人工智能可以被称为是人类发展历史当中的第四次工业革命，随着不断发展，已经开始广泛渗透到人们生产生活的各个领域，为人们带来了极大的便利。人工智能（ai），最早是由mccar thv于1956年在dartmouth学会上正式提出的，此概念一经提出，便引起了研究者的关注与讨论。人工智能是用机器模拟和实现感知、认知等人类智力能力的科学与技术，使机器的工作能力能够部分达到甚至超过人类智能。当今的人工智能技术以机器学习特别是深度学习为核心，在视觉、语音、自然语言等应用领域迅速发展，已经开始像水电煤一样赋能于各个行业，有效提升社会各领域的智能化水平，给传统领域带来颠覆性变革。

人工智能应用发展现状

医疗领域

人工智能在医疗领域的应用范围不断扩大，商业模式逐渐丰富，为医疗效率的提升注入了新动能。ibm公司的沃森是认知计算的杰出代表。在ai辅助诊疗方面，watson提供诊治服务的病种包括乳腺癌、肺癌、结肠癌、前列腺癌、膀胱癌、卵巢癌、子宫癌等多种癌症。腾讯觅影基于医学影像分析技术辅助医生筛查食管癌、肺结节、宫颈癌，截至2018年7月，已累计辅助医生阅读医学影像超1亿张，服务90余万患者，提示风险病变13万例。希氏异构与华西一家医院深度合作，成立“华西-希氏医学人工智能研发中心”，研制出国际第一台ai消化内镜样机，其对息肉、肿瘤、静脉曲张的初期诊断准确率分别为92.7%、93.9%和96.8%。此外，美国直觉外科公司的达芬奇机器人是腔镜手术辅助机器人的领军者，其机械手臂灵敏度远超人类。在药物研发方面，基于深度学习技术，通过大数据分析快速、准确地挖掘和筛选出合适的化合物或生物，可实现缩短新药研发周期、降低新药研发成本、提高新药研发成功率。在健康管理方面，结合智能穿戴设备，通过对基因数据或代谢数据等分析，为用户提供饮食起居等各方面的健康生活建议。基于ai管理情绪，可预测和治疗精神疾病，如avalonai利用深度学习加神经成像，针对阿尔兹海默症做早期诊断和预防，预测的准确率可达75%。

交通领域

人工智能在自动驾驶、城市交通管理以及智能出行等交通方面广泛应用，提高交通运行效率，保障交通安全。自动驾驶方面，alphabet公司旗下子公司waymo目前在无人驾驶领域占据霸主地位，加州车辆管理局发布的2018年自动驾驶汽车公司路测排名显示，waymo的无人驾驶汽车每行驶11154.3英里，仅需要一次人为介入，排名第一。百度作为我国自动驾驶领域的领头企业，2018年首款l4级自动驾驶巴士量产下线100台。城市交通管理方面，各地政府与互联网公司广泛开展合作，以智能交通信号灯为切入点推进城市智能交通建设。2018年9月，杭州城市大脑2.0发布，接管1300个路口信号灯、接入4路视频，全面感知城市交通，在全国最拥堵城市排行榜上，杭州从2016年第5名下降到第57名。智能出行方面，人工智能技术助力催生道路交通的新模式、新业态，提升用车效率和用户体验。如滴滴、首汽等网约车企业，整合了打车软件、汽车租赁和第三方劳务公司资源，通过自动学习和匹配用户的用车需求，智能调配司机响应用户订单，形成了跨越出租汽车及汽车租赁行业的新兴业态。

农业领域

人工智能使农业实现了“从看天吃饭到看ai吃饭”的华丽转变。目前，通过传感器、智能机器人的使用，人工智能在农业领域可以实现智能化育种选种、种植养殖、采摘分拣等应用。例如，harvest croo robotics开发了一款具备16个独立的采摘机器人，帮助草莓农场采收和包装，可以在一天内收成8英亩土地，并取代30名劳工，而农业劳动力成本高居总成本之40%。阿里ai养猪项目基于机器视觉技术，由et大脑为每头猪建立起包括品种、年龄、体重、进食情况，以及运动强度、频次、轨迹等在内的多个维度的数据档案，通过对收集来的这些数据进行分析来判断猪的健康度、进食度、料肉比等，阿里云et大脑使得每头母猪每年能够多产下3只幼崽，死亡率降低了3%左右。

面临的问题与建议

人工智能技术在近年来的发展异常迅速，但人工智能发展仍然面临着很多问题。首先，人工智能技术瓶颈难以突破。当前人工智能技术仍然处于初级发展阶段，基于深度学习的智能仍停留在浅层次的条件反射层面，并不能达到人类智能的灵活性、逻辑性、思辨能力。其次，缺乏高质量的数据资源。深度学习需要大规模高质量的训练数据，数据的获取和制作成本极高，数据共享流通不畅、数据标准不统一、历史数据质量差等问题影响了人工智能在各领域的应用。再次，人工智能存在安全隐患，具有自学习、自适用、自组织、自行动的人工智能带来不确定的风险。如2018年3月，一辆正在进行无人驾驶测试的uber车在美国亚利桑那州tempe市撞死一名行人。最后，人工智能带来了新的就业问题。据2013年英国牛津大学的一项研究报告称，未来有700多种职业都有被智能机器替代的可能性，医疗、教育等需要高技能积累的行业也将受到人工智能的影响。

对此，我们有如下发展建议。

一是积极探索突破技术瓶颈。包括但不限于基于机器学习、深度学习体系的优化、基于脑科学研究的类脑智能、基于脑机接口的混合智能等多种技术路线，探索“强人工智能”的可能性。

二是完善数据资源体系。围绕语音识别、视觉识别、自然语言处理等基础领域，以及工业、医疗、金融、交通等行业领域，建设高质量人工智能训练资源库、标准测试数据集并推动共享。

三是建立人工智能产品质量安全认证体系。围绕智能机器人等新兴产品与应用，研究建立人工智能安全评估体系，针对人工智能产品与应用全生命周期过程中数据安全风险、算法安全风险、平台安全风险开展安全评估，提升人工智能产品服务质量和安全水平。

四是提前布局适应人工智能带来的就业变化。围绕人工智能带来的就业供需变化，通过宣传和培训等多种方式引导、鼓励企业生产方式的转型升级以及从业人员劳动资源的有效转换。

以上是网络信息转载，信息真实性自行斟酌。