人工智能发展现状报告
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇人工智能发展现状报告范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
人工智能发展现状报告范文第1篇
对于中国而言，人工智能的发展更是一个历史性的战略机遇，对于缓解未来人口老龄化压力、应对可持续发展挑战、以及促进经济结构转型升级至关重要。
那么目前，人工智能在中国的发展条件如何，中国距离成为真正的人工智能强国还有多远？7月13日，《中国人工智能发展报告2018》在清华大学主楼接待厅。
报 告中称，目前中国人工智能的发展已经具备非常优越的条件，然而要成为真正的人工智能强国，中国还任重道远。中国在论文总量和高被引论文数量上都排在世界第 一，但中国在人才总量，以及杰出人才占比偏低。在产业上，中国的人工智能企业数量排在全球第二，不过，中国人工智能领域的投融资占到了全球的60%，成为全球最“吸金”的国家。
报 告指出，中国必须加强基础研究，优化科研环境，培养和吸引顶尖的人才，在人工智能的新基础领域实现突破，保证人工智能发展的根基稳固。同时，要大力鼓励产 学研合作，让企业成为人工智能创新的主导力量。积极参与到人工智能全球治理机制的构建中，在人工智能未来的技术发展、风险防范、道理伦理规范制定等领域发 挥中国独特的作用。
这份报告由清华大学中国科技政策研究中心、清华公共管理学院政府文献中心、北京赛时科技有限公司、科睿唯安、中国信息通信研究院和北京字节跳动科技有限公司联合。
论文总量世界第一，杰出人才占比偏低
报告中称，在论文产出上，中国人工智能论文总量和高被引论文数量都是世界第一。中国在人工智能领域论文的全球占比从1997年4.26%增长至2017年的27.68%，遥遥领先其他国家。
高校是人工智能论文产出的绝对主力，在全球论文产出百强机构中，87家为高校。中国顶尖高校的人工智能论文产出在全球范围内都表现十分出众。
不仅如此，中国的高被引论文呈现出快速增长的趋势，并在2013年超过美国成为世界第一。
但在全球企业论文产出排行中，中国只有国家电网公司的排名进入全球20。
从学科分布看，计算机科学、工程和自动控制系统是人工智能论文分布最多的学科。国际合作对人工智能论文产出的影响十分明显，高水平论文中国通过国际合作而发表的占比高达42.64%。
专利申请上中国专利数量略微领先美国和日本。中国已经成为全球人工智能专利布局最多的国家，数量略微领先于美国和日本，三国占全球总体专利公开数量的74%。
全球专利申请主要集中在语音识别、图像识别、机器人、以及机器学习等细分方向。中国人工智能专利持有数量前30名的机构中，科研院所与大学和企业的表现相当，技术发明数量分别占比52%和48%。
企业中的主要专利权人表现差异巨大，但中国国家电网近五年的人工智能相关技术发展迅速，在国内布局专利技术量远高于其他专利权人，而且在全球企业排名中位列第四。
中国的专利技术领域集中在数据处理系统和数字信息传输等，其中图像处理分析的相关专利占总发明件数的16%。电力工程也已成为中国人工智能专利布局的重要领域。
虽然在论文总量和高被引用论文数量上中国排名领先，但在人才投入上，中国表现并不突出。
根据该报告，截至2017年，中国的人工智能人才拥有量达到18232人，占世界总量8.9%，仅次于美国（13.9%）。高校和科研机构是人工智能人才的主要载体，清华大学和中国科学院系统成为全球国际人工智能人才投入量最大的机构。
然而，按高H因子衡量的中国杰出人才只有977人，不及美国的五分之一，排名世界第六。企业人才投入量相对较少，高强度人才投入的企业集中在美国，中国仅有华为">华为一家企业进入全球前20。
中国人工智能人才集中在东部和中部，但个别西部城市如西安和成都也表现十分突出。国际人工智能人才集中在机器学习、数据挖掘和模式识别等领域，而中国的人工智能人才研究领域比较分散。
中国人工智能企业数量全球第二，但投融资规模最大
报告称，中国人工智能企业数量从2012年开始迅速增长，截至2018年6月，中国人工智能企业数量已达到1011家，位列世界第二，但与美国的差距还非常明显（2028家）。
中国人工智能企业高度集中在北京、上海和广东。在全球人工智能企业最多的20个城市中，北京以395家企业位列第一，上海、深圳和杭州也名列其中。中国人工智能企业应用技术分布主要集中在语音、视觉和自然语言处理这三个技术，而基础硬件的占比很小。
风险投资上，从2013到2018年第一季，中国人工智能领域的投融资占到全球的60%，成为全球最“吸金”的国家。但从投融资笔数来看，美国仍是人工智能领域创投最为活跃的国家。
在国内，北京的融资金额和融资笔数都遥遥领先其他地区，上海和广东的人工智能投资也很活跃。从2014年开始，国内人工智能投融资活动的早期投资的占比逐渐下降，投资活动日趋理性，但A轮融资还是占主导地位。
中 国人工智能市场增长迅速，计算机视觉市场规模最大。2017年中国人工智能市场规模达到237亿元，同比增长67%。计算机视觉、语音、自然语言处理的市 场规模分别占34.9%、24.8%、21%，而硬件和算法的市场规模合计不足20%。预计2018年中国人工智能市场增速将达到75%。
人工智能发展现状报告范文第2篇
关键词:“大智移云”；管理会计；财务会计；融合
一、“大智移云”背景下企业管理会计的发展现状和存在的问题
(一)大数据给管理会计带来的影响
大数据又称海量数据，大数据数据类型多、体量大，价值密度低，数据处理速度快。在互联网和云技术的支持下，大数据技术相对于现有其他技术具有“廉价、迅速、优化”的特点。互联网的普遍运用产生出海量数据，大数据分析即对海量数据进行存储和分析，从中寻找有用的信息，规律和模式，运用大数据的关键并不在于数据量的巨大，而在于如何对数据价值进行挖掘。在“大智移云”技术快速发展和应用背景下，迅速从海量互联网数据中获取有价值信息是企业长久生存和发展的必然要求，企业应用大数据技术可以做出更加合理的决策，适应市场变化。企业管理会计主要职能是预测经济前景、参与经济决策、规划经营目标、控制经济过程以及考核评价经营业绩等，注重企业的整个管理过程及行为影响，大数据技术的应用可以为管理会计提供更全面的、更准确、更及时的数据，有利于企业挖掘商机取得竞争优势。不过传统管理会计系统基于内部统计数据和财务数据进行分析，在处理数据的效率和效果上，达不到大数据分析处理的要求。
(二)人工智能给管理会计带来的影响
人工智能的本质是对人的思维的信息过程的模拟，人工智能技术的运用能够代替人类进行各种技术工作和脑力劳动，在各行各业带来巨大的宏观效益，对会计行业而言，人工智能快速而强大的数据处理功能，提高了会计数据处理的效率，避免了人为失误，提高了数据的准确度和及时性，提高了会计信息质量。目前人工智能在会计行业的运用更多的是财务会计的核算方面，财务会计的主要功能就是核算与监督，当财务会计的大部分工作量由人工智能替代以后，企业会计工作的中心更加向管理会计倾斜。在人工智能的应用下，管理会计要为企业科学制定短期经营决策和长期投资决策等发展战略，为企业提供更高管理效益，管理会计人员在掌握会计知识的基础上，必须能够对经营数据进行动态分析。传统管理会计运用的数据处理手段很难满足人工智能环境下的会计质量要求。人工智能技术在核算和报销环节目前已经广泛应用，这种广泛应用让管理会计工作的重要性更加凸显，人工智能在管理会计领域的应用还有更多的发展空间，企业需要把握人工智能技术在会计领域的发展趋势，开发基于人工智能的管理会计信息处理系统，进一步提高管理会计的效率和效果，使管理会计为企业决策提供科学及时的指导。
(三)“互联网+”给传统管理会计带来的影响
“互联网+”技术的应用使得信息在业务处理过程中被全程、自动、实时收集成为可能，“互联网+会计”实践上就是业务活动与财务活动的交互运行，即目前热门的业财融合，通过对业务过程产生的数据进行加工与转换，形成会计数据库，实时、精准与高效的融合业务层、资金层和数据层。资金流信息是按会计记账规则自动下沉到数据库，数据库的信息收集自动完成所有的会计处理，财务完全融入业务，是业财融合发展的趋势和目标。在此趋势下，构建企业“业务管控平台”将财务会计融入管理会计是会计应对信息技术挑战的大的方向策略。优化管理会计信息系统，使之能够达到业财合一甚至业财税合一，完成信息的互联、互通与共享是移动“互联网+”对管理会计提出的新要求。
(四)云计算给传统管理会计带来的影响
云计算是一种包含了虚拟化技术动态可扩展的具有高度灵活性和可靠性的全新的网络应用技术，通过云计算，可以在几秒种完成数以万计的数据处理，同时相对成本低廉，性价比高。云计算在会计领域的使用，改变了传统会计的应用程序。对企业而言，云平台的应用可以低价获得海量信息，通过云计算，企业可以不必购买价格高昂的处理器就能取得有价值的财务和非财务信息，大大降低了数据处理成本，同时提高了信息获取的效率。云计算在管理会计工作中的应用，提高了管理会计获取信息的效率和效果，结合人工智能等技术的使用，提升了管理会计在管理流程优化、经营规划，预测与长短期经营决策方面的及时性和准确性。
二、“大智移云”背景下财务会计的发展现状和存在的问题
(一)人工智能在会计中的运用提高了财务会计人员的可替代性
财务机器人在会计行业的运用已成趋势，智能财务、智能财税的发展如火如荼，人工智能在财务会计中的应用有两个突出的优势：1.减少会计基础核算工作的人工，节约人力成本和时间；2.提高了会计信息的准确性和及时性。财务机器人软件通过编订程序或者模板，将发票扫描后进行业务归类然后自动生成凭证。随着电子发票越来越普及，甚至可以达到一键生成凭证，无需扫描工作，主要的数据对接完全由电脑完成。
(二)财务会计不能很好地满足企业内部需求
财务会计工作要根据会计准则进行，会计准则针对各行各业企业制定，就单个企业而言缺乏针对性，所以大多数情况下财务会计核算数据并不能直接满足企业管理需求。
(三)财务会计信息在部门间沟通不顺畅
第一，会计主体是企业，财务会计主体是企业整体，没有分层，不能满足企业不同层级不同部门的管理需求。第二，财务部门人员依据准则要求核算得出财务会计信息，其他没有财务基础部门人员，可能很难准确解读和充分利用财务信息。
三、管理会计与财务会计融合的必要性与可行性研究
(一)管理会计与财务会计融合的必要性
随着经济的快速发展，“大智移云”的逐步应用，财务会计的基本职能是基于历史成本法的核算与监督，关注过去时态，缺乏对未来的合理预测功能，同时对不同部门的绩效评估效果不明显，对企业决策的影响力有限，不足以帮助企业应对竞争激烈的市场。管理会计工作侧重点是企业内部管理“内部会计”，工作时效包含过去、现在和未来时态的算“活账”的“经营型会计”，是通过对财务信息和非财务信息的收集、加工处理，协助管理者完成企业经营过程的预测、决策、规划、控制、责任考核评价等活动的一整套信息处理系统。在“大智移云”背景下，将管理会计与财务会计，“内账”与“外账”融合使用，可以帮助企业更好的适应经济技术的发展和激烈的市场竞争环境。
(二)管理会计与财务会计融合的可行性
管理会计与财务会计同属现代会计，是企业会计的两大领域，两者最终目标一致：确保企业资源收益最大化。管理会计和财务会计互享部分信息。管理会计与财务会计在实践工作中，充分利用信息技术、网络平台做好信息共享，两者的工作过程和成果就能相互补充、共同完善，实现交叉融合，更好的服务于企业经营管理。例如，针对企业现金流动问题，财务会计依据企业会计准则核算监督企业的现金流量，形成财务会计报告，为管理部门履行投资决策职责提供了必要的、重大的信息；在成本核算阶段，管理会计与财务会计通过信息资源共享，科学合理选取符合企业实际情况的成本核算方法，更好的满足企业管理和发展需要。
四、管理会计与财务会计有机融合发展情况
(一)管理会计与财务会计信息共享性有限
财务会计需要对企业外部利益相关者负责，工作依据是公认的会计原则，工作过程上有固定的会计循环程序，必须遵循企业会计准则，遵守相关法律法规，是公开信息、定量资料，对精确度和真实性的要求较高，有统一规定的载体。管理会计所依据的会计假设和原则不具有权威性，仅有指导性，工作程序性较差，没有固定的工作程序，信息运用上定量资料和定性资料，因为涉及未来的信息，不要求过于精确，也不需要向社会公开发表，没有统一规定的载体。这些原则、工作过程、信息规范要求的差异致使部分财务信息无法实现有效共享，对管理会计与财务会计的有机融合发展有所影响。
(二)会计人员素质无法有效协调
会计工作对从业人员的专业素质和道德素养都有较高要求，将管理会计与财务会计工作进行融合，对财务从业人员的专业技能、职业素养和综合素质要求更高。在传统的财务工作设定中，财务会计与管理会计分开设立，在管理会计与财务会计工作融合实践中要重新设定岗位人员配置。目前我国会计人员总体职业表现参差不齐，会基础简单核算的人员过剩，而擅长管理会计、能参与管理决策的人员稀缺，会计人员素质还需进一步提升协调。
(三)财务系统模式尚未充分适应“大智移云”发展
在目前产业转型升级的大背景下，经济与技术的双重发展，对企业的财务系统模式提出了更高的要求，也有不少企业引入现代化财务管理模式，建立运用“大智移云”技术的财务系统平台，总的来说，我国目前的管理会计与财务会计的系统运行模式结合度不够，从管理会计和财务会计融合运用的工作实践来看，容易发生财务数据互享后，一方对另一方工作的过度依赖，现行财务系统模式下管理会计与财务会计的融合并未完全发挥双方各自最大管理能效，未能达到成本上的一加一小于二和效果上的一加一大于二。
五、“大智移云”背景下管理会计与财务会计有机融合与创新发展
(一)充分利用“大智移云”技术，提高信息共享性
1.业财融合，注重原始数据信息管理。会计工作的数据信息来源于企业的经营业务。管理会计与财务会计工作的一致目的是实现企业资源收益最大化，尽管二者目标一致，但是传统的管理会计与财务会计服务对象不同，信息来源也不完全相同，在数据采集方式和信息汇总形式上差别较大，要实现管理会计与财务会计工作的融合那么首先要统一管理会计与财务会计原始数据的来源。业财融合，通过业务数据下沉取得经营管理所需的管理与财务信息，业务层、资金层与数据层的融合可以为管理会计与财务会计提供统一的原始数据来源，促进管理会计与财务会计的有机融合。2.树立大会计理念，建立信息化管理平台。业财深度融合趋势下，业务流、资金流与信息流三流合一，企业需要有将财务会计融入管理会计，将会计工作同步业务进行的大会计理念。构建企业“信息化业务管控平台”，原始业务数据输入经过信息化管理平台识别、计算、分类、汇总，生成会计信息输出，为企业决策提供真实、准确、及时的信息，业、财、管深度融合，提高企业智能化管理水平，提升企业竞争力。3.充分利用“大智移云”技术。目前“大智移云”技术已经在理论上可以实现资金流信息按会计记账规则自动下沉到数据库，在财务工作中运用计算机网络技术，构建财务信息数据库及数据资源共享平台，通过数据平台进行数据的传输、共享及储存，减少重复劳动，避免人工核算错误，提高数据准确性和工作的效率效果。人工智能平台技术的运用，将数据采集工作从线下转移到线上，提高了原始数据的及时性、充分性与准确性。“大智移云”技术的应用，对管理会计和财务会计工作的有效融合提供了技术上的便利。4.进一步加强数据共享性。利用计算机技术编制管理会计与财务会计的信息目录，在大数据背景下建立会计信息数据库与数据管理系统，充分利用财务机器人、智能财税等人工智能减少数据收集和凭证编制的工作量。要实现管理会计与财务会计工作的有机融合，需要提升数据的共享性，利用“大智移云”的发展，进一步完善管理会计与财务会计信息系统的对接，加大数据共享性，可降低企业信息收集整理成本，提高管理决策的全面性和准确性。
(二)全面提高会计人员素质
1.转变会计人才培养目标。目前我国人力资源市场基本的财务会计已经饱和，而高级的财务人才和管理会计人员呈现紧缺，在“大智移云”背景下，业财融合是会计发展大趋势，也是管理会计与财务会计有机的融合要求。“懂”业务、“会”技术成为时代对财务人员的基本要求。要达到“懂”业务，要求能够通过会计的学习：掌握业务、掌握业务流程、掌握企业的商业运作模式和掌握企业的资金运动；要达到“会”技术，要求通过相关技术的学习掌握数据的挖掘与分析。因此，高校会计人才培养目标需要结合“大智移云”技术的发展进行调整。教与学的重心要从会计本身的技术处理转向对业务及其资金运动的把控，就目前而言在开设“Excel数据处理与数据分析”课程的基础上，可以安排财务专业学习数据库技术、管理信息系统、C++语言、数据挖掘与开发技术等技术课程。2.会计人员自主提升综合能力。首先，要转变思维。传统的会计的重心是记账、算账和报账，在“大智移云”背景下，业财融合，管理会计与财务会计融合，会计的重心是业务，要树立业务导向的思维。传统的财务会计基本工作很多都由财务机器人代劳，从埋头核算与记账工作中解脱出来的财务人员要有业务导向思维，向管理人员的思维转变，对接管理会计的思维体系。其次，要拓展业务能力。对传统财务会计人员来说，在“大智移云”背景下会计关注的重心从会计本身的技术转变到业务、业务流程和业务的资金运动处理上来。管理会计本就是内部经营管理会计，管理会计与财务会计有机融合，要求会计人员能够制定科学合理的操作流程作为业务人员的经济业务活动的指导。对传统管理会计人员来说，管理会计报告的财务数据很多基于财务会计报告，财务会计知识要扎实，在“大智移云”背景下，目前处于供给侧结构性改革阶段，管理会计不能只拘泥于企业内部管理的范畴，要关注企业战略、产业链等，同时也需要关注宏观经济形势、企业外部市场环境、竞争对手情况等方面，形成比较全面的战略管理体系。在管理会计与财务有机融合的情况下，会计人员有业务基础，能够搭建合理的企业战略体系，有助于企业在产业转型阶段取得竞争优势。最后，要提升信息化技能。在大数据时代，财务信息化、管理信息化应用已经日趋成熟，数据处理系统的运用可以高效的处理会计信息核算，相对于人工核算也避免了人为错误，提高了核算准确率，大量的节约了时间和减少了劳动力耗费。市场情况瞬息万变，会计信息质量要求具备及时性，有用是数据需要及时的处理，为管理决策所用，所以在管理会计和财务会计融合背景下，会计人员必须要熟悉相关数据处理系统，熟练掌握系统的操作规程，有效利用系统快速完成数据分析，为企业发展把握良机。
(三)构建新的会计报告体系
人工智能发展现状报告范文第3篇
论文摘要：随着数据库技术和人工智能技术的不断进步，数据挖掘技术逐步发展起来，作为当前计算机信息技术中的一项较为新兴的技术，综合运用了数理统计、模式识别、计算智能、人工智能等多项先进技术，主要是从大量的数据中来发现和挖掘一些隐含的有价值的知识，从大型的数据库数据中挖掘一些人们比较感兴趣的知识，本文主要讲了数据挖掘技术的概念、数据挖掘技术在保护设备故障信息中的实现方法以及数据挖掘技术保护设备故障信息管理的基本功能等问题。
数据挖掘技术作为当前计算机信息技术中的一项较为新兴的技术，综合运用了数理统计、模式识别、计算智能、人工智能等多项先进技术，主要是从大量的数据中来发现和挖掘一些隐含的有价值的知识，也就是从大型的数据库数据中挖掘一些人们比较感兴趣的知识，这些被提取的知识通常会表现为模式、规律、规则和概念，将数据挖掘的所有对象定义成数据库或者是文件系统以及其他的一些组织在一起的数据集合，数据挖掘技术也是现在智能理论系统的重要研究内容，已经开始被应用于行政管理、医学、金融、商业、工业等不同的领域当中，在保护设备故障信息管理方面发挥出了积极的作用。
一、数据挖掘技术的概念
随着数据库技术和人工智能技术的不断进步，数据挖掘技术逐步发展起来，主要是指从大量的数据中发现和挖掘一些隐含的有价值的有用信息和知识，这些被提取的知识通常会表现为模式、规律、规则和概念，将数据挖掘的所有对象定义成数据库或者是文件系统以及其他的一些组织在一起的数据集合，当前数据挖掘技术已经逐渐被应用于了医药业、保险业、制造业、电信业、银行业、市场营销等不同的领域，随着计算技术、网络技术以及信息技术的不断进步，在故障诊断过程中所采集到的数据可以被广泛地存储在不同的数据库当中，如果依然采用传统的数据处理方法来对这些海量的信息数据进行分析处理，不仅会浪费大量的实践而且也很难挖掘到有效的信息数据，同时，尽管智能诊断以及专家系统等方式在故障的诊断过程中已经被得到了广泛的应用，但是这些方法却仍然存在着很多推理困难、知识瓶颈等一些尚未完全被解决的问题，采用数据挖掘技术就可以比较有效地来解决这些难题，在故障诊断的过程中发挥其独特的优势。wWW.133229.Com从不同的角度进行分析，数据挖掘技术可以分为不同的方法，就目前的发展现状来看，常用的数据挖掘技术方法主要有遗传算法、粗集方法、神经网络方法以及决策树方法等。
二、数据挖掘技术在保护设备故障信息中的实现方法
1.基本原理。在设备出现故障时采用数据挖掘技术对设备进行一系列的故障诊断，也就是说根据这一设备的运行记录，对其运行的趋势进行预测，并对其可能存在的运行状态进行分类，故障诊断的实质就是一种模式识别方式，对机器设备的故障进行诊断的过程也就是该模式匹配和获取的过程。
2.对故障诊断的数据挖掘方法建模。针对机械故障的诊断来说，首先就应当获取一些关于本机组的一些运行参数，既要包括机器在正常运行以及平稳工作时的信息数据，也应当包括机器在出现故障时的一些信息数据，在现场的监控系统中往往就会存在着相应的正常工作状态下以及出现故障时的不同运行参数，而数据挖掘的任务就是从这些杂乱无章的信息样本库中找出其中所隐藏着的内在规律，并且从中提取各自故障的不同特征，在对故障的模式进行划分时，我们通常可以借助概率统计的方式，在对故障模式进行识别时可以采用较为成熟的关联规则理论，实现变量之间的关联关系，并最终得到分类所需要用到的一些规则，从而最终达到分类的目的，依据这些规则，就可以对一些新来的数据进行判断，而且可以准确地对故障进行分类，找出故障所产生的原因和解决故障的正确方法。
三、数据挖掘技术保护设备故障信息管理的基本功能
1.数据传输功能。数据挖掘技术保护设备故障信息管理与分析系统的主要数据来源就是故障信息的分站系统，而分站系统中的数据是各个子站的一个数据汇总，而保护设备故障信息管理与分析系统所采用的获取数据的主要方式就是一些专门的通信程序构建起系统与分站之间的联系，将分站上的一些汇总数据传输到故障信息系统的数据库中，分析系统所具有的数据传输功能，在进行数据的处理时又能做到不影响原先分站数据库的正常运行，并且具备抗干扰能力强、计算效率高的优点。
2.数据的分析功能。系统在正常运行时，会从故障信息子站或者是分站采集相关的数据并且对这些采集到的数据进行分析整理，最终得到有用的数据信息，利用数据挖掘技术对庞大的故障数据进行分析、分类以及整理，能够有效地找出有用的信息，归并一些冗余的信息，对信息进行有效地存储和分类。另外，数据挖掘技术还具有信息查询的功能，可以进行不同条件下的查询，例如按时间段、报告类型、设备型号以及单位等进行查询，实现查询后的备份转存等，根据故障信息系统所提供高的数据信息以及本系统库中所保存的一些整定阻抗值，可以通过逻辑判断生产继电保护动作的分析报告，主要包括对故障过程的简述、故障切除情况以及保护动作情况等，可以便于继电保护人员直观的对保护装置的动作情况进行分析。
四、结语
随着企业自动化程度的不断提高以及数据库技术的迅速发展，很多企业在一些重要的设备方面都安装了监测系统，对设备运行过程中的一些重要参数和数据进行采集，采用数据挖掘技术可以有效地解决设备故障诊断中的一些知识获取瓶颈，将数据挖掘系统充分应用到监控系统中，有效解决故障诊断中的一些困难，事实证明，将数据挖掘技术应用到故障诊断中是非常有效的，也是值得研究和学习的新型技术手段。
参考文献：
[1]李勋,龚庆武,杨群瑛,罗思需,李社勇.基于数据挖掘技术的保护设备故障信息管理与分析系统[j].电力自动化设备,2011,9
[2]李建业,刘志远,蔡乾,赵洪波.基于web的故障信息系统[j].电力信息化,2007,s1
人工智能发展现状报告范文第4篇
关键词：人工智能；智能传媒；美联社；智媒实践
中图分类号：G702文献标志码：A文章编号：1001-862X（2017）03-0134-006
一、人工智能的内涵、技术梯度及其在新闻传播领域中的应用
人工智能（Artificial Intelligence，简称AI），作为计算机学科的一个重要分支，是由McCarthy于1956年在Dartmouth学会上正式提出。学术界认为，人工智能是一门研究运用计算机模拟和延伸人脑功能的综合性科学，其假设电脑系统具有人类的知识和行为，并具有学习、推理判断来解决问题、记忆知识和了解人类自然语言的能力。人工智能的产生过程为：对于人类因问题和事物而引起的刺激和反应，以及因此而引发的推理、解决问题、判断及思考决策等过程，将这些过程分解成一些步骤，再通过程序设计，将这些人类解决问题的过程模拟化或公式化，使电脑能够有一个系统的方法来设计或应付更复杂的问题。[1]
人工智能在新闻生产链条中的运用根据算法的使用程度呈梯度分布：第一梯度是计算智能在新闻生产中的运用，能够辅助记者储存和快速处理海量数据，人工在新闻生产中占据主导地位；第二梯度是感知智能，机器能够代替记者完成“看”和“听”的相关工作，在“采、写、编、评”的新闻生产过程中采用人工与算法相结合的方式；第三梯度是认知智能，机器可以全面辅助或者代替人类，实现几乎完全依据算法进行新闻生产。总体上，人工智能在新闻生产中的应用处于计算智能向感知智能的过渡阶段，部分领域如机器新闻写作已步入认知智能的初级阶段。
1.在新闻和信息来源方面
（1）“传感器”新闻崭露头角。在新闻和信息的来源方面，“人工智能”越来越站在新闻生产的前台。它主要是通过对相关新闻数据库所需数据的自动化采集、处理和分析，经过人工智能算法把数据内容新闻化，即时输出准确、客观的新闻信息产品。目前，尤以“传感器”新闻为引人瞩目。
传感器（sensor）是一种收集特定数据信息的监测装置，能感受到被监测对象的信息，继而转换成为电信号或其他形式予以输出，以完成信息的记录、传输、存储、显示和控制。[2]所谓“传感器”新闻就是通过人工智能算法对上述数据进行统计分析和判别而输出的一种自动化的机器新闻产品。如对于地震台网相关传感器的数据、对于体育比赛相关传感器的数据、对于股市相关传感器的数据等等（未来还可能基于对人体的可穿戴设备传感器的数据等）进行信息加工处理和判别所自动生成的新闻。这种“传感器”新闻的特点就是与事态发生几乎同步，并且客观、准确。目前传感器新闻在传媒业的应用尚在起步阶段，其中有两个问题是人们普遍关注的：一是传感器入侵个人的生活空间，让人在传感器数据收集的环境下对个人隐私的保护产生疑虑；二是传感数据的准确程度在很大程度上依赖传感器的质量、测量指标级算法模型的有效性、可靠性。
（2）语音识别技术极大提高了现场采访与处理资讯的效率。人工智能虽然不能取代记者作为采访者的角色，但在技术方面己经有较先进的人工智能技术可以大大优化和节省记者编采的时间成本。 2015年底科大讯飞股份有限公司研发出语音识别技术，让计算机能够“听懂”人类的语言，提取语音中的文字信息，即时迅捷地将语音信息转化为文字信息，不但误差率极低，而且可以“听懂”各种方言和人的口音。这种语音翻译系统大大地提高了采访资料整理的效率。
（3）“新闻人物”的虚拟影像技术取得突破性进展。2016年10月4日《中国日报》通过整合人工智能技术，采访真人而制作虚拟视像面世，[3]这一人工智能所虚拟出来的“新闻人物”的影像可全天改变表达方式。虽然这项技术尚处于起步阶段并有很大的改善空间，但它对新闻来源的使用方式提供了一个具有巨大想象力的空间。
2.在新闻的内容生产方面
（1）C器新闻写作。人工智能在语言文字写作方面的技术具体表现在“机器新闻写作”上，它“是指自动根据算法将目标数据通过自然语言生成的方式输出文章的一种人工智能技术，它的核心在于自然语言生成技术。”[4]在对资料数据进行分析后，人工智能可通过分词法和语义理解来进行基本的情感分析，进而进行新闻角度的选择。
目前的机器新闻写作可以在分析信息数据所得的结果上自行提炼出新闻角度，根据新闻类型套用相应的文章模板，从而生成完整的新闻稿。从当前的发展现状来看，算法不仅可以及时地捕捉数据信息，同时还可以对作家和记者的写作风格进行模拟，实现特定文风的定制。[5]然而，目前新闻写作只能把数据分晰和整合的结果进行结构化处理，重新排列组合，对模块进行内容填充，加上一些简单的语义加工和风格调整。
（2）语音新闻生成。以美联社为例，2016年，他们开发了一个把文字新闻自动传换成广播的程序。虽然美联社目前还没有对此程式进行过实际演练和质量控制试验，但可以肯定的是，这个程式己经可以识别一些篇幅短、语句偏简洁的条目。因此，文字新闻与广播格式新闻的自动无缝转换将是人工智能在新闻产业的发展趋势。
（3）直播过程的自动监播。在技术的发展下，大大小小的直播平台不断衍生，它们比传统传媒更具及时性，成本更低，而且这种类型的全民主播比专业播音员更具亲民性和娱乐性，因此，直播平台将成为传媒界的新机遇。与电视一样，低俗及不雅语言和内容在网络直播中是被明令禁止的，然而，每天成千上万的直播视频以及用户评论，是人工审核难以完成的。随着人工智能的应用，对直播环境的塑造也有着崭新的监控方法：通过人工智能去对文字、语音、图片、视频、直播等进行审查，利用人工智能深度学习在内容审核领域的应用，比如Gootion、网易易盾等，根据多年在安全领域违规词库的沉淀和神经网络学习能力，实现了对目标文本进行精确匹配和快速识别。
3.在新闻策划与推送方面
（1）智能化地抓取热门话题。在2016年8月，Facebook解散了负责“热门话题（Trending）”的团队，改以利用人工智能算法来抓取数据，通过对用户搜索、浏览的分析，对热门搜索词进行排序，抓取热门话题呈现给受众。此外，以报导科技新闻为主的新型媒体Mashable开发了Velocity人工智能数据分析系统，能在30秒内分析3亿个不同的页面链接数据，从而识别网络流行趋势，预测可能成为热点的内容，并能监测全球社交平台的实时热点。Velocity还能发现新闻传播的“饱和点”，预测新闻热度消退的时间。这种利用人工智能技术以数据为基础来抓取热点新闻，可以覆盖更多话题，大大降低了时间成本，且避免了出现人工编辑团队可能受公司立场和员工的个人偏见影响筛选内容的情况。然而，热门话题演算法在很大程度上依赖话题的相关文章的点击和分享率，但高点击和分享率并不与新闻质量挂钩，因此这种以人工智能演算法得出的热门话题较容易让假新闻登上版面，致使新闻失去“把关人”的把关。
（2）海量资讯简洁化的个性推送。面对网络上的海量新闻，大众要获得有用信息可谓大海捞针；通过人工算法实现个性化推送，根据用户的阅读习惯、阅读时长等各种数据分析受众喜好，自动分类出推送内容。随着人工智能技术的发展，出现了以对话形态获取新闻内容的阅读模式，通过人工智能把分析得出的相关新闻进行汇总，并运用自然语言处理技术，提取信息的核心内容，方便用户更快捷地获取具有针对性的信息。如“百度”推出的“聊新闻”通过对新闻信息进行分类及结构分析、信息特征学习等，自动为用户提供最核心的信息[6]，以深入聊天的方式呈现用户所想要了解的新闻内容要素。这种以人工智能来进行个性化推送的模式可以为用户节省搜索时间，方便用户进行简洁化的阅读。
二、美联社的实践：一个智能传媒的先行探索
通讯社与报社、广电机构等传媒形态有明显不同，扮演着位于新闻生产链前端的批发商或“龙头”的角色，这种组织形态是一种适应市场经济条件与大规模生产的组织形式和运行模式。为了与这种规模化生产相适应，美联社正在尝试利用机器学习将新闻生产过程实现自动化转换，并借此缓解记者的压力，提高新闻报道量，拓展报道范围与业务领域。 2015美联社制定了一个5年（2015―2020）战略规划，2017年美联社将有可能实施7个项目，其中包含新闻的智能化生产。美联社战略及企业发展部高级副总裁Jim Kennedy希望美联社在2020年之前，80%的新闻内容生产都能实现自动化。
1.新闻内容采集
（1）数据资源采集方式的转变。美联社的机器新闻生产利用了Automated Insight公司开发的Wordsmith 平台，该平台以自动化技术为基础，能接受任何格式的数据，通过算法运算生成图文并茂的报道，最后通过云服务进行多渠道实时。数据资源的获取与处理是Wordsmith基础工作的，可以对来源与客户的各种形式或格式的数据进行规模化和快速化处理。Wordsmith 智能化数据采集具有以下特点：
――数据来源的多样化： Wordsmith可以对客户的各种形式或格式的数据进行收集和处理，这些数据包含如Google Analytics等第三方提供的相关客户的运营、业绩、报道、批评、引述等相关数据；大数据技术也使得新闻数据源从传统记者转变为个体用户，涉及用户生成内容时，美联社与其投资的社交媒体内容管理系统SAMDesk合作创建了一个工具，将美联社的渠道策略和SAMDesk的用户生成内容源相结合。
――数据获取的规模化。Wordsmith 超强的数据采集、分析与处理能力能够大幅度提高效率，使新闻报道实现规模化生产。美联社的季度财报稿件的数量从 300 篇增长到 4400 篇，这种高效率、规模化的新闻生产方式是过去任何时代所无法企及的。[7]
――数据处理的高效性。Wordsmith 采用制式化新闻撰写方式，只需要将采集的数据输入已有的程序，便可立刻生产出新闻稿件，即时通过 Twitter、E-mail 等渠道，加快传播速度。例如，美联社在最短时间内苹果公司的财报新闻，其时效性远超其他媒体。时效性凸显新闻价值，使美联社在此类报道中脱颖而出。
（2）图像素材采集方式的转变。在图像素材的采集方面，美联社正通过智能硬件的辅助来实现新闻素材获取的规模化及高度时效性。摄影师们在里约奥运会上开始广泛使用的一种智能辅助拍摄设备，美联社除了调动了61位摄影师进行赛场拍摄，还提前在现场安装了八部机械人和数十部遥控相机，这种远程遥控相机可以自动变换角度以及镜头变焦。此外，远程控制的水下机器人可在最佳时机自动捕捉到最佳画面，能够动态实时地捕捉游泳运动员在水下的位置，然后将拍摄到的画面实时回传到摄影师的电脑上。这种水下相机不需要摄影师把握拍摄时机，摄影记者只需要更准确地调整基座和相机位置，进行拍摄。此外，美联社还使用智能手臂辅助摄影记者拍摄，这些实践都涵盖了人工智能技术的运用。
2.新闻内容制作
（1）自踊生成：机器写作及智能播报。Wordsmith让美联社实现了从以数据获取为中心的数据新闻到以规模化数据和人工智能算法为中心的机器新闻的演变，机器新闻写作超越了数据新闻写作“数据处理”的工作范畴，可以代替新闻工作者生成知识、见解和建议，按照Automated Insights公司的观点，这是一种“从大数据到高见”的跨越。从其关键技术领域而言，这应该是整合了数据库知识发现（KDD）以及自然语言处理（NLP）两个领域，属于人工智能范畴。
Wordsmith对信息价值的挖掘，包含分析数据与提炼观点两个部分。在新闻内容的呈现方面，主要是针对内容的结构和格式。Wordsmith 平台需要用其自然语言生成功能对此前的分析和提炼得到的观点进行故事化叙述，并按照需要生成适应的篇幅长短的新闻、推文，以及标题导语、可视化图表为主的内容等形式的文本。
在与风险投资基金Matter Ventures的合作过程中，5名美联社员工组成的团队尝试利用人工智能技术进行智能播报，将篇幅短、语句简洁、数据详实的新闻文字自动转换为广播版本。这个项目并不是简单的将新闻从文字到语音的形式转换，而是制造一个基于算法的模型，将用于识别文字中需要转化成广播格式的元素。这项试验是美联社将自动化应用于新闻领域的重要尝试。目前，这个项目还处于初级阶段，新闻广播版本后期依旧需要经过记者的人工审核与校准，以确保写出规范和准确的新闻。项目的最终目标是在智能技术的协助下，让文字到广播的自动转化达到不需要人工编辑和审校即可的水准。
（2）可视化呈现：数据新闻。数据与图表之间的智能转换是美联社在可视化呈现层面的重要尝试。目前，Wordsmith平台可以将文字处理图表转换为数据，可以对APIs、XML、CSCs以及各种文字处理图表等形式的数据进行“消化”，为下一步的数据分析与信息价值挖掘提供更为丰富的数据来源。Wordsmith还可以将数据自动转换成图表，运用自然语言生成技术对此前的分析和提炼得到的观点进行故事化叙述，新闻内容能够依据需求通过可视化图表的形式呈现。
（3）沉浸式体验：虚拟现实报道。美联社拓展人工智能版图另一个动作是在VR设备终端、360度全景式视频手机端等智能硬件上进行虚拟现实报道。美联社目前与密苏里大学唐纳德・W・雷诺兹新闻学院的研究者、AMD芯片制造商建立合作关系，推动虚拟现实技术在新闻报道领域的应用。从2016年7月份的法国尼斯恐怖袭击到里约奥运会，美联社已经制作了20个虚拟现实和360度全景式视频。美联社还推出了观赏性的奢华生活体验虚拟现实视频，但大多是针对特定内容进行虚拟现实报道，如地震、难民等，可以在关塔那摩监狱体验囚徒、在难民营体会难民生活等。虚拟现实新闻报道的新技术也将带来新的一场新闻革命，美联社的虚拟现实报道目前还停留在用户体验阶段，虽然只是低成本的制作虚拟现实报道，交互依旧是个难点。美联社还拓展直播版块，目前直播领域主要有AP Direct和AP Live Choice两大业务，全天候向用户提供重大突发新闻和地区性重大活动的直播视频，其中AP Live Choice能够通过3个频道同时直播三个事件。
3.新闻内容投送
人工智能驱动下的信息通路趋向于窄众化的内容生产与投送，美联社新闻内容的传播路径从过去的“面―点―面”模式转变为如今的“点―面―点”模式。借助于人工智能技术的支持，美联社通过对碎片化内容的聚合重组，利用标签聚类和差异化语言风格进行个性化的投送。当前美联社的新闻内容投送存在以下特征：
（1）碎片化聚合，个性化投送。目前美联社通过与智能平台“强强联合”，完成对碎片化文本进行结构性处理，实现精准个性化的内容投送。Wordsmith平台可以根据组织和个体的碎片化数据，如员工的表现评估、企业绩效分析报告、行业分析、行业竞争态势分析等，在数据聚合的基础上分析其情况与需求并实现定向内容投送，为用户提供精准个性化内容。美联社Wordsmith系统尤其擅长进行客户的财务情况和客户运动、健身情况的分析，实时收集动态数据，并能够将所生成的文章，通过多种方式，实时到客户指定的平台上。对听众制定个性化的内容，是美联社拓展新闻产智能化板块的另一个举措。美联社体育编辑尝试利用人工智能技术为赛事双方的支持者分别提供不同的新闻；记者们也考虑用不同的方式向国内外的听众分别提供广播。
（2）标签聚类、智能匹配。包括美联社在内的2000 家媒体加入了聚合类新闻 App ――News Republic，达成了新闻内容版权的合作 。News Republic可以对每一条信息来源做出单一信息来源或多重信息来源的判断，为新闻生成智能化标签并聚类，与不同受众群体相匹配。目前News Republic利用自己的语义分析系统分析每篇文章的意义，证实文章的原创性并将文章分类，在用户挑选的分类中生成头条新闻，为用户提供快速即时的阅读体验。
（3）机器新闻语言的风格化差异化。随着受众群体的不断细分，不同人群的语言风格差异愈发明显。美联社正尝试利用人工智能技术完成对各种语料库语言风格的智能学习，为不同群体传送不同风格的新闻报道。通过语言风格的差异化处理，同一条新闻报道可以同时适应高端人群、中层阶级、低收入群体等不同用户群体的阅读习惯及语言风格，大大提高了新闻生产的实用性和可读性。基于语言风格的智能化学习，美联社能精准匹配用户的语言风格，进行个性化的新闻表达，形成不同版本新闻的规模化生产。
三、人工智能范式驱动下传媒业的“洗心革面”
1.传播内容：从单一传播到全息传播
美联社的智媒实践表明，人工智能技术逻辑下的内容生产方式事实上改变了以往利用单一途径进行新闻生产的模式，通过多种人工智能技术的融合最大限度地形成了对某一新闻事件的全息传播：基于海量数据的支撑和算法的精准制导，美联社在获取数据后分析、提炼观点，并结合固有的结构和模式进行故事化叙事。与此同时，快速生成的文本还可以配合智能播报技术提供语音信息，配合可视化图表完成可视化新闻的转变，配合VR及AR技术实现读者的沉浸式体验。
@种融合机器新闻写作、智能播报、新闻可视化和VR技术的全方位新闻生产模式能够充分还原社会实践发生发展的过程，表达新闻事件的全息原貌，有效地规避了过去新闻受制于媒介传播的弊端与局限。基于数据和算法的准信息采集、加工的全面智能化，在互动传播、互动体验高度发达的助力下，能够达到全息传播的境界。而人工智能支撑下的VR（虚拟现实）、AR（增强现实）、MR（混合现实）技术将彻底颠覆大众传播时代的选择性传播，实现社会信息原汁原味的全息传播。
2.传播方式：由同质化到分众化、精准化
互联网技术的发展使得新闻资讯的获取更为便捷化、免费化，传统媒体和新兴媒体在竞争中也推动了传媒行业的融合变革，海量信息的生产带来的是同质化新闻的严重超载。单一、同质的新闻资讯已经难以满足不同受众人群的需求，有效采集“长尾资讯资源”的分众化、个性化的新闻成为了众多资讯用户的迫切需求。
机器新闻写作能通过对不同语料库语言风格的智能化学习，可以自动生成适应不同人群语言习俗的表达方式。美联社与News Public的合作增强了新闻资讯在传播渠道投放的精准性。人工智能驱动下的传媒产业正在通过对不同语言风格的智能学习，将聚类、标签化的新闻资讯精准投送给不同的受众群体。当前人工智能技术驱动下的传媒业正往分众化、精准化的趋势快速发展。当然，事实上，目前用户洞察数据的“聪明算法”还远不够聪明，容易造成 “信息茧房”的负面效应。但如果我们看到：算法本身是可以进一步优化的，尤其是以目前的行为数据匹配上用户间社会关系的属性数据；再辅之以通过“人机对话”聊新闻的方式、通过资讯类别的组团化、标签化处理，在可预见的未来，“聪明算法”对于人们真实需求的逼近是可能的和必然的。
3.传播主体：由受众到人机协调
在人工智能全面渗透到信息传播的全环节全要素之后，人的价值何在？控制论的创始人诺伯特・维纳（Norbert Wiener）深刻地指出：“人有人的用处！”
机器学习是人工智能的第一项普及化技术。一些简单重复、数量庞杂的工作可以用人工智能中的机器学习的方式来替代，减轻人信息加工的负担。根据现阶段技术发展的逻辑，我们有理由预计，2017年用于数据处理的人工智能技术将会有一些重大突破。现在对基于用户洞察和基于数据找寻信息传播的路径这一块的要求越来越高，这是传播绩效最基本的要求。而要开发非共性的“利基市场”、开发分众化的“长尾市场”，一定要有相关的数据作为路径导引和技术支撑。因此明年在这一领域会有比较大的提升。用户洞察、数据路径辅之以机器学习，会成为传媒业普遍使用的人工智能的一种方式。
在人际交互方面，人工智能也能帮助人去采集必要的相关资讯。《环球时报》的总编胡锡进就某一争议性话题撰写社论前，他通常会从其专家库中挑选左右各派的几位专家，在听取他们的意见后才下笔撰稿。这种传统工业化流程的社论撰稿模式其实是可以借助人工智能来完成的。人工智能能判断出众多专家的立场和政治标签，通过综合各派专家观点，如此一来在撰写评论时，话语空间和结构性把握相对来说会更加到位、更有把握。这就是人C如何互动的具体应用。
其实有些东西对人来说是困难的，但对机器来说是简单的。只要符合一定的规则，进行重复性的检索和采集对机器来说是再简单不过了。相反，如果我们要从跨界的角度来（下转第150页）（上接第138页）找到两者的关联，机器却很难做出一些超越其界限的评判，因为机器是在人制定的规则范围内运行的。李世石和Alpha Go在围棋对决中赢了一局恰恰是因为李世石下了一招很陌生的棋，但这步棋却超出了Alpha Go的认知范围，从而导致Alpha Go在后面的应对中显得很业余。现在机器对于规范性的文本可以进行很高效的处理，但一旦规则变了，机器就跟不上，这时候就需要人的帮助。因此人是跨界的实现者和设计者，人知道如何实现不同资源的调度和“混搭”，而机器却很难实现这种“混搭”。这其实是未来一段时间内人和机器之间最大的不同。人有天生的直觉和跨界的通感能力，现阶段的机器还没有这类跨界与通感能力。我们可以通过直觉和顿悟去把握一个人、一种事态的感觉，但机器却无法理解和模仿这种行为。
事实上，人工智能对传媒行业的重构离不开新闻工作者的专业支持。未来自动化、智能化技术搭配新闻从业者的专业经验和智能的指导能极大地解放新闻生产力，推动传媒行业的发展与创新。
参考文献：
[1]廉师友.人工智能技术导论[M].西安：西安电子科技大学出版社.2002.
[2]许向东. 数据新闻中传感器的应用[J]. 新闻与写作， 2015，（12）：70-72.
[3]中国日报实现世界首例人工智能视频采访[N].中国日报，2016-10-04.
[4]龚隽鹏，任文，张鹏洲.机器写作在新闻领域应用的思考.中国传媒科技，2016，（5），58-50
[5]申云.“机器人新闻写作”对新闻采编的机遇和挑战[J].今传媒，2016，（11）：115-116.
人工智能发展现状报告范文第5篇
关键词：电脑量刑 量刑规范化 辨证分析
电脑量刑的出现是信息化技术在司法领域的运用，体现了司法过程的科技化。但是电脑量刑在司法实践中的运用受到了质疑:电脑量刑被认为是过度依赖于技术，并且显得过于机械化，不利于发挥司法人员的主观能动性。利用电脑来量刑，是否真的有利于量刑的公正化，是否能够同样实现宽严相济的司法政策，也是值得怀疑的。我们需要辩证地看待电脑量刑的问题，一方面需要宽容对待技术在司法领域的渗透，另一方面也不能过度地迷信技术，在司法过程中需要更多地发挥人的主观能动性。
一、电脑量刑:一个概念的纠正
(一)电脑量刑概念之常识错误
据报道，山东省淄博市淄川区法院曾经研制了一套电脑量刑法律软件，以解决司法实践中广泛存在的同案不同刑的问题。法官在认定被告人构成犯罪后，只需将被告人的犯罪情节输人电脑，几秒钟后，电脑就会根据储存的法律条文，对被告人做出适当的量刑，量刑结果可以精确到日，从而实现了量刑的数字化、精确化。
按照这种理解，电脑量刑是一个高科技的过程，也是一个机械化的过程，即法官只需对行为人的行为进行性质界定，在确定罪名后，将行为人的犯罪情节等诸多因素均输入电脑，即可通过电脑的复杂计算，实现精确量刑。事实上，这样的理解是错误的。《刑法》第61条规定:“对于犯罪分子决定刑罚的时候，应当根据犯罪的事实、犯罪的性质、情节和对于社会的危害程度，依照本法的有关规定判处。”从这一条文来看，刑罚的确定需要按照《刑法》的规定进行，而不是根据电脑的计算来确定，因此凡是认为通过电脑的运算即可实现量刑的观点，并不符合刑法的规定。正如有学者认为:“根据法律解释原理，司法活动是法官对法律的理解、解释和应用过程，电脑量刑是对这一原理的违背。”
(二)本文语境中的电脑量刑
电脑量刑并不能取代法官对刑法的理解和对司法政策的把握，这就犹如人工智能目前还不能取代人脑一样，因此电脑量刑在本质上只是一种辅助量刑系统，这一计算机软件实质上与有关量刑指南的专著或者教材无异。正如有学者所指出的那样:“电脑量刑实质是电脑辅助量刑，淄川区人民法院的一位法官屡次强调他们搞的是电脑辅助量刑，而且赵廷光教授关于电脑辅助量刑的研制报告上也写的是‘辅助量刑系统’。”可见，即使是电脑量刑系统的设计者和使用者，也普遍强调，这一系统仅仅起到辅助作用，而不是在量刑过程中起到决定性的作用，因此电脑量刑的实质应该确定为电脑辅助量刑。
二、电脑量刑的效用性分析
那么，电脑辅助量刑是否能够起到量刑规范化的作用?电脑辅助量刑又是如何实现量刑规范化的呢?这就需要对电脑量刑的效用性进行分析。
(一)电脑量刑能够实现量刑规范化
我国司法实践中在量刑制度上存在一定的不足:一是由于刑法和刑事诉讼法没有对量刑问题作出具体而详细的规定;二是量刑过程存在着不透明的问题，甚至由此在量刑问题上滋生司法腐败。电脑量刑能够在一定程度上实现量刑规范化，主要表现为如下两个方面:
第一，量刑的依据明确化。如上文所指出的那样，量刑的依据是刑事法律、司法解释，但是由于我国在立法中没有对量刑问题作出明确的说明，而造成了司法实践中比较重视定罪，而忽略了量刑。电脑量刑可以有效地明确量刑的依据，即在电脑量刑系统的设计中，将有关量刑的依据和标准进行系统的总结和整理，并且置入电脑量刑软件，这显然有助于量刑标准的明确化，有利于确立统一的量刑标准。
第二，量刑的过程透明化。电脑量刑的过程可以公示、公开，从而增加量刑的公信力，实现量刑过程的透明化。电脑量刑的最大特点就是标准化，凡是有关刑罚确定的因素，都可以在电脑量刑系统中被赋予一定的参数和权重，司法人员在对被告人刑罚确定的过程中，可以将这些标准也一并公开，从而大大地提高了量刑过程的透明化。
(二)电脑量刑的效用存在有限性
当然，电脑量刑并不是万能的，这就像电脑不是万能的一样，也正因如此，电脑量刑引起了学术界和实务界的一些质疑。电脑量刑的效用性主要存在如下几方面的不足:
第一，人工智能本身的缺陷。利用电脑来实现量刑，在本质上是人工智能的利用过程，但是由于科学技术发展的限制，人工智能在目前还不能取代人本身的智力，这涉及到计算机科学、人工智能学等多个学科发展现状。可以预料，如果将来人工智能能够发展到等于或者超越人类本身的智力，那么在社会生活中(也包括在司法过程中)，完全可以利用人工智能取代人的智力，但是在目前的科学发展阶段中，显然还做不到这一点。因此，电脑量刑只能居于辅助地位，而不能取代司法人员的主观能动性。 第二，标准统一化缺陷。前文提到，电脑量刑有助于量刑标准的统一，这是针对同一电脑量刑系统下的量刑过程而言的。我们也应该看到，当前只有个别法院或者个别研究者试用或者研发了电脑量刑辅助系统。除非某一电脑量刑系统得到普遍的推广或者强制性推广，否则不同的电脑量刑系统必然会造成量刑标准的不统一，在不同地区、不同法院造成同案不同刑的状况。这是因为，量刑会涉及多种不同的因素，以自首为例，自首在刑法上是一个重要的量刑情节，可以据此对被告人从轻、减轻或者免除处罚，那么在不同的电脑量刑系统中，自首被赋予的参数值或者权重值不一定相同，这就造成了量刑标准之间的不统一。
可见，电脑量刑并非完美的，同样存在很多不足与缺陷，这就进一步确立了在当前技术条件下，电脑量刑应当居于辅助地位，而非主要地位。
三、辩证地看待电脑量刑系统
电脑量刑只是量刑的一种辅助化手段，电脑量刑也没有排斥司法人员的主观能动性，因此对电脑量刑应该持宽容的态度，同时由于电脑科学技术的有限性，目前也不宜大规模推广。但是作为量刑规范化的一种积极尝试，电脑量刑应该得到肯定。
(一)电脑量刑体现了量刑规范化的努力
电脑量刑体现了量刑规范化的努力。由于我国刑事法律对量刑的规定比较少，因而在实践中出现了量刑的不规范，造成同案不同刑的现象，这与刑法所确立的“刑法面前人人平等”、“罪责刑相适应”的一系列原则是不符合的。近年来量刑问题得到了我国刑法学界和刑事司法实务界的重视，最高人民法院也了一系列量刑指南，试图实现量刑规范化。在此背景下，电脑量刑的出现可以看做是司法机关的主观努力——希望通过技术化的手段来解决量刑规范化问题。
由于电脑量刑仅是量刑辅助化手段，因而可以看做是司法人员在量刑过程中的一种有益参考，这一技术化手段并不会对司法人员的主观能动性构成妨碍，也不会造成量刑机械化，反而有利于司法人员避免在量刑过程中出现量刑畸轻畸重的情形。
(二)电脑量刑是一种有益的科技尝试
高科技技术已经介入了社会生活的方方面面，高科技同样介入了司法程序中。例如，测谎仪在国外已经得到了普遍的使用，尽管测谎结论是否正确还存在很多争议，但是测谎仪技术能够作为一种辅助化的手段存在，便利于司法人员对相关陈述的真伪作为更为准确的判断。与之相似，电脑量刑系统也体现了科技在司法领域的渗透，在笔者看来，科技在司法领域的渗透是普遍的，除了测谎仪外，有关物证鉴定的技术，几乎已经全面科技化、电脑化了。因此，电脑量刑系统的出现也是科技发展的必然结果，可以看做是司法人员积极引进高科技技术，进行科学尝试。我们应该对这种敢为人先，积极创新的精神抱欣赏与支持的态度。
(三)对电脑量刑试验应持肯定而保守的态度
当然，我们也应该看到，由于技术水平的原因，电脑量刑不能做到完全准确，这是因为犯罪行为千差万别，不同的案件有不同的情况，被告人的人身危险性、悔罪程度、赔偿积极性等因素。正如有学者指出的那样，“量刑之‘量’并非只是‘量化’，而是‘裁量’，量刑之‘刑’并非只是‘刑罚’，而是‘刑事责任’;量刑之‘过程’并非只是宣告刑的裁量，而是宣告刑等(如处断刑、执行刑、免刑)的裁量”。在目前的科学技术条件下，更多地需要人工判断，而不能完全交给机器判断。由于司法体制、刑事政策等因素的影响，电脑量刑系统也无法做到全国范围内标准的统一。从域外视角来看，也未见哪国在全国范围内推广电脑量刑系统。因此，尽管需要对电脑量刑的积极创新精神予以肯定态度，但是在目前的社会现实条件下，还是应该对电脑量刑采取保守的态度。
电脑量刑体现了司法机关工作人员和相关系统研发人员在量刑规范化上作出的努力，其创新精神值得肯定。且电脑量刑有助于量刑的规范化与透明化，能够在一定程度上解决量刑难题。但是由于技术发展的限制，电脑量刑尚不能完全替代司法人员的量刑活动，量刑难题的解决目前主要通过立法和司法来解决，如进一步有关量刑指南，等等。因此，我们需要辩证地看待电脑量刑问题，不能过度依赖于电脑量刑，而忽略了司法人员主观能动性的发挥。
参考文献
[1]庞国权.电脑量型，司法进步还是理性缺失.中国社会导刊.2007(1).
[2]魏胜强.法律解释视角下的“电脑量刑”.政法论丛.2009(3).
