目录 摘 要 _ 4 一、物流技术的现状与发展历程 _ 1 1.1 物流行业的发展进程 _ 1 1.2 物流的基本职能 _ 3 1.3 物流行业的发展现状 _ 4 1.4 新一代物流发展趋势 _ 6 二、人工智能技术研究及应用场景分析 _ 10 2.1 人工智能发展历程 _ 10 2.2 人工智能架构与关键技术 _ 13 2.2.1 人工智能架构 _ 13 2.2.2 人工智能关键技术 _ 15 2.3 人工智能主流应用场景分析 _ 17 2.3.1 计算机视觉 _ 17 2.3.2 自然语言处理 _ 19 2.3.3 智能无人系统 _ 20 三、人工智能下的新一代物流 _ 23 3.1人工智能在物流行业中应用的优势分析 _ 23 3.2 基于人工智能的智慧物流体系 _ 26 3.2.1 智慧化物流仓储体系 _ 27 3.2.2 智慧化物流运输体系 _ 29 3.2.3 智慧化物流配送体系 _ 30 3.3 基于人工智能的新一代物流应用场景 _ 31 3.3.1 计算机视觉实现物流信息可视化 _ 31 3.3.3 智能工卡 _ 35 3.3.4 智能 “四合一 ”隧道机 _ 35 3.3.5 无人驾驶配送体系 _ 35 3.3.6 智能分拣 _ 36 3.3.7 智能调度 _ 37 3.4 人工智能下新一代物流行业优质案例 _ 38 3.4.1 圆通 车载智能动态重量监控系统 HD-TLS01 _ 38 3.4.2 京东智能网络规划系统 _ 40 3.4.3 京东 X仓储大脑 _ 42 3.4.4 快仓智能仓储机器人 _ 44 3.4.5苏宁物流智能决策系统 _ 45 3.4.6 中通智能寄件桶 -小蓝桶 _ 48 3.4.7 其它案例 _ 49 3.5 基于人工智能的新一代物流行业未来 _ 51 四、总结与展望 _ 53 参考文献 _ 55 致谢 _ 57 关于我们 _ 58 摘 要 随着我国经济持续发展，维持着稳中向好的发展趋势，物流业获得了长足的 发展。科学技术是第一生产力，物流业的发展离不开技术的支持，科技创新对产 业升级具有重要作用。物流技术水平的高低决定了物流业发展的速度和质量。而 目前人工智能技术的研究与发展已经取得了阶段性的成果，随着人工智能技术的 不断落地商用，物流行业也必将借助人工智能实现产业升级，进入智慧物流新时 代。 本文跟随当下人工智能技术与物流行业发展的趋势，展望新一代物流的发展 趋势与关键智能，重点分析了人工智能技术与物流发展结合的场景，具体描绘了 智慧物流的蓝图。为新一代物流如何实现降本增效，增加智慧化程度提供合理建 议，加快物流行业的发展与人工智能技术的落地。 在第一章中，本文回顾了物流行业的发展历程，以史为鉴，分析了物流产业 发展的经济、政策、环境条件正逐步向好，并迎来了互联网时代带来的新的机遇 与挑战，总结认为物流的重大发展离不开技术的提升。接着本文介绍了物流行业 的基本职能和发展现状，对智慧物流的趋势进行了分析，指出 智慧物流发展离不 开人工智能技术。 在第二章中，本文介绍了人工智能的起源与发展，展现了人工智能技术不断 发现问题并突破桎梏的过程。本章介绍了许多人工智能的最新技术和使用应用， 从而引出人工智能体系的架构和关键技术，并描述了主流的应用场景，发现人工 智能技术为基础的多类场景与物流行业密切相关，再次说明了物流行业的技术升 级必需人工智能来推动。 在第三章中，本文 先分析了人工智能在物流行业中的应用优势，其次介绍了 基于人工智能的智慧物流体系（包括智慧化物流仓储体系、智慧化物流运输体系 及智慧化物流配送体系），详细地描述了若干个 体系中基于人工智能的局部架构， 并展示了人工智能下新一代物流的典型案例及应用场景 。 人工智能作为数据底盘 的核心技术，必将通过影响这些场景和相关技术间接地促进新一代物流的智能化 发展。 最后的第四章，本文对基于人工智能的新一代物流进行了总结和展望。在人 工智能的引导下，物流将从供应链和价值网络等全局形式重新规划行业间、物流 企业间的分工，实现协同化发展。 1 一、物流技术的现状与发展历程 物流是物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、 储存、装卸搬运、包装、流通加工 、配送、信息处理等功能有机结合起来实现用 户要求的过程。物流业是融合运输业、仓储业、货代业和信息业等的复合型服务 产业，是国民经济的重要组成部分，涉及领域广，吸纳就业人数多，促进生产、 拉动消费作用大，在促进产业结构调整、转变经济发展方式和增强国民经济竞争 力等方面发挥着重要作用。目前，由于国内外物流设备、系统、服务等基础设施 均日渐完善，物流运行环境也不断改善，促使物流技术水平有了长足的进步。 1.1 物流行业的发展进程 现代物流萌芽于 20世纪初，当时的物流规模小、成本高，渠道也不通畅， 因此并未受到应有的重视，但是 经济上物流学科开始萌芽，技术上也确立了物流 学科的地位。直到 20世纪 60年代，物流产业逐渐形成与壮大，并形成了多品 种、少批量的配送模式，同时第三方物流理论出现，物流学科向逻辑化发展。 90年代中期，物流发展到供应链管理阶段，物流学科体系初步形成，综合性 物流学科发展迅速。同时期现代物流开始在中国崛起。由于乡镇企业不断发展， 逐渐成为国际供应链上的环节，这些乡镇企业产品大多需要经过上海港出口，而 邮政的相关服务普遍不能满足企业对时效性的需求，藉由这一机会，长三角申通 快递起家并不断发展做大。另一方面，港台地区的劳动密集 型产业大量向珠三角 转移，因此产生了大量内陆与港台地区的物流需求，藉此顺丰快递出现并赚取了 第一桶金。天天快递也在这一时期成立，并且开创了缴纳押金即可开设网点的扩 张模式。 2001年成立了中国物流与采购联合会，各家快递发展迅速，顺丰垄断了 港深货运。中国加入 WTO后，大量外资进驻中国市场，麦肯锡、科尔尼等企业 对中国的物流市场与行业现状进行了研究，为行业发展提供了较为可靠、客观的 分析数据。另一方面，联邦快递等公司进入中国的同时，带来了大量先进、成熟 的物流管理体系与物流技术供借鉴。 2005年以来，随着电商行业的兴起， 物流更是走进了家家户户，与人们的日 常生活产生了紧密的联系。随着淘宝、天猫、京东、拼多多等面向不同群体的电 子商务公司的出现，物品的运输从生产商和经销商之间发展到每个国民的身边。 在这一阶段中，计算机技术的发展功不可没，尤其是人工智能 （ Artificial Inteligence, AI） 技术开始大量落地，极大改善了物流行业的生态。如今人们所熟 悉的三通一达 圆通、中通、申通、韵达都是抓住了这次机会，实现了快速发 展，圆通更是成为首家与淘宝网全面进行战略合作的快递企业。 国家不断强调要加快转变经济发展方式，实现产 业结构的优化升级。一方面 是经济增长由主要依靠投资、出口拉动向依靠消费、投资、出口协调拉动转变； 另一方面是由主要依靠第二产业带动向依靠第一、第二、第三产业协同带动转变。 经济发展的热点区域在国际上向发展中国家转移，在国内向中西部转移。这就为 物流行业带来了大量的需求也提出了大量的要求，物流行业呈现了明显的扩张趋 势，取得了多方面的重大进展。 物流政策环境的建设日趋完善。 2006年的“十一五”规划将现代物流业纳入 2 五年计划，提出了“大力 发展现代物流业”并明确了物流在国民经济中的产业地 位。 2009年，国务院出台物流业 调整和振兴规划，将物流业列为十大振兴产 业，纳入了“一揽子计划”，进一步提升了物流业在国民经济中的地位和作用。 由此物流业成为了对国民经济发展有着重要影响的朝阳产业。根据中国物流年 鉴统计数据 1 ，可以从图 1.1中看到 2008年以来，中国社会物流总收入不断上 升。随着农村物流、零售业物流等细分市场称为投资热点，物流产业进入了更高 层次的发展阶段，物流产业内的分工日趋细化，制度环境也不断规范，市场秩序 与环境条件也不断优化。 2011年国家邮政局发布了促进快递企业兼并重组的 意见，提出了 5年内培育出一批年收入超百 亿、具有国际竞争力的大型快递企 业的目标。 2012年 5月 1日起，快递服务系列国家标准正式实施，对行业进 行了进一步的规范，明确了彻底延误的快件应予以赔偿等条款。 图 1.1 我国物流业总收入变化 物流平台建设不断发展。国家多年来重视物流平台的建设，不仅是在做大做 强上发力，也注重平台结构的完善。在物流信息平台方面，目前的信息基础网络 和使用信息技术支撑着现在物流的信息运作良好，随着 5G大数据时代的来临和 发展，必将迎来新一轮发展。交通网络方面，在我国东部布局基本完成，平台建 设正迅速向西部推进，并实现和台北的高速公路对接。 物流企业获得大量资本，物流已成为经济热点，物流人才建设也趋于高端化。 过去物流行业还鲜为人知，但现在已经与家家户户的日常生活息息相关，成为了 媒体热点。过去鲜有学校开设物流专业，目前已有两百多个大学开设相关专业， 许多顶尖学府，如清华大学、同济大学、复旦大学、南开大学等一众一流大学开 始进行物流人才的培养。物流人才和物流学术均迎来了新局面。 从各个方面来看，物流产业的发展条件日渐 完善，随着电子商务平台的发展 及资本和人才的推动，物流行业需要新的技术来迎合新时代的需求、紧跟零售业 0 1 2 3 4 5 6 7 8 9 10 2008200920102011201220132014201520162017 （ 万 亿 元 ） （ 年 份 ） 20082017年 我 国 物 流 业 总 收 入 3 发展的脚步。回归物流行业的发展历程不难发现，物流的每一次进步都是由消费 产业升级和技术突破共同作用的结果。现在我国消费产业不断升级，大数据、云 计算、人工智能等技术进展突飞猛进，也在各个产业实现了不同程度的落地，可 以预见物流产业急需利用现在的人工智能风口实现新的变革，优化服务。下一节 本文将会对物流的基本职能进行介绍。 1.2 物流的基本职能 物流职能可以分为三个分类，分别是物流主体职能，包括运输职能、仓储职 能和配 送职能；物流辅助职能，包括包装职能、装卸搬运职能、流通加工职能； 物理信息管理职能，也即信息处理职能。下面对各个职能进行简单的介绍。图 1.2 对各职能进行了简单的总结。 运输职能是指用设备和工具，将物品从一地点向另一地点运送的物流活动。 其中包括了集货、分配、搬运、中转、装入、卸下、分散等一系列操作。运输的 基本方式有铁路、航空、公路、水运、管道等。选择运输方式时，需要考虑的因 素有物品种类、运输量、运输距离、运输时间、运输费用等，以求运输的合理化。 运输在物流活动中处于中心地位，是物流的支柱。 图 1.2 物流职能 图 仓储是物流的另一大支柱，不但缓解了物质实体在供求之间时间和空间上的 矛盾，创造了商品的时间效用，同时也是保证社会生产连续不断运行的基本条件。 与仓储有关的重要决策有仓库数目、仓库选址、仓库大小、存货量等，决策者需 要对优化配置进行权衡，用最经济的方法实现储存的功能，实现储存合理化。 配送是物流的一种特殊的、综合的活动形式，它集包装、装卸搬运、保管、 运输为一体，通过这些活动完成将物品送达的目的。研究问题包括配送方式、配 送中心选址、配送管理等。 包装是指在物流过程中保护产品、方便储运、促进销售，按一定技术方法采 用 容器、材料及辅助物等将物品包封并予以适当 的装潢和表示的工作总称。包装 存在于物流的多个环节中，如产品的出厂 包装、生产过程中的换装、物流过程中 的包装、分装与再包装等。包装按形式可以分为出厂包装、物流包装两类。 4 装卸搬运是指在一定的区域内，以改变物品存放状态和位置为主要内容的活 动。装卸搬运的主要目的在于提高生产力，使人力获得有效利用并减少设备限制； 降低成本，减少延迟、损坏和浪费；提高库存周转率，降低总作业时间，以降低 存货成本；改善工作环境 ，减少产品的损毁，使产品品质提升，提高产品品质， 增加人员、货品搬运的安全性； 促进配销成效，通过增进系统作业效率来缩短产 品总配销时间，提高客户服务水平，提高空间利用率，最终可以提高企业的营运 水平。 流通加工是为了向用户提供更有效的商品，或者为了弥补加工不足、合理使 用资源、衔接生产和需求等，而在物流过程中进行的一些辅助的加工活动。流通 加工的内容有食品、消费资料和生产资料。其中食品行业是流通加工最多的行业， 如鱼肉的冷冻、蛋品的加工、生鲜的包装等。 信息处理职能则是处理供货商、客户、运输代理商之间的信息，能够协调物 流各功能要素的有机衔接，帮助企业对物流的各个环节进行有效的计划、组织、 协调与 控制，提高物流企业科学管理决策的水平，帮助企业对突发事件的快速响 应。用物流信息系统实现动态信息管理是确保物流系统高效运转的保证，随着信 息技术的快速发展和人工智能的不断落地，物流信息的作用愈发显著。 1.3 物流行业的发展现状 目前，现代物流已经发展成包括合同物流、地面运输、快递及包裹、货运代 理、第四方物流、分销公司等共同组成的庞大体系。全球市场中，中国的市场规 模位居全球第一，未来物流业仍将快速发展。在大经济环境作用下，技术不断突 破，推动物流发展到了智慧化的阶段。 国务院印发物流业发展中长期规划（ 2014 2020年）以来，我国物流业 持续增长，服务能力也显著提升，基础设施不断完善，政策环境也明显改善。到 “十二五”末期，基本形成布局合理、技术先进、节能环保、便捷高效、安全有 序并具有一定国际竞争力的现代物流服务体系，物流业由注重基础建设向全面提 升服务质量转变。 根据中国物流年鉴（ 2018） 的 数 据 来 看 ， 近 年 来 社 会 物 流 总 额 增 长 稳 中 有升，需求结构优化，其中增速最快的为单位与居民物品物流总额，远超其他单 位，见图 1.3，这表明了快递业的蓬勃发展。据统计，“十二五”末，我国快递年 业务量突破 200亿件，稳居全球首位，日处 理量最高可达 1.6亿件。目前已形成 7家年收入超 200亿元的快递企业。供给侧结构性改革成效显现，产业向高质， 发展阶段迈进。 5 图 1.3 2017年社会物流总额统计 物流领域降本增效取得实效。物流各环节的协同性不断增强，物流总费用占 社会 GDP总额比率不断减少，保管费用和管理费用持续下降，只有运输费用略 微提升。表明当前我国物流流转速度提升，库存、资金占用时间及成本有所下降。 物流需求稳中向好，结构不断改善。新型产业表现出强盛的增长趋势，物流 需求新功能不断增加，高新技术产业、消费品行业、装备制造业 PMI指数均在 52%以上。消费与民生领域物流需求成为物流需求增长的重要驱动力，其中网络 消费驱动的物流需求持续高速增长，电商业务量增速超 40%。 自 2015年起，物流行业前端货主企业的销售模式开始发生转变，从以往的 经销商模式逐渐过渡到全渠道销售模式，从传统的 B2B演化到 O2O、电商、企 业自建的线上渠道以及线上线下渠道的融合。新零售时代下销售模式变化，品牌 方、经销商、消费者之间的联系越来越紧密，企业需要使用信息化的工具来适应 这样的变化，企业所面临的前端商流进一步复杂化，这样的情况就对物流提出了 全新的诉求。 在数据时代的大背景 下，物流行业以互联网为依托，运用大数据、人工智能 等先进技术，对线上线下的数据进行深度整合，并利用一套完善的系统来进行库 存管理、需求预测等。这样的车货匹配平台将传统运输环节与现代技术融合，对 物流行业原有的运行形态和市场环境进行了创新改变。 新一代物流架构以智慧为主要特征，人作为监督者与管理者参与物流运作中， 而劳力和脑力由机器代替，数字化进度不断加深。图 1.4描述了智慧物流的基础 架构。 -5 0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35 40 农 产 品 工 业 品 进 口 货 物 再 生 资 源 单 位 与 居 民 物 品 （ % ） （ 万 亿 元 ） 2017年 社 会 物 流 总 额 统 计 物 流 总 额 同 比 增 长 率 6 图 1.4 智慧物流基础架构 其中感知层、传输层、服务层、应用层都会产生和使用数据层中的信息，显 然这涉及巨大的数据量，需要诸 多大数据处理和数据挖掘技术应用其中。核心技 术层是实现物流智慧化的关键部分，人工智能技术在应用层扮演着重要角色，是 使得机器获得更高效的思考能力与决策能力，从而实现降本增效的关键。其关系 到物流服务的实际落地，特别是随着通信技术的发展， 5G时代能够实现大数据 的传输，更拓宽了人工智能的实际应用面，使得人工智能的发展如虎添翼。因此 人工智能的发展将会推动物流越来越“智慧”。 图 1.5 车货匹配示意图 另一方面，物流行业与互联网深度结合，在“互联网 +”时代，一批创新的 物流模式也在涌现。如车货匹配平台，结合了 GPS定位 技术、云计算技术、移 动互联网技术、人工智能推荐匹配技术等相关科技，通过货主发布运输需求，平 台进行货主与司机的匹配，示意图可见图 1.5。 基于这样的现状，我们可以预见下一步物流将借由科技发展和市场转变进一 步加深创新与转化，下一节中将对新一代物流发展的趋势进行简介。 1.4 新一代物流发展趋势 随着我国经济发展方式不断加快转变，新的增长动力不断形成，在新零售环 7 境下，传统物流发生着重大变革。圆通速递有限公司提出了新一代物流特征，示 意图见图 1.6。 图 1.6 新一代物流特征 其中动态性包括“智慧”的变化发展和“ 物流”的变化发展，体现了物流利 用技术发展而不断智慧化的趋势；系统性表示新一代物流是一个复合型系统，其 面临着技术支撑、体制问题、组织问题、管理问题、系统运行问题等综合性问题， 说明物流将在技术、体制、管理等方面合为一体；普适性包含了物流产业全方位 的普适性和价值创造的普适性两方面内容；渐进性则是体现在物流界通力合作进 行长期建设，具有战略前景和远期规划，最终实现细分阶段的目标任务的特征。 随着人工智能技术的不断发展，原本依靠人为进行经验决策的传统体系面临 新的挑战，这样的决策体系正在发生转变，大数据、云计算、机器学习 与人工智 能等一系列技术的发展提高了物流数据处理的能力，同时也帮助了物流企业对客 户行为进行分析和预测，系统设备将逐步代替人工决策，最终实现更好的降本增 效。 在 2017年“双十一”期间，企业借助人工智能分析用户需求，提前将货物 运送到各个仓储地点与配送中心，只使用了 12分钟就完成了天猫的第一单物流。 见微知著，以人工智能技术为代表的现代信息化技术必将进一步渗透入物流行业 的方方面面，人工智能实现智能配置物流资源、优化物流环节、减少资源浪费 等 来提高物流运作效率。特别是利用人工智能技术在无人驾驶、无人仓储 、无人配 送、物流 机器人等前沿领域的应用，使得无人机、无人仓、无人车更加普遍，智 能技术将改变物流的生态格局。 党的十九大报告指出，技术创新是创新驱动的核心内容，大力推进物流领域 技术创新和应用，发展智慧物流生态体系，是加快动力变革的重要抓手，是促进 我国从“物流大国”向“物流强国”迈进的必然选择。中国物流技术发展报告 （ 2018） 2 指出，智慧物流正在成为物流业转型升级的重要源泉。智慧物流重塑 了物流市场主体，平台型企业、数据型企业等许多非传统意义的物流业者成为物 流市场的重要参与者，通过整合社会资源或为物流链赋能，推动着物流业升级和 物流市场格局的变动。 智慧物流技术应用主要体现在仓内技术、干线技术、“最后一公里”技术、 末端技术等方面，技术应用前景见图 1.7。 8 图 1.7 智慧物流技术应用前景 智慧数据地盘技术由 物联网技术、大数据分析及人工智能技术组成。物联网 技术和大数据分析已相对成熟，而人工智能作为近几年的研究热潮与社会热点， 必然是未 来各家企业的研发重点，其发展与应用决定着智慧物流体系的未来。物 联网技术与大数据分析技术互为依托，前者提供数据来源，后者将数据进行业务 化，而人工智能可以认为是大数据分析技术的升级，使得智慧物流真正智慧起来， 是智慧物流能否进一步迭代升级的关键。由以上各智慧数据底盘技术互相结合， 在物流业落地，发展成为各类智慧作业技术。 仓内技术主要包括货物识别、机器人与自动化分拣、可穿戴设备和无人叉车 等四类技术。其中机器人与自动化技术已相对成熟，诸多物流企业实现应用，而 可穿戴设备仍处于研发阶段，其中的智能眼镜发展较快。 干线技术 主要包括无人驾驶技术，这也是人工智能技术的一个热门研究技术， 虽然从技术实现到实际应用仍然面临着很多问题，但是目前包括亚马逊、京东等 多家企业也尝试提出了各种解决方案，并已经有一些商用测试。一旦技术成熟， 未来卡车生产商将会直接在生产过程中集成无人驾驶技术。 “最后一公里”主要包括无人机和 3D打印技术两大类。其中无人机技术已 经相对成熟，多家企业甚至已经在商用测试后在一些地区尝试投放使用，凭借其 灵活特性，将会成为将来由配送中心到各个终点的重要配送方式。而 3D打印技 术目前由亚马逊、 UPS等国外企业主导，尚在研发阶段。 9 末端技术主要指智能快递柜，一定程度上解决了配送员联系不到收货者或配 送到达时目的地无人接收的问题。目前已有丰巢、中邮速递易、菜鸟等多家快递 柜在一、二线城市投入使用并且逐步实现商用覆盖，逐渐成为各家物流企业的布 局重点，但仍然存在着成本高、无法当面验货、盈利模式单一等问题。 10 二、人工智能技术研究及应用场景分析 可以看到，物流正在向智能化发展，人工智能技术对智慧物流的发展起着举 足轻重的关键作用。物流行业想要实现降本增效与产业升级，与人工智能技术的 发展与落地密切相关。 2017年，国务院印发了新一代人工智能发展 规划，并 将在制造、金融、农业、物流、商务、家居等重点行业和领域开展人工智能应用 试点示范工作。因此本章将对人工智能技术进行一定的阐述，并说明人工智能目 前已经成功实现落地应用的场景。 2.1 人工智能发展历程 人工智能发展历程可见图 2.1。 图 2.1 人工智能发展历程年代尺 人工智能的概念提出于上世纪中期。 1950年，人工智能之父阿兰图灵发表 论文计算机器与人工智能 3 开创了人工智能学科的先河。他还提出了经典的 图灵测试来证明机器是否可以思考。图灵测试是指，人与对方进行对话时，如果 人难以分辨对方是机 器还是人时，就说明机器拥有了人的智能。同年，神经网络 计算机出现，人工智能开始萌芽。 1956年，人工智能概念被首次提出。 人工智能在二十世纪五十年代到七十年代初都处于“推理期”。当时人们设 想的人工智能是基于推理能力的，这一时代的代表性工作有“逻辑理论家”、“通 用问题求解”等程序。其中“逻辑理论家”证明了人类无法证明的数学定理，甚 至比人类证明的更加巧妙，也因此获得图灵奖。 然而随着研究的向前发展，学者们逐渐发现仅靠逻辑推理能力的机器距离人 工智能还是具有相当的距离。因此二十世纪七十年代中期起，人工智能步入“知 识期”，学者们希望机器可以拥有知识。在这一时期，大量的专家系统问世，也 有学者因此获得了图灵奖。 11 但很快学者们意识到了专家系统这一做法的瓶颈，即知识是很难总结的，总 结后的知识也难以全部教给计算机。由此步入了机器学习的时代，学者们开始研 究如何让机器自行进行学习。 事实上，图灵在 1950年的论文中早已提到机器学习的可能，随着专家系统 热潮退去，有两大人工智能流派开始获得越来越多人的 关注，分别是符号主义和 连接主义。 其中符号主义又称逻辑主义、心理学派或计算机学派。符号主义认为，人工 智能源于数学逻辑，人的认知基源是符号，认知过程即符号操作过程，通过分析 人类认知系统所具备的功能和机能，然后通过计算机来模拟这些功能，从而实现 人工智能。 连接主义又称仿生学派或生理学派。连接主义认为，人工智能源于仿生学， 特别是对人脑模型的研究，人的思维基元是神经元，而不是符号处理过程。以感 知机为代表的脑模型的研究出现。特别是随着多层网络中的反向传播算法 (BP)算 法 4 提出，进入 21世纪后，逐渐发展成当前“深度学习”的概念。 二十世纪八十年代，机器学习成为一个独立的学科区域，各种方法层出 不穷。机器学习可以划分为“机械学习”、“示教学习”、“类比学习”和“归纳学 习”四类。其中研究最多的就是归纳学习。二十世纪九十年代中期，统计学习获 得了越来越多的关注，并且由于支持向量机以及更一般的“核方法”的绝佳表现 而成为主流。目前所提到的机器学习方法，一般认为就是这一学期的统计机器学 习方法。进入二十一世纪后，随着大数据时代的来临，基于连接主义的深度学习 成为热潮，随着大量研究的进行，调节参数、设计网络结 构、模型压缩等各种试 图解决神经网络模型弊端的工作不断涌现。 经过几十年的快速发展，人工智能的发展渐成体系，新旧技术结合，在多个 领域都有着广泛的应用，示意图可见图 2.2。 图 2.2 人工智能研究领域与应用示意图 深度学习目前已经成为发展最快、最令人振奋的人工智能领域之一，发表了 大量有建树的论文，并且有大量高质量的开源框架可供使用。在涉及语音、图像、 自然语言等处理对象十分复杂的应用问题中，都取得了非常优越的性能，在各个 12 领域都出现了大量的研究工作。在语音识别领域，使用深度学习模型的语音识别 方法比传统的混合高斯 模型识别错误率降低了超过 20%，并且已有了多个商业 应用，如讯飞语音输入法、 Siri、 Cortana等，目前所有的商业语音识别算法均是 深度学习算法。在图像分类领域，目前使用各种大型深度卷积神经网络，针对公 开数据集 ImageNet的算法分类精度已经达到了 95%以上，甚至超过了人的分辨 能力。深度学习还有其他有趣的应用场景，如人脸识别、自然语言处理、图像生 成、推荐系统等，涉及到我们生活的方方面面。 自从 2017年 AlphaGo击败世界围棋冠军柯洁以来，强化学习也越来越获得 学者们的关注，强化学习是通过与环境进行交互来 学习决策的方法。近两年，学 者们不再满足于围棋、 Atari游戏等单智体场景，开始研究多智体如何学会合作 与竞争，如何共同完成同一个任务。目前通过强化学习方法训练出的多智能体在 许多复杂游戏领域如星际、 Dota等都取得了不错的表现。另外，借助 sim-to-real 研究，将计算机模拟环境中训练出的单或多智能体应用于机械臂、机器人控制也 取得了很多阶段性的成果。 由于一般的人工智能模型只能解决单任务目标，缺少对其他相似任务的泛化 能力，因此有学者提出了元学习。近两年元学习也成为一大研究热点，元学习以 多领域学习为目标，期望能 够获得一个通用模型，对该模型使用很少的样本并训 练很少的轮次就能在新的任务上获得良好的表现。目前也出现了很多元学习思想 与强化学习结合、与图像分类算法结合等与其他学习方法结合的研究。 人工智能研究的基础是需要大量的训练集，然而近年来，随着用户数据隐私 意识增强，出现了数据孤岛的问题，及各公司、部门所拥有的数据集无法共享， 形成一个个孤岛。数据孤岛出现有着各方面的因素。首先，各公司、各部门的所 拥有的数据有着不同的结构和存储方式，数据合并的难度、成本较高；其次出于 企业商业竞争的考虑，各企业都不会轻易分享自己所拥有的数据 ；最后，除了一 些天然隐私度较高的数据（如医疗数据）外，各国立法保护用户数据隐私的力度 越来越大，国内在 2017年后更是加大了相关的立法、执法力度，有着多个关于 数据隐私侵犯而判刑的著名案例。 基于这样的现状，学者们也致力于找出解决方案。目前较为主流的方法有 训 练智能体来生成逼真的新的数据集，寻找使用少样本也能完成模型训练的方法， 以及在保护 数据集隐私的前提下而进行联合训练的联邦学习。 生成数据的模型称为生成模型，在数据集不足的情况下，可以使用生成模型， 根据已有的数据来生成新的逼真的数据，图像数据的生成是最主要的应用 场景。 流行的生成模型可以分为 GAN 5 和 VAE 6 两类。 GAN的全称是生成对抗式学习 网络， GAN可以从无到有地生成图片，即输入一组随机数组，生成逼真的图片。 GAN也可以进行图像编辑，如输入一张人脸照片，输出其变秃、戴上眼镜、改 变肤色、变胖、变老等模样。 GAN自提出以来一直备受关注，但今年 DepMind 提出的 VQ-VAE-2 7 达到了最先进的生成效果，甚至超越了 GAN，使得 VAE又 获得了学者们的关注。 VAE是基于变分的思想，借助图像压缩的概念，使用编码 器和解码器来学习如何生成高清大图。 少样本学习希望在学习一定类别的大量数据后，对于新的类别，只需要少量 的样本就能快速学习。少样本学习可以认为是元学习在监督学习上的一个应用， 13 目前已有很多解决方法，大致可以分为基于 Mode的方法、基于 Metric的方法 和基于最优化的方法。 而联邦学习 8 可以在不泄露数据集隐私的前提下完成训练，也即多方提供多 个数据集联合训练，但是每一方都无法根据自己获得的信息来推测出其他任何一 方的数据集信息。联邦学习目前可分类为横向联邦学习、纵向联邦学习和联邦迁 移学习。其中横向联邦学习适用于各合作方的数据特征空间重合，而用户 id不 同的情况。纵向联邦学习适用于各合作方的用户 id大量重合，而特征各不相同 的情况，由于这在实际应用场景中最为常见，这也是会议上着重进行说明的一个 模型。而联邦迁移学习针对的是数据特征空间和用户 id都重叠不大的情况。 自 2015年启动“中国人工智能 2.0发展战略研究”以来，人工智能得到了 党和国家领导人的高度重视。 2017年国务院印发了新一代人工智能发展规划， 明确指出，在建立新一代人工智能关键共性技术体系方面，大数据智能要研究 知 识 计算引擎和知识服务技术，形成开放兼容、稳定成熟的技术体系，重点突破知 识加工、深度 搜索和可视交互核心技术；在统筹布局人工智能创新平台方面，强 化对人工智能研发应用的基础支撑，建立大数据人工智能开源软件基础平台、终 端与云端协同的人工智能硬件的新产品设计平台、未来网络中大数据智能化服务 平台等。随后科技部全面启动实施了新一代人工智能重大科技项目。 2.2 人工智能架构与关键技术 让机器实现人的智能，一直是人工智能学者不断追求的目标。人工智能这一 前沿技术已经引发了诸多邻域产生颠覆性变革。当今流行的人工智能技术以深度 学习为核心，在视觉、语音、自然语言等应用领域迅速发展。十九大报告也指出， 要推动物联网 、大数据、人工智能和实体经济深度融合。人工智能技术在这样的 背景下，必将以产业化和集成应用为重点，加快制造强国和网络强国的建设。 2.2.1 人工智能架构 深度学习本质上是多层次的人工神经网络算法，从结构上