智能科學與技術(shù)導論課件第9章

第9章智能系統(tǒng)與發(fā)展前瞻 目錄9.1智能系統(tǒng)及其應(yīng)用 9.2群體智能及其應(yīng)用 9.3智能家居與智慧城市9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望9.1智能系統(tǒng)及其應(yīng)用 9.1.1診斷專家系統(tǒng)1.病害診斷專家系統(tǒng)

1959年，美國喬治敦大學教授萊德利（RobertS.Ledley）首次應(yīng)用布爾代數(shù)和貝葉斯定理建立了計算機診斷的數(shù)學模型，并成功診斷了一組肺癌病例，開創(chuàng)了計算機輔助診斷先河。

1966年，萊德利正式提出了“計算機輔助診斷”的概念（ComputerAidedDiagnosis，CAD）。

1968年，DENDRAL專家系統(tǒng)誕生。不久，MYCIN醫(yī)學專家系統(tǒng)研制成功，該系統(tǒng)首次采用知識庫、推理機系統(tǒng)結(jié)構(gòu)，引入“可信度”概念進行非確定性推理。

其后，醫(yī)學專家系統(tǒng)逐漸成為醫(yī)學領(lǐng)域內(nèi)的一個重要分支領(lǐng)域，并在20世紀80年代達到高潮，出現(xiàn)了大量的綜合醫(yī)學專家系統(tǒng)。

20世紀90年代，醫(yī)學專家系統(tǒng)逐步發(fā)展成為針對某一種或某一類疾病的專項診斷專家系統(tǒng)。

進入21世紀后，專家系統(tǒng)進展緩慢，醫(yī)學專家系統(tǒng)取得的成果也不多。我國醫(yī)學專家系統(tǒng)研究始于20世紀70年代末，歷經(jīng)幾十年，先后研制出200多個醫(yī)學專家系統(tǒng)。但是，由于種種原因，真正能夠被醫(yī)生所接受，并且投入臨床使用的醫(yī)學專家系統(tǒng)少之又少。9.1智能系統(tǒng)及其應(yīng)用 9.1.1診斷專家系統(tǒng)1.病害診斷專家系統(tǒng)醫(yī)學專家系統(tǒng)通常由知識庫、數(shù)據(jù)庫、推理機、知識獲取模塊，以及解釋和輸入輸出接口組成，如圖所示。對應(yīng)一些具體應(yīng)用，需要根據(jù)相應(yīng)領(lǐng)域的特點及要求進行必要的調(diào)整。

1）知識庫。用來存放和管理問題求解所需的專門知識，包含與領(lǐng)域相關(guān)的理論知識和專家憑經(jīng)驗得到的啟發(fā)性知識和經(jīng)驗。

2）數(shù)據(jù)庫。用來存儲當前用戶提供的初始事實、問題描述和推理過程中得到的各種中間信息和推理結(jié)果，其內(nèi)容不斷變化。9.1智能系統(tǒng)及其應(yīng)用 9.1.1診斷專家系統(tǒng)1.病害診斷專家系統(tǒng)

3）推理機。專家系統(tǒng)的“思維”機構(gòu)，是一組控制和協(xié)調(diào)整個系統(tǒng)的程序。其根據(jù)用戶問題求解要求和所輸入的原始數(shù)據(jù)，利用知識庫中知識，按一定推理方法和控制策略解決所提出的問題。

4）知識獲取模塊。學習模塊，用來從人類專家那里獲取知識，修改、擴充、完善和維護知識庫。主要靠知識工程師（IT專業(yè)人員）與領(lǐng)域?qū)＜遥ㄡt(yī)生）密切合作，共同完成知識提煉和形式化工作。

5）解釋和輸入輸出接口。是用戶與專家系統(tǒng)交互的環(huán)節(jié)，負責對推理給出合理的解釋，必要時給出推理依據(jù)和路線的清晰解釋，為用戶了解推理過程和進行系統(tǒng)維護提供方便。醫(yī)生根據(jù)不同臨床資料或不同疾病特點采用相適應(yīng)的推理方法，而作為模擬醫(yī)生診治疾病的醫(yī)學專家系統(tǒng)，其推理方法也是多種多樣的，包括基于規(guī)則推理、基于案例推理、基于模糊數(shù)學推理、基于模糊證據(jù)推理、基于規(guī)則的神經(jīng)網(wǎng)絡(luò)推理，等等。專家系統(tǒng)作為智能科學與技術(shù)最早實用化的技術(shù)與系統(tǒng)，也早已在農(nóng)業(yè)領(lǐng)域得到了廣泛應(yīng)用，如花卉病害診斷專家系統(tǒng)、水稻病蟲害診斷專家系統(tǒng)、果樹病害診斷專家系統(tǒng)、蔬菜作物病害診斷專家系統(tǒng)等。在水產(chǎn)養(yǎng)殖業(yè)、在畜牧業(yè)也有大量應(yīng)用，等等。9.1智能系統(tǒng)及其應(yīng)用 9.1.1診斷專家系統(tǒng)2.故障診斷專家系統(tǒng)

現(xiàn)代裝備或系統(tǒng)功能強大，結(jié)構(gòu)復(fù)雜，信息化程度高，若能對在實際運行或檢修過程中出現(xiàn)的故障做出準確無誤的判斷并將故障及時排除，確保裝備或系統(tǒng)的生存能力和可靠性，是提高其魯棒性和生產(chǎn)效率的前提和保障。

對于后改造的裝備或系統(tǒng)來說，為了減少對原裝備或系統(tǒng)的損壞，可采用半嵌入式結(jié)構(gòu)。半嵌入式故障診斷專家系統(tǒng)分為診斷Agent和診斷客戶端兩部分，如圖所示。9.1智能系統(tǒng)及其應(yīng)用 9.1.1診斷專家系統(tǒng)2.故障診斷專家系統(tǒng)

1）診斷Agent。診斷Agent由數(shù)據(jù)采集接口電路、微處理單元、存儲器和通信接口構(gòu)成，嵌入到被診斷裝備或系統(tǒng)中，對其工作狀態(tài)進行監(jiān)測。診斷Agent實時采集被診斷裝備或系統(tǒng)的各項參數(shù)，其內(nèi)部存儲器中保存了這些參數(shù)的正常范圍，一旦所采集的參數(shù)值超限，說明裝備或系統(tǒng)工作不正常，可根據(jù)故障征兆列表確定裝備或系統(tǒng)故障源。

診斷Agent嵌入到被診斷裝備或系統(tǒng)中，沒有龐大的知識庫和顯示裝置，當裝備或系統(tǒng)發(fā)生故障時，診斷Agent通過報警指示燈（LED）發(fā)出信息，并將采集的數(shù)據(jù)發(fā)送到通信接口。

2）診斷客戶端。診斷客戶端由知識庫、推理機、知識獲取機構(gòu)、故障征兆數(shù)據(jù)庫、人機接口、解釋機構(gòu)、通信接口等構(gòu)成，供維修人員在裝備或系統(tǒng)維修時使用，能提示故障診斷方法、維修措施等信息。診斷客戶端的核心是知識庫，其包括故障征兆知識和診斷推理規(guī)則兩大類。當裝備和系統(tǒng)發(fā)生故障時，診斷Agent監(jiān)測到故障，并點亮報警指示燈。此時，診斷客戶端接收診斷Agent傳來的監(jiān)測參數(shù)值，根據(jù)監(jiān)測參數(shù)、故障征兆知識和診斷推理規(guī)則進行故障診斷和定位。

9.1智能系統(tǒng)及其應(yīng)用 9.1.2多Agent系統(tǒng)

廣義上，凡具有自主性智能行為，能與外部環(huán)境進行交互的分布式實體均可稱之為Agent。由此定義可知，Agent指具有智能的任何實體，包括人類、智能硬件（如Robot）和智能軟件。

Agent具有環(huán)境感知能力，能根據(jù)自身資源、狀態(tài)、行為能力、相關(guān)知識、推理規(guī)則，通過規(guī)劃、推理和決策實現(xiàn)問題求解，并做出反應(yīng)，自主地完成特定的任務(wù)，以期達到預(yù)定目標。1.Agent特性對于Agent，很多研究者給出了不同定義，而且所使用的術(shù)語或觀測點也是不同的。其實既然沒有達成共識，也就沒必要特別關(guān)注Agent的準確定義，只要掌握它的概念和特性，并不影響對Agent的研究和應(yīng)用。Agent的四個主要特性如下：

1）自主性。一個智能Agent應(yīng)該是一個獨立自主的智能實體，應(yīng)能在無法事先建模、動態(tài)變化的信息環(huán)境中獨立解決實際問題，在用戶不參與情況下，獨立自主地為用戶提供一些服務(wù)，如索取信息資源等。

2）代理性。代理性主要體現(xiàn)在代表用戶工作，可以對一些資源進行包裝，引導或代替用戶對這些資源進行訪問，成為用戶便利通達這些資源的樞紐和中介。9.1智能系統(tǒng)及其應(yīng)用 9.1.2多Agent系統(tǒng)

3）反應(yīng)性。反應(yīng)性是指智能Agent能夠感知所處的環(huán)境（物理環(huán)境或信息環(huán)境等），并能對相關(guān)事件作出適當?shù)姆磻?yīng)。

4）主動性。是指智能Agent能夠遵循承諾采取主動行動，表現(xiàn)出面向目標的行為。除上述四種基本特性外，Agent還具有其它特性，見表所示。序號特性釋義1自主性對自己的行為或動作有控制權(quán)。2代理性代表用戶工作，或引導、代替用戶訪問資源。3反應(yīng)性及時感知環(huán)境的變化，并執(zhí)行動作以作用于環(huán)境。4主動性Agent能夠展現(xiàn)出一種導向目標的行為。5可通信與其它Agent（也包括人）進行通信，交換信息。6可推理解釋感知信息，或決定執(zhí)行什么動作。7可移動Agent能夠跨平臺持續(xù)運行。8自學習Agent能夠根據(jù)以前的經(jīng)驗校正其行為。9.1智能系統(tǒng)及其應(yīng)用 9.1.2多Agent系統(tǒng)2.Agent結(jié)構(gòu)如圖所示為Agent的基本結(jié)構(gòu)。Agent一般包括環(huán)境感知、信息處理、知識庫/信息庫、通信/協(xié)作、任務(wù)/目標、推理與控制、執(zhí)行等模塊。Agent作為智能主體與環(huán)境相互作用，環(huán)境狀態(tài)通過環(huán)境感知模塊傳達給信息處理模塊。

推理與控制模塊根據(jù)環(huán)境感知信息處理結(jié)果、任務(wù)/目標，以及現(xiàn)有知識和信息，推理得出結(jié)論（命令）。

執(zhí)行模塊/效應(yīng)器接收推理與控制模塊發(fā)出命令，使智能主體作用于周圍的環(huán)境。

通信模塊用于與其它Agent通信，協(xié)同完成一項共同的工作。9.1智能系統(tǒng)及其應(yīng)用 9.1.2多Agent系統(tǒng)3.多Agent系統(tǒng)

多Agent系統(tǒng)（Multi-AgentSystem，MAS）是指若干個智能Agent通過協(xié)作完成某些工作或達到某些目標的系統(tǒng)。MAS中的多個Agent需要相互通信、相互協(xié)調(diào)、相互協(xié)商與相互協(xié)作。

1）通信。一個Agent需要和其它Agent或環(huán)境進行通信和交互，這些信息可能包括任務(wù)規(guī)劃、部分結(jié)果和同步信息等。

2）協(xié)調(diào)。協(xié)調(diào)是指具有不同活動目標的多個Agent對其目標、資源等進行合理安排，以協(xié)調(diào)各自行為，最大限度地實現(xiàn)各自目標。協(xié)調(diào)包括定時為其它Agent提供必要信息、保證主體之間活動的同步、避免冗余的問題求解等。

3）協(xié)商。多個Agent通過通信交換各自目標，直到多Agent目標達成一致或不能達成協(xié)議。它是實現(xiàn)協(xié)同、協(xié)作、沖突消解和矛盾處理的關(guān)鍵環(huán)節(jié),關(guān)鍵技術(shù)有協(xié)商協(xié)議、協(xié)商策略、協(xié)商處理等。

4）協(xié)作。協(xié)作所采用的基本策略通常就是分解任務(wù)，然后把子任務(wù)分配或分布到不同Agent上，要求Agent之間必須能夠合作求解問題、完成任務(wù)。任務(wù)分解要考慮子問題的交互性、協(xié)調(diào)性、數(shù)據(jù)相關(guān)性等，而任務(wù)分配通常采用基于合同網(wǎng)機制來分配任務(wù)，各Agent對子問題進行求解，最終綜合單個子問題的解。9.1智能系統(tǒng)及其應(yīng)用 9.1.2多Agent系統(tǒng)4.資源服務(wù)類多Agent系統(tǒng)

資源服務(wù)類多Agent系統(tǒng)由多種具有不同功能的Agent組成，分為3個層次：交互層、管理執(zhí)行層和資源層，每一層至少含有一個或多個Agent，這些Agent會根據(jù)自身能力完成各自承擔的任務(wù)。

在交互層，交互Agent主要負責與用戶進行交互，將用戶發(fā)送的請求轉(zhuǎn)化為系統(tǒng)可以識別的指令，并將其發(fā)送給管理執(zhí)行層。

在管理執(zhí)行層，管理協(xié)作Agent統(tǒng)一管理和調(diào)用所有Agent，將任務(wù)分配給不同Agent。當管理協(xié)作Agent接收到任務(wù)請求后，首先會對其進行逐步分解，然后將分解后的子任務(wù)分配給相應(yīng)的Agent去執(zhí)行。9.1智能系統(tǒng)及其應(yīng)用 9.1.2多Agent系統(tǒng)4.資源服務(wù)類多Agent系統(tǒng)

在資源層，主要為管理執(zhí)行層提供相對應(yīng)的數(shù)據(jù)服務(wù)功能，并對執(zhí)行過程中產(chǎn)生的新知識、新信息資源進行分類保存，實時更新相應(yīng)數(shù)據(jù)庫，相當于一個本地知識庫。當管理執(zhí)行層Agent需要某信息資源服務(wù)時，可從資源層調(diào)用，當執(zhí)行完某任務(wù)后，也可將所產(chǎn)生的新信息資源存儲到資源層該資源服務(wù)類多Agent系統(tǒng)具有以下特征：1）每一個Agent都呈模塊化結(jié)構(gòu)，方便獨立開發(fā)和設(shè)計，可以根據(jù)環(huán)境變化迅速做出反應(yīng)，并可以根據(jù)需要靈活增減Agent的數(shù)量；2）Agent之間相互獨立，一個Agent失效不會對其它Agent產(chǎn)生影響；3）信息服務(wù)Agent會對新到來的信息資源進行分類和存儲，有助于系統(tǒng)學習新的知識并優(yōu)化自身模型，豐富系統(tǒng)知識庫；4）每個Agent都可使用自身的知識庫獨立解決問題，從而提高整個系統(tǒng)解決問題的能力和效率。9.1智能系統(tǒng)及其應(yīng)用 9.1.3智能控制系統(tǒng)1.智能控制隨著自動控制技術(shù)的廣泛應(yīng)用，遇到了傳統(tǒng)控制方法難以解決的問題：1）大量實際系統(tǒng)，由于其復(fù)雜性、非線性、時變性、不確定性，或者信息不完全性，無法得到精確的數(shù)學模型。2）某些復(fù)雜的系統(tǒng)可能包含有不確定性的控制過程，無法用傳統(tǒng)的數(shù)學模型來描述，即無法解決傳統(tǒng)建模問題。3）在運用傳統(tǒng)控制方法時，針對實際系統(tǒng)經(jīng)常需要進行一些比較苛刻的線性化假設(shè)，而假設(shè)往往與實際不相符。4）傳統(tǒng)的控制要求相對較低、任務(wù)目標單一，而實際控制任務(wù)復(fù)雜，例如，機器人控制、計算機集成制造系統(tǒng)、社會經(jīng)濟管理系統(tǒng)等復(fù)雜的控制任務(wù)，傳統(tǒng)控制方法就顯得無能為力了。

其實，在社會生產(chǎn)實踐中，復(fù)雜控制問題可通過熟練操作人員的經(jīng)驗和控制理論相結(jié)合去解決，完全可以適應(yīng)被控制對象的復(fù)雜性和不確定性。由此，就催生了智能控制。9.1智能系統(tǒng)及其應(yīng)用 9.1.3智能控制系統(tǒng)近年來，神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學、專家系統(tǒng)、進化論等各學科的發(fā)展給智能控制注入了巨大的活力，由此產(chǎn)生了各種智能控制方法，催生了各種各樣的智能控制系統(tǒng)，為解決傳統(tǒng)控制無法解決的問題找到了新的途徑和手段。2.模糊控制系統(tǒng)在工程實踐中，一個復(fù)雜的控制系統(tǒng)可由一個操作人員憑著豐富的實踐經(jīng)驗得到滿意的控制效果，利用模糊數(shù)學將其量化轉(zhuǎn)化為模糊控制算法，就形成了模糊控制方法，左圖為模糊控制原理框圖。9.1智能系統(tǒng)及其應(yīng)用 9.1.3智能控制系統(tǒng)

模糊控制器（FuzzyController，F(xiàn)C）是模糊控制系統(tǒng)的核心。模糊控制器基于1965年扎德提出的模糊數(shù)學理論，將被控制量給定值與采集值之差模糊化處理為模糊量（如“高”、“中”、“低”、“大”、“小”等）。

模糊控制輸出量由模糊推理導出，再經(jīng)非模糊化處理才可作為控制信號輸出。在模糊推理中，模糊控制規(guī)則是模糊推理的基礎(chǔ)和依據(jù)。3.神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)所具有的大規(guī)模并行性、冗余性、容錯性、本質(zhì)的非線性，以及自組織、自學習、自適應(yīng)能力，給不斷面臨挑戰(zhàn)的控制理論帶來了生機。

神經(jīng)網(wǎng)絡(luò)作為控制器，可實現(xiàn)對不確定系統(tǒng)或未知系統(tǒng)進行有效的控制，使控制系統(tǒng)達到所要求的動態(tài)特性和靜態(tài)特性。神經(jīng)網(wǎng)絡(luò)（NeuralNetwork，NN）控制器結(jié)構(gòu)多種多樣，包括NN學習控制、NN直接逆控制、NN自適應(yīng)控制、NN內(nèi)模控制、NN預(yù)測控制、CMAC控制、分級NN控制和多層NN控制等。9.1智能系統(tǒng)及其應(yīng)用 9.1.3智能控制系統(tǒng)下圖為基于神經(jīng)網(wǎng)絡(luò)的監(jiān)督式控制系統(tǒng)框圖，包括一個導師（監(jiān)督程序）和一個可訓練的神經(jīng)網(wǎng)絡(luò)控制器（NeuralNetworkController，NNC）。在控制初期，監(jiān)督程序作用較大。隨著NNC訓練成熟，NNC將對控制起到較大作用。實現(xiàn)NN監(jiān)督式控制的步驟如下：

1）通過傳感器和傳感器信息的處理，調(diào)用必要和有用控制信息；2）構(gòu)造神經(jīng)網(wǎng)絡(luò)，需選擇NN類型、結(jié)構(gòu)參數(shù)和學習算法等；3）訓練NN控制器，實現(xiàn)輸入輸出之間的映射，以便進行正確的控制。在訓練過程中，可以采用線性率、反饋線性化或解耦變換的非線性反饋作為導師（監(jiān)督程序）來訓練控制器。9.1智能系統(tǒng)及其應(yīng)用 9.1.3智能控制系統(tǒng)4.分層遞階智能控制G.N.Saridis在提出智能控制三元論的同時，還提出了分層遞階智能控制系統(tǒng)，基本結(jié)構(gòu)如圖所示。

第一級：組織級。由人工智能起控制作用。負責處理高層次信息，用于機器推理、機器規(guī)劃、機器決策、學習（反饋）和存儲記憶等操作。

第二級：協(xié)調(diào)級。由人工智能和運籌學起控制作用。每個協(xié)調(diào)器執(zhí)行某些特定的任務(wù)。各協(xié)調(diào)器間的通信由分配器來完成，而分配器可變結(jié)構(gòu)由組織級來控制。

第三級：執(zhí)行級。智能控制系統(tǒng)的最低層級，要求具有較高精度，但只具有較低智能，按傳統(tǒng)自動控制理論進行控制。9.2群體智能及其應(yīng)用 9.2.1群智感知

隨著移動互聯(lián)網(wǎng)和智能終端的不斷普及，人們在生活中已經(jīng)離不開各種各樣的移動終端設(shè)備，如手機、平板、電子書、智能手表、智能手環(huán)和智能眼鏡等。

移動設(shè)備中集成了大量傳感器模塊，如光線傳感器、加速度傳感器、陀螺儀、磁力計、氣壓計、溫度計、距離傳感器、屏幕壓力傳感器和指紋識別等。除此之外，移動設(shè)備上的非傳感器部件也都具備了感知人類行為和周圍環(huán)境的能力，如麥克風、攝像頭、WiFi、藍牙和GPS.

多種多樣的傳感器使移動設(shè)備具備了“感知（Sensing）”能力。人們可以利用手中的移動設(shè)備隨時隨地采集不同模態(tài)數(shù)據(jù)，從而出現(xiàn)了基于群體智能的感知計算（群智感知計算）這一新研究領(lǐng)域。

群智感知計算將普通用戶的移動設(shè)備作為基本感知單元，進行有意識或無意識的協(xié)作，實現(xiàn)感知任務(wù)分發(fā)與感知數(shù)據(jù)收集，完成大規(guī)模的、復(fù)雜的社會感知任務(wù)，是人類群體智能的一種應(yīng)用形式。人們使用隨身攜帶的各種智能設(shè)備（如手機、手環(huán)、平板和眼鏡）在物理世界采集不同模態(tài)的數(shù)據(jù)（如圖像、文本、軌跡和音頻），數(shù)據(jù)通過智能設(shè)備的無線通信網(wǎng)絡(luò)（如WiFi和3G、4G、5G）上傳至云端。

群體貢獻的數(shù)據(jù)具有碎片化、低質(zhì)冗余等特點，經(jīng)過清洗、優(yōu)選和萃取后，對數(shù)據(jù)進行處理、融合和挖掘來獲取有價值的知識，進而服務(wù)于大規(guī)模的城市和社會感知任務(wù)。9.2群體智能及其應(yīng)用 9.2.1群智感知

群智感知數(shù)據(jù)可大致分為如下五類：

1）數(shù)值。數(shù)值是傳統(tǒng)傳感器的數(shù)據(jù)形式，移動設(shè)備中內(nèi)嵌的多種傳感器已被廣泛用于各種感知任務(wù)。例如，利用內(nèi)置的陀螺儀、磁力計和加速度傳感器可獲取移動終端設(shè)備的姿態(tài)。

2）文本。文本指由人們輸入終端設(shè)備的語言內(nèi)容，如商品評論、微博和影評等?；谖谋緮?shù)據(jù)的群智感知應(yīng)用將每個人視為特殊的傳感器，其接觸到的各類信息在被吸收和加工后以文本的形式回到信息空間，例如，微博里的情感感知是基于文本的群智感知應(yīng)用。

3）聲音。麥克風讓移動設(shè)備具備“聽”的能力。例如，基于音頻數(shù)據(jù)可感知城市里的噪音分布。

4）照片。攝像頭讓移動設(shè)備具備“看”的能力。利用人們在社交網(wǎng)絡(luò)中分享的生活、工作、旅游、活動、植物和動物等照片，不但可以構(gòu)建旅游百科，還可以進行事件感知、動植物研究、水文環(huán)境監(jiān)測等。

5）軌跡。軌跡包括一系列的人或車輛的時空坐標記錄，即一系列的時間和定位坐標。常用的空間坐標定位方法包括GPS、北斗、WiFi或CELL定位。時空軌跡可用于研究人群移動規(guī)律和人口密度分布，以及開發(fā)電子地圖導航等。9.2群體智能及其應(yīng)用 9.2.1群智感知除了便攜的移動設(shè)備，未來將有更多的智能移動設(shè)備具備豐富的感知能力，比如智能汽車和智能自行車等，它們通過藍牙或WiFi即可與手機等移動通信設(shè)備互聯(lián)，將支持更多的群智感知應(yīng)用為人類社會服務(wù)。群智感知計算由眾包（Crowd-sourcing）、參與感知（Participatorysensing）等相關(guān)概念發(fā)展而來。眾包是美國《連線》雜志2006年發(fā)明的一個專業(yè)術(shù)語，用來描述一種新的生產(chǎn)組織形式。具體是指企業(yè)/研發(fā)機構(gòu)利用互聯(lián)網(wǎng)將工作分配出去，利用大量用戶的創(chuàng)意和能力解決技術(shù)問題。參與感知最早由美國加州大學的研究人員于2006年提出，強調(diào)通過用戶參與的方式進行數(shù)據(jù)采集。

2009年2月，AlexPentland教授等在美國《科學》雜志上撰文闡述“計算社會學”概念，認為可利用大規(guī)模感知數(shù)據(jù)理解個體、組織和社會，在計算目標上與群體感知不一而同。以上幾個相關(guān)研究方向都以大量用戶的參與或數(shù)據(jù)作為基礎(chǔ)，但分別強調(diào)不同的層次和方面。

2012年，清華大學劉云浩教授首次對以上概念進行融合，提出“群智感知計算”概念。與基于傳感網(wǎng)和物聯(lián)網(wǎng)的感知方式不同，群智感知以大量普通用戶作為感知源，強調(diào)利用大眾的廣泛分布性、靈活移動性和機會連接性進行感知，并為城市及社會管理提供智能輔助支持。9.2群體智能及其應(yīng)用 9.2.1群智感知

群智感知計算是利用群體行為、知識和能力完成大規(guī)模感知計算的一種問題解決形式。自然界中存在大量的群體智能，例如經(jīng)典的蟻群最短路徑算法的靈感便是基于群體智能解決尋徑問題，但是群智感知計算的基礎(chǔ)是人類智能，因此更為強大和復(fù)雜。人類與機器智能相結(jié)合的研究有著悠久的歷史。

早在1950年圖靈就曾指出“數(shù)字計算機后期的發(fā)展可以這樣來展望，這些機器將不斷具有任何由人類才能完成的工作的能力”。他后來還提出“圖靈測試”，對給定程序的智能程度進行評估。美國麻省理工學院的利克萊德教授在1960年發(fā)表過一篇開創(chuàng)性的論文，提出“人機共生”思想，即讓人和計算機能夠共同合作，一起完成復(fù)雜任務(wù)。

2017年以來，群智融合計算、人機共融智能、群智協(xié)同計算和人機混合智能等概念和應(yīng)用也相繼被提出來，這些研究領(lǐng)域與群智感知計算是群體參與概念的不斷延伸。

我國于2017年發(fā)布了新一代人工智能的國家重大科技戰(zhàn)略，其中，群體智能便是核心內(nèi)容之一。9.2群體智能及其應(yīng)用 9.2.2群智感知的流程

群智感知計算的三要素是人群、智能設(shè)備和無線通信，一般的群智感知過程可描述為：人們攜帶智能設(shè)備在日常的行為活動中通過自動或手動方式采集數(shù)據(jù)，數(shù)據(jù)通過無線通信網(wǎng)絡(luò)傳輸?shù)綌?shù)據(jù)中心以滿足不同應(yīng)用需求。

群智感知計算依數(shù)據(jù)來源方式分為機會式感知和參與式感知兩種模式。

機會式感知是一種用戶無意識的感知模式。以采集照片數(shù)據(jù)為例，人們在日常生活中拍下自己感興趣的照片并上傳到各種社交網(wǎng)絡(luò)進行分享，利用這些照片及附帶的信息來完成感知任務(wù)。分享照片的用戶成為無意識地完成感知任務(wù)的參與者。

參與式感知通過參與者招募的方式來完成數(shù)據(jù)采集任務(wù)。以照片數(shù)據(jù)采集為例，參與者必須按任務(wù)要求在指定時間和地點給特定對象拍攝照片以完成任務(wù)。

機會式感知通常通過收集用戶無意識貢獻的數(shù)據(jù)來完成感知任務(wù)，成本相對較低。但是，在很多情況下用戶間接貢獻的數(shù)據(jù)難以滿足特定任務(wù)的需求。針對那些不常被大眾關(guān)注的感知對象，必須使用參與式感知方式才能獲得所需數(shù)據(jù)。9.2群體智能及其應(yīng)用 9.2.2群智感知的流程

采用參與式感知方式的群智感知應(yīng)用需要一個用于發(fā)布任務(wù)和招募工作者的平臺，數(shù)據(jù)需求者（Datarequester）在平臺上發(fā)布數(shù)據(jù)采集任務(wù)（Task），接受任務(wù)的用戶成為工作者（Worker），他們使用特定的移動客戶端軟件采集數(shù)據(jù)。發(fā)布任務(wù)的用戶被稱為任務(wù)發(fā)布者（Taskprovider）或數(shù)據(jù)需求者（Datarequester），完成數(shù)據(jù)采集任務(wù)的用戶被稱為工作者（Worker）或參與者（Participant）。不同的群智感知應(yīng)用系統(tǒng)的感知對象和感知目的是不同的，它們對數(shù)據(jù)和數(shù)據(jù)集的需求亦不同，但是數(shù)據(jù)采集和匯聚的流程是類似的。為了讓不同的群智感知應(yīng)用能夠收集到高質(zhì)量數(shù)據(jù)，需要構(gòu)建一個面向不同群智感知應(yīng)用的任務(wù)管理和數(shù)據(jù)采集平臺。下頁圖給出了一個通用的參與式群智感知平臺示例。

一項任務(wù)在該平臺上的生命周期分為四個階段，分別是任務(wù)發(fā)布、執(zhí)行任務(wù)、數(shù)據(jù)匯聚和結(jié)果移交。這樣的多任務(wù)群智感知平臺服務(wù)于兩種用戶：數(shù)據(jù)需求者（或任務(wù)發(fā)布者）和工作者。9.2群體智能及其應(yīng)用 9.2.2群智感知的流程9.2群體智能及其應(yīng)用 9.2.2群智感知的流程任務(wù)生命周期的四個階段及工作流程如下：

1）任務(wù)發(fā)布。數(shù)據(jù)需求者在平臺上發(fā)布任務(wù)，任務(wù)可以描述為4W1H，即何時（When）何地（Where）以何種方式（How）針對哪個感知目標（What）采集數(shù)據(jù)，哪些數(shù)據(jù)（Which）應(yīng)該被上傳。任務(wù)分配方式包括兩種：用戶認領(lǐng)（Pull-based）和系統(tǒng)推送（Push-based）。

2）任務(wù)執(zhí)行。工作者按照任務(wù)要求，到達指定地點完成相關(guān)數(shù)據(jù)采集。對于實時感知任務(wù)，工作者必須立即上傳數(shù)據(jù)；如果是非實時感知任務(wù)，則允許工作者在任務(wù)截止時間之前選擇適當通信方式上傳數(shù)據(jù)。

3）數(shù)據(jù)匯聚。受分布式感知方式影響，群智感知原始數(shù)據(jù)集存在大量冗余數(shù)據(jù)，在數(shù)據(jù)匯聚階段，平臺根據(jù)任務(wù)要求對數(shù)據(jù)進行過濾和優(yōu)選，挑選出滿足任務(wù)要求的高質(zhì)量數(shù)據(jù)集。

4）結(jié)果移交。數(shù)據(jù)需求者可在任務(wù)結(jié)束前或結(jié)束后從平臺下載數(shù)據(jù)匯聚結(jié)果。多數(shù)群智感知任務(wù)很難在一開始就準確定義任務(wù)的數(shù)據(jù)采集約束。所以，平臺允許數(shù)據(jù)需求者在任務(wù)結(jié)束前查看數(shù)據(jù)匯聚結(jié)果，使數(shù)據(jù)需求者有機會在任務(wù)結(jié)束前調(diào)整任務(wù)要求。9.2群體智能及其應(yīng)用 9.2.3群體智能的核心問題

群智感知計算需要解決的核心問題分為四個方面，分別是感知任務(wù)分配與激勵機制、感知數(shù)據(jù)的優(yōu)選、感知數(shù)據(jù)的移交和群智感知應(yīng)用。

1）感知任務(wù)分配與激勵機制。群智感知計算通過分配任務(wù)雇傭參與者采集數(shù)據(jù)，參與者根據(jù)任務(wù)要求采集數(shù)據(jù)是群智感知計算的數(shù)據(jù)來源。很多任務(wù)還需要參與者前往特定的地點，然而發(fā)布任務(wù)的數(shù)據(jù)需求方僅能夠提供有限的報酬，因此，群智感知的激勵機制研究工作的目標通常是為了提高任務(wù)的分配率和完成率，而任務(wù)分配的目標往往是降低感知成本。例如，群智感知拍照任務(wù)的工作者需要到達現(xiàn)場（即任務(wù)要求的特定地點和場景）才能采集照片（即采集數(shù)據(jù)），有時需要從感知對象的不同側(cè)面采集數(shù)據(jù)，所以，感知任務(wù)分配需要滿足嚴苛的時空約束。因此，當前面向群智感知的任務(wù)分配算法也都只主要考慮時空約束。

2）感知數(shù)據(jù)的優(yōu)選。感知數(shù)據(jù)優(yōu)選研究主要研究如何通過數(shù)據(jù)優(yōu)選提高數(shù)據(jù)集的質(zhì)量。原始群智感知數(shù)據(jù)中存在大量的噪聲和冗余數(shù)據(jù)，數(shù)據(jù)需求者希望得到的數(shù)據(jù)集是低冗余且高覆蓋的高質(zhì)量數(shù)據(jù)集，因此，在數(shù)據(jù)收集過程中，必需通過數(shù)據(jù)優(yōu)選操作來濾除低質(zhì)數(shù)據(jù)，從而僅將高質(zhì)量數(shù)據(jù)交付數(shù)據(jù)需求者。9.2群體智能及其應(yīng)用 9.2.3群體智能的核心問題

3）感知數(shù)據(jù)的移交。感知數(shù)據(jù)移交研究主要研究如何通過合理的數(shù)據(jù)收集流程降低數(shù)據(jù)收集成本。例如，數(shù)據(jù)需求者購買參與工作者提供的照片，參與工作者完成任務(wù)的成本主要包括：①理解任務(wù)需求付出的腦力勞動；②到達任務(wù)地點付出的體力勞動；③根據(jù)任務(wù)要求拍照片時付出的體力勞動；④拍照和上傳數(shù)據(jù)付出的移動設(shè)備能量；⑤傳輸數(shù)據(jù)的流量費用。參與工作者完成任務(wù)的成本直接影響了數(shù)據(jù)需求者購買數(shù)據(jù)時需要支付的費用（即數(shù)據(jù)收集成本），因此，除了通過優(yōu)化任務(wù)分配，還可以通過優(yōu)化數(shù)據(jù)收集流程降低參與者完成任務(wù)的成本，從而降低數(shù)據(jù)收集成本。9.2群體智能及其應(yīng)用 9.2.3群體智能的核心問題

4）群智感知應(yīng)用。群智感知應(yīng)用研究主要研究群智感知計算能夠為民眾提供何種服務(wù)以及如何利用群智感知計算的理論、方法和技術(shù)搭建應(yīng)用軟件系統(tǒng)提供服務(wù)。在人們?nèi)粘Ｉ钍褂玫能浖薪?jīng)常能夠見到群智感知技術(shù)的應(yīng)用，例如，智慧交通、電子地圖、商品推薦、輿情分析等。群智感知應(yīng)用還出現(xiàn)了一些跨領(lǐng)域應(yīng)用，例如，利用社交網(wǎng)絡(luò)數(shù)據(jù)定位物理世界正在發(fā)生的事件，將出租車派單數(shù)據(jù)用于外賣派單服務(wù)，等等。隨著群智感知計算的發(fā)展、新型傳感器的出現(xiàn)和數(shù)據(jù)匯聚規(guī)模的增長，群智感知應(yīng)用研究的重點仍然是設(shè)計基于群智感知計算的應(yīng)用系統(tǒng)，以及根據(jù)群智感知應(yīng)用需求提出新的群智感知計算研究問題。下面以激勵機制為例介紹現(xiàn)有的問題解決方法。

有些軟件通過給人們提供服務(wù)，間接收集數(shù)據(jù)，即，采用了雙贏的合作模式，服務(wù)提供商通過向用戶提供免費服務(wù)換取用戶的數(shù)據(jù)，而用戶無需提供額外的勞動就可以享受到免費的服務(wù)。例如，形色是一款幫助人們識別植物的App，人們隨時隨地拍照上傳植物圖片，形色快速給出花名和比對圖，那么，形色App一方面給人們提供服務(wù)，同時，收集到大量由用戶主動上傳的帶有時空標簽的植物照片，然后向用戶提供植物地理分布的服務(wù)。再如，用戶在使用高德、百度等電子地圖時，也會把GPS軌跡序列上傳，電子地圖服務(wù)提供商根據(jù)軌跡可以精確校準路況，并協(xié)助司機規(guī)劃出行路線。9.2群體智能及其應(yīng)用 9.2.4群智感知應(yīng)用

群智感知可應(yīng)用在很多重要領(lǐng)域，例如，水文環(huán)境監(jiān)測、智能交通、公共交通、旅游百科、室內(nèi)定位、信息傳播、新聞報道和事件感知等，這些應(yīng)用有些使用特殊的App采集照片，有些直接使用設(shè)備的電子相冊或下載社交網(wǎng)絡(luò)上的照片。這里簡要介紹一些近年來基于照片的群智感知應(yīng)用案例。

Gazitiki（2008年）：Gazitiki利用維基百科（Wikipedia）、Panoramio和Web搜索構(gòu)建地理百科的應(yīng)用。Gazitiki首先通過維基百科識別出所有的地名和它們的坐標，并對地名進行分類和排序，當用戶檢索地理信息時，Gazitiki向用戶展示詳細的地理信息和相關(guān)照片。

MobiShop（2008年）：MobiShop收集人們的商店購物小票照片，通過OCR字符識別技術(shù)提取商品價格，并將收集到的商品價格信息推送給不同的客戶，使人們可以共享商品價格信息。

Lostladybug（2010年）：Lostladybug收集瓢蟲照片，用于研究瓢蟲的種類、生存狀況和習性，截止2017年3月，已收集3.8萬份來自世界各地的數(shù)據(jù)。

CreekWatch（2011年）：CreekWatch是IBM開發(fā)的iPhone應(yīng)用程序，用于監(jiān)測河流水質(zhì)。人們（無論是在岸邊還是橋上）路過小溪或河流時，使用CreekWatchApp提交河流在當前位置的狀態(tài)，包括水量、垃圾量和一些照片。CreekWatch通過Web網(wǎng)站向人們展示世界各地河流的健康狀況。9.2群體智能及其應(yīng)用 9.2.4群智感知應(yīng)用

WreckWatch（2011年）：WreckWatch能夠通過車內(nèi)手機的傳感器檢測到車禍，然后尋找路過的行人拍攝車禍現(xiàn)場的照片發(fā)送給救援中心，使救援人員能夠及時準確判斷車禍位置和救援的緊急程度。

PhotoCity（2011年）：PhotoCity為了收集到滿足構(gòu)建3D城市需求的高質(zhì)量照片，采用了一種游戲的方式，訓練“玩家”成為采集照片“專家”，使“專家”們能夠從不同角度高密度地采集城市中建筑物的照片。

JamEyes（2012年）：在發(fā)生交通擁堵時，JamEyes計算被堵車輛數(shù)目并估算擁堵可能持續(xù)的時間，同時將擁堵源頭位置車輛拍攝的視頻分享給其它車輛，使處于擁堵中的司機及時了解擁堵原因和擁堵情況。JamEyes通過手機的3D加速度計和WiFi信號檢測每一輛車周圍的其它被堵車輛，并檢測車輛之間的位置關(guān)系，從而得出擁堵車輛的數(shù)目，并找到處于擁堵源頭的車輛。

GBUS（2012年）：GBUS使用GPS軌跡收集公交車的行駛數(shù)據(jù)，參與者還可以同時提供公交站點周圍的照片用于提高公交車站的辨識度。

MediaScope（2013年）：當有事件發(fā)生時，MediaScope以新聞報道為目的，從現(xiàn)場目擊者共享的手機相冊中檢索各種照片，檢索條件包括圖像相似度和地理信息等。9.2群體智能及其應(yīng)用 9.2.4群智感知應(yīng)用

SmartPhoto（2014年）：SmartPhoto根據(jù)照片拍照方向、拍照位置和攝像頭的一些參數(shù)評估照片的價值，采用貪心算法選擇k張拍照方向不同的照片，使這些照片能夠最大程度全方位覆蓋拍攝對象。

FlierMeet（2015年）：FlierMeet收集城市中的公共張貼物（如海報和通知）的照片，計算人、張貼物和地點之間的關(guān)聯(lián)關(guān)系，構(gòu)建不同個體對不同類別張貼物的喜好關(guān)系，向不同的人群推送他們喜歡或需要的張貼物，提高城市信息傳播效率。

SmartEye（2015年）：為了從人們在災(zāi)后共享在云端的照片中檢索低冗余、多樣化高質(zhì)量數(shù)據(jù)，SmartEye解決基于照片的實時數(shù)據(jù)分析問題。

SakuraSensor（2015年）：在櫻花開放的季節(jié)，SakuraSensor通過人們在車內(nèi)拍攝的視頻片段判斷櫻花的開放情況，并根據(jù)人們的行車軌跡計算游覽櫻花美景的最優(yōu)路線。

iMoon（2015年）：iMoon收集大量室內(nèi)的2D圖像，然后構(gòu)建成室內(nèi)環(huán)境的3D模型用于室內(nèi)導航。

SentiStory（2017）：提出了一種基于粗粒度情感分析的微博事件脈絡(luò)總結(jié)方法，檢測微博重大變化，并挖掘這些變化背后的原因。

LuckyPhoto（2018年）：LuckyPhoto是一個基于群智的室外照片收集平臺。

CrowdTracking（2019年）：CrowdTracking通過路邊行人的手機拍攝路面的移動目標（如車輛、巡游花車等），實現(xiàn)對移動目標的持續(xù)跟蹤。9.3智能家居與智慧城市 9.3.1智能家居

“智慧生活”、“智能家居”、“智慧城市”、“智能社會”是近幾年日漸流行的詞語，無論是在網(wǎng)絡(luò)上，還是在人們?nèi)粘＝徽勚校爸悄堋?、“智慧”都越來越多地與“家居”、“城市”、“社會”、“生活”、“工作”連在了一起。這從一個側(cè)面說明，智能科學與技術(shù)的應(yīng)用已經(jīng)滲透到了人們社會生產(chǎn)生活的方方面面，不僅體現(xiàn)在智能家居、智慧城市的興建之中，也體現(xiàn)在了不斷成長的智能社會的構(gòu)建當中。1.智能家居定義

智能家居（SmartHome/IntelligentHome），從技術(shù)層面上講，智能家居以住宅為平臺，利用綜合布線技術(shù)、網(wǎng)絡(luò)通信技術(shù)、安全防范技術(shù)、自動控制技術(shù)、物聯(lián)網(wǎng)技術(shù)、音視頻技術(shù)、人工智能技術(shù)等技術(shù)將家居生活有關(guān)的設(shè)備設(shè)施集成，構(gòu)建高效的住宅設(shè)施與家庭日常事務(wù)的管理系統(tǒng)，提升家居的安全性、便利性、舒適性、藝術(shù)性，并實現(xiàn)環(huán)保節(jié)能的目標。智能家居系統(tǒng)主要包括家居布線子系統(tǒng)、家庭網(wǎng)絡(luò)子系統(tǒng)、中央控制子系統(tǒng)、家庭安防子系統(tǒng)、家庭娛樂子系統(tǒng)、健康咨詢子系統(tǒng)以及家政服務(wù)子系統(tǒng)等。下面重點介紹智能化程度較高的幾個子系統(tǒng)的功能。9.3智能家居與智慧城市 9.3.1智能家居

1）家居布線子系統(tǒng)。為了實現(xiàn)智能家居的各種智能化服務(wù)，首先需要在家居住宅中進行綜合布線，以便支撐語音/數(shù)據(jù)通信、多媒體、家電自動化、安防等多種應(yīng)用。

2）家庭安防子系統(tǒng)。主要目的是確保住宅的財產(chǎn)與人員安全，基礎(chǔ)設(shè)施包括門磁開關(guān)、緊急求助、煙霧檢測報警、燃氣泄露報警、碎玻探測報警、紅外微波探測報警等。也可根據(jù)需要配置視頻實時監(jiān)控系統(tǒng)，即使遠離住宅也能夠通過移動智能終端（如智能手機），實時監(jiān)視住宅內(nèi)外的情況。

3）家庭娛樂子系統(tǒng)。充分利用音視頻技術(shù)、多媒體技術(shù)、VR/AR等技術(shù)豐富家庭業(yè)余生活。例如，背景音樂、人機互動娛樂、智能點歌，甚至機器填詞譜曲等。

4）健康咨詢子系統(tǒng)。利用智能檢測分析技術(shù)，根據(jù)住戶的生活習慣，提供健康咨詢、飲食指南等服務(wù)，甚至，根據(jù)采集的呼吸、心率、血壓、體溫等體征數(shù)據(jù)，對疾病提供基本的輔助診斷、治療建議，并協(xié)助完成康復(fù)訓練等任務(wù)。

5）家政服務(wù)子系統(tǒng)。除家庭日常事務(wù)管理外，還包括家電、燈光、窗簾、馬桶、衣柜控制，例如，掃地、洗衣、做飯、調(diào)節(jié)室內(nèi)溫濕度、馬桶開啟與關(guān)閉等，甚至還可配置各種家政服務(wù)機器人。9.3智能家居與智慧城市 9.3.1智能家居2.智能家居服務(wù)1）通過家庭網(wǎng)關(guān)與互聯(lián)網(wǎng)相連，提供全天候網(wǎng)絡(luò)信息服務(wù)。2）實時監(jiān)控非法闖入、火災(zāi)、煤氣泄露，以及緊急呼救。一旦出現(xiàn)險情，智能家居系統(tǒng)自動發(fā)出報警信息，同時啟動設(shè)備進入應(yīng)急聯(lián)動狀態(tài)，實現(xiàn)主動防范，避免不必要的財產(chǎn)損失或人身傷害。3）利用人機會話技術(shù)，實現(xiàn)家電智能控制或遠程交互性控制，提高使用效率，減少待機時間。4）提供全方位的家庭娛樂服務(wù)，不僅僅是家庭影院、背景音樂這些基本的娛樂服務(wù)，而且還可利用人工智能技術(shù)，提供聲控點歌、輔助作詞譜曲、歌舞動漫仿真等娛樂服務(wù)。5）提供全面的家庭信息服務(wù)，包括健康咨詢、理財管理、日常事務(wù)管理的信息化，以及健康飲食、天氣氣象、小區(qū)物業(yè)對接、繳費信息提醒等服務(wù)。目前，智能家居技術(shù)尚在不斷完善之中，隨著智能家居產(chǎn)業(yè)的迅猛發(fā)展，越來越多的家庭開始引入智能化系統(tǒng)和設(shè)備。相信在不久的將來，智能家居將成為人們的普遍需求。9.3智能家居與智慧城市 9.3.2智慧城市1.智慧城市概念對于智慧城市的概念與內(nèi)涵，國外很早就展開了研究，尤其以維也納理工技術(shù)大學區(qū)域科學中心（CentreofRegionalScience,ViennaUT）的智慧城市研究項目（EuropeanSmartCities）最具代表性。2007年10月，該中心發(fā)布了對歐盟中等城市（人口20萬以下）的可持續(xù)發(fā)展能力與競爭力的評估報告《歐盟中等城市智慧城市排名》，首次系統(tǒng)性地提出了智慧城市的內(nèi)涵：“當一個城市將對人和社會資本、傳統(tǒng)（交通）和現(xiàn)代（ICT）的交通基礎(chǔ)設(shè)施的投入作為支撐經(jīng)濟持續(xù)增長的動力，實現(xiàn)高質(zhì)量的人民生活，并通過參與性管理達到生態(tài)和諧時，那么它就是一個智慧城市”。該評估報告從智慧經(jīng)濟、智慧民眾、智慧治理、智慧交通與ICT、智慧環(huán)境和智慧生活六個維度闡述了智慧城市的特征，分別代表了城市的區(qū)域競爭力、交通和ICT、自然資源、人力和社會成本、生活質(zhì)量和公眾參與社會的狀況。9.3智能家居與智慧城市 9.3.2智慧城市2.典型的見解

9.3智能家居與智慧城市 9.3.2智慧城市2.典型的見解

9.3智能家居與智慧城市 9.3.2智慧城市2.典型的見解

智慧城市是當今和未來城市發(fā)展的新理念和新模式，是推動政府職能轉(zhuǎn)變、推動社會管理創(chuàng)新的新手段和新方法，是城市走向綠色、低碳、可持續(xù)發(fā)展的本質(zhì)需求，是新一代信息技術(shù)、智能科學技術(shù)的創(chuàng)新應(yīng)用與城市轉(zhuǎn)型發(fā)展深度融合的必然結(jié)果。9.3智能家居與智慧城市 9.3.2智慧城市2.典型的見解

值得強調(diào)的是，智慧城市是一個動態(tài)發(fā)展的過程，而不是一個確定的結(jié)果，不可能一蹴而就的建設(shè)完成。

因此，不斷涌現(xiàn)的新理念、新理論、新技術(shù)、新工藝也會被應(yīng)用到智慧城市的建設(shè)中，包括近幾年快速發(fā)展新的智能科學與技術(shù)（人工智能），以及區(qū)塊鏈技術(shù)。9.3智能家居與智慧城市 9.3.3智慧城市建設(shè)目標與核心特征1.智慧城市建設(shè)目標

智慧城市的規(guī)劃與建設(shè)，就是要充分運用智能信息處理技術(shù)來感知、識別、分析、融合城市運行核心系統(tǒng)的關(guān)鍵信息，提升民生、環(huán)保、安全、服務(wù)、商務(wù)等質(zhì)量，為市民創(chuàng)造更加美好城市生活。9.3智能家居與智慧城市 9.3.3智慧城市建設(shè)目標與核心特征2.智慧城市的表現(xiàn)特征

1）物理虛擬、空間一體。通過物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等新一代信息技術(shù)的深入應(yīng)用，促進城市實體物理空間和網(wǎng)絡(luò)虛擬空間一體化發(fā)展，實現(xiàn)物理空間和虛擬空間狀態(tài)的智能感知、市民和企業(yè)需求的快速響應(yīng)，保障城市安全和高效運轉(zhuǎn)。

2）資源共享、協(xié)同服務(wù)。通過信息資源的有效整合和共享，以及多系統(tǒng)的融合和互通，促進城市從分散獨立的生產(chǎn)制造和商務(wù)活動、部門孤島式的社會管理，邁向協(xié)同網(wǎng)絡(luò)化的生產(chǎn)經(jīng)營和全方位的精細化管理，實現(xiàn)管理和服務(wù)的精確性和人性化，推動城市管理和服務(wù)模式改革。

3）知識驅(qū)動、發(fā)展轉(zhuǎn)型。通過知識創(chuàng)新和應(yīng)用促進經(jīng)濟發(fā)展高端化，以及信息基礎(chǔ)設(shè)施建設(shè)和傳統(tǒng)基礎(chǔ)設(shè)施的智能化提升，拉動高端產(chǎn)業(yè)發(fā)展，創(chuàng)造更多知識型就業(yè)崗位，促進城市知識經(jīng)濟增長，驅(qū)動城市經(jīng)濟發(fā)展方式從資源獲取、粗放發(fā)展向高端創(chuàng)新、精細發(fā)展轉(zhuǎn)型。

4）互動參與、智力集聚。通過無處不在的智能手段實施參與互動、城市各領(lǐng)域的建設(shè)和發(fā)展，以滿足公民的需求為導向，而非以政府行政管理為中心，支撐城市提供雙向交互和個性化的公共服務(wù)，豐富城市幸福生活體驗。通過構(gòu)建高質(zhì)量的居民終身學習、人才聚集和創(chuàng)新創(chuàng)業(yè)環(huán)境，不斷提升居民現(xiàn)代文明素質(zhì)，為城市持續(xù)繁榮發(fā)展提供不竭的智力資源。

9.3智能家居與智慧城市 9.3.3智慧城市建設(shè)目標與核心特征3.智慧城市的技術(shù)特征從技術(shù)的維度看，智慧城市具有如下四個技術(shù)特征：

1）狀態(tài)更加全面感知。通過物聯(lián)網(wǎng)的感知技術(shù)，結(jié)合視頻監(jiān)控、網(wǎng)絡(luò)輿情監(jiān)控等方式，全面采集城市中人流、物流、信息流狀態(tài)，形成城市智慧的豐富的信息源。

2）信息更加泛在互聯(lián)。通過發(fā)展下一代互聯(lián)網(wǎng)、新一代移動通信網(wǎng)，融合通信網(wǎng)、互聯(lián)網(wǎng)和移動通信網(wǎng)，實現(xiàn)信息的實時傳遞和廣泛互通。

3）系統(tǒng)更加高效協(xié)同。利用各種信息資源庫和公共服務(wù)平臺，結(jié)合高度集成、智能化的智能城市運行智慧中心，加強行業(yè)、部門間的資源整合、信息共享，使城市各個系統(tǒng)和參與者能夠進行高效協(xié)作，最終達到城市運行的最佳狀態(tài)。

4）決策更加科學智能。利用云計算、大數(shù)據(jù)、人工智能等技術(shù)，結(jié)合領(lǐng)域知識和模型的構(gòu)建，對城市海量信息資源和數(shù)據(jù)進行智能分析和處理，為科學決策提供支持。9.3智能家居與智慧城市 9.3.4智慧城市應(yīng)用與核心技術(shù)1.主要應(yīng)用服務(wù)

1）智慧公共服務(wù)。通過加強就業(yè)、醫(yī)療、文化、安居等應(yīng)用系統(tǒng)建設(shè)，提升城市建設(shè)與管理的規(guī)范化、精準化和智能化水平，有效促進城市公共資源在全市范圍內(nèi)共享，促進城市人流、物流、信息流、資金流的協(xié)調(diào)高效運行，在提升城市運行效率和公共服務(wù)水平的同時，推動城市發(fā)展轉(zhuǎn)型升級。

2）智慧社會管理。建設(shè)市民呼叫中心，拓展服務(wù)形式和覆蓋面，采用語音、傳真、電子郵件、智能自助和人工服務(wù)等多種咨詢服務(wù)方式，提供生產(chǎn)、生活、政策和法律法規(guī)等多方面咨詢服務(wù)。開展司法行政法律幫扶、職工維權(quán)幫扶等公共服務(wù)平臺建設(shè)，打造覆蓋全面、及時有效、群眾滿意的公共服務(wù)載體。

3）智慧企業(yè)服務(wù)。完善政府門戶網(wǎng)站群、網(wǎng)上審批、信息公開等公共服務(wù)平臺建設(shè)，推進“網(wǎng)上一站式”行政審批及其它公共行政服務(wù)，增強信息公開水平，提高網(wǎng)上服務(wù)能力。著力推進中小企業(yè)公共服務(wù)平臺建設(shè)，提高中小企業(yè)在產(chǎn)品研發(fā)、生產(chǎn)、銷售、物流等多個環(huán)節(jié)的工作效率。

4）智慧安居服務(wù)。充分考慮公共區(qū)、商務(wù)區(qū)、居住區(qū)的不同需求，融合應(yīng)用物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、移動通信等各種信息技術(shù)，發(fā)展智慧社區(qū)政務(wù)、智慧家居系統(tǒng)、智慧樓宇管理、智慧社區(qū)服務(wù)、社區(qū)遠程監(jiān)控、安全管理、智慧商務(wù)辦公等智慧社區(qū)應(yīng)用系統(tǒng)，使居民可就近獲得所需服務(wù)。9.3智能家居與智慧城市 9.3.4智慧城市應(yīng)用與核心技術(shù)1.主要應(yīng)用服務(wù)

5）智慧教育服務(wù)。完善城市教育城域網(wǎng)和校園網(wǎng)工程，重點建設(shè)教育綜合信息網(wǎng)、網(wǎng)絡(luò)學校、數(shù)字化課件、教學資源庫、虛擬圖書館、教學綜合管理系統(tǒng)、遠程教育系統(tǒng)等智慧教育資源及共享應(yīng)用平臺。大力推進再教育工程，提供多渠道的教育培訓就業(yè)服務(wù)，建設(shè)終身學習型智慧社會。

6）智慧文化服務(wù)。推進先進網(wǎng)絡(luò)文化發(fā)展，加強信息資源整合，完善公共文化信息資源服務(wù)體系建設(shè)。構(gòu)建旅游公共信息服務(wù)平臺，提供更加方便快捷的旅游服務(wù)，提升旅游文化品牌。

7）智慧服務(wù)管理。通過示范帶動和信息化深入應(yīng)用，推進傳統(tǒng)服務(wù)企業(yè)經(jīng)營、管理和服務(wù)模式創(chuàng)新，實現(xiàn)智慧物流、智慧貿(mào)易、智慧服務(wù)，加快向現(xiàn)代智慧服務(wù)產(chǎn)業(yè)轉(zhuǎn)型。

8）智慧醫(yī)療服務(wù)。構(gòu)建區(qū)域化衛(wèi)生信息管理為核心的信息平臺，建立居民電子健康檔案，推進遠程掛號、數(shù)字遠程醫(yī)療、圖文體檢診斷系統(tǒng)等智慧醫(yī)療系統(tǒng)建設(shè)，有效提升醫(yī)療健康服務(wù)水平，增強突發(fā)公共衛(wèi)生事件的應(yīng)急處理能力。9.3智能家居與智慧城市 9.3.4智慧城市應(yīng)用與核心技術(shù)1.主要應(yīng)用服務(wù)

9）智慧交通服務(wù)。建立以交通引導、應(yīng)急指揮、智能出行、出租車和公交車管理等為重點的、統(tǒng)一的智能化城市交通綜合管理和服務(wù)系統(tǒng)，實現(xiàn)交通信息的充分共享、交通狀況的實時監(jiān)控及動態(tài)管理，確保交通運輸安全、暢通。

10）智慧農(nóng)村服務(wù)。建立面向新農(nóng)村公共信息服務(wù)平臺，整合各類信息資源，為廣大農(nóng)民提供政策咨詢、技術(shù)輔導、氣象發(fā)布、衛(wèi)生保健、村務(wù)公開等綜合信息，提升三農(nóng)智慧服務(wù)水平。

11）智慧安防服務(wù)。整合公安監(jiān)控和社會監(jiān)控資源，建立基層社會治安綜合治理管理信息平臺，完善公共安全應(yīng)急處置機制，提高對各類事故、災(zāi)害、疫情、案件和突發(fā)事件防范和應(yīng)急處理能力。

12）智慧政務(wù)服務(wù)。推進政府智能辦公、智能監(jiān)管、智能服務(wù)和智能決策四大電子政務(wù)系統(tǒng)建設(shè)，深化“互聯(lián)網(wǎng)+”政務(wù)服務(wù)改革，提高政府部門工作效率，提升服務(wù)水平和公眾的滿意度。

上面所述只是智慧城市12個主要應(yīng)用服務(wù)，或者說涉及了智慧城市主要智慧服務(wù)體系建設(shè)。9.3智能家居與智慧城市 9.3.4智慧城市應(yīng)用與核心技術(shù)2.主要核心技術(shù)

1）智能感知識別技術(shù)。通過物聯(lián)網(wǎng)采集的信息均需解決智能識別問題，這就需要提供各種智能識別技術(shù)，如射頻識別技術(shù)、條碼識別技術(shù)、各種專用傳感器識別技術(shù)、視頻分析識別技術(shù)、無線定位識別技術(shù)等。

2）智能移動計算技術(shù)。智慧城市首先是無線城市，無線移動計算的智能化代表著下一代移動計算的發(fā)展方向，這其中存在著眾多智能化的難題需要解決，比如各種移動智能終端的開發(fā)，以及身份識別、遠程支付、移動監(jiān)控等智能軟件的開發(fā)等。

3）智能信息融合技術(shù)。智慧城市建設(shè)中涉及到大量不同類型的信息處理，需要將不同來源、不同格式、不同時態(tài)、不同尺度、不同專業(yè)的數(shù)據(jù)在統(tǒng)一的框架下進行處理，這就需要智能信息融合技術(shù)來實現(xiàn)，包括底層原始數(shù)據(jù)融合、中層特征數(shù)據(jù)融合以及高層的決策數(shù)據(jù)融合多個層次。另外，由于數(shù)據(jù)處理規(guī)模龐大、關(guān)系復(fù)雜、交流頻繁，需要構(gòu)成龐大的智慧城市數(shù)據(jù)處理支撐體系，以保障諸功能系統(tǒng)的有效運行。

可以預(yù)見，隨著智能科學與技術(shù)和其它科技的加速融合與發(fā)展，人類社會正在日益逼近新一輪變革的臨界點，繼農(nóng)業(yè)社會、工業(yè)社會、信息社會之后的高級的社會形態(tài)—智能社會—正在加速到來。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.1智能科學與技術(shù)產(chǎn)業(yè)1.智能科學與技術(shù)產(chǎn)業(yè)有賴于近幾年我國互聯(lián)網(wǎng)行業(yè)的迅猛發(fā)展，一大批互聯(lián)網(wǎng)科技公司積累了一定的用戶數(shù)據(jù)和研究資本，而且吸引了大量專業(yè)技術(shù)人才為其進行人工智能方面的研發(fā)。雖然較于美國等發(fā)達國家，中國高校在人工智能領(lǐng)域的課程較為分散，智能科學與技術(shù)相關(guān)專業(yè)人才培養(yǎng)格局也是在近幾年才逐步布局完善。但在國家政策的激勵和引導下，國內(nèi)大批企業(yè)和創(chuàng)新領(lǐng)軍人才都在爭相進軍智能科學與技術(shù)領(lǐng)域。而且《中國制造2025》的發(fā)布，更是促使國內(nèi)眾多大企業(yè)憑借自身的資金實力和科研能力，加速布局智能科學與技術(shù)產(chǎn)業(yè)鏈，以獲取巨大的經(jīng)濟和社會效益。

通常情況下，產(chǎn)業(yè)之間聯(lián)系主要以核心技術(shù)和工藝為依據(jù)劃分產(chǎn)業(yè)層次，即以核心技術(shù)劃分產(chǎn)業(yè)。因此，智能科學與技術(shù)產(chǎn)業(yè)的核心是基于其技術(shù)本身，由使用核心技術(shù)的產(chǎn)品和服務(wù)所構(gòu)成的產(chǎn)業(yè)，包含對外提供的產(chǎn)品、以平臺的方式對外提供的服務(wù)、解決方案或集成服務(wù)三種類型。

智能科學與技術(shù)產(chǎn)業(yè)包括數(shù)字資源、計算引擎、算法、技術(shù)、基于智能原理與算法和技術(shù)進行研究及拓展應(yīng)用的企業(yè)以及應(yīng)用領(lǐng)域。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.1智能科學與技術(shù)產(chǎn)業(yè)2.智能科學與技術(shù)產(chǎn)業(yè)生態(tài)

從產(chǎn)業(yè)生態(tài)角度，將智能科學與技術(shù)產(chǎn)業(yè)分為三個層次，即核心業(yè)態(tài)、關(guān)聯(lián)業(yè)態(tài)、衍生業(yè)態(tài)。其中，核心業(yè)態(tài)主要包括基礎(chǔ)設(shè)施、信息及數(shù)據(jù)、技術(shù)服務(wù)、產(chǎn)品。關(guān)聯(lián)業(yè)態(tài)主要涉及軟件開發(fā)、信息技術(shù)、電子材料、系統(tǒng)集成等。衍生業(yè)態(tài)主要涉及智能制造、智能家居、智能金融、智能交通、智能醫(yī)療等行業(yè)應(yīng)用。

從技術(shù)結(jié)合角度，智能科學與技術(shù)產(chǎn)業(yè)外延是指相關(guān)核心技術(shù)集成的產(chǎn)業(yè)，或與其它技術(shù)相結(jié)合的研究與應(yīng)用的相關(guān)產(chǎn)業(yè)，既包括機器人產(chǎn)業(yè)與智能系統(tǒng)產(chǎn)業(yè)，也涵蓋智能科學與技術(shù)在物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、區(qū)塊鏈，以及其它科技領(lǐng)域的研究與應(yīng)用產(chǎn)業(yè)。

從行業(yè)交叉角度，是指智能科學與技術(shù)和其它行業(yè)交叉結(jié)合發(fā)展，例如工業(yè)、農(nóng)業(yè)、教育、金融、醫(yī)療、物流、社會治理、城市建設(shè)等，反映了大數(shù)據(jù)背景下，智能科學與技術(shù)產(chǎn)業(yè)發(fā)展和其它領(lǐng)域相互融入、相互結(jié)合，形成了多元化的產(chǎn)業(yè)生態(tài)。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.1智能科學與技術(shù)產(chǎn)業(yè)3.智能科學與技術(shù)產(chǎn)業(yè)鏈

產(chǎn)業(yè)鏈是各個產(chǎn)業(yè)主體（部門）之間基于一定的技術(shù)經(jīng)濟關(guān)聯(lián)，依據(jù)特定的邏輯關(guān)系和時空布局關(guān)系客觀形成的鏈條式關(guān)聯(lián)形態(tài)?？v觀智能科學與技術(shù)產(chǎn)業(yè)發(fā)展情況，可將產(chǎn)業(yè)鏈自下而上劃分成三層：基礎(chǔ)層產(chǎn)業(yè)、技術(shù)層產(chǎn)業(yè)和應(yīng)用層產(chǎn)業(yè)9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.1智能科學與技術(shù)產(chǎn)業(yè)

1）基礎(chǔ)層產(chǎn)業(yè)。是推動智能科學與技術(shù)發(fā)展的基石，提供算力（感知智能、計算智能、認知智能）。主要包括傳感器、芯片、泛在網(wǎng)絡(luò)、云計算、存儲、普適計算、腦科學、大數(shù)據(jù)、分析挖掘平臺等相關(guān)產(chǎn)業(yè)。雖然集成電路芯片等相關(guān)技術(shù)掌握在IBM、英偉達、英特爾、谷歌等國外巨頭手中，但近幾年國內(nèi)企業(yè)發(fā)展迅猛，尤其在網(wǎng)絡(luò)通信、云計算、大數(shù)據(jù)等細分產(chǎn)業(yè)進展與國外并駕齊驅(qū)。

2）技術(shù)層產(chǎn)業(yè)。解決技術(shù)支撐問題，主要提供算法、模型、技術(shù)架構(gòu)和通用技術(shù)。這一層主要依托技術(shù)架構(gòu)、算法模型和數(shù)據(jù)資源進行海量識別訓練和機器學習建模，開發(fā)面向不同領(lǐng)域的通用技術(shù)，該層的細分領(lǐng)域競爭激烈。

技術(shù)架構(gòu)平臺包括TensorFlow、Caffe2、PyTorch、Torchnet以及百度的PADDLE等。算法模型包括神經(jīng)網(wǎng)絡(luò)、聚類、決策樹、支持向量機、卷積神經(jīng)網(wǎng)絡(luò)等。通用技術(shù)包括機器視覺、機器聽覺、自然語言處理、機器學習、知識圖譜、深度學習等。國內(nèi)外科技巨頭，如谷歌、IBM、亞馬遜、蘋果、阿里巴巴、百度、騰訊都在該層深度布局。國內(nèi)企業(yè)近年來發(fā)展迅速，主要聚焦在計算機視覺、語音識別和自然語言處理等領(lǐng)域，如BAT（百度、阿里巴巴、騰訊）、商湯、曠視、科大訊飛等。

9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.1智能科學與技術(shù)產(chǎn)業(yè)

3）應(yīng)用層產(chǎn)業(yè)。解決實踐問題，主要提供應(yīng)用場景（應(yīng)用智能科學與技術(shù)促使傳統(tǒng)產(chǎn)業(yè)升級改造、培育新興產(chǎn)業(yè)）。應(yīng)用層運用智能科學與技術(shù)針對行業(yè)提供產(chǎn)品、服務(wù)和解決方案，其核心是商業(yè)化應(yīng)用。應(yīng)用層企業(yè)將智能科學與技術(shù)集成到自己的產(chǎn)品和服務(wù)中，從特定行業(yè)或應(yīng)用場景切入（工業(yè)、農(nóng)業(yè)、教育、金融、醫(yī)療、物流、社會治理、城市建設(shè)等）。應(yīng)用層市場空間巨大，參與企業(yè)眾多，通過整合各種資源，發(fā)展垂直應(yīng)用，最終達到解決行業(yè)痛點、實現(xiàn)場景落地的目的。從全球來看，應(yīng)用層的中國企業(yè)規(guī)模和數(shù)量占比最大，而且取得的成就也是最為耀眼的。

基礎(chǔ)層產(chǎn)業(yè)、技術(shù)層產(chǎn)業(yè)、應(yīng)用層產(chǎn)業(yè)形成了一個完整的產(chǎn)業(yè)鏈，分別提供智能科學與技術(shù)所需的算力、算法和應(yīng)用場景，并且相互促進。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.1智能科學與技術(shù)產(chǎn)業(yè)4.智能科學與技術(shù)產(chǎn)業(yè)發(fā)展未來，智能科學與技術(shù)產(chǎn)業(yè)有望持續(xù)快速擴張，成為全球經(jīng)濟發(fā)展的新引擎，同時帶來全球產(chǎn)業(yè)結(jié)構(gòu)和產(chǎn)業(yè)生態(tài)的重塑。目前，我國智能科學與技術(shù)產(chǎn)業(yè)的發(fā)展態(tài)勢可以簡單總結(jié)為以下三點：

1）地方產(chǎn)業(yè)布局加速完善。在國家政策的激勵和指引下，各地的智能科學與技術(shù)產(chǎn)業(yè)區(qū)域布局日趨完善。目前，我國已形成以北京、上海、深圳為核心，京津冀地區(qū)、長三角地區(qū)和粵港澳大灣區(qū)協(xié)同發(fā)展的智能科學與技術(shù)產(chǎn)業(yè)區(qū)域布局。

2）逐步邁入大規(guī)模商用階段。隨著智能科學與技術(shù)不斷發(fā)展，越來越多成熟的產(chǎn)品和服務(wù)涌入消費市場，以及智能科學與技術(shù)應(yīng)用所帶來的社會、經(jīng)濟、產(chǎn)業(yè)、企業(yè)和人力資源的變革，都喻示智能科學與技術(shù)已經(jīng)逐步邁入大規(guī)模商業(yè)化應(yīng)用階段。

3）改變產(chǎn)業(yè)組織和就業(yè)結(jié)構(gòu)。智能科學與技術(shù)的大規(guī)模商業(yè)化應(yīng)用帶來了產(chǎn)業(yè)組織和就業(yè)結(jié)構(gòu)的沖擊和重構(gòu)，雖然目前受影響較大的是人類不愿從事或難以招聘的工種，如惡劣環(huán)境下的工作，但未來，對產(chǎn)業(yè)組織和就業(yè)結(jié)構(gòu)的影響面將逐漸擴大。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.2智能科學與技術(shù)發(fā)展展望1.挑戰(zhàn)與機遇長期來看，人類智能的發(fā)掘還有待進一步深入，人工（機器）智能的發(fā)展任重而道遠。

第一，區(qū)塊鏈技術(shù)能否打破“數(shù)據(jù)壁壘”、解決信任危機，最終實現(xiàn)數(shù)據(jù)共享流通，幫助各個領(lǐng)域、行業(yè)合作研發(fā)出更加綜合全面的人工智能產(chǎn)品。

第二，近年來人工智能只是在部分領(lǐng)域小規(guī)模應(yīng)用取得初步成功，為了使人工智能更好地給各行各業(yè)賦能，探索出各行各業(yè)、各領(lǐng)域可規(guī)?；瘧?yīng)用的方案將是一大挑戰(zhàn)。

第三，人工智能關(guān)鍵技術(shù)的研發(fā)和突破離不開智能科學與技術(shù)及相關(guān)專業(yè)人才的努力，未來的智能科學與技術(shù)及相關(guān)專業(yè)人才培養(yǎng)將是無法回避的重大問題。

第四，很多人仍然對未來的人工智能發(fā)展持有威脅論的看法，未來能否研發(fā)出具有自主學習和生物特性的超級人工智能？以及從倫理上來說，當人工智能足夠發(fā)達，人類智能與人工智能界限模糊的時候，又該如何平衡兩者關(guān)系？這些可能都是未來需要思考的問題。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.2智能科學與技術(shù)發(fā)展展望1.挑戰(zhàn)與機遇

智能技術(shù)與歷史上其它任何新興技術(shù)應(yīng)用一樣，在給人類活動帶來巨大進步的同時，也必然會對人類社會原有秩序帶來一定的沖擊。比如人工智能在工業(yè)上的大規(guī)模應(yīng)用可能會造成部分人失業(yè)，在軍事領(lǐng)域應(yīng)用可能會加劇軍備競賽，人機結(jié)合技術(shù)甚至會對人類傳統(tǒng)社會倫理道德帶來挑戰(zhàn)。上述問題必須引起我們的高度重視和戒備，在大力研究和發(fā)展智能科學與技術(shù)的同時，把其可能產(chǎn)生的副作用控制在最小范圍之內(nèi)。綜合智能科學與技術(shù)的發(fā)展歷史和脈絡(luò)，未來的發(fā)展趨勢必將是人機智能的不斷融合促進，這種認知得到了業(yè)界的普遍認可。人機融合智能，簡單地說就是充分利用人和機器的長處形成一種新的智能形式。未來，人機結(jié)合技術(shù)的實現(xiàn)將會變得尤為重要。下面僅介紹腦與認知科學、類腦智能和人工智能芯片三項關(guān)鍵理論與技術(shù)的發(fā)展展望。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.2智能科學與技術(shù)發(fā)展展望2.腦與認知科學發(fā)展展望美國、日本、歐盟等主要國家都有腦研究計劃，雖然各有側(cè)重，但研究方向、研究內(nèi)容都與我國腦計劃的“一體”、“兩翼”大致相同。

1）“一體”，理解腦。闡明腦認知功能的神經(jīng)基礎(chǔ)和工作原理。大腦認知功能包括基本認知功能和高級認知功能，基本的腦認知功能是指感知覺、學習和記憶、情緒和情感、注意和抉擇，果蠅、小鼠、猴子等很多動物都有這種基本認知功能。高級的腦認知功能只有靈長類以上比較高等的動物才有，包括共情心與同情心、社會認知、合作行為、各種意識和語言。鑒于涉及倫理問題，需要通過動物研究大腦神經(jīng)元的信息處理機制，繪制出人類大腦神經(jīng)網(wǎng)絡(luò)（細胞層面）全景式圖譜，包括結(jié)構(gòu)圖譜和活動圖譜。

2）“第一翼”，保護腦。促進智力發(fā)展，防治腦疾病和創(chuàng)傷。幼年期的自閉癥或者孤獨癥與智障，中年期的抑郁癥和成癮，以及老年期的阿爾茨海默癥與帕金森病等退行性腦疾病等，都屬于重大腦疾病。對于這些重大腦疾病，只有充分了解機理，才能找到最有效的解決方法。因此，研究腦疾病的診斷與治療，保護好大腦，維持大腦的正常功能，延緩大腦退化，防止腦疾病的產(chǎn)生等都是健康生活所必需的。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.2智能科學與技術(shù)發(fā)展展望2.腦與認知科學發(fā)展展望

3）“第二翼”，模擬腦。研發(fā)類腦計算方法和人工智能系統(tǒng)。人工智能技術(shù)近年來受到越來越多的關(guān)注，腦科學和類腦智能技術(shù)二者相互借鑒、相互融合的發(fā)展是近年來國際科學界涌現(xiàn)的新趨勢。主要包括：腦機接口和腦機融合新模型、新方法；腦活動（電、磁、超聲等）調(diào)控技術(shù)；新一代人工網(wǎng)絡(luò)計算模型和類腦計算系統(tǒng)；類神經(jīng)元的處理器、存儲器和類腦計算機；類腦智能體和新型智能機器人；大數(shù)據(jù)信息處理和計算新理論，等等。進入21世紀，一些認知科學家將腦科學與心理學、計算機科學等研究的高度結(jié)合看作是第三代認知科學的發(fā)展契機。第三代認知科學運用新技術(shù)研究大腦活動，并利用計算機進行人腦模擬，揭秘人類語言、情緒、思維、決策等高級功能的認知過程。在第三代認知科學中，認知神經(jīng)學和計算機科學是當之無愧的核心，語言學、心理學、人類學、教育學為認知研究提供有價值的研究問題和研究對象。由此可看出，智能科學與技術(shù)發(fā)展所面臨的新瓶頸需要從腦科學、神經(jīng)科學、認知科學等獲得啟發(fā)，而智能科學與技術(shù)發(fā)展也可以幫助腦科學、神經(jīng)科學、認知科學等取得進一步的突破。9.4智能科學與技術(shù)產(chǎn)業(yè)及發(fā)展展望 9.4.2智能科學與技術(shù)發(fā)展展望2.類腦智能發(fā)展展望類腦智能是以計算建模為手段，受腦神經(jīng)機制和認知行為機制啟發(fā)，并通過軟硬件協(xié)同實現(xiàn)的機器智能。類腦智能系統(tǒng)在信息處理機制上類腦，認知行為和智能水平上類人，其目標是使機器以類腦的方式實現(xiàn)各種人類具有的認知能力及其協(xié)同機制，最終達到或超越人類的智能水平。在未來，類腦智能研究將重點聚焦在如下5個重要研究方向：

1）認知腦計算模型的構(gòu)建。在未來認知腦計算模型的研究中，需要基于多尺度腦神經(jīng)系統(tǒng)數(shù)據(jù)分析結(jié)果對腦信息處理系統(tǒng)進行計算建模，構(gòu)建類腦多尺度神經(jīng)網(wǎng)絡(luò)計算模型，在多尺度模擬腦的多模態(tài)感知、自主學習與記憶、抉擇等智能行為能力。

2）類腦信息處理。類腦信息處理的研究目標是構(gòu)建高度協(xié)同視覺、聽覺、觸覺、語言處理、知識推理等認知能力的多模態(tài)認知機。具體而言，就是借鑒腦科學、神經(jīng)科學、認知腦計算模型的研究結(jié)果，研究類腦神經(jīng)機理和認知行為的視聽觸覺等多模態(tài)感知信息處理、多模態(tài)協(xié)同自主學習、自然語言處理