论文部分内容阅读
摘 要：人工智能科学技术归属于计算机科学，是其中的一个重要分支，人工智能领域的研究主要包括图像识别、语言识别、机器人、专家系统以及自然语言处理等。自诞生以来，人工智能理论和技术逐渐发展成熟，在社会、科技、文化、经济等领域中发挥着越来越重要的作用。
关键词：人工智能；发展现状；前景
1人工智能综述
1.1人工智能的概念
人工智能即AI，其英文全称为ArtificialIntelligence。人工智能的概念要从人工和智能两方面来了解，所谓人工就是指人工智能脱胎于人类的文明，是人类智慧的产物；而智能则是指具有人工智能的计算机或其他電子设备可以模拟人类的智能行为和思维方式，人工智能是计算机科学的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。
1.2人工智能的现实应用
如今的人工智能机器，可以在胜任一些复杂脑力劳动的同时，辅助人类进行记忆和逻辑运算等活动。现阶段学者已经研制出了一些可以模拟人类精神活动的电子机器，经过完善升级，这些电子机器将有希望超越人类的能力，协助人类完成一些执行难度较大的工作。但是目前研制出的自动化系统或者机器人虽然可以代替部分人类劳动，却还没有到达可以实现人类多方面协调和自我学习升级的智能水平，要制造出一款可以完全拥有人类智慧的机器，还需进一步深入研究。还有一些人工智能产物经常应用于各种商业用途，例如单位内部的客户信息系统，决策支持系统，以及我们在世面上可以看见的医学顾问、法津顾问等软件。
2人工智能发展过程中面临的问题
现阶段，随着信息技术、计算机技术的迅速发展，人类在人工智能方面取得了一定的研究成果，诸多人工智能产物已经投入实际应用，并为方便人类的工作、生活提供了良好的帮助。但是，任何一种技术都是有利有弊的，人工智能也不例外，超智能概念的提出，让人们对智能机器产生了质疑与忧虑。正如电影情节中一样，随着人工智能的高速发展，未来是否会有一天人类世界被智能机器所统治，这是摆在人类面前的一个重要问题。然而，若是因为害怕人工智能产物的负面影响，而采取抑制人工智能的发展的这一措施，卻是万万不可取的。面对风险，我们应该勇于接受挑战，积极寻求有效的方法去促进人工智能更好、更稳定、更安全的发展。
就目前来说，人类在应用电脑进行模式识别方面已经得到了一定的研究成果，一些相关产品也已经投入使用，但无论是在理论上还是方法上，其与人的感官识别机制存在着很大的差异。现阶段，模式识别主要是语音识别以及图形识别。语音识别是对语音信号的各种分类进行研究，近年来该项技术得到了迅速发展，但语音识别容易受到诸多因素的影响，如普通话不标准等，也会给语音识别造成极大的影响；图形识别主要是指纹图形识别、手写体文字识别、各种印刷体识别，但目前只能开展小规模测试，对相似度太高或特征不明显的东西，图形识别难度相对来说较大，且容易出现识别错误的问题。
随着人工智能的迅速发展，智能机器也变得越来越“聪明”，如何与这些智能机器交流、如何介入智能机器的想法与行为，成为困惑人们的首要问题。为了解决这些具有挑战性的问题，可以通过设计一个专门的系统，来权衡人类与智能机器的交流。
GPS，即全球定位系统，是致力于实现不依赖领域知识解决人工智能问题的一种通用方法，但人工智能问题的内部表达形式与领域知识之间密切相关，用GPS这一人工智能通用方法或者是用谓词逻辑来开展定理归结，均可以在分析表达能力方面发现其局限性，这就给人工智能的发展与应用带来了诸多不利影响。
3人工智能的发展现状
3.1专家系统
专家系统（ExpertSystem）具有相当于专家知识和经验水平以及解决专门问题的能力的计算机系统，是人工智能应用研究最活跃和最广泛的应用领域之一。专家系统是第一批真正成功的人工智能（AI）软件，它被设计为通过推理知识来解决复杂的问题，主要表现为IF-THEN规则而不是通过传统的程序代码。第一个专家系统在20世纪70年代创建，在20世纪80年代兴起。ES系统能够高效，迅速，准确地工作，突破时间和空间的限制，进行有效推理决策，解决那些只有专家才能解决的高难度的复杂问题。主要在医疗，交通，家居综合性领域应用，其中医学专家系统研究最多而卓有成效的要数医学专家系统。而研制实用的，高性能的专家系统是当前人工智能研究的一项主要任务。随着计算机网络技术的不断发展和多媒体技术的突破，专家系统的研究势必更加深入，取得突破性进展。
3.2神经网络
人工神经网络开始于20世纪80年代，随着计算机技术的大力发展以及研究者们不断对算法进行优化改进，以其惊人的处理速度和较强的容错能力，表现出良好的智能化。神经网络已被用于解决使用普通的基于规则的编程难以解决的各种各样的任务，如计算机视觉和语音识别，且成功率已达到百分之八九十。人工神经网络与他技术组合产生模糊神经网络，广泛应用到医学图像处理与分析各領域。在像素化图像方面，随着图片模糊程度增加，神经网络的成功率会降低，但仍然能够达到50%到75%的成功率。神经网络计算科学领域与生物神经系统理论分析和计算建模相关，为此神经科学家正在观察生物过程（数据）、神经处理和生物似然机制（生物神经网络模型），努力建立统计学习理论和信息理论之间的联系，使得人工神经网络技术能够迈向新的台阶。
3.3模式识别
人工智能方法在模式识别，数学逻辑等领域同样广泛运用。模式识别主要是对已知数据样本中的模式和规则进行识别和提取，通常旨在为所有可能的输入提供合理的答案，并考虑到它们的统计变化来执行输入的“最可能”匹配。通过计算机来对文字，图像，声音，物体等模式的自动识别，是智能机器开发的关键点。目前模式识别的识别速度快，识别效率和精度也比较高，但主要还是无监督学习，人为构造算法的成分比较大。
结论
综上所述，在科学技术迅速发展的背景下，人工智能也走向了加速发展的新阶段。但是，任何新事物的发展都不是一帆风顺的，在不断发展的过程中，人工智能也会遇到各种各样的问题，甚至会给人工智能带来巨大的挫折，但相信经过多方面的努力，人们终会找到一条推动人工智能和谐发展的道路，让人工智能更好地造福人类社会。
参考文献
[1]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016，（12）：95.
[2]贺倩.人工智能技术发展研究[J].现代电信科技，2016，46（02）：18-21+27.
（作者单位：辽宁万恒信息技术有限公司辽沈分公司）
关键词：人工智能；发展现状；前景
1人工智能综述
1.1人工智能的概念
人工智能即AI，其英文全称为ArtificialIntelligence。人工智能的概念要从人工和智能两方面来了解，所谓人工就是指人工智能脱胎于人类的文明，是人类智慧的产物；而智能则是指具有人工智能的计算机或其他電子设备可以模拟人类的智能行为和思维方式，人工智能是计算机科学的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。
1.2人工智能的现实应用
如今的人工智能机器，可以在胜任一些复杂脑力劳动的同时，辅助人类进行记忆和逻辑运算等活动。现阶段学者已经研制出了一些可以模拟人类精神活动的电子机器，经过完善升级，这些电子机器将有希望超越人类的能力，协助人类完成一些执行难度较大的工作。但是目前研制出的自动化系统或者机器人虽然可以代替部分人类劳动，却还没有到达可以实现人类多方面协调和自我学习升级的智能水平，要制造出一款可以完全拥有人类智慧的机器，还需进一步深入研究。还有一些人工智能产物经常应用于各种商业用途，例如单位内部的客户信息系统，决策支持系统，以及我们在世面上可以看见的医学顾问、法津顾问等软件。
2人工智能发展过程中面临的问题
现阶段，随着信息技术、计算机技术的迅速发展，人类在人工智能方面取得了一定的研究成果，诸多人工智能产物已经投入实际应用，并为方便人类的工作、生活提供了良好的帮助。但是，任何一种技术都是有利有弊的，人工智能也不例外，超智能概念的提出，让人们对智能机器产生了质疑与忧虑。正如电影情节中一样，随着人工智能的高速发展，未来是否会有一天人类世界被智能机器所统治，这是摆在人类面前的一个重要问题。然而，若是因为害怕人工智能产物的负面影响，而采取抑制人工智能的发展的这一措施，卻是万万不可取的。面对风险，我们应该勇于接受挑战，积极寻求有效的方法去促进人工智能更好、更稳定、更安全的发展。
就目前来说，人类在应用电脑进行模式识别方面已经得到了一定的研究成果，一些相关产品也已经投入使用，但无论是在理论上还是方法上，其与人的感官识别机制存在着很大的差异。现阶段，模式识别主要是语音识别以及图形识别。语音识别是对语音信号的各种分类进行研究，近年来该项技术得到了迅速发展，但语音识别容易受到诸多因素的影响，如普通话不标准等，也会给语音识别造成极大的影响；图形识别主要是指纹图形识别、手写体文字识别、各种印刷体识别，但目前只能开展小规模测试，对相似度太高或特征不明显的东西，图形识别难度相对来说较大，且容易出现识别错误的问题。
随着人工智能的迅速发展，智能机器也变得越来越“聪明”，如何与这些智能机器交流、如何介入智能机器的想法与行为，成为困惑人们的首要问题。为了解决这些具有挑战性的问题，可以通过设计一个专门的系统，来权衡人类与智能机器的交流。
GPS，即全球定位系统，是致力于实现不依赖领域知识解决人工智能问题的一种通用方法，但人工智能问题的内部表达形式与领域知识之间密切相关，用GPS这一人工智能通用方法或者是用谓词逻辑来开展定理归结，均可以在分析表达能力方面发现其局限性，这就给人工智能的发展与应用带来了诸多不利影响。
3人工智能的发展现状
3.1专家系统
专家系统（ExpertSystem）具有相当于专家知识和经验水平以及解决专门问题的能力的计算机系统，是人工智能应用研究最活跃和最广泛的应用领域之一。专家系统是第一批真正成功的人工智能（AI）软件，它被设计为通过推理知识来解决复杂的问题，主要表现为IF-THEN规则而不是通过传统的程序代码。第一个专家系统在20世纪70年代创建，在20世纪80年代兴起。ES系统能够高效，迅速，准确地工作，突破时间和空间的限制，进行有效推理决策，解决那些只有专家才能解决的高难度的复杂问题。主要在医疗，交通，家居综合性领域应用，其中医学专家系统研究最多而卓有成效的要数医学专家系统。而研制实用的，高性能的专家系统是当前人工智能研究的一项主要任务。随着计算机网络技术的不断发展和多媒体技术的突破，专家系统的研究势必更加深入，取得突破性进展。
3.2神经网络
人工神经网络开始于20世纪80年代，随着计算机技术的大力发展以及研究者们不断对算法进行优化改进，以其惊人的处理速度和较强的容错能力，表现出良好的智能化。神经网络已被用于解决使用普通的基于规则的编程难以解决的各种各样的任务，如计算机视觉和语音识别，且成功率已达到百分之八九十。人工神经网络与他技术组合产生模糊神经网络，广泛应用到医学图像处理与分析各領域。在像素化图像方面，随着图片模糊程度增加，神经网络的成功率会降低，但仍然能够达到50%到75%的成功率。神经网络计算科学领域与生物神经系统理论分析和计算建模相关，为此神经科学家正在观察生物过程（数据）、神经处理和生物似然机制（生物神经网络模型），努力建立统计学习理论和信息理论之间的联系，使得人工神经网络技术能够迈向新的台阶。
3.3模式识别
人工智能方法在模式识别，数学逻辑等领域同样广泛运用。模式识别主要是对已知数据样本中的模式和规则进行识别和提取，通常旨在为所有可能的输入提供合理的答案，并考虑到它们的统计变化来执行输入的“最可能”匹配。通过计算机来对文字，图像，声音，物体等模式的自动识别，是智能机器开发的关键点。目前模式识别的识别速度快，识别效率和精度也比较高，但主要还是无监督学习，人为构造算法的成分比较大。
结论
综上所述，在科学技术迅速发展的背景下，人工智能也走向了加速发展的新阶段。但是，任何新事物的发展都不是一帆风顺的，在不断发展的过程中，人工智能也会遇到各种各样的问题，甚至会给人工智能带来巨大的挫折，但相信经过多方面的努力，人们终会找到一条推动人工智能和谐发展的道路，让人工智能更好地造福人类社会。
参考文献
[1]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016，（12）：95.
[2]贺倩.人工智能技术发展研究[J].现代电信科技，2016，46（02）：18-21+27.
（作者单位：辽宁万恒信息技术有限公司辽沈分公司）