人工智能醫療診斷范文

導語：如何才能寫好一篇人工智能醫療診斷，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

人工智能在醫療領域的廣泛應用價值

目前，人工智能在醫療領域的研究成果頻出，人工智能應用醫療領域已是大勢所趨。各個科技巨頭都相繼布局人工智能醫療行業。對人工智能在醫療的應用主要基于多方面的客觀現實：比如優質醫療資源供給不足，成本高，醫生培養周期長，誤診率高，疾病譜變化快，技術日新月異；此外，隨著人口老齡化加劇和慢性疾病發病率的增長，人們對健康重視程度普遍提高，醫療服務需求也在持續增加。

人工智能結合醫學應用有非常多的益處，可以讓患者、醫師和醫療體系均受益。比如對于患者來說，可以更快速地健康z查，獲得更為精準的診斷結果和更好的個性化治療方案建議；對于醫師來講，則可以消減診斷時間，降低誤診的概率并對可能的治療方案的副作用提前知曉；對于醫療體系來說，人工智能則可以提高各種準確率，同時系統性降低醫療成本。

據悉，人工智能在智能診療、智能影像識別、智能藥物研發和智能健康管理等方面都有廣泛的應用價值。

比如在智能診療方面，就是讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療場景是人工智能在醫療領域最重要、也最核心的應用場景。谷歌宣布已嘗試將其面向消費者的機器學習能力應用到醫療保健領域中。今年谷歌的人工智能算法在乳腺癌診斷上也表現出了很高準確度；蘋果公司最近收購了Lattice，該公司在開發醫療診斷應用的算法方面具有很強能力。

在智能影像識別方面，人工智能的應用主要分為兩部分：一是圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息；二是深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。作為醫生，從一個大的圖像如CT、核磁共振圖像判斷一個非常小的陰影，是腫瘤是炎癥還是其他原因，需要很多經驗。如果通過大數據，通過智能醫療，就能夠迅速得出比較準確的判斷。

在智能藥物研發方面，則是將人工智能中的深度學習技術應用于藥物研究，通過大數據分析等技術手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率的目的。人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。目前借助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破，在抗擊埃博拉病毒中智能藥物研發也發揮了重要的作用。

在智能健康管理方面，則可以將人工智能技術應用到健康管理的很多場景中。目前主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基于精準醫學的健康管理。比如通過獲取信息并運用人工智能技術進行分析，識別疾病發生的風險及提供降低風險的措施。計算機還能收集病人的飲食習慣、鍛煉周期、服藥習慣等個人生活習慣信息，運用人工智能技術進行數據分析并評估病人整體狀態，協助規劃日常生活。在精神健康領域，計算機可運用人工智能技術從語言、表情、聲音等數據進行情感識別。在健康干預層面，計算機則可以運用AI對用戶體征數據進行分析，定制健康管理計劃。

從IBM Watson的發展看醫學人工智能的未來

目前國內外已經有很多高科技企業將認知計算和深度學習等先進AI技術用于醫療領域，并出現了很多產品，其中以IBM的“沃森醫生”（IBM Watson）最有代表性。IBM Watson作為該領域中的翹楚，隨著人工智能技術的逐漸成熟，在2016年開始放開手腳，以腫瘤診斷為重心，開始在慢病管理、精準醫療、體外檢測等九大醫療領域中實現突破，逐步實現人工智能作為一種新型工具在醫療領域的獨特價值。

沃森是2007年由IBM公司開發的，IBM Watson具備了自然語言處理、信息檢索、知識表示、自動推理、機器學習等能力，能夠快速搜索分析非結構化的數據，獲取想要的結果。2015年，日本東京大學醫學院研究所最初的診斷結果，確診一位60歲的日本女性患了急髓白血病，但在經歷各種療法后，效果都不明顯。無奈之下，研究所只好求助IBM Watson，而IBM Watson則通過對比2000萬份癌癥研究論文，分析了數千個基因突變，最終確診這位60歲的日本女性患有一種罕見的白血病，并提供了適當的治療方案。整個過程IBM Watson只用了短短10分鐘。

自2012年羅睿蘭接手IBM開始，IBM公司發展方向與業務架構就一直在進行根本性調整。傳統硬件與系統軟件業務地位不斷退后，而云計算、網絡安全、數據分析與人工智能成為了公司現金流的核心投放領域。現在的IBM正在轉型為一家認知計算和云平臺的公司。其中在醫學人工智能的優勢也越來越明顯。

IBM Watson首先進入的領域是復雜的癌癥診斷和治療領域，這也是目前全世界醫學界聚焦的重點。Watson的第一步商業化運作就是通過和紀念斯隆?凱特琳癌癥中心進行合作，共同訓練IBM Watson腫瘤解決方案（Watson for Oncology）。癌癥專家在Watson上輸入了紀念斯隆?凱特琳癌癥中心的大量病歷研究信息進行訓練。在此期間，該系統的登入時間共計1.5萬小時，一支由醫生和研究人員組成的團隊一起上傳了數千份病人的病歷，近500份醫學期刊和教科書，1500萬頁的醫學文獻，把Watson訓練成了一位杰出的“腫瘤醫學專家”。隨后該系統被Watson Health部署到了許多頂尖的醫療機構，如克利夫蘭診所和MD安德森癌癥中心，提供基于證據的醫療決策系統。

相繼攻克肺癌、乳腺癌、結腸癌、直腸癌后，2015年7月IBM Watson for Oncology成為IBM Watson health的首批商用項目之一，正式將上述四個癌種的腫瘤解決方案進入商用。2016年8月IBM宣布已經完成了對胃癌輔助治療的訓練，并正式推出使用。此外沃森還在2016年11月訓練完上線了宮頸癌的服務。

目前IBM Watson腫瘤解決方案已經進入中國。2016年12月，浙江省中醫院聯合思創醫惠、杭州認知三方共同宣布成立沃森聯合會診中心，三方將合作開展IBM Watson for Oncology服務內容的長期合作，這是自IBM Watson for Oncology引入中國以來，首家正式宣布對外提供服務的Watson聯合會診中心，意味著中國醫療行業將開啟一個新型人工智能輔助診療時代。目前Watson可以為肺癌、乳腺癌、直腸癌、結腸癌、胃癌和宮頸癌6種癌癥提供咨詢服務，2017年將會擴展到8-12個癌種。在醫生完成癌癥類型、病人年齡、性別、體重、疾病特征和治療情況等信息輸入后，沃森能夠在幾秒鐘內反饋多條治療建議。

此外，IBM Watson還與輝瑞達成了一項新協議，會將前者的超級計算能力用于癌癥藥物研發。輝瑞將用上Watson for Drug Discovery的機器學習、自然語言處理及其它認知推理能力，用于免疫腫瘤學（Immuno-oncology）中的新藥物識別，聯合療法和患者選擇策略。由于免疫腫瘤學的未來在于針對獨特腫瘤特征的組合，這會改變癌癥治療方式。而在藥物研發中利用Watson的認知能力，可以更快地為患者帶來可能的新免疫腫瘤治療。

毫無疑問，人工智能將會成為未來IBM的成長引擎。沃森目前已經不僅僅滿足于涉及糖尿病等慢病、大健康、醫療影像、體外檢測、精準醫療、機器人、疾病研究治療這幾個領域，未來，沃森的觸角還會伸到醫療的其他行業，為整個醫療行業服務。

中國版小小“沃森”不斷面世

與IBM Watson十年的發展軌跡不同，中國在醫學人工智能領域的發展屬于追趕者。由于中國沒有統一的醫療數據格式以及數據孤島的隔離，中國在醫學人工智能I域投放的資源相對要少很多。不過這并不妨礙國人對其發展的熱情。在智能影像識別和診斷方面，中國已經出現了若干版本的小小“沃森”，他們的功能雖然沒有IBM Watson那么強大，但也在各個領域顯示出獨特的應用價值。

浙江德尚韻興圖像科技有限公司是由浙江大學知名專家和珠海和佳醫療設備股份有限公司共同投資成立一家高科技公司。浙江德尚韻興利用深度學習處理超聲影像，同時加入旋轉不變性等現代數學的概念，形成了“DE-超聲機器人”。該機器人算法借助計算機視覺技術，可以對甲狀腺B超快速掃描分析，圈出結節區域，并給出良性與惡性的判斷，大大節省了醫生的診斷時間。一般來說，人類醫生的準確率為60%-70%，而當下算法的準確率已經達到85%。

據悉，人體甲狀腺結節已成常見病，如果不加重視，甲狀腺結節可能會發生惡變，進而發展成癌癥，危及生命。但由于個體化差異，目前三甲醫院甲狀腺結節的診斷準確率平均也只有60%，如果不做活檢，不同醫生對同一張片子可能會做出不同判斷。而超聲機器人的出現，不僅能輔助醫生做出精準判斷，還能縮短病人就醫時間，提升醫療效率。目前“DE-超聲機器人”已經在浙江大學第一附屬醫院、中國電子科技集團公司第五十五所職工醫院和杭州下城區社區醫院臨床應用，一年病例達到8萬多，準確率達86%以上。

2017年2月，中山大學中山眼科中心劉奕志教授領銜中山大學聯合西安電子科技大學的研究團隊，利用深度學習算法，建立了“CC-Cruiser先天性白內障人工智能平臺”。該人工智能程序模擬人腦，對大量的先天性白內障圖片進行分析和深度學習，不斷反饋提高診斷的準確性。將該程序嵌入云平臺后，通過云平臺上傳圖片，即可獲得先天性白內障的診斷、風險評估和治療方案。

據悉，先天性白內障是一種嚴重威脅兒童視力的疑難罕見病。中山眼科中心有全球最大的先天性白內障隊列（隊列人數近2000名），基于該隊列開展了一系列嚴謹的研究，積累了大量高質量的先天性白內障臨床數據。中山大學眼科中心于2017年4月設立“人工智能應用門診”，由人工智能云平臺輔助臨床醫師進行診療。在人工智能門診就診的患者，除接受常規診療外，其檢查數據即時同步到CC-Cruiser云平臺，同時享受由人工智能機器人提供的“專家級”診療。目前CC-Cruiser已在3家協作醫院完成臨床試點應用，并取得理想效果。此外，中山眼科中心已經連接了、新疆、云南、青海等邊遠省區上百家基層醫院，每天有大量眼科檢查數據上傳云平臺請求專家協助診斷。在醫學人工智能應用場景下，病例以及圖像數據將首先通過人工智能程序進行初審，再由專家復核，效率將提升70%以上，極大提高了專家協診效率。

2017年5月，丁香園、中南大學湘雅二醫院和大拿科技共同宣布就皮膚病人工智能輔助診斷達成獨家戰略合作，并了國內首個“皮膚病人工智能輔助診斷系統”。資料顯示，系統性紅斑狼瘡是一種慢性自身免疫性疾病，屬于風濕性疾病中的彌漫性結締組織病，可引起全身多個臟器受累，包括皮膚、關節、腎臟、血液等。如何精準診斷系統性紅斑狼瘡，一直是困擾各國科學家的世界醫學難題。

目前三方合作研發出的是紅斑狼瘡人工智能輔助診斷模型，該模型對紅斑狼瘡各種亞型及其鑒別診斷疾病能進行有效區分，識別準確率超過85%。據悉，該系統一方面是面向皮膚科醫生，醫生通過APP，把圖像傳到系統以后，系統提示最有可能的皮膚病類型，然后建立皮膚病電子百科全書，通過百科全書再去學習，輔助臨床診斷；另一方面是面向患者，系統提供圖片鑒別和導診意見。據悉，該系統第一期主要實現以紅斑狼瘡為代表的皮膚病人工智能輔助診斷，下一步將“滲透”到其他醫療機構，并將開放患者端服務。

醫學人工智能真正落地

需要全產業鏈配合

專家指出，要真正實現醫療產業的人工智能化，僅靠單方面的力量難以實現，這需要依托全產業鏈包括醫療主管部門、醫療機構的參與和信息化服務商等各個環節的共同努力。

比如像前文所述的甲狀腺結節、紅斑狼瘡、先天性白內障的診斷，都要依靠形態學的圖像數據，這些在皮膚病和病理科特別常見，所以人工智能的優勢在此可以得到充分體現。訓練一個好的皮膚科醫生可能要十年，把人工智能引進后，可以大大縮短時間。但是醫學人工智能研發成本高、數據獲取難、尚未深入診療核心等成為阻礙其真正落地的因素。

人工智能技術形成產品，最重要是要有大量高質量的數據。深度學習靠的是“吃透”大量樣本。但目前大部分醫療機構并不愿公開數據。比如前文介紹的德尚韻興，為了收集數據，嘗試通過多個渠道，有社區檢查，有付費志愿者，也有試點醫院。最后該公司收集了兩三萬張超聲圖像，不嗟厥淙胂低持脅瘧Vち蘇鋃獻既仿試85%以上。該公司負責人也評價到，如果樣本量能提高一倍，診斷準確率還有較大的提升空間。

在獲取高質量的醫療數據方面，國內醫院在過去信息化程度不高，數據雖然多，但相對雜亂，使用難度大。如何找到合適的切入點，并快速獲取數據會是一個很高的門檻。同時，醫院信息孤島現象長期存在，各個醫療機構的數據尚未實現互聯互通。這一局面則逐步從政策層面迎來破冰。去年6月，國務院公布了《關于促進和規范健康醫療大數據應用發展的指導意見》，明確指出健康醫療大數據是國家重要的基礎性戰略資源，需要規范和推動健康醫療大數據融合共享、開放應用。但該政策的真正落地依然需要時間。

篇2

科技部15日召開新一代人工智能發展規劃暨重大科技項目啟動會，宣布成立新一代人工智能發展規劃推進辦公室。該辦公室由科技部、發改委、工信部、中科院等15個部門構成。科技部還公布了首批國家新一代人工智能開放創新平臺名單，分別依托百度、阿里云、騰訊、科大訊飛這四家公司，在自動駕駛、城市大腦、醫療影像、智能語音等四領域建設國家新一代人工智能開放創新平臺。

這標志著新一代人工智能發展規劃和重大科技項目進入全面啟動實施階段，人工智能的創新應用將得到大規模推進。例如在醫療影像領域，伴隨著影像技術的進步以及快速增長的醫療診斷需求，影像科醫生已經成為“稀缺資源”，亟待人工智能技術快速準確地實現診斷。騰訊已了人工智能醫學影像產品“騰訊覓影”，阿里健康也入股了萬東醫療旗下的萬里云，該平臺每天的閱片量已達數千例。

歐股連續七個交易日下跌，創近兩個月新低。歐洲股市周三(11月15日)收跌，泛歐STOXX 600指數已連跌七日，創9月底來新低。英國富時100指數收跌0.56%，報7372.61點；法國CAC40指數收跌0.27%，報5301.25點；德國DAX指數收跌0.44%，報12976.37點。盤面上，基本資源股表現不佳，因金屬和石油的價格走低。

巴菲特三季度增持蘋果。北京時間15日早間CNBC稱，巴菲特旗下伯克希爾哈撒偉公司向SEC提交的文件顯示，該公司三季度增持了390萬股蘋果公司股票，在該公司的持股增至1.341億股。截止三季度末，伯克希爾哈撒韋總計持有2.6%的蘋果在外流通股，價值約210億美元，成為蘋果第五大股東。點評：伯克希爾·哈撒韋公司由巴菲特創建于1956年，是一家主營保險業務，在其他許多領域也有商業活動的公司。大家看看它最新的股價，每股27萬4810美元，相當于每股182萬人民幣！昨天僅僅下跌了0.56%，每股就跌掉了1萬多人民幣！讓人難以置信的是，伯克希爾·哈撒韋公司剛上市時的股價只有7美元！這樣的一家在美國上市公司成為蘋果第五大股東，你說蘋果的市值會超萬億美元么？

篇3

在智能機器人領域，谷歌的Google Home和亞馬遜的Echo智能音箱已經取得了成功。用戶只需要和音箱進行對話，就能夠讓音箱完成放音樂，處理多種任務（比如連接燈光和恒溫器）等不同的功能，而谷歌的Goolge Home甚至還能夠和用戶進行雙向對話，不僅僅是一個“你說我做”的模式。

而在國內，專門針對兒童市場的智能機器人創業潮已經興起，飛豬俠、奧飛動漫與東方智慧等不同的團隊紛紛挺進這一據稱是“240億元人民幣級”的龐大市場。對于這些初創企業而言，中國才實施不久的“二孩”政策和目前人工智能市場的迅猛發展，都讓這一市場獲得了前所未有的生機。

智能家居

就目前而言，很多智能家居產品都還停留在一些簡單的語音控制功能以及利用APP進行遠程操縱上。它們和Google Home相比，缺失了雙向對話功能的智能產品，還能被冠以“智能”二字嗎？另外，大多數的智能家居產品都無法在沒有主人的情況下，根據不同環境情況進行自我判斷。因此，可以說目前主流的智能家居系統，并沒有引進嚴格意義上的“人工智能”。而從另外一個角度來說，這也是未來人工智能的一大藍海領域。

目前比較尷尬的是，想要讓智能家居產品變得更為智能，更積極地響應用戶，就必須要大數據支撐，而大數據本身就來源于龐大的智能家居產品使用人群。這就陷入了一個怪圈―因為現在智能家居產品還不夠智能，很多人更傾向于選擇傳統家居產品。可如果購買智能家居的人少了，大數據的采集必定會變得十分緩慢。在這種循環之下，如果找不到突破口，那智能家居便難有進步。

智能駕駛

雖然智能家居還處于比較尷尬的境地之中，但是在其他垂直領域，因為巨頭們的加盟，人工智能的風險與曙光也開始交替出現。

首先是自動駕駛領域。雖然很多智能汽車生產商都把自動駕駛當成了最大賣點，但是自動駕駛汽車的表現迄今為止還是不容樂觀。就在前段時間，一輛特斯拉在北京五環使用自動駕駛功能時，發生了碰撞事件，而其中最主要原因就是系統沒有準確識別前面停靠的黑色桑塔納。而在更早一些時候，特斯拉的自動駕駛功能還在美國佛羅里達州引發了一起致命事故。而特斯拉對于此的回應不是著手改善系統或者安撫受害者，而是在官網上將“自動駕駛”字樣改成了“自動輔助駕駛”，和消費者玩起了文字游戲。

想要讓自動駕駛真正活起來，需要依靠的還是在人工智能上的突破。比如汽車能否像人眼一樣，有效識別不同的物體，并自動進行一些模糊判斷。好在對于人工智能來說，自動駕駛領域也是他們集中發展的方向之一，除了特斯拉之外，包括谷歌和蘋果這些巨頭，都在對這一領域進行深入研究。而在國內，甚至連樂視這樣的互聯網企業，都在其中插上了一腳。也許在之后不遠的未來，外界會看到一些革命性的突破。

智能醫療

在智能醫療領域，蘋果早就開始布局。大家最為熟悉的蘋果智能醫療產品是Apple Watch，據稱在始終猶抱琵琶半遮面的Apple Watch 2中，加入了更多智能醫療相關功能。而在軟件方面，蘋果推出了ResearchKit，這無疑會讓更多的醫學研究者有機會為自己和整個醫學界打造各種不同的健康應用，用來搜集不同病患的健康數據，幫助用戶去診斷各種不同的疾病。現如今，基于ResearchKit平臺推出的APP已經在哮喘、糖尿病、乳腺癌、帕金森和心血管疾病等各個方面有所突破。

除了ResearchKit外，CareKit這樣的專門護理開發平臺，也開始在醫療領域發揮作用。雖然這個開源應用還非常稚嫩，但是在追蹤藥物療效和支持帕金森患者進行個人護理等方面，CareKit已經有所建樹。而就在今年8月，日本東京大學醫學研究院的科學家利用IBM公司研發的“沃森”人工智能系統，僅用不到10分鐘時間就判斷出一名60歲女性患有罕見的白血病，并向研究人員提出了治療方案。可以說，如果未來能夠在智能醫療領域引入人工智能的概念，對整個行業而言應該是一個非常大的進步。

篇4

政策驅動也是重要動力，科技巨頭搶先布局引發示范效應。智能化時代，各國從國家戰略層面加緊人工智能布局，美國的大腦研究計劃(BRAIN)、歐盟的人腦工程項目(HBP)、日本大腦研究計劃(Brain/MINDS)，而我國也在“十三五”規劃中把腦科學和類腦研究列入國家重大科技項目。企業布局方面，谷歌、Facebook、微軟、IBM等均投入巨資，其示范效應是產業進步的先兆；國內百度、阿里、訊飛、360、華為、滴滴等也加緊布局。15年行業投資金額增長76%，投資機構數量增長71%，計算機視覺和自然語言處理占比居前。

產業鏈格局已現，上游技術成型、下游需求倒逼，計算機視覺產業應用最成熟。產業鏈初步格局已現，從基礎層和底層技術，再到應用技術，最后再到行業應用，除了近年來底層核心技術的突破，下游行業需求倒逼也是人工智能應用技術發展的重要動力，諸如人機互動多元化倒逼自然語義處理、人口老齡化倒逼智能服務機器人、大數據精準營銷倒逼推薦引擎及協同過濾，等等。其中計算機視覺應用技術的發展可能是最先發力的，國內不乏世界一流水平公司。

2B應用首先爆發，“人工智能+金融、安防”應用前景廣闊。“人工智能+”將代替之前的“互聯網+”，在各行業深化應用，安防、金融、大數據安全、無人駕駛等等。生物識別和大數據分析在安防和金融領域的應用則是目前技術最為成熟、產業化進程較快，如智能視頻分析、反恐與情報分析、地鐵等大流量區域的監控比對；金融領域的遠程開戶、刷臉支付、金融大數據采集、處理、人工智能自動交易、資產管理等。相關推薦標的：東方網力、佳都科技、川大智勝，建議關注大智慧、遠方光電。

逐漸向2C端應用擴展，看好“人工智能+無人駕駛、教育”。人工智能在無人駕駛領域的應用體現在三方面：(1)環境感知環節的圖像識別；(2)基于高精度地圖和環境大數據的路徑規劃、復雜環境決策；(3)車車交互、車與環境交互下的車聯網，智能交通管理。教育領域應用方面，人機交互重構更互動性的教學；大數據和深度學習的結合使得個性化教學成為現實，這也是在線教育最重要的突破點；此外包括VR在內的多載體應用和多屏互動也是發展趨勢。相關推薦標的：四維圖新、千方科技、東軟集團、科大訊飛、長高集團、新開普。

篇5

這是以張國榮在影視、電臺等留存下來的原聲建模，通過情感語音合成技術實現與粉絲“隔空對話”。據了解，任何一個人只要用30分鐘按照要求錄制50句話，就可以用百度大腦的語音合成技術模擬出這個人的聲音，這意味著，今后每個人都可以擁有自己的聲音模型。這是百度大腦所具備的基礎能力之一，從語音、圖像到自然語言理解再到用戶畫像……百度在這些領域的應用已經深入到人們的日常生活中。當這些能力賦予全社會的每個人，就能變換出無窮無盡的可能性，讓我們重塑對未來的想象。

人工智能的這種神奇魅力吸引了各大科技公司，谷歌、Facebook、IBM等國外科技巨頭紛紛通過成立人工智能實驗室、并購初創公司等方式，在人工智能領域進行多點布局。百度亦不例外，在人工智能方面的研發可謂不遺余力，更是第一個把人工智能提到核心技術創新地位的國內互聯網公司。

2015年底，百度挖來NEC美國智能圖像研究院的負責人林元慶擔任百度深度實驗室主任，由他帶領深度學習實驗室研發具有統治級別的人工智能技術。在本刊的專訪中，林元慶表示，“我覺得中國的互聯網節奏非常快，尤其是人工智能的發展。現在人工智能的剛需已經很明顯了，可以說非常旺盛，關鍵是如何把剛需挖掘出來，做出來，這才是重要的。”

百度大腦是百度人工智能的核心

《網絡傳播》：百度大腦目前有哪些階段性成果，其價值體現在哪里？

林元慶：百度大腦已建成超大規模的神經網絡，擁有萬億級的參數、千億樣本、億級特征訓練，能模擬人腦的工作機制。通過深度學習、大規模計算和大數據三大部分，百度大腦目前已經具備了語音、圖像、自然語言理解和用戶畫像四大前沿能力。以語音識別為例，目前百度語音識別的準確率能夠達到97%。在人工智能時代，百度大腦將是百度向社會輸出人工智能技術能力的核心，經過長期的投入與布局，未來百度大腦不僅將像百年以前的電力一樣成為商業新能源，更將深入到生活中，將電影中的場景變為現實。

《網絡傳播》：百度大腦宣布對廣大開發者、創業者及傳統企業開放其核心能力和底層技術開放，是出于何N考慮？

林元慶：百度大腦開放共享的思路，實際上是希望在時代變革大幕開啟之際，助力廣大合作伙伴全面共享人工智能時代，完成下一幕的轉型升級。百度大腦未來將與各行各業結合，衍生出不同領域的行業大腦，比如醫療大腦、交通大腦、金融大腦等。目前，百度大腦已經應用到教育、金融和娛樂等多個行業。

人工智能滲透百度所有產品線

《網絡傳播》：今年基本上全球各大互聯網公司都把人工智能作為最核心突破的領域，在這一領域，百度和其他公司的戰略方向有何不同？

林元慶：百度在人工智能領域起步早，布局領域廣，并且已經有很深的積累，既實現了對內業務的支持，也進行了大量對外技術的輸出。目前，百度的人工智能幾乎已經滲透到百度所有的產品線當中，以此改進百度全線產品的用戶體驗并提升用戶黏性。比如說手機百度的語音搜索、鳳巢的推廣系統以及百度外賣的調度系統、百度金融結合人工智能給用戶的畫像等等。接下來百度一方面將進一步提升各項人工智能技術，打造平臺化的對外輸出能力；另外一方面還將著力把這些人工智能技術和能力應用到具體行業和垂類中，提升行業的效率，促進行業變革。

《網絡傳播》：雖然業界普遍認可人工智能的巨大前景，但在目前來看，人工智能在短期內還很難看到盈利，那么，怎么看人工智能的普及和商業化？

林元慶：人工智能已經為百度的搜索業務提供了巨大幫助。人工智能的發展和普及有四大關鍵性的支柱――機器學習算法（特別是深度學習）、大數據、大規模計算，以及可供以上要素不斷訓練迭代的大應用。目前，人工智能在前三個領域都已經有了一定程度的突破，同樣關鍵的是人工智能技術的大規模應用，只有在制造業、醫療、汽車駕駛、娛樂等各個領域各個場景的不斷應用，才能形成“數據-技術-產品-用戶-更多數據-更強技術”這樣的一個正向循環。在這些不斷擴展的應用中，商業化也就是自然伴隨而來的事情了。

互聯網的下一幕是人工智能

《網絡傳播》：如何看人工智能在2016年的“爆發”？

林元慶：1956年夏天，“人工智能”首次被提出，但在之后的半個世紀都沒有能夠解決人工智能的問題。上世紀70年代到90年代，美國一直有人工智能的課程，但卻沒有實際的應用，在當時，任何一個領域都看不到有價值的人工智能應用。上世紀90年代以后，數據量越來越大，計算的能力也越來越強，機器學習逐漸興起；到2006年，深度學習的概念被提出，特別是在2010到2012年間，深度學習在語音識別和圖像識別領域取得了突破性進展。深度學習的成功極大地推動了人工智能的商業化。實際上，在2013年，《MIT科技評論》就已經把深度學習列為當年的十大技術突破之首，但今年確實是人工智能大規模商業化落地的一年。

《網絡傳播》：人工智能將會如何影響各行各業？

林元慶：影響最大的是制造業。當人工智能時代到來，制造業會徹底被物聯網改變。未來所有商品都能聯網，將數據傳回云端，通過人工智能技術進行分析，為消費者帶來實實在在的價值。汽車工業也將被人工智能徹底改變，盡管安全問題的解決路徑在傳統汽車廠商與創新廠家間有所不同，然而我們基本上還比較自信，有一天會進入來自動駕駛時代。此外，娛樂業及健康產業同樣也會被人工智能所改變。對于前者，虛擬現實與增強現實很可能會成為主流的內容形式，顛覆消費者對娛樂內容的消費方式；對于后者，通過基因分析、精準的醫療圖像診斷，患者的疾病將得到更加精準和個性化的治療。

篇6

腦科學研究已被列為事關我國未來發展的重大科技項目之一，“中國腦計劃”正在醞釀中。專家建議從認識腦、保護腦和模擬腦3 個方向展開研究，建立基礎研究型技術平臺和臨床研究型技術平臺，逐步形成“一體兩翼”研究格局。記者從日前在上海市閉幕的以腦信息與人工智能為主題的東方科技論壇上獲得上述信息。

專家介紹，認識腦就是要進一步認識若干腦主要功能的工作原理及機制；保護腦就是闡明若干腦重大疾病的致病機理，并發現其早期診斷指標，預防和治療腦疾病和腦損傷；模擬腦就是開發類腦計算機和人工智能系統，如研發腦活動調控技術和類神經元的記憶儲存器和類腦計算機等。“一體兩翼”，就是以腦認知原理基礎研究帶動腦重大疾病研究和類腦人工智能研究。

據2013 年中國疾病預防控制中心報告，我國腦相關疾病導致的死亡人數占死亡總數的25% 以上。未來，我國腦疾病負擔可能達到每年上萬億元。隨著生活環境改善和醫療水平提高，85 歲以上的人群將越來越多，而我國85 歲以上老年人中有50% 的人患有老年癡呆。中科院院士、復旦大學腦科學研究院楊雄里教授在會上表示，腦科學的發展對腦疾病防治、信息和智能產業的發展有巨大的推動作用，我國必須加強以腦科學為基礎的人工智能研究。

楊雄里指出，對腦科學的深入研究，將揭示大腦神經網絡的基本結構和腦工作原理，將人工智能研究推向一個新的階段——具有類似人腦的感知、學習記憶、推理、決策等功能的類腦人工智能。

（來源:《健康報》）

篇7

智能醫療的興起

人機大戰1∶4的比分讓相當多的人感到失望和悲觀，還有人感到了恐懼，認為人工智能戰勝人和主宰人類社會的時代已經開啟。

然而，即便“阿爾法圍棋”最終以5∶0的大比分大勝李世石，也不意味著人工智能主宰世界和人類被奴役時代的到來，理由也并非只是“阿爾法圍棋”是人類設計出來的，而是因為，“阿爾法圍棋”其實開啟了人類利用人工智能的新時代，準確地說，是拓寬了讓人工智能為人類干活的新天地，并有可能深入而廣泛地讓人類文明迅速發展。

“阿爾法圍棋”是靠深度學習、蒙特卡洛樹搜索算法和自我進化三招戰勝人類棋手的，這三大功能也是人類駕馭人工智能為人類服務的途徑。由于人工智能能夠自我學習，學習能力會越來越強，而且搜集和貯存的數據會越來越多，將會在更多的方面成為人的助手或替代人的工作。例如，除了替代一些體力勞動以及低級崗位外，會學習的人工智能還會接手一些需要創造性、技術性和復雜運算的工作。此外，在各個領域的新產品的研發、預測分析、推廣等方面，人工智能也能產生巨大的作用，創造不可估量的效益。

設計“阿爾法圍棋”的深度思想公司（Deep Mind）的CEO杰米斯?哈薩比斯提出了人工智能的通用性，即通用人工智能，這種智能與人類專家協作可以解決和處理更多需要智慧才能解決的問題，如診治疾病，處理氣候變化、能源、基因組學、宏觀經濟學、金融系統、物理等方面的幾乎所有問題。哈薩比斯稱，人類想要掌握的學科越來越復雜，即使是最聰明的人，窮其一生也難以掌握其中一個領域。如果將“阿爾法圍棋”看成一個能夠自動將非結構化信息轉化為可用知識的過程，那么通過篩選泛濫的數據得出合理的觀點就指日可待。研究人員正在努力研究的是一種可以解決任何問題的人工智能超級解決方案。

具體而言，如果“阿爾法圍棋”的自我學習能力、大數據存儲和分析功能應用到醫藥領域，將誕生一種新的醫療和醫藥模式，即智能醫療（有人稱智慧醫療，但由于智慧似乎為人類所特有，以人工智能為基礎的新型醫療稱智能醫療更好）。

智能醫療是指通過打造健康檔案區域醫療信息平臺，利用最先進的計算機和互聯網技術，實現患者與醫務人員、基礎研究（醫學和藥物研究）與臨床治療、醫療機構、醫療設備之間的互動，逐步達到信息化防治疾病和健身強體的目標。

例如，通過無線網絡，使用掌上電腦便捷地聯通各種診療儀器，醫務人員能隨時掌握每個病人的病案信息和最新診療報告，隨時隨地快速制定診療方案；在醫院任何一個地方，醫護人員都可以登錄距自己最近的系統查詢醫學影像資料和醫囑；患者的轉診信息及病歷可以在任意一家醫院通過醫療聯網方式調閱；任何科學研究，包括醫學和與醫學相關的物理、化學等領域的研究最新成果能在互聯網上及時公布等，讓診斷、治病和用藥以及公眾的保健得到最有效、最迅速、最適宜、最廉價和最科學的處理。

智能醫療的具體表現

以“阿爾法圍棋”為例，可以知道什么是智能醫療。

研發出“阿爾法圍棋”的深度思想公司并非只是專注于讓“阿爾法圍棋”與人類棋手過招，而是注重把人工智能通過學習解決實際問題的能力貫穿應用到醫學領域。2016年2月深度思想公司就已經了在醫護領域使用的深度學習程序――深度思想健康（Deep Mind Health）。這是一款手機應用程序（APP），包括“識別風險病人”（Stream）和“早期臨床護理管理”（Hark）兩個模塊。

這種手機應用程序當然也是一種人工智能，它們需要學習和幫助醫護人員監護一些表面上不嚴重但實際很危險的病人，或者一些急性發病者。例如，深度思想健康的“識別風險病人程序”可以及時發現急性腎衰竭高風險病人，以便讓醫生及時治療并改善對病人的護理。這個程序是通過檢讀血液檢查報告，以辨別哪些病人存在風險。結果表明，有25%的急性腎衰竭死亡可以通過這個程序避免。“早期臨床護理管理程序”則能幫助醫生制定治療方案和采取行動。使用該項程序能避免38%的患者病情惡化。

當然，這些只是人工智能開發和應用的冰山一角。實際上，在醫藥領域利用計算機技術和人工智能最早和進展較大的是藥物的研發與監控。計算機和人工智能對于藥物的研發在很多方面都起到了作用，如研發新藥、老藥新用、藥物篩選、預測藥物副作用、藥物跟蹤研究等。這實際上已經產生了一門新學科，即藥物臨床研究的計算機仿真（CTS）。

一種新藥的開發一般估計需要15年時間，耗資10億美元，但最近的估計是可能耗資40億～120億美元，還不能保證成功。因為，除了要求新藥要有療效外，還需要安全性的保障。如何監控和預測藥物的副作用或不良反應就成為研發一種新藥或老藥新用的重要保證。

對于傳統的藥物研發來說，一種藥物必須經過動物試驗和人體的Ⅰ、Ⅱ、Ⅲ期臨床試驗。而且，即便Ⅲ期試驗后批準上市，還有Ⅳ期臨床研究，即新藥上市后進行的臨床研究，而且一類新藥要求進行2000個病例的IV期試驗。這也是造成藥物研發周期長、費用高的重要原因。

但是，在今天有了計算機程序，特別是以“阿爾法圍棋”為代表的能自我學習的計算機程序（軟件），就為人們提供了一個檢測藥物的人工智能安全專家。首先是在新藥篩選時可以獲得安全性較高的幾種備選物質。當很多個甚至成千上萬個化合物都對治療肝癌顯示出某種療效，但又對它們的安全性難以判斷時，便可以利用“阿爾法圍棋”的策略網絡和評價網絡，以及蒙特卡洛樹搜索算法來挑選最具有安全性的化合物，成為新藥的最佳備選者。

同樣，對于尚未進入動物和人體試驗階段的藥物，也可以利用類似“阿爾法圍棋”這樣的人工智能來檢測新藥的安全性。因為，每一種藥物作用的靶向蛋白和受體都并不專一，如果作用于非靶向受體和蛋白就會引起副作用。類似“阿爾法圍棋”的程序可以通過對既有的數千種已知藥物的副作用進行篩選搜索，以判定一種藥物是否會有副作用，或副作用的大與小以及最小，由此選擇那些副作用概率最小和實際產生副作用最小的藥物進入動物和人體試驗，就會大大增加成功的概率，節約時間和成本。當然，利用“阿爾法圍棋”等程序還可模擬和檢測藥物進入人體內的吸收、分布、代謝和排泄、給藥劑量-濃度-效應之間的關系等情況，讓藥物研發進入快車道。

大數據和信息共享

大數據和信息共享同樣是智能醫療的核心。信息共享成為智能醫療的重要性在于，全球的科研人員只有科研共享，才能對各種危害人們健康的疾病和頑癥，如艾滋病、癌癥等進行有效的治療，挽救人們的生命。這一點在突發公共衛生事件，尤其是暴發危害人們生命的疾病時，具有重大的作用，例如最近在南美爆發的寨卡病。

由于醫護人員對寨卡病的發病機理、傳播途徑和危害胎兒和孕婦的機理并不清楚，對待這種疾病既無有效的藥物，也沒有疫苗，因此需要更多更新的研究結果來指導防治疾病，而對于最新研究信息的共享，則有助于指導全球醫務人員和公共衛生專業人員，并通過醫護人員向公眾提供科學的防治方法。

正是在寨卡病的防治上，信息共享得以突破。現在，美國威斯康星大學麥迪遜分校病毒學家康納研究團隊用寨卡病毒感染猴子進行試驗，并在網上公開了首批數據。這一行為改變了過去研究人員只是在學術期刊發表研究結果和數據的傳統做法。美國研究人員在網上的是2016年2月15日他們將寨卡病毒注射進3只印度恒河猴體內獲得的血液、唾液和尿中所檢測到的病毒數量的原始數據。這些數據能讓每個人都看到，并且每天都會更新研究結果。

此次康納等人首先在網上公布動物試驗的數據意味著，生物醫學已經正式踏入智能醫療門檻。與此同時，中國研究人員也借寨卡的防治和研究而跨入智能醫療和大科技的門檻。中國疾控中心與江西省疾控中心、浙江省疾控中心、軍事醫學科學院等單位合作，分別對寨卡病毒感染病例血液和尿液標本中的寨卡病毒基因組進行了全面解析，獲得病毒全基因組序列，并到網上。

這種科研的資源共享顯然為人們認識寨卡病的病理、研制藥物和疫苗奠定了基礎。而且，基于對不同來源的寨卡病毒特點的認識，將進行針對性的藥物和疫苗研發。例如，中國疾控中心和江西省疾控中心合作測序的寨卡病毒基因組有10676個堿基，與目前在美洲的流行病毒株具有高度同源性。但是，浙江省疾控中心測序的寨卡病毒核酸序列與太平洋島國法屬波利尼西亞地區報道的病毒基因組序列高度同源，而與中國其他省份報告的輸入病例的病毒核酸序列存在差異。

不過，美國研究人員在網上公布恒河猴試驗的數據還具有更多的意義。寨卡病是一起非常緊急的公共衛生突發事件，所有人都在與寨卡病毒賽跑，也與時間賽跑。除了不應讓科學家的競爭成為保密理由而延緩對寨卡病的認知和防治外，還要意識到，對人的研究有很多倫理限制而無法獲得相應的數據和知識。

由于寨卡病毒感染的形式和機制在人和恒河猴體內相似和相同，研究人員能通過向猴子體內注射不同劑量的寨卡病毒而獲得該病有價值的第一手相關信息。科學家能對懷孕恒河猴體內的羊水反復取樣，以判斷寨卡病毒能否以及多染胎兒。這些數據一方面不可能從人身上快速且合乎倫理地獲取到，另一方面也可能因此而延誤人們對寨卡病毒是否導致小頭兒等的認知。

有了對恒河猴的研究結果，并且能在網上，就能較快地獲得諸如寨卡病毒是否與小頭兒關聯的確切信息和機理，例如，正在發育的胎兒可能何時會被寨卡病毒侵襲而導致出生缺陷，也就能為人們提供防治的線索和方式。

此外，由于世界一些國家反對動物試驗，尤其是反對用靈長類動物進行醫學試驗的呼聲越來越大，浪潮越來越高。歐洲一些國家，如德國已經在減少靈長類動物的醫學試驗，美國國立衛生研究院（NIH）也已決定結束其下屬一家實驗室存有爭議的猴子試驗，并終止了對黑猩猩侵入性試驗的經費支持。

在這樣的情況下，美國研究人員在網上公布寨卡病毒感染猴子的數據就更具有意義，因為這是在實現一個共同的目標，資源共享能讓那些并沒有進行動物試驗的研究人員了解動物試驗的情況和數據，也就會減少使用靈長類動物進行試驗。

當然，大科技時代的資源共享也會讓科研人員產生疑慮，其中最核心的是，研究成果的界定和歸屬，以及其他研究人員是否采信網上的動物和其他研究數據及結果。

對于第一個問題，也許可以用網上公布的時間來判斷一項研究結果的最早時間和進行研究的科研人員，至于對網上公布的研究結果的采信與否，可能會隨著大科技時代的進展由實踐做出回答。無論其他研究人員是否采信網上公布的結果和數據，都會進行驗證，因此，可能會有效地檢驗網上公布的研究結果。

患者也要利用智能醫療

一般而言，智能醫療通常指的是計算機、大數據和互聯網+如何讓醫生和專業機構對病人的疾病診治更準確和更科學，讓人們既能看病有效，又能少花錢。

例如，現在飛利浦公司設計了一個智能軟件飛利浦健康套件數字平臺，希望將消費者、患者和醫療服務人員三方進行串連，在互聯的護理領域進行嘗試。這個平臺是一個基于云技術的開放安全平臺，能夠收集和分析從健康手表、血壓計、耳式體溫計和身體分析儀等多個設備源頭的健康數據。醫生也可以在第一時間了解到患者的情況并做出醫療判斷和治療方案，從而大大降低醫療成本和漏診誤診的發生率。

智能醫療的另一個維度是患者和家屬，以及需要保健的正常群體，他們也需要大數據和智能分析來選擇自己所需的診治疾病的方式和程序，以及正常人需要選擇的保健措施。

在這方面，利用大數據設計成智能軟件，為患者和公眾提供就醫和保健的信息也格外重要。現在，美國已經出現了主流醫院評價平臺的智能軟件，供廣大公眾選擇。這個平臺對美國近5000家醫院、約14萬醫生以及16個醫療領域的137家專業醫院排名。這個排名對醫院聲譽、患者存活率、患者安全性以及其他醫療相關指標在內的數十項評價指標進行綜合排序，由第三方公司或組織進行多方位、多元化評價，更加關注醫療產出以及患者滿意度。如此，這種智能平臺可以向公眾提供他們可以選擇和信賴的醫院進行就診和治病。

現在，中國對醫院和醫生的評價還是采用最普遍的醫院等級劃分標準（3級10等）。醫院評審分級標準包括醫院的規模、技術水平、醫療設備、管理水平、醫院質量等5個標準，但由于其他評審內容設置缺乏直觀指標，容易量化的硬件標準（床位、科室設置、醫療設備、人員配備等）成為劃分醫院等級的決定因素，暫時未能考慮醫院的綜合醫療效果、患者存活率、患者安全性等。

現在，中國研究人員意識到醫院評價和大數據的重要性，復旦大學醫院管理研究所已經邀請全國30個臨床專科的幾千位著名專家學者共同參與評審中國最佳醫院排行榜。其中，醫院專科聲譽主要由專家提名心目中名列前茅的醫院，而在科研學術方面，得分主要來自于國家級獎項和科學引文索引（SCI）影響因子。

篇8

人工智能市場預計到2025年將達到368億美元，而且，隨著人工智能普遍越來越接近人類的水平，這一市場或許只會繼續發展而不是退步。但是，人工智能的興起不僅僅涉及人工智能產業的問題。事實上，有幾十個二級技術產業正在發展壯大，以滿足人工智能日益增長的需求。如果你在尋找前景良好的投資項目，或者是在尋找一條能夠致力于發展人工智能而又不涉足機器學習的新職業道路，那么這些行業值得考慮。

AI市場成藍海還有什么地方需要突破？

處理能力

人工智能算法通常會同時依賴多個移動部件，意味著需要非常強大的處理能力。例如，IBM的Watson在2011年電視智力競賽節目Jeopardy上戰勝人類冠軍選手，它的智慧來自90個相互關聯的IBM Power 750服務器。其中每一個都使用了3.5 GHz POWER 7的8核處理器，每核有4個線程。總的來說，它的運行內存有16TB，而相比之下，即使是最先進的電腦也只有64GB的內存。而且別忘了，雖然Watson的處理系統非常復雜，但它實際上僅僅相當于人工智能6歲的智力。而需求只會日益增加。

因此，像英偉達這樣的芯片企業正在努力嘗試生產專門支持深度學習算法的處理器。英偉達最近了一款Tesla V100芯片，該芯片可以在更少的能源下提供更大的能量，并可以多次提高數據中心的處理能力。前谷歌員工們創建了一家名為Groq的公司，也在競相生產更好的芯片來支持機器學習。

數據存儲

另外，人工智能算法需要大量的數據存儲。如果這些機器學習算法想要成功地學習編程知識，那么它們就需要獲得大量的數據。例如，Watson溫習了維基百科的全部文本，而谷歌的DeepMind則進行了無數次的圍棋對戰比賽，準備好打敗世界冠軍。自動駕駛汽車將收集環境數據，以便令駕駛人能夠更加安全地抵達目的地。據估計，自動駕駛汽車每天會產生多達4TB的數據，而這只是針對每輛車而已。

因此，我們非常需要有一個廉價又靠譜的方式來存儲數據。值得慶幸的是，我們已經有了一些很棒的數據存儲方式，但技術界的未來主義者們仍在努力創造更好的方式。例如，來自英國南安普敦大學的研究人員發明了一種方法，可以將數據存儲在五個維度(而不是兩個)中，將它們嵌入玻璃中永久保存。利用人工智能尋找此類新技術，或許是一個有利可圖的商機。

安全性與倫理

人類正接近“超級智能”時代，即人工智能在智力上的能力遠遠超過創造它的人類。也因此產生了許多倫理道德上的擔憂，從意識的確定到權力分配的社會經濟影響等。其中許多都得到了哲學家Nick Bostrom的證實，隨后又有埃隆·馬斯克、斯蒂芬·霍金和比爾·蓋茨這樣的行業領軍人物加入這一陣營。

篇9

關鍵詞：人工智能；智能機器人；模糊控制

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2012）35-8481-02

1　概述

人工智能作為一門學科，其研究目標就是制造智能機器和智能系統，實現智能化社會。具體講，就是要使計算機具有自主發現規律、解決問題和發明創造的能力，從而大大擴展和延伸人的智能，實現人類社會的全面智能化。

2　人工智能的應用

2.1 人工智能的應用分類

2.1.1模式識別

識別是人和生物的基本信息處理能力之一。事實上，我們幾乎無時無刻都在對周圍的世界進行著識別。而所謂模式識別，則指的是用計算機進行物體識別。這里的物體一般指文字、符號、圖形、圖像、語音、聲音及傳感器信息等形式的實體對象，而并不包括概念、思想、意識等抽象或虛擬對象，后者的識別屬于心理、認知及哲學等學科的研究范疇。也就是說，這里所說的模式識別是狹義的模式識別，它是人和生物的感知能力在計算機上的模擬和擴展。經過多年的研究，模式識別已發展成為一個獨立的學科，其應用十分廣泛，諸如信息、遙感、醫學、影像、安全、軍事等領域，模式識別已經取得了重要成效，特別是基于模式識別而出現的生物認證、數字水印等新技術正方興未艾。

2.1.2專家系統

專家系統是應用于某一專門領域，擁有該領域相當數量的專家級知識，能模擬專家的思維，能達到專家級水平，能像專家一樣解決困難和復雜的實際問題的計算機（軟件）系統。例如，能模擬名醫進行辨癥施治的診斷醫療系統就是一種專家系統。

專家系統的特點是其善于解決那些不確定性的、非結構化的、沒有算法解或雖有算法解但在現有的機器上無法實施的困難問題。有些專家系統還具有“自學習”能力，即不斷對自己的知識進行擴充、完善和提煉。這一點是傳統系統所無法比擬的。

2.1.3智能機器人

智能機器人是人工智能技術的綜合應用和體現，它的研制不僅需要智能技術，而且涉及許多科學技術和領域，如物理、力學、數學、機械、電子、計算機、軟件、網絡、通信、控制等等。

一般將機器人的發展分為三個階段。第一階段的機器人只有“手”，以固定程序工作，不具有外界信息的反饋能力；第二階段的機器人具有對外界信息的反饋能力，即有了感覺，如力覺、觸覺、視覺等；第三階段，即所謂“智能機器人”階段，這一階段的機器人已經具有了自主性，有自行學習、推理、決策、規劃等能力。這也正符合Agent的條件，所以，現在把智能機器人也作為一種Agent。

3　人工智能的研究

3.1　人工智能的研究目標和策略

人工智能作為一門學科，其研究目標就是創造智能機器和智能系統，實現智能化社會。具體來講，就是要使計算機不僅具有腦智能和群智能，還要具有看、聽、說、寫等感知和交流能力。簡言之，就是要使計算機具有自主發現規律、解決問題和發明創造的能力，從而大大擴展和延伸人的智能，實現人類社會的全面智能化。

篇10

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、而且從目前趨勢來說，可能會超過人的智能。總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解大為不同。2015年以及可見的未來，人工智能將會前所未有地滲透到社會的各個層面。

變革的邊緣

過去幾個月，有關人工智能的新聞越來越多。最容易讓大家習以為常的人工智能應用，是專業媒體嘗試由機器自動寫作股票投資報告，而對沖基金則爭取讓機器人取代股票分析師，在資本市場中尋求最佳的投資組合，以提升公司的投資效益。

據了解，很多投資機構都在運用人工智能進行證券投資。這些人工智能系統構建了學習機制和知識庫，因此具備了一定的學習、推理以及決策的能力。這樣一來，傳統的投資策略生產模式將被顛覆，大部分分析師的工作可以被智能取代甚至可能做得更好。

事實上，用電腦代替人腦進行思考判斷、在股市下單，這個想法早已有之。1980年代的華爾街就已經不斷有機構嘗試。只是那時候的交易設計比較幼稚簡單，所以效果不佳。1987年股災，原因之一就是各家機構的交易系統因為技術指標轉壞，觸發了集體的拋出指令而引發的連鎖反應。而今天的硬件設施與軟件系統已經比30年前突飛猛進，連投資這樣高風險的業務都可以讓人工智能來完成，在傳統制造業與服務業方面，人工智能可以做的的事情就更多。隨著近幾年大數據技術和機器學習技術的廣泛應用，人工智能已經具備了超越設計開發者的認知和視野的能力，它們可以“貢獻”新的認知，它不僅會執行指令，還能自己想出很多主意，這就是今天的人工智能比起以往時代的機器人都要能干與可怕之處。

當然，與人工智能有關的不一定都是好消息。道高一尺魔高一丈。科學家史蒂芬?霍金、世界首富比爾?蓋茨等人都提出警告，他們認為今天的人類正站在人工智能變革的邊緣，這次變革將和人類的出現意義一樣重大，而人工智能將來有可能成為毀滅人類的力量。這種擔心不無道理。許多科幻小說里面都有提到過類似的情節――一臺或者一批自我學習能力極強，與人類比起來，幾乎不會犯錯的電腦，最后成為終極的大BOSS，要操縱人類社會。不過，在這一切發生之前，我們優先考慮的還是如何利用人工智能產業化，實現對社會的正向價值。

中國的機會

產業趨勢方面，手機等移動終端的競爭已經到了白熱化，成為最深顏色的紅海。即使是一直領先的蘋果公司，優勢也沒有以前那么明顯。有人預言，當蘋果出到8s版本的時候，就已經不會再有傳統意義上的手機了。可穿戴設備的研發與投資很多，這類產品，原本是可以解放人類的雙手與十指，有足夠想象空間，但是幾年來，這個行業的實踐者，始終沒有推出真正打動用戶的殺手級產品。 2014年11月27日，在浙江省慈溪市聯盛廣場一餐廳，機器人給客人送菜。

在用戶體驗方面，并沒有出現極致的產品。同時，留給可穿戴設備的時間已經不多了。因為隨著人工智能的發展，未來很可能會出現更加微型的設備，甚至可以直接植入人的身體。就像一臺智能手機，代替了MP3、相機、錄像設備與電話，未來高度的人工智能產品，很可能收割之前各項數碼產品的光榮。

也就是說，人工智能，將會出現數萬億美元的大市場。所謂的移動互聯網時代，比起傳統PC互聯網時代的市場規模要大10倍，而移動互聯網的真正全面鋪開，將不僅僅是手機或者可穿戴設備，而更多是由各種形式的人工智能產品來實現。