第二节 人工智能驱动的经济数字化转型研究
回顾经济信息化数字化转型的历程，先后经历了从信息通信技术驱动到互联网驱动的发展阶段，在不同阶段，社会大众的认知和需求对数字技术的发展和应用产生了重要的影响，许多新场景、新业态的出现都是由大众的需求催生的。信息技术对绝大多数行业的变革都经历了以应用为导向、从需求端逐渐向供给端渗透的过程，经济数字化转型的过程就是从社会认知到应用需求到技术供给逐步演进的过程。
一 人工智能的技术发展
以1956年达特茅斯会议为起点，人工智能至今已有60多年的研究和应用发展历史。在此过程中，经历了三次发展浪潮。第一次兴起源于计算机可以用于解决一些原本只有人类才能完成的复杂事情，如计算代数应用题、证明几何定理、学习和使用英语等。但受制于当时算法的不完备和计算机硬件能力的不足，人工智能并未达成人们所期待的结果，并陷入了低谷。第二次人工智能的兴起则是以“专家系统”的理念进入人们的视线。但算法架构的局限性与实际生产业务的高度复杂性之间不可调和的矛盾，严重降低了人工智能所能带来的实际价值，使人工智能又一次进入了沉寂。
从20世纪90年代后半期至今，人工智能迎来第三次兴起。这一阶段，互联网和计算机硬件产业的飞速发展使支撑人工智能发展的算法、数据、硬件这三方面核心要素都取得了长足的进步。[27]在算法层面，近年来深度学习技术快速发展，推动了人工智能应用在多领域落地。[28]在数据层面，互联网发展带来的大量数据积累，为人工智能算法的实践提供了良好的数据基础。在硬件层面，GPU（图形处理器）、TPU（张量处理器）等新一代芯片以及FPGA（现场可编程门陈列）异构计算服务器等新的硬件设施也正在被大范围用于专门的人工智能计算。目前，较为重要的人工智能核心技术可划分为深度学习、计算机视觉、智能语音、自然语言处理、数据挖掘和芯片硬件六类。[29]
深度学习技术基于对神经网络算法的延伸，可以自动学习大数据中的特征信息，极大地简化了传统机器学习算法中所需的特征工程。[30]当前在一些诸如物体、图像和语音等富媒体的识别方面，深度学习算法都取得了非常好的效果。同时，结合深度学习与强化学习所形成的深度强化学习技术，更是能在空白状态下进行自主学习来实现具体应用，谷歌下属公司DeepMind在2017年10月发布的AlphaGoZero正是对这一技术的典型应用。
计算机视觉技术包含图像识别、视频理解、增强现实/虚拟现实（AR/VR）等核心技术。其中图像识别以对静态图像的分析和处理为主，发展较为成熟。视频理解则是随着近年来视频类信息的大量出现而新兴的技术，用以对动态视频信息的分析和处理。此外，结合图像分析技术和传感类技术，AR/VR技术可以在三维空间中生成虚拟的环境。目前计算机视觉技术在物体识别方面的能力已经超越人类，[31]微软亚洲研究院在2015年的ImageNet大赛中已成功实现系统识别错误率低至3.57%的识别系统。同时在人脸识别、视频理解等方面，相关的技术也在快速发展，最新的苹果手机已经可以实现人脸解锁功能。
智能语音和自然语言处理两个技术方向互相配合较为紧密，本书将这两类技术统称为语音语义识别技术。目前结合这两类技术，已经能够实现人机间的多轮对话。但同时智能语音技术在方言、朗读语音、多通道语音理解、情感识别等仍存在一些技术难点，而自然语言处理技术则在理解和表示知识时仍存在一些关键技术难点需要解决。[32]
数据挖掘技术，主要包括数据清理、数据变换、内容挖掘、模式评估和知识表示等多个数据分析过程。目前已有多种成熟的机器学习算法，可用于数据分析操作。但由于许多领域数据收集困难、数据结构复杂，使得目前数据挖掘的主要技术和实施难点集中在对数据的收集和预处理方面。
芯片硬件是实现人工智能算法的物理基础，由于传统计算架构无法支撑人工智能算法的海量数据并行运算，因此性能和功耗都无法达到实际应用需求。目前GPU、FPGA等通用芯片基于其适用并行计算的特点，正被应用于一些人工智能应用中，例如人机围棋大战中的AlphaGo就使用了约170个GPU。与此同时一些领先的公司已经在开发和实践专用人工智能芯片，如谷歌的TPU芯片、中国科学院计算所的寒武纪深度学习处理器芯片。
总体来说，目前各类人工智能技术都已具备了阶段性的研究和应用基础。同时从算法到硬件，人工智能技术都还有着更为广阔的发展前景。在当前各类技术应用加速落地的过程中，未来人工智能技术的发展将会获得来自科学研究和商业应用两方面共同的促进。
二 人工智能带来的影响与变革
随着技术、算法的创新和突破，人工智能让诸多商业和生活场景变得更加智能和高效，催生出许多新的业态和商业模式。总体来看，人工智能在金融、零售、制造行业、医疗、安防、交通领域的渗透较早，对这些行业的数字化转型正产生深刻的影响和变革。
金融、零售行业目前已具备较为成熟的行业应用场景，也是未来人工智能应用的优势行业。这些领域对硬件依赖程度较小，最直接的应用就是为企业提供智能化解决方案和数据分析服务。金融领域的量化交易、智能投顾，商务零售领域的用户画像、精准营销、智能办公等场景，都是目前人工智能应用的热点。
制造行业和医疗业作为传统行业，由于长期沿用体系化和流程化的工作模式，拥有很好的数据积累和模式化经验，存在许多可通过人工智能技术优化的应用场景。例如，医疗领域的病案管理和分析、医疗影像识别以及制造行业领域的3D打印、智能制造等场景。
安防行业结合硬件和人工智能算法，可催生多样化的人工智能应用场景。安防领域的智能摄像头、门禁系统都是有效的人工智能应用场景。物联网行业催生的各类智慧城市形态也都是人工智能未来广阔的应用空间。
交通行业可通过对交通数据的学习，智能调控车流和规划行车路线，最典型的应用场景就是无人驾驶。无人驾驶结合了多种人工智能相关技术，是目前十分具有商用价值的技术方向。2017年百度开发者大会上，百度正式发布了Apollo自动驾驶开放平台，并预期与众多合作伙伴合力打造中国的无人驾驶产业。
三 人工智能社会认知与应用需求研究
衡量中国经济的数字化转型是否已经进入大数据与人工智能驱动的新阶段，既要综合考虑大众对人工智能的关注和认知情况，也要考虑社会对人工智能在相关应用的需求情况。由于搜索数据是对大众关注点演变情况最直接的呈现，因此采用搜索数据可以充分挖掘大众认知的发展和需求的变化趋势。本书基于2014年1月至2017年6月互联网用户在百度搜索人工智能相关词汇的数据，分析大众对人工智能的认知现状及发展趋势，进而考察大众对人工智能的需求情况。人工智能相关词汇的选取主要包含了两类关键词：社会认知类和应用需求类。
社会认知类关键词主要考察大众对人工智能概念层面的认知情况，具体又分为三个子类：基本认知类、专业认知类和技术认知类，分别对应大众认知由浅入深的三个层次。基本认知类词汇包括“人工智能”“Artificial Intelligence”“AI”以及这三个词的共现词（用户通过百度直接搜索“人工智能/AI+某词”，共46个词汇），这类词汇的搜索趋势可以反映出大众对人工智能最基本、最直观的认知情况以及人工智能概念的普及过程。专业认知类词汇主要包括深度学习、计算机视觉和语音语义识别三个方向的核心关键词，如“深度学习”“虚拟现实”“图像识别”“语音识别”等专业性词汇（共39个词汇）。相比于其他人工智能相关的技术，深度学习、语音语义与视觉处理这三类技术是当前人工智能发展最核心、最成熟的技术，包含的搜索词也更为丰富，能够有效反映出人们对人工智能专业层面的认知情况。技术认知类词汇比专业认知类词汇更加深入，主要包含支撑上述三类技术的一些技术细节和算法类词汇，如“卷积神经网络”“增强学习”和“Slam算法”等（共78个词汇），这类词汇的搜索趋势可以反映出人们对人工智能更深层次的认知情况。
用户对某一类词汇的搜索在很大程度上可以反映出潜在的需求，因此应用需求类关键词主要考察大众对人工智能应用场景的相关搜索，进而反映出大众对人工智能的潜在需求。应用需求类关键词具体又分为两个子类：技术应用类和行业应用类。技术应用类词汇侧重于反映大众对人工智能技术应用到实际场景中的关注情况，相关词汇包括“深度学习应用”“人脸合成软件”“虚拟现实眼镜”和“语音合成软件”等。行业应用类词汇主要包括大众对于智能驾驶、安防、金融、商务零售、医疗、制造等行业与人工智能相关搜索词汇，如“无人驾驶”“智能安防”“智能投顾”“智能零售”“远程医疗”和“智慧车间”等，侧重于反映大众对人工智能行业应用的关注情况。