拥抱人工智能-亚博888

一、人工智能行业概览

▎1.1 人工智能三起三落，60年登上围棋之巅

人工智能的概念形成于20世纪50年代，其发展阶段经历了三次大的浪潮。

第一次是上世纪50-60年代，是注重逻辑推理的机器翻译时代；

第二次是上世纪70-80年代，主要是依托知识积累构建模型的专家系统时代；

最近一次是是2006年起开始的重视数据、自主学习的认知智能时代。

图1-1 人工智能的发展历程（图片来源：中国人工智能学会与罗兰贝格联合发布-《中国人工智能创新应用白皮书》）

▎1.2 人工智能发展过程中具有社会意义的重要事件

从97年深蓝战胜国际象棋冠军到16年深度神经网络技术的成熟应用，这接近20年的时间，人工智能技术经历了几次迭代与飞跃。

图1-2 人工智能发展的里程碑（图片来源：中国人工智能学会与罗兰贝格联合发布-《中国人工智能创新应用白皮书》）

▎1.3 ai商业化呈不可逆转之势向各行各业蔓延

最近几年人工智能也在各个行业开始了蔓延，开枝散叶。

人工智能行业的应用通过在行业渗透率以及市场规模两个维度的表现，可以落入四个象限。

图1-3 人工智能的商业化图谱（图片来源：《全球人工智能行业发展白皮书2019》）

▎1.4 人工智能产业链图

中国人工智能产业链正在快速完善的过程中，从上游基础技术研发到中下游技术应用和用户习惯的养成，各环节合作模式逐渐成型，并呈现出精细化运营的趋势。

根据人工智能大生态中不同企业提供的技术、产品与服务侧重点的不同，将人工智能产业链大致分为基础层、技术层和应用层三个环节。

图1-4 人工智能产业链图谱（图片来源：《36kr-人工智能商业化研究报告》）

二、人工智能在军工领域的应用场景分析

▎2.1 国防科技领域人工智能发展布局

国家在国防科技领域人工智能发展的整体布局主要分为三个大的部分，底层是基础技术支撑作为军工应用的基础技术支撑，基础硬件和智能硬件占据了很重要的位置，包括智能传感器、智能芯片和机器人的核心元器件。

图2-1 人工智能在国防科技领域的布局

▎2.2 智能装备-ai无人机“ghost 4”与特种作战机器人“maars”

美国初创公司在2020年9月份推出的ai无人机，ghost4。我国的发展情况是在无人机的领域发展较成熟，但是智能化方面还很欠缺。

在智能装备领域，美国近年来还开发了一款专用于特种作战的maars机器人。

▎2.3 智能研发系统-轻武器射击训练智能管理系统

中电万维开发了轻武器射击训练智能管理系统，这个系统实现了射击训练流程可视化引导控制、弹孔智能化识别显示、成绩自动化统计分析等功能。

主要是由“弹孔识别端、手持控制端、成绩显示端、pc大数据平台”四部分组成。

图2-3 轻武器射击训练智能管理系统（图片来源：中电万维信息技术有限责任公司亚博ag旗舰厅官网）

▎2.4 智能研发系统-军事体育训练智能管理系统

中电万维的开发的军事体育训练智能管理系统主要是用于全军的通用训练，专项训练和文职训练等，它可以智能控制军事体育训练计划、组织、训练、考核、评估、统计分析等全过程。

图2-4 军事体育训练智能管理系统（图片来源：中电万维信息技术有限责任公司亚博ag旗舰厅官网）

▎2.5 智能研发系统-军事体育训练智能管理系统

南京的摄星智能科技有限公司利用图像技术，积累大量的相关人物的图像和音频数据以及军事装备数据，形成了丰富的训练数据，专注于国内外重要人物的图像情报生成和检测。

图2-5 图像处理技术在军事领域的应用（图片来源：南京的摄星智能科技有限公司亚博ag旗舰厅官网）

▎2.6 自然语言处理技术在军事领域的应用-应用于军事报文处理、智能会议系统、智能文本生成

南京摄星智能科技有限公司在自然语言处理领域和军事领域方面的也有一些相关应用。主要是对军事文本数据做处理，在军事报文处理，智能会议系统，智能文本生成方面都有一些落地的应用。

图2-6 自然语言处理技术在军事领域的应用（图片来源：南京的摄星智能科技有限公司亚博ag旗舰厅官网）

三、我们在人工智能上的探索与实践

▎3.1 合迅智库产品-功能及技术体系架构

合迅科技软件研发部去年推出了我们的自研产品，合迅智库。产品从功能体系架构上主要分为媒介层，业务逻辑层和展现层，从技术体系架构上来说主要分为存储层，调度层，业务层和用户层。

图3-1 合迅智库产品体系架构

▎3.2 自然语言处理一键识别分析

合迅智库的文字识别ocr的功能模块，主要功能是可以将jpg，png等图片文件格式通过ocr识别的方式进行文本提取，词频统计，关键词分析，词云图展示和知识库分享等功能。

图3-2 合迅智库-ocr

▎3.3 自然语言处理-实体抽取

合迅智库自动实体抽取功能，支持人名、地名、机构名、时间、影视作品、歌曲、音乐专辑、学校等8种实体，并且现在已经支持人工标注实体语料库及实体识别模型训练的功能。

图3-3 合迅智库-实体抽取功能

▎3.4 自然语言处理技术用于知识图谱构建

自然语言处理可以用于知识图谱的构建，通过抽取半结构化或者非结构化的实体、关系及属性，通过实体消岐或知识融合的技术形成知识图谱。

图3-4 合迅智库-知识图谱构建