2020年，中国科学院重点实验室发布了《人工智能发展白皮书》，白皮书重点分析了人工智能各个细分领域的关键技术和产业应用。

白皮书指出计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术等八大技术是目前人工智能领域的关键技术。

安防、金融、零售、交通、教育等产业中蕴含着人工智能的典型应用场景，肯定了人工智能开放创新平台对于全行业的重要推动价值。并推出全球人工智能企业TOP20榜单，供业内人士借鉴。



中国科学院2019年人工智能发展白皮书

今天开始，我们机器智能将分批次为大家分享此次报告的精彩内容，今天先分享中国科学院选取的“八大人工智能关键技术”。这八大技术选取的标准是：技术相对取得较大突破，应用场景相对明确，在产业界、学术界、投资界引起较大的关注。



八大人工智能关键技术

1. 计算机视觉技术

计算机视觉(Computer Vision)是一门研究如何使机器“看”的科学，更进一步地说，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量的科学。



计算机视觉技术七个典型应用案例包括了在交通、安防、医疗、翻译、体育赛事、农业、制造业的案例，具体可参考下边的报告截图。



计算机视觉技术七个典型应用案例

近几年计算机视觉技术实现了快速发展，其主要学术原因是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人类，同年Google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有图像获取、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(Natural Language Processing)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、数学等领域的交叉学科。



自然语言处理，是指用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、 分析、理解、生成等的操作和加工。自然语言处理的具体表现形式包括机器翻译、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。

包括科大讯飞、谷歌、清华大学、Allen研究院、阿里巴巴、百度、搜狗、Facebook等企业都有非常有代表型的自然语言处理应用案例。



可以说，自然语言处理就是要计算机理解自然语言，自然语言处理机制涉及两个流程，包括自然语言理解和自然语言生成，自然语言理解是让计算机把 输入的语言变成有意思的符号和关系，然后根据目的再处理；自然语言生成则是把计算机数据转化为自然语言。实现人机间的信息交流，是人工智能界、计算机科学和语言学界所共同关注的重要问题。

3. 跨媒体分析推理技术

以往的媒体信息处理模型往往只针对某种单一形式的媒体数据进行推理分析，比如图像识别、语音识别、文本识别等，而越来越多的任务需要像人一样能够协同综合处理多种形式的信息，这就是跨媒体分析与推理。

包括IBM、谷歌、百度、字节跳动、NETFLIX都是跨媒体分析推理技术应用的代表型企业。



跨媒体是一个比较广义的概念，既表现为包括网络文本、图像、音频、视频等复杂媒体对象混合并存，又表现为各类媒体对象形成复杂的关联关系和组织结构，还表现在具有不同模态的媒体对象跨越媒介或平台高度交互融合。通过“跨媒体”能从各自的侧面表达相同的语义信息，能比单一的媒体对象及其特定的模态更加全面地反映特定的内容信息。

相同的内容信息跨越各类媒体对象交叉传播与整合，只有对这些多模态媒体进行融合分析，才能尽可能全面、正确地理解这种跨媒体综合体所蕴涵的内容信息。跨媒体分析推理技术主要包括跨媒体检索、跨媒体推理、跨媒体存储几个研究范畴，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、智能穿戴设备等场景。

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(Intelligent Adaptive Learning) 模拟了老师对学生一对一教学的过程，赋予了学习系统个性化教学的能力。和传统千人一面的教学方式相比，智适应学习系统带给了学生个性化的学习体验，提升了学生的学习投入度和学习效率。



采用了智适应学习技术的学习系统能够针对学生的具体学习情况提供个性化学习解决方案，包括定位学生的知识漏洞、持续性地评估学生的学习能力水平和知识状态、实时动态提供个性化学习内容。智适应学习技术让教育领域一直困扰的质量、成本、可获取性三大矛盾因素变成了历史。

5. 群体智能技术

群体智能(collective intelligence)也称集体智能、群智。群体智能是一种共享的智能，是集结众人的意见进而转化为决策的一种过程，用来对单一个体做出随机性决策的风险。





群体智能的应用案例列举了华为HiLink智能家居生态，阿里巴巴的多智能体双向协调网络BiCNet，京东的无人配送站点，有无人机器人进行配送。

对群体智能的研究，实际上可以被认为是一个属于社会学、商业、计算机科学、大众传媒和大众行为的分支学科，研究从夸克层次到细菌、植物、动物以及人类社会层次的群体行为的一个领域。

6. 自主无人系统技术

自主无人系统是能够通过先进的技术进行操作或管理而不需要人工干预的系统，是由机械、控制、计算机、通信、材料等多种技术融合而成的复杂系统。



自主无人系统技术列举了阿里人工智能实验室的单车智能系统、百度Apollo自动驾驶开放平台、沈阳新松蛇形臂机器人、大疆无人机、哈工大研发的爬壁机器人和管道检测机器人。

自主无人系统可应用到无人驾驶车辆、无人机、服务型机器人、空间机器人、海洋机器人、无人车间、智能工厂等场景中，并实现降本增效的作用。

自主性和智能性是自主无人系统最重要的两个特征。人工智能无疑是发展智能无人自主系统的关键技术之一。利用人工智能的各种技术，如图像识别、人机交互、智能决策、推理和学习，是实现和不断提高系统这两个特征的最有效的方法。

7. 智能芯片技术

目前，智能芯片的定义并没有一个严格和公认的标准。

智能芯片技术可以按照技术架构、按功能分类、按应用场景分类。其中，按技术架构分类包括GPU、半定制化FPGA、全定制化FPGA、神经拟态芯片；按功能分类包括训练、推理芯片；按应用场景分类包括服务器端（云端）、移动端（终端）。



智能芯片技术的发展，包括清华大学Thiner芯片、浙江大学和杭州电子科技大学联合研制的类脑芯片、中国科学院计算机室研究所的寒武纪公司推出的1A处理器、华为AI芯片麒麟970等实例。

一般来说，运用了人工智能技术的芯片都可以称为智能芯片，但是狭义上的智能芯片特指针对人工智能算法做了特殊加速设计的芯片。现阶段，这些人工智能算法一般以深度学习算法为主，也可以包括其它机器学习算法。智能芯片可按技术架构、功能和应用场景等维度分成多种类别。

8. 脑机接口技术

脑机接口(Brain-Computer Interface，BCI)是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。通过单向脑机接口技术，计算机可以接受脑传来的命令，或发送信号到脑，但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。



脑机接口技术在教育、医疗、健康、娱乐领域都出现了落地应用，其中还有代表事件，包括2013年的美国“脑计划”、2016年中国“脑计划”、2017年Facebook“意念打字”、2019年马斯克“大脑缝纫机”。

2013年，自美国首次宣布启动 “脑计划”以来，欧洲、日本、韩国等陆续参与“脑科技”竞赛项目，据已公开数据表明，全球在脑机接口相关领域的研发支持已经超过200亿美元。