交通领域的人工智能篇1
1、依托百度公司建设自动驾驶国家人工智能开放创新平台。
2、依托阿里云公司建设城市大脑国家人工智能开放创新平台。
3、依托腾讯公司建设医疗影像国家人工智能开放创新平台。
4、依托科大讯飞公司建设智能语音国家人工智能开放创新平台。
人工智能相关政策逐步落地实施，相关开放创新平台建设传闻兑现。从今年7月国务院印发《新一代人工智能发展规划》开始，相关部委开始抓紧推进规划的实施工作。10月13日中国人工智能产业发展联盟成立大会上，科技部提出试点建设人工智能开源开放创新平台，初步考虑纳入Bat和科大讯飞。11月15日，《新一代人工智能发展规划》启动会上，科技部正式宣布建立依托Bat和科大讯飞在自动驾驶、城市大脑、医疗影像、智能语音领域的人工智能开放创新平台。至此，人工智能发展规划初期创新平台建设已全部落地，《新一代人工智能发展规划》正式启动。ai初期应用场景初步选定为自动驾驶、城市大脑、医疗影像和智能语音，分别由各领域领先企业牵头，体现出科技部乃至国家层面对上述公司在相关领域的领先地位的肯定，也奠定了上述公司在未来人工智能发展中的定位布局。
四大巨头深耕四大领域。
百度7月份正式上线apollo计划1.0。公开无人驾驶平台，合作伙伴可通过该平台快速搭建自己的无人驾驶系统，被定义为自动驾驶领域的安卓。11月16日举行的百度世界大会上，百度宣布将在明年量产无人驾驶小巴，将量产无人驾驶汽车的时间从业界共识的2020年提前到2018年。
阿里在发源地杭州启动智慧城市，以智慧交通为切入点，通过交通大数据分析，对道路实时流量监控和控制，有效提高交通效率。同时阿里也与雄安新区签订协议，将在云计算、大数据、智慧城市等方面展开深度合作。
腾讯于今年8月首个医学领域人工智能产品--腾讯觅影，通过人工智能对医疗影像的分析达到识别早期食道癌的目的，在提高医生工作效率的同时降低误判率，预计今后该产品将应用于除食道癌之外的其他医学影像分析领域。
科大讯飞基于人工智能的语音技术在国际语音合成大赛中击败微软、iBm以及多个知名高校，连续12年夺冠。语音识别准确度高达98%以上，并可完成在复杂环境中的准确识别，无疑在该领域处于世界领先地位。
交通领域的人工智能篇2
关键词智能交通人才培养模式课程体系
中图分类号：G642文献标识码：a
1智能交通行业背景
国家在“交通运输行业智能交通发展战略（2011-2020）”中提出，深入贯彻落实科学发展观，按照加快转变交通运输发展方式、构建“便捷、安全、经济、高效”的综合运输体系、发展现代交通运输业的总体要求，以集成创新、规模应用为重点，着力促进智能交通技术在交通运输领域的有效应用，着力提升智能交通领域的自主创新水平，着力推动智能交通系统产业和市场的发展，满足人民群众对出行安全和便捷要求，使智能交通成为现代交通运输业的重要支撑和交通信息化的先导，并为我国战略性新兴产业提供应用环境和市场。国家在《公路水路交通运输信息化“十二五”发展规划》提出，大力推进交通运输各领域信息化建设，推动信息技术与交通运输管理和服务全面融合，全面提高交通运输智能化、现代化水平。湖北交通根据交通信息化发展趋势，在“十二五”将开展“公路水路安全畅通与应急处置系统”、“公路水路交通出行信息服务系统”、“交通物流公共信息服务系统”、“交通综合管理信息平台”等四项重大工程建设，这需要充实大量的计算机网络、电子政务、办公自动化、智能运输、联网收费、视频监控、信息服务等不同层次的技术力量，尤其需要在一线的高素质技能型人才为各信息系统的建设与管理提供人才保障。
2行业人才需求调研
通过对相关企业的走访、调研，分析未来几年智能交通行业对人才的需求主要体现在以下三个方面：
2.1城际智能交通
在城际交通方面，伴随着中国高速公路投资规模的不断扩大，建设里程的不断增加，高速公路管理所需交通工程设施，特别是高速公路的通信、监控和收费系统需求量将不断扩大。高速公路智能交通系统是以信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术和交通工程等技术为基础的综合性、集成化大系统，主要由监控系统、通信系统和收费系统三大部分组成。
到2015年，湖北省高速公路总里程将突破6500公里，力争达到7000公里，根据交通部门的岗位调查和需求预测，湖北“十二五”期间智能交通领域需要从事交通控制与管理、电子不停车收费等方面的高技能人才从业人员在1.3万人以上。
2.2城市智能交通
智能交通是智慧城市建设的重要组成部分，通过改进地面公交调度和信息服务、出租车综合信息服务、轨道交通换乘信息服务和交通枢纽综合信息服务等，能够帮助出行者选择更好的出行方式，由“盲目”出行转变成“有序”和“可靠”出行。近年来，各地都在不遗余力地推进智能交通的建设，并将它作为发展智慧城市的重要目标。根据武汉市智能交通发展规划预测，湖北“十二五”期间城市智能交通领域需要从事GpS与电子地图制作、城市交通控制与管理等方面的高技能人才从业人员在1万人以上。
2.3城市轨道交通
按照武汉市轨道交通规划，武汉将有5条地铁连通武汉三镇，23条过江通道穿越两江，到2017年，共7条轨道线建成，总里程超过250公里。根据许多城市发展城市轨道交通的经验，城市轨道交通的建设和发展，将会带来大量的人才需求，除了建设时期需要大量的轨道交通工程建设人员外，随着城市轨道交通的投入运营，每年都会产生大量的运营人员需求，人员需求岗位既涉及行车组织人员，也涉及非行车人员。专家预测，每开通一条地铁线路大约需要各类人才1300人左右，根据武汉市目前的城市轨道七条线路的规划，到2020年，武汉轨道交通人才需求将达到近1.2万人，而60%是一线技术管理和运营管理人才。总之，总长为250公里的武汉轨道交通将能提供10000多个就业岗位。
3专业技能型人才培养体系基本设想
3.1人才培养目标定位
根据行业背景及相关企业人才需求调研明确了本专业人才培养目标的定位：本专业主要面向湖北及中部地区，服务交通运输行业，培养具有良好职业道德和敬业精神，掌握必备的文化知识和专业基础理论知识，具备监控系统、收费系统及通信系统的集成与施工、维修维护、系统管理等专业技能，适应高速公路与城市道路信息化系统的施工、维护、管理等岗位工作的高端技能型专门人才。
3.2“双身份、三循环”人才培养模式的尝试
根据交通信息化建设对人才的需求，以就业为导向，以培养学生的综合职业能力为重点，遵循职业教育规律，突出交通信息化职业教育特色，实施“双身份、三循环”的人才培养模式。即学院和企业共同实施教学过程，学生以“学生+学徒”的双重身份，在学院和企业轮流上课与实训，充分发挥学校和企业两种教育环境、两种教学资源的作用；根据交通安全与控制专业从业人员的实际需要设置课程和实训内容：第一学年学生在校内进行基础文化知识和基础理论知识的学习，中途安排学生到校企合作单位观摩见习，使学生了解未来的工作岗位，之后学生回到学校继续学习；第二学年学生在校内进行系统的专业理论知识学习，中途安排学生到校企合作单位见习，之后学生回到学校继续专业技能的训练；第三学年根据学生的就业意向对学生进行针对性的实习教育，再安排学生到相应校外实习基地进行顶岗实习，之后学生回到学校完成毕业设计及毕业答辩。
3.3“能力本位”的课程体系的构建
（1）通过职业岗位（群）分析，确定典型工作任务。由交通安全与智能控制专业教师和相关企业行业技术专家和一线技术人员组成专业课程开发设计小组，针对本专业职业岗位（群），采用访谈、问卷、研讨、论证等方式，依据在实际工作中具体工作任务出现的频繁程度、重要性以及所承载的知识与技能，通过岗位（群）分析确定本专业对应的典型工作任务。（2）通过对典型工作任务的归纳、整合，确定行动领域。通过研讨、论证等方式，广泛听取企业行业和学校等各方意见，根据完成典型工作任务所需的能力点不同，将相近工作任务按能力阶次进行归并和分层、分类，归纳出本专业基于能力标准为支点的行动领域。（3）通过对知识和能力结构的解构与重构，实现行动领域向学习领域的转化。由专业教学指导委员会汇集企业行业技术专家、实际生产一线的技术能手、学校专业骨干教师和教学专家，对照职业标准，结合教学资源的整合，根据工作任务的系统性和学生职业能力的形成规律。按照由易到难、循序渐进的原则，同时充分考虑教学的可实施性，以行动为导向，按照实际工作过程组织教学内容，开发出交通安全与智能控制专业主要学习领域。
参考文献
[1]谭任绩.“3+3大循环”工学结合人才培养模式实践与思考[J].职业教育研究，2012（3）.
交通领域的人工智能篇3
3月11日，全国政协副主席、科技部部长万钢在人大记者会上明确表示，目前正与相关方面共同起草促进中国人工智能创新发展的规划，“估计两会以后很快就会和大家见面”。
从大洋彼岸的新鲜事物，到中国企业的迎头赶上，再到写入国家战略规划，人工智能在中国的发展，短短几年便完成了令许多新兴产业“羡慕”的三级跳，显示出后发先至的强劲势头。那么，中国人工智能距离引领世界还差什么？
中国实力不容小觑
据艾瑞咨询预计，2020年全球人工智能市场规模将达到1190亿元，年复合增速约19.7%；同期中国人工智能市场规模将达91亿元，年复合增速超50%。
“未来5到10年，人工智能将像水和电一样无所不在，可以进入教育、医疗、金融、交通、智慧城市等几乎所有行业；同时，人工智能产业发展，将决定一个国家和民族未来在全球的话语权，决定其在产业链分工中的地位。”全国人大代表、科大讯飞董事长刘庆峰说，尽管中国过去在人工智能的发展史上很多时候是缺席的，但就这一轮技术竞赛上而言，中国没有落后。
刘庆峰所言非虚，数据显示，从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国，人工智能企业融资规模仅次于美国，位列全球第二。从2014年开始，在深度学习领域，从数量和被引用次数两个标准看，中国均已超过美国。我国在类脑智能、智能信息处理、智能人机交互等方向进行了重点研局，特别是在汉字识别、语音合成、语义理解、生物特征识别、机器翻译等方面保持国际先进水平。
更重要的是，在产业领域，科大讯飞、百度、腾讯、滴滴等不少中国高科技公司都建立了自己的人工智能研究机构，拥有巨大的用户群，掌握了人工智能深度学习进化所必需的海量数据。
不久前，搜狗公司2016全年财报，显示其全年营收44亿元，同比增长19%。“搜狗借助人工智能技术实现了较大的业绩增长。”搜狗Ceo王小川表示，“搜狗未来会把人工智能应用到更多的产品中，让用户表达和获取信息更简单，让人工智能真正惠及人类。”
传统行业也希望搭上人工智能的快车。过去的一年里，长虹、tCL、创维等中国家电企业纷纷人工智能家电产品，希望借助人工智能打破家电行业的销售难题。
打破天花板重在应用
虽然发展形势一片大好，利好政策也有望纷纷出台，但中国人工智能要想抢占世界的制高点，并非易事。
2016年10月，美国白宫专门两份重要报告《为人工智能的未来做好准备》和《美国国家人工智能研究与发展策略规划》，将人工智能上升到美国国家战略高度。对于中国来说，在强手如林的背景下，人工智能是一场全球话语权的争夺战，也是一场艰苦卓绝的漫长之路。
全国人大代表、腾讯Ceo马化腾在今年两会上就承认，人工智能技术有可能成为各国战略上的制高点，远比过去的人口红利、流量红利、内容红利更不可逾越。
马化腾也提出了腾讯的焦虑：“只有通过技术的进步，企业才有可能保持在战略方面的制高点。当一个浪潮趋势来的时候，很多人都看到了，但为什么有的人能做到而有的人做不到，这就在于他有没有掌握这个技术。”
在连续五次在两会上提出人工智能提案的李彦宏看来，人工智能抢占制高点，应用层是最关键的。今年两会上，他提交了三份提案：《关于利用人工智能和大数据技术，帮助解决走失儿童问题的提案》《关于打造智能交通信号灯，缓解交通拥堵问题的提案》《关于加强人工智能行业应用，构建国家创新型经济的提案》，都聚焦到了应用层。
“人工智能给这个社会带来的改变堪比当年的工业革命或电力革命，天花板在人工智能与行业、生活的落地应用上，人工智能如果能够和各个行业结合，将释放出更大的社会、商业价值。”李彦宏说。
在他看来，中国能不能成功卡位，关键在应用层的落地上，只有将数据和场景结合在一起，才能推动人工智能技术的成熟。因此他建议，大力推进“智能+经济”发展，从观念引导、制度创新、数据开放和专项支持等方面，为人工智能行业应用构建良好的政策环境。
竞赛关键在数据等基础
科大讯飞是近年来中国人工智能风头最劲的企业之一，目前已在教育、汽车、机器人等领域开始全球布局，并专门设立面向“一带一路”建设的多语音平台。
今年两会上，刘庆峰建议将“人工智能”上升为国家战略，并细化成“设立人工智能国家实验室”“成立人工智能产业联盟”。他还提出将多语种翻译技术列入国家专项计划当中，建立部级语言语料资源库，构建部级多语种翻译平台等。
之所以如此，是因为数据等行业基础设施决定着中国人工智能的世界竞争力。刘庆峰说：“只要后台有数据分析，将来我们都可以实现人、机器、各种生物之间的沟通。”
小米董事长雷军也提出，要加强人工智能领域的基础理论研究，在国家层面进行人工智能发展的顶层设计和专项计划，建立人工智能产学研协同创新共同体。
所幸从今年的两会透露的信息来看，国家在此方面已有布局。万钢指出，国家要打好基础，中央财政将设立专项资金，主要在基础研究、核心关键、共性技g上下功夫。科技部在关键技术攻关方面，重点支持了智能计算机系统、智能机器人、自动信息处理，在智能交通、智能电网、智慧城市等方面也支持了一批项目。
此外，中国人工智能的研究和发展原创性不足、产业应用狭窄。国际人工智能协会首位华人院士、香港科技大学教授杨强表示，不同意美国有媒体认为中国在“深度学习”上已经领先于美国的言论。他认为，原创性研究的不足仍然是中国人工智能研究领域的突出问题，这决定了人工智能当前在产业通用领域的发展仍然不尽如人意。
杨强认为，受益以及应用最多的行业仍然集中在互联网领域，最明显的便是淘宝、京东一类的电商，其共同点都是在一个很窄的领域收集了大量的数据来训练ai。“这些领域回报非常快。”但中国人工智能在金融和医疗等行业的发展，还远未达到预期。
“金融领域数字化程度非常高，数据都得以大规模保持。其次，医疗领域的一些前期鉴别，比如癌症的识别、人脸识别、体检片子扫描等也都是非常有可能成功的方向。”杨强说。
“无人驾驶有成功的一面，也有不成功的一面。”杨强评价近年来资本和产业布局较深的无人车方向，他认为无人驾驶需要突破的瓶颈仍然是各种突发场景的数据不足问题。
交通领域的人工智能篇4
纵观今年的ai行业，说不上风起云涌，谈不上拼得头破血流，但光从“巨头云集”四个字来看，就可窥见风平浪静之下其实暗流涌动。国外有谷歌、苹果，国内则有百度、阿里、腾讯、华为等多家企业入局。从拼技术到拼产品，从拼入口到拼布局，各个企业在ai领域大放异彩，展现着自身的独特魅力。
ai基因上：Bat各有优势，大数据算法全面更胜一筹
论ai基因，这个支撑企业整个ai战略构想的核心基础优势，可以说是不可或缺，它着实能为企业在ai领域的布局带来极大帮助，也是一家企业进军ai最大的底气。总体看来，Bat三家互联网巨头在布局ai领域均有优势，但因自身业务的不同，其ai基因的优势又表现在不同方面。
百度：ai基因意味着拥有先天的优势，依靠搜索引擎业务起家的百度，在掌握与人密切相关的数据算法领域算得上是得心应手。同时，作为人工智能的雏形搜索引擎业务，拥有它就相当于掌握了人工智能的钥匙，只需依据数据内容付诸实践便能打破许多关卡，拥有比其他企业更多的机会。
一方面，数据是企业做ai的源头，也是引领ai走向的一大支撑点，拥有数据便于掌握ai大致的发展方向；另一方面，百度搜索的数据样本较为全面复杂，范围涉及场景较为广泛，涵盖从天文地理到日常的生活信息，累积了丰富多样的样本数据，这一切，都是基于百度算法技术的支撑，也为其在ai领域的全布局上提供了最基本的算法和数据支持。因而，ai基因这一方面，百度比其他企业有了更多的发展机遇。
阿里：依靠电商起家的阿里，虽然不具备像百度一般的海量大数据，但是阿里在掌握电商消费者数据层面也有着自身的优势。与百度一样，阿里在ai领域也早已开始布局，其有着百万级用户规模的云计算业务，同时也凭借在电商领域的丰富场景应用，阿里在大数据层面也有着自身的实力所在；此外，阿里在商业场景上所得来的数据，也是支撑其人工智能产品最终落地的基石。
腾讯：虽然在先天技术上略逊色于其他两家，但腾讯也有着丰富的应用场景。依靠在社交网络、媒体等业务的深耕，加上微信、QQ的庞大用户体量，使得腾讯在开发ai业务上更多基于提升用户体验上入手。从这方面看来，腾讯的ai基因更多倾向于丰富场景上的驱动，还有其庞大的用户数据体系支撑。
综合来看，三家互联网巨头在进军ai领域上有着天然的ai基因，只是因各自所涉及业务的不同，ai基因也各不相同。但从综合实力来看，拥有全方位的技术支持和丰富的场景应用，以及掌握算法功能才是开启ai领域的最佳起点。
ai产品上：场景出现重合，涉足范围广泛者博得头彩
人工智能领域虽说涉及的场景丰富，但最终还是无法脱离人们的衣食住行等各个方面。无论各企业在ai领域的构想如何丰富多彩，最终的成果检验还是要看产品的落地。因而，人工智能概念出现了这么多年，近两年终于加快了产品落地的步伐，国内尤以Bat为首的人工智能产品现已扎堆面世，为人们开启了新一轮的ai产品检验潮。
百度：借助先发优势，百度现已有多款人工智能产品落地，涉及的场景范围广泛且全面。其中，百度研发的一款智能音箱产品ravenH搭载旗下的人工智能操作系统DueroS2.0，在这项系统的加持下，ravenH在语音对话交互方面达到高度智能化，同时在与人类交互的功能上还能不断学习和进化，以达到与用户使用习惯的高度融合。这款智能音箱产品拥有很强的唤醒率，即使相隔一堵墙也能被轻易唤醒服务，还能用于控制家居产品如灯光、电视等家居产品，相当于掌握了智慧家庭入口。
同时，在人工智能产品发展逐渐步入正轨，许多人工智能场景如智慧生活、智慧出行等方面急需语音系统支持的情况下，百度的人工智能操作系统DueroS应运而生，为赋能上下游产业链付诸行动。在上游，百度DueroS与紫光展锐、aRm等芯片厂商达成合作，提升硬件基础以最终赋能于人工智能产品上；在下游，百度DueroS与海尔、美的、tCL等传统家电厂商同样达成战略合作。有了DueroS的支持，用户将能通过DueroS，实现对电视、冰箱等智能家电产品的操控。
另外，百度研发的深度语音识别系统DeepSpeech，在高精度的语音识别领域展开部署。当下的ai领域，语音识别涉及的场景也较为广泛，人工智能的初衷就是带给人们无处不在的便捷体验，“能动嘴尽量不动手”的语音识别更是深受ai研发企业的欢迎，也深受消费者的追捧。在这项语音识别系统的加持下，相关产品不仅为用户提供了多国语言的互译功能，也为用户带来了便捷的翻译体验。
除此之外，百度还研发了无人驾驶技术平台apollo，旨在建立多方合作的生态体系，为汽车企业和用户搭建一套新的完整的自动驾驶系统，推动无人自动驾驶技术发展和普及。目前，apollo已经开放两款落地产品，其中一款小度人车交互系统，不仅拥有智能语音助手和人脸识别功能，还能实现疲劳检测和aR导航，目前小度车载系统已与多家车企达成合作，多款车型将进入量产阶段。
阿里：同样，语音这项连接人工智能与人类频率颇高的交互接口，阿里也有涉足。其中，阿里云研发的一款人工智能产品et大脑，在智能领域实现了新的突破，除了具备智能语音交互和生物识别等技术，还能帮助人们在复杂的情况下快速做出最佳选择。
同时，在智慧家庭领域，阿里研发的一款智能音箱产品天猫精灵，在语音识别上也拥有多项功能，此外通过内置人机交互系统开放给业界，已有多家产品链接到天猫精灵，为布局全局的智慧家庭入口夺得先机。
腾讯：在人工智能领域后入局的腾讯，在人工智能领域的开发更加注重提升自家产品的用户体验上。围绕智能语音识别和自然语言处理等板块，腾讯目前已提供了多种人工智能服务，为自身产品在语音识别上进一步提升用户体验。
此外，腾讯拥有为智能音箱厂商提供后台支持的云小微，在微主机ministation衍生的智能家居设想上，逐步拓展到在线教育和家庭控制中心等。
综合来看，Bat三家所研发的人工智能产品虽有不同，但都涉及了同一个生活场景，那便是智慧家庭领域。尤其是涉及多个人工智能领域场景维度的语音交互系统，包括冰箱、空调、智能音箱等家用电器。在这方面，谁能拥有强大的语音操控系统，谁就能牢牢把握这一出现频率较高的交互接口。同时，为人类带来丰富惊喜体验的人工智能领域，同样需要丰富的产品加以支撑，才能为往后智慧生活的进一步实现提供有力的产品支撑。
ai理念上：与自身业务紧密结合，取得先机者得天下
ai理念，即企业做ai的核心思想。从最初的产品定位，到产品的生产和落地，均离不开最初的理念支持，即产品将要成为什么样、将为人类带来何种便利，每个阶段都围绕最初的理念开展。总体看来，Bat的人工智能理念是在自身原有业务的基础上，围绕ai领域展开构想，并将这一设想付诸实践。
百度：从百度的人工智能理念来看，人工智能在未来会涵盖其所有的产品和服务，成为新的增长引擎。而事实上，百度在人工智能领域早已从七、八年前开始，从基础层到感知层以及生态层和应用层等，百度均有着明晰的战略规划方向。此外，经过一段时期的打磨和经验总结，百度的人工智能理念开始跟随产品一同落地，整个人工智能战略规划也从理论开始走向实用阶段。
阿里：电商起家的阿里，在人工智能的布局比百度稍晚一些，其人工智能理念多围绕电商这一核心业务，从仓储到物流，从产品到制造，阿里在零售业的人工智能轨迹很清晰，并且与自家业务紧密结合。同时阿里发挥所长，全面赋能零售体系。
腾讯：在ai矩阵布局上，腾讯目前拥有人工智能实验室、微信智能语音团队等技术的支持。同时其人工智能领域更关注场景、计算能力等，腾讯同样也是从自身业务出发，布局游戏、社交和内容ai，对比其他两家来说起步较晚，但初涉人工智能领域的腾讯也不甘落后，建起了人工智能实验室，用于人工智能方面的研究和开发。
综合来看，在人工智能的战略布局和理念构想上，百度已经抢占了先机，从技术优势到场景落地，战略规划进一步照进现实。因而在人工智能领域，必然是取得先机者拥有绝对的话语权，在未来的业务范围拓张上也卯足了底气。
ai基因、产品、理念的加持下，未来的ai行业谁将剑指巅峰？
综上所述，人工智能产业最终的走向必然是加快产品落地的同时迈向高度商业化的未来。无论是阿里的智慧新零售，还是腾讯的场景重要性，抑或是是百度的从出行，到赋能实体制造业的全方位操作，都在各自的领域有着明确的产品构想。
因而，在ai基因、ai产品以及ai理念的加持下，接下来的人工智能产业，各个企业都将在自身基础的战略布局上，进一步将计划落地实施。不过需要注意的是，人工智能这个庞大的产业，并非一家企业就能独自撑起，而是需要各行各业的相互协作共同推动，才能将企业的人工智能核心理念从理想照进现实。因此，在企业界的共同推动下，未来的人工智能社会化场景中，人工智能所带给人们的便捷将得到更大化的展现，人类的生活是无处不在的方便和舒适。
这种便捷或许将在以下两个场景中得到高度化的体现。日常家庭生活上，只需“开口说话”这一个动作，便能顺利操控各个家居产品工作，实现家居产品与用户需求的高度融合；日常交通出行上，也无需用户亲自“动手”，汽车便能自动上路，不仅从一定程度上解放了人的双手，同时也“解放”了“脑袋”，留给用户足够的思维空间专注其他工作，方便又安全。
交通领域的人工智能篇5
【关键词】智能视频分析技术应用发展前景
引言：近些年，随着政府和公众在公共安全领域安全防范意识的提高，智能视频分析技术得到了快速发展。智能视频分析技术的多种用途使其应用范围非常广泛，本文重点介绍其中几种应用途径，并对未来的发展前景做简单分析。
一、智能视频分析技术产生的背景
由于越来越注意人身安全和公共领域安全，许多公共领域均采取一定的安保措施，但是对于人流量或者车流量非常密集的区域，采用人力管理是非常不明智的，会过多的消耗人力物力财力，基于此，国家大力投入资源和经费，新技术由此诞生，即智能视频分析技术，它自诞生以来，被越来越多的应用在许许多多公共领域甚至一些私人的区域，这大大减轻了了传统的人力安保工作，并且也拓展了发生事故后的侦查信息的途径，能更清楚准确的为事故提供证据，也起到一个监控和督促的作用，减少安全事故的发生。
二、智能视频分析技术应用的现状
1、目标跟踪。即通过智能视频分析中的坐标定位功能可以进行移动检测目标的跟踪监测，弥补固定摄像机监控范围狭窄，视野不可移动变化等缺点，使跟踪监测的目标能始终处于监控画面的中央，方便观测人员的检查，这项技术是智能分析技术的基础。在交通系统中的应用非常广泛。
2、范围内目标移动检测。在目标跟踪的基础上，智能视频分析技术可以根据目标的运行方向和轨迹判断其移动范围是否处于合理范围之中，这项应用中主要运用入侵检测和绊线监测。入侵检测即是在监控场景中设置特定的检测区域，对于目标的进入或者离开进行监控并及时发出信号。绊线监测是在监控范围内，设定检测线，当有目标以非合理方向或者强制穿越检测线时，发出信号通知。这项技术多用于监狱，军区，重要物资存储仓库和私人住宅中，目前技术发展态势良好，取得一定效果。
3、目标逆行检测。在监控区域内划定物体运动方向，如果范围内有目标没有按照正常运动方向运动，则标记该目标，这项技术主要应用在交通逆行违章中来检测是否有车辆逆行，通过与其他技术的联合应用，抓拍违章车辆车牌号，来为交警人员的后续处理提供依据，该项技术目前已经很成熟，广泛应用于交通道路监控。
4、遗留物体检测。这是指在视频中划定固定的监测范围，进入该检测范围内并静止停留一段时间的物体内进行监测监控，这项技术目前主要应用于交通领域中的违章停车，也可以用于atm机异物留存检测，还可以用于机场，码头，车站等公共领域危险品遗留的监测，不过目前广泛应用在前两种情况，对于进行公共领域危险品的监测还有一段距离。
5、流量统计。指在视频中设立一个或者几个需要检测的范围，统计单位内进入或者离开该范围的目标数量，这项技术可以应用在著名景区、博物馆、美术馆等进行游客数量统计，也可以应用在监狱进行检查，还可以应用在交通领域中的单位时间内车流量统计，该项统计对区域范围和车流密集程度有一定要求。
三、智能视频分析技术的发展前景
3.1技术发展前景
像素更高。过去，很难实现高清视频分析，但是最近一段时间技术提升，目前已有200万像素、500万像素的高清视频分析，在之后的技术发展中，像素会随之越来越高。
应用范围更广泛。目前，智能视频分析技术主要应用于电子警察系统，交通卡口等领域，随着技术的进步和政策的支持，日后，会应用于更广泛的领域，比如人脸识别等。
技术更智能。当前的技术已由配备工控机到直接将算法写入摄像机，不但让视频分析技术前端配备设备更少，更加实现智能化，也让内部处理器性能有所提高，今后的产品研发中，这项技术会越来越智能。
运行稳定性更高。当前虽然智能视频分析技术有一定范围和程度的应用，但是在稳定性方面存在一定缺陷，有些领域的应用还处于试用阶段，将来，在技术提升以后，监测准确度和稳定性都会提高。
3.2市场发展前景
由于目前人口多，家庭拥有车辆增多，交通拥挤是现代城市中一个较为严重的问题，因此，这也是政府所关注和投资的重点，智能视频分析技术作为交通领域发展进步所依赖的核心技术，将会在政策资源技术等方面获取一定优势，前景不言自明。
结论：通过对智能视频分析技术应用范围以及前景的分析，了解到智能视频技术在现代社会发展中所起到的作用，日后在政策的支持下，该项技术一定会有更大的发展空间。
参考文献
交通领域的人工智能篇6
同时，战略明确将实现跨区域、大规模的智能交通集成应用和协同运行，提供便利的出行服务和高效的物流服务，在交通运输信息服务、运营管理和电子支付领域实现产业突破，争取2020年相关产值超过千亿元。作为国内第一部通过政府文件形式出台的智能交通发展战略，这无疑将给智能交通在社会、经济双重价值的全面提升注入强劲的推动力。
道路产业合理化
城市道路资源的不可扩展以及车辆越来越多的现状，已经严重制约了城市交通的发展，如果遇到了灾害天气更是雪上加霜。因此，交通信息服务不可避免地成为智能交通领域的研究热点，同时也成为智能交通实现产业化的重点方向。
交通运输部公路科学研究院总工程师、国家智能交通系统工程技术研究中心主任王笑京表示，仔细观察目前交通领域的大动作不难发现，修建高速公路、民航机场等基础设施实际上让为了满足大多数人的出行便利要求，这是形成道路产业化的基本条件，同时也印证了战略的主旨。
交通运输部科技司信息化管理处处长邹力曾在第三届智能运输大会表示，产业化突破的重点将在信息服务、交通电子支付等方面。信息服务包括交通的运营管理、海量数据的手机存储处理、交通管理软件的开发和系统集成等方面；交通电子支付则包括不停车收费、公交一卡通、停车场的收费以及交通信息服务的支付等方面。据调查，目前国内从事智能交通行业的企业有2000家左右，政策将直接驱动市场对视频、安防、监控、收费等设备的需求，预计到2020年国内智能交通领域的投入将达1820亿元。而来自中国交通技术网的统计称，2011年，中国城市智能交通千万级项目数量达195项，比上年增长129％；千万级项目市场规模合计57.9亿元，比上年增长180％。
在开放信息资源、明确投资力度的促动下，智能交通产业化进程将显著加快。据交通运输部交通信息中心负责人透露，该中心开发推广的营运车辆联网联控综合监督服务系统采用GpS卫星定位技术，目前已有150.9万辆“两客一危”车辆入网，覆盖31个省区市，下一步还将向出租车推广，发展态势非常好。这还仅仅是针对营运车辆的信息服务，如果推广到整个市场，规模之大可想而知。
王笑京坦承，尽管智能交通在产业化的发展过程中依然存在问题，但不能忽视的一点是，目前在智能交通领域中，尤其在管理角度，中国有不少典型的成绩是得到国际承认的。例如城市交通不可能单纯依靠信息技术去解决拥堵问题。王笑京举例，北京很多路口机动车交通量超过了路口通行能力，额定绿灯时间内排队车辆不能全部通过时，拥堵就会成为必然而不是偶然。在物理设施能力限制下，通过计算机系统控制的信号灯就必然满足不了车辆通行顺畅的要求。但是技术还是能够在提高出行可靠性和安全水平上做出不小的贡献。
王笑京介绍，目前智能交通应用相对成熟的是在高速公路电子不停车收费和车载导航方面，在其他方面，由于缺乏成熟的商业模式，目前大多数还在试用阶段。为此，战略提出智能交通要在公路电子收费、交通信息服务、交通运行监管、集装箱运输、公交车辆、营运车辆及船舶动态监管等领域，实现规模应用和产业化，到2020年总产值规模超过1000亿元。要达到这一目标，需开放一部分地理信息资源与企业开展合作，鼓励社会力量参与内容加工和增值服务，形成可持续的商业模式，增强多层次服务供给能力；同时，要加快研究建立技术、应用和资本共同引领的智能交通产业发展模式。这将掀起企业参与智能交通的热情。
找准技术落脚点
智能交通是一个基于现代信息技术面向交通运输的服务系统。其突出特点是以信息的采集、处理、、交换、分析、利用为主线，为交通参与者提供多样性的服务。简单来说就是利用高科技使传统的交通模式变得更加智能化、更加安全、节能、高效率。作为一种先进的集成化交通管理与服务系统，在该系统中，车载智能系统可为驾驶者提供交通信息、安全告警和上网交互服务，理想的愿景是控制车辆在道路上自动行驶；而道路则靠自身的数据采集和智化控制将交通流量调整至最佳状态，借助于这个系统，管理人员对道路、车辆的行踪将掌握得一清二楚。
“无线通信技术使得车辆可以和车辆‘交谈’，车辆可以和路侧系统‘交谈’，路网的安全和服务水平将达到另一个高度。”日前，交通运输部公路科学研究院牵头负责的国家重大科技专项课题“面向公路智能交通系统的无线物联网总体技术研究”正式启动，作为项目的负责人王笑京表示，该项目将以公路交通领域应用需求为基础，结合宽带无线通信技术和发展，确立我国公路无线物联网发展的总体思路，完成公路无线物联网应用相关框架设计，提出公路无线物联网关键技术攻关方向，为我国新一代智能交通的发展奠定基础。
交通领域的人工智能篇7
提到人工智能，我们应该不陌生，目前已经有很多智能产品进入到我们的生活，如智能手表、手环等这类可穿戴的设备，更吸引眼球的无人驾驶和服务机器人也都慢慢进入我们的视野。
根据VentureScanner的统计，截至2016年初，全球共有957家人工智能公司，美国以499家位列第一。中国人工智能领域约有65家创业公司获得投资，合计29.1亿元。相对于全球人工智能市场，中国人工智能市场依旧是一个有待进一步开发的市场。
巨头纷纷布局人工智能，行业技术却有待提升
如今，全球有近千家人工智能公司，覆盖到62个国家的语音识别、手势控制、虚拟私人助手、语音翻译和智能机器人等十余个产业，基础技术、人工智能技术、人工智能应用构成了人工智能产业链的三个核心环节，而国内涉及人工智能领域的公司也早已破百。不论是国外还是国内的科技巨头和风投机构都在布局人工智能这条产业链，以寻求占得人工智能市场一席之地。
全球ai阵营：3月份的谷歌阿尔法狗机器人大胜围棋高手后，令谷歌名声大噪，也将人工智能再次推向全球热浪中。在无人驾驶汽车方面，谷歌无人驾驶汽车测试历程已超过200万公里，并对其不断地测试和改进；微软在人工智能方面的技术研究投入已超过20年的时间，其人工智能机器人小冰是人工智能伴侣虚拟机器人的生态模式；Facebook的聊天机器人“m”，是基于其用户和社交形态而成的智能助手，除了能够回答用户问题、查阅信息外，还能够帮助用户完成一些生活操作，如购买商品、餐厅定位、安排计划旅行等。
由谷歌、微软和Facebook为代表的全球ai市场，在语音识别、机器视觉等产品上有了丰富的研究、开发，而在人脑科学、深度学习感知等领域上的研究也在不久会有所突破。
国内Bat巨头阵营：百度的人工智能技术体系包括百度研究院、百度大数据、百度语音、百度图像等技术，而百度在人工智能上的投入力度很大，且其技术在国内处于领先地位；阿里的人工智能是在其Dt和附能话术体系下展开的，阿里目前有小ai、小蜜，是以阿里云为基础的业务蓝图的生态模式；相对于百度、阿里，腾讯在人工智能方面进展相对比较缓慢，目前推出了Dreamwriter和微宝等产品。
然而，纵观国内外人工智能领域的市场，巨头们在人工智能领域都已布下棋局，但是巨头们的人工智能都是在为企业自身以及企业相关业务进行服务。目前的人工智能市场，大多数的企业都还存在一定的技术难关，尤其是初创企业。这些企业急切需要一些人工智能技术服务来为自己提供技术支持、帮助。
此外，对于很多正处于转型的企业来说，他们处在需要人工智能技术服务来加快信息化建设的关键时刻，自身没有技术优势和人工智能技术基因，发展就会受到限制。
企业信息化建设需求紧迫，ai技术服务商纷纷现身
互联网时代下的经济发展，企业要转型就要加快信息化建设，而让信息化技术来转变企业业务需求的方法无疑是具有很大的操作性和实用性的。然而，很多传统企业自身没有it新技术基因，自己再投入资金来研发、培养团队这不太现实。所以这些传统企业更多的是想要依靠拥有ai技术优势的企业来提供技术服务，这个急迫的需求则推动了国内ai技术服务市场的发展。
在人工智能风靡全球的浪潮下，随着国家对人工智能公共创新服务领域的不断重视，并提出多个政策鼓励、支持，人工智能这块市场出现了为各个行业提供人工智能解决方案的服务商。这类智能机器人的服务企业定位很明确，就是为行业人工智能开发多样化的产品功能，产品差异化也很明显，这能够为行业工作模式带来快速的改变和发展。
1、提供智能语音技术的服务：在智能语音技术方面，科大讯飞股份有限公司的讯飞“超脑”在语音识别、语义理解、口语翻译、机器评测方面上取得了一定的应用成果，其智能语音核心技术在国内智能语音上也是数一数二的企业。
在今年的安徽两会上，科大讯飞的智能会议系统正式亮相，会议代表手持话筒在现场发言时，屏幕上能够快速、准确的、实时的显示相对应的文字，满足了会议的图文直播需求。因此，人工智能在语音识别、口语翻译上的应用范围广，能够为企业的办公方式带来很大的便利。不过他们在语音技术上，尤其是机器人对地方方言和口音的识别依旧存在着不足，因此，技术服务商还是要加强对ai机器人的语音培训。
2、提供人工智能引擎平台的服务：在传统行业的智能化服务上，目前，厦门快商通科技股份有限公司和上海智臻智能网络科技股份有限公司都提供了较为完整的技术解决方案。厦门快商通科技股份有限公司主要研发的平台为小快人工智能引擎平台，重点在人机交互领域进行平台技术输出。此平台是在开放小快自身核心语义理解和交互能力的基础上，针对第三方开发者建立的基于“云端”智能的网络虚拟机器人服务平台。
快商通将小快人工智能引擎平台的智能服务引擎和管理平台放在“云端”，客户通过SDK、api、第三方应用等渠道接入小快人机交互引擎平台，客户可以随时调用云端智能机器人的语音识别、智能应答等功能，并可根据需要定制机器人知识范围，实现智能服务机器人交互技术的远程接入。
目前，小快人工智能引擎平台已在智能客服、智能教育、医疗领域成功落地，获得大规模技术调用。其简洁、高效、智能的技术输出方式，使得快商通在智能家居、电子政务、自媒体、游戏、教育等领域迅速积累了大量用户资源。
3、提供物联网人工智能的服务：在物联网人工智能方面，北京云知声信息技术有限公司的“云端芯”，围绕自身智能语音识别和语音理解等核心技术优势来打造的生态体系。利用大数据为各个产品方案实现落地，并收集的数据经过大数据处理转化成最终服务，目前在家居、汽车、医疗和教育等领域有所应用，在国内的后装车机市场70%的自主厂商的语音交换皆由云知声提供技术服务。
4、提供智能家居方案的服务：浙江风向标科技有限公司的“Vane”，主要是应用在智能家居上，可以进行个性化的生活场景定制，在一定程度上为用户的家居生活提供智能化服务，但相对来说，应用在家居场景服务中的产品种类还是比较少的，功能也比较简单。因此要真正实现智能家居还需要技术服务企业开发出更丰富的、智能化的产品功能。
5、提供多种ai技术融合的服务：北京捷通华声科技有限公司的灵云全智能能力平台，将智能语音交互、图像识别、语义理解、生物特征等技术进行整合，解决企业的具体需求。
可以说，国内不断涌现出来的人工智能技术服务商在语音识别、翻译等方面上都有技术优势，并在产品开发上耗费了多年的研究准备时间。在发展前期瞄准了可以发挥自身技术优质的行业领域，利用人工智能技术来帮助更多企业解决行业痛点，同时又能够使自己在国内人工智能市场上站稳脚跟。这符合当前我国人工智能市场不太成熟的行情，也能够使创业企业在摸索中成长。
ai技术服务商为企业在转型中的信息化建设提供了很大的动力和支持，而企业在转型过程中，首先改变的是业务办理方式和营销方式。传统企业在业务中常常要与消费者进行直接的沟通与交流，因此企业在售前售后的客服团队人数数量是庞大的，工作量一般也会很大；传统企业的营销方式要与时俱进，依旧离不开互联网思维，而人工智能服务商无疑可以为企业解决这些难题，提高其工作效率和营销决策的准确性。
企业客服市场需求大，或能借力人工智能起飞
根据艾媒咨询的统计，目前国内的客服市场规模已超过千亿，而随着移动电子商务和o2o市场的发展，国内客服市场将从传统pC端和电话客服的工作方式中逐渐转向移动客服，客服市场潜力巨大，也使更多人工智能技术服务商争相进军，争抢市场的一杯羹。
为企业级用户提供服务的智能机器人厂商，其定位很明确，就是专门针对智能客服机器人领域进行优化，以寻求在企业客服服务中占领市场，其开发的产品功能模式多样化，也能够为部分人群的工作模式带来积极的推动作用。
模式一：智能客服机器人或插件服务
云问是一个智能客服机器人SaaS服务平台，可以通过机器人问答来模拟人工客服为用户提供客服服务。晓多机器人，从2013年7月开始在淘宝卖家服务市场上线旺财客服机器人，能够模拟真人以自然语言与买家进行对话。
这一模式在一定程度上就已经初步解决了企业在客服上的问题，尤其是电商企业的客服人员面对大量的客户咨询，会出现来不及回复和重复回答问题等情况，将重复的、简单的问题交给智能机器人可以节约时间并节省人力成本，不过他们并没有深入到企业客服领域的其他方面。
模式二：机器人客服+人工客服+工单系统
该模式下的七鱼、智齿科技、爱客服等服务商，在机器人客服上，通过智能机器人智能解答客户问题，提供永不离线的客服服务，可以降低80%的客服人力成本；在工单系统上，则支持多种方式创建工单，为跨部门协作和问题及时跟进提供了便利服务；为企业提供统一客服工作台，为客服提供客户画像、问题分类、历史会话等繁杂问题的简化集成。
这一模式为企业搭建了智能的、多渠道客服系统，通过大数据实现企业对用户的细分，实现智能化管理，在一定程度上改善企业和用户的关系，促进企业更好、更快地发展。进一步拓宽了人工智能技术为企业客服提供的服务。不仅实现机器人的智能客服，还完善了工单系统，为部门之间团结协作提供便利。
模式三：呼叫中心+机器人客服+人工客服+工单系统+大数据挖掘
快商通、Udesk、小能科技等服务商将呼叫中心+机器人客服+人工客服+工单系统模式作为自己的产品模式，不过Udesk、小能科技的人工智能技术是与云问达成的合作。快商通的人工智能技术则是自主研发。这种模式下的人工智能技术在呼叫中心的应用是实现自助服务、人机融合、运营支撑，可以很大程度上地节约了人工成本，同时快商通在现有的客服体系中采用大数据挖掘模式，并且利用大数据分析了解用户需求、解决营销问题。
在客服工作处理上，大部分的简单、高频、重复性问题交给客服机器人处理，小部分无法解决的则转交给人工客服。通过精准地理解客户问题并匹配最佳答案从而提高回复准确效率，同时通过机器人在线解答重复率高达80%的问题，从而减轻人工座席负担，减少企业的客服人工成本。
在数据营销解决上，通过海量行业数据的收集、分析，为企业提供行业营销推广热点、价格定制等解决方案，实现企业的pC端、移动端一体化的数据营销。这对企业来说可以快速的实现营销决策，但是也要结合实际的市场行情来做出判断，不能过度依赖于人工智能。
这一模式很好地利用了人工智能在行业的客服方面提供高效率的工作服务，同时又运用大数据分析为企业提供营销，这在一定程度上能够实现企业的信息化建设与发展，更好地应对市场的变化，及时作出营销决策。
随着移动互联网的发展，企业的客服需求越来越大，人工智能能够解决传统呼叫中心因人工客服人力成本耗费大、用户等待时间长、客服渠道繁琐、接入方式繁杂等痛点，从而为企业提高运营效率、降低软件的使用成本，使企业能够更好地实现转型，朝着信息化建设方向快步前进。
人工智能普及速度加快，技术服务商成幕后英雄
交通领域的人工智能篇8
关键词：人机大战；人工智能；发展前景
中图分类号：tp391文献标识码：a
0.引言
2016年3月15日，备受瞩目的“人机大战”终于落下帷幕，最终Google公司开发的“alphaGo”以4∶1战胜了韩国九段棋手李世h。毫无疑问，这是人工智能历史上一个具有里程碑式的大事件。大家一致认为，人工智能已经上升到了一个新的高度。
这次胜利与1997年iBm公司的“深蓝”战胜国际象棋世界冠军卡斯帕罗不同。主要表现在两个方面：
（1）alphaGo的胜利并非仅仅依赖强悍的计算能力和庞大的棋谱数据库取胜，而是alphaGo已经拥有了深度学习的能力，能够学习已经对弈过的棋盘，并在练习和实战中不断学习和积累经验。
（2）围棋比国际象棋更加复杂，围棋棋盘有361个点，其分支因子无穷无尽，19×19格围棋的合法棋局数的所有可能性是幂为171的指数，这样的计算量相当巨大。英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性”。因此，进入围棋领域一直被认为是目前人工智能的最大挑战。
简而言之，alphaGo取得胜利的一个很重要的方面就是它拥有强大的“学习”能力。深度学习是源于人工神经网络的研究，得益于大数据和互联网技术。本文就从人工智能的发展历程与现状入手，在此基础上分析了人工智能的未来发展前景。
1.人工智能的发展历程
alphaGo的胜利表明，人工智能发展到今天，已经取得了很多卓越的成果。但是，其发展不是一帆风顺的，人工智能是一个不断进步，并且至今仍在取得不断突破的学科。回顾人工智能的发展历程，可大致分为孕育、形成、暗淡、知识应用和集成发展五大时期。
孕育期：1956年以前，数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化，奠定了数理逻辑的基础。英国数学家图灵在1936年创立了自动机理论（亦称图灵机），1950年在其著作《计算机与智能》中首次提出“机器也能思维”，被誉为“人工智能之父”。总之，这些人为人工智能的孕育和产生做出了巨大的贡献。
形成期：1956年夏季，在美国达特茅斯大学举办了长达2个多月的研讨会，热烈地讨论用机器模拟人类智能的问题。该次会议首次使用了“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生。其后的十几年是人工智能的黄金时期。在接下来的几年中，在众多科学家的努力下，人工智能取得了瞩目的突破，也在当时形成了广泛的乐观思潮。
暗淡期：20世纪70年代初，即使最杰出的ai程序也只能解决问题中最简单的部分，发展遇到瓶颈也就是说所有的ai程序都只是“玩具”，无法解决更为复杂的问题。随着ai遭遇批评，对ai提供资助的机构也逐渐停止了部分ai的资助。资金上的困难使得ai的研究方向缩窄，缺少了以往的自由探索。
知识应用期：在80年代，“专家系统”（expectSystem）成为了人工智能中一个非常主流的分支。“专家系统”是一种程序，为计算机提供特定领域的专门知识和经验，计算机就能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。不同领域的专家系统基本都是由知识库、数据库、推理机、解释机制、知识获取等部分组成。
集成发展期：得益于互联网的蓬勃发展、计算机性能的突飞猛进、分布式系统的广泛应用以及人工智能多分支的协同发展，人工智能在这一阶段飞速发展。尤其是随着深度学习和人工神经网络研究的不断深入，人工智能在近几十年中取得了长足的进步，取得了令人瞩目的成就。
人工智能发展到今天，出现了很多令人瞩目的研究成果。alphaGo的胜利就是基于这些研究成果的一个里程碑。当前人工智能的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。
2.人工智能l展现状与前景
人工智能当前有很多重要的研究领域和分支。目前，越来越多的ai项目依赖于分布式系统，而当前研究的普遍热点则集中于自然语言处理、机器学习和人工神经网络等领域。
自然语言处理：自然语言处理（naturalLanguageprocessing，简称nLp），是语言学与人工智能的交叉学科，其主要功能就是实现让机器明白人类的语言，这需要将人类的自然语言转化为计算机能够处理的机器语言。
自然语言处理主要包括词法分析、句法分析和语义分析三大部分。词法分析的核心就是分词处理，即单词的边界处理。句法分析就是对自然语言中句子的结构、语法进行分析如辨别疑问句和感叹句等。而语义分析则注重情感分析和整个段落的上下文分析，辨别一些字词在不同的上下文定的语义和情感态度。
当前自然语言的处理主要有两大方向。一种是基于句法-语义规则的理性主义理论，该理论认为需要为计算机制定一系列的规则，计算机在规则下进行推理与判断。因此其技术路线是一系列的人为的语料建设与规则制定。第二种是基于统计学习的经验主义理论，这种理论在最近受到普遍推崇。该理论让计算机自己通过学习并进行统计推断的方式不停地从数据中“学习”语言，试图刻画真实世界的语言现象，从数据中统计语言的规律。
机器学习：机器学习（machineLearning）是近20年来兴起的人工智能一大重要领域。其主要是指通过让计算机在数据中自动分析获得规律，从而获取“自我学习”的能力，并利用规律对未知数据进行判断和预测的方法。
机器学致可以分为有监督的学习和无监督的学习。有监督的学习是从给定的训练数据集中练出一个函数和目标，当有新的数据到来时，可以由训练得到函数预测目标。有监督的学习要求训练集同时有输入和输出，也就是所谓的特征和目标。而依据预测的结果是离散的还是连续的，将有监督的学习分为两大问题，即统计分类问题和回归分析问题。统计分类的预测结果是离散的，如肿瘤是良性还是恶性等；而回归分析问题目标是连续的，如天气、股价等的预测。
无监督学习的训练集则没有人为标注的结果，这就需要计算机去发现数据间的联系并用来分类等。一种常见的无监督学习是聚类分析（Clusteranalysis），它是将相似的对象通过静态分类的方法分成不同的组别或者是特定的子集，让同一个子集中的数据对象都有一些相似的属性，比较常用的聚类方法是简洁并快速的“K-均值”聚类算法。它基于K个中心并对距离这些中心最近的数据对象进行分类。
机器学习还包括如半监督学习和增强学习等类别。总而言之，机器学习是研究如何使用机器来模拟人类学习活动的一门学科，而其应用随着人工智能研究领域的深入也变得越来越广泛，如模式识别、计算机视觉、语音识别、推荐算法等领域越来越广泛地应用到了机器学习中。
人工神经网络：在脑神经科学领域，人们认为人类的意识及智能行为，都是通过巨大的神经网络传递的，每个神经细胞通过突出与其他神经细胞连接，当通过突触的信号强度超过某个阈值时，神经细胞便会进入激活状态，向所连接的神经细胞一层层传递信号。于1943年提出的基于生物神经元的m-p模型的主要思想就是将神经元抽象为一个多输入单输出的信息处理单元，并通过传递函数f对输入x1，x2…，xn进行处理并模拟神经细胞的激活模式。主要的传递函数有阶跃型、线性型和S型。
在此基础上，对神经网络算法的研究又有诸多进展。日本的福岛教授于1983年基于视觉认知模型提出了卷积神经网络计算模型。通过学习训练获取到卷积运算中所使用的卷积系数，并通过不同层次与自由度的变化，可以得到较为优化的计算结果。而alphaGo也正是采用了这种深度卷积神经网络（DCnn）模型，提高了alphaGo的视觉分类能力，也就是所谓的“棋感”，增强了其对全盘决策和把握的能力。
3.人工智能的发展前景
总体来看，人工智能的应用经历了博弈、感知、决策和反馈这几个里程碑。在以上4个领域中，既是纵向发展的过程，也是横向不断改进的过程。
人工智能在博弈阶段，主要是实现逻辑推理等功能，随着计算机处理能力的进步以及深度学习等算法的改进，机器拥有了越来越强的逻辑与对弈能力。在感知领域，随着自然语言处理的进步，机器已经基本能对人类的语音与语言进行感知，并且能够已经对现实世界进行视觉上的感知。基于大数据的处理和机器学习的发展，机器已经能够对周围的环境进行认知，例如微软的Kinect就能够准确的对人的肢体动作进行判断。该领域的主要实现还包括苹果的Siri，谷歌大脑以及无人驾驶汽车中的各种传感器等。在以上两个阶段的基础上，机器拥有了一定的决策和反馈的能力。无人驾驶汽车的蓬勃发展就是这两个里程碑很好的例证。Google的无人驾驶汽车通过各种传感器对周围的环境进行感知并处理人类的语言等指令，利用所收集的信息进行最后的决策，比如操作方向盘、刹车等。
人工智能已经渗透到生活中的各个领域。机器已经能识别语音、人脸以及视频内容等，从而实现各种人际交互的场景。在医学领域，人工智能可以实现自动读片和辅助诊断以及个性化t疗和基因排序等功能。在教育领域，机器也承担了越来越多的辅助教育，智能交互的功能。在交通领域，一方面无人车的发展表明无人驾驶是一个可以期待的未来，另一方面人工智能能够带来更加通畅和智能的交通。另外人工智能在安防、金融等领域也有非常广阔的发展前景。总之，人工智能在一些具有重复性的和具备简单决策的领域已经是一种非常重要的工具，用来帮助人们解决问题，创造价值。
参考文献
[1]阮晓东.从alphaGo的胜利看人工智能的未来[J].新经济导刊，2016（6）：69-74.
交通领域的人工智能篇9
关键词：多智能体系统通信协调与协作应用
一、多智能体概念
1.智能体的概念
智能体（agent）是分布式人工智能（Dai）领域的一个基本术语，agent的概念最早出现在1977年CarlHewitt的“ViewingControlStructuresaspatternsofpassingmessages”一文中提出的[1]。智能体被认为是一个物理或抽象的、能在一定环境下运行的实体，它能作用于自身和环境，并对环境作出反应.智能体具有知识、目标和能力.知识主要包括领域知识、通讯知识、控制知识等；目标可以根据变化情况分为静态目标和动态目标，目标可以通过算法编入或显示给定，或通过通讯获得；能力是指智能体具有推理、决策、规划和控制等的能力。
2.多智能体的概念
多智能体（maS）是指多个单智能体间的相互协作和协调来共同完成一项任务。主要的研究方向包括：多智能体系统的体系结构、多智能体系统间智能体的通信、多智能体系统间的协作和协调、基于多智能体的智能决策系统等.nwana提出的多智能体的三种特性，分别为：自主性、合作性、学习性[5]，Shoham在agent—orientedprogramming一文中提出了组成多智能体的几种模型[6]，而在这模型之间必然存在着相互通信的问题。mwooldrideg，nRJennings提出较为被普遍人认可的特性：情境性、自治性和适应性[7]。
3.多智能体的分类
为了更好的理解和分析多智能体，将多智能体进行分类显得尤为重要。在人们普遍认可的分类中，多智能体的分类依据主要有多智能体的功能表现、多智能体的排列方式和效力、多智能体内部之间的地位程度等等。除了以上的分类外，Skolicki和arciszewski[8]还以其他几个关键的因素进行了分类，也受到科学界的普遍认可，分别是：多智能体间相互影响的广度（知识、看法、资源的共享）、相互作用的深度（角色分配、模拟能力、交流能力、委托能力）、特征（稳定性、叠加性、分散性和目的性）、数量及其即时性等等
二、多智能体的体系结构
多智能体系统的体系结构主要是指系统中的各智能体之间的信息关系和控制关系，即各个智能体以什么样的形式组织起来，以及每个智能体具有什么样的结构来共同完成系统任务的求解，通过定义多智能体之间的权戚关系，为智能体提供一种交互框架。智能体的体系结构主要研究如何用软件或硬件的方式实现。
多智能体系统强调利用多个智能体的能力来完成复杂的任务，其中每个智能体具有自治性。但当智能体的数量增多时，智能体间的交互成为重要的问题。因此采用联邦式的多智能体系统结构，利用联盟体为智能体的交互提供服务，以减轻智能体交互的负担。联邦式结构的特点是智能体之间的交互通过联盟体智能体实现。联盟体智能体提供一系列的服务以支持智能体之间的交互，消除了智能体之间直接交互的困难。同时，智能体可以动态地连接到联盟体上，增加了系统的灵活性。
三、多智能体的通信
多智能体系统中通信模式的划分有着多种的方式，大致常见的可分为五种，分别是无通信，方案传递，消息/对话通信模式，消息传送方式和黑板系统。
在多智能体通讯研究中，起初的交流语言普遍为字符流和二进制数流，目前maS通常采用知识询问与操作语言（KnowledgeQueryandmanipulationLanguage，KQmL）来实现agent之间的交互，KQmL是由美国aRpa的“知识共享计划”研究机构在知识共享方面所做的工作的一部分，它使得agent能够和其他的agent以及agent所运行的环境进行知识和信息的交换。在2006年，BonnieRubensteinmontano，VictoriaYoon，KevinDrummey，JayLiebowitz[15]研究了将一种贝叶斯方法添加进多智能体合约系统中，以增强多智能体对外界环境的适应和调节能力。JasonJen-YenChen，Shih-weiSu[16]开发了一种不同智能体之间的交流工具agentGateway，这种工具从一个智能体中传译出一种XmL的信息，并且经过翻译传递到另一个智能体中。agentGateway是可扩展的，这意味着新的智能体可以很容易得参与，并且提供了透明和可靠的通信方式。marioBenevidesa，CarlaDelgadoa[17]等人提出了一种与智能体本身相近并且能相应的检测模型算法的一种正式语言CtL。
四、多智能体的协作与协调
协作是确保每个智能体单元能够集中、和谐、按照预期方式形成一个统一的整体的关键所在。多智能体间的协作反映了人们如何看待真实世界的人与物。
在传统的研究中，多智能体是分布式人工智能的一部分，即将一个复杂的问题分割为两个智能体同时协调处理，但是逐渐地多智能体被科学界普遍认为是一个单独的研究领域，这在多智能体上具有里程碑意义，即多智能体被泛指所有的几个相互独立的具有自主能力相互协调以完成共同目标的系统。
多智能体之间的协作是保证多个智能体能在一起共同工作的关键，同时也是多智能体系统与其他相关研究领域（如分布式计算、面向对象的系统、专家系统等）区别开来的关键性概念之一。在开放、动态的多智能体环境下，具有不同目标的多个智能体必须对其目标、资源的使用进行协调。在出现资源冲突时，若没有很好的协调，就有可能出现死锁，使得多个智能体之间无法进行各自的下一步的工作。协调与协作是多智能体技术研究的核心问题之一。在多智能体系统中，协作不仅能提高单个智能体以及多个智能体所形成的系统的整体行为的性能，增强智能体及智能体系统解决问题的能力，还能使系统具有更好的灵活性。仿真计算结果表明，该联盟形成机制能够减少系统的通信量，保证所得联盟的稳定性和全局最优性，提高系统的结盟效率。在多个智能体共同执行任务时，每个智能体都希望使总体的加权工作时间最小。
五、总结与展望
随着网络技术的发展，多智能体技术的应用领域不断扩大，现已面向社会领域的各个方面。多智能体系统的研究已经取得了一定进展，但是要实现多智能系统的设计和建造是非常困难的，尤其是如何实现智能体之间的灵活复杂的交互以及多智能系统的实时性等等。在多智能体系统的体系结构方面，建立一种具有集体理性，能完成复杂任务的、对环境和干扰具有很强的鲁棒性和自适应能力的协作的多智能体组织结构是未来研究的方向。在协作机制方面，如协作时机，协作过程，协作机理，协作稳定性等方面的研究还不够深入。在动态的环境中，智能体的学习可靠性及学习延时性等都有待于进一步的研究。
参考文献
[1]CarlHewittViewingControlStructuresaspatternsofpassingmessages[J]1977.
[2]nwanaHS，LeeL，JenninggsnR.Coordinationinnulti-agentsystems：Softwareagentsand
交通领域的人工智能篇10
百度：ai成为头号战略无人驾驶是重中之重
三家企业中，对人工智能布局最早、投入成本最高的当数百度。百度创始人李彦宏日前在接受《财经》杂志采访时曾说：“人工智能确实会带来无穷无尽的可能性，在这方面百度目前确实也是非常领先的。如果这个机会我们能够抓住，百度可以变成一个完全不一样的公司，变成一个比现在影响力大得多的公司。”
早在2013年，百度就成立了深度学习研究院，致力于人工智能的开发，是当时国内唯一一家在深度学习方面进行大规模投入的公司。目前，百度研究院、百度大数据、百度语音和百度图像等技术都已归入人工智能技术体系。百度在人工智能领域涉猎项目众多，主攻方向有六个：深度学习平台、图像识别基本技术、细粒度图像识别、视频分析、aR技术和医院图像识别。
经过几年的发展，百度在人工智能领域共获得了超过1500项发明专利，领先于微软、iBm等老牌科技巨头。此外，百度大脑、人脸识别技术精度、语音识别能力均已达到世界顶级水平。2014年，百度在硅谷投入3亿美元打造了人工智能中心，并在硅谷大举招揽人才，中心目前已经有近200名员工。据悉，百度硅谷研发中心的一个重要使命是服务于百度无人驾驶业务。
自无人驾驶的概念在业界兴起，就有两拨力量在这一领域博弈，一为传统车企，一为高科技企业。根据自身不同的基因，它们对无人驾驶的理解和布局完全不同。传统车企的思路为无人驾驶是“装了电脑系统的汽车”，它们通常从低级的辅助驾驶开始做，希望通过不断地提升辅助驾驶的能力来达到未来完全的无人驾驶；而高科技企业对无人驾驶的理解是“装了四个轮子的电脑”，它们通常直接进行无人驾驶研发，最典型的代表是百度和谷歌。
今年8月，在深圳举办的的CCF-GaiR大会上，百度无人驾驶事业部总经理王劲说道，“百度的人工智能主要靠三个最核心的东西：一个是算法，一个是海量数据，第三个是优秀的计算能力。”
百度的无人驾驶事业部成立于2015年底，是百度目前最被寄予厚望的业务。百度今年在芜湖打造了“全无人车运营区域”，又投资了硅谷知名激光雷达公司VelodyneLiDaR，旨在降低无人车生产成本，加速无人驾驶的商业化进程。
经历了这么多前期投入，百度无人车何时能实现规模量产？王劲告诉记者：“五年后百度无人车将进行量产，届时成本会大大低于雇用驾驶员，大幅度提升交通安全及交通效率，且让人们的出行成本更低。”
腾讯：ai技术研发围绕核心业务展开
社交作为腾讯的核心业务之一，其平台和大数据等优势为人工智能技术的研发提供了更多支持，也为技术在业务上的落地应用提供了更多可能。据了解，腾讯的人工智能研发团队镶嵌在不同的事业群里，微信团队的人工智能小组主要致力于语音识别的研发，SnG（社交网络事业群）主攻人脸识别、图片识别等，搜索部门则关注自然语言识别。各部门根据自身业务需要，进行人工智能技术的开发。
在前不久举办的GaiR大会上，腾讯优图实验室总监黄飞跃接受采访，讲解了优图团队目前的主要工作。黄飞跃带领的优图团队隶属于社交网络事业群，QQ系列产品的很多功能背后都有优图团队的技术支持。优图团队的技术主要分为人脸识别、图片识别、音频识别三个部分，目前为QQ空间、QQ音乐等超过50款产品提供技术支持。具体而言，人脸识别主要用于腾讯旗下微众银行进行人证合一比对、QQ空间好友照片标记；图片识别则在微云相册、手机相册管家等图片标记管理功能中有所体现；音频识别主要应用于QQ音乐听，识曲、全民K歌等功能。这些功能主要用于提升腾讯一系列产品的用户体验，提高用户留存率。
去年6月，优图团队在国际权威人脸识别数据库LFw上以99.65%的成绩刷新世界纪录，超过了实力强劲的Linkface、Face++等新秀，以及Facebook、Google等国际巨头。目前，优图的图片识别技术已经开放给业界，通过“优图开放平台”和“腾讯云-万象优图”两个产品，开发者可以拥有顶尖团队的图片处理能力。
阿里巴巴：从小ai到et阿里云厚积薄发
阿里布局人工智能主要集中于三方面：云计算、物联网、VR/aR。他们的战略是从业务驱动开始，逐渐加大档位。阿里选择医疗这一领域切入人工智能技术。阿里在全国各地广泛布局医疗团队，据统计，参与阿里“未来医院”计划的医疗机构已经覆盖了全国90%的省份。未来，病患只需在家附近的医院拍一张Ct，就可以通过远程技术完成专家级的诊疗过程。而这种诊疗正是基于阿里云人工智能医疗系统。
2016年，随着人工智能概念不断升温，阿里加速了布局的脚步。2016年8月举办的云栖大会上，阿里云进行了品牌升级。除了换掉已使用6年的“云”字logo（商标）外，还了一款名为“et”的人工智能机器人。
et是四个月前的小ai的升级版，它的功能不再局限于说话聊天，而已被赋予了全局意识。基于阿里云强大的计算能力，et目前已具备智能语音交互、图像/视频识别、交通预测、情感分析等技能。
阿里云认为，在ai大时代，大数据量背后的数学分析建模以及神经网络深度学习是发展重点。通过计算，数据之间产生了关联，从而对人类产生现实意义。et可以在对大数据进行分析整理后，对大环境产生整体判断和把控，从而解决一些现实生活层面的应用问题。