rss 推薦閱讀 wap

江西体育十一选五

熱門關鍵詞:  as  test  xxx  云南  請輸入關鍵詞
江西体育十一选五 今日推薦 人工智能 手機電腦 信息發展 數碼科技 環保節能 系統研究 互聯天下 航天通信 創新創業

江西快三提前开奖数据: 前沿技術創新與新興產業演進規律探析——以人工智能為例

發布時間:2020-03-06 21:55:10 已有: 人閱讀

江西体育十一选五 www.bczecl.com.cn   本文通過追溯人工智能從萌芽、發展到實現產業化應用的歷史,揭示了技術創新與新興產業演進的一般性規律。前沿技術的創新路徑存在高度的不確定性,在技術發展初期出現潮涌現象并呈現多條技術路線競爭的格局,其發展需要多學科技術的支持,受到多領域科技發展的啟發。新技術的產業化往往要經歷曲折、漫長的過程,需要來自互補產品與互補技術協同演進的支撐,其在國民經濟中發揮作用也需要互補技術的進步與互補產品的發展。筆者通過分析提出,政府可以在技術推動和需求拉動兩方面對新技術的產業化及其廣泛應用發揮重要作用;人工智能技術既有其優勢,也存在其不足和濫用風險;未來的創新與生產更可能是人工智能與人類的高度協作。本文從研發支持、發展環境建設、傳統產業數字化改造、市場支持、創新創業、科技倫理治理等方面提出加快人工智能產業化的對策建議。

  研究闡釋黨的十九大精神國家社會科學基金專項立項課題“推動新一代信息技術與制造業深度融合研究——基于新時代和新工業的視角”(18VSJ054);國家社會科學基金重點項目“‘互聯網+’背景下的中國制造業轉型升級研究”(16AJY011);中國社會科學院登峰戰略優勢學科(產業經濟學)成果。

  科學技術是第一生產力,但是只有當人類從自發到自覺地發現和運用自然規律,科學技術才真正爆發出它的洪荒之力。針對英國工業之后人類取得的巨大經濟成就,經濟史統計學家麥迪森[1]指出,19世紀之前的世界人均GDP增長緩慢,直到19世紀20年代世界經濟發展才呈現更強勁的勢頭。馬克思和恩格斯曾這樣形容工業之后的技術發展:“資產階級在它的不到一百年的階級統治中所創造的生產力,比過去一切世代創造的全部生產力還要多,還要大”[2]。然而,科技的發展從來不是一帆風順的,從最初技術的萌芽到產業化創造出巨大的經濟價值往往需要經過曲折漫長的歷程。2016年谷歌旗下DeepMind公司的AlphaGo人工智能系勝人類世界圍棋冠軍李世石,人工智能真正從實驗室進入生產和生活并成為投資的風口,美國、日本、歐洲、中國等紛紛提出自己的人工智能戰略。實際上,從人工智能理論的提出到大規模產業化應用也已七十年有余,且經歷了多次技術路線的變換??梢運?,人工智能技術創新與產業發展的歷史為我們提供了一個近距離觀察前沿技術創新與新興產業演進規律的契機。

  新興產業是由前沿技術不斷發展進而工程化、產業化并不斷壯大形成的。前沿技術如同其他現代科學技術一樣,不僅是由新發現的基本效應或自然規律所推動的,更是以基本效應或自然規律為核心、集成和融合其他領域的科學技術而形成的復合技術或技術集。而前沿技術的工程化、產業化過程更是離不開相關技術和產業的支撐,某一項前沿技術發展實際上是與其他相關技術協同演進的結果。前沿技術在工程化、產業化過程中,表現出在技術路線、商業模式上的巨大不確定性,歷史地考察新興產業的發展歷程就會發現,在早期階段,通常有多條技術路線交替出現、相互競爭、此起彼伏。

  科學發現和技術發明是新興產業形成與發展壯大的基礎,但技術演進的路線從來都不是直線向前的,從最初的基礎科學被提出到最終產業化主導設計的確立都面臨著巨大的不確定性。弗里曼和蘇特[3]劃分了由低到高六種與創新相聯系的不確定性程度,相比之下,產業化之前的科學研究與產品創新的不確定性要比產業化之后的產品改進所面臨的不確定性大得多,其中基礎性研究和基礎性發明的不確定性最高,新型號較小的技術改進的不確定性最低。這種對不確定的分類意味著,一種技術路線在研究開發階段的失敗率要比進入較為成熟的商業開發之后大得多。

  技術創新路徑的不確定性在產業化之前表現得尤為明顯。林毅夫[4]指出,當新的投資機會出現時,企業會像浪潮般涌向這個領域,出現所謂的潮涌現象。實際上,潮涌現象不僅發生在產業領域,在技術創新領域同樣存在。當科技工作者發現一個具有重大前景的研究領域時,其會最先蜂擁而入;政府、科學基金會、風投機構、企業繼而發現技術的產業化前景也會加大研發投入,使研發階段的潮涌現象比產業化階段的更為突出。在技術產業化之前或競爭前階段,新科技的基本原理尚不清晰,需要在摸索和試錯中不斷向自然規律靠近。由于科研機構、科研人員的學術背景和研究基礎大相徑庭,他們會利用各自的優勢從不同的角度對自然現象作出解釋、對產品原型進行構建,因而就會出現多種不同的技術路線先后涌現、相互競爭的局面。人工智能技術發展的歷史非常典型地呈現出技術演進路線的不確定性、潮涌現象以及多條技術路線年代,科學家們嘗試應用計算機程序進行抽象化、符號化的數學證明,并取得了一定的成功。紐埃爾和西蒙在達特茅斯會議上展示的首個人工智能程序“邏輯理論家”能夠證明《數學原理》前52個定理中的38個,1963年“邏輯理論家”已能夠證明全部的52個定理??蒲Ъ頤竊謨眉撲慊釁矯婕負味ɡ碇っ骱筒歡ɑ質郊撲惴矯嬉踩〉昧艘歡ǖ某曬?。但是隨后人工智能系統在數學定理的證明方面陷入瓶頸,在自然語言翻譯方面也遭遇滑鐵盧[5]。20世紀60年代初期,美國計算機科學家費根鮑姆首先將視線從抽象的通用證明方法轉移到具體的專家知識上來,認為人工智能應在知識的指導下實現,這一構想催生了專家系統(Expert System)。最初的專家系統主要應用于學術領域,如1965年斯坦福大學在美國國家航天局的要求下研制的具有豐富化學知識的DENRAL系統[6],其能夠根據質譜儀的數據推知物質的分子結構,并被應用于世界各大學及工業界的化學實驗室中。但是專家系統的不足也是非常明顯的:其運作需要大量外界的知識輸入,耗時耗力,而且從一組專門知識中推演出的邏輯規則只能適用該特定領域,不能解決需要極其復雜邏輯推理的常識問題。面對專家系統技術路線撞上的“高墻”,人工智能科學家們繼續沿著不同的路徑進行探索。在20世紀80—90年代的10年間,形成了符號主義、連接主義和行為主義三大學派鼎足而立的格局。

  符號主義學派認為,人工智能源于數理邏輯推理,其原理主要為物理符號系統(即符號操作系統)假設和有限合理性原理[7]。人類認知和思維的基本單元是符號,認知過程就是在符號上進行的邏輯運算。如果利用計算機中的邏輯運算來模擬人類的抽象邏輯思維,就可實現人類認知的機械化,即實現人工智能。因此,人工智能實現的重點在于對人類思維中數理邏輯的模擬,這種模式既可以基于碳基的人腦,又可以基于硅基的計算機處理器。連接主義學派認為,人工智能源于仿生學,其原理為神經網絡及其之間的連接機制和學習方法。人類的大腦由數百億神經元細胞構成,神經元是大腦神經系統的基本單位,也是行為反應的基本單位。人類的智能活動通過大腦中神經元突觸的復雜連接與協同作用加以實現。連接主義學派基于這一思路認為,可以通過大量的非線性并行處理器來模擬人腦中眾多的神經元,通過處理器之間復雜的連接關系來模擬人腦中眾多神經元之間的突觸連接。行為主義學派認為,人工智能以控制論和感知—行為型控制系統為基礎。該學派將復雜的行為分解為多個簡單行為,智能行為在行為主體與環境的交互過程中產生,行為主體根據環境的刺激作出反應,特定的反應對應著引起該反應的情景或刺激。

  人工智能在學科分類上屬于信息科學與技術領域,但是人工智能技術進步的動力不僅來自于人工智能學科本身,更需要來自多個學科技術的支撐,受到多領域科技發展的啟發。多個相關學科理論和技術的集成與融合構成完整的人工智能科學體系,進而產生具有實際應用價值的產品或系統。根據《2019年中國新一代人工智能發展報告》,人工智能呈現明顯的學科交叉、融合發展態勢,人工智能領域的學術論文涉及多個學科[8],數學與邏輯學、控制論和信息論、生物學特別是神經科學構成了人工智能的主要理論來源。

  數學肇始于人類文明早期的生產活動,算術、幾何、代數可視為數學發展史上三次的重要標志[2]。歐洲文藝復興時期,法國科學家笛卡爾就提出,所有的科學解釋必須以精確的數學定量方式表達。同一時期,關于隨機現象與可能性的理論——概率論被提出。到20世紀,蘇聯數學家柯爾莫哥洛夫構建了基于公理化—集合論的概率論理論體系。思維邏輯是人類智慧的重要表現,古希臘哲學家蘇格拉底提出如何判定某個定義是否正確的問答法[9],可視為對人工智能思維邏輯思考的起點,與人工智能的開創者圖靈定義“機器智能”的方法一致。將符號化、數字化的數學方法用于表達形式邏輯以及推理、證明問題的“數理邏輯”隨后被發明。

  數學和邏輯學對計算機科學的發展起到決定性作用[10]。1935年,當時年僅23歲的圖靈在思考數學家希爾伯特提出的23個世紀問題中的“能否通過機械化運算過程來判斷正系數方程是否存在整數解”這一問題時意識到,解決這一問題的關鍵在于對機械化運算的嚴格定義,即“依照一定的有限的步驟,無需計算者的靈感就能完成的計算”[5]。他提出,是否能在數學上給“可計算”下一個精確定義,然后用數學手段來研究萬事萬物的可計算性?這便是計算機的理論先導。20世紀40年代起,圖靈開始思考依據什么標準判斷一臺機器是否具有智能[11]。他從行為主義的角度,將智能等同于符號運算的智能表現。美國科學家諾依曼將圖靈理論物化成為實際的物理實體,完成初步計算機硬件體系結構的構建。在達特茅斯會議上,紐埃爾和西蒙展示了“邏輯理論家”(Logic Theorist)計算機程序,用于代替人類進行自動推理來證明數學定理,人類歷史上首個人工智能程序在純數學學科上實現了突破。

  人工智能研究應用了控制原理和方法,主要包含三類理論:一是對人工大腦反饋機制的研究,通過對大腦中神經網絡的模擬,構造出類似的人工大腦。具體來說,將被控制對象輸出端的信息與目的信息比較,導出偏差信息并反饋給輸入端作為控制信息抵消干擾作用,從而使系統恢復穩定,達到或接近目標狀態。二是對模式識別的研究,包括研究生物體(包括人)感知對象的方式等認知科學問題。三是對如何利用電子計算機,在給定條件下對某些復雜的系統進行鑒別和分類進行研究。

  20世紀中葉,信息論出現。電信時代的開拓者申農最先以嚴格的數學方式進行了信息的數學計算,為通信系統建立了完整的數學理論。他提出量化信息的“熵”(Entropy)這一概念,開啟了數字信息時代[14]。同時,申農在信息編碼與概率論的基礎上,研究了信號傳輸中的波形與干擾。當代的信息科學技術是在申農工作的基礎上,進一步研究如何實現信號采集、傳輸、存儲、處理,并從中提取和使用深層次信息。作為信息通信和計算機科學的一個重要,信息論成為深度學習和人工智能的重要理論來源。

  生物進化理論的提出是現代生物學誕生的重要標志。1809年拉馬克提出的進化學說、1859年達爾文提出的進化論以及1865年孟德爾提出的遺傳學都揭示了生物物種是一種復雜系統,其進化中體現出了奇妙的自適應、自組織和自優化能力,這是一種生物進化中的智能[15],也是人工智能研究行為主義學派的理論基礎。對腦科學的研究則成為人工智能研究的連接主義學派的理論基礎。腦研究分為兩類:“自上而下”的腦研究以及“自下而上”(還原論)的腦研究。“自上而下”的腦研究從整體上研究腦功能,發現大腦既分工又合作,既具有整體活動功能,又具有分區處理功能,腦區域與身體之間的映射關系可以在數周之內發生根本性改變。“自下而上”的腦研究則是從單個神經元開始研究大腦的工作原理。數理邏輯學家McCulloch和Pitts[16]提出了以形式化數學描述神經網絡結構的方法,創立了理想化的人工神經元網絡腦模型(即MP模型),開辟了用電子裝置模仿人腦結構和功能的途徑。此后,在20世紀60年代至70年代,美國心理學家White和Rosenblatt[17]將反饋學習算法引入神經網絡中,提出了以“感知機”為代表的腦模型。到20世紀80年代,神經科學的發展推動人們對大腦的了解不斷加深,激發了人們對用機器模擬神經網絡研究的興趣。深度學習理論模仿人類大腦的核心結構特征,通過設置輸入層、輸出層及其之間的中間層(隱藏層)的分層結構,以反向傳播的方式實現機器的自我學習。有趣的是,一些著名的深度學習開創者都具有生物學(生理學、心理學、神經科學)的背景。如神經網絡建模的頂尖人物之一馬爾從劍橋大學獲得了數學學士學位和生物學博士學位,他的導師是專門研究視網膜和色覺的生理學家布林德利;深度學習開創性論文的作者辛頓在劍橋大學獲得的是心理學學士學位,而他的博士論文導師希金斯則是一位發明了早期聯想記憶網絡模型的杰出化學家[18]。由此可見,人工智能體現出明顯的多學科交叉特征。

  需要說明的是,人工智能的不同技術路線、構工智能基礎的不同學科之間不是彼此隔離的,而是互相吸收思想、彼此融合互補,共同推動了人工智能技術的發展與產業化。以人工智能三種流派為例,三者從不同的角度理解、定義和構造人工智能,但也存在各自的瓶頸與局限,而且三者之間既存在差異也存在聯系。符號主義學派致力于數理邏輯在計算機中形式化的表達,在專業化領域得到很好的表現。但萬能邏輯推理系統并不存在,計算機和智能機器人不可能完全模擬人類思維。連接主義學派致力于構造模擬動物與人類大腦和各種感覺器官的結構和功能的智能。但人腦是一個極其復雜的系統,目前已知的結構和活動機制僅僅是冰山一角。而行為主義學派從智能是生物體與外界環境的動態適應出發,通過對來自外部環境的信號在感應器內進行轉換,在智能機器與環境的相互作用下構建智能。但該種基于行為—動作模式的智能只能捕捉到特定目標的行為,并且存在缺乏創造性、存在意向性等缺陷。三大學派從不同的方向上模擬人工智能,而在現實中,真正的智能正是以上三種模式的結合,或許三者的融合會成為人工智能研究的下一突破口。

江西体育十一选五 | 今日推薦 | 人工智能 | 手機電腦 | 信息發展 | 數碼科技 | 環保節能 | 系統研究 | 互聯天下 | 航天通信 |免責聲明

Copyright2008-2022 智能在線 江西体育十一选五 www.bczecl.com.cn 版權所有 業務QQ:17468920 Power by DedeCms

江西体育十一选五 | wap