人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 工智能应用程序发展。据IDC预测,到2020年,60%的人工智能应 用程序将在开源平台上运行。 (二)人工智能基础产品 1.自然语言处理产品呈现实用化发展趋势 自然语言处理(NLP)是指机器理解并解释人类写作、说话方式 的能力,是人工智能和语言学的一部分,它致力于使用计算机理解或 产生人类语言中的词语或句子。自然语言处理主要涉及语音识别、语 音合成、语义理解、机器翻译,自然语言类产品呈现实用化的发展趋 势,但是产品成熟度上仍存在较大的提升空间。 语音识别受到国内外商业和学术界的广泛关注,在无噪音无口音 干扰情况下可接近人类水平。目前语音识别的技术成熟度较高,已达 到95%的准确度,但背景噪音仍难解决,实际应用仅限于近距离使用。 我国语音识别技术研究水平良好,基本上与国外同步,科大讯飞语音 识别成功率达到97%,离线识别率亦达95%。此外,我国在汉语语 音识别技术上还有自己的特点与优势,已达到国际先进水平。语音识 别产品方面,微软、谷歌、亚马逊,以及国内的百度、讯飞、思必驰 等企业均推出了各自基于语音交互的产品,其中以输入法、车载语音、 智能家居、教育测评最为普遍 机器翻译是当前最热门的应用方向,由于自然语言语义分析的复 杂性,翻译水平还远不能和人类相比。近年来机器翻译技术越发成熟 各大厂商都积极投身于这个备受关注的机器翻译领域,谷歌使用深度 学习技术,显著提升了翻译的性能与质量。各大互联网公司相继推出
人工智能发展白皮书-产业应用篇（2018） 中国信息通信研究院&中国人工智能产业发展联盟 10 工智能应用程序发展。据 IDC 预测，到 2020 年，60%的人工智能应 用程序将在开源平台上运行。 （二） 人工智能基础产品 1. 自然语言处理产品呈现实用化发展趋势 自然语言处理（NLP）是指机器理解并解释人类写作、说话方式 的能力，是人工智能和语言学的一部分，它致力于使用计算机理解或 产生人类语言中的词语或句子。自然语言处理主要涉及语音识别、语 音合成、语义理解、机器翻译，自然语言类产品呈现实用化的发展趋 势，但是产品成熟度上仍存在较大的提升空间。 语音识别受到国内外商业和学术界的广泛关注，在无噪音无口音 干扰情况下可接近人类水平。目前语音识别的技术成熟度较高，已达 到 95%的准确度，但背景噪音仍难解决，实际应用仅限于近距离使用。 我国语音识别技术研究水平良好，基本上与国外同步，科大讯飞语音 识别成功率达到 97%，离线识别率亦达 95%。此外，我国在汉语语 音识别技术上还有自己的特点与优势，已达到国际先进水平。语音识 别产品方面，微软、谷歌、亚马逊，以及国内的百度、讯飞、思必驰 等企业均推出了各自基于语音交互的产品，其中以输入法、车载语音、 智能家居、教育测评最为普遍。 机器翻译是当前最热门的应用方向，由于自然语言语义分析的复 杂性，翻译水平还远不能和人类相比。近年来机器翻译技术越发成熟， 各大厂商都积极投身于这个备受关注的机器翻译领域，谷歌使用深度 学习技术，显著提升了翻译的性能与质量。各大互联网公司相继推出
中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 自己的翻译系统,谷歌、微软、有道、科大讯飞、百度、搜狗等均上 线或更新了翻译产品。例如阿里机器翻译基于阿里巴巴海量电商数据, 并结合机器学习、自然语言处理技术,实现多语言语种识别与自动翻 译功能,为跨境电商信息本地化与跨语言沟通提供精准、快捷、可靠 的在线翻译服务。2017年科大讯飞晓译翻译机10plus可以在没有网 络的情况下提供基本翻译功能。机器翻译应用情景简单,具体有词典 翻译软件、计算机辅助翻译软件和机器翻译软件,目前还主要体现在 简单沟通交流层面,如商业交流、旅游交际、新闻编译、游戏组队 影片字幕、国际比赛等。受到语义理解所限制,也不具备优秀的人工 译者所有的丰富的人生阅历和创造性想象力,机器很难翻译有背景的 复杂句子,此外,对于书籍翻译、专业性强的高级会议口译等翻译质 量要求高的场景,机器翻译技术还有待提高。 2.知识图谱从实际问题出发呈现多维度应用 知识图谱概念由谷歌2012年正式提出,其初衷是为了提高搜索 引擎的能力,改善用户的搜索质量以及搜索体验。知识图谱是具有向 图结构的一个知识库,其中图的节点代表实体或概念,而图的边代表 实体/概念之间的各种语义关系,其起源可以追溯到20世纪50年代 的语义网络,本质上是使机器用接近于自然语言语义的方式存储信息 从而提升智能信息检索能力,现已被广泛应用于智能搜索、智能问答、 个性化推荐等领域。 知识图谱经历了由人工和群体协作构建到利用机器学习和信息 抽取技术自动获取的过程。早期知识图谱主要依靠人工处理获得,如
中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇（2018） 11 自己的翻译系统，谷歌、微软、有道、科大讯飞、百度、搜狗等均上 线或更新了翻译产品。例如阿里机器翻译基于阿里巴巴海量电商数据， 并结合机器学习、自然语言处理技术，实现多语言语种识别与自动翻 译功能，为跨境电商信息本地化与跨语言沟通提供精准、快捷、可靠 的在线翻译服务。2017 年科大讯飞晓译翻译机 1.0plus 可以在没有网 络的情况下提供基本翻译功能。机器翻译应用情景简单，具体有词典 翻译软件、计算机辅助翻译软件和机器翻译软件，目前还主要体现在 简单沟通交流层面，如商业交流、旅游交际、新闻编译、游戏组队、 影片字幕、国际比赛等。受到语义理解所限制，也不具备优秀的人工 译者所有的丰富的人生阅历和创造性想象力，机器很难翻译有背景的 复杂句子，此外，对于书籍翻译、专业性强的高级会议口译等翻译质 量要求高的场景，机器翻译技术还有待提高。 2. 知识图谱从实际问题出发呈现多维度应用 知识图谱概念由谷歌 2012 年正式提出，其初衷是为了提高搜索 引擎的能力，改善用户的搜索质量以及搜索体验。知识图谱是具有向 图结构的一个知识库，其中图的节点代表实体或概念，而图的边代表 实体/概念之间的各种语义关系，其起源可以追溯到 20 世纪 50 年代 的语义网络，本质上是使机器用接近于自然语言语义的方式存储信息， 从而提升智能信息检索能力，现已被广泛应用于智能搜索、智能问答、 个性化推荐等领域。 知识图谱经历了由人工和群体协作构建到利用机器学习和信息 抽取技术自动获取的过程。早期知识图谱主要依靠人工处理获得，如
人工智能发展白皮书-产业应用篇(2018) 中国信息通信研究院&中国人工智能产业发展联盟 英文 WordNet和Cyc项目。通过人工处理,知识图谱将上百万条知 识处理为机器能够理解的形式,使机器拥有判断和推理能力。随着互 联网上最大群体智能知识库维基百科的建立,出现了 DBpedia、YAGO 以及 Freebase等依托大规模协同合作建立的知识图谱。随着大数据时 代的到来,知识图谱的数据来源不再局限于百科类的半结构化数据和 各类型网络数据。知识图谱利用机器学习和信息抽取技术自动获取 web上的信息构建知识库,并更关注知识清洗、知识融合和知识表示 技术,如华盛顿大学图灵中心的 Knowall和 TextRunner、卡内基梅 隆大学的“永不停歇的语言学习者” (Never- nding language learner. NELL)都是这种类型的知识图谱。 目前,大多数知识图谱都是采用自底向上的方式进行构建,包括 知识获取、知识融合和知识加工三个阶段。由于互联网上存在大量异 构资源,通常无法通过自顶向下预先定义或直接得到本体的数据。因 此,自底向上就成为了当前知识图谱的主要构建模式,即首先获得知 识图谱的实体数据,通过知识获取、知识融合、知识加工以及知识更 新构建图谱本体。半结构和非结构化数据将通过概念层次学习、机器 学习的方法实现知识获取。异构知识库将通过语义集成等方法实现知 识融合。此外,对于经过融合的新知识需进行进一步加工,旨在实现 质量评估,以确保知识库的质量。 基于知识图谱的服务和应用是当前人工智能的研究热点。当前, 知识图谱的应用可以归纳为语义搜索、知识问答以及基于知识的大数 据分析与决策三个方面
人工智能发展白皮书-产业应用篇（2018） 中国信息通信研究院&中国人工智能产业发展联盟 12 英文 WordNet 和 Cyc 项目。通过人工处理，知识图谱将上百万条知 识处理为机器能够理解的形式，使机器拥有判断和推理能力。随着互 联网上最大群体智能知识库维基百科的建立，出现了 DBpedia、YAGO 以及 Freebase 等依托大规模协同合作建立的知识图谱。随着大数据时 代的到来，知识图谱的数据来源不再局限于百科类的半结构化数据和 各类型网络数据。知识图谱利用机器学习和信息抽取技术自动获取 Web 上的信息构建知识库，并更关注知识清洗、知识融合和知识表示 技术，如华盛顿大学图灵中心的 KnowhAll 和 TextRunner、卡内基梅 隆大学的“永不停歇的语言学习者”(Never-Ending Language Learner， NELL)都是这种类型的知识图谱。 目前，大多数知识图谱都是采用自底向上的方式进行构建，包括 知识获取、知识融合和知识加工三个阶段。由于互联网上存在大量异 构资源，通常无法通过自顶向下预先定义或直接得到本体的数据。因 此，自底向上就成为了当前知识图谱的主要构建模式，即首先获得知 识图谱的实体数据，通过知识获取、知识融合、知识加工以及知识更 新构建图谱本体。半结构和非结构化数据将通过概念层次学习、机器 学习的方法实现知识获取。异构知识库将通过语义集成等方法实现知 识融合。此外，对于经过融合的新知识需进行进一步加工，旨在实现 质量评估，以确保知识库的质量。 基于知识图谱的服务和应用是当前人工智能的研究热点。当前， 知识图谱的应用可以归纳为语义搜索、知识问答以及基于知识的大数 据分析与决策三个方面：
中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇(2018) 在语义搜索方面,由于知识图谱所具有的良好定义的结构形式, 语义搜索利用建立大规模数据库对关键词和文档內容进行语义标注, 从而改善搜索结果。国外搜索引擎以谷歌搜索和微软Bing最为典型。 方面,基于知识图谱的搜索引擎相继融入了维基百科、CIA世界概 览等公共资源。另一方面,搜索引擎与 Facebook、 Twitter等大型社 交企业达成了合作协议,在个性化内容的搜集、定制化方面具有显著 优势。国内主流搜索引擎公司近年来也相继将知识图谱的相关硏究从 概念转向具体产品应用。搜狗“知立方”是国内搜索引擎中的第一款 知识图谱产品,它通过整合碎片化的语义信息,对用户的搜索进行逻 辑推荐与计算,并将核心知识反馈给用户。百度将知识图谱命名为“知 心”,主要致力于构建一个庞大的通用型知识网络,以图文并茂的形 式展现知识的各方面。 在知识问答方面,基于知识图谱的问答系统通过对用户使用自然 语言提出的问题进行语义分析和语法分析,进而将其转化成结构化形 式的查询语句,然后在知识图谱中查询答案。目前,国内外形式多样 的问答平台都引入了知识图谱,例如苹果的智能语音助手Sii能够为 用户提供回答、介绍以及搜索服务;亚马逊收购的自然语言助手Evi 采用 True Knowledge引擎进行开发,也可提供类似Siri的服务。国 内百度公司研发的小度机器人、小米智能音响、阿里巴巴天猫精灵等 都引入知识图谱技术,开始提供交互式问答服务 在分析与决策方面,利用知识图谱可以辅助行业和领域的大数据 分析和决策。例如在股票投研情报分析方面,通过知识图谱技术从招
中国信息通信研究院&中国人工智能产业发展联盟 人工智能发展白皮书-产业应用篇（2018） 13 在语义搜索方面，由于知识图谱所具有的良好定义的结构形式， 语义搜索利用建立大规模数据库对关键词和文档内容进行语义标注， 从而改善搜索结果。国外搜索引擎以谷歌搜索和微软 Bing 最为典型。 一方面，基于知识图谱的搜索引擎相继融入了维基百科、CIA 世界概 览等公共资源。另一方面，搜索引擎与 Facebook、Twitter 等大型社 交企业达成了合作协议，在个性化内容的搜集、定制化方面具有显著 优势。国内主流搜索引擎公司近年来也相继将知识图谱的相关研究从 概念转向具体产品应用。搜狗“知立方”是国内搜索引擎中的第一款 知识图谱产品，它通过整合碎片化的语义信息，对用户的搜索进行逻 辑推荐与计算，并将核心知识反馈给用户。百度将知识图谱命名为“知 心”，主要致力于构建一个庞大的通用型知识网络，以图文并茂的形 式展现知识的各方面。 在知识问答方面，基于知识图谱的问答系统通过对用户使用自然 语言提出的问题进行语义分析和语法分析，进而将其转化成结构化形 式的查询语句，然后在知识图谱中查询答案。目前，国内外形式多样 的问答平台都引入了知识图谱，例如苹果的智能语音助手 Siri 能够为 用户提供回答、介绍以及搜索服务；亚马逊收购的自然语言助手 Evi， 采用 True Knowledge 引擎进行开发，也可提供类似 Siri 的服务。国 内百度公司研发的小度机器人、小米智能音响、阿里巴巴天猫精灵等 都引入知识图谱技术，开始提供交互式问答服务。 在分析与决策方面，利用知识图谱可以辅助行业和领域的大数据 分析和决策。例如在股票投研情报分析方面，通过知识图谱技术从招