时间：2024-02-18 14:32:31
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篇交通领域的人工智能，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。
大众一般认为，新技术的研发是难度最大的，应用及监管与研发相比难度就会低很多。但对于将深远影响人类社会运营方式的人工智能来说，情况或许正好相反。
人工智能的潜在缺陷与控制
目前基于人工智能科技所开发的自动控制、模式识别和机器学习系统，其实都是人工智能领域非常初级的部分，往往需要研发团队针对实际应用场景设置重要先决条件，以降低人工智能系统的判别难度并提高准确率。当各种极客型的技术人员大开脑洞采用人工智能技术研发各种黑科技时，他们的关注范围是非常聚焦的，即按照最优条件下设想人工智能的应用范围和场景，较少考虑相关技术在复杂条件甚至人为滥用的情况下面临的困境。这往往也为人工智能潜在的不当使用埋下了伏笔。
人工智能作为信息化系统，一定会受到自身设计的局限和开发质量的影响。再加上人工智能在识别和判断时需要基于人工设置和历史数据，通过精心设计的训练过程才能得到基于概率的判别结果。所以对于人工智能系统，在特定前提或应用场景下作出错误决策是100%会出现的。作为政府和监管部门，面临的第一个重要问题就是系统错误决策所引起的财产损失甚至人身伤亡该如何判定责任与承担赔偿，甚至要能够提出合理的原则，区分哪些错误决策是小概率事件本身引发的，哪些错误决策是由于系统设计、训练数据和训练过程存在问题所导致的。
2016年2月14日，上路试验已经六年的谷歌自动驾驶汽车第一次由于系统“误判”导致了交通事故。谷歌公司表示自动驾驶汽车在这次轻微车祸中承担“部分责任”。由此可见，当时的谷歌自动驾驶系统在特定场景下触发了一个错误决策。可以想象，当自动驾驶汽车全面行驶在大街小巷时，系统的微小错误导致的责任事故会基于巨大的汽车保有量而放大成为一个引人注目的数字。由此而引起的责任划定和赔偿也会由于人工智能和人类行为的混合作用而变得异常复杂。
另一个广为人知的应用缺陷就是公平性问题。2016年哈佛大学肯尼迪学院的分析报告指出，目前针对犯罪倾向性预测的人工智能系统，无论技术人员如何调整机器学习的策略和算法，人种肤色都成为无法抹去的高优先识别变量。人工智能系统评估结果出现了明显的对黑人群体的偏见，这是现阶段人工智能技术手段无法避免的，也是人工智能系统广泛应用于现有社会环境并为社会大众所接受的一个重要的障碍。
在以上问题没有经过实践验证的法律支持和监管框架管理下，人工智能的全面应用很有可能带来相关领域社会活动的混乱并造成意想不到的后果。
美国政府对于人工智能的广泛应用和相关监管框架一直保持关注，并在特定领域开始小范围的实践。
以人工智能领域目前相对成熟且应用前景广阔的自动驾驶为例，企业能够尽快推进自动驾驶技术开发的重要原因，是在制度方面得到了美国政府的大力支持。
2012年5月，美国内华达州汽车管理局为谷歌自动驾驶汽车发放了美国首张自动驾驶车辆许可证，此前内华达州议会通过了允许自动驾驶车辆上路的法条。八个月后谷歌又在加利福尼亚州取得了许可证。随之而来，奥迪和丰田也先后在美国的一些州拿到了实验许可证并开展公路测试。一时间，美国成为各国企业争先开展自动驾驶的试验田，加速了自动驾驶技术的成熟。
虽然美国交通管理部门积极配合自动驾驶技术的测试和路试，但是对于正式的应用许可还是采用非常审慎的态度。2014年10月，加州车辆管理局同时颁发了29张自动驾驶汽车公共道路测试许可证，分别给了谷歌、戴姆勒、大众三家公司，获得许可的条件之一是人可以随时干预汽车驾驶，以确保在人工智能广泛测试和安全性之间取得平衡。
加州车辆管理局2015年12月提出了一项监管草案，要求所有自动驾驶汽车的驾驶座上必须始终乘坐一名拥有驾照的人士，并要求汽车在设计方面必须拥有方向盘、油门踏板、制动踏板等传统机动车具备的基本操控装置，以便具有驾驶资质的人在无人驾驶汽车失灵时可随时接管汽车的操作。在草案细则中，加州还规定了自动驾驶的三年试用期。消费者可以通过租赁的方式从制造商处获得自动驾驶汽车，但制造商需要跟踪记录消费者的驾驶情况，把汽车性能指标和驾驶记录递交机动车辆管理局。
可以看到，美国的交通部门在放行自动驾驶技术时是逐步进行，并尽量确保过渡阶段监管规则的连续性。尽管谷歌等自动驾驶技术公司向公众抱怨，政府过于严厉的监管和相对谨慎的态度阻碍了自动驾驶技术向实用水平的快速发展，但这是监管部门职责所在，他们必须保护公众在享受新技术成果的同时，避免潜在技术缺陷导致的伤害。今年1月，美国运输部长Anthony Foxx表示，将在六个月内出台自动驾驶汽车指导原则。美国高速公路交通安全管理局(NTHSA)也表示，为了加速自动驾驶汽车的发展，该机构将放弃一些目前针对自动驾驶汽车的安全要求。
收益和风险前瞻
2016年5月3日，白宫的副首席技术官埃德·费尔顿宣布，白宫将组织一系列有关人工智能收益与风险的研讨，“为人工智能的未来而准备”。
此次人工智能领域的系列研讨包括以下内容：
2016年5月24日，西雅图：与人工智能相关的法律与监管事务;
2016年6月7日，华盛顿：人工智能与社会福利;
2016年6月28日，匹兹堡：人工智能的安全与控制;
2016年7月7日，纽约：近期的人工智能技术对社会和经济的影响。
此次人工智能领域的研讨，一方面涵盖了从立法到监管原则的确定，为政府全面管理人工智能确立法理依据和管理边界;另一方面，也将深入探讨人工智能有可能存在的缺陷以及相应的安全控制原则。此外，研讨视角不仅面向具体的监管框架，同时还包含了对就业、社会福利、经济发展的长远影响的分析。
中国目前侧重于打造平台、培育企业、构建市场、激励创新等方面，对于监管原则、监管体系和监管机构建设，基本没有部署。
大众一般认为，新技术的研发是难度最大的，应用及监管与研发相比难度就会低很多。但对于将深远影响人类社会运营方式的人工智能来说，情况或许正好相反。
人工智能的潜在缺陷与控制
目前基于人工智能所开发的自动控制、模式识别和机器学习系统，其实都是人工智能领域非常初级的部分，往往需要研发团队针对实际应用场景设置重要先决条件，以降低人工智能系统的判别难度并提高准确率。当各种极客型的技术人员大开脑洞采用人工智能技术研发各种黑科技时，他们的关注范围是非常聚焦的，即按照最优条件下设想人工智能的应用范围和场景，较少考虑相关技术在复杂条件甚至人为滥用的情况下面临的困境。这往往也为人工智能潜在的不当使用埋下了伏笔。
人工智能作为信息化系统，一定会受到自身设计的局限和开发质量的影响。再加上人工智能在识别和判断时需要基于人工设置和历史数据，通过精心设计的训练过程才能得到基于概率的判别结果。所以对于人工智能系统，在特定前提或应用场景下作出错误决策是100%会出现的。作为政府和监管部门，面临的第一个重要问题就是系统错误决策所引起的财产损失甚至人身伤亡该如何判定责任与承担赔偿，甚至要能够提出合理的原则，区分哪些错误决策是小概率事件本身引发的，哪些错误决策是由于系统设计、训练数据和训练过程存在问题所导致的。
2016年2月14日，上路试验已经六年的谷歌自动驾驶汽车第一次由于系统“误判”导致了交通事故。谷歌公司表示自动驾驶汽车在这次轻微车祸中承担“部分责任”。由此可见，当时的谷歌自动驾驶系统在特定场景下触发了一个错误决策。可以想象，当自动驾驶汽车全面行驶在大街小巷时，系统的微小错误导致的责任事故会基于巨大的汽车保有量而放大成为一个引人注目的数字。由此而引起的责任划定和赔偿也会由于人工智能和人类行为的混合作用而变得异常复杂。
另一个广为人知的应用缺陷就是公平性问题。2016年哈佛大学肯尼迪学院的分析报告指出，目前针对犯罪倾向性预测的人工智能系统，无论技术人员如何调整机器学习的策略和算法，人种肤色都成为无法抹去的高优先识别变量。人工智能系统评估结果出现了明显的对黑人群体的偏见，这是现阶段人工智能技术手段无法避免的，也是人工智能系统广泛应用于现有社会环境并为社会大众所接受的一个重要的障碍。
在以上问题没有经过实践验证的法律支持和监管框架管理下，人工智能的全面应用很有可能带来相关领域社会活动的混乱并造成意想不到的后果。
逐步建立的人工智能监管
美国政府对于人工智能的广泛应用和相关监管框架一直保持关注，并在特定领域开始小范围的实践。
以人工智能领域目前相对成熟且应用前景广阔的自动驾驶为例，企业能够尽快推进自动驾驶技术开发的重要原因，是在制度方面得到了美国政府的大力支持。
2012年5月，美国内华达州汽车管理局为谷歌自动驾驶汽车发放了美国首张自动驾驶车辆许可证，此前内华达州议会通过了允许自动驾驶车辆上路的法条。八个月后谷歌又在加利福尼亚州取得了许可证。随之而来，奥迪和丰田也先后在美国的一些州拿到了实验许可证并开展公路测试。一时间，美国成为各国企业争先开展自动驾驶的试验田，加速了自动驾驶技术的成熟。
虽然美国交通管理部门积极配合自动驾驶技术的测试和路试，但是对于正式的应用许可还是采用非常审慎的态度。2014年10月，加州车辆管理局同时颁发了29张自动驾驶汽车公共道路测试许可证，分别给了谷歌、戴姆勒、大众三家公司，获得许可的条件之一是人可以随时干预汽车驾驶，以确保在人工智能广泛测试和安全性之间取得平衡。
加州车辆管理局2015年12月提出了一项监管草案，要求所有自动驾驶汽车的驾驶座上必须始终乘坐一名拥有驾照的人士，并要求汽车在设计方面必须拥有方向盘、油门踏板、制动踏板等传统机动车具备的基本操控装置，以便具有驾驶资质的人在无人驾驶汽车失灵时可随时接管汽车的操作。在草案细则中，加州还规定了自动驾驶的三年试用期。消费者可以通过租赁的方式从制造商处获得自动驾驶汽车，但制造商需要跟踪记录消费者的驾驶情况，把汽车性能指标和驾驶记录递交机动车辆管理局。
可以看到，美国的交通部门在放行自动驾驶技术时是逐步进行，并尽量确保过渡阶段监管规则的连续性。尽管谷歌等自动驾驶技术公司向公众抱怨，政府过于严厉的监管和相对谨慎的态度阻碍了自动驾驶技术向实用水平的快速发展，但这是监管部门职责所在，他们必须保护公众在享受新技术成果的同时，避免潜在技术缺陷导致的伤害。今年1月，美国运输部长Anthony Foxx表示，将在六个月内出台自动驾驶汽车指导原则。美国高速公路交通安全管理局(NTHSA)也表示，为了加速自动驾驶汽车的发展，该机构将放弃一些目前针对自动驾驶汽车的安全要求。
收益和风险前瞻
2016年5月3日，白宫的副首席技术官埃德·费尔顿宣布，白宫将组织一系列有关人工智能收益与风险的研讨，“为人工智能的未来而准备”。
此次人工智能领域的系列研讨包括以下内容：
2016年5月24日，西雅图：与人工智能相关的法律与监管事务;
2016年6月7日，华盛顿：人工智能与社会福利;
2016年6月28日，匹兹堡：人工智能的安全与控制;
2016年7月7日，纽约：近期的人工智能技术对社会和经济的影响。
此次人工智能领域的研讨，一方面涵盖了从立法到监管原则的确定，为政府全面管理人工智能确立法理依据和管理边界;另一方面，也将深入探讨人工智能有可能存在的缺陷以及相应的安全控制原则。此外，研讨视角不仅面向具体的监管框架，同时还包含了对就业、社会福利、经济发展的长远影响的分析。
关键词：空中交通管理；人工智能技术；航班流量；飞行冲突；系统构成
一、研究背景及意义
现阶段，计算机在我国各行各业中都扮演着重要角色，计算机技术的发展为各行业的生产运行提供了坚实有效的保障。与此同时，人工智能技术也取得了惊人的进步，为我国航空航天行业发展做出了巨大贡献。改革开放以来，在我国市场经济不断发展，综合国力不断提升的背景下，民航业发展迅猛，乘坐飞机出行从以前的高不可攀变成如今的大众化出行方式，只用了40年的时间。在这40年里，我国航班架次大幅增涨，现有的空域资源也日趋紧张，在这关键时刻，人工智能技术的出现，为航空事业快速高效的发展带来了新的曙光。空中交通管理的主要目的是防止航空器与航空器相撞以及航空器与障碍物相撞，维护和加快空中交通的有序流动[1]，因此，飞行流量管理和飞行冲突探测、解脱便成了空中交通管理中至关重要的任务。一方面，在空中交通流量接近或达到空中交通管制能力上限时，适时地进行调整，保证空中交通量最佳地流入或通过相应区域，尽可能提高机场、空域可用容量的利用率[1]。另一方面，飞行冲突的探测，能够帮助管制员及早发出指令，使用许可和信息防止航空器相撞，保障空中交通顺畅或控制空域内各航班的间隔，从而保证飞行安全[1]。空中交通管理人工智能辅助系统的运用，不仅能够加速空中交通流量，提高空域利用率，而且能够进行飞行冲突的判断、解除，最大程度的提高航班运行的安全性，为管制员节省大量的时间和精力监控运行，降低工作负荷，提高综合管制服务水平。
二、人工智能与空中交通管理人工智能辅助系统概述
（一）人工智能概述
人工智能（ArtificialIntelligence），英文缩写为AI，它是研究、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[2]。人工智能技术通俗的讲，就是使机器模拟人的智能行为，代替人从事那些人为操作容易出错、速度慢、效率低或者超出能力范围的复杂工作的新技术。它通过研究人类智能活动的规律，构造具有一定智能的人工系统，指导计算机去完成以往需要、甚至超越人的智能才能胜任的工作[2]。当前，全球科技革命和产业革命方兴未艾，新技术行业融合创新不断，在移动互联网、大数据、云计算、物联网等新理论新技术以及社会发展相关的强烈需求的共同驱动下，人工智能加速发展，逐渐成为了产业革命和行业融合的关键技术。人工智能可以通过对数据的采集、分析和挖掘，形成有价值的信息和知识模型，实现对人类智力智能行为的模拟，具备一定环境下的自适应特性和学习能力[3]。现阶段，人工智能经成为与计算机科学，控制论，信息论，心理学，语言学等多种学科相互渗透的一门新兴学科，在许多领域有着广泛的运用，变得和我们的生活息息相关[4]。
（二）空中交通管理人工智能辅助系统概述
人工智能技术在空中交通管理中的应用主要依靠人工智能辅数据分析和决策系统实现。利用人工智能技术，可以建立智能化流量管理模块系统，科学判断空中交通存在的问题，全面监控空中交通流量并对其进行智能化管理，提高空域的利用率，以及建立智能冲突探测和解脱模块系统,进行飞行冲突的探测，通过引导飞行员采取速度控制、高度调整、航向改变等措施实现避让，解除可能的飞行冲突，实现安全飞行的目标。借助空中交通管理人工智能辅助系统，全面提升空中交通管理水平[5]。
三、人工智能技术在空中交通管理中的具体应用及建议
（一）人工智能技术在飞行流量管理中的应用及建议
空中交通流量管理的目标是根据气象条件、航路结构、扇区容量等限制条件和资源的统筹规划，使航班流量尽可能达到最优状态，从而在保障安全的前提下，提高运行效率。在引入人工智能辅助系统后，可以形成天气预测，流量预测，限制建议和超容告警等模块，通过气象条件探测，各航路各时段航班量预测和生成航班间隔调整预案等方法，为流量管理者在短时间内提供有效的决策参考，从而大大降低流量管理者的工作负荷。其中，气象条件的探测需要民航气象部门提供气象数据源接口，利用计算机模拟技术预测未来各时段的气象变化情况及其对各航线的影响程度。各航路的航班量预测需要接入综合电报处理系统，利用飞行动态电报来判断在未来各时段各航路的航班架次以及航路交汇点可能存在的飞行冲突。得到这些数据信息之后，需要对航班进行排序，合理安排并确定尚未起飞航班的离港时间，从而达到各管制扇区容流匹配，空域资源最优化利用。除此之外，航班排序还要依据接收到的外区限制，并结合专机、要客等优先级信息做出合理安排，对外区限制较大的航路可给出改航建议，并模拟、计算改航后各条航路的流量和交汇点冲突情况，进行进一步优化。对优先级高的航班可自动豁免并给出直飞建议，对确实需要延误的航班，同时模拟航班取消后的损失情况给出合理化延误建议，通过人工智能技术做出合理化安排。完善、及时的数据库信息维护可以保证飞行数据和气象数据的及时、准确，保证流量信息等数据的完整性和可靠性，对于人工智能辅助系统做出正确、有效的建议有着重要而直接的影响，进而对各航路、各扇区的流量管理方案的有效性产生关键影响。因此，人工智能辅助系统的管理人员应及时维护数据库，尽量避免由于数据不完整、不及时而导致的决策错误，减少因航班延误对社会生产生活带来的负面影响。
（二）人工智能技术在飞行冲突探测及解决上的应用及建议
在解决航班飞行冲突上，人工智能技术主要是通过分析航班存在冲突的概率及可能的状况，根据飞行动态信息做出合理化冲突解脱建议，并且在这一过程中找到最有效，最经济和最安全的确定方案。另外，在最终方案选择中，通过对管制员选择结果的智能学习，建立系统自己的飞行冲突处置预案库，利用最短路径算法和偏好路由算法，在数据库系统中精确查找解决方案，并根据最终实施情况进行反馈，实现闭环处理。为了在工作中放心的依照人工智能系统提供的方案，及时发现潜在冲突，解决安全隐患，人工智能辅助系统管制员需要做好数据库维护工作。对于典型的飞行冲突处置案例，如果系统学习有偏差，可人工校正，并及时更新，最大限度的帮助系统提高推理的效率和能力。此外，管制员在实践中可以及时发现人工智能决策系统提供决策能力的不足和尚需改进之处，针对这个问题，他们可以从以下两个方面入手，一是思考什么样的冲突解决方案是最优化的，并提炼出所需遵循的原则，并将这些原则告知人工智能辅助系统的管理人员并协助他们进行完善系统。二是在实践中发现系统的问题和不足并及时反馈给系统管理人员，协助管理人员查找问题根源，更进一步提升系统可靠性。
四、结语
如今，人工智能辅助下的流量管理、飞行冲突调配和系统智能学习技术已经进入三期实验阶段。因此通过建立空中交通管理辅助系统，不断完善人工智能技术，解决系统自动学习的偏差和失误，达成系统学习能力多维度、多层次，才能推动我国航空业得到繁荣发展。综上所述，本文主要围绕着人工智能技术概念、空中交通管理人工智能辅助系统构成、人工智能技术在空气交通管理中的具体应用及建议三个方面展开了论述与探讨。目的是希望通过人工智能技术的加入，提高空管自动化系统的智能化水平和安全性，进一步增强系统的可靠性和建议合理性，切实减轻管制员的工作负荷，为我国民航事业的发展提供技术支持，推动空中交通管理工作不断向安全、高效的方向迈进，推动我国由民航大国向民航强国转变。
【参考文献】
[1]潘卫军.空中交通管理系列教材:空中交通管理基础[M].西安:西南交通大学出版社,2013:367.
[2]百度百科.[DB/OL]网上数据百度百科
[3]张滨.人工智能在安全领域的应用[J].电信工程技术与标准化.2018,31(255).
事实上，今天的人工智能已经能做很多事，比如说话、开车，不久之后还可能像人一样参加高考。还有专家认为，它在未来甚至有可能从科学走入哲学！
今天可以做到的
“人工智能已经开始对社会产生重大影响。”美国康奈尔大学计算机科学教授、人工智能专家巴特・塞尔曼说。
此次围棋人机大战受到举世关注就是明证。棋类具有初始条件固定、规则边界清晰的特点，是人工智能凭借远超人类的计算能力大展身手的舞台。“深蓝”在1997年战胜了国际象棋世界冠军卡斯帕罗夫，AlphaGo在与围棋顶级棋手李世石的大战中获胜，这些足以说明人工智能下棋已经比人类更强。
在知识检索领域，人工智能也已胜过人类。2011年，IBM公司的人工智能“沃森”在美国智力问答节目《危险边缘》中战胜两位人类冠军。这说明电脑在海量数据存储和快速检索能力方面的强大。
在另一些规则相对清晰的领域，人工智能也在接近人类的水平。比如说话，相信许多人已经试过苹果手机上的Siri和微软的“小冰”，只要你发音比较标准，它们基本上都能“听清”你的话语并字正腔圆地回答。
再比如开车，谷歌公司的无人驾驶车已然在一些地方能够上路，因为事实证明它们可以很好地遵守交通规则，并根据不同的交通状况自主行驶。
上面的重点都是在软件，还有一些人工智能则致力于“软硬结合”，模仿人类的肢体动作。美国波士顿动力公司2016年年初刚刚展示了最新的人形机器人，它们有与人相似的躯干和四肢，能够在各种环境中行走，摔倒了会自己爬起来，还能完成一些简单任务，比如自己开门和搬箱子。
明天可能实现的
目前，人工智能在一些需要模糊识别的领域还面临困难。比如辨识人脸，从五官差异上分辨不同人对我们来说不算个事儿，但电脑就感觉很困难。人们可能还记得2015年微软推出的一项人脸识别应用“How-old”，它屡屡在年龄上误判、在图片中没人的地方找出“幽灵脸”，给人们带来了不少欢乐。
不过这方面正在取得进展，脸书公司的人工智能项目负责人田渊栋认为，脸书的人脸识别技术已经做得比较好，“比如说拍张照片，然后就知道谁是谁”。正在研发的一个方向是可以问电脑各种问题，比如照片在哪拍的、里面有几个人、都在干什么等，系统都将能作出回答。
中国研究人员也在致力于做出更复杂的人工智能，检验方式颇具中国特色――高考。科大讯飞公司董事长刘庆峰透露，他们正在研发“类人答题机器人”，目标是在3～5年之内让机器参加高考能考上“一本”。高考涉及学科多，除了客观题外还有大量的主观题，如果真能达成这个目标，又将成为人工智能的一个里程碑。
2015年年底在北京举行的世界机器人大会上，有机器人分别展示了踢足球、打乒乓等方面的运动能力。但是很明显，它们还无法与人类选手相提并论，很大程度上因为判断对手或队友的比赛意图是一大瓶颈。不过，在RoboCup等机器人足球赛中，机器人的水平也在不断提高，该赛事的目标是，让机器人足球队在2050年能击败人类世界冠军球队。
人工智能发展的一个理想目标是，把已实现的各单项能力继续提高并集成起来，最终完成一个既能听说读写，又会思考和行动的人工智能实体。近来这一领域的快速发展已让这个目标可以期待，英国帝国理工学院的人工智能学者马克・戴森罗克说：“如果人工智能以这种速度发展下去，我们或许在未来10～20年里就能看到电影《钢铁侠》中那个人工智能助手贾维斯。”
未来可以畅想的
如果说上面这些目标还属于有实现前景的科学范畴，还有一些关于人工智能的讨论则似乎已进入了引人畅想的哲学领域。
中国东南大学的科技哲学教授吕乃基在点评此次人机大战时认为，人工智能进化之路与人类不同，即摆脱了系统与环境的羁绊，不像人类大脑中的“智”往往为身体所处世界中的“情”所累，如李世石可能受“为人类的荣誉而战”等舆论影响。
“常有这样的议论，人工智能再聪明也没有情感，只是机器而已；殊不知，人工智能之所求原本只是‘智’，而非‘情’；或许正因为此，人工智能可能超越为情（包括形形的意识形态之争）所累的人的智能。”吕乃基说。如此说来，人工智能倒像是在迈向中国古代文化中所说的“太上忘情”的境界。
美国未来学家库兹韦尔在《奇点临近》一书中认为，人工智能的进步会不断加速，聪明的机器会设计更聪明的机器，这种自我强化最终会导致人工智能达到一个奇点，成为远远超出人类智能水平的一种存在。美国天普大学的计算机专家王培对此表示，“如果真有电脑能走到那一步，在我看已经不是‘人工智能’，而应该被称为‘人工神灵’了。”
对于智能汽车的定义，不同的人有自己不同的理解，不过对于智能科技的终极目标——无人驾驶或者自动驾驶，却是大多数人所向往的未来。尤其在谷歌人工智能机器人Alpha Go大胜围棋顶级高手之后，很多人认为我们距离智能汽车的终极目标似乎越来越近，甚至仿佛可以指日可待，事实果真如此吗?本期我们采访了博泰前瞻技术研发经理原树宁博士，目前，由其主导的博泰V2X项目正在稳步推进，在无人驾驶领域已取得了有效的进展。
记者：在可见的未来，像AlphaGo那样专门用于下围棋的人工智能(AI)，专门应用于自动驾驶的人工智能(AI)会出现吗?
原树宁：我的观点是保守的肯定。目前来看，汽车上已经开始在应用的视频分析、自适应巡航、自然语言识别等技术实际上已经利用了人工智能，但是基于通用智能的这种无人驾驶，就是它可以自己去适应任何交通环境的自动驾驶技术，可能还遥遥无期。要大规模普及无人驾驶需要在决策层应用人工智能(AI)，目前的视频分析，专业语音识别等技术都是在感知层的应用。人工智能(AI)在无人驾驶中的应用，其核心肯定是人工智能(AI)AI在决策层的作用，比如说车速怎么加?方向朝哪里?如果这个决策本身是人工智能(AI)做出来的，没有人工的干预，这才是真正的无人驾驶，或者说自动驾驶。
而且我认为如果无人驾驶要大规模普及，用传统的程序控制方法是很难做到的，它必须使用机器学习，或者人工智能(AI)的方法实现决策。由于交通规则不是绝对的，如果用人工智能(AI)实现决策，那么人工智能(AI)就要适应没有规则的情况，它会遇到很多困难，比如说，有一个人赖在前面不走，或丢一个大东西等情况，因为智能汽车是绝对遵守规则的，如果别人不遵守规则，就可以欺负它。
事实上，现有的人工智能基本上都是对特定任务设计的，例如：图像识别、自然语言识别、软件框架设计、扮演游戏对手等非常细分的专业应用。各个应用之间是分割的、不能垮行业使用的。另一方面，人工智能领域中的“通用人工智能(General AI)”，依然是科技界长期奋斗的目标。通用人工智能要能够很快学习新的规则，适应新的事物，能够直接应用在不同的领域，会下棋、也会打桥牌、还认识朋友、会开车。不过如何实现通用人工智能，我们目前在理论上都还没有搞明白。
记者：人工智能(AI)在自动驾驶中的作用是什么?
原树宁：首先是环境感知。这是自动驾驶的数据基础，提供车辆周边环境的状况。车辆不但需要知道自己所在的位置，还要获取道路属性、周边物体的属性、交通设施的属性。在这个层面上视频分析、雷达成像分析等人工智能手段是完成环境感知的最重要组成部分，这一部分的技术发展已是突飞猛进，例如对车辆、摩托、行人、动物、障碍物、限速牌、红绿灯、车道的识别。好的识别模型和大量的数据训练能够保证很高的识别正确率，但是，机器学习本身，即使在理论上，它都无法保证绝对(100%)的正确。这在自动驾驶中却是不可原谅的缺点，如果环境感知不能确保绝对的正确，那如何保证决策的正确性呢?如何保证行车安全呢?人们会购买发生事故的自动驾驶车辆吗?因此在环境感知层面，人工智能与工程手段将会起到相互补充的作用，实现对环境的正确感知。其中非常有潜力的一项技术就是V2X技术，它会将所有的交通基础设施和每辆车都贴上标签，实时的播发自己的相关信息，从而使得每部汽车都能直接获取周边的情况，再结合其他传感器，实现信息冗余，保证对环境的正确感知。
其次是决策协同。决定车辆的行驶速度、方向、线路等根本问题。基于程序控制的车辆完全能够实现自动驾驶。但是，它只能运行在有限的场景之下，极度缺少应对能力，并且消耗大量的程序分析和维护时间(系统越复杂维护成本越高)。基于机器学习的人工智能在决策协同领域有着无可比拟的优势，自我完善，维护成本越来越小，具有较强的适应和应变能力。就好比用编程控制的方式也能让程序下围棋，却永远无法达到AlphaGo的高度。但是，这里也会遇到一些奇奇怪怪的障碍。
1)无规则。在现实生活中交通规则不是绝对必需遵守的，而围棋的规则至少在正规比赛中双方都是绝对遵守的。如果李世石偷偷在棋盘上多放一个子，AlphaGo会怎么处理?应该整套模型都必需重构吧?这也是大家调侃谷歌不敢挑战中国麻将的原因。一个随时可以被打破的规则(闯红灯、超速、逆行、横道线抢行等)就是没有规则。这样的模型建立恐怕绝不亚于“通用人工智能”的难度。解决方法就是建立一个必需绝对准守的规则，将那些可能不遵守规则的参与者全部剔除，于是乎就只身下自动驾驶车辆本身了。
2)规则重塑。在一个只有自动驾驶车辆的路网上，机器的驾驶行为将会完全不同于人类的驾驶行为。例如，人类在高速上行驶需要保持100米左右的车距，其原因是人类生物能力的限制，例如，高速时视觉的狭窄化、反应时间的限制。此时机器完全不需要顾及人类生物能力的限制，而是根据自身的反应时间、信息处理的范围和能力重新定义交通规则，例如高速公路车速完全可以提升到200km/h，甚至300km/h，车间距离可以缩小到数米甚至完全对接，高速公路的线型(坡度、转弯半径、车道宽度)也可以放松要求。新的规则将保证自动驾驶车辆的安全运行。
3)车辆互学习。这个只有在自动驾驶车辆行驶的道路网中进行，车辆的驾驶行为和我们现在人类的驾驶行为将会大相径庭。但是人类的驾驶行为可以作为车辆自己学习驾驶的起点。人类开车时是如何保持车距、如何在拥堵时协作排队、如何变道、转弯、掉头对于AI而言都是难能可贵的经验。以此起点，在既定规则下，向自动驾驶道路网投入已经学会了人类开车方式的车辆，让他们之间相互协作、相互学习，优化自己的驾驶效率。就如同两个AlphaGo对弈，相互学习围棋技艺。
最后是控制执行。这是对决策的执行，例如决策需要5秒加速到80Km/h，那么该喷多少汽油，发送机转速要多快等等。这里完全是工程的世界、是精确控制的领域，需要对命令的坚决和精准地执行。这里和人工智能无关。
记者：能否为我们描述一下智能汽车的演化过程。
原树宁：智能汽车是汽车革命里面最重要的一次革命。一开始的无人驾驶，肯定是在高速或者专有的道路上，然后这些专有的道路，逐渐会开放为半封闭状态，比如在城市的公交专用道里设置无人驾驶专用道，智能汽车在某些地方可以像出租车一样跑，它也可以在无人驾驶专用高速路上行驶，这时它速度就会非常快，相当于结合了高铁和出租车的共同优点。我觉得，无人驾驶首先应该在相对比较封闭，而且交通量不大的地区出现，美国的那些中小城镇是非常合适的实验场所。
记者：因为他们地广人稀。
原树宁：对，本身他们的交通不那么复杂，不遵守交通规则的人相对也少一点。至于智能汽车的商业模式，我觉得以出租车的形式出现的可能性最大，就是以“共享车”，或者“服务车店”的形式出现的可能性最大。
然后可能会在高速公路上实现无人驾驶，并且能够进行几辆车并在一起的行驶，同期可能也会出现高速上的测试，之后，系统会逐渐合并，技术上也会合并，重点解决车辆怎么协作，在低速道路上怎么行驶等问题，最后就会出现跨城市的自动驾驶。第一阶段，比如在美国小镇、出租车式的无人驾驶，我觉得可能在2020年能够实现;第二阶段，在高速道路上，拼车高速行驶的情况在2025年左右，在某种程度上可能会出现。
事实上，车本身不能识别人类的世界，所以需要把整个道路系统变成车辆能认识的世界，也就是需要把整个道路数字化，让车能识别出自然就解放了驾驶者，这就是“车车通信系统”和“车路通信系统”。但是，无人驾驶不应该是被动接受周边的信息，如果所有的车辆甚至包括摩托车也安装了这些装置，将车辆和车辆之间实现通讯交互，这个时候整个交通系统就可以完成交流，并形成车和车之间的互动与协作。
记者：智能汽车的市场在什么条件下会爆发?
原树宁：只有技术发展到一定程度，真正的商业模式才能出来。
例如电脑和手机的发展。智能手机能够出现并快速替代传统手机，关键在于两项技术，一是操作系统，二是3G移动网络。个人计算机的普及也一样，Windows操作系统使每一个人都可以使用计算机，而互联网为每个使用计算机的人提供了丰富的内容。
智能汽车的大规模爆发，也需要同样的技术条件。其中，操作系统的核心作用是屏蔽硬件的复杂性。由于每个品牌汽车的接口都不一样，应用软件的开发会遇到车企不开放CAN总线接口的问题。如果在车辆CAN总线上加一个中间层，就可以将车辆的各类消息和接口转化为类似计算机C库的标准库。这样，任何程序员都可以方便地对智能汽车进行软件开发，软件开发人才也因此可以在市场上普遍获得。
所以说，这样一个操作系统是非常重要的。类似的开发工作，国外的AUTOSAR联盟(即 AUTomotive Open System Architecture，汽车开放系统架构)已经在做，一些企业也可能在秘密研发。可以说，谁能做出这个操作系统，谁就将主导未来的汽车市场。
再看网络。谷歌无人驾驶车采用地图加大量传感器的方式，已经做了很多年，为什么至今无法大规模商业化?因为不能出错。计算机和人的认知方式不同，只知道0和1。让一辆无人驾驶的智能汽车在行驶中识别人类世界是非常困难的，即使准确率达到98%，也是不够的。要解决这个问题，就要通过车路通讯，把所有路侧信息全部数字化，包括其他车辆、红绿灯、施工信息等，变成计算机可以了解的东西。这就是V2X，也是智能汽车所需要的网络。只有这个时候，无人驾驶的时代才会真正到来。
记者：自动驾驶技术产品化的过程中，最大的难点是什么?在智能汽车的发展中，最有前景的技术又是什么?
原树宁：在产品化过程中有两点最重要：一是可靠性，产品绝对不能出问题; 二是适应性，道路环境非常复杂，比如在澳大利亚开车，可能会突然跑出一只袋鼠。最重要的技术就是我刚才谈到的两项，一是与硬件无关的编程技术，放大来说就是整个车载操作系统;二是V2X网络技术。当然，传感器、地图等技术也非常重要，但它们已经很成熟了。
记者：在实现更智能的汽车方面，目前你们做了哪些工作?
原树宁：博泰V2X技术的诉求正是让所有的道路设施全都变成车辆能懂的语言，然后去完成现在的无人驾驶系统没有办法完成的工作，最终实现普遍的无人驾驶。我们已经完成了V2X box设备在不同场景下的通信性能测试，该设备可随时发送车辆的速度、位置等信息，同时接受其他车辆发送的信息;开发了车辆主动安全仿真系统，实现了车辆间急刹警告、追尾警告、交叉口碰撞警告三大主动安全功能，并进行了多次真实场景道路测试。
记者：能否用你观点来定义智能汽车对于交通运输变革的意义?
原树宁：智能汽车的突破，类似于内燃机取代马车，是一场真正意义上的革命。第一，它提高了效率，第二，它节约了资本，同时也节约人力，节约了大量的基础设施建设。
记者：智能汽车实现了自动驾驶，或者无人驾驶，是不是也使得汽车的驾驶乐趣也消失了?
原树宁：肯会有这么一种人，愿意自己开车，就像现在很多人还是愿意骑马一样，那么这些人可以去特定的场所去驾驶汽车，就像现在的人要去马场骑马。
在业内人士看来，人工智能不是一项单一的科技产业，而是将其他行业进行融合的工具，例如将机器人和保姆结合产生的“看家机器人”，将导航和汽车结合产生的“车联网”等。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，“人工智能”有望成为可触摸的新增长点之一。
发展迅猛
身体不舒服，想要打开手机淘宝问问医生，但是怎么样才能从几千个在线等待咨询的医生中间找到最匹配的那一个？
阿里健康已经开发并在手机淘宝上线了健康小蜜――医药健康智能问答引擎。这个类似于智能问答机器人的引擎，可以回答普通用户的一般性医药健康问题，然后根据用户的需求进行选择，将用户自动匹配给相应的医生或者药师。
事上，目前，从医疗健康的监测诊断、智能医疗设备，到教育领域的智能评测、个性化辅导、儿童陪伴，从电商零售领域的仓储物流、智能导购和客服，到应用在智能汽车的自驾技术，都能看到人工智能的身影。
人工智能等技术是助推自动驾驶发展的关键技术。例如，人工智能在帮助汽车解读传感器数据时起决策作用，通过阅读驾驶者的驾驶行为和表情，能及时提醒驾驶员在疲劳驾驶时切换至自动驾驶模式。
“人工智能”一词，通常被认为是1955年8月31日在达特茅斯（美国一所院校）会议上诞生的，61年来，人工智能的研究和实践一直处于不断增长的趋势。当今，人工智能技术的突破带来了席卷全球的技术革命风暴，创造出了一个无比广阔的市场，中国的很多公司在这股大潮中抓住机遇，表现亮眼。有观察者认为，中国的人工智能已成为一张令世界瞩目的闪亮名片。
过去的一年里，长虹、TCL、创维等中国家电企业都纷纷人工智能家电产品，希望借助人工智能打破家电行业的销售难题。
不久前，搜狗公司2016全年财报，搜狗借助人工智能技术实现了较大的业绩增长。未来会把人工智能应用到更多的产品中，让用户表达和获取信息更简单，让人工智能真正惠及人类。
全球人工智能研发的脚步正在加快，中国也不甘示弱。近年来，百度先后成立了大数据实验室、深度学习实验室和硅谷人工智能实验室，并通过架构调整全面发力人工智能。2016年百度世界大会上，“百度大脑”推出，该项目将对语音、图像、自然语言处理和用户画像、无人驾驶等领域进行重点关注和研发。
在腾讯，人工智能研究项目包括WHAT LAB（微信-香港科技大学人工智能联合实验室）、优图实验室、微信模式识别中心、智能计算与搜索实验室等多个部门。
人工智能犹如新的科技革命，为长期低迷的世界经济注入新的活力。去年诸多关键技术突飞猛进，无疑是人工智能发展史上浓墨重彩的一年。诞生半个多世纪以来，它终于走到了从科技研发到行业应用的临界点，蓄势待发。
为发展更新“发动机”
人工智能技术的重大突破必将带来新一轮科技革命和产业革命，对人类生活的方方面面将产生深远的影响。大力发展人工智能技术是中国经济转型升级的重要动力。
众多研究表明，人工智能是对传统行业商业模式、产业链和价值链的全面颠覆，将为全球经济、社会生活的方方面面带来质的变化。
发展人工智能的最大意义在于为现代化发展更换“发动机”。咨询公司埃森哲研究了美国、芬兰、英国等12个发达国家并作出预测，到2035年，人工智能将帮助这些国家的生产率提高40%左右。
对于中国而言，人工智能带来的好处将是多方面的。就经济来说，借助人工智能新技术实现自动化，将极大提高生产率，节省劳动成本；优化行业的现有产品和服务，提升其质量和劳动生产率；通过创造新市场、新就业等，将促进市场更加繁荣，开拓更广阔的市场空间。
而在产业升级方面，中国的传统制造业大而不强的问题亟待克服，人工智能恰恰为制造业转型升级提供了便利和动力，一是这些企业拥有行业海量的数据和大量资金；二是在生产力水平急需提升、传统人口红利逐渐消失的情况下，传统企业有迫切的意愿来改造升级自己的工厂、业务，提高收益，降低企业成本。因此，制造业既是人工智能可以大有作为的领域，也是中国发展人工智能的优势领域。
《全球人工智能发展报告2016》显示，中国人工智能专利申请数累计达到15745项，列世界第二；人工智能领域投资达146笔，列世界第三。
据艾瑞咨询预计，2020年全球人工智能市场规模将达到1190亿元，年复合增速约19.7%；同期中国人工智能市场规模将达91亿元，年复合增速超50%。人工智能发展前景极为广阔。
就制造业而言，“中国制造2025”计划的实现就需要很多人工智能。比如过去在技术上难以克服的问题，就可以通过深度学习，在工程上快速地取得一些新的突破。人工智能技术的发展与应用，对于有效实现“中国制造2025”目标至关重要。
面向未来长远布局
在人工智能这场科技浪潮中，中国与其他国家已经站在了同一起跑线上。针对未来产业竞争，中国政府已在多个方面对人工智能产业做出布局，“人工智能+”的发展，需要面向未来，做出长远布局。
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。
目前，在驾驶领域，通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，电脑可以在无人主动操作下，自动进行操作；在个人助理领域，通过智能语音识别、自然语言处理和大数据搜索、深度学习神经网络，可以实现人机交互；在金融领域，通过分析、预测、辨别交易数据、价格走势等信息，人工智能可以为客户提供投资理财、股权投资等服务；在电商零售领域，主要是利用大数据分析技术，智能的管理仓储与物流、导购等方面，用以节省仓储物流成本、提高购物效率、简化购物程序。此外，在安防、教育、医疗健康等众多领域，人工智能都有着广泛的用途。
从不被看好到连胜三局，人们在惊愕之余不得不承认，人工智能科技已经发展到了能轻易超越人类的水平。
今天，人工智能已走过了近60年的历史，并几经高峰和寒冬，目前已渗入生活的方方面面。对于人类而言，人工智能的发展到底是福还是祸?它会对我们的生活造成怎样的影响?除了下棋，人工智能还能做些什么?
不久前，谷歌在旧金山举行了一场画展和拍卖会，展示了电脑在人类的指导下创作的画作。此次展示的画作包括迷幻的海景、梵高风格的森林以及城堡和狗组成的奇观。其中6幅尺寸最大的作品被一位职业拍卖人以高达8000美元的价格拍得。
谷歌最初开发这项技术是为了识别照片中的物体。但为了进行艺术创作，工程师又随机为电脑算法提供各种形状，使其能在识别物体的基础上逐步改变图像，并让图像更接近于真实。当然，这个算法与AlphaGo的算法有怎样的差距，目前无法得知。
人工智能拥有如此强大的计算能力，人类怎会放过利用它赚钱的机会?将人工智能引入股市、银行等，从而让其代替人类成为交易员，在最近几年渐渐盛行。以下几个经典的案例足以让你体会人工智能的强大。
高频程序化交易Virtu Financial LLC公司在1238个交易日中，仅在1个交易日中出现了亏损。
第一个以人工智能驱动的基金Rebellion预测了2008年的股市崩盘，并在2009年9月给希腊债券F评级，而当时惠誉的评级仍为A。通过人工智能手段，Rebellion比官方提前了一个月降级。
掌管900亿美元的对冲基金Cerebellum也使用了人工智能技术，结果自2009年以来，没有一个月出现亏损。
根据花旗银行的最新研究报告，人工智能投资顾问管理的资产在2012年基本为0，到2014年底已增至140亿美元。在未来10年内，它管理的财产还会呈现指数级增长的势头，总额将达5万亿美元。
19年前，美国IBM公司的超级电脑“深蓝”击败了国际象棋大师卡斯帕罗夫。之后“深蓝”在象棋界打遍天下无敌手，除了棋力持续大增之外，还在其他领域发挥重要作用，比如为MD癌症中心工作。
2015年，IBM推出一个新的认知计算机健康平台——Watson Healthcare Cloud，目前与生物制药公司诺和诺德以及强生等公司已达成合作关系。Watson能从病人的病例和丰富的研究资料库中寻找资料，为临床医生提供有价值的信息，从而帮助医护人员找到最有效的治疗方案。
在AlphaGo 与李世石比赛前，谷歌宣布创造出 AlphaGo 的 Google DeepMind 实验室将进军医疗技术领域。他们成立了 DeepMind Health 团队，与英国伦敦帝国理工学院和伦敦皇家自由医院展开合作。同时推出了一款名为 Streams 的移动端应用程序，医疗人员可以利用 Streams 更快地观察到医疗结果。
想象一下，有一天我们出门打车，车上没有司机，你只要告诉它目的地，它会自动搜索路线并启动上路。其实现在已经不用想象，因为这一切正在成为现实。
谷歌、特斯拉、苹果甚至是宝马公司等都在开发无人驾驶汽车。谷歌的无人驾驶汽车已在公司附近的山景城测试了无数次，虽然交通事故发生过十多起，但都属于小摩擦，尚未造成严重损失。
有人说，即使发生了这些事故，无人驾驶汽车发生事故的概率也远远低于人类驾车发生事故的概率。当然，这同样有赖于人工智能强大而精准的计算能力。
关于这些无人车何时正式大量地上路载人，业内普遍的说法是2020年，目前它们正努力学习物体识别及交通规则。
想要全面了解人工智能个人助手，看一遍电影《Her》就可以了。其中的人工智能操作系统萨曼莎不仅可以帮助主人公快速处理各种邮件、文件等，还能像朋友一样与之交流。
现实生活中，这样的个人助手也正在成为现实，如苹果的Siri、微软的Cortana 以及谷歌的Google Now，国内也有科大讯飞的灵犀、图灵的虫洞语音助手等。
这些语音助手一般存在于个人电脑或手机中，近年随着服务机器人的发展，它们开始有了新的载体。机器人除了有语音功能外，还具备自主行动的能力，因此有望在其他方面帮助人类。
与AlphaGo一样，以上这些功能的实现都是通往全面人工智能的必要步骤。正如市面上有无数针对下棋的程序，但并非每一个都只是为了下棋，DeepMind团队开发AlphaGo 是为了让它找到逻辑判断的方式并不断自我学习，这些是人工智能深度学习的基础。
当它拥有了这些能力后，即能迅速学习其他方面的能力，最终服务于人类。
中信出版集团
定价：68.00
人工智能的成长：从章鱼保罗到阿尔法狗
文|高雅
当人工智能（Artificial Intelligence）这个话题从小众成为爆款时，你有没有追溯过，它是什么时候第一次出现在你的眼前？你是否探究过这项计算机科学的发展？你又是否畅想过在人工智能的推动下，未来世界是什么样子？
中信出版社新书《智能革命》由百度CEO李彦宏及其团队所著。书中将会为你一一解答关于人工智能的三生三世，让你从一个AI小白成长为扼住时代命门的“超级选手”。
百度CEO李彦宏与其团队合著的《智能革命》一书，不仅解开了我对百度“神预测”一事的困惑，更带我认识了什么是人工智能、人工智能带给了我们什么以及人工智能将会带给我们什么。
原来，在我第一次认识齐达内，成为准球迷的1998年，一个年轻人在美国写出了《硅谷商战》一书，详细描绘了硅谷天才们的奋斗与创新过程。在那之后，他在北京的一个宾馆里创办了百度公司，他就是李彦宏。在这之前，他就在美国的学习中接触到人工智能课程，但受制于当时硬件、技术等原因，人工智能还没有什么应用机会。但这个梦就种在李彦宏的心里，随着计算机网络产业的发展，尤其是搜索引擎的进步，李┖晷闹械恼飧雒慰始萌芽了。
人工智能的历史早于互联网，与计算机历史相伴。但新技术和产业链条不畅通，没有令人兴奋的产品，人工智能在上世纪70年代到90年代经历了两次低潮。20年前网景浏览器的问世，为人工智能发展埋下伏笔。互联网、移动互联网上的浏览器不断积累各种数据，这些数据又不断地滋养机器，机器学习有了营养，成长得更快。
书中清晰地看到人工智能半个多世纪的发展和变迁，人们对它的认知从安装在一台计算机中的事物到解决人类的思考，再到百度将人工智能成功应用于显著提升用户体验，并把翻译、语音识别、图像识别等能力开放给大家，供人们开发探索各种人工智能应用。例如百度与交通运输部下属的研究院、研究中心合作搭建信息共享平台，解决交管部门、普通民众道路信息滞后等问题。
工业革命开始，人类的体力得到解放。百度自主研发的无人车测试成功、谷歌翻译名声大噪、荷兰的奶厂已经实现智能化无人饲养，这些人工智能的事例无一不在证明，人类的智力也在不断被解放。不过大可不必担心失业，因为技术的主要目的从来不是“替代”，而是“支持”。人工智能正在满满渗透进我们生活的各个领域，它虽然尚无人性，但却有种别样的人文关怀。
新书信息
《品尝的科学》
作者：【美】约翰？麦奎德
定价：49.80元
北京联合出版公司
一本有关人类味觉的奇妙物语，你将比你想象的更了解自己。
《海洋与文明》
作者：【美】林肯 佩恩
定价：128.00元
天津人民出版社
有感于海洋世界的重要性在大众认知层面日益衰减，作者为我们带来了这部宏大的全球海洋史。这样一部内容全面而丰富的著作，必将构成海洋史研究领域的坚实基础。
《哈佛商学院谈判课》
作者：【美】迪帕克 马哈拉
定价：38.00元
关键词：人工智能；犯罪；刑法；立法构建
一、人工智能时代刑法构建的必要性
（一）刑事立法可以防控人工智能技术带来的风险
人工智能与现实社会的联系日益紧密，已经成为法律无法回避的领域，互联网时代的发展推动了人工智能时代的到来，互联网技术中的信息与数据是孕育人工智能的土壤。当今社会，人工智能技术已经渗透到生活的各个方面，我们的医疗、军事、交通、城市建设等方面，处处都有人工智能的身影。当我们享受着先进技术带来的好处时，也不能忽略其潜在的法律风险。因为这样紧密的联系就决定了人工智能会高频率地参与人类社会的活动，那么当其参与的行为涉及刑法时，就需要立法来规制。
（二）刑事立法可以及时应对这一新生事物对于现行刑法的挑战
不可否认，法律具有滞后性，新技术带来的犯罪无法被现行的刑法及时规制，甚至会产生冲击。只有通过立法及时修补法律的空白之处，解决刑法对于人工智能类犯罪的适用等问题，才可以保证这一技术的健康发展和合理使用。［1 ］
二、现行刑法规制人工智能犯罪的困境
（一）从刑事责任主体角度
在我国现行刑法中可以规制的人工智能类犯罪极其有限，仅限于行为人直接将人工智能当作工具进行生产、利用的情形，换言之，人工智能此时执行的一切操作仅为犯罪者的意志和行为的延伸，这种情形下的刑事责任主体为利用人。例如，绍兴市破获的全国首例利用人工智能侵犯公民个人信息案，犯罪团伙利用人工智能技术盗取数据，识别图片，进行诈骗，窃取公民个人信息进行犯罪。在这个案件中，人工智能被当作工具直接被犯罪分子支配利用，可以根据刑法第二百五十三条之一侵犯公民个人信息罪对犯罪分子进行定罪。当然，即便如此，这样的定罪依然存在瑕疵，后文第（二）节将从另一角度阐述。然而，真正棘手的问题是，当人工智能在无自然人利用、操纵时，或者违背利用者的初衷，自行发生了犯罪行为（如无人驾驶汽车涉及交通事故罪，手术机器人涉及医疗事故罪等），其刑事责任主体又该如何确定，是人工智能本身，还是其用户，又或者是发明者，由于现行刑法刑事责任主体认定的局限性，这种情形下刑事责任主体的确定存在争议。
（二）从罪名角度
不可否认，人工智能时代的到来产生了许多前所未有的行为方式，所以，针对以下三种情形，即便行为主体符合我国现行刑法对于刑事责任主体的认定（自然人、单位），因为缺乏与之相对应的罪名，也无法直接且有效的规制：首先，是犯罪主体滥用人工智能学习技术训练其进行犯罪的情形。正如前文所述的，绍兴市破获的全国首例利用人工智能侵犯公民个人信息案，我们可以按照侵犯公民个人信息罪对犯罪分子进行定罪，但是其非法滥用人工智能技术的行为是无法规制的。其次，是由于人工智能的生产者、发明者在程序编写等技术方面的问题，导致人工智能运行时发生危害社会安全的犯罪行为的情形。比如，2018 年3 月发生在亚利桑那州坦佩市的Uber无人驾驶汽车意外撞死一名行人的案例，［2 ］经后续调查给出的技术解释是，由于技术限制，其识别系统会在恶劣环境下发生识别有误，甚至无法识别的情况，Uber公司对其人工智能的某一算法设置上存在纰漏，但最终的审判结果却是Uber公司不负刑事责任。这虽然是国外的案例，但也对我国刑事立法提供了思考的方向，或许有观点认为，在我国发生类似案例，可以直接按照刑法第一百四十六条的相关规定按照生产、销售不符合安全标准的产品罪来定罪。但笔者认为，人工智能本就属于新兴技术，其发展必然存在不成熟的因素，但也不能忽视其进步性，所以，在一定限度内，我们应该对人工智能产品所带来的风险有一定程度上的容许，如此才有利于行业的发展，而这就需要设立新的罪名来解决。
三、人工智能刑事立法构建策略
（一）关于刑事责任主体认定
针对上文提出的，人工智能在无自然人利用、操纵时，或者违背利用者的初衷，自行发生的犯罪行为的责任主体认定问题，我们可以分为两类讨论：首先，是弱人工智能发生的犯罪行为。所谓“弱人工智能”是指没有自主意识，缺乏创造性、遵循机械规律的人工智能。此类人工智能在无自然人利用、操纵时，或者违背利用者的初衷，自行发生的犯罪行为，多半是程序等技术的瑕疵造成的。此时，此类人工智能无法满足犯罪主客观一致的要求，不具有承担刑事责任的能力，所以应该认定其发明者为刑事责任主体，因为发明者在发明此类弱人工智能时，可以且应当预见到人工智能的行为和潜在的风险，发明者此时具有确保其发明物不会危及公共安全和人身安全的义务。当然，也有例外情况，如果是由于他人（黑客等）恶意入侵的行为造成的犯罪，应当认定该介入因素切断了原先的因果关系，应该认定入侵者为刑事责任主体。其次，是强人工智能发生的犯罪行为。所谓“强人工智能”是指具有独立意识，有思考能力，通过学习可建立对于周围环境的认识、判断的自主运行的人工智能。这类人工智能的犯罪能够符合客观方面（危害行为、危害结果、因果关系、犯罪的时间、地点、方法）的要求，也能够符合主观方面（如意识因素、意志因素）的要求，应当认定其为刑事责任主体，独立承担刑事责任。首先，这类人工智能具有更强的学习能力，思考能力，它们可以通过学习和思考产生自主意志和是非判断能力，已经不再是使用者意志和行为的延伸；其次，强人工智能在自主意识和判断力的基础上，完全有能力获取其研发人未编入其程序的知识，而这些知识极有可能具有人身危害性，但这些内容是很难被及时预见并立刻删除的；最后，基于前两点的内容，我们完全有理由认为，强人工智能是具有可罚性的，此时的人工智能已经具有了自然人的伦理属性，可以被当作“机械犯罪人”。我们可以对其执行删除数据并且将该人工智能销毁的刑罚。故针对强人工智能的犯罪，我们不必设立新的罪名，但需要出台相关的司法解释来调整、明确刑事责任主体的认定。比如，针对现行刑法的某些犯罪（如公共安全类犯罪、除外侵犯人身权利的犯罪、侵犯财产类型的犯罪等等）出台司法解释，增加强人工智能本体为刑事责任主体，并补充强人工智能的刑罚执行制度，只有完善了司法解释，才不会使上述策略成为空中楼阁。
（二）关于新罪名的设立
1 ．设立滥用人工智能技术罪随着技术的发展，人类对于人工智能技术的依赖性会越来越大，这已是大势所趋，但这势必会引起该技术滥用的行为。就如全国首例利用人工智能侵犯公民个人信息案，犯罪分子利用人工智能，可以使传统的犯罪行为更加快速，更加低成本，低风险。所以我们有必要设立滥用人工智能技术罪，在规制犯罪分子基本犯罪行为的基础上，［3 ］该罪名应该纳入刑法分则第六章妨害社会管理秩序罪中进行明确规定。2 ．设立人工智能重大责任事故罪针对人工智能的生产者、发明者在程序编写等技术方面的问题（主要针对弱人工智能），导致人工智能自行运行时发生危害社会安全的犯罪行为的情形，应该成立人工智能重大责任事故罪，规制发明者、生产者在发明、设计、生产环节中未完全按照行业标准和国家标准履行义务的行为。但是，结合前文所述对于新兴技术发展的支持态度，应该对其中的生产方采取严格责任制，即如果生产商有足够证据证明自己的生产过程是严格遵守现有的相关标准的，则可以免于承担刑事责任。该罪名应该纳入刑法第二章危害公共安全罪中进行明确规定。
四、结语
人工智能时代的到来既给我们以便利，同时也会给我们带来法律的困扰，甚至对传统的刑法带来冲击，相关的刑事立法可能会改变长久以来的传统的刑事责任定义，这正是新兴技术的发展对于刑事立法的挑战，所以我们既要制裁人工智能类的犯罪，又不能阻碍该行业的发展，只有这样，才是成功应对我国当下人工智能犯罪的刑法困境。
参考文献
［1 ］李振林．人工智能刑事立法图景［J］．华南师范大学学报（社会科学版），2018 （6 ）：125-133+191 ．
机器人最近有点忙。时下正在热映的两部好莱坞大片《复仇者联盟2》和《超能查派》中都出现了机器人主角：奥创与查派，它们虽然在人物设定上大有不同，可归根结底，都是以人工智能主导的生命体。
人工智能听起来似乎离普通人的生活有点远，其实不然，翻译软件、Siri和无人驾驶汽车都是人工智能，只不过大多时候被称作“智能”而已。
当普通人还沉浸在对人工智能的好奇中，一些科学家和行业巨头却对人工智能的未来抱以担忧：人工智能是天使还是恶魔？
“人工智能或将成为人类的终结者。”英国著名宇宙学家史蒂芬霍金担心；特斯拉创始人艾伦马斯克也表示，人工智能的发展或许会成为人类面临的最大威胁；微软公司创始人比尔盖茨也曾发出类似警告。
实际上，这种“人工智能主宰论”绝非时兴起。现在，著名宇宙学家、硅谷企业家以及微软创始人也发出同样的警告，并且纷纷反对谷歌和微软等科技巨擘投资人工智能，这种忧虑的分量可想而知。
现在，超级计算机不离人手，机器人操控着各行各业……如果还将人工智能当做科幻片一般对其一笑置之，那么人类显然有点自欺欺人了。
对于人工智能，人们不能盲目着急，更应该想想如何趋利避害，理性地面对这些担忧。
首先，人类需要弄明白计算机现在可以做什么，以及未来可能会干什么。强大的计算机处理能力以及丰富的大数据资源促进了人工智能的蓬勃发展。如今的“深度学习”系统通过模拟人脑神经元来处理大量数据，已经可以自己完成模式识别和翻译等任务，其出色的效果几乎可以与人类相媲美。也正因此，过去曾经需要人脑完成的任务，如下棋、玩电子游戏，现在都可以交给电脑完成。2014年，Facebook推出的一款脸部识别计划DeepFace已经非常接近人脑的识别能力，准确率高达97%。
即便如此，人工智能的能力还是十分有限，功能还比较狭隘和具体。人工智能所产生的这种能力完全依靠机械式的数字运算，并不能像人脑那样通过独立意识、个人兴趣及爱好来完成任务。计算机也无法拥有人类思维对任何事物进行推断、判定及决策。
然而，不能否认的是，人工智能的迅猛发展已对人类生活产生了巨大影响，并对人类科技的进步起到关键性辅助作用。以象棋为例，现在计算机下棋完全不输人类。但世界上最好的棋手并不是计算机，而是国际象棋大师加里卡斯帕罗夫所称的“半人马”一―人类与计算机算法的合体。
这种人机合体的形式未来将成为各行各业的常态：人工智能技术将大大增强医生通过医学影像诊断癌症的能力；智能手机上的语音识别算法将为发展中国家数百万文盲实现上网梦想；数字助理将为学术研究提供有效的假设；而图像分类算法将使可穿戴设备佩戴者在真实世界里看到有用信息……
不过从短期来看，人工智能并非有益无害。例如，不管在专制国家还是在民主国家，人工智能将会给国家安全带来困扰：试想―下，人工智能可以监控数以十亿计的谈话内容，并且仅凭声音或者面部特征就能从茫茫人海中找到每一位公民，这种力量无疑对人类自由和隐私带来极大的威胁。
在人工智能的发展历程中，受伤害的终归是个人，最直接的后果是导致大量白领失业。在计算机诞生前，传统的计算工作是个苦差事，通常都是女性完成这种无止境的体力活。正如计算机让大批女工失业一样，人工智能将来也可能让白领下岗。人工智能所创造的财富将会用于新的领域，源源不断地创造出新的就业岗位，但现代白领的岗位将必然难保。
不过，霍金、马斯克和盖茨所担心的并不是人工智能会监控人类或导致白领失业，或者是好莱坞大片上的各种灾难会在现实生活中重演。他们的担忧则更长远，更具毁灭性：具有人类思维和兴趣的人工智能机器会不会与人类自身产生冲突，人类是否正在召唤“恶魔”？
不过，“恶魔”的出现还需要很长时间，或许永远也不会出现。尽管人类在人脑研究领域已经倒腾了一个世纪之久，但到目前为止，心理学家、神经学家、社会学家和哲学家们都还没弄明白人类思维究竟是怎么产生的，或者说思维到底是什么。如今在商业领域的人工智能产品在心智和自治意识上还有局限性。无人驾驶汽车比主人开车技术还好，这听起来还不{昔，但是一辆车可以自己决定去哪儿，迄今为止还只是个传说。
尽管距离霍金所说的全面人工智能时代还很遥远，但是谨慎起见，整个社会还是未雨绸缪为好，这看起来不算难，毕竟人类创造这种拥有超人能力的实体已有时日。政府机构、市场和军队都是这样的实体。
机构认为，在即将到来的AI时代，神经网络要求芯片支持大规模的并行计算，而这与传统的处理器串行计算有着本质的不同，人工智能有望成为实现弯道超车、带动传统产业赶超发达国家的战略性产业。上证报资讯日前报道，中科创达是华为麒麟970芯片人脸识别应用提供方；中科曙光成功研制出首款搭载寒武纪AI芯片的人工智能服务器Phaneron。
个股利好：
回天新材：与中建八局合作 共同开拓雄安新区建筑项目；
格林美：子公司签署动力电池三元材料项目合资经营协议；
新国都：子公司中标交通银行2017年收单POS设备招标项目；
宁波建工中标七里滨江总承包（EPC）项目；
大北农拟以大宗交易方式收购荃银高科4.9%股权 并增持不超4亿元；
三维丝、山东威达获增持。
个股利空：
大东南终止重大资产重组事项；
长信科技：海外资产回归A股的相关政策未完全明确 暂不启动资产重组事项；
真视通终止筹划重大事项；中通国脉：
近年来，互联网的普及和发展给社会经济建设和人们生活带来了巨大的变化。随着“智慧城市”、“智能交通”、“物联网”新概念的提出，普及先进的智能技术，推动各方面产业的升级和转型，使各个领域又面临一场新的技术革命。在《国家中长期科学和技术发展规划纲要》和“十二五”规划中，智能交通（ITS，IntelligentTransportationSystems）已被列入交通运输业优先发展主题，在交通运输领域广泛采用智能技术建立交通物联网络，已成为发展智能交通的优先途径，也是各级政府和交通专家最为关注的话题。打造国际一流的人性化、捷运化、信息化和生态化的交通物联网，应用智能技术能解决哪些问题？物联网建设中如何推广智能技术？这些问题都值得我们进一步思考和深入研究。
2交通物联网的构成和特征
2.1交通物联网的构成交通物联网是在较完善的交通设施基础上,将新一代智能技术充分运用于交通运输系统所建立的一种实现。即把智能传感器件装备到各地公路、水路、公交、地铁各相关系统的基础设施中，把车辆、船只等运动设施，还有桥梁、大坝、隧道、车站、港口等固定设施，网络、视频、广播、通讯、遥感等各种媒体设施，在互联网的支撑下经过互联构成“物联网”。而后通过超级计算机系统、智能交通系统以及云计算将物联网软硬件资源整合起来，构成一个完整的交通物联网体系。智能交通系统是交通物联网中的核心系统。人们通过它能以更加科学的智能的和动态方式管理和控制交通。
2.2交通物联网的特征⑴全面物联：智能传感设备将交通所有基础设施物联成网，通过专用技术对网络系统实时感测和智能的控制，全面实现交通网络智能化管理。⑵充分整合：物联网与互联网系统完全连接和融合，将软硬件资源最大有效的整合共享，资源分配更加充分和合理。为低碳环保、减少资源冗余浪费，提供最佳的基础设施。⑶协同运作：有效地利用基础设施的潜能，各个关键环节进行和谐高效地协作，监管保障进一步到位，不断消除自身的隐患，达到智能交通的最佳状态。⑷学习创新：立足系统本身的知识学习、积累和更新，不断地进行科技创新和应用，加快交通智能系统的研发和升级，提高可持续发展的能力。
3智能技术在交通物联网的应用成果
3.1智能技术的应用应用智能技术解决交通运输问题，已成为公认的最为有效的途径。从第十二届多国城市交通通展中可以看到，集电子技术、信息技术、传感器技术、数据通讯技术、人工智能和计算机应用等技术于一体的跨学科的智能技术，在交通科技领域的普及应用越来越广泛。如“一卡通”解决方案、RFID无线射频识别技术、GPS智能导航系统、ETC不停车电子收费系统、道路控管系统、网络影像传输系统、电子警察抓拍系统、公路车辆自动监测记录系统、交通综合信息管理系统、道路交通仿真系统等等。将不同的系统集成并将它们智能化从而提升交通管理的水平，已初见成效。由此可见，智能技术有效地综合运用于我国交通运输管理体系，已呈现出巨大的潜力和发展空间。
3.2应用智能技术取得的成果⑴智能公交方面，建立统一的智能化公共交通综合信息平台，在公路、水路等客运行业逐步实现全国联网信息共享服务。城市公交实行全程实时监控，科学的调节车流的时空分布，优化了城市公交网络。展示和引导公众选择低碳出行，逐步拓展公共交通综合信息平台的应用领域，提高公交运营效率和服务能力。⑵交通停车诱导方面，建立动态停车诱导系统和汽车租赁信息服务系统，在完善停车场和公共交通组合的基础上建设驻车换乘信息诱导系统；利用网络媒体和手机、GPS智能导航等信息终端，为公众提供实时、便捷、个性化的交通信息服务。⑶出租车营运管理方面，应用了RFID无线射频识别技术。上海市启动了出租车电子标签试点，将识别芯片安装在出租车后窗的玻璃处，执法人员使用手持识别仪透过GSM将数据传送到指挥中心，快速的把出租车的车牌号、发动机号、车辆颜色、营运证等资料读出，以此快速地识别正规出租车和“克隆”出租车，借助交通物联网智能标签识别技术，有效的提高了出租车辆营运管理的水平。⑷公路不停车电子收费方面，计划到2020年，ETC(ElectronicTollCollection)电子自动收费系统全国覆盖率达到60%以上。ETC使公路收费走向网络化、智能化，提高公路的通行能力，降低了收费管理的成本，减少了车辆和路面的损耗，为解决交通拥挤、交通阻塞、交通事故和交通污染问题提供了有效的途径。⑸港口建设方面，以虎门港物联网工程为例，去年虎门港全面启动了“智能港及物联网应用工程”项目，他们采用物联网技术为基础架构，以RFID及其他传感技术为数据采集终端，通过有线和无线的网络传输技术，把数据资源汇集到港口数据中心,云计算平成海量数据的计算，实现港口在生产操作、仓储管理、物流跟踪、海关监管、环境污染等方面管理的智能化，依托物联网打造智慧型的港口，带动了港口建设一场新的技术革命。
4交通物联网建设方面的探讨
4.1要加强交通物联网标准化工作针对智能技术包含多学科的特点，由此带来的数据采集和处理技术的复杂性，需要制定和完善统一的物理层接口协议和标准。实现物理层接口的标准化，可以最大限度降低系统的瓶颈，保证整个系统接口的互联性,有助于物联网配套产业的新产品研发和标准化生产，促进智能技术的广泛应用。
4.2要改善基础设施的硬件品质对物联网中装备的各种智能传感设备及硬件，要制定标准采购目录和安装规范，尽量采用新一代智能产品。对老化的设备要定期检查和更新换代，特别是对采集设备的性能进行制度性评估，提高硬件设备的品质，不仅对杜绝各类事故提供可靠的保证，而且使智能技术更加有效的发挥。
4.3要加快智能交通系统的研发应用从交通物联网的现状来看，很多地区发展还不平衡，有的还未引入真正意义上的智能交通系统。许多在用的交通管理系统，智能综合分析的功能较少。有些交通指挥系统只是具备监测、记录、抓拍等被动性的监管功能。不具备主动性的智能预防、诱导分流和调控功能。在交通管理方面，对车辆流量、车速、车况、路况、环境仍处在人工监管状态，对突发事件应急反应上还缺乏智能处理的预案。为此，加快智能交通系统的核心技术研发，建立物联网智能预防系统显得格外重要。智能预防系统是智能交通系统一个重要的组成部分。通过多种智能技术实时感测和智能的分析，对道路、车辆、驾驶员、环境及时提出预报、预警、诱导和安全评估以及专家解决方案。可以实现有效的限速限载，合理的分流调控，排除事故隐患，减少人员伤亡和路产损失，为公共交通提供更加安全的保障。
5智能交通系统的研究
在建立交通物联网的地区，初步实现了交通运输、物流仓储、交通监管等方面的自动化、数字化管理。但物联网的智能化水平还远远不够，数据分析、安全预防、调控决策和重大事件的处理大部分还需要人工完成，处理的结果还未达到专家水准。因此，研发和应用智能交通系统，是今后交通物联网建设的关键所在。
5.1智能交通系统的是一个交通领域的专家系统智能交通系统是当前交通运输领域的前沿研究课题，是一个涉及领域多、知识面广的庞大的体系架构。采用云计算平台技术，使分布的系统硬件和软件资源充分地整合，通过虚拟化管理和调度，可以实现基础设施级服务（IaaS），平台级服务（PaaS）和软件级服务（SaaS）。人工智能是研究如何构造智能机器或智能系统，使它能模拟、延伸扩展人类智能的学科。人工智能技术包含计算机科学、控制论、信息论、神经心理学、哲学、语言学等，主要应用在专家系统、机器学习、模式识别等领域。智能交通系统就是采用人工智能和云计算技术构建的交通领域的专家系统，是实现交通物联网智能化的一个重要途径。
5.2智能交通系统的主要构成智能交通系统，也是一个功能完整的、有学习新知识能力的、并能进行逻辑推理的、在交通管理方面代替人类思维支配系统运行的知识系统。它由若干个子系统和知识库组成，各个子系统也是一个独立的专家子系统，根据专业技术领域可划分为：路桥专家子系统；车辆专家子系统；船舶专家子系统；水运专家子系统；物流专家子系统；交通监管专家子系统；应急救援专家子系统；安全预防专家子系统等。每个子系统由若干个完整的智能模块组成，按照功能的划分，每个智能模块对它管辖的范围进行实时的感测和处理。智能交通系统由日常处理、智能处理和专家处理几个层面系统组成。按照事件等级，日常处理只解决经常发生的简单事件，智能处理以快速响应、准确及时、合理调控、节约资源、预防事故发生为目的；遇到重大的复杂事件转由专家处理来决策。
5.3智能交通系统的研究方向智能交通系统通过知识工程方法进行研究，主要研究方向是解决智能接口技术、检索推理机构、知识获取、解释机构等问题。知识库和数据库及其知识、数据的管理通过云计算平台技术来完成。针对大量不同的系统终端数据采集技术的复杂性，要重点解决端口的数据转换方式、编码、交换、传输、差错控制等关键技术问题。智能交通系统在事件处理过程中，根据发生的不同事件的等级，由相应的子系统来进行响应，通过云计算平台调用系统知识库的知识，进行逻辑推理和筛选分析，得出切实可行的专家处理意见。由于采用云计算的编程模型、海量数据存储管理和虚拟化技术，进行大规模的分布式计算和并行处理，有效的利用了系统资源,使专家处理的结果变得更加及时和准确。智能交通系统每个子系统应具有强大的学习能力，能自动地获取知识，对系统知识库随时进行充实和更新。并经过人机接流，使学到的新知识达到专家水平。
北京、上海、沈阳领跑AI
中国人工智能市场细分结构中各类产品分布较为均衡，占据前二位的是服务机器人和智能工业机器人，2016年市场规模分别为70.5亿元和62亿元，占比为29.6%和26%。其中，服务机器人在减速器、伺服电机等领域的技术门槛低于工业机器人，通过结合语言处理和机器视觉等软件技术，能快速普及应用到民生各领域，市场规模也迅速增大。
■各地密集推出产业资金配套，北上沈三地领军发展。为了缩短我国在人工智能领域的基础研究积累、应用实践经验和科技创新投入与发达国家的差距，2016年5月，我国了《“互联网+”人工智能三年行动实施方案》，提出以重点领域智能产品创新为主的七大重点建设工程，对全国人工智能产业的发展提供全面系统的指引。
各地政府也开始密集出台人工智能产业配套扶持资金政策，努力解决企业发展的实际问题。目前已经有超过30个城市将机器人产业作为当地的重点发展对象，各地政府建成和在建的机器人产业园达40余家。
从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节；上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人；沈阳作为国家机器人检测与评定分中心之一，拥有新松机器人等企业，政策上提出设立200亿机器人产业发展基金。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
■行业巨头跨界并购加速。从近几年AI领域的并购融资事件可以看出，国内外无论是传统互联网企业（如谷歌、IBM等），还是跨领域的行业巨头（如SPACEX、厦华电子、丰田等）都在积极进行人工智能的布局。并购领域主要集中在自然语言处理和深度学习。并购策略上一方面通过收购提升语言处理产品的体验性能，强化公司产品的市场占有率；另一方面，提前储备深度学习的技术人才，为新产品的研发提供支撑。
未来三年AI市场将迎来新兴机遇点
中国《机器人产业发展规划（2016-2020）》的出台、中国“十三五规划”的脑科学与类脑研究重大工程项目，将极大提升中国人工智能市场的供给质量。同时，以百度为代表的互联网企业已经充分认识到人工智能的未来前景，纷纷开展大规模的投入和布局，也将充分刺激中国人工智能市场的活跃度。2016年中国人工智能市场规模达到239亿元，预计2018年将达到381亿元，复合增长率为26.3%。
■智慧城市的建设将为AI市场创造巨大空间。智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展，尤其是以机器视觉为主的各类感知处理设备。中国“智慧城市”建设火热开展，截至2015年年底，我国智慧城市建设数量已经达到了386个。智慧城市的建设以及产品应用的推广，都要以机器学习为依托，可以说人工智能是“智慧”的源泉。未来，各行业的应用需求以及消费者升级发展的需要将有效激活人工智能产品的活跃度，促进人工智能技术和产业发展。
■边缘计算的爆发将快速提升AI产品渗透度。所谓边缘计算，是指设备能在本地化实现初级的人工智能功能，例如智能摄像头识别，服务机器人语音对话芯片等。目前，智能硬件对运算实时性和低延时性的需求越发严格，而依靠传统的云计算平台上的深度学习功能，很难满足大量爆发的产品需求。因此，针对边缘计算的设计开发正在成为各大厂商的新焦点。在过去的人工智能发展中，GPU的高速计算性能为其奠定了天然优势，而随着新一轮边缘计算的需求爆发，基于FPGA、ASIC等体系的设计模式也在逐渐成熟。未来将形成边缘计算和云计算p轨并行的人工智能计算范式。
■新兴AI机遇点逐渐凸显。目前人工智能产业链的数据支撑环节，依然存在数据流通法律法规缺失，高价值数据难以得到有效利用的问题；在感知环节，仿人体五感的各类传感器都有成熟产品，但是缺乏高集成度、统一感知协调的中控系统，对于各个传感器获得多源数据无法进行一体化的采集、处理加工和分析。
未来的新兴AI点也逐渐凸显，主要发生在软件集成环节和类脑芯片环节。一方面软件集成作为人工智能的核心，算法的发展将决定着计算性能的提升。另一方面，针对人工智能算法设计类脑化的芯片将成为重要突破点，不论是NVIDIA的Tesla P100，IBM的TrueNorth、谷歌的TPU，还是中科院的寒武纪，都试图打破冯・诺依曼架构，依托人脑模式构建出更快更适用的新体系，而这将为人工智能未来的良性发展奠定坚实基础。
■机器视觉、深度学习等环节将成为投资热点。图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术为突破带来了机遇。在软件图像识别领域，尤其以Face++和格灵深瞳两家为代表，通过招揽优秀研发人员在短时间内迅速脱颖而出。而中国人工智能市场中自然语言处理属于技术成熟而且高度竞争状态，科大讯飞占据了国内语音识别领域70%以上的市场，并且多年的技术积累已经在语义分析等领域具备了一定技术壁垒。同时，百度、阿里、腾讯依托技术优势都对语音市场虎视眈眈，因此，语音识别领域已经较难切入。
同时，前瞻性地对最具价值且临近爆发期的技术点进行投资是回报率最高的，深度学习作为2006年重新提出的神经网络算法，已经为人工智能产业刮起了强劲飓风，AlphaGo的成功最核心的价值就归功于它。深度学习正处在面临爆发的临界点，各大公司纷纷在跑马圈地，距离未来预期全面部署7年时间。国内而言，互联网厂商纷纷推出深度学习云平台（阿里DTPAI、百度大脑）、硬件厂商则忙着推出深度学习一体机（中科曙光联手英伟达推出XSystem、华硕携吉浦迅推深度学习一体机ZenSystem），一场本地化和云端化的争夺正在上演。虽然背负着不同的利益，但就未来而言，云计算和开源化仍将成为主流，也是更能推动技术进步的模式。因此，基于云平台的深度学习的投资价值不言而喻。
