论人工智能技术发展及应用

马 敏

（合肥市人工智能教育马敏名师工作室，合肥 230601）

人工智能这个学术概念最早出现于1956 年达特茅斯学院夏季研讨会上，之后经历了几个重要的发展阶段，并逐渐被人们所熟知和推广。在现代科技和数据信息技术的有力支撑下，人工智能开始在各国各地区得到广泛的应用，一方面有利于提高产业的智能化水平，另一方面也能够为国家经济高质量发展提供源源不断的动力。目前世界各国都在致力于探究人工智能技术和产业结合发展的策略，不断探索新的发展方向，但依然面临理论和技术研究方面的瓶颈和问题，未来还需要进行更深层次的探索。

1 人工智能发展概况

最早在1956 年达特茅斯研讨会中就提出了人工智能的相关概念，后续经过了长期不断演进和发展，人工智能的含义和内涵也得到了进一步的丰富和拓展。目前国际上的统一定义，人工智能主要指借助机器来实现对人类思维和意识模拟的目标，其中包括代替人类实现认知、识别、分析及决策等其他重要功能，这项技术能够展现对人类思维模拟的信息过程，而且作为多学科交叉融合的新兴学科，也被统称为计算机模拟人类智能行为科学。纵观人工智能的发展历程，主要经历了3 个重要阶段。第一阶段在20 世纪50 到60 年代期间，主要提出了人工智能的相关概念，此时重心依旧放在逻辑推理的机器翻译方面，主要的应用原理包括知识表达及搜索算法等[1]。第二阶段在20 世纪70 到80 年代期间，主要提出了专家系统相关概念，此时算法研究得到了进一步的发展，而且伴随着半导体技术和计算硬件能力水平的提升，人工智能技术在各国也得到了进一步的突破式研究，而且伴随着分布式网络的应用，在一定程度上也降低了人工智能计算工作进行耗费的成本。在20 世纪末开启了第三阶段，这个阶段更加重视对数据的应用，而且强调人工智能自主学习的认知能力，与此同时，也产生了深度学习的相关概念，而且伴随着现代移动互联网技术和设备的快速发展，相关应用场景也变得更加丰富。目前深度学习算法不仅在语音功能，而且在视觉识别方面也实现了进一步的突破，未来也要推动人工智能实现商业化高速发展。

现代社会正处于后移动时代，由于在互联网快速发展期间的竞争变得更加激烈，一些红利会在发展期间逐步消失，因此各国将目标对转人工智能战略的布局和实施，不仅西方国家，中国也在计划构建云端人工智能服务生态系统。从人工智能的发展现状来看，面临着一系列机遇和挑战，而我国人工智能技术也在相关先进技术的支持下，获得了进一步的发展，也取得了一系列显著的成就。比如目前阿里巴巴对于人工智能所进行的布局，主要聚焦于ET 医疗大脑、工业大脑及其他平台和领域，并致力于实现更深层次的突破，目的是为了方便现代人类的日常生活，满足现代社会发展的实际诉求。

2 人工智能的技术体系

人工智能技术目前在多个领域当中得到了广泛的应用，其中3 大关键要素是数据资源、计算能力及核心算法，要在这3 个方面进行不断突破，才有利于推动这项技术获得更深层次的发展。人工智能的智能主要体现在3 个方面，分别是类似于人类一样的听、说、看和识别的能力，其中包含语音合成与识别、图像识别及其他语音处理的技术，还包括智能化存储及计算的能力，也被称之为计算智能，除此之外，还包括类似于人一样的理解和思考能力，主要被运用于教育评测、所提供的知识服务等领域之中。

2.1 机器学习

机器学习主要是指借助计算机可以对现有的各项数据信息进行分析和学习，从而帮助人工智能具有预测判断及作出决策的能力。目前逐渐形成了一些具有代表性的算法，其中包含深度学习、人工神经网络及决策树等算法，对于人工智能来说，机器学习作为一项关键的技术，对人工智能今后的发展也具有主要的推动作用。目前广泛应用的深度算法能够在海量数据信息当中自行归纳和提取重要的特征，而这种能力也可以进行多层特征提取及描述，同时可以进行特征的还原，实现深度学习的目标。人工智能从感知阶段发展为至今的深度学习阶段，是在传统神经网络拓展方面的进一步突破，可以借助非线性网络结构输入数据，而且能够在少量样本数据中学习和集成本质特征。

2.2 自然语言处理技术

自然语言处理技术，主要是指人工智能可以将人类语言转化为计算机程序进行处理和接收的语言，将计算机数据转化为人类自然语言，以便与二者之间进行更加畅通的交流和互通，将二者之间的语言进行相互转换，以便于计算机可以更好地理解人类想要表达的诉求和语言[2]。这些需要处理的语言形式通常体现为声音或文字，自然语言处理技术综合多个学科，其中包含语言学、计算机科学及其他学科，研究目标集中在自然语言通信的计算机系统中，同时还会涉及到信息检索、信息提取及其他类型的技术。由于这些数据稀疏和平滑，因此需要对人类的语言进行语法分析和文本生成。

2.3 图像处理技术

图像处理技术主要是指人工智能具有类似于人类的视觉功能，借助计算机可以主动获取并处理这些图片及其他多维度数据信息。其中可以借助人工智能来获取相应的图像，对这些图像进行调整和处理，并从中提取重要的特征。传统计算机受到计算能力因素的限制，无法有效提升信息交互处理的效率，而且在处理的过程中芯片计算能耗较大。然而人工智能领域数据相对来说较为密集，这种传统的计算处理技术难以满足现代社会数据处理的实际。近些年来超级计算机的出现及云计算技术的快速发展，在这方面也实现了一定的突破，为我国人工智能的长远发展提供了有效支撑。

2.4 人机交互技术

人机交互技术主要是指计算机系统可以和用户之间实现更方便的交流和互通，主要是由机器输出或显示大量的信息，由用户进行读取这些提示和请求信息，然后借助输入设备向机器输入有关信息，并回答相关问题，从而实现和机器之间的互动。人机交互技术主要包括交互、界面设计及其他的图像学，所涉及的理论知识也十分丰富，目前是用户界面研究当中发展最为迅速的重要研究技术。如今已经研究出许多重要的产品和技术，比如3D 显示器及手写文字识别系统等，这些显著的成果都体现了普通用户和计算机系统之间的互动和交流。

3 人工智能商业化浪潮

虽然人工智能技术经历3 个发展阶段，获得了快速的进步，但在20 世纪末以神经网络为主流的人工智能技术相关研究却陷入了一阵低迷时期，而加拿大多伦多大学的相关教授依然坚持研究和探索，并且在2006 年获得了有效的突破。主要成就是成立了深度神经网络研究公司，并在2012 年被谷歌所收购。除此之外，谷歌公司还收购了乌克兰面部识别技术公司。在人工智能技术领域当中，对高素质综合应用人才提出了更高的需求，弥补人才缺口，有利于解决当前专家研究所面临的困境，而且这个领域正处于起步和发展的重要阶段，许多计算基础和价格工具操作起来都具有一定的困难和复杂性，为了解决这些问题，工业界的一些科技巨头，比如谷歌公司和推特公司都会收购深度学习领域的一些初创公司，目的是为了吸引更多的优秀人才，从而抓住纵深发展的机遇。

4 人工智能的主要研究学派

由于专家和研究学者对于智能的理解存在一定的差异，由此可能会形成不同的经典学派，而这些学派也会从不同的角度来看待这些问题并提出相应的解决措施和方案。目前主要形成了2 个重要的学派，包括符号学派和连结学派，虽然这些学派在各自领域当中取得了诸多成就，但是在所采用的研究方法进行创新和优化过程中，也面临一定的瓶颈和困难，难以形成统一的框架。

4.1 结构模拟

在近代科学所提倡的结构决定论的指导下，许多专家和学者认为梳理清楚系统的结构也就能够明确其中的主要功能和作用。从这个角度出发，首先提出的智能模拟就是结构模拟的具体思路，而且已经形成了一些重要的代表性成果，其中包括多层感知器MLP 模型、人工神经网络等。因此结构决定论在机械系统研究当中发挥了重要的作用和价值，但是运用在智能系统研究工作中却存在许多问题。主要在于结构，仅仅只是硬件的基础架构，虽然具有一定的影响，但是不能完全确定系统的智能行为，目前许多大量的神经元连接在一起所呈现的智能行为还是比较浅显的。

4.2 功能模拟

针对结构模拟当中所存在的一些问题和不足，一些专家学者也提出了功能模拟，认为人工智能的研究并不需要梳理清楚具体的结构，而是可以达到对智力功能的模拟效果就可以满足基本的诉求。这种观念主要是在功能主导论指引下形成的一种模拟思路，而这种功能模拟也被称为符号主义和逻辑主义，隶属于心理学派。这种理念和思路曾经在人工智能领域当中发挥出显著的研究价值，而且作出了巨大的贡献，但是功能模拟也存在自身的缺点和不足，主要在于系统本身的智能水平可能与所获取的知识水平之间存在着密切的联系，如果在此过程当中知识获取较为困难，也会导致现有逻辑理论具有局限性。

4.3 行为模拟

功能模拟和结构模拟2 种思路都存在自身的缺陷和不足，为了实现进一步突破，逐渐出现了行为模拟的相关思路。这主要是在行为表现论理念指引下产生的一种重要的模拟思路，主要是指无论采用什么样的结构和功能系统能够表现出相应的智能行为和功能，就达到了智能系统的目标和要求。在这个研究思路中，首先是让机器对这些信息进行感知，而且对这些信息做好归纳和分类工作，在此基础上能够产生判断结果并模拟智能行为，这一过程被称为感知，并产生动作系统。与此同时，行为模拟的思路也具有自身的缺点和不足，主要在于只有行为表现的智能反应才能够被模拟，其他类型的智能过程无法用这些行为和表现来进行演绎。

4.4 机制模拟

根据上述模拟思路的分析，能够发现无论是结构模拟、功能模拟还是行为模拟都存在自身的不足和缺陷，而且3 大模拟思路之间难以实现理论方面的统一，为了实现进一步的突破，研究发现人工智能的生成机制是系统的核心。这种机制模拟的方法强调在各种环境条件下，要经历提出问题—获取约束条件—预设目标的环节，能够及时提取其中的关键信息，并且在目标操控的作用下，可以利用这些信息提出解决问题的策略和方法，并将其转化为具体的智能行为，从而使得问题得到有效的解决。根据这种模拟思路，机制模拟其实也是从信息到经营策略转换的一个过程，从而将上述3 种模拟思路和方法实现了有机统一。

5 人工智能的3 次浪潮及最新进展

纵观人工智能的发展历程，经历了3 次浪潮，并产生了一系列基本思想，可以归纳为符号主义、联结主义及行为主义。符号主义理论的发展，产生了一系列的突出成就，最为著名的包括语义网络、知识图谱等，语义网络概念的出现引发了专家和学者对于知识图谱的探索，而早期主要局限为几种基本关系，未来期望能够在知识图谱上进行进一步的逻辑推理，从而实现智能行为。联结主义理论的发展主要演化出神经网络模型，以及BP 神经网络等成就，而且目前所提出的深度学习概念和技术也源自于这一理念。许多专家和学者都致力于探索这种理论所具有的潜力，目前能够发现深度学习网络结构及训练方法都能够促使这种性能得到有效提升，而且与之前深度学习的产业化程度相比，也有了快速地提升和发展，成为当前时代背景下，应用最为广泛和发展最为迅速的技术。行为主义理论最早源自于一个心理学概念，但目前也会对人工智能技术产生一定的影响，而且行为主义与人工智能之间存在着密不可分的关系，在不同的环境当中执行不同的动作，从而获得相应的成就，主要负责处理物体和环境之间交互的问题。

6 人工智能技术发展的3 大方向

目前人工智能技术无论是在西方国家还是在中国都得到了蓬勃的发展，而且正由早期的感知阶段转向为目前的自动理解模式，背后是各种专家学者不懈地努力，由此推动人工智能技术获得了波澜壮阔的发展，以及更为广阔的发展空间，未来方向主要包括以下3 个方面。

6.1 知识驱动

目前在大数据技术的有效支持和驱动作用下，逐渐诞生了深度学习的观念及方法，而且在产业化方面取得了有效的进展，但是深度学习技术本身的发展空间还有待探索和挖掘[3]。深度学习的概念和技术并不能完全代表人工智能研究的所有内容，未来人工智能，还应促进知识驱动及数据驱动二者之间的结合，数据驱动人工智能技术在发展过程中缺乏常识及推理能力，这也反映出许多深度学习系统在图像识别的过程中，仅仅只能依靠感觉，而无法实现准确的逻辑推理。这一点也反映出人类和现代人工智能技术之间存在的差异，人工智能难以从大数据学习过程中发展而来，只有对知识进行吸收和理解，才可以具有一定的推理演变能力和决策能力。在这样的背景下，应当为人工智能系统技术构建专门的知识库，以便于解决在各个领域当中所存在的问题和缺口，从而有效提高系统的逻辑推理能力和水平。

6.2 类脑智能与脉冲神经网络

根据现阶段人工智能技术的发展现状及应用情况来看，虽然取得了显著的成就，但是总体上并不具备类似于人脑的思维能力。尽管当前人工智能模型下的机器人和智能体已经在各个方面具有突出的表现。比如可以利用人工智能技术实现下围棋和玩电子游戏的目标。从表面来看，能够模拟人的行为举止，但事实上，这些机器和设备并不具有类似于人的主动思维和思考的能力，因此并不能够将机械智能等同于真正的智能，这种智能只是停留在信息处理层面，与真正的智能概念之间还存在一定的差异和差距。在深度学习理念和技术指导下的人工智能技术，只能在某个领域当中解决一类问题或一些问题，但是解决问题的能力依旧对人类编写的水平具有较高的依赖性，未来人工智能技术的发展应当实现进一步的突破，不应该仅仅停留在数据智能层面，而是应当持续模拟人的大脑和思维，让机器逐渐拥有类似于人的主动性思维能力。目前人工智能模型所采用的人工神经网络也被称为第二代神经网络，并在许多领域当中都得到了有效的突破，但是并不能够模仿正常生物体的运作机制。

6.3 可解释人工智能

伴随着当前人工智能技术的快速发展和广泛应用，也逐渐凸显出这项技术存在的问题和不足，比如所建立的模型及复杂算法缺乏透明度，而且自身的决策逻辑性不够，采用这种复杂算法所计算出的结果难以实现有力的证明，而且缺乏充分的解释，这些问题都会影响人工智能技术在一些关键领域和重工业领域当中得到广泛的应用，比如我国的国防领域和金融领域。未来在探索人工智能技术发展方向的过程中，要尽可能提高人工智能的可解释性，可以从早期符号主义学派的相关理论知识着手研究，使数据实现结构化处理，为了提高人工智能行为的解释性，要尽可能模拟人的行为方式，这个领域在未来也有待进一步研究。在发展人工智能技术的过程中，要严格遵守国家所制定的法律法规，避免人工智能技术对现代社会的发展造成负面影响，以便为今后的可持续发展打好基础。

7 结束语

综上所述，从宏观的角度来看，我国人工智能的相关研究依然处于初步阶段，未来势必有更长的路需要走，尤其是作为多学科交叉融合发展的新兴学科，应当在理论和实践方面得到更深层次的进展。本文主要围绕现代人工智能技术发展面临的主要问题和新的研究方向进行了分析和探讨，该领域专家和学者也要致力于解决这些问题，让人工智能真正致力于提高人民生活质量、满足现代社会经济发展需求。未来伴随着大数据技术和其他先进技术的快速演进和发展，人工智能的研究和应用也会进入新的发展阶段。