第一章 简介 1
1.1 人工智能：是奇迹还是海市蜃楼 1
1.2 人工智能从寒冬到重生 2
1.3 伴随风险与挑战而来的巨大机遇 3
1.4 人工智能定义 4
1.5 白皮书范围 5
1.6 白皮书概述 6
第二章 人工智能需求 9
2.1 自然资源短缺 9
2.2 气候变化 10
2.3 人口趋势 10
2.4 经济政策 12
2.5 服务和产品定制 12
第三章 人工智能的赋能者与驱动力 14
3.1 人工智能赋能者 15
3.1.1 计算力提升 15
3.1.2 数据可用性 16
3.1.3 改进的算法 17
3.2 人工智能驱动者 17
3.2.1 云计算和边缘计算 18
3.2.2 物联网 18
3.2.3 大数据 19
3.2.4 消费者接受度 20
第四章 人工智能内涵 21
4.1 机器学习类别 21
4.1.1 监督学习 21
4.1.2 无监督学习 22
4.1.3 强化学习 22
4.2 当前的机器学习系统 22
4.2.1 计算机视觉 22
4.2.2 异常检测 23
4.2.3 时间序列分析 23
4.2.4 自然语言处理 23
4.2.5 推荐系统 24
4.3 机器学习算法 24
4.3.1 决策树 24
4.3.2 支持向量机 25
4.3.3 朴素贝叶斯 25
4.3.4 k近邻 26
4.3.5 k均值 26
4.3.6 隐马尔科夫模型 27
4.3.7 人工神经网络 28
4.3.8 卷积神经网络 29
4.3.9 循环神经网络 29
第五章 人工智能的部署 31
5.1 智能家居中的人工智能 31
5.1.1 智能电视控制系统 32
5.1.2 浴室自助服务系统 33
5.1.3 智能食品识别系统 33
5.1.4 智能家居的挑战 34
5.2 智能制造中的人工智能 34
5.2.1 预测性维护 35
5.2.2 协作机器人 37
5.2.3 质量控制 37
5.2.4 智能制造的挑战 38
5.3 智能交通和汽车行业的人工智能 39
5.3.1 自动驾驶 39
5.3.2 交通管理 40
5.3.3 交通机器人 41
5.3.4 智能交通面临的挑战 41
5.4 智能能源中的人工智能 42
5.4.1 电网管理和运营 42
5.4.2 消费者参与和服务 43
5.4.3 集成智能能源平台 43
5.4.4 智能能源挑战 43
第六章 人工智能技术带来的改变 45
6.1 社会和经济挑战 45
6.1.1 决策方式的改变 45
6.1.2 先进供应链运营 46
6.2 数据相关的挑战 46
6.2.1 选择训练数据 46
6.2.2 标准化数据 47
6.3 算法相关挑战 48
6.3.1 鲁棒性 48
6.3.2 迁移学习 49
6.3.3 可解释性 50
6.3.4 目标函数 51
6.4 基础设施相关的挑战 51
6.4.1 硬件瓶颈 51
6.4.2 平台和框架的缺乏 52
6.5 可靠性挑战 52
6.5.1 信任 52
6.5.2 隐私 52
6.5.3 安全 53
6.6 法律法规相关的挑战 53
6.6.1 责任 53
6.6.2 隐私 54
6.6.3 伦理 54
第七章 人工智能的标准化差距 56
7.1 人工智能的标准化活动 56
7.1.1 ISO/IEC JTC 1 57
7.1.2 IEC 58
7.1.3 ISO 58
7.1.4 ITU 59
7.1.5 IEEE 59
7.1.6 ETSI 60
7.1.7 中国的标准化活动 60
7.1.8 美国的标准化活动 61
7.1.9 欧洲人工智能联盟 61
7.1.10 联盟和其他组织 62
7.2 标准化差距 62
7.2.1 统一的数据模型和语义 63
7.2.2 基于数据模型的通用本体 63
7.2.3 人工智能算法的验证 63
7.2.4 人工智能基础设施的基准和评估 63
第八章 结论与建议 64
8.1 行业建议 64
8.2 监管建议 65
8.3 IEC及其委员会建议 65
附录A 未来发展 68
A.1 生物学启发的人工智能 68
A.2 人类／人工智能交互 68
A.3 人工智能支持的数字孪生 69
A.4 自动机器学习 70
参考文献 71