时间：2023-08-23 16:59:07
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能与教育，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
近年来大数据、云计算等信息技术飞速发展，人工智能在一些特殊领域（如图像识别、语音识别、自然语言等）不断取得突破性进展。人工智能作为新的技术驱动力正引发第四次工业革命，为医疗、教育、能源、环境等关键领域带来新的发展机遇。人工智能专家预测，人工智能在通用技术领域可能尚不能替代人类，但在一些特殊领域，人工智能将会淘汰现有的劳动力。在国外，许多国家纷纷把人工智能作为国家发展的重要竞争战略，我国学者也密切关注着人工智能的最新理论进展和实践应用，国务院于2017年7月颁布《新一代人工智能发展规划》，明确人工智能发展的重点策略。“人工智能变革教育”的潮流，引发了教育研究领域的“人工智能热”。当前全球范围内，人工智能在教育领域的大量研究和应用催发形成了教育人工智能概念。目前梳理学术上关于研究人工智能与教育的文献主要集中于：
（一）教育理念的革新。“人机一体”将成为未来新的教育方式[1]，由新技术和新手段的出现所应运而生的智慧教育[2]，将对原有教育进行改进和完善。智能技术在改变教育的手段和环境的同时，还有利于构建出系统解决教育问题的教育新体系，从而真正触及教育的根本[3]。
（二）关注技术的革新。机器深度学习、智能学习的算法、视觉识别以及智能语言识别这些基础技术的突破，为人工智能的教育应用奠定了坚实的基础[4]。
（三）探究教育的应用。人工智能在学校教育中的学业测评、交叉学科、角色变化等应用领域具有巨大潜力，教师角色内涵也将在与人工智能的协同共存中发生改变。AI监课系统能够数据化、可视化评估教师的授课情况，将人工智能技术的运用渗透到整个教学过程中，教师可以根据评分实时调整授课内容，以促进个性化学习，从而提升教学效果。教育深受技术发展的影响，新技术融入教育并促进教育方式的转变已成为必然趋势。一方面技术为教育提供了新的、更加广阔的可能性；另一方面技术具有变革人类的教育方式与学习方式的能力。然而，技术是一把“双刃剑”，如何获取或实现以人工智能为代表的新兴信息技术所拥有的特征、优势与功能，使其在教育中最大限度地发挥其应有的价值呢？人工智能技术如何继续被安全使用到教育领域？如何通过教育变革来促进新兴信息技术在教育教学中的广泛与深入应用，实现教育深层次革命等问题，是目前需要关注和探讨的主要问题。
1人工智能时代下教育变革的背景
1.1人工智能的内涵及具备的强大能力
人工智能最早由美国达特茅斯学院于1956年提出，其研究主要包括机器人、图像识别、自然语言处理、语音识别等，实质是一种自动感知、学习思考并做出判断的程序。人工智能具有自主学习、推断与革新的能力，推动了图像识别、自然语言处理等方面的技术突破。人工智能同时具有理性判断力、超强的工作力，只要电力供应不断，几乎可以无限制地工作下去，而且适应不需要情感投入的工作。它的超强能力，源于三个重要的技术：深度学习、大数据和强算力。
1.2人工智能时代的机遇和挑战
人工智能在精力、记忆力、计算力、感知力以及进化力等方面与人类相比，具有突出优势。在医药领域，人工智能的出现使普通民众可以享受更为高效、稀缺的医疗资源，解决医疗诊断领域诊断质量不均衡、医生资源不足等问题。在教育领域，人工智能促进教学质量进一步提升、教师角色多样化、学生学习能力的提升；为教育研究提供新技术和数据支撑；极大拓展了教育研究新视域；使教育在立德树人方面、教育方法创新方面、教育手段和环境方面以及教育服务供给方式方面均发生改变。然而，看到人工智能以其强大的处理能力带来机遇的同时，也需要正视人工智能带来的新挑战。在人工智能浪潮冲击下，如何借助人工智能发展的机遇推进教育的变革与创新？人工智能技术如何继续被安全使用？首先，人工智能专家大都认为，人工智能将会淘汰大量现有的依靠非脑力劳动为生的劳动力，需要培养人工智能时代的新型劳动力。而且，人工智能技术本身的不太成熟使很多人工智能技术只是应用在儿童教育领域，再者，人工智能潜在的道德伦理问题缺乏法律制度规范。除此之外，人工智能时代将对社会结构以及人的地位构成挑战。综上所述，人工智能时代所带来的机遇是大于挑战的。教育需适应人工智能技术所带来的突破和飞跃，不断调整和更新教育的方向和目标，实现育人成人的发展目标。
2人工智能与教育变革
2.1人工智能与教育目的的变革
人工智能带来的巨变不仅影响人类未来如何发展，而且极大释放了人类的生产力，这些在一定程度上使得人类需要重新思考教育是何目的。人工智能影响教育目的的变革主要表现在：第一，人工智能可能会使人类陷入精神危机。这源于两方面的结果：一方面，人工智能将取代大部分人的工作岗位，工作的丧失将会导致人的价值和尊严丧失。另一方面，人工智能技术的发展将可能导致所有基于自由主义的想法破产，转而人类所拥有的价值和尊严可能转化为一种“算法”，人工智能带来的职业替代风险在教育领域同样存在，主要是对教师角色的挑战。第二，人工智能有利于培养人的学习能力。从某种角度上讲，人工智能剥夺人的就业机会，但同时，人工智能助教机器人将协助教师实现个性化指导，从而有利于将学习的过程视为寻求自我价值和意义的过程。除此之外，人工智能有利于使教育注重培养人的精神能力，这种精神能力大致包括实践动手能力、价值追求能力以及创造能力，从而有利于学生知识以便于更好地完善自我、丰富自我，使教育跳脱“知识为本”的陷阱，发挥“立德树人”的正向作用。
2.2人工智能与学习方式的变革
第一，深度学习。深度学习也称为深度结构学习或者深度机器学习，是一类算法的集合。深度学习概念的提出，一方面尊重了教学规律，另一方面也是应对人工智能时代下的挑战。深度学习在机器学习、专家系统、信息处理等领域取得了显著成就，提倡学教并重、认知重构、反思教学过程，进而达到解决问题的目的。第二，个性化学习。个性化学习区别以往传统班级课堂授课，尊重学生的个性发展，因材施教。人工智能技术与大数据的应用有利于学生享受个性化的学习服务，可提供个性化的学习内容，可视化分析学生的学习数据，快速提高学生的学习效率。第三，自适应学习。自适应学习是指人工智能基于对个体学习进行快速反馈的基础上，根据学习者特征，为其推荐个性化的学习资源和学习路径，从而最大程度上适应学生的学习状态，是实现个性化学习的重要手段。人工智能技术有利于快捷、科学地判断学生的学习状态，进行学习反馈；持续收集学生的学习数据，其中包括学习目标、学习内容；高效地为学生提供海量的学习资源。
2.3人工智能与学习环境的变革
首先，有利于搭建灵活创新的学校环境。不仅可以使空间规划更具弹性，而且可以调节性增强物理环境。其次，人工智能时代的教育区别于以往传统教育强调的统一秩序，更注重个体的用户体验。创客空间、创新实验室等学习环境的不断增加以及人工智能技术的不断发展，个性化的空间环境与学习支持将改变目前学习的学习空间环境。除此之外，随着对话交互技术的逐渐成熟与不断普及，有利于实现虚实结合的立体化实时交互。VR、AR等技术的同步协作也有利于搭建新的学习环境，满足学习者的一系列要求。脑机互动技术的突破有利于实现将人工智能植入人脑，从而改变人类自然语言的交流方式。最后，人工智能通过即时、准确、高效的大数据分析有利于进行精准且个性的学习评价与反馈。人工智能将综合收集所有同学的学习记录，互相比对、优化，从而进行综合提升。更为重要的是，人工智能的人脸识别以及语音识别技术可以运用到教师的教学过程中，进行学生的学习情绪感知，学习状况的了解，从而促进学生学习的科学化；智慧校园、智慧图书馆等的出现，为教学环境的建设提供重要参考。
3人工智能在教育领域的应用
人工智能被认为是最有潜力和影响力的教育信息化技术，将通过人工智能数据挖掘分析、3D打印、模拟仿真等技术的应用，实现人工智能与教育的深度融合，对计算机辅助教学、个性化教育服务、教育人工智能生态环境等产生根本影响。2018年《地平线报告》（高等教育版本）指出了教育领域的信息化发展，未来一段时间内将通过人工智能与信息技术的结合，进而影响教育阶段的不同过程。具体见表1所示。
【关键字】人工智能；教育；进展
【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097（2008）13―0018―03
人工智能是一门综合的交叉学科，涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能，其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看，人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破，不仅给学习科学以技术支撑，而且能反过来促使人脑的学习规律研究更加清晰，从而提供更加切实有效的方法论。[3]人工智能技术的不断发展，使人工智能不仅成为学校教育的内容之一，也为教育提供了丰富的教育资源，其研究成果已在教育领域得到应用，并取得了良好的效果，成为教育技术的重要研究内容。
人工智能的研究更多的是结合具体领域进行的，其主要研究领域有：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前，在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能，下面就这些领域进行阐述。
一 专家系统
专家系统是一个具有大量专门知识与经验的程序系统，它使用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为：知识库，用于存储某领域专家系统的专门知识；综合数据库，用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息；推理机，用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作；解释器，向用户解释专家系统的行为；接口，使用户与专家系统进行对话。近几十年来，专家系统迅速发展，是人工智能中最活跃、最有成效的一个研究领域，广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。
目前，专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走，从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容，它可以制定出一个课堂大纲，写出一份教案，甚至有可能开发一堂样板课，而诊断系统是往后走，从一个给定系统陈述查找原因或对其进行分析，例如，一个诊断系统可能以一堂CBI（基于计算机的教学，computer-based instruction）课为例，输入学生课堂表现资料，分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发（ISD）程序的领域中最有名的是梅里尔（Merrill）的教学设计专家系统（ID Expert）。[6]
教学专家系统的任务是根据学生的特点（如知识水平、性格等），以最合适的教案和教学方法对学生进行教学和辅导。其特点为：同时具有诊断和调试等功能；具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统，我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]
目前，在教育中，专家系统的开发和应用更多的集中于远程教育，为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能：具备某学科或领域的专门知识，能生成自己的提问和应答； 能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。
二 机器人学
机器人学是人工智能研究是一个分支，其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段：第一代机器人是以 “示教―再现”方式进行工作；第二代机器人具有一定的感觉装置，表现出低级智能；第三代机器人是具有高度适应性的自治机器人，即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响，其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。
机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人学教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。[10]在机器人竞赛的推动下，机器人教育逐渐从大学延伸到中小学，世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中，我国许多有条件的中小学也开展了机器人教育。
机器人在作为教学内容的同时，也为教育提供了有力的技术支撑，成为培养学习者创新精神和实践能力的新的载体与平台，大大丰富了教学资源。多年来，我国中小学信息技术教育的主要载体是计算机和网络，教学资源单一，缺乏前瞻性。教学机器人的引入，不仅激发了学生的学习兴趣，还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展，教学机器人种类越来越多，目前在中小学较为常用的教学机器人有：能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。
三 机器学习
机器学习是要使计算机能够模仿人的学习行为，自动通过学习来获取知识和技巧，[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等，近年来，知识发现和数据挖掘是发展最快的机器学习技术。机器学习（自动获取新的事实及新的推理算法）是使计算机具有智能的根本途径，对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]
随着计算机技术的进步和机器学习研究的深入，机器学习系统的性能大大提高，各种学习算法的应用范围不断扩大，例如将连接学习用于图文识别，归纳学习、分析学习用于专家系统等，大大推动了在教育中的应用，例如在建构适应性教学系统中，用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好，有较高的准确率[13]。基于案例的推理（case-based reasoning，CBR）是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题，在计算机辅助教育方面，已经出现了基于CBR的图形仿真教育系统，并且，针对个体特征的教育教学方法研究也有所突破。[14]另外，数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用，不仅给机器学习注入新的生机，也为机器学习在教育中的应用提供了新的前景。
四 自然语言理解
自然语言理解就是研究如何让计算机理解人类的自然语言，以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务，其功能为：回答问题，计算机能正确地回答用自然语言提出的问题；文摘生成，计算机能根据输入的文本产生摘要；释义，计算机能用不同的词语和句型来复述输入的自然语言信息；翻译，计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现，因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘，深化对语言能力和思维本质的认识。[16]
自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径，例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言，进行人机对话，回答关于桌面上积木世界中的各种问题。同时，对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展，例如“希赛可”网络智能英语学习系统，这个基于网络的“人-机”语境的建立，突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制，也比建立于网络的“人-人”语境更具灵活性，可以为远程学习者提供良好的英语学习支持，在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上，在国际上也是一种创新。[17]
五 人工神经网络
人工神经网络就是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能的元件（即人工神经元），按各种不同的联结方式组织起来的一个网络，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能，例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域，人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构：递归（反馈）网络和多层（前馈）网络，两种主要学习算法：有指导式学习和非指导式学习。
人工神经网络从模拟人类大脑神经网络的结构和行为出发，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，[19]这使人工神经网络具有更大的发展潜能，目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合，以此来改进教学专家系统的性能，提高智能性，使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用，例如采用误差反传算法（BP）的多层感知器已应用于高校管理之中。
六 分布式人工智能(Distributed Artificial Intelligence，DAI)
分布式人工智能是分布式计算与人工智能结合的结果，研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型，主要研究问题是各Agent之间的合作与对话，包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成，每个Agent又是一个半自治系统，Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点，在资源、时空和功能上克服了单智能系统的局限性，因此获得了广泛的应用。
分布式人工智能中的Agent和多Agent技术在教学中的应用逐渐受到关注。在教学中引入Agent可以有效地提高教学系统的智能性，创造良好的学习情境，并能激发学习者的学习兴趣，进行个性化教育。目前，Agent和多Agent技术多用于远程智能教学系统，通过利用其分布性、自主性和社会性等特点，提高网络教学系统的智能性，使教学资源得到充分利用，并可实现对学习者的学习行为进行动态跟踪，为学习者的网络学习创造合作性的学习环境。在网络教学软件中应用Agent技术的一个典型是美国南加利福尼亚大学（USC）开发的教学Adele（Agent for Distance Education - Light Edition） [22]。Agent技术在网络教学软件中取得的良好效果，促进了研究者对分布式人工智能在教育中的应用研究。
综上所述，科学技术的发展将会推动人工智能技术在教育中应用的广度和深度。从人工智能的应用趋势来看，人工智能在教育中应用的扩展可以通过以下三个方面进行：一是人工智能与其他先进信息技术结合。人工智能已经与多媒体技术、网络技术、数据库技术等有效的融合，为提高学习效率和效度提供了有力的技术支持，而引起教育技术界广泛关注。[23]例如人工智能技术通过与多媒体技术相结合，可以提高智能教学系统的教学效果；与网络通讯技术相结合，可以提高和改进远程教育的智能性。二是人工智能应用研究领域间的集成。人工智能应用研究领域之间并不是彼此独立，而是相互促进，相互完善，它们可以通过集成扩展彼此的功能和应用能力。例如自然语言理解与专家系统、机器人的集成，为专家系统和机器人提供了新的知识获取途径。三是人工智能的研究和应用出现了许多新的领域，它们是传统人工智能的延伸与扩展，这些新领域有分布式人工智能与Agent、计算智能与进化计算、数据挖掘与知识发现以及人工生命等[24]，这些发展与应用蕴藏着巨大潜能，必将对教育产生重要的影响。
技术发展不断发挥着引导教育技术研究的作用，一种新兴技术的出现总是会掀起相应的研究热潮, 引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25] 人工智能作为一门交叉的前沿学科，虽然在基本理论和方法等方面存在着争论，但从其研究成果与应用效果来看，有着广阔的应用前景，值得进一步的开发和利用。
参考文献
[1] 史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.
[2][11][18][19] 《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.
[3] 任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.
[4][21] 蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.
[5][12][15][20][24] 蔡自兴,徐光.人工智能及其应用(第三版)――研究生用书[M].北京:清华大学出版社,2007: 12-14,19-20.
[6] [荷]山尼•戴克斯特拉,[德]诺伯特•M. 西尔,[德]弗兰兹•肖特,等.任友群,郑太年主译.教学设计的国际观第2册:解决教学设计问题[M].北京:教育科学出版社,2007:67.
[7] 任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.
[8] 路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.
[9] 陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.
[10] 关注机器人幼儿教育――访鲍青山博士[DB/OL].
[13] 柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.
[14] 杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.
[16] 自然语言理解[DB/OL].
[17] 贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.
[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].
[关键词]人工智能；公共管理；运用
中图分类号：D631.43文献标识码：A
随着科学技术的发展，人工智能、大数据等新一代信息技术已经成为了人们关注的焦点，它不但给人们的工作生活带来快捷和便利，同时实现了良好的经济社会效益。把人工智能运用到公共管理当中，可以创新管理理念和管理模式，提高公共管理和社会治理的效能。
一、公共管理概述
公共管理是指以政府为核心的公共部门，把科学管理理念、功能、组织及手段应用到公共事务。公共管理的特征：其一，公共管理主要把实现公共利益当作主要目标，促使社会整体朝着更加良好的方向发展；其二，积极履行社会公共责任是公共管理重要职能；其三，公共管理能够结合实际发展需要，协调与控制各项公共事务，并不断创新管理方式和手段。因此，公共管理者需要在法律基础上主动实行公权力，科学合理地运用各项公共资源才能顺利实现最终管理目标。目前，社会对公共管理者的专业能力及综合素养要求越来越高，公众在整个过程中赋予公共管理者较多的期望和责任。此外，公共管理也具备技术掌控职能、社会协调职能及预测职能等，这些都是新时代对公共管理者提出的新要求，公共管理者必须全面掌握各方面技能，了解并掌握公众的实际需求与时代的发展趋势，才能成为一名符合时展的高素养公共管理者。
二、人工智能对公共管理的主要影响
（一）人工智能对公共管理的促进作用
公共管理指通过使用管理理论、技术及方法等知识，系统化、专业化地管理公共事业，不断优化公共资源分配，使公共事业为人民服务。传统公共管理模式在公共管理信息收集及资源管理配置方面，需耗费大量人力、物力及财力，要想提升公共管理水平，就要加大成本投入。因此，传统的管理模式已无法适应新时期公共事业管理需求。将人工智能运用到公共管理中，尤其在收集处理公共管理信息方面效果较为明显。其一，智能化管理系统能够全面提升收集信息的效率和质量；其二，人工智能管理模式更为精准有效。人工智能对于问题与数据分析更具针对性，分析结果更加科学合理，可以准确把握社会个体需求，做到管理精准化、个性化；其三，在公共管理中运用人工智能可以节约成本，并实现更加优化的管理目标，提升公共管理效益；其四，在公共管理中运用人工智能，使资源配置更加符合公众需求，采用人工智能化、科学化资源配置模式，能够使资源合理利用，发挥最大效能。
（二）人工智能给公共管理带来的风险
人工智能作为新兴信息技术，为公共管理事业带来了较多机遇，推动了公共管理事业的进步和发展。然而人工智能也给公共管理事业带来了相应的机遇和风险。人工智能给公共管理带来的机遇在于人工智能与计算机网络技术可以完整的保存海量数据，并挖掘与分析有价值的信息。网络安全性使得人工智能技术存在诸多未知性，人工智能是否能够确保信息资源安全，包括信息存储、授权使用，行为轨迹等管理问题[1]。信息安全对公共管理十分重要，要确保信息安全才能使公共事业管理中资源配置更加科学合理，最终实现提升公共管理效率。通过以往的案例证明，人工智能技术的自我安全性还不足，因此，要想使人工智能在公共管理事业中得到普及，就必须尽快解决这一问题。
三、人工智能在公共关系管理当中的具体运用
当前，人工智能快速发展，能给人们的工作生活带来巨大改变，帮助人们完成了许多高难度、高强度、复杂化的公共工作，推动智能社会发展。人工智能能够代替人开展脑力劳动工作，可以改变许多工作模式。但是人工智能属于辅助工具，人们要正确认识并科学合理地利用它，才能充分发挥它在公共管理中的真正价值。在人类社会不断进步与发展过程中，公共管理者必须不断学习、掌握先进技术，才能提升对人工智能的利用效率，把具有明确规则却复杂、耗时耗力的工作交给人工智能。
（一）公共事业方面。有人认为人工智能在生活和工作中不常用到，然而其已经运用到了人们生活的方方面面。2016年共享单车方便了出行，各年龄段的人安装了共享单车APP。共享单车具有明显优势，快捷便利、绿色环保，是人们出行的首选。共享单车利用人工智能平台，来科学的预测骑行的行程、路况及停放等，从而有效整合了天气、时间等各项变量工作，合理分析了其需求量和供给量，进一步提升了共享单车管理效率和效益。由此可见，人工智能已经越来越多地进入到了人们的日常生活当中，改变了人们的生活模式，使人们的生活朝着智能化方向发展。
（二）社会经济方面
运用人工智能能够把消费者具体需求反馈给企业，企业根据精准数据可以制定出更加优质的产品，提供高效服务[2]。当前电子支付是人们生活中重要的内容，人们出行不用带大量现金，运用支付宝或微信就能够进行支付。同样在电商物流整个过程中，分拣机器人就属于人工智能，其每天能够完成大于20万的工作量，很好地解决了困扰电商的物流问题，降低了人工成本，提高了工作效率。
（三）教育管理方面
人工智能运用包含教育管理，通过智能化学习系统和数据分析，教师能根据学生具体情况，如学习行为数据、知识点掌握等制定相应的个性化教育方案，提高了育人效果。从当前人工智能在教育领域运用情况看，在远程教育中同样获得了良好效果。在运用人工智能后，学生获得了个性化教育，创建了新的教学、内容研发和师资管理等形态。运用人工智能可以更准确、有针对性地协助教学，使日常教学效率得到大幅度提升。
四、人工智能在公共管理中的应用措施
（一）改变人才培养方式
人工智能技术的运用，还可以推动人才培养方式的变革和发展，能够创建健全的新型教育方式。首先，加强编程教育普及，设置人工智能方面的课程，把人工智能和其他学习的教育结合起来，健全人才培养方式。其次，组织多元化、多层面的人工智能科普活动，使社会大众能够进一步认识和了解人工智能。最后，加大人工智能基础设施方面的建设。
（二）重新构建组织形式
随着人工智能的出现和广泛运用，管理主体要结合自身特点，积极主动运用人工智能，不断发展完善管理结构。
在日后的工作当中，管理主体要和普通员工、智能机器有效合作，全面发挥潜在优势。另外，运用人工智能技术的时候，管理者要精心设计各种组织形式，才能确保信息传递真实、高效。
（三）创新工作模式
随着社会发展和科技进步，公共管理者必须具备较强的学习能力和综合素质才能满足工作需求。在工作中可以通过人机互动工作模式，充分发挥人工智能在处理重复性、逻辑性等工作的优势，和管理者的工作充分融合、优势互补，将人工智能运用到公共管理中，创新工作模式，推动公共管理事業的发展。
[关键词]：多媒体 创新课程 人工智能与机器人技术 智能化
随着网络媒体技术的不断发展，现代化的电教媒体进入教室和教师办公条件的改善，这些不仅使现在的课堂教学发生了巨大的变化而且也使多种创新课程在教学中变得越来越便于实施，因此在我校完善的办学条件的基础上，开设了劳动技术创新课程《人工智能与机器人技术》，在贯彻三个面向教育方针的同时也更好地能够帮助学生在今天这个智能化的社会中学习和发展自己。
一、多媒体是实施创新课程教学的平台
传统的劳动技术课程已经不能满足当今社会发展的需要了，因此劳动技术课程必须与时俱进，这就要求教师能够依据当今社会的发展形势，自己创新劳动技术课程，因此我们在参加机器人比赛的基础上，在学校面向全体学生开设了《人工智能与机器人技术》课程，这样使每位学生都有机会接受这种智能化劳动技术课程的学习，以适应这个智能化程度越来越高的社会，甚至为将来从事这方面的工作打下一点技能基础。但是由于这种创新课程没有现成的教材和上级主管部门提供的配套器材，所以教学上所需要的一切都需要自己准备，因此就难免在学生所用教材和设备上准备不到位的情况出现，并且由于种种原因，这种情况持续的时间可能还不会短，这时就需要充分发挥多媒体的作用，利用现代化的多媒体设备，创造条件开设创新课程，以体现时间上的优势，同时在教材和教学器材不能满足全体学生要求的条件下，多媒体在实施创新课程教学中能够发挥非常积极的作用。
二、多媒体在创新课程中必须发挥的作用和任务
1、创新课程中的教学内容需要多媒体呈现
创新课程一般都没有学生用的现成教材，因此需要教师自编后利用多媒体呈现给学生，当然一些时效性比较强的教学内容也只有通过多媒体在第一时间呈现给学生，教师在准备创新课程中用的许多案例，需要通过网络媒体、国内外的各种考察交流、和其他交流活动中获得最原始的资料，通过老师的加工最后以合适的方式利用多媒体的平台展示给学生，例如在给学生介绍各种各样的机器人的时候，就是通过视频来让学生知道目前世界上比较先进的用于军事方面的、医学方面的、生活方面的、以及中学生比赛方面的机器人，学生观看后可以知道机器人的多种多样和总结出机器人的特点。
2、在创新课程中利用多媒体加强合作学习
现在合作学习越发普遍，通过合作可以集中大家的智慧，使某种作品在合作中更趋完美，或者通过合作交流学生们能够在更大程度上受到启发，例如在创新课程《人工智能与机器人技术》的教学中，同学们在了解了机器人的特点、结构和各自具有的功能后，请同学们用画图的形式来设计一个比较简单的滑雪机器人，设计完成后请同学们把自己画的机器人通过实物投影来展示，并说出设计的一些想法或者为什么这样设计的目的，通过交流同学们不仅改进了自己的设计，而且在学习了乐高CAD软件后，在电脑上设计搭建出了许多包括一些简易机器人在内的模型，这样不仅提高了设计的能力，也更加实际体会到了电脑、软件对学习的帮助作用，因此我校学生在本学期“分享创意共助青奥”创意作品评比活动中制作出了很有特色的太阳帽作品。
3、在创新课程中利用多媒体有效突破教学过程中的重点和难点
在创新课程《人工智能与机器人技术》教学中，学生在用乐高编程软件开始编程时，很多同学感到无从下手，不知道要考虑哪些因素、设备工作情况等，这时我们可以利用多媒体以图片或者视频的形式有序地展示所编程序中设备的工作过程的情况、以及观察工作过程中各种设备所起的作用，是输出设备还是输入设备，各设备的连接情况以及控制条件的分析，这样就可以依据程序结构进行列表分析，这些重点内容明确清楚了，编程这个难点问题也就解决了，因此交通灯程序、冰箱灯程序、路灯程序、冰箱温度自动控制程序，机器人走黑线程序等就很容易编出来了。在用乐高CAD软件搭建机器人等模型时，开始时先学习搭建简单的模型，例如颁奖台模型，学生从设计到搭建完成后，再请大家展示各自的搭建作品，分步搭建的过程情况，在这个基础上，再请同学们来设计用于某方面的机器人，并通过乐高CAD软件搭建出来，这样利用能够直观展示的多媒体解决了创新课程《人工智能与机器人技术》教学中许许多多的重点和难点问题。
4、在创新课程中利用多媒体有效提升学生的科技素养
关键词:新医科;智能医学;人才培养
1绪论
健康中国已上升为国家战略，新医科在我国高等教育中掀起了一阵新的改革浪潮，“智能医学”的应用性人才培养模式也随之开启。智能医学工程是以现代医学与生物学理论为基础，融合先进人工智能及工程技术，挖掘人的生命和疾病现象的本质及其规律，探索人机协同的智能化诊疗方法及其临床应用的新兴交叉学科。目前，高校在进行医工融合培养学生的指导过程中，存在许多问题，如医学和工科的理论结合层面较为薄弱，多学科交叉联合指导的机制不完善，成果转化和临床应用性不高。实践层面，在现有的医学教育模式下，医学生缺乏全面的对数据进行收集、处理与分析的能力。但是在智能医学时代，对数据的处理与分析能力会成为医生工作的重要组成部分。面向医疗健康的智能医学工程交叉学科人才的迫切需求，智能医学工程交叉学科的人才培养的机制有待完善。2019年，一些院校如南开大学和天津大学获得教育部的审批，已经率先实行招收智能医学工程专业的新生［1］。高等医学教育对新医科背景下智能医学工程专业人才培养认知还处于探索阶段，智能医学工程如何实现医工交叉学科的融合发展，如何获取人才培养中的合适方法、模式、关键技术等的研究，协同医学发展、社会需求的人才，还需要深入思考和进一步探索。
2新医科背景下智能医学人才培养
2．1新医科符合医科改革的内在需求
随着“健康中国2030”国家决策不断推进，医疗健康逐渐被国家视为重要的基础性战略资源，在大数据和人工智能技术影响下，临床应用、疾病预测与预防、公共卫生、循证公共卫生决策、健康管理、健康监测与个性化医疗服务等方面的研究以及产业发展，将是未来整个医疗领域的提升方向，给智能医学分析与决策赋予了新的意义和内涵。
2．2医工融合发展的必然趋势
随着精准医疗与智能医学诊疗技术的深度融合，理论层面，把握新医科背景下智能医学工程专业复合型创新人才培养目标，以临床应用性为导向，多学科领域知识相互渗透。调整医工结合课程体系，既符合新医科需求，又实现医工融合课程模块间的交叉互补，体现医工结合特色的宽口径学科结构。培养既懂医药科学、数据科学又懂人工智能应用的高级复合型人才。实践层面，精准医疗与智能医学工程技术紧密结合，利用临床医生在传统医学中积累丰富的临床经验，并融入到智能医学诊疗模式变化中，将彻底改变现有诊疗模式。
2．3人工智能助力智能医学工程人才培养
随着科学技术的飞速革新，人工智能核心技术推动传统学科专业建设和医工交叉融合。助力人才培养主要表现在以下三个方面。一是从智能医学诊疗技术创新的角度，技术的革新引领人工智能与各个产业领域深度融合，创造新的产业或领域，计算机模拟人脑的思维过程，实现人机交互，提高医疗资源的利用率，推动医疗产业的高效运转。智能医学诊疗主要包括疾病早期诊断、临床决策支持、正确用药、诊疗方案的选择等。如KopR和HoogendoornM等探索了医院对病人电子病历(EMR)数据进行分析，结合结直肠癌预测模型，更准确的预测早期直肠癌和干预治疗实践［2］;HoshyarAN和Al-JumailyA等探索了医学影像自动诊断皮肤癌，通过数据预处理去除噪音和不必要的背景图像，提高图像质量，辅助医生进行临床决策［3］。二是从医疗健康大数据的角度，随着大数据、数字技术、机器学习和人工智能等信息技术在医疗领域的应用，电子健康记录数据呈指数型增长，医疗大数据来源包括医院记录、患者医疗记录、医疗检查结果和物联网设备［4］。智能医疗系统具有识别、筛选和决策等智能医疗辅助功能。2017年上海计算机软件技术开发中心对医疗大数据可视化系统的实践与研究［5］;2018年，阿里健康与阿里云宣布共建阿里医疗大脑2．0［6］，加强在图像识别、生理信号识别、知识图谱构建等能力的建设［7］;同年，腾讯推出医疗AI引擎“腾讯睿知”，具备更智能化的医疗垂直搜索功能，帮助患者精准匹配合适的医生。三是从人才培养的角度，多学科交叉融合发展是大势。人工智能将打破不同学科专业的壁垒，推进多学科交叉融合发展，形成“人工智能+”的专业新的人才培养模式。高校也应根据产业需求变化调整专业设置，构建新的专业结构。高校人工智能相关的本科专业将会蓬勃发展，形成颇具特色的“人工智能+”专业集群。“人工智能+”技术所衍生的新医科、新工科专业之间的协同创新发展，实现技术创新与医疗应用的统一。以“人工智能+医学”为契机，结合医学产业发展趋势和智能医学工程专业的特点，研究相应的教学体系、制定科学的教学计划，建立具有行业特色的课程群、制定合理的课程大纲，解决学生在医学诊疗和工程技术两方面协调发展的问题，全面提升医学生的综合素养以及未来的职业竞争力。综上所述，新医科人才培养在人工智能助力下，培养学生具备较强的创新意识和具有智能医学领域科研能力，掌握关键理论与方法，创造性地将计算机科学技术、人工智能技术和方法、大数据关键技术与医学应用系统相结合，进而创新性完成的医学信息处理、行为交互和人工智能系统集成及应用。以上需培养的能力，对现有医学专业的改造升级、人才培养模式的改变、师资队伍的全面建设具有较高的要求。
3培养新医科人才的实施路径
3．1从医工融合研究的视角
智能医学工程的专业培养建设要体现医工融合发展需求，推进智能工程、医学与教育的深度融合，提升人工智能在医学中的应用，满足新医科发展要求的卓越工程师为育人目标，强调学科交叉渗透、重视临床应用、把握科技前沿，推动教学创新等。
3．2从医工融合研究的广度
目前我国部分高校开展了医工融合人才培养模式的探索，但有区域特色的医工融合研究还不多。针对新医科临床需求分析，把握智能医学工程高等教育体系，重点聚焦区域特色，研究面向健康和重大及特殊疾病防治需求的“新医科”对人才的需求。
3．3从医工融合研究的深度
(1)整体设计智能医学工程专业教学环节。建立知识能力矩阵，整体设计教学、实验、课程设计、专业实习、毕业设计等环节，突出新医科相关课程及实践，加强附属医院和教学医院的联系，深化临床实践能力。(2)培养学生专业能力和科研创新能力。智能医学工程专业教学与知识能力培养的思考是以智能医学学科的特点为基础，通过知识能力矩阵的智能医学工程专业课程创新教学，根据智能医学工程专业课程知识点的内在联系和相对独立性，优化核心知识模块形成知识能力矩阵，构建课程内容架构。通过系统理论知识教学、优化课程实验和上机安排，引导学生自主设计性学习，提高学生的学习积极性，达到有效教学效果。(3)结合学生兴趣偏好，研究如何提高学生的专业兴趣，探索将专业兴趣转换为“工匠精神”的教育理论及方法:广泛调研，全面建立当前地方高校智能医学工程专业学生与专业偏好的培养模式。
4结语
［关键词］人工智能；包装专业；人才培养转型
人工智能时代，是继农业革命、工业革命后，人类现代社会的第三次浪潮时代。以人工智能、大数据、物联网等为代表的新技术、新应用应运而生[1]。包装产业作为典型的传统产业，人的操作技能与经验曾发挥着决定性的重要作用，对生产效率、产品质量等有着重要的影响。然而，随着包装产业向绿色化、数字化、智能化、融合化的技术升级与转型，企业的岗位设置和人才需求也正在发生巨大变化[2]。为了深入了解包装相关产业的转型，深圳职业技术学院传播工程学院会同中国印刷科学技术研究院针对四类包括包装印刷生产企业、包装设计公司、设备制造企业和终端品牌客户在内的28家大中型代表性企业开展了“人工智能时代包装人才需求的调研”。本文将结合这次调研结果，探讨人工智能时代高职院校包装专业人才培养转型。
一、包装相关企业用人现状分析
根据调研数据分析，对于包装印刷生产企业，人员占比最大的是印刷生产人员和印后加工人员，这体现出目前我国包装印刷生产行业的现实情况，即印刷生产及印后加工自动化、数字化、智能化水平都处于较落后的状态。但随着数字车间、智能工厂的建设，印刷生产、印后加工、质检、仓储物流岗位将更多地被智能化设备所替代[3]，因此这些岗位的人员需求度将逐年降低。对于包装设计公司，人才需求主要集中在策划及包装创意设计人员，且设计师岗位工作目前受到人工智能技术的冲击较小。这也说明在人工智能时代，设计师岗位结构变化不大，因为设计岗位属于智力劳动型岗位，对设计师的专业知识和创新能力要求较高。作为包装印刷企业服务商的设备制造企业，其主要人员岗位均集中在产品研发人员、产品生产人员及售后服务人员。在这次人工智能技术革命中，设备制造商将发挥着重要作用，其产品要满足智能化的需要，就必须掌握并应用人工智能相关的技术，所以未来其产品研发岗位必定是设备制造企业的核心岗位，且对人才的要求较高，需求较旺盛。而对于最受毕业生就业喜欢的终端品牌客户其产品研发人员的比例远远高于前三类企业，产品研发人员一直是终端品牌客户关注的主要岗位，未来需求也将保持稳定。在调研中我们还发现，除了上述固有岗位结构变化外，对于包装类企业在人工智能时代也将催生一批新的就业岗位，如IE工程师、智能设备操作员、云服务平台运维人员、智能化信息管理人员、智能化物流管理仓储人才、智能化服务平台的运营人员等，这些新岗位的出现为包装高职教育提出更高的人才培养要求。
二、人工智能时代对包装专业高职人才培养提出的新要求
人工智能时代，技术创新不断涌现，包装产业结构也随之调整，在人才知识结构和专业技术能力要求两方面对包装专业高职人才的培养提出了新要求。
（一）人才知识结构要求
根据调研数据分析，从企业选择数量来看，人工智能时代，包装专业人才需要具备的知识，按照占比排前的依次为“包装策划与营销知识”“包装结构设计”“智能包装技术”“包装造型设计”。在人工智能时代，包装专业人才需要跨界融合的趋势越来越明显。作为一个包装从业人员要不断强化市场营销意识，根据包装产品的属性与特点，结合市场与消费者需求进行设计开发，并将功能、结构、装潢、材料、生产工艺等方面的因素同时考虑，进行针对性、多样化包装设计。例如，包装设计已由单品包装转为系列化的包装设计，一套茶叶包装可扩充为茶叶包、茶叶盒、茶叶手提袋等多种包装产品。另外，人工智能时代，智能包装必定成为包装行业的主流趋势，因此，日常工作中，包装设计师在保留包装产品基本功能后，还应设法提升产品的附加价值，进行品牌推广的同时需增加感知、监控、定位、记录等相关信息的辅助包装设计功能，帮助客户对产品流通全程进行跟踪、监控，以提高供应链整体效率，使客户安心放心使用产品[4]。与此同时，包装专业人才还应具备数据统计与分析、AR/VR/HTML5等新技术知识，可以帮助包装设计师了解消费者的心理动态，设计出更符合消费者需求的包装产品。
（二）专业能力要求
人工智能时代，随着客户需求的提高、包装承载功能的丰富，包装相关企业对于包装专业人才的能力有更高的要求，各调研对象对必备能力的选择，从选择的数量上来看，对于包装专业人才必须具备的能力排名靠前的分别是“对市场品牌的敏感度与审美”“包装造型与外观创意设计能力”“包装产品策划能力”和“包装结构设计能力”。这充分说明包装专业人才属于智慧型人才，需为客户提供品牌策划与设计方案。为此，首先要了解客户需求，对设计品牌的起源、特点及标志有一定认识，才能正确、清楚地进行需求定位；其次才是设计环节。而人工智能时代，包装专业人才的竞争，将不再局限于纸面上的设计图案，创新思维将成为当前包装策划设计人才的核心竞争力。
三、人工智能时代高职院校包装专业人才培养转型建议
人工智能等新技术与包装产业的融合对包装教育提出更高的要求和人才培养规格[5]。高职教育作为一种比其他教育类型更贴近市场、更注重实用性的教育，需要及时调整专业定位和人才培养目标。
（一）专业定位
高职教育以市场和就业为导向，企业需要什么样的人才，我们就应当培养什么样的人才，从前面的调研数据可知，无论是知识结构还是能力要求，策划和设计都是最重要的两个点。包装策划指根据产品特色与生产条件并结合市场与消费需求，对产品的市场目标、包装方式与品牌定位进行整体方向性规划定位的决策活动。包装设计则是一个大设计概念，包含装潢设计、结构设计、造型设计、运输包装设计、工艺设计等[6]。目前包装人才培养方面各院校更多偏重于设计、技术方面，而忽视了策划。未来，整个行业对具有市场数据分析、文案写作、创新思维、市场营销的策划类人才将有更多的需求。包装人才，策划先行，包装专业需在策划类课程建设、师资培养等方面投入更多精力。
（二）人才培养目标
包装产业的融合性特点使得包装专业人才跨界融合的趋势越来越明显。未来，行业将更需要能提供包装整体解决方案的复合型高技术高技能人才，因此在人才培养目标的制订上将体现以下三个方面的特点。1.具有跨学科、跨专业知识背景调研数据显示，包装企业从业者往往身兼数职，需要同时掌握多种专业知识和业务知识。例如包装策划人员，一方面要有市场营销知识和品牌推广能力，对于客户消费心理有基本的分析和判断；另一方面还需要具备设计思维和设计技能，同时还应对各种包装材料、包装形式、包装工艺有深入了解。因此包装人才培养，不仅要具备包装设计、包装材料、包装工艺等知识，还要具备计算机软件应用、市场营销等方面的知识和技能以及人工智能基础知识。2.具有运用大数据分析、人工智能、物联网技术的能力目前包装企业还面临设备操作智能化水平低、数据信息交互机制缺失、生产劳动强度大的局面。为了更快地推进包装企业的智能化，实现高质高效，包装企业现阶段更需要一批既懂包装专业知识，又精通大数据分析、信息化、网络化、智能技术的技术型人才。包装专业人才同样需要运用大数据分析客户需求、客户喜好，同时能够将人工智能技术、物联网、区块链技术引入包装设计中，发展智能化包装。3.具有创新思维创新是企业发展最核心的动力，从前面的调研也可以看出，在人工智能时代，创新技术和创新设计已经成为企业的第一核心竞争力，特别是作为包装专业人才，需要通过策划、创意设计进行包装的创新以满足功能上的新要求和视觉上的新鲜感。没有创新思维，就像无本之木，没有办法实现包装在功能、形式、外观、材料等方面的创新。企业首先看重的就是创新思维，其次才是专业能力。高职院校应在平时教学中注重培养学生基于专业知识的发散思维，通过各种竞赛锻炼创新实践能力。应积极组织学生参与“包装之星”“世界之星”“全国包装设计职业技能大赛”等科技竞赛，以赛促学，以赛育人，参与设计专题讨论交流，切实提高学生的专业素养和培养质量
四、结语
关键词：智能科学与技术；科学研究；专业建设
中图分类号：G642 文献标识码：A
1 引言
智能科学与技术学科以计算机科学为基础，结合了认知科学、信息学、控制科学、生命科学、语言学等学科的相关理论和研究方法，是一门新兴的交叉学科，将成为21世纪信息科学研究的制高点和信息产业价值的主要提升点。
在国外，许多著名高校都设立了“人工智能”专业并授予智能科学专业学位：世界多数知名的理工类院校都设立有人工智能研究所或实验室，进行智能科学专业的研究生培养及科研工作。在国内，智能科学与技术专业起步则较晚：2003年12月5日，教育部正式批准北京大学信息科学技术学院设立“智能科学与技术”本科专业，这标志着我国“智能科学与技术”专业的诞生。
厦门大学在智能科学与技术领域已经有多年的研究积累和师资储备。2006年12月，教育部正式批准厦门大学设立“智能科学与技术”本科专业，2007年6月6日，厦门大学智能科学与技术系经学校批准成立，并于2007年9月迎来了第一届本科生。本文将简要介绍近几年来厦门大学“智能科学与技术”专业的建设情况。
2 厦门大学智能科学与技术相关领域的科学研究进展
厦门大学在智能科学与技术领域的研究已开展了多年。早在1988年，学校就成立了校级科研机构――“厦门大学人工智能与计算机研究所”，目前，经厦门大学批准，正式更名为“厦门大学人工智能研究所”。它是一个以实用智能技术研究为主、集基础研究与应用开发于一体的研究机构，是厦门大学组建智能科学与技术系的主要基础。
厦门大学智能科学与技术系面向国际学科发展趋势和国家发展的重大需求，利用人工智能研究的方法和手段，不断开辟新的研究领域，逐渐确立了语言信息处理、认知计算、智能信息检索、中医信息处理、视频图像处理、智能机器人等主要研究方向。在语言信息处理方面，现设手写汉字识别、自然语言理解、机器翻译、语料库技术等研究领域；在认知计算方面，现设觉知计算、脑机接口、机器感觉、隐喻逻辑等研究领域；在智能信息检索方面，现设文本信息过滤、信息检索、信息提取、智能数据挖掘、Web挖掘等研究领域；在中医信息处理方面，现主要研究开发多媒体中草药智能查询系统、基于舌象中医智能体检系统；在视频图像处理方面，现设图像数据库、生物特征识别、遥感图像、地理信息系统等研究领域。2008年，系里引进了被称为“人工大脑之父”的著名学者Hugo de Garis教授，并以他为首组建了人工大脑研究室，该研究室的目标是，经过三年左右的时间，建设中国首个人工大脑。
经过十几年的不懈努力，我们在上述研究领域均取得了一批有影响的重要研究成果，在我国学术界具有一定的学术地位，获得数十项国家和省部级项目经费的支持。目前在研的项目有国家自然科学基金项目3项、国家863项目2项、国家863子项目2项、福建省自然科学基金项目1项、福建省科技计划重点项目2项。在汉字识别、词语切分标注、语法分析、词义消歧、指代消解、语言神经基础、汉语理解策略、网上信息的选择翻译、统计机器翻译、语音识别与合成、计算机音乐、计琴学等诸多方面进行了有特色的研究，形成了具体的算法，并且还提出了一种系统性的协动计算理论，出版专著5部，数百篇，其中近三年被EI、SCI等检索的论文达200余篇。
在基础理论研究的基础上，智能科学与技术系还十分注重产学研结合，先后与北京德威特电力系统自动化有限公司和深圳名人电脑等公司进行合作研发，广泛开展应用系统的研制开发，主要包括：手写汉字机器识别系统、汉语分词和词性标注系统、机器翻译系统以及网上汉语文本分类和信息过滤系统。其中，手写汉字机器识别系统获浙江省教育厅科学技术进步三等奖：机器辅助汉英互翻系统获福建省科技厅科技进步三等奖；汉语分词和词性标注系统获得2003年863中文信息处理评测第二名：机器翻译系统(包括XMMT汉英机器翻译系统、Matrix英汉机器翻译系统、Light英汉机器翻译系统和Neon英汉双向机器翻译系统)在863智能接口评测中多次名列前茅，形成多项产品，技术授权国内多家单位使用。
在科研平台建设方面，智能科学与技术系发挥厦门大学多学科交叉的优势，联合人文学院、外文学院和海外教育学院华文系的学术力量，于2003年成立了“厦门大学语言技术中心”，其中，汉外多语言机器翻译为主攻方向之一。2006年获批了“智能信息技术福建省高校重点实验室”；目前，以人工大脑相关内容为研究核心的“福建省仿脑智能系统重点实验室”也已获批。
3 厦门大学“智能科学与技术”专业建设情况
厦门大学智能科学与技术系现有一个本科专业(智能科学与技术)，三个学术型硕士学位授予专业(人工智能基础、模式识别与智能系统、计算机应用技术)，一个“计算机技术”工程硕士培养方向(智能工程及网络安全方向)，一个博士学位授予专业(人工智能基础)。现有在校本科生近90人，硕士研究生80多人，博士研究生25人，博士后2人。本系教职工近30人，其中：教授5人，副教授5人，80％具有博士学位或者博士在读，40岁以下的年轻教师占2／3。
3.1 本科生专业建设
在本科生培养方面，厦门大学智能科学与技术系的目标是要求学生能够有效和系统地掌握本学科的理论基础，比较深入地理解智能科学与技术理论；培养具有一定的分析、综合和创新能力，能够承当智能信息系统设计、开发和智能科学与技术学科教学任务的，德、智、体全面发展的科学技术工作者：毕业生适宜到科研机构、学校、技术或行政管理部门、公司、厂矿等企事业单位从事科技研究、应用开发、信息管理和教学工作，也可以进一步攻读该专业及相关专业的硕士学位。
为了实现上述目标，我们遵循“宽口径、厚基础、抓关键、重实践”四项基本原则，制定了较合理的教学计划，在本科一、二年级安排公共基本课程、校通识教育课程、院系通修课程；从二年级下学期开始结束院系通修课程，转而推出部分学科通修课程，向专业化过渡，三年级开始加入方向性选修课程。其中，公共基本课程621学时、33学分；校通识教育课程262学、15学分；学科通修课程1544学时、90学分；方向性课程120学时、分；学科跨方向性课程108学时、6学分。这样的安排能真正使学生在获得扎实而宽厚的理论基础、合理的知识结构的同时，培养较强的获取新知识的能力和创新精神。
为了能切实提高学生的动手实践能力，我们在办学过程中十分重视和强调实践环节的训练并倡导理论与实际 相结合，已经规划建设一个特色实验室――“仿脑认知与智能机器人”实验室，可支撑仿脑认知与智能机器人两个方向相关课程的教学实验，总经费预算100万元。依托该实验室，结合相关课程，高年级本科生可以进行“心理物理测试实验”、“眼动测试实验”、“面部表情与脑电对照实验”、“行为学与智能关系测试实验”、“机器人避障行走路径规划”、“机器人目标识别与跟踪”、“机器人声控实验”、“机器人智能语言翻译”、“机器人足球比赛”等众多特色实验。
3.2 研究生专业建设
厦门大学智能科学与技术系的研究生培养以加强创新能力的培养为核心，以加强基础课、专业课，实验实践教学、论文创新写作、促进理论与实践相结合为重点，包含硕士研究生和博士研究生两个培养层次。其中，硕士研究生层次又分为学术型研究生和工程硕士两种类型，分别进行培养。
在学术型硕士研究生培养方面，我们的目标是培养适应智能科学与计算机科学的发展，适应国家社会发展与进步事业需要的，德、智、体、美全面发展，系统地掌握本学科基本概念、基本原理、基本方法、基本技能的，具有创新能力、理论联系实际的高级专门人才和能适应未来从事基础研究、应用基础研究、技术开发研究和工程应用研究之人才。毕业生适宜到科研部门、学校从事科学研究和教学工作；适宜到计算机产业相关的企事业单位从事智能科学与计算机科学技术的开发研究、应用与管理等工作；可以继续攻读智能科学与计算机科学及其相关学科的博士学位。目前包含“人工智能基础”、“模式识别与智能系统”和“计算机应用技术”三个专业。其中，“人工智能基础”专业包含如下培养方向：认知科学理论、认知逻辑学、计算语言学、智能计算方法、艺术认知与计算、脑高级功能成像等；“模式识别与智能系统”专业包含如下培养方向：计算机视觉、机器翻译系统、智能中医诊断系统、机器音乐、模式识别、音频信息处理等：“计算机应用技术”专业包含如下培养方向：人工智能应用技术、自然语言处理技术、智能信息检索技术、多媒体综合应用技术、图像与视频处理技术、虚拟现实技术等。
在工程硕士培养方面，目前智能系招收“计算机技术”工程硕士――B方向(智能工程及网络安全)的工程硕士研究生，目标是培养具有扎实的计算机学科专业知识和工程技术能力，掌握现代智能与网络科学前沿知识，在智能工程与网络安全方向具有一定研究深度和项目研发能力的高层次应用型人才。培养方向包括：嵌入式智能家居、视频图像处理、网络视觉监控、模式识别与智能系统、智能机器人、网络内容监管、黑客与网络攻防技术、网络信息安全、信息检索与信息过滤、自然语言处理、机器翻译、语音识别与合成、智能中医信息处理、人工大脑、虚拟现实技术等。
在博士研究生培养方面，设有“人工智能基础”博士学位授予专业，目标是培养基础扎实，具有创新意识，对某一领域有全面深入了解或对某一应用领域有独立解决实际问题的能力，能够解决前人未能解决的科学问题或社会发展中亟待解决的技术问题的高级专业人才：其研究工作对科学技术或社会经济的发展具有明显贡献，为人工智能技术发展和应用提供新的基础或新技术、新方法。培养方向包括：人工智能以及应用技术、艺术认知与计算、数据挖掘技术、认知神经科学、软计算方法及其应用、智能多媒体信息处理、脑功能成像技术等。
4 总结与展望
10月21日，2016英特尔中国行业峰会在珠海召开，来自医疗、金融、交通、零售、能源、教育等行业的企业代表分享了他们对于数字化变革的理解与实践。这本该是英特尔中国行业峰会的主旋律，但是实际是与会嘉宾对人工智能的话题表现出更大的热情，有点喧宾夺主的味道。
得AI者得未来
2015年底，许多机构在展望2016年度科技领域时几乎会不约而同地将人工智能列为重点方向之一。现在来看，人工智能的火爆程度让最乐观的预测者都大跌眼镜，这得归结于AlphaGo的推波助澜。
正如文章开始所说，人工智能的使命便是完成海量物联网数据的商业价值转化。根据相关预测，2021年，全球将会拥有18亿台PC，86亿台移动设备，157亿台物联网设备。而到2035年，物联网设备的数量将会超过1万亿台，相应的数据数量将会增长2400倍，从1 EB增长到2.3ZB。如何有效管理、控制和利用如此浩瀚的数据，人工智能是解决之道。
所以说，得物联网者得未来，而得人工智能者将执物联网之牛耳。只有人工智能才能为“万物互联”之后的应用问题提供最佳的解决方案。
2016英特尔中国行业峰会上，英特尔与科大讯飞公司签署合作备忘录，双方将在人工智能领域展开为期三年的基于英特尔至强处理器+英特尔至强融核处理器，以及英特尔至强处理器+FPGA为基础的机器学习/深度学习研究项目。科大讯飞联合创始人，讯飞研究院副院长王智国博士非常到位地点评了这一合作：“一直以来，我们双方都致力于人工智能技术的创新和行业的推动，一方擅长底层计算架构，一方擅长算法及应用。我们期待双方在人工智能技术上的深度合作能够推动硬件和软件的协同设计及优化，共同发现人工智能计算平台创新的解决方案，推动人工智能产业的发展，并通过这些创新的技术支持更多行业用户进行业务转型。”
作为全球最大的半导体芯片制造商，英特尔的公司定位正在悄然发生变化。如今，英特尔将自己定位为“一家致力于驱动云计算和智能互联计算的公司”。可见人工智能已经成为英特尔公司的未来战略方向之一。
人工智能对计算力资源的需求到底有多大，现在谁也无法预判，这就像是个“计算黑洞”。但有一点可以肯定，人工智能是高性能计算在现在和未来的进一步延展和进化，而这恰好是英特尔的优势所在。
对英特尔而言，进入人工智能领域是水到渠成的事情，也是技术上的自然演进。从另一个角度看，物联网和人工智能是历史摆在英特尔公司面前一次前所未有机遇，其空间和舞台远大于PC时代和互联网时代。送上门的蛋糕（要知道，当今世界90%以上的数据都是由英特尔处理器来承载的），岂能让它从嘴边溜走。
从资本到技术，从硬件到软件
基于新的公司定位，英特尔开始从资本层面进行帝国的战略布局。作为硅谷最大的企业风司，英特尔投资总裁Wendell Brooks 说“会把未来的投资聚焦于那些能够更好拓展公司业务发展的领域”，人工智能毫无疑问是重中之重。
9月宣布将收购计算机视觉创业公司Movidius，后者致力于研发低功耗的计算机视觉芯片；8月将Nervana收入囊中，后者主攻半导体、软件和AI深度学习技术；5月宣布将收购专注于计算机视觉技术开发的俄罗斯公司Itseez；4月收购意大利半导体功能性安全方案厂商Yogitech；2015年12月完成了对可编程逻辑器件厂商Altera的收购；2015年10月收购了人工智能公司Saffron Technology……
针对某一业务领域展开如此高密度地集中收购，无论是在英特尔公司历史还是整个IT行业都是十分罕见的。可见，英特尔布局人工智能的决心之大。
由于技术因素，专用领域的智能化是人工智能未来5到10年的主要应用方向，比如自动驾驶。在更远的将来，随着技术的进一步突破，通用领域的智能化有望实现。但无论是专用还是通用领域，人工智能都将围绕“基础资源-技术平台-业务应用”这三层基本架构形成生态圈。
在人工智能上，英特尔能做些什么？仅仅是提供计算平台吗？当然不是，这从英特尔的疯狂收购中也看得出。
算起来，在线教育的争夺战是在三年之前开始的。2013年8月“学而思”网校正式更名为“好未来”，作为最早发力在线教育的一家公司，发展了布局相对完整的中小幼教育专业门户网站群――e度教育网，该网站由育儿网、幼教网、奥数网、中考网、高考网、留学网等多个网站构成。此后，新东方、学大网等一票传统教育机构纷纷发力于在线教育。
根据《2015年中国在线教育白皮书》数据显示，2011到2014年间，中国在线教育市场规模增速均保持在17%以上，最高增速达到21.84%；市场规模从2011年的575亿元增至2015年的1171亿元，预计到2021年在线教育市场规模将达到2830亿元。在线教育用户突破2亿人，在线教育项目数量已经超过3000个。
如今，BAT、网易等互联网巨头也争相跨界进入教育领域……
争相布局
10月，网易宣布其有道词典用户突破6亿。这意味着，网易的产品已经可以在在线语言培训市场占有一席之地。2007年推出有道词典以来，网易在互联网巨头之中率先“误入”在线教育行业，并逐渐形成有道翻译官、有道口语大师、网易云课堂等产品矩阵。
语文学习产品――有道语文达人，引进职业教育与通识教育等课程、推出网易云课堂企业版产品等等动作，都说明了网易在在线教育各个细分领域重度垂直、精耕细作的野心。
与此同时，阿里巴巴终于也按捺不住。在10月宣布启动“星火计划”，称未来将会大力扶持生产优质内容的个体老师以及中小型教育机构。比如调用周边资源，引入专业第三方扶持基金等，以此为中小创业群体提供高效的变现机制。
自去年12月成立教育事业部以来，百度在教育领域的布局正在加快。除了在传统的教师资源方面，百度推出了专为教师服务的互联网平台“百度优课”。百度在线教育的一大特色在于其教育信贷市场。百度CFO李昕曾在Q3财报电话会议上表示，百度要借助人工智能和大数据技术，从教育领域进入互联网金融。
据百度透露的数据，在教育信贷领域，百度已与超过700家教育培训机构达成合作，学生通过在线填写信息，线下和教育机构确定培训意向，审核通过后，即可获得“百度有钱花”提供的学费贷款，实现分期交学费。
腾讯坐拥QQ和微信两大社交平台，其固有用户与在线教育针对用户重合度之高，不容小觑。去年，腾讯将这一优势应用于教育信息化领域――分别以QQ和微信为基础推出QQ智慧校园和腾讯智慧校园，为各类学校提供一体化互联网智慧解决方案，范围涵盖学校管理、教务教学、校园生活等方面。扶持优质内容方面，腾讯也不甘落后推出了名师计划，旨在帮助名师实现知识经济化，扩大知识生产力与传播力，同时提供标准化服务与资源扶持。
加之腾讯出手向来大方。今年2月，腾讯3.2亿元投资新东方在线，而目前新东方在线申请挂牌已经获批，将登陆新三板。按照最近一次股票发行的价格来算，新东方网的总市值达到了31.72亿元，而腾讯当初的投资金额也由3.2亿元升值到了3.9亿元，平均每个月赚了1400万元。
线上线下结合
近年来在线教育的项目虽多，但往往良莠不齐，真正实现盈利的更是少数。
互联网教育研究院在2015年调查了400家在线教育公司，结果显示，有70.58%的公司处于亏损状态，13.24%的公司处于持平状态，仅有16.18%的公司保持盈利状态。同时，其报告还指出，由于新进入的项目非常多，而且有一部分项目已经死亡，整体上盈利的在线教育企业预计不超过5%。
在这个资本的“寒冬”，包括老师来了、36号教师、轻舟网等在线教育创业项目，都相继倒下。一位多年从事在线教育的业内人士向《中国经济信息》记者分析：“一个项目从开端投入资金到逐步发展，进入盈亏平衡状态，至少需要3到5年的时间。”作为一个更重视长期发展循环的行业，在线教育前期需要投入大量资金，而后期课程的制作、平台的维护以及产品的营销和推广，都需要团队极大的耐心和毅力。
随着在线教育行业的发展，平台的竞争，已经从最初的野蛮走向有序，从跑马圈地走向深耕细作，优质的教育内容成为巨头们的抢夺焦点。还有一些业内人士指出在线教育的一些弊病，例如在线教育APP更多是单向机械灌输，缺乏线下辅导为学生的知识体系做一个完整的梳理以及打通思维知识上的逻辑关联。
信天创投合伙人张俊熹对《中国经济信息》记者分析，线上与线下的结合将会是在线教育接下来发展的趋势。以留学教育为例，“以前的出国留学只是在国内做一些语言培训，但是长周期的链条并没有被开发出来，出国后的实习、就业、移民、置业等等，有很多内容可以深入挖掘。”张俊熹说。
尽管在线教育市场前景广阔，但在创新工场投资总监张丽君的眼里，其实它每个细分领域的市场规模并不大。而且，与其他行业不同，教育行业的内容不能完全规模化复制，往往面对不同的时期和对象，都需要重新做，因此并不容易找到大的市场。
今年在线教育还有一个创新动作就是与AR、VR合力。正如李彦宏多次在公开场合强调的，人工智能是百度核心的核心。人工智能之于百度教育的重要性也不例外。
11月，百度教育“教育云”平台，宣布百度教育生态将依托人工智能技术，朝着内容化、智能化、个性化方向发展。百度教育事业部总经理张高透露，人工智能在百度教育的布局分成内容的数字化、学习的个性化与交互的拟人化三个部分。不过，业内声音普遍认为，鉴于教育行业自身的慢热特点以及技术发展尚在初期等原因，人工智能与教育的融合还需要一个漫长的过程。
作 者： 【美】马丁・福特
出版社： 中信出版社，2015年7月
一位程序员幸运地抽中了老板的大奖，他将受邀前往位于深山的豪华别墅，与老板共度假期……事实上，员工被邀请来是为了协助老板完成其所开发的智能机器人测试――图灵测试，即测试电脑是否具有“人类思维”。如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且超过30%的回答让测试者误认为是人类所答，则电脑通过测试。然而在随后的交流中，这名员工越发觉得，他所面对的似乎不是冷冰冰的机器，而更像是一个被无辜囚禁起来的少女，楚楚可怜……
这是几个月前在北美上映的电影《机械姬》的剧情。近年来，与其同一类型的影片还有很多，《超能查派》《超体》《我，机器人》……这些影片实则都表达了同一主题――当机器人足以智能，小心科技反扑。随着智能科技的发展、工业机器人的出现，人类和我们的机构已经出现无法赶上机器脚步的迹象了……
作者在本书中也表现出了这样的担忧――我们无法（也不能）阻止科技的进步、世界的发展。同样地，我们将很快迎来机器人全面崛起的时代。
传统时代，我们对机器人是乐观的，即使一些工作被淘汰，但会有更多的工作被创造出来，以满足新时代的创新。由此所带来的经济社会问题也可以通过加强医疗卫生、退休和失业保险制度，培训和教育的强化来调整。
然而，到了机器人时代，这些想法完全错了。过去很多所谓的“好工作”将会过时：律师助理、记者、药剂师、上班族，甚至电脑程序员都将被机器人和智能软件所取代。伴随着机器人技术的日渐成熟，工薪家庭和中产阶级家庭将受到进一步挤压。同时，人们的家庭还将经受生活成本上涨的冲击，尤其是教育和医疗保健成本的上涨。这一切很可能造成大范围的失业和经济状况的不平等，甚至还会造成社会固有结构的崩溃。
在本书中，福特的观察要更为深入一些，其论调也更显悲观。他提到，技术对就业的影响，对个人生活和社会整体的潜在破坏，会交互于其他主要的社会和环境挑战，比如人口老龄化、气候变化和资源枯竭等。事实上，它的可怕之处还在于，如果人们不承认或不适应技术进步带来的消极影响，全球将面临着一场“完美风暴”：不平等的剧增、技术失业以及气候变化所产生的影响将并行出现，而且在某些方面它们还会彼此放大和加强。美国从全球抢回制造业，却没显著提高就业，就是因为就业机会被机器人抢走了。
当然，这还不是最坏的消息。人类水平的人工智能被称为“强人工智能”。它能达到远高于蓝领工人的智能水平，甚至超过整个人类的智能水平。如作者所言，随着机器人从弱人工智能时代演进到强人工智能时代，人与机器之间互相加强的反馈循环将不断加快。最终将产生“智能爆炸”，然后生产出一台比任何人类都聪明十万甚至上百万倍的机器。届时，它很有可能对整个人类文明造成破坏。
关键词：颠覆性技术；创新；移动互联；机器人；人工智能
基金项目：“江苏省社科应用研究精品工程”课题；项目名称：颠覆性技术的识别及培育发展研究；项目编号：16SYB-023。
历史上，每次科技革命时期，都是颠覆性技术出现的高峰期。科技革命构成了发掘和发展颠覆性技术的难得历史机遇。目前，科W已经沉寂了60余年，第三次技术革命发生距今接近80年，科技知识体系积累的内在矛盾已经凸显，迫切需要新的重大突破。在物质科学、量子信息科学、生命科学、宇宙科学等基础科学领域，一些重要的科学问题和关键技术发生革命性突破的先兆日益显现；科技发展跨学科趋势愈益明显，新学科、新知识、新思想的出现更多体现为学科交叉融合的方式，许多重大创新出现在学科交叉领域。当今世界已处在新一轮科技革命的前夜，颠覆性技术大量涌现的时期即将到来。
一、颠覆性技术的概念
颠覆性技术概念最早出自美国哈弗商学院克莱顿・克里斯滕森教授1995年出版的《颠覆性技术的机遇浪潮》。他认为，颠覆性技术是指这样一类技术：它们往往从低端或边缘市场切入，以简单、方便、便宜为初始阶段特征，随着性能与功能的不断改进与完善，最终取代已有技术，开辟出新市场，形成新的价值体系。德国弗郎恩霍夫协会认为：颠覆性技术就是指能够“改变已有规则”的技术，即那些与现有技术相比，在性能或功能上有重大突破，其未来发展将逐步取代已有技术，进而改变作战模式或作战规则的技术。
综上所述，颠覆性技术是一种另辟蹊径、会对已有传统或主流技术途径产生颠覆性效果的技术，可能是完全创新的新技术，也可能是基于现有技术的跨学科、跨领域的创新型应用。颠覆性技术具有四个特点：技术发展速度快、产生潜在影响范围广、可创造经济价值高、带来颠覆性影响大。与渐进性技术相比，颠覆性技术在形态上更具有超越性和突变性，在效能上更具备革命性和破坏性。
二、我国颠覆性创新的领域选择
（一）“十三五”国家科技创新规划：15个领域
《“十三五”国家科技创新规划》中明确提出要发展引领产业变革的颠覆性技术：加强产业变革趋势和重大技术的预警，加强对颠覆性技术替代传统产业拐点的预判，及时布局新兴产业前沿技术研发，在信息、制造、生物、新材料、能源等领域，特别是交叉融合的方向，加快部署一批具有重大影响、能够改变或部分改变科技、经济、社会、生态格局的颠覆性技术研究，在新一轮产业变革中赢得竞争优势。重点开发移动互联、量子信息、人工智能等技术，推动增材制造、智能机器人、无人驾驶汽车等技术的发展，重视基因编辑、干细胞、合成生物、再生医学等技术对生命科学、生物育种、工业生物领域的深刻影响，开发氢能、燃料电池等新一代能源技术，发挥纳米技术、智能技术、石墨烯等对新材料产业发展的引领作用。
（二）国家科技重大专项：16个领域
《国家中长期科学技术发展规划纲要（2006-2020 年）》确定了核心电子器件、高端通用芯片及基础软件，极大规模集成电路制造技术及成套工艺，新一代宽带无线移动通信，高档数控机床与基础制造技术，大型油气田及煤层气开发，大型先进压水堆及高温气冷堆核电站，水体污染控制与治理，转基因生物新品种培育，重大新药创制，艾滋病和病毒性肝炎等重大传染病防治，大型飞机，高分辨率对地观测系统，载人航天与探月工程等16个重大专项，涉及信息、生物等战略产业领域，能源资源环境和人民健康等重大紧迫问题，以及军民两用技术和国防技术。
（三）中国科技发展战略研究院：20项关键技术
2016年，中国科学技术发展战略研究院科技预测与评价研究所对关系到我国经济建设、生态建设、国防建设、民生改善乃至综合国力提升具有决定性、基础性的核心技术，按照科学（属于国际竞争激烈的前沿或核心技术）、颠覆性（有望取代主流技术、替代主导产业的技术）、重大（有望替代1-2个主导产品，或颠覆1个以上行业的技术）、可行（经过10年努力能够取得自主知识产权，并有望商业化的技术）四个原则，进行了预测和遴选，遴选出未来能够改变或部分改变科技、经济、生态、军事现状与格局的20项关键技术。
（四）中国科协创新战略研究院：7大领域
中国科协创新战略研究院在的《我国应对颠覆性技术创新需要重点布局的领域》中，认为未来十年世界范围内可能出现的颠覆性创新集中在9大领域：先进计算技术与人工智能、纳米技术与材料科学、基因与精准医疗、能源开发与存储、航空航天与地外生命探测、网络与大数据、智能汽车与智慧交通、绿色制造与先进制造、教育技术与知识自动化。
从我国各机构评选的技术来看，出现频率最高的五大技术领域是移动互联、机器人、3D 打印、人工智能、纳米技术，这五大技术领域将是我国未来颠覆性技术创新的主要方向。
三、我国颠覆性领域的技术创新方向
（一）移动互联领域
大力支持移动互联网软件开发，突破系统软件、人机交互、应用开发、虚拟化等热点技术与新兴技术。加快推进移动互联网的云计算和大数据应用，重点突破数据挖掘、海量数据处理、计费、访问控制等平台关键核心技术。支持开展未来网络重大基础设施（CENI）项目的关键技术研究，加强相关领域产品研发和产业孵化，大力推广基于下一代广播电视网的创新业务及相关应用。充分发挥移动互联网对生产领域的带动作用，在工程机械、汽车、食品、电子信息、物流等行业形成领先的服务产品。深化移动互联网在生活领域的引领作用，大力推广面向餐饮、休闲娱乐、购物、旅游等的移动互联网应用，重点发展移动支付、移动娱乐、移动阅读、移动资讯、移动搜索、移动位置服务等。鼓励移动互联网应用创新，重点发展车载数据与资讯、智能交通、基于北斗等多制式智能交通导航、远程测试诊断、在线节能监管、道路救援、食品安全溯源与安防等移动信息服务。
（二）机器人领域
重点研究智能机器人机构设计、制造工艺、智能控制和人机交互等共性技术，攻克机器人优化建模、精准感知、多机器人协调等核心技术。（1）伺服电机方面：重点发展根据机器人的高速，重载，高精度等应用要求，增加驱动器和电机的瞬时过载能力，增加驱动器的动态响应能力，驱动增加相应的自定义算法接口单元，且采用通用的高速通讯总线作为通讯接口，摒弃原先的模拟量和脉冲方式，进一步提高控制品质。（2）减速器方面：重点发展高强度耐磨材料技g、加工工艺优化技术、高速技术、高精度装配技术、可靠性及寿命检测技术以及新型传动机理的探索，发展适合机器人应用的高效率、低重量、长期免维护的系列化减速器。（3）控制器方面：重点研究开放式，模块化控制系统，开发适用于机器人控制的通用软件包；提高机器人控制器的智能化和网络化水平，开发具有多传感器信息融合能力的控制器。
（三）3D打印领域
围绕3D打印重点方向，突破一批原创性技术。（1）材料方面：针对金属3D打印专用材料，优化粉末大小、形状和化学性质等材料特性，开发满足3D打印发展需要的金属材料；针对非金属3D打印专用材料，提高现有材料在耐高温、高强度等方面的性能，降低材料成本。（2）工艺方面：解决金属构件成形中高效、热应力控制及变形开裂预防、组织性能调控，以及非金属材料成形技术中温度场控制、变形控制、材料组份控制等工艺难题。（3）装备及核心器件方面：加强3D打印专用材料、工艺技术与装备的结合，不断提高金属材料3D打印装备的效率、精度、可靠性，以及非金属材料3D打印装备的高工况温度和工艺稳定性，提升个人桌面机的易用性、可靠性；重点研制与3D打印装备配套的嵌入式软件系统及核心器件，提升装备软、硬件协同能力。
（四）人工智能领域
进行人工智能前沿技术布局，推动核心技术产业化，重点突破人工智能基础理论（包括深度学习、类脑智能等）、人工智能共性技术（包括人工智能领域的芯片、传感器、操作系统、存储系统、高端服务器、关键网络设备、网络安全技术设备、中间件等基础软硬件技术）、人工智能应用技术（包括基于人工智能的计算机视听觉、生物特征识别、复杂环境识别、新型人机交互、自然语言理解、机器翻译、智能决策控制、网络安全技术等）。加快人工智能基础资源公共服务平台建设，包括满足深度学习计算需求的新型计算集群共享平台、云端智能分析处理平台、算法与技术开放平台、智能系统安全情报共享平台等，为人工智能创新创业提供相关研发工具、检验评测、安全、标准、知识产权、创业咨询等专业化服务。加快人工智能技术的产业化进程，推动人工智能在家居、汽车、无人系统、安防、制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展试点。
（五）纳米技术领域
加强纳米技术研究，重点突破纳米材料及制品的制备与应用关键技术，积极开发纳米粉体、纳米碳管、富勒烯等材料，大力推进纳米材料在电子信息、生物医药、新能源和节能环保等领域的广泛应用。针对信息、能源、环保、生物医学等领域的迫切需求，开发纳米结构加工与制造的新方法、纳米器件集成与系统的设计、制备技术。重点研究新型纳米电子、光电器件、传感器件，大力发展纳米晶太阳能电池、新型薄膜太阳能电池、有机太阳能电池、热电电池、超级电容器等技术，着力突破室内空气污染物、工业源有毒有害气体、动力机械尾气的纳米净化材料及催化净化技术，切实攻克纳米颗粒与生物活性物质的组装方法。促进纳米绿色印刷制版、高密度存储器、新型显示、高效能源转化、气体净化、疾病快速诊断等纳米材料与技术的规模化应用，抢占未来纳米材料发展的制高点。
参考文献
[1] 刘根生.多些“颠覆性技术创新”[J].群众，2016，（1）.
[2] 杨，余晓洁.科技创新引领“第一动力”重视颠覆性技术创新[J].中国职工教育，2016，（1）.
[3] 赵刚.未来五年颠覆性技术将不断涌现[J].领导文萃，2016，（7）.
[4] 王武军.颠覆性技术的“摇篮”高明在哪儿[J].中国中小企业，2016，（6）.
任正非又说：“从科技的角度来看，未来二、三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。”在2016年8月12日，由中国计算机学会(CCF)主办、雷锋网承办的“全球人工智能与机器人峰会(简称CCF-GAIR)上，亮相了一批巨头们进击人工智能与机器学习、探索“无人区”而尝试的技术、项目和科研成果。
华为诺亚方舟实验室、小米探索实验室、腾讯优图实验室、360人工智能研究院、百度自动驾驶事业部、微软亚洲研究院等，以及牛津大学计算机系、卡内基梅隆大学国家机器人工程中心、MIT机器人实验室、加拿大皇家学院等学术科研机构代表等阐述了对未来的理解。
人工智能大势不可挡
2016年并不是简单的人工智能60周年，也不是简单的AlphaGo人机大战激发全球新一轮人工智能的“幻想”。这一年，人工智能从漫长的学术研究周期迅速进入到产业化阶段。
就在2016 CCF-GAIR开幕的前两天，曝出了英特尔3.5亿美元收购人工智能AI创业公司Nervana Systems的消息。据称，Nervana Systems深度学习芯片的性价比高于GPU，处理速度是GPU的10倍等特点。业界惊呼，在AI战场上英特尔与NVIDIA两个芯片巨头直接开战。
就在8月初，NVIDIA刚了新一季财报，其中营收比去年同期增长24%、净收入比去年同期增长873%，而业务大幅增长的背后就是互联网企业等大规模地在数据中心里部署NVIDIA GPU用于完成AI相关计算任务。由于GPU的大规模并行计算能力，因而成为AI计算任务的首选。2016年7月，NVIDIA的首款深度学习服务器DGX -1开始上市销售。
面对NVIDIA对于英特尔在数据中心市场的威胁，英特尔也不会坐视不理。英特尔刚刚在今年6月的ISC国际超级计算机大会上，推出了代号为Knights Landing(KNL)的第二代至强融核处理器，这系列最高达72核的x86 CPU也是首款可作为独立处理器的Xeon Phi产品，这意味着可摆脱GPU而组成CPU-Only的高可扩展机器学习机群。
芯片设计巨头ARM通过7月中旬被软银的并购，将借助软银的资本以及生态实力抢在物联网产业大涨潮之前布局低功耗智能物联网芯片市场。ARM于今年2月推出了新处理器架构设计，主要针对5G以及大容量存储SoC嵌入式设备，为未来的AI普及打下基础。5月，AMR亦斥资3.5亿美元收购了计算机视觉技术提供商Apical。
除了底层的基础芯片技术外，在应用层面也可判断人工智能大趋势已经形成。7月28日，国内人工智能PaaS平台图灵机器人对外透露，图灵机器人PaaS平台在过去8个月新增了162亿次的服务请求，开发者在8个月内新增1.1倍、总数量超过23万。7月推出的智能机器人操作系统Turing OS1.5将新增11个视觉能力，包括人脸识别、人脸检测、人脸跟踪等多项视觉技术。
除了图灵机器人PaaS平台外，IBM公司借助Bluemix PaaS平台在华的落地，也把认知计算Watson的服务相继带到了国内，微软也相继在今年推出了体系化的人工智能认知计算服务，更不用说谷歌今年IO大会上推出的智能搜索引擎以及智能硬件Google Home，阿里云提出大数据AI是未来的战略发展方向等。
可以说，人工智能产业化的第一次大涨潮已经到来！
华为能否创造诺亚方舟？
华为诺亚方舟实验室负责人李航
华为早在2012年就在香港成立了诺亚方舟实验室，第一任实验室主任由香港科技大学教授、人工智能和数据挖掘专家杨强担纲。该实验室的研究方向包括：自然语言处理和信息检索、大规模数据挖掘和机器学习、社交媒体和移动智能、人机交互系统、机器学习理论等。
华为诺亚方舟实验室是华为2012实验室研究组织的组成部分。据称华为2012实验室的名字来自于任正非观看《2012》电影后认为未来信息爆炸会像数字洪水一样，华为要构造自己的“诺亚方舟”。2012实验室的主要研究的方向包括新一代通信、云计算、音频视频分析、数据挖掘、机器学习等，主要面向的未来5-10年的技术研究。
华为诺亚方舟实验室第一任主任杨强教授在2016 CCF-GAIR峰会上介绍了自己的主要研究方向：迁移学习。简单理解，迁移学习就把已经训练好的人工智能模型迁移到新的应用场景或数据集中。当前以人工神经元网络为主的深度学习算法已经相当成熟，但每个人工神经元网络模型都与初始数据集高度相关，一旦换到新的应用场景或数据集就必须从头再训练模型。迁移学习就致力于以较小的代价让已经训练出的人工智能模型具有普适性和通用性。
换句话说，把一个已有模型迁移到一个未知领域，这就叫做迁移学习。在人类社会里，把已有知识用于新的相关领域就是知识的转移，比如从学骑自动车到学骑两轮摩托车等。从这个角度看，迁移学习是通用型AI的前提和基础。迁移学习还可以把从大数据集中训练出的模型，迁移到小范围的数据集上，从而创造了更好的个性化。
华为诺亚方舟实验室第二任主任、北京大学和南京大学兼职教授李航在2016 CCF-GAIR峰会上表示，诺亚方舟实验室还围绕华为的智能手机、服务器、数据中心产品与设备等展开大数据与人工智能的研究工作，为华为三大BG事业群聚焦前沿产品开发，例如智能通讯网络、企业BG大数据应用、消费者BG的智能语音助手等。
除了诺亚方舟实验室外，“2012实验室”旗下有多家以世界知名科学家命名的实验室，包括香农实验室、高斯实验室、谢尔德实验室、高斯实验室、欧拉实验室、图灵实验室等，以及在欧洲、印度、美国、俄罗斯、加拿大、日本设立的8个海外研究所。据报道，华为今年还将在深圳设立10个基础研究所。
通过这些基础研究机构和研发组织，华为正试图探索无人区、为创造未来的华为打下基础。尽管华为对研发的投入保持在年收入的15%-20%左右，但像诺亚方舟实验室这样的基础研究性机构也仅成立了4年的时间，相比于微软研究院25年的历史、IBM研究机构80年的历史来说，华为的基础性研究才刚刚起步。
现在，华为的挑战是如何管理大规模的基础性研究组织。
小米对人工智能的探索
小米科技联合创始人、小米探索实验室负责人黄江吉
相对于华为四年前开始投入前沿科技研究来说，小米的起步从2016年初开始。2016年1月15日，小米科技创始人兼CEO雷军在内部年会上表示，小米2016年要组建特种部队，突破核心元器件的关键技术，并宣布成立小米探索实验室研究VR/机器人等前沿科技。2016年2月，小米探索实验室成立。
小米科技联合创始人、小米探索实验室负责人黄江吉在2016 CCF-GAIR峰会上表示，小米对于人工智能的观点是：产品+大数据+机器学习。也就是说，小米的人工智能观点是紧密结合智能手机、智能硬件等产品的。黄江吉以智能硬件内嵌的Wi-Fi模组为例，小米通过自己的研发把Wi-Fi模组价格从60多元降到了10元，这就打下了硬件产品“智能”的基础。
现在，每天有200TB+的数据流入小米云，这背后就是无处不在的Wi-Fi硬件在源源不断产生高质量的数据。只有掌握高质量的大数据，才有可能通过机器学习创造真正的人工智能。在这个过程中，每天的活跃用户数据也很重要。黄江吉表示，小米MIUI系统每天日活超过1000万的APP有8个、超过100万的APP有17个。
小米手机、小米手环、小米电视与盒子、小米网络设备、小米智能家庭设备等，再加上小米电商、小米互娱、小米市场和生态链等，构成了小米全生态、多样性的大数据资源。小米大数据处理呈金字塔结构，最下面是数据采集，往上依次是数据清洗、数字挖掘和数据智能。
围绕小米大数据可以生成高质量的用户画像，有的用户指标甚至无需用户输入就能精准推断出来；还可以生成一站式、标准化与规范化的内容数据，结合用户画像形成包括视频、音乐、商品、游戏、APP、小说、新闻等在内的内容池，为搜索、推荐、导流和人工运营服务。
黄江吉介绍小米的数据处理包括底层架构层的Hadoop基础平台以及数据工厂，向上基础能力层的机器学习(深度学习)、视觉识别、NLP自然语言处理和语音识别等，再向上的大数据层则包括业务数据、用户画像和内容池，高级能力则有商业智能、搜索、推荐、智能问答和图像等，最终对接各类小米智能硬件产品。
具体到小米的深度学习平台，在硬件层是公有云和本地数据中心的GPU机器，GPU集群管理采用的是Kubernetes+Docker、深度学习任务管理采用的是TensorFlow，存储服务则采用HBase/HDFS系统、计算服务采用的是Spark/Storm/MR系统，对接到智能助手、云相册、广告、金融和搜索推荐等小米业务。
黄江吉表示，优秀的产品能黏住用户、用户能生成高质量的大数据、大数据通过机器学习产生人工智能、人工智能再反馈给产品设计，这就是小米的人工智能观点。比如小米面孔相册的总用户数已达1.5亿人、照片存储量达500亿，这么大规模的大数据帮助小米更好的优化面孔相册产品。黄江吉强调，过去的观念是“好用的产品不一定好玩，好玩的产品不一定好用”，而随着人工智能和机器学习的发展，有可能把产品做的既好玩又好用。
在被问及对人工智能产品的看法时，黄江吉举例说现在人们每天都要无数次打开手机看信息或完成某个功能，这本身就说明智能手机产品还不够智能，真正的智能手机产品是要大幅减少人们打开手机的次数与看手机的时间，因为很多工作都会被智能手机“智能化”地完成了。
尽管当前小米神话进入了平台期，但可以说智能手机时代其实才刚刚开始。
百花齐放的AI生态
百度高级副总裁、自动驾驶事业部总经理王劲
任正非说，“越是前途不确定，越需要创造，这也给千百万家企业公司提供了千载难逢的机会。”
搜狗于今年4月22日向清华大学捐赠1.8亿元人民币，联合成立“清华大学天工智能计算研究院”，深入开发包含人工智能在内的前沿技术。搜狗CTO杨洪涛在2016 CCF-GAIR峰会上表示，搜索引擎是人工智能最大的应用场景。搜狗从2012年开始研发智能语音技术，2013年开始进行深度学习，数据显示搜狗手机输入法日均语音输入超过1.4亿次。搜狗语音输入法和语音搜索最大的场景之一，就是极大增强了微信等移动端的用户体验。
今日头条科学家、头条实验室总监李磊曾是原百度美国深度学习实验室科学家。在2016 CCF-GAIR峰会上，李磊说今日头条对人工智能的投入非常坚决，自2012年创立至今只有4年就专门成立了实验室。今日头条团队很早就有意识在最前沿的技术上做投入，不论是为了当下业务需求还是为了将来的技术储备。对今日头条来说，一边连接内容创作者，另一边连接内容消费者，正需要机器学习技术，今日头条可以说是一家人工智能公司。
腾讯于2012年成立了优图项目，腾讯优图是腾讯旗下机器学习研发团队之一，专注于图像处理、模式识别、深度学习等，目前已经拥有数十项先进的技术以及数千亿规模的图像计算能力。自创立腾讯优图实验室以来，黄飞跃现为该实验室总监及专家研究员。黄飞跃在2016 CCF-GAIR峰会上表示，期望通过人工智能技术真正改变互联网用户的生活品质，同时也把最新的研发成果通过开发平台和腾讯云对外输出。
猎豹是另一家新进入人工智能领域的公司，在7月份猎豹宣布的二次转型就是希望通过研究深度学习和个性化分发，从安全公司、软件公司发展为一家人工智能公司。尽管猎豹在国际化方面取得了不错的成绩，但随之进入了增长瓶颈以及股价下跌，猎豹今年以5700万美元收购News Republic，希望借助今日头条模式的全球化等打开公司的新业务空间。猎豹CEO傅盛在2016 CCF-GAIR峰会上表示，AI是后互联网时代的新一波红利。
360人工智能研究院成立于2015年9月，该研究院立足于深度学习研发，抓住大数据和云计算的时代机遇，向360相关部门提供业务支持，完成人工智能相关的原始技术积累和前沿探索。在今年3月，AlphaGo人机大战结束后，360董事长兼CEO周鸿祎随即发出员工信，认为人工智能产品在大众消费领域的普及只是一个时间问题。360人工智能研究院院长颜水成在2016 CCF-GAIR峰会上说，人工智能让学术界和工业界有了共同语言。
百度已经在人工智能方面进行了巨资投入，百度无人机项目自从去年在乌镇亮相以来就一直受到业界的关注，百度还计划在五年内实现无人驾驶汽车量产。百度高级副总裁、自动驾驶事业部总经理王劲在2016 CCF-GAIR峰会上介绍，百度去年12月购买的激光雷达为70万人民币/台，百度车载大脑也是一台接近20万的服务器。为此，百度与激光雷达公司Velodyne LiDAR达成投资意向，在本月Velodyne LiDAR也公开承诺，如果明年拿到一百万订单，64线激光雷达就可以降到五百美金的单价，这将扫平自动驾驶汽车量产的障碍。
另一家互联网公司乐视尽管挖来了原百度深度学习研究院高级科学家、百度无人驾驶汽车团队负责人倪凯负责乐视超级车项目，但倪凯在2016 CCF-GAIR峰会上表示其负责的范围并不仅限于智能汽车。乐视与合作伙伴Faraday and Future成立了一个FF Le Future的实验室，主要是研究人工智能技术，广泛为包括电视、手机、体育、汽车等在内的乐视生态服务。除了美国硅谷的研发中心，乐视也将在北京成立研发中心。
除了IT企业和互联网公司外，民营企业也开始涉及人工智能产业，并视人工智能和机器人为下一个千亿级规模的产业机遇。浙江大华技术股份有限公司是监控产品供应商和解决方案服务商，2014年IHS机构权威报告全球安防视频监控市场占有率位列第二。大华股份从2008年到2015年实现了产值100亿的目标，下一个目标是产值1000亿，为此成立了乐橙云作为视联网品牌，以视频智能硬件、视频云、视频智能技术“三位一体”云开放平台，拉动千亿市场规模。目前，乐橙云选择智能安防和智能母婴两个垂直领域作为首批拓展行业。
窥见未来
牛津大学计算机系主任Michael Wooldridge
在2016 CCF-GAIR峰会上，牛津大学计算机系主任、宾夕法尼亚大学工程学院院长、MIT机器人实验室主任等国际学术巨擘向中国产业界传递了最新的研究动向。
牛津大学计算机系主任Michael Wooldridge身兼Oxford-DeepMind Partnership负责人，他认为目前人工智能进展已经解决了棋类问题、SAT等复杂问题以及自动驾驶等，即将解决实时口语理解、骑自行车、可靠的语言翻译等问题，而理解复杂的故事及回答相关问题、创作笑话和有趣的故事、解释一幅图像的意义等则远未达到接近解决的阶段，强AI和通用AI则是完全开放状态。
Michael Wooldridge认为当前谈人工智能奇点还为时尚早，甚至人工智能奇点有可能永远都不会到来！尽管AlphaGo取得了大幅度的学术进展，但AlphaGo仍存在诸多问题。比如AlphaGo程序本身并“不知道”它在玩棋类游戏，它也不能解释自己的策略，也无法从AlphaGo代码中获取这些策略，基本上AlphaGo就是一个黑盒子。因此，AlphaGo无法实现通用型AI。
Michael Wooldridge介绍说他的研究领域为“Multi-Agent System”(多个机器系统)，这个领域其实也体现了他对AI的观点之一，即在窄任务领域对现有AI服务和算法的整合。当前，产业界逐渐把AI嵌入到几乎所有产品和服务中，但这些AI服务都相对独立和碎片化，那么如何通过单个或多个机器系统来整合这些AI服务就成为人工智能的下一个发展目标。比如个人通过手机的机器，与其它人的机器之间相互协商、相互协调，共同决策一个会议的日程安排以及各嘉宾的时间安排。
Vijay Kumar是美国国家工程院院士、宾夕法尼亚大学工程学院院长，他被认为是空中机器人(无人机)领域开山立派的宗师人物，其学生遍布全球各大无人机厂商。Vijay Kumar表示对空中机器人或无人机的研究，能够为学习和了解机器人的行为特点和算法积累数据。在Vijay Kumar的最新研究中，提出了空中机器人的“蜂群”效应。
所谓“蜂群”效应，就是指一群低智能的机器人聚集在一起，共同完成某项工程或任务。由于功耗等限制，无人机等小型和微型机器人无法配置高级计算资源，因而只能具有较低的机器智能水平。对比自然界的蚁群、鸟群、鱼群等，虽然都是低智能生物，但却能群聚在一起共同完成令人惊叹的复杂工程。对空中机器人“蜂群”效应的研究，还对地面机器人甚至海洋机器人的研究有重要意义。
美国麻省理工学院(MIT)一直是机器人科技研究的先驱，MIT机器人实验室主任、美国国家工程院院士Daniela Rus认为未来世界里，每个人都有可能拥有机器人，机器人就像是在路上跑的汽车一样常见，称之为“泛在机器人”世界。这些“泛在机器人”的形式甚至包括类似大白或自然界中蛇一样的软体机器人，以及水里的机器鱼。而如果误食了鱼刺等异物的时候，还可以吞下微型折叠机器人，从肠道中通过折叠形态把异物包裹起来带出体外。
美国南佛罗里达大学计算机科学与工程学院教授、机器人与深度学习专家孙宇所研究的机械手被认为是非常“黑科技”，是为数不多能与人手相媲美的重大成果。孙宇介绍说，人体206个骨骼，其中1/4的骨骼都在双手里，人体的双手是非常复杂的机械结构，是人体最复杂的器官之一。孙宇表示，机器人智能和计算机智能有所区别，在于机器人要与自然环境实实在在的接触，这是计算机智能没有涉及到的问题，因此机械手的研究有重大意义。
香港科技大学教授杨强的迁移学习无疑是机器学习下一个阶段的重要发展方向，如何能把深度神经元网络和机器学习中训练出的模型提炼出来，并以较小的代价应用到新的领域，这是走向通用AI的重要路径。此外，杨强认为，当前国内的机器学习和人工智能算法研究没有国际上那么均衡，实际上人工智能算法远不止深度神经元网络，而是多元化发展。
当前的大数据可以分为20%的即时性数据和80%的高时延数据。对20%即时性和高重复的数据来说(互联网数据为主)，用深度学习算法能解决大部分问题。而对于80%高时延数据来说(例如工业数据)则需要用到强化学习、增强学习、迁移学习等多种人工智能算法，才能解决其数据处理和产生数据智能的问题。
南京大学计算机科学与技术系副主任、机器学习与数据挖掘研究所(LAMDA)所长周志华表示，接下来机器学习技术的一个大趋势是要增加机器学习的鲁棒性。目前很多研究中的机器智能可达到人类水准，但是如果遇到一些罕见的情况，就会错得非常离谱。因此，机器智能在遇到罕见情况的时候，“不能比一般人的处理水平更低”，这是机器学习技术大规模普及的基本前提。
当然，整个人工智能和机器人产业的发展，离不开创业群体。国家教育部长江学者特聘教授王田苗教授表示，未来五年之内，机器人在工业、服务业、智能汽车和无人机等高端产业三大块将可能迎来第一波热潮。由于人工智能技术和认知技术的成熟，未来机器人在银行、家庭、医院、宾馆等服务业的地位将逐渐提高。
紫牛基金合伙人张泉灵特别强调，人工智能创业的商业模式这件事，不是在实验室里就能想出来的。金山软件兼金山云CEO张宏江的观点是，中国人工智能公司的创新能力提升的非常快，与美国等人工智能公司之间的差距正在缩小。一个公司进步的关键不是“看别人”，而应当回归到自身，搞清楚用户到底需要什么，脚踏实地朝这个方向努力。
