人工智能调查研究报告

人工智能调查研究汇报人工智能是研究使计算机来模拟人某些思维过程和智能行为（如学习、推理、思索、计划等）学科，关键包括计算机实现智能原理、制造类似于人脑智能计算机，使计算机能实现更高层次应用。一、人工智能定义人工智能定义可以分为两部分，即“人工”和“智能”。“人工”比很好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造，或人自身智能程度有无高到可以发明人工智能地步，等等。但总来说，“人工系统”就是一般意义下人工系统。[1]有关什么是“智能”，就问题多多了。这包括到其他诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识思维（UNCONSCIOUSMIND））等等问题。人唯一理解智能是人自身智能，这是普遍认同见解。不过我们对我们自身智能理解所有很有限，对构成人智能必需元素也理解有限，因此就很难定义什么是“人工”制造“智能”了。因此人工智能研究往往包括对人智能自身研究。其他有关动物或其他人造系统智能也普遍被认为是人工智能有关研究课题。人工智能是研究使计算机来模拟人某些思维过程和智能行为（如学习、推理、思索、计划等）学科，关键包括计算机实现智能原理、制造类似于人脑智能计算机，使计算机能实现更高层次应用。著名美国斯坦福大学人工智能研究中心尼尔逊专家对人工智能下了这样一种定义：“人工智能是有关知识学科――怎样表达知识和怎样获获悉识并使用知识科学。”而另一种美国麻省理工学院温斯顿专家认为：“人工智能就是研究怎样使计算机去做过去只有人才能做智能工作。”这些说法反应了人工智能学科基础思想和基础内容。即人工智能是研究人类智能活动规律，构造具有一定智能人工系统，研究怎样让计算机去完毕以往需要人智力才能胜任工作，也就是研究怎样应用计算机软硬件来模拟人类某些智能行为基础理论、措施和技术。二、人工智能研究发展阶段（一）第一阶段：50年代人工智能兴起和冷落人工智能概念初次提出后，相继出现了一批明显成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力有限，和机器翻译等失败，使人工智能走入了低谷。这一阶段特点是：重视问题求解措施，忽视知识关键性。（二）第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮DENDRAL化学质谱分析^p系统、MYCIN疾病诊断和诊断系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议第三阶段：80年代，伴随第五代计算机研制，人工智能得到了很大发展。日本1982年开始了”第五代计算机研制计划”，即”知识信息处理计算机系统KIPS”，其目的是使逻辑推理到达数值运算那么快。虽然此计划最终失败，但它开展形成了一股研究人工智能热潮。（三）第三阶段：80年代末，神经网络飞速发展1987年，美国召开第一次神经网络国际会议，宣布了这一新学科诞生。后来，各国在神经网络方面投资逐渐增长，神经网络迅速发展起来。（四）第四阶段：90年代，人工智能出现新研究高潮由于网络技术尤其是国际互连网技术发展，人工智能开始由单个智能主体研究转向基于网络环境下分布式人工智能研究。不仅研究基于同一目的分布式问题求解，并且研究多种智能主体多目的问题求解，将人工智能更面向实用。此外，由于Hopfield多层神经网络模型提出，使人工神经网络研究和应用出现了欣欣向荣景象。人工智能已深入到社会生活各个领域。三、人工智能研究措施目前没有统一原理或范式指导人工智能研究。诸多问题上研究者所有存在争论。其中多种长期以来仍没有结论问题是：与否应从心理或神经方面模拟人工智能？或像鸟类生物学对于航空工程同样，人类生物学对于人工智能研究是没有关系？智能行为能否用简朴原则（如逻辑或优化）来描述？还是必需处理大量完全无关问题？智能与否可以使用高级符号表达，如词和想法？还是需要“子符号”处理？JOHNHAUGELAND提出了GOFAI(杰出老式人工智能)概念，也提议人工智能应归类为SYNTHETINTELLIGENCE，这个概念后来被某些非GOFAI研究者采纳。(一)大脑模拟主条目：控制论和计算神经科学20世纪40年代到50年代，诸多研究者探索神经病学，信息理论及控制论之间联络。其中还造出部分使用电子网络构造初步智能，如W.GREYWALTERTURTLES和JOHNSHOPKINSBEAST。这些研究者还常常在普林斯顿大学和英国RATIOCLUB举行技术协会会议.直到1960大部分人已经放弃这个措施，尽管在80年代再次提出这些原理。（二）符号处理主条目：GOFAI当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能与否能简化成符号处理。研究关键集中在卡内基梅隆大学，斯坦福大学和麻省理工学院，而各自有独立研究风格。JOHNHAUGELAND称这些措施为GOFAI(杰出老式人工智能)。60年代，符号措施在小型证明程序上模拟高级思索有很大成就。基于控制论或神经网络措施则置于次要。60~70年代研究者确信符号措施最终可以成功发明强人工智能机器，同步这也是她们目的。认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题处理能力和尝试将其形式化，同步她们为人工智能基础原理打下基础，如认知科学，运筹学和经营科学。她们研究团体使专心理学试验成果开发模拟人类处理问题措施程序。这措施一直在卡内基梅隆大学沿袭下来，并在80年代于SOAR发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙，JOHNMCCARTHY认为机器不需要模拟人类思想，而应尝试找到抽象推理和处理问题本质，不管大家与否使用同样算法。她在斯坦福大学试验室致力于使用形式化逻辑处理多种问题，包括知识表达，智能计划和机器学习.致力于逻辑措施尚有爱丁堡大学，而促成欧洲其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学研究者(如马文·闵斯基和西摩尔·派普特)发现要处理计算机视觉和自然语言处理困难问题，需要专门方案-她们主张不存在简朴和通用原理（如逻辑）可以到达所有智能行为。ROGERSCHANK描述她们“反逻辑”措施为“SCRUFFY”.常识知识库(如DOUGLENATCYC)就是“SCRUFFY”AI例子，由于她们必需人工一次编写一种复杂概念。基于知识大概在1970年出现大容量内存计算机，研究者分别以三个措施开始把知识结构成应用软件。这场“知识革命”促成专家系统开发和计划，这是第一种成功人工智能软件形式。“知识革命”同步让大家意识到诸多简朴人工智能软件也许需要大量知识。（三）子符号法80年代符号人工智能停滞不前，大家认为符号系统永远不也许模拟人类所有认知过程，尤其是感知，机器人，机器学习和模式识别。诸多研究者开始关注子符号措施处理特定人工智能问题。自下而上，接口AGENT，嵌入环境（机器人），行为，新式AI机器人领域有关研究者，如RODNEYBROOKS，否认符号人工智能而专注于机器人移动和求生等基础工程问题。她们工作再次关注初期控制论研究者见解，同步提出了在人工智能中使用控制理论。这和认知科学领域中表征感知论点是一致：更高智能需要个体表征(如移动，感知和形象)。计算智能80年代中DAVIDRUMELHART等再次提出神经网络和联结.这和其他子符号措施，如模糊控制和进化计算，所有属于计算智能学科研究范围。（三）记录学法90年代，人工智能研究发展出复杂数学工具来处理特定分支问题。这些工具是真正科学措施，即这些措施成果是可测量和可验证，同步也是人工智能成功原因。共用数学语言也许可已经有学科合作（如数学，经济或运筹学）。STUARTJ.RUSSELL和PETERNORVIG指出这些进步不亚于“革命”和“NEATS成功”。有人批评这些技术太专注于特定问题，而没有考虑长远强人工智能目的。（四）集成措施智能AGENT范式智能AGENT是一种会感知环境并作出行动以达致目的系统。最简朴智能AGENT是那些可以处理特定问题程序。更复杂AGENT包括人类和人类组织（如企业）。这些范式可以让研究者研究单独问题和找出有用且可验证方案，而不需考虑单一措施。一种处理特定问题AGENT可以使用任何可行措施-部分AGENT用符号措施和逻辑措施，部分则是子符号神经网络或其他新措施。范式同步也给研究者提供一种和其他领域沟通共同语言--如决策论和经济学（也使用ABSTRACTAGENTS概念）。90年代智能AGENT范式被广泛接受。AGENT体系构造和认知体系构造研究者设计出部分系统来处理多ANGENT系统中智能AGENT之间互相作用。一种系统中包括符号和子符号部分系统称为混合智能系统，而对这种系统研究则是人工智能系统集成。分级控制系统则给反应等级子符号AI和最高等级老式符号AI提供桥梁，同步放宽了计划和世界建模时间。RODNEYBROOKSSUBSUMPTIONARCHITECTURE就是一种初期分级系记录划。四、人工智能在人类生活中应用目前人工智能应用人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科互相渗透基础发展起来一门新兴边缘学科，关键研究用机器（关键是计算机）来模拟和实现人类智能行为，通过几十年发展，人工智能应用在不少领域得到发展。日前“AI+”已经成为公式，发展至今，下面是人工智能应用最多几大场景。（一）家居\o“智能家居”智能家居关键是基于\o“物联网技术”物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整家居生态圈。顾客可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境安全性、节能性、便捷性等。值得一提是，近两年伴随智能语音技术发展，智能音箱成为一种爆发点。小米、天猫、Rokid等企业纷纷推出自身智能音箱，不仅成功打开家居市场，也为未来更多智能家居用品培养了顾客习惯。但目前家居市场\o“智能产品”智能产品种类繁杂，怎样打通这些产品之间沟通壁垒，和建立安全可靠智能家居服务环境，是该行业下一步发力点。（二）零售人工智能在零售领域应用已经十分广泛，无人便利店、智慧供应链、客流记录、无人仓/无人车等等所有是热门方向。京东自主研发无人仓采用大量智能物流机器人进行协同和配合，通过人工智能、深度学习、图像智能识别、大数据应用等技术，让工业机器人可以进行自主鉴定和行为，完毕多种复杂任务，在商品分拣、运送、出库等环节实现自动化。图普科技则将人工智能技术应用于客流记录，通过人脸识别客流记录功能，门店可以从性别、年龄、表情、新老顾客、滞留时长等维度建立到店客流顾客画像，为调整运行方略提供数据基础，协助门店运行从匹配真实到店客流角度提高转换率。（三）交通智能交通系统是通信、信息和控制技术在交通系统中集成应用产物。ITS应用最广泛地区是日本，另一方面是美国、欧洲等地区。目前，中国在ITS方面应用关键是通过对交通中车辆流量、行车速度进行采集和分析^p，可以对交通进行实行监控和调度，有效提高通行能力、简化交通管理、减少环境污染等。（四）医疗目前，在垂直领域图像算法和自然语言处理技术已可基础满足医疗行业需求，市场上出现了众多技术服务商，例如提供智能医学影像技术德尚韵兴，研发人工智能细胞识别医学诊断系统智微信科，提供智能辅助诊断服务平台若水医疗，记录及处理医疗数据易通天下等。尽管智能医疗在辅助诊断、疾病估计、医疗影像辅助诊断、药物开发等方面发挥关键作用，但由于各医院之间医学影像数据、电子病历等不流通，导致企业和医院之间合作不透明等问题，使得技术发展和数据供应之间存在矛盾。（五）教育科大讯飞、乂学教育等企业早已开始探索人工智能在教育领域应用。通过图像识别，可以进行机器批改试卷、识题答题等；通过\o“语音识别”语音识别可以纠正、改善发音；而人机交互可以进行在线答疑解惑等。AI和教育结合一定程度上可以改善教育行业师资分布不均衡、费用高昂等问题，从工具层面给师生提供更有效率学习措施，但还不能对教育内容产生较多实质性影响。（六）物流物流行业通过运用智能搜索、推理计划、计算机视觉和智能机器人等技术在运送、仓储、配送装卸等环节上已经进行了自动化改造，可以基础实现无人操作。例如运用大数据对商品进行智能配送计划，优化配置物流供应、需求匹配、物流资等。目前物流行业大部分人力分布在“最终一公里”配送环节，京东、苏宁、菜鸟争先研发无人车、无人机，努力争取抢占市场机会。（七）安防近些年来，中国安防监控行业发展迅速，视频监控数量不停增长，在公共和个人场景监控摄像头安装总数已经超过了1.75亿。并且，在部分一线都市，视频监控已经实现了全覆盖。不过，相对于国外而言，中国安防监控领域仍然有很大成长空间。五、人工智能发展利目前人工智能已经为人类发明出了很可观经济效益，人工智能可以替代人类做大量人类不想做、不能做工作，并且机器出错误概率比人低，并且可以持续工作，大大提高工作效率，节省了大量成本，未来人工智能也许还会替代人类工作，替代人类做家务，协助人类学习，甚至可以照顾老人和小孩，实时监护人类健康，生病了直接给人来诊断，延长人类寿命，让人类生活变得越来越美好。六、人工智能发展弊科技发展是一把双刃剑，汽车分发明颠覆了老式马车行业，人工智能发展同样也将颠覆诸多行业。机器人替代了诸多人类工作将导致大量人口失业，机器新学习速度远远快于人类，阿尔法狗战胜李世石引起大家恐慌，有人说不怕阿尔法狗战胜李世石，怕是阿尔法够故意输掉一局，假如未来某一天，机器人变成像电影《机械姬》中故意识机器人，那么人类随时会变成机器人奴隶，同步，人工智能面临着技术失控危险，霍金曾发出警告，人类面临一种不确定未来，优秀人工智能设备可以独立思索，并适应环境变化，它们未来或将成为导致人类灭亡终止者！假如真有一天，人工智能机器人变成了能独立思索，独立做出对的鉴定，一旦有一天人工智能反客为主，届时人工智能对于人类将会是消灭性劫难。甚至被人工智能消灭。地球将被人工智能统治。七、人工智能影响（一）人工智能对自然科学影响。在需要使用数学计算机工具处理问题学科，AI带来协助不言而喻。更关键是，AI反过来有助于人类最终认识自身智能形成。（二）人工智能对经济影响。专家系统更深入各行各业，带来巨大宏观效益。AI也增进了计算机工业网络工业发展。但同步，也带来了劳务就业问题。由于AI在科技和工程中应用，可以替代人类进行多种技术工作和脑力劳动，会导致社会构造剧烈变化。（三）工智能对社会影响。AI也为人类文化生活提供了新模式。既有游戏将逐渐发展为更高智能交互式文化娱乐手段，今天，游戏中人工智能应用已经深入到各大游戏制造商开发中。八、人工智能研究热点（一）智能接口。智能接口技术是研究怎样使大家可以以便自然地和计算机交流。为了实现这一目的，规定计算机可以看懂文字、听懂语言、说话表达，甚至可以进行不一样样语言之间翻译，而这些功能实现又依托于知识表达措施研究。因此，智能接口技术研究既有巨大应用价值，又有基础理论意义。目前，智能接口技术已经获得了明显成果，文字识别、语音识别、语音合成、图像识别、机器翻译和自然语言理解等技术已经开始实用化。（二）数据挖掘。数据挖掘就是从大量、不完全、有噪声、模糊、随机实际应用数据中提取隐含在其中、大家事先不懂得、但又是潜在有用信息和知识过程。数据挖掘和知识发现研究目前已经形成了三根强大技术支柱:数据库、人工智能和数理记录。关键研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表达措施、发现知识维护和再运用、半构造化和非构造化数据中知识发现和网上数据挖掘等。（三）主体及多主体系统。主体是具有信念、愿望、意图、能力、选择、承诺等心智状态实体，比对象粒度更大，智能性更高，并且具有一定自主性。主体试图自治地、独立地完毕任务，并且可以和环境交互，和其他主体通信，通过计划到达目的。多主体系统关键研究在逻辑上或物理上分离多种主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人理性行为，关键应用在对现实世界和社会模拟、机器人和智能机械等领域。目前对主体和多主体系统研究关键集中在主体和多主体理论、主体体系构造和组织、主体语言、主体之间协作和协调、通信和交互技术、多主体学习和多主体系统应用等方面。技术发展总是超乎大家想象，要对的地估计人工智能未来是不也许。不过，从目前部分前瞻性研究可以看出未来人工智能也许会向如下多种方面发展:模糊处理、并行化、神经网络和机器情感。九、人工智能研究价值繁重科学和工程计算本来是要人脑来承担，目前计算机不仅能完毕这种计算，并且可以比人脑做得愈加紧、改对的，因此现代人已不再把这种计算看作是“需要人类智能才能完毕复杂任务”，可见复杂工作定义是伴随时代发展和技术进步而变化，人工智能这门科学详细目的也自然伴随时代变化而发展。它首先不停获得新进展，另一方面又转向更故意义、愈加困难目的。一般，“机器学习”数学基础是“记录学”、“信息论”和“控制论”。还包括其他非数学学科。此类“机器学习”对“经验”依托性很强。计算机需要不停从处理一类问题经验中获取知识，学习方略，在碰到类似问题时，运用经验知识处理问题并积累新经验，就像一般人同样。我们可以将这样学习措施称之为“持续型学习”。但人类除了会从经验中学习之外，还会发明，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会就是“顿悟”。或再严格部分来说，计算机在学习和“实践”方面难以学会“不依托于量变质变”，很难从一种“质”直接到另一种“质”，或从一种“概念”直接到另一种“概念”。正由于如此，这里“实践”并非同人类同样实践。人类实践过程同步包括经验和发明。这是智能化研究者梦寐以求东西。，帝金数据普数中心数据研究员S.CWANG开发了一种新数据分析^p措施，该措施导出了研究函数性质新措施。作者发现，新数据分析^p措施给计算机学会“发