高文，中国工程院院士、北京大学文科讲座教授、鹏程实验室主任。 他见证并参与了中国计算机产业的快速发展，见证了人工智能的成长和拓展。 主持国家级科研项目20余项，涉及人工智能、视频编码与分析、计算机视觉等前沿领域。 他领导的数字视频编解码技术国家工程实验室，经过十余年潜心研究，依靠完全自主创新，完成了我国具有自主知识产权的第二代信源编码标准体系，达到国际标准。 2021年，他和项目团队的“超高清视频多态基元编解码关键技术”荣获2020年度国家技术发明奖一等奖。 他和团队主导制定的AVS超高清视频编解码国家标准也被全球超高清产业联盟采纳为国际标准。

人工智能被视为第四次工业革命的标志。 发达国家和众多科技公司都投入巨资进行研发和布局。 我国也在全力打造人工智能发展的先发优势。 党的二十大报告指出，推动战略性新兴产业集成集群发展，打造信息技术、人工智能、生物技术、新能源、新能源等新一代增长引擎。材料、高端装备、绿色环保。 什么是人工智能？ 人工智能将如何改变我们的生活？ 如何抓住这场技术革命的机遇？

什么是人工智能

人工智能的发展历史只有六七十年。 人工智能，又称人工智能，是人类模仿人类创造的智能，一般通过机器人、计算机等载体来表达。 人工智能有两个重要的概念：一是通用人工智能或强人工智能。 如果这个智能系统的功能和能力与人类相同甚至超过人类，则称为强人工智能系统； 另一种是特殊人工智能或强人工智能。 这就是所谓的弱人工智能。 如果这个智能系统只能做一件事，即使它可能比人类更好，那么它也是弱人工智能。 例如常见的人脸识别、语音识别系统。

1956年，10位年轻学者，其中许多是图灵奖和诺贝尔奖获得者，在美国达特茅斯举办了暑期研修班。 在两个月的讨论中，他们讨论了人工智能应该做什么、如何做，列出了自动计算机、编程语言、神经网络、计算规模理论等人工智能领域需要研究的问题，并形成a 比较前沿的报告，这是公认的对人工智能比较完整的描述。 今年也被称为人工智能元年。

从1956年到1976年，这20年是人工智能发展的第一阶段。 这一时期的人工智能主要是模拟大脑的工作。 这种模拟不是信号层面的模拟，而是逻辑推理等更高层面的大脑模拟。 现阶段比较珍贵的成果之一是数学定理的证明，即利用计算机自动证明数学定理。 包括代数定理和几何定理的证明，都是由两个中国人（王浩和吴文俊）完成的。 后来研究人员发现，仅仅通过模拟人脑来实现人工智能太难了。 因为当时我只完成了数学定理的证明，击败国际象棋冠军、机器作曲等其他目标都没有完成。 人工智能逐渐从高点跌落到低点，学者们开始反思人工智能是否误入歧途，是否应该做点实际的事情。

学者们开始尝试开发对社会有影响的系统，比如医疗诊断专家系统、故障诊断系统，可以代替医生和专家进行一些诊断。 另一种是模拟神经系统做专家系统，在字符识别、文本识别领域比较有效。 后来应用到自动机器识别、自动分拣系统，包括今天的语音识别，基本上都遵循了神经网络的技术路线。

这两条技术路线，使得专家系统第二次人工智能发展30年来，创造了百花齐放的局面。 然而，专家系统的高光时刻并没有持续多久，因为虽然专家系统在演示时做了很多，效果也不错，但真正投入使用时，效果并不理想，所以受欢迎程度开始下降，直到2006年，人工智能领域被点燃。 随着三篇轰动的重量级文章的发表，人工智能开始突飞猛进的发展。

今年，多伦多大学 Hinton 教授、纽约大学杨立坤教授、蒙特利尔大学 Bengio 教授几乎同时发表重量级文章，从不同角度阐释深度神经网络大有可为、可训练大范围上。 。 只要输入的数据好，就可以解决问题。 这一系列论文发表后，大家经过几年的探索，取得了一些小收获，但没有产生大的成果。 直到2010年，斯坦福大学华裔女教授李飞飞和普林斯顿大学华裔教授李凯才开发出一个特别大规模的图像数据库，然后用它参加比赛。 当时的竞争标准是，谁做出的系统错误率较低，谁就获胜。 错误率最低的团队2010年为28%，2011年为26%，2012年实现突破，降至16%。 原来，Hinton的学生利用Hinton发表的文章中的技术参加比赛，并击败了所有对手。 这是一个重大发展。 到了2013年，深度网络技术开始流行，其他路线无非是网络应该多深、有多少节点、参数如何设置等技术改进，而不是方法上的革命。 到2015年，系统错误率再次实现革命性突破，降至3.6%，而人为错误率平均为5%。 在图像分类方面，神经元网络已经超越了人类。 这是谁做的？ 由中国学者孙健提出，当时他和他的团队提出了残差网络。 这个残差网络不仅是图像分类应用中的第一个，而且也是围棋中最强大的。 基于此，适合深度网络的弱人工智能可以在研究和产业化中得到广泛应用。

人工智能的特征与成长

从感知到认知，人工智能迈上了新台阶。 在智力层面，感知智能日益成熟。 智力可分为感知智力、认知智力和决策智力。 感知智能是与我们的感官（如视觉、听觉和触觉）直接相关的智能。 如今，面部和语音识别、机器翻译以及诊断患者病例和识别产品缺陷都发展得很好。 人工智能正在慢慢发展。 慢慢从一般感知智能升级到认知智能。

类脑计算和量子计算是突破的两条途径。 如果用现有的计算机无法做到更大规模或者认知相关的人工智能和强人工智能怎么办？ 必须找到出路。 技术路线上有两种可能的出路。 一是类脑智能。 人类信息处理的能效比非常高。 现在的电脑不好，能效比太低。 类脑计算的能效比会更高。 另一个是量子计算，它的能效比极高。 有可能使量子计算成为一个相对稳定的系统。 当然，无论是类脑还是量子计算，都还存在很大的不确定性，需要继续研究和积累。

人与机器的混合智能具有独特的优势。 在智能形式方面，人类和计算机的混合模型越来越多。 这就是所谓的人机混合智能。 机器擅长做的事情就交给机器去做，机器不擅长的事情就可以由人类介入去做。 这种人机混合智能是现阶段人工智能发展比较重要的技术途径。

应用先行有利于技术发展。 在应用驱动方面，过去我们是先开发技术，然后将技术转化为应用。 现在依靠应用来驱动技术发展，这条道路是人工智能非常重要的发展形式。 当深度神经网络出现时，我不知道它们会用在哪里。 我需要找到一个好的应用场景来使用它们。 如果Hinton的学生没有带着它参加图像网络竞赛，神经网络的热潮可能会被推迟很长一段时间。

采取预防措施，防止技术失控。 人工智能具有社会属性。 人类会被人工智能奴役和操纵吗？ 这种社会属性正是我们在做人工智能时必须认真对待的问题。 我们要端正人与智能系统的关系，对人工智能能做什么、不能做什么进行研究和立法，并从法律和道德角度进行分析。 对其进行约束和调节。 不然以后你可能会很被动。

中国人工智能发展的优势与差距

2013年以来，世界各国政府特别是发达国家纷纷研究人工智能对社会和经济潜在的颠覆性影响，并陆续发布了适合本国国情的人工智能战略。 在这场事关未来的科技革命中，我们的机会在哪里？ 有哪些优点和缺点？

我国已成为人工智能领域的超级大国之一。 改革开放以来，我国在基础研究方面投入巨大，人工智能的发展取得了很好的成果。 中国在一些关键核心技术上已经走在世界前列，比如人脸、语音识别技术。 我国人工智能发展高度融合并渗透到各行各业，应用推广优于其他国家。 我国人工智能发展的创新生态环境已初步形成。 百度自动驾驶、阿里巴巴城市大脑、腾讯智慧医疗、科大讯飞语音识别、商汤科技图像视频处理等开放平台，以及华为、寒武纪、海康威视等实体经济平台已经创建。 在全球人工智能指数排名中，中国属于第一梯队，紧随美国，在人才、教育、专利产出等方面取得进步。 全球人工智能发展以中美为主导、梯队分布的总体格局没有改变。

四大优势为我国人工智能发展保驾护航。 一是政策优势。 人工智能已被列为国家发展重点。 二是海量数据资源优势。 中国的人口是美国的四倍多。 中国拥有最多的手机人口、手机消费量和支付量。 拥有消费、出行、医疗、旅游、物流等海量数据资源。 三是应用场景优势。 我国是发展中国家，很多基础设施还不够完善。 这为人工智能的应用提供了一些深入的场景。 比如城乡基础设施、医疗、教育、民生服务等领域的问题，都可以通过人工智能系统的介入得到快速解决。 四是青年人才优势。 我国高等教育毛入学率已达59.6%，理工科学生比例非常高。 这是一个非常庞大的人才储备。 国家自然科学基金委员会专门设立人工智能一级学科代码，资助相关基础研究、前瞻性探索和应用研究。

当然，我们也存在一些不足，特别是四个薄弱环节亟待加强。 首先，基础理论和原创算法研究相对薄弱。 其次，高端设备的研发能力较弱，例如用于深度神经网络训练的GPU（图形处理单元）。 中国在这方面的差距是比较明显的。 三是缺乏有影响力的开源人工智能平台。 四是缺乏相应的高端人才。 据统计，我国顶尖高端人工智能人才数量仅为美国的20%，已成为国家重点领域急需的高层次人才。

我们应该如何规划未来？

未来已经到来，哪个未来已经到来？ 过去的三十年是一个伟大而迅速变化的时期。 第一是计算机的计算能力提高约100万倍，第二是存储容量提高约100万倍，第三是通信速度提高约100万倍。 这三个时代给我们的社会、工作、生活、学习带来了翻天覆地的变化。 下一次影响人类社会的工业革命可能发生在2030年至2040年之间，其主题将是人工智能，这将是下世纪的核心技术。

国家战略、人才高地、基础设施建设、立法保障缺一不可。 我们要发展好人工智能，需要从好出发，对很多事情进行布局。 一是将人工智能发展上升为国家发展战略。 作为战略性新兴产业，国家、地方政府和企业必须给予大力支持。 二是完善国家人工智能研发体系。 三是加快人才培养，形成一批国家人工智能人才高地，进而带动整个人工智能理论和算法的发展。 四是加强智能基础设施建设，推动公共数据开放共享，同时完善相关法律法规保障数据安全。 五是加快人工智能法律伦理问题研究，引导人工智能安全可控发展。 六是深化国际开放合作，积极参与全球人工智能治理和标准制定。

数据处理、开源平台、应用场景是必须牢记的三个关键点。 用人工智能赋能各行各业的出发点是什么？ 列表中的第一项是数据。 没有数据，即使是弱人工智能也无能为力，因此必须对数据进行组织、清理、利用和保护。 第二是打造我们自己的开源平台，以匹配我们作为人工智能强国的地位。 三是应用场景的培育和赋能。 很多场景仍然只是投资驱动。 政府需要知道哪些领域是优先发展领域。 市场能决定什么，就交给市场来决定。 政府需要的事情，只有通过干预、监管才能做好的事情，政府要果断干预、培育、支持、搭便车。 这是非常关键的一步。 把自己做大做强、补齐自身短板后，我们要与世界人工智能同步前进，迎接人工智能第四次工业革命的到来。

海量信息、精准解读，尽在新浪财经APP

搜虎网转载此文目的在于传递更多信息，不代表本网的观点和立场。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。