人工智能行业融合部分赛道发展现状分析
作者： 来源： 小桔灯网 发布于：2022-05-25 19:55:50 文字：【
大】【
中】【
小】
摘要：
1956年，在达特茅斯学院的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”这一词汇。此后，达特茅斯会议便被广泛认为是人工智能诞生的标志，最早的一批人工智能学者和技术开始涌现，开启了人工智能跌宕起伏的漫长发展史。 
人工智能，顾名思义，就是模仿人类智慧的一门技术学科，给机器赋予人的意识和思想，帮助、代替甚至超越人类的认知、决策与分析，最终实现让机器拥有人类的思维方式去作业这一目的。
如图，算力、算法和数据是人工智能的三大基本要素，并且共同推动人工智能往更高层次的感知、认知发展。(1) 算力：包含软件、硬件系统的开发，通过计算机、芯片等载体提供基本运算能力；(2) 算法：通过一系列人工智能算法，比如机器学习等，从海量数据中获得规律，并利用规律对位置数据某些特性进行预测与判断；(3) 数据：数据是提升AI算法识别率和精确度的核心驱动因素。数据越多越优，场景特点越丰富；算法性能越高，模型更高效。伴随着新兴技术的兴起，数据量正呈现着指数式增长。“人工智能+制造业”，简称智能制造，指人工智能技术在制造业中的应用。传统的工业机器人，在执行指令时具有一定被动性，需要人工设置与干预。然而通过深度学习模型和海量数据训练后，实现了自主决策功能，赋予了机器学习能力，大大提升了生产效率并节约了人力资源。就融合路径而言，人工智能与制造业的融合发展主要涵盖研发设计、生产过程、园区物流、质量检验、计划排程、设备健康管理、营销服务、供应链管理等领域。传统的机器学习、专家系统等早期人工智能技术已经深入渗透在制造业各个领域，但比如深度学习、自然语言处理等新一代人工智能技术，由于规模化应用时间较短，仍在探索与突破阶段。人工智能技术在制造业各领域的应用表现如表1所示（用颜色的深浅代表该项技术在该环节中的应用程度，颜色越深代表应用程度越深）。
我国制造业不同行业所表现出来的数字化、自动化程度有很大不同，与人工智能技术融合程度也呈现出一定差异，如图3所示为AI技术在制造行业各领域渗透的特征（将细分行业划分为领军者、奋斗者、探索者三类，其中虚线圈为探索者，实线圈为奋斗者，实心圈为领军者）。 
由上图可以看出，计算机通信和其他电子设备制造业、家电制造业、机械设备制造业、汽车制造业等领军者行业与AI具有较高融合程度，并且这些行业产品迭代快、更加靠近消费者，具有更高的应用潜力。电气机械和器材制造业、仪器仪表制造业、医药制造业、纺织服装制造业、金属制品制造业、石油加工、炼焦和核燃料加工业、食品饮料制造业、冶金行业、化学纤维制造业，铁路、传播、航空航天和其他交通运输设备制造业、化学原料和化学制品制造业等奋斗者行业与AI具有良好的融合基础，未来发展空间很大。橡胶与塑料制品、非金属矿物制造、造纸包装及印刷业、文体娱乐用品制造业、木材加工及家具建造业正在积极的探索AI应用路径，该类行业数字化程度较低、智能化基础薄弱，所以导致与人工智能融合进行发展的赛道尚未成型。2.2人工智能+医疗业
作为科技“战疫”先锋，人工智能技术在众多医疗场景下都发挥着不可或缺的作用。比如语音识别、自然语言处理、计算机视觉、机器人技术等都在抗“疫”效率方面“大展身手”，在医疗诊断辅助、药物研发、病毒研究、医院管理、公共卫生、医疗机器人、远程医疗等领域也有着强大影响力，在疫情监控、人流预测、舆情分析、病毒研究、智能测温等方面对疫情防控也起到了积极作用。图4为智慧医疗产业图谱。 
我国将“AI+医疗”作为疫情防控的利器，应用到防控手段的各个方面，比如：分子研究、辅助诊断、疫情管控、公共卫生服务等。表2为人工智能技术助力抗疫的典型总结。
虽然AI技术在医疗领域试验成果颇丰，但要突破临床应用的考验仍然需要时间。由于临床症状的多样性，导致智慧医疗产品单凭人工智能技术很难解决医疗问题。另外，医疗训练数据和复合型人才也是智慧医疗领域面临的严峻问题。总结来说，目前，我国智慧医疗当面存在的挑战主要总结如下：(2) 临床症状的多样性与AI技术或者算法的匹配程度；(3) 医疗大数据与AI算法所需训练数据集的转化程度；参考文献
[1] 《“寒冬”or“拂晓”，捕捉AI企业上市潮机遇》西南证券研究发展中心计算机研究团队[2] 《“人工智能+制造”围绕三大方向加速落地发展》王淼、张振乾[3] 《疫情防控加速人工智能医疗应用落地》梁冬晗、厉欣林
附件下载： (已下载0次)
浏览 (45) |
评论 (0) | 评分(0) |
支持(0) |
反对(0) | 发布人：
来源： 小桔灯网
将本文加入收藏夹
标签：
