论文部分内容阅读
摘 要： 得益于深度学习、大数据等技术的进步，计算机人工智能技术已迎来发展拐点。人工智能将成为未来二十年全球最重要的科技，并成为无人驾驶、智能机器人等新兴产业的重要基础。文章从计算机人工智能这一颠覆性技术的发展历程说起，对人工智能的应用现状、各主要国家的产业布局和未来发展趋势进行了详细分析。
关键词： 人工智能；计算机；应用
中图分类号：TP18 文献标识码：A
引言：计算机人工智能技术通过对人的意识、思维的信息过程进行模拟，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，其主要目标是模仿甚至超越人类的智能，被称为二十世纪七十年代以来世界三大尖端技术之一[1]。人工智能属于自然科学和社会科学的交叉，它所涉及到的学科领域十分广泛，主要包括计算机科学、信息论、数学和语言学等学科。2016年"阿尔法狗"迎战李世石，成为第一个战胜围棋世界冠军的人工智能程序，2017年它再一次战胜世界排名第一的围棋选手柯洁，2017年10月，沙特阿拉伯授予美国汉森机器人公司生产的机器人索菲亚公民身份，这是历史上首个获得公民身份的机器人。人工智能领域的一系列新现象、新突破，引起了社会的广泛关注。
1、计算机人工智能技术的发展历程
1.1人工智能技术的萌芽
二战过后，西方认为社会需要新规范和制衡的介入，科学与技术以其理性的特点，迅速席卷了西方。与之前的实用主义思潮略有不同，此时的科学主义更加注重于细节与复杂性，系统论、信息论与控制论就是在这个时期诞生的。有了这些学科作为基础，复杂系统的构建成为了可能，许多专家都构造或设计了这样的系统，例如，Warren McCulloh与Walter Pitts的人工神经元模型、Marvin Minsky和Dean Edmonds的神经网络计算机等等。与下一个时期相比，这时期在理论上的贡献不大，更多是显示了构建“会思考”系统的可能性，不过阿兰﹒图灵提出的图灵测试、机器学习、遗传算法成为人工智能领域非常重要的理论基础。
1.2人工智能研究的兴起
1956年达特矛斯会议上首次确定了人工智能的名称和任务，这次会议标志着人工智能的诞生[2]。这个时期是人工智能的理论剧增与涉及领域范围不断扩大的时期。1956年，萨尔夫瑞德研制出第一个字符识别程序，开辟了模式识别这一新的领域。1957年，纽厄尔和西蒙等开始研究一种不依赖于具体领域的通用问题求解器。1963年，詹姆斯？斯拉格发表了一个符号积分程序SAINT，输入一个函数的表达式，该程序就能自动输出这个函数的积分表达式。过了4年后，他们研制出了达到专家级水准的符号积分运算升级版SIN。另外，在机器学习方面的西洋跳棋程序，编程语言方面的Lisp语言等都是在该时期被设计出来的[3]。尽管新的设计不断被作出，但大多研究都是在微观领域中的，单个程序所处的环境过于简单，也因此人工智能将在下一个时期碰到瓶颈。
1.3人工智能面临的困难
由于计算复杂性和指数爆炸，而当时计算机的内存和处理速度都十分有限，导致人工智能领域的很多实际问题都不能得到解决，加上人工智能技术中很多常识与推理、框架和资格问题迟迟难以得到解决，到了70年代，人工智能开始遭遇批评，随之而来的还有资金上的困难。比如，由于Marvin Minsky对感知器的激烈批评，联结主義（即神经网络）销声匿迹有十年之久。当时，很多的政府资助都被取消了，但这段时期也使研究者们重新审视人工智能的发展与各种可能性。尽管遭遇了种种困难，70年代后期人工智能在逻辑编程和常识推理等一些领域还是有所进展。
1.4人工智能技术的高速发展
80年代早期John Hopfield和David Rumelhart使联结主义重获新生， 专家系统开始在全世界的公司迅速流行起来，此时“知识处理”成为了人工智能研究的主流。到了上世纪九十年代后期，由于计算机运算能力的不断提高，以数据挖掘和商业诊断为主要代表的应用非常成功，使人工智能重回人们的视野。2006年，以 Geoffrey Hinton 为代表的研究人员发现了训练高层神经网络的有效算法。2012年，Geoffrey Hinton团队在ImageNet上首次使用深度学习技术完胜其它团队，让深度学习重新回到主流技术舞台。自此之后，随着以图形计算为代表的GPU在计算机视觉训练中替代原来的CPU，大大提升了计算性能，让原来需要几个月才能完成的训练缩短到几天或几个小时，加快了计算机视觉前期训练和推理的迭代周期，带来效率上的成倍提升。当硬件、算法、大数据这三个因素在各个领域的突破达到一定程度时，自然就带来了人工智能的大爆发。2016年3月，谷歌AlphoGo 以4：1击败韩国围棋冠军李世石就是三者结合的典型代表，人工智能从此进入大众视野，带领人工智能进入又一波高潮。此外，人工智能领域重新重视起了神经网络、控制论、统计学等学科，互联网及大数据的可获得性也加速了各类的研究，这些都使该领域更加全面。
2、主要国家人工智能的布局
人工智能是引领未来的战略性技术，世界主要发达国家把发展人工智能都作为提升其国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权，从而引领世界，引领潮流。
2.1美国
得益于政府的高度重视、雄厚的资金支持和人才技术的储备，美国对人工智能的研究一直处于世界领先地位。2015年以来，美国白宫科技政策办公室连续发布的《为人工智能的未来做好准备》、《国家人工智能研究和发展战略计划》和《人工智能、自动化与经济报告》3份重量级报告，详细阐述了人工智能的发展现状、规划、影响及具体举措，将人工智能上升到了国家战略层面，为美国人工智能的发展制定了宏伟计划和发展蓝图。以谷歌、微软、亚马逊、Facebook和IBM为首的五大巨头为代表从事人工智能技术研究的公司，也纷纷展开合作，实现了优势互补，进一步加快推进了人工智能的研究和推广。 2.2日本
受人口老龄化、劳动力短缺等社会问题的困扰，日本政府非常重视人工智能技术的产业发展，2016年6月，日本政府通过新版《日本再兴战略》，将人工智能技术视为第四次产业革命的核心。2017年3月日本召开人工智能技术战略会议，并发布政府“工程表”，以期通过人工智能的运用，实现生产、流通、医疗与护理等领域效率的大幅提高，推进超智能社会5.0建设。同时明确了三省的责任分担，要求三省共同召集相关会议，共同制订人工智能发展战略，建立相应的人工智能技术研发平台，实现计算机、软件、网络等基础设施及研发成果的实时共享。
2.3德国
20世纪70年代，德国政府在推行“改善劳动条件计划”中，规定有危险的岗位由机器人代替，为机器人的应用开启了初始市场。2012年，德国推行了以“智能工厂”为重心的“工业4.0计划”，工业机器人推动生产制造向灵活化和个性化方向转型。2015年9月联邦政府内阁通过了交通部提交的“自动与互联汽车”国家战略，以设备制造商和大学的紧密科研合作为特点，支持更高水平的自动驾驶大规模研发。
2.4中国
2016 年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年，打造人工智能基础资源与创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立，基础核心技术有所突破，总体技术和产业发展与国际同步，形成千亿级的人工智能市场应用规模。 2017年7月，国务院发布《新一代人工智能发展规划》，并提出三步走战略目标，最终实现人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。10月，党的十九大报告中明确写入了人工智能的相关内容。目前，国内的百度、阿里巴巴和腾讯等互联网巨头也加快布局人工智能产业，从而抢占未来市场的制高点。
3、计算机人工智能技术的应用
3.1医疗领域
医疗是目前人工智能各应用领域中发展相对较快的领域。2014年后，大量医疗人工智能创业公司纷纷成立，不少传统医疗相关企业也开始引入人工智能人才与技术。目前，人工智能技术在医疗领域的应用主要体现在三个方面。在医学影像诊断疾病方面，计算机通过图像识别技术对搜集到的图像进行预处理，再通过深度学习进行特征提取，从患者病历库以及其他医疗数据库搜索数据，最终提供诊断建议，弥补了传统医疗诊断中存在的缺陷及不足[3]。在药物开发方面主要体现在临床前和临床研究上。在临床前通过深度学习，在早期药物发现和研发技术中可以提高药物筛选效率。最近赛诺菲宣布与Exscientia 签订一项潜在价值为2.5亿欧元的合作交易，用于开发针对代谢疾病的双特异性小分子药物；在临床研究过程中，可以结合医院数据快速找到符合条件的受试病人。另一个重要的应用就是用于心脏外科、泌尿外科、妇科等相关的微创腹腔镜手术中的医疗机器人。仅在2016年11月这一个月中，中国大陆地区共完成达芬奇机器人手术2017例，手术台数世界领先。这一技术有效的缓解了医疗资源紧张的问题，同时也推动医疗信息化的发展。
3.2交通领域
日益成熟的人工智能技术正在助推无人驾驶的商业落地。今天，特斯拉和谷歌的自动驾驶汽车已经行驶在美国的道路上。在我国深圳，无人驾驶的公交车已经正在试运行。通过深度学习，人工智能还可以在缓解交通拥堵方面发挥重要的作用[4]。比较典型的案例就是杭州的“城市大脑”，城市数据大脑上线测试运行后，试点的22公里高架路平均延误降低15.3%，出行节省时间4.6分钟，地面主干路的平均延误降低了8.5%，出行节省时间1分钟，这些数据也许并不特别惊人，但在小范围试点范围内取得这样的数据变化也是非常不容易的。
3.3教育领域
人工智能技术在教育领域的应用主要是个性化学习和教育机器人。个性化学习就是通过收集和分析学生的学习数据，用人工智能勾勒出每个学生的学习方式和特点，然后自动调整教学内容、方式和节奏，使每个孩子都能得到最适合自己的教育。随着时间的推移，数据积累逐渐增多，人工智能也就越“聪明”，对学生学习的适应也就越精准，形成一种良性循环。目前，一些新兴的创新公司正在开发可以成为孩子的老师和朋友的机器人。机器人在听到孩子的问题之后，可以自動连接网络寻找答案，并且通过和孩子的交流逐渐学习和了解孩子的情绪和个性。机器人和孩子交流得越多，对孩子的了解就越深。目前，机器人能够流畅交流的话题还是相对有限，需要持续开发研究。
3.4金融领域
目前，人工智能在金融领域中的应用被越来越多的人认可，不仅因为它能进行数据分析，还因为其能满足金融业务要求，对金融业产生了积极的影响。一个典型的应用就是智能投资顾问，它依据不同的对象分为两类，分别针对普通客户和投资机构。对普通客户，智能投顾系统可以采集客户的经济收入情况、年龄、风险偏好等一系列指标，并通过机器学习来构建数学模型，为客户提供个性化的金融服务，具有更客观和可靠的优势。对投资机构，通过神经网络技术、机器深度学习，使计算机能够对市场上的大量金融数据加以分析整合，同时，综合分析企业上下游各个环节的相互关系和与其他公司竞争情况，主动发现风险，及时调整投资策略。此外，智能客服和生物识别也在各大金融场景中经常使用，前者广泛应用与各大金融理财APP和银行大堂中，后者主要用于手机银行、支付宝的指纹识别和银行内部金库、数据中心的虹膜识别中。
4、人工智能的发展趋势
人工智能的研究目标是认识与模拟人类智能行为。传统人工智能研究往往将研究重点集中于对人类单个智能品质如计算、推理、记忆、搜索及直觉等能力的研究与模拟。然而，由于人类智能行为是各种单个智能品质的综合体现，因此传统人工智能研究方法往往无法充分刻画或恰当模拟人类的智能行为。把人看作多种智能品质构成的有机整体—智能体，综合考察智能体的各种智能行为与特征，是当前人工智能研究者共同的愿望。近年来，以整体的观点研究智能体已经成为人工智能领域的研究热点，相应的理论与技术也已成功应用于机器人及其它各类工程实际问题中。另外，相关研究表明未来人工智能可能会向模糊处理、并行化和机器情感等方面发展。现阶段人工智能的推理功能已获突破，学习及联想机制正处研讨之中，下一步将模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能，情感是智能的高度体现，情感能力对于实现机器与人之间的自然交互将起着至关重要的作用。因此，人工智能领域进一步的突破可能是赋予机器情感能力[5]。
5、结束语
计算机人工智能技术从诞生到今日也就短短几十年的时间，但是它在社会发展中的很多领域已经显现出了巨大优势，可以预见的是，在不远的未来，计算机人工智能技术必然会得到更加广泛的应用。我们要把握人工智能技术的历史发展趋势，通过技术创新手段，努力解决该技术发展中遇到的各种难题，从而开辟出更为广阔的应用前景。
参考文献
[1] 李桂珍.计算机网络发展中的人工智能技术运用[J].微型电脑应用， 2018， 5： 73-75.
[2] 籍成章.计算机人工智能技术研究进展和应用分析[J].信息通信，2017， 5： 80-82.
[3] 郝梓淇.浅谈计算机人工智能技术应用及发展[J].电脑知识与技术，2017， 11： 203-204.
[4] 王健.刍议空中交通管理中人工智能技术的应用.科学与财富，2014， 5： 359-359.
[5] 张储祺.计算机人工智能技术的应用与发展[J].电子世界， 2017，2： 41-43.
关键词： 人工智能；计算机；应用
中图分类号：TP18 文献标识码：A
引言：计算机人工智能技术通过对人的意识、思维的信息过程进行模拟，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，其主要目标是模仿甚至超越人类的智能，被称为二十世纪七十年代以来世界三大尖端技术之一[1]。人工智能属于自然科学和社会科学的交叉，它所涉及到的学科领域十分广泛，主要包括计算机科学、信息论、数学和语言学等学科。2016年"阿尔法狗"迎战李世石，成为第一个战胜围棋世界冠军的人工智能程序，2017年它再一次战胜世界排名第一的围棋选手柯洁，2017年10月，沙特阿拉伯授予美国汉森机器人公司生产的机器人索菲亚公民身份，这是历史上首个获得公民身份的机器人。人工智能领域的一系列新现象、新突破，引起了社会的广泛关注。
1、计算机人工智能技术的发展历程
1.1人工智能技术的萌芽
二战过后，西方认为社会需要新规范和制衡的介入，科学与技术以其理性的特点，迅速席卷了西方。与之前的实用主义思潮略有不同，此时的科学主义更加注重于细节与复杂性，系统论、信息论与控制论就是在这个时期诞生的。有了这些学科作为基础，复杂系统的构建成为了可能，许多专家都构造或设计了这样的系统，例如，Warren McCulloh与Walter Pitts的人工神经元模型、Marvin Minsky和Dean Edmonds的神经网络计算机等等。与下一个时期相比，这时期在理论上的贡献不大，更多是显示了构建“会思考”系统的可能性，不过阿兰﹒图灵提出的图灵测试、机器学习、遗传算法成为人工智能领域非常重要的理论基础。
1.2人工智能研究的兴起
1956年达特矛斯会议上首次确定了人工智能的名称和任务，这次会议标志着人工智能的诞生[2]。这个时期是人工智能的理论剧增与涉及领域范围不断扩大的时期。1956年，萨尔夫瑞德研制出第一个字符识别程序，开辟了模式识别这一新的领域。1957年，纽厄尔和西蒙等开始研究一种不依赖于具体领域的通用问题求解器。1963年，詹姆斯？斯拉格发表了一个符号积分程序SAINT，输入一个函数的表达式，该程序就能自动输出这个函数的积分表达式。过了4年后，他们研制出了达到专家级水准的符号积分运算升级版SIN。另外，在机器学习方面的西洋跳棋程序，编程语言方面的Lisp语言等都是在该时期被设计出来的[3]。尽管新的设计不断被作出，但大多研究都是在微观领域中的，单个程序所处的环境过于简单，也因此人工智能将在下一个时期碰到瓶颈。
1.3人工智能面临的困难
由于计算复杂性和指数爆炸，而当时计算机的内存和处理速度都十分有限，导致人工智能领域的很多实际问题都不能得到解决，加上人工智能技术中很多常识与推理、框架和资格问题迟迟难以得到解决，到了70年代，人工智能开始遭遇批评，随之而来的还有资金上的困难。比如，由于Marvin Minsky对感知器的激烈批评，联结主義（即神经网络）销声匿迹有十年之久。当时，很多的政府资助都被取消了，但这段时期也使研究者们重新审视人工智能的发展与各种可能性。尽管遭遇了种种困难，70年代后期人工智能在逻辑编程和常识推理等一些领域还是有所进展。
1.4人工智能技术的高速发展
80年代早期John Hopfield和David Rumelhart使联结主义重获新生， 专家系统开始在全世界的公司迅速流行起来，此时“知识处理”成为了人工智能研究的主流。到了上世纪九十年代后期，由于计算机运算能力的不断提高，以数据挖掘和商业诊断为主要代表的应用非常成功，使人工智能重回人们的视野。2006年，以 Geoffrey Hinton 为代表的研究人员发现了训练高层神经网络的有效算法。2012年，Geoffrey Hinton团队在ImageNet上首次使用深度学习技术完胜其它团队，让深度学习重新回到主流技术舞台。自此之后，随着以图形计算为代表的GPU在计算机视觉训练中替代原来的CPU，大大提升了计算性能，让原来需要几个月才能完成的训练缩短到几天或几个小时，加快了计算机视觉前期训练和推理的迭代周期，带来效率上的成倍提升。当硬件、算法、大数据这三个因素在各个领域的突破达到一定程度时，自然就带来了人工智能的大爆发。2016年3月，谷歌AlphoGo 以4：1击败韩国围棋冠军李世石就是三者结合的典型代表，人工智能从此进入大众视野，带领人工智能进入又一波高潮。此外，人工智能领域重新重视起了神经网络、控制论、统计学等学科，互联网及大数据的可获得性也加速了各类的研究，这些都使该领域更加全面。
2、主要国家人工智能的布局
人工智能是引领未来的战略性技术，世界主要发达国家把发展人工智能都作为提升其国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权，从而引领世界，引领潮流。
2.1美国
得益于政府的高度重视、雄厚的资金支持和人才技术的储备，美国对人工智能的研究一直处于世界领先地位。2015年以来，美国白宫科技政策办公室连续发布的《为人工智能的未来做好准备》、《国家人工智能研究和发展战略计划》和《人工智能、自动化与经济报告》3份重量级报告，详细阐述了人工智能的发展现状、规划、影响及具体举措，将人工智能上升到了国家战略层面，为美国人工智能的发展制定了宏伟计划和发展蓝图。以谷歌、微软、亚马逊、Facebook和IBM为首的五大巨头为代表从事人工智能技术研究的公司，也纷纷展开合作，实现了优势互补，进一步加快推进了人工智能的研究和推广。 2.2日本
受人口老龄化、劳动力短缺等社会问题的困扰，日本政府非常重视人工智能技术的产业发展，2016年6月，日本政府通过新版《日本再兴战略》，将人工智能技术视为第四次产业革命的核心。2017年3月日本召开人工智能技术战略会议，并发布政府“工程表”，以期通过人工智能的运用，实现生产、流通、医疗与护理等领域效率的大幅提高，推进超智能社会5.0建设。同时明确了三省的责任分担，要求三省共同召集相关会议，共同制订人工智能发展战略，建立相应的人工智能技术研发平台，实现计算机、软件、网络等基础设施及研发成果的实时共享。
2.3德国
20世纪70年代，德国政府在推行“改善劳动条件计划”中，规定有危险的岗位由机器人代替，为机器人的应用开启了初始市场。2012年，德国推行了以“智能工厂”为重心的“工业4.0计划”，工业机器人推动生产制造向灵活化和个性化方向转型。2015年9月联邦政府内阁通过了交通部提交的“自动与互联汽车”国家战略，以设备制造商和大学的紧密科研合作为特点，支持更高水平的自动驾驶大规模研发。
2.4中国
2016 年5月，发改委在《“互联网+”人工智能三年行动实施方案》中明确提出，到2018年，打造人工智能基础资源与创新平台，人工智能产业体系、创新服务体系、标准化体系基本建立，基础核心技术有所突破，总体技术和产业发展与国际同步，形成千亿级的人工智能市场应用规模。 2017年7月，国务院发布《新一代人工智能发展规划》，并提出三步走战略目标，最终实现人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。10月，党的十九大报告中明确写入了人工智能的相关内容。目前，国内的百度、阿里巴巴和腾讯等互联网巨头也加快布局人工智能产业，从而抢占未来市场的制高点。
3、计算机人工智能技术的应用
3.1医疗领域
医疗是目前人工智能各应用领域中发展相对较快的领域。2014年后，大量医疗人工智能创业公司纷纷成立，不少传统医疗相关企业也开始引入人工智能人才与技术。目前，人工智能技术在医疗领域的应用主要体现在三个方面。在医学影像诊断疾病方面，计算机通过图像识别技术对搜集到的图像进行预处理，再通过深度学习进行特征提取，从患者病历库以及其他医疗数据库搜索数据，最终提供诊断建议，弥补了传统医疗诊断中存在的缺陷及不足[3]。在药物开发方面主要体现在临床前和临床研究上。在临床前通过深度学习，在早期药物发现和研发技术中可以提高药物筛选效率。最近赛诺菲宣布与Exscientia 签订一项潜在价值为2.5亿欧元的合作交易，用于开发针对代谢疾病的双特异性小分子药物；在临床研究过程中，可以结合医院数据快速找到符合条件的受试病人。另一个重要的应用就是用于心脏外科、泌尿外科、妇科等相关的微创腹腔镜手术中的医疗机器人。仅在2016年11月这一个月中，中国大陆地区共完成达芬奇机器人手术2017例，手术台数世界领先。这一技术有效的缓解了医疗资源紧张的问题，同时也推动医疗信息化的发展。
3.2交通领域
日益成熟的人工智能技术正在助推无人驾驶的商业落地。今天，特斯拉和谷歌的自动驾驶汽车已经行驶在美国的道路上。在我国深圳，无人驾驶的公交车已经正在试运行。通过深度学习，人工智能还可以在缓解交通拥堵方面发挥重要的作用[4]。比较典型的案例就是杭州的“城市大脑”，城市数据大脑上线测试运行后，试点的22公里高架路平均延误降低15.3%，出行节省时间4.6分钟，地面主干路的平均延误降低了8.5%，出行节省时间1分钟，这些数据也许并不特别惊人，但在小范围试点范围内取得这样的数据变化也是非常不容易的。
3.3教育领域
人工智能技术在教育领域的应用主要是个性化学习和教育机器人。个性化学习就是通过收集和分析学生的学习数据，用人工智能勾勒出每个学生的学习方式和特点，然后自动调整教学内容、方式和节奏，使每个孩子都能得到最适合自己的教育。随着时间的推移，数据积累逐渐增多，人工智能也就越“聪明”，对学生学习的适应也就越精准，形成一种良性循环。目前，一些新兴的创新公司正在开发可以成为孩子的老师和朋友的机器人。机器人在听到孩子的问题之后，可以自動连接网络寻找答案，并且通过和孩子的交流逐渐学习和了解孩子的情绪和个性。机器人和孩子交流得越多，对孩子的了解就越深。目前，机器人能够流畅交流的话题还是相对有限，需要持续开发研究。
3.4金融领域
目前，人工智能在金融领域中的应用被越来越多的人认可，不仅因为它能进行数据分析，还因为其能满足金融业务要求，对金融业产生了积极的影响。一个典型的应用就是智能投资顾问，它依据不同的对象分为两类，分别针对普通客户和投资机构。对普通客户，智能投顾系统可以采集客户的经济收入情况、年龄、风险偏好等一系列指标，并通过机器学习来构建数学模型，为客户提供个性化的金融服务，具有更客观和可靠的优势。对投资机构，通过神经网络技术、机器深度学习，使计算机能够对市场上的大量金融数据加以分析整合，同时，综合分析企业上下游各个环节的相互关系和与其他公司竞争情况，主动发现风险，及时调整投资策略。此外，智能客服和生物识别也在各大金融场景中经常使用，前者广泛应用与各大金融理财APP和银行大堂中，后者主要用于手机银行、支付宝的指纹识别和银行内部金库、数据中心的虹膜识别中。
4、人工智能的发展趋势
人工智能的研究目标是认识与模拟人类智能行为。传统人工智能研究往往将研究重点集中于对人类单个智能品质如计算、推理、记忆、搜索及直觉等能力的研究与模拟。然而，由于人类智能行为是各种单个智能品质的综合体现，因此传统人工智能研究方法往往无法充分刻画或恰当模拟人类的智能行为。把人看作多种智能品质构成的有机整体—智能体，综合考察智能体的各种智能行为与特征，是当前人工智能研究者共同的愿望。近年来，以整体的观点研究智能体已经成为人工智能领域的研究热点，相应的理论与技术也已成功应用于机器人及其它各类工程实际问题中。另外，相关研究表明未来人工智能可能会向模糊处理、并行化和机器情感等方面发展。现阶段人工智能的推理功能已获突破，学习及联想机制正处研讨之中，下一步将模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能，情感是智能的高度体现，情感能力对于实现机器与人之间的自然交互将起着至关重要的作用。因此，人工智能领域进一步的突破可能是赋予机器情感能力[5]。
5、结束语
计算机人工智能技术从诞生到今日也就短短几十年的时间，但是它在社会发展中的很多领域已经显现出了巨大优势，可以预见的是，在不远的未来，计算机人工智能技术必然会得到更加广泛的应用。我们要把握人工智能技术的历史发展趋势，通过技术创新手段，努力解决该技术发展中遇到的各种难题，从而开辟出更为广阔的应用前景。
参考文献
[1] 李桂珍.计算机网络发展中的人工智能技术运用[J].微型电脑应用， 2018， 5： 73-75.
[2] 籍成章.计算机人工智能技术研究进展和应用分析[J].信息通信，2017， 5： 80-82.
[3] 郝梓淇.浅谈计算机人工智能技术应用及发展[J].电脑知识与技术，2017， 11： 203-204.
[4] 王健.刍议空中交通管理中人工智能技术的应用.科学与财富，2014， 5： 359-359.
[5] 张储祺.计算机人工智能技术的应用与发展[J].电子世界， 2017，2： 41-43.