浅谈人工智能的发展现状和未来发展趋势

摘 要：近年来人工智能技术取得重大突破，对国民经济特别是数字经济及智能制造產生重大影响，本文从人工智能的起源、近年来飞速发展的原因，人工智能关键的机会、关键的研究方向、以及面临的挑战等方面简要论述了人工智能的现状和未来发展趋势。

关键词：发展现状；未来趋势；人工智能

一、人工智能的起源

1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy）、马文·闵斯基（Marvin Minsky，人工智能与认知学专家）、克劳德·香农（Claude Shannon，信息论的创始人）、艾伦·纽厄尔（Allen Newell，计算机科学家）、赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能。因此，1956年也就成为了人工智能元年。在过去的几十年里，人工智能的子学科一直在不断进步，包括机器视觉、机器学习、自然语言理解、推理和规划以及机器人技术。

二、近年来人工智能技术飞速发展的原因

1、在过去的十年里，人工智能应用的开发和部署速度出现了一个有希望的变化。这种加速是由几个因素共同驱动的。这种变化背后的一个关键影响是前所未有的数据流的可用性，以及存储和检索这些数据的成本的下降。通过数字化和围绕商业、科学、通信、治理、教育、艺术和娱乐的活动向网络的转变，大量关于人类活动和内容的结构化和非结构化数据库已经出现。

2、其他的因素包括可用计算能力的显著提高，以及执行机器学习和推理方法能力的提高。在过去的三十年里，机器学习领域有了很大的活动，该算法将数据转换为能够识别模式、执行诊断和预测未来结果的组件。过去30年的人工智能研究也见证了在不确定性下进行表示和推理的方法的兴起和成熟。这些方法借鉴并扩展了最初在统计学、运筹学和决策科学领域进行研究和改进的方法。这种在不确定性下学习和推理的方法对于构建和部署人工智能系统至关重要，这些人工智能系统能够在现实世界中有效地解决不可避免的不完全性。

3、在过去的十年里，一系列被称为神经网络的机器学习方法的使用出现了一次复兴。这些被称为深度神经网络的算法现在被用来显著提高这些算法的质量和准确性服务于自动语音识别，人脸和物体识别从图像和视频，以及自然语言理解。这些方法还被用于为终端用户开发新的计算能力，比如语言之间的实时语音到语音翻译（例如，现在可以在微软的Skype中使用），以及帮助司机驾驶汽车的计算机视觉（现在已经在特斯拉的S和X车型中使用）。

三、人工智能关键的机会

1、迄今为止，人工智能应用程序探索了利用当前和即将到来的人工智能技术的未来机会。使用目前可用的人工智能方法可以为工作流程和流程引入新的效率，帮助人们理解和利用科学发现和工程中的数据爆炸，并帮助人们解决一系列具有挑战性的现实世界问题。

2、通过使用现有数据来建立预测模型，然后使用预测模型来帮助指导决策，可以解决许多商业和社会机会。这样的数据预测到决策管道的预测可以提供巨大的价值，并帮助建立一系列广泛问题的解决方案。

3、关键机遇包括人工智能在医疗保健和生物医学、交通、教育、制造等方面的应用，以及提高我们的电网等关键基础设施的有效性和稳健性。医疗保健和交通是两个令人注目的例子，人工智能方法可以在短期和长期产生重大影响。

研究表明，预测模型，从大型医院数据集，可以用来识别病人高危再次住院在短时间内出院后，这种方法可以用来指导这些特殊的分配项目旨在减少再入院。

人工智能系统和医生的互补性的广泛机会可以应用医疗保健。例如，最近在机器人外科手术方面的工作探索了机器人外科医生的助手如何在复杂的外科手术任务上协同协作。其他工作已经证明了如何将机器视觉与人类病理学家相结合，可以显著提高检测癌症转移的准确性。

运输人工智能方法已广泛应用于在线服务和应用，帮助人们预测流量。人工智能方法可以通过多种方式被利用，使驾驶更安全，并扩大我们现有的道路基础设施的有效能力。由于感知和机器人技术的进步，自动化汽车有望提高道路上的流量和安全性。更长期的可能性包括在全市范围内部署大规模的自动公共微交通解决方案。这种解决方案可以改变城市内部的流动性，并可能在长期影响城市的总体结构和布局。

智能、自动的驾驶员警报和避撞辅助系统有望拯救全球数十万人的生命。机动车辆事故每年造成120万人死亡，2000万至5000万人受到非致命伤害。

基于自动驾驶的技术，可以通过机器感知、智能警报、自动和半自动控制和补偿来解决。研究发现，很大一部分的机动车事故是由注意力分心引起的，近20%的车祸被认为是未能停止发生的。使用智能警告、辅助制动和自动制动系统可以减少近50%的追尾碰撞事故。

四、关键研究方向

人工智能的研发继续令人兴奋和富有成果，有许多方向和可能性。以下几个重要的研究方向包括：

1、支持人类-人工智能协作。开发能够补充和扩展人类能力的人工智能系统是很有希望的。这类工作包括开发具有人类意识的人工智能系统，能够理解和增强人类认知。这一领域的研究包括开发能够识别和理解人们试图解决的问题的系统，理解人类的计划和意图，以及识别和解决人们的认知盲点。

2、关于人类-人工智能合作的研究还包括努力协调人类和人工智能系统解决问题的混合倡议。在这种混合倡议的系统中，机器和人轮流为解决问题做出贡献。在这一领域的进步可以导致那些支持人类和机器以无缝、流畅的方式一起工作的方法。

最近的研究结果表明，人工智能系统可以学习和扩展人们的能力。研究方法包括，赋予系统理解等重要的微妙之处人工智能系统的成本打断人们在不同的上下文与潜在有价值的信息或其他贡献和预测信息，人们会忘记他们需要记住的上下文。

3、无监督学习大多数机器学习被称为监督学习。在监督学习中，数据被直接或間接的人标记，这些人提供了特定的标签，如人们的目标或意图，或健康结果。在开发无监督学习方法的过程中，人们有浓厚的兴趣和机会。

4、模拟和仿真，关于使系统能够在模拟和真实世界中进行积极探索的挑战，旨在赋予系统做出预测和成功地执行物理行动的能力。这类工作通常涉及创建训练方法，使一个系统能够自己探索，在任务中执行多次试验，并从这些经验中学习。其中一些工作利用了人工智能中被称为强化学习的方法，即通过一套关于在不同环境下采取的最佳行动或一系列行动的经验来进行学习。迄今为止包括自动训练系统来识别物体和学习掌握物体的最佳方法。

综合智能。许多研发工作都集中在发展智力方面的特定能力上，例如能够识别图像中的物体、理解自然语言、识别语音的系统，以及在特定的医疗保健领域提供决策支持，以帮助病理学家应对组织病理学方面的挑战。有一个很好的机会将多种能力编织在一起，如视觉和自然语言来创造新的能力。例如，自然语言和视觉已经结合在了一个能够执行自动图像字幕的系统中。综合智能的其他例子包括将语音识别、自然语言理解、视觉和一套预测模型结合在一起，以支持构建自动化行政助理等挑战。

在平台和系统方面的进步。对数据中心规模系统和创新硬件的进步的具体需求已经出现，以支持大规模神经网络模型的训练和执行。在学习和推理算法、计算硬件和系统软件的交叉领域进行的新研究将有可能有利于支持人工智能的创新。这类研究正在技术行业的大公司提供的平台上进行。

新型的开发工具和平台可以极大地帮助人工智能应用程序的开发、调试和部署。大型IT公司正在进行研发，为开发人员提供基于云的编程接口（例如，微软的认知服务）和基于客户机的组件，用于执行有价值的推理任务（例如，检测图像中的情绪）。其他开发环境正在被开发出来，用于创建集成的人工智能解决方案，工程师可以使用这些解决方案来组装依赖于多种能力（自然语言理解、语音识别、视觉、人类意图推理等）集成的系统。它必须在实时应用程序中以紧密协调的方式一起工作。

五、挑战

1、在过去的几年里，人工智能在视觉、听觉和理解语言方面的能力显著提高。这些不断增长的能力将导致部署更复杂的应用程序，可以处理人们传统上执行的任务。因此，人工智能系统很可能会对就业和经济产生重大影响。很少有人质疑人工智能的进步将提高生产效率并创造新财富的说法。关于人工智能生产率的成果将如何分配，以及人工智能对就业的影响，问题越来越多。人工智能系统在认知和物理领域的能力的提高将对与不同工作相关的分配、可用性、吸引力和薪水产生影响。我们需要将注意力集中在反思、规划和监测上，以解决人工智能对我国就业的潜在破坏性影响，并努力理解人工智能为国内和国际经济提供的新自动化形式的广泛影响。重要方向包括寻求了解教育的需求和价值以及就业机会的地理分布。

目前迫切需要对我国劳动力进行培训和再培训，以便为预期的劳动力需求和工作分配的变化做好准备的工人。在一个受到数字技术进步推动的经济中，越来越多的工作岗位需要一个STEM（科学、技术、工程和数学）领域的学位，对接受过计算机科学培训的人的需求不断增长。为了让公司在数字、云驱动的经济中茁壮成长，员工的技能必须跟上技术的进步。投资于教育可以帮助使我们的劳动力作好准备和适应，使之适应我们对就业分配的持续转变，以及对人类劳动力不断变化的需求。

2、安全性和健壮性。随着人工智能技术能力的提高，在高风险、安全关键的应用将变得更加普遍。这些应用包括自动化和半自动化的汽车和卡车、外科助理、商业航空运输自动化、军事行动和武器系统，包括防御和进攻系统的使用。人们还担心，智能系统可能能够进行修改，并改变自己的操作参数和机器。这些问题涵盖了研发方面的发展方向。

人工智能应用方面的一个相关的、重要的研发领域集中在由人和机器共同控制的系统中可能出现的独特挑战上。包括开发明确考虑人类的注意力和意图的系统，为人们提供机器推断和行为的解释，并确保人们理解问题解决的状态——特别是当机器和人类决策之间的控制传递时，我们有机会在共享责任的环境中开发和分享关于系统如何与人类发出信号和交流的最佳实践。

自主决策的伦理。在世界上做出自主决策的系统可能不得不在不确定性下进行交易，并仔细考虑丰富的、多层面的结果的成本和收益。例如，一个自动驾驶系统可以必须推理出那些对乘客和行人受伤的可能性有不同影响的行为。

3、操作。利用机器学习、规划和优化的方法可以用来创建能够影响人们的信念和行为的系统。此外，这种系统可以设计成以受影响的系统无法察觉的方式运行。我们还需要做更多的工作来研究、检测和监测这类活动。

4、隐私。随着以数据为中心的分析和预测模型的中心性的上升，对隐私的担忧也出现了。我们需要基于从看似无害的数据中得出的推论来考虑对个人隐私的潜在侵犯。

5、网络安全。新型的自动化可以呈现出新型的“攻击表现”，这为国家和非国家行为者的网络攻击的操纵和破坏提供了机会。如上所述，对新的攻击和人工智能的新应用所附带的相关漏洞进行广泛的分析是至关重要的。新的攻击类型包括“机器学习攻击”，涉及到将错误的或有偏见的训练数据注入到数据集中。重要的发展方向包括基于硬件和软件的安全和加密、新的故障安全设计原则的依赖。

六、结论

人工智能作为一门伟大的科学成就，它将会成为未来发展的主要学科之一。目前，一些人工智能的研究成果已经广泛运用在国民生产和生活中。伴随知识经济和信息时代网络技术的持续发展，人工智能必然会得到越来越多的重视，获得广泛的运用，进而促进科技与社会的发展和进步。

参考文献：

（1）E.Kamar、S.Hacker、E.Horvitz。《大规模众包中的人机智能结合》，2012年AAMAS，西班牙巴伦西亚，2012年6月。

（2）Amodei，D.，Olah，C.，Steinhardt，J.，Christiano，P.，Schulman，J.，Mané，D.，人工智能安全中的具体问题，arXiv，2016年7月25日。

（3）关于人工智能的安全和控制的概述演讲可以在这里找到：E.Horvitz，《关于安全和人工智能的思考》，白宫OSTP-CMU人工智能安全和控制会议，2016年6月。

（4）A.克劳斯和E.霍维茨。在线服务中隐私的效用论方法，《人工智能研究杂志》，39（2010）633-662。

作者简介：刘俊（1964—），男，汉族，云南建水，大学，任职于中国共产党云南省委员会党校，副教授，研究方向：信息系统研发。