人工智能的發展和現狀

方杰

摘 要 基于近年來人工智能（AI）技術在制造業中的應用研究，我們分析了“互聯網+人工智能”新時代核心技術的快速發展，觸發了模型的巨大變革，制造業的手段和生態系統，以及人工智能的發展。然后，我們基于目前人工智能在無人駕駛、智能機器人、圖像識別、智能制造等領域的應用，討論了智能制造的當前發展。最后，提出了未來人工智能發展的方向以及機遇的所在。

關鍵詞 人工智能 無人駕駛 圖像識別 智能制造

中圖分類號：TP18 文獻標識碼：A

0引言

隨著AlphaGo與李世石的對戰以李世石敗北而告終，人工智能的應用開始逐漸成為學術界與工業界共同關注的話題。近年來，人工智能技術高速發展，在各個領域內的應用層出不窮，可以說人工智能已經成為我們生活中的一部分，比如掃地機器人，或者一些醫療企業所研發的醫療用診斷機器人。這樣的發明和應用已經為我們的生活帶來很多好處。然而，人工智能也仍然處于一個發展中的階段，并沒法如科幻片中所描述的那樣高級，具有自主性，其主要應用還是以收集數據加以分析處理，經過自我學習最后給出反饋的模式。但是，機器學習和人工智能與普通大眾的生活逐漸接近是我們可以每天都感受到的。人工智能的未來何去何從也引起了各種領域的關注。

所謂人工智能（Artificial Intelligence， AI），即使通過已有的數據集，運用計算機來根據某種函數來完成某些功能的行為。由于其行為基于數據集，所以也可以認為是計算機通過學習了數據集，可以對之后的相似問題給出解決方案，也就是“智能”的含義。自從人工智能的影響力擴大以來，其基礎的理論與問題的解決方法逐漸有了固定的方向，所覆蓋的領域也是日益增長。我們可以想象，在不久的未來，由于算力的強度遠超人類，在某些工作上，人類將完全被具有人工智能的機器所取代。但是同時，人工智能并不是與人類相似的智能，人類的思考方式并不是隨機的，線性的，而是抽象的，曲折的，人工智能的發展目的也在于此，要將本可以由機器完成的，重復性高的工作交給人工智能來解決。隨著數字多媒體技術、移動互聯網、物聯網、云存儲和智能制造技術的高速發展，人工智能技術也得到了相對的提升，對于未來的人工智能發展起到了巨大的拓展作用。人工智能的全面應用將會主要圍繞著人類的衣食住行等日常生活來展開。本文主要介紹現階段人工智能在無人駕駛、智能機器人、圖像識別、智能制造等領域的發展及應用現狀。

1人工智能發展及應用現狀

1.1無人駕駛汽車

無人駕駛汽車是一種新的汽車概念，汽車可以依靠傳感器的工作，對于道路和道路上的物體，如汽車，行人或者標識和障礙物等進行識別并進行相應的處置，并根據得到的信息，調整車輛的行進路線和行進速度，從而使車輛可以擺脫人類的操作，自行完成從起點地到目的地的路程。

早在1970年左右，歐美國家就已經開始對無人駕駛進行嘗試性設計，并且在當時的條件下取得了不錯的效果。國內的研究相較于歐美起步晚，于90年代才開始關注無人駕駛的學術領域。無人駕駛在國內的商業化由百度公司發起，與2014年7月正式立項，發展到今天，百度公司的無人駕駛已經可以實現跟車減速、變道、超車、上下匝道、調頭等復雜駕駛動作，完成了進入高速（匯入車流）到駛出高速（離開車流）的不同道路場景的切換。測試時最高速度達到100公里/小時。科學的進步一定會帶動技術的進步，無人駕駛技術的發展也會隨著人工智能技術而日趨完善，日常生活中的車輛也會從人工駕駛逐漸轉型為無人駕駛（如圖1）。

1.2智能機器人

智能機器人是一種依靠收集周圍環境信息，加以分析，并根據某些預設程序來完成指定目標的智能機械系統。目前智能機器人以工業機器人和醫療機器人為主。工業機器人中的代表作品以波士頓動力機器人為主，其生產研發的波士頓動力機器狗已經在日本的建筑行業內實際應用，用于樓房的交付檢測（如圖2）。這個機器狗不僅僅可以完成上樓、奔跑等動作，而且可以通過其頭部的四軸攝像頭，對圖像進行分析，來決定下一步的動作。同時，該公司生產的人型機器人已經可以完成標準的后空翻、單腿跳箱子等復雜動作。醫療機器人所能完成的更多是移動病人、護理、醫療教學和病人前期診斷等工作。在這方面，國內醫療公司如聯影，睿道等公司也進行了大力研發，效果顯著并且已經在一些私立醫院進行實裝。所反映的數據和醫療情況都比較良好，這也給了人工智能在醫療行業上發展的信心。

所以智能機器人目前是人工智能發展最為具有應用價值的方向，同時結合了傳統動力行業和人工智能方向，未來的發展方向也是趨向于如何讓機器在工作領域內具有更強的自主性，也就是所謂的“智能”。

1.3圖像識別

互聯網的發展以及基礎建設的大力普及，使得人們對圖片等多媒體的需求日益增加，多媒體具有直觀，易于理解等優勢。所以圖像識別也是近幾年人工智能的工作重點。圖像識別更多的是應用于目標檢測，與智能駕駛不同的是，這種圖像識別更強調于目前發生的事，分析說明標注，而非預測。比如，在視頻監控中，可以通過人臉識別，檢測潛在的罪犯或者通緝犯。再或者在醫療領域中，圖像識別被用于針對于腫瘤等X光結果的輔助判斷。這樣對計算機圖像的處理可以幫助人類更加快速，準確的識別圖片信息。圖像識別也是人工智能的重要領域，隨著科技的進步，人工智能中的圖像識別技術的應用，也會隨著可以搭載的設備的進步而應用的更加廣泛。

1.4智能制造技術

智能制造技術系統主要包括通用技術，基礎平臺技術，智能制造平臺技術，無處不在的網絡技術，產品生命周期智能制造技術和支持技術。

1.4.1通用技術

通用技術主要包括智能制造架構技術，軟件定制網絡（SDN）系統架構技術，空間 - 地面系統架構技術，業務模型，智能制造業務的企業建模與仿真技術，系統開發與應用技術，智能制造安全技術，智能制造評估技術，智能制造標準化技術。

1.4.2基礎平臺技術

基礎平臺技術主要是指基于一定目標和策略的方向規劃。包含存儲基礎架構，計算基礎架構，傳輸基礎架構和交易基礎架構等。這些基礎架構都是為智能化制造所需要的高性能、高擴展、高并發提供基礎保障。

1.4.3智能制造平臺技術

智能制造平臺技術主要包括面向智能制造的大數據網絡互聯技術，智能資源/容量感知和物聯網技術，智能資源/虛擬容量和服務技術，智能服務環境建設/管理/運營/評估技術，智能知識/模型/大數據管理，分析與挖掘技術，智能人機交互技術/群體智能設計技術，基于大數據和知識的智能設計技術，智能人機混合生產技術，虛擬 - 實際組合智能實驗技術，智能化管理技術，在線遠程支持服務的自主決策和智能保障技術。

1.4.4無所不在的網絡技術

無所不在的網絡技術主要包括集成的融合網絡技術和空間地面網絡技術。

1.4.5產品生命周期智能制造技術

產品生命周期智能制造技術主要包括智能云創新設計技術，智能云產品設計技術，智能云生產設備技術，智能云運維管理技術，智能云仿真和實驗技術，智能云服務保障技術。

1.4.6支持技術

支持技術主要包括AI 2.0技術，信息和通信技術（如基于大數據的技術，云計算技術，建模和仿真技術），新的制造技術（如3D打印技術，電化學加工）。技術），以及制造應用領域的專業技術（航空，航天，造船，汽車和其他行業的專業技術）。

2人工智能未來的發展方向

2.1擬人化的發展方向

目前，大多數人對于人工智能技術是包容的，人工智能技術可能在未來看來是一場不亞于工業革命的生產變革，人工智能在某些領域的發揮已經遠遠超出人類的極限水平，使一些領域開始出現質的變化，使人類的生產力解放，可以進行更多的生產，但同時也有一些科學家建議人類警惕人工智能，他們認為人工智能的發展現在也許微不足道，但是一旦人工智能的機器具有了自己理解外部環境的能力，可能會對人類造成毀滅性的打擊。所以，為了發揮優點，并且盡量屏蔽缺點，未來人工智能可能會朝著專一功能的機器發展。

2.2新技術的出現促進人工智能的發展

雖然不同的人對人工智能持有不同的態度，但是不可否認的是，人工智能目前的應用確實已經對我們的生活產生了極大的影響。并且，隨著一些更加高端的技術，例如大數據行業的出現和發展，人工智能所需要的學習成本和數據集這些緊缺的資源將不再是限制人工智能發展的枷鎖。所以，新技術與人工智能的發展并不相悖，而是可以相互促進，相輔相成。

3結語

人工智能在日常生活中出現的頻率已經越來越高，與人們的日常活動已經分離不開。同時，人工智能的應用也在不斷地擴大領域，與之匹配的智能硬件和軟件也層出不窮。在現在的這個階段，我們正處于一個人工智能應用的加速期，這也預示著，我們如果可以乘著這個機會大力發展人工智能，同時保證其實用率，就可以極大地改善人們的生活。同時人工智能的發展也未必是一帆風順，在發展的過程中，也會有大量的技術難題要去解決。總之我們應該盡最大的努力，讓人工智能這樣的新興科技為我們的生活提供便利。

參考文獻

[1] 朱祝武.人工智能發展綜述[J].中國西部科技，2011（17）：8-10.

[2] 陳慶霞.人工智能研究綱領的發展歷程和前景[J].科技信息，2008（33）：49+234.

[3] 肖斌，薛麗敏，李照順.對人工智能發展新方向的思考[J].信息技術，2009（12）：166-168.

[4] 韋淋元.人工智能發展的困境和出路[D].桂林：廣西師范大學，2009：1-27.

[5] 顧險峰.人工智能的歷史回顧和發展現狀[J].自然雜志，2016（03）：157-166.

[6] LECUN，Y&L. BOTTOU&Y. BENGIO，etal.Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE，1998，11（11）：2278-2324.

[7] HINTON，G.&L.DENG&D.YU，etal. Deep Neural Networks for Acoustic Modeling in Speech Recognition： The Shared Views of Four Research Groups[J].IEEE Signal Processing Magazine，2012，6（06）：82-97.

[8] 王甲海，印鑒，凌應標.創新型人工智能教學改革與實踐[J].計算機教育，2010（15）：136-138+148.

[9] HAYKIN，S. Neural Networks：A comprehensive Foundation[M].Upper Saddle River New Jersey：Prentice-Hall，1999.

[10] JOSEPH，C&GIARRAT， GARY D RILEY.專家系統原理與編程[M].北京：機械工業出版社，2006.

[11] 劉小冬.自然語言理解綜述[J].統計與信息論壇，2007（02）：5-12，封2.

[12] 陳虹，郭露露，邊寧.對汽車智能化進程及其關鍵技術的思考[J].2017（11）：52-59.

[13] 黃欣欣.探析人工智能在人類生活中的應用及未來發展態勢[J].中國新通信，2017（21）.

[14] 王國偉.基于視覺圖像的田徑失誤動作識別仿真[J].計算機仿真，2016，33（04）：274-277.

[15] KULKARNI，GIRISH，PREMRAJ，VISRUTH，ORDONEZ，VICENTE，etal.BabyTalk： Understanding and Generating Simple Image Descriptions[D]. 2013.

[16] Li，B.H.&B.C.Hou&W.T.Yu，etal.Applications of artificial intelligence in intelligent manufacturing： a review[J]. Frontiers Inf Technol Electronic Eng， 2017， 18（01）：86-96.