新冠肺炎疫情下人工智能技術應用概況與展望

胡樂煒

摘要：本文首先概述了人工智能的概念和主要研究方向。然后討論了在新冠疫情中，典型行業人工智能技術的應用情況和展望。

關鍵詞：人工智能;疫情;機器學習

中圖分類號：TP391文獻標識碼：A文章編號：1672-9129（2020）03-0038-01

Abstract：Thispaperfirstsummarizestheconceptofartificialintelligenceandthemainresearchdirection.ThentheapplicationandprospectoftypicalindustryARTIFICIALintelligencetechnologyincoVID-19arediscussed.

Keywords：artificialintelligence;Theoutbreak;Machinelearning

自從新型冠狀肺炎病毒疫情在全世界擴散開來，在人類與病毒間沒有硝煙的殊死搏斗過程中，人工智能技術扮演者前所未有的重要角色，各類人工智能技術應用的新場景不斷涌現，催生出全新的商業模式和商業流程。可以預見，未來，人工智能將深刻影響和改變人們生活的方方面面。

1人工智能概述

1.1人工智能的概念。簡單來說，人工智能是計算機科學的一個分支，涉及構建能夠執行通常需要人類智能任務的智能機器。人工智能可以劃分為兩大類，包括狹義人工智能和廣義人工智能。狹義的人工智包含當今在計算機程序算法中隨處可見的應用范式，即在沒有經過明確程序規則的情況下，被教會或學會如何執行特定任務的智能系統。這種人工智能在智能手機虛擬助手的語音和語義識別、自動駕駛汽車上的視覺識別系統、以及推薦系統中應用得很廣泛。然而，與人類不同，這些系統只能學習或被教授如何做特定的任務，這即是被稱為狹義人工智能的原因。

廣義人工智能則是人類創建的適應性智力類型，展現為一種靈活的智力形式，能夠學習如何執行截然不同的任務，從理發到構建電子表格，或者根據其積累的經驗，推理各種各樣的主題。理想的廣義人工智能常見于電影作品，例如《終結者》，但還并未真正實現。

1.2人工智能的主要研究方向。當前，針對人工智能的研究囊括大量的研究議題，其中很多研究方向互為補充。機器學習是人工智能的一個重要的研究方向。在機器學習的過程是通過向計算機系統輸入大量數據，然后用這些數據學習如何執行特定任務。在機器學習過程中，最為關鍵的是通過一定的算法構造神經網絡。神經網絡中存在層次，由相互傳遞數據的節點（神經元）連接，它們通過在各層之間傳遞輸入數據時調整權值來完成特定的任務。在訓練這些神經網絡的過程中，附加到不同輸入的權值將會持續變化，直到神經網絡的輸出非常接近期望的值，此時網絡將學會如何執行特定的任務。神經網絡的類型多種多樣，各有優缺點。例如，遞歸神經網絡是一種特別適合于語言處理和語音識別的神經網絡，而卷積神經網絡更常用于圖像識別。

人工智能研究的另一個重要的研究方向是進化計算，它借鑒了自然選擇理論，認為遺傳算法會在兩代人之間進行隨機突變和組合，而不斷嘗試優化給定問題的最優解。進化計算的相關研究主要用來幫助設計人工智能模型，以有效地迭代提升人工智能程度。利用進化算法優化神經網絡被稱為神經進化，隨著智能系統的使用變得越來越普遍，特別是在對數據科學家的需求經常超過供給的情況下，進化算法可能在幫助設計高效人工智能方面發揮重要作用。

此外，專家系統也是人工智能重要的研究方向。在專家系統中，會編制若干規則，允許它們根據大量輸入做出一系列決策，允許機器模仿特定領域的人類專家的行為。

2疫情期間人工智能技術的應用現狀及展望

面對新冠疫情，“無接觸”經濟開始興起，使得人工智能技術有了絕佳的試驗場地，以下結合醫療、物流和零售三個典型行業，淺析人工智能的應用和思考。

2.1醫療行業。醫療領域無疑是當前急需采用人工智能技術的行業，眾多人工智能技術首次在疫情中采用。例如，火神山醫院投入使用的醫療服務機器人豹小弟，能夠替代護士完成紅外測溫、發熱問診等任務。又如，騰訊提供的人工智能輔診方案，在患者CT檢查后最快一分鐘內就可以為醫生提供輔助診斷的參考，幫助醫生節省了大量的寶貴時間。人工智能在醫療領域的應用不僅緩解醫務人員的工作壓力，而且有效減少了交叉感染，保障了醫護人員的安全。未來，基于海量的病歷數據和與之相關聯行為數據，相關的研究人員還需要利用多維度分析和模擬技術，構建和優化出高維度機器學習模型，預測和控制疫情的發生。

2.2物流行業。物流領域的企業很早就開始利用人工智能技術提示物流服務質量，當前的新冠疫情條件下，要求人與人之間盡量避免接觸，更是加速了人工智能技術在物流領域的應用。當前，人工智能技術在物流行業的應用更多是體現在揀貨機器人、配送匹配算法等初級的場景。不久的將來，基于AI的無人駕駛技術、利用神經網絡算法構建的物流需求預測技術，以及不斷成熟的機器人技術等都會不斷催生出無接觸的物流模式。更進一步地，人工智能將推動運輸、倉儲、配送等全面改造。主要有智能感知、圖像、語言處理、知識圖譜、數據挖掘等，將大大降低物流運營成本、及人工勞動強度，推動物流業將服務由勞動密集型向科技密集型轉變。

2.3零售行業。突如其來的疫情中，零售業無疑是最受傷的行業之一。更為不幸的是，零售業正處于互聯網人口紅利消失，傳統線下零售渠道占比萎縮的發展疲軟期。不過應該看到在可預見的未來，人工智能技術的應用或能扭轉零售業萎靡不振的態勢。當前，從各場景的應用程度來看，精準營銷及智能客服的發展相對成熟，智能化運營、商品識別分析的發展速度相對較快，未來供應鏈網絡效率智能優化的使用將會收獲更多的增益價值。此外，疫情期間，無人零售的核心價值被真正發掘，開始回歸銷售商品的本質，幫助零售門店打造無接觸銷售模式。

3總結

本次疫情期間，人工智能在疫情防控、物流配送、民生保障等諸多方面都發揮了積極的作用。未來，乘著國家推進新型基礎設施建設相關政策的東風，人工智能技術將會與實體經濟更緊密的結合。

參考文獻：

[1]崔亞東.人工智能應用與治理[J].行政管理改革，2020（06）：4-10.

[2]楊虎濤.人工智能如何為高質量發展賦能[J].人文雜志，2020（05）：31-42.