人工智能范文
时间：2023-03-12 12:22:09
人工智能范文第1篇
关键词：智力人工智能语言
人们普遍认为智力是可以学习、培养和发展的，这种观点便蕴含了对智力演化过程的认识。汉语的“智”是“知”的后起字，本义指聪明、智力强，如“然后智生于忧患”(《荀子》引《孟子》)，“智术浅短”(三国志・诸葛亮传)，“少年智则国智”(梁启超《少年中国说》)。在1921年举行的学术讨论会上关于智力定义的讨论中。美国心理学家刘易斯・特曼(Lewis M.Terman)强调抽象思考的能力，但是，另一位美国心理学家爱德华・桑岱柯(EdwardL.Thomdike)则认为学习和对问题给出优秀答案的能力才是智力；瑞士心理学家让・皮亚杰(JearlPiaget)认为智力是当你不知道怎么办时动用的东西，他还区分了智力发展的两种基本过程和四个不同阶段，其观点和理论影响深远：而在1986年的讨论中，与会心理学家们则一致认为，对环境的适应能力是理解智力的本质和用途的关键(EncyelopadiaBritannica，2009)。当代学界对智力的这种认识与汉语的“急中生智”这一成语非常合拍。如出一辙．都突出了智力的创造性、动态发展性及其发生的情景。客厅的茶几上摆放一个正在沸腾的火锅，一个两、三岁小孩走过去用筷子而不是用手到锅里面去挑肉吃，或者想要锁在抽屉里的巧克力翻箱倒柜地去找钥匙而不是用拳头或杯子砸抽屉都是动用智力的结果，都是聪明的和具备值得令人称赞的智力的，我们对这小孩的评价是聪明；一个八岁的小孩也这样做，我们认为是正常。类似的。一个四、五岁的小孩能够脱口而出三七二十一之类的数学题，我们也一般认为那小孩的智商高、聪明；但是，一个十一、二岁的孩子再有如此表现，只能说是还不算笨。
智力应该是和生物肌体的进化同时进行的，因为缺乏远古资料．这里我们不打算去猜测和讨论猿人、古人或今人智力的进化历史过程。结合现代脑神经科学的研究成果，我们只从关于儿童智力发展的现有资料及心理学家们的认识变化和讨论人手，来考察人类智力的演化，并在此基础上，探讨人工智能的发展潜势。
人们智力的物质基础主要在于人脑而不在于心，这已经是现代人的基本共识。人的身体生长发育一般经过十几年的时间，基本形体和部件数量在出生时就决定了(后天的手术或意外事故不算)，外部形体的发育情况有目共睹．但大脑的情况有点特殊。这里我们不再复述人脑中可能代表不同进化阶段的三重构造，也不讨论对立统一的左右半球和其中不太确定的具体任务功能分区；大脑的主要功能是思维，因此我们通过研究思维的形成过程和脑神经细胞层面活动的关系，来探讨智力的演化过程。
大脑的基本组织结构是神经元细胞，人脑所呈现的瓷白色是其脂肪的颜色，简称为白质，这种脂肪叫“髓磷脂”，它们包裹着神经细胞纤长的突起部分，使之绝缘。突起的部分被称为“轴突”，和电线相似，把神经元的输出传送到附近或远处的目标。白质实际上是走向各处的神经纤维的集合，就像我们在电讯中心大楼的地下室所能见到的成捆电缆一样，只不过颜色和体积不同。脑的主体正是这些绝缘纤维，它们把实现重要功能的脑的各部分相互连接起来。在轴突的一端是球形、膨大的神经元的细胞体，包含细胞核。细胞日常运转和维持所用的DNA模版即在其中。有许多树状分支从细胞体伸展出来，称为树突。神经元的这一部分没有白色的髓磷脂，因此它们大量集合起来便呈灰色，被称为灰质。神经元轴突的另一端通常与一个下游神经元的树突相接触，它们之间的狭小缝隙称为突触。上游神经元释放微量的神经递质至突触，然后扩散至下游神经元的膜，打开某些膜上的通道。每个神经元都是一个典型的计算单元，能把几千个输入的影响综合起来。具有相似功能的神经元倾向于在皮层中作垂直的排列，形成柱形结构，这被称为皮层柱，贯穿皮层的大多数层次。大约100个神经元组成一个环绕锥体神经元顶树突的微型柱，直径约为30微米(如一根纤细的发丝)，约100个微型柱组成一个大型柱，一个皮层区有100x100个大型柱，大脑的两个半球共有104个皮层区。这些就是我们思想和智力的物质基础，简单中蕴含着复杂。初生婴儿的大脑重量大约为400克，是成年人脑重的30％。虽然大脑在生长过程中神经元的体积在扩大，联结(树突、轴突和突触)的数目不断增加，但是神经元的总数目基本不变。大脑结构的发育和工作方式是由基因决定的，突触的数目和信息种类则完全受环境的影响。
大脑中存在类似DNA碱基复制的复制机制并且存在复制竞争。锥体神经元释放一种兴奋性神经递质谷氨酸。可以激活NMDA通道．产生长时程增强(LPT，即long-termpotentiation)现象，是短期记忆的最佳基础，它为真正持久的突触结构变化的形成提供骨架，这些变化是永久性“印记”，有助于长期不用的时空模式的重新建立。复制竞争存在于神经激活网络的同步化倾向中，记忆痕迹是以分布的方式存贮的．并没有一个位点对于其复苏是关键性的，变异同时存在，使竞争成为可能，它决定着什么模式能最佳地与连接特性发生共鸣。
人脑的这种活动方式意味着人的思维和智力也是进化的并且也存在着达尔文过程。达尔文主义的主要内容是大量繁殖、生存竞争、遗传、变异和适者生存。卡尔文教授认为思维就是瞬息间的达尔文过程，人的大脑具备达尔文过程的所有要素：模式、复本、模式的持续变化、复制竞争、环境的影响、模式的繁殖。各种事物记忆构成大脑细胞神经活动的时空模式，暂时的印记摹写在永久的印记之上．特定时空模式的重复会留下突触强度的改变．这在神经生理学中被称为“易化”和“长时程增强”。真正持续保存的印记是个体特异的，甚至对每个同卵双生子也是如此。通过对思维的物质基础――大脑的研究分析能够比较客观形象地让我们了解智力产生和演化的过程。
我们的思维活动是动态的达尔文过程，复制竞争的临时赢家成为我们意识的良好候选者。新皮层的达尔文机制可以解释思想如何“自上而下”地影射于神经元群和思想如何“自下而上”地由那些看起来是杂乱无章的神经元集群产生的。这种对智力的解释可以为我们洞察各种生命的智力所循的途径提供启示，包括人工智能(AI)、增强动物、人类甚至地外生命。
我们为适应环境而表现出来的智力时时都在发生：求学者学习掌握通过某课程所需的材料，大夫根据了解的病情对某种未知病症的病人进行治疗，艺术家修改一项作品使其看起来更加协调悦目，等等。面对纷繁多姿的智力表现形式．我们渴望了解的是它的本质。心理学家阿瑟・詹森(ArthurJensen)指出影响智力测试的有两个最主要因素：速度和你在头脑中能同时应付事项的数 目(例如你在一定的时间内能回答多少问题，类比问题时通常要在头脑中同时保持多个概念并比较)。这种认识让我们很自然地联想到当前对计算机运行速度和多功能的要求。研究智力测验试题的编制者们给我们列出的智力测试的项目清单：机械记忆力、数字计算能力、归纳推理、演绎推理、感知速度、语言表达的流畅性、言辞理解力、空间能力等诸如此类的事物；我们发现智力是由许多可以分解出来的能力构成的，它并不是某种单一的因素。
我们知道。分解出的所有能力并不能通过简单地叠加而等于智力。很多自闭症患者都在诸如机械记忆或特定事物的感知速度等方面表现超强，但是在传统观念上往往不被认为是聪明的。而且，行为越是复杂和有目的性，往往越不被认为是智力的表现。智力的最佳标志经常是一些解决比较简单而又不易预料的问题的情况，那体现的是灵活性和创造性。当然，“智力”是由许多东西组成的复合物，它与人们的多种心智能力有关，甚至包括预测、想象和幻想，它们是我们“意识”活动的内容或部分成果。美国心理学家丹尼尔-高曼(DanielColeman)还提出，人类认识自己情绪的能力(即情商)也很重要。
在计算机和自动化相关领域的发展上，也存在着模拟人脑内部智能机制的AI学派和模拟人与环境交流的CHI学派。真正的人造智能形式的出现需要克服至少三个难点：与各种动物组成的生态系统相顺应、价值问题和人类对其潜在挑战的态度。人工智能的特定程式可能产生有智能的机器人，逐渐更新换代的软件通用型计算机将会获得智力性意识，诸如可驾驭的注意力、复述、语言能力、想象、下意识信息处理、对未来的策划、战略上的决策和自言自语。这些只是当前计算机技术、人工智能、神经生理学及人脑神经生物学已有趋势的推测。艾伦・图灵(Alan M．Turing)对智能机器的描述为人们发展人工智能提供了可操作的途径，但是，从知识中提炼智慧肯定要比从资料中提炼知识需要更长的时间和更加复杂些。
人工智能范文第2篇
6月21日，《福布斯》刊文指出，人工智能领域知名科技媒体TOPBOTS评选出了20位驱动中国人工智能改革的科技领导者，创新工场联合创始人李开复、百度集团总裁兼COO陆奇、腾讯人工智能实验室主任张潼等众多来自业界资深人士成为最受西方关注的“中国竞争者”。7月5日，阿里人工智能实验室首次对媒体开放。这些事件都表明，中国正在成为人工智能研究和应用的红海。
笔者想起最早接触人工智能应该是1997年。IBM的“深蓝”战胜了人类棋手卡斯帕罗夫。在“深蓝”设计者许峰雄看来，“深蓝”主要依靠大的计算能力穷举所有路数来选择最佳策略。“深蓝”靠硬算可以预判12步，而卡斯帕罗夫可以预判10步。当时，“深蓝”还不具备深度学习能力。如今，谷歌阿尔法狗已经初步具备了从“算”到“学”的人工智能进化能力。在笔者看来，这才是真正的人工智能。
既然提到了“深蓝”，我们就不能不提IBM的Watson。Watson是IBM全力打造并推崇的人工智能平台。但很多人对它并不看好。笔者的一名同行前辈就并不看好它。近期，在CNBC的一档节目《Closing Bell》上，Social Capital的创始人兼首席执行官、风险投资家查马斯・帕里哈皮蒂亚（Chamath Palihapitiya）便炮轰IBM Watson，在企业人工智能界掀起了不小的轰动，并且引发了众多人参与此次论战。
不论此论战结局是什么，人工智能并没有如人们想象中那样成为真正的主宰者，似乎只在某些领域可以替代或者超过人类，但在综合能力方面，人工智能还有待完善。
在“2017世界智能大会”上，李彦宏、马云、柳传志等互联网大咖先后登台演讲。马云在机器智能高峰论坛中称数据很重要，是原料，没有数据什么都不行。但是李彦宏却在人工智能论坛中提出不一样的观点――数据不重要，创新和技术更关键。
人工智能范文第3篇
在某种程度上，支持者与反对者之间的区别就是时间期限。比如，未来学家、发明家雷蒙德・库兹韦尔就认为20年智能就能研发出真正接近人类智力水平的人工智能。而我认为这个过程起码现在，几乎不到一个月就有一款最新的人工智能产品问世，而我们在开发人类大脑的道路上已经停滞不前了人工智能的威胁格力・马库斯/ 文 李雨蒙/ 译需要20 年，尤其要考虑到创造常识（正常思维）的困难，发明人工智能的挑战，还有软件技术，都比库兹韦尔预测的要困难得多。
然而，从今往后的一个世纪里，没有人会在意人工智能的发展需要多久，只会关心将会出现哪些先进的人工智能。或许在这个世纪末，人工智能就会变得比人类更加智慧――不仅可以解决国际象棋、琐碎小事等等，基本可以处理所有的事物，无论从数学、工厂还是科学和医药。还剩下一小部分创造类工作留给人类，比如演员，作家或是其他创意类工作。最终的电脑系统可以完成自我编程，获取大量的最新信息。我们这些“碳基生物”的模糊印象，他们能够在分分钟就分析处理完成，也不需要长时间的睡眠或休息。
对于支持者来说，人工智能的未来充满希望。库兹韦尔就曾撰文发表自己一个大胆的设想，就是人类与智能机器结合，将人类的灵魂上传到人工智能中，使我们的灵魂永生；彼得・迪亚芒蒂斯则认为人工智能是开启“富裕时代”，拥有富足食物、水源、消费工具的重要因素。不过，反对者像埃里克・布林约尔松和我很担忧机器人职业化和人工智能带来的隐患，即使不去考虑高级人工智能对劳动力市场的影响，功能强大的智能机器也会威胁人类的生活，与人类争夺有限的资源。
大多数人把这种担心看作是科幻小说里的蠢话――像《终结者》和《黑客帝国》这类。在一定程度上，我们需要未来很长一段时间做好打算，我们要担心小行星会撞地球，化石燃料产量下降，全球变暖等问题，而不用担心机器人问题。可是，詹姆斯・巴雷特的黑暗系新书《我们的最终发明：人工智能和人类时代的终结》，描述了一种严峻的情况，我们至少应该有所思考。
如果机器最终取代了人类――正如在人工智能领域工作的人所坚信的那样，真正的问题在于价值观：我们如何把价值观输入机器中，当它们的价值观与我们的价值观发生了很大的冲突时，我们该如何和这些机器协商呢？牛津的哲学家尼克・博斯特罗认为：我们不能乐观地假设，超级智能一定会分享人类的智慧和智能发展形成的价值观――对科学的求知欲，对他人的关心和仁慈，精神启发和沉思，克制物质占有欲，高雅的文化品位，对感受简单生活的快乐，谦虚无私等等。或许通过专门的训练，能够创造出拥有这些价值观的超级智能，或是珍惜人类财富和高尚道德的超级智能，或是设计者想要它拥有一些复杂目标的智能。这是可能的――可能从技术上说更简单――打造一个能够把最终价值都放在计算圆周率小数上的超级智能。
英国控制论学者凯文・沃里克曾问道：“当机器不在我们人类所处的思维次元中思考时，你如何跟它理论，如何与它做交易，如何能明白它的想法？”
如果说巴雷特黑暗系理论有漏洞的话，那就是他未经思考就提出的假设：如果机器人聪明到可以下棋，那它可能也会“想要制造宇宙飞船”――在任何足够复杂，有目标驱动的系统中都是天生具有自我保护和获取资源的本能。现在大部分机器都非常先进，比如，IBM公司的深蓝系列电脑，但是目前它们还没有显示出想要获得资源的兴趣。
可是，在我们感到沾沾自喜，确定无需担心时，别忘了有一点非常重要：我们要意识到随着机器越来越聪明，它们的目标也是会变化的。一旦电脑能够有效地重新给自己编程，成功地提升自己的性能，达到所谓的“技术奇点”或“智能爆炸”，那么我们就不能忽视机器在与人类抢夺资源和自我保护的较量中会有胜过人类的风险。
在巴雷特书中，最鲜明的观点之一是来源于著名的系列人工智能企业家丹尼・希利斯，他把即将到来的转变比作生物进化史上最重大的转变之一：“我们现在达到的高度就像是一个单细胞有机体转变为多细胞有机体的高度。我们是变形虫，我们不清楚自己在创造的到底是个什么东西。”
无论怎样，人工智能的进步已经达到了我们从未想过的危险。德雷塞尔大学的电脑风险专家加格跟我说：随着因特网时代的到来和大数据时代的爆炸，“人工智能已经收集了有关我们的许多数据，并输入计算程序，做出预测”，“ 我们无法知道数据被收集的时间，没法保证收集的数据信息是准确的，没法更新信息，或提供必要的信息背景”。甚至在20 年前，几乎没有人会预想到这种风险。前方还会有怎样的危险呢？没有人真的知道，但是巴雷特提出的问题却值得我们思考。
人工智能范文第4篇
人类将在与机器的共生共存中，开启一个新的时代？
近年来，人工智能已经从科学的神坛走入了经济的大潮，成为了各大公司争相竞逐的新战场。
在中国，BAT纷纷在人工智能领域布局：李彦宏声称“互联网的未来在于人工智能”，百度的百度大脑、无人驾驶汽车初具规模；腾讯发挥微信、QQ的强大优势，在语音识别、图像识别、人脸支付领域发力；阿里巴巴则以阿里云为基础，将人工智能的基础――数据生态系统做大。而国外的谷歌、微软、FACEBOOK、IBM等巨头，也在人工智能领域全力推进，从当年IBM的深蓝到今天的阿尔法狗，仅仅是巨头们在人工智能领域尝试的冰山一角。 什么是人工智能
尽管随着人机大战，人工智能已经成为了一个耳熟能详的热词，但究竟什么是人工智能，却在行业内都难以有一个确定的定义。其实简单地说人工智能就是对人的意识、思维过程的模拟，但之所以人工智能的定义难以确认，关键在于对“智能”的定义难以确认，在人工智能领域经常有一句话说：我们连人的智能是什么都不知道，何谈人工智能？因此目前大家普遍认可的还是由约翰・麦卡锡（John Mccarthy）在1956年的达特矛斯会议（Dartmouth Comference）上提出的：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。简单地说，如果说机器人是要在完成人类四肢的工作，那么人工智能则是要完成人类大脑的工作。
人工智能为什么这么火
其实人工智能早在60年前就被正式提出，几十年来也一直在飞速发展，但似乎在过去的日子，普通人更多地是通过《终结者》、《我，机器人》等科幻电影了解到人工智能，但为什么今天人工智能突然成为了大家关注的焦点呢？来自微软研究院的芮勇认为，除了这些年所谓算法的演进和提升外，几个物质方面因素的发展也将人工智能的应用成为了可能。首先在于背后计算能力的飞速发展。人工智能背后需要有强大的计算能力的支撑，我们看到是阿尔法狗击败了李世石，其实阿尔法狗只是一个程序，在背后则是强大的超级计算机的运算。据中国最大的超级计算机制造者――浪潮公司的科学家刘军介绍，目前，超级计算机的性能发展迅速，一台超级计算机已经能够达到一百万台电脑的运算能力，因此，在计算能力上将人工智能需要的超级运算成为可能。其次，人工智能需要对海量的数据进行分析，就必须拥有海量的数据，而几十年的互联网的发展，让人类社会中海量数据的产生于收集成为了可能。第三，4G技术的普及，让数据随时随地的链接已经成为常态，也让大量数据的传输成为可能，使用场景的便利化，给人工智能走进日常生活提供了多种可能。如果说人工智能原来是一粒种子，但阳光、温度、湿度等外在条件还未具备，因此一直蛰伏在科学家的研究室里，那么今天，正是人工智能即将破土而出的时刻。
既然人工智能时代已经到来，那么无论是科学层面、经济层面，还是我们生活中的人工智能三大猜想就无可回避地出现在我们的面前，让我们看看中外人工智能专家将给出什么样的答案。 人工智能是否会比人聪明？
在硅谷的美国宇航局艾姆士研究中心，有一所一出生就声名显赫的大学―“奇点大学”。其校长雷・库兹韦尔认为，伴随生物基因、纳米、机器人技术几何级的加速度发展，2045年左右，人工智能将来到一个“奇点”，跨越这个临界点，人工智能将超越人类智慧，人们需要重新审视自己与机器的关系。人类将在与机器的共生共存中，开启一个新的时代。那么，人工智能真的将比人类聪明吗？
对于这个问题，科大讯飞董事长刘庆峰坚决认为，人工智能一定能够超越人类，因为通过互联网万物互联，可以把所有人类的智慧汇聚到后台，通过深度神经网络来展现，所以人工智能到时候不是跟单个人比，它是把所有人的智慧汇聚在后台，来跟单个人比，所以它在绝大部分场合下会表现得比人类更聪明。微软亚洲研究院院长洪小文则认为人工智能在大多数情况下比人类更具有能力，但它仍旧无法与人类的智能相比，因为，人类最可贵的能力在于创造力，而这一点上人工智能无法与人类抗衡。被称为中国人工智能布道者的搜狗创始人王小川指出，原来我们都认为人工智能缺乏创造力，但现在人工智能的发展已经否定了这一点。拿阿尔法狗在人机大战中的表现来看，它的很多招法都是传统围棋理论所难以接受，对人类棋手而言匪夷所思的。因为以前是人类告诉机器方法该怎么做，到阿尔法狗的时候，人类开始不用告诉计算机方法，只告诉人工智能目标：就是要赢，这个方法和答案让它自己找。但即便如此，也不能认为机器能够比人聪明，因为必须要人类为人工智能设立一个目标，它才能够产生后面的学习。
所以对于人工智能而言，可以在很多时候轻松击败人类，但它仍受到两方面的限制，第一条是它只能从人类已有的各种各样的行为和判断的数据中去学习，创造不了人类没有经历过的全新的方向。第二是机器设计不了规则，必须由人来设立规则或者说是算法。 人工智能是否会取代人类？
当机器有了智能，自然而然就会让人们想到他与人类的关系，所以在《终结者》中出现了“审判日之战”，在《黑客帝国》中出现了人与MATRIX（矩阵）的对决，而科幻作家阿西莫夫则防患于未然地提出了“机器人三定律”，那么，人工智能的发展真的会取代人类吗？
小I机器人的创造者袁辉对此持悲观态度，他认为整个目前人类文明是在走向一个下滑的阶段，所以在这种阶段下面，人类最后会被终结，这可能是一个时间的问题。从本质上说，这是人类自己的问题，人类创造了人工智能这样的一个物种，这个物种与人类是和谐共存还是竞争，完全取决于人类的发展。而搜狗董事长王小川则预测当人类面对人工智能的时候，会与人工智能共同进化，人工智能将最终会成为人类的一部分，人工智能既会帮助人类，也会约束人类，二者将是一种合体的关系，最终人会变成新人类，会进化成新的物种。
科大讯飞董事长刘庆峰承认因为人工智能可以在后台汇聚人类的各种智慧，所以在很多的复杂的活动中可以超越人类，但是最终是被人类所管理和控制的。因为机器没法自己设定规则，所以它一定是在人类定的大规则下来为人类服务的。最后人和机器会相互耦合在一起，推动整个世界的进程。
其实，在人类发展的进程当中，每一个新技术的出现总会伴随着争议、误解甚至是担忧或者是恐惧，在十九世纪工业革命的时候，英国的产业工人担心机器抢了自己的工作，于是纷纷去烧机器、毁机器；两百年前，在美国大约70%的人口都是农业人口，而大型机器和生产线出现后，几乎抢夺了所有的农业人口的工作。但现在美国只有1%的农业人口，而那69%的人并没有因此而失去他们的生活或者是工作，反而在机器创造的更多的新领域创造了新的工作，寻找到了新的生活。相比那个时候，人类进化了，因此人类就是在不断认知自我的过程当中，去拥抱越来越美好的新生活。 人机大PK
尽管有预言人工智能将逐渐地接管人类的种种职业，但那毕竟是未来，现在，人工智能在一些常见的领域到底达到了什么样的水准？让我们看看人机在几个职业上的PK。
项目：语音识别
规则：由人工智能和人类速录师同时听一段声音，并将其转化为汉字，看谁的准确率高。
结果：
1、速度：双方速度几乎一样，都是在语音播放的同时完成了录入。
2、准确率：准确率都达到99%以上。
应用场景：目前，语音技术主要应用领域是：导航和音响系统、智能可穿戴设备、制造业、智能家居、电信领域、医疗领域、教育等领域。预计在2017年以前，全球语音识别市场将达到1330亿美元。
视角延伸
1、在嘈杂的环境，多人对话的情况下，人工智能尚缺乏足够的辨别能力。
2、对于方言，人工智能的准确率明显降低，需要专门的数据库予以支撑。
3、人工智能的语音识别已经拓展到多种语言，已经初步达成了实时翻译功能。
4、在未来万物互联时代，语音识别将成为人机对话、打通各个平台的接口。
项目：驾驶
规则：无人驾驶汽车在高峰期于北京东三环行驶，看行驶的平稳度与安全性；无人驾驶汽车在专业赛车场进行18米S弯绕桩跑，就是赛车手考赛车水平的时候，会有这一段考试，从头到尾如果是人驾驶一般要14分钟，用智能机器人可以做到13分钟多一点，就是说比赛车手还少一点时间。
结果：
1、实地无人驾驶顺利完成，放置于车顶的打火机，硬币等物件没有掉落。
2、专业赛车场进行的18米S弯绕桩跑，人驾驶一般要14分钟，人工智能可以做到13分钟。
应用场景：当前，世界大型汽车制造商都在致力研究无人驾驶汽车技术。该技术在减少拥堵和安全隐患等方面大有作为。根据业内预测到2020年，无人驾驶汽车市场将达到6亿美元。
视角延伸
1、人工智能还不能处理很多复杂的情况，在技术上仍然具有很大挑战。
2、无人驾驶的目标第一是解决因为人为的因素造成的安全性；其次能够将人类从驾驶的烦琐中解脱出来。
3、专家预测，未来五年无人驾驶的发展方向将是“增强驾驶”，即汽车同时具有人类驾驶与无人驾驶功能并存，人与车的关系就如同当年人与马的关系一样。
4、无人驾驶设备能否小型化将成为无人驾驶能否走向应用的一大门槛。
项目：图像识别
规则：由人工智能和人类同时识别三张明星在不同化妆、衣物时的图像，看谁能准确地认出；同时识别三种长得相似的普通人的照片，看是否能够辨认出这是否是同一个人。
结果：
第一次辨认结果人工智能胜过了人类。
第二次因为有一张图片面部有头发遮挡，人工智能表示无法识别。
应用场景：目前，图象识别技术主要应用在：导航、遥感图象识别、天气预报、环境检测、通信、军事和公安刑侦、临床诊断和病理研究等领域。
视角延伸
1、使用图像识别技术，在大量摄像头拍摄的画面中无论要找罪犯还是要找失踪的人口，效率将会比人类识别高出很多。
2、跟人脸识别和语音识别相结合起来，将极大地提高对个人身份的辨识度，在金融支付领域具有广阔前景。
3、图像识别将进一步发展成表情识别，可以在第一时间感知人类情绪，并采取相应措施。如在驾驶中如果智能摄像头能够感知司机情绪不稳定，可以提前采取措施，减少事故发生可能性。 观点大碰撞
对于人工智能，过去很多人定义过，它要有比较高的自感知能力、自主决策和控制能力、对安全和意外的自动预警和防范处理能力等，它要能在较少人为干预的条件下完成工作和服务。但要强调的是未来人工智能跟过去不同的地方，未来的人工智能一定是终端跟云端协同创新实现的智能控制与服务的。有了网络以后，人工智能就不仅是靠机器内的软件硬件系统来操纵，还可以在使用终端和云端之间实施交互协同来实现，它的水平和能力会远远超过历史上单部机器的智能行为。其实阿尔法狗也有很多东西是在云端计算，而不在终端。所以这是一个未来的方向。
人工智能技术可应用的领域是非常广泛的，可以说是无处不在。它可以应用在生产制造业，还可以应用在各种服务领域。比如金融服务、医疗服务等都可以用人工智能技术；学习方面，也可以用来提升学习效率；还有农业领域，可以借助人工智能技术判断施什么样的肥料、怎么样防治病虫害等，快到收获季节还可以通过人工智能技术预测预判市场销售，这对农产品的行销也都会有大的帮助。
“中国制造2025”提出创新驱动、质量为先、绿色发展、结构优化、人才为本，智能制造是核心。制造经历过不同的时代，第一次工业革命以后是机械制造时代；第二次工业革命以后是机电结合了起来；后工业阶段，上世纪80年代以后又加了电子、机械电子一体化；而信息网络出现以后，现在和未来的制造是网络智能的时代的网络协同智能制造，制造过程、运行服务过程都将数字化、网络化、智能化，这是制造业发展的方向和技术创新的核心。
邬贺铨：中国在人工智能应用方面走得很快
人工智能研究的起步，一般被认为是在20世纪50年代，那时候中国还没有开始研究。不过，人工智能在前50年里还停留在科学家的圈子里，没有走向应用。这些年中国人工智能的研究跟其他新生领域的研究一样，取得一些好的成果，但是总体上与国外还是有差距的，在一些有影响的文章发表、人工智能原创的技术，包括支撑人工智能的产业等方面我们还有差距。
不过，应该说中国的人工智能在个别领域做的还是很不错的。比如说，科大讯飞在中文的语音识别上是领先的，百度、阿里、腾讯也在关注人工智能，不但自己在培养专家，也从海外引入一些高端人才，努力缩短我们与国外的差距。
中国机器人也做的不错，严格来说，我们机器人是广义的机器人，传统讲的机器人是工业机器人。我们的机器人产品以面向社会消费应用为主，产能产量已经占到世界较大市场。沈阳自动化所和新松机器人等公司从事机器人研究很长时间了，他们在做工业的机器人，也取得了不少的成绩和应用。但是在大型生产线上，目前应用的工业机器人还是以国外产品为主。
中国在无人驾驶车的应用方面跟美国相比也不会差距很远。现在百度的无人驾驶车，按照现在的水平也有望在未来的一两年内应用了。不过，无人驾驶需要很多技术，而现在国产车内的车载电子系统还是进口的，如果说不能在汽车总线上突破，我们的无人驾驶车在核心技术上还是有不少差距。
总体来说，在人工智能的应用上中国走得很快，展望未来不仅会缩小与国际的差距，也会走在前面。中国正处于经济发展方式转变和两化融合的重要阶段，需要大量的生产自动化手段，中国的人工智能的市场非常大。
张潼：人工智能的核心技术就是让机器学习
现在企业界很多研究院，包括阿里、腾讯、滴滴、360等关心的都是机器学习的核心能力。总体来讲，一个是大数据，另外一个是对于大数据处理和加工的能力。把一个原材料变成你真正所需要的系统或者产品，这是它的能力。从机器学习的技术来讲，如何实现规模更大、创新还有实时更新的效果，这一系列的技术能力使得所有公司都非常感兴趣。
总体来讲，数据处理的核心能力就是机器学习能力，还有高性能计算。处理大数据也要有计算平台，最后是一系列应用，包括广告、无人车，包括其他行业的探索。
此外，现在的医疗有各个环节，其中一个环节和互联网紧密相连，当病人患病的时候，去医院之前往往会自己看看是什么毛病，会有自我诊断或者自我询查信息的过程，但是百度搜索信息不太足够，因为只能找到相关网页，并不直接相关。其他的一系列互联网公司也会有这样的平台去帮助查询者对接，像对接医生和对接专业的知识一样。
从我们的角度来讲，实际上可以利用人工智能的能力去做这种系统，这种系统有几个形式，比如说病人会用口语化的形式表达，医生比较专业，病人不知道很多专业名词。如何把口语化和专业知识对接需要设定自然语言的病症，这也是病人希望交流的形式。
从机器智能角度上要有交互、引导以及对话，另外还要把信息综合起来，这样会有更好的理解。如互联网+零售业，百度怎么和零售业相结合，这是研究院思考的问题。如果打通线上线下，就知道这些客户线上的行为和喜好，以帮助线下的商家找新客户。而利用机器学习建模技术把这些人的喜好或者类别分列出来。
如何理解大数据和人工智能的关系，大数据是它的源泉。世界上很多国家很重视收集数据的能力，因此也使得它在下一阶段将有大大提升。此外还有机器学习，AlphaGO、无人机就是例子，它的核心技术就是智能化，下一个十年也将会有更加细致的发展。人工智能会促进一系列的新技术成为可能，这种可能会推出新的产业。
Jim Lawton：机器人需要更加智能化
长时间以来，机器人只能在不变的工作环境下工作。我们需要为机器人定制适合的工作环境，这个安排在一些工厂行得通，但是大部分工厂的工作环境不一定能配合。
我们通过编程让机器人执行一些任务，机器人会按照设定好的程序工作，但这不是智能机器人。更加智能的机器人是这个行业重要的突破和创新。我们现在拥有更优秀的机器人――能够在不完美的环境下工作。操作任务自动化进程不断地在创新。此外，随着机器自主学习及深度学习等人工智能的进步，认知任务的变化也是日新月异。
人机协作将主要在两个方面发生变化。一方面，以往我们需要请专家为机器人编程，然后执行任务。现在则通过演示来培训机器人。在未来，人类员工将“告诉”机器人去做什么，机器人只需要“看”着去学，从人类那里学习，也可以从另一台机器人那里学习。另一方面，我们深信只有人类能自主工作。制造业的新趋势是结合传达实时遥测数据的机器人和能累积结构化和半结构化数据的软件数据平台，然后供人类理解及诠释信息、并且做出明智的决定以提升工作流程，促进持续创新。
因此来说，人类和机器人将并肩工作，共同解决问题，提升工作流程，并能一起处理更多的任务。操作任务和认知技术自动化相结合是制造业创新时代的必然趋势。
SEARI在去年11月成为Rethink Robotics在华首家分销合作伙伴。协作机器人是Rethink Robotics的核心优势，Rethink Robotics通过其智能协作型的机器人Baxter和Sawyer，可完成目前90%传统自动化方案不能完成的工作，从而不断革新制造业的生产方式。
协作机器人和传统的工业机器人有很大的区别。传统机器人对精准定位、速度、精度、刚性等方面有硬性要求，相对而言，易用性、操作灵活性及安全性正是协作机器人的优势，国内很多企业对两者的比较已经有一定的了解。
在过去几个月，我们的销售团队已经走访一百多家企业，向它们推广Rethink Robotics的方案，获得非常好的反响。但协作机器人真正进入中国市场还需要有一个磨合的过程，现在不少国内制造业的工厂都是几年前、甚至十多年前建好的，当时的厂房设计是按照人手操作的思路来设计的，完全没有把机器人的元素考虑在内。
举个例子，比如一个简单的加工工位，例如冲压工位，把部件拿在手里作业，完成冲压后拿走，但实际如果你让机器人在旧厂房的环境去抓取摆放，肯定是完成不了的。首先你得考虑上料的问题，人手上料是能随便从框里拿起再放下去的。但机器人去拿的话，你得用一个震动盘去震动，把材料按照一定规格摆放，机器人才能精准完成任务。
人工智能范文第5篇
在工业界，围绕人工智能进行的技术和资本大战来得比2016年”AlphaGo与李世石的围棋对决有过之而无不及。谷歌早在2014年就打开了这场大战的序幕，以4亿英镑（约合6亿美元）的高价收购了英国人工智能公司DeepMind，这次的围棋大战的主角AlphaGo就是出自这家公司。 在这之后，与人工智能技术相关的并购高达数十次，总额达到几百亿美元。并购的主角都是些业界的大佬：谷歌、苹果、Facebook、Twitter、Intel、Saleforce、IBM逐步走上世界舞台的中国巨头们也当仁不让，华为、百度、腾讯、阿里等公司也纷纷砸巨资研究和开发自己的人工智能平台及产品。
细心的读者也许会发现，早在群雄进行人工智能的资本大规模混战之前的2013年初，谷歌孤零零地收购了一个叫DNNresearch的公司。细查一下它的底细，发现虽然这是一家只有3个人的公司，但是公司创始人却是一个叫杰佛里・辛顿（Geoffrey Hinton）的人。所有人工智能的江湖中人看到这个名字后都会为之一震，接下来会很信服地说：“谷歌真会买。这个生意做得值了。”辛顿是谁？他有什么故事？人工智能的技术江湖还有哪些大佬？我们就在这里说一说这个江湖吧。
江湖风起，祖师下山
说起这个江湖，最初应该提起的不是计算科学领域的学者，而是一位人们耳熟能详的哲学家和文学家：伯特兰・罗素（Bertrand Russell）。这位奇人活了近100岁，创建了逻辑分析哲学，同时在哲学的多个领域作出了卓越的贡献。1950年，他还获得了诺贝尔文学奖。那他跟人工智能有什么关系呢？很少有人知道，他还是一位数学家。他提出了罗素悖论，把逻辑分析和数学建立联系。1910年他发表了《数学原理》，对于20世纪的数学基础产生了巨大的影响。为什么要提罗素呢？因为下面提到的几位人工智能领域的祖师爷级的人物，都和这位“达摩老祖”有紧密的关系。
首先出场的是神一样的祖师：阿兰・图灵（Alan Turing），现代人工智能的思想来自于这位著名的科学家。这位大师一出场就是天才级选手，在剑桥学习的时候，他读到了罗素的《数理哲学导论》，开始了自己在逻辑学和数学结合领域的研究。1935年，年仅23岁的图灵就当选了剑桥大学国王学院院士。
在剑桥期间，图灵成为罗素最器重的研究员之一。除了图灵机以外，图灵的另一项伟大的贡献就是提出了著名的图灵测试。在他1950年的论文《计算机器和智能》（Computing Machinery and Intelligence）中，他首先提出问题：“机器能思考么？”同时，他提出判定机器是否具有智能的试验方法。在这项测试中，如果具备人工智能的设备能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则可以认为这个设备可以通过测试，也就是具备人工智能。
图灵测试在那之后的60多年里一直作为人工智能领域中标杆性的判定标准，也一直在这个领域是一座不可逾越的大山。直到2014年，才有智能设备首次通过图灵测试。为了纪念这位伟大的科学家，专门设立了图灵奖以表彰在计算科学领域的杰出贡献者。这被认为是计算机界的诺贝尔奖。
第二位出场的天才级祖师：诺伯特・维纳（Norbert Wiener）。维纳的老爸也是哈佛教授，很小的时候就带维纳拜访了罗素。在剑桥大学学习的时候，他就是罗素老祖的学生，18岁取得博士学位。了解维纳的人都知道，他是现代控制理论的奠基人。与此同时，他还为人工智能理论作出了卓越的贡献。维纳认为计算机是一个进行信息处理和信息转换的系统，只要这个系统能得到数据，就应该能做几乎任何事情。他从控制论出发，特别强调反馈的作用，认为所有的智能活动都是反馈机制的结果，而反馈机制是可以用机器模拟的。维纳的理论抓住了人工智能核心――反馈，因此可以被视为人工智能行为主义学派的奠基人，其对人工神经网络的研究也影响深远。此外，维纳靠控制论名声大噪的时候，得到了大笔的经费，邀请了一大批优秀的科学家在他的实验室工作，这里面就包括下面这位祖师。
第三位出场的大师颇有些令狐冲式的经历。沃尔特・皮茨（Walter Pitts）出身穷苦人家，连学都上不起。然而，天才级选手才不会受家贫的影响。他初中时读了罗素的《数学原理》，然后就给罗素写信。要知道，那时候罗素已经是著名的大哲学家了。看到他的见解，罗素还曾邀请12岁的皮茨同学去剑桥，可惜被皮茨的文盲父母粗暴地拒绝了。之后，上不起学的皮茨听说罗素在芝加哥大学任教，就只身跑到那里，被安排了一个打扫卫生的工作。
他这里碰到了神经医学教授沃伦・麦克洛奇（Warren McCulloch）。两位一拍即合，共同展开了计算神经网络的研究，并在1943年发表了神经网络的奠基之作（A Logical Calculus of Ideas Immanent in Nervous Activity），开人工智能的一个流派之先河。这一年，皮茨只有20岁，主要职业仍然是扫厕所。也是在这一年，他去了波士顿，结识了上面提到的控制论之父维纳。据说他在第一见维纳的时候，在这位学霸级教授面前推了一黑板公式，就被破格录取这位只有初中毕业证的大学旁听生兼清洁工为MIT的博士。这位祖师不仅仅是神经网络的奠基人，还精通多国语言，在植物学、化学、鸟类学、解剖学和物理等多个领域都有着大师级的贡献。
人工智能早期的故事说到这里，这个江湖还算清净。几位祖师爷分别在哲学、数学、逻辑学、认知心理学等多个方面为人工智能打开了大门。更为重要的是，这些祖师爷都曾是教书先生和研究学者，为这个领域培养出一大批高手，这些人在今后的江湖混战中各显神通。
华山论剑，1956
1956年，人工智能领域的一次史诗级的“华山论剑”在达特茅斯学院举行。在这次会议上，一个里程碑性的进展就是在学术界创立了人工智能方向，AI（Artificial Intelligence）就此诞生了！
关于这次会议的参加人数，一直都是个谜。有人说是只有11个人，有人说有20人之多。不管有多少人参加，这个阵容可以说是现代计算科学领域阵容最豪华的一次会议了。可以大致把他们分为三个类别：
神经网络学派：约翰・麦卡锡，马文・明斯基，沃伦・麦克洛奇。
符号学派：赫伯特・西蒙（也称司马贺），艾伦・纽厄尔。
其余道骨仙风酱油派：香农、所罗门诺夫、塞弗里奇、撒缪尔等人。
人工智能从一诞生起就分为两派。神经网络学派也被称为联结主义学派，其主要思想来自于对于人脑微结构的模拟，是一种自顶向下方法，颇似金庸笔下华山派的“剑宗”。而符号主义的主要思想是应用逻辑推演法则，主张从各个基本的“符号”出发，沿着严密的代数推理过程，让机器能得出与人的理解相同的结论。这是一种自下向上的方法，重视积累和逻辑，有点像金庸笔下华山派的“气宗”。
在一开始的人工智能界，大家公认的“名门正派”应该是“剑宗”这一派。连“人工智能”这个词汇都是这一派的创始人约翰・麦卡锡（John McCarthy）最早提出的。这位高手虽然算不上天才级选手，但是由于资格老且活的长，确实也做出了非凡的贡献。首先，他发明了人工智能界第一个广泛流行的高级语言LISP，在很长一段时间里垄断着人工智能领域的应用；他也是分时技术的发明人，使得计算机第一次能同时允许数十甚至上百用户使用。同时，他与明斯基一起创建了MIT的人工智能实验室，他自己后来又跑到斯坦福大学协助建立那里的人工智能实验室。为了表彰他在AI领域的杰出贡献，麦卡锡于1971年获得图灵奖。
另一位“剑宗”的掌门人马文・明斯基（Marvin Minsky）也是高手中的高手。早在1951年，他就设计开发了世界上第一台能够自我学习的人工神经网络学习机（SNARC），一举奠定了其在神经网络领域的创始人的地位。他创建了MIT的人工智能实验室，并为之付出了毕生的心血。除了人工智能方面的贡献外，他还发明了共聚焦显微镜（如今在生物医学领域发挥着重要的作用）以及头戴式显示器（后来逐步发展为现在的头戴VR装置）。1969年，明斯基获得图灵奖。这位高手还有个过人之处，就是一直活到了2016年。到后来，大家办点儿有影响力的人工智能的活动，都会请这位“剑宗”掌门。所以，他的名气是这个领域里最大的。
“气宗”的掌门赫伯特・西蒙（Herbert Simon）也是一位天才级高手，他一共有九个顶级大学的博士学位，一生在计算科学、认知心理学、公共行政、经济学、管理学和科学哲学等多个领域都有着卓越的贡献。他获得了1975年的图灵奖、1978年的诺贝尔经济学奖、1986年的美国国家科学奖章和1993年美国心理学会的终身成就奖。这样一位大家还是个出色的政治家，在上世纪七十年代为中美建交做出了很大的贡献。因此，他还有一个中文名字叫司马贺。1994年，他当选为中国科学院最早的外籍院士。
司马贺的搭档艾伦・纽厄尔（Allen Newell）也是这个领域响当当的人物，他们共同创建了卡耐基梅隆大学的人工智能实验室。他发明了IPL语言，是麦卡锡的LISP语言的基础之一。纽厄尔在1975年与司马贺一同获得了图灵奖。
除了两派的掌门人外，其他来打酱油的人也都是大师级人物。信息论的创始人香农当时已经是贝尔实验室的老大之一。如今，那条难以逾越的“香农极限”仍然是折磨现代通信界的一道梦魇。塞弗里奇则是模式识别的开创者。还有“归纳推理机”的发明者所罗门诺夫。其他人的背景就不一一赘述了。
“剑宗”的掌门把这些“绝顶高手”凑在一起，本来是要大家在一起闭门练功两个月，设计出第一个人工智能机器，从而开创一个学科。然而，“气宗”的老大们并不买帐，呆了一个星期就闪人了。这也为后来两派之间的“混战”埋下了伏笔。不过在会上，还是明确提出了人工智能的目标：学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟。在这之后迎来了人工智能领域的第一个春天，达特茅斯会议上的与会者成为这一时期人工智能研究的主要贡献者。在这一时期，很多该领域的奠基之作被完成，也开辟了很多经典的研究方向。
“剑”“气”恩怨几多年
其实，“剑宗”和“气宗”的较量，从人工智能诞生的时候就已经开始了。事实上，“剑宗”的老大们在组织达特茅斯会议的时候，本来是想请一群大佬来，一起做两个月的“封闭开发”，最终见证自己的划时代贡献的。然而会议一开始，司马贺和纽厄尔这两个同门不同宗的外人却做了个让人刮目相看的报告，并公布了一款程序“逻辑理论家”（Logic Theorist）。这个程序可不简单，在那个“史前时代”，可以证明祖师爷罗素的《数学原理》中命题逻辑部分的一个很大子集，当场引起了大家的关注。
“气宗”的两位老大也够有个性，在那里只呆了一周，扫了个场子，赚足了眼球，也砸了“剑宗”的台子，扬长而去。据说此后的很多年里，MIT的人工智能教授和卡耐基梅隆的人工智能教授一直没法坐在一张桌子上，他们之间的交流只能通过研究生在私下进行。直到后来，各个大学的学生开始到对方大学当教授，这种门户偏见才慢慢消除。由此可见，科学家也不是圣人，也会为结下的梁子耿耿于怀很久很久。
其实当时“气宗”瞧不起“剑宗”也不无道理。毕竟，司马贺和纽厄尔有拿得出手的“逻辑理论家”。卡耐基梅隆大学一直有脚踏实地的传统，在这个时候显示出很大的威力。多年之后，“剑宗”创始人明斯基也不得不承认，“逻辑理论家”是第一个也是当时唯一一个可以工作的AI程序。而当时的“剑宗”还只是空谈，本来寄希望达特茅斯会议能够开天辟地，跑马圈地，创立自己当家的AI学科，还是被“气宗”两位老大搅了局。纽厄尔打心底里看不上明斯基，认为他除了“拉大旗作虎皮和稀泥”以外，没什么真本事，而且人也太刁滑了。在纽厄尔晚年，只说是香农邀请他参加这些会议的，对明斯基和麦卡锡只字不提，可见门户偏见有多深。
“剑宗”的劣势很快就有了改观，这要归功于一位来自康奈尔大学的心理学家：弗兰克・罗森布利特（Frank Rosenblatt）。这位神人是个实验心理学家，在尝试用IBM的计算机来模拟他在认知心理学上的发现的过程中，发明了一个名为“感知机”（Perceptron）的神经网络模型。这一下引起了不小的轰动，感知机证明了单层神经网络在处理线性可分的模式识别问题时，其实是可以收敛的。以此为基础，罗森布利特做了若干感知机有学习能力的实验。
感知机本来是可以让“剑宗”翻身的发明，然而“剑宗”的掌门人明斯基却并不买帐。因为，这位外来户的风头太盛了，甚至盖过了明斯基这位AI的创始人。当时，罗森布利特拿到了国防部和海军的大把经费，不可避免地动了MIT的蛋糕。媒体也对这位AI新贵大加赞赏，各大报纸头版头条都是他的新闻。罗森布利特本人也确实没把其他“剑宗”的人放在眼里，或者说他根本就不觉得自己要加入组织的。这可让明斯基这一派人马恼怒不已，他们开始了自己的反击。明斯基毕竟还是AI领域的学霸，想要踩死这个不知天高地厚的“异类”似乎易如反掌。他们动用自己的一切力量去否定感知机，明斯基甚至在自己的书中明确地说：罗森布利特的论文大多没有科学价值。很难相信这是一位科学界泰斗可以说出的话。罗森布利特毕竟不是这个圈子的人，在“剑宗”学霸明斯基的面前，还是显得势单力薄了很多，最终离奇地意外死亡。
可笑的是，明斯基本人也曾是神经网络的最大的拥护者，他的博士论文的主题就是神经网络，他最早的发明SNARC也是一台神经网络学习机。那时候，他却为了斗倒罗森布利特，连神经网络也一并打入深渊。后来，明斯基肯定也意识到自己的做法前后矛盾，想方设法摆脱与神经网络的干系。后来，他曾经接受采访说：他的博士论文从来没发表过，大概只印了三本，他自己也记不清内容了。看样子他是想极力开脱自己和神经网络学科的关系。
“剑宗”有了这样的掌门，在竞争中处于弱势肯定是不可避免了，而且这一弱就是几十年。后来很多学者称这一段时间为“二十年”。直到近十年神经网络“重出江湖”，才给罗森布利特，学者们也认为明斯基这样打压科学家的做法是不可原谅的。为了纪念罗森布利特，IEEE（美国电气电子工程师协会）在2004年设立了罗森布利特奖，以表彰神经网络领域的杰出科学家。2014年，这个奖项得主就是后来一统江湖的“剑宗”大师：杰佛里・辛顿。
“剑宗”暂时一统江湖
时间来到了20世纪70年代，人工智能领域碰到了第一个低潮期。由于长时间没有可实用的研究成果出来（或者说第一批先驱有些低估了这个领域的难度），主要资助方们渐渐失去了信心，甚至有些人认为人工智能就是个永远没法用的“玩具”。明斯基们给人工智能开了一个很高的调子，然而在很长一段时间里在搞派系斗争，却拿不出可以实用的成果。在这之后的几十年里，人工智能几经沉浮，有过短暂的繁荣，又经历过两次低潮期，最终迎来了真正的爆发期。
事实上，在神经网络的“”时代，还是有不少人为这个领域做出了有益的贡献。很可惜，科学家也是人，他们也需要经费来养家，养学生，养实验室。因此，当无数人给神经网络流派判“死刑”的时候，很多人都半途放弃了。有意思的是，神经网络其实是信息科学和神经科学相结合的学科。在众多科学家在斗争中从信息科学被“赶出来”之后，一些坚持这方面研究的人就把发力点放在了神经科学方面。他们当中的佼佼者就是哈佛大学的神经生物学家胡贝尔和威瑟尔。他们的研究虽然是围绕视网膜和视皮层展开的，使用的却是信息处理的方法。他们因此获得了1981年的诺贝尔医学奖。
当所有人对于人工智能失去信心的时候，还有这样一位“剑宗”大师，他一直在这个领域坚持了三十多年。让我们记住这个人的名字：杰佛里・辛顿（Geoffrey Hinton）。
这是一个在人工智能领域中“风清扬”式的人物。在几乎所有人都认为神经网络这个流派已经走到尽头的时候，他却一直在坚持！完全超乎偏执地坚持！经费的短缺，使之不得不辗转于多个大学，寻找落脚的地方。那时候他已经50多岁了，搞了三十多年被认为没有任何前途的研究，四处求爷爷告奶奶，希望能要来点儿研究经费。
关于辛顿和他的战友们，业界还流传着这样的故事。在2003年，以辛顿为首的十五名来自世界各地的神经网络研究者们齐聚温哥华，他们的主要目的是向加拿大先进研究院（Canadan Institue oF Advanced Research，简称 CIFAR）的基金申请经费。当时该基金的管理负责人Melvin Silverman问他们说：为什么CIFAR要支持他们的研究项目。
他们回答道：“因为我们有一些古怪。如果CIFAR可以跳出自己的舒适区（comfort zone），试图寻求一个高风险，极具探索性的领域及团队，就应当资助我们！”
最终，CIFAR同意从2004年起资助这个团队十年，经费总额为一千万加元。这些预算对于某些学霸来说真的不算什么。但是，对于已经山穷水尽的辛顿及其神经网络研究团队来说却是弥足珍贵的。CIFAR成为当时世界上唯一支持神经网络研究的机构。毫不夸张地说，如果没有CIFAR的资金支持，整个人工智能领域还可能在黑暗中继续挣扎。
拿到资金后，辛顿把神经网络这个流派改了一个名字，这就是后来威名远扬的深度学习（Deep Learning）。前面说的AlphaGo就是在这个基础上进行训练，积极“学习”围棋知识，最终战胜了李世石。
九十年代末，神经网络研究遇到的困境之一就是计算的瓶颈。那时候，人们提起神经网络的第一反应就是慢。深度学习也有同样的瓶颈， 需要的计算资源太多。当大量的数据在复杂的网络中进行训练的时候，真是让人“等得花儿已谢了”。当时有人调侃“剑宗”的研究试验流程是：一年做一次，一次做一年。
2009年六月，斯坦福大学的华裔科学家吴恩达（Andrew Ng，现百度首席科学家）博士与别人合作：“用 GPU 大规模无监督深度学习”。论文模型里的参数总数（即各层不同神经元之间链接的总数）已经达到一亿，与之相比，辛顿在2006年的论文里用到的参数数目只有一百七十万。论文结果显示，使用GPU运行速度和用传统双核CPU相比， 最快时要快近七十倍。在一个四层，一亿个参数的深信度网络上，使用GPU把程序运行时间从几周降到一天。后来，吴博士在谷歌的X实验室中，建造了当时最大的深度神经网络，支持17亿个神经元。他随后在斯坦福大学又造了一个超大号的神经网络，有112亿个神经元之多。
人工智能范文第6篇
关键词:人工智能;人工智能研究;广义人工智能
中图分类号:TP18 文献标识码:A文章编号:1009-3044(2010)13-3507-03
Artificial Intelligence Overview
HU Qin
(Baiyun Middle School in Zongyang Country, Anqing 246728, China)
Abstract:The paper introduces current general research and hot research topic of artificial intelligence. The paper looks forward to the future development direction of artificial intelligence. In addition, the paper analyzes implication of concepts, theoretical foundation, discipline system, scientific approaches, scientific significance and application value of generalized artificial intelligence.
Key words: artificial intelligence; artificial intelligence research; generalized artificial intelligence
人工智能是计算机学科的一个分支,是一门正在发展中的综合性的前沿学科,它是研究人类智能活动的规律,并用于模拟、延伸和扩展人类智能的一门新的技术科学,是在计算机、控制论、信息论、数学、心理学等多种学科相互综合、相互渗透的基础上发展起来的一门新兴边缘学科[1]。人工智能目前已在指纹及人脸识别、专家系统、智能搜索、定理证明、博弈、自动程序设计以及航空航天领域取得了广义的应用。
1 人工智能研究概况
当20世纪40年代数字计算机研制成功时,当时的研究者就采用启发式思维,运用领域知识,编写了能够完成复杂问题求解的计算机程序,包括可以下国际象棋和证明平面几何定理的计算机程序[2]。运用计算机处理这些复杂问题的方法具有显著人类智能的特色,从而导致了人工智能的诞生。1956年,McCarthy决定把Dartmouth会议用人工智能来命名,开创了具有真正意义的人工智能的研究。
图灵(Alan Turing)所著的“计算机器与智能”[3]讨论了人类智能机械化的可能性,提出了图灵机的理论模型,为现代计算机的出现莫定了理论基础。同时该文中还提出了著名的图灵准则,在人工智能研究领域,“图灵检验”已成为最重要的智能机标准。同一时期,Warren McCullocli和Walter Pitts发表了“神经活动内在概念的逻辑演算”的开创之作[4],该文证明了:一定类型的可严格定义的神经网络,原则上能够计算一定类型的逻辑函数并开创了当前人工智能研究的两大类别:“符号论”和“联结论”。
从20世纪60年代至70年代初,人工智能领域有影响的工作是通用问题求解程序,主要包括:Robinson于1965年提出了归结原理,成为自动定理证明的基础[5] ;Feigenbaum于1968年研制成功了DENDRAL化学专家系统,是人工智能走向实用化的标志。Quillian于1968年提出了语义网络的知识表示等。20世纪70年代,人工智能研究以自然语言理解、知识表示为主。Winograd于1972年研制开发了自然语言理解系统Shrdlu,同时期Colmeraue创建了Prolog语言。Shank于1973年提出了概念从属理论。Minsky于1974年提出了框架知识表示法。1977年,Feigenbaum提出了知识工程,专家系统开始得到广泛应用。
20世纪80年代以来,以推理技术、知识获取机器视觉的研究为主。开始了不确定性推理和确定性推理方法的研究。日本计算机界推出了“第五代计算机研制计划”,该计划最终未能实现当初的目标―以非数字化方式在日常范围内全面的模仿人类行为,但该计划也为人工智能的进一步发展积累了很多经验。20世纪90年代,人工智能研究在博弈这一领域有了实质性的进展。1997年5月11日,一个名为“深蓝”的IBM计算机以2胜1负3平的成绩战胜了国际象棋世界冠军卡斯帕罗夫,这举世震惊的一步大大地振奋了整个人工智能界,而事实上“深蓝”打败卡斯帕罗夫仍是从专家系统提供的所有可能的走步中选择最优的,并未有理论上的实质性的突破。
中国人在人工智能领域的突出贡献主要有:1960年,华裔美国数理逻辑学家王浩提出了命题逻辑的机器定理证明的新算法,利用计算机证明了集合论中的300 多条定理。1977 年, 我国数学家、人工智能学家吴文俊提出了初等几何判定问题的机器定理证明方法,并进一步推广到初等微分几何、非欧几何领域,被称为“吴氏方法”。 80-90年代,我国高等院校和研究机构在智能控制与智能机器人的研究开发方面,取得了丰硕的成果。
回顾人工智能发展的历史进程,从科学方法论的角度分析,其发展有三条途径,分别是结构模拟、功能模拟和行为模拟。在学术观点上有人工神经网络、专家系统和智能机器人三大学派。
2 人工智能当前的热点研究
人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。目前人工智能研究的3个热点是: 智能接口[6]、智能信息处理[7]、主体及多主体系统[8]。
2.1 智能接口技术
智能接口技术是研究如何使人们能够方便自然地使用计算机。这一目标的实现要求计算机能够看懂文字、听懂语言,甚至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,智能接口技术的研究既有巨大的应用价值,目前,智能接口技术已经取得了显著成果,文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化,如:微软提出的云计算、百度提出的框计算都与智能接口技术有关。
2.2 智能信息处理
计算机的广泛应用是人类进入一个信息爆炸的时代,国民经济和社会信息化发展所面临的一个重要课题是如何把大量的数据转化为有用的知识,并将知识转化为智能,用于决策、管理、检索、过程控制等。智能信息处理使从海量数据中提起有用知识成为可能,当前,图形模式作为一种有效的智能数据处理手段正在引起人们的重视,图形模式具有多功能性、有效性及开放性等特征,能有效地转化数据为知识,并利用这些知识进行推理,以解决分类、聚类、预测和因果分析等问题,其有效性已在软件智能化、医疗故障诊断、金融风险分析、DNA 功能分析和 Web 采掘等方面得到验证。随着图形模式学习和基于图形模式推理等问题的解决,图形模式必将成为重要和有力的智能化数据分析与处理工具。
2.3 主体及多主体系统
主体是具有信念、愿望、意图、能力、选择等心智状态的智能性实体,而且具有一定自主性。主体试图自治地、独立地完成任务,同时又可以和环境交互,与其他主体通信,并通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为,最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
3 人工智能未来的研究方向
当前,人工智能学科已从学派分歧的、传统的、狭义的人工智能,走向多学派兼容、多层次结合现代的广义人工智能,并将发展成为人机集成的、群体协同的、未来的智能科学技术 [9]。广义人工智能学科的理论基础是广义智能信息系统论,主要包括广义智能论、智能信息论和智能系统论。
3.1 广义人工智能的概念涵义和学科体系
多学派人工智能是指模拟、延伸与扩展人的智能及其它动物智能,既研究机器智能,也开发智能机器。多层次人工智能是指不仅研究专家系统,而且研究人工神经网络、模式识别、智能机器人等。多智体人工智能研究群体的、网络的多智体、分布式人工智能。研究如何使分散的个体人工智能协调配合,形成协同的群体人工智能,模拟、延伸与扩展人的群体智能或其它动物的群体智能。
广义人工智能的研究对象是自然智能、人工智能、集成智能和协同智能,根据广义智能学的研究对象,广义人工智能学的学科体系主要包括四个方面:①自然智能学:自然智能学研究人的智能及其他生物智能的个体智能、群体智能的基本概念和特性。②人工智能学:人工智能学研究机器智能与智能机器二方面,思维、感知、行为三层次的广义人工智能的基本概念和特性,分析设计、协调协同、进化开拓、评价测度、信息处理、系统构成、管理控制的理论和方法。③集成智能学:集成智能学研究自然智能与人工智能,主要是人的智能与机器智能如何协调配合、取长补短、合理分工、智能结合,形成集成智能、构成人机和谐集成智能系统的基本理论和方法。④协同智能学:协同智能学研究智能个体如何相互协调、友好协商、分工协作,组成智能群体,组成分布式网络群体协同智能系统的基本理论和方法。
3.2 广义人工智能的科学方法
①多学科协同:广义人工智能是跨学科的综合性边缘学科,必须需要包含信息科学、生物科学、系统科学等多学科协同的科学研究方法。② 多途径结合:广义人工智能是对广义自然智能的模拟、延伸和扩展,需要采取功能模拟、结构模拟、行为模拟等定性研究与定量分析,综合集成的多途径相结合的科学方法。③多学派兼容:广义人工智能的研究应当也需要采取符号主义,联结主义,行为主义等多学派兼容的科学方法。
3.3 广义人工智能的科学意义
研究发展广义智能学具有重要科学意义和应用价值,广义人工智能协同地、综合地研究自然智能、人工智能,开发人机集成智能、群体协同智能的基础理论和方法,如:协同研究自然智能与人工智能;研究开发人机集成智能;研究开发群体协同智能;广义人工智能为研究人工智能和自热智能提供新思路和新方法,并为发展智能科学技术提供新理论。
4 结论
本文全面综述了人工智能的发展过程、研究热点和研究趋势,介绍了广义人工智能的基础理论和方法,认识到广义人工智能将为智能科学技术提供宽广、深厚的理论基础,并将有力促进智能科学技术的迅速发展与广泛应用。
参考文献:
[1] 马少平,朱小燕.人工智能[M].北京:清华大学出版社,2004.
[2] 石纯一,黄吕宁,土家钦.人工智能原理[M].北京:清华大学出版社,1993.
[3] L.A. Zadeh, Fuzzy Sets[J].Information and Control,1965(8).
[4] Bord M A. 人工智能哲学[M].刘西瑞,王汉琦,译.上海:上海译文出版社,2001.
[5] 刘叙华.基于归结方法的自动推理[M].北京:科学出版社,1994.
[6] 顾明.基于模糊ART神经网络的在线人脸识别模型的设计和实现[J].计算机科学,2007(8):92-94.
[7] 王双成. 面向智能数据处理的图形模式研究[D].吉林大学,2004.
[8] Gerhard W. Multiagent System:A Modern Approach to Distributed Artificial Intelligence[M].Boston:MIT Preess,1999.
人工智能范文第7篇
2016年，人工智能阿尔法狗与人类顶尖围棋棋手李世石的世纪大战，注定将载入人工智能发展史册。围棋这种比较小众的运动，在人工智能的推动下，瞬间成为耀眼的明星。随着人工智能攻克人类智慧领域最后的堡垒――最具创造性、最复杂的棋类运动，2016年已然成为人工智能爆发元年。
阿尔法狗与“围棋上帝”
刘宗凡：在阿尔法狗以4：1的比分战胜李世石后，被称为围棋第一人的天才棋手柯洁曾表示了他的不屑：“就算阿尔法狗战胜了李世石，但它赢不了我。”“来吧！管你是阿尔法狗还是阿尔法猫！我柯洁在棋上什么大风大浪没见过？让风暴再来得猛烈点吧！ ”
从2016年12月29日晚起，在弈城网和野狐网出现的围棋高手“Master”――实际上就是阿尔法狗2.0，以摧枯拉朽的气势连胜人类高手60局，人类对手是中、日、韩三国围棋超一流高手，其中包括柯洁以及中国围棋泰斗聂卫平。在最顶尖的棋手一一败北的情况下，还是有人提出因为这次下的是快棋，人类在正式比赛中未尝没有机会击败不可一世的人工智能。到底柯洁约战阿尔法狗有没有胜机？阿尔法狗有弱点吗？阿尔法狗是不是“围棋上帝”？
邱元阳：我可以斩钉截铁地说，包括柯洁在内的所有人类选手，现在已经无法战胜阿尔法狗了。如果说柯洁和李世石的水平有点差距，这个差距是毫厘之间的，而人类和人工智能的差距，已经不可以用厘来计算了。幻想柯洁能战胜阿尔法狗的人，是对阿尔法狗算法不理解的人，认为阿尔法狗还停留在靠计算机超强的计算能力来战胜人类的深蓝的水平。其实，蒙特卡洛树搜索是建立在全局胜负基础上的判断，只要达到足够的训练量，阿尔法狗必定稳操胜券。
刘宗凡：既然说得如此肯定，但为什么在人机世纪大战中，李世石凭借被称为“神之一手”的第78手棋，在第四局中战胜了阿尔法狗？人类还能凭着天才的灵光一闪来战胜人工智能吗？
邱元阳：人机大战的第四局棋到底发生了什么，现在一直没有定论。谷歌团队的代表赛后第一时间称，对于电脑的突然失常，要回去研究数据、分析情况，当时没有人知道阿尔法狗发生了什么，现在也没有公布阿尔法狗失利的原因。甚至有人脑洞大开，认为是人工智能故意让了人类一局――如果真是这样，那阿尔法狗就具备了真正的意识，这才是令所有人害怕的！幸运的是，虽然我们还不知道这局棋阿尔法狗为什么发挥失常，但可以肯定阿尔法狗并不具备下棋之外的主观意识。可以肯定的是，人类的“神之一手”已然是绝唱。
刘宗凡：在特定的情况下，人类还有没有机会战胜人工智能？比如几个人群策群力合战人工智能？
倪俊杰：我认为这也是不可能的。这些顶尖棋手风格各异，缺乏合作的基础，无法实现1+1=2的结果，甚至无法达到1+1>1的效果。即使棋手风格相近，齐心合力，也只能在一定程度上弥补缺陷，无法做到战胜人工智能。还有些非专业棋手说Master下的是30秒一步的快棋，对人类不利，正式比赛时延长用时，人类就有机会。这更是天方夜谭。计算机用时越多，计算得越深入，这是和时间成正比的；而人类不同，虽然思考时间多会更加周详，但无疑不是呈正比例增加的。加长比赛时间，只会增加人工智能的优势。
刘宗凡：阿尔法狗有没有弱点呢？
倪俊杰：刚开始时，有人说阿尔法狗不会“打劫”，甚至怀疑李世石和谷歌签订了不准“打劫”的协议。后来的战局我们可以看到阿尔法狗不仅会“打劫”，而且打得很出色。有人根据阿尔法狗尽可能选择比较简明的走法，认为人类把战局引向复杂化就有机会，这其实是天大的误解。阿尔法狗的下法是基于它自己认为胜率最大的着法，而不是不擅长应付复杂局面。阿尔法狗可能有弱点，但人类已经抓不住它的弱点了。
刘宗凡：那么，阿尔法狗是不是“围棋之神”？也就是说它的每一步都是绝对正确的？
倪俊杰：虽然人类已经无法战胜阿尔法狗，但阿尔法狗却还称不上是“围棋之神”。我们可以想象：两只“狗”对弈，肯定会互有输赢，这就很好地说明了阿尔法狗并不是每一步都是“正确”的。之所以阿尔法狗强大到人类无法战胜，原因并不是它的绝对正确，而是它的“料敌先机”。真正的“围棋之神”，应该是能达到穷尽围棋所有可能的计算机。至少从现在的技术来看，“围棋之神”在可预计的未来还不可能出现。
智能手机不“智能”
刘宗凡：说到人工智能，我们最容易联想到的产品就是智能手机。以“智能”命名的手机，到底是怎么个“智能”法呢？
1993年，IBM公司推出了一部叫Simon的手机，这是世界上第一款使用触屏的智能手机。但直到十几年后，从苹果公司2007年第一代iPhone起，才真正掀起了智能手机的热潮。在不到十年的时间里，我国智能手机拥有率已经超过86%。
但是我们有没有想过，智能手机之所以被称为“智能”，它和功能手机相比，到底哪里“智能”了？
倪俊杰：从我们最直观的感受来说，智能手机的一大优势是有大的触摸屏。有人说，智能手机除了打电话、发短信，还可以玩QQ、微信，可以听音乐、看视频、上网、玩游戏……但这些功能在功能手C上也全都有；虽然使用体验有差别，但可以说这两种手机并没有本质的不同。还有人说，两者最大的区别是智能手机可以自由安装应用（APP），而功能手机却不可以。但其实功能手机也是可以的，功能手机上的Java平台，可以安装一些第三方应用，如手机QQ、UC浏览器等就有流行一时的版本。
智能手机其实没有一个官方的定义，我们来看一下百度百科的词条：智能手机，是指像个人电脑一样，具有独立的操作系统、独立的运行空间，可以由用户自行安装软件、游戏、导航等第三方服务商提供的程序，并可以通过移动通信网络来实现无线网络接入手机类型的总称。从这个定义来看，智能手机并没有任何智能的地方，倒是和我们使用的电脑（PC）非常接近。如果我们把这种手机称为“电脑手机（Pc-Phone）”，显然更加贴切。
邱元阳：智能手机真的完全没有智能吗？其实也不是！大家还记得和iPhone4S同时的，还有一个叫Siri（苹果智能语音助手）的应用吗？我们可以通过自然语言和它进行对话，可以让Siri完成一些实用功能，如询问天气、附近美食、影院等，或者调用自身功能，进行日程安排、闹钟设置、搜索资料等。Siri还可以不断学习新的声音和语调，提高对话质量。这些听起来很美好的功能，在实际生活中使用率并不高。原因很简单，Siri很多时候听不懂你的话，有些回答和问题风马牛不相及，实用性太低。
语音助手涉及的人工智能领域核心技术有两项：一是语音识别，二是语义理解。不说全球数百种语言的差异，就拿汉语来说，各种方言数不胜数，即使单纯说普通话，每个人都会有不同口音，加上汉语纷繁复杂的表达形式，我们就可以知道语音识别如何不易。至于语义的理解，这是比语音识别更难解决的难题，目前还没有突破性的研究成果出现。所以语音助手和人类进行的对话，基本上是通过谷歌、百度之类的通用搜索引擎来实现，或者结合维基百科、知识搜索技术、Yelp问答等专用领域搜索进行补充。所以Siri之类的语音助手，只能说是很不智能的人工智能。
智能手机中还应用到的人工智能就是生物识别技术，它是利用人体固有的生理特征、行为特征来进行个人身份的鉴定，如虹膜识别、视网膜识别、面部识别、签名识别、声音识别、DNA识别等，都还在不断研究发展中，在手机中还无法进入实际使用阶段。
由此可以看出，我们现在使用的所谓“智能手机”，其实是“挂羊头卖狗肉”，是不具备多少人工智能的！
生活中的人工智能
刘宗凡：那么，我们生活中还有哪些看起来、听起来很“人工智能”的呢？没错，肯定是机器人。富士康已经在中国各大生产基地安装了4万台机器人，此举是为了减少公司雇用的员工数量。富士康每年可以打造1万台机器人，未来它将继续利用机器人替代人类，而仅仅在昆山工厂，最近就裁掉了6万名员工。听起来能代替工人工作的机器人，是不是很智能？但令人遗憾的是，这些所谓的机器人，只不过是生产自动化过程中的一些能完成固定操作的机器，称它们为“机械手”可能比较符合实际。可以说，在我们的生活、生产中，真正的人工智能还处于萌芽状态，距离实用阶段还有很大的距离。现在，我们来说说生活、工作中能接触到的人工智能。
邱元阳：游戏中的AI。不同类型的游戏，其中的智能化水平也不相同。当然智能最强的仍然是人机博弈程序，而一般意义上的游戏并不包含这类程序。常见的页游、手游，打怪杀妖，电脑对手都是不堪一击的，虽然其依靠强大的生命值和伤害能力来设置障碍，但从智能水平上说，仍然属于弱智级别。即使是战略游戏中的人机对战，电脑虽然具有了一定的程序化智能（之所以说是程序化智能，是因为它们的智能水平都是程序设定好的固定模式），但仍然不能依据场景和战况来即时调整策略和战术。有些修改过的强AI版本，电脑的智能水平虽有大幅度提高，但从本质上来说，仍然是程序在进行简单的判断，o出稍微有些变化的战术而已，并没有基于深入和细致的分析来进入决断。
倪俊杰：无人驾驶与无人飞行。之所以没有人将汽车看作是机器人，是因为汽车不具备独立行为驱动，也就是说，它的行驶动作是在人的控制下进行的，而不是自主动作。
相比之下无人机的安全威胁就小得多，但小区域内的无人机飞行常常无法监管，以至于泛滥成灾，据说法国军方就迫于无奈用老鹰捕捉乱飞的民间无人机。不过这些民间无人机，往往只是一种简单的遥控飞行器，与人工智能无关。而各国空军努力研发的无人侦察机，才具有真正的人工智能。这两种无人机虽然有着天壤之别，却常常被人混淆。
邱元阳：语音识别与语音合成。随着智能手机的全面普及，傻瓜式输入的要求越来越明显，这也进一步促进了语音输入和语音识别技术的快速发展。IBM、科大讯飞、百度等都在语音识别技术上投入了大量的研发精力，目前对普通话发音的正确识别率已接近100%。不过，语音识别的用户体验并不在于对标准发音的准确识别，而在于对非标准发音的高识别率。对于普通用户而言，他更在乎的是语音输入法能够听懂他带着方言特色的自然发音。好在现在的语音识别技术对这一要求的满足已不在话下。
与语音识别关联的，则是语音合成技术。在电子导航、机器朗读、文本转换、机器有声翻译、机器人语音等领域，语音合成都有着广阔的天地。但是与真人发音相比，目前的语音合成效果还很生硬，需要进一步突破。
倪俊杰：机器翻译中的人工智能。机器翻译一直被人诟病。如果从效果上看，机器翻译几乎没有多少智能可言，尤其是很多的在线翻译，一对一生搬硬套的痕迹很严重。这里面对语法的处理，远比想象中要困难得多。
机器翻译的前提条件是对相关联的两种语言的理解。而科幻小说和电影中对外星人语言的自动翻译，以及类似可以翻译不识别的语言的功能描述，则永远只能停留在科幻之中。如果用逻辑来推论，也许这种希望连科幻都算不上，只能是妄想。如果放弃对陌生语言的翻译，转而捕捉和干预其思维活动，从中得到生命体的思想、意图并与之交流，还是有微弱的可能性的。
邱元阳：文学创作。在阿尔法狗、小度、搜狗“汪仔”、新闻写稿机器人，以及各种各样的人工智能不断地出现，并且取得了一定的效果后，在未来，机器无法涉足的人类空间似乎越来越少。现在，被视为人类最后阵地的艺术也成为人工智能进军的方向。但是，无论是文字艺术、图像艺术，还是声音艺术，机器的表现都很难与人类媲美。
我们来看看网上可以给你“写诗”的“编诗姬”（http：///）。如下图所示，这是它“写”的一首田园诗，评分为102。有没有那么一点古诗味呢？下面我以“我的电脑”为题让它“写”一首藏头诗――虽然评分很高，但是……只能说我出的这个题目对用古诗来表现太难了吧。
人工智能展望：强人工智能
刘宗凡：在谷歌的阿尔法狗战胜世界围棋冠军李世石新闻引爆世界之后，有关人工智能、深度学习的炒作也异常火爆。不过，有一方的观点却让人惊出一把冷汗――别让阿尔法狗给忽悠了。事实上，阿尔法狗仅仅是一台机器，强人工智能才是未来。那么，什么是“强人工智能”？它又会给这个世界添什么乱子呢？
邱元阳：我们先来看一则假新闻：1989年，苏联著名国际象棋冠军尼古拉・古德科夫于莫斯科挑战一台巨型电脑，双方整整鏖战了6天，记分牌上显示出3：0，人类大师连胜三局。裁判示意增赛一局，给电脑一个挽回“面子”的机会。古德科夫春风得意，频频挥手向观众致意。电脑的指示灯不停闪动，似乎十分恼怒。随着开局哨声鸣响，电脑先下第一手，古德科夫看也不看，伸手去抓他的棋子……一声惨叫惊呆了场上观众，人们看到古德科夫重重地倒在金属棋盘上，身上冒出缕缕青烟。赛场一片混乱，工作人员立即切断电源。等到医生赶到时，这位前全苏冠军早已毙命身亡。警方认定，这部杀人电脑在输棋后恼羞成怒，自行改变了程序，向棋盘释放强大的电流，故意击杀了对手。
这则假新闻里，人工智能不仅具备下棋的智慧，还具有人类的感情和思维，并且可以通过感情来支配自己的行动。这种人工智能如果实现，可以认为是“强人工智能”。
倪俊杰：“强人工智能”一词是美国的哲学教授约翰・罗杰斯・希尔勒（John Rogers Searle）在1980年提出的，其定义为，“强人工智能观点认为计算机不只是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的”。与当今的机器人不同的是，“强人工智能”的机器不再只是一种工具，其本身也可以思维。“强人工智能”有真正推理和解决问题的能力，这样的机器将被认为是有知、有自我意识的。与之相悖的是“弱人工智能”理论，弱人工智能观点认为不可能制造出能真正推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。阿尔法狗的水平也仅仅是处于弱人工智能阶段，还很低级，顶多算是一个天资不高，但还算勤奋好学、废寝忘食的好学生。严格来说，深度学习并不是新技术，它的基础仍然是神经网络算法。阿尔法狗的成功，是因为它积累了3000万局的验，提升了下棋的“智力水平”，最终才在对弈的时候展现出精湛的技艺和水准。
那么，强人工智能离我们到底有多远呢？来看这样两则新闻：
2016年4月，IBM工程师约书亚卡尔推出了一项新的技术，使用Emotiv Insight头盔的蓝牙功能将机器电脑和使用者脑电波连接，从而实现对物体的意念控制，这款产品叫做BB-8，它既是一款树莓派卡片电脑，同时也是一个由脑电波直接控制的球形迪士尼玩具机器人。
2017年2月，总部设在澳大利亚墨尔本的创业公司Aubot推出了一种可以用大脑控制的远端临场机器人（telepresence robot），该机器人名为Teleport。通过放置在用户额头上的运动传感器，MindWave可以监测用户大脑中的脑波。如果用户的精神集中度在某个阈值（大约70%）之上，Teleport就会移动。Teleport移动时，如果用户想要在向前、向后、向左或向右之间切换，只需连续眨两下眼。
虽然说，以上两则新闻并不是直接介绍强人工智能的，但用意念控制物体本来是孩童时的梦想，现在已经成为现实。通过传感器和芯片，人们已经把机器和人完美地连接起来了。我们完全可以预测，在不久的将来，机器通过“学习积累”之后，也具备了人一样的形体动作、情感习惯，逐渐成为另一种“人”。而且，这个“人”可能是非常完美的，许多我们自然人无法做到的事情，它都能很方便地实现。试想一下，一个相貌俊朗、体格健壮、谈吐文雅、举止不凡的“人”出现在你面前，他掌握了世界各国语言，上得了厅堂，下得了厨房，能陪你解闷，能给你治病，能教你学习，能……好吧，我已经不敢想象了，自己脑补吧――这时，你是不是要对人工智能顶礼膜拜了？
人工智能范文第8篇
人工智能如今已是科技行业中“闪耀的新星”。
我们不禁追问：
人工智能的前沿问题到底是什么？
众多科技公司对“人工智能”的厚爱是赶时髦还是真较量？
在概念被炒得火热的同时，
人工智能的实际应用和有效价值又表现如何？
5月23日-27日，围棋界的人机大战在乌镇上演。柯洁与AlphaGo三番棋大战之后，人类又组团群雄再战AlphaGo。人工智能再次成为这些天的新闻焦点。
人工智能如今已是科技行业中“闪耀的新星”。IDC的一份报告显示，认知计算和人工智能解决方案市场在2016年到2020年的年复合增长率将达到55.1%，认知计算和人工智能在各行各业中的广泛应用将推动其全球收入从2016年的近80亿美元增加到2020年的470多亿美元。
Gartner副总裁兼资深研究员大卫・卡利（David Cearley）在2017年重大技术趋势预测会上表示：“应用人工智能和高级机器学习实现了一系列的智能应用，包括物理设备（机器人、自动驾驶汽车、消费电子产品）、应用程序和服务（虚拟个人助理、智能顾问）。”
卡利说，这些应用将以不同于以往的智能应用程序和智能产品的形式呈现出来，并为各种各样的网络设备、现有软件和服务解决方案提供嵌入式的智能。
Gartner执行副总裁、研究主管兼资深研究员达尔・普拉默（Daryl Plummer）预测，到2020年，更智能的算法将会让人工智能改变全球10多亿工作者的状态。
在Gartner的2017年十大重大技术趋势预测中，人工智能相关技术占据了前三名的位置，分别是：人工智能和高级机器学习、智能应用、智能产品。
第一，人工智能和高级机器学习。人工智能和高级机器学习由很多技术（比如深度学习、神经网络、自然语言处理）组成。Gartner认为，更先进的技术将超越基于规则的传统算法，创造能够理解、学习、预测、适应甚至有望自主运作的系统，从而让智能机器显得更加“智能”。
第二，智能应用。像虚拟个人助理这样的智能应用程序可以发挥人类助理的某些职能，让人们的日常工作变得更加容易，提高用户工作效率。Gartner认为，这些智能应用程序有潜力改变现在人们的工作性质和职场结构。“未来十年，几乎所有的应用程序、服务都将包含某种程度的人工智能。人工智能和机器学习在应用程序和服务方面的应用将不断发展壮大，这将成为一个长期的趋势。”卡利举了一个麦当劳的案例：麦当劳生产汉堡，智能应用每分钟通过照片分析超过1000个面包来检查其颜色、形态和芝麻分布状况，从而不断自动调整烤箱的温度和烘烤时间，可以大幅减少人工成本，并保证高质量。
第三，智能产品。智能产品是指超出了刚性编程模型范畴的物理实体，通过应用人工智能和机器学习来实现高级行为，并与周围环境和人类更加自然地交互。
目前，日本长崎的Henn-ne宾馆已经开始使用10台类人机器人进行迎宾服务，代替了原来预订柜台的所有服务员。随着无人机、无人驾驶汽车和智能家电等智能产品的不断普及，Gartner预计各自为政的智能产品将转变为相互协作的智能产品。
数据经济时代下，人工智能和物联网等新技术正在成为全球经济发展的新动力。人工智能的广泛应用将会作为一种新的常态，推动行业企业转型，改变人们的生活工作方式。随着“加快人工智能等技术研发和转化”今年首次被写入政府工作报告，商业人工智能将在拥有庞大数据资源的中国市场迎来前所未有的发展机遇。
当今世界上各大科技公司均将投资目光投向人工智能的未来发展上，并且在可预知的未来一段时间内，他们纷纷计划在该领域发力。
那么，我们不禁追问：人工智能的前沿问题到底是什么？这么多科技公司对“人工智能”的厚爱是赶时髦还是真较量？在概念被炒得火热的同r，人工智能的实际应用和有效价值又表现如何？
前沿领域篇 人工智能研究的前沿是什么
史蒂芬・霍金教授在2017GMIC 全球移动互联网大会上的视频演讲中对于人工智能的前言研究领域如此表述。在过去的20 年里，人工智能一直专注于围绕建设智能所产生的问题，也就是在特定环境下可以感知并行动的各种系统。在这种情况下，智能是一个与统计学和经济学相关的理性概念。通俗地讲， 这是一种做出好的决定、计划和推论的能力。基于这些工作，大量的整合和交叉孕育被应用在人工智能、机器学习、统计学、控制论、神经科学以及其它领域。共享理论框架的建立，结合数据的供应和处理能力，在各种细分的领域取得了显著的成功。例如语音识别、图像分类、自动驾驶、机器翻译、步态运动和问答系统。
他说，现在，关于人工智能的研究正在迅速发展。这一研究可以从短期和长期来讨论。一些短期的担忧在无人驾驶方面，从民用无人机到自主驾驶汽车。比如说，在紧急情况下， 一辆无人驾驶汽车不得不在小风险的大事故和大概率的小事故之间进行选择。另一个担忧在致命性智能自主武器。它们是否该被禁止？如果是， 那么“自主” 该如何精确定义。如果不是， 任何使用不当和故障的过失应该如何问责。还有另外一些担忧，由人工智能逐渐可以解读大量监控数据引起的隐私和担忧，以及如何管理因人工智能取代工作岗位带来的经济影响。
长期担忧主要是人工智能系统失控的潜在风险，随着不遵循人类意愿行事的超级智能的崛起，那个强大的系统威胁到人类。这样错位的结果是否有可能？如果是，这些情况是如何出现的？我们应该投入什么样的研究，以便更好地理解和解决危险的超级智能崛起的可能性，或智能爆发的出现？
有人说，脑科学和人工智能迄今为止还是两门平行的学科，人工智能对人类脑科学研究暂时没有任何实质性的帮助。反观脑科学却对人工智能的深度学习方面提供了不少帮助， 比如人工智能借用神经科学里的视觉工作机制理论，使得人工智能有了今天的发展。但实际上，至今为止， 人工智能也只是用了脑科学其中的一个理论而已。
但卡内基・梅隆大学计算机科学学院机器学习系主任Tom Mitchellt不这么认为。他在GMIC2017上的演讲中提到，下围棋、下象棋，人工智能在这一领域突破非常快，背后主要是依靠深层次的机器学习。
另外在脑科学方面的发展也非常迅猛。在过去十几年的时间里，有很多先进的技术和设备，使得我们可以采用无创或者微创的方法进入到人的大脑，进行毫米级的观察，而且在毫秒内就可以对几千张影像进行分析，观察人脑的活性。
此外，动物大脑的研究更加令人欢心鼓舞，通过基因方面的研究，在基因上进行相应的工程，对老鼠和其他动物相应的神经元进行修饰、改变，这样可以更好地对人的神经活动进行一些管理和控制。无论是人工智能还是脑科学，都取得了令人瞩目的巨大进展。现在人的脑科学和人工智能方面到了可以有更多交集的好时机，我们应该在人工智能和脑科学之间搭建更多的桥梁。
而天风证券海外首席分析师何翩翩（美国麻省理工学院电机工程学士、人工智能硕士、MBA三学位获得者）在GMIC 全球移动互联网大会上分享关于人工智能未来发展趋势的报告时表示，目前， 国内外人工智能的讨论范畴一直都围绕着五个点：强度、能力、广度、监督和自主性。通俗地讲可以概括为：机器训练智能化的程度；用来解决什么问题；特定性向通用性的延伸；监督和无监督；人工智能是助手还是主角。
她介绍了MIT关于人工智能的五大趋势预测。首先，最先出现的两个趋势应该是正向强化学习和对抗性神经网络。AlphaGo 可以说是深度强化学习技术的一个里程碑。GAN （生成对抗网络）很有可能会是在无监督学习还没能普及之前让计算机变得更加智能的关键所在。其次是语言学习。语音识别和语音接口，在技术和应用场景方面已经算是AI 里面较为成熟的，计算机通过语言与我们交流和互动，理解语言的上下文含义，将使AI 系统获得全方位的实用性提升，这也是AI步入夏天的第一步。
第四个趋势是，2017 年中国开始成为人工智能主要参与者。BAT 的布局，加上国内投资者对于AI 创业公司的投资热情高涨。政府方面也在积极推动政策扶持，预计在2018 年前投资约150 亿美元。但我们也发现关于AI 的夸张报道铺天盖地，对AI 的炒作也达到了令业界人士不安的程度。我们认为这样对AI 可能会造成揠苗助长的负面效果，继而导致创业公司因估值过高而步向失败以及投资枯竭的情况。
第五个趋势就是面对炒作我们应该深呼吸一口气，头脑时刻保持清醒，理智地去看待AI 行业的下一步发展，踏踏实实地去做好AI 应用的研发工作。
百家争鸣篇 厂商厚爱AI 是赶时髦还是真较量
谷歌
谷歌早在2011年就成立了AI部门。2015年8月，谷歌宣布架构重组，设立母公司Alphabet，把谷歌搜索里提炼出来的人工智能做成谷歌大脑，然后应用到各领域。
今年5月，谷歌揭示了人工智能发展的一种主要新方法，它被称为“自动机器学习（AutoML）”，它允许人工智能成为另一个人的架构师，并在无需人工工程师输入的情况下进行自我创造。
AutoML项目专注于深度学习，一种涉及到通过神经网络层传递数据的技术。创建这些层是很复杂的，因此谷歌的想法是创造能够自我创造的人工智能。
谷歌的这个想法，就是让现有的人工智能创建自己的代码层，而事实证明，它比它的人类技术人员更快、更有效地完成了它的工作。
NVIDIA
在AI世界里，NVIDIA拥有的GPU技术一直占据中心地位。从2016年起，NVIDIA开始为数据中心和自动驾驶技术提供图形处理器，成为提振去年股价的中心动力，而这两项业务的发展也是蒸蒸日上。根据其最近公开的财报，第一财季的数据中心业务收入翻倍至4.09亿美元，远超过预期的3.182亿美元。汽车业务收入增长24%至1.4亿美元，好于预期的1.32亿美元。
NVIDIA创始人兼CEO黄仁勋在本月初的2017 GPU技术大会上宣布，将与日本汽车制造商丰田合作，为其提供人工智能硬件及软件技术，致力于在未来几年内提升自动驾驶系统的性能并推进商业化进程。
IBM
日前，以“天工开物・人机同行”为主题的2017 IBM论坛在北京召开。会上IBM了全面升级的加强版合作伙伴计划（PartnerWorld计划），以期帮助合作伙伴在云计算、认知、大数据、安全等高增长领域建立更强大的专业知识和新技能，在认知时代打造企业核心竞争力、推动业务高速增长以及提升最终客户的满意度。
IBM大中华区董事长陈黎明认为，Watson是IBM在人工智能领域60年集大成者。IBM在人工智能这个领域的尖端技术集中体现到了Watson这套系统上面去，当然IBM的能力也在不断的研发、不断拓展当中，它的能力一定会变得越来越强。目前Watson 所有具备的URLI四大能力是： Watson能够理解、推理、学习并通过自然语言与人类进行交互。它已经超越了语言和语音的范畴，深入到视觉、情绪和发现领域，其中情绪和发现是Watson所特有的。
OpenAI
OpenAI 是一家非营利性机构，由特斯拉CEO 马斯克联合多个硅谷名人成立，马斯克也时常发出人工智能，如开发人工智能即召唤邪恶，甚至表示未来人类将会成为人工智能的宠物，以及人机结合，人类与人工智能并存，或者可以理解为“半机械人”。
在2015 年12 月，马斯克及多位硅谷大亨成立了OpenAI 机构，开始了他的疯狂人工智能计划，并筹得了10 亿美元的资金来推动人工智能健康有序发展。他所研究的人工智能技术成果开源，分享给想要使用的每一个人。要知道推动人工智能发展的关键因素是人才和数据，OpenAI 拥有庞大资金后，首先争夺人工智能人才，从谷歌等公司直接挖来顶尖人工智能研究人员，Google2Brain 团队的前研究员Ilya2 Sutskever 担任研究总监。与谷歌、微软等相比，OpenAI人工智能队伍仍然十分弱小。OpenAI 近日一项实验具有里程碑的意义，基于全新算法，人类在虚拟现实环境中演示一遍后，机器人就能模仿执行相同的任务。尽管任务相对比较简单，但对未来发展奠定基础，前景广阔。
百度
百度是我国最早在人工智能领域布局的公司。2013 年年初，李彦宏就提出设立深度学习研究院；当年4月，百度设立了硅谷人工智能实验室。之后，人工智能就渐渐成为百度的战略发展方向，到如今，百度在人工智能的投入与布局已经初现成果。2016 年6 月，《麻省理工科技评论》评选的“全球最聪明的50 家公司”，百度成功入选； 2016 年11月， 百度大脑入选15 项世界互联网领先科技成果。除百度大脑外，百度在人工智能领域的布局还包括：无人车驾驶、度秘、百度AR 和百度医疗大脑。
阿里巴巴
依托阿里云和电商大数据， 阿里巴巴也在人工智能领域逐渐发力。2016 年8 月初， 在云栖大会北京峰会上，阿里云正式推出人工智能ET。ET 目前已具备智能语音交互、图像视频识别、交通预测、情感分析等技能。此外，阿里还有“电商大脑” 和“阿里小蜜”。
腾讯
腾讯相对较晚，2016 年9 月末，腾讯AI 实验室成立，专注于人工智能的基础研究及应用探索。目前， 该实验室已经有超过30 位顶尖科学家入职，其中超过90%拥有博士学历。下一步，将围绕内容、社交、游戏三个领域的应用场景，专注机器学习、自然语言处理、语音识别和和计算机视觉四个方面的基础研究。
联想
2017 年4 月中旬，联想集团董事长杨元庆对外宣布，未来4 年，联想集团将在人工智能、物联网和大数据方面的投资超过12 亿美元（约82 亿元人民币）。至2021 年3 月份，联想集团每年研发开支将到达15 亿美元左右，且上述款项将占总研发预算的20%以上。
同BAT 相比，联想在人工智能领域的探索起步较晚。但未来，每年将有15 亿美元的研发资金用于三个技术方向的研究：第一， 将AR作为未来的显示和应用平台；第二，对话式的人机交互；第三，针对后台设备的数据中心技术平台。据悉，其在智能家居、智能办公室、智能医疗及其他领域已经开始有所动作，最终联想能否杀入人工智能排位赛的前列， 让我们拭目以待。
美团云
近日，美团云推出高性能GPU 云主机，标志着美团云正式进军AI 领域，开启云端AI 战略。
美团云高级研发总监王昕溥向《中国信息化周报》记者介绍，美团云打造的人工智能版图主要包含三大类产品：主机类、平台类和服务类。主机类产品中，除已可申使用的高性能GPU 云主机外，还将上线FPGA 云主机服务。FPGA 的单位功耗性能是GPU 的10 倍以上，由多个FPGA 组成的集群能达到GPU 的图像处理能力并保持低功耗的特点。英特尔预计，到2020 年，将有1/3 的云数据中心节点采用FPGA 技术。平台类产品方面，美团云还将于7 月正式开放深度学习平台，输出美团云AI 能力，为用户提供TensorFlow 的灵活、高扩展性深度学习框架。美团云深度学习平台可以让工程师摆脱底层的繁琐细节及资源约束，实现一站式开发、测试、部署。在上层服务类产品中，美团云即将上线人脸识别、OCR 文字识别、图片识别、语音识别、智能客服、自然语言处理、机器翻译等与人们生活场景密切相关的AI 服务，让人类生活更加智能化。
实际应用篇 最接地气的AI应用有哪些
说到人工智能（AI），目前被炒得最热的似乎都是天上飞的技术，比如无人驾驶、AlphaGO 对战下围棋， 而实实在在落地到应用生活层面的人工智能却并不被关注。这不禁让市场感叹，2017 年的人工智能虚火上升， 不接地气。
云知声董事长/CTO 梁家恩就曾在4月举办的硬蛋AI+ 产业峰会演讲中表示，现在绝大多数的AI 产品都更像是在炫耀技术，哪天看不到技术的痕迹了，才可能是达到了一个使用的阶段，并最终渗透到智慧生活、智慧城市、智慧制造等领域。其中智慧生活是面向普通的用户，智能城市是让资源如何变得更加的优化，智能制造是软件实现个性化。
可能，生活中的智能家居是最接地气的AI应用。
随着物联网时代的来临，智能生活将成为大多数人的生活常态。而老百姓日常生活所离不开的家居用品则可能是人工智能这项飘在云端的技术中最接地气和最容易落地的产业，而智能家居落地后会大大改变人们的生活方式。
数据显示，2017 年全球智能语音产业规模将达112.4 亿美元，复合年均增长率达35.1%，将成为未来智能硬件爆发的据点之一。2012 年至2020年，中国智能家居市场年增长率将达到25%左右，2020 年市场规模将达到3576 亿元。而国外，包括苹果在内的科技巨头也在布局HomeKit 的智能家居新模式。
IBM Watson Health已经开始证明自己在帮助处理期刊文章、开展最新医学研究以及随后充当诊断助理方面的宝贵价值。现在，IBM正在训练Watson读取医学影像，以帮助放射科医师加速开展工作并减少错误。
无人机是现在最火的智能设备，除了民用航拍，近几年专家们还开始利用它们回传的视频和图片来进行大型工程的结构检查。人们将现有的机器视觉AI技术加入无人机，它就可自行对设备进行检视，大大缩短设备维护的时间。
Facebook 表示未来将使1000多架太阳能激光无人机为全球 50 亿人提供上网服务，用激光从 6 万至 9 万英尺（约合 1.8 万至 2.7 万米）的高空发送高速数据供全球最偏远的地区上网。据悉，该公司将使用一种名为 Aquila 的无人机来完成该项目，这种 V 形无人机的翼展与波音767相仿，重量却不及一辆小轿车。
F8 大会期间，Facebook 还展示了这种无人机的最新设计，它可以一次性在高空停留 3 个月，这些无人机有望在今年夏天升空测试――听起来真的很酷。
如今，人工智能虽在整个行业内掀起火热的浪潮，但是如何将研究进程转换为实际的有效价值才是研究的最终方向。
相关链接
商业AI针对专业垂直行业的业务需求，充分利用认知技术，通过人与机器协作，增强和扩展人类能力、专业知识和潜能，从而让人与机器安全、有效地参与商业认知系统，完成更多更专业更复杂的任务。机器不会替代人，商业的未来将是人机同行。人工智能将重塑人和机器的关系，通过融合数据、分析和认知服务，增强、扩展和加速人类的专业技能，使专业人士能够做出更精准的决策。
人工智能范文第9篇
人工智能经过60年的积淀，从去年开始在深度学习、跨界融合、人机协同和群体智能等方面，都出现了重要新进展。
现在，科技界、企业界的专家和创新型企业，包括一些年轻的创业者正在共同制定促进中国人工智能创新发展的规划。这个规划旨在推动人工智能在经济建设、社会民生、环保事业、国家安全等方面的应用。
人工智能和其他技术的结合，已经临近了突破点。随着人工智能被写入“十三五”规划纲要，有预测说中国人工智能市场规模2018年将突破380亿元。
“像100年前的电力，人工智能将改变几乎所有行业。”世界著名人工智能专家吴恩达有一句圈内闻名的论断，几年前，他担纲“百度大脑”研究，让中国企业跻身世界前列。
随后，以AlphaGo称霸棋坛为契机，人工智能成功吸引了中国投资圈和舆论场的注意力；就在刚刚过去的全国两会上，“人工智能”也成为热词，这些都显示出各界对这一新兴领域的重视。
写入《政府工作报告》
3月5日，全国两会上的《政府工作报告》提出：“全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化。”这是人工智能首次进入政府工作报告。
3月11日，科技部部长万钢在两会记者会上曾表示，人工智能可能会被考虑增加进政府面向2030年的重大科技项目的规划。“人工智能经过60年的积淀，从去年开始在深度学习、跨界融合、人机协同和群体智能等方面，都出现重要新进展。人工智能领域的重大项目，我们正在进行论证。”
万钢说，“人工智能是我们长期关注的领域，这次政府工作报告也提到了人工智能。”多年来，科技部通过“863”、“973”、科技支撑计划等一系列科技计划，积极推动人工智能技术发展。在关键技术攻关方面，重点支持了智能计算机系统、智能机器人、自动信息处理，在智能交通、智能电网、智慧城市等方面也支持了一批项目。
“我们的企业也很给力，大家看到了比如阿里巴巴、百度、腾讯、华为，他们都在进行这方面的研究，大家已经在市场上看到了一些。”万钢说，“江苏卫视《最强大脑》节目，有几位最强选手和人工智能PK，引起广泛关注，AlphaGo也是如此。人工智能确实取得了很快发展，它将会引领经济社会发展，改善我们的生活，特别是在精准医疗、养老服务等方面会有良好的发展前景。”
万钢表示，今后几年，中国将在深度学习关键技术、跨界融合的信息技术、人机协同的操作和控制方面，在群体智能和开放研究方面下力气。
“我们正在集聚科技界、企业界的专家和创新型企业，包括一些年轻的创业者共同制定促进中国人工智能创新发展的规划。这个规划旨在推动人工智能在经济建设、社会民生、环保事业、国家安全等方面的应用。同时，国家还要打好基础，中央财政将设立一个专项，主要是在基础研究、核心关键、共性技术上下功夫。这个研究必须是开放的，将来会有知识交流的平台，有开放的知识共享平台，要建立开放的软件平台、开源的硬件平台，以及专业化众创空间。这个规划目前我们正和相关方面共同起草，估计两会以后很快就会和大家见面。”万钢说。
成为两会热词
两会上，几位来自IT界的代表委员也积极发声，呼吁中国企业联手人工智能研究产业化，并认为这方面有可能超越美国。随着人工智能在两会热议，相关股票随之上涨。
全国政协委员、百度董事长李彦宏在两会期间的会上表示，政府工作报告中首次写入人工智能，意义堪比6年前“互联网”首次作为明确战略方向出现在政府工作报告中，以及两年前“互联网+”首次写入政府工作报告。李彦宏表示，在今年两会上提交的三项提案都和人工智能有关。
各家分析都认为，人工智能和其他技术的结合，已经临近了突破点。随着人工智能被写入“十三五”规划纲要，有预测说中国人工智能市场规模2018年将突破380亿元。
“未来5到10年，人工智能将像水和电一样无所不在，可以进入教育、医疗、金融、交通、智慧城市等几乎所有行业。”全国人大代表、科大讯飞董事长刘庆峰说。
“人工智能将掀起未来十年最重要的技术革命，这对我国来说是一个时代机遇。”全国人大代表、小米公司董事长雷军说。
中国企业力图弯道超车
两会期间，李彦宏曾表示，百度在无人驾驶汽车方向已经尝试做了几年，他认为在2021到2022年之间，无人驾驶车会实现商用。
李彦宏还介绍说，百度云将跟人工智能的各项技术，比如语音识别技术、自然语言理解技术、图像识别技术相结合，为很多行业提供解决方案。
“‘度秘’刚刚推出的时候只是寄生在手机百度里的一个功能，现在已经可以作为一个物联网的操作系统了，并可以植入到任何一个电器中，甚至那些目前还不通电的比如桌子，将来都可以变成智能的。所以，这样一个操作系统可以让人和工具进行自然语言的交流和对话。”
“^去，人都是要学习工具的使用方法，学习怎么调冰箱的温度，人类每发明一个工具，买来之后都要拿一个说明书看这个东西怎么用，这个是很反人类的。”李彦宏说，“其实真正符合人性的用法，应该是任何的工具都能听得懂人话，我觉得这是人工智能带来的改变，不管是冰箱、彩电、汽车，甚至是桌子、椅子，未来都应该能够听得懂人话。”他如是描述百度的人工智能愿景。
垂直细分领域，群雄并起
目前，美国人仍然在AI研发上坐头把交椅。去年震惊围棋界的阿尔法狗，来自谷歌旗下。谷歌的传统长项是机器学习，他们主攻智能家居系统、智慧医疗等技术；与谷歌竞争的一款围棋AI，则来自Facebook，他家的人工智能研究团队长于图像识别；而IBM的Watson早就出名了，最有希望率先用在智能医疗市场上。
中国方面，吴恩达主导的百度大脑引起了世界同行重视，百度也力图在无人驾驶领域领导世界，百度还将AI引入金融圈；语音学习识别方面，科大讯飞已经是行业翘楚。
目前，全球IT巨头力拼AI，基本上是利用本公司的海量数据培训机器，让它解决某一具体问题，比如辨认照片上的花朵，或者提高订餐系统的效率。而通用化的雄心壮志尚未落实。
研发“云端机器人”的达闼科技公司的联合创始人汪兵表示，机器人完成单项任务有很多应用，但让它使用人的工具完成日常任务，比如放下锅又拿起抹布擦桌子，可不容易。汪兵说，他估计2025年能够推出这样的住家通用机器人。
人工智能范文第10篇
2015年12月，微软亚洲研究院首席研究员刘铁岩博士去蒙特利尔参加了NIPS年会（Annual Conference on Neural Information Processing Systems），这是人工智能领域的顶级学术会议。但与会期间，他印象最深的不是同行的专业进展，而是一位科学家告诉台下的与会者，早些年，他的博士生根本找不到工作，今年却被一抢而空。
这也是中国正在发生的故事。从硅谷到北京，人工智能都是热浪滚滚。这个在上世纪50年代和80年代掀起过两次高潮的技术，现在似乎真的到了产业化的临界点。互联网时代的思想家和预言家凯文・凯利宣称，人工智能是下一个20年里颠覆人类社会的技术，它的力量堪比电与互联网。
人工智能（Artificial Intelligence），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。该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。
人工智能快速进入大众视野，源于今年3月谷歌围棋人工智能程序AlphaGo战胜世界冠军李世石。人机围棋对弈只是普及人工智能的一个秀。它的背后是规模千亿级的人工智能产业市场。BBC预测，2020年全球人工智能市场规模将达1190亿元人民币。
目前看，这一数据远比不上2015年中国移动互联网的产业规模。但人工智能的意义不仅于此，人工智能技术的发展，还将带动云服务、大数据分析、移动互联网和物联网产业的升级迭代。它甚至将超越移动互联网，全面改变人类的生活和工作方式。
离人工智能最近的IT互联网公司敏锐嗅到了这一机遇。从2011年开始，包括深度学习算法、计算资源和大数据产业的成熟令人工智能技术实现飞跃，包括微软、IBM、谷歌、Facebook、BAT在内的国内外企业都开始深度布局人工智能，试图把握风口，成为下一个产业变革的巨擘。
已布局人工智能的IT和互联网巨头们，最有资格成为这一轮革命的获益者。但这终究是一个漫长的耐力游戏，除了技术布局，产业布局和战略视野也是决定成败的关键因素，短视者将随时出局。
BAT保守布局
中国的所有行业中，以BAT为代表的互联网行业在人工智能研究和商业化探索方面走得最早，也看得最远。其中，技术起家的百度走在最前端。
2012年10月，百度董事长兼首席执行官李彦宏参加了内部的一个基于深度学习的语音识别产品研究会。当时该产品的主导者余凯回忆，那是李彦宏第一次知道深度学习，他非常吃惊，并给全公司写信，让所有产品经理都要了解人工智能技术的发展。
当年12月，李彦宏开始和余凯讨论成立深度学习研究院的可行性。次年7月，这个研究院成立，李彦宏任院长，余凯为常务副院长。这是中国公司里的第一个人工智能研究院。
李彦宏很快将相关技术投入到搜索的核心业务中。2014年的百度内部统计数据显示，深度学习技术的应用，让百度和竞争对手的Diff（different，内部叫Diff）指标提升了若干倍。
但人工智能的科研，尤其是基础科学研究，是一个冗长寂寞的过程。此后，迫于财务数据和竞争压力，百度的决策者们更加注重眼前的布局和资源。
“到了后期，太长远项目，或是比较创新的项目，百度总部确实不太支持了。百度i站的项目、百度快搜这样的项目没了。”一位不愿具名的前百度人工智能研究岗位人士评价。一位现任百度相关人士对《财经》记者表示，百度前些年确实剔除了不少经过验证没有商业化前景的分支项目，但最近两三年，百度明显加大了在人工智能上的投入，包括无人驾驶汽车等长期项目。
6月8日，在2016百度联盟峰会上，李彦宏将百度无人驾驶汽车称作“一台带轮子的电脑”。他现场播放了百度无人车路测的实况录像，百度无人车已经可以像正常车辆一样加速、并线、超车，他同时表示，三五年之内，无人驾驶一定可以成为现实。
从整体来看，百度仍是BAT三家中首先完成有关人工智能技术体系整合的公司。目前，百度研究院、百度大数据、百度语音和百度图像等技术都已归入人工智能技术体系。李彦宏多次向外界强调，百度未来的发展将严重地依赖人工智能。
IBM研究院一位人工智能专家告诉《财经》记者，百度是被他们列入竞争列表的唯一中国公司。
硅谷尤其关心“百度大脑”的进展。百度大脑是百度在人工智能领域的核心。百度此前的诸多人工智能产品，如无人驾驶、智能搜索等，都是基于百度大脑的能力。
百度高级副总裁、自动驾驶事业部总经理王劲称，百度大脑已具备视、听、说和预测、规划决策以及行动控制的能力。在数据方面，百度有万亿级的网页、移动和行为数据可供分析。在深度学习方面，百度的万亿参数排在世界第一。
2015年，百度的研发投入超过100亿元。占百度2015年总营收663.82亿元的15%。
百度正在计划将百度大脑在金融、汽车、医疗等领域商业化。李彦宏称，人工智能的“井喷式”创新，将推动互联网进入第三幕，并将重构传统产业。比如“人工智能+金融”，可以快速地实现征信升级，实现“秒放”贷款。
阿里巴巴和腾讯的布局则更加克制。或者说，它们更代表中国公司的普遍做法，从业务驱动开始，逐渐加大档位。
阿里从2011年开始布局互联网医疗，投资收购和战略合作的公司数以百计。围绕医院、医保、医药做了大量布局。最新的统计数据显示，全国已经有超过400家大中型医院加入阿里的“未来医院”计划，覆盖全国90%省份。阿里云人工智能首席科学家闵万里博士告诉《财经》记者，阿里在健康医疗领域的布局快慢，取决于阿里在人工智能领域的技术突破。
阿里的设想是，未来，在阿里遍布全国边远山村的医院医疗点里，病患足不出户，只需拍一张CT，通过远程技术来完成专家级的诊疗过程。这种诊疗，依赖的就是基于阿里云的人工智能医疗系统。随着学习数据的不断增加，机器会变得越来越聪明，最终成为一个“永不退休的医学专家”。
多位接受《财经》记者采访的专家评价，阿里这个技术并不复杂，医疗诊断是基于经验的专家型劳动，是机器擅长的经验学习，三年内该技术便可成熟。
闵万里告诉《财经》记者，要实现这个目标，除了技术平台，还需要整个医疗体系的打通，需要政府和社会共同推动设备和资源的开放。一旦打通，聚合在一个人工智能服务平台之上，就将衍生出更多的应用服务场景，从而实现“商业和技术互为驱动”。
阿里是目前中国所有公司里，数据生态最完善、最健全的公司。iPIN创始人兼CEO杨洋认为，阿里的MaxComputer数据通道，是非常健康的数据大动脉，可以将阿里的所有数据资源非常高效地结合在一起。
此外，阿里云也是目前世界上最接近AWS（亚马逊云服务）的云计算平台。数据生态体系是做人工智能的重要基础。因此，在这场有关未来的布局中，阿里云的主导地位清晰。
阿里的人工智能研究分散在其各个业务分支之中，有待整合。闵万里说，阿里希望在算法能力上有所突破，这需要一个集中的技术机构来整合阿里的所有相关技术资源。
腾讯和阿里的情况类似。腾讯在人工智能上的布局，以IM和SNS业务为基础。例如语音识别主要是在微信部门、图片识别主要是在QQ，支付和金融业务方面植入了人脸识别，搜索部门则关注自然语言识别。
其中一些技术已在腾讯内部实现产品化。SNG（社交网络事业群）的优图团队聚焦图象识别领域，推出了黄图识别功能，并为腾讯内部产品如图片优化工具“天天P图”提供技术支持。WXG（微信事业群）则人机互动领域的拓展，也对图像和语音识别进行了原发。WXG推出了智能机器人“小微”，用户可以用自然语言与之沟通，解决此前语音助手智能机械应答的短板。对于未来，工程师希望“小微”成为一种“连接器”――与微信支付串联起来，接入微信公众号以及钱包内的各种生活服务，打造完整的微信内O2O闭环生态体系。
腾讯高级副总裁姚星在接受《财经》记者采访时表示，腾讯越来越重视在人工智能领域的技术开发，这包括两个路径：一是整合腾讯自身的技术资源，形成体系和重点;二是加快对优秀公司的收购和合作步伐。
腾讯参与了多个人工智能项目的早期投资。腾讯投资并购部一直在为公司寻找需要的标的，服务于腾讯的整体战略。腾讯日前与硅谷风投机构Felicis Ventures领头了人工智能创业公司Diffbot 1000万美元的A轮。这家公司通过人工智能技术，让“机器”抓取网页关键内容，并输出软件可以直接识别的结构化数据。
BAT的人工智能技术研发从第一天开始就是商业需求驱动的，他们从业务入手，收购甚至模仿别人的东西，这种做法避免了漫无目的研究和不必要的失败，但也无法保证在下一轮的人工智能平台大战中胜出。
今年，阿里和腾讯均有组建人工智能研究院的想法。姚星对《财经》记者说，很快，腾讯人工智能研究院就会成立。
国际巨头深入无人区
如果说BAT的人工智能布局处于对标和追赶的状态，那么以IBM、微软、谷歌、Facebook为代表的美国巨头公司已经开始深入科技无人区。 Facebook将人工智能视为未来的三大方向之一，在基础科学的研究上不遗余力。
这些公司技术和业务各有所长，面向的用户也不同，但它们的目标一致：把人工智能机器做大、做强、再做没。
IBM和微软可能没有谷歌、Facebook看起来那么酷，但在人工智能领域有深厚的技术底蕴，IBM甚至已经开始用人工智能赚钱。
IBM人工智能研究可以追溯到1997年“深蓝”战胜当时的国际象棋世界冠军卡斯帕罗夫。2011年，代表着IBM在认知计算领域最先进技术的Watson在一个电视节目中一战成名，被认为是人工智能历史上的一个里程碑。
今天可以代表IBM在人工智能领域最高技术水平的，是不断进化中的Watson系统，和已经可以量产的人脑模拟芯片SyNAPSE（超大规模神经突触计算机芯片）。
Watson是一台超级计算机，最初由90台IBM的Power 7服务器并行组成。和Google、微软的人工智能相比，它从硬件芯片构架就开始模拟人类神经元，基于IBM的“DeepQA”技术开发。2014年1月初，IBM宣布组建“Watson Group”，旨在进一步开发、商用和增强“Watson”及其他认知技术，此外还投入10亿美元用于其他相关项目。
Watson已经开始为IBM赚钱了。法国农业信贷银行预测，Watson系统创造的收入将在2018年占IBM总收入的12%以上。Watson已经被部署在IBM去年收购的云计算基础设施业务Softlayer上，成为IBM与亚马逊、谷歌、微软等大型科技公司在云计算领域展开竞争的武器。