拥抱算法

Ⅰ 拥抱人工智能第三次浪潮:Alphago是如何战胜人类棋手的

AlphaGo 是由 Google DeepMind 开发的一款能够下围棋的人工智能计算机程序。它在 2016 年以 4 : 1 的成绩战胜了世界顶级棋手李世石，引领了人工智能的第三次浪潮。

AlphaGo 可以战胜人类棋手主要归功于以下两点：

• 深度神经让蔽网络学习： AlphaGo 首先通过大量的围棋数据和如庆人类棋谱进行学习，形成自己的围棋知识库。它使用了深度神经网络的算法，自动学习感知棋局的特征，并且通过强化学习算法，自我完善，不断优化自身的决策策略。

• 蒙特卡罗树搜索算法： AlphaGo 在进行下棋决策时，采用了蒙特卡罗树搜索算法。简单来说，就是对目前的棋局进行大量的模拟和尝试，并且根据已经学习到的知识和策略进行决策选择。这个过程重复进行，直到得到最优解。这种方法可以避免遇到局限性很高的固定模式，同时也充分渣滑握考虑了要与对手的下棋思维彼此博弈的策略。

当然，AlphaGo的胜利其实也代表了人工智能技术的一种里程碑式的突破，为人工智能的发展开辟了新的境界。

Ⅱ 6位同学,每两位拥抱一次,共能拥抱多少次

6个同学每两位拥抱一次，这是一道组合排列的问题，意味着每个人能拥薯汪抱别人五次，五六三十，所以一共能乎散拥抱三十次。以上是我针对这道题的解答，希望能够帮助岁手氏到你，谢谢！

Ⅲ 【拥抱AI】人工智能的层次——如何结构化地理解AI

一、四个层次

在理解人工智能的学术研究、产业发展及产品形态时，一般而言可以分为四个层次，自下而上分别是 基础层、算法层、技术层和应用层 。

其中， 基础层 为AI发展提供基础设施和资源支持，包括计算能力和大数据。 其中计算能力主要以硬件为核心，包括GPU / FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件；数据是驱动AI取得更好的识别率和精准度的重要因素，训练数据的规模和丰富度对算法训练也尤为重要。

算法层 是指用系统的方法描述解决问题的策略机制，人工智能算法主要指目前相对成熟的深度学习、机器学习算法等等。优秀的算法是机 器实现人工智能的最关键一环，对AI发展起到卖陪最主要的推动作用。

技术层 对人工智能产品的智能化程度起到直接作用，包括自然语言处理、语音处理、计算机视觉等通用技术。技术层主要依托于基础层的 计算平台和数据资源进行海量识别训练和机器学习建模，通过不同类型的算法建立模型，开发面向不同领域的应用技术。每个技术方向下 又有多个具体子技术。

应用层 主要利用技术层输出的通用技术实现不同场景的落地应用，为用户提供智能化的服务和产品，使AI与产业深度融合，为传统行业的 发展带来新的动力。按照对象的不同，AI应用一般又可分为消费级终端应用和行业场景应用两部分。

二、三大要素

此外，基础层和算法层的姿基 大数据、算力和算法 通常又被视为人工智能发展的三要素。人工智能的技术发展和应用落地与这三要素息息相关，而三要素相关技术近些年来的快速迭代和积淀，也是此轮人工智能浪潮兴起的重要原因。

21世纪以来，得益于互联网尤其是移动互联网、社交媒体、移动设备和传感器的普及，全 球产生及存储的数据量剧烈增加。另随着GPU和异构/低功耗芯片的兴中册蠢起，运算力得以大幅提升，数据处理速度也显着提高。数据和算力的发展在很大程度上促成了深度学习的诞生，从而迅速点燃了人工智能这一波爆发的浪潮。

人工智能已取得了突飞猛进的发展，在诸多领域甚至超越了人类智能，但瓶颈仍是明显的。 目前人工智能的落地应用主要在于限定范围的垂直领域，属于弱人工智能的范畴。 展望未来，人们对人工智能的定位绝不仅仅只是用来解决狭窄的、特定领域的某个简单具体的任务，而是 真正像人类一样，能同时解决不同领域、不同类型的问题，进行判断和决策，也就是我们之前介绍过的通用型人工智能。

从弱人工智能到强人工智能甚至超人工智能将会是一段漫长的征程，人工智能的各个层次中都存在着许多亟待攻克的问题。其中，算法无疑是最为关键的一环。下一期我们来聊一聊 AI发展核心：机器学习VS深度学习 ，敬请期待

平安人寿人工智能研发团队

Ⅳ 回答的问题信息技术和智能产品如何与这些战略相联系

“1. 智能制造推进的难点与问题”
我国制造业面临着异常严峻的挑战：人口红利消失、“未富先老”、企业招工难，人工成本迅速上升；高房价、高地价迫使国内制造业向内地转移，低成本制造业向东南亚国家转移；高赋税以及社保费用的压力也给企业带来高昂的运营成本；原材料价格上涨对下游行业带来巨大的成本压力；环保风暴也给很多企业敲响了警钟；中兴事件则暴露出我国制造业核心技术缺失的尴尬现状；而国际贸易争端更是对出口型企业雪上加霜。
在这种背景下，制造企业如何实现转型升级？推进智能制造成为重要的途径。然而，目前我国制造企业推进智能制造面临着诸多难点与问题：
第一，概念满天飞，技术一大堆。近几年来，从工业4.0的热潮开始，智能制造、信息物理系统（CPS）、工业互联网（平台）、企业上云、工业APP、人工智能、工业大数据、数字工厂、数字经济、数字化转型、C2B（C2M）等概念接踵而至，对于大多数制造企业而言，可以说是眼花缭乱、无所适从。智能制造涉及的技术非常多，例如云计算、边缘计算、RFID、工业机器人、机器视觉、立体仓库、AGV、虚拟现实/增强现实、三维打印/增材制造、工业安全、时间敏感网络、深度学习、数字孪生、MBD、预测性维护......，让企业目芹链卖不暇接。这些技术看起来都很美，但如何应用，如何取得实效？很多企业还不得而知。
第二，摸着石头过河。企业推进智能制造领域的相关技术十分缺乏经验，欠缺可以借鉴的成功案例。目前，制造企业已经存在3种类型的孤岛：信息孤岛、自动化孤岛，以及信息系统与自动化系统之间的孤岛。同时，企业也缺乏统一的部门来系统规划和推进智能制造。在实际推进智能制造的过程中，企业仍然是“头痛医头”，缺乏章法。
第三，理想很丰满，现实很骨感。推进智能制造，前景很美好。但是绝大多数制造企业利润率很低，缺乏自主资金投入。在“专项”“示范”以及“机器换人”等政策刺激下，一些国有企业和大型民营企业争取到各级政府给予的资金扶持，而中小企业只能“隔岸观火”，自力更生。
第四，自动化、数字化还是智能化？在推进智能制造过程中，不少企业对于建立无人工厂、黑灯工厂跃跃欲试，认为这就是智能工厂。而实际上，高度自动化是工业3.0的理念。对于大批量生产的产品，国外的优秀企业早就实现了无人工厂。例如，日本发那科仅需40s就能全自动装配完成一个伺服电机，但其前提是产品的标准化、系列化，以及面向自动化装配的设计，例如将需要用线缆进行插装的结构改为插座式的结构。e-works两次组团参观三菱电机的名古屋制作所可儿工厂，该工厂对于大批量生产的产品，大量应用机械手，实现高度自动化；对于中小批量的产品，推进低成本自动化，即部分工位的自动嫌逗化；而对于单件定制的产品，采取手工装配。e-works考察团还参观施耐德电气的法国诺曼底工厂，该工厂是生产继电器的自动化工厂，该工厂实现了绕线、装配、包装等全流程的自动化，而且可以在一条产线生产多种变型产品，但实际上还不是智能工厂。还有西门子一直将被广泛誉为工业4.0典范的安贝格电子工厂也是被称为数字化工厂，其特点是人机协作的柔性自动化生产、智能物流、工业软件广泛应用、海量的数据采集以及大数据分析。
一个真正的智能工厂，应该是精益、柔性、绿色、节能和数据驱动，能够适应多品种小批量生产模式的工厂。智能工厂不是无人工厂，却是少人化和人机协作的工厂，推进智能工厂绝不是简单地实现机器换人。南京的爱立信工厂有一条装配线，一开始设置的自动化率是90%，后来发现调整为70%，增加若干人工工位，整体质量和效率反而是最优的。此外，对于装备制造行业，机加工等工序并不适合建立自动化生产线，而建立柔性制造系统（FMS）则是更现实的选择。马扎克（MAZAK）、发那科（FANUC）的机加工车间应用FMS已达到720小时无人值守，自动生产不同的机械零件。

图1 MAZAK的FMS（柔性制造系统）
第五，理性看待投资回报。制造企业的企业家，尤唤高其是中小型民营企业的老板，非常关心投资回报。很多企业的要求就是必须能够在3～4年能够收回投资的信息化、自动化系统才投入，甚至有的期望值更高。然而，有些账容易算，比如某条产线减少了多少工人。有些账却不那么容易算，例如工业软件作为一个使能要素，企业离不开工业软件，却难以计算出它究竟为企业直接或间接节省了多少成本，赚了多少钱。如果选型、实施和应用不到位，更是常常用不起来，业务部门牢骚满腹。长此以往，制造企业更加重硬轻软，最后停留在简单地做一点局部的自动化改善。
第六，数据采集与设备联网，迈不过去的坎。企业要真正实现智能制造，必须进行生产、质量、设备状态和能耗等数据的自动采集，实现生产设备（机床、机器人）、检测设备、物流设备（AGV、立库、叉车等），以及移动终端的联网，没有这个基础，智能制造就是无源之水。但是，现阶段很多制造企业还停留在单机自动化阶段，甚至一些知名企业的生产线也未联网，没有基础的设备联网，何谈工业互联网？
第七，基础数据和管理基础。无论是推进企业信息化、两化融合，还是进一步实现数字化转型，推进智能制造，基础数据的规范性和准确性都是必要条件。很多企业在实施ERP，或者ERP升级换型的过程中，花费时间最多的就是基础数据的整理。企业管理的规范性、业务流程的清晰，也是企业推进智能制造的“敲门砖”。但现实的情况是，一些企业的基础数据还没有理顺，却在大谈“工业大数据”。这种舍本逐末的做法，注定是难以取得实效的。
“2. 智能制造推进的5项基本原则”
随着我国劳动力成本迅速增长，节能减排的要求越来越高，市场竞争白热化，客户需求日益个性化，制造企业面临着越来越大的转型压力。在这种背景下，智能制造成为广大制造企业关注的热点。尤其是在车间的智能化改造方面，很多大中型制造企业开展了相关实践，还有众多企业在跃跃欲试。增加智能装备、建立智能产线、推进智能物流，减少人工，成为很多制造企业的共同选择。
智能制造势不可挡，但智能制造只是手段，不是目的。制造企业应当明确推进智能制造的目标，积极学习各种智能制造新兴技术，探讨应用各种智能制造技术的必要性、紧迫性与可行性，具体推进智能制造技术的应用必须做好需求分析与投入产出分析，明确总体拥有成本，根据自己的盈利水平确定合理的投资预算。千万不能为了智能化而智能化，为了争取政府项目而盲目大干快上智能制造项目，以免在老的信息孤岛问题、基础数据不准确的问题依然存在的情况下，又形成新的智能孤岛，甚至形成“仅供参观”的花架子。
因此，制造企业推进智能制造，需要把握以下5项基本原则：
【原则1】正确理解智能制造。智能制造中的“智能”还处于Smart阶段，智能制造（Smart manufacturing）系统具有数据采集、数据处理和数据分析的能力，能够实现闭环反馈。智能制造的未来趋势是实现“Intelligent”，实现自主学习、自主决策和优化提升。智能制造融合了信息技术、先进制造技术、自动化技术和智能化技术。智能制造中的“制造”指的是广义的制造，并不仅仅包括生产制造环节的智能化，而是包括制造业价值链各个环节的智能化。企业信息化和工业软件的深化应用，是推进智能制造的基础和前提条件。
【原则2】正确理解和应用智能制造使能技术。智能制造使能技术主要包括：物联网、增材制造（3D打印，包含设备、材料、工艺）、云计算、电子商务、电子数据交换（EDI）、PLC、DCS、自动识别技术（RFID、条码、机器视觉）、数控系统、大数据分析（包括工业大数据）、 虚拟现实/增强现实、Digital twin（数字孪生，包括产品、设备、车间）、工业安全、工业互联网、传感器、云制造和信息集成（EAI、ESB）等技术。需要明确的是，部分技术还处于发展的初期阶段，制造企业需要根据自身的产品特点、生产模式和运营模式来综合考虑应用方式。
【原则3】必须理解智能化与自动化的本质区别。那些将机器人应用和无人工厂说成是工业4.0的说法是错误的。企业在建设智能工厂时，要整体考虑智能装备的应用、生产线和装配线的数据采集方式、设备布局和车间物流优化、在制品在工序之间的转运方式、生产工艺的改进与优化、材料的创新等，而不仅仅是某些工位的“机器换人”。智能化生产线能够实现柔性的自动化，快速切换生产多种产品，或者可以混线生产多种产品，能够实现生产数据、质量数据的自动采集，并实现自动化系统与质量分析系统、MES系统的信息集成。
【原则4】必须做好整体规划，选择适合企业自身特点的实施方案，有效规避风险。推进智能制造需要解决更加复杂的、纵横交错的信息集成问题，例如IT系统与自动化系统的信息集成、供应链的数据交换；推进智能制造需要处理来源多样的异构数据，包括各种来自设备、产品、社交网络和信息系统的海量数据，需要确保基础数据的准确性；推进智能制造需要企业的IT部门、自动化部门、精益推进部门和业务部门，甚至供应链合作伙伴之间的通力合作。因此，制造企业必须充分认识到推进智能制造的复杂性、艰巨性和长期性。制造企业应当做好相关技术的培训，选择有实战经验的智能制造咨询服务机构，共同规划推进智能制造的蓝图。在整体规划的指导下，选择对于企业最有可能迅速见效的突破口优先实施。比如，推进基于物联网的预测性维护服务，促进企业已销售的产品的配件销售，提高客户服务满意度；或者通过实现生产线的智能化，提高设备的整体绩效和产品合格率；通过建立企业级BOM平台，实现产品的在线定制等。
【原则5】企业需要建立自己的专业队伍，并选择长期的战略合作伙伴。推进信息化是个系统工程，推进信息化与工业化深度融合是一个更大的系统工程，而推进智能制造更是一个非常复杂的系统工程，涉及到诸多工业软件的集成应用，涉及到智能装备应用、设备联网、数据采集、数据分析和业务流程优化，并且需要与推进精益管理结合起来推进，因此，制造企业需要建立自身的专业队伍，融合信息化、自动化和管理人才，并选择若干长期的战略合作伙伴，包括咨询服务机构、智能制造的整体集成商、解决方案提供商和服务商等。制造企业在推进智能制造项目时，必须注意选择在企业所在行业具有实施和服务经验，产品具有开放性和可扩展性，具有本地化服务能力的解决方案提供商，选择具有良好的沟通能力、项目管理能力和丰富行业经验的项目经理。在推进智能工厂项目时，尤其需要考虑解决方案提供商是否具备软件、硬件和自动化的综合实力。
总之，推进智能制造，既要积极布局前沿技术的应用，又要夯实基础，务实推进。纵观中国制造业推进信息技术应用30多年的历程，经历了一个又一个的“工程”，从“会计电算化”、“甩图板”、CIMS工程、“两甩（甩图纸、甩账表）”到制造业信息化工程；产生了一次又一次的“热潮”，从财务软件、CAD、ERP、ASP、云计算、电子商务等，既有政府的积极推进，也有国内外主流厂商的推波助澜。不少制造企业在条件还不具备、对新兴技术认识还不清晰的情况下，就盲目上马应用一些技术尚不成熟的信息化单元系统，实施与应用也不到位，最终形成了很多信息化孤岛，没有达到预期目标，甚至多次推倒重来。因此，不论市场上有哪些“热词”（buzz word）或者热潮，制造企业都不能再盲目跟风，而是应当保持冷静与理智，以免事与愿违。企业需要在提升基础管理水平的基础上循序渐进，积极、稳妥地推进智能制造，从而真正取得实效。
“3. 智能制造推进的策略”
首先，推进智能制造的核心目的是帮助企业通过实现降本增效、节能降耗、提高产品质量、提升产品附加值、缩短产品上市周期、满足客户个性化需求，以及向服务要效益等途径，提升企业的核心竞争力和盈利能力。推进智能制造绝不能搞面子工程。
第二，必须对智能制造有正确的理解和认识。智能制造覆盖企业全价值链，是一个极其复杂的系统工程，不要期望“毕其功于一役”；推进智能制造需要规划、IT、自动化、精益等部门通力合作；不同行业的企业推进智能制造差异很大。推进智能制造，需要引入中立、专业的服务机构，开展多层次、多种形式的培训、考察、交流与学习，让企业上下树立对智能制造的正确认识。此外，需要强调的是，小批量、多品种的企业，不要盲目推进无人工厂；个性化定制和无人工厂是鱼和熊掌不可兼得；不能盲目推进机器换人。
第三，大处着眼，小处着手。企业要想推进智能制造取得实效，应当参照e-works智能制造金字塔的相关内容，通过智能制造现状评估、业务流程和工艺流程梳理、需求调研与诊断、整体规划及落地实施5个步骤，画出清晰的智能制造路线图，然后根据路线图和智能制造整体规划，稳步推进具体的项目，注重对每个智能制造项目明确其KPI指标，在测度关键绩效指标的基础上，评估是否达到预期目标。智能制造要取得实效，需要清晰的思路、明确的目标、高层的引领、专业的团队和高度的执行力。

图2 智能制造总体框架范例
第四，紧密跟踪先进制造技术的发展前沿。近年来，制造业的新材料、新技术、新工艺层出不穷，金属增材制造技术不仅改变了复杂产品的制造方式，还改变了产品结构，也彻底打破了可制造性的桎梏，催生了创成设计等新的设计模式，从计算机辅助人设计，演化为人辅助计算机设计。碳纤维复合材料的广泛应用催生了全新的制造工艺和制造装备。奥迪A8采用了铝制车身，车身焊接不能再使用点焊，取而代之的是铆焊、摩擦焊、激光焊等新工艺。材料和工艺的改进，往往会对产品的性能，例如抗腐蚀、耐久性带来巨大的提升。精密测量技术也在迅速发展，由接触式测量发展到非接触式测量，由离线检测演化为在线检测，由事后检测演化为边测量边加工，从而帮助制造企业提升产品质量。
第五，积极稳妥地推进数字化和智能化技术的应用。当前，人工智能技术的发展如火如荼，必将在制造业不断得到应用，尤其是在无人驾驶汽车、质量检测与优化、设备故障诊断和预测等领域。现在已经出现了Google的Tensorflow等开源的人工智能引擎可以应用。此外，虚拟现实（VR）、增强现实（AR）、混合现实（MR）等可视化技术，在制造业也有很好的应用场景，例如设备操作培训和设备维修维护等。爱立信工厂应用增强现实技术进行电路板的检测，蒂森克虏伯电梯利用MR技术提高电梯维护的效率。Cobot（协作机器人，单臂和双臂）在装配、拧螺丝、涂胶等很多工序可以进行应用，机器人与视觉传感器、力觉传感器的集成应用能够大大提高机器人动作的准确性和灵活性。

图3 爱立信工厂利用AR技术辅助进行电路板质量检测
第六，选择真正靠谱的合作伙伴。智能制造系统架构十分复杂，也非常个性化，相关技术在不断演进，企业本身也是动态变化，智能制造评估体系和规划方法论也还处于不断完善的过程中，智能制造的推进是一个长期的过程。因此，企业推进智能制造需要寻找专业的合作伙伴，从培训、现状评估、规划，到具体的数字化工厂仿真、产线设计，到真正实现工控网络的建设，并建立工控安全体系，实现IT与OT系统的集成。

Ⅳ 新版阿法狗碾压旧版，人工智能究竟能发展成什么样

最新版本阿尔法狗：自学3天，就100:0碾压李世石版旧狗。这太可怕了，我要大胆说一句：‍‍人工智能很可能导致人类的永生或者灭绝，而这一切很可能在我们的有生之年发生。‍‍

试想一下：一个人工智能系统花蚂枝肢了几十年时间到达了人类脑残智能的水平，而当这个节点发生的时候，电脑对于世界的感知大概和一个四岁小孩一般；而在这节点后一个小时，电脑立马推导出了统一广义相对论和量子力学的物理学理论；而在这之后一个半小时，这个强人工智能变成了超人工智能，智能达到了普通人类的17万倍。‍‍

‍‍当一个超人工智能出生的时候，闷世对我们来说就像一个全能的上帝降临地球一般。‍

Ⅵ 拥抱大数据 “数”中自有黄金屋

拥抱大数据：“数”中自有黄金屋
新的石油”、“类似货币或黄金的新型经济资产”、“未来的自然资源”……
今天，当人们在评价种类广泛、数量庞大、产生和更新速度惊人的大数据时，几乎没有人会吝啬这些极富有渲染性甚至有些耸人听闻的话语。伴随着大数据在各行各业的探索之路的启程，其蕴含的巨大价值所显露出的“冰山一角”就已然拥有足以令世人惊叹的力量。

大数据究竟价值几何？
“当前，数据就是生产资料，对大数据的合理共享和利用，就会创造出巨大的财富。”中国工程院院士邬贺铨在接受《人民邮电》报记者采访时如是说。正因为大数据有着公认的“生产资料”的属性，因此其创造财富的空间，几乎是不受任何限制的，其触角可以延伸至各行各业。
从宏观经济到微观经济，从工业到农业，从制造业到服务业，大数据就如同埋藏在沙漠中的金子一样，正在散发出迷人的光芒。
正如邬贺铨所说：“大数据技术可以运用到各行各业，引发新的产业变革，带动新的产业发展。”来自美国研究机构的统计数据也有力地证明了这一点：大数据能够为美国医疗服务业每年带来3000亿美元的价值，为欧洲的公共管理每年带来2500亿欧元的价值，帮助美国零售业提升60%的净利润，帮助美国制造业降低50%的产品开发和组装成本。
谁率先把握住了大数据的机遇，谁就拥有了创造新的财富的可能，拥有了在激烈的市场竞争中傲视群雄的可能。
因为通过对海量数据的分析，可以发现行业的运行规律、市场的偏好与机会等这些最为宝贵的信息，从而让企业决策变得更加有的放矢。以一瓶价格并不贵、看似不起眼的矿泉水为例，基于对一线销售数据的实时分析与更新进行的经营战略和业务策略调整，居然能够带来销售额从20亿元到百亿元的提升，这正是发生在农夫山泉身上的真实案例。类似的案例越来越多，与此同时，大数据的价值也在各行各业中显露出来。现在，几乎无人会质疑大数据的价值，如何获取价值，则成为人们当前关注的焦点。
如何从沙漠中淘到黄金？
尽管大数据有着巨大的价值，但面对广阔的数字沙漠，如何才能发现埋藏于其中星星点点的黄金呢？
“今天的数据是泛滥的，低密度、杂乱无章、海量的大数据本身，并没有什么太多的价值，只有对大数据的挖掘和处理，才能产生价值。”北京航空航天大学校长、中科院院士怀进鹏向《人民邮电》报记者抛出了如是观点，而这正代表了时下业界的主流思潮。从大数据“不仅如此多，而且变化也如此快”的现状出发，“怎么才能挖掘出有价值的东西”，就成为淘金的必由之路了。对此，怀进鹏认为，必须依靠技术、科学的手段，例如寻找到最优的算法和最简单的算法。
事实上，大数据的兴起，与技术的进步几乎是相伴而生的。汪纯没正如中国联通信息化事业部副总经理耿向东在接受记者采访时再三强调的那样：“过去，对数据的处理成本比较高，因此当人们在考虑到整体拥有成本这一巨大代价时，就会放弃对数据的处理；现在，不仅数据处理的手段变得丰富起来，而且成本也得到了降低，从而令人们能够方便、规模地应用大数据。”正是因为计算、存储等技术的飞速发展和成本的降低以及软硬件一体机等创新产品的出现，促使过去数据挖掘的两大难题迎刃而解，即存在着无法处理的数据和处理成本过高问题，最终让大数据实现了今天的价裤镇值化。
值得注意的是，应对数据挖掘的挑战，将围绕数据价值化的全过程。邬贺铨表示，从数据收集、数据存储到数据处理和结果的可视化呈现这四个环节，大数据技术的运用都面临着挑战。与此同时，一个全新的职业——数据科学家也正在诞生，而《哈佛商业评论》甚至称其为21世纪“最性感”的工作。
谁来保卫我们的“财富”？
与大数据创造的财富相伴的是人们自然而然产生的对于安全的渴望。因为缺少安全保证的财富，并不是真正地“抓”在了手中。可以说，安全是大数据不能回避而且在应用之初就必须给出解决方案的课题。
“没有坏数据，只有对数据的不合理使用。”微软研究及策略部门主管克瑞格·蒙迪用简单的一句话道出困纳了大数据安全的核心所在。今天，当谁都可以利用数据挖掘工具获取、分析数据时，如同“皇冠上明珠”的大数据就面临着谁都可以触摸的危险。在大数据时代，如何避免数据被窃取和不合理使用？答案同样是依靠技术进步。例如，世界经济论坛在2013年2月即提出要通过高端科技来保护隐私，将安全策略的重心从管理转移到对数据的限制使用上来。
确保数据的合理使用，离不开技术和制度的“双管齐下”。例如，世界经济论坛就提出所有对于数据的使用都应该登记，同时对于那些违反规定滥用数据的人要采取处罚措施。而耿向东也表示，中国联通目前正在从技术和制度两方面入手确保数据的安全，例如对用户信息进行加密、为信息传输提供通道保护等。
不容忽视的是，对于“财富”的保护，反过来也会催生出新的商机。大数据正在重构信息安全市场，而那些能够率先切入这场变革的安全厂商，无疑会为未来抢占新的制高点奠定一个好的基础。

Ⅶ 华为张顺茂：迎接拐点，拥抱计算新架构

【7月13日，中国，深圳】

移动应用的不断涌现催生了海量数据，人工智能的兴起带来了高密度计算。在这种情况下，企业必须不断寻求更加高效的数据处理能力和基础架构，来应对日益爆炸增长的业务量和数据量。

7月12日，在ArchSummit全球架构师峰会上，华为技术有限公司高级副总裁、Cloud&AI产品与服务CTO张顺茂，以《 迎接拐点，拥抱计算新架构 》为主题发表主题演讲。

进入5G时代，移动互联网业务将进一步发展，物联网、人工智能等领域的创新应用井喷式涌现。应用场景的多样性带来数据的多样性，没有一个单一的计算架构能够满足所有场景、所有数据类型的处理。多种计算架构并存是未来计算的发展之路。

张顺茂表示：“鲲鹏920不仅是华为在芯片领域的又一次进步，更是华为拥抱计算架构新拐点的开端。”

鲲鹏920面向数据中心，主打低功耗和强性能。基于鲲鹏920的华为TaiShan服务器，主要应用于大数据、分布式存储、ARM原生应用等场景，为客户带来新一轮的算力加持。

并且，华为非常重视生态的力量，将联合众多伙伴构筑基于鲲鹏处理器的生态圈，更好的满足客户计算多样性需求。

相比其他厂商基于x86架构的操作系统模拟器方案，得益于华为强大的自研芯片和服务器能力，华为云提供了 业界首个鲲鹏原生云手机解决方案 ，使得从云到端都运行着同一套指令集，Android应用运行无需x86模拟器指令集翻译，云端无缝连接免去了多重指令翻译和转换的环节，运行性能可以较x86模拟器架构方案提升高达180%。

华为TaiShan系列服务器可集成多张高性价比的专业GPU显卡，使云手机在硬件上拥有了专业的图形图像处理能力。目前，该解决方案已经得到规模部署。

多多云手机正是依托华为云成功孵化出业界独家基于鲲鹏云手机 游戏 解决方案，大幅提升了用户体验，目前已有20,000台设备，每日负载率95%以上，获得市场广泛认可。

此前，华为面向全球发布的 AI-Native数据库——GaussDB ，利用鲲鹏多核以及超并行计算技术，构筑了软硬件全栈的数据库能力，完善了计算产业生态。

面对越来越复杂的数据库调用需求和智能时代大量任务需要异构计算的现实，GaussDB还可以利用 AI芯片、GPU、NPU等多种算力组合，让数据库获得强大的异构计算能力。在权威标准测试集TPC-DS上， 性能比业界提升50%，排名第一 。

据悉，民生银行就采用了GaussDB分布式数据库+TaiShan服务器的全栈解决方案，从数据库层面解决了可扩展性问题，降低了应用分布式改造的难度。如鲲鹏单集群支撑起民生银行移动APP、运营交易、综合查询、数据中台等多样化的应用负载，让运行更加高效。

此外，华为云发布的全球首个分布式缓存鲲鹏Redis，搭载华为LibNetwork+华为编译器+安全容器引擎三项黑 科技 ，在华为云已实现了商用。

• 在电商应用中，鲲鹏Redis的高并发及灵活扩展能轻松应对诸如热销商品展示、秒杀推荐等数据面临高并发读的压力；

• 在 游戏 应用中，鲲鹏Redis提供了一个低时延解决方案，可以将一些非角色数据，如排行榜等存储在Redis中以提升用户访问速度，以支持最苛刻的 游戏 客户。

作为华为技术创新的重量级产品，华为TaiShan服务器面向大数据、云原生、云存储等应用场景，为政府和企业提供高性能、低功耗的产品体验，发挥鲲鹏芯片在多核、高效能方面的优势，并从硬件、基础软件和应用三个层面不断推进产业合作，构建繁荣的开发者生态。

张顺茂表示， 今年华为云将把构建开发者生态视为最重要的工作之一 。首先华为云会不断的优化产品的开放能力，优化API提升开发者的体验；其次，华为云会打造一站式的开发者社区，为开发者提供一站式的服务；此外，华为云将启动多场沙龙，在国内部分大中型城市送课上门，帮助开发者了解华为的产品，了解开发工具。最后，华为会启动一系列的开发者扶植和权益计划，包括华为云MVP&云享专家计划、华为云产品体验官计划等等，为开发者提供舞台和支持。

精彩纷呈的演讲之外，在华为云超级展区，围绕“ 选择不凡，Cloud for Good ”主题，重点展出了华为鲲鹏生态，以及基于场景的IoT和DevCloud产品。

为进一步丰富参会体验，华为云还在现场设置ModelArts体验馆、DevCloud体验馆、IoT硬件展示专区，为众多前来参会者构建了一个分享最新技术、产品及解决方案，交流发展经验的平台。这其中，华为云的云享专家计划和华为云产品体验官计划都受到了现场的热捧

在ArchSummit上，华为云还设置“ 云原生时代IoT架构设计与DevOps实践 ”专场，4位华为云布道师分别以主题为《基于华为公有云IoT架构实践与能力开放》、《IoT OS 架构设计与端云协同的思考》、《DevOps下的架构设计和实践思考》、《云化DevOps工具链的架构设计与实践》发表了主题演讲。

此外，还有3位华为云布道师分别在“算法优化与高效开发”专场分享《基于云的敏感数据发现与保护》，在“云计算&云原生”专场分享《Volcano 在 Kubernetes 中运行高性能作业实践》，在“大数据平台构建&数据处理”专场分享《IoT大数据场景下华为高斯数据库的数据处理实践》。

华为云在技术上做好了充分准备，将继续保持开放架构，为企业提供稳定可靠、安全可信、可持续发展的多元化云服务和解决方案，更好地满足客户不同场景的需求。在5G+云+X时代，华为云期待与更多客户伙伴、行业专家、开发者紧密合作，共同构建万物互联的智能世界。 5G来了，选择华为云！

Ⅷ 人工智能是什么

人工智能（计算机科学的一个分支）

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。

Ⅸ 当司法拥抱算法，正义与科技谁将笑到最后！

2017年4月11日，美国首席大法官罗伯茨在与纽约伦斯勒理工学院校长的一场对话中被后者问道，“你能否预见将来有一天，AI驱动的智能机器将协助法庭认定事实，甚至颇具有争议地介入司法裁决程序？”

“这一天其实已经到来，” 大法官罗伯茨说，“而且这已经让司法实务的运作方式面临着巨大的压力。”

这位大法官说的并不只是高精尖的AI技术，当然更包括随身携带的智能设备、DNA生物技术等科技革命给传统证据基础上的事实认定带来的冲击，以及旧时代滞后的法律在技术革命新环境中的适用和演变，但最具有争议的是，司法实践中掌握国家机器的司法机关使用甚至依赖技术行使裁量权时，难免让人开始思考改变世界的科技技术进步与公平正义等社会目标之间的微妙关系。

本文中，简法帮以美国威斯康辛州最高法院的一个法院判例来分享美国司法机关已经广泛使用的一个风险评估工具所面临的程序正义问题。

概述

最初，风险评估技术工具仅由缓刑和假释部门使用，用来帮助确定违法者的最佳监督和处罚方式。随着国家对减少重新犯罪的关注和注重证据的司法实务的发展，现在这种工具的使用已经扩大到了量刑的司法实践中。然而，这些工具在量刑中的使用则更加复杂，因为风险评估工具主要面向减少重新犯罪的目标，而司法判刑则具有多个目的，譬如（1）威慑，（2）救助，（3）惩罚，（4）隔离。

使用特定的以证据为基础的风险评估工具进行判刑就是这个案例的核心问题。在量刑过程中使用COMPAS风险评估工具是否侵害宪法规定的正当法律程序权利（简法帮注：正当法律程序权利源于英美法系，主要是指任何权益受到判决影响的当事人，都享有被告知和陈述自己意见并获得听审的权利。），就是美国威斯康辛州上诉法庭向该州最高法院提请裁判的具体问题，因为COMPAS工具的专有保密性质让被告无法对COMPAS风险评估的科学效备敬御力提出质疑。

被告Eric L. Loomis（以下简称被告）认为，一审法院在判刑期间对COMPAS风险评估的考虑违反了自己的正当法律程序权利。

威斯康辛州最高法院得出的结论是：如果使用得当，并遵守其明确要求的限制和注意事项，法院在判决中考虑COMPAS风险评估并不违反被告享有的正当法律程序宪法权利。

最终，由于一审法院考虑COMPAS工具风险评分时具有其他独立因素的支持，技术工具的使用并没有发挥决定性的作用，所以威斯康辛州最高院认定一审法院判决被告入狱六年并没有不当行使自由裁量权。

法官量刑使用算法技术工具的一个案例

这个案件的事实没有争议。公诉人认为，被告是一起飞车枪击案的驾车人。公诉人指控了五项罪名：（1）一级肆意危及安仿岩全罪，（2）交警抓捕逃逸罪，（3）未经车主同意操控汽车罪，（4）罪犯持有枪支罪，（5）拥有短管霰弹枪或步枪罪。

被告否认参与飞车枪击。他放弃了庭稿好审权利，在与公诉人的控辩交易中（简法帮注：美国的控辩交易是指在司法审查的前提下，刑事案件的检察官和被告双方达成满意的倾向性意见的程序；通常是以检察官撤销指控、降格指控或者要求法官从轻判处刑罚为条件，来换取被告人的认罪答辩，进而由控辩双方达成均可接受的控辩协议），该被告对两项较轻的罪名指控做出认罪答辩，也就是前文的第2项和第3项罪名。

在接受被告的认罪答辩后，一审法院裁定开始量刑前调查。政府量刑前调查报告（下称“量刑报告”）的附件中包括一个COMPAS风险评估的附件。

COMPAS是Northpointe公司设计的一款风险需求评估工具，在狱政局做出入监决策、管理囚犯和规划惩治时能够用来提供决策支持。COMPAS风险评估依据的信息从被告的犯罪档案和与被告的访谈中采集。

COMPAS报告包括旨在预测再犯的风险评估，另外还有用来确定就业、住房和药物滥用等领域项目需求的单独评估。COMPAS报告的风险评估部分会生成条形图显示的风险评分，其中三个条形格分别代表审前再犯风险、一般再犯风险和暴力再犯风险。每个条形格显示的被告的风险级别落在从一到十的区间内。

风险评分旨在预测具有类似犯罪历史的人在被释放后不太可能或更有可能再次犯罪的一般可能性。然而，COMPAS风险评估并不能预测特定罪犯个人再次犯罪的具体可能性；它是基于特定个人信息与类似（人群）数据组的比较而提供的预测。

该案例中被告的COMPAS风险分数显示他在全部三个条形图上都呈现了重新犯罪的高风险。他的量刑报告包括了如何使用COMPAS风险评估的说明，警示了不当使用评估结果的风险，并且说明了它应当用于确定可以从干预措施中受益的囚犯以及在监督期间应该处理的风险因素。量刑报告还警示：COMPAS风险评估不应该用于确定量刑的幅度以及罪犯是否应当采取监禁措施。

此外，该案件中的COMPAS报告的确显示了被告的高风险和高监管需求：暴力的风险很高，再犯的风险很高，审前风险也高；所以这些都是决定适当量刑的因素。

最终，一审法院参考了COMPAS风险评分以及其他判刑因素判决驳回了缓刑的请求：“通过COMPAS评估，您被确定为对社区构成高风险的个人”。在衡量各种因素方面后，一审法院驳回缓刑请求不仅基于犯罪的严重程度，而且因为被告的“过往历史、监管措施历史以及所使用的风险评估工具”都表明了被告再次犯罪的风险极高。

于是，法院针对被告在控辩交易中认罪的交警抓捕逃逸罪和未经车主同意操控汽车罪两项罪名分别判处了两年和四年的入狱监禁及后续狱外监管措施。

接着，被告提请一审法院开庭听审其认罪后的量刑异议。他认为，一审法院在量刑时对COMPAS风险评估的考虑违反了他在宪法下的正当法律程序权利。

在庭审中，一审法庭论证了正当程序问题。被告提供的专家证人指出在量刑时使用COMPAS风险评估的问题。专家证人认为，不应将COMPAS风险评估用于决定是否采取入狱监禁的判决，因为COMPAS风险评估不是为此而设计的，法院这样做的巨大风险是过高估计犯罪人的风险并导致误判或者基于不相关的因素做出量刑决定。

该专家证人进一步指出，量刑法庭对于COMPAS评估如何分析风险的信息知之甚少：“法院不知道COMPAS到底如何将被告个人的历史与与之进行比较的基础人群进行比较。法院甚至都不知道对比人群是威斯康星人口，纽约人口，加利福尼亚人口……各种各样的信息法庭都没有，而我们（风险评估工具）现在的做法是径直将这些分值图放在法官面前让他们将之用于刑罚，这样会误导法庭。”

一审法院最终还是驳回了缓刑的请求，同时解释说使用COMPAS风险评估是为了验证该院自己的认定，无论量刑过程中是否考虑COMPAS风险评分，该院都会做出同样的量刑结果。

被告提起了上诉，上诉法院将该案子提请到威斯康辛州最高法院。

司法拥抱算法时的正当程序权利问题

量刑时能够使用COMPAS其实并不是一个新鲜的做法，威斯康辛州上诉法院在之前的判例中就支持了某初审法院量刑时对COMPAS评估的参考，并指出“COMPAS只不过是法庭在量刑时可以使用的一种工具”；但与本案例不同的是，该判例中没有提到正当程序的宪法权利问题。

但是，法律界不乏质疑的声音，担心工具的作用被过分看重和滥用。

该案件中，狱政局在量刑报告里就承认了工具的局限性：需要记住的重要一点是——风险评分不应用来确定量刑的幅度以及罪犯是否应当采取监禁措施。

威斯康辛州最高法院表示赞同，并在分析该案件中正当程序权利的问题后提出了必要警示的要求（见下文算法量刑到底靠不靠谱？）。

被告最初主张，COMPAS工具的专有保密属性让他无法对风险评估的科学有效性提出质疑。因此，被告认为，由于量刑报告中附加了COMPAS风险评估的附件，被告被剥夺了获取量刑报告全面信息的机会，因此无法确保自己基于准确信息而获得量刑的权利。

COMPAS的开发商Northpointe公司认为COMPAS是自己专有的工具，构成商业秘密。因此，该司没有公开披露风险评分到底如何确定以及评估因素的权重到底是怎样的。被告认为，由于COMPAS不披露这些信息，所以他没有得到一审法院量刑时使用的全部信息，基于以往判例类比认为自己的正当法律程序权利受到侵害。

也就是说，被告认为他是最适合反驳或解释自己COMPAS风险评估结果的人选，但仅仅看条形图反映的分值让他没法有效反驳或解释。此外，被告还认为，除非他能够查看工具背后这些因素是如何衡量的以及风险分数是如何确定的，否则COMPAS评估的准确性无法验证。

威斯康辛州最高法院则并不同意。该院指出，尽管被告无法查看和质疑COMPAS算法如何计算风险，但他至少可以审查并质疑量刑报告附件所载风险分值；因此，该案中被告并非没有机会获取法院依据的信息进行反驳、补充或解释。

威斯康辛州最高法院认为，尽管风险分数没有解释COMPAS程序如何使用信息来计算风险分值，但Northpointe公司COMPAS实务操作指南中解释过风险分值主要基于犯罪历史等静态信息和犯罪同伙、药物滥用等少数动态变量。

被告量刑报告中附录的COMPAS报告中就包含了21个静态信息方面的问题，例如：

此人在假释期间多少次被羁押？5+

此人在试用期间有多少次新的收费/逮捕？4

此人以前被逮捕（仅限刑事拘留）了几次？当时成年还是未成年？12

因此，威斯康辛州最高法院认为，被告的风险评估是基于他对这些问题的答案以及其犯罪史的公开数据，从这个意义上讲，被告完全有机会核实COMPAS报告中列出的问题和答案是否准确；一审法院和被告能够看到的是相同的风险评估报告。被告有机会通过辩解其他因素或信息来质询风险分值的不准确性。

算法量刑到底靠不靠谱？

美国使用COMPAS的一些州已经对COMPAS进行了验证研究，认为它是一个足够准确的风险评估工具。纽约州刑事司法服务局进行了一项研究，审查了COMPAS评估的重新犯罪量值的有效性和预测准确性，并得出结论认为：重新犯罪量值实用有效，并且预测准确性取得了令人满意的结果。与纽约州和其他州不同，威斯康星州尚未针对威斯康星州人口完成COMPAS统计验证研究。

另一方面，被告也找到了对风险评估工具的其他研究所提出的准确性方面的质疑。例如，他援引了2007年加利福尼亚管教和康复局的研究，结论是虽然COMPAS似乎在可以评估犯罪成因需求和再犯风险，但“几乎没有证据表明这是COMPAS实际评估的内容”。

加利福尼亚研究报告进一步得出结论，“没有明确的证据表明COMPAS可以由不同的评估者给出一致的评分，也没有明确的证据表明它可以评估其旨在评估的犯罪成因需求或者（非常重要的是）可以预测加利福尼亚管教和康复局囚犯的再次犯罪风险。”最终，该研究的作者没有推荐加利福尼亚管教和康复局针对个人使用COMPAS工具。

然而，随后加利福尼亚管教和康复局又发表了2010年关于加利福尼亚COMPAS验证研究的最终报告。2010年的研究得出结论，尽管并不完美，但“COMPAS是一个可靠的工具”。

除了这些问题之外，还有一些人担心风险评估工具可能会将少数群体犯罪者的比例过高地归类为更高的风险，包括家庭背景、教育和种族等各种不可控制的因素。

所以，威斯康辛州最高法院要求，使用风险评估工具的法域必须确保他们有资源、有能力维护这些工具并监控其持续准确性。

针对法院在量刑中使用所涉及的准确性问题，威斯康辛州最高法院决定使用COMPAS风险评估除了前文所述的限制之外，还必须遵守一些注意事项。具体来说，任何含有COMPAS风险评估的量刑报告都必须告知量刑法庭关于COMPAS风险评估准确性的以下注意事项：

COMPAS的专有保密性质导致无法公开披露风险评分到底如何确定以及评估因素的权重信息；

风险评估将被告与全国范围的样本进行比较，但对威斯康星州人口的交叉验证研究尚未完成；

对COMPAS风险评估分值进行的一些研究提出问题，质询是否存在少数群体犯罪者被不均衡地认定为重新犯罪高风险的情况；

随着人口结构的不断变化，风险评估工具必须不断监测和调整以维护准确性。这样，量刑法院才能够更好地判断风险评估的准确性并赋予风险分值适当的权重。

尽管如此，威斯康辛州最高法院明确认可了COMPAS风险评估的作用，并且援引了印第安纳州最高法院观点：这些工具有助于法院衡量所有量刑因素。与此同时，COMPAS风险评估依据群体数据判断高风险罪犯群体，而不是特定高风险的个人；所以，量刑法院针对每一个被告个体在考虑所有量刑因素时都应当注意这一点，而且COMPAS风险评估不能构成量刑的决定性因素。

算法=正义？元芳，你怎么看？

科技的进步在挑战社会的每一个细胞，包括经济、政治和生活方式等方方面面，就连司法体系这些维系社会公平和正义的社会机制也不例外。当算法工具这样的科技成果逐渐浸入司法实践中甚至影响量刑这样重要的国家行为中时，难免让人开始担忧是否真的在不远的未来，AI驱动的智能机器等技术工具不仅仅是协助性介入司法机关对法律的解释和执行，甚至逐步发挥更加重要的主导作用。

换句话说，人类会将同类的命运或者公平正义等核心价值的落实交给人类发明创造的算法等技术工具吗？

美国联邦最高法院大法官罗伯茨听起来保持着开放的态度，而且越来越多的法院也在拥抱技术的进步，威斯康辛州最高法院在这个案子中就这样乐观且务实地评论：

在量刑过程中分析使用以证据为基础的风险评估工具，务必考虑到诸如COMPAS等技术工具的变化和演进。我们今天面临的担忧，今后可能会随着工具的完善得到缓解。刑事司法系统应该认识到，在未来时间里，可供使用的研究数据会越来越多，各种各样更好的工具将会被开发出来。随着数据的变化，司法部门使用的工具也必须随之改变。司法部门必须跟上研究的步伐，必须不断评估这些工具在司法实践中的使用。

最后，无论你愿意或是不愿意，司法拥抱科技进步的明天已经到来，至于公平、正义、效率等社会价值目标在司法拥抱技术之后最终究竟会茁壮成长还是黯然失宠？我们拭目以待。

元芳，你怎么看？