人工智能及其應用前景

第第#頁共16頁人工智能及其應用前景人工智能及其應用前景【摘要】人工智能從誕生之日起就備受社會各界的廣泛關注，經過多年發(fā)展，現(xiàn)在已經成為一門綜合性的前沿學科。從上世紀七八十年代以來，就被譽為是具有與空間技術和能源技術同等地位的世界三大尖端技術之一，到了二十一世紀又與基因工程、納米科學同被譽為三大尖端技術。本文主要對人工智能的概念進行解讀，而后概述了人工智能的發(fā)展歷程，并且探析了人工智能的應用和存在的問題，最后展望人工智能今后的發(fā)展，對于探索人工智能應用的方向具有一定的價值?！娟P鍵詞】人工智能；發(fā)展；應用；前景ArtificialintelligenceanditsapplicationprospectsAbstract：Fromthedateofthebirth,artificialintelligencehasbeenwidespreadattentionedfromallwalksoflife，aftermanyyearsofdevelopment，ithasnowbecomeacomprehensivefrontierdiscipline.From70softhelastcentury，ithasbeenhailedasoneoftheworld'sthreecutting-edgetechnologyequaltospacetechnologyandenergytechnologystatus.Inthe21stcentury,itisknownasthethreecutting-edgetechnologywithgeneticengineeringandnanoscience.Thispaperfirstintroducedtheconceptoftheartificialintelligence，interpretation，andthensummarizedthedevelopmentofartificialintelligence，anddiscussedtheapplicationofartificialintelligenceandtheproblems，andfinallylookedforwardtothedevelopmentofartificialintelligenceinthefuture.Ithasacertainvaluetoexplorethedirectionoftheapplicationofartificialintelligence.Keywords：Artificialintelligence；Development；Applicationfield；Prospects前言：人工智能(ArtificialIntelligence),簡稱AI,最初是在1956年Dartmouth學會上提出的。它是由計算機科學、控制論、神經生理學、語言學等多種學科相互滲透而發(fā)展起來的一門綜合性的前沿學科。自問世以來的五十多年間已經取得了長足的進展,由于其應用的極其廣泛性及存在的巨大研究開發(fā)潛力,吸引了越來越多的科技工作者投入人工智能的研究中去。尤其是八十年代以來出現(xiàn)了世界范圍的開發(fā)新技術的高潮,許多發(fā)達國家的高科技計劃的重要內容是計算機技術,而尤以人工智能為其基本重要組成部分。人工智能成為國際公認的當代高技術的核心部分之一。人工智能發(fā)展歷程人工智能的產生及發(fā)展過程，可大致分為起始期、興起期、穩(wěn)定期、高峰期。起始期20世紀50年代，人工智能的概念被首次提出。機器定理證明、跳棋程序、LISP表處理語言、神經元網(wǎng)絡計算機等就是在這一時期出現(xiàn)的。有相應的成果，但由于當時過于重視求解的方法，而忽略了知識本身，因此在這一時期也存在著些不足之處。興起期自從1956年夏季那次歷史性的聚會后，人工智能這一以研究如何用機器來模擬人類智能的新興學科正大步的向前邁進，隨著DENDAL化學質譜分析系統(tǒng)、MTCIN疾病診斷和治療系統(tǒng)、Hearsay-11語言理解系統(tǒng)等專家系統(tǒng)的出現(xiàn)奠定了人工智能的實用性，1969年國際人工智能聯(lián)合會議更是標志著人工智能已得到國際的認可。穩(wěn)定期20世紀80年代第一次神經網(wǎng)絡國際會議在美召開，使得在神經網(wǎng)絡上的投資大大提高；20世紀90年代網(wǎng)絡技術的出現(xiàn)，提供給了人工智能新的研究方向，使得人工智能從曾經的單個智能主體研究開始轉向到基于網(wǎng)絡環(huán)境下的分布式人工智能研究，讓人工智能有了更多的實際用途。高峰期進入21世紀以來，人類在人工智能方面由于理論的飛速發(fā)展，因而人工智能技術在具體應用上如魚得水，已經開始滲透到人們的日常生活之中，從衛(wèi)星智能控制，到機器人足球比賽，再到智能家居機器人［1-3］，等等，都標志著人工智能技術的飛速發(fā)展。人工智能的具體表現(xiàn)形式是機器模擬人腦，人工智能一直處于技術創(chuàng)新的前沿，近年來更是呈現(xiàn)集中爆發(fā)態(tài)勢。當前以智能搜索、深度學習、云操作處理等為代表的大規(guī)模聯(lián)網(wǎng)應用已經成為信息通信技術引人矚目的重要方向。近年來美歐相繼啟動的人腦研發(fā)計劃，力圖打造基于信息通信技術的綜合性研究平臺，促進人工智能、機器人和神經形態(tài)計算系統(tǒng)的發(fā)展，預計將助推信息通信技術乃至人類社會生產生活發(fā)生深刻的革命性變化。2身邊的人工智能的應用問題求解問題求解，即解決管理活動中由于意外引起的非預期效應或與預期效應之間的偏差。能夠求解難題的下棋(如國際象棋)程序的出現(xiàn)，是人工智能發(fā)展的一大成就。在下棋程序中應用的推理，如向前看幾步，把困難的問題分成一些較容易的子問題等技術，逐漸發(fā)展成為搜索和問題歸約這類人工智能的基本技術。搜索策略可分為無信息導引的盲目搜索和利用經驗知識導引的啟發(fā)式搜索，它決定著問題求解的推理步驟中，使用知識的優(yōu)先關系。另一種問題的求解程序，是把各種數(shù)學公式符號匯編在一起,其性能已達到非常高的水平，并正在被許多科學家和工程師所應用，甚至有些程序還能夠用經驗來改善其性能。例如，1993年美國發(fā)布的一個叫做MACSYMA的軟件，它能夠進行較復雜的數(shù)學公式符號運算［4］。專家系統(tǒng)專家系統(tǒng)ES(ExpertSystem)是人工智能研究領域中另一重要分支，它將探討一般的思維方法轉入到運用專門知識求解專門問題，實現(xiàn)了人工智能從理論研究向實際應用的重大突破；專家系統(tǒng)可看作一類具有專門知識的計算機智能程序系統(tǒng)，它能運用特定領域中專家提供的專門知識和經驗，并采用人工智能中的推理技術來求解和模擬通常由專家才能解決的各種復雜問題。在近年來的專家系統(tǒng)或“知識工程”的研究中，已經出現(xiàn)了成功和有效應用人工智能技術的趨勢，具有有代表性的是用戶與專家系統(tǒng)進行“咨詢對話”，如同其與專家面對面的進行對話是一樣的：解釋問題并建議進行某些試驗，向專家系統(tǒng)詢問以期得到有關解答等。當前的實驗系統(tǒng)，在比如化學和地質數(shù)據(jù)分析、計算機系統(tǒng)結構、建筑工程以及醫(yī)療診斷等咨詢任務方面，已達到很高的水平。不同領域與不同類型的專家系統(tǒng)，它們的體系結構和功能是有一定的差異的，但它們的組成基本一致。一個基本的專家系統(tǒng)主要由知識庫、數(shù)據(jù)庫、推理機、解釋機制、知識獲取和用戶界面六部分組成，如圖1所示[5]。身邊有很多具體應用，例如血液凝結疾病診斷系統(tǒng)、電話電纜維護專家系統(tǒng)、花布圖案設計和花布印染專家系統(tǒng)等等。機器翻譯機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機器翻譯系統(tǒng)。目前，國內的機器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。以“譯星”、“雅信譯霸”為代表的專業(yè)翻譯系統(tǒng)，是面對專業(yè)或行業(yè)用戶的翻譯軟件，但其專業(yè)翻譯的質量與人們的實用性還有不少差距，有人評價說“滿篇英文難不住，滿篇中文看不懂”，該說法雖然比較極端，但機譯譯文的質量確實卻一直是個老大難問題。在目前的情況下，計算機輔助翻譯應該是一個比較好的實際選擇。事實上，在很多領域中，計算機輔助人類工作的方式已經得到了廣泛的應用，例如CAD軟件。機器翻譯研究歸根結底是一個知識處理問題，它涉及到有關語言內的知識、語言間的知識、以及語言外的世界知識，其中包括常識和相關領域的專門知識。作為人類探索自己智能和操作知識的機制的窗口，機器翻譯的研究與應用將更加誘人，但在人類對語言研究還沒有清楚“人腦是如何進行語言的模糊識別和判斷”的情況下，機器翻譯要想達到100%的準確率是不可能的。模式識別計算機人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式。其主要的研究對象是計算機模式識別系統(tǒng)，也就是讓計算機系統(tǒng)能夠模擬人類通過感覺器官對外界產生的各種感知能力。較早的模式識別研究工作集中在對文字和二維圖像的識別方面，并取得了不少成果。目前研究的熱點是活動目標（如飛行器）的識別和分析，它是景物分析走向實用化研究的一個標志。各種語音識別裝置相繼出現(xiàn)，性能良好的能夠識別單詞的聲音識別系統(tǒng)已進入實用階段，一個重要的例子就是七國語言（英、日、意、韓、法、德、中）口語自動翻譯系統(tǒng)。其中，中文部分的實驗平臺設立在中國科學院自動化所的模式識別國家重點實驗室，這是口語翻譯研究跨入世界領先水平的標志。該系統(tǒng)實現(xiàn)后，人們出國預定旅館、購買機票、在餐館對話和兌換外幣時，只要利用電話網(wǎng)絡和國際互聯(lián)網(wǎng)，就可用手機、電話等與“老外”通話［6］。3其他相關研究對人工智能發(fā)展的影響神經網(wǎng)絡人工神經網(wǎng)絡是在研究人腦的奧秘中得到啟發(fā)，試圖用大量的處理單元（人工神經元、處理元件、電子元件等）模仿人腦神經系統(tǒng)工程結構和工作機理，是通過范例的學習，修改了知識庫和推理機的結構，達到實現(xiàn)人工智能的目的。在人工神經網(wǎng)絡中，信息的處理是由神經元之間的相互作用來實現(xiàn)的，知識與信息的存儲表現(xiàn)為網(wǎng)絡元件互連間分布式的物理聯(lián)系，網(wǎng)絡的學習和識別取決于和神經元連接權值的動態(tài)演化過程。按照“結構模擬”的方法論思想，人工智能的研究者試圖建造人工的神經網(wǎng)絡來模擬人類的思維能力。1943年，McCulloch和Pitts提出神經元的數(shù)理邏輯模型，經過后人的改進成為人工神經網(wǎng)絡的基本單元。20世紀50年代中期，Rosenblatt等利用人工神經元電路構造感知機(Perceptron),可用來識別印刷體的英文字母，初步顯示人工神經網(wǎng)絡的智能。同一時期，Widrow等利用人工神經元研究和設計成功具有自適應能力的Adaline和Madaline系統(tǒng)。人們甚至利用少數(shù)幾個神經元的簡單網(wǎng)絡設計成功可模擬高等動物的條件反射能力的人工神經網(wǎng)絡，展示了人工神經網(wǎng)絡的誘人前景［7-8］。大數(shù)據(jù)大數(shù)據(jù)技術是繼移動互聯(lián)技術和云計算技術之后一項顛覆性的信息技術，它使得我們擁有了對一些數(shù)量巨大、種類繁多、價值密度極低、本身快速變化的數(shù)據(jù)有效和低成本存取、檢索、分類、統(tǒng)計的能力。大數(shù)據(jù)技術的發(fā)展也將在為人工智能提供用武之地的同時，喚醒人工智能巨大的潛力，從而使這兩個領域的技術和應用出現(xiàn)加速發(fā)展的趨勢。近年來由大數(shù)據(jù)推動的人工智能技術研究有很多，例如IBM公司的Watson系統(tǒng)就是基于大數(shù)據(jù)技術的。它使用了自然語言語義分析、信息提取、知識表現(xiàn)、自動化推理、機器學習等人工智能方法，是當代人工智能研究的代表性成就。20__年2月，IBM宣布Watson系統(tǒng)第一次被應用在商業(yè)項目上：美國紐約Sloan-Kettering癌癥中4(MemorialSloan—KetteringCancerCenter)的肺癌治療設施使用了該系統(tǒng)。IBM已將Watson系統(tǒng)對公眾開放，期望建立起有更多應用的智能商業(yè)平臺。以往的人工智能技術不能發(fā)展出與人類相似的學習能力、研究能力和創(chuàng)造能力，其中一個重要的原因是“機器得到的數(shù)據(jù)量和機器擁有的數(shù)據(jù)處理能力”與“產生人工智能所需要的數(shù)據(jù)量和數(shù)據(jù)處理能力”的不匹配。大數(shù)據(jù)技術的發(fā)展，為分析和儲存海量的數(shù)據(jù)提供了技術支持，使得機器得到的數(shù)據(jù)量和機器擁有的數(shù)據(jù)處理能力，與形成人工智能所需要的數(shù)據(jù)量和數(shù)據(jù)處理能力相匹配的矛盾得到了緩解。在這種情況下，人工智能的理論、方法和技術的巨大潛力才有可能被真正的逐步釋放出來，實現(xiàn)人工智能的發(fā)展目標。因此，大數(shù)據(jù)時代的到來,也開啟了人工智能的新篇章?？傊?，大數(shù)據(jù)和人工智能是現(xiàn)代計算機技術應用的重要分支，近年來這兩個領域的研究相互交叉促進，產生了很多新的方法、應用和價值。大數(shù)據(jù)和人工智能具有天然的聯(lián)系，大數(shù)據(jù)的發(fā)展本身使用了許多人工智能的理論和方法，人工智能也因大數(shù)據(jù)技術的發(fā)展步入了一個新的發(fā)展階段，并反過來推動大數(shù)據(jù)的發(fā)展。因此，在不久的將來，我們不難想象，大數(shù)據(jù)和人工智能領域的各種理論和方法，會有加速的發(fā)展趨勢，從而史無前例地影響整個人類的發(fā)展進程。深度學習深度學習旨在模仿人腦的神經網(wǎng)絡，其作用就如人類大腦里掌管知覺、運動指令、意識、語言的“新皮層”，它能自己學習辨識聲音、圖像和其他數(shù)據(jù)，從而幫助計算機破解一些人類幾乎完全依靠直覺來解決的瑣碎問題，從識別人臉到理解語言等，極大地推動了人工智能的發(fā)展。傳統(tǒng)機器學習是通過標記數(shù)據(jù)和有監(jiān)督學習，這意味著，如果想讓機器學會如何識別某一特定對象，就必須人為干預對樣本進行標注，也就是說，隨著其所需處理數(shù)據(jù)量的增大，外界對其的支持和幫助也就更大，而且計算結果的準確性也會受到影響。因此，對于這種傳統(tǒng)算法，越來越多的數(shù)據(jù)將成為負擔，也更容易達到極限或產生錯誤結果。但深度學習是從未經標記的數(shù)據(jù)展開學習，這更接近人腦的學習方式，可以通過訓練之后自行掌握概念，這將大幅度提高計算機處理信息的效率，使機器具備一定的人類般的學習和思考能力。如今，谷歌、微軟等知名的擁有大數(shù)據(jù)的高科技公司爭相投入資源，占領深度學習的技術制高點，正是因為它們都看到了在大數(shù)據(jù)時代，更加復雜且更加強大的深度模型能深刻揭示海量數(shù)據(jù)里所承載的復雜而豐富的信息，并對未來或未知事件作出更精準的預測。當谷歌公司在其安卓智能手機操作系統(tǒng)上采用基于深度學習的語音識別技術后，其單詞拼寫的錯誤率下降了25%，這是語音識別領域10多年來最大的突破性進展。深度學習技術不僅在圖像和語音識別領域不斷取得突破，在處理自然語言方面也發(fā)揮了巨大作用，包括用其來理解人類的演說以進行轉述或回答相關問題，將一種語言翻譯成另一種語言等。人工智能目前存在的問題理論不夠成熟人工智能理論從誕生發(fā)展到現(xiàn)在，已經從最初的“經典控制論”發(fā)展到現(xiàn)今的反饋控制、最優(yōu)控制、模糊邏輯控制、專家智能控制理論等若干分支理論，但是除了“經典控制論”建構了詳盡而規(guī)范的理論體系之外，其他后發(fā)展起來的智能控制理論，或多或少都是依據(jù)一定的工程背景或特殊的應用場合才逐步發(fā)展起來的，因此，人工智能控制理論的發(fā)展呈現(xiàn)出不同的理論算法只適用于特點的領域或工程背景、理論的通用性和可移植性較弱的特點；另一方面，人工智能理論的發(fā)展與人工智能技術的實現(xiàn)是相輔相成的，有的人工智能理論的發(fā)展先于技術的實現(xiàn)，有的理論算法是在特定的工程應用領域內的研究才獲得或提出的，因此，人工智能技術的實現(xiàn)對于理論的發(fā)展也存在了一定程度的影響，而且很多人工智能的理論的提出或算法的分析研究都是以相關的技術實現(xiàn)為假設前提的，這就決定了很多人工智能的理論在某些特定的方面必然存在一定的局限性［9］，因此，到目前為止，人工智能理論的發(fā)展還尚未形成一個完整而系統(tǒng)的理論結構框架。技術上難以實現(xiàn)在人腦思維過程中的大腦神經網(wǎng)絡連接活動具有不可重復性。而符號化的思維活動（比如語言符號的語義約定）卻具有可重復的普遍共性。因此，在大腦神經網(wǎng)絡連接活動與符號化的思維活動之間，并不存在具有普遍意義的映射關系。換句話說，大腦神經網(wǎng)絡連接活動與符號化的思維活動是兩條永不相交的平行線。因此，如果要想模擬人類思維活動，應該模擬符號化思維活動，而不是模擬思維活動的生物過程［10］。另一方面，要提高人工智能技術的使用價值，應該從系統(tǒng)方案設計之初，就充分重視人機優(yōu)勢互補的方法論探討，而不僅僅是將人機對話、人機互補當成一個不得已的補丁或遮羞布。實踐證明，任何以自動化技術為中心的人機接口技術，其應用價值往往大打折扣。同時，只有加強人工智能工程技術開發(fā)的方法論研究，建立人工智能工程技術可行性論證規(guī)范，才能盡可能降低開發(fā)風險，保證人工智能工程性項目開發(fā)的順利完成和市場前景。應用范圍難以突破由于人工智能理論的復雜性，并且目前理論的發(fā)展還未形成系統(tǒng)而詳盡的規(guī)范框架，因此人工智能技術難以獲得廣泛的應用，目前僅僅在航天航空、地理信息系統(tǒng)建設、機器人等高端科技領域有所涉及應用。近年來，模糊邏輯控制理論也開始逐步應用于家電產品，但是這只是人工智能技術應用的冰山一角，更加寬廣的應用范圍有待于理論的加深和硬件技術以及軟件算法的發(fā)展成熟。我們如果想獲得人工智能技術的突破式發(fā)展，必須要擺脫知識崇拜，承認和重視人類知識的相對性，是現(xiàn)代科學精神的精髓。充分理解具有封閉性特征的公共知識系統(tǒng)在解決探索性問題時只具有輔助功能和參考價值，具有十分重要的意義。因為無論多么復雜的人工智能技術，其基本功能仍然是提供公共知識服務。人工智能的前景及展望人工智