人工智能技術發展及應用研究綜述

從人們開始對人工智能進行研究到現在已經有非常長的時間了，人工智能技術隨著人工智能算法的不斷改進和其計算能力的不斷提升而進入了飛速發展的時期。人工智能之所以能發展的如此迅速的另一個原因就是其在背后不僅有著云計算、計算機和機器學習等多方面理論的支持，而且人工智能也開始漸漸地呈現出深度學習、跨界融合、人機協同、自主操控的特點。人工智能在現實生活中的運用也變得越來越多了，對人類社會的發展和人們的生活也產生了巨大的影響。

一.人工智能的相關概念

雖然對人工智能的研究已經有60多年的歷史了，但對人工智能的概念研究并不是很明確，所以艾倫·圖靈就通過用“機器能夠思考么”的問題去代替，圖靈就想出了一個去判斷機器是否屬于智能系列的方法：讓機器去進行以圖靈名字命名的“圖靈測試”。該測試的內容為:讓想要判斷其是否是智能的機器去和正常人進行交流和溝通，如果在所選取的測試者當中有30%的人相信對方和自己交流的是人，那么這臺機器就可以被稱之為“智能”。

而在學術界，人工智能常常被相關的學者研究者分為兩類：一類為強人工智能，一類為弱人工智能。研究者們對強人工智能的定義為：需要具備自我意識，在遇到問題的時候需要能向人類一樣進行對問題決策。而要實現這種情況的難度很大，所以在強人工智能的研究方面始終沒有很大的進展。而弱人工智能從嚴格意義上來講并不真正擁有智能，因為弱人工智能并沒有思維意識，只能按照程序員預編寫好的程序進行相應的工作，與強人工智能相比較而言，其在這60多年得到了快速的發展，現如今的人工智能的發展也是主要圍繞著弱人工智能去進行。

二、與人工智能有關的技術

（一）機器學習。讓機器變得更加的智能的途徑之一就是“機器學習”，讓機器去去模擬人類學習新東西的能力，從而讓機器各方面的性能變得更強。其實在上個世紀的時候，艾倫·圖靈就想出了類似于機器學習的想法：讓機器去模仿小孩子的思維，然后讓機器接受符合其學習能力的教育，將機器變得更加的像一個成年人的大腦，這種想法和現如今學者所研究的方向有著很大的相似度。在這方面實踐探索的道路并不是那么的順利，例如曾經獲得圖靈獎的Maurico V.wilkos教授和其工作伙伴曾經嘗試過去寫一些學習的代碼和程序，但在使用的過程中這些程序的局限性就變現出來了，機器只會去做程序里要求它們去做的事情，機器對程序里并沒有要求的事情并不會去做，所以這就變現出其中的一個弊端;機器并不會去自主學習。直到如今，這個問題仍然沒有得到有效的解決。

（二）專家系統。專家系統的意思是指：讓計算機變得具有專家的能力與水平，在某些領域中能為人們提供一些實際的解決問題的辦法。其具備專家能力的原因為：它可以收集這些領域中的經驗和知識，并且還可以模仿專家解決相關問題的過程，然后根據所收集的資料和知識對所遇到的問題進行細密的分析，然后做出相應的決定。因為知識庫系統是專家系統的主體，所以專家系統在對信息的組織、并入和執行等方面與傳統的數據庫都是存在著不同。沒有經過加工和處理的數據常常被存放在傳統數據庫中，而那些有助于做出決策的知識常常被存放在知識庫當中，通過專家系統可以實現在現實生活中運用有關人工智能的理論的想法，并且現在專家系統已經被廣泛的運用到現如今的許多的領域當中了，醫療，地質的偵察等領域當中甚至現如今的專家系統在許多方面上的水平都可以達到人類專家的水平了。

（三）人工神經網絡。科研者受到我們人類本身的人腦神經元的啟發，曾嘗試著去設計出與我們人腦相似度高的網絡系統，讓這個系統去效仿我們人腦對現實中所接觸到的信息的處理方式，以期于進一步提高機器對相關信息的處理效率。人工網絡又被分為許多種，其中卷積神經網絡在對大型圖像處理的過程當中得到了很大程度的運用。當然，現如今研究者所創造出來的人工神經網絡還是無法和我們的人腦相比較，但其在現實生活中的許多領域都是有著突破性的進展，例如：醫療領域，智能化機器人領域等等

（四）識別圖像。經調查發現，我們獲取外界相關信息的非常重要的方式之一就是對圖像的識別，所以從這個角度去看思考，那么機器想要去像人類那樣去分析遇到的問題和想出相關方法去解決問題，那么機器就必須要運用到與圖像識別相關的技術。圖像識別功能在現實生活中的運用還是比較廣泛的，例如支付寶等應用上的人臉識別功能，虹膜識別功能等。從這個角度去看待機器的圖像識別功能，我們可以發現：圖像識別就相當于人工智能的“眼睛”，通過這個功能去收集資料，去效仿我們人腦對信息的處理過程，從而進一步對所遇到的問題進行決策。

三、人工智能在實際生活中的運用

（一）虛擬個人助理。該功能如今在市面上運用的也是比較多的，例如： Siri、微軟小娜等等。這些人工智能助理的作用為：人工智能助理可以在使用者需要的情況下去完成多項任務，并且現在市場上的虛擬個人助理基本上都是可以和使用者進行一些簡單的對話，并對使用者提出的一些簡單問題進行解答，人工智能助理工作的原理為：“本地語音識別 + 云計算服務”，在工作時需要運用到的技術有：語音識別、圖像識別、深度學習等

（二）汽車的自動駕駛。在汽車的自動駕駛研究方面，谷歌公司為此進行了大量的人力和財力的投資，谷歌曾在2012年4月份的時候，就向外界公布了一組有關自動駕駛的數據。我國研究的自動駕駛的汽車行駛的路程已長達20 萬公里了。據了解，這一數據和如今汽車的最大里程數已經是非常的接近了。不僅如此，我國在自動駕駛方面的研究還取得了另一個讓國人感到驕傲的成果：海梁科技集團與深圳巴士集團等相關公司一起聯合花錢花精力打造的自動駕駛客運巴士已經開始進行線路進行相關信息的采集和試運行了，

（三）醫療。國家對于醫療的重視程度一直都是很大的，醫療水平的不斷進步對于人類社會發展意義重大，隨著智能機器的不斷發展，現在也已經有案例表明人工智能可以運用到對醫療的建設當中。IBM 公司耗費無數精力去研發的采用認知計算系統的人工智能平臺Watson，江蘇省的蘇北人民醫院在2017年4月的時候就開始引用Watson眾多產品中的Watson 腫瘤系統，開啟了蘇北人民醫院醫療的新時代。Watson 腫瘤系統在蘇北人民醫院中起到的作用為：Watson 和醫院的數據進行對接，實現了患者病例數據的信息共享。與此同時，Watson還可以給臨床醫生在診療的過程當中去提供一些相應的診療方案，去輔助臨床醫生對相應的治療方案進行決策。

四、人工智能存在的一些問題

從人工智能概念的出現至今已差不多發展了有60多年了，有關人工智能的一些概念也變得越來越明確，在社會上的一些運用上也起到了顯著的效果，其給我們的生活和工作都帶了很大的方便，但任何一項技術的發展都會遇到一些問題，其中也包括人工智能。

（一）體系結構的局限性。馮·諾依曼體系結構采用的是存儲程序方式，這表明著程序必須是要提前去設定的，并且無法隨著外界的變化而發生改變，所以當前的智能系統無論是在感知、認知還是控制等多方面都遇到了許多的困難，并且難以突破這些困難。

（二）人工智能的發展常常受到社會問題的困擾。如果未來真的實現了人工智能具有和人類智慧媲美的本領，那么此時社會上就會出現許多的問題。從心理學中的“恐怖谷”理論中可以看出，我們會對機器人感到莫名的厭惡和恐懼，當機器人在某些方面非常接近我們人類的時候。還有從人工智能駕駛方面來看，如果人工智能駕駛的汽車在發生交通事故后，在事故責任劃分方面存在著比較大的問題，因為無論是汽車的生產商、系統的開發商還是駕駛者都可能存在著一定的過錯。

（三）底層工作者的就業問題。現如今人工智能已被廣泛的運用到社會中的各種領域，由于人工智能在理論上是可以一直工作的，這就將導致一些底層的工種將被人工智能所代替，這樣就會導致許多的底層的工作者出現失業的情況。而一個社會不僅僅只由高層人員組成，底層工作者也是社會上的一股很大的能量，所以當許多的底層工作者出現失業的情況時，那么就會出現社會不穩定的現象。

（四）在生活中廣泛運用人工智能會導致人們的距離感變大。由于現如今人工智能并沒有發展到像人們一樣具有可以獨立思考問題的程度，所以人工智能在一定程度上并不能像真正的人類一樣摻雜情感的去和人溝通，所以當我們的生活中人工智能的設備變得越來越多，人們和人工智能的交流變得越來越多而與真實的人交流的次數變得越來越少的時候，這就將導致人與人之間的距離感變得越來越大，這對維持社會的穩定也是不利的。

五、結語

到目前為止，在我們的生活中運用的最多的主要是弱人工智能。我們必須肯定的一個事實是，人工智能到目前為止還存在著許多的問題，但是人工智能還是存在著很大的發展空間，而要使得存在的問題得到解決，那么就需要我們的科研人員一起去為了目標努力，隨著現代科技不斷的得到發展，在之后的時代里，人工智能必將會使得我們的生活變得更加的豐富多彩和美好。