袁傳懷

【摘 要】產業(yè)化時代新一代人工智能發(fā)展前景廣闊，但機器智能遠未具備人類的智能能力，機器能夠實現(xiàn)的智能思考能力和智能行為還需要理論基礎的深度研究，以解決人工智能的認知和應用中的很多問題。通過對人工智能的基本結構框架的認知進行剖析，人工智能從基礎到應用進行全面分析，未來發(fā)展可能性及其存在問題研究，可以為人工智能研究和應用相關活動提供支持，有一定的理論價值和實踐參考價值。

【關鍵詞】人工智能;框架;應用

中圖分類號： TP18 文獻標識碼： A 文章編號： 2095-2457（2019）32-0109-003

DOI：10.19694/j.cnki.issn2095-2457.2019.32.049

Artificial Intelligence Framework and Application Issues

YUAN Chuan-huai

（University of Electronic Science and Technology， Zhongshan Guangdong 528400， China）

【Abstract】The new generation of artificial intelligence in the era of industrialization has broad prospects， but machine intelligence is far from human intelligence. The intelligent thinking ability and intelligent behavior that machines can realize require in-depth research on the basis of theory to solve both the knowledge of artificial intelligence and many problems in the application.Through the analysis of the basic structural framework of artificial intelligence， artificial intelligence from the basic to the application， future development possibilities and existing problems， can provide support for artificial intelligence research and application related activities， there is a certain theory value and practice reference value.

【Key words】Artificial intelligence; Framework; Application

人工智能（ArtificialIntelligence，AI）是制造智能機器，特別是有關智能計算機程序的科學和工程。人工智能可以利用計算機來理解人類智能的類似任務，但是也能理解其他生物的智能任務。為什么不說是生物智能而說人工智能，是因為目前人類是世界上智能程度最高的代表。第二次世界大戰(zhàn)后，英國數(shù)學家艾倫·圖靈（ Alan Turing）可能可能是第一個決定最好通過編程計算機研究人工智能而不是通過制造機器來研究人工智能的人。20世紀50年代末，人工智能研究者大多是基于計算機程序來研究人工智能[1]。

1956年第一次以人工智能命名的會議，探討了人類學習和人類智能特征的基礎問題，如何精確描述原理以便能使計算機進行模擬，開啟了人工智能學術探討和實踐應用的時代。19世紀60年代嘗試如何讓計算機理解自然語言、自動回答問題，在工業(yè)機器人廣泛應用基礎上產生了智能機器人，機器人具有利用簡單工具解決問題的智能。70年代專家系統(tǒng)迅速發(fā)展，例如“計算機醫(yī)生”智能系統(tǒng)可以同時診斷好幾個病人，迅速而準確地判斷病情對癥下藥給出方劑;開發(fā)了理解英語語言的程序，可以使機器人利用屏幕與人對話，并執(zhí)行人的命令去搬運積木塊。80年代的重點是知識表示、推理、機器學習[2]。

大腦實際上是一臺“萬用學習機器”，同樣的學習機制可以用于完全不同的應用。目前人工智能在圖像識別、語音識別、文本處理、游戲博弈等方面趕超人類，并逐步占據(jù)現(xiàn)代服務業(yè)的核心。隨著人工智能與大數(shù)據(jù)、云平臺、機器人、移動互聯(lián)網(wǎng)及物聯(lián)網(wǎng)等深度融合，人工智能技術與產業(yè)開始扮演著基礎性、關鍵性和前沿性核心角色[3]。進入20世紀以來，人工智能從小范圍向全球范圍快速推進，應用范圍加速速蔓延到各個產業(yè)，2017年開始國家和各個省市制定并發(fā)布新一代人工智能產業(yè)發(fā)展的中期規(guī)劃為人工智能發(fā)展提供了大力支持。經過60多年演進人工智能發(fā)展進入新階段，人類智能思維和行為原因還有很多待解決的問題，通過機器來模擬人的思維和行為探索之路很長。本文對人工智能的構成框架以及應用形式進行解析，對人工智能的理論研究和實踐應用相關人員有理論參考價值。

1 人工智能的構成要素

1.1 人工智能構成要素分析

機器智能能力依賴計算機程序實現(xiàn)智能控制。計算機程序能分析世界的不同情況，能夠循環(huán)反復執(zhí)行規(guī)定動作，能夠按照既定程序作出相應標準動作，也能通過程序實現(xiàn)對現(xiàn)實世界復雜情況的分析判斷，進一步對復雜情況作出不同反應。

通過計算機程序讓機器可以理解問題、目標、處理的詳細步驟，計算機能很好地理解人的問題是什么，問題如何解決，最后處理結果如何匯報等。人工智能要通過程序方式來讓機器理解人的指令，理解人的處理方法和處理的結果。人的智能通過程序計算分析和處理來傳達給機器，讓機器能夠理解，并讓機器表現(xiàn)為有智能動作。

人工智能系統(tǒng)需要為機器提供視覺、感知、分析、決策、行動等環(huán)節(jié)匹配的能力。

機器可以按照人的想法來執(zhí)行，但是卻沒有人類智能思考和行為的邏輯機制，這種機制的原理還不是很清楚，實現(xiàn)這種機制現(xiàn)實中有很多困難。人自己能夠做決定，而計算機卻不行，其中的原因可以從人類本身智能系統(tǒng)復雜性來理解，從而找到一些解釋方法。人對現(xiàn)實世界智能化方式可以從視覺、感知、分析、決策、行動等環(huán)節(jié)來分析。比如人有視覺然后可以看到很多周圍環(huán)境，而機器不能看到，所以需要給機器安裝視覺系統(tǒng)，讓機器也能像人一樣觀察，通過攝像頭拍攝技術接入計算機讓計算機也能看到周圍世界，視覺系統(tǒng)是智能第一個重要環(huán)節(jié)。

人類看到物體，也可以感覺到物體不同狀態(tài)，比如能感受到溫度差別，能感到有壓力，能表現(xiàn)出對某個事物喜悅或厭惡情緒，計算機可以接入溫度計測量溫度的數(shù)據(jù)，但機器內部還不能像人這樣有內部豐富的情感，計算機沒有人豐富的感覺系統(tǒng)，感知系統(tǒng)是智能系統(tǒng)的必要組成部分。

分析問題時不同人分析結論有很大差異，有時靠經驗，有時靠推理，也有時需要反證法，有時靠靈光一現(xiàn)，有時就是靠感覺，有的人分析方法很特別，有的人分析能力很強，有人靠數(shù)學計算來推理，也有人就靠投票來決定，因此分析環(huán)節(jié)可以是很嚴謹?shù)姆治鲞^程，很嚴格驗證，也可以是大致判斷，很多時候是大致判斷，和直覺有關系。所有這些分析方式，機器還不能運用自如，是因為機器分析是靠程序設計人員設計出來，反應了該設計人員某個思維判斷方式，不具備人思維分析的所有方式，不能完全找出合理分析方法。因此像人一樣進行思考分析是人工智能最困難環(huán)節(jié)，也是最核心環(huán)節(jié)。

分析后還需要明確給出決策結果，結果與前期分析直接相關，分析過程的復雜性和困難程度決定了決策不一定正確，需要審查決策是否合理，驗證決策是否有效。

最后還需要行動配合才能實現(xiàn)機器智能效果，機器才能按照理想方式展開工作。

因此總體上看人工智能系統(tǒng)需要提供視覺，感覺，分析，決策，行動等環(huán)節(jié)，各個環(huán)節(jié)都不能缺少，并且是相互依賴。

1.2 人工智能的價值分析

人工智能從實驗室進入實踐應用，從小規(guī)模應用到產業(yè)化必須經過多個不同環(huán)節(jié)。內容提供商提供業(yè)務內容，開發(fā)商提供智能系統(tǒng)，服務商提供研發(fā)和應用的必要服務，最終用戶的需求是推動持續(xù)發(fā)展的必要條件。而基礎設施提供了應用的基礎，應用系統(tǒng)提供了適合不同場景的應用可能性，如圖1。

1.2.1 人工智能基礎設施

人工智能的基礎設施部分主要包括實踐需要的物理基礎設施和理論支持能力。

圖1 人工智能的價值

第一個部分是物理基礎設施，該部分提供AI所需要的各種終端設備，傳輸信息的設備，存儲的數(shù)據(jù)，以及相應計算模型庫。

√軟件：操作系統(tǒng)，系統(tǒng)軟件，應用軟件

√硬件：芯片，傳感器，終端設備，網(wǎng)絡設備

√網(wǎng)絡傳輸：Internet，無線網(wǎng)絡，移動網(wǎng)絡，遠中近網(wǎng)絡

√數(shù)據(jù)：存儲，利用，管理

√賦予智能的算法和模型：

●識別能力：圖像，文本，音頻，視頻，特征模式

●智能分析能力：確定性問題分析，不確定性問題分析

●推理能力：分類，影響因子分析，機器學習分析，神經網(wǎng)絡分析

●決策能力：決策目標理解，決策依據(jù)評估，決策選擇

●行為能力：位置，動作

●記憶：臨時記憶，持久記憶

第二個部分是理論基礎設施

√知識庫

√關聯(lián)理論、因果理論及其正確性驗證

√理論上的可解釋性問題

1.2.2? 人工智能中間件

中間件的部分，不屬于基礎設施的部分，也不是應用端部分，主要功能是針對人工智能應用需求合理分配基礎設施，保障智能應用有效開展所需要的各種資源。如實現(xiàn)場景對象鑒別，對視覺、知覺、分析、決策、行為、記憶等不同的智能業(yè)務需求提供代理，為開展人工智能所需要的計劃、監(jiān)測、修補、法律保障、安全等提供服務。

1.2.3 AI應用部分

應用的領域：人、物、企業(yè)、組織、群體、產業(yè)、社會等。

表現(xiàn)形式：文本、圖像、聲音、行動。

應用場景：文本識別，語音識別，圖像識別，視頻識別;行為動作，人機交互;智能制造，智能交通，智能城市，智能社區(qū)，智能工廠;智能教育。

2 人工智能的應用

2.1 基本的應用模式

圖2 人工智能應用

如圖2所示，面向應用的人工智能，主要是面向最終用戶，通過AI服務提供商實現(xiàn)和用戶的對接，服務提供商需要的業(yè)務數(shù)據(jù)需要由AI內容提供商來提供，以保證符合用戶業(yè)務需要;實際智能系統(tǒng)需要AI系統(tǒng)開發(fā)商進行開發(fā)，并把可以投入實際運用的智能系統(tǒng)轉給AI服務商，應用到實際場景中，以支持實際業(yè)務智能化;基礎設施是實現(xiàn)人工智能承載工具和傳導工具，通過這些設施，才能實現(xiàn)智能采集和動作等。

2.2 物的智能管理

通過芯片和傳感器可以獲取物的詳細信息，通過網(wǎng)絡服務器實現(xiàn)物品智能管理。及時獲取獲得物品詳情資料、物品狀態(tài)更新、位置移動等動態(tài)信息，進而可以輔助完成物料存儲、轉移、變化、查詢等情況，有效支持各個崗位人員對物品智能管理。

2.3 對人的智能管理和智能服務

利用對人的面部和行動等特征，能有效鑒別，可以通過網(wǎng)絡及時和人進行溝通，并幫助人類實現(xiàn)智能化生活，如衣食住行的智能服務，幫助個人學習、咨詢、自動繳費等。

2.4 智能工業(yè)

可以采用自動采購系統(tǒng)，自動化訂單管理系統(tǒng)，自動服務管理系統(tǒng)，智能業(yè)務分析系統(tǒng)等，實現(xiàn)對整個企業(yè)或工廠的全面智能化改進，實現(xiàn)智能工廠等。

2.5 智能商業(yè)

對應B2B或B2C等商業(yè)業(yè)務開展智能化商業(yè)活動，比如智能采購或銷售。

2.6 智能社會

考慮整個社會上的各種業(yè)務可以通過網(wǎng)絡集中起來進行統(tǒng)一管理，在網(wǎng)上實時連接各個公共部門，如自動繳費、智能社區(qū)、智能城市等。

2.7 群體智能

主要針對一部分特征人群進行智能化管理或服務。

3 人工智能總體邏輯框架

如圖3所示利用物理設施中的視覺系統(tǒng)、傳感系統(tǒng)、聽覺系統(tǒng)等實現(xiàn)信息發(fā)現(xiàn)、采集智能活動必要要素信息，然后通過網(wǎng)絡傳輸設備傳導到數(shù)據(jù)中心存儲，在信息量足夠的情況下啟動智能分析各種計算算法和邏輯模型進行計算，通過計算具備了現(xiàn)實世界識別能力、問題判斷能力、推理能力、決策支持能力、指揮行動能力以及記憶能力。所有這些條件和結論通過記憶，形成了對問題解決能力，有了一定的智能解決問題能力。典型問題就有了典型解法，復雜問題也有了應對方案，這些應對方案形成知識積累進入知識庫，經過驗證正確的部分形成規(guī)律，可以豐富理論新內容。對于條件和結論之間是否有關，或只有關聯(lián)，或因果關系等通過訓練檢驗，并給予解釋，這些積累的經驗和理論在實際應用中提供支持。

中間件很重要，實際不同應用場景需要驗證用戶，分析所屬智能應用領域，啟用不同智能計算基礎設施，以及保障應用環(huán)節(jié)安全、穩(wěn)定、合理開展等提供中間支持，對復雜智能系統(tǒng)，需要啟用代理分別進行管理。

應用場景應該由市場需求驅動才能持續(xù)發(fā)展，從研發(fā)到實際應用，從商業(yè)化到產業(yè)化，會遇到到很多問題，既需要可行性也需要可能性，用戶有需求但也要用戶承受得起才行，否則商業(yè)化會困難重重。應用場景覆蓋范圍會越來越大，各種基礎設施有很大發(fā)展，信息采集、傳輸、計算、控制等快速發(fā)展都為人工智能提供了廣闊的發(fā)展應用前景。

圖3 人工智能的總體邏輯框架

4 人工智能的發(fā)展存在的主要問題

4.1 現(xiàn)實問題的復雜性還不能有效解決

現(xiàn)實問題可以分為兩類，一類是確定性問題，另一類是非確定性問題。確定性問題結構化程度高，通過結構化程序設計執(zhí)行，程序中主要是擬合方式來訓練和驗證問題解決方式。安排智能機器能很好地完成工作，如工廠內部機器人負責精確控制制造得到大規(guī)模的應用。非結構化問題幾乎不能靠經驗復現(xiàn)行為和結果之間的穩(wěn)定關系，常規(guī)思考方式已經不能解決實際問題。需要更有效的智能計算和理論創(chuàng)新，神經網(wǎng)絡深度學習方式在一定程度上解決了部分非確定性問題。

4.2 基礎設施支撐的現(xiàn)實問題

全面開展人工智能深度應用，要建設更多新的基礎設施。比如機器視覺感覺系統(tǒng)硬件設備通過攝像頭，紅外線，雷達等，這些還遠不能像人視覺一樣，有很大局限性，看到信息還不能像人那樣馬上把這些信息利用起來;機器聽覺系統(tǒng)要實現(xiàn)類似人聽覺能力，要很長時間訓練，人類語言的豐富語境機器還不能完全理解;機器感覺系統(tǒng)只能具備很簡單的感覺能力，離人的豐富感覺系統(tǒng)距離很遠;人對信息傳導非常迅速，機器采集元素通過網(wǎng)絡設備傳輸受制于網(wǎng)絡，要更快更方便的網(wǎng)絡傳輸設施。人類記憶和存儲可以復現(xiàn)，但是AI機器記憶靠設備來記憶，要更多傳輸和記憶設備;人類思考分析能力復雜性需要超高計算處理能力，智能計算硬件設備有更高要求例如更高計算能力的芯片。

4.3 深層次智能理論基礎

給機器賦予智能能力，需要理解人類和非人類智能能力的基本原理，對智能形成機制展開更全面深入理論研究。人類的智能能力能否賦予機器、賦能途徑、機器獲得這些能力的效果評估、可能的影響等方面，需要大量理論支持，并在實踐中檢驗理論的科學性。

4.4 數(shù)據(jù)問題

機器所有智能理解，是通過不斷通過對實際分析，找出可能的實際解決方案。這需要大量實際場景數(shù)據(jù)告訴機器，某個模式的做法是對的，計算機通過大量訓練找到了實際問題的解決方案，很明顯需要實際數(shù)據(jù)支持訓練模擬行為的發(fā)生和評估。AI在各種應用的場景和應用領域獲得大量有經驗的訓練數(shù)據(jù)，數(shù)據(jù)如何存儲如何獲取也是很棘手。

4.5 智能分析模型問題

機器還不具有人類智能分析方式，總體上機器智能分析主要針對人類目前能解決的問題而設計，目前人類不能解決的問題機器智能很難辦到。好消息就是這方面已經有了進步，利用神經網(wǎng)絡來開展深度學習正在朝著更有效方向前進，未來還需要更加智能處理方式。

4.6 應用場景優(yōu)化問題

盡管AI在應用上有些很好的應用場景開發(fā)出來，但是總體上AI應用場景還不夠普遍，人衣食住行服務的機器智能還有非常多發(fā)展機會，物聯(lián)網(wǎng)實現(xiàn)更多網(wǎng)絡環(huán)境智能管理還有更大發(fā)展空間，為企業(yè)運營管理服務的智慧企業(yè)、智慧工廠、智慧社區(qū)、甚至智慧城市等才只是剛剛起步。更先進的基礎設施、基礎網(wǎng)絡、終端設施為AI應用場景打開了大門。

4.7 支撐資源問題如人才，資金，政策等

AI的發(fā)展需要投入大量社會資源，如人才、新的基礎設施、設備、網(wǎng)絡傳輸設施、計算設備、理論研發(fā)、應用研發(fā)等都需要大量人、資金和政策的支持，可以預見AI會在很長一段時間內持續(xù)得到關注，作為提高競爭力的手段持續(xù)得到發(fā)展。

【參考文獻】

[1]JOHN MCCARTHY.What is artificial intelligence？.http：//www-formal.stanford.edu/jmc/whatisai/node1.html[OL].November 12，2007.

[2]魏宏森，林堯瑞.人工智能的歷史和現(xiàn)狀[J].自然辯證法通訊，1981（04）：47-55.

[3]顧險峰.人工智能的歷史回顧和發(fā)展現(xiàn)狀[J].自然雜志，2016，38（03）：157-166.