1 。介绍
近年来，行业，媒体和政治组织对人工智能（AI）表现出了浓厚的兴趣，国内外与AI相关的研究和应用迅速增长。业界对AI的潜在用途感兴趣。根据风险投资公司CB Insights在2016年7月在美国发布的报告[1]，自2011年以来，谷歌，微软，Twitter，英特尔，苹果和其他信息技术巨头已经收购了约140家人工智能领域的创业公司。在2016年前六个月中，对AI的投资超过了2015年全年的投资，有200家与AI相关的公司在股票市场募集了15亿美元。
大量的并购以及资本的涌入正在加速AI技术与应用程序的集成，从而促进了相关经济的快速转型。例如，谷歌在提出要约收购神经网络公司DNNresearch 时引起了轩然大波。该公司由少数成员组成，由多伦多大学的Geoffrey Hinton教授于2013年以高价收购。深度学习方法是目前工业界最热门的技术，已帮助Google提高了图片搜索的准确性。该技术也已成为与Google Glass，无人驾驶地面车辆和其他项目相关的核心技术。Google自称从“移动优先”向“人工智能优先”发展。
人工智能与工业需求的整合迫使服务模式发生了重大变化。例如，由微软开发的聊天机器人小冰正在引导从传统图形界面到具有自然语言和情感理解能力的交互式界面的转变。2016年6月，微软收购了社交网站 LinkedIn，并准备使用AI技术重建互联网社区。另外，由IBM开发的Watson系统 [2] 已在医院中得到有效利用，以快速筛查数百万患者的癌症治疗史记录，从而为白血病的诊断提供建议。并提供治疗时间表；从而改变了肿瘤疗法和临床诊断的范式。此外，由于其在机器翻译，自然语言理解和智能车辆方面的发展，百度被指定为“最聪明的公司”。
重大突破也提升了人们对AI技术的期望。Google DeepMind最近开发了AlphaGo，这是一个将基于政策的网络和价值网络与深度强化学习相结合的游戏程序，该程序使用自我游戏策略进行自我训练，以通过蒙特卡洛树搜索来学习和应用有关Go的知识[ 3]。2016年3月，该系统以4：1的比分击败了世界围棋冠军Sedol Lee。该系统超越人类智能的能力震惊了许多媒体，并引起了全球新的关注。在报纸上，几位著名科学家指出，人工智能的全面发展“可能意味着人类的终结” [4]并且“在未来100年内，计算机将在某些时候超过AI的人类” [5]。
2016年6月，在《科学美国人》上发表了一篇题为“人工智能的兴起”的特别报告[6] ，其副标题为“曾经作为一种新兴技术而被丢弃的人工智能，如今正在蓬勃兴起。”这种表面的复苏预示着AI技术的技术飞跃。
2 。AI的60年发展历史
自开始以来，AI经历了60年的持续发展，既有丰富的进步也有挫折。回顾汲取的经验教训，应该能够评估与人工智能相关的发展趋势。
2.1 。人工智能的诞生
1956年，斯坦福大学的J. McCarthy教授，麻省理工学院的ML Minsky教授以及卡内基梅隆大学的H. Simon和A. Newell教授（四人都被授予图灵奖）以及CE香农贝尔实验室，IBM的N. Rochester等人（也被称为“信息理论之父”）首先在美国达特茅斯学院建立了“人工智能”的概念[7]。他们对AI的定义是指机器以类似于人类的方式理解，思考和学习的能力，这表明使用计算机模拟人类智能的可能性。
自1970年代以来，人工智能已扩展到研究领域，包括机械定理证明，机器翻译，专家系统，博弈论，模式识别，机器学习，机器人技术和智能控制。与这些领域有关的探索过程导致了许多技术的发展，并导致了象征主义，联系主义和行为主义的各种流派的形成。
2.2 。人工智能发展的三大挫折
人工智能的发展从未如此简单，并且在60年中经历了三大挫折。第一次发生在1973年，伴随着詹姆斯· 莱特希尔（James Lighthill）在英国发表的报告[8] 。该报告讨论了作为基础AI研究领域的自动机，机器人和中枢神经系统的概念，并得出以下结论：对自动机和中枢神经系统的研究虽然有价值，但发展令人失望；并且对机器人的研究没有任何价值，而且开发令人失望，因此应取消。实际上，在撰写本报告时，人工智能还处于起步阶段。
第二个挫折涉及日本未能成功开发智能计算机。1982年，日本国际贸易产业省开始了第五代计算机项目，希望创造出具有推断和处理知识能力的计算机。该项目的目标是建造一个具有1000个处理单元的并行推理机，该处理单元可以合并10亿个信息组，从而提高听和说能力。到1992年，该项目已耗资8.5亿美元，在关键技术问题上没有突破。这次失败提供的见解表明，人工智能的发展应主要由创新和软件驱动，并使用硬件来支持该操作。
第三次挫折发生在1984年，当时斯坦福大学试图手动构建包含所有人类常识知识的知识百科全书（Cyc）[9] 。期望达到人类水平的推理能力。尽管Cyc合并了大量的数据和知识，但是由于搜索引擎的兴起，互联网和大数据的功能拥有更大的功能。尽管Cyc可以与外部知识库（例如DBpedia [10]，Freebase [11]和中央情报局（CIA）世界概况[12]）链接，但它的开发在1990年代末开始开始下降。，它的下降持续到无法检索的地步。教训是，从人类出口中学习大量知识是不可行的。相反，应该从环境中自动获取知识。
3 。人工智能2.0
回顾AI发展中的挫折，可以清楚地看出，这些失败始终是由AI不兼容和信息环境的变化所引起的。人工智能的发展既受研究驱动，又受信息环境及其伴随的社会目标的驱动。尽管两者都很重要，但后者始终具有更强的驱动力。
随着Internet的当前普及，传感器的普遍存在，大数据的出现，电子商务的发展，信息社区的兴起以及社会，物理空间和网络空间，信息环境中数据和知识的互连和融合。围绕AI的发展发生了深刻的变化，从而进入了一个新的进化阶段：AI 2.0。新技术的出现也将人工智能推向了一个新的阶段。
3.1 。促进AI 2.0的外部动力
促进AI 2.0形成的外力源于四个领域的变化。首先，随着移动终端，互联网，传感器网络，车辆网络和可穿戴设备的普及，21世纪的信息环境发生了巨大变化。传感设备广泛分布于整个城市，连接世界各地个人和团体的网络空前快速扩展，继续反映和汇总需求，知识和能力。此外，世界已经从二元空间（物理和人类社会，即PH）发展为三元空间（网络，物理和人类社会，即CPH）。CPH交互形成了新的计算范例，包括感知融合，“人在环”增强现实和跨媒体计算。
其次，社会对AI的需求正在迅速扩大，从而导致AI研究的快速变化，这种变化已从学术好奇心转向由学术界以外的需求所驱动。智能城市，医药，交通，物流，制造业和智能产品以及无人驾驶汽车和智能手机中的新目标和新问题都需要AI的开发。因此，许多企业积极推动了新的AI研究。
第三，人工智能的目标发生了巨大变化，从追求“使用计算机模拟人类智能”转变为：①结合机器和人类的增强型混合智能系统；②由机器，人员和网络组成的新的人群情报系统；③更复杂的情报系统，例如结合了人类，社会，物理学和网络系统的智慧城市。
第四，与AI相关的数据资源正在发生变化。人工智能依靠数据驱动的算法，并产生了一个新的信息环境。这些计算将受到大数据，传感器和网络以及跨媒体信息数量的增加的推动。因此，具有感知和融合智能的大数据，传感器和网络以及跨媒体相关AI的发展是必然趋势。然而，图灵测试[13]的基于符号的机器智能的传统方法将受到挑战。
这些环境变化将促进AI技术的重大进步。
3.2 。推动AI 2.0出现的新技术
在新的外部环境中，出现了数项技术进步，并将继续推动AI的发展。
3.2.1 。基于大数据的AI
DeepMind开发的AlphaGo是将大数据转化为知识的示例。与传统游戏相反，AlphaGo学习和开发能力，包括“直觉（即下一步是什么）”，“与棋盘有关的推论（即完全获胜的机会是什么）”和一种人类玩家无法使用的游戏策略，可以通过自玩棋盘的集合记忆人类棋盘。DeepMind开发的软件还可以控制120个变量，包括 Google数据中心的制冷系统，风扇和窗户。多年来，它使电源效率提高了15％，并节省了数千亿美元[14]。中国的许多数据中心都需要类似的技术，其总能耗目前相当于三峡电站的发电量。深度学习技术非常重要；但是，深层模型很难解释和概括。为了解决这些问题，必须采用新技术将大数据转换为有用的知识。
3.2.2 。互联网人群智能
互联网人群智能技术最近得到了发展。最近的一篇论文[15]根据难度级别将人群分为三种：①用于实现任务分配的众包；②复杂的工作流；③解决问题的生态系统。大批人群通过个人在互联网上的参与和交互表现出非凡的智能能力，这构成了一种新型的智能系统。普林斯顿大学Connectome项目开发的EyeWire游戏[16] 可以使用类似的方法确定单细胞和神经连接，来自145个国家的总计165 000名公民科学家参加了该游戏，用颜色描述了哺乳动物的神经组织如何视网膜检测涉及运动的结构-功能关系 [17]。其他示例包括维基百科，百度问答和知乎问答。互联网人群智能计算可以大大增强人类社会可用的知识库，并具有广泛而重要的应用。相关的理论和技术目前仍处于初步阶段。但是，互联网人群智能计算的发展将带来前所未有的AI水平。
3.2.3 。跨媒体情报
人类智能的一个重要特征涉及从各种形式的感知（包括视觉，语言和听觉）获得的信息的综合利用，以实现识别，推理，设计，创造和预测。在这方面，中国科学家提出了“跨媒体计算”的概念[18]。2013年，《自然》杂志上一篇题为“ 2020年愿景”的论文[19]讨论了“跨媒体”一词，用于描述文本，图像，语音和视频的集成。2014年，Lazer等人。[20]提出将多种信息源进行融合和智能分析是与知识和系统演化相关的特征，并且是解决“大数据狂妄自大”的必要手段。[21]，[22]提出了一系列用于从视频生成文本描述的方法。此外，游戏《 Pokemon Go》[23] 通过将3D图形与手机上的实时视频有机地结合起来，利用了与跨媒体概念相关的增强现实技术。随着计算机网络和移动终端的不断发展，全球多媒体数据呈现爆炸性增长。跨媒体智能代表了AI的基石，因为它使机器能够识别其外部环境。在语言，视觉和听觉之间的语义联系中，这将是实现智能行为的关键，例如知识的关联，设计和创造。跨媒体情报目前仍处于发展初期。但是，预计它将在未来形成AI的重要领域。
3.2.4 。人机混合增强智能
人们经常质疑机器智能是否会超越人类智能。这在专业领域是可能的。对于一般情报，在未来60年内不太可能发生。
人工智能是自然生物学的一种形式，不同于人工智能。用计算机模拟人类智能很重要。与这种模拟相反，混合智能系统是通过计算机和人类之间的合作而形成的，从而形成了“ 1 + 1> 2”的增强智能。迄今为止，可穿戴设备，智能驾驶车辆，外骨骼设备和人机协作手术已经得到开发，这表明人机混合增强智能系统在未来的发展中具有巨大的潜力。
3.2.5 。自主智能系统
自AI诞生以来，机器人技术一直是关注的重点，仿生学是重要的发展方向。然而，在过去的60年中，大多数开发的仿生机器人在应用时均失败了。例如，在对“机械m子”（可以用四只腿走路）进行初步试验之后，美国军方正在重新开发无人战斗机。其他众所周知的例子包括无人驾驶飞机和车辆，它们已经迅速发展并且远远超过了机器人技术的进步。
开发自动化智能机械设备的进步更加有效，简便和经济。因此，自主智能系统将成为下一代AI的重要发展方向。对于中国制造业而言，把握这一趋势将尤其重要。
3.3 。与AI 2.0相关的核心思想
总之，基于新的信息环境和新的开发目标，可以将AI 2.0初步定义为新一代AI。新的信息环境包括Internet，移动设备，联网社区，传感器网络和大数据。从宏观到微观，社会的需求定义了新的发展目标，其中包括智能城市，数字经济，智能制造，智能医药，智能家居和智能汽车的发展。有望升级的新技术包括基于大数据的情报，互联网人群情报，跨媒体情报，自治情报以及人机混合增强情报。
AI 2.0技术将具有与众不同的功能，例如将数据驱动的知识指导与自动机器学习相结合的过程，这既是可解释的，也是更为笼统的。此外，将摆脱对视觉，听觉和书面数据等分类数据的处理，而转向跨媒体的认知，学习和推理。此外，将从追求智能机器到高级人机协作与融合，向混合动力增强智能的新形式迈进。另一个领域将涉及技术和平台的形成，以促进基于个人情报的基于人群的情报，从而形成基于Internet的更高级别的社区情报。最后，
AI 2.0是AI研究的一个新阶段，与过去60年不同。它专注于当前的技术进步，以追求突破通过结合内部和外部驱动力来实现人工智能。与历史上的其他观点相比，AI 2.0将集成自然智能和人工智能以增强人类的智力活动，并将紧密集成到人类生活（跨媒体和自治系统）中，成为人类的一部分。人体（混合智能）。它有可能能够阅读，管理和重组人类知识（计算知识引擎），以便为社会问题提出建议，包括日常生活，生产，资源使用和环境（智能城市和智能医学）。从某些专业领域的识别，控制，翻译和预测的角度来看，人工智能目前可与人类水平媲美或超过人类水平。
在AI 2.0的帮助下，人类将能够获得更好的洞察力和有效的管理，以与涉及城市发展，生态保护，经济管理和金融风险的复杂宏观系统互动。AI 2.0也将有助于解决特定问题，例如医疗，产品设计，安全驾驶和节能。
4 。中国应推广AI 2.0
4.1 。在中国开发AI 2.0的需求和可能性
中国参与了工业化，城市化，信息时代的扩大，农业现代化和环境保护等前沿领域。因此，必须通过提高我们解决教育，医学，贫困等紧迫问题的能力来发展人工智能技术，以通过优化城市发展，增加资源的有效利用以及支持可持续发展来改善日常生活并提高社会生产力。 ，环境和自然资源。
近年来，中国工程院通过将研究扩展到智能城市，大数据，智能制造，创新设计，数字创意产业和工程知识中心，认识到了AI的重要性。而且，中国对人工智能的市场和社会需求已迅速扩大。2014年，搜索引擎的市场规模达到600亿元左右[24]，2015年中国智能语音的市场规模估计为46.8亿元[25]。此外，工业机器人的销售额增长了54％，在2014年达到了56 000 [26]。目前有330多个城市在建设智慧城市，全国市场规模超过800亿元[27] 。2014年，联合国教育，科学及文化组织（教科文组织）在北京中国工程院成立了国际工程科学与技术知识中心（IKCEST）；从而形成了第一个与大数据和知识服务有关的国际合作中心。
因此，中国应提倡新思想，做出贡献，进行前瞻性研究，并尽快计划和实施战略。AI 2.0的实现需要基于先前的发展成就，例如电子政务，电子商务，快递物流，智能社区，智能手机，电视和家用电器，以及制造业和城市化的升级。先前的想法或技术成就，包括创新设计，跨媒体计算，图像编码，汉字识别，知识中心，智能城市和智能图书馆也应纳入其中。
4.2 。开发AI 2.0的建议
中国AI 2.0的研究方向包括以下几个方面。
4.2.1 。基于大数据的情报
对大数据的使用及其从可用知识到智能行为的转换的研究，连接了各个领域的数据，并支持不同领域之间的融合和创新服务，以开发新技术和新业务。因此，需要进行研究以定义这种新的知识体系及其在CPH空间中的作用，以链接其关系和行为。还需要研究将数据与其他技术结合起来的知识挖掘形式，以促进新方法和支持软件的知识计算，包括自主学习和动态演化。由此产生的方法应被用于发展智能医药，智能经济和智能城市。
4.2.2 。互联网人群智能
对与互联网相关的基于人群的情报的研究需要理论发展，管理方法和组织技术，以及对能够协作，有序，安全，发展和学习的机制和平台的定义。该技术的未来应用包括科学研究和经济发展。
4.2.3 。跨媒体情报
对跨媒体智能的研究包括对感知，学习，推理和跨媒体技术平台的创建以及与综合推理和图像识别相关的机制的研究。通过语义，跨媒体技术可用于分析，推理，类比和关联，以建立可以“更好地看和听”并全面学习和理解的新智能技术。这一发展将包括建立涉及语言，视觉，图形界面的多媒体感知分析的理论和模型以及听觉，以便开发出能够实现跨媒体自主学习和推理的方法。潜在的应用包括智能安全，创新设计和数字创意。
4.2.4 。人机混合增强智能
对人机混合智能的研究要求将生物智能系统与机器智能系统集成和协作，从而提高智能水平。由于人与机器之间的协作，这种发展将潜在地提高解决问题和决策的能力。潜在的应用包括可穿戴设备，机器人技术，辅助教育以及与人机集成相关的产品。
4.2.5 。自主智能系统
自主智能系统的研究包括自主机械，智能制造和智能车辆的开发。它还涉及技术，体系结构，平台和设计标准。潜在的应用包括无人驾驶车辆，服务设备，机器人技术，辅助教育和智能工厂。
4.3 。关于促进AI 2.0研究的国际合作的建议
鉴于AI 2.0对人类发展的重大影响，建议促进国际科学家与智囊团之间的合作，以便在AI技术的适当发展中进行合作。
致谢
我们要感谢徐匡迪教授和周继校长，没有他们，这项工作将无法完成。
我们感谢李伟，高文，郑南宁，吴成，李伯虎，陈作宁，陈春和庄跃亭教授的许多建设性对话，这有益于本研究的几个方面。
我们还要感谢李仁汉教授，吴飞教授和唐思亮教授提供的用于本研究的数据。
参考文献
Ferrucci D，Levas A，Bagchi S，Gondek D，Mueller ET。沃森：险象环生！Artif Intell 2013； 199–200：93–105。
Bollacker K，Evans C，Paritosh P，Sturge T，Taylor J.Freebase：一个用于创建人类知识的协作创建的图形数据库。于：2008年ACM SIGMOD国际数据管理会议论文集；2008年6月9日至12日；加拿大温哥华。2008。1247年至1250年。
世界概况[Internet]。华盛顿特区：中央情报局。[引自2016年11月20日]。可从以下网址获得：https：//www.cia.gov/library/publications/the-world-factbook/。
Lee K. EyeWire [Internet]中的人群智能。[引自2016年11月20日]。可从以下网站获得：http : //kisuklee.wdfiles.com/local--files/research/crowdintelligence_EyeWire.pdf。
Cook G. Sebastian Seung寻求绘制人脑图。纽约时报[互联网]。2015年1月8日[引自2016年11月20日]。可从以下网站获得：http : //www.nytimes.com/2015/01/11/magazine/sebastian-seungs-quest-to-map-the-human-brain.html。
Yao L，Torabi A，Cho K，Ballas N，Pal C，Larochelle H等。通过利用时间结构来描述视频。于：ICCV 2015：2015 IEEE计算机视觉国际会议论文集；2015年12月7日至13日；智利圣地亚哥。2015年。4507–4515。
Yao L，Torabi A，Cho K，Ballas N，Pal C，Larochelle H等。结合时空特征和软注意机制的视频描述生成。Eprint Arxiv 2015：arXiv：1502.08029。
2014年发布的中国互联网经济核心数据：在线广告[Internet]。上海：iResearch；c2002-16 [引自2016年11月20日]。可从以下网站获得：http : //news.iresearch.cn/zt/247057.shtml。中文。
中国商业智能。《 2015-2020年全球及中国语音识别行业报告》 [互联网]。2016年4月[引自2016年11月20日]。报告编号：ZLC030。可从以下网站获得：http : //www.researchinchina.com/Htmls/Report/2016/10246.html。
享受智慧城市：城市建设既面临机遇，也面临挑战[互联网]。南京：南京创新数据技术有限公司。c2013-16 [引自2016年11月20日]。可从以下网址获得：http : //www.smartcitychina.cn/MingJiaGuanDian/2014-12/3838.html。中文。
