李德毅院士《AI：人类社会发展的加速器》 | 人工智能如何驱动实体经济？六大领域展望
李德毅院士《AI：人类社会发展的加速器》
本文转载自智能制造百人会（ID：cim100zhihuigang），
来源：“产业智能官”（ID：AI-CPS）
10月12日，第七届中国智能产业高峰论坛在佛山开幕，在第一天的主论坛上，中国人工智能学会理事长、中国工程院院士李德毅发表了主题为《AI：人类社会发展的加速器》的精彩演讲。在报告中，李德毅院士分析了人工智能与智能科学技术的区别与联系，深刻讲解了人工智能的内涵与外延。通过各种具体的事例为与会嘉宾详细介绍了人工智能是如何以润物无声改变整个世界的。
中国人工智能学会理事长、中国工程院院士李德毅
以下为演讲实录：
各位我讲一讲最近我们关于人工智能的思考。我在准备这个报告先讲了一个题目，叫做《AI——新经济发展的新引擎》。因为我觉得新经济、新工艺、新工科，人工智能是一个新引擎。昨天吃饭的时候听说美的把库卡买下来了，成了库卡公司的最大股东，我很振奋，因为在工业机器人上我们远远不如德国。但是今天我们看人工智能、看机器人，我们提出了除了工业机器人，还有农业机器人，还有服务机器人，还有医疗和康健机器人等等，吃饭的时候大家议论说美的把库卡买下来了，是中国人聪明，还是德国人聪明，最后大家的结论是，中国人聪明，德国人也聪明，并不是德国人不聪明。所以我在想人工智能作为新经济、新引擎的同时按，还有一个更重要的作用，就是对全社会发展的加速器作用。我今天报告的题目是《AI——人类社会发展的加速器》。
2016年阿尔法狗战胜了人类冠军，回顾1956年达根摩斯会议走过了这么多个年头，我们额外怀念那些为人工智能做出积极贡献的科学家、工程师们，人工智能从跌跌爬爬到奔跑，到现在快速奔跑，已经对世界经济人类社会和社会进步产生了积极、深刻的影响，我们已经可以更加充满前进的勇气去拥抱人工智能的新时代。当我们看到麦卡锡等人在大会上的照片的时候，当我们回顾 “人工智能之父”图灵在36年写的文章、在56年写的文章，看到麦卡锡、哈德西蒙等图灵奖获得者，我们发现对技术贡献大的很多科学家都对人工智能有很大的贡献。
我们回忆一下，这60年如果找两个典型代表，我想了半天，我想这两个可以拿来讨论一下。第一个就是围棋，或者说阿尔法狗程序，充其量把它叫做围棋脑。
我们看一下阿尔法狗版本升级的过程。2015年10月，第13版本胜樊默二段，不到一年第18版本胜了李世石，4：1，到了2016年12月胜了人类60个高手，到了17年5月版本打败了柯洁，3：0，人类终于服气了，就像当初我们终于服气了拖拉机力量比一个人的力量大，所以大家现在也坦然了，我们人类发明的机器人在智能上某一个领域超过人应该是一个常态，无须大惊小怪。
我们看看李世石这样一个人类的棋手升级的速度，他9岁学棋，12岁入段，15到16岁进入二段、三段，到20岁升为六段，后来在比赛中胜了韩国的冠亚军，并夺得了第16界的富士通杯的冠军，20岁升为九段。从9岁到20岁花了十多年才变成九段棋手。但是阿尔法狗每一年都在跳，2年就行了。
我们再看看柯洁。柯洁5岁学棋，到18岁拿下三大杯的冠军，用了十多年，这告诉大家一个什么问题呢？告诉我们围棋脑自向进化的速度比一个生物人自向进化的速度要快。随着围棋空间的扩大，围棋脑和围棋手谁升得更快呢？我查了一下围棋的历史，考古学家发现，围棋一开始的棋盘很小，10×10，后来经历了12×12、13×13、15×15、17×17，从唐代开始，唐宋明清到现在都用19×19的棋盘，我们还是在学习，一开始学5×5棋盘，然后搞了一个9×9的棋盘。从唐代开始，唐宋明清一直搞，大家觉得人的智商对于这样的围棋空间大概已经够厉害了，所以19×19的棋盘就冻结了。
人工智能的力量会有多大？假如现在我们把空间再大一点，改成21×21的棋盘，我们想问一个问题，随着围棋空间的扩大，机器做的围棋脑和生物人的围棋手谁适应得更快？围棋高手都知道，19×19的空间即二维乘二维的空间在程序里面大概改一个参变量就可以了，所以我相信21×21乃至更大的棋盘，37×37，把棋盘翻一番，阿尔法狗的潜力还大。所以不仅要看到今天阿尔法狗胜了，还要看到如果棋盘空间扩大以后，一个人的思维空间是远远不够的。这时候怎么办？唐宋明清4个朝代一千多年了棋盘都扩大不了，但是对于阿尔法狗来说扩大一点不是那么费力，这是一个问题的方面。
再看另外一个方面，如果我们把阿尔法狗程序和象棋程序放在一个机器上，让它同时战胜人类的围棋冠军和国际象棋冠军，我认为这个难度不是很大，我们的高性能计算机以用更多服务器、更多网络来支撑，但是要是把一个生物人让他同时成为围棋冠军，又成为国际象棋冠军，何其难也。因此，我得到一个重要结论，为什么说新经济、新引擎？围棋脑版本的升级速度会远大于围棋手段位的进化速度，会远大于围棋人的自然进化速度。还有一个结论就是，群体智能的围棋脑。因为现在的阿尔法狗能够战胜60个围棋手，已经不是一个人智慧，远远大于单个生物脑围棋的智能，高明的围棋手与阿尔法狗下棋没有意义了，不平等。
下面再看另外一个例子，驾驶脑。现在无人驾驶全世界风靡一时，不但搞汽车的人做，搞人工智能在做，全世界的工程师都在做，任正非、董明珠、阿里巴巴都要涉足无人驾驶，什么原因？因为它是一个“人工智能之母”。这个提法我也是刚刚学到，我以前知道“人工智能之父”是图灵，结果我听说无人驾驶是“人工智能之母”什么道理？他说车辆里面有很多传感器，能够产生大数据，能为人工智能，所以它是“人工智能之母”，因此人工智能这个平台是“人工智能之母”，我觉得好象也有一点道理。我们看看人类司机，我们看一个司机的驾驶技能是怎么进展的。我们可以把一个司机分为几个阶段，一开始考驾照，必须有驾照才能上路，这是底线。其次刚刚拿到驾照的时候驾驶技巧很差，后来经过一两年的“菜鸟期”，经过三四年的成熟期，终于你开了1万多公里，终于技巧积累比较多，于是最后你变成一个老司机，大概要三四万公里以上。一个自然人对驾驶技术积累是这样一个过程。
无人驾驶呢？我们看一下无人驾驶的过程。无人驾驶无论是自动驾驶，还是自主驾驶，昨天我跟德国一个专家在一起讨论，他认为自动化和智能化是两回事，我说这个事情在中国的文化里面比较难讲清楚，但是驾驶脑版本的升级速度远大于人类驾驶员驾驶的进化速度，我想这一点大家是会同意的。体现群体智能的驾驶脑的环境适应能力远大于单个驾驶人特定场景的适应能力。如果你用我的团队的无人驾驶车，在广东开车，让熟悉佛山的地理、地形，突然又把他调到深圳去开，在我那里只要把地图换掉，很快这辆车就可以变成深圳的马路通。但是对于一个人来说，你熟悉了佛山不等于熟悉了深圳，所以我用这个围棋脑和驾驶脑告诉大家一件事情，这就是我的结论，工具从来都有两面性，对科学、对人工智能要有敬畏之心，不要老是以为你是弱智能，我是强智能，不是这样子的，机器有时候做得比人还好。我这一次来的时候，在首都机场晚到了几十分钟，我亲眼看到一个人开的汽车追尾了前面一辆车，我就思考，得出一个重要结论，人类对人犯错误的容忍能力比较大，他追尾了，查他的责任，理赔一下就算了，假如说无人驾驶开一辆车追了前面的尾，这个车主一定要把车子拿回车厂让赔钱，就是人类对机器人犯错的容忍程度要求比较苛刻，对人犯错的程度比较宽恕，这件事情就导致了无人驾驶的难点，不公平，因为无人驾驶的车大家认为你不应该追尾，结果你追尾了。所以我觉得我们在研究人工智能的时候，我们对人工智能要有敬畏之心，不是简单说它总是弱的，它在一个特定领域，尤其在象棋和围棋领域可以是一个机器人同时战胜两个生物人，这是了不起的。最近我经常被问起，到处都在问人工智能很火，里面到底有什么东西，你们这个学科是怎么分类的，我想花一点时间讲一讲人工智能的内行和外延。
这里面有一个最大的问题，就是智能科学与技术跟人工智能相等吗？是同一个词吗？你们学会争论一级学科的时候为什么不直接用人工智能呢？我看到有一个群体讨论得很好，也在讨论这两个的差别，我在这里做一个简单的说明。
我个人认为，目前智能科学技术跟人工智能就是一个同义词，就是一回事，远距离看不要太介意它有多大差别。我们人工智能学会又叫智能科学技术学会，有的地方叫人工智能学院，有的地方叫机器人学院，有的地方叫智能科学技术学院，总体上都是搞智能，没有多大差别。那么如果一定要说它有差别，我们能不能做一个注解，它哪些地方有差别，我想跟大家讨论一下，下面的4个方面有一点差别，使得我最终选择了智能科学技术作为一级学科，而不是用人工智能作为一级学科。
注解一
Minsky当初提出Artificial Intelligence，这个词在60多年的发展过程当中，无论在教科书里，还是在论文里，还是在著作里面，用的频度不大，所以我们作为学科认证的时候，没有把人工智能作为它的命名，因为这个词用的频度太少。当然这个词也没有注错，但是毕竟群体智能对这个词还不太喜欢，或者用得比较少，所以在中国的语境里面，认证一级学科的时候，我们希望用智能科学技术来覆盖更好、更稳，更符合我们中国的文化，这是第一个注解。
注解二
我们说人工智能，无论是图灵测试，还是后来人们认识的人工智能，都是受人脑认知启发的人工智能。如果不把脑认知搞清楚，人工智能就搞不清楚，因此人脑认知是生物智能，它比人工智能外延要宽，因此我们主张用智能科学与技术，要研究脑认知的基础怎么样启发我们研究人工智能。
注解三
人工智能研制出来的产品赋予社会之后，一定要跟人交互，一定要人跟它评价，所以人类跟机器人之间的交互认知不可或缺，因此这也超过了人工智能自身定义的范畴，所以我们觉得用智能科学与技术更好一点。
注解四
因为大家都在担心人工智能会不会超过人，如果用人工智能这个学科，就会把这个担心再扩大化。实际上所有人工智能的产品产物都是跟人分不开，更多出现的对抗是这一群人和这一群机器人同另外一群人和另外一群机器人的对抗，不会出现这样一个物理世界说人类在一边，机器人在另外一边，互相对抗，这是不可能出现的，有人把它叫做伪命题，就好像世界不会出现男人在一边、女人在另一边对抗一样，因为每个家庭都有男人和女人。因此从这个角度来讲，人工智能会引起大家一个担心，智能科学与技术不会引起这个担心，因为智能里面既有人的智能，也有机器的智能。所以我个人同意用智能科学与技术，我们学会都同意用智能科学与技术，我希望这件事情以后就不要再过多地议论它，就是一个同义词，基本都一样，说得宽一点就是一回事，不要再议论这个差别，我们主要是把人工智能推向前进，它的新经济、新引擎做出来，把它的加速器做出来就可以了。
下面我们讲一讲人工智能的内涵，也就是智能科学与技术的内涵，大概有4个核心学科。第一个学科，我们曾经叫做脑认知，后来跟生命科学家讲，他说脑认知太大，你们叫脑认知机理，后来说脑认知机理没有搞清楚，但是受脑启发，于是我们把它叫做脑认知基础。第二、第三分别讲机器感应与模式识别，是两个重要的核，一个代表图像视觉，一个代表语言听觉。1977年美国斯坦福大学计算机科学家费根鲍姆教授(提出了知识工程的概念，知识工程已经有40年的历史，而其他的历史都长过它，所以这4个二级学科的历史都很长。还有一个外延学科，叫做机器人与智能系统，下面我把每一个学科研究的内容用一张PPT大概概括一下。
第一个学科
脑认知基础阐明认知活动的脑机制，即人脑使用各层次构件，包括分子、细胞、神经回路、脑组织区实现记忆认知、计算认知、交互认知等活动，以及如何模拟这些认知活动。包括认知心理学、神经生物学、不确定性认知、人工神经网络、统计学习、机器学习、深度学习等内容。
第二个学科
机器感知与模式识别研究脑的视知觉，以及如何用机器完成图形和图像的信息处理和识别任务，如物体识别、生物识别、情境识别等。在物体的几何识别、特征识别、语义识别中，在人的签名识别、人脸识别、指纹识别、虹膜识别、行为识别、情感识别中，都已经取得巨大成功。
第三个学科
自然语言处理与理解研究自然语言的语境、语用、语义和语构；大型词库、语料和文本的智能检索，语音和文字的计算机输入方法，词法、句法、语义和篇章的分析，机器文本和语音的生成、合成和识别，各种语言之间的机器翻译和同传等。尤其是计算语言学和语言数字化取得巨大成功，例如信息压缩和抽取、文本挖掘、文本分类和聚类、自动文摘、阅读与理解、自动问答，话题跟踪、语言情感分析、聊天机器人、人工智能写作等，形成一大批井喷成果，中文信息处理与理解尤为突出。最近看到一篇报道，说俄语有点衰退，华语、汉语在全世界都在往上发展，我们的孔子学院立了大功了。
第四个学科
是知识工程研究如何用机器代替人，实现知识的表示、获取、推理、决策，包括机器定理证明、专家系统、机器博弈、数据挖掘和知识发现、不确定性推理、领域知识库；还有数字图书馆、维基百科、知识图谱等大型知识工程。
人工智能的外延主要讲机器人与智能系统。机器人一个很大的领域长期以来找不到自己的学科定位，今天终于找到了，是我们的第五个学科，叫机器人与智能系统，包括工业机器人、农业机器人、医疗与康健机器人、服务机器人、太空机器人、国防机器人等等。对于智能系统就太多了，智能商务、智能农业、智能物流、智能政务、智能医疗、智能金融、智能法庭等。当前机器人和智能系统的普遍应用大大推进人文理工各个学科的科技进步和全社会经济、国防和人民生活的迅猛发展，我们长期奋斗，要把智能科学与技术纳入到本科来。我们说本科不牢，地动山摇，智能教育要回归本科。在国务院的智能发展规划里面，提出了智育教育要从中小学抓起，在大学更不能断层，不能只有研究生的智能专业，而没有智能的本科。
人工智能的内涵与外延大概构成这一个关系，核心是4个基础学科，外围是全社会辐射的一个应用学科，我用这个图大概讲一讲我对智能科学技术内涵和外延的认识，智能科学技术的5个二级学科发展历史如此悠久，奠基人阵容如此强大，包括诺贝尔奖、图灵奖获得者等，以及华人和中华文化在其中的作用如此明显，是许多其他一级学科难以比拟的。
为什么库卡会卖给美的？是德国人聪明，还是中国人聪明？因为制造工业已经走上智能制造的时代，制造业是世界经济的脊梁，当今汽车制造业又是制造业的脊梁，所以你到汽车整车厂商看看，到处看不到几个人。我国的汽车产销量已经连续8年居世界第一，工业机器人在汽车产业的应用尤其突出，你到哪个国家看它的制造，就看汽车业的制造有人还是无人，你们到德国博世的工厂看看，基本上没有人。但是2015年我国每万名产业工人拥有工业机器人的数量平均是49台，全球平均是69台，我们比全世界的平均水平要低，韩国就在我们旁边，韩国513台，差别巨大。智能化新能源汽车正成为制造业的下一个风口，机器换人，势在必行。我和奥地利的专家坐在一起，他给我一个数字，他说在奥地利如今一个人的工厂或者企业占全国所有企业的三分之一。我们国家“夫妻店”是两个人的工厂，比我们还要低，我们中国人多，到底人多好还是人少好？所以对制造业的冲击是很大的，差距是很大的。三分之一是什么概念？我的一个学生现在搞创新创业，一下子找了20个人，我说员工不能多了，多了不一定好事。昨天我和广东省一个领导坐在一起，他说佛山人的脑袋特别灵活，我不知道怎么灵活。
第一是制造业，第二我觉得是教育。我很感谢英伟达当我们这个大会的主席，因为英伟达对中国的教育做出了贡献。英伟达的芯片在很多教学里面都是它的实验平台，卷积神经网络算法，借助成千上万台的CPU+GPU服务器架构的超计算能力，超过大量数据样本做混合的大规模深度学习训练，可确定人工神经网络模型中的几十亿个参数，这样制作的智能芯片用于语言识别、人脸识别获得了显著成效。尤其是语音识别对人类的发展，现在可以翻译方言，已经进入到千家万户，这是什么概念？死记硬背、大量做题，机器一定做得比人好，所以对我们教育的挑战是从根本上的。所以怎么样看待教育？怎么样看待我们的教育的基本理念？我们的基本理念是什么？教育就是知识的积累，一个知识点、两个知识点一直积累，知识就是学问，知识就是力量，所以我们的教师传授知识，学生掌握知识，评价是考知识，尤其是高考。当机器人考过考生的时候，我们怎么看待这个教育？这个公式对不对？教育等于知识的累计吗？人脑中的存量知识，记忆的能力既有利于发展好奇心和想象力，这是大家都知道的，知识就是力量，后面的这句话是我说的，大着胆子在这里提出来，碰撞一下，也制约了好奇心和响亮的发展。知识是没有穷尽的，所以我说了这样一句风险比较大的话，人脑中的存量知识既有利于发展好奇心和想象力，也可能制约好奇心和想象力的发展。因此我个人认为人工智能对教育的改革将会做出有力的贡献。
什么是教育？我认为是培养3个能力，第一培养学生获取知识的能力。我认为过去知识的能力比一个人的知识存项还重要。第二个问题，决策的能力。其实我们每时每刻无论你是领导干部、官员，还是企业家，还是学者，你整年都在做决策，决策重要的一个就是选择，你的决策能力怎么样很重要，你来参加这个会议还是不来参加这个会议，这是你的选择，也是一种决策，要培养学生的决策能力。还要培养学习的创新能力，而不是积累的知识。知识的获取应该是主动地、积极地生长的，所以一个教师不要再怪学生太多的存量知识，而是让他怎么样获得知识。创新能力、决策能力体现了一个人的鉴赏力、判断力和思想。
因此我在这里大胆地憧憬一下人工智能引发的高考革命。将来高考什么样子，我做一个展望，第一次拿出来，我这个报告费了很大力气，怕这个词说过头，如果说过头，都是朋友帮我改一改。
第一步，以后的高考通过网络，考生对话自己感兴趣的高校，提交个人的中学学习情况，在家里就发生了，报名吗？第一步这样报就行了，一年12个月随时可以报，不一定哪一天是高考。
第二步，当被确定为候选人后，机器人对考生进行游戏式交互，全面确认考生具备的学科知识和能力。
第三步，考生被在线面试，机器人分析考生的特质和潜力。
第四步，考生通过虚拟现实，沉浸在该校该专业里学习和生活一段时间，畅谈感受，然后决定是否录取。
把高考变成一个生活很平常的事情多好，这样解放了一大堆的父母，我希望我们中国的高考是这个样子，行不行。后面这句话更重要，各个公司、公务员考试、各行各业人才选拔都可以这样做，不但是高考，腾讯、英伟达新进职员都可以这样搞，人力资源就相对轻松了，这就是人工智能对教育的变革。
云计算、大数据和人工智能成就了慕课、微课、反转课堂和个性化教学等交互认知手段逐渐把教师转型为教练，今后的大学里会出现更多的教练机器人，替代人类教师。
我70岁了，我这一辈子在医院里留下了几十张医疗影像图，为什么不拿这个图像识别提取技术去识别医疗影像？因为我们看病找医生真的是一个随即事件，医生开的药你拿回来当圣旨，其实是不是适合你很难说，为什么不找一个没有情绪而有更多知识的机器人看病呢？为什么不用专门的技术把它算出来你是癌症早期，还是一个良性瘤呢？我觉得医疗太重要了
因为所有的客观事件里边，唯独把数据化做得最好的就是金融业，他们全部是用数据说话，金融挖掘、对冲、基金高级分析师完全可以用机器人来替代。全是用数据挖掘。
请大家思考，人工智能对当前垂直行业冲击最大的是什么？
制造业，教育，医疗，金融
人类的发展史，就是人类学会运用工具、制造工具和发明机器的历史，机器使得人类更强大。今天，人类正在发明越来越多的机器人，智能手机成为你的忠实助理，轮式机器人也会比一般人开车开得更好，曾经的很多工作岗位将会被智能机器人替代，但同时又自然会涌现出更多新的工作，人类将更加尊严、优雅、智慧地生活！
人工智能如何驱动实体经济？六大领域展望
本文转载自人工智能学家（ID：AItists），来源：腾讯研究院
概要：科技进步正在成为推进经济发展的重要推动力，对中国经济发展的贡献率已经上升到56.2%。面对正在兴起的人工智能浪潮，如何占据行业发展制高点，如何促进与实体经济深度融合，形成新增长点？
“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。”——十九大报告
十九大报告关键词系列解读之三·人工智能
科技进步正在成为推进经济发展的重要推动力，对中国经济发展的贡献率已经上升到56.2%。面对正在兴起的人工智能浪潮，如何占据行业发展制高点，如何促进与实体经济深度融合，形成新增长点？
一、人工智能的再度崛起
2016年世界围棋冠军李世石在与Alpha Go的比赛中投子认输，让人们惊觉人工智能的力量已经不容忽视。过去的十年，算法、数据和计算三大要素助推了人工智能的再度崛起，互联网存储了二十多年的数据终于找到了它的历史使命：训练机器。本轮以机器学习、深度学习为主的浪潮被认为是当前面临的最为重要的技术创新和社会变革的驱动力，以算法为核心的AI时代来临。
与互联网、移动互联网一样，人工智能是基础能力。人工智能并不是单一的技术或者赛道，它将融入现有的生产中，在垂直领域加深数字化的影响，影响到所有和数据相关的领域。深度学习算法使机器拥有自主学习的能力，被应用于语音、图像、自然语言处理等领域开始纵深发展，带动了一系列的新兴产业。通过AI提高生产力以及创造全新的产品和服务，这是经济竞争和经济升级的迫切需求。
人工智能底层技术的不断发展，已经让智能机器逐步实现从“认识物理世界”到“个性化场景落地”的跨越。科技公司将人工智能视为数字革命的下一站，各大科技公司都在积极布局争取通往AI世界的“船票”。巨头之外，大量资金流入AI，中国在企业层面的融资金额已接近美国。在国家层面，各国政府正在不遗余力地推进人工智能技术发展，其在经济建设以及国家战略层面的作用日益重要。
近年来，中国政府对人工智能重视程度不断提高，持续从各方面支持和促进人工智能发展。在今年的“两会”上，“人工智能”第一次出现在政府工作报告上。随后，国务院印发《新一代人工智能发展规划》，标志着人工智能的发展成为国家战略。其中，实体经济是发展的根基，是国民经济的基础，也是中国走向未来的基石。推动人工智与实体经济结合，是加快实体经济转型升级的必然发展方向。
二、六大领域助力实体经济
人工智能不是一个遥远的概念，新一代人工智能的繁荣，衍生出了众多应用型的技术。从技术层面来看，机器人、自然语言处理（NLP）、计算机视觉与图像（CV）、语音识别、自动驾驶等技术领域是AI产业热门的分支，创业热情火爆，技术突破及应用创新层出不穷。现在应用型AI已经渗透到了各行各业，多种技术组合后打包为产品或服务，改变了不同领域的商业实践，使垂直领域AI商业化进程加速，掀起一场智能革命。
（图片来源：腾讯研究院整理）
根据此前腾讯研究院发布的《中美AI创投报告》中整理的中国AI渗透行业热度图显示，医疗行业成为目前AI应用最火热的行业，汽车行业借势自动驾驶/辅助驾驶等相关技术的发展脱颖而出，位列第二。第三梯队中包含了教育、制造、交通、电商等实体经济标志性领域。在各行各业引入人工智能是一个渐进的过程。
从最基础的感知能力，到对海量数据的分析能力，再到理解与决策，人工智能将逐步改变各领域的生产方式，推进结构转型。根据人工智能当前的技术能力和应用热度，我们展望了人工智能将如何助力以下六大实体经济领域。
1、健康医疗，从辅诊到精准医疗
历史上，重大技术进步都会催生医疗保健水平的飞跃。比如工业革命之后人类发明了抗生素，信息革命后CT扫描仪、微创手术仪器等各种诊断仪器都被发明出来。
人工智能在医疗健康领域的应用已经相当广泛。依托深度学习算法，人工智能在提高健康医疗服务的效率和疾病诊断方面具有天然的优势，各种旨在提高医疗服务效率和体验的应用应运而生。
医疗诊断的人工智能主要有两个方向，一是基于计算机视觉通过医学影像诊断疾病；二是基于自然语言处理，“听懂”患者对症状的描述，然后根据疾病数据库里的内容进行对比和深度学习诊断疾病。一些公司已经开始尝试基于海量数据和机器学习为病患量身定制诊疗方案。人工智能将加速医疗保健向医疗预防转变。充分理解AI如何应用到各个医疗场景将对未来的人类健康福祉有重要的意义。
2、智慧城市，为城市安装智慧中枢
人工智能正在助力智慧城市进入2.0版本。大数据和人工智能是建设智慧城市有力的抓手。城市的交通、能源、供水等领域每天都产生大量数据，人工智能可以从城市运行与发展的海量数据中提取有效信息，使数据在处理和使用上更加有效，为智慧城市的发展提供了新的路径。
在城市治理领域，人工智能可以应用于交通状况实时分析，实现公共交通资源自动调配，交通流量的自动管理。
如今，生产自动驾驶汽车已经在梅赛德斯-奔驰等老牌钢铁巨头与科技巨头之间展开竞争。未来无人驾驶也将大幅提高城市整体通行效率，建设综合交通运输体系。
计算机视觉正在快速落地智能安防领域。腾讯的优图天眼系统正是是基于人脸检索技术和公安已有的海量大数据建模，面向公安、安防行业推出的智能安防解决方案。
3、智能制造，自动化的下一站
制造业是实体经济的支柱产业。人工智能时代到来，为中国制造2025计划进一步深化带来了重大机遇，推动中国制造业转型升级。制造从自动化走向智能化。
第一种含义是机器换人，智能化成为当前机器人的发展方向。传统的机器人只是数控的机械装置，不能适应变化的环境。与人类的交互成本也非常高。高精度、高效率、能够主动适应的机器人将能够为制造业中小批量、多品种等场景提供解决方案，使大规模定制化成为可能。
其次，人工智能不仅意味着制造业中完成某一环节工作的实体机器人，也是未来制造业的智能工厂、智能供应链等相互支撑的智能制造体系。通过人工智能实现设计过程、制造过程和制造装备的智能化。智能化将不断赋予制造业新能量，赋予制造业更高效率，甚至带来生产和组织模式的颠覆性变革。
4、智能零售，实体店加速升级
零售行业将会是从人工智能发展创新中受益最多的产业之一。在Amazon Go的带动下，各类无人零售解决方案层出不穷。随着人口红利的消失，老龄化加剧，便利店人力的成本正在越来越高，无人零售正处在风口浪尖。无人便利店可以帮助提升经营效率，降低运营成本。
人脸识别技术可以提供全新的支付体验。《麻省理工商业评论》发布的“2017全球十大突破技术”榜单中，中国的“刷脸支付”技术位列其中。基于视觉设备及处理系统、动态Wi-Fi追踪、遍布店内的传感器、客流分析系统等技术，可以实时输出特定人群预警、定向营销及服务建议，以及用户行为及消费分析报告。
零售商可以利用人工智能简化库存和仓储管理。未来，人工智能将助力零售业以消费者为核心，在时间碎片化、信息获取社交化的大背景下，建立更加灵活便捷的零售场景，提升用户体验。
5、智能服业务，“懂你”的服务入口
Bot是建立在信息平台上与我们互动的人工智能虚拟助理。在未来以用户为中心的物联网时代，Bot会变得越来越智能，成为下一代移动搜索和多元服务的入口。在生活服务领域，Bot可以通过对话提供各式各样的服务，例如天气预报、交通查询、新闻资讯、网络购物、翻译等。在专业服务领域，借助专业知识图谱，Bot也可以配合业务场景特性准确理解用户的行为和需求，提供专业的客服咨询。
虚拟助理并不是为了取代或颠覆人，而是为了将人类从重复性、可替代的工作中解放出来，去完成更高阶的工作，如思考、创新、管理。
6、智能教育，面向未来“自适应”教育
人工智能对教育行业的应用当前还处在初始阶段。语音识别和图像识别与教育相关的场景结合，将应用到个性化教育、自动评分、语音识别测评等场景中。通过语音测评、语义分析提升语言学习效率。人工智能不会取代教师，而是协助教师成为更高效的教育工作者；在算法制定的标准评估下，学生获得量身定制的学习支持，形成面向未来的“自适应”教育。
目前，一批中国人工智能企业正在蓄势待发改造各行各业。在智能革命的影响下，旧的产业将以新的形态出现并形成新产业。人工智能合实体经济的融合，既是AI产业的产业化路径，也是传统产业升级的风向标。
三、三个层面扩大对实体经济的影响
从经济学的角度，新技术的经济影响要通过全要素增长率来衡量。人工智能有望变革经济发展的基础，对社会产生广泛的、颠覆性的影响，创造出更多经济效益：
1、提高生产效率
作为一种全新的生产要素，人工智能创造了一种虚拟的劳动力，能够解决需要适应性和敏捷性的复杂任务。传统的自动化只针对特定的任务，基于人工智能的智能自动化将能够灵活解决多领域的问题，提高实体经济运行的效率，降低生产成本，开辟崭新的经济增长空间。
2、进一步降低交易成本
互联网平台模式通过降低信息不对称，降低了传统经济活动中的交易成本。随着机器学习的引入，可以实现更精准的服务匹配。进一步优化资源分配。
3、人工智能将带来数据经济
据英国政府测算，2015-2020年，数据产业将为英国带来2410亿英镑的增长。只有通过人工智能才能处理分析数据产业的快速发展带来的海量数据。这些数据金矿也将为经济带来不可预测的增长点。
四、推动AI与实体经济融合
世界发达经济体在面临人工智能技术变革时，充分认识到其中蕴含的磅礴力量。人工智能起起落落六十年，本轮人工智能革命终于走出实验室，成为下一轮产业革命的驱动力。政府从战略层面加强顶层设计，企业从底层应用提速发展，布局产业生态。国务院在此前发布的《新一代人工智能发展规划》中，明确表示了中国成为AI强国的雄心，提出了在2030年中国在人工智能领域达到世界领先水平的任务。凭借人口和数据的优势，中国在这场全球人工智能革命中有天然的优势。对于中国而言，现在是把握机遇，实现弯道超车的契机。为了释放人工智能带来的经济潜力，各界需要合作推进AI行业的发展，推动AI与实体经济融合。
1、人才培养，推动技术进步
当前，人工智能领域的竞争，主要体现为人才之争。与发达国家相比，中国在人工智能领域尚存在人才缺陷，其中既包含人工智能领域的专业学术、研发人才，也将包含未来人工智能行业中大量的低技能劳动力。需要建立核心技术人才培养体系，加强人工智能学科建设，加强企业和学术界的人才流通，打造坚实的人才基础，推进产业健康发展。此外，政府还应当创造多元的技能培训计划，并且提高全民的科技素养，甚至制定“终生学习计划”，应对多变的未来。
2、加大数据开放，推进数据治理
数据是人工智能产业发展的核心。中国虽然是世界上数据总量最大的国家，但在数据开放和数据交易方面还远未形成生态。
今天，世界各国政府都宣称“信息公开是常态，不公开是例外”，而且正纷纷从“信息公开”走向“数据开放”。政府一方面要加大数据开放，另一方面要促进企业、高校、公共部门之间的数据交换，推动合作及共享，为人工智能的技术发展培育世界一流的土壤。
同时，人工智能的发展也为开发者和政府对于数据治理提出了新的问题，在数据开放和隐私保护之间取得平衡，从而增强人工智能领域的信任。
3、加深实体经济领域的场景探索
人工智能的发力需要深度和广度。从实验室到实际应用，人工智能需要迈过商品化鸿沟。十九大报告中在提到“人工智能”时，强调与“与实体经济深度融合”，也正是要推进人工智能在应用层面落地。技术和数据本身需要找到有价值的场景进行应用才能形成产品或解决方案，实现价值。目前我们还处在人工智能的应用早期，已有大量可以与现行人工智能结合的行业与领域。尤其在实体经济，还有许多细分领域需要进一步了解人工智能的能力，对细分行业的流程进行重整，通过数据和应用的不断优化，分场景逐个突破，最终形成人工智能社会的新版图。
一网打尽系列文章，请回复以下关键词查看： |
创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧 |
热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估 |
预见未来：预见2016 | 预见2020 | 预见2025 | 预见2030 | 预见2035 | 预见2045 | 预见2050 | |
前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 | 基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 |
先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器 | |
未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空站 |反卫星 |
领先国家：俄罗斯 | 英国 | 日本 | 以色列 | 印度 |
前沿机构：战略能力办公室 | DARPA | Gartner | 硅谷 | 谷歌 | 华为 | 俄先期研究基金会 | 军工百强 |
前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普 |
专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨 | |
全文收录：2016文章全收录 | 2015文章全收录 | 2014文章全收录 |
其他主题系列陆续整理中，敬请期待…… |