中国人工智能发展简史
作者：张洪国 陆平 邵立国 念沛豪
来源：《互联网经济》2017年第06期
        萌芽阶段：
        系统内部知识重构
        （1978-2000年）
        关键词：演绎推理、专家系统
        作为人工智能技术分支，该阶段人工智能的实用化最为成功的应用是专家咨询系统，其主要基于演绎推理技术，拥有特定领域专家的推理能力，被广泛应用于农业、工业、电力及勘探等领域。该阶段已出现了一些商业化的专家系统开放工具。
        技术概况：自动推理技术取得突破
        自1978年“智能模拟”纳入我国国家研究计划以来，我国不断地增大对人工智能相关领域的
研发项目支持，并先后成立了中国自动化学会模式识别与机器智能专业委员会（1979年）、中国人工智能学会（1981年）、中国计算机学会人工智能和模式识别专业委员会（1986年）等学术团体。该阶段的研究主要集中于定理证明、自然语言理解、机器人和专家系统等方面。
        1984年，吴文俊凭借几何定理的机器证明成果，成为世界自动推理界的领军人物，他所开创的数学机械化被誉为“吴氏方法”。
        应用领域：专家系统发展高潮迭起
        作为人工智能技术分支，专家系统存储某专业领域中的经过事先总结并按某种格式表示的专家知识，拥有类似于专家解决问题的推理机制。
        专家系统经历了80年代的高速发展，在上世纪90年代进入了商业化阶段，当时全球约有2000个不同类别的专家系统，美国约占3/4，日本和欧州各占1/10。我国也开展了一些工业领域的专家系统研究和设计。1986年，华中理工大学研制了链传动设计专家系统软件，以及初步完成的汽轮机总体方案设计专家系统，该系统有9个推理器，具有正向、反向和混合
等推理策略。上海交通大学研制了船舶设计领域的专家系统软件，可实现从正向推理确定初始目标和修改目标，从反向推理验证所得目标是否符合设计规范，并研制了开发工具DEST。
        商业模式：开发工具
        进入20世纪80年代，专家系统的研发趋于商品化。90年代已出现市面上销售的专家系统开发工具，如“天马”专家系统开发环境、CLIPS等，利用这些开发工具可以敏捷开发出特定领域的专家系统。“天马”开发环境由中科院数学所、浙江大学、武汉大学、机电部15所、湖南师范大学、化工部兰州自动化所合作研发，具有常规、规划、近似等多种推理机，具备机器学习、图形添加、自然语言接口界面及演绎数据库等。
        起步阶段：
        互联网浪潮助推行业发展
        （2000-2012年）
        关键词：互联网、机器学习
        随着互联网和信息技术的蓬勃发展，信息和资源呈现爆炸式增长，海量的信息带给人们更多元化选择的同时，也增加了人们在搜索信息方面的难度和成本。该阶段我国诞生了百度、搜狗等搜索引擎，技术趋势是由人工目录分类检索向“机器爬虫+排序算法”方向发展，机器学习技术在信息搜索、个性化推荐等方面起到了关键作用。
        技术概况：机器学习技术取得突破
        前一阶段的人工智能系统（专家系统）大多都是基于演绎推理技术，通常不具备归纳推理的能力，不能自动地获取和生成知识。
        随着机器学习理论和技术发展迅速，基于统计学习理论的支持向量机、随机森林、Boosting、概率图、基于正则化理论的稀疏学习模型等方法相继被提出。搜索引擎由人工目录分类检索快速向“网络爬虫+排序算法”演进，并且变得越来越能够理解自然语言和处理关键词含义，能够根据人们的兴趣定制网页重要性权重。该时期推荐系统发展如火如荼，如网上购物推送广告信息、购买意向预测等，能够根据人们的购物或浏览历史行为，对人们的潜在兴趣点进行预测。
        商业模式：推荐系统
        机器学习在推荐系统中有着广泛的应用，主要有基于商品的推荐算法、基于用户的推荐算法及混合推荐算法等。
        比如，淘宝、京东等在推荐系统上进行了大量投入，帮助用户能够更快地到意向商品。再比如，2009年4月百度正式推出搜索推广专业版（“凤巢”推广系统），通过机器学习技术提升广告点击率准确度。
        应用领域：
        智能机器人、人机博弈、手写体识别
        该阶段我国将人工智能相关技术成功应用于智能工业机器人、博弈、手写体识别等领域。
        在智能工业机器人方面，我国成功研发出一系列智能工业机器人。例如，放射源操作机器人、移动印刷机器人、切割机器人、激光焊接机器人、锁螺丝机器人、码垛机器人、涂胶机器人等。2001年由中科院沈阳自动化研究所研制的自动导引运输装配系统通过验证，并成功应用于我国汽车产业。
        在人机博弈方面，2006年8月举行的“浪潮杯”首届中国象棋人机大赛上，浪潮天梭以11比9的成绩打败柳大华、徐天红、卜风波、张强、汪洋五位象棋大师。
        在手写体识别方面，2010年我国自主研发出能够识别中文地址的新一代信函分拣机，在地址库驱动下，实现了信封上汉字地址的高效识别，其识别技术主要是机器学习算法。
        成长阶段：
        计算能力提升打下坚实基础
        （2012年-2015年）
        关键词：深度学习
        随着云计算技术和芯片（GPU、FPGA及TPU）处理能力的迅速发展，深度学习为代表的人工智能核心技术突破，使得图像识别、语音识别、自然语言处理等前沿技术的能力和应用效果得到了较大幅度的提升。
        该阶段，人工智能相关领域增长迅猛，国内的互联网巨头企业纷纷加大了人工智能领域
布局，构建了一系列人工智能开放平台。
        技术发展：
        计算能力、大数据、深度学习
        GPU（图形处理器）、FPGA（现场可编程门阵列）及TPU（张量处理器）等芯片的快速发展，使得基础计算能力大幅提高。
人工智能ai正则化使用方法
        当前应用较为广泛的是“CPU+GPU”模式，相比于单纯使用CPU，GPU拥有更快的处理速度、更少的服务器投入和更低的功耗。比如，AlphaGo与李世石的围棋比赛中，AlphaGo的配置是280颗GPU和1920颗CPU。
        FPGA作为一种半定制的集成电路，优点是根据应用特征来定制计算和存储结构，具有较高的性能功耗比，重构功能也方便了算法调优。百度大脑的专用AI芯片主要基于FPGA。
        TPU是谷歌专门为人工智能打造的一款芯片，二代TPU的每秒浮点运算量据称可达180tera FLOPS，比GPU Tesla V100的120tera FLOPS高出50%，TPU当前主要应用于谷歌内部。
        应用领域：图像识别、语音识别
        百度在2012年底将深度学习技术成功应用于自然图像OCR识别和人脸识别等，并推出相应的桌面和移动搜索产品。深度学习模型被成功应用于图像的识别和理解，错误率降低了30%，人脸验证的准确率则超过98%。深度学习正在取代传统的“人工特征+机器学习”的方法而逐渐成为主流图像识别方法。同年，百度上线了基于深度神经网络技术的语音搜索系统，采用深度学习技术进行商业语音服务。
        企业分析：积极布局人工智能
        百度、腾讯、阿里巴巴、华为等国内企业积极布局人工智能领域。
        百度正在从互联网公司过渡到人工智能公司，2014年在硅谷成立人工智能研究中心，发布整合大数据、百度地图的智慧商业平台，并与宝马签署共同研发自动化驾驶技术的合作协议，成立自动驾驶汽车事业部。
        腾讯在2015年成立智能计算与搜索研究室，推出撰稿机器人dreamwriter。阿里巴巴致力于底层平台搭建，推出人工智能平台DTPAI，并联合富士康向机器人公司SBRH进行战略
注资。
        华为在2012年成立诺亚方舟实验室从事人工智能研究，主要在数据挖掘领域，并研发出神经应答机，发布了基于深度学习的单轮对话生成模型。
        商业模式：
        以开放平台方式构筑产业生态
        该阶段的主流商业模式是开放平台，以“云+端”的形式向用户提供智能服务接口。
        例如，科大讯飞于2010年发布其开放云平台，该平台免费向开发者提供科大讯飞的语音合成、语音识别、语音唤醒、语义理解等智能服务，已与腾讯、滴滴、高德、优必选、美的等企业建立合作关系。2014年，图谱科技搭建了基于深度学习技术的图像识别开放云平台，为企业和开发者提供包括图像内容审查、人脸识别、文字识别、自然场景识别、图像风格化、图像搜索等接口。
        投资热点：快速上升
        随着人工智能应用范围的扩大，我国人工智能行业的投融资快速升温，2015年我国人工智能领域的相关投资额已经达到2012年的23倍。人工智能领域的获投率为67.65%，获投率整体数值高于其他行业2-3倍。从分布来看，应用类占比71%，技术类占26%，数据资源类占3%。在技术类中，计算机视觉、数据平台类企业获投率较高。
        快速发展阶段：
        政策与资本的强力助推
        （2015年至今）
        关键词：政策助推、资本进入
        2015年至今，受政策和资本的强力助推，我国人工智能技术和产业呈爆发式增长态势。目前，我国三大互联网公司纷纷推出了自己类人脑研发计划以及人工智能平台，并已经在客服、金融等领域取得了一定程度应用。
        技术发展：爆发期
        我国人工智能研究正处于爆发期，中国人工智能专利申请数累计达到15745项，位列全球第二。
        我国在计算机视觉、语音识别技术方面已处于国际领先水平，技术成熟，相关革命性应用产品有望持续推出：
        在语音识别技术方面，百度、Google、Sound Hound等国际巨头的语音识别准确率在 2015年便均已超过90%。以2016第四届CHiMEChallenge结果来看，大部分参赛团队在六麦克风条件下识别错误率已低于7%，国内龙头科大讯飞甚至已降至2.24%，准确率正在向接近99%的人际交互质变阈值。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。