人机协同考验AI 产业智慧

　　当前，中国人工智能技术创新日益活跃、产业规模逐步壮大、应用领域不断拓展，取得了阶段性成效。未来，大量的长尾行业场景需要借助人机协同技术实现快速地智能化部署，大幅提升行业内部智能化体系的建设效率。智能行业的引领者则通过建设开放平台的商业模式，实现人机协同技术能力的快速行业横向延展。开放平台的建设者利用开放平台实现技术能力的快速分发，实现大规模的裂变式资源释放，从而获得超额收益。软件开发商、硬件开发商、渠道供应商等生态伙伴则会围绕开放平台获得低成本的人工智能技术支持，在生态的基础上衍生出更具创造性的行业应用。

　　人机协同是人工智能新阶段的发展方向

　　2010 年以来，加速演进的世界新一轮科技革命和产业革命为培育经济增长新动能、实现动力变革提供了重要的历史机遇。新一代信息技术可以通过“产业机制”和“赋能机制”推动我国经济发展的动力变革，助力关联产业壮大及赋能其他产业。一方面，随着社会进步，全球经济逐渐从第一产业向第二、三产业转移，高附加值的产业将不断的成为经济主流。数字化和智能化的巨大突破提升了公司的经营管理效率，重塑公司的业务逻辑，进而推动了信息技术行业由通用性向细分长尾领域扩展。数字经济已经成为中国经济发展不可或缺的重要组成。另一方面，科技革命和产业变革赋能传统产业，加快各行各业数字化进程。高新技术凭借超强的融合渗透力，打破行业边界并将产品和服务延伸至其他领域，从而实现跨行业领域的市场融合。新一代信息技术通过渗透于信息通信技术（ICT）行业以外的其他行业部门并提升其全要素生产率，为宏观经济增长提供支撑。

　　人工智能（AI）将如同产业信息化普及一样，渗透于各个行业，成为新时代的经济增长新引擎。然而传统行业在长期的发展中积累下深厚的知识储备，简单地使用计算机视觉技术或者语音识别等人工智能单点技术将无法满足行业深层次的智能化要求。因此，能够充分融入行业专家知识能力的人机协同成为了人工智能新阶段下的发展方向。

　　人机协同能够同时服务于生产者和消费者。一面是专家，一面是用户，专家通过行业知识的输入，以人的长板补充机器的短板，从而更好地服务消费者。同时人工智能既可以取代机械性的、简单的、无创意需求的劳动，又能够对人的能力进行增强，从而协助专家作出更精准、更清晰和更理性的判断。人机协同正在成为解决行业深度融合的重要方式。

　　2019 年美国国家技术科学委员会发布的《国家人工智能研究和发展战略计划》中明确提出“开发有效的人工智能协作方法”的战略。人机协同的理念在美国人工智能研究和发展的战略地位进一步提升。人类与人工智能合作将成为改变社会运转方式的新趋势。美国提出的发展战略计划关注未来，聚焦人工智能的人机协同系统开发，补充和增强人的能力边界，意图将人机协同系统打造成人工智能实力扩充的重要一环。

　　人工智能前沿技术产业化落地面临考验

　　人工智能领域技术能力全面提升将为人机协同奠定基础。人工智能技术能力的不断成熟，使得机器能够实现越来越人性化的操作。人工智能技术能力的全面提升为人机系统的能力实现奠定了坚实的基础。

　　人机协同包含三个依次演进的层次，分别为人机交互、人机融合、人机共创。人机协同发展的第一阶段是人机交互层面。人工智能技术的突破赋予机器视觉、听觉和触觉等综合的感知能力，也提升了机器的认知和决策能力。人工智能技术的成熟为顺畅的人机协同提供可能。机器通过视觉感知、听觉感知、文字感知等技术，实现人机交互的过程。

　　计算能力提升与数据资源累积将为人机协同能力发展提供基础支撑。人工智能技术得以商业化主要得益于计算能力的提升与数据资源的累积。芯片处理器的技术迭代、云服务普及以及硬件价格下降使得人工智能算法的计算总成本大幅下降。传统的面向通用计算负载的CPU 架构无法完全满足海量数据的并行计算需求，在人工智能使用GPU 进行训练与推理后，由于同时调用数以千计的计算核心，人工智能的计算能够实现 10~100 倍吞吐量，大幅加速人机协同产业的发展进程。人工智能算法性能决定着人机协同智能水平，所以计算性能的大幅提升将为人机协同提供重要的基础支撑。此外，伴随着云计算、大数据、物联网等技术产业的快速发展，数据流量增长速率正在不断加快，人工智能可以获得体量庞大的学习素材，有助于提升人机协同的智能水平。

　　但是，人机协同的实现对产业提出了很大的挑战。

　　首先，人工智能对复杂问题的处理能力仍与人类水平有差距。虽然经过数十年的努力，智能安防、智能机器人、自动驾驶、智慧医疗、无人机、增强现实等领域都出现了各种形态的人工智能应用，但是人工智能依然面临着很多技术性挑战，距离完全还原人类智能还存在很大的差距。同时，缺乏标签数据、大规模训练数据获取成本高、部分应用场景出于保密考虑存在数据隔离限制等问题，导致数据不能共享也无法形成闭环，技术进步分散在不同项目和应用场景，难以带动行业整体跨越。

　　其次，人工智能社会属性使产业发展面临社会风险和挑战。

　　在人工智能产业快速发展、迅速应用的过程中，同样面临着潜在的社会风险和挑战。隐私、安全性、公平、伦理等问题引起人们的日益关注。以人工智能大数据为代表的现代信息技术与人类生产生活高度融合。全球数据爆发增长，海量聚集，大数据发展日新月异，对经济社会发展产生了非常深远的影响。与此同时，在全球化的人工智能时代，以人工智能、大数据为代表的新型数据安全风险日益凸显，尤其是侵害消费者隐私、网络诈骗等事件，给公民的信息和财产安全造成严重威胁。预计未来各国对版权、数据监管和隐私保护将会陆续推出相关政策法规加以规范，并加强相关领域监管。

　　最后，人工智能前沿技术产业化落地考验产业链发展。目前，许多人工智能前沿技术仍然缺乏从产品到规模化应用的工程化经验。人工智能技术的应用涉及新型基础架构、数据分析流程以及智能硬件部署等。每个环节都可能会影响识别效果，将技术从实验室扩展到工业化应用的过程本身就是很大的挑战。人工智能产业虽然市场广阔，但也存在落地场景较为分散复杂、各场景成熟度差异较大的特点，目前较为成熟的细分领域竞争相对充分，其他市场尚处开拓深化阶段，预计未来产业链生态平台、系统集成商、解决方案提供商等企业的竞合关系将随着场景深度结合方向的选择变得错综复杂。

　　ldquo;纵横交错” 拓展人机协同生态圈

　　以人机协同为方向，以下三点将成为人工智能产业发展趋势：

　　（一）以技术为核心的“人机协同生态圈”将成为未来智能产业发展新模式。未来随着人工智能技术在场景中应用的不断深化，单一技术实现的技术闭环难以满足复杂场景下的智能化需求。人们对于智能算法的能力要求持续升高，核心技术能力的研发难度开始加大。一方面以人为本的理念成为人工智能新阶段的发展重点，人类的行业知识和经验判断成为了智能产业发展的重要组成。另一方面拥有核心技术实力的企业通过持续的技术积累，能够支撑起未来人工智能核心技术的攻关突破。因此，具有把人类知识与机器能力完美融合的人机协同操作系统成为未来人工智能产业发展过程中实现人机交互、人机融合与人机共创的重要基石。这需要人工智能行业内的技术引领者，通过构建“人机协同生态圈”的方式，集成多维度的人工智能技术能力，聚拢行业内的专家，实现综合型能力的输出。

　　在商业价值层面，“人机协同生态圈”的建设将成为人工智能时代的流量入口，大企业提供技术能力输出，生态圈企业与行业专家共同参与共建生态。通过网络状的生态结构，人工智能的能力得以规模化释放，人与机器共同创造价值，最终达到人机协同生态模式的平衡。

　　（二）融合专家能力和机器能力的 “纵向深耕”将是人工智能行业赋能的关键。随着传统产业的智能化实践逐步深入，行业中深层次的知识和经验尤为重要。简单的人工智能技术叠加将不再能满足用户的智能化预期。例如在医疗领域的主要矛盾是稀缺的专家资源与海量的病患需求。以前完全人工专家诊断的方式效率很低，大量的患者将无法得到有效的救治。同时由于机器缺乏人工的经验，如果仅单独地使用人工智能技术诊断将会产生不可控的风险。人机协同则通过融合专家能力与机器能力，将医疗专家的知识技能模型化、自动化，自动判断分析90%以上诊疗信息，使得医疗专家集中处理10%的关键性问题，大幅提升医疗专家的服务能力。

　　智能化场景是人工智能在产业化实践过程中的最根本体现，未来人工智能产业将更加深入地渗透于场景，切实解决客户场景的业务问题，形成以综合技术能力为核心的场景应用闭环，从而扩大智能场景的市场规模量级。算力、算法、数据是构筑起当前人工智能时代的基础三要素，而在场景智能化应用的过程中，行业知识将成为新时代下人工智能的第四大要素。人类专家的知识将是开启社会从弱人工智能时代向强人工智能时代的钥匙。未来的人工智能企业不仅需要拥有强大的技术能力，同时还需要通过人机协同的方式深度渗透于场景，从而制定出适用性强的解决方案，触达客户深层次需求。

　　（三）以开放平台为载体的“横向延展”将是未来AI 实现产业化的方向。人工智能产业将逐步向工业化迈进。标准化的产品、规模化的生产、流水线式的作业将是人工智能实现产业化的发展方向。企业在行业实践中的大量人机协同经验沉淀将通过开放平台扩散至更多行业。既拥有行业知识又拥有智能技术的企业通过提供标准化、模块化的产品和服务，为横向多行业全场景赋能。

　　“开放、共享”将成为下一阶段人工智能产业发展的关键词。开放创新平台的建设可以更好地整合行业技术、数据及用户需求等方面的资源，助力人工智能产业生态的构建。中小型人工智能企业能够依托开放平台，集中资源和力量，打造自身的核心竞争力。传统领域的企业能够借助开放平台的技术能力，快速实现行业的智能化转型。

　　“开放、共享”的创新发展模式将提升人工智能技术成果的扩散与转化能力，促进中国人工智能产业形成以开放平台为核心的智能生态圈。