论文智能时代：人工智能的技术和模式，该文是有关技术创新毕业论文怎么写与人工智能和技术创新和模式创新类参考文献格式范文.
黄庆先生,华登国际董事总经理；
李泉生先生,达泰资本创始人；
李立新先生,北极光董事总经理；
曹军波先生,百度资本研究董事总经理；
杨强先生,香港科技大学计算机系教授；
陈焱先生,大族激光总经理.
黄庆：
首先这个事情因为人工智能,什么叫人工智能,这开始变成一个泛人工智能的说法.今天我们可以重新把它浓缩一下,让大家比较确切知道人工智能到底是什么东西.我们请每位嘉宾简短说一下你认为的人工智能是什么,为什么这两年人工智能会火起来,是什么造成有一个新的机遇,新的技术或者突破.
李泉生：
其实这是一个不大好回答的问题,如果我们台上6位嘉宾都把从百度、谷歌找出来的人工智能定义再讲一遍,台下就没人愿意听了,很枯燥.我想换一个角度,我们怎么来看人工智能领域的投资,我们怎么定义人工智能在相关领域的应用,我想举几个例子这样来跟大家分享.这个例子是我们实实在在的投资例子,可能大家听起来会更有意思.我举一个在半年前投资的项目,这个项目在很多媒体上都有宣传——慧医汇影.是通过大数据的积累以及训练机器学习,来提高医学影像识别的准确率.首先这个项目大家看到有几个元素,第一个要输入很多识别的医学影像数据,训练机器提高识别效率.另外应用于医学,未来其实可以代,但现在不会马上代替.第一,它需要一个过程；第二,我们进入医疗领域,肯定是以辅助医生为主,至少在今后相当长一段时间内.说个数据,在国内的三甲医院医学影像科中的知名医生,大概他的识别率在90%—95%之间.现在我们的技术已经可以做到国内三甲一流医生的水平,但实际上这样的医生在国内非常少,估计就是几十个,一百来个.可是国内有那么多的医院,很多三四线城市的病人,没有机会去这些医院得到当中一流医生来给他做诊断,所以我们就是为了解决这个问题.通过大量的数据训练,以大数据为基础,结合一些算法,加上我们和医院医生的互动结合,不断地来修正,训练机器的学习能力,提高它的准确率.通过这样的方式,来造福绝大部分的患病病人,提高CT、核磁共振等医学影像对疾病诊断的判断力,这是个非常有意义的事情.
我想用这个例子尽可能从实用的角度来阐述人工智能在应用上的概念.在其他领域也是一样的,像现在最火的用在未来的自动驾驶.自动驾驶还有很长的路要走,所以现在我们先做低速的事情,比如说用在环卫车、园区物流车,它的识别准确率和速度的要求会低一些,从这个开始,未来往这个方向走,所以如果把人工智能用到自动驾驶上,也是类似的.
黄庆：
所以你说这两个东西都是机器视觉上的一些进展.
李立新：
我觉得人工智能分成初级的和更高阶的,所有的人工智能项目都是在路上的.今后我们看到的人工智能跟现在可能会完全不一样.在这种情况下,我自己的看法,人工智能要大幅解决“人处理”,能够让“人处理”大幅提升效率.我觉得是这样的一种应用技术,才会有投资价值.
我举个例子,因为刚才李泉生说到计算机视觉,我们从另一个技术维度,就是自然语义,自然语音识别其实会有很多应用场景.我们投了个很有意思的公司,微软出来,清华毕业的,都是一帮技术大牛.一开始他们想在教育领域做自然语义识别,发现走不通,因为教育领域对它的要求可能是要做到90分,但是现在它只做到50分,所以这个路很远.后来他们开始在海外论文的翻译上,非常窄的垂直应用领域,特别是应用在生物医药制药方面的论文、专利件的翻译上.从现在看,这个市场不是一个特别大的市场,但正因为它很窄,他们的技术结合这种垂直场景会带来很高的壁垒,是因为他们会有行业知识图谱.这个积累不是大的平台,百度、谷歌今后所能够全面覆盖掉了,所以他们有他们非常明显的地位和技术壁垒.我觉得在这个领域上他们走得很快,而且大幅地提升了人力翻译带来的效率问题.
黄庆：
我想百度一直是在做人工智能,这个公司的起步就是要做人工智能,其实跟谷歌当时的想法是一样的,所以听听你们这边怎么看人工智能.
曹军波：
我谨代表百度资本,不代表百度集团.人工智能如果抽象来讲,它是让机器在某种程度上具备人的能力,这是一句话.把它延展到各个领域,自动驾驶汽车,具有这种感知,然后判断执行的能力；摄像头,具有感知判断决策能力；包括李总讲的图像,其实识别是关于医疗影像方面的图像识别.刚才北极光老总也讲到,通过人工智能,让机器具有对于人语言理解的能力.所以到各个应用领域里面,我们发现围绕它这两个定义都可以进行展开.它的核心推动力是什么呢？是数据加算法.移动互联网的确是让数据呈指数级的增长,算法又发挥了它的生命,无论是积极学习,深度学习,还是增长学习等.
所以在这个时间节点下,大家发现部分的人工智能领域里出现了可以落地、可以商业化的阶段,这也就引发了整个产业和行业关注的一个风口,的确人工智能这个概念非常大,从底层、到硬件、到芯片、到平台层、到各种人工智能的算法,然后到它的通用型、平台型的搭建,还有最顶层的各个应用行业领域,其实都是可以去把这个图谱摊开的.所以,我觉得从目前来看,应该在某几个领域里的确是具有让人非常兴奋的一些发展的态势.
黄庆：
杨教授,提的问题更直接一点,人工智能很明显受到某些技术突破的刺激,让一些新的应用可以发生.所以从技术来看,是什么造成了人工智能这波浪潮.
杨强：
人工智能一直有一批人在做研究,像我个人就研究有30多年,从1985年就开始介入人工智能.一直都在等一些条件能够满足,比方说数据,计算力,算法其实早就准备好了.最近有些事件使得公众突然感兴趣,像Alpha Co,但是Alpha Go错误地使很多公众和媒体认为人工智能可以一夜之间起到翻天覆地的作用,这是不可能.现在投资界也逐渐认识到这一点,Alpha Co也是在非常局限的范围内去做的,但数据是充足.在很多应用场景,包括无人车、计算机视觉,其实没有那么多数据,总是有缺乏的数据.医疗影像领域也会发现数据孤岛现象非常严重,因为各种原因,像人为的,像数据准备不足,包括数据标注是非常困难的一件事情,使得理论的极限远远达不到.
不过初衷是好的,就像刚才这位说的,我非常赞同,人工智能的目的是想提高效率,但是提高效率就要增加收益,减少费用,所以我们看到人工智能用在,就可以减少人工的参与费用；用在营销,像广告,就可以提高效率.那么从算法的角度,数据的角度,架构的角度,今天应该说都做了很多.但是我们从宏观的角度来看,人工智能成功的案例并不多,这也是我们今天可以探讨的一件事.
黄庆：
陈总,人工智能对您来说是什么意义？
陈焱：
从我20多年来所从事的领域,我来理解一下人工智能.因为一个新的事物的产生,它应该是有一定的环境,为什么会产生,它是一种需要才会出来.人工智能可以把它划为两段,前面就是人工,后面就是智能.人工可能大家容易理解,人为造出来；智能,为什么不叫智慧呢？因为它达不到更高的智慧基础,所以把它叫做智能.
其实人工智能,包括刚才杨教授也说了,人工智能出来的目的,肯定是你做一些事情到一定地步的时候,尤其是像我们这种搞基础工业装备的,做到一定地步的时候,我的人力成本上升了,我没有足够的场地支持了,我的数据要升级.那么作为企业,我肯定要去找办法,就这样我引进了流水线,引进丁机器人,引进了机器人视觉,引进了大数据分析来做营销,我引进了语音识别来做售后服务等等,所有的这一切实际上是水到渠成的结果.人工智能现在很火爆,所以大家千万别认为这种东西好像有什么很大的了不起,我不是这么认为的.因为人工智能出来的时候,它一定是社会往前进的必然结果.
所以我认为人工智能目前其实是很有条件的,从1956年几个年轻人提出来人工智能到现在,到深蓝战胜卡斯帕落实,到Alpha Co战胜李世石,大家都感觉到了这个技术的飞速发展和进步.实际上人工智能表面上看起来是一个智能,但实际上是很笨的东西,因为它是建立在大数据库的基础上.它从非常多的数据库,提取出一个东西,找到一个捷径和办法完成这个工作.所以说人工智能完成所有任务都是有边界的,但是我们人类做的很多东西是没有边界的,这个是智能和智慧的一个最大的区别.所以从我个人的观点来看,我觉得在未来人工智能永远不可能替代全部的人类.人类的能力在什么地方呢？我开一个很小的玩笑,就相当于特朗普,他昨天说我可以和金正恩会面,睡一觉之后,他就不会面了.假设我们用人工智能来处理,从大的趋势来分析,这个结果是不可能出现的,但是人类就会出现.
还有一个,我觉得在人工智能这个方面,有个问题现在还很难解决,比方说语音识别,语音识别识别具体的字符是可以的,但是具体的意思,词库的意思它不一定能理解.我们去年都知道的王宝强事情,有一个很流行的段子,“宝宝不知道宝宝的宝宝是不是自己的宝宝”,你用人工智能、用智能语音去分析一下,看它是怎么翻译出来的,这就是一个问题.这个问题要去解决,我认为人工智能是很难去解决它的具体语境.
还有图像识别,现在大家都知道,尤其是华为,面部识别非常快,基本上是零点几秒就识别了.但是有个问题存在,我们几个人站到台上,它可能对我们几个人可以非常精准的识别,99.99%没问题.但是我们站起来以后,它判断不出来,在这个具体的场景当中,我会不会从台上摔下去,我会不会从这里突然走到下面去,跟某个女士握个手,它判断不出来,但是作为人他就可以做出来,这个也是在图像识别上目前没有解决的.
还有在自动驾驶这块的应用,大家都知道特斯拉在智能驾驶上,连续出了两次很大的问题.自动驾驶这个问题我相信在未来十年肯定可以解决,但是这些大的算法都是用大数据提炼出来的,实际数据越多,对于模糊数据的处理就会越复杂,未来的技术流程就会越复杂.当你的技术越来越复杂的时候,又会发现一个巨大的问题,这个问题是什么？就是你的解决速度不如以前了.当然人工智能的趋势,你现在是挡不住的,谁也挡不住这个步伐.甚至霍金曾经预言,人工智能发展到现在,它很可能会是人类社会一个灾难,因为灾难没出现,我们也不知道.但是人工智能现在已经成为一个社会发展的趋势了,我们是挡不住的,至于未来人类怎么去做,我们只能是根据科学的进步,一步一步往前走.
我最后做一个总结,实际上人工智能最终的结果,我认为肯定是服务于人类的.把人类从繁重的耕作当中解放出来,这就是人工智能现在的价值,和现在的资本蜂拥而进的一个理由,它确实可以给我们在座的人、所有的人带来福利,而且与我们每个人的未来都是息息相关的,所以它就能够创造巨大的价值.
黄庆：
其实我有一个故事想跟大家分享,有一次在一个会上,一个教授跟我讲人工智能的事情.他是研究了很多年的,他说好多年前有一次,MIT（麻省理工学院）,大概是全世界最好的一个地方,请他去做了一个讲座,然后他去了.到了门口,请他去的教授跟他说,你得小心一点,这里面坐的都是大拿,都是高手,你说得不好会被轰出去的.他进去一看,里面做了一排大牌教授,后面一派年轻人教授,还有一屋子的研究生,都很厉害的,他觉得压力蛮大的.但是他一开始就说,你们MIT这一楼都是电脑,但是有个事情你们可能不知道怎么样弄,他就拿一张图,这种图是一个蜜蜂,这个蜜蜂的大脑里面大概会有10万个神经元,但是这个蜜蜂会找路,会找吃的,还会相互之间的交流.弥们这些电脑,用电量一瓦也做不到这一点.为什么？大家愣了一下没话说,然后有个教授说,我们还没写出这样的程序.他说,你们要花多长时间写出这个程序,大家没话说.讨论半天,最后一个研究生说,我们的电脑不是设计来干这个事情的,因为蜜蜂虽然它没有几个神经元,但它能干这个事,它是一种特别的东西.对这种特别东西的研究,造成了后来一系列的发展.今天我们看到的一个很让人振奋的,就是神经元的突破,非常快速提高对图像识别的准确度,其实也就是这几年,大概是七八年的时间.但是这个提高到一个程度,它开始接近人的识别能力,最后超过人的分析能力,我觉得这个是非常震撼的.今天的人脸识别机器比人好,这个事情大家已经没有争议了.包括我们在深圳投资的云天励飞,他们为系统做监控,对于人脸识别是非常准确的,这个事情很多地方都能实现了.接着是对人的行为的分析,以后对人的表情的分析,这些都是在研发状态之中,我觉得这些研发最后会带来一些很大的机会.
这些事情为什么以前不能发生？我另外一个朋友跟我讲,他们以前就用过神经元的东西来做视觉图像分析,但发觉这个东西太慢,需要的功耗太大,这个实验室也没电脑干这个事情,所以它实际上是不能用的.但是这个电脑的发展,运算能力的发展是指数性发展的,今年不行,明年又翻了一倍,不行再翻十倍,十倍也就是3年的事情.如果还需要100倍,也没有几年就会发生的事情,所以所有都有一个摩尔定律在后面,半导体发展的摩尔定律在后面,它不断推进这个事情的发展,今年做不到,不需要几年就可以做到了.刚刚杨教授说的算法一直存在的,为什么没用起来,我觉得是今天运算能力达到这个程度,所以今天就大规模使用起来了.我们听到一些做得比较成功的,我觉得也许大家可以说说有什么东西是今天做不到的,或者今年大家非常希望能做到,但是还做不到的事情.
杨强：
你问的问题非常好,人工智能今天做不到的,我提一个吧.在小数据上学习现在还做不到,而我们在日常生活和工作当中,往往遇到大部分的情况都是小数据,这种大数据的情况,别人给你整理好,其实是不存在的,是非常稀少的状况.但是小数据从学术上来说是有可能被攻破,从理论上是有可能的,为什么呢？因为人是可以解决小数据的问题,比方说家里的小朋友学写字或者学认图,往往通过很少的例子可以学会.所以我们从教育学的角度来说,很多教育家在100多年前就注意到,衡量一个教育工作者的能力,老师的优异与否,是通过学生的学习能力来体现,而不是他死记硬背的知识来体现,所以他们管这个叫学习迁移.观察到动物也有很多,在让它做类似的任务,比方说识别香蕉和苹果,多次以后它的学习能力就大为提高,很少的例子它也可以学会—个概念.
从机器的角度来说,我们今天已经了解到一些比较垂直的领域,可以使用这种小数据学习,我们管这个叫迁移学习.比方说我们可以通过一个图画学到它背后的概念,然后再把概念迁移到文字,这个文字只用很少的训练就可以学会识别概念,就是这种跨领域,所以这个方向在学术界是有一点点的成功,我们很期待在工业界未来也会取得很大的成功.
黄庆：
百度研究院这边你们怎么看,你们研究这些东西,什么东西是你们希望看见它突破,或者你们努力做到—些突破？
曹军波：
我觉得大家比较容易理解,最直观就是自动驾驶,你可以看到它从0级一直到5级的,从现在来讲,基本上的车其实都是*到2级,10年之后可能百分之几十的汽车就具备了LA、L5级的能力,所以你可以看到它是一个渐进的过程.唯一决定它的就是成本,特别是多传感器融合的方法论下,激光雷达的成本、符合车规等等这一系列,以及计算性能、低功耗、高性能的计算单元能不能够进一步地出现和量产.所以大的方向来看,现在虽然还没有实现,但是我们可以预测,在接下来的几个时间段内,它可以达到可实现的条件,所以这个其实也是一个例子.
李泉生：
我倒过来说,先说我个人认为比较难的,我觉得艺术创作是比较难用人工智能来代替的.前一段时间跟很多艺术家讨论这个问题,例如绘画、音乐,我觉得这种创作是很难用人工智能来完全替代的.这中间它有文化传承的问题,有思维艺术的问题.从小我们就说知书识乐,我们在三四千年前就有音乐,但是没法传承.在欧洲人发明五线谱以后,很多人开始学古典音乐、印象派才有传承,其实我们的古乐没有传承是我们的遗憾.我们挖掘出土一些乐器,后人希望能够复制,但其实是很难的,所以我认为艺术创作是很难用人工智能来代替,这个和数据没有那么大的关联.
另外很难的一点,真正做到完全自动驾驶,这中间有交通系统,有刚才我们曹总讲到激光雷达.正常我们目前开车的速度来做自动驾驶的话,激光雷达在目前来看,我还没看到什么时候它能用到车规里,车规技术我们可以大批量生产,但激光雷达要用人工来调适,本身是很难做到车规的.什么时候能做到？目前那么多哪怕估值很高的激光雷达公司都还给不出答案.但是技术在哪儿,有两个技术非常好,一个是新能源车,如果没有纯电动车的成熟技术出现,我们谈这种事情是很难的.因为纯电动车、新能源车越来越成熟,所以打下非常好的基础,剩下是识别的技术.算法估计从理论上突破事是不大可能的,但是算法通过迭代,通过训练,使它效率更高,内存少,这个理论上能做到的.刚才黄总讲的摩尔定律,成本也是可以下来的,但是需要时间,这个时间点什么时候能出现,我相信在座的我们都没法很准确地知道.否则现在这种做自动驾驶的公司估值不止今天这个估值,可能会更加火爆,所以就是说,一定能做到,但是时间不可控,这正是我们投资的机会,也是风险.在其他的一些应用领域,比如语音、医学上面,这些是能够为改善人类的服务体验带来非常大的帮助,我想我们投资人在这方面多一些投资布局,是有价值、有意义的.
黄庆：
刚才杨教授说的,觉得想实现但今天不能实现的一小数据学习,有教育,这是一个明确的例子.我想在教育领域的人工智能有所突破,这是一个巨大的行业.刚才又说了自动驾驶,自动驾驶这个事情其实也搞了很多年,大家慢慢觉得好像是可以实现的东西,所以一大堆人马在搞这个事情.这里面还有一个故事,我可以分享一下,我有几个朋友,以前在伯克利搞自动驾驶的.当时有一个项目,它是测试,谁能开多远就有奖励了,每年他们比赛一次.最开始他们比赛的车,最开始几百米就走到沟里去了,几年下来他们可以走到100多英里.但是最开始他们的车全部是卡车,我当时比较诧异为什么用卡车做这个事情,它说只有用卡车才能发这么多电,因为这个车上有很多电脑的,不是卡车是做不到的.今天这些电脑用电量小了很多,计算量也强大很多,所以今天可以在一个车上,一个普通的车上搞自动驾驶,这也算是水到渠成,半导体技术到了一定程度以后这个事情是可以发生的.刚才说了教育、医疗影像,又说到自动驾驶,还有什么东西你觉得是需要去突破,还有没有突破的.
李立新：
关于这个我有几个观点,第一,我觉得人工智能这一波是非常大,无论对于投资人、创业者和整个社会的经济架构的变革,我认为是非常大.第二,它比我们预期来得更快,这个主要原因就是算例的推进.随着计算架构的不断改变和突破,带来的算例,特别是端算例的提升会带来很多地方的应用场景需求落地.
在可能实现的这块,刚才大家都讲了.就我自己而言,我觉得这样的趋势对人的未来其实有巨大的挑战,人类一定要适应,可能在10年以后,会面临越来越多人工智能对自己工作的一些挑战.我觉得解决之道应该是教育,但是现在教育上没有看到更多的布局和跟进.我觉得人的认知是不同的,像刚才教授讲,人有学习能力,每个人的学习能力或人的学习特点是不一样的,未来人工智能在个性化的教育,特别是个性化的学习能力的培训方面,我觉得可能是一个非常有意义的结果,但是目前还没有看到有什么方案.
黄庆：
陈总你觉得工业上有什么突破,今天搞不定的,你非常希望他们能够做出来.
陈焱：
因为实际的工业它更多是对人工智能的一个应用,我们的横向思想是什么呢？就是如何提升效率,创造更大的价值.现在包括中国也提出来中国制造2025,包括欧洲,包括工业4.0,实际上都提出来的.但是现在一个最大的问题是什么呢？智能制造这个概念虽然提出来的,但是到目前为止还没有一个准确意义,究竟怎么样是智能制造,智能制造最终标准是什么,到现在还没有,我觉得这个是我们在人工智能这块要共同努力的.比方说,你没有标准的话,大家不知道往哪个方向.包括国家也划分出来了四大产业,也罗列了很多东西,但是事实上现在真正实施起来,还是非常大难度的,实现智能化之后,你是不是能够给自己创造价值？因为我刚才也讲了,人工智能的核心是什么,是要给人类,要给我们的企业,包括个人,创造价值的东西,这才是有用的,否则就是一个形式,这个也是我们现在所必须要解决的,要共同去完成的.
黄庆：
其实我每年会跟踪图像处理的效果,还有就是语言分析的能力.其实这几年跟着算法的一些演变,包括神经元算法的演变,这些对文字的分析已经提高非常多了.我常常觉得,机器听到人说话,然后每个字每个字分析出来的能力已经达到跟人差不多了.但这只是对文字、语音的分析,在语义的分析事实上到今天没有解决,一个简单的翻译也没有做到,这方面我倒是非常希望能够看到突破的,我不知道杨教授能不能跟我分享一下,语言方面人工智能发展的新东西.
杨强：
对语言和语音还是分开的,语音我们知道有很多成功的案例,现在语音识别应该说有很大的进展.因为语音的识别也是靠数据,现在数据的积累方式也多了.
此文总结：该文是一篇适合不知如何写人工智能和技术创新和模式创新方面的技术创新专业大学硕士和本科毕业论文以及关于技术创新论文开题报告范文和相关职称论文写作参考文献资料.
参考文献：
1、 智能时代：新进展、新趋势、新举措暨第二届世界智能大会在津举行 览智能领域新成果,话智能科技新趋势,绘智能时代新蓝图……近日,第二届世界智能大会在天津拉开帷幕 大会由国家发展和改革委员会、科技部、、国家互联网信息办公室、中国科学院、中国.
2、 湖南：智能网联汽车五链齐动模式 湖南省经济和信息化委员会 湖南省从2016年起就开始布局智能网联汽车产业,以国家级新区湖南湘江新区为依托,致力打造集研发创新、系统测试、智能制造、应用服务于一体的“湘江智谷”,.
3、 智能交通：构建全新出行模式 智能交通系统（ITS） 是现代交通运输系统的重要发展方向,也是电子信息产业的重要增长点 我国自上世纪90 年始推动智能交通系统应用发展,取得了显著的成效 随着技术进步和需求的变化,智能交通系统发展也在.
4、 信息时代下计算机通信技术的智能应用以4G移动通信技术为例 【摘要】 本文以军事领域中4G 移动通信技术为例,分析了相关军用４G 技术设计,阐述了4G 技术在军事领域中的具体应用,为信息时代下加强计算机通信技术的智能应用提供了资料 【关键词】 军事领域 通信技.
5、 从智慧图书馆到智能图书馆：人工智能时代的图书馆转向 摘 要神经网络、深度学习……现代信息技术的快速发展,驱使着人工智能时代的即将到来,人工智能时代的图书馆也必将面临新的发展与变革,从智慧图书馆向智能图书馆发展将是人工智能时代图书馆发展的必然与趋势 .