人工智能技術應用及其發展趨勢

鄭黎明，潘文聯，成 楠

（廈門理工學院電氣工程與自動化學院，福建 廈門 361024）

人工智能技術本質上是計算機科學的一個分支，其涉及信息論、控制論、自動化、哲學等學科的技術和理論，是一門綜合性科學技術。人工智能技術具有高度智能化特征，因此其被廣泛應用于各個產業，在推動各產業轉型升級的同時，也促進了各個行業不斷發展，并取得了不錯的經濟效益。此外人工智能技術是基于計算機技術的發展而創新升級的，其應用范圍更廣，能大幅提高人們的工作效率，實現時間管理優化。

1 人工智能基本概念[1-3]

1.1 智能的概念

人工智能，顧名思義就是賦予機器或計算機具有人智能的特點。因此首先不得不對智能的定義及本質進行剖析。從古至今，眾多思想家和科學家都在追尋智能的產生，探究智能的本質，但到目前為止的研究探討依舊還是處在初步階段。智能的產生是當今自然界四大奧秘之一，現在還是難以賦予智能明確的定義。

隨著腦科學的發展，根據現有對人腦的研究結果，依據智能的行為表現，提出了以下3個影響較深的觀點：思維理論觀覺得智能的產生來源于思維，正是人進行行為活動時腦產生的思維活動，智能才應運而生；知識閾值理論觀認為智能應是在腦內龐大知識領域快速尋出最優解的能力，也就是智能的高度取決于知識儲量的大小；進化理論觀堅持智能與生物進化論是相似的，智能也隨著對外界環境的感知和不斷適應而產生且進化提高。

雖然智能無法確切定義，但智能具有以下顯著特征：①有感知能力。指依靠多種感覺器官去感受外界環境的能力。②有記憶思考的能力。人腦的結構特點及龐大神經系統使人可以對事物進行記憶且獨立思考，這是智能的根本原因。③有學習的能力。不斷學習使人更智能，對外部世界的影響也能做出相對應的行為活動，這些都是人的本能。

1.2 人工智能的定義

人工智能簡單地說就是人類使機器擁有智能。人工智能的孕育階段可以追溯到古希臘時代，杰出的哲學家亞里士多德提出演繹推理的三段論，是思維邏輯產生的基礎。1956年，“人工智能”這一術語在美國達特茅斯大學關于機器智能的會議上由時任斯坦福大學教授的麥卡錫首次提出。這次會議在科學發展史上具有里程碑意義，表明一個新興學科的誕生——人工智能學科，因此麥卡錫也被后人稱為“人工智能之父”。此后在美國，人工智能學科得到空前重視，眾多人工智能研究機構應運而生，比如MIT研究機構、IBM工程研究機構等。

1.3 人工智能發展簡史

自從1956年人工智能被提出以后，到現在可以總結為3次發展期。第一次是在上述會議后的10多年期間（1956—1969年），人工智能的研究在多個方面收獲頗豐。1957年，ROSENBLATT順利研發出第一臺感知器，開展機器學習的研究；1959年，SELFRIDGE成功編寫出首個具有模式識別功能的程序，打開了人工智能在模式識別領域的大門；20世紀60年代初，MCCARTHY創造了智能系統的工具，即人工智能語言LISP。直到1969年國際人工智能聯合會議（IJCAI）召開，象征著這個學科逐步在全球范圍內得到推廣應用。

第二次是進入20世紀70年代后艱難持續發展的40年（1970—2010年）。雖然人工智能在這個階段遇到很多瓶頸，發展并不是一帆風順，但還是取得了不少的重要進展。1972年，法國教授COMERAUER創立了面向演繹推理的邏輯程序設計語言PROLOG，同年美國教授SHORTLIFFE成功研究出能夠診斷并治療疾病的專家系統MYCIN。人工智能在這期間遇到的瓶頸之一是機器學習的研究進展并不如人意，機器學習應用的機器翻譯就猶如木呆的機器翻譯出生硬的語句，這在當時讓眾多人工智能研究機構很煩惱。20世紀70年代，第五屆國際人工智能聯合會議成功召開，提出新的理論——知識工程，對后續人工智能發展注入新的動力。1986年后是人工智能發展最蓬勃的時期，專家系統不斷被優化，創造出神經網絡研究中的BP算法、Hopfield算法。1996年在國際象棋比賽的博弈當中，美國IBM公司的“深藍”計算機系統成功戰勝世界棋王KASPAROV，震驚世界。2006年深度學習的提出，成功處理了很多20世紀遺留下來的疑難雜癥。

第三次是2011年后人工智能在大數據技術影響下的發展時期。大數據、云計算等信息技術是伴隨著互聯網通訊技術的不斷升級換代而發展的，在大數據技術的驅動下，深度學習理論不斷被完善，人工智能技術應用也在改進。影響最大的“人機大戰”比賽，在國棋對戰中英國的機器人ALPHAGO擊敗了世界冠軍柯潔，讓世人見證了人工智能的超人類思維。國內對人工智能的研究起步較晚，在20世紀80年代初也建立了中國人工智能學會，此后在多個相關人工智能領域獲得了大量的成果。

2 人工智能主要研究內容及應用

人工智能是一個綜合性很強的學科，研究內容十分廣泛，本文將介紹其主要研究內容，即自然語言處理、計算機視覺、專家系統、模式識別這4大研究領域。

2.1 自然語言處理

自然語言處理是人工智能技術研究中的熱點方向之一，主要是使計算機能夠理解人的表達語言并且實現以自然語言為媒介的人與計算機的交流。自然語言處理是統籌多種信息學科的綜合技術，其處理過程包括詞法分析、句法分析、語義分析3個階段。自然語言處理功能強大且應用廣泛，不僅局限于語音識別，而且還可以進行機器翻譯等。

自然語言的分析過程看似簡單，實際上分析起來十分復雜。分析詞法時需要將語句切分為單個詞語，并對這些單詞賦予詞義；要分析語句的結構以及確定單詞之間的邏輯關系，理清單詞在句中的作用并對這些邏輯層次加以表達；把分析的語句代入實際應用當中進行語義分析。其中最難處理的是詞義分析，中文中有許多一詞多義詞語，這大大增加了語言處理的難度。語義識別技術是語言處理過程中用到的關鍵技術，運用該技術可處理一詞多義的難題，盡量消除語句歧義的問題。

自然語言處理的熱門應用領域之一是語音識別。語音識別技術功能強大，可以實現“人機對話”，在生活中隨處可見，比如可用手機語音搜索免去打字煩惱，智能音箱、機器人等都具有語音識別技術。語音識別發展過程中也面臨諸多困難，如圖1所示。

圖1 語音識別難題

2.2 計算機視覺

計算機視覺[4]又稱機器視覺，是讓計算機像人一樣具有“觀察”的能力，其目的是對現已采集的圖片或視頻進行操作處理，以便獲取周邊環境信息。計算機視覺是當今機器學習熱點方向之一，其統籌了計算機科學、信號處理、統計學和神經生理學等學科，是一種綜合的科學技術。

計算機視覺的視覺器官是成像系統，通過將成像系統捕獲的信息作為控制的輸入，再讓計算機系統來處理信息。計算機視覺研究的終極目標是使計算機可以像人類一樣依靠視覺來觀察世界以及理解世界，并具有獨立適應環境的能力。毫無疑問，實現這個目標還需要走很長的路，但是研究人員可以創立某個先進的視覺系統，此系統可憑借一定的視覺靈敏度和反饋智能去完成所給任務，這也是相關研究機構追求的中期目標。需要強調的是，雖然在計算機視覺系統中可以將計算機模擬為人腦，但是計算機并不等同于人腦，也就是計算機不一定需要采取人類視覺通用方法處理視覺所獲得的信息。

在當今高度信息化時代，計算機視覺被應用于各種行業，不僅應用于民用領域，而且還可應用于軍事領域。在民用領域，工業機器人中的計算機視覺系統可以使控制過程順利進行；自動駕駛或移動機器人中的計算機視覺系統能夠像“長了眼睛”一樣實現自主導航行動；交通信息網中的計算機視覺系統可以進行視頻監控而且能夠對車流量進行統計。在軍事領域，計算機視覺系統可以檢測敵方人數以及實現導彈精確制導等。

2.3 專家系統

專家系統是人工智能中的研究重點內容。專家系統指類似于人類專家解決問題的智能計算機程序系統，它一般通過學習某領域若干專家多年來積累的知識和經驗，然后模擬人類專家對問題做出判斷與決策，這樣專家系統可以替代人類專家處理某些實際問題。

專家系統由人機交互界面、知識庫、推理機、解釋器、綜合數據庫和知識獲取6大結構組成。專家系統分為2種類型，即以知識體系可以分為邏輯類專家系統、規則類專家系統、語義網絡類專家系統等和按照任務體系可分為預測型專家系統、診斷類專家系統、設計型專家系統等[5]。

專家系統的工作原理是用戶在人機交互界面中答復所給的問題，然后推理機通過知識庫中的若干規則條件來匹配用戶輸入的信息以及將這些匹配結果存儲在綜合數據庫中，最后專家系統利用解釋器回答出較準確的結論給用戶。專家系統一般具有啟發性、透明性和靈活性的特征，其也具備面向用戶的多種功能，是一種“人性化”的計算機程序系統。

2.4 模式識別

模式識別產生于20世紀20年代，隨著人工智能的發展而興起，是人工智能的基礎研究領域。模式識別是利用計算機程序，根據輸入的圖片文字或聲音等原始數據進行描述分析和判斷處理的技術。

模式識別系統一般有5大組成部分：數據獲取、預處理、特征提取、分類決策、分類器設計。通常該系統結構分為由前4大部分構成的未知類別模式分類模塊和分類器設計模塊這2大模塊。

數據獲取是為了得到計算機能夠識別的信息，通常由傳感器測得物理量轉化為電信號，然后經A/D轉化器獲相對應的數據值。再對獲取數據進行預處理，即對輸入信息進行濾波降噪操作，獲得具有分類意義的特征數量。特征提取部分是從眾多特征數量篩選出有效且有限的特征，從而減少分類器的計算量，降低分類器設計難度。分類器設計是依據輸入的訓練樣本來自主運作，其過程一般為分類器的自我學習過程，該學習方式通常分為有監督學習和無監督學習。分類決策是由上述流程產生的分類樣本根據分類規則進行評估與決策，其是該系統最重要的一部分，關系到輸出結果的準確性[6-7]。

模式識別有著豐富的應用領域，包括文字識別、指紋識別、遙感以及醫學診斷等領域。文字識別可以快速高效地將漢字輸入到計算機中，極大地普及了國人的計算機應用；指紋識別是應用最為廣泛的模式識別技術之一，指紋的唯一性意味著其身份的唯一性，常見于刑事偵查等確認人身份的場合；遙感其實是一種圖像識別技術，被廣泛應用于氣象預報及軍事偵察等。

3 人工智能發展趨勢

在當今信息日益增多、信息碎片化的時代，人類越來越依賴于人工智能，人工智能的發展關系著人類生活的快捷性。人工智能正在給各行各業帶來變革和重建。在未來新一代工業革命中，人工智能將發揮著舉足輕重的作用。當今全球主要國家陸續出臺政策將人工智能作為國家創新戰略，并以此搶占并吸收相關人才，這也為將來工業革命和產業變革積蓄巨大的動力來源。無論是在工業安防領域還是在醫療金融領域，人工智能的影響都是不可磨滅的[8]。人工智能應用場景如圖2所示。

圖2 人工智能應用場景

未來中國新一代人工智能的研究應用將助力于國家的工業化、城鎮化、綠色化和智能化的發展，進而形成一大批以智能競爭為特征的新興產業領域，推動國內經濟大循環以及經濟轉型升級，而且有利于實現“兩個一百年”的奮斗目標。筆者認為人工智能將呈現多元化發展趨勢，主要包括以下幾點：①計算機計算能力的高度將決定人工智能發展水平。先進的計算機技術為人工智能研究提供強大計算保障，使得自然語言處理、計算機視覺等人工智能研究領域邁向更高臺階，使人工智能理解水平得到巨大提升。②物聯網工程建設的大力推進，促進人工智能技術與萬物互聯，更好服務于民。其主要體現在人工智能產品物種豐富，且都有產品自身的獨立個性。③人工智能技術將更加深度融合國內各產業的發展。在當今大數據、萬物互聯的信息化時代，各個產業都不會獨善其身，而是順著智能的時代潮流不斷發展，未來包括醫療、金融、家居以及交通等傳統行業都將應用人工智能技術，而且也將逐步優化涉及這些領域的智能體系。

4 結語

人工智能自20世紀50年代被定義以來，經過了幾十年的艱難發展，已經在人類社會眾多行業領域得到成功應用，這極大豐富了人們的生活方式并提高了社會生產效率。人工智能研究內容涉及到許多學科范疇，其中自然語言處理、計算機視覺、模式識別等研究內容是當今人工智能研究應用的熱點方向。未來計算機計算水平的提高將會完善人工智能技術系統，使其更加智能化。