欢迎来到优发表网

购物车(0)

期刊大全 杂志订阅 SCI期刊 期刊投稿 出版社 公文范文 精品范文

数字经济及人工智能范文

时间:2023-09-19 18:29:54

序论:在您撰写数字经济及人工智能时,参考他人的优秀作品可以开阔视野,小编为您整理的7篇范文,希望这些建议能够激发您的创作热情,引导您走向新的创作高度。

数字经济及人工智能

第1篇

关键词:人工智能技术;数字图书馆;个性化信息服务系统

随着社会的不断发展和进步,人工智能技术更具发展潜力,应用范畴不断拓展,其在搜索、获取以及系统方面更加突出。人工智能技术在图书馆个性化信息服务系统中的应用属于推理类,成为人工智能发展的重要方面。

1 在数字图书馆个性化信息服罩杏τ萌斯ぶ悄芗际醯募壑

1.1 实现对个性化信息需求的智能收集和分析

在当前个性化信息服务体系中,使用者能够结合自己的实际需求,对图书馆内的资源进行选择和明确。但是,鉴于图书馆内资源的规模性,涉猎全球领域内数字化的网络资源,因此,很难在海量信息中进行最快和最准确的选择。人工智能技术恰好能够应对这一问题,发挥神经网络技术的作用,结合用户需求,实现对其目的和意图的预测,有效提升个性化信息服务系统的效率,进一步满足用户个性化需求。

1.2 推动个性化服务的智能分类和推送

在目前的个性化信息服务中,需要对信息的种类进行逐层选择,而后对选择进行提交,结合信息类别,实现信息的有效匹配,这种系统效率不高,给整个系统增大了压力,尤其是面对网络时代的服务系统,在线需求人数巨大,存在选择和提交过于集中的问题,很可能造成系统崩溃。在人工智能技术的支持下,借助智能化的信息收集和分析,而后进行合理分类和展示。

1.3 推动智能人工服务模式的发展

针对智能化服务,其应用的前提是对用户不了解,根据系统自身掌握的信息,分析其操作模式,实现对用户操作的替代。为此,要发挥人工技能的作用。在这种系统的操作下,能够对用户操作进行评定,对其需求进行判定。在人工智能技术的应用下,数字化图书馆信息服务水平得以提升。

2 人工智能技术应用中需要面对的关键性问题

2.1 个性化信息的收集和获取

对于个性化新的收集和获取,需要应用两种模式,一种是静态模式,主要结合的是图书馆现有的读者信息,是用户在首次使用系统后留下的基本信息,进行推理。另外一种是动态化的方式,主要模式是跟踪和记录,满足个性化需求的推理,构建个性化信息需求库。

2.2 重视个性化信息的智能筛选

在个性化智能筛选服务系统的应用中,重要的内容是掌握用户的基本信息,实现对网络信息的智能化选择。借助用户的基本信息,进行初步筛选,形成具有针对性的知识库,而后结合操作动态,实现个性化信息的明确,构建兴趣知识库。之所以选择层次化的筛选,主要原因是网络信息的海量特征,同时,变化性较大,存在诸多重复性。在海量信息中定位所需本部分,同时进行分类呈现,难度极大,同时,信息面临着更新,信息筛选难度更大。人工智能技术需要应用神经网络算法,发挥其作用,完成智能化操作的过程。另外,在整个系统跟踪中,主要是由显式和隐式跟踪组成。在第一种中,需要用户的积极参与,实现有效的反馈,而后完成推送,直到客户满意为止。第二种是隐式跟踪,主要针对用户的操作进行跟踪,实现需求的推断,这种方式更具效率性和智能化。

2.3 对用户模型构建的介绍

在目前的数字图书馆个中,被动模式应用较多,对信息分析的不够深入,信息服务功能不突出。为此,要重视智能服务信息知识库模型的构建,达到对信息的智能获取和筛选。同时,实现对知识库的完善,提升服务能力和水平。

3 全面分析人工智能技术环境下数字图书馆个性化信息服务系统的构建

3.1 对总体架构的介绍

在数字化图书馆个性化信息服务系统中,主要分为三个层次,即客户、中间层以及后台数据库层。客户层的作用是提供信息浏览的功能。中间层是对信息进行获取、分类及推送。后台数据库对数据进行存储和管理。在三层体系结构的支持下,能够在同一计算机上进行运行。通常,客户层与后台数据层不进行直接数据交换,借助中间层进行处理,实现了服务系统效率的提升,达到了对数据库的有效保护。

3.2 对个性化信息服务系统整体功能的介绍

在整个个性化服务系统中,其依据的是信息服务智能化,与传统系统的区别是能够满足个性化需求,需要发挥个性化信息需求库的功能,实现对信息的准确输送,同时,也能够实现对信息的智能选取、筛选和分类。其功能主要体现在,首先,完成智能定制的目的,其次,完成智能搜索,再次,实现对用户基本信息的管理。第四,满足个性化页面设置的需求。

3.3 对个性化信息服务系统模块设计的分析

在人工智能化的数字图书馆个性信息服务中,发挥三层结构模块的作用。在客户层中,发挥登陆、搜索和展示的作用。中间层主要是完成数据信息的分析和分类。后台数据层实现用户和系统数据的应用。

4 基于人工智能技术的数字图书馆个性化信息服务模式的创新

4.1 重视个性化信息智能推送

对于信息智能化推送,主要是结合读者的意图,自动进行数据信息的推送。主要通过两种方式实现,一种是频道方式,主要是结合读者的想法进行推测,与选频道相似,在选定的站点进行信息的浏览。第二种方式是邮件,发挥邮箱的作用,进行信息的推送。读者可以通过两个方式进行信息的获取,一种是推测读者意图,一种是读者输入所需信息,在海量信息中进行智能分类和筛选,以主动的方式进行传递。

4.2 发挥个性化智能定制服务的作用

在整个数字化网络资源中,个性化智能定制的出发点是读者的实际需求,应用信息服务系统的功能。在这一功能的支持下,能够实现对读者意图的推断,满足读者自动化信息搜索的需求,摆脱了手动操作的束缚。同时,读者也可以根据需求,进行信息的调整。

4.3 应用个性化智能服务

智能是智能化的服务方式,依据智能信息系统和平台,完成对虚拟信息的处理。在这种服务中,突破目标和需求的限制,根据读者的操作实际,完成信息自动化推介的目标。在这种服务模型下,信息查找的速度更快。

4.4 提升智能定制服务的专业化水平

随着信息技术的不断发展和进步,人工智能更具发展速度,尤其是在图书馆中的额营业,使得其不受馆藏资源的约束,更好地发挥网络数字信息资源的功能。当前,图书馆资源不断增大,涉及更多领域的知识,尤其是面对海量的数字信息,传统服务模式很难满足现代化的需求。在人工智能的应用下,与信息服务系统相结合,能够在规模信息中进行智能化的搜索,满足用户真正需求,形成特定的专业化的智能定制服务。

5 结束语

综上,随着人工智能技术的不断发展和完善,其在数字化图书馆个性化信息服务系统中的应用将不断拓展,尤其是有效解决了数字化图书馆个性化信息服务系统中个性需求的问题。同时,在这种技术的支持下,提升了整个系统的智能化水平,满足系统的服务功能。

参考文献

[1]夏秀双.大数据环境下高校图书馆个性化信息服务研究[D].曲阜师范大学,2015.

[2]左素素.基于智能过滤的数字图书馆个性化信息服务研究[J].图书馆学研究,2016,03:80-84.

[3]陈静.基于多Agent的高校数字图书馆个性化信息服务系统模型研究[D].西安电子科技大学,2011.

第2篇

【关键词】自组织神经网络;智能建筑管理;BP神经网络

1 基于自组织神经网络技术原理

基于大规模自组织神经网络技术[1]是在自组织神经网络技术和专家系统的基础原理运用多层数据融合弥补了单循环数据在智能建筑工程管理分析数据处理的不足和逻辑的缺陷学科.多跳自组织神经网络是智能传感器采集数据训练样本仿真学习模型即自动增速各个自组织神经元连接权阀值与感知识别隐式分布在整个网络结构体系中实现自组织神经网络模式记忆与信息处理应用.

2 基于大规模自组织神经网络在智能建筑管理中研究

2.1 基于多跳自组织神经网络在造价预测研究

基于大规模自组织BP神经模型应用40个高层智能建筑工程样本训练并用工程实例进行验证高精确性;而用大规模自组织神经网络模拟与输入层和隐含层加入了偏置自组织神经元来促进学习训练样本数据中有噪声、干扰等会造成过度学习现象,同时采用遗传优化算法进行建筑结构优化.基于BP神经在智能建筑工程估价中的应用“特征提取器”的运算大量过去的工程资料中自动提取工程特征与预算资料的规律关系数据.

2.2 基于大规模自组织神经网络在工程管理绩效评价中的应用

运用大规模自组织BP神经模型对工程管理绩效评价问题进行研究建立综合考虑工期、质量、费用、安全四大控制指标的工程管理绩效评价模型[2].实践证明,基于BP神经网络在运算工程管理绩效评估模型有利于多跳自组织神经网络预测工程工期、质量、成本、安全与绩效之间复杂的非线性关系来提高管理绩效的评价数据.

2.3 基于遗传算法模型在建设工程评标结构优化应用

基于多层神经网络的工作原理是先将输入信号传输到下一层节点运算函数处理后再将该节点的输出信息向下一层节点传输到信号传输到输出层节点为止.同时运用遗传算法模型构造及算法设计进行方案优劣排序、换位矩阵以及能量函数构造、大规模自组织神经元之间连接和输出,并用实例说明了该方法的优越性和实用性与非线性.

2.4 基于BP神经网络模型在建设工程招投标管理应用研究

基于BP神经网络多层数据融合多跳自组织神经网络技术原理分析自动预测工程招投标的招标价格和风险因素分析以及竞标单位资格审查等方面的应用指出多跳自组织神经网络具有的高度并行处理和可完成复杂输入输出的非线性映射组合结构,不仅可以保证高的中标率,且可避免招标过程中不确定性因素的影响.运用大规模自组织神经网络的工程承包招投标报价的研究,提出了一个多因素确定高层智能建筑投标报价的大规模自组织模型影响报高率的诸多因素,并确定了其权值即确定了用BP神经网络实施黑箱操作的样本输入值和目标值再通过训练样本自主调整修正输入节点和输出节点间的联系得出符合各种情况要求的权值矩阵算法.

2.5 基于智能建筑算法模型研究

基于BP神经网络是以训练样本算法即误差反向传播算法即BP神经算法的学习过程分为信息的正向传播和误差的反向传播[1],其通过训练样本前一次迭代的权值和阈值来应用神经网络技术的第一层向后计算各层大规模自组织神经元的输出和最后层向前计算各层权值和阈值对总误差的梯度进而对前面各层的权值和阈值进行修改运算反复直到神经网络样本收敛 BP神经网络输入向量为

X=( )T;隐含层输出向量为Y=( )T;输出层的输出向量为O= )T;期望输出向量为 ;输入层到隐含层之间的权值矩阵 ,其中列向量 为隐含层第j个大规模自组织神经元对应的权向量;隐含层到输入层之间的权值矩阵 ,其中列向量 为输出层第k个大规模自组织神经元对应的权向量.各层信号之间的算法结构为:

以上式中的 均为S类型函数, 的导数方程为: (5)

神经网络输出与期望输出的均方误差为: (6)

则训练样本输出层和隐含层的权值调整量分别为:

式中: 为比例系数,在模型训练中代表学习速率.如果BP自组织神经网络有 个隐含层,各隐含层节点分别记为 ,各隐含层输出分别记为 ,则各层权值调整计算公式分别如下:

输出层

综合上述预测分析在BP神经学习算法运用各层权值调整公式均由学习速率、本层输出的误差信号和本层输入数字离散信号决定在训练样本学习的过程受决策环境复杂程度和训练样本的收敛性即需要增大样本量来提高网络技术所学知识的代表性应注意在收集某个问题领域的样本时,注意样本的全面性、代表性以及提高样本的精确性,增大抗干扰噪声,还可以采用其他方法收集多层训练样本数据.

3 结束语

自组织神经网络技术应用在智能建筑管理领域是在多层智能传感器等多种信息技术飞速发展的多学科交叉研究领域得到广泛应用.

参考文献:

[1]周小佳.电力系统可靠性神经网络模型及实现研究[D].博士学位论文,1997.

[2]胡保清等.神经网络在土木工程领域的应用[J].低温智能建筑,2004(2).

作者介绍:

第3篇

关键词:机械电子工程;人工智能技术;应用

中图分类号:TP18 文献标识码:A

在现代经济社会发展速度不嗉涌斓谋尘跋拢社会生产力水平明显提高。对于我国而言,在工业机械工程发展过程中,现代电子技术的应用促进传统机械工程逐步过渡至现代电子机械工程,而随着计算机技术以及信息技术的蓬勃发展,机械工程开始呈现出智能化、自动化的发展方向。特别是人工智能技术发展以来,此项技术在机械电子工程领域中的应用日益广泛,对提高生产力水平的意义同样非常确切。本文即围绕机械电子工程领域中人工智能技术的相关应用问题进行分析与探讨,望能够引起各方重视与关注。

一、人工智能的概述

人工智能是研究、开发用于模拟、延伸以及扩展人的智能的理论、方法、技术以及应用系统的全新学科。作为计算机科学的重要分支之一,人工智能技术所追求的是了解智能的本质,并研发出一种与人类智能高度相似的智能机器。从人工智能诞生以来,相关理论与应用技术不断成熟,人工智能技术的应用范围也明显扩大。可以预见的是,未来人工智能技术下所带来的一系列科技产品将成为人类智慧的“容器”。

二、人工智能技术的作用分析

人工智能技术的应用对意识结构的变化有非常重要的影响,使意识论研究领域明显扩大。人工智能终端作为一种全新形态的机器设备进入人意识器官范畴中。人工智能技术下,除了能够完成人脑的一部分意识活动以外,甚至在部分功能上较人脑有着更为明显的优势,如对信息进行处理,以及采取行动的速度,以及对动作和记忆的准确性等方面。除此以外,通过对人工智能技术的应用与发展,还为未来ICT等网络技术的发展提供了方向与指导,包括云计算、深度学习、以及智能算法等在内的大规模网络应用成为ICT产业重要的发展方向之一,深度学习作为人工智能研究领域中的重点关注对象之一,可通过构建模拟人脑进行分析学习的神经网络的方式,促进互联网领域的飞跃式发展。

三、机械电子工程及人工智能分析

1.机械电子工程特点

机械电子工程是将电子工程、机械工程以及自动化工程结合起来的综合性学科,在机械电工工程中占据非常重要的地位。现阶段机械电子工程主要具有以下几个方面的特点:(1)机械电子产品结构相对简单。机械电子产品构造复杂程度不高,产品占地面积有限,能够改变传统意义上机械电子产品占地面积大且外观笨拙复杂的特点,对优化机械电子产品工作性能也有重要意义;(2)机械电子工程设计方案合理性高。在电子工程、机械工程以及自动化工程相互融合的背景下,设计人员能够更为全面的决策设计方案,促进机械电子工程的不断进步与发展。如,将机械电子工程技术与管理技术相结合,一来能够促进机械电子工程在管理体制层面的发展革新,二来能够促进机械电子技术在管理层面的发展进步,综合价值突出。

2.人工智能特点

人工智能是研究、开发用于模拟、延伸以及扩展人的智能的理论、方法、技术以及应用系统的全新学科。作为计算机科学的重要分支之一,人工智能技术所追求的是了解智能的本质,并研发出一种与人类智能高度相似的智能机器,研究对象包括图像识别、语言识别、机器人、自然语言处理以及专家系统等多个部分。人工智能技术的应用具有以下几个方面的特点:(1)人工智能技术使人与人之间的沟通交流更加密切。人工智能技术作为高新科学技术,为大众间的沟通交流提供了极大便利,实现与不同群体的沟通,在促进人类社会进步的同时还对人工智能技术的改革创新提供动力;(2)人工智能技术对促进经济增长有重要意义。应用人工智能技术能够促进社会消费,扩大国内市场需求,对实现经济平稳健康发展有积极价值;(3)人工智能技术的应用有助于企业经济目标的快速实现。人工智能技术大量应用会促进行业市场的扩大,吸引投资,提高企业经济效益。

四、机械电子工程中人工智能应用

1.机械电子工程与人工智能的关系

不稳定性是机械电子工程普遍面临的问题之一,该特点的存在导致机械电子工程系统信息输入与信息输出之间的关系难以准确地描述出来。由于建设规则库方法、学习并生成知识描述法以及数学方式推导法这3种传统机械电子工程系统描述方法在严密性与精确度方面存在一定的局限,因此往往难以满足机械电子工程系统日益复杂的描述需求。但从信息处理的角度上来说,人工智能技术的应用及其与机械电子工程系统的融合对于解决系统不稳定性、不确定性以及复杂性问题有非常确切的优势。从这一角度上来说,将人工智能技术与机械电子工程相结合已成为机械电子工程领域发展的必然方向与趋势之一。

2.模糊系统及神经网络系统

模糊系统的理论基础与模糊集合,设计工具为模糊理论。模糊推理系统具有模糊信息的处理功能,在自动化控制、数字处理等诸多领域中得到了大量的应用,所取得的效果非常显著。模糊推理系统创建模拟人脑的相关功能,并分析语言信号,在网络结构的依托下无限接近连续函数,并遵循域至域的映射规则对信息进行储存。但模糊推理系统在应用中具有连接性不固定的特点,计算量偏小,因此应用范围存在一定的限制。

神经网络系统是人工智能技术领域中的关键分支之一,神经网络将信息分布于网络上的主要模式是神经元的兴奋模式。在神经网络系统干预下,可实现对信息的分布储存以及对动态信息的协同处理。神经网络系统可在确保行为丰富的前提下最大限度地精简结构,利用神经网络系统功能直接模拟大脑结构,并分析数字信号,在各个神经元间构成点对点的映射关系,进而达到提高信息数据输入、输出精度,并提高计算量的目的。

结语

综上所述,人工智能技术的应用与人工智能系统的构建、发展在很大程度上促进了现代机械电子工程的快速发展与进步。现代机械电子工程设计必须以人工智能技术的合理应用为依托,达成双赢的理想局面。在这一过程中,相关人员必须充分关注机械电子工程与人工智能技术的融合,不断开拓全新的人工智能技术,把握两者发展中的相通点与共同点,以促进两者的共同发展与进步。

参考文献

[1]梁国强.试论人工智能技术在供水设备机械电气自动化控制中的应用[J].中小企业管理与科技,2015(27):252.

[2]韩斌.机械电子工程与人工智能的关系分析[J].数字技术与应用,2013(6):254-254.

[3]孙伟.电气自动化控制中人工智能技术的应用研究[J].科技创新与应用,2014(7):70-70.

第4篇

2016年是世界围棋界极不寻常的一年,3月份在“阿尔法围棋”(AlphaGo,一款围棋人工智能程序)与围棋世界冠军、职业九段选手李世石之间展开的一场人机大战中,“阿尔法”的胜出震惊全球。7月份世界职业围棋排名网站公布了最新世界排名:“阿法围棋”以3612分,超越3608分的柯洁成为新的世界第一。

2016年12月29日到2017年1月4日,一个名叫 “Master”的神秘网络围棋手横扫中、韩、日围棋界。它凭借惊人的稳定性一路高唱凯歌,获胜60场,没有败绩。最终神秘的“Master”揭开了庐山真面目,宣布自己就是“阿尔法围棋”。

2017年1月,谷歌Deep Mind公司宣布推出真正2.0版本的“阿尔法围棋”,成为第一个不借助让子,在全尺寸19×19的棋盘上击败职业围棋棋手的电脑围棋程序,其特点是摈弃了人类棋谱,只靠“深度学习”的方式成长起来挑战围棋的极限。

围棋是人类最具智慧的竞技之一,而人工智能(Artificial Intelligence,简称AI)研发是人类最具挑战性的科技探索。人机大战的经典对决将被同时载入围棋史册和科技史册。它的意义已经远远超出围棋本身,人们热衷谈论“阿尔法围棋”更多是出于对AI技术的关切。从诞生到日益成熟,AI理论和技术的应用领域在不断扩大,不知不觉间渗透到人类当代生活的各个方面。AI时代,互联网、金融、医疗、教育、物流、娱乐、传媒等行业都在加速自己智能化的进程。可以想见,未来人工智能带来的科技产品,将会是人类智慧的“容器”。 而与此同时,人类命运和机器智慧的冲突与共存,已经由人机大战开始不断升温。

“人工智能百年研究”项目

2014年秋季,美国斯坦福大学开启了“人工智能百年研究”(AI100)项目。这是一个超大型长期项目,该项目发起人――美国人工智能发展协会会长、前微软研究员埃里克・霍维茨博士表示,“我们的职责是研究人工智能在2030年前对人类社会生活方方面面所产生的影响,尤其是在北美地区”,而“研究的核心是,人类不能丧失对人工智能的控制能力”。 “人机大战”

2016年9月1日,“人工智能百年研究”项目的第一项成果《人工智能与2030年的生活》。这是一份试图定义北美城市在未来10多年间将要面临的可以模拟人类行为的计算机和机器人系统 (即人工智能)问题的报告,涉及交通、家庭/服务、健康医疗、教育、低资源社区、公共安全与防护、就业、娱乐等关注领域,目的是推动相关政策的制定。业内人士认为,工业界和学术界目前正在联手倒逼政府出台人工智能的相关政策,希望可以获得更大力度的资金和法律扶持。

《人工智能与2030年的生活》所列举的关注领域,均面临着人工智能的影响和挑战。例如开发安全可信赖的硬件的困难(交通工具和服务机器人),获得工作信赖的困难(低资源社区和公共安防),对劳动力可能被边缘化的担忧(就业和职业),以及人际交往减少带来的社会副作用(娱乐)等等。

1.交通:自动驾驶的汽车、卡车、无人机投递将改变城市里的工作、购物和休闲娱乐模式,但需要增加可靠性、安全性和用户接受度,并根据新的交通模式改进当前的相关法规和基础设施。

2.家庭/服务机器人:现在进入家庭的扫地机器人或特种机器人能够为家庭和工作场所提供清洁和安保服务,当务之急是技术方面的挑战和机器人成本过高的问题。

3.健康医疗:个人健康监测装备与手术机器具有极大的发展潜力,人工智能软件将最终对某些疾病自动进行诊断和治疗。目前的关键是获取医疗从业者的信任。

4.教育:互动辅导系统在帮助学生进行语言、数学以及其他技能的学习方面已经发挥出作用,自然语言处理的发展将为这一领域的应用带来全新的方式。当务之急是教育资源分配不均的问题,以及教、学双方直接互动的减少会带来哪些消极影响。

5.低资源社区:投资最新技术领域有助于更充分地发挥人工智能的优势,比如避免铅污染和改进食品分配等,重要的是让公众参与进来以增强相互信任。

6.公共安全与防护:利用相机、无人机和软件进行犯罪模式分析,应用人工智能技术来降低人类判断的主观偏见,与此同时在不侵犯个人自由和尊严的情况下增强安全性。目前需注意的是如何保护隐私和避免固有偏见。

7.就业和职业:随着全球经济的快速发展,传统岗位开始被新岗位取而代之,有关人类如何适应这种新变化的相关工作需要立即展开,比如如何妥善处理劳动力下岗以及人工智能对新工作岗位不适应的问题。

8.娱乐:内容创建工具、社交网络和人工智能的结合,将开创全新的媒体内容收集、组织和分发模式。但问题是新的娱乐方式如何在个人价值和社会价值之间取得平衡。

《人工智能与2030年的生活》在回顾发展历程和展望发展趋势时指出,人类正加速在人工智能领域的研究,试图建立一个能与人高效协作的智能系统。其中最重要的是机器学习的成熟,它受到了数字经济崛起的部分影响――数字经济为机器学习提供了大量数据。此外其他影响因素包括云计算资源的崛起,以及消费者对语音识别和导航支持等技术服务的需求。研究人员认为,不管是从基本方法上还是应用领域,包括大规模的机器学习、深度学习、增强学习、机器人、计算机视觉、自然语言处理、协作系统、众包和人类计算、算法游戏理论和计算的社会选择、物联网、神经形态芯片在内的研究趋势,共同促进了人工智能研究的热潮。

这份报告试图严肃地讨论这样一个问题:如何更好地引导人工智能来丰富和服务于人类生活,同时推动和激励这一领域的创新。因为人类目前并不能清晰而完美地预测未来的人工智能技术及其影响,所以一定要对相关政策进行评估。未来几年公众在交通和医疗等领域内应用人工智能的机会日渐增多,因此必须以一种能构建信任和理解的方式将其引入,确保在尊重人权和公民权利,保护隐私和安全,维护广泛而公正的利益分配等方面措施周备。 世界经济论坛说,机器人和人工智能到2020年可以取代510万个工作岗位。

研究人员指出,传统的人工智能范式已被数据驱动型范式成功取代,对于定理证明、基于逻辑的知识表征与推理这些程序的关注度在降低。作为20世纪七八十年代人工智能研究的一根支柱,规划( Planning )强烈依赖于建模假设,难以在实际应用中得到满足;视觉方面基于物理的方法和机器人技术中的传统控制与制图,正让位于通过检测手边任务的动作结果来实现闭环的数据驱动型方法;还有曾颇受欢迎的贝叶斯推理和图形模式,在数据和深度学习的显著成果前也显得相形见绌。在未来15年中,针对人类意识系统开发,按照能够互动的人类特点进行建模和设计人工智能系统成为人们的兴趣点。在考虑社会和经济维度的人工智能时,物联网型的系统变得越来越受欢迎。数据驱动型产品的数量及其市场规模将会扩大。

“为机器人安装‘死亡开关’”

2017年1月,欧洲议会法律事务委员会召开会议,呼吁制定“人类与人工智能/机器人互动的全面规则”。议公布的报告对机器人可能引发的安全风险、道德问题、对人类造成的伤害等情况进行了讨论,探讨是否需要为机器人安装“死亡开关”、研究机器人抢走人类工作的应对措施等等,要求欧盟为民用机器人制订法律框架。专家认为,这或将是首个涉及管制机器人的立法草案,将有利于人类应对机器人革命带来的社会震荡。

会议认为,人工智能和机器人发动的新工业革命可能影响到所有的社会阶层。机器人可能创造无限的繁荣,与此同时将影响人类未来的就业情况。机器人取代人类在许多行业是大势所趋。在德国,每1万个雇员中就有301个是工业机器人。报告要求欧盟委员会对各国民众的就业情况进行调查,重点关注极易被机器人取而代之的职位。如果机器人成为职位“杀手”,欧盟各成员国应考虑为国民提供基本的生活保障。埃里克・希尔根多夫是一名德国法律教授,他非常认同欧洲议会讨论的这项议题。“这不仅在政治上是可取的,从法律角度也是必要的,这样我们才能及时应对机器人革命带来的社会震荡。”他指出,“即使是银行顾问、教师和记者等要求严格的职业,未来也无法在这场科技洪流中幸免。”

会议强调,因为人工智能在几十年内可能超越人类的智力,将对人类控制机器人构成挑战。随着机器人自我意识的崛起,甚至可能威胁人类的生存。近年来,机器人“杀人”的事件时有发生:2015年6月,在德国大众汽车公司,一名工人安装机器人时反被它抓起推向金属板压死;2016年6月,美国一家汽车零件生产商的一名女员工正在修理出现故障的机器人时,它突然启动,将修理女工活活压死。

报告参照美国科幻小说作家艾萨克・阿西莫夫提出的“机器人学三大法则”,将其作为立法框架,对机器人自我意识觉醒后的行为规范做出规定。“机器人学三大法则”包括: 1.机器人不得伤害人,也不得见人受到伤害而袖手旁观。2.机器人应服从人的一切命令,但不得违反第一法则。3.机器人应保护自身的安全,但不得违反第一、第二法则。由于规则无法转化为代码,欧洲议会正在着手建立一个针对机器人和人工智能研发的机构,为设计、生产和操作机器人的人员提供技术、伦理和监管方面的专门知识等。

报告还提出:1.在设计新型机器人时,设计师应该尊重人类的基本人权,事先获得道德研究委员会的批准。2.必须为机器人注册,以便在调查事故时查找涉事的机器人。3.确保机器人安装有“死亡开关”,可以随时被关闭。4.机器人不能对使用者造成“身体或心理伤害”。如果酿成事故,机器人不能逃脱责任。机器人所负担的责任应该与其接收的实际指令及其自主程度相对应:它的学习能力和自主性越高,那么人的责任就较低;倘若它“受教育”的时间越长,教它的“老师”负的责任就越大。报告还指出,机器人的生产商或拥有者将来需要购买保险,来承担机器人可能造成的损失。

人类与机器人的关系将会引起一场涉及私隐、尊严和安全的大讨论,在欧洲议会投票赞成立法之前,各成员国政府将对此做进一步的辩论和修正。

“机器人应当纳税”

英国牛津大学近期一项调查结果显示,今后数十年间,自动化改变生产线的速度将超过20世纪。在经济合作与发展组织(OECD)成员国,57%的工作岗位有被自动化取代的风险。英国中央银行英格兰银行预测,在自动化浪潮中,危在旦夕的英国工作岗位多达1500万个。美国白宫2016年预测,机器人取代时薪低于20美元以下岗位、介于20~40美元岗位和时薪40美元以上岗位的概率分别为83%、31%和4%。

在美国微软公司创始人比尔・盖茨看来,为暂时性减缓自动化蔓延速度,很有必要向企业为雇用机器人员工而征税,税单将是阻止机器人取代人类工作岗位的杀伤性武器。如果机器人将大范围取代人类工作岗位,那它们至少应为此买单。“目前一个人类员工在工厂中创造了5万美元的价值,这个价值会被征税。人类员工需要缴纳各种税,如所得税、社会保障税以及其他税款。如果一个机器人在工厂做与某个工人同样的事情,我们也应按同等水平向它征税。”

盖茨同时认为,尽管一些工作岗位可能被机器人取代,但人们可以在那些所需技能是机器人无法复制的领域里继续工作。世界需要抓住机遇解放劳动力,让人们从事更好的工作,例如关爱老人和帮扶特需群体。在这些领域,人类具有独特的同情心和理解力。

法国社会党总统候选人伯努瓦・阿蒙也呼吁法国对机器人征税,部分税收用于补贴全民基本收入保障。越来越多的政界人士和硅谷富翁支持推出全民基本收入保障,以化解自动化引发的大范围失业。而反对机器人税的人士则持这样的观点:自动化即使在短期也可以借助提高生产率创造新的就业岗位。

“人类需要成为‘半机器人’”

美国特斯拉汽车公司首席执行官伊隆・马斯克在2017年2月13日迪拜举行的 “世界政府峰会”上表示,未来20年,驾驶人员的工作将被人工智能所颠覆,之后全球12%~15%的劳动力将因为人工智能而失业。“从技术角度讲,最迫切的影响会来自自动驾驶汽车。它到来的速度将远快于人们的预期,当然它会为人类提供极大的方便。”

第5篇

前言

2017年,人工智能全面爆发,资本大量涌入,政策不断加持,各企业趋之若鹜。在此时刻,中国完全掌握着弯道超车的良机,只是,我们更需要理性认知,毕竟健康发展、蹄疾步稳的人工智能发展才会对未来有益。

风口已来,静待腾飞……

在不久前结束的2018年全国研究生招生统一考试中,“人工智能对人类社会产生哪些影响,对经济发展带来哪些改变”成为管理类联考综合能力考试中一道分值很重的作文题目。这从一个侧面可以看出,2017年成为国家战略的人工智能之火热程度。

在浙江乌镇落幕的第四届世界互联网大会上,人工智能同样是最热门的话题,在以人工智能为主题的分论坛会场,已经到了人满为患、不得不限制进场人数的地步。

回顾2017年的科技创新,坦率地说并没有给人太多惊喜,最引人关注的,莫过于人工智能。这一年,人工智能全面爆发,成为国家战略。

2017年7月,国务院印发的《新一代人工智能发展规划》中,明确新一代人工智能发展分三步走的战略目标,到2030年使中国人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心。这是中国首个面向2030年的人工智能发展规划。随着人工智能上升为国家战略,顶层设计框架搭建完成,产业发展有望持续提速,带来投资新机遇。

实际上,在政策出台前,对市场异常敏感的企业层面已经开始布局,2017年只是进入到了发轫期。

也许,不少“吃瓜群众”此刻方才明白,为何做搜索引擎的百度提出“all in”(全面进入)人工智能战略,阿里巴巴也提出了数据是生产资料的概念,而腾讯早已经开始“连接”一切。

“作为一项改变世界的技术,人工智能已经到了从实验室走入真实的生产环境和日常生活的‘临界点’。”阿里巴巴集团副总裁刘松说。

在政策信号如此明确的背景下,人工智能几乎到了“人人争说”的地步。如今的中国,人工智能缺的不是关注和热度,而是理性的思考,是对未来风向的把握。

人工智能发展如何脱虚入实?人才与核心技术瓶颈如何取得突破?法律伦理责任如何界定?将会砸了谁的饭碗?背后的算法歧视如何解决?梳理过去一年人工智能发展,理性看待目前的阶段,这五大关键之问可能将是人工智能发展的风向标。

与实体经济结合去泡沫化

到了2017年年尾,曾经让各界争得面红耳赤的实体经济和虚拟经济之辩似乎已经没有太多意义。因为“取代谁”在当下已经成为非常不明智的设问。答案已经越来越明晰:实体经济是根本,虚拟经济也需要结合实体。换句话说也许更清楚,脱离实体的人工智能发展很难不出现泡沫。

于是在2017年,我们看到,很多的互联网工程师开始进入工厂深度研究流水线,拜师高级技工,在工厂写代码,而结合了人工智能的生产线大大提高了生产率。

阿里云总裁胡晓明认为,人工智能的发展要去泡沫化,下一站将是“产业AI”。目前,该公司在城市、工业、零售、金融、汽车、家庭等多个场景推出ET大脑等“产业AI”方案,这些能力、产品和解决方案都通过虚拟的云端结合了扎实的工业流水线。

胡晓明告诉记者:“现在人工智能领域有种浮躁的氛围,有些企业靠AI讲资本故事、炒作股价。人工智能不应仅仅是实验室里的、PPT里的‘概念上的AI’,更应是‘产业AI’。”

人工智能若要健康发展,首先必须要有场景驱动,人工智能在解决什么问题、为这个社会的成本降低了多少、效率提高了多少;人工智能背后,是否有足够的数据来驱动AI能力的提升;是否有足够的计算能力支撑算法和深度学习?只有在这三个场景同时具备的前提下,人工智能才会有价值。

在2017年,工业大脑走进车间,突破了良品率提升、故障率预测等制造业核心难题,互联网与工业的结合帮助类似协鑫光伏、中策橡胶、天合光能、盾安新能源等大型制造企业创造利润数十亿元。在天合光能,工业大脑帮助其提升了电池片A品率达7%,而之前预设的目标是1%。

机器观察世界,机器学习规律,数据的积累、计算能力的提升,让人工智能由此变得真正聪明可用。

猎豹移动CEO傅盛认为,传统行业的智能化核心是把传统行业数据化,今天人工智能有机会把传统的物理世界数据化。物理世界的数据化是传统行业真正转型的核心。如果实体经济想实现10倍数增长,关键是要实现物理世界的数据化,用更多人工智能的方式,去获取更多来自于这个产业的数据。

2017年,时髦的城市大脑、工业大脑、无人驾驶、无人超市、无人机、语音识别、唇语识别,无一不是人工智能与实体结合的应用。

进入商店的每一张人脸,其实就是每一个访客的访问,在里面顾客拿起的每个动作都可以被识别。进入无人超市看上去是一个人脸识别签到,其实就是一个数据的来回流动。线上和线下没有界限,电商开始进军零售店,融合的前提就是数据化。

傅盛说自己的公司在美国硅谷只干了一件事,就是投了一个小基金,让它每次带自己去看硅谷的创业公司,从中可以知道美国企业在干什么。后来傅盛发现在数字化这一点上,美国公司在做的事情就是把物理世界数据化。

将物理世界数据化,与实体经济结合,降低社会成本,而不是空炒概念,数字对数字,将是人工智能未来健康发展的重要一环。

人才还得自己来培养

得人工智能者得天下,得人才者得人工智能。

人工智能火热自不待言,但是必须清醒认识到,在人才储备和核心技术方面我们尚存突破空间。

打开某知名招聘网站,搜索“人工智能”后马上会出现很多招聘岗位,具有诱惑力的薪酬让人眼前一亮。以人工智能算法工程师为例,该职位少则月薪一两万元,多则年薪百万元。

这种供需不平衡的现象,不仅在中国有,在美国硅谷亦是如此。

早在2016年,创新工场创始人李开复曾公开透露:“在硅谷,做深度学习的人工智能博士生,现在一毕业就能拿到年薪200万到300万美元的录用通知。”

据领英近日的《全球AI领域人才报告》显示,截至2017年一季度,基于领英平台的全球AI(人工智能)领域技术人才数量超过190万,其中美国相关人才总数超过85万,高居榜首,而中国的相关人才总数也超过5万人,位居全球第七。

然而,这些人才仍不能满足互联网行业的需求。不少互联网企业人士告诉记者,目前互联网行业中最稀缺的就是人工智能人才,甚至很多行业巨头会用月薪几十万元招聘人工智能顶级人才。

傅盛表示:“下大力气把海外人才引入中国是合理的,但核心人才还是要中国自己来培养。”

目前,业界对AI人才的争抢近乎白热化,但是“缺口”同样明显。来自第三方数据显示,过去一年中,人工智能人才需求量增长近2倍,2017年第三季度,人工智能人才需求量相较2016年同期增长高达179%。中兴研究院副院长董振江坦言:“去年招人非常困难,在人工智能领域,大家都在抢人,薪酬也一再加码。”

AI技术人才是主导这一变革的中流砥柱。人工智能的竞争说到底是对人才的竞争,在国内人才竞争中,数字挖掘、算法分析、语言识别、自然语言处理是人才竞争的核心。

而在核心技术方面,虽然我国已经取得了多项创新,但主要偏向应用和数据积累,在核心技术方面与美国尚存差距。我国虽然已从跟跑走向领跑,并有了弯道超车的机会,但美国仍是目前出台人工智能战略最多、核心技术和人才最多的国家。

如何在人才和核心技术方面取得突破,将是未来我国在人工智能发展中最需要注意的问题。

意味着更多从业机会

当机器越来越像人,能够做人的工作时,这是否意味着它们会抢走人类的饭碗?

来自互联网业界的声音相对乐观,一个普遍的观点是:人工智能对就业的冲击正在发生,但被取代的主要是重复性的工作。实际上,人工智能也会带来新的职位,让人类可以从事更多创造性的工作。

阿里巴巴集团副总裁刘松对记者说,人工智能将是人类历史上的第四次工业革命,其实每次新的工业革命到来的时候,都有类似“砸饭碗”的恐慌,事实证明,创新带来的更多的是机会。

他认为,未来人工智能意味着更多从业机会。确实会有很多职业被人工智能取代,但人类可以空出来更多时间做创造性的东西,或是享受创造性的内容。这将为设计师、艺术从业者带来更多可能性。

“什么人才最缺,可能是艺术类的创造者,而大量简单重复类工作会遇到冲击。”刘松表示。

数据似乎同样在支撑这样的说法。来自智联招聘的一份研究报告显示,程式化、重复性、依靠反复操作实现的熟练工种已经开始受到冲击,投资银行业务、校对录入这两个典型职位在过去三个季度连续出现大幅同比负增长。咨询公司德勤的报告也显示,人工智能已经在英国取代了80万个低技能工作岗位,但同时也创造出350万个新就业机会,后者的年收入比前者多1.3万英镑。

人工智能的研发者认为,机器永远不可能取代人的作用,人工智能只能解放人类,让人类从事更多的创造性和服务性工作。机械化程度越高的工作,人们越希望由人工智能完成,而需要创作的工作,则需要人类来完成。

问题的关键在于,这些“新饭碗”谁来端?

懂得学习、勇于迎接挑战的人,将是未来端“新饭碗”的人。具体而言,艺术创造者、心理医生等精神层面的从业者,未来将越来越受欢迎,而高危和恶劣环境的稳定岗位将大量被人工智能取代。

相关法规需要不断突破

伴随人工智能的应用不断落地,法律责任的划分和承担是人工智能发展面临的首要法律挑战。其涉及如何确保人工智能和自主系统是可以被问责的。

百度创始人李彦宏第一次正式介绍百度无人车时就遇到了这一问题——他驾驶无人车到会场后不久,就收到了交管部门的罚单。而最近百度无人车在河北雄安进行试驾,当地相关部门特别出台了临时交通规则让其上路,这就是法规上的突破。

由此说明,伴随着人工智能的进步,法规也需要不断取得突破。“无人车收到罚单了,距离大规模上路还会远吗?”李彦宏如此认识这个问题,而在世界各国,关于无人驾驶的立法也正在不断取得突破。

然而,当此人工智能的发轫期,有一个绕不过去的法律问题就是数据隐私保护。

人工智能的发展越来越依赖大量的数据分析,大规模的数据收集、分析和使用,使传统社会走向透明化,在万物互联、大数据和机器智能三者叠加后,人们或许不再有隐私可言。

如今,商家越来越夸大大数据、人工智能给人类的生产、生活带来的极大便利,而用户本身也往往忽视了这些新技术新应用对隐私和个人数据带来的危害。

人工智能能带来精准营销,而精准营销的背后可能就是“精准诈骗”。因此,在发展人工智能的过程中,个人隐私和数据保护是国际社会长期以来重点关注的内容。近年来,随着大数据、云计算以及人工智能新技术的快速发展和应用,给现有个人信息保护法律制度带来了新的挑战,各国立法、修订法律活动更加频繁。

人工智能时代要负起责任

今日头条是过去一年各界争相关注的一个信息平台,基于一种设计后的算法,今日头条作为信息集合平台为用户推荐最感兴趣的内容。由于对用户注意力的精准抓取,今日头条取得了巨大成功,其身价不断增高。

今日头条的成功之处,在于其所谓基于算法的精准推送,但问题的关键还在于,这种算法已经越来越成为一种“看不见的正义”。这种算法是不是用户真正所需要的?对此,一些用户抱怨,往往因误点了一两条新闻,或者仅仅出于好奇点了一下相关新闻,就导致之后不断大量地被推送相关内容的新闻。这实际上也变相剥夺了用户的选择权。

必须明确的是,就目前发展阶段而言,认为算法可以为人类社会中的各种事务和决策工作带来完全的客观性只是一厢情愿。无论如何,算法的设计都是编程人员的主观选择和判断,他们是否可以不偏不倚地将既有法律和道德原封不动地写入程序,值得深究。

算法歧视由此成为一个值得重视的问题。

今日头条的出现说明这样一个问题,算法开始越来越多地左右着移动互联网,比如可以决定你看到什么新闻,听到什么歌曲,看到哪个好友的动态。那么,算法可以做到公平正义吗?

互联网上的算法歧视早已有之,图像识别系统就曾犯过种族主义大错,比如,谷歌公司的图片软件曾错将黑人的照片标记为“大猩猩”。

英国《卫报》曾发表评论指出,人工智能可能已经开始出现了种族和性别偏见,但这种偏见并非来自机器本身,而是计算机在学习人类语言时吸收了人类文化中根深蒂固的观念,从而出现了种族和性别偏见。这些发现令人担忧现有的社会不平等和偏见正在以不可预知的方式得到强化。

第6篇

自去年以来,浙江省大力实施数字经济“一号工程”,大力培育新技术、新服务、新模式、新产业,积极推进电子信息产业高质量发展。

浙江省电子信息行业总体保持较快增长,发展的稳定性、协调性和可持续性明显增强,电子信息制造业综合发展指数达73.34,居全国第3位。

稳步推进发展工作

过去的一年,为推进电子信息产业高质量发展,浙江具体抓了六个方面的工作。

强化顶层谋划。省委、省政府提出将发展数字经济列为“一号工程”,制定出台了《浙江省国家数字经济示范省建设方案》和《数字经济五年倍增计划》,将提升电子信息产业规模和能级作为数字经济发展的一项重要内容来抓,重点是要培育壮大集成电路、通信与网络、新型元器件及材料等基础产业,加快发展物联网、人工智能等新兴产业,积极布局量子通信、柔性电子、虚拟现实等前沿产业,力争到2022年全省数字经济核心产业增加值突破1万亿元。

强化新兴产业培育发展。瞄准行业前沿,制定实施专项行动计划,大力推进智能网联汽车、智慧健康养老、集成电路等产业培育发展。在智能网联汽车领域,深入推进杭州及桐乡两地的应用示范,新增嘉善高铁新城开展应用示范;制定智能网联车辆道路测试管理实施细则,组织开展智慧高速公路的规划研究,积极探索车路协同系统的研发与应用试点。在智慧健康养老产业领域,积极开展相关技术研发和服务产品推广应用,入选国家应用试点示范26个,12个产品及服务入选全国推广目录。在集成电路领域,加快杭州、宁波等6个省级集成电路产业基地和杭州芯火创新平臺建设,大力推进“IP核—芯片设计—行业应用”协同发展。

强化重大项目落地建设。借助世界互联网大会等平台,加强省市县联动,精准对接招商,着力推动一批重大项目落地实施。在集成电路领域重点推进中芯国际(宁波)、中芯国际(绍兴)、海宁泛半导体产业园、中电海康磁存储等项目,计划总投资近500亿元,这些项目的建成将进一步增强我省电子信息产业综合竞争力。

强化平台载体谋划建设。全力推进之江实验室、阿里达摩院及智慧视频安防、柔性电子等省级制造业创新中心建设,着力推动数字技术攻关和产业创新发展。以高新园区和特色小镇等新型载体建设推动产业的集聚发展。目前,全省已拥有国家级、省级信息产业基地(园区)40余个、数字经济特色小镇27个,产业集聚效应不断增强,已形成通信网络、软件、信息机电等5个千亿级产业集群。

强化行业企业培育壮大。积极组织实施名企战略,龙头企业培育初见成效,数字经济领域拥有超千亿元企业1家、超百亿元企业20家、上市企业67家、独角兽企业23家。入选2018全国电子信息百强、电子元件百强企业分别达14家和20家,数量继续保持全国前列。

强化政策支持和规范发展。组织实施“数字产业化提升行动”,安排专项资金5亿元,着力加大对集成电路、柔性电子、智能硬件等领域重点扶持;支持企业积极申报国家重大专项并落实地方配套支持政策,下达“核高基”重大专项地方配套资金12233万元。加快组建规模100亿元的省数字经济产业投资基金,积极推动参与国家集成电路产业投资基金二期(150亿元)出资工作。加强行业规范公告工作,共27家光伏制造企业和4家锂离子电池企业纳入规范公告名单,行业规范发展的水平不断提升。

2019再攀新的“高峰”

基于上述基础,2019年,浙江将继续以数字经济为引领,从四个方面重点推进电子信息产业高质量发展。

强化数字经济引领发展。深入实施数字经济“一号工程”,以建设国家数字经济示范省为抓手,着力在推进数字技术新突破、壮大数字产业新能级、激发实体经济新动能、培育数字应用新业态、释放数字赋能新价值、构筑协同发展新局面等方面取得新突破,力争数字经济核心产业增加值增长15%以上。

着力培育壮大数字产业。组织实施人工智能“铸脑”、集成电路“铸芯”、智能硬件“铸端”、软件“铸魂”等行动计划,着力培育壮大数字产业,推动集成电路、高端软件等优势产业迈向全球价值链中高端。结合新型消费升级与扩大,加强对智能家居控制、智能可穿戴设备等智能硬件产品的研发与推广应用;深化应用示范,大力推进智能网联汽车、智慧健康养老等产业创新发展;强化系统谋划,研究制定超高清视频产业发展和数字安防产业集群培育等行动方案,力争电子信息制造业主营业务收入突破9000亿元。

第7篇

关键词:数字农业;数据;人工智能;农业生产

1数字技术助力传统农业转型升级

1.1物联网

物联网在农业生产环节适用较广,依据物联网的农业提升方案,通过实时采集并分析处理现场数据,实现提高农业生产效率、增加收益、减少损耗的目的。智能大棚、智能浇灌、精准农业等各种依靠物联网的应用将推进农业快速发展。物联网技术可以用来解决农业生产环节的一些问题,建设基于物联网的智慧农场,实现农作物产量和质量双提升。

1.2大数据

万物互联在促进众多设备联入的同时,还会在云端形成大量的数据,而提取这些通过物联网产生的大数据中隐藏的重要信息就必须依靠人工智能,物联网最重要的农业价值就是对形成的海量的数据进行智能化分析、处理,从而全面提升农业生产各环节的质量。

1.3人工智能

在种植方面,人工智能可以增加粮食产量、避免造成浪费。在养殖方面,依靠人工智能能够有效预防畜禽疾病的发生。人工智能能够缩短农业研发进程,帮助培育出更好的农作物基因,生产出更安全、更有效的化肥。

2中国数字农业面临的问题

2.1对软件重视不足

不管是政府还是农民都容易将数字农业与农业机械化的定义混淆,数字农业和农业机械化的本质差别在于,农业机械化是依靠农机装备来替代人力作业,而数字农业是指依靠数据来控制机械,实现自动化作业和智能化调节,没有数据和软件来控制的物联网,本质上还是工具,与机械农业没有实质上的区别,掌握软件平台才能真正实现大数据、智慧农业和数字经济。

2.2数据利用化不高

数据是数字农业的根本保证,当前政府同企业在数据采集上合作频繁,但是往往没有明确的利用化方向,缺少必须的数据运营手段,对采集数据的正确筛选、处理分析和建模应用等领域的工作跟进不够及时,数据的采集与利用是一个相互促进的关系,只有不断通过采集的数据产生农业价值,才会形成长期有效的数据来源渠道。

2.3数字经济发展不足

目前我国农业电商的模式是通过数字来驱动市场经济,但这种方式在市场推广营运、产品特性突出、物流运输等方面有很多明显的缺点,如果农业电商的经营方式以数据为基础,利用市场资本来反向驱动农业数字经济,一些问题的处理就变得简单许多。我国数字农业技术的利用基本上都是在农业生产阶段,数字农业的信息化和经济化水平不高,数字经济创新突破的同时,也将带动“全产业链”的农业大数据快速提升[2]。

2.4数据服务产品化不强

随着数字农业的发展,农业数据服务企业越来越多,但数据产品的服务能力完全依靠于所采集的数据质量,一些企业对农业生产经营主体的服务水平不足,导致产品市场化受阻,只有通过持续积累高价值的数据,不断增强数据产品的实用性,让数据产品具有强大的生命力,才能开拓巨大的农业数字化市场。

3未来数字农业的发展趋势

3.1数据定制化供应

数据资源是数字农业发展的根本保证,当前我国数字农业具有数据采集费用较高的问题,随着数字农业优势的显现,数据采集的组织成本会慢慢下降,同时农业物联网持续升级换代、公共数据的利用不断开源、数据分析者的信息化水平逐渐增强,数据采集的综合成本也逐渐减少。今后农业数据服务企业将会逐步建立起自己的定制化数据供应系统,并且数据库里以往采集的高价值数据信息,将会随着企业的数字化服务能力提升而持续汇入到产业链中,通过交换、融合或再生来创造更多的价值,实现数据服务的数字化驱动。

3.2国产数据模型得到发展

实现数据价值是数字农业最困难,也是最终的根本目标,硬件设施可以从国外买到,但对于后台系统国外却对我国严防死守,所以必须掌握实现数据价值模型的核心技术。目前国与国之间的科技力量竞争不断加剧,引进科技成果的壁垒持续增高,同时国内外农业生产经营模式存在很大差别,因此不能直接套用国外的数据模型。我国不断鼓励科研成果的转化利用,农业数据模型的跨界合作正在逐步深入,所以农业核心数据模型的自主研发在今后一定会实现。

3.3农业机械智能化加快

农业机械化与农业智能化最根本的区别就在于“数据驱动”,“中国制造2025”明确要把“智能制造”作为今后的努力方向。顺应时展,海尔等一些国内的制造企业已经逐步进行数字化转型升级,从而获得新的经济增长点,农机企业也必须通过数据来对农机装备赋能,适应数字农业的发展要求,完成从农机制造商向农机服务商的转型升级目标[3]。

3.4产业链向虚拟化方向发展

由于农业生产各环节数字化水平的逐渐提高,数字化驱动的农机智能与商业智能同农业生产经营联系越来越紧密,数字农业产业链将慢慢走进网络世界中,通过互联网进一步实现农业数字化的映射,数字农业产业链虚拟化会慢慢消除农业信息不对称,提高产业整体效率,促进数字农业更好更快的发展。

3.5供应链金融普惠化

近年来,供应链金融高速提升,2020年我国供应链金融的市场规模已达到14.98万亿元,供应链金融是农业产业提升的重要环节,可以改善资金流从而促进农业产业、尤其是中小型企业的良好发展。依靠物联网、大数据及人工智能等一系列科技手段,数字农业会进一步促进中小企业逐渐融入到农业产业体系中,为供应链金融普惠化打下良好的发展基础。农业产业虚拟化的同时,会使其变得更加透明,信用责任也更容易得到保证,因此金融风险的量化管理也变得不再复杂。

3.6数据安全更加重视

不管是地块的信息数据,还是企业的经营数据都能直接表现出农业生产经营主体或企业的当前情况,数据促进农业发展的同时,也有被泄露和乱用的风险,所以保证数据安全也是农业数字化发展不可忽视的问题,存储和使用数据的信息化系统的安全性要求越来越高,数据所有权的保证也会随着法律的不断优化而彻底解决。

4数字农业的发展领域

4.1智能农机装备

智能农机装备是农业生产的重要工具,通过物联网和信息化技术可以达到最优的农业实施方案,从农作物耕种收等各个环节来降低农业成本,实现农产品增产增收,从规模化种植角度,能够实现农业资源可持续发展,农业生态良性循环[4]。

4.2智能灌溉

提高浇灌效率和避免水资源浪费是农业良好发展的根本要求,可以依靠建设可持续和高效节本的智能灌溉系统来达到节约水资源的目的。目前以物联网为基础的智能灌溉系统,可以利用空气湿度、土壤湿度、土壤温度和光照度等参数进行精准的计算,从而根据用水需求来进行智能化控制灌溉,大大提高效率且降低成本。

4.3农业无人机

无人机在农业领域具有广泛的应用,可以用来进行农作物生长情况检测、农业摄影、农作物植保和牲畜管理等。农业无人机可以提高监测效率、降低监测成本,同时还可以采集大量的数据传输至后台。

4.4智能温室

智能温室可以连续不间断地测量温室内的各项环境数据,包括室内温度、室内湿度、光照度和土壤湿度等,当这些重要的参数超出设定的正常范围时,系统会对这些参数进行分析和评估,并做出自动响应,将这些参数的误差进行校正,从而使温室的环境保持在农作物生长的最佳范围内,极大地降低了人力和物力成本。

4.5收获监测

收获监测不只是针对农作物产量这一个指标,而是对收获环节所有可能影响最终收获量的因素进行监测,包括粮食含水量、粮食饱满度、粮食破碎量和总收获量等。对在收获监测中获得的实时数据进行有效的分析处理,可以辅助农民做出正确的决断,从而降低成本,增加产量。

4.6土壤监测系统

土壤监测系统主要用来监测和改良土壤综合性能,避免土壤退化,此系统可以监测土壤的大部分重要参数(包括土壤紧实度、蓄水保墒能力、土壤温度等),从而防止土壤板结、土壤侵蚀等。

4.7农业管理系统

农业管理系统可以为农业工作者和相关企业提供数据收集和管理功能。得到的数据被存储和分析从而为使用者提供决策依据,农业管理系统还可以用来建立农业数据模型。其优势包括为使用者作出重要决策时提供了理论数据支持,提高了农业生产的综合管理能力。

5互联网巨头布局数字农业案例

5.1阿里巴巴:盒马村

阿里巴巴数字农业事业部始终将农业全产业链数字化转型升级作为战略目标,力争尽快建成1000个高效规模化的数字农业示范基地。从去年开始,阿里巴巴数字农业事业部更是全面加紧了对盒马村的布局和建设,以希望先于其它企业完成数字农业示范基地建设的战略任务。盒马村并不是指某一个村落,而是所有为盒马种植农产品的村落的统称,盒马村模式是新时代农村转型升级的一个标杆,根据订单情况,针对不同的村落,因地制宜地发展数字农业,让种植户和销售企业直接对接,从而使优质的农产品快速入城,同时将城里的优质资本引进村落,形成良性循环。通过阿里巴巴建设的“产—供—销”一体化平台,让原本分散孤立的村落紧密联系在一起,成为现代数字农业产业链的一部分,种出更优质的农产品,让农民获得更大的收益。依托阿里云技术和淘宝电商平台,盒马模式帮助农业产业的种植端和销售端实现了数字化的升级,盒马利用其强大的销售汇聚能力,解决了小农户难销售的问题,改变了以往小农生产模式产销散乱的面貌,帮助农户降低了风险,开拓了销售渠道,提高了销售效率。据有关新闻报道,截至2020年底,上海、江苏、海南等全国13个省、市、自治区已经建立盒马村,盒马村模式为我国数字农业发展提供了良好的参考。

5.2京东:京东农场

从2018年开始,京东农场便逐步进行数字化农业的试验,京东农场广泛同全国各地的高标准农场开展合作,共同建立更高品质的农业生产基地,全面实行农作物标准化和规范化种植,从源头开始建立农作物全程可视化追溯性模式,让农作物从田间到餐桌的安全性得到保证,全面提升京东农场的农产品质量。其建立的“京品源”品牌,拥有产销一体化的全套服务体系,对京东农场的农产品在品牌、品质、供应、产销等方面进行全面的支撑。根据有关新闻报道,京东农场进行了广泛的战略布局,截至2020年底,其已经在全国各地建立了17个示范农场。从农产品的种植、加工、运输,到供销的各个阶段,京东农场利用区块链、人工智能、物联网等技术对传统农业进行赋能,彻底改变了传统农业的产销模式,为数字农业发展作出了重要贡献。

5.3华为:联手北大荒,助力数字化转型

技术实力雄厚的华为,一直希望利用其技术优势,帮助传统企业进行转型升级。2019年8月,华为同北大荒农垦集团签定了战略合作协议,按照协议内容,双方将建立长期的战略合作伙伴关系,彼此会充分利用行业地位和自身技术为另一方提供全面的帮助,贯彻取长补短、互惠互利的原则,在人才培养、平安垦区、智慧农业、华为云建设等多方面进行密切合作,携手探索数字农业的新发展模式,全面开展北大荒集团的转型升级。华为除了和北大荒合作以外,还将利用其大数据、云计算、人工智能及5G技术与袁隆平团队共同打造“互联网农场”。