1. 人工智慧有哪些研究方向

你好，技術方面的話，主要是計算機視覺，自然語言處理，數據挖掘。
計算機視覺就包括圖像識別，視頻識別，具體應用有人臉識別，步態識別，無人駕駛汽車等等。
自然語言處理包括機器翻譯，語音識別，文本挖掘等等，像siri，谷歌翻譯裡面都有很多的自然語言處理技術。
數據挖掘主要是各種推薦和預測，包括電子商務的商品推薦，計算廣告，社交網路分析（微博好友推薦等），預測一些趨勢，比如股市的走向，天氣的變化等。

作者：李Shawn

2. 1 人工智慧的研究領域具體包含哪些是機器人和演算法嗎還有沒有其他

人工智慧(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的，現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確，因之當代人已不再把這種計算看作是「需要人類智能才能完成的復雜任務」, 可見復雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
[編輯本段]【人工和智能】
人工智慧的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或著人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。
人工智慧目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。
[編輯本段]【人工智慧的定義】
著名的美國斯坦福大學人工智慧研究中心尼爾遜教授對人工智慧下了這樣一個定義：「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。」而另一個美國麻省理工學院的溫斯頓教授認為：「人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作。」這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智能行為的基本理論、方法和技術。
人工智慧（Artificial Intelligence，簡稱AI）是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智慧）。也被認為是二十一世紀（基因工程、納米科學、人工智慧）三大尖端技術之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智慧已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。
人工智慧是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智慧與思維科學的關系是實踐和理論的關系，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智慧不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智慧的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智慧學科也必須借用數學工具，數學不僅在標准邏輯、模糊數學等范圍發揮作用，數學進入人工智慧學科，它們將互相促進而更快地發展。
[編輯本段]【實際應用】
機器視覺:指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統,智能搜索，定理證明，博弈，自動程序設計，還有航天應用等。
[編輯本段]【學科範疇】
人工智慧是一門邊沿學科，屬於自然科學和社會科學的交叉。
[編輯本段]【涉及學科】
哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論，仿生學，
[編輯本段]【研究范疇】
自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不精確和不確定的管理，人工生命，神經網路，復雜系統，遺傳演算法
[編輯本段]【應用領域】
智能控制，機器人學，語言和圖像理解，遺傳編程
[編輯本段]【意識和人工智慧的區別】
人工智慧就其本質而言，是對人的思維的信息過程的模擬。
對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出「類人腦」的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。
人工智慧不是人的智能，更不會超過人的智能。
「機器思維」同人類思維的本質區別：
1.人工智慧純系無意識的機械的物理的過程，人類智能主要是生理和心理的過程。
2.人工智慧沒有社會性。
3.人工智慧沒有人類的意識所特有的能動的創造能力。
4.兩者總是人腦的思維在前，電腦的功能在後。
[編輯本段]【強人工智慧和弱人工智慧】
人工智慧的一個比較流行的定義，也是該領域較早的定義，是由約翰·麥卡錫（John McCarthy|）在1956年的達特矛斯會議（Dartmouth Conference）上提出的：人工智慧就是要讓機器的行為看起來就象是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智慧的可能性（見下）。另一個定義指人工智慧是人造機器所表現出來的智能性。總體來講，目前對人工智慧的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這里「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。
強人工智慧
強人工智慧觀點認為有可能製造出真正能推理（Reasoning）和解決問題（Problem_solving）的智能機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智慧可以有兩類：
類人的人工智慧，即機器的思考和推理就像人的思維一樣。
非類人的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
弱人工智慧
弱人工智慧觀點認為不可能製造出能真正地推理（Reasoning）和解決問題（Problem_solving）的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。
主流科研集中在弱人工智慧上，並且一般認為這一研究領域已經取得可觀的成就。強人工智慧的研究則出於停滯不前的狀態下。
對強人工智慧的哲學爭論
「強人工智慧」一詞最初是約翰·羅傑斯·希爾勒針對計算機和其它信息處理機器創造的，其定義為：
「強人工智慧觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當的程序，計算機本身就是有思維的。」（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）這是指使計算機從事智能的活動。在這里智能的涵義是多義的、不確定的，象下面所提到的就是其中的例子。利用計算機解決問題時，必須知道明確的程序。可是，人即使在不清楚程序時，根據發現（heu- ristic）法而設法巧妙地解決了問題的情況是不少的。如識別書寫的文字、圖形、聲音等，所謂認識模型就是一例。再有，能力因學習而得到的提高和歸納推理、依據類推而進行的推理等，也是其例。此外，解決的程序雖然是清楚的，但是實行起來需要很長時間，對於這樣的問題，人能在很短的時間內找出相當好的解決方法，如競技的比賽等就是其例。還有，計算機在沒有給予充分的合乎邏輯的正確信息時，就不能理解它的意義，而人在僅是被給予不充分、不正確的信息的情況下，根據適當的補充信息，也能抓住它的意義。自然語言就是例子。用計算機處理自然語言，稱為自然語言處理。
關於強人工智慧的爭論不同於更廣義的一元論和二元論（alism）的爭論。其爭論要點是：如果一台機器的唯一工作原理就是對編碼數據進行轉換，那麼這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是對數據進行轉換，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關系的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。
也有哲學家持不同的觀點。Daniel C. Dennett 在其著作 Consciousness Explained 里認為，人也不過是一台有靈魂的機器而已，為什麼我們認為人可以有智能而普通機器就不能呢？他認為像上述的數據轉換機器是有可能有思維和意識的。
有的哲學家認為如果弱人工智慧是可實現的，那麼強人工智慧也是可實現的。比如Simon Blackburn在其哲學入門教材 Think 里說道，一個人的看起來是「智能」的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她／他僅僅是看起來是智能的。基於這個論點，既然弱人工智慧認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。Blackburn 認為這是一個主觀認定的問題。
需要要指出的是，弱人工智慧並非和強人工智慧完全對立，也就是說，即使強人工智慧是可能的，弱人工智慧仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在百多年前是被認為很需要智能的。
[編輯本段]【人工智慧簡史】
人工智慧的傳說可以追溯到古埃及，但隨著1941年以來電子計算機的發展，技術已最終可以創造出機器智能，「人工智慧」(Artificial Intelligence)一詞最初是在1956年Dartmouth學會上提出的，從那以後,研究者們發展了眾多理論和原理，人工智慧的概念也隨之擴展，在它還不長的歷史中，人工智慧的發展比預想的要慢，但一直在前進，從40年前出現到現在，已經出現了許多AI程序，並且它們也影響到了其它 技術的發展。
計算機時代
1941年的一項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第一台計算機要佔用幾間裝空調的大房間,對程序員來說是場惡夢:僅僅為運行一 個程序就要設置成千的線路.1949年改進後的能存儲程序的計算機使得輸入程序變得簡單些,而且計算機 理論的發展產生了計算機科學,並最終促使了人工智慧的出現.計算機這個用電子方式處理數據的發明, 為人工智慧的可能實現提供了一種媒介.
AI的開端
雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才注意到人類智能與機器之間 的聯系. Norbert Wiener是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動調溫器.它 將收集到的房間溫度與希望的溫度比較,並做出反應將加熱器開大或關小,從而控制環境溫度.這項對反饋 迴路的研究重要性在於: Wiener從理論上指出,所有的智能活動都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發現對早期AI的發展影響很大.
1955年末,Newell和Simon做了一個名為"邏輯專家"(Logic Theorist)的程序.這個程序被許多人 認為是第一個AI程序.它將每個問題都表示成一個樹形模型,然後選擇最可能得到正確結論的那一枝來求解 問題."邏輯專家"對公眾和AI研究領域產生的影響使它成為AI發展中一個重要的里程碑.1956年,被認為是 人工智慧之父的John McCarthy組織了一次學會,將許多對機器智能感興趣的專家學者聚集在一起進行了一 個月的討論.他請他們到 Vermont參加 " Dartmouth人工智慧夏季研究會".從那時起,這個領域被命名為 "人工智慧".雖然 Dartmouth學會不是非常成功,但它確實集中了AI的創立者們,並為以後的AI研究奠定了基礎.
Dartmouth會議後的7年中,AI研究開始快速發展.雖然這個領域還沒明確定義,會議中的一些思想 已被重新考慮和使用了. Carnegie Mellon大學和MIT開始組建AI研究中心.研究面臨新的挑戰: 下一步需 要建立能夠更有效解決問題的系統,例如在"邏輯專家"中減少搜索;還有就是建立可以自我學習的系統.
1957年一個新程序,"通用解題機"(GPS)的第一個版本進行了測試.這個程序是由製作"邏輯專家" 的同一個組開發的.GPS擴展了Wiener的反饋原理,可以解決很多常識問題.兩年以後,IBM成立了一個AI研 究組.Herbert Gelerneter花3年時間製作了一個解幾何定理的程序.
當越來越多的程序涌現時,McCarthy正忙於一個AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP語言. LISP到今天還在用."LISP"的意思是"表處理"(LISt Processing),它很快就為大多數AI開發者點贊.
1963年MIT從美國政府得到一筆220萬美元的資助,用於研究機器輔助識別.這筆資助來自國防部 高級研究計劃署(ARPA),已保證美國在技術進步上領先於蘇聯.這個計劃吸引了來自全世界的計算機科學家, 加快了AI研究的發展步伐.
大量的程序
以後幾年出現了大量程序.其中一個著名的叫"SHRDLU"."SHRDLU"是"微型世界"項目的一部分,包括 在微型世界(例如只有有限數量的幾何形體)中的研究與編程.在MIT由Marvin Minsky領導的研究人員發現, 面對小規模的對象,計算機程序可以解決空間和邏輯問題.其它如在60年代末出現的"STUDENT"可以解決代數 問題,"SIR"可以理解簡單的英語句子.這些程序的結果對處理語言理解和邏輯有所幫助.
70年代另一個進展是專家系統.專家系統可以預測在一定條件下某種解的概率.由於當時計算機已 有巨大容量,專家系統有可能從數據中得出規律.專家系統的市場應用很廣.十年間,專家系統被用於股市預 測,幫助醫生診斷疾病,以及指示礦工確定礦藏位置等.這一切都因為專家系統存儲規律和信息的能力而成為可能.
70年代許多新方法被用於AI開發,著名的如Minsky的構造理論.另外David Marr提出了機器視覺方 面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信 息,可以推斷出圖像可能是什麼.同時期另一項成果是PROLOGE語言,於1972年提出. 80年代期間,AI前進更為迅速,並更多地進入商業領域.1986年,美國AI相關軟硬體銷售高達4.25億 美元.專家系統因其效用尤受需求.象數字電氣公司這樣的公司用XCON專家系統為VAX大型機編程.杜邦,通用 汽車公司和波音公司也大量依賴專家系統.為滿足計算機專家的需要,一些生產專家系統輔助製作軟體的公 司,如Teknowledge和Intellicorp成立了。為了查找和改正現有專家系統中的錯誤,又有另外一些專家系統被設計出來.
從實驗室到日常生活
人們開始感受到計算機和人工智慧技術的影響.計算機技術不再只屬於實驗室中的一小群研究人員. 個人電腦和眾多技術雜志使計算機技術展現在人們面前.有了象美國人工智慧協會這樣的基金會.因為AI開發 的需要,還出現了一陣研究人員進入私人公司的熱潮。150多所像DEC(它雇了700多員工從事AI研究)這樣的公司共花了10億美元在內部的AI開發組上.
其它一些AI領域也在80年代進入市場.其中一項就是機器視覺. Minsky和Marr的成果現在用到了生產線上的相機和計算機中,進行質量控制.盡管還很簡陋,這些系統已能夠通過黑白區別分辨出物件形狀的不同.到1985年美國有一百多個公司生產機器視覺系統,銷售額共達8千萬美元.
但80年代對AI工業來說也不全是好年景.86-87年對AI系統的需求下降,業界損失了近5億美元.象 Teknowledge和Intellicorp兩家共損失超過6百萬美元,大約占利潤的三分之一巨大的損失迫使許多研究領 導者削減經費.另一個另人失望的是國防部高級研究計劃署支持的所謂"智能卡車".這個項目目的是研製一種能完成許多戰地任務的機器人。由於項目缺陷和成功無望,Pentagon停止了項目的經費.
盡管經歷了這些受挫的事件,AI仍在慢慢恢復發展.新的技術在日本被開發出來,如在美國首創的模糊邏輯,它可以從不確定的條件作出決策;還有神經網路,被視為實現人工智慧的可能途徑.總之,80年代AI被引入了市場,並顯示出實用價值.可以確信,它將是通向21世紀之匙. 人工智慧技術接受檢驗 在"沙漠風暴"行動中軍方的智能設備經受了戰爭的檢驗.人工智慧技術被用於導彈系統和預警顯示以 及其它先進武器.AI技術也進入了家庭.智能電腦的增加吸引了公眾興趣;一些面向蘋果機和IBM兼容機的應用 軟體例如語音和文字識別已可買到;使用模糊邏輯,AI技術簡化了攝像設備.對人工智慧相關技術更大的需求促 使新的進步不斷出現.人工智慧已經並且將繼續不可避免地改變我們的生活.

3. 人工智慧的主要研究領域和應用領域有哪些

主要是復在 自然語言制處理 圖像處理 數據挖掘 這幾個方面有深入。
最基本的就是 機器學習 這個人工智慧領域

應用的話 機器人算半個，具體可以參考Rodney Brooks結構。
主要還是數據挖掘，人工智慧在國外比較偏重於信息學科

4. 希望政府重點開展哪些人工智慧關鍵共性技術研究和資金支持

針對我國人工智慧發展的迫切需求和薄弱環節，設立新一代人工智慧重大科技項目。加強整體統籌，明確任務邊界和研發重點，形成以新一代人工智慧重大科技項目為核心、現有研發布局為支撐的「1+N」人工智慧項目群。
「1」是指新一代人工智慧重大科技項目，聚焦基礎理論和關鍵共性技術的前瞻布局，包括研究大數據智能、跨媒體感知計算、混合增強智能、群體智能、自主協同控制與決策等理論，研究知識計算引擎與知識服務技術、跨媒體分析推理技術、群體智能關鍵技術、混合增強智能新架構與新技術、自主無人控制技術等，開源共享人工智慧基礎理論和共性技術。持續開展人工智慧發展的預測和研判，加強人工智慧對經濟社會綜合影響及對策研究。
「N」是指國家相關規劃計劃中部署的人工智慧研發項目，重點是加強與新一代人工智慧重大科技項目的銜接，協同推進人工智慧的理論研究、技術突破和產品研發應用。加強與國家科技重大專項的銜接，在「核高基」（核心電子器件、高端通用晶元、基礎軟體）、集成電路裝備等國家科技重大專項中支持人工智慧軟硬體發展。加強與其他「科技創新2030—重大項目」的相互支撐，加快腦科學與類腦計算、量子信息與量子計算、智能製造與機器人、大數據等研究，為人工智慧重大技術突破提供支撐。國家重點研發計劃繼續推進高性能計算等重點專項實施，加大對人工智慧相關技術研發和應用的支持；國家自然科學基金加強對人工智慧前沿領域交叉學科研究和自由探索的支持。在深海空間站、健康保障等重大項目，以及智慧城市、智能農機裝備等國家重點研發計劃重點專項部署中，加強人工智慧技術的應用示範。其他各類科技計劃支持的人工智慧相關基礎理論和共性技術研究成果應開放共享。

5. 中國科學家在人工智慧研究上基礎取得的哪些重要成果

中國目前在人工智慧領域緊隨美國，是全球推進人工智慧最積極的國家之一。同時，中國也是全世界最大規模建設視頻監控的國家，行業里除了像海康威視、大華股份、東方網力等企業在做人工智慧相關的研發外，還有IT互聯網背景的人工智慧企業跨界過來做相關的視頻應用，相關的科技人才也順著這種跨界路徑轉移了過來，作為一個科學人才，吳惟心的經歷就是如此。

東方網力首席科學家 吳惟心

人工智慧發展下的科技人才團隊構建
吳惟心擁有從硬體企業到互聯網企業，再到創業公司，再被亞馬遜收購到產品上線並在全世界應用的經歷。這一經歷給吳惟心的啟示就是，一個專業人才除了在專業技術方面有深入的理解和積累外，還需要有縱深行業的應用背景。

吳惟心選擇了這樣一條職業發展道路，根本原因是他看到了產業的發展趨勢。即任何成熟的技術，先是以一個單一的技術呈現，以服務的方式提供給用戶，成熟的技術集成度會越來越高，然後集成在某一個行業里應用。當幾個單項技術或產品整體成熟後，加上人工智慧的技術進行整合集成應用，這是計算的發展趨勢。

可以預見，當中國視頻監控應用的高熱度與人工智慧的熱度形成碰撞和融合，相關的優秀科技人才也在順著這個產業的熱點去尋找自身的價值點，並與安防產業結合，進而推動產業的發展，這會成就一批人工智慧科學家，也會成就一批優秀的中國企業。所以，觀察安防業界的幾家領軍企業，都在加強人工智慧方面的研究以及人才團隊的構建，例如由東方網力與商湯科技合資成立的深網視界，以及由東方網力作為LP發起建立的萬象人工智慧研究院。

軟體、硬體、數據、人才是推動人工智慧發展的幾個關鍵維度，安防企業在人工智慧基礎技術的研發、產品的研發，行業應用的研發方面都需要著力，而且這三個方面都與人工智慧科技人才的培養積累直接相關。

吳惟心認為，應用科學家一方面要具有人工智慧的技術，包括對數據、建模、軟體、硬體等的理解和積累；另外要經歷包括檢測、跟蹤、分類等在多個項目上的歷練，這就是基礎項目研發所需要的積累。這些人主要負責獲取最好的訓練數據，並且把給定的訓練數據用到最好，達到最好的效果。基礎技術研發還包括對軟體訓練框架的選擇、選取、修改，對數據的把握、估計。

另一方面是對產品的研發，就是技術成果的轉化。拿到這個模型做成好的服務，產品以某種方式提供服務或行業應用，把結構化服務等整合到一起，形成好的解決方案。

科學家在人工智慧發展中的價值
科學技術是沒有國界的，當全球各個國家不同的科學家在不同的維度、節點上去研究、創新和突破，再把全球科學家的智慧成果結合起來，就可能推動一次產業革命。但科學家的研究工作，以及科學技術成果的落地，是需要合適的土壤的，哪裡的土壤最好，最適合他們去做這些事情，他們就會去哪裡生根、發芽、開花、結果。

隨著中國各個行業的發展，例如安防行業的發展，尤其人工智慧技術的引入，加快了吸引國內、國際的優秀科技人才加入的節奏。這些科學家對於中國的人工智慧發展會有哪些核心的作用，或者會帶來哪些最核心的價值？

吳惟心表示現在最需要的是應用科學家，應用科學家與傳統的科學家是不一樣。因為除了機器學習理論、深度學習的理論、計算機視覺、自然語言處理，應用科學家還需要懂得GPU架構、計算架構、互聯網通信，需要知道怎麼把服務提供出去。這些能幫助上下游數據工程師，軟體工程師來打造完整的AI產品和服務，這是現在的應用科學家所應該具備的能力條件。

科學家在企業發展中有哪些價值？個人經歷讓吳惟心看到了幾個階段，就是從0到0.1，從0.1到1，以及從1到100的三個發展階段。這是研究本身，研究與產業接合，產業的發展三個典型階段。科學家在這三個階段，都有可能發揮很強的推動和引導作用（階段性的）。就美國來看，科學家在高校里基本上做的就是從0到0.1的事，從0.1到1是很多創業公司做的事，這在矽谷比較明顯。

在這三個發展階段中，科學家主要在0到0.1，以及0.1到1層面發揮了巨大的作用，而在1到100環節，科學家起到的是一個研究，整合以及質量監督的作用。在人工智慧的發展上，科學家應該也要在這三個環節上起到重要作用。

萬象人工智慧研究院的目標：做好積累，支持產業和企業的發展
今年3月，由東方網力擬作為LP之一發起建立的萬象人工智慧研究院宣布成立。作為萬象人工智慧研究院第一批研究員的吳惟心表示，在微觀上，研究院就是做人才的積累，以及經驗、數據的積累，可以給科學家創造一個好的環境，提供合適的條件，先去解決我們首先看到的問題，這個過程其實也是人才的積累。通過解決問題，也實現了經驗的積累，中間還有數據的積累，硬體與軟體在這過程中也會積累起來。

在宏觀上，研究院如果做得比較好，也可以支持和幫助其他需要轉型的企業。人工智慧本質上它並不局限於某一個行業，而是一種通用技術，這就決定了研究院要保持它的活力，需要有足夠的合適的問題來讓它來解決，以及怎樣去解決。如果讓它局限於某一個行業，有可能做研究的人員就沒有足夠的問題去解決，而某些需要解決的問題他們又沒有辦法去做。

當然，從發展趨勢上看，東方網力將不僅是一家安防企業，它對人工智慧的期待有它更大的目標，這也是萬象人工智慧研究院和相關科學家要努力的目標。

6. 人工智慧研究內容有哪些（簡答題）

人工智慧學來科研究的主要自內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

用來研究人工智慧的主要物質基礎以及能夠實現人工智慧技術平台的機器就是計算機，人工智慧的發展歷史是和計算機科學技術的發展史聯系在一起的。除了計算機科學以外，人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。

(6)人工智慧科研項目擴展閱讀

智能模擬：機器視、聽、觸、感覺及思維方式的模擬：指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，智能搜索，定理證明，邏輯推理，博弈，信息感應與辨證處理。

學科範疇：人工智慧是一門邊沿學科，屬於自然科學、社會科學、技術科學三向交叉學科。

涉及學科：哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論，仿生學，社會結構學與科學發展觀。

7. 人工智慧的應用領域有哪些

機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。

8. 人工智慧的主要應用領域有哪些最好具體點

機器視來覺，指紋識自別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。

人工智慧就其本質而言，是對人的思維和信息過程的模擬。對於人的思維模擬可以從兩條途徑進行，一是結構模擬，仿照人腦的結構機制，製造出「類人腦」的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。

圖奕具有專業的網路科技相關技術。目前，公司擁有近百人的軟體研發團隊，遵循行業技術、管理及安全標准，團隊人員配備完整公司研發方向包含了傳統互聯網、移動互聯網、物聯網、空間地理信息、音視頻處理、大數據分析及應用服務、分布式計算、分布式存儲，自動化發布、自動化部署、自動化測試、持續集成、智能化運維、智能客服、智能推薦等方面，公司長期以科技創新為核心驅動力，與國內眾多知名軟體企業形成戰略合作關系，軟體產品研發能力已成為全省軟體企業前列。

9. 《一百年的人工智慧研究》這個項目是什麼

《一百年的人工智慧研究》這個項目的內容是圍繞人工智慧對美國普通城市的影響進行探究總結，評估人工智慧的現狀及其未來發展方向。是Eric Horvitz的心血，他是微軟研究院的技術研究員和管理總監。

以下是他們認為未來十五年人工智慧將影響城市生活的8個關鍵變化。

1.交通運輸

到2030年，娛樂行業將是互動的、個性化的，而且肯定比現在更加吸引人。感測器和硬體上的研究突破將會讓VR技術、觸覺技術和機器人助手走進千家萬戶。用戶將可以與智能娛樂系統交流互動，它們會表現出情感、同理心以及適應周圍環境的能力，比如適應一天的時間。