【人工智能技術(shù)和發(fā)展趨勢問題研究5500字（論文）】

第第頁人工智能技術(shù)和發(fā)展趨勢目錄TOC\o"1-3"\h\u1.緒論 41.1人工智能的概念 41.2人工智能發(fā)展的歷史 41.3人工智能的研究背景 52.人工智能的核心技術(shù) 62.1計算機視覺 62.2模式識別 72.3神經(jīng)網(wǎng)絡(luò) 73.人工智能的應(yīng)用 73.1信息化戰(zhàn)爭：無人武器 73.3智慧交通：協(xié)同管理場景和無人駕駛 83.4智能教育：自主學(xué)習(xí)場景 104.人工智能面臨的困難 114.1計算機博弈的困難 114.2機器翻譯的困難 114.3自動定理證明和GPS的局限 115.人工智能發(fā)展趨勢 126.參考文獻 13

1.緒論1.1人工智能的概念人工智能（英語：artificialintelligence，縮寫為AI），指由人制造出來的機器所體現(xiàn)出來的生物的智能?，F(xiàn)在隨著醫(yī)學(xué)、神經(jīng)科學(xué)、機器人學(xué)及統(tǒng)計學(xué)等學(xué)科的進步，人類的很多職業(yè)已經(jīng)可以被人工智能取代。人工智能研究技術(shù)性與專業(yè)性都很強，每個行業(yè)都不是共通的，所以踏足的領(lǐng)域非常廣。人工智能的研究能夠分為幾個科技問題。它的子領(lǐng)域?qū)Ｗ⒂谔幚砟承﹩栴}，有一個就是怎么運用不一樣的工具來達到相應(yīng)的程序。1.2人工智能發(fā)展的歷史1945年ENIAC作為世界第一臺通用計算機誕生。它是圖靈完全的電子計算機，可以重新編程并且處理不同的計算問題，人工智能時代的序幕由此揭開。1956年約翰·麥卡錫等人發(fā)起了達特茅斯會議，指出了“人工智能”的界定：人工智能的目的是讓機器看起來得像人一樣。達特茅斯會議之后的數(shù)年是大發(fā)現(xiàn)的時代。對很多人來說，在這個階段的程序是神奇的。計算機能夠處理適用的代數(shù)任務(wù)，證明幾何定理，學(xué)習(xí)與運用英語。當(dāng)初的很多人不相信機器可以這么“智能”。1957年IBM開發(fā)了第一個Fortran語言系列，這是全球第一個被正式批準(zhǔn)并傳承到今天的高級編程語言。1960又誕生出歷史第二悠久的高級匯編語言：Lisp，1973年又出現(xiàn)了Prolog語言，人工智能語言發(fā)展飛速。1982年第五代電腦計劃已經(jīng)在日本開始了，在人工智能飛速發(fā)展的幾十年了已經(jīng)出現(xiàn)了很多的專家系統(tǒng)包括:DENDRAL,MYCIN,Xcon。1991年，人工神經(jīng)網(wǎng)絡(luò)出現(xiàn)，AI進入了一個新的時代。當(dāng)然AI的發(fā)展也是經(jīng)歷了非常多的低谷，由于早期的計算機內(nèi)存十分有限，處理速度也是十分慢，比如圖靈曾寫過一個國際象棋程序，但當(dāng)初缺乏充足功率運來運行程序的電腦，他就模仿電腦和同事玩了一把。每個步驟都要半個小時，程序就失敗了。他后來根據(jù)圖靈的ENIAC理論設(shè)計了第一個國際象棋計算機程序。70年代由于人們對AI過于高的期望，而沒有實現(xiàn)承諾的時候?qū)е铝薃I研究資金短缺。很多人當(dāng)時只覺得人工智能不過是沒用的玩具，除了能解決一些簡單的問題之外便再無他用，許多問題需要接近無限長的時間來解決。直到80年代專家系統(tǒng)出現(xiàn)，人工智能這才又走向繁榮。1997年5月11日絕對是AI的一個里程碑，人們驚訝的發(fā)現(xiàn)AI的學(xué)習(xí)能力可能已經(jīng)到了威脅人類的地步，超級計算機“深藍”擊敗了國際象棋世界冠軍卡斯帕羅夫。2016年AlphaGo以4-1擊敗韓國棋手李世石九段。2019年實力更強的AlphaGo以3-0拿下全球第一的柯潔九段。圖1-2中國烏鎮(zhèn)圍棋峰會上柯潔對戰(zhàn)AlphaGo這些成就其實不是并不是范式上的革命，這種現(xiàn)象可以用摩爾定律解釋：單塊集成電路的集成度每一年半就會翻一倍。這是計算機克服了性能上的困難所產(chǎn)生的結(jié)果?？梢哉f現(xiàn)在是機器學(xué)習(xí)和深度學(xué)習(xí)的第三次AI熱潮的時候了。1.3人工智能的研究背景數(shù)據(jù)與計算機技術(shù)的幫助下得到飛快發(fā)展，很多先進的機器學(xué)習(xí)技術(shù)順利使用在21世紀(jì)很多的經(jīng)濟社會問題上。麥肯錫世界研究院在《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿領(lǐng)域》的報告中估計，到2009年，美國經(jīng)濟行業(yè)中具有1000名以上員工的公司都至少擁有一個平均200兆兆字節(jié)的存儲數(shù)據(jù)。到2016年，AI相關(guān)產(chǎn)品、硬件、軟件等的市場規(guī)模已經(jīng)超過80億美元，紐約時報評價道：AI已經(jīng)到達了一個新的熱潮。大數(shù)據(jù)應(yīng)用也開始逐漸滲透到非常多的領(lǐng)域，例如生態(tài)學(xué)模型訓(xùn)練、經(jīng)濟領(lǐng)域中的各種應(yīng)用、醫(yī)學(xué)研究中的疾病預(yù)測及新藥研發(fā)等等。深度學(xué)習(xí)更是有效地推動了圖像和視頻處理、文本分析、語音識別等問題的研究進程。2.人工智能的核心技術(shù)2.1計算機視覺計算機視覺（Computervision）就是讓計算機可以模仿人們的視覺能力。人不僅能夠理解圖像中的場景，稍加訓(xùn)練，也可以解讀書法，胎兒的3D超聲圖像。從此層面看，計算機視野特別復(fù)雜，有很多實際應(yīng)用。計算機視覺完成的任務(wù)遠超其他領(lǐng)域，比如手機上的人臉識別、圖像搜索（如百度識圖，GoogleImages），或者生物識別方法。圖2.1NASA火星探測車的雙攝影機系統(tǒng)計算機視覺能夠看做是生物視覺衍生出的領(lǐng)域。在生物視覺領(lǐng)域，研究人類與動物的視覺以建造其視覺系統(tǒng)用來檢測信息的物理模型。再者，用軟件與硬件實現(xiàn)的人工智能在計算機視覺中被探索與實現(xiàn)。生物視覺和計算機視覺之間的多學(xué)科溝通給大家提高了很大的價值。計算機視覺包含以下幾個分支：畫面重建，事件監(jiān)測，目標(biāo)跟蹤，目標(biāo)識別，機器學(xué)習(xí)，索引創(chuàng)建，圖像恢復(fù)等。在20世紀(jì)，與視覺刺激相關(guān)的視覺器官、神經(jīng)細胞和腦組織已經(jīng)開展了廣泛的探索，產(chǎn)生了一些(盡管不準(zhǔn)確)自然視覺系統(tǒng)功能的模型。這也達成了計算機視覺的較低領(lǐng)域-試圖用不一樣復(fù)雜程度的人工系統(tǒng)來模仿生物視覺。有關(guān)研究未來可能幫助失明的人恢復(fù)視覺以及用于各種機器探測。同一時間在計算機視覺領(lǐng)域，也有借鑒生物學(xué)的機制探索到機器學(xué)習(xí)的手段。2.2模式識別模式識別是運用計算機的數(shù)學(xué)技術(shù)自動處理與解釋模式。我們統(tǒng)稱環(huán)境和對象為“模式”跟著信息技術(shù)的發(fā)展，人們可能探究繁雜的數(shù)據(jù)處理過程。數(shù)據(jù)處理的關(guān)鍵形式是活體對環(huán)境和物體的辨別。對人類來說，尤其重要的是光學(xué)信息與聲學(xué)信息的辨別。這是模式辨別的兩個方面。市面上的象征產(chǎn)品是光學(xué)字符識別和語音識別系統(tǒng)。計算機檢測的重要特點是速度快、精度高、效率高，未來能夠替代人工輸入。2.3神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ANN)在機器學(xué)習(xí)與了解科學(xué)領(lǐng)域?qū)ι锷窠?jīng)網(wǎng)絡(luò)的一種模仿數(shù)學(xué)或計算模型，尤其是大腦結(jié)構(gòu)和功能的模型，用于給函數(shù)估計或近似。神經(jīng)網(wǎng)絡(luò)是經(jīng)過很多人工神經(jīng)細胞組合而成的。在很多情況下，人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)外部數(shù)據(jù)改變內(nèi)部結(jié)構(gòu)?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是種非線性統(tǒng)計建模工具。神經(jīng)網(wǎng)絡(luò)常常經(jīng)過基于數(shù)理統(tǒng)計類型的學(xué)習(xí)方法來優(yōu)化，因此它同樣是數(shù)理統(tǒng)計方法的實際應(yīng)用。我們可以由普通的數(shù)學(xué)學(xué)習(xí)方法得到很多能夠用函數(shù)表示的局部構(gòu)建空間，就是通過統(tǒng)計方法人工神經(jīng)網(wǎng)絡(luò)可以像人類一樣具有簡單的決策能力和簡單的判斷能力，這種方法比形式推理和計算邏輯更有好處。3.人工智能的應(yīng)用3.1信息化戰(zhàn)爭：無人武器無人武器是信息化戰(zhàn)爭的主要表現(xiàn)，隨著“全球鷹”“捕食者”等無人裝備在實戰(zhàn)中廣泛使用，無人化作戰(zhàn)武器的研制和使用越來越引人注目。越來越多的人工智能技術(shù)被應(yīng)用到了武器上，一種全新的作戰(zhàn)方式、作戰(zhàn)理念正在悄然誕生。圖3-1“裝載在卡車上參加紅場閱兵的“天王星-9”“天王星-9”無人戰(zhàn)車主要用于對俄軍提供遙控偵查和火力支援，用于消滅敵有生力量與打擊多種目標(biāo)，涵蓋裝甲車。工事與時速小于4千米的低空飛行器。據(jù)稱“天王星-9”無人戰(zhàn)車可以在局部戰(zhàn)爭與反恐任務(wù)里實施獨特作用，尤其是在城市地區(qū)作戰(zhàn)，它的使用將大大減少人員傷亡?！疤焱跣?9”包括兩個偵查和火力支持機器戰(zhàn)車、運輸他們的拖車和移動指揮臺，射擊任務(wù)由操縱員控制完成，操作臺可設(shè)置在距離戰(zhàn)車1000米處受防護的指揮所里，機器人上四部攝像機的信號通過無線電傳輸?shù)街笓]操作臺，操作員據(jù)此來控制機器人的行動，簡直就是紅警2中“天啟坦克”的袖珍版，不過在敘利亞戰(zhàn)場上“天王星-9”還是暴露出了很多的問題，無人武器還有很多方面需要改進3.3智慧交通：協(xié)同管理場景和無人駕駛?cè)斯ぶ悄茉诮煌ǚ矫娴氖褂檬窃诮煌刂婆c自動駕駛汽車方面，隨便城市化發(fā)展越來越好，城市交通上的壓力也越來越大，無法依賴警力同步增長來完成治理。這個時候可以依靠人工智能幫助完成治理，通過攝像頭采集各種數(shù)據(jù)：車流量、車道速度、車頭時距、車頭間距、車道時間占用率、車輛排隊長度等。還可以實現(xiàn)違章檢測：違章停車、異常停車、行人闖入、逆行、非機動車闖入、黃牌卡車闖入等等。在遇到違法犯罪等事件時可以進行特定車輛識別，特定人物識別，大大提高警員工作效率。圖森未來“無人駕駛卡車”。技術(shù)發(fā)展方面，作為中國首張無人駕駛重卡測試牌照的擁有者,圖森未來通過自主研發(fā)的一套由無人駕駛卡車、高清地圖、精準(zhǔn)定位以及運營系統(tǒng)“TuSimpleConnect”共同構(gòu)成的無人駕駛卡車生態(tài)系統(tǒng)，讓其車隊能夠保持一年365天，全天候的高效運行。應(yīng)用落地方面，圖森未來的無人駕駛技術(shù)已然在全球都達成商業(yè)化。在國外，圖森未來已在美國埃爾帕索和達拉斯之間的7條路線上供應(yīng)無人駕駛運輸服務(wù)﹔在中國，圖森未來在上海臨港片區(qū)和東海大橋等場景的測試里程近5.2萬公里，并再獲5張無人駕駛卡車道路測試的牌照,持續(xù)推進無人駕駛車隊的成立和經(jīng)營。圖3-2圖森無人駕駛卡車3.4智能教育：自主學(xué)習(xí)場景隨著新一代人工智能技術(shù)發(fā)展和教育轉(zhuǎn)型變革持續(xù)推進，人工智能與教育行業(yè)將進行深度融合，不斷衍生智能化應(yīng)用場景?；贏R/VR、機器學(xué)習(xí)、計算機視覺等技術(shù)的智慧課堂，讓學(xué)生擁有沉浸式和主動式的學(xué)習(xí)體驗，使得枯燥無味的學(xué)習(xí)使得精彩生動，從而激發(fā)學(xué)生的學(xué)習(xí)興趣，動員大家學(xué)習(xí)自主性;歸根于計算機視覺等科技的遠程教育，既可以讓學(xué)生遍覽海量網(wǎng)絡(luò)教學(xué)資源、隨時隨地開始學(xué)習(xí)，又可以督促學(xué)生完成學(xué)習(xí)任務(wù)、達到學(xué)習(xí)目標(biāo);基于人機交互、智能語音等技術(shù)的智能設(shè)備，培養(yǎng)學(xué)生自主解決問題的能力，使其成為具備自主意識和探索精神的學(xué)習(xí)者。智能教育指引大家積極學(xué)習(xí)，把學(xué)習(xí)真正交給本人，給學(xué)生自己掌握學(xué)習(xí)實質(zhì)與進程，有助于學(xué)生培養(yǎng)良好的學(xué)習(xí)習(xí)慣，成為具備主動意識和創(chuàng)新思維的人才。4.人工智能面臨的困難4.1計算機博弈的困難擁有競爭或?qū)剐缘男袨榫褪遣┺?，博弈論的?jīng)典概論有納什均衡，囚徒困境等等。那么讀者可能或疑惑博弈論在人工智能領(lǐng)域又能用來干什么呢？那就是生成對抗網(wǎng)絡(luò)。博弈分為完沒信息博弈和不完美信息博弈，這里給大家舉出兩個代表，圍棋就是代表性的完全信息博弈，撲克就是不完全信息博弈，因為你不知道對手手里拿的是什么牌。博弈論的最核心的實驗是在不完全信息博弈。而游戲的AI常常會成為處理不完美信息博弈問題的一個準(zhǔn)則。在現(xiàn)實里，不完美信息博弈非常重要。簡單的來說，計算機博弈并不需要計算機有多么出色的計算能力，但是要讓它在多個選項中選出最好的，這不是學(xué)習(xí)能力而是在計算機中應(yīng)用博弈論。在AI的過程中，機器學(xué)習(xí)與深度學(xué)習(xí)在解決不完美信息博弈問題的表現(xiàn)還不夠好。4.2機器翻譯的困難在計算機早期，有人提到了用計算機進行自動翻譯的想法。機器翻譯的問題依舊是語言學(xué)家在1964年所說的，組成句子的單詞與歧義。歧義問題通常是理解自然語言的問題。之前有個很火的梗就是一句話中有非常多的意思然后提問句子中的意思都是什么意思。所以要驅(qū)除歧義性就要對原文開展討論理解,找尋致使歧義的詞與詞組在原文中的含義，尤其是中文里一個詞語能表達非常多的意思，這讓機器幾乎不可能理解句子中的意思到底是什么意思，究竟是有意思還是沒意思。計算機往往單獨地用句子當(dāng)作理解單位。此外即使對原文有理解，問題也是在電腦上表達理解的意思。當(dāng)前的NLU系統(tǒng)很難隨著時間的推移而提高理解，對該系統(tǒng)的理解大多限制在表面層面，沒有深刻的反思，沒有學(xué)習(xí)，沒有記憶或歸納。造成這個結(jié)果的因素是計算機本身的結(jié)構(gòu)與研究方法的問題?，F(xiàn)在NLU的研究方法很不成熟,大多數(shù)研究限制于語言的一個領(lǐng)域，沒有對人們怎么理解語言進行深入的研究。機器翻譯的問題要求人們從語言學(xué)上解決人們怎么理解言語的不同感覺與感受等問題。4.3自動定理證明和GPS的局限代表性原理是魯賓遜在1965年提到的歸結(jié)原理。盡管原理簡單，容易實現(xiàn)，可是它的方法是演繹法，此形式推理和人類自然推理的推理方法有很大不同。歸根于歸結(jié)原理的演繹推理要求將邏輯公式轉(zhuǎn)為一組句子，從而失去固定的邏輯蘊涵語義。前面提到的GPS試圖實現(xiàn)一種不基于領(lǐng)域信息的解決人工智能問題的方法。GPS希望脫離對問題內(nèi)部呈現(xiàn)的依賴，但問題內(nèi)部呈現(xiàn)的合理性與領(lǐng)域信息息息相關(guān)。無論是歸結(jié)原理，還是解決AI問題的常用方法GPS，都能夠討論出它們在表達上的限制性，而這種限制性減小了使用范圍。5.人工智能發(fā)展趨勢近年來，中國人工智能產(chǎn)業(yè)發(fā)展迅速，人工智能產(chǎn)業(yè)市場規(guī)模、企業(yè)數(shù)量依舊呈增長趨勢，資本市場投資行為趨于理性。技術(shù)發(fā)展水平上，智能語音和自然語言處理是我國人工智能市場技術(shù)最成熟的兩個領(lǐng)域，應(yīng)用場景主要集中在機器人、無人機、醫(yī)療、家居、教育、無人駕駛等領(lǐng)域，北京、深圳、上海、杭州成為人工智能企業(yè)主要聚集地。盡管我國AI技術(shù)的研究與產(chǎn)業(yè)應(yīng)用開始較晚，可是將騰訊、科大訊飛為首的公司已實施大規(guī)模投入與部署。在國家政策紅利釋放和資本市場支持下，我國人工智能產(chǎn)業(yè)發(fā)展勢頭迅猛，產(chǎn)業(yè)投資和創(chuàng)業(yè)熱情高漲，技術(shù)研發(fā)和產(chǎn)業(yè)應(yīng)用要進展，人工智能理論和技術(shù)日益成熟，應(yīng)用范圍不斷擴大，全產(chǎn)業(yè)鏈正在逐步形成，相應(yīng)的商業(yè)模式也在持續(xù)演進。產(chǎn)業(yè)規(guī)模方面，2019年我國人工智能相關(guān)產(chǎn)業(yè)規(guī)模近6400億元，年增長21%，成為世界第二大人工智能強國。通過不斷積累，中國在人工智能方面獲得了非常大的成就。未來人工智能不僅會應(yīng)用到更多的領(lǐng)域，而且將更加深入，最重要的是幫助解決各種民生問