人工智能发展方向和趋势
主编:魏元周
郑州辉格食品有限公司
https://www.doczj.com/doc/722922702.html,
2016.07
人工智能正以前所未有的态势汹涌而来，一方面是风投和创业创新，都把人工智能当做了下一个尚未被开垦的宝地；另一方面是应用，比起概念盛行的阶段，现在的无人车、AlphaGo等已经把人工智能技术带到了“看得到摸得着”的境地。
那人工智能到底是什么？这个领域包含哪些要素？它将如何改变当今世界，又面临哪些问题和瓶颈？对于人工智能的应用和商业化，哪些领域会最快显现效果出来？
在清华大学“清华学堂计算机科学实验班”题为《人工智能的黄金时代》的演讲中，创新工场董事长兼CEO李开复对“人工智能”进行了深入浅出的讲解分析。
在讲解中，这位机器学习领域的博士对人工智能追古溯源、引用知名商业案例，并结合Google等巨头的布局和调整，为受众勾勒了人工智能的框架、要素、商用领域和条件，并且强调了人工智能当前的瓶颈和对当前互联网市场的影响。
值得一提的是，这位中国最知名的创业导师还给有志于在人工智能领域进行创业的创业者们提供了建议。
在这篇长达万字的演讲实录里，关于人工智能、深度学习、Google的野心等，首次“科普式”地得以展现。
以下是李开复演讲实录：
谢谢大家！非常高兴有这个机会又一次来到清华，尤其是在我最尊敬的姚期智教授的邀请和介绍之下。姚教授的姚班在全球已经享有盛名，我从Google到创新工场，看到有非常多成功的工程师，都是在姚老师的培养之下成为了计算机界的顶尖人才。
在讲人工智能之前，我想向大家介绍一下我的一些可能不太为人熟知的背景：其实在进入几个国际大公司任职之前，也就是在30多年前，我就进入了人工智能领域。我是在1980年首先做的自然语言处理，1982年做的计算机视觉，1983做的语音识别，1985年做的人机对弈，1996年做的VR/AR……但我们现在知道，那时候我的这些选择基本上都是非常“糟糕错误”的职业选择，因为每一件事情，我都是在它的黄金时代之前、白银时代之前，甚至破铜烂铁都不是的时代就涉足了。从这个事情上，其实我也想说，做计算机研究这个领域，本身的素质能力当然都非常重要，但是还要在正确的时候选择正确的事情。我在错误的时候太过狂热的跳进了人工智能领域，与此同时，过去的三四十年人工智能也是起起伏伏，一下很火，一下又跌入谷底。
但现在是人工智能的黄金时代。可能各位也会问，凭什么这次说是人工智能的黄金时代？为
了说明这个问题，这次我肯定不只用一些理论来说服大家，毕竟我过去也做了这么多“错误的选择”——我今天还带一些实际的数据来跟大家分享为什么我对今天的人工智能充满信心。人工智能有很多分支，其中之一是机器学习，机器学习里面还有一个分支是深度学习，今天我更多的会用深度学习作为案例。
人工智能是一种工具
最近人工智能成为全球热门新闻话题，很多是因为大家看到AlphaGo在几个月前击败了李
世石，最近在网上还传出年底之前它要挑战柯杰的消息。但在这个新闻的热度之下，有一点让我觉得很可惜：大家对这个话题讨论的重心都放在了人工智能是不是在模仿人脑，“奇点”是否即将来临这样的问题上，却没有真正关注人工智能对我们的现实影响。
“奇点”认为未来机器将有各种的智能、人类必须做一些事情来保护自己。我们在座的没有任何一个人能够证明或否定“奇点”，但就我个人而言，我认为人工智能要取代人还是一个非常遥远的事情。我觉得我们需要更关注的事情是人工智能是今天能够拿来用的工具，它能帮助人类解决问题，能取代重复性的工作，能创造商业价值。正因为这个理由，我认为我们今天进入了人工智能的黄金时代。
随便举几个例子：今天很多的工作以后大部分都会消失，比如说翻译，虽然现在还不是做的那么完美，但是每年进步的都很快，再过几年人工的翻译可能就会非常难找到工作了。记者也同样如此，如今90%美联社的文章都是用机器来写的。几乎所有思考模式可以被理性推
算的工作岗位，在有足够数据支撑的时候，都会被取代。有人说十年之内一半的工作会消失，有人说十五年之内一半的工作会消失，我觉得这些都是合理的揣测。
我想在座大部分都会相信这个理论，而如果你对此还有怀疑，你可以想想，为什么AlphaGo 这么厉害？就是因为它可以动用到几千台机器每天和自己对弈上万盘的围棋，而这人是做不
到的；以后为什么自动驾驶会这么厉害呢？因为它可以用它的各种的sensor在路上搜集数据，这不是任何一个司机可以匹敌的。所以这些都是一些必然的过程。
何为人工智能
到底什么是人工智能呢？我觉得大概来说可能是有几个部分。
首先是感知，感知就是包括视觉、语音、语言；然后是决策，刚刚讲的做一些预测，做一些判断，这些是决策层面的；那当然如果你要做一套完整的系统，就像机器人或是自动驾驶，它会需要一个反馈。
在这些例子上可以看到，感知可能更多的是帮助识别图里面一个婴儿在沙发上抱着泰迪熊这种。在推荐上面，我举的例子是一个用Google now通过你过去做的一些事情推测你下面要做什么，在最下面的例子你会看到有一个无人驾驶的汽车，它有各种的sensor，它捕捉的信息可以用来做最后的决策，比如怎么去操作方向盘、油门、刹车等等的。其实这三件事情的总和就是今天所被归纳为的人工智能。
再从博弈、感知决策以及反馈四个方面回顾一下人工智能的发展历程。博弈今天就不讲太多了，但是基本上我可以看到从我在大学做的Othello到Checkers再到DeepBlue chess，经过很长的一段时间，终于有了今天AlphaGo打败了围棋世界冠军。我们从中可以看到，这是一条长达三十多年的路程。
在感知方面，从我的博士论文发表到Nuance成为一个顶尖的公司，从中国诞生了科大讯飞
到美国的Deep Face、中国的Face++等等做得越来越好的企业，这些年也有很多的进步。还有一些很特殊的例子，比如最近看到一些搞笑的比较Microsoft Tay在Twitter上开始跟人家交流一下子就讲了一堆不堪的话，就被Microsoft撤回了，所以这里有很多的成功例子，也有很多有趣的事件。
决策方面，从早期Microsoft Office里的工具到Google广告的推荐，然后到金融行业的很多智能决策公司的出现，进步迅速。Google auto mail可能大家还没有看过，但是如果你现在还在用Gmail的话，会发现你有时候收到email，Google会跳出来问要不要发回复，有时候它连回复都帮你写好了，而且写的很精确。这也是人工智能的体现。可能以后我们讲话都不用，助理能帮我们搞定，人工智能的助理肯定也是一个方向。
最后是反馈，从CMU Boss早期的无人驾驶到Amazon用Kiva推动物流，再到最近的Pepper、Google car，我们可以看到这个领域过去三四年特别的热，有很多看起来商业化已经做的非常好。
科普深度学习
在这里，我要稍微深度讲一下深度学习。
深度学习是一种神经网络，与但与之前的相比，它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。收敛快速可能是一种技巧，不见得是一个理论，但是有一批人通过它解决了很多重要的问题。
简单的来说，如果我们有很多笑脸，然后我们把笑脸的像素输入到一个神经网络里面去，最后你那儿希望让机器能识别这是姚明，那是马云，但是因为你这个深度学习的网络很深，要一次性学会这么多也会比较困难，所以就需要用到一个比较快速收敛的技巧——自我学习。通过自我学习，机器会逐步从大量的样本中逐层抽象出相关的概念，然后做出理解，最终做
出判断和决策。
比如它可以有好几层的nodes和connection，经过这些nodes和connection，它在每一个层次会感知到不同的抽象特征，且一层比一层更为高级。这些都是通过自我学习实现的，而不是人教的。经过自我学习，从一个脸输进去再从同样的一个脸输出来，它就从里面抽象的学习到了一个人的脸重要特征。
经过这个学习之后，我再去做监督训练，看机器是否能够识别他们，如果不能，就在训练之
后做微调。例如，如果我输入了马云的脸，出来的却是王宝强，那训练系统就会告诉你的网络说这个是错误的：这不是王宝强，这是马云。那接下来就是要进行微调，以便于下一次机器看到这个脸时，能识别出是马云的概率高一些，出来王宝强的概率低一些。
但是这么一调也不能调的太过火了，要不然就会有overtraining的问题，我们就对整个数学公式做一点微调，用大量的数据，不断重复的去教它，经过不断微调，那么它就很可能在多次之后降低识别错误。
其实这一整套理论在二三十年前就已经有了，我在做我博士论文的时候，很多我的同事就在做训练神经网络的工作。
深度学习在最初的时候训练速度特别特别慢，所以比较难进入工业级别或者是应用级别，比如，你的手机是做不来这个的，因为它的速度实在太慢了。但经过这么多年，我们的计算机变的越来越快，另外也有了更多取巧的训练和识别做法，深度学习的应用可能性也发生了变化，它能被应用的领域越来越宽。多年前，我过早的进入了这一领域，但是现在，人工智能大规模应用的时机已经到了。
凭什么这么说？一个很简单的评估标准就是，我们的深度学习或者是任何的机器学习，它是不是超越人类的能力表现，如果超越的话，可能很多应用就会产生。比如在机场，如果机器识别人脸的准确度超过人，那么我们那些边防的人就可能不需要那么多。这并不是说机器不会犯错，而是说既然人不能比机器做的更好，那我不妨就用机器取代。
深度学习的应用领域
在过去的五年，深度学习的准确度从75%多提升到了97%左右，而人的表现准确率大概是95%。从95%到97%听起来只进步了2%，但实际上是把错误率降低了40%，这是很大的进步。如果这种进步持续，未来人工智能必然会超过人类的表现，同时也将可以进入一些可应用的领域。这就是今天我讲人工智能进入黄金时代的证据：在很多领域，也包括我们在face++做的人脸识别，包括了Apple、Google，科大讯飞的语音识别，它们的认知水平将在未来几年的时间内超过人类，而一旦超过人类，应用就会快速的增加。
深度学习首先可以应用于识别，包括人脸识别和语音识别等，这些可以用于安防，安检等。
人脸语音的数据来之不易，但是BI，商业的流程、互联网的数据却非常丰富。Google、百度很早就已经在搜索，在广告以及推荐系统里面充分使用了类机器学习技术，解决该推荐什么商品，一个商品怎么定价，在什么位置会卖的最多，应该把这样的产品卖给谁等问题。这一类的推销可以直接产生经济价值，而社交媒体营销，整个互联网广告，这每一个领域都是几十亿，几百亿甚至更大的市场。
将智能用于炒股其实也是一个不错的选择。在国内在国外，很多人都在做这方面创业的工作。利用智能，我可以随时来算一篮子股票和期货应该如何对冲，以寻求最大的利润。顶尖金融分析师也会做这个，但是他不可能把所有的股票的排列组合都考虑一遍，但是机器可以二十四小时不睡觉，每天都在算怎么能赚最多的钱。除此之外，deep learning深度学习的技术可以把各种的因素都融合进来，比如这个公司的高管有没有变动，今天出了什么新闻，行业里还有没有什么变动……甚至你可以对一个智能系统说如果明天巴西发生了地震，什么股票该被购买，甚至你可以说发生了地震不要问我，你直接去买它就可以了。
银行保险方面，比如说贷款该不该审批，则无论是银行的贷款，还是P2P的贷款，都可以通过机器来判断，而且数据未必要来自银行内部。
医学方面，因为我自己生过病，也深深的受过这方面的痛苦，我也感觉到在今天的医生的判断真的不是最完善的。一方面医生有好有坏，顶尖的医生是非常少的；第二方面比如在癌症方面，它每一年都有新的药出来，那每个医生每天忙着看病人，就不见得有时间去研究这些药物，那些药物也不是每个国家都可以使用的。还有就是每一个人，他的各种特质，不见得就适合用这个药。这些其实都是可以用机器学习来做出来的。
前一阵我在美国碰到了一些科学家，他们正在用机器学习的方法来发明新药。我们的科学研究方面当然要有聪明的头脑和很好的实验，但是其中有一个很关键的部分，就要是一定的程
度去排列组合：试很多东西，对小白鼠先试试这个有没有用，再试试看那个有没有用，然后再在猿猴身上实验，再进行人体实验。在以前，这整个过程都是由人脑完成，但是这个交给机器来做也许会更精准。甚至有一家公司它养了非常多的白老鼠，他里面所有的实验都是通过机器学习精准进行：每天白老鼠活了几只，死了几只，什么药可以进到下一步……这些都是靠机器学习加上非常精密的系统来做。
我们发明的很多新的材料，都不是靠纯粹的科学方法推出来的，也是去试一试，把这个碰到那个，就产生了有很特殊效应的材料。这些知识都可以输入我们的信息学习系统，通过它我们可以帮助发明新的事物。
在教育方面也有应用。在学习的过程中，如果基础没有打好，下一个层次根本学不下去。智能化的教育系统会识别你的学习水平，然后根据你的水平确定学习内容。比如，你的乘法没有学好，机器就不可能让你去学除法。
当然学习外语也是很好的例子，我们今天的语音识别做的这么好，为什么我们学外语还是一定要找外教，为什么语音识别不能再上一层楼呢？所以，当你的技术一提高了，语音识别应用就不会只是我的讲话进去然后文字出来，它还有可能用在教育领域。
在这么多机会之下，这个人工智能会重塑亿万级别的领域。当然这个不是明天就会发生，因为我觉得人工智能在很多方面还是相当大的欠缺……
人工智能将重塑亿万级别的领域
人工智能会重塑很多亿万级别的领域。当然这个不是明天就会发生，因为今天我们在很多相关方面仍存在相当大的欠缺。
比如，在我们的计算架构上面，现在还是需要时间去做算法的改进提升，需要去研究如何部署云端架构，另外深度学习用时仍太长，这些还都是需要探索的内容，而且并没有一个标准
化的答案。
另外，算法框架也非常重要。我们可以看到有一些重要技术的推进，实际上是因为有了开源或者API或者标准的出现，但现在仍有很多方面还没有出现相关标准。当然我们知道Google 的TensorFlow等提供了一些开源的方法，但是其实他们还没有真正的平台化，比如你把TensorFlow丢给一个没学过机器学习的人，哪怕是清华大学顶尖的计算机系学生，他也很难用其创造价值。如果清华的学生都不能，那它的普及性就有问题了。
为什么iOS、安卓能够做的很好，就是因为它产生了平台化效应，使得很多人能够比较容易的介入。然后我们可以看到像Hadoop这样七八年前很多人觉得很高深的东西现在也慢慢变得平台化了。今天，如何使得整个机器学习的体系平台化，以便于让更多的非专业人士能够使用，这个是目前面临的一个很大的瓶颈，需要一定的发展时间才能得以突破。
在一些领域中，很多技术性问题可以在两三年内得到解决，但是还有很多问题并非如此简单，比如说语义。我们说语音识别是相对简单的：音进来，字出去，这个非常明确，一个API
就可以调动。但是音进来，确定是何种情境的语义出去就很难。这些我觉得两三年远远还不够，还需要更多的时间去理解。
传感器一定程度来说是价格的问题、如何普及的问题。现在我们看到Google Car虽然做的很牛，但是正如驭势科技的吴甘沙说的，Google Car实际商业化的一个巨大瓶颈就是价位的问题：传感器实在太贵了。因此要把这件事做下来就是一个鸡和蛋的问题——降低价格就需要量，但量怎么起来？价格不下去量也起不来。要解决这个问题也需要一定的时间。
最后还有很多机械方面的问题。控制机械运动的算法，硬件运动后给出的回馈等等在机械部门也还需要一些开发。
整体来说，虽然我认为机器学习、深度学习在突破人类的精确度方面已经做的非常好，但是
以上几个领域还是需要一些时间才能取得突破。但是这一天肯定是会来临的，我们怎么知道会来临呢？
Google的野心
我们知道，不久前Google重新组织了公司架构，将搜索业务和其他前沿项目子公司都放进了控股公司Alphabet公司。很多分析师说，Google把搜索和其他的业务分开来做Alphabet，是为了优化它的股价，其实这种说法太表面了，他们没有了解一个真正有野心的公司在做什么。
一定程度上，Google之所以成立了Alphabet，是因为Google经过搜索和广告业务的积累，逐步发展了一套我们可以简称为GoogleBrain的模式。Google Brain其实就是机器学习的大脑，这个机器包括了平台也包括了专家，如果它用在搜索领域就是一个搜索引擎，如果它能够用在医学领域，那它可能就是一个癌症诊断系统，它也可以用于人类寿命的延续以及智能家电等各种不同领域。所以Google的野心就是把机器学习作为一个核心，然后用它去解决非计算机非互联网领域的各种问题。
当然它现在还不是一个整体平台，但Google 就会找一些极聪明的人来进军这些领域，有平台的用平台，平台未成形的就用聪明才智来想办法。现在看来，Google这种模式也做成了很多有意义的事情。所以，对于Google，我们千万不要低估了它的能力，因为这家公司可能是未来推动人工智能平台化的最大力量。
怎么证明这是真的呢？从最近Jeff Dean演讲的一张图我们就可以看到Google内部有多少项目在用深度学习。
人工智能的发展及未来畅想 最近看了电影《黑客帝国》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，而是因为其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。她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。 二、机器学习：机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；和机器学习的方法；以及建立针对具体任务的学习系统。机器学习的研究
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
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
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 ：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
（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
论人工智能的发展历程 王鑫涛16151228 摘要：人工智能的发展、人工智能的应用、人工智能的未来 关键字：人工智能、阿尔法围棋、AI 正文：近几年，人工智能这个话题变得越来越热门，尤其是在今年三月份的一场举世瞩目的人机围棋大赛后，人工智能这个话题在人们之间也是越来越普遍地被谈论。2016年3月，阿尔法围棋（AlphaGo）与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜，不少职业围棋手认为，阿尔法围棋的棋力已经达到甚至超过围棋职业九段水平，在世界职业围棋排名中，其等级分曾经超过排名人类第一的棋手柯洁。那么，阿尔法围棋是什么呢，为什么这么厉害？阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴密斯·哈萨比斯、大卫·席尔瓦、黄士杰和与他们的团队开发，其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。通过上述所所，可见现在的人工智能已发展到一个相当高相当先进的程度了，那么，人工智能又是怎么一步步发展到今天的呢，它的未来又会是如何？我在这里就说一下自己对人工智能浅薄的见解。
一、什么是人工智能 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。 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与人类智能相似的方式做出反应的智能机器。人工智能的发展史是和计算机科学与技术的发展史联系在一起的，目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能在21世纪必将为发展国民经济和改善人类生活做出更大的贡献。 人类的科学演变已从单一的“数值计算”发展到系统的“逻辑计算”。人类正在将信息工程学逐步提入到计算机系统中，从而出现了“信息管理”“和“信息交换”等科学的迫切需求。而加速扩大“信息处理”层面来说，现有的计算机的处理数据能力是匹配不了的，缺少领域专业“智能”。这样的“计算机科学”已无法适应信息科学的发展需求。全球的信息科学正在逐步形成，Al作为现代信息科学发展的核心。从古至今人们对提及智能相关的问题就很感兴趣，只不过在计算机没有发明之前，没有任何高科技辅助工具能解开智能的奥秘。
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
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 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
主持人：接下来有请华为诺亚方舟实验室主任李航上台演讲。 李航：大家上午好！非常高兴今天有机会跟大家一起交流。首先感谢新智元以及大会组委会提供这样的机会。今天跟大家分享一下我对人工智能未来发展的一些想法。现在人工智能很热，大家有很多期待、也有一些不安；有一些正确的认识也有一些误解；有一些合理的宣传，也有一些误导。对我们做AI的，用AI 的，一个很重要的问题，就是我们应该期待什么？在可预见的未来，在更遥远的未来，我们对AI应该抱着什么样的期待，进行什么样的努力。我的报告分两部分，第一部分关于我们对人工智能AI应该有什么样的期待，我将从三个角度来谈这个问题。第二部分介绍一下诺亚方舟实验室在人工智能及通信领域做的一些工作。 大家知道人工智能分强人工智能和弱人工智能。首先看一下人的大脑和计算机到底有什么相同的地方，什么不同的地方。这个资料是从MOOC得到的。我们可以看到，现在的计算机和人的大脑在规模上已经相当了，人的大脑有10的11次方个神经元，10的15次方个突触，大概一千亿个神经元，一千万亿个连接。一个典型的计算机有10的10次方个晶体管和稀疏连接。人脑和计算机达到同等的规模，但是在架构上是非常不同的，人脑拥有紧密联系，计算机是稀疏连接的。处理的速度上，计算机有很大的优势，基本上计算机的计算速度是人脑的处理速度的100万倍。但是人脑进行的是并行处理，计算机进行的是顺序处理，这方面有很大的不同。人脑能够做并行处理，在处理某些问题上效率比计算机更高。 从能力的角度来看，计算机往往擅长能够用数学模型很好刻画的任务。
但是计算机不擅长做什么事？我们不知道怎么样用数学去刻画的任务，这个恰恰是我们人脑擅长做的事情，我们人脑平时做的感知、认知的处理很多都是很难用数学模型，至少现在很难用数学模型去刻画的。 我的第一个观点，强人工智能是否能够实现还是不太清楚的，强人工智能希望计算机能够跟人做同等以上智能性的事情。至少从几个方面来看，从情感、创造力和自由意志这几个角度来看，强人工智能是非常困难的。这些都是人的智能的一些非常重要的特点，但是我们不清楚这些重要的人的智能特点是否能在现代的计算机上去实现。 情感，喜怒哀乐是人最基本的情感。现代科学知道，这个情感基本是在人的大脑边缘系统产生，也就是说在人的下意识产生情感。比如我们最典型的代表的情感，恐惧。当你处在一个非常危险的状况的时候，你会瞬间感触到危险，这时候大脑边缘系统杏仁核产生大量的化学物质，你的心跳会加快，血压上升，能够促使你全身采用必要的行动，之后这些信息传到大脑，你意识到发生了什么。下意识的情感在很快的时间里就做出了这样的反应。这样的情感在智能体的智能活动里面其实起着非常重要的作用。大家会说，如果一个人没有情感的话，他是不是做事情变得非常理智，它的判断是不是都是理性的？结论不是这样的。有一些病人非常不幸大脑因为受伤，情感部分的功能丧失，后来观察这些人时发现，离开了情感，他们很难做出理性的判断。 创造力。人很重要的特点是拥有创造力。创造力的主要特点是把看似不相关联的东西关联在一起。认知学者，比如George Lakoff做了很多研究。人的创造力可以从语言中发现出来，人在语言中使用的比喻就是创造力的体现，比如我们说在微信里面潜水就是一个比喻，就是一个暗喻，这个比喻实际把两个看似不相
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
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
人工智能与未来 摘要：5盘人机围棋大战，让“人工智能”这个时髦词汇飞入寻常百姓家，伴随这股热潮，国内互联网公司种种基于人工智能技术的创新应用也不断涌现。最近这段时间，从智能客服、投资指导再到人脸识别，多项与人工智能技术紧密联系的新应用与新服务先后浮出水面。 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。 其实，人工智能技术本身的火热已经持续了一段相当长的时间。一项不完全统计显示，2015年，我国投资人工智能的机构数量已经高达48家，投资额为14.2亿元，同比增长分别为71.4%、75.7%。预计2020年中国人工智能市场规模将达到91亿元。 不但以百度、腾讯、阿里巴巴为代表的互联网巨头已开始在人工智能上发力，上百家创业企业也开始渗透并构架起产业基础层、技术层、应用层，形成产业链模型。目前，中国人工智能领域已覆盖了工业机器人、服务机器人、智能硬件等硬件产品层，智能客服、商业智能等软件与服务层，视觉识别、机器学习等技术层，数据资源、计算平台等基础层。 但人工智能到底能做什么，又将怎样改变我们的生活？ 解放枯燥劳动的“双手” “利用人工智能技术，每一通电话，可以节约客服人员225秒的时间，以一个客服一天接听200通电话计算，人工智能可以为他节约3个小时。”网易七鱼产品总监段毓铮这样告诉记者。 4月12日，网易正式上线了自己的云客服产品“七鱼”，其中最重要的卖点之一就是取代传统客服的重复琐碎的枯燥劳动。“网易七鱼智能客服机器人可以同时响应百万级客户请求，大量的常见问题会被智能机器人准确解答，节省超过80%人工客服成本。”段毓铮如是说。 通过自我学习，完成对语音、视频、图片等非结构化数据的识别，从而“将鲜活的人从低效工作中解放出来”，的确是现阶段人工智能最主要的应用。
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 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 ?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