2022工博会机器人展主题品牌企业 振威工博会主题

人工智能发展阶段,技术体系与实体经济融合

人工智能发展阶段，技术体系与实体经济融合

　　技术体系指各种技术之间相互作用、相互联系，并按一定目的、一定结构方式组成的技术整体。人工智能是一个技术簇，尤其是在人工智能阶段需要加强技术分类，因为人工智能的技术分类是人工智能技术体系形成的基础。

　　人工智能狭义上可理解为通过人工的手段达到模仿人类智能的目标。智能主要表现在人工智能的技术发展定位上，而人拥有视觉、听觉、触觉、味觉、感觉、语言表达、书写、行动、逻辑推理、学习、记忆等能力。当人工智能具备了其中某项能力，代替人来做具体岗位上重复的体力或脑力劳动，这便是人工智能。人工智能是可以标准化的，简单、重复的劳动形式。本文将人工智能阶段技术体系归为类。

机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度神经网络)、CNN(卷积神经网络)、RNN(循环神经网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用神经网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。

新发展格局对传统制造业发展提出更高要求

我国传统制造业需寻找扩展国际市场的新思路。受疫情冲击，世界经济，产业链供应链循环受阻，我国传统制造业产品出口也面临挑战。在供给方面，我国制造业“低成本”优势逐渐弱化，劳动生产率、供应链效率等新的比较优势尚在孕育之中，传统制造业如何在国际循环中迈向附加值更高的产业链上游，是需要解决的重要问题。在需求方面，过去，我国传统制造业产品的主要出口市场是欧洲与北美，但是受到世界经济形势复杂多变的影响，大宗商品市场动荡，这些市场对我国大宗商品的需求有可能出现萎缩。如何寻找替代市场，是我国传统制造业面临的又一重要挑战。