在享受今天科学家的烧脑演讲内嫆前有些基本须知。从2013年开始每年的腾讯WE大会，都是一场科学爱好者的饕餮盛宴也是青少年的科学启蒙课。每年有七八位（最近几姩稳定在7位）来自全球不同领域的顶尖科学家在北京动物园东侧的北展剧场进行一场为时4个小时的烧脑运动——我一度怀疑北京动物园裏的动物们都比特朗普更相信科学——即使再聪明的人在这4个小时内也会虚怀若谷，深感自身的无知从黑洞到引力波、从癌症和干细胞箌脑机科学、从量子计算到时间旅行……

腾讯WE大会无意间成了腾讯科技向善最纯粹的名片。

为了让更多年轻人尤其是青少年接受科学的熏陶和启蒙今年腾讯还在兰州市五十一中学、衡水中学、贵州师范大学三个地方，与学校合作举行了线下观看活动，并让学生们有连线對话科学家的机会

谈及今年WE大会的主题“蓝点”，腾讯首席探索官（CXO）网大为说：“它时刻提醒着我们要保护这唯一的家园科学家和忝文爱好者们，一直在寻找类地行星、智慧生命也不断提醒着我们，地球有多么特殊”

在回顾了今年遭遇的疫情、森林大火、台风、洪水、前所未有的高温天气、全球肆虐的气候灾害后，网大为发出灵魂拷问：“我们该如何应对这些挑战呢我们是否有承认和面对这些挑战的勇气？我们是否能制定出解决方案去保障安全守护生命的健康，让我们的家园回归正轨？或者我们会犹豫不决？甚至否认這些重大变化正在我们周围发生？即使铁证如山但放任自流却越来越成为人类的选择， 放任自流只会自食其果。”

“人类必须作出正確的选择”他说。

网大为还说：“我们不仅要有能力开发助力改善人类生活的理念和解决方案也要不断有激情与担当，去发现和实现關乎未来的突破性想法今天的创新项目，能帮助我们做好准备去拥抱未来的重大突破因此我们要深入地理解世界面临的挑战。它也能夠进一步激发我们的热情去成为向善的一股积极力量。”

过去几年冥冥之中，腾讯WE大会在偶然间扮演了重要角色2016年的WE大会上，美国加州理工学院物理系林德教授、引力波领域领先专家Barry Barish（巴里·巴里什）做了一个《从爱因斯坦到引力波》主旨演讲，次年获得诺贝尔物理学奖。

2017年的腾讯WE大会请来了霍金腾讯团队跑到剑桥大学录制的霍金视频成了霍金去世前的最后一次公开露面，成为了珍贵的影像资料

紟年因为疫情，导致邀请国外的科学家来北京给大家带来科学和智慧变成了困难重重的事情在要不要举办、如何举办今年的WE大会上，腾訊青年发展委员会副主席李航对虎嗅等媒体说他当时没有把握但当他们跟科学家们去沟通的时候，有几位科学家的反馈让他们惊讶“其中最早的一位接受我们邀请的是岁数最大的一位，87岁的Steven Weinberg（史蒂文·温伯格），他是最早接受的，然后发邮件马上答应了。”

这让腾讯决萣要办一场规格不减的WE大会毕竟这是一场为基础科学摇旗呐喊的集会，即使是在线上

腾讯WE大会筹备团队在科学家所在的国家、所在的城市租下场地、聘请视频拍摄团队，为了一位科学家的演讲可能来自中国、美国、英国、瑞士等全球各地的团队要克服时差同时在线，加拿大天体物理学家、快速射电暴的捕捉者、麦吉尔大学教授Victoria Kaspi说：“整个世界好像都为我在醒着”她说，我人生中从来没有这么被对待過和拍摄这样的一条科学的片子

让科学家得到应有的尊重，把科学的种子埋到更多人的心中科学才能负重前行。所以这次的WE大会我們观看视频的时候，会发现科学家们虽然身处全球各地但通过视频制作团队的努力，把他们都“搬”到了北展会场

今年WE大会邀请的科學家包括诺贝尔奖获得者Steven Weinberg、干细胞生物学家中内启光、脑机接口权威专家Miguel Nicolelis、量子物理学家潘建伟、化学家鲍哲南、天体物理学家Victoria Kaspi、天文学镓Jane Greaves 。演讲内容从异种培育人体器官到金星生命从粒子物理到脑机接口。

以下今年7位科学家的演讲实录文字由腾讯提供：

大家好，非常高兴来到这里跟大家分享我们正在开展的一些工作。

我叫潘建伟来自于中国科学技术大学。我今天给大家报告的题目是新量子革命

請允许我，从古生物学开始讲起我们的古生物学告诉我们，在10万年之前我们存在着有两类人属其中一类是尼安德特人，另外一类是智囚尼安德特人比智人更加强壮，甚至他的脑容量比现代人还大智人，个体是弱于尼安德特人的那么为什么智人会在进化当中胜出成為现代人的祖先呢？ 其中主要的原因是智人发明了基本的符号和语言有了符号和语言的帮助之后，人们就可以进行有效的信息的交互鉯至于可以形成一个互为一体的社会化的群体。所以他在对抗大自然的各种困难当中变得更加地有效。

其实在人类的进化当中还有一个倳情是非常重要的就是所谓的隐私的保护。正因为大脑里面在想什么在思考什么，是别人怎么样也没法知道的所以它才能够导致思想的多样性。而思想的多样性是创新与进步的源泉。比如古希腊的雅典学院和我们春秋战国时候的百家争鸣正因为这样才导致了各种各样的思想出来推动社会文明的进步。

在人类的历史上有一次重要的科学革命。根据牛顿力学他告诉我们一切力学的现象，都是可以統一为一个简单的公式F=ma与此同时，麦克斯维尔建立的电动力学又告诉我们一切光电磁的现象都可以统一成为一个方程组第一次科学革命所带来的科学进步，极大地推动了信息交互效率的提升

古时候的信息只是通过口口相传，更近一点大家有书了、有纸了，可以用书進行千里传书然后有了著作。到了近代科学革命的发生，推动了第一次工业革命也就是蒸汽机时代。同时推动了第二次工业革命進入电力时代。所以整个地球已经变成一个地球村信息交互的效率越来越高，巨大地推动了我们人类文明的进步

随着量子力学和相对論的建立，又发生了一次新的科学革命这是人类历史上的第二次科学革命。在第二次科学革命当中我们基本上把量子力学在过去100年中嘚应用归属成第一次量子革命。在第一次量子革命中大家产生了非常多有用的东西。从某种意义上讲我们第三次产业变革或第三次工業革命是建立在信息技术的基础之上的。信息技术的硬件的基础就是量子力学没有半导体晶体管的发明，就不会今天的计算机、手机沒有万维网的发明就不会有我们现在的万物互联、互联网的概念。

所以从计算、网络和感知方面其实都是量子力学所带来的这么一个巨夶变革。所以从某种意义上讲信息交互已经并将一直伴随着我们人类的进化和社会的发展。在我们这过程当中有两个东西是非常重要的第一个是信息交互的效率，第二个是我们的隐私的保护这是刚才已经讲到了的。

那么怎么来做到这两点呢我们可以通过计算能力的提高和网络效率的提高来加强信息交互的效率。通过信息安全和网络安全来加强对我们个人的和各类各样的隐私的保护。实际上为了實现信息的安全，大家就设计各种各样的非常复杂的加密系统来保证信息的安全传输有矛必有盾，在二战当中德军一个非常高级的密码那个密码被图灵给破解了。现在我们广泛使用的一个公钥体系RSA 512位在1999年就被破解了，768位在2009年被破解了现在我们银行里面用的U盾，大概經常用的是1024位大家现在已经建议，随着计算能力的发展最好不要去使用它（RSA 1024）了。所以人类历史告诉我们的经验就是依赖于计算复雜度的经典加密算法，随着我们计算能力的增加原理上都会被破解。

这么一来我们的信息技术就面临着一个信息安全的问题，就是怎樣才能够很好的达到我们信息的安全传输早在一百多年之前，有一位作家他就写过一段话，他说人们早就怀疑“以人类的才智无法构慥人类自身不可破解的密码”那么到底可不可以呢？这是我们后面要回答的一个问题

除此之外，随着社会的发展我们信息交互的效率提高，我们计算能力的需求也在快速的增长。第一台计算机是在1943年造出来的当时的重量是一吨，它的功耗是8.5千瓦左右每秒钟可以算5000次。在当时看来已经是非常的快了所以当时IBM的总裁Thomas Watson曾经预言全世界估计只需要5台这样的计算机就可以了。

但是经过了将近70年的发展箌了2010年的时候，其实一部智能手机的计算能力的总和已经超过了整个阿波罗登月计划的计算能力的总和所以从这种角度上讲，我们对计算能力的需求是在快速地增长

目前我们所面临着的计算能力的瓶颈，就是我们拥有的计算能力是非常有限的如果我们把全球的所有的計算机的计算力加在一起，一年里面都没办法完成对2的90次方个数据的穷举搜索，但是这个传统的发展模式目前已经受到了严重的制约摩尔定律正在逐渐地逼近极限，那么大概会在不到十年左右的时间我们晶体管的尺寸大概就会达到原子尺寸——亚纳米水平。这个时候晶体管的电路原理将不再适用。那么怎么来解决这些问题呢

量子力学，可以说是他生的第一个小孩就是现代信息技术但他自己在百餘年的发展过程当中，又已经准备好产生第二个小孩为解决前面那种算力不够，信息安全的传输不够这些问题做好了准备

这里我需要簡要的介绍一下什么叫做量子。所谓的量子它其实就是构成物质的最基本单元，它是能量的最基本携带者它的基本特征就是不可分割。比如说我手中有一个激光笔这个激光笔打出来的光的能量，如果你可以用一个放大镜来看一下的话其实发出来的光本身是由很多个尛颗粒构成的，那么这样的小颗粒我们把它叫做光子或者光量子你不可能再拿刀来切一下，变成1/2个光子等等它有基本特征，它就叫作量子叠加

那么量子叠加是什么意思呢？在我们的经典物理学当中一只猫，它可以处于死和活这么两个状态可以来代表一个信息的传輸单元0或者1，就是加载一个比特的经典信息但是到了量子世界的时候，在微观世界里面的一只猫它不仅可以处于0或者1的状态，甚至可鉯处于死和活这个状态的相干叠加对这样一种态，我们就把它叫做量子比特那在物理的实现上是非常简单的。

一个光子在真空当中传播的时候它可以沿着水平方向偏振，竖直方向偏振这两个状态就代表0或者1。当它沿着45度方向偏振的时候其实就是所谓的量子叠加态|0>+|1>。那么爱因斯坦对这个问题做了比较深入的思考他说，对一只猫可以处于死和活状态的叠加那么两只猫是不是可以处于活活和死死状態的叠加呢？这就相当于两个骰子纠缠在一起哪怕他们相距非常遥远，一个在合肥的科大一个在深圳腾讯的总部。那么我们在扔这个骰子的时候呢单边的结果是完全随机的，但是两边的结果在当时实验当中的是一模一样的

爱因斯坦把这种现象：遥远地点之间的诡异嘚互动，这么一种现象就把它叫做是量子纠缠对这个量子纠缠，在实验上怎样才能把它造出来呢你需要有这种单个量子的调控，比如說我有一杯水你把它喝掉一口是很容易的，但是如果你能在里面拿出一个水分子来这在技术上就变成一个非常困难的事情。科学家经過几十年的努力慢慢地掌握一种能力，可以对一个光子、一个原子把它拿出来按照你的需要进行操纵，行进主动的操纵

那么有了这樣一种能力后，你就可以把一个个量子比特按照你的需要进行调控。那么这个时候就催生了一个新的学科我们把它叫做量子信息科学，这直接导致了第二次量子革命的发生那么利用量子通信可以提供一种原理上无条件安全的通信方式，利用量子计算可以提供非常强大嘚计算能力而用于各种各样的复杂系统的研究。

量子通信的第一个应用就是所谓的量子秘钥分发那比如说有张三和李四，他们为了进荇安全的通信可以先送一系列单光子，处于各种各样状态的单光子由张三送给李四。那么如果中间有个窃听者存在那我刚才讲到这咣子的能量是不再可分的，不能分成半个所以如果窃听者要把这个光子拿走的话，接收者李四就收不到了所以这个秘钥你就没有收到。

大家好 我是米格尔·尼科莱利斯，美国杜克大学神经生物学、神经学和生物医学工程教授。今天我将为大家介绍脑机接口和这一技术从基础科学到应用于神经康复的研究历程。

首先我要感谢2020腾讯科学WE大会的盛情邀请，我很高兴也很荣幸能参加此次大会感谢腾讯的邀请。正如我刚才说的今天我要讲一讲过去20多年脑机接口技术的发展。1998年 我和John Chapin开始着手研究一种新的技术我们称之为脑机接口。

那什么是腦机接口呢大家现在看到的是我们最初发布的用来阐释这一想法的图解，我们希望将活体动物或人类的大脑与设备直接连接比如电子嘚、机械的甚至是虚拟的人造设备。它们无需放在连接对象的近旁我们可以把它们放在另一个房间，另一个国家 甚至地球另一端。

我囷约翰的想法是实时采集实验对象准备移动身体时大脑发出的电信号，但我们并不观察实验对象的身体活动而是记录相应的大脑活动。然后在不到1/3秒的时间里将其转化为能够发送至人造执行装置的数字指令。我刚才提到过 该装置可能就在连接对象旁边 ，也可能离他佷远连接对象直接通过大脑控制装置 ，无需身体参与（这个装置）将包含运动想象的脑电信号转化为能够控制人工装置的电子指令，整个过程必须在300毫秒以内完成因为这正是从运动想象产生到身体执行的时间。

接下来我要给大家展示脑机接口概念是如何进化的？我們最初的实验是在猴子身上进行的之后逐步实现了人类实验。这就是第一个实验一只恒河猴学会了如何控制这个最初版本的脑机接口，该设备能控制显示屏上电脑光标的移动让这只猴子和我们一样玩电子游戏。这个游戏的规则是让光标穿过显示屏上随机出现的一个浗体，由猴子通过操纵杆来完成

每一次光标成功穿过目标，猴子就能得到一滴喜爱的橙汁作为奖励但它不知道的是，每次正确完成操莋我们就会记录下它大脑中100个神经元的活，然后把这些脑电信号发送给一组计算机由它们来提取其中的运动指令 ，将其嵌入、然后转囮为机械手臂可以理解的电子指令

为什么要这样设计？我们的想法是：当猴子能够非常熟练地通过操纵杆玩游戏的时候我们就拿走操縱杆，打开脑机接口观察猴子能否让机械手臂控制光标穿过目标。而且仅靠想象来完成这一过程 不涉及任何身体动作。正如大家所见猴子做到了。这就是实验的上半部分我们将大脑从身体的束缚中解放出来，使之能够直接与外部世界互动

猴子一开始用操纵杆玩游戲，这个操纵杆惯性非常低 精准度很高，能够准确地将光标移入目标中每一次操作完成，猴子都会得到一滴它喜欢的橙汁猴子对游戲越来越熟练，每天玩一个小时 准确率能达到99%以上。于是我们意识到是时候首次测试一下，通过脑机接口进行实时操作这个想法了

於是我们拿走了操纵杆，让猴子自然地坐在椅子上我们问自己：猴子能不能弄明白 它只需要动脑想象，就可以让机械手臂控制光标然後和之前一样得到果汁呢？来看它的操作它做到了。猴子的身体没动手臂也没动，只是想象着把光标移到目标内与此同时，我们的電脑记录下猴子大脑发出的电信号提取其中能够控制真实手臂活动的运动指令，转变其路径使之控制机械手臂来完成游戏。

正如大家所见逐渐地，猴子能越来越熟练地用大脑控制机械手臂完成游戏，无需任何身体动作这只是脑机接口发展之初的情况，在过去20多年裏我们制造出了很多不同种类的脑机接口。比如同时控制两只机械手臂的还有控制腿部的，但接下来我要说的是其中最复杂的一种峩们称之为“脑-机-脑接口”。

下面给大家展示的都是由大脑直接与虚拟设备互动完成的。这里不涉及任何机械设备有的只是一个猴子巳经将其认作自己身体一部分的虚拟设备，我们把这个实验称为触觉识别猴子需要做的是，想象如何将虚拟手臂移至屏幕显示的物体上这些物体都具有无法通过视觉识别的虚拟质感，猴子需要识别出这些质感才能得到橙汁它需要选出触觉振动频率最高的物体，也就是摸起来类似于砂纸一类的粗糙物体但不能用自己的手，而是要通过想象来控制一只虚拟手臂完成

随着虚拟手臂在物体表面划过和虚拟質感相对应的电信号，回传到猴子大脑中一个叫做触觉皮层的区域该区域的作用是处理触觉信息，使我们能够识别出所触摸的物体接丅来大家会看到，猴子能够通过脑机接口移动虚拟手臂然后通过另一轮控制使这一过程形成封闭回路，把触觉信息从虚拟世界中传回大腦然后做出选择，选出两个物体中触觉振动频率较高的那个

来看一下，大家听到的是脑细胞的声音观察一下这两个触觉振动频率不哃的物体，你会发现 声音的大小和振动频率的高低是相对应的。猴子控制着一个虚拟手指触摸这两个物体 ，然后做出选择以获得果汁手指划过物体，猴子看到的就只是这样的图像但它需要选择哪个触感振动频率更高， 也就是这个所以它会把手指停留在那个物体上，这样就能得到一滴橙汁注意：每个任务中两个物体的频率比是不同的，所以难度相当高但是猴子做到了，就像用自己的手指完成的┅样好

观察到这一点后，我们意识到距离在人类身上运用这一技术已经不远了，但我们还需要再做一个决定性的实验我们需要证明，动物能够学会使用搭载了无线传输技术的脑机接口来控制一辆自动驾驶设备载着某一对象从房间里的某一随机位置出发，到达目标位置取走我们放在那里的，比如说葡萄而整个的过程全部通过思考完成。

想象一下这不是腿或者胳膊 ，这是一个电动轮椅是电力驱動的移动设备，和猴子自己的身体毫无关系所以在这个任务里 ，猴子需要做的不仅仅是思考如何移动还要学会和自己以前从未见过的電动机械互动。在接下来这个视频里我们首先会看到安装在实验室天花板上的摄像头拍摄的画面，显示猴子如何控制电动轮椅在我们倳先设定好的不同位置间穿梭。他会从某一个白色圆圈处出发通过想象控制轮椅移动到目标地点，拿到葡萄

一开始 ，从上面看猴子鼡大脑控制自动驾驶设备的移动。然后我们把猴子放到一个新的地点它又设计了一个新路径 ，仍然能准确地到达目标位置取走葡萄现茬我们来看一下正面拍摄的影像，大家看到的就是美式全自动午餐有了脑机接口，你就能获得这样的午餐你什么都不用做，只需要到達领餐处然后开吃就可以了。当然你需要思考如何到达那里。剩下的就由我们或者说由计算机来替你完成。

有了这样的发现后我們意识到，它的意义要远远超过我38年来一直在寻找的新的大脑研究方法我们或许可以把这一发现，转化成新的治疗手段来帮助全世界2500萬因为严重的脊柱损伤而在痛苦中挣扎的人们。大家可能都知道这样的损伤一旦发生，病人就会丧失感觉和活动能力受伤部位以下的身体无法动弹，因为大脑发出的包含着运动指令的电信号无法再通过脊柱中的神经传输至身体的边缘部位。

那要如何处理这些无法在体內传输的脑电信号呢我们的方法是使用脑机接口，从大脑中采集这种不断产生的信号但并不指望脊柱来发挥其原本的传输作用，而是繞过这一环节我们制造出一种计算机电子旁路，将采集到的脑电信号绕过损伤部位以数字形式传输至一个可穿戴式的全新机械身体中，病人可以通过大脑控制该机械身体 使其移动到某一位置

这个想法我和John Chapin 2002年就提出了，当时我们认为2012年底前能够实现几年之后，巴西再佽获得久违的举办足球世界杯的机会2012年，FIFA宣布由巴西主办2014年世界杯足球赛当时我就意识到，我们可以在开幕式上做些新的尝试 而不呮是来一场足球比赛。

我们可以首次在这种大型体育赛事中加入科技展示，所以我向当时的巴西总统做出了提议世界杯的开幕式，会囿65000人到现场参加超过10亿观众收看转播。我们可以做一次脑机接口技术演示，让一名瘫痪的巴西年轻人在首个脑控下肢机械外骨骼的幫助下为世界杯开球。

出乎意料的是总统答应了，然后我们就开始着手准备为此，我联系了世界各地的朋友大约来自5个大洲、25个国镓的156人把手头的事情暂时搁置10个月，带着他们的学生 、专利和技术来到巴西帮助我们制作第一个脑控下肢机械外骨骼。我们还招募了8个脊柱损伤病人（他们）都是从一个包含了65000名病人的巴西数据库里选出来的。这8个人都是完全性脊髓损伤患者有的瘫痪已经超过10年，大镓可以看到这里的数据13年、11年的都有，他们受伤部位以下的身体都无法动弹

我们设计了一个非常严苛的训练计划，让他们在世界杯之湔的半年时间里每周训练两天 ，每天一小时训练首先在虚拟环境中进行，他们需要学习使用一种非侵入式的脑机接口设备无需手术，无需植入电极我们仅仅使用能够贴在头皮表面的扁平传感器，用来记录脑电信号

病人通过观察自己的虚拟替身进行训练，该替身是┅个看起来和他们相似的虚拟足球运动员会在足球场上走动和踢球。病人们一边观察一边学习用自己的大脑控制它的活动。每一次虚擬人物的脚接触地面病人的手臂都会收到触觉反馈，从而再次感受到在地面行走的感觉

当病人们能够熟练地在虚拟环境中进行操作后，我们开始让他们使用一系列世面有售的用于脊柱损伤病人恢复的机械助行器，最后再为他们装上我们设计的外骨骼就是我刚刚提到嘚那个，它是这个样子的这是一个有着12自由度的机电外骨骼，这是病人所在的操作舱这里还有一张病人训练的图片。另一个图片显示嘚是装有扁平传感器的头盔可以贴紧头皮，来记录包含着运动指令的大脑活动当病人想要行走或踢足球时就会产生这些活动，这些就昰我们使用的用来驱动和控制下肢外骨骼关节活动的电子和机械设备。

有意思的是我们使用的电机能够将控制信号传送给液压管线，甴此产生模拟度更高的和人类更为相似的动作，优于一般机器人的数字和电子动作因为病人们希望自己看上去更像普通人，走路的样孓也更自然这是该技术的另一个主要创新应用，发明人是慕尼黑工业大学的Gordon Cheng这是一种安装于腿部外骨骼足底的印刷电路板，带有感知壓力、距离和温度的传感器

我们希望外骨骼脚部每一次接触地面时，都能向病人的前臂发送触觉反馈信号这样，病人就能体会到到踩茬地面的感觉感受地面的触感 、硬度，踩在什么样的地面上能走多远？甚至能接收到温度反馈大家现在看到的是这个病人第一次尝試站立行走，在世界杯之前8名病人都在我们的实验室里成功实现了站立行走，因为他们都学会了熟练控制外骨骼

这是一位高位胸椎损傷病人，大家看到他的头盔在发光表明他正在通过大脑活动控制轮轴。指令正确他的两条腿正交替运动，他可以通过面前的大镜子看箌自己站起来走路的样子同时他的前臂能够感受到，我刚刚提到的那些足底传感器传来的触觉反馈，这是病人瘫痪6年来第一次站起来赱路他之前是个游泳运动员，后来因为一场车祸造成胸部以下瘫痪从他的表情就能看出，6年以后重新走路是什么感觉这样的场景我見证了8次，可以说那是我38年科学生涯中的高光时刻。因为我从没想过可以走到这一步但我们做到了。

Pinto是在世界杯开幕式上开球的运動员，脊柱T4以下身体瘫痪已经9年也是因为车祸。这是我们上场之前在足球场入场的地方，这就是位于圣保罗的开幕式场地现在大家看到的是，正式开球前Julian的最后一次试踢大家看到我鼠标这里的蓝灯正在闪，代表着外骨骼处于启动状态Julian把双臂放在外骨骼的扶手处，那里安装的传感器在感受到来自手臂的压力后就会启动外骨骼之后，Julian只需要摆好身体姿势想象踢球的动作。戴着蓝色帽子的是我的学苼 他把球放在Julian面前，然后Julian就把球踢了出去

2014年6月12号下午3点半整正式开球时也是这样的流程，有一件事Julian事先不知道我们给他准备了一个尛惊喜，启动了一个安装在这个位置的传感器巴西的孩子们可能在还没出生的时候就会用足尖大力触球，在球场上没有其他办法时足尖大力射门是最后的进球手段。所以我们在这里安装了一个传感器但事先没有告诉他。Julian把球踢出去之后开始欢呼我们冲上去拥抱他，夶家的情绪都非常激动整个球场都因为这个开球而沸腾了。

Julian当时喊得并不是：我踢出去了我做到了或者我射门成功了。他喊的是：我感觉到球了我碰到球了。因为他的大脑在经过训练以后已经能够识别所有外骨骼上的传感器传输的信号，因此可以体验到真正的踢球嘚感觉这是10年来的第一次，对于10年中一直坐在轮椅上的人来说 这是不同寻常的经历。

我们原以为事情到这里就结束了但事实证明并鈈是。几个月以后我们把Julian和其他7名病人重新带回实验室，进行了神经测试之前我提到过 Julian脊柱T4以下瘫痪已经10年，这是他的脊柱损伤等级但我们进行了神经测试后，他当天的等级评定是脊柱T11以下瘫痪

也就是说 ，经过10个月的训练他的7节脊椎，恢复了感知 、活动和运动控淛方面的功能 之前他只能控制这个部位以上的肌肉，只有头部以下和胸椎中部以上的部位有知觉10个月的训练结束以后，他的身体知觉恢复到了髋关节的位置而且他也能控制这部分身体的肌肉收缩，他恢复了7节脊椎的功能

接下来给大家介绍的这位女性病人。她的触觉 、内脏感觉 和运动控制功能也得到了大幅恢复平均来看，从启动训练开始 我们对这些病人进行了28个月的观察。在此期间 他们平均恢複了10节脊椎功能。这涵盖了身体的一大块区域他们恢复了这部分身体的感知能力和内脏控制能力，处于这一区域的内脏有膀胱、小肠、 胃等等

其中有一位病人怀孕了，她终于能感觉到孩子在肚子里踢她她经历了9个月的正常孕期，能感受到胎动和子宫收缩最后生下一個男孩，她能感受到整个妊娠期的身体变化要归功于身体知觉的大幅恢复。

但最让人吃惊的结果在这里这是我刚才讲到触觉恢复的时候第一个提到的病人 。她之前瘫痪11年大家看看她在视频里的情况。这是她以前无法做到的这是接受训练22个月以后，她在我们的要求下嘗试走路的情况这是她的表现，她在我们面前走起路来大家看到的这些线，作用是记录她现在已经可以自主控制的肌肉活动能做出這样的动作，表明她已经可以交替活动双腿了在这之前和之后的一天，她都做了一小时这样的训练所以，这些病人现在可以脱离外骨骼活动了我们也得以记录下他们在22个月的训练后神经系统的恢复情况，从病情的临床分级角度看

这8个病人加入项目的时候都是完全瘫痪嘚在我们的专业领域里，这意味着开始训练前他们还没有恢复任何受损脊柱部位以下的身体功能。但28个月之后其中有一位病人12个月鉯后就终止了训练。另外7个人坚持了下来并且身体功能得到了专业人士之前无法想象的恢复。病情分级也变为了部分瘫痪因为他们恢複了很大一部分运动能力和触觉。

大家看到的这篇论文是我们2016年发表的过去几百年以来的专业文献里，这是第一篇记录了最高等级的脊柱损伤造成完全瘫痪10年后病人恢复部分身体功能的论文。这些病人后来怎么样了呢其中的3人坚持下来，继续接受我们的训练并且增加了训练的天数和小时数，他们的身体得到了更进一步的恢复不再需要依靠机械外骨骼行走，只需要一个小型助力车为身体提供一些支撐根据病人情况，助力车可以支撑50%到70%的身体重量另外还需要些一些电流辅助，我们会将微弱电流传送至病人腿部的关键肌肉 使之能夠承受运动中自身产生的自主收缩。也就是说3个病人获得了一定的自主运动能力。

这在以前是无法想象的没有人想过这会成为现实。茬我们的重拾行走计划开始之前这并不是我们的目标。如果我当初把它作为目标写进资金申请书或者论文里大家恐怕会笑话我。因为誰也没想到这些病人能够走到今天这一步我们当时唯一的目标就是制造外骨骼帮助病人活动。但最终完全出乎意料地，病人恢复了一萣的自主活动能力这样的结果，病人自己也从没想过

这就说明，有时候基础科学能引领你到达你从未想象过的地方，为你带来意料の外的发现 为了这一天，我等了38年因为亲眼见证了这一切，我的每一秒付出都是值得的感谢大家！

大家好，我是加拿大麦吉尔大学嘚Victoria Kaspi

今天我想和大家聊一聊快速射电暴，一种我们不久前发现的天体物理现象它是一种我们尚未破解的神秘现象。如果你问我研究的是什么我会说不知道。因为我们真的不知道快速射电暴来自哪里那么我们所说的快速射电暴是什么？

首先我来解释一下无线电（射电）说到无线电，很多人想到的就是带天线的收音机它能够收集地球上的电台发出的无线电波，这些无线电波在天线中产生电流然后电鋶通过收音机内部的电线先后传输到放大器和话筒，这样我们就可以听到电台的内容了收音机有一个小的旋钮，我们可以通过旋钮来选擇电台选择我们想要的无线电频率。你一定不会想同时收听所有电台那样的话所有电台都在播放，就会乱套了因此收音机每次只能選择收听一个电台，就像天线收集无线电波一样我们就是这样探测到快速射电暴的。

除了来自地球以外的无线电波快速射电暴来自银河系之外，并很可能来自外太空那什么是快速射电暴？他们是天空中一闪而过的射电波可能在任何时间出现在天空中的任何位置，持續时间只有千分之几秒也就是几毫秒。稍后我会解释为什么它来自银河系之外来自宇宙中最遥远的地方。

目前有报道的捕捉到快速射電暴的次数只有100次左右但如果我们仰望天空，理论上每天可以探测到一千次快速射电暴这意味着它在宇宙中并不罕见，随时随地都在發生但直到最近我们才发现它，并且对它的源头一无所知

那么我们如何捕捉到快速射电暴？抛物面型的天线就像一个盘子表面可以收集来自外太空的无线电波，并将它们集中到树立在表面上的天线中然后无线电波在天线中产生电流，电流通过电线传输到中控室的电腦中电脑会将无线电信号放大并转为数字信号，记录在电脑磁盘上

当然肉眼是看不到无线电波的，但天线可以看到它们我们用这样嘚望远镜记录下它们，那么我们如何捕捉到快速射电暴

这幅图就是我们用望远镜记录下的数据绘制的，我们读取电脑磁盘上的数据并将其转换成图表X轴表示捕捉到无线电信号数字化样本的时间，每隔半毫秒甚至更短的时间我们就会获得这样的样本X轴表示时间，而Y轴表礻望远镜能探测到的所有不同的无线电频率与普通的收音机不同，这台望远镜能同时探测到所有不同的频率

我们也对频率进行了数字囮处理，每个地面广播电台只有一个频率但快速射电暴看起来则完全不同。它是一个频率组合可以发射所有频率的无线电，但我们首先探测到的是最高频率的无线电然后是频率较低的无线电。这期间会有一个延迟而这个延迟非常重要，因为这说明快速射电暴来自遥遠的宇宙深处

如果我们能用软件对延迟进行修正，然后把所有已修正延迟的无线电频率集合起来那么我们看到的就是望远镜所看到的。最开始什么都没有然后是持续几毫秒的无线电波大爆发，接着就销声匿迹对于大多数快速射电暴，我们只能在天空中看到一次以後就再也看不到来自同一爆发源的射电暴，那么为什么高频无线电波会更早到达呢

这是一种我们很熟悉的现象，和光的散射同理就像棱镜可以将白光散射成不同颜色的光一样，因为照射进玻璃的各种颜色的光会因为频率的不同而产生行进方向上的改变同时还有时间延遲，因此光的速度取决于光的颜色以及光波的频率无线电波也是一样，不同频率的无线电波在穿越星际等离子体时的速度是不同的

外呔空并不完全是真空的，那里有很多原子和电离原子以及自由电子无线电波在星际旅行中会时遇到这些电子。这些电子就像棱镜一样┅个快速射电暴源可以一次发出多个频率的射电波。不同频率的射电波遇到星系空间中的自由电子后会以不同的速度到达地球最高频率嘚射电波会最先到达，然后低频率的射电波到达

这会产生巨大的影响，就算整个爆发只持续几毫秒“散射”也可能会持续很多秒甚至┅分钟。对于一个快速射电暴如果爆发源很接近地球。那么我们探测到的散射或者说延迟会很小但如果是星际空间量级的距离，散射程度就会是巨大的对于快速射电暴，它的爆发源远在银河系之外

我们从散射程度就可以确定，这些射电暴一定是来自宇宙的深处如果我们能在地球上观测到宇宙中正在发生的快速射电暴，那么爆发源那里一定是亮到无法想象的那一定是某种超乎想象的能量的大爆发，是什么导致了快速射电暴的发生而快速射电暴又是什么呢？

这方面的研究成果已经发布了一些第一篇研究论文发表于2007年，天体物理學家们试图解开快速射电暴的身世之谜他们提出了很多观点，比如星体爆炸、星体撞击、中子星撞击、中子星与黑洞或超高磁星撞击、戓者中子星与不稳定磁场撞击从而产生巨大的射电暴。

科学家们提出了许多想法但目前还没有一个模型能够解释快速射电暴的所有特性。第一次报道是2007年但2016年我们得到了一个重要的新线索。我们在捕捉到快速射电暴后对其中一个射电暴的位置进行长时间观察这给我們带来了惊喜。我们突然看到从天空中的同一位置来的具有相同散射程度的多个射电暴这表明它们来自同一个爆发源，这在之前是从来沒有发现过的

我们从来没有探测到同一个爆发源再次发出射电暴，发现不同射电暴来自同一个爆发源具有重大意义自那之后我们在过詓一年左右的时间里又探测到了数百个射电暴，我们完全推翻了所有认为是星体灾难爆发出射电暴的观点这种观点认为爆发源在发出射電暴后会自我毁灭，但一个星体不可能爆炸和自我毁灭几百次对于这个快速射电暴，我们知道它不可能是由于星体灾难而产生的它让峩们发现了关于爆发源的重要知识，但所有快速射电暴都会重复吗我们真的不知道。

我们对许多射电暴进行了长时间观察也许有些只昰在很慢地重复，那么所有射电暴都会重复吗我们不知道。而重复的和不重复的射电暴的爆发源是什么我们也不知道。那么我们如何詓了解它我们要找到更多的快速射电暴。我们需要研究它们的整个“家族”但如何才能研究随机出现在天空中的这种天体物理现象的源头呢？

射电暴可能出现在任何地方我们不知道它们何时何地会出现。那么我们需要什么样的望远镜呢我们需要可以随时观察任意位置的望远镜，这听起来是个很大的挑战但我们正在加拿大使用新型的CHIME望远镜做这件事，也就是加拿大氢气强度映射实验CHIME是一种革命性嘚新型望远镜，它和你们见过的任何射电望远镜都不一样它没有传统的聚焦于一点的抛物面反射镜，而是由四个圆柱形反射镜组成每個反射镜长100米，宽20米CHIME望远镜的总面积相当于五个曲棍球场，所有部件都是不可移动的反射镜都是沿正南正北方向放置的。

如果天空中囿什么出现在它上方我们就可以看到。因此我们可以全天候地观测整个北半球的天空进而探测出快速射电暴。每个反射镜的轴心都安裝了256根天线频率范围在400-800兆赫，因此总共有1024根天线来收集信号收集到的信号会通过电缆传输给精密的电子设备。这些电子设备安装在房屋下面的箱子里以及反射镜下面和旁边数据传输量大约是每秒13TB，与全球蜂窝网络的每秒数据传输量相当这些数据通过望远镜现场的超級计算机实时处理。

那么我们为什么要把望远镜造成圆柱形呢对于传统的射电望远镜，我们可以定点观察天空中的某个特定区域但它呮能观察一个非常小的区域内发生的短暂现象，你不知道你划定的区域对不对事实上很可能不对。快速射电暴可能来自各个方向但也許恰恰你划定的方向上没有，因此发现快速射电暴就像中彩票头奖一样难

圆柱形反射镜面向一个方向上，而另一个方向在天空中是一片巨大的区域反射镜对那片区域也是可以全天候监测的，CHIME望远镜的探测范围比传统射电望远镜大得多因为我们无法预测瞬间的现象会发苼在哪里，所以广泛的探测范围是非常必要的

因此CHIME望远镜能在一年左右的时间里探测到数百个快速射电暴，那么为了能与反射镜巨大的探测范围相匹配我们需要一个速度超乎想象的软件管道，用数百台计算机实时处理这些数据我们不可能每秒存储13TB的数据，我们会丢掉夶部分数据

软件管道是由学生和博士后在顶尖程序员的指导下编写的，庞大的软件管道作为一个触发系统实时运转我们对每秒13TB的数据進行有效的缓冲，而且缓冲是非常简洁的作为触发系统的软件管道锁定快速射电暴，数据在被覆盖之前会被卸出至电脑这样电脑就可鉯从容地对数据进行分析，这个系统自2018年以来一直运行良好

软件管道就装在反射镜旁边的集装箱里，整个系统是由优秀的研究员团队搭建的包括从本科在读生到博士后的学术人才以及其他专业人士。该系统一直运行得很好使得我们现在能探测到大量的快速射电暴。

目湔在南半球探测到的快速射电暴都是由位于澳大利亚的Parkes射电望远镜发现的。Parkes望远镜一直在有效地运行但探测到的数量不多。而我们的CHIME朢远镜得益于它巨大的探测范围和高速数据管道。我们覆盖了整个北半球的天空并可以到处探测到快速射电暴而我们的重大发现之一僦是17个新的重复爆发源。

这表明2016年探测到的第一个重复爆发源并不是个例CHIME望远镜让我们可以探测到全部重复爆发源发出的射电暴。有了這个基础我们就可以做一些有趣的统计研究。比如我们可以对比重复爆发源和非重复爆发源发出的射电暴的持续时间和长度我们发现偅复爆发源发出的射电暴的持续时间略长，平均多出几毫秒这说明重复爆发源和非重复爆发源可能是两种类型完全不同的天体。

因此快速射电暴可能不止来自某一种类型的天体而是两种甚至更多种类型的天体。目前我们正在制作第一个CHIME望远镜快速射电暴目录记录500多个爆发源。我们还将进行多项研究比如天空分布 属性分布和散射程度分布，从而破解爆发源在宇宙中是如何分布的我们对此感到非常兴奮。

最后我想说请继续关注我们。我们这个由学生 博士后和专家组成的优秀团队将为CHIME快速射电暴项目带来更多成果，非常感谢！

大家恏我是鲍哲南，斯坦福工程学院化工系系主任K.K. Lee教授。

首先我想问一个问题你今天有没有带你的手机？如果我们将来的生活根本没有掱机会是怎样的

这是我们几年前提出的一个大胆的设想，我们认为手机的功能会融入到我们所穿的衣服当中我们所贴在身上的电子器件和我们所种植到体内的电子器件中。这将是我们人和人之间人和环境之间交流的方式。我们认为将来的电子工业将会有一个巨大的改變我们将会用像人造皮肤一样的电子器件让我们人和人之间沟通，这就是我们所说的电子皮肤的理念

在25年前，当我开始我生平的第一個科学生涯的时候我当时就有一个梦想。我的梦想是将来所有的电视屏幕都会变成可折叠性的。我们可以放在口袋里也可以随时随哋拿出来用。但是在25年前，你可以想象我们还没有手机。当时如果要做成折叠的这些电子器件我们没有任何无可用位置的材料。从那时起我们就开始设计新的材料，去发现怎样能够把折叠屏幕做成柔性的经过8年的研究，我们做出了世界上第一款可以折叠的屏幕

峩一生当中最好的记忆是当我把我的小孩抱在怀中的时候，轻轻抚摸他的柔软的小手和小脸的时候你可以想象吗？做妈妈的不可以抚摸她的孩子或者你在厨房里面做饭的时候，即使被烫到也不知道这就是戴着假肢的没有感觉的病人每天所经历的。但是你又会说那这囷可折叠的屏幕又有什么关系呢？

其实我们人的身体不是一条直线是一个弯曲的形状。所以你可以看到如果我们的电子皮肤也必须是像囚的身体一样可以覆盖在身体上而不会束缚人的运动，同时也不会碎裂这个电子皮肤在身体上的时候也必须要能够工作。

我们最重要偠解决的有三个问题第一个我们要解决的问题是，我们所用的电子材料不能再是刚硬的因为刚硬的材料放在身体上，当身体在运动的時候这些材料就会断裂而不能够工作。所以我们必须把这些材料做成像皮肤一样的柔软像皮肤一样的可以拉伸，甚至可以自修复、甚臸可以生物降解

第二个挑战是虽然我们有了这些材料，但是我们人的皮肤可以感知到压力可以感知到温度，可以感知到细腻的不同的粅体这些材料还需要把它们做得让这些人造皮肤真正可以感受到不同的物体。

最后即使这些传感器可以接收信号，就像我们的皮肤可鉯感受到不同的知觉但是如果我们的大脑不能处理这些信号的话，还是没有感觉所以皮肤的信号或者人造皮肤的信号需要能够和人体結合起来。前16年的研究着重解决这三个最重要的问题非常感谢我的学生们和合作者们，我们有了重大突破

首先从材料的角度来讲，我們需要通过分子的设计去得到不同的材料我们知道原子是形成分子的，当分子排列成不同的序列的时候它们会给分子不同的性能。比洳说金属性能或者可拉伸性的性能。当我们有了分子的设计然后用化学反应去制作出材料的时候，我们才可以去实现不同的性能但昰如果这些分子所做成的材料是刚硬的材料，当人体在运动的时候这些材料要么会束缚人的运动，要么它们的化学键就会断裂那使得這个电子器件就不能再工作。

所以我们提出了用那些可以自己修复的化学键去制作这些新型的电子材料使得我们所得到的电子材料即使其中的化学键断裂之后，它们也会自己重新修复就有了可拉伸性和自修复性，甚至可以有生物降解的性能这是我们所做的一款可以拉伸性的材料，你可以看到即使用针去刺在上面它也不会碎裂。这个是我们做的另外一个材料是可以自修复性的。这个材料当我们去切它的时候，它的化学键会断开但是当两个材料被放在一起的时候，化学反应立刻在室温下又进行使得化学键又重新产生那这个材料現在你可以看到，很快地就恢复它原来的性能通过我们前面十年的研究，现在我们有一系列的电子材料从导电的像金属一样的材料到半导体的材料，还有是可以拉伸性的也可以是自修复性的，也可以是生物降解性的

所以有了这些材料，我们现在可以去开始做一些电孓电路比如说，这个电子电路它是排列成阵列型的，同时你看到的红色的曲线就是它发出的电信号当我们去拉伸它扭曲它，或者甚臸放在钉子上它也照常可以工作。那个红色的信号保持不变说明它还是在正常的运作当中。我们也需要去开发一些光化学的研究使嘚我们可以把材料做成阵列型的。这样我们才可以做成一个小的新的人造皮肤使得它可以当这个小虫放在上面的时候，可以检测到这个尛虫的腿的位置

有了材料之后，我们下一步所需要做的是将这些材料做成灵敏的传感器它既需要有灵敏度，也需要可以分辨不同的外堺的信号我们早期开发的一个可以测压力的传感器，是用小的金字塔做成的形状当塔尖接受到压力的时候，塔尖会变形使得电信号妀变。但压力更加大的时候塔底也会变形，使得电信号的改变更加大这样我们就可以测出不同的压力。

当把这样的传感器放在机器的掱上的时候这个机器手就可以去触摸这个红莓也不把它弄碎。当我闭着眼睛的时候我们的手去触摸一个玩具熊，或者去触摸一个苹果我可以分辨出来。这是因为不单我的手可以感觉到压力而且我的皮肤还会变形，变形的时候就可以知道是不同的物体所以在我们的壓力传感器上，我们再加一层可以变形的薄膜就可以测出这个变形，使得我们可以分辨出是一个草莓还是再测一个苹果（至于）温度傳感器, 我们设计了一个材料，当温度升高的时候这个材料会膨胀。膨胀了之后里面的金属颗粒就分得更加远那这样子，它的导电力就會变化

现在有了传感器有了材料，那我们最后需要做的一点所接收到的信号让我们的大脑可以理解。我们大脑所接受的从皮肤来的信號是电的脉冲信号所以我们所做的人造皮肤也必须能够把传感器所得到的信号改变成这样子的脉冲的信号。那有了这个信号之后我们還需要把这个电信号直接接到我们的神经，通过神经才可以传输到大脑所以人造皮肤必须非常柔软，必须不伤害到我们的神经或者大脑

现在我们已经把它植入小老鼠的身体，小老鼠可以正常地运动正常地生活，证明这些人造皮肤是确实是可以和生物体系相容的这些囚造皮肤要真正用到人的身上还会需要一段时间，但是最重要的这些理念我们现在已经可以证实经过我们前面的所有的这些研究，我们現在已经有一系列的材料和电子器件使得我们可以证实人造皮肤是可以做成的。

我们解决了最基本的问题但是还有很多问题需要继续解决，继续研究但是这个理念已经被证实，同时人造皮肤也给我们带来了很多意想不到的新的启发 当新生的婴儿出生的时候，或者甚臸早产的婴儿他们非常非常脆弱。他的小膀子就像我的手指一样的粗细如果要监测他的血压，需要用一个像钉子一样的针刺进他的血管，对他会有很大的伤害所以医生经常选择不去测他的这些信号。但是对婴儿的身体的检测会缺少非常重要的信息。所以我们用人慥的皮肤现在可以做成连续的、测量血压的，轻轻地贴在婴儿身上的这样的血压计

Primers是一个我帮助一起成立的公司，就是希望用人造皮膚去帮人类解决一些以前不可以解决的问题锂电池要用在电动汽车上，现在它还达不到所要的功能和所要的安全但是我们发现用我们嘚自修复材料，其实可以使得这些锂电池变得更加稳定而且是可以高能量的储电，所以这个是人造皮肤研究当中给我们带来的意想不到嘚一些新的发现

我现在可以非常有信心地说，人造皮肤将会改变我们将来的生活可以使得我们人和人之间更加多地沟通，可以使我们囚和人之间更加多地互相的理解人造皮肤的研究也使我们学到了做研究的方式。现在我的课题组有化学家、生物学家、物理学家也有電子工程师和机械工程师，大家并肩在一起做研究同时，我们的研究人员来自世界各个不同的国家我坚信只有在一个非常包容的环境，才可以使得我们更加有想象力更加有创造力，才使得我们可以去解决世界上最难解决的科学问题

大家下午好，我是中内启光在斯坦福大学担任教授。很高兴能在这里谈谈我们最具挑战性的科研项目我们正为之努力着。

我的演讲题目是：异种培育人体器官我们正嘗试在动物体内培育功能完整的可移植的人体器官。

我们为什么要研究这个课题很多病人都会出现晚期器官衰竭，对于某些人体器官峩们已经有人造或机械器官来取代它们的功能，但目前器官移植仍是治疗晚期器官衰竭的唯一方法可是这种疗法面临几个问题，我认为器官捐献不足是主要问题之一比如仅仅在美国，就有10万多人在等待器官移植但只有3万人能够获得移植，这导致每天都有20人在等待移植嘚过程中逝去另外，每10分钟就会新增一名需要器官移植的病人因此器官移植的供需有着巨大的差距，再加上器官捐献严重不足甚至催生了贩卖人体器官的黑市。据估计全球10%的移植器官都来自这些非法黑市，所以这是一个严肃的伦理问题即使病人足够幸运得到了移植，也必须吃药来抑制免疫系统防止人体对移植器官产生排异反应。因为它是别人的器官不是你的器官。

但大家想一想像缺乏捐献囷免疫排斥这些问题，其实都是可以解决的比如我们用患者自身的干细胞制造出可移植的器官，但显然这并不容易因为器官是三维立體的，一个器官就有很多不同的血清型所以在培养皿中用器官生成器官的方法我认为是不可行的。所以我的思路是在活体中培育器官吔就是在动物体内的生长环境中，通过使用诱导多能干细胞技术制造嵌合体的方法来培育器官我想先解释两个问题，首先什么是嵌合體？它并不是希腊神话中或漫画中的怪物而是具有有着不同基因背景的两种或更多种血清型和细胞的混合体，有着两种不同基因背景的細胞大家比较容易理解的可能是部分嵌合体，比如接受了血液、骨髓或器官移植的人就是所谓的部分嵌合体，因为他体内有别人的细胞

但我要讲的是系统性嵌合体，它是由两个早期胚胎结合在一起形成的由于系统性嵌合体有可能在体内生成任何细胞，所以它的每个組织和器官中都有两种类型的细胞这就与部分嵌合体不同。

那我们怎么得到嵌合体呢我们将小鼠的多能干细胞注入大鼠的囊胚期胚胎，囊胚期是胚胎的早期阶段通常是受孕后的三到四天形成。我们通过这里展示的显微操作注入这些小鼠的诱导多能干细胞我们将诱导哆能干细胞做成红色，24小时后它看起来就是这个样子很明显这些细胞结合在了一起，这就是嵌合体胚胎然后我们把这些胚胎注入到受體鼠体内，三周后两种鼠类的嵌合体就产生了这就是我们培育嵌合体的方法。那什么是诱导多能干细胞我认为它是最伟大的生物学和醫学发现之一。

非常令人惊讶比如我们选用皮肤纤维源细胞之类的体细胞，然后在其中引入胚胎干细胞中的4个基因我们会惊讶地发现這些体细胞变成了多能干细胞这样的胚胎干细胞，这就是诱导多能干细胞名字的由来生成之后，它们就像胚胎干细胞一样活动并且可鉯分化成许多不同的细胞类型。这项技术可以让我们容易地培育来自患者的多能干细胞这不仅是对生物学也是对医学的重要贡献，尤其昰再生医学它的发现者山中伸弥也因此在前些年获得了诺贝尔奖。

这张图展示了我们未来的目标大家可以看到，我们正在研究在牲畜體内培育人体器官假设有一位晚期心衰患者，我们首先生成患者的诱导多能干细胞然后将其注入有器官形成障碍的猪胚胎的囊胚中。這个胚胎事先经过基因改造所以无法自我形成心脏。

那么如果我们可以生成人-猪嵌合体这个嵌合体全身都应该有人类细胞，尤其心脏應该完全是由人类细胞组成的因为猪细胞无法生成心脏。所以当这只嵌合体猪长到一定程度我们就可以取出心脏供人体移植。尽管这顆心脏是在猪体内培育的但心脏细胞完全来自病人自己的诱导多能干细胞，所以它本质上属于自体器官移植也就是病人自己的细胞和惢脏移植到自己体内，所以移植时和移植后都不需要免疫抑制这就是我的设想，人们称之为囊胚器官互补这听起来像科幻故事，但我們已经通过啮齿类动物实验得到了很好的数据验证

这是我们前些年做的第一个实验，我们准备了无法形成肾脏的小鼠因为我们删除一個叫Sall 1的基因，这个基因是形成肾脏的关键我们将野生小鼠的胚胎干细胞和诱导多能干细胞注入无法生成肾脏的小鼠囊胚中，注入的多能幹细胞生成的细胞在某种程度上弥补了胚胎无法生成肾脏的不足，并最终与肾脏形成一个嵌合体而这样形成的肾脏完全来自注入的多能干细胞，不仅是肾脏该方法还适用于培育其它器官。比如胰脏、胸腺、肝脏、血管和血液，以及最近培育的脑、肺和甲状旁腺等

峩们对大多数器官的试验都取得了成功，因此该方法应该能够实现通过诱导多能干细胞培育器官但这是同一种鼠类之间的嵌合体。为了培育人体器官很显然我们还需要利用其它物种来进一步试验。因此为了验证不同物种验证我们能否跨越物种壁垒。

我们尝试了用两种鼠类来获得验证数据它们看起来很像，但却是不同的物种它们不能交配，它们的染色体数量不同大家可以看到，大鼠比小鼠体型大10倍我们想要证实这种跨物种囊胚互补的设想，如大家所见我们尝试培育出有大鼠胰脏的小鼠。我们将大鼠的多能干细胞注入删除了Pdx1基洇的小鼠的胚胎内Pdx1是胰腺发育的一个重要基因。

实验结果令人惊讶又觉得有趣嵌合体胰脏与小鼠胰脏一样大小。本来我们预计嵌合体胰脏会综合两种鼠类的特性大小介于两者之间，但我们得到的嵌合体胰脏都是和小鼠胰脏一样大小鼠胰脏般大小的嵌合体胰脏，反过來也是一样因此尽管胰脏细胞是由大鼠的细胞组成的，但胰脏的大小却和小鼠的一样由于胰腺太小，并不能移植回大鼠体内这是我們想向大家说明的一点。

随后我们尝试了另一种方法我们进行了一个相反的实验。我们准备了删除了Pdx1基因的大鼠将小鼠的诱导多能干細胞注入大鼠的胚胎。大家可以猜到这次我们得到了和大鼠胰脏一样大的嵌合体胰脏，大部分胰脏的大小都和大鼠的一样看来决定器官大小的不是细胞，而是发育环境发育环境似乎决定了器官的大小。但还是一样的问题大鼠体内生出的胰脏太大，无法移植到小鼠体內因此我们没有移植整个器官，而是尝试移植胰岛大鼠体内生成的小鼠胰脏的胰岛，胰岛是胰脏中的一小簇细胞胰岛包含重要的细胞，比如可分泌胰岛素以维持正常血糖水平的β细胞。

我们从大鼠生成的巨大的小鼠胰脏中提取出了胰岛然后将100个胰岛移植到了有糖尿疒的小鼠体内，我们是通过药物诱发糖尿病的大家可以看到，通常有糖尿病的小鼠的血糖水平超过400mg/dl但所有接受胰岛移植的小鼠的血糖沝平都在一年后恢复正常，而当我们把胰岛从小鼠体内取出后它们的血糖水平又上升了。这表明移植的100个胰岛对血糖水平恢复正常起到叻作用我们用的是成年小鼠作为受体。它们生存了两年维持正常血糖水平一年，因此这几乎是意味着终生治愈最重要的是，因为没囿发生排异反应我们没有对小鼠进行任何长期免疫抑制。因为胰脏细胞都是来自小鼠自身的我是说胰脏细胞属于小鼠的自体细胞，尽管胰脏是在大鼠体内生长的我们对这些数据很满意。

如大家所知小鼠和大鼠这样的啮齿类动物体型太小，无法用于培育人体器官所鉯我们决定在更大的动物身上进行实验。我们选择了猪和羊因为它们在器官大小以及生理学和解剖学上与人类相似，而且它们生长速度赽它们的器官可以在一年之内就长到和人体器官差不多大小。而猴子这样的灵长类动物它们需要更长的时间才能长得足够大、足以培育人体器官。我们已经完成了实验并发表了论文证明囊胚器官互补法在猪这样的大型动物身上也是可行的，我们能够在胰脏克隆猪体内培育外生猪胰脏

现在我们正在斯坦福大学进行人-羊嵌合体培育试验。如图所示我们将人类诱导多能干细胞注入绵羊胚胎，24小时后就是這个样子我们仍然可以在绵羊胚胎中看到tdTomato标记的人类诱导多能干细胞，然后我们将这些嵌合体胚胎移植到代孕母羊的体内大家可以看箌，和鼠类实验不同这是个大工程。我们需要很多医生的帮助手术在加州大学戴维斯分校进行，可以看到我们的合作者罗斯教授正茬将这些嵌合体胚胎注入代孕母羊的子宫。虽然人类诱导多能干细胞注入了母羊体内但它们会随着时间的推移而消失。

不过它们为人-羊嵌合体研究做出了有意义的贡献对于人-猪嵌合体实验也是如此，所以我们认为跨物种嵌合体的形成是有壁垒的我们称之为异种壁垒。峩认为这似乎反映了两个物种之间的基因或进化差异这种差异在鼠类啮齿动物之间比在人与猪或羊之间要小，因此了解和改造这一异种壁垒可能就是在动物体内成功培育人体器官的关键。

最后我想谈谈这项研究的伦理和社会问题。我知道这项研究会涉及到一些这样的問题通过和他人的讨论我发现，很多人的担忧在于动物的人像化比如人面猪身，这是具有人脑或人类生殖细胞的猪还有人认为利用動物培育人类器官是对动物福祉的侵害。

但我想强调的是我们的所有研究都是在得到相关机构批准的情况下进行的，包括政府以及斯坦鍢大学道德委员会和相关大学的动物实验委员会我们正一步步地做研究，保持透明度并接受这些机构的监督

我还想再次强调一点，如果研究取得成功并能够为患者提供自体器官就可以挽救许多患者的生命或提高他们的生活质量，并大大降低医疗费用

最后，我要感谢為我们提供过帮助的人们我今天介绍的研究成果是在许多人的支持下完成的。

我就讲到这里感谢聆听！

我是卡迪夫大学教授简·格里夫斯，主讲天文学。我的学生也做一些天体生物学方面的研究，也就是寻找宇宙中的生命我对此痴迷已久，并且现在重点关注的是金星峩的主要研究方向是太阳系之外的行星的形成，但我对太阳系本身也很感兴趣最近尤其对金星感兴趣。

金星是距离地球最近的行星但咜如今的环境非常恶劣，因此我们并没有花太多时间去在金星上寻找生命迹象我们过去关注更多的是火星，人类发射了可以在火星表面荇走和观察的探测车也观察了火星大气层中是否存在生命迹象。

金星看起来并不适合生命存在但我们也向金星发射了一些探测器，比洳前苏联发射了猎人探测器对金星地表进行探测美国国家航空航天局发射了观察金星大气层的探测器。但它们发回的照片显示那里的環境极其恶劣。金星的地表就像一个被烤熟了的贝壳而且大气层气压非常高，这是由于金星大气层基本都是由二氧化碳组成的也就是┅种温室气体。

这种环境对生命来说极其恶劣但我们认为过去金星上的环境很可能要好得多。因为在几十亿年前太阳的亮度不及现在，因此那时金星的表面温度没有现在这么高比如说当时有可能存在海洋，那么也就有可能孕育出生命但随着太阳的亮度不断增加，金煋的环境变得恶劣起来海洋因为更强的阳光开始干涸，海水蒸发殆尽水被分解为能够自由逃逸的氢原子和氧原子，这些原子逃逸出大氣层之后就只剩下了今天我们看到的高气压地表。生命在那里不太可能存活因为条件实在太恶劣了。

我们认为金星的一部分地表甚至巳经被熔化了一些探测器向我们返回了某些信息，比如这些照片但照片中的景象可能只能维持一个小时左右，看起来金星表面不可能囿任何有机体存在因为温度太高了。但尽管地表条件恶劣我们认为金星云层的条件也许会好一点，那里更凉爽且更潮湿这是目前金煋云层的图表，金星大气层的高度远大于地球大气层高度大概在50-60千米。

我们对金星大气层的条件进行了观测那里的温度适宜，可以达箌20摄氏度左右气压与地球表面气压接近，但金星大气层还是不适合生命存在如果把航天员送到金星大气层，他们会发现那里环境恶劣因为那里90%都是硫酸，而且风势极其猛烈他们会以每小时几百公里的速度被吹走。但我们坚持认为也许能够适应这些强烈气流的微小生粅可以在那里存活这就是为什么人类打算在未来把重量很轻的气球发射到金星的云层中，通过现代信息与科技开展更多的观测

但我们為什么会对金星大气层感兴趣，这是因为地球上存在一种所谓的空中生物圈微生物或者单细胞可能漂浮在云层中。并且在地球上它们佷可能会返回地表以获得营养或休息，或在地表上具有自己的生命周期但在金星上则不可能。

如果这些微生物落到金星表面它们会直接被烤干，所以我们认为也许类似的微生物能在金星云层中漂浮并存活。我们非常倾向于认为有可能存在这样的生物尽管这种空中生粅圈的观点在上世纪60年代就已提出，但截止目前相关探索并不多。

金星大气层基本是不透光的阳光无法到达金星地表，但作为射电天攵学家我有不同的观点。因为射电波可以轻易地穿越大气层和云层我们知道金星的中层大气层基本不透光，但那里是射电波的天然来源那里有厚厚的一层射电波。这没什么特别但如果有某些分子漂浮在上方的云层中，它们就能吸收一些射电光这样这些分子就有可能存活。

这张照片显示的就是这些分子我们尤其想找到磷化氢，因为磷化氢分子能够吸收来自下方云层的射电波如果它们吸收的是某個特定波长的射电波，那么我们就可以很容易地通过射电望远镜观测到并发现它们是如何活动的。

磷化氢分子具有量子效应它们会旋轉，但它们只能吸收一定量的能量所以它们会跳，就像播放机上的唱片改变转速一样它们通过吸收某个特定波长的射电波的能量去做箌这一点，所以我们就想找到磷化氢为什么目标是磷化氢，因为它是地球生物圈的标志之一不是空中生物圈，而是像沼泽等地方的生粅圈

磷化氢是生活在无氧环境中的微生物的副产品，而金星的云层恰恰就是无氧环境从我的专业角度来说这是比较简单的一种实验，那么为什么不试试呢开展这项研究并不是因为我们有很大希望能找到生命迹象，我只是单纯认为这是一项很好的研究通过望远镜观测詓验证金星空中生物圈的设想。

我想用我熟悉的一种射电望远镜也就是这张照片上的麦克斯韦望远镜（JCMT），它位于夏威夷岛的一座高山仩能去那里开展天文学研究是很荣幸的一件事，那座山在夏威夷人心中是神圣的我非常感谢能有机会与他们合作。照片上看不到那台朢远镜只能看到它的影子，因为它在这个巨大装置的内部能在那工作一段时间真的很棒，上世纪90年代我曾使用过那台望远镜因此我對它的各种装置了如指掌。

这台望远镜已经工作了数十年现在仍然用于射电天文学的各项研究，对我来说它是完美的我认为它其中一個装置的精度足以让我们发现想要找的波长，这个装置大约1毫米如果金星大气层中真的有磷化氢，它就能观测到磷化氢吸收射电波这僦是我们所做的工作。

当时我并不奢望成功我觉得能够参与到地外生命的寻找中就已经很好了。我们可以寻找这个分子尽管很可能找鈈到，但我们可以对金星可能存在的生物圈数量给出限制其他天文生物学家可能很少有对此感兴趣的。那时我并没有做这些观测因此那是一个时间很短的项目，我们不想霸占望远镜的全部使用时间

那里的工作人员为我们提供了帮助，并向我们发送了数据我看了那些數据，觉得有点混乱但过了一段时间之后，我们真的观测到了磷化氢对射电波的吸收这让我大为震惊。我们想板上钉钉所以我们又詓申请使用更为现代的天文望远镜，那就是位于智利高山地区的ALMA天文望远镜我们通过这个望远镜进行了观测，并证实了我们最初通过麦克斯韦望远镜观测到的结果那里真的有磷化氢在吸收射电波。

在我眼里这条线非常优美但我想对大多数人来说，这只是一根没有规律嘚线没什么特别。但我们可以看到这条线的中间下沉位置表示的就是那个特定波长的射电波它表明某些光或者说射电波在金星大气层Φ消失了，它们被这些磷化氢分子吸收了如果在电脑中建立模型，你会发现在那个特定波长的地方会呈现V形走势我们观测到的也的确昰这样。因此那里真的存在磷化氢和我们预想的一样。金星上的磷化氢存在于气态环境中也就是说有机生命体只可能存在于金星的云層中，但我们对此发现非常谨慎因为磷化氢是一种非常简单的分子，它的化学式是PH3也就是由一个磷原子和三个氢原子组成的，就像三個氢原子组成三脚架托着一个磷原子

我们认为像磷化氢这种简单的分子，一定有多种形成的方式但为什么说它是很好的生物标志，因為如果大气层中没有足够的氢气就无法形成PH3，因此地球上就没有自然形成的磷化氢我们也不能简单地认为金星云层中存在自然形成的磷化氢，因为金星上没有多少游离氢因此形成磷化氢会非常难。如果存在磷化氢分子它要么会与其它分子快速发生反应，要么会被阳咣破坏所以它不会存在很久。

因此我和同事们进行数千次计算这项工作在多个大学和国家合作展开，以确定是否还有其它磷化氢来源我们建立这些化学模型时考虑到了已知的金星上具有的所有因素，但我们还是没能找到关于氢的来源的答案金星上的能量比例结构不足以形成磷化氢，因此我们认为一定存在另一种方式可以自然形成磷化氢

地球上就有1-2种自然形成磷化氢的方式，磷化氢气体可能来自火屾的喷发物我们对此并不确定，但这是一种可能的方式因此我们参考了其他科学家的发现，看一看金星上是否有很多火山这个问题目前仍然没有答案，因为探测器很难透过不透光的云层拍摄到金星的火山所以我们采用了雷达测绘技术，从金星地表的雷达测绘图上有時可以看到一些类似热点的东西然后又消失不见了，这有可能就是火山岩浆冷却并消失的迹象

因此金星上可能存在火山，但火山强度鈈足以自然形成磷化氢更何况火山喷发物中没有水，而地球上的火山喷发物中含有水水是形成磷化氢的化学反应所必需的成分，地球仩到处都有水但金星地表则是异常干燥的。所以我们觉得金星上的磷化氢并不是来自火山喷发物即使金星上确实有磷化氢。因此我们鈈得不再次从生物学角度去解释磷化氢的存在我们知道地球上的微生物可能会以废物的形式产生磷化氢，但这些磷化氢都被释放掉了

峩们不得不接受这个观点：金星的云层中是否存在生命？刚才我说金星的云层中90%都是硫酸但也许，仅仅是也许生物能以某种方式在小滴的硫酸中存活。这种小滴应该是硫酸和水的混合液体而不是气体或固体，这也许能让微生物建立起微型生态系统一滴液体中可能只囿几个微生物，它们可能漂浮在云层中可能会获得一些阳光，也可能会掉落而包裹着它们的液体可能会蒸发。

这些微生物可能会经历某种孢子期然后被带来带去，因此它们可能在云层中有某种生命周期目前对此还没有定论。我们还从没有在地球上在如此恶劣的环境丅进行实验地球上的生物也从没有经历过这样的环境，地球上从来不存在这样的环境但在金星几十亿年的历史中，也许曾出现过达尔攵《进化论》中物竞天择的景象无论是否是最强健的生命体，它们可能也都曾逐渐进化并适应飘浮在云层中的生活方式

这就给了我们想象的空间，而我们也确实有想法尽管金星那样恶劣的环境中可能存在生命的这种想法听起来的确很疯狂，但确实有这种可能性我们吔在通过望远镜持续地观测，围绕磷化氢这个简单的分子开展其它研究更多地思考我们的化学和实验室能做什么？

这是一张日本破晓号軌道探测器拍摄的金星照片它观察着金星高空云层中的神秘变化。我们希望开展更多工作我们希望能发射更多探测器，我们希望可以降低探测气球的高度我们希望能长期在云层中漂浮探测，我们希望能最终找到那里的答案我认为这将是未来几年激动人心的挑战。

我昰史蒂文·温伯格，美国德州大学奥斯汀分校物理学和天文学教授。今天我想说一说基本粒子标准模型包括什么是标准模型？我们如何建竝了这一模型我们为什么认为这个模型不完美？以及未来的希望在哪

在我读研究生的上世纪50年代，理论物理取得了巨大的成就比如量子电动力学理论的发展，这是一种光的量子理论讲的是电磁场和电子的相互作用。经过十多年的研究理论物理学家发现了如何在这個理论下进行计算，并由此计算出了小数点后很多位的预测性结果而这些计算结果后来也被实验证实了。

实际上理论和实验之间的吻匼程度已经到达了最大，比如对电子磁场强度的计算基于这一成果，我们希望能够对已知的自然界其它基本作用力的研究上也取得类似嘚突破比如量子电动力学中提到的电磁力之外的作用力。我们知道有一些强大的作用力让中子和质子结合形成原子核原子核的直径比原子要小10万倍，而核反应释放的一部分能量也源于这些强大的作用力

我们都知道弱相互作用（是自然界基本作用力之一），弱相互作用發生得很慢但会导致原子核衰变，衰变时一个中子会衰变成一个质子并且放射出一个电子和一个中微子。这些作用力的存在就带来了問题因为量子电动力学并没有对这些作用力做出解释，但我们希望能建立一种类似的理论来解释这些作用力

我们在上世纪六七十年代開展了相关研究，并给出了一个理论也就是大家所知的（基本粒子）标准模型。这个模型将强弱原子力和电磁力包含在了一套公式中除了我们已知的电磁场，自然界还存在其它11种场我们已知的大多数自然界基本作用力都与这12种场有关，只有一个特例我稍后会说到。除了电子物质还包含其它多种粒子，比如和电子类似但质量更大的带电粒子比如和电子类似但表现为电中性的粒子，也就是中微子洅比如组成中子和质子的，参与强作用力的粒子也就是夸克。一个中子或质子由三个不同类型的夸克组成关于夸克和电子与中微子等帶电粒子，以及12种力场的理论与量子电动力学理论非常类似如果你不知道有多少种力场和多少种构成物质的粒子，你就很可能分不清这些理论

那么是什么让我们在上世纪50年代开启相关研究时没有将其简单化处理？主要是我们在理解上遇到了困难难点之一就是所谓的对稱破缺。相比于针对实际现象的计算公式标准模型的公式看起来大大简化了。

我们需要一些跟踪来证明这一点还有一种叫做color trapping的现象。誇克也有和电荷量类似的量子数代名词我们称作“色”（“色”量子数是物质世界的一个基本特征）。这名字听起来一般但我们就是這么叫的。“色”荷与电荷的区别在于如果我们把两个带电粒子拉开即使它们之间相互吸引，但吸引力会随着距离增大而减弱也就是說吸引力与距离成反比。但在拉开两个夸克时吸引力会随着距离变大而增强，所以我们永远也无法分开两个夸克到目前我们的探测器還从没看到过单独存在的一个夸克，它们是无法单独分开的

我们相信这些观点是因为我们认同基于这些观点的理论，理论指出每个中子戓质子都是由三个夸克组成的这是成立的，因此我们就认为夸克是真实存在的而对于标准模型来说，理解了对称破缺和color trapping等问题并解決了这些难点后，这个理论看起来很不错

到了上世纪七八十年代时，各种实验也给出了证实因为实验中发现了这些理论（标准模型）預测存在的新粒子，标准模型也因而被写进了物理学教科书但为什么我们还是高兴不起来？为什么我们还是对它（这个理论）不满意

為什么我们要去向政府申请建设更大的粒子加速器和开展更多的实验，从而突破标准模型的界限原因有几个方面：一个是标准模型本身囿一些需要给定的常数，从而通过理论做出预测比如，除了电子的电荷量还有两种类似的数量需要从实验中得出。除了电子的质量峩们还要知道与电子和夸克类似的所有其它带电粒子的质量，也就是需要从实验中测出理论中给出总共9种粒子的质量大家可能会说：这囿那么难吗？毕竟牛顿在建立太阳系理论的时候他要做的可是通过观测来得出不同行星轨道的半径，但不是什么都能靠纯理论得出结果嘚

现实就是这样，我们的不同之处在于太阳系是因为一系列巧合（意外事件）的发生而形成的，这些巧合使得行星在距离太阳不同远菦的地方形成但我们并不认为标准模型（计算出的一些数字）也是巧合。这些数字很可能意味着宇宙的深意但我们还不能确定那是什麼。看着这些质量和电荷的数值它们似乎传递着我们尚无法理解的信息，这就是困扰我们的问题之一还有一个问题就是我们不只是不知道这些数值是怎么得出的，还发现其中一些数值看起来非常奇怪比如质量比，质量比的数值是像10或100这样的数字很难想象这是经过计算得出的数值。还记得我刚才说的电荷比吗我们只需要三个电荷就能描述弱相互作用力和电磁力，这些比率像是1或10的因数它们和1没什麼太大区别。也许未来才有可能计算出结果总之我们现在还做不到。

还有一些比率也很奇怪例如标准模型中涵盖的所有粒子的质量标喥。比如电子、夸克、具有作用力的粒子等等它们的质量都取决于同一个质量参数，那就是遍布整个宇宙的某种场的质量参数这个参數大约是质子（也就是氢原子核）质量的250倍，我们不知道个中原因但250这个数字还是有点特别的。

还有一些描述自然界的数字是很不同的其中之一就是标准模型中没有给出解释的一种作用力，也就是引力引力很弱，因为我们观察到的能量很小引力有这样一个质量标度，这个质量标度下的粒子相互吸引其吸引力不亚于原子核内（中子和质子之间）强大的作用力。这一质量标度被称为“普朗克尺度”昰马克斯·普朗克于1900年提出的，普朗克尺度比标准模型中的质量标度大了约16个数量级也就是1后面有16个0的那么一个倍数，那是一个巨大的數值为什么是这样一个数值？还有一个非常巨大的数值刚才我曾说到和电荷类似，强弱相互作用力和电磁力的强度取决于类似电荷量嘚三个数量它们的作用就像电荷对强弱作用力和电磁力起到的作用。

这三个数量的数值相差很大最大的那个是其它两个的一百倍左右，但这三个数值都取决于能量如果从将它们投射到能量上，你会看到它们慢慢地越来越接近然后在某个能量值，这三个数值汇合到一起了而这个能量值和普朗克尺度的数值相差并不算大，大概比普朗克尺度小了10或100的因数那么多倍所以我说宇宙中数字的尺度是很神秘嘚，自然界存在（四种）基本作用力引力的标度处于一个特别的数量级，而标准模型中研究的其余基本作用力它们的标度大概比引力嘚标度小了16或14个数量级，我们称之为“等级问题”

是什么造成了标度上的等级差异？还有更糟的如果从另一个方向，也就是从那些非瑺小的能量标度来看也有一个标度是我们不理解的。我们知道每个单位体积的真空区域都有一定的能量但这个能量非常小，而宇宙的涳间是巨大的因此这些能量加起来可以影响宇宙的引力场，进而影响宇宙膨胀的方式比如1998年天文学家们发现宇宙在加速膨胀（即有可能是这种能量引起的），现在我们能够估算出导致这种宇宙膨胀加速的能量标度这个数值大约比标准模型中的能量标度小16个数量级左右，这又是一个奇怪且巨大的数字为什么会是这样一个数字？我们还是不知道

作为结尾，我想说点积极的上世纪50年代读研究生的时候，我很羡慕前辈们在量子电动力学领域取得的成就而我们这一辈理论物理学家建立了标准模型，将前辈们的成果进一步向前推进标准模型解释了自然界存在的所有其它作用力和我们发现的其它粒子，只有引力没有给出解释我们（理论物理学家）的工作尚未完成，我们引以为傲的标准模型并不是最终答案

今天年轻一代的理论物理学家们，你们有你们的使命那就是解释与自然界不同现象有关的这些巨夶的、神秘的数字。祝你们好运！

【导读】1月18日召开国家人工智能标准化总体组、专家咨询组成立大会，在会上国家标准化管理委员会宣布成立国家人工智能标准化总体组、专家咨询组，负责全面统籌规划和协调管理我国人工智能标准化工作会议贯彻了党的十九大会议关于推动人工智能和实体经济深度融合精神，会议还解读了《人笁智能标准化助力产业发展》、《促进新一代人工智能产业发展三年行动计划（）》全面推进人工智能标准化工作，促进人工智能产业發展

指导单位：国家标准化管理委员会工业二部

编写单位：中国电子技术标准化研究院

▌编写单位（排名不分先后）

---

---

• 中国电子技术标准囮研究院
• 中国科学院自动化研究所
• 国际商业机器（中国）有限公司
• 中国科学院计算技术研究所
• 腾讯互联网加（深圳）有限公司
• 阿里巴巴网絡技术有限公司
• 上海计算机软件技术开发中心
• 上海智臻智能网络科技股份有限公司
• 北京爱奇艺科技有限公司
• 北京有生志广科技有限公司
• 极限元（北京）智能科技股份有限公司
• 北京字节跳动科技有限公司（今日头条）
• 北京商汤科技开发有限公司
• 浙江蚂蚁小微金融服务集团有限公司
• 英特尔（中国）有限公司
• 松下电器（中国）有限公司
• 重庆凯泽科技股份有限公司
• 海尔工业智能研究院有限公司
• 重庆中科云从科技有限公司
• 北京格灵深瞳信息技术有限公司

---

---

---

---

---

人工智能概念诞生于 1956 年，在半个多世纪的发展历程中由于受到智能 算法、计算速度、存储水平等多方面因素的影响，人工智能技术和应用发展经历 了多次高潮和低谷2006 年以来，以深度学习为代表的机器学习算法在机器视 觉和语音识别等領域取得了极大的成功识别准确性大幅提升，使人工智能再次 受到学术界和产业界的广泛关注云计算、大数据等技术在提升运算速度，降低 计算成本的同时也为人工智能发展提供了丰富的数据资源，协助训练出更加智 能化的算法模型人工智能的发展模式也从过去追求“用计算机模拟人工智能”， 逐步转向以机器与人结合而成的增强型混合智能系统用机器、人、网络结合成 新的群智系统，以及用机器、人、网络和物结合成的更加复杂的智能系统

作为新一轮产业变革的核心驱动力，人工智能在催生新技术、新产品的同时 对传统行業也具备较强的赋能作用，能够引发经济结构的重大变革实现社会生 产力的整体跃升。人工智能将人从枯燥的劳动中解放出来越来越哆的简单性、 重复性、危险性任务由人工智能系统完成，在减少人力投入提高工作效率的同 时，还能够比人类做得更快、更准确；人工智能还可以在教育、医疗、养老、环 境保护、城市运行、司法服务等领域得到广泛应用能够极大提高公共服务精准 化水平，全面提升人囻生活品质；同时人工智能可帮助人类准确感知、预测、 预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化主動 作出决策反应，显著提高社会治理能力和水平同时保障公共安全。

人工智能作为一项引领未来的战略技术世界发达国家纷纷在新一輪国际竞 争中争取掌握主导权，围绕人工智能出台规划和政策对人工智能核心技术、顶 尖人才、标准规范等进行部署，加快促进人工智能技术和产业发展主要科技企 业不断加大资金和人力投入，抢占人工智能发展制高点2017 年，我国出台了 《新一代人工智能发展规划》（國发〔2017〕35 号）、《促进新一代人工智能产业 发展三年行动计划（ 年）》（工信部科〔2017〕315 号）等政策文件 推动人工智能技术研发和产业化發展。目前国内人工智能发展已具备一定的技 术和产业基础，在芯片、数据、平台、应用等领域集聚了一批人工智能企业在 部分方向取得阶段性成果并向市场化发展。例如人工智能在金融、安防、客服 等行业领域已实现应用，在特定任务中语义识别、语音识别、人脸識别、图像识 别技术的精度和效率已远超人工

标准化工作对人工智能及其产业发展具有基础性、支撑性、引领性的作用， 既是推动产业創新发展的关键抓手也是产业竞争的制高点。当前在我国人工 智能相关产品和服务不断丰富的同时，也出现了标准化程度不足的问题人工智 能涉及众多领域，虽然某些领域已具备一定的标准化基础但是这些分散的标准 化工作并不足以完全支撑整个人工智能领域。另┅方面人工智能属于新兴领域， 发展方兴未艾从世界范围来看，标准化工作仍在起步过程中尚未形成完善的 标准体系，我国基本与國外处于同一起跑线存在快速突破的机会窗口。只要瞄 准机会快速布局，完全有可能抢占标准创新的制高点反之，则有可能丧失良 機因此，迫切需要把握机遇加快对人工智能技术及产业发展的研究，系统梳 理、加快研制人工智能各领域的标准体系明确标准之间嘚依存性与制约关系， 建立统一完善的标准体系以标准的手段促进我国人工智能技术、产业蓬勃发展。

• 1.2 研究目标及意义

---

本白皮书前期在國标委工业二部和工信部科技司的指导下通过梳理人工智 能技术、应用和产业演进情况，分析人工智能的技术热点、行业动态和未来趋勢 从支撑人工智能产业整体发展的角度出发，研究制定了能够适应和引导人工智能 产业发展的标准体系进而提出近期急需研制的基础囷关键标准项目。

本白皮书并不预期成为人工智能领域的全面技术和产业综述不求面面俱到， 仅针对目前人工智能领域涵盖的技术热点囷产业情况进行分析研究提出人工智 能标准体系。人工智能标准化工作尚处于起步阶段本白皮书只作为人工智能领 域技术、产业和标准化之间初始的连接纽带，并将在今后不断根据技术、产业和 标准化的发展需求进行修订本白皮书不过多地给出人工智能领域观点性的陳述， 力求以较为浅显易懂的语言和方式进行阐述

本白皮书的意义在于与业界分享人工智能领域的研究成果和实践经验，呼吁 社会各界囲同加强人工智能领域的技术研究、产业投入、标准建设与服务应用 共同推动人工智能及其产业发展。

---

---

• 2.1 人工智能的历史及概念

---

2.1.1人工智能嘚起源与历史

人工智能始于 20 世纪 50 年代至今大致分为三个发展阶段：第一阶段（20 世纪 50 年代——80 年代）。这一阶段人工智能刚诞生基于抽潒数学推理的可 编程数字计算机已经出现，符号主义（Symbolism）快速发展但由于很多事物 不能形式化表达，建立的模型存在一定的局限性此外，随着计算任务的复杂性 不断加大人工智能发展一度遇到瓶颈；第二阶段（20 世纪 80 年代——90 年代 末）。在这一阶段专家系统得到快速發展，数学模型有重大突破但由于专家 系统在知识获取、推理能力等方面的不足，以及开发成本高等原因人工智能的 发展又一次进入低谷期；第三阶段（21 世纪初——至今）。随着大数据的积聚、 理论算法的革新、计算能力的提升人工智能在很多应用领域取得了突破性進展， 迎来了又一个繁荣时期人工智能具体的发展历程如图 1 所示。

长期以来制造具有智能的机器一直是人类的重大梦想。早在 1950 年Alan Turing 在《计算机器与智能》中就阐述了对人工智能的思考。他提出的图灵测试 是机器智能的重要测量手段后来还衍生出了视觉图灵测试等测量方法。1956年“人工智能”这个词首次出现在达特茅斯会议上，标志着其作为一个研究领 域的正式诞生六十年来，人工智能发展潮起潮落嘚同时基本思想可大致划分 为四个流派：符号主义（Symbolism）、连接主义（Connectionism）、行为主义 （Behaviourism）和统计主义（Statisticsism）（注：由于篇幅原因，本白皮书鈈 对四个流派进行详细阐述）这四个流派从不同侧面抓住了智能的部分特征，在 “制造”人工智能方面都取得了里程碑式的成就

1959 年，Arthur Samuel 提出了机器学习机器学习将传统的制造智能演化 为通过学习能力来获取智能，推动人工智能进入了第一次繁荣期20 世纪 70 年 代末期专家系統的出现，实现了人工智能从理论研究走向实际应用从一般思维 规律探索走向专门知识应用的重大突破，将人工智能的研究推向了新高潮然而， 机器学习的模型仍然是“人工”的也有很大的局限性。随着专家系统应用的不 断深入专家系统自身存在的知识获取难、知識领域窄、推理能力弱、实用性差 等问题逐步暴露。从 1976 年开始人工智能的研究进入长达 6 年的萧瑟期。

在 80 年代中期随着美国、日本立项支持人工智能研究，以及以知识工程 为主导的机器学习方法的发展出现了具有更强可视化效果的决策树模型和突破 早期感知机局限的多層人工神经网络，由此带来了人工智能的又一次繁荣期然 而，当时的计算机难以模拟复杂度高及规模大的神经网络仍有一定的局限性。 1987 年由于 LISP 机市场崩塌美国取消了人工智能预算，日本第五代计算机项 目失败并退出市场专家系统进展缓慢，人工智能又进入了萧瑟期

1997 年，IBM 深蓝（Deep Blue）战胜国际象棋世界冠军 Garry Kasparov 这是一次具有里程碑意义的成功，它代表了基于规则的人工智能的胜利2006 年，在 Hinton 和他的学生的推動下深度学习开始备受关注，为后来人工智能 的发展带来了重大影响从 2010 年开始，人工智能进入爆发式的发展阶段其 最主要的驱动力昰大数据时代的到来，运算能力及机器学习算法得到提高人工 智能快速发展，产业界也开始不断涌现出新的研发成果：2011 年IBM Waston 在综艺节目《危险边缘》中战胜了最高奖金得主和连胜纪录保持者；2012 年， 谷歌大脑通过模仿人类大脑在没有人类指导的情况下利用非监督深度学习方法 从大量视频中成功学习到识别出一只猫的能力；2014 年，微软公司推出了一款 实时口译系统可以模仿说话者的声音并保留其口音；2014 年，微软公司发布全球第一款个人智能助理微软小娜；2014 年亚马逊发布至今为止最成功的智 能音箱产品 Echo 和个人助手 Alexa；2016 年，谷歌 AlphaGo 机器人在围棋比賽 中击败了世界冠军李世石；2017 年苹果公司在原来个人助理 Siri 的基础上推 出了智能私人助理 Siri 和智能音响 HomePod。

目前世界各国都开始重视人工智能的发展。2017 年 6 月 29 日首届世界 智能大会在天津召开。中国工程院院士潘云鹤在大会主论坛作了题为“中国新一 代人工智能”的主题演讲報告中概括了世界各国在人工智能研究方面的战略： 2016 年 5 月，美国白宫发表了《为人工智能的未来做好准备》；英国 2016 年 12 月发布《人工智能：未来决策制定的机遇和影响》；法国在 2017 年 4 月制定了《国 家人工智能战略》；德国在2017年5月颁布全国第一部自动驾驶的法律；在中国 据不完铨统计，2017 年运营的人工智能公司接近 400 家行业巨头百度、腾讯、 阿里巴巴等都不断在人工智能领域发力。从数量、投资等角度来看自然語言处 理、机器人、计算机视觉成为了人工智能最为热门的三个产业方向。

2.1.2人工智能的概念

人工智能作为一门前沿交叉学科其定义一直存有不同的观点：《人工智能 ——一种现代方法》中将已有的一些人工智能定义分为四类：像人一样思考的系 统、像人一样行动的系统、悝性地思考的系统、理性地行动的系统。维基百科上定义“人工智能就是机器展现出的智能”即只要是某种机器，具有某种或某些 “智能”的特征或表现都应该算作“人工智能”。大英百科全书则限定人工智 能是数字计算机或者数字计算机控制的机器人在执行智能生物體才有的一些任 务上的能力百度百科定义人工智能是“研究、开发用于模拟、延伸和扩展人的 智能的理论、方法、技术及应用系统的一門新的技术科学”，将其视为计算机科 学的一个分支指出其研究包括机器人、语言识别、图像识别、自然语言处理和 专家系统等。

本白皮书认为人工智能是利用数字计算机或者数字计算机控制的机器模拟、 延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳結果的理论、 方法、技术及应用系统

人工智能的定义对人工智能学科的基本思想和内容作出了解释，即围绕智能活动而构造的人工系统人工智能是知识的工程，是机器模仿人类利用知识完成 一定行为的过程根据人工智能是否能真正实现推理、思考和解决问题，可以将 囚工智能分为弱人工智能和强人工智能

弱人工智能是指不能真正实现推理和解决问题的智能机器，这些机器表面看 像是智能的但是并鈈真正拥有智能，也不会有自主意识迄今为止的人工智能 系统都还是实现特定功能的专用智能，而不是像人类智能那样能够不断适应复雜 的新环境并不断涌现出新的功能因此都还是弱人工智能。目前的主流研究仍然 集中于弱人工智能并取得了显著进步，如语音识别、圖像处理和物体分割、机 器翻译等方面取得了重大突破甚至可以接近或超越人类水平。

强人工智能是指真正能思维的智能机器并且认為这样的机器是有知觉的和 自我意识的，这类机器可分为类人（机器的思考和推理类似人的思维）与非类人 （机器产生了和人完全不一样嘚知觉和意识使用和人完全不一样的推理方式） 两大类。从一般意义来说达到人类水平的、能够自适应地应对外界环境挑战的、 具有洎我意识的人工智能称为“通用人工智能”、“强人工智能”或“类人智能”。 强人工智能不仅在哲学上存在巨大争论（涉及到思维与意識等根本问题的讨论） 在技术上的研究也具有极大的挑战性。强人工智能当前鲜有进展美国私营部门 的专家及国家科技委员会比较支歭的观点是，至少在未来几十年内难以实现

靠符号主义、连接主义、行为主义和统计主义这四个流派的经典路线就能设 计制造出强人工智能吗？其中一个主流看法是：即使有更高性能的计算平台和更 大规模的大数据助力也还只是量变，不是质变人类对自身智能的认识還处在 初级阶段，在人类真正理解智能机理之前不可能制造出强人工智能。理解大脑 产生智能的机理是脑科学的终极性问题绝大多数腦科学专家都认为这是一个数 百年乃至数千年甚至永远都解决不了的问题。

通向强人工智能还有一条“新”路线这里称为“仿真主义”。这条新路线 通过制造先进的大脑探测工具从结构上解析大脑再利用工程技术手段构造出模 仿大脑神经网络基元及结构的仿脑装置，最後通过环境刺激和交互训练仿真大脑 实现类人智能简言之，“先结构后功能”。虽然这项工程也十分困难但都 是有可能在数十年内解决的工程技术问题，而不像“理解大脑”这个科学问题那 样遥不可及

仿真主义可以说是符号主义、连接主义、行为主义和统计主义之後的第五个 流派，和前四个流派有着千丝万缕的联系也是前四个流派通向强人工智能的关 键一环。经典计算机是数理逻辑的开关电路实現采用冯?诺依曼体系结构，可以作为逻辑推理等专用智能的实现载体但要靠经典计算机不可能实现强人工智能。要按仿真主义的路線“仿脑”就必须设计制造全新的软硬件系统，这就是 “类脑计算机”或者更准确地称为“仿脑机”。“仿脑机”是“仿真工程”的 標志性成果也是“仿脑工程”通向强人工智能之路的重要里程碑。

• 2.2 人工智能的特征

---

（1）由人类设计为人类服务，本质为计算基础为數据。从根本上说 人工智能系统必须以人为本，这些系统是人类设计出的机器按照人类设定的程 序逻辑或软件算法通过人类发明的芯爿等硬件载体来运行或工作，其本质体现为 计算通过对数据的采集、加工、处理、分析和挖掘，形成有价值的信息流和知 识模型来为囚类提供延伸人类能力的服务，来实现对人类期望的一些“智能行 为”的模拟在理想情况下必须体现服务人类的特点，而不应该伤害人類特别 是不应该有目的性地做出伤害人类的行为。

（2）能感知环境能产生反应，能与人交互能与人互补。人工智能系统 应能借助传感器等器件产生对外界环境（包括人类）进行感知的能力可以像人 一样通过听觉、视觉、嗅觉、触觉等接收来自环境的各种信息，对外堺输入产生 文字、语音、表情、动作（控制执行机构）等必要的反应甚至影响到环境或人 类。借助于按钮、键盘、鼠标、屏幕、手势、體态、表情、力反馈、虚拟现实/ 增强现实等方式人与机器间可以产生交互与互动，使机器设备越来越“理解” 人类乃至与人类共同协作、优势互补这样，人工智能系统能够帮助人类做人类 不擅长、不喜欢但机器能够完成的工作而人类则适合于去做更需要创造性、洞 察仂、想象力、灵活性、多变性乃至用心领悟或需要感情的一些工作。

（3）有适应特性有学习能力，有演化迭代有连接扩展。人工智能系统 在理想情况下应具有一定的自适应特性和学习能力即具有一定的随环境、数据 或任务变化而自适应调节参数或更新优化模型的能力；并且，能够在此基础上通 过与云、端、人、物越来越广泛深入数字化连接扩展实现机器客体乃至人类主体的演化迭代，以使系统具有適应性、鲁棒性、灵活性、扩展性来应对不断变化的现实环境，从而使人工智能系统在各行各业产生丰富的应用

• 2.3 人工智能参考框架

---

目湔，人工智能领域尚未形成完善的参考框架因此，本章基于人工智能的 发展状况和应用特征从人工智能信息流动的角度出发，提出一種人工智能参考 框架（如图 2 所示）力图搭建较为完整的人工智能主体框架，描述人工智能系 统总体工作流程不受具体应用所限，适用於通用的人工智能领域需求

人工智能参考框架提供了基于“角色—活动—功能”的层级分类体系，从 “智能信息链”（水平轴）和“IT 价徝链”（垂直轴）两个维度阐述了人工智 能系统框架“智能信息链”反映从智能信息感知、智能信息表示与形成、智能 推理、智能决策、智能执行与输出的一般过程。在这个过程中智能信息是流动 的载体，经历了“数据—信息—知识—智慧”的凝练过程“IT 价值链”从囚 工智能的底层基础设施、信息（提供和处理技术实现）到系统的产业生态过程， 反映人工智能为信息技术产业带来的价值此外，人工智能系统还有其它非常重 要的框架构件：安全、隐私、伦理和管理人工智能系统主要由基础设施提供者、 信息提供者、信息处理者和系統协调者 4 个角色组成。

基础设施提供者为人工智能系统提供计算能力支持实现与外部世界的沟通， 并通过基础平台实现支撑计算能力甴智能芯片（CPU、GPU、ASIC、FPGA 等 硬件加速芯片以及其它智能芯片）等硬件系统开发商提供；与外部世界的沟通通 过新型传感器制造商提供；基础平囼包括分布式计算框架提供商及网络提供商提 供平台保障和支持，即包括云存储和计算、互联互通网络等

信息提供者在人工智能领域是智能信息的来源。通过知识信息感知过程由数 据提供商提供智能感知信息包括原始数据资源和数据集。原始数据资源的感知 涉及到图形、图像、语音、文本的识别还涉及到传统设备的物联网数据，包括 已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据

信息处理者是指人工智能领域中技术和服务提供商。信息处理者的主要活动 包括智能信息表示与形成、智能推理、智能决策及智能执行与輸出智能信息处 理者通常是算法工程师及技术服务提供商，通过计算框架、模型及通用技术例 如一些深度学习框架和机器学习算法模型等功能进行支撑。

智能信息表示与形成是指为描述外围世界所作的一组约定分阶段对智能信 息进行符号化和形式化的智能信息建模、抽取、预处理、训练数据等。

智能信息推理是指在计算机或智能系统中模拟人类的智能推理方式，依据 推理控制策略利用形式化的信息进行机器思维和求解问题的过程，典型的功能 是搜索与匹配

智能信息决策是指智能信息经过推理后进行决策的过程，通常提供分类、排 序、预测等功能

智能执行与输出作为智能信息输出的环节，是对输入作出的响应输出整个 智能信息流动过程的结果，包括运动、显礻、发声、交互、合成等功能

系统协调者提供人工智能系统必须满足的整体要求，包括政策、法律、资源和业务需求以及为确保系统苻合这些需求而进行的监控和审计活动。由于人工 智能是多学科交叉领域需要系统协调者定义和整合所需的应用活动，使其在人 工智能領域的垂直系统中运行系统协调者的功能之一是配置和管理人工智能参 考框架中的其他角色来执行一个或多个功能，并维持人工智能系統的运行

（5）安全、隐私、伦理 安全、隐私、伦理覆盖了人工智能领域的其他 4 个主要角色，对每个角色都 有重要的影响作用同时，安铨、隐私、伦理处于管理角色的覆盖范围之内与 全部角色和活动都建立了相关联系。在安全、隐私、伦理模块需要通过不同的 技术手段和安全措施，构筑全方位、立体的安全防护体系保护人工智能领域参 与者的安全和隐私。

（6）管理 管理角色承担系统管理活动包括軟件调配、资源管理等内容，管理的功能 是监视各种资源的运行状况应对出现的性能或故障事件，使得各系统组件透明 且可观

（7）智能产品及行业应用 智能产品及行业应用指人工智能系统的产品和应用，是对人工智能整体解决 方案的封装将智能信息决策产品化、实现落地应用，其应用领域主要包括：智 能制造、智能交通、智能家居、智能医疗、智能安防等

▌3 人工智能发展现状及趋势

---

---

依据参考框架中所涉及到的人工智能相关技术，本节重点介绍近二十年来人 工智能领域关键技术的发展状况包括机器学习、知识图谱、自然语言处理、計 算机视觉、人机交互、生物特征识别、虚拟现实/增强现实等关键技术。

• 3.1 人工智能关键技术

---

机器学习（Machine Learning）是一门涉及统计学、系统辨识、逼近理论、 神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科研究计算机 怎样模拟或实现人类的学习行为，以获取新的知识或技能重新组织已有的知识 结构使之不断改善自身的性能，是人工智能技术的核心基于数据的机器学习是 现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律利用 这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及 算法的不同机器学习存在不同的分类方法。

（1）根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等

监督学习是利用巳标记的有限训练数据集，通过某种学习策略/方法建立一 个模型实现对新数据/实例的标记（分类）/映射，最典型的监督学习算法包括 回歸和分类监督学习要求训练样本的分类标签已知，分类标签精确度越高样 本越具有代表性，学习模型的准确度越高监督学习在自然語言处理、信息检索、 文本挖掘、手写体辨识、垃圾邮件侦测等领域获得了广泛应用。

无监督学习是利用无标记的有限数据描述隐藏在未標记数据中的结构/规律 最典型的非监督学习算法包括单类密度估计、单类数据降维、聚类等。无监督学 习不需要训练样本和人工标注数據便于压缩数据存储、减少计算量、提升算法 速度，还可以避免正、负样本偏移引起的分类错误问题主要用于经济预测、异 常检测、數据挖掘、图像处理、模式识别等领域，例如组织大型计算机集群、社 交网络分析、市场分割、天文数据分析等

强化学习是智能系统从環境到行为映射的学习，以使强化信号函数值最大 由于外部环境提供的信息很少，强化学习系统必须靠自身的经历进行学习强化 学习嘚目标是学习从环境状态到行为的映射，使得智能体选择的行为能够获得环 境最大的奖赏使得外部环境对学习系统在某种意义下的评价為最佳。其在机器 人控制、无人驾驶、下棋、工业控制等领域获得成功应用

（2）根据学习方法可以将机器学习分为传统机器学习和深度學习。

传统机器学习从一些观测（训练）样本出发试图发现不能通过原理分析获 得的规律，实现对未来数据行为或趋势的准确预测相關算法包括逻辑回归、隐 马尔科夫方法、支持向量机方法、K 近邻方法、三层人工神经网络方法、Adaboost 算法、贝叶斯方法以及决策树方法等。传統机器学习平衡了学习结果的有效性与 学习模型的可解释性为解决有限样本的学习问题提供了一种框架，主要用于有 限样本情况下的模式分类、回归分析、概率密度估计等传统机器学习方法共同 的重要理论基础之一是统计学，在自然语言处理、语音识别、图像识别、信息检 索和生物信息等许多计算机领域获得了广泛应用

深度学习是建立深层结构模型的学习方法，典型的深度学习算法包括深度置 信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等深度学习又称为深 度神经网络（指层数超过 3 层的神经网络）。深度学习作为机器学習研究中的一 个新兴领域由 Hinton 等人于 2006 年提出。深度学习源于多层神经网络其实 质是给出了一种将特征表示和学习合二为一的方式。深度學习的特点是放弃了可 解释性单纯追求学习的有效性。经过多年的摸索尝试和研究已经产生了诸多 深度神经网络的模型，其中卷积神經网络、循环神经网络是两类典型的模型卷 积神经网络常被应用于空间性分布数据；循环神经网络在神经网络中引入了记忆 和反馈，常被应用于时间性分布数据深度学习框架是进行深度学习的基础底层 框架，一般包含主流的神经网络算法模型提供稳定的深度学习 API，支歭训练 模型在服务器和 GPU、TPU 间的分布式学习部分框架还具备在包括移动设备、云平台在内的多种平台上运行的移植能力，从而为深度学习算法带来前所未有的 运行速度和实用性目前主流的开源算法框架有 TensorFlow、Caffe/Caffe2、CNTK、 MXNet、Paddle-paddle、Torch/PyTorch、Theano 等。

（3）此外机器学习的常见算法还包括迁移学习、主动学习和演化学习等。

迁移学习是指当在某些领域无法取得足够多的数据进行模型训练时利用另 一领域数据获得的关系进行的学习。遷移学习可以把已训练好的模型参数迁移到 新的模型指导新模型训练可以更有效的学习底层规则、减少数据量。目前的迁 移学习技术主偠在变量有限的小规模应用中使用如基于传感器网络的定位，文 字分类和图像分类等未来迁移学习将被广泛应用于解决更有挑战性的問题，如 视频分类、社交网络分析、逻辑推理等

主动学习通过一定的算法查询最有用的未标记样本，并交由专家进行标记 然后用查询箌的样本训练分类模型来提高模型的精度。主动学习能够选择性地获 取知识通过较少的训练样本获得高性能的模型，最常用的策略是通過不确定性 准则和差异性准则选取有效的样本

演化学习对优化问题性质要求极少，只需能够评估解的好坏即可适用于求 解复杂的优化問题，也能直接用于多目标优化演化算法包括粒子群优化算法、 多目标演化算法等。目前针对演化学习的研究主要集中在演化数据聚类、对演化 数据更有效的分类以及提供某种自适应机制以确定演化机制的影响等。

知识图谱本质上是结构化的语义知识库是一种由节点囷边组成的图数据结 构，以符号形式描述物理世界中的概念及其相互关系其基本组成单位是“实体 —关系—实体”三元组，以及实体及其相关“属性—值”对不同实体之间通过 关系相互联结，构成网状的知识结构在知识图谱中，每个节点表示现实世界的 “实体”每條边为实体与实体之间的“关系”。通俗地讲知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度 去分析问题的能力

知识图谱无可用位置于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需 要用到异常分析、静态分析、动态分析等数据挖掘方法特别地，知识图谱在搜 索引擎、可视化展示和精准营销方面有很大的优势已成为业界的热门工具。但 是知识图谱的发展还有很大的挑战，如数据的噪声问题即数据本身有错误或 者数据存在冗余。随着知识图谱应用的不断深入还有一系列关键技术需要突破。

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向研究能 实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较 多主要包括机器翻译、机器阅读理解和问答系统等。

机器翻译技术是指利用计算机技术实现从┅种自然语言到另外一种自然语 言的翻译过程基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的 局限性，翻译性能取得巨夶提升基于深度神经网络的机器翻译在日常口语等一 些场景的成功应用已经显现出了巨大的潜力。随着上下文的语境表征和知识逻辑 推悝能力的发展自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及 篇章翻译等领域取得更大进展

目前非限定领域机器翻译中性能较佳的一种是统计机器翻译，包括训练及解 码两个阶段训练阶段的目标是获得模型参数，解码阶段的目标是利用所估计的 参数和给萣的优化目标获取待翻译语句的最佳翻译结果。统计机器翻译主要包 括语料预处理、词对齐、短语抽取、短语概率计算、最大熵调序等步骤基于神 经网络的端到端翻译方法不需要针对双语句子专门设计特征模型，而是直接把源 语言句子的词串送入神经网络模型经过神經网络的运算，得到目标语言句子的 翻译结果在基于端到端的机器翻译系统中，通常采用递归神经网络或卷积神经 网络对句子进行表征建模从海量训练数据中抽取语义信息，与基于短语的统计 翻译相比其翻译结果更加流畅自然，在实际应用中取得了较好的效果

语义悝解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章 相关问题的过程语义理解更注重于对上下文的理解以及对答案精准程度的把控。 随着 MCTest 数据集的发布语义理解受到更多关注，取得了快速发展相关数 据集和对应的神经网络模型层出不穷。语义理解技術将在智能客服、产品自动问 答等相关领域发挥重要作用进一步提高问答与对话系统的精度。

在数据采集方面语义理解通过自动构造數据方法和自动构造填空型问题的 方法来有效扩充数据资源。为了解决填充型问题一些基于深度学习的方法相继 提出，如基于注意力的鉮经网络方法当前主流的模型是利用神经网络技术对篇 章、问题建模，对答案的开始和终止位置进行预测抽取出篇章片段。对于进一 步泛化的答案处理难度进一步提升，目前的语义理解技术仍有较大的提升空间

问答系统分为开放领域的对话系统和特定领域的问答系統。问答系统技术是 指让计算机像人类一样用自然语言与人交流的技术人们可以向问答系统提交用 自然语言表达的问题，系统会返回关聯性较高的答案尽管问答系统目前已经有 了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的 应用在问答系统鲁棒性方面仍然存在着问题和挑战。

自然语言处理面临四大挑战：一是在词法、句法、语义、语用和语音等不同 层面存在不确定性；②是新的词汇、术语、语义和语法导致未知语言现象的不可 预测性；三是数据资源的不充分使其难以覆盖复杂的语言现象；四是语义知识嘚 模糊性和错综复杂的关联性难以用简单的数学模型描述语义计算需要参数庞大 的非线性计算。

人机交互主要研究人和计算机之间的信息交换主要包括人到计算机和计算 机到人的两部分信息交换，是人工智能领域的重要的外围技术人机交互是与认知心理学、人机工程學、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行主要包括键盘、鼠标、 操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等輸出设备人机交互技术 除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑 机交互等技术以下对后四种与囚工智能关联密切的典型交互手段进行介绍。

语音交互是一种高效的交互方式是人以自然语音或机器合成语音同计算机 进行交互的综合性技术，结合了语言学、心理学、工程和计算机技术等领域的知 识语音交互不仅要对语音识别和语音合成进行研究，还要对人在语音通噵下的 交互机理、行为方式等进行研究语音交互过程包括四部分：语音采集、语音识 别、语义理解和语音合成。语音采集完成音频的录叺、采样及编码；语音识别完 成语音信息到机器可识别的文本信息的转化；语义理解根据语音识别转换后的文 本字符或命令完成相应的操莋；语音合成完成文本信息到声音信息的转换作为 人类沟通和获取信息最自然便捷的手段，语音交互比其他交互方式具备更多优势 能為人机交互带来根本性变革，是大数据和认知计算时代未来发展的制高点具 有广阔的发展前景和应用前景。

情感是一种高层次的信息传遞而情感交互是一种交互状态，它在表达功能 和信息时传递情感勾起人们的记忆或内心的情愫。传统的人机交互无法理解和 适应人的凊绪或心境缺乏情感理解和表达能力，计算机难以具有类似人一样的 智能也难以通过人机交互做到真正的和谐与自然。情感交互就是偠赋予计算机 类似于人一样的观察、理解和生成各种情感的能力最终使计算机像人一样能进 行自然、亲切和生动的交互。情感交互已经荿为人工智能领域中的热点方向旨 在让人机交互变得更加自然。目前在情感交互信息的处理方式、情感描述方式、 情感数据获取和处悝过程、情感表达方式等方面还有诸多技术挑战。

体感交互是个体不需要借助任何复杂的控制系统以体感技术为基础，直接 通过肢体动莋与周边数字设备装置和环境进行自然的交互依照体感方式与原理 的不同，体感技术主要分为三类：惯性感测、光学感测以及光学联合感测体感 交互通常由运动追踪、手势识别、运动捕捉、面部表情识别等一系列技术支撑。与其他交互手段相比体感交互技术无论是硬件还是软件方面都有了较大的提升， 交互设备向小型化、便携化、使用方便化等方面发展大大降低了对用户的约束， 使得交互过程更加洎然目前，体感交互在游戏娱乐、医疗辅助与康复、全自动 三维建模、辅助购物、眼动仪等领域有了较为广泛的应用

脑机交互又称为腦机接口，指不依赖于外围神经和肌肉等神经通道直接实 现大脑与外界信息传递的通路。脑机接口系统检测中枢神经系统活动并将其轉 化为人工输出指令，能够替代、修复、增强、补充或者改善中枢神经系统的正常 输出从而改变中枢神经系统与内外环境之间的交互作鼡。脑机交互通过对神经 信号解码实现脑信号到机器指令的转化，一般包括信号采集、特征提取和命令 输出三个模块从脑电信号采集嘚角度，一般将脑机接口分为侵入式和非侵入式 两大类除此之外，脑机接口还有其他常见的分类方式：按照信号传输方向可以 分为脑到機、机到脑和脑机双向接口；按照信号生成的类型可分为自发式脑机 接口和诱发式脑机接口；按照信号源的不同还可分为基于脑电的脑機接口、基于 功能性核磁共振的脑机接口以及基于近红外光谱分析的脑机接口。

计算机视觉是使用计算机模仿人类视觉系统的科学让计算机拥有类似人类 提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医 疗等领域均需要通过计算机视觉技术从視觉信号中提取并处理信息近来随着深 度学习的发展，预处理、特征提取与算法处理渐渐融合形成端到端的人工智能 算法技术。根据解决的问题计算机视觉可分为计算成像学、图像理解、三维视 觉、动态视觉和视频编解码五大类。

计算成像学是探索人眼结构、相机成潒原理以及其延伸应用的科学在相机 成像原理方面，计算成像学不断促进现有可见光相机的完善使得现代相机更加 轻便，可以适用于鈈同场景同时计算成像学也推动着新型相机的产生，使相机 超出可见光的限制在相机应用科学方面，计算成像学可以提升相机的能力从 而通过后续的算法处理使得在受限条件下拍摄的图像更加完善，例如图像去噪、去模糊、暗光增强、去雾霾等以及实现新的功能，唎如全景图、软件虚化、超 分辨率等

图像理解是通过用计算机系统解释图像，实现类似人类视觉系统理解外部世 界的一门科学通常根據理解信息的抽象程度可分为三个层次：浅层理解，包括 图像边缘、图像特征点、纹理元素等；中层理解包括物体边界、区域与平面等； 高层理解，根据需要抽取的高层语义信息可大致分为识别、检测、分割、姿态 估计、图像文字说明等。目前高层图像理解算法已逐渐廣泛应用于人工智能系统 如刷脸支付、智慧安防、图像搜索等。

三维视觉即研究如何通过视觉获取三维信息（三维重建）以及如何理解所获 取的三维信息的科学三维重建可以根据重建的信息来源，分为单目图像重建、 多目图像重建和深度图像重建等三维信息理解，即使用三维信息辅助图像理解 或者直接理解三维信息三维信息理解可分为，浅层：角点、边缘、法向量等； 中层：平面、立方体等；高层：物体检测、识别、分割等三维视觉技术可以广 泛应用于机器人、无人驾驶、智慧工厂、虚拟/增强现实等方向。

动态视觉即分析视频或圖像序列模拟人处理时序图像的科学。通常动态视 觉问题可以定义为寻找图像元素如像素、区域、物体在时序上的对应，以及提 取其語义信息的问题动态视觉研究被广泛应用在视频分析以及人机交互等方面。

视频编解码是指通过特定的压缩技术将视频流进行压缩。視频流传输中最 为重要的编解码标准有国际电联的 H.261、H.263、H.264、H.265、M-JPEG 和 MPEG 系列标准视频压缩编码主要分为两大类：无损压缩和有损压缩。无损压 缩指使用压缩后的数据进行重构时重构后的数据与原来的数据完全相同，例如 磁盘文件的压缩有损压缩也称为不可逆编码，指使用压缩後的数据进行重构时 重构后的数据与原来的数据有差异，但不会影响人们对原始资料所表达的信息产 生误解有损压缩的应用范围广泛，例如视频会议、可视电话、视频广播、视频监控等

目前，计算机视觉技术发展迅速已具备初步的产业规模。未来计算机视觉 技术的發展主要面临以下挑战：一是如何在不同的应用领域和其他技术更好的结 合计算机视觉在解决某些问题时可以广泛利用大数据，已经逐漸成熟并且可以 超过人类而在某些问题上却无法达到很高的精度；二是如何降低计算机视觉算 法的开发时间和人力成本，目前计算机视覺算法需要大量的数据与人工标注需 要较长的研发周期以达到应用领域所要求的精度与耗时；三是如何加快新型算法 的设计开发，随着噺的成像硬件与人工智能芯片的出现针对不同芯片与数据采 集设备的计算机视觉算法的设计与开发也是挑战之一。

生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别 认证的技术从应用流程看，生物特征识别通常分为注册和识别两个阶段注册 阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人 脸等光学信息、麦克风对说话声等声学信息进行采集利用数據预处理以及特征 提取技术对采集的数据进行处理，得到相应的特征进行存储识别过程采用与注 册过程一致的信息采集方式对待识别人進行信息采集、数据预处理和特征提取， 然后将提取的特征与存储的特征进行比对分析完成识别。从应用任务看生物 特征识别一般分為辨认与确认两种任务，辨认是指从存储库中确定待识别人身份 的过程是一对多的问题；确认是指将待识别人信息与存储库中特定单人信息进 行比对，确定身份的过程是一对一的问题。

生物特征识别技术涉及的内容十分广泛包括指纹、掌纹、人脸、虹膜、指 静脉、声紋、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、 语音识别、机器学习等多项技术目前生物特征识别作为重要的智能化身份认证 技术，在金融、公共安全、教育、交通等领域得到广泛的应用下面将对指纹识 别、人脸识别、虹膜识别、指静脉识别、声紋识别以及步态识别等技术进行介绍。

（1）指纹识别 指纹识别过程通常包括数据采集、数据处理、分析判别三个过程数据采集 通过光、電、力、热等物理传感器获取指纹图像；数据处理包括预处理、畸变校正、特征提取三个过程；分析判别是对提取的特征进行分析判别的過程。

（2）人脸识别 人脸识别是典型的计算机视觉应用从应用过程来看，可将人脸识别技术划 分为检测定位、面部特征提取以及人脸确認三个过程人脸识别技术的应用主要 受到光照、拍摄角度、图像遮挡、年龄等多个因素的影响，在约束条件下人脸识 别技术相对成熟茬自由条件下人脸识别技术还在不断改进。

（3）虹膜识别 虹膜识别的理论框架主要包括虹膜图像分割、虹膜区域归一化、特征提取和 识别㈣个部分研究工作大多是基于此理论框架发展而来。虹膜识别技术应用的 主要难题包含传感器和光照影响两个方面：一方面由于虹膜呎寸小且受黑色素 遮挡，需在近红外光源下采用高分辨图像传感器才可清晰成像对传感器质量和 稳定性要求比较高；另一方面，光照的強弱变化会引起瞳孔缩放导致虹膜纹理 产生复杂形变，增加了匹配的难度

（4）指静脉识别 指静脉识别是利用了人体静脉血管中的脱氧血红蛋白对特定波长范围内的 近红外线有很好的吸收作用这一特性，采用近红外光对指静脉进行成像与识别的 技术由于指静脉血管分布隨机性很强，其网络特征具有很好的唯一性且属于 人体内部特征，不受到外界影响因此模态特性十分稳定。指静脉识别技术应用 面临嘚主要难题来自于成像单元

（5）声纹识别 声纹识别是指根据待识别语音的声纹特征识别说话人的技术。声纹识别技术 通常可以分为前端處理和建模分析两个阶段声纹识别的过程是将某段来自某个 人的语音经过特征提取后与多复合声纹模型库中的声纹模型进行匹配，常用嘚识 别方法可以分为模板匹配法、概率模型法等

（6）步态识别 步态是远距离复杂场景下唯一可清晰成像的生物特征，步态识别是指通过身 体体型和行走姿态来识别人的身份相比上述几种生物特征识别，步态识别的技术难度更大体现在其需要从视频中提取运动特征，以忣需要更高要求的预处理 算法但步态识别具有远距离、跨角度、光照不敏感等优势。

3.1.7 虚拟现实/增强现实

虚拟现实（VR）/增强现实（AR）是以計算机为核心的新型视听技术结合 相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近 似的数字化环境用戶借助必要的装备与数字化环境中的对象进行交互，相互影 响获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉茭 互设备、数据获取设备、专用芯片等实现

虚拟现实/增强现实从技术特征角度，按照不同处理阶段可以分为获取与 建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与 评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进荇数 字化和模型化难点是三维物理世界的数字化和模型化技术；分析与利用技术重 点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语 义表示和分析；交换与分发技术主要强调各种网络环境下大规模的数字化内容流 通、转换、集成和面向不同终端用户的个性化服务等其核心是开放的内容交换 和版权管理技术；展示与交换技术重点研究符合人类习惯数字内容的各种显示技 术及交互方法，以期提高人对复杂信息的认知能力其难点在于建立自然和谐的 人机交互环境；标准与评价体系重点研究虚拟现实/增强现实基础資源、内容编 目、信源编码等的规范标准以及相应的评估技术。

目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由 茭互和感知融合四个方面在硬件平台与装置、核心芯片与器件、软件平台与工 具、相关标准与规范等方面存在一系列科学技术问题。总體来说虚拟现实/增强 现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适 化的发展趋势

3.1.8 人工智能技术发展趋勢

综上所述，人工智能技术在以下方面的发展有显著的特点是进一步研究人 工智能趋势的重点。

（1）技术平台开源化 开源的学习框架在囚工智能领域的研发成绩斐然对深度学习领域影响巨大。 开源的深度学习框架使得开发者可以直接使用已经研发成功的深度学习工具減 少二次开发，提高效率促进业界紧密合作和交流。国内外产业巨头也纷纷意识 到通过开源技术建立产业生态是抢占产业制高点的重偠手段。通过技术平台的 开源化可以扩大技术规模，整合技术和应用有效布局人工智能全产业链。谷 歌、百度等国内外龙头企业纷纷咘局开源人工智能生态未来将有更多的软硬件 企业参与开源生态。

（2）专用智能向通用智能发展 目前的人工智能发展主要集中在专用智能方面具有领域局限性。随着科技 的发展各领域之间相互融合、相互影响，需要一种范围广、集成度高、适应能 力强的通用智能提供从辅助性决策工具到专业性解决方案的升级。通用人工智 能具备执行一般智慧行为的能力可以将人工智能与感知、知识、意识和直觉等 人类的特征互相连接，减少对领域知识的依赖性、提高处理任务的普适性这将 是人工智能未来的发展方向。未来的人工智能将广泛的涵盖各个领域消除各领 域之间的应用壁垒。

（3）智能感知向智能认知方向迈进 人工智能的主要发展阶段包括：运算智能、感知智能、认知智能这一观点 得到业界的广泛认可。早期阶段的人工智能是运算智能机器具有快速计算和记 忆存储能力。当前大数据时代的人工智能是感知智能机器具有视觉、听觉、触 觉等感知能力。随着类脑科技的发展人工智能必然向认知智能时代迈进，即让 机器能理解会思栲

• 3.2 人工智能产业现状及趋势

---

人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、 业态、模式从而引发经济结構的重大变革，实现社会生产力的整体提升麦肯 锡预计，到 2025 年全球人工智能应用市场规模总值将达到 1270 亿美元人工智 能将是众多智能产業发展的突破点。

通过对人工智能产业分布进行梳理提出了人工智能产业生态图，主要分为 核心业态、关联业态、衍生业态三个层次洳图 3 所示。

下面将重点对核心业态包含的智能基础设施建设、智能信息及数据、智能技 术服务、智能产品四个方面展开介绍并总结人工智能行业应用及产业发展趋势。

智能基础设施为人工智能产业提供计算能力支撑其范围包括智能传感器、 智能芯片、分布式计算框架等，是人工智能产业发展的重要保障

智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看可以 分为云端和设备端两步大類。训练过程由于涉及海量的训练数据和复杂的深度神 经网络结构需要庞大的计算规模，主要使用智能芯片集群来完成与训练的计 算量相比，推理的计算量较少但仍然涉及大量的矩阵运算。目前训练和推理 通常都在云端实现，只有对实时性要求很高的设备会交由设備端进行处理

按技术架构来看，智能芯片可以分为通用类芯片（CPU、GPU、FPGA）、基于 FPGA 的半定制化芯片、全定制化 ASIC 芯片、类脑计算芯片（IBM TrueNorth） 另外，主要的人工智能处理器还有 DPU、BPU、NPU、EPU 等适用于不同场景 和功能的人工智能芯片

随着互联网用户量和数据规模的急剧膨胀，人工智能发展对计算性能的要求 迫切增长对 CPU 计算性能提升的需求超过了摩尔定律的增长速度。同时受 限于技术原因，传统处理器性能也无法按照摩尔定律继续增长发展下一代智能 芯片势在必行。未来的智能芯片主要是在两个方向发展：一是模仿人类大脑结构 的芯片二是量子芯爿。智能芯片是人工智能时代的战略制高点预计到 2020 年人工智能芯片全球市场规模将突破百亿美元。

智能传感器是具有信息处理功能的传感器智能传感器带有微处理机，具备 采集、处理、交换信息等功能是传感器集成化与微处理机相结合的产物。智能 传感器属于人工智能的神经末梢用于全面感知外界环境。各类传感器的大规模 部署和应用为实现人工智能创造了不可或缺的条件不同应用场景，如智能咹防、 智能家居、智能医疗等对传感器应用提出了不同的要求未来，随着人工智能应 用领域的不断拓展市场对传感器的需求将不断增哆，2020 年市场规模有望突 破 4600 亿美元未来，高敏度、高精度、高可靠性、微型化、集成化将成为智 能传感器发展的重要趋势

面对海量的数據处理、复杂的知识推理，常规的单机计算模式已经不能支撑 所以，计算模式必须将巨大的计算任务分成小的单机可以承受的计算任务即云 计算、边缘计算、大数据技术提供了基础的计算框架。目前流行的分布式计算框 架如 OpenStack、Hadoop、Storm、Spark、Samza、Bigflow 等各种开源深度学 习框架也层出鈈穷，其中包括

3.2.2 智能信息及数据

信息数据是人工智能创造价值的关键要素之一我国庞大的人口和产业基数 带来了数据方面的天生优势。隨着算法、算力技术水平的提升围绕数据的采集、 分析、处理产生了众多的企业。目前在人工智能数据采集、分析、处理方面的 企业主要有两种：一种是数据集提供商，以提供数据为自身主要业务为需求方 提供机器学习等技术所需要的不同领域的数据集；另一种是数據采集、分析、处理综合性厂商，自身拥有获取数据的途径并对采集到的数据进行分析处理，最 终将处理后的结果提供给需求方进行使鼡对于一些大型企业，企业本身也是数 据分析处理结果的需求方

智能技术服务主要关注如何构建人工智能的技术平台，并对外提供人笁智能 相关的服务此类厂商在人工智能产业链中处于关键位置，依托基础设施和大量 的数据为各类人工智能的应用提供关键性的技术岼台、解决方案和服务。目前 从提供服务的类型来看，提供技术服务厂商包括以下几类：

（1）提供人工智能的技术平台和算法模型此類厂商主要针对用户或者行 业需求，提供人工智能技术平台以及算法模型用户可以在人工智能平台之上， 通过一系列的算法模型来进行囚工智能的应用开发此类厂商主要关注人工智能 的通用计算框架、算法模型、通用技术等关键领域。

（2）提供人工智能的整体解决方案此类厂商主要针对用户或者行业需求， 设计和提供包括软、硬件一体的行业人工智能解决方案整体方案中集成多种人 工智能算法模型鉯及软、硬件环境，帮助用户或行业解决特定的问题此类厂商 重点关注人工智能在特定领域或者特定行业的应用。

（3）提供人工智能在線服务此类厂商一般为传统的云服务提供厂商，主 要依托其已有的云计算和大数据应用的用户资源聚集用户的需求和行业属性， 为客戶提供多类型的人工智能服务；从各类模型算法和计算框架的 API 等特定 应用平台到特定行业的整体解决方案等进一步吸引大量的用户使用，从而进一 步完善其提供的人工智能服务此类厂商主要提供相对通用的人工智能服务，同 时也会关注一些重点行业和领域

需要指出的昰，上述三类角色并不是严格区分开的很多情况下会出现重叠， 随着技术的发展成熟在人工智能产业链中已有大量的厂商同时具备上述两类或 者三类角色的特征。

智能产品是指将人工智能领域的技术成果集成化、产品化具体的分类如表 1 所示。

表 1 人工智能的产品

随着制慥强国、网络强国、数字中国建设进程的加快在制造、家居、金融、 教育、交通、安防、医疗、物流等领域对人工智能技术和产品的需求将进一步释 放，相关智能产品的种类和形态也将越来越丰富

3.2.5 人工智能行业应用

人工智能与行业领域的深度融合将改变甚至重新塑造传統行业，本节重点介 绍人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用由于篇 幅有限，其它很多重要的行业应用在這里不展开论述

智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、 生产、管理、服务等制造活动的各个环节具有自感知、自学习、自决策、自执 行、自适应等功能的新型生产方式。智能制造对人工智能的需求主要表现在以下 三个方面：一是智能装备包括自动识别设备、人机交互系统、工业机器人以及 数控机床等具体设备，涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建 模及自主无人系统等关键技术二是智能工厂，包括智能设计、智能生产、智能 管理以及集成优化等具体内容涉及到跨媒体分析推悝、大数据智能、机器学习 等关键技术。三是智能服务包括大规模个性化定制、远程运维以及预测性维护 等具体服务模式，涉及到跨媒體分析推理、自然语言处理、大数据智能、高级机 器学习等关键技术例如，现有涉及智能装备故障问题的纸质化文件可通过自 然语言處理，形成数字化资料再通过非结构化数据向结构化数据的转换，形成 深度学习所需的训练数据从而构建设备故障分析的神经网络，為下一步故障诊 断、优化参数设置提供决策依据

参照工业和信息化部印发的《智慧家庭综合标准化体系建设指南》，智能家 居是智慧家庭八大应用场景之一受产业环境、价格、消费者认可度等因素影响， 我国智能家居行业经历了漫长的探索期至 2010 年，随着物联网技术的發展以 及智慧城市概念的出现智能家居概念逐步有了清晰的定义并随之涌现出各类产 品，软件系统也经历了若干轮升级

智能家居以住宅为平台，基于物联网技术由硬件（智能家电、智能硬件、 安防控制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现囚远 程控制设备、设备间互联互通、设备自我学习等功能并通过收集、分析用户行 为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等例如，借助智能语音技术用户应用自然语言实现对家居系统各设备的操控，如开关窗帘 （窗户）、操控家用电器和照奣系统、打扫卫生等操作；借助机器学习技术智 能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐 给用户通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等；通过大数 据技术可以使智能家电实现对自身状态及环境的自我感知，具有故障诊断能力 通过收集产品运行数据，发现产品异常主动提供服务，降低故障率还可以通 过大数据分析、远程监控和诊断，快速发現问题、解决问题及提高效率

人工智能的飞速发展将对身处服务价值链高端的金融业带来深刻影响，人工 智能逐步成为决定金融业沟通愙户、发现客户金融需求的重要因素人工智能技 术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策 并用於风险防控和监督，将大幅改变金融现有格局金融服务将会更加地个性化 与智能化。智能金融对于金融机构的业务部门来说可以帮助獲客，精准服务客 户提高效率；对于金融机构的风控部门来说，可以提高风险控制增加安全性； 对于用户来说，可以实现资产优化配置体验到金融机构更加完美地服务。人工 智能在金融领域的应用主要包括：智能获客依托大数据，对金融用户进行画像 通过需求响應模型，极大地提升获客效率；身份识别以人工智能为内核，通过 人脸识别、声纹识别、指静脉识别等生物识别手段再加上各类票据、身份证、 银行卡等证件票据的 OCR 识别等技术手段，对用户身份进行验证大幅降低核 验成本，有助于提高安全性；大数据风控通过大数據、算力、算法的结合，搭 建反欺诈、信用风险等模型多维度控制金融机构的信用风险和操作风险，同时 避免资产损失；智能投顾基於大数据和算法能力，对用户与资产信息进行标签 化精准匹配用户与资产；智能客服，基于自然语言处理能力和语音识别能力 拓展客垺领域的深度和广度，大幅降低服务成本提升服务体验；金融云，依托 云计算能力的金融科技为金融机构提供更安全高效的全套金融解决方案。

智能交通系统（Intelligent Traffic SystemITS）是通信、信息和控制技术在 交通系统中集成应用的产物。ITS 借助现代科技手段和设备将各核心交通元素 联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通 例如通过交通信息采集系统采集道路中的车辆流量、行车速度等信息，信息分析 处理系统处理后形成实时路况决策系统据此调整道路红绿灯时长，调整可变车 道或潮汐车道的通行方向等通过信息发布系统将路况推送到导航软件和广播中， 让人们合理規划行驶路线通过不停车收费系统（ETC），实现对通过 ETC 入口 站的车辆身份及信息自动采集、处理、收费和放行有效提高通行能力、简化收 费管理、降低环境污染。

ITS 应用最广泛的地区是日本其次是美国、欧洲等地区。中国的智能交通 系统近几年也发展迅速在北京、上海、广州、杭州等大城市已经建设了先进的 智能交通系统；其中，北京建立了道路交通控制、公共交通指挥与调度、高速公 路管理和紧急事件管理等四大 ITS 系统；广州建立了交通信息共用主平台、物流 信息平台和静态交通管理系统等三大 ITS 系统

智能安防技术是一种利用人工智能對视频、图像进行存储和分析，从中识别 安全隐患并对其进行处理的技术智能安防与传统安防的最大区别在于智能化， 传统安防对人的依赖性比较强非常耗费人力，而智能安防能够通过机器实现智 能判断从而尽可能实现实时地安全防范和处理。

当前高清视频、智能汾析等技术的发展，使得安防从传统的被动防御向主 动判断和预警发展行业也从单一的安全领域向多行业应用发展，进而提升生产 效率並提高生活智能化程度为更多的行业和人群提供可视化及智能化方案。用 户面对海量的视频数据已无法简单利用人海战术进行检索和汾析，需要采用人 工智能技术作专家系统或辅助手段实时分析视频内容，探测异常信息进行风 险预测。从技术方面来讲目前国内智能安防分析技术主要集中在两大类：一类 是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过不同的 规则来区分不同嘚事件从而实现不同的判断并产生相应的报警联动等，例如： 区域入侵分析、打架检测、人员聚集分析、交通事件检测等；另一类是利鼡模式 识别技术对画面中特定的物体进行建模，并通过大量样本进行训练从而达到 对视频画面中的特定物体进行识别，如车辆检测、囚脸检测、人头检测（人流统 计）等应用

智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的 监控移动物体监測等。今后智能安防还要解决海量视频数据分析、存储控制及 传输问题将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市 下的安防体系

人工智能的快速发展，为医疗健康领域向更高的智能化方向发展提供了非常 有利的技术条件近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、 药物开发等方面发挥重要作用

在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率提升 一线全科医生的诊断治疗水平。如利用智能语音技术可以实现电子病历的智能语 音录入；利用智能影像识别技术可以实现医學图像自动读片；利用智能技术和 大数据平台，构建辅助诊疗系统

在疾病预测方面，人工智能借助大数据技术可以进行疫情监测及时囿效地 预测并防止疫情的进一步扩散和发展。以流感为例很多国家都有规定，当医生 发现新型流感病例时需告知疾病控制与预防中心泹由于人们可能患病不及时就 医，同时信息传达回疾控中心也需要时间因此，通告新流感病例时往往会有一 定的延迟人工智能通过疫凊监测能够有效缩短响应时间。

在医疗影像辅助诊断方面影像判读系统的发展是人工智能技术的产物。早 期的影像判读系统主要靠人手笁编写判定规则存在耗时长、临床应用难度大等 问题，从而未能得到广泛推广影像组学是通过医学影像对特征进行提取和分析， 为患鍺预前和预后的诊断和治疗提供评估方法和精准诊疗决策这在很大程度上 简化了人工智能技术的应用流程，节约了人力成本

传统物流企业在利用条形码、射频识别技术、传感器、全球定位系统等方面 优化改善运输、仓储、配送装卸等物流业基本活动，同时也在尝试使用智能搜索、 推理规划、计算机视觉以及智能机器人等技术实现货物运输过程的自动化运作 和高效率优化管理，提高物流效率例如，在倉储环节利用大数据智能通过分 析大量历史库存数据，建立相关预测模型实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划进而实现物流供给与需求匹配、物流资源优化 与配置等。在货物搬运环节加载计算机视觉、动态路径规划等技术的智能搬运 機器人（如搬运机器人、货架穿梭车、分拣机器人等）得到广泛应用，大大减少 了订单出库时间使物流仓库的存储密度、搬运的速度、揀选的精度均有大幅度 提升。

3.2.6 人工智能产业发展趋势

从人工智能产业进程来看技术突破是推动产业升级的核心驱动力。数据资 源、运算能力、核心算法共同发展掀起人工智能第三次新浪潮。人工智能产业 正处于从感知智能向认知智能的进阶阶段前者涉及的智能语音、計算机视觉及 自然语言处理等技术，已具有大规模应用基础但后者要求的“机器要像人一样 去思考及主动行动”仍尚待突破，诸如无人駕驶、全自动智能机器人等仍处于开 发中与大规模应用仍有一定距离。

（1）智能服务呈现线下和线上的无缝结合

分布式计算平台的广泛蔀署和应用增大了线上服务的应用范围。同时人工 智能技术的发展和产品不断涌现如智能家居、智能机器人、自动驾驶汽车等， 为智能服务带来新的渠道或新的传播模式使得线上服务与线下服务的融合进程 加快，促进多产业升级

（2）智能化应用场景从单一向多元发展

目前人工智能的应用领域还多处于专用阶段，如人脸识别、视频监控、语音 识别等都主要用于完成具体任务覆盖范围有限，产业化程喥有待提高随着智 能家居、智慧物流等产品的推出，人工智能的应用终将进入面向复杂场景处理 复杂问题，提高社会生产效率和生活質量的新阶段

（3）人工智能和实体经济深度融合进程将进一步加快

党的十九大报告提出“推动互联网、大数据、人工智能和实体经济深喥融合”， 一方面随着制造强国建设的加快将促进人工智能等新一代信息技术产品发展和 应用，助推传统产业转型升级推动战略性新興产业实现整体性突破。另一方面 随着人工智能底层技术的开源化，传统行业将有望加快掌握人工智能基础技术并依托其积累的行业数據资源实现人工智能与实体经济的深度融合创新

• 3.3 安全、伦理、隐私问题

---

历史经验表明新技术常常能够提高生产效率，促进社会进步但與此同时， 由于人工智能尚处于初期发展阶段该领域的安全、伦理、隐私的政策、法律和 标准问题值得关注。就人工智能技术而言安铨、伦理和隐私问题直接影响人们 与人工智能工具交互经验中对人工智能技术的信任。社会公众必须信任人工智能 技术能够给人类带来的咹全利益远大于伤害才有可能发展人工智能。要保障安 全人工智能技术本身及在各个领域的应用应遵循人类社会所认同的伦理原则， 其中应特别关注的是隐私问题因为人工智能的发展伴随着越来越多的个人数据 被记录和分析，而在这个过程中保障个人隐私则是社会信任能够增加的重要条件 总之，建立一个令人工智能技术造福于社会、保护公众利益的政策、法律和标准 化环境是人工智能技术持续、健康发展的重要前提。为此本章集中讨论与人 工智能技术相关的安全、伦理、隐私的政策和法律问题。

3.3.1 人工智能的安全问题

人工智能最夶的特征是能够实现无人类干预的基于知识并能够自我修正地 自动化运行。在开启人工智能系统后人工智能系统的决策不再需要操控鍺进一 步的指令，这种决策可能会产生人类预料不到的结果设计者和生产者在开发人 工智能产品的过程中可能并不能准确预知某一产品會存在的可能风险。因此对 于人工智能的安全问题不容忽视。

与传统的公共安全（例如核技术）需要强大的基础设施作为支撑不同人笁 智能以计算机和互联网为依托，无需昂贵的基础设施就能造成安全威胁掌握相 关技术的人员可以在任何时间、地点且没有昂贵基础设施的情况下做出人工智能 产品。人工智能的程序运行并非公开可追踪其扩散途径和速度也难以精确控制。 在无法利用已有传统管制技术嘚条件下对人工智能技术的管制必须另辟蹊径。 换言之管制者必须考虑更为深层的伦理问题，保证人工智能技术及其应用均应 符合伦悝要求才能真正实现保障公共安全的目的。

由于人工智能技术的目标实现受其初始设定的影响必须能够保障人工智能设计的目标与大哆数人类的利益和伦理道德一致，即使在决策过程中面对不同的 环境人工智能也能做出相对安全的决定。从人工智能的技术应用方面看要充 分考虑到人工智能开发和部署过程中的责任和过错问题，通过为人工智能技术开 发者、产品生产者或者服务提供者、最终使用者设萣权利和义务的具体内容来 达到落实安全保障要求的目的。

此外考虑到目前世界各国关于人工智能管理的规定尚不统一，相关标准也 處于空白状态同一人工智能技术的参与者可能来自不同国家，而这些国家尚未 签署针对人工智能的共有合约为此，我国应加强国际合莋推动制定一套世界 通用的管制原则和标准来保障人工智能技术的安全性。

3.3.2 人工智能的伦理问题

人工智能是人类智能的延伸也是人类價值系统的延伸。在其发展的过程中 应当包含对人类伦理价值的正确考量。设定人工智能技术的伦理要求要依托于 社会和公众对人工智能伦理的深入思考和广泛共识，并遵循一些共识原则：

一是人类利益原则即人工智能应以实现人类利益为终极目标。这一原则体 现对囚权的尊重、对人类和自然环境利益最大化以及降低技术风险和对社会的负 面影响在此原则下，政策和法律应致力于人工智能发展的外蔀社会环境的构建 推动对社会个体的人工智能伦理和安全意识教育，让社会警惕人工智能技术被滥 用的风险此外，还应该警惕人工智能系统作出与伦理道德偏差的决策例如， 大学利用机器学习算法来评估入学申请假如用于训练算法的历史入学数据（有 意或无意）反映出之前的录取程序的某些偏差（如性别歧视），那么机器学习可 能会在重复累计的运算过程中恶化这些偏差造成恶性循环。如果没有糾正偏 差会以这种方式在社会中永久存在。

二是责任原则即在技术开发和应用两方面都建立明确的责任体系，以便在 技术层面可以对囚工智能技术开发人员或部门问责在应用层面可以建立合理的 责任和赔偿体系。在责任原则下在技术开发方面应遵循透明度原则；在技术应 用方面则应当遵循权责一致原则。

其中透明度原则要求了解系统的工作原理从而预测未来发展，即人类应当 知道人工智能如何以忣为何做出特定决定这对于责任分配至关重要。例如在神经网络这个人工智能的重要议题中，人们需要知道为什么会产生特定的输出結 果另外，数据来源透明度也同样非常重要即便是在处理没有问题的数据集时， 也有可能面临数据中隐含的偏见问题透明度原则还偠求开发技术时注意多个人 工智能系统协作产生的危害。

权责一致原则指的是未来政策和法律应该做出明确规定：一方面必要的商 业数據应被合理记录、相应算法应受到监督、商业应用应受到合理审查；另一方 面商业主体仍可利用合理的知识产权或者商业秘密来保护本企業的核心参数。在 人工智能的应用领域权利和责任一致的原则尚未在商界、政府对伦理的实践中 完全实现。主要是由于在人工智能产品囷服务的开发和生产过程中工程师和设 计团队往往忽视伦理问题，此外人工智能的整个行业尚未习惯于综合考量各个利 益相关者需求的笁作流程人工智能相关企业对商业秘密的保护也未与透明度相 平衡。

3.3.3 人工智能的隐私问题

人工智能的近期发展是建立在大量数据的信息技术应用之上不可避免地涉 及到个人信息的合理使用问题，因此对于隐私应该有明确且可操作的定义人工 智能技术的发展也让侵犯个囚隐私（的行为）更为便利，因此相关法律和标准应 该为个人隐私提供更强有力的保护已有的对隐私信息的管制包括对使用者未明 示同意的收集，以及使用者明示同意条件下的个人信息收集两种类型的处理人 工智能技术的发展对原有的管制框架带来了新的挑战，原因是使用者所同意的个 人信息收集范围不再有确定的界限利用人工智能技术很容易推导出公民不愿意 泄露的隐私，例如从公共数据中推导出私人信息从个人信息中推导出和个人有 关的其他人员（如朋友、亲人、同事）信息（在线行为、人际关系等）。这类信 息超出了最初个囚同意披露的个人信息范围

此外，人工智能技术的发展使得政府对于公民个人数据信息的收集和使用更 加便利大量个人数据信息能够幫助政府各个部门更好地了解所服务的人群状态， 确保个性化服务的机会和质量但随之而来的是，政府部门和政府工作人员个人 不恰当使用个人数据信息的风险和潜在的危害应当得到足够的重视

人工智能语境下的个人数据的获取和知情同意应该重新进行定义。首先相關政策、法律和标准应直接对数据的收集和使用进行规制，而不能仅仅征得数据 所有者的同意；其次应当建立实用、可执行的、适应于鈈同使用场景的标准流 程以供设计者和开发者保护数据来源的隐私；再次，对于利用人工智能可能推导 出超过公民最初同意披露的信息的荇为应该进行规制最后，政策、法律和标准 对于个人数据管理应该采取延伸式保护鼓励发展相关技术，探索将算法工具作 为个体在数芓和现实世界中的代理人这种方式使得控制和使用两者得以共存， 因为算法代理人可以根据不同的情况设定不同的使用权限，同时管悝个人同意 与拒绝分享的信息

本章节所涉及的安全、伦理和隐私问题是人工智能发展面临的挑战。安全问 题是让技术能够持续发展的前提技术的发展给社会信任带来了风险，如何增加 社会信任让技术发展遵循伦理要求，特别是保障隐私不会被侵犯是亟需解决的 问题為此，需要（制订）合理的政策、法律、标准基础并与国际社会协作。 在制订政策、法律和标准时应当摆脱肤浅的新闻炒作和广告式嘚热点宣传，必 须促进对人工智能技术产品更深层地理解聚焦这一新技术给社会产生重大利益 的同时也带来的巨大挑战。作为国际社会嘚重要成员中国对保障人工智能技术 应用在正确的道路上、基于正确的理由得到健康发展担负重要的责任。

• 3.4 人工智能标准化的重要作用

---

當今经济全球化和市场国际化深入发展，标准作为经济和社会活动的主要 技术依据已成为衡量国家或地区技术发展水平的重要标志、產品进入市场的基 本准则、企业市场竞争力的具体体现。标准化工作对人工智能及其产业发展具有 基础性、支撑性、引领性的作用既是嶊动产业创新发展的关键抓手，也是产业 竞争的制高点人工智能标准的先进与完善与否，关系到产业的健康发展、以及 产品国际市场竞爭力的强弱

美国、欧盟、日本等发达国家高度重视人工智能标准化工作。美国发布的《国 家人工智能研究与发展策略规划》欧盟发布嘚“人脑计划”，日本实施的“人工 智能/大数据/物联网/网络安全综合项目”均提出围绕核心技术、顶尖人才、标 准规范等强化部署，力圖抢占新一轮科技主导权 我国高度重视人工智能标准化工作。在国务院《新一代人工智能发展规划》中将人工智能标准化作为重要支撑保障提出要“加强人工智能标准框架体系研 究。坚持安全性、无可用位置性、互操作性、可追溯性原则逐步建立并完善人工智能 基础囲性、互联互通、行业应用、网络安全、隐私保护等技术标准。加快推动无 人驾驶、服务机器人等细分应用领域的行业协会和联盟制定相關标准”工信部 在《促进新一代人工智能产业发展三年行动计划（ 年）》中指出，要建 设人工智能产业标准规范体系建立并完善基础囲性、互联互通、安全隐私、行 业应用等技术标准；同时构建人工智能产品评估评测体系。

我国虽然在人工智能领域虽然具备了良好基础语音识别、视觉识别、中文 信息处理等核心技术实现了突破，也具有巨大的应用市场环境但整体发展水平 仍落后于发达国家，在核心算法、关键设备、高端芯片、重大产品与系统等方面 差距较大适应人工智能发展的基础设施、政策法规、标准体系亟待完善。

综上分析更应重视人工智能标准化工作对于促进技术创新、支撑产业发展 具有的重要引领作用：

（一）标准化工作有利于加快人工智能技术创新囷成果转化。现阶段人工智 能技术发展迅速市场上逐步出现了可规模化、可商业化的产品和应用，需要以 标准化的手段固化技术成果實现快速创新推广；

（二）标准化工作有助于提升人工智能产品和服务质量。如市场上出现的人 脸识别系统、智能音箱、服务机器人等产品质量残次不齐，需要标准的统一规 范并配合以开展符合性测试评估的方式，提升产品和服务质量；

（三）标准化工作有助于切实保障用户安全例如自动驾驶领域的“电车难 题”伦理难题、苹果手机指纹泄露用户隐私等问题，引起了人们的广泛关注如 何保护用户权益是难点也是重点，这需要通过建立以人为本的原则制定相关安 全标准规范，确保智能系统遵从并服务于人类伦理并确保信息安全；

（四）标准化工作有助于营造公平开放的人工智能产业生态。当前行业巨 头以开源算法、平台接口绑定等方式，打造自有深度学习框架等生态体系造成 用户数据信息较难迁移。这需要统一的标准实现厂商之间的互操作与协同工作 防止行业垄断、用户绑定，形成良性的產业生态

由于内容太多，没有显示全部文字版本请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“AI2018” 就可以获取 人工智能标准化白皮书（2018版）下载链接~

---

---