高文院士：国家新一代人工智能发展规划

云栖网：2018年10月24日-26日，第二十六届媒体融合技术研讨会（ICTC2018）将在杭州举行。ICTC由国家广播电视总局批准、中国广播电影电视社会组织联合会技术委员会、浙江省广播电影电视产业协会和华数数字电视传媒集团有限公司等单位共同举办，是广电领域最具影响力的国际研讨会，至今已成功举办25届。云栖网作为本次大会的支持媒体，将为您全面报道本次盛会的精彩和亮点。

中国工程院院士高文

在ICTC2018现场，中国工程院院士高文先生作了主题为《国家新一代人工智能发展规划》的演讲，以下为演讲摘要：

高文：各位领导，各位专家：大家上午好！今天跟大家汇报关于国家新一代人工智能发展规划提出的来龙去脉，讲讲下一代的人工智能到底做什么。今天的演讲主要分为三个方面，第一个是对人工智能发展历史的回顾，后面是下一代人工智能出路的前因后果，最后是小结。

首先是关于人工智能的历史到目前为止从全球来看发展了62年，当然这个历史划分是不是完全合理，史前的这些事我们要不要认可，这是有争论，但是争论并不大，所以大家比较接受就是有62年历史，在这62年的历史里面，我们又可以分为世界史和中国史两个部分。

我首先讲一讲历史界，世界人工智能历史分为三个阶段，第一个20年是第一个阶段，之后的30年是第二阶段，从第50年开始到现在，一共12年就是这三个阶段。在谈人工智能的时候，我们不能忘记一个人，他就是图灵。尽管他这一生只是活42年，他对人工智能有三个贡献，阿兰图灵是一个英国人，他是一个数学家，不是物理学家，不是计算机家，他是计算机的鼻祖，今天的电子计算机的模型就是图灵模型，计算机有IO、计算机、存储器，因为在图灵机里面这几块模型都有。计算机不是图灵设计出来的，计算机界还有一个现代叫做冯洛伊曼设计出来的，他是物理学家，为了计算弹道数据，物理学家要做很多计算，最后设计一台机器，设计机器的时候采用图灵模型设计出来，这个模型一直延伸到今天。图灵的这一个贡献是给出图灵机模型。这是大家都知道的。

第二件事情我们知道他是人工智能之父，因为他提出关于智能的测试模型是我们今天所有做人工智能检验你这个系统是不是有智能的一个唯一标准。关于人工智能的贡献，图灵提出了图灵测试，也就是说，我要判断一台机器有没有智能非常简单，两个黑屋子，一个黑屋子里面是人，一个黑屋子里面是机器，外面有一个考官，考官开始问问题，一边问一边判断，所有的问题问完了还是判断不出来哪个机器，这个机器通过智能测试，这是图灵测试，我们看到电视节目《最强大脑》就是仿造图灵测试，但是为了娱乐性在节目上面的测试，你只要判断哪个是机器，这个测试结束，你没有通过图灵测试。

第三个贡献是密码专家。就是在二战的时候，盟军之所以可以打败德军，是因为掌握德军的密码，德军所有的信息盟军都知道，德军部署一个潜艇攻打，所有的发的指令，盟军都是知道的，所以才有了盟军最后运筹帷幄，最后把德军打败了。为什么盟军知道了德军的密码呢，是图灵的贡献。图灵当时在英国领导了一个小组，他也是数量了一台机器，但是那个机器不是今天的计算机，他是设计了一台密码破译机，最后用很短的时间，以前的战争每年更新一次密码本，但是图灵一个星期破掉了，破掉了以后，52个星期，51个星期盟军都知道德军在做什么，这是它的贡献。

图灵对于整个人类的三个贡献，应该说都很重要。特别是第二个贡献，今天和我们人工智能密切相关，为什么说人工智能有62年的历史呢？为什么不是从图灵测试开始算呢，因为1956年的时候，当时美国有10个科学家，这10个科学家他们组织了一个暑期研究所，他们搞了一个暑期讨论班，这个讨论班讨论两个月，这个班讨论人工智能的问题，包括人工智能的定义，包括人工智能应该做哪些研究，包括人工智能未来的目标是什么，所以，这两个月讨论完之后他们出了白皮书，这个白皮书今天看起来都不过时，就是把人工智能到底应该做什么，写得非常清楚。

我刚才说人工智能讨论班定义的问题，这些问题被科学家梳理，人工智能典型任务和应用包括机器定义证明，包括机器翻译，我们刚才签约的科大讯飞的语音识别，如果你说中文识别成中文的文字，这是语文识别，你说中文他说英文，就是机器翻译，机器翻译是人工智能要攻的一个课程，还有机器学习，还有专家系统，还有机器人和智能控制，这些都是人工智能研究的范畴。

这个研究范畴最后导致人工智能产生出三个流派，第一个流派叫做符号主义学派或是符号主义，第二个连接主义学派，或者是连接主义。第三个学派行为主义学派，或者是行为学派，这三个学派都是有出身的，一般来讲说符号学派或者是逻辑主义一般都是搞计算机和科学理论的人系做。这些人是出身于计算机科学，连接主义是用神经元网络通过电路模拟神经元的行为，最后让他进行一些智能的东西出来。一般是电子学的人为主。当然也有计算机，也有控制的人在里头。第三个行为学派主要是从系统的自适应，系统的进化这个角度做，更多的是控制理论的人比较多，就是控制领域的人比较多。所以，这三个学派计算机、电子和控制。

刚才说人工智能到目前为止，大概经历了三次浪潮，这三次浪潮有非常明显的起伏，说他是浪潮非常有道理，为什么呢？第一个20年他是从最初大家很热，到最后的全社会热，到最后的全社会凉，到最后研究也凉了，这是一个起伏，差不多经历了20年的时间。第二个起伏慢慢由冷变热，又热得一塌糊涂，最后慢慢降温下来，最后也是到了冬天。这个经历了30年。我们现在正是在第三次浪潮的上升其，上升到什么时候，会不会再落下来以后再说。大概就是这样三个时期。

第一个时期，他从元年开始到大家非常热，到最后降下来这20年。这个阶段主要的工作实际上是计算机科学家推动的。搞计算机的人推动的。所以，为什么前面刚才说这10个发起人，后来4个获得图灵奖，因为这些人大多数都是搞计算机，这个阶段主要的方法叫逻辑演算，逻辑推理，逻辑也是哲学，也是计算机科学，主要是从计算机科学角度做。

当时的时候，主要是要考虑引入一些符号的方法进行语义处理，也就是说智能，智能就是说，你要把一些行为，有一些智能的行为，把一些认知能够用计算机演算出来，计算机演算用符号，用1和0演算，把原来的一件事儿变成计算机可以表达和推理的这件事情，最后用符号来做。这里面最主要的使用的技术手段是什么呢？首先包括逻辑运算，用0和1来算，0和1是数，无法推理，刚好有一个数据工具叫做布尔代数，他可以符号推理，使用的运算规则跟代理规则非常接近，用代理的方法比较接近，用布尔代数做逻辑运算。

同时我们要进行推理，推理怎么，采用了科学里面最常用的方法叫做演绎推理，从一般性的前提出发通过推导得出个别的结论，从一般到特殊的推理过程叫做演绎推理。演义推理叫做三段论，首先是一个常识性的东西我们叫做大前提，有一个小命题，最后有一个结论，通过三段论最后把刚才所说的推理可以实现。这些推理怎么办，你有计算机的语言实现出来，我们知道今天计算机有很多语言了，C语言，在推理里面专门有一些语言，有很多语言，有很多计算机科学家写人工智能的推理语言。

从最基本的数学开始到哲学，到计算机这样的一个流程，构成了当时研究整个人工智能的方法论，这些方法论有结果还是没有结构，有结果，有什么结果，最好的结果就是数学定义的机器证明，我们大在中学里面做一些代理题，大学里面一定要花时间高等数学，高等数学有很多定理的证明，我们定理的证明都是人来证明，给出一些条件，最后给证明出来，让计算机去证明定理是可行的，从1956年开始有一批科学家用刚才所说的这套方法在证明数学定理，当时进展最后有两个学校，第一个学校是卡内基梅陇大学。计算机本身比较好的各有侧重。也就是说，偏向工程一点CMU最好，为什么CMU最好，因为他是从1956年开始做机器定义证明，它的人工智能相当好，他们1956年只是完成38条逻数的数学原理的证明。王皓到了美国研究机器数学定义，领一个课题组做机器定理证明，他比较厉害，在1959年的时候，在CMU，56年做的38条，他已经做出来350条定理的证明。

一直到1963年CMU才证明了52条定理，你可以看出来华人在最开始很厉害，比较可惜的是王皓先生后来他对这些事儿看得比较淡，后期不再做机器定理证明这个事儿，转到哲学去研究哲学，但是这个工作实实在在这里，因为我以前曾经说过我们国家有一个获得国家最高奖的数学界的老先生叫做吴文俊，它的成名之作就是几何定义证明，王皓是代数定义证明，他们两个是英雄惺惺惜惺惺。后来全世界都说机器定理证明华人是最好的，吴先生在国外获得一些奖，最后转到国内，最后得到国家的最高奖。在那个时候华人的贡献是非常大的。

但是那个时候发现除了数学定理证明这个事儿有一些好的证明之外其他进展不大，为什么呢，因为当时在1958年的时候，56年之后的两年之西蒙和另外一个是获得图灵奖的获得者，CMU大学的计算机学院的院长，一个是院长的老师，西蒙算是没有任何行政头衔，但是他是一个思想家，他把事儿想明白，他就是董事长，另外一个人就是CEO，负责执行。之所以CMU的大学这么出名，跟他们两个人开创的工作有关系。

他们两个人1958年的时候做了很乐观的预言，他做了什么预言，十年之内计算机成为国际象棋冠军十年之内计算机可以谱写优美的乐器。十年之内计算机可以实现人的心理的绝大多数行为，68年的时候除了机器定义证明这个事儿有谱，其他的三件事儿根本没有谱，什么样的评论都出来，这个评论对于整个领域还是有很大的杀伤力，很多人说人工智能是一个大忽悠，除了数学上面可以做做之外，那不是计算机，那不是智能。真正的智能你要像其他的这些人的智能行为是智能，很多地方讲。

什么是压倒骆驼的最后一根稻草，1973年的英国人写了一个报告，这个报告把人工智能当时主要的三个领域他叫做自动机机器人和中央神经系统分成这三类进行了一些综述，最后给出一个判断，判断的结果说自动机和中央神经系统是有研究价值的，但是进展让失望，机器人没有研究价格，建议取消B，A和C没有说，英国在74年把支持AI发展的所有的钱去掉，美国也是这样。76年人工智能没有研究经费，原来做这个领域的人靠经费养活的人散掉。这是有一个教训，人工智能在刚刚开始的理论和方法上面都不完备。

76年降低到低谷以后，冬天过去以后，慢慢会来春天，后来另外一个领域做神经元网络的领域它的研究慢慢有点气色，为什么有气色，构造一些学习算法出来，以前这个神经元网络要靠手工去调，经验很关键，而且这个网络的规模不能太大，要小规模的网络，所以他做一些简单的模式识别可以用，规模大一点，输入多一点，一般都调不出来，经常会振荡，学习是不收敛的，后来出来一个算法，这个算法告诉说，你用我这个算法，他这个输入输出之间错的误差可以一级一级倒被传播回来，无差逆传播，有这个算法，保证你的学习是收敛的，反正多少次一定不是来回振荡慢慢慢慢地收敛，是不是收敛到最好，我不能保证，但是保证是可以收敛。

所以有这个算法以后，这个领域慢慢又热起来，很多做神经元网络开始有经费，这是第二次的波浪慢慢起来了。第二次波浪里面，刚才说神经元网络慢慢起来，还有一个说激素是日本，日本当时的经验非常好，就像我们中国今天的经济一样，钱特别多，特别多总是要做一些事儿，大学的教授们你们出出主意，东京大学有几个老先生，当时是年轻人，现在有的过世，有的还在世，有的人提出一些建议做第5代计算机，他认为前面的4代，其实本身概念就是错误的，前面的4代是电子管，晶体管，大规模集成电路，超大规模集成电路。第5代是智能计算机，这个代不是从器件划分。他使用的技术是第一代的技术，不是第二代的技术，延续逻辑推理这一套东西，只是把逻辑推理上升到知识工程，用一些领域专专家建立很多规则，用这些规则进行推理。

因为当时领域专家建立的规则多了以后，推理的速度比较慢，他说我搞并行推理，用很多机器推理，他们投了很多钱，做了十年，后来失败了，后摆的原因是什么呢，你机器速度再快，你这个模型不对，结果还是不好，因为他们当时定的几个目标，到战胜日本的围棋冠军，他这个建立是建立来，你这个东西没有写进去，最后机器执行到这里不知道怎么办，停在这里。这是阿尔法狗没有遇到的情况下，平时都是超九段，这一步棋不认识，他就会出错。当时的日本在知识工程这一条路上花十年走到了尽头。

第二件事情还是有一个打击，这个打击就是知识图谱，我们计算机里面做人工智能，大家上网站去问一些问题，他回答你，比如说，现在科大讯飞要做一些法律的咨询等等问题，他的结论是怎么出来的，他是靠后面一套知识图谱，他是有概念，有关系，概念和关系的基础上进行推理，挑出来一个最好的东西给你，所以知识图谱非常关键。

当时斯坦福大学从1984年开始启动知识百科全书项目，组织了很多人来写它的知识图谱，但是后来他做不下去了，为什么呢？互联网起来了了，互联网的搜索引擎不是找专家写，谁都可以写，你只要可以上网都可以写，他的更新速度比互联网公司更新慢很多，很多人批评说，你做了十多年的东西，人家做两年都做得比你好，最后这个项目停止下来，停止下来人们说人工智能不行，因为互联网公司做的是不是人工智能，是搜索引擎，因为这两件事情都是和知识工程有关系的，再加上我刚才所说的第二次起飞，第二次由冬天转春天，还有神经元网络无差逆推动算法，使得神经元网络受到关注，他当时用于模式识别上面，90年代后期出来新技术，SVM，这个技术出来以后，大家突然觉得神经元有没有无所谓，神经元网络也下去了，神经元网络下去了，知识工程下去了，冬天就来了，所以，这就是第二次人工智能的冬天。

第三次是2006年第三波起来，第三波为什么起来呢，其实从本质上面来说，第三波起来技术上没有革命性的突破，还是第二波的这些技术，这是第三波有几个条件变了。第一个硬件技术发达了，它的计算资源非常多，可以用很多机器同时做，这是计算机硬件或者是算力的发达。第二个就是数据多了，就是今天所说的大数据，以前都是靠手工训练，训练的东西不堪大用，现在训练的数据大，这个数据可以解决问题，实际上，我们所说的第三次浪潮他是深度学习算法加上大数据组合的一个联合的集成创新或者是联合突破。

这个联合突破是谁弄出来的呢？有三个人，我们说这是深度学习的三个大牛，就是图片当中的三个人，这三个人在2006年分别，一个是在杂志，两个是在会议上面发表三篇论文，但是这三个论文说一个事情，神经元网络有深度，可以进行学习，以前的神经元网络就是叫做神经元，他们把神经元叫做深度学习网络，为什么呢，他认为以前的神经元弄一层，两层，三层不行了，解决不了大问题，你要解决大问题怎么办，深一点，10层，100层，1000层，当时他们说你想要做深层的神经元网络，我告诉你怎么做，你用一大堆机器一起算，并行来算，里面的算法不能采用以前这么简单无差逆传播，你要用卷积。

所以，有了这样的一些东西以后。大家突然发现这个领域会有所突破，后来这个卷积网络每一年有突破。98年这个网络识别手写字符非常油耗，后续每年都有一到两个新的东西出来，这个网络深度卷积神经网络，很多人可以使用，技术上面提升，当时也是在业内大家觉得这个东西有意思，但是全社会并没有关注，全社会关注人工智能是从什么时候开始呢？是从一个中国人的工作开始。

大家知道斯坦福大学叫做女教授李菲菲，她宾也以后在斯坦福工作，普林斯顿大学有一个教授李凯去斯坦福大学做一年的学术休假，就跟李菲菲隔壁的办公室，她没事儿跟李凯聊天，我想要做一件事情，做不了。李凯说什么事，我想要建一张一千万张图片的数据库，我想要看看谁的算法好，都是靠自己提交，李凯说挺好的，有什么难处，他说没有钱。你需要多少钱，她说这个图像数据库每个图像要标注一下，标注一张图像要支付5美元，一千万就是要5千万美元，我哪里有5千万美元，李凯说这种项目去美国政府申请，大概给你50万美元，你不用想，你不能想只是要政府的钱，你想要别的变化。

过几天李凯跟李菲菲说你用众包，大家知道现在有众包，当时李菲菲一听就明白，就是组织几个学生用众包的方式，反正网上的闲人比较多，谁都可以做贡献，你标注好就上传上来，他有一套奖赏的机制，谁标注多让你出名，也不会给钱，就是雇几个人买一些机械，很快把一千万规模的图像数据库做出来，做出来以后呢，他从2009年开始进行比赛，比赛的时候，这个事儿比较好玩了。

当时比赛的时候，因为当时组织起来的图像数据库达到1500万张图像，有2.2万类，人脸是一类，猫脸是一类，猴子是一类，他比赛的任务是什么，就是看你能不能分对，他有一些标注这是什么，这是什么，这是学习训练数据，拿出来一些数据，训练完之后识别这个东西到底是什么，看谁的错误率高，因为错误率越低说明你的识别率比较高。

当时从09年开始比赛的时候，基本上，大家各显神通。各种模式的高手组团，高的和年轻的，当时有很多人加入比赛，09年，10年，11年，你比我好一个点，后年我比你好一个点。即便一个点一个点改进，错误率是30%左右，到了2012年产生一个突变，就是红线最左边这个圈的东西，这是一个团队，他是使用了刚才所说的深度神经网络参加比赛，其他都是用传统的模式识别方式参加比赛，他出手的错误率降低一半，别人30%一个点一个点的改进，他神经元网络之后达到15%，大家认为有这么好的技术。

到了2013年清一色都是深度神经元网络，这些方法都被抛弃掉，什么SVM都抛弃掉，都用深度神经网络，13年开始都是清一色，2016年错误率参赛的队伍达到2%-3%，人的错误率就近5%，这已经超过人，人无法分不到这么厉害，分类的效果机器超过人，这个比赛现在已经停止，再做没有意义，就是这几年的时间。

但是这个比赛停止，因为这个比赛大家觉得这个技术有用，谁觉得有用呢？人脸识别的人觉得有用，只要它的数量量足够大，人脸识别可以用，还有一些公司冒出来，像科大讯飞这类公司一堆做认知的公司，把技术提升到人脸，图像的识别，语音的识别，自然语言处理等等方面，用这个技术一下子提升一大截，这个就是第三次浪潮到目前为止，主要的来龙去脉。

有的人问会不会跌下去，技术上面会，产业应用上面不会，因为成势了。因为人的智能三个方面，感知智能，认知智能和行动智能。就是说你的行动力，人经过思考或者是经过考虑以后，你要做这种动作，你要行动，这个时候是智能趋势的，我们先不说，这是机器人要考虑的，从认知的角度，就是感知、认知这两个智能是非常关键的。恰恰深度神经元网络在感知上面可以使用，认知智能靠这个东西无法做，经常有专家说现在的人工智能是不是已经可以战胜人，我告诉你不可能。

现在的人工智能不可能。因为现在的人工智能通常叫做弱人工智能，什么是弱人工智能呢，他不是用一套东西对付所有的东西，这个事情要这样做，那件事情要那样干，在每个单项上面很厉害，但是你要把所有的单项很厉害弄在一个里面互相会打架，我们人是一套学习机制对付所有的东西，但是现在的人工智能是不同的机制对付不同的任务，每个任务完成得挺好，弄在一起就坏了。所以，真正一套机制做所有的事情就是强人工智能，这是需要更多理论的突破和进展。

我们说说中国的，中国改革开放比较晚，从77年到86年这是学者发动的吉林大学的王院士推动，后面是国家863计划，2001年国家的几个计划，包括973，国家的重大项目都在进行扶持。其实，国家的863计划对于中国的人工智能应该是贡献非常大，863计划进行了15年这么长时间，在这个计划和智能化计算机专家组成员里面，凡是红色的人的名字后来成为院士，中国在计算机口的院士都是这个主题培养出来的。

现在自然科学基金委在人工智能列为一个单独的方向进行扶持，国家新一代人工智能计划也是在通国家重大项目的方式进行支持。下面转到第二个话题，说清楚了来龙去脉后面这个比较好说，因为人工智能不管是从整个应用场景，社会需求以及技术的突破等几个方面都是预示着现在到了往下一步走的时间。

这里面有很多端倪的出现，基于大数据的机器学习，阿尔法狗的学习案例。第二个基于网络的群体智能已经开始萌芽，包括众包，包括其他通过网络上面的每个个体的智能集合起来的群体智能也是今后对整个人工智能往前推进一个重要的方向。

另外，人机混合智能，有一些方法机器人做得很好，有的方面人做得更好，怎么样结合在一起，混合起来，使得这个智能的水平更高也是有一些端倪，另外就是跨媒体的智能，以前的人工智能就是单一媒体的智能，图像就是做图像，视频就是做视频，语音就是做语音，跨媒体智能就是跟人一样，人就是看着，听着，说着，摸着，所有的通道用起来，然后在脑子里面形成完整的图像，形成一个完整的结论，现在我们的人工智能还不行，我们希望能够在跨媒体推理上面也能够做得更好一些。

另外，无人系统，无人机，无人车，无人驾驶，无人系统，无人智能，所以这样的一些核心技术构造成中国下一代人工智能最核心的东西，我们所说整个中国下一代的人工智能当时工程院提交给高层的报告我们叫做2.0，最后国务院常务会议和政治局会议上面，你说2.0，1.0是什么，认为2.0的说法有问题。不是普世很容易接受，领导建议改为新一代，我们的计划是新一代的人工智能。

这个非常清晰，这个计划到底做什么，底下有一些支撑技术，包括安全评测，技术标准，法律法规，另外还有对社会的一些综合影响，包括就业等等的综合影响，这些是一些支撑。5个黄色是核心集成包括大数据智能，跨媒体智能，群体智能，混合增强智能，自住无人系统。国家这个事情工程院的报告提交上去以后，国家高层做了决策之后国务院印发新一代人工智能的通知。去年11月份科技部召开了重大科技项目启动会，这个启动会当时科技部的领导都出席，当时作为参与和将来作为主要的技术支撑的新一代人工智能技术产业联盟参与这个会议。

最新的动态是科技部已经正式发布了第一批新一代人工智能重大项目的申报指南，现在已经开始在申报，在12月份左右截至，这里面今年会投入8.7亿支持一些项目，大家有兴趣可以去科技部的网站查细节。

为了支撑这个东西，我刚才提到我们在科技部的指导下，专门成立了一个人工智能产业创新联盟，这个联盟现在我是理事会，潘云鹤院士作为我们专家委员会的主任，还有其他委员会的专家，目前已经有200多名成员。

现在联盟就是做开源平台，开源平台很重要，现在有一些开源框架，很多企业都在开放他们的开放平台，人工智能机器学习的开放框架，这个框架好不好，都是挺好的，但是我们不能没有自己的东西，当然国内有一些企业也是在开放，但是开放的力度或者说对用户的吸引程度，相对这些国外的企业相比起来差一点，我们觉得从联盟的角度希望把大家组织起来，把大家的力量组织起来，最后形成一个比较统一的资源互补的开放的平台，这个联盟做的最重要的事情。

为了做这个事情，今年的春天我们当时在深圳专门开了联盟启动仪式上面开放启智开源平台，这是完全用开源的形式做的工作，现在这个事情在按部就班徒步的推进。上面的软件部分由大家来贡献，底下由深圳的实验室来支持硬件的行为，我们所有的主流的不管是国内还是国外的开源平台都支持，我们会形成一个对产业扶持，应用的扶持更好的平台。这需要花一些时间慢慢做成这样。

现在有200多名会员，这个会员目前仍然在征集当中，加入这个联盟对于整个人工智能的发展或多或少会有贡献，或多或少会获益，如果我们在座的企业如果谁对这个人工智能发展有兴趣的话，也欢迎大家参加这个联盟，我们联盟的副秘书长也在，大家可以找他。

总结一下，人工智能的发展到现在三起两落，本身是一个螺旋发展，每次落再起来的时候往前提升一步，现在从这个领域，包括计算机科学，包括电子学，包括自动化，这几个领域的科学家轮番出场，各表演多少年，今后到底哪个成为主流，其实，从应用上面来说，现在基于电子学深度神经网络的东西会第一。未来的人工智能，强人工智能有期待一些算法和理论出现，这些理论和方法，有可能跟自适应和净化和基于概率模型的机器学习和小数据的学习的关联更密切一些，到底哪个会成功我们要密切关注。

中国下一代的人工智能在机器学习的新算法上面给了更多的布局，我们希望在机器学习新算法方法有更多的进步，今后的路很长，作为产业技术联盟我们会在整个国家的新一代人工智能的活动当中起到应有的作用希望大家持续的关心和关注，另外我们广电这个领域因为是新媒体，里面需要人工智能的地方非常多，希望大家多提出问题，我们联盟愿意配合我们这个领域把人工智能的工作在中国落地工作做好。