未来智讯 > 人工智能论文 > 人造智能20时代常识剖析厘革切磋
    人造智能2.0时代常识剖析厘革切磋作者:未知   摘 要:“人造智能”一词于1956年提议后履历几番升降,近年来,跟着云谋略、大数据等技艺急剧成长,人造智能的切磋和应用得以新生,人造智能2.0时代已然到来。文章起首梳理国际政产学界针对新一轮人造智能研发的战略结构、有关成果与应用,概述我国《新一代人造智能成长规划》及其摆设进展,引出人造智能2.0的界说、技艺特性及其倾覆性影响;然后,基于文献调研与项目跟踪,在研读全球各大智库人造智能切磋讲演、国表里有关切磋论文、梳理学者切磋原型与美国智能谍报项目的根本上,从信息常识采集、信息常识搜罗、信息处置与常识发掘、常识预见预警以及常识决议计划服务等诸多枢纽阐明人造智能关头技艺在常识剖析中的应用与影响,提议人造智能2.0时代常识剖析的整体趋向将朝向周全、精准、主动、高效、智能和深度等偏向成长。
  关头词:人造智能2.0;常识剖析;DARPA;IARPA
  中图分类号:G250.2;TP18 文献标识码:A DOI:10.11968/tsyqb.1003-6938.2018023
  Research on Knowledge Analysis Transformation in the Era of Artificial
  Intelligence 2.0
  Abstract Artificial intelligence is to make machines smarter and competent to accomplish the work that only human beings could do. After the introduction of "Artificial Intelligence" in 1956, it has undergone ups and downs. Recently, with the development of cloud computing, big data, etc., the research and application of artificial intelligence is entering the 2.0 Era. This paper firstly introduces the strategic plan, research achievements and application of industry, academia and government on the new wave of artificial intelligence research and development, China's Development Plan on New Generation of Artificial Intelligence, as well as the definition of Artificial Intelligence 2.0, its tech features and disruption. Based on literature research and projects tracking, this paper then analyses the key technologies of artificial intelligence and the application in knowledge analysis. It is concluded that information analysis in the artificial intelligence 2.0 Era would bound toward the direction of comprehensive, targeted, automated, effective, intelligent and profound. Finally, this paper concludes the development and effect of artificial intelligence, and gives suggestions on AI-based knowledge analysis and scientific decision making.
  Key words artificial intelligence2.0; knowledge analysis; DARPA; IARPA
  1 人造智能进来2.0时代
  近年来,陪同着移动互联网、云谋略、大数据等信息前沿技艺的急剧成长,谋略机硬件本能和谋略技艺的突破以及机械进修算法的优化,降生六十余年的人造智能研发再次迎来了新的机缘,有关财产规模不息增进,企业数目大幅添加。2000至2016年间,美国累积新增人造智能企业3033家,占全球累积总额的37.41%;同期中国人造智能企业数累积增进1477家,占全球总额的12.91%[1]。2016年10月26日,在北京举办的瑞银立异科技行业CEO岑岭会上,瑞银公布《将来值得存眷的九项倾覆性技艺趋向》讲演展望,以为到2020年,全球人造智能市场规模有望到达1200亿到1800亿美元之巨[2]。以google围棋体系AlphaGo[3]及新一版AlphaGo Zero[4]、IBM认知技艺平台Watson、微软谈天机械人“小冰”等为代表的产物成果标志着人造智能从学术课题切磋周全步入财产经济爆发阶段。2016年,google首席执行官桑达尔・皮查伊颁布发表google战略从“移动先行”(Mobile First)转向“人造智能先行”(AI First)[5];同年,Facebook首创人兼首席执行官扎克伯格在F8开辟者大会上,将人造智能分明列为Facebook将来十年成长规划战略中的严重范畴,具体包罗天然说话、视觉辨认、逻辑规划等[6]。除学术界、财产界聚焦人造智能研发和应用外,列国政界也起点存眷和支撑人造智能研发,出台成长规划和政策措施,力求在新一轮国际人造智能科技竞争中掌握主导权。2016年10月,美国当局公布的《国度人造智能研发战略规划》[7],拟定出美国人造智能研发的总体框架以及七项优先战略,以期充分行使人造智能技艺来加强国度经济实力并改善社会安好。同年12月,英国公布的《人造智能:将来决议计划拟定的机缘与影响》[8],�U述了人造智能的将来成长对英国社会和当局的影响,论说了若何行使英国奇特的人造智能上风来加强英国国力。2017年4月,法国拟定的《国度人造智能战略》[9],旨在计议法国将来人造智能的成长,使法国成为欧洲人造智能的领军者。   在人造智能成长上,我国也不甘示弱,积极发动和摆设。2017年7月,国务院印发的《新一代人造智能成长规划》[10],提议了面向2030年我国新一代人造智能成长的教导思惟、战略指标、重点义务和保险措施,摆设修筑我国人造智能成长的先发上风,加速建设立异型国度和天下科技强国。个中,三步走战略指标为:到2020年人造智能整体技艺和应用与天下进步前辈程度同步,人造智能焦点财产规模跨越1500亿元,带动有关财产规模跨越1万亿元;到2025年人造智能根本理论兑现重大突破,局部技艺与应用到达天下带头程度,人造智能焦点财产规模跨越4000亿元,带动有关财产规模跨越5万亿元;到2030年人造智能理论、技艺与应用整体到达天下带头程度,成为天下首要人造智能立异中心,人造智能焦点财产规模跨越1万亿元,带动有关财产规模跨越10万亿元。
  2017年11月,科技部召开新一代人造智能成长规划暨重大科技项目开动会,颁布发表成立新一代人造智能成长规划促成办公室,颁布发表成立新一代人造智能战略咨询委员会(潘云鹤院士任组长)。潘云鹤(2016)针对人造智能2.0给出初步界说,即:基于重大改变的信息新情况和成长新指标的新一代人造智能。他指出人造智能2.0的技艺特性表示在:一是从传统常识表达技艺到大数据驱动常识进修,转向大数据驱动和常识教导相联合的体式格局,个中机械进修不单可主动,还可评释,更普遍;二是从分类型处置多媒体数据(如视觉、听觉、文字等),迈向跨媒体认知、进修和推理的新程度;三是从寻求智能机械到高程度的人机协同融合,走向夹杂型加强智能的新谋略形态;四是从聚焦切磋个别智能到基于互联网络的群体智能,形成在网上激励组织群体智能的技艺与平台;五是将切磋的理念从机械人转向加倍辽阔的智能自立体系,从而促进改造种种机器、装备和产物,走上智能化之路[11]。
  人造智能的深入成长和深度应用,对各行各业的影响都是倾覆性的,最为凸起的影响包罗:打开互联网新纪元、推动财产转型与厘革、打造将来国防军事的“杀手锏”、掀起科研立异模式新革命、倾覆糊口体式格局等[12]。在人造智能2.0时代到来之际,归纳人造智能关头技艺对常识剖析的影响,展望其将来厘革,寻思应对措施,升迁基于人造智能的常识发现才力和程度,是值得存眷的切磋热门之一。本文在调研和剖析国际智库相关人造智能的切磋讲演、梳理国表里有关切磋与项目摆设的根本上,探究人造智能2.0时代常识剖析各枢纽的改变,最终提议启迪建议。
  2 人造智能2.0时代:无穷算力与大数据配景下的机械感知进修时代
  2.1 人造智能关头技艺
  自1956年达特茅斯会议降生“人造智能”一词以来,距今已六十余年。美国麻省理工学院人造智能尝试室原主任(1972至1997年)帕特里克・温斯顿(Patrick Winston)提议“人造智能便是切磋若何使谋略机完成曾经惟有人类才气完成的事情”,斯坦福大学人造智能切磋中心信用传授尼尔斯・尼尔森(Nils Nilsson)(1982年)将人造智能界说为“关于常识的学科――怎么样表现常识、怎么样得到常识、怎么样使用常识的科学”[13]。北京大学信息经管系王延飞(2016年)提议,人造智能是试图发掘人类智能的本色,从而对人类智能进行模仿和扩展的一门新兴技艺科学[14]。
  埃森哲2016年9月公布了《人造智能:经济成长新动力》讲演,其指出:人造智能由多种技艺构成,能以各异体式格局组合起来,教会机械感知、领会、举动和进修(埃森哲将新兴人造智能技艺及其功能息争决方案示例等见表1)[15]。
  阿里云切磋中心、阿里巴巴创投公司及波士顿咨询公司于2016年10月合作公布的切磋讲演《人造智能:将来制胜之道》指出:人造智能是一系列技艺的聚集,其下包罗机械进修、推理、感知和天然说话处置等。跟着人造智能被更辽阔地应用到人类社会和经济糊口各个方面,新的机缘和挑衅随之而生。其庞大的潜在影响让人类不得不小心思索人造智能技艺的成长与应用[16]。
  信息科技咨询公司高德纳(Gartner)于2017年7月公布了《2017年新兴技艺老练度曲线图》夸大了“无处不在的人造智能”这一技艺趋向。因为谋略才力急剧升迁、数据量不息添加、深度神经网络向前促成,人造智能技艺将在将来十年显现出强劲的倾覆力。值得重点存眷的人造智能重点技艺包罗:深度进修、深度加强进修、能人工智能、主动驾驶汽车、认知技艺、商用无人机、对话用户接口、企业分类与本体经管、机械进修、智能灰尘、智能机械人和智能事情空间[17]。
  2.2 人造智能与常识剖析
  科学切磋的范式已进来数据茂密型科学范式的大数据时代,正在推动和牵引科技谍报切磋事情进来常识剖析与常识发现服务的新时代[18]。谍报切磋范式不息演进,从真相型谍报汇集、综述型谍报剖析、谋略型谍报切磋成长到数据驱动型常识发现。因为机械拥有远神人类的壮大谋略才力,它们能对海量数据进行收罗和分类,进而进行专业化谋略与剖析,以做出更好的决议计划。人造智能便是行使�C器为人类完成繁杂的事情,具体包罗:寻觅模式、展望趋向和发现有关性;进修并改善;执行有关筹划;基于汗青趋向展望将来了局;基于真相给出决议计划建议等。机械进修是人造智能的技艺之一,能在面临新数据时主动调解谋略机步骤,得出客观剖析的新信息和见解[19]。
  大数据谍报与常识剖析必要人造智能要领技艺。国际数据公司(IDC)的《数据时代2025》白皮书指出,认知/人造智能体系将变化格式。大量涌现的数据催生出了一系列全新的技艺,如机械进修、天然说话处置和人造智能(统称为认知体系),它们将数据剖析从不多见的、追溯式的实践转折成为战略决议计划和举动的前摄式推动因素。认知体系能够大大提高种种行业、情况和应用数据剖析的频率、轻捷性和即时性。IDC预计,到2025年,用于数据剖析的全球数据总量将增进至本来的50倍,到达5.2ZB;而认知体系“触及”的剖析数据总量将增进至本来的100倍,到达1.4ZB[20]。2017年7月28日,Gartner公布了《2017年剖析要领与贸易智能老练度曲线图》,其指出剖析要领和贸易智能范畴将从可视化数据发现时代转折为加强剖析时代,即运用机械进修、天然说话接口等技艺,收缩数据筹备时间、主动发现数据模式,将剖析了局分享给更多用户[21]。   人造智能要领技艺推动谍报与常识剖析超过新阶段。王志宏等[22]指出,人造智能、认知谋略、决议计划支撑技艺的观念及切磋已经跨出尝试室,进来真实的适用阶段,其实际价值跨越了技艺切磋者最初的相识,其性子是对信息、数据进行加工出产的技艺,而这种出产加工不单能够给人们供给加倍便捷的糊口,还将对将来人们的出产、糊口体式格局发生基础性的影响,对将来国度经济糊口的运行体式格局、将来社会的组织布局发生深远的影响;郭璇等[23]探究了在反恐谍报信息事情中,行使当前人造智能范畴的切磋热门――深度进修技艺开展反恐谍报发掘和分类,有用削减谍报职员的事情量,提高反恐谍报信息事情效果;Zhuang等[24]指出,针对大数据的下一代人造智能体系将是可评释的、壮健的、通用人造智能,它不不过暴力地完成浅易谋略,而是能执行深度神经推理;它能基于布局化逻辑准则施展数据驱动模子的作用;它能从已有阅历中进修;Morris等[25]以为,机械进修、大数据、图像处置单位(GPU)等技艺的迅猛成长与融合,引发新一轮的人造智能研发与应用高潮;Dhar[26]指出,此轮人造智能高潮与以往的基础性各异在于机械进修已经具备感知和处置才力。夙昔,机械无法涉猎、听到或看到信息,只可猎取和处置经组织后的信息。现有技艺进展使得机械能直接从外界猎取输入信息,而无需人类参预,继而创建机械内部表现用于进一步处置。
  综上,人造智能关头技艺及其对常识剖析、信息服务、决议计划支持等的厘革作用已引起国表里学者的切磋和崇尚。本文将联合学者切磋成果、企业研动员态及美国有关当局部门的项目摆设,具体探究人造智能对常识剖析各枢纽的厘革影响。
  3 人造智能对常识剖析各枢纽的厘革影响
  人类社会的主流,已从行使地表资源的农业社会汗青、发掘地下资源的工业社会实际、正迈向开辟数据与智力的智能社会将来[27]。跟着互联网、高本能谋略、云谋略、大数据、人造智能等信息技艺的持续成长与应用,针对海量数据的检索存储与谍报常识的剖析行使均已产生翻天覆地的改变。从传统的当地数据库到数据中心再到云端,从目次检索到关头词再到词语标注,从天然说话搜罗到语义搜罗再到推理,技艺推动着人类谍报剖析的才力成长与效果升迁。人造智能2.0时代常识剖析的整体趋向将朝向周全、精准、主动、高效、智能和深度成长。人造智能技艺和体系将对信息常识采集、信息常识搜罗、信息处置与常识发掘、常识预见预警以及决议计划服务等诸多枢纽,发生深切影响。在本文的剖析中,首要遴选了美国安好和谍报部门――美国国防高级切磋筹划局(DARPA)以及美国谍报高级切磋筹划局(IARPA)的案例,两者议决开展种种高危害、高回报的谍报切磋项目,以期大幅提高美国的谍报剖析才力。作为国际上引领性的谍报信息剖析机构,其项目案例可展现人造智能技艺与信息常识剖析应用的最新成长。
  3.1 信息常识采集
  在信息常识采集方面,智能化采集技艺能兑现信息资源(出格是网络资源)的主动搜罗、甄别、过滤、监测、跟踪,使多种数据源情境下的数据采集才力大大提高。美国DARPA的洞见(Insight)项目和中国工程科技常识中心(CKCEST)项目均夸大多源数据的收罗、索引和存储,并在此根本上,构建集成体系,让谋略机高效地完成从非布局化数据到常识这一过程,支持协作与决议计划(这两项典型研发项目的具体信息见表2)。
  3.2 信息常识搜罗
  针对已采集的谍报成果,联合元数据、本体、语义网等体式格局对其进行描绘与组织,并开辟新的搜罗要领,升迁搜罗效果与质量,为谍报用户供给餍足需求的谍报资源。
  Martín A等[30]切磋了行使智能技艺加强数字藏书楼的语义互操作性。文章提议一种语义与智能搜罗引擎观念架构,行使本体和人造智能查询在线常识库的元数据,行使智能代办(Agent)兑现更高效的常识猎取要领。文章还引用欧盟互操作框架来先容其存眷重点之一――语义互操作剖析(见图1)。
  美国艾伦人造智能切磋所(Allen Institute for Artificial Intelligence)于2015年11月推出基于人造智能的语义搜罗引擎Semantic Scholar,议决加倍深入地舆解学术论文的内容和配景,对学术论文进行排序[31]。最初推出时,Semantic Scholar的搜罗局限仅为谋略机科学范畴的300万篇论文,后期议决与艾伦脑科学切磋所(Allen Institute for Brain Science)合作,该网站新增了数百万篇神经学和医学范畴论文,并针对该范畴量身定制了新的筛选器,用户能够凭据种种内容(大脑构成局部或细胞类型、模式生物、切磋要领等)进行搜罗。
  德国马普信息学切磋所正开辟一款名为DeepLife、�W⒔】岛蜕�命科学范畴的搜罗引擎。Microsoft也于2016年5月公然公布其人造智能学术搜罗东西Microsoft Academic。该东西由Microsoft网络搜罗引擎Bing供给语义搜罗功能支撑,笼盖约1.6亿份文献[32]。
  除上述针对出书文献的信息搜罗外,因谍报数据源的扩展,美国DARPA还开展了针对多源信息筛选的引擎项目AIDA等,IARPA则专门配置针对语音和视频搜罗的谍报才力升迁项目(见表3)。
  3.3 信息处置与常识发掘
  在信息处置与常识发掘方面,数据发掘、文本发掘、常识发现、智能谋略、专家体系等智能化剖析处置技艺,能够大幅升迁海量文档调查的事情效果,辅助谍报常识职员剖析成长趋向,并从中发现一些表达隐微的沉默信息、未知的真相和潜在的谍报。DARPA与IARPA在天然说话处置、机械进修和信息领会等智能信息技艺项目研发上出现加力和发力表象[14](详细项目信息见表4。图2至图4还离别亮相了DARPA大机制(Big Mechanism)、数据驱动的模子发现(D3M)以及文本深度索求及过滤(DEFT)项目的架构、模子与数据流等信息)。   3.4 常识预见预警
  数据发掘、智能算法等新一代技艺在常识预见预警方面的胜利案例已不少见。如北美在线影片租赁供给商Netflix在并未看到《纸牌屋》电视剧一个画面的环境下,出价1亿多美元得到这部剧集的首播权。它议决推荐引擎、数据算法等体式格局,提前获知观众们喜好看的内容,从而进行正确的内容订购授权。路透社开辟一款“路透新闻追踪”软件,议决看管Twitter并寻觅具有群体影响力的新报道,然后将有关的推文汇总为事务,最后天生与事务有关的信息和元数据。该软件能够辨认哪些事务具有新闻价值、从有关见识结论中过滤出真相,并验证报道的真正性。该软件比其他媒体争先8分钟报道2016岁首年月的布鲁塞尔爆炸案事务,争先15分钟报道2016年10月纽约产生的切尔西爆炸案(美国IARPA摆设的两项科学与技艺展望项目见表5)。
  3.5 常识决议计划服务
  跟着数据�旒际鹾退阉饕�擎技艺的老练而逐步“下移”为一种社会才力,传统信息和资料供给的本能机能已在科技和其他范畴的决议计划中被边沿化。在大数据与人造智能繁盛成长的新时代,决议计划者对谍报机构的要求已远远不克不及餍足于信息剖析与常识服务,谍报机构唯有供给加倍智能化的决议计划方案,不仅要能回覆个别“是什么”,并且还务必急剧地告诉决议计划者总体和总体中的随意率性局部“是什么”“为什么”,正确地证明“怎么办”,方能施展谍报服务应有的效能。整个谍报服务业正在信息技艺推动下产生庞大的改变,正在迎来一个极新的时代[48]。
  Tweedale等[49]指出人造智能与谋略智能技艺被胜利用于决议计划拟定,同时能改善信息可获性,解决数据茂密问题。决议计划支撑体系(DSS)融合了一系列技艺,旨在将决议计划者常识与来自特定信息源的有关数据组合起来,应用数学与统计要领和模子,最后改善个别或集团的决议计划才力。智能决议计划支撑体系(IDSS)行使谋略机科学和新兴范畴的进步前辈智能要领,扩展DSS才力来解决纷乱问题(IDSS及其组件见图5)。
  IARPA指出,现有谍报剖析与报告请示东西难以辅助用户评估竞争性假如、供给清楚的/有支持的论点、发现或征服私见。一些布局化技艺(如论点制图、竞争假如剖析、贝叶斯推理网络等)已被用于改善推理。但这些技艺软件较难被使用,既吃力又耗时,且所需输入的常识经常逾越了个别用户的专有常识范畴。IARPA于2016年倡议“众包证据、群情、头脑和评估”(CREATE)项目,旨在开辟技艺东西来辅助谍报剖析职员更好地评估数据,或检测出可能发生误解的假如,帮助有关决议计划(项目信息见表6)。
  4 建议
  (1)人造智能成长麻利并发生倾覆性影响。近年来,跟着移动互联网、大数据和云谋略的急剧成长,降生60多年的人造智能再获新生并取得重大突破性进展。从学术界的课题切磋到财产界的成果与经济突破,再到列国当局在人造智能范畴紧锣密鼓的战略结构,均彰显人造智能是将来成长的重大前沿范畴,有着辽阔的应用远景并将对各行业的成长发生倾覆性影响。瑞银《将来值得存眷的九项倾覆性技艺趋向》讲演指出,人造智能技艺成长麻利,正处于弱人造智能向通用人造智能成长的关头阶段,将来农业、零卖、制造业、金融、交通等繁多行业将受到人造智能技艺的庞大影响,并因之变化。预计,将来全球因人造智能而受到影响的事情岗亭将多达5000万至7500万[51],但人造智能的应用并不会在全球局限内导致大规模赋闲,反而会是以缔造出更多的事情岗亭。
  人造智能的成长,最基础的推动技艺包罗不息添加的无穷算力和不息膨大的大数据技艺;人造智能成长的焦点是人类常识组织和再生体系的重大厘革,即由人类自身的常识缔造,延长到机械感知进修的机械化常识再生体系。毫无疑问,人造智能的成长将深切变化一概依靠人类常识运行的体系准则,也将深切变化人类自身的成长。
  (2)增强基于人造智能的常识剖析与科学决议计划。在大数据时代,常识剖析亲昵依靠于大数据剖析与智能发掘技艺,出格是一些以科学大数据为光鲜特性的严重科技范畴(如生命科学、空间科学、天体物理、地球科学等),科学大数据呈爆发式增进。借助人造智能技艺,改造升迁常识剖析枢纽和常识剖析展望,能极地面改善常识剖析效果和更好服务于科学决议计划。开辟基于人造智能的常识剖析流程和平台,是开展常识剖析、常识发现的必由之路。
  5 结语
  本文综合剖析了国际上代表性机构DARPA/IARPA应用人造智能技艺升迁常识剖析的案例。人造智能技艺能从广度、深度、精度等多方面提高常识剖析事情的程度,常识剖析将越来越依靠于进步前辈的智能技艺。建议重点建设范畴常识剖析数据库并促进绽放共享;开辟常识剖析智能化东西并打造体系平台;促成智能化常识剖析应用树模。议决鼎力大举支撑、增强人造智能技艺在常识剖析体系中的应用研发,升迁常识剖析效果和常识发掘深度,提高常识预见预警才力,最后帮助人类常识决议计划。
  参考文献:
  [1] 乌镇智库.全球人造智能成长讲演财产篇[EB/OL].[2018-01-10].http://h5.iwuzhen.org/pdf/AI-Report20170803.pdf.
  [2] 侯云龙.人造智能市场规模将达1800亿美元[EB/OL].[2018-01-10].http://finance.people.com.cn/n1/2016/1027/c1004-2881
  1231.html.
  [3] Silver D,Huang A,Maddison C J,et al.Mastering the game of Go with deep neural networks and tree search[J].Nature,2016,529(7587):484.
  [4] David S,Julian S,Karen S,et al.Mastering the game of Go without human knowledge [J].Nature,2017,550(7676):354-359.   [5] 沈怡然.googleAI中国中心设立 AI First战略亚洲落地[EB/OL].[2018-01-10].http://www.eeo.com.cn/2017/1214/318814.shtml.
  [6] 纪振宇.透视三巨擘开辟者大会:人造智能成战略重点[EB/OL].[2018-01-10].https://tutorials.hostucan.cn/microsoft-facebook-谷歌-intelligence.
  [7] 田倩飞,编译.美国公布人造智能范畴国度级切磋讲演与战略规划[EB/OL].[2017-08-29].http://www.casisd.cn/zkcg/ydkb/kjqykb/2016/201612/201707/t20170703_4821935.html.
  [8] 钟新龙,韩健.美英人造智能讲演带来的启迪和思索[EB/OL].[2017-09-10].http://www.ccidgroup.com/sdgc/9569.htm.
  [9] 陈晓怡,编译.法国公布人造智能战略[EB/OL].[2017-08-25].http://www.casisd.cn/zkcg/ydkb/kjzcyzxkb/2017/201705/201707
  /t20170703_4821779.html.
  [10] 国新网.《新一代人造智能成长规划》政策解读[EB/OL].[2017-07-30].http://www.scio.gov.cn/34473/34515/Document/155923
  1/1559231.htm.
  [11] Pan Y.Heading toward Artificial Intelligence 2.0[J].Engineering,2016,2(4):409-413.
  [12] 中国科学院倾覆性技艺立异切磋组.倾覆性技艺立异切磋――信息科技范畴[M].北京:科学出书社,2018.
  [13] Nilsson N J.Artificial intelligence:engineering,science,or slogan?[M].Readings from the AI magazine.American Association for Artificial Intelligence,1989:2-9.
  [14] 王延飞,赵柯然,何芳.崇尚智能技艺凝练谍报伶俐――谍报、智能、伶俐关系辨析[J].谍报理论与实践,2016,39(2):1-4.
  [15] 埃森哲.人造智能 经济成长新动力[EB/OL].[2017-09-01].https://www.accenture.com/cn-zh/insight-ai-artificial-intelligence-future-growth.
  [16] 云��智库.人造智能:将来制胜之道[EB/OL].[2017-08-20].http://image-src.bcg.com/Images/BCG_Artificial-Intelligence_C
  HN_Oct2016_tcm55-156025.pdf.
  [17] 田倩飞,编译.Gartner公布《2017年新兴技艺老练度曲线图》[EB/OL].[2017-09-20].http://www.clas.cas.cn/xwzx2016/kxx
  w2016/xxjsdt2016/201709/t20170918_4861886.html .
  [18] 张志强.论科技谍报切磋新范式[J].谍报学报,2012,31(8):788-797.
  [19] SAP Analytics Cloud.How Artificial Intelligence Can Solve Industry Challenges?[EB/OL].[2017-09-20].https://www.sapanalytics.cloud/how-ai-solves-industry-challenges/.
  [20] IDC.Data Age 2025:The Evolution of Data to Life-Critical[EB/OL].[2017-09-21].http://www.seagate.com/www-content/our-story/trends/files/Seagate-WP-DataAge2025-March-2017.pdf.
  [21] Gartner.Hype Cycle for Analytics and Business Intelligence2017[EB/OL].[2017-09-25].https://www.gartner.com/document/3
  772080.
  [22] 王志宏,杨震.人造智能技艺切磋及将来智能化信息服务系统的思索[J].电信科学,2017,33(5):1-11.
  [23] 郭璇,吴文辉,肖治庭,等.基于深度进修和公然起原信息的反恐谍报发掘[J].谍报理论与实践,2017,40(9):135-139.
  [24] Zhuang Y T,Wu F,Chen C,et al.Challenges and opportunities:from big data to knowledge in AI 2.0[J].Frontiers of Information Technology & Electronic Engineering,2017,18(1):3-14.   [25] Morris K C,Schlenoff C,Srinivasan V.Guest Editorial A Remarkable Resurgence of Artificial Intelligence and Its Impact on Automation and Autonomy[J].IEEE Transactions on Automation Science & Engineering,2017,14(2):407-409.
  [26] Dhar V.The future of artificial intelligence[J].Big Data,DOI:10.1089/big.2016.29004.vda.
  [27] 王�w跃.常识发生体式格局和科技决议计划支持的重大厘革――面向大数据和开源信息的科技态势解析与决议计划服务[J].中国科学院院刊,2012,27(05):527-537.
  [28] DARPA.Insight[EB/OL].[2017-10-13].https://www.darpa.mil/program/insight.
  [29] 中国人造智能学会通信.KS-Studio:一个常识谋略引擎[EB/OL].[2017-10-12].https://yq.aliyun.com/articles/216744?spm=5176.100239.blogcont216742.14.JWfETU.
  [30] Martín A,León C,López A.Enhancing semantic interoperability in digital library by applying intelligent techniques[C]. Sai Intelligent Systems Conference.IEEE,2015:904-911.
  [31] Luther J.Discovery in an age of artificial intelligence[J].Learned Publishing,2016,29(2):75-76.
  [32] Nicola Jones.AI science search engines expand their reach[EB/OL].[2017-09-01].http://www.nature.com/news/ai-science-
  search-engines-expand-their-reach-1.20964.
  [33] DARPA.AIDA[EB/OL].[2017-10-01].https://www.darpa.mil/program/active-interpretation-of-disparate-alternatives.
  [34] DARPA.MEMEX[EB/OL].[2017-10-01].https://www.darpa.mil/program/memex.
  [35] IARPA.BABEL[EB/OL].[2017-09-10].https://www.iarpa.gov/index.php/research-programs/babel.
  [36] IARPA.ALADDIN[EB/OL].[2017-09-10].https://www.iarpa.gov/index.php/research-programs/aladdin-video.
  [37] IARPA.METAPHOR[EB/OL].[2017-09-18].https://www.iarpa.gov/index.php/research-programs/metaphor/baa.
  [38] IARPA.DIVA[EB/OL].[2017-09-18].https://www.iarpa.gov/index.php/research-programs/diva.
  [39] DARPA.XDATA[EB/OL].[2017-10-01].https://www.darpa.mil/program/xdata.
  [40] DARPA.BIG MECHANISM[EB/OL].[2017-09-25].https://www.darpa.mil/program/big-mechanism.
  [41] DARPA.Data-Driven Discovery of Models (D3M)[EB/OL].[2017-09-25].https://www.darpa.mil/program/data-driven-discovery-of-models.
  [42] DARPA.Deep Exploration and Filtering of Text(DEFT)[EB/OL].[2017-09-25].https://www.darpa.mil/program/deep-exploration-and-filtering-of-text.
  [43] William C.Regli,Brian Pierce.DARPA and Data:A Portfolio Overview[EB/OL].[2018-02-05].https://www.nitrd.gov/nitrdgroups/images/3/31/DARPA-and-DATA.pdf.
  [44] Wade Shen,Brian Sandberg.DARPA Overview and Data Driven Discovery of Models (D3M)[EB/OL].[2017-09-25].http://www.amstat.org/asa/files/pdfs/POL-JSM-DARPA.pdf.   [45] Boyan Onyshkevych.KB Representation of Text,Audio,Images,and Video[EB/OL].[2017-10-01].http://www.akbc.ws/2014/
  slides/onysh-kevych-nips-akbc.pdf.
  [46] IARPA.FOREST[EB/OL].[2017-10-01].https://www.iarpa.gov/index.php/research-programs/forest.
  [47] IARPA.FUSE[EB/OL].[2017-10-01].https://www.iarpa.gov/index.php/research-programs/fuse.
  [48] �浅可�,李辉,付宏,等.谍报服务迈向3.0时代[J].谍报理论与实践,2015,38(9):1-7.
  [49] Tweedale J W,Phillips-Wren G,Jain L C.Advances in Intelligent Decision-Making Technology Support[M].Intelligent Decision Technology Support in Practice.Springer International Publishing,2016:3-28.
  [50] IARPA.CREATE[EB/OL].[2017-09-10].http://www.iarpa.gov/index.php/research-programs/create.
  [51] 人造智能市场规模将达1800亿美元[N/OL].[2018-01-21].http://dz.jjckb.cn/www/pages/webpage2009/html/2016-10/27/
  content_24758.htm.
  作者简介:田倩飞,女,中国科学院成都文献谍报中心助理切磋员,中国科学院大学谍报学博士切磋生,切磋偏向:谍报切磋要领与技艺、信息科技战略谍报切磋;张志强,男,中国科学院成都文献谍报中心切磋员,博士生导师,切磋偏向:谍报切磋要领与技艺、学科信息学与范畴常识发现、科学学与科学评估。
转载请注明来源。原文地址:https://www.7428.cn/page/2019/0121/79588/
 与本篇相关的热门内容: