“人工智能”主题论坛于2022年1月1日全天+1月3日上午举办，由西北工业大学韩军伟教授倡议组织，由《中国图象图形学报》主编、中国科学院吴一戎院士，欧洲科学院焦李成院士，中科院计算所山世光研究员，西安交通大学孟德宇教授，西北工业大学潘泉教授、夏勇教授、王琦教授、程塨研究员，南京航空航天大学张道强教授共9位专家做主旨报告。
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、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的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等。今天，机器人拥有了新型学习方式：深度强化学习，借助通用化的神经网络，处理复杂的传感器输入，让机器人从自己的经验活动中直接学习行为。相比传统方式，它不需要程序员手动设计机器人每一个动作的每一项精确参数。
2021年7月13日，中国互联网协会发布了《中国互联网发展报告（2021）》。《报告》显示，2020年，人工智能产业规模达到了3031亿元。在人工智能领域，2020年人工智能产业规模保持平稳增长，产业规模达到了3031亿元，同比增长15%，增速略高于全球的平均增速。产业主要集中在北京、上海、广东、浙江等省份，我国在人工智能芯片领域、深度学习软件架构领域、中文自然语言处理领域进展显著。

1、互联网发展提供了种类丰富的大数据资源,提升算法有效性；
2、计算技术的变革使硬件成本指数下降,运算时间缩短,助力人工智能再度崛起；
3、基础算法和AI平台的创新减少了传统算法和人类手工总结特征的不完备性,学习训练算法效率大幅提升。

深度学习是利用大数据实现端到端的处理，让模型自己探索有意义的中间表达，其本质是特征学习器，优势是网络自己学习如何抓取特征。
深度学习是利用大数据实现端到端的处理，让模型自己探索有意义的中间表达，其本质是特征学习器，优势是网络自己学习如何抓取特征。

图像处理是计算机科学的另一个领域，也是计算机科学论文的热门话题。图像处理有两种类型-模拟图像处理和数字图像处理。数字图像处理是使用基于计算机的算法来更改其功能以增强效果或实现其他效果的数字图像上执行操作的过程。通过图像处理，可以从数字图像中提取基本信息。它是计算机科学领域的重要研究领域。图像处理中涉及的技术包括变换，分类，模式识别，过滤，图像恢复以及各种其他过程和技术。
机器视觉是人工智能领域中发展迅速的一个重要分支，目前正处于不断突破、走向成熟的阶段。一般认为机器视觉“是通过光学装置和非接触传感器自动地接受和处理一个真实场景的图像，通过分析图像获得所需信息或用于控制机器运动的装置”，可以看出智能图像处理技术在机器视觉中占有举足轻重的位置。智能图像处理是指一类基于计算机的自适应于各种应用场合的图像处理和分析技术，本身是一个独立的理论和技术领域，但同时又是机器视觉中的一项十分重要的技术支撑。
机器视觉的图像处理系统对现场的数字图像信号按照具体的应用要求进行运算和分析，根据获得的处理结果来控制现场设备的动作，其常见功能如下：
（1）图像采集
　　图像采集就是从工作现场获取场景图像的过程，是机器视觉的第一步，采集工具大多为CCD或CMOS照相机或摄像机。照相机采集的是单幅的图像，摄像机可以采集连续的现场图像。就一幅图像而言，它实际上是三维场景在二维图像平面上的投影，图像中某一点的彩色（亮度和色度）是场景中对应点彩色的反映。这就是我们可以用采集图像来替代真实场景的根本依据所在。
（2）图像预处理
　　对于采集到的数字化的现场图像，由于受到设备和环境因素的影响，往往会受到不同程度的干扰，如噪声、几何形变、彩色失调等，都会妨碍接下来的处理环节。为此，必须对采集图像进行预处理。常见的预处理包括噪声消除、几何校正、直方图均衡等处理。
　　通常使用时域或频域滤波的方法来去除图像中的噪声；采用几何变换的办法来校正图像的几何失真；采用直方图均衡、同态滤波等方法来减轻图像的彩色偏离。总之，通过这一系列的图像预处理技术，对采集图像进行“加工”，为体机器视觉应用提供“更好”、“更有用”的图像。
（3）图像分割
　　图像分割就是按照应用要求，把图像分成各具特征的区域，从中提取出感兴趣目标。在图像中常见的特征有灰度、彩色、纹理、边缘、角点等。例如，对汽车装配流水线图像进行分割，分成背景区域和工件区域，提供给后续处理单元对工件安装部分的处理。
（4）目标识别和分类
　　在制造或安防等行业，机器视觉都离不开对输入图像的目标进行识别和分类处理，以便在此基础上完成后续的判断和操作。识别和分类技术有很多相同的地方，常常在目标识别完成后，目标的类别也就明确了。

可视化、影像还原、图像检索、模式测量、图像识别

医疗领域的紫外线成像，伽玛射线成像和CT扫描、传输和编码、机器人视觉、色彩处理、模式识别、视频处理

人工智能和机器学习技术以其大数据解决方案而闻名，适用于许多行业，包括金融，运输，政府以及其他行业。这些技术正在兴起，并以前所未有的方式继续改变着我们的世界。然而，人工智能在艺术和社会正义领域中的使用却较少探索。全世界的艺术家，创作者，音乐家和社会正义倡导者都使用机器学习技术来创建创新的项目和实验。
艺术和科学领域已经分开很长时间了，甚至被认为是相反的。但是，在过去的几年中，这两个场之间的黑白差异已经开始模糊。在许多方面，他们重新团结在一起。
计算机科学正在扩展到更多的创造空间。同时，美术，即设计原则，对一流技术变得越来越重要。重要的是要打破这些障碍，并了解如何将艺术与科学紧密联系在一起，并在作为一个单一的力量联合在一起时发挥最大的作用。
这些交汇点之一是艺术与机器学习的交汇处。近年来，艺术已经适应了机器学习技术的兴起。诸如Google Deep Dream系统，Sony的Flow Machines和神经网络模型之类的ML框架的可访问性在艺术和ML工程领域具有统一的方法。

苹果公司与新博物馆合作开展了一项新的增强现实实验，该实验将六个城市转变为实时互动博物馆。新博物馆与一群才华横溢的艺术家合作，协助编排了步行导览，包括动手实践以及使用AR技术与公共空间的互动。参与者可以将设备举起到自己的城市，并通过“ AR门户”进入一个充满艺术气息的新世界。
尼克·凯夫（Nick Cave）的装置（例如“ Amass”）允许访问者通过使用Apple Store应用程序中的[AR] T Viewer与世界各地的Apple Store进行交互。用户启动Cave的安装，必须在其中收集“ Ikon Elements”。
Sarah Rothberg的另一个项目使用Swift Playgrounds向用户介绍了AR体验和[AR] T Lab。这种体验使用户可以在学习AR技术时与色彩缤纷的物体和身临其境的声音进行交互。

OpenAI是由Elon Musk创建的AI研究实验室，其目标是继续进行道德AI研究。最近，该实验室开发了一种AI系统，该系统可以生成文本，包括新闻报道和诗歌。用户将单词输入到名为GPT-2的系统中，然后根据功能强大的算法输出一首诗。
该AI系统接受了互联网和大量诗歌集上的文字训练。它利用基本的无监督学习算法来预测段落的下一个单词并创作一首完整的诗。在其范围内，该系统可以生成有趣甚至美丽的诗歌。Google TensorFlow Research Cloud的Cloud TPU使这项技术成为可能。
该技术甚至被用来测试AI系统阅读人类文本的能力。OpenAI已用于使用Winograd模式测试来测试GPT-2的功能，现在它可以63.7％的精度解决这些测试。

自己的图书馆是一个跨学科项目，希望调解有关冲突社区的对话，因为它涉及移民和边缘化。创作者开发了一种VR体验，参与者可以借此居住在另一个人的身体中。这些体验是由世界各地的家庭创作和拍摄的。
他们创建了自己的文化和社区的基层叙事，描绘了他们的社会世界的奋斗和欢乐。参与者身穿VR装置，并根据影片的动作与演员互动，从而引导他们沉浸在这个身临其境的故事中。这使听众可以与他人的日常生活深入互动。
我们自己的图书馆因将机器学习技术通过同理心带入互联和跨文化康复的新水平而庆祝。它是一种可以应用于任何类型的冲突的方法，既可以增强讲故事者的能力，也可以增强参与者的能力。
这种体验是使用《成为另一个机器》（TMBA）建立的。这是知识共享系统的一部分，该系统旨在融合认知科学和虚拟现实技术的价值，从而创造出强大的，由移情驱动的体验。
从这些示例中，我们可以看到技术是如何添加到艺术中而不是替代艺术。技术和艺术一直紧密相连，相互依存。机器学习涉及解决问题，同理心和人际关系的认知方面，而如果没有这些强大的工具，我们就会错过。如其中的一些例子所示，人工智能和机器学习具有巨大的社会正义能力，并且可以使艺术领域变得更好。如果您是开发人员，请通过艺术探索自己技能的其他方面。如果您是一名艺术家，请考虑使用此类技术如何共同打造新的未来。艺术与科学之间的障碍正在打破。我们之间的联系也许比我们想象的要紧密得多。

当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。