韩国一区二区视频,黄色不卡一区,久久天堂av综合合色,中文字幕日韩专区

中國與美國是當今世界人工智能研發領域的領頭羊。僅在2015年，兩國在學術期刊上發表的相關論文合計近1萬份，而英國、印度、德國和日本發表的學術研究文章總和也只相當于其一半。

一、人工智能：拐點來臨

人工智能是對人的意識、思維過程進行模擬的一門新學科。似乎在一夜之間人工智能從虛無縹緲的幻想成為了現實。計算機科學家們在機器學習和深度學習領域已取得重大突破，可以賦予機器認知及預測能力。如今在現實世界中，這些系統的應用已不鮮見。

回顧變革前的簡史

人工智能意為機器對人腦思維認知功能的模擬。這一概念長期以來只存在于人類幻想和科幻小說中，直至20世紀五六十年代，有關人工智能的理論初步形成后，才開始引發普遍樂觀情緒和第一波熱潮。但由于技術未能實現突破性進展，人工智能無法達成預期效果，因此陷入了一段沉寂期。

往后數十年間雖然不乏成功案例（如IBM的超級計算機“深藍”擊敗國際象棋冠軍加里·卡斯帕羅夫），但因為人工智能在現實世界的成功案例太過孤立，所以不足以支撐大規模商業化。

讓我們快進至21世紀。數據收集及整理、算法以及高性能計算等技術的突飛猛進促成了革命性進步。例如，在以往被認為是機器“無法取勝”的圍棋比賽中，AlphaGo成功擊敗人類世界冠軍，從而賦予了這場獲勝歷史性的意義。

而變革不僅發生在理論前沿。被視為未來超級智能系統的先鋒——各類應用機器學習技術的分析工具已現身市場。金融、醫療、制造等行業應用發展迅速，人工智能領域的全球風投也從2012年的5.89億美元猛增至2016年的50多億美元。麥肯錫預計，至2025年人工智能應用市場總值將達到1270億美元。

了解人工智能及其能力

以往人們借助計算機的運算能力可以更高效地完成任務（例如，比人類更快地處理更復雜的計算）。傳統的軟件程序由人類編寫，包含具體的指令要求。

人工智能的工作模式完全不同。它們依據通用的學習策略，可以讀取海量的“大數據”，并從中發現規律、聯系和洞見。因此人工智能能夠根據新數據自動調整，而無需重設程序。利用機器學習，人工智能系統獲得了歸納推理和決策能力；而深度學習更將這一能力推向了更高的層次。這些計算機系統能夠完全自主地學習、發現并應用規則。

雖然深度學習領域近來的突破可使人工智能系統在一些關鍵能力上媲美甚至趕超人類，但距離實現“通用人工智能”，即機器能夠完全模擬人類認知活動，仍需數十年的努力。不過機器學習系統已經有了某些商業化落地，且應用廣泛，可以擔當客服、管理物流、監控工廠機械、優化能源使用以及分析醫學資料。麥肯錫全球研究院最近的研究顯示機器學習技術可廣泛應用于各行各業。

人工智能技術通常由四個部分組成，即認知、預測、決策和集成解決方案。認知是指通過收集及解釋信息來感知并描述世界，包括自然語言處理、計算機視覺和音頻處理等技術。預測是指通過推理來預測行為和結果。舉例而言，此類技術可用來制作針對特定顧客的定向廣告。

決策則主要關心如何做才能實現目標。這一領域的用例十分廣泛，如路線規劃、新藥研發、動態定價等。最后，當人工智能與其他互補性技術（如機器人）結合時，可生成多種集成解決方案，如自動駕駛、機器人手術，以及能夠對刺激做出響應的家用機器人等。

目前人工智能各項技術的商業化水平參差不齊。認知和預測領域的許多技術已經逐步商業化，然而決策和集成解決方案技術多處在研發階段。

人工智能的未來：挑戰與機遇并存

過去的科技進步主要是指提升執行指定任務的能力。而當今的人工智能則是賦予機器反應和適應能力以優化產出。通過與物聯網、機器人等技術的結合，人工智能能夠構造出一個整合的信息物理世界。

當今人工智能發展勢頭正猛，未來有望在全球多個行業和場景下得到廣泛運用，尤其是我們將會看到大量的人類工作被機器取代。麥肯錫全球研究院近期的一份報告對全球800多種職業所涵蓋的2000多項工作內容進行分析后發現，全球約50%的工作內容可以通過改進現有技術實現自動化。

當然，技術可行性只是影響自動化速度及程度的一個因素，還有其他因素需要考慮，包括研發和應用成本、勞動力市場供需、經濟效益，以及社會和政府監管部門的接受度。

綜合上述因素，麥肯錫全球研究院的這份自動化研究報告指出，在現今所有工作內容之中，過半會在2055年左右自動化，但這過程存在諸多變量。如果自動化推進速度快，達到該程度可能會提前20年；如果推進緩慢，則可能延后20年。

展望未來，人工智能可成為應對一些社會核心挑戰的強大工具。在醫療領域，人工智能將極大提升我們分析人類基因組和為患者開發個性化治療方案的能力，甚至大大加快治愈癌癥、阿茲海默癥和其他疾病的進程。

在環保領域，人工智能能夠分析氣候特征并大規模降低能耗，幫助人類更好地監控和應對氣候變化問題。人工智能甚至可以在地球以外地區發揮作用，他日或助力人類探索火星及外太空。

二、人工智能對中國意味著什么？

在多家中國科技巨頭積極研發的推動下，中國已成為全球人工智能的發展中心之一。眾多的人口和完整的產業結構給中國提供了創造海量數據和廣闊市場的潛力。

隨著老齡化的加速，中國提升生產力的要求就愈發迫切，因此人工智能技術的運用對中國未來的經濟發展至關重要。一方面，中國還需要做好許多基礎性工作，如更為開放的數據環境和訓練有素的數據科學人才。另一方面，人工智能或將引發復雜的社會及經濟問題，應審慎考量。

中國在人工智能發展中的地位

中國與美國是當今世界人工智能研發領域的領頭羊。僅在2015年，兩國在學術期刊上發表的相關論文合計近1萬份，而英國、印度、德國和日本發表的學術研究文章總和也只相當于其一半。

中國的人工智能發展多由科技企業推動引領。得益于大量的搜索數據和豐富的產品線，一些互聯網企業走在了自然語言處理、圖像和語音識別等技術前沿。這些技術被整合應用于新產品中，如自動化私人助理、自動駕駛汽車等。

中國有充足的理由對其在人工智能領域的潛力感到樂觀。龐大的人口基數產生的海量數據正是“訓練”人工智能系統的前提條件。“范圍經濟”也是中國的優勢所在，廣泛的行業分布為人工智能的應用提供了廣闊市場。

但是，中國需要持續不斷的努力，才能保持人工智能的領先地位，并且最大化其經濟潛能。發展創新能力是重中之重。雖然中國在人工智能的論文數量方面超過了美國，但中國學者的研究影響力尚不及美國或英國同行。

此外，美國的人工智能生態系統也更為完善和活躍，創業公司數量遠超中國。由研究機構、大學及私營企業共同組成的生態系統龐大、創新且多元。硅谷在科技領域日積月累的強勁實力形成了強大而難以復制的優勢。

以下，我們從數據、算法和計算能力等三個關鍵因素出發分析中國面臨的挑戰。

數據

正如人類需要從食物中獲得能量，人工智能的“食物”則是穩定的數據流。人工智能系統必須通過大量的數據來“訓練”自己，才能不斷提升輸出結果的質量。但數據領域的幾個因素可能會影響中國人工智能的發展。

首先，盡管中國的科技巨頭能夠通過其專有平臺獲得海量數據，但在創建一個標準統一、跨平臺分享的數據友好型生態系統方面，中國仍落后于美國。

其次，全球各國都已意識到開放政府數據庫有助于促進私營領域創新，但中國政府數據的開放度仍極為有限。最后，對跨境數據流通的限制也使得中國在全球合作中處于不利地位。

算法

就應用層面而言，中國的算法發展程度與其他國家并無太大差距。事實上，中國在語音識別和定向廣告的人工智能算法上取得了突破進展。而全球的開源平臺也使得中國企業能夠快速地復制其他地區開發的先進算法。

然而，中國的研究人員在基礎算法研發領域仍遠遠落后于英美同行。一個主要原因就是人才短缺。美國半數以上的數據科學家擁有10年以上的工作經驗，而在中國，超過40%的數據科學家工作經驗尚不足5年。中國在人才方面的持續努力將至關重要。

目前，中國只有不到30所大學的研究實驗室專注于人工智能，輸出人才的數量遠遠無法滿足人工智能企業的用人需求。此外，中國的人工智能科學家大多集中于計算機視覺和語音識別等領域，造成其他領域的人才相對匱乏。

如果中國大學對學生提出更高的數學和統計學要求，并且集中資源發展該領域全球前沿研究，人工智能的發展必將受益匪淺。另一個值得思考的方向是改進現有的科研經費分配模式來推進創新。

計算能力

就人工智能的商業應用而言，計算能力并非當前掣肘。由于微處理器在全球市場上是非常普遍的產品，計算能力已經成為一種能夠輕松購買得到的商品。

然而，中國絕不能忽視發展自己的先進半導體、微處理器和高性能計算技術的重要性。高運算速度的計算技術是發展尖端人工智能技術的重中之重，而其耗能水平則決定著人工智能解決方案能否實現大規模商業化。計算能力是人工智能的基礎設施之一，因此具有極高的戰略意義。依賴進口意味著這一基礎設施的堅固程度仍不理想。

長期以來，中國的微晶片嚴重依賴進口，部分類型的高端半導體則幾乎完全依靠進口。2015年，美國政府禁止了英特爾、英偉達和AMD這三家全球最大的芯片供應商向中國機構出售高端超級電腦芯片。這一禁令顯示了中國在半導體方面的自主研發能力對于未來人工智能發展十分重要。

為應對這一局面，中國政府在2014年出臺了《國家集成電路產業發展推進綱要》以及“中國制造2025”行動綱領。中國政府還成立了國家集成電路產業投資基金，目前募資已超過200億美元。

相關行動已初見成效：2016年6月神威?太湖之光超級計算機問世，成為世界上運算速度最快的超級計算機，使用的是中國自主知識產權的處理器。政府的前期投資可以產生顯著的漣漪效應，鼓勵私營企業的積極參與。

特種處理器，如可以處理大量復雜計算的GPU，對人工智能的發展格外重要。在中國大力發展其集成電路產業的過程中，也應密切關注此類處理器的發展。

總而言之，在探索發展人工智能的戰略進程中，中國需要清楚地認識到，科技產業正在快速全球化。從基礎研究到應用開發，再到硬件生產，人工智能全產業鏈的各個環節都包含著大量國際合作。

在建設自己的數據生態系統、培養數據科學和研發人才，以及打造半導體產業的同時，中國還需要將其人工智能產業建設成為一個與全球市場融合的開放系統。