1.3 人工智能的研究領(lǐng)域

1.人工智能的主要研究領(lǐng)域

（1）智能感知——機(jī)器會(huì)聽(tīng)、會(huì)看、會(huì)說(shuō)

模擬感知行為的人工智能研究的一些例子包括語(yǔ)音識(shí)別、話者識(shí)別等與人類的聽(tīng)覺(jué)功能有關(guān)的“計(jì)算機(jī)聽(tīng)覺(jué)”，物體三維表現(xiàn)的形狀、距離、速度感知等與人類視覺(jué)有關(guān)的“計(jì)算機(jī)視覺(jué)”等等。

計(jì)算機(jī)視覺(jué)（Computer Vision, CV）是用計(jì)算機(jī)模擬人的視覺(jué)機(jī)理來(lái)獲取和處理信息的能力。就是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺(jué)，并進(jìn)一步做圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。計(jì)算機(jī)視覺(jué)研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取“信息”的人工智能系統(tǒng)。計(jì)算機(jī)視覺(jué)的挑戰(zhàn)是要為計(jì)算機(jī)和機(jī)器人開(kāi)發(fā)具有與人類水平相當(dāng)?shù)囊曈X(jué)能力。

現(xiàn)在機(jī)器的感知能力已經(jīng)越來(lái)越接近人類了，語(yǔ)音識(shí)別的準(zhǔn)確率達(dá)到97%甚至更高，圖像識(shí)別的某些領(lǐng)域，例如，人臉識(shí)別，比人類個(gè)體更加準(zhǔn)確和迅速。

模式識(shí)別（Pattern Recognition）研究的是計(jì)算機(jī)的模式識(shí)別系統(tǒng)，即用計(jì)算機(jī)代替人類或幫助人類感知模式。模式通常具有實(shí)體的形式，如聲音、圖片、圖像、語(yǔ)言、文字、符號(hào)、物體和景象等，可以用物理、化學(xué)及生物傳感器進(jìn)行具體采集和測(cè)量。但模式所指的不是事物本身，而是從事物獲得的信息，因此，模式往往表現(xiàn)為具有時(shí)間和空間分布的信息。人們?cè)谟^察、認(rèn)識(shí)事物和現(xiàn)象時(shí)，常常尋找它與其他事物和現(xiàn)象的相同與不同之處，根據(jù)使用目的進(jìn)行分類、聚類和判斷，人腦的這種思維能力就構(gòu)成了模式識(shí)別的能力。

例如：間諜飛機(jī)拍攝照片，用于計(jì)算空間信息或區(qū)域地圖；醫(yī)療成像分析被用來(lái)提高疾病的預(yù)測(cè)、診斷和治療；警方使用的計(jì)算機(jī)軟件可以識(shí)別數(shù)據(jù)庫(kù)里面存儲(chǔ)的肖像，從而識(shí)別犯罪者的臉部；在購(gòu)物方面，消費(fèi)者現(xiàn)在可以用智能手機(jī)拍攝下產(chǎn)品以獲得更多信息；我們最常用的車牌識(shí)別等。

計(jì)算機(jī)視覺(jué)有望在未來(lái)進(jìn)入自主理解、分析決策的高級(jí)階段，真正賦予機(jī)器“看”的能力，在無(wú)人車、智能家居等場(chǎng)景發(fā)揮更大的價(jià)值。

（2）計(jì)算機(jī)思維——機(jī)器會(huì)思考

模擬思維活動(dòng)的人工智能研究的例子包括符號(hào)推理、模糊推理、定理證明等與人類思維有關(guān)的“計(jì)算機(jī)思維”等。

自動(dòng)推理是基于知識(shí)的。有了知識(shí)，通過(guò)簡(jiǎn)單推理如“規(guī)則演繹”，復(fù)雜推理如基于概率的不確定性推理（如“主觀貝葉斯”），可以得到新知識(shí)，或者直接利用舊知識(shí)解決問(wèn)題。

自動(dòng)定理證明，又叫機(jī)器定理證明，它是數(shù)學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合的研究課題。數(shù)學(xué)定理的證明是人類思維中演繹推理能力的重要體現(xiàn)。演繹推理實(shí)質(zhì)上是符號(hào)運(yùn)算，因此原則上可以用機(jī)械化的方法來(lái)進(jìn)行。我國(guó)數(shù)學(xué)家吳文俊在微型機(jī)上成功地設(shè)計(jì)了初等幾何與初等微分幾何中一大類問(wèn)題的判定算法及相應(yīng)的程序，其研究處于國(guó)際領(lǐng)先地位。

自動(dòng)定理證明的理論價(jià)值和應(yīng)用范圍并不局限于數(shù)學(xué)領(lǐng)域，許多非數(shù)值領(lǐng)域的任務(wù)，如醫(yī)療診斷、信息檢索、規(guī)劃制定和難題求解等，都可以轉(zhuǎn)化成相應(yīng)的定理證明問(wèn)題，或者與定理證明有關(guān)的問(wèn)題，所以自動(dòng)定理證明的研究具有普遍意義。

（3）知識(shí)圖譜——機(jī)器會(huì)記憶

知識(shí)圖譜（Knowledge Graph, KG）實(shí)體指的是具有可區(qū)別性且獨(dú)立存在的某種事物。如某一個(gè)人、某一個(gè)城市、某一種植物等、某一種商品等等。世界萬(wàn)物有具體事物組成，此指實(shí)體。如“中國(guó)”、“美國(guó)”、“日本”等。實(shí)體是知識(shí)圖譜中的最基本元素，不同的實(shí)體間存在不同的關(guān)系。

知識(shí)圖譜的早期發(fā)展是專家系統(tǒng)。知識(shí)圖譜的概念是由Google公司在2012年提出的，指代其用于提升搜索引擎性能的知識(shí)庫(kù)。本文借用此概念泛指早期至今的知識(shí)庫(kù)項(xiàng)目，而非特指Google的知識(shí)圖譜項(xiàng)目。知識(shí)圖譜的出現(xiàn)是人工智能對(duì)知識(shí)需求所導(dǎo)致的必然結(jié)果，但其發(fā)展又得益于很多其他的研究領(lǐng)域，涉及專家系統(tǒng)、語(yǔ)言學(xué)、語(yǔ)義網(wǎng)、數(shù)據(jù)庫(kù)，以及信息抽取等眾多領(lǐng)域，是交叉融合的產(chǎn)物而非一脈相承。

（4）機(jī)器學(xué)習(xí)——機(jī)器會(huì)學(xué)習(xí)

機(jī)器學(xué)習(xí)（Machine Learning, ML）是人工智能的一個(gè)核心研究領(lǐng)域，它是計(jì)算機(jī)具有智能的根本途徑。學(xué)習(xí)是人類智能的主要標(biāo)志和獲取知識(shí)的基本手段。Simon認(rèn)為：“如果一個(gè)系統(tǒng)能夠通過(guò)執(zhí)行某種過(guò)程而改進(jìn)它的性能，這就是學(xué)習(xí)”。它主要使用歸納、綜合，而不是演繹。

作為聯(lián)結(jié)主義智能實(shí)現(xiàn)的典范，神經(jīng)網(wǎng)絡(luò)采用廣泛互聯(lián)的結(jié)構(gòu)與有效的學(xué)習(xí)機(jī)制來(lái)模擬人腦信息處理的過(guò)程，是人工智能發(fā)展中的重要方法，也是當(dāng)前“類腦”智能研究中的有效工具。目前，模擬人腦復(fù)雜的層次化認(rèn)知特點(diǎn)的深度學(xué)習(xí)已經(jīng)成為類腦智能中的一個(gè)熱點(diǎn)研究方向。通過(guò)增加網(wǎng)絡(luò)的層數(shù)和節(jié)點(diǎn)數(shù)、采用全新的網(wǎng)絡(luò)結(jié)構(gòu)、設(shè)計(jì)高效的學(xué)習(xí)優(yōu)化策略，所構(gòu)造的“深層神經(jīng)網(wǎng)絡(luò)”能夠使機(jī)器獲得從海量數(shù)據(jù)中學(xué)習(xí)“抽象概念”和“復(fù)雜規(guī)律”的能力，在諸多領(lǐng)域都取得了巨大的成功，又一次掀起了神經(jīng)網(wǎng)絡(luò)研究的一個(gè)新高潮。

（5）智能機(jī)器——機(jī)器會(huì)行動(dòng)

機(jī)器人（Robot System, RS）能夠執(zhí)行人類給出的任務(wù)。它們具有傳感器，檢測(cè)到來(lái)自現(xiàn)實(shí)世界的光、熱、溫度、運(yùn)動(dòng)、聲音、碰撞和壓力等數(shù)據(jù)。它擁有高效的處理器，多個(gè)傳感器和巨大的內(nèi)存，以展示它的智能，并且能夠從錯(cuò)誤中吸取教訓(xùn)來(lái)適應(yīng)新的環(huán)境。

（6）自然語(yǔ)言處理——機(jī)器會(huì)語(yǔ)言

語(yǔ)言能力對(duì)應(yīng)的研究領(lǐng)域是自然語(yǔ)言處理（Natural Language Processing, NLP）。可以與理解人類自然語(yǔ)言的計(jì)算機(jī)進(jìn)行交互。比如常見(jiàn)機(jī)器翻譯、人機(jī)對(duì)話、自動(dòng)文摘、全文檢索。除此之外，還有語(yǔ)音轉(zhuǎn)文字、文字轉(zhuǎn)語(yǔ)音、文本語(yǔ)義抽取、文本情感分析、文本分類、語(yǔ)法分析等，都是自然語(yǔ)言處理的基本研究范圍，也是人工智能的基本語(yǔ)言能力。

自然語(yǔ)言處理的幾個(gè)核心環(huán)節(jié)：知識(shí)的獲取與表達(dá)、自然語(yǔ)言理解、自然語(yǔ)言生成等，也相應(yīng)出現(xiàn)了知識(shí)圖譜、對(duì)話管理、機(jī)器翻譯等研究方向。

知識(shí)圖譜：基于語(yǔ)義層面對(duì)知識(shí)進(jìn)行組織后得到的結(jié)構(gòu)化結(jié)果。

對(duì)話管理：包含閑聊、問(wèn)答、任務(wù)驅(qū)動(dòng)型對(duì)話。

機(jī)器翻譯：由傳統(tǒng)的PBMT方法到Google的GNMT，流暢度與正確率大幅提升。

應(yīng)用包括搜索引擎、對(duì)話機(jī)器人、機(jī)器翻譯、甚至高考機(jī)器人、辦公智能秘書(shū)。

（7）智能規(guī)劃——機(jī)器會(huì)決策

智能規(guī)劃（Intelligent Planning）是人工智能的一個(gè)重要研究領(lǐng)域，起源于狀態(tài)空間搜索、定理證明和控制理論的研究，以及機(jī)器人技術(shù)、調(diào)度和其他領(lǐng)域的實(shí)際需要，已廣泛應(yīng)用于航空航天、機(jī)器人控制、工業(yè)化生產(chǎn)調(diào)度中。智能規(guī)劃的主要思想是：對(duì)周圍環(huán)境進(jìn)行認(rèn)識(shí)與分析，根據(jù)自己要實(shí)現(xiàn)的目標(biāo)，對(duì)若干可供選擇的動(dòng)作及所提供的資源限制施行推理，綜合制定出實(shí)現(xiàn)目標(biāo)的規(guī)劃。該系統(tǒng)的主要功能可以描述為：給定問(wèn)題的狀態(tài)描述、對(duì)狀態(tài)描述進(jìn)行變換的一組操作、初始狀態(tài)和目標(biāo)狀態(tài)。

例如：機(jī)器人在某一時(shí)刻，借助感知信息等多維度信息，通過(guò)規(guī)劃算法來(lái)決定自己下一步該如何行動(dòng)就是一種規(guī)劃。至于決定下一步的行動(dòng)之后，比如決定下一步邁左腳，則該規(guī)劃結(jié)果傳達(dá)給控制系統(tǒng)，使其完成操作。機(jī)器人只是規(guī)劃的一種應(yīng)用場(chǎng)景，像自動(dòng)駕駛技術(shù)也離不開(kāi)高性能高準(zhǔn)確度的規(guī)劃算法。博弈等人工智能高級(jí)能力也是基于此能力實(shí)現(xiàn)的。

（8）分布式人工智能——機(jī)器會(huì)合作

分布式人工智能是分布式計(jì)算與人工智能結(jié)合的結(jié)果。主要研究?jī)?nèi)容有分布式問(wèn)題求解（Distribution Problem Solving, DPS）和多智能體系統(tǒng)（Multi-Agent System, MAS）。

多智能體系統(tǒng)是由多個(gè)智能體（Agent）組成的集合，通過(guò)Agent的交互來(lái)實(shí)現(xiàn)系統(tǒng)的表現(xiàn)。多智能體系統(tǒng)主要研究多個(gè)Agent為了聯(lián)合采取行動(dòng)或求解問(wèn)題，如何協(xié)調(diào)各自的知識(shí)、目標(biāo)、策略和規(guī)劃。在表達(dá)實(shí)際系統(tǒng)時(shí)，多智能體系統(tǒng)通過(guò)各Agent間的通信、合作、互解、協(xié)調(diào)、調(diào)度、管理及控制來(lái)表達(dá)系統(tǒng)的結(jié)構(gòu)、功能及行為特性。由于在同一個(gè)多智能體系統(tǒng)中各Agent可以異構(gòu)，因此Multi-Agent技術(shù)對(duì)于復(fù)雜系統(tǒng)具有無(wú)可比擬的表達(dá)力。它為各種實(shí)際系統(tǒng)提供了一種統(tǒng)一的模型，能夠體現(xiàn)人類的社會(huì)智能，具有更大的靈活性和適應(yīng)性，更適合開(kāi)放和動(dòng)態(tài)的世界環(huán)境，因而備受重視，相關(guān)研究已成為人工智能以至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。

2.人工智能的相關(guān)術(shù)語(yǔ)

（1）人工智能三要素

算法、數(shù)據(jù)和硬件計(jì)算力組成了人工智能高速發(fā)展的三要素。人工智能實(shí)現(xiàn)所需要具備的基礎(chǔ)。三要素缺一不可。為什么人工智能到近兩年才開(kāi)始呈現(xiàn)爆發(fā)？主要是因?yàn)橹钡浇袢眨斯ぶ悄艿乃惴ā?shù)據(jù)和硬件才滿足了人工智能的基本需求。

1）算法。首先是優(yōu)秀的人工智能算法，比如現(xiàn)在最流行的深度學(xué)習(xí)算法，就是近期人工智能領(lǐng)域中最大的突破之一，為人工智能的商業(yè)化帶來(lái)了希望。以人臉識(shí)別為例，在2013年深度學(xué)習(xí)應(yīng)用到人臉識(shí)別之前，各種方法的識(shí)別成功率只有不到93%，低于人眼的識(shí)別率95%，因此不具備商業(yè)價(jià)值。而隨著算法的更新，深度學(xué)習(xí)使得人臉識(shí)別的成功率提升到了97%。這才為人臉識(shí)別的應(yīng)用奠定了商業(yè)化基礎(chǔ)。

2）數(shù)據(jù)。第二個(gè)是被收集的大量數(shù)據(jù)，數(shù)據(jù)是驅(qū)動(dòng)人工智能取得更好的識(shí)別率和精準(zhǔn)度的核心因素。在數(shù)據(jù)方面，進(jìn)入互聯(lián)網(wǎng)時(shí)代后，才出現(xiàn)了大數(shù)據(jù)的高速發(fā)展與積累，這為人工智能的訓(xùn)練學(xué)習(xí)過(guò)程奠定了良好的基礎(chǔ)。比如，在AlphaGo的學(xué)習(xí)過(guò)程中，核心數(shù)據(jù)是來(lái)自互聯(lián)網(wǎng)的3000萬(wàn)例棋譜，而這些數(shù)據(jù)的積累是歷經(jīng)了十多年互聯(lián)網(wǎng)行業(yè)的發(fā)展。所以直到2017年，基于深度學(xué)習(xí)算法的AlphaGo才取得突破性進(jìn)展。離開(kāi)了這些棋譜數(shù)據(jù)的積累，機(jī)器戰(zhàn)勝人是無(wú)法實(shí)現(xiàn)的。

3）計(jì)算力。第三個(gè)是大量高性能硬件組成的計(jì)算能力，以前的硬件計(jì)算力并不能滿足人工智能的需求，當(dāng)GPU和人工智能結(jié)合后，人工智能才迎來(lái)了真正的高速發(fā)展。

在20年前，一個(gè)機(jī)器人，當(dāng)時(shí)是用32個(gè)CPU，達(dá)到120MHz的速度。現(xiàn)在的人工智能系統(tǒng)使用的是成百上千個(gè)GPU來(lái)提升計(jì)算能力。這使得處理學(xué)習(xí)或者智能的能力得到比較大的增強(qiáng)。之前用CPU一個(gè)月才能出結(jié)果，然后再去調(diào)整參數(shù)，一年只能調(diào)整12次，也就是有12次迭代。GPU產(chǎn)生后大幅提升了計(jì)算量，現(xiàn)在用GPU可以一天就出結(jié)果，這樣可以迭代得更快，這是技術(shù)大幅發(fā)展的條件。

（2）自動(dòng)化、智能化、人工智能

從智能手機(jī)開(kāi)始，智能這個(gè)詞已經(jīng)泛化了。智能手機(jī)出現(xiàn)，智能生產(chǎn)、智能制造、智能產(chǎn)品、智能手表等等都涌現(xiàn)出來(lái)。今天我們需要重新理解“智能”的相關(guān)概念，與智能相關(guān)的概念可分成三部分：自動(dòng)化、智能化、人工智能。

1）自動(dòng)化（Automation）。意指用機(jī)器代替人工完成工作任務(wù)。近十年來(lái)，過(guò)去由人工執(zhí)行的大量常規(guī)任務(wù)容易被計(jì)算機(jī)和算法、軟件模仿和替代。特別是計(jì)算機(jī)算法，或者說(shuō)是計(jì)算（computing），大多可以由機(jī)器來(lái)實(shí)施完成。西方國(guó)家認(rèn)為，今日之經(jīng)濟(jì)時(shí)代正在從后工業(yè)時(shí)代逐漸轉(zhuǎn)移到自動(dòng)工業(yè)時(shí)代。這個(gè)觀點(diǎn)帶來(lái)了新的發(fā)展方向，即知識(shí)工作自動(dòng)化（Knowledge Work Automation），使用計(jì)算機(jī)來(lái)完成復(fù)雜的分析、精細(xì)的判斷和創(chuàng)新問(wèn)題的解決。機(jī)器人則是我們理解的自動(dòng)化、有制造自動(dòng)化能力的裝置，其使用環(huán)境是容易標(biāo)準(zhǔn)化的、可以重復(fù)的常規(guī)工作（routine work）。自動(dòng)化以人工智能、機(jī)器人為特征，體現(xiàn)在提高生產(chǎn)率、降低人工成本、提高質(zhì)量、更便宜、更快捷、更柔性化、可定制等方面，發(fā)展前景廣闊。近十年來(lái)，隨著計(jì)算機(jī)性能的提升、價(jià)格的下降，大數(shù)據(jù)、云計(jì)算、移動(dòng)終端、網(wǎng)絡(luò)化技術(shù)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能化技術(shù)、人工智能技術(shù)等興起，自動(dòng)化的需求逐漸達(dá)到相當(dāng)高的程度。

2）智能化（Smartness）（智能+）。智能化產(chǎn)品情境下的“智能化”原屬于西方的名詞，該詞其實(shí)很有意思，“智能化”詮釋為Smart。為什么稱之為Smart？因?yàn)镾mart是副詞，可以加后綴ness成為名詞。亦因?yàn)镾mart可以加ness而成為一個(gè)名詞，這樣便可構(gòu)建以Smart為核心的“智能化”概念框架。智能化產(chǎn)品，比較明確，就是Smartness of Product。而在我國(guó)當(dāng)今引用的“智能”產(chǎn)品，在西方可理解為Smart，并非Intelligent涵蓋的意義。在一定程度上擁有較多或者較少的以下功能維度，可以稱之為“智能化產(chǎn)品”（Smartness of Product），如自治、自適應(yīng)、自反應(yīng)、多功能、自監(jiān)控、自修復(fù)、自維修、自操作，以及擬人交互功能、有能力與其他裝置合作等一系列功能。不是所有的功能都需要，其中有一定功能因素在里面的，我們都把它叫作智能產(chǎn)品。

在英文里面，Artificial和Smart是兩個(gè)不同的詞。但都被中文翻譯成“智能”，這導(dǎo)致了很多溝通理解的錯(cuò)位。

很多我們平常一直說(shuō)到的智能，都是Smart而不是Intelligence。比如智能手機(jī)Smart phone，智能電視Smart TV，智能音箱Smart Speaker，智能手表Smart watch，智能手環(huán)Smart band，還有更多的比如智能路由器、智能空調(diào)、智能冰箱、智能攝像頭等等。它們都是Smart而不是Intelligence的。

一般的，Intelligence一詞只在學(xué)院或科研機(jī)構(gòu)中使用，其他情況都傾向于使用Smart。

智能制造是實(shí)現(xiàn)整個(gè)制造業(yè)價(jià)值鏈的智能化和創(chuàng)新，是信息化與工業(yè)化深度融合的進(jìn)一步提升。目前智能制造的“智能”還處于Smart的層次，而智能制造的趨勢(shì)是實(shí)現(xiàn)真正地“Intelligent”。

3）人工智能（Artificial Intelligence）。指讓機(jī)器能像人那樣認(rèn)知、思考和學(xué)習(xí)，即用計(jì)算機(jī)模擬人的智能。今天人工智能的典型應(yīng)用領(lǐng)域主要包括：機(jī)器定理證明、機(jī)器翻譯（自然語(yǔ)言理解）、專家系統(tǒng)（問(wèn)題求解和知識(shí)表達(dá)）、博弈（樹(shù)搜索）、模式識(shí)別（多媒體認(rèn)知）、機(jī)器人和智能控制（感知和協(xié)同）、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)、優(yōu)化的知識(shí)管理、不同過(guò)程需求的自適應(yīng)環(huán)境變化、有人介入的擬人智能等。在此，“優(yōu)化的知識(shí)管理”與Smart相區(qū)別的點(diǎn)在于它具有優(yōu)化的功能，有人介入的擬人智能則指跟人能對(duì)話，執(zhí)行人的命令，與人有思想互通與對(duì)話。

（3）智慧城市與智能城市

2010年，IBM正式提出了“智慧的城市”愿景，希望為世界和中國(guó)的城市發(fā)展貢獻(xiàn)自己的力量。IBM經(jīng)過(guò)研究認(rèn)為，城市由關(guān)系到城市主要功能的不同類型的網(wǎng)絡(luò)、基礎(chǔ)設(shè)施和環(huán)境6個(gè)核心系統(tǒng)組成：組織（人）、業(yè)務(wù)/政務(wù)、交通、通信、水和能源。這些系統(tǒng)不是零散的，而是以一種協(xié)作的方式相互銜接。而城市本身，則是由這些系統(tǒng)所組成的宏觀系統(tǒng)。

智慧城市（英語(yǔ)：Smart City）是指利用各種信息技術(shù)或創(chuàng)新意念，集成城市的組成系統(tǒng)和服務(wù)，以提升資源運(yùn)用的效率，優(yōu)化城市管理和服務(wù)，以及改善市民生活質(zhì)量。從技術(shù)發(fā)展的視角，智慧城市建設(shè)要求通過(guò)以移動(dòng)技術(shù)為代表的物聯(lián)網(wǎng)、云計(jì)算等新一代信息技術(shù)應(yīng)用實(shí)現(xiàn)全面感知、泛在互聯(lián)、普適計(jì)算與融合應(yīng)用。

在中國(guó)，城市智能化不是一個(gè)smart的問(wèn)題，而是一個(gè)Intelligent的問(wèn)題，因此我們用“智能城市”的概念來(lái)取代“智慧城市”，用Intelligent（簡(jiǎn)稱為ICity）來(lái)取代Smart City。

中國(guó)智能城市的發(fā)展和中國(guó)的信息化發(fā)展的步驟和模型是一樣的，第一階段是數(shù)字化，第二階段是網(wǎng)絡(luò)化，第三階段是大數(shù)據(jù)化，第四階段是智能化。目前，中國(guó)絕大部分的城市的智能化停留在第一階段和第二階段上，已經(jīng)有部分城市進(jìn)入到了第二階段和第三階段。

（4）智能的分類——自然智能和人工智能

和Artificial（人工）相對(duì)的是Natural（自然）。自然分為廣義自然和狹義自然。廣義自然指整個(gè)存在的世界，它既包括自然科學(xué)所研究的無(wú)機(jī)界和有機(jī)界，也包括社會(huì)科學(xué)所研究的人類社會(huì)。人和人的意識(shí)是自然發(fā)展的最高產(chǎn)物。狹義的自然又稱大自然，是指自然科學(xué)所研究的無(wú)機(jī)界和有機(jī)界，不包括人類社會(huì)在內(nèi)。

依賴于表現(xiàn)智能的主體不同，我們可以簡(jiǎn)單地把智能分為人工智能和自然智能（非人工智能）。我們現(xiàn)實(shí)中最普遍存在的就是大自然創(chuàng)造的各種智能體，也就是各種動(dòng)物以及我們?nèi)祟愖约骸Ｗ匀恢悄芴刂复笞匀粍?chuàng)造的智能現(xiàn)象。人工智能是由機(jī)器、設(shè)備或軟件等人造對(duì)象所表現(xiàn)出的智能。

如果我們進(jìn)一步對(duì)表現(xiàn)智能的主體進(jìn)行區(qū)別，則可以分為5種：

1）人工智能，由機(jī)器、設(shè)備或軟件等人造對(duì)象所表現(xiàn)出的智能。

2）生物個(gè)體智能，由有機(jī)的生命形態(tài)個(gè)體所表現(xiàn)出的智能。

3）人類個(gè)體智能，由人類個(gè)體所表現(xiàn)出的智能。

4）群體智能，由眾多智能個(gè)體的集合所表現(xiàn)出的智能。

5）系統(tǒng)智能，由多種有機(jī)或無(wú)機(jī)元素組成的復(fù)雜系統(tǒng)所表現(xiàn)出的智能。

下一節(jié)我們也將在這個(gè)分類的基礎(chǔ)上進(jìn)行深入剖析。