人工智能教育的应用场景精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇人工智能教育的应用场景，期待它们能激发您的灵感。

篇1

关键词：人工智能影视教育课堂在场价值观

人工智能技术作为社会媒介化发展的特殊产物，不仅能够建构起智能媒介化的信息社会，更能深入到传媒研究领域，引导影视传媒研究朝着“互联网+教育”的方向发展。当前影视传媒教育正面临重要的转型阶段，如何通过媒介信息技术调整现有的理论学习模式和教学培养目标，已经成为影视教育进行改革创新的突破口。基于人工智能为教育信息化带来的机遇和挑战，影视教育正致力于从“刀切教育”迈向“精准教育”，从“课堂缺席”转为“课堂在场”，从人才培养模式到教育信息平台搭建，都在不断强化智能教育培养，力求为影视传媒教育的智能化改革和实践提供决策依据。

一、影视教育智能化发展的应用价值

智能化影视传媒研究是教育信息化极为重要的应用场景，人工智能技术不仅拓宽了影视传媒教育的研究方向，同时也在技术手段、渠道搭建、傳媒伦理等层面发挥着重要作用。

1.消除数据鸿沟，发挥智能传媒教育技术赋能和知识平权的双重功能。影视传媒研究是以实践为基础的理论性教学，以培养创新型和复合型人才为教育目标。教育学者是影视文化传播的驱动者，因个体间存在传播技能、信息储备和交往行为方面的差异，造成影视传媒教育具有严重的知识鸿沟。在影视研究学者步入算法教育的重要阶段，智能教育平台可通过读取人的反馈改变原有的教学模式，调整每一位受教育者的天赋类型。与此同时，教育学者能够充分利用算法技术和人工智能手段，获取定制化的影视资源和学习条件，以技术逻辑引导学习流程，用分析框架提高教学模式的理论性和可操作性，通过强化教与学的变革场景，激活文化创作的想象力和逻辑性思维，使科技创新在理性与感性、理论与实践的引导作用下，从一般的理论教学形成智能媒介化的信息教学模式，从单向传授转变为双向互动的学习教育模式。

2.拓宽学习渠道，推动教育形态从理论课堂到智能媒体教育课堂的变革。人工智能技术与影视教育教学的深度融合，正引发起一场新的教学革命。从教育手段和学习途径上来看，原有的课堂教学已无法满足理论和实践的双重需求，大数据催生出的智能化影视教育，在虚拟世界和现实世界间搭建起新的算法课堂，利用人工神经网络简化理论教学的概念，又通过具有超强运算能力和通讯能力的技术手段协助实践操作。例如，人工智能照相机作为辅助型的教学工具，被运用于智慧课堂的摄影实践教学中，借助云端技术和物联网连接远程数据中心，可以帮助不懂摄影技术的学习新手尽快了解电影拍摄的理论框架和基本技能，推动教学场景从应用性教学到智慧型课堂的氛围建构。人工智能与影视教学的跨界融合，成为智能传媒教育进行颠覆式创新的重要表现形式，教育形态正逐渐从智慧课堂过渡到智慧校园，从传统的理论范式过渡到智慧媒体的应用型范式，帮助构建起新的学科话语体系。

3.重视传媒伦理，推动智能化影视传媒教育价值观和技术性的生成。人工智能是以追求效益为初心的理性工具，在技能研发阶段尚未对伦理规范提出强制要求，技术伦理向来是人工智能难以逾越的一道鸿沟；影视传媒教育则是以培养学生的伦理观和价值观为出发点，重视以道德审美为核心的理性意识。智能化传媒教育将信息技术和影视教学进行结合，使得理性工具得以同理性意识深度融合，人文关怀建立在技术作用之上，这既是培养受教育者核心价值观的时代需要，亦是强化人工智能技术伦理的有效途径。人工智能时代，强调智能化影视传媒教育技术性和价值观的生成，与其说是建立在影视教育应用场景上的技术伦理规范，不如说是借信息技术完成对传媒伦理和受教育者价值观的理性建构，让人工智能发展紧密联系意识形态和伦理道德问题，加深技术手段和教育学习的彼此作用，从而获得传媒教学在伦理层面的共识。随着传媒影响力的逐步扩大，以内容为载体的影视教学活动意味着要担负起更重要的教学责任，学科研究核心价值观的建设必须以注重传媒伦理和技术伦理为教学基础，重新建构现有的伦理道德观念，为人工智能技术注入价值观的活的灵魂。

二、影视教育智能化发展的风险问题

人工智能技术的迅速发展，赋予影视传媒教育极大的应用价值，与此同时也面临着潜在的风险问题。

1.灌输式教育仍占据主流，智能化影视教学陷入价值认知困境。在人工智能技术出现以前，理论+实践的教学策略已经成为一种固定的形态存在于传统影视教学工作中，受教育者根据统一的培养目标规划自己的学习方式，包括影视创作及影视理论等相关课程都按照相同的培养模式进行。由于教育主体对人工智能的认知存在两极分化的现象，过往只能够通灌输式对学生进行强制教育，智能化影视教学则是处于小范围内的实践和创新。对影视教育而言，理论与实践是学习的内容，继承与创新才是研究的实质。明确人工智能教育的价值认知，从灌输教育逐步迈向定制化教育，为高校的人才培养提供重要的智力支持，应当是影视教育智能化转型发展的着力点。

2.智能教育应用场景缺乏思考，其深度和广度有待进一步挖掘。当前，智慧课堂、智慧校园的出现奠定了智能传媒教育的基本雏形，依靠大数据、物联网等信息技术支撑的智能传媒教育，在平台搭建层面已出现显著性成果，但对应用场景的深度和广度挖掘还存在明显问题。影视教育智能化应当以追求个性化和定制化教育为目标，崇尚的是终身学习的教学理念，不应当将人工智能技术仅局限于传统的教学课堂，除了要从“线下”走向“线上”，还需要考虑到以人机交互为主要形态的教学应用场景，挖掘人工智能教育更多的应用情境和展现方式，从而对影视课堂的理论与实践教学价值提供合理的在场性证明。

3.专业壁垒依然存在，智能化教学成果马太效应极为明显。智能教育世界要求培养更加多元化的应用型人才，但人工智能的马太效应逐渐渗透到影视传媒教育工作中，也会导致教学成果受到出现严重的失衡现象，难以满足高校对人才培养的多元化需求。作为艺术研究的影视教学活动，其科学精神和创新实践同样重要。尤其在媒介融合背景下，要想推进受教育者从“影视学者”逐渐过渡到“影视作者”，人工智能不仅需要满足师生的定制化教学任务，还应当破除专业和行业的壁垒，对其相关联的学科和传媒领域进行合作，才能够改变当前智能化影视教育在教学模式上面临的不足，不断为社会输送更多的应用型人才。

三、影视教育智能化发展的转型实践

面对智能传媒教育的风险与挑战，影视专业更应当立足于自身的教育发展特色，从人才培养模式、应用场景建设、教育资源整合等方面，推进影视教育智能化发展的转型实践。

1.从“灌输教育”走向“精准教育”，创建新的人才培養模式。智能传媒教育范式的自主性建构，应当立足于对传统教学效率和人才培养模式的颠覆。基于当前影视传媒智能化发展在人才培养模式层面的不足，其转型实践需要从受教育者的个性化需求出发，在师生、家长和社会的通力合作下，创建新的人才培养模式，利用碎片化学习完成系统化的学习过程，逐渐从“灌输式教育”走向“精准化教育”。例如，人工智能时代对影视学生的培养更趋向于“以个人为导向的系统化学习”，通过前期对受教育者的大数据整理，对每一位同学的逻辑性、想象力、创造性和沟通能力等进行分析，从影视理论和影视创作两大方向出发对受教育者形成定制化的学生画像，并提供针对性的智慧作业，帮助教师采集学生的学习情况，从而实现规范化的信息管理。可以预见的是，智能传媒时代，“互联网+教育”学习模式的生成，在推动知识平权化等方面发挥重要价值，成为影视教育智能化追求的重要转型路径。

2.从“课堂缺席”走向“课堂在场”，打造新的传媒教育平台。人工智能不仅要改变传统的人才培养模式，同样也应当提供更加多元化的学习应用场景。过去的影视研究多局限于单一的课堂场景，采用课上理论和课下实践的方式进行授课，完成影视教学的闭环。人工智能时代，影视传媒教育应当调整原有的受教育模式，通过搭建合理的人工智能应用平台，可以巧妙地将课堂场景与智能技术结合起来，为受教育者提供更加多样性的教学应用场景，从而实现成长课堂的“在场共生”。例如，人工智能可以带动影视制作的推陈出新，通过搭建智慧超媒体系统，将电影屏幕从影院搬到校园，自动生成无穷界面。与此同时，影视传媒的智能化还可以帮助教师自动生成电影梗概，将理论性教学转变为可视化形象，使电影理论同定制化的影像人物之间建立匹配关联，让教育场景从线下逐步延伸到线上，为影视研究提供重要的云服务。

3.从“媒教分离”走向“共建合作”，实现产研学的自主对接。影视教育智能化发展的最终目的是为了寻求理论与实践的融和，帮助构建起传媒教育和传媒业界的良性生态关系。传媒教育智能化也可以全面提高受教育者的学习效率和工作效率，通过优化教育资源，带动影视内容的高质量生产、影视人才的高质量创作。因此，从“媒教分离”走向“共建合作”，引导产研学的自主对接也成为了影视教育智能化转型实践的有效探索。未来的影视传媒发展，能够抓取海量资源建构独立的影像景观模型，为机器人参加艺考创造可能性，并且也可以紧抓电影内容的智能化生产，从前期的电影脚本自动化写作到后期的虚拟演员个性化定制，系统均可以对剧本创作、电影拍摄等课程进行精准化评估，从中筛选出符合影视公司要求的作品，进入后续的市场化操作。

篇2

人工智能即将进入高中课堂。近日，我国第一本面向中学生的AI教材——《人工智能基础（高中版）》正式。

为什么要在中学开设人工智能课程？这本教材有什么特点？对于中学教师和学生而言，应如何准备才能应对人工智能的教与学？记者对此进行了调查。

全国已有40所学校引入教材

据了解，该教材是华东师范大学慕课中心和商汤科技合作，联合全国多所知名中学教师共同编写，由新闻出版总署批准出版并备案。目前，全国已有40所学校引入该教材作为选修课或校本课程，成为首批“人工智能教育实验基地学校”。

“与其他教材不同，该教材以‘手脑结合’为主要学习方式，不仅关注对人工智能原理的介绍，更加重视这些原理在生活中的运用。”华东师范大学教授，博士生导师陈玉琨介绍说，“作为教材的编者，我们特别希望学生能发挥独特的想象力，设计一些在高中阶段有可能完成的项目，并动手将其转化为独具特色的作品。”

记者看到，该教材共分9个章节，以基础普及性的知识为主，分别介绍了图片识别、声音识别、视频识别、计算机写作和深度学习等人工智能技术的原理和应用场景，每一页都配有彩色图表，并引入了大量科普内容和实例。此外，该教材还配套了一个教学实验平台。

香港中文大学教授林达华表示，目前，人工智能人才面临着全球性短缺，在人工智能和基础教育结合方面，各个国家都还处在探索的过程中，该教材的出版，是人工智能教育的一次重大突破，意味着人工智能将由此走出“象牙塔”，进入高中生的知识范畴。

“今天，技术更迭速度太快，谁也无法预计未来的职业选择，我很乐意让我的孩子在中学阶段就了解掌握一些人工智能方面的知识技能。”一位家长这样告诉记者。

目的在于普及原理引发兴趣

作为一门兼具学术含量和技术含量的学科，对高中学生而言，应该怎样去了解人工智能这门学科；对于高中教师而言，又该如何教学呢？

“大多数中学生的最终职业道路都不会是成为人工智能研究者或工程师，但是未来很多行业都将在不同程度上受益于人工智能的赋能。因此，该学科在中学阶段的教学目标应该定位让学生了解掌握人工智能的基本思想、基础知识以及常用算法和工具。”林达华说。

在陈玉琨看来，人工智能的教学和研究经常要用到高等数学的知识，这已经超出了高中生的知识范围，因此，在中学阶段，教师应注重对相关概念、算法、原理进行定性介绍，“定量的部分，可以留待以后再学。”

多位专家表示，教师在教学过程中，要特别重视对人工智能应用场景的介绍，这不仅会让课堂变得更加生动，学生学习的兴趣更加高涨，同时也会提升师生的思维与创造能力。

“总体而言，在中学阶段开展人工智能课程的主要目的在于普及人工智能的原理与技术，引起学生对人工智能学习的兴趣。当然，也期望能为高等学校培养人工智能领域的拔尖人才奠定相应的基础。”

“校企合作”解决人才缺口

也有专家指出，人工智能是一门新兴技术，中学教师在该领域的知识储备是不足的。

“师资是课程的基础。”上海师范大学教授岳龙表示，“开设人工智能课程对教师的知识结构也提出了新的挑战，因此组建专门的师资培训团队非常重要。”

据记者了解，为帮助教师克服知识储备不足的问题，华东师范大学慕课中心与商汤科技将联合举办多期“人工智能教师研修班”——培养一批人工智能的种子教师，在他们带领下，逐步提升我国教师总体的人工智能素养，从而改善中学教师开展人工智能教育教学面临的困难和挑战。

篇3

国内人工智能产业链解构

基础技术、人工智能技术和人工智能应用构成了人工智能产业链的三个核心环节，我们将主要从这三个方面对国内人工智能产业进行梳理，并对其中的人工智能应用进行重点解构。

人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同，这些平台主要集中于三个服务层面，即基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。基础技术提供平台为人工智能技术的实现和人工智能应用的落地提供基础的后台保障，也是一切人工智能技术和应用实现的前提。

对于许多中小型企业来说，SaaS 是采用先进技术的最好途径，它消除了企业购买、构建和维护基础设施和应用程序的需要；而 IaaS通过三种不同形态服务的提供（公有云、私有云和混合云）可以更快地开发应用程序和服务，缩短开发和测试周期；作为 SaaS 和 IaaS 中间服务的 PaaS 则为二者的实现提供了云环境中的应用基础设施服务。

人工智能技术平台

与基础技术提供平台不同，人工智能技术平台主要专注于机器学习、模式识别和人机交互三项与人工智能应用密切相关的技术，所涉及的领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学习、语言和图像理解和遗传编程等。

机器学习：通俗的说就是让机器自己去学习，然后通过学习到的知识来指导进一步的判断。我们用大量的标签样本数据来让计算机进行运算并设计惩罚函数，通过不断的迭代，机器就学会了怎样进行分类，使得惩罚最小。这些学到的分类规则可以进行预测等活动，具体应用覆盖了从通用人工智能应用到专用人工智能应用的大多数领域，如：计算机视觉、自然语言处理、生物特征识别、证券市场分析和DNA 测序等。

模式识别：模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，它偏重于对信号、图像、语音、文字、指纹等非直观数据方面的处理，如语音识别，人脸识别等，通过提取出相关的特征来实现一定的目标。文字识别、语音识别、指纹识别和图像识别等都属于模式识别的场景应用。

人机交互：人机交互是一门研究系统与用户之间交互关系的学问。系统可以是各种各样的机器，也可以是计算机化的系统和软件。在应用层面，它既包括人与系统的语音交互，也包含了人与机器人实体的物理交互。

而在国内，人工智能技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域，其中的代表企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。

人工智能应用

人工智能应用涉及到专用应用和通用应用两个方面，这也是机器学习、模式识别和人机交互这三项人工智能技术的落地实现形式。其中，专用领域的应用涵盖了目前国内人工智能应用的大多数应用，包括各领域的人脸和语音识别以及服务型机器人等方面；而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案，目前国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。

（1）计算机视觉在国内计算机视觉领域，动静态图像识别和人脸识别是主要研究方向

图像识别：是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。

人脸识别：是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

目前，由于动态检测与识别的技术门槛限制，静态图像识别与人脸识别的研究暂时处于领先位置，其中既有腾讯、蚂蚁金服、百度和搜狗这样基于社交、搜索大数据整合的互联网公司，也有三星中国技术研究院、微软亚洲研究院、Intel中国研究院这类的传统硬件与技术服务商；同时，类似于 Face++ 和FaceID 这类的新兴技术公司也在各自专业技术和识别准确率上取得了不错的突破。

而在难度最大的动态视觉检测领域，格灵深瞳、东方网力和 Video++ 等企业的着力点主要在企业和家庭安防，在一些常见的应用场景也与人脸识别技术联动使用。

（2）语音/语义识别

语音识别的关键基于大量样本数据的识别处理，因此，国内大多数语音识别技术商都在平台化的方向上发力，希望通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。

在通用识别率上，各企业的成绩基本维持在 95% 左右，真正的差异化在于对垂直领域的定制化开发。类似百度、科大讯飞这样的上市公司凭借着深厚的技术、数据积累占据在市场前列的位置，并且通过软硬件服务的开发不断进化着自身的服务能力；此外，在科大讯飞之后国内第二家语音识别公有云的云知声在各项通用语音服务技术的提供上也占据着不小的市场空间。值得注意的是，不少机器人和通用硬件制造商在语音、语义的识别上也取得了不错的进展，例如智臻智能推出的小 i 机器人的语义识别、图灵机器人的个性化语音助手机器人和服务、被 Google 投资的出门问问的软硬件服务。

（3）智能机器人

由于工业发展和智能化生活的需要，目前国内智能机器人行业的研发主要集中于家庭机器人、工业企业服务和智能助手三个方面其中，工业及企业服务类的机器人研发企业依托政策背景和市场需要处于较为发达的发展阶段，代表性企业包括依托中科院沈阳自动化研究所的新松机器人、聚焦智能医疗领域的博实股份，以及大疆、优爱宝机器人、Slamtec 这类专注工业生产和企业服务的智能机器人公司。在以上三个分类中，从事家庭机器人和智能助手的企业占据着绝大多数比例，涉及到的国内企业近 300 家。

（4）智能家居

与家庭机器人不同，智能家居和物联企业的主要着力点在于智能设备和智能中控两个方面。在这其中，以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化智能家居产品生态. 而以阿里、腾讯、京东、小米和乐视等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。

值得关注的是，科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感和华为等技术解决方案商在通用硬件和技术、系统级解决方案上已成为诸多智能家居和物联企业的合作伙伴。综合来看，智能家居和物联企业由于市场分类、技术种类和数据积累的不同各自提供着差异化的解决方案。在既定市场中，没有绝对意义上的排斥竞争，各企业之间的合作融合度较强。

（5）智能医疗

目前国内智能医疗领域的研究主要集中于医疗机器人、医疗解决方案和生命科学领域。由于起步较晚和技术门槛的限制，目前国内医用机器人的研发水平和普及率相较于国际一线水平仍存在一定的差距，从事企业主要集中与手术机器人和康复机器人两大领域，以新松机器人、博实股份、妙手机器人、和技创等企业为代表。

在医疗解决方案方面，以腾讯、阿里巴巴、百度和科大讯飞为代表的公司通过和政府、医疗机构的合作，为脑科学、疾病防治与医疗信息数据等领域提供智能解决方案。而在生命科学领域，研究的着眼点在以基因和细胞检测为代表的前沿研究领域。

综合来看，国内人工智能产业链的基础技术链条已经构建成熟，人工智能技术和应用则集中在人脸和图像识别、语音助手、智能生活等专用领域的场景化解决方案上。就趋势来看，未来国内人工智能领域的差异化竞争和突破将主要集中在人工智能相关技术的突破和应用场景升级两个层面。

未来国内人工智能行业发展的五大趋势

（1）机器学习与场景应用将迎来下一轮爆发

根据 Venture Scanner 的统计，截至 2015 年 9 月，全球人工智能领域获得投资的公司中，按照平均融资额度排名的五大业务依次是：机器学习（应用类）、智能机器人、计算机视觉（研发类）、机器学习（研发类）和视频内容识别等。

自 2009 年以来，人工智能已经吸引了超过 170 亿美元的投资。过去四年间，人工智能领域的民间投资以平均每年 62% 的增长速率增加，这一速率预计还会持续下去。而在 2015 年，全球人工智能领域的投资占到了年度总投资的 5%，尽管高于 2013 年的2% ，但相比其他竞争领域仍处于落后位置。

目前中国地区人工智能领域获得投资最多的五大细分领域是计算机视觉（研发类）、自然语言处理、私人虚拟助理、智能机器人和语音识别。从投资领域和趋势来看，未来国内人工智能行业的资本将主要涌向机器学习与场景应用两大方向。

（2）专用领域的智能化仍是发展核心

基于 GPU（图形处理器）计算速度（每半年性能增加一倍）和基础技术平台的飞速发展，企业对于人工智能神经网络的构建取得了前所未有的突破。但是，由于人工智能各领域技术和算法的复杂性，未来 20 年内人工智能的应用仍将集中于人脸和图像识别、语音助手和智能家居等专用领域。

通过上述产业链环节构成和投资分类可以看出，优势企业的核心竞争力主要集中于特定领域的专用技术研发；其中，计算机视觉和语音识别领域的研发和应用已处于国际一流水平，专业应用机器人的研发也有望近 10 年内迎来突破性发展。可以预见的是，在由专业领域向通用领域过渡的过程中，自然语言处理与计算机视觉两个方向将会成为人工智能通用应用最大的两个突破口。

（3）产业分工日渐明晰，企业合作大于竞争

随着专用领域应用开发的成熟和差异化技术门槛的存在，国内人工智能产业将逐渐分化为底层基础构建、通用场景应用和专用应用研发三个方向。

在底层基础构建方面，腾讯、阿里巴巴、百度、华为等企业依托自身数据、算法、技术和服务器优势为行业链条的各公司提供基础资源支持的同时，也会将自身优势转化为通用和专业应用领域的研究，从而形成自身生态内的人工智能产业链闭环。

在通用场景应用方面，以科大讯飞、格灵深瞳和旷视科技为代表的企业将主要以计算机视觉和语音识别为方向，为安防、教育和金融等领域提供通用解决方案。而在专用应用研发方面则集中了大部分硬件和创业企业，这其中既包括以小米和 broadlink 为代表的智能家居解决方案商，也包含了出门问问、linkface 和优必选这类的差异化应用提供商。

总的来说，由通用领域向专业领域的进化离不开产业链条各核心环节企业的相互配合，专用领域的竞争尽管存在，但各分工层级间的协作互通已成为多数企业的共识。

（4）系统级开源将成为常态

任何一个人工智能研究分支都涉及到异常庞大的代码计算，加上漏洞排查与跨领域交叉，任何一家企业都无法做到在封闭环境内取得阶段性突破的可能。可以看到的趋势是，Google、微软、Facebook 和雅虎等视人工智能为未来核心竞争力的顶级企业都先后开放了自身的人工智能系统。

需要明确的一点是，开源并不代表核心技术和算法的完全出让，底层系统的开源将会让更多企业从不同维度参与到人工智能相关领域的研发，这为行业层面新产品的快速迭代和共同试错提供了一个良性且规范化的共生平台。于开放企业而言，这也确保了它们与行业最新前沿技术的同步。

（5）算法突破将拉开竞争差距

作为人工智能实现的核心，算法将成为未来国内人工智能行业最大的竞争门槛。以 Google 为例，Google 旗下的搜索算法实验室每天都要进行超过 200 次的改进，以完成由关键字匹配到知识图谱、语义搜索的算法创新。

在未来竞争的重点机器学习领域，监督学习、非监督学习和增强学习三个方面算法的竞争将进入白热化阶段。而正是算法层面的突破造就了腾讯优图、科大讯飞和格灵深瞳等企业在图像识别和计算机视觉领域取得了突破性进展和国际一线的技术水平。

但就目前国内人工智能算法的总体发展而言，工程学算法虽已取得阶段性突破，但基于认知层面的算法水平还亟待提高，这也是未来竞争的核心领域。

总的来看，虽然基础技术的成熟带来了存储容量和机器学习等人工智能技术的提升，但由于现阶段运算能力以及大规模 CPU 和GPU 并行解决方案的局限，目前国内人工智能的发展主要集中于计算机视觉、语音识别、智能生活等方向上。

虽然专用化领域的场景应用仍是目前研发和投资的核心，但随着技术、数据的积累演化以及超算平台的应用，由专用化领域的场景应用向语音、视觉等领域的通用化解决方案应该在未来 20 年内成为发展的主流。

篇4

ABC成为时代主题

百度大脑优势独显

百度总裁张亚勤在大会致辞环节分享了对于云计算、人工智能和大数据等领域未来发展的深刻思考。

张亚勤说，百度云拥有百度大脑的支持，是百度云最独特、最重要的优势。百度大脑是百度云的核心引擎，而百度云是百度大脑的云化，为前者提供了神经元和数据训练源。通过深度学习和机器学习技术，百度在语音、图像、自然语言处理等方面取得世界领先成果。

此次峰会以ABC SUMMIT为名， 即是AI，Big Data，Cloud Computing。百度通过开放共享自身领先的技术能力，让云智数成为所有企业的基础能力，推动各行各业开始进入ABC时代。

对于未来信息科技发展的趋势，张亚勤表示，由云计算和人工智能组成的ABC将成为一个时代的主题。以云计算为基础，以人工智能为中枢，以大数据为依托，ABC将深度结合并改造传统行业，真正地提升每一个企业的运营效率，释放商业潜能，创造全新机遇。

截至目前，百度云已经和超过三万家企业展开合作，也陆续渗透到物流、医疗、教育、营销、金融等关系到百姓生活的各个行业中，让服务开始真正智能化。云智数三位一体的云服务结构可以为客户提供业务可持续发展的动力引擎。

以“智”为谋天智平台

会上，百度云重磅了最新的人工智能平台――天智。天智底层为百度云计算，由感知平台、机器学习平台和深度学习平台三部分组成，为不同需求的客户提供全面的人工智能服务。这也是继“天算”、“天像”和“天工”三大平台后，百度云的第四大平台级解决方案。至此，百度云实现了人工智能、智能大数据、智能多媒体和智能物联网全方位的智能平台服务。

感知平台主要包括图像技术（文字识别和人脸识别）、语音技术（语音识别、语音合成和声纹识别）和自然语言处理（NLP Cloud），可以应用于智能客服、身份验证、内容审核等场景，应用开发者可针对特定场景的应用直接调用API。

在这些技术方面，百度均处于行业领先地位。其中百度语音识别入选2016年MIT十大突破性技术，中文识别准确率达到97%。机器学习平台是百度云端托管的机器学习服务，可以打通机器学习全流程，内置20多种高性能算法，并开放Spark MLlib；同时支持百度用户画像数据，并提供多种应用场景模版。

深度学习平台具有灵活、高效、可伸缩、开源等特点。它支持多种神经网络结构和优化算法以及自定义网络配置，对于计算、存储、架构、通信等多方面多了细致优化。它支持多核、多GPU、多机环境，其Paddle内部技术已经使用成熟，并实现对全球开发者的开放。深度学习平台适用于精通深度学习的数据科学家，针对企业或研究部门的特定项目，需要大量的客户标注数据。

交通领域变革在即

智能交通时代来临

作为一家以技术驱动为核心竞争力的公司，百度通过百度云分享自身在云计算、大数据和人工智能等领域的技术优势，通过构建可以计算、分析、处理庞大交通数据的“交通大脑”，打破海陆空以及行政区域的限制，实时抓取散落在各个路面交通、地下交通、空中航线的海量数据。

同时通过百度拥有的全球最大规模的深度神经网络、最大深度机器学习开源平台，对交通大数据的有效归类、提取、利用，实现多系统配合协调，建立起一个更安全、更高效、更准确的智能交通体系。

百度副总裁王路与太原铁路局局长赵春雷、南方航空电子商务部副总经理王景成、中国海事局曾辉共同智能交通生B联盟，这也是国内首个覆盖陆海空车的智能交通生态联盟。

借助百度云计算、人工智能和大数据技术优势，构建“交通大脑”，与合作伙伴一起促进交通运输领域的技术创新和应用，发展智能交通，推动交通运输更智能、更高效、更安全地运行和发展。目前，诸多合作已在进行中。相信随着合作的深入，必将改变交通现状，推动中国智能交通的 发展。

在与太原铁路局的合作中，双方共建国内首家集铁路、航空和公路三位一体多式联运的物流云平台。通过百度云的接入，该平台可打通货物在公路、铁路、航空的运送及仓储信息；并利用大数据进行资源调配，通过人工智能深度学习物流管理，优化调度效率可达59%。

另一方面，百度云还将与中国南方航空共同推进智能航空计划，将通过大数据实现对于航班、旅客、机票、航站楼、天气等信息的综合分析调度。同时共同推进大数据营销、新一代信息技术和百度云的推广应用、消费信贷等多方面的合作探索，为用户打造一站式的智能出行服务平台。

同样基于百度云技术，将通过与中国海事局的合作，海事港口、船舶及相关水上设施信息也将实现联通和数据的共享，加强程控，降低成本，合力提升海运管控能力。

从陆地到海洋再到空中，百度云并不满足于交通体系的立体扩张，还要创造全新的交通方式。百度目前正在推进可以感知车辆行驶、预测交通状况的智能汽车和无人汽车的发展。百度无人车已成为国内外瞩目的前沿科技代表，在去年完成了实地路测，并在今年的乌镇峰会上再次亮相。

在智能汽车的商业化方面，百度已与国内知名商用车企业福田汽车达成战略合作。未来，百度将与福田汽车在汽车大数据、智能驾驶领域深入合作，开发出更多具备智能驾驶的商用车产品。

云计算、人工智能和大数据已成为新一轮产业革命的核心驱动力，百度云将透过云生态下的“交通大脑”，依托智能交通生态联盟，加强行业合作，挖掘数据中的更多价值，推进智能交通的全面云端化，突破前所未及的高度，让智能、计算无限可能。

写在最后

2016是百度云计算的元年，基于基础云、天算、天像、天工已经有80+款产品。下一步，人工智能已经成为百度的核心战略。

百度大脑“天智”――人工智能平台也应运而生，内容包括：

首先，感知平台，包括图像技术、语音技术、自然语言处理等技术，代表着耳口心相结合的“聪”。

其次，机器学习平台，包括打通机器学习全流程、内置20多种高性能算法、支持Spark MLlib、用户画像数据、多种应用场景模板的机器学习平台。

篇5

从去年开始，阿里巴巴在全国各地频繁举办云栖大会，不断地教育用户。到近期，摩根士丹利报告称，阿里巴巴的云计算业务阿里云其单独估值已经高达390亿美元。而全球最早投身云计算的亚马逊7月12日市值再创历史新高达到3557亿美元，超过伯克希尔哈撒韦公司跻身美国前五大公司。

今年上半年以来深陷舆论漩涡的互联网巨头百度继去年推出百度开放云之后，7月13日正式了2016百度开放云战略。百度创始人、董事长兼CEO李彦宏表示，百度天生就是云计算公司。云计算已经不是简单的云存储以及计算能力的需求，大数据、云计算、人工智能三位一体才是真正的云计算。

巧合的是，在百度2016开放云战略此前不久，阿里巴巴云栖峰会（成都）、腾讯“云+未来”峰会也相继召开。昔日国内互联网领域三巨头BAT在云端的交锋已经不可避免，与阿里巴巴和腾讯相比，百度能否在云端后发先至呢？

三大智能平台

百度云计算事业部总经理刘炀正式智数大数据平台――天算，智能多媒体云平台――天像，以及智能物联网平台――天工，其中包含众多全新上线的行业解决方案和产品。三大智能平台，连同已有的云服务，共同构成了百度开放云成熟、完整的产品矩阵。

天算平台整合百度大数据服务和人工智能技术，提供从数据收集、存储、处理分析到应用场景的一站式服务，广泛适用于诸多行业场景，在生命科学、数字营销、日志分析、金融征信、智能客服等领域变现尤为突出。

随着传播媒介的演变，传播的方式也开始走向智能化，百度天像智能多媒体云平台通过人工智能、大数据的技术，增加互动时的用户体验。天像平台依托百度海量资源，提供了包括从文档到视频的多媒体处理服务；同时基于百度人工智能技术，开放百度在图像、语音处理的智能服务。

百度天工平台提供从设备端的SDK到接入、协议解析、设备管理、存储、数据等全栈产品，让企业和合作伙伴可以快速搭建一个满足行业诉求的物联网应用。万物互联的时代正在开启，然而行业之间的技术和产品天然存在着鸿沟，传统行业和互联网之间更是有着完全不同的技术栈和语言。对此百度天工智能物联网平台，深入行业，用行业的语言和行业交流，做更懂行业的物联网平台。百度天工的物接入服务是国内首个支持原生MQTT协议的公有云物联网服务，物解析服务是国内第一个支持工业Modbus协议的云服务，抹平行业技术鸿沟，降低传统企业上云门槛。

生态之争

伴随着云计算、大数据等技术愈发成熟，云计算已经跨越技术层面演变为生态之争，谁能获得更多合作伙伴的支持，已经成为最关键的竞争维度。

李彦宏表示，虽然大家一直认为是个toC的公司，但是其实百度在搜索领域有超过100万家企业，从去年开始全力发展O2O业务，又有超过200万家企业进入百度生态之中，对于企业级服务百度从来不陌生。百度开放云已经在各个领域陆续取得成效。

北京诺禾致源生物信息科技有限公司副总裁吴俊表示，诺禾致源使用百度智能大数据生命科学解决方案，有效解决了基因测序和生命科学研究海量的数据存储和分析需求。

百度智能多媒体云为业内知名的直播平台――全民TV提供了全方位的支撑，全民TV CEO李然表示通过百度开放云有效帮助平台降低延迟、过滤违法信息，提高了用户体验，大大降低了平台内容审核的成本。

太原铁路局和百度开放云合作，借助百度的云计算、大数据、人工智能和物联网技术平台打造集铁路、公路、航空为一体的智慧物流云平台。太原铁路局表示双方的合作将大大提升物流效率，助力传统物流行业的升级改造。

对于生态问题，刘炀表示希望通过技术输出，用科技的力量为更多的企业服务。百度希望通过技术、产品创新和行业形成紧密结合。同时在行业构建云计算生态，和合作伙伴共建生态，协同共赢，为面临升级转型的传统行业提供帮助支持。

殊途同归

无疑，以BAT为代表的互联网巨头都视云为未来，但是在具体策略上又略有不同。

刘炀表示，百度开放云将继续以三大智能平台为依托，不断创新，精益求精，将未来智能的触角延伸至360行。云计算是百度的战略，人工智能是云计算的未来。

百度首席科学家吴恩达表示希望通过人工智能帮助百度开放云用户。目前百度人工智能在图像识别、语音识别、机器学习平台和大数据领域拥有成熟的应用技术，吴恩达相信人工智能将像100年前的电力一样改变诸多行业。

在此前腾讯的“云+未来”峰会上，腾讯董事会主席兼首席执行官马化腾介绍了腾讯的云计算发展之路。腾讯云与业内其他云解决方案的不同是：腾讯云方案不是作为一个独立的业务来考虑的，而是作为整个平台战略去考虑。

篇6

自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。

1 人工智能定义和发展阶段

人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。

2 人工智能应用状况与反思

2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。

3 人工智能时代职业教育的发展策略

为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。

3.1 解放思想, 更新理念与制度

中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。

3.2 善用人工智能, 提升教学与管理

在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。

3.3 深化产教融合、优化实训筑牢就业

在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。

3.4 完善终身学习的职业教育体系

随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。

3.5 人文教育为道, 智能教育为用

在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。

4 结论

人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。

参考文献

[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.

[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].

[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.

[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.

[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.

篇7

2017年什么概念最火？人工智能当之无愧。作为新兴热点，人工智能领域的公司很多还处于创业阶段，在A股市场中成熟的公司虽然也有或多或少涉足，但总体还处于探索阶段。

咨询公司Venture Scanner统计，2016年全球人工智能公司已突破1000家，跨越13个子门类，融资金额高达48亿美元。

在这13个种类中，研究机器学习（应用）的人工智能公司数目最多，达260家，约占整个行业的30%。从区域分布情况来看，欧美等西方国家发展较为迅猛，其中美国以499家人工智能公司占据绝对主导地位，且初创公司数量众多;而以中国为首的发展中国家在人工智能领域显然仍处于起步阶段，真正布局该产业的公司较少，以传统互联网巨头进军人工智能领域为主。

目前较为成熟的感知智能技术（如语音、视觉识别的服务、硬件产品等）的应用开发所形成的新“人工智能+”将引领产业变革，成为推动社会飞跃发展的新动力。在传统产业，人工智能可以在制造业、农业教育、金融、交通、医疗、文体娱乐、公共管理等领域得到广泛应用，将不断引入新的业态和商业模式;在新兴产业，人工智能还可以带动工业机器人、无人驾驶汽车、VR、无人机等处于产业生命周期导入期的公司飞跃式发展。

从具体应用方向来看，如今十分火热的工业4.0、人脸识别、智能答题机器人、智能家居、智能安保、智能医疗、虚拟私人助理等人工智能概念是有望得到快速爆发的重点领域。目前人工智能在图像识别、语言识别和自然语言处理，以及人机交互、机器视觉、自动驾驶等方面都已经成功应用。

人工智能产业链中，基础层是构建生态的基础，价值最高，需要长期投入进行战略布局;通用技术层是构建技术护城河的基础，需要中长期进行布局;解决方案层直戳行业痛点，变现能力最强。

基础层公司 多为传统IT转型

人工智能基础层就是我们常说的大数据、云计算、CPU等。目前国内上市公司中在人工智能基础层方面相关的公司包括久其软件、东方国信、天玑科技、浪潮信息、恒生电子、拓尔思等。

恒生电子（600570.SH）2016年成立了恒生研究院，负责人工智能、区块链、大数据等前沿技术的研发。区块链课题，恒生电子作为发起单位加入了金融区块链合作联盟（金联盟），并加入了linux基金会hyperledGEr开源项目等。

久其软件从最初的软件提供商到移动互联和大数据运营的再次验证，未来定位基于高端客户资源大数据和移动互联网变现的不断执行公司。公司创立之初以报表管理软件切入，为政府提供结构化数据分析和整理，并进一步提供完整解决方案，现已发展成集大数据、集团管控、电子政务和移动互联领域软件于一身的大数据解决方案提供商，A股稀缺。

拓尔思（300299.SZ）大数据服务领域稀缺纯正标的。公司脱胎于北京信息科技大学中文信息处理研究中心，自1985年起便开始研究中文信息检索，目前公司已拥有大数据领域非结构化数据处理技术，在大数据分析领域具有较高的技术壁垒，从底层技术、平台产品到应用产品服务技术全产业链布局。随着非结构化数据的地位在整个大数据领域中的不断上升，拓尔思有望进入高速增长期。

科大讯飞（002230.SZ）是A股人工智能龙头，公司在以“从能听会说到能理解会思考”为目标的讯飞超脑项目上，持续加大投入，在感知智能、认知智能等领域均取得显著研究成果。

技术及应用层公司 靠智能制造落地

人工智能技术层主要涵盖了框架、算法、通用技术，目前人工智能算法大体上流行12种，这12种算法包括决策树、朴素贝叶斯分类器、最小二乘法、逻辑回归、支持向量机、集成学习、聚类算法、主成分析法、SVD矩阵分解、独立成分分析、关联规则、其他方法等。

人工智能算法通过AlphaGo与柯洁的人机大战，成为当前数据分析领域中的一个热点内容。目前通用的框架层：TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架或操作系统。作为投资者或者普通消费者更多的会关注通用技术如：语音识别、图像识别、人脸识别、NLP、SLAM、传感器融合、路径规划等技术或中间件，毕竟通用技术与我们日常生活习习相关，如你们平时所能看到的智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。

目前，A股市场有59家公司涉足机器人产业，部分公司通过收购进入这个领域。以昆仑万维为例，公司收购美国的机器人公司WooboInc.，致力于开发人工智能技术驱动的交互式机器人;在东方网力的18.30亿元增发方案中，1.57亿元拟投入智能服务机器人项目。

人工智能目前最看好生物识别，如远方光电和佳都科技。金融科技Fintech围绕IT与金融创新展开。虚拟的网络战争已经开始，IT安全有更大的弹性。无人驾驶里有四维图新和中海达。绕着人工智能产业链有很多投资机会，大数据是产业链发展起点，作为数据采集的关键通道，传感器至关重要，如汉王科技;云计算、大数据处理技术支撑上，国内FPGA（可编程性）稀缺标的紫光国芯;人工智能应用场景上防领域佳都科技、营销领域浙江富润等相关的上市公司。

我国在人工智能领域底层的计算机体系架构、智能硬件、软件应用虽有技术积累质的进步，国内人工智能的产业发展和商业化路径划，依然需要借鉴国外的产业政策引导和企业商用成功模式。

篇8

一场由阿尔法狗与棋手间展开的围棋比赛，让世界关注到人工智能（Artificial Intelligence，简称“AI”）技术的发展。百度百科对AI如此定义――它是对人的意识、思维等信息过程的模拟。AI虽不是人的智能，但却能像人那样思考、也可能通过深入的语言识别、图像识别、自然语言处理等功能，超过人的智能。

尽管阿尔法狗只会下棋，但人类已经意识到，其背后的技术力量正在带来革命。特别随着现代科学应用技术的不断发展，AI的智能程度逐渐提高，其思维的逻辑性和复杂程度已经与人类的大脑相差无几。AI技术在真实的应用场景中正在对金融、医疗、教育等各个垂直领域产生颠覆性的变革。

就在日前刚刚结束的全球移动互联网大会（GMIC）上，创新工场的创始人李开复曾着重强调了AI技术与金融行业的结合。在他看来，AI所需的数据量大、有属性标注且领域单一的特性，决定了AI技术必将在金融行业引发一次技术主导的产业革新。

《中国经济信息》记者了解到，AI技术凭借深入的机器学习等优势，正对金融行业的产品、渠道、风控、授信、决策等诸多方面产生深刻的影响，不仅推动了金融服务的个性化体验，更让用户的财富管理趋向智能化。

加速布局AI应用

“金融是一个不直接产生价值的行业。”读秒CEO周静在接受《中国经济信息》记者采访时指出，多年来，金融作为一项服务，却占用了消费者较多的时间与体验环境。

据了解，过去要是去银行取款需要排队，转账需要等待，支付更需要刷卡签字等，而一旦开展了AI在金融行业的应用，“不仅快速提高了金融效率，降低了金融边际成本。”

周静认为，在推动金融普惠的过程中，无论是传统金融机构、互联网金融企业还是金融科技公司，通过对大数据、AI等新技术的运用，能够帮助降低金融服务成本，提升服务效率。

不仅如此，当AI技术与同样飞速发展的金融科技相结合时，还会十分有效地将核心的金融风控系统进一步量化，使金融变得更加规模化，而用户享受到的金融服务也会更优化，普惠金融的步伐自然加快。

在中国，不仅有像蚂蚁金服、宜信普惠、京东金融等金融科技的巨头，更有像读秒这样“年轻化”的金融科技探索者，在积极地依托其天然的大数据等优势，将AI技术创新地嵌入到其产业链金融的各个应用场景中，不仅使风控体系优化成效显著，更让客户的体验愈发高效、智能。

在采访过程中，周静指出，AI技术对金融产业的价值点，主要在于通过一系列的自主逻辑判断和大数据运算，很可能会解决“风险控制”这个金融行业长久以来一直存在的痛点。

让金融风控再升级

首先，传统的金融风控流程冗长，包括纸质进件、录入、复核、客户预审、尽职调查、电核审批等，这导致人力成本、时间成本、运营成本的增加，也降低了运营效率。“而AI技术的手段或应用实现了流程自动化，可以予以解决这一低效问题。”

此外，传统金融风控往往只考虑强金融属性的征信与风控，鉴于央行征信覆盖率不足，一定程度上造成了信息不全，客户画像不够立体。“目前以大数据和AI技术为基础的智能信贷技术，可以全方位捕捉到网购信息、运营商数据、社交信息等弱金融数据，通过大数据交叉验证，让用户画像更精准、丰富。”

其次，在反欺诈的运用中，传统风控往往依赖工作人员的经验，存在人为操作失误和经验不足。“AI技术使金融风控具备了智能的人脸识别、设备指纹，可以更智能地进行鉴别欺诈。”

周静认为正是以往金融风控存在的痛点，才让不少金融巨头主动拥抱AI技术，或与具有智能技术优势的企业开展联合风控。像读秒就作为智能信贷技术提供商，与华瑞银行、新网银行、中信证券、诺亚财富等展开联合风控。

“在合作期间，读秒提供的智能信贷技术，可以很好地辅助金融机构，完成更加精准的获客，更立体的用户画像，更智能地反欺诈以及更高效的风控。”在周静看来，像读秒这样具备大数据优势及AI技术创新开发的金融科技公司，在精准的获客、互联网化的运营等方面，可以为金融机构补足短板。

回顾中国信用借贷的历史可知，“风控”一直都是金融行业的命脉。谁提高了风控的准确率和风险评估的速度，谁就能够引入更大的流量、涉足更大的市场。但值得注意的是，“在整个贷前、中、后过程当中，AI技术只是提高金融的一种手段，整体的金融逻辑与核心是不变的。”周静强调，像各金融机构以大数据的形式采集数据，以AI技术创新开发应用场景，目的是评价用户的欺诈风险、还款意愿、还款能力等，“本质上是传统金融考虑的核心因素。”而像一些金融机构举着“AI+金融”的大旗，宣称可以用星座、血型等指标来智能风控，却是噱头大于实际功效，与传统金融的本质并不相符。

迈向金融3.0时代

“银行3.0时代已经来临。”中国银监会主席郭树清曾表示，银行业要利用金融科技，依托大数据、云计算、区块链、人工智能等新技术，创新服务方式和流程，整合传统服务资源，联动线上线下优势，提升整个银行业资源配置效率，以更先进、更灵活、更高效地响应客户需求和社会需求。

实际上，这个“银行3.0时代”仅仅是金融科技的一个缩影。从当前金融行业的发展现状可见，以大数据、人工智能等技术服务为核心的金融科技已经从概念阶段，逐步迈入了实践落地的层面，不仅真正体现在金融机构或者各互金平台的日常运营层面，更让金融与AI技术实现了场景间的融合创新。

如上文所言，融合发展的背后，就意味着颠覆和改变。如今由于AI技术的助力，不仅让传统金融的信息采集来源扩容，风险定价模型智能化，投资决策过程规范化、信用中介角色正规化等，还大幅提升了传统金融的效率，解决传统金融的痛点。

需要明确的是，“AI+金融”的结合效应还远不止于此。通过洞悉用户的需求，以及和AI技术的结合，金融机构或金融科技公司可以根据用户的行为轨迹洞察到他的需求和风险偏好，自动为其进行资产配置，并帮助用户追踪、监控风险，使得有理财需求的用户享受到“智能”级别的资产配置服务。

篇9

“我去问问我师父”――与网上蹿红的呆萌机器僧“贤二”比起来，人智科技公司的“巨灵”要低调很多。

机器人的世界也是丰富多彩的：现在的“贤二”主要是跟人语音对话，说佛经佛法，网友戏称未来还可能“超度阿尔法狗”；而“巨灵”今后要从事的工作则是自动避开障碍物行动，在无人操控的情况下自动完成指令任务，比如清扫保洁等等。

这样的机器人，除了会“动嘴”，更需要会“动手”、“动脚”，解决好安全问题则显得尤为关键。就像人智科技创始人、CEO夏志敏所介绍的那样，待到“巨灵”规模化量产时，一定要做好――在有人的环境里安全地与人共事。

儿童娱乐教育的“坑”

机器人的应用场景很丰富，服务机器人企业上海人智信息科技有限公司（简称“人智科技”）在成立之初，将包括儿童娱乐教育在内的消费者市场作为主攻方向之一。

自2015年5月产品在京东众筹平台上首发至今快一年时间，人智科技团队在市场实操的摸爬滚打里，悟得一个规律：儿童娱乐教育，是机器人产品市场化时常常遇到的“坑”。

“在儿童市场里，机器人有个常规的同伴竞争者――玩具，很多机器人产品做到最后很难界定是机器人还是玩具。”夏志敏开诚布公地说，如果是玩具定位，就要面对价格竞争，另外的一个竞争要点是内容。现实的市场情况是，机器人在儿童娱乐教育市场里，能解决友好度的问题――人机交互体验不错，但是不能解决用户的痛点需求。

正是基于这样的市场反馈，人智科技调整了产品市场化的重心，专攻B2B市场。当市面上涌现出许多同类型的陪伴机器人，甚至连宣传的功能都很类似时，人智科技的Roby-Mini专攻智能医疗服务机器人市场。

不仅如此，Roby-Mini希望能通过医疗机器人撬动和整合智能医疗服务产业链。夏志敏介绍，人智推出的医疗机器人解决方案是站在市场需求和用户体验的角度，来架构医养平台的相关资源。

一方面，人智与和润集团签署千万级股权投资协议，把人智机器人技术同和润集团长期积累的医疗资源相结合，未来在产品研发、在线医院及智能医疗市场上双方都将进一步紧密合作，近期阶段性的成果将是医疗服务机器人解决方案的落地及建立第一个以机器人为核心的智慧医疗社区。

另一方面，人智与斗斗星科技合作，并战略性地将其旗下的医朵云医养平台嵌入Mini+平台，这可以为人智提供线上远程医疗的云技术平台，实现智能硬件与软件的结合。值得注意的是，人智的合作方斗斗星科技是一家以互联网医疗及云计算为主要业务的新型科技公司，也是一家具有处方资质的互联网医疗平台，这一合作可以解读为双方在“家庭智慧医疗”这一板块上埋下的伏笔。

在人智牵头的这个“人工智能医养产业联盟”的合作伙伴名单上，还有诸如武汉金豆公司（医疗大数据系统服务供应商）、上海奥普生物医药公司（即时检测试剂与仪器等“自动化、智能化、信息化”POCT解决方案提供商）等，而且名单会越来越长，当然这种产业链垂直整合的业务模式和商业模式，也还在摸索之中。

B2B市场的热情

从机器人产品及解决方案的应用场景看，人智科技的产品可以分为三类：Roby-Mini突出家用式B2B服务；Roby-Eva商用型机器人，应用于餐饮、银行等各行业的迎宾，机器人除了交互，还有运动底盘、室内导航等功能；Roby-Eva更大的升级版Roby-Genius“巨灵”是无人式的专业大型自动设备，比如扫地车、无人班车、喷雾车等（售价50万元以上）。

人智科技在机器人产品的内部系统上，也进行架构升级，把原先的三大系统的底层设计打通，提出RobyOS的概念。夏志敏介绍，RobyOS可以固化到定制的芯片盒里，人智科技与芯片厂商马威尔（Ma rvell）、英特尔等都有合作。人智科技公司在机器人产品架构上的这一变化，使得机器人业务“向上发展有盈利空间，向下发展有无限可能”。

夏志敏介绍，Mini、Eva、Genius都是RobyOS上的基础应用模块，每个应用是个人，更丰富的应用场景就仿佛是机器人星球上不同的机器人种，机器人“星球”也是人智科技公司投资人乐博资本杨宁提出的概念。

自华中科技大学博士毕业后，夏志敏连续创业，在军工行业打拼过，也在灵猫网摸爬滚打好几年，主攻机器人控制部件业务，这一站创业人智科技，夏志敏选择了人工智能。创办灵猫网（工业总线的一级商）使得人智科技在工业系统的集成和开发上具有产业和资源优势。

与去年希望先在B2C市场发力、获得规模用户的思路不同，今年人智科技调高了对B2B市场的预期，夏志敏透露希望今年B2B做到一万台左右的销量。团队尤其对“巨灵”这个内测中的产品线热情顿高。

夏志敏介绍，“巨灵”已经完成了产品原型，在邀请种子客户做产品的宣传推广和测试使用。“巨灵”的应用场景之一，在有人的环境下，自动进行场地的清洁，比如一个1000平方米的场地，一周清扫三次，期间设备自行充电。

市面上也有类似“巨灵”的无人式专业大型设备，有激光传感器、移动式、动态建立地图做行走地道等功能，据夏志敏介绍，这样的机器人价格是30万元，加上一条手臂大概增加10到20万元，整体价格在60万元上下，这种“高大上”的定位极大程度上影响到这类机器人的普及化。人智科技的“巨灵”希望能解决的一个主要问题，包括多路传感器如何更高效安全的集成、如何在系统中实现集成成本更低。

他介绍，在机器人产品的研发投入上，到目前为止，这几款机器人的研发和试产投入已经超过几千万元，距离产品化还需要继续投入。

篇10

 

政策催化进一步加强

 

国内AI有望“弯道超车”

 

目前，各国政府都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。美国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。可以说，人工智能成为各国“大脑”计划的重要内容。

 

当下我国社会面临老龄化压力、经济转型和制造业升级，对此，国务院在印发的《中国制造2025》中明确指示，要把智能制造和高端技术创新作为重点建设工程，特别提出要发展和培育一批产值超过100亿元的人工智能核心企业。

 

国内市场的扶持政策频出。2015年7月，国务院印发《“互联网+”行动指导意见》，将发展人工智能提升到国家战略层面;2016年1月，科技部部长万钢提出“科技创新-2030项目”，智能制造和机器人成为重大工程之一。

 

在2016年3月两会召开期间，《国民经济和社会发展第十三个五年规划纲要(草案)》正式出炉，其中提到，要大力推进先进半导体、机器人、智能系统、智能交通、精准医疗、智能材料等新兴前沿领域的创新和产业化，形成一批新增长点。

 

政策和资金的支持、人才储备、技术的积累和突破等都为人工智能的发展提供了基础条件。科技部高技术研究发展中心研究员刘进长认为，我国人工智能与机器人技术的快速发展，一是因为国家的高度关注与政策支持，二是得益于金融界的重视与大企业的不断进入。

 

“2014年，中国市场的工业机器人销量猛增54%，我国智能语音交互产业规模达到100亿元，指纹、人脸、虹膜识别等产业规模达100亿元。”广证恒生副首席分析师赵巧敏向《经济》记者分析称，在利好因素的促进下，我国人工智能技术攻关和产业应用发展势头良好。

 

在她看来，目前国际巨头在人工智能技术上还没有完全形成垄断。我国在人工智能的研究上与发达国家相比，甚至与美国相比都不算落后，这是难得的历史机遇，是提升综合国力和影响力的绝佳机会。

 

“我国完全有可能利用市场需求优势、用户数据优势等，抢占人工智能技术和产业的制高点，实现人工智能技术‘弯道超车’。”赵巧敏称。

 

人工智能大潮来袭

 

千亿市场规模可期

 

人工智能已经开始进入一个新的阶段。从Siri识别到无人驾驶，都是人工智能的实现载体，涉及到的技术和领域跨越多学科，包括深度学习、智能识别、专家系统、神经网络、智能机器人等。

 

未来，人工智能需求将会激增。据BBC预计，到2020年，全球人工智能市场规模将达到183亿美元，约合人民币1190亿元。

 

“目前人工智能的应用领域主要还是以工业制造为主，但是随着经济结构的转型，以及不断攀升的劳动力成本，未来包括机器人在内的人工智能产品的市场需求将会不断扩大。”爱建证券研究所研究员刘孙亮向《经济》记者表示，随着人均可支配收入的增加，以及人口老龄化时代的来临，人工智能家庭化的现象将会普及，届时家用助老服务机器人、医疗机器人以及家用清洁机器人的市场需求将会激增。

 

国内著名的咨询机构艾瑞咨询在参考人工智能行业全球市场规模后预计称：在不包括硬件产品销售收入、信息搜索、资讯分发、精准广告推送等的情况下，预计2020年中国人工智能市场规模将达到91亿元人民币。

 

而目前市场的关注点还只是在智慧金融、智能家居等应用领域，对于人工智能的发展空间来说，这只是冰山一角。

 

赵巧敏表示，由于人工智能属于基础型技术，与机器人和大数据联系紧密，其水平的提升将带来多领域的应用扩展，大幅拓宽传统产业的发展之路，造成未来5-10年的巨大颠覆性影响，产生10-100倍的溢出效应，由此将打开万亿规模的市场空间。

 

“仅仅以工业机器人领域为例，在智能化水平提高后，将降低固定资产投资成本近30%，降低人工成本近60%-70%，在汽车整车、零部件制造、食品工业及物流等行业产生8-10倍的产业集群带动作用，对应着800亿-1000亿元的市场规模。”赵巧敏说。

 

实际上，中国人工智能的商业化应用环境甚至能创造更大的市场空间。我国人工智能的商业应用水平已经十分繁荣，这一概念已经渗透了教育、金融、医疗、文体娱乐等领域，且获得了很好的市场反响。

 

“市场关心的IT和互联网领域几乎所有的主题和热点，例如智能硬件、O2O、机器人、无人机和工业4.0，发展突破的关键环节都是人工智能。”赵巧敏表示，人工智能的发展是必然趋势，它将成为未来30年内我国技术发展的重心，也会给互联网领域带来新的突破，给人们的生活带来翻天覆地的变化。

 

在人工智能应用领域，我国已经发展得较为全面，包括家居领域、安防领域、医疗领域、企业领域、金融领域和教育领域。

 

然而尽管目前我国自主知识产权的文字识别、工业机器人、娱乐机器人等智能科技成果已经进入大规模实际应用，但市场空间仍然很大。中泰证券首席宏观策略师罗文波向《经济》记者表示，我国机器人的“密度”只有德国、日本的1/10，行业发展空间巨大。

 

VC青睐人工智能

 

巨头加速并购

 

人工智能一直是硅谷大佬们疯狂追求的领域，谷歌、Facebook、IBM均重金投资人工智能，是目前AI领域的领导者。微软、谷歌和Facebook等全球科技巨头都认为2016年是AI迅速进化的关键节点。

 

Google希望在人工智能领域复制Android的成功，并力图打造一个机器人帝国;Facebook计划在2016年制造出能够在家务和工作上帮助自己的人工智能;苹果4天内接连收购两家人工智能初创公司……

 

据罗文波统计，目前全球人工智能企业已经超过了900家，大多集中在北美和西欧。这些人工智能初创企业总估值超过87亿美元。“随着日本、北美、欧洲的‘大脑’计划大规模布局人工智能，2040年全球很有可能实现广义的人工智能。”

 

除互联网巨头外，敏锐的资本方也在积极布局人工智能领域，近年来风投不断加大对人工智能初创企业的投资，持续布局人工智能这个重要风口。

 

“2014年人工智能企业融资总量首次超过10亿美元，2015年融资总量更是超过12亿美元。2016年到现在，全球在人工智能领域的投资已经超过4亿美元。”渤海证券研究所证券分析师齐艳丽向《经济》记者表示，随着科技巨头在人工智能领域的布局将提速，VC/PE在人工智能领域的投资也将随之爆发。

 

“反过来，资本层面的爆发也将持续带动人工智能行业加速爆发。”齐艳丽认为，虽短期看人工智能仍处于大规模投入期，较难变现，但未来人工智能应用于无人驾驶汽车、辅助诊断、刑侦监测等领域将会产生巨大的商业价值和社会价值。

 

在全球市场火爆的背景下，国内市场也充满了巨头和风投的博弈与布局。

 

出于对人工智能行业商业前景的看好，国内巨头纷纷进军人工智能领域，百度、阿里、腾讯均在人工智能领域发力。

 

其中，百度2014年研发投入接近70亿，同时涉足了深度学习与自动驾驶领域，并推出了“百度大脑”计划;阿里巴巴推出了国内首个人工智能平台DTPAI;腾讯推出了撰稿机器人Dream writer，开放了视觉识别平台腾讯优图，同时成立了腾讯智能计算与搜索实验室。一些具有创新性眼光的巨头公司也相应进入，让整个行业迎来了爆发的机会。

 

“互联网巨头公司和创业公司是我国AI技术基础研究主力军。在国家政策大力支持下，无论是科研机构还是企业都在加大人工智能研究的力度，由此也取得了较为不错的成绩。”据罗文波介绍，截至2015年底，我国人工智能领域已有近百家创业公司，约65家获得投资，共计29.1亿元。人工智能领域布局如火如荼。

 

巨头的基础层切入为人工智能基础领域的研究带来了巨大的资金优势和人才支持，使得部分技术达到世界一流水平。例如，我国的视觉、语音识别的技术已经处于国际领先水平。

 

而近两三年，风投也开始加速了在这一领域的投资步伐。2014年开始，我国人工智能领域投资金额、数量、参与投资机构数量均大幅增加，2015年更是实现了跨越式的增长。“2015年我国投资人工智能的机构数量已经高达48家，是2012年投资机构数量的6倍;投资额为14.23亿元，是2012年投资额的23倍。”赵巧敏表示。

 

短期看好应用开发

 

长期关注技术研究

 

二级市场一向是搜寻热点的风向标。人工智能市场的火爆也催热了资本市场的相关行业。在市场空间巨大、产业前景明朗的背景下，占据资金优势的上市公司纷纷瞄准人工智能领域，分享广阔蓝海。

 

随着人工智能的不断进步和发展，最先实现产业化的AI应用层将最早迎来投资机会。银河证券分析师杨华超向《经济》记者分析称，无人驾驶、工业4.0、智慧医疗等主题将成为未来中长期的热点，建议关注相关主题的优质标的。“同时，AI数据层和应用层作为准入门槛较高的环节，之前具有技术积累和数据资源的公司将优先受益，可以关注目前已经在人工智能领域已经有技术和规模优势的公司。”

 

对此，罗文波则建议投资者，选择人工智能领域的标的，要分长短期来考量。“短期可关注在人工智能商业化应用有所突破的企业，长期可关注具备技术研究实力的公司。”

 

在他看来，具备竞争力的上市公司主要有两类，一是与机器人硬件制造相关的公司，它们一般拥有较好的智能制造业基础，在未来产业升级过程中，拥有强大的竞争优势;二是在人工智能商业化应用有所突破的公司。

 

对此投资逻辑，赵巧敏也表示认同，“短期看好应用开发领域，特别是基于当下较为成熟的感知智能技术如语音、视觉识别的服务、硬件产品等的应用开发将是短期的投资亮点”。

 

“目前下游应用领域也面临着大量需求，如人口老龄化对服务机器人的需求、定制化生产对3D打印的需求、物流配速对无人机的需求等。”赵巧敏分析称，穿戴设备、3D打印、无人驾驶、服务机器是最值得看好的应用场景。

 

而从长期来看，在以现有技术为基础的应用领域基本饱和之后，只有技术研究才能推动新一轮的应用创新，赵巧敏称。技术研究是长期的投资关注点，“应该关注核心技术模块提供商和数据传输、运算、存储过程所涉及的基础设施运营商”。

 

与此同时，在主板之外，一些新三板标的同样值得关注。从2015年起，挂牌新三板的人工智能企业数量明显增加。以机器人子行业为例，仅2015年一年就有35家机器人企业在新三板挂牌，还有10家机器人企业在待挂牌状态，20多家公司在审查待挂的状态。投资者可以有选择地关注其中较好的标的。

篇11

贴心的无形助手

“贾维斯，帮我把那个钳子拿一下”

“贾维斯，房间卫生如何？”

“贾维斯，帮下分析一下这个物质”

……

以上口令就是Facebook总裁扎克伯格仿照电影《钢铁侠》里的智能管家贾维斯向自己家中的语音助手“贾维斯”管家发出的口令，而且这个管家从叫醒主人到调节室温，从识别来客到参与家庭娱乐，但凡能想到的场景，几乎无所不能。语音助手正在慢慢地走进我们的生活。

作为一场新技术革命的成果，互联网最大的普世价值就是实现了人机交互，然而，依赖于手指与屏幕的传统交互方式不仅因动作迟缓而带来效率低下，并且也缺乏来自机方的主动反应与交流，同时更将盲人等群体以及反映迟钝的老年人群和文盲人群排斥在外；另外，虽然尚未成熟的图像识别交互方式让交互的界面变得生动起来，可冷冰冰的画面仍然未能释放出可以满足人类情感诉求的元素。但是，建立在人工智能（AI）基础之上的语音交互在实现“去手指”与“去屏幕”并大大提高人机交互效率的同时，更能让机器主动地读懂人类以及人类的世界，从而让人类获得前所未有的极致体验。借助于语音交互的场景，人类只要发出简单的口令，语音助手就能快捷地适配出主人所需要的服务，甚至还可以与人类进行着轻松聊天与情感交流，这种自然度、方便性的交互方式所惠及的人群显然要比指屏互动方式广泛得多。据GartnerA测，到2018年，30%的人机交互将通过自然语言完成。

互联网女皇玛丽・米克尔曾在《互联网趋势》报告中指出，人机语音交互的核心在于自然语言识别及处理技术，如果语音识别准确率从95%上升到99%后，语音交互将迅速普及，甚至将改变现有的游戏规则。现在看来，这种技术正在走向成熟，其中最重要的支撑力量就是人工智能。可以说语音助手被唤醒、听明白、会说话的过程实对应着的就是是机器学习（深度神经网络）过程，借助于AI，语音助手不仅能够听懂与理解人类发出的口令，而且可以进行深度学习与进步，拓展出主题口令之外更多的东西，因此，语音交互的背后体现的就是人工智能对于用户体验上的识别与满足能力。

除了AI这一核心技术支撑外，大数据技术之下的信息集纳与汇总能力、云计算技术之下的精算能力，物联网技术之下的择配能力等都从不同角度对对语音交互形成了重要的撑托；而据麻省理工学院（MIT）的最新研究报告，基于现有手机分给语音识别的电量高达1瓦特的压力，MIT已开发出语音识别电耗仅为0.2-10毫瓦的芯片，语音交互的终端续航能力由此大大提高。另外，伴随着智能手机、穿戴工具等硬件设备的普及，加之微信等各种社交工具对消费者习惯的培养与引导，语音助手由此赢得了十分广阔的落地空间。一个属于智能语音交互的时代也正在迅速开启。

“四大天王”的天下

提及语音助手，很多人便会想起6年前苹果基于 Nuance 的技术推出的Siri，而且Siri已经内置在了iphone手机以及奥迪等多款中高档车的车载系统中，但是，那时的Siri还只是一个小学生，不仅反应慢，而且差错率高，更谈不上交互过程中的服务延展，因此，包括无数“果粉”在内，使用Siri进行交互的屈指可数。但是，从三年前开始，苹果便为Siri 置换了“大脑”，也就是说将原本比较粗糙的技术换成了机器学习机制，让它具备了人工智能特性，这也可以看做是苹果在部署人工智能领域的一步最重要的棋子。也正是凭借着先发优势与升级导航，Siri作为语音交互的元老至今还保存着青春般的本色。

不过，现在的语音交互市场已经不是Siri的独步天下，与其并列甚至大有后来居上气势的还有谷歌的Assistant、亚马逊的Alexa与微软的Cortana，以此为基础，“四大天王”也在各自门下开发与设置出了场景丰富的智能生态系统。不过，姜还是老的辣。目前Siri会说36个国家的21种语言，甚至在苹果即将推出的 iOS 10.3 版本中， Siri 还会说上海话；略逊一筹，Cortana会说13个国家的8种语言，但Assistant仅会说4种语言，而Alexa只能说英语和德语。

当然，掌握与运用交互语言的种类也只是衡量一个语音助手竞争优劣的一个方面，除此之外应当还有更多的维度：一是应用场景的功能，保罗功能的数量、功能的适配性与精确性；二是语义的识别能力，包括识别度的高低与错误率的高低；三是交互界面的丰富度，包括界面的动感性、色彩搭配度以及主题音乐的撑托度；四是语音交互与体验深度，包括语音的全程流畅度、上下问题的延伸能力；五是知识库的构建，包括知识库的规模、响应的颗粒度；六是应用能力的整合，包括第三方的应用者的数量、功能衍生数量以及参与者的变现程等。

按照以上综合标准，著名的语音分析创业公司VoiceLabs对“四大天王”进行了系统性的比较检测，并在《2017语音报告》中了如下结果：在信息功能方面，Siri的表现最为优秀，包括功能覆盖广度以及语音全流程交互深度都要强于对手，这得益于iphone手机内置的短息功能的整合与打通；在新闻话题方面，Assistant不仅能保持其精品化的特征，还整合了大量的第三方新闻媒体作为信息源，很好的提升了用户体验；在基础知识问题的解决方面，Alexa对应的知识库最为广泛，能够识别不同领域的基础知识问题，并精准搜索给出答案，这与亚马逊在基础知识库搭建上下了较重的功夫直接有关；在非指向性的生活服务方面，Cortana的表现较为突出，这应当得益于Bing搜索的功能。看得出，“四大天王”门下的语音助手各自的独门绝技，深厚的底蕴还是来源于它们的传统看家本领。

基于软硬结合的人工智能产品这一全新的战略方向，百度请到了全球科技界享有盛誉的杰出管理人才陆奇出任担任集团总裁兼首席运营官，而在上任不久，陆奇并亲自操盘完成了对渡鸦科技的全资收购，标的公司创始人吕骋携团队加盟百度，并出任百度智能家居硬件总经理。下一步，吕骋团队的主要任务是推进百度智能硬件业务，尤其是重点保证语音交互在智能家居领域的落地与拓展，其首先推送的将是智能音箱，并围绕智能音箱打造智能家庭，同时与第三方厂商合作，实现安防、灯光和窗帘等方面的智能化。另一方面，百度的度秘团队已升级为度秘事业部，该事业部的最重要职能就是推进智能软件的研发与升级，与吕骋团队协同打造极致创新体验的语音交互产品。

与百度在智能语音交互领域快行的脚步几乎同速，国内出现了不少聚力赶超的语音交互专业翘楚。资料显示，作为中国智能语音和人工智能领军企业，科大讯飞旗下的讯飞开放平台已成长为全球最具规模的智能交互技术服务平台，该平台以“云+端”的语音识别和语音合成服务只需简单几行代码集成SDK（软件开发工具包）便可让应用具备智能交互能力，释放双手，开启智能交互，且目前应用辐射到智能电视、可穿戴设备、智能车载以及机器人领域，同时为超过6万个App提供智能语音交互服务，并吸引了20多万开发者的入驻。相关数据显示，科大讯飞已占有中文语音技术70%以上的市场份额，为8.9亿终端用户提供语音及人工智能交互服务。

有着如科大讯飞同样丰富语音交互基因的思必驰虽然成立不到10年，但已经成长为国内唯一拥有人机对话技术、国际上极少数拥有自主产权的中英文综合语音技术的公司之一。作为目前国内唯一专注于智能硬件领域的语音公司，思必驰主要面向智能车载、智能家居和智能机器人三个垂直领域提供自然语言交互解决方案，其中思必驰语音在智能车载后装市场占据了60%份额，智能后视镜领域的市场占比达70%，而在智能HUD（平视显示器）领域更是高达80%，除此之外，像小米的互联网音箱等也采用了思必驰语音技术。

除了科大讯飞与思必驰之外，搜狗在语音交互领域也建树不凡。据悉，凭借搜索引擎的优势，搜狗不断在语音交互领域进行拓展，旗下的语音交互引擎“知音”已经应用到了全线产品中，不仅在语音输入上的准确性上可与科大讯飞相比肩，而且还凸显出非常明显的快速识别和纠错功能，未来“知音”将向着物联网、车联网和人工智能等方面延伸。

打通最后几公里

总体上而言，人工智能还只是人类触碰不久的新领域，继续的深耕无疑面临着更多的技术约束，产品的逐级落地自然就有一个不断完善的过程。从目前来看，智能语音交互的商用前景值得期待，但要真正激活未硎谐〔⑹剐枨蟊3痔嵘，仍然需要在门槛高度、服务功能以及亲情程度等方面进行深度地结构性优化。

首先是用户的黏性问题。就像对待任何新生事物那样，智能语音助手出现后，很多用户可能会出于好奇心会去体验一下，但据VoiceLabs的报告，平均而言，一个语音技能在启用一周后仍然会被使用的概率只有3%，主要原因是技能启动的失败率较高。想要启用一个技能，首先必须记住它的名字，其次还得准确地说出特定的命令语句，这大大提高了用户的使用门槛。另外，VoiceLab的报告还显示，目前最受欢迎的技能种类主要是新闻、游戏、教育、生活方式等几大类别，而其它数不清的技能都偏离了用户的实际需求，大多数人很可能都没听说过，更不要说使用了。以Alexa为例，平台上虽然拥有超过10000项技能，但只有 31%的应用有超过一条评论，其它基本处于“僵尸状态”。

针对以上短板，亚马逊或谷歌今年将通过类似手机上的推送通知来加强新应用的分发，并试图解决用户留存率低的问题，其中亚马逊已经设立了 250 万美元的 Alexa Prize 奖金，资助 12 支大学团队，开发更能读懂“主人”的智能语音，到时智能助手充分了解“主人”需求后，会主动在合适的时间主动提示合适的应用，由此既可提高用户的使用价值，还能解决语音应用的分发留存难题。

篇12

准确度超过肉眼

人脸识别技术兴起于上世纪60年代，是基于人的脸部特征信息进行身份识别的一种生物识别技术，包括人脸图像采集及人脸检测、人脸特征提取，以及特征相似度匹配与识别等过程。由于技术门槛高、使用成本高昂，早期该技术仅应用于军事和安防等少数领域。

2014年6月，香港中文大学教授汤晓鸥带领的研究团队在LFW（全球最权威的人脸识别评测）中获得99.15%的识别率，超过肉眼在LFW上97.52%的识别率。技术上的突破，使得人脸识别具备大规模推广的基础，互联网+时代，远程在线开户、移动在线支付、ATM报警、线下身份验证等大量场景将有可能嫁接人脸识别技术。在需要验证用户的互联网金融业务，使用人脸识别技术不仅能省去人工核对的成本，更重要的是具有比人工更高的精准度。

春运+人脸识别

每个身处异地的中国人的心里都有春节情节，传统佳节、亲人团聚，成为由传统沿袭下来约定俗成的习惯。无人不成春运，无挤不成春运，无堵不成春运，尽管穿越大半个中国，人们还是会背上行囊，义无反顾地踏向这场世界最大的迁徙旅程。

今年长达40天的春运从1月24至3月3日，网上流传着各种抢票攻略、抢票神器，已经开售的车票早已即开售罄，漫长的售票期也即将尘埃落定，小编们也在抢票的日子里体验了一番希望与失望、惊喜与失意并存的生活，皆表示心神俱疲。抢完票，放了假，上了车，除了安防监控系统的全线支持，人脸识别也被用于春运中来。

近期，中科院重庆分院人脸识别团队近日与呼和浩特铁路局合作，试点将人脸识别技术运用于铁路安防系统。通过引入人脸识别技术，能够极大地提高安防系统的效率和准确性。强化通关，用人工智能帮助进行身份核验，做到人证合一；强化追溯，支持在超大的人像库中定位查找对象。

无人机+机器人+人脸识别

第二届世界互联网大会上，大华股份乐橙推出的儿童陪伴机器人“乐乐”，除了支持语音交流外，他还可以对孩子进行人脸、情绪以及行为的识别，以达到与孩子正常的语音沟通与身体互动。不久前，Kickstarter.上就出现了一款很可爱的可编程机器人Fleye，即是无人机，又是机器人，且随身携带可对环境和人脸作出识别的摄像头，不仅能实现航拍、全景拍摄，还能根据你设定数据库中的人物进行人物跟拍，在技术上更智能先进。随着CES.2016的临近，网上曝光了腾讯与零度智控共同打造的无人机谍照，该款无人机不仅有超声波和视觉定位系统，在室内无GPS环境下也能飞行，还支持光学数码增稳、人脸识别系统以及智能飞行系统。

机器人实现各行业的自动化、智能化，无人机在空间上扩大了视频监控的传统范围，实现全方位、立体化、无死角监控，并且可以与各行业平台无缝对接，促进业务的可视化管理。配合人脸分析功能，无论是对于安防、反恐、消防救援等公共安全的应用，还是家用、商用的扩展，都是前景无限。

互联网金融+人脸识别

2015年3月德国汉诺威的一个博览会上，马云演示了Smile to Pay刷脸支付技术，在购买商品进入支付环节后，“刷脸”页面出现，马云把摄像头对准自己，随后不久屏幕显示“支付成功”。马云表示，随着技术的成熟，未来将把人脸识别技术全面对接支付。

在中国，搏杀在互联网金融领域里的众多企业也已经开始尝试将人脸识别技术引入到各种应用场景。2015年中登公司放开A股市场“一人一户”限制后，为了更便捷地吸引用户，一些券商利用人脸识别开通网络开户，包括长城证券在内的几家券商已获得人脸识别应用试点批文。

于2015年1月开始试运营的中国首个民营银行深圳前海微众银行，将人脸识别技术应用于在线验证用户身份。而光大银行也在客户申请办理信用卡时，在现有识别手段的基础上增加人像照片自动比对功能，直接与公安局联网进行技术分析和比对，从而减少冒用风险。

2015年4月，腾讯旗下财付通宣布与公安部所属的全国公民身份证号码查询服务中心达成战略合作，大力提升人脸识别的准确率及商业应用可用性，联手传统金融行业解决用户身份核实、反欺诈、远程开户等难题。随着网上银行和网上券商业务的快速发展，人脸识别或将取代传统的营业网点人工识别，成为金融行业发展的基础设施。

银行+人脸识别

早在2015年5月，《关于银行业金融机构远程开立人民币银行账户的指导意见（征求意见稿）》以及互联网金融新贵微众银行、浙江网商银行均透露出将用人脸识别融入远程开户，作为技术依据，利用“远程人脸识别+身份证件核实”的模式为金融客户开立账户。这意味以人脸识别为代表的生物识别技术在银行业即将进入正式商用阶段，瞬时，这种高大上的开户方式成了“香饽饽”，“靠脸吃饭”一夜爆红。

然而，该项意见却一波三折才得以成型，早在2015月8月，央行最新的征求意见稿，核心内容主要包括交叉验证和“柜面开户为主，远程开户为辅”，再次发声“为确保实名开户，央行要求远程开户必须与现有银行账户交叉验证”。

而在2015年12月25日，却来了一个大转折，央行《关于改进个人银行账户服务加强账户管理的通知》，个人银行账户实现分类管理机制，开户申请人可通过柜面、远程视频柜员机和智能柜员机等自助机具、网上银行和手机银行等电子渠道开立Ⅰ类银行账户、Ⅱ类银行账户或Ⅲ类银行账户。将生物特征识别技术作为核验身份的辅助手段，人脸识别应用再提速。.

医疗、教育+人脸识别

在医疗领域，中科院重庆分院人脸识别团队携手中国银行辽宁分行上线全国首个人脸识别自助发卡机系统，目前已设置自助发卡机279台，累计发卡325833张。辽宁患者姚春艳就是其中之一，她通过人脸识别技术验证本人身份后，在医院自助领取了居民健康卡，并预约到专家号，既方便又省时。

在教育领域，该团队与重庆大学合作推出人脸识别监考系统，通过小云手持式身份核验机与小云立式通关机，分别在考场、阅卷办公室实现人员真实人脸信息与身份证照精确比对，严防伪造证件、替考、代考。

篇13

关键词：STEM；智能财务；人才能力框架

2017年国务院的《新一代人工智能发展规划》，将人工智能产业提到重要的战略地位。2018年教育部出台《高等学校人工智能创新行动计划》，进一步明确“人工智能+X”复合专业培养新模式。2021年财政部《会计改革与发展“十四五”规划纲要（征求意见稿）》，要求切实加快会计审计数字化转型步伐，为会计事业发展提供新引擎、构筑新优势。在国家政策及发展规划指引下，高校陆续开始智能财会本科教育改革探索。本文试图以STEM为视角，探讨智能财务专业人才能力框架及实现路径。

一、数智时代对财会人才的冲击与影响

（一）财会人才的工作环境发生深刻变化。数智时代是指在信息技术普遍应用背景下，经济活动大量依赖于平台支撑、数据驱动和智能算法等技术时代。在数智时代，各类组织通过大数据、人工智能、移动互联网、云计算、物联网、区块链等技术及会计软件应用，从业务到财务部分或全部实现线上处理，改变传统财务的业务流程和工作方式，形成具有信息化、自动化、数字化、智能化工作场景。随着财务共享和智能财务的广泛应用，传统岗位逐渐消失，而适应数智时代需求的新岗位不断崛起。（二）财会工作从核算反映型向管理型、决策型转变。信息技术和人工智能通过数字信息系统处理的应用，令复杂繁琐的会计工作变得高效简便，提高了会计信息处理效率。传统会计业务，诸如发票真伪识别、往来账务核对和报表编制等工作，现在可以由财务机器人自动完成。在数智时代，对财会人员的需求从核算反映型向管理型、决策型转变，需要更多财会人才借助智能技术进行大数据分析、智能决策、风险控制。财会智能机器人可以完成一些基础的财会工作，这使得财会人员从大量日常的基础会计工作中脱身，将精力集中于财会专业化工作。由此，财会专业人才的培养应当面向管理服务型财会岗位群和技术服务型财会岗位群。（三）会计人员工作所依赖工具与基本技能发生本质变化。会计人员需要在先进的财务管理理论、工具和方法之上，借助智能机器人和财务专家的有机合作，去完成企业复杂的财务管理活动。由于财务共享和智能机器人的普遍应用，各个信息“孤岛”被打通，业财数据实现了互联互通，大量财会人才从事数据采集、数据模型设计与计算、数据服务和应用等决策层次的工作。譬如，财会人员利用大数据技术，实时对资金运营进行动态监控，实现资金运营效益的最大化；利用神经网络技术、专家辅助决策系统在预算管理、项目可行性分析等方面发挥作用；利用射频识别技术（RFID），以实现资产的高效管理，在资产管理方面结合电子监视技术及智能机器人实现无人仓储管理。

二、基于STEM的智能财务专业人才能力框架设计

（一）基于STEM的能力框架1、STEM的能力内涵。STEM是指科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四位一体的教育理念。2019年2月，联合国教科文组织的国际教育局（IBE-UNESCO）的《探索21世纪STEM能力》对于基于STEM建立跨学科的人才培养方案有一定借鉴意义。IBE从能力发展观角度将能力定义为“在21世纪背景下，以能动性和伦理性地使用知识技能、价值观、态度和技术，实现个人有效参与体现集体和全球利益的行动并发展能力”。所谓能力，包含了“是什么”和“怎么做”两个基本部分，同时在能力实施过程中，还要体现人才本身的伦理态度和价值观，以及和团队沟通、协作能力，最终人是以一种综合能力方式参与工作。2、STEM能力框架的内容。在STEM能力框架中，以能力为本位建构人才培养方案，打破了传统学科界限，形成跨学科的知识架构。科学蕴含着不同学科的知识，构成了人们探索客观世界而形成的事实判断、概念、原理、思想等内容；技术主要包含一些程序性的和技术性方面的知识，主要是指解决问题的步骤、程序、要点和操作技能等方面内容；工程是指技术知识的规模化、产业化和流程化的特点，是推动技术性知识转化为产品的知识和技能；数学在人才培养中是基础性的知识，渗透在科学、技术和工程的方方面面。基于科学-技术-工程-数学维度，进一步分解为认知能力、数据分析能力、解决问题和工程思维、科研与探索能力、数字与计算思维、设计思维与创新能力、动手操作能力和沟通写作等8项技能。（图1）（二）基于STEM的智能财务人才能力培养框架设计。根据STEM能力框架，智能财务人才能力框架可分解和细化为：1、认知能力。智能财务人才需要洞悉数智时代给财会行业所带来的巨大影响，并准确把握智能财务系统的组织结构和系统架构，能够掌握信息技术应用的逻辑和核心场景，对未来信息技术演变有一定预见性。认知能力并不反映人才本身的知识储备，而是通过学习、观察、实践、思考等环节，以分析性、推理性和批判性思维获得认知；通过逻辑推理发现问题本质，学会在不断实践中提升认知技能。必要时借助一定工具和方法等。2、信息处理能力———数据解释和数据分析。信息处理能力包括数据获取、解释和分析，并以有效的方式显示结果。在智能财务领域，有大量的结构化和非结构化的数据，如何对这些数据进行整理、组织，并选择有效的信息进行分析，是数智时代智能财务人才所具有的基本技能。要求智能财务人才能够通过利用数据图、Excel电子表、数据库、大数据分析软件等工具，培养自身数据驱动决策能力。3、解决问题与工程思维能力。通过识别分析复杂问题、分析数据、制订解决方案、评估和实施解决方案来发现智能财务领域的问题。工程思维离不开解决问题能力这一基础，另一方面也体现系统化解决问题的能力。同时，在解决问题时，注意项目的可行性和程序化的流程设计，为系统性解决问题奠定基础；工程思维还需要考虑客户需求，考虑项目的可持续性和可靠性；设计解决方案，并进行测试，并准备可能的备选方案，最终以可视化形式展示工程结果。4、科学调查。用数据来驱动决策，前提是要获得可靠的数据来源。在智能财务领域，依赖智能技术，获得信息和数据，分析数据，验证与测试假设，探索和发现相关规律和答案，以提供财务决策的理论依据。5、计算和数字思维。在智能财务领域，计算和数字思维是指采用计算机科学的概念、算法、数据模拟等方式，进行问题求解、系统设计。计算和数字思维是有利于STEM任务的高效执行，是解决实际问题的一种重要思维训练。6、动手操作技能。在智能财务领域，技能训练包括如何依赖智能技术在财务分析、决策等领域的应用和操作。通过智能财务技能的培养，使得学生能够以智能工具解决财务问题。7、设计思维与创新能力。在智能财务领域，工程和技术是保障智能化财务产品落地的前提和基础。创新性思维还依赖于设计思维的锻炼和培养。通过头脑风暴、构思和原型设计等方法，培养学生的设计思维能力。通过创造性的战略和过程来完成产品开发和方案的设计，为学生构建一个结构化的框架。8、沟通协作技能。在智能财务领域，团队需要协作设计构建许多解决方案，在此过程中，学生的沟通和表达能力是不可或缺的技能。有效的团队协作能让团队成员在平等机会之上进行交流。在教学方案设计中，通过沟通环境设计，促进学生在团队合作中，达成共同愿景、责任担当、信息传递、相互交流和合作。（三）融入STEM态度和价值观。价值观是人们认识世界的偏好、态度、方式和方法，是解决困境、面对利益冲突确定最佳行动方案。在智能财务领域教学设计中，要培养学生对数据伦理的重视，在制订决策方案时，如何选择对社会好处最大，损害最小的方案是十分必要的。

三、基于STEM的智能财务专业人才培养方案实现路径

（一）跨学科要素的重新融合。STEM的能力培养框架是跨理、工、文、经等多学科要素的组合。在智能财务领域，应摒弃以传统财会专业核心课程为主干，再附加若干个计算机课程模式；而是通过跨学科要素的重新融合，将会计、业务和技术融为一体，避免“两层皮”的情况出现。通过跨学科导师制和跨学科教学团队的建设，培养学生跨学科的融合能力。通过整合计算机与会计学科师资的专业知识来建设跨学科的课程项目，诸如Python在财务决策领域的应用、商业决策和数据挖掘等课程开展，基于多种专业的教师队伍协作研究跨学科课题，以项目、问题的形式来展示课程内容。除了开展跨学科课程以外，学生还可以跨专业、跨院系，或者是跨学院选修核心课程或选修专业课，或者开展不同院系或不同学院之间的专业研讨会，通过选择不同专业的导师学习各学科知识，来形成跨学科知识结构和解决实际问题的能力，并训练学习者处理复杂问题的能力。（二）智能财务课程体系设计路径。STEM能力框架的培养着眼于解决现实问题。智能财务领域课程设计路径分别有以下几个：1、传统设计路径。常见的传统课程体系设计主要是“专业学科+辅助计算机课程”模式。这种模式是目前大多数院校智能财务培养的主要方式。这种模式的优点是仍旧保留原有专业的培养框架和课程体系，对师资转型没有太大要求，教学目标和教学步骤清晰。辅助计算机课程委托其他系老师讲授。缺点是呈现“两层皮”的情况，学生思维仍旧被固化在原有专业框架中，对于计算机在本学科的应用缺乏认识和锻炼。2、跨学科设计路径。跨学科智能财务的设计路径要求学生对两门专业学习是平行进行，同时对于计算机课程学习强调底层逻辑和计算机思维。学生从两个或多个相互联系的学科中学习概念和技能，课程体系设计更多增加一些应用类和设计类课程，例如，通过智能财务相关项目设计，在有效的跨学科方法中，相关学科融合在一起，避免“两层皮”的情况。3、融合学科设计路径。以解决真实世界问题或执行真实项目为导向。应用来自多个学科知识和技能，形成自身独立的思维模式和操作技能。融合学科的精髓在于寻求跨越传统学科之间的鸿沟，这样使其比跨学科走得更加长远。这种模式对师资和学生学习能力、资源整合能力要求都非常高。（表1）（三）以能力为本的跨学科智能财务课程体系“搭建”。基于STEM的能力框架“搭建”智能财务课程体系中，以从学生认知能力和底层逻辑思维能力培养起步，由低阶到高阶逐步推进，最终通过设计综合项目训练，达到解决智能财务领域复杂问题的能力。课程体系设计如图2所示。（图2）智能财务专业人才培养最终是要用所学知识解决真实世界和情境的复杂问题。需要通过思维训练、专业能力和应用能力多个方面着手。在高阶阶段，教师要围绕培养目标，通过融合类课程的构建，引导学生解决复杂问题。（四）多种形式的产学研培养路径。在智能财务跨学科培养模式中，需要通过多种形式的产学研联合。形成协同一致的多元利益主体。企业、社会团体、专业社团等多个利益主体参与，不仅仅依赖政府、学校的力量，建立合作机制，共同参与、联合培养，从而形成有效合力。开发产学研联合示范培养项目，发挥校企联合项目示范引领作用，通过多导师制、导师负责制、跨学科导师制等方式，使学生有更多的机会将理念、知识应用于实践，提高学生的职业能力。产学研培养路径能够为学生提供充分的真实或模拟的体验，参与真实的财务方案设计活动，实现学习资源的共享、学习问题的交流和经验分享。（五）建立能力可量化的评价机制。能力是学生通过学习所具备的技能，能力培养既是学习成果，也是学习目标。培养方案和课程体系是能力培养的载体，将能力培养与课程评价标准联系，明确学生应该掌握什么样的内容，掌握的程度。通过课程标准建立，能够为学生获得某种能力程度提供参考依据。课程标准不仅仅包括内容标准，还包括培养质量。前者描述了能力框架内学生应该知道什么和能够做什么，后者明确学生掌握知识和获得能力的程度。（图3）

四、研究结论

信息科技的迅猛发展催生了新产业、新业态和新商业模式，新的要素市场结构对会计人才能力要求提出新的需求。本文以STEM为基础，构建了智能财务人才能力框架，并探讨了智能财务人才能力实现的路径。本文分别从课程体系、教学模式和评价机制等方面对可实现路径进行了论述。从而为开设智能财务方向、或开设智能会计专业奠定了一定理论基础。

主要参考文献：

［1］陈鹏，田阳，黄荣怀.基于设计思维的STEM教育创新课程研究及启示———以斯坦福大学d.loftSTEM课程为例［J］.中国电化教育，2019（08）.

［2］许昊，陈怡斐，潘慧凡，张成.人工智能背景下会计学专业人才培养模式的创新与改革［J］.改革与开放，2018（01）.

［3］李闻一，李栗，曹菁，陈新巧.论智慧财务的概念框架和未来应用场景［J］.财会月刊，2018（05）.

［4］董泽华，卓泽林.基于项目学习的STEM整合课程内涵与实施路径研究［J］.中国电化教育，2019（08）.

［5］董蓝蔓.中国的STEM教育面临三大瓶颈［N］.文汇报，2015-07-17（006）.

篇14

人工智能的研究领域分支较多，从研究角度来分有三大分支：知识工程、模式识别与机器人学。当今社会，许多以机器人为题材的电影受到人们的喜爱，如《异形》，《终结者》，《银翼杀手》等。这些电影也表现出人们对机器人领域的重视。“机器人”一词起源于捷克语，意为强迫劳动力或奴隶。这个词是由剧作家 Karel Capek 引入的，他虚构创作的机器人很像Frankenstein 博士的怪物-化学和生物学方法而不是机械方法创造的生物。但现在流行文化中的机械机器人和这些虚构的生物创作物没多大区别。基本上，一个机器人包括：机械设备，如可以与周围环境进行交互的车轮平台、手臂或其它构造；设备上或周围的传感器，可以感知周围环境并向设备提供有用的反馈；根据设备当前的情况处理传感输入，并按照情况指示系统执行相应动作的系统。在制造业领域，机器人的开发集中在执行制造过程的工程机器人手臂上。在航天工业中，机器人技术集中在高度专业的一种行星漫步者上。不同于一台高度自动化的制造业设备，行星漫步者在月亮黑暗的那一面工作－没有无线电通讯，可能碰到意外的情况。至少，一个行星漫步者必须具备某种传感输入源、某种解释该输入的方法和修改它的行动以响应改变着的世界的方法。此外，对感知和适应一个部分未知的环境的需求需要智能（换句话说就是人工智能）。从军事科技和空间探索到健康产业和商业，使用机器人的优势已经被认识到了这种程度 － 它们正在成为我们集体经验和日常生活的一部分。它们能把我们从危险和枯燥中解脱出来。智能机器人本身能够认识工作环境、工作对象及其状态，根据人给予的指令和自身的知识，独立决定工作方式，由操作机构和移动机构实现任务，并能适 应工作环境的变化。智能机器人只要告诉它做什么，而不用告诉怎么做。它共有四种基本功能，分别是：(1)运动功能，类似于人的手、臂和腿的基本功能，对外界环境施加作用。(2)感知功能，获取外界信息的功能。(3)思维功能，求解问题的认识、判断、推理的功能。 (4)人机通信功能，理解指示，输出内部状态，与人进行信息交流的功能。智能机器人是以一种“认知——适应”方式进行操作的。著名的机器人和人工智能专家布拉迪(Brady)曾总结了机器人学当前面临的30个难题，包括传感器、视觉、机动性、设计、控制、典型操作、推理和系统等几个方面，指出了机器人学当 前急需解决的难题。只有在这些方面有所突破，机器人应用和机器人学才能更适应社会的要求，成为开发人类智力的帮手。今天，在仿真人各种外在功能的各个方面，机器人的设计都有很大的进展。现在有一些科学家在研究如何从生物工程的角度去研制高逼真度的仿真机器人。目前的机器人离人们心目中的能够做各种家务活，任劳任怨，并会揣摩主人心思的所谓“机器仆人”的目标还相去甚远。因为机器人所表现的智能行为都是由人预先编好的程序决定的，机器人只会做人要他做的事。人的创造性、意念、联想、随机应变乃至当机立断等都难以在机器人身上体现出来。要想使机器人融入人类的生活，看来还是比较遥远的事情。

2 相关理论研究现状

2.1 理论1  机器学习

2.1.1 描述

机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。例如，它们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。 目前，已有许多不同的机器学习方法。可将这些学习方法中体现的基本学习策略总结为机械式学习、指导式学习、类比学习、归纳学习、解释学习五种。

2.2 理论2  模式识别

2.2.1 描述

在模式识别方面，主要研究方向有:①数据挖掘；②医学图像聚类分析；③视频图像的目标检测与跟踪；④视频事件语义分析；⑤人脸识别；⑥小波理论在图像信号处理中的应用。

目前，在国家自然科学基金及多个省部级基金项目的支持下，深化研究这些智能技术和模式识别技术，并将其应用到智能交通系统、基于内容的视频/图像检索系统、虚拟现实环境等问题中。特别是，近年来与镇江江滨医院合作采集了近两年来的CT图像和MIR图像，并按照人体部位分类构建了由头部、四肢等九部分组成的图像总数达20余万幅规模的分布式医学图像数据库。基于该数据库，开展了基于内容检索技术、基于医学图像感兴趣区域特征提取以及数据压缩等方面的研究，并开发了一个基于内容的腹部医学图像数据库管理系统。同时，研制开发了疲劳驾驶检测软件系统、电子病历书写器与嵌入式电子病历系统。这些系统可获得实际应用，有望产生较大的经济效益和社会效益。

2.3 理论3  语音识别

2.3.1 描述

 提起语音识别，最容易想到的例子可能是不会讲笑话的Siri，而像Siri这类语音助手是科技巨头们竟相争夺的领域，Google有Assistant，亚马逊有Alexa，微软有Cortana，Facebook有Jarvis，它们当中已经与应用场深度结合的当属亚马逊配备智能助理Alexa的Echo音响。除了智能家居领域外，未来语音技术在很多应用场景都有很好的机会。在智能车载场景中，用语音代替手势来控制汽车中的功能（比如控制 GPS 导航、信息收发、电话接打、社交网络更新等），将可避免司机过度分散注意力，保证行车安全；教育领域，语音识别辅助英语教学和中英文同声翻译，你只需对着手机说出想要翻译的句子，即可得到中英文双重语音播读结果和可视的文本结果。

2.4 理论4  人脸识别

2.4.1 描述

在人工智能中，人脸识别是其中发展较为成熟的应用领域。同时，人脸识别是符合国家政策趋势、惠及民生的领域，国家863计划、国家科技支撑计划、自然科学基金都会拔出了专款资助人脸识别的相关研究。在国家政策的支持和完善下，人脸识别技术将会被推向更广阔的日常领域。

如今，“刷脸”已经成了人们生活中的日常事务，从移动支付、解锁手机到学校、公司、小区门禁等，都运用到了人脸识别技术。人脸识别技术产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育、医疗及众多企事业单位等领域。

人脸识别在手机端行业中，掀起了人脸识别解锁技术热潮，各大手机厂商也蜂拥挤入，其中最有影响力的便是iPhone X的Face ID。面对日益激烈的行业竞争，如何在强敌林立之下找到自身的立足之地，创新、突破技术显得尤为重要，在这一点上，旷视科技Face++凭借其核心的人脸识别技术 ，成为行业中的“佼佼者”。

2.5 理论5  机器视觉技术

2.5.1 描述

我们所说的机器视觉技术，就是用机器代替人眼来做测量和判断，其最大的特点是速度快、信息量大、功能多。机器视觉作为全球智能的“慧眼”,很大程度上影响着人工智能的进步，无人驾驶、无人机、智能机器人等近期热点中的热点也以机器视觉的发展为前提。作为人功能智能发展前提的机器视觉技术，其主要有五大典型应用：

(1) 图像识别应用：图像识别，是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别。将大量的数据信息存储在二维码中，通过条码对产品进行跟踪管理，通过机器视觉系统，可以方便的对各种材质表面的条码进行识别读取，大大提高了现代化生产的效率。

(2) 图像检测应用：检测是机器视觉工业领域最主要的应用之一。几乎所有产品都需要检测，而人工检测存在着较多的弊端，因此，具有诸多优点的机器视觉在图像检测的应用方面也非常的广泛，例如：2000年10月新发行的第五套人民币中，壹圆硬币的侧边增强了防伪功能，鉴于生产过程的严格控制要求，在造币的最后一道工序上安装了视觉检测系统。

(3) 视觉定位应用：视觉定位要求机器视觉系统能够快速准确的找到被测零件并确认其位置。在半导体封装领域，设备需要根据机器视觉取得的芯片位置信息调整拾取头，准确拾取芯片并进行绑定，这就是视觉定位在机器视觉工业领域最基本的应用。

(4) 物体测量应用：机器视觉工业应用最大的特点就是其非接触测量技术，同样具有高精度和高速度的性能，但非接触无磨损，消除了接触测量可能造成的二次损伤隐患。常见的测量应用包括齿轮、接插件、汽车零部件、IC元件管脚、麻花钻、罗定螺纹检测等。

(5) 物体分拣应用：实际上，物体分拣应用是建立在识别、检测之后一个环节，通过机器视觉系统将图像进行处理，实现分拣。在机器视觉工业应用中常用于食品分拣、零件表面瑕疵自动分拣、棉花纤维分拣等。

表2-1  机器视觉技术

图像识别应用

图像检测应用

视觉定位应用

物体测量应用

物体分拣应用

3 研究发展及应用

1 工业机器人 

所谓工业机器人就是面向工业领域的多关节机械手或多自由度机器人。如：机械手。能模仿人体某些器官的功能（主要是动作功能）、有独立的控制系统、可以改变工作程序和编程的多用途自动操作装置。工业机器人在工业生产中能代替人做某些单调，频繁和重复的长时间作业，或是危险、恶劣环境下的作业，例如在冲压、压力铸造、热处理、焊接、涂装、塑料制品成形、机械加工和简单装配等工序上，以及在原子能工业等部门中，完成对人体有害物料的搬运或工艺操作。

2“先行者”类人型机器人 

经过十年攻关，国防科技大学研制成功我国第一台仿人型机器人——“先行者”，实现了机器人技术的重大突破。“先行者”有人一样的身躯、头颅、眼睛、双臂和双足，有一定的语言功能，可以动态步行。

人类与动物相比，除了拥有理性的思维能力、准确的语言表达能力外，拥有一双灵巧的手也是人类的骄傲。正因如此，让机器人也拥有一双灵巧的手成了许多科研人员的目标。

在张启先院士的主持下，北京航空航天大学机器人研究所于80年代末开始灵巧手的研究与开发，最初研究出来的BH－1型灵巧手功能相对简单，但填补了当时国内空白。在随后的几年中又不断改进，现在的灵巧手已能灵巧地抓持和操作不同材质、不同形状的物体。它配在机器人手臂上充当灵巧末端执行器可扩大机器人的作业范围，完成复杂的装配、搬运等操作。比如它可以用来抓取鸡蛋，既不会使鸡蛋掉下，也不会捏碎鸡蛋。灵巧手在航空航天、医疗护理等方面有应用前景。

3 探索机器人

机器人对于探索的应用，即在恶劣或不适于人类工作的环境中执行任务。主要有2种探索机器人：自主机器人和遥控机器人。自主机器一直是人类的研究难题，很多专家都在尽最大可能的使机器人自主化。最为出名的是水下机器人和空间机器人。随着海洋事业的发展，水下机器人可以代替人类在深海中进行探索，发现了好多不为人知的深海生物。空间机器人主要任务分为两大方面：1.在月球、火星及其他星球等非人居住条件完成勘探；2.在宇宙代替宇航员做卫星的服务（主要是捕捉、修理和补给能量），空间站上的服务及空间环境的应用试验。

4 总结

机器人技术领域已经创造了很多种具有基本的物理和导航功能的机器人。同时，社会发展的趋势也开始成为将机器人结合到从娱乐到卫生保健的日常生活中。而且，机器人可以将很多人从危险的情况中解脱出来，本质上就是让机器人作为人类的替代品来使用。AI机器人技术研究人员所研究的很多应用程序已经开始实现这种可能了。另外，机器人还可以用于更普通的工作，如看门工作。然而机器人最初是开发用于肮脏、枯燥和危险的应用程序，现在它们已经被看作是人类的助手了。不管是什么应用程序，随着未来科技发展到一个新的境界，机器人将会需要更多而不是更少的智慧，从而会对我们的社会形成巨大的影响。

参考文献

[1] 孔松涛.人工智能的发展及应用[J]. 河南科技,2003(10):20-21.

[2]陈建平，任斌，张会章.人工智能在智能机器人领域中的研究与应用[J].《东莞理工学院学报》，2008,15(3):33-37[3]常周林，袁婷.人工智能在智能机器人系统中的应用研究[J].《科技创新导报》， 2016,13(23):10-10[4]王秀俊，葛运建，肖波，余永.人工智能在机器人力控制系统中的应用研究[J].中国智能机器人学术研讨会 ,2004，32(S1):76-78[6]Crunk,J,North,M.M.Decision Support System and AI Technologies in Aid of Information Based Marketing. International Management Review . 2007

[7]Stuart Russell,Peter Norvig.Artificial Intelligence: A Modern Approach.1995