自2006年深度学习算法提出以来，大数据爆发式增长从2012年开始，人工智能领域的各个技术分支也不断发展。与人工智能相关的产业化实施方案和商业化模式逐渐清晰。细分领域技术分支的代表企业及其竞争格局也逐渐形成。近日，中国科学院大数据挖掘与知识管理重点实验室发布《 2019 年人工智能发展白皮书》、人工智能关键技术（计算机视觉技术、自然语言处理技术、跨媒体分析与推理技术、智能自适应学习技术）、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等），人工智能的典型应用行业和场景（安防、金融、零售、交通、教育、医疗、制造、健康、等）已被整理出来。并根据调研数据，重点分析人工智能各细分领域的关键技术和产业应用，发布全球人工智能企业TOP20榜单。微软、谷歌、Facebook和百度位居榜单前列。白皮书显示，中国人工智能的全球影响力不断提升，已成为引领人工智能创新落地的有力竞争者。在人工智能深入各行各业的过程中，主要的人工智能技术仍掌握在大型科技公司手中，而人工智能开放创新平台让人工智能惠及更多的企业和用户，有利于推动人工智能的发展。整个行业的发展，加速人工智能的发展。智能社会的建设具有重要的推动价值。如需获取本报告pdf全文，请在雷锋网（公众号：雷锋网）微信（leiphone-sz）回复关键词“319举报”进行提取。来源：中国科学院大数据挖掘与知识管理重点实验室《2019 年人工智能发展白皮书》人工智能关键技术不断取得突破1.计算机视觉技术计算机视觉（ComputerVision）是一门研究如何制造机器的科学”看”。换句话说，它是指用照相机和计算机代替人眼来识别、跟踪和测量目标的科学。近年来，计算机视觉技术取得了飞速发展。学术上的主要原因是2015年基于深度学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过了人类。同年，谷歌也开源了自己的深度学习算法。计算机视觉系统的主要功能是图像采集、预处理、特征提取、检测/分割和高级处理。2.自然语言处理技术自然语言处理（NLP）是一门通过建立形式化的计算模型来分析、理解和处理自然语言的学科，也是一门横跨语言学、计算机科学、数学等领域的学科。跨学科。自然语言处理是指利用计算机对自然语言的形、音、义等信息进行处理，即输入、输出、识别、分析、理解、生成词、词、句的运算和处理。,和文本。自然语言处理的具体表现包括机器翻译、文本摘要、文本分类、文本校对、信息抽取、语音合成、语音识别等。可以说，自然语言处理就是让计算机理解自然语言。自然语言处理机制涉及自然语言理解和自然语言生成两个过程。自然语言理解就是让计算机把输入的语言变成有趣的符号和关系，然后再根据目的进行再加工；自然语言生成就是将计算机数据转换成自然语言。实现人机信息交换是人工智能、计算机科学和语言学领域共同关注的重要问题。自然语言处理的研究可以分为基础研究和应用研究两部分。语音和文本是这两类研究的重点。基础研究主要涉及语言学、数学、计算机科学等领域，相应的技术包括消歧和语法形式化。应用研究主要集中在自然语言处理的一些应用领域，如信息检索、文本分类、机器翻译等。由于我国对机器翻译基础理论的研究起步较早，基础理论研究是理论基础任何应用的基础，因此语法、句法、语义分析等基础研究一直是研究的重点，而随着互联网技术的发展，智能检索的研究也在近几年逐渐升温。近年来，计算机视觉在工业界和学术界不断取得突破。代表组织有谷歌、阿里、百度、搜狗、科大讯飞等公司，清华大学、艾伦人工智能研究院等高校/科研院所及其他各类组织或个人。3.跨媒体分析推理技术以往的媒体信息处理模型往往只对单一形式的媒体数据进行推理分析，如图像识别、语音识别、文本识别等，需要处理的任务越来越多能够协同综合处理各种形式（文本、音频、视频、图像等）的信息，这就是跨媒体分析和推理。跨媒体是一个比较宽泛的概念，它不仅表现为包括网络文本、图像、音频、视频等在内的复杂媒体对象的混合共存，还表现为各种媒体对象之间形成复杂的关联和组织结构，并且存在不同的模型。最先进的媒体对象具有跨媒体或平台的高度交互性和集成性。“跨媒体”可以从各自的侧面表达相同的语义信息，比单一的媒体对象及其特定的模态更能全面地反映特定的内容信息。相同的内容信息跨各种媒体对象交叉传播和集成。只有对这些多模态媒体进行整合分析，才能尽可能全面、准确地理解这个跨媒体综合体所包含的内容信息。跨媒体分析与推理技术主要包括跨媒体检索、跨媒体推理和跨媒体存储。可应用于网络内容监管、舆情分析、信息检索、智慧医疗、自动驾驶、智能穿戴等领域。4.智适应学习技术作为教育领域最具突破性的技术，智适应学习技术（IntelligentAdaptiveLearning）模拟教师对学生一对一教学的过程，赋予学习系统能力个性化教学与传统千人千面相比，智适应学习系统为学生带来个性化的学习体验，提高学生的学习参与度和学习效率。采用智适应学习技术的学习系统可以针对学生的特定学习情境提供个性化的学习解决方案，包括定位学生的知识漏洞，持续评估学生的学习能力水平和知识状况，实时动态提供个性化的学习内容。智适应学习技术让一直困扰教育领域的质量、成本和可及性三个相互矛盾的因素成为历史。智适应学习技术体系包括知识状态诊断、能力水平评估和学习内容推荐等。知识状态诊断技术是指通过少量试题，在短时间内准确诊断出学生的知识漏洞。该技术较常用的算法是知识空间理论。能力水平评价技术是指对学生的知识掌握情况进行评价，分析学生的学习能力、学习思维和学习方法的提高情况。该技术较常用的算法是项目反应理论和贝叶斯知识跟踪。学习内容推荐技术是指根据学生的学习情况推荐合适的学习内容。该技术更常用的算法是机器学习算法。该算法将学生的所有信息作为输入，输出为学生接下来需要学习的内容。以学习效率最大化为目的。目前，全球已有超过1亿学生在使用智适应学习系统，涵盖从小学、初中、高中到高等教育、职业教育和成人教育的各个年龄段，并已应用于文、理、工、医等不同学科领域。5、集体智慧技术集体智慧又称集体智慧、集体智慧。群体智能是一种共享智能。这是一个收集很多人的意见，然后将其转化为决策的过程。它用于对单个个体的风险做出随机决定。群体智能的研究实际上可以认为是社会学、商业学、计算机科学、大众传媒和大众行为学的一个分支。场地。群体智能起源于对以蚂蚁和蜜蜂为代表的社会性昆虫群体行为的研究。自1991年意大利学者Dorigo提出蚁群优化理论（ACO）以来，群体智能被正式承认为一种理论。提出，并逐渐引起了大批学者的关注，从而掀起了研究高潮。1995年，肯尼迪等学者提出粒子群优化算法（ParticleSwarmOptimization，PSO），自此对群智能的研究迅速开展。目前对群体智能的研究主要包括智能蚁群算法和粒子群算法，而智能蚁群算法主要包括蚁群优化算法、蚁群聚类算法和多机器人协同合作系统。其中，蚁群优化算法和粒子群优化算法在解决实际问题中应用最为广泛。6、自主无人系统技术自主无人系统是指无需人为干预，通过先进技术即可运行或管理的系统。它是由机械、控制、计算机、通信、材料等多种技术组成的复杂系统。.自主无人系统可应用于无人驾驶汽车、无人机、服务机器人、太空机器人、海洋机器人、无人车间、智能工厂等场景，实现降本增效。七、智能芯片技术近年来，我国学术界和产业界加大了对芯片技术的研发力度，国产智能计算芯片技术不断取得新成果。一些基于传统计算架构结合各种软硬件加速方案的芯片在一些人工智能应用场景中取得了巨大的成功，但由于市场需求的多样性，很难有任何单一的设计和方法能够很好地适用到各种情况。因此，学术界和工业界涌现出各种专门针对人工智能应用的新颖设计和方法，涵盖了从半导体材料、器件、电路到架构的各个层面。8.脑机接口技术脑机接口（Brain-ComputerInterface，BCI）是人或动物大脑（或脑细胞培养物）与外部设备之间建立的直接连接路径。通过单向脑机接口技术，计算机可以接受大脑的指令，或向大脑发送信号，但不能同时发送和接收信号。双向脑机接口允许大脑与外部设备进行双向信息交换。2013年，自美国率先宣布启动“脑计划”以来，欧洲、日本、韩国等相继参与“脑科技”竞赛。据公开数据显示，全球在脑机接口领域的研发支持已超过200亿美元。人工智能赋能行业及应用场景在人工智能技术向各行业渗透的过程中，不同的产品由于使用场景的复杂程度和技术发展水平的不同，成熟度也不同。比如在教育、音频行业的核心环节已经有成熟的产品，技术成熟度高，用户心理接受度高；个人助理和医疗行业在核心环节已经出现实验性、初步成熟的产品，但由于场景复杂，涉及个人隐私和生命健康问题，当前用户心理接受度较低；自动驾驶和咨询行业的核心环节还没有产生成熟的产品，无论是技术还是用户心理接受度都没有达到足够成熟的程度。在人工智能技术向各行各业渗透的过程中，安防和金融行业人工智能使用率最高，其次是零售、交通、教育、医疗、制造、健康等行业。安防行业一直围绕视频监控不断变革升级。在政府的大力支持下，我国建成了数据传输与控制一体化的自动化监控平台。随着计算机视觉技术的突破，安防行业快速走向智能化。.金融行业有着良好的数据积累，在自动化工作流及相关技术的应用上取得了较好的效果。该组织的战略和文化也比较先进，因此人工智能技术也得到了很好的应用。零售行业在数据积累、人工智能应用基础、组织架构等方面都有一定的基础。交通行业在组织基础和人工智能应用基础上优势明显，开始布局自动驾驶技术。虽然教育行业数据积累薄弱，但行业整体对人工智能高度关注，同时开始将人工智能技术融入实际业务，未来发展可期。医疗健康行业有着多年的医疗数据积累和精简的数据使用流程，因此在数据和技术上具有很强的优势。制造业虽然组织基础相对薄弱，但拥有大量高质量的数据积累和自动化的工作流程，为人工智能技术的介入提供了良好的技术基础。安防：全面应用于安防、警务、治安、人车监控等场景。金融：聚焦智能风控，同时渗透支付、理赔、投研投顾等场景。零售：人工智能提高整个零售流程的效率，优化消费者体验。交通：人工智能应用于拥堵分析、路径优化、车辆调度、辅助驾驶等场景，有效改善交通问题。教育：由外而内，人工智能技术逐步深化医疗学习环节：从影像分析、辅助诊疗、健康管理等角度，做医患好帮手。制造：帮助优化生产制造，减少重复劳动，实现智能制造。健康：降低健康管理成本，实现交互革命，增强人体机能。人工智能开放创新平台逐步建立。虽然人工智能技术不断渗透到很多行业和业务场景中，但人工智能目前的能力还不是像云计算那样可以随时取用的通用资源。主要的人工智能技术仍然掌握在大型科技公司和互联网巨头手中，如果人工智能能够惠及更多的企业和用户，人工智能社会的建设将明显提速。在政府和大公司的带领下，越来越多的人工智能开放平台正在涌现。2017年至2018年，科技部等部门经过充分调研论证，确定依托百度、阿里云、腾讯、科大讯飞、商汤科技等5大国家新一代人工智能开放创新平台建设自动驾驶、城市大脑、医学影像、智能语音、智能视觉人工智能开放创新平台，以及由科技部、国家发改委等15个部门组成的新一代人工智能发展规划推进办公室统筹部、财政部、教育部、工信部、中科院统筹推进项目、基地、人才统筹布局。
