機器學習技術(shù)與實體經(jīng)濟融合領(lǐng)域

　　機器學習是人工智能技術(shù)體系的一個通用環(huán)節(jié)，機器學習使用歸納、綜合方法，運用數(shù)據(jù)導(dǎo)入算法模仿人類智能。學習方式主要分為有數(shù)據(jù)學習和無數(shù)據(jù)學習：當前有數(shù)據(jù)學習顯然廣受歡迎，包括“監(jiān)督學習”“無監(jiān)督學習”“半監(jiān)督學習”“深度學習”“遷移學習”等；無數(shù)據(jù)學習法主要為“強化學習”。有數(shù)據(jù)學習的典型應(yīng)用為深度學習，深度學習包括DNN(深度神經(jīng)網(wǎng)絡(luò))、CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))和LSTM(長短期記憶網(wǎng)絡(luò))等，它不依賴數(shù)字經(jīng)濟的發(fā)展，而是由人做數(shù)據(jù)標簽，采用神經(jīng)網(wǎng)絡(luò)算法，學習效率不高、能源資源浪費，如AlphaGo下場棋要消耗3000美元電費。

　　強化學習只需要人類輸入規(guī)則，機器就能通過自我獎勵、自我誘導(dǎo)方式，跟自己下百萬盤棋，不斷自我完善，AlphaGo Zero三天內(nèi)就打敗了已經(jīng)學習了幾千盤棋的AlphaGo；數(shù)字技術(shù)發(fā)展越好、標準化數(shù)據(jù)量越大的領(lǐng)域往往人工智能發(fā)展越迅速，這就說明機器的學習能力不是人為訓(xùn)練的結(jié)果，而是數(shù)字經(jīng)濟發(fā)展到一定階段順其自然的結(jié)果。從使用場景上來說，有數(shù)據(jù)學習適用于規(guī)則活動領(lǐng)域的人工智能，是經(jīng)驗、控制使然；無數(shù)據(jù)學習適用于創(chuàng)新、無定論的領(lǐng)域，比如棋類競賽、新藥探索、藝術(shù)創(chuàng)作等，是創(chuàng)新、自由使然。

機器人自動化賦能制造業(yè)

自動化賦能制造業(yè)

作為現(xiàn)代工業(yè)重要的技術(shù)之一，工業(yè)自動化技術(shù)應(yīng)該廣泛，市場空間巨大。

在電力行業(yè)跟精密制造領(lǐng)域經(jīng)驗比較豐富的王輝看來，“在未來的工業(yè)制造業(yè)里面，會因為機器人自動化產(chǎn)生大量新的就業(yè)崗位，主要是跟軟件、算法，包括機器人的操作，以及跟智能化相關(guān)的一些崗位。機器人自動化這個行業(yè)蘊藏著的可能性，有非常大的發(fā)展前景。當然，這也就同時意味著競爭非常激烈。”

在國內(nèi)機器人市場增長迅猛的2017年，銷量在一年內(nèi)就增加了約六成。但在過去兩年，中國機器人行業(yè)進入了市場整理期，根據(jù)國際機器人聯(lián)合會的數(shù)據(jù)，工業(yè)機器人的年銷量持續(xù)停留在13-14萬臺的水平。

中國與發(fā)達國家制造業(yè)差距

一、自主創(chuàng)新不足

我國裝備制造業(yè)在自主創(chuàng)新方面明顯不足，完全自主知識產(chǎn)權(quán)的技術(shù)產(chǎn)品稀缺，原創(chuàng)技術(shù)及基礎(chǔ)研究較少，關(guān)鍵技術(shù)及部件依賴進囗，對外依存度較高。

二、能源消耗較大

由于長期的粗放式發(fā)展，而且受制于在環(huán)保技術(shù)開發(fā)、環(huán)境保護投入、企業(yè)社會責任制度建設(shè)缺失等方面與制造業(yè)發(fā)達國家相差較大。

三、產(chǎn)業(yè)結(jié)構(gòu)待改善

目前國內(nèi)中低端產(chǎn)業(yè)產(chǎn)能過剩，產(chǎn)業(yè)的保障能力得不到有效滿足，尤其是先進裝備及部件、材料以及高技術(shù)制造工藝等方面，導(dǎo)致我國裝備制造業(yè)中低端市場同質(zhì)化競爭嚴重。