In recent years, industry, the media, and political organizations have shown strong interest in artificial intelligence (AI), with AIrelated research and applications rapidly increasing at home and abroad. Industry is interested in potential uses of AI. According to areport issued by the venture capital corporation CB Insights inthe US in July 2016, Google, Microsoft, Twitter, Intel, Apple, and other information technology giants have acquired about 140 entre preneurial firms in the field of AI since 2011. During the first six monthsof 2016, investment in AI exceeded that realized throughout 2015,and 200 AI-related companies have raised 1.5 billion dollars in the stock market.

A large number of mergers and acquisitions, along with the influxof capital, are accelerating the integration of AI technology with applications, thereby increasing the already rapid transformation ofthe related economy. For example, Google caused an uproar whenit offered to purchase the neural network company DNN research,which was comprised of a few members and founded by Professor Geoffrey Hinton from the University of Toronto, at a high price in 2013. The deep-learning method is currently the hottest technology in industrial circles and has helped Google improve the accuracy ofpicture searches. This technology has also become a core technology associated with Google Glass, unmanned ground vehicles, and otherprojects. Google boasts about itself that it is developing from “mobilefirst” toward “AI first.”

The integration of AI with industrial demands has forced significant changes in modes of service. For example, the chatting robot Xiaobing that was developed by Microsoft is guiding a transformationfrom a traditional graphical interface to an interactive interface with natural-language and emotional understanding. In June 2016,Microsoft acquired the social-networking site LinkedIn and prepared to reconstruct the Internet community using AI technology. In addition,the Watson system developed by IBM has been operationally utilized in hospitals to rapidly screen millions of patient records for histories of cancer treatment in order to provide suggestions for diagnosing leukemia and providing therapeutic schedules; thereby changing the paradigm of oncotherapy and clinical diagnosis. Furthermore,Baidu was designated as the “smartest corporation” due to its development of machine translation, natural-language understanding, and smart vehicles.

Notable breakthroughs have also promoted expectations for AI technology. Google DeepMind recently developed AlphaGo, a game-playing program that combines policy-based and value networks with deep-reinforcement learning, and which trains itself using self-game strategies to learn and apply knowledge about Go by means of a Monte Carlo tree search. In March 2016, this system defeated the world Go champion, Sedol Lee, with a 4:1 score. The ability of the system to exceed human intelligence shocked much of the media and attracted a new wave of global attention. In newspapers, several famous scientists stated that the complete development of AI “could spell the end of the human race” and that “computers will overtake humans with AI at some point within the next 100 years”. In June 2016, a special report entitled “The Rise of AI” was published in Scientific American, with the subheading “Artificial intelligence, once discarded as a has-been technology, is now undergoing a vigorous resurgence.” This article proposed that this superficial recovery is indicative of a technical leap in AI technology.

Since it first began, AI has experienced 60 years of continuous development, with both abundant advancements and setbacks. Reviewing the lessons learned should enable an assessment of the developmental tendencies associated with AI.

In 1956, Professor J. McCarthy at Stanford University, Professor M. L. Minsky at the Massachusetts Institute of Technology, and Professors H. Simon and A. Newell at Carnegie Mellon University (all four of whom were awarded the Turing Award), along with C. E. Shannon (also known as “the father of information theory”) at Bell Labs, N. Rochester at IBM, and other scholars, first established the concept of “artificial intelligence” at Dartmouth College in the US . Their definition of AI referred to the ability of machines to understand, think, and learn in a similar way to human beings, indicating the possibility of using computers to simulate human intelligence. Since the 1970s, AI has expanded into research fields, including mechanical theorem proving, machine translation, expert systems, game theory, pattern recognition, machine learning, robotics, and intelligent control. The exploratory processes related to these fields have led to the development of many technologies and to the formationv of various schools of symbolism, connectionism, and behaviorism.

AI development was never simple, and experienced three major setbacks over the course of 60 years. The first occurred in 1973, accompanied by a report by James Lighthill that was published in England . The report discussed the concept of the automaton, robots, and the central nervous system as areas of fundamental AI research, and made the following conclusions: Research on the automaton and central nervous system had value, but the development was disappointing;and research on the robot had no value, and the development was a spectacular disappointment—and should therefore be cancelled. In fact, AI was still in its infancy at the time of this report.

The second setback concerned the failed development of an intelligent computer by Japan. In 1982, the Ministry of International Trade and Industry of Japan began the project of a fifth-generation computer in the hope of creating something possessing the ability to infer and process knowledge. The goal of the project was to construct a parallel-inference machine with 1000 processing units capable of incorporating 1 billion

剩余内容已隐藏，支付完成后下载完整资料

近年来，行业、媒体、政治组织已经在人工智能（AI）有浓厚的兴趣，airelated研究和应用迅速增长的国内外。业界对AI的潜在用途感兴趣。根据发表的一份报告由风险投资公司CB Insights在美国在七月2016，谷歌，微软，英特尔，苹果，推特，和其他信息技术巨头已经获得了约140的企业化公司在人工智能领域自2011。的前六个月，2016期间，投资超过2015，实现整个AI，AI和200相关的公司在股票市场上筹集了15亿美元。

大量的并购，随着资本的涌入，加快了人工智能技术与应用的融合，从而增加已经迅速转型的相关经济。例如，谷歌引起了轩然大波，当购买网络公司DNN的研究，这是由几个成员，成立由Geoffrey Hinton教授来自多伦多大学，在一个较高的价格在2013。深入学习法是目前工业界最热门的技术，有助于提高谷歌图片搜索的准确性。这项技术也成为谷歌玻璃相关的核心技术，无人地面车辆和其他项目。谷歌吹嘘它的发展从“手机第一位”走向“人工智能第一位。”

人工智能与工业需求的整合迫使服务模式发生重大变化。例如，聊天机器人萧冰，是由微软开发的指导从传统的图形界面交互界面与自然语言的理解和情感。2016六月，微软收购了社交网站LinkedIn，并准备使用AI技术重建互联网社区。此外，沃森系统由IBM开发利用已在医院快速筛选为癌症治疗提供诊断白血病治疗方案的建议和提供的历史记录数以百万计的病人；从而改变范式的肿瘤治疗和临床诊断。此外，百度被指定为“最聪明的公司”，由于其发展的机器翻译，自然语言理解，智能车辆。

显着的突破也促进了AI技术的期望。谷歌最近开发的alphago DeepMind，玩游戏的程序，结合强化学习与深层价值网络政策，并训练自己使用自我博弈策略学习，由一个蒙特卡洛树搜索的方式将围棋知识。2016三月，本系统打败了世界冠军，Sedol Lee，以4:1的比分。系统超越人类智慧的能力震惊了许多媒体，吸引了全球关注的新浪潮。在报纸上，几位著名科学家指出，人工智能的全面发展“可以拼人类的终结”，“计算机将在未来100年内在某个时刻超过人类。”。2016年六月，一个特殊的报告，题为“人工智能”的兴起是发表在美国科学，与副标题“人工智能，一旦丢弃作为一个已经技术，目前正处于一个蓬勃复苏。”本文提出这种肤浅的复苏表示AI技术的飞跃。

自第一次开始，AI经历了60年的不断发展，既有丰富的进步，也有挫折。审查的经验教训，使评估与AI相关的发展趋势。

1956，J. McCarthy教授在斯坦福大学，M. L. Minsky教授在麻省理工学院，教授H.西蒙和A.纽厄尔在卡内基梅隆大学（四人都被授予图灵奖），以及C. E. Shannon（也被称为“信息论之父”）在贝尔实验室，罗切斯特在IBM，和其他学者，第一建立了“人工智能”在达特茅斯学院在美国的概念。他们对人工智能的定义是指机器以类似的方式理解、思考和学习人类的能力，这表明使用计算机模拟人类智力的可能性。自20世纪70年代以来，人工智能技术已扩展到研究领域，包括机械定理证明、机器翻译、专家系统、博弈论、模式识别、机器学习、机器人学、智能控制等。这些领域的相关探索过程导致了许多技术的发展和对象征、联结主义各个流派的formationv，和行为主义。

人工智能的发展从来就不简单，经历了三个主要的挫折，在过去的60年。第一次发生在1973，伴随着James Lighthill，在英国出版的一份报告。该报告讨论了自动机的概念的机器人，和中枢神经系统为基础的人工智能研究领域，并取得了以下结论：在自动机和中枢神经系统的研究价值，但发展却令人失望；对机器人的研究没有价值，和发展是一个巨大的失望，因此被取消。事实上，AI在报告的时候还处于初级阶段。

第二个挫折是日本智能计算机的发展失败。1982，日本国际贸易工业部开始了“五分之一代计算机”项目，希望能够创造具有推断和处理知识能力的东西。该项目的目标是构建一个并行推理机与1000个处理单元，能够将10亿个信息组，以发展听力和口语能力。到1992，该项目花费了8亿5000万美元，在关键技术问题上没有突破。这种故障提供了见解，表明AI的发展应该主要由创新和软件驱动，硬件用于支持操作。

第三挫折发生在1984，斯坦福大学试图手动构建知识百科全书的时候（CYC），包含了所有人的常识性知识。期望达到人的水平推理能力。虽然CYC纳入了相当数量的数据和知识，互联网和大数据的能力，具有更多的权力，由于搜索引擎的兴起。开发周期开始下降，从上世纪90年代末，尽管其链接到外部知识库，如DBpedia，Freebase的能力，与中央情报局（CIA）世界概况，其持续下降的一点无法检索。教训是，从人类出口中学习大量的知识是不可行的。相反，知识应该从环境中自动获得。

回顾AI发展的挫折，很明显，失败是一贯的AI不兼容的信息环境的变化造成的。人工智能的发展是由研究和信息环境，伴随着社会目标。虽然两者都是非常重要的，后者总是有更强的驱动力。

随着互联网的普及，目前，传感器普遍存在，大数据的出现，电子商务的发展，信息社会的兴起，与互连、数据和知识的社会，物理空间和网络空间的融合，信息环境的AI发展发生了深刻的变化，导致一个新的进化阶段：AI 2。新技术的出现也使人工智能进入了一个新的阶段。

外力推动AI 2的形成起源于四个领域的变化。首先，随着移动终端、互联网、传感器网络、车载网络和可穿戴设备的普及，第二十一世纪的信息环境发生了巨大的变化。传感设备广泛分布在整个城市，并连接世界各地的个人和团体的网络前所未有的快速扩张，继续反映和总需求，知识和能力。

此外，世界已经从一个二进制空间演变（物理学和人类社会，或pH）为一个三元空间（网络，物理，和人类社会，或CPH）。CPH的相互作用形成新的计算范式，包括感知融合，“人在回路，“增强现实，和跨媒体计算。其次，社会需求的AI正在迅速扩大，导致在人工智能研究中的快速变化，这是由学术好奇心的驱动下被要求集中学术界以外的驱动转变。智能城市、医药、交通、物流、制造和智能产品以及无人驾驶汽车和智能手机的新目标和问题都需要人工智能的发展。因此，许多企业都积极推动新的人工智能研究。第三，人工智能的目标都发生了很大的变化，从“用计算机模拟人的智能”的追求转变：增强的混合智能系统结合了人类和机器；新的人群智能系统的机器，人类，和网络组织；更复杂的智能系统，如智能城市结合人类，社会，物理和网络系统。

第四，与AI有关的数据资源正在发生变化。AI依赖于数据驱动的算法，并产生了一个新的信息环境。这些计算将由大数据，传感器和网络，以及跨媒体信息量的增加推动。因此，发展与大数据、传感器、网络、跨媒体相关的人工智能，具有感知和融合智能，是必然趋势。然而，传统的基于符号的机器智能图灵测试方法将受到挑战。这些环境变化将促进AI技术的重大进步。在新的外部环境中，出现了一些技术进步，并继续推动AI的发展。

alphago，DeepMind开发的，是将大数据转化为知识的一个例子。相对于传统的游戏，alphago学习和开发的能力，包括一个直观的感觉（即，的下一步是什么），”“棋盘相关推理（即什么的完全胜利的机会），“和游戏策略，玩家将无法使用，使在selfplay棋盘棋盘聚集人类记忆。DeepMind开发的软件还控制120个变量，包括制冷系统、风扇、窗、谷歌的数据中心。它提高了15%的电力效率，并节省了数百亿美元的年。在中国许多数据中心需要类似的技术，他们的总能量消耗目前相当于产生三三峡电站能源。深学习技术是非常重要的，但深层模型难以解释和概括。要解决这些问题，必须将大数据转化为有用的知识的新技术。

互联网人群智能技术最近有所进步。最近的一篇论文分人群分为三种类型根据难度级别：①众包实现任务分配，②复杂的工作流程，并③解题系统。大规模人群通过互联网上的个体参与和互动，表现出极其智能的能力，构成了一种新型的智能系统。的eyewire游戏[ 16 ]由普林斯顿大学开发的连接体项目可以确定单细胞和神经连接，用同样的方法，共有165 000人来自145个国家的科学家参与游戏描述颜色在哺乳动物的视网膜神经组织的结构与功能的关系如何检测涉及运动。其他的例子包括维基百科，百度问答，知乎问答和上网人群的智能计算可以大大提高提供给人类社会的知识基础，并具有广泛而重要的应用。相关的理论和技术目前仍处于初级阶段，然而，互联网人群智能计算的发展将导致前所未有的AI水平。

人类智力的一个重要特征是综合利用各种形式的感知信息，包括视觉、语言和听觉，使人们能够识别、推理、设计、创造和预测。对此，中国科学家提出了“跨媒体计算”的概念。2013，一篇题为“2020视觉”的论文。讨论了“跨媒体”这一术语，描述了文本、图像、声音和视频的整合。2014、激光等。建议多信息源的融合和智能分析是知识和系统演化的特征，是解决“大数据傲慢”的必要手段。提出了一系列从视频中生成文本描述的方法。此外，游戏口袋妖怪去利用增强现实技术结合三维图形实时视频手机有机结合，跨媒体的相关概念。随着计算机网络和移动终端的不断发展，全球多媒体数据呈现爆炸式增长。跨媒体情报代表AI的基石，因为它允许机器识别他们的外部环境。在语言、视觉和听觉三者之间的语义联系中，这将是实现智能行为的关键，如知识的联想、设计和创造。跨媒体情报目前仍处于发展的初级阶段，但未来有望形成人工智能的一个重要领域。

人们经常质疑机器智力是否会超越人类智力。这是可能的，在专门领域，一般情报，但是，这是不太可能发生在未来60年。

人类的智慧构成了一种不同于AI的自然生物智慧。用计算机模拟人类智力是很重要的，与此相反仿真，混合智能系统形成的计算机和人类之间的合作，以形成一个增强的智能“1 1 gt;”。目前，可穿戴设备、智能驾驶车辆的车辆，外骨骼装置和人机协同手术已经发达，表明人机混合增强智能系统具有广阔的发展前景。

自人工智能诞生以来，机器人的发展一直是人们关注的焦点，仿生学是一个重要的发展方向，但在过去的60年中，大多数仿生机器人的应用都失败了。例如，经过初步试验的“机械骡子”，这是能够步行四条腿，美国军方正在返回发展的无人作战车辆。其他著名的例子包括无人驾驶飞机和车辆，发展迅速，远远超过了机器人技术的进步。发展自动化智能机械设备的进步更有效，更简单，更经济。因此，自主智能系统将是未来几代人工智能的一个重要发展方向。把握这种趋势对中国制造业来说尤为重要。

总之，AI 2可以初步定义为新一代人工智能，根据新的信息环境和新的发展目标。新的信息环境包括互联网，移动设备，网络社区，传感器网络和大数据。新的发展目标是由社会需求的定义，从宏观到微观，包括智能城市，发展数字经济、智能制造、智能医疗、智能家居、智能汽车。新技术有望升级包括基于智能大数据领域，社会。网络群体智能，跨媒体智能、自主智能，人机混合增强智力。

AI 2技术将具有特色，如结合数据驱动和知识指导为自治的机器学习是可以解释的，更一般的过程。此外，将有一个远离处理的分类数据，如视觉，听觉和书面数据和对跨媒体的认知，学习和推理。此外，将有一个走向新形式的混合增强智能，从追求智能机到高层次的人机合作和融合。另一个领域将涉及技术和平台的形成，以促进基于人群的情报建立在个人的智慧，以形成更高层次的社区情报，是基于互联网。最后，将有一个扩展的研究涉及机器人更广阔的自主智能系统重点发展智能机械产品。

AI 2是人工智能研究的一个新阶段，与过去60年不同。它侧重于目前的技术进步，追求的目标，在AI的突破，结合内部和外部驱动力。与历史上其他点比较，AI 2将整合自然智能和人工智能来提高人的智力活动，并将紧密地融入人类的生活（跨媒体和自治系统）对人类身体的一部分的点（混合增强情报）。它可能是能够阅读，管理和重组人类知识（计算知识引擎），以便提出社会问题的建议，包括日常生活，生产，资源的使用，和环境（智能城市和智能医学）。

从识别，控制，翻译和预测的角度来看，在一些专业领域，AI是目前可比或超过人类水平。在AI 2的帮助下，人类将能够获得更好的洞察力和有效的管理与复杂的宏观系统，涉及城市发展，生态保护，经济管理和金融风险互动。AI 2也将有助于解决具体问题，如医疗，产品设计，安全驾驶和节能。

中国参与工业化、城市化的前沿，在信息时代，扩大农业现代化，环境保护。因此，它是发展人工智能技术来提高日常生活和优化城市发展提高社会生产力势在必行，提高资源的使用效率，支持可持续发展，通过我们的解决问题能力教育，加快医药、贫困、环境和自然资源。

近年来，中国工程院通过扩大对智能城市、大数据、智能制造、创新设计、数字创意产业和工程知识中心的研究，认识到人工智能的重要性。

此外，在中国游戏市场和社会需求的迅速扩大。2014，搜索引擎的市场规模达到了600亿元左右，中国智能语音市场规模估计为46亿8000万元。此外，工业机器人的销售增长了54%，达到56在000。目前全国有330多个城市在建设智能型城市，市场规模在全国各地超过800亿元。2014，联合国教育、科学及文化组织（UNESCO）建立工程科技国际知识中心（ikcest）在工程中国科学院北京；从而形成第一个国际合作中心，大数据与知识服务相关的。

从识别，控制，翻译和预测的角度来看，在一些专业领域，AI是目前可比或超过人类水平。在AI 2的帮助下，人类将能够获得更好的洞察力和有效的管理与复杂的宏观系统，涉及城市发展，生态保护，经济管理和金融风险互动。AI 2也将有助于解决具体问题，如医疗，产品设计，安全驾驶和节能。

中国参与工业化、城市化的前沿，在信息时代，扩大农业现代化，环境保护。因此，它是发展人工智能技术来提高日常生活和优化城市发展提高社会生产力势在必行，提高资源的使用效率，支持可持续发展，通过我们的解决问题能力教育，加快医药、贫困、环境和自然资源。

近年来，中国工程院通过扩大对智能城市、大数据、智能制造、创新设计、数字创意产业和工程知识中心的研究，认识到人工智能的重要性。 剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26632]，资料为PDF文档或Word文档，PDF文档可免费转换为Word