《人工智能概述及未来技术发展趋势》

人工智能系统系列

人工智能概述及未来技术发展趋势

——新技术、新突破、新智造、新场景——















【场景描述】

2017年3月，人工智能首次被写入《政府工作报告》，同年7月，国务院颁发《新一代人

工智能发展规划》，提出了“三步走”的战略目标，宣布举全国之力在2030年抢占人工智能

全球制高点。同年12月，工信部颁发《促进新一代人工智能发展三年行动计划（2018-

2020年）》，要促进人工智能产业发展，提升制造业智能化水平，推动人工智能和实体经

济深度融合。2019年3月，人工智能第三次被写入《政府工作报告》，提出“要促进新兴产

业加快发展，深化大数据、人工智能等研发应用；打造工业互联网平台，拓展‘智能+’，

为制造业转型升级赋能。”但在实际的操作过程中，仍存在着以下几大问题：

■ 对人工智能的认知理解中存在误区和难点

■ 对人工智能未来的应用场景缺少整体系统性了解

■ 对人工智能带来的变革挑战，缺少全局把控和应用性的指导



【场景模型】



【课程背景】



工智能现在已经不是一个新鲜概念，随着技术的日益复杂，人工智能正不断扩大在营

销等商业领域的应用：各类算法能够在海量大数据中迅速查到所需信息，效率超过人工

万倍；人脸识别、语音登录、广告和内容的精准投放等等，都是AI技术为商业带来的进

步。本课程将详细解析以上内容。







【参与人员】本课程适宜于：需要了解新技术的产品中心（总监、经理、主管）、运营

中心管理人员、技术中心管理人员

【课程收益】

• 学习如何培养AI时代下的商业逻辑和创新思维

• 学习如何将AI技术成功商业化并带领企业创新发展

• 了解AI科技创新前沿成果与未来发展趋势

• 掌握ChatGPT的到来给我们带来的机遇和挑战





【课程时间】1天 （6小时）



【课程大纲】

|一．人工智能的本质 |

|1、深度学习的技术本质 |

|1）海量信息下比人类感官更优秀的信息分类器 |

|2、AI的商业本质 |

| 1）AI+提升生产过程中的生产效率 |

|2）互联网+提升生产过程中的信息传递效率 |

|3、90%的脑力工作是基础性和重复性的工作可被替代 |

|【解析】ChatGPT的快速蹿红 |

|二．人工智能的结构框架 |

|1、计算机视觉解析及应用介绍： |

|1）图像分类 |

|2）目标检测 |

|3）语义分割 |

|4）视频分析 |

|5）其他：人体姿态识别，目标追踪，SLAM,OCR |

|2、语音识别解析及应用介绍： |

|1）声纹识别 |

|2）语音合成 |

|3、自然语言处理NLP解析及应用介绍： |

|1）机器翻译 |

|2）阅读理解 |

|3）自动摘要 |

|4）文本分类 |

|5）中文分词 |

|4、推荐系统及专家系统解析及应用介绍 |

|【解析】ChatGPT语言处理和普通的NLP的差异 |

|三．AI+行业应用案例 |

|1、交通运输业 |

|1）核心生产效率问题：如何能更快，更省油，人工成本更低，交通事故更 |

|少 |

|2）AI解决方案：无人机、智能导航减少时间成本和燃油成本，无人驾驶降 |

|低人工成本和事故成本 |

|【案例】滴滴派车的算法，Google无人驾驶系统，DJI无人机，Amazon自伺 |

|服仓储 |

|2、传统制造业 |

|1) 核心生产效率问题：如何能生产周期更短，人工成本更低，良品率更高 |

|2) AI解决方案：可以24小时不停歇的精密作业工业 |

|3、高端制造业 |

|1）核心生产效率问题：如何能更高效的设计出更优秀的产品方案 |

|2）AI解决方案：通过学习历史数据，更快的找到更好的设计方案 |

|【案例】国内某芯片制造巨头通过AI算法将芯片模具设计时间大幅缩短，大|

|幅提升药物晶体选型速度。 |

|4、教育 |

|1）核心生产效率问题：如何能快速提高学习成绩，如何能个性化培养出更 |

|优秀的人才 |

|2）AI解决方案：自适应考试，自适应学习，个性化生涯规划 |

|【案例】Knewton通过自适应评测精确诊断学生对知识点掌握的情况，并制 |

|定有针对性的学习方案。 |

|5、法律 |

|1）核心生产效率问题：如何能更准确的断案，预测案情走势和匹配法律资 |

|源 |

|2）AI解决方案：案情分析，案情推理，律师背景分析，法律文书写作 |

|【案例】基于IBM Watson开发的ROSS |

|6 、财务 |

|1）核心生产效率问题：如何能提升对账、盘点、审计合规的效率 |

|2）AI解决方案：数据录入，异常行为监测，自动文书写作 |

|【案例】德勤全球率先将人工智能引入会计、税务、审计等工作中，代替人|

|类阅读合同和文件 |

|7、金融 |

|1）核心生产效率问题：更短资金周期内，如何得到更高的投资回报 |

|2）AI解决方案：财报新闻解读，投资回报预测，财报新闻写作 |

|【案例】高盛旗下Kensho分析大量数做智能投顾分析，某券商用机器人代替|

|数据录入员 |

|8、医疗 |

|1) 核心生产效率问题：如何能更快速准确低成本的诊断，并给出治疗方案 |

|2) AI解决方案：疾病诊断，结合基因技术的精准医疗 |

|【案例】IBM |

|Watson的肿瘤诊断模块，腾讯的肺癌诊断，国防科大的肺结核诊断，碳云的|

|精准医疗 |

|9、文字工作 |

|1)核心生产效率问题：如更快的写作，更精妙的文笔，更吸引人的情节构思|

|2)AI解决方案：标准文书写作，…. |

|【案例】百度机器人写古诗，今日头条写作机器人报道体育赛事 |

|10、艺术创作 |

|1) 核心生产效率问题：如何获得更多更优质的灵感，如何构思更精妙的作 |

|品，如何降低制作成本 |

|2) AI解决方案：灵感生成器，辅助制作 |

|【案例】Google绘画机器人，Google谱曲机器人Magenta |

|11、新零售 |

|1)核心生产效率问题：如何能提升销售利润率 |

|2) AI解决方案：智能招商运营系统，智能定价系统，智能推荐系统，智能 |

|广告投放系统 |

|【案例】万达用AI提升商铺坪效，沃尔玛用AI做动态定价，宝洁用AI辅助品|

|牌广告投放 |

|四．如何制定企业的AI+方案 |

|各行业的核心AI+需求 |

|1）各种信息和行业资讯智能检索和分析。 |

|2）行业生产流程的AI优化。 |

|3）取代公司内从事单调重复脑力劳动的人。 |

|2、AI+升级四步法（大型购物中心AI+案例） |

|1）诊断阻碍生产效率的最大问题：对核心问题进行拆解 |

|2）评估公司的数据基础：根据拆解出的问题列出理想的BI（商业智能）架 |

|构，检视目前公司的数据缺陷 |

|3）解决方案：完善数据基础 |

|4）方案评估与实施 |

|【研讨】ChatGPT对就业的影响 |