新一代人工智慧發展白皮書（2017）第一章

06-11

指導單位、專家顧問及編寫人員

顧問

潘雲鶴中國工程院院士

指導單位

工業和信息化部信息化和軟體服務業司

指導委員會

謝少鋒工信部信軟司司長

李冠宇工信部信軟司副司長

徐曉蘭中國電子學會副理事長兼秘書長

張宏圖中國電子學會總部黨委書記兼副秘書長

商超工信部信軟司軟體處處長

傅永寶工信部信軟司軟體處調研員

專家委員會（排名不分先後，按姓氏筆畫排序）

王士進科大訊飛研究院副院長

韋青微軟中國公司首席技術官

宋波國安瑞（北京）科技有限公司總經理

劉志堅京東金融總法律顧問

吳甘沙馭勢科技聯合創始人兼CEO

季向陽清華大學自動化系教授

陳麗娟阿里巴巴人工智慧實驗室負責人

梁家恩雲知聲信息技術有限公司董事長兼CTO

崔岩中德人工智慧研究院院長

蔡雄山騰訊研究院法律研究中心副主任

編寫單位

中國電子學會

編寫人員

李頲周岷峰馬良凌霞

李岩張雅妮許華磊張嬋

張力陳濛萌樊江洋朱毅

李俊平閻德利謝中業陳岩

編製概要

（一）編製背景

自1956年概念得以確立以來，人工智慧發展至今已逾60年，隨著所處信息環境和數據基礎的深刻變革，開始邁進新一輪發展階段，呈現出大數據、跨媒體、群體性、自主化、人機融合的發展新特徵，從學術牽引式發展迅速轉變為需求牽引式發展，相比歷史上的任何時刻，都要更加接近於人類智能，既能為進一步掌握城市發展、生態保護、經濟管理、金融風險等宏觀系統提供指導，也能為設計製造、健康醫療、交通管理、能源節約等微觀領域提供解決方案。我國正值工業化、城鎮化、信息化、農業現代化的攻堅階段，迫切需要加快推動人工智慧在國民經濟社會各行業、各領域的創新應用，促進產業提質增效，改善人民生活水平，切實解決經濟運行的重大結構性失衡。針對於此，有必要研究編製新一代人工智慧發展白皮書，明確人工智慧在新時期、新形勢下的技術框架、關鍵環節、應用前景，為推動人工智慧關鍵技術進步和產業化應用推廣提供措施建議，進一步推動我國智能相關的前沿新興產業持續健康快速發展，有力支撐我國信息化和工業化深度融合邁上新台階。

（二）編製目標

一是明確新一代人工智慧的主要發展方向，系統歸納其主要驅動因素及最具典型意義的特徵。

二是研究新一代人工智慧的技術框架，梳理技術演進軌跡，提出基礎性、通用性技術體系。

三是探索新一代人工智慧的產業邊界，劃分產業類別和應用場景，研判相關的投融資特徵及趨勢。

四是提出促進新一代人工智慧及相關技術及產業發展的可行性措施建議，為相關行業主管部門提供決策參考，為行業健康有序發展提供指導依據。

（三）編製方法

一是研究學習國內外相關戰略政策文件，充分借鑒參考國內外主要研究動態和成果。主要包括：美國白宮發布的《為人工智慧的未來做好準備》、《國家人工智慧研究與發展戰略規劃》；英國下議院科學和技術委員會發布的《機器人和人工智慧》、英國政府科學辦公室發布的《人工智慧對未來決策的機會和影響》，以及英國政府在2017年1月宣布的《現代工業戰略》和3月公布的《數字戰略》；日本政府制定的《人工智慧產業化路線圖》；我國出台的《國務院關於積極推進「互聯網+」行動的指導意見》和《「十三五」國家戰略性新興產業發展規劃》中關於人工智慧的部分。同時，針對歐盟的「人腦項目」、德國的「智慧數據項目」、日本的「超智能社會」和「高級綜合智能平台計劃」進行了學習了解。

二是訪談國內知名專家學者，圍繞新一代人工智慧的內涵、外延及特徵趨勢展開充分研討。新一代人工智慧既有創新性又有繼承性，與過往所談論的人工智慧既有聯繫又有區別，在研究內容上既要有突破又要有充分吸收和借鑒。通過與國內人工智慧相關領域的知名院士、高校學者、行業專家的座談交流，尤其是圍繞中國工程院潘雲鶴院士《人工智慧邁向2.0》一文進行的深入學習研討，為白皮書的編製奠定了系統的理論基礎。

三是調研國內外知名人工智慧企業，彙集整理和分析來自實踐應用的典型案例。高度重視人工智慧領域的具體產品、服務及解決方案提供方式，走進國內外一批在技術或產業方面具備領先水平和特色優勢的人工智慧企業展開深度調研，並邀請部分企業的技術或戰略負責人共同參與了白皮書的編製工作。

（四）特別聲明

1、研究主題充分考慮了與國家規劃的互動和呼應

人工智慧的概念從誕生之日開始計算，已經超過60年，並非橫空出世的新興事物。只不過受近年來演算法模式持續優化、數據信息海量增長、運算力大幅提升的影響和帶動，表現出了不同以往的發展水平和特徵。本白皮書一開始研究主題名為「人工智慧2.0」，目前已更改為「新一代人工智慧」，是為了呼應院士研究文章、部委領導講話，以及即將出台的國家級規劃，重點針對人工智慧的新趨勢、新特徵、新模式展開研究，並非是要提出一個全新的研究對象。

2、研究範圍聚焦技術和產業發展

在人工智慧領域，正孕育著堪與相對論、量子理論、計算機、互聯網相提並論的重大創新、變革及突破。人工智慧歷史性地站在了時代的風口，將對人類經濟社會發展帶來智能化浪潮的顛覆性猛烈衝擊。研究人工智慧，就要研究其在人類生產生活中的詳細地位和作用，涉及到方方面面，包括了道德、法律、倫理、文化等領域。本白皮書的編製，主要是為了給相關行業主管部門和企業提供決策參考依據，集中在技術和產業兩大層面展開研究，暫未涉及其他方面。

3、研究內容仍有待進一步豐富完善

當前，各類研究諮詢機構紛紛推出圍繞人工智慧主題的相關報告，各自觀點既有一致性，也存在部分不同意見。本白皮書的主要觀點和內容僅代表編製組在目前對人工智慧的研判和思考，歡迎各方專家學者和企業代表提出寶貴意見，共同推動白皮書的及時更新和糾偏。同時，隨著人工智慧技術的進步、產業的發展、模式的變革，白皮書的內容將得到進一步豐富完善。

一、新一代人工智慧研究綜述人工智慧發軔於1956年在美國達特茅斯（Dartmouth）學院舉行的「人工智慧（Artificial Intelligent，簡稱AI）夏季研討會」，在20世紀50年代末和80年代初先後步入兩次發展高峰，但因為技術瓶頸、應用成本等局限性而均落入低谷。當前，在新一代信息技術的引領下，數據快速積累，運算能力大幅提升，演算法模型持續演進，行業應用快速興起，人工智慧發展環境發生了深刻變化，跨媒體智能、群體智能、自主智能系統、混合型智能成為新的發展方向，人工智慧第三次站在了科技發展的浪潮之巔。（一）人工智慧簡要發展歷程從誕生至今，人工智慧已有60年的發展歷史，大致經歷了三次浪潮。第一次浪潮為20世紀50年代末至20世紀80年代初；第二次浪潮為20世紀80年代初至20世紀末；第三次浪潮為21世紀初至今。在人工智慧的前兩次浪潮當中，由於技術未能實現突破性進展，相關應用始終難以達到預期效果，無法支撐起大規模商業化應用，最終在經歷過兩次高潮與低谷之後，人工智慧歸於沉寂。隨著信息技術快速發展和互聯網快速普及，以2006年深度學習模型的提出為標誌，人工智慧迎來第三次高速成長。

圖1 人工智慧發展歷程示意圖

資料來源：中國電子學會整理

1、第一次浪潮：人工智慧誕生並快速發展，但技術瓶頸難以突破

符號主義盛行，人工智慧快速發展。1956年到1974年是人工智慧發展的第一個黃金時期。科學家將符號方法引入統計方法中進行語義處理，出現了基於知識的方法，人機交互開始成為可能。科學家發明了多種具有重大影響的演算法，如深度學習模型的雛形貝爾曼公式。除在演算法和方法論方面取得了新進展，科學家們還製作出具有初步智能的機器。如能證明應用題的機器STUDENT（1964），可以實現簡單人機對話的機器ELIZA（1966）。人工智慧發展速度迅猛，以至於研究者普遍認為人工智慧代替人類只是時間問題。

模型存在局限，人工智慧步入低谷。1974年到1980年。人工智慧的瓶頸逐漸顯現，邏輯證明器、感知器、增強學習只能完成指定的工作，對於超出範圍的任務則無法應對，智能水平較為低級，局限性較為突出。造成這種局限的原因主要體現在兩個方面：一是人工智慧所基於的數學模型和數學手段被發現具有一定的缺陷；二是很多計算的複雜度呈指數級增長，依據現有演算法無法完成計算任務。先天的缺陷是人工智慧在早期發展過程中遇到的瓶頸，研發機構對人工智慧的熱情逐漸冷卻，對人工智慧的資助也相應被縮減或取消，人工智慧第一次步入低谷。

2、第二次浪潮：模型突破帶動初步產業化，但推廣應用存在成本障

數學模型實現重大突破，專家系統得以應用。進入20世紀80年代，人工智慧再次回到了公眾的視野當中。人工智慧相關的數學模型取得了一系列重大發明成果，其中包括著名的多層神經網路（1986）和BP反向傳播演算法（1986）等，這進一步催生了能與人類下象棋的高度智能機器（1989）。其它成果包括通過人工智慧網路來實現能自動識別信封上郵政編碼的機器，精度可達99%以上，已經超過普通人的水平。與此同時，卡耐基·梅隆大學為DEC公司製造出了專家系統（1980），這個專家系統可幫助DEC公司每年節約4000萬美元左右的費用，特別是在決策方面能提供有價值的內容。受此鼓勵，很多國家包括日本、美國都再次投入巨資開發所謂第5代計算機（1982），當時叫做人工智慧計算機。

成本高且難維護，人工智慧再次步入低谷。為推動人工智慧的發展，研究者設計了LISP語言，並針對該語言研製了Lisp計算機。該機型指令執行效率比通用型計算機更高，但價格昂貴且難以維護，始終難以大範圍推廣普及。與此同時，在1987年到1993年間，蘋果和IBM公司開始推廣第一代台式機，隨著性能不斷提升和銷售價格的不斷降低，這些個人電腦逐漸在消費市場上佔據了優勢，越來越多的計算機走入個人家庭，價格昂貴的Lisp計算機由於古老陳舊且難以維護逐漸被市場淘汰，專家系統逐也漸淡出人們的視野，人工智慧硬體市場出現明顯萎縮。同時，政府經費開始下降，人工智慧又一次步入低谷。

3、第三次浪潮：信息時代催生新一代人工智慧，但未來發展存在諸多隱憂

新興技術快速湧現，人工智慧發展進入新階段。隨著互聯網的普及、感測器的泛在、大數據的湧現、電子商務的發展、信息社區的興起，數據和知識在人類社會、物理空間和信息空間之間交叉融合、相互作用，人工智慧發展所處信息環境和數據基礎發生了巨大而深刻的變化，這些變化構成了驅動人工智慧走向新階段的外在動力。與此同時，人工智慧的目標和理念出現重要調整，科學基礎和實現載體取得新的突破，類腦計算、深度學習、強化學習等一系列的技術萌芽也預示著內在動力的成長，人工智慧的發展已經進入一個新的階段。

人工智慧水平快速提升，人類面臨潛在隱患。得益於數據量的快速增長、計算能力的大幅提升以及機器學習演算法的持續優化，新一代人工智慧在某些給定任務中已經展現出達到或超越人類的工作能力，並逐漸從專用型智能向通用型智能過渡，有望發展為抽象型智能。隨著應用範圍的不斷拓展，人工智慧與人類生產生活聯繫的愈發緊密，一方面給人們帶來諸多便利，另一方面也產生了一些潛在問題：一是加速機器換人，結構性失業可能更為嚴重；二是隱私保護成為難點，數據擁有權、隱私權、許可權等界定存在困難。

（二）新一代人工智慧的主要驅動因素

當前，隨著移動互聯網、大數據、雲計算等新一代信息技術的加速迭代演進，人類社會與物理世界的二元結構正在進階到人類社會、信息空間和物理世界的三元結構，人與人、機器與機器、人與機器的交流互動愈加頻繁。人工智慧發展所處的信息環境和數據基礎發生了深刻變化，愈加海量化的數據，持續提升的運算力，不斷優化的演算法模型，結合多種場景的新應用已構成相對完整的閉環，成為推動新一代人工智慧發展的四大要素。

圖2 新一代人工智慧主要驅動因素示意圖

資料來源：中國電子學會整理

1、人機物互聯互通成趨勢，數據量呈現爆炸性增長

近年來，得益於互聯網、社交媒體、移動設備和感測器的大量普及，全球產生並存儲的數據量急劇增加，為通過深度學習的方法來訓練人工智慧提供了良好的土壤。目前，全球數據總量每年都以倍增的速度增長，預計到2020年將達到44萬億GB，中國產生的數據量將佔全球數據總量的近20%。海量的數據將為人工智慧演算法模型提供源源不斷的素材，人工智慧正從監督式學習向無監督學習演進升級，從各行業、各領域的海量數據中積累經驗、發現規律、持續提升。

2、數據處理技術加速演進，運算能力實現大幅提升

人工智慧領域富集了海量數據，傳統的數據處理技術難以滿足高強度、高頻次的處理需求。人工智慧晶元的出現加速了深層神經網路的訓練迭代速度，讓大規模的數據處理效率顯著提升，極大地促進了人工智慧行業的發展。目前，出現了GPU、NPU、FPGA和各種各樣的AI-PU專用晶元。相比傳統的CPU只能同時做一兩個加減法運算，NPU等專用晶元多採用「數據驅動並行計算」的架構，特別擅長處理視頻、圖像類的海量多媒體數據。在具有更高線性代數運算效率的同時，只產生比CPU更低的功耗。

3、深度學習研究成果卓著，帶動演算法模型持續優化

2006年，加拿大多倫多大學教授傑弗里·辛頓提出了深度學習的概念，極大地發展了人工神經網路演算法，提高了機器自學習的能力，例如谷歌大腦團隊在2012年通過使用深度學習技術，成功讓電腦從視頻中「認出」了貓。隨著演算法模型的重要性進一步凸顯，全球科技巨頭紛紛加大了這方面的布局力度和投入，通過成立實驗室，開源演算法框架，打造生態體系等方式推動演算法模型的優化和創新。目前，深度學習等演算法已經廣泛應用在自然語言處理、語音處理以及計算機視覺等領域，並在某些特定領域取得了突破性進展，從有監督式學習演化為半監督式、無監督式學習。

4、資本與技術深度耦合，助推行業應用快速興起

當前，在技術突破和應用需求的雙重驅動下，人工智慧技術已走出實驗室，加速向產業各個領域滲透，產業化水平大幅提升。在此過程中，資本作為產業發展的加速器發揮了重要的作用，一方面，跨國科技巨頭以資本為槓桿，展開投資併購活動，得以不斷完善產業鏈布局，另一方面，各類資本對初創型企業的支持，使得優秀的技術型公司迅速脫穎而出。據美國技術研究公司Venture Scanner的調查報告顯示，截至到2017年12月，全球範圍內總計2075家與人工智慧技術有關公司的融資總額達到65億美元。同時，美國行業研究公司CB Insight公布了對美國人工智慧初創企業的調查結果，這類企業的融資金額約是2012年的10倍。目前，人工智慧已在智能機器人、無人機、金融、醫療、安防、駕駛、搜索、教育等領域得到了較為廣泛的應用。

（三）新一代人工智慧主要發展特徵

在數據、運算能力、演算法模型、多元應用的共同驅動下，人工智慧的定義正從用計算機模擬人類智能演進到協助引導提升人類智能，通過推動機器、人與網路相互連接融合，更為密切地融入人類生產生活，從輔助性設備和工具進化為協同互動的助手和夥伴。主要特徵如下：

圖3 新一代人工智慧主要發展特徵

資料來源：中國電子學會整理

1、大數據成為人工智慧持續快速發展的基石

隨著新一代信息技術的快速發展，計算能力、數據處理能力和處理速度實現了大幅提升，機器學習演算法快速演進，大數據的價值得以展現。與早期基於推理的人工智慧不同，新一代人工智慧是由大數據驅動的，通過給定的學習框架，不斷根據當前設置及環境信息修改、更新參數，具有高度的自主性。例如，在輸入30萬張人類對弈棋譜並經過3千萬次的自我對弈後，人工智慧AlphaGo具備了媲美頂尖棋手的棋力。隨著智能終端和感測器的快速普及，海量數據快速累積，基於大數據的人工智慧也因此獲得了持續快速發展的動力來源。

2、文本、圖像、語音等信息實現跨媒體交互

當前，計算機圖像識別、語音識別和自然語言處理等技術在準確率及效率方面取得了明顯進步，並成功應用在無人駕駛、智能搜索等垂直行業。與此同時，隨著互聯網、智能終端的不斷發展，多媒體數據呈現爆炸式增長，並以網路為載體在用戶之間實時、動態傳播，文本、圖像、語音、視頻等信息突破了各自屬性的局限，實現跨媒體交互，智能化搜索、個性化推薦的需求進一步釋放。未來人工智慧將逐步向人類智能靠近，模仿人類綜合利用視覺、語言、聽覺等感知信息，實現識別、推理、設計、創作、預測等功能。

3、基於網路的群體智能技術開始萌芽

隨著互聯網、雲計算等新一代信息技術的快速應用及普及，大數據不斷累積，深度學習及強化學習等演算法不斷優化，人工智慧研究的焦點，已從單純用計算機模擬人類智能，打造具有感知智能及認知智能的單個智能體，向打造多智能體協同的群體智能轉變。群體智能充分體現了「通盤考慮、統籌優化」思想，具有去中心化、自愈性強和信息共享高效等優點，相關的群體智能技術已經開始萌芽並成為研究熱點。例如，我國研究開發了固定翼無人機智能集群系統，並於2017年6月實現了119架無人機的集群飛行。

4、自主智能系統成為新興發展方向

在長期以來的人工智慧發展歷程中，對仿生學的結合和關注始終是其研究的重要方向，如美國軍方曾經研製的機器騾以及各國科研機構研製的一系列人形機器人等。但均受技術水平的制約和應用場景的局限，沒有在大規模應用推廣方面獲得顯著突破。當前，隨著生產製造智能化改造升級的需求日益凸顯，通過嵌入智能系統對現有的機械設備進行改造升級成為更加務實的選擇，也是中國製造2025、德國工業4.0、美國工業互聯網等國家戰略的核心舉措。在此引導下，自主智能系統正成為人工智慧的重要發展及應用方向。例如，瀋陽機床以i5智能機床為核心，打造了若干智能工廠，實現了「設備互聯、數據互換、過程互動、產業互融」的智能製造模式。

5、人機協同正在催生新型混合智能形態

人類智能在感知、推理、歸納和學習等方面具有機器智能無法比擬的優勢，機器智能則在搜索、計算、存儲、優化等方面領先於人類智能，兩種智能具有很強的互補性。人與計算機協同，互相取長補短將形成一種新的「1+1>2」的增強型智能，也就是混合智能，這種智能是一種雙向閉環系統，既包含人，又包含機器組件。其中人可以接受機器的信息，機器也可以讀取人的信號，兩者相互作用，互相促進。在此背景下，人工智慧的根本目標已經演進為提高人類智力活動能力，更智能地陪伴人類完成複雜多變的任務。

致謝

本白皮書主要由中國電子學會研究諮詢中心人工智慧研究室編寫完成，內容以原創為主，文責自負。在編寫過程中，騰訊研究院、微軟中國、科大訊飛、國安瑞、四維時代、雲知聲、馭勢科技、京東金融等企業深度參與相關工作，提供了豐富資料，來自清華大學、北京理工大學、中國科學院大學、中國電科研究院、微軟亞洲研究院、阿里巴巴、百度、小i機器人、北汽集團、中興通訊、中科寒武紀、深鑒科技的多位專家也參與了報告的研討，在此一併致謝。