实现人类具有的多种认知能力及其协同机制，最终达到或超越人类智能水平。
受脑科学研究的启发，人工智能模型与系统的智能水平日趋完美。然而，想要真正实现逼近乃至超越人类水平的人工智能，还需对脑信息处理机制进行更深入的研究和借鉴。类脑智能研究的目标就是通过借鉴脑神经结构及信息处理C制，实现机制类脑、行为类人的下一代人工智能系统。
类脑智能的优势在于：它是一种面向人工神经网络对低功耗、弱监督等学习需求，将生物机制与数学原理融合的新型网络模型和学习方法。受大脑多尺度信息处理机制启发而研发出来的计算模型及软硬件，使机器实现人类具有的多种认知能力并高度协同，逐渐逼近具有学习和进化能力的通用智能。
类脑智能将成为弱人工智能通往强人工智能的途径。目前类脑智能取得的进展只是对脑工作原理初步的借鉴，未来的机器智能研究需与脑神经科学、认知科学、心理学深度交叉融合，结合“硬技术”和“软设计”（算法）的突破，逐渐达成类脑智能这一人工智能的终极目标。（编辑/起点）
随着科技的迅速发展，人工智能正在越来越深入到人们的工作和生活当中，并发挥重要作用。 然而，面对美好的梦想，却也有不少人担心，类似“终结者”的机器人会变成现实。物理学家霍金和比尔·盖茨就一再公开表示，人工智能或将威胁人类生存。近日，霍金和特斯拉电动汽车总裁马斯克联合12000名企业家、名流，签署公开信，再一次提醒人们关注人工智能的潜在威胁。 如此“可怕”的提醒和预言，恐怕也阻挡不了机器人时代的终将到来。只不过，人类发展的人工智能是否真的会成为人类的“终结者”，无疑令人深思。
（来源：文章屋网 http://www.wzu.com）
在提升终端产品智能化水平方面，《方案》提出，加快智能终端核心技术研发及产业化，丰富移动智能终端、可穿戴设备、虚拟现实等产品的服务及形态，提升高端产品供给水平。制定智能科技硬件产业创新发展专项行动方案，引导智能硬件产业健康有序发展。
同时，推动人工智能与机器人技术的深度融合，提升工业机器人、特种机器人、服务机器人等智能机器人的技术与应用水平。重点实施智能终端应用能力提升工程、智能可穿戴设备发展工程、智能机器人研发与应用工程。
中国纺织工业联合会副会长孙瑞哲此前就谈到，要积极开展“互联网+纺织”行动，推进智能制造、绿色制造，推进行业数字化、网络化、智能化发展。
他说，智能化生产可显著提高产品质量、生产效率和管理水平。研发智能化的生产技术、工艺流程与生产装备，可以解放传统依靠人工操作的生产模式，减少质量控制过程中的人为因素，提升智能管理水平，提升质量水平。
同时，产业实现智能化要研究两大主题，即智能工厂和智能生产。“智能工厂”是未来智能基础设施的关键组成部分，重点研究智能化生产系统和过程以及网络化分布生产设施的实现;“智能生产”的侧重点则在于将人机互动、智能物流管理、3D打印等先进技术应用于整个工业生产过程。要实现三项集成，即横向集成、纵向集成与端对端的集成，将无处不在的传感器、嵌入式终端系统、智能控制系统、通信设施通过CPS形成一个智能网络，使人与人、人与机器、机器与机器以及服务与服务之间能够互联，从而实现企业内部、企业之间以及整个价值链的横向、纵向和端对端的高度集成。
人工智能时代，纺织业应声而动
智能产业园：我国针织行业首个“智能针织产业园”已在沭阳奠基并开始建设，这是纺织工业开展“智能产业园区”建设和以智能制造园区推动纺织行业产业转型升级的重要探索，对于行业发展来说具有里程碑式的意义。
沭阳智能针织产业园计划用5～10年时间将产业园打造成百亿级针织品生产基地，形成现代针织制造业高地、品牌集聚地、创意策源地、针织品集散地，推动针织产业从设计、加工、产品、管理、营销和服务体系等各环节全智能化转型升级。沭阳智能产业园对中国针织乃至纺织工业来说，都是前瞻和有益的探索。如今，“未来针织靠智能、智能针织看沭阳”，已成为全行业智能制造的示范。
智能装备：山东康平纳集团有限公司正在研发色织数字化工厂，重点研究集成络筒后的全部流程，包括纺纱、织造、纱线染色和后整理的中央控制系统，并规划3～5年实现印染生产的智能化管理和无人化智能车间。
泉州佰源机械科技股份有限公司的数字化大圆机开发也同样令人瞩目。该企业依托国家“数控一代”机械产品创新应用示范工程，研发了“系列大圆机控制器”。在远程监控、刷卡上下班、跟单管理、任务分配、数据统计、效率分析、品质保证等方面取得了重大成果，可实现几百台套设备集中管理。同时，其正在研发“针织大圆机智能化车间”，目标是3年左右在接线、换纱、取坯布上实现机器换人，实现“无人化工厂”。
而其实施的“针织大圆机机架机器人自动装配线”技改项目，可实现原来由8人减少为2人，8人2小时完成的工作量通过机器手30分钟内完成。减少用工，节约成本，同时可提高大圆机装配质量和产品一致性。
智能管理：无锡一棉素以精细管理著称，该企业通过“感知”手段实现企业的智能化管理，通过ERP感知管理、传感网感知生产、电子商务感知市场，尤其在传感网建设方面，该企业部署了超过9万个信息采集点，实现生产全流程在线监控，监测范围涵盖了成品、生产过程、安全、环境、电能，为企业实现精细化管理提供了必要的信息技术支持。在生产检测中，无锡一棉还与江南大学合作，率先实现了细纱单锭检测系统，处于行业领先水平。
智能家居：深圳和而泰智能控制股份有限公司的系列智能产品，通过加入科技感应器，可测试消费者心率等各项身体指标。通过云端分析后，用户可在多种可视屏幕上观测相关数据。企业还通过“C-Life”平台打造智能家居时代的品牌文化、设计理念及未来规划，且已与罗莱、梦洁等家纺企业达成合作。
智能穿戴：天诺光电材料股份有限公司开发的可穿戴服装也是智能制造的典型代表。天诺光电与纺织服装企业合作，应用电磁屏蔽材料设计智能化的可穿戴服装，并应用于健身和个人保健等。可穿戴设备将服装与大数据、互联网结合起来，成为未来智能产品的重要领域。
【关键词】人工智能 发去趋势 信息
人工智能并非人的智能，其更像是人的思考，甚至有可能超过人的智能。通过阅读大量的资料可以发现，人工智能在发展过程中遇到过很多问题，由于现代人们还为完全掌握人脑的复杂度，因此人工智能的发展正在一步一步缓慢前行。
1 国内外研究现状
1.1 国内研究
我国对人工智能的研究与发达国家相比较为落后，具体研究主要集中在软件方面，特别是在仿生学领域的应用，目前已经处于设计领先行列，为世界人工智能发展做出了巨大贡献。但是，由于发展较晚，与美国等发达国家相比，还存在一定差距，因此要对发达国家的成功经验进行借鉴。
1.2 国外研究
欧美在人工智能的研究上处于世界领先行列，在世界人工智能上具有领导作用。以Google企业代表，其在人工智能上的发展，一次又一次的刷新了人们对人工智能的认识。
2 人工智能的应用领域
2.1 问题求解
从近几年人工智能的发展情况来看，其一项重要的突破就是发展了能够对问题进行求解的程序。下棋程度中应用的一些技术手段，例如，在下棋过程中，向前看几步，将一个复杂的问题进行分解，从而成一个容易解决的小问题。一些程序甚至可以通过实战经验对自身的性能进行改良。
2.2 自动程序设计
程序设计是人工智能的一个关键研究分支，人们从未停止对该项内容的研究。现阶段，人们已经研究出了可以依据不同目的描述，编写微机程序的自动程序设计系统，但是目前在该方面取得成绩有限。在研究自动程序过程中，一方面可以有效的促进半自动软件开发系统的发展，另一方面也可以通过改进自身编码进行学习的人工智能系统，从而使其能够有更加长远的发展。通过自动完成一个特定程度的编写，证明一个给定程序获得的某些制定结果与指定结果的任务两者之间有着紧密联系。
2.3 机器学习
人工智能研究的一个最为关键的方面就是机器的学习能力，同时其也是人工智能最为突出的一个表现手段。从人工智能出现至今，人们对在机器学习方面的研究取得了很大发展。获取知识的根本方式就是学习，同时学习也是人类智能的一项关键途径。而机器学习，则是使微机具有机器智能的途径。
2.4 智能检索
科技飞速发展的今天，人类已经进入到了大数据时代，大量的数据给人们的生活和工作带来的一定的改变。一方面，大量的数据可以为人们的生活和工作提供更支持，另一方面也增加了使用难度，主要集中体现在检索上。针对海量数据的检索，采用传统的人力检索和传统检索系统，显然已经无法完成检索工作。通过阅读资料可以发现，研究人工智能检索模块已经成为了确保科技持续稳定发展的一个关键前提。例如，目前已经比较成熟的技术――数据库系统，其就是一个能够存储大量指定科学知识的微机软件系统，通过对其进行应用，能够回答用户提出的关于本学科的大量问题。
3 人工智能未来的发展趋势
3.1 语言翻译
在计算机网络快速发展背景下，可以通过对人工智能进行应用，实现对语言的翻译。但是，通过了解可以发现，目前语言技术并不成熟，在具体应用过程中还存在一定问题，无法完全克服语言障碍，也就说还无法将任意输入的语言，转换为高质量的译文，无法体现体现自然语言中的暧昧、模糊成份，更加无法实现对整片文章的理想化翻译，但是，相信随着人们对该内容研究的不断深入，以及人工智能和语言技术两者的不断进步与发展，理想的语言翻译在不久的将来会得以实现。
3.2 自适应系统
通过自适应系统不仅能够对完整的信息进行处理，而且也可以实现对残缺信息的处理，甚至可以通过智能化完成对残缺信息的补充。此外，通过对目前人工智能研究的大量资料进行阅读可以发现，在进行自适应系统发展过程中，还需要大量的相关信息的支撑。有学者认为，首先，要发展理解上下文以及相应的处理技术，从而数据、信息等各项内容的处理变得更加准确、成熟、稳定；其次，适当的发展多路学习机制，通过该方式，可以使自适应系统能够在日常的运行过程，吸取更多的经验，通过经验的积累，适应不断变化的环境；最后，应当在现有技术的支持下，努力发展自动进化机制，通过该方式使人工智能可以在应用过程中，能够不断学习，使其能够有传统单一被动处理信息变为主动智能处理，甚至使其在应用中能够具有一定预判能力。
3.3 服务人类
人工智能是由人类创造的，人们创造人工智能的最初目的就是使其为人类服务。人工智能在未来的发展过程中，也要朝着这一趋势进行，这是大量从事人工智能研究工作人员总结的经验。从人们对人工智能的研究情况来看，也正朝着这个方向进行探索，因为这是人类发展人工智能的初衷。例如，在社会生产中可以对人工智能进行应用，在工厂生产中，对全自动化智能生产线进行合理应用，一方面可以提高生产的安全性，另一方面也可以使生产效率得到进一步提升。目前，在人们的日常生活中，人工智能也随处可见，例如医疗辅助机器人，扫地机器人等，人工智能在这些方面的应用，使人们的生活变得更加便利，因此日后人们在对人工智能的研究上，应当朝着该方面进行。
4 结束语
人工智能自从被提出以来，就得到了全世界的重视，长期以来都处于世界科技发展的前沿，其在具体发展过程中并非独立进行的，在一定程度上依赖网路、信息、计算机、精密制造等多项技术，并且对不同领域的发展也会造成一定影响，在一定程度上对社会的发展有着促进作用。
参考文献
[1]万邦睿，黄应红.人工智能在物联网发展中的应用前景分析[J].中国新通信，2014（24）：73.
[2]李勇.人工智能发展推动信息安全范式转移――基于百度无人驾驶汽车的案例分析[J].信息安全研究，2016（11）：958-968.
[3]陈娟.基于人工智能Agent技术发展现状分析[J].电脑知识与技术，2016（03）：195-196.
人们对于二维码当然不陌生。如今的“扫一扫”早已不局限于手机支付和社交网站/软件登录等，商品上的二维码可以用来追溯其来源、辨别真伪，共享单车上的二维码成为一把天然钥匙，二维码式的电子凭证也因方便、安全、抗毁损等走进了公众的生活……
在这个“扫一扫”成为新常态的时代里，政府工作报告上的二维码，拉近了公众与政府之间的距离。而一份数字化的政府工作报告，显示出政府职能正在向智能化转变的信号，而“互联网+”行动的深入实施也已经初见成效。下一个互联网技术的爆发点
以往的电视直播和网络直播中，字幕需要人工打出来，在直播的延时中迅速配好或后期添加，而今年两会的政府工作报告网络直播中，科大讯飞通过其语音识别技术提供了配套的实时讲话字幕，令人耳目一新。
全国人大代表、科大讯飞董事长刘庆峰认为，未来5到10年，人工智能将像水和电一样无所不在，可以进入到教育、医疗、金融、交通、智慧城市等几乎所有行业，一个全新的“人工智能+”时代正在到来。为此，他建议设立人工智能国家实验室，有利于大力支持人工智能源头技术创新。而源头技术创新、产品创新到典型应用示范创新等产业链资源的整合，可以尽快形成以企业为主体、产学研合作的人工智能创新体系。
“应在国家层面进行人工智能发展的顶层设计与专项规划”，全国人大代表、小米科技董事长兼cEO雷军说。这一点，已经成为互联网科技企业代表们的共识，他们希望可以因时制宜，加强人工智能基础理论研究和核心技术的突破，加强人工智能科研人才、技术人才的培养与引进，推动行业数据的开放与共享，从而促进人工智能在我国的综合发展。
早在2015年两会上，全国政协委员、百度董事长李彦宏就曾提议设立“中国大脑”计划，推动人工智能跨越发展，抢占新一轮科技革命制高点。现在，脑科学研究已经被列为“事关我国未来发展的重大科技项目”之一，“中国大脑”也被赞为最具前瞻性的提案。今年，李彦宏着力于人工智能的应用，他认为，在人工智能技术逐步成熟的当下，谁率先在应用上实现突破，谁就有可能在智能时代的竞争中占据优势。他建议制定国家层面的总体行动计划，大力推进“智能+经济”的发展，从观念引导、制度创新、数据开放和专项支持等方面，为人工智能行业应用构建良好的政策环境。
这些代表委员们，以企业为平台，在深度学习、跨界融合、人机协同和群体智能方面深入实践。很多业内人士认为，人工智能将成为继“互联网+”、虚拟现实（VR）之后，下一个互联网技术的爆发点。
全国政协委员、泉州市政协副主席骆沙鸣站在我国传统制造业的转型升级上在思考，强调“云制造”的概念，为这一观点做了另一个层面上的佐证。
他认为，在大数据时代，云制造的实质是工业化与信息化深度融合，云制造的核心就是智能制造。工业大数据通过360度全景的数字视角，为制造业提供预测自主维修、决策支持分析，促进智能工业的自适应、自感应、自调理和尽可能的零宕机、零排放、零维修，打造智能化供应链。
政府工作报告中提到，2016年，我国就已经在深入推进“互联网+”行动和国家大数据战略，全面实施“中国制造2025”。骆沙鸣认为，除北京、杭州、深圳外，在全国各地建立分布合理的工业大数据中心，促进中国云制造，将有利于实施“中国制造2025”，实现以创新转型为主题，以提质增效为中心，以工业化与信息化深度融合为主线，以产业共生、协同创新、智能制造、品牌升级、服务增值、绿色发展为导向，加快打造创新型制造业强国的节奏。拥抱“人工智能+”时代
“人工智能不仅属于IT领域，它在医学领域的应用也具有广阔的前景。”全国政协委员、中国科学院院士、复旦大学附属中山医院心内科主任葛均波认为，人工智能可以极大地提高诊疗效率，对于我国医学资源稀缺的情况而言，具有战略价值。
葛均波建议成立人工智能医学应用开发专项办公室或研究院，由计算机科学家、医学家等组成团队，完成人工智能医学领域的理论框架建设。同时，政府要引领并邀请社会各界共同设立基金，扶持相关开发单位：鼓励各专科领域的优秀医学家参与人工智能开发。
一言概之，人工智能融入医学对于精准医疗和快速诊断的发展将起到不容忽视的作用。谈到医学应用，“看病F”也是个绕不开的现象。全国政协委员、湖北省科技厅厅长郭跃进认为，大数据将会在极大程度上缓解这一问题。随着信息技术在各个城市公立医院的广泛深入应用，处方的数字化、住院结账单等数字化医疗信息的数字化，只要有关部门将这些数据归集起来，采用一定的数据分析判断，就能够全面归集病人、接诊医生、主治医生、治疗处方、住院费用以及结账单等基础信息。据此，可以为准确、科学、公正评价医生诊疗效果与费用、医院管理提供全面客观真实的数据支撑。他还建议，在大数据基础上，建立科学可行的治愈率随机抽查机制，防止为降低病种诊疗费用不顾治疗效果的现象发生，将费用控制与提高治疗效果有机结合起来，切实解决“看病贵”的难题。
李彦宏的提案更关注如何利用人工智能和大数据帮助解决儿童走失和交通拥堵问题。我国拐卖儿童案件已呈现“低发高破”态势，但仍然有案件因线索不足难以侦破。现在的人脸识别技术不仅能够提升图像侦查效率，还能够实现海量人脸数据的跨年龄比对。为此，他建议建立适用于搜寻走失儿童的人脸识别模型，建立覆盖全国的走失儿童数据库，同时将人脸识别技术与治安、交通监控系统相结合，进一步提升儿童走失案件的侦破效率与破案率。
针对交通拥堵问题，李彦宏认为目前我国交通信号灯系统在数据采集、算法优化等方面存在不足，无法充分发挥其在缓解交通压力方面的作用。他提出，可以利用人工智能图像识别、图像分割等技术提升交通流数据采集能力：加强智能交通信号灯配时方案算法研究：建议在有条件地区开展智能交通信号灯应用示范项目。
