2017年智能技術發展趨勢

賽迪智庫信息化中心助理研究員劉鵬宇認為，人工智能產業和工業式的產業發展完全不一樣， 人工智能企業正在通過積木式創新，進行分工協作，協同創新，共同推動人工智能產業發展。

2016年12月23日，在中國信息產業經濟年會上，賽迪智庫發布了2017年智能技術的八大預測解讀。

第一，人腦仿生取得重大突破。

人腦仿生主要有兩個重要領域。一是再造人類大腦，即模擬人腦功能。通過研制人造神經元，將電信號轉變成化學信號并與其它腦細胞進行交流。二是建立腦機接口，即把機器與大腦進行連接。用特定設備讀取大腦信號，并對機器進行操控。IBM是人腦仿生研究的主力軍，它研制了第一個類腦芯片、類腦計算機和人造神經元。目前，我國中科院計算所也研制出類腦芯片——寒武紀。

第二，機器學習將在數據量大、需求迫切的領域深入應用。

大數據已成為決定機器學習質量高低的關鍵要素，可以說無數據不智能。現在機器學習已滲透進入醫療、金融、新聞等行業，這些行業的突出特點是數據規模大且痛點明顯，亟須引入機器學習技術提升行業服務質量和精準度。例如，IBM公司的沃森醫療產品利用300多份醫學期刊、200多種教科書，近1000萬頁文字，能夠為腫瘤患者制定個性化治療方案。今年8月，沃森醫療已進入中國21家醫院。

第三，智能語音助手將成為自然語言理解發展的突破口。

自然語言理解能夠教會機器如何聽懂人類語言背后的意圖。智能語音助手可以說是一個非常好的突破口，它是人與機器交流的中間媒介，能夠把人的需求與后臺海量數據、物聯網設備、社會人群連接在一起，覆蓋面極廣，滲透力極強。它就像人類的貼身管家，目前亞馬遜Alexa、蘋果Siri、微軟小娜等是市場認可度較高的語音助手。智能語音助手在智能家居、輔助駕駛、個人助理等領域用途較多，幫助人們操控設備、獲取信息。未來智能語音助手的作用并不局限于此，而是成為所有平臺、服務、數據的統一入口。

第四，機器視覺將向生產生活領域不斷滲透。

機器視覺是人類視覺功能的外向延伸，是機器與環境交互的通道。機器視覺將在生產生活領域不斷滲透。對深度學習算法的吸收融合，是機器視覺技術區別傳統視像技術的最為關鍵的方面。除了無人駕駛汽車以外，無人值守裝備將在未來進入規模應用階段，無人機、無人船等將不斷涌現，不斷豐富社會創新產品的應用。

第五，AR將超越VR率先駛入快速發展車道。

VR和AR都需要構建虛擬數字圖像，但是所構建數字圖像的呈現位置有所區別。AR將數字圖像直接呈現于物理環境中，而VR則將數字圖像呈現在與物理環境完全脫離的虛擬空間中，用戶是脫離于物理環境而完全沉浸于虛擬空間中的。這也決定了VR和AR應用場景的不同。VR正朝偏靜態、全沉浸的方向發展；而AR正向移動化、開放化、輕型化的方向發展。

在現有硬件技術條件下，由于AR技術能夠與移動終端更好的融合，AR將在智能手機、可穿戴智能硬件的配合下，不斷豐富內容，超越VR，進入快速發展期。

第六，區塊鏈是把底層數據按時間區塊進行記錄，并由分布式節點達成存儲共識的技術。

區塊鏈技術正在由若干領域初步應用期向若干領域深化應用期過渡，處于技術應用深化階段，呈現平臺化、開源化、融合化的發展趨勢。比如在開源化方面，谷歌公司利用開源平臺思路，成功打造了安卓生態。開源可以最大化匯聚資源，對平臺進行快速迭代更新。全球最大的區塊鏈聯盟R3，已開源其分布式公共賬本Corda平臺。

第七，數字孿生將打造居民生活的信息物理空間。

數字孿生（Digital Twin）是一種實體空間與虛擬空間的數字化、網絡化、智能化的映射關系，在物理與數字兩個空間同時記錄個體全生命周期運行軌跡。該技術源起于航天飛行器健康維護與保障，然后，廣泛應用于工業領域仿真分析、產品定義、制造裝配工藝、測量檢驗等模型的構建，并與數字化加工裝配系統、數字測量檢驗系統、產品實物等建立虛實結合、及時響應的對應關系。未來，數字孿生將逐步向生活領域延伸，通過采集居民健康、教育、出行、娛樂、消費等領域的大數據，破除以往局限于單一領域的數據挖掘與智慧應用的孤島，建立面向個人全生命周期的多領域融合、多維度展現、全綜合分析的數字孿生體，通過對來自不同領域的大數據進行聚合學習，為個體生活工作提供更科學、更精準、更可靠的預測與指導。

第八，人工智能產業生態加速形成。

人工智能產業鏈主要由基礎設施（硬件、數據）、核心算法（算法工具、通用技術）、應用平臺（開源平臺）和解決方案（垂直領域應用）等環節構成。

三種模式正從不同路徑共筑人工智能產業生態。一是自上而下，即單個企業從人工智能產業鏈上游（基礎設施）開始向下游（核心算法、應用平臺、解決方案）延伸。二是自下而上，即單個企業從人工智能產業鏈下游（解決方案）開始向上游（基礎設施）回溯。三是自中間到兩端，即單個企業從人工智能產業鏈中游（應用平臺）開始向上游（基礎設施）、下游（解決方案）環節擴展。