淺論人工智能發(fā)展及其在學(xué)習(xí)中的應(yīng)用

王 潛

淺論人工智能發(fā)展及其在學(xué)習(xí)中的應(yīng)用

王 潛

（石油化工管理干部學(xué)院，北京 100012)

人工智能是人類(lèi)的夢(mèng)想，在幾十年的歷程后迎來(lái)了熱潮，諸如AlphaGo圍棋人機(jī)大戰(zhàn)的出現(xiàn)使人們不得不把視線重新聚集在人工智能上，它能否達(dá)到人類(lèi)水平，沿著怎樣的技術(shù)途徑前進(jìn)仍然是人們關(guān)注的焦點(diǎn)和發(fā)展方向。

人工智能；神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；機(jī)器學(xué)習(xí)

科技蘊(yùn)含著巨大的顛覆能力。在過(guò)去的60年里，人類(lèi)在人工智能（Artificial Intelligence,AI）領(lǐng)域的發(fā)展越來(lái)越快，雖然處于起步階段，但是它的出現(xiàn)挑戰(zhàn)了人類(lèi)傳統(tǒng)的思維模式和觀念，正在逐漸改變?nèi)藗兊纳罘绞健W(xué)習(xí)方式和工作方式。人工智能是一門(mén)使用計(jì)算機(jī)來(lái)模仿人類(lèi)智能行為的學(xué)科，仿照人類(lèi)大腦的神經(jīng)網(wǎng)絡(luò)架構(gòu)使計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)，進(jìn)行監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。近年來(lái)，人工智能在深度學(xué)習(xí)和機(jī)器學(xué)習(xí)方面提升了數(shù)據(jù)的利用價(jià)值。

我國(guó)擁有海量的數(shù)據(jù)，國(guó)家已經(jīng)把人工智能上升為國(guó)家戰(zhàn)略，相繼頒布許多支持性政策。2015年7月，國(guó)務(wù)院發(fā)布《關(guān)于積極推動(dòng)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》，將互聯(lián)網(wǎng)+人工智能列為11項(xiàng)重點(diǎn)行動(dòng)之一。2016年5月，國(guó)家發(fā)展和改革委員會(huì)等多部委發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》，提出到2018年“形成千億級(jí)的人工智能市場(chǎng)應(yīng)用規(guī)模”。2017年，全國(guó)兩會(huì)《政府工作報(bào)告》中，李克強(qiáng)總理提出“全面實(shí)施戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃，加快新材料、

人工智能等技術(shù)研發(fā)和轉(zhuǎn)化”。2017年7月，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確提出中國(guó)人工智能“三步走”，在技術(shù)標(biāo)準(zhǔn)、服務(wù)體系、產(chǎn)業(yè)生態(tài)鏈、智能制造、智能醫(yī)療、國(guó)防建設(shè)等領(lǐng)域形成涵蓋核心技術(shù)、關(guān)鍵系統(tǒng)、支撐平臺(tái)及智能應(yīng)用的完備產(chǎn)業(yè)鏈。在人工智能的研發(fā)上投入大量的資金，并且開(kāi)放共享一些開(kāi)源的深度學(xué)習(xí)引擎和平臺(tái)，為國(guó)內(nèi)的人工智能創(chuàng)造了良好環(huán)境。

1 人工智能發(fā)展概述

回首1956年在美國(guó)達(dá)特茅斯大會(huì)提出的人工智能，至今已有60多個(gè)春秋。在此期間，人工智能的發(fā)展進(jìn)程從初期的淺層神經(jīng)網(wǎng)絡(luò)逐漸演變?yōu)橄蚋叨戎腔郯l(fā)展。1943年，邏輯學(xué)家Walter Pitts和神經(jīng)科學(xué)家McCulbch創(chuàng)造第一個(gè)神經(jīng)網(wǎng)絡(luò)教學(xué)模型，至今仍然是標(biāo)準(zhǔn)模型。20世紀(jì)50年代，人們開(kāi)始注意到人工智能與機(jī)器之間的聯(lián)系。1955年，第一個(gè)AI程序“邏輯專(zhuān)家”（Logic Theorist）誕生；1956年，美國(guó)達(dá)特茅斯學(xué)院召開(kāi)人工智能研討會(huì)催生人工智能革命成為現(xiàn)代人工智能研究的起源；1957年，美國(guó)計(jì)算機(jī)科學(xué)家羅森布拉特提出感知概念，成為最早的人工神經(jīng)網(wǎng)絡(luò)。人們?yōu)槿斯ぶ悄軞g欣鼓舞的時(shí)候，70年代迎來(lái)了人工智能的第一個(gè)低潮期，根據(jù)1973年《萊特希爾報(bào)告》出具的詳實(shí)數(shù)據(jù)說(shuō)明，幾乎所有的人工智能研究均未能達(dá)到預(yù)期的發(fā)展水平，這種情況一直持續(xù)到80年代第五代計(jì)算機(jī)研制成功，人工智能才得以進(jìn)一步發(fā)展，在已有的單層感知基礎(chǔ)上提出誤差反向傳播算法和多層神經(jīng)網(wǎng)絡(luò)模型。隨著個(gè)人計(jì)算機(jī)在1987年至1993年全面推廣和普及，人工智能專(zhuān)家系統(tǒng)（Symbolics和Lips等）擁有的光環(huán)在逐漸消退，直到互聯(lián)網(wǎng)逐步走向成熟發(fā)展和數(shù)據(jù)概念的出現(xiàn)，又一次迎來(lái)人工智能的高潮期。

人工智能的歷史進(jìn)程大致可以概述為以下幾個(gè)階段：①20世紀(jì)40年代首個(gè)神經(jīng)網(wǎng)絡(luò)數(shù)字模型誕生；②20世紀(jì)50年代第一個(gè)人工智能程序誕生，成為AI發(fā)展史上的里程碑；③20世紀(jì)60年代提出的淺層神經(jīng)網(wǎng)絡(luò)；④20世紀(jì)60年代至70年代出現(xiàn)的反向傳播；⑤1974年至1980年人工智能第一次遭遇寒流；⑥20世紀(jì)80年代出現(xiàn)卷積的概念；⑦1987年至1993年人工智能第二次遭遇寒流；⑧20世紀(jì)90年代無(wú)監(jiān)督學(xué)習(xí)的誕生；⑨20世紀(jì)90年代至21世紀(jì)向著無(wú)監(jiān)督學(xué)習(xí)發(fā)展。

2 人工智能案例與窘境

2.1 人工智能應(yīng)用案例

案例一，圍棋人機(jī)大戰(zhàn)。棋類(lèi)游戲是人工智能研究的重要領(lǐng)域之一。2015年10月，谷歌（Google）旗下的Deep Mind公司研發(fā)的圍棋對(duì)弈專(zhuān)家系統(tǒng)“阿爾法狗”（AlphaGo）擊敗歐洲圍棋冠軍樊麾二段。2016年3月，與圍棋世界冠軍職業(yè)九段棋手李世石進(jìn)行的圍棋人機(jī)大戰(zhàn)不可謂不震撼人心，最終阿爾法狗以4比1的總分取得勝利。繼而在2016年末2017年初，又以“大師”（Master）的身份與中日韓數(shù)十位圍棋高手對(duì)弈，60局全勝的戰(zhàn)績(jī)讓人側(cè)目。2017年5月，再次挑戰(zhàn)當(dāng)今圍棋界世界排名第一的冠軍柯潔以3比0的總分獲勝。其中一個(gè)場(chǎng)景讓人記憶猶新，在與一位知名棋手對(duì)戰(zhàn)中，AlphaGo啟用了圍棋中被視為壞棋的“九餅疑形”，結(jié)果是AlphaGo輕松擊敗這位有著65年棋齡的圍棋九段。圍棋界幾百年積累的定式被一次次挑戰(zhàn)。多次挑戰(zhàn)之后，我們不得不重新審視人工智能的存在，它顛覆了人類(lèi)傳統(tǒng)的知識(shí)獲取途徑和經(jīng)驗(yàn)積累。

案例二，機(jī)器新聞寫(xiě)作。通過(guò)智能化將傳媒內(nèi)容生產(chǎn)范式從媒體精英的內(nèi)容產(chǎn)出和用戶(hù)生產(chǎn)內(nèi)容轉(zhuǎn)換為算法生成內(nèi)容。寫(xiě)稿機(jī)器人在逐步進(jìn)入傳統(tǒng)傳媒企業(yè)，2006年，機(jī)器新聞寫(xiě)作被引入諸多知名媒體，如《紐約時(shí)報(bào)》《華盛頓時(shí)報(bào)》《衛(wèi)報(bào)》等扮演傳媒角色，分擔(dān)傳媒工作流程，批量審查自動(dòng)生成的日常新聞寫(xiě)作稿件。機(jī)器新聞寫(xiě)作具有24小時(shí)持續(xù)工作，抓取數(shù)據(jù)、挖掘數(shù)據(jù)、分析數(shù)據(jù)、套用模板、生成稿件的整體性、精確性、高效性、真實(shí)性的特點(diǎn)，可以用秒計(jì)算生成一篇篇新聞報(bào)道，在突發(fā)性新聞寫(xiě)作中也同樣以高效扮演著重要角色，最終生成稿件交由人工把關(guān)。這預(yù)示著人機(jī)協(xié)同將成為未來(lái)傳媒生產(chǎn)的主流模式和未來(lái)的擴(kuò)展方向。

案例三，無(wú)人駕駛汽車(chē)。隨著計(jì)算機(jī)處理能力的進(jìn)步與深度學(xué)習(xí)算法的改進(jìn)，機(jī)器不僅在邏輯和對(duì)弈能力上得到增強(qiáng)，而且具備了基本的決策和反饋能力，人們也不再滿(mǎn)足于航空領(lǐng)域的飛機(jī)無(wú)人駕駛技術(shù)，著手研發(fā)期盼已久的無(wú)人駕駛汽車(chē)。科隆經(jīng)濟(jì)研究所對(duì)近年來(lái)幾千個(gè)專(zhuān)利進(jìn)行分析，結(jié)果顯示在無(wú)人駕駛汽車(chē)研發(fā)過(guò)程中，傳統(tǒng)的汽車(chē)廠商和零配件供應(yīng)商在無(wú)人駕駛汽車(chē)的專(zhuān)利遠(yuǎn)遠(yuǎn)超過(guò)科技巨頭公司。以寶馬集團(tuán)為例，采用英特爾研發(fā)的人工智能負(fù)載FPGA+CPU的混合架構(gòu)、Mobileye的汽車(chē)級(jí)計(jì)算機(jī)視覺(jué)技術(shù)、德?tīng)柛５臒o(wú)人駕駛專(zhuān)業(yè)技術(shù)支持復(fù)雜的人工智能算法，計(jì)劃在21世紀(jì)20年代初期對(duì)無(wú)人駕駛汽車(chē)進(jìn)行量產(chǎn)。其它科技公司，如Google公司，在無(wú)人駕駛汽車(chē)研發(fā)道路上通過(guò)各種傳感器對(duì)周邊環(huán)境進(jìn)行感知，利用采集的信息和數(shù)據(jù)進(jìn)行決策和積極有益的嘗試。

除了上述三個(gè)具有代表性的人工智能領(lǐng)域以外，我們熟知的人工智能產(chǎn)品還包括蘋(píng)果聲控私人助手Siri，亞馬遜Alexa智能家居中心，Pandora（潘多拉）電臺(tái)的音頻流媒體服務(wù)，等等。從以上的案例可以看出，人工智能在深度學(xué)習(xí)中運(yùn)用算法的創(chuàng)新實(shí)現(xiàn)了很多軟件功能，它們對(duì)人工智能的運(yùn)用是通過(guò)信息和數(shù)據(jù)的利用提升自身的技能和可用性。

2.2 人工智能窘境

人力智能處于一個(gè)最好的發(fā)展機(jī)遇期，也將不得不面臨很多挑戰(zhàn)和尷尬。在各大科技巨頭紛紛搶灘布局人工智能，在人才、技術(shù)、兼并收購(gòu)中，緊隨著的是資本熱捧和概念營(yíng)銷(xiāo)。一是資本市場(chǎng)，有風(fēng)投數(shù)據(jù)顯示，至2016年第三季度，全球人工智能創(chuàng)業(yè)公司數(shù)量已新增為1287個(gè)，其中獲得投資85個(gè)，投資金額近500億人民幣；中國(guó)人工智能創(chuàng)業(yè)公司235個(gè)，獲得投資65個(gè)，投資金額高達(dá)29億人民幣。作為一個(gè)技術(shù)門(mén)檻相對(duì)較高的技術(shù)，全球每10.9個(gè)小時(shí)誕生一個(gè)人工智能企業(yè)，如此快速的增長(zhǎng)，背后的焦慮與不安耐人尋味。二是技術(shù)引領(lǐng)創(chuàng)新，偽智能產(chǎn)品的出現(xiàn)層出不窮，配以較為簡(jiǎn)單的聯(lián)網(wǎng)和搜索功能，標(biāo)榜著大數(shù)據(jù)、深度學(xué)習(xí)、遷移學(xué)習(xí)等熱門(mén)詞語(yǔ)進(jìn)入商品流通環(huán)節(jié)，導(dǎo)致普通用戶(hù)對(duì)人工智能產(chǎn)生誤解和混淆，對(duì)人工智能產(chǎn)業(yè)造成傷害及負(fù)面影響。三是商業(yè)模式的構(gòu)建，很多國(guó)內(nèi)外企業(yè)對(duì)待商業(yè)模式尚處于產(chǎn)業(yè)化布局和投入階段，有些企業(yè)缺乏清晰盈利模式的支持，還不能有效利用數(shù)據(jù)資源設(shè)計(jì)產(chǎn)品與服務(wù)客戶(hù)使其產(chǎn)生商業(yè)價(jià)值，投資人不敢增資和資金注入。四是價(jià)值高估，盡管人工智能處于技術(shù)工具階段，還未實(shí)現(xiàn)產(chǎn)業(yè)融合與營(yíng)收目標(biāo)，但是很多人工智能創(chuàng)業(yè)公司在產(chǎn)業(yè)和產(chǎn)品毫無(wú)頭緒的情況下，或處在弱人工智能階段，持樂(lè)觀態(tài)度對(duì)此估值卻在不斷攀升。

3 人工智能與學(xué)習(xí)技術(shù)

3.1 人工智能深度學(xué)習(xí)

人工智能分為弱人工智能和強(qiáng)人工智能，深度學(xué)習(xí)是人工智能的最新演進(jìn)，屬于人工智能的一個(gè)學(xué)習(xí)技術(shù)方向，曾被稱(chēng)為2013年十大突破性技術(shù)，視為實(shí)現(xiàn)強(qiáng)人工智能的突破口。深度學(xué)習(xí)出現(xiàn)以前人們關(guān)注的是機(jī)器學(xué)習(xí)，它包括特征感知、圖像預(yù)處理、特征提取、特征篩選、預(yù)測(cè)與識(shí)別等五個(gè)特征，但在研究的道路上不斷遇到尷尬，主要表現(xiàn)在算法中的誤差反向傳播隨著隱層增加而減弱，無(wú)法提供海量標(biāo)識(shí)數(shù)據(jù)導(dǎo)致過(guò)度復(fù)雜，多隱層結(jié)構(gòu)參數(shù)、海量數(shù)據(jù)產(chǎn)生的計(jì)算資源浪費(fèi)等因素。在不斷的嘗試中，有人在機(jī)器學(xué)習(xí)的基礎(chǔ)上提出多層神經(jīng)網(wǎng)絡(luò)，采用相似的分層結(jié)構(gòu)，但在訓(xùn)練方式上采用無(wú)監(jiān)督的方法對(duì)各個(gè)網(wǎng)絡(luò)進(jìn)行逐層訓(xùn)練和誤差訓(xùn)練，之后引入標(biāo)識(shí)樣本通過(guò)監(jiān)督訓(xùn)練進(jìn)行微調(diào)。深度學(xué)習(xí)在一些領(lǐng)域已經(jīng)開(kāi)展相關(guān)應(yīng)用。

一是語(yǔ)音識(shí)別。通過(guò)運(yùn)行神經(jīng)網(wǎng)絡(luò)處理音素進(jìn)行識(shí)別工作，其在引入深度學(xué)習(xí)后，識(shí)別錯(cuò)誤率大大降低，識(shí)別技術(shù)已經(jīng)達(dá)到商業(yè)水平。國(guó)內(nèi)語(yǔ)音識(shí)別算法成熟的公司將產(chǎn)品廣泛應(yīng)用在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能家居等國(guó)防和民用領(lǐng)域。科大訊飛就是其中的先行者之一。

二是腦型芯片。人工智能深度學(xué)習(xí)的腦型芯片采用對(duì)連續(xù)模擬信號(hào)進(jìn)行直接處理的方式對(duì)海量數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，能耗約占傳統(tǒng)數(shù)字化處理芯片的千分之一。在1W功率環(huán)境下，每秒的計(jì)算速度達(dá)到48.5萬(wàn)億次，并將在幾年內(nèi)投入正式環(huán)境使用。

人工智能深度學(xué)習(xí)對(duì)訓(xùn)練集誤差、人類(lèi)誤差、測(cè)試集誤差值及三者間關(guān)系的處理策略仍然處在探索研究的過(guò)程中，需要考慮非統(tǒng)一化數(shù)據(jù)存在的因素，已使用的是帶標(biāo)簽的完備數(shù)據(jù)。當(dāng)今人們提出了監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)的概念，廣泛得到應(yīng)用的是監(jiān)督學(xué)習(xí)，其通過(guò)已有訓(xùn)練樣本進(jìn)行訓(xùn)練，從而得到一個(gè)最優(yōu)模型，然后將全部數(shù)據(jù)樣本映射為相應(yīng)的輸出結(jié)果，并對(duì)輸出結(jié)果，即已知數(shù)據(jù)和未知數(shù)據(jù)進(jìn)行分類(lèi)。無(wú)監(jiān)督學(xué)習(xí)隨著計(jì)算機(jī)軟硬件的快速發(fā)展不斷優(yōu)化算法，它與監(jiān)督學(xué)習(xí)最明顯的區(qū)別在于沒(méi)有任何訓(xùn)練數(shù)據(jù)樣本，直接對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)和建模。深度學(xué)習(xí)就是基于有教學(xué)值的監(jiān)督學(xué)習(xí)和無(wú)教學(xué)值的無(wú)監(jiān)督學(xué)習(xí)算法的一個(gè)框架，其將隨著深度神經(jīng)網(wǎng)絡(luò)的開(kāi)發(fā)加速發(fā)展。后兩者尚處于起步階段，目前人工智能深度學(xué)習(xí)的應(yīng)用主要焦點(diǎn)集中在監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。

3.2 人工智能+教育

人工智能正在逐步應(yīng)用到教育領(lǐng)域中。以一個(gè)名為“知識(shí)空間估測(cè)與學(xué)習(xí)”（Assessment and Learning in Knowledge Spaces, ALEKS）的機(jī)器學(xué)習(xí)軟件為例，該軟件以測(cè)試的方式對(duì)參與學(xué)員將要學(xué)習(xí)的內(nèi)容掌握情況進(jìn)行摸底，之后由人工智能軟件評(píng)估每個(gè)學(xué)員學(xué)習(xí)中掌握的情況進(jìn)行教學(xué)設(shè)置。它能夠自動(dòng)分析回答問(wèn)題的行為，進(jìn)而判斷學(xué)員掌握知識(shí)的程度，并從內(nèi)容庫(kù)中推薦相關(guān)學(xué)習(xí)內(nèi)容。當(dāng)學(xué)員完成學(xué)習(xí)后將進(jìn)入測(cè)試系統(tǒng)，成績(jī)合格者進(jìn)入不同級(jí)別的選項(xiàng)學(xué)習(xí)繼續(xù)深入學(xué)習(xí)。在整個(gè)學(xué)習(xí)過(guò)程中，軟件記錄下每個(gè)學(xué)員的正確率和使用時(shí)間，授課教師可以提取集中的問(wèn)題進(jìn)行分類(lèi)教學(xué)。利用人工智能教學(xué)軟件能夠?qū)Σ煌降膶W(xué)員進(jìn)行教學(xué)設(shè)置，授課教師可以對(duì)學(xué)員學(xué)習(xí)情況進(jìn)行有效跟蹤，分組織分類(lèi)教學(xué)，解決傳統(tǒng)課堂中教師授課進(jìn)度適合理解能力與授課進(jìn)度相近的中等水平學(xué)員學(xué)習(xí)但不利于其他水平學(xué)員學(xué)習(xí)的情況。ALEKS能夠在復(fù)雜知識(shí)領(lǐng)域通過(guò)課件內(nèi)容和評(píng)估結(jié)果進(jìn)行自調(diào)整承擔(dān)授課教師的輔助教學(xué)。人工智能的嵌入提高了語(yǔ)言技術(shù)識(shí)別能力，提升了處理機(jī)制，使教學(xué)式機(jī)器向著自適性軟件發(fā)展。

一些國(guó)家已經(jīng)將編程融入到K12教育中。2013年英國(guó)改革中小學(xué)教學(xué)大綱，要求自2014年起使用新修訂的教學(xué)大綱，將計(jì)算機(jī)科學(xué)列為基礎(chǔ)必修課程，接受編程課程教育的孩子超過(guò)9.31%。2016年初美國(guó)前總統(tǒng)奧巴馬曾經(jīng)投入40億美元用于美國(guó)青少年提高編程能力的課程學(xué)習(xí)，在此期間接受編程教育的適齡孩子達(dá)到67.5%。2016年6月，國(guó)內(nèi)教育部印發(fā)《教育信息化“十三五”規(guī)劃》，將信息化教學(xué)納入學(xué)校辦學(xué)水平考評(píng)體系。2017年1月，對(duì)《義務(wù)教育小學(xué)科學(xué)課程標(biāo)準(zhǔn)》進(jìn)行修訂完善，接受少兒編程教學(xué)的孩子約為0.96%。2017年7月，國(guó)務(wù)院《新一代人工智能發(fā)展規(guī)劃》第五條保障措施中第六條明確指出：“廣泛開(kāi)展人工智能科普活動(dòng)，在中小學(xué)階段設(shè)置人工智能相關(guān)課程，逐步推廣編程教育，鼓勵(lì)社會(huì)力量參與編程教學(xué)軟件、游戲開(kāi)發(fā)和推廣。”

4 結(jié)論及建議

人工智能逐漸成為“寵兒”，是否在將來(lái)再次遭遇寒流尚未可知，有識(shí)之士就當(dāng)前研究的焦點(diǎn)集中于深度學(xué)習(xí)提出質(zhì)疑，表示憂(yōu)慮。因?yàn)樯疃葘W(xué)習(xí)只是人工智能領(lǐng)域機(jī)器學(xué)習(xí)方向的一種方法，存在時(shí)代的局限性。不可否認(rèn)的是人工智能在走進(jìn)我們的生活，盡管人工智能的分類(lèi)和預(yù)測(cè)能力并不完美，但其在非監(jiān)督學(xué)習(xí)下正在逐步形成自主思考、推理和探究的能力。

當(dāng)前人工智能出現(xiàn)了不少的應(yīng)用，但仍然處于產(chǎn)業(yè)化應(yīng)用初期，投入產(chǎn)出比和應(yīng)用場(chǎng)景離預(yù)期目標(biāo)存在較大差距，還是一個(gè)有待持續(xù)探索的領(lǐng)域。隨著人工智能技術(shù)創(chuàng)新、商業(yè)模式的創(chuàng)新將優(yōu)化決策能力提上了議程，人們不再滿(mǎn)足于已有的云端、服務(wù)器、GPU部署的人工智能，著手研發(fā)更能夠適應(yīng)場(chǎng)景環(huán)境下的嵌入式人工智能，把軟硬件有效結(jié)合，重新定義處理器架構(gòu)，把想法與產(chǎn)品相互關(guān)聯(lián)。算法創(chuàng)新與基于市場(chǎng)需求的應(yīng)用場(chǎng)景的突破將是決定人工智能開(kāi)創(chuàng)新時(shí)代的關(guān)鍵。人工智能也在影響著教育行業(yè)，為教育與教學(xué)的創(chuàng)新發(fā)展提供更多的發(fā)展機(jī)遇，不僅促進(jìn)教育的發(fā)展和變革，還伴隨著商業(yè)力量加速教育現(xiàn)代化的進(jìn)程，教育產(chǎn)業(yè)信息化、智能化的趨勢(shì)日趨顯現(xiàn)出來(lái)。人工智能資源發(fā)布與利用、設(shè)計(jì)與部署、定義與框架、拓展與融合等問(wèn)題都值得我們進(jìn)一步思考和完善，它將凸顯人類(lèi)智能的機(jī)器化，影響著人類(lèi)的行為和思維。

[1] 國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J]. 中國(guó)信息化, 2017, (08): 12-13.

[2] 房曉楠.深度學(xué)習(xí)進(jìn)化編年史: 一路走來(lái),幾十年的風(fēng)風(fēng)雨雨 [J]. 機(jī)器人產(chǎn)業(yè), 2017(4): 102-110.

[3] 喻國(guó)明;劉瑞一;武叢偉. 新聞人的價(jià)值位移與人機(jī)協(xié)同的未來(lái)趨勢(shì)——試論機(jī)器新聞寫(xiě)作對(duì)于新聞生產(chǎn)模式的再造效應(yīng)[J]. 新聞知識(shí), 2017(2): 3-6.

[4] 英特爾公司. 從人機(jī)大戰(zhàn)看誰(shuí)將贏得無(wú)人駕駛 [J]. 軟件和集成電路, 2017(6): 5-6.

[5] “烏鎮(zhèn)指數(shù)”展示全球人工智能發(fā)展態(tài)勢(shì)中國(guó)或彎道超車(chē) [J]. 今日科技,2016(11): 24.

[6] 王瑩. 人工智能的進(jìn)展及發(fā)展建議 [J].電子產(chǎn)品世界,2017(C1): 23-26.

[7] 朱夢(mèng)培. 尷尬的人工智能 [J]. 信息技術(shù)與信息化,2017(C1): 5-7.

[8] 賀倩. 人工智能技術(shù)在移動(dòng)互聯(lián)網(wǎng)發(fā)展中的應(yīng)用 [J].電信網(wǎng)技術(shù), 2017(2): 1-4.

[9] 李軼南;張雄偉;李治中;吳海佳;孫久皓. 第1講 深度學(xué)習(xí):開(kāi)啟人工智能的新紀(jì)元 [J]. 軍事通信技術(shù),2015(4): 88-95.

[10] 科技部. 日本開(kāi)發(fā)出用于人工智能深度學(xué)習(xí)的腦型芯片 [J]. 軍民兩用技術(shù)與產(chǎn)品, 2017(1): 25.

[11] 羅伯特·E·艾文森;李婕. 數(shù)字時(shí)代的教育出版 [J].出版科學(xué), 2007(1): 8-12.

[12] 盧蓓蓉;尹佳;高守林;金凱;廖媛;任友群. 計(jì)算機(jī)科學(xué)教育:人人享有的機(jī)會(huì)——美國(guó)《K-12計(jì)算機(jī)科學(xué)框架》的特點(diǎn)與啟示 [J]. 電化教育研究, 2017(3):12-17.

On the Development of Artificial Intelligence and Its Application in Learning

Wang Qian
(SINOPEC Management Institute, Beijing 100012, China)

Artificial intelligence (AI) is a human dream, and after decades of development the world has ushered in an upsurge of AI. The recent hype around Alpha Go and the man VS machine battle has re-focused the world’s attentionon the realm of artificial intelligence. Major concerns include whether AI can reach the human intelligence level, and along what kind of technical path AI will progress in the future.

artificial intelligence, neural network, deep learning, machine learning

2017-8-10。

王潛（1975—），男，江蘇人。畢業(yè)于美國(guó)橋港大學(xué)計(jì)算機(jī)科學(xué)與工程專(zhuān)業(yè)，碩士。工程師，現(xiàn)就職于石油化工管理干部學(xué)院。電子郵箱：wangq.glgy@sinopec.com。