人工智能技术路径范例

人工智能技术路径范文1

【关键词】 腹腔镜； 认知功能； 老年患者

doi：10.14033/ki.cfmr.2017.17.007 文献标识码 B 文章编号 1674-6805（2017）17-0016-02

The Impact of Laparoscopic Surgery on Cognitive Function in Patients with Urinary Tract Disease in Elderly/WANG Qian，SHEN Jian，LI Yin-nan，et al.//Chinese and Foreign Medical Research，2017，15（17）：16-17

【Abstract】 Objective：To investigate the laparoscopic and open surgery impact on cognitive function in patients with urinary tract disease in elderly.Method：Analyzed 67 cases of elderly patients with urinary tract surgery by retroperitoneal approach.All patients were done general anesthesia in lateral position in surgery.The experimental group 41 cases were treated by retroperitoneal laparoscopic surgery；the control group 26 cases underwent opened surgery.Assessed cognitive function in each group respectively in the preoperative and postoperative 1 day，5 days with simple intelligence condition check table（MMSE）.Recorded blood loss，operative time，postoperative waking time of two groups.Result：Postoperative 1 day，occurred 3 patients of all 67 cases of postoperative cognitive dysfunction，1 case（2.4%） in the experimental group and 2 cases（7.6%） in the control group；5 days，occurred postoperative cognitive dysfunction in 2 cases，each group of 1 case，incidence were 2.4% and 3.8%，the difference was statistically significant（P3 h），the incidence of postoperative cognitive dysfunction is higher than open surgery.

【Key words】 Laparoscop； Cognitive function； Elderly patients

First-author’s address：Xinhua Hospital Affiliated to Shanghai Jiaotong University，Chongming Branch，Shanghai 202150，China

g后认知功能障碍（postoperative cognitive dysfunction，POCD）是患者手术后出现的一种中枢神经系统的并发症，主要表现为手术麻醉后患者出现记忆力、抽象思维、定向力障碍，同时可伴有社会活动能力的减退，即人格、社交能力及认知能力和技巧的改变[1]。老年患者大手术后认知功能障碍发生率非常高。随着科学技术的发展，手术方法的改进，微创腹腔镜手术解决了创伤大的缺点[2]。越来越多的老年人因腹腔镜手术创伤小、出血少、恢复快而逐渐接受这项微创手术[3]。虽然来自于手术的直接创伤减少，但术中往往需要长时间人工气腹及一些特殊要求，不仅对呼吸和循环系统产生较大的影响，对肝、肾、脑等重要脏器的灌注也会产生明显的干扰[4]。。本文选取67例经腹膜后途径上尿路手术的老年患者，探讨腹腔镜及开放手术对老年上尿路疾病患者认知功能的影响。

1 资料与方法

1.1 一般资料

本研究共收集患者67例，男37例，女30例；年龄60～87岁，平均69岁。左侧43例，右侧24例。按手术方式不同分为两组，试验组41例经腹膜后腹腔镜手术；对照组26例行开放手术。所有病例均为2015年12月-2016年12月笔者所在医院泌尿外科收治，包括根治性肾切除13例、单纯肾切除术6例、肾部分切除8例，肾上腺肿瘤及肾上腺切除10例，肾囊肿去顶25例，输尿管切开取石术5例的上尿路疾病患者。体重指数（BMI）在17.5～28.3 kg/m2，ASA分级Ⅰ～Ⅲ级，术前1 d简易智能状态检查MMSE（mini mental status examination）评分均在正常范围。排除精神性疾病及服用精神类药物史。两组一般资料差异无统计学意义（P>0.05），具有可比性。

1.2 方法

67例经腹膜后途径上尿路手术的老年患者，按照本试验要求，经协调均由同一麻醉师及其助手完成，采取气管插管全麻方式。手术均取健侧卧位。试验组41例经腹膜后腹腔镜手术；对照组26例行开放手术。

1.3 观察指标及评定方法

每组患者分别于术前1 d、术后第1、5天用简易智力状态检查表（MMSE）评价两组患者的认知功能。记录两组患者术中出血量、手术时间、术后苏醒时间。简易智能状态检查表MMSE评分标准：定向力10分，即刻回忆力3分，注意计算力5分，延迟回忆力3分，语言能力9分，总分为0～30分。正常与不正常的分界值与教育程度有关，文盲（未受教育）组≤17分，小学（受教育年限≤6年）组≤20分，中学或以上（受教育年限>6年）组≤24分[6]。。测试时间选择在18∶00-20∶00，由同一测试医生完成。

1.4 统计学处理

采用SPSS 17.0统计软件进行统计学处理，计量资料以（x±s）表示，采用t检验，计数资料以率（%）表示，采用字2检验，P

2 结果

2.1 术后认知功能障碍（POCD）发生情况

术后第1天认知功能障碍发生了3例，试验组1例、对照组2例，发生率分别为2.4%和7.6%；术后第5天认知功能障碍发生了2例，验组和对照组各1例，发生率分别为2.4%和3.8%；手术时间>3 h认知功能障碍仅试验组发生1例，发生率2.4%；两组比较差异均有统计学意义（P

2.2 术中出血量、手术时间、术后苏醒时间比较

试验组手术创伤小，在术中出血量、手术时间、术后苏醒时间方面明显优于对照组，差异有统计学意义（P

3 讨论

术后认知功能障碍（POCD）是指麻醉及手术后出现认知功能紊乱，以记忆功能、学习能力、注意力下降为特征[8]。现在的研究认为，手术导致的炎性反应是发生POCD的主要机制，麻醉及其药物对POCD影响小，大手术创伤大，术后产生持续的神经炎性反应，可能是POCD的发生机制，微创手术创伤小，产生炎性反应小，可能对POCD的影响小[9]。年龄也是术后认知功能障碍一大影响因素，研究认为70～80岁的老年人是手术后发生POCD的主要人群[10]。本研究分析67例经腹膜后途径上尿路手术的老年患者，年龄60～87岁，平均69岁，比较腹腔镜及开放手术对老年上尿路疾病患者认知功能的影响。

本研究中试验组、对照组术前1 d、术后第1、5天用简易智力状态检查表（MMSE）评价认知功能障碍（POCD）发生情况。术前1 d未发现认知功能异常情况，故而使得试验能进行下去。术中使用同一手术健侧卧位，排除对脑灌流的影响，进而影响手术结果。术后第1天认知功能障碍发生3例，试验组1例，发生率2.4%，对照组2例，发生率7.6%；术后第5天认知功能障碍发生了2例，试验组和对照组各1例，发生率分别为2.4%、3.8%；手术时间>3 h认知功能障碍仅试验组发生1例，发生率2.4%；组间比较差异有统计学意义（P3 h）腹腔镜组术后认知功能障碍发生率高于开放手术，这可能因为患者长时间气腹，使肺容量减少，患者血液的PaCO2升高。酸中毒可影响突触神经功能，并舒张脑血管，增高颅内压，促进血管因子释放而致动-静脉短路开放，最终引起认知功能障碍。

综上所述，与开放手术相比，老年上尿路疾病患者行腹腔镜手术认知功能障碍发生率较低，但随着手术时间增加（>3 h），术后认知功能障碍发生率高于开放手术。

参考文献

[1] Friedman J I，Temporini H，Davis K I.Pharmacologic strategies for aug-menting cognitive preference in schizophrenia[J].Biol Psychiatry，2009，45（1）：1-16.

[2]龚旭华，，易斌，等.妇科腹腔镜与开腹手术对老年患者术后认知功能的影响[J].重庆医学，2010，39（17）：2290-2291.

[3] Wang G，Gao C Q，Zhou Q，et al.Anesthesia management of totally endoscopic atrial septal defect repair with a robotic surgical system[J].Clin Anesth，2011，23（8）：621-625.

[4]孙振涛，孙雪青，韩雪萍，等.不同呼吸参数对妇科腹腔镜手术后早期认知功能的影响[J].临床麻醉学杂志，2014，30（7）：686-688.

[5]李宝永，蒲国华，刘铁军.右美托咪定与亚麻醉剂量对老年患者腹腔镜胆囊术后认知功能的影响[J].中国医刊，2015，4（4）：86-88.

[6] Gainsburg D M.Anesthetic concerns for robot assidted laparoscopic radical prostatectomy[J].Minerva Anestesiol，2012，78（5）：596-604.

[7] Ozdemir A T，Altinova S，Koyuncu H，et al.The incidence of postoperative ileus in patients who underwent robotic assisted radical prostatectomy[J].Exp Clin Cancer Res，2014，33（1）：63-67.

[8] Schramm P，Treiber A H，Berres I V I，et al.Time course of cerebrovascular autoregulation during extreme Trendelenburg position for robotic-assisted prostatic surgery[J].Anaesthesia，2014，69（l）：58-63.

人工智能技术路径范文2

LeEco早在今年4月就与其战略合作伙伴FF共同成立了FF&LeFuture人工智能研究院。此次大会也是FF&LeFuture人工智能研究院成立以来首次对外展示其研究成果。

此次大会其间，FF&LeFuture人工智能研究院主要展出的是自动驾驶方面的一系列最新技术成果，包含感知、定位、轨迹规划、人机交互以及远程控制等维度。

感知方面，基于多种传感器信息融合，通过大数据收集和整理，可实现实时障碍物监测和可驾驶区域预测；定位方面，FF&LeFuture人工智能研究院自动驾驶定位技术采用多传感器融合方案，实现厘米精度的实时定位； 路径规划方面，该系统可以实时根据车辆动态性能搜索合理路径，实现360度防碰撞和安全驾驶；而车身周围交互灯的设计，能充分和周围行人交流当前车辆和自动驾驶状态，如停车、行人可通行、自动驾驶模式开启等；通过远程控制，用户可以不分地点地使用车辆自动驾驶功能，例如远程唤起自动泊车等。

此外，FF&LeFuture人工智能研究院还在大会现场安排了自动驾驶生态体验项目。展示了自动驾驶车在低速工况下的控制决策、精准避障以及人机交互的能力。该项目实现多屏联动，允许用户用手机控制自动驾驶车辆进行轨迹规划，并在电视上呈现出来。

从2014年底LeEco宣布造车以来，自动驾驶就是其核心发展方向之一，根据SAE（美国汽车工程师学会）的标准，自动驾驶技术由低至高共分为0-5级，LeEco的目标是在2018年左右推出3级自动驾驶技术的产品。

业界精英齐聚 FF&LeFuture实现全球协同

自成立以来，FF&LeFuture人工智能研究院充分利用中美两国的智力与人才资源。根据规划，研究院工作将结合感知、定位、规划控制、人机交互四大维度，以自动驾驶为起点，将涉及领域逐步扩展至其他汽车相关技术，其中包括汽车增强现实技术（AR）、地图众包、驾乘人员状态监测、自动驾驶赛车等。此外，FF&LeFuture人工智能研究院还将深入其他人工智能技术的研发，包括机器人、增强现实终端及体验、虚拟个人助手、智能家庭等等。

人工智能技术路径范文3

关键词：人工智能；英语教育；积极影响；消极影响

人工智能概念是20世纪五六十年代正式提出的，随着信息技术的不断发展，人工智能已成为一门新的技术科学。时至今日，人工智能技术的发展经历了人工智能起步期、专家系统推广期和深度学习期等阶段，而在应用领域也取得了重大突破，如Google的无人驾驶技术和运用深度学习算法的AlphaGo战胜围棋冠军等。除此之外，人工智能已被日益广泛地应用于经济社会各个领域，在教育领域亦是如此。2018年教育部就印发了《高等学校人工智能创新行动计划》，要求进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力。因此，人工智能必将不断被融合到教育领域，并为大学教育变革提供新方式。基于人工智能的机器学习、人机交互与知识图谱等技术方法，可以为大学英语教师在课堂教学、备课与教学研究等多个方面提供支撑；可以为大学英语教学管理与治理提供决策支持；可以为大学生英语自主学习和教师备课提供智能推荐支撑。目前，学者们已对人工智能对英语教育的影响进行了相关的研究。如高华伟分析了外语作文智能评阅与形成性评价融合策略；刘洋针对人工智能技术与高校英语教学的相互关系，通过调查问卷和访谈等方式，分析了现有计算机辅助语言学习软件和系统的不足，并提出了相应的解决策略；张艳璐对人工智能在给英语教学带来机遇的基础上，探究了人工智能在大学英语教学中的应用；赵生学分析了人工智能时代大学英语教学的变革与策略；严燕分析了人工智能时代英语教学促进学生深度学习的路径。在人工智能时代，人工智能技术必将对大学英语教育领域各个方面产生重大影响，如大学英语人才培养目标、教学内容、教学计划、教学策略、教学模式、成绩评价体系与英语领域科研等方面。针对此，本文在现有研究的基础上，重点从教师和学生两个层面分析人工智能对大学英语教育的积极影响和消极影响，并提出相关建议，以期为大学英语教师教学与大学生英语学习提供参考。

一、人工智能的积极影响

。

（一）丰富了大学英语教与学资源人工智能技术的发展与应用为大学英语教与学提供了丰富的资源。；在线教育平台也提供了大量的英语课程资源，如中国大学生慕课、雨课堂等，它们各具特色，可为教师与学生提供多样化选择。因此，人工智能技术一方面可为大学英语教师提供丰富的教学素材，同时还可根据大学生学习目标与学习习惯等为其英语学习提供丰富的课外资料。。特别是对于教育资源缺乏的地区而言尤为重要，可以在很大程度上解决教育资源不平衡问题。其中，百度教育大脑的智能备课系统便是典型应用案例。其依托百度人工智能、大数据和云平台的优势，整合了丰富的优质资源。对于教师而言，此平台可按照教学进度为教师提供经过筛选的教学素材，节省教师的备课时间，提高其工作效率。

（二）丰富了大学英语的教学方式传统的大学英语授课往往以线下课堂教学方式为主，而人工智能技术的使用丰富了大学英语单一的教学方式。可利用网络平台，如雨课堂、慕课平台等，开展大学英语线上教学模式或者线上线下混合教学模式。新的教学模式有利于教师在大学英语教学过程中采用不同的教学策略。使用新的教学模式和不同的教学策略可以提高大学生学习英语的兴趣，进而有助于提高大学生英语习得的效率。

（三）提高了大学生英语习得的效率由于英语习得是一个复杂的心理过程，与大学生的情感因素、学习动机等密切相关。采用人工智能技术的大学英语线上教学方式，使得教师与学生之间不是面对面的交流互动，可以在一定程度上缓解学生焦虑、害怕等情绪，有利于学生的英语学习。动机是英语习得中重要的非智力因素，也是影响大学生英语习得效率的重要内在因素之一。学习动机与使用另一种语言的兴趣密切相关。而人工智能技术采用丰富的英语学习资源以及英语教学方式的多样化，这些有助于提高学生学习英语的兴趣，进而增强学习英语的动力。

（四）形成了大学生英语习得分析数据库人工智能技术是以大数据为依托，可以跟踪和记录大学生英语课堂学习和课后学习等各种信息数据，进而可形成大学生英语习得数据库。基于大数据分析与人工智能技术方法，如数据挖掘、关联性分析和回归预测等，可以挖掘大学生英语学习背后的规律特征，了解到每个学生的具体情况。进而构建每个学生的英语学习画像，如学生的线上学习状态、课程作业完成情况、测试成绩和学习方式等。可为教师形成可视化的学生个体和班级整体的学情分析报告。因此该数据库有利于教师掌握每位学生的英语学习状态，掌握学生个体差异，为调整教学方式、教学方法与策略提供支撑。同时，上述数据为大学英语教学与大学生英语习得的研究也提供了数据支撑。

二、人工智能的消极影响

（一）对教师的消极影响由于大学英语课堂教学存在一定的缺陷，往往需要改进此教学方式。而人工智能技术的应用，虽有助于大学英语教学改革，但还需要教师熟练掌握人工智能相关技术的使用，会给信息技术能力比较薄弱的教师造成压力。借助人工智能平台，大学英语教学不受时间、空间和学生人数等影响，势必会减少大学英语教师的需求，造成大学英语教师面临失业的压力。进而影响大学英语教师的工作积极性，以及大学英语教学质量。

（二）对学生的消极影响根据语言资本理论与期望价值理论，大学生英语学习的期望价值主要是经济期望价值。而大学生英语学习的期望价值与学习目的和行为密切相关。比如大学生英语学习经济期望价值主要体现为学习英语对未来找工作很重要，可以增加经济收入。而人工智能技术在语言领域的应用，势必会影响大学生对英语学习的期望价值。如人工智能翻译机的出现，使得各种语言之间翻译非常容易。即使不懂英语，也可使用它进行英语交流。因此，人工智能技术在英语领域的应用，将降低大学生英语学习的期望值，进而影响他们英语学习的兴趣与目的。

（三）对师生关系的消极影响基于人工智能技术的大学英语教学，将改变传统的以教师为中心的模式，使得教师在教学过程中的中心地位得到弱化。。但这些将弱化教师与学生之间的互动以及情感，从而隔阂了教师与学生之间的关系。

人工智能技术路径范文4

关键词：人工智能；智能传媒；美联社；智媒实践

中图分类号：G702文献标志码：A文章编号：1001-862X（2017）03-0134-006

一、人工智能的内涵、技术梯度及其在新闻传播领域中的应用

人工智能（Artificial Intelligence，简称AI），作为计算机学科的一个重要分支，是由McCarthy于1956年在Dartmouth学会上正式提出。学术界认为，人工智能是一门研究运用计算机模拟和延伸人脑功能的综合性科学，其假设电脑系统具有人类的知识和行为，并具有学习、推理判断来解决问题、记忆知识和了解人类自然语言的能力。人工智能的产生过程为：对于人类因问题和事物而引起的刺激和反应，以及因此而引发的推理、解决问题、判断及思考决策等过程，将这些过程分解成一些步骤，再通过程序设计，将这些人类解决问题的过程模拟化或公式化，使电脑能够有一个系统的方法来设计或应付更复杂的问题。[1]

人工智能在新闻生产链条中的运用根据算法的使用程度呈梯度分布：第一梯度是计算智能在新闻生产中的运用，能够辅助记者储存和快速处理海量数据，人工在新闻生产中占据主导地位；第二梯度是感知智能，机器能够代替记者完成“看”和“听”的相关工作，在“采、写、编、评”的新闻生产过程中采用人工与算法相结合的方式；第三梯度是认知智能，机器可以全面辅助或者代替人类，实现几乎完全依据算法进行新闻生产。总体上，人工智能在新闻生产中的应用处于计算智能向感知智能的过渡阶段，部分领域如机器新闻写作已步入认知智能的初级阶段。

（1）“传感器”新闻崭露头角。。它主要是通过对相关新闻数据库所需数据的自动化采集、处理和分析，经过人工智能算法把数据内容新闻化，即时输出准确、客观的新闻信息产品。目前，尤以“传感器”新闻为引人瞩目。

传感器（sensor）是一种收集特定数据信息的监测装置，能感受到被监测对象的信息，继而转换成为电信号或其他形式予以输出，以完成信息的记录、传输、存储、显示和控制。[2]所谓“传感器”新闻就是通过人工智能算法对上述数据进行统计分析和判别而输出的一种自动化的机器新闻产品。如对于地震台网相关传感器的数据、对于体育比赛相关传感器的数据、对于股市相关传感器的数据等等（未来还可能基于对人体的可穿戴设备传感器的数据等）进行信息加工处理和判别所自动生成的新闻。这种“传感器”新闻的特点就是与事态发生几乎同步，并且客观、准确。；二是传感数据的准确程度在很大程度上依赖传感器的质量、测量指标级算法模型的有效性、可靠性。

（2）语音识别技术极大提高了现场采访与处理资讯的效率。人工智能虽然不能取代记者作为采访者的角色，但在技术方面己经有较先进的人工智能技术可以大大优化和节省记者编采的时间成本。 2015年底科大讯飞股份有限公司研发出语音识别技术，让计算机能够“听懂”人类的语言，提取语音中的文字信息，即时迅捷地将语音信息转化为文字信息，不但误差率极低，而且可以“听懂”各种方言和人的口音。这种语音翻译系统大大地提高了采访资料整理的效率。

（3）“新闻人物”的虚拟影像技术取得突破性进展。2016年10月4日《中国日报》通过整合人工智能技术，采访真人而制作虚拟视像面世，[3]这一人工智能所虚拟出来的“新闻人物”的影像可全天改变表达方式。。

2.在新闻的内容生产方面

（1）C器新闻写作。人工智能在语言文字写作方面的技术具体表现在“机器新闻写作”上，它“是指自动根据算法将目标数据通过自然语言生成的方式输出文章的一种人工智能技术，它的核心在于自然语言生成技术。”[4]在对资料数据进行分析后，人工智能可通过分词法和语义理解来进行基本的情感分析，进而进行新闻角度的选择。

目前的机器新闻写作可以在分析信息数据所得的结果上自行提炼出新闻角度，根据新闻类型套用相应的文章模板，从而生成完整的新闻稿。从当前的发展现状来看，算法不仅可以及时地捕捉数据信息，同时还可以对作家和记者的写作风格进行模拟，实现特定文风的定制。[5]然而，目前新闻写作只能把数据分晰和整合的结果进行结构化处理，重新排列组合，对模块进行内容填充，加上一些简单的语义加工和风格调整。

（2）语音新闻生成。以美联社为例，2016年，他们开发了一个把文字新闻自动传换成广播的程序。虽然美联社目前还没有对此程式进行过实际演练和质量控制试验，但可以肯定的是，这个程式己经可以识别一些篇幅短、语句偏简洁的条目。因此，文字新闻与广播格式新闻的自动无缝转换将是人工智能在新闻产业的发展趋势。

（3）直播过程的自动监播。在技术的发展下，大大小小的直播平台不断衍生，它们比传统传媒更具及时性，成本更低，而且这种类型的全民主播比专业播音员更具亲民性和娱乐性，因此，直播平台将成为传媒界的新机遇。。。

3.在新闻策划与推送方面

（1）智能化地抓取热门话题。在2016年8月，Facebook解散了负责“热门话题（Trending）”的团队，改以利用人工智能算法来抓取数据，通过对用户搜索、浏览的分析，对热门搜索词进行排序，抓取热门话题呈现给受众。。Velocity还能发现新闻传播的“饱和点”，预测新闻热度消退的时间。。。

（2）海量资讯简洁化的个性推送。面对网络上的海量新闻，大众要获得有用信息可谓大海捞针；通过人工算法实现个性化推送，根据用户的阅读习惯、阅读时长等各种数据分析受众喜好，自动分类出推送内容。随着人工智能技术的发展，出现了以对话形态获取新闻内容的阅读模式，通过人工智能把分析得出的相关新闻进行汇总，并运用自然语言处理技术，提取信息的核心内容，方便用户更快捷地获取具有针对性的信息。如“百度”推出的“聊新闻”通过对新闻信息进行分类及结构分析、信息特征学习等，自动为用户提供最核心的信息[6]，以深入聊天的方式呈现用户所想要了解的新闻内容要素。这种以人工智能来进行个性化推送的模式可以为用户节省搜索时间，方便用户进行简洁化的阅读。

二、美联社的实践：一个智能传媒的先行探索

通讯社与报社、广电机构等传媒形态有明显不同，扮演着位于新闻生产链前端的批发商或“龙头”的角色，这种组织形态是一种适应市场经济条件与大规模生产的组织形式和运行模式。。 2015美联社制定了一个5年（2015―2020）战略规划，2017年美联社将有可能实施7个项目，其中包含新闻的智能化生产。美联社战略及企业发展部高级副总裁Jim Kennedy希望美联社在2020年之前，80%的新闻内容生产都能实现自动化。

1.新闻内容采集

（1）数据资源采集方式的转变。美联社的机器新闻生产利用了Automated Insight公司开发的Wordsmith 。。Wordsmith

Wordsmith可以对客户的各种形式或格式的数据进行收集和处理，这些数据包含如Google ；大数据技术也使得新闻数据源从传统记者转变为个体用户，涉及用户生成内容时，美联社与其投资的社交媒体内容管理系统SAMDesk合作创建了一个工具，将美联社的渠道策略和SAMDesk的用户生成内容源相结合。

――数据获取的规模化。Wordsmith 。美联社的季度财报稿件的数量从 300 篇增长到 4400 篇，这种高效率、规模化的新闻生产方式是过去任何时代所无法企及的。[7]

――数据处理的高效性。Wordsmith 采用制式化新闻撰写方式，只需要将采集的数据输入已有的程序，便可立刻生产出新闻稿件，即时通过 Twitter、E-mail 等渠道，加快传播速度。例如，美联社在最短时间内苹果公司的财报新闻，其时效性远超其他媒体。。

（2）图像素材采集方式的转变。在图像素材的采集方面，美联社正通过智能硬件的辅助来实现新闻素材获取的规模化及高度时效性。。。。。

2.新闻内容制作

（1）自踊生成：机器写作及智能播报。 Insights公司的观点，这是一种“从大数据到高见”的跨越。从其关键技术领域而言，这应该是整合了数据库知识发现（KDD）以及自然语言处理（NLP）两个领域，属于人工智能范畴。

Wordsmith对信息价值的挖掘，包含分析数据与提炼观点两个部分。在新闻内容的呈现方面，主要是针对内容的结构和格式。Wordsmith 平台需要用其自然语言生成功能对此前的分析和提炼得到的观点进行故事化叙述，并按照需要生成适应的篇幅长短的新闻、推文，以及标题导语、可视化图表为主的内容等形式的文本。

在与风险投资基金Matter Ventures的合作过程中，5名美联社员工组成的团队尝试利用人工智能技术进行智能播报，将篇幅短、语句简洁、数据详实的新闻文字自动转换为广播版本。这个项目并不是简单的将新闻从文字到语音的形式转换，而是制造一个基于算法的模型，将用于识别文字中需要转化成广播格式的元素。这项试验是美联社将自动化应用于新闻领域的重要尝试。目前，这个项目还处于初级阶段，新闻广播版本后期依旧需要经过记者的人工审核与校准，以确保写出规范和准确的新闻。。

（2）可视化呈现：数据新闻。数据与图表之间的智能转换是美联社在可视化呈现层面的重要尝试。。Wordsmith还可以将数据自动转换成图表，运用自然语言生成技术对此前的分析和提炼得到的观点进行故事化叙述，新闻内容能够依据需求通过可视化图表的形式呈现。

。。。。。。美联社还拓展直播版块，目前直播领域主要有AP Direct和AP Live Live Choice能够通过3个频道同时直播三个事件。

3.新闻内容投送

人工智能驱动下的信息通路趋向于窄众化的内容生产与投送，美联社新闻内容的传播路径从过去的“面―点―面”模式转变为如今的“点―面―点”模式。借助于人工智能技术的支持，美联社通过对碎片化内容的聚合重组，利用标签聚类和差异化语言风格进行个性化的投送。

（1）碎片化聚合，个性化投送。目前美联社通过与智能平台“强强联合”，完成对碎片化文本进行结构性处理，实现精准个性化的内容投送。Wordsmith平台可以根据组织和个体的碎片化数据，如员工的表现评估、企业绩效分析报告、行业分析、行业竞争态势分析等，在数据聚合的基础上分析其情况与需求并实现定向内容投送，为用户提供精准个性化内容。美联社Wordsmith系统尤其擅长进行客户的财务情况和客户运动、健身情况的分析，实时收集动态数据，并能够将所生成的文章，通过多种方式，实时到客户指定的平台上。对听众制定个性化的内容，是美联社拓展新闻产智能化板块的另一个举措。；记者们也考虑用不同的方式向国内外的听众分别提供广播。

（2）标签聚类、智能匹配。包括美联社在内的2000 家媒体加入了聚合类新闻 App ――News 。News 。目前News 。

（3）机器新闻语言的风格化差异化。随着受众群体的不断细分，不同人群的语言风格差异愈发明显。。。基于语言风格的智能化学习，美联社能精准匹配用户的语言风格，进行个性化的新闻表达，形成不同版本新闻的规模化生产。

三、人工智能范式驱动下传媒业的“洗心革面”

1.传播内容：从单一传播到全息传播

美联社的智媒实践表明，人工智能技术逻辑下的内容生产方式事实上改变了以往利用单一途径进行新闻生产的模式，通过多种人工智能技术的融合最大限度地形成了对某一新闻事件的全息传播：基于海量数据的支撑和算法的精准制导，美联社在获取数据后分析、提炼观点，并结合固有的结构和模式进行故事化叙事。与此同时，快速生成的文本还可以配合智能播报技术提供语音信息，配合可视化图表完成可视化新闻的转变，配合VR及AR技术实现读者的沉浸式体验。

@种融合机器新闻写作、智能播报、新闻可视化和VR技术的全方位新闻生产模式能够充分还原社会实践发生发展的过程，表达新闻事件的全息原貌，有效地规避了过去新闻受制于媒介传播的弊端与局限。基于数据和算法的准信息采集、加工的全面智能化，在互动传播、互动体验高度发达的助力下，能够达到全息传播的境界。而人工智能支撑下的VR（虚拟现实）、AR（增强现实）、MR（混合现实）技术将彻底大众传播时代的选择性传播，实现社会信息原汁原味的全息传播。

2.传播方式：由同质化到分众化、精准化

互联网技术的发展使得新闻资讯的获取更为便捷化、免费化，传统媒体和新兴媒体在竞争中也推动了传媒行业的融合变革，海量信息的生产带来的是同质化新闻的严重超载。单一、同质的新闻资讯已经难以满足不同受众人群的需求，有效采集“长尾资讯资源”的分众化、个性化的新闻成为了众多资讯用户的迫切需求。

机器新闻写作能通过对不同语料库语言风格的智能化学习，可以自动生成适应不同人群语言习俗的表达方式。美联社与News Public的合作增强了新闻资讯在传播渠道投放的精准性。人工智能驱动下的传媒产业正在通过对不同语言风格的智能学习，将聚类、标签化的新闻资讯精准投送给不同的受众群体。当前人工智能技术驱动下的传媒业正往分众化、精准化的趋势快速发展。当然，事实上，目前用户洞察数据的“聪明算法”还远不够聪明，容易造成 “信息茧房”的负面效应。但如果我们看到：算法本身是可以进一步优化的，尤其是以目前的行为数据匹配上用户间社会关系的属性数据；再辅之以通过“人机对话”聊新闻的方式、通过资讯类别的组团化、标签化处理，在可预见的未来，“聪明算法”对于人们真实需求的逼近是可能的和必然的。

3.传播主体：由受众到人机协调

在人工智能全面渗透到信息传播的全环节全要素之后，人的价值何在？控制论的创始人诺伯特・维纳（Norbert Wiener）深刻地指出：“人有人的用处！”

机器学习是人工智能的第一项普及化技术。一些简单重复、数量庞杂的工作可以用人工智能中的机器学习的方式来替代，减轻人信息加工的负担。根据现阶段技术发展的逻辑，我们有理由预计，2017年用于数据处理的人工智能技术将会有一些重大突破。现在对基于用户洞察和基于数据找寻信息传播的路径这一块的要求越来越高，这是传播绩效最基本的要求。而要开发非共性的“利基市场”、开发分众化的“长尾市场”，一定要有相关的数据作为路径导引和技术支撑。因此明年在这一领域会有比较大的提升。用户洞察、数据路径辅之以机器学习，会成为传媒业普遍使用的人工智能的一种方式。

在人际交互方面，人工智能也能帮助人去采集必要的相关资讯。《环球时报》的总编胡锡进就某一争议性话题撰写社论前，他通常会从其专家库中挑选左右各派的几位专家，在听取他们的意见后才下笔撰稿。这种传统工业化流程的社论撰稿模式其实是可以借助人工智能来完成的。。这就是人C如何互动的具体应用。

其实有些东西对人来说是困难的，但对机器来说是简单的。只要符合一定的规则，进行重复性的检索和采集对机器来说是再简单不过了。相反，如果我们要从跨界的角度来（下转第150页）（上接第138页）找到两者的关联，机器却很难做出一些超越其界限的评判，因为机器是在人制定的规则范围内运行的。李世石和Alpha Go在围棋对决中赢了一局恰恰是因为李世石下了一招很陌生的棋，但这步棋却超出了Alpha Go的认知范围，从而导致Alpha Go在后面的应对中显得很业余。现在机器对于规范性的文本可以进行很高效的处理，但一旦规则变了，机器就跟不上，这时候就需要人的帮助。因此人是跨界的实现者和设计者，人知道如何实现不同资源的调度和“混搭”，而机器却很难实现这种“混搭”。这其实是未来一段时间内人和机器之间最大的不同。人有天生的直觉和跨界的通感能力，现阶段的机器还没有这类跨界与通感能力。我们可以通过直觉和顿悟去把握一个人、一种事态的感觉，但机器却无法理解和模仿这种行为。

。未来自动化、智能化技术搭配新闻从业者的专业经验和智能的指导能极大地新闻生产力，推动传媒行业的发展与创新。

参考文献：

[1]廉师友.人工智能技术导论[M].西安：西安电子科技大学出版社.2002.

[2]许向东. 数据新闻中传感器的应用[J]. 新闻与写作， 2015，（12）：70-72.

[4]龚隽鹏，任文，张鹏洲.机器写作在新闻领域应用的思考.中国传媒科技，2016，（5），58-50

[5]申云.“机器人新闻写作”对新闻采编的机遇和挑战[J].今传媒，2016，（11）：115-116.

人工智能技术路径范文5

2015年12月，微软亚洲研究院首席研究员刘铁岩博士去蒙特利尔参加了NIPS年会(Annual Conference on Neural Information Processing Systems)，这是人工智能领域的顶级学术会议。但与会期间，他印象最深的不是同行的专业进展，而是一位科学家告诉台下的与会者，早些年，他的博士生根本找不到工作，今年却被一抢而空。

这也是中国正在发生的故事。从硅谷到北京，人工智能都是热浪滚滚。这个在上世纪50年代和80年代掀起过两次的技术，现在似乎真的到了产业化的临界点。互联网时代的思想家和预言家凯文·凯利宣称，人工智能是下一个20年里人类社会的技术，它的力量堪比电与互联网。

人工智能(Artificial Intelligence)，缩写为AI。它是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

。人机围棋对弈只是普及人工智能的一个秀。它的背后是规模千亿级的人工智能产业市场。BBC预测，2020年全球人工智能市场规模将达1190亿元人民币。

目前看，这一数据远比不上2015年中国移动互联网的产业规模。但人工智能的意义不仅于此，人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代。它甚至将超越移动互联网，全面改变人类的生活和工作方式。

离人工智能最近的IT互联网公司敏锐嗅到了这一机遇。从2011年开始，包括深度学习算法、计算资源和大数据产业的成熟令人工智能技术实现飞跃，包括微软、IBM、谷歌、Facebook、BAT在内的国内外企业都开始深度布局人工智能，试图把握风口，成为下一个产业变革的巨擘。

已布局人工智能的IT和互联网巨头们，最有资格成为这一轮的获益者。但这终究是一个漫长的耐力游戏，除了技术布局，产业布局和战略视野也是决定成败的关键因素，短视者将随时出局。

BAT保守布局

中国的所有行业中，以BAT为代表的互联网行业在人工智能研究和商业化探索方面走得最早，也看得最远。其中，技术起家的百度走在最前端。

2012年10月，百度董事长兼首席执行官李彦宏参加了内部的一个基于深度学习的语音识别产品研究会。当时该产品的主导者余凯回忆，那是李彦宏第一次知道深度学习，他非常吃惊，并给全公司写信，让所有产品经理都要了解人工智能技术的发展。

当年12月，李彦宏开始和余凯讨论成立深度学习研究院的可行性。次年7月，这个研究院成立，李彦宏任院长，余凯为常务副院长。这是中国公司里的第一个人工智能研究院。

李彦宏很快将相关技术投入到搜索的核心业务中。2014年的百度内部统计数据显示，深度学习技术的应用，让百度和竞争对手的Diff(different，内部叫Diff)指标提升了若干倍。

但人工智能的科研，尤其是基础科学研究，是一个冗长寂寞的过程。此后，迫于财务数据和竞争压力，百度的决策者们更加注重眼前的布局和资源。

“到了后期，太长远项目，或是比较创新的项目，百度总部确实不太支持了。百度i站的项目、百度快搜这样的项目没了。”一位不愿具名的前百度人工智能研究岗位人士评价。一位现任百度相关人士对《财经》记者表示，百度前些年确实剔除了不少经过验证没有商业化前景的分支项目，但最近两三年，百度明显加大了在人工智能上的投入，包括无人驾驶汽车等长期项目。

6月8日，在2016百度联盟峰会上，李彦宏将百度无人驾驶汽车称作“一台带轮子的电脑”。他现场播放了百度无人车路测的实况录像，百度无人车已经可以像正常车辆一样加速、并线、超车，他同时表示，三五年之内，无人驾驶一定可以成为现实。

从整体来看，百度仍是BAT三家中首先完成有关人工智能技术体系整合的公司。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。李彦宏多次向外界强调，百度未来的发展将严重地依赖人工智能。

IBM研究院一位人工智能专家告诉《财经》记者，百度是被他们列入竞争列表的唯一中国公司。

硅谷尤其关心“百度大脑”的进展。百度大脑是百度在人工智能领域的核心。百度此前的诸多人工智能产品，如无人驾驶、智能搜索等，都是基于百度大脑的能力。

百度高级副总裁、自动驾驶事业部总经理王劲称，百度大脑已具备视、听、说和预测、规划决策以及行动控制的能力。在数据方面，百度有万亿级的网页、移动和行为数据可供分析。在深度学习方面，百度的万亿参数排在世界第一。

2015年，百度的研发投入超过100亿元。占百度2015年总营收663.82亿元的15%。

百度正在计划将百度大脑在金融、汽车、医疗等领域商业化。李彦宏称，人工智能的“井喷式”创新，将推动互联网进入第三幕，并将重构传统产业。比如“人工智能+金融”，可以快速地实现征信升级，实现“秒放”贷款。

阿里巴巴和腾讯的布局则更加克制。或者说，它们更代表中国公司的普遍做法，从业务驱动开始，逐渐加大档位。

阿里从2011年开始布局互联网医疗，投资收购和战略合作的公司数以百计。围绕医院、医保、医药做了大量布局。最新的统计数据显示，全国已经有超过400家大中型医院加入阿里的“未来医院”计划，覆盖全国90%省份。阿里云人工智能首席科学家闵万里博士告诉《财经》记者，阿里在健康医疗领域的布局快慢，取决于阿里在人工智能领域的技术突破。

阿里的设想是，未来，在阿里遍布全国边远山村的医院医疗点里，病患足不出户，只需拍一张CT，通过远程技术来完成专家级的诊疗过程。这种诊疗，依赖的就是基于阿里云的人工智能医疗系统。随着学习数据的不断增加，机器会变得越来越聪明，最终成为一个“永不退休的医学专家”。

多位接受《财经》记者采访的专家评价，阿里这个技术并不复杂，医疗诊断是基于经验的专家型劳动，是机器擅长的经验学习，三年内该技术便可成熟。

闵万里告诉《财经》记者，要实现这个目标，除了技术平台，还需要整个医疗体系的打通，需要和社会共同推动设备和资源的开放。一旦打通，聚合在一个人工智能服务平台之上，就将衍生出更多的应用服务场景，从而实现“商业和技术互为驱动”。

阿里是目前中国所有公司里，数据生态最完善、最健全的公司。iPIN创始人兼CEO杨洋认为，阿里的MaxComputer数据通道，是非常健康的数据大动脉，可以将阿里的所有数据资源非常高效地结合在一起。

此外，阿里云也是目前世界上最接近AWS(亚马逊云服务)的云计算平台。数据生态体系是做人工智能的重要基础。因此，在这场有关未来的布局中，阿里云的主导地位清晰。

阿里的人工智能研究分散在其各个业务分支之中，有待整合。闵万里说，阿里希望在算法能力上有所突破，这需要一个集中的技术机构来整合阿里的所有相关技术资源。

腾讯和阿里的情况类似。腾讯在人工智能上的布局，以IM和SNS业务为基础。。

其中一些技术已在腾讯内部实现产品化。。。WXG推出了智能机器人“小微”，用户可以用自然语言与之沟通，解决此前语音助手智能机械应答的短板。。

腾讯高级副总裁姚星在接受《财经》记者采访时表示，腾讯越来越重视在人工智能领域的技术开发，这包括两个路径：一是整合腾讯自身的技术资源，形成体系和重点;二是加快对优秀公司的收购和合作步伐。

腾讯参与了多个人工智能项目的早期投资。腾讯投资并购部一直在为公司寻找需要的标的，服务于腾讯的整体战略。腾讯日前与硅谷风投机构Felicis Ventures领头了人工智能创业公司Diffbot 1000万美元的A轮。这家公司通过人工智能技术，让“机器”抓取网页关键内容，并输出软件可以直接识别的结构化数据。

BAT的人工智能技术研发从第一天开始就是商业需求驱动的，他们从业务入手，收购甚至模仿别人的东西，这种做法避免了漫无目的研究和不必要的失败，但也无法保证在下一轮的人工智能平台大战中胜出。

今年，阿里和腾讯均有组建人工智能研究院的想法。姚星对《财经》记者说，很快，腾讯人工智能研究院就会成立。

国际巨头深入无人区

如果说BAT的人工智能布局处于对标和追赶的状态，那么以IBM、微软、谷歌、Facebook为代表的美国巨头公司已经开始深入科技无人区。

这些公司技术和业务各有所长，面向的用户也不同，但它们的目标一致：把人工智能机器做大、做强、再做没。

IBM和微软可能没有谷歌、Facebook看起来那么酷，但在人工智能领域有深厚的技术底蕴，IBM甚至已经开始用人工智能赚钱。

IBM人工智能研究可以追溯到1997年“深蓝”战胜当时的国际象棋世界冠军卡斯帕罗夫。2011年，代表着IBM在认知计算领域最先进技术的Watson在一个电视节目中一战成名，被认为是人工智能历史上的一个里程碑。

今天可以代表IBM在人工智能领域最高技术水平的，是不断进化中的Watson系统，和已经可以量产的人脑模拟芯片SyNAPSE(超大规模神经突触计算机芯片)。

Watson是一台超级计算机，最初由90台IBM的Power 7服务器并行组成。和Google、微软的人工智能相比，它从硬件芯片构架就开始模拟人类神经元，基于IBM的“DeepQA”技术开发。2014年1月初，IBM宣布组建“Watson 。

Watson已经开始为IBM赚钱了。法国农业信贷银行预测，Watson系统创造的收入将在2018年占IBM总收入的12%以上。Watson已经被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、微软等大型科技公司在云计算领域展开竞争的武器。

另一个代表性产品是IBM在2014年的人脑模拟芯片SyNAPSE。该芯片能够模仿人脑的运作模式、低功耗，在认知计算方面要远胜传统计算架构。和其他芯片公司的纸上规划不同，这款芯片已达到量产要求。

IBM将其技术和商业实力总结为“认知计算体系”。IBM大中华区副总裁、战略部总经理郭继军向《财经》记者表示，IBM推动认知计算体系，目标是把IBM在人工智能、大数据、深度学习、模式识别等所有领域里所做的积累应用到各个行业中去，帮助各行各业客户提升效率，解决他们所面临的现实挑战。

微软人工智能技术的研究已超25年。1991年微软成立研究院，最早的五个研究组，研究方向分别是人机交互、自然语言处理和机器学习、语音识别和语音合成、计算机视觉。这些恰恰是今天人工智能的几个最重要的分支。

微软的人工智能研究方向要宽泛很多，微软研究院拥有超过1000位科学家，在包括深度学习的多个领域的技术布局处于世界顶端。

微软最新的深度学习系统在2015年ImageNet计算机视觉识别挑战赛中，将计算机视觉系统错误率降低至3.57%，相比于人眼辨识的5.1%，这是人工智能首次在识别图像的错误率上超越人类水平。这些机器由微软的Azure云服务提供支持。

微软不仅将人工智能技术应用于如Windows、Azure等核心业务中，还构建开放的平台，将多年的技术积累开放给产业界，它的目标是打造一个人工智能生态圈。

它在无人区走得最远，在现实商业世界中隐蔽得最深。

和前辈相比，年轻的谷歌在人工智能领域做的事情更让外界看得懂，也更兴奋。谷歌一方面不知疲倦地做底层人工智能技术的积累，研发更加高级的深度学习算法，增强图形识别和语音识别能力。另一方面亲力亲为布局了包括智能家居、自动驾驶、机器人(2013年收购了8家机器人公司)等领域，前者为后者带来基础技术支撑，后者为前者提供数据和反馈。

值得一提的是，谷歌在无人驾驶汽车领域的技术积累，已经远远超过传统汽车厂商和其他互联网公司。

更加年轻的Facebook，将人工智能视为未来的三大方向之一。Facebook天然拥有全球范围内的海量社交数据，但在基础科学的研究上依然不遗余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员田渊栋称，FAIR的研究方向自由宽松，研究所需的计算资源(如GPU)相对丰富，同时也没有近期的产品压力，可以着眼长远做困难和本质的研究。他称，这样的学术氛围在各大公司是极其少见的。

如果说前述几大巨头都是从人工智能技术出发，结合云计算赋予技术更多势能，那么亚马逊的路径正好相反。亚马逊是全球第一大云服务提供商，它的云服务收入超过微软、IBM、谷歌、Salesforce等所有对手的总和。但亚马逊目前的人工智能技术，多数集中在提升购物体验的深度学习领域。

人工智能技术有两大要素：核心技术平台和数据循环。只拥有技术是不够的，需要业务和数据结合，才能打造好的技术。对循环数据的获取，巨头们也都不遗余力。

以最热衷开源的微软为例，去年，微软了“牛津计划”(现更名为“微软认知服务”)，这是一个基于微软云平台的智能API(应用程序编程接口)，涵盖了五大方向的人工智能技术，包括了计算机视觉、语音、语言、知识、搜索五大类API。去年夏天火爆的How-Old.net，就是借助该平台快速开发出来的一款应用，一共只有20多行代码。

类似的工具包微软还有很多，例如深度学习工具包(CNTK)和微软亚洲研究院主导的微软分布式机器学习工具包(DMTK)等。

这些对于创业公司和中小企业来说相当实用。他们不用从底层技术一点点学，在小集群上或者是云服务上就可以直接调用。

对于巨头来说，算法已经不再是竞争的障碍，数据和用户习惯才是山头。大量的初创企业会采用开源做很多垂直领域的业务，其中包括海量试错和验证，最终也会反馈回开源，而这正是巨头们所期望的。

做B2B生意的IBM对数据的专业度要求更高，无法仅依赖搜索引擎和大量应用的交互来训练Watson系统，因此通过深度合作和并购来获取专业数据。

以医疗领域为例，IBM和多家世界级顶尖医院合作，向医院部署Watson的智能系统，通过分析这些医院的病历、专家的治疗经验、现有的学术研究等，帮助它们制定、观察和调整癌症患者的治疗方案。在这一过程中，Watson也就有了这一领域的数据积累。

2015年4月，IBM收购了Explorys，它是一家可以查看5000万份美国患者病历的分析公司。类似的收购IBM还有不少，并且出手相当大方。

Watson已经可支持针对乳癌、肺癌和结肠直肠癌、皮肤癌等癌症的初期诊断。在皮肤癌领域，在一项对3000幅皮肤镜检查图像的研究中，Watson识别皮肤癌的准确率高达95%以上。而人类识别皮肤癌的准确率只有84%。

国内的一位人工智能业者调侃，国际巨头在人工智能领域真正有价值的是它们的那些你看不见的、没开源的、国际会议上含含糊糊一笔带过的技术。“那些才是可以未来的弹药。”

填补断层

人工智能的产业结构可以分为三层：应用层、技术层和基础层。应用层聚焦在人工智能和各行业各领域的结合;技术层是算法、模型和技术开发;基础层则是计算能力和数据资源。

BAT擅长第一层。BAT手中，天然握有全球最大的数据资源。但在第二层和第三层严重断层。中国在人工智能领域的科研水平停留在工程数学、物理算法等工程科学的创新层面，基础理论研究领域的人才和资源很少。

多位接受《财经》记者采访的中外业者认为，BAT的优势在于海量数据，和国际巨头的核心差距在技术。

腾讯高级副总裁姚星告诉《财经》记者，今年初，他和腾讯的投资并购部达成了一个共识，开始大量考察美国的机器学习平台类创业公司。一则中国这类技术公司不多;二则收购这种公司可以快速补足腾讯在算法领域的不足。

姚星向《财经》记者分析，同样提供10万个样本给机器，优秀的算法平台可能只需要几个小时，速度慢的可能需要几天时间。

对于海外收购，搜狗公司CEO王小川则更加直白：“国内适合收购的标的公司很少，因为根是断的，(技术和基础研究)源头在国外，要到国外看。”

在快速迭代的互联网世界里，即便是互联网巨头，单打独斗练独门秘籍也会错失良机。最佳方式，就是拥有数据和拥有技术的公司，通过各种结盟方式形成优势互补，快速抢占市场。

2014年11月，蚂蚁金服宣布和旷视科技战略合作，利用后者的人脸识别技术Face++软件去确认开立在线银行账号的用户身份，即“人脸支付”。

Face++在人脸检测的多项指标评测中接连拿下世界第一。。三年后，这一准确率已提高至99.5%。

进行面部识别，需要处理大量来自面部的数据信息，包括结构、五官以及肌肉等方面的数据分析。阿里云为这个合作注入自身的数据和分析能力。

“凡是花钱解决的问题都不是问题，阿里可以自己完成这些事情，但时间成本是相当昂贵的。”闵万里对《财经》记者说，“阿里有1000件同级别的事情要做，能做好的只有其中几件，剩下的用投资+合作，这是时间和资本效率最高的做法。”

技术和数据的结盟并不限于BAT，更多的公司希望通过结盟方式获得未来，新的巨头或许从中诞生。

。。除此之外，搜狗还在去年11月战略投资知乎1200万美元，全面接入知乎内容。

。”

  李彦宏称，人工智能拥有广泛的商业用途，人工智能的“井喷式”创新将重构传统产业。

今天，技术和数据的天然开放性让各公司之间的竞争变得“我中有你、你中有我”，最终的赢家是可以将技术和数据平衡利用，达到平台效益最大化的公司。

微软亚洲研究院常务副院长芮勇认为，横向对比，中国和国际领先公司在核心技术上确实存在差距，国外更加注重基础研究和技术研发，国内企业可以将国外的研发工具化、商业化;从纵向看，中国在人工智能领域的技术积累近几年确实出现了飞跃，无论是最底层的计算机体系架构，还是智能硬件，或是上层软件应用，都有质的进步。

“只要不太急于求成，持之以恒地投入，中国的人工智能产业相当值得期待。”芮勇说。

挤出泡沫

马云在一次内部讲话中强调：“全球都在讲人工智能，到了风口浪尖，在创新面前，没有第二只有第一，创新落伍了，你就输了。”

焦虑的不仅是BAT，华为公司创始人任正非5月30日在全国科技创新大会上发言提到，“未来二三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。如果不能坚持创新，迟早会被。”

开放趋势之下，人工智能也注定不是一场巨头间的战争。

市场调研机构CB Insights的统计数据显示，2014年风险资本对人工智能的投资增长302%，达到3.09亿美元。

中国人工智能领域已有近百家创业公司，65家获得投资，共计29.1亿元人民币，其中旷视科技、优必选、云知声、SenseTime四家公司登上艾瑞独角兽榜单。

更多初创公司只是打上了人工智能的标签。它们本质上是用国际开源的平台，用数据训练一两个模型，甚至照搬国际模型，这其实潜含危险，最大的风险是产品严重同质化，尤其在人脸识别、语音识别等成熟领域，这些公司的产品没有突破性创新，根本没有继续走下去或被收购的价值。

姚星常常为投资人鉴定真伪人工智能公司。他说，辨识伪人工智能公司有两个关键点：一是这家公司所采用的技术是否是最新、最前沿的技术，如果不是，则是用人工智能概念包装的伪人工智能。

其二，这家公司的技术和业务是否具备可扩展性?若否，则是采用部分机器学习算法或浅层人工智能技术的商业公司，而非真正的人工智能公司。

iPIN是一家拥有文本认知智能技术的公司，从去年开始，iPIN收到了不少投资机构的投资意向，该公司创始人兼CEO杨洋告诉《财经》记者，到目前为止，他还没有遇到真正有能力鉴别人工智能技术水平的投资机构。

“这对于做伪人工智能的公司绝对是一个好消息。”杨洋调侃说。

危险在于，就算是一些初创时期确实手握人工智能独特技术和商业模式的公司，也在资本的胁迫下慢慢走形。

在资本的压力之下，一些人工智能创业公司开始过早商业化，研发投入逐步降低，人员结构也发生变化，销售开始主导公司，最终技术公司变成营销公司，失去了被并购的价值。

投资人工智能公司，需要专业技术知识和长线投资眼光。根据Gartner的“智能机器炒作周期图”，由人工智能驱动的应用中，语音识别产业化最高，自动驾驶汽车和智能顾问处于炒作最高点，智能机器人、自然语言处理/生成和虚拟个人助手则处于爬坡期。这些都属于5年-10年内能广泛普及的性技术。而神经形态硬件(如神经元芯片等)属于10年以后才能普及的技术，但该技术可能还没研发成熟就被淘汰了。

需要在这一轮变革中保持耐心和恒心的还有和高校。人工智能涉及计算机科学、生物学、社会学、哲学、材料学、工程学等多个学科，中国高校基础学科的研究能力无法被充分利用，内缺乏一套产学研流畅对接的机制。这导致中国高校在这次产业变革中严重缺位。从美国的经验来看，正是其从法律、机制上保证了产学研的平滑转换，才令美国在这一轮的人工智能研究中占据上风。

一些乐观的投资人认为，技术发展本身就是驱逐泡沫的手段，“不用很长，一年或一年半的时间，很多真实情况就会暴露出来，泡沫也将逐渐散去”。

人工智能技术路径范文6

关键词：游戏开发 人工智能 状态空间搜索 A*算法

中图分类号：TP301 文献标识码：A 文章编号：1007-9416(2012)06-0135-01

近年来，随着游戏产业的发展，越来越多的游戏开始采用人工智能技术提高游戏的可玩性。在游戏中，玩家操控主要角色，而其他角色的行为逻辑由人工智能操纵。大部分游戏在开发过程中都会遇到路径探索问题：即如何快速、准确地计算出游戏角色从地图中的A点到达B点的一条路径，优秀的寻路算法一直是游戏开发者追求的目标，同时也是人工智能基础算法之一。

1、常见状态空间搜索算法

当求解一个问题时，由于求解问题的过程中分枝有很多，使得求解的路径很多，就构成了一个图，这个图称之为状态空间，问题的求解就是在这个图中找到一条路径可以从开始到结果，这个过程就叫做状态空间搜索。常见的状态空间搜索有深度优先和广度优先，深度优先即是先按照一定的顺序搜索完一个分枝再搜索另外一个分枝，广度优先即是从起点开始一层一层向下找，直到找到目标为止。它们在状态空间规模不大时是一个好的选择，但是它们有一个很大的缺陷就是在状态空间中穷举，当状态空间很大时，要搜索的节点数就会增长很快，效率很低，这时就需要用到启发式搜索了。即是在搜索时对下面将要搜索的每一个位置进行价值评估，这样就可以省去大部分无谓的搜索过程从而提高搜索效率。

2、A*搜索算法

启发式搜索也有很多的算法，如局部择优搜索法、最好优先搜索法等，这些算法都使用了启发函数，区别在于选取最佳搜索节点时的策略不同。局部择优搜索法，就是在搜索的过程中选取最佳节点后舍弃其他的节点一直搜索下去。这种搜索的结果很明显，由于舍弃了其他的节点，可能也把最好的节点都舍弃了，因为求解的最佳节点只是在该阶段的最佳并不一定是全局的最佳。但最好优先在搜索时，没有舍弃节点（除非该节点是死节点），在每一步的估价中都把当前的节点和以前的节点的估价值比较得到一个最佳的节点，从而有效的防止最佳节点的丢失。

A*搜索算法从本质上讲是一种加上了约束条件的最好优先搜索算法，用于在一个二维网格中寻找一条从指定点到另一点的最短路径。使用A*搜索算法之前要把问题简化为一个二维网格。

如果在一个二维网格中，A为起点，B为终点，如果一个人要从A点走到B点应该怎么走呢？我们做如下操作：

(1)从点A开始，并且把它作为待处理点，存入一个“开启列表”。开启列表就像一张购物清单。尽管现在列表里只有一个元素，但以后就会多起来。你的路径可能会通过它包含的方格，也可能不会。它只是一个待检查方格的列表。(2)寻找起点周围所有可到达或者可通过的方格，跳过标记为无法通过的方格。把他们加入开启列表。保存点A作为所有这些方格的“父方格”。(3)从开启列表中删除点A，把它加入到一个“关闭列表”，关闭列表中保存所有不需要再次检查的方格。接着，我们选择开启列表中估计值最低临近方格。每个启发式搜索算法都有一个估价函数，A*搜索算法的估价函数是F=G+H,G从起点A，沿着产生的路径，移动到指定方格的移动耗费，H从指定方格移动到终点B的预估移动耗费。这里计算从当前格到目的格之间的距离的平方。为了继续搜索，我们简单的从开启列表中选择F值最低的方格。然后，对选中的方格做如下处理：(4)找到F值最低的方格，把它从开启列表中删除，然后添加到关闭列表中。(5)检查所有相邻格子，如果他们还不在开启列表里面的话，把他们添加进开启列表。把新的方格作为选中的方格子节点。跳过那些已经在关闭列表中的或者不可通过的。(6)如果某个相邻格已经在开启列表里了，检查现在的这条路径是否更好。换句话说，检查如果我们用新的路径到达它的话，G值是否会更低一些。如果不是，那就什么都不做。如果新的G值更低，那就把新的方格的父节点设为目前选中的方格。按此方法，不断的找更低的F值，寻找下一个要处理的方格，直到B方格被加入到关闭列表为止，从B方格开始一直找它的父节点知道A方格，这条路径即是A，B间的最短路径。如果B点没有被加入关闭列表，则说明B点不可到达。

3、在游戏中使用A*搜索算法

首先把游戏中的地图划分为一个个小方格，用二维数组来表示，方格的位置用数组的下标来表示。可通过的方格，其数组的值赋为0，不可通过的赋为1，然后把NPC所在的位置坐标及目标地点的坐标转变为所在方格在数组中的索引，在这个数组中使用A*寻路算法，然后把找到的路径数组索引转化为地图上的坐标加入到NPC的路径列表里面，NPC就依次移动到这些关键点，形成一条完整的路径，但是在游戏中NPC移动过程中会穿过障碍物的拐角，这显然是不符合真实世界的规律的，这里就体现到了估价函数的重要性了，如果斜线方向上的方格周围有障碍的话，就要提高那些方格的G值，这样NPC的行走路线才符合生活常识。

4、结语

A*算法在搜索过程中虽然不可避免的用到了穷举，但是由于启发函数的存在，极大的减小了搜索的规模，提高了搜索效率。作为人工智能领域的基本算法之一，A*算法极大的丰富了游戏的表现，提高了游戏的可玩度，值得深入研究。

参考文献

[1]周艳霞,唐新春.基于A*算法的海底地形等深线模型构建方法研究[J].海洋测绘,2010.3.

[2]王同喜,孙淑霞.基于A*和Bresenham相结合的网络游戏寻路算法设计与实现[J].成都理工大学学报（自然科学版）,2007.4.

[3]詹志辉,胡晓敏,张军.通过八数码问题比较搜索算法的性能[J].计算机工程与建设,2007.11.

[4]王海霞,王春莲.浅析计算机人工智能启发式搜索函数[J].电脑知识与技术,2008.8.