人工智能与大数据：未来创新趋势

（一）人工智能应用领域

人工智能是计算机学科的一个分支，是研究、开发用于模拟、延伸和延展人的智能的理论、方法、技术以及应用的一种新的技术科学，其主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

人工智能技术的核心，是通过对数据的收集、处理与分析之后，利用机器学习、深度学习等技术手段探索出其中存在的潜在规律，并利用该规律对事件的发展进行预判，从而实现决策和行动的智能化。如阿尔法狗的棋步算法、洛天依的声音合成，以及无人驾驶、人脸识别、网页智能搜索等。

大数据和人工智能有着密切的联系。一方面人工智能需要大量的数据进行深度学习，作为其“思考”和“决策”的基础。另一方面，大数据也需要人工智能技术来进行挖掘分析，发现其蕴含的价值。数据应用的主要方向之一就是人工智能，通过利用大量的数据进行“训练”和“验证”，从而保障人工智能产品运行的可靠性和稳定性。目前，人工智能尚处在行业发展初期，存在巨大的发展空间。

根据国家工业信息安全发展研究中心（CICS）2019年12月发布的《人工智能中国专利技术分析报告》，综合了技术、产业和专利方面的考虑，将人工智能产业技术总共划分为七个一级的技术分子，分别是深度学习技术、语音识别、计算机视觉、云计算、自然语言处理、智能驾驶、智能机器人。随着深度学习等技术的发展，对于数据的要求越来越高，因此，人工智能的发展对大数据有着很强的依赖性，需要大数据技术来提供海量的结构化/非结构化/半结构化的数据来更好地进行模型训练。

案例76：人工智能水下搜救机器人

如遇到沉船事件，由于船体内部结构存在未知限制，潜水员贸然下水搜救存在生命安全风险。此时，通过投放人工智能水下搜救机器人的方式，就可以事先了解水下船体环境，科学分析以提高搜救方案的可行性和安全性。

早期的水下搜救机器人是由人远程操控的，这种操作方式需要利用线缆进行远程控制，在较为复杂的环境中容易出现线缆磨损、断裂等问题，搜救效率普遍较低。而基于大数据技术的人工智能水下搜救机器人在获取沉船模型后，根据船体倾斜姿态，确定自身所在位置，利用视频图像处理、水下动态建模、实时定位等技术，在无人操作的情况下对沉船内部进行检查，并通过实时数据对比技术记录沉船内部情况。在人工智能水下搜救机器人完成检查工作后，根据自身记录的路线返回，并自动生成对应的动态建模信息，为搜救方案提供参考，提高了搜救效率。

案例77：智能建筑

随着现代社会的发展，大量科学技术被应用于城市建设，智能建筑是其中最具代表性的应用之一。

大数据技术被充分利用于智能建筑的消防系统中。在城市高层建筑中，受传统消防技术限制，火灾发生后消防人员有时无法及时提供灭火救援，导致耽误了救火的最佳时机。智能建筑可以完美解决这一问题。大数据技术能够为高层建筑设计最为科学的自动喷淋装置，布局点位可以确保灭火效果达到最佳。这套系统能够通过视频监视，分析建筑物内存在的消防安全隐患，如监视吸烟人员的行为、监控智能建筑内部供电系统的负载用电情况等，从而降低火灾发生的概率。

智能建筑的温度调节系统也利用了大数据技术。根据智能建筑内部的温度、湿度，以及不同位置人员数量，与大数据模型进行匹配，通过人工智能计算，得到最佳的室内温度控制信息，实现区域温度的特定调节，以确保为建筑内的人们提供最为舒适的温度、湿度环境。

智能建筑门禁系统方面也会利用大数据技术。一些高端写字楼，在一些重要位置禁止外来人员进入。写字楼管理方设计了基于大数据技术的智能门禁系统。对于符合要求的人员，管理方将其面部特征信息、指纹信息录入数据库。当其进入到身份识别区时，计算机图像识别软件先自动录取其面部特征信息，在获取对应人员指纹信息之后，由数据库进行信息比对。在与数据库信息相吻合的情况下，允许其进入。否则，门禁系统将自动报警。

案例78：工业制造4.0(www.xing528.com)

德国在机械制造领域拥有绝对的发言权。然而，随着科学技术的发展，传统机械制造水平已经无法满足现代社会的发展要求，加快实现智能化制造已经成为全球机械制造行业的共识。因此，德国率先提出了“工业制造4.0”，其目的在于加快以大数据技术为代表的现代科学技术融合，提升机械制造的智能化水平，提高制造质量和效率，降低制造成本。

以汽车制造业为例，在汽车车体焊接过程中，由于不同车体位置的材料不同，焊接方式存在一定的差异。针对这一问题，研究人员利用大数据技术，将不同材料对应的焊接方法输入计算机中。自动焊接中心通过全方位扫描，明确车体结构的实际情况，确认各个焊接点的材料属性，在计算机中绘制车体结构模型，并计算出最佳的焊接路径与焊接方法。这种方式尤其适用于那些定制的高端车型。大数据技术使得整个车体建模速度大大加快，同时，在建模过程中，也能够通过匹配以往车体设计的数据信息，发现其中的设计缺陷，并将数据库比对后的车体风险信息发送给质监部门，在一定程度上提高了车辆的生产质量。

当然，大数据技术在人工智能方面的应用并不仅仅局限于以上几方面。在技术的支持下，人工智能在丰富人们生活的同时，也将人从繁重的工作中解放出来，有效缓解了工作和学习压力，提高了生产效率。

（二）人工智能的发展前景

随着技术的进步，人工智能在机器视觉、指纹识别、人脸识别、视网膜识别、智能搜索、自动程序设计、智能控制、语言与图像理解、遗传编译等方面的应用将会越来越广泛。当前，人工智能产业已从导入期进入快速成长期，将成为经济增长动力之一。近年来，人工智能需求持续爆发，落地进程逐渐加快，商业变现模式更加清晰，资本进入更加顺畅，企业成本压力得到缓解。截至2019年，人工智能在华专利申请共计44.4万件，我国人工智能专利申请量正处于快速发展期。预计到2020年，我国人工智能市场规模将超过1600亿元。计算机视觉（图片、视频）或成为人工智能最快变现领域，语义理解将成为未来机器智能的关键，云计算平台的日益成熟也为人工智能提供了重要发展条件。

我国已将人工智能纳入国家战略布局。近年来，陆续发布了一系列旨在推动人工智能产业发展的政策。

表12　近年来国家出台支持人工智能产业发展的政策

续表

商业模式和规模化变现能力将成为行业关注重点。人工智能的商业模式大致分为五种：销售设备、提供服务、后台变现、软件授权和项目整合。这五种商业模式分别对应不同的应用领域，有不同的代表产品。同时，人工智能技术的落地应用，不仅要求技术过硬，也要求深耕行业的理解能力与服务能力，提供整体解决方案，提升规模化变现能力。

（三）大数据与人工智能融合的方向

大数据技术的快速发展，使得人工智能技术的落地应用获得了诸多突破。主要涉及以下两种方式：

一是大数据分析。机器学习作为大数据重要的分析方式之一，正在被更多的数据分析场景所采用。不少大数据研发人员就是通过机器学习转入了人工智能领域。

二是AIoT体系。AIoT（人工智能物联网）=AI（人工智能）+IoT（物联网），AIoT融合AI技术和IoT技术，通过物联网产生、收集海量的数据存储于云端、边缘端，再通过大数据分析，以及更高形式的人工智能，实现万物数据化、万物智联化。