人工刺槐林

1956年，在西北这片广阔的黄土大地上第一所致力于土壤侵蚀过程与模拟、水土保持与生态修复、旱地农业与水土资源高效利用的研究，解决水土保持与生态建设中的重大科学技术问题的科研机构拔地而起-中国科学院水利部水土保持研究所。 水土保持研究所水土保持研究所安塞水土保持综合试验站 今天有幸邀请王兵副站长，进行专访。 王兵博士，副研究员，博士生、硕士生导师，现任中国科学院中国生态系统研究网络安塞水土保持综合试验站副站长，科技部国家生态系统观测研究网络安塞水土保持综合试验站副站长，《水土保持通报》第六届编委、中国水土保持学会土壤侵蚀专业委员会第一届常务委员。长期坚守野外试验，主要从事植被恢复与土壤侵蚀机理研究，在植被恢复水土流失响应机制、土壤质量、土壤分离过程水动力学机理、土地利用对土壤分离过程的影响等方面，具有丰富的研究经验和科研积累，掌握国内外该领域的研究动态及发展趋势，对黄土高原植被恢复状况、土壤侵蚀现状和存在问题均有详细的了解。主持国家重点研发计划专题、国家自然科学基金、省部级课题等13项，参与课题5项，发表论文45篇，获得陕西省青年科技新星（2016）、中国水土保持学会青年科技奖（2016）等。 Q：王站长，您好，请问您一直都从事防旱相关工作么？答：水土保持与植被恢复。 插叙提起安塞，很多人首先想到的是气势磅礴的安塞腰鼓。中国科学院、西北农林科技大学安塞水土保持综合试验站（下文简称：安塞站）就坐落在这里。在陕西省，曾经有过很多与安塞站发展模式类似的野外试验站，但坚持发展下来，并进入国家野外台站序列的只有两个，安塞站便是其一。安塞站始建于1973年，现为中国科学院中国生态系统研究网络（CERN）站、科技部国家野外科学观测研究站、水利部国家水土保持科技示范园、教育部与水利部全国中小学生水土保持教育社会实践基地、西北农林科技大学野外科研教学基地。 Q：您应该算是安塞站的元老了，不知道有没有什么故事可以与我们分享？答：我是2007年来到安塞站。在这里，我完成了自己的博士论文。之后，在北京师范大学地理学博士后科研流动站继续自己的科研工作。这会儿其实对于我来说有很多选择，但最终我还是选择了回到安塞站。因为我觉得还是对这里有着深厚的感情，所以才愿意回到这里。我的科研是从这开始的，所以我还想在这继续做下去。“厚重朴实、协力攻关、求实创新、无私奉献”的黄土精神已成为一种“血脉传承”， 黄土精神是整个水保所的精神，是一代代水保人的精神，但这种精神应该说起源于安塞站，成长于安塞站，因此更成为安塞站的精神支柱。”刺槐林补植灌木实验千里黄河一壶收——李朴芳 稀树大草原——王百群 Q：在日常的科研工作中，有没有令您印象深刻的事？答：2011年7月-8月，我们在安塞站山地试验场进行原位放水冲刷试验，以探讨植被恢复近地表特征对土壤侵蚀过程的影响。安塞这个地方夏天太阳很毒，我们在草地上作试验，没有遮阴的地方，很容易中暑。为了赶进度，我们住在山上的工具房，清晨5点开始试验，上午11点返回，下午5点开始整理试验样品至晚上11点，期间自己想办法做饭，持续了45天，现在想着都觉得累。付出——王颖 取样——郭小谋路——徐炳成 Q：冒昧地问一下，您觉从事这一行苦不苦？答：不辛苦，我们每个人都贡献自己的一点点力量，才能换来今天的绿色青山。 时装秀——朱兆龙时装秀2——朱兆龙希望——史新合 Q：可以跟我们分享一下您的心得体会么？答：努力工作，保持一颗纯朴的科研之心。 专注——许明祥 温室的阳光——严翔 大学生夏令营 Q：对于生活在水资源丰富地区的人们，您想对大家说的话？答：我们站所在地区降水量多年平均505mm，水土流失严重是当地的主要生态环境问题。我们更应在植被改造、荒漠监测方面多下功夫。消失的黑土——郭胜利 退耕显效——刘普灵 为了实现“人类和地球的健康”之愿望，岛津制作所自1875年在京都创业以来，秉承创业者的先驱精神，在这个公司宗旨的指导下，拓展事业145年载。 其中分析计测仪器和产业机械产品被广泛用于各个领域，通过客户的事业，向社会提供放心和便利的帮助。中国科学院水利部水土保持研究所的科研工作者们，经常使用LC-2030、LC-30A进行水土保持的相关研究。 在日常科研工作中，岛津仪器的支持大量样品的分析；模块化 LC : 扩展性好，覆盖所有LC分析；一体机 LC : 操作方便，适用于例行分析等特点，也为水土保持的相关研究注入了一份力量。 实验室的岛津仪器 注：本文中摄影素材均为中国科学院水利部水土保持研究所科研人员拍摄作品。 路并不平坦，但我们始终不畏挫折，不断挑战地走过来了。让我们成为遇到困难勇敢面对，攻克一个又一个难关、在行业领跑世界的存在，让我们成为能够向客户事业和研究提供解决方案的存在。 为了实现人们的愿望，为社会做出贡献。岛津会继续挑战前行。

1 摘要陆地生态系统中土壤温室气体排放或吸收过程极其复杂。实现多种土壤温室气体的同步原位监测已成为土壤温室气体研究人员的迫切需求。基于此，北京理加联合科技有限公司（以下简称理加）研发了土壤呼吸系列产品。其中PS-9000便携式土壤碳通量自动测量系统（以下简称“PS-9000”）用于测量土壤CO2通量，LGR UGGA+PS-3000便携式土壤呼吸系统（以下简称“PS-3000”）用于测量土壤CO2和CH4通量，LGR MGGA+PS-3010超便携CH4/ CO2土壤呼吸系统（以下简称“PS-3010”）用于测量土壤CO2和CH4通量，PS-3020便携式土壤呼吸系统（以下简称“PS-3020”）用于测量土壤N2O/CH4或N2O/CO通量。SF-9000多通道土壤碳通量自动测量系统（以下简称“SF-9000”）可连接多达18个呼吸室，多点测量土壤CO2通量，实现土壤碳通量的连续长期监测。SF-3500多通道土壤气体通量自动测量系统（以下简称“SF-3500”旧型号：SF-3000）可以连接多种气体分析仪来测量CO2，CH4，N2O，NH3和其他气体通量，也可以连接同位素分析仪来测量13CO2，12C18O16O，15N14NO同位素值。SF-3500可以收集多达18个呼吸室的连续数据集，以表征研究区域气体交换的时空变化。2 应用案例2.1 PS-9000中国科学院沈阳应用生态研究所，利用PS-9000测量果树园土壤CO2排放。2.2 PS-30001. 中国科学院大气物理研究所，在长白山森林生态系统的应用。2. 海南大学，在热带雨林的应用2.3 PS-3010中国科学院成都山地灾害与环境研究所，利用ABB LGR MGGA+LICA PS-3010监测海拔约4600 m的青藏高原五道梁土壤CO2和CH4排放。2.4 PS-3020上海市环境科学研究院，在崇明水稻田进行便携式N2O/CH4通量测量。2.5 SF-9000中国科学院西北高原生物研究所，在海北站高寒草地进行研究。2.6 SF-3000ABB LGR 分析仪+SF-3000可在不同生态系统中使用：森林、草地、湿地、沙漠和农业生态系统。也可在不同环境条件下使用：高海拔地区或低海拔地区、高温地区或低温地区、高湿地区或干旱地区。在国内有许多的应用案例：1 青藏高原（若尔盖草原），海拔超过3300 m。中国科学院地理科学与资源研究所。利用N2O/CO+UGGA+SF-3000长期监测土壤CO2，CH4， N2O，CO，H2O通量。2 内蒙古草原生态系统。北京师范大学。利用UGGA+SF-3000长期监测草地土壤CO2，CH4和H2O通量。3 天山（沙漠生态系统）。中国科学院新疆生态与地理研究所。利用CCIA+ SF-3000长期监测沙漠生态系统土壤CO2，δ13C，δ18O，H2O。4 长白山（森林生态系统），海拔超过2000 m，冬季寒冷。利用CCIA+ SF-3000长期监测森林生态系统土壤CO2，δ13C，δ18O，H2O。5 清原森林生态系统观测研究站。中国科学院沈阳应用生态研究所。SF-3000土壤通量系统用于清远林业站NOx的长期监测。6 青藏高原（湿地生态系统）。中国林业科学研究院湿地研究所。利用UGGA+ SF-3000监测青藏高原湿地生态系统的土壤CO2和CH4通量。7 云南哀牢山（森林生态系统）。中国科学院西双版纳热带植物园。利用CCIA+UGGA+SF-3000长期监测CO2, δ13C, δ18O, CH4, H2O。8 兰州市农田生态系统。兰州大学。利用N2O分析仪+SF-3000监测苜蓿地土壤的N2O通量。3 应用文章从研发生产至今，已经有许多科学家利用理加的土壤呼吸系列产品进行了诸多研究。例如，中国林科院湿地研究所湿地与气候变化团队以四川若尔盖高原泥炭地为研究对象，依托模拟极端干旱的野外控制实验平台，通过原位观测和室内试验相结合，利用PS-9000研究了若尔盖高原泥炭地生态系统碳排放（生态系统呼吸和土壤呼吸）对植物生长季不同时期极端干旱事件的响应，并揭示了植物和土壤酶活性对泥炭地碳排放变化的驱动机理；一组研究人员在青藏高原风火山利用PS-3000测量了两个生长季节（2017年和2018年）不同坡向（北向（阴坡）和南向（阳坡））和不同海拔的生态系统呼吸（Re）和CH4通量，旨在阐明其Re和CH4通量模式并量化生物和非生物因子调节Re和CH4通量的相对贡献；来自中国科学院地理科学和资源研究所的研究团队利用SF-3500研究了青藏高原高寒草甸CO2、CH4和N2O通量及其总平衡对3个增温水平的响应（环境、+1.5℃、+3.0℃），以理解（a）CO2与CH4和N2O通量对增温响应的差异，（b）年GHG通量对不同增温水平的短期敏感性以及（c）生长季和非生长季GHG通量对增温响应的差异。4 小结理加公司专注国产生态仪器的研发和生产，相信随着加大研发的投入和市场及时间的积累，理加公司一定会生产出更多、更好的生态仪器，给更多的国内外客户提供更有价值的产品。理加将继续努力以全新的面貌迎接更多的挑战和机遇，以更大的热情服务新老客户，为科研人员的科研事业保驾护航。5 Published Literature1.Yan ZQ, Kang EZ, Zhang KR et al. 2021. Plant and Soil Enzyme Activities Regulate CO2 Efflux in Alpine Peatlands After 5 Years of Simulated Extreme Drought[J]. Frontiers in Plant Science, 12: 756956. (PS-9000)2.Li Y, Wang GW, Bing HJ et al. 2021. Watershed scale patterns and controlling factors of ecosystem respiration and methane fluxes in a Tibetan alpine grassland[J]. Agricultural and Forest Meteorology, https://doi.org/10.1016/j.agrformet.2021.108451. (PS-3000)3.Rong YP, Ma L, Johnson DA. 2015. Methane uptake by four land-use types in the agro-pastoral region of northern China[J]. Atmospheric Environment, 116: 12-21. (SF-3000)4.Rong YP, Ma L, Johnson DA et al. 2015. Soil respiration patterns for four major land-use types of the agro-pastoral region of northern China[J]. Agriculture, Ecosystems and Environment, 213: 142-150. (SF-3000)5.Pan ZL, Johnson DA, Wei ZJ et al. 2016. Non-growing season soil CO2 efflux patterns in five land-use types in northern China[J]. Atmospheric Environment, 144: 160-167. (SF-3000)6.Pan ZL, Wei ZJ, Ma L et al. 2016. Effects of various stocking rates on grassland soil respiration during the non-growing season[J]. Acta Ecologica Sinica, 36: 411-416. (SF-3000)7.Ma L, Zhong MY, Zhu YH et al. 2018. Annual methane budgets of sheep grazing systems were regulated by grazing intensities in the temperate continental steppe: A two-year case study[J]. Atmospheric Environment, 174: 66-75. (SF-3000)8.Su CX, Zhu WX, Kang RH et al. 2021. Interannual and seasonal variabilities in soil NO fluxes from a rainfed maize field in the Northeast China[J]. Environmental Pollution, 286, 117312. (SF-3000)9.Yang L, Zhang QL, Ma ZT et al. 2021. Seasonal variations in temperature sensitivity of soil respiration in a larch forest in the Northern Daxing’an Mountains in Northeast China[J]. Journal of Forestry Research, 3. (SF-3000)10.Jia Z, Li P, Wu YT et al. 2020. Deepened snow cover alters biotic and abiotic controls on nitrogen loss during non-growing season in temperate grasslands[J]. Biolog11.Wang JS, Quan Q, Chen WN et al. 2021. Increased CO2 emissions surpass reductions of non-CO2 emissions more under higher experimental warming in an alpine meadow[J]. Science of the Total Environment, https://doi.org/10.1016/j.scitotenv.2020.144559. (SF-3500)12.庄静静, 张劲松, 孟平等. 2015. 华北低山丘陵区土壤CH4通量对脉冲降雨的响应[J]. 东北林业大学学报, 43(10): 72-78. (SF-3000)13.庄静静, 张劲松, 孟平等. 2015. 华北低山丘陵区人工林土壤CH4通量测定代表性时段研究[J]. 生态环境学报, 24(11): 1791-1798. (SF-3000)14.刘博奇, 牟长城, 邢亚娟等. 2016. 小兴安岭典型温带森林土壤呼吸对强降雨的响应[J]. 北京林业大学学报, 38(4): 77-85. (SF-3000)15.庄静静, 张劲松, 孟平等. 2016. 非生长季刺槐林土壤CH4通量的变化特征及其影响因子[J]. 林业科学研究, 29(2):274-282. (SF-3000)16.何方杰, 韩辉邦, 马学谦等. 2019. 隆宝滩沼泽湿地不同区域的甲烷通量特征及影响因素[J]. 生态环境学报, 28(4): 803-811. (SF-3000)17.何可宜, 沈亚文, 冯继广等. 2021. 植物残体输入改变对樟子松人工林土壤呼吸及其温度敏感性的影响[J]. 北京大学学报(自然科学版), 57(2): 361-370. (PS-2000)

这支冰棍在常温放置24小时后,变成了一摊胶状物。 　　今年是济南30多年来入夏最早的一年,冷食跟着提前热销。但一支冰糕常温放置24小时后，竟成了一摊胶状物，让市民吃着有些担心。生产厂家称，这是一种新型果冻冰糕，不完全融化属于正常。专家指出，这可能是增稠剂添加过量所致。 　　7日，记者调查发现，越便宜的冰糕添加剂越多，有的多达十几种。业内人士透露，一些企业为了节省成本,找香料、增稠剂来“帮忙”调出好滋味。 　　市民质疑：冰糕化成胶状物,还能吃么? 　　“冰棍化成了一摊黏糊糊的胶状物,这是怎么回事?”家住省城闵子骞路附近的市民王先生说,6日天气很热,他就把刚买的冰棍放进啤酒里想给啤酒降温。令人意外的是,冰棍在啤酒中半小时后还没完全融化。王先生取出来一看,冰棍变成了一团软软的胶状物。 　　王先生看到包装纸上写着,这是一款水晶舌头果冻冰棍,上面添加剂有十余种:黄原胶、卡拉胶、魔芋胶、刺槐豆胶、柠檬酸、苹果酸、甜蜜素、安赛蜜、阿斯巴甜、糖精钠、食用荔枝香精等。“一支冰棍十几种添加剂,会不会超标?”王先生有些担心,原以为买这种白色冰棍,香精和色素会比较少,现在才发现添加剂并不比五颜六色的雪糕少。 　　记者将一支没有拆包装的舌头果冻冰棍放在常温下24小时,冰棍仍未完全融化,而是缩成一块黏糊糊的胶状物。摸着比果冻稍软,不易捏碎,闻起来香气很浓。随后,记者以消费者的身份咨询该冰糕的生产厂家。对方称,这是一种新型果冻冰糕,不能完全融化属于正常。冰糕虽采用老包装但符合新国标,应该不会有质量问题。至于那一摊胶状物,对方建议暂时不要食用。 　　市场调查：添加剂种类越多,冷食价格越低 　　7日,记者走访了省城大润发超市,不少市民正在购买冷食。记者随手查看了几盒雪糕,发现外包装上都标识了食品添加剂种类。 　　在一款水果口味的雪糕外包装上,标有柠檬酸、甜蜜素、卡拉胶等12种食品添加剂,而旁边一桶蒙牛巧克力口味的冰激凌,其乳化剂、色素、增稠剂等添加剂的数量有10种。记者发现,雪糕中食品添加剂数量的多少,和雪糕价格也有关系。售价三四元一盒的雪糕,食品添加剂数量大都在10种以上 二三十元一盒的雪糕,添加剂数量大都有五六种 而一盒售价27元的八喜雪糕,仅有5种添加剂。 　　对此,济南群康集团董事长、济南市食品工业协会常务副会长、冷食分会会长于宏昌指出,在冷饮中,国家允许使用的添加剂不到30种。因为结晶体不同,冰糕、雪糕、冰激凌也有各自的标准。其中,冰糕也就是冰棍,它的成分一般只有水、糖和添加剂,水的含量应是95%,添加剂不能超过总重量的5%。雪糕和冰激凌则对总干物投放量有要求,雪糕总干物为15%到25%,这里的总干物指奶、玉米淀粉、饴糖、蔗糖 冰激凌总干物含量为25%到40%,这里的总干物指奶或还原奶。 　　对于价格低廉的雪糕添加剂较多的现状,于宏昌指出,这是企业降低成本的表现。雪糕中如果添加水果、牛奶等,成本压力大。一些企业节省成本又想提升口味,就需要一些香料、增稠剂来“帮忙”。“所以,市民购买冰棍雪糕时,尽量不要购买过于鲜亮的。” 　　专家说法：添加剂叠加用量,没有具体标准 　　“冰糕融成一摊胶状物,应该是配方不合理,可能是食用胶添加过量所致。”于宏昌表示,正常情况下,冰糕中添加剂含量很少,不会出现这种情况,而雪糕、冰激凌更是只会化成水。 　　质监部门的工作人员表示,根据国家标准,黄原胶、卡拉胶、刺槐豆胶这种添加剂的使用量没有最高量,属于相对较安全的添加剂,食品企业可以根据需要适量添加。 　　对此,山东省轻工业学院食品与生物工程学院赵教授表示,根据该款冰棍外包装上的标识来看,执行的是SB/T10016标准,这是一个商业推荐性标准,但冰棍中的食品添加含量多少,必须要符合国家食品添加剂使用标准(GB2760_2011)。目前关于食品添加剂的标准仍不够具体详细,尽管每种食品添加剂都在规定含量内,但仍可能存在一些问题。比如,冰棍中同时添加了多种防腐剂、色素,“多种增稠剂的叠加含量就有可能超标了,但关于食品添加剂叠加含量应控制在多少,国家目前并没有具体的标准。” 　　搜狐健康补充阅读： 　　问题：我国食品添加剂到底有哪些? 　　解答： 　　目前我国食品添加剂目录中有1960多种添加剂，共有22类。分别是(1)防腐剂(2)抗氧化剂(3)发色剂(4)漂白剂(5)酸味剂(6)凝固剂(7)疏松剂(8)增稠剂(9)消泡剂(10)甜味剂(11)着色剂(12)乳化剂(13)品质改良剂(14)抗结剂(15)增味剂(16)酶制剂(17)被膜剂(18)发泡剂(19)保鲜剂(20)香料(21)营养强化剂(22)其他添加剂【阅读：详细解读日常食品添加剂的危害】 　　问题：食品增稠剂都有些什么? 　　解答： 　　由含有多糖类粘质物的植物和藻类制取，如淀粉、果胶、琼脂和海藻酸等，也有从蛋白质的动物原料制取，如明胶和酪蛋白等。少数是人工合成的，如聚丙烯酸钠。常用的增稠剂有淀粉、琼脂、明胶、藻蛋白酸钠、果胶、藻蛋白酸丙二酯、羧甲基纤维素及其盐类的各种变性淀粉(如酸处理淀粉、碱处理淀粉、漂白淀粉、氧化淀粉、乙酸酯化淀粉等)。植物胶类有阿拉伯树胶、瓜尔豆胶(guar gum)和黄原胶(xanthan gum)等。 　　问题：明胶是什么? 　　解答： 　　明胶其实是一种蛋白质，它是用动物的皮或骨头水解熬制而成。人们喜欢吃猪皮、凤爪，并传说吃胶原蛋白美容，明胶就是胶原蛋白煮后的产物，肉皮冻也是明胶的凝冻。只要是食用级明胶，就不用担心。被许多人当作"神奇保健品"的阿胶，只不过是选材和工艺上有所不同，跟明胶并无本质差异。 　　问题：哪些食物里可能会添加明胶? 　　解答： 　　一般而言，在食品加工中，明胶的使用量不大，主要作用有增稠、增加稳定性、成胶等。但是它的用途非常广泛，在主食，如酸辣粉、米线里 肉制品，如火腿肠、肉馅里 饮料，如酸性饮料、啤酒里 零食，如龟苓膏、老酸奶、冰激凌、棉花糖、橡皮糖里，都可能有它的身影。 　　问题：食品明胶会对健康有什么影响? 　　解答： 　　食品中的明胶是一种不完全蛋白质，人体对其的吸收利用率很低。而果冻和龟苓膏中的卡拉胶除了"白占"胃容量之外，更没有任何营养成分。因此，尤其儿童要少吃含食用胶的食品，它会影响其他营养食品的摄入，可能导致儿童营养不良。 　　问题：如果实在对食品中的明胶不放心，有没有远离明胶的办法呢? 　　解答： 　　四点能帮你远离明胶，1.不买皮冻、肉冻、水晶肠、灌汤包等食品。2.买酸奶不要追求浓稠或成冻，天然酸奶经过摇晃搅拌之后会变稀，比牛奶稠不了多少。3.少吃各种软糖、雪糕、冰激凌等产品。4.别买太便宜的产品。 　　问题：果冻中用的是卡拉胶和魔芋胶，我还听说有果胶，食物中常用的有哪些"胶"呢? 　　解答： 　　常用的水胶体，其实都是"天然产物"。它们有的来自海藻的提取物，比如琼脂和卡拉胶 有的来自橘子皮和苹果榨汁后的残渣，比如果胶 有的来自植物的种子，比如阿拉伯胶、瓜尔豆胶、槐豆胶 还有一些水胶体由微生物发酵得到，比如黄原胶。多数的水胶体是直接的提取物，只有很少数经过一定的加工，比如羧甲基纤维素(CMC)。广泛检验表明，它们对健康并没有危害。

新西兰制定鱼食及鱼饵的进口健康标准 　　新西兰近日发出G/SPS/N/NZL/425号通报，新西兰生物安全局对鱼食及鱼饵制定进口健康标准。内容主要涉及：规定了无论产地国或出口国在签发商品准许入境新西兰的生物安全检验许可证书前必须执行的过境或检疫期间动物卫生要求。在进口风险分析的基础上，制定了适用于所有产地国的鱼食及鱼饵的进口健康修订标准。 　　该标准的拟批准日期为2009年10月19日。 　　新西兰修订谷物等进口植物卫生要求 　　新西兰近日发出G/SPS/N/NZL/295/Add.1号通报，对用于消费、饲料或加工的谷物或种子的进口卫生标准进行了修订。内容涉及：(1)罂粟新计划。罂粟进口要求以前书面写在内部程序里，现在已纳入进口卫生标准,还没有明确的生物安全要求。罂粟种子进口商在进口前必须获得新西兰卫生部的书面批准。(2)修订小麦计划。明确将出口国对监管的真菌进行检测的选项纳入植物卫生要求和补充声明中。 　　该修订要求无须再征求意见。 　　新西兰对进口中国食用鲜洋葱头制定植物卫生风险草案 　　新西兰近日发出G/SPS/N/NZL/42号通报，新西兰农林部生物安全局对进口中国产食用洋葱头制订了植物卫生风险的风险分析草案。 　　该草案的拟批准日期为2009年8月。 　　美国修订瓶装水法规 　　美国近日发出G/SPS/N/USA/1869/Add.1号通报，美国FDA公布了一项最终法规,修订了FDA瓶装水法规，以保证按排泄物指标大肠埃希杆菌显示，瓶装水未受排泄物污染。新法规包含以下要求:(1)瓶装厂家每周对水源的大肠菌总数进行微生物检测 (2)如水源或成品瓶装水中发现任何大肠菌，瓶装厂家必须确定大肠菌生物体是否是大肠埃希杆菌(E.coli.) (3)含E.coli的水源的水质被认为是不安全、不卫生，将禁止用于瓶装水生产 (4)在瓶装厂家使用E.coli检验结果为阳性的水源之前,必须采取适当措施纠正或根除使用水源受E.coli污染的原因,必须保存对该措施的记录 (5)含E.coli的成品瓶装水将被认为掺假。 　　该最终法规已经公布。 　　加拿大制定多项农药最高残留限量标准 　　加拿大近日发出G/SPS/N/CAN/362、364、365、368、369、370/Add.1号多项通报，对农药咪唑菌酮、稀禾定、甲霜灵、吡虫啉、氟酮磺隆以及赛座灭分别制定了最高残留限量。 　　上述法规均已生效。 　　韩国制定食品标准规范修订案 　　韩国近日发出G/SPS/N/KOR/331号通报，韩国食品药物管理局拟修订食品标准规范，涉及产品包括食品仪器、容器及包装。主要内容：(1)规定苯甲酮用作印刷油墨成分的迁移限量及测试方法。 　　(2)加严以下成分的迁移标准:聚乙烯对苯二酸酯(PET)中的锑(Sb)、-烯-苯乙烯树脂、聚甲基丙烯酸酯(MS)及甲基丙烯酸甲酯-丙烯腈(acrylonitrile)-丁苯(butadiene-styrene)共聚合(MABS)异丁烯酸甲酯内的(Methylmethacrylate)及木材内二氧化硫、邻苯基苯酚(ortho-phenylphenol)、噻苯咪唑(thi?鄄abendazole)、联苯(biphenyl)及戴挫霉(i?鄄mazalil)。 　　另外，对纸或加工纸内多氯联苯(PCBs)的残留限量及测试方法提出更高要求。该修订案目前正在征求意见中。 　　韩国拟修订食品添加剂标准规范 　　韩国近日发出G/SPS/N/KOR/329号通报，韩国食品药物管理局拟修订食品添加剂标准规范，修订内容包括：强化重金属规范，或规范以下30种食品添加剂的成分:微晶纤维素、瓜尔胶、蛋黄素、刺槐豆胶、溶菌酶、万寿菊萃取物、蜂蜡、高岭土、纤维素粉、甜菜红、黄原胶、虫胶、环糊精、阿拉伯树胶、胭脂树萃取物、藻酸、液体石蜡、蔗糖酶、葛兰胶、巴西蜡棕蜡、焦糖色、卡拉牙胶、卡德兰凝胶、胭脂虫提取物、塔拉胶、鞣酸、浓缩微生物E(混合物)、浓缩生育醇(d-a-toco?鄄pherol)、黄蓍胶、辣椒油。 　　(1) 规定以下5种残留溶剂的规范:瓜尔胶、刺槐豆胶、黄原胶、环糊精、鞣酸。规定以下12种微生物标准:瓜尔胶、刺槐豆胶、溶菌酶、高岭土、黄原胶、环糊精、藻酸、蔗糖酶、葛兰胶、卡拉牙胶、卡德兰凝胶、黄蓍胶。 　　(2) 修订环糊精和浓缩d-生育酚(混合物)含量的规范。 　　该法规还规定了转基因食品添加剂的生产标准。修订了次氯酸水、环糊精及浓缩d-生育酚(混合物)的定义以及修订了烟熏味香料的使用标准。修订规范的拟批准日期待定。 　　韩国拟定修改食品添加剂标准规范 　　韩国近日发出G/SPS/N/KOR/333号通报，韩国食品药物管理局拟定修改食品添加剂标准，内容涉及：(1)加强重金属包括铅、镉、汞的规范、以及对30种食品添加剂的成分进行规范：稀释过氧苯甲酰、过氧化氢、果胶、葡萄皮萃取物、乙烷、红花油、红花黄色素、活性碳、酶催分解蛋黄素、葡甘露聚糖、皂树萃取物、印度树胶、番红花色素、叶红素、小烛石、叶绿素、甜蛋白、支链淀粉、达玛树脂、番茄红素、月桂酸、硬脂酸、棕榈酸、蓖麻油、肉豆蔻酸、油酸、癸酸、辛酸、尼生素、游霉素 (2)规定6项微生物标准: 葡甘露聚糖、印度树胶、甜蛋白、支链淀粉、尼生素、游霉素 (3)加强果胶溶剂残留规范 (4)制定活性碳内氰化合物的规范 (5)制定乙烷及活性碳内多环(或更高)芳香烃的规范。另外，还修订了食品添加剂法规一般测试方法内原子吸收光谱测定法及制定汞电感耦合等离子体原子发射光谱测定法。 　　该修订标准目前正在征求意见中。

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

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 　　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

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。

对许多人来说，简称DNA的脱氧核糖核酸并不陌生，它是携带生命遗传密码的重要载体。但如今，即便如此重要的载体也能被人工合成的物质替代了。 　　英国医学研究委员会分子生物学实验室等机构的研究人员在最新一期美国《科学》杂志上发表报告说，他们人工合成了一种名为XNA的物质，在许多关键功能上可替代DNA，这对研究生命起源乃至“人造生命”具有重大意义。 　　DNA拥有双螺旋结构，由两条反向平行的多核甘酸链相互缠绕形成。打个简单的比方，这就像衣服上的拉链，由两个链条组成，每个链条上有用于相互咬合的链齿和承载链齿的布条。在DNA的链条中，链齿是一些碱基，而承载它们的支架由糖类和磷酸分子组成。 　　据研究人员介绍，XNA也能像DNA一样存储遗传信息。由于它所用的“链齿”，也就是碱基，和DNA中的一样，因此XNA链条和DNA链条之间还可互相结合，实现遗传信息的传递。 　　在实验中，研究人员将一个DNA链条上的遗传信息传递到XNA上，随后再传回另一个DNA链条，遗传信息传递的准确度高达95%以上。此外，如果满足一些前提条件，部分XNA聚合物在试管中还能如DNA一样进化成不同形态。 　　报告的作者之一菲利普霍利格说，上述实验结果说明XNA已拥有DNA的两个关键功能——遗传和进化。 　　由于人造的XNA在分子构成上与DNA并不完全相同，这说明DNA不一定是携带生命遗传密码的唯一载体。有观点因此认为，地球上的生物之所以都采用了DNA来携带遗传信息，是因为地球生命起源之初，环境中相应种类的分子数量较丰富。而在宇宙中其他地方，也许存在遗传方式不相同的生命形式。 　　这项研究还被认为是在“人造生命”道路上迈出的重要一步，不过有专家认为，人类使用XNA来人工编制遗传信息并创造一种新生命，还有很长的路要走。

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

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。

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 　　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

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

p 　　国家新一代人工智能创新发展试验区(以下简称试验区)是依托地方开展人工智能技术示范、政策试验和社会实验，在推动人工智能创新发展方面先行先试、发挥引领带动作用的区域。根据科技部印发的《国家新一代人工智能创新发展试验区建设工作指引》，到2023年，我国将布局建设20个左右试验区，创新一批切实有效的政策工具，形成一批人工智能与经济社会发展深度融合的典型模式，积累一批可复制可推广的经验做法，打造一批具有重大引领带动作用的人工智能创新高地。 /p p 　　3月9日，科技部发布4份函，支持重庆、成都、西安、济南建设国家新一代人工智能创新发展试验区的函。去年，科技部曾发函支持北京、上海、天津、深圳、杭州及德清县、合肥建设试验区，如今这一队伍壮大至11个地区。 /p p 　　科技部的回函中针对性地点出了这几个地区的人工智能产业基础和希望着力发展的方向，也正是这些地方产业发展的机会所在： /p p 　　 strong 重庆:发挥人工智能在重庆市建设西部大开发战略支点和国家中心城市中的重要作用，有力推动成渝地区双城经济圈创新发展。 /strong 发挥产业链优势，提升人工智能对经济社会发展的支撑能力。充分发挥重庆在人工智能领域产业基础良好、应用场景丰富、基础设施健全等优势，加大人工智能研发部署力度，聚焦智能制造、智慧城市重点领域加强技术集成和应用示范。培育壮大人工智能硬件、机器人等产业，充分发挥人工智能在传统工业基地改造升级中的作用。开展智慧旅游、智慧物流、智慧交通、智慧生态保护应用示范，打造具有山城特色场景的智慧城市。 /p p 　　 strong 成都:充分发挥人工智能在推动成都产业转型升级和民生改善中的重要作用，有力推动成渝地区双城经济圈创新发展。 /strong 依托重大应用场景和科教资源，加强人工智能研发创新。充分发挥成都在人工智能领域应用场景多元、科教资源丰富等优势，加强人工智能基础研究和前沿技术研发，完善智能化基础设施，优化人工智能创新空间布局，在智能空管、普惠金融、智慧医疗等场景加强应用示范，培育以行业融合应用为引领的人工智能新业态新模式，推动构建开放型产业体系。 /p p 　　 strong 西安:发挥人工智能对西安高质量发展的支撑引领作用，有力促进“一带一路”建设。 /strong 充分利用科教优势，加强人工智能关键技术突破和应用。发挥西安在智能感知处理、智能交互等方面的研发基础和人才优势，强化人工智能基础前沿和关键核心技术研发，完善人工智能孵化服务体系，积极拓展应用场景，在先进制造、文创旅游、商贸物流等方面形成一批有效的行业解决方案，打造创新驱动发展的新引擎。 /p p 　　 strong 济南:发挥人工智能在推动济南市新旧动能转换中的重要作用，整合科技和产业资源，增强人工智能创新能力。 /strong 发挥济南人工智能应用场景丰富、算力基础和数据资源雄厚等优势，加强人工智能技术研发攻关，完善智能化基础设施，加大成果转移转化力度和产业集聚，推动人工智能在制造、农业、交通等重大场景中的创新应用，促进传统产业智能化转型升级，培育壮大新动能。 /p

晶状体如同人眼中的一个精密光学元件，可以让进入眼睛的光线投影并聚焦到视网膜上，形成清晰的影像，因此我们可以看到外部精彩的世界。晶状体的主要成份是蛋白质和水份，它会因为老化而出现雾化或混浊的情况，而雾化的晶体则会阻碍光线和影像投射到视网膜上。老年人常见眼疾白内障就是由于老化引起的，患者晶状体会变得浑浊，如同透过一层白色障碍物在看东西，极大影响到视力。而相关的药物治疗至今未取得突破性进展，人工晶体植入术是治疗白内障最有效的手段，即把已变得不透明的晶状体拿掉，换上人工晶状体，术后相当于给人眼重新更换了一个光学镜头，且手术安全有效。人工晶状体（Intraocular Lens）通常是由一个圆形光学部和周边的支撑袢组成，光学部的直径一般在 5.5～6 mm 左右，支撑袢的作用是固定人工晶体，可以是两个 C 型或 J 型的线状支撑袢，通常有硬质人工晶体、折叠人工晶体，单焦点/多焦点、黄色人工晶体等。 人工晶状体作为第三类医疗器械，透光率是必测指标。《YY 0290.2-2009眼光科学 人工晶状体 第2部分：光学性能及试验方法》规定了对于人工晶状体透光性能的要求，详见下表描述。标准要求每一型号的人工晶状体都应该给出在波长300nm-1100nm范围内对于光焦度为20D的人工晶状体的光谱透过率记录（例如记录在使用说明书或包装上）。 岛津基于标准《YY 0290.2-2009眼光科学 人工晶状体 第2部分：光学性能及试验方法》开发了透光孔径为φ3mm的人工晶状体测试附件，并针对多数人工晶状体特殊的支撑袢结构，设计了斜凹圆槽，人工晶状体装入后被准确固定在定位孔中。为了模拟晶状体在人眼中的实际状态，支架中可充入盐溶液代替房水，一般可采用0.9%NaCl的盐溶液。以下为对某品牌人工晶状体进行测试的结果。仪器配置如上图所示，即在岛津的紫外可见分光光度计UV-2600i上使用积分球附件，人工晶状体放置在样品侧的人工晶状体支架中，并预先充入盐溶液，同时在参比侧的支架中也注入盐溶液。为了考察测试重复性，对样品进行5次测量，每次测试需要拆开支架重新装样，以验证该人工晶状体支架对于样品定位的准确性。经过5次测试，可看到该支架具有优异的测试重复性。YY 0290.2-2009 标准要求“光谱透射比记录应表明人工晶状体在紫外线（UV） 部分的光谱被滤除，对于光焦度为20D的人工晶状体或同等物，以光谱透射比10%对应的波长作为UV截止波长时，该波长应不小于360nm”。当截止波长小于360nm，则说明人工晶状体不能有效阻挡紫外光。UV截止波长还可反映有害蓝光的透过情况，当小于360nm时，有害蓝光的透过率会变大，而过多的有害蓝光进入人眼视网膜中有可能会导致黄斑眼疾的发生。从上图测试结果得到此人工晶状体的UV截止波长为398nm，可满足行标的要求。 本文内容非商业广告，仅供专业人士参考。

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

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

全国两会召开前夕，全国政协委员、中国气象局局长郑国光接受记者专访时，否认中国的人工增雨(雪)会污染环境和既不安全又不划算的说法，称中国人工增雨(雪)投入产出比最高可达1∶50。 　　3月干旱可能性较大 　　谈到当前粮食主产区旱情时，郑国光指出，冷空气活动频繁，副热带高压异常偏弱，水汽难以输送到华北、黄淮，造成北方冬麦区长期干旱。 　　郑国光介绍，上周末降水偏南，安徽北部旱情缓解，河南、山东、山西大部旱情缓和，仅剩山东北部和华北中东部旱情持续。预计3月有弱降水，考虑到气温上升、蒸发加大，干旱持续可能性较大。 　　旱情不会影响夏粮产量 　　外界猜测，干旱持续，冬小麦长势会不会出问题?夏粮产量会不会受影响? 　　“我想给大家一颗‘定心丸’。”郑国光回应称，2月25日前冬麦区深层墒情尚好，2月25日—27日“喜雨”，表层墒情改善，干旱影响还不明显。通过监测，华北南部和西北东部及其以南地区土壤解冻，除河南中西部、山东中北部、安徽北部等墒情较差外，冬麦区其余大部解冻区墒情适宜。 　　增雨催化剂安全值得放心 　　不少人担心人工增雨(雪)会有“后遗症”，会污染环境，另外还有人称既不安全也不划算。 　　对于上述担心，郑国光强调，中国人工增雨(雪)主要采用干冰、液氮、碘化银等催化剂，具有很高的成冰能力。干冰、液氮汽化后成为二氧化碳和氮气，这些都是空气组成部分，不会造成污染。碘化银用量极小，也不会污染环境。因此，可以完全放心。 　　未来几月将继续增雨(雪) 　　郑国光说，我国人工增雨(雪)所用飞机大都租用，增雨火箭弹型号每枚价格为1200—2500元不等，每次每个火箭作业点一般使用3—15枚。据统计，我国人工影响天气的投入产出比为1∶30—1∶50。另外，通过加强管理和培训，增雨(雪)安全事故可能性降到最低。最后，郑国光透露，未来几月，气象部门将继续组织安排人工增雨(雪)。 　　■ 对话 　　“北京连续阴霾与增雪无关” 　　中国气象局官员称兔年年初增雪只有净化空气作用 　　针对北京年初的人工增雪问题，中国气象局人工影响天气中心副主任王广河称，2月连续4天出现阴霾，与人工增雪无关。 　　北京增雪效果约16% 　　记者：人工增雨(雪)需要什么条件? 　　王广河：人工增雨(雪)作业仅是锦上添花，做不到无中生有。所以，作业必须要有云和降水形成的天气条件，没有云无法作业。只有当天空有云，云里有小水滴或小雪晶时，人工增雨(雪)才能促使雪晶长大，并克服浮力成雪花降落。 　　记者：北京的增雪效果如何? 　　王广河：初步评估，2011年2月9—10日的降水过程中，北京降水总量逾3000万吨，人影作业增加降水量达500万吨，平均增雨(雪)效果约16%。 　　增雪可冲刷空气中污染物 　　记者：2月9日—13日，北京连续进行人工增雪作业。2月20日到23日，北京连续4天出现雾霾天气，有人怀疑这与人工增雪有关，他们认为增雪污染了空气。 　　王广河：人工增雨(雪)作业对空气只有净化作用，不会污染，因为降了雨雪，可以将污染物冲刷下来。 　　记者：增雨(雪)会否对人体和环境造成污染? 　　王广河：北京兔年初雪，人工增雪燃烧了1200多个碘化银烟条，每根烟条约含碘化银11克，共13公斤。此次作业区面积约1万平方公里，每平方公里仅有 1.3克，属微量，仪器都很难检测出来。因此，不存在长期或大量接触银的问题，不会对环境和人体造成伤害，这一点在一些国际和国内的监测数据均得到证实。 　　增雪对下游降水影响有限 　　记者：天气系统一般经过好多地方，人工增雨(雪)会不会导致上游抢下游水? 　　王广河：天气系统移动中不断有水汽补充，人工增雨(雪)增水量十分有限，因此对下游降水影响十分有限。而且，现在的人工增雨只会小范围影响雨水资源在空中的分布。目前还没有找到证据证明，大规模的人工增雨(雪)能大范围、跨区域影响天气。 　　■ 数据 　　飞机增雨(雪)163万平方公里 　　本报讯 (记者林文龙)昨天下午，中国气象局举行3月新闻发布会，通报了2010年10月1日至2011年2月28日我国北方冬麦区气象旱情，称共增雨(雪)4428次。 　　中国气象局应急减灾与公共服务司司长、新闻发言人陈振林介绍，从河北、山西、山东、河南、江苏和安徽6省的平均降水量等分析，此次干旱程度和范围列1961年以来历史同期第4位，是二十一世纪以来历史同期最严重气象干旱。 　　陈振林介绍，截至2月28日7时，气象部门共实施飞机人工增雨(雪)作业132架次，飞机累计飞行作业逾258小时，飞机累计作业飞行面积逾163万平方公里，作业4428次。其中，2月25至27日，增雨(雪)效果显著。

p 　　日前，“人工麝香研制及其产业化”项目获2015年度国家科学技术进步奖一等奖，这是我国第一个拥有自主知识产权的人工合成濒危动物药材替代品，它开创了濒危药材人工替代的先河，也带动了人工虎骨粉、体外培育牛黄等一系列濒危药材替代品的研发、推广。业内人士认为，人工麝香研制及产业化的成功是未来中药研发、中药现代化的重要方向之一。 /p p 　　 strong 保护中药濒危品种刻不容缓 /strong /p p 　　“传统中医药是国粹，也是优势产业”，而这一切都建立在丰富的药用资源基础上，如果没有了这些资源，中医药就成了无米之炊，中药发展无从谈起。由于生态系统改变，中国的许多物种已变成濒危物种和渐危物种。 /p p 　　统计显示，目前我国高等植物中濒危物种高达4000—5000种，占总数的15%—20%。在“濒危野生动植物种国际贸易公约”列出的640个世界性濒危物种中，中国有156种，约为其总数的四分之一，其中有不少为药用物种。因此，保护濒危药用动植物资源是大势所趋，也是中医药本身发展的需要。中医药发展必须改变靠直接利用资源换取低成本的生产方式，应采取措施合理利用和保护中药资源。 /p p 　　麝香是中药细料中不可或缺的品种，在我国已有2000多年应用历史。具有开窍醒神、活血通络、消肿止痛的功能，用于急救和治疗常见病、多发病及疑难杂症。2003年，我国将麝列为一级保护动物，严禁猎杀。麝香取于成年雄麝，麝香药源紧缺，伪劣掺假品充斥市场，严重影响了中成药质量和用药安全。 /p p 　　研发人工麝香刻不容缓。上世纪五十年代，我国开始麝香代用品的探索。1975年，原国家卫生部药政局主持该项目研发，前后历时将近20年。上海医药旗下上药药材副总经理李琦告诉科技日报记者，在“人工麝香”项目中，上药承担了原料海可素Ⅰ、Ⅱ的研制任务。科研人员查阅了大量的文献资料，经无数次试验，终于走通了工艺路线，拿出了一期和二期临床所需的全部样品。临床实验证明，人工麝香与天然麝香的作用基本一致。 /p p 　　经过北京、山东和上海三地研究单位共同努力，1994年原卫生部批准人工麝香为中药一类新药，并定为国家保密品种，“绝密”级管理。2006 年，科技部、国家保密局又将该品种定为机密级国家保密技术。为了解决原工艺的一些问题，提升质量、优化工艺，降低环保处置压力，“人工麝香关键组分合成及产业化研究”项目2014年在上市科委立项。 /p p 　　 strong 中药濒危药材都能人工替代吗? /strong /p p 　　人工麝香成为中药新药和珍稀动物药材替代品开发的成功样板。那么，其它取自濒危动物的药材比如虎骨、熊胆等是否能走人工麝香的研发道路? /p p 　　中国中西医结合学会副会长、华山医院王文健王文健教授告诉科技日报记者，能否研发替代产品，一是看该产品的重要性、稀缺性，二是要投入巨大人力物力。我国国家药典委员会专家也曾表示，以野生动植物为来源的中药应使用安全、疗效确切、质量可控、剂型合理、应用广泛。麝香不可或缺，我国的很多中药比如六神丸、安宫牛黄丸、麝香保心丸等都有麝香成分。 /p p 　　研发人工替代中药品种需要大量的人力财力。李琦强调，人工麝香的研发非常困难，时间长，投入大，项目由政府牵头，是多家药企合作的结果。 /p p 　　人工麝香的研发自1975年起，前后历时将近20年，由中国工程院院士于德泉领衔，中国医学科学院药物研究所、中国中药公司、山东宏济堂制药集团有限公司、上海市药材有限公司和北京联馨药业有限公司等单位共同合作完成。 /p p 　　人工替代濒危中药材研究需要巨大投入和很长的研究周期，人工麝香研究开创了先河，其后，我国人工体外培育牛黄等项目也取得了重要进展，“在继承中创新发展中药，我们将坚持遵循机理研究、临床研究相结合、工艺质量研究为基础的研究路径，加快培育中药大品种，快速提升市场竞争力，深入推动中药业务的现代化发展、跨越式发展。”李琦表示。 /p p 　　 strong 人工麝香研发成中药现代化典范 /strong /p p 　　王文建称，目前中药现代化主要有两个方向，一是青蒿素的研究路径，即提取中药的化学组份，建立药理动物模型证实其药理作用，将研究成果产业化 另一条道路即是中药天然产物的替代之路，这也是中药二次开发工作的一部分。人工麝香的研究即是第二种路径。 /p p 　　李琦也认为，人工麝香项目系统研究了天然麝香的主要化学成分，创制了天然麝香里有效成分的替代品，并将之规模化生产，是中药现代化的成功范本。 /p p 　　人工麝香问世后，产生了巨大的社会效益、经济效益和生态效益。统计显示，目前我国总计有760家企业生产销售含麝香的中成药433种，其中431种完全用人工麝香替代了天然麝香，人工麝香的替代率达到99%以上。 /p p 　　按含麝香中药品种估算，每年带动相关制药企业产生超过300亿元工业附加值，同时为解决人员就业，增加政府利税做出了重大贡献。人工麝香满足了公众对含麝香中成药、民族药等医疗用药的需求，保证了中华医药品种的传承，同时保护了野生麝资源，这对促进生态平衡，加强濒危稀缺中药资源的保护和可持续利用，提高在国际上动物保护方面的话语权及国际形象。 /p p 　　“中药现代化研究应以科学的数据和疗效为基础，以提升中药质量与疗效为目标，要不断提高药品质量与标准，有质量才有市场。”中华中医药学会的一位专家告诉记者，“目前是中药产业发展的大好时机”，阐明机理，把说不清楚的说清楚,中药产业应抓住机遇，瞄准国际市场，要引进国际资本，培养人才，解决中药产业的瓶颈，通过中药二次开发，带动中药产业转型升级。 /p p br/ /p

韩国科学技术研究院（KIST）神经形态工程中心研究团队宣布开发出一种能进行高度可靠神经形态计算的人工突触半导体器件，解决了神经形态半导体器件忆阻器长期存在的模拟突触特性、可塑性和信息保存方面的局限。研究成果近日发表在《自然通讯》杂志上。模仿人脑的神经拟态计算系统技术应运而生，克服了现有冯诺依曼计算方法功耗过大的局限。实现使用大脑信息传输方法的半导体器件需要一种能表达各种突触连接强度的高性能模拟人工突触装置。当神经元产生尖峰信号时，这种方法使用神经元之间传输的信号。KIST团队微调了活性电极离子的氧化还原特性，以解决阻碍现有神经形态半导体器件性能的小突触可塑性。研究团队在突触装置中掺杂和使用各种过渡金属，以控制活性电极离子的还原概率。研究发现，离子的高还原概率是开发高性能人工突触装置的关键变量。因此，研究团队将具有高离子还原概率的钛过渡金属引入现有的人工突触装置中。这保持了突触的模拟特性和生物大脑突触处的设备可塑性，大约是高电阻和低电阻之间差异的5倍。此外，他们开发了一种高性能的神经形态半导体，其效率大约提高了50倍。此外，由于掺杂钛过渡金属的高合金形成反应性，与现有的人工突触装置相比，信息保留率提高了63倍。此外，包括长期增强和长期抑郁的大脑功能可更精确地模拟。该团队使用开发的人工突触设备实现了人工神经网络学习模式，并尝试了人工智能图像识别学习。结果，与现有的人工突触装置相比，错误率降低了60%以上；此外，手写图像模式识别准确率提高了69%以上。研究团队通过这种改进的人工突触装置证实了高性能神经形态计算系统的可行性。

p style=" text-align: justify " & nbsp & nbsp 天然木材的独特取向孔道结构赋予其轻质高强的特点，有关仿木头结构的研究是国际上仿生材料研究领域的热点之一。然而，传统的仿木头结构材料是“徒有其型”，以往研究实现取向孔道结构的模仿，但其力学性能远不能令人满意。例如，目前开发的陶瓷基仿木头结构材料，密度高、强度低、缺陷多，且制备过程需要高温烧结（通常& gt 1500℃）。因此，如何制备真正具有轻质高强特点的仿木材结构材料是仿生材料研究领域面临的挑战。 /p p style=" text-align: justify " & nbsp & nbsp 近日，中国科学技术大学教授俞书宏带领的科研团队，发展了一种冰晶诱导自组装和热固化相结合的新技术，以传统的酚醛树脂和密胺树脂为基体材料，研制出一系列具有类似天然木材取向孔道结构的新型仿生人工木材。该系列仿生人工木材具有轻质高强、耐腐蚀和隔热防火等优点。8月10日，相关研究成果以Bioinspired polymeric woods为题，发表在《科学进展》上，Science杂志科学新闻以This synthetic wood is as strong as the real thing—and won’t catch fire为题，对该成果进行报道。论文的共同第一作者为博士后于志龙和硕士生杨宁。 /p p style=" text-align: justify " & nbsp & nbsp 研究人员研制的一系列树脂基仿生人工木材，具有类似天然木材的取向孔道结构，并且壁厚和孔尺寸具有很好的可调控性（图1）。这种方法可以复合多种纳米材料以制备多功能复合人工木材，而且简单高效，容易放大生产。这种取向孔道结构的人工木材具有突出的机械性能，压缩屈服强度优于已开发的多种仿木结构的陶瓷材料，且与天然木材性能相当（图2）。 /p p style=" text-align: justify " & nbsp & nbsp 与天然木材相比，仿生人工木材最大的优势在于其耐腐蚀性、隔热和防火性能。研究中，由于选用热固树脂材料作为基体材料，所制备的仿生人工木材具有很好的防水、耐酸腐蚀的特点，在水和硫酸溶液中浸泡30天，其力学强度均没有衰减。得益于其取向孔道结构和孔壁中复合的纳米材料，与石墨烯复合的人工木材具有很好的径向（垂直于孔道方向）隔热效果，最低热导率可达20.8 mW/mK（毫瓦每米每开尔文）。考虑到人工木材的高比强度（压缩强度/密度），这种人工木材比其他工程材料和气凝胶材料具有更好的实用性。 /p p style=" text-align: justify " & nbsp & nbsp 易燃性是天然木材在实际应用中面临的最大问题，而防火阻燃则是人工木材最大的优点，通过复合不同的纳米材料可以进一步提高其防火隔热性能。这种人工木材具有很好的防火性能，在火焰引燃后能够迅速自熄灭，这正是天然木材无法克服的缺点（图3）。 /p p style=" text-align: justify " & nbsp & nbsp 作为新型的仿生工程材料，其多功能性优于传统的工程材料，这类人工木材有望代替天然木材，实现在苛刻或极端条件下的应用。此外，这种合成方法为制备和加工一系列高性能仿生工程材料提供了新思路，其功能的可设计性等优点将有助于拓宽该方法和制备的材料在多种技术领域中的应用。 /p p style=" text-align: justify " & nbsp & nbsp 研究工作受到了国家自然科学基金委创新研究群体、国家自然科学基金重点项目、国家重大科学研究计划、中科院前沿科学重点研究项目、中科院纳米科学卓越创新中心、苏州纳米科技协同创新中心、合肥大科学中心卓越用户基金的资助。 /p p style=" text-align: center " img src=" http://img1.17img.cn/17img/images/201808/insimg/c895eb45-70cf-43ff-aab8-0ff33f62ec9c.jpg" title=" 1.jpg" / /p p 图1.人工木头的制备过程示意图。（A）树脂聚合物的混合溶液；（B）取向冷冻和干燥后具有取向孔道结构的聚合物干胶；（C）固化后的树脂基仿生木材；（D）酚醛树脂基（上）和密胺树脂基（下）仿生木材实物照片 /p p /p p style=" text-align: center " img src=" http://img1.17img.cn/17img/images/201808/insimg/bfab837c-f8d1-4bf4-9074-6c413ea1b18d.jpg" title=" 2.png" / /p p 图2.仿生人工木材的照片、结构和力学性能。（A）酚醛树脂基人工木材与微观结构；（B）密胺树脂基人工木材与微观结构；（C）人工木材的力学性能与其他工程材料对比图。 /p p /p p style=" text-align: center " img src=" http://img1.17img.cn/17img/images/201808/insimg/ae899219-4c1e-441d-8fb4-78eb4a0fd45c.jpg" title=" 3.jpg" / /p p 图3.人工木材的防火性能和巴尔杉木的易燃性对比。（a）CMF人工木材；（b）CPF人工木材；（c）CPF/GO复合木材；（d）巴尔杉木。 /p p br/ /p

傅里叶红外光谱仪测试样品时不可缺少的就是溴化钾光谱纯（碎晶/粉末），而在实验室做红外测样实验高消耗品之一的溴化钾光谱纯，再次恒创立达为各位大咖普及一下关于溴化钾KBr材料的相关知识。 KBr溴化钾人工晶体概念 我国晶体生长有着悠久的历史，早在春秋战国甚至更早的时期，就有煮海为盐、炼制丹药等晶体生长的时间活动，而同时，世界上随着炼金术的兴起与发展，人工晶体生长，特别是人工晶体气相生长在全世界都有发现。 进入二十世纪后，人工晶体生长才有飞跃式的发展，不仅体现在人工晶体生长理论、人工晶体生长技术上，而且，发现了一大批极有价值的新晶体，为科学进步和人类生活水平提高做出了巨大贡献。 人工晶体生长的水平主要表现在技艺和科学两个方面，其中，晶体生长技术在晶体的研究中占有极重要的地位。晶体是在物相转变的情况下形成的。 由于晶体可以从气相、液相和固相中生长，而不同的晶体材料又有不同的生长条件，加上应用对晶体的要求有时十分苛刻，这样就造成了晶体生长方法的多样性以及生长设备和技术的复杂性：从高真空到超高压，从低温到等离子体高温，从精密检测生长参数到微机自动监控生长过程，从高纯原料到超净环境......，晶体生长技术几乎动用了现代实验技术中一切重要手段，并长出了大量支撑现代科学技术发展的高品质晶体。 人工晶体生长，是物质在一定的热力学条件下相变成为晶体的过程。晶体生长多数是控制生长条件，使生长的原料从液态（熔体或溶液）转变为固态，成为单晶体。也有从气体状态生长晶体的方法。目前，已经发展出来诸如水溶液法、提拉法等许多不同的人工晶体生长方法和技术，用于不同性质的晶体的生长。 晶体生长是一个由小到大的过程，在一个合适的介质条件下，晶体生长有三个阶段：首先是介质达到过饱和，过冷却，或者融熔阶段，其次是成核，即晶核形成阶段，最终是晶体生长阶段。晶核是晶体的萌芽状态。下面是四溴化碳中添加红色燃料杂质后形成枝晶的过程。

p 　　据《新科学家》杂志网站近日报道，芬兰科学家利用受热会改变形状的橡胶材料研制出一种全新人工虹膜，能像人眼一样，无需外部控制即能自行对光线作出反应。发表在最新一期《先进材料》杂志上的这一最新成果，可用来改进相机拍照性能，并最终用于修复人眼受损部位或控制微型机器人对周围环境的应对能力。 /p p 　　在人和许多动物的眼睛内，瞳孔是光线进入眼球的入口，而虹膜能通过调节瞳孔大小控制进入眼睛的光线量。当光线太强时，虹膜会收缩以缩小瞳孔，保护敏感的视网膜 当光线较暗时，虹膜会张开让更多的光线进入眼睛。照相机就是使用了原理类似的人工虹膜，其内置光圈会通过外置传感器来感应外界光量，判断何时开启或关闭，在拍照时对光线进行调整。 /p p 　　芬兰坦佩雷理工大学科学家阿瑞· 普瑞玛基开发的这款全新人工虹膜，首次拥有对照射光线的自我调节能力，而无需植入光线传感器进行外部控制。他们选择了一种受热后会改变形状的液晶状橡胶材料，并用其制成直径14毫米的薄盘，从圆盘中间向接近圆盘外缘处径向切割12个花瓣。当处于黑暗环境下，花瓣会向外弯曲卷起，在圆盘中留下瞳孔状圆洞。 /p p 　　他们还向橡胶材料中加入了一种红色荧光染料，用蓝光或绿光照射时，荧光染料会变热，诱导花瓣卷曲回来并关闭“瞳孔”。“当用光照射时，人工虹膜会改变形状，这种自我调节能力还是首次出现，我们为此非常兴奋。”普瑞玛基说。 /p p 　　研究人员表示，现有治疗眼疾的人工虹膜都不能改变瞳孔的大小，只能帮助患者在白天看清物体，但在晚上或其他黑暗环境下仍然无法看清东西，新人工虹膜向攻克这些难题迈出了第一步。未来一旦实现对花瓣尺寸的更精确控制，就可植入人眼，还患者一个光明的世界。 /p p 　　 strong 总编辑圈点 /strong /p p 　　人眼真是一台精密至极的光学仪器。人类试图模拟它，但即使科技发展到今天，还是难以将它的功能完全实现。人工耳蜗，人工虹膜，人工心脏瓣膜……科研人员研发各种新材料，尝试用技术为人体做修补，在这条路上走得越来越成功。这次的人工虹膜，虽然还没有成熟到可以植入人眼的地步，但它首次拥有了自我调节能力，也给未来的眼疾患者带来希望。虽然它尚不具备人体虹膜的精巧，不过，若用于机器增加其视觉灵敏度，倒也是个不错的选择。 /p

p strong 　　李德毅 /strong /p p strong 　　中国工程院院士、中国人工智能学会理事长 /strong /p p 　　我们今天的科学家，尤其是计算机科学家，把‘计算’用得太狠了，对‘计算’的依赖甚至有些‘贪得无厌’了! /p p 　　人工智能学者不能只盯着计算认知，一味要求 人脑研究的步伐有多快，而要拿出更多的精力放在“记忆认知”和“交互认知”上。 /p p 　　关于自动驾驶，无论是对话、诗词或者驾驶，图灵测试都允许测试者现场介入，判定结果都带有近似性和主观性。但是，和对话、诗词测试相比，驾驶的图灵测试可以进行更为精确、更为客观的评测。 /p p 　　当初汽车被发明出来的时候，人们最感兴趣的是汽车的结构、机械、传动、轮胎、底盘和车身。到20世纪，人们感兴趣的则是发动机、碳排放和被动安全。到20世纪末、21世纪初，人们总体上关心3件事情，轻量化、清洁化、智能化。 /p p 　　智能化，有4个阶段，第一是理性辅助驾驶，以人驾为主 第二是自动驾驶，局部时段可以放开手和脚 第三是自动驾驶，即用自动驾驶接管驾驶权 第四是人机协同驾驶。 /p p 　　无人驾驶的重点，难在拟人。汽车是从马车演变而来，作为动力工具，汽车的马力可以达到100匹马力，但汽车远远不如马应对不同的负荷、天气、路面，以及不同车辆情况下的适应能力。说白了，汽车的感知、认知能力远远不如马这个认知主体，“老马识途，车不如马!” /p p 　　所以根本问题不在于车而在于人，要解决人的问题，就要让驾驶员的认知能够用机器人替代，让机器人具有记忆、决策和行为能力，于是新的概念产生了——“驾驶脑”。 /p p 　　“驾驶脑”不等于驾驶员脑，“驾驶脑”是要做驾驶员的智能代理，要去完成包括记忆认知、计算认知和交互认知在内的驾驶认知，他说，这应该是人工智能时代最有意义的课题之一。 /p p strong 　　蒲慕明 /strong /p p strong 　　中国科学院外籍院士、中国科学院神经科学研究所所长 /strong /p p 　　不管是国内还是国外，都是如此，不过随着研究手段不断丰富，研究领域不断突破，两者的交叉融合成为热点，甚至出现一个新的研究名词，类脑智能。美国、欧盟都相继启动相关研究计划，中国也启动了脑计划。但中国的计划是将脑科学和人工智能结合得最为紧密的。 /p p 　　比如，现在流行的深度学习，就是基于人工神经网络的一个应用，这些人工神经网络都可以从神经科学的一些规律中得到灵感。蒲慕明说，比如可以借鉴神经突触的可塑性、记忆储存、提取与消退，等等。 /p p 　　目前的脑科学研究能启发人工智能的并不是特别多。因为当前的脑科学研究，仅相当于物理、化学等学科在19世纪末期的研究水平，要完全理解大脑，可能是几个世纪的事情，而不是我们这个世纪就可以达到的。 /p p 　　对于类脑研究，必须要在这个时候做一些适当的应用，假如不把已经知道的知识应用到对脑疾病的诊断、干预和治疗上，那么到2050年我们的医疗系统很可能要面临崩溃——那时你会发现仍然没有一个脑疾病能够治愈。 /p p 　　对于人工智能的应用，不一定非要完全搞清楚，神经科学一些具有阶段性的成果，也可以给人工智能的发展提供启发。 /p p strong 　　谭铁牛 /strong /p p strong 　　中国科学院院士、中国科学院自动化研究所研究员 /strong /p p 　　“模式识别”是人类最重要的智能行为，也是人工智能重要的研究内容——机器的“模式识别”能力，在一定程度或者很大程度上反映了机器智能“类人”的程度。 /p p 　　比如语音识别，近些年突飞猛进的科大讯飞，能将维吾尔语翻译成汉语，汉语翻译成维吾尔语 再如步态识别，在看不到人脸、虹膜和指纹的时候，就能通过步态在几十米外感知到其身份。 /p p 　　此外，还有图像识别，其中具有代表性的人脸识别，早在几年前马云刷脸支付已经引爆舆论热点。图像识别不仅可以用在手机上，还可在查找丢失儿童上发挥作用。 /p p 　　关于模式识别的技术瓶颈，可通过借鉴生物的机理改进，未来生物启发的模式识别在人工智能领域前景可期。其最终追求，是希望模拟逼近人的模式识别，这是非常艰巨的过程。 /p p 　　目前，模式识别的主要瓶颈在于鲁棒性、自适应性和可泛化性。 /p p 　　关于鲁棒性，说白了，就是人工智能“够不够皮实”“是不是稍微有点扰动，就会出错”。比如在酒会上聊天，背景噪音比较多，如果想听清其中某一个人的声音，就要忽略或者抑制背景中其他对话的干扰——人类可以做到这一点，也就是听觉系统所谓的鸡尾酒效应，但人工智能可以吗? /p p 　　关于自适应性，则比较容易理解，人类的眼睛会随着灯光的变化、环境的变化进行调整，这说明自适应性非常强。这一点可以应用到人工智能上，比如人脸识别，有一位朋友十几年甚至几十年没见，再见面是否还能认出来?他说，现有的模式识别在这方面还不是很理想。 /p p 　　可泛化性，说白了就是“举一反三”。当小孩认识苹果后，即便只记住了一次，也可以识别其他类型的苹果，这说明人类看到一个东西后，不仅知其然，还知其所以然。而知其所以然，就是人工智能领域所说的“深度学习”。但目前的人工智能深度学习，必须建立在大量数据的基础之上，这一点也有待进一步研究。 /p p 　　要解决这3个问题，关键还是看人类本身，在微观层面上，人工智能的模式识别可借鉴人类的神经元，神经元有兴奋性、抑制性、功能可塑性和传播性。科学家受到这个启发，增强了模式识别动态系统的稳定性。 /p p br/ /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 　　21世纪是一个人工智能化时代。科学家们研发的人工智能系统，能够大程度模仿人类智慧，将人类从精准化的操作中解放出来。总而言之，智能化技术的发展给我们的生产生活带来了诸多便利，那么，当人工智能走向科研行业，二者又会擦出怎样的火花呢? /p p 　　 strong AI显微镜：持续监测水资源 /strong /p p 　　显微镜，被誉为20世界伟大的发明之一。它可以通过一个或多个透镜放大那些隐藏在肉眼之外的微小世界，将以往人们所不熟知的部分带到人类眼前。依靠显微镜，研究人员发现了很多微小生物。在一个世纪后的今天，人工智能席卷全球，显微镜与AI技术的融合也将指日可待。 /p p 　　据IBM(International Business Machines Corporation国际商业机器公司)预测，在未来五年的时间内，公司旗下的研发人员将设计出一款全新的智能化显微镜——AI显微镜。这款小型自主的AI显微镜，能够通过云中联网部署在世界各地。这款显微镜的研发就是为了实现对水资源状况的监控。水源是自然界中为息息相关的因素之一，而AI显微镜大的特色在于可以直接将仪器放置在水中，实时监测浮游生物并识别不同的物种。通过对浮游生物行为的观察来预测人类水供应可能会面临到的，诸如赤潮一类的威胁。 /p p 　　AI显微镜，打破了恶劣的地理环境对科学家开展海洋探测工作的限制。人工智能技术的发展既保证了显微镜的原始功能，又增添了契合时代发展的智能化需求，有效地推动了科学仪器行业的发展。 /p p 　　 strong AI医疗引擎：智能导诊 /strong /p p 　　人工智能和大数据是实现产品智能化的重要依托。在医疗行业，AI技术的发展将有效提高病患的就诊速度。其中，技术使得快速就诊成为可能，数据有助于实现医疗。 /p p 　　2018年5月10日，腾讯研发出首款AI医疗引擎——腾讯睿知，同时成立了“妇女健康人工智能发展联合实验室”。腾讯睿知最大的特点在于可以从诊前入手，利用大数据和人工智能的结合，来避免医疗资源错配的问题。另外，其人机对话功能，可以帮助患者及时得到有效的治疗。 /p p 　　医护人员通过智慧医疗导诊，能够在短时间内快速确认患者的疾病类型，及时选择适宜的医疗器械进行相关事项的检查。智能导诊可有效提高医生诊治的效率，在某种程度上还能减少病患矛盾的进一步滋生。智能导诊关乎医疗行业的发展，而医疗行业的发展必将带动医疗产业需求的提升。 /p p 　　 strong 构筑虚拟现实平台 /strong /p p 　　2018年，realworld one公司汇聚了40多名来自全球各地的虚拟现实领域专业人士，准备研发一款服务工业设备和仪器设备生产商以及应用于化工、制药、化妆品和食品行业的虚拟现实产品及VR平台。 /p p 　　虚拟现实平台在“虚拟性”之外还兼具了“现实性”的特点。客户在对仪器设备进行查看时，可以近乎真实的感受到仪器的样貌。仪器供应商也能减少来回运输产品所消耗的高额费用。虚拟现实平台的投放将有效促进产品的销售，扩大仪器的市场份额。 /p p 　　人工智能技术是本世纪前沿的技术之一，是产业进行革新的核心驱动力。科研行业也应该顺应时代潮流不断向着智能化的方向发展。人工智能为科研行业带来的不仅是产品技术的提高，还有产品质量的优化。将有效推动我国现代化建设走向智能化、虚拟化的新征程! /p

记者日前从中科院自动化所获悉，第23届人工智能国际联合大会(IJCAI-13)将于8月3日至9日在京召开。这是其自1969年举办以来，首次落户中国。 　　国际人工智能联合会议(International Joint Conference on Artificial Intelligence, 简称为IJCAI)是人工智能领域中最主要的学术会议之一，在单数年召开。世界人工智能国际联合大会是相关领域水平最高、规模最大、最具影响力的会议。届时，来自世界80多个国家和地区的2000余名代表将探讨人工智能科学技术的最新成果、发展和未来。中国自动化学会还将同期推出主题为“智能成就未来”的“中国智能年”等活动。 　　为配合大会的召开，第三届中国国际智能产业博览会将于8月3日至9日与大会同地点举办。