2018版人工智能标准化白皮书.pdf

人工智能标准化白皮书 （2018版） 指导单位：国家标准化管理委员会工业二部 编写单位：中国电子技术标准化研究院 二零一八年一月 编写单位（排名不分先后）中国电子技术标准化研究院 中国科学院自动化研究所 北京理工大学 清华大学 北京大学 中国人民大学 北京航空航天大学 科大讯飞股份有限公司 华为技术有限公司 国际商业机器（中国）有限公司 阿里云计算有限公司 中国科学院计算技术研究所 中国电信集团公司 腾讯互联网加（深圳）有限公司 阿里巴巴网络技术有限公司 上海计算机软件技术开发中心 上海智臻智能网络科技股份有限公司 北京爱奇艺科技有限公司 北京有生志广科技有限公司 极限元（北京）智能科技股份有限公司 北京字节跳动科技有限公司（今日头条） 北京商汤科技开发有限公司 浙江蚂蚁小微金融服务集团有限公司 百度网络技术有限公司 英特尔（中国）有限公司 松下电器（中国）有限公司 重庆凯泽科技股份有限公司 海尔工业智能研究院有限公司 重庆中科云从科技有限公司 北京格灵深瞳信息技术有限公司I 目录 1前言 .1 1.1研究背景 .1 1.2研究目标及意义 .2 2人工智能概述 .3 2.1人工智能的历史及概念 .3 2.1.1人工智能的起源与历史 .3 2.1.2人工智能的概念 .5 2.2人工智能的特征 .7 2.3人工智能参考框架 .8 3人工智能发展现状及趋势 .11 3.1 人工智能关键技术 .11 3.1.1机器学习 .11 3.1.2知识图谱 .13 3.1.3自然语言处理 .14 3.1.4人机交互 .15 3.1.5计算机视觉 .17 3.1.6生物特征识别 .19 3.1.7虚拟现实/增强现实 .21 3.1.8人工智能技术发展趋势 .21 3.2人工智能产业现状及趋势 .22 3.2.1智能基础设施 .23 3.2.2智能信息及数据 .24 3.2.3智能技术服务 .25 3.2.4智能产品 .25 3.2.5人工智能行业应用 .27 3.2.6人工智能产业发展趋势 .31 3.3安全、伦理、隐私问题 .32 3.3.1人工智能的安全问题 .32 3.3.2人工智能的伦理问题 .33 3.3.3人工智能的隐私问题 .34 3.4 人工智能标准化的重要作用 .35 4人工智能标准化现状 .37 4.1国际标准化现状 .37 4.1.1 ISO/IEC JTC 1 .37 4.1.2 ISO .40 4.1.3 IEC .40 II 4.1.4 ITU .41 4.2国外标准化现状 .41 4.2.1 IEEE .41 4.2.2 NIST .41 4.2.3 其它 .42 4.3国内标准化现状 .42 4.3.1全国信息技术标准化技术委员会 .42 4.3.2全国自动化系统与集成标准化技术委员会 .43 4.3.3全国音频、视频和多媒体标准化技术委员会 .43 4.3.4全国信息安全标准化技术委员会 .43 4.3.5全国智能运输系统标准化技术委员会 .44 4.4人工智能标准化面临的问题和挑战 .44 4.5人工智能标准需求分析 .45 4.6人工智能标准化组织机制建设 .46 5人工智能标准体系 .48 5.1人工智能标准体系结构 .48 5.2 标准体系框架 .49 5.2.1基础标准 .51 5.2.2平台/支撑标准 .51 5.2.3关键技术标准 .51 5.2.4产品及服务标准 .53 5.2.5应用标准 .54 5.2.6安全/伦理标准 .56 5.3近期急需制定标准 .56 6人工智能标准化工作重点建议 .59 附件1 人工智能标准明细表 .61 附件2 应用案例 .71 1 1前言 1.1研究背景 人工智能概念诞生于1956年，在半个多世纪的发展历程中，由于受到智能算法、计算速度、存储水平等多方面因素的影响，人工智能技术和应用发展经历了多次高潮和低谷。2006 年以来，以深度学习为代表的机器学习算法在机器视觉和语音识别等领域取得了极大的成功，识别准确性大幅提升，使人工智能再次受到学术界和产业界的广泛关注。云计算、大数据等技术在提升运算速度，降低计算成本的同时，也为人工智能发展提供了丰富的数据资源，协助训练出更加智能化的算法模型。人工智能的发展模式也从过去追求“用计算机模拟人工智能”，逐步转向以机器与人结合而成的增强型混合智能系统，用机器、人、网络结合成新的群智系统，以及用机器、人、网络和物结合成的更加复杂的智能系统。 作为新一轮产业变革的核心驱动力，人工智能在催生新技术、新产品的同时，对传统行业也具备较强的赋能作用，能够引发经济结构的重大变革，实现社会生产力的整体跃升。人工智能将人从枯燥的劳动中解放出来，越来越多的简单性、重复性、危险性任务由人工智能系统完成，在减少人力投入，提高工作效率的同时，还能够比人类做得更快、更准确；人工智能还可以在教育、医疗、养老、环境保护、城市运行、司法服务等领域得到广泛应用，能够极大提高公共服务精准化水平，全面提升人民生活品质；同时，人工智能可帮助人类准确感知、预测、预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化，主动作出决策反应，显著提高社会治理能力和水平，同时保障公共安全。 人工智能作为一项引领未来的战略技术，世界发达国家纷纷在新一轮国际竞争中争取掌握主导权，围绕人工智能出台规划和政策，对人工智能核心技术、顶尖人才、标准规范等进行部署，加快促进人工智能技术和产业发展。主要科技企业不断加大资金和人力投入，抢占人工智能发展制高点。2017年，我国出台了新一代人工智能发展规划（国发201735号）、促进新一代人工智能产业发展三年行动计划（2018-2020年）（工信部科2017315号）等政策文件，推动人工智能技术研发和产业化发展。目前，国内人工智能发展已具备一定的技术和产业基础，在芯片、数据、平台、应用等领域集聚了一批人工智能企业，在2 部分方向取得阶段性成果并向市场化发展。例如，人工智能在金融、安防、客服等行业领域已实现应用，在特定任务中语义识别、语音识别、人脸识别、图像识别技术的精度和效率已远超人工。 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。当前，在我国人工智能相关产品和服务不断丰富的同时，也出现了标准化程度不足的问题。人工智能涉及众多领域，虽然某些领域已具备一定的标准化基础，但是这些分散的标准化工作并不足以完全支撑整个人工智能领域。另一方面，人工智能属于新兴领域，发展方兴未艾，从世界范围来看，标准化工作仍在起步过程中，尚未形成完善的标准体系，我国基本与国外处于同一起跑线，存在快速突破的机会窗口。只要瞄准机会，快速布局，完全有可能抢占标准创新的制高点，反之，则有可能丧失良机。因此，迫切需要把握机遇，加快对人工智能技术及产业发展的研究，系统梳理、加快研制人工智能各领域的标准体系，明确标准之间的依存性与制约关系，建立统一完善的标准体系，以标准的手段促进我国人工智能技术、产业蓬勃发展。 1.2研究目标及意义 本白皮书前期在国标委工业二部和工信部科技司的指导下，通过梳理人工智能技术、应用和产业演进情况，分析人工智能的技术热点、行业动态和未来趋势，从支撑人工智能产业整体发展的角度出发，研究制定了能够适应和引导人工智能产业发展的标准体系，进而提出近期急需研制的基础和关键标准项目。 本白皮书并不预期成为人工智能领域的全面技术和产业综述，不求面面俱到，仅针对目前人工智能领域涵盖的技术热点和产业情况进行分析，研究提出人工智能标准体系。人工智能标准化工作尚处于起步阶段，本白皮书只作为人工智能领域技术、产业和标准化之间初始的连接纽带，并将在今后不断根据技术、产业和标准化的发展需求进行修订。本白皮书不过多地给出人工智能领域观点性的陈述，力求以较为浅显易懂的语言和方式进行阐述。 本白皮书的意义在于与业界分享人工智能领域的研究成果和实践经验，呼吁社会各界共同加强人工智能领域的技术研究、产业投入、标准建设与服务应用，共同推动人工智能及其产业发展。 3 2人工智能概述 2.1人工智能的历史及概念 2.1.1人工智能的起源与历史 人工智能始于20世纪50年代，至今大致分为三个发展阶段：第一阶段（20世纪50年代80年代）。这一阶段人工智能刚诞生，基于抽象数学推理的可编程数字计算机已经出现，符号主义（Symbolism）快速发展，但由于很多事物不能形式化表达，建立的模型存在一定的局限性。此外，随着计算任务的复杂性不断加大，人工智能发展一度遇到瓶颈；第二阶段（20世纪80年代90年代末）。在这一阶段，专家系统得到快速发展，数学模型有重大突破，但由于专家系统在知识获取、推理能力等方面的不足，以及开发成本高等原因，人工智能的发展又一次进入低谷期；第三阶段（21 世纪初至今）。随着大数据的积聚、理论算法的革新、计算能力的提升，人工智能在很多应用领域取得了突破性进展，迎来了又一个繁荣时期。人工智能具体的发展历程如图1所示。 图1 人工智能发展历史 长期以来，制造具有智能的机器一直是人类的重大梦想。早在1950年，Alan Turing在计算机器与智能中就阐述了对人工智能的思考。他提出的图灵测试是机器智能的重要测量手段，后来还衍生出了视觉图灵测试等测量方法。19562010s1970s 1980s1987-19971950s1960s 2000s第一次繁荣期达特茅斯会议，确定了人工智能的概念和发展目标1976-1982第一次低谷期遭受质疑批评，运算能力不足、计算复杂度较高、常识与推理实现难度较大等1982-1987第二次繁荣期具备逻辑规则推演和特定领域回答解决问题的专家系统盛行，及五代计算机的发展复苏期计算性能的提升与互联网技术的快速普及增长爆发期新一代信息技术引发信息环境与数据基础变革，海量图像语音文本等多模态数据不断出现，计算能力提高第二次低谷期技术领域再次陷入瓶颈，抽象推理不再被继续关注，基于符号处理的模型遭到反对1976年，机器翻译等项目的失败及一些学术报告的负面影响，人工智能的经费普遍减少1985年，出现了更强可视化效果的决策树模型和突破早期感知机局限的多层人工神经网络1959年，Arthur Samuel提出了机器学习1987年，LISP机市场崩塌1997年，Deep Blue战胜世界国际象棋冠军Garry Kasparov2006年，Hinton和他的学生开始深度学习2014年，微软公司发布全球第一款个人智能助理微软小娜2010年，大数据时代到来1956年达特茅斯会议提出“人工智能”2016年3月，AlphaGo以4比1战胜世界围棋冠军李世石2017年10月，DeepMind团队公布了最强 版 的AlphaGoZero1990s1997-2010 2010-1956-19762020s4 年，“人工智能”这个词首次出现在达特茅斯会议上，标志着其作为一个研究领域的正式诞生。六十年来，人工智能发展潮起潮落的同时，基本思想可大致划分为四个流派：符号主义（Symbolism）、连接主义（Connectionism）、行为主义（Behaviourism）和统计主义（Statisticsism）（注：由于篇幅原因，本白皮书不对四个流派进行详细阐述）。这四个流派从不同侧面抓住了智能的部分特征，在“制造”人工智能方面都取得了里程碑式的成就。 1959年，Arthur Samuel提出了机器学习，机器学习将传统的制造智能演化为通过学习能力来获取智能，推动人工智能进入了第一次繁荣期。20世纪70年代末期专家系统的出现，实现了人工智能从理论研究走向实际应用，从一般思维规律探索走向专门知识应用的重大突破，将人工智能的研究推向了新高潮。然而，机器学习的模型仍然是“人工”的，也有很大的局限性。随着专家系统应用的不断深入，专家系统自身存在的知识获取难、知识领域窄、推理能力弱、实用性差等问题逐步暴露。从1976年开始，人工智能的研究进入长达6年的萧瑟期。 在80年代中期，随着美国、日本立项支持人工智能研究，以及以知识工程为主导的机器学习方法的发展，出现了具有更强可视化效果的决策树模型和突破早期感知机局限的多层人工神经网络，由此带来了人工智能的又一次繁荣期。然而，当时的计算机难以模拟复杂度高及规模大的神经网络，仍有一定的局限性。1987年由于LISP机市场崩塌，美国取消了人工智能预算，日本第五代计算机项目失败并退出市场，专家系统进展缓慢，人工智能又进入了萧瑟期。 1997年，IBM深蓝（Deep Blue）战胜国际象棋世界冠军Garry Kasparov。这是一次具有里程碑意义的成功，它代表了基于规则的人工智能的胜利。2006年，在 Hinton 和他的学生的推动下，深度学习开始备受关注，为后来人工智能的发展带来了重大影响。从2010年开始，人工智能进入爆发式的发展阶段，其最主要的驱动力是大数据时代的到来，运算能力及机器学习算法得到提高。人工智能快速发展，产业界也开始不断涌现出新的研发成果：2011年，IBM Waston在综艺节目危险边缘中战胜了最高奖金得主和连胜纪录保持者；2012 年，谷歌大脑通过模仿人类大脑在没有人类指导的情况下，利用非监督深度学习方法从大量视频中成功学习到识别出一只猫的能力；2014 年，微软公司推出了一款实时口译系统，可以模仿说话者的声音并保留其口音；2014 年，微软公司发布5 全球第一款个人智能助理微软小娜；2014 年，亚马逊发布至今为止最成功的智能音箱产品Echo和个人助手Alexa；2016年，谷歌AlphaGo机器人在围棋比赛中击败了世界冠军李世石；2017年，苹果公司在原来个人助理Siri的基础上推出了智能私人助理Siri和智能音响HomePod。 目前，世界各国都开始重视人工智能的发展。2017年6月29日，首届世界智能大会在天津召开。中国工程院院士潘云鹤在大会主论坛作了题为“中国新一代人工智能”的主题演讲，报告中概括了世界各国在人工智能研究方面的战略：2016年5月，美国白宫发表了为人工智能的未来做好准备；英国2016年12月发布人工智能：未来决策制定的机遇和影响；法国在2017年4月制定了国家人工智能战略；德国在2017年5月颁布全国第一部自动驾驶的法律；在中国，据不完全统计，2017年运营的人工智能公司接近400家，行业巨头百度、腾讯、阿里巴巴等都不断在人工智能领域发力。从数量、投资等角度来看，自然语言处理、机器人、计算机视觉成为了人工智能最为热门的三个产业方向。 2.1.2人工智能的概念 人工智能作为一门前沿交叉学科，其定义一直存有不同的观点：人工智能一种现代方法中将已有的一些人工智能定义分为四类：像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统。维基百科上定义“人工智能就是机器展现出的智能”，即只要是某种机器，具有某种或某些“智能”的特征或表现，都应该算作“人工智能”。大英百科全书则限定人工智能是数字计算机或者数字计算机控制的机器人在执行智能生物体才有的一些任务上的能力。百度百科定义人工智能是“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”，将其视为计算机科学的一个分支，指出其研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 本白皮书认为，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。 人工智能的定义对人工智能学科的基本思想和内容作出了解释，即围绕智能6 活动而构造的人工系统。人工智能是知识的工程，是机器模仿人类利用知识完成一定行为的过程。根据人工智能是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强人工智能。 弱人工智能是指不能真正实现推理和解决问题的智能机器，这些机器表面看像是智能的，但是并不真正拥有智能，也不会有自主意识。迄今为止的人工智能系统都还是实现特定功能的专用智能，而不是像人类智能那样能够不断适应复杂的新环境并不断涌现出新的功能，因此都还是弱人工智能。目前的主流研究仍然集中于弱人工智能，并取得了显著进步，如语音识别、图像处理和物体分割、机器翻译等方面取得了重大突破，甚至可以接近或超越人类水平。 强人工智能是指真正能思维的智能机器，并且认为这样的机器是有知觉的和自我意识的，这类机器可分为类人（机器的思考和推理类似人的思维）与非类人（机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式）两大类。从一般意义来说，达到人类水平的、能够自适应地应对外界环境挑战的、具有自我意识的人工智能称为“通用人工智能”、“强人工智能”或“类人智能”。强人工智能不仅在哲学上存在巨大争论（涉及到思维与意识等根本问题的讨论），在技术上的研究也具有极大的挑战性。强人工智能当前鲜有进展，美国私营部门的专家及国家科技委员会比较支持的观点是，至少在未来几十年内难以实现。 靠符号主义、连接主义、行为主义和统计主义这四个流派的经典路线就能设计制造出强人工智能吗？其中一个主流看法是：即使有更高性能的计算平台和更大规模的大数据助力，也还只是量变，不是质变，人类对自身智能的认识还处在初级阶段，在人类真正理解智能机理之前，不可能制造出强人工智能。理解大脑产生智能的机理是脑科学的终极性问题，绝大多数脑科学专家都认为这是一个数百年乃至数千年甚至永远都解决不了的问题。 通向强人工智能还有一条“新”路线，这里称为“仿真主义”。这条新路线通过制造先进的大脑探测工具从结构上解析大脑，再利用工程技术手段构造出模仿大脑神经网络基元及结构的仿脑装置，最后通过环境刺激和交互训练仿真大脑实现类人智能，简言之，“先结构，后功能”。虽然这项工程也十分困难，但都是有可能在数十年内解决的工程技术问题，而不像“理解大脑”这个科学问题那样遥不可及。