论文部分内容阅读
摘 要：近年来，人工智能已经逐渐进入到人们日常的生产生活当中，并且影响着人们的工作和生活方式。本文简单叙述了目前人工智能的目前的研究现状，浅析了人工智能技术的研究方向以及前景。
关键词：人工智能；技术；发展
“人工智能”起源于1956年的达特茅斯会议，到现在为止已经经历了六十余年的发展过程。在这一段的历史中，人工智能技术的研究分别涉及到了各个学科，促进了各项相关技术的发展。在2017年4月份于郑州召开的中国绿公司年会上，马云着重强调了一个观点，即在未来不久的年代里，人类生产劳动过程中的大部分重复性的工作将会被人工智能所替代。而且依据当前计算机科学的发展速度看来，计算机的运行速度将在十至二十年的时间内达到甚至超越人脑的运行速度。
人工智能的发展史
人工智能（Artificial Intelligence，AI）的概念是研究人类的思维模式，这种思维方法将其应用于机器或者其他载体的一种新型的科学技术。它是现代计算机科学技术的一项衍生品，其目的是剖析智力能力的本质，并通过模仿这种本质而产生一种全新的、能够像人类一样思考理解事物的新型机器。人工智能的研究领域涵盖了人们日常生活与社会生产中的方方面面，它主要包括机器的智能化、图像识别、语言及语音识别、专家系统等方方面面。人工智能的研究进展是十分迅速的，自从人工智能的概念提出以来，世界各国对于这项新型的科学技术都是高度的重视，投入了大量的工作应用于这项技术的研究和应用。因此，人工智能在未来的前景十分的广阔。它模仿的是人的思维方式，所以可以预言，在不远的将来，它的智力有可能会达到人的程度，甚至超越人的大脑。
人工智能技术发展与研究领域
随着当今社会的不断变革与发展，人工智能也成为了当前科学界的研究热点与重要目标。人工智能在人类的日常生活与社会生产中已经投入到了各行各业当中使用。例如：电商零售、学校教育、安防、金融、医疗健康、、自动驾驶、个人助理等各个方面。同时，人工智能存在许多不同的研究领域，这些领域的新技术也给社会的生产生活带来了极大地方便。
专家系统
目前在人工智能领域中研究的最深的一个项目就是专家系统，他是人工智能当中比较重要的一个部分。专家系统是人工智能由理论知识转化为实际应用的一个重要的转折点，它可以看作是一类具有专门知识和经验的计算机智能程序系统，专家系统一般有自己的知识表示和推理技术，人工智能可以使用这两种技术模拟一些较为复杂的问题和情况。专家系统在研发过程中有三个不同的历史阶段，第一代的特点是专业化的能力更强，但是其缺点也很明显，就是其结构体系不够完善，对不同系统的适应性以及灵活性和可编程性的能力太差，这一代专家系统的代表是dendral、macsyma等。第二代较第一代相比，其结构体系更为完善，在不同系统上应用过程中的适应性也更强，并且改进了各个方面的性能，是一种单学科应用系统，但具有学科的专业型应用型的人工智能系统，其代表有mycin、casnprospector、hearsay等。第三代专家系统较前两代更为完善，且各方各面都更加的智能，其在开发过程中应用了数种主流的人工智能语言，并且完善了这一代系统的框架结构，以及改善了整个系统在不同环境的实用性及通用性。同时，在总结了前三代系统的优点和缺点之后，已经开始研发具有更多先进技术的第四代专辑系统。
机器学习
机器学习是人工智能的核心部分，它是一门专门研究人类的学习行为并将其结果应用到人工智能的自我学习的学科，这门学科设计领域相当的广泛，不仅涉及到了统计学、概率论算法复杂度理论等，还涉及到了逼近論、凸分析等多门学科。它能够让载有人工智能的机器在工作学习的过程中，自主学习知识技能，完善人工智能本身的知识结构，来不断地增强自身的性能，以说能够进行机器学习的人工智能才是真正的人工智能。
机器学习这一技术在人工智能的各个方面的使用都是不可或缺的，他的原理是从学习生产中综合、归纳、而不是普通的演绎。为了验证机器是否具有类似于人类的学习能力，美国的科学家塞缪尔于1959年设计了一个的计算机程序，这个程序可以像普通的下棋程序一样和人类对弈，但是它不同于普通的下棋程序的一点就是他能够在与其他程序或人类博弈的过程中不断地学习并且改善自身的棋谱。结果显示，这个程序用了四年的时间，棋力已经超越了设计者本人，然后游泳了三年的时间打败了美国本地的一名在八年内 没有败绩的冠军。这个结果震惊了当时的社会各界，它不仅仅展示了机器学习在人工智能当中的重要性，以及当前人工智能发展的先进，也引发了人们对于人工智能的一系列的思考。
模式识别
模式识别是是指计算机应用数学相关的科学技术，来自动的识别和处理相关的外来数据或其他的模式。在模式识别中，模式就是环境与客体。由于现在科学技术的不断更新，人们在实验研究的过程中需要处理的数据也越来越复杂化，而处理信息的过程中最开始也是最主要的一个步骤就是人们对于需要处理的信息的识别甄选，尤其是光学信息和声学信息是信息识别的两个重要的方面，目前人们已经开发出了部分模式识别的产品，比较常见的有光学字符识别和语音识别系统。
模式识别这项技术的研究是从最开始的数学研究发源而来。F.罗森布拉特于1950年左右在实验研究的过程中提出了一种关于信息识别的全新的概念——感知器，它是一种简化的可以模仿人类识别其他信息的数学模型。这项发现能够简易的训练识别系统，同时，系统能够具有学习能力，并且能够正确识别其他的模式。据调查，我国科学家周绍康于1957年也提出了一种相关的方法—利用统计决策理论的方法进行模式识别，他的这项理论促进了模式识别项目研究的进展。R.纳拉西曼于1962年设想了一种基于机缘关系的句法识别方法，J.荷甫菲尔德于1982年和1984年在刊物上发表了关于人工神经元和网路的联想存储和计算能力的论文，更加促进了模式识别的工作进展。而现在模式识别已经应用于社会生产生活中的各个领域，极大地方便了人们的生产生活。 人工神经网络
人工神经网络也逐渐成为了人工智能项目的关键之一。人工智能网络是一种模拟人脑神经网络进行信息处理的模型结构，这种结构也被称为神经网络或类神经网络。人工神经网络的本质是用于运算的模型结构，它的内部包含很多的节点，这些节点互相连接，构成了人工神经网络。这其中的每一个节点都是一个实现定义好的输出函数，被称为激励函数（activation function）。它把点与节点连在一起的是一个对于通过这个连接信号的加权值，这个加权值被称为权重，而整个系统的输出方式则根据网络的连接方式、激励函数以及权重值的区别而不同。
近年来，世界各国对于人工神经网络的研究已经获得了不小的成就，不仅解决了人工神经网络的各个领域以及各行各业的应用上的诸多问题，而且其实用性也是大大超出了人们的预料。但是目前看来人工神经网络依然有很多方面值得人们去深入研究、开发，从目前的开发应用情况看来，这项技术依然具有十分广阔的前景。
智能决策支持系统
智能决策支持系统是人工智能（AI，Artificial Intelligence）和决策支持系统（DSS）将人工智能中的知识表示与知识处理的思想引入到决策支持系统当中，让DSS能够更加明确的了解以及使用目前人类所具有的科学技术以及文化知识，对于问题的判断，通过逻辑推理来对问题进行相应的决策，并且做出准确的处理。
自然语言处理
自然语言理解这一方面的发展过程中，最早进行科学研究的是机器翻译。自然语言处理（NLP）是计算机科学。自然语言的功能是实现人与计算机之间的交互，因此人与计算机之间的交互面积与自然语言的处理是密不可分的。
自然语言是计算机学科与人工智能中相当重要的组成部分，其主要研究目的是为了实现人机交互过程中如何能够更叫快速有效的实现，因此自然语言涉及的领域相当的广泛，其包括计算机科学、语言学以及数学三门学科。因为他研究的是人机交互的语言，其最终的使用者是人类，因此自然语言与语言学的关系密不可分，但是同时它又承担着人类与计算机之间相互沟通的使命，因而它也是计算机科学的一部分。
小结
虽然，目前世界很多科研组织没有对人工智能进行完整准确的定义，但是通过人工智能技术的现状及其目前研究领域来看，人工智能将会影响整个人类社会生产生活的运作方式。
参考文献：
[1]王莹.人工智能的进展及发展建议[J].电子产品世界，2017，2（3）：23-26.
[2]李智鵬塬.计算机网络技术中人工智能的应用[J].电子技术与软件工程，2017，12（22）：256-256.
[3]卢昌龙.人工智能及其在计算机网络技术中的应用[J].电子制作，2015，5（16）：87-88.
[4] 熊英.人工智能及其在计算机网络技术中的应用[J].技术与市场，2011（02）.
[5]陈斌.人工智能在计算机网络技术中的应用[J].技术与市场，2010（12）.
[6]罗华珍，潘正芹，易永忠.人工智能翻译的发展现状与前景分析[J].电子世界，2015，11（5）：21-23.
关键词：人工智能；技术；发展
“人工智能”起源于1956年的达特茅斯会议，到现在为止已经经历了六十余年的发展过程。在这一段的历史中，人工智能技术的研究分别涉及到了各个学科，促进了各项相关技术的发展。在2017年4月份于郑州召开的中国绿公司年会上，马云着重强调了一个观点，即在未来不久的年代里，人类生产劳动过程中的大部分重复性的工作将会被人工智能所替代。而且依据当前计算机科学的发展速度看来，计算机的运行速度将在十至二十年的时间内达到甚至超越人脑的运行速度。
人工智能的发展史
人工智能（Artificial Intelligence，AI）的概念是研究人类的思维模式，这种思维方法将其应用于机器或者其他载体的一种新型的科学技术。它是现代计算机科学技术的一项衍生品，其目的是剖析智力能力的本质，并通过模仿这种本质而产生一种全新的、能够像人类一样思考理解事物的新型机器。人工智能的研究领域涵盖了人们日常生活与社会生产中的方方面面，它主要包括机器的智能化、图像识别、语言及语音识别、专家系统等方方面面。人工智能的研究进展是十分迅速的，自从人工智能的概念提出以来，世界各国对于这项新型的科学技术都是高度的重视，投入了大量的工作应用于这项技术的研究和应用。因此，人工智能在未来的前景十分的广阔。它模仿的是人的思维方式，所以可以预言，在不远的将来，它的智力有可能会达到人的程度，甚至超越人的大脑。
人工智能技术发展与研究领域
随着当今社会的不断变革与发展，人工智能也成为了当前科学界的研究热点与重要目标。人工智能在人类的日常生活与社会生产中已经投入到了各行各业当中使用。例如：电商零售、学校教育、安防、金融、医疗健康、、自动驾驶、个人助理等各个方面。同时，人工智能存在许多不同的研究领域，这些领域的新技术也给社会的生产生活带来了极大地方便。
专家系统
目前在人工智能领域中研究的最深的一个项目就是专家系统，他是人工智能当中比较重要的一个部分。专家系统是人工智能由理论知识转化为实际应用的一个重要的转折点，它可以看作是一类具有专门知识和经验的计算机智能程序系统，专家系统一般有自己的知识表示和推理技术，人工智能可以使用这两种技术模拟一些较为复杂的问题和情况。专家系统在研发过程中有三个不同的历史阶段，第一代的特点是专业化的能力更强，但是其缺点也很明显，就是其结构体系不够完善，对不同系统的适应性以及灵活性和可编程性的能力太差，这一代专家系统的代表是dendral、macsyma等。第二代较第一代相比，其结构体系更为完善，在不同系统上应用过程中的适应性也更强，并且改进了各个方面的性能，是一种单学科应用系统，但具有学科的专业型应用型的人工智能系统，其代表有mycin、casnprospector、hearsay等。第三代专家系统较前两代更为完善，且各方各面都更加的智能，其在开发过程中应用了数种主流的人工智能语言，并且完善了这一代系统的框架结构，以及改善了整个系统在不同环境的实用性及通用性。同时，在总结了前三代系统的优点和缺点之后，已经开始研发具有更多先进技术的第四代专辑系统。
机器学习
机器学习是人工智能的核心部分，它是一门专门研究人类的学习行为并将其结果应用到人工智能的自我学习的学科，这门学科设计领域相当的广泛，不仅涉及到了统计学、概率论算法复杂度理论等，还涉及到了逼近論、凸分析等多门学科。它能够让载有人工智能的机器在工作学习的过程中，自主学习知识技能，完善人工智能本身的知识结构，来不断地增强自身的性能，以说能够进行机器学习的人工智能才是真正的人工智能。
机器学习这一技术在人工智能的各个方面的使用都是不可或缺的，他的原理是从学习生产中综合、归纳、而不是普通的演绎。为了验证机器是否具有类似于人类的学习能力，美国的科学家塞缪尔于1959年设计了一个的计算机程序，这个程序可以像普通的下棋程序一样和人类对弈，但是它不同于普通的下棋程序的一点就是他能够在与其他程序或人类博弈的过程中不断地学习并且改善自身的棋谱。结果显示，这个程序用了四年的时间，棋力已经超越了设计者本人，然后游泳了三年的时间打败了美国本地的一名在八年内 没有败绩的冠军。这个结果震惊了当时的社会各界，它不仅仅展示了机器学习在人工智能当中的重要性，以及当前人工智能发展的先进，也引发了人们对于人工智能的一系列的思考。
模式识别
模式识别是是指计算机应用数学相关的科学技术，来自动的识别和处理相关的外来数据或其他的模式。在模式识别中，模式就是环境与客体。由于现在科学技术的不断更新，人们在实验研究的过程中需要处理的数据也越来越复杂化，而处理信息的过程中最开始也是最主要的一个步骤就是人们对于需要处理的信息的识别甄选，尤其是光学信息和声学信息是信息识别的两个重要的方面，目前人们已经开发出了部分模式识别的产品，比较常见的有光学字符识别和语音识别系统。
模式识别这项技术的研究是从最开始的数学研究发源而来。F.罗森布拉特于1950年左右在实验研究的过程中提出了一种关于信息识别的全新的概念——感知器，它是一种简化的可以模仿人类识别其他信息的数学模型。这项发现能够简易的训练识别系统，同时，系统能够具有学习能力，并且能够正确识别其他的模式。据调查，我国科学家周绍康于1957年也提出了一种相关的方法—利用统计决策理论的方法进行模式识别，他的这项理论促进了模式识别项目研究的进展。R.纳拉西曼于1962年设想了一种基于机缘关系的句法识别方法，J.荷甫菲尔德于1982年和1984年在刊物上发表了关于人工神经元和网路的联想存储和计算能力的论文，更加促进了模式识别的工作进展。而现在模式识别已经应用于社会生产生活中的各个领域，极大地方便了人们的生产生活。 人工神经网络
人工神经网络也逐渐成为了人工智能项目的关键之一。人工智能网络是一种模拟人脑神经网络进行信息处理的模型结构，这种结构也被称为神经网络或类神经网络。人工神经网络的本质是用于运算的模型结构，它的内部包含很多的节点，这些节点互相连接，构成了人工神经网络。这其中的每一个节点都是一个实现定义好的输出函数，被称为激励函数（activation function）。它把点与节点连在一起的是一个对于通过这个连接信号的加权值，这个加权值被称为权重，而整个系统的输出方式则根据网络的连接方式、激励函数以及权重值的区别而不同。
近年来，世界各国对于人工神经网络的研究已经获得了不小的成就，不仅解决了人工神经网络的各个领域以及各行各业的应用上的诸多问题，而且其实用性也是大大超出了人们的预料。但是目前看来人工神经网络依然有很多方面值得人们去深入研究、开发，从目前的开发应用情况看来，这项技术依然具有十分广阔的前景。
智能决策支持系统
智能决策支持系统是人工智能（AI，Artificial Intelligence）和决策支持系统（DSS）将人工智能中的知识表示与知识处理的思想引入到决策支持系统当中，让DSS能够更加明确的了解以及使用目前人类所具有的科学技术以及文化知识，对于问题的判断，通过逻辑推理来对问题进行相应的决策，并且做出准确的处理。
自然语言处理
自然语言理解这一方面的发展过程中，最早进行科学研究的是机器翻译。自然语言处理（NLP）是计算机科学。自然语言的功能是实现人与计算机之间的交互，因此人与计算机之间的交互面积与自然语言的处理是密不可分的。
自然语言是计算机学科与人工智能中相当重要的组成部分，其主要研究目的是为了实现人机交互过程中如何能够更叫快速有效的实现，因此自然语言涉及的领域相当的广泛，其包括计算机科学、语言学以及数学三门学科。因为他研究的是人机交互的语言，其最终的使用者是人类，因此自然语言与语言学的关系密不可分，但是同时它又承担着人类与计算机之间相互沟通的使命，因而它也是计算机科学的一部分。
小结
虽然，目前世界很多科研组织没有对人工智能进行完整准确的定义，但是通过人工智能技术的现状及其目前研究领域来看，人工智能将会影响整个人类社会生产生活的运作方式。
参考文献：
[1]王莹.人工智能的进展及发展建议[J].电子产品世界，2017，2（3）：23-26.
[2]李智鵬塬.计算机网络技术中人工智能的应用[J].电子技术与软件工程，2017，12（22）：256-256.
[3]卢昌龙.人工智能及其在计算机网络技术中的应用[J].电子制作，2015，5（16）：87-88.
[4] 熊英.人工智能及其在计算机网络技术中的应用[J].技术与市场，2011（02）.
[5]陈斌.人工智能在计算机网络技术中的应用[J].技术与市场，2010（12）.
[6]罗华珍，潘正芹，易永忠.人工智能翻译的发展现状与前景分析[J].电子世界，2015，11（5）：21-23.