admin 一、五种身份识别技术？
五种主流身份认证技术解析
1、用户名/密码方式
用户名/密码是最简单也是最常用的身份认证方法，它是基于“what you know”的验证手段。每个用户的密码是由这个用户自己设定的，只有他自己才知道，因此只要能够正确输入密码，计算机就认为他就是这个用户。
然而实际上，由于许多用户为了防止忘记密码，经常会采用容易被他人猜到的有意义的字符串作为密码，这存在着许多安全隐患，极易造成密码泄露。即使能保证用户密码不被泄漏，由于密码是静态的数据，并且在验证过程中，需要在计算机内存中和网络中传输，而每次验证过程使用的验证信息都是相同的，很容易被驻留在计算机内存中的木马程序或网络中的监听设备截获。因此用户名/密码方式是一种极不安全的身份认证方式。
2、IC卡认证
IC卡是一种内置了集成电路的卡片，卡片中存有与用户身份相关的数据，可以认为是不可复制的硬件。IC卡由合法用户随身携带，登录时必须将IC卡插入专用的读卡器中读取其中的信息，以验证用户的身份。IC卡认证是基于“what you have”的手段，通过IC卡硬件的不可复制性来保证用户身份不会被仿冒。
然而由于每次从IC卡中读取的数据还是静态的，通过内存扫描或网络监听等技术还是很容易能截取到用户的身份验证信息。因此，静态验证的方式还是存在着根本的安全隐患。
3、动态口令
动态口令技术是一种让用户的密码按照时间或使用次数不断动态变化，每个密码只使用一次的技术。它采用一种称之为动态令牌的专用硬件，密码生成芯片运行专门的密码算法，根据当前时间或使用次数生成当前密码。用户使用时只需要将动态令牌上显示的当前密码输入客户端计算机，即可实现身份的确认。
由于每次使用的密码必须由动态令牌来产生，只有合法用户才持有该硬件，所以只要密码验证通过就可以认为该用户的身份是可靠的。而动态口令技术采用一次一密的方法，也有效地保证了用户身份的安全性。但是如果客户端硬件与服务器端程序的时间或次数不能保持良好的同步，就可能发生合法用户无法登录的问题，这使得用户的使用非常不方便。
4、生物特征认证
生物特征认证是指采用每个人独一无二的生物特征来验证用户身份的技术，常见的有指纹识别、虹膜识别等。从理论上说，生物特征认证是最可靠的身份认证方式，因为它直接使用人的物理特征来表示每一个人的数字身份，几乎不可能被仿冒。
不过，生物特征认证是基于生物特征识别技术的，受到现在的生物特征识别技术成熟度的影响，采用生物特征认证还具有较大的局限性：首先，生物特征识别的准确性和稳定性还有待提高;其次，由于研发投入较大而产量较小的原因，生物特征认证系统的成本非常高。
5、USB Key认证
基于USB Key的身份认证方式是一种方便、安全、经济的身份认证技术，它采用软硬件相结合、一次一密的强双因子认证模式，很好地解决了安全性与易用性之间的矛盾。
USB Key是一种USB接口的硬件设备，它内置单片机或智能卡芯片，可以存储用户的密钥或数字证书，利用USB Key内置的密码学算法实现对用户身份的认证。基于USB Key身份认证系统主要有两种应用模式：一是基于冲击/响应的认证模式;二是基于PKI体系的认证模式。
二、智能生物酶HICIBI具体是什么？
智能生物酶HICIBI符合国际CLRWHO标准 通过HICIBI智能生物酶的介入，完成脂肪自体消化的过程。 世界卫生组织WHO呼吁减少药物治疗，CLRWHO是利用非药物手段，通过HICIBI智能生物酶的介入，摆脱反弹，成功减少细胞内脂。 CLRWHO针对肥胖人群三个难点的解析
1、肥胖不只是饮食的原因，智能生物酶切断因摄入引起的肥胖。
2、干扰脂肪细胞记忆，控制反弹基因。
3、主动耗脂，独立完成脂肪自体消解过程。 世界卫生组织WHO重要事实： 1980年以来，世界肥胖症人数增长了近一倍。 2008年，20岁及以上的成年人中有超过14亿人超重。其中2亿多男性和近3亿女性为肥胖。 2008年，20岁及以上的成年人中有35%的人超重，11%的人肥胖。 65%的世界人口所居住的国家，死于超重和肥胖的人数大于死于体重不足的人数。 2011年，4000多万5岁以下儿童超重。 世界卫生组织WHO：什么是超重和肥胖? 超重和肥胖的定义是可损害健康的异常或过量脂肪累积。 身体质量指数(BMI)是体重/身高的简便指数，通常用于对成年进行超重和肥胖分类。其定义为按公斤计算的体重除以按米计算的身高的平方(kg/m2)。 世界卫生组织WHO的肥胖定义为： 身体质量指数等于或大于25时为超重。 身体质量指数等于或大于30时为肥胖。 身体质量指数因为对男女和各年龄的成人都一样，因而是最有用的人口水平超重和肥胖衡量标准。但是，由于它未必意味着不同个体的肥胖程度相同，因而应将其视为粗略的指导。 世界卫生组织WHO：有关超重和肥胖的事实 超重和肥胖是全球引起死亡的第六大风险。每年，至少有340万成人死于超重或肥胖。另外，44%的糖尿病负担、23%的缺血性心脏病负担以及7%至41%的某些癌症负担可归因于超重和肥胖。 随后是世卫组织2008年以来的全球估计情况。20岁及以上的成年人中有超过14亿人超重。?超重的成年人中，2亿多男性和近3亿女性为肥胖。总而言之，全球成人中10%以上为肥胖人口。2011年，4000多万5岁以下儿童超重。一度被视为高收入国家问题的超重和肥胖，如今在中低收入国家，尤其是城市环境中，呈上升的趋势。3000多万超重儿童生活在发展中国家，1000万生活在发达国家。
三、人工智能语音识别系统可分为哪几类？
人工智能语音识别系统可以根据其技术实现、应用场景和功能进行分类。以下是一些常见的分类方法：
1. 根据模型类型分类：
a. 基于规则的系统（Rule-based）：这类系统利用预先定义的语法和词汇规则进行语音识别。虽然简单且易于实现，但准确率受限于规则的完备性和复杂性。
b. 统计模型（Statistical model）：这类系统使用统计学方法对语音信号进行分析和识别，例如隐马尔可夫模型（HMM）和高斯混合模型（GMM）。统计模型在识别准确性方面取得了显著的进步，但仍然需要大量的训练数据和计算资源。
c. 深度学习模型（Deep learning model）：这类系统使用神经网络（尤其是卷积神经网络（CNN）和循环神经网络（RNN））进行语音信号的处理和识别。深度学习模型在语音识别领域取得了突破性成果，大大提高了识别准确性和鲁棒性。常见的深度学习模型包括深度神经网络（DNN）、长短时记忆网络（LSTM）和Transformer 等。
2. 根据应用场景分类：
a. 语音助手（Voice Assistants）：这类系统主要用于智能手机、平板电脑和其他智能设备，例如苹果的 Siri、谷歌助手和亚马逊的 Alexa。
b. 客户服务（Customer Service）：这类系统用于企业客户服务和支持，例如自动语音应答（IVR）系统和电话客服机器人。
c. 语音翻译（Speech-to-Speech Translation）：这类系统用于实时翻译不同语言的语音，例如谷歌翻译和微软翻译。
d. 医疗语音识别（Medical Speech Recognition）：这类系统用于医疗领域，帮助医生快速记录病历、处方和其他临床信息。
e. 汽车语音识别（Automotive Speech Recognition）：这类系统用于汽车行业，实现语音控制、导航、娱乐等功能，提高驾驶安全和舒适性。
3. 根据功能分类：
a. 语音转文本（Speech-to-Text）：这类系统将语音信号转换为可读的文本。
b. 文本转语音（Text-to-Speech）：这类系统将文本信息转换为语音信号，用于语音合成、朗读等功能。
c. 语音情感识别（Speech Emotion Recognition）：这类系统用于识别语音中的情感信息，例如愤怒、喜悦、悲伤等。
d. 语音生物识别（Speech Biometric Recognition）：这类系统用于识别说话者的身份，例如声纹识别。
这些分类方法并非互斥，可以根据实际需求选择合适的语音识别系统。
四、信息技术人工智能技术有哪些？
1、大数据
大数据，或者称之为巨量资料，指的是需要全新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。也就是说，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据是AI智能化程度升级和进化的基础，拥有大数据，AI才能够不断的进行模拟演练，不断向着真正的人工智能靠拢。
2、计算机视觉
计算机视觉顾名思义，就是让计算机具备像人眼一样观察和识别的能力，更进一步的说，就是指用摄像机和电脑代替人眼对目标进行识别、跟踪和测量，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
3、语音识别
语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高新技术。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。语音识别是人机交互的基础，主要解决让机器听清楚人说什么的难题。人工智能目前落地最成功的就是语音识别技术。
语音识别目前主要应用在车联网、智能翻译、智能家居、自动驾驶方面，国内最具代表性的企业是科大讯飞，此外还有云知声、普强信息、声智科技、GMEMS通用微科技等初创企业。
4、自然语言处理
自然语言处理大体包括了自然语言理解和自然语言生成两个部分，实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等，前者称为自然语言理解，后者称为自然语言生成。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。自然语言处理的终极目标是用自然语言与计算机进行通信，使人们可以用自己最习惯的语言来使用计算机，而无需再花大量的时间和精力去学习不很自然和习惯的各种计算机语言。
针对一定应用，具有相当自然语言处理能力的实用系统已经出现，典型的例子有：多语种数据库和专家系统的自然语言接口、各种机器翻译系统、全文信息检索系统、自动文摘系统等。国内BAT、京东、科大讯飞都有涉及自然语言处理的业务，另外还出现了爱特曼、出门问问、思必驰、蓦然认知、三角兽科技、森亿智能、乂学教育、智齿客服等新兴企业。
5、机器学习
机器学习就是让机器具备人一样学习的能力，专门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，它是人工智能的核心。
机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。国内专注于机器学习的公司有优必选、图灵机器人、李群自动化、极智嘉科技、Rokid等。
五、人脸识别系统包括了什么呢？
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。
人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集及检测
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
人脸图像预处理
人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
人脸图像特征提取
人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸图像匹配与识别
人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。
六、华为手机怎么恢复智能识别？
如果您的华为手机的智能识别功能出现问题或丢失，请首先尝试通过清除缓存和数据来解决问题。
如果这不起作用，您可以尝试在设置中找到“智能支持”选项，并确保该选项已启用。如果您仍然遇到问题，请在华为官方网站上查找相关支持文档或联系华为客户服务中心以获取进一步帮助。
七、人工智能领域哪些高校实力强？
一、清华大学：智能技术与系统国家重点实验室
清华大学计算机科学与技术系（简称计算机系）成立于1958年，在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中，以总分满分100分的成绩排名第一。
智能技术与系统实验室中心实验室依托在清华大学计算机科学与技术系，主要从事人工智能（基本原理和方法）的基础与前瞻性研究，智能信息处理，智能机器人，与认知神经科学、心理学等的交叉学科等方面的研究，以及与这些理论相关的应用研究与系统集成。
实验室承担了多项国家重点科研任务，一些研究已达到国际水平，如：“具有交互和自学习功能的脱机手写汉字识别系统和方法”、“人工智能问题分层求解理论及应用”先后获得了国家科技进步奖和自然科学奖。
二、北京大学：智能科学系
智能科学系成立于2002年7月，主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究，侧重于理论、方法以及重大领域应用上。
北大智能科学系依托于视觉听觉信息处理国家重点实验室，实验室以实现高度智能化的机器感知系统为目标，在生物特征识别研究方面处于国际领先地位。
智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下，重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。
以北大智能科学研究人员为技术核心的北大指纹自动识别系统，是国内唯一能与国外系统抗衡的自主知识产权，是中国第一家也是唯一的一家提供公安应用全面解决方案的系统，拥有中国指纹自动识别技术产品第一市场占有率。
三、复旦大学：类脑智能科学与技术研究院
复旦大学类脑智能科学与技术研究院（以下简称研究院）于2015年3月筹建成立,是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心，成立于2008年。
研究院目前在建五个核心功能平台和一个国际合作研发中心，主要包括：
一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台；
二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台；
三是依托高端医疗影像设备集群，为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台；
四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台；
五是集孵化加速、产业联盟、投资基金为一体，为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台；
六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源，建设类脑智能国际合作节点和人才培养中心。
四、浙江大学：人工智能研究所
早在上世纪80年代，浙江大学就建立了人工智能研究所，首任所长就是国内著名的计算机科学家、被人尊称为“中国人工智能研究开拓者”的何志均，隶属计算机科学与技术学院。
从1981年至今，浙大人工智能研究所见证和参与了人工智能的一系列变化。何志均担任所长时期，人工智能的研究还处于以规则、逻辑和符号为主的传统研究阶段；到了第二任所长潘云鹤带队的时候，人工智能与计算机辅助设计和图形学走到一起。
到现在，人工智能进入大数据阶段，浙大在计算机视觉领域已经建立了相当大的优势。
人才输出方面，在阿里巴巴、网易这些互联网科技公司外，海康威视、浙大网新、浙江大华等浙江企业都较早介入人工智能的研发，而浙大成了他们重要的合作伙伴和人才储备库。
五、上海交通大学：智能人机交互研究所
智能人机交互研究所隶属计算机科学与工程系，长期目标是探索人类大脑智能信息处理的机理和认知过程，为智能信息处理提供新型的计算结构和算法，开发自然、友好的人-机交互系统。
另外，上海交通大学还联合微软于2005年9月成立了智能计算与智能系统重点实验室，以实现“使未来的计算机和机器人能够看、听、学，能以自然语言的方式与人类交流”这一共同使命
代表性的成果有脑机交互的多模态疲劳驾驶检测系统、基于脑电的脑功能康复训练平台和认知型智能人机口语对话系统。
六、西安交通大学：人工智能与机器人研究所
人工智能与机器人研究所成立于1986年，其前身是自动控制专业计算机控制教研室。研究所是“视觉信息处理与应用国家工程实验室”的支撑单位，并在教育部、国家外国专家局“高等学校学科创新引智计划”的支持下与国际知名学者合作组建了“认知科学与工程国际研究中心”。
研究所作为“模式识别与智能系统”国家重点学科，按照控制科学与工程一级学科招收博士研究生，是自动化学科博士后流动站组成单位。
在科学研究方面，在学术带头人、所长郑南宁院士的主持下，主要进行以计算机视觉与模式识别为基础的智能信息处理结合学科发展前沿。
七、西北工业大学：音频、语言与语言处理组
西北工业大学音频、语音与语言处理组(ASLP@NPU)隶属于陕西省语音与图像信息处理重点实验室。
研究组成立于1995年，经过十几年的快速发展，已形成了人机语音交互、语音与音频信号处理、情感与听视觉多模态处理、多媒体内容分析与检索等主要研究方向。
目前实验室已经与百度、搜狗、阿里巴巴、微软、腾讯、IBM、三星、华为、中兴、小米、京东、云知声、出门问问、Roobo、哈曼等著名IT公司和多家初创公司开展了广泛深入的科研合作，与腾讯建有“西北工业大学-腾讯媒体信息技术联合实验室”，与明星创业公司云知声建有“西北工业大学-云知声智能语音交互联合实验室”。
八、华中科技大学：自动化学院
华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。
模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止，自动化系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。
九、厦门大学：智能科学与技术系
2006年12月，经国家教育部批准，厦门大学正式设立“智能科学与技术”本科专业，并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。2007年9月，本系迎来了第一届本科新生。
目前承担多项国家863、国家自然科学基金、福建省科技基金等项目，拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台。
此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室，为培养高质量的学生提供了必要的保障。
十、中国科学技术大学：计算机科学与技术学院
中国科技大学于1958年建校时就设置了计算机专业。学院的支撑实验室有：国家高性能计算中心（合肥）、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部-微软重点实验室、中国科大超级运算中心和信息科学实验中心。
其中，多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。
人机自然语音通信方面，主要研究中文信息处理、人类视听觉机理、语音语言学等。
语义计算与数据挖掘方面，主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。
十一、南京理工大学：计算机科学与工程学院
南京理工大学计算机科学与工程学院始建于1953年创办的哈尔滨军事工程学院模拟计算机研究组，2005年12月更名为计算机科学与技术学院，2012年5月改为现名。
在计算机科学与人工智能技术领域，学院学科实验室和平台比较齐整，拥有“高维信息智能感知与系统”教育部重点实验室、“社会安全信息感知与系统”工信部重点实验室、“社会公共安全图像与视频理解”江苏省重点实验室，“社会公共安全科技”江苏省2011协同创新中心，江苏省公安厅“社会公共安全”重点实验室，教育部、国家外国专家局“高维信息智能感知与系统”111创新引智基地。
同时学院与国内知名企业建立系列产学研协同创新平台，具有南京理工大学-中航科技智慧城市大数据联合实验室、深城院-南理工大数据技术联合实验室等。
除了以上几所，其他一些高校依托多年积累的专业实力，也纷纷加入成立AI学院的阵营。
十二、中国科学院：人工智能技术学院
中国科学院大学人工智能技术学院成立于2017年5月28日，是我国人工智能技术领域首个全面开展教学和科研工作的新型学院。
人工智能技术学院面向国际科学前沿，下设模式识别、人工智能基础、脑认知与智能医学、智能人机交互、智能机器人、智能控制等6个教研室。
拥有模式识别国家重点实验室、复杂系统管理与控制国家重点实验室、国家专用集成电路设计工程技术研究中心、中国科学院分子影像重点实验室等研究机构。
十三、西安电子科技大学：人工智能学院
2017年11月2日，西安电子科技大学人工智能学院正式揭牌成立，这是教育部直属高校首个致力于人工智能领域高端人才培养、创新成果研发和高层次团队培育的实体性学院。
十四、重庆邮电大学：人工智能学院
2018年2月7日，重庆邮电大学联手科大讯飞，成立人工智能学院，今年就要开始招生，可以说依托本身的专业科研实力再充分利用企业的优势资源，开始布局人工智能这个无限发展的高科技领域，使重邮的未来发展值得期待！
十五、南京大学：人工智能学院
2018年3月6日，南京大学正式成立人工智能学院，隶属计算机科学与技术系，另据悉，南京大学人工智能学院是南京市政府合作项目，与计科院、软件学院平级。
院长由南大教授周志华担任。周教授从事人工智能研究 20 多年，是人工智能国际学术舞台上有重要影响力的科学家、机器学习领域的“牛人”，同样也是中国首个当选了国际人工智能学会（AAAI）、美国计算机学会（ACM）、美国科学促进会（AAAS）的会士、国际电气电子工程师学会（IEEE）和国际模式识别学会（IAPR）五大主流国际学会的华人“大满贯”会士第一人。
十六、哈尔滨工业大学：人工智能研究院
2018年5月5日，哈尔滨工业大学正式成立人工智能研究院，围绕「交叉研究中心」的定位，研究人员在行政上归属各自所在院系，但在研究院里，有共同的研究对象和统一的物理空间。研究员将围绕理论、技术、平台、应用4个层次、7个方向构建。
