一、人工智能的发展现状和趋势如何

近年来我国人工智能产业呈现出了蓬勃发展的良好态势。一是部分关键应用技术特别是图像识别、语音识别等技术，处于全球相对领先的水平，人工智能论文总量和高倍引用的论文数量，也处在第一梯队，据全球相对前列。二是产业整体实力显著增强。全国人工智能产业超过一千家，覆盖技术平台、产品应用等多环节，已经形成了比较完备的产业链。京津冀、长三角、珠三角等地区的人工智能产业急剧发展的格局已经初步形成。三是与行业融合应用不断深入。人工智能凭借其强大的赋能性，正在成为促进传统行业转型升级的重要驱动力量，各领域智能的新技术、新模式、新业态不断涌现，辐射溢出的效应也在持续增强，人工智能概念的火热促进了不少行业的兴起，比如域名，许多相关的top域名已经被注册。但也要看到，在快速发展过程当中，我国人工智能的基础技术，还有较大欠缺，能够真正创造商业价值的还比较少。传统行业与人工智能的融合还存在较高门槛，有数据显示，今年人工智能领域投融资比前两年特别是跟去年相比，也有比较大幅度的下调。

中国人工智能应用具有领域广、渗透深的特点，在产业化方面具有独特优势，但也面临巨大挑战，尤其是在基础理论和算法方面，原始创新能力不足，在高端芯片、关键部件等方面基础薄弱，高水平人才也不足。随着全球人工智能加速发展，各国在认知智能、机器学习、智能芯片等方面将不断取得突破。

二、人工智能的发展概况

探讨人工智能，就要回答什么是智能的问题，综合各类定义，智能是一种知识与思维的合成,是人类认识世界和改造世界过程中的一种分析问题和解决问题的综合能力。对于人工智能，美国麻省理工学院的温斯顿教授提出“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”，斯坦福大学人工智能研究中心尼尔逊教授提出“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学”。综合来看人工智能是相对人的智能而言的。其本质是对人思维的信息过程的模拟，是人的智能的物化。是研究、开发模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

（一）感知、处理和反馈构**工智能的三个关键环节

人工智能经过信息采集、处理和反馈三个核心环节，综合表现出智能感知、精确性计算、智能反馈控制，即感知、思考、行动三个层层递进的特征。

智能感知：智能的产生首先需要收集到足够多的结构化数据去表述场景，因此智能感知是实现人工智能的第一步。智能感知技术的目的是使计算机能“听”、会“看”,目前相应的计算机视觉技术和自然语言处理技术均已经初步成熟，开始商业化尝试。

智能处理：产生智能的第二步是使计算机具备足够的计算能力模拟人的某些思维过程和行为对分析收集来的数据信息做出判断，即对感知的信息进行自我学习、信息检索、逻辑判断、决策，并产生相应反映。具体的研究领域包括知识表达、自动推理、机器学习等，与精确性计算及编程技术、存储技术、网络技术等密切相关，是大数据技术发展的远期目标，目前该领域研究还处于实验室研究阶段，其中机器学习是人工智能领域目前热度高，科研成果密集的领域。

智能反馈：智能反馈控制将前期处理和判断的结果转译为肢体运动和媒介信息传输给人机交互界面或外部设备，实现人机、机物的信息交流和物理互动。智能反馈控制是人工智能直观的表现形式，其表达能力展现了系统整体的智能水平。智能反馈控制领域与机械技术、控制技术和感知技术密切相关，整体表现为机器人学，目前机械技术受制于材料学发展缓慢，控制技术受益于工业机器人领域的积累相对成熟。

（二）深度学习是当前热的人工智能研究领域

在学术界，实现人工智能有三种路线，一是基于逻辑方法进行功能模拟的符号主义路线，代表领域有专家系统和知识工程。二是基于统计方法的仿生模拟的连接主义路线，代表领域有机器学习和人脑仿生，三是行为主义，希望从进化的角度出发，基于智能控制系统的理论、方法和技术，研究拟人的智能控制行为。

当前，基于人工神经网络的深度学习技术是当前热的研究领域，被Google，Facebook，IBM，百度，NEC以及其他互联网公司广泛使用，来进行图像和语音识别。人工神经网络从上个世纪80年代起步，科学家不断优化和推进算法的研究，同时受益于计算机技术的快速提升，目前科学家可以利用GPU（图形处理器）模拟超大型的人工神经网络；互联网业务的快速发展，为深度学习提供了上百万的样本进行训练，上述三个因素共同作用下使语音识别技术和图像识别技术能够达到90%以上的准确率。

（三）主要发达国家积极布局人工智能技术，抢占战略制高点。

各国政府高度重视人工智能相关产业的发展。自人工智能诞生至今，各国都纷纷加大对人工智能的科研投入，其中美国政府主要通过公共投资的方式牵引人工智能产业的发展，2013财年美国政府将22亿美元的国家预算投入到了先进制造业，投入方向之一便是“国家机器人计划”。

在技术方向上，美国将机器人技术列为警惕技术，主攻军用机器人技术，欧洲主攻服务和医疗机器人技术，日本主攻仿人和娱乐机器人。

现阶段的技术突破的重点一是云机器人技术，二是人脑仿生计算技术。美国、日本、巴西等国家均将云机器人作为机器人技术的未来研究方向之一。伴随着宽带网络设施的普及，云计算、大数据等技术的不断发展，未来机器人技术成本的进一步降低和机器人量产化目标实现，机器人通过网络获得数据或者进行处理将成为可能。目前国外相关研究的方向包括：建立开放系统机器人架构（包括通用的硬件与软件平台）、网络互联机器人系统平台、机器人网络平台的算法和图像处理系统开发、云机器人相关网络基础设施的研究等。

由于深度学习的成功，学术界进一步沿着连接主义的路线提升计算机对人脑的模拟程度。人脑仿生计算技术的发展，将使电脑可以模仿人类大脑的运算并能够实现学习和记忆，同时可以触类旁通并实现对知识的创造，这种具有创新能力的设计将会让电脑拥有自我学习和创造的能力，与人类大脑的功能几无二致。在2013年初的国情咨文中，美国总统奥巴马特别提到为人脑绘图的计划，宣布投入30亿美元在10年内绘制出“人类大脑图谱”，以了解人脑的运行机理。欧盟委员会也在2013年初宣布，石墨烯和人脑工程两大科技入选“未来新兴旗舰技术项目”，并为此设立专项研发计划，每项计划将在未来10年内分别获得10亿欧元的经费。美国IBM公司正在研究一种新型的仿生芯片，利用这些芯片，人类可以实现电脑模仿人脑的运算过程，预计快到2019年可完全模拟出人类大脑。

（四）高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引*点进行投资，加快产业化进程。

谷歌在2013年完成了8家机器人相关企业的收购，在机器学习方面也大肆搜罗企业和人才，收购了DeepMind和计算机视觉领军企业AndrewZisserman，又聘请DARPA原负责人ReginaDugan负责**性创新项目的研究，并安排构建Google基础算法和开发平台的著名计算机科学家JeffDean转战深度学习领域。苹果2014年在自动化上的资本支出预算高达110亿美元。苹果手机中采用的Siri智能助理脱胎于美国先进研究项目局（DARPA）投资1.5亿美元，历时5年的CALO（CognitiveAssistantthatLearnsandOrganizes）项目，是美国首个得到大规模产业化应用的人工智能项目。Amazon计划在2015年能够使用自己的机器人飞行器进行快递服务。韩国和日本的各家公司也纷纷把机器人技术移植到制造业新领域并尝试进入服务业

（五）人工智能的实际应用

人工智能概念从1956年提出，到今天初步具备产品化的可能性经历了58年的演进，各个重要组成部分的研究进度和产品化水平各不相同。人工智能产品的发展是一个渐进性的过程，是一个从单一功能设备向通用设备，从单一场景到复杂场景，从简单行为到复杂行为的发展过程，具有多种表现形式。

人工智能产品近期仍将作为辅助人类工作的工具出现，多表现为传统设备的升级版本，如智能/无人驾驶汽车，扫地机器人，医疗机器人等。汽车、吸尘器等产品和人类已经有成熟的物理交互模式，人工智能技术通过赋予上述产品一定的机器智能来提升其自动工作的能力。但未来将会出现在各类环境中模拟人类思维模式去执行各类任务的真正意义的智能机器人，这类产品没有成熟的人机接口可以借鉴，需要从机械、控制、交互各个层面进行全新研发。

希望我的回答可以帮到您哦

三、人工智能的发展动因有哪些

人工智能作为互联网驱动下的一个重要领域，能够发展到今天，不是靠着自身内部的驱动力，而是因为互联网在不断完善，数据变的随处可得，所以，人工智能的进步来源于互联网基础设施的不断进步，离开互联网孤立的来看人工智能，是没有意义的。人工智能的再度兴起并非偶然，因外部环境和人工智能自身都在发生演化。驱动人工智能领域发展到现在程度的外部动因有：

1）传感器能力和数量的大幅提升。受智能手机、可穿戴设备等*发式增长的推动，传感器无论从数量还是质量上都有了飞跃，而机器的感知能力变强是机器变“聪明”的重要前提。LIGA等微电子技术的日趋成熟，推动着传感器能力有了质的飞跃，大量智能设备的出现则进一步加速了传感器领域的繁荣。这些伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的前提之一。

2）计算成本的大幅下降。人类很早就确定了人工智能需要处理的任务，但之前的计算资源使计算机无法完成这样庞大和复杂的信息处理。摩尔定律使得计算成本在迅速下降，同时云计算的出现、GPU的大规模应用使得集中化的数据计算能力变得前所未有得强大。今天人类已经拥有实现这些设计所需要的计算资源，如新一代微处理器的性能是1971年第一代单片机的400万倍。大规模的集中式计算使得人工智能的发展速度指数级加快，过去仅训练深度神经网络模型对某一物体的认知就要花费近一年时间，而现在这个时间被缩短到几天内。

3）海量数据的出现。2015年，全球产生的数据总量达到了10年前的20多倍。如此海量的数据给机器学习提供了足够多的素材。人工智能的本质其实分为两部分：首先是能够汇集到足够多的有效数据；其次是利用先进的算法对这些数据进行处理。大数据得益于互联网、移动互联网和越发廉价且变得无处不在的传感器。大数据是人工智能发展的助推剂，因为有些人工智能技术是使用统计模型来进行数据的概率推算的，如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”。

四、人工智能的发展动因有哪些

人工智能作为互联网驱动下的一个重要领域，能够发展到今天，不是靠着自身内部的驱动力，而是因为互联网在不断完善，数据变的随处可得，所以，人工智能的进步来源于互联网基础设施的不断进步，离开互联网孤立的来看人工智能，是没有意义的。人工智能的再度兴起并非偶然，因外部环境和人工智能自身都在发生演化。驱动人工智能领域发展到现在程度的外部动因有：

1）传感器能力和数量的大幅提升。受智能手机、可穿戴设备等*发式增长的推动，传感器无论从数量还是质量上都有了飞跃，而机器的感知能力变强是机器变“聪明”的重要前提。LIGA等微电子技术的日趋成熟，推动着传感器能力有了质的飞跃，大量智能设备的出现则进一步加速了传感器领域的繁荣。这些伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的前提之一。

2）计算成本的大幅下降。人类很早就确定了人工智能需要处理的任务，但之前的计算资源使计算机无法完成这样庞大和复杂的信息处理。摩尔定律使得计算成本在迅速下降，同时云计算的出现、GPU的大规模应用使得集中化的数据计算能力变得前所未有得强大。今天人类已经拥有实现这些设计所需要的计算资源，如新一代微处理器的性能是1971年第一代单片机的400万倍。大规模的集中式计算使得人工智能的发展速度指数级加快，过去仅训练深度神经网络模型对某一物体的认知就要花费近一年时间，而现在这个时间被缩短到几天内。

3）海量数据的出现。2015年，全球产生的数据总量达到了10年前的20多倍。如此海量的数据给机器学习提供了足够多的素材。人工智能的本质其实分为两部分：首先是能够汇集到足够多的有效数据；其次是利用先进的算法对这些数据进行处理。大数据得益于互联网、移动互联网和越发廉价且变得无处不在的传感器。大数据是人工智能发展的助推剂，因为有些人工智能技术是使用统计模型来进行数据的概率推算的，如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”。