時間：2024-02-18 14:32:31
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇交通領域的人工智能，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
大眾一般認為，新技術的研發是難度最大的，應用及監管與研發相比難度就會低很多。但對于將深遠影響人類社會運營方式的人工智能來說，情況或許正好相反。
人工智能的潛在缺陷與控制
目前基于人工智能科技所開發的自動控制、模式識別和機器學習系統，其實都是人工智能領域非常初級的部分，往往需要研發團隊針對實際應用場景設置重要先決條件，以降低人工智能系統的判別難度并提高準確率。當各種極客型的技術人員大開腦洞采用人工智能技術研發各種黑科技時，他們的關注范圍是非常聚焦的，即按照最優條件下設想人工智能的應用范圍和場景，較少考慮相關技術在復雜條件甚至人為濫用的情況下面臨的困境。這往往也為人工智能潛在的不當使用埋下了伏筆。
人工智能作為信息化系統，一定會受到自身設計的局限和開發質量的影響。再加上人工智能在識別和判斷時需要基于人工設置和歷史數據，通過精心設計的訓練過程才能得到基于概率的判別結果。所以對于人工智能系統，在特定前提或應用場景下作出錯誤決策是100%會出現的。作為政府和監管部門，面臨的第一個重要問題就是系統錯誤決策所引起的財產損失甚至人身傷亡該如何判定責任與承擔賠償，甚至要能夠提出合理的原則，區分哪些錯誤決策是小概率事件本身引發的，哪些錯誤決策是由于系統設計、訓練數據和訓練過程存在問題所導致的。
2016年2月14日，上路試驗已經六年的谷歌自動駕駛汽車第一次由于系統“誤判”導致了交通事故。谷歌公司表示自動駕駛汽車在這次輕微車禍中承擔“部分責任”。由此可見，當時的谷歌自動駕駛系統在特定場景下觸發了一個錯誤決策。可以想象，當自動駕駛汽車全面行駛在大街小巷時，系統的微小錯誤導致的責任事故會基于巨大的汽車保有量而放大成為一個引人注目的數字。由此而引起的責任劃定和賠償也會由于人工智能和人類行為的混合作用而變得異常復雜。
另一個廣為人知的應用缺陷就是公平性問題。2016年哈佛大學肯尼迪學院的分析報告指出，目前針對犯罪傾向性預測的人工智能系統，無論技術人員如何調整機器學習的策略和算法，人種膚色都成為無法抹去的高優先識別變量。人工智能系統評估結果出現了明顯的對黑人群體的偏見，這是現階段人工智能技術手段無法避免的，也是人工智能系統廣泛應用于現有社會環境并為社會大眾所接受的一個重要的障礙。
在以上問題沒有經過實踐驗證的法律支持和監管框架管理下，人工智能的全面應用很有可能帶來相關領域社會活動的混亂并造成意想不到的后果。
美國政府對于人工智能的廣泛應用和相關監管框架一直保持關注，并在特定領域開始小范圍的實踐。
以人工智能領域目前相對成熟且應用前景廣闊的自動駕駛為例，企業能夠盡快推進自動駕駛技術開發的重要原因，是在制度方面得到了美國政府的大力支持。
2012年5月，美國內華達州汽車管理局為谷歌自動駕駛汽車發放了美國首張自動駕駛車輛許可證，此前內華達州議會通過了允許自動駕駛車輛上路的法條。八個月后谷歌又在加利福尼亞州取得了許可證。隨之而來，奧迪和豐田也先后在美國的一些州拿到了實驗許可證并開展公路測試。一時間，美國成為各國企業爭先開展自動駕駛的試驗田，加速了自動駕駛技術的成熟。
雖然美國交通管理部門積極配合自動駕駛技術的測試和路試，但是對于正式的應用許可還是采用非常審慎的態度。2014年10月，加州車輛管理局同時頒發了29張自動駕駛汽車公共道路測試許可證，分別給了谷歌、戴姆勒、大眾三家公司，獲得許可的條件之一是人可以隨時干預汽車駕駛，以確保在人工智能廣泛測試和安全性之間取得平衡。
加州車輛管理局2015年12月提出了一項監管草案，要求所有自動駕駛汽車的駕駛座上必須始終乘坐一名擁有駕照的人士，并要求汽車在設計方面必須擁有方向盤、油門踏板、制動踏板等傳統機動車具備的基本操控裝置，以便具有駕駛資質的人在無人駕駛汽車失靈時可隨時接管汽車的操作。在草案細則中，加州還規定了自動駕駛的三年試用期。消費者可以通過租賃的方式從制造商處獲得自動駕駛汽車，但制造商需要跟蹤記錄消費者的駕駛情況，把汽車性能指標和駕駛記錄遞交機動車輛管理局。
可以看到，美國的交通部門在放行自動駕駛技術時是逐步進行，并盡量確保過渡階段監管規則的連續性。盡管谷歌等自動駕駛技術公司向公眾抱怨，政府過于嚴厲的監管和相對謹慎的態度阻礙了自動駕駛技術向實用水平的快速發展，但這是監管部門職責所在，他們必須保護公眾在享受新技術成果的同時，避免潛在技術缺陷導致的傷害。今年1月，美國運輸部長Anthony Foxx表示，將在六個月內出臺自動駕駛汽車指導原則。美國高速公路交通安全管理局(NTHSA)也表示，為了加速自動駕駛汽車的發展，該機構將放棄一些目前針對自動駕駛汽車的安全要求。
收益和風險前瞻
2016年5月3日，白宮的副首席技術官埃德·費爾頓宣布，白宮將組織一系列有關人工智能收益與風險的研討，“為人工智能的未來而準備”。
此次人工智能領域的系列研討包括以下內容：
2016年5月24日，西雅圖：與人工智能相關的法律與監管事務;
2016年6月7日，華盛頓：人工智能與社會福利;
2016年6月28日，匹茲堡：人工智能的安全與控制;
2016年7月7日，紐約：近期的人工智能技術對社會和經濟的影響。
此次人工智能領域的研討，一方面涵蓋了從立法到監管原則的確定，為政府全面管理人工智能確立法理依據和管理邊界;另一方面，也將深入探討人工智能有可能存在的缺陷以及相應的安全控制原則。此外，研討視角不僅面向具體的監管框架，同時還包含了對就業、社會福利、經濟發展的長遠影響的分析。
中國目前側重于打造平臺、培育企業、構建市場、激勵創新等方面，對于監管原則、監管體系和監管機構建設，基本沒有部署。
大眾一般認為，新技術的研發是難度最大的，應用及監管與研發相比難度就會低很多。但對于將深遠影響人類社會運營方式的人工智能來說，情況或許正好相反。
人工智能的潛在缺陷與控制
目前基于人工智能所開發的自動控制、模式識別和機器學習系統，其實都是人工智能領域非常初級的部分，往往需要研發團隊針對實際應用場景設置重要先決條件，以降低人工智能系統的判別難度并提高準確率。當各種極客型的技術人員大開腦洞采用人工智能技術研發各種黑科技時，他們的關注范圍是非常聚焦的，即按照最優條件下設想人工智能的應用范圍和場景，較少考慮相關技術在復雜條件甚至人為濫用的情況下面臨的困境。這往往也為人工智能潛在的不當使用埋下了伏筆。
人工智能作為信息化系統，一定會受到自身設計的局限和開發質量的影響。再加上人工智能在識別和判斷時需要基于人工設置和歷史數據，通過精心設計的訓練過程才能得到基于概率的判別結果。所以對于人工智能系統，在特定前提或應用場景下作出錯誤決策是100%會出現的。作為政府和監管部門，面臨的第一個重要問題就是系統錯誤決策所引起的財產損失甚至人身傷亡該如何判定責任與承擔賠償，甚至要能夠提出合理的原則，區分哪些錯誤決策是小概率事件本身引發的，哪些錯誤決策是由于系統設計、訓練數據和訓練過程存在問題所導致的。
2016年2月14日，上路試驗已經六年的谷歌自動駕駛汽車第一次由于系統“誤判”導致了交通事故。谷歌公司表示自動駕駛汽車在這次輕微車禍中承擔“部分責任”。由此可見，當時的谷歌自動駕駛系統在特定場景下觸發了一個錯誤決策。可以想象，當自動駕駛汽車全面行駛在大街小巷時，系統的微小錯誤導致的責任事故會基于巨大的汽車保有量而放大成為一個引人注目的數字。由此而引起的責任劃定和賠償也會由于人工智能和人類行為的混合作用而變得異常復雜。
另一個廣為人知的應用缺陷就是公平性問題。2016年哈佛大學肯尼迪學院的分析報告指出，目前針對犯罪傾向性預測的人工智能系統，無論技術人員如何調整機器學習的策略和算法，人種膚色都成為無法抹去的高優先識別變量。人工智能系統評估結果出現了明顯的對黑人群體的偏見，這是現階段人工智能技術手段無法避免的，也是人工智能系統廣泛應用于現有社會環境并為社會大眾所接受的一個重要的障礙。
在以上問題沒有經過實踐驗證的法律支持和監管框架管理下，人工智能的全面應用很有可能帶來相關領域社會活動的混亂并造成意想不到的后果。
逐步建立的人工智能監管
美國政府對于人工智能的廣泛應用和相關監管框架一直保持關注，并在特定領域開始小范圍的實踐。
以人工智能領域目前相對成熟且應用前景廣闊的自動駕駛為例，企業能夠盡快推進自動駕駛技術開發的重要原因，是在制度方面得到了美國政府的大力支持。
2012年5月，美國內華達州汽車管理局為谷歌自動駕駛汽車發放了美國首張自動駕駛車輛許可證，此前內華達州議會通過了允許自動駕駛車輛上路的法條。八個月后谷歌又在加利福尼亞州取得了許可證。隨之而來，奧迪和豐田也先后在美國的一些州拿到了實驗許可證并開展公路測試。一時間，美國成為各國企業爭先開展自動駕駛的試驗田，加速了自動駕駛技術的成熟。
雖然美國交通管理部門積極配合自動駕駛技術的測試和路試，但是對于正式的應用許可還是采用非常審慎的態度。2014年10月，加州車輛管理局同時頒發了29張自動駕駛汽車公共道路測試許可證，分別給了谷歌、戴姆勒、大眾三家公司，獲得許可的條件之一是人可以隨時干預汽車駕駛，以確保在人工智能廣泛測試和安全性之間取得平衡。
加州車輛管理局2015年12月提出了一項監管草案，要求所有自動駕駛汽車的駕駛座上必須始終乘坐一名擁有駕照的人士，并要求汽車在設計方面必須擁有方向盤、油門踏板、制動踏板等傳統機動車具備的基本操控裝置，以便具有駕駛資質的人在無人駕駛汽車失靈時可隨時接管汽車的操作。在草案細則中，加州還規定了自動駕駛的三年試用期。消費者可以通過租賃的方式從制造商處獲得自動駕駛汽車，但制造商需要跟蹤記錄消費者的駕駛情況，把汽車性能指標和駕駛記錄遞交機動車輛管理局。
可以看到，美國的交通部門在放行自動駕駛技術時是逐步進行，并盡量確保過渡階段監管規則的連續性。盡管谷歌等自動駕駛技術公司向公眾抱怨，政府過于嚴厲的監管和相對謹慎的態度阻礙了自動駕駛技術向實用水平的快速發展，但這是監管部門職責所在，他們必須保護公眾在享受新技術成果的同時，避免潛在技術缺陷導致的傷害。今年1月，美國運輸部長Anthony Foxx表示，將在六個月內出臺自動駕駛汽車指導原則。美國高速公路交通安全管理局(NTHSA)也表示，為了加速自動駕駛汽車的發展，該機構將放棄一些目前針對自動駕駛汽車的安全要求。
收益和風險前瞻
2016年5月3日，白宮的副首席技術官埃德·費爾頓宣布，白宮將組織一系列有關人工智能收益與風險的研討，“為人工智能的未來而準備”。
此次人工智能領域的系列研討包括以下內容：
2016年5月24日，西雅圖：與人工智能相關的法律與監管事務;
2016年6月7日，華盛頓：人工智能與社會福利;
2016年6月28日，匹茲堡：人工智能的安全與控制;
2016年7月7日，紐約：近期的人工智能技術對社會和經濟的影響。
此次人工智能領域的研討，一方面涵蓋了從立法到監管原則的確定，為政府全面管理人工智能確立法理依據和管理邊界;另一方面，也將深入探討人工智能有可能存在的缺陷以及相應的安全控制原則。此外，研討視角不僅面向具體的監管框架，同時還包含了對就業、社會福利、經濟發展的長遠影響的分析。
關鍵詞：空中交通管理；人工智能技術；航班流量；飛行沖突；系統構成
一、研究背景及意義
現階段，計算機在我國各行各業中都扮演著重要角色，計算機技術的發展為各行業的生產運行提供了堅實有效的保障。與此同時，人工智能技術也取得了驚人的進步，為我國航空航天行業發展做出了巨大貢獻。改革開放以來，在我國市場經濟不斷發展，綜合國力不斷提升的背景下，民航業發展迅猛，乘坐飛機出行從以前的高不可攀變成如今的大眾化出行方式，只用了40年的時間。在這40年里，我國航班架次大幅增漲，現有的空域資源也日趨緊張，在這關鍵時刻，人工智能技術的出現，為航空事業快速高效的發展帶來了新的曙光?？罩薪煌ü芾淼闹饕康氖欠乐购娇掌髋c航空器相撞以及航空器與障礙物相撞，維護和加快空中交通的有序流動[1]，因此，飛行流量管理和飛行沖突探測、解脫便成了空中交通管理中至關重要的任務。一方面，在空中交通流量接近或達到空中交通管制能力上限時，適時地進行調整，保證空中交通量最佳地流入或通過相應區域，盡可能提高機場、空域可用容量的利用率[1]。另一方面，飛行沖突的探測，能夠幫助管制員及早發出指令，使用許可和信息防止航空器相撞，保障空中交通順暢或控制空域內各航班的間隔，從而保證飛行安全[1]?？罩薪煌ü芾砣斯ぶ悄茌o助系統的運用，不僅能夠加速空中交通流量，提高空域利用率，而且能夠進行飛行沖突的判斷、解除，最大程度的提高航班運行的安全性，為管制員節省大量的時間和精力監控運行，降低工作負荷，提高綜合管制服務水平。
二、人工智能與空中交通管理人工智能輔助系統概述
（一）人工智能概述
人工智能（ArtificialIntelligence），英文縮寫為AI，它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學[2]。人工智能技術通俗的講，就是使機器模擬人的智能行為，代替人從事那些人為操作容易出錯、速度慢、效率低或者超出能力范圍的復雜工作的新技術。它通過研究人類智能活動的規律，構造具有一定智能的人工系統，指導計算機去完成以往需要、甚至超越人的智能才能勝任的工作[2]。當前，全球科技革命和產業革命方興未艾，新技術行業融合創新不斷，在移動互聯網、大數據、云計算、物聯網等新理論新技術以及社會發展相關的強烈需求的共同驅動下，人工智能加速發展，逐漸成為了產業革命和行業融合的關鍵技術。人工智能可以通過對數據的采集、分析和挖掘，形成有價值的信息和知識模型，實現對人類智力智能行為的模擬，具備一定環境下的自適應特性和學習能力[3]。現階段，人工智能經成為與計算機科學，控制論，信息論，心理學，語言學等多種學科相互滲透的一門新興學科，在許多領域有著廣泛的運用，變得和我們的生活息息相關[4]。
（二）空中交通管理人工智能輔助系統概述
人工智能技術在空中交通管理中的應用主要依靠人工智能輔數據分析和決策系統實現。利用人工智能技術，可以建立智能化流量管理模塊系統，科學判斷空中交通存在的問題，全面監控空中交通流量并對其進行智能化管理，提高空域的利用率，以及建立智能沖突探測和解脫模塊系統,進行飛行沖突的探測，通過引導飛行員采取速度控制、高度調整、航向改變等措施實現避讓，解除可能的飛行沖突，實現安全飛行的目標。借助空中交通管理人工智能輔助系統，全面提升空中交通管理水平[5]。
三、人工智能技術在空中交通管理中的具體應用及建議
（一）人工智能技術在飛行流量管理中的應用及建議
空中交通流量管理的目標是根據氣象條件、航路結構、扇區容量等限制條件和資源的統籌規劃，使航班流量盡可能達到最優狀態，從而在保障安全的前提下，提高運行效率。在引入人工智能輔助系統后，可以形成天氣預測，流量預測，限制建議和超容告警等模塊，通過氣象條件探測，各航路各時段航班量預測和生成航班間隔調整預案等方法，為流量管理者在短時間內提供有效的決策參考，從而大大降低流量管理者的工作負荷。其中，氣象條件的探測需要民航氣象部門提供氣象數據源接口，利用計算機模擬技術預測未來各時段的氣象變化情況及其對各航線的影響程度。各航路的航班量預測需要接入綜合電報處理系統，利用飛行動態電報來判斷在未來各時段各航路的航班架次以及航路交匯點可能存在的飛行沖突。得到這些數據信息之后，需要對航班進行排序，合理安排并確定尚未起飛航班的離港時間，從而達到各管制扇區容流匹配，空域資源最優化利用。除此之外，航班排序還要依據接收到的外區限制，并結合專機、要客等優先級信息做出合理安排，對外區限制較大的航路可給出改航建議，并模擬、計算改航后各條航路的流量和交匯點沖突情況，進行進一步優化。對優先級高的航班可自動豁免并給出直飛建議，對確實需要延誤的航班，同時模擬航班取消后的損失情況給出合理化延誤建議，通過人工智能技術做出合理化安排。完善、及時的數據庫信息維護可以保證飛行數據和氣象數據的及時、準確，保證流量信息等數據的完整性和可靠性，對于人工智能輔助系統做出正確、有效的建議有著重要而直接的影響，進而對各航路、各扇區的流量管理方案的有效性產生關鍵影響。因此，人工智能輔助系統的管理人員應及時維護數據庫，盡量避免由于數據不完整、不及時而導致的決策錯誤，減少因航班延誤對社會生產生活帶來的負面影響。
（二）人工智能技術在飛行沖突探測及解決上的應用及建議
在解決航班飛行沖突上，人工智能技術主要是通過分析航班存在沖突的概率及可能的狀況，根據飛行動態信息做出合理化沖突解脫建議，并且在這一過程中找到最有效，最經濟和最安全的確定方案。另外，在最終方案選擇中，通過對管制員選擇結果的智能學習，建立系統自己的飛行沖突處置預案庫，利用最短路徑算法和偏好路由算法，在數據庫系統中精確查找解決方案，并根據最終實施情況進行反饋，實現閉環處理。為了在工作中放心的依照人工智能系統提供的方案，及時發現潛在沖突，解決安全隱患，人工智能輔助系統管制員需要做好數據庫維護工作。對于典型的飛行沖突處置案例，如果系統學習有偏差，可人工校正，并及時更新，最大限度的幫助系統提高推理的效率和能力。此外，管制員在實踐中可以及時發現人工智能決策系統提供決策能力的不足和尚需改進之處，針對這個問題，他們可以從以下兩個方面入手，一是思考什么樣的沖突解決方案是最優化的，并提煉出所需遵循的原則，并將這些原則告知人工智能輔助系統的管理人員并協助他們進行完善系統。二是在實踐中發現系統的問題和不足并及時反饋給系統管理人員，協助管理人員查找問題根源，更進一步提升系統可靠性。
四、結語
如今，人工智能輔助下的流量管理、飛行沖突調配和系統智能學習技術已經進入三期實驗階段。因此通過建立空中交通管理輔助系統，不斷完善人工智能技術，解決系統自動學習的偏差和失誤，達成系統學習能力多維度、多層次，才能推動我國航空業得到繁榮發展。綜上所述，本文主要圍繞著人工智能技術概念、空中交通管理人工智能輔助系統構成、人工智能技術在空氣交通管理中的具體應用及建議三個方面展開了論述與探討。目的是希望通過人工智能技術的加入，提高空管自動化系統的智能化水平和安全性，進一步增強系統的可靠性和建議合理性，切實減輕管制員的工作負荷，為我國民航事業的發展提供技術支持，推動空中交通管理工作不斷向安全、高效的方向邁進，推動我國由民航大國向民航強國轉變。
【參考文獻】
[1]潘衛軍.空中交通管理系列教材:空中交通管理基礎[M].西安:西南交通大學出版社,2013:367.
[2]百度百科.[DB/OL]網上數據百度百科
[3]張濱.人工智能在安全領域的應用[J].電信工程技術與標準化.2018,31(255).
事實上，今天的人工智能已經能做很多事，比如說話、開車，不久之后還可能像人一樣參加高考。還有專家認為，它在未來甚至有可能從科學走入哲學！
今天可以做到的
“人工智能已經開始對社會產生重大影響?！泵绹的螤柎髮W計算機科學教授、人工智能專家巴特?塞爾曼說。
此次圍棋人機大戰受到舉世關注就是明證。棋類具有初始條件固定、規則邊界清晰的特點，是人工智能憑借遠超人類的計算能力大展身手的舞臺?！吧钏{”在1997年戰勝了國際象棋世界冠軍卡斯帕羅夫，AlphaGo在與圍棋頂級棋手李世石的大戰中獲勝，這些足以說明人工智能下棋已經比人類更強。
在知識檢索領域，人工智能也已勝過人類。2011年，IBM公司的人工智能“沃森”在美國智力問答節目《危險邊緣》中戰勝兩位人類冠軍。這說明電腦在海量數據存儲和快速檢索能力方面的強大。
在另一些規則相對清晰的領域，人工智能也在接近人類的水平。比如說話，相信許多人已經試過蘋果手機上的Siri和微軟的“小冰”，只要你發音比較標準，它們基本上都能“聽清”你的話語并字正腔圓地回答。
再比如開車，谷歌公司的無人駕駛車已然在一些地方能夠上路，因為事實證明它們可以很好地遵守交通規則，并根據不同的交通狀況自主行駛。
上面的重點都是在軟件，還有一些人工智能則致力于“軟硬結合”，模仿人類的肢體動作。美國波士頓動力公司2016年年初剛剛展示了最新的人形機器人，它們有與人相似的軀干和四肢，能夠在各種環境中行走，摔倒了會自己爬起來，還能完成一些簡單任務，比如自己開門和搬箱子。
明天可能實現的
目前，人工智能在一些需要模糊識別的領域還面臨困難。比如辨識人臉，從五官差異上分辨不同人對我們來說不算個事兒，但電腦就感覺很困難。人們可能還記得2015年微軟推出的一項人臉識別應用“How-old”，它屢屢在年齡上誤判、在圖片中沒人的地方找出“幽靈臉”，給人們帶來了不少歡樂。
不過這方面正在取得進展，臉書公司的人工智能項目負責人田淵棟認為，臉書的人臉識別技術已經做得比較好，“比如說拍張照片，然后就知道誰是誰”。正在研發的一個方向是可以問電腦各種問題，比如照片在哪拍的、里面有幾個人、都在干什么等，系統都將能作出回答。
中國研究人員也在致力于做出更復雜的人工智能，檢驗方式頗具中國特色――高考?？拼笥嶏w公司董事長劉慶峰透露，他們正在研發“類人答題機器人”，目標是在3～5年之內讓機器參加高考能考上“一本”。高考涉及學科多，除了客觀題外還有大量的主觀題，如果真能達成這個目標，又將成為人工智能的一個里程碑。
2015年年底在北京舉行的世界機器人大會上，有機器人分別展示了踢足球、打乒乓等方面的運動能力。但是很明顯，它們還無法與人類選手相提并論，很大程度上因為判斷對手或隊友的比賽意圖是一大瓶頸。不過，在RoboCup等機器人足球賽中，機器人的水平也在不斷提高，該賽事的目標是，讓機器人足球隊在2050年能擊敗人類世界冠軍球隊。
人工智能發展的一個理想目標是，把已實現的各單項能力繼續提高并集成起來，最終完成一個既能聽說讀寫，又會思考和行動的人工智能實體。近來這一領域的快速發展已讓這個目標可以期待，英國帝國理工學院的人工智能學者馬克?戴森羅克說：“如果人工智能以這種速度發展下去，我們或許在未來10～20年里就能看到電影《鋼鐵俠》中那個人工智能助手賈維斯?！?/p>
未來可以暢想的
如果說上面這些目標還屬于有實現前景的科學范疇，還有一些關于人工智能的討論則似乎已進入了引人暢想的哲學領域。
中國東南大學的科技哲學教授呂乃基在點評此次人機大戰時認為，人工智能進化之路與人類不同，即擺脫了系統與環境的羈絆，不像人類大腦中的“智”往往為身體所處世界中的“情”所累，如李世石可能受“為人類的榮譽而戰”等輿論影響。
“常有這樣的議論，人工智能再聰明也沒有情感，只是機器而已；殊不知，人工智能之所求原本只是‘智’，而非‘情’；或許正因為此，人工智能可能超越為情（包括形形的意識形態之爭）所累的人的智能。”呂乃基說。如此說來，人工智能倒像是在邁向中國古代文化中所說的“太上忘情”的境界。
美國未來學家庫茲韋爾在《奇點臨近》一書中認為，人工智能的進步會不斷加速，聰明的機器會設計更聰明的機器，這種自我強化最終會導致人工智能達到一個奇點，成為遠遠超出人類智能水平的一種存在。美國天普大學的計算機專家王培對此表示，“如果真有電腦能走到那一步，在我看已經不是‘人工智能’，而應該被稱為‘人工神靈’了?！?/p>
對于智能汽車的定義，不同的人有自己不同的理解，不過對于智能科技的終極目標——無人駕駛或者自動駕駛，卻是大多數人所向往的未來。尤其在谷歌人工智能機器人Alpha Go大勝圍棋頂級高手之后，很多人認為我們距離智能汽車的終極目標似乎越來越近，甚至仿佛可以指日可待，事實果真如此嗎?本期我們采訪了博泰前瞻技術研發經理原樹寧博士，目前，由其主導的博泰V2X項目正在穩步推進，在無人駕駛領域已取得了有效的進展。
記者：在可見的未來，像AlphaGo那樣專門用于下圍棋的人工智能(AI)，專門應用于自動駕駛的人工智能(AI)會出現嗎?
原樹寧：我的觀點是保守的肯定。目前來看，汽車上已經開始在應用的視頻分析、自適應巡航、自然語言識別等技術實際上已經利用了人工智能，但是基于通用智能的這種無人駕駛，就是它可以自己去適應任何交通環境的自動駕駛技術，可能還遙遙無期。要大規模普及無人駕駛需要在決策層應用人工智能(AI)，目前的視頻分析，專業語音識別等技術都是在感知層的應用。人工智能(AI)在無人駕駛中的應用，其核心肯定是人工智能(AI)AI在決策層的作用，比如說車速怎么加?方向朝哪里?如果這個決策本身是人工智能(AI)做出來的，沒有人工的干預，這才是真正的無人駕駛，或者說自動駕駛。
而且我認為如果無人駕駛要大規模普及，用傳統的程序控制方法是很難做到的，它必須使用機器學習，或者人工智能(AI)的方法實現決策。由于交通規則不是絕對的，如果用人工智能(AI)實現決策，那么人工智能(AI)就要適應沒有規則的情況，它會遇到很多困難，比如說，有一個人賴在前面不走，或丟一個大東西等情況，因為智能汽車是絕對遵守規則的，如果別人不遵守規則，就可以欺負它。
事實上，現有的人工智能基本上都是對特定任務設計的，例如：圖像識別、自然語言識別、軟件框架設計、扮演游戲對手等非常細分的專業應用。各個應用之間是分割的、不能垮行業使用的。另一方面，人工智能領域中的“通用人工智能(General AI)”，依然是科技界長期奮斗的目標。通用人工智能要能夠很快學習新的規則，適應新的事物，能夠直接應用在不同的領域，會下棋、也會打橋牌、還認識朋友、會開車。不過如何實現通用人工智能，我們目前在理論上都還沒有搞明白。
記者：人工智能(AI)在自動駕駛中的作用是什么?
原樹寧：首先是環境感知。這是自動駕駛的數據基礎，提供車輛周邊環境的狀況。車輛不但需要知道自己所在的位置，還要獲取道路屬性、周邊物體的屬性、交通設施的屬性。在這個層面上視頻分析、雷達成像分析等人工智能手段是完成環境感知的最重要組成部分，這一部分的技術發展已是突飛猛進，例如對車輛、摩托、行人、動物、障礙物、限速牌、紅綠燈、車道的識別。好的識別模型和大量的數據訓練能夠保證很高的識別正確率，但是，機器學習本身，即使在理論上，它都無法保證絕對(100%)的正確。這在自動駕駛中卻是不可原諒的缺點，如果環境感知不能確保絕對的正確，那如何保證決策的正確性呢?如何保證行車安全呢?人們會購買發生事故的自動駕駛車輛嗎?因此在環境感知層面，人工智能與工程手段將會起到相互補充的作用，實現對環境的正確感知。其中非常有潛力的一項技術就是V2X技術，它會將所有的交通基礎設施和每輛車都貼上標簽，實時的播發自己的相關信息，從而使得每部汽車都能直接獲取周邊的情況，再結合其他傳感器，實現信息冗余，保證對環境的正確感知。
其次是決策協同。決定車輛的行駛速度、方向、線路等根本問題。基于程序控制的車輛完全能夠實現自動駕駛。但是，它只能運行在有限的場景之下，極度缺少應對能力，并且消耗大量的程序分析和維護時間(系統越復雜維護成本越高)?；跈C器學習的人工智能在決策協同領域有著無可比擬的優勢，自我完善，維護成本越來越小，具有較強的適應和應變能力。就好比用編程控制的方式也能讓程序下圍棋，卻永遠無法達到AlphaGo的高度。但是，這里也會遇到一些奇奇怪怪的障礙。
1)無規則。在現實生活中交通規則不是絕對必需遵守的，而圍棋的規則至少在正規比賽中雙方都是絕對遵守的。如果李世石偷偷在棋盤上多放一個子，AlphaGo會怎么處理?應該整套模型都必需重構吧?這也是大家調侃谷歌不敢挑戰中國麻將的原因。一個隨時可以被打破的規則(闖紅燈、超速、逆行、橫道線搶行等)就是沒有規則。這樣的模型建立恐怕絕不亞于“通用人工智能”的難度。解決方法就是建立一個必需絕對準守的規則，將那些可能不遵守規則的參與者全部剔除，于是乎就只身下自動駕駛車輛本身了。
2)規則重塑。在一個只有自動駕駛車輛的路網上，機器的駕駛行為將會完全不同于人類的駕駛行為。例如，人類在高速上行駛需要保持100米左右的車距，其原因是人類生物能力的限制，例如，高速時視覺的狹窄化、反應時間的限制。此時機器完全不需要顧及人類生物能力的限制，而是根據自身的反應時間、信息處理的范圍和能力重新定義交通規則，例如高速公路車速完全可以提升到200km/h，甚至300km/h，車間距離可以縮小到數米甚至完全對接，高速公路的線型(坡度、轉彎半徑、車道寬度)也可以放松要求。新的規則將保證自動駕駛車輛的安全運行。
3)車輛互學習。這個只有在自動駕駛車輛行駛的道路網中進行，車輛的駕駛行為和我們現在人類的駕駛行為將會大相徑庭。但是人類的駕駛行為可以作為車輛自己學習駕駛的起點。人類開車時是如何保持車距、如何在擁堵時協作排隊、如何變道、轉彎、掉頭對于AI而言都是難能可貴的經驗。以此起點，在既定規則下，向自動駕駛道路網投入已經學會了人類開車方式的車輛，讓他們之間相互協作、相互學習，優化自己的駕駛效率。就如同兩個AlphaGo對弈，相互學習圍棋技藝。
最后是控制執行。這是對決策的執行，例如決策需要5秒加速到80Km/h，那么該噴多少汽油，發送機轉速要多快等等。這里完全是工程的世界、是精確控制的領域，需要對命令的堅決和精準地執行。這里和人工智能無關。
記者：能否為我們描述一下智能汽車的演化過程。
原樹寧：智能汽車是汽車革命里面最重要的一次革命。一開始的無人駕駛，肯定是在高速或者專有的道路上，然后這些專有的道路，逐漸會開放為半封閉狀態，比如在城市的公交專用道里設置無人駕駛專用道，智能汽車在某些地方可以像出租車一樣跑，它也可以在無人駕駛專用高速路上行駛，這時它速度就會非?？?，相當于結合了高鐵和出租車的共同優點。我覺得，無人駕駛首先應該在相對比較封閉，而且交通量不大的地區出現，美國的那些中小城鎮是非常合適的實驗場所。
記者：因為他們地廣人稀。
原樹寧：對，本身他們的交通不那么復雜，不遵守交通規則的人相對也少一點。至于智能汽車的商業模式，我覺得以出租車的形式出現的可能性最大，就是以“共享車”，或者“服務車店”的形式出現的可能性最大。
然后可能會在高速公路上實現無人駕駛，并且能夠進行幾輛車并在一起的行駛，同期可能也會出現高速上的測試，之后，系統會逐漸合并，技術上也會合并，重點解決車輛怎么協作，在低速道路上怎么行駛等問題，最后就會出現跨城市的自動駕駛。第一階段，比如在美國小鎮、出租車式的無人駕駛，我覺得可能在2020年能夠實現;第二階段，在高速道路上，拼車高速行駛的情況在2025年左右，在某種程度上可能會出現。
事實上，車本身不能識別人類的世界，所以需要把整個道路系統變成車輛能認識的世界，也就是需要把整個道路數字化，讓車能識別出自然就解放了駕駛者，這就是“車車通信系統”和“車路通信系統”。但是，無人駕駛不應該是被動接受周邊的信息，如果所有的車輛甚至包括摩托車也安裝了這些裝置，將車輛和車輛之間實現通訊交互，這個時候整個交通系統就可以完成交流，并形成車和車之間的互動與協作。
記者：智能汽車的市場在什么條件下會爆發?
原樹寧：只有技術發展到一定程度，真正的商業模式才能出來。
例如電腦和手機的發展。智能手機能夠出現并快速替代傳統手機，關鍵在于兩項技術，一是操作系統，二是3G移動網絡。個人計算機的普及也一樣，Windows操作系統使每一個人都可以使用計算機，而互聯網為每個使用計算機的人提供了豐富的內容。
智能汽車的大規模爆發，也需要同樣的技術條件。其中，操作系統的核心作用是屏蔽硬件的復雜性。由于每個品牌汽車的接口都不一樣，應用軟件的開發會遇到車企不開放CAN總線接口的問題。如果在車輛CAN總線上加一個中間層，就可以將車輛的各類消息和接口轉化為類似計算機C庫的標準庫。這樣，任何程序員都可以方便地對智能汽車進行軟件開發，軟件開發人才也因此可以在市場上普遍獲得。
所以說，這樣一個操作系統是非常重要的。類似的開發工作，國外的AUTOSAR聯盟(即 AUTomotive Open System Architecture，汽車開放系統架構)已經在做，一些企業也可能在秘密研發。可以說，誰能做出這個操作系統，誰就將主導未來的汽車市場。
再看網絡。谷歌無人駕駛車采用地圖加大量傳感器的方式，已經做了很多年，為什么至今無法大規模商業化?因為不能出錯。計算機和人的認知方式不同，只知道0和1。讓一輛無人駕駛的智能汽車在行駛中識別人類世界是非常困難的，即使準確率達到98%，也是不夠的。要解決這個問題，就要通過車路通訊，把所有路側信息全部數字化，包括其他車輛、紅綠燈、施工信息等，變成計算機可以了解的東西。這就是V2X，也是智能汽車所需要的網絡。只有這個時候，無人駕駛的時代才會真正到來。
記者：自動駕駛技術產品化的過程中，最大的難點是什么?在智能汽車的發展中，最有前景的技術又是什么?
原樹寧：在產品化過程中有兩點最重要：一是可靠性，產品絕對不能出問題; 二是適應性，道路環境非常復雜，比如在澳大利亞開車，可能會突然跑出一只袋鼠。最重要的技術就是我剛才談到的兩項，一是與硬件無關的編程技術，放大來說就是整個車載操作系統;二是V2X網絡技術。當然，傳感器、地圖等技術也非常重要，但它們已經很成熟了。
記者：在實現更智能的汽車方面，目前你們做了哪些工作?
原樹寧：博泰V2X技術的訴求正是讓所有的道路設施全都變成車輛能懂的語言，然后去完成現在的無人駕駛系統沒有辦法完成的工作，最終實現普遍的無人駕駛。我們已經完成了V2X box設備在不同場景下的通信性能測試，該設備可隨時發送車輛的速度、位置等信息，同時接受其他車輛發送的信息;開發了車輛主動安全仿真系統，實現了車輛間急剎警告、追尾警告、交叉口碰撞警告三大主動安全功能，并進行了多次真實場景道路測試。
記者：能否用你觀點來定義智能汽車對于交通運輸變革的意義?
原樹寧：智能汽車的突破，類似于內燃機取代馬車，是一場真正意義上的革命。第一，它提高了效率，第二，它節約了資本，同時也節約人力，節約了大量的基礎設施建設。
記者：智能汽車實現了自動駕駛，或者無人駕駛，是不是也使得汽車的駕駛樂趣也消失了?
原樹寧：肯會有這么一種人，愿意自己開車，就像現在很多人還是愿意騎馬一樣，那么這些人可以去特定的場所去駕駛汽車，就像現在的人要去馬場騎馬。
在業內人士看來，人工智能不是一項單一的科技產業，而是將其他行業進行融合的工具，例如將機器人和保姆結合產生的“看家機器人”，將導航和汽車結合產生的“車聯網”等。在人工智能技術逐步成熟的當下，誰率先在應用上實現突破，誰就有可能在智能時代的競爭中占據優勢，“人工智能”有望成為可觸摸的新增長點之一。
發展迅猛
身體不舒服，想要打開手機淘寶問問醫生，但是怎么樣才能從幾千個在線等待咨詢的醫生中間找到最匹配的那一個？
阿里健康已經開發并在手機淘寶上線了健康小蜜――醫藥健康智能問答引擎。這個類似于智能問答機器人的引擎，可以回答普通用戶的一般性醫藥健康問題，然后根據用戶的需求進行選擇，將用戶自動匹配給相應的醫生或者藥師。
事上，目前，從醫療健康的監測診斷、智能醫療設備，到教育領域的智能評測、個性化輔導、兒童陪伴，從電商零售領域的倉儲物流、智能導購和客服，到應用在智能汽車的自駕技術，都能看到人工智能的身影。
人工智能等技術是助推自動駕駛發展的關鍵技術。例如，人工智能在幫助汽車解讀傳感器數據時起決策作用，通過閱讀駕駛者的駕駛行為和表情，能及時提醒駕駛員在疲勞駕駛時切換至自動駕駛模式。
“人工智能”一詞，通常被認為是1955年8月31日在達特茅斯（美國一所院校）會議上誕生的，61年來，人工智能的研究和實踐一直處于不斷增長的趨勢。當今，人工智能技術的突破帶來了席卷全球的技術革命風暴，創造出了一個無比廣闊的市場，中國的很多公司在這股大潮中抓住機遇，表現亮眼。有觀察者認為，中國的人工智能已成為一張令世界矚目的閃亮名片。
過去的一年里，長虹、TCL、創維等中國家電企業都紛紛人工智能家電產品，希望借助人工智能打破家電行業的銷售難題。
不久前，搜狗公司2016全年財報，搜狗借助人工智能技術實現了較大的業績增長。未來會把人工智能應用到更多的產品中，讓用戶表達和獲取信息更簡單，讓人工智能真正惠及人類。
全球人工智能研發的腳步正在加快，中國也不甘示弱。近年來，百度先后成立了大數據實驗室、深度學習實驗室和硅谷人工智能實驗室，并通過架構調整全面發力人工智能。2016年百度世界大會上，“百度大腦”推出，該項目將對語音、圖像、自然語言處理和用戶畫像、無人駕駛等領域進行重點關注和研發。
在騰訊，人工智能研究項目包括WHAT LAB（微信-香港科技大學人工智能聯合實驗室）、優圖實驗室、微信模式識別中心、智能計算與搜索實驗室等多個部門。
人工智能猶如新的科技革命，為長期低迷的世界經濟注入新的活力。去年諸多關鍵技術突飛猛進，無疑是人工智能發展史上濃墨重彩的一年。誕生半個多世紀以來，它終于走到了從科技研發到行業應用的臨界點，蓄勢待發。
為發展更新“發動機”
人工智能技術的重大突破必將帶來新一輪科技革命和產業革命，對人類生活的方方面面將產生深遠的影響。大力發展人工智能技術是中國經濟轉型升級的重要動力。
眾多研究表明，人工智能是對傳統行業商業模式、產業鏈和價值鏈的全面顛覆，將為全球經濟、社會生活的方方面面帶來質的變化。
發展人工智能的最大意義在于為現代化發展更換“發動機”。咨詢公司埃森哲研究了美國、芬蘭、英國等12個發達國家并作出預測，到2035年，人工智能將幫助這些國家的生產率提高40%左右。
對于中國而言，人工智能帶來的好處將是多方面的。就經濟來說，借助人工智能新技術實現自動化，將極大提高生產率，節省勞動成本；優化行業的現有產品和服務，提升其質量和勞動生產率；通過創造新市場、新就業等，將促進市場更加繁榮，開拓更廣闊的市場空間。
而在產業升級方面，中國的傳統制造業大而不強的問題亟待克服，人工智能恰恰為制造業轉型升級提供了便利和動力，一是這些企業擁有行業海量的數據和大量資金；二是在生產力水平急需提升、傳統人口紅利逐漸消失的情況下，傳統企業有迫切的意愿來改造升級自己的工廠、業務，提高收益，降低企業成本。因此，制造業既是人工智能可以大有作為的領域，也是中國發展人工智能的優勢領域。
《全球人工智能發展報告2016》顯示，中國人工智能專利申請數累計達到15745項，列世界第二；人工智能領域投資達146筆，列世界第三。
據艾瑞咨詢預計，2020年全球人工智能市場規模將達到1190億元，年復合增速約19.7%；同期中國人工智能市場規模將達91億元，年復合增速超50%。人工智能發展前景極為廣闊。
就制造業而言，“中國制造2025”計劃的實現就需要很多人工智能。比如過去在技術上難以克服的問題，就可以通過深度學習，在工程上快速地取得一些新的突破。人工智能技術的發展與應用，對于有效實現“中國制造2025”目標至關重要。
面向未來長遠布局
在人工智能這場科技浪潮中，中國與其他國家已經站在了同一起跑線上。針對未來產業競爭，中國政府已在多個方面對人工智能產業做出布局，“人工智能+”的發展，需要面向未來，做出長遠布局。
未來5到10年，人工智能將像水和電一樣無所不在，可以進入到教育、醫療、金融、交通、智慧城市等幾乎所有行業。
目前，在駕駛領域，通過依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，電腦可以在無人主動操作下，自動進行操作；在個人助理領域，通過智能語音識別、自然語言處理和大數據搜索、深度學習神經網絡，可以實現人機交互；在金融領域，通過分析、預測、辨別交易數據、價格走勢等信息，人工智能可以為客戶提供投資理財、股權投資等服務；在電商零售領域，主要是利用大數據分析技術，智能的管理倉儲與物流、導購等方面，用以節省倉儲物流成本、提高購物效率、簡化購物程序。此外，在安防、教育、醫療健康等眾多領域，人工智能都有著廣泛的用途。
從不被看好到連勝三局，人們在驚愕之余不得不承認，人工智能科技已經發展到了能輕易超越人類的水平。
今天，人工智能已走過了近60年的歷史，并幾經高峰和寒冬，目前已滲入生活的方方面面。對于人類而言，人工智能的發展到底是福還是禍?它會對我們的生活造成怎樣的影響?除了下棋，人工智能還能做些什么?
不久前，谷歌在舊金山舉行了一場畫展和拍賣會，展示了電腦在人類的指導下創作的畫作。此次展示的畫作包括迷幻的海景、梵高風格的森林以及城堡和狗組成的奇觀。其中6幅尺寸最大的作品被一位職業拍賣人以高達8000美元的價格拍得。
谷歌最初開發這項技術是為了識別照片中的物體。但為了進行藝術創作，工程師又隨機為電腦算法提供各種形狀，使其能在識別物體的基礎上逐步改變圖像，并讓圖像更接近于真實。當然，這個算法與AlphaGo的算法有怎樣的差距，目前無法得知。
人工智能擁有如此強大的計算能力，人類怎會放過利用它賺錢的機會?將人工智能引入股市、銀行等，從而讓其代替人類成為交易員，在最近幾年漸漸盛行。以下幾個經典的案例足以讓你體會人工智能的強大。
高頻程序化交易Virtu Financial LLC公司在1238個交易日中，僅在1個交易日中出現了虧損。
第一個以人工智能驅動的基金Rebellion預測了2008年的股市崩盤，并在2009年9月給希臘債券F評級，而當時惠譽的評級仍為A。通過人工智能手段，Rebellion比官方提前了一個月降級。
掌管900億美元的對沖基金Cerebellum也使用了人工智能技術，結果自2009年以來，沒有一個月出現虧損。
根據花旗銀行的最新研究報告，人工智能投資顧問管理的資產在2012年基本為0，到2014年底已增至140億美元。在未來10年內，它管理的財產還會呈現指數級增長的勢頭，總額將達5萬億美元。
19年前，美國IBM公司的超級電腦“深藍”擊敗了國際象棋大師卡斯帕羅夫。之后“深藍”在象棋界打遍天下無敵手，除了棋力持續大增之外，還在其他領域發揮重要作用，比如為MD癌癥中心工作。
2015年，IBM推出一個新的認知計算機健康平臺——Watson Healthcare Cloud，目前與生物制藥公司諾和諾德以及強生等公司已達成合作關系。Watson能從病人的病例和豐富的研究資料庫中尋找資料，為臨床醫生提供有價值的信息，從而幫助醫護人員找到最有效的治療方案。
在AlphaGo 與李世石比賽前，谷歌宣布創造出 AlphaGo 的 Google DeepMind 實驗室將進軍醫療技術領域。他們成立了 DeepMind Health 團隊，與英國倫敦帝國理工學院和倫敦皇家自由醫院展開合作。同時推出了一款名為 Streams 的移動端應用程序，醫療人員可以利用 Streams 更快地觀察到醫療結果。
想象一下，有一天我們出門打車，車上沒有司機，你只要告訴它目的地，它會自動搜索路線并啟動上路。其實現在已經不用想象，因為這一切正在成為現實。
谷歌、特斯拉、蘋果甚至是寶馬公司等都在開發無人駕駛汽車。谷歌的無人駕駛汽車已在公司附近的山景城測試了無數次，雖然交通事故發生過十多起，但都屬于小摩擦，尚未造成嚴重損失。
有人說，即使發生了這些事故，無人駕駛汽車發生事故的概率也遠遠低于人類駕車發生事故的概率。當然，這同樣有賴于人工智能強大而精準的計算能力。
關于這些無人車何時正式大量地上路載人，業內普遍的說法是2020年，目前它們正努力學習物體識別及交通規則。
想要全面了解人工智能個人助手，看一遍電影《Her》就可以了。其中的人工智能操作系統薩曼莎不僅可以幫助主人公快速處理各種郵件、文件等，還能像朋友一樣與之交流。
現實生活中，這樣的個人助手也正在成為現實，如蘋果的Siri、微軟的Cortana 以及谷歌的Google Now，國內也有科大訊飛的靈犀、圖靈的蟲洞語音助手等。
這些語音助手一般存在于個人電腦或手機中，近年隨著服務機器人的發展，它們開始有了新的載體。機器人除了有語音功能外，還具備自主行動的能力，因此有望在其他方面幫助人類。
與AlphaGo一樣，以上這些功能的實現都是通往全面人工智能的必要步驟。正如市面上有無數針對下棋的程序，但并非每一個都只是為了下棋，DeepMind團隊開發AlphaGo 是為了讓它找到邏輯判斷的方式并不斷自我學習，這些是人工智能深度學習的基礎。
當它擁有了這些能力后，即能迅速學習其他方面的能力，最終服務于人類。
中信出版集團
定價：68.00
人工智能的成長：從章魚保羅到阿爾法狗
文|高雅
當人工智能（Artificial Intelligence）這個話題從小眾成為爆款時，你有沒有追溯過，它是什么時候第一次出現在你的眼前？你是否探究過這項計算機科學的發展？你又是否暢想過在人工智能的推動下，未來世界是什么樣子？
中信出版社新書《智能革命》由百度CEO李彥宏及其團隊所著。書中將會為你一一解答關于人工智能的三生三世，讓你從一個AI小白成長為扼住時代命門的“超級選手”。
百度CEO李彥宏與其團隊合著的《智能革命》一書，不僅解開了我對百度“神預測”一事的困惑，更帶我認識了什么是人工智能、人工智能帶給了我們什么以及人工智能將會帶給我們什么。
原來，在我第一次認識齊達內，成為準球迷的1998年，一個年輕人在美國寫出了《硅谷商戰》一書，詳細描繪了硅谷天才們的奮斗與創新過程。在那之后，他在北京的一個賓館里創辦了百度公司，他就是李彥宏。在這之前，他就在美國的學習中接觸到人工智能課程，但受制于當時硬件、技術等原因，人工智能還沒有什么應用機會。但這個夢就種在李彥宏的心里，隨著計算機網絡產業的發展，尤其是搜索引擎的進步，李┖晷鬧械惱飧雒慰始萌芽了。
人工智能的歷史早于互聯網，與計算機歷史相伴。但新技術和產業鏈條不暢通，沒有令人興奮的產品，人工智能在上世紀70年代到90年代經歷了兩次低潮。20年前網景瀏覽器的問世，為人工智能發展埋下伏筆?；ヂ摼W、移動互聯網上的瀏覽器不斷積累各種數據，這些數據又不斷地滋養機器，機器學習有了營養，成長得更快。
書中清晰地看到人工智能半個多世紀的發展和變遷，人們對它的認知從安裝在一臺計算機中的事物到解決人類的思考，再到百度將人工智能成功應用于顯著提升用戶體驗，并把翻譯、語音識別、圖像識別等能力開放給大家，供人們開發探索各種人工智能應用。例如百度與交通運輸部下屬的研究院、研究中心合作搭建信息共享平臺，解決交管部門、普通民眾道路信息滯后等問題。
工業革命開始，人類的體力得到解放。百度自主研發的無人車測試成功、谷歌翻譯名聲大噪、荷蘭的奶廠已經實現智能化無人飼養，這些人工智能的事例無一不在證明，人類的智力也在不斷被解放。不過大可不必擔心失業，因為技術的主要目的從來不是“替代”，而是“支持”。人工智能正在滿滿滲透進我們生活的各個領域，它雖然尚無人性，但卻有種別樣的人文關懷。
新書信息
《品嘗的科學》
作者：【美】約翰？麥奎德
定價：49.80元
北京聯合出版公司
一本有關人類味覺的奇妙物語，你將比你想象的更了解自己。
《海洋與文明》
作者：【美】林肯 佩恩
定價：128.00元
天津人民出版社
有感于海洋世界的重要性在大眾認知層面日益衰減，作者為我們帶來了這部宏大的全球海洋史。這樣一部內容全面而豐富的著作，必將構成海洋史研究領域的堅實基礎。
《哈佛商學院談判課》
作者：【美】迪帕克 馬哈拉
定價：38.00元
關鍵詞：人工智能；犯罪；刑法；立法構建
一、人工智能時代刑法構建的必要性
（一）刑事立法可以防控人工智能技術帶來的風險
人工智能與現實社會的聯系日益緊密，已經成為法律無法回避的領域，互聯網時代的發展推動了人工智能時代的到來，互聯網技術中的信息與數據是孕育人工智能的土壤。當今社會，人工智能技術已經滲透到生活的各個方面，我們的醫療、軍事、交通、城市建設等方面，處處都有人工智能的身影。當我們享受著先進技術帶來的好處時，也不能忽略其潛在的法律風險。因為這樣緊密的聯系就決定了人工智能會高頻率地參與人類社會的活動，那么當其參與的行為涉及刑法時，就需要立法來規制。
（二）刑事立法可以及時應對這一新生事物對于現行刑法的挑戰
不可否認，法律具有滯后性，新技術帶來的犯罪無法被現行的刑法及時規制，甚至會產生沖擊。只有通過立法及時修補法律的空白之處，解決刑法對于人工智能類犯罪的適用等問題，才可以保證這一技術的健康發展和合理使用。［1 ］
二、現行刑法規制人工智能犯罪的困境
（一）從刑事責任主體角度
在我國現行刑法中可以規制的人工智能類犯罪極其有限，僅限于行為人直接將人工智能當作工具進行生產、利用的情形，換言之，人工智能此時執行的一切操作僅為犯罪者的意志和行為的延伸，這種情形下的刑事責任主體為利用人。例如，紹興市破獲的全國首例利用人工智能侵犯公民個人信息案，犯罪團伙利用人工智能技術盜取數據，識別圖片，進行詐騙，竊取公民個人信息進行犯罪。在這個案件中，人工智能被當作工具直接被犯罪分子支配利用，可以根據刑法第二百五十三條之一侵犯公民個人信息罪對犯罪分子進行定罪。當然，即便如此，這樣的定罪依然存在瑕疵，后文第（二）節將從另一角度闡述。然而，真正棘手的問題是，當人工智能在無自然人利用、操縱時，或者違背利用者的初衷，自行發生了犯罪行為（如無人駕駛汽車涉及交通事故罪，手術機器人涉及醫療事故罪等），其刑事責任主體又該如何確定，是人工智能本身，還是其用戶，又或者是發明者，由于現行刑法刑事責任主體認定的局限性，這種情形下刑事責任主體的確定存在爭議。
（二）從罪名角度
不可否認，人工智能時代的到來產生了許多前所未有的行為方式，所以，針對以下三種情形，即便行為主體符合我國現行刑法對于刑事責任主體的認定（自然人、單位），因為缺乏與之相對應的罪名，也無法直接且有效的規制：首先，是犯罪主體濫用人工智能學習技術訓練其進行犯罪的情形。正如前文所述的，紹興市破獲的全國首例利用人工智能侵犯公民個人信息案，我們可以按照侵犯公民個人信息罪對犯罪分子進行定罪，但是其非法濫用人工智能技術的行為是無法規制的。其次，是由于人工智能的生產者、發明者在程序編寫等技術方面的問題，導致人工智能運行時發生危害社會安全的犯罪行為的情形。比如，2018 年3 月發生在亞利桑那州坦佩市的Uber無人駕駛汽車意外撞死一名行人的案例，［2 ］經后續調查給出的技術解釋是，由于技術限制，其識別系統會在惡劣環境下發生識別有誤，甚至無法識別的情況，Uber公司對其人工智能的某一算法設置上存在紕漏，但最終的審判結果卻是Uber公司不負刑事責任。這雖然是國外的案例，但也對我國刑事立法提供了思考的方向，或許有觀點認為，在我國發生類似案例，可以直接按照刑法第一百四十六條的相關規定按照生產、銷售不符合安全標準的產品罪來定罪。但筆者認為，人工智能本就屬于新興技術，其發展必然存在不成熟的因素，但也不能忽視其進步性，所以，在一定限度內，我們應該對人工智能產品所帶來的風險有一定程度上的容許，如此才有利于行業的發展，而這就需要設立新的罪名來解決。
三、人工智能刑事立法構建策略
（一）關于刑事責任主體認定
針對上文提出的，人工智能在無自然人利用、操縱時，或者違背利用者的初衷，自行發生的犯罪行為的責任主體認定問題，我們可以分為兩類討論：首先，是弱人工智能發生的犯罪行為。所謂“弱人工智能”是指沒有自主意識，缺乏創造性、遵循機械規律的人工智能。此類人工智能在無自然人利用、操縱時，或者違背利用者的初衷，自行發生的犯罪行為，多半是程序等技術的瑕疵造成的。此時，此類人工智能無法滿足犯罪主客觀一致的要求，不具有承擔刑事責任的能力，所以應該認定其發明者為刑事責任主體，因為發明者在發明此類弱人工智能時，可以且應當預見到人工智能的行為和潛在的風險，發明者此時具有確保其發明物不會危及公共安全和人身安全的義務。當然，也有例外情況，如果是由于他人（黑客等）惡意入侵的行為造成的犯罪，應當認定該介入因素切斷了原先的因果關系，應該認定入侵者為刑事責任主體。其次，是強人工智能發生的犯罪行為。所謂“強人工智能”是指具有獨立意識，有思考能力，通過學習可建立對于周圍環境的認識、判斷的自主運行的人工智能。這類人工智能的犯罪能夠符合客觀方面（危害行為、危害結果、因果關系、犯罪的時間、地點、方法）的要求，也能夠符合主觀方面（如意識因素、意志因素）的要求，應當認定其為刑事責任主體，獨立承擔刑事責任。首先，這類人工智能具有更強的學習能力，思考能力，它們可以通過學習和思考產生自主意志和是非判斷能力，已經不再是使用者意志和行為的延伸；其次，強人工智能在自主意識和判斷力的基礎上，完全有能力獲取其研發人未編入其程序的知識，而這些知識極有可能具有人身危害性，但這些內容是很難被及時預見并立刻刪除的；最后，基于前兩點的內容，我們完全有理由認為，強人工智能是具有可罰性的，此時的人工智能已經具有了自然人的倫理屬性，可以被當作“機械犯罪人”。我們可以對其執行刪除數據并且將該人工智能銷毀的刑罰。故針對強人工智能的犯罪，我們不必設立新的罪名，但需要出臺相關的司法解釋來調整、明確刑事責任主體的認定。比如，針對現行刑法的某些犯罪（如公共安全類犯罪、除外侵犯人身權利的犯罪、侵犯財產類型的犯罪等等）出臺司法解釋，增加強人工智能本體為刑事責任主體，并補充強人工智能的刑罰執行制度，只有完善了司法解釋，才不會使上述策略成為空中樓閣。
（二）關于新罪名的設立
1 ．設立濫用人工智能技術罪隨著技術的發展，人類對于人工智能技術的依賴性會越來越大，這已是大勢所趨，但這勢必會引起該技術濫用的行為。就如全國首例利用人工智能侵犯公民個人信息案，犯罪分子利用人工智能，可以使傳統的犯罪行為更加快速，更加低成本，低風險。所以我們有必要設立濫用人工智能技術罪，在規制犯罪分子基本犯罪行為的基礎上，［3 ］該罪名應該納入刑法分則第六章妨害社會管理秩序罪中進行明確規定。2 ．設立人工智能重大責任事故罪針對人工智能的生產者、發明者在程序編寫等技術方面的問題（主要針對弱人工智能），導致人工智能自行運行時發生危害社會安全的犯罪行為的情形，應該成立人工智能重大責任事故罪，規制發明者、生產者在發明、設計、生產環節中未完全按照行業標準和國家標準履行義務的行為。但是，結合前文所述對于新興技術發展的支持態度，應該對其中的生產方采取嚴格責任制，即如果生產商有足夠證據證明自己的生產過程是嚴格遵守現有的相關標準的，則可以免于承擔刑事責任。該罪名應該納入刑法第二章危害公共安全罪中進行明確規定。
四、結語
人工智能時代的到來既給我們以便利，同時也會給我們帶來法律的困擾，甚至對傳統的刑法帶來沖擊，相關的刑事立法可能會改變長久以來的傳統的刑事責任定義，這正是新興技術的發展對于刑事立法的挑戰，所以我們既要制裁人工智能類的犯罪，又不能阻礙該行業的發展，只有這樣，才是成功應對我國當下人工智能犯罪的刑法困境。
參考文獻
［1 ］李振林．人工智能刑事立法圖景［J］．華南師范大學學報（社會科學版），2018 （6 ）：125-133+191 ．
機器人最近有點忙。時下正在熱映的兩部好萊塢大片《復仇者聯盟2》和《超能查派》中都出現了機器人主角：奧創與查派，它們雖然在人物設定上大有不同，可歸根結底，都是以人工智能主導的生命體。
人工智能聽起來似乎離普通人的生活有點遠，其實不然，翻譯軟件、Siri和無人駕駛汽車都是人工智能，只不過大多時候被稱作“智能”而已。
當普通人還沉浸在對人工智能的好奇中，一些科學家和行業巨頭卻對人工智能的未來抱以擔憂：人工智能是天使還是惡魔？
“人工智能或將成為人類的終結者?！庇钪鎸W家史蒂芬霍金擔心；特斯拉創始人艾倫馬斯克也表示，人工智能的發展或許會成為人類面臨的最大威脅；微軟公司創始人比爾蓋茨也曾發出類似警告。
實際上，這種“人工智能主宰論”絕非時興起?，F在，著名宇宙學家、硅谷企業家以及微軟創始人也發出同樣的警告，并且紛紛反對谷歌和微軟等科技巨擘投資人工智能，這種憂慮的分量可想而知。
現在，超級計算機不離人手，機器人操控著各行各業……如果還將人工智能當做科幻片一般對其一笑置之，那么人類顯然有點自欺欺人了。
對于人工智能，人們不能盲目著急，更應該想想如何趨利避害，理性地面對這些擔憂。
首先，人類需要弄明白計算機現在可以做什么，以及未來可能會干什么。強大的計算機處理能力以及豐富的大數據資源促進了人工智能的蓬勃發展。如今的“深度學習”系統通過模擬人腦神經元來處理大量數據，已經可以自己完成模式識別和翻譯等任務，其出色的效果幾乎可以與人類相媲美。也正因此，過去曾經需要人腦完成的任務，如下棋、玩電子游戲，現在都可以交給電腦完成。2014年，Facebook推出的一款臉部識別計劃DeepFace已經非常接近人腦的識別能力，準確率高達97%。
即便如此，人工智能的能力還是十分有限，功能還比較狹隘和具體。人工智能所產生的這種能力完全依靠機械式的數字運算，并不能像人腦那樣通過獨立意識、個人興趣及愛好來完成任務。計算機也無法擁有人類思維對任何事物進行推斷、判定及決策。
然而，不能否認的是，人工智能的迅猛發展已對人類生活產生了巨大影響，并對人類科技的進步起到關鍵性輔助作用。以象棋為例，現在計算機下棋完全不輸人類。但世界上最好的棋手并不是計算機，而是國際象棋大師加里卡斯帕羅夫所稱的“半人馬”一―人類與計算機算法的合體。
這種人機合體的形式未來將成為各行各業的常態：人工智能技術將大大增強醫生通過醫學影像診斷癌癥的能力；智能手機上的語音識別算法將為發展中國家數百萬文盲實現上網夢想；數字助理將為學術研究提供有效的假設；而圖像分類算法將使可穿戴設備佩戴者在真實世界里看到有用信息……
不過從短期來看，人工智能并非有益無害。例如，不管在專制國家還是在民主國家，人工智能將會給國家安全帶來困擾：試想―下，人工智能可以監控數以十億計的談話內容，并且僅憑聲音或者面部特征就能從茫茫人海中找到每一位公民，這種力量無疑對人類自由和隱私帶來極大的威脅。
在人工智能的發展歷程中，受傷害的終歸是個人，最直接的后果是導致大量白領失業。在計算機誕生前，傳統的計算工作是個苦差事，通常都是女性完成這種無止境的體力活。正如計算機讓大批女工失業一樣，人工智能將來也可能讓白領下崗。人工智能所創造的財富將會用于新的領域，源源不斷地創造出新的就業崗位，但現代白領的崗位將必然難保。
不過，霍金、馬斯克和蓋茨所擔心的并不是人工智能會監控人類或導致白領失業，或者是好萊塢大片上的各種災難會在現實生活中重演。他們的擔憂則更長遠，更具毀滅性：具有人類思維和興趣的人工智能機器會不會與人類自身產生沖突，人類是否正在召喚“惡魔”？
不過，“惡魔”的出現還需要很長時間，或許永遠也不會出現。盡管人類在人腦研究領域已經倒騰了一個世紀之久，但到目前為止，心理學家、神經學家、社會學家和哲學家們都還沒弄明白人類思維究竟是怎么產生的，或者說思維到底是什么。如今在商業領域的人工智能產品在心智和自治意識上還有局限性。無人駕駛汽車比主人開車技術還好，這聽起來還不{昔，但是一輛車可以自己決定去哪兒，迄今為止還只是個傳說。
盡管距離霍金所說的全面人工智能時代還很遙遠，但是謹慎起見，整個社會還是未雨綢繆為好，這看起來不算難，畢竟人類創造這種擁有超人能力的實體已有時日。政府機構、市場和軍隊都是這樣的實體。
機構認為，在即將到來的AI時代，神經網絡要求芯片支持大規模的并行計算，而這與傳統的處理器串行計算有著本質的不同，人工智能有望成為實現彎道超車、帶動傳統產業趕超發達國家的戰略性產業。上證報資訊日前報道，中科創達是華為麒麟970芯片人臉識別應用提供方；中科曙光成功研制出首款搭載寒武紀AI芯片的人工智能服務器Phaneron。
個股利好：
回天新材：與中建八局合作 共同開拓雄安新區建筑項目；
格林美：子公司簽署動力電池三元材料項目合資經營協議；
新國都：子公司中標交通銀行2017年收單POS設備招標項目；
寧波建工中標七里濱江總承包（EPC）項目；
大北農擬以大宗交易方式收購荃銀高科4.9%股權 并增持不超4億元；
三維絲、山東威達獲增持。
個股利空：
大東南終止重大資產重組事項；
長信科技：海外資產回歸A股的相關政策未完全明確 暫不啟動資產重組事項；
真視通終止籌劃重大事項；中通國脈：
近年來，互聯網的普及和發展給社會經濟建設和人們生活帶來了巨大的變化。隨著“智慧城市”、“智能交通”、“物聯網”新概念的提出，普及先進的智能技術，推動各方面產業的升級和轉型，使各個領域又面臨一場新的技術革命。在《國家中長期科學和技術發展規劃綱要》和“十二五”規劃中，智能交通（ITS，IntelligentTransportationSystems）已被列入交通運輸業優先發展主題，在交通運輸領域廣泛采用智能技術建立交通物聯網絡，已成為發展智能交通的優先途徑，也是各級政府和交通專家最為關注的話題。打造國際一流的人性化、捷運化、信息化和生態化的交通物聯網，應用智能技術能解決哪些問題？物聯網建設中如何推廣智能技術？這些問題都值得我們進一步思考和深入研究。
2交通物聯網的構成和特征
2.1交通物聯網的構成交通物聯網是在較完善的交通設施基礎上,將新一代智能技術充分運用于交通運輸系統所建立的一種實現。即把智能傳感器件裝備到各地公路、水路、公交、地鐵各相關系統的基礎設施中，把車輛、船只等運動設施，還有橋梁、大壩、隧道、車站、港口等固定設施，網絡、視頻、廣播、通訊、遙感等各種媒體設施，在互聯網的支撐下經過互聯構成“物聯網”。而后通過超級計算機系統、智能交通系統以及云計算將物聯網軟硬件資源整合起來，構成一個完整的交通物聯網體系。智能交通系統是交通物聯網中的核心系統。人們通過它能以更加科學的智能的和動態方式管理和控制交通。
2.2交通物聯網的特征⑴全面物聯：智能傳感設備將交通所有基礎設施物聯成網，通過專用技術對網絡系統實時感測和智能的控制，全面實現交通網絡智能化管理。⑵充分整合：物聯網與互聯網系統完全連接和融合，將軟硬件資源最大有效的整合共享，資源分配更加充分和合理。為低碳環保、減少資源冗余浪費，提供最佳的基礎設施。⑶協同運作：有效地利用基礎設施的潛能，各個關鍵環節進行和諧高效地協作，監管保障進一步到位，不斷消除自身的隱患，達到智能交通的最佳狀態。⑷學習創新：立足系統本身的知識學習、積累和更新，不斷地進行科技創新和應用，加快交通智能系統的研發和升級，提高可持續發展的能力。
3智能技術在交通物聯網的應用成果
3.1智能技術的應用應用智能技術解決交通運輸問題，已成為公認的最為有效的途徑。從第十二屆多國城市交通通展中可以看到，集電子技術、信息技術、傳感器技術、數據通訊技術、人工智能和計算機應用等技術于一體的跨學科的智能技術，在交通科技領域的普及應用越來越廣泛。如“一卡通”解決方案、RFID無線射頻識別技術、GPS智能導航系統、ETC不停車電子收費系統、道路控管系統、網絡影像傳輸系統、電子警察抓拍系統、公路車輛自動監測記錄系統、交通綜合信息管理系統、道路交通仿真系統等等。將不同的系統集成并將它們智能化從而提升交通管理的水平，已初見成效。由此可見，智能技術有效地綜合運用于我國交通運輸管理體系，已呈現出巨大的潛力和發展空間。
3.2應用智能技術取得的成果⑴智能公交方面，建立統一的智能化公共交通綜合信息平臺，在公路、水路等客運行業逐步實現全國聯網信息共享服務。城市公交實行全程實時監控，科學的調節車流的時空分布，優化了城市公交網絡。展示和引導公眾選擇低碳出行，逐步拓展公共交通綜合信息平臺的應用領域，提高公交運營效率和服務能力。⑵交通停車誘導方面，建立動態停車誘導系統和汽車租賃信息服務系統，在完善停車場和公共交通組合的基礎上建設駐車換乘信息誘導系統；利用網絡媒體和手機、GPS智能導航等信息終端，為公眾提供實時、便捷、個性化的交通信息服務。⑶出租車營運管理方面，應用了RFID無線射頻識別技術。上海市啟動了出租車電子標簽試點，將識別芯片安裝在出租車后窗的玻璃處，執法人員使用手持識別儀透過GSM將數據傳送到指揮中心，快速的把出租車的車牌號、發動機號、車輛顏色、營運證等資料讀出，以此快速地識別正規出租車和“克隆”出租車，借助交通物聯網智能標簽識別技術，有效的提高了出租車輛營運管理的水平。⑷公路不停車電子收費方面，計劃到2020年，ETC(ElectronicTollCollection)電子自動收費系統全國覆蓋率達到60%以上。ETC使公路收費走向網絡化、智能化，提高公路的通行能力，降低了收費管理的成本，減少了車輛和路面的損耗，為解決交通擁擠、交通阻塞、交通事故和交通污染問題提供了有效的途徑。⑸港口建設方面，以虎門港物聯網工程為例，去年虎門港全面啟動了“智能港及物聯網應用工程”項目，他們采用物聯網技術為基礎架構，以RFID及其他傳感技術為數據采集終端，通過有線和無線的網絡傳輸技術，把數據資源匯集到港口數據中心,云計算平成海量數據的計算，實現港口在生產操作、倉儲管理、物流跟蹤、海關監管、環境污染等方面管理的智能化，依托物聯網打造智慧型的港口，帶動了港口建設一場新的技術革命。
4交通物聯網建設方面的探討
4.1要加強交通物聯網標準化工作針對智能技術包含多學科的特點，由此帶來的數據采集和處理技術的復雜性，需要制定和完善統一的物理層接口協議和標準。實現物理層接口的標準化，可以最大限度降低系統的瓶頸，保證整個系統接口的互聯性,有助于物聯網配套產業的新產品研發和標準化生產，促進智能技術的廣泛應用。
4.2要改善基礎設施的硬件品質對物聯網中裝備的各種智能傳感設備及硬件，要制定標準采購目錄和安裝規范，盡量采用新一代智能產品。對老化的設備要定期檢查和更新換代，特別是對采集設備的性能進行制度性評估，提高硬件設備的品質，不僅對杜絕各類事故提供可靠的保證，而且使智能技術更加有效的發揮。
4.3要加快智能交通系統的研發應用從交通物聯網的現狀來看，很多地區發展還不平衡，有的還未引入真正意義上的智能交通系統。許多在用的交通管理系統，智能綜合分析的功能較少。有些交通指揮系統只是具備監測、記錄、抓拍等被動性的監管功能。不具備主動性的智能預防、誘導分流和調控功能。在交通管理方面，對車輛流量、車速、車況、路況、環境仍處在人工監管狀態，對突發事件應急反應上還缺乏智能處理的預案。為此，加快智能交通系統的核心技術研發，建立物聯網智能預防系統顯得格外重要。智能預防系統是智能交通系統一個重要的組成部分。通過多種智能技術實時感測和智能的分析，對道路、車輛、駕駛員、環境及時提出預報、預警、誘導和安全評估以及專家解決方案。可以實現有效的限速限載，合理的分流調控，排除事故隱患，減少人員傷亡和路產損失，為公共交通提供更加安全的保障。
5智能交通系統的研究
在建立交通物聯網的地區，初步實現了交通運輸、物流倉儲、交通監管等方面的自動化、數字化管理。但物聯網的智能化水平還遠遠不夠，數據分析、安全預防、調控決策和重大事件的處理大部分還需要人工完成，處理的結果還未達到專家水準。因此，研發和應用智能交通系統，是今后交通物聯網建設的關鍵所在。
5.1智能交通系統的是一個交通領域的專家系統智能交通系統是當前交通運輸領域的前沿研究課題，是一個涉及領域多、知識面廣的龐大的體系架構。采用云計算平臺技術，使分布的系統硬件和軟件資源充分地整合，通過虛擬化管理和調度，可以實現基礎設施級服務（IaaS），平臺級服務（PaaS）和軟件級服務（SaaS）。人工智能是研究如何構造智能機器或智能系統，使它能模擬、延伸擴展人類智能的學科。人工智能技術包含計算機科學、控制論、信息論、神經心理學、哲學、語言學等，主要應用在專家系統、機器學習、模式識別等領域。智能交通系統就是采用人工智能和云計算技術構建的交通領域的專家系統，是實現交通物聯網智能化的一個重要途徑。
5.2智能交通系統的主要構成智能交通系統，也是一個功能完整的、有學習新知識能力的、并能進行邏輯推理的、在交通管理方面代替人類思維支配系統運行的知識系統。它由若干個子系統和知識庫組成，各個子系統也是一個獨立的專家子系統，根據專業技術領域可劃分為：路橋專家子系統；車輛專家子系統；船舶專家子系統；水運專家子系統；物流專家子系統；交通監管專家子系統；應急救援專家子系統；安全預防專家子系統等。每個子系統由若干個完整的智能模塊組成，按照功能的劃分，每個智能模塊對它管轄的范圍進行實時的感測和處理。智能交通系統由日常處理、智能處理和專家處理幾個層面系統組成。按照事件等級，日常處理只解決經常發生的簡單事件，智能處理以快速響應、準確及時、合理調控、節約資源、預防事故發生為目的；遇到重大的復雜事件轉由專家處理來決策。
5.3智能交通系統的研究方向智能交通系統通過知識工程方法進行研究，主要研究方向是解決智能接口技術、檢索推理機構、知識獲取、解釋機構等問題。知識庫和數據庫及其知識、數據的管理通過云計算平臺技術來完成。針對大量不同的系統終端數據采集技術的復雜性，要重點解決端口的數據轉換方式、編碼、交換、傳輸、差錯控制等關鍵技術問題。智能交通系統在事件處理過程中，根據發生的不同事件的等級，由相應的子系統來進行響應，通過云計算平臺調用系統知識庫的知識，進行邏輯推理和篩選分析，得出切實可行的專家處理意見。由于采用云計算的編程模型、海量數據存儲管理和虛擬化技術，進行大規模的分布式計算和并行處理，有效的利用了系統資源,使專家處理的結果變得更加及時和準確。智能交通系統每個子系統應具有強大的學習能力，能自動地獲取知識，對系統知識庫隨時進行充實和更新。并經過人機接流，使學到的新知識達到專家水平。
北京、上海、沈陽領跑AI
中國人工智能市場細分結構中各類產品分布較為均衡，占據前二位的是服務機器人和智能工業機器人，2016年市場規模分別為70.5億元和62億元，占比為29.6%和26%。其中，服務機器人在減速器、伺服電機等領域的技術門檻低于工業機器人，通過結合語言處理和機器視覺等軟件技術，能快速普及應用到民生各領域，市場規模也迅速增大。
■各地密集推出產業資金配套，北上沈三地領軍發展。為了縮短我國在人工智能領域的基礎研究積累、應用實踐經驗和科技創新投入與發達國家的差距，2016年5月，我國了《“互聯網+”人工智能三年行動實施方案》，提出以重點領域智能產品創新為主的七大重點建設工程，對全國人工智能產業的發展提供全面系統的指引。
各地政府也開始密集出臺人工智能產業配套扶持資金政策，努力解決企業發展的實際問題。目前已經有超過30個城市將機器人產業作為當地的重點發展對象，各地政府建成和在建的機器人產業園達40余家。
從各地產業政策上看，北京提出的人工智能產業扶持領域最為全面，覆蓋了從腦科學到智能硬件制造的全產業鏈環節；上海作為國家機器人檢測與評定中心總部，提出到2020年平均每年新增3000臺以上機器人；沈陽作為國家機器人檢測與評定分中心之一，擁有新松機器人等企業，政策上提出設立200億機器人產業發展基金。在未來5年，北京、沈陽和上海將在人工智能產業實現領先發展。
■行業巨頭跨界并購加速。從近幾年AI領域的并購融資事件可以看出，國內外無論是傳統互聯網企業（如谷歌、IBM等），還是跨領域的行業巨頭（如SPACEX、廈華電子、豐田等）都在積極進行人工智能的布局。并購領域主要集中在自然語言處理和深度學習。并購策略上一方面通過收購提升語言處理產品的體驗性能，強化公司產品的市場占有率；另一方面，提前儲備深度學習的技術人才，為新產品的研發提供支撐。
未來三年AI市場將迎來新興機遇點
中國《機器人產業發展規劃（2016-2020）》的出臺、中國“十三五規劃”的腦科學與類腦研究重大工程項目，將極大提升中國人工智能市場的供給質量。同時，以百度為代表的互聯網企業已經充分認識到人工智能的未來前景，紛紛開展大規模的投入和布局，也將充分刺激中國人工智能市場的活躍度。2016年中國人工智能市場規模達到239億元，預計2018年將達到381億元，復合增長率為26.3%。
■智慧城市的建設將為AI市場創造巨大空間。智慧城市的發展將在安防、交通監控、醫療、智能社區等多個領域全面刺激人工智能產業發展，尤其是以機器視覺為主的各類感知處理設備。中國“智慧城市”建設火熱開展，截至2015年年底，我國智慧城市建設數量已經達到了386個。智慧城市的建設以及產品應用的推廣，都要以機器學習為依托，可以說人工智能是“智慧”的源泉。未來，各行業的應用需求以及消費者升級發展的需要將有效激活人工智能產品的活躍度，促進人工智能技術和產業發展。
■邊緣計算的爆發將快速提升AI產品滲透度。所謂邊緣計算，是指設備能在本地化實現初級的人工智能功能，例如智能攝像頭識別，服務機器人語音對話芯片等。目前，智能硬件對運算實時性和低延時性的需求越發嚴格，而依靠傳統的云計算平臺上的深度學習功能，很難滿足大量爆發的產品需求。因此，針對邊緣計算的設計開發正在成為各大廠商的新焦點。在過去的人工智能發展中，GPU的高速計算性能為其奠定了天然優勢，而隨著新一輪邊緣計算的需求爆發，基于FPGA、ASIC等體系的設計模式也在逐漸成熟。未來將形成邊緣計算和云計算p軌并行的人工智能計算范式。
■新興AI機遇點逐漸凸顯。目前人工智能產業鏈的數據支撐環節，依然存在數據流通法律法規缺失，高價值數據難以得到有效利用的問題；在感知環節，仿人體五感的各類傳感器都有成熟產品，但是缺乏高集成度、統一感知協調的中控系統，對于各個傳感器獲得多源數據無法進行一體化的采集、處理加工和分析。
未來的新興AI點也逐漸凸顯，主要發生在軟件集成環節和類腦芯片環節。一方面軟件集成作為人工智能的核心，算法的發展將決定著計算性能的提升。另一方面，針對人工智能算法設計類腦化的芯片將成為重要突破點，不論是NVIDIA的Tesla P100，IBM的TrueNorth、谷歌的TPU，還是中科院的寒武紀，都試圖打破馮?諾依曼架構，依托人腦模式構建出更快更適用的新體系，而這將為人工智能未來的良性發展奠定堅實基礎。
■機器視覺、深度學習等環節將成為投資熱點。圖像識別的技術成熟度低于自然語言處理，為新興企業從軟件技術為突破帶來了機遇。在軟件圖像識別領域，尤其以Face++和格靈深瞳兩家為代表，通過招攬優秀研發人員在短時間內迅速脫穎而出。而中國人工智能市場中自然語言處理屬于技術成熟而且高度競爭狀態，科大訊飛占據了國內語音識別領域70%以上的市場，并且多年的技術積累已經在語義分析等領域具備了一定技術壁壘。同時，百度、阿里、騰訊依托技術優勢都對語音市場虎視眈眈，因此，語音識別領域已經較難切入。
同時，前瞻性地對最具價值且臨近爆發期的技術點進行投資是回報率最高的，深度學習作為2006年重新提出的神經網絡算法，已經為人工智能產業刮起了強勁颶風，AlphaGo的成功最核心的價值就歸功于它。深度學習正處在面臨爆發的臨界點，各大公司紛紛在跑馬圈地，距離未來預期全面部署7年時間。國內而言，互聯網廠商紛紛推出深度學習云平臺（阿里DTPAI、百度大腦）、硬件廠商則忙著推出深度學習一體機（中科曙光聯手英偉達推出XSystem、華碩攜吉浦迅推深度學習一體機ZenSystem），一場本地化和云端化的爭奪正在上演。雖然背負著不同的利益，但就未來而言，云計算和開源化仍將成為主流，也是更能推動技術進步的模式。因此，基于云平臺的深度學習的投資價值不言而喻。
