【人工智能】院士谈新一代人工智能五大智能方向
來源：德先生（D-Technologies）
FITEE“人工智能2.0”專題導讀
國務院近日印發《新一代人工智能發展規劃》，提出了面向2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施，部署構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國。
2017年1-2月，中國工程院院刊信息與電子工程學部分刊《信息與電子工程前沿（英文）》出版了“Artificial Intelligence 2.0”專題，潘云鶴、李未、高文、鄭南寧、吳澄、李伯虎、陳純等多位院士以及專家學者參與撰文，對新一代人工智能中涉及的大數據智能、群體智能、跨媒體智能、混合增強智能和自主智能等進行了深度闡述。專題包括7篇綜述、5篇研究論文。讓我們隨著專題中的綜述文章，一起領略新一代人工智能中5大智能方向的圖景。
1956年，在美國達特茅斯（Dartmouth）學院，約翰·麥卡錫（John McCarthy，1971年度圖靈獎獲得者）、馬文·李·閔斯基（Marvin Lee Minsky，1969年度圖靈獎獲得者）、克勞德·艾爾伍德·香農（Claude Elwood Shannon，信息理論之父）、納撒尼爾·羅徹斯特（Nathaniel Rochester，IBM第一代通用計算機701主設計師）四位學者發起舉行“人工智能夏季研討會”，指出“人工智能”研究目標是實現能模擬人類的機器，該機器能使用語言，具有概念抽象和理解能力，能夠完成人類才能完成的任務并不斷提高機器自身。
“人工智能”這一概念提出后，迅速發展成為一門廣受關注的交叉和前沿學科，沿著“從符號主義走向連接主義”和“從邏輯走向知識”兩個方向蓬勃發展，在象棋博弈、機器證明和專家系統等方面取得了豐富成果。隨著互聯網的普及、傳感網的滲透、大數據的涌現、信息社區的崛起，數據和信息在人類社會、物理空間和信息空間之間的交叉融合與相互作用，大眾創業和萬眾創新等新技術、新產業和新業態不斷涌現，使得對人工智能基本理論和方法的研究開始出現新的變化，這些變化也使得人工智能新的應用呈現勃勃生機。
為了更好地與學術同行交流人工智能2.0理論、方法和技術，潘云鶴院士于2016年12月在中國工程院院刊Engineering（主刊）發表了題為“Heading toward artificial intelligence 2.0”的論文，從人工智能60年的發展歷史出發，通過分析促成人工智能2.0形成的外部環境與目標的轉變，分析技術萌芽，提出了人工智能2.0的核心理念，并結合中國發展的社會需求與信息環境特色，給出了發展人工智能2.0的建議。
2017年1~2月，中國工程院院刊信息與電子工程學部分刊《信息與電子工程前沿（英文）》出版了“Artificial Intelligence 2.0”專題，潘云鶴、李未、高文、鄭南寧、吳澄、李伯虎、陳純等多位院士以及專家學者參與撰文，對新一代人工智能中涉及的大數據智能、群體智能、跨媒體智能、混合增強智能和自主智能等進行了深度闡述。
挑戰與希望：AI 2.0時代從大數據到知識
莊越挺、吳飛、陳純、潘云鶴
對大數據時代人工智能領域近期出現的若干理論和技術進展進行了綜述，認為將數據驅動機器學習方法與人類的常識先驗與隱式直覺有效結合，可以實現可解釋、更魯棒和更通用的人工智能。AI 2.0時代大數據人工智能具體表現為：從淺層計算到深度神經推理；從單純依賴于數據驅動的模型到數據驅動與知識引導相結合學習；從領域任務驅動智能到更為通用條件下的強人工智能（從經驗中學習）。下一代人工智能（AI 2.0）將改變計算本身，將大數據轉變為知識，以支持人類社會更好決策。
文章配圖：從數據到知識
AI 2.0時代的群體智能
李未、吳文峻、王懷民、程學旗、陳華鈞、周志華、丁嶸
認為基于互聯網的信息物理世界深刻地改變了人工智能發展的信息環境，將人工智能研究的新浪潮推進到人工智能2.0新紀元。作為AI 2.0時代最突出的研究特點之一，群體智能引起了產業界和學術界的廣泛關注。具體來說，為應對挑戰，群體智能提供了一種通過聚集群體的智慧解決問題的新模式。特別是由于共享經濟的快速發展，群體智能不僅成為了解決科學難題的新途徑，而且也已融入日常生活的各個方面，例如線上到線下（online-to-offline, O2O）應用、實時交通監控、物流管理。該文對現有群體智能研究成果進行總結和綜述。首先，論述了群體智能的基本概念，并對其與現有相關概念（如眾包和人本計算）的關系進行了解釋。然后，介紹了4類具有代表性的群體智能平臺，總結了3項核心問題以及最新的群體智能技術。最后，討論了群體智能研究的發展方向。?
文章配圖：參與式和移動人群感知
跨媒體分析與推理：研究進展與發展方向
彭宇新、朱文武、趙耀、徐常勝、黃慶明、盧漢清、鄭慶華、黃鐵軍、高文
認為隨著人類文明的進步以及科技的發展，信息的傳播從文字、圖像、音頻、視頻等單一媒體形態逐步過渡到相互融合的多種媒體形態，越來越顯現跨媒體特性，而如何實現跨媒體分析與推理就成為了研究和應用的關鍵問題。本文從7個方面對跨媒體分析與推理進行綜述：（1）跨媒體統一表征理論與模型；（2）跨媒體關聯理解與深度挖掘；（3）跨媒體知識圖譜構建與學習方法；（4）跨媒體知識演化與推理；（5）跨媒體描述與生成；（6）跨媒體智能引擎；（7）跨媒體智能應用。
文章配圖：多模態數據統一表征方法示例
混合—增強智能：協作與認知
鄭南寧、劉子熠、任鵬舉、馬永強、陳仕韜、余思雨、薛建儒、陳霸東、王飛躍
認為由于人類面臨的許多問題具有不確定性、脆弱性和開放性，任何智能程度的機器都無法完全取代人類，這就需要將人的作用或人的認知模型引入到人工智能系統中，形成混合—增強智能的形態，這種形態是人工智能或機器智能的可行的、重要的成長模式。混合—增強智能可以分為兩類基本形式：一類是人在回路的人機協同混合增強智能，另一類是將認知模型嵌入機器學習系統中，形成基于認知計算的混合智能。該文討論人機協同的混合—增強智能的基本框架，以及基于認知計算的混合—增強智能的基本要素——直覺推理與因果模型、記憶和知識演化；特別論述了直覺推理在復雜問題求解中的作用和基本原理，以及基于記憶與推理的視覺場景理解的認知學習網絡；闡述了競爭—對抗式認知學習方法，并討論了其在自動駕駛方面的應用；最后給出混合—增強智能在相關領域的典型應用。
文章配圖：人在回路的混合增強智能
文章配圖：直覺推理與認知映射的關系
文章配圖：企業協作決策的混合增強智能的一般框架
AI 2.0時代的類人與超人感知：研究綜述與趨勢展望
田永鴻、陳熙霖、熊紅凱、李洪亮、戴禮榮、陳婧、興軍亮、陳靖、吳璽宏、胡衛明、胡郁、黃鐵軍、高文
簡要回顧了不同智能感知領域的研究現狀，包括視覺感知、聽覺感知、言語感知、感知信息處理與學習引擎等方面。在此基礎上，對即將到來的AI 2.0時代智能感知領域需要大力研究發展的重點方向進行了展望，包括：（1）類人和超人的主動視覺；（2）自然聲學場景的聽知覺感知；（3）自然交互環境的言語感知及計算；（4）面向媒體感知的自主學習；（5）大規模感知信息處理與學習引擎；（6）城市全維度智能感知推理引擎。
文章配圖：AI 2.0時代智能感知技術框架
智能無人自主系統發展趨勢
張濤、李清、張長水、梁華為、李平、王田苗、李碩、朱云龍、吳澄
介紹了智能無人自主系統的發展趨勢，將相關技術分成了7個領域，包括人工智能技術、無人車、無人機、服務機器人、空間機器人、海洋機器人和無人車間/智能工廠，對每個領域的發展趨勢進行了介紹。
文章配圖：無人機發展趨勢預測
人工智能在智能制造領域的應用研究
李伯虎、侯寶存、于文濤、陸小兵、楊春偉
介紹了團隊近年將人工智能技術應用于制造領域的研究與實踐。首先，簡析“互聯網+人工智能”時代核心技術飛速發展正引發制造領域的模式、手段和生態系統的重大變革以及人工智能的新發展；接著，基于人工智能技術與信息通信技術、制造技術及產品有關專業技術等融合，研究提出了智能制造新模式、新手段、新業態，智能制造系統體系架構和智能制造系統技術體系；進而，從智能制造的應用技術、產業和應用示范等角度,?簡述智能制造領域的國內外發展現狀；最后，提出我國人工智能2.0在智能制造領域應用研究的建議。
文章配圖：智能制造新模型、新方法、新形式示意圖
六篇論文打包下載如下鏈接：?
鏈接: https://pan.baidu.com/s/1qXCO6oG
密碼: kbkz
從供應鏈優化到差異化定價：機器學習十種方式變革制造業
選自 Forbes
作者：Louis Columbus
機器之心編譯
參與：Quantum Cheese、吳攀
引言：機器學習可以參與到制造業加工的整個生產流程中：在生產過程中通過供應鏈和維護方案優化降低生產成本和提高生產的效率和質量，最后還能通過差異化的定價獲取最大化的利潤。
每個制造商都有很多可能把機器學習運用到自己產業中，通過獲得對產品的前瞻性思考會讓他們更具競爭力。
機器學習的核心技術正好能解決現今制造商們面臨的問題。從努力維持供應鏈運轉，到定制化生產，再到按時完成訂單任務，機器學習算法可以為每個生產環節提供更高的預測精準度。開發出的很多算法都是迭代型的，它們能夠持續不斷地學習并尋求最優解。這些算法能在幾毫秒內反復迭代，讓制造商在幾分鐘內就能找到最佳解決方案，而非之前的數個月。
機器學習變革制造業的十種方式：
1、生產力提升 20%，材料消耗率降低 4%。利用數據預測分析和機器學習的智能制造系統有潛力提升生產單元以及整個制造廠級別中機器的收益率。下面的圖片來自通用電氣（General Electric），并被國家標準協會（NIST）所引用，總結了預測分析和機器學習的運用給制造業帶來的好處。
數據來源：: Focus Group: Big Data Analytics for Smart Manufacturing Systems
2、提供了更多相關數據，因此金融、運作及供應鏈團隊能更好地管理工廠和需求方面的約束。很多制造業公司的 IT 系統并不完整，導致交叉功能型團隊難以完成共同的目標。引入了機器學習，這些團隊的洞察力和智慧能被提升到一個全新的水平上，而他們優化產品工作流、存貨清單，在制品（WIP）以及價值鏈決策的目標就會成為可能。
數據來源: GE Global Research Stifel 2015 Industrials Conference
3、增強組件和局部層級的預測準確度，從而改善預防性維護與維護－修理－大修（MRO）的性能。把機器學習的數據庫、應用和算法集成到云計算平臺已經很普遍了，亞馬遜、谷歌和微軟的云平臺公布就可以證明這一點。下面的圖片解釋了機器學習是如何集成到 Azure 平臺上的。微軟授權 Krone 使用 Azure 平臺，讓他們得以把制造運作流程自動化，以實現工業 4.0 目標。
數據來源: Enabling Manufacturing Transformation in a Connected World John Shewchuk Technical Fellow DX, Microsoft
4、實現狀態監控流程，讓制造商得以在廠房層級上管理整體設備效率（OEE，Overall Equipment Effectiveness），并將 OEE 從 65% 提高到了 85%。一家與塔塔咨詢服務公司（Tata Consultancy Services）合作的自動化原始設備制造商（OEM）改善了他們的生產流程，此前他們沖壓線的 OEE 一度跌至65%，停工時間達到了 17% 到 20%。他們的解決方法是，12 個月中，每 15 秒從設備上收集 15 個操作參量的傳感器數據（比如油壓、油粘度、油滲漏以及氣壓），并進行集合。解決方案的組件圖下圖所示：
Source: Using Big Data for Machine Learning Analytics in Manufacturing
5、機器學習給智能客戶關系領域帶來了變革，Salesforce 迅速成為了行業領頭羊。Salesforce 正在進行一系列的并購活動。下圖中的表格來自柯文公司的研究報告（Salesforce: Initiating At Outperform; Growth Engine Is Well Greased），總結了 Salesforce 并購的一系列機器學習和人工智能公司，并分析了他們的新產品發布走向以及并購帶來的預估收益貢獻。Alex Konrad 在他最近發表的博文（Salesforce Will Acquire Demandware For $2.8 Billion In Move Into Digital Commerce）中分析了 Salesforce 用 28 億美元收購電子商務供應商 Demandware 一事。柯文公司預測 18 個 財政年度中，Commerce Cloud 會貢獻 3.25 億美元的收入，其中賣出 Demandware 的收入占了很大一部分。
6、機器學習算法能判斷全公司哪些因素對質量的影響最大，哪些影響最小，從而為產品和服務品質帶來質的提升。對很多制造商來說，從公司核心部分的工作流層面上提升產品和服務質量是一項有挑戰性的任務。質量通常是孤立的。機器學習通過測定那個內部流程、工作流和因素對達到目標質量貢獻最大或最小，從而變革產品和服務質量。機器學習算法還能預測質量和源決策對 DMAIC（定義、測量、分析、改進和控制）框架中的六西格瑪性能指標有怎樣的影響，從而讓制造商的制造過程更加智能化。
7、機器學習已經在通過優化團隊、機器、供應商和客戶需求提高生產效益。如今，它正在影響航空航天和國防、離散制造業、工業和高科技制造業的日常工作環境。制造商們更有效地利用了生產力，產品更趨于復雜和定制化，機器學習幫助它們優化了機器、受訓員工和供應商的篩選過程。
8、由于機器學習促成了生產服務訂購模式，制造即服務（Manufacturing-as-a-Service）的構想才得以實現。那些能支持迅速高度定制化流水線生產的制造企業現在能開展新的商業運作，為全球服務和銷售提供訂購率。那些面臨制造成本猛增的快速消費品（CPG）和電子產品的供應商和零售商很有可能訂購制造服務，并在品牌化、營銷和銷售上增大投入。
9、機器學習是優化供應鏈和創造更大規模經濟的理想手段。對于很多復合型制造企業來說，超過 70% 的產品都源自于供應商，這使得他們需要權衡先滿足哪一個買家的需求。有了機器學習，買賣雙方就能更有效的合作，減少缺貨的情況，提高預測精確性，按期或提前完成客戶訂單。
10、在合適的時間知道對特定用戶的合適定價以獲得最大的利潤，而且使用機器學習完成交易將變得隨處可見。機器學習正在擴展今天的企業級價格優化應用所提供的一切。最顯著的一處不同是：會有新的建議策略用來實現價格的優化，從而完成交易。
?本文由機器之心編譯
BAT人工智能生態時局圖：AI“賦能”全面戰爭爆發
人工智能正在最關鍵的路口。所謂的第四次工業革命，一定要結出實際的革命成果。廣闊天地，誰能大有作為?很多AI創業公司在各自的領域取得了突破，但具備強大的AI技術儲備，并且有能力滲透到幾乎所有領域的玩家，目前來看主要還是BAT三家。
這場AI“賦能”的戰爭，較量的是平臺、技術、場景、生態等多方面的綜合實力。百度喊All in AI，騰訊喊AI in All，阿里蓋起達摩院。誰能在新革命中笑到山花爛漫?短兵相接的前夜，我們繪制了一幅時局圖。
?
BAT時局
為了一爭高下，BAT下注或早或晚，但都離不開幾件事，例如組團隊、做研發、建生態等。到現在，三大巨頭在人工智能上的布局已經能看出大致輪廓。
百度
?
?
百度在AI領域的野心，最初顯露于2013年1月，深度學習研究院(IDL)的創立。后來李彥宏陸陸續續建成了五大實驗室，除了深度學習實驗室之外，還有硅谷人工智能實驗室、大數據實驗室、增強現實實驗室和深度學習及應用國家工程實驗室。
這些實驗室的研發成果歷經5年的整合，逐漸形成了一個平臺體系：百度智能云和百度大腦。智能云提供計算的基礎設施和數據的獲取、分析、標注能力，而百度大腦，整合了機器學習、深度學習算法，再將AI對語音、圖像、視頻、AR/VR的感知能力和自然語言處理、知識圖譜、用戶畫像等認知能力開放出來，就形成了百度AI開放平臺。
根據百度最新公布的數據，百度大腦現在擁有80多項核心AI能力，超過37萬名開發者和合作伙伴，每天被調用2.19億次。這些調用，來自百度內外。
阿里巴巴
?
?
眾所周知，馬云不喜歡“人工智能”這個說法，偏好機器智能。說辭的變化不影響本質。在整個互聯網行業涌向AI的浪潮中，阿里也在2017年推出“NASA計劃”和承載它的實體組織：達摩院。
實際上，阿里AI研究起步的遠遠早于達摩院，這家公司大部分AI基礎研究成果，出自2014年成立的數據科學與技術研究院，也就是iDST。
阿里最近，在努力將這些大腦們整合為一個統一的平臺：阿里云ET大腦。2017年最后一場云棲大會上，ET大腦正式發布，所布局的領域也不再限于原本的城市管理、醫療、工業、環保、航空，同樣走上了“廣撒網”之路。
騰訊
?
騰訊無論做什么，都不會只投入一支團隊。在人工智能上也是一樣。要論基礎研究，騰訊有AI Lab、優圖實驗室和微信AI實驗室三大機構，優圖專注于計算機視覺技術，而AI Lab和微信AI在研究方向上雖然叫法不同，但多有重合，都是AI實驗室標配的機器學習、自然語言處理、語音識別和計算機視覺。
在戰局最喧鬧的自動駕駛和對話式AI平臺上，騰訊也分別投入了不止一支團隊，開始造平臺、積累合作伙伴。雖然騰訊進軍AI的時間較晚，但是能明顯感到動作和決心都很大。
重點戰場梳理
?
矛盾有主有次。雖說廣闊天地大有作為，三家也各自有欽定的重點方向。但仍有一些是戰場是重中之重，也是未來BAT在人工智能技術落地的過程中，有可能最早展開廝殺之地。
對話式AI
人機交互的重大革新、下一代服務入口、下一個Android、家庭的控制中心……種種期待，讓用于智能設備的對話式AI成了BAT爭奪最激烈的領域。
百度有DuerOS，阿里有AliGenie，騰訊則至少有兩個：騰訊云小微和移動互聯網事業群(MIG)的叮當。如果我們以智能音箱銷量來評判對話式AI系統的發展，很會做生意的阿里似乎沖在最前。2017年7月，阿里AI Labs初次亮相，發布了一款智能音箱：天貓精靈X1。這款音箱，雙十一降價促銷，當天賣出了100萬臺。
?
?
但是，賣音箱只是手段而非目的。天貓精靈背后的終極目標，還是一個關于AliGenie開放平臺、生態系統的夢想。這個生態系統的夢想，BAT都有。
?
?
百度雖然直到去年底才推出渡鴉raven H智能音箱，但最新的數據顯示，DuerOS開放平臺發布半年時間里，已新增130余家合作伙伴，落地硬件解決方案超過20個，每月新增5款以上搭載DuerOS的設備，覆蓋家居、車載、移動各個場景，機頂盒、電視、冰箱、音箱、機器人、車載、手機、耳機等各類設備。
?
?
為了守住這個領域，百度除了在北京和硅谷建設AI龐大的團隊之外，還收購了兩家創業公司：做語音交互和自然語言理解的Kitt.ai，和后來推出了raven H音箱的渡鴉。
?
?
相比之下，騰訊云小微的硬件開放平臺和技能開放平臺仍處于內測狀態，除了和華碩一起造的機器人之外，沒有太多關于合作伙伴的聲音傳出。值得一提的是，他們似乎在硬件之外，開辟了一條退路：智能客服。
智能音箱先行的AliGenie同樣不是天貓精靈專屬，它的硬件接入平臺頁面上，也展示著十多家合作伙伴。另外，AliGenie還推出了垂直行業智能語音解決方案，想在家居、移動硬件之外，為對話式AI開辟出新場景。
自動駕駛
2億輛汽車和200多家OEM車廠，勾畫出一個有更大想象空間的產業。BAT在出行這件事兒上向來不安分，戰火從地圖、打車軟件一路燒到了自動駕駛。
阿里的自動駕駛業務目前還處在招兵買馬階段。12月中旬開始，阿里官方網站上開始出現自動駕駛相關的人工智能實驗室(A.I. Labs)崗位，另外據36氪報道，這個團隊中有不少無人車創業公司nuTonomy的舊部，已經開始面向車廠做介紹。
?
在投資車廠這件事上，出手最闊綽的當屬騰訊。除了先后入股創業公司蔚來和威馬，騰訊還在二級市場投資了特斯拉5%的股權，甚至秘密在硅谷投資了一家自動駕駛公司。而騰訊本身的自動駕駛業務，據說已經到了全面研發、多次路測的階段。
?
?
在自動駕駛進展還不夠清晰的當下，騰訊的合作伙伴，也大多與AI in Car車聯網系統相關，廣汽、長安、吉利、比亞迪、東風柳汽、博世都和騰訊有著或多或少的聯系。
入局最早的百度，和阿里騰訊早已不在同一個發展階段。百度已經圍繞Apollo與博世、大陸、一汽、長安、奇瑞、北汽、金龍等90多家企業達成了合作，也探索出了一條清晰的路線——還是在這個領域打造一個Android。
?
?
Apollo，是百度2017年4月啟動的自動駕駛開放平臺，要為合作伙伴提供一個開放、完整、安全的軟件平臺，幫他們搭建完整的自動駕駛系統。到2018年初Apollo 2.0的發布，云端服務平臺、軟件平臺、硬件平臺、車輛平臺在內的四大模塊全部開放，釋放了在簡單城市道路上自動駕駛的能力。一切，都按照去年7月公布的路線圖進行著。按計劃，2018-2020年，百度會加快開放速度，直到最后能讓合作伙伴完成完全自動駕駛。
?
?
但對于Apollo來說，更重要的還是生態。所謂生態，不僅僅是被賦能的車廠，Apollo還為向產業鏈上下游延伸而建立了基金，要在未來3年投出100多個項目。作為一個開源系統，創業公司、高校實驗室同樣是Apollo的伙伴。
和騰訊一樣，百度也投資了威馬汽車，也投資了共享出行平臺首汽約車。此前百度還投資了自動駕駛關鍵部件激光雷達的核心廠家Velodyne，相關技術開放商xPerception等。
金融
還有一個不可忽略的戰場，是金融。阿里旗下的金融巨頭螞蟻金服和阿里云都在嘗試賦能金融機構。2017年1月以來，螞蟻金服開始逐漸轉變自己的定位，嘗試用自身積累的技術能力來賦能、服務金融機構。
2017年底，阿里云又發布了ET金融大腦，要幫合作伙伴風控、營銷和客服方面提高效率。
?
?
相比之下，騰訊向金融行業合作伙伴提供的技術就顯得比較表面，沒有涉及風控這樣的專業垂直應用，而只是將更為通用的身份檢測、客服等能力注入其中。
你可能想不到，百度，也是這個戰場上的一個重要玩家。雖然百度金融這一年來在to C市場上聲量不大，但這家“All in AI”的公司，在金融上也要將“智能化”堅持到底。
?
?
在11月的百度世界大會上，百度金融技術負責人許東亮說，百度金融已經賦能近400家機構，為機構客戶提供解決方案，為它們提供安全防護、智能獲客、大數據風控等服務。百度金融據說還在謀劃更為獨立的未來。
醫療
要說AI在各行各業的應用，不少人都會第一個想到醫療影像。在這個領域，百度在醫療事業部部分團隊轉入AI體系之后就悄無聲息，但騰訊和阿里都在搶占布局。
首批國家新一代人工智能開放創新平臺中，騰訊就以醫療影像平臺“覓影”入選。騰訊覓影發布于2017年8月，最先推出的是早期食管癌篩查。
?
?
騰訊覓影結合了AI lab、騰訊優圖、TEG架構平臺部等團隊的AI技術，由互聯網+合作事業部牽頭建立。推出至今不到半年，騰訊覓影已經有了西門子醫療、蘭州大學第二醫院、深圳市南山人民醫院、中山醫院等十幾家合作伙伴。
馬化騰此前表示，醫療與AI是非常好的落腳點，未來騰訊在醫療方面會做更多的事情。
阿里入局AI醫療其實比騰訊還要早。2017年3月底，ET醫療大腦首次亮相，宣稱具有虛擬助理、醫學影像、精準醫療、藥效挖掘、新藥研發、健康管理等功能。
?
?
與騰訊思路不同的是，ET醫療大腦的技術并非都出自阿里內部，而是聚集了不少合作伙伴一起提供服務，比如做皮膚檢測的宜遠智能、分析病歷的惠每醫療等等。
零售
不管是新零售還是舊零售，不管是線上還是線下，阿里在這個領域都有天然的優勢。
先梳理一下AI給阿里自身業務帶來的變化。機器人客服“阿里小蜜”，雙11當天承擔95%客服咨詢;機器智能推薦系統，雙11當天產生567億不同的貨架;AI設計師“魯班”，雙11期間，設計4.1億張商品海報;華北數據中心運維機器人：接替運維人員30%重復性工作……
?
?
與AI之于百度的搜索業務一樣，AI之于阿里的電商業務也具備天然的賦能加成。除了上面提及的進展，螞蟻金服還基于AI技術推出客服機器人“小螞答”，以及AI助力的車輛定損服務“定損寶”等。
阿里還搞出了無人零售咖啡店。無人商店，是一個未來非常有意思的趨勢。此外，阿里在新零售思想的指引下，還大舉投資了一批線下零售相關企業，包括：企加云、大潤發、東方股份、新華都、易果生鮮、銀泰、bigbasket、聯華超市……
騰訊表示將提供場景、大數據、AI技術支持，以及騰訊全產品線，幫助商家量身定做解決方案，幫助線下門店實現數據化和智能化，讓消費者與商品之間，實現跨場景的智慧連接。
現在已經有一些案例出現了。例如在深圳、廣州的一些服飾連鎖零售店里，騰訊的AI技術提供了人臉識別、客戶畫像、精準推薦等技術支持。其他方向還包括餐飲連鎖、快消等等。
零售更不是百度擅長的方向，不過百度在這方面也有所行動，正在尋找合適的合作伙伴準備賦能。有意思的是，已經離職的前任百度研究院長林元慶，創業服務的第一個大客戶，就來自零售領域。
文章來源：量子位（ID：QbitAI）
人工智能賽博物理操作系統
AI-CPS OS
“人工智能賽博物理操作系統”（新一代技術+商業操作系統“AI-CPS OS”：云計算+大數據+物聯網+區塊鏈+人工智能）分支用來的今天，企業領導者必須了解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智能化力量，實現行業的重新布局、企業的重新構建和自我的煥然新生。
AI-CPS?OS的真正價值并不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+信息化、智造+產品+服務和數據+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意愿，這些將不可能實現。
領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業操作系統AI-CPS OS顛覆性的數字化+智能化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：
重新行業布局：你的世界觀要怎樣改變才算足夠？你必須對行業典范進行怎樣的反思？
重新構建企業：你的企業需要做出什么樣的變化？你準備如何重新定義你的公司？
重新打造自己：你需要成為怎樣的人？要重塑自己并在數字化+智能化時代保有領先地位，你必須如何去做？
AI-CPS OS是數字化智能化創新平臺，設計思路是將大數據、物聯網、區塊鏈和人工智能等無縫整合在云端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在云端的優勢協同。AI-CPS OS形成的數字化+智能化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：
精細：這種力量能夠使人在更加真實、細致的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。
智能：模型隨著時間（數據）的變化而變化，整個系統就具備了智能（自學習）的能力。
高效：企業需要建立實時或者準實時的數據采集傳輸、模型預測和響應決策能力，這樣智能就從批量性、階段性的行為變成一個可以實時觸達的行為。
不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了復合不確定性這種顛覆性力量。主要的不確定性蘊含于三個領域：技術、文化、制度。
邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。
AI-CPS OS形成的數字化+智能化力量通過三個方式激發經濟增長：
創造虛擬勞動力，承擔需要適應性和敏捷性的復雜任務，即“智能自動化”，以區別于傳統的自動化解決方案；
對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；
人工智能的普及，將推動多行業的相關創新，開辟嶄新的經濟增長空間。
給決策制定者和商業領袖的建議：
超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智能，為企業創造新商機；
迎接新一代信息技術，迎接人工智能：無縫整合人類智慧與機器智能，重新
評估未來的知識和技能類型；
制定道德規范：切實為人工智能生態系統制定道德準則，并在智能機器的開
發過程中確定更加明晰的標準和最佳實踐；
重視再分配效應：對人工智能可能帶來的沖擊做好準備，制定戰略幫助面臨
較高失業風險的人群；
開發數字化+智能化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對于中國企業來說，創造兼具包容性和多樣性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” ?《論語·子路》云計算、大數據、物聯網、區塊鏈和 人工智能，像君子一般融合，一起體現科技就是生產力。
如果說上一次哥倫布地理大發現，拓展的是人類的物理空間。那么這一次地理大發現，拓展的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。云計算，大數據、物聯網和區塊鏈，是進入這個數字空間的船，而人工智能就是那船上的帆，哥倫布之帆！
新一代技術+商業的人工智能賽博物理操作系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，并創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從宏觀到微觀各領域的智能化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。
產業智能官??AI-CPS
用“人工智能賽博物理操作系統”（新一代技術+商業操作系統“AI-CPS OS”：云計算+大數據+物聯網+區塊鏈+人工智能），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智能；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。
長按上方二維碼關注微信公眾號：?AI-CPS，更多信息回復：
新技術：“云計算”、“大數據”、“物聯網”、“區塊鏈”、“人工智能”；新產業：“智能制造”、“智能農業”、“智能金融”、“智能零售”、“智能城市”、“智能駕駛”；新模式：“財富空間”、“數據科學家”、“賽博物理”、“供應鏈金融”。
官方網站：AI-CPS.NET
本文系“產業智能官”（公眾號ID：AI-CPS）收集整理，轉載請注明出處！
版權聲明：由產業智能官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會注明作者和來源。部分文章推送時未能與原作者取得聯系。若涉及版權問題，煩請原作者聯系我們，與您共同協商解決。聯系、投稿郵箱：erp_vip@hotmail.com
總結
以上是生活随笔為你收集整理的【人工智能】院士谈新一代人工智能五大智能方向的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 微信这十年
- 下一篇： 生成子空间的交空间与和空间