人工智能及其發展應用

林知豪

（山東省青島第二中學，山東青島，266100）

0 引言

人工智能是現代計算機學科的分支，它綜合了計算機技術、信息技術、控制理論、數學、生物學等眾多理論科學，通過采集信息情報、邏輯運算、歸納分析等一系列過程為人類提供更加人性化的服務，如無人駕駛、智能識別以及智能運算分析等。人工智能早已不再是根據程序設計人員設計的邏輯運算步驟進行簡單數學計算的求解器，因為人工智能程序有著“機器思維”，它會根據獲取到的外部信息進行模擬、思考和學習，最終能夠像“人”一樣作出選擇和判斷。

目前，人工智能已經被廣泛地應用于指紋識別系統、人臉成像系統、專家系統、無人汽車、智能家居等領域，它極大地簡化了人類的工作，為人類提供了更加便捷的生活。然而，科學家對于人工智能也存在著較多的分歧，一部分人為人工智能的發展感到高興，也有一部分人為人類的命運感到憂心。

1 人工智能概述

20世紀60年代，美國達特茅斯大學舉辦了一次計算機智能研討會，該會議研討了如何通過計算機模擬人類進行思考學習，首次提出了“人工智能”（ Ariti f icial Intel1igence，AI）這一詞語。如今，人工智能經過60多年的發展已經集計算機、生物學、信息技術等高精尖技術于一體的前沿科學，是二十一世紀三大尖端代表技術之一。人們已經基于人工智能技術開發出各類應用系統，如無人駕駛系統、智能識別系統等，這類智能系統簡化了人們需要處理的數據，改善了人類的生活。

2 人工智能的研究熱點

2.1 數據挖掘與知識實現

人工智能技術既能夠發揮出機器的信息處理優勢又具有智能學習、智能推演的智能特點，因此當人工智能處理數量龐大的數據信息時，就能夠通過機器智能學習進行數據分析、數據挖掘從而推算出數據之間的聯系。機器智能學習是計算機仿真、模擬人類智能的學習活動，它是基于人類生物神經結構而形成的一種模擬人類深度學習的功能。同時，人工智能通過分布式計算構建多神經元網絡結構，深層次地挖掘數據之間的聯系并反饋調整邏輯推演模型，最終達到對海量數據進行計算和處理的目標。

2.2 智能接口技術

智能接口技術是通過外接的方式使計算機能夠接收文字信息、語言信息、圖像信息等，通過分析接收到的信息做出相應的智能反應，便于人們更加方便地使用人工智能。人工智能結構技術基于知識表示方法，能夠進行文字識別、語言識別、圖像識別，理解語音信息并通過語音合成技術做出相應的反應，甚至能夠翻譯不同的語言，例如谷歌翻譯、人臉識別、云計算等都是智能接口技術的成功應用。

2.3 主體與多主體系統

主體即具有判斷能力、選擇能力并能對信息進行綜合分析的智能化計算機。主體既能獨立地進行運算處理又可以和分布式計算構建多神經元網絡，協調各分布式計算機進行邏輯運算，實現對實際問題的求解。目前，主體與多主體系統多以理論研究為主，從主體結構、主體語言到多主體間的協作調度和信息共享等方面。

2.4 智能信息處理

隨著通信技術、互聯網技術的廣泛應用，“信息大爆炸”成為了新時代的標簽，構建信息化社會成為各國的發展目標。在海量信息中如何既能保證信息的實效性又能快速提取轉化有用信息成為了人工智能發展的關鍵。圖形模式成為解決這一問題的關鍵技術，通過高效地轉化數據信息并進行邏輯推理、數學運算，實現分析問題、預測問題、處理問題等智能化反應。目前，圖形模式是智能化數據分析與處理的核心。

智能語音識別也是智能信息處理的一種，總所周知聲音實際上是一種波，通常都是被壓縮成語音包進行儲存，被儲存在文件中的聲音波形如圖1所示。在語音識別前需要對首尾進行聲波切除，降低對后續處理的干擾。

圖1 聲音波形圖

在分析聲音時，首先需要通過移動窗函數對聲音進行分幀，分幀后的波形如圖2所示，圖中分幀的每幀長度25ms，每兩幀之間有15ms的交疊幀移。

圖2 分幀波形圖

語音經過分幀后形成了許多小段而時域波形沒有描述信息的能力，因而需要對分幀進行波形變換，如MFCC特征變換。變換后的波形將形成一個多維向量，表示聲學中的信息特征值，根據多維向量特征值構建特征值觀察序列矩陣，如圖2中波形有12維，形成了N列矩陣 ，將構成圖3的12維向量，其中色塊深淺表示向量值大小。

圖3 聲波觀察序列矩陣

構成向量矩陣后，將向量值對應成相應的“狀態”，通過“狀態”構成相應的音素，如圖4所示，每一個單元格內表示一幀，每幀表示一個狀態，而三個狀態表示一個音素。而每一幀所表示的狀態由每幀的末尾決定，如圖5所示的某一幀對應的S3條件的概率最大即為狀態S3，最后通過每三個“狀態”構成的音素通過馬爾可夫模型進行狀態網絡識別，完成整個語音識別過程，即解碼過程。

3 人工智能的具體應用

人工智能技術由于能夠被廣泛應用到人們的日常生活中，因而具有極其重要的應用價值。人工智能的應用研究包括機器學習、問題求解、專家系統、信息檢索、模式識別等，這些應用研究都將促進人工智能的發展讓人類的生活更加便捷。

3.1 機器學習

機器學習（Machine Learning，ML）是一門多領域交叉學科，它涉及到概率論、統計學、邏輯算法、逼近論等多門邏輯數學學科，主要研究如何使用計算機模擬實現人類的學習行為獲取新的知識并通過不斷地學習完善自身邏輯。目前，智能機器人是機器學習的重要應用研究。智能機器人通過中央處理器接收文字、聲音、圖像等信息，通過計算機的邏輯運算處理器識別、理解這些信息并按目的安排機器動作。

圖4 狀態轉換結構圖

圖5 聲波狀態識別結構圖

3.2 問題求解

問題求解是人工智能最具代表性的應用之一，它通過預測將要發生的問題和檢索解決問題的方法把復雜的問題拆分為一個個能夠求解的小問題，通過選擇判斷不斷向前推進，最終求解問題答案。問題求解通常應用于棋類研究，如圍棋程序“AlphaGo”是第一個戰勝了圍棋世界冠軍的人工智能，它通過不斷地求解圍棋路數得到最優解從而戰勝了人類職業選手。

3.3 專家系統

專家系統是基于人工智能技術的一種模擬人類專家解決專業領域問題的計算機程序系統，它能基于人類某領域專家的知識與經驗構成相應的知識系統。世界上第一個專家系統“Dendral”是一個綜合了化學領域專業知識的人工智能系統，它可以推演化學分子的結構。而隨著知識工程技術的不斷發展，專家系統的理論研究和技術應用都取得了突破性進展，目前專家系統幾乎滲透到了人類生活的各個領域，包括數學、物理、化學、生物、醫學、農業、氣象、軍事等眾多領域。

3.4 信息檢索

隨著人類社會的不斷發展，傳統的人力信息檢索已經無法應對如今海量的信息知識，而人工智能信息檢索系統能夠幫助人們把存儲在數據庫系統中的信息知識通過智能索引的方式提取出來，便于人們查閱知識信息。目前，人工智能信息檢索系統，如谷歌、百度、雅虎等都是人工智能技術的應用成果。

4 結語

人工智能通過結合信息化系統和生態學結構實現“機器思維”，它能對獲取到的信息進行歸納總結并通過邏輯運算演繹處理感知信息。人工智能不僅擁有廣闊的應用前景，也體現了計算機信息化技術和生物智能技術的發展水平，人工智能能夠應用于無人汽車、無人飛機、智能服務等方面方便人類生活，也能夠應用于類腦計算、深度學習、超腦計算等方面幫助人類進行理論研究。本文對人工智能進行了詳細的概述，通過分析人工智能的深層內涵和現今的研究熱點探究人工智能技術的應用前景。最后，通過舉例分析人工智能的具體應用展望人工智能的發展前景，以期為人工智能的應用探索提供參考。

[1]張凱斐.人工智能的應用領域及其未來展望[J].呂梁學院學報 ,2010,26(4)：79-81.

[2]于濤.淺談人工智能的應用領域與其未來發展展望[J].科技創新與應用,2017(8)：83-83.

[3]劉洋,劉進.淺談人工智能與參數化設計在工業設計中的應用與發展趨勢[J].明日風尚,2017(10).

[4]張靜.人工智能的發展現狀與發展前景分析[J].無線互聯科技 ,2017(14)：134-135.