論人工智能的現狀與發展方向

付薇

摘 要：一九五六年的達特茅斯會議上，“人工智能”這個概念被首次提出，并作為一個新的研究領域在該次會議上確立。人工智能指的是用機器來精準地描述并模擬人類的自然智能，其目的即是為人類服務。目前許多國家都開始了對人工智能的專門研究，從而使它實現自然智能，拓展和加速人類智能發展。人工智能研究經過幾十年的發展，已經取得了許多矚目的成就，為人們的生產生活帶來了巨大的變革，在一定程度上加速了現代社會的發展。我國也相當重視人工智能領域的發展，國務院甚至在二零一七年發布了《新一代人工智能發展規劃》，對我國人工智能研究工作進行了新一輪的戰略部署，并鼓勵了新興產業發展。本文主要闡述了目前人工智能的現狀與未來發展方向，希望能為相關研究提供參考。

關鍵詞：人工智能;現狀;發展方向

1 人工智能的研究現狀

目前人們研究人工智能的主要方法有深度學習、群智計算、深度強化學習、對抗式生成網絡、半監督訓練、非監督訓練等。研究者們將人工智能技術投放到圖像識別、機器人技術、語言處理、仿真技術、數據分析等領域，得到了許多顯著成果——例如人臉識別技術、計算機智能圍棋程序（AlphaGO）、智能醫療程序、仿真機器人設計。人工智能的發展道路雖然波折而艱難，但是成就十分突出，在基礎理論知識和實踐技術應用方面都有創新和突破，其中的部分研究成果已經投入到了產業生產中，可以說我們每天都生活在人工智能帶來的便捷中。

1）專用人工智能領域發展迅速。專用人工智能指的是一種面向特定方面的人工智能，其應用目的十分明確，由于其領域專注性，在某個領域內能夠很快積累到足夠的知識與經驗，便于建模計算，所以是人工智能大領域中比較容易發展和突破的一個分支研究。例如AlphaGO系列圍棋程序在各大比賽中碾壓人類選手、IBM Waston在同人類的知識競賽中獲得冠軍、DeepStack贏得了與頂級德州撲克選手的對決、推出的多種智能語言翻譯應用消除了人們實時溝通的障礙、圖像篡改檢測能夠通過對圖像的分析自動識別是否存在篡改的痕跡等等。

2）人工智能研究通過統計學習開展實際應用。統計學習可以說是人工智能發展的理論基礎，研究者們在一九四零年提出了Hehh學習規則和MP模型，可以說是統計學習理論的雛形。在二十年后，隨著自適應線性單元的提出，人工智能的統計學習迎來了第一次發展高潮。二零零年又新提出了深度學習、對抗學習、強化學習理論，進一步刺激了人工智能的發展。強化學習通過建立獎懲機制來形成人工智能與環境背景的交流和互動行為，與深度學習的有機結合更能提高其解決策略類問題的能力。例如強化學習與神經網絡相融合使得AlphaGO的棋藝超過了人類棋手，而更深一步地強化學習方法降低了其對人類的依賴程度，從而做到“無師自通”，通過判別器模型與生成器模型的互相博弈還能夠使得雙方性能都獲得顯著的提升。

3）各個國家對于人工智能的研究愈發激烈。俄羅斯最高領導人普京在二零一七年的開學日演講中提出“未來誰率先掌握了人工智能，誰就掌握了世界”，歐盟在次年投入了二百八十億美元來支持對人工智能的研究，美國也隨之表示將成立人工智能研究委員會來確保美國在該領域始終處于領先地位。

2 人工智能的未來發展方向

1）開展創新性課題研究。人工智能研究的最終目標是用機器來模擬人類的智慧，這需要很一段長時間的探索和嘗試，研究學者們因此在已有研究基礎上開展了一些新的研究課題，從不同角度入手進行探究。目前較為熱門的幾個課題方向有智能控制與管理、自動知識獲取系統、能夠迅速大量儲存知識信息的資料庫等。因為人工智能領域的研究最終要推廣到實際應用，所以新的課題研究必須能要契合人類需要，滿足生產生活需求。最新的人工智能研究方向可以歸納為人機融合、智能應用、機器智能這幾個方面，而未來該研究領域的發展也將沿著這個方向進行。

2）促進人類與機器的融合。人工智能研究是建造智能計算機并發展其智慧與學習能力，來輔助人類進行工作，簡單來講就是讓當前的普通計算機變得更智能更實用，所以說人工智能領域是計算機科學下的一個分支研究領域。同時研究還旨在探尋人類智慧與機器智能的基本原理，從而用機器來模擬人的思維過程和智慧結果，而這個目標則超出了原有計算機科學范疇，融合了社會科學與自然科學。研究學者們致力于解決知識的模糊問題與不一致問題，來改善知識的應用情況，促進人工智能領域發展。

3）發展機器無監督學習模式。人工智能領域的另一個未來發展方向就是發展機器無監督式學習，對當前機器深度學習的模式加以改善，做到用少量標記數據來學習世界。人類的智慧使我們無需大量教學示例就能理解世界，即便沒有大數據的支持也能有良好的認知能力。目前的人工智能系統還不具備這種能力，都還在人類的監督下進行學習，而未來的研究方向就是讓機器從未加標記的原有數據中進行學習。

3 結語

在國家政策支持和資金投入之下，我國的人工智能技術也得到了充分的發展，為民眾生活提供了不少便利，但當前世界范圍內最先進的人工智能的模型與算法等很多都是由外國研究者發現并提出的，國內只是對相關研究成果進行補充和完善，還沒能獨立實現尖端領域研究。因此，在將人工智能研究成果迅速產業化的同時，我國還需要積蓄經驗和力量，深入研究發掘現有方向，拓展新的研究領域，才能在未來激烈的人工智能研究競爭中占得先機，把握核心技術，引領人工智能的發展趨勢。

參考文獻

[1]趙慶澎.計算機人工智能的發展現狀與未來趨勢[J].電子技術與軟件工程，2018，000（004）：P.254-254.

[2]李子青.計算機人工智能技術的應用與未來發展分析[J].科技經濟市場，2019（10）：9-11.

[3]苗嘉榮.人工智能行業應用的最新現狀和未來趨勢研究[J].現代商業，2019，526（09）：53-54.