《各地发布新政挖掘人工智能应用潜能》

  • 来源专题:人工智能
  • 编译者: 高楠
  • 发布时间:2024-09-20
  • 人工智能(AI)作为前沿技术,在众多技术创新中展现了显著的“头雁效应”。
          人工智能不仅推动了从局部探索到全面发展的转变,还实现了从试点应用到赋能各行各业的飞跃。一旦人工智能成功开辟出一条将技术创新转化为实际应用进而真正提高生产效率和生活质量的道路,其他新技术也将能够借鉴或模仿这一模式,共同促成一个积极的发展态势。
          当前,打造人工智能应用场景高地已成为各地发展AI产业的重中之重。截至9月18日,年内苏州市、深圳市、杭州市、郑州市等多地均围绕人工智能产业布局发布了新政或新举措。从内容上看,不少地方将拓展应用场景作为关键内容予以安排。例如,苏州市人民政府官网于9月16日发布消息显示,《苏州市加快推动“人工智能+”应用高水平建设“人工智能+”创新发展试验区行动方案》《苏州市关于加快推进“人工智能+制造业”的若干措施》已发布。此前,深圳市工业和信息化局印发的《深圳市加快打造人工智能先锋城市行动方案》提出,“深化全域全时全场景应用,打造场景应用先锋”。
    “应用是技术创新改变现实生产生活的必要环节。应用场景的拓展,实际上正是AI技术向各行各业的持续渗透,是人工智能与生产、服务等各类具体场景的融合。当前,人工智能技术在医疗健康、金融服务等领域的运用日渐成熟,不过整体上,其应用仍处于探索阶段,业内企业与从业人员仍在为挖掘应用潜能、探索更多稳定盈利模式而努力。”中国移动通信联合会区块链与数据要素专业委员会主任陈晓华对《证券日报》记者表示。
          上述局部与整体的差异性,是人工智能应用潜能释放过程中一个较为鲜明的特征。如何理解这种差异性?中国电子商务专家服务中心副主任、资深人工智能专家郭涛在接受《证券日报》记者采访时表示,行业特性决定了AI技术应用的深度与广度,不同行业对人工智能的接受度和具体应用方向存在差异,因此,人工智能技术在与不同行业融合的时候,其时间线与进度各有不同。“值得关注的是,市场需求是推动AI技术应用发展的关键动力。局部应用往往聚焦特定功能或流程优化,相关需求具体且迫切;整体需求潜能的释放所涉内容则更加宏观,需要长远规划。”
          市场需求带动融合走深走实,在制造业领域体现得较明显。伴随我国经济结构转型升级,消费者对多元化和高质量产品的追求日益增加,促使制造业从提供传统加工服务向高端制造转变。制造业企业要向消费者提供更多增值服务,构建差异化竞争优势,就不得不提升制造能力。因此,制造业对人工智能、大数据等前沿技术参与制造全过程的需求持续提升。
          与之对应,今年以来,推动AI技术与制造业不断融合是多地挖掘人工智能应用潜能的关键方向之一。例如,天津市人民政府办公厅印发的《天津市工业技术改造行动方案(2024―2027年)》提出,“推动人工智能、5G、边缘计算等新技术在制造环节深度应用,形成一批虚拟试验与调试、工艺数字化设计、智能在线检测等典型场景”。
    信息通信专家陈志刚对《证券日报》记者表示,制造业与AI技术融合不仅能提升劳动生产率、促进传统产业升级,还能催生一批新兴产业。在二者深度融合的未来,人工智能将覆盖制造业的设计、生产、管理、服务等全流程,刚性生产可能在AI技术的驱动下更加柔性,智能制造机床将会大规模普及,协助制造业快速响应市场变化,更加高效地满足消费者个性化、多样化需求。
          谈及未来,陈志刚表示,除各地政策支持外,企业应发挥好科技创新的主体作用,加强关键核心技术的研发,提升AI技术供给能力,积极参与智能制造标准和规范的制定。此外,建议企业积极与高校、科研机构合作,共同参与智能制造项目课题和调查研究,推动技术创新和产业化落地。
    (责编:杨曦、陈键)
  • 原文来源:http://finance.people.com.cn/n1/2024/0919/c1004-40323186.html
相关报告
  • 《中国海油发布人工智能模型“海能”》

    • 来源专题:人工智能
    • 编译者:高楠
    • 发布时间:2024-10-29
    • 科技日报北京10月14日电 (记者操秀英)14日,中国海油在北京发布“海能”人工智能模型。该模型可为实现海洋油气行业资源最优配置、提升工作效率、精益现场管理、优化商业模式、释放创新活力等提供数智支持,赋能海洋油气产业加快培育发展新质生产力、实现高质量发展。       “海能”围绕智能油气田、智能工程、智能工厂等8大类100多个业务场景,实现小模型和大模型兼备、专业场景和通用场景兼容、生产和经营管理全覆盖。       本次发布会上,中国海油优选具有海油特色的5个专业场景模型和6个通用场景模型发布。其中,注采联动模型以稳油控水为目标,基于油田20余年积累的海量数据,将人工智能、物联网等新技术与专家经验融合,实现地下油藏―井筒―地面一体化联动,形成注采异常智能诊断―方案自动制定―指令远程调控的闭环管理,转变传统人工经验决策模式,建立数据驱动、业务协同的注采优化新途径。       安全钻井模型转变了依靠人工现场巡检、紧盯监控画面的传统模式,构建了具备海洋石油钻完井特色的训练集,支持劳保穿戴不合规、踩踏钻井盖板、贴近旋转状态的钻柱等危险行为的全天候24小时持续监测,0.1秒即可识别风险,使不安全行为数量减少95%。为海上平台和陆地电厂的核心装备――燃气机组构建的“燃机智能健康管理系统”,可实现对海上和陆地的燃机、汽机等设备的状态评估、异常检测和自动故障诊断,支持智能监盘、一屏集中监管。该模型准确率达90%,把原先耗时1―3天的排故时间缩短至3小时以内,可极大提高排故效率、降低运维成本,每年节约设备运维费用近亿元。       中国海油董事长汪东进表示,中国海油将密切关注和跟踪国际人工智能前沿技术发展趋势,紧紧围绕集团核心业务深入挖掘数智化需求,加强与中国电信、科大讯飞等专业公司的务实合作,统筹推进勘探开发和经营管理数据治理,力争“十四五”末中国海油整体数字化率达到50%,“十五五”末达到80%、全面形成“智慧海油”生态,为加快创建世界一流示范企业升级“智能引擎”。 (责编:王震、陈键)
  • 《人工智能帮助新药研发》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-12-03
    • 在古代,神农尝百草,这其实就是人工筛选药物的过程。 在现代,看过电影《我不是药神》的人也会知道,新药研发的成本是极高的。 在综艺节目《奇葩说》中,经济学家薛兆丰提到:每一款新药研发的周期大约是20年,平均每款新药的研发费用高达20亿美元。 所以,新药研发是一个高风险高回报的行业。 人工智能时代,情况有了很大的变化,人工智能可以对新药研发有很大的帮助。 药的分类 要理解人工智能对新药研发的帮助,首先需要对药物做一个大致的分类。从药物分子的大小来分,一般可以把药物分为二类。 1. 化学药 化学药的起效成分是单一、明确的化学小分子,分子量通常小于 1000 道尔顿(也就是1000个质子质量)。这种药可以通过实验室化学合成制备,其分子结构可以用紫外可见分光光度计,核磁共振与红外光谱仪等仪器鉴定。这种药物分子可以直接进入细胞产生药效。 著名的阿司匹林(aspirin)就是一种化学药,阿司匹林于1899年3月由德国化学家发明,可用于治疗感冒、发热、头痛等病症。再比如伟哥(viagra)是由美国辉瑞研制开发的一种口服治疗男性性功能障碍的药物,在音乐人李宗盛等人演唱的《最近比较烦》这首歌中,有这样一句“我梦见和饭岛爱一起晚餐, 梦中的餐厅灯光太昏暗, 我遍寻不着那蓝色的小药丸”,这个蓝色的小药丸就是伟哥 ,这也是一种化学药。 2. 生物药 生物药一般是抗体、蛋白(多肽)、核酸类药物,分子量通常远大于1000 道尔顿。所以生物药是大分子药。 比如治疗糖尿病的人工胰岛素就是一种生物药。1958年,中国科学院在王应睐、曹天钦、邹承鲁、钮经义、沈昭文等先生的带领下,正式启动人工合成胰岛素项目,1966年取得巨大成功。我国人工合成的胰岛素其实就是一种人工合成的蛋白质分子,这是一种生物药。 对于人工智能新药研发来说,多数情况下比较适合处理化学药,对于大分子生物药的研发,目前的人工智能技术还有点力不从心。 新药研发与药物靶点 要理解新药研发,我们还要看一下为什么一个人会生病——因为药物是用来治病的。从分子生物学的角度来说,有的病情是由于分子的表达缺失引起的,比如胰岛素降低引起糖尿病;也有的病情是因为分子的表达过强引起的,比如组胺过高引起过敏。 那么,人为什么会生病呢?因为身体是由细胞组成的,细胞是由化学小分子和生物大分子共同组成,它们并不是简单地拼凑在一起,而是相互级联作用构成一个复杂庞大的网络,不同的生理功能可以看成这个巨大网络中一条条串联的线路。 我们身体的疾病,除了外科损伤之外,多数是这个网络上某个线路发生了异常,这就好像某条交通线发生了堵塞一样。吃药的目的就是打开这个拥堵点。这个拥堵点也就是药物分子需要作用的“靶点”。 在分子生物学出现之前,没有药物靶点这个概念。在那个时候,无论是全球各地的草药,还是偶然发现的青霉素,都是根据经验、猜测或者迷信来揣度人体的发病原因。中药就是其中一个例子,一般中药有副作用,这就是因为中药不是根据分子生物学设计出来的,所以它的靶点很散乱,相当于是用散弹枪去打靶,而现代西药则好像是用狙击枪去打靶。 因此,人体内的所有分子都可能成为潜在的靶点,这些分子有可能在细胞膜上,或者在细胞质里,有些可能在细胞核里;这些分子也可能在血液里,或者在大脑中——不同分子的特点不同。比如抗体等生物大分子只能与体液和细胞膜上的分子结合,而化学小分子则更容易穿透细胞膜甚至进入细胞核发挥作用。不同药物进入体内的方式是不同的,一个好的药物需要保证它们不要在进入体内的途中损失掉(比如被胃液的酸性腐蚀等等)。而且药物的设计必须有很好的靶向性,比如有的药需要进入大脑,那么就需要穿过血脑屏障;有的药为了不影响婴儿,则希望它不要透过母婴屏障。最好的药物设计的标准是:设计出来的药只与想治疗的器官和分子发挥作用,而不产生其他的副作用。但是,由于生物功能是一条线路,这个线路上可能不止一个分子有成为靶点的潜力,因此要找到最关键的靶点才会最有效果。但事情没有那么简单,在生物体中,同样一个分子可能是多功能的,如果抑制了这个分子,可能就会引起其他正常功能的损伤,这就是产生副作用,有些副作用还很严重,因此,要选择非常干净特异的分子作为药物靶点。 药物靶点这个概念是分子生物学发展的产物,尤其是基因测序技术发展起来之后才有的新概念。通过研究找到真正作用的原因(分子机理),可以为药物研发提供了新的原理。 人工智能帮助新药研发 人工智能是需要有大数据作为原料的,而新药研发领域其实是一个大数据非常丰富的宝库,因此这为人工智能提供了用武之地。比如1959年《药物化学》杂志创刊至今,至少发表了45万种化合物作为药物的研究对象,这是一个巨大的数据库,对于这样的大数据,人工智能可以发挥它的独特作用。 不久前,《科学美国人》与世界经济论坛发布了2018年十大新兴技术,人工智能辅助化学分子设计——机器学习算法加速新药研发就是其中之一。 目前,在全球有至少100家企业正在探索新药研发的人工智能方法,在国外,葛兰素史克、默克、强生与赛诺菲公司都已经布局人工智能新药研发。在中国,也涌现了深度智耀、零氪科技与晶泰科技等人工智能新药研发企业,药明康德也战略投资了美国的一家人工智能新药研发公司。 对于化学分子的设计而言,以前的设计是通过人员对分子各种侧链和基团化学性质的经验,人工设计药物。这个过程就跟程序员写程序一样,有的人有天分,写一个程序就能成功运行,有的人没天分,设计了许多也没有好用的。因此,在当时就有很多人说,药物的化学设计是一种艺术,甚至是一种玄学。 现在,则可以用机器来学习药物和药物靶点的结合特点,从而让机器来进行药物设计,这也能大大提高成功设计的概率。人工智能通过计算机模拟,可以对药物活性、安全性和副作用进行预测。 人工智能可以应用在药物开发的不同环节,包括虚拟筛选苗头化合物、新药合成路线设计、药物有效性及安全性预测、药物分子设计等。为什么人工智能提高新药研发的效率呢?因为人工智能有很强大的发现关系的能力,还有很强大的计算能力。在发现关系方面,人工智能可以发现药物与疾病的连接关系,也能发现疾病与基因的连接关系。在计算能力方面,人工智能可以对候选的化合物进行筛选,更快筛选出具有较高活性的化合物,为后期临床实验做准备。人工智能在化合物合成与筛选方面可以比传统手段阶段40%的时间,每年为药企节约上百亿的筛选化合物的成本。 人工智能技术的出现,为中国在新药研发的国际竞争中实现弯道超车提供了一定的可能性。