解读 - 人工智能发展白皮书 产业应用篇 （2018 年） - 第二部分

人工智能赋能医疗各环节能效初显

近年来随着医疗数据数字化深入，深度神经网络学习算法突破以及芯片计算能力提升，人工智能在医疗领域应用掀起第二次浪潮，已渗透到疾病风险预测、医疗影像、辅助诊疗、虚拟助手、健康管理、医药研发、医院管理、医保控费等各个环节，并取得初步成效。

美、英、日等国政府均高度重视人工智能在医疗领域应用。美国《健康保险携带和责任法案》为人工智能应用扫清了障碍，FDA（食品药品监督管理局）实施“数字健康创新行动计划”，重构数字健康产品监督体系，并单独组建成立 AI 与数字医疗审评部，加速 AI 医疗发展；英国 NHS（国家医疗服务系统）正计划在整个卫生服务部门大规模扩展人工智能，用于日常操作和治疗；2016 年日本厚生劳动省开始规划 AI 医疗相关政策，包括医疗费用的修正、采用人工智能医疗的激励措施等，并预计在 2020 年全面实施与推动人工智能医疗制度。我国 2016 以来国务院及相关部委相继印发《关于促进和规范健康医疗大数据应用发展的指导意见》、《新一代人工智能发展规划》、《“十三五”卫生与健康科技创新专项规划》、《关于促进"互联网+医疗健康"发展的意见》等文件规范和引导人工智能技术在医疗领域应用，新版《医疗器械分类目录》中增加了人工智能医疗产品，并预计 2019 年制定出台相关检定标准。

从应用效果来看，人工智能技术在以患者为中心的医疗环节中的应用尚处于初级阶段，产品以试用为主，存在同质化程度高、集中度高、实用效果与医生患者预期不符等问题。在医药、医保、医院环节则更多是面向企业、医疗机构用户，业务模式相对成熟，主要考验的是供给侧的技术能力。2018年以来人工智能医疗应用发展更加理性，一些公司不断大胆尝试，在商业化道路上逐步探索出不同模式。

统一标准、开放平台，推动人工智能与医疗深度融合。微软、亚马逊、谷歌、IBM、甲骨文和 Salesforce 在 2018 年 8 月中旬联合宣布将逐步开放标准，并通过云和人工智能技术消除医疗互操作的技术障碍，挖掘医疗数据潜力，以更低的成本提供更好的效果；谷歌公司在2018 年 7 月 Google Cloud Next 大会上透漏，人工智能产品 AutoML的注册用户也已经超过 1.8 万家，其中超过 10%的用户来自医疗和生命医学行业，有效推动了用户在医疗影像辅助检测，以及及时检测预警中风、哮喘、婴儿猝死综合征方面的创新。中国 BAT 三大互联网企业利用自身平台特点与优势布局，如具备 AI 医学图像分析和 AI辅助诊疗两项核心能力的腾讯觅影入选科技部首批国家人工智能开放创新平台，2018 年 6 月 AI 辅诊引擎接口开放，加速与医院的 HIS系统融合。

聚焦合作伙伴，实现医疗影像应用重点突破。医学 AI 技术研发公司希氏异构从北京迁到成都，专注于与华西一家医院深度合作，联合成立“华西-希氏医学人工智能研发中心”，建立成果共享机制，充分调动医生积极性，同时获取稳定、安全数据。通过对 20 万份病例数据学习，双方联合研制出国际第一台 AI 消化内镜样机，其对息肉、肿瘤、静脉曲张的初期诊断准确率分别为92.7%、93.9%和96.8%，并进行持续迭代优化，迈出了消化内镜 AI 技术本地化、设备化的关键一步。

通过 AI 赋能，提升传统医疗器械服务水平。通用电器、西门子、飞利浦以及中国的联影、迈瑞、鱼跃等公司等医疗器械用品制造公司则凭借临床经验和数字化、AI 等技术，在已有的医疗设备产品基础上不断推出整合的解决方案，以更低的成本为人们提供更好的健康保障和医疗关护。如飞利浦全球有超半数的研发人员专注于软件开发，其中大部分研究员同时从事人工智能研究，未来飞利浦大部分产品将基于人工智能技术，相继发布肿瘤疾病整体解决方案、胸痛中心/脑卒中中心整体解决方案、睡眠呼吸疾病整体解决方案、监护系统等解决方案。

跨学科技术要求高，欧美公司引领药物研发。药物研发具有低效和费时费钱特点，一种新药研发费用超过 1 亿美元，周期长达 8-12年，同时还需要药物化学、计算机化学、分子模型化和分子图示学等多学科配合，因此在人工智能医疗应用中最具挑战性。目前部分科技公司利用人工智能技术对大量分子数据进行训练来预测候选药物，并分析健康人和患者样品的数据以寻找新的生物标志物和治疗靶标，建立分子模型，预测结合的亲和力并筛选药物性质，有效降低药物开发成本，缩短上市时间并提高新药成功的可能性。如 BergHealth 公司利用人工智能技术成功找到了癌症代谢的关键作用分子，提升癌症新药研发效率，其主要抗癌药物—BPM31510，目前处于针对晚期胰腺癌患者治疗的 II 期临床试验过程中。

智能化监管，各国医保监管机构的必然选择。

智能化监管结合时间和空间，从患者、疾病、诊疗、医生、医院等多个维度建立医疗就医关系网络，利用机器学习等相关算法，识别其中的欺诈行为和群体。当前美国半数以上的管控型医疗组织机构在实施医疗反欺诈行动中都通过运用专业的反欺诈信息系统，来帮助稽核人员分析大量的数据

和进行前瞻性欺诈调查，以检测和识别不一致的数据或形态等，随着信息技术特别是人工智能技术的不断发展,医保监测逐步走向智能化时代。我国政府大力支持推广医保智能监管模式，将人工智能技术与“三医联动革”相结合，在医保监管领域，推动医保智能监管模式在全国范围内进行推广，将所有医保定点医疗机构纳入范围，实现住院和门诊医疗费用 100%智能审核。

智能教育加速推进教育教学创新

当前人工智能、大数据等技术迅猛发展，教育智能化成为教育领域发展的方向。智能教育正改变现有教学方式，解放教师资源，对教育理念与教育生态引发深刻变革。当前全球主要发达国家均加速推进教育教学创新，积极探索教育新模式，开发教育新产品。

在改变现有教学方式方面，一是实现教学成果智能测评，提升教学质量。利用人工智能技术对数字化、标准化的教师教学行为与学生学习情况进行测试、分析与评价，帮助师生快速精准定位教学问题，实现针对性、科学性教学，提升教学效果。二是构建个性化学习系统，激发学生自主学习动力。教育企业探索通过对学生学习特点建立知识画像，推送针对性教学内容，进一步激发学生自主学习意愿。2017年4月，澳大利亚自主教学平台Smart Sparrow获得400万美元融资，其教育模式得到初步认可。2014 年，美国自适应教育人机大战数据显示，自主教学平台有效提升学生学习效果，学生及格率平均提升10%，新知识获取时间平均缩短 44%，国内猿题库、疯狂老师、作业盒子等互联网教育企业正逐步推出类似功能。

在解放教师资源方面，一是实现作业智能批改，降低教师教学负担。借助图像识别与语义分析技术的持续革新，学生作业自动批改能力已初步实现，2018 年 4 月，安徽省教育厅发布《安徽省中小学智慧校园建设指导意见》，明确 2020 年将建成作业测评系统，实现学生作业自动批改。根据中国信通院移动互联网应用服务监测平台数据显示，截止 2018 年 4 月，提供作业自动批改功能的移动应用已有 95家，主要聚集在小学速算领域，其中爱作业应用日活用户数超过 20万，日均处理作业 50 万份。二是拓展学生课后学习途径，分担教师教学压力。教育企业通过构建课后习题库并结合图像识别技术，实现对学生上传题目快速识别，即时反馈答案与解题思路。伦敦教育机构Whizz Education，探索构建与课堂教学进度高度一致的课后学习系统，通过在线语音互动方式，实现学生课后辅导与答疑。

智能教育或将对教育理念与教育生态引发深刻变革。一是教育学科不断扩充。当前，国内外大量学校已将计算机编程、算法设计等课程纳入中学课本中。与此同时，国内外大量企业推出模块化机器人，通过配套化、可视化操作系统，辅助学生实现编程学习。二是教育场景实现突破。VR/AR 技术使原本抽象、微观、平面的课本具体化、宏观化、立体化，解决教学缺乏互动性等问题，进一步激发学生创新潜能。当前，谷歌、Facebook、百度、网易等国内外互联网巨头积极布局 VR 教育领域，将带动教育产业实现颠覆性变革。

智能交通提升城市管理水平

交通管理方面，一是实时分析城市交通流量，缩短车辆等待时间。人工智能驱动的智能交通信号系统以雷达传感器和摄像头监控交通状况，利用人工智能算法决定灯色转换时间，通过人工智能和交通控制理论融合应用，优化城市道路网络中交通流量。二是大数据分析公众资源数据，合理建设交通设施。人工智能算法根据城市民众出行偏好、生活、消费等习惯，分析城市人流、车流迁移及城市公众资源情况，基于大数据分析结果，为政府决策城市规划，特别是为公共交通设施基础建设提供指导与借鉴。三是实时检测车辆，提高执法效率。通过整合图像处理、模式识别等技术，实现对监控路段的机动车道、非机动车道进行全天候实时监控。前端卡口处理系统对所拍摄图像进行分析获取号牌号码、号牌颜色、车身颜色、车标、车辆子品牌等数据，并连同车辆的通过时间、地点、行驶方向等信息通过计算机网络传输到卡口系统控制中心的数据库中进行数据存储、查询、比对等处理，当发现肇事逃逸、违规或可疑车辆时，系统自动向拦截系统及相关人员发出告警信号。

车主体验方面，一是汽车辅助驾驶和无人驾驶。车辆辅助安全驾驶系统包括车载传感器、车载计算机和控制执行等，车辆通过车载传感器测定与周围车辆以及道路设施及周边环境距离，在紧急情况下，做出各类安全保障措施。车辆自动驾驶系统，实现在行驶过程中自动导向、自动检测及回避障碍物。二是智慧停车。国内斑马智慧停车和上汽集团合作开发中国首款互联网汽车荣威 RX5，实现智能泊车、车位状态获取、安全驾驶等功能。

城市发展方面，一是节能环保。智能交通系统实现节能减排效应，通过建设智能交通系统，有效提高现有道路交通网络运行效率，达到缓解拥堵、节约能源、减轻污染的目的，通过智能交通控制，最终实现减少废气排出量并对节能环保作出重大贡献。二是降低事故。采取智能交通技术，提高道路管理能力，减少每年交通事故中死亡人数。当前，世界各发达国家投入大量财力与人力，进行大规模智能交通技术研究试验及产业应用，很多发达国家已转入全面部署阶段。

人工智能提升公共安全保障能力

在社会治安领域，人工智能已应用于警方侦查过程，为警方破案提供重要线索。依托安防行业的基础，犯罪侦查成为人工智能在公共安全领域最先落地的场景。基于计算机视觉技术在公共场所安防布控，可以及时发现异常情况，为公安、检察等司法机关的刑侦破案、治安管理等行为提供强力支撑。美国多地警方部署人工智能警务风险评估软件，将犯罪控制在萌芽状态。智能软件根据保存的犯罪数据预测哪些犯罪高发区域可能会出现新问题。我国人工智能的应用有效满足公安实战要求，以问题导向解决问题。2017 年国庆期间，公安部门在北京天安门广场采用了动态人像布控技术，总共报警次数 90 多次，有效盘查 60 多次，准确命中各类对象 50 多人。此外在金砖国家（BRICS）领导人第九次会晤在厦门举行期间，智能安防系统就协助公安部门抓获全国在逃人员 20 余名。但目前全球各国社会治安领域AI应用发展并不均衡。以英国为例，虽然英国AI技术创新比较活跃，但是人脸识别错误率高，应用成效差强人意。根据《独立报》发布的数据，英国大都会警察使用的面部识别软件所产生的 104 次警报中， 只有两次是准确匹配。

在反恐反暴领域，人工智能在打击恐怖分子、炸弹排除等领域可发挥重要作用。美国建立的禁飞系统能预测恐怖袭击的可能性，大数据系统每天都会传输犯罪预测数据到执勤警员的执勤电子设备中，预测型侦查已经广泛开展。此外反恐机器人能对可疑目标自动探测与跟踪，并拥有对目标远程准确打击能力，在打击恐怖分子、协助军方反恐等领域可发挥重要作用。在我国，由哈工大机器人集团研制的武装打击机器人、侦察机器人、小型排爆机器人已应用于反恐安全、目标探测、可疑物检查与打击、路边炸弹排除、危险物质处理等领域。

在灾后救援领域，人工智能在高效处置灾情，避免人员伤亡方面发挥关键作用。不管是自然灾害之后的搜救，还是日常救援行动，随着人工智能融合，可快速处理灾区航拍影像，并借此实时向救援人员提供重要的评估与规划性指导，不仅保障自然环境、群众生命财产安全，同时能够最大限度的减少救援人员的牺牲。比如日本总务省消防厅推进开发的“机器人消防队”，由自上空拍摄现场情况的小型无人机、收集地面信息的侦察机器人、可自动行走的水枪机器人组成。美国国家航空航天局 NASA 推出的 AI 系统 Audrey，通过消防员身上所穿戴的传感器，获取火场位置、周围温度、危险化学品和危险气体的信号以及区域卫星图像等全方面的信息，并基于机器学习的预测为消防人员提供更多的有效信息和团队建议，最大程度的保护消防员的安全。在我国，灭火、侦查、排烟消防机器人技术和产品已相对成熟，并已经进入了实际作战，在高效处置灾情、避免人员伤亡并减少财产损失等方面发挥着越来越重要的作用。此外国家地震台研制的“地震信息播报机器人”，在 2017 年 8 月 8 日四川九寨沟地震期间，仅用25 秒写了全球第一条关于这次地震的速报，通过中国地震台网官方 微信平台推送，为地震避灾、生命救援和消息传递争取时间。

人工智能拓展金融服务广度和深度

智能金融是人工智能与金融的全面融合。智能金融是以人工智能等高科技为核心要素，全面赋能金融机构，提升金融机构的服务效率，拓展金融服务的广度和深度，实现金融服务的智能化、个性化和定制化。人工智能与传统金融产业链的融合主要分为三阶段。第一阶段是科技赋能阶段，该阶段强调应用场景，将其他领域成熟的人工智能技术平行向金融领域应用迁移，提升某些环节业务效率；第二阶段是科技增能阶段，该阶段强调模型应用，由于模型直接应用会带来合规风险，因此该阶段会产生大量第三方专业服务，金融行业意识到人工智能特点及优势，主动在业务环节中应用人工智能，引发业务方式深刻变革及效率极大提升；第三阶段是科技产能阶段，以价值应用为主要特点，金融核心业务将人工智能化，人工智能成为金融核心价值创造手段，同时伴随监管效率和监管措施智能化。

人工智能已被广泛应用到银行、投资、信贷、保险和监管等多个金融业务场景。目前，传统金融机构、大型互联网公司和人工智能公司纷纷布局金融领域，智慧银行、智能投顾、智能投研、智能信贷、智能保险和智能监管是当前人工智能在金融领域的主要应用，分别作用于银行运营、投资理财、信贷、保险和监管等业务场景，但整体来看人工智能在金融领域的应用尚不成熟。应用在金融领域的人工智能相关技术主要包括机器学习、生物识别、自然语言处理、语音识别和知识图谱等技术。目前的应用场景还处于起步阶段，大部分是人机结合式的，人工智能应用对金融业务主要起辅助性作用。但金融业务场景和技术应用场景都具有很强的创新潜力，长远来看，在金融投顾、智能客服等应用方面对行业可能产生颠覆性影响。

智能投顾应用。智能投顾主要指根据个人投资者提供的风险偏好、投资收益要求以及投资风格等信息，运用智能算法技术、投资组合优化理论模型，为用户提供投资决策信息参考，并随着金融市场动态变化对资产组合及配置提供改进的建议。智能投顾不仅在投资配置和交易执行能力上可以超越人类，还可以帮助投资者克服情绪上的弱点。工商银行、中国银行等国有银行也纷纷推出智能投顾服务，花旗银行预计到 2025 年智能投顾管理的资产总规模将会高 5 万亿美元。伴随着人工智能神经网络、决策树技术的不断迭代创新和发展，智能投顾在金融业中将会进一步得到应用和发展。

智能风控应用。人工智能技术在智能风控方面的应用发展较快，随着互联网金融的快速发展，如蚂蚁金服、京东金融等不少金融机构和互联网金融公司大力发展智能信贷服务。智能风控主要依托高纬度的大数据和人工智能技术对金融风险进行及时有效的识别、预警和防范。金融机构通过人工智能等现代科技手段对目标用户的网络行为数据、授权数据、交易数据等进行行为建模和画像分析，开展风险评估分析和跟踪，进而推测融资的风险点。根据某些可能影响借款人还贷能力的行为特征的先验概率推算出后验概率，金融机构能够对借款人还贷能力进行实时监控，有助于减少坏账损失。

智能金融客服应用。对于处在服务业价值链高端的金融业而言，人工智能技术将对金融领域中的服务渠道、服务方式、风险管理、授信融资、投资决策等各个方面带来深刻的变革式影响，成为金融行业沟通客户、发现客户需求的重要决定因素。目前，交通银行、平安保险等金融机构已经开始运用人工智能技术开展自然语言处理、语音识别、声纹识别，为远程客户服务、业务咨询和办理等提供有效的技术支持，这不仅有效响应客户要求，而且大大减轻人工服务的压力，有效降低从事金融服务的各类机构的运营成本。

人工智能对金融市场、金融机构和消费者都产生深刻影响。对金融市场来说，人工智能减少信息不对称程度，提升市场效率与稳定性；改善整个金融市场价格发现机制，降低整体交易成本；有效提升交易速度与效率，增加金融市场流动性。对金融机构来说，人工智能促进更多金融机构使用人工智能实现日常业务流程自动化，有效识别客户需求并提供其定制产品，显著提升业绩；促使金融机构提前检测欺诈、可疑交易、违约和网络攻击等风险，提升风险管理水平。对消费者与投资者来说，人工智能降低消费者和投资者金融服务成本，促进其获得更广泛金融服务；通过智能数据分析把握每位消费者或投资者消费偏好，便于提供更多定制化与个性化金融服务。

智能家居助力打造智慧家庭

人工智能在家居领域的应用场景主要包括智能家电、家庭安防监控、智能家居控制中心等，通过将生物特征识别、自动语音识别、图像识别等人工智能技术应用到传统家居产品中，实现家居产品智能化升级，全面打造智慧家庭。智能家居产品已相对成熟，未来市场发展空间巨大。

一是打造智能家电终端产品。通过图像识别、自动语音识别等人工智能技术实现冰箱、空调、电视等家用电器产品功能的智能升级，促进家用电器控制智能化、功能多元化，提升家用电器的使用体验。如澳柯玛与京东联合研发推出的一款智慧大屏互联冰箱，内置摄像头可自动捕捉成像，基于图像识别技术自动识别 120 多种食材，为用户建立食材库，实现食物自动监测，并可跟踪学习用户习惯，为用户智能推荐食谱。长虹推出的 Alph人工智能语音空调，搭载智能语音控制模块，通过自动语音识别技术，实现 6 米内语音交互、全语义识别操控，高效识别及语音操控准确度达到 95%以上。

二是实现家庭安防监控。基于图像识别、生物特征识别、人工智能传感器等技术实现家庭外部环境监测（如楼宇）、家庭门锁控制（如智能门锁、猫眼）、家庭内部环境探测（如空气质量、烟雾探测、人员活动等）等功能。如 LifeSmart 云起与英特尔合作打造的人脸识别可视门锁，通过摄像头采集含有人脸的图像或视频流，自动在图像中检测和跟踪人脸，基于人的脸部特征信息进行身份识别，实现人脸识别、远程可视、智能门锁的联动防御。斑点猫的智能猫眼产品人脸识别综合准确率可达到 99.6%，采集家人信息后，智能猫眼会迅速识别出家人，并进行家人回家信息播报，构建温馨的智能家居生活场景；而如果陌生人到访，智能猫眼会进行陌生人报警提示，并可识别多种人脸属性，将年龄、性别等信息发送到用户手机，让用户及时应对，构建安全的家庭外部环境。

三是打造智能家居控制中心。基于自动语音识别、语义识别、问答系统、智能传感器等人工智能技术，开发智能家居控制系统（整体解决方案），实现家电、窗帘、照明等不同类型设备互联互通，从简单的设备开与关，逐步走向智能化、便利化、个性化设定。当前智能家居控制中心具有 APP 控制、智能设备控制（如智能音箱）和智能机器人控制三种控制模式。Google Assistant、三星 Smart Things 智能家居控制中心采用 APP 控制模式。通过在谷歌 Pixel 手机终端中安装Google Assistant 软件，并在 Google Assistant 中添加基于自动语音识别技术的全新功能“Home Control”，用户能够向 Pixel 发出语音指令，完成调节屋内温度、控制照明、切换电视频道、播放音乐等操作。亚马逊 echo、谷歌 Home 采用智能设备控制模式。海尔 Ubot 采用智能机器人控制模式。

未来发展建议

趋势展望

人工智能是一个宽泛的概念，有人将各类人工智能划分为弱人工智能、强人工智能和超人工智能。从人工智能总体发展来看，一方面，深度学习只能在机器上建立浅层次的条件反射，是“弱人工智能”，真正意义上的人工智能即“强人工智能”的实现还没有任何曙光。另一方面，依托深度学习等新一代人工智能技术的新兴产业生态和行业应用的发展正方兴未艾.

专用芯片、算法平台和特色数据成为企业打造人工智能生态体系的重要着力点。人工智能时代将会出现多种多样的计算终端，而不仅仅局限于计算机、手机等通用设备，在芯片领域将逐步出现为特定场景而定制的具备低功耗、低成本、高性能优势的专用芯片，将算法芯片化、产品化也成为一种趋势。与互联网时代地图服务类似，人工智能自然语言处理、计算机视觉等基础服务具有依赖数据更新不断迭代的特点，“数据+平台”的云服务模式将逐渐深化，人工智能基础服务提供商不断积累数据，提供更优质的服务。

人工智能产品将在不断的迭代中实现较大突破，在生产生活中得到更广泛应用。目前，人工智能相对成熟的产品主要集中在安防监控设备等局部细分领域，智能扫地机器人、智能音箱、机器翻译机等产品普遍存在覆盖范围小、使用群体少、智能化水平偏低等问题，此外，还有更多的产品空白领域。虽然在可见的未来，影视剧里面的那种具有自主意识的人工智能不会出现，但通过机器学习算法简化软件的复杂性、增强机器的“智能”方面还有很广阔的发展空间。例如，辅助驾驶系统将成为汽车的必备，虽然完全无人驾驶可能很长时间都不会出现。家用电器会更加智能化，同时也会出现家庭服务机器人等新型家电产品。

人机混合智能将成为人工智能典型应用模式，优化过程中机器智能比例会持续增大。人工智能（或机器智能）和人类智能各有所长，人机混合智能模式取长补短，将在未来有广阔的应用前景。人机混合智能可以把人对模糊、不确定问题分析响应的高级认知机制与机器强大的运算和存储能力紧密耦合，使得两者相互适应、协同工作，进行双向信息交流与控制，构成“1+1>2”的增强智能形态。人机协作、人机决策、脑机接口等人机混合智能将成为人工智能在各领域推广应用的主流方向，正如在医疗领域医生与外科手术机器人、新闻领域编辑审核人员与写作机器人的协作一样。并且，随着应用过程中智能技术的提升和协作机制的不断优化，机器智能将逐步接管更多工作。

策略建议

持续完善数据资源体系，破解发展制约。深度学习需要大规模高质量的训练数据，而数据获取和制作成本高、数据权属的法律界定不明确、数据标准不统一、历史数据质量差等问题制约人工智能发展。建议充分发挥传感器、物联网设备在数据采集的作用，同时实现训练数据标注从纯人工标注逐渐向人工与自动标注结合的方式转换，并不断加大自动标注在整个标注环节中的比例。加强医疗、交通等人工智能重点领域内合作，建立行业数据统一标准，提升数据质量，从而推动人工智能应用进程。加强个人隐私保护数据立法研究，制定数据流通规则，推动数据共享流通。

重视人工智能安全风险，减少潜在隐患。不同于传统工业产品一切功能设定都是明确的，具有自学习、自适应、自组织、自行动的人工智能带来不确定的风险。例如无人驾驶汽车难以应对全部的场景，在特殊天气和路况时容易发生事故，2015 年德国大众工厂机器人造成人员伤亡，2016 年中国“小胖”服务机器人失控伤人，这种危险同样存在于未来可能广泛应用的家庭服务机器人、看护机器人上。需要指出的是，人工智能的安全风险并非有些人担心的是人工智能太强而威胁人类生存，而是太弱而无法应对复杂的应用场景造成的。因此，人工智能产品与应用提供商应重视人工智能产品和应用安全风险，通过提升技术能力、加强数据训练、开展安全评测等多种手段减少安全隐患。

打造人工智能创新平台，推动产业应用。发挥政府和行业作用，建设人工智能基础数据平台、人工智能安全检测平台等创新平台，推动人工智能产业发展与应用创新。围绕语音识别、视觉识别、自然语言处理等基础领域及工业、医疗、金融、交通等行业领域，支持建设高质量人工智能训练资源库、标准测试数据集并推动共享，鼓励建设提供知识图谱、算法训练、产品优化等共性服务的开放性云平台。围绕智能机器人、智能网联汽车、智能终端等新兴产品与应用，研究建立人工智能安全评估体系，针对设计研发、部署应用、升级维护、废弃销毁等人工智能产品与应用全生命周期过程中数据安全风险、算法安全风险、平台安全风险开展安全评估，提升人工智能产品和服务质量和安全水平。

积极开展多元路线探索，突破技术瓶颈。目前人工智能的主要技术是深度学习，即采用大数据训练深度神经网络，使其形成一种“条件反射”机制，从而来完成一类特定任务。这种条件反射机制是很浅层次的“智能”，没有人类智能的灵活性、逻辑性，更无举一反三的思辨能力，因此在复杂情况下的应用差强人意。理论并不能证明或者证伪具有类人类智能的“强人工智能”的可能性，毕竟人类连自身产生智能的机制还不清楚，只能通过不断的工程实践来摸索“强人工智能”的路径，包括但不限于基于机器学习、深度学习体系的优化、基于脑科学研究的类脑智能、基于脑机接口的混合智能等多种技术路线，实现类似或者超越从机器学习到深度学习的新突破，带动人工智能质的飞越。

提前布局劳动资源转换，应对就业变化。任何新的生产工具进步都会带来劳动力的需求变化，2013 年英国牛津大学的一项研究报告显示，未来有 700 多种职业都有被智能机器替代的可能性。如同每次科技革命的影响，技能要求低的职业首当其冲，而这次医疗、教育等需要高技能积累的行业也将受到人工智能的影响。目前人工智能对医疗影像的认知已经接近或超越有经验的人类医生，随着放射影像与AI 技术融合的精准手术治疗发展，未来外科医生也可能会面临相同的挑战。我们应该正视未来趋势，提前采取应对措施来适应人工智能带来的就业供需的变化。例如通过宣传、培训等方式引导、鼓励企业生产方式的转型升级以及从业人员劳动资源的有效转换。