人工智能的發展及趨勢

張茜　賀建鵬

摘要：本文概述了群眾對人工智能的一些誤解以及這個行業三次興起和兩次衰敗的經歷以及經驗教訓，并通過查閱資料對人工智能的未來發展方向以及它對其他行業的影響做出自己的簡單預測。

[關鍵詞]人工智能AI發展趨勢

1對人工智能的誤解

1.1什么是真正的人工智能

現如今大街小巷都在談論人工智能，但其實，研究了這么多年的AI技術在真正意義上并沒有完全實現。其實大部分所謂的人工智能產品，都只是比較成功地對人類智力活動的某些方面進行了很好的模仿，人們就將這種技術冠以“人工智能”稱號，比如可以自動對房間整體進行定位，遇到障礙自己拐彎并進行清掃的智能掃地機，再比如智能醫療診斷系統，他需要專家先對系統做一個"模板”，病人只需要回答問題，機器就可以通過一步步判斷，最終得到一個病簡報告。而專家們所定義的人工智能，是具有心智、情感、對人的大腦進行了極限模仿，具有發現、察覺能力的智能，簡單概括為制造出一個可以像人類一樣會思考的計算機，這樣的智能到目前甚至未來的很長時間都難以實現。

1.2人工智能與機器人

有時我們經常將人工智能與機器人混為一談，這也是很不確切的。人工智能主要是智和能，并不一定要有實實在在存在的軀殼，比如蘋果手機上的Siri，他可以和人進行對話，好像他懂得感情，懂得思考，但它只是一個系統，部署在了手機上;還有圍棋博弈這種抽象研究領域，它也不需要軀殼就可以和人類進行比賽。而機器人是有身體的并賦予一定規則去做事的機器，可以這樣理解：人工智能其實可以當做是機器人的頭，控制機器人做事，這倆個概念有交集，也有各自的特點。

1.3目前生活中的人工智能

目前生活中的人工智能可以分為四個級別：

（1）單純的控制程序只能按照別人的指示去操作，其實這是生產商為了市場營銷而對產品進行了華麗包裝，這類產品只是有很簡單的控制程序，如家用空調、洗衣機、電動剃須刀;

（2）傳統的人工智能：灌入了很多規則，并會推理預測。這種產品加入了推理與搜索，還使用了數據庫，如將棋程序，每當對手出一步棋，程序總會進行推理，選擇一種對自己有利的去博弈，不得不說，在這種海量數據處理方面，AI比人類更擅長。

（3）引入機器學習的人工智能：這類人工智能是以大數據為基礎，機器自己先按規則做事，然后對規則和知識進行學習，也就說給他一個樣本，他可以撬動整個地球，就比如醫療診斷系統，但是這個樣本是海量的且需要不斷更新錄入。

（4）引入深度學習的人工智能：它是對

三級別的樣本進行自我學習，并定義一個自己可以認識的特征量，以便于下次遇到相同的問題可以直接進行解答。

舉個例子，比如軟件行業，剛來公司的實習生就是第一級別，他只能聽老員工的指揮去做工作;程序員就屬于第二級別，他需要了解很多規則和要求，然后學習去開發項目，自已搜索推理項目中存在的問題;項目經理就相當于第三級別，他已經具備一定的知識和經驗，要求他去檢查項目并督促組內成員盡快完成業務;而那些根據自我需要發掘項目的人就是第四級別。

2人工智能的發展歷程及經驗教訓

人工智能發展至今天并不是一帆風順的，人們對AI的態度也是大起大落，雖受到過無數次的冷漠和質疑，但是人工智能并未銷聲匿跡反而一次次蛻變。為了實現這個偉大夢想，科研人員常年埋頭苦干，雖然想要實現真正意義上的AI還遙遙無期，但是在研究過程中已經形成的副產品，卻充溢在人們的日常生活中。頑強的生命背后是失敗與成功的不斷切磋。

2.1第一次人工智能風潮

因巨型計算機ENICE的強大計算功能，1956年大家想當然地認為：可以制造出能夠像人一樣進行思考的機器，在這個背景下第一次人工智能逐漸孕育，起初人們通過“搜索樹”來求解一些多選擇有規律的“玩具問題”，如走出迷宮、梵塔問題，其效率遠高于人類，于是人工智能得到了人們的青睞，仔細思考，其實計算機僅限于解決一些專業性很強的問題，當回歸現實生活，當一個公司希望促進公司未來的發展而去開發一款產品，此時的計算機并不能像專業人士那樣幫助其分析市場數據、預測市場趨勢，提出最有市場前景的產品，再比如金融股市方面，計算機能否告訴我們較小的風險項目有哪些？當發現了這個問題，而且很長一段時間都沒有得到解決，人們對AI的失望情緒開始擴大，到20世紀70年代，最終走向低谷。

2.2第二次人工智能風潮

基于第一次的失敗，人工智能灌入“知識”，再次進入人們生活，這一時期主要是將大量的專業知識輸入系統，在經過推測程序，得到結果。比如需要評價項目成功：機器會問項目是否在規定時間內完成、成本是否在預算之內、質量是否打到規格說明書要求的水平、是否通過客戶和用戶驗收、項目的范圍變化是否可控、沒有嚴重影響整個軟件組織的主要工作流程、沒有對公司文化產生不好的影響。如果這些回答都是是，那么機器人就會告訴你這是一個成功的項目。諸如此類，無論醫學、法學、金融等任何領域只要具備大量的信息讓計算機去判斷，AI就可以幫助我們解決很多生活小問題，但是當面對什么是“貓頭鷹”，我們只要看見長得像貓臉的會飛的夜晚活動的一種動物就說這是貓頭鷹，但是計算機又會問那什么是“貓”什么是“夜晚”，什么又是“動物”，這種層層分解來使計算機解決問題，就需要對他輸入大量的名詞，無盡的輸入再一次使人們對人工智能心灰意冷。

2.3第三次人工智能風潮

如今第三次熱潮正在深入我們的生活，總結前倆次的教訓，我們對任一產業的期待，都應建立在一定的現實基礎上，在人工智能方面，我們要充分意識到人工智能的可能性與極限性。在人工智能1.0能走路之前，它先得長出兩條腿一“計算腿”和"通訊腿”。

互聯網的出現，海量信息有了處理方式，“機器學習”技術得到了發展，它是充分利用樣本數據，邊處理邊區分，并人為地給其一個特征量，當下次再遇到，計算機就可以很快檢索知識并作出應答。什么是數字3？我們給他一個定義，使計算機學習并區分，當下一次遇到“3”符號。計算機便能識別這是3;這也帶來一個問題，就是特征量的提取是靠人，而精確定義特征量又是提高計算機處理能力的一個重要保障，人與計算機存在著很大的不同，因此如何能夠定義出計算機最能接受的特征量就顯得尤為重要。在第三次人工智能浪潮的發展中，“深度學習”在一定領域解決了這個復雜問題。

基于數據、計算機自動定義一個高層的“特征量"來識別圖片并進行分類，比如“斑馬”，直接從視覺方面給計算機一個沖擊，和這張圖片一樣的就叫斑馬;再比如“3”，讓計算機自己去看多種3的寫法，自定義一個特征量，來區分“3”。計算機自己定義特征量就可以避免對特征量理解不到位的情況。

3人工智能未來發展趨勢及對其他行業的影響

3.1發展趨勢

（1）目前，計算機已經發展到可以通過圖像來生成特征量，不難推斷出AI的下一步發展則是多感官生成特征量，除了視覺，還有聽覺、觸覺、嗅覺多個方面。

（2）遇到問題先做動作，得知結果，將動作與結果結合思考。比如想要推動一個箱子，先用任意的力量去推，然后感受并思考得出結果：如果是重物則用大力，輕物則用小力氣推。

（3）自身摸索，生成可以辨別世間萬物的特征量手冊。比如什么是軟，什么是亮，什么是易碎物品什么是輕放。

（4）自動接受數據和概念，并翻譯。如將“狗”與“汪汪”“軟綿綿”結合，生成一系列有關聯的特征量，當學會一個，其余的就會有依據自動學習。

（5）可以理解人類語言邏輯。比如當閱讀一篇文章，就會在其意識中有場景浮現。

（6）每一步看似簡單，但要真正達到，還需要人類不斷探索鉆研。

3.2行業忠告

不否認，AI已經滲入我們的生活，很多人面臨失業問題，但它也會促進一些產業興起。根據AI未來發展趨勢我推測，那些有規律可循的程序化行業，計算機比人更有效率。比如：貨物分類、銀行窗口、數據輸入等，而對于一些例外情況的處理還是需要人來解決;另外經濟發展，人民生活水平提高，更加追求精神慰藉，陪伴是當今社會最缺少的一項活動，而計算機是不能夠與人談心的，這樣的活動也只能由人來完成，所以發展這類產業也會有很好的前景;再者，無論哪一個應用，都是為人服務，做好與人交互的界面設計，當然人比機器更適合。綜上，我們在今后的就業方面應多去關注夾雜著較多人情味的工作，摒棄一些循規蹈矩的工作，更加專注于與人打交道、設計類的工作。

互聯網時代之后將是人工智能的時代，未來AI將滲透到各行各業，我們應做好打算;AI將傳統產業與新興技術完美結合，我們應做好承接;AI將推動社會更快發展，我們應做好創新，不懈鉆研。

參考文獻

[1]松尾豐，人工智能狂潮[M].機械工業出版社，2016.