北方工博會服務為先「多圖」

數字經濟是人工智能經濟的前提

　　人工智能經濟形態是數字經濟之后新的經濟形態，它建立在數字化、互聯網化、信息化基礎上，且人工智能技術的發展之所以三起三落，與每個階段數字經濟發展的不充分有直接關系。如圖所示，每個科技與經濟發展階段都要以上一個階段為基礎，如果上一個階段整體發展不充分，那么本階段的發展就會缺乏基礎，出現“往復式發展現象”。同時，人工智能在各個行業的發展不均衡，某個行業會出現先例，例如在棋藝方面，國際象棋、圍棋已經被人工智能，在該領域已經沒有人類可以超越“深藍”“AlphaGo Zero”。

人工智能的內核是計算機技術，通過基礎資源（即數字經濟階段的技術積累）、物理世界的數字化（包括特征化、向量化、標簽化）、互聯網和信息化（包括大數據服務、云化信息系統）三步，人工智能才能更好地在具體領域有學習、智能升級的基礎。因此當人們在模仿人類大腦開發人工智能、研究卷積神經網絡、開發深度學習上遇到瓶頸，可反向在數字經濟發展是否充分方面尋找。

視覺技術另外一個巨大市場是領域。

視覺技術另外一個巨大市場是領域。以肺結節檢測為例，一家醫院平均每天接待200例左右的肺結節篩查患者，每位患者在檢查環節會產生200~300張左右的CT影像，科醫生每天至少需要閱讀4萬張影像，任務繁重，消耗大量精力，導致誤診漏診率上升。中國醫學會的一份誤診數據資料顯示，中國臨床總誤診率為27.8%，其中平均誤診率為40%，國內醫學影像資源匱乏，且存在結構性失衡，帶來第三方影像中心發展機遇。開發行業圖像識別技術，促進行業專用設備發展，如能在社會基層機構普及，將大大提升分級診率、促進資源公平，對于領域科、病理而言，從市場需求和技術需求的角度來看均比較緊迫。 　　在國家衛生計生委、安徽省衛計委的指導下，科大訊飛與清華大合研發的人工智能“智醫助理”機器人在國家醫學考試中心監管下參加了2017年臨床執業醫師綜合筆試測試，“智醫助理”456分的成績處于53萬名考生中的中水平，未來技術越來越成熟。從輔助到專項機器人，人工智能技術將促進我國體制改革的落地。

機器學習技術與實體經濟融合領域

　　機器學習是人工智能技術體系的一個通用環節，機器學習使用歸納、綜合方法，運用數據導入算法模仿人類智能。學習方式主要分為有數據學習和無數據學習：當前有數據學習顯然廣受歡迎，包括“監督學習”“無監督學習”“半監督學習”“深度學習”“遷移學習”等；無數據學習法主要為“強化學習”。有數據學習的典型應用為深度學習，深度學習包括DNN(深度神經網絡)、CNN(卷積神經網絡)、RNN(循環神經網絡)和LSTM(長短期記憶網絡)等，它不依賴數字經濟的發展，而是由人做數據標簽，采用神經網絡算法，學習效率不高、能源資源浪費，如AlphaGo下場棋要消耗3000美元電費。

　　強化學習只需要人類輸入規則，機器就能通過自我獎勵、自我誘導方式，跟自己下百萬盤棋，不斷自我完善，AlphaGo Zero三天內就打敗了已經學習了幾千盤棋的AlphaGo；數字技術發展越好、標準化數據量越大的領域往往人工智能發展越迅速，這就說明機器的學習能力不是人為訓練的結果，而是數字經濟發展到一定階段順其自然的結果。從使用場景上來說，有數據學習適用于規則活動領域的人工智能，是經驗、控制使然；無數據學習適用于創新、無定論的領域，比如棋類競賽、新藥探索、藝術創作等，是創新、自由使然。