看互联网的发展是如此热闹，看人工智能是如此受热捧。AI和中国成了未来几年的关键词，一是因为中国几个互联网公司的发展势头，二是消费级市场的巨大需求，不管是真需求还是伪需求，总之是带动了公司的研发，带动了商业的热捧，带动了人们的消费，这对中国的科技发展是个有利的时机。

热闹的背后，我想说句题外话。如今的人们总抱怨手机绑架了我们，无时无刻都在低头看手机，都在收发消息，人们总能容易地找到你；人们总怀念过去的时光是多么悠闲，休假是多么惬意，不会有滴滴滴、叮咚叮咚的手机提示音，好像罪魁祸首真的是手机、真的是网络。

我看到的是危机：是什么把各种终端连接在一起，让人们沟通如此方便；是什么把地球连在一起，叫做地球村；是什么让移动支付、转账拨款如此方便，比谈笑风生的樯橹灰飞烟灭还容易？是网络，是部署在天地间无处不在的网络设备。试想有一天，打起网络战，网络一瞬间都瘫痪了，每个人是不是都成了“亚龙虾”（哑聋瞎）？没有网络安全就没有国家安全。

闲话少说，说这个报告，这个报告很长很长很长，可能没有多少人愿意看完。我这里也不全文照搬，主要放个目录吧，看目录就能获得很多信息，有的目录确实不好界定说的是什么、或者和中国有关的一些信息，我会贴上来一部分。

在所有前沿科技中，人工智能再次成为该榜单的第一名。韦伯表示，人工智能将引发第三次计算浪潮，带来积极的影响，例如 AlphaFold 在发现疾病的治疗方法中可以发挥的作用；但也会带来消极的影响，例如它当前对刑事司法系统的影响。

“这9家公司推动了人工智能的大部分研究、资金、政府参与和消费级应用。大学的研究人员和实验室依靠这些公司提供数据、工具和资金。九大人工智能公司也对人工智能合并和收购产生了巨大影响，为人工智能初创公司提供资金并为下一代开发人员提供支持。”

1.AI 与企业

1.1 利用人工智能加速科学发现的进程

1.2 云端人工智能

1.3 线下人工智能

1.4 机器人流程自动化

1.5 企业中的数字双胞胎和认知双胞胎

1.6 认知机器人

1.7 先进的人工智能芯片

1.8 无服务器计算

1.9 专业化、本土化的人工智能语言

Python是一种领先的语言，有许多预先构建的库和框架。Julia是麻省理工学院开发的一种专注于数值计算的开源语言。当然还有 Lisp，由现代人工智能的前辈约翰・麦卡锡在1958年创造的。

1.10 Franken 算法的扩散（Proliferation of Franken-algorithms）

1.11 为了竞争而操纵 AI 系统的公司

1.12 企业生物识别欺骗

1.13 人工智能机器人

2. 人工智能与商业生态系统

2.1 全球对人工智能的投资热潮

2.2 算法市场

在21世纪一零年代，大型科技公司、初创公司和开发者社区利用算法市场来分享和销售他们的作品。2018年，微软斥资75亿美元收购了GitHub，这是一个流行的开发平台，允许任何人托管和审查代码，与其他开发人员合作，并构建各种项目。

2.3 市场整合

尽管人工智能的生态系统正在蓬勃发展，但收购热潮也意味着整合。现在，大公司在有时间成熟之前就开始创业，收购的平均年龄是3岁。只有9家大公司占据了人工智能的主导地位：美国的 Amazon、Google、Microsoft、IBM、Facebook和苹果，中国的巨头阿里巴巴、腾讯和百度。

2.4 破碎

人工智能的生态系统覆盖了数百家公司。许多政策团体、倡导组织和政府都在制定指导方针、规范和标准以及政策框架，希望以此来指导人工智能的未来发展。因此，生态系统在两个方面支离破碎：基础设施标准和治理。

2.5 人工智能责任

 当机器运转不好时，谁该受责备？我们目前的法律体系是为了规范人类行为，而不是无监督机器的行为。当企业急于构建和实施人工智能产品和流程时，他们必须提前计划新出现的风险。

2.6 环境监测

3. 过程、系统与计算机神经科学

3.1 从平面二维图像创建三维模型

3.2 神经符号人工智能算法与系统

人工智能的发展一直走在两条概念轨道上：符号（机器使用表示概念的知识和规则基础）和非符号（机器使用原始数据创建自己的模式和概念表示）。神经网络将通过符号来理解数据，而不是总是依赖人类程序员为数据排序、标记和编目。符号算法将有助于这一过程，这最终将导致不总是需要人来训练的鲁棒系统。

亚马逊的重新命名识别知名人士，帮助人们 “为营销、广告和媒体行业使用案例提供视频和照片目录”。

3.3 实时机器学习

3.4 自然语言理解（NLU）

3.5 机器阅读理解（MRC）

3.6 自然语言生成（NLG）

3.7 机器学习中的实时上下文（Real-Time Context in Machine Learning）

3.8 一般强化学习算法

3.9 深度学习范围

3.10 更快、更强大的开源框架

3.11 强化学习与分层学习

3.12 持续学习

3.13 多任务学习

3.14 生成性对抗网络

3.15 新的生成建模技术

3.16 概率规划语言

3.17 机器图像完成（Machine Image Completion）

3.18 混合人 - 计算机视觉分析

3.19 预测机器视觉

3.20 自动机器学习（AutoML）

3.21 定制机器学习

3.22 图神经网络

3.23 智能光学字符识别

4. 人工智能与内容创意

4.1 人工智能与创意过程

4.2 内容生成算法

4.3 从短视频生成虚拟环境

中心内测试客户流场景。

4.4 自动版本控制

4.5 自动语音克隆和配音

4.6 机器文字识别

4.7 算法事实检查

4.8 数据挖掘群

智能手机拥有量已经达到临界值，人们对各种网络的使用也达到临界值。人类的数据不仅可以跟踪我们自己，还可以供任何人搜索、收集和分析。预计更多的新闻机构以及营销人员、活动家和其他团体将开始以创造性的方式利用这些数据。

4.9 深度链接

自智能手机问世以来，深度移动连接就一直存在，它使人们更容易在手机中的所有应用程序中查找和共享数据。深度链接的使用方式现在已经模糊了消费者的信息。

5. 消费品和服务

5.1 环境计算扩展

5.2 无处不在的数字助理（DAs）

5.3 人工智能致力药物研发

5.4 人工智能面试

5.5 消费者级人工智能应用

6. 人工智能与地缘政治、地缘经济与战争

6.1 新的高科技工业综合体

在过去的几年里，美国一些最大的中情局公司开始与军方合作，推进研究，寻找销量，开发新的技术系统，可以在各种情况下部署。

2017年，美国国防部成立了一个算法战争跨职能团队，致力于一个名为 “Maven 项目”的项目，这是一个计算机视觉和深度学习系统，可以自动识别静止图像和视频中的物体。该小组没有必要的人工智能能力，因此国防部与谷歌签订合同，帮助训练人工智能系统分析无人机画面。但被分配到这个项目的谷歌员工并不知道他们实际上在做一个军事项目，这导致了引人注目的反弹。

多达4000名谷歌员工签署了一份请愿书，反对Maven项目。他们在《纽约时报》上登了一整版广告，最终数十名员工辞职。最终，谷歌表示不会与国防部续签合同。

6.2 国家情报战略

6.3 建立人工智能规则的竞赛

去年，中国在全球率先制定了一套规范和标准，以管理人工智能的未来，随后，许多国家和地区争相出台相关的政策，随着人工智能在中国、欧盟和美国继续按照不同的规则发展，全球 AI 学术领域的合作可能会急剧下降。

6.4 算法战争

6.5 人工智能自我解释

6.6 在关键系统中使用人工智能

7. 中国人工智能规则

7.1 中国规则

如果认为中国是一个只是复制而不是创新的国家，麻烦再想一想。中国已经是人工智能领域的全球领导者。该国在许多领域取得了巨大的进步，但尤其是在人工智能企业和政府已经合作了一个全面的计划，使中国在2030之前成为世界上主要的人工智能创新中心，并且它已经朝着这个目标迈进了一大步。同时赋予了中国三大公司百度、阿里巴巴和腾讯一个称号---BAT。目前，中国的人工智能初创企业几乎占到所有人工智能全球投资的一半。

7.2 中国的数据盈余

中国人口众多，接近14亿人，为那里的研究人员和初创企业提供了未来人类数据中最有价值的自然资源，而不受世界许多地方普遍存在的隐私和安全限制。如果数据是新的石油，那么中国就是新的欧佩克。中国人正在挖掘的这种丰富的数据可以用来训练人工智能，挖掘从教育、制造到零售和军事应用等各个领域的模式。

8. 人工智能与社会

8.1 人工情感智能

8.2 个人数码双胞胎

8.3 问题数据集

8.4 人工智能识别欺骗性为

8.5 针对弱势群体设计的算法

8.6 人工智能存在偏见

8.7 人工智能故意隐藏数据

8.8 未报告（Undocumented）人工智能事故的兴起

8.9 人工智能与数字红利

人工智能将不可避免地导致全球劳动力的转移，导致许多行业的失业。数字红利则是一种公司向社会偿还一部分从人工智能获得的利润的方式。

8.10 优先考虑责任和信任

来源：智慧图书馆