學術界的人工智能研究過分局限于約翰·麥肯錫的定義，也就是人工智能的目標是“像人”，并指出我們應該突破對智能的狹義理解。這與AI要解決NP-hardJ別難題有什么聯(lián)系？
“像人”的人工智能是一個已經(jīng)被大家很重視的方向，但我認為人工智能的另一個發(fā)力點是「解決大問題」。尤其是用機器學習的方法解決意義重大的科學難題，即在多項式時間內“有效解決”指數(shù)復雜性問題。
所謂指數(shù)復雜性是指求解一個問題所需的時間或空間（存儲用量）隨著問題規(guī)模增加而指數(shù)性地增加。這也就人們常說的組合爆炸。在計算復雜性理論中，將一大類目前還找不到多項式J復雜性算法的問題劃歸為NP-hard問題。如果一個問題能找到多項式J復雜性的算法，例如排序算法等，直接按確定的程序計算就能準確求解，人們一般不認為是人工智能應用。人工智能要研究的問題幾乎都是NP-hard問題，從其誕生開始就要對付組合爆炸。從這種意義上講，人工智能的“天”就是組合爆炸，所謂“D天”就是找到巧妙的辦法克服組合爆炸。
第一個是大數(shù)據(jù)智能;第二個是群體智能;第三個是跨媒體智能;第四個是人機混合增強智能;第五個是自主智能系統(tǒng)
大小模型協(xié)同進化,硅光芯片,綠色能源AI,柔性感知機器人,高精度醫(yī)療導航,全域隱私計算,星地計算,云網(wǎng)端融合,XR 互聯(lián)網(wǎng),AI for Science
人工智能重大數(shù)理基礎問題已在國內外引起高度關注, 解決這些重大的數(shù)理基礎問題構成了人工智能未來發(fā)展的驅動力和重要前沿領域
會學習是新一代人工智能的核心,從人機交互擴展到交互認知,從深度學習擴展到機器自學習,才是新一代人工智能的研究方向
我國AI企業(yè)早期投融資次數(shù)自2019年起顯著下降,同期中后期投資占比大幅提升,對人工智能產(chǎn)業(yè)鏈以及同業(yè)個股的梳理,探討其投資機遇
張鈸院士指出 人工智能技術常常引起公平性,安全性的問題,體現(xiàn)在文本,圖像或是語音時,有時會包含性別,種族,宗教等方面的歧視
報告對中國人工智能基礎層行業(yè)進行研究分析，詳細梳理了人工智能基礎層的概念界定、組成部分、供給需求、市場規(guī)模、行業(yè)發(fā)展趨勢與建議等
基于2205家人工智能企業(yè)、15家國家級人工智能開放創(chuàng)新平臺、52家人工智能新型研發(fā)機構和48家新型平臺，全面刻畫和概括出我國人工智能和經(jīng)濟社會全面融合發(fā)展的現(xiàn)狀和趨勢
白皮書旨在探討以深度學習技術為主要驅動力的人工智能發(fā)展狀況、技術創(chuàng)新重點與產(chǎn)業(yè)發(fā)展趨勢，推動我國人工智能的技術創(chuàng)新與產(chǎn)業(yè)發(fā)展
機器視覺技術在工業(yè)領域中應用，核心功能包括產(chǎn)品識別、測量、定位及檢測，是實現(xiàn)產(chǎn)品分揀、裝配、 搬運、質檢等多個生產(chǎn)環(huán)節(jié)智能化轉型的核心技術
持續(xù)探索新一代人工智能應用場景，將等經(jīng)濟活動各環(huán)節(jié)，催生新技術、新產(chǎn)品、新產(chǎn)業(yè)。作為數(shù)字經(jīng)催生新技術、新產(chǎn)品、新產(chǎn)業(yè)
