时间：2024-01-12 16:05:47
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篇人工智能时代的特点，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。
近段时间，关于“人机围棋大战”的新闻铺天盖地，也引起了众多人士对人工智能和机器人的关注。大家很焦虑的一点是：未来时代，人机是共生共融？还是你死我亡？
传统互联网时代也就是第一阶段可被称为“人机时代”，因为在人与计算机的关系中，人还占着很大的比重。互联网的第二个阶段是移动互联网时代，也叫人人时代，这个时代的显著特质是智能手机和3G网络的普及。
机人时代对应的是万物互联时代，也是即将卷席而来的人工智能第三个阶段――人工智能专家余凯博士称之为“江山如此多娇”。
总体而言，机人时代有三个特点。1.“计算机”概念弱化，“智能体”概念兴起。将来的“智能体”将有望真正代替人类完成某些工作――自发地感知世界，并且在特定领域，具有与人类同等甚至更高的理解力和执行力。2.机器交流成为新的信息网络。万物互联更加强调机器之间的信息沟通与反馈，但其根本目的仍在于为人类服务。3.云计算和大数据成为重要战略资源和经济支柱。亚马逊总裁贝索斯发现利用书评来推荐书籍的程序非常复杂，于是大力研发了依托大数据和云计算协同过滤技术――“item-to-item”。如今亚马逊1/3的书籍销量来自于这个系统。可以想象，当万物互联实现后，云计算和大数据的商业重要性不言而喻。
机人时代虽然只是个预测，但是几乎可以断定它是可以实现的。这么说是因为，无论从国家发展需求来看还是从新兴产业的技术发展趋势来看，万物互联都很有可能发展为万物智能。对于机人时代的到来，余凯的预测是2020年，对其截止的预测是2029年。
那么，2029年之后呢？
我们认为，以互联网为代表的信息化革命，绝不是人类进步的终点。相反，互联网正在不断发展进化，并将开启人类最终的命运之门――智人时代。
“智人时代”也就是强人工智能时代。从弱人工智能进化到强人工智能是人工智能发展中最难的一个节点。为何可以大胆猜想在机人时代之后人工智能会突破这一转化难关呢？关键有两点，一是万物互联之后计算机处理速度的飞跃提升，二是人工智能自我进化。
前者的实现毋庸置疑，而对于后者，我们也大可以抱乐观态度。就中国而言，目前，“百度大脑”、“讯飞超脑”等计划和项目正如火如荼地开展，而中科院自动化所的类脑智能研究中心也正在研究如何让机器有自主思维。
2017年7月，国务院印发《新一代人工智能发展规划》，不仅对人工智能的发展做出了战略性部署，还确立了“三步走”的政策目标，力争到2030年将我国建设成为世界主要的人工智能创新中心。[1]值得注意的是，此次规划不仅仅只是技术或产业发展规划，还同时包括了社会建设、制度重构、全球治理等方方面面的内容。之所以如此，是由于人工智能技术本身具有通用性和基础性。换句话说，为助推人工智能时代的崛起，我们面对的任务不是实现某一个专业领域或产业领域内的颠覆性技术突破，而是大力推动源于技术发展而引发的综合性变革。
也正因为如此，人工智能发展进程中所面临的挑战才不仅仅局限于技术或产业领域，而更多体现在经济、社会、政治领域的公共政策选择上。首先，普遍建立在科层制基础上的公共事务治理结构，是否能够适应技术发展和应用过程中所大规模激发的不确定性和不可预知性?再者，长久以来围绕人类行为的规制制度，是否同样能够适应以数据、算法为主体的应用环境?最后，如何构建新的治理体系和治理工具来应对伴随人工智能发展而兴起的新的经济、社会、政治问题?
应对上述挑战并不完全取决于技术发展或商业创新本身，而更多依赖于我们的公共政策选择。本文试图在分析人工智能发展逻辑及其所引发的风险挑战的基础上，对人工智能时代的公共政策选择做出分析，并讨论未来改革的可能路径，这也就构成了人工智能治理的三个基本问题。具体而言，人工智能本身成为治理对象，其发展与应用构成了治理挑战，而在此基础上如何做出公共政策选择便是未来治理变革的方向。
全文共分为四个部分：第一部分将探讨人工智能的概念及特征，并进而对其发展逻辑进行阐述。作为一项颠覆性技术创新，其本身的技术门槛对决策者而言构成了挑战，梳理并捋清人工智能的本质内涵因而成为制定相关公共政策的前提;第二部分将着重分析人工智能时代崛起所带来的治理挑战，主要包括三个方面，即传统科层治理结构应对人工智能新的生产模式的滞后性、建基于行为因果关系之上的传统治理逻辑应对人工智能新主体的不适用性，以及人工智能发展所引发的新议题的治理空白;面对上述挑战，各国都出台了相关政策，本文第三部分对此进行了综述性对比分析，并指出了其进步意义所在。需要指出的是，尽管各国的政策目标都试图追求人工智能发展与监管的二维平衡，但由于缺乏对人工智能内涵及其发展逻辑的完整认识，当前的公共政策选择有失综合性;本文第四部分将提出新的治理思路以及公共政策选择的其他可能路径，以推动围绕人工智能治理的相关公共政策议题的深入讨论。
一、人工智能的概念及技术发展逻辑：算法与数据
伴随着人工智能技术的快速发展，尤其是其近年来在棋类对弈、自动驾驶、人脸识别等领域的广泛应用，围绕人工智能所可能引发的社会变革产生了激烈争论。在一方面，以霍金[2]、马斯克[3]、比尔-盖茨[4]、赫拉利[5]为代表的诸多人士呼吁加强监管，警惕“人工智能成为人类文明史的终结”;在另一方面，包括奥巴马[6]在内的政治家、学者又认为应该放松监管，充分释放人工智能的技术潜力以造福社会。未来发展的不确定性固然是引发当前争论的重要原因之一，但围绕“人工智能”概念内涵理解的不同，以及对其发展逻辑认识的不清晰，可能也同样严重地加剧了人们的分歧。正因为此，廓清人工智能的概念内涵和发展逻辑不仅是回应争论的需要，也是进一步提出公共政策建议的前提。
就相关研究领域而言，人们对于“人工智能”这一概念的定义并未形成普遍共识。计算机领域的先驱阿兰-图灵曾在《计算机器与智能》一文中提出，重要的不是机器模仿人类思维过程的能力，而是机器重复人类思维外在表现行为的能力。[7]正是由此理解出发，著名的“图灵测试”方案被提出。但如同斯坦福大学计算机系教授约翰·麦卡锡所指出的，“图灵测试”仅仅只是“人工智能”概念的一部分，不模仿人类但同时也能完成相关行为的机器同样应被视为“智能”的。[8]事实上，约翰·麦卡锡正是现代人工智能概念的提出者。在他看来，“智能”关乎完成某种目标的行为“机制”，而机器既可以通过模仿人来实现行为机制，也可以自由地使用任何办法来创造行为机制。[9]由此，我们便得到了人工智能领域另一个非常重要的概念——“机器学习”。
人工智能研究的目标是使机器达到人类级别的智能能力，而其中最重要的便是学习能力。[10]因此，尽管“机器学习”是“人工智能”的子域，但很多时候我们都将这两个概念等同起来。[11]就实现过程而言，机器学习是指利用某些算法指导计算机利用已知数据得出适当模型，并利用此模型对新的情境给出判断，从而完成行为机制的过程。此处需要强调一下机器学习算法与传统算法的差异。算法本质上就是一系列指令，告诉计算机该做什么。对于传统算法而言，其往往事无巨细地规定好了机器在既定条件下的既定动作;机器学习算法却是通过对已有数据的“学习”，使机器能够在与历史数据不同的新情境下做出判断。以机器人行走的实现为例，传统算法下，程序员要仔细规定好机器人在既定环境下每一个动作的实现流程;而机器学习算法下，程序员要做的则是使计算机分析并模拟人类的行走动作，以使其即使在完全陌生的环境中也能实现行走。
由此，我们可以对“人工智能”设定一个“工作定义”以方便进一步的讨论：人工智能是建立在现代算法基础上，以历史数据为支撑，而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统。这一概念尽管可能仍不完善，但它突出了人工智能技术发展和应用的两大基石——算法与数据，有助于讨论人工智能的治理问题。
首先，算法即是规则，它不仅确立了机器所试图实现的目标，同时也指出了实现目标的路径与方法。就人工智能当前的技术发展史而言，算法主要可被划分为五个类别：符号学派、联接学派、进化学派、类推学派和贝叶斯学派。[12]每个学派都遵循不同的逻辑、以不同的理念实现了人工智能(也即“机器学习”)的过程。举例而言，“符号学派”将所有的信息处理简化为对符号的操纵，由此学习过程被简化(抽象)为基于数据和假设的规则归纳过程。在数据(即历史事实)和已有知识(即预先设定的条件)的基础上，符号学派通过“提出假设-数据验证-进一步提出新假设-归纳新规则”的过程来训练机器的学习能力，并由此实现在新环境下的决策判断。
从对“符号学派”的描述中可以发现，机器学习模型成功的关键不仅是算法，还有数据。数据的缺失和预设条件的不合理将直接影响机器学习的输出(就符号学派而言，即决策规则的归纳)。最明显体现这一问题的例子便是罗素的“归纳主义者火鸡”问题：火鸡在观察10天(数据集不完整)之后得出结论(代表预设条件不合理，超过10个确认数据即接受规则)，主人会在每天早上9点给它喂食;但接下来是平安夜的早餐，主人没有喂它而是宰了它。
所有算法类型尽管理念不同，但模型成功的关键都聚焦于“算法”和“数据”。事实上，如果跳出具体学派的思维束缚，每种机器学习算法都可被概括为“表示方法、评估、优化”这三个部分。[13]尽管机器可以不断的自我优化以提升学习能力，且原则上可以学习任何东西，但评估的方法和原则(算法)以及用以评估的数据(数据)都是人为决定的——而这也正是人工智能治理的关键所在。算法与数据不仅是人工智能发展逻辑的基石，其同样是治理的对象和关键。
总而言之，围绕“人工智能是否会取代人类”的争论事实上并无太大意义，更重要的反而是在廓清人工智能的内涵并理解其发展逻辑之后，回答“治理什么”和“如何治理”的问题。就此而言，明确治理对象为算法和数据无疑是重要的一步。但接下来的重要问题仍然在于，人工智能时代的崛起所带来的治理挑战究竟是什么?当前的制度设计是否能够对其做出有效应对?如果答案是否定的，我们又该如何重构治理体系以迎接人工智能时代的崛起?本文余下部分将对此做进一步的阐述。
二、人工智能时代崛起的治理挑战
不同于其他颠覆性技术，人工智能的发展并不局限于某一特定产业，而是能够支撑所有产业变革的通用型技术。也正因为此，其具有广泛的社会溢出效应，在政治、经济、社会等各个领域都会带来深刻变革，并将同时引发治理方面的挑战。具体而言，挑战主要体现在以下三个方面。
首先，治理结构的僵化性，即传统的科层制治理结构可能难以应对人工智能快速发展而形成的开放性和不确定性。之所以需要对人工智能加以监管，原因在于其可能成为公共危险的源头，例如当自动驾驶技术普及之后，一旦出现问题，便可能导致大规模的连续性伤害。但不同机、大型水坝、原子核科技等二十世纪的公共危险源，人工智能的发展具有极强的开放性，任何一个程序员或公司都可以毫无门槛的进行人工智能程序的开发与应用。这一方面是由于互联网时代的到来，使得基于代码的生产门槛被大大降低[14];另一方面，这也是人工智能本身发展规律的需要。正如前文所提到，唯有大规模的数据输入才可能得到较好的机器学习结果，因此将人工智能的平台(也即算法)以开源形式公开出来，以使更多的人在不同场景之下加以利用并由此吸收更多、更完备的数据以完善算法本身，就成为了大多数人工智能公司的必然选择。与此同时，人工智能生产模式的开放性也必然带来发展的不确定性，在缺乏有效约束或引导的情况下，人工智能的发展很可能走向歧途。面对这一新形势，传统的、基于科层制的治理结构显然难以做出有效应对。一方面，政府试图全范围覆盖的事前监管已经成为不可能，开放的人工智能生产网络使得监管机构几乎找不到监管对象;另一方面，由上至下的权威结构既不能传递给生产者，信息不对称问题的加剧还可能导致监管行为走向反面。调整治理结构与治理逻辑，并形成适应具有开放性、不确定性特征的人工智能生产模式，是当前面临的治理挑战之一。
再者，治理方法的滞后性，即长久以来建立在人类行为因果关系基础上的法律规制体系，可能难以适用于以算法、数据为主体的应用环境。人工智能的价值并不在于模仿人类行为，而是其具备自主的学习和决策能力;正因为如此，人工智能技术才不能简单地理解为其创造者(即人)意志的表达。程序员给出的只是学习规则，但真正做出决策的是基于大规模数据训练后的算法本身，而这一结果与程序员的意志并无直接因果关联。事实上也正由于这个特点，AlphaGo才可能连续击败围棋冠军，而其设计者却并非围棋顶尖大师。也正是在这个意义上，我们才回到了福柯所言的“技术的主体性”概念。在他看来，“技术并不仅仅是工具，或者不仅仅是达到目的的手段;相反，其是政治行动者，手段与目的密不可分”。[15]就此而言，长久以来通过探究行为与后果之因果关系来规范人的行为的法律规制体系，便可能遭遇窘境：如果将人工智能所造成的侵权行为归咎于其设计者，无疑不具有说服力;但如果要归咎于人工智能本身，我们又该如何问责一个机器呢?由此，如何应对以算法、数据为核心的技术主体所带来的公共责任分配问题，是当前面临的第二个治理挑战。
最后，治理范围的狭隘性，即对于受人工智能发展冲击而引发的新的社会议题，需要构建新的治理体系和发展新的治理工具。人工智能发展所引发的治理挑战不仅仅体现在现有体系的不适应上，同时还有新议题所面临的治理空白问题。具体而言，这又主要包括以下议题：算法是否能够享有言论自由的宪法保护，数据的权属关系究竟如何界定，如何缓解人工智能所可能加剧的不平等现象，以及如何平衡人工智能的发展与失业问题。在人工智能时代之前，上述问题并不存在，或者说并不突出;但伴随着人工智能的快速发展和应用普及，它们的重要性便日渐显著。以最为人所关注的失业问题为例，就技术可能性来说，人工智能和机器人的广泛应用代替人工劳动，已是一个不可否定的事实了。无论是新闻记者，还是股市分析员，甚至是法律工作者，其都有可能为机器所取代。在一个“充分自动化(Full Automation)”的世界中，如何重新认识劳动与福利保障的关系、重构劳动和福利保障制度，便成为最迫切需要解决的治理挑战之一。[16]
上述三方面共同构成了人工智能时代崛起所带来的治理挑战。面对这些挑战，各国也做出了相应的公共政策选择。本文第三部分将对各国人工智能的治理政策进行对比性分析。在此基础上，第四部分将提出本文的政策建议。
三、各国人工智能治理政策及监管路径综述
人工智能时代的崛起作为一种普遍现象，其所引发的治理挑战是各国面临的共同问题，各国也陆续出台了相关公共政策以试图推动并规范人工智能的快速发展。
美国于2016年同时颁布了《国家人工智能研究与发展战略规划》和《为人工智能的未来做好准备》两个国家级政策框架，前者侧重从技术角度指出美国人工智能战略的目的、愿景和重点方向，而后者则更多从治理角度探讨政府在促进创新、保障公共安全方面所应扮演的角色和作用。就具体的监管政策而言，《为人工智能的未来做好准备》提出了一般性的应对方法，强调基于风险评估和成本-收益考量的原则以决定是否对人工智能技术的研发与应用施以监管负担。[17]日本同样于2016年出台了《第五期(2016～2020年度)科学技术基本计划》，提出了“超智能社会5.0”的概念，强调通过推动数据标准化、建设社会服务平台、协调发展多领域智能系统等各方面工作促进人工智能的发展和应用。[18]
尽管美国和日本的政策着力点不同，但其共有的特点是对人工智能的发展及其所引发的挑战持普遍的包容与开放态度。就当前的政策框架而言，美日两国的政策目标更倾斜于推动技术创新、保持其国家竞争力的优势地位;当涉及对人工智能所可能引发的公共问题施以监管时，其政策选择也更倾向于遵循“无需批准式(permissionless)”的监管逻辑，即强调除非有充分案例证明其危害性，新技术和新商业模式默认为都是被允许的。[19]至于人工智能的发展对个人数据隐私、社会公共安全的潜在威胁，尽管两国的政策框架都有所涉及，却并非其政策重心——相比之下，英国、法国则采取了不同的政策路径。
英国政府2016年了《人工智能：未来决策制定的机遇与影响》，对人工智能的变革性影响以及如何利用人工智能做出了阐述与规划，尤其关注到了人工智能发展所带来的法律和伦理风险。在该报告中，英国政府强调了机器学习与个人数据相结合而对个人自由及隐私等基本权利所带来的影响，明确了对使用人工智能所制定出的决策采用问责的概念和机制，并同时在算法透明度、算法一致性、风险分配等具体政策方面做出了规定。[20]与英国类似，法国在2017年的《人工智能战略》中延续了其在2006年通过的《信息社会法案》的立法精神，同样强调加强对新技术的“共同调控”，以在享有技术发展所带来的福利改进的同时，充分保护个人权利和公共利益。[21]与美日相比，英法的公共政策更偏向于“审慎监管(precautionary)”的政策逻辑，即强调新技术或新的商业模式只有在开发者证明其无害的前提下才被允许使用。[22]
在本文看来，无论是“无需批准式监管”还是“审慎监管”，在应对人工智能时代崛起所带来的治理挑战方面都有其可取之处：前者侧重于推动创新，而后者则因重视安全而更显稳健。但需要指出的是，这两种监管路径的不足却也十分明显。正如前文第二部分所指出，一方面，快速迭代的技术发展与商业模式创新必将引发新的社会议题，无论是算法是否受到言论自由的权利保护还是普遍失业对社会形成的挑战，它们都在客观上要求公共政策做出应对，而非片面的“无需批准式监管”能够处理。更重要的是，“无需批准式监管”的潜在假设是事后监管的有效性;然而，在事实上，正如2010年5月6日美国道琼斯工业指数“瞬间崩盘”事件所揭示的，即使单个电子交易程序合规运行，当各个系统行为聚合在一起时反而却造成了更大的危机。[23]在此种情形下，依赖于合规性判断的“事后监管”基本上难以有效实施。另一方面，人工智能本身的自主性和主体性使得建立在人类行为因果关系基础上的“审慎监管”逻辑存在天然缺陷：既然人类无法预知人工智能系统可能的行为或决策，开发者又如何证明人工智能系统的无害性?
正如本文所反复强调的，人工智能与其他革命性技术的不同之处，正是在于其所带来的社会冲击的综合性和基础性。人工智能并非单个领域、单个产业的技术突破，而是对于社会运行状态的根本性变革;人工智能时代的崛起也并非一夜之功，而是建立在计算机革命、互联网革命直至数字革命基础上的“奇点”变革。因此，面对人工智能时代崛起所带来的治理挑战，我们同样应该制定综合性的公共政策框架，而非仅仅沿袭传统治理逻辑，例如只是针对具体议题在“创新”与“安全”这个二元维度下进行艰难选择。本文在第四部分从承认技术的主体性、重构社会治理制度、推进人工智能全球治理这三方面提出了政策建议，并希望以此推动更深入地围绕人工智能时代公共政策选择的研究与讨论。
四、人工智能时代的公共政策选择
《新一代人工智能发展规划》明确提出了到2030年我国人工智能发展的“三步走”目标，而在每一个阶段，人工智能法律法规、伦理规范和政策体系的逐步建立与完善都是必不可少的重要内容。面对人工智能时代崛起的治理挑战，究竟应该如何重构治理体系、创新治理机制、发展治理工具，是摆在决策者面前的重要难题。本文基于对人工智能基本概念和发展逻辑的梳理分析，结合各国已有政策的对比分析，提出以下三方面的改革思路，以为人工智能时代的公共选择提供参考。
第一，人工智能发展的基石是算法与数据，建立并完善围绕算法和数据的治理体系与治理机制，是人工智能时代公共政策选择的首要命题，也是应对治理挑战、赋予算法和数据以主体性的必然要求。(1)就算法治理而言，涉及的核心议题是算法的制定权及相应的监督程序问题。算法作为人工智能时代的主要规则，究竟谁有权并通过何种程序来加以制定，谁来对其进行监督且又如何监督?长久以来公众针对社交媒体脸书(Facebook)的质疑正体现了这一问题的重要性：公众如何相信脸书向用户自动推荐的新闻内容不会掺杂特殊利益的取向?[24]当越来越多的人依赖定制化的新闻推送时，人工智能甚至会影响到总统选举。也正因为此，包括透明要求、开源要求在内的诸多治理原则，应当被纳入到算法治理相关议题的考虑之中。(2)就数据治理而言，伴随着人工智能越来越多地依赖于大规模数据的收集与利用，个人隐私的保护、数据价值的分配、数据安全等相关议题也必将成为公共政策的焦点。如何平衡不同价值需求、规范数据的分享与应用，也同样成为人工智能时代公共政策选择的另一重要抓手。
第二，创新社会治理制度，进一步完善社会保障体系，在最大程度上缓解人工智能发展所可能带来的不确定性冲击。与历史上的技术革命类似，人工智能的发展同样会导致利益的分化与重构，而如何保证技术革命成本的承受者得到最大限度的弥补并使所有人都享有技术发展的“获得感”，不仅是社会发展公平、正义的必然要求，也是促进技术革命更快完成的催化剂。就此而言，在人工智能相关公共政策的考量中，我们不仅应该关注产业和经济政策，同时也应该关注社会政策，因为只有后者的完善才能够控制工人或企业家所承担的风险，并帮助他们判断是否支持或抵制变革的发生。就具体的政策设计来说，为缓解人工智能所可能带来的失业潮，基本收入制度的普遍建立可能应该被提上讨论议程了。“基本收入”是指政治共同体(如国家)向所有成员不加任何限制条件地支付一定数额的收入，以满足其基本生活的需求。尽管存在“养懒汉”的质疑，但有研究者已指出，自18世纪就开始构想的基本收入制度很有可能反过来促进就业。[25]芬兰政府已经于2017年初开始了相关实验，美国的一些州、瑞士也做出了一定探索。在人工智能时代尚未完全展现其“狰容”之前，创新社会治理机制、完善社会保障体系，可能是平衡技术创新与社会风险的最佳路径。
第三，构建人工智能全球治理机制，以多种形式促进人工智能重大国际共性问题的解决，共同应对开放性人工智能生产模式的全球性挑战。人工智能的发展具有开放性和不确定性的特征，生产门槛的降低使得人工智能技术研发的跨国流动性很强，相关标准的制定、开放平台的搭建、共享合作框架的形成，无不要求构建相应的全球治理机制。另一方面，跨境数据流动在广度和深度上的快速发展成为了人工智能技术进步的直接推动力，但各国数据规制制度的巨大差异在制约跨境数据流动进一步发展的同时，也将影响人工智能时代的全面到来。[26]故此，创新全球治理机制，在承认各国制度差异的前提下寻找合作共享的可能性，便成为人工智能时代公共政策选择的重要考量之一。就具体的机制设计而言，可以在人工智能全球治理机制的构建中引入多利益相关模式;另一方面，为防止巨头垄断的形成，充分发挥主权国家作用的多边主义模式同样不可忽视。作为影响深远的基础性技术变革，互联网全球治理机制的经验和教训值得人工智能发展所借鉴。
上述三方面从整体上对人工智能时代的公共政策框架做出了阐述。与传统政策局限于“创新”与“安全”之间做出二维选择不同，本文以更综合的视角提出了未来公共政策选择的可能路径。就其内在联系来讲，建立并完善围绕算法和数据的治理体系是起点，其将重构人工智能时代的规则与制度;创新社会治理机制并完善社会保障体系是底线，其将缓解人工智能所带来的影响与波动;构建全球治理机制则成为了制度性的基础设施，推动各国在此之上共同走向人工智能时代的“人类命运共同体”。
五、结语
在经历了60余年的发展之后，人工智能终于在互联网、大数据、机器学习等诸多技术取得突破的基础上实现了腾飞。在未来的人类生活中，人工智能也必将扮演越来越重要的角色。对于这样的图景，我们自不必惊慌，但却也不可掉以轻心。对于人工智能的治理，找到正确的方向并采取合理的措施，正是当下所应该重视的政策议题。而本文的主旨也正在于此：打破长久以来人们对于人工智能的“笼统”式担忧，指出人工智能技术发展的技术逻辑及其所引发的治理挑战，并在此基础上提出相应的政策选择。人工智能治理的这三个基本问题，是重构治理体系、创新治理机制、发展治理工具所必须思考的前提。伴随着我国国家层面战略规划的出台，我国人工智能的发展也必将跃上新台阶。在此背景下，深入探讨人工智能治理的相关公共政策议题，对于助推一个人工智能时代的崛起而言，既有其必要性，也有其迫切性。（来源：中国行政管理 文/贾开 蒋余浩 编选：中国电子商务研究中心）
[参考文献]
[1]国务院关于印发新一代人工智能发展规划的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者终结人类文明[EB/OL].http：//raincent.com/content-10-7672-1.html.
[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.
[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.
[5] [以]赫拉利.人类简史[M].北京：中信出版社，2014.
[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.
[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).
[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.
[11] [12][13] [美]佩德罗-多明戈斯.终极算法：机器学习和人工智能如何重塑世界[M].黄芳萍译.北京：中信出版社，2016.
[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.
[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，FR，Gallimard，1975.
[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.
[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.
[18]薛亮.“日本推动实现超智能社会‘社会5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.
[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.
[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.
[21]周衍冰.大数据产业在法国的发展及应用[N].学习时报，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普兰.人工智能时代：人机共生下财富、工作与思维的大未来[M].杭州浙江人民出版社，2016.
[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.
[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).
如何应对人工智能时代的转型？人工智能的商业价值地图中，哪些产业将最先享受技术红利？
“智造”并不是一个新词，几年前，我们可以看到数字技术从虚拟世界向实体世界渗透。3D打印、激光切割等一系列数字制造设备的发明让制造变得民主化，所以诞生了创客这个群体，让普通人也可以通过智造来实现想法。而今天，我们都看到“智”的含义又进化了。
人工智能正在全球范围内掀起产业浪潮。从去年开始，腾讯研究院就对人工智能的产业发展有一个持续的跟踪。我今天将从一个更广的维度，不限于制造业来与大家分享关于人工智能如何融合产业，创造万亿实体经济新动能的一些观察。
人工智能认知差距存在：已走入平常生活
在另一阵营，包括扎克伯格、李开复、吴恩达等在内的多位人工智能业界和学界人士都表示人工智能对人类的生存威胁尚且遥远。这其中主要的争议就来源于对“人工智能”定义的区别。人工智能学家马斯克等人所述的人工智能，是指可以独立思考并解决问题，具有思维能力的“强人工智能”，目前，科学界和工业界对何时发展出“强人工智能”并无定论。
现在处于全球热议中的“人工智能”，并不完全等同于以往学院派定义的人工智能。你可能没有意识到，我们日常生活中已经用到了许多人工智能技术：早在2011年，苹果就率先将人工智能应用Siri放进了大家的口袋里；拍照、签到时用到的人脸识别技术，智能音箱的语音对话系统，以及我们现在主流的新闻推荐引擎，也都用到了深度学习的算法。
人工智能算法存在于人们的手机和个人电脑里，存在于政府机关、企业的服务器上，存在于共有或者私有的云端之中。虽然我们不一定能够时时刻刻感知到人工智能算法的存在，但人工智能算法已经高度渗透进我们的生活之中。
人工智能的商业潮起：九大领域形成热点
人工智能的历史已经有60年的时间，但它作为一个商业化浪潮是最近几年爆发的。与以往几次人工智能浪潮不同，此次的人工智能革命跨越了技术商业化的临界点。
下图为腾讯研究院的《中美人工智能产业报告》，人工智能领域的投资金额从2012年起呈现出了非常陡峭的增长趋势，转折点就是深度学习技术的突破。
IT产业经过数十年的发展，在存储、运算和传输能力上都有了几何级的提升，使深度学习最终有了质的飞跃。互联网积累了20年的数据终于有了用武之地——训练数据。机器学习和深度学习的飞速发展直接引领了此次人工智能产业浪潮。
截至目前，美国在融资金额上人工达到了938亿，中国仅次于美国达到了635亿。人工智能产业发展出了九大热点领域，分别是芯片、自然语言处理、语音识别、机器学习应用、计算机视觉、智能机器人、自动驾驶。
另一个明显的趋势是中美科技巨头的集体转型。从互联网到移动互联网的历次转换历程中，把握技术革命带来的商业范式革命是屹立不败的关键。技术革命将带来基础设施、商业模式、行业渠道、竞争规则变化的涟漪效应。
谷歌最早意识到机器学习的重要性，从2012年开始从搜索业务积累数据。从2012年到2017年短短的5年时间已经渗透到了超过1200个谷歌的服务中。业务发展战略从“移动优先”转为“人工智能优先”。除此以外，美国的FAAMG (Facebook， Amazon， Apple， Microsoft， Google)以及中国的BAT无一例外投入越来越多资源抢占人工智能市场，有的甚至转型成为AI公司。他们纷纷从四方面从基础到全局打造AI生态：
第一，通过建立AI实验室，来建立核心的人才队伍。第二，持续并购来争夺人才和技术。第三，建立开源的生态，占领产业核心。今天，大多数技术进步都不是封闭的创造发明。技术的指数级增长，受益于底层技术的共享。今年，腾讯向外输出了两大AI开源项目ANGEL和NCNN。第四，最好的人工智能服务将可能化为无形，即与云服务结合。工具AI将大幅降低企业使用AI的门槛，越来越多科技巨头选择将自己的服务“云端化”来赋能全行业。正如马化腾所说的未来的企业都是在云端用AI处理大数据。并且在一些领域开始试水消费级人工智能的场景。
认识人工智能的能力与局限
认识人工智能的能力与局限AI要在商业上取得成功，首先要理解人工智能的真实能力。AI的爆发对商业的塑造也许与互联网彻底颠覆传统行业不同，在很大程度上会不动声色地嵌入到商业中。应用场景不再是新奇的概念展示，而是融入现有的生产中，进入垂直领域，创造直接的经济价值。
认识人工智能的能力与局限从认识物理世界到自主决策，目前人工智能已经具备以下几种能力：
认识人工智能的能力与局限感知智能：在语音识别、图像识别领域已经有很深入的应用，赋予了机器“看”和“听”的能力。甚至情感也能被机器理解 ；语音识别和图像识别都有了显著的提升。
认识人工智能的能力与局限理解能力：自然语言理解成为隐形的标配植入到产品中。配合计算机视觉可用于理解图像，来执行基于文本的图像搜索、图像描述生成、图像问答（给定图像和问题，输出答案）等。
认识人工智能的能力与局限数据智能：机器学习、深度学习让机器能够洞察数据的秘密，并且不断自动优化算法，提升数据分析能力。
认识人工智能的能力与局限决策能力：本质是用数据和模型为现有问题提供解决方案。棋类游戏是一种典型的决策能力，人类在完美信息博弈的游戏中已彻底输给机器，只能在不完美信息的德州扑克和麻将中苟延残喘。在更广泛的领域，例如如何自动驾驶汽车，如何将投资收益最大化等丰富的场景都将是决策能力的用武之地。
人工智能的价值地图：产业融合正在加速
与互联网时代一夜颠覆的渠道革命不同，人工智能的带来的商业变革正在不动声色地渗入到各行各业。一大批AI应用的先导者正在将AI能力赋能产业，涉及吃住行、工业医疗等各个领域。下面将用三个例子来说明正在发生的“AI+”产业增强革命。
首先是零售行业。上图是亚马逊推出的无人超市Amazon Go。在亚马逊的蓝图中，顾客从货架上取下货品，无需再经过收银台便可自动完成结算过程。从顾客进店开始，通过人脸识别验证顾客身份，在顾客购物时，通过图像识别和对比技术判断商品种类，自动生成购物订单完成自动结算。
现在，各种形式的无人零售商店在国内也如雨后春笋般兴起。当然，无人收费只是零售智能化的第一步，人工智能不同能力的应用将全面改变现在的零售模式。比如开一家店选址、到底在哪开、开多大、覆盖多少人群、卖多少东西？时装周采购设计师的衣服，买那些今年会畅销？以前这些都靠零售人的经验做决策，但在信息时代，这些都可以用精准的算法做决策。
第二个例子是医疗行业，医疗在任何国家都是最大的行业之一，我们经济发展和科技进步追求的最终目标也是增进健康。
人工智能在医疗行业的应用很广泛。用人工智能来辅助医疗影像诊断大家已经比较熟悉了。我想说的是人工智能对精准医疗的推动。所有遗传密码的信息都是非常非常多的一个大数据，对任何人在他没有得病的时候我们测量他的组学数据，分析组学大数据，那么就可以对他未来健康发展的危险因素做出评估，根据评估进行适当干预，这样的话有些疾病不发展，有些疾病减轻他的程度，提高他的生活质量，这样就把整个医疗健康体系的关口前移，在没有病之前就提出评估与保证。
第三个例子来自制造业。波士顿有家著名的机器人公司叫Rethink Robotics，顾名思义就是重新思考机器人。这个公司开发了一款名为Baxter的智能协作机器人。这个机器人的特点是和人的交互不再是机械的。Baxter 采用顺应式手臂并具有力度探测功能，能够适应变化的环境，可“感知”异常现象并引导部件就位。你只要挪动它的手臂就能进行训练，完成特定的任务。其次，对于制造业来说人工智能不仅仅意味着完成某项工任务的机器人，也是未来制造业智能工厂、智能供应链等相互支撑的智能制造体系。通过人工智能实现设计过程、制造过程和制造装备的智能化。
人工智能的经济影响
人工智能在经济层面的影响，主要有三个方面：
第一，生产效率的提升。人工智能创造了一种虚拟的劳动力，能够解决需要适应性和敏捷性的复杂任务。
第二，交易成本的下降。互联网的平台模式通过降低信息不对称，降低了交易成本。随着机器学习的引入，可以实现更精准的服务匹配，进一步优化资源的分配。
第三，人工智能将带来数据产业的蓬勃。机器学习需要数据的“喂养”，海量的数据需求催生了多种类型的数据交易模式。数据的需求会产生很多数据经纪商，有B2B模式，C2B模式，B2B2C模式等，促进数据在个人、企业及产业链层面流通。数据的来源不单单来自于用户，也来自于政府公开数据、商业渠道、博客等公共资源等。
转型之路：五要素坚实人工智能基础
人工智能将一切变化都带入了超高速发展的轨道。创新科技公司已集体转型，传统行业又改如何应对即将到来的人工智能时代？实现人工智能的转型，需要从几个方面并行：
数据、算法和算力是我们常说的人工智能的“三驾马车”，是人工智能得以应用的基础。
第一是数据，我们对数据的认识不应该停留在统计，改进产品或者作为决策的支持依据。而应该看到它导致机器智能的产生。但首先，数据是有条件的。垂直行业的数据，高质量的数据。在国家层面，也有许多数据开放计划。
第二是算法，人工智能的人才仍然是很稀缺的。高校和企业的人才流动越来越频繁。但同时，企业通过开放生态，降低开发门槛。可以让更多中小企业享受AI能力。
第三是算力，现在的人工智能系统通过成百上千个GPU来提升算力，使深度学习能够走向生产环境。但随着数据的爆发式增长，现有算力将无法匹配。
除了这三驾马车，从实验室到行业应用，在人工智能的应用过程中还需要加入两个元素：
■ 首先是场景。理解场景是人工智能应用的核心。人工智能必须落到精准的场景，才能实现实在的价值。理解人工智能能力可落地的场景及对应的流程，将AI纳入决策流程。
■ 其次是人机回环，即human-in-the-loop。“人机回圈”的第一层含义是人工智能应用中需要用户，即人的反馈来强化模型。更进一步，机器学习是一种尝试创建允许通过让专家与机器的一系列交互参与到机器学习的训练中的系统工作。机器学习通常由工程师训练数据，而不是某个领域的专家。“人机回圈”的核心是构建模型的想法不仅来自数据，而且来自于人们怎样看待数据。专家会成为垂直领域的AI顾问，把关模型的正确性。
人工智能并不是静态的东西，训练出来的模型要用到某个业务场景里，业务场景里产生新的数据，这些数据进一步提升人工智能模型的能力，再用到场景中，形成一个闭环和迭代。
总结
本轮人工智能浪潮是基于深度学习的发展，将快速渗透到数据密集行业。
人工智能目前从感知智能、理解智能、数据智能和决策智能四方面发挥在各行各业的能力。
关键词：大数据时代人工智能计算机网络技术应用
中图分类号：TP18文献标识码：A文章编号：1674-098X（2018）01（a）-0157-02
人工智能是计算机和网络技术、通信技术三者结合的产物，在大数据时代成为爆炸性的数据处理工具。计算机网络中有很多漏洞，其效率也不够高，人工智能可以弥补这些缺点，对社会稳定和发展有着特殊的意义。
1人工智能的内涵
人工智能属于计算机技术，是一种可以模仿人类一些行为以及思维进行的综合性技术。人工智能的范围很广，包括语言学、心理学以及哲学，模拟人们对外界的声音和图像进行智能化处理，让人们对生活中遇到的问题具体化分析，从而提高人们的生活水平。人工智能作为将人类思维转化为数据的新型方式，只要将数据录入到计算机系统当中，机器就可以自动操作[1]。同时，随着计算机网络的发展，对人工智能的进步产生影响，二者互相依靠，将网络中的词义、数据进一步转化为机器操作，突出其重要性。人工智能的优越之处就是能够处理一些不够清晰的信息，从信息中取得有效数据并且进行处理，再将结论反馈给用户。
2人工智能的特征
2.1化繁为简
人工智能可以从根本上解决很多无法确定的问题，很多在生活中无法得到解答的问题，都能从人工智能中模拟具体的计算机运算，将难度很强的问题简单化，实现对很多不清晰数据的全面掌握。通过对人工智能的管理，让计算机网络管理得到安全保障。
2.2加快信息处理的速度
人工智能作为我国一项新兴技术，主要是对人类的思维和行为进行模仿，同时与计算机技术进行有效结合，加快了对信息和数据等处理的速度，从而提高了用户的工作效率，缩短了用户查找资料的时间。在使用计算机过程中，人工智能可以加快网络运行的速度，在网络管理当中也具有很强的实用性质。
3大数据时代人工智能在计算机网络技术中的应用
3.1保障网络安全
人工智能就像是人类的大脑进行自动化操作，对错误的数据进行初步筛选，能够体现出很强的优越性，尤其是噪声输入模式等网络安全管理。人工智能技术在计算机网络安全中有着重要的地位，在处理垃圾邮件、智能防火墙方面具有良好的效果[2]。人工智能技术在处理垃圾邮件的时候，可以先扫描用户的邮件，将一些不符合网络安全的邮件进行标注，用户就可以尽快发现问题并且处理，以免对自己的计算机产生危害。人工智能系统规避了垃圾邮件的骚扰行为，确保了计算机的安全。
智能防火墙系统可以提供拒绝服务等安全措施，智能防火墙不仅能够降低计算机的数据运算量，还可以及时发现入侵互联网程序的病毒，在分辨率极高的情况下防御病毒的传播。
在计算机连接网络的过程中，入侵检测十分关键，对网络的安全性也十分重要，入侵检测将会影响到计算机数据的完整性与安全性。通过分类处理形成数据报告，将计算机网络的安全状态反馈给用户，用户能在第一时间发现计算机出现的安全问题，人工智能相对于传统的模糊鉴别具有更高的安全系数，让用户的计算机时刻处于保护之中。
3.2管理与评价
在大数据的时代背景之下，计算机网络管理需要加快人工智能技术的应用。人工智能不但能够在网络安全管理上发挥作用，而且可以利用专家数据库进行综合管理。计算机网络技术想要不断进步，就要持续开发人工智能技术，将问题放在知识库当中进行管理。计算机网络在管理方面瞬息万变，工具类动态码也在不断变化，人工智能可以化繁为简，将复杂的程式变得简单，对综合管理来说十分有利。
人工智能模式在整个信息系统中扮演着重要的角色，就是因为系统中借鉴了很多专家的经验和知识，并且将更新的内容持续输入其中。完善系统内容可以汇聚专家的想法，将一些相似的问题通过人工智能系统在计算机网络管理中进行评价，使其在计算机网络中起到重要的作用。
人工智能系统在当前的企业管理当中也得到广泛应用，伴随着企业的经济发展，根据人工智能技术特点进行监控，让企业的管理更加现代化，不断提高工作效率。人工智能提供的智能化管理可以让企业管理更加便捷、减少成本。
3.3管理模式
人工智能系统其实是一个软件，由知识库和数据库等通讯部分组成，以知识库作为依托，对数据进行分析处理，为用户提供更好的服务。人工智能管理能够在用户自定义的模式上对信息进行探索，然后将数据传输至指定的位置，为用户提供最人性化的服务[3]。用户在查找数据的时候，人工智能管理技术可以通过计算机信息分析和查找，向用户传递有用的信息，为用户节省大量的查询时间。人工智能技术已经成为日常生活中不可缺少的应用，无论是网上购物还是收发邮件，都会为用户提供十分优质的服务。人工智能程序本身就有很多自主性，为用户直接分配任务，通过学习促进计算机网络技术的发展。
3.4人工免疫技术
人工免疫技术就像是人的免疫系统，用计算机程序体现基因库和各类选择，配合使用各类技术弥补传统入侵检测的不足，以及无法自动识别病毒等。而人工智能免疫系统可以将各类病毒自动识别，在系统中产生一串字符，将匹配的字符删除，如果能够通过检测就会进行下一步程序，这个技术的应用还有待改善，但具有较大的应用价值。
3.5数据融合技术
数据融合技术是以用户作为对象，将多个数据进行重新组合，在组合的基础之上挖掘出更多的信息。数据融合在网络安全的管理中，能够将多个传感器在系统中进行连接，提高计算机的系统性能，将传感器的入侵范围缩小，打破原有的局限模式，保证入侵检测系统的安全，多种技术融合之后会产生更好的效果。现阶段入侵檢测方面的技术很多，包含数据库和各类知识结构的拼接，构建了专家的知识系统，如果一旦受到系统的入侵就可以自动检测数据，确定入侵的种类和危害。专家知识库包含很多基本理论和经验，将已知的内容转化为各类编码，数据库中得到专家的支持并且采用各类管理方式，以便完成计算机的各项工作。
4结语
大数据时代中，人工智能在计算机网络技术中的运用越来越广泛，如果想要进一步加快人工智能的脚步，就需要明确它的优势以及应用现状，逐步深化人工智能技术的发展趋势。计算机技术的发展趋势决定了人工智能的发展程度，也会在很大程度上促进计算机网络的应用。只有将人工智能技术与计算机网络紧密地结合在一起，才能够让二者相互促进。人工智能的应用必须要满足当前科技的发展，只有保证计算机网络的安全运行，人们的生活才会更加便捷，网络安全的诸多问题也会减轻。只有不断地对计算机技术进行创新和优化配置，才能够让人工智能技术发挥得更好，为社会创造更高的价值。
参考文献
[1] 李艳旭.大数据时代人工智能在计算机网络技术中的应用[J].农家参谋，2017，2（16）：112.
关键词：人工智能 计算机 信息技术 应用
中图分类号：TP391.6 文献标识码：A 文章编号：1007-9416（2016）12-0118-01
近年来，其初步成果已经在我们的生活中得到了运用。科学家们借助一台计算机或者是一个机器人载体通过输入代码等方式，对计算机作出指令让其代替人们完成一些需要人们亲自动手或者是动脑的工作，既包括对人生命健康安全存在隐患的高危工作，也包括是毫无技术水平，重复枯燥的体力劳动。随着人工智能技术应用越来越具备挑战性，作为实现平台的计算机更是发挥了不可忽视的作用。因此，讨论探究人工智能在计算机中的应用就显得尤为的重要。
1 人工智能的含义
人工智能（Artificial Intelligence），英文缩写为AI。就其本质而言，是对人的思维的信息过程的模拟。该词于1956年在Dartmouth学会上被科学家们提出，最早是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。现在被当作为计算机科学的一个分支，它进一步的深化智能，并以生产出一种能做出与人类相似反应的智能程序为目标，包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能在计算机中的应用不是简单的机器制造，是模拟人类智力活动和反应能力的系统创造，是信息时代高科技不断发展的代表产物，人工智能的发展在现代信息社会的发展中占据着越来越重要的地位。
2 人工智能在计算机应用中存在的问题
2.1 语言智能存在缺陷
在计算机语言智能虽然取得了一定程度的成果，但是在具体应用方面仍旧存在着一定缺陷。由于在实际生活中使用环境的限制，使用者不能保证在任何使用情况下周围安静无噪音，再加上用户不同的口音、停顿、语言习惯等等，这都给计算机接受指令作出智能反应带来了极大的挑战，需要科学家和技术人员不断提高计算机语言智能智能能力，另外计算机语言正处于起步阶段，虽然计算机对于人们发出的指令智能进行简单的翻译，但是对于句子意义的理解稍显不足，容易在语序语法上出现低级错误，计算机语言理解能力还有待加强，翻译和理解的能力在实际应用中也需要大幅度提升。
2.2 缺少词汇量和互动环节
词汇量决定计算机系统接受语音信息和指令的完整程度，互动环节的多少决定计算机系统智能水平的高低。一方面使用者语言的多样性增添了系统语音识别难度，由于系统缺乏世界语言的不足，在搜索计算法效率的不断提升和搜索词汇量的不断增加的情况下，如用户引用的词汇超出系统存储范围时，系统很有可能出现混乱、奔溃等情况。这都给用户在计算机人工智能语音应用方面造成了极大的困扰；另一方面人们生活水平不断提高，对应用的人性化和趣味化要求也在同步提升，但是从现实状况来看，计算机人工智能互动模式和内容太过死板和枯燥，难以吸引用户使用兴趣，要想促进人工智能在计算机的不断应用，就得不断创新，研究开发新模式吸引用户注意。
3 人工智能在计算机中的具体应用
3.1 进入生产领域，节省人力资本
随着人工智能与计算机的高度结合，越来越多的企业将目光投向于人工智能在生产领域的研究，一方面对于一些事故发生率较高、财产损失规模较大、且对工作者生命安全造成极大威胁的高危行业，企业的管理者可以运用计算机控制，以机器代替人工进行作业，如地下采煤、高空作业、爆破工作等等，既将工人的生命威胁降至最低，又能提高生产工作效率，促M企业的发展乃至行业的整体进步，另一方面，由于我国国情存在着大量的劳动密集型产业，人工智能促进了流水线生产，电脑系统化解放了大批劳动力，节省了大量企业资本，促使企业将更多的资源运用进人工智能和产品的研发，从而对计算机人工智能的进一步发展起着积极的作用。
3.2 投放科学领域，促进时代进步
人工智能在计算机中的应用典型例子就不能忽略超级计算机的研发和使用，所谓的超级计算机是以计算机为载体，具有代替人们进行任务规划和强大计算、处理数据的能力，主要特点表现为高速度和大容量，配有多种外部和设备及丰富的、高功能的软件系统。现有的超级计算机运算速度大都可以达到每秒一太（万亿）次以上。例如我国“天河二号”，它工作一秒钟相当于我们每个国民加起来全年无休工作1000年的计算量。因此，其多应用于国家高科技领域和尖端技术研究，人工智能与计算机的有机结合、相互作用、相互影响、其所表现出来的科学产物，不仅体现了一个国家的科研实力，同时对国家安全，经济和社会发展具有举足轻重的意义。
3.3 运用实际生活，提高生活水平
随着电子信息技术和计算机的发展，人工智能影响到我们的方方面面，通过搜索引擎就能查找我们所需要的图片和信息，点击人工语音选项我们便能对电脑程序发出指令，图搜商品导购、摄像头智能识别等等，被我们所熟悉的还有由谷歌公司研发创造的围棋人工智能程序阿尔法与微软互联网工程院于2014年的人工智能机器人“小冰”。前者在2016年3月以4：1的总比分战胜李世石，后者则拥有人工智能聊天，具有“陪你数羊”能人性化功能。由此可见，人工智能在计算机中的应用在给我们的生活带来挑战的同时，极大地提高了我们的生活水平、扩宽了娱乐方式。
4 结语
随着信息时代和高科技技术的高速发展，人工智能近年来所表现的迅猛势头不容小觑。虽然人工智能在计算机领域应用起步较晚，但它逐渐显现出其独特的发展潜力，对我们的生活和工作也发挥着越来越重要的影响。就目前人工智能发展状况来看离不开与计算机的结合和使用，因此我们不断学习和研究，不断促进人工智能在计算机领域中的应用和发展。
参考文献
关键词：智能科学与技术；知识结构；应用型人才；人才培养；知识型能力本位教育
中图分类号：G64文献标识码：A
文章编号：1009-3044（2020）25-0153-03
1引言
智能科学与技术主要包含智能科学和智能技术两部分内容[1]：智能科学是以人如何认知和学习为研究对象，探索智能机器的实现机理和方法；智能技术则是将这种方法应用于人造系统，使之具有一定的智能或学习能力，让机器系统为人类工作。目前，在本科专业目录中，智能科学与技术专业是计算机类之下的特设专业，在现有的人工智能专业群中，除了新设的人工智能专业外（2019年全国共有35所高校获首批人工智能新专业建设资格），智能科学与技术专业与全球范围大力推进与快速发展的人工智能关系最密切，契合度最高。一方面，智能科学与技术的专业发展和人才培养将为人工智能技术提供理论支撑、技术推进和人才支持，另一方面，人工智能产业现状和未来发展趋势直接影响着智能科学与技术的专业发展和人才需求。
2人工智能时代对人才的需求
站在国家战略的高度来看，人工智能将成为新一轮产业变革的核心驱动力，可以实现社会生产力的整体跃升，因此人工智能将成为引领未来的战略性技术，世界主要发达国家都把发展人工智能作为提升国家竞争力、维护国家安全的重大战略。
随着人工智能时代的到来，许多企业对具有智能科学与技术专业背景的人才有着巨大的需求。首先，IT企业纷纷涉足智能科学领域，提高产品智能水平；其次，许多传统制造业也在转型，从劳动密集型到知识密集型，进一步提升到智能制造型，并逐渐具备高精尖装备制造能力；此外，医疗、通讯、交通等行业也对智能科技人才有着迫切的需要。人工智能对各行各业的影响，充分体现了智能科技的高速发展，对人才数量和素质要求也越来越高。
从人才的金字塔型分布来看，智能科学与技术领域不仅需要高端学术型人才，更需要接地气、重实践的应用型人才。随着“中国智造”的不断推进，智能科学与技术领域已由顶层设计和关键技术突破向生产、应用、装配、服务等环节延伸，迫切需求大批专业技术精、实践能力强、操作流程熟的应用型人才。2019年，人力资源和社会保障部、国家市场监管总局、国家统计局向社会了13个新职业信息，包括人工智能工程技术人员、物联网工程技术人员、大数据工程技术人员等，这也从另外一个侧面说明人工智能等技术推动了产业结构的升级，催生了相关专业技术类新职业，可形成相对稳定的从业人群。
3应用型人才培养模式分析
《中国制造2025》以推进智能制造为主攻方向，强调健全多层次人才培养体系，提到强化职业教育和技能培训，引导一批普通本科高等学校向应用技术类高等学校转型，建立一批实训基地，开展现代学徒制试点示范，形成一支门类齐全、技艺精湛的技术技能人才队伍。
通常而言，人才类型分为三类[2]：学术型人才、应用型人才、技能型人才。实际上从现代职业教育的发展和社会需求来看，应用型人才和技能型人才的界限相对模糊，可统称为应用型人才，即把成熟的技术和理论应用到实际的生产、生活中的技术技能型人才。从国家的层面来看，为了适应人工智能时展，人才需求数量基数最多、缺口最大的就是应用型人才，这也对众多高校培养人才的导向产生重大影响。这里我们重点讨论智能科学与技术应用型本科人才的培养，可从职能、知识结构、能力结构、行业（产业）导向四个方面来分析。
3.1职能
智能科学与技术应用型人才是培养面向各类智能科学与技术的工程设计、开发及应用，掌握各类现代智能系统设计、研发、集成应用、检测与维修、运行与管理等技术，具有扎实理论基础、较强工程实践和创新能力的高素质应用型工程技术人才。
3.2知识结构
智能科学与技术专业充分体现了跨学科的特点，其知识结构包含了三个并行的基础领域：电子信息、控制工程、计算机，也蕴含了电子信息工程、控制科学与工程、计算机科学与技术等学科的交叉和融合，体现了智能感知与模式识别、智能系统设计与制造、智能信息处理三个方面的专业内涵。
（1）智能感知与模式识别
属于电子信息与计算机交叉领域，主要定位在机器视觉与模式识别。包括三维建模与仿真、图像处理与分析、图像理解与识别、机器视觉、模式识别、神经网络、深度学习等。主要课程包括：电子技术基础、信号系统与数字信号处理、数字图像处理、模式识别等。
（2）智能系统设计与制造
属于控制工程领域，包括自动控制、无人系统与工程、精密传感器设计与应用等。主要课程包括：机械基础、工程力学、自动控制原理、传感器与测试技术、计算机控制技术、机电系统分析与设计等。
（3）智能信息处理
属于计算机领域，包括交通大数据、汽车与道路安全大数据等的分析与处理、信息处理与知识挖掘、信息可视化等。主要课程包括：智能科学技术导论、计算机程序设计、微机原理与接口技术、数据结构与算法、嵌入式系统设计等。
3.3能力结构
智能科学与技术应用型人才培养着眼于人工智能工程应用，要求学生具有运用计算机及相关软硬件工具进行大数据的采集、存储、处理、分析、应用的能力；具备智能系统的设计、开发、集成、运行与管理的能力；注重培养学生综合运用所学的智能科学与技术专业的基础理论和知识，分析并解决工程实际问题的能力，其能力结构可以借鉴能力本位教育（CompetencyBasedEducation，简称CBE）模式[3]。
CBE是国际上较流行的一种应用型人才培养模式，主要代表国家为加拿大和美国。该模式以能力为人才培养的目标和评价标准，一切教学活动均围绕综合职业能力的培养展开，CBE人才培养模式主要有以下三方面的特色：能力导向的教学目标；模块化的课程结构；能力为基准的目标评价体系。该模式所培养的本科应用型人才具有较强的专业综合能力和职业能力[4]，在一定时期得到社会的广泛认可，但是单纯的CBE模式并不能完全适应人工智能时代对人才培养的需求，这是由于目前许多职业岗位在人工智能的冲击下，其形式和内容均会产生动态变化，要求现阶段的人才培养具有延伸性和前瞻性，既要兼顾眼前，也要考虑应对智能化浪潮，打好基础，提高自学习能力。因此，智能科学与技术应用型人才培养有一定岗位针对性，但并不是完全固化岗位内容及层次、固化知识属性，必须强化自我学习能力，才能实现能力可持续增长，岗位的向上流动性以及知识和经验的进化，才能真正适应人工智能时展的需求。
自我学习能力的形成与提高往往源于知识结构的构建[5]。为了塑造更合适的能力结构，需要CBE模式与知识结构的相辅相成，有鉴于此，将这种新型人才培养模式称之为知识型能力本位教育（Knowledge&CompetencyBasedEducation，简称KCBE）模式，这也意味着在人才培养过程中，将知识结构与能力结构放在并重的地位，既着眼于预期能力的培养，也必须让学生筑牢学科专业基础，在走向社会以后，在知识引擎的作用下，通过自我学习，具备并提升适应未来的、新的智能化岗位需求的能力。
3.4行业（产业）导向
从智能科学与技术专业的角度，培养的应用型人才以“智能化应用”为就业大方向，具体而言，包括：
（1）智能感知与模式识别领域
主要从事电子信息的获取、传输、处理、分析、应用等领域的研究、设计及应用，包括图像处理、机器视觉、工业视频检测与识别、视频监控、传感器设计及应用等。
（2）智能系统设计与制造领域
主要从事智能装备、智能制造、智能管理、智能服务等领域的设计、制造及应用，包括智能工厂、智能车间、智能生产线、智能物流、以及智能运营与服务等。
（3）智能信息处理领域
主要从事计算机数据处理、分析、理解、管理、以及服务等领域的研究、设计及应用，包括数据存储与管理、数据分析与预测、交通大数据分析应用、道路与汽车安全大数据分析、智能交通、智能电力、智能家居、智慧城市等。
涉及的产业领域主要包括智能制造，如工业互联网系统集成应用，研发智能产品及智能互联产品等。其他的领域还包括智能农业、智能物流、智能金融、智能商务等。
产业需求带动人才培养，人才培养在满足产业需求的同时推动技术进步，而技术进步又引燃了新的产业需求。产业需求与人才培养的相互作用，呈现出螺旋式上升的发展态势，这在人工智能相关产业与智能科学与技术应用型本科人才培养之间表现的得尤为突出。
4KCBE模式人才培养的主要措施和途径
智能科学与技术专业应用型本科人才的培养模式一定是和人才需求、学校定位相適应的。培养应用型人才，应注重学生实践能力，从教学体系建设体现“应用”二字，其核心环节是实践教学。结合上述的KCBE培养模式，知识结构在能力培养过程中也占有非常重要的地位，因此在能力培养方面，知识和实践作为两大要素，不能偏废任何一方，必须齐头并进，既要固基础，也要重实践。
（1）筑牢智能科学与技术专业知识基础，构建与智能化应用相关的知识体系
在本科的低年级阶段，应注重公共基础课，特别是数学和力学课程，还应充分了解智能科学与技术专业的内涵，让学生对所学专业有一个比较全面的认识。在本科中高年级阶段，重点强化专业基础，包括电子技术基础、自动控制原理、传感器与测试技术、微机原理与接口技术、数据结构与算法等。归纳地说，应该筑牢数理基础、计算机基础、机电基础和控制基础，因此对原理课程需要强化，这样对很多工作机理、来龙去脉的理解才能深刻。
（2）增强智能科学与技术专业的实践环节，构建以能力培养为重心的教学体系
按照KCBE模式，校企合作是强化实践的一种重要形式[6]。学校根据人工智能企业实际情况灵活设置实践课程内容，根据企业发展趋势及时调整课程体系以避免教学内容与企业需求相脱离。人工智能企业还可以参与学校教学目标和教学计划的制定，并为学校实践教学提供各方面支持，从而提高人才培养的针对性。
关键词 人工智能技术；交通管理；人工智能系统
中图分类号：V355 文献标识码：A 文章编号：1671—7597（2013）041-118-01
1 研究背景
随着时代的发展，计算机技术因其优越性在多个领域得到广泛应用。“计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为21世纪三大尖端技术”，它为人工智能技术在航空业的应用创造了条件。现代航空业的迅猛发展，带来空中交通流量的飞速增长。目前，航空业经常出现空中交通堵塞、拥挤等现象，迫切需要引进先进的技术手段，提升空中交通技术，改进管理手段，有效提升空域容量与空间利用率。
根据空中交通管理的理论特点，以及空中交通管理技术特点，人工智能技术在空中交通管理中的应用研究逐渐引起了人们的重视，并取得较大发展。人工神经网络在空中交通流量预测、飞行间隔控制、飞行冲突智能调配等方面的研究初见成效。但我国空中飞行流量需求的日益增大，迫切需要将人工智能技术有效运用到空中交通管理中，建立人工智能空中交通管理辅助系统，真正实现类似专家功能的新型空中交通管理系统。本文基于这样的认识，尝试将人工智能技术应用到空中交通管理系统中，有效提升空中交通的空域容量，使空中交通更加有序，更好地服务于积极社会的发展，提升人们的生活质量。
2 人工智能技术概况阐述
“人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的”从计算机应用系统的层面来理解，人工智能研究的主要内容是如何制造出人造的智能机器，以及人造的智能系统，具备模拟人类智能活动的能力，从而延伸人们智能的一门科学。
人工智能领域的研究始于1956年，“人工智能”这个术语第一次出现于达特茅斯大学召开的一次会议上。随后人们逐渐在问题求解、自然语言理解、自动程序设计、专家系统、逻辑推理与定理证明、博弈、学习以及机器人学等领域展开研究，成功建立了具有一定程度的人工智能计算机系统。随着研究的不断深入，人工智能理论得到不断的丰富与发展。随着计算机硬件的快速发展，计算机的存储容量不断扩大、运行速度不断提高、价格低廉，人工智能技术的发展将会给人们的生活、工作等带来更大的影响。
3 空中交通管理人工智能系统构成简述
人工智能技术在空中交通管理中的应用有助于建立人工智能辅助系统，建立新的空中交通管理模式。“但不要忘记采用不同的技术和运作概念也会带来不同的空中交通管理模式，特别在新技术层出不穷的今天，我们更不能忽略这个方面。”，它能使空中交通流量管理高效、有序、安全，有效提升空中交通的空间与时间利用率，对空中飞行冲突进行有效的预测与解决。空中交通管理的核心是科学合理安排空中交通流量。飞行流量的智能化管理、飞行冲突的预测、飞行冲突的解决等方面是人工智能辅助系统研究的侧重点。空中交通管理人工智能辅助系统由飞行流量管理模块、冲突探测与解脱模块、辅助决策模块等三个附属系统构成。这几个模块间的关系是在冲突探测与解脱模块与飞行流量管理模块之中渗透辅助决策模块，最终形成智能飞行流量管理、智能冲突探测与解脱模块系统，它们能够为空中管制员提供有效的决策辅助信息，切实减轻空中管制员的工作负担，提高空中飞行的安全性与管制效率。
4 空中交通管理人工智能辅助系统的实现方式
4.1 飞行流量管理辅助决策的实现
人工智能系统飞行流量管理模块主要将空域资源“空闲”的概念与A算法与辅助决策进行结合。其具体操作过程是根据飞行流量管理数据库，储存或读取数据，计算流量，预测冲突，依据基本容量模型，建立A算法数学模型，对空中航班进行动态与静态排序，最终完成人工智能技术对空中飞行流量的辅助决策作用。
建立准确客观的飞行流量管理数据库非常重要。这些原始数据必须可靠、准确、及时，因为它直接影响到辅助决策的有效性；开放数据库间的互连主要依靠ODBC ，它是数据库之间连接的标准，为SQL语言的存取提供标准接口；再依据数据库的信息，运用飞行动力学知识计算出飞机在具体时间应该到达的位置，以及到达具置的准确时间，合理的安排飞行架次；飞行流量冲突预测主要通过将流量与相应的容量比较，列出具体的冲突时间、冲突地点、存在冲突的飞机架次；最后调整航班与起降，对冲突航班及时调整，确保交汇点、航路、机场、管制区等畅通。人工智能中的A 算法可以有效针对基本容量模型对飞机进行排序，对飞行计划的来源、内容及状态转化等进行研究，生动模拟飞行计划实施过程。“空闲”概念可以使冲突航班时刻调整在受限区域内。
4.2 飞行冲突探测与解脱辅助决策的实现
飞行冲突探测与解脱辅助决策系统能够向空管员提供高效的避撞辅助方案，有效弥补管制员决策过程中的不足，对飞行冲突情况进行分析，寻找出积极的解脱方案。
飞行冲突探测与解脱辅助决策系统推理过程大致包括以下几个方面：突中航空器、突中航空器优先等级评估、冲突类别评定、避撞应对方案、建立避撞路线。推理选择最主要的过程是推理机制，为了完成推理过程，该系统中还必须包括一系列的规则：航空器优先级别评定规则、避撞方案确定规则、避撞空管规则、建立避撞路线规则等；还要建立层次型结构及模块化知识库，确保避撞推理的有效运作，保证知识库得到有效维护，并且能够及时的更新。
5 结束语
人工智能技术在空中交通管理中的应用，必将使空中交通管理更高效、更安全、更有序，必将最大程度的提升空域的利用效率。人工智能技术的应用领域是广泛的，相信随着人们对人工智能技术研究的不断深入，人工智能技术必将在更多方面提供智能化辅助管理服务，使人工智能技术不断的服务于社会经济，服务于人们的需要。
参考文献
[1]杨焱.人工智能技术的发展趋势研究[J].信息与电脑，2012（08）.
Abstract： In view of the characteristics of artificial intelligence curriculum， including abstract content and complex algorithm， and the actual needs of undergraduate teaching， combined with teaching practice， this paper discusses and sums up the teaching reform and innovation of undergraduate artificial intelligence curriculum from the teaching system， teaching content， teaching methods and assessment methods.
P键词： 人工智能；创新；本科
Key words： artificial intelligence；innovation；undergraduate
中图分类号：G642 文献标识码：A 文章编号：1006-4311（2017）22-0230-02
0 引言
人工智能是计算机科学的一个分支，是当前科学技术中正在迅速发展、新思想、新观点、新理论、新技术不断涌现的一个学科，其属于一门边缘学科，同时也是多个学科交叉而成的一门学科，包括语言学、哲学、心理学、神经生理学、系统论、信息论、控制论、计算机科学、数学等[1]。当前人工智能已经是很多高校计算机相关专业的必修课程，它是计算机科学与技术学科类各专业重要的基础课程，其教学内容主要包括自然语言理解、计算智能技术、问题求解和搜索算法、知识表示和推理机制、专家系统和机器学习等，国内外很多大学都意识到了其重要性，纷纷对其展开了教学和研究。人工智能课程包含多个学科，具有内容抽象、理论性强、知识点多等特点，且算法复杂，但是多数高校采用的教学方式仍是传统的课堂教学方式，即“教师讲、学生听”的教学模式，这种信息单向传输教学模式以教师为主体，学生只是在被动的接收知识；存在过分重视理论教学，忽视实践活动教学的问题，导致教育内容无法和社会接轨；人工智能教材理论性过强，学生在学习过程中常常感到枯燥乏味，进而对学习该课程失去热情[2]，久而久之，不仅人工智能课程的教学质量和效果无法达到预期，甚至学生还会产生厌学心理。针对人工智能课程中现有的各项问题，本文作者结合自身丰富人工智能教学实践经验，参考人工智能课程特点和教学目标，从多个方面探讨和总结了人工智能，包括教学内容、教材选择、教学方法和考核形式等。
1 教学内容优化与更新
人工智能是一门崭新的学科。开设本课程首先是确定教学内容。通常来讲，人工智能学科的内容包括两个部分，具体：一是知识表示和推理；二是人工智能的应用。前者是人工智能的重要基础，后者主要介绍了几种人工智能应用系统，包括自动规划和机器视觉、机器学习、专家系统等。另外，课程内容中还包括了一些人工智能应用的实例，将实践和理论紧密结合起来[3]。
随着时代的发展和科技的进步，人工智能学科也取得了较大发展。基于此，人工智能学科也应该与时俱进，更新人工智能教学大纲，进一步完善其教学内容。修订后的人工智能教学大纲将人工智能分成两个部分，即基础部分和扩展应用部分。前者包括计算智能、搜索原理、知识表示等，后者包括智能机器人、智能控制、多智能体、自然语言理解、自动规划、机器学习、知识工程等。
教学内容的选择和确定应综合考虑多项因素，不仅要重视基础知识，也应注意推陈出新，随着科技的进步做到与时俱进，同时教学内容应符合现实的需求，能够与社会接轨，将理论和实践紧密结合起来，只有这样人工智能课程的教学质量和效果才能事半功倍。
2 教学策略及教学方法的改革创新
由于人工智能课程具有算法复杂、内容抽象、理论性强、 知识点多的特点，传统的教学模式已经无法满足人工智能课程的需求，教师应探索更加有效的教学模式和方法，确保人工智能课程能够取得良好的教学质量和教学效果。具体的改革和创新人工智能课程的手段和方法主要包括以下几个方面：
2.1 激发学生的学习兴趣 无论是经验还是常识都在告诉我们每个人最好的老师就是兴趣，学生只有对某门学科存在兴趣，才会更加主动积极的学习该门课程，从而获得良好的教学效果。比如，作者在课程的一开始先播放了一段著名导演斯蒂文・斯皮尔伯格的《Artificial Intelligence》的相关片段，由这个电影学生知道了世上存在人工智能的机器人，学生们随着电影情节的发展而深深感动，与此同时教师让学生思考和谈论人工智能是什么？研究人工智能的意义在哪里？实践发现，在课堂中加入电影因素，能够大大提升学生们的注意力，让学生更加专注在教学任务中，有效提高了学生探索人工智能的积极性和主动性。此外，在教学中还可以用动画、视频、图片等手段将反映人工智能最新研究和应用的成果展示出来，让学生更直观的感受人工智能的奥妙，从而投入更多热情学习人工智能课程。
2.2 面向问题的案例教学法 案例教学法是一种以案例为基础、以能力培养为核心的一种教学方法[11]。针对学校学生特点，我们采取了以下几种教学形式实施案例教学。①讲解式案例教学：这种案例通过教师的讲解，帮助学生理解抽象的理论知识点。案例的呈现有两种基本形式：一是“案例―理论”，即先给出教学案例，然后再讲解理论知识；二是“理论―案例”，即教师先讲解理论知识，再给出教学案例；通过情境体验与案例剖析激发学生认知的兴趣，引导学生对将要学习的内容产生注意，有利于教师导入新课。②讨论式案例教学：在课程初期将学生分成若干学习小组，每小组3～4人；教师将提前设计好的一题多解的教学案例以及收集的相关资料分配给每个小组，要求学生在课余时间通过自学和组内讨论的方式给出问题的不同解决方案。③辩论式案例教学：在课程后期，采取专题辩论的方式对综合应用案例进行讨论，能有效地启发学生全方位地思考和探索问题的解决方法，加深学生对人工智能的理解。
2.3 个性化学习与因材施教 在开展课程教育过程中应注意对学生进行个性化教学，结合学生特点因材施教。比如，在日常教学中多观察学生情况，鼓励那些应对教学任务后仍存在余力的W生深入探索较深层次的课程及相关知识，同时友善面对学习较差的学生，分析其学习过程中面对的困难，有的放矢地采取应对措施，帮助其不断进步；在教学过程中让学生以读书报告的形式多多思考，鼓励学生发散性思考问题，鼓励优秀学生进行深一步的探讨，并且教师应帮助具有新颖思想或论点的学生将其智慧以科技论文和发表文章的形式转化为成果。
2.4 注重综合能力培养 在研究型教学中任务驱动是一种常用的教学方法，其中心导向是任务，学生在完成任务的同时也在吸收和掌握知识。通常来讲，该教学方法的步骤是：教师提出任务师生共同分析以得出完成任务的方法和步骤适当讲解或自学、协作学习完成任务交流和总结。”[3]该教学模式不仅有利于培养学生的创新能力和创新意识，还能够培养学生解决实际问题的能力，提高其综合实力。不仅如此，由于该教学模式通常是以小组协作的方式进行，教师给出研究范围，学生自愿结组并选择具体的题目，经过分析和讨论后以程序设计或者论文的形式协作完成研究。由此可知，学生是在以团队的力量解决问题，这十分考验学生的团队协作能力，对于学生团队合作精神的培养至关重要，且在完成任务的过程中学生需要查阅大量的资料，久而久之学生收集资料和创新能力势必会得到提升。
2.5 采用启发式教学 人工智能的很多问题都较为抽象，对学生理解力的要求较高，因此，在实际的教学过程中教师应有意识的就课程内容提出相关问题，让学生自己独立思考，鼓励学生提出自己的想法和解决方案。然后回归到课程上，对比分析教材上的解决方案和学生自己的解决方案，如此不仅培养了学生独立思考的能力，也增加了学生参与教学活动的意识，提高了学生的学习热情。比如，在讲到较为抽象的“遗传算法”时，先提出一个问题，即“遗传算法如何用于优化计算？”，然后从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用，之后举例分析，启发学生思考“遗传”、“变异”和“选择”的实现，最后师生一起导出遗传算法用于优化计算的基本步骤。如此既完成了教授遗传算法的目的，也锻炼了学生逻辑思维的能力，教学效果良好[4]。
3 作业和考核方式的改革创新
过去的课程作业都是单一书面习题作业，发展至今，课程作业形式已经发生了变化，更加丰富多样，包括必须交给教师评阅的书面家庭作业和不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中通过网络就可以完成上交作业，并且教师批阅作业后也可以通过网络返回给学生，实现了网络化。课程的考核方式较之以前也发生了较大变化，加强了平时思维能力的考核，更加注重学生实验能力和动手能力的培养，不再是绝对的一次考试定成绩，而是在总评成绩中加入30%的平时成绩，如此不仅减轻了学生的期末负担，也迫使学生更加重视平时的学习思考，有利于课程教学质量的提升。
4 结束语
本文是以提高教学质量为目标，结合教学实践，从教学体系、教学内容、教学方法、考核方式等方面对本科人工智能课程的教学改革进行了探讨，总结了该课程在教学和实践方面的一些教改举措。这些举措符合二十一世纪高校教学的要求，可以支持教师提高教学手段现代化的水平，同时更贴合学生的学习需求。作为该课程的授课教师应始终保持对教学内容的不断更新、教学方法的多样化，才能激发学生的学习兴趣，培养他们的思维创新和技术创新的能力，最终提高本课程的教学质量。从学生的反馈来看，作者所总结的教学实践具有明显的教学效果。但仍有许多方面做得不够，今后将继续在教学过程中不断总结成功的经验，吸取失败的教训。
参考文献：
[1]蔡自兴.人工智能及其应用[M].三版.北京：清华大学出版社，2007.
[2]谢榕，李霞.人工智能课程教学案例库建设及案例教学实践[J].计算机教育，2014（19）：92-97.
[3]蔡自兴，肖晓明，蒙祖强.树立精品意识搞好人工智能课程建设[J].中国大学教学，2004（1）：28-29.
关键词：人工智能；高校档案管理；大数据；RFID；隐私；档案安全
一、人工智能技术的基本概念
人工智能是指用一种新的能以人类智能相似的方式做出反应的智能机器，它能够自我学习和思考、判断并作出决策[2]。不过计算机获得智能的方式和人类不同，它不是依靠逻辑推理，而是靠着大数据和智能算法。因此人工智能的实质是在大数据基础上，通过深度学习，将数据挖掘问题转化为可计算问题来处理的过程。比如AlphaGo把下围棋这个难题转化为棋盘问题空间的表达和搜索问题，在学习数以万计棋谱的基础上，利用启发式搜索算法，求得当前的最优解，并不断迭代推演，最终战胜人类围棋世界冠军[3]。可见，人工智能并不神秘，并非遥不可攀，关键就在于数据的收集和算法的使用。而高校档案馆就是一个“数据密集型”部门，有大量的学籍、文书、科研、基建、人物等档案数据，可以充分利用人工智能技术对档案资源和用户数据进行挖掘，发现关系以及分析趋势，提供更加主动及优质的档案服务[4]。
二、人工智能技术在高校档案管理中的应用
人工智能技术在高校档案管理中的应用可以从思维、数据、技术等几个方面来进行研究。
1.思维方面
人工智能不仅仅是一种技术，更是一种思维方式的转变。工业革命以来，人们已经习惯了机械思维，相信所有问题都有一个通用的解决办法，并在努力寻求事物间的因果关系。进入人工智能时代，人们开始接受世界的不确定性，学会利用信息或者数据来消除这种不确定性，又逐渐利用相关关系取代因果关系，以更快地获得问题的近似解，如预测投票选举结果和预测股市波动。受此思维影响，高校档案工作者在指导各部门档案收整时可以不预先设定目标，而是先把所有能够收集到的本部门相关的档案数据收集起来，运用“全部留”的方法破解档案价值的不确定，档案价值认定难的问题。因为在人工智能时代，数据或信息不再是包袱，而是财富[5]，然后对这些档案数据分析挖掘，能够得到什么结论就是什么结论，用“数据说话”，尽量减少人工主观的干预活动。另外针对档案收整和利用的不确定性和易变性，可以引入外部信息，如历年数据、收整和利用的关系，利用者需求的变化等数据，以便对档案管理作出合理预测和规划。
2.数据方面
人工智能的基础是大数据。近几年大数据一词经常出现在媒体上，它的3V特性（体量大、多样性、及时性）也逐渐被更多人所熟知和接受，但大数据更重要的含义其实是多维度和完备性。具体到高校档案领域，档案数据多维度是指在常规档案显性数据以外，包含其它隐性维度的数据。比如在教学档案中，除学生姓名、成绩、学号、专业等基本信息以外，还应该收集整合学生的籍贯、出生年月、高考分数、高中学校、报考专业、奖惩明细、毕业学位信息、工作派遣单位等数据，如果有可能还可以跟踪补录学生就业后的一些个人数据信息，以便从多角度分析数据间的相关关系，挖掘隐含信息。档案数据的完备性是指包含档案管理全流程的数据。比如在文书档案中，除文件题名、责任者、归档时间等基本信息以外，还应该收集文件生成时间、地点，文件流转过程批注、修改、查阅人，档案整理人姓名、职务，档案移交时间，档案利用时间、人员姓名和单位，档案利用方式等数据，这些数据有助于打通从档案生成到档案利用之间的关系，使档案生成单位能更好的把握归档内容，及时获得档案利用者的反馈，调整归档策略，以提供更多利用者感兴趣或需要的档案。随着移动互联网和物联网技术的发展，档案大数据的收集越来越方便实时，把控每一个用户，每一卷档案和每一次档案利用细节也将成为现实。档案数据越来越丰富全面，档案案卷实体正在成为流通渠道、数据收集途径，这也为人工智能时代的档案数据收集提供了一个新的来源。
3.技术方面
人工智能技术主要包括软件和硬件两方面内容。软件主要指各种数据挖掘算法，常用的有启发式搜索算法、蒙特卡罗树搜索算法、神经网络算法等，这些算法可以解决在实际档案利用中如何有针对性地给用户推荐档案的问题。人工智能时代，人们追求档案利用的时效性和个性化，各种档案利用数据能够被即时而完整地记录下来。如档案查询关键词、查询时间、查询结果点击数、查询者账号信息、查询者满意度等，这些数据随时可用，以便系统及时做出分析。而随着算法的改进和提高，以往同类档案用户归类的推荐方式，可以进一步变为由档案直接推荐档案，由两类档案到两件具体档案的直接关联，一件档案被利用时，自动推荐和其相关的档案文件。随着档案利用数据的积累，尤其是和每一个用户相关的各种维度数据的积累，推荐将越来越靠谱，越来越准确，最终做到因人而异，完全个性化。硬件方面则主要采用在档案中插入RFID芯片和在档案阅览室安装各种监控摄像头。RFID是一种不需要电源的芯片，里面存储的信息可以被专门的阅读器发出的无线电波探测出来[6]。这种芯片价格便宜，将它装到各种物品上，就可以自动识别各种物品，进而跟踪物品。在档案管理中，RFID不仅可以记录档案生成期间的各种数据信息，还可以记录档案利用过程中的各种数据信息，档案的每一次查询、提取、翻阅、借出等全流程数据都能够被完整收集保存，RFID中的数据记录了档案文件全生命周期的与档案实体相关的数据，堪称档案的“全息影像”。这些数据有助于档案馆对馆藏档案的布局、档案的质量有清晰的认识，有针对性地提供利用服务。而各种监控摄像头可以实时记录档案阅览室的人员情况，查档等待时间，服务利用时间，查档次数等数据，这些数据有助于档案利用部门合理安排人员，简化办事流程，提高工作效率。
4.其他应用方面
除了以上一些应用，有了通过多种途径收集的档案多维度全流程大数据，再利用各种数据挖掘算法，还可进一步实现人工智能时代档案的智能化管理利用。在此另外举几个例子，抛砖引玉，希望未来高校档案工作者能发掘出更多的档案创新工作模式。（1）根据档案利用者的反馈，系统自动向各归档单位推送其归档档案的利用情况，并建议其加大某类档案的归档力度，或者提醒其可适当增加某类用户可能更感兴趣更需要的档案等。（2）根据学生成绩，通过横向同学间比较和纵向历史成绩数据对比，并结合个人实际情况，智能推荐其更合适的毕业选择，是读研、出国还是工作。如果数据全面准确，甚至可以具体到读研、出国的学校信息或者工作地点、工作单位等信息，推荐更精准。（3）对电子化的档案图像进行全文识别读写，自动分析其中的关键字，使计算机获得“档案知识”，并结合已有目录数据库，将整理后的信息推送给用户，如可自动回答用户提出的“学校最年轻正教授”、“学校某专业成绩绩点分布”、“学校各省市招生人数变化”等问题，提高查档利用的全面性和满意度。另外还可以利用计算机阅读和分析档案汇编成果，并从已有的大量文本语料中学习写作，最终实现计算机自动编研档案和撰写档案文章。（4）对各种档案利用异常行为进行预警，及时提醒档案利用单位重点关注某些利用行为或者利用者。先从档案数据找到普遍规律，然后再应用于每一个具体的用户，并且影响到每一个具体的操作，以发现每一个异常情况。做到从个体到全体再从全体到个体的双向流动。
三、人工智能对高校档案管理的挑战
人工智能对档案创新变革提供技术支持的同时，也对用户隐私和数据安全方面提出了新的挑战。
1.用户隐私安全
由于大数据具有多维度和全面性的特点，它可以从很多看似支离破碎的信息中完全复原一个人或者一个组织的全貌，并且了解到这个人工作生活的细节或者组织内部的各种信息。这样就会引发大家对个人隐私权的担忧。比如要想推荐精准，对学生数据的收集就要更加全面多维度，在这个过程中必然会涉及对学生隐私的干预。要想对这些档案大数据进行隐私保护，一种办法是从收集信息的一开始就对数据进行一些预处理，将数据“脱敏”，比如去掉姓名、学号、身份证号等这些具有明显个人属性的数据。预处理后的数据保留了原来的特性，能够进行分析利用，但却“读不懂”数据的内容。第二种办法是利用一定规则在档案数据中添加“扰动”，通过数学的方法让大数据依然有很强的可靠性，但是却完全找不到每条数据对应的来源，如苹果公司的“差别隐私”技术。第三种办法是双向监视，使数据从采集到使用都在双方知情的情况下进行，使数据使用者受到监督，提高档案馆对数据利用的自律意识，相比前两者，这种方式可能更有效果。
2.数据存储和数据安全
人工智能的核心是海量全面的数据，因此数据存储和数据安全是未来所面临的最大挑战。数据存储。由于摩尔定律导致各种存储器的容量成倍增加，同时价格迅速下降，使得更多的档案数据有条件存起来以供使用。但是随着数据量的剧增，查找和使用档案数据的时间也会变得很长，影响分析数据的效率。而且即使采用并行计算，受制于算法和计算机，数据分析处理的效率也存在瓶颈，这些问题还需依靠技术的进步来解决。数据安全。档案数据安全有两层含义，首先是保证档案数据不损坏、不丢失；第二层含义是要保证档案数据不会被偷走或者盗用。为避免安全问题，要尽量将学生个人情况等敏感信息放到不同的地方，以免多种敏感数据同时丢失。另一种保护数据安全的方法则可以利用大数据本身的特点，即发现异常操作，比如某次某个账号使用档案系统的流程和正常不符，即可断定这是一起档案系统密码泄露、系统入侵事件。另外，当数据量足够大时，每个系统用户的操作习惯也可以学习，不符合某人习惯的操作就可能是来自于非法的闯入者，这些操作就会被禁止。
四、总结
ABC成为时代主题
百度大脑优势独显
百度总裁张亚勤在大会致辞环节分享了对于云计算、人工智能和大数据等领域未来发展的深刻思考。
张亚勤说，百度云拥有百度大脑的支持，是百度云最独特、最重要的优势。百度大脑是百度云的核心引擎，而百度云是百度大脑的云化，为前者提供了神经元和数据训练源。通过深度学习和机器学习技术，百度在语音、图像、自然语言处理等方面取得世界领先成果。
此次峰会以ABC SUMMIT为名， 即是AI，Big Data，Cloud Computing。百度通过开放共享自身领先的技术能力，让云智数成为所有企业的基础能力，推动各行各业开始进入ABC时代。
对于未来信息科技发展的趋势，张亚勤表示，由云计算和人工智能组成的ABC将成为一个时代的主题。以云计算为基础，以人工智能为中枢，以大数据为依托，ABC将深度结合并改造传统行业，真正地提升每一个企业的运营效率，释放商业潜能，创造全新机遇。
截至目前，百度云已经和超过三万家企业展开合作，也陆续渗透到物流、医疗、教育、营销、金融等关系到百姓生活的各个行业中，让服务开始真正智能化。云智数三位一体的云服务结构可以为客户提供业务可持续发展的动力引擎。
以“智”为谋天智平台
会上，百度云重磅了最新的人工智能平台――天智。天智底层为百度云计算，由感知平台、机器学习平台和深度学习平台三部分组成，为不同需求的客户提供全面的人工智能服务。这也是继“天算”、“天像”和“天工”三大平台后，百度云的第四大平台级解决方案。至此，百度云实现了人工智能、智能大数据、智能多媒体和智能物联网全方位的智能平台服务。
感知平台主要包括图像技术（文字识别和人脸识别）、语音技术（语音识别、语音合成和声纹识别）和自然语言处理（NLP Cloud），可以应用于智能客服、身份验证、内容审核等场景，应用开发者可针对特定场景的应用直接调用API。
在这些技术方面，百度均处于行业领先地位。其中百度语音识别入选2016年MIT十大突破性技术，中文识别准确率达到97%。机器学习平台是百度云端托管的机器学习服务，可以打通机器学习全流程，内置20多种高性能算法，并开放Spark MLlib；同时支持百度用户画像数据，并提供多种应用场景模版。
深度学习平台具有灵活、高效、可伸缩、开源等特点。它支持多种神经网络结构和优化算法以及自定义网络配置，对于计算、存储、架构、通信等多方面多了细致优化。它支持多核、多GPU、多机环境，其Paddle内部技术已经使用成熟，并实现对全球开发者的开放。深度学习平台适用于精通深度学习的数据科学家，针对企业或研究部门的特定项目，需要大量的客户标注数据。
交通领域变革在即
智能交通时代来临
作为一家以技术驱动为核心竞争力的公司，百度通过百度云分享自身在云计算、大数据和人工智能等领域的技术优势，通过构建可以计算、分析、处理庞大交通数据的“交通大脑”，打破海陆空以及行政区域的限制，实时抓取散落在各个路面交通、地下交通、空中航线的海量数据。
同时通过百度拥有的全球最大规模的深度神经网络、最大深度机器学习开源平台，对交通大数据的有效归类、提取、利用，实现多系统配合协调，建立起一个更安全、更高效、更准确的智能交通体系。
百度副总裁王路与太原铁路局局长赵春雷、南方航空电子商务部副总经理王景成、中国海事局曾辉共同智能交通生B联盟，这也是国内首个覆盖陆海空车的智能交通生态联盟。
借助百度云计算、人工智能和大数据技术优势，构建“交通大脑”，与合作伙伴一起促进交通运输领域的技术创新和应用，发展智能交通，推动交通运输更智能、更高效、更安全地运行和发展。目前，诸多合作已在进行中。相信随着合作的深入，必将改变交通现状，推动中国智能交通的 发展。
在与太原铁路局的合作中，双方共建国内首家集铁路、航空和公路三位一体多式联运的物流云平台。通过百度云的接入，该平台可打通货物在公路、铁路、航空的运送及仓储信息；并利用大数据进行资源调配，通过人工智能深度学习物流管理，优化调度效率可达59%。
另一方面，百度云还将与中国南方航空共同推进智能航空计划，将通过大数据实现对于航班、旅客、机票、航站楼、天气等信息的综合分析调度。同时共同推进大数据营销、新一代信息技术和百度云的推广应用、消费信贷等多方面的合作探索，为用户打造一站式的智能出行服务平台。
同样基于百度云技术，将通过与中国海事局的合作，海事港口、船舶及相关水上设施信息也将实现联通和数据的共享，加强程控，降低成本，合力提升海运管控能力。
从陆地到海洋再到空中，百度云并不满足于交通体系的立体扩张，还要创造全新的交通方式。百度目前正在推进可以感知车辆行驶、预测交通状况的智能汽车和无人汽车的发展。百度无人车已成为国内外瞩目的前沿科技代表，在去年完成了实地路测，并在今年的乌镇峰会上再次亮相。
在智能汽车的商业化方面，百度已与国内知名商用车企业福田汽车达成战略合作。未来，百度将与福田汽车在汽车大数据、智能驾驶领域深入合作，开发出更多具备智能驾驶的商用车产品。
云计算、人工智能和大数据已成为新一轮产业革命的核心驱动力，百度云将透过云生态下的“交通大脑”，依托智能交通生态联盟，加强行业合作，挖掘数据中的更多价值，推进智能交通的全面云端化，突破前所未及的高度，让智能、计算无限可能。
写在最后
2016是百度云计算的元年，基于基础云、天算、天像、天工已经有80+款产品。下一步，人工智能已经成为百度的核心战略。
百度大脑“天智”――人工智能平台也应运而生，内容包括：
首先，感知平台，包括图像技术、语音技术、自然语言处理等技术，代表着耳口心相结合的“聪”。
其次，机器学习平台，包括打通机器学习全流程、内置20多种高性能算法、支持Spark MLlib、用户画像数据、多种应用场景模板的机器学习平台。
会计信息化的发展就是大数据、智能化、移动互联网和云计算等信息技术在会计领域带来的变革。会计信息化的主要特点是跨组织边界、全产业链的财务管理和财务决策支持。
人工智能对会计信息化的深刻影响体现在：人工智能正在全方位改变会计人员、会计机构的工作方式；商务智能对会计的影响开始并主要反映在管理会计领域上。会计信息化、人工智能，在管理会计应用方面的一个热点就是财务共享服务。 财务共享服务，正以现代信息时代的高效科技手段和创新管理理念，推动着财务管理的转型变革。
（来源：文章屋网 ）
新时代的到来
后数据爆炸时代
其实整个人类的发展历史，就是人类不断尝试记录、测量自身和世界的过程。无论从古时候人类发明算盘、阿拉伯数字，又到近明二进制计算机，都像是这一现象的反映，而人类对自己，包括对世界的认知还是那么浅。比如描述一个人时还只能说这人是男是女，是老是少，身高、体重等；提到环境时会说气温怎么样、湿度怎么样……但人类对于数据测量的需求一直没有减弱。
根据TalkingData的数据统计，目前在中国，智能手机（含平板电脑）有13.05亿用户，智能手表等可穿戴设备已经达到千万级，这意味着什么？智能手机、智能设备基本上人手一部甚至更多，而每部智能手机平均携带多达16种的传感器，每天产生1G数据。这不仅加强了人类感知和数字化世界的能力，也让数据以前所未有的速度在产生和发展。所有这一切现象，都揭示了以人为中心的世界正在加速数字化。这是一个数据爆发的时代。
人工智能：已经过了单纯积累数据量的时代
移动设备已经成为人类身体的延伸。根据TalkingData的数据统计，我们每天使用手机将近四个小时。不管是上网，还是在现实生活中，在家、上班、吃饭、旅游、消费……我们所有的足迹都被默默地记录了下来。数据行业迎来了历史上最好的时刻――数据爆发的时刻。
但这已不是一个单纯的积累数据量的时代，新的时代对计算提出了更高的挑战。
第一， 这些数据并不是所有的都被存储和收集。大量隐形数据的采集、运算、存储、传输等领域依然存在着巨大的障碍。
第二， 如何从大量的数据里面解读人的动作、识别人的场景是更重要的问题。现在很多数据都是非结构化的情境数据，例如图像、声音、姿态、动作，需要人工智能的帮忙从中提炼有价值的信息。世界上顶尖的技术公司都在尝试用算法、机器学习去还原人在现实生活中的动作，不管视觉、听觉、姿态、感知还是做一些基础的工作，现在语音、图像识别技术都在大规模发展，但是为什么当数十亿大脑神经元彼此传递信号时，就会出现喜爱、恐惧或愤怒的主观感受呢？对此，我们依然一无所知。人工智能对世界的认知还停留在早期阶段。
数据促进了人工智能的发展。AI过去与现在的最大区别是，必须具备的计算能力、原始数据和处理速度现在都有了，因此AI技术现在能大放异彩。目前人工智能在识别（包括认知）产生很大进展的原因首先是数据量带来的。谷歌在语音识别领域取得了很大的突破，但这背后的原因是谷歌建立了几十亿音频的库，而且用人类的智慧标注它，所以可以用算法、人工智能找到模式，甚至可以区别不同口音。图像也是如此：过去几十年里，人类花了大量时间去标注这些图像，我们才能在图像里面切割识别出各种各样的物体。没有这些人的智慧现在人工智能达不到这样的程度。
人的智慧：AlphaGo背后的故事
以AlphaGo人工智能为代表的AI复兴体现对于世界的认知能力正在加强。在过去的几年间，我们看到，机器学习、强大的算法、强大的处理能力和所谓的“大数据”已可以让机器做一些让人印象深刻的事，比如：实时语言翻译、在复杂的城市环境中安全地开车。
AlphaGo战胜人类被视为AI历史上的里程碑事件。大家看到AlphaGo战胜了李世石，但是不知道背后的故事。TalkingData的CEO崔晓波作为亲历者之一（这场棋赛的解说者），看事情的角度和大家不同，他看到了数据的力量。
他认为，在这场比赛中，关键的获胜因素有两个：
第一，要有足够的数据支撑。AI要模拟人，它首先要知道人在面对不同事情的时候是怎么去把握的，而这种判断和把握的能力就是出自于成千上万的海量数据得出的结果。
AlphaGo拥有一个数据库，里面有十几万份人类6～9段职业棋手的对弈棋谱。Alphago从中模仿人类常见的落子方式，根据谷歌透露的数据，模仿的准确率达到了57%。也就是说，单单这一项功能，就可使AlphaGo在一步的选择上有57%的概率与人类高等级职业棋手相同。2014年，Google来到中国棋院买棋谱，近两年累计记录的棋谱数量是过去几百年的总和：根据KGS统计，KGS平台每年专业段位的对局棋谱的累积量，近三年研究的棋谱数量都接近20万。GoGoD平台的累积大约8.5万专业段位棋谱。18万的棋谱共有近2500万的局面，每一局面都可上下左右、镜面翻转，这个2500万局面就能再乘以8，这个数据量已经能够支撑深度学习。
第二，要有人类的智慧。AlphaGo在下棋的时候“聪明”得像一个人，大量的数据提供了它“思考”的来源。但AI不是由大数据一手决定的，还有人的经验和智慧。AI会发展成什么样？打个比方：大数据是土壤和养分，AI是植物，而人就是园丁。土壤和养分让植物长得好，但也离不开人的修剪和培养。替AlphaGo持棋跟李世石对战的那个人本身就是六段的高手，他在训练AlphaGo时，加入了大量的人工智慧和人为规则，这些都是被人忽略的。我们过大强调AI的作用，更现实的还是要引入专家的智能、人的智慧，在数据科学和数据工程不断完善的情况下，提高AI的水平。
虽然AI应用能使一些任务变得自动化，但人类判断全部交由算法负责几乎不可能发生。更现实的方法是，使用数据科学和工程不断完善并提升人类的判断质量。当数据十分充足，依靠统计学的方法进行决策是恰当且合理的。当没有数据或拥有的数据十分有限时，采用群体智慧和其他心理学方法能够更好地进行决策。“智能”数据应用将把日程工作自动化，从而空出更多时间让人类专家专注于需要他们专业判断的工作，以及从事社会认知和共情等非认识能力的行动。比如：保险公司可以使用深度学习系统，将估算受损汽车的成本修理费用变得自动化。但在可以预见的未来，人类仍将是“决策过程中的一部分”。
数据为本，AI为核心，人为关键
这个时代叫做智能数据时代
智能数据，不同于传统的数据，就是添加了人工智能和人的智慧的数据，这个名词的出现，揭示了数据、人和机器三者之间的有机联系。这种有机联系赋予数据更多价值，赋予数据心智。现阶段数据内容包含的信息量越来越大、维度越来越多，从图像、声音等富媒体数据，逐渐过渡到人的动作、姿态、行为轨迹，再加上地理位置、天气、社会群体行为等，按照以往处理数据的思路已经难以适应“数据”本身发展的速度。一个融合人类智慧、人工智能和海量非结构化数据的智能数据时代已经来临。因此，“发展多年的‘大数据’即将进入‘下半场’”。
这个时代最重要的三个要素是：数据、AI，人的智慧。做个比喻，数据相当人的血液，人工智能相当于人的心脏，心脏需要血液，同时把血液输送给全身，如此往复循环。人的智慧是什么？大脑是不可替代的。所有这一切构成了智能时代的三个要素。
数据时代的颠覆和挑战
未来，数据行业本身将会面临进一步的洗牌，能够更好地应用异构的、情境化的数据，能够开发更加智能的算法，能够开源撬动生态价值流动的企业会获取更大的竞争优势，也就是说，能够驾驭智能数据的企业得天下。这样，竞争优势会内生叠加，进一步帮助企业吸引更多的人才和技术；人才和技术持续集中，根据数据分布的特点，中小型企业将被迫向垂直数据应用领域转型，并稳定在垂直领域，但同时又不得不依托于大型生态的数据连接能力，最终呈现一种“一大多小”两极分化、“小依附大”的竞争态势。
对于其他行业来说，企业将面临四个方面的挑战。1）业务数据化：所有业务都以数据的形式进行流转。2）数据资产化：在很多企业，业务与运营没有形成闭环；数据没有资产化，只是先储存起来而已。智能数据时代，会倒过来，业务可能不赚钱，但数据将体现出商业价值。3）应用场景化：企业与用户的每一个交互点，都具有改变用户认知的功能，因此场景化将成为营销的核心。4）技术开源化。智能数据首先会颠覆那些比较依赖于快速决策的高频交易行业，比如高新技术企业、零售、广告……还有为这些行业提供决策支撑服务的专业企业、商、咨询服务商等。紧接着，传统行业的各个环节也会受到极大颠覆，出现新的销售渠道和获客手段，极大地更新行业平均效率。
智能数据时代的新商业范式：新贝叶斯定律
智能数据时代，数据离所有企业的商业价值都很近。在交流过程中，基本上客户只问一类问题：好像大数据这个系统投入很大，到底有没有价值，到底怎么产生商业价值，商业价值又体现在哪些方面？这类问题的终极答案会在这个时代得到揭示。一个新的商业范式诞生了，TalkingData称之为“新贝叶斯定律”。
贝叶斯定律是大数据时代重要的定律，无处不在，所有的机器学习算法、图像识别、语音识别，一切统计方程式后面都是这个定律在起作用，大数据满足了修正到最接近现实的基础条件――数据量的积累。在此基础上，与传统统计学不同的是，贝叶斯定律集合了人的智慧，在决策的过程中，我们能够不断修正，更快地做出正确的决策。比如说炮兵在瞄准目标时，先根据自己的经验试射，在首发不中的情况下，马上根据炮弹的落点修正，这样三到五次就可以命中目标了，这种瞄准的方法就是贝叶斯定律，强调的是首先靠人的智慧，来确定一种方案，做一个决定，后续不断地通过吸收数据来调整方案；数据量越大最后越能得到一个接近现实的结果。
