人工智能時代已經到來，政府工業商業等各領域都將是剛需

2016年3月Google的AlphaGo戰勝韓國頂尖職業圍棋選手李世石絕對可以稱得上近代人工智能標志性的事件。以此為時間點在Google?Trends上搜索人工智能相關的關鍵字，比較近年流行的機器學習框架，我們可以看到近年人工智能在國內的熱度在逐年攀升。

2017年7月8日，國務院印發《新一代人工智能發展規劃》并通知各省、自治區、直轄市人民府，國務院各部委、各直屬機構，認真貫徹執行。這意味著我們國家對人工智能的重視，發展人工智能已經上升到國家戰略層面。

《規劃》分三步走：

第一步，到 2020年， 人工智能總體技術和應用與世界先進水平同步， 人工智能產業成為新的重要經濟增長點， 人工智能技術應用成為改善民生的新途徑， 人工智能核心產業規模超過 1500 億元，帶動相關產業規模超過 1 萬億元。

第二步，到2025 年，人工智能基礎理論實現重大突破， 部分技術與應用達到世界領先水平， 人工智能成為我國產業升級和經濟轉型的主要動力， 智能社會建設取得積極進展， 人工智能核心產業規模超過 4000 億元，帶動相關產業規模超過 5 萬億元。

第三步，到 2030 年，人工智能理論、 技術與應用總體達到世界領先水平， 成為世界主要人工智能創新中心， 人工智能核心產業規模超過 1 萬億元， 帶動相關產業規模超過10萬億元。

除了中國外，世界主要經濟體如：美國，歐洲各國，日本等國家也已經把發展人工智能上升為國家戰略。引用《經濟日報》2019年4月7日的文章《世界主要國家人工智能戰略及其產業政策的特點》：

人工智能之所以成為世界各國競爭的焦點和產業政策發力的重點，是因為其在經濟社會發展全方位都具有巨大價值。一方面，人工智能擁有強大的經濟帶動性。人工智能是當代通用目的技術，也就是說它是一種能夠在國民經濟各行業獲得廣泛應用并持續創新的技術，這意味著經濟社會對人工智能的需求十分巨大，人工智能技術能夠發展成規模巨大的產業。另一方面，人工智能可對其他產業產生顛覆性影響，加快產業行業的技術創新、商業模式和業態變革，提高生產效率、改善用戶體驗。對于這樣一種剛進入產業化初期且快速發展的前沿技術，目前沒有哪個國家已經具備絕對優勢，更沒有哪個國家能夠像掌控傳統產業那樣在這一領域形成壟斷地位，因此，如果能及早進入這一領域就可能占據一席之地，甚至獲取未來產業發展的主導權，反之則很有可能被其他國家甩在后面。

通常一種新的通用目的的技術會顛覆傳統行業，并帶來新的發展模式，進一步帶來新的經濟增長點。比如移動互聯網發展的幾年，好多行業要么被“互聯網+”模式顛覆，要么擁抱互聯網摸索出新的發展模式。人工智能必然是新一代科技產業潮流，“AI+”已經開始滲透到各行各業。大數據和人工智能時代已經到來，我們正身處最好的時代。

人工智能的發展條件

人工智能主要有兩個研究方向：

傳統人工智能的方法：研究人類是如何產生智能的，然后讓計算機去模擬人的智能。模擬人腦神經網絡構成，模擬突觸工作。由于太過復雜，最終發現這個方向是錯的，這條路根本走不通。機器智能最重要的是能夠解決人腦所能解決的問題，而不是在于是否需要采用和人一樣的方法。

現代人工智能的方法：數據驅動和機器學習，本質是大數據+統計的方法，通過嘗試各種算法，在大數據加持下嘗試尋找能適配規律的模型，新數據就通過該模型進行運算輸出結果。

人工智能經歷過60年左右的發展，為什么現在才開始爆發呢？一方面的研究方向的問題，另一方面是人工智能技術是超時代的技術。這就需要從人工智能的先決條件說起，人工智能最關鍵的兩個方面：

１、完備的數據

實現人工智能的首要前提條件是大數據，需要研究某個領域，必須有該領域完備的數據。吳軍博士在《智能時代》中有一個典型的例子：2005年之前，Google在機器翻譯領域從來沒有技術積累，結果確在當年4月的機器翻譯大賽中以巨大的優勢打敗了全世界所有機器翻譯研究團隊， 一躍成為這個領域的領頭羊。據負責人透露， 他用的還是兩年前的方法 ，但是在Google有一個其他團隊沒有的優勢——他用了比其他團隊多成千上萬倍的數據 。

２、超快算力的計算機

人工智能的本質就是給計算機“喂”大量的數據，做大量的并行運算，進行訓練得到一個模型用來解決某個問題

數據產生：人類生存的幾千年，產生的無數的數據，但是這些數據并沒有很好的保存下來。在移動互聯網之前，大部分的數據是由企業存儲下來的。隨著現代科技的進步，計算機技術，存儲技術，全球互聯網寬帶的速度的發展，特別是隨著移動互聯網的發展，個人通過移動設備，可穿戴設備以及設備上的傳感器提供的數據在呈指數級別的增長。在移動互聯網時代，大部分的數據是由個人和傳感器產生的。數據不但包括文字、聲音、影像，還有細胞等醫療數據、個人位置聊天記錄等隱私數據、氣候數據、工農業生產數據、電子交易數據、物聯數據等等。

數據存儲：隨摩爾定律的發展，熱存儲設備發展到SSD，藍光等冷存儲設備，存儲越來載穩定，容量越來越大，讀寫速度也越來越快，價格卻越來越便宜。這為海量數據的快速存儲準備了必要條件。2005年左右，3.5吋軟盤還沒有被完全淘汰，容量也就只有1.4M，最多只能存儲幾個文檔。那個年代，如果你有一個32M的U盤都可以拿一個掛繩掛在脖子上炫耀了。現在高端點的手機，內存動不動12G，硬盤來個1T也很正常。

數據處理：數據海量增長對計算機算力的要求并不是線性增長的。如果需要處理增長一萬倍的數據，需要的計算機算力往往要增長幾十萬乃至上億倍。需要處理這些數據，由單臺計算機是不可能完成的，必需要由相當數量的服務器集群。要解決并行計算機之間的連接速度，必須要解決各個服務器之間的網絡速度及交換機，否則，網絡會變成并行計算機的瓶頸。Google為此研發了專用交換機解決了并行計算機之間的網絡連接問題，華為也有類似的專用產品。

所有這些條件只有在科技發展到如今的時代才能實現，這也解釋了為什么大數據和人工智能到現在才真正開始爆發。隨著5G、物聯網的發展，以及計算機處理速度的進一步提升，這個發展趨勢會愈發明顯。

在未來，5G+萬物互聯+量子計算肯定會讓大數據和人工智能進一步大放溢彩。

生活中感知的人工智能

生活中隨處可見的人臉識別：考勤，銀行，手機App等等。大家應該發現，隨著互聯網的發展，很多事情都可以網上辦理，特別是新冠疫情以來，實地辦理的成本更大，而網上辦事的身份識別是關鍵的一環。人臉識別的普及把身份識別的問題解決了，現在絕大部分的事情都可以網上辦理了。再舉一個反面的例子：2021年央視315晚會就曝光了某些商家使用人臉識別追蹤顧客是否回頭客，用以區分是否潛在客戶，從而實施不同的銷售策略。此事件雖然是反面應用的例子，但也客觀說明人工智能的技術已經開始實用化普及。

利用數據挖掘的推薦系統：我們每個人使用的網購APP首頁推薦都不一樣，電商會根據我們的購買習慣，給我們推薦可能需要的商品，有自家物流的電商甚至可以把我們很可能購買的商品，提前運到附件的倉庫點，來提升物流效率和買家的購物體驗。視頻類，音樂類，新聞類的App也是使用了利用數據挖掘的推薦算法。各種渠道獲取的用戶隱私數據是原材料，傳統統計算法就是手工作坊，AI算法模型就是工業生產。

使用大數據和人工智能助力新冠防疫：2021年10月31日的上海迪士尼防疫事件在互聯網迅速刷屏。據報道，上海在收到杭州數據異常的消息，從下午6點左右進行核酸檢測，到晚上11點半，短短數小時，就完成了對整個迪士尼園區內2萬多人的核酸檢測，上海方面同時為沒有離開的游客安排了200多輛大巴。另外上海通過大數據，整理出30日，31日去過迪士尼的人員名單，通知到居委會，學校等單位，并督促他們第一時間做完核酸檢測，在封園后的十幾個小時內，就公布了所有33863人員的核酸檢測結果均為陰性。也就是說在監測到數據異常之后，24小時內就把所有事情都做完了。

上海作為一線城市，人口密度大，如果等病例出現了，再關閉可疑病例所在社區，勢必對經濟造成重大影響。因此，這次上海迪士尼防疫事件，肯定是有預案，能隨時主動出擊的。而主動防疫使用的關鍵技術是大數據人工智能。

智能語音機器人：早幾年我們接到的推銷類的電話都是真人撥打過來的， 現在越來越多機器人了，我們甚至不知道對方是真人還是機器人，因為除了聲音，語氣越來越像真人之外，說話也越來越有邏輯了。和機器人聊了半天還沒能發現時機器人的情況時有發生。人工智能技術走出實驗室，有商業應用的加持，發展速度越來越快。

AI云開放平臺

在國家戰略背書的情況下，短短數年后的今天，AI云開放平臺如雨后春筍般在中國發展起來了。為人工智能的應用和普及起到至關重要的作用。

AI云開放平臺有如下特點：

1、頭部公司如百度、阿里、騰訊、華為等占據絕大部分的市場份額。

大企業有人工智能的內需，投入產出都可以內部消化，除了內部消化外，還可以把AI事業部的通用API通過收費的方式提供給其他企業，達到增加收益的目的，此外，其他企業使用過程所提供的數據，還可以進一步增加數據的完備性，進一步優化人工智能的接口，形成良性循環。

有動力開發AI芯片，使用自家的高性能低成本AI芯片，進而有足夠的議價優勢。

人才的集聚效應，吸引更多的AI人才，各大院校也有培養AI人才的積極性，目前計算機相關碩士十之七八的研究方向都是AI人工智能。

進一步挖掘商業潛能，帶動市場發展。

2、頭部公司擁有全棧式AI能力

在語音技術，圖像技術，文字識別，人臉人體，視頻技術，NLP等幾個大方面都有深入研究

百度飛槳（PaddlePaddle）、華為ModelArts、阿里PAI、騰訊智能鈦、小米Cloud-ML等。

3、各個細分領域均有獨角獸公司深耕

訊飛的語音識別、第四范式預測模型、云從科技視覺識別等。

4、廣泛面向社會開放AI能力接口API

AI能力通用化，封裝成API接口

支持各種主流編程語言

提供完備的說明文檔及使用樣例

方便中小企業及社會大眾接入AI能力

5、商業收費模式靈活、規模化效應逐漸顯現

部分能力提供免費試用、按調用量付費、包月包年預付費等。

不具備AI開發能力的企業，賦予企業AI能力，提升中小企業的競爭力。

向社會提供AI能力，也有助于AI平臺得到更多完備的數據，進一步優化模型，提升競爭力。

通過AI云開放平臺，進一步挖掘逐漸成型的商業模式。

人工智能的學習途徑

高校學習資源。大學計算機相關專業，人工智能研究占比很高。大學MOOC等大量公共免費精品教學資源可供學習。

體驗與人工智能相關的工作，如標注任務、AI應用接入、通用平臺模型訓練、使用公共數據集開發專用模型。

使用免費的GPU實踐：比如有條件在合法的條件下使用Google的Colaboratory。

參加人工智能相關的比賽，比如Kaggle等。

AI 大數據

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。