時間：2023-12-14 11:35:40
導語：在交通領域的人工智能的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
[關鍵詞]人工智能技術；空中交通管理；應用
1人工智能技術的簡單概述
在新時期社會各領域的發展進程中，人工智能技術逐步被引用，特別是在我國的空中管理工作中，其屬于多種先進技術的高效整合，在專業人員科學靈活的使用下，能夠增強空中交通管理效果。綜合技術：在實際空中交通企業發展進程中，人工智能技術有著很高的辨別度。但是，專業技能人員在完善線上管理系統時，無法站在整體發展的角度上使用線上監管系統，其僅僅使用簡單的智能技能對空中交通管理工作中出現的問題實施高效的處理，這樣就沒有辦法提升智能化的機械，不能保障技術的融合，也就很難發揮人工智能技術在空中管理中的作用，就阻礙了空中交通管理的發展。因此，在使用人工智能技術的時候，一定要了解微電子技術與納米技術和集成等相關技術，提升管理的效率，促進其高速發展。提升工作的效率：在我國空中交通管理工作具體實施的過程中，借用人工智能技術能夠高效的增強空中交通監管效果以及對群眾的服務質量，所以說，專業操作人員務必要提升自身對人工智能技術的實用效果，保障人工智能技術的運行效果，進而促進空中交通的不斷進步。
2空中交通管理中人工智能技術的應用作用
在空中管理中，空中管理工作影響著飛機飛行器速度控制的狀態，只有對空中交通進行有效的管理，才可以保障空中飛機的飛行安全，預防各類安全問題的發生。人工技術的輔助作用：人工智能技術能夠輔助工作人員優化空中監管效果，適當地降低空管困難程度，增強工作人員對電磁波的運用效果，引導我國空中交通的健康發展進程。在具體的空管進程中，對人工智能技術的高效運用能夠達成對飛行設施的靈活把控，逐步增強飛行系統的靈活性和運營安全性，為群眾的空中出行做好保障。為飛行員提供幫助：人工智能技術還可以協助空中工作人員高效的實施各類交通監管工作，及時發展其中產生的問題，給予工作人員龐大的信息數據。另外使用人工智能技術，還可以幫助空中飛行員對飛行器進行控制，全面控制飛行器的流量，進而提升其工作質量，促進其全面快速發展。提升空中交通管理工作效率：空管對人工智能技術的高效運用還可以優化具體的管理效果，舉個簡單的例子來說，一旦飛行設施出現了故障問題，人工智能設施可以在第一時間通知給員工，并及時作出應急警報處理，從而能夠降低空中交通的安全事故發生率。
3空中交通管理工作中運用人工智能技術的具體策略
全面了解人工射頻導納技術的工作原理：射頻導納技術是人工智能技術中的一種，作為空中管理工作人員務必要熟知并快速的掌握。所以，在使用射頻導納技術的時候，有關人員就要合理的分析這個技術，進而提升空中管理的質量，促進空中交通管理的進步與發展。建立相對完整的飛行流量監管機制：有關空管管理者想要強化空管效果，就需要合理科學地對飛行流量實行嚴格的把控，從而制定符合空管工作現狀的流量管理制度。在此過程中管理者可以借用人工智能技術設置一個相對先進的流量監管體系，以此來合理地把控飛行流量。另外，工作人員需要適當地使用人工智能技術對飛行流量實行高效的監控，以此來降低空中交通中的安全事故發生率。科學勘測與解決飛行沖突問題：空管進程中飛行沖突和矛盾諸多，所以，在我國空中交通管理工作中管理者務必要深入工作內部，探索這些問題出現的原因，從源頭尋找處理問題的答案。而且工作人員需要在恰當的飛行沖突和矛盾中使用人工智能技術，針對有可能發生的沖突問題做好準備工作和應急處理方案，借用先進科學的人工智能技術嚴密的監控空中交通管理工作中的各個環節，以此來強化我國交通管理工作的服務質量與管理效率，從而促進交通管理的健康發展與進步。
4結語
在空中交通管理進程中，在交通管理過程中使用人工智能技術，很大程度上提高了交通運輸業的發展，提升了交通系統的效率，同時還方便了人們的生活。人工智能技術在空中交通管理中，以靈活方便、形式多種多樣的優勢受到了廣大群眾的歡迎。通過人工智能技術的使用，實現了遠距離的監控和控制，為及時出現的交通問題提供了有效的解決方案，從而促進了交通運輸的發展。
【參考文獻】
[1]唐新春，人工智能技術在空中交通管理中的應用[J].電子測試，2015(10)：116-117.
移動互聯網讓分享經濟成為流行的生活方式，甚至讓市場做起了政府的事情。政府解決不好的自行車出行問題，資本和市場卻從中發現了商機，并讓大眾愛上這樣一種出行方式。相對于共享單車給我們帶來的便捷，一個更有意思的話題是：隨著技術進步，市場還能夠替政府干哪些事情？
尤其是，即將到來的人工智能時代，企業獨自解決或者和行政部門合力解決的事情越來越多，一場政務革命即將爆發。
2016年10月，杭州市政府公布了一項“瘋狂”的計劃：為這座擁有2200多年歷史的城市，安裝一個人工智能中樞――杭州城市數據大腦。
城市大腦的內核采用的正是阿里云ET人工智能技術。這項人工智能技術，可以對整個城市進行全局實時分析，自動調配公共資源，修正城市運行中的Bug，最終將進化成為能夠治理城市的超級人工智能。在杭州蕭山區部分路段的初步試驗中，城市大腦通過智能調節紅綠燈，車輛通行速度最高提升了11%。
如今，中國人工智能研究已進入世界第一集團，中國從事人工智能研究的科學家已經占據世界半壁江山。據報道，在2015年全球頂尖期刊上發表的人工智能論文里，華人/中國人作者的比例達到了43%。2017年美國人工智能促進協會（AAAI）年會，原定于一月底在新奧爾良舉行，但是，由于正好趕上中國春節，最后會議不得不延后一周舉行。在這個會議上提交的論文，中美兩國最終被接受的論文幾乎一樣多。
現在，地方政府與掌握人工智能技術企業的合作，已經遠遠超出了大眾的想象。除了智慧交通，在城市信用體系建設、供水乃至醫保結算等領域，人工智能技術已經深度介入，并開始積累數據，進行深度挖掘。
在這方面，美國政府也看得很清楚，而且早早就開始動手。2009年12月，美國政府公布以“透明性”、“公眾參與”、“官民合作”為三大核心的“開放政府指令”，其核心內容就是，政府向社會公開數據，鼓勵社會參與，通過政府與企業的合作，提升行政效率。
這些年來，美國政府已經將大數據挖掘，往前推進了很多。2013年5月9日，時任美國總統奧巴馬簽署行政命令《政府信息的默認形式就是開放且機器可讀》，把數據開放上升到了法規層面。政府數據開放的好處，就是為社會各種人工智能技術參與社會治理，提供了基礎。這幾年來，美國涌現出了各種基于政府數據開放而開發的應用，從災情預警、災情評估，到智能公共交通定r等等。
在人工智能時代，企業和社會能做的肯定會更多。有一天，我們可能不需要等到每個季度或者年初，才獲得國家統計部門的GDP數據公報，而是可以實時分析、查看今天這個國家又創造了多少GDP，有多少資金投入了實體經濟，又有多少資金參與制造了樓市泡沫。甚至，一個社會的疾控系統，也可能會發生革命性的改變。
伊藤：原本科幻小說的人工智能已經成為改變我們生活的現實，您何時感受到人工智能真的離我們很近的呢？
奧巴馬：總體來看，人工智能已經從各個方面滲透進我們的生活，只是我們還沒有太注意到，這部分是因為我們所認知的人工智能方式是被大眾文化所粉飾過的。這就是區別所在。我們通常在科幻小說中所見到的都是普通的人工智能。現在的電腦已經超越人腦變得越來越聰明，最終人類將變得不再全部都有用處，甚至它們正在麻醉我們，讓人類陷入肥胖和愉快或是黑客帝國的世界中。
值得思考的是，這確實擴展了我們的想象力，使人類開始思考選擇和自由意志的問題，實際上也對發展專業人工智能，進行精確計算和解決日益復雜的工作起到了重要的作用。如今，我們生活中的各個方面都能夠看到專業人工智能的身影，無論從醫療、交通到分布式發電，它都能確保創造更加高效的經濟。如果利用得當，它將為世界創造巨大的經濟繁榮和機遇。但同時接下來我們要談談人工智能不利的方面，比如加劇不平等、壓低薪酬等等。
伊藤：我認為人工智能問題已經遠遠超出了一個普通電腦的科學問題。重要的是，每個人都需要了解人工智能的行為方式。在媒體實驗里，我們常用到“擴展智能”這一術語，因為問題在于我們該如何對人工智能建立社會價值觀？
奧巴馬：我們用無人駕駛汽車舉例。當機器可以進行多項快速決定時，就能夠徹底地降低交通事故，徹底提高交通網絡效率，有助于解決導致地球溫室效應的二氧化碳排放問題。但是，人類將會在無人駕駛汽車上附加怎樣的價值？接下來我們需要做出一系列的選擇，比如老生常談的問題：汽車自動駕駛，如果你急轉彎避免撞到行人，你就會撞墻自殺。這是一個道德決定，而由誰來制定這個規則？
伊藤：在我們探討人工智能的道德問題時，政府將扮演什么角色？
奧巴馬：在我看來，在人工智能的早期發展階段，監管框架應當百花齊放。政府要盡量少地進行干預，更多地投資于科研，確保基礎研究和應用研究之間的轉化。隨著技術的開發和成熟，我們要考慮如何將其納入現有監管框架中。這是個更難的問題，而政府需要更多參與。我們并不總是要讓新技術去適應現存監管框架，而是確保監管符合更廣泛的價值。否則我們可能會發現，某些人群將因此處于不利地位。
伊藤：人工智能發展出新型軍備競賽的過程中是否存在風險？
奧巴馬：毫無疑問的是，我們需要圍繞著網絡安全建立國際準則、協議和檢驗，特別是對初期的人工智能領域。而其中較有趣的問題是攻防之間的界限還比較模糊。而政府之間互相的不信任更加劇了難度。
為什么我們與人工智能愛好者召開多次會議？其中一個原因之前我們并沒有談到過，就是我們真的需要徹底想清楚人工智能帶來的經濟意義。因為現在大多數人并不會花時間擔憂那些稀罕物――他們只關心“機器會不會取代我的工作？”對此，我還是非常樂觀的，歷史證明，當人類吸收新科技時，總能發現創造出新型的工作，我們生活的總體標準也隨之上升。高技術人員在這些領域表現出色，通過衡量自身才能，與機器互動，擴展知識范圍、銷售額度以及產品和服務。低收入、低技能的人群將變得越來越多余，他們的工作或許不會被取代，但是工資會被極大縮減。如果想成功轉型過渡，我們必須對如何管理轉型進行社會性的對話。
實際上，還沒有直觀感受到哪些工作將被替代。不過我愿意打賭，如果你有一臺懂得醫療系統的電腦，你將非常擅于診斷病情，所以相對于醫生，護士或藥劑師不太可能被替換，因為他們的工作并不是很高薪。那些專業技術較強的工作，比如律師或審計員或許會消失。反而許多服務業、藝術和那些計算機難以適應的職業將很難被取代。
伊藤：如埃隆。馬斯克、NickBostrom所說，人工智能的潛力已經超越了人類對它們的理解能力。當我們推動人工智能向前發展，我們該如何應對這樣的擔憂？
奧巴馬：這不僅僅影響到我們自身，而是全人類的大事。首先，我認為更加直觀的是，這在專業人工智能方面是可解決的問題，當然我們必須留心它的動向。如果我們擁有一臺可以下圍棋的電腦，這是蘊含千變萬化的一種游戲。當人工智能開發出一套算法，很可能讓你在紐交所實現利益最大化。如果一個人或組織首先獲得這種算法，他們就可以迅速地打壓股市，或至少引起金融市場誠信的混亂。
當出現一種算法，“圍棋能夠破譯核密碼并且算出如何發射導彈”，如果這是人工智能唯一的功能，如果它是自學并且真正高效的運算，就會給我們造成極大的麻煩。
伊藤：您是一個《星際迷航》迷。它是如何影響您對未來的想象的呢？
關鍵詞：人機大戰；人工智能；發展前景
中圖分類號：TP391 文獻標識碼：A
0.引言
2016年3月15日，備受矚目的“人機大戰”終于落下帷幕，最終Google公司開發的“AlphaGo”以4∶1戰勝了韓國九段棋手李世h。毫無疑問，這是人工智能歷史上一個具有里程碑式的大事件。大家一致認為，人工智能已經上升到了一個新的高度。
這次勝利與1997年IBM公司的“深藍”戰勝國際象棋世界冠軍卡斯帕羅不同。主要表現在兩個方面：
（1）AlphaGo的勝利并非僅僅依賴強悍的計算能力和龐大的棋譜數據庫取勝，而是AlphaGo已經擁有了深度學習的能力，能夠學習已經對弈過的棋盤，并在練習和實戰中不斷學習和積累經驗。
（2）圍棋比國際象棋更加復雜，圍棋棋盤有361個點，其分支因子無窮無盡，19×19格圍棋的合法棋局數的所有可能性是冪為171的指數，這樣的計算量相當巨大。英國圍棋聯盟裁判托比表示：“圍棋是世界上最為復雜的智力游戲，它簡單的規則加深了棋局的復雜性”。因此，進入圍棋領域一直被認為是目前人工智能的最大挑戰。
簡而言之，AlphaGo取得勝利的一個很重要的方面就是它擁有強大的“學習”能力。深度學習是源于人工神經網絡的研究，得益于大數據和互聯網技術。本文就從人工智能的發展歷程與現狀入手，在此基礎上分析了人工智能的未來發展前景。
1.人工智能的發展歷程
AlphaGo的勝利表明，人工智能發展到今天，已經取得了很多卓越的成果。但是，其發展不是一帆風順的，人工智能是一個不斷進步，并且至今仍在取得不斷突破的學科。回顧人工智能的發展歷程，可大致分為孕育、形成、暗淡、知識應用和集成發展五大時期。
孕育期：1956年以前，數學、邏輯、計算機等理論和技術方面的研究為人工智能的出現奠定了基礎。德國數學家和哲學家萊布尼茨把形式邏輯符號化，奠定了數理邏輯的基礎。英國數學家圖靈在1936年創立了自動機理論（亦稱圖靈機），1950年在其著作《計算機與智能》中首次提出“機器也能思維”，被譽為“人工智能之父”。總之，這些人為人工智能的孕育和產生做出了巨大的貢獻。
形成期：1956年夏季，在美國達特茅斯大學舉辦了長達2個多月的研討會，熱烈地討論用機器模擬人類智能的問題。該次會議首次使用了“人工智能”這一術語。這是人類歷史上第一次人工智能研討會，標志著人工智能學科的誕生。其后的十幾年是人工智能的黃金時期。在接下來的幾年中，在眾多科學家的努力下，人工智能取得了矚目的突破，也在當時形成了廣泛的樂觀思潮。
暗淡期：20世紀70年代初，即使最杰出的AI程序也只能解決問題中最簡單的部分，發展遇到瓶頸也就是說所有的AI程序都只是“玩具”，無法解決更為復雜的問題。隨著AI遭遇批評，對AI提供資助的機構也逐漸停止了部分AI的資助。資金上的困難使得AI的研究方向縮窄，缺少了以往的自由探索。
知識應用期：在80年代，“專家系統”（Expect System）成為了人工智能中一個非常主流的分支。“專家系統”是一種程序，為計算機提供特定領域的專門知識和經驗，計算機就能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。不同領域的專家系統基本都是由知識庫、數據庫、推理機、解釋機制、知識獲取等部分組成。
集成發展期：得益于互聯網的蓬勃發展、計算機性能的突飛猛進、分布式系統的廣泛應用以及人工智能多分支的協同發展，人工智能在這一階段飛速發展。尤其是隨著深度學習和人工神經網絡研究的不斷深入，人工智能在近幾十年中取得了長足的進步，取得了令人矚目的成就。
人工智能發展到今天，出現了很多令人矚目的研究成果。AlphaGo的勝利就是基于這些研究成果的一個里程碑。當前人工智能的研究熱點主要集中在自然語言處理、機器學習、人工神經網絡等領域。
2.人工智能l展現狀與前景
人工智能當前有很多重要的研究領域和分支。目前，越來越多的AI項目依賴于分布式系統，而當前研究的普遍熱點則集中于自然語言處理、機器學習和人工神經網絡等領域。
自然語言處理：自然語言處理（Natural Language Processing，簡稱NLP），是語言學與人工智能的交叉學科，其主要功能就是實現讓機器明白人類的語言，這需要將人類的自然語言轉化為計算機能夠處理的機器語言。
自然語言處理主要包括詞法分析、句法分析和語義分析三大部分。詞法分析的核心就是分詞處理，即單詞的邊界處理。句法分析就是對自然語言中句子的結構、語法進行分析如辨別疑問句和感嘆句等。而語義分析則注重情感分析和整個段落的上下文分析，辨別一些字詞在不同的上下文定的語義和情感態度。
當前自然語言的處理主要有兩大方向。一種是基于句法-語義規則的理性主義理論，該理論認為需要為計算機制定一系列的規則，計算機在規則下進行推理與判斷。因此其技術路線是一系列的人為的語料建設與規則制定。第二種是基于統計學習的經驗主義理論，這種理論在最近受到普遍推崇。該理論讓計算機自己通過學習并進行統計推斷的方式不停地從數據中“學習”語言，試圖刻畫真實世界的語言現象，從數據中統計語言的規律。
機器學習：機器學習（Machine Learning）是近20年來興起的人工智能一大重要領域。其主要是指通過讓計算機在數據中自動分析獲得規律，從而獲取“自我學習”的能力，并利用規律對未知數據進行判斷和預測的方法。
機器學致可以分為有監督的學習和無監督的學習。有監督的學習是從給定的訓練數據集中練出一個函數和目標，當有新的數據到來時，可以由訓練得到函數預測目標。有監督的學習要求訓練集同時有輸入和輸出，也就是所謂的特征和目標。而依據預測的結果是離散的還是連續的，將有監督的學習分為兩大問題，即統計分類問題和回歸分析問題。統計分類的預測結果是離散的，如腫瘤是良性還是惡性等；而回歸分析問題目標是連續的，如天氣、股價等的預測。
無監督學習的訓練集則沒有人為標注的結果，這就需要計算機去發現數據間的聯系并用來分類等。一種常見的無監督學習是聚類分析（Cluster Analysis），它是將相似的對象通過靜態分類的方法分成不同的組別或者是特定的子集，讓同一個子集中的數據對象都有一些相似的屬性，比較常用的聚類方法是簡潔并快速的“K-均值”聚類算法。它基于K個中心并對距離這些中心最近的數據對象進行分類。
機器學習還包括如半監督學習和增強學習等類別。總而言之，機器學習是研究如何使用機器來模擬人類學習活動的一門學科，而其應用隨著人工智能研究領域的深入也變得越來越廣泛，如模式識別、計算機視覺、語音識別、推薦算法等領域越來越廣泛地應用到了機器學習中。
人工神經網絡：在腦神經科學領域，人們認為人類的意識及智能行為，都是通過巨大的神經網絡傳遞的，每個神經細胞通過突出與其他神經細胞連接，當通過突觸的信號強度超過某個閾值時，神經細胞便會進入激活狀態，向所連接的神經細胞一層層傳遞信號。于1943年提出的基于生物神經元的M-P模型的主要思想就是將神經元抽象為一個多輸入單輸出的信息處理單元，并通過傳遞函數f對輸入x1，x2…，xn進行處理并模擬神經細胞的激活模式。主要的傳遞函數有階躍型、線性型和S型。
在此基礎上，對神經網絡算法的研究又有諸多進展。日本的福島教授于1983年基于視覺認知模型提出了卷積神經網絡計算模型。通過學習訓練獲取到卷積運算中所使用的卷積系數，并通過不同層次與自由度的變化，可以得到較為優化的計算結果。而AlphaGo也正是采用了這種深度卷積神經網絡（DCNN）模型，提高了AlphaGo的視覺分類能力，也就是所謂的“棋感”，增強了其對全盤決策和把握的能力。
3.人工智能的發展前景
總體來看，人工智能的應用經歷了博弈、感知、決策和反饋這幾個里程碑。在以上4個領域中，既是縱向發展的過程，也是橫向不斷改進的過程。
人工智能在博弈階段，主要是實現邏輯推理等功能，隨著計算機處理能力的進步以及深度學習等算法的改進，機器擁有了越來越強的邏輯與對弈能力。在感知領域，隨著自然語言處理的進步，機器已經基本能對人類的語音與語言進行感知，并且能夠已經對現實世界進行視覺上的感知。基于大數據的處理和機器學習的發展，機器已經能夠對周圍的環境進行認知，例如微軟的Kinect就能夠準確的對人的肢體動作進行判斷。該領域的主要實現還包括蘋果的Siri，谷歌大腦以及無人駕駛汽車中的各種傳感器等。在以上兩個階段的基礎上，機器擁有了一定的決策和反饋的能力。無人駕駛汽車的蓬勃發展就是這兩個里程碑很好的例證。Google的無人駕駛汽車通過各種傳感器對周圍的環境進行感知并處理人類的語言等指令，利用所收集的信息進行最后的決策，比如操作方向盤、剎車等。
人工智能已經滲透到生活中的各個領域。機器已經能識別語音、人臉以及視頻內容等，從而實現各種人際交互的場景。在醫學領域，人工智能可以實現自動讀片和輔助診斷以及個性化t療和基因排序等功能。在教育領域，機器也承擔了越來越多的輔助教育，智能交互的功能。在交通領域，一方面無人車的發展表明無人駕駛是一個可以期待的未來，另一方面人工智能能夠帶來更加通暢和智能的交通。另外人工智能在安防、金融等領域也有非常廣闊的發展前景。總之，人工智能在一些具有重復性的和具備簡單決策的領域已經是一種非常重要的工具，用來幫助人們解決問題，創造價值。
參考文獻
[1]阮曉東.從AlphaGo的勝利看人工智能的未來[J].新經濟導刊，2016 （6）：69-74.
這是以張國榮在影視、電臺等留存下來的原聲建模，通過情感語音合成技術實現與粉絲“隔空對話”。據了解，任何一個人只要用30分鐘按照要求錄制50句話，就可以用百度大腦的語音合成技術模擬出這個人的聲音，這意味著，今后每個人都可以擁有自己的聲音模型。這是百度大腦所具備的基礎能力之一，從語音、圖像到自然語言理解再到用戶畫像……百度在這些領域的應用已經深入到人們的日常生活中。當這些能力賦予全社會的每個人，就能變換出無窮無盡的可能性，讓我們重塑對未來的想象。
人工智能的這種神奇魅力吸引了各大科技公司，谷歌、Facebook、IBM等國外科技巨頭紛紛通過成立人工智能實驗室、并購初創公司等方式，在人工智能領域進行多點布局。百度亦不例外，在人工智能方面的研發可謂不遺余力，更是第一個把人工智能提到核心技術創新地位的國內互聯網公司。
2015年底，百度挖來NEC美國智能圖像研究院的負責人林元慶擔任百度深度實驗室主任，由他帶領深度學習實驗室研發具有統治級別的人工智能技術。在本刊的專訪中，林元慶表示，“我覺得中國的互聯網節奏非常快，尤其是人工智能的發展。現在人工智能的剛需已經很明顯了，可以說非常旺盛，關鍵是如何把剛需挖掘出來，做出來，這才是重要的。”
百度大腦是百度人工智能的核心
《網絡傳播》：百度大腦目前有哪些階段性成果，其價值體現在哪里？
林元慶：百度大腦已建成超大規模的神經網絡，擁有萬億級的參數、千億樣本、億級特征訓練，能模擬人腦的工作機制。通過深度學習、大規模計算和大數據三大部分，百度大腦目前已經具備了語音、圖像、自然語言理解和用戶畫像四大前沿能力。以語音識別為例，目前百度語音識別的準確率能夠達到97%。在人工智能時代，百度大腦將是百度向社會輸出人工智能技術能力的核心，經過長期的投入與布局，未來百度大腦不僅將像百年以前的電力一樣成為商業新能源，更將深入到生活中，將電影中的場景變為現實。
《網絡傳播》：百度大腦宣布對廣大開發者、創業者及傳統企業開放其核心能力和底層技術開放，是出于何N考慮？
林元慶：百度大腦開放共享的思路，實際上是希望在時代變革大幕開啟之際，助力廣大合作伙伴全面共享人工智能時代，完成下一幕的轉型升級。百度大腦未來將與各行各業結合，衍生出不同領域的行業大腦，比如醫療大腦、交通大腦、金融大腦等。目前，百度大腦已經應用到教育、金融和娛樂等多個行業。
人工智能滲透百度所有產品線
《網絡傳播》：今年基本上全球各大互聯網公司都把人工智能作為最核心突破的領域，在這一領域，百度和其他公司的戰略方向有何不同？
林元慶：百度在人工智能領域起步早，布局領域廣，并且已經有很深的積累，既實現了對內業務的支持，也進行了大量對外技術的輸出。目前，百度的人工智能幾乎已經滲透到百度所有的產品線當中，以此改進百度全線產品的用戶體驗并提升用戶黏性。比如說手機百度的語音搜索、鳳巢的推廣系統以及百度外賣的調度系統、百度金融結合人工智能給用戶的畫像等等。接下來百度一方面將進一步提升各項人工智能技術，打造平臺化的對外輸出能力；另外一方面還將著力把這些人工智能技術和能力應用到具體行業和垂類中，提升行業的效率，促進行業變革。
《網絡傳播》：雖然業界普遍認可人工智能的巨大前景，但在目前來看，人工智能在短期內還很難看到盈利，那么，怎么看人工智能的普及和商業化？
林元慶：人工智能已經為百度的搜索業務提供了巨大幫助。人工智能的發展和普及有四大關鍵性的支柱――機器學習算法（特別是深度學習）、大數據、大規模計算，以及可供以上要素不斷訓練迭代的大應用。目前，人工智能在前三個領域都已經有了一定程度的突破，同樣關鍵的是人工智能技術的大規模應用，只有在制造業、醫療、汽車駕駛、娛樂等各個領域各個場景的不斷應用，才能形成“數據-技術-產品-用戶-更多數據-更強技術”這樣的一個正向循環。在這些不斷擴展的應用中，商業化也就是自然伴隨而來的事情了。
互聯網的下一幕是人工智能
《網絡傳播》：如何看人工智能在2016年的“爆發”？
林元慶：1956年夏天，“人工智能”首次被提出，但在之后的半個世紀都沒有能夠解決人工智能的問題。上世紀70年代到90年代，美國一直有人工智能的課程，但卻沒有實際的應用，在當時，任何一個領域都看不到有價值的人工智能應用。上世紀90年代以后，數據量越來越大，計算的能力也越來越強，機器學習逐漸興起；到2006年，深度學習的概念被提出，特別是在2010到2012年間，深度學習在語音識別和圖像識別領域取得了突破性進展。深度學習的成功極大地推動了人工智能的商業化。實際上，在2013年，《MIT科技評論》就已經把深度學習列為當年的十大技術突破之首，但今年確實是人工智能大規模商業化落地的一年。
《網絡傳播》：人工智能將會如何影響各行各業？
林元慶：影響最大的是制造業。當人工智能時代到來，制造業會徹底被物聯網改變。未來所有商品都能聯網，將數據傳回云端，通過人工智能技術進行分析，為消費者帶來實實在在的價值。汽車工業也將被人工智能徹底改變，盡管安全問題的解決路徑在傳統汽車廠商與創新廠家間有所不同，然而我們基本上還比較自信，有一天會進入來自動駕駛時代。此外，娛樂業及健康產業同樣也會被人工智能所改變。對于前者，虛擬現實與增強現實很可能會成為主流的內容形式，顛覆消費者對娛樂內容的消費方式；對于后者，通過基因分析、精準的醫療圖像診斷，患者的疾病將得到更加精準和個性化的治療。
未來十年人工智能將產生巨大經濟效益和社會效益，是億美元甚至百億美元級的產業。特別是智能出行方式對汽車產業將產生巨大沖擊，傳統汽車行業利潤模式從銷售產品變成銷售服務，“汽車+AI”是實現這種轉變的基礎技術。
我們認為在這一領域，豐田在汽車企業中做得最好，僅用兩年時間在其人工智能AI研發中心做了兩件大事，一是關于智能駕駛汽車對未預料到的安全事件的反應，二是對自己行為做出解釋。豐田汽車非常清晰地完成從智能駕駛到智能交互的過程，對國內自主汽車企業而言其速度非常快，它在2016年的CES展上向世人展示了一套全新的地圖繪制系統。
幾乎所有大汽車公司，無論是傳統的，還是新興的，都在進入這個領域，“汽車+AI”已經成為汽車科技支撐的新焦點。
預計到2022年有13家整車廠在汽車AI領域投資71億美元進行研發，其中我們非常驚訝的的是，占比最大的是現代汽車（占23.7%），豐田則占15%，都是巨額股份。
國內在2016年開始動手謀劃中國人工智能2.0。“汽車+AI”是復雜的、高難度的課題，融合了大數據、云計算等技術，還有感知融合、深度學習、內角色、群體控制協同等課題，我們在研究過程中感覺比下圍棋高深得多。
中國的汽車環境和汽車行為都較為特殊，能否因此而在這一領域有標志性突破？我們認為有可能。因為智慧城市、智能汽車、新能源汽車、人工智能、高智能芯片等都屬于人工智能2.0基本內涵，這樣的一些新技術、新概念、新業態會促使“汽車+AI”在中國人工智能2.0中有所突破，其特色體現在群體性的人工智能大數據，分布式人工智能云計算以及混合式人工智能人機結構等方面。
中國人工智2.0有自己明確的愿景和目標，即把握共享出行、智能駕駛的趨勢。對我們汽車業來說要應對新動力，新平臺，新生態，新價值帶來的重大變革，它會促使汽車行業向四個方面轉型升級：汽車+物聯網，汽車+人工智能，汽車+大數據、云計算，汽車+智能制造。
中國汽車人工智能2.0將有目標地打造這樣的體系，搶占汽車智能技術制高點，助力智能網聯汽車產業發展。
在總體的發展思路上，中國人工智能2.0要基于新的信息環境實現新目標、新一代的汽車人工智能。其任務就是要突破混合-增強智能、多車網聯群體智能、大數據驅動城市社區協同智能技術理論和核心技術，為其搭建研究平臺，實現創新應用。要解決的問題包括如何用智能技術使汽車更安全、移動出行更高效、使汽車實現共享，并能支撐起產業發展，有明確的商業回報。
重點研究領域包括5大塊：一是世界模型，現在國際上比較推崇人開車看世界，不是僅看一張地圖；二是智能與決策器；三是我們國家應該高度重視的計算與開發環境。我們能否抓住人工智能的這次機遇？比如華為推出的行業云就是件好事。四是智能汽車平臺，五是示范應用。
計劃強調，要加強人工智能領域專業建設，形成“人工智能＋X”復合專業培養新模式。計劃的重點任務之一，是要完善人工智能領域人才培養體系，并且推動高校人工智能領域科技成果轉化與示范應用。高校在人才培養中起到了至關重要的作用，雖然人工智能尚未成為一級學科，但國內不少一流的高校已經開始通過建立合作實驗室、增強人工智能分支教學等方式發展人工智能。
為了解各高校開展人工智能研究的情況，億歐盤點了10家在設有人工智能實驗室或有人工智能分支專業的高校。
清華大學：計算機科學與技術系
清華大學計算機科學與技術系（簡稱計算機系）成立于1958年，在2006年、2012年全國學位與研究生教育發展中心開展的一級學科整體水平評估中，以總分滿分100分的成績排名第一。2017年，在 USnews 推出的世界大學學科排名 Best Global Universities for Computer Science 中，計算機科學與技術學科緊隨 MIT之后位列世界第2名。在 QS 世界大學排名 （QS World University Rankings） 給出的全球計算機學科排名中為例第15名，其排名與得分逐年穩步提升。
計算機系包含了國內計算機專業最全的學科方向，設有高性能計算機與處理器、并行與分布式處理、存儲系統、大數據與云計算、計算機網絡、網絡與信息系統安全、系統性能評價、理論計算機科學、數據工程及知識工程、軟件工程、計算機與VLSI設計自動化、軟件理論與系統、生物計算及量子計算、人工智能、智能控制及機器人、人機交互與普適計算、計算機圖形學與可視化技術、CAD技術、計算機視覺、媒體信息處理等研究方向。
計算機系現設有高性能計算、計算機網絡技術、計算機軟件、人機交互與媒體集成4個研究所；智能技術與系統國家重點實驗室；計算機基礎與實驗教學部等科研教學機構。
計算機系還設有國家級計算機實驗教學示范中心，包括：計算機原理實驗室、微型計算機實驗室、計算機網絡實驗室、操作系統實驗室、計算機軟件實驗室、計算機控制系統實驗室、智能機器人實驗室、計算機接口實驗室、學生科技創新實驗室等。此外，計算機系還與騰訊、搜狗、微軟、思科等國內外著名公司建立了面向教學或研究的聯合實驗室。
北京大學：智能科學系
智能科學系成立于2002年7月，主要從事智能感知、機器學習、數據智能分析與智能計算、智能機器人等方向的基礎和應用基礎研究，側重于理論、方法以及重大領域應用上。
北大智能科學系依托于視覺聽覺信息處理國家重點實驗室，實驗室以實現高度智能化的機器感知系統為目標，在生物特征識別研究方面處于國際領先地位。智能科學系在著名的軟件與人工智能專家、我國載人飛船工程軟件專家組組長何新貴院士和長江特聘教授查紅彬教授的帶領下，重點開展機器視覺、機器聽覺、智能系統與智能的生理心理基礎等研究。以北大智能科學研究人員為技術核心的北大指紋自動識別系統，是國內唯一能與國外系統抗衡的自主知識產權，是中國第一家也是唯一的一家提供公安應用全面解決方案的系統，擁有中國指紋自動識別技術產品第一市場占有率。
人工神經網絡說話人識別新方法的研究獲得教育部科技進步一等獎；國家空間信息基礎設施關鍵技術研究獲得2000年中國高校科學技術二等獎，入選2000年中國高校十大科技進展。
復旦大學：類腦智能科學與技術研究院
復旦大學類腦智能科學與技術研究院于2015年3月籌建成立，是復旦大學校內的獨立二級研究機構。其前身為復旦大學第一批跨學科交叉國際化研究中心——計算系統生物學研究中心，成立于2008年。研究院基于復旦大學既有的數學、統計學、計算機科學、生物學、信息學、臨床醫學、語言學、心理學等多學科綜合交叉研究優勢，以計算神經科學為橋梁，著力開展大腦機制解析、腦疾病智能診療、類腦智能算法、類腦智能軟硬件、新藥智能研發、通用智能等相關領域的科學研究、技術研發和人才培養。
研究院率先探索打通國際與國內、科技與產業的全鏈條、全球化產學研合作機制，充分發揮高校培養和儲備高端智能人才、發現和培育前沿技術的綜合優勢，推動產學研源頭創新與合作，致力于成為推動腦科學、人工類腦智能與產業應用融合發展的重要科技創新平臺。
研究院目前在建五個核心功能平臺和一個國際合作研發中心，主要包括：一是以腦高級認知功能的多信息反饋處理機制研究為核心的神經形態計算仿真平臺；二是以多尺度多中心重大腦疾病數據庫和算法開發為基礎的智能診治數據示范平臺；三是依托高端醫療影像設備集群，為生物醫學轉化研究和信息產業智能化提供試驗技術支撐的綜合生物醫學影像平臺；四是以開發深度學習、強化學習和自組織學習等機器學習算法以及可穿戴設備、類腦芯片、健康服務機器人等為目標的類腦智能軟、硬件開發平臺；五是集孵化加速、產業聯盟、投資基金為一體，為類腦智能創新項目及企業提供應用技術資源和孵化服務的類腦智能產業化平臺；六是依托已有的歐洲人類腦計劃、美國腦計劃等國際合作的數據、學術資源，建設類腦智能國際合作節點和人才培養中心。
中國科學院：自動化研究所
中國科學院自動化研究所成立于1956年10月，是我國最早成立的國立自動化研究機構。目前設有類腦智能研究中心、智能感知與計算研究中心、腦網絡組研究中心等12個科研開發部門，還有若干與國際和社會其他創新單元共建的各類聯合實驗室和工程中心。另有漢王科技、三博中等四十余家持股高科技公司。
近年來，自動化所共獲得省部級以上獎勵30余項。數量逐年增加，質量不斷提高；專利申請和授權量連年攀升，多年位居北京市科研系統前十名繪制的“腦網絡組圖譜”第一次建立了宏觀尺度上的活體全腦連接圖譜；虹膜識別核心技術突破國外封鎖，通過產學研用相結合走出“中國制造”之路；基于自動化所語音識別技術的“紫冬語音云”在淘寶、來往等阿里巴巴旗下移動客戶端產品中得到推廣；“分子影像手術導航系統”通過國家藥監局醫療器械安全性及有效性檢測認證并進入臨床應用；“智能視頻監控技術”和“人臉識別技術”分別成功應用于2008年北京奧運會、2010年上海世博會的安保工作中，為社會安全貢獻自己的力量；研制的AI程序“CASIA－先知1．0”采用知識和數據混合驅動的體系架構，在2017首屆全國兵棋推演大賽總決賽中7：1的懸殊比分戰勝人類頂級選手，展示了人工智能技術在博弈對抗領域的強大實力……
在共建機構方面，自動化所與新加坡媒體發展管理局聯合成立中新數字媒體研究院，聚焦交互式語言學習、視頻和分析等領域；與瑞士洛桑聯邦理工大學（EPFL）在京成立中瑞數據密集型神經科學聯合實驗室，在類腦智能研究方面展開合作；與澳大利亞昆士蘭大學（UQ）共建中澳腦網絡組聯合實驗室，在“計算大腦”研究方向上進行遠景規劃；還與香港科技大學共建智能識別聯合實驗室，在模式識別、無線傳感器網絡等領域展開合作。
廈門大學：智能科學與技術系
早在上世紀八十年代初，廈門大學就已開始從事人工智能領域的研究，相繼在專家系統、自然語言處理與機器翻譯等領域取得過一系列成果。為此，1988年經學校批準成立“廈門大學人工智能與計算機應用研究所”，后于2004年更名為“廈門大學人工智能研究所”。2006年12月，經國家教育部批準，廈門大學正式設立“智能科學與技術”本科專業，并于2007年6月經學校批準成立“廈門大學智能科學與技術系”。
廈門大學智能科學與技術系現有一個本科專業（智能科學與技術），三個碩士學位授予專業（模式識別與智能系統、計算機科學與技術、智能科學與技術），兩個博士學位授予專業（計算機科學與技術、智能科學與技術）。
目前該系承擔多項國家863、國家自然科學基金、福建省科技基金等項目，擁有“福建省仿腦智能系統重點實驗室”、“智能信息技術福建省高校重點實驗室”和“廈門大學語言技術中心”三個平臺，此外還有“藝術認知與計算”、“自然語言處理”、“智能多媒體技術”、“人工大腦實驗室”、“智能中醫信息處理”等多個研究型實驗室，為培養高質量的學生提供了必要的保障。
上海交通大學：計算機科學與工程系
上海交通大學計算機科學與工程系成立于1984年。近年來，隨著計算機科學與技術在人們生活中的應用不斷深入，特別是隨著云計算、物聯網、移動互聯網、大數據等技術的興起，交通大學計算機系不斷調整學科方向，形成了高可靠軟件與理論、并行與分布式系統、計算機網絡、智能人機交互、密碼學與信息安全等研究方向。
該院系下設三個重點實驗室：智能計算與智能系統重點實驗室、上海市教委智能交互與認知工程重點實驗室、省部共建國家重點實驗室培育基地及上海市可擴展計算與系統重點實驗室。其中，上海交通大學－微軟智能計算與智能系統聯合實驗室目前是教育部－微軟重點實驗室，成立于2005年9月，是交通大學和微軟亞洲研究院在多年良好合作的基礎上，為了更好發揮各自在并發計算、算法與復雜性理論、仿腦計算、計算機視覺、機器學習、計算智能、自然語言處理、多媒體通訊以及機器人等領域的優勢，實現“使未來的計算機和機器人能夠看、聽、學，能以自然語言的方式與人類交流”這一共同使命而成立的。實驗室在科學研究、人才培養、學術交流等方面也取得了很好的成績。實驗室累積200余篇，成果發表于CVPR，ICCV，WWW等國際頂級會議上。
南京大學：計算機科學與技術系
南京大學的計算機科學研究起步于1958年，建立了計算技術、計算數學、數理邏輯等專業開始培養計算機相關領域專門人才，1978年在上述三個專業基礎上成立了計算機科學系，1993年更名為計算機科學與技術系。
依托該系師資，先后成立了南京大學計算機軟件研究所、計算機軟件新技術國家重點實驗室（南京大學）、南京大學計算機應用研究所、南京大學多媒體計算技術研究所、南京大學軟件工程中心（江蘇省軟件工程研究中心）、南京大學信息安全研究所等科研機構。主要科研方向有：軟件自動化與形式化、分布與并行計算及新型網絡、新型程序設計與軟件方法學、多媒體與信息處理、人工智能與機器學習、系統軟件及信息安全等。
建系30年來，共承擔國家973計劃、國家863計劃、國家攀登計劃、國家自然科學基金、國家科技攻關等重大科技計劃項目以及省、部、委科研項目和企事業委托或國際合作的研發項目300余項，科研成果獲得各種獎勵80余項，其中國家科技進步獎一等獎1項、二等獎4項、三等獎2項，省部委自然科學獎和科技進步獎特等獎2項，一等獎8項，二等獎37項。3000多篇，出版專著、教材50多部，申請國家發明專利33項。部分成果被轉化為產品，產生了較大社會效益和經濟效益。
哈爾濱工業大學：計算機科學與技術學院
哈爾濱工業大學計算機專業創建于1956年，是中國最早的計算機專業之一。在1985年，發展成為計算機科學與工程系，并建立了計算機科學技術研究所。2000年，計算機科學與技術學院成立；同年，建立了軟件學院，后經國家教育部、國家計委批準為國家示范性軟件學院。目前。哈工大計算機科學與技術學院擁有計算機科學與技術國家一級重點學科、7個博士點和7個碩士點、1個博士后科研流動站、一個國家級教學團隊、一個國家級科技創新團隊、一個國防科工委創新研究團隊。
目前主要研究方向包括：智能人機交互、音視頻編解碼技術、語言處理、自然語言理解與中文信息處理、機器翻譯、信息檢索、海量數據計算、計算機網絡與信息安全、傳感器網與移動計算、高可靠與容錯計算技術、穿戴計算機、企業計算與服務計算、智能機器人、生物計算與生物特征識別。
學院有一批研究成果達到國際先進水平，包括：國家信息安全管理系統、數字視頻廣播編碼傳輸與接收系統、大規模網絡特定信息獲取系統、計算機機群并行數據庫系統、并行數據庫系統、神州號飛船數據管理分系統、穿戴計算機系統、信息安全與實時監測系統、人臉識別系統、視頻編解碼技術、黑龍江省CIMS應用示范工程、農業專家系統等等。
中國科學技術大學：計算機科學與技術學院
中國科技大學于1958年建校時就設置了計算機專業。根據學科發展趨勢和國家中長期發展規劃，面向國家和社會的重大需求，計算機科學與技術學院將科研力量凝聚在高性能計算、智能計算與應用、網絡計算與可信計算、先進計算機系統四個主要的研究領域。
學院的支撐實驗室有：國家高性能計算中心（合肥）、安徽省高性能計算重點實驗室、安徽省計算與通訊軟件重點實驗室、 多媒體計算與通信教育部－微軟重點實驗室、中國科大超級運算中心和信息科學實驗中心。
其中，多媒體計算與通信教育部—微軟重點實驗室主要從事人機自然語音通信、語義計算與數據挖掘等方面的研究。人機自然語音通信方面，主要研究中文信息處理、人類視聽覺機理、語音語言學等。語義計算與數據挖掘方面，主要研究自然語言驅動的計算、多媒體內容的語義標注、自動問答、語義社會網絡、數據與知識工程、隱私保護與管理中的語義計算等。
依托多媒體計算與通信教育部—微軟重點實驗室，雙方聯合實施了聯合培養博士生計劃、實習生計劃、精品課程建設計劃、青年教師培養計劃等，取得了突出成果，探索出了一條企業和高校共同培養優秀人才的道路，為微軟亞洲研究院與其他高校的合作提供了一個經典范例。
華中科技大學：自動化學院
華中科技大學自動化學院是由原控制科學與工程系和原圖像識別與人工智能研究所于2013年合并組建的學院。原控制科學與工程系前身是成立于1973年的華中工學院自動控制系，1998年更名為華中理工大學控制科學與工程系；原圖像識別與人工智能研究所是1978年由教育部和航天部共同批準成立從事圖像識別和人工智能研究的研究機構。
科學研究工作主要涉及復雜系統控制理論、決策分析與決策支持、電力電子與運動控制、智能控制與機器人、計算機集成控制與網絡技術、信息檢測與識別、飛行器控制與狀態監測、生物信息處理、神經接口與康復技術、物流系統、國民經濟動員與公共安全、多譜圖像制導、目標探測的多譜信息技術、多譜信息的實時處理與系統集成技術、人工智能與思維科學、信息安全等方向。
模式識別與智能系統是自動化一級學科的重要二級學科。迄今為止，本系在原 “圖像識別與人工智能研究所”和“控制科學與工程系”的這兩個學科點承擔了百余項國家、國防與行業項目。近5年科研經費總額在8000萬元以上，包括973計劃，國家自然科學基金重點、面上和青年基金項目，863計劃，國家重大專項、國防重點預研與基金，國家科技支撐計劃，省部級科研項目，以及大型工程和企業科研合作項目等。
總結
谷歌研發的自動駕駛汽車已經累積了數十萬英里的安全駕駛記錄，預計數年內，這種無需人類駕駛的車輛將廣泛投放市場。但隨之而來的一個倫理性問題是：如果無人駕駛汽車出了車禍，責任應該歸結于誰？如果搭乘車主的無人駕駛汽車，正要經過一座狹窄的橋，橋對面忽然開來了滿載兒童的校車，這座橋無法容載兩輛車，必須要有一輛車馬上掉下橋去，才能保障另一輛車的安全。那么，無人駕駛汽車是會毫不猶豫地沖上前去，為車主清除隱患，把校車撞下橋去呢，還是自殺性地開下橋，犧牲車主以保全更多兒童的性命安全？
類似的倫理疑問還包括：如果你或你的家人突發重病，但無人駕駛汽車卻拒絕超速趕往醫院，你該怎么辦？如果有家長讓未成年的孩子喝酒，家傭機器人是否應當馬上啟動報警程序？
人工智能時代已經到來，機器人的智能化程度大幅提升，機器人已擁有了從經驗中自我學習的能力，還能對現實問題作出快速反應。但有關人工智能、機器人的倫理性問題，卻比單純的技術問題更難得以解決。
在卡普蘭看來，相比于過去的智能化機器，機器學習已有了本質的區別，已經“發展出自己的直覺力，然后用直覺來行動”，這也將使得機器人可以更為踴躍地進入人類世界，接管過去僅能由人執行完成的形形的工作。在過去，投放到醫學、工業等多種領域的機器人，都存在精準性、力量性、持久性不足等問題，使得機器人適應環境的能力較差，只能在啟動之前盡可能精準地設定，但隨著機器感知領域的突破和發展，“未來的機器人可以看到、聽到、做計劃，還能根據混亂而復雜的真實世界來挑戰自己”。
卡普蘭預言，終有一天，隨著傳感器、反應器以及無線通信的不斷進步，人工智能將以合成智能的方式，與人體甚至其他物體合而為一――“未來看起來會比你想象中的更像過去”。
智能時代毫無疑問會釋放出更多的技術紅利，但風險也不可小覷。卡普蘭特意提到，隨著在金融交易中越來越多地加入人工智能，高頻交易程序一方面減少了市場震蕩，另一方面卻會將風險轉嫁給一般的交易者，讓交易者獲得的交易價格偏離于最佳價格。這種情況在商業領域中也有表現，比如全球知名電商企業亞馬遜通過復雜算法，使得不同顧客在不同時段獲得的報價各有不同，并通過智能化的購買數據分析，推出更具誘惑力的促銷方案，誘導顧客購買更多原本不需要購買的、實際上也并不那么價廉物美的商品。從目前情況來看，在合成智能方面投入最多的企業，無不熱衷于將之應用于操控用戶的注意力和購買力。
更進一步的風險在于，由于人工智能的設計僅僅服務于單一目的，因而未曾考慮是否存在副作用。比如，人工智能會搶在他人之前，（幫助主人）搶占車位，會在大蕭條之前惡意搶購超市貨架上的所有應急商品 ；與人對弈的機器人，不排除會使用“黑社會”式的手段，包括威脅對手的家人，破壞對手的交通工具。
要避免人工智能對社會體系甚至人類安全造成威脅，相關的智能設備、機器人開發和使用的倫理準則及立法，都應盡快提上議事日程；并且，在人工智能開發過程中，在增強單純的技術能力的同時，也應嘗試賦予它一種人類式的“感受同情和憐憫的能力”。
關鍵詞：人工智能；年報審計模式；創新與改革
中圖分類號：F23
文獻標識碼：A
doi：10.19311/ki.16723198.2017.01.046
1引言
自2016年3月9日，韓國首爾的“人機大戰”圍棋賽上，AlphaGo以4：1戰勝韓國九段李世石，人工智能再度引起了社會的高度關注。環顧我們的生活環境，無論醫療方面，人類發現新的治療癌癥的藥物，還是交通科技方面，發明出全自動座駕，抑或是簡單的身份證明，識別人的面孔或者指紋等等，都離不開人工智能。雖然在上市企業年報審計這樣的財務會計方面，人工智能目前涉及得并不深，但我們相信，如果有人工智能做技術鋪墊，以其為背景，年報審計模式一定能夠有很好的創新與前所未有的改革，以此更好地滿足客戶以及行業的需求。
2人工智能背景下上市企業年報審計模式的內涵
在人工智能背景下，上市企業年報審計模式，是在會計信息化的審計環境下產生的。它是上市企業專門針對財務報表的審計內容，以實現審計為目標，運用信息化審計方法進行財務信息處理的一種信息化審計模式。其各個核心要素具體解釋如表1。
3人工智能背景下上市企業年報審計效率極大提高
上市企業在人工智能背景下使用會審軟件，不僅可以使企業的員工無需花費過多的時間與精力在機械重復地處理財務信息上，也可以很大程度地提高上市企業年報審核工作的效率。審計部門通過應用會審軟件，使人力資源的耗費在一定程度上得到降低，更可以通過該軟件在最短的時間內，對各種報表、交易賬目等進行更為全面的分析，對各種數據進行較為客觀的風險評估，能夠盡快找出問題所在，以使上市公司的年報審計效率得到極大提高。
4人工智能背景下上市企業年報審計信息質量加強
縱觀前些年的上市企業年報審計信息，信息失真可以說是整個財會審計行業存在的普遍現象。究其根本原因，還是因為在沒有人工智能的時期，審計信息是靠人力的手工編制。在人為操作中，失誤肯定在所難免的，現象也會有所出現。而一旦將人工智能運用于上市企業年報審計中，人工智能取代部分人為，那么由于人工失誤造成的年報審計信息失真的可能性自然會降低，人為的現象出F的可能性也會減少。因此，人工智能背景下上市企業年報審計信息質量便會有所加強。
5人工智能背景下上市企業年報審計工作模式精簡化
之前的上市企業年報審計工作通過手工進行財務信息處理，這種工作模式繁瑣又單一，較為程式化。而現在的上市企業大多會以業務流程為依據為會計人員分配工作，它們引進的人工智能打破了長久以來企業對年報審計工作的分工模式。在人工智能的背景下，上市企業年報審計的工作崗位中有一部分一定會被取代甚至取消。被取代或取消的財務人員崗位則很有可能被設為程序操作員的崗位以及管理審計崗位。由此看來，人工智能對上市企業年報審計工作的分工格局可謂有大幅的影響。
6人工智能背景財會崗位需要復合型人才
人工智能背景下，上市企業年報審計工作已經從財會工作轉化成財會管理工作。這也就說明，如今的上市企業需要的不僅僅是能夠熟練掌握財會理論和進行實務操作的財會人員，更需要復合型人才。這就要求，該人員既能掌握財會專業知識，又能管理財會審計軟件、精通IT技術，既懂業務，又可以處理數據。也只有這樣的人，能夠以其自身敏銳的洞察力，獨到的判斷力，適應如今的人工智能時代，更好地完成上市企業年報審計的工作。
7總結和展望
雖然人工智能時代的來臨，為上市企業年報審計模式帶來了創新與改革，很大程度上展現出其相對于人腦獨特的優勢，它強大的處理數據的能力也正是年報審計工作需要的。但是從目前實際應用情況來看，人工智能應用的深度并不深，應用層次也不高，上市企業年報審計模式依舊有待改革，會計人員能力如何快速提升轉型為復合型人才，更是人工智能背景下上市企業年報審計工作面臨的一項不小的挑戰。
參考文獻
[1]喬恩?拉斐爾.看人工智能如何提高審計質量[J].中國會計報，2015.