Page 18 - 基于人工智能的图像识别技术研究

基于人工智能的图像识别技术研究
Research on Image Recognition Technology Based on Artificial Intelligence

（一）人工智能的发展高度依赖优质数据

1.人工智能靠数据和技术双向驱动
人工智能靠数据和知识“双轮驱动”，数据越多越智能。一方面，数据是人
工智能、量子计算等新技术发展应用的基础；另一方面，基于数据的预测与决
策，持续给经济社会发展注入新动能。2016年至今，深度学习（Deep Learning）

依然是人工智能发展的技术主线。这一技术主要通过给计算机提供大量数据来
自主学习，找出蕴含的内在规律，进而对新情况新问题进行预判，因此也被称
为“学习算法”（learning algorithm）。其一方面需要在算法技术上不断取得突

破，另一方面尤其仰赖优质数据的供养。这两方面有效结合并不断完善的深度学
习模型，不仅在相关人工智能技术提升中发挥了重要作用，而且在助力其他科
学研究中也不断取得重大突破。例如，在生命科学领域，人工智能助力生命科学
攻克近50年都未能突破的蛋白质3D结构难题。以往生物科学家主要通过核磁共

振、X射线、冷冻电子显微镜等方式重复实验、逐个探索，这类方式存在经济成
本高、花费时间长等问题，按此种方式识别的蛋白质3D结构尚不足20%。
1972年，克里斯蒂安·安芬森（Christian Anfinsen）在诺贝尔化学奖获奖感

言中提出了著名假设：理论上来说，蛋白质的氨基酸序列应该完全决定其结构。
人工智能通过“技术+数据”的方式在验证这一假设并促进生物科学研究中发挥
了巨大作用。首先科研人员研发了一种深度学习算法，然后在包含约17万个蛋白

质序列及其形状的公共数据库中对该算法进行训练。经过优质数据的不断训练，
该模型预测蛋白质结构的准确性不断提高并取得了重大进展，目前利用该人工智
能模型单通过氨基酸序列就可较为准确地预测蛋白质3D结构，极大地加速了科

学研究，并将人类蛋白质3D结构预测范围覆盖到了98.5%。
2.当前人工智能应用场景对个人信息具有强烈需求
随着人工智能的发展，其逐渐向大众生活更为密切的领域扩展，智能理财、
智能语音、智能购物、增强现实、虚拟现实等场景和技术的发展都离不开对个人

信息的处理。而且，从移动互联网演进到人工智能时代，数据的二元属性将更加
突出。数据越来越具有私密性，深入用户各个生活场景，覆盖广度和挖掘深度将
不断增加。也即越与大众生活密切相连，所需的训练数据则越会涉及个人信息。

出于个人信息蕴含的巨大经济社会价值和信息自由的客观要求，人工智能产业发
展、政务管理和科技创新都迫切要求通过交易、交换、转移等多种形式使得数据

10