人类社会经历了由机器引领的机械化、电能引领的电器化自动化、计算引领的信息化网络化、如今有望进入由人工智能（AI）引领的第四次科技革命—人工智能化。
关于作者
1. 1977年以来，从事科学仪器与测试技术在农业、生物技术、检验检疫和环境检测中应用研究，近十多年致力于食品和农产品安全保障体系与检测技术研究。
2. 曾主持并完成二项部重课题，获部级科技二等奖。
3. 主要著作：《仪器与农业》,《机械工程手册》第十卷第七篇副主编、撰写了《农用仪器》。
4. 主要论文：“温室中的自动控制技术”、“生物工程中的仪器设备”、“近红外光谱分析仪及其在我国的应用”、“农业测试分析” 、“农业样品分析”、“现代科学仪器与分析科学在农业现代化中的作用与展望”、“食品安全保障体系建设与分析测试技术”、“农产品、食品安全检测方法与仪器”、“我国科学仪器技术差距、产业状况和加速提升产业化水平的建议”、“食品安全保障体系中对科学仪器和测试技术的需求”、“加强食品毒理学研究和风险性評估，建立完善的标准体系和食品安全保障鏈”、“食品安全快速筛检技术”、“食品质量安全保障与检测体系建设”等五十余篇。
5. 曾被聘为"农业部世行货款项目”、“发改委吉林世行贷款项目”、“日本无偿援助项目”、“全国无规定动物疫病区建設项目”、“科技部科学仪器研发专项”、“全国农产品质量安全检验检测体系建设”等项目专家顾问组组长或成员，以及若干企业收购事宜的技术顾问。
6. 曾担任中国仪器仪表学会常务理事、农业仪器应用技术分会常务副理事长、中国分析测试协会专家、中国仪器仪表学会分析仪器分会顾问。现为农业仪器应用技术分会和检验检疫仪器应用技术分会名誉副理事长、分析仪器分会顾问，“现代科学仪器”副主编，科技部、农业部、发改委、工信部、质检总局咨询专家。享受囯务院颁发的政府特殊津贴。
每当议及科学仪器与测试分析时，总使我想起王大珩院士生前对科学仪器精辟的定义：“科学仪器是认识世界和改造世界的工具”。
测试分析方法和仪器设备是同胞兄弟。在十五届中国科学仪器发展年会（ACCSI2021）盛开之际，也使我深感年会的内涵也在不断扩展，如今已成为科学仪器与检测这两个紧密关联的分支学科和行业的盛会，令人欣慰。
人类社会经历了由机器引领的机械化、电能引领的电器化自动化、计算引领的信息化网络化、如今有望进入由人工智能（AI）引领的第四次科技革命—人工智能化。
60多年来，AI虽经一波三折，但当前已迎来其发展史上涌猛的浪潮，可说是无孔不入，世界各国，都把占领AI技术制高点列为国策，如日本2017年发布《人工智能技术战略》、欧盟2018年出台《欧盟人工智能战略》、美国2019年启动“美国人工智能倡议”、韩国2019年公布“人工智能国家战略”等。而且近年来，又有许多惊人的进展和事件，我国也不例外，起步于1978年，经过持续多年的研发布局，特别是2017年颁布《新一代人工智能发展规划》以来，人工智能已上升为国家战略，习近平总书记对此做过多次非常明确的指示【1、4、5、12、13、22】。
目前，我国人工智能进入快速发展的新阶段，并在多个领域取得重要成果，部分领域关键核心技术实现突破，已具有全球影响力。随着智能经济全面深入发展，国家发改委、科技部等相关部委组织科教研究单位和百度等互联网媒体等，进行研究并发布了《中国智能经济的发展和产业变革》报告，该报告认为，展望我国"十四五"和2035年的发展蓝图，以人工智能为代表的智能技术体系将更加广泛而深入的融入到经济社会发展的各个领域，智能技术赋能的新产业、新业态、新模式、新机制将构成"智能经济"方阵，并成为推动经济增长和社会发展的重要驱动力【7】。
但对于科学仪器和检验检测这个在整个科技和产业发展中绝对不可缺少的学科与产业而言，因其体量较小，AI技术在我国科学仪器设备和测试技术中的融合与赋能实际上并不显着，因此，本人有几点困惑，恳请决策部门、专家、学者、企业家和从业者予以关注：
1.1、智能与人工智能（AI）
AI是一项综合性、复杂性、渗透性、融合性都很强的科技，据分析，AI技术已赋能于世界上230多个产业，而且它更是一项不断地完善、尚难预卜其终极的新科技。如今国内许多产业、产品都冠以“智能”二字，这是否妥当？虽然对于智能科技和人工智能的区别有许多不同观点，但大多人认为前者内容较为广泛，涵盖了目前己有的和能够看到的研究内容，而人工智能是一类已有严格定义的工程科学，有着具体的要求，而且可说无止境的……【34】。
人工智能科技有公认的、严格的定义：人工智能是利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。或更简要地说：AI是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学【1、2】。
目前我国在产业和产品上冠以智能两字，我认为是广义的、通俗的、口语化的、甚至于商业性的，且多在赚钱快的产业开花结果，如：智能支付、智能商业、智能娱乐、智能居家、智能交通、智能医疗、智能教育、智能城市、智能识别、智能翻译等，实属泛冠“智能”二字，如此对于科普是有益的，但对于严肃的科技和产业、产品报导，不宜泛用“智能”二字，如成为一种倾向，就有些欠妥了！
据最新发布的多份我国人工智能白皮书显示，我国AI科技高端基础理论研究进步很快，但仍处在美、英、德、加、法、日等之后。在应用方面可说与美国并列，但工业机器人、广泛领域的智能机器人，以及AI高端软件、传感器、芯片、高端AI医疗设备和高端科学仪器设备仍依赖于进口【1、4、12、17、20、21】。
1.2 行业内的人不太懂AI，AI专业的人士不懂行业
AI技术的要素通常被概括为：大数据、算法、算力。华为能从土耳其的一位学者的一篇论文，经数学、物理、化学家剖析，延伸出5G标准、技术、工艺及产品（相关阅读：11年前一位土耳其人的论文，点醒了华为任正非，从此奠定了5G技术标准），可见我国还是有一批精通AI技术的人才的。但我国科学仪器与分析测试学科和行业，既缺乏精通分析检测、仪器设备又精通AI科技的通才，也缺乏精通AI科技的专才，通俗的说法：行业内的人不太懂AI，AI专业的人士不懂行业。这与我国高等教育体制中、专业分工过细，数理化生等基础学科教育不深等缺陷有关。据悉，欧美加大学本科就开设逻辑学、概率论、计算机语言、编程等基础课程，如今中小学都有编程教育入门等科普教育，据环保部齐文启教授说：他在日本留学时，就必须选修逻辑学和计算机编程等科目。我国如今也在大学、甚至中小学开设有关逻辑学和编程教育的中高级和启蒙教育，这是很好的开端。本次年会上、设有相关的论坛，但愿此内容不断地充实、提高！
1.3 缺乏“孵化器”
说到测试分析与科学仪器设备，即方法与工具，近几年我在收集和梳理人工智能在分析化学和科学仪器中的应用时有诸多困惑。
早在上世纪末，甚至于更早，国内陆婉珍院士、俞汝勤院士和严衍禄教授等一大批学者都发表过许多倡导在分析化学中应用化学计量学的论述和运用物理、化学、数学与信息科学等等多种技术手段，破解近红外光谱分析技术的难题，其中就有部分应当归属当今人工智能的各种具体技能，并在专业刊物上设专题，定期评论，探讨在光谱、特别是近红外、荧光、色谱、质谱及色质或其它联用分析中的应用。直到前年，在人工智能微型传感器的研讨会上俞院士还明确提出：分析化学应进入第四范式。我理解为人工智能应深度赋能于分析化学。
据我搜索，从上世纪末到如今，仅在百度文库中就有数百篇直接标明：AI在分析测试技术/某种具体任务上应用的论文。但是我国缺乏“创客”、“极客”和名符其实的“孵化器”，没有进一步对论文和专刊于以验证、筛选、完善,将这些含有AI关键技术要素的分析测试新方法融合、赋能于我国检测标准和国产的科学仪器设备中【42】。
1.4 诺奖与仪器
我国科学仪器与测试学科和产业，应该向国外学习什么！也应回頋与反思。
记得本世纪初在多个论坛和刊物上，如《现代科学仪器》等，都发表过题目不一，但基调雷同的文稿，都是从历数、诺贝尔奖获得者之中，有60余位是与各种科学仪器和分析检测方法的创立有关，从而延伸和拔高，并使读者误解这些人士是因科学仪器和测试技术创新而得诺贝尔奖的。
但其实上述获奖者，都是为了实验、验证、揭开物理、化生、生物甚至与数学等相关自然现象，相应地、必然地、要想出实验和检验的新方法、新仪器、新设备的构想、机理，并由其他专业人员，甚至自己动手改造、搭配、模式化、组合而完成的，最终以其创新的主题授奖，当然是属于一级学科的奖项。具有科学上的开创性发明，非常可贵，事后必有人接着将新发明和发现应用于实际，开拓出新的应用技术、新产品、新产业。另外，也必然启发有心人，将诺奖者所用过的技术思路、实验和检验的方法，将所用的雏型仪器设备,不断完善，推出新方法和新的仪器设备。结上所叙，我深感我们的思维方法和思路等方面真该革新了！
人工智能化实验室将是AI技术逐步地赋能于不同类型、目的、水平、层次的实验室，是不断完善的过程。要达到人工智能机器人（系统），像人类甚至于超过专家学者，更完美的实现超过人类、在智能化实验中进行构想、策划，并由人工智能系统实施实验、分析、验证等，直至揭开自然界的一个个新窗口。这可能属于“未来学派”对未来科学研究实验室的设想，也是对承担各种目的、任务的人工智能化实验室的最终构想吧！
2.1、盘点实验室智能化的进程
我感到：当今研讨实验室智能化是从泛智能的概念起步的，包括早先经历了自动化、数字化、继之乘信息化、网络化之东风，再在当今人工智能热潮中逐步渗透、融合部分“人工智能关键技术”，先逐步实现不同目的、不同类型、不同层次的泛智能化实验室，最终将呈现出不须工作人员参与的人工智能化实验室。前面所说的泛智能化实验室，已经走过前程，后续的正在充实和完善，人工智能、无人实验室己有雏形，以下将分为三段共同研讨。【42、16、19、25、33、36、37、38、39、40】
2.1.1 早年对实验室自动化的实践
当今己经普遍使用的和已更为完善的有关实验室一自动化和智能化技术还是令人欣慰的，较突出的如：
1) 可编程，进而可自检、自校正的自动进样器和样品前处理工作站;
2) 实验室管理系统LIMS系统是将以数据库为核心的信息化技术与实验室管理需求相结合的信息化管理工具，结合网络化技术，将实验室的业务流程和一切资源以及行政管理等以合理方式进行管理，通过LIMS系统，配合分析数据的自动采集和分析，大大提高了实验室的检测效率,降低了实验室运行成本并且体现了快速溯源和痕迹，使传统实验室手工作业中存在的各种弊端得以顺利解决；
3) 更为显着的是各种谱仪和各种联用仪中，应用了各种控制和分析的专家系统，开始是出现在进口的分析仪器和实验室设备中，接着国产仪器设备也逐步跟进，现已很普遍了。【42】
2.1.2 当今实验室智能化的进展
本次论坛有多位专家学者发表当今的、具体的实验室智能化技术（相关阅读：20亿的市场你能占多少？——ACCSI2021实验室智能化论坛成功召开 ），在此我仅依据有关文献【15、16、19、25、33】谈谈我的一点观点。
仪器信息网对实验室人工智能化的追踪报道是相当及时和领先的，2019年5月29日就以“人工智能技术在仪器仪表中的发展与应用”的标题，报导和引述了北京东西分析仪器公司总经理李晓鹏先生提出的：“我感到人工智能的发展会对我们行业的发展产生巨大的变革，今后的仪器会是什么样子哪 是不是会是一个带有质谱，光谱，或者色谱能力的人工智能分析机器人哪 至少在今后的10年，常规检测机器人，替代人工是完全可能的。面对这样一个形势，我们的行业该如何应对哪 至少，我认为应该跳出国产仪器这个圈子考虑问题，甚至跳出仪器行业这个圈子，在科学技术发展的主流上去思考”。
几乎同时还以标题为：“人工智能在硅谷造了一个全自动实验室”报导了旧金山湾地区的初创生物技术公司Zymergen的实验室，乍看之下普普通通——实验室的桌子上整齐的放着试管，架子上是各种化学药品。然而环顾四周，你会发现，在这个实验室里工作的全是机器人，在这里你可以看到机器人伸出一个机械手，抓取一个上面有数百个小孔的塑料板，然后扫描了这个板上的条形码。下一步动作则是肉眼无法观察到的，机器人通过给予这个塑料板一个声波的冲击，使每个小孔都能溅出一滴小液珠，这个液滴迅速地被机械手获取，然后送往下一个仪器进行分析，这些实验完全是由一个人工智能程序设计的。尽管机器人在实验室中有了普遍的应用，但是，从提出假说、设计实验、到分析数据，这些还都是人类科学家的工作。对于 Zymergen 来说，他们的目标就是完全取代人类科学家们的作用，由人工智能程序完成这些工作。
仪器信息网于2019年10月24日以标题为：“人工智能让无人实验室或成可能——访岛津分析计测事业部市场部自动化市场专员王月”，报道了岛津最新的LC-40液相色谱，就是一款可以自主诊断、自动恢复并可以支持远程访问等功能的结合了人工智能思想的仪器。而新的EDX自动化系统，机械手可以自动判断下一个待测样品，并自动把样品放在合适的机位上，展示了岛津在自动化和人工智能方向上的探索。
仪器信息网于2020年9月17日以标题为：“来吧，展示新冠病毒高通量自动化检测解决方案，explorer G3系统帮您实现”。针对新冠病毒核酸检测和抗体检测，explorer G3全自动化整合系统，实际上依据两种检测方法，所需用的仪器设备，整合为两种系统，形成两种无人值守，高通量全流程自动化的解决方案。即：
a. 采用珀金埃尔默的chemagic 360高通量核酸提取仪进行病毒RNA提取，JANUS自动化移液工作站QPCR体系，通过整合RT-qPCR仪进行在线样品检测分析。
b. 整合JANUS® G3自动化液体处理工作站，并整合储板栈、整合洗板分液机、整合多标记检测分析仪（酶标仪）和随机存取输入的耗材摆放架。
仪器信息网于2020年9月24日以标题：未来实验室的“手”，盘点那些实验室中的机器人”，报道在科学仪器领域，有多家企业推出了不同功能的机器人， 前两个月登上Nature封面的利物浦大学机器人研究员，仅用八天时间就完成了人类需要数月才能完成的催化剂实验，这让我们似乎可以窥见未来实验室的样子——“无人、高效、智能”。此外，利物浦大学的研究人员还公开了实验室站点的设计资料和机器人工作代码，让其他实验室中“雇佣”机器人的研究员，成为可能的选备。
2.1.3 小结-当今实验室智能化可选择的三种路径和对未来人工智能化实验室的展望
综上所述，当今实验室智能化可选方案、路径大致有三种：
a、任务单一、所用仪器设备品种不多，且有相关仪器设备厂家，提供多种可选的整合系统方案，构建整合型的实验室智能化；
b、由实验室智能化机器人系统，代替工作人员，按智能化的测试方法、程序、流程，由机器人实现仪器设备运行，构成智能化实验室；
c、AI技术已融合、赋能于所用的仪器设备，由一个人工智能机器人系统，完全代替工作人员，甚至于代替研究人员、专家，构成和达到完全人工智能化实验室。
最終要达到人工智能机器人（系统），像人类甚至于超过专家学者，更完美的实现超过人类、在智能化实验中进行构想、策划，并由人工智能系统实施实验、分析、验证等，直至揭开自然界的一个个新窗口。这可能属于“未来学派”对未来科学研究实验室的设想，也是对承担各种目的、任务的人工智能化实验室的最终构想吧！
AI完全融合、赋能于分析测试和仪器设备，才能实现完善的人工智能化实验室。
3.1当今人工智能已引领世界走向第四次科技革命，AI赋能于分析测试和仪器设备是必然的、也是唯一的历史使命和结局。
上节小结中己概述，当今三种实现实验室智能化的路径，不论哪一种的基本条件都是：其分析测和所用的仪器设备中，都应具有名目繁多的AI关键技术中几项，否则再智能的机器人面对的都是“死的仪器设备、像一堆金属、塑料、木头”。目前，已有一些AI技术成功的赋能于分析测试与仪器设备的惊人先兆，例如：据仪器信息网报导，前两个月登上Nature封面的利物浦大学机器人研究员，仅用八天时间就完成了人类需要数月才能完成的催化剂实验，这让我们似乎可以窥见未来实验室的样子——“无人、高效、智能”。此外，利物浦大学的研究人员还公开了实验室站点的设计资料和机器人工作代码，供其他实验室中“雇佣”机器人研究员参考【25】。
更神奇的是有关报导：“颜宁等点评：AI精准预测蛋白质结构，结构生物学何去何从？【20】，人工智能算法有助于快速分析蛋白质折叠结构【36】，困扰人类50年的问题将被解决，AlphaFold带来上帝视角【37】，中国科大等利用人工智能预测蛋白质“光学指纹”【38】，祝贺！人工智能首次成功解析蛋白质结构【39】，人工智能算法有助于快速分析蛋白质折叠结构【40】。以上文献中众多著名学者专家指出：“谷歌旗下DeepMind公司的人工智能系统AlphaFold2在2018年的Alphafold基础上迭代创新，超常发挥，一枝独秀。11月30日，在蛋白质预测结构挑战赛CASP上，AlphaFold程序在百余支队伍中脱颖而出。将深度学习与张力控制算法结合，并应用于结构和遗传数据，该深度学习网络利用目前已知的17万种解析完毕的蛋白质进行了训练，是“划时代的进步，表明人工智能的建模和算法可代替甚至超过高精专的仪器设备和结构生物学实验”。12月1日，谷歌旗下的DeepMind公司宣布，其新一代AlphaFold人工智能系统在国际蛋白质结构预测竞赛（CASP）上击败了其余的参会选手，精确预测了蛋白质的三维结构，准确性可与冷冻电子显微镜（cryo-EM）、核磁共振或 X 射线晶体学等实验技术相媲美。长久以来，人们需要借助实验确定完整的蛋白质结构，这些方法往往需要数月甚至数年时间。而现在，人工智能也有能力给出精确预测的计算方法，可能只要几天甚至半个小时。
3.2、人工智能关键技术概要【2、7、29】
如上所述，只有逐步将AI关键技术，渗透、融合、赋能于各种仪器设备和测试实验技术，才能逐步构建出自动化、智能化实验室，创立各类、从承担不同任务的初级人工智能实验室，直至属于当今尚难确切设想的“未来学派”的实验室，即能破解自然、改造自然的人工智能机器人/系统。
所以，了解清楚人工智能科技中关键技术有哪些，才能结合自己从事的学科和行业，选择或甚至于与AI专家联合、挖掘、深化、延伸开发出AI关键技术中的细节。鉴于AI科技发展非常迅猛，学者对其中关键技术有不同的见解，有的学者专家归纳为六个，有的归纳为七个，并各有定义、内容细化和应用程序示例【2、3、29】。现主要依据其中属于高级科普性的表述，吸纳另两种表述中的相关内容，综合如下：（若有错误，系本文作者水平不高，恳请指正，共同研讨）
3.2.1 机器学习
机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能，是人工智能技术的核心,研究从观测数据出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式分为：监督学习、无监督学习和强化学习等。监督算法是指在根据自己的输入做出预测之前，会从输入和输出的结构化数据集来进行学习。无监督算法是指观察结构化数据，并对已识别的模式提供相关见解。
3.2.2知识图谱
本质上是结构化的语义知识库，通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。更通俗地说就是，对文本资料进行扫描，然后对图像文件进行分析处理，以获取文字及版面信息的技术。可分为5个阶段：1. 图像处理，针对图像的成像问题进行修正；2. 文字检测；3. 文字识别；4. 文本抽取；5. 输出。
3.2.3自然语言处理
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括：
1) 机器翻译：机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。
2) 语义理解：语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。
3) 问答系统：问答系统分为开放领域的对话系统和特定领域的问答系统。问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。
自然语言处理面临四大挑战：一是在词法、句法、语义、语用和语音等不同层面存在不确定性；二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性；三是数据资源的不充分使其难以覆盖复杂的语言现象；四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算。
3.2.4人机交互
人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，外围技术传统的人与计算机之间的信息交换主要依靠交互设备进行，人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。
3.2.5计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力，根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。未来计算机视觉技术的发展主要面临以下挑战：
一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度；
二是如何降低计算机视觉算法的开发时间和人力成本；
三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一
3.2.6生物特征识别
生物特征识别是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。
3.2.7 VR/AR虚拟现实/增强现实
VR/AR是以计算机为核心的新型视听技术结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备跟踪定位设备、触觉交互设备、数据获取设备、专用芯片等实现。
虚拟现实/增强现实,从技术特征角度，可以分为五个方面：
a、获取与建模技术研究,如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;
b、分析与利用技术,重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;
c、交换与分发技术,主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;
d、展示与交换技术重点研究,符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;
e、标准与评价体系,重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。
目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。
总体来说,虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势。
俗话说的：学以致用、有的放矢、探索前行、用中学和学中用，这些的确也是当今和未来分析测试与科学仪器设备的学界和业界面对人工智能科技新浪潮必备思维和行动。
鉴于人工智能科技是综合众多学科、飞速发展、惊奇夺发、终及莫测、是绝大体量的“大佛爷”，如今已赋能于230多个大领域、大行业，而科学仪器虽是认识和改造自然的工具，也涉及众多学科和行业，但其体量确实较小，所以值得同行业的朋友们深入探讨，现提出以下几点意见：
4.1、首先宜根据所构想的或标准中所确定的分析测试和所用仪器设备的流程各环节，择优、删繁取便地选用AI关键技术的具体技术框架，汇同AI专业人员具体制订实施方案、模式、算法等。
4.2、鉴于各领域的实验室的任务、性质、规模、原有基础等差异很大，所以要建设智能化的实验室，必须汇同分析测试专家、仪器设备供应厂家、AI专业人士、实验室设计和实施单位同共制订方案和细节。
4.3、鉴于仪器设备分门别类，每一类仪器又分许多专业化厂家，而分析检测机构千万家，所以建议各种仪器设备专业厂家和大型检测体系中，都应在原有人才配置的基础上吸纳或培养AI专业人才。原仪器设备和分析测试行业的人员极宜从AI扫盲开始，造就一些懂得AI科技的跨界人才。
4.4、所有分析测试和实验流程大致是：样品前处理、试剂准备、样品消解、提取、加样、仪器运行、数据分析、出成果。所以应在测试分析实验室全过程各环节上寻找出可融合AI技术中具体和宏观人工智能化的细节，这就需要AI专业人员掌握、了解具体的要求，並在大数据、算法、算力上下功夫了。
4.5、我发现国外许多著名科学仪器设备厂家的产品，都在逐步融入了AI技术，提升其产品性能、功能，而在其仪器设备名称上不冠有人工智能。另外，不少应用AI技术于分析测试技术的文献题目上，也很少冠用AI，只有在文献摘要中和仪器设备详细的说明书中才能露出踪迹，其实许多都在专利保护中，这也值得我们学习的。
4.6、国外有些仪器设备生产的大企业，不仅其仪器设备中融入AI技术，而且都考虑到用不同仪器设备，整合而成具有智能化的、用于不同测试任务的自动化、智能化检测系统，如珀金埃尔默的新冠病毒高通量自动化系统，这也值得我国借鉴。
4.7、我国不同时期、不同部门建了一大批不同任务的实验室，仪器设备新旧参差不齐，这类实验室不仅谈不上智能化，连一点自动化也谈不上，由业务水平低的工作人员操作，其检测结果是很难保证的，所以如能在旧仪器设备改造中融入一点AI技术，或成立具有掌握一些AI技术、从事仪器设备智能化改造和整合的企业是有潜在市场的。
4.8、由于我国当今AI专业顶级人才和专业人才都欠缺，而近几年成立的科技公司像雨后春笋，其中不少拥挤在相互抄袭、来钱快、冠有智能化的产业和行业，但门难进，也少有创新。我搜索了一些著名有关AI发展报告，国外不少AI专才和成果，出自于“码农”、程序员、SOHO小公司，所以我建议当前大学毕业生，只要专业与AI科技占边的，自谋成立面向仪器设备和测试分析行业的AI技术融合、赋能的SOHO公司是大有作为的。
主要参考文献彖
1、我国发展人工智能最大的压力竟是……瞭望智库
2、6大人工智能应用关键技术，终于有人讲明白了 达观数据
3、人工智能7大关键技术，终于有人讲明白了wuhancar
4、新华三人工智能发展白皮书：AI芯片“井喷”式发展
5、腾讯发布2020人工智能白皮书：泛在智能
6、人工智能赋能新时代--人工智能赋能的研究领域及实现技术
7、人工智能技术赋能新发展格局
8、人工智能将赋能哪些行业（三）
9、人工智能赋能的数据管理、分析与系统专刊前言
10、大咖面对面｜人工智能时代，我们应该思考的3个问题
11、智能仪器仪表技术前景与应用
12、清华大学：人工智能十年发展总结，中国进步神速，专利占全球七成
13、人工智能2020：落地挑战与应对
14、自动检测技术与人工智能
15、今后的仪器会是什么样子哪 仪器信息网
16、人工智能在硅谷造了一个全自动实验室 仪器信息网
17、这个堪比芯片的关键行业，二十年来不进反退，全中国没有一家能打的
18、低剂量光声成像研究获进展 《科学进展》
19、实验室自动化、智能化技术及应用 仪器信息网
20、颜宁等点评：AI精准预测蛋白质结构，结构生物学何去何从？
21、中国制造的隐痛：传感器之殇
22、美国发布重大科技趋势报告：未来30年，这20项技术将颠覆人类生活！
23、科学仪器智能化前景广阔 仪器信息网
24、海克斯康：从精密测量走向智能制造的广阔天地—— 专访海克斯康制造智能执行总裁（CEO）郝健先生2020年8月11日
25、未来实验室的“手”，盘点那些实验室中的机器人 仪器信息网
26、新冠病毒高通量自动化检测解决方案，explorer G3系统帮您实现-珀金埃尔默
27、Optoflash: 马波斯最新柔性测量方案
28、人工智能应用于检测设备市场潜力巨大——工博会系列之二
29、人工智能技术主要包含那些核心技术
30、小米雷军提议：“智能制造”引领仪器仪表行业未来发展方向 仪器信息网
31、深度学习人工智能在尿液有形成分分析中的应用和突破
32、第八届中国体外诊断产业发展大会完整版日程
33、人工智能让无人实验室或成可能——访岛津分析计测事业部市场部自动化市场专员王月 仪器信息网
34、智能科学与技术和人工智能的区别
35、人工智能技术在仪器仪表中的发展与应用
36、人工智能算法有助于快速分析蛋白质折叠结构
37、困扰人类50年的问题将被解决，AlphaFold带来上帝视角
38、中国科大等利用人工智能预测蛋白质“光学指纹”
39、祝贺！人工智能首次成功解析蛋白质结构
40、人工智能算法有助于快速分析蛋白质折叠结构
41、2019北京光谱年会——人工智能与光谱的结合
42、人工智能将融合、推动甚至颠覆科学仪器和分析测试技术是大势所趋 仪器信息网
批注：以下这篇文稿，取至于百度文库2016年12月31日，中国科学院化工冶金研究所李晓霞等建立的CHIN，原稿为75页PPt、为便于阅读，经复制和转变为WORD文本，该文从AI基本知识逐步深入和概括地介绍分析化学中的应用，同时还列出国内外科技文献和专利文献的搜索网址等，是属髙级科普，适于从事分析化学、测试检验、科学仪器设备等业内人士阅读，也可作为上述人员与AI专业人员构通的桥梁，鉴于AI技术和落地应用飞速发，该综述性的文稿犮布已是五年前了，故宜用新材料订正吧！
43、人工智能技术在分析化学中的应用
- END -
