計(jì)算機(jī)導(dǎo)論（第5版） 課件 第10章-人工智能知識(shí)

計(jì)算機(jī)導(dǎo)論第10章人工智能知識(shí)目錄CONTENTS03人工智能的實(shí)現(xiàn)方法01人工智能概述02人工智能研究的不同學(xué)派0405人工智能的應(yīng)用領(lǐng)域人工智能的發(fā)展趨勢(shì)人工智能概述人工智能的定義；人工智能的研究目標(biāo)；人工智能的發(fā)展/01人工智能的定義1956年夏季，時(shí)任美國達(dá)特茅斯學(xué)院數(shù)學(xué)系助理教授的約翰?麥卡錫和時(shí)任美國哈佛大學(xué)助理研究員的馬文?明斯基在達(dá)特茅斯學(xué)院組織了一個(gè)討論機(jī)器智能的小型研討會(huì)。在研討會(huì)上第一次正式使用了人工智能（artificialintelligence,AI）這一術(shù)語，標(biāo)志著人工智能學(xué)科的誕生。達(dá)特茅斯學(xué)院大樓開會(huì)時(shí)部分與會(huì)者合影50年后部分與會(huì)者合影人工智能的定義馬文?明斯基：人工智能是一門科學(xué)，是使機(jī)器做那些人需要通過智能來做的事情。尼爾斯?尼爾遜：人工智能是關(guān)于知識(shí)的科學(xué)――怎樣表示知識(shí)以及怎樣獲取知識(shí)并使用知識(shí)的科學(xué)。馬文?明斯基是1956年達(dá)特茅斯會(huì)議的組織者之一，基于在人工智能領(lǐng)域的重要貢獻(xiàn)獲得1969年度的圖靈獎(jiǎng)。尼爾斯?尼爾遜曾任美國斯坦福大學(xué)人工智能研究中心教授，是人工智能學(xué)科的創(chuàng)始研究人員之一。人工智能的定義中國電子技術(shù)標(biāo)準(zhǔn)化研究院編寫的《人工智能標(biāo)準(zhǔn)化白皮書（2018年）》：人工智能是利用計(jì)算機(jī)或者由計(jì)算機(jī)控制的機(jī)器，模擬、延伸和擴(kuò)展人類的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)和應(yīng)用系統(tǒng)。人工智能的研究目標(biāo)研究目標(biāo)用人工的方法在計(jì)算機(jī)上實(shí)現(xiàn)人所具有的感知、學(xué)習(xí)、理解、聯(lián)想、推理、判斷等智能，讓計(jì)算機(jī)幫助人完成一些智能性工作。人工智能可以分為弱人工智能和強(qiáng)人工智能弱人工智能也稱為限制領(lǐng)域人工智能或應(yīng)用型人工智能，指專注于且只能解決特定領(lǐng)域問題的專用人工智能。強(qiáng)人工智能又稱為通用人工智能或完全人工智能，指可以勝任人類所有工作的通用人工智能。人工智能的發(fā)展發(fā)展概述學(xué)術(shù)界把1956年達(dá)特茅斯會(huì)議看作是人工智能的起點(diǎn)，到目前已有近70年的歷史。人工智能在近70年的發(fā)展過程中經(jīng)歷了2次低谷和3個(gè)快速發(fā)展時(shí)期。人工智能的發(fā)展第一個(gè)快速發(fā)展時(shí)期—推理期1956年達(dá)特茅斯會(huì)議之后，人工智能有一段長達(dá)10多年的快速發(fā)展時(shí)期—“推理期”。人們認(rèn)為只要能賦予計(jì)算機(jī)邏輯推理能力，計(jì)算機(jī)就可以具有智能。在達(dá)特茅斯研討會(huì)上西蒙和紐厄爾展示了他們合作開發(fā)的能進(jìn)行定理自動(dòng)證明的“邏輯理論家”程序，證明了《數(shù)學(xué)原理》第2章的全部52個(gè)定理。1958年，美籍華人數(shù)理邏輯學(xué)家王浩在IBM704計(jì)算機(jī)上證明了《數(shù)學(xué)原理》一書中的一階邏輯及命題邏輯定理。人工智能的發(fā)展第一個(gè)快速發(fā)展時(shí)期—推理期1965年魯濱遜提出了歸結(jié)原理，推動(dòng)了定理自動(dòng)證明的突破性進(jìn)展。這一時(shí)期，人工智能在機(jī)器翻譯、下棋程序、人機(jī)對(duì)話等方面也有在當(dāng)時(shí)看來不錯(cuò)的進(jìn)展，讓很多研究者對(duì)人工智能發(fā)展充滿信心，甚至當(dāng)時(shí)有學(xué)者認(rèn)為：“二十年內(nèi)，機(jī)器將能完成人能做到的一切?！彪S著研究的深入，人們逐漸認(rèn)識(shí)到，實(shí)現(xiàn)人工智能僅靠邏輯推理是遠(yuǎn)遠(yuǎn)不夠的。到20世紀(jì)70年代中期，人工智能進(jìn)入第一次發(fā)展低谷。當(dāng)時(shí)，人工智能面臨的技術(shù)瓶頸主要是兩個(gè)方面：一是計(jì)算機(jī)性能的不足，二是數(shù)學(xué)模型不足以應(yīng)對(duì)實(shí)際問題的復(fù)雜性。人工智能的發(fā)展第二個(gè)快速發(fā)展時(shí)期—知識(shí)期到20世紀(jì)80年代初，人工智能迎來稱為“知識(shí)期”的第二個(gè)快速發(fā)展期，把知識(shí)應(yīng)用于人工智能系統(tǒng)的開發(fā)，出現(xiàn)了一大批應(yīng)用于各領(lǐng)域的專家系統(tǒng)。專家系統(tǒng)是一種智能的計(jì)算機(jī)程序，它運(yùn)用知識(shí)和推理來解決只有人類專家才能解決的復(fù)雜問題。1965年，人工智能學(xué)者費(fèi)根鮑姆與遺傳學(xué)家喬萊德伯格、化學(xué)家翟若適等人合作開發(fā)出世界上第一個(gè)專家系統(tǒng)DENDRAL，該系統(tǒng)的輸入是質(zhì)譜儀的數(shù)據(jù)，輸出是給定物質(zhì)的化學(xué)結(jié)構(gòu)。將化學(xué)分析知識(shí)提煉成規(guī)則應(yīng)用于專家系統(tǒng)，DENDRAL給出的結(jié)果有時(shí)比翟若適的學(xué)生做的都準(zhǔn)。人工智能的發(fā)展第二個(gè)快速發(fā)展時(shí)期—知識(shí)期1980年，卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司（DEC）設(shè)計(jì)了一套名為XCON的專家系統(tǒng)。這個(gè)系統(tǒng)有1000多條人工整理的規(guī)則（后來擴(kuò)展到3000多條），可以簡(jiǎn)單的理解為“知識(shí)庫+推理機(jī)”的組合，其功能是為客戶訂購DEC的VAX系列計(jì)算機(jī)時(shí)自動(dòng)配置零部件，有文獻(xiàn)說每年能為公司節(jié)省約4000萬美元。由于知識(shí)獲取、知識(shí)表示以及基于知識(shí)的推理機(jī)制等問題沒有得到有效解決，即以人工方式把知識(shí)（規(guī)則）總結(jié)出來存入計(jì)算機(jī)并教給計(jì)算機(jī)使用是困難的，專家系統(tǒng)在取得了一些初步成效后，性能無法進(jìn)一步提升，到20世紀(jì)80年代末，人工智能再次進(jìn)入發(fā)展的低谷。人工智能的發(fā)展第三個(gè)快速發(fā)展時(shí)期—學(xué)習(xí)期人工智能的第三個(gè)快速發(fā)展期開始于21世紀(jì)初，人工智能進(jìn)入“學(xué)習(xí)期”，這一時(shí)期深度學(xué)習(xí)模型取得重大突破，得到快速發(fā)展并應(yīng)用于多個(gè)領(lǐng)域。深度學(xué)習(xí)模型就是多層的人工智神經(jīng)網(wǎng)絡(luò)。1943年，美國神經(jīng)心理學(xué)家麥卡洛克和數(shù)學(xué)家皮茨合作發(fā)表了論文《神經(jīng)活動(dòng)中內(nèi)在思想的邏輯計(jì)算》，論文的核心內(nèi)容是用數(shù)學(xué)模型來描述人腦的神經(jīng)活動(dòng)。論文中提出的神經(jīng)元數(shù)學(xué)模型（M-P模型）奠定了人工神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)。人工智能的發(fā)展第三個(gè)快速發(fā)展時(shí)期—學(xué)習(xí)期1957年，美國康奈爾大學(xué)心理學(xué)教授羅森布拉特在M-P模型的基礎(chǔ)上，在計(jì)算機(jī)上模擬實(shí)現(xiàn)了一個(gè)他自己稱之為“感知器”的神經(jīng)網(wǎng)絡(luò)模型，這個(gè)模型可以完成圖片分類等簡(jiǎn)單的視覺處理任務(wù)。1986年，魯梅哈特、辛頓、威廉姆斯合作發(fā)表了題為《通過誤差傳播學(xué)習(xí)內(nèi)部表示》和《通過反向傳播誤差學(xué)習(xí)表示》的兩篇論文，論文中設(shè)計(jì)的反向傳播（BP）算法系統(tǒng)地解決了具有幾個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)中隱層單元連接權(quán)重值的學(xué)習(xí)問題。人工智能的發(fā)展第三個(gè)快速發(fā)展時(shí)期—學(xué)習(xí)期楊立昆在1989年提出了卷積神經(jīng)網(wǎng)絡(luò)LeNet，1998提出了LeNet的改進(jìn)版LeNet-5，曾用于郵政編碼和銀行支票上的數(shù)字識(shí)別。2006年，杰弗里·辛頓和合作者發(fā)表論文，給出了訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的有效方法。2012年，辛頓和他的學(xué)生把深度學(xué)習(xí)方法與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合，設(shè)計(jì)出深度卷積神經(jīng)網(wǎng)絡(luò)，參加當(dāng)年的ImageNet對(duì)抗賽并以遙遙領(lǐng)先的成績(jī)一舉奪冠，讓研究者看到了深度學(xué)習(xí)方法的巨大威力，之后各種改進(jìn)、優(yōu)化的深度學(xué)習(xí)方法迅速發(fā)展并在多個(gè)領(lǐng)域得到實(shí)際應(yīng)用。人工智能研究的不同學(xué)派符號(hào)主義；連接主義；行為主義/02符號(hào)主義符號(hào)主義認(rèn)為人的認(rèn)知基元是符號(hào)，而且認(rèn)知過程即符號(hào)操作過程。它認(rèn)為人是一個(gè)物理符號(hào)系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號(hào)系統(tǒng)，因此，能夠用計(jì)算機(jī)來模擬人的智能行為，即用計(jì)算機(jī)的符號(hào)操作來模擬人的認(rèn)知過程。知識(shí)是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的核心問題是知識(shí)表示、知識(shí)推理和知識(shí)運(yùn)用。西蒙和紐厄爾是符號(hào)主義學(xué)派的代表人物，符號(hào)主義在定理的自動(dòng)證明領(lǐng)域有重要影響。符號(hào)主義強(qiáng)調(diào)的是計(jì)算機(jī)與人在功能上的相同。連接主義從醫(yī)學(xué)角度來說，人的大腦就是一個(gè)生物神經(jīng)網(wǎng)絡(luò)，由大約860億個(gè)神經(jīng)元組成，每個(gè)神經(jīng)元與其他神經(jīng)元之間大約有2000個(gè)連接，所以人的大腦的所有神經(jīng)元之間大約有150萬億個(gè)連接。人類的智能就產(chǎn)生于這眾多的神經(jīng)元和神經(jīng)元之間的連接。連接主義認(rèn)為人的思維基礎(chǔ)是神經(jīng)元，而不是符號(hào)處理過程。連接主義主張人工智能應(yīng)著重于結(jié)構(gòu)模擬，即模擬人的大腦生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并認(rèn)為功能、結(jié)構(gòu)和智能行為是密切相關(guān)的。該學(xué)派提出了多種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和眾多的學(xué)習(xí)算法。連接主義強(qiáng)調(diào)的是計(jì)算機(jī)與人腦在結(jié)構(gòu)上的相似或相同。連接主義人工智能領(lǐng)域所說的神經(jīng)網(wǎng)絡(luò)是指人工神經(jīng)網(wǎng)絡(luò)（ANN），是模擬生物神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)上人工構(gòu)建的神經(jīng)網(wǎng)絡(luò)，從結(jié)構(gòu)上模擬人腦，期望人工神經(jīng)網(wǎng)絡(luò)能產(chǎn)生類似于生物神經(jīng)網(wǎng)絡(luò)的智能。近幾年人工智能應(yīng)用主要得益于深度神經(jīng)網(wǎng)絡(luò)模型的實(shí)用化。代表人物有最早提出神經(jīng)元數(shù)學(xué)模型（M-P模型）的麥卡洛克和皮茨、提出“感知器”模型的羅森布拉特、提出誤差反向傳播算法的魯梅哈特、提出卷積神經(jīng)網(wǎng)絡(luò)的楊立昆、提出深度學(xué)習(xí)算法的辛頓等。代表成果包括圍棋程序AlphaGo、大模型ChatGPT和Sora、人臉識(shí)別、語音識(shí)別、機(jī)器翻譯等。行為主義行為主義認(rèn)為智能取決于感知和行動(dòng)，提出智能行為的“感知—?jiǎng)幼鳌蹦Ｊ健Ｐ袨橹髁x者認(rèn)為智能不需要知識(shí)，不需要表示，不需要推理。智能行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來。行為主義學(xué)派的代表人物是布魯克斯。在布魯克斯看來，機(jī)器人只需要兩個(gè)步驟就可以實(shí)現(xiàn)，即感知和行動(dòng)，并據(jù)此設(shè)計(jì)了六足行走機(jī)器人，機(jī)器人感知環(huán)境并做出適當(dāng)?shù)姆磻?yīng)。行為主義強(qiáng)調(diào)的是對(duì)環(huán)境的感知和反應(yīng)。三個(gè)學(xué)派的融合幾十年發(fā)展過來，三個(gè)學(xué)派都有很大的理論和技術(shù)進(jìn)步，但每一個(gè)學(xué)派都有其局限性，多種技術(shù)的融合能夠更好地實(shí)現(xiàn)人工智能。

圍棋程序AlphaGo就是融合了三個(gè)學(xué)派的技術(shù)：連接主義的深度學(xué)習(xí)、符號(hào)主義的蒙特卡洛樹搜索和行為主義的強(qiáng)化學(xué)習(xí)，三個(gè)學(xué)派技術(shù)的融合大大提高了圍棋程序的智能化程度。人工智能的實(shí)現(xiàn)方法搜索方法；邏輯推理方法；機(jī)器學(xué)習(xí)方法/03搜索方法從“雞兔同籠”問題說起問題描述：有若干只雞和兔在一個(gè)同籠子里，從上面數(shù)，有35個(gè)頭，從下面數(shù)，有94只腳，問籠中雞和兔各有幾只？程序所用算法為枚舉法，枚舉法就是一種簡(jiǎn)單的搜索方法，把所有可能的解列出來，逐一搜索到每一個(gè)可能的解，并和約束條件對(duì)比，把符合條件的解找出來。搜索方法搜索求解方法一個(gè)重要的應(yīng)用領(lǐng)域是下棋程序。國際象棋、中國象棋、圍棋等都屬于雙人完備博弈。雙人完備博弈是對(duì)弈雙方輪流走步，一方完全知道另一方已經(jīng)走過的棋步以及未來可能的棋步，對(duì)弈的結(jié)果要么是一方贏（另一方輸），要么是雙方和局。對(duì)于任何一種雙人完備博弈，都可以用一個(gè)博弈樹來描述，并通過博弈樹搜索策略尋找最佳解。博弈樹上的一個(gè)結(jié)點(diǎn)對(duì)應(yīng)一個(gè)棋局，樹的分支表示棋的走步，根結(jié)點(diǎn)表示棋局的開始，葉結(jié)點(diǎn)表示棋局的結(jié)束。對(duì)于一個(gè)思考縝密的棋局來說，其博弈樹是非常大的，就國際象棋來說，有10120個(gè)結(jié)點(diǎn)，而對(duì)中國象棋來說，估計(jì)有10160個(gè)結(jié)點(diǎn)，圍棋更復(fù)雜，盤面狀態(tài)達(dá)10768。搜索方法博弈樹示意圖搜索方法下棋的過程，其實(shí)就是一個(gè)選擇的過程，根據(jù)目前的棋局以及對(duì)對(duì)方可能走步的判斷，選擇一個(gè)有利于自己最終贏棋的棋步，可供選擇的棋步數(shù)量是非常巨大的。作為下棋的人，更多是經(jīng)過縝密的思考后，憑經(jīng)驗(yàn)和直覺做出選擇。而作為下棋的計(jì)算機(jī)，靠的是快速的計(jì)算和搜索比較，通過計(jì)算和比較找到對(duì)自己有利的棋步。在下棋領(lǐng)域，相對(duì)于人，計(jì)算機(jī)的優(yōu)勢(shì)是速度快，對(duì)于人的一步走棋，計(jì)算機(jī)需要從所有可能的應(yīng)對(duì)走步中選擇（搜索）一個(gè)對(duì)自己有利、對(duì)對(duì)方不利的走步。搜索方法雖然計(jì)算機(jī)的速度很快，但相對(duì)于棋局巨大的搜索空間，簡(jiǎn)單的窮舉搜索是難以滿足實(shí)際需要的，需要有高效的搜索算法。20世紀(jì)50年代麥卡錫提出的α-β剪枝算法在下棋程序中得到廣泛應(yīng)用。α-β剪枝算法會(huì)利用已有的搜索省掉對(duì)自己不利、對(duì)對(duì)方有利的棋步的搜索，大大提高了搜索到對(duì)自己有利棋步的效率。專門下國際象棋的“深藍(lán)”計(jì)算機(jī)系統(tǒng)，如果不采用α-β剪枝算法，每步棋需要搜索17年的時(shí)間。國際象棋、中國象棋等都是采用類似的算法達(dá)到或超過了人類棋手的冠軍水平。搜索方法圍棋程序是比較晚才達(dá)到人類冠軍水平的。應(yīng)用α-β剪枝算法的一個(gè)重要基礎(chǔ)是對(duì)棋局狀態(tài)的評(píng)分，圍棋的棋局評(píng)分就比較困難。圍棋程序采用了蒙特卡洛樹搜索樹方法。結(jié)合信心上限決策方法，對(duì)于當(dāng)前棋局，隨機(jī)地模擬雙方走步直至分出勝負(fù)為止，經(jīng)過多次模擬，計(jì)算出每個(gè)落子點(diǎn)的評(píng)估值，選擇對(duì)自己有利的落子點(diǎn)落子。谷歌的AlphaGo將深度學(xué)習(xí)引入蒙特卡洛搜索樹，設(shè)計(jì)了兩個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)：一個(gè)為策略網(wǎng)絡(luò)，用于從眾多的可能落子點(diǎn)中選擇若干個(gè)最好的可能落子點(diǎn)；一個(gè)為估值網(wǎng)絡(luò)，對(duì)給定的棋局進(jìn)行估值（評(píng)分）。AlphaGo還結(jié)合了強(qiáng)化學(xué)習(xí)方法，因而超過了人類棋手的世界冠軍水平。邏輯推理方法邏輯推理是由一個(gè)或幾個(gè)已知的判斷推出一個(gè)新判斷的思維形式。推理都是由前提和結(jié)論兩部分組成的，前提是已知的判斷，是推理的出發(fā)點(diǎn)和根據(jù)；結(jié)論是由前提推出的新判斷，是推理過程的結(jié)束。邏輯推理能力是人類智能的重要體現(xiàn)，很多問題的求解是通過推理實(shí)現(xiàn)的。定理證明是邏輯推理的典型應(yīng)用場(chǎng)景。更多的問題是靠推理和其他方法的綜合應(yīng)用求解的，如醫(yī)生診斷疾病的過程就融合了邏輯推理，即使基于同樣的病癥和化驗(yàn)、檢查結(jié)果，不同的醫(yī)生可能會(huì)給出不同的診斷結(jié)果，其中體現(xiàn)著推理的不同。邏輯推理主要包括演繹推理、歸納推理和因果推理等。邏輯推理方法演繹推理演繹推理主要是由一般性前提推出特殊性或個(gè)別性結(jié)論的推理，它的前提蘊(yùn)含結(jié)論，是一種前提與結(jié)論之間具有必然性聯(lián)系的推理。演繹推理是嚴(yán)格的邏輯推理，一般表現(xiàn)為大前提、小前提、結(jié)論的三段論模式。邏輯學(xué)、數(shù)學(xué)中的證明問題的證明過程一般是通過演繹推理實(shí)現(xiàn)的。

大前提：所有正數(shù)都大于負(fù)數(shù)

小前提：10是正數(shù)，-6是負(fù)數(shù)

結(jié)論：10大于-6邏輯推理方法歸納推理歸納推理主要是由特殊性或個(gè)別性前提到一般性結(jié)論的推理，它的前提不蘊(yùn)含結(jié)論，是一種前提與結(jié)論之間具有或然性聯(lián)系的推理。例如，經(jīng)常聽到這樣的事例，連續(xù)幾年，A?？既隑校的研究生表現(xiàn)都很好，基礎(chǔ)知識(shí)和動(dòng)手能力都不錯(cuò)，B校的導(dǎo)師很滿意，逐漸形成一個(gè)推論：A校本科生的素質(zhì)還是不錯(cuò)的。這個(gè)推論就是基于歸納推理得出的。需要說明的是，歸納推理得到的結(jié)論不一定總是正確的。邏輯推理方法因果推理因果推理是主要用來判斷事物間存在原因和結(jié)果關(guān)系的推理，是一種前提與結(jié)論之間存在因果關(guān)系的推理。例如，因果關(guān)系通常通過統(tǒng)計(jì)數(shù)據(jù)來體現(xiàn)，高溫天氣在室外活動(dòng)容易中暑、有規(guī)律的適當(dāng)運(yùn)動(dòng)有助于身體健康等。需要注意的是，數(shù)據(jù)間的相關(guān)性并不等于真正的因果關(guān)系。例如，雪糕銷量和中暑人數(shù)正相關(guān)，并不能說明吃雪糕導(dǎo)致中暑，真正的原因是天熱、高溫，導(dǎo)致雪糕銷量增加和中暑人數(shù)增加。人們常用的推理方法，要符號(hào)化、形式化之后才能被計(jì)算機(jī)所用，還要給出知識(shí)（推理的前提和結(jié)論）在計(jì)算機(jī)中的合理表示形式，才能編寫出具有推理功能的程序。機(jī)器學(xué)習(xí)方法學(xué)習(xí)是指一個(gè)人通過閱讀、聽講、研究、觀察、理解、探索、實(shí)驗(yàn)、實(shí)踐等手段獲取知識(shí)、提升能力素質(zhì)的行為方式。學(xué)習(xí)既是人類提升智能的重要手段，也是人類智能的重要體現(xiàn)。人類通過多種形式的學(xué)習(xí)來不斷改善自身的能力。機(jī)器學(xué)習(xí)是這樣一門學(xué)科，它致力于研究如何通過計(jì)算的手段，利用經(jīng)驗(yàn)來改善系統(tǒng)自身的性能。（周志華著《機(jī)器學(xué)習(xí)》）機(jī)器學(xué)習(xí)的根本任務(wù)是通過對(duì)數(shù)據(jù)的建模與分析，挖掘出數(shù)據(jù)中蘊(yùn)含的有價(jià)值的規(guī)律和知識(shí)，進(jìn)而改善系統(tǒng)自身的性能。機(jī)器學(xué)習(xí)方法代表性的機(jī)器學(xué)習(xí)方法有貝葉斯分類方法、logistic回歸方法、k-近鄰（k-NN）分類方法、決策樹方法、k均值方法、k-中心點(diǎn)方法、密度聚類方法、譜聚類方法、支持向量機(jī)（SVM）方法等。神經(jīng)網(wǎng)絡(luò)方法也是一種重要的機(jī)器學(xué)習(xí)方法，近幾年人工智能的發(fā)展和應(yīng)用都是基于深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的。機(jī)器學(xué)習(xí)方法一個(gè)神經(jīng)網(wǎng)絡(luò)模型一般包括一個(gè)輸入層、一個(gè)輸出層和若干個(gè)隱含層，有多個(gè)隱含層時(shí)稱為深度神經(jīng)網(wǎng)絡(luò)（DNN）。對(duì)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，也稱為模型的學(xué)習(xí)過程，就是在訓(xùn)練數(shù)據(jù)集的支持下，通過一定的學(xué)習(xí)方法得到各個(gè)連接的合適權(quán)重值。深度學(xué)習(xí)方法就是訓(xùn)練深度學(xué)習(xí)模型所用的學(xué)習(xí)方法，現(xiàn)在說的深度學(xué)習(xí)泛指深度神經(jīng)網(wǎng)絡(luò)模型和深度學(xué)習(xí)算法（方法）。深度學(xué)習(xí)模型的訓(xùn)練需要有高性能計(jì)算機(jī)、大數(shù)據(jù)和高質(zhì)量算法的支持。機(jī)器學(xué)習(xí)方法深度神經(jīng)網(wǎng)絡(luò)（DNN）示意圖。機(jī)器學(xué)習(xí)方法2006年，時(shí)任加拿大多倫多大學(xué)計(jì)算機(jī)科學(xué)系教授的杰弗里·辛頓與合作者發(fā)表的論文《一種深度置信網(wǎng)絡(luò)的快速學(xué)習(xí)算法》給出了訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的有效方法，標(biāo)志著深度學(xué)習(xí)方法取得重大突破。2012年，辛頓和他的兩位學(xué)生組成多倫多大學(xué)隊(duì)參加ImageNet對(duì)抗賽，他們?cè)O(shè)計(jì)了深度卷積神經(jīng)網(wǎng)絡(luò)模型—AlexNet，把深度學(xué)習(xí)方法與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合。有6億個(gè)參數(shù)的AlexNet模型將ImageNet大賽的圖片分類任務(wù)的Top-5錯(cuò)誤率降低到了15.3%，奪得對(duì)抗賽冠軍。傳統(tǒng)方法的錯(cuò)誤率都在26.2%以上，這一結(jié)果讓研究者看到了深度學(xué)習(xí)方法的巨大威力，以致到2013年的比賽時(shí)，成績(jī)靠前的幾個(gè)代表隊(duì)幾乎全部采用了深度學(xué)習(xí)方法。機(jī)器學(xué)習(xí)方法2003年，約書亞?本吉奧與合作者發(fā)表了論文《一種神經(jīng)概率語言模型》，將神經(jīng)網(wǎng)絡(luò)與序列概率建模方法相結(jié)合用于建立語言模型，引入高維詞嵌入技術(shù)作為詞義的表征方法，提高了處理效率。論文提出的語言模型及相關(guān)方法在機(jī)器翻譯、智能問答、視覺問答等自然語言處理領(lǐng)域產(chǎn)生了重要影響。2015年，約書亞?本吉奧等發(fā)表了論文《通過聯(lián)合學(xué)習(xí)對(duì)齊和翻譯的神經(jīng)機(jī)器翻譯》，論文第一次提出了注意力機(jī)制。注意力機(jī)制的應(yīng)用，提高了長句子的翻譯質(zhì)量。本吉奧還提出了生成對(duì)抗網(wǎng)絡(luò)（GAN）模型等。機(jī)器學(xué)習(xí)方法2019年3月27日，美國計(jì)算機(jī)學(xué)會(huì)(ACM)宣布把2018年度圖靈獎(jiǎng)授予有“深度學(xué)習(xí)三巨頭”之稱的約書亞·本吉奧、杰弗里·辛頓和楊立昆，三位科學(xué)家在概念和工程方面的突破性工作使深度神經(jīng)網(wǎng)絡(luò)成為計(jì)算的一個(gè)關(guān)鍵組成部分，近幾年人工智能的快速發(fā)展和廣泛應(yīng)用很大程度上得益于深度學(xué)習(xí)技術(shù)的重大突破。機(jī)器學(xué)習(xí)方法近幾年，人工智能熱潮持續(xù)高漲，OpenAI、谷歌、Facebook、亞馬遜、微軟、百度、阿里巴巴、騰訊、科大訊飛、華為等企業(yè)紛紛加入人工智能產(chǎn)品的開發(fā)，力圖在人工智能技術(shù)與產(chǎn)品的競(jìng)爭(zhēng)中占據(jù)有利位置。人工智能在“學(xué)習(xí)期”發(fā)展的最大特點(diǎn)是以深度學(xué)習(xí)為代表的很多技術(shù)進(jìn)入實(shí)用，在機(jī)器翻譯、語音識(shí)別、圖像識(shí)別、自動(dòng)駕駛汽車、聊天機(jī)器人、內(nèi)容生成等領(lǐng)域都有實(shí)用產(chǎn)品出現(xiàn)。人工智能的應(yīng)用領(lǐng)域博弈；定理自動(dòng)證明；自然語言處理；計(jì)算機(jī)視覺；語音識(shí)別；智能機(jī)器人；自動(dòng)駕駛汽車/04博弈從狹義上講，博弈是指下棋、玩撲克牌、擲骰子等具有輸贏性質(zhì)的游戲。從廣義上講，博弈就是對(duì)策或斗智。通過對(duì)博弈問題的研究，一是可以檢驗(yàn)人工智能理論與技術(shù)是否能實(shí)現(xiàn)對(duì)人類智能的模擬，二是可以直觀的把人工智能的研究成果介紹給大眾，以擴(kuò)大影響、爭(zhēng)取更多支持。每次下棋程序的突破都會(huì)帶起人工智能的一個(gè)快速發(fā)展階段。1913年，德國數(shù)學(xué)家恩斯特?策梅羅在第五屆國際數(shù)學(xué)家大會(huì)上發(fā)表了《關(guān)于集合論在象棋博弈理論中的應(yīng)用》的著名論文，第一次把數(shù)學(xué)和國際象棋聯(lián)系起來。從此，現(xiàn)代數(shù)學(xué)出現(xiàn)了一個(gè)新的領(lǐng)域—博弈論。博弈1952年，美國計(jì)算機(jī)科學(xué)家塞繆爾開發(fā)出世界上第一個(gè)跳棋程序。塞繆爾的跳棋程序，在1956年2月24日在電視轉(zhuǎn)播的與美國康涅狄格州跳棋冠軍進(jìn)行的公開對(duì)抗賽中獲勝；1962年6月12日，它又戰(zhàn)勝了美國一位著名的跳棋選手。1997年5月11日，“深思”的換代產(chǎn)品—“深藍(lán)”計(jì)算機(jī)與俄羅斯人、國際象棋特級(jí)大師卡斯帕羅夫的6局對(duì)抗賽結(jié)束?！吧钏{(lán)”以2勝3平1負(fù)的成績(jī)戰(zhàn)勝1985年以來一直占據(jù)世界冠軍寶座的卡斯帕羅夫。“深藍(lán)”計(jì)算機(jī)使用了256個(gè)專為國際象棋比賽設(shè)計(jì)的微處理器，擁有每秒超過２億步棋的計(jì)算速度。計(jì)算機(jī)內(nèi)部存有100年間所有國際象棋特級(jí)大師開局和殘局的下法。博弈2006年8月9日，“浪潮杯”首屆中國象棋人機(jī)大賽在國家奧林匹克體育中心舉行。比賽以5位中國象棋特級(jí)大師為一方，浪潮天梭超級(jí)計(jì)算機(jī)為另一方，5位大師輪番上場(chǎng)，經(jīng)過兩輪比賽，結(jié)果浪潮天梭以3勝5平2負(fù)的成績(jī)?nèi)〉帽荣悇倮?。按照國際標(biāo)準(zhǔn)，達(dá)到大師級(jí)的人機(jī)博弈系統(tǒng)需要搜索深度達(dá)到10層以上，搜索結(jié)點(diǎn)數(shù)約為1300萬個(gè)，計(jì)算大約1000萬次評(píng)估函數(shù)。浪潮天梭為滿足這一計(jì)算需求，歷經(jīng)一年的設(shè)計(jì)開發(fā)優(yōu)化，峰值可達(dá)到每秒42億步，采用交換式體系結(jié)構(gòu)設(shè)計(jì)系統(tǒng)，通過高速交換模塊實(shí)現(xiàn)對(duì)等的數(shù)據(jù)交換，構(gòu)成完整的超級(jí)計(jì)算機(jī)系統(tǒng)；保證了CPU和內(nèi)存，以及CPU和CPU之間的快速數(shù)據(jù)交換和通信，進(jìn)而保證了搜索的高效執(zhí)行。博弈2016年3月9日至15日，谷歌旗下DeepMind公司研發(fā)的“阿爾法狗”（AlphaGo）圍棋程序以4:1戰(zhàn)勝韓國職業(yè)九段圍棋選手、圍棋世界冠軍李世石，成為第一個(gè)擊敗人類職業(yè)棋手的圍棋程序。AlphaGo存有1500萬個(gè)人類圍棋高手的對(duì)局棋譜，訓(xùn)練時(shí)使用由1202個(gè)CPU和176個(gè)GPU構(gòu)成的超級(jí)計(jì)算機(jī)。2017年5月23日至27日，AlphaGo的升級(jí)版AlphaGoMaster以3:0戰(zhàn)勝當(dāng)時(shí)排名世界第一的圍棋世界冠軍柯潔。2017年10月，AlphaGoZero，在無任何人類棋譜輸入的條件下，只訓(xùn)練了40天，就以100:0戰(zhàn)勝了AlphaGoMaster。定理自動(dòng)證明定理自動(dòng)證明是指通過計(jì)算機(jī)程序來完成數(shù)學(xué)中定理或猜想的真假判定。判定程序不僅要有根據(jù)假設(shè)進(jìn)行演繹的能力，還需要一定的判定技巧。西蒙和紐厄爾1956年發(fā)布的“邏輯理論家”程序及其改進(jìn)版是自動(dòng)定理證明的早期代表性成果，證明了《數(shù)學(xué)原理》第2章的全部52個(gè)定理。1958—1959年，美籍華人王浩在一臺(tái)IBM704機(jī)上實(shí)現(xiàn)了一個(gè)完全的命題邏輯程序以及一個(gè)一階邏輯程序，證明了《數(shù)學(xué)原理》中全部150條一階邏輯以及200條命題邏輯定理。1965年，阿蘭?羅賓遜提出了對(duì)定理自動(dòng)證明有深遠(yuǎn)影響的歸結(jié)原理，對(duì)簡(jiǎn)化定理證明有很大作用。定理自動(dòng)證明威廉?馬庫恩用C語言編寫了Otter定理證明器，實(shí)現(xiàn)了當(dāng)時(shí)定理證明所有的先進(jìn)技術(shù)，馬庫恩發(fā)明的差別樹索引技術(shù)提高了Otter的證明效率。1976年6月，在美國伊利諾伊大學(xué)的兩臺(tái)不同的計(jì)算機(jī)上，用了1200個(gè)小時(shí)，作了100億個(gè)判斷，結(jié)果沒有一張地圖是需要五色的，最終證明了四色定理。四色定理的證明描述是：任何一張地圖只用四種顏色就能使具有共同邊界的國家著上不同的顏色。也就是說在不引起混淆的情況下一張地圖只需四種顏色來標(biāo)記就行。定理自動(dòng)證明我國著名數(shù)學(xué)家吳文俊教授在1977年提出了一種全新且高效的幾何定理證明方法。首先引進(jìn)坐標(biāo)，使待證定理的假設(shè)與結(jié)論都轉(zhuǎn)換成多項(xiàng)式方程。然后依照某種確定的方式對(duì)代表假設(shè)的多項(xiàng)式方程進(jìn)行處理，使其在有限步驟內(nèi)到達(dá)代表結(jié)論的那一個(gè)多項(xiàng)式方程，或與之相反。這就給出了一個(gè)以機(jī)械方式進(jìn)行的證明或否定一個(gè)幾何定理的過程。這一方法還具有普遍適用的性質(zhì)。即不論所考慮的定理出自何種初等幾何，不論是歐氏的，還是非歐氏的，只要像通常出現(xiàn)的那樣，假設(shè)與結(jié)論都可用多項(xiàng)式方程來表示，就可應(yīng)用這同樣的方法與過程進(jìn)行證明。定理自動(dòng)證明吳教授提出的幾何定理自動(dòng)證明的方法，在國際上稱為“吳方法”，吳文俊教授1997年獲得“埃爾布朗自動(dòng)推理杰出成就獎(jiǎng)”，這是定理自動(dòng)證明領(lǐng)域的最高獎(jiǎng)。吳文俊教授是2000年國家最高科學(xué)技術(shù)獎(jiǎng)獲得者，2019年9月被授予“人民科學(xué)家”國家榮譽(yù)稱號(hào)。中國人工智能學(xué)會(huì)設(shè)有“吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)”。自然語言處理自然語言處理（NLP）就是讓計(jì)算機(jī)“讀懂”自然語言，從而實(shí)現(xiàn)人與計(jì)算機(jī)通過自然語言進(jìn)行通信和交流的技術(shù)。因?yàn)樘幚碜匀徽Z言的關(guān)鍵是要讓計(jì)算機(jī)“理解”自然語言，所以自然語言處理又稱為自然語言理解。語言翻譯、圖文/視頻生成、文本理解、智能問答等都屬于自然語言處理的研究范疇。自然語言處理基于語法規(guī)則的自然語言處理20世紀(jì)40~80年代末，這一時(shí)期的自然語言處理主要是基于關(guān)鍵詞匹配、語法分析、句法分析、文法分析、詞典等，即主要是基于關(guān)鍵字匹配和語言本身的語法規(guī)則和詞典來完成相關(guān)工作。1966年，約瑟夫·魏澤鮑姆設(shè)計(jì)了第一個(gè)對(duì)話程序（聊天機(jī)器人）ELIZA，能夠模擬一位心理醫(yī)生和患者聊天。和ELIZA聊過的很多對(duì)話人都覺得是在和一位真正的心理醫(yī)生聊天。1972年，心理醫(yī)生肯尼斯·科爾比在斯坦福大學(xué)開發(fā)了對(duì)話程序PARRY。和ELIZA相反，PARRY模擬一個(gè)病人和心理醫(yī)生聊天。有意思的是，通過當(dāng)時(shí)的網(wǎng)絡(luò)ARPAnet，PARRY（作為病人）和ELIZA（作為醫(yī)生）聊了一次，聊天記錄保存在位于硅谷的計(jì)算機(jī)歷史博物館中。自然語言處理基于語法規(guī)則的自然語言處理彼得·托馬在美國喬治敦大學(xué)開發(fā)了機(jī)器翻譯系統(tǒng)SYSTRAN，主要是把俄語科技文檔翻譯成英語，并在此基礎(chǔ)上于1968年創(chuàng)立機(jī)器翻譯公司。1976年，歐共體翻譯局購買了英法版的SYSTRAN，并由歐共體組織自己的技術(shù)力量開發(fā)用于歐共體成員國所用語言間的翻譯系統(tǒng)。經(jīng)過8年的改進(jìn)與完善，到1983年，SYSTRAN已是一個(gè)具有相當(dāng)高水平的多語言互譯系統(tǒng)。目前，它自己主頁的宣傳語是：基于一流的神經(jīng)機(jī)器翻譯技術(shù)以及在企業(yè)和政府機(jī)構(gòu)數(shù)十年的經(jīng)驗(yàn)，即時(shí)安全地翻譯成50種語言。自然語言處理基于統(tǒng)計(jì)的自然語言處理由于自然語言的復(fù)雜性，基于語法規(guī)則的自然語言處理效果并不好。從20世紀(jì)90年代開始，很多自然語言處理任務(wù)基于統(tǒng)計(jì)方法來完成。主要思路是：利用平行語料（如中英文對(duì)照文本）統(tǒng)計(jì)源語言詞與目標(biāo)語言詞的對(duì)應(yīng)概率，然后根據(jù)概率和其他必要的評(píng)估進(jìn)行翻譯。示例：計(jì)算機(jī)雖然不知道“智能”對(duì)應(yīng)的英文是什么，但是在對(duì)語料進(jìn)行統(tǒng)計(jì)后發(fā)現(xiàn)只要中文句子中有“智能”出現(xiàn)，對(duì)應(yīng)的英文句子就會(huì)出現(xiàn)“intelligence”這個(gè)詞（或出現(xiàn)的概率很大），那么就可以把“智能”翻譯為“intelligence”。很顯然，語料越多越豐富，基于統(tǒng)計(jì)的翻譯效果就越好。自然語言處理基于深度學(xué)習(xí)的自然語言處理2014年以來，人們嘗試通過深度學(xué)習(xí)建模，進(jìn)行端對(duì)端的訓(xùn)練。在機(jī)器翻譯、智能問答、文本理解、文本生成等領(lǐng)域取得了重大進(jìn)展?；谏疃葘W(xué)習(xí)的機(jī)器翻譯是模擬人的翻譯過程，基于循環(huán)神經(jīng)網(wǎng)絡(luò)的神經(jīng)機(jī)器翻譯包括兩個(gè)模塊：編碼模塊和解碼模塊。編碼模塊把輸入的源語言句子變成一個(gè)中間的語義表示。解碼模塊根據(jù)語義分析的結(jié)果逐詞生成目標(biāo)語言句子。對(duì)于比較長的句子，又加入了注意力機(jī)制，使得循環(huán)神經(jīng)網(wǎng)絡(luò)+詞嵌入+注意力機(jī)制的機(jī)器翻譯的性能全面超越了統(tǒng)計(jì)機(jī)器翻譯。計(jì)算機(jī)視覺計(jì)算機(jī)視覺是指在環(huán)境表達(dá)和理解中，對(duì)視覺信息進(jìn)行組織、識(shí)別和解釋的過程。通俗的講，計(jì)算機(jī)視覺就是研究和實(shí)現(xiàn)如何讓計(jì)算機(jī)具有人類“看”的功能，讓一個(gè)站在馬路邊的機(jī)器人自主決定何時(shí)安全穿過馬路。計(jì)算機(jī)視覺主要包括兩個(gè)層次：識(shí)別和理解，識(shí)別出環(huán)境中的“物”，理解“物”是什么及其特征。計(jì)算機(jī)視覺人臉識(shí)別的主要步驟人臉檢測(cè)：從給定的圖片中判定是否有人臉，如果有人臉，給出人臉的位置和大小數(shù)據(jù)，可以用矩形框標(biāo)記。特征點(diǎn)定位：在標(biāo)記的基礎(chǔ)上進(jìn)一步定位眼睛中心、鼻尖和嘴角等關(guān)鍵特征點(diǎn)。面部子圖預(yù)處理：一是把關(guān)鍵特征點(diǎn)進(jìn)行對(duì)齊，消除人臉大小、旋轉(zhuǎn)帶來的影響；二是對(duì)人臉核心區(qū)域子圖進(jìn)行光亮方面的處理，消除光的強(qiáng)弱、偏光等帶來的影響。特征提?。簭娜四樧訄D中提取出可以區(qū)分不同人臉的特征。特征比對(duì)：對(duì)從兩幅圖片中提取的特征進(jìn)行距離或相似度計(jì)算。決策：根據(jù)計(jì)算出的距離或相似度，確定兩張圖片上的人臉是否為同一人。根據(jù)應(yīng)用場(chǎng)景，設(shè)定一個(gè)合適的對(duì)比閾值。語音識(shí)別基于語音規(guī)則的識(shí)別系統(tǒng)基于規(guī)則的語音識(shí)別系統(tǒng)本質(zhì)上是一個(gè)專家系統(tǒng)，應(yīng)用了語言學(xué)家總結(jié)的語音規(guī)則。1976年，在拉吉·瑞迪教授的領(lǐng)導(dǎo)下，卡內(nèi)基梅隆大學(xué)研發(fā)出了兩個(gè)語音識(shí)別系統(tǒng)HearsayI和Harpy，并在此基礎(chǔ)上發(fā)展出許多語音識(shí)別技術(shù)的基礎(chǔ)思想。由于在人工智能系統(tǒng)、機(jī)器人系統(tǒng)和人機(jī)交互等領(lǐng)域的開創(chuàng)性研究，瑞迪獲得1994年度圖靈獎(jiǎng)。瑞迪在斯坦福大學(xué)攻讀博士學(xué)位時(shí)的研究項(xiàng)目就是語音識(shí)別，導(dǎo)師是1956年達(dá)特茅斯會(huì)議的主要組織者之一、1971年度圖靈獎(jiǎng)獲得者約翰·麥卡錫。語音識(shí)別基于統(tǒng)計(jì)模型的識(shí)別系統(tǒng)基于統(tǒng)計(jì)模型的識(shí)別系統(tǒng)需要建立大型的基于語音數(shù)據(jù)的語料庫，并在大規(guī)模語料庫的基礎(chǔ)上應(yīng)用統(tǒng)計(jì)模型方法。語音識(shí)別技術(shù)的一個(gè)重大突破是隱馬爾科夫模型（HMM）的應(yīng)用。1988年，在卡內(nèi)基梅隆大學(xué)讀博士的李開復(fù)（導(dǎo)師就是瑞迪教授）實(shí)現(xiàn)了第一個(gè)基于隱馬爾科夫模型的非特定人、大詞匯量、連續(xù)語音識(shí)別系統(tǒng)Sphinx。語音識(shí)別基于深度學(xué)習(xí)的識(shí)別系統(tǒng)2009年基于深度學(xué)習(xí)的語音識(shí)別在小詞匯量連續(xù)語音識(shí)別上獲得成功。2015年，應(yīng)用了深度學(xué)習(xí)技術(shù)的谷歌語音識(shí)別系統(tǒng)將錯(cuò)誤率降低至8%，2016年，微軟研究院進(jìn)一步將錯(cuò)誤率降低至6.3%。基于語音規(guī)則的識(shí)別系統(tǒng)的錯(cuò)誤率高于40%，離實(shí)用水平差距很大；統(tǒng)計(jì)模型用于語音識(shí)別，錯(cuò)誤率降至20%左右；深度學(xué)習(xí)把識(shí)別錯(cuò)誤率降低至6%左右，達(dá)到了實(shí)用水平。嵌入語音識(shí)別技術(shù)的會(huì)議系統(tǒng)能夠方便聽者獲取演講內(nèi)容；微信的語音轉(zhuǎn)文字功能方便了接收者在不方便播放聲音時(shí)閱讀信息；不同語言間的語音互譯方便了跨語言交流。智能機(jī)器人智能機(jī)器人的定義一種能夠半自主或全自主工作的智能機(jī)器，具有感知、決策、執(zhí)行等基本特征，可以輔助甚至替代人類完成危險(xiǎn)、繁重、復(fù)雜的工作，提高工作效率與質(zhì)量，服務(wù)人類生活，擴(kuò)大或延伸人的活動(dòng)及能力范圍。智能機(jī)器人的特征對(duì)不確定作業(yè)條件的適應(yīng)能力、對(duì)復(fù)雜對(duì)象的靈活操作能力；與人緊密協(xié)調(diào)合作的能力、與人自然交互的能力、人機(jī)合作安全。智能機(jī)器人智能機(jī)器人的發(fā)展1988年日本東京電力公司研制出具有自動(dòng)跨越障礙能力的巡檢機(jī)器人。1994年中科院沈陽自動(dòng)化所研制出中國第一臺(tái)無纜水下機(jī)器人“探索者”。1997年美國研制的“探路者”空間移動(dòng)機(jī)器人，完成了對(duì)火星表面的實(shí)地探測(cè)，取得了大量有價(jià)值的火星資料。1999年美國直覺外科公司研制出達(dá)芬奇機(jī)器人手術(shù)系統(tǒng)，現(xiàn)在已迭代更新至第五代產(chǎn)品，在多個(gè)國家的多家醫(yī)院得到應(yīng)用。2000年，日本本田技研公司推出第一代人形機(jī)器人阿莫西、國防科技大學(xué)研制出我國第一個(gè)人形機(jī)器人“先行者”，具有與人類似的軀體、頭部、眼睛、雙臂和雙足，可以步行，也有一定的語言功能。智能機(jī)器人智能機(jī)器人的發(fā)展2005年，美國波士頓動(dòng)力公司研制出四腿機(jī)器人“大狗”（Bigdog）。2005年，日本研制出“村田男孩”機(jī)器人，能夠騎行普通的雙輪自行車。2008年，深圳大疆創(chuàng)新科技公司研制出無人機(jī)。2008年，日本研制出一款名為“村田女孩”的機(jī)器人，可以騎行獨(dú)輪車。2008年，北京奧運(yùn)會(huì)期間，由中國民航大學(xué)研制的5個(gè)奧運(yùn)福娃機(jī)器人亮相北京首都國際機(jī)場(chǎng)，迎送奧運(yùn)大家庭成員和國內(nèi)外賓客。2013年12月2日，伴隨“嫦娥三號(hào)”探測(cè)器發(fā)射入軌，并于15日與著陸器成功分離的“玉兔”號(hào)月球車也是一個(gè)高智能的機(jī)器人。智能機(jī)器人智能機(jī)器人的發(fā)展2015年，日本軟銀集團(tuán)和法國AldebaranRobotics公司聯(lián)合研發(fā)出能夠識(shí)別人的情緒的人形機(jī)器人“Pepper”

。2018年，美國波士頓動(dòng)力公司研制出能輕松完成奔跑、跨越障礙、旋轉(zhuǎn)、跳躍、后空翻等一連串高難度動(dòng)作的人形機(jī)器人。2020年12月29日，美國波士頓動(dòng)力公司發(fā)布了旗下大狗機(jī)器人“Spot”、人形機(jī)器人“Atlas”和搬運(yùn)機(jī)器人“Handle”辭舊迎新的“集體舞”。智能機(jī)器人智能機(jī)器人的發(fā)展2020年7月23日隨我國第一個(gè)火星探測(cè)器“天問一號(hào)”發(fā)射升空的我國首輛火星車“祝融號(hào)”，于2021年5月15日登陸火星并開始對(duì)火星的巡視探測(cè)工作，有人稱之為中國機(jī)器人成功登陸火星。智能機(jī)器人智能機(jī)器人的發(fā)展2022年2月4日開幕的北京冬奧會(huì)期間有消殺機(jī)器人、烹飪機(jī)器人、送貨機(jī)器人和清廢機(jī)器人等100多個(gè)智能機(jī)器人為媒體記著提供消殺、烹飪、送餐、清廢等工作。自動(dòng)駕駛汽車自動(dòng)駕駛汽車的定義自動(dòng)駕駛汽車是一種通過計(jì)算機(jī)系統(tǒng)自動(dòng)行駛的智能汽車。自動(dòng)駕駛汽車依靠人工智能、視覺計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)的協(xié)同合作，讓計(jì)算機(jī)在沒有任何人主動(dòng)操作的情況下，自動(dòng)安全地操作機(jī)動(dòng)車輛。自動(dòng)駕駛汽車自動(dòng)駕駛汽車的發(fā)展1986年，在瑞迪教授的主持下，卡內(nèi)基梅隆大學(xué)研發(fā)出第一輛基本具備自動(dòng)駕駛汽車特征的原型車（Navlab），最高時(shí)速為32千米。2005年，斯坦福大學(xué)研發(fā)的名為Stanley的自動(dòng)駕駛汽車參加了美國國防高等研究計(jì)劃署舉辦的自動(dòng)駕駛挑戰(zhàn)賽并獲得冠軍。2009年，谷歌研發(fā)的自動(dòng)駕駛汽車圍繞谷歌總部的核心園區(qū)轉(zhuǎn)了一圈，完成了直行、轉(zhuǎn)彎、上坡、下坡、避開其他車輛等行駛動(dòng)作。2012年5月谷歌獲得了美國內(nèi)華達(dá)州機(jī)動(dòng)車輛管理局頒發(fā)的美國歷史上第一個(gè)自動(dòng)駕駛汽車許可證。自動(dòng)駕駛汽車自動(dòng)駕駛汽車的發(fā)展1987年，我國國防科技大學(xué)研制出一輛自動(dòng)駕駛原型車。2003年，國防科技大學(xué)和一汽集團(tuán)合作，在一輛紅旗轎車上安裝了自動(dòng)駕駛系統(tǒng)，最高時(shí)速達(dá)130千米。2011年，改進(jìn)后的自動(dòng)駕駛紅旗轎車完成了從長沙到武漢的公路測(cè)試，總里程286千米，其中人工干預(yù)2240米。2015年12月，百度無人駕駛汽車實(shí)現(xiàn)了國內(nèi)首次城市、環(huán)路及高速道路混合路況下的全自動(dòng)駕駛，測(cè)試時(shí)最高時(shí)速達(dá)到100千米。自動(dòng)駕駛汽車自動(dòng)駕駛汽車的發(fā)展2021年11月25日，北京正式開放國內(nèi)首個(gè)自動(dòng)駕駛出行服務(wù)商業(yè)化試點(diǎn)，自動(dòng)駕駛出租車獲準(zhǔn)在北京亦莊經(jīng)濟(jì)技術(shù)開發(fā)區(qū)提供有償服務(wù)，顧客通過“蘿卜快跑”APP約車付費(fèi)。需要說明的是，商業(yè)化試點(diǎn)運(yùn)營車輛仍需配備一名安全員坐在前排副駕駛位置，以便在必要時(shí)采取干預(yù)措施。2023年9月19日，北京在亦莊經(jīng)濟(jì)技術(shù)開發(fā)區(qū)開通了真正的無人駕駛出租車試點(diǎn)收費(fèi)運(yùn)營，乘客上車前，車上空無一人。前后排之間有塊透明的玻璃板，乘客坐在后排。在后排智能屏幕上會(huì)實(shí)時(shí)顯示車輛當(dāng)前速度、剩余里程、周邊車輛及行人信息，遇緊急情況還可點(diǎn)擊屏幕上的SOS按鈕聯(lián)系行程專員，以保證乘客安全。人工智能的發(fā)展趨勢(shì)人工智能與經(jīng)濟(jì)社會(huì)發(fā)展；人工智能發(fā)展帶來的挑戰(zhàn)；人工智能倫理/05人工智能與經(jīng)濟(jì)社會(huì)發(fā)展人工智能的發(fā)展與應(yīng)用，已經(jīng)顯現(xiàn)出其對(duì)經(jīng)濟(jì)社會(huì)發(fā)展的重要促進(jìn)作用。隨著人工智能研究的不斷深入和應(yīng)用的進(jìn)一步拓展，其對(duì)經(jīng)濟(jì)社會(huì)發(fā)展的強(qiáng)大推動(dòng)作用還會(huì)進(jìn)一步顯現(xiàn)。美國、法國、德國、英國、日本等世界主要發(fā)達(dá)國家把發(fā)展人工智能作為提升國家競(jìng)爭(zhēng)力、維護(hù)國家安全的重大戰(zhàn)略，加緊出臺(tái)規(guī)劃和政策，圍繞核心技術(shù)、頂尖人才、標(biāo)準(zhǔn)規(guī)范等強(qiáng)化部署，力圖在新一輪國際科技競(jìng)爭(zhēng)中掌握主導(dǎo)權(quán)。人工智能與經(jīng)濟(jì)社會(huì)發(fā)展我國也高度重視人工智能的發(fā)展。2017年7月國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出了分三步走的戰(zhàn)略目標(biāo)：第一步，到2020年人工智能總體技術(shù)和應(yīng)用與世界先進(jìn)水平同步，人工智能產(chǎn)業(yè)成為新的重要經(jīng)濟(jì)增長點(diǎn)，人工智能技術(shù)應(yīng)用成為改善民生的新途徑，有力支撐進(jìn)入創(chuàng)新型國家行列和實(shí)現(xiàn)全面建成小康社會(huì)的奮斗目標(biāo)。第二步，到2025年人工智能基礎(chǔ)理論實(shí)現(xiàn)重大突破，部分技術(shù)與應(yīng)用達(dá)到世界領(lǐng)先水平，人工智能成為帶動(dòng)我國產(chǎn)業(yè)升級(jí)和經(jīng)濟(jì)轉(zhuǎn)型的主要?jiǎng)恿Γ悄苌鐣?huì)建設(shè)取得積極進(jìn)展。第三步，到2030年人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心，智能經(jīng)濟(jì)、智能社會(huì)取得明顯成效，為躋身創(chuàng)新型國家前列和經(jīng)濟(jì)強(qiáng)國奠定重要基礎(chǔ)。人工智能發(fā)展帶來的挑戰(zhàn)人工智能是影響面廣的顛覆性技術(shù)，可能帶來改變就業(yè)結(jié)構(gòu)、沖擊法律與社會(huì)倫理、侵犯?jìng)€(gè)人隱私、挑戰(zhàn)國際關(guān)系準(zhǔn)則等問題，將對(duì)政府管理、經(jīng)濟(jì)安全和社會(huì)穩(wěn)定乃至全球治理產(chǎn)生深遠(yuǎn)影響。在大力發(fā)展人工智能的同時(shí)，必須高度重視可能帶來的安全風(fēng)險(xiǎn)挑戰(zhàn)，加強(qiáng)前瞻預(yù)防與約束引導(dǎo)，最大限度降低風(fēng)險(xiǎn)，確保人工智能安全、可靠、可控發(fā)展。人工智能發(fā)展帶來的挑戰(zhàn)重視人工智能發(fā)展給就業(yè)結(jié)構(gòu)帶來的影響計(jì)算機(jī)的應(yīng)用，使計(jì)算員的工作被取代了。計(jì)算機(jī)網(wǎng)絡(luò)和互聯(lián)網(wǎng)的應(yīng)用，商場(chǎng)與書店售貨員、銀行柜員、郵局郵遞員與電報(bào)員、火車站售票員等一批傳統(tǒng)工作崗位受到影響。人工智能的