2017年11月26日 星期日

古代荀子也懂AI?達芬奇的手術機器人有多神奇? 聽浙大吳飛扒一扒人工智慧的「古今中外」!

西周的印紙造文、三國的木牛流馬、希臘古城的黃金機器女僕……吳飛的演講,一下子將人工智慧的歷史拉到了2000年前……原來用機器替代勞動的想法古已有之,不得不說古代人民如此智慧!
那麼智慧的古代勞動人民究竟是如何定義人工智慧的呢?我們翻出國學經典,在荀子《正名》中就提出了「知有所合者謂之智、人知在人者謂之能、人有所合者謂之本正」,形象生動地將人工智慧的精髓表達了出來。
俗話說,不識廬山真面目,只緣生在此山中。很多時候,我們過多沉溺技術,只是通過五花八門的資訊讓頭腦裝滿了人工智慧的碎片,卻忘了站在高處,更加全面地思考。
吳飛就是站在更高處,從人工智慧的學科發展、方法研究以及歷史低谷等幾個角度出發,把問題剖析得更深刻。
在講到人工智慧的「沉浮歷史」時,他旁徵博引……從英國人工智慧發展的偏激調查,到日本「第五代機器人研發」的功敗垂成,再到斯坦福大學+谷歌合作帶來的CYC知識系統……我們不禁思考,發展到今天的人工智慧,究竟該如何分類、到底該怎樣學習……
吳飛強調,無論是規則、數據還是經驗,我們並不能判斷誰比誰好,誰可以取代誰,其實它們彼此各有優點和不足。舉個例子,用規則教,確實和人的思維非常契合,邏輯很強,但我們確實很難把人類所有的規則和理念用來指導或者決策整個過程……
探尋新技術,我們除了了解方法和規則之外,更重要的還要聯繫實際,現在火熱的人機博弈除了給人們帶來「AI 改變世界」的興奮激動以及「AI 比人類更clever」的精神焦慮外,還有什麼特殊的意義嗎?這不,吳飛又理論聯繫實踐,給我們上了一堂「人機博弈」的大課……
以下為AI科技大本營針對浙江大學計算機學院副院長、人工智慧研究所所長吳飛進行的主題為「新一代人工智慧的思考與挑戰」演講所做的編輯整理,部分內容稍作刪節。
今天,我簡單給大家介紹一下人工智慧的發展歷史,以及從人機博弈的角度看人工智慧現在以及即將面臨的一些挑戰。
一直以來,人類對人類以外的智能都懷有崇高的夢想。
從西周周穆王的印紙造文到三國的木牛流馬,再到希臘古城的黃金機器女僕……實際上,這三個都是人類自己幻想出來能夠替代人類全部勞動的機械裝置。
事實上,自從人工智慧在被寫入規劃的過程中,大家就都想了解中國的人工智慧是從什麼時候被提出來的。後來發現,原來中國的人工智慧早在荀子時代,就已經提出來了。荀子在《正名》中有四句話表述了人工智慧的脈絡。
古代荀子也懂AI?達芬奇的手術機器人有多神奇? 聽浙大吳飛扒一扒人工智慧的「古今中外」!
荀子說:「知之在人者謂之知」,這裡的知就是諮詢的意思。人有視覺、聽覺、觸覺、味覺和壓力這些感知能力,我們會對身體所處的環境進行多通道、多模態的感知。
「知有所合者謂之智」,而感知得到的不同通道的多種類型的大數據,在大腦中形成概念,形成對象,就產生了智慧。這種智慧的來源,是我們人對大數據一種綜合的思考得到的一種結果。
「人知在人者謂之能」,這裡講的是人的一些本能。例如,在路上你碰到前面一輛疾駛而來的汽車,你馬上就能感知出來並認知出來這是一輛汽車,而且快速向你衝過來,如果你不做避讓的話,就可能吾命不久矣。那這個時候人們就會開始趨利避害。人類有一些本能,可以做到對感知或者認知的結果快速地做出處理。
「人有所合者謂之本正」,就可以被理解為是現在我們說的人工智慧。就是要把所有從前端感知得到的數據,激發出智慧,再形成與之相關的行動或者決策。這樣來看,整個人工智慧脈絡就已經被清晰得勾勒出來了。
這是我在中國古文中尋找出來的有關人工智慧的蛛絲馬跡。
再看西方,西方就比較講究學科層面。
歷史上學科層面的人工智慧可不是荀子提出來的。
學科歷史上,人工智慧是由4位學者早1955年提出來的,其中有兩位是當時非常年輕的,也就是年齡僅僅31、32歲的學者。一個是時任達特茅斯數學系的助理教師麥卡錫,另一個是時任哈佛大學數學系和神經學系的馬文明斯基,他們兩位後來都獲得了計算機界的最高獎項(圖靈獎)。另外兩位分別是資訊理論之父叫香農和IBM第一代通用計算機701的總設計師羅徹斯特。
1955年的8月,四位學者給美國的一個洛克菲勒私人基金會寫了一個提案,這個提案中的題目出現了Artificial Intelligence,這也是AI 這個單詞在人類學科歷史上的首次出現。
建議書中,主要是向美國的洛克菲勒的私人基金申請一筆資金,用於支付十幾個人通過一個半月的工作來完成一個研究。這樣的一筆開支,希望通過建議書得到洛克菲勒的私人基金會的贊助。很順利,這個基金會很快批准了這個提案,但是把提建議書上提出的金額有所縮減。
幾位科學家說,想做一個AI,這個AI是一台機器,能夠像人那樣認知、思考和學習,也就是用計算機來模擬人的智能。在這個報道中,他們為了突出難點,列舉了7個準備去攻克的難點問題:
1、系統計算機。
2、用程序對計算機進行編程。
3、神經網路。
4、計算的複雜性。
5、自我學習與提高。
6、抽象。
7、隨手創造力。
事實上我們可以看到,列舉出來的七個問題,后三個問題到現在仍然是人工智慧面臨的巨大挑戰。
舉個例子,我們說自我學習與提高,人確實具備這樣的能。人類從幼兒園、小學、初中到高中,就已經形成了這個能力。參加高考的時候,很多高考題目並不是之前完全做過的,但是人們可以通過運用自己的一些知識和數據去處理新的問題。
所以我們很難想象,如果有一個機器人,他也和我們的兒子或者女兒一樣,手牽手坐在了所謂的幼兒園中的課堂里上課,然後經歷了幼兒園、小學、初中、高中的學習過程,又去參加競賽和比賽……總之很難想象機器可以具備人的自我學習和提升能力。
從1955年提案提出,人工智慧就邁上了它的征途,按照當時的提議,人工智慧是部分地替代人類的部分勞動。
例如我們製造一個機器,它能夠定義和證明取代人類的某個工作;製造一個機器翻譯,它能替代人類的翻譯家;製造一個專家系統,它能幫人看病、會診等。那時候的人工智慧就是按照這樣的思路發展的,也就是試圖取代人的一部分工作、勞動。
隨著時間的發展,在這個過程中,人工智慧逐漸延展出符號阻力、連接阻力和行為阻力這三種仿人,或者仿腦的思路。
接著上面的話題,講一講人工智慧一直以來延續而生的三種分類。
第一類,語義相關的人工智慧
一直以來我們都給這個類別起了一個不太好的名字,叫弱人工智慧。這種人工智慧指的音符換調、導向,也可以說是它實際執行的任務。
由於機器具有很強的記憶功能和存儲能力,它可能在依照葫蘆畫瓢的過程中,比人類畫得更快、更棒,但是它也只能按照葫蘆畫瓢,並不能創作出精美的山水畫。
你提供給它大量的數據,它就可以通過數據進行一定範圍內的「創作」。但這種「創作」是具備導向性的,要和既定的領域相關,不能算作是跨域機器的人工智慧。
第二類,通用的人工智慧或者跨域人工智慧
人具有很強的舉一反三能力,從一種行為快速地跨越到另外的領域,而不是一味地通過數據驅動或者完成任務導向式地學習。
如果說剛剛提到的第一類任務導向或者說弱人工智慧,是數據和規則驅動,那麼通用的人工智慧,則是掌握「學習」這個能力。
第三類,混合增強的人工智慧
這一類舉例的話,例如達芬奇手術機器人。
曾經在互聯網流傳一段視頻,達芬奇手術機器人以靈巧的外科機械臂做到將一個葡萄的皮劃開,然後把它縫補好。原理就是,人類的醫生坐在機器後面來操縱機器人用靈巧的手臂完成高端、複雜的外科手術。在這個過程中,如果缺少了人類醫生或者這種複雜、高端的臨床外科手術的機械臂,都不能完成這樣一個高難度的任務。
據說,現在的達芬奇手術機器人已經可以做到將一個神經纖維切開,並且把它縫補成功。雖然這項工作是人類醫生不能完成的,但必須依靠人類醫生來指導完成這件事是確定無疑的。

我們通常認為,人、機器和互聯網的結合就變成了一個更加複雜的智能系統,例如智慧城市。因此,任何一種智能活動將自己的長處與另外一個智能系統的長處進行有機協調,我們就可以在一定程度上讓智能的程度增強。但我們一定要強調,在這種增強的智能體中,人永遠是智能的開發者,從目前的情況來看,應該不可能產生機器來獨立命名的這種情況出現。
儘管如今人工智慧發展急劇升溫,但在它的發展歷史上也經歷了三次低谷。
第一次低谷爆發在英國。
1973年在英國,一個皇家科學院院士,原本從事航空動力學,而不是計算機科學,他叫James Lighthill。他做了一件事情,帶領一幫人對當時英國的人工智慧發展進行了一次全面的評估,然後就把這個評估結果出版了。
他們說英國關於人工智慧的研究主要集中在自動機、機器人和神經網路。其中自動機和神經網路的研究雖然有價值,但進展令人失望;機器人的研究是沒有價值的,進展也非常令人失望,建議直接取消機器人的研究。
實際上這個結論是比較偏激的,和現在人工智慧的現狀不符。但這樣的一篇報道使得整個英國的人工智慧進入了低谷,很多做人工智慧研究的專家從此就不敢說自己是做人工智慧的了。
第二次低谷發生在日本。
這次變化源於日本的第五代機器人研發,也就是日本想造一個人工大腦,儘管通過10年努力宣告失敗,但這項活動為日本積累了一大批半導體、機械和計算機方面的人才。
從這件事情上我們得到的結論是,驅動人工智慧的發展,不單單是硬體的極大豐富,其更重要的是內部的數據、知識和軟體的有機集成等。因為人的大腦是數以千萬、數以億計的神經原的相聯,其中海馬體中有非常多的數據和知識來指導我們的推理。
第三次低谷來自知識百科。
傳統的人工智慧總是局限在規則和知識的推理中,因此我們希望把所有的知識裝入知識庫系統,這樣就能進行很好的推理,於是我們就開始選擇把所有的規則以及理念全裝到資料庫中。
斯坦福大學就是這麼乾的!
他們在1984年想把所有的規則和知識裝到一個CYC的知識系統中去。經過20多年的努力還是宣告失敗了,因為人的很多知識是不確定,或者是有一定界限的。
例如「兩個知識」的例子。所有的鳥都會飛,這個結論是正確的,所以被放進去;鴕鳥是鳥,這個結論也是正確的,放進去了,這樣看來兩個知識一旦同時被放進去后,就會順理成章地推導出鴕鳥會飛,但是這樣的結論明顯是錯誤的。
因為「所有的鳥都會飛」這句話本身就是不夠精確的,如果我們就為了說明這一概念,那又該怎麼去闡釋它?我想必須要說出幾萬種鳥說,來列舉這些鳥不會飛。
現實中,人和人的交流可沒那麼麻煩,因為人具備一些常識性的知識,可以快速地進行一些不精確的表達,但這些表達可以完成常規的知識傳遞或者交流。
這也說明了,想把所有的知識通過手工工作的形式裝在一個推理的知識庫中,這是一個非常不可取的任務。
例如,如今我們要了解一個新概念的時候,我們可能會經常訪問百度百科怎麼說,維基百科怎麼說,知乎上又是怎麼說的,但是我們並不會去查新華字典怎麼說的,十萬個為什麼上是怎麼說的……主要是因為知識在不斷地、持續地演化,只有互聯網技術所創造出來的「互聯網百科」才是非常重要的知識領域群。
說完人工智慧的低谷,來講講在人工智慧歷史上,了解和學習人工智慧通常採用的三種方法。

第一種,用規則去教

也就是將所有的知識和規則以邏輯的形式編碼成功。例如水利工程是工程的一種,三峽大壩是個水利工程,這樣一個程序化的概念體就出來了。為了刻畫三峽大壩,我們要說它的功能是什麼,它的定位是什麼,由於三峽大壩和葛洲壩都位於長江領域,所以彼此之間具有管調節的關係等。
如果我們知道這些知識的話,我們又知道旦布利水畔和達納斯水畔都位於哥倫比亞這個河域,那我們就可以推理出來它們也具有反調節的關係。給定一些知識,我們基於一個強大的推理引擎,就可以不斷地擴充這個知識體系中的概念、屬性以及關係,不斷地進行知識學習。
IBM的沃森就是很貼切的一個例子。
沃森是一個人機對話的系統,當時有人考了這樣一個題目,這個題目是人類選手回答不出來的,請問哪個城市是美國的鋼產量和鐵產量平均量第一?
沃森通過一定的計算,很快回答出來是匹斯堡,後來從後台的程序發現沃森把美國所有的城市的鋼產量和鐵產量的數據都從互聯網上找到了,要做的就是簡單的累加併除二,然後做了一個排序,現在是匹斯堡排在第一位,於是就輸出了匹斯堡這個答案。
很難想象,如果人類專家可以回答出這種問題,顯然是不可想象的。因為人的大腦不可能記下這麼海量的知識,而且這些知識可能與自身無關。通常情況下,很多知識,我們可能在平時要用的時候就去翻翻書,查查互聯網就可以了,不會刻意地去記這種龐大的數據知識。

第二種,用數據去學

這個就是現在深度學習的一個大行其道的方法。因為我們很難去刻畫一個概念,例如海盜船。你怎麼用文字、邏輯去描述這個海盜船?答案是很難去描述。
於是我們就選擇很多被標註成海盜船的圖片,提供給計算機,讓計算機不停地學習,學習之後計算機就會銘記海盜船圖像像素點空間分佈的模式,進而就學會了海盜船的這種模式。如果你再給它一張圖片是海盜船的話,空間分佈的模式和之前學習的模式是一樣的,於是就可以自動識別為海盜船。
這個就是大數據驅動,在大數據驅動的前提下,要把這個數據標註成它本身明確的語義,或者概念,才能做更好的學習與提高。
關於這方面有幾個例子。
例子一,2012年紐約時報發表了一篇文章,題目叫多少台計算可以識別一隻貓,答案是16000台。
例子二,特斯拉第一次造成車毀人亡現象。
特斯拉的無人汽車上有非常多的感測器(例如雷達、視覺等)。在風和日麗的環境下,竟然發生了直接撞擊相馳火車的事故,大家都覺得不可思議。
事後分析才發現,特斯拉汽車一直向前開的過程中,司機正在看《哈利波特》的VCD,因為眼睛離開了前方,手和腳也都離開了操作的儀器,一輛白色的箱式大貨車在它的對象車道行駛時有一個左轉彎,本來一般情況下是不會發生裝車事故的,但這次卻直接撞上去了。
分析整個過程,特斯拉前面配有雷達,這個雷達的電磁波就直接掃過去了。主要是由於白色箱式火車的底盤過高,雷達彙報前方無障礙物,同時攝像頭在不斷地捕獲前方圖像,捕獲回來其實就是白色的背景,這樣的視覺圖像彙報,讓系統誤認為前方是白雲,就直接撞上去了,從而發生了非常慘烈的事件。
例子三,是谷歌公司發布的一個叫做圖像的標註的系統。
只要上傳一張圖片,就可以打標籤,打上了標籤就可以對這個圖片進行一次搜索。因為很多時候我們需要用文本信息或者單詞來進行搜索圖片,一旦打標籤的話,我們就可以更好地進行文搜圖的體驗。
有這樣的一件事情,一個黑人朋友上傳了 一張圖片,卻被打上了黑猩猩的標籤,於是他就狀告了谷歌公司,說對他是人格上的侮辱,谷歌公司花了很大一筆錢才把這個官司給平息。
平息的過程中,谷歌就關閉了標註系統,不再打標籤。過一段時間再開放的時候,就把黑猩猩從標註詞典庫里移除了,即使再上傳的圖片是黑猩猩,也不會被打上黑猩猩的標籤。說明用數據驅動方法,實際在某些領域可以得到很好的應用,但可能在其它領域還會有很大的誤讀。

第三種,從經驗中學

前面我們通過了用知識去教、用數據去學,第三種方法就是用問題引導學習,這就是我們經常說的強化學習。就是把一個智能體放到一個環境裡面,它對這個環境做出一定的反應,這個環境對它獎勵或者懲罰的一個結果。假如說我這裡放了一台掃地機,它直接撞到一個桌子上,撞翻了,它就知道這是一個不可撞的東西,那它再做下一個調整的時候,它往左轉、往右或往後走,它不停地從失敗走向失敗,最後又從失敗走向了成功,它就對這種環境能夠很好地感知到。
這種方法,我們叫做強化學習,或者是叫做從經驗中學習,也就是沒有任何知識和數據,就把它放在一個環境中進行感知以及認知。
像波士頓公司的兩輪機器人以及中國電科院提供的67架固定翼的集群系統,還有美軍103架的固定翼集群系統,就是在開放的環境中不停地進行感知和認知的學習,從而得到經驗的提升。
這三種學習方法,並能夠被判斷為誰比誰好,誰要取代誰,其實它們彼此各有優點和不足。例如用規則教,確實和人的思維非常契合,邏輯很強,但我們確實很難把人類所有的規則和理念用來指導或者決策這個過程。
用數據去學的方法一定要依賴於標註的大數據。如果我們對於某個概念不能提供給它一個表示的大數據的話,它就無法學習。
如果可解讀性不強,就算給它一張圖片,它可以識別出是人臉,當你疑問知道它是人臉的原因,它同樣也是無法得出,但是並不知道人臉的分佈是否合適,例如說鼻子是對稱的,眼睛是對稱的,這樣的知識在機器的學習系統中很難做到契合。
最後一種方法似乎也很不錯,沒有知識和數據,只要放在環境中進行交互就可以了。但是我們可以想象一下,當一個智能體撞到牆的時候,它可以採取的策略是無窮多的,它可以發獃、發萌、哭泣、憤怒,也可以不工作,有幾萬種選擇,那到底從幾萬種選擇中選擇哪一種來應對撞牆的行為,這又是一個很難的問題。
因此,這三種方法其實各有各的優點,也有它的不足,但它體現了從數據到知識,從知識到能力的過程,最終能力並不重要。我們界定一個人工智慧程序是否成功,不在於提供給它的是1TB還是10TB的數據,不在於是10萬條的知識還是20萬條的知識,而在於它已經生成了一種能力,這種能力可以指導它去處理新的數據和知識,以及構成新的知識的能力,這是非常重要的。
從火熱的人機博弈中,我們能看出什麼?
用最近比較火熱的Alpha Go來做解釋。
我們知道Alpha Go是比較符合1955年提出的關於人工智慧的理解。
Alpha Go首先選用了16萬棋局,大約3000萬盤的棋譜,通過黑白相間的棋子,憑藉策略網路和一個快速走子網路進行訓練。由於每盤棋我們都已經知道了是執黑會贏還是執白會贏,所以就會按照標準數據去訓練,也就是說當遇到白棋的時候,我的黑棋落在哪兒,就是訓練了這樣一個人工智慧的系統。
如果沒有後面的故事,現在的Alpha Go也只能戰勝人類選手的壟斷棋手,但是如果可以實現兩台機器自己和自己下棋,那技能就突飛猛進了,突飛猛進的結果就在2016年3月戰勝李世石的那場比賽。
古代荀子也懂AI?達芬奇的手術機器人有多神奇? 聽浙大吳飛扒一扒人工智慧的「古今中外」!
基於產生了大量數據做訓練的價值網路,這種網路就可以有效預測整盤棋的下法。簡單來說就是架構網路來預測這個棋子落下去后,整盤棋和剩下的棋況怎麼樣。今年4月在烏鎮的那場較量,也就是戰勝柯潔的那次,其實就是兩台機器自己和自己博弈,進一步帶來了能力的提升,也是完全基於這個強化學習的成果。
我們可以想到,Alpha Go中實質上有一個叫做利用探索的綁定。什麼是利用探索呢?它是19×19的黑白相間的棋盤,裡面只放黑棋和白棋,總共有多少種擺放的方法?
答案是2的381次方。2的381次方等於宇宙所有原子的數量,所以Alpha Go不可能把2的381次方都分辨一次,它只能盡量去判斷哪一種擺放的方式是最好的。
在這個過程中,它就會把所有的信息都利用起來,也就意味著會盡量去研究或者實踐人類沒有下過的棋局,所以很多時候我們看到Alpha Go下的棋局很怪,因為人類選手從來沒有嘗試過。
每下一個棋子的時候,Alpha Go已經預測出這個棋誰勝。
大家可以看到,Alpha Go挑戰的過程中,它失去了信心,因為已經預測自己獲得整盤棋的勝利的概率一直下降,它沒有了戰勝對手的勇氣,這個很危險。
通常來講,人類才會有置之死地而後生,背水一戰的勇氣。有些情況下是可以扳回一局的,但人工智慧已經失去了它的鬥志,只有三種網路都被利用的時候,它才會取得勝利。
2的381次方可能比宇宙的原子還多,如果量子計算機被製造出來,MIT說100個量子進行糾纏,就等於人類所有計算能力的綜合,所以那個時候就不用某個模式搜索,也可以做到辨別所有的可能。
上面說的情況被稱為完全機器人架構博弈,當然還存在非完全機器人架構博弈。就像泰利美工大學的德州撲克,其實就是一個非完全機器下的博弈。對於我們來說,圍棋都是規則已知、策略已知 、勝負已知,相對來說比較明白直觀,但是打撲克的話很多信息就不是很清楚了。
我們做了一個總結,像迭代輔助,Alpha Go,Alpha Go Zero……它們都有非常多的數據支持或者各種演算法模型。可以看到,有些是利用知識,有些是利用數據,有些是利用經驗去學習,其實這種智能學習的演算法需要不停地交會、融合。
人工智慧是不斷往前發展的,我們希望把大數據虛擬的人工智慧方法,從利用知識的人工智慧,轉變為從環境中獲得學習能力進而提升效率的人工智慧,如果能很好地協調和統一,可能就會形成一種更好的齒輪咬合能力。
從九輪計算到深度推理,從單純計算到數據驅動的模型,再發展到數據驅動與引導相結合,從領域任務驅動的人工智慧過渡到通用條件下的強人工智慧,我們說強人工智慧就是放到一個環境中能夠自己不斷學習的人工智慧類型。科學雜誌在今年 7 月 7 號推出了人工智慧專刊,人工智慧在大數據洪流裡面會發生變革性的因素,也有很玄的東西。
實際上人工智慧並沒有那麼強大,即使像阿爾法狗 ZERO,也有需要提升的空間。但是從中學到的東西,卻能很好的幫助人類發展。據說整個宇宙有百分之一的東西是我們已經知道的,這麼分析人工智慧已經很不容易, 儘管現在的人工智慧還沒有全覆蓋。

2017年11月25日 星期六

席開千桌「菜色很爛」所以不算賄選?

針對新竹市議員鄭正鈐2015年席開千桌宴請選民,造綠營指控賄選,台灣高等法院最後駁回新竹地院檢察署上訴,全案定讞。對此,民進黨總召柯建銘25日凌晨發布新聞稿痛批,「恐龍法官」再現,法官竟以「菜色很爛」等理由,判決公然賄選無罪。(資料照,顏麟宇攝)
國民黨新竹市黨部前(2015)年底疑似為拉抬立委候選人、新竹市議員鄭正鈐之選情,席開千桌宴請選民,被綠營指控賄選,但台灣高等法院最後駁回新竹地院檢察署上訴,全案定讞。對此,民進黨團總召柯建銘今(25)凌晨發布新聞稿痛批,「恐龍法官」再現,法官竟以「菜色很爛」等理由,判決公然賄選無罪,此不僅不符合人民「法感」,更摧毀民眾對司法的信賴。

柯建銘感嘆,國民黨以往均藉由買票、請客、吃飯、送禮等違法行為以贏得各項選舉,令台灣人深惡痛絕,但民進黨從2014年縣市長選舉、2016年立委總統大選獲得台灣選民青睞勝選,靠的就是改革、肯為台灣人民打拼的精神,才能推翻國民黨長期執政,謀取台灣長期穩健發展,以利人民安享幸福生活。
柯建銘質疑,國民黨新竹市黨部「千桌萬人宴」除了美食外,尚有免費精彩表演節目,「如此餐飲不構成賄選標準?」未料,法官卻大篇幅採用國民黨選民狡辯之詞,作為脫罪理由,包括「菜色很差,如果知道是這樣,誰要去吃這個飯」、「菜色很爛,不會因此動搖支持特定候選人的意念」等,以此推論出「衡諸我國目前之社會經濟狀況,一般人應不致因接受上述之餐點招待,即將之視為賄選之不正利益而有對價關係,是該萬人餐會之餐點應認尚難影響選民之投票意願」結論。

對此,柯建銘痛批,如此的「自由心證」與大眾認知有天差地遠的「怪異感」,「難道法院真的是國民黨開的?」法官都是國民黨栽培的「恐龍人才」?因此,柯建銘表示,他將再次推動司法改革,淘汰恐龍法官,並將會選的劣質政黨逐出政治圈,還給台灣民主一個清新的環境。
當時擔任蔡英文總統暨柯建銘立委競選總部主委的新竹市長林智堅表示,法官的判決嚴重悖離常理,不僅辜負人民對於司法的期待,還將助長選舉買票請客的歪風,令人深感憂心與遺憾。

2017年11月24日 星期五

科學家開發太陽能二合一新裝置,可儲電也可生成氫

不論是傳統的氫燃料電池還是超級電容器,它們都有兩個電極:正極和負極,但加州大學洛杉磯分校生物化學特聘教授理查德‧卡納(Richard Kaner)所領導的團隊,現在開發出具有第三個電極的裝置,既可以做為儲電用的超級電容器,也可以當作將水電解成氫氣與氧氣的裝置。
▲ 左為研究領導人理查德‧卡納(Richard Kaner),右為博士後研究員Maher El-Kady。(Source:加州大學洛杉磯分校
這 3 個電極通通連接到一個太陽能電池上,其收集產生的電力有兩種不同的用途:以電化學方式將電能儲存在超級電容器上,或以化學方式電解水儲存為氫,而這歸功於研究團隊順利合成了鎳-鈷-鐵層狀雙氫氧化物(nickel-cobalt-iron layered double hydroxide),將之作為超級電容器中的活性電極材料及產氧反應(oxygen evolution reaction,縮寫 OER)的電催化劑。
(Source:出自研究論文
研究人員並設計比人的頭髮還要薄上千倍的奈米電極,以確保暴露在水中的表面積達到最大,進一步增加設備能產生的氫量,同時在電極中放入更多電荷存儲材料(也就是鎳─鈷─鐵層狀雙氫氧化物),提升超級電容器的效能。
目前,地球上約 95% 的氫氣提取自天然氣等化石燃料,轉化期間仍會釋

2017年11月20日 星期一

雞蛋變飲料?果皮變保鮮膜?你的廚餘都是錢

雞蛋變飲料?果皮變保鮮膜?你的廚餘都是錢,而這3家公司賺到了!

2017-11-20
講到食物浪費,大多數的人腦中會浮現「我都有把食物吃完,所以沒有浪費」的想法,其實所謂的剩食,除了消費端的浪費(Food waste),還有生產端的食物損失(Food loss)。一起來看看,這些新創公司如何將剩食議題與科技結合,改善食物浪費問題。

創新點: 不忍心外觀不好看的雞蛋被浪費,也不希望農民因為這些被丟棄的雞蛋而影響收入,這位農夫將雞蛋做成飲料,成功解決所有問題。


本文3大重點:1.這位農夫將雞蛋做成了飲料,解決雞蛋的浪費問題。 2. 果皮再利用,天然萃取物做成的保鮮膜,延長食物壽命。3. OLIO免費App,不僅消滅浪費,還可以用剩食交朋友!

1. 這位農夫將雞蛋做成了飲料,解決雞蛋的浪費問題

(圖片來源:Peck Drink

Matthew Havers是來自英格蘭薩福克的農夫,平時在養雞場幫忙檢查雞蛋的狀況。許多餐廳在購買雞蛋時,對於雞蛋的顏色、大小、重量都有嚴格的規定,例如重量必須介於36至75公克,但不是每顆雞蛋都可以完美的達到要求,像是重量僅多出一、兩克的雞蛋,也會因為沒達到標準而被丟棄或賤價售出,這些規格標準以外的食物,被稱為「格外品」。

Matthew在養雞場工作越久,就發現越多雞蛋被丟棄浪費,心裡十分不捨。另一方面,他也發現許多農民很常會因為雞蛋的小瑕疵,而造成收入不佳。

(圖片來源:Peck Drink

Matthew開始思考是否能將這些雞蛋重複利用解決浪費問題,並幫助農民。因此,他在2015年試著把雞蛋變成一種飲料,研發出Peck Drink。Matthew表示一瓶350毫升的Peck Drink的營養成分等同於5個雞蛋蛋白,比市面上含有高蛋白的飲料還要營養,僅添加甜菊糖(Stevioside, Stevia,一種天然代糖,不易讓人發胖)來改善風味,裡面完全沒有添加任何人工色素、防腐劑與化學物質。除此之外,Peck Drink放於冷藏,保鮮期也能比雞蛋多出一個月。

(圖片來源:British Lion Code of Practice

Matthew表示雞蛋是最完美的食物,因為雞蛋中含有40種不同的蛋白質,像是蛋清蛋白(ovalbumin)、卵黏蛋白(ovomucoid)等等,非常適合想要健身的人,尤其是對牛奶類會過敏的人,是一個很好的選擇。除此之外,Peck Drink使用的雞蛋都擁有英國食品標準局(FSA)所認可的獅子編碼(British Lion Code of Practice),所以雞蛋中不會有沙門氏細菌(Salmonella,一種生雞蛋容易滋生的細菌)的問題。

雖然目前大多數的消費者還是習慣熟食雞蛋,對雞蛋做成的飲品很陌生,但因為越來越多年輕人喜歡嚐鮮,而且對於健康飲品的需求不斷增加,所以Matthew深信Peck Drink這款營養飲品最終會被市場接受。

Matthew試著與健康有機食品店合作,同時也嘗試在輕食快餐店推出,期待可以用「健康」的形象將Peck Drink打入市場。

2.果皮再利用,天然萃取物做成的保鮮膜,延長食物壽命

其實,不止雞蛋有被浪費的問題,當我們吃完水果,丟棄果皮也是一種浪費。因此來自美國的新創公司Apeel Sciences為了避免果皮被浪費,成功研發出無色、可食用的天然保護膜EdipeelTM,可以延長蔬果的保鮮期。

Apeel Sciences透過回收那些不被食用的食材,例如果皮、蔬菜根莖,然後萃取出一種具有保鮮成效的成分,叫做monoacylglycerol(包含單酸甘油酯的成分),最後再製作成可食用的保鮮膜。

一般市面上的保鮮膜是用PE(聚乙烯,一種塑膠材質)做成,阻絕空氣、可以防止食物被氧化,但是它的缺點是每次使用後都會產生塑膠垃圾。而EdipeelTM則是一種可食用保鮮膜,不止有防止食物氧化功,而且也不會額外造成環境負擔。

(圖片來源:Apeel Sciences

EdipeelTM的外觀為粉末狀,當需要使用這種保鮮膜時,只需三個步驟,首先將粉末溶倒入水中,接著再將新鮮的蔬果放入水中浸泡,然後撈起並放置乾燥即完成保鮮流程,因為這時食物的表皮就已被看不見的植物薄膜包覆。

Apeel的執行長James Rogers表示,EdipeelTM的概念來自蘋果上的果臘,它具有一般果臘的功用,可以減緩蔬果內部水份的蒸發,並抵擋外部氧氣進入表皮的速度,藉此延長蔬果的保鮮期。
(圖片來源:Apeel Sciences

目前這項技術通過美國食品藥物管理局(FDA)的核可,已成功找到不少客戶使用,像是位於加利福尼亞州中部海岸的一個有機農場Good Land Organics,便使用EdipeelTM保存手指香檬(finger lime)。一般而言手指香檬大多用來調酒,或高級餐廳料理調味,但採摘下來只有14天的壽命。不過若使用Edipeel進行保存,則可將保鮮期拉長至將近1個月。

3.OLIO免費App,不僅消滅浪費,還可以用剩食交朋友!

(圖片來源:OLIO

食物除了可以填飽肚子,剩下的果皮還可以做成保鮮膜,或是健康飲品。但你能想像剩食,還可以拿來交朋友嗎?

在英格蘭有位農夫 Tessa Cook ,家裡經營農場事業,因此從小就明白食物的生產過程,需要投入許多時間與精力,對於目前食物浪費的情況,感到十分痛心。三年前,Tessa曾經要從瑞士回英國,正準備搬離公寓時,發現冰箱還有許多新鮮的食物,Tessa沒辦法在短時間內一次料理完,也捨不得直接丟棄,就出門尋找有沒有可以給予食物的對象,但卻發現沒有一個機構或是平台能夠回收這些食物。

於是 Tessa 與一起就讀史丹佛商學院的同學 Saasha Celestial-One 合作,在 2015 年 7 月發表了一款名為 OLIO 的 App。OLIO的原理十分簡單,只要使用者上傳一些要捐贈的食物,然後用文字簡短敘述食物情況,並寫下可以來領取的時間與地點,其他人看到此資訊,就能自行前來領取。

根據領取食物的使用者回饋,「要不是OLIO的幫助,家裡的人晚上可能就沒飯吃了」,而那些捐贈食物的用戶表示,藉由OLIO,不僅能夠減少食物浪費,還可以認識社區內的新朋友。

目前這個App下載次數達20多萬次,在歐美地區受到廣大迴響。OLIO也與英國知名超市Sainsbury、Morrison’s合作,回收超商賣剩下的食物。

創辦人Tessa希望藉由OLIO的概念,能夠讓越來越多人重視剩食議題,分享可利用的資源,而不是丟進垃圾桶。

聯合國糧農組織今年(2017)二月報導,由於戰亂、氣候變遷等重大危機,人類的糧食可能在未來幾十年嚴重匱乏,剩食議題可以說是刻不容緩。除了透過新創科技的發明,大家也能從日常生活中做起,像是購買適量的食物,不造成浪費,或是透過分享食物浪費的狀況,喚起身邊的人一起重視這項議題。

2017年11月19日 星期日

把書當閱讀筆記;把閱讀力當祕密武器,

把書當閱讀筆記;把閱讀力當祕密武器,
你就能不斷進化,不被世界淘汰!

  趨勢大師詹宏志說:書給我機會,讓一輩子可以擁有二十輩子經驗。

  馬雲說成功人士不讀書一定往下滑;周星馳的電影很好看,因為他是一個讀很多書的人;臉書創辦人馬克•佐伯格在2015年挑戰讀完23本書的目標。如果你一年讀不到5本書,表示你的讀書原力還在睡,而那些投資很多時間和金錢在閱讀上的人,不斷進化、自我更新,快要將你狠狠拋在後頭。

  讀書才能和任何人聊得來∣閱讀力是武器

  日本讀者視明治大學教授齋藤孝為出版界的名牌、人氣寵兒,他著作的筆記術、朗讀力、閒聊力、孤獨力等主題書,本本暢銷,而他最熱切宣揚的,非讀書力莫屬。深諳讀書的妙用,身受讀書好處的照拂,所以熱情地對大眾「勸學」,他說閱讀的力量強大到以武器來形容也不為過。

  以一般人普遍在意的社交能力而言,想強化其實得靠多讀書。讀書第一個培養起來的是「表達力」,如果還會做筆記,也就能鍛鍊起「提問力」。人在交談時會自然掂掂對方斤兩,不能發表適當意見的人(表達力不佳),會被當成沒有能力;老是問一些抽象且可有可無的問題(提問力不佳),別人會不想和你說話。而表現出這些能力的速度也很要緊,一分鐘是一般人注意力的極限,能不能在第一分鐘說出關鍵字攫取對方的注意力,決定了是不是能夠和對方聊得來。讀書,你才能學會抓住人心,漸漸掌握到「複雜性」,逐漸發展出有厚度的語言。

  想讀得多就先讀這一本∣獨門讀書術

  不讀書,多半是因為讀不下去,讀得很痛苦(理解力不佳,思考力不佳),很多人一旦擺脫學校也一併揮別書本,齋藤孝認為那只是因為不懂方法使然。他在本書中給出答案,一手不留分享自己的全套讀書方法。身為隨時同時看30幾本書的閱讀達人,他獨創了許多方式(三色原子筆法[把書當成閱讀筆記〕)、Best 3引用法[把自己變成有聲書〕、倒著念讀書法、兩成讀書法等等)來指導學生讀得更多、更深,而且立刻運用到工作上。他說只要看超過50本書,人就不可能膚淺;一旦專精了讀書術,讀破100書,便能養成月讀4書的習慣,培養出戰勝現實、要怎麼進化就怎麼進化的能力。

  溝通過度的時代中,人們花了太多時間在社交媒體上與自己相似的人瞎聊,因此更應該透過閱讀跟自己獨處,打造更深、更廣、更豐富的自我。書讀多了,有了知性,就不易對別人心懷惡意;思考脈絡細膩了,說起話來才不會有句無篇。沒有閱讀力就沒有好的思考判斷力。說得更嚴重一點,一整個國家的國力得靠閱讀力來支撐,創造能孕育得出奇蹟的土地。讀書吧!就從這本大人的閱讀啟蒙書開始,讀著齋藤大師底蘊深厚的文字,在咖啡店裡領略書香。要記得賈伯斯對著史丹佛畢業生那句真誠的敦促:求‧知‧若‧飢!

  [精彩內容搶先看]

  ●儘量吸收東西,把自己當成一個濾網!東西進來了就過濾,濾過的菁華就留在我們心裡。就在這樣不斷讀書,不斷反覆的過程中,我們漸漸懂得自己想留下什麼,學會了篩選。也就得到了內涵的滋養。

  ●網路什麼資訊都有,為什麼要念書?有效統理的書籍和閱讀,可帶你跨越時代汲取普世真理(時代經典),又能同步跟隨專家有效掌握新知(趨勢議題),就算面臨人生低潮,也能輕易找到有過同樣心路的開悟導師(傳記哲學)。想放空享樂,也能隨興進入各個時代與世界遨遊,深化「把想像化成現實」的創造力(文學小說)。

  ●讀書除了豐富內涵、強化競爭力外,還可以強韌身心!一個人腦內圖書館藏不豐的話,很容易因為一點情感波折而被情緒操控,一下子氣憤,一下子絕望。此外,我們還可以在書中遇見自己敬重的人生導師,戰勝現實。

  ●為什麼書讀愈多愈輕鬆,而且還能快速、確實的理解?因為讀書不靠智商,靠的是用已有的知識來讀。當你逐漸累積閱讀量,你的閱讀品質也逐漸產生變化,亦即發生了所謂的質量轉換。看愈多書,你所累積起來的知識就愈豐富,於是便能更輕鬆地讀懂書中在說什麼,一路暢讀無礙。

  ● 用「三色原子筆技巧」占領你的書!紅色畫關鍵重點,藍色畫普通重點,綠色圈有趣之處。把「妙趣感應器」開到底,以自己覺得有沒有趣為基準。如果完全不動用妙趣感應器,念書就會變得很無聊。只要覺得這個點很吸引你,就畫個綠圈,以後跟別人聊天時,就能拿來聊。

  ●用「牽番薯讀書法」快速拓展讀書廣度!愛上了一個角色就忍不住把整套書全都追光;喜歡上一個作者,就忍不住把他的書全部讀完……閱讀時,愛不愛很重要。孔老夫子說:「知之者不如好之者,好之者不如樂之者。」喜歡一件事,你才會不停深入。而書正是當你愈喜歡,你才會愈讀愈深入,從中品嘗到幸福。

2017年11月16日 星期四

新一代人工智慧發展規劃的通知


國務院關於印發
新一代人工智慧發展規劃的通知
國發〔2017〕35號

各省、自治區、直轄市人民政府,國務院各部委、各直屬機構:
現將《新一代人工智慧發展規劃》印發給你們,請認真貫徹執行。
國務院        
2017年7月8日      
(此件公開發佈)


新一代人工智慧發展規劃

人工智慧的迅速發展將深刻改變人類社會生活、改變世界。為搶抓人工智慧發展的重大戰略機遇,構築我國人工智慧發展的先發優勢,加快建設創新型國家和世界科技強國,按照黨中央、國務院部署要求,制定本規劃。
一、戰略態勢
人工智慧發展進入新階段。經過60多年的演進,特別是在移動互聯網、大數據、超級計算、傳感網、腦科學等新理論新技術以及經濟社會發展強烈需求的共同驅動下,人工智慧加速發展,呈現出深度學習、跨界融合、人機協同、群智開放、自主操控等新特徵。大數據驅動知識學習、跨媒體協同處理、人機協同增強智慧、群體集成智慧、自主智慧系統成為人工智慧的發展重點,受腦科學研究成果啟發的類腦智慧蓄勢待發,芯片化硬體化平臺化趨勢更加明顯,人工智慧發展進入新階段。當前,新一代人工智慧相關學科發展、理論建模、技術創新、軟硬體升級等整體推進,正在引發鏈式突破,推動經濟社會各領域從數字化、網絡化向智慧化加速躍升。
人工智慧成為國際競爭的新焦點。人工智慧是引領未來的戰略性技術,世界主要發達國家把發展人工智慧作為提升國家競爭力、維護國家安全的重大戰略,加緊出臺規劃和政策,圍繞核心技術、頂尖人才、標準規範等強化部署,力圖在新一輪國際科技競爭中掌握主導權。當前,我國國家安全和國際競爭形勢更加複雜,必須放眼全球,把人工智慧發展放在國家戰略層面系統佈局、主動謀劃,牢牢把握人工智慧發展新階段國際競爭的戰略主動,打造競爭新優勢、開拓發展新空間,有效保障國家安全。
人工智慧成為經濟發展的新引擎。人工智慧作為新一輪産業變革的核心驅動力,將進一步釋放歷次科技革命和産業變革積蓄的巨大能量,並創造新的強大引擎,重構生産、分配、交換、消費等經濟活動各環節,形成從宏觀到微觀各領域的智慧化新需求,催生新技術、新産品、新産業、新業態、新模式,引發經濟結構重大變革,深刻改變人類生産生活方式和思維模式,實現社會生産力的整體躍升。我國經濟發展進入新常態,深化供給側結構性改革任務非常艱巨,必須加快人工智慧深度應用,培育壯大人工智慧産業,為我國經濟發展注入新動能。
人工智慧帶來社會建設的新機遇。我國正處於全面建成小康社會的決勝階段,人口老齡化、資源環境約束等挑戰依然嚴峻,人工智慧在教育、醫療、養老、環境保護、城市運行、司法服務等領域廣泛應用,將極大提高公共服務精準化水平,全面提升人民生活品質。人工智慧技術可準確感知、預測、預警基礎設施和社會安全運行的重大態勢,及時把握群體認知及心理變化,主動決策反應,將顯著提高社會治理的能力和水平,對有效維護社會穩定具有不可替代的作用。
人工智慧發展的不確定性帶來新挑戰。人工智慧是影響面廣的顛覆性技術,可能帶來改變就業結構、衝擊法律與社會倫理、侵犯個人隱私、挑戰國際關係準則等問題,將對政府管理、經濟安全和社會穩定乃至全球治理産生深遠影響。在大力發展人工智慧的同時,必須高度重視可能帶來的安全風險挑戰,加強前瞻預防與約束引導,最大限度降低風險,確保人工智慧安全、可靠、可控發展。
我國發展人工智慧具有良好基礎。國家部署了智慧製造等國家重點研發計劃重點專項,印發實施了“互聯網+”人工智慧三年行動實施方案,從科技研發、應用推廣和産業發展等方面提出了一系列措施。經過多年的持續積累,我國在人工智慧領域取得重要進展,國際科技論文發表量和發明專利授權量已居世界第二,部分領域核心關鍵技術實現重要突破。語音識別、視覺識別技術世界領先,自適應自主學習、直覺感知、綜合推理、混合智慧和群體智慧等初步具備跨越發展的能力,中文信息處理、智慧監控、生物特徵識別、工業機器人、服務機器人、無人駕駛逐步進入實際應用,人工智慧創新創業日益活躍,一批龍頭骨幹企業加速成長,在國際上獲得廣泛關注和認可。加速積累的技術能力與海量的數據資源、巨大的應用需求、開放的市場環境有機結合,形成了我國人工智慧發展的獨特優勢。
同時,也要清醒地看到,我國人工智慧整體發展水平與發達國家相比仍存在差距,缺少重大原創成果,在基礎理論、核心算法以及關鍵設備、高端芯片、重大産品與系統、基礎材料、元器件、軟體與接口等方面差距較大;科研機構和企業尚未形成具有國際影響力的生態圈和産業鏈,缺乏系統的超前研發佈局;人工智慧尖端人才遠遠不能滿足需求;適應人工智慧發展的基礎設施、政策法規、標準體系亟待完善。
面對新形勢新需求,必須主動求變應變,牢牢把握人工智慧發展的重大歷史機遇,緊扣發展、研判大勢、主動謀劃、把握方向、搶佔先機,引領世界人工智慧發展新潮流,服務經濟社會發展和支撐國家安全,帶動國家競爭力整體躍升和跨越式發展。
二、總體要求
(一)指導思想。
全面貫徹黨的十八大和十八屆三中、四中、五中、六中全會精神,深入學習貫徹習近平總書記系列重要講話精神和治國理政新理念新思想新戰略,按照“五位一體”總體佈局和“四個全面”戰略佈局,認真落實黨中央、國務院決策部署,深入實施創新驅動發展戰略,以加快人工智慧與經濟、社會、國防深度融合為主線,以提升新一代人工智慧科技創新能力為主攻方向,發展智慧經濟,建設智慧社會,維護國家安全,構築知識群、技術群、産業群互動融合和人才、制度、文化相互支撐的生態系統,前瞻應對風險挑戰,推動以人類可持續發展為中心的智慧化,全面提升社會生産力、綜合國力和國家競爭力,為加快建設創新型國家和世界科技強國、實現“兩個一百年”奮鬥目標和中華民族偉大復興中國夢提供強大支撐。
(二)基本原則。
科技引領。把握世界人工智慧發展趨勢,突出研發部署前瞻性,在重點前沿領域探索佈局、長期支持,力爭在理論、方法、工具、系統等方面取得變革性、顛覆性突破,全面增強人工智慧原始創新能力,加速構築先發優勢,實現高端引領發展。
系統佈局。根據基礎研究、技術研發、産業發展和行業應用的不同特點,制定有針對性的系統發展策略。充分發揮社會主義制度集中力量辦大事的優勢,推進項目、基地、人才統籌佈局,已部署的重大項目與新任務有機銜接,當前急需與長遠發展梯次接續,創新能力建設、體制機制改革和政策環境營造協同發力。
市場主導。遵循市場規律,堅持應用導向,突出企業在技術路線選擇和行業産品標準制定中的主體作用,加快人工智慧科技成果商業化應用,形成競爭優勢。把握好政府和市場分工,更好發揮政府在規劃引導、政策支持、安全防範、市場監管、環境營造、倫理法規制定等方面的重要作用。
開源開放。倡導開源共享理念,促進産學研用各創新主體共創共享。遵循經濟建設和國防建設協調發展規律,促進軍民科技成果雙向轉化應用、軍民創新資源共建共享,形成全要素、多領域、高效益的軍民深度融合發展新格局。積極參與人工智慧全球研發和治理,在全球範圍內優化配置創新資源。
(三)戰略目標。
分三步走:
第一步,到2020年人工智慧總體技術和應用與世界先進水平同步,人工智慧産業成為新的重要經濟增長點,人工智慧技術應用成為改善民生的新途徑,有力支撐進入創新型國家行列和實現全面建成小康社會的奮鬥目標。
——新一代人工智慧理論和技術取得重要進展。大數據智慧、跨媒體智慧、群體智慧、混合增強智慧、自主智慧系統等基礎理論和核心技術實現重要進展,人工智慧模型方法、核心器件、高端設備和基礎軟體等方面取得標誌性成果。
——人工智慧産業競爭力進入國際第一方陣。初步建成人工智慧技術標準、服務體系和産業生態鏈,培育若干全球領先的人工智慧骨幹企業,人工智慧核心産業規模超過1500億元,帶動相關産業規模超過1萬億元。
——人工智慧發展環境進一步優化,在重點領域全面展開創新應用,聚集起一批高水平的人才隊伍和創新團隊,部分領域的人工智慧倫理規範和政策法規初步建立。
第二步,到2025年人工智慧基礎理論實現重大突破,部分技術與應用達到世界領先水平,人工智慧成為帶動我國産業升級和經濟轉型的主要動力,智慧社會建設取得積極進展。
——新一代人工智慧理論與技術體系初步建立,具有自主學習能力的人工智慧取得突破,在多領域取得引領性研究成果。
——人工智慧産業進入全球價值鏈高端。新一代人工智慧在智慧製造、智慧醫療、智慧城市、智慧農業、國防建設等領域得到廣泛應用,人工智慧核心産業規模超過4000億元,帶動相關産業規模超過5萬億元。
——初步建立人工智慧法律法規、倫理規範和政策體系,形成人工智慧安全評估和管控能力。
第三步,到2030年人工智慧理論、技術與應用總體達到世界領先水平,成為世界主要人工智慧創新中心,智慧經濟、智慧社會取得明顯成效,為躋身創新型國家前列和經濟強國奠定重要基礎。
——形成較為成熟的新一代人工智慧理論與技術體系。在類腦智慧、自主智慧、混合智慧和群體智慧等領域取得重大突破,在國際人工智慧研究領域具有重要影響,佔據人工智慧科技制高點。
——人工智慧産業競爭力達到國際領先水平。人工智慧在生産生活、社會治理、國防建設各方面應用的廣度深度極大拓展,形成涵蓋核心技術、關鍵系統、支撐平臺和智慧應用的完備産業鏈和高端産業群,人工智慧核心産業規模超過1萬億元,帶動相關産業規模超過10萬億元。
——形成一批全球領先的人工智慧科技創新和人才培養基地,建成更加完善的人工智慧法律法規、倫理規範和政策體系。
(四)總體部署。
發展人工智慧是一項事關全局的複雜系統工程,要按照“構建一個體系、把握雙重屬性、堅持三位一體、強化四大支撐”進行佈局,形成人工智慧健康持續發展的戰略路徑。
構建開放協同的人工智慧科技創新體系。針對原創性理論基礎薄弱、重大産品和系統缺失等重點難點問題,建立新一代人工智慧基礎理論和關鍵共性技術體系,佈局建設重大科技創新基地,壯大人工智慧高端人才隊伍,促進創新主體協同互動,形成人工智慧持續創新能力。
把握人工智慧技術屬性和社會屬性高度融合的特徵。既要加大人工智慧研發和應用力度,最大程度發揮人工智慧潛力;又要預判人工智慧的挑戰,協調産業政策、創新政策與社會政策,實現激勵發展與合理規制的協調,最大限度防範風險。
堅持人工智慧研發攻關、産品應用和産業培育“三位一體”推進。適應人工智慧發展特點和趨勢,強化創新鏈和産業鏈深度融合、技術供給和市場需求互動演進,以技術突破推動領域應用和産業升級,以應用示範推動技術和系統優化。在當前大規模推動技術應用和産業發展的同時,加強面向中長期的研發佈局和攻關,實現滾動發展和持續提升,確保理論上走在前面、技術上佔領制高點、應用上安全可控。
全面支撐科技、經濟、社會發展和國家安全。以人工智慧技術突破帶動國家創新能力全面提升,引領建設世界科技強國進程;通過壯大智慧産業、培育智慧經濟,為我國未來十幾年乃至幾十年經濟繁榮創造一個新的增長週期;以建設智慧社會促進民生福祉改善,落實以人民為中心的發展思想;以人工智慧提升國防實力,保障和維護國家安全。
三、重點任務
立足國家發展全局,準確把握全球人工智慧發展態勢,找準突破口和主攻方向,全面增強科技創新基礎能力,全面拓展重點領域應用深度廣度,全面提升經濟社會發展和國防應用智慧化水平。
(一)構建開放協同的人工智慧科技創新體系。
圍繞增加人工智慧創新的源頭供給,從前沿基礎理論、關鍵共性技術、基礎平臺、人才隊伍等方面強化部署,促進開源共享,系統提升持續創新能力,確保我國人工智慧科技水平躋身世界前列,為世界人工智慧發展作出更多貢獻。
1.建立新一代人工智慧基礎理論體系。
聚焦人工智慧重大科學前沿問題,兼顧當前需求與長遠發展,以突破人工智慧應用基礎理論瓶頸為重點,超前佈局可能引發人工智慧範式變革的基礎研究,促進學科交叉融合,為人工智慧持續發展與深度應用提供強大科學儲備。
突破應用基礎理論瓶頸。瞄準應用目標明確、有望引領人工智慧技術升級的基礎理論方向,加強大數據智慧、跨媒體感知計算、人機混合智慧、群體智慧、自主協同與決策等基礎理論研究。大數據智慧理論重點突破無監督學習、綜合深度推理等難點問題,建立數據驅動、以自然語言理解為核心的認知計算模型,形成從大數據到知識、從知識到決策的能力。跨媒體感知計算理論重點突破低成本低能耗智慧感知、複雜場景主動感知、自然環境聽覺與言語感知、多媒體自主學習等理論方法,實現超人感知和高動態、高維度、多模式分佈式大場景感知。混合增強智慧理論重點突破人機協同共融的情境理解與決策學習、直覺推理與因果模型、記憶與知識演化等理論,實現學習與思考接近或超過人類智慧水平的混合增強智慧。群體智慧理論重點突破群體智慧的組織、涌現、學習的理論與方法,建立可表達、可計算的群智激勵算法和模型,形成基於互聯網的群體智慧理論體系。自主協同控制與優化決策理論重點突破面向自主無人系統的協同感知與交互、自主協同控制與優化決策、知識驅動的人機物三元協同與互操作等理論,形成自主智慧無人系統創新性理論體系架構。
佈局前沿基礎理論研究。針對可能引發人工智慧範式變革的方向,前瞻佈局高級機器學習、類腦智慧計算、量子智慧計算等跨領域基礎理論研究。高級機器學習理論重點突破自適應學習、自主學習等理論方法,實現具備高可解釋性、強泛化能力的人工智慧。類腦智慧計算理論重點突破類腦的信息編碼、處理、記憶、學習與推理理論,形成類腦複雜系統及類腦控制等理論與方法,建立大規模類腦智慧計算的新模型和腦啟發的認知計算模型。量子智慧計算理論重點突破量子加速的機器學習方法,建立高性能計算與量子算法混合模型,形成高效精確自主的量子人工智慧系統架構。
開展跨學科探索性研究。推動人工智慧與神經科學、認知科學、量子科學、心理學、數學、經濟學、社會學等相關基礎學科的交叉融合,加強引領人工智慧算法、模型發展的數學基礎理論研究,重視人工智慧法律倫理的基礎理論問題研究,支持原創性強、非共識的探索性研究,鼓勵科學家自由探索,勇於攻克人工智慧前沿科學難題,提出更多原創理論,作出更多原創發現。

專欄1 基礎理論
1.大數據智慧理論。研究數據驅動與知識引導相結合的人工智慧新方法、以自然語言理解和圖像圖形為核心的認知計算理論和方法、綜合深度推理與創意人工智慧理論與方法、非完全信息下智慧決策基礎理論與框架、數據驅動的通用人工智慧數學模型與理論等。
2.跨媒體感知計算理論。研究超越人類視覺能力的感知獲取、面向真實世界的主動視覺感知及計算、自然聲學場景的聽知覺感知及計算、自然交互環境的言語感知及計算、面向異步序列的類人感知及計算、面向媒體智慧感知的自主學習、城市全維度智慧感知推理引擎。
3.混合增強智慧理論。研究“人在回路”的混合增強智慧、人機智慧共生的行為增強與腦機協同、機器直覺推理與因果模型、聯想記憶模型與知識演化方法、複雜數據和任務的混合增強智慧學習方法、雲機器人協同計算方法、真實世界環境下的情境理解及人機群組協同。
4.群體智慧理論。研究群體智慧結構理論與組織方法、群體智慧激勵機制與涌現機理、群體智慧學習理論與方法、群體智慧通用計算範式與模型。
5.自主協同控制與優化決策理論。研究面向自主無人系統的協同感知與交互,面向自主無人系統的協同控制與優化決策,知識驅動的人機物三元協同與互操作等理論。
6.高級機器學習理論。研究統計學習基礎理論、不確定性推理與決策、分佈式學習與交互、隱私保護學習、小樣本學習、深度強化學習、無監督學習、半監督學習、主動學習等學習理論和高效模型。
7.類腦智慧計算理論。研究類腦感知、類腦學習、類腦記憶機制與計算融合、類腦複雜系統、類腦控制等理論與方法。
8.量子智慧計算理論。探索腦認知的量子模式與內在機制,研究高效的量子智慧模型和算法、高性能高比特的量子人工智慧處理器、可與外界環境交互信息的實時量子人工智慧系統等。

2.建立新一代人工智慧關鍵共性技術體系。
圍繞提升我國人工智慧國際競爭力的迫切需求,新一代人工智慧關鍵共性技術的研發部署要以算法為核心,以數據和硬體為基礎,以提升感知識別、知識計算、認知推理、運動執行、人機交互能力為重點,形成開放兼容、穩定成熟的技術體系。
知識計算引擎與知識服務技術。重點突破知識加工、深度搜索和可視交互核心技術,實現對知識持續增量的自動獲取,具備概念識別、實體發現、屬性預測、知識演化建模和關係挖掘能力,形成涵蓋數十億實體規模的多源、多學科和多數據類型的跨媒體知識圖譜。
跨媒體分析推理技術。重點突破跨媒體統一表徵、關聯理解與知識挖掘、知識圖譜構建與學習、知識演化與推理、智慧描述與生成等技術,實現跨媒體知識表徵、分析、挖掘、推理、演化和利用,構建分析推理引擎。
群體智慧關鍵技術。重點突破基於互聯網的大眾化協同、大規模協作的知識資源管理與開放式共享等技術,建立群智知識表示框架,實現基於群智感知的知識獲取和開放動態環境下的群智融合與增強,支撐覆蓋全國的千萬級規模群體感知、協同與演化。
混合增強智慧新架構與新技術。重點突破人機協同的感知與執行一體化模型、智慧計算前移的新型傳感器件、通用混合計算架構等核心技術,構建自主適應環境的混合增強智慧系統、人機群組混合增強智慧系統及支撐環境。
自主無人系統的智慧技術。重點突破自主無人系統計算架構、複雜動態場景感知與理解、實時精準定位、面向複雜環境的適應性智慧導航等共性技術,無人機自主控制以及汽車、船舶和軌道交通自動駕駛等智慧技術,服務機器人、特種機器人等核心技術,支撐無人系統應用和産業發展。
虛擬現實智慧建模技術。重點突破虛擬對象智慧行為建模技術,提升虛擬現實中智慧對象行為的社會性、多樣性和交互逼真性,實現虛擬現實、增強現實等技術與人工智慧的有機結合和高效互動。
智慧計算芯片與系統。重點突破高能效、可重構類腦計算芯片和具有計算成像功能的類腦視覺傳感器技術,研發具有自主學習能力的高效能類腦神經網絡架構和硬體系統,實現具有多媒體感知信息理解和智慧增長、常識推理能力的類腦智慧系統。
自然語言處理技術。重點突破自然語言的語法邏輯、字符概念表徵和深度語義分析的核心技術,推進人類與機器的有效溝通和自由交互,實現多風格多語言多領域的自然語言智慧理解和自動生成。

專欄2 關鍵共性技術
1.知識計算引擎與知識服務技術。研究知識計算和可視交互引擎,研究創新設計、數字創意和以可視媒體為核心的商業智慧等知識服務技術,開展大規模生物數據的知識發現。
2.跨媒體分析推理技術。研究跨媒體統一表徵、關聯理解與知識挖掘、知識圖譜構建與學習、知識演化與推理、智慧描述與生成等技術,開發跨媒體分析推理引擎與驗證系統。
3.群體智慧關鍵技術。開展群體智慧的主動感知與發現、知識獲取與生成、協同與共享、評估與演化、人機整合與增強、自我維持與安全交互等關鍵技術研究,構建群智空間的服務體系結構,研究移動群體智慧的協同決策與控制技術。
4.混合增強智慧新架構和新技術。研究混合增強智慧核心技術、認知計算框架,新型混合計算架構,人機共駕、在線智慧學習技術,平行管理與控制的混合增強智慧框架。
5.自主無人系統的智慧技術。研究無人機自主控制和汽車、船舶、軌道交通自動駕駛等智慧技術,服務機器人、空間機器人、海洋機器人、極地機器人技術,無人車間/智慧工廠智慧技術,高端智慧控制技術和自主無人操作系統。研究複雜環境下基於計算機視覺的定位、導航、識別等機器人及機械手臂自主控制技術。
6.虛擬現實智慧建模技術。研究虛擬對象智慧行為的數學表達與建模方法,虛擬對象與虛擬環境和用戶之間進行自然、持續、深入交互等問題,智慧對象建模的技術與方法體系。
7.智慧計算芯片與系統。研發神經網絡處理器以及高能效、可重構類腦計算芯片等,新型感知芯片與系統、智慧計算體系結構與系統,人工智慧操作系統。研究適合人工智慧的混合計算架構等。
8.自然語言處理技術。研究短文本的計算與分析技術,跨語言文本挖掘技術和面向機器認知智慧的語義理解技術,多媒體信息理解的人機對話系統。

3.統籌佈局人工智慧創新平臺。
建設佈局人工智慧創新平臺,強化對人工智慧研發應用的基礎支撐。人工智慧開源軟硬體基礎平臺重點建設支持知識推理、概率統計、深度學習等人工智慧範式的統一計算框架平臺,形成促進人工智慧軟體、硬體和智慧雲之間相互協同的生態鏈。群體智慧服務平臺重點建設基於互聯網大規模協作的知識資源管理與開放式共享工具,形成面向産學研用創新環節的群智眾創平臺和服務環境。混合增強智慧支撐平臺重點建設支持大規模訓練的異構實時計算引擎和新型計算集群,為複雜智慧計算提供服務化、系統化平臺和解決方案。自主無人系統支撐平臺重點建設面向自主無人系統複雜環境下環境感知、自主協同控制、智慧決策等人工智慧共性核心技術的支撐系統,形成開放式、模塊化、可重構的自主無人系統開發與試驗環境。人工智慧基礎數據與安全檢測平臺重點建設面向人工智慧的公共數據資源庫、標準測試數據集、雲服務平臺等,形成人工智慧算法與平臺安全性測試評估的方法、技術、規範和工具集。促進各類通用軟體和技術平臺的開源開放。各類平臺要按照軍民深度融合的要求和相關規定,推進軍民共享共用。

專欄3 基礎支撐平臺
1.人工智慧開源軟硬體基礎平臺。建立大數據人工智慧開源軟體基礎平臺、終端與雲端協同的人工智慧雲服務平臺、新型多元智慧傳感器件與集成平臺、基於人工智慧硬體的新産品設計平臺、未來網絡中的大數據智慧化服務平臺等。
2.群體智慧服務平臺。建立群智眾創計算支撐平臺、科技眾創服務系統、群智軟體開發與驗證自動化系統、群智軟體學習與創新系統、開放環境的群智決策系統、群智共享經濟服務系統。
3.混合增強智慧支撐平臺。建立人工智慧超級計算中心、大規模超級智慧計算支撐環境、在線智慧教育平臺、“人在回路”駕駛腦、産業發展複雜性分析與風險評估的智慧平臺、支撐核電安全運營的智慧保障平臺、人機共駕技術研發與測試平臺等。
4.自主無人系統支撐平臺。建立自主無人系統共性核心技術支撐平臺,無人機自主控制以及汽車、船舶和軌道交通自動駕駛支撐平臺,服務機器人、空間機器人、海洋機器人、極地機器人支撐平臺,智慧工廠與智慧控制裝備技術支撐平臺等。
5.人工智慧基礎數據與安全檢測平臺。建設面向人工智慧的公共數據資源庫、標準測試數據集、雲服務平臺,建立人工智慧算法與平臺安全性測試模型及評估模型,研發人工智慧算法與平臺安全性測評工具集。

4.加快培養聚集人工智慧高端人才。
把高端人才隊伍建設作為人工智慧發展的重中之重,堅持培養和引進相結合,完善人工智慧教育體系,加強人才儲備和梯隊建設,特別是加快引進全球頂尖人才和青年人才,形成我國人工智慧人才高地。
培育高水平人工智慧創新人才和團隊。支持和培養具有發展潛力的人工智慧領軍人才,加強人工智慧基礎研究、應用研究、運行維護等方面專業技術人才培養。重視複合型人才培養,重點培養貫通人工智慧理論、方法、技術、産品與應用等的縱向複合型人才,以及掌握“人工智慧+”經濟、社會、管理、標準、法律等的橫向複合型人才。通過重大研發任務和基地平臺建設,匯聚人工智慧高端人才,在若干人工智慧重點領域形成一批高水平創新團隊。鼓勵和引導國內創新人才、團隊加強與全球頂尖人工智慧研究機構合作互動。
加大高端人工智慧人才引進力度。開闢專門渠道,實行特殊政策,實現人工智慧高端人才精準引進。重點引進神經認知、機器學習、自動駕駛、智慧機器人等國際頂尖科學家和高水平創新團隊。鼓勵採取項目合作、技術諮詢等方式柔性引進人工智慧人才。統籌利用“千人計劃”等現有人才計劃,加強人工智慧領域優秀人才特別是優秀青年人才引進工作。完善企業人力資本成本核算相關政策,激勵企業、科研機構引進人工智慧人才。
建設人工智慧學科。完善人工智慧領域學科佈局,設立人工智慧專業,推動人工智慧領域一級學科建設,儘快在試點院校建立人工智慧學院,增加人工智慧相關學科方向的博士、碩士招生名額。鼓勵高校在原有基礎上拓寬人工智慧專業教育內容,形成“人工智慧+X”複合專業培養新模式,重視人工智慧與數學、計算機科學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合。加強産學研合作,鼓勵高校、科研院所與企業等機構合作開展人工智慧學科建設。
(二)培育高端高效的智慧經濟。
加快培育具有重大引領帶動作用的人工智慧産業,促進人工智慧與各産業領域深度融合,形成數據驅動、人機協同、跨界融合、共創分享的智慧經濟形態。數據和知識成為經濟增長的第一要素,人機協同成為主流生産和服務方式,跨界融合成為重要經濟模式,共創分享成為經濟生態基本特徵,個性化需求與定製成為消費新潮流,生産率大幅提升,引領産業向價值鏈高端邁進,有力支撐實體經濟發展,全面提升經濟發展質量和效益。
1.大力發展人工智慧新興産業。
加快人工智慧關鍵技術轉化應用,促進技術集成與商業模式創新,推動重點領域智慧産品創新,積極培育人工智慧新興業態,佈局産業鏈高端,打造具有國際競爭力的人工智慧産業集群。
智慧軟硬體。開發面向人工智慧的操作系統、數據庫、中間件、開發工具等關鍵基礎軟體,突破圖形處理器等核心硬體,研究圖像識別、語音識別、機器翻譯、智慧交互、知識處理、控制決策等智慧系統解決方案,培育壯大面向人工智慧應用的基礎軟硬體産業。
智慧機器人。攻克智慧機器人核心零部件、專用傳感器,完善智慧機器人硬體接口標準、軟體接口協議標準以及安全使用標準。研製智慧工業機器人、智慧服務機器人,實現大規模應用並進入國際市場。研製和推廣空間機器人、海洋機器人、極地機器人等特種智慧機器人。建立智慧機器人標準體系和安全規則。
智慧運載工具。發展自動駕駛汽車和軌道交通系統,加強車載感知、自動駕駛、車聯網、物聯網等技術集成和配套,開發交通智慧感知系統,形成我國自主的自動駕駛平臺技術體系和産品總成能力,探索自動駕駛汽車共享模式。發展消費類和商用類無人機、無人船,建立試驗鑒定、測試、競技等專業化服務體系,完善空域、水域管理措施。
虛擬現實與增強現實。突破高性能軟體建模、內容拍攝生成、增強現實與人機交互、集成環境與工具等關鍵技術,研製虛擬顯示器件、光學器件、高性能真三維顯示器、開發引擎等産品,建立虛擬現實與增強現實的技術、産品、服務標準和評價體系,推動重點行業融合應用。
智慧終端。加快智慧終端核心技術和産品研發,發展新一代智慧手機、車載智慧終端等移動智慧終端産品和設備,鼓勵開發智慧手錶、智慧耳機、智慧眼鏡等可穿戴終端産品,拓展産品形態和應用服務。
物聯網基礎器件。發展支撐新一代物聯網的高靈敏度、高可靠性智慧傳感器件和芯片,攻克射頻識別、近距離機器通信等物聯網核心技術和低功耗處理器等關鍵器件。
2.加快推進産業智慧化升級。
推動人工智慧與各行業融合創新,在製造、農業、物流、金融、商務、家居等重點行業和領域開展人工智慧應用試點示範,推動人工智慧規模化應用,全面提升産業發展智慧化水平。
智慧製造。圍繞製造強國重大需求,推進智慧製造關鍵技術裝備、核心支撐軟體、工業互聯網等系統集成應用,研發智慧産品及智慧互聯産品、智慧製造使能工具與系統、智慧製造雲服務平臺,推廣流程智慧製造、離散智慧製造、網絡化協同製造、遠程診斷與運維服務等新型製造模式,建立智慧製造標準體系,推進製造全生命週期活動智慧化。
智慧農業。研製農業智慧傳感與控制系統、智慧化農業裝備、農機田間作業自主系統等。建立完善天空地一體化的智慧農業信息遙感監測網絡。建立典型農業大數據智慧決策分析系統,開展智慧農場、智慧化植物工廠、智慧牧場、智慧漁場、智慧果園、農産品加工智慧車間、農産品綠色智慧供應鏈等集成應用示範。
智慧物流。加強智慧化裝卸搬運、分揀包裝、加工配送等智慧物流裝備研發和推廣應用,建設深度感知智慧倉儲系統,提升倉儲運營管理水平和效率。完善智慧物流公共信息平臺和指揮系統、産品質量認證及追溯系統、智慧配貨調度體系等。
智慧金融。建立金融大數據系統,提升金融多媒體數據處理與理解能力。創新智慧金融産品和服務,發展金融新業態。鼓勵金融行業應用智慧客服、智慧監控等技術和裝備。建立金融風險智慧預警與防控系統。
智慧商務。鼓勵跨媒體分析與推理、知識計算引擎與知識服務等新技術在商務領域應用,推廣基於人工智慧的新型商務服務與決策系統。建設涵蓋地理位置、網絡媒體和城市基礎數據等跨媒體大數據平臺,支撐企業開展智慧商務。鼓勵圍繞個人需求、企業管理提供定制化商務智慧決策服務。
智慧家居。加強人工智慧技術與家居建築系統的融合應用,提升建築設備及家居産品的智慧化水平。研發適應不同應用場景的家庭互聯互通協議、接口標準,提升家電、耐用品等家居産品感知和聯通能力。支持智慧家居企業創新服務模式,提供互聯共享解決方案。
3.大力發展智慧企業。
大規模推動企業智慧化升級。支持和引導企業在設計、生産、管理、物流和營銷等核心業務環節應用人工智慧新技術,構建新型企業組織結構和運營方式,形成製造與服務、金融智慧化融合的業態模式,發展個性化定制,擴大智慧産品供給。鼓勵大型互聯網企業建設雲製造平臺和服務平臺,面向製造企業在線提供關鍵工業軟體和模型庫,開展製造能力外包服務,推動中小企業智慧化發展。
推廣應用智慧工廠。加強智慧工廠關鍵技術和體系方法的應用示範,重點推廣生産線重構與動態智慧調度、生産裝備智慧物聯與雲化數據採集、多維人機物協同與互操作等技術,鼓勵和引導企業建設工廠大數據系統、網絡化分佈式生産設施等,實現生産設備網絡化、生産數據可視化、生産過程透明化、生産現場無人化,提升工廠運營管理智慧化水平。
加快培育人工智慧産業領軍企業。在無人機、語音識別、圖像識別等優勢領域加快打造人工智慧全球領軍企業和品牌。在智慧機器人、智慧汽車、可穿戴設備、虛擬現實等新興領域加快培育一批龍頭企業。支持人工智慧企業加強專利佈局,牽頭或參與國際標準制定。推動國內優勢企業、行業組織、科研機構、高校等聯合組建中國人工智慧産業技術創新聯盟。支持龍頭骨幹企業構建開源硬體工廠、開源軟體平臺,形成集聚各類資源的創新生態,促進人工智慧中小微企業發展和各領域應用。支持各類機構和平臺面向人工智慧企業提供專業化服務。
4.打造人工智慧創新高地。
結合各地區基礎和優勢,按人工智慧應用領域分門別類進行相關産業佈局。鼓勵地方圍繞人工智慧産業鏈和創新鏈,集聚高端要素、高端企業、高端人才,打造人工智慧産業集群和創新高地。
開展人工智慧創新應用試點示範。在人工智慧基礎較好、發展潛力較大的地區,組織開展國家人工智慧創新試驗,探索體制機制、政策法規、人才培育等方面的重大改革,推動人工智慧成果轉化、重大産品集成創新和示範應用,形成可複製、可推廣的經驗,引領帶動智慧經濟和智慧社會發展。
建設國家人工智慧産業園。依託國家自主創新示範區和國家高新技術産業開發區等創新載體,加強科技、人才、金融、政策等要素的優化配置和組合,加快培育建設人工智慧産業創新集群。
建設國家人工智慧眾創基地。依託從事人工智慧研究的高校、科研院所集中地區,搭建人工智慧領域專業化創新平臺等新型創業服務機構,建設一批低成本、便利化、全要素、開放式的人工智慧眾創空間,完善孵化服務體系,推進人工智慧科技成果轉移轉化,支持人工智慧創新創業。
(三)建設安全便捷的智慧社會。
圍繞提高人民生活水平和質量的目標,加快人工智慧深度應用,形成無時不有、無處不在的智慧化環境,全社會的智慧化水平大幅提升。越來越多的簡單性、重復性、危險性任務由人工智慧完成,個體創造力得到極大發揮,形成更多高質量和高舒適度的就業崗位;精準化智慧服務更加豐富多樣,人們能夠最大限度享受高質量服務和便捷生活;社會治理智慧化水平大幅提升,社會運行更加安全高效。
1.發展便捷高效的智慧服務。
圍繞教育、醫療、養老等迫切民生需求,加快人工智慧創新應用,為公眾提供個性化、多元化、高品質服務。
智慧教育。利用智慧技術加快推動人才培養模式、教學方法改革,構建包含智慧學習、交互式學習的新型教育體系。開展智慧校園建設,推動人工智慧在教學、管理、資源建設等全流程應用。開發立體綜合教學場、基於大數據智慧的在線學習教育平臺。開發智慧教育助理,建立智慧、快速、全面的教育分析系統。建立以學習者為中心的教育環境,提供精準推送的教育服務,實現日常教育和終身教育定制化。
智慧醫療。推廣應用人工智慧治療新模式新手段,建立快速精準的智慧醫療體系。探索智慧醫院建設,開發人機協同的手術機器人、智慧診療助手,研發柔性可穿戴、生物兼容的生理監測系統,研發人機協同臨床智慧診療方案,實現智慧影像識別、病理分型和智慧多學科會診。基於人工智慧開展大規模基因組識別、蛋白組學、代謝組學等研究和新藥研發,推進醫藥監管智慧化。加強流行病智慧監測和防控。
智慧健康和養老。加強群體智慧健康管理,突破健康大數據分析、物聯網等關鍵技術,研發健康管理可穿戴設備和家庭智慧健康檢測監測設備,推動健康管理實現從點狀監測向連續監測、從短流程管理向長流程管理轉變。建設智慧養老社區和機構,構建安全便捷的智慧化養老基礎設施體系。加強老年人産品智慧化和智慧産品適老化,開發視聽輔助設備、物理輔助設備等智慧家居養老設備,拓展老年人活動空間。開發面向老年人的移動社交和服務平臺、情感陪護助手,提升老年人生活質量。
2.推進社會治理智慧化。
圍繞行政管理、司法管理、城市管理、環境保護等社會治理的熱點難點問題,促進人工智慧技術應用,推動社會治理現代化。
智慧政務。開發適於政府服務與決策的人工智慧平臺,研製面向開放環境的決策引擎,在複雜社會問題研判、政策評估、風險預警、應急處置等重大戰略決策方面推廣應用。加強政務信息資源整合和公共需求精準預測,暢通政府與公眾的交互渠道。
智慧法庭。建設集審判、人員、數據應用、司法公開和動態監控于一體的智慧法庭數據平臺,促進人工智慧在證據收集、案例分析、法律文件閱讀與分析中的應用,實現法院審判體系和審判能力智慧化。
智慧城市。構建城市智慧化基礎設施,發展智慧建築,推動地下管廊等市政基礎設施智慧化改造升級;建設城市大數據平臺,構建多元異構數據融合的城市運行管理體系,實現對城市基礎設施和城市綠地、濕地等重要生態要素的全面感知以及對城市複雜系統運行的深度認知;研發構建社區公共服務信息系統,促進社區服務系統與居民智慧家庭系統協同;推進城市規劃、建設、管理、運營全生命週期智慧化。
智慧交通。研究建立營運車輛自動駕駛與車路協同的技術體系。研發複雜場景下的多維交通信息綜合大數據應用平臺,實現智慧化交通疏導和綜合運行協調指揮,建成覆蓋地面、軌道、低空和海上的智慧交通監控、管理和服務系統。
智慧環保。建立涵蓋大氣、水、土壤等環境領域的智慧監控大數據平臺體系,建成陸海統籌、天地一體、上下協同、信息共享的智慧環境監測網絡和服務平臺。研發資源能源消耗、環境污染物排放智慧預測模型方法和預警方案。加強京津冀、長江經濟帶等國家重大戰略區域環境保護和突發環境事件智慧防控體系建設。
3.利用人工智慧提升公共安全保障能力。
促進人工智慧在公共安全領域的深度應用,推動構建公共安全智慧化監測預警與控制體系。圍繞社會綜合治理、新型犯罪偵查、反恐等迫切需求,研發集成多種探測傳感技術、視頻圖像信息分析識別技術、生物特徵識別技術的智慧安防與警用産品,建立智慧化監測平臺。加強對重點公共區域安防設備的智慧化改造升級,支持有條件的社區或城市開展基於人工智慧的公共安防區域示範。強化人工智慧對食品安全的保障,圍繞食品分類、預警等級、食品安全隱患及評估等,建立智慧化食品安全預警系統。加強人工智慧對自然災害的有效監測,圍繞地震災害、地質災害、氣象災害、水旱災害和海洋災害等重大自然災害,構建智慧化監測預警與綜合應對平臺。
4.促進社會交往共享互信。
充分發揮人工智慧技術在增強社會互動、促進可信交流中的作用。加強下一代社交網絡研發,加快增強現實、虛擬現實等技術推廣應用,促進虛擬環境和實體環境協同融合,滿足個人感知、分析、判斷與決策等實時信息需求,實現在工作、學習、生活、娛樂等不同場景下的流暢切換。針對改善人際溝通障礙的需求,開發具有情感交互功能、能準確理解人的需求的智慧助理産品,實現情感交流和需求滿足的良性循環。促進區塊鏈技術與人工智慧的融合,建立新型社會信用體系,最大限度降低人際交往成本和風險。
(四)加強人工智慧領域軍民融合。
深入貫徹落實軍民融合發展戰略,推動形成全要素、多領域、高效益的人工智慧軍民融合格局。以軍民共享共用為導向部署新一代人工智慧基礎理論和關鍵共性技術研發,建立科研院所、高校、企業和軍工單位的常態化溝通協調機制。促進人工智慧技術軍民雙向轉化,強化新一代人工智慧技術對指揮決策、軍事推演、國防裝備等的有力支撐,引導國防領域人工智慧科技成果向民用領域轉化應用。鼓勵優勢民口科研力量參與國防領域人工智慧重大科技創新任務,推動各類人工智慧技術快速嵌入國防創新領域。加強軍民人工智慧技術通用標準體系建設,推進科技創新平臺基地的統籌佈局和開放共享。
(五)構建泛在安全高效的智慧化基礎設施體系。
大力推動智慧化信息基礎設施建設,提升傳統基礎設施的智慧化水平,形成適應智慧經濟、智慧社會和國防建設需要的基礎設施體系。加快推動以信息傳輸為核心的數字化、網絡化信息基礎設施,向集融合感知、傳輸、存儲、計算、處理于一體的智慧化信息基礎設施轉變。優化升級網絡基礎設施,研發佈局第五代移動通信(5G)系統,完善物聯網基礎設施,加快天地一體化信息網絡建設,提高低時延、高通量的傳輸能力。統籌利用大數據基礎設施,強化數據安全與隱私保護,為人工智慧研發和廣泛應用提供海量數據支撐。建設高效能計算基礎設施,提升超級計算中心對人工智慧應用的服務支撐能力。建設分佈式高效能源互聯網,形成支撐多能源協調互補、及時有效接入的新型能源網絡,推廣智慧儲能設施、智慧用電設施,實現能源供需信息的實時匹配和智慧化響應。

專欄4 智慧化基礎設施
1.網絡基礎設施。加快佈局實時協同人工智慧的5G增強技術研發及應用,建設面向空間協同人工智慧的高精度導航定位網絡,加強智慧感知物聯網核心技術攻關和關鍵設施建設,發展支撐智慧化的工業互聯網、面向無人駕駛的車聯網等,研究智慧化網絡安全架構。加快建設天地一體化信息網絡,推進天基信息網、未來互聯網、移動通信網的全面融合。
2.大數據基礎設施。依託國家數據共享交換平臺、數據開放平臺等公共基礎設施,建設政府治理、公共服務、産業發展、技術研發等領域大數據基礎信息數據庫,支撐開展國家治理大數據應用。整合社會各類數據平臺和數據中心資源,形成覆蓋全國、佈局合理、鏈結暢通的一體化服務能力。
3.高效能計算基礎設施。繼續加強超級計算基礎設施、分佈式計算基礎設施和雲計算中心建設,構建可持續發展的高性能計算應用生態環境。推進下一代超級計算機研發應用。

(六)前瞻佈局新一代人工智慧重大科技項目。
針對我國人工智慧發展的迫切需求和薄弱環節,設立新一代人工智慧重大科技項目。加強整體統籌,明確任務邊界和研發重點,形成以新一代人工智慧重大科技項目為核心、現有研發佈局為支撐的“1+N”人工智慧項目群。
“1”是指新一代人工智慧重大科技項目,聚焦基礎理論和關鍵共性技術的前瞻佈局,包括研究大數據智慧、跨媒體感知計算、混合增強智慧、群體智慧、自主協同控制與決策等理論,研究知識計算引擎與知識服務技術、跨媒體分析推理技術、群體智慧關鍵技術、混合增強智慧新架構與新技術、自主無人控制技術等,開源共享人工智慧基礎理論和共性技術。持續開展人工智慧發展的預測和研判,加強人工智慧對經濟社會綜合影響及對策研究。
“N”是指國家相關規劃計劃中部署的人工智慧研發項目,重點是加強與新一代人工智慧重大科技項目的銜接,協同推進人工智慧的理論研究、技術突破和産品研發應用。加強與國家科技重大專項的銜接,在“核高基”(核心電子器件、高端通用芯片、基礎軟體)、集成電路裝備等國家科技重大專項中支持人工智慧軟硬體發展。加強與其他“科技創新2030—重大項目”的相互支撐,加快腦科學與類腦計算、量子信息與量子計算、智慧製造與機器人、大數據等研究,為人工智慧重大技術突破提供支撐。國家重點研發計劃繼續推進高性能計算等重點專項實施,加大對人工智慧相關技術研發和應用的支持;國家自然科學基金加強對人工智慧前沿領域交叉學科研究和自由探索的支持。在深海空間站、健康保障等重大項目,以及智慧城市、智慧農機裝備等國家重點研發計劃重點專項部署中,加強人工智慧技術的應用示範。其他各類科技計劃支持的人工智慧相關基礎理論和共性技術研究成果應開放共享。
創新新一代人工智慧重大科技項目組織實施模式,堅持集中力量辦大事、重點突破的原則,充分發揮市場機製作用,調動部門、地方、企業和社會各方面力量共同推進實施。明確管理責任,定期開展評估,加強動態調整,提高管理效率。
四、資源配置
充分利用已有資金、基地等存量資源,統籌配置國際國內創新資源,發揮好財政投入、政策激勵的引導作用和市場配置資源的主導作用,撬動企業、社會加大投入,形成財政資金、金融資本、社會資本多方支持的新格局。
(一)建立財政引導、市場主導的資金支持機制。
統籌政府和市場多渠道資金投入,加大財政資金支持力度,盤活現有資源,對人工智慧基礎前沿研究、關鍵共性技術攻關、成果轉移轉化、基地平臺建設、創新應用示範等提供支持。利用現有政府投資基金支持符合條件的人工智慧項目,鼓勵龍頭骨幹企業、産業創新聯盟牽頭成立市場化的人工智慧發展基金。利用天使投資、風險投資、創業投資基金及資本市場融資等多種渠道,引導社會資本支持人工智慧發展。積極運用政府和社會資本合作等模式,引導社會資本參與人工智慧重大項目實施和科技成果轉化應用。
(二)優化佈局建設人工智慧創新基地。
按照國家級科技創新基地佈局和框架,統籌推進人工智慧領域建設若干國際領先的創新基地。引導現有與人工智慧相關的國家重點實驗室、企業國家重點實驗室、國家工程實驗室等基地,聚焦新一代人工智慧的前沿方向開展研究。按規定程序,以企業為主體、産學研合作組建人工智慧領域的相關技術和産業創新基地,發揮龍頭骨幹企業技術創新示範帶動作用。發展人工智慧領域的專業化眾創空間,促進最新技術成果和資源、服務的精準對接。充分發揮各類創新基地聚集人才、資金等創新資源的作用,突破人工智慧基礎前沿理論和關鍵共性技術,開展應用示範。
(三)統籌國際國內創新資源。
支持國內人工智慧企業與國際人工智慧領先高校、科研院所、團隊合作。鼓勵國內人工智慧企業“走出去”,為有實力的人工智慧企業開展海外並購、股權投資、創業投資和建立海外研發中心等提供便利和服務。鼓勵國外人工智慧企業、科研機構在華設立研發中心。依託“一帶一路”戰略,推動建設人工智慧國際科技合作基地、聯合研究中心等,加快人工智慧技術在“一帶一路”沿線國家推廣應用。推動成立人工智慧國際組織,共同制定相關國際標準。支持相關行業協會、聯盟及服務機構搭建面向人工智慧企業的全球化服務平臺。
五、保障措施
圍繞推動我國人工智慧健康快速發展的現實要求,妥善應對人工智慧可能帶來的挑戰,形成適應人工智慧發展的制度安排,構建開放包容的國際化環境,夯實人工智慧發展的社會基礎。
(一)制定促進人工智慧發展的法律法規和倫理規範。
加強人工智慧相關法律、倫理和社會問題研究,建立保障人工智慧健康發展的法律法規和倫理道德框架。開展與人工智慧應用相關的民事與刑事責任確認、隱私和産權保護、信息安全利用等法律問題研究,建立追溯和問責制度,明確人工智慧法律主體以及相關權利、義務和責任等。重點圍繞自動駕駛、服務機器人等應用基礎較好的細分領域,加快研究制定相關安全管理法規,為新技術的快速應用奠定法律基礎。開展人工智慧行為科學和倫理等問題研究,建立倫理道德多層次判斷結構及人機協作的倫理框架。制定人工智慧産品研發設計人員的道德規範和行為守則,加強對人工智慧潛在危害與收益的評估,構建人工智慧複雜場景下突發事件的解決方案。積極參與人工智慧全球治理,加強機器人異化和安全監管等人工智慧重大國際共性問題研究,深化在人工智慧法律法規、國際規則等方面的國際合作,共同應對全球性挑戰。
(二)完善支持人工智慧發展的重點政策。
落實對人工智慧中小企業和初創企業的財稅優惠政策,通過高新技術企業稅收優惠和研發費用加計扣除等政策支持人工智慧企業發展。完善落實數據開放與保護相關政策,開展公共數據開放利用改革試點,支持公眾和企業充分挖掘公共數據的商業價值,促進人工智慧應用創新。研究完善適應人工智慧的教育、醫療、保險、社會救助等政策體系,有效應對人工智慧帶來的社會問題。
(三)建立人工智慧技術標準和知識産權體系。
加強人工智慧標準框架體系研究。堅持安全性、可用性、互操作性、可追溯性原則,逐步建立並完善人工智慧基礎共性、互聯互通、行業應用、網絡安全、隱私保護等技術標準。加快推動無人駕駛、服務機器人等細分應用領域的行業協會和聯盟制定相關標準。鼓勵人工智慧企業參與或主導制定國際標準,以技術標準“走出去”帶動人工智慧産品和服務在海外推廣應用。加強人工智慧領域的知識産權保護,健全人工智慧領域技術創新、專利保護與標準化互動支撐機制,促進人工智慧創新成果的知識産權化。建立人工智慧公共專利池,促進人工智慧新技術的利用與擴散。
(四)建立人工智慧安全監管和評估體系。
加強人工智慧對國家安全和保密領域影響的研究與評估,完善人、技、物、管配套的安全防護體系,構建人工智慧安全監測預警機制。加強對人工智慧技術發展的預測、研判和跟蹤研究,堅持問題導向,準確把握技術和産業發展趨勢。增強風險意識,重視風險評估和防控,強化前瞻預防和約束引導,近期重點關注對就業的影響,遠期重點考慮對社會倫理的影響,確保把人工智慧發展規制在安全可控範圍內。建立健全公開透明的人工智慧監管體系,實行設計問責和應用監督並重的雙層監管結構,實現對人工智慧算法設計、産品開發和成果應用等的全流程監管。促進人工智慧行業和企業自律,切實加強管理,加大對數據濫用、侵犯個人隱私、違背道德倫理等行為的懲戒力度。加強人工智慧網絡安全技術研發,強化人工智慧産品和系統網絡安全防護。構建動態的人工智慧研發應用評估評價機制,圍繞人工智慧設計、産品和系統的複雜性、風險性、不確定性、可解釋性、潛在經濟影響等問題,開發系統性的測試方法和指標體系,建設跨領域的人工智慧測試平臺,推動人工智慧安全認證,評估人工智慧産品和系統的關鍵性能。
(五)大力加強人工智慧勞動力培訓。
加快研究人工智慧帶來的就業結構、就業方式轉變以及新型職業和工作崗位的技能需求,建立適應智慧經濟和智慧社會需要的終身學習和就業培訓體系,支持高等院校、職業學校和社會化培訓機構等開展人工智慧技能培訓,大幅提升就業人員專業技能,滿足我國人工智慧發展帶來的高技能高質量就業崗位需要。鼓勵企業和各類機構為員工提供人工智慧技能培訓。加強職工再就業培訓和指導,確保從事簡單重復性工作的勞動力和因人工智慧失業的人員順利轉崗。
(六)廣泛開展人工智慧科普活動。
支持開展形式多樣的人工智慧科普活動,鼓勵廣大科技工作者投身人工智慧的科普與推廣,全面提高全社會對人工智慧的整體認知和應用水平。實施全民智慧教育項目,在中小學階段設置人工智慧相關課程,逐步推廣編程教育,鼓勵社會力量參與寓教于樂的編程教學軟體、遊戲的開發和推廣。建設和完善人工智慧科普基礎設施,充分發揮各類人工智慧創新基地平臺等的科普作用,鼓勵人工智慧企業、科研機構搭建開源平臺,面向公眾開放人工智慧研發平臺、生産設施或展館等。支持開展人工智慧競賽,鼓勵進行形式多樣的人工智慧科普創作。鼓勵科學家參與人工智慧科普。
六、組織實施
新一代人工智慧發展規劃是關係全局和長遠的前瞻謀劃。必須加強組織領導,健全機制,瞄準目標,緊盯任務,以釘釘子的精神切實抓好落實,一張藍圖幹到底。
(一)組織領導。
按照黨中央、國務院統一部署,由國家科技體制改革和創新體系建設領導小組牽頭統籌協調,審議重大任務、重大政策、重大問題和重點工作安排,推動人工智慧相關法律法規建設,指導、協調和督促有關部門做好規劃任務的部署實施。依託國家科技計劃(專項、基金等)管理部際聯席會議,科技部會同有關部門負責推進新一代人工智慧重大科技項目實施,加強與其他計劃任務的銜接協調。成立人工智慧規劃推進辦公室,辦公室設在科技部,具體負責推進規劃實施。成立人工智慧戰略諮詢委員會,研究人工智慧前瞻性、戰略性重大問題,對人工智慧重大決策提供諮詢評估。推進人工智慧智庫建設,支持各類智庫開展人工智慧重大問題研究,為人工智慧發展提供強大智力支持。
(二)保障落實。
加強規劃任務分解,明確責任單位和進度安排,制定年度和階段性實施計劃。建立年度評估、中期評估等規劃實施情況的監測評估機制。適應人工智慧快速發展的特點,根據任務進展情況、階段目標完成情況、技術發展新動向等,加強對規劃和項目的動態調整。
(三)試點示範。
對人工智慧重大任務和重點政策措施,要制定具體方案,開展試點示範。加強對各部門、各地方試點示範的統籌指導,及時總結推廣可複製的經驗和做法。通過試點先行、示範引領,推進人工智慧健康有序發展。
(四)輿論引導。
充分利用各種傳統媒體和新興媒體,及時宣傳人工智慧新進展、新成效,讓人工智慧健康發展成為全社會共識,調動全社會參與支持人工智慧發展的積極性。及時做好輿論引導,更好應對人工智慧發展可能帶來的社會、倫理和法律等挑戰。

方便性、能量密度、安全性、應用場景等各方面表現都更優異的奈米液流電池最終能打敗鋰電池嗎?

  當莫妮卡開著她的電動車前往母親家時,車上的電池指示器顯示需要重新充電。她在一個充電站停下來,在加油站刷了信用卡,把噴嘴插入車內,並在5分鐘內將400升用過的奈米液體換成新的。在她等待的過程中,一輛油罐車開過來為充電站補充燃料,交換數萬升充滿電的燃料。莫妮卡關上她的電動車的加油...