人工智能可以被稱為是人類發展歷史當中的第四次工業革命，隨著不斷發展，已經開始廣泛滲透到人們生產生活的各個領域，為人們帶來了極大的便利。人工智能（ai），最早是由mccar thv于1956年在dartmouth學會上正式提出的，此概念一經提出，便引起了研究者的關注與討論。人工智能是用機器模擬和實現感知、認知等人類智力能力的科學與技術，使機器的工作能力能夠部分達到甚至超過人類智能。當今的人工智能技術以機器學習特別是深度學習為核心，在視覺、語音、自然語言等應用領域迅速發展，已經開始像水電煤一樣賦能于各個行業，有效提升社會各領域的智能化水平，給傳統領域帶來顛覆性變革。

人工智能應用發展現狀

醫療領域

人工智能在醫療領域的應用范圍不斷擴大，商業模式逐漸豐富，為醫療效率的提升注入了新動能。ibm公司的沃森是認知計算的杰出代表。在ai輔助診療方面，watson提供診治服務的病種包括乳腺癌、肺癌、結腸癌、前列腺癌、膀胱癌、卵巢癌、子宮癌等多種癌癥。騰訊覓影基于醫學影像分析技術輔助醫生篩查食管癌、肺結節、宮頸癌，截至2018年7月，已累計輔助醫生閱讀醫學影像超1億張，服務90余萬患者，提示風險病變13萬例。希氏異構與華西一家醫院深度合作，成立“華西-希氏醫學人工智能研發中心”，研制出國際第一臺ai消化內鏡樣機，其對息肉、腫瘤、靜脈曲張的初期診斷準確率分別為92.7%、93.9%和96.8%。此外，美國直覺外科公司的達芬奇機器人是腔鏡手術輔助機器人的領軍者，其機械手臂靈敏度遠超人類。在藥物研發方面，基于深度學習技術，通過大數據分析快速、準確地挖掘和篩選出合適的化合物或生物，可實現縮短新藥研發周期、降低新藥研發成本、提高新藥研發成功率。在健康管理方面，結合智能穿戴設備，通過對基因數據或代謝數據等分析，為用戶提供飲食起居等各方面的健康生活建議。基于ai管理情緒，可預測和治療精神疾病，如avalonai利用深度學習加神經成像，針對阿爾茲海默癥做早期診斷和預防，預測的準確率可達75%。

交通領域

人工智能在自動駕駛、城市交通管理以及智能出行等交通方面廣泛應用，提高交通運行效率，保障交通安全。自動駕駛方面，alphabet公司旗下子公司waymo目前在無人駕駛領域占據霸主地位，加州車輛管理局發布的2018年自動駕駛汽車公司路測排名顯示，waymo的無人駕駛汽車每行駛11154.3英里，僅需要一次人為介入，排名第一。百度作為我國自動駕駛領域的領頭企業，2018年首款l4級自動駕駛巴士量產下線100臺。城市交通管理方面，各地政府與互聯網公司廣泛開展合作，以智能交通信號燈為切入點推進城市智能交通建設。2018年9月，杭州城市大腦2.0發布，接管1300個路口信號燈、接入4路視頻，全面感知城市交通，在全國最擁堵城市排行榜上，杭州從2016年第5名下降到第57名。智能出行方面，人工智能技術助力催生道路交通的新模式、新業態，提升用車效率和用戶體驗。如滴滴、首汽等網約車企業，整合了打車軟件、汽車租賃和第三方勞務公司資源，通過自動學習和匹配用戶的用車需求，智能調配司機響應用戶訂單，形成了跨越出租汽車及汽車租賃行業的新興業態。

農業領域

人工智能使農業實現了“從看天吃飯到看ai吃飯”的華麗轉變。目前，通過傳感器、智能機器人的使用，人工智能在農業領域可以實現智能化育種選種、種植養殖、采摘分揀等應用。例如，harvest croo robotics開發了一款具備16個獨立的采摘機器人，幫助草莓農場采收和包裝，可以在一天內收成8英畝土地，并取代30名勞工，而農業勞動力成本高居總成本之40%。阿里ai養豬項目基于機器視覺技術，由et大腦為每頭豬建立起包括品種、年齡、體重、進食情況，以及運動強度、頻次、軌跡等在內的多個維度的數據檔案，通過對收集來的這些數據進行分析來判斷豬的健康度、進食度、料肉比等，阿里云et大腦使得每頭母豬每年能夠多產下3只幼崽，死亡率降低了3%左右。

面臨的問題與建議

人工智能技術在近年來的發展異常迅速，但人工智能發展仍然面臨著很多問題。首先，人工智能技術瓶頸難以突破。當前人工智能技術仍然處于初級發展階段，基于深度學習的智能仍停留在淺層次的條件反射層面，并不能達到人類智能的靈活性、邏輯性、思辨能力。其次，缺乏高質量的數據資源。深度學習需要大規模高質量的訓練數據，數據的獲取和制作成本極高，數據共享流通不暢、數據標準不統一、歷史數據質量差等問題影響了人工智能在各領域的應用。再次，人工智能存在安全隱患，具有自學習、自適用、自組織、自行動的人工智能帶來不確定的風險。如2018年3月，一輛正在進行無人駕駛測試的uber車在美國亞利桑那州tempe市撞死一名行人。最后，人工智能帶來了新的就業問題。據2013年英國牛津大學的一項研究報告稱，未來有700多種職業都有被智能機器替代的可能性，醫療、教育等需要高技能積累的行業也將受到人工智能的影響。

對此，我們有如下發展建議。

一是積極探索突破技術瓶頸。包括但不限于基于機器學習、深度學習體系的優化、基于腦科學研究的類腦智能、基于腦機接口的混合智能等多種技術路線，探索“強人工智能”的可能性。

二是完善數據資源體系。圍繞語音識別、視覺識別、自然語言處理等基礎領域，以及工業、醫療、金融、交通等行業領域，建設高質量人工智能訓練資源庫、標準測試數據集并推動共享。

三是建立人工智能產品質量安全認證體系。圍繞智能機器人等新興產品與應用，研究建立人工智能安全評估體系，針對人工智能產品與應用全生命周期過程中數據安全風險、算法安全風險、平臺安全風險開展安全評估，提升人工智能產品服務質量和安全水平。

四是提前布局適應人工智能帶來的就業變化。圍繞人工智能帶來的就業供需變化，通過宣傳和培訓等多種方式引導、鼓勵企業生產方式的轉型升級以及從業人員勞動資源的有效轉換。

以上是網絡信息轉載，信息真實性自行斟酌。