论人工智能的现状和发展方向

李鑫

摘要：随着科学技术的不断壮大，人工智能也迅速的发展起来，并且以超乎想象的速度引起了全世界的关注，人工智能不仅在计算机网络、人像识别等领域得到了广泛的应用，而且在人们的日常生活中也发挥了很大的作用，但与此同时，大家对于技术的需求也越来越高，人性化、智能化的服务已成为必然的发展趋势，正是因为需求如此迫切，我们对于人工智能的研究才需更加深入，更加谨慎。本文就人工智能的现状与发展方向做了一个论述。

关键词：人工智能；深度学习；技术；计算机

1 认识人工智能

1956年达特茅斯会议首次提出“人工智能”一词，没有严格的定义，但是绝对不同于传统意义上的机器人，人工智能集合了众多学科的综合型应用技术，涉及的学科有语言学、脑神经学统计学、社会科学等前沿学科，它的目标是希望计算机能够像人一样学习思考，可以代替人类去完成识别、感知、判断和决策等行为，而不是简单的自动化机器人。人工智能自诞生以来便成为实验室的“神话”，人们对之抱以无限的幻想，有人认为人工智能够改变世界，未来人们要依附人工智能来生存，但也有人认为人工智能是天方夜谭，过于自大，终究要失败。不管怎样，人工智能在一次次的高潮和低谷中还是取得了巨大的进步，1997年，IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫；1968年，DENDRAL专家系统问世；20世纪90年代统计学习登场，并迅速占领了历史舞台，代表性的是SVM；以及大家关注最多的，2016年谷歌AlphaGO战胜韩国李世石。

2 人工智能的研究领域

2.1 数据和计算能力

人工智能对于计算能力的要求非常高，这也是为什么早期人工智能发展缓慢的原因，没有足够的技术和设备支持，很难实现对实时、大量、多类型的数据的多角度、高精确度的处理，伴随着云计算基数和GPU处理能力的迅速发展，对于数据的获取和分析变得更加简单，同时也能够支持上千台计算机同时进行大量复杂的计算。所以说，大数据和设备支持对于人工智能至关重要。

2.2 机器学习和深度学习

机器学习来源于早期的人工智能领域，最基本的做法是通过算法来提取分析数据，然后对现实生活中的事物做出判断和预测。传统算法包括决策树学习、强化学习、贝叶斯网络、推导逻辑规划等等，但机器学习并不是用特定的程序来使之运行，而是同大量的数据提取信息完成任务。深度学习是一种实现机器学习的技术，主要的算法是神经网络，学习能力是其主要特点，这个说法很形象，仿佛是在开发一个人脑机器，人的思考学习就是靠互相交叉相连的神经元，但与大脑的神经元也有不同，人工智能网络具有离散的层、连接和数据传输的方向，要想实现更加复杂的技术，还需要对人脑思维及机理进行研究。

2.3 技术方向

我们要求人工智能能够看懂文字图像，听懂语言，自动更新知识库，像人一样说话表达自己的想法，甚至比人有更强的学习能力，具有隐私性、可靠性、低时延性以及更高的网络宽带利用率，这些功能的实现需要结合多种专业的理论和技术支持，特别是对于知识表示方法的研究。主要的技术支持是：智能接口技术、数据库技术、数理统计与概率论技术、算法等。

3 人工智能的应用

3.1 图像识别

图像识别要求机器能够拥有“视觉”，代替人类去识别大量的物理信息，甚至处理人眼无法识别的图像，图像的含义比较广泛，最早指图片，后来也将各种图画，字符文字，声波信号，胶片，空间物体等包括在内。图像识别以图像的主要特征为基础，在识别的过程中要能够排除输入的多余信息，同时，还需要一个负责整合信息的机制把各个离散的信息整合成一个完整的知觉映像。

3.2 语音工程

语音识别是以语音为研究对象，计算机通过获取音频、音频信号处理、模式识别来实现语音信号到文本信息的转换，主要的技术是实现把语音信号转变成为相应的文本信息。其基本原理可以归结为三点：首先将语音信号转换为机器能够理解的符号，像二进制；其次声学信号可以用数十个具有区别性的，离散的符号来表示；最后通过模式识别找到最优的一个或几个匹配结果，其中最重要也最难实现的技术是加入语法、语义，使转換结果有一个完整的句子结构。目前的技术瓶颈主要是去除噪音、远场识别、口语化、方言等长尾内容识别。

3.3 自然语言处理

机器翻译的核心是自然语言处理，而自然语言处理就是让机器能够听懂人类语言，并且能够表达合理的看法，即能够实现与人类进行交流，它是体现人工智能的重要表现。要实现机器对于特定场景的感知及理解，需要对语法分析、语义分析、感情理解的多种问题进行研究。由于人类语言的复杂性，使得消除歧义是目前自然语言处理的最大困难，下一步的研究方向是建立文本含义与物理世界间的映射关系。

4 人工智能所面临的挑战

人脑智能的产生原理尚未研究清楚，想要依据人脑系统来实现人工智能有一定难度，另外，尽管计算机的发展迅速，但在数学和算法研究上还有待突破，和人类学习相似，人工智能也需要通过学习大量的数据来提升，这就要求人工智能与产业发展相结合，整体解决人工智能在创造力、通用性、对物理世界理解上的问题，探索更多交叉学科的融合，特别是对于一些特殊领域，像医疗，战争等无法通过虚拟现实来训练机器人，所以还需要不断的探索新的方法。

参考文献：

[1]武嘉琪.计算机人工智能技术的发展与应用研究[J].信息与电脑（理论篇），2016（07）.

[2]黄子君，张亮.语音识别技术及应用综述[J].江西教育学院学报，2010（03）：4446.

[3]万棋顺.面向篇章的省略恢复及其在机械设计中的应用[D].西安：西安电子科技大学，2008.

[4]孙清茂.人工智能——浅谈图像识别技术[OL].