新闻
目前人工智能已成业界热议话题，人工智能对实体经济、虚拟经济都有巨大的推动作用，同时人工智能对于金融、证券业而言也有较大的应用空间。本文尝试提出人工智能所带来的经济社会形态的本质内涵，并提出与实体经济深度融合的专用人工智能技术体系。
数字经济是人工智能经济的前提
人工智能经济形态是数字经济之后新的经济形态，它建立在数字化、互联网化、信息化基础上，且人工智能技术的发展之所以三起三落，与每个阶段数字经济发展的不充分有直接关系。如图所示，每个科技与经济发展阶段都要以上一个阶段为基础，如果上一个阶段整体发展不充分，那么本阶段的发展就会缺乏基础，出现“往复式发展现象”。同时，人工智能在各个行业的发展不均衡，某个行业会出现先例，例如在棋艺方面，国际象棋、围棋已经被人工智能攻克，在该领域已经没有人类可以超越“深蓝”“AlphaGo Zero”。
人工智能的内核是计算机技术，通过基础资源（即数字经济阶段的技术积累）、物理世界的数字化（包括特征化、向量化、标签化）、互联网和信息化（包括大数据服务、云化信息系统）三步，人工智能才能更好地在具体领域有学习、智能升级的基础。因此当人们在模仿人类大脑开发人工智能、研究卷积神经网络、开发深度学习上遇到瓶颈，可反向在数字经济发展是否充分方面寻找答案。
专用人工智能发展阶段，技术体系与实体经济融合
技术体系指各种技术之间相互作用、相互联系，并按一定目的、一定结构方式组成的技术整体。人工智能是一个技术簇，尤其是在专用人工智能阶段需要加强技术分类，因为人工智能的技术分类是人工智能技术体系形成的基础。
人工智能狭义上可理解为通过人工的手段达到模仿人类智能的目标。智能主要表现在人工智能的技术发展定位上，而人拥有视觉、听觉、触觉、味觉、感觉、语言表达、书写、行动、逻辑推理、学习、记忆等能力。当人工智能具备了其中某项能力，代替人来做具体岗位上重复的体力或脑力劳动，这便是专用人工智能。专用人工智能是可以标准化的，简单、重复的劳动形式。
语言识别技术与实体经济融合领域
语言识别是机器人与人类通过声音交互的前提，包括语言种类识别、口音的处理、背景噪声、区分同音异形/异义词、典型应用领域医疗听写、语音书写、电脑系统声控、电话客服等。
语言识别技术与实体经济融合的领域包括以下几个方面。
一是提升各类电子设备附加值，通过嵌入自然语言处理技术，使各类电子设备具备自然语言控制、简单对话功能，增加国内产品出口竞争力，如智能终端、白色家电、导航设备等。
二是提升各类产品与服务在线响应感知，通过自然语言处理技术、预设的逻辑导引，可以实现7×24小时在线电商服务，实现智能问答型自动客服，可广泛应用于运营商客服、电商客服、地产营销客服等各类客户服务系统。
三是各类现场服务机器人，现场服务机器人最重要的是人机交互，要能准确理解现场客户的需求，这方面的应用非常广泛，几乎涉及到所有服务行业，典型应用场景如酒店、餐饮、娱乐等服务场所。
四是其他领域，可以用于身份认证、保密管理、金融远程登录密码和声纹双保险、军事领域声纹识别侦听模块等领域。
语言表达技术与实体经济融合领域
在语言表达技术与实体经济融合领域，语言表达与自然语言识别是机器人技术需求的两个方面，自然语言识别从本质上是声纹处理技术，语言表达依靠的是语言合成技术，但在情感、情绪上还需要与人工智能的情绪感知技术进行结合，包括在提高合成语音的自然度、丰富合成语音的表现力、降低语音合成技术的复杂度、多语种语音合成等方面还有待改进。
在各类声音播报的商业场景上，声音模仿技术可以模仿任何声音纹理。比如世界首部利用人工智能模拟人声的纪录片《创新中国》在央视纪录片频道播出，纪录片解说词全程运用人工智能配音，“重现”已故配音大师李易的声音；地图导航系统可以模仿任一明星的声纹进行全程播报。通过录制一段声音可实现文本的自动播报几乎适用于所有声音播报商业场景。
在服务机器人领域，服务机器人的语言表达决定了机器人与人交互的顺畅度、亲和力、自然程度。服务机器人体现的是人工智能的第二个发展阶段——通用人工智能。
语义理解技术与实体经济融合领域
语义理解本质上就是文本理解技术，它是声音识别的输出，同时也是语言表达、逻辑推理、深度学习、行为技术的分析输入，文本就是数据，数据就是符号。数据本身没有任何意义，只有被赋予含义的数据才能被使用，这时候数据就转化为信息，而数据的含义就是语义。语义理解技术分为词汇级、句子级、篇章级3个方向，该行业需要大量的机器学习素材，因此大型公司往往采用开源的形式发布相关技术模块，例如谷歌发布了解析器SyntaxNet，科大讯飞发布了讯飞开放平台。
在手机终端上，手机终端在数字经济时代是移动互联网的载体，在人工智能时代是人类活动的助理机器人；移动互联网流量在整个互联网中占比在2018-2019年将超过60%。Gartner预测，2018年后AI智能终端的出货量占比将会逐年提升，2020年全球手机出货量将达25.5亿部，其中AI移动智能终端将达到13.3亿部，占比52.1%，当前智能手机的发展方向将是人工智能手机。
在大型会议记录、翻译中，速记、同声传译是必不可少的，随着语音识别技术的开发，当前语音同声语音转文字服务、机器人自动转译技术已接近成熟，商用化翻译产品已在2016年推向市场。
在大数据行业应用中，大数据分为结构化数据和非结构化数据，当前结构化数据可以通过成熟的数据分析工具处理，但是非结构化数据一直是难点，根本原因是语义理解问题，如语义理解成熟化问题。人工智能文本语义理解技术可以根据一个自有命题从互联网网页、电子书中搜集数据，形成新的高水平、浓缩人类所有数字世界智慧成果的著作、论文，非结构化数据的应用将达到质的飞跃。
视觉技术与实体经济融合领域
人工智能领域的视觉技术主要是图像识别、计算机视觉、机器视觉。虽然机器视觉在工业领域被广泛提及，但是其应用的技术包括了计算机视觉、图像处理等技术，应用场景也稍有不同。图像识别主要应用在图像采集终端，如人脸识别摄像头；计算机视觉主要是应用于动态图像的分析和静态图像分析。可以说，计算机视觉是人工智能视觉技术的基础元素。
视觉技术是人工智能当前技术相对其他技术领域较成熟、技术发展最快、市场需求量最大的领域，比如人脸识别，在光线好的情况下，正面人脸识别机器的准确率能达到99.99%，人脸识别在公安、物业安保、银行、证券、金融社保、教育、电子商务、机场、地铁等场景应用广泛。前瞻研究院《中国人脸识别行业市场前瞻与投资战略规划分析报告》显示，未来十年，我国人脸识别行业市场规模有望达到千亿元。
视觉技术另外一个巨大市场是医疗领域。以肺结节检测为例，一家三甲医院平均每天接待200例左右的肺结节筛查患者，每位患者在检查环节会产生200~300张左右的CT影像，放射科医生每天至少需要阅读4万张影像，任务繁重，消耗大量精力，导致误诊漏诊率上升。中国医学会的一份误诊数据资料显示，中国临床医疗总误诊率为27.8%，其中恶性肿瘤平均误诊率为40%，国内医学影像资源匮乏，且存在结构性失衡，带来第三方影像中心发展机遇。开发医疗行业图像识别技术，促进行业专用设备发展，如能在社会基层医疗机构普及，将大大提升分级诊疗效率、促进医疗资源公平，对于医疗领域放射科、病理科室而言，从市场需求和技术需求的角度来看均比较紧迫。
在国家卫生计生委、安徽省卫计委的指导下，科大讯飞与清华大学联合研发的人工智能“智医助理”机器人在国家医学考试中心监管下参加了2017年临床执业医师综合笔试测试，“智医助理”456分的成绩处于全国53万名考生中的中高级水平，未来技术越来越成熟。从辅助医疗到专项医疗机器人，人工智能技术将促进我国医疗体制改革的落地。
图像绘制技术与实体经济融合领域
图像绘制就是人工智能开展图像创作，在与设计相关的领域中应用广泛，如工程图纸设计、工业设计、工艺品设计等，可大大节省设计人员的的工作量，提升工作效率，提高准确度。
图像绘制是将数字世界与物理世界进行映射，由物理世界输入到数字世界，或者由数字世界通过纸张、3D打印等呈现给物理世界，在这个过程增加人工智能就可以代替人的部分或全部劳动。图像绘制不仅可以绘制图像，它在精密IC电路板制造、外科手术领域也有较好应用前景。
行为技术与实体经济融合领域
机器人行为技术是未来行动型通用、超级人工智能的前提，应用范围大致分为工业机器人、矿业机器人、建筑机器人、交通机器人、服务机器人、应急救灾机器人、军用机器人等，凡是人类四肢动作的劳动均可以通过机器人来实现。
工业机器人最先在汽车行业普及，现在正在向家电制造行业、医药制造行业、物流行业普及。2018年中国工业机器人市场规模达到22.3亿美元，未来五年（2018-2022年）年均复合增长率约为22.73%，2022年中国工业机器人市场规模将达到50.6亿美元。当前工业机器人将加入机器视觉技术，使其成为通用机器人可以不用更改生产线机器臂轨迹参数而实现自主流水线生产。
我国物流行业已经能够实现从港口、仓库到快递派送的无人化（结合远程控制），如上海的洋山港、山东青岛港的全自动化港口；大型物流公司已基本普及AGV搬运机器人；某大型电商已在北京试点无人派送小车。
交通机器人分为无人驾驶客运专用车、物流专用车两大类，客运专用车以无人驾驶小汽车为主，无人驾驶将给整个交通、物流产业带来飞跃式发展。
总之，人工智能行为技术带来的行业产值将有力支撑国家整个人工智能产业“三步走”目标的实现，极大地降低人口老龄化、人工成本上升带来的产业劳动力问题，实现由人口红利向机器红利转变。
触觉感知技术与实体经济融合领域
触觉可以感知位置、力度、温度、幅度等人手要做的精细事务，相对于行为技术，人工智能触觉感知技术应用在身体感知需要比较细腻的应用领域。
在医疗行业应用上，要做虚拟手术、远程医疗，就必须有触觉，比如专家远程手术、人造皮肤传感技术已在实验室实现，是未来服务机器人的皮肤雏形。
在陪护行业应用上，随着中国老龄化人口的增加，养老、康复照料问题是社会共同面临的难题，康复工成本逐年上升，陪护机器人的市场空间很大，其功能需求包括服务、安全监护、人机交互以及多媒体娱乐等。
推理技术与实体经济融合领域
推理技术包括常识推理、计算推理、逻辑推理、伦理推理等。常识推理指的是机器在没有任何背景学习情况下进行常识的推理。对于对话机器人来说，推理是实现智能对话的技术基础，但当前这项技术还远不够成熟。谷歌、苹果、微软、百度、科大讯飞的对话型机器人都在向这个目标努力，让机器具备基本的推理、学习相关的计算能力、逻辑能力，而AlphaGo就是这个层次的典型应用。
推理技术根据具体领域的标准化规则可以在专用人工智能领域发挥到智慧的极致，将若干推理技术叠加在一起为未来的通用人工智能打下了基础。未来可以实现软件开发的人工智能化，即由人工智能来开发软件。这对于我国2017年1.7万亿人民币产出规模的软件产业来说无异于再造一个软件产业，而软件工程师的主要工作将变成开发人工智能自动开发软件。
推理技术还有一项重要领域就是人工智能操作系统，与数字经济时代类似，人工智能也需要有统一、开源的操作系统来承载专用人工智能，使各种人工智能软件能够在一个开放的架构下实现互相调用。它与当前的Windows、安卓、iOS系统不同，人工智能操作系统本身就具有自我迭代、自我完善的能力。
情绪感知技术与实体经济融合领域
情绪感知技术是通用型服务机器人的基础，包括识别情绪和表达情绪两个方向。众所周知，人们对幸福生活的追求不仅是物质上的，还有精神上的，情绪感知技术让机器人增加了与人的互动，让人们对机器人产生亲切感，人工智能不仅是人类劳动的替代者，更是人类的伙伴。人工智能情绪识别的能力用处极大，在医疗业、服务业甚至审讯领域都会发挥不小的作用，很多世界顶尖的研究机构都在进行这方面的研究，如卡耐基梅隆大学机器人研究所Torre发明的面部识别软件IntraFace可以帮助医生检测抑郁症。
在当前实体经济应用领域，可以从简单入手，例如应用于交通运输领域识别大巴车、监测物流货运车司机是否疲劳驾驶；适用于教育领域学生在课堂上的注意力情况统计等。
机器学习技术与实体经济融合领域
机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度神经网络)、CNN(卷积神经网络)、RNN(循环神经网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用神经网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。
强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。
因此当前我国发展机器学习，需要从数字技术发展基础好、标准化数据量大的相关实体经济领域着手，如人口管理、交通、医疗、教育、数控制造等领域。
伴随着数字经济的发展人工智能技术从提出到现在已经有60多年历史，以人工智能为主线发展实体经济将给我国带来“弯道超车”的绝佳机遇。
扫一扫在手机上阅读本文章