論人工智能的現狀和發展方向

李鑫

摘要：隨著科學技術的不斷壯大，人工智能也迅速的發展起來，并且以超乎想象的速度引起了全世界的關注，人工智能不僅在計算機網絡、人像識別等領域得到了廣泛的應用，而且在人們的日常生活中也發揮了很大的作用，但與此同時，大家對于技術的需求也越來越高，人性化、智能化的服務已成為必然的發展趨勢，正是因為需求如此迫切，我們對于人工智能的研究才需更加深入，更加謹慎。本文就人工智能的現狀與發展方向做了一個論述。

關鍵詞：人工智能；深度學習；技術；計算機

1 認識人工智能

1956年達特茅斯會議首次提出“人工智能”一詞，沒有嚴格的定義，但是絕對不同于傳統意義上的機器人，人工智能集合了眾多學科的綜合型應用技術，涉及的學科有語言學、腦神經學統計學、社會科學等前沿學科，它的目標是希望計算機能夠像人一樣學習思考，可以代替人類去完成識別、感知、判斷和決策等行為，而不是簡單的自動化機器人。人工智能自誕生以來便成為實驗室的“神話”，人們對之抱以無限的幻想，有人認為人工智能夠改變世界，未來人們要依附人工智能來生存，但也有人認為人工智能是天方夜譚，過于自大，終究要失敗。不管怎樣，人工智能在一次次的高潮和低谷中還是取得了巨大的進步，1997年，IBM的深藍戰勝國際象棋世界冠軍卡斯帕羅夫；1968年，DENDRAL專家系統問世；20世紀90年代統計學習登場，并迅速占領了歷史舞臺，代表性的是SVM；以及大家關注最多的，2016年谷歌AlphaGO戰勝韓國李世石。

2 人工智能的研究領域

2.1 數據和計算能力

人工智能對于計算能力的要求非常高，這也是為什么早期人工智能發展緩慢的原因，沒有足夠的技術和設備支持，很難實現對實時、大量、多類型的數據的多角度、高精確度的處理，伴隨著云計算基數和GPU處理能力的迅速發展，對于數據的獲取和分析變得更加簡單，同時也能夠支持上千臺計算機同時進行大量復雜的計算。所以說，大數據和設備支持對于人工智能至關重要。

2.2 機器學習和深度學習

機器學習來源于早期的人工智能領域，最基本的做法是通過算法來提取分析數據，然后對現實生活中的事物做出判斷和預測。傳統算法包括決策樹學習、強化學習、貝葉斯網絡、推導邏輯規劃等等，但機器學習并不是用特定的程序來使之運行，而是同大量的數據提取信息完成任務。深度學習是一種實現機器學習的技術，主要的算法是神經網絡，學習能力是其主要特點，這個說法很形象，仿佛是在開發一個人腦機器，人的思考學習就是靠互相交叉相連的神經元，但與大腦的神經元也有不同，人工智能網絡具有離散的層、連接和數據傳輸的方向，要想實現更加復雜的技術，還需要對人腦思維及機理進行研究。

2.3 技術方向

我們要求人工智能能夠看懂文字圖像，聽懂語言，自動更新知識庫，像人一樣說話表達自己的想法，甚至比人有更強的學習能力，具有隱私性、可靠性、低時延性以及更高的網絡寬帶利用率，這些功能的實現需要結合多種專業的理論和技術支持，特別是對于知識表示方法的研究。主要的技術支持是：智能接口技術、數據庫技術、數理統計與概率論技術、算法等。

3 人工智能的應用

3.1 圖像識別

圖像識別要求機器能夠擁有“視覺”，代替人類去識別大量的物理信息，甚至處理人眼無法識別的圖像，圖像的含義比較廣泛，最早指圖片，后來也將各種圖畫，字符文字，聲波信號，膠片，空間物體等包括在內。圖像識別以圖像的主要特征為基礎，在識別的過程中要能夠排除輸入的多余信息，同時，還需要一個負責整合信息的機制把各個離散的信息整合成一個完整的知覺映像。

3.2 語音工程

語音識別是以語音為研究對象，計算機通過獲取音頻、音頻信號處理、模式識別來實現語音信號到文本信息的轉換，主要的技術是實現把語音信號轉變成為相應的文本信息。其基本原理可以歸結為三點：首先將語音信號轉換為機器能夠理解的符號，像二進制；其次聲學信號可以用數十個具有區別性的，離散的符號來表示；最后通過模式識別找到最優的一個或幾個匹配結果，其中最重要也最難實現的技術是加入語法、語義，使轉換結果有一個完整的句子結構。目前的技術瓶頸主要是去除噪音、遠場識別、口語化、方言等長尾內容識別。

3.3 自然語言處理

機器翻譯的核心是自然語言處理，而自然語言處理就是讓機器能夠聽懂人類語言，并且能夠表達合理的看法，即能夠實現與人類進行交流，它是體現人工智能的重要表現。要實現機器對于特定場景的感知及理解，需要對語法分析、語義分析、感情理解的多種問題進行研究。由于人類語言的復雜性，使得消除歧義是目前自然語言處理的最大困難，下一步的研究方向是建立文本含義與物理世界間的映射關系。

4 人工智能所面臨的挑戰

人腦智能的產生原理尚未研究清楚，想要依據人腦系統來實現人工智能有一定難度，另外，盡管計算機的發展迅速，但在數學和算法研究上還有待突破，和人類學習相似，人工智能也需要通過學習大量的數據來提升，這就要求人工智能與產業發展相結合，整體解決人工智能在創造力、通用性、對物理世界理解上的問題，探索更多交叉學科的融合，特別是對于一些特殊領域，像醫療，戰爭等無法通過虛擬現實來訓練機器人，所以還需要不斷的探索新的方法。

參考文獻：

[1]武嘉琪.計算機人工智能技術的發展與應用研究[J].信息與電腦（理論篇），2016（07）.

[2]黃子君，張亮.語音識別技術及應用綜述[J].江西教育學院學報，2010（03）：4446.

[3]萬棋順.面向篇章的省略恢復及其在機械設計中的應用[D].西安：西安電子科技大學，2008.

[4]孫清茂.人工智能——淺談圖像識別技術[OL].