簡析人工智能的發展領域與展望

郭玉言+張萍+陳碧云

摘要：隨著科學技術的不斷發展和人工智能技術的不斷突破，生活中越來越多的場景應用到人工智能技術，本文介紹了人工智能的發展歷程、研究領域，從計算機視覺、語音技術、自然語言處理、決策系統及大數據應用層面分析了AI的應用場景，從等技術層面分析了人工智能在識別、認識、分析和決策領域尚在發展階段，與人類智能之間存在的差距。

關鍵詞：人工智能；AI；機器學習

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-9416（2017）07-0228-01

2016年3月，隨著Google的AlphaGo以四比一大勝圍棋世界冠軍李世石，引發了新的一波人工智能的狂潮。那人工智能到底是什么，它已經發展到怎樣的階段了？

1 人工智能的概念

人工智能（Artificial Intelligence，AI）通俗來講就是能對人的意識、思維等進行模擬，希望機器能像人一樣思考甚至超過人的智能，是研究、模擬、擴展人類智能的方法、技術的一門科學，旨在替代人類實現識別、認知、分析和決策等功能。

2 AI的發展歷程

在60多年的發展歷程中，AI經歷了幾次高潮和低谷。

“人工智能”被首次提出是在1956年Dartmouth學會上。1957年，康奈爾大學發明了“感知機”的神經網絡模型，可以完成一些簡單的視覺處理任務。隨后，由于計算能力的限制，AI進入了第一個低谷。

19世紀八十年代，研究學者根據專家知識和邏輯規則發明了專家系統，用來解決特定領域問題，但人們很快發現這種系統的局限，如機器翻譯系統無法處理自然語言中的歧義。1990年，人工智能計算機DARPA沒能實現，AI又一次遭到冷落。直到1997年，IBM的計算機深藍戰勝象棋大師卡斯帕洛夫，AI迎來了新的希望[1]。

2006年，Hinton提出“深度學習”的神經網絡。2013年，深度學習算法在語音和視覺識別上取得了巨大成功。2016年，Google的AlphaGo戰勝世界圍棋冠軍李世石。隨著深度學習算法的運用，AI迎來了第三次發展高潮。

除了算法方面的突破，數據資源和計算能力的增長對AI的發展起著關鍵的作用，從70年代Personal計算機的興起，到GPU、異構計算等硬件設施的發展，為AI的發展提供了基礎。

3 AI的研究領域

一般來說，AI的研究分為基礎設施、技術、應用三個層面。基礎設施層主要由數據資源和計算能力提供，數據越大，計算能力越強，AI的能力就越強。技術層以機器學習算法為中心，提供通用性很強的技術支持，如計算機視覺、自然語言處理等。應用層主要提供行業解決方案，為人類帶來價值[2]。

AI在技術層面，有如下應用場景：

（1）計算機視覺。計算機視覺是用機器代替人眼對圖像中的目標進行檢測、識別、跟蹤。利用機器學習的方法，從圖像或數據中獲取特征來建立計算機視覺系統，如人臉識別、目標跟蹤、無人駕駛等[3]。

（2）語音技術。深度學習的廣泛應用使語音識別的準確率顯著提高，如蘋果公司的Siri可以實現人機之間的語言交互；Google的Voice Search可以通過語音輸入查找信息等。

（3）自然語言處理。自然語言處理主要包括語言理解和語言生產兩個部分，最典型的例子就是機器翻譯，如Google的Translation系統，讓很多本來不可能相互交流的人能夠相互溝通；2011年，IBM的Watson大放異彩，展現了杰出的理解、推理和學習能力。

（4）決策系統。決策系統的發展與棋類問題的解決分不開，從80年代的西洋跳棋開始，AI逐個擊破，攻破了國際象棋，到如今的圍棋，機器的勝利標志著AI的飛速發展。

（5）大數據應用。最典型的就是機器通過客戶數據進行分析，找到滿足用戶喜好的商品進行反饋。如網站中的推薦，通過大量分析用戶的興趣點進行精準推薦等。

4 AI的未來發展

盡管AI取得了一定的成果，但在很多方面與人類還是存在一些差距：

（1）依賴大量訓練數據。舉個簡單的例子：計算機視覺系統在學習了數百張甚至更多的自行車照片以后，很容易分辨出什么是自行車，這需要大量的照片樣本學習。而對于人類來說，給一個三四歲的小朋友看過自行車以后，哪怕再給他外觀完全不同的自行車，他也能輕易作出正確判斷。即機器學習依賴于大量高質量的訓練數據，人類的學習過程往往不需要。

（2）依賴于特定的場景。在特定的場景如較安靜的環境，機器能夠得到比較高的語音識別水平，但在噪音情景下仍有挑戰。再如用一種方法學了下象棋，采用同樣的方法不能去下圍棋，即訓練出的知識不能轉移，依賴于特定場景，不能通用。

（3）與物理事件缺少對應。機器能夠擁有海量的記憶能力，但在處理自然語言時，缺少對語義的理解能力，包括對口語、方言等不規范用語的識別與認知等。人在講話的時候，語言是與物理事件相聯系的，如一個人說自行車，他知道自行車長什么樣子，有什么功能。在機器眼里，“自行車”僅僅是一個孤立的詞，它與語句中的其它字或者詞一起被當做信號序列，機器并不清楚這些信號在自然語言中的真正含義，更不會與物理事件相聯系，這樣的情況同樣發生在圖像理解上。未來如果要解決這類問題，就需要建立語言文本和圖像與物理事件的映射，這在實現上是有很大難度的。

只有把這些問題解決了，才有可能造出像人一樣智能的機器。因此人工智能在下一個階段有非常廣闊的應用前景，也有很多挑戰。

5 結語

縱觀AI的發展，有低谷也有高潮。AI的發展關鍵因素是基礎設施的建設和算法的創新。盡管目前，AI尚在發展階段，還存在一些技術瓶頸，但我們相信，在未來的發展過程中，AI的應用會越來越廣，在應用領域，它也會提供越來越多的行業解決方案，創造出更多的商業價值。

參考文獻

[1]顧險峰.《人工智能的歷史回顧和發展現狀發展》[J].自然雜志，2016，38[3]：157-166.

[2]蔡曙山，薛小迪.《人工智能與人類智能——從認知科學五個層級的理論看人機大戰》[J].北京大學學報，2016，53（4）：146-154.

[3]夏美云，張鴻彥.《人工智能發展探討》[J].焦作大學學報，2005，4：55-56.endprint