人工智能新规问世，专家怎么看？

文/本刊编辑部

中国工程院院士、中国工程院原常务副院长 潘云鹤

中国工程院院士，中国航天科工集团第二研究院科学技术委员会副主任 李伯虎

中国工程院院士、清华大学自动化系教授 吴 澄清华大学自动化系教授 张 涛

戴国强

中国工程院院士 陈 纯浙江大学教授 庄越挺

人工智能新规问世，专家怎么看？

文/本刊编辑部

新一代人工智能的应用将极其广泛

中国工程院院士、中国工程院原常务副院长 潘云鹤

新一代人工智能将在新理论、新技术、新平台的基础上和当前的新需求相结合，形成极其广泛的新应用。

会创造出各种智能新产品。如各种智能操作系统；图像识别、语音识别、机器翻译、智能交互、知识处理等智能应用软件；基础的智能硬软件产品；各种智能机器的特殊零部件、专用传感器；智能自主的汽车、轨道交通、车联网、无人机、无人船；虚拟现实与增强现实的艺术、教育和玩具产品；人工智能的手机、车载智能终端、智能手表、智能耳机、智能眼镜和各种可穿戴产品；建筑智能设备、家电、耐用品等家居产品的网络化和智能化；物联网的智能传感器件和芯片，等等。

会形成各种智能应用系统。如智能制造中的智能自主的装备与系统、制造云服务、流程智能制造系统、离散智能制造系统、网络化协同制造系统、远程诊断与运维服务等新型模式；智能农业中的智能化装备与农田作业自主系统，智能农业信息监测网络，农业大数据分析决策系统；智能物流中的智能化装卸搬运、分拣包装、智能仓储、公共信息平台、产品质量认证及追溯系统、智能配货调度系统；智能金融中的金融大数据系统、智能金融产品和服务创新设计、智能客服、金融风险智能预警与防控系统；智能商务中的市场分析与创新设计、计算引擎与知识服务、定制化商务智能决策服务系统；智能企业中的企业在设计、生产、管理、物流和营销等业务链的智能系统，生产线重构、动态调度、云化数据采集、人机物协同与互操作等系统，生产设备网络化、生产数据可视化、生产过程透明化、生产现场无人化、运营管理智能化等系统；智能教育中的智能学习、交互式学习、智能校园；智能医疗中的快速精准的智能医疗体系、智能医院、智能辅助医疗诊断、新药研发、医药智能监管、流行病智能监测和防控、健康大数据采集和智能分析等系统。

会推进社会治理进入智能增强新形态。如智慧法庭的数据与知识平台，实现审判体系和审判能力的智能增强；对城市基础设施和土地、水系、空气等环境的深度认知，推进城市规划、建设、管理、运营全生命周期智能化；建立车辆自动驾驶与车路协同的技术体系，实现智能化交通疏导和综合运行协调指挥，建设覆盖地面、轨道、低空和海上的综合智能交通监控、管理和服务系统；围绕犯罪侦查、反恐、食品安全、信息安全、自然灾害防治等公共安全构建智能化监测预警与综合应对平台。

基于新一代人工智能发展中国智能制造

中国工程院院士，中国航天科工集团第二研究院科学技术委员会副主任 李伯虎

（1）要围绕制造强国重大需求，协调推进基于新一代人工智能技术的智能制造的技术、产业和应用发展。

从总体上讲，我国制造业正面临加快推进“五个转型”（由要素驱动向创新驱动战略转型、传统制造向数字化网络化智能化制造转型、由粗放型制造向质量效益型制造转型、由资源消耗型、环境污染型制造向绿色制造转型、由生产型制造向生产+服务型制造转型）的严峻挑战。我国智能制造的技术、产业和应用等方面还处于起步阶段。所以，需要贯彻“创新、协调、绿色、开放、共享”的发展理念，以创新发展为主题，以促进制造业提高质量增加效益为中心，以加快新一代人工智能技术与制造业深度融合为主线，协调发展自主的智能制造技术、产业和应用，通过30年/3个阶段的努力奋斗，实现从制造大国发展为制造先进强国的宏伟战略目标。

（2）要基于新一代人工智能技术，推进智能制造技术的集成应用及其制造模式。

要部署实施一批跨企业（行业/区域）、企业级、车间级和制造单元级等不同层次智能制造系统的构建与应用示范，推进基于新一代人工智能技术的智能制造关键技术装备、核心支撑软件、工业互联网等系统集成应用，推广流程智能制造、离散智能制造、网络化协同制造、远程诊断与运维服务等新型制造模式。

（3）要基于新一代人工智能技术，推进制造全生命周期活动的智能化。

要围绕离散制造全生生命周期活动的智能化发展需求，部署实施基于工业互联网群体智能的个性化创新设计、协同研发群智空间、智能云生产、智能协同保障与供应营销服务链等应用示范；围绕流程制造全过程、全流程活动的智能化发展需求，部署实施基于新一代人工智能技术的流程工业智能感知、智能建模、智能控制、智能优化与智能运维等应用示范；围绕我国创新驱动发展战略和提升我国制造业自主设计创新能力的重大需求，部署实施服务于从概念创意到研发、生产、试验、服务等全产业链的大数据智能创新设计和群智众创设计等典型示范。

（4）要加快建立和发展基于新一代人工智能技术的我国自主的智能制造技术、标准、使能产品和系统运营等产业。

要融合新一代人工智能技术与制造技术，研究突破智能制造系统总体技术架构、智能化制造服务的商业模式、智能管控的集成互联技术、智能制造安全与评估体系和智能制造标准体系等智能制造系统总体技术；研究突破面向智能制造大数据的网络互连技术、智能资源/能力感知和物联技术、智能资源/能力虚拟化和服务化技术、智能服务环境的构建/管理/运行/评估技术、智能知识/模型/大数据管理分析与挖掘技术、人机共融智能交互技术等智能制造系统平台技术；研究突破智能设计、智能生产、智能管理、智能试验、智能保障等制造全生命周期活动智能化和全过程、全流程智能化等关键技术；进而建立相关的标准体系。

自主智能系统：驱动经济发展与科技进步的发动机

中国工程院院士、清华大学自动化系教授 吴 澄
清华大学自动化系教授 张 涛

一、自主智能系统的本质

自主智能系统是一种人工系统，它不需要人为干预，利用先进智能技术实现各种操作与管理。典型自主智能系统包括陆、海、空、天自主无人载运操作平台、复杂无人生产加工系统、无人化平台等，例如无人车、无人机、轨道交通自动驾驶、空间机器人、海洋机器人、极地机器人、服务机器人、无人车间/智能工厂和智能控制装备与系统等。

自主智能系统强调自主和智能，但不排斥人类的参与，更加重视与人类行为的协同。自主智能系统将利用机器特有的优势，如计算、存储、决策等能力取代人类的部分重复性劳动。但是，针对主观性强、复杂性工作，将充分发挥人机协同能力，追求高智能、高性能的工作效率。因此，机器不可能完全代替人类，人机协同是未来的方向。

人工智能技术起源于上世纪五十年代。而自主智能系统则源于机器人发展的第三阶段，即智能机器人。自从上世纪六十年代末智能机器人的出现，自主智能系统对社会发展的贡献就上升了一个新的台阶，越来越发挥了巨大作用。例如，以PUMA为代表的工业机器人得到广泛应用，iRobot扫地机器人已经走入千家万户，“勇士号”等火星车帮助人类探索宇宙等。进入二十一世纪以来，自主智能系统的外沿进一步扩大。伴随着无人机、自动驾驶汽车、水下无人潜航器、空间操控机器人、医疗机器人、智能无人车间等出现，自主智能系统不再是我们传统认识中的工业机器人，它被赋予了更广泛的内涵。

二、自主智能系统将引领世界经济产业的跨越式发展

人类社会已经经历了三次工业革命。“新一代人工智能”的发展将使人类社会进入第四次工业革命。在这次新的工业革命中，自主智能系统将成为耀眼的明星，推动新工业革命发展。自主智能系统将会进一步将人类从繁重、危险、重复性劳动中解放出来，甚至能超出人类，完成以前人类不敢想象或尝试的工作，如深海勘探、太空制造、细胞手术等。自主智能系统将会使世界更加环保宜居。例如，高污染产业逐步消失，新能源成为自主智能系统的动力。每个家庭就是一个自主智能系统，它们成为人类最好的伴侣，为人类解决了养老、教育、住房等各种问题。

随着自主智能系统的快速发展，它必将成为中国经济发展的支柱产业，必将成为科技创新的源头。无论是在科技方面，还是在经济发展方面，实现换道超车，成为世界经济发展和科技创新的领头羊。近几年来，我国政府大力提倡创新创业，自主创新。自主智能系统就是这场创新革命的主力军。各种自主智能系统如雨后春笋，不断涌现。在这些系统出现的同时，一批批关键技术得到突破，我国拥有了大量的独立知识产权，在国际科技经济竞争中更具有优势。因此，自主智能系统的发展必然会推进中国进步，必然会实现引领世界经济产业的跨越式发展。

三、自主智能系统将推动世界科技领域不断创新

核心技术创新是自主智能系统研究的必然之路。例如，在无人车智能技术领域，重点研究无人车复杂动态场景感知与理解、基于泛在感知无人车实时精准定位、无人驾驶车辆拟人驾驶智能决策、多无人平台和无人/有人平台的自主协同控制与优化等。在无人机智能技术领域，重点研究高动态系统快速环境响应与自主学习、无人机系统任务理解与智能行为规划、无人机群自主编队控制系统设计、面向异构自主平台与复杂环境的适应性智能导航飞行控制技术等。在轨道交通自动驾驶智能技术领域，研究无人状态下运行场景深度学习技术、基于大数据的趋势预警技术、面向铁路网综合优化的智能列车群自动驾驶技术等。

各种自主智能系统的应用是该领域的最终目标。应用领域的创新主要体现在应用模式的创新，应用效率的创新，应用评价的创新等。随着自主智能系统研究的不断深入，应用领域的不断扩大，它必将成为推动世界科技领域创新的原动力，带动世界经济产业不断向更高水平跃进。

开源开放是构建我国人工智能创新生态的必然选择

戴国强

人工智能企业创新更加活跃，国际竞争日趋激烈。要在这样的态势下打造我国新一代人工智能先发优势，构建AI良性高效发展的创新生态必须以“开源开放”为基本原则。

在技术实现层面，人工智能是现代IT技术的重大集成，其发展离不开信息技术领域的开源开放元素。这些典型元素一般包括开源软件、开源硬件、开放标准、开放云以及开放数据等。其中开源软件已成为分布式创新下发挥“众智”作用的典型代表，是互联网时代成功的大规模“协作”实践。同时新一代人工智能天生无法与数据分割开来，高质量的训练和测试数据集是机器学习技术突破、人工智能规模化应用等的必备资源，这些数据集供给归根结底离不开行业、领域等数据的开放。

在研发效率方面，开源开放成为人工智能领域产学研用各主体提升创新效率的基础。不论是在技术研究、产品开发，还是在应用推广等环节，要让更多的创新主体能够基于相对成熟的开源软硬件平台，利用已有的公共基础研发资源来加速人工智能研发进展。当越来越多的研究者、程序员等参与到软件库、程序包的改进和优化工作中，不仅可加快创新速度，在某种程度上更节约了相当的研发成本。

在行业话语权方面，开源开放是人工智能产业竞争力提升的必要条件。以IBM、谷歌、微软、Facebook、亚马逊等为代表的科技巨头纷纷拥抱开源，不仅加大了开源项目的资金和人力投入，甚至将其闭源产品转为开源项目，特别是近期这些公司或是基于其自身研发、或是基于其收购初创公司的成果，正加快对外开放其专有的机器学习框架。

在集聚创新要素方面，开源开放是快速集聚人工智能人才资源的必要前提。当前全球人工智能领域人才极度紧缺，伴随从AI理论突破到应用突破时间间隔的日益缩短，产业界正加快从学术界争夺尖端人才和团队。截至2017年第一季度，在领英（LinkedIn）平台有记录的全球AI领域人才总数超过190万人，其中美国约85万人，中国约5万人；在美国具有10年以上工作经验的人才占比为71.5%，中国的这一数字为38.7%。尽管这一统计只限于在领英平台有记录的AI人才，但仍可部分的说明与巨大的国内需求相匹配，中国AI人才短缺的形势更加紧迫。

以开源开放原则营造人工智能创新生态，政府、科研院所、企业、产业界以及全社会等应协同发力，共同推进人工智能领域平台建设、资源开放和数据共享等。

在平台建设上，要加快构建并面向公众开放人工智能研发平台和测试平台，比如终端与云端协同的人工智能云服务平台、新型多元智能传感器件与集成平台、未来网络中的大数据智能化服务平台等，为创客群体提供快捷便利的基础研发资源，促进产、学、研、用等各方资源互通有无。重点鼓励和支持有实力的人工智能企业积极构建涵盖机器学习、语音识别、语义分析、图像处理、控制决策等众多技术在内体系化的开源平台，在更广泛的领域聚集创新资源，一并带动和促进人工智能中小微企业发展和各领域应用。

在数据开放共享上，要建立完整性和易用性兼备的人工智能训练和测试数据集，研究数据开放共享的法律法规问题，在确保信息安全、隐私保护以及符合伦理道德规则的前提下，创建标准统一、风险可控、可跨平台分享的友好型数据生态系统，真正推动深度学习、强化学习等新型算法与各领域、各行业大数据资源的融合，从而加快人工智能的深度应用。

在AI人才聚集上，要加强与全球人工智能相关领域一流科学家的合作，促进学科交叉融合，共同探索突破新一代人工智能基础理论瓶颈。要实施更加积极的创新人才政策，开辟专门渠道，实现人工智能高端人才和高水平创新团队精准引进。探索采用项目合作、技术咨询等多种方式柔性引进人工智能人才。完善企业人力资本成本核算相关政策，激励企业、科研机构引进人工智能人才。同时，鼓励国内人工智能企业走出去，为企业开展国外并购、创业投资和建立海外研发中心等提供便利和服务，鼓励国外人工智能企业、科研机构在华设立研发中心，促进全球优质资源为我所用。

大数据智能：从数据到知识与决策

中国工程院院士 陈 纯
浙江大学教授 庄越挺

大数据智能是以人工智能手段对大数据进行深入分析，探析其隐含模式和规律的智能形态，实现从大数据到知识、进而决策的理论方法和支撑技术，大数据智能将建立可解释通用人工智能模型，实现“大数据+人工智能”的方法论。

规划中明确指出，在有望引领人工智能技术升级的基础理论方面，大数据智能要重点突破无监督学习、综合深度推理等难点问题，建立数据驱动、以自然语言理解为核心的认知计算模型；在建立新一代人工智能关键共性技术体系方面，大数据智能要构建知识计算引擎和提供知识创新服务，形成开放兼容、稳定成熟的知识加工、深度搜索和可视交互核心技术；在布局人工智能创新平台，强化对人工智能研发应用的基础支撑方面，要建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能云服务平台、新型多元智能传感器件与集成平台、基于人工智能硬件的新产品设计平台、未来网络中的大数据智能化服务平台等。

一、从数据到知识、从知识到决策是当前大数据智能的计算范式。

如果说人工智能是经济发展的新引擎，正在重构生产、分配、交换、消费等经济活动各环节，那么大数据就是这个引擎的燃料。大数据与人工智能有机结合，则是发动这个引擎的金钥匙。传统人工智能基于专家手工构造的知识库来进行学习推理，如专家系统。由于难以构造较为全面的人类常识知识库，以及还存在不确定性知识，因此，依赖于知识库的人工智能方法在提升学习推理方法性能方面遇到了难以跨越的鸿沟。

与基于规则、逻辑和知识的推理学习方法不同，机器学习方法从大数据出发，去洞悉海量数据中隐藏的规律和模式，如从网购商品中自动挖掘用户消费偏好和从用户检索词条中洞悉文化概念的演化变迁等。

更进一步，随着互联网的普及、传感网的渗透、大数据的涌现、信息社区的崛起，数据和信息在人类社会、物理空间和信息空间（Cyber-Physical–Human，简称CPH）——之间的交叉融合与相互作用，人类社会与信息世界和物理世界所产生数据在个体/群体所呈现的前所未有广度和深度的交互行为中正在进一步深度耦合。CPH深度融合推动了文本、图像、位置和视频等海量数据涌现，使得隐藏在这些海量数据中的知识呈现不确定、复杂性和多样性。

大数据刻画了个人/群体的生活、工作和学习规律和模式，为了洞悉这些隐性知识，迫切需要建立从大数据到知识的一般性手段和方法，其具有从文本、图像和视频等大数据中永不停息学习规则、模式和知识的能力，助力决策者从大量非结构化数据中揭示非凡的洞察。同时，要具备提供知识云计算服务的能力，通过知识服务打破数据藩篱，推动多领域数据的融合碰撞，让数据畅通流动从而发挥巨大效益。

当前，大数据智能正从传统“以规则教”的学习推理方法，到数据驱动的知识挖掘方法，迈向数据驱动和知识引导相结合的新时代，推动人工智能从表象和特征深入到综合推理。

二、知识创新服务与决策支持是大数据智能释放“智能红利”的关键

将通过知识计算获得的知识，应用到实际的生产生活中，转换为相应的能力来解决我国社会经济发展中的资源、环境等社会问题、参与公共事务决策、发现社会发展规律，同时支撑新产业和新业态的跨界深度融合和创新服务，促进社会生产力的再次飞跃，是大数据智能释放出“智能红利”的关键。

大数据智能具有极其广泛的应用，如在医药卫生方面的药效分析与新药研制、病例分析与预测、基因检测和健康保险智能化管理等；在工业方面的新材料的模拟与预测、产品的智能化设计、智能物流以及宏观经济预测和调控智能化等；在科教方面的智能图书馆和知识服务系统、知识交叉创新等；在城市建设与管理方面的城市运行模拟与预测、环境智能分析与改善决策、智能交通、人口资源综合分析以及城市经济结构调整的智能辅助等等。

将数据驱动机器学习方法与人类的常识先验与隐式直觉有效结合起来，实现可解释、更鲁棒和更通用的人工智能是大数据智能的重要研究方向。新一代人工智能中大数据人工智能将实现如下跨越：从浅层计算到深度神经推理、从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习、从领域任务驱动智能到更为通用条件下的强人工智能（从经验中学习），这将改变计算本身，促使大数据转变为知识以支持人类社会作出更好决策。