亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

近年來，數字孿生得到越來越廣泛的傳播。同時，得益于物聯網、大數據、云計算、人工智能等新一代信息技術的發展，數字孿生的實施已逐漸成為可能。

人工智能通過智能匹配最佳算法，可在無需數據專家的參與下，自動執行數據準備、分析、融合對孿生數據進行深度知識挖掘，從而生成各類型服務；數字孿生有了人工智能技術的加持，可大幅提升數據的價值以及各項服務的響應能力和服務準確性，賦能給各垂直行業。

01、AI+數字孿生產業現狀

數字孿生依托知識機理、數字化等技術構建數字模型，利用物聯網等技術將物理世界中的數據及信息轉換為通用數據，并且結合AR/VR/MR/GIS等技術將物理實體在數字世界完整復現出來。在此基礎之上，利用人工智能、大數據、云計算等技術做數字孿生的描述、診斷、預警/預測及智能決策等共性應用賦能給各垂直行業。

由此可見，人工智能是數字孿生生態的底層關鍵技術之一，其必要性主要體現在數字孿生生態系統中的海量數據處理、系統自我優化兩個方面，使數字孿生生態系統有序、智能運行，是數字孿生生態系統的中樞大腦。

根據中國電子技術標準化研究院對數字孿生生態的構成分析，數字孿生生態系統主要可以分為基礎支撐層、數據互動層、模型構建與仿真分析層、共性應用層以及行業應用層等。

人工智能技術主要應用在仿真分析層面，在仿真分析層，根據中國電子技術標準化研究院發布的《數字孿生應用白皮書》，如何在大體量的數據中，通過高效的挖掘方法實現價值提煉，是數字孿生重點解決問題之一。

數字孿生信息分析技術，通過AI智能計算模型、算法，結合先進的可視化技術，實現智能化的信息分析和輔助決策，實現對物理實體運行指標的監測與可視化，對模型算法的自動化運行，以及對物理實體未來發展的在線預演，從而優化物理實體運行。

02、AI+數字孿生的應用

近年來，數字孿生得到越來越廣泛的傳播。同時，得益于物聯網、大數據、云計算、人工智能等新一代信息技術的發展，數字孿生的實施已逐漸成為可能。人工智能通過智能匹配最佳算法，可在無需數據專家的參與下，自動執行數據準備、分析、融合對孿生數據進行深度知識挖掘，從而生成各類型服務；數字孿生有了人工智能技術的加持，可大幅提升數據的價值以及各項服務的響應能力和服務準確性，賦能給各垂直行業。

現階段，除了航空航天領域，AI和數字孿生的融合還被應用于電力、船舶、城市管理、農業、建筑、制造、石油天然氣、健康醫療、環境保護等行業，特別是在智能制造領域，數字孿生被認為是一種實現制造信息世界與物理世界交互融合的有效手段。

未來，技術的不斷發展迭代將支持數字孿生應用的普及。可以預測，行業將會朝著數字孿生開發平臺邁進：企業可以將來自不同系統的數據聚合到一個統一的交互式可視化界面，對商品的整個生命周期進行操作，支持業務流的可視化查看和交互，以獲得全新的洞察。

03、AI+數字孿生應用場景

數字孿生最早應用于工業制造領域，在生產中發揮了很好的聯通物理和信息兩個世界的橋梁和紐帶作用。隨著大數據、物聯網和人工智能等技術的不斷發展，數字孿生的形態和概念不斷擴展，并逐步提升為多維動態的管理模式和解決方案，同樣對零售、教育、傳媒等領域產生了深刻的影響。

場景一

AI數字孿生彌補零售行業線上與線下鴻溝，打造可觸摸的交互式生態環境。

場景二

AI數字孿生突破傳統限制，實現三維立體文化傳播與展示。

場景三

實現教育信息化2.0環境下的全周期、全數據、全空間和全要素的學習。

場景四

AI數字孿生反映實體建筑的全生命周期過程。

日前，賽迪智庫發布《6G全球進展與發展展望白皮書》（以下簡稱“白皮書”）。白皮書從全球各國 6G 戰略布局、行業龍頭企業研究、潛在關鍵技術、應用場景的最新進展以及面臨的形勢及挑戰等方面展開論述，并提出加快推進我國 6G 研發的相關建議。

白皮書提到，隨著全球 5G 網絡規模化商用步入快車道，針對 6G 研發的戰略性布局已全面拉開帷幕。目前，全球多個國家和地區、國際組織以及學術界、產業界均開展了6G 研究。業界雖然還尚未對 6G 的愿景、關鍵技術、標準等形成統一的共識，但對于 6G 商用演進時間節點看法較為一致，目前一般預期將在 2030 年左右開始商用。

白皮書指出，全球范圍內 6G 的研究總體來說仍處于起步階段，整體技術路線尚不明確，目前主要在 6G 愿景目標、應用場景、基本指標、潛在關鍵技術等方面的研究取得了一定進展。從目前的研究來看，6G 總體愿景是基于 5G 愿景的進一步擴展和升級。針對 5G 在信息交互方面存在的空間范圍受限和性能指標難以滿足某些垂直行業應用的不足，6G 將具有更加泛在的連接、更大的傳輸帶寬、更低的端到端時延、更高的可靠性和確定性以及更智能化的網絡特性。

摘要： 作為人工智能領域的一個重要分支, 智能規劃被廣泛應用于機器人、工業生產、商業應用等領域。時態規劃是智能規劃的前沿子領域。本文從時態特征、規劃方法、應用等三個角度出發, 對時態規劃進行綜述。與規劃能力相比, 時態特征的發展已足夠成熟; 基于啟發式的狀態空間搜索是目前的最佳選擇; 研究人員仍在尋找更多更好的應用場景。本文旨在用通俗易懂的方式幫助入門學者快速認識時態規劃。

摘要： 人工智能并沒有一個統一的定義,但若一個計算機系統能做人需要智能才能做的事,一般便認為這樣的計算機系統具有人工智能。因此,人工智能被廣泛應用于許多需要人類智能的領域,如法律、醫療、金融、電子商務等,其中法律是當前的一個重要應用領域。因此,文中主要從立法(人工智能系統輔助立法以及立法監管人工智能系統,特別是自主駕駛汽車)、知法守法(法律信息的檢索、法律文書的生成和審核)、司法(證據收集、法律推理以及在線糾紛解決)等方面綜述了人工智能和法律結合的研究現狀以及發展趨勢,希望能引導更多人投入這個研究領域。

人工智能（AI）技術在優化營銷領域的決策制定、改善消費者體驗、建立和維護客 戶關系等方面發揮著越來越重要的作用。盡管該領域的研究已經取得一定的成果，但由于 AI在營銷領域的應用歷史較短，仍存在研究成果缺乏系統性整合、缺少核心文獻、相關概念混 淆、研究熱點和發展方向不明確等問題。鑒于此，本文首先從宏觀角度運用CiteSpace知識圖譜 分析方法分析了該領域的研究熱點及其演進；然后從微觀角度精選重點文獻梳理和界定了 AI的內涵，并進一步在理論、主題和方法論方面進行了文獻歸納和評述；最后對未來研究方向 進行了展望。

根據世界知識產權組織（WIPO）發布的《2019年人工智能技術趨勢報告》，在和人工智能 （AI）相關的將近34萬項發明和超過160萬種科學出版物中，一半以上的專利是2013年以后公 開發表的。有關AI的科學研究正處于集中快速推進的時期。與此同時，AI在商業領域的應用也 日益深化。根據德勤2018年發布的《中國人工智能產業白皮書》，近五年來全球AI領域投資快 速增長，全球AI融資總額2017年達到104億美元，并在2018年持續增加。艾媒咨詢2020年的研 究報告顯示，2019年中國AI產業融資總額達898億元人民幣。從營銷中AI的應用實例來看，在 智能客服方面，Facebook打造的虛擬助手“M”能夠幫助用戶購物、預訂酒店、安排行程等；阿里 巴巴未來酒店實現了由AI智能機器人提供送餐等服務。在消費者洞察方面，Netflix利用AI應用 “Layer 6 AI”，能夠更精確地預測用戶的興趣，進行個性化推薦；字節跳動在2016年建立了人工 智能實驗室（AI Lab），為平臺輸出海量內容提供AI技術支持，并應用到抖音等產品中。在廣告投放方面，Google的廣告工具“Auto Ads”通過機器學習幫助營銷人員確定廣告的最佳擺放位 置。綜上，AI在營銷領域各個環節逐步實現了應用的落地，也給該領域的學術研究提供了更多 的可能性。

基于上述研究背景，本文首先運用CiteSpace軟件，從宏觀角度對Web of Science數據庫中 營銷領域與AI相關的690篇文獻進行計量分析，對照不同時段的研究熱點，動態展示了相關研 究的發展歷程和演化趨勢；然后，從微觀角度梳理了AI在市場營銷領域的相關概念，包括AI的 概念界定、技術實現以及與其他技術形態的區別；接著，從搜集到的相關文獻中精選出62篇密 切契合研究主旨的重點文獻，遵循理論—主題—方法論的分析框架進行了歸納和評述；最后， 討論了未來研究方向。

雖然AI技術本身及其在營銷中的應用都在迅猛發展，但營銷領域這方面的學術研究并不 是很多，學者們對AI技術的了解往往基于零散的知識以及不同的視角，再加上計算機科學領 域與營銷領域之間存在的學科壁壘，使得學術研究和實踐的發展之間存在一定的落差。當前， 已有文獻試圖整合AI在營銷領域的相關應用，但通常屬于概念性文獻或局限于營銷細分領 域，如客戶服務（Wirtz等，2018；Xiao和Kumar，2019）、技術營銷（Kose和Sert，2016；Yadav和 Pavlou，2020）或銷售環節（Syam和Sharma，2018；Singh等，2019）。因此，本文的意義在于：第一， 率先以科學計量的方法對營銷領域AI現有文獻進行分析，梳理了研究脈絡，提煉出了前沿方 向和薄弱環節。第二，明晰了營銷領域AI研究的概念內涵和理論基礎。第三，在主題和方法論 方面豐富了前端研究，為交叉研究提供了有前景的方向引導。

摘要： 知識圖譜的概念由谷歌于2012年提出,隨后逐漸成為人工智能領域的一個研究熱點,已在信息搜索、自動問答、決策分析等應用中發揮作用。雖然知識圖譜在各領域展現出了巨大的潛力,但不難發現目前缺乏成熟的知識圖譜構建平臺,需要對知識圖譜的構建體系進行研究,以滿足不同的行業應用需求。文中以知識圖譜構建為主線,首先介紹目前主流的通用知識圖譜和領域知識圖譜,描述兩者在構建過程中的區別;然后,分類討論圖譜構建過程中存在的問題和挑戰,并針對這些問題和挑戰,分類描述目前圖譜構建過程中的知識抽取、知識表示、知識融合、知識推理、知識存儲5個層面的解決方法和策略;最后,展望未來可能的研究方向。

//www.jsjkx.com/CN/10.11896/jsjkx.200700010

摘要：數據和知識是新一代信息技術與智能制造深度融合的基礎。然而，當前產品設計、制造、裝配和服務等過程中，數據及知識的存儲大多以傳統關系型數據庫為基礎，這導致了數據及知識的冗余性和搜索及推理的低效性。近年來，知識圖譜技術飛速發展起來，它本質上是基于語義網絡的思想，可以實現對現實世界的事物及其相互關系的形式化描述。該技術為智能制造領域數據及知識的關聯性表達和相關性搜索推理問題的解決帶來了可能性，因此其在智能制造的實現過程中扮演著越來越重要的角色。為了給知識圖譜在智能制造領域的應用提供理論支撐，總結了知識圖譜領域的研究進展；同時探索了知識圖譜在智能制造領域的3大類應用方向，共15小類應用前景，分析了在各個應用前景上與傳統方法的不同之處，應用過程中所需要使用的知識圖譜相關技術以及實施過程中所待突破的關鍵技術，希望可以為進一步展開針對知識圖譜在智能制造領域的研究提供啟發，同時為相關企業針對知識圖譜的實際應用提供參考；最后以數控車床故障分析為案例，驗證了知識圖譜在智能制造領域應用的有效性。

物聯網、云計算、人工智能等新一代信息技術的迅猛發展，帶來了制造業的新一輪突破，推動著制造系統向智能化方向發展，驅動著未來制造模式的創新[1]。其中數據和知識是實現制造業與新一代信息技術融合的基礎，是實現智能制造的保障。一方面，產品在其生命周期的各個階段將會產生海量工業數據和知識[2]；另一方面，工業數據和知識是制造領域的信息化進程的必備資源，其中蘊含了大量有用的模式。然而，當前制造領域產品設計、制造、裝配、服務等生命周期過程中數據以及知識的存儲大多以傳統關系型數據庫為基礎，冗余性較高、分布分散、關聯性較弱且儲量相對較小，強調對數據以及知識的檢索卻較少從語義層面研究數據以及知識的關聯、認知、理解與推理。因此，如何從冗 余的數據與知識文本中抽取有用信息，如何有效表 達數據之間的內在關聯與知識之間的內在關聯，如 何有效利用數據的關聯性與知識的關聯性實現高效 的信息檢索與信息推理，是當前實現智能制造目標 的核心瓶頸之一。知識圖譜(Knowledge graph，KG)來源于谷歌下 一代智能語義搜索引擎技術。其本質上基于語義網 絡的思想，是一種有向圖結構的語義知識庫，用于 以符號形式描述物理世界中的概念及其相互關 系 [3]，其應用服務架構如圖 1 所示。在知識圖譜內 部，數據和知識的存儲結構為三元組，形如 s p o , ，其中 s 和 o 為知識圖譜中的節點，分別 代表了主語實體知識和賓語實體知識， p 為知識圖 譜中的邊，代表了從 s 指向 o 的關系知識(謂語)。

知識圖譜具有如下 3 種特點：① 數據及知識的 存儲結構為有向圖結構。有向圖結構允許知識圖譜 有效地存儲數據和知識之間的關聯關系；② 具備高 效的數據和知識檢索能力。知識圖譜可以通過圖匹 配算法，實現高效的數據和知識訪問；③ 具備智能 化的數據和知識推理能力。知識圖譜可以自動化、 智能化地從已有的知識中發現和推理多角度的隱含知識。

目前，知識圖譜技術已經在互聯網領域如搜索引擎、智能問答等發揮了重要作用，同時也已經在 多個領域進行初步應用，比如：金融、電商、醫療 等 [4]。許多國際著名企業也已經開始探索知識圖譜 的應用，比如谷歌、微軟、IBM、蘋果等。與此同 時，在智能制造領域，西門子于 2018 年提出了他們 在知識圖譜領域的規劃[5]；博世公司于 2019 年構建 了底盤系統控制相關數據的大型知識圖譜，以提供 有效地數據訪問[6]。然而國內的機械行業針對知識 圖譜的探索卻有些許不足。在研究過程中以及與多家機械相關企業的交流中發現，當前知識圖譜在智 能制造領域應用過程還存在以下不足。

(1) 缺乏對知識圖譜理論的深入認識。目前知 識圖譜相關理論與技術在迅速發展，但是智能制造 領域的專家大多對該技術缺乏深入的了解，無法有 效管理和應用知識圖譜中的數據及知識。

(2) 知識圖譜相關技術在智能制造領域的優勢 不明晰。目前知識圖譜在智能制造領域的應用處于 起步階段，針對產品設計、制造、裝配、服務等過 程所帶來的優勢不是很明確，且在知識圖譜應用于 智能制造領域過程中可能遇到的問題尚不明確。

(3) 知識圖譜相關技術在智能制造領域的應用 場景模糊。當前企業對知識圖譜在智能制造領域的 應用前景有所疑問，不確定知識圖譜技術在產品設 計、制造、裝配和服務等過程的切入點和切入方式。

(4) 知識圖譜在智能制造領域落地所需要的技 術不明確。目前在通用領域上的知識圖譜的研究角 度十分廣泛，但是針對智能制造領域各個應用場景， 所需要使用的知識圖譜相關技術類別卻還不是很明晰。

(5) 智能制造領域相關數據缺乏。目前基于深 度學習的知識圖譜相關技術需要構建一定量的有標 簽數據集，目前通用領域的相關數據集比較多，而 智能制造領域的相關數據卻比較缺乏。

針對以上問題，本文總結了可以應用于智能制 造領域的知識圖譜技術的研究進展。同時從應用出 發，探索了知識圖譜在智能制造領域的 3 大類應用 方向，共 15 小類應用前景，分析了在各個應用前景 上與傳統方法的不同之處，應用過程中所需要的知 識圖譜技術以及實施過程中所待突破的關鍵技術， 為后續知識圖譜在智能制造領域的進一步落地提供 理論支撐和方法參考。

必要性："新基建"背景下，人工智能的發展逐漸突破感知智能階段走向認知智能。知識圖譜技術使機器具備理解、分析和決策的能力成為可能，是認知智能的底層支撐和核心技術。

重要性：2019年知識圖譜相關的融資金額較2018年增長超過200%，成為人工智能的又一熱門產業，對知識圖譜行業的發展情況進行全面的分析和梳理，能為市場提供更多的參考依據，為知識圖譜相關企業提供一定的幫助。

客觀性：白皮書通過大量桌面研究和專家訪談，對知識圖譜的整體市場和細分賽道進行分析，推算知識圖譜產業的未來市場規模，梳理知識圖譜的產業鏈和重要參與者，剖析知識圖譜技術在各個領域的主要應用場景和解決方案，最后結合市場經濟環境和技術發展熱點，對知識圖譜技術的發展進行預測和展望。