描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787518945832
随着人工智能技术的不断突破，应用领域的日益扩展，人工智能产业越来越受到世界发达国家的高度重视，被公认为最有发展前景和革命性的高新技术产业。广东省基于广泛的创新创业环境和深厚的产业基础，正在成为全国人工智能产业技术创新活跃、发展规模较大的地区之一。
本书依托广东省人工智能产业技术研究与发展规划研究成果进行编写，以自主创新为核心，以广东省人工智能产业技术优势和特色为主导，对于引导政府主管部门、科研机构、企业等相关单位积极参与人工智能产业技术攻关，加速科技创新成果转化及应用，有效推动广东省人工智能产业技术健康、快速发展，同时带动其他战略性新兴产业技术的发展具有重大现实意义。
本书分为五章展开，“人工智能发展概述”“国内外人工智能发展现状”“广东省人工智能产业技术创新发展评价”“广东省人工智能标准化建设”以及“广东省人工智能产业技术发展建议”。在撰写过程中，为保证内容的全面性和科学性，核心内容经过了大量的实地调研、专家论证和问卷调查，调研范围囊括了全省有影响力的行业龙头企业以及重点科研机构，专家论证来自于省内代表的人工智能产业链条行业专家、龙头企业专家及专业技术人员，从而保障了本书的科学性、先进性、前瞻性和引导性。
目录
第一章人工智能发展概述001
1.1人工智能发展的主要阶段001
1.2人工智能五大要素002
1.3人工智能技术体系003
1.4人工智能发展趋势008
第二章国内外人工智能发展现状010
2.1人工智能产业技术分类010
2.2全球产业技术发展014
2.2.1产业链发展概述014
2.2.2国外推动产业发展的主要规划016
2.2.3国外龙头企业产业发展策略020
2.3国内产业技术发展024
2.3.1国内产业链发展概述024
2.3.2国内推动产业发展的主要规划026
2.3.3国内人工智能重点省份布局情况034
2.3.4国内龙头企业产业发展策略044
2.4国内外产业技术比较与分析048
2.4.1产业技术发展比较与分析048
2.4.2产业链各层级技术产品比较与分析050
第三章广东省人工智能产业技术创新发展评价057
3.1广东省人工智能产业技术发展概述057
3.1.1概况057
3.1.2技术基础060
3.1.3产业优势065
3.1.4投融资情况067
3.2广东省人工智能产业技术创新发展评价体系068
3.2.1建立评价指标体系的意义068
3.2.2评价指标体系框架068
3.2.3智能感知创新发展评价073
3.2.4数据标签与标注创新发展评价094
3.2.5深度学习创新发展评价098
3.2.6决策与执行创新发展评价134
3.2.7AI能力创新发展评价219
3.2.8广东省人工智能创新综合评价223
第四章广东省人工智能标准化建设226
4.1国内外人工智能标准化现状226
4.1.1国际标准化现状226
4.1.2国内标准化现状227
4.2广东省人工智能标准需求分析229
4.3广东省人工智能标准体系231
4.4广东省近期亟须研制的标准237
第五章广东省人工智能产业技术发展建议239
5.1人工智能技术发展建议239
5.1.1前沿基础技术239
5.1.2关键共性技术240
5.1.3创新技术平台240
5.2人工智能装备研发发展建议241
5.2.1智能部件和芯片241
5.2.2智能软硬件242
5.2.3智能交通装备243
5.2.4智能机器人243
5.3人工智能产业应用发展建议244
5.3.1智能制造244
5.3.2民生服务244
5.3.3社会治理245
5.3.4公共安全245
5.4人工智能政策建议246
5.4.1加快人工智能基础设施建设246
5.4.2强化人工智能人才支撑246
5.4.3健全技术创新及技术服务平台体系246
5.4.4优化政策、资金配置247
参考文献248
前言
随着人工智能技术的不断突破，应用领域的日益扩展，人工智能产业越来越受到世界发达国家的高度重视，被公认为有发展前景和革命性的高新技术产业。我国及地方政府高度重视人工智能产业技术的发展，积极推出了相关产业的扶持政策，2017年7月，国务院出台了我国的人工智能国家战略《新一代人工智能发展规划》，我国正从人工智能领域的跟跑者向领跑者的角色进行转变。在产业政策和市场需求的双重拉动下，我国正逐渐成长为全球人工智能产业发展快的区域之一，而广东省基于广泛的创新创业环境和深厚的产业基础，正成为全国人工智能产业技术创新活跃、发展规模的地区之一。以习近平新时代中国特色社会主义思想为指导，牢固树立并践行创新、协调、绿色、开放、共享的发展理念，充分发挥广东省人工智能领域数据资源丰富、应用场景广阔、产业基础扎实的优势，立足国际视野，聚焦重点核心领域，着力推动人工智能创新应用示范和创新生态建设，构筑产业高端引领发展的新优势新动能，进一步促进人工智能与经济、社会、产业融合发展，将广东打造成为国内一流的新一代人工智能创新发展战略高地，为打造国家科技产业创新中心、建设粤港澳大湾区提供强大支撑。为此，广东省科技厅和广东省质量技术监督局按照广东省发展战略性新兴产业的规划与实际，联合推出广东省人工智能产业技术研究与发展规划的相关工作，组织广东省标准化研究院等技术机构，围绕广东省人工智能产业特征、技术水平现状、技术发展布局及产业链布局现状展开全面调研分析，终形成了研究成果。本书依托广东省人工智能产业技术研究与发展规划研究成果进行编写，分为五章展开。第一章，“人工智能发展概述”，介绍了人工智能发展进程，剖析人工智能技术原理和核心要素，并在此基础上建立了突出广东优势的人工智能技术体系。第二章，“国内外人工智能发展现状”，分析了国内外人工智能产业技术发展现状及发展趋势，介绍了国内外促进人工智能产业技术快速发展的先进理念及措施方法。第三章，“广东省人工智能产业技术创新发展评价”，对全省人工智能产业技术全貌、进展及发展趋势进行了全面的分析和深入的梳理，建立广东省人工智能产业技术创新发展评价体系，对全省人工智能相关产业技术领域对标全球先进水平进行评价，客观真实地反映广东省人工智能产业技术发展状况和发展水平。第四章，“广东省人工智能标准化建设”，对广东省人工智能产业技术标准化进行前瞻性研究，分析了广东省开展人工智能产业技术标准化工作的优势、劣势、机遇和挑战，提出了当前广东省人工智能产业技术迫切需要解决的标准化重大问题，并结合当前广东省人工智能产业技术发展的理论研究重点范畴、应用技术研发趋势、应用市场需求以及各级标准研究、制定和实施重点，建立广东省人工智能标准体系框架，提出亟须研制的标准建议。第五章，“广东省人工智能产业技术发展建议”，结合广东省人工智能发展现状和趋势，在技术突破、产业布局以及政策导向等层面提出指导性建议，供政府、科研机构、企业等人工智能产业技术全链条相关单位参考借鉴。本书以自主创新为核心，以广东省人工智能产业技术优势和特色为主导，掌握广东省人工智能短、中、长期的产业技术发展趋势，对于引导政府主管部门、科研机构、企业等相关单位积极参与人工智能产业技术攻关，加速科技创新成果转化及应用，有效推动广东省人工智能产业技术健康、快速发展，同时带动其他战略性新兴产业技术的发展具有重大现实意义。在本书撰写过程中，为保证内容的全面性和科学性，核心内容经过了大量的实地调研、专家论证和问卷调查，调研范围囊括了全省有影响力的行业龙头企业以及重点科研机构，专家论证来自于省内代表的人工智能产业链条行业专家、龙头企业专家及专业技术人员，从而保障了本书的科学性、先进性、前瞻性和引导性。在此，由衷感谢中山大学、华南理工大学、广东省智能制造研究所、深圳赛宝工业技术研究院、中山眼科中心、科大讯飞华南有限公司、广东中星电子有限公司、广东杰创智能科技股份有限公司等近百家科研机构或生产企业的大力支持。同时，本书在撰写过程中也得到了相关单位的悉心指导，在此，对广东省科学技术厅的杨军副厅长、林萍处长、云丹平调研员、张冬蕾副处长、文晓芸、江翌昕以及广东省标准化研究院的张定康院长、刘杰副院长等领导表示衷心的感谢。由于人工智能产业技术发展过程是一个动态、持续的过程，需要根据行业发展态势不断进行修正、完善和评价，加之编者水平有限，书中部分内容还有待进一步深入研究，瑕疵和纰漏之处在所难免，恳请广大读者予以指出并提出宝贵意见，以便我们继续研究和探讨，不断完善，从而更好地为产业、政府及企业服务。我们相信，随着政府、社会以及更多的企业对人工智能产业及技术的关注和重视，广东省人工智能产业即将迎来一个蓬勃发展的春天。
编者2018年3月
第一章人工智能发展概述
1.1人工智能发展的主要阶段
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术学科。从现阶段技术目标看，人工智能主要研究如何用计算机程序、自动化机械去实现以往只有人类才能完成的感知、学习、决策与执行任务，或增强人类完成这些任务的能力。人工智能产业覆盖了数据资源、算法研究等计算科学、信息科学产业的内容，也包括了智能硬件、智能装备等电子电器、机械自动化产业的内容。
在数据、运算能力、算法模型、多元应用的共同驱动下，人工智能的定义正从用计算机模拟人类智能演进到协助引导提升人类智能，通过推动机器、人与网络相互连接融合，更为密切地融入人类生产生活，从辅助性设备和工具进化为协同互动的助手和伙伴。按照人工智能的发展趋势可将其分为弱人工智能、强人工智能和超人工智能三大发展阶段。
（1）弱人工智能
弱人工智能是对人思维过程的简单模拟，擅长于单个方面的人工智能。弱人工智能是利用现有智能化技术来改善经济社会发展所需要的一些技术条件和发展功能，但并不真正拥有人的智能，也没有自主意识。
（2）强人工智能
强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。Linda Gottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时和人类一样得心应手。
（3）超人工智能
牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为：“在几乎所有领域都比聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的，能够准确回答几乎所有困难问题，能够执行任何高级指令和开放式任务，拥有自由意志和自由活动能力的独立意识。
目前，人工智能的发展仍将长期处于弱人工智能阶段，机器学习是现阶段人工智能主流的技术路径。机器不具备自主的意识，更多的是基于大数据、云计算这套体系对人类生产生活过程形成的数据积累进行机器学习，通过机器学习这种方式，使得这种经验模式或操作模式能够沉淀固化下来，可以在更多领域处理更多类似的事物，极大地提升了人类的脑力劳动和生产效率。
1.2人工智能五大要素
人工智能是一门研究如何构造智能机器或智能系统，使其能模拟、延伸扩展人类智能的学科。想要很好地实现人工智能，必须要对人脑的认知过程和工作方式进行充分的认识。人的认知过程是一个非常复杂的过程，人认识客观事物的过程即是对信息进行加工处理的过程，是人由表及里，由现象到本质地反映客观事物特征与内在联系的心理活动，它由人的感知、记忆、学习、行动、总结及提升等认知要素组成。类比人脑，现阶段的人工智能就是用人工的方法在机器（计算机）上实现人的逻辑思维并付诸行动，即所谓的使机器具有类似于人的智能。基于人的认知要素，现阶段的实现人工智能的要素可归纳为智能感知（对应人的感知）、数据标签与标注（对应人的记忆）、深度学习（对应人的学习）、决策与执行（对应人的行动）、AI能力评价（对应人的总结及提升）五大要素，见图1-1。
（1）智能感知：通过各种智能感知能力采集外部信息并将采集的信息转化为机器可识别的信息或数据，即实现机器的触觉、视觉、听觉等能力。
（2）数据标签与标注：对大规模数据进行筛选、归类、整理、编辑、纠错和批注等数据标注，向机器学习提供有效数据，即对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。
（3）深度学习：对人的思维模式进行模拟，即研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。
（4）决策与执行：模拟人的智能和行为的操作，即实现计算机“说”
“写”“画”等行为表达能力。
（5）AI能力评价：对上述4大要素的实施过程和实现效果进行评估和反馈，使得人工智能各要素的实现能力得到不断纠正和提升。
1.3人工智能技术体系
现阶段人工智能涵盖智能感知、数据标签与标注、深度学习、决策与执行、AI能力评价五大关键要素，每个要素均有对应的技术支撑，结合广东省人工智能发展现状和趋势，其人工智能主要技术体系如下图所示。
（1）智能感知
智能感知是通过各种智能感知能力与外界进行交互，将采集到的外部信息转化为机器可识别的信息或数据。智能感知能力包括机器的视觉、听觉、触觉等感知能力。
智能传感器作为网络化、智能化、系统化的自主感知器件，是实现人工智能智能感知能力的基础。智能传感器属于人工智能的神经末梢，是智能感知核心元件，各类智能传感器的大规模部署和应用是人工智能技术发展不可或缺的基本条件。智能传感器本身具备的各类自主功能是“智能”的主要表现，包括针对安装使用过程中的自主校零、自主标定、自主校正等功能；使用过程中应对各类环境干扰及变化的自动补偿功能；工作状态下的数据采集及自主分析、数据处理及执行干预等本地逻辑功能；数据采集后的上传及系统指令的决策处理功能等，特别是面向更多无人值守应用环境，以及大数据分析中数据采集的自学习功能等，这些都是传感器智能化的体现。
计算机视觉是一门研究如何使机器“看”的科学，更进一步地说，就是指用机器代替人眼对目标进行识别、跟踪和测量的机器视觉，并做进一步的图形处理，成为更适合人眼观察或机器检测的图像，体现的是机器的视觉感知能力。作为一个科学学科，计算机视觉研究相关的理论和技术，建立能够从图像或者多维数据中获取“信息”的人工智能系统。
自然语言处理研究的是实现人与计算机之间用自然语言进行有效通信的各种理论和方法，是一门融语言学、计算机科学、数学于一体的科学。自然语言处理并不是一般地研究自然语言，而是在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。
（2）数据标签与标注
数据标签与标注是基于机器学习的数据补全、分类、理解、纠错和批注等数据处理技术研究，针对关键环节建立标准技术与方法体系。研究以数据驱动与数据引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算架构、综合深度推理方法、数据驱动的通用人工智能学习模型进行数据的计算和可交互。实现以数据驱动为核心、面向行业应用的数据服务技术应用，并开展大规模数据认知、提取和输出服务。
（3）深度学习
深度学习是人工智能领域一个重要的环节，其核心在于建立模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习包括机器学习基础理论、机器学习方法、深度学习芯片以及学习计算平台等主要技术。
人工智能学习基础理论主要涉及知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自动程序设计等方面。知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。自动推理是知识的使用过程，由于有多种知识表示方法，相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。由于知识处理的需要，近几年来提出了多种非演绎的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。目前，人工智能学习基础理论主要包括大数据智能理论、跨媒体感知计算理论、混合增强智能理论、群体智能理论、自主协同控制与优化决策理论、高级机器学习理论、类脑智能计算理论、量子智能计算理论等。
机器学习方法是研究机器模拟人类的学习活动，获取知识和技能的方法，以改善系统性能的学科。机器学习的一般框架包括学习任务的数据和目标、学到知识的表示、操作的集合、概念空间和启发式搜索五个部分。机器学习的综合分类包括经验性归纳学习、分析学习、类比学习、遗传算法、联接学习（人工神经网络）、增强学习等方法以及机器学习技术应用平台等。
芯片是人工智能产业链的核心和基础，在实现人工智能的过程中，有三大不可或缺的基本要素：算法、数据与硬件，而芯片是硬件的主要的组成部分，是支持智能算法和数据运行的载体。离开芯片，人工智能将无法实现。芯片行业作为产业链的上游，也成为业内乃至各国未来发展布局的重要战略性一环。从人工智能芯片所处的发展阶段来看，从结构层面去模仿大脑运算虽然是人工智能追求的终极目标，但距离现实应用仍然较为遥远，功能层面的模仿才是当前主流。因此CPU、GPU和FPGA等通用芯片是目前人工智能领域的主要芯片，而针对神经网络算法的专用芯片ASIC也正在被Intel、Google、英伟达和众多初创公司陆续推出，并有望在今后数年内取代当前的通用芯片成为人工智能芯片的主力。
计算平台是指以高性能计算机资源为基础向第三方提供计算资源、存储资源等服务的系统或机构，是大数据时代背景下发展人工智能应用的重要硬件基础。计算平台主要包括云计算支撑平台和超级计算支撑平台，前者侧重提供丰富的分布式计算资源，主要应用在大数据收集、储存、计算、物联网、云教育等方面；后者侧重提供强大计算能力资源以满足巨运算量的大型计算任务，比如核试验模拟、气象预报、金融计算、航空设计、深度神经网络模型训练等。
评论
还没有评论。