智能光源人工气候箱

大型步入式植物生长箱/人工气候室 FITOCLIMA WALK-IN BIO系列 FitoClima箱体产品适用于植物生长、组织培养、拟南芥、种子发芽、孵化、昆虫学研究、昆虫存储以及其他生命科学中的应用，FitoClima生物学研究用培养箱可提供灵活多样的配件选择以及控制条件来满足不同研究者的需求。 FITOCLIMA WALK-IN BIO HP系列 FitoClima高效箱体适用于需要大量光照强度和广泛光谱条件的植物，常应用于： 小麦、玉米、水稻、棉花、咖啡、软木等各种常见的需要高光照强度的大型植物。 Fitoclima Pharma应用于制药行业的药品稳定性和耐光性试验 箱体设计符合人用药物注册技术要求国际协调会(ICH)的所有要求，这些箱体被应用于医药产品的稳定性(Q1A标准)及耐光性(Q1B标准)测试，符合国际通用标准以及ICH, DIN, EN, IEC ISO, NP和UNE的要求 箱体体积从600L到无体积限制的大型步入式药品测试室，Fitoclima Pharma系列箱体为制药行业提供独特的精度控制、均匀性和稳定性的气候条件。 欢迎新老客户前来咨询合作！ 艾力特国际贸易有限公司 网址：www.alit.com.cn 邮箱：marketing@alit.com.cn 电话：021-62299622

新华社北京3月27日电（记者宋晨）为贯彻落实国家《新一代人工智能发展规划》，科技部会同自然科学基金委近期启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，围绕药物研发、基因研究、生物育种、新材料研发等重点领域科研需求展开，布局“人工智能驱动的科学研究”前沿科技研发体系。科技部有关负责人表示，当前，“人工智能驱动的科学研究”已成为全球人工智能新前沿。我国在人工智能技术、科研数据和算力资源等方面有良好基础，需要进一步加强系统布局和统筹指导，以促进人工智能与科学研究深度融合、推动资源开放汇聚、提升相关创新能力。“人工智能驱动的科学研究”是以“机器学习为代表的人工智能技术”与“科学研究”深度融合的产物。中国科学院院士、北京大学国际机器学习研究中心主任鄂维南表示，借助机器学习在高维问题的表示能力，人类可以更加真实细致地刻画复杂系统的机理，同时可以把基本原理以更加高效、更加实用的方式应用于解决实际问题中。科技创新2030-“新一代人工智能”重大项目实施专家组组长、中科院自动化研究所所长徐波介绍，人工智能技术已经在很多科学研究领域展现出超越传统数学或物理学方法的强大能力，但在“人工智能驱动的科学研究”体系化布局、重大系统设计、跨学科交叉融合、创新生态构建等方面仍有提升空间。科技部将推进面向重大科学问题的人工智能模型和算法创新，发展一批针对典型科研领域的“人工智能驱动的科学研究”专用平台，加快推动国家新一代人工智能公共算力开放创新平台建设，支持高性能计算中心与智算中心异构融合发展，鼓励绿色能源和低碳化，推进软硬件计算技术升级，鼓励各类科研主体按照分类分级原则开放科学数据。在人才与机制方面，科技部支持更多数学、物理等科学领域科学家、研究人员投身于相关研究，培养与汇聚跨学科研发队伍，推动成立“人工智能驱动的科学研究”创新联合体，搭建国际学术交流平台，共同推动解决癌症诊疗、应对气候危机等人类共同科学挑战。同时，重视“人工智能驱动的科学研究”发展过程中的科研伦理规范，促进其健康可持续发展。下一步，科技部将充分发挥新一代人工智能规划推进办公室的协调作用，整合项目、平台、人才等资源，形成推进的政策合力。充分发挥人工智能渗透性、扩散性和颠覆性强的特性，逐步构建以人工智能支撑基础和前沿科学研究的新模式，加速我国科学研究范式变革和能力提升。

海洋是远未充分开发、人类社会赖以生存和持续发展的资源宝库，世界经济和军事竞争的重要领域。开发深海资源与发展海洋经济、改善海洋环境与保护海洋生态、振兴海洋科学与占领前沿阵地、维护海洋权益与保卫国家安全，必须有强大的船舶和海洋工程装备技术与产业的支撑能力。数字化转型和智能化升级则是推动海洋工程装备技术与产业实现高质量发展，推动海洋开发和智慧海洋建设的现实要求和重要驱动力。当今，人工智能技术正大踏步走向社会生产与生活的与各个方面，显著提升效率、效益、质量，并推动绿色化发展 其在海洋装备领域的应用广度、深度和成效也日新月异，并呈现出多领域、多维度及交叉融合的发展态势，涵盖了海洋科学研究、资源开发、交通航运、环境监测、生态保护、安全保障、新兴产业等多个方面，展示了智慧海洋建设的变革性前景。　　1)智能海洋工程装备设计和安全运维。基于海洋工程装备的现场监测，综合大数据和人工智能方法，实现全面感知、实时互联、分析决策、自主学习、动态预测，可快速识别和判断海洋工程装备的性能变化，为海洋工程装备的创新设计、协同控制和智能运维提供直接技术支撑。　　2)智能潜水器与海洋资源勘探。智能潜水器在海洋资源勘探中发挥着重要作用。通过结合人工智能技术，潜水器可以实现自主探测、数据分析与智能决策，为海洋资源的发现与开发提供有力支持。　　3)智能海洋监测系统与环境保护。智能海洋监测系统是保障海洋环境安全的重要手段。利用人工智能技术，可以实现对海洋污染、气候变化等环境因素的实时监测与预警，为海洋环境保护与生态修复提供科学依据。greatocean　　4)智能船舶与海洋交通管理。智能船舶是人工智能技术在海洋领域的重要应用方向之一。通过智能航行操控、能源与动力系统智能管理、辅机安全运行智能监控、全船实时安全监控、节能环保智能监控、振动噪声智能监控、货物信息智能管理、船空岸一体化信息综合系统等技术，提高船舶航行运营的安全性、可靠性，以及经济性、环保性，推动海洋交通管理的现代化与智能化。　　未来，智慧海洋建设将在人工智能的推动下迎来更多的创新性突破。需重点关注如下研究方向。　　1)深度学习与数据挖掘。随着海洋数据的快速增长，如何利用深度学习等人工智能技术有效挖掘海洋环境及海洋装备的数据信息和规律，成为一个重要的研究方向。可以探索基于深度学习的海洋与装备数据分析和预测模型，用于海洋环境变化与气候演变、海洋装备在复杂环境中的功能与安全性、环境与装备对海洋生物的影响等方面的研究，为海洋资源开发和环境保护提供更加精准的科学依据。　　2)智能感知与海洋环境和海洋装备状态智能监测。未来可以加强智能海洋传感器、智能无人装备等技术在海洋环境监测与开发中的应用研究，实现全方位、多维度监测。同时，结合人工智能技术，开发智能化的监测系统，实现对海洋环境与海洋开发装备特征的自动识别、实时预警和智能调控，为海洋开发、环境保护和生态修复提供相协调的有效手段。　　3)智能装备与海洋工程施工。在海洋工程施工领域，可以进一步研究智能无人水下探测作业装备、智能船舶等智能装备的应用。未来可以探索基于人工智能技术的智能化海洋工程施工方案，实现海底管道铺设、海上平台建设等工程任务的智能化，提高施工效率和安全性。　　4)智能决策与海洋管理。在海洋管理与决策支持领域，可以加强人工智能技术在海洋资源管理、海洋安全保障等领域的应用研究。未来可以建立基于大数据和人工智能的海洋决策支持系统，实现对海洋资源开发、海上交通管理、海洋环境保护等方面的智能化决策与管理，提高海洋管理的科学性和效率。　　5)人工智能与海洋国际合作。加强人工智能技术在海洋科研、海洋资源开发、海洋救援、海洋环境保护等领域的国际合作与交流，探索涉海国际合作模式，共同应对全球性海洋问题，推动智慧海洋建设在国际范围内取得更大的成果和影响。GREATOCEAN　　智慧海洋建设是当前和未来海洋事业的必然趋势，在未来的智慧海洋建设中，人工智能技术将扮演越来越重要的角色。我们期待通过《科技导报》系列文章的探讨，进一步加深对人工智能在海洋工程领域的应用和影响的理解，为人类的可持续健康发展贡献更大的力量。

酿酒行业对于葡萄的质量有很高的的要求。根据小编调研，非侵入式的红外光谱技术应用于葡萄质量监测已行之有年，能够定量分析一些指标成分例如花青素、酚类、天冬氨酸、谷氨酸等。一项由德国政府资助的项目创新结合了中红外光谱分析技术和人工智能，将为葡萄栽培或其他农业领域的生产者提供实用的数字化工具。德国弗劳恩霍夫过程工程和包装研究所（Fraunhofer Institute for Process Engineering and Packaging IVV）近期启动了一个智能葡萄（SmartGrape）项目，结合使用红外光谱分析和人工智能（AI）来确认葡萄质量和成熟度。项目由德国联邦农业和食品办公室（BLE）和德国联邦食品和农业部（BMEL）资助，并与IRPC Infrared-Process Control GmbH、LiquoSystems GmbH、QuoData GmbH和 Weincampus Neustadt等公司合作进行。与所有农产品一样，葡萄的质量差异很大。许多外部因素，包括气候、土壤条件和收获时间，对葡萄的成分和葡萄酒的质量都有重大影响。正因为这些葡萄栽培中的多样性，最终产生了具有不同特色的各种葡萄酒。为了确保葡萄酒的原材料质量，需要根据选定的质量参数对葡萄进行监测。这个监测方法应该在不损害葡萄的前提下易于实施，并尽可能对葡萄成分提供大量信息。红外光谱正好满足了这些要求。红外光谱分析技术是一种非侵入式的光学技术，该方法利用目标分子对红外的吸收光谱来分析样品中的成分。该研究所表示，这使得红外光谱成为一种理想的媒介，可以用于认定是否当季葡萄符合酿造优质葡萄酒的要求。SmartGrape联合项目的目的是开发一种紧凑型测量系统，利用中红外范围的光谱分析达到快速、无损的葡萄质量检测。相较于过去其他利用红外光谱对葡萄质量的检测工作，SmartGrape使用了中红外波段（介于波长 2500 和 50,000 纳米之间）来检验葡萄的质量，而不是近红外波长（介于 780 和 2500 纳米之间）。该研究所指出，“中红外范围内的信息含量明显高于近红外，可以提供更完整、精确的信息。”中红外光谱分析技术生成的所有数据和伴随的化学分析需要复杂的计算与评估。在SmartGrape项目中，AI被用来记录和评估这些高维数据集。AI的好处是能够考虑非线性相关性和交互效应，比使用传统的数学和统计方法能够节省大量的时间。同时，这样的一个数据库系统可以允许多个用户的访问，透过一个友善的界面系统便可以助力葡萄栽培产业更大程度的数字化。将数据数字化还可以将数据用于更广泛的用途，SmartGrape所开发的系统提供的数字化平台将使得一些新方法和措施成为可能。例如，数据可以在德国联邦经济事务和能源部（BMWi）开发的数字生态系统中使用，这有助于整个产业链和价值链上的信息共享，包含农学家、农业机械行业到研究机构。这反过来又为流程优化创造了机会，以保护环境资源并确保农业部门的效率，尤其是考虑到气候变化带来的新挑战。举例来说，研究人员可以根据多个收获年份的葡萄质量变化记录，探讨外部影响因素（例如气候、土壤质量）的相关性及对葡萄成分的影响、并最终导致葡萄酒的质量变化。

4月下旬，在德国举行的汉诺威工业博览会是当今规模最大的国际工业盛会，素有“世界工业发展晴雨表”之称。本届博览会主题为“为工业可持续发展注入活力”，聚焦高效及可持续的工业解决方案、工业4.0、新能源、人工智能、5G、碳中和、氢能和燃料电池等领域。据展会主办方德意志会展公司介绍，今年共有1175家中国企业参展，超过去年的近1000家，稳居德国以外第一大海外参展国。深圳市、山西省、贵州省组团参加了博览会。中国企业纷纷携最新工业产品和示例参展，向来自全球的参展商和观众展示了中国企业的创新力量，向世界传递中国高质量发展的趋势与信心。东道主在会上表态称，多国都在向能源转型发力，工业生产形式得到重新塑造。德国总理朔茨在开幕式上说，德国能源转型的关键是以气候友好方式和可承受价格生产更多电力，力争到2030年80%的电力来自太阳能、风能等可再生能源。在博览会上，人工智能和环保成为热门话题。众多企业展示了他们在这两个领域的最新技术和产品，包括先进的机器人技术、智能制造解决方案以及清洁能源技术等。一台巨无霸青贮收割机在场馆中吸引了许多观众的目光。参展商表示，这台机器全球首次亮相，搭载了智能驾驶辅助系统，操作员就算不会开车，也可以在短时间内安全地操作机器。青贮收割机搭载的AI算法让它可以稳定地保持设定的转速，并根据收获物的重量调整发动机功率和行驶速度，和上一代产品相比每小时降低12%燃油损耗，且切割的农作物长度始终保持一致。吴晓波先生带领企业家考察团重访汉诺威。令企业家印象深刻的有西门子，他们设计了若干个不同的主题，最后的收尾是一个虚拟的啤酒厂，然后讲解啤酒厂如何用高度智能化的方式，来完成从啤酒花种植，到最后啤酒生产的整个过程。全球企业软件供应商思爱普（SAP）通过案例，展示克朗斯（饮料罐装线行业隐形冠军，成立于1951年，总部位于德国，为流体、灌装、包装及内部物流领域设计、开发、制造设备和提供整体解决方案，主要服务范围涵盖啤酒、软饮料行业及葡萄酒、起泡酒和烈性酒生产厂家，还包括食品、化工、制药和化妆品工业）是如何在自家系统的帮助下，从生产组织、运营、物流到销售实现更加智能化的管理。2023年4月央视报道了克朗斯位于江苏太仓的工厂博览会现场的彭博士分享：“今天我们正在就每一个细节、每一个模块讨论，如何跟生成人工智能相结合。”他说，真正的革命，将发生在未来的12个月到18个月。已经初步实现柔性智能化的车间，将和生产线发生下一场革命。暨南大学跨文化管理研究中心主任邓地先生参观后的分享：“在国内，更多是与环保相关行业和企业才会强调这些，但如今的欧洲，不论是哪个产业链、哪个环节，大公司还是小公司，都在谈环保问题。一个是能源的节约，欧洲的电池行业正在推出battery pass，将要要求所有的电池从原料到生产到交付的每一个环节都留下碳足迹。另外，无论是从事基础性研究的弗劳恩霍夫协会还是博世这样的大公司都在氢能产业化的推进方面展示了最新的成果。另一个方面是材料的节约和可回收性。各种生物基的可降解材料都在尝试探索中。甚至连菲尼克斯做的配电箱里的接线端子都在准备用大豆壳来做。而非要用到塑料的地方就尽最大可能少用。7年没来欧洲，发现矿泉水的瓶子明显变轻了。”《组织才能管好人》的作者张应春先生分享对本次参展中国企业最大的感受：“产品品质在提升。像一些五金件、电子元器件、气动元件，明显感觉在整体的工艺和质量上，和前几年来参展的粗制滥造大不一样。”上海大驰工业建筑设计董事长张弛先生对比了今年和去年的关注点：“相比去年大家在提新能源电池、汽车的解决方案，今年开始主要提可持续发展、低碳等概念。比如会提可持续发展、低碳在食品饮料、化工行业的应用。西门子也沿用了去年的实用主义计划，更偏向于食品饮料酿造、药品制药等流程型行业，加速数字化转型。这些被重点关注的行业，主要是关于人民大众最常用的基础类消费品的，再加上欧洲一些自动化领域大厂，在欧洲的业绩缩减了 1/3的现象来看，也许是因为大家的投资欲不足，市场在相对萎靡，大家更关注吃喝、日用品方面。”张弛先生还认为：“如今国内工业企业与国外工业企业，在AI应用上的差距非常大。AI工业软件上，尤其是谷歌、亚马逊、微软这种美国互联网公司，和PDC等美国工业软件，他们的应用在中国很难进行展示，落地也会比较难。当欧美的工业，和美国的AI放在一起的时候，作为工业大国的我们，优势就没有过去那么明显了。”参考资料：80余家深圳企业亮相汉诺威，新技术吸引全球目光，深圳特区报，2024年4月25日贵州组团参加2024汉诺威工业博览会，中国新闻网，2024年4月28日直击汉诺威：中国参展企业数是美国的12倍，日本的20倍，吴晓波频道，2024年4月24日AI引领工业潮流！新产品、新应用集中亮相2024汉诺威工业博览会，2024年4月23日

4月2日，来自重庆中科摇橹船信息科技有限公司（下称摇橹船科技）的消息称，该公司将机器视觉和人工智能技术进行融合，成功打造出国内首个覆盖新能源汽车整车生产全流程的人工智能汽车质量检测系统，并已在位于两江新区的赛力斯超级工厂落地应用。长期以来，因检测内容多且主要靠人工检测，汽车生产企业的质检工作面临着诸多痛点。尤其是，人工检测依赖于检测人员的专业技能和经验，存在漏检、误差等情况，缺陷检出率低，容易导致某个环节的质量问题未被及时发现，并被带入到下道工序，造成生产线停线和产品返修的损失。此外，人工检测还具有效率低的缺点，耗时费力，难以满足快节奏的现代汽车大规模生产方式所需。为解决这个难题，2022年，摇橹船科技协同赛力斯和华为，开始为赛力斯二工厂研发质量检测系统。研发过程中，摇橹船科技研发团队依托公司在光学成像领域的技术优势，开发了3D工业相机作为核心零部件和“眼睛”；同时，运用大数据、人工智能技术，开发出高通量的智能化数据处理系统作为“大脑”。2022年11月，摇橹船科技成功开发出3D涂胶质量在线检测系统，填补了国内技术空白，解决了此类技术被国外企业“卡脖子”的问题。随后，该系统应用到了赛力斯二工厂的涂胶生产线。2023年下半年，由于问界系列汽车销量持续增长，赛力斯生产线的自动化改造需求也随之“水涨船高”。当年10月，基于前期的研发成果，摇橹船科技再次携手赛力斯和华为，为赛力斯超级工厂打造能应用于更多场景的质量检测系统项目。一方面，摇橹船科技研发团队在赛力斯超级工厂生产车间内安装了100多部3D工业相机，快速采集机器人或工人作业时的高清图像，以及汽车全身各部件、各部位高清图像；另一方面，研发团队持续优化算法，让智能化数据处理系统识别大量正常样本、缺陷样本，最终熟知每一款车全身上下、里里外外的“样子”。经过努力，研发团队仅仅花了40多天，就初步完成了项目开发。2023年12月，人工智能汽车质量检测系统在赛力斯进行试用。其后，研发团队又持续增加检测点位，让系统的检测覆盖面越来越大。摇橹船科技相关负责人介绍，该系统包括固定检测、手机端检测两大应用场景，目前已覆盖整车生产的全流程。其中，基于3D工业相机采集图像进行的固定检测，覆盖冲压、淋雨、焊装、涂装等车间以及整车下线后的外观检测，检测点位达到300多个。检测中，系统不仅10多秒钟就能对单一零部件几十处卡口进行全部检测，识别零部件是否装配到位，涂胶、喷漆、焊接等是否有遗漏、瑕疵，还能辨别机器人或工人的操作是否规范、正确。一旦发现有问题，系统就会报警并将相关工序停止，从而让相关人员及时处理。手机端检测主要是对刚下线的整车进行内饰检测，检测人员只需用手机拍下照片并通过APP上传，系统就能快速判定内饰是否有问题。如，座椅颜色对不对，座椅、安全带安装位置是否正确等，它都能准确识别。据悉，在该系统助力下，目前赛力斯超级工厂实现了关键工序检测的100%自动化。

高内涵细胞成像分析系统是一种利用高倍镜成像技术对细胞进行图像采集和分析的仪器设备。得益于显微成像、自动化和计算机等技术的迅猛发展，使其能够对大量细胞进行高分辨率成像和数据分析，实时提供海量多维生物学信息，广泛应用于生物医学、药物筛选等领域。为帮助大家及时了解高内涵成像分析前沿技术、创新产品与解决方案，仪器信息网特别组织策划《窥微探秘，高内涵细胞成像前沿技术与进展》专题。本期，特别邀请到美谷分子仪器（上海）有限公司产品经理苏园园博士谈一谈Molecular Devices高内涵成像分析系统发展历程、创新技术以及她对未来市场的看法。仪器信息网：请介绍一下高内涵成像技术的发展历史。苏园园：基于细胞或者小型模式生物的高内涵细胞成像与分析筛选（HCS，High-content screening）属于现代表型筛选系统的一种，主要由高速显微镜、图像分析和数据管理三个部分组成。有别于传统显微镜或共聚焦，高内涵系统以高通量、高分辨率、高度自动化、多参数分析等特点被广泛应用于药物筛选、细胞生物学和生物医学等研究领域。在保持活细胞结构和功能完整性的前提下，高内涵系统可以在亚显微形态下同时检测不同条件对细胞形态、生长、分化、迁移、凋亡、代谢途径及信号转导等方面的影响，从单一实验中获取大量相关信息，利用灵活且丰富的分析手段，对复杂的细胞学机理和相互作用有更深入的研究，从而确定分子的作用机制、代谢途径和潜在毒性。这些特点使其能够最大程度上避免传统显微镜的主观性或其他高通量筛选检测方式因检测指标相对单一而带来的假阳性和假阴性结果。高内涵细胞成像分析系统的诞生可以追溯到20世纪90年代。随着光学技术、形态学分析方法和自动化控制的发展，科学家们开始意识到利用高通量自动化技术对细胞进行观察和分析的潜力。1997年，美国Cellomics公司成功开发出首个高内涵高通量筛选技术平台，其后随着生命科学的高速发展和生物医药研发活动的激增，高内涵成像系统不断迭代。根据成像方式的不同，高内涵细胞成像分析系统分为荧光成像系统和透射光成像系统。荧光成像系统主要用于观察和分析荧光标记的细胞分子、蛋白质或细胞器等，特异性强易追踪；透射光成像系统则用于直接观察非荧光标记的细胞结构和形态，无需标记简便快捷。根据光路设计的不同，高内涵又分为共聚焦高内涵及宽场高内涵两大类。通常来说宽场成像可以满足大部分日常需求，例如荧光强度、类器官球体大小、神经生长、细胞形态、细胞迁移、细胞周期等。但是在某些对信噪比要求较高的实验中，共聚焦则表现出更大的优势。例如对比较厚的样品进行三维成像并精确定量，或想要成像尺寸较小的结构时（如囊泡、细胞器等），由于宽场非焦面信息的干扰，图像信噪比较差，无法获得准确的分析数据。而共聚焦最大的优势在于去除了来自非焦面的信号，极大地提高了图像的信噪比，图像更清晰。目前主流的高内涵都是转盘共聚焦的设计原理，相较宽场和点扫描共聚焦，转盘共聚焦兼顾了图像质量和扫描速度，以高速获取高质量的动态图像，从而进行下游分析。仪器信息网：请介绍当前全球及中国高内涵细胞成像分析系统市场规模及现状。苏园园：据Market research的调研报告显示，2022年，全球高内涵筛选市场规模达到12亿美元，预计到2028年，市场规模将达到20亿美元，2023-2028年期间的年复合增长率（CAGR）将达到8.4%。这其中仪器设备及配套软件占比约60%~65%。生物技术和制药研发活动增加、医药研发领域对成本控制的需求、信息学解决方案和成像仪器的进步以及发达市场的政府资助和风险投资的热度是推动高内涵筛选(HCS)市场增长的主要因素。高内涵市场分布地区差异明显，北美是最大的高内涵筛选市场（40%），其次是欧洲、亚太地区、拉丁美洲以及中东和非洲。在预测期内，亚太地区市场预计将实现最高增长，这主要得益于药物发现研究的增加、政府举措、跨国公司对新兴市场的日益关注以及研发基础设施的发展。根据仪器信息网报道，从全国招标数据来看，国内高内涵筛选市场近几年稳中有升，主要玩家以进口品牌为主，包括Molecular Devices（美谷分子，美国）、Revvity（瑞孚迪，美国）、Thermo Fisher Scientific（赛默飞，美国）、Agilent（安捷伦，美国）、YOKOGAWA（横河电机，日本）等，国产品牌仍属于空白状态。从2023年中标金额来看，Molecular Devices和Revvity两家品牌抢占70%市场份额。另外，市场细分之下，超半数集中在高校和科研院所。成像技术在药物发现和研究中发挥着巨大作用，未来随着工业市场的复苏和蓬勃发展，高内涵的应用场景和采购规模在这个细分市场也会随之增加。仪器信息网：贵司高内涵细胞成像分析系统的发展历程是怎样的？有哪些里程碑事件？苏园园：Molecular Devices（以下简称美谷分子）隶属于丹纳赫集团生命科学平台，创立于1983年的美国硅谷。在1986年推出第一款酶标仪后，美谷分子通过研发投入和战略收购，不断拓展生命科学研究及药物研发产品组合方案。美谷分子也是最早进入细胞成像领域的公司之一，1991年推出了符合行业标准的显微镜自动化成像及分析软件MetaMorph。2002年推出ImageXpress 5000A自动细胞成像和分析系统。在此基础上，跟随生物医药研发领域的小分子药物、抗体药、细胞与基因治疗、核酸药物等发展浪潮，美谷分子逐步发展出更完整的ImageXpress系列高内涵筛选解决方案，在成像模式、水镜、人工智能分析等领域都实现了突破。目前美谷分子高内涵成像系统家族，主要有五款成员，包括ImageXpress Confocal HT.ai, ImageXpress Micro Confocal，ImageXpress Micro 4，ImageXpress Nano，ImageXpress Pico。从宽场到智能化共聚焦，美谷分子帮助用户实现从2D到3D、从基础科学到药物发现的一系列研究。ImageXpress全系产品都配备独特的激光/图像自动聚焦，通过多个反射面的寻找自动定位焦面，样品适用性强，无需使用特定板材，轻松实现玻片、孔板、transwell孔板、微流控芯片、组织芯片等各种类型的样品的聚焦和成像。特别是在培养耗材个性化定制、异质性越来越强的今天，如何利用对焦系统解决焦面的寻找和稳定问题是广大用户的一大呼声。有别于传统成像系统，高内涵的特点之一就是提供异常丰富的数据分析结果。美谷分子的ImageXpress产品系列配置的图像分析软件以经典软件Metamorph为基础，进化出基础模块、自定义模块、人工智能分析、AcuityXpress生信分析、StratoMineR云分析等，为图像数据提供更多洞察。同时其强大的第三方设备的可扩展性和灵活性，也为实现用户的完整工作流程和自动化设备的接入提供了优质平台。ImageXpress Confocal HT.ai智能型共聚焦高内涵成像分析系统，是美谷分子公司目前最高端型号的共聚焦高内涵产品。它在灵活的ImageXpress Micro Confocal共聚焦高内涵成像分析系统基础上，集成了智能分析软件IN Carta，使高内涵图像分析进入了AI时代。只需要画笔勾画出代表性目标和背景，AI会自动学习并形成分析方法，无需繁琐的参数设置，无需实验者花费大量的时间学习和积累经验，新手即可入手复杂的分析。Phenoglyphs 模块提供了一种强大的可训练分类，同时，硬件上使用7色激光光源、双转盘共聚焦、自动补水的水镜系统和活细胞孵育装置等，使该型号仪器可为3D细胞球及类器官等前沿应用提供更适合的成像与分析系统。宽场代表产品ImageXpress Micro 4属于第四代成像技术。新颖灵活的设计，极快的成像速度用于完成钙流、纤毛摆动等快速动力学实验；还可在未来需要时，将系统升级到共聚焦的成像水平。联合使用 MetaXpress 系列高内涵图像获取和分析软件，ImageXpress Micro 4 系统以多维化和高通量筛选的方法，帮助用户发现下一个重大突破。而ImageXpress Pico系统是桌面级的平台产品，能够方便地安装于任何实验室。跟随软件图像化的按钮，一步一步地按照工作流程进行图像的采集和分析即可。系统软件集成有超过 25 种分析方案，从简单的细胞计数到复杂的神经轴突分析，软件都能自动、快速的进行参数优化，而无需反复调试。获得的分析结果可通过各种可视化的形式进行展示，包括热图、散点图、表格、柱状图和视频等。仪器信息网：贵司高内涵细胞成像分析系统主要应用哪些领域的哪些实验环节？有哪些代表性用户单位？苏园园：借助软硬件及独特的聚焦方式，美谷分子高内涵产品适用性极强，从细胞、组织、类器官到微流控芯片、模式动物以及活细胞等样本都可实现高质量的成像和分析。各种生物学实验环节都有涉及：药物药效和毒性评价、药物筛选、活性组分评价、类器官的培养与检测、神经细胞的发育与调节、血管生成、细胞自噬等。这些研究被广泛的应用于：药物筛选、毒性毒理、肿瘤免疫、干细胞、脑科学、生物信息化技术、疾病模型构建、类器官3D模型、生物探针开发、生物医学工程、环境学和食品安全等领域。以独特的软硬件设计和快速高质量服务及广泛的合作基础上，美谷分子高内涵产品赢得了用户群的认可和赞誉。罗氏、诺华、GSK、阿斯利康、默克、拜耳等国际知名药企，斯坦福大学、剑桥大学等研究机构及相关医院都是美谷分子的用户。国内代表性用户有清华大学、上海交通大学、浙江大学、中山大学、中国药科大学、天津中医药大学、中医科学院、中科院植生所、北京大学肿瘤医院、仁济医院、中检院、CDC、恒瑞医药、义翘神州等知名科研院校、医院、政府机构及企业等。美谷分子也不断保持与行业内专家和机构的合作，持续进行方法或产品的共同开发，实现合作共赢。仪器信息网：未来高内涵细胞成像分析系统技术发展趋势如何？最看好哪些应用细分？苏园园：现阶段在分析大量图像时，显微镜的使用者需要花费时间和精力学习各种分析方法，调试合适的识别参数，还要面对不同类型的图像，如低信噪比、荧光强弱差距大的目标、各种明场图像等，甚至有可能在付出大量精力后也不一定能形成好的分析方法。人工智能图像分析软件的出现可以为高内涵生成的海量数据提供简易、省时、高效的分析手段。随着算法的精进和改良，相信以AI为基础的图像分析会是未来高内涵发展的一大趋势。另外，实验室自动化技术以超过10%的年复合增长率在加速发展，如何在药物研发降本增效压力下，将自动化与高内涵更有机的结合在一起，加速样本转移、成像和分析，消除人为误差，提高候选药物的筛选效率，也是高内涵未来的发展目标或趋势。就细分领域而言，随着技术的应用和发展，3D细胞模型的研究迎来了新的高峰。“3D Cell Culture”相关的文献，近五年的发表量占据了60%。与传统的2D培养模型相比，3D模型能够更好地模拟体内组织结构、基因表达和代谢情况。其中的类器官，凭借其高度的仿生性和大规模可及性，成为疾病机制研究、疾病治疗和药物研发的新窗口，有望提高药物筛选的效率，提升药物进入临床的成功率。在临床上类器官具备个性化治疗和构建生物样本活库的潜力，对于罕见病的机制和治疗的研究也独具优势。这些应用场景都会涉及到类器官的形态学评价，如高通量药物筛选、细胞治疗、siRNA文库筛选用于新型疗法、药效评价、毒性评估等。而对3D类器官的高速、高通量成像和大数据的分析和挖掘，目前也只有高内涵系统能够胜任。另外，对于类器官无法模拟的血液流动或多器官间的相互交流，器官芯片/类器官芯片的诞生，为科学家们带来了新的研究利器。随着研究者对体外模型仿生性的不断追求，以及药物研发过程中动物使用相关法规政策的完善，相信这一细分市场对于高内涵的需求也会越来越多。借助独特的自动聚焦、转盘技术和数据分析挖掘能力，美谷分子高内涵在3D类器官/器官芯片领域积淀多年。除了下游分析系统，在上游的类器官制备培养阶段，目前美谷分子也推出了全自动智能化类器官工作站，通过自动化流程、标准化protocol和人工智能，提升培养的标准化和一致性，大规模提供高度可重复的3D细胞模型，进而推动其大规模应用和产业化进程。苏园园 美谷分子仪器（上海）有限公司产品经理苏园园，中科院生化细胞所博士，2013年进入显微成像行业，长期从事共聚焦、高内涵及其他高端成像仪器的技术支持工作，在细胞、神经、免疫等领域有十多年的支持和推广经验，目前在美谷分子仪器担任产品经理，负责成像产品线的市场推广工作。欢迎投稿！投稿文章将在《高内涵成像技术》专题展示并在仪器信息网相关渠道推广。投稿邮箱：zhaoyw@instrument.com.cn，关于征稿内容要求也可邮件咨询或电话联系：13331136682（同微信）。

今年，“人工智能+”行动首次被写入政府工作报告。九年前的政府工作报告里，“互联网+”的一个小小加号，拉开了中国工业领域数字化改革的序幕。站在新的历史起点上，化工行业如何抢抓机遇？人工智能+化工又将创造出哪些未来场景？记者在会场采访多位人大代表，请他们畅想“人工智能+”的未来——解放一线生产力“数字化发展是国家在推行现代产业体系高质量发展过程中的必由之路。”踏在人民大会堂大厅的红毯上，全国人大代表、四川凌峰航空液压机械有限公司加工中心操作工刘忠接受记者采访时自信从容。作为一名制造领域的一线工人，他表示：“我是数字化发展的体验者、感受者。在这个过程中，算力不断地提升我们的效率、质量。数字化技术、云技术、信息技术的融入，让有些岗位真正实现了智慧生产。”“拿我的班组来说，我们原来有10多名组员，数字化技术改革让我们实现工人数量减半，劳动力还有富余。”他告诉记者，“原来的一线人力被解放出来，可以填充其他生产力不足的岗位；也重新有时间、有精力去再学习，到更需要他们的岗位上去。这就促成了一个再调整、再出发的进步过程。”同样身处一线，全国人大代表、中国石油大庆石化公司乙烯二部乙烯装置区装置班长邢通达对此也有同感。他回忆道：“以前现场巡检机泵以及整个系统监测状态时，都是用纸笔抄写记录。现在很多都是直接数据上传，立刻就能形成趋势表，既方便查询又方便统计。对于分析历史问题、比照历史排查出新的问题也非常方便。现在，行业数字化发展速度还是很快的！”颠覆创新模式“人工智能的快速发展正在对全球经济社会产生深远影响，成为激发经济增长活力和推动高质量发展的新动能。中国是全球唯一拥有全部工业门类的国家，人工智能和制造业的深度融合将极大促进重点行业智能升级，加快形成新质生产力。”全国人大代表、万华化学董事长廖增太指出，“AI在材料设计和筛选方面表现出巨大潜力，必将给材料行业带来颠覆性的变革。”廖增太指出，尤其是在化工材料分子发现、分子逆向合成、材料大模型、工业设备故障预警、生产工艺优化等化工制造业场景，AI大有可为，比如万华化学现在已经开拓的一个应用场景——通过AI辅助的化学反应条件优化。“一个化学反应往往涉及反应温度、压力、溶剂、催化剂、添加剂、物料比例等多个影响因素，人工智能算法可以快速迭代出最佳实验条件。”他举例表示，“例如一个均相催化加氢反应，有6种催化金属、27种配体、3种添加剂、4种溶剂，共1944种组合（还未考虑温度、压力的影响）。通过AI算法推荐，每组15个反应，经过6组迭代后，即得到一个可达到预期结果的较优实验条件。”基于此，廖增太今年提出：“建议多方协同合作，形成国家级化工行业通用数据集建议；提供政策性支持，鼓励人工智能在化工行业典型应用场景先行先试，助力化工行业高质量发展；建立完善的人工智能人才培养战略和引进政策，强化AI人才体系建设。”突破传统产业边界全国政协委员、香港金融发展协会主席、安德资本集团主席魏明德认为：“数字经济是继农业经济、工业经济之后的主要经济形态。当今世界，数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。”全国政协委员、中国科学院计算技术研究所研究员张云泉也认为，开发经济实用的大模型推理产业链，可以为传统企业智能化转型提供必要的支持和配套服务，具有广阔的发展空间。“但现在传统企业应用大模型的门槛还较高，相关研发费用和成本还需要进一步降低。”张云泉建议，进一步研究降低大模型推理算力成本，形成经济适用国产大模型推理产业链。同时集中全国AI芯片研制力量，组建统一研发团队，尽快研制出能够对标国际水准的大模型训练专用国产芯片，软件和系统。

p 　　9月17日，备受瞩目的2018世界人工智能大会于中国上海拉开帷幕。本次大会由国内多家政府机构共同主办，主题为“人工智能赋能新时代”。雷军、李彦宏、刘庆峰、马化腾、马云等众多重量级嘉宾登场，共话人工智能新发展。 /p p 　　 strong 制造业转型势在必行 /strong /p p 　　相比于20年前的互联网革命，由人工智能掀起的这场新一轮科技和产业革命更加势如破竹。尤其是在我国，短短几年间就引领了一阵“AI热”。早在2015年，我国就出台了《关于积极推动“互联网+”行动的指导意见》，首次提出培育发展人工智能产业，并将人工智能列为11项重点行动之一 2016年，人工智能又被写入“十三五”规划以及多份产业指导文件之中 2017年，“人工智能”首次被写入政府工作报告 2018年，政府工作报告再次提到“做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用”& #8230 & #8230 /p p 　　除此之外，北京、上海、天津、浙江、安徽、吉林、贵州等20个省市也已根据各地实际发展情况出台了人工智能产业政策和措施，率先踏上人工智能发展之路。作为一场跨国、跨学科的科学探索工程，人工智能之火势必会燃烧到制造业。在中国制造业转型升级的大潮中，人工智能作为新一轮产业变革的核心驱动力，或将成为重要的主宰力量。正如马云在今年的大会上所说的，“未来十年到十五年，传统制造业面临的痛苦将会远远超过今天的想象。企业如果不能从规模化、标准化向个性化和智慧化转型，将很难生存下去”。可以想见，未来只有用好智能技术的企业才能够称得上成功，反之则很有可能被无情淘汰。 /p p 　　 strong 仪器仪表的智能化方向 /strong /p p strong 　　微型化、多功能化、人工智能化、虚拟化 /strong /p p 　　作为中国制造业的重要基础性产业，仪器仪表行业无疑也将面临人工智能的大洗牌。它就像一个用于过滤的筛子，完成智能化转型的企业留在上头，而其他企业则无法再立足。虽然相比于其他新兴产业，仪器仪表行业接触人工智能并不算早，但是已经有一批企业成为了先行者，证明了仪器仪表与人工智能之间结合的可能。譬如，虚拟仪器、智能仪器的诞生已经有了人工智能的特征——操作自动化、数据处理、人机对话等等。 /p p 　　专业人士分析，仪器仪表行业正在从自动化向智能化方向发展，更确切地说，是朝着微型化、多功能化、人工智能化、虚拟化等方向发展。 /p p 　　首先是微型化，这不仅是人工智能的发展需求，也是工业自动化的需求。企业需要在保证仪器原有性能的基础上，开发出体型更小、更轻便甚至功能更强大的微型仪器。此前刚刚获得第二十四届IBO设计大奖的三款仪器产品，就是优化了仪器的占地空间，满足了用户对微型化、集成化的要求。 /p p 　　其次是多功能化，虽然目前专业化仪器仪表产品层出不穷，但对于用户而言，拥有一台多功能的综合性产品显然更为方便。多功能仪器就像一款“万能”的瑞士军刀，可以满足用户多种需求，还可以组合使用，提供更好的解决方案。从长远角度来说，有利于降低仪器购买和维护成本，缩小占地空间，提高设备利用率。 /p p 　　再有就是人工智能化，也就是仪器仪表与人工智能结合的关键所在。简单地说，这就是利用计算机模拟人的智能，代替人的一部分脑力劳动，从而为仪器仪表赋以人的视觉、听觉乃至思维能力。可以想象，未来实验室内用户可以不再动脑筋处理仪器输出的数据，而是可以直接拿到一份完整的分析报告。他们的工作可能仅仅在于设计实验，而不用再费心于数据的处理。 /p p 　　此外，虚拟仪器将成为智能仪器发展的新阶段、新方向。它以软件系统为核心，提供数据采集、数据分析和数据显示等功能，只要配备一定的硬件，应用不同的软件编程，就可得到功能完全不同的测量仪器。自1986年问世以来，虚拟仪器已渐渐成为广大工程师和科学家的“得力帮手”，并在近几年越来越受重视。它的出现，为世界仪器仪表产业注入了新鲜血液，并彻底改写了测试测量产业的发展格局。 /p

Q8/UV紫外光加速老化试验机 Q8/UV紫外光加速老化试验机主要用于模拟对阳光、潮湿和温度对材料的破坏作用；材料老化包括褪色、失光、强度降低、开裂、剥落、粉化和氧化等。紫外光加速老化试验机通过模拟阳光、冷凝、模仿自然潮湿，试样在模拟的环境中试验几天或几周的时间，可再现户外可能几个月或几年发生的损坏。 Q8/UV紫外光加速老化试验机中，紫外灯的荧光紫外等可以再现阳光的影响，冷凝和水喷淋系统可以再现雨水和露水的影响。整个的测试循环中，温度都是可控的。典型的测试循环通常是高温下的紫外光照射和相对湿度在100％的黑暗潮湿冷凝周期；典型应用在油漆涂料、汽车工业、塑胶制品、木制品、胶水等。 模拟阳光 阳光中的紫外线是造成大多数材料耐久性能破坏的主要因素。我们使用紫外灯来模拟阳光中的短波紫外部分，它产生很少的可见光或红外光谱能量。我们可以根据不同的测试要求选择不同波长的UV紫外灯，因为每种灯在总的紫外线辐照能量和波长都不一样。通常，UV灯管可分为UVA和UVB两种。 Q8/UV灯管 UVA-340灯管：UVA-340 灯管可极好地模拟太阳光中的短波紫外光，即从365 纳米到太阳光截止点 295 纳米的波长范围。 UVB-313灯管：UVB-313 灯管发出的短波紫外光比通常照射在地球表面的太阳紫外线强烈，从而可以**程度的加速材料老化。然而，该灯管可能会对某些材料造成不符合实际的破坏。UVB-313 灯管主要用于质量控制和研究开发，或对耐候性极强的材料运行测试。 UVA-351灯管：模拟透过窗玻璃的阳光紫外光，它对于测试室内材料的老化**为有效。 潮湿冷凝环境 在很多户外环境中，材料每天的潮湿时间可长达12小时。研究表明造成这种户外潮湿的主要因素是露水，而不是雨水。Q8/UV通过独特的冷凝功能来模拟户外的潮湿侵蚀。在试验过程中的冷凝循环中，测试室底部蓄水池中的水被加热以产生热蒸气，并充满整个测试室，热蒸汽使测试室内的相对湿度维持在100％，并保持一个相对高温。试样被固定在测试室的侧壁，从而试样的测试面曝露在测试室内的环境空气中。试样向外的一面暴露在自然环境中具有冷却效果，导致试样内外表面具备温差，这一温差的出现导致试样在整个冷凝循环过程中，其测试面始终有冷凝生成的液态水。 由于户外曝晒接触潮湿的时间每天可以长达十几小时，因此典型的冷凝循环一般持续几个小时。Q8/UV提供两种潮湿模拟方法。应用**多的是冷凝方法，它是模拟户外潮湿侵蚀的**方法。所有的Q8/UV型号都可运行冷凝循环。因为有些应用条件也要求使用水喷淋以达到实际的效果，所以有些Q8/UV型号既可运行冷凝循环又可运行水喷淋循环。 温度控制 在每个循环中，温度都可控制在一个设定值。同时黑板温度计可以监控温度。温度的提高可以加速老化的进程，同时，温度的控制对于测试的可再现性也是很重要的。 水喷淋系统 对于某些应用而言，水喷淋能更好地模拟**终使用的环境条件。水喷淋在模拟由于温度剧变和由于雨水冲刷所造成的热冲击或机械侵蚀是非常有效的。在某些实际应用条件下，例如阳光下，聚集的热量由于突降的阵雨而迅速消散时，材料的温度就会发生急剧变化，产生热冲击，这种热冲击对于许多材料而言是一种考验。Q8/UV的水喷淋可以模拟热冲击和/或应力腐蚀。 喷淋系统有12个喷嘴，在测试室的每一边各有6个；喷淋系统可运行几分钟然后关闭。这短时间的喷水可快速冷却样品，营造热冲击的条件。 照射强度控制：可选 选配照射强度控制选件可得到**型和重复性好的测试结果；光强控制系统允许用户根据不同的测试要求设置不同的光照强度。通过其反馈回路装置**控制照射强度；同时也可以延长荧光灯的使用寿命 Q8/UV紫外光加速老化试验机主要技术指标 型号 Model Q8/UV3 Q8/UV2 Q8/UV1 UV 照射 Exposure ● ● ● 冷凝 Condensation ● ● ● 光照控制 Irradiancs Control ● ● 可调光线 Adjustable irradiance ● ● 喷水 Water Spray ● 热冲击 Thermal Shock ● 自动侦路 Self-diagnostics ● ● ● 灯泡数量 Lamp Q' ty 紫外线灯管 8 支，备品 4 支 Ultravloiet lamp 6pcs, spares 4 pcs (美国Q-LAB,Q-Panel,美国ATLAS,UVA340,UVB313,UVC351) 记录器 Recorder 选配 (Optional) 辐射计 Q8-CR Calibration Radiometer 选配 (Optional) 机器辐射强度： 1.0W／m2／340nm以内可调 1.1W／m2／313nm以内可调 UV 温度 Temp 50 ℃ -75 ℃ 冷凝温度 Condensation Temp 40 ℃ -60 ℃ 测试容量 Test Capacity 48pcs 片/se spray（ 75 x 150m m ） 50pcs片/basic （ 75 x 150m m ） 水凉及耗量 Water 蒸馏水每分钟 蒸馏水每日 8 公升 体积 Dimension(W x D x H) 137 x 53 x 136cm 重量 Weight 136kg 电源 Power 1 &psi ， 120V/60Hz,16A or 230V/50Hz, 9A,1800W(max) Q8/UV紫外光加速老化试验机测试方法 通用 &bull ISO 4892-1 Plastics- Methods of exposure to laboratory light sources-Part 1: General Guidance &bull ASTM G-151, Standard Practice for Exposing Nonmetallic Materials in Accelerated Test Devices that Use Laboratory Light Sources &bull ASTM G-154, Standard Practice for Operating Fluorescent Light Apparatus for UV Exposure of Non-Metallic Materials &bull British Standard BS 2782: Part 5, Method 540B (Methods of Exposure to Lab Light Sources) &bull SAE J2020, Accelerated Exp. of Automotive Exterior Materials Using a Fluorescent UV/Condensation Apparatus &bull JIS D 0205, Test Method of Weatherability for Automotive Parts (Japan) &bull GB/T 16422.1，塑料实验室光源暴露试验方法 第1部分：总则 ________________________________________ 涂料 &bull ISO 11507, Paints & varnishes-Exposure of coatings to artificial weathering-Exposure to fluorescent UV and water &bull ISO 20340, Paints & varnishes &ndash Performance requirements for protective paint systems for offshore and related structures &bull ASTM D-3794, Standard Guide for Testing Coil Coatings &bull ASTM D-4587, Standard Practice for Light/Water Exposure of Paint &bull US Government, FED-STD-141B &bull US Govt., Federal Specification TT-E-489H, Enamel, Alkyd, Gloss, Low VOC Content &bull US Govt., Federal Specification TT-E-527D, Enamel, Alkyd, Lusterless, Low VOC Content &bull US Govt., Federal Specification TT-E-529G, Enamel, Alkyd, Semigloss, Low VOC Content &bull US Govt., Federal Specification TT-P-19D Paint, Latex, Acrylic Emulsion, Ext. Wood & Masonry &bull NACE Standard TM-01-84 Procedures for Screening Atmospheric Surfaced coatings &bull GM4367M Topcoat Materials - Exterior &bull GM 9125P Laboratory Accelerated Exposure of Automotive Material &bull Korean Standard M5982-1990, Test Method for Accelerated Weathering &bull Spanish Std, UNE 104-281-88 Accelerated Testing of Paints and Adhesives with Fluorescent UV Lamps &bull Israeli Standard No. 330, Steel Windows &bull Israeli Standard No. 385, Plastic Windows &bull Israeli Standard No. 935, Road Marking Paint &bull Israeli Standard No. 1086, Aluminum Windows &bull NISSAN M0007, Fluorescent UV/Condensation Test &bull JIS K 5600-7-8, Testing Methods for Paints &bull MS 133: Part F16, Methods of Test for Paints and Varnishes: Part F16: Exposure of Coatings to Artificial Weathering- Exposure to Fluorescent UV and Water (ISO 11507) &bull NBR-15.380 Paints for buildings&ndash Methods for performance evaluation of paints for non-industrial buildings &ndash Resistance to UV irradiation/water vapor condensation, by accelerated test &bull prEN 927-6 Paints & varnishes&ndash Coating materials and coating systems for exterior wood &ndash Pt. 6: Exposure of wood coatings to artificial weathering using fluorescent UV and water &bull GB/T 12967.4，铝及铝合金阳极氧化 着色阳极 氧化膜耐紫外光性能的测定 ________________________________________ 纺织品 &bull AATCC Test Method 186, Weather Resistance: UV Light and Moisture Exposure &bull ACFFA Test Method for Colorfastness of Vinyl Coated Polyester Fabrics ________________________________________ 印刷油墨 &bull ASTM F1945, Lightfastness of Ink Jet Prints Exposed to Indoor Fluorescent Lighting ________________________________________ 橡胶 &bull GB/T 16585，硫化橡胶人工气候老化（荧光紫外灯）试验方法 ________________________________________ 电工电子产品 &bull GB/T 19394，光伏（PV）组件紫外试验 type the link here ________________________________________ 粘合剂和密封剂 &bull ASTM C 1501, Standard Test Method For Color Stability of Building Construction Sealants as Determined byLaboratory Accelerated Weathering Procedures &bull ASTM C-1184, Specification for Structural Silicone Sealants &bull ASTM C-1442, Standard Practice for Conducting Tests on Sealants Using Artificial Weathering Apparatus &bull ASTM D-904, Standard Practice for Exposure of Adhesive Specimens to Artificial Light &bull ASTM D-5215, Standard Test Method for Instrumental Evaluation of Staining of Vinyl Flooring by Adhesives &bull American Plywood Assn., Approval Procedures for Synthetic Patching Materials, Section 6 &bull Spanish Std, UNE 104-281-88 Accelerated Testing of Paints and Adhesives with Fluorescent UV Lamps ________________________________________ 塑料 &bull ISO 4892 Plastics - Methods of Exposure to Laboratory Light Sources-Part 3: Fluorescent UV Lamps &bull DIN 53 384, Testing of plastics, Artificial Weathering and Exposure to Artificial Light &bull Spanish Standard UNE 53.104 (Stability of Plastics Materials Exposed to Simulated Sunlight) &bull Israeli Standard No. 385, Plastic Windows &bull JIS K 7350, Plastics - Methods of Exposure to Laboratory Light Sources-Part 3: Fluorescent UV Lamps &bull ASTM D-1248, Standard Specification for Polyethylene Plastics Extrusion Materials for Wire and Cable &bull ASTM D-4329, Standard Practice for Light/Water Exposure of Plastics &bull ASTM D-4674, Test Method for Accelerated Testing for Color Stability of Plastics Exposed to Indoor Fluorescent Lighting and Window-Filtered Daylight &bull ASTM D-5208, Standard Practice for Exposure of Photodegradable Plastics &bull ASTM D-6662, Standard Specification for Plastic Lumber Decking Boards &bull ANSI C57.12.28 Specification for Accelerated Weathering of Padmounted Equipment Enclosure Integrity &bull ANSI, A14.5 Specification for Accelerated Weathering of Portable Reinforced Plastic Ladders &bull Edison Electrical Inst. Specification for Accelerated Weathering of Padmounted Equip. Enclosure Integrity &bull Wisconsin Electric Power Specification for Polyethylene Signs &bull GB/T 18950，橡胶和塑料软管 静态下耐紫外线性能测定 &bull GB/T 16422.3，塑料实验室光源暴露试验方法 第3部分：荧光紫外灯 ________________________________________ 屋顶材料 &bull ASTM D-4799, Test Method for Accelerated Weathering of Bituminous Roofing Materials &bull ASTM D-4811, StandardSpecification for Nonvulcanized Rubber Sheet Used as Roof Flashing &bull ASTM D-3105, List of Test Methods for Elastomeric and Plastomeric Roofing & Waterproofing &bull ASTM D-4434, Standard Specification for PVC Sheet Roofing &bull ASTM D-5019, Standard Specification for Reinforced Non-Vulcanized Polymeric Sheet Used in Roofing Membrane &bull ANSI/RMA IPR-1-1990 Req. for Non-Reinforced Black EPDM Sheet for Roofing Membrane &bull ANSI/RMA IPR-2-1990 Req. for Fabric-Reinforced Black EPDM Sheet for Roofing Membrane &bull ANSI/RMA IPR-5-1990 Req. for Non-Reinforced Non-Black EPDM Sheet for Roofing Membrane &bull ANSI/RMA IPR-6-1990 Req. for Fabric-Reinforced Non-Black EPDM Sheet for Roofing Membrane &bull British Standard BS 903: Part A54 Annex A & D, Methods of Testing Vulcanized Rubber &bull CGSB-37.54-M, Canadian General Standards Board Spec. for PVC Roofing & Waterproofing Membrane &bull DIN EN 534, Corrugated bitumen sheets &bull EOTA TR 010, Exposure procedure for artificial weathering &bull RMA Specification for Reinforced Non-Vulcanized Chlorosulfonated Polyethylene Sheet for Roofing Membrane ________________________________________ 复合材料 &bull Israeli Standard No. 385, Anodic Coatings on Aluminum ________________________________________ 广东宏展科技有限公司 Guangdong Hongzhan Technology Co.,Ltd. 地址:广东省东莞市常平镇土塘长城聚怡工业园 蹇小东 Jian Xiao Dong Phone:13688992830 Tel:0769-82204676 400-0000-217 Fax:0769-83730860 E-mail:jxd@oven.cc http://www.oven.cc-广东- -昆山- -北京- -重庆- -长沙- -香港- 您的产品能否适应万变的气候？模拟环境试验,宏展可以做到！ Your Product to adapt to a changing climate? Simulation environment testing, hongzhan can be done!

p style=" text-indent: 2em " 22日下午，杭州市政府新闻办与杭州市科技局举办新闻发布会，共发布30项新一代人工智能应用场景应用场景需求，并面向全球征集解决方案。征集截止时间为10月19日。 /p p style=" text-indent: 2em " img title=" 9409df184cf44530ab80ebe2e4d9be0b.jpg" style=" max-width:100% max-height:100% " alt=" 9409df184cf44530ab80ebe2e4d9be0b.jpg" src=" https://img1.17img.cn/17img/images/202009/uepic/1684a4a9-c018-425d-bf23-0c7b03908ae4.jpg" / /p p /p p style=" text-indent: 2em " “今年年初，我们启动了人工智能应用场景需求征集，共征集需求项目48个，解决方案118个。此次首批发布的30项需求主要涉及AI+医疗健康、AI+城市管理、AI+教育、AI+智能亚运等领域。”杭州市科技局副局长潘红华介绍道。 /p p style=" text-indent: 2em " 记者了解到，杭州医学院现场发布了“基于人工智能的病理分析辅助诊疗平台”应用场景需求。杭州医学院病理教研室还将和浙江省人民医院病理科联合，结合5G大带宽、低时延以及多连接的能力，建设全球首家省-市-县全数字化病理中心和病理图像诊疗新技术研发中心。 /p p style=" text-indent: 2em " 杭州市长河高级中学校长何东涛说，学校通过本次发布会征集“学生个性化学习智能平台”的应用场景解决方案，希望平台能够帮助老师获取、加工、管理教学素材，追踪学生学习轨迹，能检测学生最近发展区、针对不同学生学习特点提供个性化学习素材，能实现师生互动交流。 /p p style=" text-indent: 2em " “即日起，欢迎有关单位积极参与方案征集，可与需求方充分对接后提交解决方案至杭州市科技局或具体需求方，后续杭州市科技局将对建设方案进行论证，按照管理办法予以立项。项目实施满一年后，可申请资助。”潘红华说。 /p p br/ /p

p 　　全球刮起“智能风”，在2019国家智能产业峰会上院士、学者的报告中，中国工程院院士、中国自动化学会理事长郑南宁在开幕式上指出: 今天，人类社会正处在第四次工业革命初期，它的典型标志是人工智能，就是用人工智能来创造一个对人类友好的、智慧的社会。 /p p 　　新加坡工程院院士连勇中报告说:产业智能化仍需时日，当前人工智能的应用仍主要集中在音、视频领域，要想真正的产业化，还需突破一些技术瓶颈。例如工业智联网必需的嵌入式智能元器件，现在无论从算法还是硬件上，都达不到要求，保证智能系统间高速通信的5G技术也没有完全成熟。更重要的是，当前的人工智能技术需要庞大的数据库，这些数据的搜集和标注也难以解决。此外，现行的很多智能算法本身不具备推理和决策能力，稳定性和可靠性也达不到工业化要求。因此，现在很多“智能化”应用只是添加了一些智能元素。 /p p 　　欧洲科学院院士、澳门大学教授陈俊龙中报告说:很多产品为了蹭“智能”的热度，模糊了计算机自动化和人工智能技术的概念，这导致当前智能产品“泛化”。产业智能化需要不断推进人工智能在各个产业中的应用，不断解决应用中的工程和科学问题，不断进行应用、发现问题、解决问题、再应用的闭环循环，这一过程仍需十年以上。 /p p 　　中国工程院院士、中国自动化学会的副理事长桂卫华报告中指出：目前的发展方向：一个是认识人的大脑的脑科学方面 另一个是针对性应用方面。从国内外研究表明，人工智能与制造过程的深度融合，是具有挑战性的。此前很多人工智能研究，并没有很好考虑怎么样与制造过程结合。传统知识型工作面临的挑战：第一个挑战是社会出现新要求。生产过程要更精细化 第二个挑战是新的信息环境。云平台、移动计算、物联网、大数据等新技术、新平台的出现使数据的种类和规模迅速增加，知识型工作者面对海量信息感到无所适从。第三个挑战在于如何利用好数据。严重依赖于个人的素质、经验、知识，在推广、积累和传承等都面临困难。师傅带徒弟是传统办法，但这种机制不利于人工智能的实现。 /p p 　　桂卫华在最后强调，在促进人工智能健康发展时，一定要使得人工智能技术能够落地，能够解决问题。 /p

p 　　中国人工智能学会、国家工信安全中心、华夏幸福产业研究院等四大权威机构、历时半年完成该本重磅报告，从全新的角度阐述了中国 AI 产业和学术的创新现状。 /p p 　　《2018人工智能产业创新评估白皮书》由中国人工智能学会、国家工信安全中心、华夏幸福产业研究院、思保环球联合发布。 /p p 　　白皮书聚焦人工智能的使能技术与应用场景两个层面，基于论文、专利、人才、行业壁垒等多个维度，创新性地构建了人工智能产业创新评估体系，客观评价了当前人工智能产业的创新发展水平，为政府、企业、投资机构布局人工智能提供了借鉴和参考。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/0a3a11e3-a62a-4d56-940e-8c02731f2d87.jpg" title=" 01.jpg" alt=" 01.jpg" / /p p style=" text-align: center " strong 研究范围和评价体系 /strong /p p 　　随着人工智能迎来第三次发展浪潮，在全球主要国家的积极推动下，社会各界对人工智能的投入与期许空前高涨。构建科学客观的创新评估体系，准确评估当前人工智能产业的创新发展水平，对人工智能产业健康有序发展具有重要的现实意义。报告结合人工智能细分技术的发展和应用水平，聚焦语音交互、文本处理、计算机视觉和深度学习四项使能技术，以及交通、医疗、制造、安防、零售等八大重点应用场景，对人工智能产业创新水平进行了客观的评价。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/e7adc7d7-250c-470c-9a14-ce0c9b6599d9.jpg" title=" 02.jpg" alt=" 02.jpg" / /p p style=" text-align: center " strong 图 1 人工智能产业创新评估范围 /strong /p p 　　为客观分析四项核心使能技术和八个重点应用场景当前所处的发展阶段，报告基于现有学界产业创新评估的研究成果，结合人工智能产业的行业属性，采用定量和定性分析相结合，构建了科学客观的人工智能产业创新评估体系。体系下设使能技术就绪度指数和应用场景融合度指数两个一级评估指标，并在使能技术就绪度下设立了理论、应用、性能驱动力三个二级指标，在应用场景融合度下设立了资源、技术、数据、场景、环境驱动力五个二级指标。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/19326b91-7308-4a89-808f-e947bccd24df.jpg" title=" 03.jpg" alt=" 03.jpg" / /p p style=" text-align: center " strong 图 2 人工智能产业创新评估体系 /strong /p p strong 　　人工智能使能技术就绪度 /strong /p p 　　深度学习技术的发展，推动以语音交互、文本处理、计算机视觉为代表的人工智能快速发展，并在多个场景迅速落地。为客观评价以深度学习为代表的四项使能技术的发展水平，报告从理论研究、应用研究和技术性能三个维度进行了评估，分别计算出四项使能技术的就绪度指数。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/c1242858-0d8f-4a1c-84d4-1606e17b800b.jpg" title=" 03-1.jpg" alt=" 03-1.jpg" / /p p style=" text-align: center " strong 图 3 人工智能使能技术就绪度评估维度 /strong /p p 　　从使能技术就绪度指数来看，深度学习就绪度最高。作为人工智能的主流算法，深度学习就绪度最高(8.3)，经处于技术成熟期 计算机视觉(7.7)和语音交互(6.2)次之，处于技术应用的探索期，主要体现在以语音助手和医疗影像诊断为代表的产品已经逐渐进入实用阶段 文本处理则仍处于技术爬坡期，技术进展缓慢使其离真正实用仍存在较大距离。 /p p img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/930c05be-a40b-48cc-bc72-da298eb24a47.jpg" title=" 04.jpg" alt=" 04.jpg" / /p p style=" text-align: center " strong 图 4 人工智能使能技术就绪度指数 /strong /p p 　　从使能技术实际发展情况来看，深度学习和计算机视觉是布局重点。在理论研究(论文产出)方面，四项使能技术从2013年开始逐渐成为研究热点，其中深度学习是学界关注重点，其次是计算机视觉。语音交互和文本处理的论文产出增速较为平稳，但文本处理论文产出量和引用频次均为最低。在应用研究(专利申请)方面，计算机视觉和深度学习专利申请占比较高，但平均专利强度较低，专利布局仍处于起步阶段 语音交互专利申请比例低但平均强度较高，表明语音交互关注度呈现逐渐下降趋势。 /p p style=" text-align: center" img style=" width: 617px height: 328px " src=" https://img1.17img.cn/17img/images/201905/uepic/e8156869-318e-4c45-b498-c0b1782cfe87.jpg" title=" 06.jpg" width=" 617" height=" 328" / /p p style=" text-align: center" img style=" width: 605px height: 316px " src=" https://img1.17img.cn/17img/images/201905/uepic/09863951-a378-42c6-bc6a-8dd5d06bdd2d.jpg" title=" 05.jpg" width=" 605" height=" 316" / /p p style=" text-align: center " strong 图 5 人工智能使能技术实际发展情况 /strong /p p 　　从中美两国使能技术发展水平来看，美国四项使能技术的理论研究和应用研究均大幅领先于中国。在理论研究方面，中美文本处理领域的差距最小，深度学习领域差距最大 在应用研究方面，深度学习领域的差距最小，语音交互领域的差距最大。具体来看，美国四项使能技术的论文影响力和平均专利强度要远高于中国，中国论文和专利“多而不强”的局面依然存在。同时我们还发现，中国四项使能技术专利申请量均居首位，特别是相关研发机构近三年活跃度较高，超过54%的专利均在近三年申请。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/054caf0c-259b-4eba-acaa-8edc0e3ec037.jpg" title=" 07.jpg" alt=" 07.jpg" / /p p style=" text-align: center " strong 图 6 中美两国使能技术发展水平对比 /strong /p p 　　从使能技术人才分布来看，美国人工智能领域四项使能技术相关的高端人才遥遥领先于其他国家。统计发现，美国人工智能高端人才超过1.3万，中国不足0.5万，与美国相比差距悬殊。从细分技术领域来看，计算机视觉相关的高端人才占比最高，达38%，其中美国5432人，中国1892人。从中国人工智能使能技术研发人才分布来看，北京、广东、江苏、上海和浙江五省市人才优势明显，其中北京、广东人工智能研发人才超过万人。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/9c3a5e84-d27a-410b-a814-837ea5335cf8.jpg" title=" 08.jpg" alt=" 08.jpg" / /p p style=" text-align: center " strong 图 7 全球人工智能使能技术人才分布 /strong /p p 　　 strong 人工智能应用场景融合度 /strong /p p 　　随着以深度学习为代表的使能技术的发展，大量科技企业从特定的行业或场景出发，推动人工智能使能技术与行业加速融合，提供差异化的新产品、新服务和解决方案，形成了丰富的“AI+”应用场景，成为人工智能产业快速发展的重要驱动力。本报告从资源、技术、数据、场景和环境五个驱动力维度对八个“AI+”场景进行了评估，分别计算出了八大应用场景的融合度。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/bbb7b813-c24b-40a9-baeb-8e8760e7d967.jpg" title=" 09.jpg" alt=" 09.jpg" / /p p style=" text-align: center " 　 strong 图 8 人工智能应用场景融合度评估维 /strong /p p 　　从应用场景融合度指数来看，人工智能与各行业依然处在人工智能融合的早期。根据应用场景融合度指数显示，汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景 零售(3.5)、机器人(3.3)和安防(3.2)次之 制造(3.0)和教育(2.8)融合度指数较低。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/fd163fcd-8227-4366-a819-b308fdfc0442.jpg" title=" 10.jpg" alt=" 10.jpg" / /p p style=" text-align: center " strong 图 9 人工智能应用领域融合度指数 /strong /p p 　　从应用场景的融合实际情况来看，汽车、医疗、家居是布局重点。在技术驱动力方面，人工智能在各个领域的专利申请自2014年开始爆发式增长，其中汽车和医疗领域增长明显，而教育和零售领域增长相对缓慢。在资源驱动力方面，人工智能的研发机构和研发人才主要集中在汽车、医疗、家居领域，从事零售、教育的人工智能研发机构和人才相对较少。结合近三年专利申请情况来看，专利布局重点更是主要集中在汽车、医疗、家居和安防领域，人工智能与机器人的融合则是新的应用热点。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4980be83-78d8-4f80-b336-bf9b46ff65c5.jpg" title=" 11.jpg" alt=" 11.jpg" / /p p style=" text-align: center " strong 　　图 10 人工智能专利在各应用场景的分布 /strong /p p 　　从全球应用场景融合整体水平来看，美国应用融合优势明显。在八大应用领域中，美国人工智能研发人员数量占据一半左右，而中国各领域人工智能研发人员普遍偏少。在专利申请量方面，除医疗领域外，中国的专利申请规模均超过美国，特别是在机器人和制造两个领域专利优势明显。在专利申请强度方面，美国大幅度领先中国，中国专利质量仍有待提升。具体到应用场景来看，美国医疗领域人工智能专利规模和强度优势显著，中国机器人和制造领域人工智能专利申请实力具有一定的优势。 br/ /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4ccb8ba2-bb21-4366-bd70-c1941763d2e6.jpg" title=" 12.jpg" alt=" 12.jpg" / /p p style=" text-align: center " 　 strong 　图 11 中国人工智能应用领域研发实力对比 /strong /p p 　　从应用场景融合的主要瓶颈来看。高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈。从数据积累程度来看，汽车、医疗和机器人三个领域具备一定的数据优势，而家居和制造两个领域数据积累明显不足。从数据开放程度来看，汽车、教育和机器人三个领域数据开放程度较高，而医疗和制造两个领域数据开放程度相对较低。从场景介入壁垒来看，医疗、制造的行业壁垒较高，人工智能企业较难进入。 /p p br/ /p p img style=" width: 654px height: 344px " src=" https://img1.17img.cn/17img/images/201905/uepic/f565c015-ce97-4aac-833e-0b198b1b4f26.jpg" title=" 14.jpg" width=" 654" height=" 344" / /p p img style=" width: 655px height: 354px " src=" https://img1.17img.cn/17img/images/201905/uepic/e2406269-5aef-4a27-82ec-e7e09c9244ed.jpg" title=" 13.jpg" width=" 655" height=" 354" / /p p style=" text-align: center " 　　 strong 人工智能产业发展水平评价 /strong /p p 　　通过使能技术和应用场景融合情况评价，我们可以发现，人工智能整体发展仍处于初级阶段。从使能技术发展来看，深度学习已经成为当前主流的人工智能算法，是目前理论研究的重点方向 深度学习技术已处于成熟期，并越来越多地应用到各种实际场景中，也逐渐显现出一定的发展瓶颈 计算机视觉和语音交互尚处于技术应用初期，两项技术均开始在不同的场景中尝试应用落地 而文本处理仍处于技术爬坡期，技术进展缓慢。从应用融合来看，基于报告对应用场景发展阶段的划分，目前人工智能在汽车、医疗、家居、零售、机器人和安防行业处在融合的培育期，而在制造和教育行业仍处在融合的萌芽期。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/ed712604-8970-40d5-9286-4ecfbda3ff66.jpg" title=" 15.jpg" alt=" 15.jpg" / strong 人工智能产业发展研判与展望 /strong /p p strong 　　01 /strong /p p strong 　　使能技术 /strong /p p 　　语音交互。语音交互技术存在对大规模数据依赖性强，远场识别准确率低、复杂场景识别效果欠佳等技术瓶颈，特别是语义理解技术尚未真正突破严重制约着语音交互技术的规模化商用。语音交互下一步将重点提升在远场识别尤其是复杂环境下的识别率，而智能家居无疑仍然是语音交互技术应用探索的最佳场景。 /p p 　　文本处理。场景、学习和数据获取是文本处理技术面临的主要困难，增强学习、视觉语言融合、联合学习将是未来文本技术的主要突破方向。发展中的文本处理技术将率先渗透到数字化程度高、政策和社会性障碍低、个性化元素强的行业。 /p p 　　计算机视觉。计算机视觉的瓶颈在于复杂程度高、鲁棒性低、数据匮乏和算力成本过高。计算机视觉的发展重点在于利用非监督学习和迁移学习方法降低数据依赖，提升算法试用领域，并实现与文字、语音技术的深度融合。 /p p 　　深度学习。深度学习依赖于多层神经网络下的梯度下降和随之而来的大量参数不断优化，但是多层梯度下降后的结果是非线性的和非凹的，深度学习方法的有效性难以得到理论证明。未来深度学习的发展方向主要是对深度学习机制的理解和实际模型的借鉴性研究。 /p p strong 　　02 /strong /p p strong 　　应用场景融合 /strong /p p 　　AI+汽车。以无人驾驶为主导的智能汽车是人工智融合度较高的应用场景，传统的汽车行业将被新的技术和商业模式所革新。但智能汽车的发展依然面临着车辆软硬件技术、人工智能算法、以及政策和商业化不成熟等多重挑战。 /p p 　　AI+医疗。快速发展的智能医疗领域已经出现虚拟助手、辅助诊疗、智能影像、药物研发、精准医疗等多种新实践。底层医疗数据的数量质量参差不齐、复合人才体系缺乏、医疗行业应用场景磨合难度大、行业壁垒高等都制约着人工智能技术的深度应用。 /p p 　　AI+家居。人工智能与家居的融合是当前业界探索的重点。人工智能在交互、决策和服务三个层面优化、提升家居产品性能。产品价格高、用户隐私保障难、语音识别率低、互联互通难等是智能家居发展面临的主要挑战。 /p p 　　AI+零售。人工智能助力零售行业线上线下深度融合，并带来消费场景的进一步延伸，全面提升了用户消费体验。当前，基于应用场景的技术提升和可靠性存在挑战。另外，如何有效打通C端和B端是智能零售行业亟需解决的难题。 /p p 　　AI+机器人。人工智能推动机器人从机械化迈向智能化。智能机器人在工业和服务领域逐渐成为人类重要助手，如协助机器人、物流机器人及公共服务机器人等。但受制于人机交互、环境感知和机器学习等技术水平限制，目前机器人智能化程度依然较低。 /p p 　　AI+安防。人工智能在安防行业处于探索应用阶段。智能安防以算法、算力、数据作为发展的三大要素，在产品落地上主要体现在视频结构化、生物识别、物体特征识别三个方面。人工智能将推动安防行业逐渐向城市化、综合化和主动化方向发展。 /p p 　　AI+制造。人工智能从研发创新、质量控制、故障诊断、运营管理等多个方面，推动制造业转型升级，是实现智能制造的核心驱动力。然而制造业与人工智能的融合仍处于培育期。缺乏高质量行业数据、企业计算能力不足、通讯标准无法协调是实现人工智能与制造业深度融合的主要障碍。 /p p 　　AI+教育。人工智能技术应用于教育领域，可有效改善教、学、练、作业、测评、管理等多个环节，实现合理配置教育教学内容，科学实施因材施教。高质量的学习轨迹数据缺乏和技术本身尚未成熟，造成人工智能和教育领域的融合程度远落后于其他行业。 /p

7月6-8日，2023世界人工智能大会（WAIC 2023）在上海举办。开幕式上，大会最高奖项“卓越人工智能引领者” SAIL奖揭开面纱。作为世界人工智能大会的最高奖项，SAIL 奖（卓越人工智能引领者奖）坚持“追求卓越、引领未来”理念，在全球范围发掘人工智能领域具有高度认可和美誉、具有提升人类福祉意义的项目。凭借在前沿科技领域的探索和实践，以及科学智能应用的先锋表现，晶泰科技智能化自动化药物研发平台获得SAIL大奖，与中国商飞上海飞机设计研究院三维超临界机翼流体仿真重器“东方.翼风”，华为云计算技术有限公司华为云天筹AI求解器，高通无线通信技术（中国）有限公司第二代骁龙8移动平台的人工智能引擎，以及张云蔚论文《机器学习结合阻抗谱技术预测锂电池老化》共享殊荣。SAIL诠释AI，AI改变未来。SAIL寓意丰富，“S”即“Superior”，代表了“超越”，表明了奖项在行业内的卓越引领地位；“A”即“Applicative”，代表了“赋能”，彰显了奖项注重人工智能技术对经济社会应用赋能的极高期许；“I”即“Innovative”，代表了“创新”，突显了奖项评选对项目理论与技术层面的创新要求；“L”即“Leading”，代表了“引领”，展现了奖项对标的是全球人工智能领域内最具引领性的开路先锋。晶泰科技智能化自动化药物研发平台让药物研发更智能，让生物创新触手可及晶泰科技开创了智能算法、自动化实验与专家经验相结合的智能化自动化药物研发平台（晶泰智药），包括小分子药物发现ID4Inno&trade 和抗体药物发现XupremAb&trade 两大特色技术平台，以量子物理、人工智能、云计算及大规模实验机器人集群等前沿技术与能力，助力药物研发走向“计算密集型”“自动化密集型”，让药物研发更智能，让生物创新触手可及。晶泰科技智能化自动化药物研发平台已服务众多跨国药企、国内知名药企和先锋Biotech企业，如辉瑞、礼来、正大天晴、长江生命科技等，参与创新药管线超180条。在全球首款获 FDA 批准上市的新冠小分子口服药 PAXLOVID 的研发过程中，晶泰科技团队与辉瑞科学家联手，仅用6周时间就确认了药物优势晶型，显著缩短研发周期，加速药物上市。近期，晶泰科技与礼来就某个未披露的创新靶点展开 AI 小分子新药发现合作，利用晶泰智药小分子药物发现平台 ID4Inno&trade 研发原创新药，填补未满足的临床用药需求，该合作预付款及里程碑总收益可达 2.5 亿美元。晶泰科技智能化自动化药物研发平台陆续获得新华社、人民网、光明日报、中新社、解放日报/上观新闻、澎湃新闻、界面新闻等媒体报道。人民网报道中新社报道解放日报/上观新闻报道澎湃新闻报道界面新闻报道

p 　　人工智能技术无论是在核心技术，还是典型应用上都已出现爆发式的进展。随着平台、算法、交互方式的不断更新和突破，人工智能技术的发展将主要以“AI+X”(为某一具体产业或行业)的形态得以呈现。所有这些智能系统的出现，并不意味着对应行业或职业的消亡，而仅仅意味着职业模式的部分改变。任何有助于让机器(尤其是计算机)模拟、延伸和扩展人类智能的理论、方法和技术，都可视为人工智能的范畴,展现出无比光明的发展前景。 /p p 　　在我们生活方面，协助人类完成此前被认为必须由人完成的智能任务。人们将不仅生活在真实的物理空间，同样生活在网络空间。网络空间中的每个个体既有可能是人，也有可能是一个人工智能。 /p p 　　在生产方面，未来人工智能有望在传统农业转型中发挥重要作用。例如，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由人工智能自动决定(或向管理员推荐)最合适的种植方案，并综合调度各类农用机械、设备完成方案的执行，从而最大限度解放农业生产力。在制造业中，人工智能将可以协助设计人员完成产品的设计，在理想情况下，可以很大程度上弥补中高端设计人员短缺的现状，从而大大提高制造业的产品设计能力。同时，通过挖掘、学习大量的生产和供应链数据，人工智能还可望推动资源的优化配置，提升企业效率。在理想情况下，企业里人工智能将从产品设计、原材料购买方案、原材料分配、生产制造、用户反馈数据采集与分析等方面为企业提供全流程支持，推动我国制造业转型和升级。 /p p 　　在生活服务方面，人工智能同样有望在教育、医疗、金融、出行、物流等领域发挥巨大作用。例如，医疗方面，可协助医务人员完成患者病情的初步筛查与分诊 医疗数据智能分析或智能的医疗影像处理技术可帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果。在教育方面，一个教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养。对金融而言，人工智能将能协助银行建立更全面的征信和审核制度，从全局角度监测金融系统状态，抑制各类金融欺诈行为，同时为贷款等金融业务提供科学依据，为维护机构与个人的金融安全提供保障。在出行方面，无人驾驶(或自动驾驶)已经取得了相当进展。在物流方面，物流机器人已可以很大程度替代手工分拣，而仓储选址和管理、配送路线规划、用户需求分析等也将(或已经)走向智能化。 /p p 　　平台、算法以及接口等核心技术的突破，将进一步推动人工智能实现跨越式发展。从核心技术的角度来看，三个层次的突破将有望进一步推动人工智能的发展，分别为平台(承载人工智能的物理设备、系统)、算法(人工智能的行为模式)以及接口(人工智能与外界的交互方式)。在平台层面实现一个能服务于不同企业、不同需求的智能平台，将是未来技术发展的一大趋势。算法决定了人工智能的行为模式，一个人工智能系统即使有当前最先进的计算平台作为支撑，若没有配备有效的算法，只会像一个四肢发达而头脑简单的人，并不能算真正具有智能。面向典型智能任务的算法设计，从人工智能这一概念诞生时起就是该领域的核心内容之一。令算法通过自身的演化，自动适应这个“唯一不变的就是变化”的物理世界?这也许是“人工”智能迈向“类人”智能的关键。接口(人工智能与外界的交互方式)、沟通是人类的一种基本行为，人工智能与人类的分界正变得模糊，一个中文聊天机器人也许比一位外国友人让我们觉得更容易沟通。因此，如何实现人机的高效沟通与协同将具有重要意义。语音识别、自然语言理解是实现人机交互的关键技术之一。另外，不采用自然语言，而是直接通过脑电波与机器实现沟通，即脑机接口技术，也已有相当进展，目前已经大体可以实现用脑电波直接控制外部设备(如计算机、机器手等)进行简单的任务。 /p

8月25日，“晶泰智造” 品牌发布环节，晶泰科技CTO/自动化创新事业部负责人古亮博士作了精彩演讲，阐述了大家关注的四个方面的内容：&bull 关于 “智” 造，我们做了什么？&bull 晶泰智造如何 “数” “智” “化” 结合，提供高效自动化解决方案？&bull 晶泰智造发布的自动化标准产品有哪些？&bull 晶泰智造哪里“不一样”？晶泰科技CTO/自动化创新事业部负责人古亮讲话关于“智”造，我们做了什么过去的 30 年，中国智能制造已经发展到了一个非常高的水平，很多经济学家谈到宏观制造业的产能已经过剩，但是在微观物质创造和研发领域，依然面临“卡脖子”的技术难题，如新材料、新工艺的研发。晶泰科技在众多专家学者、业界精英共同见证下盛大发布 “晶泰智造” 新品牌，并不是一时兴起，跟风逐热，而是厚积薄发，顺势而为。在过去的近 10年里，晶泰科技在药物研发、化工领域做了大量的积累，药物分子研发算法、AI和自动化辅助推进药物研发经验丰富，具体成果表现在以下几个方面：●自动化：多场景、全流程自动化能力晶泰科技持续高密度地投入研发能力建设，现有智能自动化实验室 5000 ㎡，自动化工作站 200 余台，软硬件研发工程师 150 余人，相关领域科学家 300 余人。自对外公布自动化实验室平台以来，已向行业行业交付了超 45000 个有效分子化合物，累计发现了 1500 个晶型、盐型/共晶。晶泰科技已具备多场景、全流程自动化能力，形成了行业领先的自动化合成、自动化结晶等多种自动化解决方案。●数字化：软硬结合的自动化程度在软件层面，自主研发自动化智能调度系统，能够同时控制上百台自动化工站并兼容各类第三方分析检测仪器设备；硬件领域，把化学实验的过程编成不同自动化功能模块，这些模块具有行业通用适配性，解决了行业普遍应用价值的技术难点。软硬件的结合组成了不同应用场景下高效、柔性的自动化智能化解决方案，涉及生物医药、化学化工、新能源新材料、智能检测等不同领域。●智能化：AI更多参与，赋能行业研发创新晶泰智造的 AI 工具可以把全网的学术论文、研究工作的进展融合起来，提供有效的知识积累、复用。晶泰智造提供的解决方案融合了人工智能一系列进展，具备包括智能推荐、智能决策、智能分析一系列特性。自动化产生的大量数据，辅助 AI 进行算法突破，加速我们在相应领域研发过程、效果的突破。晶泰科技希望这些经验积累能够以更加系统、高效的方式帮助各行各业降本增效、取得研发突破，从而为全人类的物质改造的过程带来更多突破性成果。晶泰智造如何“数智化”结合，提供高效自动化解决方案？“晶泰智造” 是自动化、数字化、智能化的有机结合。自动化，让实验成本急剧降低，推动整个实验过程从量变到质变；数字化，打通所有数据之间的关联，让整个数据的增值过程变得更加可视可得；智能化，让我们对数据的认知从简单的统计分析模型、经验驱动的研发模式转向 AI 大模型驱动创新的研发模式，帮助我们更加有效地寻找科学和研发中的变异点以及相应的新的规则和规律。整个 “晶泰智造” 利用三个能力的组合面向整个行业，交付整套自动化解决方案以及相应的标准化产品。自动化的目的是获得数据，获得数据的最终目的就是在生成式人工智能领域获得突破。晶泰已经做完了一些实验，证实了 AI+ 自动化能够带来药物研发领域的突破，并把这些经验落地实施，相关自动化解决方案已应用在石油化工、新能源、新材料、药物研发、食品检测等领域，如功能材料合成表征自动化系统、食品农残检测全流程自动化系统、药品质量控制自动化系统等。晶泰智造会继续探索研究，帮助行业提供更多高效的自动化智能化解决方案。晶泰智造按需定制自动化解决方案案例晶泰智造发布的自动化标准产品有哪些？晶泰智造正式推出三款标准化自动化产品，帮助行业以更低的成本、更高的可用性进行相应地探索和实践。晶泰科技，赞8晶泰智造 | 自动化标准品：桌面型固体加样仪&智能合成工作站 & 智能结晶工作站●ChemPlus&trade 桌面型固体加样仪晶泰结合 AI 算法、自动化工艺、模块的研发，推出了标准化产品桌面型固体加样仪，实现对不同类型固体粉末自动化精准加样。可适配接入大规模自动化设施的中，帮助提升整个实验过程和检测的速度。应用场景包含制药、试剂、精细化工、石油化工、检测、高校和研究所等研发和分析部门涉及固体试剂称重分装加样的步骤。●XmartChem&trade 智能合成工作站智能合成工作站，集成了从化学合成投料、反应、后处理、检测分析全过程以及利用人工智能监测迭代闭环的能力，可根据研发需求配置不同反应体积、温度条件、混合方式、惰性气氛条件，同时该设备也体现了晶泰相应的定制化能力，如支持适配特殊环境下的反应条件的开发，突破高通量合成筛选的瓶颈。●XtalComplete&trade 智能结晶工作站晶泰基于结晶分析和实验领域大量的应用算法和实验过程的积累，推出智能结晶工作站。集成了 AI 迭代闭环的算法分析的能力，帮助整个结晶实验过程快速有效精准地获得相应的实验结果。它不仅提高了实验的一致性，还能将实验人员从繁琐的重复性工作中解放出来，使他们能够更专注于实验设计、数据分析和特殊结晶方法的探索。除了以上三套标准化产品外，晶泰科技将会联合合作伙伴，探索更多的标准化产品。晶泰智造哪里“不一样”那么相对于行业其他产品，晶泰智造的 “不一样” 在哪里呢？●AI+自动化技术经验积累，加速行业赋能基于过去积累了大量的人工智能算力、算法的能力，在服务客户时，可以更好的去利用数据并融合领域，建立相应的人工智能模型，从而加速其研发的突破。在自动化方面，晶泰智造通过软硬件的结合、数字孪生技术，可以支持更多行业快速的进行自动化探索，建立更低成本、更高效的装备和解决方案，实现行业赋能。●交叉学科深度融合，开放并进晶泰目前深耕的人工智能在制药、化工等领域的应用，都是高复合型的行业领域，区别于传统的、独立的、互不关联的模式，晶泰智造一直是合作开放、协同高效的运作模式，与合作伙伴共同把算力、算法的应用，融合行业关键技术，加速行业创新。●关键信息安全保障晶泰科技过去 10 年服务了大量的药物研发企业，配方、分子结构是药物研发企业的关键。晶泰智造的产品及解决方案利用权限管理、数据备份、隔离专用区域、数据加密、项目分权管理等一系列软硬件结合，保障客户整个数据实现过程以及产出结果的有效性和安全性。晶泰智造以行业需求为导向，以创新性思维解决研发的瓶颈，以人机结合方案提升底层生产力和创造力，深度挖掘并利用大数据不断创新，由人工智能驱动迈向智能自动化。晶泰智造汲取了自动化的最佳实践经验，结合数字化和智能化创新，面向各研发领域效率瓶颈，为石油化工、新材料、新能源、生物医药、食品药品检测等行业提供自动化、数字化、智能化的技术产品和解决方案，赋能研发效率提升。晶泰科技，赞252收录于合集#晶泰智造活动5个上一篇新品牌正式发布 | 晶泰智造的初衷、愿景和升级之路微信扫一扫关注该公众号

10月25日，江西省科技厅面向发布2022年度重大科技研发专项“揭榜挂帅”（人工智能交互终端设备、高端智能传感器）榜单。榜单项目主要采取前资助的方式，原则上支持强度每项500-1000万元，具体额度根据揭榜方的申请以及项目研究的实际需要和专家论证意见确定。榜单选题包括：1. 人工智能交互终端设备榜单选题：深度智能化的高精度表面贴装缺陷检测系统的关键技术研究；2. 高端智能传感器：基于单光子效应的X射线智能选矿探测器研究。国内具有研发能力的高校、科研院所、企业、新型研发机构皆可申报，申报人无年龄、学历和职称等门槛要求，鼓励青年科学家积极申报。链接：江西省科技厅关于发布2022年度重大科技研发专项“揭榜挂帅”（人工智能交互终端设备、高端智能传感器）榜单的通知附件：人工智能交互终端设备、高端智能传感器榜单 一、资助方式及支持强度项目主要采取前资助的方式，原则上支持强度每项500-1000万元，具体额度根据揭榜方的申请以及项目研究的实际需要和专家论证意见确定。资助经费根据项目实施情况分年度拨付，当年拨付30%，中期评估通过后拨付30%，验收通过后再拨付40%。项目实施成效好且需持续研究的可以按照进度要求分年度支持；效果不好的，终止实施并按规定追回相关财政资金。揭榜单位需明确一名首席科学家作为项目负责人，对揭榜任务的技术路线、人员选配、经费使用等方面全权主导。项目实施从合同签订之日起开始，执行期不超过3年，签订任务书时揭榜方须提交“军令状”，明确中期目标和综合绩效评估的时间节点和考核指标，并按照要求及时组织评估。二、榜单选题1.人工智能交互终端设备榜单选题：深度智能化的高精度表面贴装缺陷检测系统的关键技术研究 研究内容：为了突破传统视觉测量技术中系统与算法的时序性限制，降低智能工业检测中人工智能技术的不可解释性，开展基于视觉测量与人工智能深度结合的表面贴装缺陷检测系统关键技术研究。研究基于深度学习的全链路可微分计算测量系统模型构建技术以及硬件结构和算法参数联动优化技术，实现面向2D+3D的多维感知测量；研究测量驱动的缺陷特征库构建技术，实现具备弱监督特性、易移植能力、小样本学习能力的智能化检测；研究任务导向的人工智能模型构建技术，实现面向高亮度动态范围等复杂环境的高精度缺陷检测；研究结构光投影测量技术，拼接测量后满足大视场、高效率、高精度的缺陷检测需求； 建立多类型缺陷样本库，实现差异化缺陷的混合检测；开发多样化缺陷检测软件与计算测量硬件系统，集成软硬件形成一套深度智能化高精度表面贴装缺陷检测装备，实现智能制造核心工业软件和装备的自主可控。考核指标：（1）缺陷检测方式：2D+3D；（2）深度智能化：——以单缺陷人工标注方式，用于人工智能深度学习模型训练、验证及测试构建缺陷库所包含的样本数量不少于10000；——所能识别的缺陷种类不低于10种，单次单任务中可检出的混合缺陷种类不少于2类；——测量系统具备小样本弱监督特性、易移植能力；——硬件系统参数支持与算法实时联动优化调节。（3）支持高亮度动态范围检测；（4）针对室内标准件，可一次性完成不小于100mm×200mm测量视场的测量，可检测深度方向的最大测量范围达到10mm，单场深度精度优于8μm，拼接深度精度优于15μm；（5）针对室内标准件，通过多次扫描测量评价，可完成每秒不少于30cm2测量范围的缺陷检测；（6）针对单一缺陷检测任务，系统在多次重复检测中，平均误报率不高于5‰；（7）发表SCI/EI论文≥4篇；申请发明专利≥6项、软件著作权≥3项；（8）实现项目产品产业化，应用于自动驾驶车载摄像模组、车载激光雷达、汽车照明等表面贴装缺陷检测，服务于江西省以汽车电子为核心的电子信息产业。2. 高端智能传感器：基于单光子效应的X射线智能选矿探测器研究研究内容：由单个细小光电传感器构成的X射线选矿探测器及组件，是整套基于人工智能矿石分选装备的关键核心部件，其性能的提升将大幅提高检测信噪比，提高分选准确率，同时降低辐射剂量。目前国内外X射线选矿装备普遍采用前端为传统的闪烁晶体（如CsI）+PD组合探测器，结合后端人工智能分选算法的技术路线。这类探测器存在灵敏度低、响应速度慢等缺陷，限制了后端智能算法的性能，无法满足极低含量金属选矿的要求。江西省内铜矿、钨矿和铀矿开采的原矿平均品位分别在0.4%、0.2%和0.8‰左右，均为较低品位矿。针对上述低品位金属矿智能化选矿的迫切需求，采用基于单光子效应的硅光电倍增器件（SiPM）研究开发X射线选矿探测器及专用组件，攻克探测器设计、封装、测试等核心工艺，完成探测器高速前放读出、数据采集与接口等电路的研发，大幅提升探测器及组件检测效率。同时开展X射线源特征光谱的优化调整研究，构建与探测器、X射线源紧密耦合的深度学习智能分选算法，从多方面系统性地提升智能选矿的准确度，满足多种类型低品位复杂难选金属矿的工业化选矿需求。考核指标：从单光子探测器像素、选矿探测器组件及智能化选矿应用三个层面进行技术指标考核。单光子探测器指标：像素间距（Pixel Pitch）≤3mm；光子探测效率（PDE）≥ 40%；增益（Gain）≥ 1.5×105，耐辐照剂量≥100Gy。选矿探测器组件指标：采样精度≥16位；采样时间1~1000us；单采集板通道数≥32；高低能输出，阈值可调；单采集板功耗≤12V/450mA；数据接口千兆以太网/TCP协议；RS485/TTL信号同步。智能化X射线成像选矿应用指标：在智能化选矿设备上实现对多种金属矿石中目标矿物元素的有效分辨，保证预选抛废后的铜矿废石品位低于0.08%，钨矿废石品位低于0.03%，硬岩铀矿废石品位低于0.2‰，并实现工业化应用。发表SCI/EI论文不少于4篇；申请专利不少于15项，其中发明专利不少于6项，授权专利数量不少于5项；获批软件著作权不少于5件。

引言实验室工作流程正在快速变化，以跟上当今快节奏的世界。因此，产品和人员也必须适应，不仅要提高生产力，还要消除人为错误和工艺变化引起的异常或不一致。主要挑战包括要求越来越复杂的质量控制来抑制错误，结合先进的分析来获得有意义的信息或可靠的诊断。数据再现性也至关重要，因为在再现和验证结果方面的失败威胁到科学研究的完整性和声誉。自动化必须与人类的专业知识相结合。仪器智能可以在许多方面提供帮助。例如，取决于数据的性质以及获取和存储数据的过程。关键资源是实施基于机器学习和统计数据分析的工具，该工具可用于突出显示异常值或可疑值序列，识别不同数据源和数据模式的不一致性，并通过自动填写缺失值或指出应收集更多数据的位置来减少测试次数。本电子书概述了仪器智能解决方案，并展示了如何修改几个实验室部门，以实现更快、无错误的生产。这尤其可以通过数字化和数字化转型来实现。本电子书的内容包括威利的著作《实验室的数字化转型》的摘要，该书讨论了与人工智能（AI）在实验室转型中的作用相关的机遇、需求和挑战，生物医学研究中“工业”革命的一篇文章的摘要，以及安捷伦智能反射工作流工具的信息图。一、生物医学研究的“工业”革命——数据爆炸和再现性危机促使实验室工作流程发生变化有几个因素正在推动生命科学实验室组织工作流程的方式发生深刻变化，无论是医学诊断还是基础研究。这些变化的一个常见原因是生成的数据量激增，同时数据生产成本快速下降。这需要越来越复杂的质量控制来抑制错误，并结合先进的分析来获得有意义的信息或可靠的诊断。对实验室工作流程造成变化的另一个挑战是再现性，这一点至关重要，因为重要结果的再现和验证失败威胁到生物医学研究的完整性和声誉。深度学习和自动化深度学习（DL）的兴起越来越要求产生准确的数据集，以避免偏见和错误结论。反过来，这需要更多地使用自动化来消除由人为错误和过程变化引起的异常或不一致。例如，批量效应——这会破坏DL工作——在没有自动化的情况下会变得更糟。可以减轻批量效应的算法通常使用某种形式的贝叶斯推理，该推理比较不同条件下的实验结果，以过滤与过程相关的不一致性。然而，这些算法也可以消除生物学上显著的变化。不断增长的自动化从一开始就消除了批量效应的许多原因，从而为DL的强大应用奠定了基础。链接不同的专业知识‍尽管如此，工作流的挑战并不局限于自动化和数据分析。更大的问题在于协调自动化与人类专业知识，特别是在诊断实验室。随着全基因组测序（WGS）和全外显子组测序（WES）的出现，对帮助临床医生有效利用计算能力的新技术的需求变得更加迫切。为了克服诊断瓶颈，已经开发了能够识别数百种与罕见遗传病相关的突变的扩大的携带者筛查小组。这些小组可以发现否则无法检测到的突变，这就是机器和人类之间的整合变得重要的地方。工作流和人工变化实验室的工作方式将发生根本性的变化，正如安捷伦科技公司（Agilent Technologies）最近的一项举措所表明的那样。安捷伦技术公司是实验室工作流程分析工具和软件的专业开发商，于1999年由惠普公司（Hewlett-Packard）分拆而成。Frost&Sullivan开展的一项研究中，根据来自中国、德国、印度、韩国、瑞士、奥地利和美国的650名实验室经理、主任和主管的回答，他们的第一次制药实验室领导者调查结果于2019年6月公布。安捷伦高级副总裁兼首席技术官达琳所罗门（Darlene Solomon）表示，研究结果已经导致实验室设备发生了变化。她说：“85%的受访者告诉我们，他们正在购买更精密、更具特异性的仪器。”。所罗门补充道，工作流程的压力，以及实验室技术人员技能水平的变化，都推动了更易于使用和培训需求的减少。所罗门说：“我们有一些例子表明，一个看似微小的改变，例如使用带有触摸屏的仪器，确实有助于提高使用和训练的便利性。”。“这一点很重要，因为一些地区的实验室技术人员的形象已经发生了变化。虽然几年前，实验室技术人员可能是具有质谱或气相色谱专业教育的理科毕业生，但如今，他们很可能是具有人文学科学位的多面手，这意味着实验室管理人员希望仪器易于使用、易于培训，以及不需要由专家操作。”另一个主要趋势是人工智能（尤其是DL）的日益融合，以适应实验室中复杂或重复的任务。所罗门说：“基于深度神经网络的现代人工智能方法在基于组织染色的数字病理学领域尤其有前景，可以提高癌症诊断和治疗决策中病理切片解释的准确性并降低其复杂性。”。“例如，人工智能可以提高效率，提高计算细胞等耗时任务的准确性，或者识别高级细胞染色产生的复杂模式的准确性，这些模式可能会让人工解释感到困惑。”所罗门强调，需要可靠的数据来为DL算法提供数据，并强调了整个工作流程一致性的重要性。“样本分析总是从样本准备开始。良好和一致的样本准备是迈向自信和高质量结果的一大步，这将在后端产生有意义的理解，”她解释道。解决治理和道德问题安捷伦调查范围之外的工作流程还有另一个维度，即激励和道德考量的作用，以确保一致和公平的结果。马拉维大学公共卫生和流行病学教授亚当森穆拉强调了这一点。他解释说：“如果没有适当的系统，即使是最好的设备也无法发挥最佳作用。”。“也许我们也可以采用约瑟夫姆富索本戈（Joseph Mfutso Bengo）的LEGS（领导力、道德、治理和系统）模型。”穆拉指的是马拉维为加强卫生系统而开发的名为LEGS的框架，特别是在治理和法治相对薄弱的发展中国家[1]。根据LEGS研究的作者，道德规范会在各个层面，如采购、临床工作和研究，加强内部社会控制。提高再现性虽然临床需要一致性和准确性，但再现性已成为基础研究和转化研究的一大挑战。无法再现结果的主要原因之一是当正面结果比负面结果更受青睐时，发表偏见。还有一种被称为HARKing（结果已知后假设）的现象，研究人员呈现出意想不到的结果，就好像他们从一开始就被假设了一样[2]。虽然并非所有研究人员都同意HARking完全不利于科学进步，但这其中存在不诚实的因素，更重要的是，它可能会带来偏见，因为该假设可能只是从结果中推断出的几种假设中的一种。一种解决方案是再次改变工作流程，在进行实验之前预先注册工作计划和假设，以避免选择性报告或HARking。英国布里斯托大学生物心理学教授马库斯穆纳夫（Marcus Munafò）是感兴趣的研究者之一，他研究与酒精和药物滥用相关的神经通路。Munafò博士毕业后，在进行了系统回顾和荟萃分析后，发现许多发现不如看起来可靠时，他对工作流程和再现性之间的联系产生了兴趣。他解释道：“我对我们的激励结构和工作方式有何贡献感兴趣。”。“现在，我有兴趣思考如何改进我们的激励结构和更广泛的研究文化，以关注质量，至少与创新、新颖性和发现一样多。在过去几年中，我们朝着开放的研究工作流程迈进。我们从预注册研究协议开始，现在我们定期归档数据，我们开始归档用这些分析脚本，我们发布所有手稿的预印本。最初，这仅用于赠款资助的活动；现在是我们所有的活动，包括学生项目。”Munafò补充道，在这一正在进行的过程中，还有更多的工作要做，比如分享更多的研究材料。他说：“这有几个好处——它允许对我们的工作进行更严格的审查，并为内部检查提供了激励。”。根据Munafò的说法，最大的挑战是在研究人员中灌输长期观点，并清楚地阐明其益处，以便团队成员认同所需的努力。这与马拉维LEGS项目传达的信息一致，其基本主题是，研究的动机需要围绕科学和数据而不是希望和愿望引导的一致性和透明度进行重新调整。这几乎是对人性本身的挑战。References[1] Mfutso-Bengo, J., Kalanga, N., and Mfutso-Bengo, E.M. (2018) Proposing the LEGS framework to complement the WHO building blocks for strengthening health systems: One needs a LEG to run an ethical, resilient system for implementing health rights. Malawi Med. J., 29 (4), 317.[2] Kerr, N.L. (1998) HARKing: Hypothesizing After the Results are Known. Personal. Soc. Psychol. Rev., 2 (3), 196–217.[3] Hunter, P. (2020) The “industrial” revolution in biomedical research. EMBO Reports 21, e50003.二、人工智能（AI）改造实验室数字化正在我们的工作和日常生活中蔓延，从纸张到数字不仅仅是改变存储数据的媒介。本文讨论了与人工智能（AI）在改造实验室中的作用相关的机遇、需求和挑战。实验室的数字化在某些领域比其他领域更快，这取决于从纸面向数字化转变的需求和机会。Al可以作为过程中的催化剂，提供一系列附加服务，包括健全性检查、异常值检测、数据融合和数据预处理阶段的其他方法、数据分析和建模的不同方法、数据消耗监测和实验室中的其他动态过程，以及对领域专家的决策支持（图1）。图1。从数据预处理和来自不同来源的数据融合到数据分析和不同过程的监控，AI可以在不同方面支持实验室。资料来源：Dunja Mladinic提供。数据预处理和数据分析根据数据的性质、获取和存储数据的过程或其他一些数据属性，Al方法可以以不同的方式帮助数据预处理。例如，我们可以有一个基于机器学习和统计数据分析的工具来突出显示异常值或可疑值序列，识别不同数据源和数据模式的不一致性，并通过自动填写缺失值或指出应收集更多数据的位置来减少测试数量。如今，Al方法能够高效组织大量异构数据，支持高效搜索和检索。除此之外，根据数据形态，可以为用户提供强大的数据探索工具，包括丰富的数据可视化、自动异常值检测、数据建模和预测。此外，数据分析可以应用于实验室工作的不同阶段，从监测和指导数据收集、数据预处理、存储和建模到搜索历史实验室数据（例如，测试结果和笔记本），并使科学家能够跨问题和实验室共享数据和模型。过程监控实验室中的过程涉及可能从监控和建模中受益的活动和数据。我们讨论的是一个过程或一组可能相互关联的过程的动态和结果建模。历史数据可用于建立一个参考模型，该模型可根据监控过程的当前背景和趋势进行调整。由于Al方法用于构建机器、物流流程或生产工厂的数字孪生，因此它们也可用于构建实验室中某些流程的数字孪生。这将有助于监控相互依赖性、可能的异常检测以及对流程未来发展的模拟，使专业人员能够提出假设问题。通过对输入数据进行实时建模和监控的能力，我们可以在同一实验室内或不同实验室内分析数字实验室笔记本。以类似的方式，由于机器学习方法已被用于数十年的研究出版物中，以预测科学中的下一件大事，[1]人们可以分析和监控实验室中的过程和数据流。人类在回路中无论我们在实验室中使用了多少以及在哪些过程中使用了人工智能，我们都应该记住，人工智能可以涵盖一些智能，但人工智能无法涵盖人类给过程带来的其他维度，在采取行动之前预测行动的后果，并制定实现目标的策略。智力与清晰、专注和有选择的思维有关，需要我们的指导，以避免迷失在细节或幻想中。根据瑜伽哲学，智慧是实现人生成功所需的三种创造力之一：意识、智慧和能量。[2] 例如，为了知道我们想要表现什么以及如何表现，我们需要资源/能量来真正做到这一点；要知道要展示什么和拥有资源，我们需要一个策略。人类通过有意识地决定某些工作或实验室实验的目标，智能地制定实现目标的策略，并利用资源来实施策略和实现目标，在这一过程中发挥着至关重要的作用。References[1] Lawton, G. The next big thing in chipmaking. Computer (Long. Beach. Calif). 40, 18–20 (2007).[2] Mladenic, D. Artificial Intelligence (Al) Transforming Laboratories. in Digital Transformation of the Laboratory 289–295 (Wiley, 2021). doi:10.1002/9783527825042.ch21.原文：Advances in Instrument Intelligence——Using AI to Achieve Digital Transformation供稿：符 斌，北京中实国金国际实验室能力验证研究有限公司

p 　　在5月初谷歌(GOOG, Google)大型开发者大会上，首席执行官桑达尔· 皮查伊(Sundar Pichai)上台，详细阐述了其最新的人工智能研究有朝一日将如何帮助医生发现心脏病。此外，人工智能系统对心脏病的判断是基于对患者视网膜的扫描——一种已知的为人们的心脏健康提供线索的方法——几乎和传统的血液测试一样准确。 /p p 　　 strong 一个人工智能的心脏测试 /strong /p p 　　“在我看来，这显然是医学的下一个自然步骤，”约翰· 霍普金斯医学院奥斯勒医学培训项目主任桑杰· 德赛博士说。 /p p 　　谷歌的视力测试使用了一种名为机器学习的人工智能，它试图教计算机系统如何通过将大量数据输入到算法中来做出决策。 /p p 　　为了做到这一点，谷歌给它的算法图像提供了正常视网膜和那些有心脏病迹象的人的图像，这是一种叫做计算机视觉的方法。在训练算法之后，它能够查看视网膜的个别图像，并确定这些图像是属于健康的患者还是可能患有心脏病的患者。 /p p 　　 strong 糖尿病视网膜病变可通过计算机视觉技术识别。 /strong /p p 　　谷歌之前曾使用机器学习来证明它可以识别有糖尿病视网膜病变风险的个体，如果不进行治疗，这种疾病会导致不可逆的失明。在训练了算法之后，这个搜索巨人说，它的机器学习系统在识别疾病症状方面和训练有素的眼科医生一样准确。 /p p 　　 strong 另一种机器学习算法识别乳腺组织中的肿瘤。 /strong /p p 　　计算机视觉技术在成像方面非常有用，但它远不是研究人员在医学领域使用人工智能的唯一方法。 /p p 　　在斯坦福大学医学院,乔什· 诺尔斯博士是使用病人的电子健康记录(EHRs)来识别之前未被诊断出患有家族性高胆固醇血症(FH),遗传心脏病影响1 250人,结果在一个高的机会早发性心脏病和心脏病如果不及时治疗。据诺尔斯说，美国大约有100万人患有FH，但只有10%的人被确诊。 /p p 　　乔什· 诺尔斯博士正在帮助使用人工智能和机器学习来识别潜在的心脏病人。(资料来源:Norbert von der Groeben/斯坦福医学院) /p p 　　“这个项目背后的想法是，我们知道有很多FH患者还没有被诊断出来。”但如果我们找到了它们，我们就可以治疗它们。 /p p 　　FH是一种常染色体显性疾病，这意味着如果你有FH，你就从父母那里继承了它，可以传给你的孩子。因此，确定一个病人可以让医生帮助多个家庭成员。 /p p 　　为了确定某人是否患有FH，诺尔斯说，斯坦福大学的研究人员将所有患有和没有FH的患者的医疗记录，包括文本记录、处方、诊断测试和药物，输入一个分类算法，利用这些数据识别出与FH患者一致的模式。 /p p 　　“这就像你的电子邮件系统学习垃圾邮件一样，”诺尔斯解释道。“你给它看一堆垃圾邮件的例子，它就知道垃圾邮件是什么。 /p

第19届亚运会将于今年9月在浙江省杭州市举办。日前，浙江省杭州生态环境监测中心在亚运场馆周边采集了70余个水质监测点位样品，并将这些样品批量放入一套全自动智能分析系统，原来至少需要两个人分析一天样品，现在系统自动操作很快就可完成，而且批量可以达到200多个。这个水质监测智能化系统，业内称之为杭州“生态环境监测AI人工智能实验室”，于2021年5月开始建设。当前主要进行水质智能化监测实验和系统改进，截至目前已经完成近1000个实际样品的实验室比对测试分析，已成功申报一项国家标准立项，并正在申报省标方法规范。水质监测任务一度较为繁重杭州是一个集江、河、湖、海于一体的多水城市，水质监测任务十分繁重。平常每月水质样品检测分析达500余个，而每一个样品分析都要工作人员全程跟踪操作，环节繁多。前些年，杭州曾发生过钱塘江、苕溪饮用水水质异味、化学品运输车辆翻车等事件。尤其是新冠肺炎疫情发生以来，杭州先后迎战新冠病毒德尔塔 、奥密克戎等，每遇这种非常时期，水质监测样品都堆满房间。由于人工监测、分析速度有限，杭州环境监测人度过了许多个不眠之夜。2017年6月发生的钱塘江化工桶泄漏环境突发污染事件，监测人员现在想起来仍心有余悸。当时频次要求高的时候需要每小时采一次样品，每次分析项目达20多项，连续作战十多天。因为全靠人工监测分析，时间紧、任务重、人手少，不得不24小时通宵分析样品。参与当时监测分析的人员余海霞说，加班一夜，凌晨下班时头晕眼花，出单位都不知道回家的方向了。人工智能实现批量化检测结合杭州数字之城建设，杭州开启了“生态环境监测AI人工智能实验室”，积极探索打造“小切口、大场景”平台。这个实验室从外观看没啥特别，只有100多平方米的空间，内部设计却别有洞天。不同于一般实验室“人＋设备”的繁忙景象，这个实验室没几个人，只有两条水质检测的全自动“生产线”——水质自动化分析仪和流水线系统在不停运转。只需把水质样品放进放置区，样品分液、试剂添加、检测分析等流程就不再需要人工参与。而且，人工智能实验室也让批量化检测成为可能。原理化室负责人、现杭州生态环境监测中心办公室主任王奕奕介绍，水质监测分析是一个复杂的过程，添加何种化学试剂、试剂要放多少、何时能进行下一步等，都需要专业人士“操刀”。人工智能实验室，打破了对人的依赖 ，实验室结合仿人眼感知等先进技术，让“生产线”具备了人的观察力和灵活度，即便无人指导，也能自主判断进行检测。不仅提升了检测速度，也减少了人工检测可能引起的误差。原本好几个人干一天的工作，现在1套系统就能完成，而且可以实现大批量检测。“智能监测不但速度快，还有可追溯优点。人工监测样品，如遇到什么问题，回想经过的细节，往往会不那么准确。人工智能实验室在样品保存、数据质控、数据异常等关键环节留痕，实现分析结果可追溯，十分精准 。”王奕奕说。杭州“生态环境监测AI人工智能实验室”在实验阶段已“小试牛刀” 。王奕奕介绍说，去年11月，在分析三墩港一个水样的高锰酸盐指数指标时，发现样品的平行样数据偏差较大。按照以往的做法，需要人脑回忆实验步骤寻找可能出现的问题。而智能实验室的分析系统有视频记录功能，很快精准锁定了问题。今年1月，在监测钱塘江某点位水样时，发现氨氮指标数据超过水质类别标准，智能系统立刻预警提醒，第一时间按规定对水样进行了复核。如果采用人工分析，由于样品的数量多、工作量大，就很难在第一时间发现样品异常情况。打造智能监测杭州样本杭州水质监测智能化，最近已入选国家试点项目。2月18日，生态环境部印发《生态环境智慧监测创新应用试点工作方案》，其中杭州“生态环境监测AI人工智能实验室试点”和另一个高科技项目“杭州生态环境监测无代码技术应用试点”两个项目同时入选全国试点。这个方案根据技术应用先进程度、应用场景丰富程度、人工参与程度等分为六级（L0-L5），重点提升“支撑服务保障、智慧监测基础、服务群众”三方面能力。杭州入选的两大项目均列为最高级别L5，属于全国首创。“生态环境监测AI人工智能实验室试点”对标生态环境监测数字化改革的要求，以国家相关监测分析方法标准为依据，建设全流程自动监测分析系统，实现样品从任务下达到样品前处理、测试、数据分析报送的全流程、全方位、全自动监测。试点项目重点围绕提升智慧监测基础能力，推动新型监测技术应用落地等方面，通过生态环境监测业务全过程智能化、数据高效存储分析利用实践等方面创新突破，力争实现“杭州试点，全国推广”，为全面提升生态环境保护和监测水平做出贡献。“我们力争通过一至两年时间的试点，成功打造国内领先的第四代水质环境监测智能化系统，为全国探索出一个数字化智慧监测的‘杭州样本’。” 浙江省杭州生态环境监测中心主任陈健松说。

p 　　3月，法国总统马克龙公布法国人工智能发展战略，计划斥资15亿欧元，采取多项措施使法国成为人工智能强国. /p p 　　4月，英国议会发布《英国人工智能发展的计划、能力与方向》报告，认为英国有能力成为人工智能技术的领先者。同月底，欧盟委员会提交题为《欧盟人工智能》的报告，描述了欧盟在国际人工智能竞争中的地位，制定了欧盟人工智能行动计划，提出发展目标。 /p p 　　5月，美国白宫召开人工智能科技峰会，宣布组建人工智能特别委员会。此外，美国高度重视人工智能在国防中的应用。 /p p 　　6月，美国防部宣布成立联合人工智能中心(JAIC)，加速军用智能技术开发。 /p p 　　9月，美国防部高级研究计划局(DARPA)宣称，未来5年将投资20亿美元开发新一代人工智能技术。 /p p 　　2019年2月11日美国总统川普签署一份行政令，启动“美国人工智能倡议”，旨在从国家战略层面调动更多联邦资金和资源用于人工智能研发，以应对来自“战略竞争者和外国对手”的挑战，确保美国在该领域的领先地位。这是美国政府首次推出国家层面的人工智能促进计划。 /p

p 　　如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。 /p p 　　 strong 概念与历程 /strong /p p 　　了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能(Artificial Intelligence，简称AI)”这一概念，标志着人工智能学科的诞生。 /p p 　　人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听(语音识别、机器翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会思考(人机对弈、定理证明等)、会学习(机器学习、知识表示等)、会行动(机器人、自动驾驶汽车等)。 /p p 　　人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段： /p p 　　一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。 /p p 　　二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空(例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等)，使人工智能的发展走入低谷。 /p p 　　三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。 /p p 　　四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。 /p p 　　五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司(简称IBM)深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。 /p p 　　六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。 /p p 　　 strong 现状与影响 /strong /p p 　　对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。 /p p 　　专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务(比如下围棋)的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗(AlphaGo)在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。 /p p 　　通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。 /p p 　　人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段 全球知名风投调研机构CB Insights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。 /p p 　　创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。 /p p 　　人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。 /p p 　　 strong 趋势与展望 /strong /p p 　　经过60多年的发展，人工智能在算法、算力(计算能力)和算料(数据)等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢? /p p 　　从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯· 哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。 /p p 　　从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。 /p p 　　从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统(AutoML)试图通过自动创建机器学习系统降低人员成本。 /p p 　　人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。 /p p 　　人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40% 到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。 /p p 　　人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。 /p p 　　人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元 法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国 2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争 俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。 /p p 　　人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。 /p p 　　 strong 态势与思考 /strong /p p 　　当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。 /p p 　　高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。 /p p 　　态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。 /p p 　　差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司Compass Intelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。 /p p 　　前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。 /p p 　　当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。 /p p 　　树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。 /p p 　　重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。 /p p 　　构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等 “核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等 “高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等 “基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。 /p p 　　推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。 /p p br/ /p

p 　　2014年12月，霍金在接受BBC采访时，称全面发展的人工智能(AI)可能会成为人类的终结者，他主要担心的是那些达到或者超越人类的人工智能—它们会快速地发展和更新换代，但人类受制于缓慢的生物进化，无法与之抗衡，终将被取代。特斯拉创始人埃隆.马斯克也有过“发展人工智能就像是召唤魔鬼”的言论，他说：“就像所有神话中画着法阵、捧着圣水的邪恶巫师一样，每个巫师都声称自己可以控制恶魔，但是没有一个成功的。”这些听上去有些悲观主义的言论，恰恰是人工智能在近年来快速发展的佐证。 /p p 　　人工智能被认为是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能不仅仅是机器人，机器人只是其容器，机器人有时候是人形，有时候不是，但是人工智能自身只是机器人体内的电脑。人工智能是大脑的话，机器人就是身体，人工智能的概念很宽，我们可以按照实力将人工智能分为以下三大类(指三个层次更妥当)。 /p p 　　弱人工智能：擅长于单个方面的人工智能。比如有能战胜棋类世界冠军的人工智能，但它不会打麻将，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了& #8230 & #8230 ，我们已经进入人工智能时代，只是现在水平还比较低，甚至在弱人工智能中比较低级的阶段 。 /p p 　　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，比创造弱人工智能难得多，我们现在还做不到。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应该和人类一样得心应手。 /p p 　　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最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。 /p p 　　目前AI的发展毫无疑问处于弱人工智能发展阶段。在弱人工智能阶段，AI的发展也要被划分为三个阶段：技术驱动阶段、数据驱动阶段和场景驱动阶段。我们现在处于弱人工智能的早期阶段——技术驱动阶段。因此，从弱人工智能到强人工智能的发展之路任重而道远，一些学者指出，这段发展将经历三个阶段：第一个阶段是计算智能，能存会算，比如我们现在使用的个人计算机(比喻不妥) 第二个阶段是认知智能，能说会听、能看会认，比如苹果开发的Siri 第三个阶段也是最高阶段，是感知智能，它要求机器或系统能理解会思考，这是人工智能领域努力的目标。虽然，目前人工智能的发展进度可能看起来还比较缓慢，但是一次顿悟，也许就能永远改变进步的速度。就好像在人类还信奉地心说的时候，科学家没法计算宇宙的运作方式，但是日心说的发现让一切变得容易很多。 /p p 　　Trend Force旗下的拓墣产业研究所发布报告预测，2015年以企业为主的人工智能系统市场价值接近2亿美元，到2020年将达20亿美元以上，5年之间成长倍数高达10倍。因此，人工智能导入企业将于未来5年成为重心，制造业、软件业、资讯工程业、生物医疗科技、零售业、汽车产业等领域都将陆续导入人工智能技术。例如，由美国加州大学伯克利分校的Joshua Bloom教授创办的Wise.io公司，就是人工智能“进驻”工业领域的尝试。Wise.io的数据框架可以接受来自Hadoop、MongoDB 等各种数据源的数据，注入、创建多维度视图，机器学习算法调整视图中每个像素和其他像素的关系。举例来说，大部分企业都需要做大规模数据分析获得工业安全报告，目前如果靠人力完成，可能需要一个上百人的团队花接近半年的时间，而Wise.io的算法仅仅需要20分钟。在农业领域，美国的Blue River Technology是一家农业科技和农业自动化技术服务商，主打智能机器人系统优化农业经营方式，减少化学农药在粮食生产中的使用。其智能机器人系统能够根据机器学习功能自动识别农作物，比如确定幼苗间距是否过小，或是确认哪些杂草应该清除，这极大地帮助农民减少了在购买农药上的支出和人力的投入。 /p p 　　此外，有观点认为，随着人工智能越来越聪明，看起来越来越接近人类，拟人化会变得更加容易。美国未来学家雷.库兹韦尔说：“2045年左右，人工智能将来到一个‘奇点’，跨越这个临界点，人工智能将超越人类智慧，人们需要重新审视自己和机器的关系。”现在，在中国的大城市里，大量基于人工智能技术和大数据的应用软件的出现，正在塑造一个全新的工作形态，全职工作越来越少，短期工作和即时就业越来越多，我们面临着一个“更少工作的未来”。所以，人类在享受人工智能带来的经济增长和生活质量改善的同时，也应该关注自身机能的发展问题，机器将“进化”得越来越聪明，而一部分人将“退化”。 /p

从去年全国两会开始，“人工智能（AI）”就成为一个备受关注的热议话题，今年全国两会延续了这一热度。国务院总理李强日前在政府工作报告中多次提到人工智能，并提出开展“人工智能+”行动。对于“人工智能+”行动，接受《证券日报》记者采访的多位全国政协委员和人工智能相关企业普遍认为，“人工智能+场景创新”“人工智能+算力基础”“人工智能+法治建设”有望率先“动起来”。人工智能+场景创新推动大模型与数字化系统融为一体我国人工智能技术快速发展、数据和算力资源日益丰富、应用场景不断拓展，为开展人工智能场景创新奠定了坚实基础，当前人工智能技术已经在医疗保险、交通运输、智能制造、智能家居、教育等领域广泛运用。全国政协委员、上海移动总经理陈力对记者表示，要明确我国人工智能所要解决的技术、社会和经济发展等问题，在此基础上锚定我国人工智能的发展模式和方向。明确人工智能产业发展规划布局，集中资源投入上游基础层企业，解决中高端人工智能产品自主供应能力不足的问题。提升我国人工智能主管部门与其他部门的联动，自上而下地激发人工智能与各行各业的融合活力。全国政协委员、360集团创始人周鸿祎在接受《证券日报》记者采访时表示，中国发展人工智能大模型的一个重要方向是借助产业和场景的优势，将大模型与业务流程、产品功能相结合，寻求多场景应用、垂直化和产业化的落地。昆仑万维董事长兼CEO方汉向记者介绍，在交通物流行业，人工智能技术应用可以助力企业提升运输效率，降低全社会物流的成本；在文化旅游行业开发文化大模型，能够贯通各类文化机构的数据中心，充分挖掘文化数据的价值；在科技创新领域以科学数据支撑大模型的开发，可以更深入地挖掘各类科学数据和科技的文献应用。人工智能+算力基础建立全国一体化算力大市场从ChatGPT到Sora，从单模态到多模态，从单一智能到通用智能，人工智能大模型技术正在引领新一轮全球人工智能创新热潮，同时，大模型计算也带来了智能算力需求激增，随着“东数西算”工程推进，去年以来全国多地掀起了智算中心建设热潮。全国政协委员、天娱数科副总经理、山西数据流量生态园董事长贺晗在接受《证券日报》记者采访时表示，需要鼓励引导市场主体建设区域级、行业级、企业级等多层次智算聚合服务平台、算力并网平台，广泛汇聚多方算力资源，整合闲置算力，特别是各地政府主导建设智算资源，实现多地算力资源的共享和最优利用，减少投资浪费，增加有效供给。贺晗提出，健全算力调度标准规范体系，为算力资源供给方提供能力自查参考，同时为算力需求方提供算力调度能力使用参考，引导新建算力资源按统一标准建设及接入。全国政协委员、中国信息通信研究院院长余晓晖对记者说，要发挥全国超大规模市场优势，利用互联网发展成功经验，以算力先互联、再成网、构建大市场为主线，基于统一标识符实现多样性算力互联感知，通过弹性网络能力和标准化架构接口实现业务和数据流动互通，进而打造智能感知、高速弹性、安全绿色、先进普惠的算力互联网。人工智能+法治建设确保人类“守法”、机器“守德”去年7月份发布的《生成式人工智能服务管理办法》，促进生成式人工智能健康发展和规范应用；去年10月份发布的《全球人工智能治理倡议》，围绕人工智能发展、安全和治理三个方面系统阐述了人工智能治理的中国方案。全国政协委员、陕西省高级人民法院副院长巩富文对《证券日报》记者表示，我们应当以《全球人工智能治理倡议》为指引，全面整合相关法律、法规，形成“中国特色”人工智能伦理指南，建立科技伦理审查及负面清单准入、分级分类管理、协同监管等制度，确保人类“守法”、机器“守德”。巩富文建议设立新型财产权——“人工智能生成物者权”，认定其权利主体为人工智能生成程序的使用人，不仅可以明确生成物法律地位和归属，推动其进入相关产业链、价值链，激励人工智能生成物的创作传播和产业投资，还可以为侵权责任认定打下良好基础，降低人工智能生成物对现有创作市场的冲击，以达到激励人工智能生成物的生产传播与公共领域保留相平衡的目的。全国政协委员、金杜律师事务所高级合伙人张毅对记者表示，应该尽快推进《人工智能法》的制定和出台，以《人工智能法》及配套的监管工具为核心，形成完整的人工智能技术法律体系。全国政协委员、南方科技大学副校长金李对记者表示，我们在消费过程中，逐渐从现金支付到手机二维码支付，再到人脸识别支付，科技让我们的生活变得更加便捷高效，但这背后也面临着身份信息泄露和隐私安全风险，在科技的便利性和隐私保护之间，需要法律与监管尺度进行平衡，人工智能等新一代信息技术的发展，带来更多新的商业模式和应用创新，相关法治建设也要与时俱进。

p 　　中国人工智能学会副理事长，中国科学院谭铁牛院士于2018年6月13日在第十九次中科院院士大会上发表了 《人工智能:天使还是魔鬼》的主题报告,深度解读了60多年来人工智能发展历史，人工智能的七大现状，发展趋势、展望和现有人工智能的局限性等，谭院士认为：“人工智能的春天刚刚到来”。　　 /p p 　　尊敬的各位院士、各位同仁，会场的各位同学以及各位网友大家好!今天非常荣幸有机会跟大家汇报一下我本人关于人工智能的一些粗浅想法。我报告的题目是《人工智能：天使还是魔鬼?》。 /p p 　　我想既不是耸人听闻也不是哗众取宠，因为人工智能在普遍被看好的同时，确实富有争议。对于人工智能提出争议的都不是等闲之辈，都是重量级人物。近些年不断上映的关于人工智能、机器智能的科幻大片，的确留给我们很多悬念和问题：人工智能到底是天使还是魔鬼?因为这些科幻大片里面，有些把人工智能塑造为暖男的大白，也有一些塑造成给我们带来恐慌的机器人。 /p p 　　我觉得要回答这个问题，有必要搞清楚人工智能的基本概念、以及人工智能目前能够做什么和不能做什么，还有未来发展走向。 /p p style=" text-align: left " 　　 strong 人工智能的基本概念和发展历程 /strong /p p 　　人工智能的概念和这个词Artificial Intelligence，是1956年在达特茅斯学院暑期研讨班上，一个叫约翰。麦卡锡的年轻人提出的，当时研讨班的主题就是怎么用机器模拟人的智能。当然人工智能相关研究并不是从1956年才开始，之前就有，只是人工智能的概念是那时候提出来的。 /p p 　　人工智能研究的主要目的就是探寻智能本质，研究出具有类人智能的智能机器，比如让机器或者计算机会听、会看、会说、会想、会决策，跟人一样。人工智能的概念提出到今天62年过去了，62年发展历程风风雨雨、曲曲折折，从起步时大家的兴奋、到后来提出了一些让人期待但不可实现的目标、接下来的反思，一直到互联网出现以后大数据的涌现，使得人工智能走上一个新的高潮。 /p p 　　62年的发展历程，我觉得留给我们很多的启示。特别是在今天，人工智能如日中天，火遍全球的当下，实事求是地设定科学目标显得尤为重要。1956年的研讨会有十个年轻人参加，其中一个很乐观，认为到2000年，也就是上世纪末的时候，人工智能有可能达到人的智能，这显然太乐观了。62年确实是一个曲折的发展过程，但是进步是有目共睹的，无论是在理论层面、关键技术还是具体应用。 /p p 　　 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/6eebfb71-c64f-4c6d-9fc1-6a40cf9990b0.jpg" title=" 01.jpg" alt=" 01.jpg" / /p p style=" text-align: center " 人工智能的发展现状　　 /p p strong 专用人工智能取得突破性进展 /strong /p p br/ /p p 　　谈到目前人工智能发展的现状，我首先要说的是专用人工智能取得突破性进展。专用人工智能就是让人工智能系统专门做一件事儿，比如下围棋，是面向特定领域或者单一任务的人工智能。它确实取得一些突破性进展，而且比人做的更好。我可以举很多这样的例子。 /p p 　　下围棋的AlphaGo大家很熟悉，Boston Dynamics的人形机器人可以跨过障碍物，还有四足机器人像狗一样跑得非常快，可以爬楼梯，一般老百姓看了这些确实会感到一种不安。 /p p 　　 /p p style=" text-align: center" img style=" " src=" https://img1.17img.cn/17img/images/201905/uepic/46d54e26-2228-4f44-9c16-afca30e84c80.jpg" title=" 02.jpg" / /p p style=" text-align: center" img style=" " src=" https://img1.17img.cn/17img/images/201905/uepic/cc1eb3b0-ea8e-4aee-8a9b-4f59b33be6f8.jpg" title=" 03.jpg" / /p p style=" text-align: center " strong Boston Dynamics的人形机器人和狗形机器人 /strong br/ /p p 　　还有自动化所唐明研究员他们做的机器鱼，谷歌最新的语音人机对话，还有科大讯飞的语音识别把维语和普通话的互译做的非常好。这几年“刷脸”也就是各种人脸识别非常火爆，我们国家可以说也是走在世界前列。我并不是说人脸识别不好，但确实有局限，比如双胞胎肯定不行。有的时候儿子跟老子也分不出来，比如非常相像的老布什和小布什。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/837fac73-ff32-4c97-99ab-853273630fb8.jpg" title=" 04.jpg" alt=" 04.jpg" / /p p 　　过去二十年我一直在研究虹膜识别，这是人工智能的一个特定领域。瞳孔和眼白之间的中间区域叫做虹膜区域，1936年眼科医生发现每个人虹膜上的花纹都不一样，一岁半以后定形终身不变。目前我们国家很多煤矿的矿工考勤就在大量使用这个技术。黑龙江的一个煤矿，最早他们找到我说能不能用指纹识别，后来发现指纹会脱皮，如果刷脸，上班没有问题，下班煤矿工人就不行了 而虹膜识别没有问题。现在国内很多煤矿都在用这个技术。特别让我高兴的是，两周以前中央电视台报道，虹膜识别可以用于寻找丢失儿童。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/d100f8c2-0aee-40de-bfa4-2776f204ee34.jpg" title=" 05.jpg" alt=" 05.jpg" / /p p 　　这也是一个人工智能能解决的问题：确定你看到的互联网照片有没有被篡改或者被修改。下图从左到右四组照片，相信各位无论是坐第一排还是后面都看不出来差别。我只告诉大家有一排是修改过的，相信大家用肉眼看不出来。这个特定问题人没有办法完成，而人工智能根据图像内容分析可以自动实现篡改检测。人工智能看到篡改部分是绿颜色的，那么第二排图像是修改过的。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/97eebbe0-e709-433b-8da8-684b5cc65c58.jpg" title=" 06.jpg" alt=" 06.jpg" / /p p 　　这有什么用途?讲一个我几年前的亲身经历。2015年有一天我收到一封信，里面有一张糟糕的照片，把别的男人的头换成我的头，要我一周之内给他寄二十万。我想这个人显然寄错人了，所以各位如果你们有一天也收到这样照片，我可以马上给你验证一下，如果假的我第一时间告诉你，真的我们好好商量怎么处理。特定领域人工智能的成功应用可以举很多例子，这只是挂一漏万。 br/ /p p 　　可以说，专用人工智能取得突破性进展，很大程度(特别是这几年)取决于统计学习或者机器学习的进步。特别是人工智能领域现在火爆的深度学习，尤其是人工智能的深度神经网络。深度学习其实一点都不神秘，只是借鉴了人的大脑在处理信息过程当中的层次化过程。因为深度学习的涌现，大家可以从曲线看到，用于图像分类的标识人工智能或者深度学习识别力已经低于人的错误率，也就是说识别力高于人。包括跟环境的交互，找出最好策略，这就是所谓强化学习。以及我们经常讲魔高一尺道高一丈，在博弈中学习，使得学习能力不断提高，这就是生成对抗学习。这是目前人工智能发展现状，专用人工智能取得突破性进展和人工智能特别火的重要原因就是深度学习、机器学习。 /p p 　　 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/7003474f-e841-4bd2-a942-e51bb2f388b4.jpg" title=" 07.jpg" alt=" 07.jpg" / /p p style=" text-align: center " strong 人工智能创新创业如火如荼　 /strong 　 /p p 　　另外一个值得一提的现状是，技术生态或者创新生态备受关注。科技巨头纷纷推出自己的开源系统、技术软件平台和硬件平台，原因是什么?他们没有忘记信息技术和信息产业发展的历史带给他们的启示。所以从传统的IT操作系统硬件，到现在移动互联网再到新时代的人工智能、IT，无论是谷歌也好、微软也好、百度也好、IBM也好，都要全面转向人工智能。人工智能创新创业如火如荼。 /p p 　　去年一年全球新成立的人工智能创业公司就有一千多家，人工智能领域获得的投资达150多亿美元，同比增长140%以上，确实是如火如荼。在应用方面，可以说“智能+”已经成为一种创新的范式，将各行各业渗透。当然有的是炒作，把传统的数据分析，贴上人工智能的标签。但是人工智能发展迅速是一个客观现状。 /p p 　　人工智能已经加速成为国家战略，我可以举很多这样的例子。过去几年，最早被大家熟悉的“德国工业4.0”，核心就是人工智能 到2018年5月10日，美国白宫组织AI研讨会，成立AI专门委员会，确保人工智能领域美国第一。 /p p 　　 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/29ad0fb4-634e-47d8-9441-0ea481a62792.jpg" title=" 08.jpg" alt=" 08.jpg" / /p p style=" text-align: center " strong 人工智能的社会影响 /strong /p p 　　人工智能对社会的影响得到了广泛关注。在美国，一些同仁一起签署了有关人工智能发展的阿西洛马23条原则，关注人工智能可能带来的社会影响，以及怎么规范人工智能研究和应用。但是我认为目前人工智能发展的另外一个客观现状是，人工智能领域的误解和炒作普遍存在，有的是有意的，有的是无意的。 /p p 　　比如时不时听到有人讲，人工智能系统将超越人的智能水平，我认为这是炒作。还有人工智能达到几岁小孩的水平，这也是炒作。某一个特定任务人工智能达到五岁小孩水平这可信，笼统讲人工智能或者人工智能达到三岁或者五岁小孩我认为是炒作。这些炒作有的是有意的，有的则是概念误解混淆造成的。比如经常有人把机器学习看成人工智能，但这只是人工智能其中一个研究方向 又把深度学习看成机器学习，但深度学习只是机器学习一种方法 或者把图像识别看成人工智能，这只是人工智能一个方向 或者把大数据看成人工智能、专家系统看成人工智能、机器人看成人工智能& #8230 & #8230 特别是把人工智能与人类智能或者机器人与人类看成零和博弈，你死我活，这些误解我认为是不存在，人和人工智能是可以互补的。 br/ /p p 　　 strong 人工智能仍处于起步阶段 /strong /p p 　　我前面跟各位的汇报是很多专用人工智能领域取得的突破性进展。经常有人误解，专用人工智能等于通用人工智能，如果有这样的误解很容易说现在人工智能不得了。什么是通用人工智能或者什么是通用智能系统?我们人的大脑就是一个通用智能系统。同样一个大脑，我学习以后可以下围棋也可以下象棋，能够举一反三、融会贯通、思考学习、规划决策，可以说一脑百用。目前的人工智能还有很多不能做的事，而有的事对人来说非常简单。 /p p 　　所以说人工智能总体发展水平仍然处于起步的阶段，美国的DARPA对人工智能现状也是这个观念。2015年我曾经用“四有四无”概括人工智能总体状况，三年以后我觉得还可以这样说。现在人工智能是有智能没有智慧，智慧是高级智能，有意识，有悟性，可以决策。人工智能有智商没有情商，科幻电影中跟人类谈情说爱的人工智能还差得很远。另外，人工智能会计算不会算计，一个词倒一个顺序，这个概念完全不一样。人工智能有专才没有通才，下围棋的阿尔法狗不一定会下象棋。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/1992be09-a808-4ee1-a19d-6ba1f06d21c2.jpg" title=" 09.jpg" alt=" 09.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　我举一个具体的例子，现在即使最先进的图象识别算法都无法识别出图像里那只斑点狗。语音翻译现在已经很好了，但大家看这简单的三句话：他吃食堂，他吃面条，他吃大碗。昨天晚上我特意上网用谷歌翻译这几句，翻译不出来，机器翻译把大碗、食堂“吃掉”了。我也试了一下，“那辆白车是黑车”和“能穿多少穿多少”，谷歌翻译也翻译不出来。 /p p style=" text-align: center " 　 img src=" https://img1.17img.cn/17img/images/201905/uepic/460e70fd-91f7-4e4f-aae6-59cb348e0584.jpg" title=" 10.jpg" alt=" 10.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　看到“欢迎新老师生前来就餐”的横标，相信人类理解起来没有歧义，但是人工智能算法就会有。人类看到这个横标不仅知其然还知其所以然，知道可能是新学期开始或者新食堂开张，但人工智能还做不到。对这个特定问题，它“知其然”都做不到或者至少有歧义。这些局限是因为人工智能还有很多瓶颈。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/81ae610b-85ac-43b9-ac94-d51ef9f4dc9b.jpg" title=" 11.jpg" alt=" 11.jpg" / /p p 　　　深度学习很火，但是很大程度上它是黑箱状况。我们还不能完全从数据上论证为什么那么有效，不能完全确保这个多层深层神经网络训练是收敛的，所以有数据瓶颈，深度学习要提供大量已经标注数据，还需要大量的人工 还有它不能举一反三、不能解释，“知其然不知其所以然”，与人类存在很大差距。正因为这些差距，人工智能未来发展还有巨大创新空间。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/95751365-341c-4fce-90c8-115ac26aeca5.jpg" title=" 12.jpg" alt=" 12.jpg" / /p p style=" text-align: center " strong 人工智能的春天刚刚开始 /strong /p p 　　可以说人工智能春天刚刚开始，我提出这一个观点是因为人类社会经历机械化、电气化、信息化的时代以后，正在向智能化社会迈进。人类进入智能化社会以后当然需要智能技术、人工智能支撑和引领。人工智能有望引领新一轮科技革命。世界著名科学家格特纳说人工智能是未来最具颠覆性的技术。具体讲有八个宏观发展趋势我认为值得关注： /p p 　　第一个是专用走向通用，这是必然的发展趋势。所以因此有人认为，通用智能被认为是人工智能皇冠上面的明珠，大家都很关心这个竞争焦点。 /p p 　　我注意到，美国军方也开始规划通用智能的研究。他们认为通用人工智能和自主武器，是显然优于现有人工智能技术体系发展方向。它只是朝通用人工智能迈了一小步。 /p p 　　第二个，为什么不认同机器人和人类或者人工智能与人类智能是零和博弈，因为人工智能另外一个重要发展趋势，是机器智能到人机混合智能。人类智能和人工智能各有所长，可以互补。所以人工智能一个非常重要的发展趋势，是From AI (Artificial Intelligence) to AI (Augmented Intelligence)，两个AI含义不一样。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/d2a5dd2d-9179-4064-8c7f-3ac7bbb5da14.jpg" title=" 13.jpg" alt=" 13.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　第三个趋势叫做从“人工+智能”到自主智能系统。为了让深度学习提高性能，需要大量已经标注好的数据。比如给人工智能一幅图像，告诉它图像中哪一块是人、哪一块是草地、哪一块是天空，都要人工标注好，非常费时费力。有人说目前的人工智能有多少智能，取决于辐射多少人工，这话不太精确但大体有这个含义。下一步发展趋势是怎样以极少人工来获得最大程度的智能，人类看书可以学习到知识，机器还做不到。人工采集和标注大样本训练数据，是这些年来深度学习取得成功的一个重要基础或者重要人工基础。所以有人开始试图创建自动机器学习算法，来降低AI的人工成本。 /p p 　　第四个是学科交叉将成为人工智能创新源泉。前面我提到深度学习现在很火爆，它只是借鉴了大脑的原理：信息分层，层次化处理。所以，跟脑科学交叉融合非常重要。实际上无论是《Nature》和《Science》都有这方面成果报道。比如《Nature》 发表了一个研究团队开发的一种能自主学习的人工突触，它能提高人工神经网络的学习速度。但大脑到底怎么处理外部视觉信息或者听觉信息的，很大程度还是一个黑箱，这就是脑科学面临的挑战。这两个学科的交叉有巨大创新空间。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/6bd155e7-eada-4fc9-9342-5e73a4067460.jpg" title=" 14.jpg" alt=" 14.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　第五个是一个明显的趋势，人工智能产业将蓬勃发展，国际上一个比较有名的咨询公司预测，2016到2025年人工智能的产业规模几乎直线上升 我们国家发展规划提出，2030年人工智能核心产业规模将超过1万亿，带动相关产业规模超过10万亿，这个产业是蓬勃发展的，前景显然是非常大的。 /p p 　　第六个大家很关注人工智能可能带来的社会问题和相关伦理问题，因此人工智能的法律法规一定会更加健全。联合国还专门成立了人工智能机器人中心这样的监察机构。前不久，欧盟25个国家签署人工智能合作宣言，共同面对人工智能在伦理法律方面挑战。我们学部也列了这方面的一个题目。 br/ /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201905/uepic/3e579b74-5541-4724-a28a-fbab0e826844.jpg" title=" 15.jpg" alt=" 15.jpg" style=" text-align: center max-width: 100% max-height: 100% " / /p p 　　欧洲25个国家签署《人工智能合作宣言》，共同面对人工智能在伦理、法律等方面的挑战 /p p 　　第七个，人工智能将成为更多国家的战略选择。一些国家已经把人工智能上升为国家战略，越来越多国家一定会做出同样举措。包括智利，加拿大，韩国等等。 br/ /p p 　　最后一条就是人工智能的教育会全面普及。教育部专门发布了高校人工智能的行动计划。国务院新的人工智能发展规划也指出，要支持开展形式多样的人工智能科普活动。美国科技委员会也有这样的内容。所以这是大家值得关注的另外一个方面。 /p p 　　对于人工智能的未来发展方向，我只是挂一漏万，以我个人粗浅认识觉得这八个方面值得关注。这里面既有科学研究层面，也有产业应用层面，也有国家战略和政策法规层面。所以在科学研究层面我觉得特别值得关注是：从专用到通用，从人工智能到人机融合、混合。然后是借鉴脑科学。 /p p 　　总结一下我今天的报告： /p p 　　第一，人工智能经过六十多年发展已经取得重大进展，但总体上还处于初级阶段。 /p p 　　第二，人工智能既具有巨大理论与技术创新空间，也具有广阔应用前景。相信你们也许在琢磨我没有明确回答题目中提出的问题，人工智能到底是天使还是魔鬼? /p p 　　下面就是我的答案：高科技本身没有天使和魔鬼之分，人工智能也是如此，这一把双刃剑是天使还是魔鬼取决于人类自身。人工智能在天使手里是天使，在魔鬼手里就是魔鬼。因此我们有必要未雨绸缪形成合力，确保人工智能正面效应，确保人工智能造福于人类。谢谢大家。 /p

仪器信息网讯 为推动生物医学及相关研究领域持续向前发展，加强学术交流，由中国物理学会光散射专业委员会主办，上海交通大学、武汉大学、上海师范大学和华中农业大学联合承办的第三届全国生物医学拉曼光谱学术会议于3月29日在上海召开。会议期间，近60位报告嘉宾在线分享，内容涵盖了拉曼光谱与单细胞分析、人工智能与拉曼光谱、拉曼光谱与生化传感分析、拉曼与生物医学其他相关、拉曼相关显微技术及生物成像、拉曼光谱与疾病诊断、等离激元纳米结构与新型SERS基底等相关内容。29日下午，会议安排了人工智能与拉曼光谱、拉曼光谱与生化传感分析两个主题，14位报告嘉宾现场分享。特别值得一提的是，“人工智能与拉曼光谱”成为本次会议的热议话题之一，吸引了各位专家、学者和厂商交流成果经验，引发热烈讨论。“人工智能”（Artificial intelligence, AI）自1956年正式命名，经过数十年的发展过程中，已经渗透到各个学科领域，成为引领科技发展的重要力量，并已在各行各业得到了广泛的应用。特别是近年来，国家对人工智能越来越重视，2024年政府工作报告指出，“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”；不仅如此，国务院印发的《推动大规模设备更新和消费品以旧换新行动方案》中，也指出要建立激励和约束相结合的长效机制，加快淘汰落后产品设备，提升安全可靠水平，促进产业高端化、智能化、绿色化发展。那么当拉曼光谱携手人工智能，会碰撞出什么样的火花？又会给学科发展带来怎样的助力呢？厦门大学 任斌教授报告题目：《人工智能助力的拉曼光谱》厦门大学任斌教授在报告中介绍了课题组近年在利用人工智能方法提升拉曼光谱数据采集与分析能力方面所开展的研究。在数据采集阶段，他们提出一种学习仪器固有噪声的方法，以提高拉曼光谱的信噪比与时空分辨率。为了降低数据采集与训练成本，其课题组发展了只需输入单张谱图或者高光谱图像即可实现轻量去噪，无需额外准备训练集，使得深度学习的实时降噪成为可能。此外，为了提升拉曼光谱对复杂样本的识别能力，他们还发展了可同时提取光谱全局和局部特征的分类算法，能够实现对光谱细微差异的病原体囊泡的鉴定，为拉曼光谱用于快速诊断细菌感染奠定了基础。厦门大学 刘国坤教授报告题目：《人工智能+SERS快检》厦门大学刘国坤教授在报告中也分享了人工智能+SERS快检的相关工作。课题组开展了面向 SERS 快检的相关研究，提出了基于酸度系数的样品前处理方法。考虑到实际样品基质对目标分子的 SERS信号识别的严重干扰，他们提出了基于CNN 的深度学习算法。该方法与简单前处理方法结合，可以实现多种复杂基质中的痕量目标分子SERS信号的快速准确识别，检测灵敏度达到专家级用户水平，该工作将进有力推动 SERS快检实用化和智能化。中国科学院微生物研究所 傅钰研究员报告题目：《机器学习辅助拉曼光谱技术单细胞水平表征微生物》中国科学院微生物研究所傅钰研究员也在报告中谈到机器学习辅助拉曼光谱技术单细胞水平表征微生物方面开展的工作。他们通过逐一遮蔽光谱的理念建立了新型的微生物拉曼光谱特征峰提取算法(ORSFE)，可视化呈现了人工智能分析微生物拉曼光谱的关键位移峰，打破了人工智能鉴定过程的黑箱。中国科学院长春光学精密机械与物理研究所 李备研究员报告题目：《先进拉曼技术在生物医学领域的应用》中科院城市环境研究所 崔丽研究员报告题目：《基于单细胞拉曼的环境抗生素抗性及进化研究》中国科学院长春光学精密机械与物理研究所李备研究员在报告中也讲到基于人工智能与深度学习算法的拉曼光谱分析方法。中科院城市环境研究所崔丽研究员分享了该课题组发展的单细胞拉曼-统计算法连用新方法，以及拉曼结合深度学习高灵敏快速识别病原菌及囊泡等相关工作。除此以上报告之外，大会第一天下午还有多位报告嘉宾从不同角度分享了创新的工作，由武汉纺织大学沈爱国教授和中国科学院合肥物质科学研究院杨良保研究员分别主持。武汉纺织大学 沈爱国教授主持中国科学院合肥物质科学研究院 杨良保研究员主持华中农业大学 韩鹤友教授报告题目：《药物的纳米传递及其精准治疗应用》江南大学 谢云飞教授报告题目：《拉曼光谱在食品安全与质量控制中的应用》陕西师范大学 张正龙教授报告题目：《近场调控稀土发光》南京大学 龙亿涛教授报告题目：《纳米孔道限域增强的单分子测量》雅盖隆大学 Malgorzata Baranska教授报告题目：《SRS:Sensitive, Rapid and Specific Raman imaging of cells》吉林大学 徐抒平教授报告题目：《细胞膜蛋白相关的SERS分析技术》科研的进步，离不开仪器技术的助力。在下午的报告环节，多位仪器厂商的代表也在现场分享了最新的技术、仪器及解决方案。HORIBA中国 周磊博士报告题目：《守护美好生活-HORIBA生命科学解决方案》雷尼绍(上海)贸易有限公司 李兆芬报告题目：《雷尼绍拉曼光谱技术在生命科学领域最新进展》牛津仪器WITec 苏虹羊报告题目：《WITec高分辨快速拉曼成像赋能生医前沿科学研究》第一天的报告内容丰富多彩，各位报告嘉宾不仅给大家展示了最新的研究成果，更是从不同角度给大家提供了创新的科研思路。精彩还在继续，敬请期待……为了展现光谱产业化的最新成果，探讨人工智能对光谱新产业的影响，第十七届科学仪器发展年会（ACCSI2024，苏州，2024年4月17-19日）特别开设“人工智能赋能光谱仪器新产业”专题论坛。本次论坛将邀请行业知名专家及企业代表现场分享，欢迎各位领导、专家学者、用户、仪器企业管理及研发负责人、投融资机构代表等共聚一堂，为产业发展献计献策。本次论坛由中国仪器仪表学会近红外光谱分会、仪器信息网共同主办；会议时间：2024年4月19日 ；会议地点：苏州狮山国际会议中心。详细信息请查看ACCSI2024会议官网：https://www.instrument.com.cn/accsi/2024/index

p style=" text-indent: 2em " 当前，人工智能已成为引领未来的战略性技术。近日，《Nature》杂志对中国的人工智能发展现状进行了题为“ strong Will China lead the world in AI by 2030? /strong ”的报道。报道中提到，中国的人工智能研究质量越来越高，在高影响力论文、人才和治理方面都在追赶美国。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/fa58bc4c-a0cc-4632-a6a4-cef4a62834cb.jpg" title=" 2_副本.png" alt=" 2_副本.png" / /p p style=" text-indent: 2em " strong 2017年，中国发布了“下一代人工智能发展计划”，计划最终2030年成为人工智能领域的全球领导者，国内人工智能产业价值近1500亿美元，该计划的第一步是到2020年赶上美国的人工智能技术和应用 /strong 。这当中包括对基础研究做出重大贡献、成为全球最聪明人才青睐的目的地，以及拥有一个可与该领域全球领导者相匹敌的人工智能产业。这一计划的颁布，也刺激了众多政策的出台，以及来自部委、省级政府和私营企业的数十亿美元研发投资。 /p p style=" text-indent: 2em " 随着2020年的临近，研究人员注意到中国人工智能研究的质量出现了令人印象深刻的飞跃。而且中国留住本土人才的能力正在发生转变。Paulson Institute人工智能分析师Joy Dantong Ma表示：“如果美国失去开放优势，那么这个国家就有可能把人工智能人才重新推回到其他国家的怀抱“。 /p p style=" text-indent: 2em " strong 人工智能被视为“经济转型的关键推动力”，有望在医疗、交通和通信领域取得巨大突破 /strong ，而率先在该领域抢占先机的国家可能会决定其未来的发展方向，并从中获得最大的利益。 /p p style=" text-indent: 2em " “毫无疑问，中国将人工智能视为这个时代的关键技术之一，并希望与美国匹敌。”英国牛津大学人类未来研究所(Future of Humanity Institute)研究中国人工智能发展的Jeffrey Ding表示。 /p p style=" text-indent: 2em " span style=" color: rgb(84, 141, 212) " strong 学术影响力日益增强 /strong /span /p p style=" text-indent: 2em " 2019年，一项对学术搜索引擎-微软学术(Microsoft Academic)收录的人工智能论文的分析显示， strong 中国有影响力的人工智能研究论文的数量将很快超过美国 /strong 。这项由位于华盛顿西雅图的艾伦人工智能研究所(Allen Institute for Artificial Intelligence)进行的分析发现，在被引用最多的前10%的论文中，中国的作者比例稳步上升。其份额在2018年达到了26.5%的峰值，与美国的29%相差不远，而美国的份额正在下降。如果这一趋势持续下去，中国明年在这方面可能会超过美国。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/ba259647-2be8-4efc-b9d2-895749d2d120.jpg" title=" 3_副本.png" alt=" 3_副本.png" / /p p style=" text-indent: 2em " span style=" color: rgb(84, 141, 212) " strong 算法软肋如何破？ /strong /span /p p style=" text-indent: 2em " 西安交通大学人工智能与机器人研究所所长郑南宁表示，中国在计算机视觉、语音识别和自然语言处理方面也拥有世界领先的公司，包括SenseTime、Unisound、科大讯飞和Face++。但在打造人工智能的核心技术工具方面，中国仍然落后。例如，由美国学者和企业开发的开源平台TensorFlow和Caffe，就在世界各地的工业和学术界得到了广泛的应用。作为中国百度公司开发的主要开源平台之一，paddleblade主要用于人工智能产品的快速开发。 /p p style=" text-indent: 2em " 但他同时也指出，全球领先的人工智能半导体芯片大多由英伟达(Nvidia)、英特尔(Intel)、苹果(Apple)、谷歌和高级微设备(Advanced Micro Devices)等美国公司制造。我们在设计支持先进人工智能系统的计算芯片方面也缺乏专业知识。据他预测， strong 中国可能需要5-10年的时间才能达到美国和英国在基础理论和算法方面的创新水平 /strong strong ， /strong strong 但这是可以实现的 /strong 。 /p p style=" text-indent: 2em " 柏林智库墨卡托中国研究所(Mercator Institute for China Studies)政治学家Kristin Shi-Kupfer表示，为这些基本理论和技术做出贡献，将是中国实现其长期人工智能目标的关键。如果在机器学习方面没有取得真正突破的研究进展，中国在人工智能领域可能会面临一个增长上限。 /p p style=" text-indent: 2em " 纽约研究公司CB Insights的数据显示， strong 中国至少还有10家估值超过10亿美元的私营人工智能初创企业 /strong ，其中包括人脸识别公司SenseTime。Ding表示，腾讯、百度和阿里巴巴这三家核心科技公司日益增长的市场份额，中国到2020年拥有全球领先的人工智能公司的计划有望实现。但他也指出:“这些公司已成为人工智能领域的全球领导者，但仍未达到谷歌和微软(Microsoft)等美国公司的水平。” /p p style=" text-indent: 2em " span style=" color: rgb(84, 141, 212) " strong 留住人才是关键 /strong /span /p p style=" text-indent: 2em " 同样重要的一个因素是留住有才华的研究人员的能力，而中国在这方面似乎做的更好。根据学术界和工业界联合撰写的2018年《中国人工智能发展报告》(2018 China AI Development Report)，截至2017年底，中国拥有全球第二大人工智能科学家和工程师群体，约1.82万人，仅次于美国的约2.9万人。但在顶尖人工智能研究人员的数量上，中国仅排在第六位。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/147cfc3c-7670-4fba-a28f-6773180a3da4.jpg" title=" 4_副本.png" alt=" 4_副本.png" / /p p style=" text-indent: 2em " 计算机科学家通常在美国接受培训，然后留在那里为全球科技公司工作。然而，有迹象表明，这一情况正在发生转变。 strong 中国的人工智能研究机构正吸引其中一些研究人员回国 /strong 。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201908/uepic/1c4687c4-cd54-496d-9105-e414582d2e46.jpg" title=" 5_副本.png" alt=" 5_副本.png" / /p p style=" text-indent: 2em " 中国的一大优势是其人口规模，这为训练人工智能系统创造了巨大的潜在劳动力和独特的机会，包括用于训练预测疾病的软件的大型患者数据集。今年2月，中国研究人员表示， strong 他们的自然语言处理系统能够从电子健康记录中诊断出常见的儿童疾病，其准确性堪比经验丰富的儿科医生 /strong 。 /p p style=" text-indent: 2em " 具体来说，广州市妇女儿童医疗中心夏慧敏教授、加州大学圣地亚哥分校张康教授等领衔的团队与人工智能公司依图科技合作，报告了一种人工智能疾病诊断系统，该系统使用基于机器学习的自然语言处理技术，在50多种常见儿童疾病中的诊断准确度高达90%，这远高于初级儿科医生。此外值得注意的是，该项研究收集了2016年1月~2017年7月该院56.7万名患者的136万次门诊电子病历。在许多其他国家，获取这么多数据是很困难的。 /p p style=" text-indent: 2em " strong span style=" color: rgb(84, 141, 212) " 发展负责任的人工智能 /span /strong /p p style=" text-indent: 2em " 为促进新一代人工智能健康发展，需要更好协调发展与治理的关系，确保人工智能安全可靠可控。与许多国家一样，中国已经开始为人类开发和使用人工智能制定伦理原则。今年6月，国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则——发展负责任的人工智能》， strong 提出了人工智能治理的框架和行动指南，明确提出和谐友好、公平公正、包容共享、尊重隐私、安全可控、共担责任、开放协作、敏捷治理等八项原则。 /strong /p p style=" text-indent: 2em " 此外，所有群体都面临的一个关键挑战是算法决策的透明度。但这方面没有达成一致的标准，因此，中国和许多国家一样，仍在研究如何推进这一进程。Ma说，欧盟的《通用数据保护条例》(General Data Protection Regulation)是良好的人工智能治理的一个例子。 /p p style=" text-indent: 2em " strong 2030年，中国能否成为人工智能的世界领导者？一切交给时间 /strong 。 /p p br/ /p

最近，在科技圈最火爆的话题莫过于Sora的问世。作为首款文生视频模型，它能根据简单的文本指令生成一段视频影像，且细节丰富、画面真实。“这意味着人工智能已经在一定程度上理解了人类物理世界运行的规律，如果未来人工智能能够理解环境系统的物理规律，我们可以更好地解决环境问题。”清华大学环境学院副院长、生态环境人工智能研究中心主任、碳中和讲席教授徐明告诉中国环境报记者。人工智能应用的三个层次：资料库、助手、伙伴目前，人工智能，尤其是判断式的人工智能已经在生态环境领域有了相对广泛应用。徐明介绍，“判断式的人工智能也可以看作弱人工智能，例如通过机器学习形成的专用模型，能够对环境材料进行判断和预测。”比如，在大气污染方面，利用人工智能判断异常情况及预测未来污染的发展趋势；在固废管理方面，可以辅助进行垃圾分拣分类；在生物多样性保护方面，可以用于监测野生动物的栖息地和迁徙路径。“但是，强人工智能（生成式人工智能）在环境领域尚未普及，在其他行业也基本是同样的情况。”徐明解释，未来强人工智能不仅能实现将现实世界平移到虚拟世界，或许还能实现真正的世界模型功能，拥有和现实世界相同的动态运行规律。从弱人工智能到强人工智能，人工智能的应用具体可以分为几个层次？徐明给出的答案是三个。首先，第一个层次是问答式信息获取，类似于ChatGPT。徐明团队开发的天工AI Chat工具可以实现此项功能，通过提问可以获取专业的生态环境领域的知识。协助处理日常工作的事务，是人工智能应用的第二个层次。人工智能可以在某个领域帮助完成简单的日常工作任务，解放人力，减少时间成本。第三个层次便是自主理解并管理工作，人工智能可以自主理解和解决涉及若干个步骤的所有复杂事件。“当人工智能发展到第三层次时，它将会理解庞杂的环境系统，针对已经发生或可能发生的环境问题提出解决方案，对我们建设美丽世界发挥着关键作用。”徐明说。随着层级的不断提高，人工智能扮演的“角色”也从“资料库”向“助手”转变，直到成为和人类并肩作战的“伙伴”。在生态环境保护领域，人工智能也将是一股强大力量，为保护地球提供全新的可能性。人工智能在环境领域的发展：机遇与挑战并存不久前，国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会。会议强调，要推动中央企业在人工智能领域实现更好发展、发挥更大作用。会议的召开也体现了人工智能是进一步推进高质量发展的未来趋势。那么，目前来看人工智能在生态环境领域还有哪些潜在应用？徐明介绍，“比如，成为产品绿色设计、环境管理、绿色供应链管理等业务助手；再比如建立环境管理虚拟实验室，进行难以在大尺度实地进行的实验等。”总的来看，人工智能在生态环境保护领域的应用前景广阔，它可以帮助提高工作的准确性，提升管理效率，但同时也不能忽视其中潜在的挑战和问题。“人工智能对生态环境领域知识的总结和梳理需要大量的数据资料，包括学术文章、教材书籍、统计公报以及专利信息，甚至具体到企业的环评报告等，如何筛选出高质量的资料用以人工智能的训练学习，是目前需要完成的事情。”徐明表示，随之而来的还有数据隐私和安全问题，对于不同级别的数据资料进行合理的分类及管理也是需要解决的问题之一。

对育种家而言，田间植物性状检测的数据整理和分析一直是个难题！国外有些仪器虽然可以满足需求，但高昂的价格令人望而却步。现在不一样了！我们国产仪器也有了新突破！匹配国内育种需求的功能与服务、加持人工智能等高科技的产品、物超所值的性价比，让我们的育种工作变得高效且从容！ 浙江托普云农研发生产的作物智能考种分析系统、根系分析系统、玉米活体抗倒伏穗高一体仪、玉米株高测量仪等系列产品是国内育种仪器中的新生力量，田间检测智能操作，数据自动记录传输，云储存，云处理，有备份，更安全！ 5月9日19点整，我们将为您带来详细的产品直播和互动解答！欢迎到我们的直播间详细了解！ 5.9 19:00 我们不见不散！

p 　　20 世纪医学的最大进步是器官移植和微创外科的兴起。21 世纪将是在分子生物学突破基础上精准医学的成熟及人工智能(artificial intelligence)渗透到医学的各个领域。近 5 年来，“人工智能+”应用于医疗研究已经成为现代科技的热点。美国的五大顶尖医院如梅奥、克里夫兰等都开始与人工智能公司合作，希望成为人工智能医疗应用领域的中心，对疾病进行探测、诊断、治疗和管理。 /p p 　　 strong 1 人工智能在医学影像识别方面的应用 /strong /p p 　　医学影像是疾病诊断的主要路径之一,2016 年美国加州大学的 Gulshan 等团队在《JAMA》杂志上首次报道了人工智能从 10 万余幅视网膜眼底照片中诊断糖尿病视网膜病变，与 54 位有美国医生执照的眼科医师及高年资住院医师相比较，其敏感性及特异性均高于人工判断。2017 年 Golden在《JAMA》杂志发表了人工智能通过深度学习，可以迅速地阅读病理照片，从而诊断乳腺癌是否有淋巴结转移，尽管还不能完全代替病理学家，但大大提高了诊断速度，减轻了病理学家的负担，提高了效果。英国曼切斯特大学 Enshaei 等对 668 例卵巢癌患者进行分析，认为人工智能优于常规的统计方法及人工神经网络计算的方法，可以更好地分析出患者的预后及影响预后的因子。 /p p 　　2017 年 11 月 24 日，一场人类和人工智能之间的对战在成都举行，代表人类出战的是 463 名超声医生，代表人工智能出战的是名为“安克侦”的甲状腺肿瘤超声辅助侦测软件。双方比赛谁能更准确地读出甲状腺超声图像。来自全国各地的 300 余位超声专家、学者见证了这次人机大战。最终，这个名为“安克侦”的人工智能与医生们打成了平手，但其实在效率上，人工智能已经超过了医生。最近，人工智能已经在肺结节、乳腺癌、冠状动脉斑块、皮肤癌、眼底病、病理等领域取得了诸多成果。 /p p 　　 strong 2 人工智能在临床医疗智能决策方面的应用 /strong /p p 　　诊断决策支持系统(clinical decision support system)是设计用来辅助医生在诊断时进行决策的支持系统，这种主动的知识系统通过对病患至少两种以上的数据进行分析，为医生给出诊断建议，医生再结合自己的专业进行判断，从而使诊断更快、更精准。Viz.AI 的 ContaCT 是 FDA 批准的第一个针对中风的人工智能诊断决策支持系统。2017 年 7 月，FDA 批准了 Cardiolog Technologies 的心电图分析平台，该技术是一项基于云计算的心脏监测分析网络服务，旨在帮助医生使用长期动态心电图监测记录来筛查心房颤动和其他心律失常的症状。 /p p 　　2018 年 2 月 21 日，FDA 宣布了 Cognoa 的同名 APP 获得认证，这也是第一款针对儿童自闭症的人工智能诊断决策支持系统。美国 IDx 公司近日宣布，FDA 已加快对其人工智能诊断决策支持产品 IDx-DR 的审查进程，预计很快就将通过认证。这个人工智能系统致力于预测糖尿病视网膜病变，这是导致糖尿病患者失明的主要原因。 /p p 　　在癌症领域顶尖的美国纪念斯隆· 凯特琳肿瘤中心(MSKCC)和人工智能领域顶尖的 IBM 相结合，便诞生了沃森肿瘤解决方案—这个由 IBM 研发的人工智能经过纪念斯隆· 凯特琳肿瘤中心的专家历时 4 年半训练而成，它汲取了 3 469 本医学专著、248 000 篇论文、69 种治疗方案、61 540 次实验数据和 106 000 份临床报告，同时还吸收了美国国立综合癌症网发布的临床指南，可为包括胃癌、肺癌、直肠癌、结肠癌、乳腺癌、宫颈癌等提供决策支持。 /p p 　　雅森与北京宣武医院、北京大学人民医院和协和医院合作研发的脑功能多模态人工智能产品问世，其通过对核磁共振、PET、SPECT、脑电等数据的分析，可以应用于阿尔兹海默症、癫痫、帕金森等各类脑功能疾病的量化分析、诊断和预测。截至 2017 年 10 月，此系统已经在全国超过 30 家大型三甲医院落地部署，累计完成病例分析超过 7 000 余例，在各类病种上平均准确率超过 84%。 /p p 　　中山大学与西安电子科技大学的研究小组合作，开发了一种能诊断先天性白内障的人工智能程序 CC-Cruiser，利用深度学习算法，预测疾病的严重程度，并提出治疗决策建议。 /p p 　　 strong 3 人工智能在医疗智能语音方面的应用 /strong /p p 　　美国 Bohannon2015 年在《Science》发表文章，首次报道了使用人机对话进行心理疾病的咨询和治疗取得成功，他通过人工智能的深度学习代替心理医师对心理障碍的患者进行疏导和治疗，由于许多患者顾虑自己的隐私而不愿意对医师敞开心扉，因而更愿意和机器对话，因此具有更大的应用价值。 /p p 　　 strong 4 人工智能在“互联网+”医疗的应用 /strong /p p 　　微医是一个智能医疗服务平台，为用户提供预约挂号、在线咨询、远程会诊、电子处方、慢病管理、健康消费、全科专科诊疗等线上线下结合的健康医疗服务。近期，微医发布了面向中医的人工智能辅助诊治系统—悬壶台，目前该平台已覆盖 11 个市、300 家中医院、累计开方超 160 万张，已成为中国应用最广的“智能中医大脑”。 /p p 　　 strong 5 展望 /strong /p p 　　现在的人工智能尚处于弱人工智能时代，并不具备沟通的功能，因此，现在的人工智能更多地应用在类似图像识别辅助分析这样的不需要与患者进行深入沟通的领域，其他领域的发展仍然需要人工智能技术的继续完善。未来，人工智能将在医疗领域发挥重要作用，将改变医疗手段甚至医疗模式，并将推动医学发展，重塑医疗产业，同时也必将对部分医生的未来产生影响。相信人工智能将给未来医疗技术带来深刻的变化，是未来医学创新和改革的强大动力。 /p