机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度***网络)、CNN(卷积***网络)、RNN(循环***网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用***网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。

如何把控自动化设备在制造业的发展

在近几年来，智能制造及自动化设备高新产业获得***高度重视 ，实施了一系列激励政策措施 ，在政策支持下智能制造、自动化设备在未来飞速的发展 。智能制造、自动化设备是具备有感应、浅析、推论、策略和操控基本功能的智能制造及自动化设备的总称，它是智能制造技术、信息科技和智能技术在自动化设备产品上的集成化和融为一体，体现制造业的智能化、数字化和网络化的未来发展需求。智能制造及自动化设备的总体水平已变成现如今考量一个***工业化总体水平的关键标志。

为适用社会经济发展，国内制造业遭遇产业转型升级，在生产制造过程中实现生产制造机器设备、自动化设备，有利于减小人工成本的跟进及提升产值，是未来发展的大趋势，工业自动化能够广泛应用于工业、农业、军事、科学研究、交通运输、商业、、服务和家庭 等方面。采用工业自动化不仅能够把人从繁重的体力劳动、部分脑力劳动以及恶劣、***的工作环境中解放出来，而且还能扩展人的基本功能，极大地提高劳动生产率，增加人类认识世界和改建世界的能力。是符合国情并促进未来发展的智能制造及自动化设备发展方向 。

救援机器人价值凸显

众所周知，我国是一个灾害频发的***，不管是、化工、、火灾、交通等人为事故，还是、海啸、台风、洪水、干旱等自然灾害，频繁多发的各种灾害总在威胁着人们的生命与安全。基于此，为减少灾害带来的损失，除了平时要注意自然保护、遵循生产规范、提升安全意识外，灾后救援同样重要。

而传统的应急抢险救援方式，主要依赖人力。期间可能也会有相应装备辅助，但人工救援仍然是主流。这就导致，一方面由于灾后空间狭小、环境恶劣等问题，救援人员难以深入现场；另一方面，二次灾害随时有可能发生，处置稍有不当就可能给救援人员也带来严重安全危害。因此，传统救援方式也存在不少弊病。

那么，如何让刻不容缓的救援工作能得以快速实施，同时又不会产生那么多的问题和困难呢？这便给了机器人登场的机会。像工业和服务领域一样，救援领域也可以采用“机器换人”的方式，通过利用机器人参与到、火灾、、洪水等灾害救援场景之中，不仅能够提升救援效率，同时也能保障人员安全。