参考中国报告网发布《2017-2021年中国人工智能市场发展现状及投资方向研究报告》
人工智能（AI）是一种具有巨大社会和经济效益的革新性技术。人工智能能彻底改变生活、工作、学习、发现和沟通的方式，推进经济繁荣、改善教育机会和生活质量，以及加强国家安全。新产品和服务可以创造新市场，并提高多个行业现有商品和服务的质量和效率。对于通信行业，AI技术可以最大限度地有效利用带宽和信息存储和检索的自动化，改进数字通信中过滤、搜索和语言翻译等技术。
人工智能领域需求包括感知、自动推理/规划、认知系统、机器学习、自然语言处理、机器人等。人工智能涉及当前重要的技术，包括互联网、GPS、智能手机语音识别、癌症治疗等，因此如何最好地建立主动帮助人工作的人工智能系统成为重要挑战。有效的人机交互和协作方法将打破人和人工智能系统之间的壁垒，人工智能系统不断增强人的能力。
人工智能面对通信行业海量数据处理时，数据的准确性尤其重要。许多人工智能的应用具有跨学科性质并利用异构数据，通过对多模态机器学习进行进一步研究，以实现从不同类型数据（如离散数据、连续数据、文本数据、空间数据、时间数据、时空数据、图形数据）中获得知识发现。同时人工智能必须确定如何识别和处理纯统计学方法之外的小概率事件，在工作中利用知识源和数据源，在学习过程中结合模型和本体；并且当大数据源不可用时，可利用有限数据获得有效的学习。
对于不断兴起的物联网，海量的网络节点带来丰富的数据，这是人工智能对接外部世界触角。感知来自传感器数据，具有多种形态和形式。传感器数据常与先验知识和模型一起进行处理和整合，以提取与人工智能系统任务相关的信息，如几何特征、属性、位置和速度。来自感知的综合数据形成环境感知，为人工智能系统提供综合知识和世界状态模型，有助于有效、安全地规划和执行任务。感知系统需能够综合来自各种传感器和其他来源（包括计算云）的数据，以确定人工智能系统当前的感知对象并对其未来状态进行预测。
虽然人工智能的核心是软件，但是目前发展的瓶颈很大程度上取决于硬件，特别是在物联网应用中，如GPU的性能、存储器的输入/输出、时钟速度、并行性等。硬件升级还可以有效提高机器学习算法高效地从高速数据中获取信息，提升基于反馈方法的AI系统对来自大规模仿真、实验仪器和分布式传感器系统（如智能建筑和物联网（IoT））的数据进行智能采样或优先级排序的能力。这样的方法可能需要高速的通信网络、动态I/O决策，实时动态地选择存储数据，而不是简单地以固定频率存储数据。
完全自主的AI系统一般是在一些比较重要的应用领域（例如，水下或深空探测）使用，而在许多其它应用领域（如通信行业）是通过人和AI系统的组合协作得到最有效地解决而实现应用目标的。
具体而言，在行业应用上，AI除了分担高认知负荷的功能，执行复杂的监视功能（通信网络实时监控），决策和自动网络诊断，还可以执行代替人类的部分功能，如用于复杂的网络设计，用于高危操作环境中的动态系统控制引导，用于有害或有毒环境中的自动化系统的控制方面，以及用于系统快速地响应的情况下。
为了更好将人工智能应用面对复杂通信网络管理，人工智能系统也可以由不同分组和网络协调或自主协作起来，例如通信网络中各个不同小区之间的协作，以执行单个人工智能系统不可能完成的任务。这种多人工智能系统的开发和使用在未来复杂通信网络的设计、规划、协调、控制和可扩展性方面将会起到决定性的作用。多人工智能系统的规划技术必须足够快，能够实时操作和适应环境的变化，以流动的方式去适应可用通信带宽或系统退化的变化以及故障。未来通信网络的特性需要人工智能突破集中规划和协调技术，发现更有效、稳健和可扩展的技术，将多个人工智能系统和人类群组的规划、控制和协作。
在通信行业中，在设计和开发这些系统时应使用某些以人为中心的自动化原则：
1）对人工智能系统的界面、控制和显示，采用直观、人性化的设计；
2）保持操作人员对信息的及时了解。显示关键信息，人工智能系统的状态以及对这些状态的更改；
3）对操作人员进行培训。参与一般性知识、技能和能力的定期复训，以及进行人工智能系统采用的算法和逻辑和系统的预期故障模式的培训；
4）确保自动化设备灵活。对于希望是否决定使用人工智能系统的操作人员而言，部署人工智能系统应被视为计划选项。
人工智能（AI）是一种具有巨大社会和经济效益的革新性技术。人工智能能彻底改变生活、工作、学习、发现和沟通的方式，推进经济繁荣、改善教育机会和生活质量，以及加强国家安全。新产品和服务可以创造新市场，并提高多个行业现有商品和服务的质量和效率。对于通信行业，AI技术可以最大限度地有效利用带宽和信息存储和检索的自动化，改进数字通信中过滤、搜索和语言翻译等技术。
人工智能领域需求包括感知、自动推理/规划、认知系统、机器学习、自然语言处理、机器人等。人工智能涉及当前重要的技术，包括互联网、GPS、智能手机语音识别、癌症治疗等，因此如何最好地建立主动帮助人工作的人工智能系统成为重要挑战。有效的人机交互和协作方法将打破人和人工智能系统之间的壁垒，人工智能系统不断增强人的能力。
人工智能研究内容、途径及领域
资料来源：中国报告网整理
人工智能面对通信行业海量数据处理时，数据的准确性尤其重要。许多人工智能的应用具有跨学科性质并利用异构数据，通过对多模态机器学习进行进一步研究，以实现从不同类型数据（如离散数据、连续数据、文本数据、空间数据、时间数据、时空数据、图形数据）中获得知识发现。同时人工智能必须确定如何识别和处理纯统计学方法之外的小概率事件，在工作中利用知识源和数据源，在学习过程中结合模型和本体；并且当大数据源不可用时，可利用有限数据获得有效的学习。
对于不断兴起的物联网，海量的网络节点带来丰富的数据，这是人工智能对接外部世界触角。感知来自传感器数据，具有多种形态和形式。传感器数据常与先验知识和模型一起进行处理和整合，以提取与人工智能系统任务相关的信息，如几何特征、属性、位置和速度。来自感知的综合数据形成环境感知，为人工智能系统提供综合知识和世界状态模型，有助于有效、安全地规划和执行任务。感知系统需能够综合来自各种传感器和其他来源（包括计算云）的数据，以确定人工智能系统当前的感知对象并对其未来状态进行预测。
虽然人工智能的核心是软件，但是目前发展的瓶颈很大程度上取决于硬件，特别是在物联网应用中，如GPU的性能、存储器的输入/输出、时钟速度、并行性等。硬件升级还可以有效提高机器学习算法高效地从高速数据中获取信息，提升基于反馈方法的AI系统对来自大规模仿真、实验仪器和分布式传感器系统（如智能建筑和物联网（IoT））的数据进行智能采样或优先级排序的能力。这样的方法可能需要高速的通信网络、动态I/O决策，实时动态地选择存储数据，而不是简单地以固定频率存储数据。
物联网、大数据与AI技术的整合图
资料来源：中国报告网整理
完全自主的AI系统一般是在一些比较重要的应用领域（例如，水下或深空探测）使用，而在许多其它应用领域（如通信行业）是通过人和AI系统的组合协作得到最有效地解决而实现应用目标的。
具体而言，在行业应用上，AI除了分担高认知负荷的功能，执行复杂的监视功能（通信网络实时监控），决策和自动网络诊断，还可以执行代替人类的部分功能，如用于复杂的网络设计，用于高危操作环境中的动态系统控制引导，用于有害或有毒环境中的自动化系统的控制方面，以及用于系统快速地响应的情况下。
为了更好将人工智能应用面对复杂通信网络管理，人工智能系统也可以由不同分组和网络协调或自主协作起来，例如通信网络中各个不同小区之间的协作，以执行单个人工智能系统不可能完成的任务。这种多人工智能系统的开发和使用在未来复杂通信网络的设计、规划、协调、控制和可扩展性方面将会起到决定性的作用。多人工智能系统的规划技术必须足够快，能够实时操作和适应环境的变化，以流动的方式去适应可用通信带宽或系统退化的变化以及故障。未来通信网络的特性需要人工智能突破集中规划和协调技术，发现更有效、稳健和可扩展的技术，将多个人工智能系统和人类群组的规划、控制和协作。
在通信行业中，在设计和开发这些系统时应使用某些以人为中心的自动化原则：
1）对人工智能系统的界面、控制和显示，采用直观、人性化的设计；
2）保持操作人员对信息的及时了解。显示关键信息，人工智能系统的状态以及对这些状态的更改；
3）对操作人员进行培训。参与一般性知识、技能和能力的定期复训，以及进行人工智能系统采用的算法和逻辑和系统的预期故障模式的培训；
4）确保自动化设备灵活。对于希望是否决定使用人工智能系统的操作人员而言，部署人工智能系统应被视为计划选项。
资料来源：中国报告网整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
