郭玉言+張萍+陳碧云

摘要：隨著科學(xué)技術(shù)的不斷發(fā)展和人工智能技術(shù)的不斷突破，生活中越來越多的場景應(yīng)用到人工智能技術(shù)，本文介紹了人工智能的發(fā)展歷程、研究領(lǐng)域，從計(jì)算機(jī)視覺、語音技術(shù)、自然語言處理、決策系統(tǒng)及大數(shù)據(jù)應(yīng)用層面分析了AI的應(yīng)用場景，從等技術(shù)層面分析了人工智能在識(shí)別、認(rèn)識(shí)、分析和決策領(lǐng)域尚在發(fā)展階段，與人類智能之間存在的差距。

關(guān)鍵詞：人工智能；AI；機(jī)器學(xué)習(xí)

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）07-0228-01

2016年3月，隨著Google的AlphaGo以四比一大勝圍棋世界冠軍李世石，引發(fā)了新的一波人工智能的狂潮。那人工智能到底是什么，它已經(jīng)發(fā)展到怎樣的階段了？

1 人工智能的概念

人工智能（Artificial Intelligence，AI）通俗來講就是能對人的意識(shí)、思維等進(jìn)行模擬，希望機(jī)器能像人一樣思考甚至超過人的智能，是研究、模擬、擴(kuò)展人類智能的方法、技術(shù)的一門科學(xué)，旨在替代人類實(shí)現(xiàn)識(shí)別、認(rèn)知、分析和決策等功能。

2 AI的發(fā)展歷程

在60多年的發(fā)展歷程中，AI經(jīng)歷了幾次高潮和低谷。

“人工智能”被首次提出是在1956年Dartmouth學(xué)會(huì)上。1957年，康奈爾大學(xué)發(fā)明了“感知機(jī)”的神經(jīng)網(wǎng)絡(luò)模型，可以完成一些簡單的視覺處理任務(wù)。隨后，由于計(jì)算能力的限制，AI進(jìn)入了第一個(gè)低谷。

19世紀(jì)八十年代，研究學(xué)者根據(jù)專家知識(shí)和邏輯規(guī)則發(fā)明了專家系統(tǒng)，用來解決特定領(lǐng)域問題，但人們很快發(fā)現(xiàn)這種系統(tǒng)的局限，如機(jī)器翻譯系統(tǒng)無法處理自然語言中的歧義。1990年，人工智能計(jì)算機(jī)DARPA沒能實(shí)現(xiàn)，AI又一次遭到冷落。直到1997年，IBM的計(jì)算機(jī)深藍(lán)戰(zhàn)勝象棋大師卡斯帕洛夫，AI迎來了新的希望[1]。

2006年，Hinton提出“深度學(xué)習(xí)”的神經(jīng)網(wǎng)絡(luò)。2013年，深度學(xué)習(xí)算法在語音和視覺識(shí)別上取得了巨大成功。2016年，Google的AlphaGo戰(zhàn)勝世界圍棋冠軍李世石。隨著深度學(xué)習(xí)算法的運(yùn)用，AI迎來了第三次發(fā)展高潮。

除了算法方面的突破，數(shù)據(jù)資源和計(jì)算能力的增長對AI的發(fā)展起著關(guān)鍵的作用，從70年代Personal計(jì)算機(jī)的興起，到GPU、異構(gòu)計(jì)算等硬件設(shè)施的發(fā)展，為AI的發(fā)展提供了基礎(chǔ)。

3 AI的研究領(lǐng)域

一般來說，AI的研究分為基礎(chǔ)設(shè)施、技術(shù)、應(yīng)用三個(gè)層面。基礎(chǔ)設(shè)施層主要由數(shù)據(jù)資源和計(jì)算能力提供，數(shù)據(jù)越大，計(jì)算能力越強(qiáng)，AI的能力就越強(qiáng)。技術(shù)層以機(jī)器學(xué)習(xí)算法為中心，提供通用性很強(qiáng)的技術(shù)支持，如計(jì)算機(jī)視覺、自然語言處理等。應(yīng)用層主要提供行業(yè)解決方案，為人類帶來價(jià)值[2]。

AI在技術(shù)層面，有如下應(yīng)用場景：

（1）計(jì)算機(jī)視覺。計(jì)算機(jī)視覺是用機(jī)器代替人眼對圖像中的目標(biāo)進(jìn)行檢測、識(shí)別、跟蹤。利用機(jī)器學(xué)習(xí)的方法，從圖像或數(shù)據(jù)中獲取特征來建立計(jì)算機(jī)視覺系統(tǒng)，如人臉識(shí)別、目標(biāo)跟蹤、無人駕駛等[3]。

（2）語音技術(shù)。深度學(xué)習(xí)的廣泛應(yīng)用使語音識(shí)別的準(zhǔn)確率顯著提高，如蘋果公司的Siri可以實(shí)現(xiàn)人機(jī)之間的語言交互；Google的Voice Search可以通過語音輸入查找信息等。

（3）自然語言處理。自然語言處理主要包括語言理解和語言生產(chǎn)兩個(gè)部分，最典型的例子就是機(jī)器翻譯，如Google的Translation系統(tǒng)，讓很多本來不可能相互交流的人能夠相互溝通；2011年，IBM的Watson大放異彩，展現(xiàn)了杰出的理解、推理和學(xué)習(xí)能力。

（4）決策系統(tǒng)。決策系統(tǒng)的發(fā)展與棋類問題的解決分不開，從80年代的西洋跳棋開始，AI逐個(gè)擊破，攻破了國際象棋，到如今的圍棋，機(jī)器的勝利標(biāo)志著AI的飛速發(fā)展。

（5）大數(shù)據(jù)應(yīng)用。最典型的就是機(jī)器通過客戶數(shù)據(jù)進(jìn)行分析，找到滿足用戶喜好的商品進(jìn)行反饋。如網(wǎng)站中的推薦，通過大量分析用戶的興趣點(diǎn)進(jìn)行精準(zhǔn)推薦等。

4 AI的未來發(fā)展

盡管AI取得了一定的成果，但在很多方面與人類還是存在一些差距：

（1）依賴大量訓(xùn)練數(shù)據(jù)。舉個(gè)簡單的例子：計(jì)算機(jī)視覺系統(tǒng)在學(xué)習(xí)了數(shù)百張甚至更多的自行車照片以后，很容易分辨出什么是自行車，這需要大量的照片樣本學(xué)習(xí)。而對于人類來說，給一個(gè)三四歲的小朋友看過自行車以后，哪怕再給他外觀完全不同的自行車，他也能輕易作出正確判斷。即機(jī)器學(xué)習(xí)依賴于大量高質(zhì)量的訓(xùn)練數(shù)據(jù)，人類的學(xué)習(xí)過程往往不需要。

（2）依賴于特定的場景。在特定的場景如較安靜的環(huán)境，機(jī)器能夠得到比較高的語音識(shí)別水平，但在噪音情景下仍有挑戰(zhàn)。再如用一種方法學(xué)了下象棋，采用同樣的方法不能去下圍棋，即訓(xùn)練出的知識(shí)不能轉(zhuǎn)移，依賴于特定場景，不能通用。

（3）與物理事件缺少對應(yīng)。機(jī)器能夠擁有海量的記憶能力，但在處理自然語言時(shí)，缺少對語義的理解能力，包括對口語、方言等不規(guī)范用語的識(shí)別與認(rèn)知等。人在講話的時(shí)候，語言是與物理事件相聯(lián)系的，如一個(gè)人說自行車，他知道自行車長什么樣子，有什么功能。在機(jī)器眼里，“自行車”僅僅是一個(gè)孤立的詞，它與語句中的其它字或者詞一起被當(dāng)做信號(hào)序列，機(jī)器并不清楚這些信號(hào)在自然語言中的真正含義，更不會(huì)與物理事件相聯(lián)系，這樣的情況同樣發(fā)生在圖像理解上。未來如果要解決這類問題，就需要建立語言文本和圖像與物理事件的映射，這在實(shí)現(xiàn)上是有很大難度的。

只有把這些問題解決了，才有可能造出像人一樣智能的機(jī)器。因此人工智能在下一個(gè)階段有非常廣闊的應(yīng)用前景，也有很多挑戰(zhàn)。

5 結(jié)語

縱觀AI的發(fā)展，有低谷也有高潮。AI的發(fā)展關(guān)鍵因素是基礎(chǔ)設(shè)施的建設(shè)和算法的創(chuàng)新。盡管目前，AI尚在發(fā)展階段，還存在一些技術(shù)瓶頸，但我們相信，在未來的發(fā)展過程中，AI的應(yīng)用會(huì)越來越廣，在應(yīng)用領(lǐng)域，它也會(huì)提供越來越多的行業(yè)解決方案，創(chuàng)造出更多的商業(yè)價(jià)值。

參考文獻(xiàn)

[1]顧險(xiǎn)峰.《人工智能的歷史回顧和發(fā)展現(xiàn)狀發(fā)展》[J].自然雜志，2016，38[3]：157-166.

[2]蔡曙山，薛小迪.《人工智能與人類智能——從認(rèn)知科學(xué)五個(gè)層級(jí)的理論看人機(jī)大戰(zhàn)》[J].北京大學(xué)學(xué)報(bào)，2016，53（4）：146-154.

[3]夏美云，張鴻彥.《人工智能發(fā)展探討》[J].焦作大學(xué)學(xué)報(bào)，2005，4：55-56.endprint