3.2.4 智能产品

  智能产品是指将人工智能领域的技术成果集成化、产品化，具体的分类如表 1 所示。

表 1 人工智能的产品

  随着制造强国、网络强国、数字中国建设进程的加快，在制造、家居、金融、 教育、交通、安防、医疗、物流等领域对人工智能技术和产品的需求将进一步释 放，相关智能产品的种类和形态也将越来越丰富。

  3.2.5 人工智能行业应用

  人工智能与行业领域的深度融合将改变甚至重新塑造传统行业，本节重点介 绍人工智能在制造、家居、金融、交通、安防、医疗、物流行业的应用，由于篇 幅有限，其它很多重要的行业应用在这里不展开论述。

  （1）智能制造

  智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、 生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执 行、自适应等功能的新型生产方式。智能制造对人工智能的需求主要表现在以下 三个方面：一是智能装备，包括自动识别设备、人机交互系统、工业机器人以及 数控机床等具体设备，涉及到跨媒体分析推理、自然语言处理、虚拟现实智能建 模及自主无人系统等关键技术。二是智能工厂，包括智能设计、智能生产、智能 管理以及集成优化等具体内容，涉及到跨媒体分析推理、大数据智能、机器学习 等关键技术。三是智能服务，包括大规模个性化定制、远程运维以及预测性维护 等具体服务模式，涉及到跨媒体分析推理、自然语言处理、大数据智能、高级机 器学习等关键技术。例如，现有涉及智能装备故障问题的纸质化文件，可通过自 然语言处理，形成数字化资料，再通过非结构化数据向结构化数据的转换，形成 深度学习所需的训练数据，从而构建设备故障分析的神经网络，为下一步故障诊 断、优化参数设置提供决策依据。

  （2）智能家居

  参照工业和信息化部印发的《智慧家庭综合标准化体系建设指南》，智能家 居是智慧家庭八大应用场景之一。受产业环境、价格、消费者认可度等因素影响， 我国智能家居行业经历了漫长的探索期。至 2010 年，随着物联网技术的发展以 及智慧城市概念的出现，智能家居概念逐步有了清晰的定义并随之涌现出各类产 品，软件系统也经历了若干轮升级。

  智能家居以住宅为平台，基于物联网技术，由硬件（智能家电、智能硬件、 安防控制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现人远 程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行 为数据为用户提供个性化生活服务，使家居生活安全、节能、便捷等。例如，借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘 （窗户）、操控家用电器和照明系统、打扫卫生等操作；借助机器学习技术，智 能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐 给用户。通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等；通过大数 据技术可以使智能家电实现对自身状态及环境的自我感知，具有故障诊断能力。 通过收集产品运行数据，发现产品异常，主动提供服务，降低故障率。还可以通 过大数据分析、远程监控和诊断，快速发现问题、解决问题及提高效率。

  （3）智能金融

  人工智能的飞速发展将对身处服务价值链高端的金融业带来深刻影响，人工 智能逐步成为决定金融业沟通客户、发现客户金融需求的重要因素。人工智能技 术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策， 并用于风险防控和监督，将大幅改变金融现有格局，金融服务将会更加地个性化 与智能化。智能金融对于金融机构的业务部门来说，可以帮助获客，精准服务客 户，提高效率；对于金融机构的风控部门来说，可以提高风险控制，增加安全性； 对于用户来说，可以实现资产优化配置，体验到金融机构更加完美地服务。人工 智能在金融领域的应用主要包括：智能获客，依托大数据，对金融用户进行画像， 通过需求响应模型，极大地提升获客效率；身份识别，以人工智能为内核，通过 人脸识别、声纹识别、指静脉识别等生物识别手段，再加上各类票据、身份证、 银行卡等证件票据的 OCR 识别等技术手段，对用户身份进行验证，大幅降低核 验成本，有助于提高安全性；大数据风控，通过大数据、算力、算法的结合，搭 建反欺诈、信用风险等模型，多维度控制金融机构的信用风险和操作风险，同时 避免资产损失；智能投顾，基于大数据和算法能力，对用户与资产信息进行标签 化，精准匹配用户与资产；智能客服，基于自然语言处理能力和语音识别能力， 拓展客服领域的深度和广度，大幅降低服务成本，提升服务体验；金融云，依托 云计算能力的金融科技，为金融机构提供更安全高效的全套金融解决方案。

  （4）智能交通

  智能交通系统（Intelligent Traffic System，ITS）是通信、信息和控制技术在 交通系统中集成应用的产物。ITS 借助现代科技手段和设备，将各核心交通元素 联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用，形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通。 例如通过交通信息采集系统采集道路中的车辆流量、行车速度等信息，信息分析 处理系统处理后形成实时路况，决策系统据此调整道路红绿灯时长，调整可变车 道或潮汐车道的通行方向等，通过信息发布系统将路况推送到导航软件和广播中， 让人们合理规划行驶路线。通过不停车收费系统（ETC），实现对通过 ETC 入口 站的车辆身份及信息自动采集、处理、收费和放行，有效提高通行能力、简化收 费管理、降低环境污染。

  ITS 应用最广泛的地区是日本，其次是美国、欧洲等地区。中国的智能交通 系统近几年也发展迅速，在北京、上海、广州、杭州等大城市已经建设了先进的 智能交通系统；其中，北京建立了道路交通控制、公共交通指挥与调度、高速公 路管理和紧急事件管理等四大 ITS 系统；广州建立了交通信息共用主平台、物流 信息平台和静态交通管理系统等三大 ITS 系统。

  （5）智能安防

  智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别 安全隐患并对其进行处理的技术。智能安防与传统安防的最大区别在于智能化， 传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智 能判断，从而尽可能实现实时地安全防范和处理。

  当前，高清视频、智能分析等技术的发展，使得安防从传统的被动防御向主 动判断和预警发展，行业也从单一的安全领域向多行业应用发展，进而提升生产 效率并提高生活智能化程度，为更多的行业和人群提供可视化及智能化方案。用 户面对海量的视频数据，已无法简单利用人海战术进行检索和分析，需要采用人 工智能技术作专家系统或辅助手段，实时分析视频内容，探测异常信息，进行风 险预测。从技术方面来讲，目前国内智能安防分析技术主要集中在两大类：一类 是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过不同的 规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等，例如： 区域入侵分析、打架检测、人员聚集分析、交通事件检测等；另一类是利用模式 识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到 对视频画面中的特定物体进行识别，如车辆检测、人脸检测、人头检测（人流统 计）等应用。

  智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的 监控，移动物体监测等。今后智能安防还要解决海量视频数据分析、存储控制及 传输问题，将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市 下的安防体系。

  （6）智能医疗

  人工智能的快速发展，为医疗健康领域向更高的智能化方向发展提供了非常 有利的技术条件。近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、 药物开发等方面发挥重要作用。

  在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率，提升 一线全科医生的诊断治疗水平。如利用智能语音技术可以实现电子病历的智能语 音录入；利用智能影像识别技术，可以实现医学图像自动读片；利用智能技术和 大数据平台，构建辅助诊疗系统。

  在疾病预测方面，人工智能借助大数据技术可以进行疫情监测，及时有效地 预测并防止疫情的进一步扩散和发展。以流感为例，很多国家都有规定，当医生 发现新型流感病例时需告知疾病控制与预防中心。但由于人们可能患病不及时就 医，同时信息传达回疾控中心也需要时间，因此，通告新流感病例时往往会有一 定的延迟，人工智能通过疫情监测能够有效缩短响应时间。

  在医疗影像辅助诊断方面，影像判读系统的发展是人工智能技术的产物。早 期的影像判读系统主要靠人手工编写判定规则，存在耗时长、临床应用难度大等 问题，从而未能得到广泛推广。影像组学是通过医学影像对特征进行提取和分析， 为患者预前和预后的诊断和治疗提供评估方法和精准诊疗决策。这在很大程度上 简化了人工智能技术的应用流程，节约了人力成本。

  （7）智能物流

  传统物流企业在利用条形码、射频识别技术、传感器、全球定位系统等方面 优化改善运输、仓储、配送装卸等物流业基本活动，同时也在尝试使用智能搜索、 推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作 和高效率优化管理，提高物流效率。例如，在仓储环节，利用大数据智能通过分 析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化 与配置等。在货物搬运环节，加载计算机视觉、动态路径规划等技术的智能搬运 机器人（如搬运机器人、货架穿梭车、分拣机器人等）得到广泛应用，大大减少 了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度 提升。

  3.2.6 人工智能产业发展趋势

  从人工智能产业进程来看，技术突破是推动产业升级的核心驱动力。数据资 源、运算能力、核心算法共同发展，掀起人工智能第三次新浪潮。人工智能产业 正处于从感知智能向认知智能的进阶阶段，前者涉及的智能语音、计算机视觉及 自然语言处理等技术，已具有大规模应用基础，但后者要求的“机器要像人一样 去思考及主动行动”仍尚待突破，诸如无人驾驶、全自动智能机器人等仍处于开 发中，与大规模应用仍有一定距离。

  （1）智能服务呈现线下和线上的无缝结合

  分布式计算平台的广泛部署和应用，增大了线上服务的应用范围。同时人工 智能技术的发展和产品不断涌现，如智能家居、智能机器人、自动驾驶汽车等， 为智能服务带来新的渠道或新的传播模式，使得线上服务与线下服务的融合进程 加快，促进多产业升级。

  （2）智能化应用场景从单一向多元发展

  目前人工智能的应用领域还多处于专用阶段，如人脸识别、视频监控、语音 识别等都主要用于完成具体任务，覆盖范围有限，产业化程度有待提高。随着智 能家居、智慧物流等产品的推出，人工智能的应用终将进入面向复杂场景，处理 复杂问题，提高社会生产效率和生活质量的新阶段。

  （3）人工智能和实体经济深度融合进程将进一步加快

  党的十九大报告提出“推动互联网、大数据、人工智能和实体经济深度融合”， 一方面，随着制造强国建设的加快将促进人工智能等新一代信息技术产品发展和 应用，助推传统产业转型升级，推动战略性新兴产业实现整体性突破。另一方面， 随着人工智能底层技术的开源化，传统行业将有望加快掌握人工智能基础技术并依托其积累的行业数据资源实现人工智能与实体经济的深度融合创新。

  3.3 安全、伦理、隐私问题

  历史经验表明新技术常常能够提高生产效率，促进社会进步。但与此同时， 由于人工智能尚处于初期发展阶段，该领域的安全、伦理、隐私的政策、法律和 标准问题值得关注。就人工智能技术而言，安全、伦理和隐私问题直接影响人们 与人工智能工具交互经验中对人工智能技术的信任。社会公众必须信任人工智能 技术能够给人类带来的安全利益远大于伤害，才有可能发展人工智能。要保障安 全，人工智能技术本身及在各个领域的应用应遵循人类社会所认同的伦理原则， 其中应特别关注的是隐私问题，因为人工智能的发展伴随着越来越多的个人数据 被记录和分析，而在这个过程中保障个人隐私则是社会信任能够增加的重要条件。 总之，建立一个令人工智能技术造福于社会、保护公众利益的政策、法律和标准 化环境，是人工智能技术持续、健康发展的重要前提。为此，本章集中讨论与人 工智能技术相关的安全、伦理、隐私的政策和法律问题。

  3.3.1 人工智能的安全问题

  人工智能最大的特征是能够实现无人类干预的，基于知识并能够自我修正地 自动化运行。在开启人工智能系统后，人工智能系统的决策不再需要操控者进一 步的指令，这种决策可能会产生人类预料不到的结果。设计者和生产者在开发人 工智能产品的过程中可能并不能准确预知某一产品会存在的可能风险。因此，对 于人工智能的安全问题不容忽视。

  与传统的公共安全（例如核技术）需要强大的基础设施作为支撑不同，人工 智能以计算机和互联网为依托，无需昂贵的基础设施就能造成安全威胁。掌握相 关技术的人员可以在任何时间、地点且没有昂贵基础设施的情况下做出人工智能 产品。人工智能的程序运行并非公开可追踪，其扩散途径和速度也难以精确控制。 在无法利用已有传统管制技术的条件下，对人工智能技术的管制必须另辟蹊径。 换言之，管制者必须考虑更为深层的伦理问题，保证人工智能技术及其应用均应 符合伦理要求，才能真正实现保障公共安全的目的。

  由于人工智能技术的目标实现受其初始设定的影响，必须能够保障人工智能设计的目标与大多数人类的利益和伦理道德一致，即使在决策过程中面对不同的 环境，人工智能也能做出相对安全的决定。从人工智能的技术应用方面看，要充 分考虑到人工智能开发和部署过程中的责任和过错问题，通过为人工智能技术开 发者、产品生产者或者服务提供者、最终使用者设定权利和义务的具体内容，来 达到落实安全保障要求的目的。

  此外，考虑到目前世界各国关于人工智能管理的规定尚不统一，相关标准也 处于空白状态，同一人工智能技术的参与者可能来自不同国家，而这些国家尚未 签署针对人工智能的共有合约。为此，我国应加强国际合作，推动制定一套世界 通用的管制原则和标准来保障人工智能技术的安全性。

  3.3.2 人工智能的伦理问题

  人工智能是人类智能的延伸，也是人类价值系统的延伸。在其发展的过程中， 应当包含对人类伦理价值的正确考量。设定人工智能技术的伦理要求，要依托于 社会和公众对人工智能伦理的深入思考和广泛共识，并遵循一些共识原则：

  一是人类利益原则，即人工智能应以实现人类利益为终极目标。这一原则体 现对人权的尊重、对人类和自然环境利益最大化以及降低技术风险和对社会的负 面影响。在此原则下，政策和法律应致力于人工智能发展的外部社会环境的构建， 推动对社会个体的人工智能伦理和安全意识教育，让社会警惕人工智能技术被滥 用的风险。此外，还应该警惕人工智能系统作出与伦理道德偏差的决策。例如， 大学利用机器学习算法来评估入学申请，假如用于训练算法的历史入学数据（有 意或无意）反映出之前的录取程序的某些偏差（如性别歧视），那么机器学习可 能会在重复累计的运算过程中恶化这些偏差，造成恶性循环。如果没有纠正，偏 差会以这种方式在社会中永久存在。

  二是责任原则，即在技术开发和应用两方面都建立明确的责任体系，以便在 技术层面可以对人工智能技术开发人员或部门问责，在应用层面可以建立合理的 责任和赔偿体系。在责任原则下，在技术开发方面应遵循透明度原则；在技术应 用方面则应当遵循权责一致原则。

  其中，透明度原则要求了解系统的工作原理从而预测未来发展，即人类应当 知道人工智能如何以及为何做出特定决定，这对于责任分配至关重要。例如，在神经网络这个人工智能的重要议题中，人们需要知道为什么会产生特定的输出结 果。另外，数据来源透明度也同样非常重要。即便是在处理没有问题的数据集时， 也有可能面临数据中隐含的偏见问题。透明度原则还要求开发技术时注意多个人 工智能系统协作产生的危害。

  权责一致原则，指的是未来政策和法律应该做出明确规定：一方面必要的商 业数据应被合理记录、相应算法应受到监督、商业应用应受到合理审查；另一方 面商业主体仍可利用合理的知识产权或者商业秘密来保护本企业的核心参数。在 人工智能的应用领域，权利和责任一致的原则尚未在商界、政府对伦理的实践中 完全实现。主要是由于在人工智能产品和服务的开发和生产过程中，工程师和设 计团队往往忽视伦理问题，此外人工智能的整个行业尚未习惯于综合考量各个利 益相关者需求的工作流程，人工智能相关企业对商业秘密的保护也未与透明度相 平衡。

  3.3.3 人工智能的隐私问题

  人工智能的近期发展是建立在大量数据的信息技术应用之上，不可避免地涉 及到个人信息的合理使用问题，因此对于隐私应该有明确且可操作的定义。人工 智能技术的发展也让侵犯个人隐私（的行为）更为便利，因此相关法律和标准应 该为个人隐私提供更强有力的保护。已有的对隐私信息的管制包括对使用者未明 示同意的收集，以及使用者明示同意条件下的个人信息收集两种类型的处理。人 工智能技术的发展对原有的管制框架带来了新的挑战，原因是使用者所同意的个 人信息收集范围不再有确定的界限。利用人工智能技术很容易推导出公民不愿意 泄露的隐私，例如从公共数据中推导出私人信息，从个人信息中推导出和个人有 关的其他人员（如朋友、亲人、同事）信息（在线行为、人际关系等）。这类信 息超出了最初个人同意披露的个人信息范围。

  此外，人工智能技术的发展使得政府对于公民个人数据信息的收集和使用更 加便利。大量个人数据信息能够帮助政府各个部门更好地了解所服务的人群状态， 确保个性化服务的机会和质量。但随之而来的是，政府部门和政府工作人员个人 不恰当使用个人数据信息的风险和潜在的危害应当得到足够的重视。

  人工智能语境下的个人数据的获取和知情同意应该重新进行定义。首先，相关政策、法律和标准应直接对数据的收集和使用进行规制，而不能仅仅征得数据 所有者的同意；其次，应当建立实用、可执行的、适应于不同使用场景的标准流 程以供设计者和开发者保护数据来源的隐私；再次，对于利用人工智能可能推导 出超过公民最初同意披露的信息的行为应该进行规制。最后，政策、法律和标准 对于个人数据管理应该采取延伸式保护，鼓励发展相关技术，探索将算法工具作 为个体在数字和现实世界中的代理人。这种方式使得控制和使用两者得以共存， 因为算法代理人可以根据不同的情况，设定不同的使用权限，同时管理个人同意 与拒绝分享的信息。

  本章节所涉及的安全、伦理和隐私问题是人工智能发展面临的挑战。安全问 题是让技术能够持续发展的前提。技术的发展给社会信任带来了风险，如何增加 社会信任，让技术发展遵循伦理要求，特别是保障隐私不会被侵犯是亟需解决的 问题。为此，需要（制订）合理的政策、法律、标准基础，并与国际社会协作。 在制订政策、法律和标准时，应当摆脱肤浅的新闻炒作和广告式的热点宣传，必 须促进对人工智能技术产品更深层地理解，聚焦这一新技术给社会产生重大利益 的同时也带来的巨大挑战。作为国际社会的重要成员，中国对保障人工智能技术 应用在正确的道路上、基于正确的理由得到健康发展担负重要的责任。

  3.4 人工智能标准化的重要作用

  当今，经济全球化和市场国际化深入发展，标准作为经济和社会活动的主要 技术依据，已成为衡量国家或地区技术发展水平的重要标志、产品进入市场的基 本准则、企业市场竞争力的具体体现。标准化工作对人工智能及其产业发展具有 基础性、支撑性、引领性的作用，既是推动产业创新发展的关键抓手，也是产业 竞争的制高点。人工智能标准的先进与完善与否，关系到产业的健康发展、以及 产品国际市场竞争力的强弱。

  美国、欧盟、日本等发达国家高度重视人工智能标准化工作。美国发布的《国 家人工智能研究与发展策略规划》，欧盟发布的“人脑计划”，日本实施的“人工 智能/大数据/物联网/网络安全综合项目”，均提出围绕核心技术、顶尖人才、标 准规范等强化部署，力图抢占新一轮科技主导权。 我国高度重视人工智能标准化工作。在国务院《新一代人工智能发展规划》中将人工智能标准化作为重要支撑保障，提出要“加强人工智能标准框架体系研 究。坚持安全性、可用性、互操作性、可追溯性原则，逐步建立并完善人工智能 基础共性、互联互通、行业应用、网络安全、隐私保护等技术标准。加快推动无 人驾驶、服务机器人等细分应用领域的行业协会和联盟制定相关标准”。工信部 在《促进新一代人工智能产业发展三年行动计划（2018-2020 年）》中指出，要建 设人工智能产业标准规范体系，建立并完善基础共性、互联互通、安全隐私、行 业应用等技术标准；同时构建人工智能产品评估评测体系。

  我国虽然在人工智能领域虽然具备了良好基础，语音识别、视觉识别、中文 信息处理等核心技术实现了突破，也具有巨大的应用市场环境，但整体发展水平 仍落后于发达国家，在核心算法、关键设备、高端芯片、重大产品与系统等方面 差距较大，适应人工智能发展的基础设施、政策法规、标准体系亟待完善。

  综上分析，更应重视人工智能标准化工作对于促进技术创新、支撑产业发展 具有的重要引领作用：

  （一）标准化工作有利于加快人工智能技术创新和成果转化。现阶段人工智 能技术发展迅速，市场上逐步出现了可规模化、可商业化的产品和应用，需要以 标准化的手段固化技术成果，实现快速创新推广；

  （二）标准化工作有助于提升人工智能产品和服务质量。如市场上出现的人 脸识别系统、智能音箱、服务机器人等产品，质量残次不齐，需要标准的统一规 范，并配合以开展符合性测试评估的方式，提升产品和服务质量；

  （三）标准化工作有助于切实保障用户安全。例如自动驾驶领域的“电车难 题”伦理难题、苹果手机指纹泄露用户隐私等问题，引起了人们的广泛关注。如 何保护用户权益是难点也是重点，这需要通过建立以人为本的原则，制定相关安 全标准规范，确保智能系统遵从并服务于人类伦理，并确保信息安全；

  （四）标准化工作有助于营造公平开放的人工智能产业生态。当前，行业巨 头以开源算法、平台接口绑定等方式，打造自有深度学习框架等生态体系，造成 用户数据信息较难迁移。这需要统一的标准实现厂商之间的互操作与协同工作， 防止行业垄断、用户绑定，形成良性的产业生态。