智能技术的本质要义进一步丰富，与其它现代信息技术进行交叉融合、深度渗透、广泛应用，实现技术的一体化、群体化、颠覆性突破，为推动我国产业体系智能高端、政府治理精准科学、社会服务普惠于民奠定坚实基础。
2016年是智能技术内涵不断深化、应用初步发展、产业生态开始建立的一年，是政府、企業、学界、民众等对智能技术的关注度和认同度逐步升温的一年。机器学习、机器感知、智能识别、自然语言理解、虚拟现实、区块链等技术取得重要突破。智能技术的本质要义进一步丰富，与其它现代信息技术进行交叉融合、深度渗透、广泛应用，实现技术的一体化、群体化、颠覆性突破，为推动我国产业体系智能高端、政府治理精准科学、社会服务普惠于民奠定坚实基础。
（一） 信息系统集成化推动智能技术取得重大突破
人工智能（Artificial Intelligence，AI），是利用计算机等信息技术对人的意识和思维的模拟，是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术，属于计算机科学的一个分支。计算机的技术基础是集成电路，因此，集成电路也是智能技术的基础。大规模集成电路成为信息采集、存储、传输、计算等活动的基本载体。集成电路进步越快，信息的采集、存储、传输、计算能力也就越强，电子产品的智能化程度也就越高。
正是有了集成电路的不断进步，我们才有了性能强大的计算机，越来越轻薄但是却更加智能的手机等终端电子产品，有了越来越复杂的信息系统，积累了数量惊人的海量数据。基于这些高性能计算机、高速度互联网、高智能信息产品的智能技术，才表现得越来越聪明，甚至在很多方面都超过了人的能力。
近年来智能技术的发展，归根结底是由集成电路技术的进步所引发的。摩尔定律是揭示集成电路技术进步速度的一个经验性规律，是英特尔（Intel）公司的创始人之一戈登·摩尔（Gordon Moore）提出来的。其内容为：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18～24个月便会增加一倍，性能也将提升一倍。换言之，每一美元所能买到的电脑性能，将每隔18～24个月翻一倍以上。
20世纪中期以来六十多年的时间里，摩尔定律得到很好的验证，它大体上比较准确地反映了集成电路技术进步的速度。然而，由于目前制作集成电路的硅晶体管已经非常细微，电路线宽已经到了20纳米以下，接近了原子等级，也达到了物理极限，很难再制造出更细的电路和集成度更高的电路模块，人们对摩尔定律能否持续开始怀疑。最近，集成电路领域的专家们对集成电路技术的继续进步表现出了新的信心，认为摩尔定律将在未来几十年继续有效。
目前，国内在人工智能芯片研制方面取得重大突破。2016年4月，中科院计算所研发了多用途深度学习芯片—寒武纪3号，支持k-邻近、k-均值、朴素贝叶斯、线性回归等10种代表性机器学习算法。寒武纪三号的工艺为65nm级，主频为1GHz，峰值性达到每秒10560次基本操作，面积3.51mm²，功耗为0.596W。寒武纪对于机器学习算法运算性能与GPU相当，但面积和功耗仅有GPU的百分之一。
寒武纪芯片的设计亮点主要有运算单元设计和存储层次设计两方面。一是运算单元设计旨在高效完成机器学习频繁的运算操作，重点设计了机器运算单元（MLU），分为计数器、加法器、乘法器、加法树、Acc和Misc等6个流水线阶段。二是存储层次设计能够提高机器学习算法中数据的片内重用，降低片外访存带宽需求，重点设计了HotBuf（HB）、ColdBuf（CB）和OutputBuf（OB）3个片上数据缓存，分别对应最短重用距离、较长重用距离和输出数据的存放功能。寒武纪与TrueNorth芯片的重要区别是寒武纪是面向机器学习的神经网络，包括MLP（多层感知机）、CNN和DNN等，用突触连接的权值表示传递的信息；而TrueNorth则是SNN，用脉冲的频率或者时间表示传递的信息。
（二） 机器学习加快平台化开源化
2016年3月，谷歌公司的机器学习电脑AlphaGO与世界冠军李世石进行了五场围棋比赛，AlphaGo以4：1击败李世石，引起全世界震惊。AlphaGO通过跟棋手下棋或者和自己对弈的输赢情况，自主学习下棋经验，找到更加复杂的应对策略。机器学习（Machine Learning， ML）是研究计算机怎样模拟人类学习行为，让计算机在没有事先明确编程的情况下做出正确反应的科学，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。学习是人类获取新的知识或技能、不断改善提升自身能力的智能行为。机器学习就是让计算机像人类一样具有学习知识和技能从而不断改进提升的能力。机器学习要综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学，结合各种学习方法如机械学习、传授学习、类比学习、归纳学习、分析学习、事例学习等，从数据中自动分析获得和认知规律，从而达到不断自我完善、自我提高的智能境界。
深度学习是机器学习的一个分支，即构建人工神经网络、模仿人脑思维逻辑方法的机器学习。人类的大脑和神经系统在处理信息时是分层次和级别的，从低层到高层，其对事务的识别和认知能力就越来越抽象和复杂。深度学习提供了一种更智能的技术方法。一般的机器学习中，为了让机器具有认知能力，首先是以某种方式提取某个事物的特征，提取方式有时候是人工设计或指定的，有时候是在给定相对较多数据的前提下，由计算机自己总结出来的。目前以深度学习为核心的某些机器学习应用，在满足特定条件的应用场景下，已经达到了超越现有算法的识别或分类性能。
国内互联网企业大力建设机器学习平台。2016年11月30日，百度公司在2016百度云智峰会上发布了“天智平台”。该平台融合了图像技术、语音技术、自然语言处理等技术，打通了机器学习全流程，内置20多种高性能算法，支持Spark MLlib、用户画像数据、多种应用场景模板，具有开源化、灵活化、高效性、可伸缩，适合研究机构的科学家、研发人员进行使用。
相关热词搜索： 交叉 融合 现代信息技术 智能 技术