天津2021工博會激光加工展多重優惠「在線咨詢」

機器人技術發展 隨著我國土地成本以及勞動力成本的雙攀升，傳統制造業開始不斷轉型升級，同時新的系統應用不斷涌現，物聯網與智能制造之間不斷加深聯系，機器使得企業工廠在節約生產成本、保障生產安全的同時，快速地提高了生產效率，提升了競爭力，也促使智能制造產業的飛速發展。 這一數據也表明，在工業物聯網快速發展的同時，不管是大型工廠或小型作坊，機器人與人類一起作業的局面已然出現。在工業自動化的趨向下，機器人大規模的使用是必然，它也將滲透到人類生活的方方面面。 除了工業場景之外，一些新的產品如餐飲服務機器人、迎賓機器人、兒童機器人、掃地機器人、自主型機器人、娛樂機器人、、智能巡邏機器人等，正在悄然進入人類生活。還有，納米機器人作為當今科技的前沿熱點，一些發達國家已經制定相關的戰略性計劃，并投入巨資搶占先機。

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。

語義理解技術與實體經濟融合領域

　　語義理解本質上就是文本理解技術，它是聲音識別的輸出，同時也是語言表達、邏輯推理、深度學習、行為技術的分析輸入，文本就是數據，數據就是符號。數據本身沒有任何意義，只有被賦予含義的數據才能被使用，這時候數據就轉化為信息，而數據的含義就是語義。語義理解技術分為詞匯級、句子級、篇章級3個方向，該行業需要大量的機器學習素材，因此大型公司往往采用開源的形式發布相關技術模塊，例如谷歌發布了解析器SyntaxNet，科大訊飛發布了訊飛開放平臺。

　　在手機終端上，手機終端在數字經濟時代是移動互聯網的載體，在人工智能時代是人類活動的助理機器人；移動互聯網流量在整個互聯網中占比在2018-2019年將超過60%。Gartner預測，2018年后AI智能終端的出貨量占比將會逐年提升，2020年手機出貨量將達25.5億部，其中AI移動智能終端將達到13.3億部，占比52.1%，當前智能手機的發展方向將是人工智能手機。

　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。