人工智能技术的未来发展方向
人工智能技术的未来发展方向
尽管深度学习已经在人工智能领域做出重大贡献，但这项技术本身仍存在一项缺陷：需要大量数据的加持。深度学习领域的先驱者乃至批评者已经就此达成共识——事实上，正是由于可用数据量有限加上处理大规模数据的计算能力不足，才导致深度学习直到最近几年才成为AI层面的前沿技术。
因此，减少深度学习对数据的依赖性，已经成为AI研究人员最重要的探索方向之一。
在AAAI大会的主题演讲中，计算机科学家Yann LeCun讨论了当前深度学习技术的局限性，同时提出“自我监督学习”的发展蓝图——这是他为解决深度学习数据问题而构建的路线图。作为深度学习领域的教父级人物之一，LeCun正是卷积神经网络(CNN)的发明者，而该网络也成为过去十年内推动人工智能革命的一大核心因素。
自我监督学习，可谓当前提升人工智能服务器系统数据利用效率的多种尝试之一。目前我们还很难断言哪种具体尝试能够成功掀起下一轮AI革命(也许我们最终会采取完全不同的政策)，但LeCun的规划与思路仍然值得我们认真了解。
澄清深度学习的局限性
首先，LeCun强调称，深度学习技术面对的局限性实际上正是监督学习技术的局限性。所谓监督学习，属于一类需要对训练数据进行标记才能正常完成学习的
算法。例如，如果希望创建图像分类模型，则必须为系统提供经过适当分类标记的大量图像，由模型在其中完成充分训练。
LeCun在AAAI主题演讲中提到，“深度学习并不是监督学习，也不只是神经网络。基本上，深度学习是将参数化的模块组装到计算图中以构建起ai服务器系统。它的优势在于，我们不需要对系统进行直接编程——我们只需要定义架构并调整参数。不过其中需要调整的参数可能多达数十亿之巨。”
LeCun同时补充道，深度学习适用于多种不同学习范式，包括监督学习、强化学习以及无监督/自我监督学习等。
但目前人们对于深度学习以及监督学习的抱怨并非空穴来风。当下，大部分能够实际应用的深度学习算法都基于监督学习模型，这也充分暴露出现有AI系统的缺点所在。我们日常使用的图像分类器、人脸识别系统、语音识别系统以及众多其他AI应用都需要利用数百万个带有标记的示例进行充分训练。
到目前为止，强化学习与无监督学习只能算是在理论上存在的其他机器学习算法类型，还极少在实践场景中得到应用。
深度学习当下到底发展到了怎样的水平?
监督深度学习为我们带来多种非常实用的应用方案，特别是在计算机视觉与自然语言处理等特定领域。深度学习已经在癌症检测等敏感应用中扮演越来越重要的
角色，而且事实证明，其确实能够在部分人类无法解决的问题中发挥核心作用。例如，社交媒体巨头们正纷纷利用这类技术审核并通报用户在平台上发布的大量内容。
LeCun表示，“如果把深度学习元素从Facebook、Instagram以及YouTube 等厂商中剥离出来，他们的业务会瞬间崩溃。事实上，他们的业务完全围绕深度学习构建而成。”
但正如前文所述，监督学习只适用于具备充足高质量数据、且数据内容足以涵盖所有可能情况的场景。一旦经过训练的深度学习模型遇到不同于训练示例的全新状况，它们的表现将彻底失去控制。在某些情况下，单是从稍有区别的角度展示对象，就有可能令神经网络将其误判为其他物体。
深度强化学习则在游戏与模拟场景中表现出强大能力。过去几年以来，强化学习已经征服了众多以往浪潮ai服务器智能无法攻克的游戏项目。当下，AI程序在《星际争霸2》、《Dota》以及具有悠久历史的围棋领域将人类顶尖选手杀得片甲不留。
但是，这些AI程序在摸索解决问题的方法方面，与人类完全不同。基本上，强化学习代理就是一张白纸，我们只为其提供在特定环境中能够执行的一组基本操作。接下来，AI会不断自行尝试，通过反复试验来学习如何获取最高奖励(例如尽可能在游戏中取胜)。
当问题空间比较简单，而且我们拥有充足的计算能力以运行更多不断重复的试验性会话时，这类模型就能正常起效。在大多数情况下，强化学习代理要耗费大量时间以掌握游戏精髓，而巨大的成本也意味着这类技术只能存在于高科技企业内部或者由其资助的研究实验室当中。
强化学习系统的另一大短板体现在移动学习方面。如果要游玩《魔兽争霸3》，那么即使是已经精通了《星际争霸2》的代理，也需要从零开始接受训练。实际上，即使对《星际争霸2》游戏环境做出一点点微小发动，亦会严重影响AI的实际表现。相反，人类非常擅长从一款游戏中提取抽象概念，并快速将其迁移至新的游戏当中。
强化学习在解决无法准确模拟的现实问题时，同样显示出强烈的局限性。LeCun 提到，“如果想要训练一辆无人驾驶汽车，我们该怎么办?”这类使用场景确实很难准确模拟，因此为了开发出一台真正具备无人驾驶能力的汽车，“我们恐怕得撞毁很多很多汽车。”而且与模拟环境不同，我们无法在现实场景中快速进行实验，更遑论由现实实验带来的巨大成本。
深度学习面前的三座大山
LeCun将深度学习面临的挑战分为三个具体领域。
首先，我们需要开发出能够利用更少样本或者更少试验学习完成训练的浪潮服务器AI系统。LeCun指出，“我的建议是使用无监督学习，我个人更倾向于称其为自我监督学习，因为其中用到的算法仍然类似于监督学习，只是监督学习的作
用主要在于填补空白。总而言之，在学习任务之前，系统需要首先了解这个世界。婴儿或者小动物都是这样成长的。我们首先接触这个世界、理解其运作规律，而后才考虑如何解决具体任务。只要能看懂这个世界，那么学习新任务就只需要很少的试验与样本量。”
婴儿在出生后的前几个月内，会快速建立起关于引力、尺寸与物体性状的概念。虽然研究人员还无法确定其中有多少属性与大脑建立起硬连接、又存在多少具体认知，但可以肯定的是，我们人类首先观察周边世界、而后才实际行动并与之交互。
第二项挑战在于构建起具备推理能力的深度学习系统。众所周知，现有深度学习系统的推理与推理能力相当捉急，因此需要大量数据才能解决那些最简单的任务。
LeCun指出，“问题在于，我们要如何超越现有前馈计算与系统1?我们要如何让推理与基于梯度的学习方式相兼容?我们要如何在推理中实现差异性?这些都是最基本的问题。”
系统1是指那些不需要主动思考的学习任务，例如在已知区域内导航或者进行少量计算。系统2则代表一种较为活跃的思维方式，需要推理能力的支持。作为AI领域的经典方案，象征性人工智能已经在推理与抽象领域带来广受好评的能力提升。
但LeCun并不建议人们广泛采用这些备受科学家推崇的象征性AI或者混合人工智能系统。对于AI未来的发展愿景，他的思路与另一位深度学习先驱Yoshua Bengio更为接近。他在NeurIPS 2019大会上介绍了系统2深度学习的概念，并在AAAI 2020大会上做出进一步讨论。但LeCun也坦言，在实现深度学习系统的推理能力方面，“并不存在一种完美的答案”。
第三大挑战在于如何建立深度学习系统，确保其能够学习并规划复杂的行动序列，进而将任务拆分为多个子任务。深度学习系统擅长为问题提供端到端解决方案，但却很难将其分解为可解释且可修改的特定步骤。目前，业界已经在AI系统对图像、语音及文本的分解方面取得一定进展，由Geoffry Hinton发明的胶囊网络成功解决了其中一部分难题。
但学习复杂的推理任务仍然远超现有AI的能力上限。LeCun承认，“我们不知道要如何实现这种能力。”
自我监督学习
自我监督学习的基本思路，是开发出一种能够填补上述空白的深度学习系统。LeCun解释道，“我们只需要向此类系统展示输入、文本、视频甚至是图像，而后剔除出其中一部分，由经过训练的神经网络或者您选定的类或模型预测这些缺失的部分。预测对象可以是视频内容的后续走向，也可以是文本中缺少的词汇。”
目前市面上最接近自我监督学习系统的当数Transformers，这是一种在自然语言处理领域大放异彩的架构方案。Transformers不需要标记数据，它们可以通过维基百科等资料进行大规模非结构化文本训练。而且事实证明，与之前的同类系统相比，Transformers在生成文本、组织对话以及建立回复内容方面拥有更好的表现。(但它们仍然无法真正理解人类语言。)
Transformers已经相当流行，并成为几乎一切最新语言模型的基础技术，具体包括谷歌的BERT、Facebook的RoBERTa、OpenAI的GPT2以及谷歌的Meena 聊天机器人。
最近，AI研究人员还证明，Transformers能够进行积分运算并求解微分议程——换言之，它已经展现出解决符号处理问题的能力。这可能暗示着Transformers 的发展最终有望推动神经网络突破模式识别与近似任务统计等传统应用的樊篱。截至目前，Transformers已经证明了自己在处理离散数据(例如单词与数学符号)方面的价值。LeCun指出，“训练这类系统比较简单，因为虽然单词遗漏可能造成一定程度的不确定性，但我们可以利用完整词典中的巨大概率矢量来表达这种不确定性，所以问题不大。”
但Transformers还没能将自己的威力引入视觉数据领域。LeCun解释称，“事实证明，在图像与视频中表达不确定性并做出预测，其难度要远高于文本层面的
不确定性表达与预测。这是因为图像与视频内容并非离散存在。我们可以根据词典生成所有单词的分布情况，但却不可能表达所有潜在视频帧的分布情况。”对于每个视频片段，都存在着无数种可能的后续情况。这就导致AI系统很难预测出特定结果，例如视频内接下来几帧所展示的画面。神经网络只能计算出可能结果的平均值，并据此输出非常模糊的影像。
LeCun指出，“如果要将自我监督学习应用于视频等多种形式，首先得解决这个核心技术问题。”
LeCun个人最偏好的监督学习方法，是所谓“基于能量的潜在变量模型”。其中的核心思路在于引入一个潜在变量Z，该变量用于计算变量X(视频中的当前帧)与预测Y(视频的未来帧)之间的兼容性，并选择具有最佳兼容性得分的结果。LeCun也在演讲中进一步阐述了基于能量的模型与自我监督学习的实现方法。
关于深度学习的未来
LeCun在AAAI大会的演讲中提到，“我认为自我监督学习才是未来。这意味着我们的AI系统与深度学习系统将更上一层楼。也许它们能够通过观察了解关于现实世界的充足背景知识，进而形成自己的某种常识体系。”
自我监督学习的主要优势之一，在于AI能够输出巨大的信息量。在强化学习中，AI系统训练只能由标量级别来决定;模型本身会收到一个数值，用于表示对相关
行为的奖励或惩罚。在监督学习中，AI系统会为每条输入预测出对应的类别或数值。
但在自我监督学习中，输出则能够扩展为完整的一幅甚至一组图像。LeCun表示，“信息会更为丰富。而且只需要更少的样本量，系统就能掌握关于真实世界的更多知识中。”
必须承认，不确定性问题的处理方式仍然有待探索;但如果解决方案真正出现，AI技术将迎来通往光明未来的通天大道。
LeCun指出，“如果把人工智能看成一块蛋糕，那么自我监督学习就是糕饼部分。下一轮AI革命的核心将不在于监督、也不在于纯粹的强化。”
人工智能的发展及未来畅想
人工智能的发展及未来畅想 最近看了电影《黑客帝国》一系列，对其中的科幻生活有了很大的兴趣，不觉有了疑问：现在的世界是否会如电影中一样呢？人工智能的神话是否会发生在当前社会中的呢？ 在黑客帝国的世界里，程序员成为了耶稣，控制着整个世界，黑客帝国之所以成为经典，我认为，不是因为飞来飞去的超级人物，而是因为她暗自揭示了一个人与计算机世界的关系，一个发展趋势。谁 知道200年以后会不会是智能机器统治了世界？ 人类正向信息化的时代迈进，信息化是当前时代的主旋律。信息抽象结晶为知识，知识构成智能的基础。因此，信息化到知识化再到智能化，必将成为人类社会发展的趋势。人工智能已经并且广泛而有深入的结合到科学技术的各门学科和社会的各个领域中，她的概念，方法和技术正在各行各业广泛渗透。 智能是一个宽泛的概念。智能是人类具有的特征之一。然而，对于什么是人类智能（或者说智力），科学界至今还没有给出令人满意的定义。有人从生物学角度定义为“中枢神经系统的功能”，有人从心理学角度定义为“进行抽象思维的能力”，甚至有人同义反复地把它定义为“获得能力的能力”，或者不求甚解地说它“就是智力测验所测量的那种东西”。这些都不能准确的说明人工智能的确切内涵。 虽然难于下定义，但人工智能的发展已经是当前信息化社会的迫切要求，同时研究人工智能也对探索人类自身智能的奥秘提供有益的帮助。所以每一次人工智能技术的进步都将带动计算机科学的大跨步前进。如果将现有的计算机技术、人工智能技术及自然科学的某些相关领域结合，并有一定的理论实践依据，计算机将拥有一个新的发展方向。 当前人工智能的发展方向可以分为两种：一种受控于人类的智能机器或智能程序，人类输入指令后让其达到预期的目的；另一类，能自主推理，逻辑，判断，学习，进步的智能，而后一种而有吸引力，更增加了人工智能无穷的魅力。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，在不断的接近。他并不像很多人想象的是几个科学家的工作，而是随着社会各学科发展而默默发展的。在智能领域里，最关键的问题之一，就是机器学习的问题。一旦机器有了学习的能力，谁还（敢）预测未来呢？人类的社会发展其实也是在不断 积累中发展而来，人的智能也就是事实依据库+推理机制所构成了的。当所有领域的定律都能用特定 的公式推理出来，黑客帝国的实现就要到来了。 研究人工智能的目的，一方面是要创造出具有智能的机器，另一方面是要弄清人类智能的本质，因此，人工智能既属于工程的范畴，又属于科学的范畴。通过研究和开发人工智能，可以辅助，部分替代甚至拓宽人类的智能，使计算机更好的造福人类。 目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域； 一、专家系统 专家系统是依靠人类专家已有的知识建立起来的知识系统，目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域，广泛应用于医疗诊断、地质勘探、石油化工、军事、文化教育等各方面。它是在特定的领域内具有相应的知识和经验的程序系统，它应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平。
人工智能简介及发展趋势
计算机科学与技术概论结业作业 人工智能技术简介及发展趋势 院系：信息科学与技术学院计算机科学与技术系 姓名：尹颜朋 学号：2011508009
前言 人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。他认为，如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。 人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。 第一章人工智能的产生 人工智能, 英文单词 artilect,来源于雨果·德·加里斯的著作
人工智能学习研究的现状其发展趋势
浅谈人工智能学习研究的现状 及其发展趋势 摘要：自上世纪五十年代以来，经过了几个阶段的不断探索和发展，人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来，随着信息技术的快速进步，与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智
能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能学习与应用领域新的辉煌。 1.前言 自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。 人工智能已对现实社会做出了非常重大的贡献，而且其作用已在各领域发挥得淋漓尽致，特别是在计算机领域，人工智能的应用更加突出，可以说，哪里有计算机应用，哪里就在应用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。目前，人工智能应用的主要领域，也就是计算机应用的主要领域。 人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。 学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具
人工智能技术和发展趋势论文
丁松老师的作业，15级信管班学生人工智能技术和发展趋势 1 / 20
摘要：人工智能，简称AI，它是当今最火的一门科学，是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理，制造类似于人脑的智能计算机，以及使计算机更巧妙些实现高层次的应用。人工智能一直是人们所追求的，所向往的一门科学，它起源于近代，在电气时代随着计算机科学的发展，以及生物学，脑科学等相关科学的发展，极大的推动了人工智能的发展。人工智能还涉及信息论、控制论、自动化、仿生学、生物学,数理逻辑、语言学、等多门学科。导致其非常复杂，所以其研究领域也分成许多方面，从最开始的博弈论，专家系统，模式识别，神经网络，机器学习到现在大热的深度学习。其应用领域，也非常之多，比如机器翻译，语音交互，ORC,图像识别，智能驾驶等等。自从谷歌的阿法狗在围棋打败了人类棋手，人工智能也进入了一个新的发展阶段，如今各国，各大公司都在大力发展人工智能技术，争取在新时代把握先机，把握未来。人工智能即将在无人驾驶，机器翻译，语言交互等应用领域取得巨大成功。即使如此，人工智能现在还是处于弱人工智能阶段，人工智能还面临着许多问题和挑战。向强人工智能发展的道路上，仍然充满巨大的困难。 关键词：人工智能，机器学习，发展趋势，神经网络，运用 2 / 20
3 / 20
第一章人工智能 1.1人工和智能含义 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 关于什么是“智能”，就问题多多了。这涉及到其它诸如意识、自我、心灵（包括无意识的精神等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。 1.2人工智能的简介 使机器具有自主能动能力这一愿望，从古希腊甚至古埃及的神话传说开始就一直延续至今：亚里士多德（公元前384-322年）的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐；中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器；近代“人工智能”（Artificial Intelligence）这个概念的提出最早是在1956年Dartmouth学会，当时数字计算机研制成果显著，对编写有原始推理思想的程序有质的帮助；今天的各国在智能研究领域都有了重大发展，波士顿动力公司研制的大狗机器人bigdog。 广义来讲，人工智能就是人造物的智能行为。人工智能的发展往往依靠计算机科学和认知科学的发展，在不同的发展阶段，对于人工智能有不同的理解，其概念也随 4 / 20
人工智能未来发展前景展望
人工智能未来发展前景展望 ：磊(10计本) 学号： 长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(M ＩＴ)、卡基-梅隆大学(CＭＵ)到IＢＭ公司，再到日本的本田公司、ＳＯＮＹ公司以及国的清华大学、中科院等科研院所，全世界的实验室都在进行着ＡＩ技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(ＡＩ)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。 （一）、人工智能的定义 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 “智能”1是一个宽泛的概念。智能是人类具有的特征之一。Intelegere是从中进行选择，进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在1"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。
复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵 i(Turing)提出了"自动机"理论，把研究会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。 人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence，AI)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。 当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运
2020年(发展战略)人工智能的状态及今后发展方向展望
（发展战略）人工智能的状态及今后发展方向展望
人工智能的现状及今后发展趋势展望 壹．引言 人工智能(ArtificialIntelligence),英文缩写为AI，也称机器智能。“人工智能”壹词最初是于1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的壹门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展情况 目前，人工智能技术于美国、欧洲和日本依然飞速发展。于AI技术领域十分活跃的IBMXX公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之壹的智力能力。而正于开发的更为强大的新超级电脑———“蓝色牛仔”（BlueJean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致和人脑相当。 三．技术应用 随着AI技术的发展，现代几乎各种技术的发展均涉及到了人工智能技术，能够说人工智能已经广泛应用到许多领域，其典型的应用包括： 1符号计算 计算机最主要的用途之壹就是科学计算,科学计算可分为俩类:壹类是纯数值的计算,例如求函数的值;另壹类是符号计算,又称代数运算,这是壹种智能化的计算,处理的是符号。符号能够代表整数、有理数、实数和复数,也能够代表多项式、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表。由于它们均是用
C语言写成的,所以能够于绝大多数计算机上使用。 2模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境和客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的壹个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程和人类的学习过程相似，以“语音识别”为例：语音识别就是让计算机能听懂人说的话，壹个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。该系统实现后，人们出国预定旅馆、购买机票、于餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等和“老外”通话。3机器翻译 机器翻译是利用计算机把壹种自然语言转变成另壹种自然语言的过程，用以完成这壹过程的软件系统叫做机器翻译系统。搜文网目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致能够分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件的代表是“金山词霸”，堪称是多快好省的电子词典，它能够迅速查询英文单词或词组的词义且提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。 4机器学习 机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。有人认为，壹个计算机系统如果不具备学习功能，就不能称其为智能系统。机器
完整word版,人工智能的发展应用与未来
人工智能的发展应用与未来 人工智能(Artificial Intelligence)。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能作为二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），同时也被认为是二十一世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能在很多科学领域都获得了广泛应用，并取得了丰硕的成果，其发展之迅速给人类的生活水平带来了巨大的改善，而未来的发展趋势也无可限量。 1.人工智能的兴起和早期发展 人工智能的发展历程大致可以分为下面五个阶段。 第一阶段: 20世纪50年代，人工智能的兴起和冷落。人工智能概念在1956年首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但是由于消解法推理能力有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是重视问题求解的方法，而忽视了知识的重要性。 第二阶段: 60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay－II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议( International Joint Conferences on Artificial Intelligence即IJCAI)。 第三阶段: 80年代，随着第五代计算机的研制，人工智能得到了飞速的发展。日本在1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。 第四阶段: 80年代末，神经网络飞速发展，。1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 第五阶段: 90年代，人工智能出现新的研究高潮。由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象 2.近年来人工智能的应用 （1）“人机大战” 在人工智能的发展史上，出现了很多堪称经典的“人机大战”。
人工智能的发展前景
人工智能的发展前景 人工智能很可能导致人类的永生或者灭绝，而这一切很可能在我们的有生之年 发生。 上面这句话不是危言耸听，请耐心的看完本文再发表意见。这篇翻译稿翻译完 一共三万五千字，我从上星期开始翻，熬了好几个夜才翻完，因为我觉得这篇 东西非常有价值。希望你们能够耐心读完，读完后也许你的世界观都会被改变。 我们正站在变革的边缘，而这次变革将和人类的出现一般意义重大–Vernor Vinge 如果你站在这里，你会是什么感觉？ 看上去非常刺激吧？但是你要记住，当你真的站在时间的图表中的时候，你是 看不到曲线的右边的，因为你是看不到未来的。所以你真实的感觉大概是这样的：
稀松平常。 遥远的未来——就在眼前 想象一下坐时间机器回到1750年的地球，那个时代没有电，畅通通讯基本靠吼，交通主要靠动物拉着跑。你在那个时代邀请了一个叫老王的人到2015年来玩，顺便看看他对―未来‖有什么感受。我们可能没有办法了解1750年的老王内心的感受——金属铁壳在宽敞的公路上飞驰，和太平洋另一头的人聊天，看几千公里外正在发生进行的体育比赛，观看一场发生于半个世纪前的演唱会，从口袋里掏出一个黑色长方形工具把眼前发生的事情记录下来，生成一个地图然后地图上有个蓝点告诉你现在的位置，一边看着地球另一边的人的脸一边聊天，以及其它各种各样的黑科技。别忘了，你还没跟他解释互联网、国际空间站、大型强子对撞机、核武器以及相对论。 这时候的老王会是什么体验？惊讶、震惊、脑洞大开这些词都太温顺了，我觉得老王很可能直接被吓尿了。 但是，如果老王回到了1750年，然后觉得被吓尿是个很囧的体验，于是他也想把别人吓尿来满足一下自己，那会发生什么？于是老王也回到了250年前的
(发展战略)人工智能的状态及今后发展方向展望
人工智能的现状及今后发展趋势展望 一．引言 人工智能(Artificial Intelligence),英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展状况 目前，人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCI White电脑，号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”（Blue Jean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。 三．技术应用 随着AI技术的发展，现代几乎各种技术的发展都涉及到了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括： 1符号计算 计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值;另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematic和Maple是它们的代表。由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。 2模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程与
人工智能技术及其发展趋势
人工智能技术及其发展趋势 1.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案：A√答对 2.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（ 3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 我的答案：B√答对 3.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别
D.虹膜识别 我的答案：C√答对 4.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 我的答案：D√答对 5.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 6.关于专用人工智能与通用人工智能，下列表述不当的是（）。（3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题
D.真正意义上完备的人工智能系统应该是一个专用的智能系统 我的答案：D√答对 7.（）是指直接通过肢体动作与周边数字设备和环境进行交互。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 8.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对 9.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片
人工智能及未来的发展方向
人工智能及未来的发展方向 作者：XXX 琼州学院，海南省三亚市，电子信息工程学院软件工程，邮编：572000 人工智能（Artificial Intelligence, AI）主要研究用人工的方法和技术，模仿、延伸和拓展人的智能，实现机器的智能。其长期目标是实现人类水平的智能。近年来，人工智能获得很大的发展，它引起了众多学科和不同专业背景学者们的日益重视，成为一门广泛的交叉和前沿科学。现代计算机的发展已能够存储极其大量的信息，进行快速信息处理，软件功能和硬件功能均取得了长足进步，从而使人工智能获得进一步的应用。 人工智能的进一步发展，已超越了人们的早期预料。生物和自然智能在算法建模方面所取得的巨大成功，导致了计算智能系统的建立和应用。这些智能算法设计人工神经网络、模糊系统、进化计算、群优化智能和人工生命等领域这些新领域与人工智能的谓词逻辑、演绎推理、事例推理、符号学习系统和专家系统的传统领域相结合，拓宽了人工智能的研究领域，并丰富了人工智能的研究内容。 目前，人工智能的主要学派有下列三家： 符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。认为人工智能的研究方法应该是功能模拟方法。通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，实现人工智能。符号主义力图用数理逻辑方法来建立人工智能的统一理论体系，但遇到了不少暂时无法解决的困难，并受到了其他学派的否定。 连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络之间的联结机制与学习算法。主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的。不同结构表现出不同的功能和行为，已经提出多种人工神经网络结构和众多的学习算法。 行为主义：又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分的。不同的行为表现出不同的功能和不同的控制结构。行为主义的研究方法也受到其他学派的怀疑与批判，认为行为主义最多只能创造出智能昆虫的行为，而无法创造出人的智能行为。 人工智能研究的领域有很多方面，这里重点介绍以下几种类型。 1、问题求解：人工智能的第一大成就就是发展了能够求解难题的下棋程序。在下棋程
人工智能技术及其发展趋势2020年
1.下列选项中，不属于生物特征识别技术的是（）。（10.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 我的答案：C√答对 2.生物特征识别技术不包括（）。（10.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 3.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（10.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 我的答案：D√答对 4.下列对人工智能芯片的表述，不正确的是（）。（10.0分）
A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对 1.目前，深度学习主要包括（）。（10.0分）） A.前馈神经网络 B.卷积神经网络 C.循环神经网络 D.对抗神经网络 我的答案：ABCD√答对 2.关于人工智能，下列表述正确的有（）。（10.0分）） A.计算机科学的一个分支 B.试图揭示人类智能的实质和真相 C.以模拟人类智能的方式去赋能机器 D.使机器能够模拟人类的智能进行学习、思维、推理、决策和行动 我的答案：ABCD√答对 1.神经网络的训练过程不需要人工标记的样本数据集。（10.0分）我的答案：错误√答对
2.机器人一般由执行机构、驱动装置、检测装置、控制系统和复杂机械等组成，涉及到控制论、机械电子、计算机、材料、仿生等学科，在工业、医学、农业、建筑业甚至军事等领域中均有重要用途。（10.0分） 我的答案：正确√答对 3.自然语言处理是一门融语言学、计算机科学、数学于一体的科学。（10.0分）我的答案：正确√答对 4.卷积神经网络是一种常用来处理具有网格结构拓扑数据的神经网络，如处理时序数据和图像数据等，广泛应用于人脸识别、物品识别等领域。（10.0分） 我的答案：正确√答对
浅谈人工智能的应用领域与其未来发展展望
浅谈人工智能的应用领域与其未来发展展望 有人将人工智能称为第四次工业革命，它已经渗透到很多领域，与人们的生活日益密切，也不断成为学术界研究的热点。文章通过文献回顾，并结合人工智能的发展状况，对其应用的领域进行了系统的分析，同时对人工智能未来可能的发展进行了展望。 标签：人工智能；应用领域；发展 1 概述 人工智能（Artificial Intenlligence，AI）是综合了计算机科学、生理学和哲学的一门独立的学科，通过对人的意识和思维进行模拟、延伸和拓展来解决各种需要人类智能的复杂工作。人工智能的发展与计算机科学行业的发展密切相关，但是，在应用方面，它既有具体的应用行业，比如机器人，又可以与其他行业相结合，实现完美组合，比如各种“互联网+”（例如人工智能+金融=Fintech）。目前几乎没有研究就人工智能的应用领域进行细致的划分总结，因此本文就此方面进行研究。 2 人工智能的应用领域 2.1 机器学习 机器学习（Machine Learning）是人工智能的核心，也是中心问题。学习顾名思义就是进行不断的知识积累，机器学习就是通过机器进行知识的积累，利用现有的信息来进行知识的更新和输出。在引言中我们提到的“AlphaGO”大战李世石，其实第一局李世石是赢了机器的，但第二天大师万万没有想到与自己对弈的机器人昨晚自己与自己下了上百万局棋，“AlphaGO”在学习中达到了大师无法到达的境界。 2.2 计算机视觉 它是是指计算机来模拟人的视觉系统，代替人类的眼睛以达到识别物体、确定物体的位置以及物体的运动状态目的。从技术程序上看一般要经过三个步骤：检测目标（图像预处理、图像分割）-识别目标（特征提取、目标分类、判断匹配）-识别行为（模型建立、行为识别）。视觉识别技术在不同的细分领域发展存在较大差距，目前视觉技术较成熟的领域是生物性特征识别方面，在考勤和安防领域广泛应用。例如指纹识别、人脸识别、瞳孔识别等。然而在物体场景识别方面技术不太成熟，因为物种的类别太复杂，外貌特征多样。该领域最早的公司在1997年创建，最近三年来的到了高度的发展。去年年底，亚马孙的无人超市将会实现顾客买东西直接走人，人工智能会实现自动结账。这利用了全自动旋转的3D摄像技术，通过视觉效果识别每个人的ID，实现人与物的制动捆绑，这需要视觉技术对物体充分精确的区分。
浅谈人工智能的现状与未来
浅谈人工智能的现状与未来 摘要：作为二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），同时也被认为是二十一世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。人工智能在很多科学领域都获得了广泛应用，并取得了丰硕的成果，本文将对人工智能的发展历程，现状以及发展趋势作一个初步的解读，人工智能应用于工程是是目前工程技术研究的热点之一，本文也将就人工智能中的专家系统、模拟逻辑、神经网络控制在机电一体化中的应用进行了探讨。 关键词：人工智能；机电一体化；专家系统；模糊控制；神经网络控制；AI发展前景； 什么是人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能与机电一体化系统的统一 近几十年来，人工智能得到了长足的发展，譬如，IBM 公司制造的深蓝计算机运用人工智能于1997年5月，战胜了国际象棋冠军卡斯帕洛夫。人工智能用于机电一体化是机电一体化发展的方向之一。这种智能主要通过控制技术加以设计和实现，即由机电一体化系统中的控制系统来具体实现。 专家系统、模糊逻辑、神经网络控制、学习控制和分层递阶是目前人工智能研究主要的几个领域，它们各自发展，又相互渗透，走向结合。其中，前三个领域是目前机电一体系统实现智能化的较成熟的领域。 一，自从第一个专家系统于1968年问世以来，经过30多年的发展，专家系统已经成为人工智能应用最活跃的领域。已经从最初的应用于医疗、科技等领域，向财政、金融、保险、商业和法律方向扩展，下面就与机电一体化有关的应用予以探讨。 （1）在装配制造业的应用：产品的生产，总是用零件来构造的，将不同的零件一起装配成一种新产品，叫做配里任务。专家系统应用于装配制造方面可以取得 可观的经济效益。比如， DEC公司的专家系统XCON，是应用于计算机配置的 第一个专家系统，现在每年为DEC公司盈利1。5亿美元 （2）在设备故障诊断中的应用：专家系统用于设备故障诊断，特别是针对大型的结构、复杂的故障诊断，可以尽快找到故障，大大缩短检修时间，有很多成功 的例子，比如美国西屋电气公司研制的GEN一AID专家系统，已经成功地应 用于诊断汽轮发动机的故障。IBM公司也曾经为其IBMATPC机配备了一个专家 系统，用来精确定位系统故障。 （3）在控制方面的应用：专家系统可以在机电一体化设备控制方面发挥作用，在伺服控制、数控机床、加工中心以及其它控制领域，已取得了进展。在这方面成 功的例子如AT&T公司为控制机械手，研制出在单个芯片上实现的专家系统。 最早的芯片包括16条规则的ROM，控制器以及处理数据与规则的推理机。采 用2。5um线宽的CMOS工作，最初只使用了芯片面积的四分之一，改用1。 5um线宽后可容纳256条规则，建立规则时采用模糊逻辑，执行速度可达到 80000LISP，比常规专家系统快1000倍。尽管大型专家系统的造价是很昂贵的，
谈人工智能技术的发展历史及未来发展趋势
仲恺农业工程学院论文 人工智能论文 院系：机电工程学院 专业：工业自动化 班别： 102班 姓名：潘晓林 学号：201010844223
谈人工智能技术的发展历史及未来发展趋势 摘要：什么是人工智能？顾名思义，就是人造智能。2003年，有人提出将其定义为四类：想人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统。 接下来，我们将在这里讨论下人工智能技术的发展历史以及它的未来发展趋势是什么样子的。 关键词：发展、历史、未来、趋势 引言:“人工智能”一词目前指用计算机模拟或实现的智能，又称“机器智能”，究竟这么吸引人的新鲜话题具有怎样的发展历史呢？它是如何诞生的呢？还有它又将有怎样的未来发展趋势呢？欲知详情，请见以下分解！ 接下来将分为三大部分来揭晓关于“人工智能”的神秘面纱：在揭晓之前呢，我们先要知道什么是人工智能： 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 下面将对“人工智能”的来源，发展，未来趋势做一一探讨： 一、“人工智能”的萌芽 关于“人工智能”的起源，我们要追溯到公元前三百多年的历史伟人——古希腊伟大的哲学家、思想家Aristotle（亚里士多德）（公元前384-322），他的主要贡献是为形式逻辑奠定了基础。形式逻辑是一切推理活动的最基本的出发点。在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。此外，亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系，判断问题的分类和它们之间的关系。其最著名的创造就是提出人人熟知的三段论。亚里士多德虽没有明确提出“人工智能”的概念，但概念却在此悄悄的萌芽。随后穿越到英国数学家Turing(图灵)（1912-1954）,1936 年提出了一种理想计算机的数学模型（图灵机），1950 年提出了图灵试验，发表了"计算机与智能"的论文。当今世界上计算机科
人工智能技术及其发展趋势答案
人工智能技术及其发展趋势 单选题 1.（）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 2.关于专用人工智能与通用人工智能，下列表述不当的是（）。（ 3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 3.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习
D.智能芯片 4.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 5.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 6.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别
7.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 8.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 9.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理
人工智能未来发展趋势
人工智能 ?Artificial Intelligence 【关键词】人工智能 未来发展 趋势 人们已经能够逐步的感受到智能时代带来的优势，以往智能模式只能给工业、农业等生产提供便利，近年来愈发的走进人们的生活中，利用人与机器的互动，涉猎生活的各个视角，为人们提供了便捷的环境，科学领域更加关注引起人们生活生产大幅度变革的人工智能，对其研究始终没有停下脚步，人工智能已经作为一项独立的研究任务，罗列在科学要求下，人工智能模式下如何衡量机械化与人力化的发展可能也是目前较为重要的研究命题，将会极大的影响人工智能的未来发展，将渗透更多生理化、数字化的学科信息，联通互联网、机械科技等手段，使得人工智能控制更为高端。 1 人工智能的应用领域研究 1.1 计算机视觉领域 人工智能使得人们的视觉发展了极大的空间扭曲，通过平面转化为三维立体，又逐步的转化为多视角虚拟仿真，能够快速的锁定目标，从网络海量咨询中识别图片、文字内容，提纯资料信息并进行有关资源的检测，目前应用于刑侦方面的人脸、指纹检测等已经日趋成熟，可快速还原现场情境，具有了更为成熟的技术手段，人工智能依托在计算机的运算与数据层面上，能够对人体外貌、性别特征等进行识别，应用在检索上，可快速的通过图片等线索或者大量的相应资讯，更加精准化、速度化的区分信息内容，并基于这种理念，开通了娱乐模式，使得仿真游戏体验下，人们对于智能视觉的接触面积更多元化。人工智能未来发展趋势文/方中理 张祖奡 1.2 自然语言处理领域 通过对自然语言的处理，使得机器更加具有生命力，通过人机的交互，与人机的沟通等模式，极大的借助机械化的手段代替人类语言模式下的自然活动，较为常见的是近年来网络上引起热议的银行客服机器人，不仅能够帮助银行引导客户完成一系列的操作，还能够通过自然语言的设定，针对客户提出的问题予以回应，使得机器本身的智能反应能力体现的更加淋漓尽致，另外还有针对儿童的机器人导学，机械电子产品辅助教育，机器人同声传译，机器人会计计算，机器人稿件编写，机器人超市收银等，一系列的语言处理攻略虽然十分新奇有趣，又带给了人们便捷与周到的服务，他们计算精准鲜少出错，还极大的缩减了劳动力，但机器人逐渐的渗透到各个行业，导致人类面临失业的问题也逐渐凸显，未来的“无人超市”到底是时代发展的必然，还是智能化语言模式下人类过分依赖机械设备的弊病，仍旧是需要探索的问题，而这也是近年来发达国家不再推进智能语言处理的根本所在，如何衡量人类活动与机械语言替代活动之间的关系，未来的发展走势又会如何，想必会与我国的经济、工业、科技、教育等关联甚广，难以一一言表，让我们拭目以待。 2 未来人工智能协助人类完成智能任务 2.1 智能化的工作推进 人工智能的衍生，可以帮助人类完成很多看似人力难以完成的任务，具有快、准的高效优势，遥感卫星与定位系统能够帮助人们建设绿色环境，对于林木的种植发展提供了有效的参考依据，在农业层面，可掌握我国农耕的布局，借助智能数据的整合，参考全面的资料了解到更加适宜当地环境、土壤等情况下的合理种植要求，可避免人们少走弯路，极大的提高了生产力，且智能模式下，能够建立更加系统化的供应链，以农业来说，原材料的购置，种植技术与管理，农产品的营销等均在智能模式下，实现一条龙式发展，能够收集市场的反馈，准确的结合环境的变化等更替信息，给予人们更加实时性的工作指导。另外在医疗、教育、旅游、金融等层面，可为相应的人员提供更加全面的指标，显现出客户潜在的需求与自身问题，审核体系可自动屏蔽风险，使得服务更加周到化，无人驾驶、智能匹配等已经循序步入人们的视野，智能工作仿佛无所不能，智能任务的推进仍在摸索中。 2.2 人工智能实现跨越式发展 人工智能已经不满足单一层面的供应与任务设定，而是跨越学科与行业，依托较为复杂的算法与多平台，实现社会渠道的交互运作。现阶段诸多的智能手段依然需要借助计算机的模式来完成，逐步为拓展人工智能的发展空间，已然开创出与人工智能相匹配的优等平台，INTERNET、GOOLE、寒武纪、英伟达等诸多优秀的国际化企业将开发新型人工智能处理器作为核心，已经实现了相当可观的进步。结合较为传统的互联网连接形式，搭建出能够满足不同任务需求的智能模块，独立化的智能设定体系，借助量子计算方法，实现多行业跨越性的发展，包含节能环保等理念，使得智能应用不受限制，带给社会翻天覆地的改变。 3 结束语 综上所述，无论智能手段是生存的核心技术，还是生活质量的飞跃式变革，伴随互联网、计算机等基础载体，通过计算、数据归纳、交互等模式，使得智能化的应用已经逐渐的渗透到人们的生活视野，显而易见的快捷科技手段，背后隐藏的人类活动大调整，都将颠覆认知、颠覆行业、颠覆人们的活动规律，要明确的衡量人类操作与机械化操作之间存在的问题，能够互相配合，而不是完全替代，打造精彩的人机合作空间，实现未来科技世界的共荣。 参考文献 [1]张永民.人工智能在智慧城市中的研 究应用和发展前景[J].中国建设信息 化,2016(15). [2]赵永新.人工智能将全方位影响人类社会 [J].冶金企业文化,2017(06). [3]张静.人工智能的发展现状与发展前景分 析[J].无线互联科技,2017(14). 作者单位 方中理（1999-），男，甘肃省白银市人。在校大学生。研究方向为探测制导与控制技术。 作者单位 西北工业大学电子信息学院 陕西省西安市 710100 238 ?电子技术与软件工程 Electronic Technology & Software Engineering