廣東外語外貿(mào)大學附設(shè)外語學校 何卓鍵

1.人工智能的發(fā)展

近些年來，人工智能與機器學習話題持續(xù)升溫。在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算迅猛發(fā)展的時代背景下，人工智能是計算機技術(shù)、網(wǎng)絡(luò)技術(shù)和通信技術(shù)互相結(jié)合后的產(chǎn)物，該技術(shù)不斷取得突破，應(yīng)用日益廣泛?！叭斯ぶ悄堋笔?956年達特茅斯會議中提出的，在那之后它的內(nèi)涵不斷的豐富和發(fā)展。人工智能是一項使用機器來實現(xiàn)、代替人類實現(xiàn)認知、識別、分析、決策等功能的技術(shù)，其本質(zhì)是模擬人類意識與思維信息過程[1]。人工智能綜合了計算機科學、生理學、哲學等學科，是一門利用計算機模擬人類智能行為科學的統(tǒng)稱。它的發(fā)展經(jīng)歷了三個階段。第一階段為20世紀50-60年代，人工智能的概念被提出，主要注重邏輯推理的機器翻譯；第二階段為20世紀70-80年代，提出了專家系統(tǒng)的概念，在人工神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，人工只能發(fā)展迅速，同時隨著半導體技術(shù)和計算硬件能力的逐步提高，人工智能逐漸開始突破，分布式網(wǎng)絡(luò)使得人工智能的計算成本降低;第三階段自20世紀末以來，開始進入了重視數(shù)據(jù)、自主學習的認知智能時代。隨著互聯(lián)網(wǎng)的發(fā)展，深度學習的概念被提出，人工智能的應(yīng)用場景逐漸增多，同時人工智能商業(yè)化高速發(fā)展，隨著后移動時代的來臨，全球互聯(lián)網(wǎng)科技巨頭積極布局人工智能戰(zhàn)略，開始謀劃云端人工智能服務(wù)生態(tài)系統(tǒng)[2]。

2.人工智能的應(yīng)用

人工智能在日常生活中有很廣泛的應(yīng)用，在圖像識別和語音識別尤為突出，多應(yīng)用于智能手機、智能家電、智能汽車等。例如智能機中的人臉識別功能、輸入法中的語音識別輸入功能、汽車導航系統(tǒng)中的語音導航功能等，智能家居的物聯(lián)網(wǎng)系統(tǒng)能夠隨時隨地了解家電運行情況，實現(xiàn)家電運行模式的自動化調(diào)整的智能家電等。另外，在投資顧問領(lǐng)域中，人工智能技術(shù)的應(yīng)用也較為普遍，針對市場的情況，結(jié)合顧客的財務(wù)水平和投資偏好，運用大數(shù)據(jù)技術(shù)進行統(tǒng)計和分析，提供給客戶投資理財建議，比如百度金融等。以日常購物而言，支付寶、微信等支付平臺，已經(jīng)在整個市場普及，街邊的小攤大多已都能進行微信或支付寶支付，十分方便。教育領(lǐng)域中，人工智能應(yīng)用到高新技術(shù)與教育學習相結(jié)合的全新嘗試中，在教育教學領(lǐng)域中人工智能技術(shù)的應(yīng)用也愈發(fā)廣泛，目的是幫助學生學習、提升學習效果、加深學習印象、提高運用知識的能力與水平、保證學習成績[3]。例如作業(yè)幫、學霸君等在線試題解答APP，學生能夠使用拍照片進行搜題，該APP有在線答疑、自動批改作業(yè)、提供解題思路等功能，充當同學們?nèi)粘W習中的得力助手，隨時隨地解惑答疑也在一定程度上減輕了教師的工作壓力和課業(yè)負擔。未來人工智能技術(shù)在教育領(lǐng)域中的應(yīng)用，其功能包括閱讀并評判學生的作文進而給出分數(shù)、對學生錯誤率較高的問題進行答疑、智能機器人助教、進行模擬化學習、語音測評、判斷學生發(fā)音不準之處等，還可以將大數(shù)據(jù)技術(shù)與人工智能技術(shù)相結(jié)合，通過大數(shù)據(jù)分析的方式來判斷學生學習中的問題或者知識的掌握能力，給老師教學提供參考依據(jù)，為學生提供學習指導，從而幫助老師調(diào)整教學方法，幫助學生優(yōu)化學習策略[4]。在安防領(lǐng)域，人工智能的運用能夠依據(jù)大數(shù)據(jù)分析方法與圖像處理技術(shù)，對人臉進行識別，按照不同層級與準入權(quán)限加以限制，或者運用人像快速識別技術(shù)，準確識別出嫌疑人員，確定其身份，進行找人、預(yù)警、追蹤等，能夠便于公安系統(tǒng)或安保系統(tǒng)的安全防衛(wèi)工作[5]。電影《戰(zhàn)狼2》中，對主角吳京進行追蹤的無人機，運用的就是這種技術(shù)。圖像處理技術(shù)的應(yīng)用在安防領(lǐng)域中，還能夠?qū)ζ囘M行掃描，明確車輛參數(shù)及各種細節(jié)，判斷汽車的運行軌跡與事故情況，來推斷汽車的使用情況或是否存在事故隱患等。

3.機器學習理論

機器學習是人工智能里的一個重要的方向，隨著機器學習中神經(jīng)網(wǎng)絡(luò)算法的深入研究，深度學習的網(wǎng)絡(luò)算法也逐漸完善，機器學習與深度學習的應(yīng)用也更加廣泛[6]。機器學習指計算機通過分析和學習大量已有數(shù)據(jù)，從而擁有預(yù)測判斷和作出最佳決策的能力，機器學習是人工智能的關(guān)鍵技術(shù)，而深度學習是相對于簡單學習而言，是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的拓展[7]。

機器學習大致可以分為以下步驟：數(shù)據(jù)采集、特征提取、特征組合評價、現(xiàn)狀態(tài)與特征組合匹配。每一步驟都在整個學習過程充當重要的角色，對于機器學習來說，數(shù)據(jù)收集要達到一定的量，數(shù)據(jù)量太小就失去研究的意義，通常機器學習的數(shù)據(jù)收集需要交代數(shù)據(jù)的來源以及采集方式，不同的數(shù)據(jù)采集的困難程度不同。特征選取是從數(shù)據(jù)集中過濾掉不相關(guān)或冗余的特征[8]。特征選取與特征提取的關(guān)鍵區(qū)別在于：特征選取是從原特征集中選取一個子特征集，而特稱提取則是在原特征集的基礎(chǔ)上重新構(gòu)造出一些(一個或多個)全新的特征特征提取時決定整個機器學習的關(guān)鍵一步，一般來說數(shù)據(jù)都會經(jīng)過一定的處理再進行機器學習，原始數(shù)據(jù)的計算量過于龐大，因此必須經(jīng)過特征提取，特征提取的結(jié)果從根本上決定著機器學習的結(jié)果，不同學者對于特征設(shè)計有著不同的定義，但是好的特征變量都需要考慮到以下特性，第一，要盡可能的相對獨立，減少堆砌，以免影響到后面的計算量；第二，整個特征集合要盡可能形成一個完備的描述空間，即一個盡可能完備的描述空間下的特征，所能通過機器學習所提取信息的效率才能最大化[9]；第四，在進行特征設(shè)計時要考慮到執(zhí)行效率。特征組合評價、現(xiàn)狀態(tài)與特征組合匹配屬于機器學習的核心部分，如果不能在特征上處理好計算量的問題，就需要設(shè)計更好的算法加快收斂速度[10]。

4.機器學習算法

機器學習有常見的算法應(yīng)用包括決策樹算法、人工神經(jīng)網(wǎng)絡(luò)、支持向量機、樸素貝葉斯等[11]。決策樹算法可以應(yīng)用于文章分類的工作，將文章關(guān)鍵的句子分為不同的類別，同時可以應(yīng)用于人臉識別，就人類的面部特征進行分類，比如眼睛的大小，在特征數(shù)據(jù)獲取后，在與數(shù)據(jù)庫里的數(shù)據(jù)進行匹配識別；人工神經(jīng)網(wǎng)絡(luò)可以應(yīng)用到互聯(lián)網(wǎng)公司網(wǎng)站的廣告過濾系統(tǒng)、反垃圾系統(tǒng)、不良信息等；支持向量機可以快速的處理大批量的數(shù)據(jù)，在生物學的分類問題上有很大的應(yīng)用，也可以通過構(gòu)造一系列超平面，將大規(guī)模的圖片進行分類；樸素貝葉斯對于大量的數(shù)據(jù)分類效率也很穩(wěn)定，可以應(yīng)用于醫(yī)院病人分類系統(tǒng)、新聞網(wǎng)站的分類等。機器學習的有關(guān)算法包括K-近鄰算法、邏輯回歸和GBDT[12]。K-鄰近算法常用于手寫數(shù)字識別領(lǐng)域，具有較高的準確率，在處理數(shù)據(jù)前先用矩陣將訓練矩陣存儲起來，再將其轉(zhuǎn)化為向量，將測試數(shù)據(jù)導入到模型中，得到輸出結(jié)果；邏輯回歸常應(yīng)用到銀行的信用評估中，用戶填寫完相關(guān)信息得到的數(shù)據(jù)，將這些數(shù)據(jù)通過邏輯回歸計算出顧客的信用等級。此外，邏輯回歸也通常應(yīng)用到醫(yī)學方面，預(yù)測病人的發(fā)病概率；GBDT算法常常應(yīng)用于估測廣告的點擊率等。

5.總結(jié)與展望

人工智能是人類惰性和智慧的結(jié)合，是一門新興學科，它是控制論、信息論、計算機科學、數(shù)理邏輯、神經(jīng)生理學等學科的交叉學科[13]。隨著人工智能技術(shù)的發(fā)展，應(yīng)用場景將不斷豐富，并驅(qū)動其支撐技術(shù)的持續(xù)發(fā)展，人工智能的市場規(guī)模將逐步擴大。人類正在逐步邁向“智能時代”，人工智能作為互聯(lián)時代前沿的新興技術(shù)，將逐步滲透至各行各業(yè)。在大數(shù)據(jù)時代下，人們的很多工作都需要在計算機網(wǎng)絡(luò)的支持下才能完成。因此，人們急需在計算機網(wǎng)絡(luò)技術(shù)中應(yīng)用人工智能，來解決那些計算機網(wǎng)絡(luò)技術(shù)無法獨立解決的問題另外，相關(guān)的技術(shù)人員應(yīng)繼續(xù)對人工智能進行更加深入的研究，并憑借先進的技術(shù)，對人工智能進行進一步的完善，讓人工智能為人們的工作和生活提供更多的幫助[14]。

[1]閆德利.2016年人工智能產(chǎn)業(yè)發(fā)展綜述[J].互聯(lián)網(wǎng)天地,2017(02)：22-27.

[2]李文軒.基于深度學習的路牌文字識別[D].華南理工大學,2016.

[3]李思琴.基于深度學習的搜索廣告點擊率預(yù)測方法研究[D].哈爾濱工業(yè)大學,2015.

[4]胡來豐,舒蘭.基于粗集理論的決策樹在信用卡發(fā)放中的應(yīng)用[J].計算機技術(shù)與發(fā)展,2015,25(03)：142-145.

[5]李桂君.基于SMP機群的并行編程模型的研究應(yīng)用與優(yōu)化[D].曲阜師范大學,2014.

[6]魯向擁,陳悅,張瞳,葛貝.Deep Learning算法分析和模型改進[J].計算機光盤軟件與應(yīng)用,2014,17(06)：137-138.

[7]李睿凡,王小捷,鐘義信.引入深度學習的人工智能類課程[J].計算機教育,2013(19)：58-61.

[8]程石.人工智能發(fā)展中的哲學問題思考[D].西南大學,2013.

[9]鄭?？?機械電子工程與人工智能的關(guān)系探究[J].科技創(chuàng)業(yè)家,2012(22)：108.

[10]陳文韜.網(wǎng)絡(luò)環(huán)境下遠程學習者學習力提升策略研究[D].西北師范大學,2012.

[11]王宏威,李國和,李雪,吳衛(wèi)江,李洪奇.連續(xù)型特征的特征選取方法[A].中國自動化學會智能自動化專業(yè)委員會.2011年中國智能自動化學術(shù)會議論文集(第一分冊)[C].中國自動化學會智能自動化專業(yè)委員會,2011：5.

[12]杜海瓊.基于Prolog語言的高中人工智能課程教學探索[D].浙江師范大學,2009.

[13]習玲麗,王永初.智能控制的發(fā)展前景[J].儀器儀表用戶,2006(04)：8-9.

[14]陳衛(wèi)國.基于微粒群算法的智能控制系統(tǒng)研究與應(yīng)用[D].湖南大學,2006.