人工智能技術發(fā)展及其應用綜述

韓抒航　劉勝涵

摘??要：人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。它使人類進入信息產業(yè)革命時代，達到認識和改造客觀世界能力的高峰。本文章介紹了人工智能的概念和發(fā)展沿革，并對現(xiàn)階段人工智能研究領域的主要研究方向進行了介紹。

引言

人工智能是新一輪產業(yè)變革的核心驅動力，將進一步釋放歷次科技革命和產業(yè)變革積蓄的巨大能量。人工智能正在與各行各業(yè)快速融合，助力傳統(tǒng)行業(yè)轉型升級、提質增效，在全球范圍內引發(fā)全新的產業(yè)浪潮。

中國人工智能市場規(guī)模在迅速發(fā)展壯大，截止至2019年我國人工智能市場規(guī)模已達到554億元左右，預計在2021年我國人工智能市場規(guī)模將會突破千億元。計算機視覺、無人駕駛、語音識別、自然語言處理等人工智能技術正在創(chuàng)造巨大的經濟利益，人工智能技術現(xiàn)已成為目前全球最受互聯(lián)網業(yè)界和市場關注的新技術及應用

人工智能發(fā)展歷史

1956年，Marvin?Minsky，John?McCarthy?和?2位頂級科學家：Claude?Shannon（克勞德·艾爾伍德·香農）以及IBM的?Nathan?Rochester，組織了達特茅斯會議，此次會議其中的一個提案斷言：任何一種學習或者其他形式的人類智能都能夠通過機器進行模擬。同時約翰·麥卡錫為這種機器智能取了一個名字：Artificial?Intelligence，并確定了人工智能最初的發(fā)展路線與發(fā)展目標。1959年，計算機游戲先驅亞瑟塞繆爾在IBM的首臺商用計算機IBM?701上編寫了西洋跳棋程序，這個程序順利戰(zhàn)勝了當時的西洋棋大師羅伯特尼賴。

1973年，著名數(shù)學拉特希爾家向英國政府提交了一份關于人工智能的研究報告，尖銳的指出人工智能那些看上去宏偉的目標根本無法實現(xiàn)，研究已經完全失敗。此后，科學界對人工智能進行了一輪深入的拷問，人工智能技術遭受到了嚴厲的批評和對其實際價值的質疑。人工智能技術的真正應用帶來的計算量往往是非常龐大的，而在當時，計算機的計算速度是遠遠達不到的。

通用計算機設備的發(fā)展，讓人工智能真正開始和現(xiàn)代計算機技術進行深入融合。1997年，IMB的計算機深藍Deep?blue戰(zhàn)勝了人類世界象棋冠軍卡斯帕羅夫，讓人工智能的發(fā)展進一步提上日程。進入21世紀，隨著算力的增加，人工智能的瓶頸被打破。2016年和2017年，谷歌發(fā)起了兩場轟動世界的圍棋人機之戰(zhàn)，其人工智能程序AlphaGo連續(xù)戰(zhàn)勝曾經的圍棋世界冠軍韓國李世石，以及現(xiàn)任的圍棋世界冠軍中國的柯潔。這證明了不斷發(fā)展中的人工智能在某些領域甚至超過了人類的能力，人工智能為生產力的提升提供變革的功力。

人工智能的研究與應用領域

（1）計算機視覺

計算機視覺是深度學習領域最熱門的研究領域之一，實質上，計算機視覺實際上是一個跨領域的交叉學科，包括計算機科學，數(shù)學，工程學、心理學等等。許多科學家認為，計算機視覺為人工智能的發(fā)展開拓了道路。視覺識別是計算機視覺的關鍵組成部分，如圖像分類、定位和檢測等。神經網絡和深度學習的最新進展極大地推動了這些最先進的視覺識別系統(tǒng)的發(fā)展。

（2）機器學習

機器學習是一門人工智能的科學，該領域的主要研究對象是人工智能，主要的思想是通過計算機對數(shù)據(jù)的學習來提升自身性能的算法。按照學習方式，可將機器學習分為監(jiān)督學習、無監(jiān)督學習、半監(jiān)督學習和強化學習。在監(jiān)督學習下，每組訓練數(shù)據(jù)都有一個明確的標識或結果，在建立預測模型的時候，監(jiān)督式學習建立一個學習過程，將預測結果與“訓練數(shù)據(jù)”的實際結果進行比較，不斷的調整預測模型，直到模型的預測結果達到一個預期的準確率。在無監(jiān)督學習中，數(shù)據(jù)并不被特別標識，學習模型是為了推斷出數(shù)據(jù)的一些內在結構。在半監(jiān)督學習方式下，輸入數(shù)據(jù)部分被標識，部分沒有被標識，這種學習模型可以用來進行預測，但是模型首先需要學習數(shù)據(jù)的內在結構以便合理的組織數(shù)據(jù)來進行預測。在強化學習模式下，輸入數(shù)據(jù)作為對模型的反饋，不像監(jiān)督模型那樣，輸入數(shù)據(jù)僅僅是作為一個檢查模型對錯的方式，在強化學習下，輸入數(shù)據(jù)直接反饋到模型，模型必須對此立刻作出調整。

（3）自然語言處理

自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現(xiàn)人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理研究對內容主要包括有詞法分析、文本分類、文本糾錯、摘要獲取、情感分析、關鍵詞提取、內容審核等內容。這里列舉一些研究方向來作詳細的說明，詞法分析的主要任務是去識別文本中具有特定意義的實體，主要包括：人名、地名、職位名、產品名詞等，應用場景例如各大手機廠商的語音助手。文本分類是對文章按照內容類型（體育、教育、財經、社會、軍事等等）進行自動分類，為文章聚類、文本內容分析等應用提供基礎支持。情感分析是對能夠對文本信息進行“情感”上的正向、負向及中性進行評價，應用場景包括評論的分析與決策、輿情監(jiān)控等。

結束語

人工智能技術在經歷長期的發(fā)展之后，現(xiàn)階段，人工智能技術已進入大規(guī)模商用階段，人工智能產品全面進入消費市場，人工智能的認知能力正在不斷提高，可以預見，未來2-5年人工智能的認知水平有望達到人類專家顧問的水平。人工智能注定會給世界帶來巨大影響。

參考文獻

[1] 張妮，徐文尚，王文文.人工智能技術發(fā)展及應用研究綜述[J].煤礦機械，2009，30（02）：4-7.

[2] 崔雍浩，商聰，陳鍶奇，郝建業(yè).人工智能綜述：AI的發(fā)展[J].無線電通信技術，2019，45（03）：225-231.

作者簡介：韓抒航，性別：男，出生年：2000.01.23，民族：漢，籍貫：河南省西平縣，職稱：無，學歷：本科在讀，研究方向：數(shù)據(jù)挖掘。