導語：如何才能寫好一篇人工智能醫藥，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

隨著社會、經濟和醫學的發展，人口的壽命明顯延長，老齡化已成為我國重要的問題。按照流行病學研究資料推算，我國可能有800萬的腦血管病患者和1600萬以上的認知功能損害的患者。流行病學資料顯示，我國每年新發卒中病例約250萬，在卒中后1年將近70%的患者存在認知功能障礙，嚴重影響患者的生活質量，給社會和家庭造成極大的負擔。

目前，血管性癡呆的概念已經擴展，包括所有類型腦血管病導致的認知缺損，屬于血管性認知障礙（VCI）的分類。VCI指有重要的認知和功能缺失但沒有達到癡呆程度，有高度的可逆性。

2007年12月1日，匯聚國內知名神經科專家智慧結晶的《血管性認知功能損害專家共識》正式發表于《中華內科雜志》，標志著認知功能損害領域從此邁上了一個新臺階。

專家共識指出，VCI涵蓋了由血管因素導致或與之相關的各種類型和程度的認知功能損害。雖然不同研究者提出過不同的分型方法，但通常包括兩類：一類是血管性非癡呆的認知功能損害（V-CIND），其中包含主要表現為多認知功能域損害的血管性輕度認知功能損害（V-MCI）；另一類就是傳統的血管性癡呆（VaD）。VaD還可再分為：①多發梗死性癡呆（MID），經典但少見；②皮質下缺血型血管性癡呆（SIVD），最多見；③關鍵部位梗死型；④低灌注型；⑤出血型；⑥混合型：又稱Alzheimer病（AD）伴腦血管??；⑦遺傳性。

血管性認知功能損害是指由于各種血管病變所引起的認知功能障礙，這一概念是1995年由Bowler和Hachinski提出的，是包括輕度認知功能障礙到癡呆的一大類綜合征，近年來已經引起廣大學者的關注。認知功能障礙的常見表現為注意力減退、定向力障礙、記憶力減退、視空間功能障礙等，合并情緒波動。認知功能障礙嚴重影響患者的生活質量，給家庭和社會帶來嚴重的負擔。

目前對于認知功能障礙的治療主要限于癡呆發生后的治療，此時，藥物的療效不佳，且目前仍沒有一個理想的治療藥物。已知的藥物主要有：膽堿脂酶抑制劑、腦細胞代謝活化劑等。但是一些藥物不良反應大，且價格昂貴，許多病人不宜或不能長期使用。而一些藥物缺乏明確療效，因而難以發展成為理想藥物。

中醫藥在癡呆的治療中日益發揮著重要的作用，中醫學歷來重視治未病，血管性認知功能損害是血管性癡呆的早期階段，因此，中醫藥在血管性認知功能損害的干預中將會發揮重要的作用。

血管性認知功能損害的病位在腦，與腎、心、肝、脾功能異常有關，尤與腎精虧虛密切相關，基本病機為髓減腦消，痰瘀痹阻，火擾神明，神機失用。本病多繼發于中風之后，起病相對較快，但根源于長期積損，病位在腦，涉及肝、腎、心、脾等，病理性質為本虛標實。病理性質為本虛標實，虛實夾雜，初期以邪實為主，后期以正虛為主。其中標實主要是血瘀、痰阻，兼見氣滯、肝風或火熱等邪，本虛主要是腎虛、氣虛，兼見肝虛、血虛等。

中醫學認為，腦為元神之府，神機之源，腦之元神是統御五神之主，五神者，神、魂、魄、意、志也。腦之元神與五神交會之物質是散動覺之氣，精、津是載體，任、督二脈是信息傳導之路，因此風、火、痰、瘀、虛（腎虛）、毒，上犯腦髓，氣血失調，任督失于傳導而為病，腦為至清之臟，邪不能犯，犯之則病。而腦病又易虛易實。而實證中痰濁、瘀血導致的腦髓疾病占相當比例。因其位居要地，痰瘀不易祛除。腦絡瘀阻見頭痛、肢軟不用、失語、癡呆等癥；痰凝腦竅，滯于經絡，則可表現為精神抑郁、神志昏迷、哭笑無常，或癲癇發作，或肢體麻木不仁，或半身不遂等。痰瘀不去則釀生毒邪，毒損腦髓神經，使其一損不復，導致殘疾。

中醫學認為，血管性認知功能損害的病位雖然在腦，但涉及肝腎心脾諸臟，尤與腎中精氣的盛衰密切相關；多因年高正損，情志內傷等因素引起臟腑陰陽氣血失調，以致痰瘀濁毒阻絡蒙竅，造成腦絡閉塞、神機失用而發病，本病病性為本虛標實，其本為精氣虧虛，其標為痰瘀濁毒內阻。癡呆發病是由于痰瘀互阻，毒自內生，下損脈絡，上害腦髓而成癡呆，究其原因，是由于血脈一傷，神氣內損，腦神上下不接，元神失統，神機失用，神經流貫受阻使然，而腎虛不足，腎精不能充養腦髓為發病之本。

痰濁瘀血是血管性認知障礙發病的關鍵[1]。多數學者認為，痰瘀是導致癡呆的重要因素。痰瘀互結，竅閉神呆，瘀血可致痰，痰濁也可以致瘀，兩者常互為因果，錯雜為病。痰、瘀互結一方面導致瘀血阻絡，氣血、津液循行不暢，停而為痰，即“血不利則化為水”，“血瘀即久，亦能化為痰水”，出現痰瘀交阻于局部或全身；另一方面，血瘀氣滯，津液失于輸布，聚而為痰，即《赤水玄珠》所謂：“津液者，血之余，行于脈外，流遍一身，若天之清霧，若血濁氣滯，則凝聚為痰，痰乃津中之變，無處不到?！绷硗?，痰也可通過局部阻塞脈絡和影響全身氣機而致瘀，痰濁瘀血既成，或阻塞腦絡，元神失養；或蒙閉腦竅，濁而不純，均可致愚致呆。產生痰瘀等病因很多，因此，探尋痰瘀產生的病因是治療該病的關鍵。首先脾胃氣虛，運化失常，氣血津液輸布、排泄紊亂，聚濕為痰。痰濁的生成還與肝失疏泄有關。肝郁疏泄失常，既能致瘀，也可因津液輸布失常而生痰，出現瘀痰互結的病理現象；“年四十而陰氣自半”，肝腎陰虛，一方面可出現陰津不足，經脈失潤，澀而不暢，另一方面呈現陰虛火炎，灼傷脈絡，煉津血為痰瘀。

基于血管性癡呆多與痰瘀有關，因此治療上應注意積極結合病因，給予補腎活血化痰法[2]、滌痰化瘀、填精益髓法[3]、健脾化痰等法，不可拘于一法一方。以往的科研多以癡呆為研究對象，對血管性認知功能損害的研究則鮮有報道，因此有必要進行深入的研究，為血管性認知功能損害的防治提供新的手段。

參考文獻

1 義,張發榮.淺談中醫對血管性認知障礙的認識.遼寧中醫藥大學學報,2007,9(2):33-34.

篇2

在業內人士看來，人工智能不是一項單一的科技產業，而是將其他行業進行融合的工具，例如將機器人和保姆結合產生的“看家機器人”，將導航和汽車結合產生的“車聯網”等。在人工智能技術逐步成熟的當下，誰率先在應用上實現突破，誰就有可能在智能時代的競爭中占據優勢，“人工智能”有望成為可觸摸的新增長點之一。

發展迅猛

身體不舒服，想要打開手機淘寶問問醫生，但是怎么樣才能從幾千個在線等待咨詢的醫生中間找到最匹配的那一個？

阿里健康已經開發并在手機淘寶上線了健康小蜜――醫藥健康智能問答引擎。這個類似于智能問答機器人的引擎，可以回答普通用戶的一般性醫藥健康問題，然后根據用戶的需求進行選擇，將用戶自動匹配給相應的醫生或者藥師。

事上，目前，從醫療健康的監測診斷、智能醫療設備，到教育領域的智能評測、個性化輔導、兒童陪伴，從電商零售領域的倉儲物流、智能導購和客服，到應用在智能汽車的自駕技術，都能看到人工智能的身影。

人工智能等技術是助推自動駕駛發展的關鍵技術。例如，人工智能在幫助汽車解讀傳感器數據時起決策作用，通過閱讀駕駛者的駕駛行為和表情，能及時提醒駕駛員在疲勞駕駛時切換至自動駕駛模式。

“人工智能”一詞，通常被認為是1955年8月31日在達特茅斯（美國一所院校）會議上誕生的，61年來，人工智能的研究和實踐一直處于不斷增長的趨勢。當今，人工智能技術的突破帶來了席卷全球的技術革命風暴，創造出了一個無比廣闊的市場，中國的很多公司在這股大潮中抓住機遇，表現亮眼。有觀察者認為，中國的人工智能已成為一張令世界矚目的閃亮名片。

過去的一年里，長虹、TCL、創維等中國家電企業都紛紛人工智能家電產品，希望借助人工智能打破家電行業的銷售難題。

不久前，搜狗公司2016全年財報，搜狗借助人工智能技術實現了較大的業績增長。未來會把人工智能應用到更多的產品中，讓用戶表達和獲取信息更簡單，讓人工智能真正惠及人類。

全球人工智能研發的腳步正在加快，中國也不甘示弱。近年來，百度先后成立了大數據實驗室、深度學習實驗室和硅谷人工智能實驗室，并通過架構調整全面發力人工智能。2016年百度世界大會上，“百度大腦”推出，該項目將對語音、圖像、自然語言處理和用戶畫像、無人駕駛等領域進行重點關注和研發。

在騰訊，人工智能研究項目包括WHAT LAB（微信-香港科技大學人工智能聯合實驗室）、優圖實驗室、微信模式識別中心、智能計算與搜索實驗室等多個部門。

人工智能猶如新的科技革命，為長期低迷的世界經濟注入新的活力。去年諸多關鍵技術突飛猛進，無疑是人工智能發展史上濃墨重彩的一年。誕生半個多世紀以來，它終于走到了從科技研發到行業應用的臨界點，蓄勢待發。

為發展更新“發動機”

人工智能技術的重大突破必將帶來新一輪科技革命和產業革命，對人類生活的方方面面將產生深遠的影響。大力發展人工智能技術是中國經濟轉型升級的重要動力。

眾多研究表明，人工智能是對傳統行業商業模式、產業鏈和價值鏈的全面顛覆，將為全球經濟、社會生活的方方面面帶來質的變化。

發展人工智能的最大意義在于為現代化發展更換“發動機”。咨詢公司埃森哲研究了美國、芬蘭、英國等12個發達國家并作出預測，到2035年，人工智能將幫助這些國家的生產率提高40%左右。

對于中國而言，人工智能帶來的好處將是多方面的。就經濟來說，借助人工智能新技術實現自動化，將極大提高生產率，節省勞動成本；優化行業的現有產品和服務，提升其質量和勞動生產率；通過創造新市場、新就業等，將促進市場更加繁榮，開拓更廣闊的市場空間。

而在產業升級方面，中國的傳統制造業大而不強的問題亟待克服，人工智能恰恰為制造業轉型升級提供了便利和動力，一是這些企業擁有行業海量的數據和大量資金；二是在生產力水平急需提升、傳統人口紅利逐漸消失的情況下，傳統企業有迫切的意愿來改造升級自己的工廠、業務，提高收益，降低企業成本。因此，制造業既是人工智能可以大有作為的領域，也是中國發展人工智能的優勢領域。

《全球人工智能發展報告2016》顯示，中國人工智能專利申請數累計達到15745項，列世界第二；人工智能領域投資達146筆，列世界第三。

據艾瑞咨詢預計，2020年全球人工智能市場規模將達到1190億元，年復合增速約19.7%；同期中國人工智能市場規模將達91億元，年復合增速超50%。人工智能發展前景極為廣闊。

就制造業而言，“中國制造2025”計劃的實現就需要很多人工智能。比如過去在技術上難以克服的問題，就可以通過深度學習，在工程上快速地取得一些新的突破。人工智能技術的發展與應用，對于有效實現“中國制造2025”目標至關重要。

面向未來長遠布局

在人工智能這場科技浪潮中，中國與其他國家已經站在了同一起跑線上。針對未來產業競爭，中國政府已在多個方面對人工智能產業做出布局，“人工智能+”的發展，需要面向未來，做出長遠布局。

未來5到10年，人工智能將像水和電一樣無所不在，可以進入到教育、醫療、金融、交通、智慧城市等幾乎所有行業。

目前，在駕駛領域，通過依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，電腦可以在無人主動操作下，自動進行操作；在個人助理領域，通過智能語音識別、自然語言處理和大數據搜索、深度學習神經網絡，可以實現人機交互；在金融領域，通過分析、預測、辨別交易數據、價格走勢等信息，人工智能可以為客戶提供投資理財、股權投資等服務；在電商零售領域，主要是利用大數據分析技術，智能的管理倉儲與物流、導購等方面，用以節省倉儲物流成本、提高購物效率、簡化購物程序。此外，在安防、教育、醫療健康等眾多領域，人工智能都有著廣泛的用途。

篇3

解詞

人工智能（A r t i f i c i a l Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

論調

2016年是人工智能概念提出60周年。對于人工智能，斯蒂芬?霍金博士評論道：“真正的人工智能技術，將是人類歷史上最了不起的發明。”

2016年3月初，經過7天的鏖戰，谷歌的“阿爾法狗”（AlphaGo）在人機圍棋大賽中大勝韓國九段李世石，彰顯了當代人工智能的飛速進展和強大實力，也給無數人的心靈震撼一擊。

同時，其他巨頭的人工智能產品也都在不斷顯露鋒芒。2016年4月，阿里云人工智能程序小Ai成功預測了《我是歌手》第四季總決賽的前三名，并在最終對決中成功預測李玟奪冠；微軟的人工智能系統實現了“看圖講故事”；百度的“百度大腦”已經達到4歲孩子的智力水平，百度無人汽車已在路況復雜的北京五環路上試行，應急表現優于司機；度秘機器人已經入駐上海虹橋的肯德基概念店，直接為客人點餐，等等。

看上去，這些人工智能離大規模普及似乎還需較長時間，實際上，隨著人工智能與大數據、物聯網、機器人、生物醫藥、虛擬現實等新興產業結合，它對其他產業乃至社會經濟的滲透速度，將會越來越快。

當前，新一輪科技革命和產業變革正在孕育興起。從2016年11月召開的第三屆世界互聯網大會來看，世界互聯網科技的創新正在呈現出愈加趨向前沿科技競爭的方向。前沿技術的創新作為互聯網行業的“風向標”，幾乎決定了整個互聯網的發展高度。

2016年10月，奧巴馬主持白宮前沿峰會，展望美國在未來50年的發展。白宮在峰會上《國家人工智能研究與發展策略規劃》報告，旨在把人工智能計劃的全部潛能用來強化經濟及改善社會。不僅如此，歐盟委員會也宣布，“人腦工程項目”入選歐盟“未來新興旗艦技術項目”。

而中國對人工智能的重視程度與扶持力度也在持續提升。2015年7月的《國務院關于積極推進“互聯網+”行動的指導意見》，明確指出要重點發展人工智能在家居、終端、汽車、機器人等領域的應用；“十三五”規劃中將人工智能上升為國家戰略；2016年5月，國家發改委、中央網信辦等聯合印發《“互聯網+”人工智能三年行動實施方案》……毋庸置疑，未來人工智能技術的發展與飛躍，將極大地改變世界面貌，改變人們的生活方式。

電報從發明到推廣用了20年；電話從發明到推廣用了不到10年時間；而當前計算機軟件的研發和推廣，常常連幾個月時間都用不到――2017年1月初，在AlphaGo的升級版化身“神秘棋手”Master以60勝0負1平的戰績橫掃人類圍棋高手之后，人工智能百度大腦又險勝“世界記憶大師”――互聯網在進入下半場的同時，新的一幕在2017年被揭開，人工智能激動人心，充滿無限可能。

記事

當前，一股席卷全球的人工智能熱潮正撲面而來，無論是硅谷的創業公司、大學及科研機構，還是世界科技巨頭谷歌、微軟及百度都紛紛在人工智能領域投入大量人力物力，著手進行前瞻性研究。

AlphaGo大勝李世石

2016年3月15日，谷歌人工智能圍棋軟件AlphaGo與韓國名將李世石的第五場對戰結束，AlphaGo以4：1的總比分大勝李世石。3月9日到15日，AlphaGo與李世石一共大戰五局，前三局AlphaGo大勝，第四局李世石扭轉了敗勢，但第五局李世石再次失利。

作為中華民族傳承已久的棋類游戲，圍棋一直以來都被業內公認為是一塊計算機無法攻克的高地?；仡欉@場吸睛全球的人機大戰，其意義已經遠超圍棋，人們熱衷于談論AlphaGo，更多的是出于對人工智能技術的關切。

2016年3月12日，《經濟學人》刊發題為《人工智能和圍棋一決勝負》的文章指出，不同于1997年深藍對弈的國際象棋，AlphaGo對弈的圍棋更加復雜，每下一步后能產生的可能性也更多。但AlphaGo背后的算法在比賽中已經顯示出自己的優勢。通過深度學習，它已經能模擬人類下棋，擁有“直覺”，并能給出下一步的最佳策略選擇。深度學習是未來通用人工智能必不可少的部分，目前已經有眾多公司在這一領域投入資金和精力。未來，我們可以期待深度學習在人臉識別、語音識別甚至是醫療領域的應用。

百度大腦險勝“世界記憶大師”

2017年1月6日晚，江蘇衛視播出的第四季《最強大腦》節目中迎來一位特殊選手――百度派出搭載百度大腦的人工智能機器人“小度”，挑戰最強大腦的名人堂選手。經過兩小時比賽，“小度”憑借在人工智能和人臉識別領域的深厚積累，以3：2險勝人類最強大腦的代表王峰。

百度大腦“小度”的背后是萬億級的參數、千億樣本和千億特征訓練，能模擬人腦的工作機制，學習訓練極其復雜的模型。

此前，百度董事長兼CEO李彥宏也在《最強大腦》第四季預告片中表示，如果最強大腦是人類腦力極限的代表，那么百度大腦是人工智能高水平的代表。無論輸贏，都會對人工智能的技術發展做出突破性的貢獻。

篇4

車聯網、無人駕駛與新能源汽車離我們越來越近

今年的CES不再是手機展，而已有成為車展的苗頭，奔馳、豐田、雪佛蘭、福特、大眾等汽車廠商不約而同的展示了車聯網、智能駕駛、新能源等汽車技術，奔馳亮出的F015 Luxury in Motion純電動無人駕駛概念車更是引起了不少尖叫，網絡科技儼然已全面滲透到汽車產業領域。

可能看上去，奔馳F015概念車離我們還有些遙遠，但車聯網、智能駕駛、新能源等汽車技術已經離我們非常接近了，而且國內網絡科技企業和汽車廠商已在進行積極探索。去年，百度對外證實正在研發無人駕駛汽車，并且表明會開發一款名叫carnet的車載智能平臺進入車聯網領域；同期，阿里與上汽達成合作，宣布共同推進互聯網汽車發展；就在此時，樂視也宣布與北汽達成合作研發新能源汽車。

雖然無人駕駛技術要全面市場化仍需時間，但車聯網的大門已經完全打開，百度、阿里都已具備車聯網的技術和網絡服務資源，2015年極有可能會出現真刀真槍的競爭局面。另一方面，這兩年政府對新能源汽車持積極態度，中央及地方政府對電動車有較大的優惠補貼力度，比亞迪、奇瑞、北汽、上汽等國內汽車廠商均已推出電動車產品，特斯拉在2014年引爆輿論對電動車市場的關注，進入2015年，國產電動車將會成為輿論的關注焦點。

車聯網、無人駕駛，以及新能源同一時間出現在市場，汽車產業正迎來一場巨大的技術變革。

智能家居、可穿戴回歸理性，小眾變大眾仍需時間

2014年圍繞智能家居、可穿戴智能設備的產品和爭論呈現冰火兩重天的景象，一端是資本市場的狂熱追捧，另一端是自媒體們不斷的潑冷水。智能家居和可穿戴短時間內仍不被市場看好，目前為止市場仍沒有一款受到追捧的產品出現，可見小眾熱鬧變成大眾需求仍需要時間。

雖然消費市場尚未成熟，但對于百度、騰訊等巨頭而言卻需要提前布局。2014年，百度推出了Baidu Inside合作計劃，吸引了諸多智能硬件開發商，同時上線了dulife平臺負責可穿戴智能市場，小度Family(14年底推出百度智家平臺)負責智能家居市場。同期，騰訊通過微信也上線了智能硬件平臺，在2014年騰訊不只一次宣稱要“連接一切”，智能家居和可穿戴市場的發展自然會騰訊重點關注。

百度、騰訊的智能硬件平臺逐步完善，2015年兩大巨頭圍繞智能家居和可穿戴的市場的爭奪將會成為重點。在今年CES大會上，英特爾推出Curie模塊計劃，這款紐扣大小的系統芯片或將促進可穿戴市場的發展。

大數據、人工智能、機器人進一步市場化

2014年，科學界巨擘霍金和特斯拉CEO馬斯克相繼拋出的人工智能殺人論曾引起了一定程度的恐慌，不過并沒影響到科技巨頭們對人工智能的研發熱情。

人工智能已不是什么新鮮話題了，隨著大數據技術的發展，人工智能迎來市場化契機。微軟在中國以“小冰”的形態嘗試人工智能發展市場化發展，而百度在去年先后挖來吳恩達和張亞勤兩大人工智能領域的權威人物。

這兩日機器人又稱為熱點話題，日本首富孫正義表示：“(2050年)日本的經濟競爭力將能夠成為全球第一，日本將不再是‘日沉之國’，而將復活為‘日出之國’”的驚人言論引起了不小的騷動，孫正義認為實現這一目標的方式是大力發展機器人。在此之前，郭臺銘也曾提出發開機器人來代替人工在流水線上工作。

在實用性逐漸提升的同時市場價值會越來越受到重視，人工智能和機器人離我們現實生活越來越近。

國家即將出臺工業4.0指導意見，2015年工業開始互聯網化

日前，工業和信息化部互聯網與工業融合創新試點企業現場會在青島召開，會上工信部信息化推進司處長王建偉表示，2015年將研究出臺互聯網與工業融合創新指導意見，進一步明確互聯網與工業融合創新的著力點和發展方向。

指導意見一出，工業4.0會迅速從概念期步入市場化階段。工業4.0是以互聯網和信息化技術為基礎，通過大數據分析等網絡科技為工業企業提供市場分析，提高生產效率，避免盲目生產導致產能過剩而造成企業危機。

2014年O2O市場爆發式發展讓零售業和服務業迅速與互聯網結合，制造業與互聯網結合已是必然趨勢。在政府的有明確政策的推動下，工業4.0會得到互聯網企業和制造業企業的們積極響應，而手握大數據技術的BAT必然會成為其中的主導者之一。

據通用電氣公司預計，工業互聯網技術創新將直接應用于各行各業，并產生32.3萬億美元的經濟效益，到2030年，或為中國帶來3萬億美元GDP增量。2015年將成為工業互聯網元年。

三巨頭將在O2O市場展開最激烈的角逐

2014年O2O市場徹底爆發，零售O2O、服務O2O、社區O2O、汽車O2O等領域均出現了不少創業明星，同時BAT三巨頭也在不斷加快開發O2O市場的力度。

近期，微信版本更新，O2O用意明顯，紅包、搖一搖等主要功能都會被用在嘗試O2O業務的探索；此前百度推出的直達號功能也將在2015年全面向市場開放；阿里雖然在O2O領域做過諸多積極嘗試，但始終缺乏一款類似微信、手機百度這類連接線上線下的載體應用。

另外，作為O2O的發源地，團購一直都是BAT關注的主戰場，百度在2014年全資收購糯米，成為BAT三家中唯一一家直接參與團購市場競爭的巨頭，而騰訊和阿里分別選擇投資了點評和糯米。

圍繞三巨頭O2O布局的分析非常多，大家可以直觀的感受到，三巨頭在2014年基本已經完成了在O2O領域的布局，剩下的就是一些查缺補漏的工作。到了2015年，三家的O2O之爭會從暗斗升級到明爭。

移動支付步入巨頭逐鹿時代，互聯網金融開始規范化

移動支付已經喊了很多年了，在2014年下半年算是正式進入巨頭逐鹿階段。去年底傳出重磅消息，銀聯將拉攏國內手機廠商，參考蘋果公司ApplePay的“指紋識別+NFC支付”模式組建AndroidPay。這是銀聯在于中移動爭奪移動支付主導權獲勝之后，投入力度最大的一次面向2C市場的移動支付布局，根據此前傳出的消息，AndroidPay項目會在今年三月落地。

不過，業界似乎對銀聯能否做好移動支付充滿疑慮，畢竟在第三方支付市場，支付寶的先發優質已經牢牢占據了市場主導權，而且其在去年雙十二期間投入巨資與線下超市、便利店等零售終端合作嘗試的5折移動支付活動取得了不錯的成績。在移動支付之爭中，業界似乎更好支付寶錢包的發展前景。

除了支付寶和銀聯兩大玩家之外，微信也在積極拓展微信支付使用場景，不過從實際結果來看，有關微信支付的消息往往是雷聲大雨點小。另外，百度也在2014年積極的推進百度錢包，不過由于后發劣勢，短時間內仍無法與支付寶錢包直接競爭。從趨勢上來看，2015年將成為移動支付的破冰之年，阿里、銀聯、騰訊、百度都會不遺余力的繼續發展移動支付業務，尤其是近場支付方向。

除了移動支付，2014年互聯網金融業持續趨熱，互聯網銀行正式獲批，元旦之后總理首次出巡就參觀了有騰訊參股的微眾銀行，這被認為是對互聯網金融行業的鼓勵；還有，P2P更是在短時間內成為競爭最激烈的互聯網金融市場，其中平安陸金所估值已經達到了100億美元，不過P2P領域暴露出的諸多問題已經引了銀監會的重視；另外，余額寶引發的寶寶類金融理財產品在2014年持續發酵，阿里在此基礎上又推出了招財寶、娛樂寶等創新產品。隨著政府對金融市場改革繼續推進，以及余額寶最近風波不斷所暴露出的市場瓶頸，進入2015年，互聯網金融將會逐漸趨于理性化，規范化。

互聯網與醫藥行業擦出更多火花

2014下半年，醫藥行業與互聯網行業之間不斷蹦出火花。春雨醫生、丁香園和掛號網先后獲得巨額投資，而其中丁香園和掛號網則是由騰訊出資；另一方面，阿里通過支付寶在打造未來醫院，已與多家醫院達成了合作關系；而百度則在去年與北京政府達成合作，推出北京健康云平臺；不僅如此，小米在去年向九安醫療所有的iHealth品牌子實體注資2500萬美元?；ヂ摼W醫藥行業顯然未熱已火。

剛剛進入2015年，互聯網醫藥行業就迎來好消息。近期，有消息稱中央已完成價格等監管領域的人事調配與部分政策配套工作，未來將對醫藥價格以及壟斷行業的價格進行全面的調整，受此消息影響近幾日A股醫藥板塊出現波動。無獨有偶，國家食藥監總局(CFDA)官員透露，此前征求意見稿的《互聯網食品藥品經營監督管理辦法》，將在近期的CFDA局長辦公會討論，若獲得通過，這一辦法將會以部門規章的形式。業內人士表示，《辦法》將允許部分處方藥在網絡銷售，今后醫藥電商將與實體零售商搶飯碗。

這兩個消息對傳統醫藥行業來說并非好事，而對于互聯網醫藥行業則非常能提振信心。若這兩個消息在2015年落實，互聯網醫藥行業將會迎來發展春天。

打車、租車、拼車市場將整體大洗牌

嘀嘀打車和快的打車已火拼兩年有余，在2014年底先后完成了7億美元和8億美元融資，為2015年的最后的競爭最好了準備。與此同時，百度與Uber正式在北京的百度大廈簽署戰略合作及投資協議，有媒體猜測投資金額為6億美元。百度進入打車領域將會進一步加劇市場競爭程度，2015年的打車市場又會掀起一番血雨腥風。

篇5

具體影響來說，在2月份的組織架構調整后，百度下分四個事業群組，分別是移動服務事業群組(李明遠負責)，新興業務群組(張亞勤負責)，搜索業務群組(向海龍負責)和金融服務事業群組(朱光負責)。但此次調整后，搜索業務群組和移動服務事業群組實現了合并。

直觀來講，搜索業務群組和移動服務事業群組合并成為新公司，而向海龍出任新公司CEO，原移動服務事業群組負責人李明遠成為新公司副手，換言之，原先處于平級的向海龍和李明遠，有了“職位層級”變化。

現在成立百度搜索公司后，百度旗下變為了百度搜索公司、新興業務事業群組和金融服務事業群組。

對于此次調整的原因，李彥宏解釋稱：“多年積累的人工智能，特別是深度學習方面的技術，正逐步在我們進入的各個領域發揮出無可替代的作用?；ヂ摼W金融服務、無人車、開放云……一系列新業務的誕生，標志著我們開啟了新的征程，在更廣闊的領域開疆擴土?！币簿褪钦f，百度將在原有以搜索為核心業務的事業群組外，利用人工智能和深度學習，在其他領域進行開拓。

實際上，百度此舉類似谷歌去年做出的架構調整。

2015年8月，谷歌宣布進行內部組織架構調整，正式成立母公司Alphabet，時任公司CEO的拉里-佩奇將出任母公司Alphabet的CEO。原公司Google成為Alphabet旗下子公司，將主要專注于搜索相關的主營業務，原高級副總裁桑達爾-皮猜將出任Google公司CEO。

現在，對比而言，百度雖然并沒有造一個母公司，但實際上采用了跟谷歌類似的架構調整方法。

對于谷歌的調整，佩奇當時解釋稱，重組公司的主要目的是擴大管理范圍，獨立運營一些并不非常相關的業務。

不過，創新工場董事長李開復則對谷歌架構調整有進一步解讀。這位前谷歌大中華區總裁今年2月帶領中國創業者對硅谷包括谷歌在內的重要公司進行了為期半月的考察，并和Google的CEO皮猜進行了交流。在評價谷歌的架構調整時，他向新浪科技評論稱：谷歌這么做看起來是要造一個“機器大腦”出來，原先搜索獲得的搜索數據，通過“機器大腦”的人工智能和深度學習神經網絡的相關計算，可以應用到各個垂直領域，比如醫藥健康，金融股票等等。

而百度方面，在人工智能和深度學習領域雖然不能全方位與谷歌相提并論，但就人工智能所需要的“計算能力”和“大數據”，百度也有自己的優勢。

現百度首席科學家吳恩達曾多次公開表示過自己從谷歌“跳槽”百度的原因：如果把人工智能和深度學習比作發射火箭，而“大數據”是這其中必備的燃料，那來自中國的百度在這方面享有優勢，能夠有利于自己未來的研究。

篇6

關鍵詞：智能制造；智能科學與技術；人工智能技術；機器人；實驗平臺建設

智能制造是基于新一代信息技術，貫穿設計、生產、管理、服務等制造活動各個環節。具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱。是信息技術和智能技術在裝備制造過程技術的深度融合與集成。加快推進智能制造，是我國在全球新一輪產業變革競爭背景下出臺的《中國制造2025》的主攻方向。廣東省作為國內制造大省和全球重要制造基地，也對接印發了《廣東省智能制造發展規劃（2015-2025年）》。針對廣東省制造業的創新能力、產業結構、信息化水平的缺乏競爭力的問題，大力實施創新驅動發展戰略，推動智能制造核心技術攻關和關鍵零部件研發，推進制造過程智能化升級改造，實現“制造大省”向“制造強省”轉變。創新驅動，智能化升級改造需要國際領先水平人才的引進和高等院校實戰型工程技術人才培養。我院智能科學與技術專業就是面向廣東智能產業的深度融合設置的。其專業實驗平臺的建設需要針對廣東省高端裝備、制造過程、工業產品智能化等領域的薄弱環節，以“機器智能”為方向，完善實驗教學體系、整合實驗教學資源，開設綜合性、創新性的實驗項目，培養學生實踐能力和創新意識。緊密聯系企業，針對智能制造關鍵技術協同創新。培養具有智能系統開發與設計、智能裝備的應用與工程管理能力；能在智能裝備、智能機器人、智能家居等領域從事智能系統的是開發與設計、應用于維護、運營與管理的“厚基礎、強應用、能創新”的高素質工程應用型人才。

1專業實驗平臺建設思路

面向智能制造專業實驗平臺的建設，依據《廣東省智能制造發展規劃（2015-2025年）》中發展智能裝備與系統，工業產品、制造流程智能化升級改造的任務，從智能科學與技術知識體系中提取專業發展方向的課程，建立完善專業實踐教學體系。以“機器智能”為方向建設人工智能與機器人實驗室為核心，以項目、科技競賽、緊密對接企業協同創新為手段，培養學生能夠運用工程基礎知識和專業理論知識設計工程實驗，分析實際問題的能力，培養學生查詢檢索資料文獻獲取知識的能力，培養學生能夠綜合運用自然科學知識、專業理論知識和技術手段設計系統和過程解決實際問題的能力。通過科技競賽等活動，培養學生在團隊里具有工程組織管理能力、表達能力和人際交往能力。通過與企業的合作，掌握基本創新方法，并讓學生具有追求創新的態度和意識，以培養學生的綜合素質和能力為重點。立足華軟學院電子系電子信息工程嵌入式專業、自動化專業、通信工程專業現有的平臺優勢，按照“整合、集成、共享、提升”的基本思路，完善支撐體系，優化驗教學資源配置，建設一個能夠與廣東智能產業深度融合的階梯形層次化實驗平臺。

2實驗平臺建設內容

智能科學與技術專業實驗實踐平臺的建設要依據實驗教學體系的構建，突出面向智能制造工程實踐為特色，按照學生的成長需要，建立階段化、層次化、模塊化的實驗教學體系。

2.1專業實踐課程體系建設

面向智能制造的智能科學與技術專業定位是以工程應用型人才培養為目標的，是在通識教育基礎上的特色專業教育。專業課程體系的建設首先還是以培養學生具有扎實自然科學基礎知識，人文社會科學知識和外語應用能力為基礎，其次是智能科學與技術專業技術基礎課程，如數字系統與邏輯設計、數字信號處理基礎、信號與系統、電路分析與電子電路；c語言程序設計與算法分析、數據結構、數據庫與操作系統、微機原理與接口、傳感器與檢測技術等。最后是專業方向類課程，也是專業的核心課程，如制造業基礎軟件中的嵌入式軟件、工業控制系統軟件，工業機器人中人工智能技術應用和智能控制技術。主要有知識獲取模式識別；數據通信與網絡；嵌入式系統移植和驅動開發；嵌入式應用開發；人工智能與神經網絡；智能控制技術；機器人學等課程。培養學生具備計算機技術、自動控制技術、智能系統方法、傳感信息處理等技術，完成系統集成，并配合專業實踐課程體系如圖1，完成電子工藝實習、技術基礎課程、核心課程的課程設計和綜合項目實驗，并在工程應用中實施的能力。

2.2實踐教學體系建設

依據專業實踐課程體系，構建主要包括計算機基礎、電路基礎、信息與控制基礎、嵌入式技術、機器智能系統五大模塊開展不同學習階段層次化的實驗教學體系。主要包括基礎類、專業實訓類、綜合創新類。

1）基礎類實驗注重開設與課堂教學中基本理論相結合的精品實驗項目，并逐步提升基礎實驗課時的比例。從實踐中啟發引導學生牢固掌握基礎理論知識。除此之外，還要注重工作方法和學習方法的能力培養，如收集信息查找資料、制定工作計劃步驟、從基礎理論到解決實際問題的思路以及獨立學習新技術的方法和評估工作結果的方法。培養學生厚實的專業基礎知識和能力。

2）專業實訓類實驗主要以項目教學、案例教學、情景教學方式培養學生利用專業知識及方法獨立解決行業領域內的任務和問題并能夠評價結果的能力。如智能傳感應用項目，人工智能技術實驗項目，知識表示與推理項目，計算智能項目，專家系統，多智能體系統；機器人項目，如最小機電系統組成，如何完成對電機的控制；利用單軸或雙軸控制平臺實現基本搬運裝配作業。

3）綜合創新類實驗注重培養學生從理解問題域開始，獲取數據和知識、開發原型智能系統、開發完整智能系統、評估并修訂智能系統、到整合和維護智能系統六個階段構建智能系統。如開展人工智能技術在智能制造中的應用包括產品設計加工、智能生產調度、智能工藝規劃、智能機器人、智能測量等；直角坐標機器人實現碼垛搬運、多關節串聯機器人、弧焊機器人實訓等。

4）科技競賽、與企業協同創新，通過觀察記錄待智能化升級的工廠生產過程，發現定義問題、提出假設、搜集證據檢驗假設、發表結果、建構理論等實驗過程設計的能力。培養學生掌握基本創新的方法，團隊協作管理能力、表達溝通能力等。如嵌入式設計大賽、機器人大賽等科技競賽；以及針對自動化生產線的嵌入式工業控制系統設計；針對原材料制造企業的集散控制、制造絳屑成應用；針對裝備制造企業的敏捷制造、虛擬制造應用；工業機器人在汽車、電子電氣、機械加工、船舶制造、食品加工、紡織制造、輕工家電、醫藥制造等行業的應用。

2實驗教學保障

智能科學與技術實驗平臺建設以人工智能與機器人實驗室建設為核心，結合目前學院嵌入式系統實驗室、自動控制實驗室、傳感器技術實驗室、通信原理實驗室資源，儀器設備共享共建的原則，系統化籌備購置。人工智能機器人實驗室主要針對智能系統設計開發和機器人應用，基于計算機系統的人工智能技術學習應用包括人工智能技術在智能制造應用和工業機器人仿真軟件ABB Robot Studio。基于“探索者”機器人系統控制實訓箱Rino-MRZ02（包含履帶機器人、雙輪自平衡機器人、5自由度機械臂、6自由度機械臂等）

可以開展的項目有：利用啟發式算法、遺傳算法、蟻群算法等模糊數學理論對工業產品設計進行性能模擬、運動分析、功能仿真與評價；利用人工神經網絡自學習、自組織構造產品加工過程新能參數預測模型。利用模式識別、機器學習、專家系統、多智能體系統進行感知、并對環境的改變進行解讀、動作進行規劃和決策；利用專家系統、遺傳算法、模糊邏輯集中式解決生產調度多目標性、不確定性和高度復雜性的問題，尋求最優規則，提高調度的速度；利用蟻群算法、遺傳算法分布式多智能體系統進行問題分解、彼此協商、任務指派、解決沖突。

履帶機器人可開展電機控制實驗；運動控制實驗；HD軌跡控制實驗；無線通信實驗。雙輪自平衡機器人呢可開展自平衡模塊實驗；倒立擺算法實驗；雙輪載具運動實驗。6自由度雙足機器人可開展雙足運動控制實驗；步態規劃實驗；雙足平衡實驗；機構改裝實驗。5自由度機械臂可開展機械臂運動控制實驗；顏色分揀實驗。可擴展為8自由度雙足機器人、輪腿式機器人等技能提高類課程設計。

通過ABB公司的機器人仿真軟件RobotStudio進行工業機器人的基本操作、功能設置、二次開發、在線監控與編程、方案設計和驗證的學習。

篇7

制造云大數據

眾所周知，人類社會正面臨著一場新的技術革命和新的產業變革。那么我們認為互聯網+人工智能的時代正在到來。怎么解讀人工智能？首先，網絡是一個泛在的互聯網，包括魍車幕チ網和互聯網+人工智能，其核心技術是七類技術深度融合，包括新互聯網技術、新一代信息技術、新人工智能技術、新能源技術、新材料技術、新生物技術以及新應用領域專業技術?；ヂ摼W時代特征總結為泛在互聯、數據驅動，共享服務，跨界融合，自主智慧和萬眾創新。

當然，制造業作為國民經濟、國計民生和國家安全的重要基石，正面臨全球新技術革命和產業變革的挑戰，特別是新一代信息通信技術，核心就是要發展智能制造技術產業和應用。對我國來說面臨的五大挑戰是：第一要從技術跟隨到創新以及到超越，第二要從傳統制造向數字化、網絡化、智能化轉變，第三從粗放型制造向質量效益性轉變，第四從資源消耗到綠色制造轉型，最后要由生產型制造到生產+服務型制造轉變。

其核心問題就是要貫徹創新協調綠色開放共享發展理念，要走中國特色的工業化道路，以創新發展為主題，以制造業提高質量增加效益為中心，特別強化兩化融合，而且要推進智能制造主攻方向。

云制造的概念首先是基于泛在網絡，其次是借助新興大制造技術、信息通信技術、智能科學技術及制造應用領域四類技術深度融合。數字化、網絡化、智能化作為技術手段，構成一個以用戶為中心的統一經營的智慧硬軟資源和能力的服務云。這實際上就是人、機、物互聯服務，或者是現在提出的工業互聯網的概念。

用戶通過智慧終端和智慧云制造服務平臺能隨時隨地按照需要獲取智慧制造的資源和能力，要對整個全系統全生命周期產業鏈里面的人機物信息技術自主的智慧的感知，互聯協同分析認知和決策控制與執行，促進制造全系統及全生命周期活動中的人組織、經營管理、技術設備三要素及信息流、物流、資金流、知識流、服務流集成優化，形成一種基于法在網絡、用戶為中心、人機物信息融合。

智慧云模式是什么，手段是什么，業態是什么，特征是什么，實施內容是什么，以及目標是什么都值得探討。

我們把它叫智慧，因為強調三種深度融合：人物與環境信息深度融合，數字化、網絡化智能化的深度融合，工業化和信息化的深度融合。同時，很重要的基于大數據的并行、協同、實時、互聯、智能的進行創新。根據這樣一個理念所構成的系統，我們把它叫做智慧云制造系統或者簡單說智慧制造云。概念模型包含幾大部分內容，一是制造資源的能力和資源，這里面包括軟的、硬的，包括能力和智能互聯產品；二是制造云池；三是制造全生命周期的智慧云。其核心支持就是智慧云制造的平臺。

綜上，智慧制造云是一種互聯網+人工智能時代的模式手段。制造模式是以用戶為中心的互聯服務協同個性柔性社會化智能制造產品以及服務用戶的模式，它的手段就是四類技術深度融合的數字化網絡化作為技術手段，構成一個智慧化的人機物環境信息互聯系統，體現數字化、物聯化、虛擬化、協同化、定制化、柔性化和社會化的產品。

那么智慧制造云、工業云里面的大數據實際上是全系統全生命周期里面的三要素、五個流里不斷產生的四個大數據，包含制造全生命周期里面的各種數據，有企業經營管理的數據，有技術產品設備的數據。有結構化、半結構化和非結構化數據，有靜態數據、動態數據和實時數據。

智慧制造云大數據的特點，除了四個云以外，和大量、高速、多樣、價值以外，還加上了多元符合模態、數據類型異構等。其作用簡單來說能精準高效智能地用到全生命周期的活動，促進云制造的智慧化，目標實現產業研制、管理服務效率質量成本能耗，實現產品加服務為主導的隨時隨地的按需個性化指導。

目前，大數據在感知基礎上，有六類大數據關鍵技術，關鍵技術在制造云里有新的需求。首先大數據的集成與清洗，就是把不同來源、格式、特點性質的數據及數據源在邏輯上或物理上有機地接入平臺并進行新審查和教研，得到干凈、一致的數據。第二技術就是大數據存儲和管理，采用云存儲和分布式存儲技術及高吞吐量數據庫技術與非結構化數據訪問技術，實現運輸集中的數據經濟、高效、高可靠、容錯的管理與服務。第三大數據分析挖掘，從這些海量的隨機的數據中要找出有價值的東西，比如說現在分布式計算引擎，數據分析機器學習等，對我們制造云要以應用目標為導向，導出相應算法軟件。同時需要建立云制造應用系統定量分析的人工智能分析模型，數據不是直接用的，是通過模型來的?？梢暬?，各種各樣數據可視化而且能應用，比如多維數據分析，虛擬現實等，對目前綜合處理顯示多維數據以及交互需求是非常重要的。其次是大數據的標準和質量，對智慧云多類型標準需求不限，而且交易和交互要作為一個導向。最后就是安全，全生命周期里面要安全，像隱私保護、數據水印以及區塊鏈技術等。

大數據的云化

第三個問題就是大數據云化。直接把大數據遷入模型軟件，第二是直接提供DAAS，第三個就是風險，最后一個就是大數據的可視化，基于大數據可視化技術實現智慧制造云里面的風險和顯示。

云里面大數據怎么用也值得探討。第一類是航天產品電纜數據化設計，也就是說把電纜有關的經驗數據和綜合分析性能數據收集過來，放到電纜數據工程里面，實現了電纜數據化生產的一體化，產生效果后有60%以上研制時間開展產品質量提升。第二類是醫藥，利用現在制造云里面官方電子病例、醫療等信息系統提取海量臨床數據，挖掘藥物效用及治療方法，從而為醫藥研發提供參考。第三類是航天制造和生產比如博世、力士樂等智能生產。第四類就是維修，比如C919健康管理，需要實時檢測大數據中心。根據上面的情況，智慧制造云在大數據當中是很重要的。

最后提點建議。首先當然是大數據已經成為智慧制造云建設和運行的重要資源，如果沒有大數據、沒有云、沒有人工智能，那最后肯定是做不到智慧化制造。而研究實踐需要從技術、應用、產業三方面來協調，進行各個層次的技術創新和人才培養。

從技術應用和產業方面，概括性地提幾點想法：第一，從技術上要做到重視大數據、信息通信技術、人工智能技術、系統工程技術與制造領域等多種技術的深度融合。要搞大數據，必須要做到這幾個技術的深度融合，這是我們的一個觀點。第二，離不開云，因此要對面向用戶大數據的云服務技術進行研究。第三，要重視基于大數據制造全生命周期里面的新模式、流程、手段的研究。最后，要進行符合共享經濟商業模式的技術研究，當然還有安全和相應標準的制定與評估。

從應用角度來看，要“四個突出”。第一要以突出制造特色和行業特點來開展；第二要突出問題導向，問題在哪，競爭力缺點就在哪；第三要突出大數據驅動的智慧云制造管理運行模式、手段和業態的變革；第四要突出三要素與五流的綜合集成化、優化和智慧化。

篇8

關鍵詞：中醫藥 知識工程 知識庫 知識獲取 知識發現

分類號：TP182

引用格式：于彤. 中醫藥知識工程的理論體系構建和關鍵技術分析[J/OL]. 知識管理論壇， 2016， 1（5）： 336-343[引用日期]. http：///p/1/56/.

1 引言

中醫藥是中華民族的文化瑰寶，無論作為文化遺產還是作為醫學資源，都理應得到保護和傳承。對中醫藥理論知識與實踐經驗的總結、詮釋與研究，是中醫藥傳承的一項核心任務。知識工程（knowledge engineering）為中醫藥知識的組織、存儲、處理和利用提供了必要的理論、方法和工具，在中醫藥領域具有廣闊的應用前景[1-2]。

知識工程是隨著信息革命而出現的一種新興的知識管理和知識創造手段。知識工程源于人工智能領域，其最初的目標是構建基于知識的系統（或稱專家系統）[1，3]。為了構建基于知識的系統，需要獲取足夠的專業知識，并將這些知識表示為計算機可以理解的形式，以支持自動推理和問題求解[3]。因此，知識獲取、知識表示以及知識運用成為知識工程領域研究的主要問題。隨著知識工程在知識管理中應用的不斷深入，知識工程的研究范疇從知識庫和專家系統，擴展到自由文本、半結構性數據和多媒體內容的處理。時至今日，知識工程已發展為涉及知識表示與推理[4]、語義網[5-6]和數據挖掘[7]等多個技術領域的交叉學科，在電子科學、電子商務和電子政務等許多領域得到了廣泛的應用。

知識工程在中醫藥領域的應用起源于20世紀70年代。當代著名中醫學家關幼波與計算機專家合作，于1979年研制了首個實用的中醫專家系統DD中醫關幼波診療肝病的計算機系統，它在臨床應用中取得良好效果[8]。此后，全國興起了一股中醫專家系統研發與應用的熱潮[9]，知識工程作為專家系統的支撐技術也得到了中醫界的重視。近30年來，中醫藥工作者采用知識工程方法對中醫藥領域的知識遺產進行廣泛采集和永久保存，建成了大量的知識資源和智能系統，為中醫藥知識創新提供了有力的支持[10]。為此，本文對中醫藥知識工程進行系統總結和綜合論述，分析存在的問題和發展趨勢，為相關領域學者和知識工程師提供參考。

2 中醫藥知識工程的概念

中醫藥知識工程是指將中醫藥知識整合存入計算機系統，以使計算機能夠利用這些知識來解決中醫藥領域復雜問題的工程學科[1-2]。旨在實現中醫藥知識的“計算機化”，并將計算機技術融入中醫藥知識的收集、挖掘、整理、更新、傳播及轉化等環節，從而豐富和完善中醫藥知識體系，提升中醫信息系統的智能水平。之所以稱之為一項“工程”，是因為這項工作涉及系統性的方法、大規模的協作、嚴密的流程以及復雜的產品（本體、知識庫、專家系統等），這些都是系統工程的顯著特征。

中醫藥知識來自中醫專家的頭腦，以及書籍、論文、病案等各種專業資料。為使中醫藥知識“計算機化”，需要從各種知識源中廣泛獲取知識，將知識進行編碼并錄入計算機系統；還要按照一定的結構和方案對知識進行組織和存儲；最終實現專家系統、知識發現等各種計算機應用。中醫藥知識工程的關鍵環節，包括中醫藥知識表示方法的研究、中醫藥領域知識的獲取、中醫藥知識庫系統的構建、中醫藥知識發現研究以及中醫藥智能系統（如臨床決策支持系統）的研發等。

中醫藥知識工程是中醫藥與信息科學（包括人工智能）相結合的產物，是多學科交叉的研究領域。它也是中醫藥知識管理的一項關鍵支撐技術，有助于實現中醫藥知識管理與服務模式的創新。

3 中醫藥知識工程的意義

中醫藥知識工程有利于開拓臨床思路，支持臨床決策，研究中醫理論，豐富教學內容，指導實驗研究，促進中醫藥知識傳承與創新[1-2]。具體而言，中醫藥知識工程可在以下三大方面發揮積極作用。

3.1 梳理知識體系，保護知識遺產

中醫藥知識遺產具有很高的科學和文化價值，但其知識體系尚存在模糊籠統之處。只有對中醫藥知識遺產進行系統梳理，去蕪存菁，才能凸顯中醫藥知識的精華之處。使用語義網絡、描述邏輯等知識表示方法，能夠精確描述中醫思維邏輯，建立數字化的中醫藥知識體系，這對中醫藥學科發展具有十分重要的意義。

3.2 促進知識傳承，加速人才培養

中醫傳承的核心問題是如何將中醫名家的個人經驗轉化成普遍的知識，從而培養更多經驗豐富的名醫，提升中醫界的整體水平。中醫藥知識工程旨在系統總結前人經驗，將歷代醫家的智慧結晶轉化為全面、系統的領域知識庫，研發中醫輔助學習系統，以提升初學者的學習效率，促M專業醫師之間的交流，從而突破中醫傳承的瓶頸。

3.3 發現新知識，促進學科發展

通過實施中醫藥知識工程，可對中醫藥信息化過程中積累的海量數據進行分析與挖掘，建立跨越年代、流派、學說和病證的整體性知識模型，從而加深我們對中醫辨證論治規律的認識，使中醫藥領域兩千多年來積累的知識遺產得到有效整理和挖掘。

4 中醫藥知識工程的理論體系構建

中醫藥知識工程研究的核心任務是利用信息科學的理論和方法，對中醫藥知識體系的全部內容進行系統梳理和準確表達?？梢哉f，中醫藥知識工程所研究和處理的核心對象就是中醫藥知識體系。兩千多年以前的《黃帝內經》奠定了中醫學的理論基礎；經過兩千年的發展，至今已經形成了一個以中國古代哲學為基礎，以中醫藥學理論為架構，以臨床實踐經驗為主體的知識體系[2]。

中醫藥知識體系有其自身特點和復雜性，對知識工程技術產生了獨特的需求。中醫特色的思想方法、含義模糊的中醫概念以及中醫專家的隱性知識都對知識表達、知識獲取和知識利用產生重大影響和制約。因此，面向西醫等其他領域的知識工程方法并不完全適用于中醫藥領域。中醫藥知識工程領域迫切需要一套符合自身特點的理論和方法，從而有效處理中醫藥知識的模糊性和復雜性，支持標準化知識體系的建設。因此，有必要對中醫藥知識工程的理論思想進行深入研究和系統總結，從而指導中醫藥知識的建模、獲取、組織、存儲、共享與服務等一系列工程實踐活動。建立中醫藥知識工程的理論體系是一項繁重、長期的工作。本文主要圍繞思維模擬、知識表示、知識獲取、知識發現等4個主要方面，對中醫藥知識工程的理論思想、研究熱點以及核心概念意涵進行簡要論述，為今后的理論研究工作提供參考。

4.1 中醫思維模擬研究

中醫思維模擬是指在對中醫思維進行深入分析的基礎上，用計算機系統對中醫的思維過程進行模擬，從而完成計算機輔助診療等復雜任務。中醫深受中華傳統哲學和文化的影響，產生了獨特的思想方法和思維模式，包括“天人合一”“取象比類”以及“辨證論治”等等。中醫藥知識體系是中醫思S的直接產物。開展中醫藥知識工程研究，首先需要深入理解中醫的核心思維模式。

中醫思維是一個復雜的思維過程，具有形象性、模糊性和整體性等特點，需要針對這些特點提出創新性的思維模擬方法。例如，“取象比類”是貫穿中醫知識體系的思維模式，與中醫其他的思想方法共同構成了中醫“象思維”。在中醫藥知識工程領域，需要追溯中醫“象思維”的思想源流，并采用認知語言學等學科方法對其進行分析，據此提出與之相適應的計算機模擬方法[11]。又如，中醫辨證思維是一個涉及分析、綜合、推理、歸類、鑒別的復雜思維過程，需要將中醫辨證理論與實際的病案結合起來進行分析，總結中醫辨證思維的規律，從而建立合理、準確的中醫辨證計算模型[12]。思維模擬研究在中醫臨床診療等領域具有潛在的應用價值。但首先需要在臨床實踐中對計算機建立的中醫思維模型加以檢驗，以驗證其準確性和實用性。

4.2 中醫藥知識表示研究

知識表示（knowledge representation）是指通過某種方案、數據格式或語言，將領域知識表達為計算機可直接處理的數據。知識表示處于知識工程的中心地位，它既是知識獲取的基礎，又是知識存儲和運用的前提。為實現基于知識的系統，必須將領域知識表示為某種計算機可處理的形式，并錄入到計算機系統中去，存儲于知識庫之中。知識表示的合理性直接決定知識處理的效率，對知識獲取和應用的效果也有很大的影響。

廣義上，知識表示的目標就是實現人類知識的顯性化、機讀化和結構化，從而支持自動推理，知識檢索和知識發現等應用。知識表示方法有很多種，包括狀態空間、謂詞邏輯、框架、產生式、語義網絡、與或圖、Petri網等。這些方法適用于表示不同類型的知識，從而被用于各種不同的應用領域。如何選取或提出合理的知識表示方法，用最恰當的形式來表示中醫證候、中藥、針灸、溫病、養生等各方面的知識，是中醫藥知識表示研究的重點問題。

目前，知識工程領域的一種主流觀點是將建立一個知識系統的過程視為一種“建模”活動。知識建模（knowledge modeling）是指采用某種計算機方法構建一個“知識模型”，它在特定領域中能像專家那樣解決問題。其本質是通過模型來表示知識，因此屬于一種形式化的知識表示方法。近年來，采用本體等技術建立知識模型，已成為中醫藥知識分析的一種常用手段，也是中醫藥知識表示研究的一個主要方向[13-14]。

4.3 中醫藥知識獲取研究

知識獲取（knowledge acquisition）是指從專門的知識源中全面、系統地獲取知識，并將其轉換為某種計算機可處理的形式（如程序、規則、本體等）[15-16]。這里的知識源可以是人類專家，也可以是案例、教科書、論文、數據庫、網站等知識載體。一般情況下，知識獲取需要由“知識工程師（knowledge engineer）”與領域專家配合，共同來完成工作。知識工程師的任務是幫助領域專家激活隱性知識，完成知識的轉換，建立基于知識的系統。

知識工程的一個典型場景是：一組知識工程師找到并訪問特定領域的專家，聽取專家的介紹，記錄專家的經驗性知識并將其表達為計算機可處理的形式，存入知識庫中。將知識庫與推理引擎結合起來，也就構成了一個新的專家系統。知識獲取也必然涉及知識驗證的問題：知識工程師需要對知識進行評審和驗證，以確保知識的準確性。

知識獲取是任何知識管理和知識工程的基礎性工作。在中醫藥領域，知名老中醫的經驗和古籍文獻占有重要地位，是知識獲取的重點對象。一方面，知名老中醫知識和經驗的獲取，是中醫藥知識獲取的重要環節。它屬于專家認知獲取的范疇，也就是將專家頭腦中隱含的知識轉換為某種形式的顯性知識的過程。另一方面，中醫藥領域產生了海量的古籍文獻。古籍數字化對于中醫藥信息的快捷傳播和永久保存具有重要意義。如何從數字化的古籍文本中有效提取中醫藥知識，則是知識工程所關注的問題。無論是通過專家訪談等方法獲取領域專家的經驗和實踐方法，還是查閱大量文獻搜集領域知識，都是復雜的、繁瑣的工作，且多數情況下只能通過人工方法完成。因此，知識獲取是中醫藥知識工程領域中面臨的關鍵瓶頸[16]。如何突破“知識獲取”瓶頸，也就成為知識工程研究的一個熱點問題。

4.4 中醫藥知識運用研究

知識運用是指將領域知識庫以及機器推理、知識發現等技術運用于科研、臨床、教學等領域，輔助中醫藥工作者解決復雜問題并提升工作效率。知識工程在中醫藥領域的具體應用包括：四診客觀化研究、中醫辨證規范化研究、方劑量效關系分析、中藥新藥發現、中醫臨床診療、中醫教學等等。為使知識工程的成果產生社會效益和經濟效益，促進中醫藥知識創新和學科發展，必須研究如何運用知識的問題。知識工程學不能逐一研究具體應用的過程或方法，而是研究在各種應用中都可能用到的共性方法，包括知識推理、知識搜索、知識發現、知識服務等。

傳統上知識運用研究的一個中心問題是如何構建專家系y。中醫專家系統是指用計算機人工智能技術來模擬著名老中醫診療病人的臨床經驗，從而使該軟件具有專家診治病人的水平[8]。如前文所述，隨著“中醫關幼波診療肝病的計算機系統”的出現，全國興起了一股研發中醫專家系統的熱潮。據陸志平等[9] 估計，中醫專家系統已不下300個，并遍及中醫的內、外、婦、兒、五官以及針灸等各科。專家系統能對中醫四診信息進行處理和解釋，并產生臨床推薦意見和臨床警示，可用于輔助職業醫師進行臨床決策。該系統的構建涉及知識獲取、機器學習、知識推理、知識搜索等多方面的理論和方法學研究。

自20世紀90年代開始，隨著數據庫技術的普及以及數據庫內容的不斷積累，使業務人員產生了從數據庫中挖掘知識的愿望。為此，學者們將數據庫技術與人工智能、統計學、機器學習等傳統技術相互融合，產生了知識發現這一交叉學科[17]。知識發現（knowledge discovery in database，KDD），可被理解為“數據庫中的知識發現”。近年來，中醫團體探索將各種KDD方法應用于中醫藥領域。KDD被用于研究方劑配伍規律[18]，輔助中醫開具中藥處方[19]，解釋中醫證候的本質[20-21]，以及輔助基于中醫藥的新藥研發[22]，都取得了良好的效果。KDD作為中醫藥知識分析和科研創新的一種新方法，也成為中醫藥知識運用研究的一個熱點。

5 中醫藥知識工程的關鍵技術分析

中醫藥知識工程將本體（ontology）、文本挖掘（text mining）、語義網（semantic Web）等多種信息技術與中醫藥領域知識相結合，以促進中醫藥知識的創造、管理和運用。在下文中，圍繞知識建模、知識獲取、知識存儲、知識發現等4個主要方面，對中醫藥知識工程中涉及的關鍵技術進行具體分析。

5.1 中醫藥知識建模技術

知識建模是將領域知識表達為計算機可處理模型（即知識模型）的過程，它是知識工程的基礎。中醫藥知識體系與中華傳統文化息息相關，具有鮮明的文化和語言特色，這決定了中醫藥知識建模的獨特性。歷代中醫普遍采用“取向比類”等形象思維方法，中醫藥概念之間的關系錯綜復雜，中醫文獻中包含大量古漢語成分，這些因素導致中醫藥知識難于精確描述和定量刻畫。需要對知識建模的方法和技術進行創新，并研究出一套符合中醫藥特點的知識建?？蚣?，以支持中醫藥知識工程的實施以及知識服務平臺的建設。

知識建模技術有很多種，技術人員所熟知的統一建模語言（UML）和實體關系模型（ER模型）都屬于知識模型。本體是1990年代出現的知識建模方法，其核心任務是對領域概念體系進行系統梳理和準確表 達[13]。本體在復雜知識建模和自動推理等方面體現出技術優勢，因此在生物醫學領域逐漸成為主流技術。

近年來，中醫藥知識工程的一個熱點是通過構建中醫藥領域本體，對中醫藥理論和知識體系進行辨認、梳理、澄清和永久保真處理。中醫團體已經開展了基于本體的中醫藥知識建模方法研究，并實際構建了一系列領域本體[14] 。例如，中國中醫科學院中醫藥信息研究所研制了“中醫藥學語言系統（Traditional Chinese Medicine Language System，TCMLS）”這一大型中醫藥領域本體[23] 。TCMLS對中醫藥領域的概念和術語系統進行了完整的表達，在中醫藥學研究中得到廣泛應用。此外，本體建模的對象還包括陰陽、五行、臟腑、證候、中藥、方劑等諸多領域。這些本體最終可被整合為一個完整的中醫藥領域本體，支持知識獲取、知識發現、知識服務等中醫藥知識工程的后續工作。實踐表明，本體可有效捕捉中醫藥領域的概念體系，并以概念為核心將中醫藥知識體系準確地表達出來，能夠勝任中醫藥領域知識建模的任務。

5.2 中醫藥知識獲取技術

如上文所述，中醫藥知識獲取是一項復雜的工作，被公認為知識處理過程中的一個瓶頸，嚴重限制了知識工程和知識系統的發展。近年來，學者們主要試圖通過“集體智能”和“機器智能”這兩條路徑來突破中醫藥領域的知識獲取瓶頸。

“集體智能”是指組織大量領域專家一起編輯知識庫，從而實現專家知識的共享與融合。實現集體智慧的關鍵在于建立合理的交流、協作和激勵機制。隨著互聯網的迅速推廣，中醫界開始利用互聯網技術建立各種面向中醫藥領域的知識工程平臺，進行跨學科、跨組織、跨地域的協作式知識加工，開展了一系列大規模的知識工程項目，建成了一系列術語系統、領域本體、文獻庫、數據庫和知識庫。例如，中國中醫科學院中醫藥信息研究所建立了基于互聯網的“中醫藥虛擬研究院”，部署了一個協同知識工程平臺，支持全國40余家機構，近300人進行協同工作[24-25]。在該系統的直接支持下，研制了“中醫藥學語言系統”[23]等一系列大型知識系統。實踐表明，基于互聯網的虛擬環境能將不同機構、不同地區的研究人員組織起來，有效解決資金分散、缺乏協調、研發能力不足等問題，實現知識工程的規?；痆25]。

“機器智能”是指研發文本挖掘技術，使機器能夠直接從文獻等知識載體中提取結構性知識。文本挖掘在中醫藥領域已得到成功應用，能夠顯著提升知識庫加工的效率[26]。但與生物醫學領域的大量研究工作[27]相比，文本挖掘在中醫藥領域的應用仍處于早期探索階段。需要針對中醫藥文獻的特點，進一步研發實用的挖掘方法，提升挖掘結果的完整性和準確性，從而深度挖掘中醫藥文獻中蘊含的知識。

5.3 中醫藥知識存儲技術

知識存儲（knowledge storage）特指在計算機系統中安全、可靠、有序地存儲知識資源，以支持知識管理和知識工程應用。知識庫是實現知識存儲的重要支撐工具，也是知識工程的重中之重。知識庫一般是針對特定領域以及問題求解而建立的，對領域知識進行全面收集和系統整理，進而對知識進行組織、分類和保存，以支持知識檢索和查詢。

構建中醫知識庫系統，是指用人工智能技術把中醫藥理論和專家的經驗按規范化、標準化的格式組建成知識庫[8]。知識庫一般具有形式化、結構化、易查詢、易操作等特點，能支持機器推理。傳統上知識庫主要是指采用謂詞邏輯、框架等知識表示方法，在計算機系統中表示和存儲的知識集合。但在中醫藥信息化實踐中，人們也把文獻庫、數據庫、本體等多種形式的知識載體統稱為“知識庫”。它們都能起到知識存儲的作用，與自然語言處理、機器學習等方法相結合后仍可支持智能應用，因此稱之為廣義的知識庫也不為過。

近年來，中醫藥知識庫建設得到迅猛發展，在中醫人體、中醫疾病、中醫證候、中醫醫案、中藥、中醫養生等方面都出現了知識庫系統[28]。中醫藥知識庫在中醫藥信息化中扮演著核心的角色，在文獻整理、知識可視化、知識共享、臨床診療、教學、研究等諸多方面取得實際應用，為中醫藥知識遺產的數字化保存和深度挖掘提供了創新性的手段。

5.4 中醫藥知識發現技術

知識發現是從數據中獲取有效、新穎、有潛在應用價值和最終可理解模式的非平凡過程[17]。知識發現是人工智能、數據庫、統計學、機器學習等多種技術相互交叉產物。知識發現在20世紀90年代提出之后，獲得了廣泛關注和迅速發展，產生了高頻集、關聯分析、分類、預測、聚類、孤立點分析、時序/序列分析等一系列行之有效的方法，還出現了Weka、Rapidminer等較為成熟的開源軟件。這為知識發現技術在中醫藥領域的應用創造了條件。

中醫在數千年的臨床實踐與理論研究中積累了海量的數據、文獻和知識。如何利用這些寶貴資源就成了發展中醫藥必須面對的一個問題。而KDD所擅長的正是從海量的數據中尋找有意義的模式和知識，是分析中醫藥海量數據所需的理想技術手段。近年來，中醫團體已開展了將頻繁模式發現、關聯規則發現、聚類分析、復雜網絡分析等多種KDD方法引入中醫藥領域的若干探索。例如，使用關聯規則發現等方法對方劑數據進行分析，來揭示方劑配伍規律[18]；通過知識發現方法輔助中醫開具中藥處方[19]以及中藥新藥研發[22]；通過基于隱結構模型的機器學習方法來揭示中醫證候的本質[21]；使用文本挖掘方法從海量文獻中挖掘新穎知識，構建并分析中醫藥復雜網絡[20]。這些工作表明，面對中醫藥領域的海量數據，采用KDD技術進行有效的知識發現既是必要的，也是可行的[29]。

過20多年的發展，中醫藥知識發現的方法和技術已進入相對成熟期，針對中醫藥領域的各種問題都產生了一系列行之有效的方法。但成熟并不意味著完善，面對中醫藥數據描述多樣化、數據仍不完備的特點，仍然需要對現有的KDD技術進行改進和發展，以滿足中醫藥科學研究和知識創新的需要。

6 中醫藥知識工程的發展趨勢

近年來，中醫藥知識工程實踐取得長足發展，成功建立了大量的知識資源。但中醫藥知識資源往往服務于特定的醫療和研究機構，彼此之間異質、異構，難以實現集成與共享，形成嚴重的“知識孤島”現象，成為長期困擾中醫藥知識工程領域的技術難題。中醫藥與西醫等相關領域的知識資源也難以實現有效的關聯，阻礙了跨學科研究的開展。

為此，學者們[6，30]提出使用語義網作為中醫藥數據表示標準，實現中醫藥內部的知識整合以及中西醫領域的知識互聯，從根本上解決“知識孤島”問題。2001年，萬維網發明人（T.B. Lee）在《科學美國人》上正式提出了語義網的構想，認為它將是一個機器可以理解的開放性信息空間[5]。語義網技術的核心優勢在于將數據結構和存儲方式各異的數據轉換為統一格式并重新，從而實現數據資源的交換與集成。語義網為實現跨領域知識關聯提供了理想的技術平臺，有助于構建面向特定領域的大規模知識圖譜，進而實現各領域知識圖譜的關聯與融合。語義網最終將發展為一個全球性的知識圖譜，提供全面、智能的知識檢索服務，促進知識共享和人機協作。

可基于語義網技術建立中醫藥知識圖譜，從而實現中醫疾病、中藥、方劑、針灸、醫案等中醫藥各門類知識資源的集成[30-31]。TCMLS作為一個包含10余萬個中醫概念以及100余萬個語義關系的大型語義網絡，為構建中醫藥知識圖譜提供了相對完整的框架。鑒于此，于彤等[31]提出以中醫藥學語言系統為骨架，將中醫藥領域現有的術語資源和數據庫資源融合起來，構成大規模知識圖譜，并實現基于知識圖譜的知識檢索、知識展示和知識服務等功能。在未來，可進一步擴充中醫藥知識圖譜，通過語義關系表達中醫和西醫之間的結合點，從而實現這兩個領域的知識圖譜的關聯和融合。這套方法將使中醫藥知識資源接入全球互聯的知識圖譜之中，支持各種面向結合醫學的知識共享、決策支持和知識發現應用，在中西醫結合醫學中發揮更大的作用和影響力。

6 小結

中醫藥根植于中華文化，源于中國傳統哲學，是中華民族非常寶貴的知識遺產。中醫藥知識工程成為中醫藥知識遺產保護和知識創造的一種新模式，能有效推動群體性的知識創新活動，加速知識轉化過程，促進知識的傳播。

中醫藥經過數千年的發展，形成了一座偉大的知識寶庫，這決定了中醫藥知識工程的巨大價值和艱巨性。中醫藥領域知識體系相當復雜，對知識工程技術提出了獨特的需求。在中醫藥領域實施知識工程是一項極其復雜且具有挑戰性的工作，其中還有很多尚未解決的科學問題和技術難題，需要進行長期的研究。展望未來，中醫藥知識工程必將成為中醫藥信息學學科體系的重要組成部分，也將在中醫藥科學研究和臨床實踐中發揮越來越重要的作用。

參考文獻：

[1] 任廷革， 劉曉峰， 李慶業， 等. 從復方分析模型的研究看中醫知識工程的意義[J]. 中國中醫藥信息雜志， 1999， 6（3）： 12-13.

[2] 楊斌. 中醫知識工程的建立及其意義[J]. 世界科學技術――中醫藥現代化， 2000， 2（4）： 28-30.

[3] Schreiber G， AKKERMANS H， Anjewierden A， et al. Knowledge engineering and management： the CommonKADS methodology [M]. 1st ed. Cambridge， MA： The MIT Press， 2000.

[4] Brachman R， Levesque H. Knowledge representation and reasoning [M].San Francisco：Morgan Kaufmann Publishers Inc.， 2004.

[5] Berners-Lee T， HENDLER J， Lassila O. The semantic Web [J]. Scientific American， 2001， 284（5）： 28-37.

[6] 于彤， 崔蒙， 李敬華. 語義Web在中醫藥領域的應用研究綜述[J]. 世界中醫藥， 2013， 8（1）： 107-109.

[7] Fayyad U， PIATETSKY-Shapiro G， Smyth P. From data mining to knowledge discovery in databases[J]. AI magazine， 1996， 17（3）： 37-54.

[8] 馬斌榮. 中醫專家系統與中醫知識庫[M]. 北京： 北京出版社， 1997.

[9] 陸志平， 李媛媛， 魏方方， 等. 人工智能、專家系統與中醫專家系統[J]. 醫學信息， 2004， 17（8）： 458-459.

[10] 孫燕. 中醫知識工程研究進展分析[M]. 中國中醫藥信息雜志， 2010， 17（12）： 5-6.

[11] 于彤， 陳華鈞， 顧攏 等. 中醫象思維的OWL語義建模[J]. 中國數字醫學， 2013， 8（4）： 29-33.

[12] 于彤， 崔蒙， 吳朝暉， 等. 基于語義Web的中醫臨床知識建模[J]. 中國數字醫學， 2013， 8（11）：81-85.

[13] Gruber T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition， 1993， 5（2）： 199-220.

[14] 李兵， 裘儉， 張華敏， 等. 中醫藥領域本體研究概述[J]. 中國中醫藥信息雜志， 2010， 17（3）：100-101，106.

[15] 路耀華. 思維模擬與知識工程[M]. 北京： 清華大學出版社， 1997.

[16] 陳瑜. 試論中醫藥領域的知識獲取[J]. 醫學信息學雜志， 2013， 34（3）： 89-92.

[17] FAN J， LI D. An overview of data mining and knowledge discovery[J]. Journal of computer science and technology， 1998， 13（4）： 348-368.

[18] 李文林， 段金廒， 趙國平，等. 方劑配伍規律數據挖掘的研究現狀及思考[J]. 中國中醫藥信息雜志， 2008， 15（10）：92-94.

[19] QIAO S， TANG C， JIN H， et al. KISTCM： knowledge discovery system for traditional Chinese medicine[J]. Applied intelligence， 2010， 32（3）：346-363.

[20] ZHOU X， LIU B， WU Z， et al. Integrative mining of traditional Chinese medicine literature and MEDLINE for functional gene networks [J]. Artificial intelligence in medicine， 2007， 41（2）：87-104.

[21] ZHANG N， YUAN S， CHEN T， et al. Latent tree models and diagnosis in traditional Chinese medicine[J]. Artificial intelligence in medicine， 2008， 42（3）：229-245.

[22] 雷蕾， 慧敏， 崔蒙， 等. 中醫藥化學輔助研發系統的建設[J]. 中國中醫藥信息雜志， 2008， 15（8）： 100-101.

[23] 于彤， 賈李蓉， 劉靜， 等. 中醫藥學語言系統研究綜述[J]. 中國中醫藥圖書情報雜志， 2015， 39（6）： 56-60.

[24] 崔蒙， 謝琪， 尹愛寧， 等. 中醫藥信息數字化虛擬研究院建設模式研究[J]. 上海中醫藥大學學報， 2008， 23（3）：5-8.

[25] 尹愛寧， 崔蒙， 范為宇， 等. 中醫藥虛擬研究院[J]. 國際中醫中藥雜志， 2006， 28（3）： 141-143.

[26] ZHOU X， PENG Y， LIU B. Text mining for traditional Chinese medical knowledge discovery： a survey[J]. Journal of biomedical informatics， 2010， 43（4）： 650-660.

[27] Rebholzschuhmann D， OELLRICH A， Hoehndorf R. Text-mining solutions for biomedical research： enabling integrative biology[J]. Nature reviews genetics， 2012， 13（12）： 829-39.

[28] 于彤， 釧叮 李敬華. 中醫藥知識庫系統研究進展綜述[J]. 中國醫學創新， 2014， 11（18）： 142-144.

[29] 吳朝暉， 封毅. 數據庫中知識發現在中醫藥領域的若干探索（Ⅰ）[J]. 中國中醫藥信息雜志， 2005， 12（10）： 93-95.

[30] CHEUNG K， CHEN H. Semantic Web for data harmonization in Chinese medicine [J]. Chinese Medicine， 2010， 5（1）：1-5.

[31] 于彤， 劉靜， 賈李蓉， 等. 大型中醫藥知識圖譜構建研究[J]. 中國數字醫學， 2015， 10（3）： 80-82.

Knowledge Engineering for Traditional Chinese Medicine： A Review of Theoretical System and Key Technologies

Yu Tong

Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences，

Beijing 100700

篇9

關鍵詞:動物模型;專家系統

中圖分類號:R2-03 文獻標識碼:A 文章編號:1673-7717(2010)01-0083-02

Study on the Expert System of Animal Model with Traditional

Chinese Medicine Symptoms Evaluation

CHEN Lei,LI Haiquan

(Liaoning University of Traditional Chinese Medicine,Shenyang 110847,Liaoning,China)

Abstract:Through the study found that the expert system of animal model with traditional Chinese medicine symptoms evaluation is different from TCM clinical expert system.And mentioned multiple funcitons and the key techniques of the animal mode with traditional Chinese medicine symptoms evaluation expert system,then prospected and discussed its development.

Key words:Animal model;Expert System

專家系統便是具有如同人類專家一般,能對特定領域的問題做判斷,解釋及認知的一組電腦程序。但由于此特定領域可大可小,且對“認知”的定義亦有不同解釋,故可有小如某些所謂“汽車辨識專家系統”,只能依照汽車外型等幾項特征辨識十種車。亦有大如某些實驗階段的超大型醫學專家系統,可依據12萬個不同的醫學表征分辨8千個疾病。盡管專家系統的定義未明確,但基本上,當此系統所能處理的問題其復雜性及對專業知識的需求相近或高于人類專家,且其表現亦相近或超過人類專家時,便可稱之為專家系統。

1 中醫臨床專家系統的研究情況

中醫臨床專家系統,是模擬中醫領域專家的“整體觀念、辨證論治”的思維、推理方法,并作出診斷的智能計算機程序。1979年研制成功的“中醫關幼波診療肝病的計算機程序”。它模擬了中醫關幼波教授治療肝病的臨床經驗,是一個實用的和具有辨證、治則、立法、方藥、醫囑和計價等多種功能的專家系統。該系統使用了模糊數學、模糊綜合分析、加權求和閾值運算及浮動閾值等數學模型和模糊推理技術。而后利用模糊數學和人工智能網絡理論我國相繼研制出“劉渡舟教授診療心病的專家系統”、“董建華教授診療胃痛、脅痛的專家系統”等中醫專家診療系統[1]。

2 中醫證候動物模型癥狀評價專家系統與中醫臨床診療專家系統的差別

中醫證候動物模型癥狀評價專家系統與中醫臨床診療專家系統都是應用中醫基本理論進行中醫診斷的過程,因此二者在原理、知識表達、數學模型應用、程序設計等方面有很強的一致性。但二者又有以下兩點明顯的區別。

2.1 應用對象不同

中醫證候動物模型癥狀評價專家系統是用于對中醫證候動物模型進行診斷,而中醫臨床診療專家系統是對臨床患者進行診斷。診斷對象不同決定了二者在知識獲取途徑及知識庫建設方面有所差別。

在知識獲取方面,中醫臨床診療專家系統應該總結、歸納中醫專家的臨床經驗、學術觀點及與該專家領域知識相關聯的中醫理論知識,而中醫證候動物模型癥狀評價專家系統則應該總結、歸納中醫動物實驗專家的動物實驗的實踐知識及相關的中醫理論知識。

在知識庫建設方面,中醫證候動物模型癥狀評價專家系統面向的對象是中醫證候動物模型。根據動物實驗的實驗條件標準化等特點,動物模型的飼養條件(居住條件、飲食、飲水、勞倦程度等)具有一致性,這就大大簡化了診斷因素知識庫的內容和復雜程度。因此中醫證候動物模型癥狀評價專家系統比中醫臨床診療專家系統在知識庫建設方面更簡單易行。

2.2 應用價值不同

由于中醫臨床診療專家系統面向的對象是臨床患者,盡管中醫關幼波診療肝病的計算機程序處方符合率已經達到97.7%,但臨床診療是關系患者生命安全的大事,目前還沒有將中醫臨床診療專家系統廣泛地應用于臨床,更多的是處于實驗階段。從目前來看一般實際臨床中往往應用中醫臨床診療專家系統進行會診或起經驗積累、學習、輔助治療的作用?；谌斯ぶ悄艿膶＜以\療系統并不十分完善,離真正的臨床應用還有一段距離,隨著人工智能、神經網絡的進一步發展,中醫臨床診療專家系統還需進一步的完善和發展。

相比之下,中醫證候動物模型癥狀評價專家系統則實用價值更大,因為此系統主要是應用中動物實驗中,且與原有中醫證候動物模型癥狀評價方法相法有很大進步,一旦通過鑒定即可廣泛推廣使用。

3 中醫證候動物模型癥狀評價專家系統應實現的功能

中醫證候動物模型癥狀評價專家系統首先應具有的基本功能是數據處理,應用模糊數學公式進行模式識別即推理機的功能,即本實驗所研制的中醫證候動物模型癥狀評價程序的功能。其次中醫證候動物模型癥狀評價專家系統應有人工智能,即知識學習、自適應、自組織等高水平專家系統的功能。其技術路線可通過圖1表示。

具體應實現以下幾方面功能。

3.1 建設有中醫證候動物實驗專家水平的知識庫

首先應建立中醫證候動物模型的診斷標準,最好是國家級的標準,而這個標準正是中醫證候動物模型專家知識與經驗的積累。知識表達具有清晰性,表示模式簡單有效,便于對中醫證候動物模型進行評價推理和對知識庫的搜索。

3.2 應具有知識獲取能力

知識獲取能力包括對中醫證候動物模型癥狀較好的采集(通過數據和觀察兩種方法),知識錄入的良好的人機界面以及高性能的知識編輯器。

3.3 應具有知識推理能力

中醫證候動物模型評價專家系統的求解策略和推理思維應與動物實驗中具體推理思維過程盡可能一致。其推理策略主要是尋找最佳的模糊識別方式,建立最佳的數學模型進行動物模型評價。

3.4 應具有咨詢 解釋能力

要求中醫證候動物模型評價專家系統運用知識表示模式所表示的知識的過程易于被人們接受,即知識操作的過程能被計算機跟蹤和表達,并可以在屏幕上顯示出來。

3.5 應具有一定的人工智能功能

這也是專家系統研制過程中最有難度和最有價值的功能。只有實現了自學習、自適應、自組織的人工智能功能,專家系統才能最大程度的模型專家進行科學評價,同時根據動物實驗的實際情況智能地對數學模型、參數進行修改,使其日趨完善。

4 中醫證候動物模型癥狀評價專家系統的關鍵技術環節

4.1 四診癥狀收集與數據轉化

中醫通過望、聞、問、切四診收集癥狀進行診斷,中醫證候動物模型的診斷也不例外,在望診上觀察方法與臨床一致,只是在具體表現和語言描述上需結合動物的特點。中醫聞診包括嗅覺和聽覺。在證候動物模型的診斷中由于動物實驗條件標準化的特點聞診一般可不用。隨著研究的深入和生物學、計算機技術的發展也可考慮應用生物膜換能器進行此方面的研究。在問診方面臨床中如飲食、二便等問診內容在動物實驗中可通過觀察、測量等方法直接收集到,且信息的準確度高于臨床。實驗動物舌診可通過觀察進行[2],也可通過掃描電鏡觀察[3],還可以應用高精度彩色全息照相技術進行研究。脈診可通過測脈搏,如脾陰虛的數脈,也可通過壓力傳感器采集的脈象圖等方法。四診癥狀收集工作需要不斷探索并依賴于其它相關學科技術的進一步發展?？梢园阉脑\和運用現代技術手段收集到的信息分為兩類,一類是通過觀察得到的癥狀,通過語言來描述其程度的不同。一類則通過儀器測得,通過數據來描述。

4.2 隸屬函數選擇與權重值 截集λ值的設定

中醫證候動物模型癥狀評價中有一類評價指標如體重變化值、肛溫變化值是以數值的形式表示,就要求建立合理的隸屬函數。因此隸屬函數及系數應在實驗過程中不段調整以達到最佳。權重值也應隨著實驗樣本數的增大進行調整使其更為合理。λ值本身就是一個動態值因此又稱浮動閥值。但在動物實驗中可根據實際情況相對穩定。以上幾個因素的初始值確立應主要根據實驗觀察結果在中醫理論指導下確立。初始值確立后一方面隨實驗樣本數的增大進行調整,比如通過訓練迭代法。另外可通過專家系統自身的自學習功能進行調整。

4.3 人工智能的實現

人工神經網絡[1]是模擬人腦功能建立的,采用分布式記憶存儲法和大規模并行處理方式,并且具有自組織、自學習和自適應能力,適合處理連續的、模擬的、模糊的和隨機的信號。而B―P神經網絡是多層誤差回傳網絡,是目前在生物控制、文字處理、語音理解與合成、圖像模式識別及問題分類診斷中廣泛應用的技術。是利用大量已知樣本來訓練網絡各層之間(輸入層、輸出層及隱含層)的連接權,通過自學得出最佳的模式分類器。

5 討 論

專家系統是一個綜合性很強的邊緣學科。在醫學專家系統的研制過程中,必需有醫學領域的專家、計算機程序設計專家等多學科人員參加,才能研制出高水平的專家系統。一個專家系統也是一個計算機程序,因此它同傳統程序的程序設計和實現方面有許多共同的特征,也需要經過對相應的領域知識的分析、總體模塊設計、編寫程序、調試、維護和完善等階段,在各個階段也會用到與開發傳統程序相同的一些技術和手段。但是,專家系統是一個智能計算機程序,它在知識獲取、知識推理等方面又與傳統程序有明顯的不同。中醫證候動物模型評價專家系統實質是將模糊數學、神經網絡、計算機科學結合起來,又可稱為人工智能網絡、模糊控制等,這方面的工作還有待于進一步的探索。

參考文獻

[1] 馬斌榮.中醫專家系統與中醫知識庫―中醫領域計算機軟件的開發與應用[M].北京:北京出版社,1997:8.

篇10

[關鍵詞]科技突破；智能機器人

中圖分類號：TP242 文獻標識碼：A 文章編號：1009-914X（2017）16-0098-01

前言

電源《她》就是這樣一部探討人和科技建立起親密關系主題的電影。這部電影引起了科技界的熱議。電影里的男主角西奧多在人生最失意和孤獨的時候，愛上了他的電腦和手機智能操作系統OS1。這個虛擬系統化身一個有著自我學習能力的聰明女性，名叫薩曼莎。她就像蘋果手機里的Siri，可以和西奧多聊天并為他處理各種郵件、日程安排。逐漸地，西奧多發現自己愛上了薩曼莎，因為她是如此的幽默風趣，兩人的情感交流自然親密。她又會不會在生活中存在呢。

1 智能系統代替人

科技本著解決人類難題的使命創造出了這樣聰明的智能系統，以滿足孤獨者的情感寄托需求。但世界真的會因為一個無所不能的智能系統就充滿幸福嗎？而是她其實僅僅是由一串代碼制造出來的虛擬服務。而這并不符合人類在付出真實感情時所期待的回報。不要把你的生活難題統統拋給科技來解決。這個信號并不僅僅存在于電影中。更重要的是，即使記憶消失，也并不意味人類就能遠離曾經犯下的錯誤。一般人以為一切都能回到過去時，但是發現現實不像她想象中美好，因為這個以前的人不可能帶來那種真實的不可捉摸的變化。這些所刻畫的技術都是因解決人類的痛苦而誕生，無論是幫助需求者逃避問題還是創造一個不會制造問題的智能人。可過于依賴技術的結果就是它太容易讓我們在表面上擺脫困難，卻失去了痛苦反思時的成長。

2 現在的智能系統

阿爾法圍棋（AlphaGo）是一款圍棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴維?西爾弗、艾佳?黃和戴密斯?哈薩比斯與他們的團隊開發，這個程序利用“價值網絡”去計算局面，用“策略網絡”去選擇下子。

阿爾法圍棋（AlphaGo）的主要工作原理是“深度學習”?！吧疃葘W習”是指多層的人工神經網絡和訓練它的方法。一層神經網絡會把大量矩陣數字作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈接一起，形成神經網絡“大腦”進行精準復雜的處理，就像人們識別物體標注圖片一樣。經過過濾，13 個完全連接的神經網絡層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。這些網絡通過反復訓練來檢查結果，再去校對調整參數，去讓下次執行更好。

僅僅是外觀出挑并不能令PowerEgg成為一款“黑科技產品”，其獨有“super easy control”易用操控功能是重點加分項。這款體感遙控器為無人機小白用戶，甚至女性和兒童，大開方便之門。包括紅外+可見光一體掛載的四旋翼無人機、可在海拔6000米工作的無人直升機、可連續飛行12小時的固定翼無人機等。臻迪旗下設有多個海內外研發機構，研發范圍涉及無人機編隊算法及服務、消費級智能機器人等領域

Atlas機器人由美國波士頓動力公司為主開發，和由美國國防部國防高等研究計劃署（DARPA）的資助和監督，專為各種搜索及拯救任務而設計，Atlas是世界上最精密的機器人之一，借助于四肢和身軀的傳感器維持身體平衡，再加上頭部的激光雷達和立體視覺傳感器幫助導航和避障，Atlas已經能夠適應戶外和室內的環境。它不僅被設計能夠行走、取物，并且能夠在戶外穿越嚴酷地形，使用手腳攀爬。在人工智能的幫助下，Atlas能夠第一時間作出反應：爬起來、撿起來等動作。

百度無人駕駛車包括高精度地圖、定位、感知、智能決策與控制四大模塊。

百度自主采集和制作的高精度地圖記錄完整的三維道路信息，能在厘米級精度實現車輛定位。同時，百度無人駕駛車依托國際領先的交通場景物體識別技術和環境感知技術，實現高精度車輛探測識別、跟蹤、距離和速度估計、路面分割、車道線檢測。

Oculus Rift是一款為電子游戲設計的頭戴式顯示器。它將虛擬現實接入游戲中，使得玩家們能夠身臨其境，對游戲的沉浸感大幅提升。已經很可能改變將來的游戲方式，讓科幻大片中描述的美好前景距離我們又近了一步。雖然最初是為游戲打造，但是Oculus已經決心將Rift應用到更為廣泛的領域，包括觀光、電影、醫藥、建筑、空間探索以及戰場上。Oculus Rift這款設備很可能改變未來人們游戲的方式。 Oculus Rift具有兩個目鏡，每個目鏡的分辨率為 640×800，雙眼的視覺合并之后擁有 1280×800 的分辨率。并且具有陀螺儀控制的視角是這款游戲產品一大特色，這樣一來，體驗的沉浸感大幅提升。

3 結論

中國智能市場有規模最大、影響最廣、專業性最強的品牌展會，回歸現實卻發現一個不爭的事實，科技創新20年未迎大變革。產品做足科技感。我們不缺市場，缺的是人才。機器人等其他領域是個跨學科行業，包括機械工程、人工智能等，中國機器人產業要發展，要加強相關人才培養，另一方面緊盯核心零部件研發和生產，在基礎研究、工藝等方面多下功夫。

參考文獻

[1] 王遐.隨車起重機行業掃描[J].工程機械與維修，2006（3）：68-71

[2] 王金諾，于蘭峰.起重運輸機金屬結構[M].北京：中國鐵道出版社，2002

[3] 盧章平，張艷.不同有限元分析網格的轉化[J].機械設計與研究，2009（6）：10-14

[4] 朱秀娟.有限元分析網格劃分的關鍵技巧[J].機械工程與自動化，2009（1）：185-18