人工智能标准化白皮书(2018版)(DOC111页)fqas.doc

《人工智能标准化白皮书(2018版)(DOC111页)fqas.doc》由会员分享，可在线阅读，更多相关《人工智能标准化白皮书(2018版)(DOC111页)fqas.doc（221页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Evaluation Warning: The document was created with Spire.Doc for .NET.人工智能能标准化化白皮书书（20118 版版）指导单位位：国家家标准化化管理委委员会工工业二部部编写单单位：中中国电子子技术标标准化研研究院二零一八八年一月月编写单位位（排名名不分先先后）中国电子子技术标标准化研研究院中中国科学学院自动动化研究究所 北京理理工大学学清华大学学北京大大学中国人民民大学北京航空空航天大大学科大讯飞飞股份有有限公司司华为技技术有限限公司国际商业业机器（中中国）有有限公司司阿里云云计算有有限公司司中国科学学院计算算技术研研究所中中国

2、电信信集团公公司腾讯互联联网加（深深圳）有有限公司司阿里巴巴巴网络络技术有有限公司司上海计算算机软件件技术开开发中心心上海智臻臻智能网网络科技技股份有有限公司司北京爱爱奇艺科科技有限限公司北京有生生志科技技有限公公司极限元（北北京）智智能科技技股份有有限公司司北京字字节跳动动科技有有限公司司（今日头头条） 北京商商汤科技技开发有有限公司司浙江蚂蚁蚁小微金金融服务务集团有有限公司司百度网网络技术术有限公公司英特尔（中国）有限公公司 松下电电器（中国）有限公公司重庆庆凯泽科科技股份份有限公公司海尔工业业智能研研究院有有限公司司重庆中中科云从从科技有有限公司司北京格灵灵深瞳信息技技术有限限公司目录编

3、写单位中国电子技术标准化研究院中国科学院自动化研究所 北京理工大学21前言11.1研究背景11.2研究目标及意义22人工智能概述32.1人工智能的历史及概念32.1.1人工智能的起源与历史32.1.2人工智能的概念52.2人工智能的特征72.3人工智能参考框架83人工智能发展现状及趋势113.1人工智能关键技术113.1.1机器学习113.1.2知识图谱133.1.3自然语言处理143.1.4人机交互153.1.5计算机视觉173.1.6Th物特征识别193.1.7虚拟现实/增强现实213.1.8人工智能技术发展趋势213.2人工智能产业现状及趋势223.2.1智能基础设施233.2.2智能信

4、息及数据243.2.3智能技术服务253.2.4智能产品253.2.5人工智能行业应用273.2.6人工智能产业发展趋势313.3安全、伦理、隐私问题323.3.1人工智能的安全问题323.3.2人工智能的伦理问题333.3.3人工智能的隐私问题343.4人工智能标准化的重要作用354人工智能标准化现状374.1国际标准化现状374.1.1ISO/IEC JTC 1374.1.2ISO404.1.3IEC404.1.4ITU414.2国外标准化现状414.2.1IEEE414.2.2NIST414.2.3其它424.3国内标准化现状424.3.1全国信息技术标准化技术委员会424.3.2全国自

5、动化系统与集成标准化技术委员会434.3.3全国音频、视频和多媒体标准化技术委员会434.3.4全国信息安全标准化技术委员会434.3.5全国智能运输系统标准化技术委员会444.4人工智能标准化面临的问题和挑战444.5人工智能标准需求分析454.6人工智能标准化组织机制建设465人工智能标准体系485.1人工智能标准体系结构485.2标准体系框架495.2.1基础标准515.2.2平台/支撑标准515.2.3关键技术标准515.2.4产品及服务标准535.2.5应用标准545.2.6安全/伦理标准565.3 近期急需制定标准566人工智能标准化工作重点建议59附件 1 人工智能标准明细表61

6、附件 2 应用案例80IV1 前言1.1 研究背景景人工智能能概念诞诞生于 19556 年年，在半半个多世世纪的发发展历程程中，由由于受到到智能算算法、计计算速度度、存储储水平等等多方面面因素的的影响，人人工智能能技术和和应用发发展经历历了多次次高潮和和低谷。2006 年以来，以深度学习为代表的机器学习算法在机器视觉和语音识别等领域取得了极大的成功，识别准确性大幅提升，使人工智能再次受到学术界和产业界的广泛关注。云计算、大数据等技术在提升运算速度，降低计算成本的同时，也为人工智能发展提供了丰富的数据资源，协助训练出更加智能化的算法模型。人工智能的发展模式也从过去追求“用计算机模拟人工智能”，逐

7、步转向以机器与人结合而成的增强型混合智能系统，用机器、人、网络结合成新的群智系统，以及用机器、人、网络和物结合成的更加复杂的智能系统。 作为新一一轮产业业变革的的核心驱驱动力，人人工智能能在催生生新技术术、新产产品的同同时， 对传统统行业也也具备较较强的赋赋能作用用，能够够引发经经济结构构的重大大变革，实实现社会会生产力力的整体体跃升。人人工智能能将人从从枯燥的的劳动中中解放出出来，越越来越多多的简单单性、重重复性、危危险性任任务由人人工智能能系统完完成，在在减少人人力投入入，提高高工作效效率的同同时，还还能够比比人类做做得更快快、更准准确；人人工智能能还可以以在教育育、医疗疗、养老老、环境境

8、保护、城城市运行行、司法法服务等等领域得得到广泛泛应用，能能够极大大提高公公共服务务精准化化水平，全全面提升升人民生生活品质质；同时时，人工工智能可可帮助人人类准确确感知、预预测、预预警基础础设施和和社会安安全运行行的重大大态势，及及时把握握群体认认知及心心理变化化，主动动作出决策策反应，显显著提高高社会治治理能力力和水平平，同时时保障公公共安全全。 人工智能能作为一一项引领领未来的的战略技技术，世世界发达达国家纷纷纷在新新一轮国国际竞争争中争取取掌握主主导权，围围绕人工工智能出出台规划划和政策策，对人人工智能能核心技技术、顶顶尖人才才、标准准规范等等进行部部署，加加快促进进人工智智能技术术和

9、产业业发展。主主要科技技企业不不断加大大资金和和人力投投入，抢抢占人工工智能发发展制高高点。220177 年，我我国出台台了新一代代人工智智能发展展规划（国发201735 号）、促进新一代人工智能产业发展三年行动计划（2018-2020 年）（工信部科2017315 号）等政策文件， 推动人工智能技术研发和产业化发展。目前，国内人工智能发展已具备一定的技术和产业基础，在芯片、数据、平台、应用等领域集聚了一批人工智能企业，在97部分方向向取得阶阶段性成成果并向向市场化化发展。例例如，人人工智能能在金融融、安防防、客服服等行业领领域已实实现应用用，在特特定任务务中语义义识别、语语音识别别、人脸脸识

10、别、图图像识别别技术的的精度和和效率已已远超人人工。 标准化工工作对人人工智能能及其产产业发展展具有基基础性、支支撑性、引引领性的的作用， 既是推动产业创新发展的关键抓手，也是产业竞争的制高点。当前，在我国人工智能相关产品和服务不断丰富的同时，也出现了标准化程度不足的问题。人工智能涉及众多领域，虽然某些领域已具备一定的标准化基础，但是这些分散的标准化工作并不足以完全支撑整个人工智能领域。另一方面，人工智能属于新兴领域， 发展方兴未艾，从世界范围来看，标准化工作仍在起步过程中，尚未形成完善的标准体系，我国基本与国外处于同一起跑线，存在快速突破的机会窗口。只要瞄准机会，快速布局，完全有可能抢占标准

11、创新的制高点，反之，则有可能丧失良机。因此，迫切需要把握机遇，加快对人工智能技术及产业发展的研究，系统梳理、加快研制人工智能各领域的标准体系，明确标准之间的依存性与制约关系， 建立统一完善的标准体系，以标准的手段促进我国人工智能技术、产业蓬勃发展。 1.2 研究目标标及意义义本白皮书书前期在在国标委委工业二二部和工工信部科科技司的的指导下下，通过过梳理人人工智能能技术、应应用和产产业演进进情况，分分析人工工智能的的技术热热点、行行业动态态和未来来趋势， 从支撑撑人工智智能产业业整体发发展的角角度出发发，研究究制定了了能够适适应和引引导人工工智能产产业发展展的标准准体系，进进而提出出近期急急需研

12、制制的基础础和关键键标准项项目。 本白皮书书并不预预期成为为人工智智能领域域的全面面技术和和产业综综述，不不求面面面俱到， 仅针对目前人工智能领域涵盖的技术热点和产业情况进行分析，研究提出人工智 能标准体系。人工智能标准化工作尚处于起步阶段，本白皮书只作为人工智能领 域技术、产业和标准化之间初始的连接纽带，并将在今后不断根据技术、产业和 标准化的发展需求进行修订。本白皮书不过多地给出人工智能领域观点性的陈述， 力求以较为浅显易懂的语言和方式进行阐述。 本白皮书书的意义义在于与与业界分分享人工工智能领领域的研研究成果果和实践践经验，呼呼吁社会会各界共共同加强强人工智智能领域域的技术术研究、产产业

13、投入入、标准准建设与与服务应应用， 共同推推动人工工智能及及其产业业发展。2 人工智能能概述2.1 人工智能能的历史史及概念念2.1.1 人工智能能的起源源与历史史人工智能能始于 20 世纪 50 年代，至至今大致致分为三三个发展展阶段：第一阶阶段（20 世纪 50 年代80 年代）。这一一阶段人人工智能能刚诞生生，基于于抽象数数学推理理的可编编程数字字计算机机已经出出现，符符号主义义（Syymboolissm）快快速发展展，但由由于很多多事物不不能形式式化表达达，建立立的模型型存在一一定的局局限性。此此外，随随着计算算任务的的复杂性性不断加加大，人人工智能能发展一一度遇到到瓶颈；第二阶阶段（

14、20 世纪 80 年代90 年代末末）。在这这一阶段段，专家家系统得得到快速速发展，数数学模型型有重大大突破，但但由于专专家系统统在知识识获取、推推理能力力等方面面的不足足，以及及开发成成本高等等原因，人人工智能能的发展展又一次次进入低低谷期；第三阶阶段（221 世世纪初至今今）。随着着大数据据的积聚聚、理论论算法的的革新、计计算能力力的提升升，人工工智能在在很多应应用领域域取得了了突破性性进展， 迎来了又一个繁荣时期。人工智能具体的发展历程如图 1 所示。1976年，机器翻译 1985年， 等项目的 出现了更失败及一 强可视化些学术报 效果的决告的负面 策树模型影响，人 和突破早工智能的 期

15、感知机经费普遍 局限的多1997年， Deep Blue战胜世界国际象棋冠军Garry Kasparov 1987年，LISP机市场崩塌2006年，Hinton和他的学生开始深度学习2014年， 2016年3月，微软公 AlphaGo以4司发布比1战胜世1956年达特茅斯会议提出“人工智能”全球第 界围棋冠军一款个人智能助理微软小娜李世石1959年，Arthur Samuel减少层人工神提出了机器学习经网络2010年， 大数据时代到来2017 年10月， DeepMind 团队公布了最强 版 的AlphaGo Zero1950s1960s1970s1980s1976- 1982-1990s20

16、00s2010s2020s1956-197619821987第一次繁荣期达特茅斯会议，确定了人工智能的概念和发展目标第一次 第二次低谷期 繁荣期1987-1997第二次低谷期遭受质疑 具备逻辑 技术领域再次批评，运 规则推演 陷入瓶颈，抽算能力不 和特定领 象推理不再被足、计算 域回答解 继续关注，基复杂度较 决问题的 于符号处理的高、常识 专家系统 模型遭到反对与推理实 盛行，及现难度较 五代计算大等机的发展1997-2010复苏期计算性能的提升与互联网技术的快速普及2010-增长爆发期新一代信息技术引发信息环境与数据基础变革，海量图像语音文本等多模态数据不断出现， 计算能力提高图 1 人工

17、智智能发展展历史长期以来来，制造造具有智智能的机机器一直直是人类类的重大大梦想。早早在 19550 年，AllanTuriing 在计计算机器器与智能能中就就阐述了了对人工工智能的的思考。他他提出的的图灵测测试是机机器智能能的重要要测量手手段，后后来还衍衍生出了了视觉图图灵测试试等测量量方法。1956年，“人人工智能能”这个词首首次出现现在达特特茅斯会会议上，标标志着其其作为一一个研究究领域的正式式诞生。六六十年来来，人工工智能发发展潮起起潮落的的同时，基基本思想想可大致致划分为为四个流流派：符符号主义义（Symboolism）、连接接主义（Connectionism）、行为主义（Behhav

18、ioouriism）和统统计主义义（Statisticssismm）（注：由由于篇幅幅原因，本本白皮书书不对四四个流派派进行详详细阐述述）。这四个个流派从从不同侧侧面抓住住了智能能的部分分特征，在在“制造”人工智智能方面面都取得得了里程程碑式的的成就。 19599 年，Arrthuur SSamuuel 提出了了机器学学习，机机器学习习将传统统的制造造智能演演化为通通过学习习能力来来获取智智能，推推动人工工智能进进入了第第一次繁繁荣期。20 世纪 70 年代末期专家系统的出现，实现了人工智能从理论研究走向实际应用，从一般思维规律探索走向专门知识应用的重大突破，将人工智能的研究推向了新高潮。然而

19、， 机器学习的模型仍然是“人工”的，也有很大的局限性。随着专家系统应用的不断深入，专家系统自身存在的知识获取难、知识领域窄、推理能力弱、实用性差等问题逐步暴露。从 1976 年开始，人工智能的研究进入长达 6 年的萧瑟期。 在 800 年代代中期，随随着美国国、日本本立项支支持人工工智能研研究，以以及以知知识工程程为主导导的机器器学习方方法的发发展，出出现了具具有更强强可视化化效果的的决策树树模型和和突破早早期感知知机局限限的多层层人工神神经网络络，由此此带来了了人工智智能的又又一次繁繁荣期。然然而，当当时的计计算机难难以模拟拟复杂度度高及规规模大的的神经网网络，仍仍有一定定的局限限性。198

20、77 年由由于 LISSP 机机市场崩崩塌，美美国取消消了人工工智能预预算，日日本第五五代计算算机项目目失败并并退出市市场，专专家系统统进展缓缓慢，人人工智能能又进入入了萧瑟瑟期。 19977 年，IBBM 深深蓝（DDeepp Bllue）战战胜国际际象棋世世界冠军军 Garrry Kassparrov。这是一一次具有有里程碑碑意义的的成功，它它代表了了基于规规则的人人工智能能的胜利利。20006 年，在在 Hinntonn 和他他的学生生的推动动下，深深度学习习开始备备受关注注，为后后来人工工智能的的发展带带来了重重大影响响。从 20110 年年开始，人人工智能能进入爆爆发式的的发展阶阶段

21、，其其最主要要的驱动动力是大大数据时时代的到到来，运运算能力力及机器器学习算算法得到到提高。人人工智能能快速发发展，产产业界也也开始不不断涌现现出新的的研发成成果：220111 年，IBBM Wasstonn 在综综艺节目目危险险边缘中中战胜了了最高奖奖金得主主和连胜胜纪录保保持者；20112 年年， 谷歌大大脑通过过模仿人人类大脑脑在没有有人类指指导的情情况下，利利用非监监督深度度学习方方法从大大量视频频中成功功学习到到识别出出一只猫猫的能力力；20014 年，微微软公司司推出了了一款实实时口译译系统，可可以模仿仿说话者者的声音音并保留留其口音音；20014 年，微微软公司司发布全球第一一款

22、个人人智能助助理微软软小娜；20114 年年，亚马马逊发布布至今为为止最成成功的智智能音箱产产品 Echho 和和个人助助手 Aleexa；20116 年年，谷歌歌 AlpphaGGo 机机器人在在围棋比比赛中击击败了世世界冠军军李世石石；20017 年，苹苹果公司司在原来来个人助助理 Sirri 的的基础上上推出了了智能私私人助理理 Sirri 和和智能音音响 HommePood。目前，世世界各国国都开始始重视人人工智能能的发展展。20017 年 6 月 29 日，首首届世界界智能大大会在天天津召开开。中国国工程院院院士潘潘云鹤在在大会主主论坛作作了题为为“中国新新一代人人工智能能”的主题题

23、演讲，报报告中概概括了世世界各国国在人工工智能研研究方面面的战略略：20166 年 5 月，美美国白宫宫发表了了为人人工智能能的未来来做好准准备；英国 20116 年年 12 月发布布人工工智能：未来决决策制定定的机遇遇和影响响；法法国在 20117 年年 4 月制制定了国国家人工工智能战战略；德国在在20117 年年5 月颁颁布全国国第一部部自动驾驾驶的法法律；在在中国， 据不完全统计，2017 年运营的人工智能公司接近 400 家，行业巨头百度、腾讯、阿里巴巴等都不断在人工智能领域发力。从数量、投资等角度来看，自然语言处理、机器人、计算机视觉成为了人工智能最为热门的三个产业方向。2.1.2

24、 人工智能能的概念念人工智能能作为一一门前沿沿交叉学学科，其其定义一一直存有有不同的的观点：人工智智能一种种现代方方法中将已已有的一一些人工工智能定定义分为为四类：像人一一样思考考的系统统、像人人一样行行动的系系统、理理性地思思考的系系统、理理性地行行动的系系统。维维基百科科上定义义“人工智智能就是是机器展展现出的的智能”，即只只要是某某种机器器，具有有某种或或某些“智能”的特征征或表现现，都应应该算作作“人工智智能”。大英英百科全全书则限限定人工工智能是是数字计计算机或或者数字字计算机机控制的的机器人人在执行行智能生生物体才才有的一一些任务务上的能能力。百百度百科科定义人人工智能能是“研究、

25、开开发用于于模拟、延延伸和扩扩展人的的智能的的理论、方方法、技技术及应应用系统统的一门门新的技技术科学学”，将其其视为计计算机科科学的一一个分支支，指出出其研究究包括机机器人、语语言识别别、图像像识别、自自然语言言处理和和专家系系统等。本白皮书书认为，人人工智能能是利用用数字计计算机或或者数字字计算机机控制的的机器模模拟、延延伸和扩扩展人的的智能，感感知环境境、获取取知识并并使用知知识获得得最佳结结果的理理论、 方法、技技术及应应用系统统。人工智能能的定义义对人工工智能学学科的基基本思想想和内容容作出了解解释，即即围绕智智能活动而构构造的人人工系统统。人工工智能是是知识的的工程，是是机器模模仿

26、人类类利用知知识完成成一定行为为的过程程。根据据人工智智能是否否能真正正实现推推理、思思考和解解决问题题，可以以将人工工智能分分为弱人人工智能能和强人人工智能能。 弱人工智智能是指指不能真真正实现现推理和和解决问问题的智智能机器器，这些些机器表表面看像像是智能能的，但但是并不不真正拥拥有智能能，也不不会有自自主意识识。迄今今为止的的人工智智能系统统都还是是实现特特定功能能的专用用智能，而而不是像像人类智智能那样样能够不不断适应应复杂的的新环境境并不断断涌现出出新的功功能，因因此都还还是弱人人工智能能。目前前的主流流研究仍仍然集中中于弱人人工智能能，并取取得了显显著进步步，如语语音识别别、图像像

27、处理和和物体分分割、机机器翻译译等方面面取得了了重大突突破，甚甚至可以以接近或或超越人人类水平平。 强人工智智能是指指真正能能思维的的智能机机器，并并且认为为这样的的机器是是有知觉觉的和自自我意识识的，这这类机器器可分为为类人（机机器的思思考和推推理类似似人的思思维）与非类类人（机器产产生了和和人完全全不一样样的知觉觉和意识识，使用用和人完完全不一一样的推推理方式式） 两大类类。从一一般意义义来说，达达到人类类水平的的、能够够自适应应地应对对外界环环境挑战战的、具具有自我我意识的的人工智智能称为为“通用人人工智能能”、“强人工工智能”或“类人智智能”。强人工工智能不不仅在哲哲学上存存在巨大大争

28、论（涉涉及到思思维与意意识等根根本问题题的讨论论），在技术术上的研研究也具具有极大大的挑战战性。强强人工智智能当前前鲜有进进展，美美国私营营部门的的专家及及国家科科技委员员会比较较支持的的观点是是，至少少在未来来几十年年内难以以实现。 靠符号主主义、连连接主义义、行为为主义和和统计主主义这四四个流派派的经典典路线就就能设计计制造出出强人工工智能吗吗？其中中一个主主流看法法是：即即使有更更高性能能的计算算平台和和更大规规模的大大数据助助力，也也还只是是量变，不不是质变变，人类类对自身身智能的的认识还还处在初初级阶段段，在人人类真正正理解智智能机理理之前，不不可能制制造出强强人工智智能。理理解大脑

29、脑产生智智能的机机理是脑脑科学的的终极性性问题，绝绝大多数数脑科学学专家都都认为这这是一个个数百年年乃至数数千年甚甚至永远远都解决决不了的的问题。 通向强人人工智能能还有一一条“新”路线，这这里称为为“仿真主主义”。这条条新路线线通过制制造先进进的大脑脑探测工工具从结结构上解解析大脑脑，再利利用工程程技术手手段构造造出模仿仿大脑神神经网络络基元及及结构的的仿脑装装置，最最后通过过环境刺刺激和交交互训练练仿真大大脑实现现类人智智能，简简言之，“先结构，后功能”。虽然这项工程也十分困难，但都是有可能在数十年内解决的工程技术问题，而不像“理解大脑”这个科学问题那 样遥不可及。 仿真主义义可以说说是符

30、号号主义、连连接主义义、行为为主义和和统计主主义之后后的第五五个流派，和和前四个个流派有有着千丝丝万缕的的联系，也也是前四四个流派派通向强强人工智智能的关关键一环环。经典典计算机机是数理理逻辑的的开关电电路实现现，采用用冯诺依曼体系结结构，可可以作为为逻辑推推理等专专用智能能的实现现载体。但但要靠经经典计算算机不可可能实现现强人工工智能。要要按仿真真主义的的路线“仿脑”，就必必须设计计制造全全新的软软硬件系系统，这这就是“类脑计计算机”，或者者更准确确地称为为“仿脑机机”。“仿脑机机”是“仿真工工程”的标志性性成果，也也是“仿脑工工程”通向强强人工智智能之路路的重要要里程碑碑。 2.2 人工智

31、能能的特征征（1）由由人类设设计，为为人类服服务，本本质为计计算，基基础为数数据。从从根本上上说， 人工智智能系统统必须以以人为本本，这些些系统是是人类设设计出的的机器，按按照人类类设定的的程序逻逻辑或软软件算法法通过人人类发明明的芯片片等硬件件载体来来运行或或工作，其其本质体体现为计计算，通通过对数数据的采采集、加加工、处处理、分分析和挖挖掘，形形成有价价值的信信息流和和知识模模型，来来为人类类提供延延伸人类类能力的的服务，来来实现对对人类期期望的一一些“智能行行为”的模拟拟，在理理想情况况下必须须体现服服务人类类的特点点，而不不应该伤伤害人类类，特别别是不应应该有目目的性地地做出伤伤害人类

32、类的行为为。 （2）能能感知环环境，能能产生反反应，能能与人交交互，能能与人互互补。人人工智能能系统应应能借助助传感器器等器件件产生对对外界环环境（包包括人类类）进行感感知的能能力，可可以像人人一样通通过听觉觉、视觉觉、嗅觉觉、触觉觉等接收收来自环环境的各各种信息息，对外外界输入入产生文文字、语语音、表表情、动动作（控控制执行行机构）等必要要的反应应，甚至至影响到到环境或或人类。借借助于按按钮、键键盘、鼠鼠标、屏屏幕、手手势、体体态、表表情、力力反馈、虚虚拟现实实/ 增强强现实等等方式，人人与机器器间可以以产生交交互与互互动，使使机器设设备越来来越“理解” 人类乃乃至与人人类共同同协作、优优势

33、互补补。这样样，人工工智能系系统能够够帮助人人类做人人类不擅擅长、不不喜欢但但机器能能够完成成的工作作，而人人类则适适合于去去做更需需要创造造性、洞洞察力、想想象力、灵灵活性、多多变性乃乃至用心心领悟或或需要感感情的一一些工作作。 （3）有有适应特特性，有有学习能能力，有有演化迭迭代，有有连接扩扩展。人人工智能能系统在在理想情情况下应应具有一一定的自自适应特特性和学学习能力力，即具具有一定定的随环环境、数数据或任任务变化化而自适适应调节节参数或或更新优优化模型型的能力力；并且且，能够够在此基基础上通通过与云云、端、人人、物越越来越广广泛深入入数字化化连接扩扩展，实实现机器器客体乃乃至人类类主体

34、的演化化迭代，以以使系统统具有适适应性、鲁鲁棒性、灵灵活性、扩扩展性，来来应对不不断变化的现实实环境，从从而使人人工智能能系统在在各行各各业产生生丰富的的应用。 2.3 人工智能能参考框框架目前，人人工智能能领域尚尚未形成成完善的的参考框框架。因因此，本本章基于于人工智智能的发发展状况况和应用用特征，从从人工智智能信息息流动的的角度出出发，提提出一种种人工智智能参考考框架（如图 2 所示），力图搭建较为完整的人工智能主体框架，描述人工智能系统总体工作流程，不受具体应用所限，适用于通用的人工智能领域需求。智能信息链信息提供者信息处理者智能信息建模、抽取、预处理、训练数据等运动、显示、发声、交互、

35、合成等智能信息感智能信息表示知与形成智能执行智能推理智能决策与输出管理基础设施提供者.基础平台智能芯片新型传感器分类、排序、预测等搜索与匹配等智能感知信息系统协调者智能产品及行业应用安全、隐私、伦理IT价值链图 2 人工智智能参考考框架图图人工智能能参考框框架提供供了基于于“角色活动功能”的层级级分类体体系，从从“智能信信息链”（水平轴轴）和“IT 价值值链”（垂直轴轴）两个个维度阐阐述了人人工智能能系统框框架。“智能信信息链”反映从从智能信信息感知知、智能能信息表表示与形形成、智智能 推理理、智能能决策、智智能执行行与输出出的一般般过程。在在这个过过程中，智智能信息息是流动动的载体体，经历历

36、了“数据信息知识智慧”的凝练练过程。“IT 价值链”从人工智能的底层基础设施、信息（提供和处理技术实现）到系统的产业生态过程， 反映人工智能为信息技术产业带来的价值。此外，人工智能系统还有其它非常重要的框架构件：安全、隐私、伦理和管理。人工智能系统主要由基础设施提供者、信息提供者、信息处理者和系统协调者 4 个角色组成。 （1）基基础设施施提供者者基础设施施提供者者为人工工智能系系统提供供计算能能力支持持，实现现与外部部世界的的沟通， 并通过基础平台实现支撑。计算能力由智能芯片（CPU、GPU、ASIC、FPGA 等硬件加速芯片以及其它智能芯片）等硬件系统开发商提供；与外部世界的沟通通 过新型

37、传感器制造商提供；基础平台包括分布式计算框架提供商及网络提供商提 供平台保障和支持，即包括云存储和计算、互联互通网络等。（2）信信息提供供者 信息提供供者在人人工智能能领域是是智能信信息的来来源。通通过知识识信息感感知过程程由数据据提供商商提供智智能感知知信息，包包括原始始数据资资源和数数据集。原原始数据据资源的的感知涉涉及到图图形、图图像、语语音、文文本的识识别，还还涉及到到传统设设备的物物联网数数据，包包括已有有系统的的业务数数据以及及力、位位移、液液位、温温度、湿湿度等感感知数据据。 （3）信信息处理理者信息处理理者是指指人工智智能领域域中技术术和服务务提供商商。信息息处理者者的主要要活

38、动包包括智能能信息表表示与形形成、智智能推理理、智能能决策及及智能执执行与输输出。智智能信息息处理者者通常是是算法工工程师及及技术服服务提供供商，通通过计算算框架、模模型及通通用技术术，例如如一些深深度学习习框架和和机器学学习算法法模型等等功能进进行支撑撑。智能信息息表示与与形成是是指为描描述外围围世界所所作的一一组约定定，分阶阶段对智智能信息息进行符符号化和和形式化化的智能能信息建建模、抽抽取、预预处理、训训练数据据等。智能信息息推理是是指在计计算机或或智能系系统中，模模拟人类类的智能能推理方方式，依依据推理理控制策策略，利利用形式式化的信信息进行行机器思思维和求求解问题题的过程程，典型型的

39、功能能是搜索索与匹配配。智能信息息决策是是指智能能信息经经过推理理后进行行决策的的过程，通通常提供供分类、排排序、预预测等功功能。智能执行行与输出出作为智智能信息息输出的的环节，是是对输入入作出的响响应，输输出整个个智能信信息流动动过程的的结果，包包括运动动、显示示、发声声、交互互、合成成等功能能。（4）系系统协调调者系统协调调者提供供人工智智能系统统必须满满足的整整体要求求，包括括政策、法法律、资资源和业务需需求，以以及为确确保系统统符合这这些需求求而进行行的监控控和审计计活动。由由于人工工智能是多多学科交交叉领域域，需要要系统协协调者定定义和整整合所需需的应用用活动，使使其在人人工智能能领

40、域的的垂直系系统中运运行。系系统协调调者的功功能之一一是配置置和管理理人工智智能参考考框架中中的其他他角色来来执行一一个或多多个功能能，并维维持人工工智能系系统的运运行。（5）安安全、隐隐私、伦伦理安全、隐隐私、伦伦理覆盖盖了人工工智能领领域的其其他 4 个主要角角色，对对每个角角色都有有重要的的影响作作用。同同时，安安全、隐隐私、伦伦理处于于管理角角色的覆覆盖范围围之内，与与全部角角色和活活动都建建立了相相关联系系。在安安全、隐隐私、伦伦理模块块，需要要通过不不同的技技术手段段和安全全措施，构构筑全方方位、立立体的安安全防护护体系，保保护人工工智能领领域参与与者的安安全和隐隐私。（6）管管理

41、管理角色色承担系系统管理理活动，包包括软件件调配、资资源管理理等内容容，管理理的功能能是监视视各种资资源的运运行状况况，应对对出现的的性能或或故障事事件，使使得各系系统组件件透明且且可观。（7）智智能产品品及行业业应用智能产品品及行业业应用指指人工智智能系统统的产品品和应用用，是对对人工智智能整体体解决方方案的封封装，将将智能信信息决策策产品化化、实现现落地应应用，其其应用领领域主要要包括：智能制制造、智智能交通通、智能能家居、智智能医疗疗、智能能安防等等。3 人工智能能发展现现状及趋趋势依据参考考框架中中所涉及及到的人人工智能能相关技技术，本本节重点点介绍近近二十年年来人工智能领领域关键键技

42、术的的发展状状况，包包括机器器学习、知知识图谱谱、自然然语言处处理、计计算机视视觉、人人机交互互、生物物特征识识别、虚虚拟现实实/增强现现实等关关键技术术。3.1 人工智能能关键技技术3.1.1 机器学习习机器学习习（Maachiine Leaarniing）是是一门涉涉及统计计学、系系统辨识识、逼近近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对

43、未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。（1）根根据学习习模式将将机器学学习分类类为监督督学习、无无监督学学习和强强化学习习等。监监督学习习 监督学习习是利用用已标记记的有限限训练数数据集，通通过某种种学习策策略/方法建建立一个个模型，实实现对新新数据/实例的的标记（分分类）/映射，最最典型的的监督学学习算法法包括回回归和分分类。监监督学习习要求训训练样本本的分类类标签已已知，分分类标签签精确度度越高，样样本越具具有代表表性，学学习模型型的准确确度越高高。监督督学习在在自然语语言处理理、信息息检索、文本挖掘、手写体辨识、垃圾邮件侦测等

44、领域获得了广泛应用。 无监督学学习 无监督学学习是利利用无标标记的有有限数据据描述隐隐藏在未未标记数数据中的的结构/规律， 最典型型的非监监督学习习算法包包括单类类密度估估计、单类数数据降维维、聚类类等。无无监督学学 习不需需要训练练样本和和人工标标注数据据，便于于压缩数数据存储储、减少少计算量量、提升升算法 速度，还还可以避避免正、负负样本偏偏移引起起的分类类错误问问题。主主要用于于经济预预测、异异 常检测测、数据据挖掘、图图像处理理、模式式识别等等领域，例例如组织织大型计计算机集集群、社社 交网络络分析、市市场分割割、天文文数据分分析等。 强化学习习 强化学习习是智能能系统从从环境到到行为

45、映映射的学学习，以以使强化化信号函函数值最最大。由由于外部部环境提提供的信信息很少少，强化化学习系系统必须须靠自身身的经历历进行学学习。强强化学习习的目标标是学习习从环境境状态到到行为的的映射，使使得智能能体选择择的行为为能够获获得环境境最大的的奖赏，使使得外部部环境对对学习系系统在某某种意义义下的评评价为最最佳。其其在机器器人控制制、无人人驾驶、下下棋、工工业控制制等领域域获得成成功应用用。 （2）根根据学习习方法可可以将机机器学习习分为传传统机器器学习和和深度学学习。 传传统机器器学习传统机器器学习从从一些观观测（训训练）样本出出发，试试图发现现不能通通过原理理分析获获得的规规律，实实现对

46、未未来数据据行为或或趋势的的准确预预测。相相关算法法包括逻逻辑回归归、隐马马尔科夫夫方法、支支持向量量机方法法、K 近邻邻方法、三三层人工工神经网网络方法法、Addabooostt 算法法、贝叶叶斯方法法以及决决策树方方法等。传传统机器器学习平平衡了学学习结果果的有效效性与学学习模型型的可解解释性，为为解决有有限样本本的学习习问题提提供了一一种框架架，主要要用于有有限样本本情况下下的模式式分类、回回归分析析、概率率密度估估计等。传传统机器器学习方方法共同同的重要要理论基基础之一一是统计计学，在在自然语语言处理理、语音音识别、图图像识别别、信息息检索和和生物信信息等许许多计算算机领域域获得了了广

47、泛应应用。深度学习习深度学习习是建立立深层结结构模型型的学习习方法，典典型的深深度学习习算法包包括深度度置信网网络、卷卷积神经经网络、受受限玻尔尔兹曼机机和循环环神经网网络等。深深度学习习又称为为深度神神经网络络（指层层数超过过 3 层的的神经网网络）。深度度学习作作为机器器学习研研究中的的一个新新兴领域域，由 Hinntonn 等人人于 20006 年年提出。深深度学习习源于多多层神经经网络，其其实质是是给出了了一种将将特征表表示和学学习合二二为一的的方式。深深度学习习的特点点是放弃弃了可解解释性，单单纯追求求学习的的有效性性。经过过多年的的摸索尝尝试和研研究，已已经产生生了诸多多深度神神经网络络的模型型，其中中卷积神神经网络络、