人工智能的发展速度范文
时间：2023-06-01 10:42:56
导语：如何才能写好一篇人工智能的发展速度，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
1956年夏天，美国达特茅斯学院举行了历史上第一次人工智能（Artificial Intelligence）研讨会，这被认为是人工智能诞生的标志。如今，人工智能已经走过了60年，几经高峰和低谷，伴随着人机交互、机器学习、模式识别等技术的提升，人工智能成为了这一时代的新趋势。
五角大楼的CALO项目是史上最大的人工智能项目，它为Siri的诞生奠定了基础；IBM超级计算机沃森（Watson）无需进行人工编程，它的每一次体验都能让自己更快速一些……随着人工智能与大数据、物联网、生物技术、虚拟现实等新兴产业结合，它对其他产业乃至社会经济的渗透速度都将越来越快。
当前，新一轮科技革命和产业变革正在孕育兴起，生物技术、新材料技术、新能源技术广泛渗透，带动几乎所有领域发生了以绿色、智能、泛在为特征的群体性技术革命，大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐还在不断加快。毋庸置疑的是，未来人工智能技术的发展与飞跃，将极大地改变世界面貌，改变人们的生活方式。人工智能与虚拟现实、物联网等技术的融合，也将对未来社会的生产方式革命、产业结构调整、商业模式革新等产生巨大而深远的影响。在第三届世界互联网大会期间的《乌镇指数：全球人工智能发展报告2016》指出，2015年全球新增人工智能企业达到了806家，平均每10.9个小时就有一家人工智能企业诞生。
国家对人工智能的重视程度与扶持力度也在持续提升。“十三五”规划中，特别提到要形成人机交互网络空间，将人工智能上升为国家战略；2016年5月，国家发改委、中央网信办等联合印发《“互联网+”人工智能三年行动实施方案》；2015年7月的《国务院关于积极推进“互联网+”行动的指导意见》，明确指出要重点发展人工智能在家居、终端、汽车、机器人等领域的应用，并将“互联网+”人工智能作为11个重点行动模块之一……
篇2
最近几天，“围棋人机大战”吸引了广大网友的广泛关注。由谷歌公司开发的围棋人工智能程序“阿尔法围棋”以3∶0完胜围棋世界冠军李世石。比赛胜负已分，但带给人的思考却未就此停止。“阿尔法围棋”简单来说就是人工智能技术的一个发展成果，但是基于目前“阿尔法围棋”的表现，能够明显看出它虽然展现出来的能力还主要是计算机基本逻辑推理能力，但是其已经具有极强的学习能力。在“围棋人机大战”中，面对李世石的“奇招”，“阿狗”从容应对，直接引发了人们对未来人工智能取代企业人工操作的若干思考。
但是就目前而言，距离实现成熟的人工智能技术还很遥远，甚至可以说，未来能不能实现还是个谜。因为有两个重要的技术屏障无法突破，一是当前冯・诺依曼型计算机还不具备模拟人脑的强大能力；二是脑科学的发展速度仍然缓慢，人类对于自身大脑详细的深层结构和运作方式知之甚少。虽然基于目前科学研究结果能够提出以上建议，但是通过“围棋人机大战”，让人们充分见识到了人工智能技术的强大能力，那么一旦这种技术突破障碍，对当前企业发展、人工操作将具有怎样的影响，一时间成为讨论热点。
关于人工智能技术对人们生活和工作的具体影响还无法预测，但是有一点不可否认，人工智能技术的出现也就代表着人类的很多事情在未来完全有可能被计算机、机器人所替代，并且可以明确断定计算机、机器人能凭借它们强大的能力帮助人类做出更多出色的成绩。到那时，机器人会走入家庭，像朋友一样与人类相处，甚至还可能成为人类家庭中的一员。那么对于经营者来讲，在企业发展中也就可以大量应用人工智能技术，提高企业生产的程序化设计，从而显著提高企业的生产效率及生产质量。企业中的大部分人工操作也就可以采用计算机、机器人代替，一方面可以最大化地节约成本；另一方面可以日夜操作，从而显著提高企业的生产效率，对生产质量也能够有最直观的控制。总之，人工智能技术的发展对企业发展具有明显的促进作用，相信也将成为企业未来发展的主要方向。
篇3
>> 李开复：人类还有机会 李开复：面对癌魔有反思 还有机会 机会，还有机会 李开复 2013年社交领域创业机会少 李开复:有用的创新更重要 激情李开复:婚姻是最有力的后盾 李开复简历 意外李开复 李开复自豪 校长李开复 李开复/丁俊晖 别了，李开复 柯达还有机会 你还有机会 “价值投资”还有机会吗 莫斯科还有机会吗 面贴膜市场还有机会抢 短信支付还有机会？ 光线电视 还有机会么？ 常见问题解答 当前所在位置：中国 > 管理 > 李开复:人类还有机会 李开复:人类还有机会 杂志之家、写作服务和杂志订阅支持对公帐户付款！安全又可靠！ document.write("作者： 本刊编辑部")
申明:本网站内容仅用于学术交流，如有侵犯您的权益，请及时告知我们，本站将立即删除有关内容。 李开复，1961年生于中国台湾，曾在苹果、SGI、微软和Google等多家公司担任要职。2009年创办创新工场，并任董事长兼首席执行官，新作《人工智能》已经上市。
01 基因功能代表的“生物改造”和人工智能为代表的“机械改造”，哪个更像人类的未来？
一个是对人类身体的理解，另一个能提升整个人类的效率。这两者之间可能还有交叉。但我觉得人工智能更重要，它给整个社会结构带来的机会和挑战更多。算法延伸到生物和医学等领域。它是通用的，所以价值更大一点。
02《未来简史》作者提出生物都是算法，算法很快就会比人类更了解它自己。你怎么看？
他太简化了人工智能能做和不能做的事。人类没有因为计算器的发明就停止数学的创新，也没有因为汽车就停止了赛跑。很多问题上确实人工智能超过人类。在一个数据量够大、场景够单一、决策够客观、非黑即白的领域里，人没有办法做几千维度的精细判断，是永远不会超过机器的，AlphaGo是个例子。但不能延伸下去就说它有常识。我也不同意生物等同于算法。安慰剂效应是什么算法算出的？爱上一个人是什么算法？当我们帮助弱势群体，感觉到自我实现，又是什么算法？我不会算，它更不会算。
03 量子计算如果成功，人工智能会得到怎样的发展？
有可能带来质的变化。人类的当务之急，是看到人工智能将产生的社会效应和结果，以及怎么面对这些必然的结果。
04 人工智能将取代许多人的工作，那如何重新解释人的价值？
好消息是，人工智能将创造大量财富，解决了温饱问题，下一步就是人类的自我实现。人工智能的弱点在只会做边界清晰的事，炒股就炒股、下棋就下棋，它不会做跨领域的东西。它还做不了模糊的东西，人类可以多做跨领域的文化艺术工作。
05 在与AlphaGo的对弈中，“棋感”的概念已经被消解，下一步会是“审美”“情绪”等概念么？
对围棋的认知错了嘛，这是一个非常客观、大数据的、非赢即输的问题，所以非常适合机器，相对不适合人，所谓的棋神、棋圣把非常不适合人的问题，组合出了一种认知方法，让不适合的人居然也能下得这么好，已经是个奇迹了。但在非大数据、非单一、非客观领域，人类还没被大数据人工智能碾轧，还有机会。
06 人类能理解AlphaGo么？若不能，未来有机会了解么？
完全了解是很难的。人类的决策机制，是简单粗暴的，举个贷款的例子，人工智能可能有着1200个维度的贷款条件，建一个非常复杂的数学模型，来判断借不借钱。但把这1200维度的数学模型，用人能够听得懂的方法，说明为什么不借钱，那是不可能的。
07 各类技术公司都在宣魅斯ぶ悄埽是否新一轮泡沫在产生？
肯定是有泡沫的，尤其是国内二级市场炒的人工智能概念，在一级市场，很多VC都想投，但不很懂，很容易被忽悠。
08 未来如果有“人工智能”的平台，能否预测大致的框架？
可能有点像今天的iOS或安卓平台。以后可能会有人工智能的工具箱，提供深度学习的工具。很厉害的工程师，能把这些工具拿出来用，不用太了解工具是怎么工作的，就像木匠不必知道锯子是什么金属做的。到这样的状态时，人工智能的应用就会井喷。
09 你能想到最保守的未来“人工智能”的形态是什么？
首先把全部的大数据运用起来，创造巨大的价值。第二，通过传感器，收集新数据，创造新的前所未有的应用，如智慧城市，智能交通。第三是全面自动化，人类彻底从琐碎重复的事情中解放。最保守的情况是，因为担忧这些事情，很多国家用法律来降低其发展速度，比如为了保护银行，不让机器人炒股。
篇4
该走的路一步也省不了。
近两年，我们经常听到一些诸如“这是一个千亿元级别的市场”“一定能够颠覆BAT”的豪言壮语，如今却很少听到了；中关村的创业咖啡也凉了许多，“什么都不缺，就差一个程序员了”的创业者在资本的萎靡下也开始考虑为了明天的早餐开始找工作；盛极一时的iOS培训也偃旗息鼓了，培训出来的iOS学员发现市场上很难薪资溢价了，因为和他们一起应聘的，可能就是当时的培训老师……
经济不好，创业前景、公司发展遇阻的时候就会搞概念。
“过去大家普遍认为好概念对互联网企业最重要。但Google的成功案例使人们猛然发现，凭借技术在行业里树立最大壁垒，可以获得产业最有价值的利益链条，现在连微软这种典型的技术型企业也开始涉足互联网了。”阿里巴巴CTO吴炯说。而马云笑称，自己虽然算不上懂技术，但懂得寻找“适应市场需求的技术”。
这种提醒针对的是新一轮互联网创业风潮。目前的创业者们总是坚持，一个好概念暗示着辉煌的未来。
但新一轮互联网的辉煌迟迟没有到来，代表着中国互联网新兴力量的Web2.0公司，不管是在流量指标上，还是在盈利模式上，至今都没有出现过像美国的社区网站YouTube、Myspace那样的颠覆性力量，伴随它们的反倒是裁员、资本枯竭等不利消息。
IDG亚洲区裁熊晓鸽认为，风投最先选择的是能创造服务和技术的人，其次才会考虑公司对行业的影响。而“技术大拿”们对这种现象的评价更为苛刻，在他们看来，互联网的迅速崛起，靠的是打破常规的奇思妙想。如今的互联网企业则经常缺乏创新精神，害怕失败，于是炒作概念往往成为捷径，很多新概念就出来了：移动互联网时代已经结束、下半场开始、新零售变革……
移动互联网时代结束了？
首先是李彦宏提出的：“移动互联网时代已经结束。”核心概念是，靠移动互联网的风口已经没有可能再出现独角兽了，因为市场已经进入相对平稳的发展阶段，下一个发展阶段是人工智能和物联网的时代。
互联网人口发展到一个瓶颈期，这是不争的事实，但是讲移动互联网时代已经结束，可能还为时尚早吧。如果说移动互联网时代已经结束，那么百度岂不是完美错过了整个移动互联网时代？
移动互联网的出现冲击了PC互联网，但也并没有出现能够取代移动互联网的新型互联网方式。移动互联网这一波已经过了几年，它的体量已经很大，所以它的发展速度自然会慢慢放缓。但是在移动互联网上面还有很多可以创新的地方，比如Wi-Fi通讯方式还并没有像流量一样，随时随地统一入口覆盖，随时随地可获取流量的发展也没有达到成本可忽略的程度，新的独角兽仍然未出现。还有诸如“互联网+自行车”这样的模式出来，所以现在移动互联网时代只是梯度放缓，绝不是结束。
李彦宏提出移动互联网时代已经结束，人工智能与物联网的时代才是未来。我们完全可以理解百度错过移动互联网时代，并急于在人工智能方面抓紧迎头赶上的迫切心态，毕竟曾经腾讯加阿里也不如百度的市值高。但是经此移动互联网一役，百度已经只是这两家市值的零头了，可见人工智能并不是靠造概念就行的。
人工智能更多的还是在云端，终端客户不需要去理解什么是人工智能、如何使用人工智能，他们只需要关心人工智能可以为他们提供哪些服务。
所以在云端怎么让它更智能，如何运用大数据，这才是风口，但是现在是到了一个最关键的时间了吗？我认为还需要很多基础的东西。人工智能谈了几十年也是在这两年才有了比较大的突破，后面就可以很简单地应用在各行各业了吗？我觉得未必。因为差距还有很远，就像移动互联网时代，不可能让用户去编程机App一样，人工智能时代肯定不可能试图让用户去理解人工智能，需要给用户提供的只是人工智能物化了的产品和服务。
这些服务如何提供给终端用户？我认为目前在没有更好的互联网服务的基础上，还会继续通过移动互联网的方式提供。独角兽的出现并不一定要互联网人口红利，和PC互联网发展到移动互联网不同，人工智能和物联网的发展并没有抛开移动物联网。相反，还需要紧密结合移动互联网。移动互联网的发展在硬件铺设上还没有达到完美的程度，所以何谈移动互联网时代结束呢？
互联网下半场开始了？
下半场是美团CEO王兴在公司内部提出的一个概念，核心意思是，就像中国经济用三十多年的时间，吃光了人口红利，于是“新常态”就成为中国经济的下半场；互联网的人口红利吃了二十几年，也吃光了，互联网公司的发展不得不从追求速度和规模，转向追求纵深和创新，这就是互联网的下半场。
互联网从1995年开始到现在短短21年时间，如果非要拿上半场下半场这种概念来说，也就算开场踢了5分钟，何来发展如此迅猛的上半场下半场？如果按王兴的说法，现在是进入到了下半场，到2037年之后算加时赛吗？需不需要搞个新赛季，再搞个甲级、乙级、晋级、降级比赛？
另外，从王兴提到的人口红利上来看，如果以人口红利没有了来算上下半场，那就更牵强附会了。就像独立IT评论人keso说的那样：以电力为例，如果从电力照明普遍进入家庭开始算，电力的人口红利也早早就没有了。但电力真正的革命却发生在照明之外，它带来的红利远非人口红利可以概括，从中获益的绝大多数也并非做电灯泡的企业。即使是做灯泡的，感叹人口红利不在的，也一定不是GE、欧司朗这样的不断以新技术引领照明行业的企业。
篇5
摘要：机械电子工程与人工智能的结合是机械电子工程的必然发展趋势，如今人工智能在机械电子工程中的应用越来越广泛，两者的结合将使机械电子工程的自动化和智能化水平进一步提高，同时也有利于人工高智能的更好发展。本文将对机械电子工程与人工智能的各自特点以及历史发展进行简要分析，着重探讨机械电子工程与人工智能之间的相互关系。
关键词：机械电子工程；人工智能；关系
机械工程的每一次发展都带动了工业生产水平的显著提升，机械电子工程通过融入电子技术，使其突破了机械工程的局限性，能够完成传统机械工程难以完成的复杂工作任务，同时也降低了对人员操作的依赖性。随着机械电子工程的不断成熟以及人工智能的快速发展，两者的结合应用得到了广泛重视，机械电子工程的智能化方向发展，将使其技术水平得到进一步提升，满足工业生产对机械设备的多元化需求。
1机械电子工程的发展过程及技术特点
1.1发展历程
机械电子工程在其发展的最初阶段，没有受到相关产业的高度重视，由于缺乏资源支持，技术水平提升缓慢，许多机械电子产品都需要通过手工制作，使其发展受到较大限制。随着机械电子工程的工业化水平不断提升，其技术价值逐渐显露出来，通过机械技术与电子技术的相互结合，能够有效提升传统机械产品的功能和性能。因此机械电子工程逐渐开始受到重视，并实现了流水线生产。但从目前生产规模和生产水平来看，虽然我国引进了国外标准生产线，但生产能力与市场需求相比还较为落后。
1.2技术特点
机械电子工程的主要特点是综合性强，具有跨学科性，涉及到机械、电子技术等多个领域，虽然在设计环节仍以机械为主，但电子技术和信息技术发挥出了越来越重要的作用。还需要根据系统配置需求和生产目标，综合利用其它科学技术。因此，在机械电子工程的设计过程中，通常采用从上至下的设计策略，将不同领域的技术模块相互结合，实现设计中产品的功能和性能要求。相比于传统机械产品，应用多门先进技术的机械电子产品在外观结构上更加小巧、精致，内部结构更加复杂，产品功能和性能都得到了极大提升。
2人工智能的三个发展阶段及发展前景
2.1三个发展阶段
截止到目前为止，人工智能历经了三个发展阶段，在其技术萌芽阶段，人工智能发展缓慢，但是在这一阶段为人工智能的后续发展积累了大量的宝贵经验。第一台超级计算机的诞生加快了人工智能的发展速度，但是在该阶段的研究仍未取得实质性进展。从1956年开始，随着人工智能命题的首次提出，人工智能进入第一个发展阶段，其基本原理和博弈原理得到证明，解放了技术思想，为人工智能的后续发展提供了强有力的理论支持。1977年，第五届人工智能会议的成功召开使人工智能进入第二发展阶段，其技术应用得到快速发展，并与实际生产相结合，取得了重要的实际应用价值。近年来，人工智能的发展受到了越来越多的关注，具有良好的发展前景。
2.2发展前景
人工智能以计算机为依托，不断延伸自身的智能性，深度挖掘计算机功能的各种可能，是21世纪以来最具有发展前景的学科之一。人工智能学科以计算机技术为基础，立足于心理学、信息论等多个领域知识，吸收了许多其他学科的特点，同时也推动了其他学科的更好发展，是一门极具发展潜力的前沿学科。人工智能技术在机械电子工程领域的应用，将弥补机械电子工程的不足，促进机械电子工程的更好发展。
3机械电子工程与人工智能的关系探究
3.1应用差异性
人工智能的应用需要以计算机网络系统为依托，因此无法通过其他途径在机械电子工程中得到应用只有对网络系统进行人工的指令转变，才能在机械电子工程中实现智能化控制。而计算机网络系统的运行是以数据分析和计算为基础的，一旦在数据处理过程中出现问题，就会导致人工智能控制失误，进而导致机械电子工程的网络系统发生崩溃。因此，人工智能在机械电子工程中具有一定的应用差异性。
3.2综合性补充
机械电子工程采用模块化设计方式，每个模块的功能特点较为固定，而现代机械电子工程对其功能的多元化需求不断提高，一些综合需要人工智能提供支持。因此，人工智能技术可以对机械电子工程进行综合性补充，通过其自身的综合操作功能，为机械电子工程的多元化工程实现提供辅助。比如目前较为成熟的模型推理系统就是两者相互结合的典型例子，也是人工智能技术在机械电子工程中应用的正确方法。目前人工智能中神经网络系统通过对人体神经进行模仿，使其技术水平更进一步，在机械电子工程中的应用，可以实现对机械电子工程各个功能模块的完整控制，使二者更加完美的结合。
3.3不稳定性处理及精度控制
不稳定性是机械电子工程存在的主要缺陷之一，其系统本质以及输入、输出关系决定了机械电子工程的不稳定性，对其各项功能的实现及正常使用产生较大的负面影响。在传统的机械电子工程中，主要采用解析法对系统的不稳定性进行调节控制，但这种控制方法无法做到精确控制，因此对不稳定性的调节能力有限。人工智能技术以计算机技术为基础，能够实现对数据的准确、高效处理，可以很好的弥补机械电子工程的这一缺陷。可以采用人工职能的神经模式对机械电子系统进行精确化控制，为系统的稳定运行提供保障。
4结束语
综上所述，机械电子工程与人工智能都经历了较为漫长的发展过程，都整合了大量相关学科，具有较强的综合性。针对于电子机械工程目前存在的功能多元化需求和系统不稳定性缺陷，人工智能技术可以对其进行有效弥补，促进机械电子工程的更好发展。因此，应加大力度促进机械电子工程与人工智能的相互融合，使人工智能技术在机械电子工程领域得到更加广泛的应用。
参考文献
[1]吴昊年,杨文.刍议机械电子工程与人工智能之间的关系[J].电子技术与软件工程,2015(15):130.
[2]王一楠.试论机械电子工程与人工智能的整合思路构建[J].科技风,2015(21):154.
[3]温伟华.人工智能技术在机械电子工程领域的应用[J].自动化与仪器仪表,2016(02):96-97.
[4]周龙飞,屈梁浩,梅越.浅析机械电子工程与人工智能的关系[J].通讯世界,2016(08):235.
篇6
关键词:人工智能;创新性教学;精品课程;课程建设;教学改革
人工智能课程是计算机类专业的核心课程之一,也是智能科学与技术、自动化和电子信息等专业的重要课程,其知识点具有不可替代的重要作用。该课程内容广泛,具有很强的综合性、应用性、创新性和挑战性[1],其开设能够更好地培养学生的创新思维和技术创新能力,为学生提供了一种新的思维方法和问题求解手段。同时,本课程能够培养学生对计算机前沿技术的前瞻性,提高他们的科技素质和学术水平。通过课程的学习,学生对人工智能的定义和发展、基本原理和应用有一定的了解和掌握,启发了对人工智能的学习兴趣,培养创新能力。
中南大学人工智能课程开设于20世纪80年代中期。1983年,蔡自兴作为访问学者赴美国普度大学研修人工智能,并与美国国家工程科学院院士傅京孙(K. S. Fu)教授及清华大学徐光v教授合作研究人工智能。在傅京孙院士教授的指导下,蔡自兴和徐光v教授执笔编著《人工智能及其应用》一书,并于1987年5月在清华大学出版社问世,成为国内率先出版的具有自主知识产权的人工智能教材。本教材不仅为我校人工智能课程提供了一部好教材,而且促进了国内高校普遍开设人工智能课程。此后,又陆续编著出版了《人工智能及其应用》第二版、第三版“本科生用书”和“研究生用书”、第四版等,修读该课程的学生也与日俱增。该书第二版还获得国家教育部科技进步一等奖。经过近20年建设,该我校人工智能课程于2003年评为国家精品课程,并在2008年评为国家双语教学示范课程。这是至今国内唯一同时获得国家级精品课程和双语教学示范课程的人工智能课程。同时,我们还开发了人工智能网络课程,具有网络化、智能化和个性化等特色,被国家教育部评为优秀网络课程,供兄弟院校人工智能教学参考使用,受到普遍欢迎[2]。
作为国内第一门人工智能精品课程,我们按照教育部精品课程标准建设《人工智能》课程,尤其是在教学内容、创新性教学方法和教学模式上进行不断进行改革与探索,取得了很好的效果。本文即为我校人工智能精品课程建设与改革经验的初步总结。
1教学内容优化
1.1课堂教学内容优化
教学内容的确定是课程的首要任务。如何选好教学内容,使学生既能了解本领域的概貌,又能适合学生的基础,便于他们在有限的时间完成学习任务,是一件难事。教学内容除了包含基础理论外,还应该反映人工智能领域的新发展和新动态,跟上学科发展的步伐。本课程最初设定的教学内容分基础部分和扩展应用部分。基础部分主要包括人工智能的定义和发展、知识的表示以及推理,而扩展应用部分主要包括专家系统、机器学习、机器规划、机器视觉等。
近年来人工智能科学的快速发展,涌现出了大批新的方法和算法,研究热点问题也从符号计算发展到智能计算和Agent等。
学内容,既能使学生了解本领域的概貌,又能适合学生的基础,便于他们在有限的时间完成学习任务,是一件难事。教学内容除了包含基础理论外,还应该反映人工智能领域的新发展和新动态,跟上学科发展的步伐。本人工智能课程最初设定的教学内容分基础部分和扩展应用部分。基础部分主要包括人工智能的定义和发展、知识的表示以及推理,而扩展应用部分主要包括专家系统、机器学习、机器规划、机器视觉等。
近年来人工智能科学的快速发展,涌现出了大批新的方法和算法,研究热点问题也从符号计算发展到智能计算和Agent等。
随着科学技术的不断进步,在科学研究和工程实践中遇到的问题变得越来越复杂,传统的计算方法无法在一定时间内获得精确的解。为了在求解时间和求解精度上取得平衡,很多具有启发式特征的智能计算算法应运而生。这些算法通过模拟大自然和人类的智慧来实现对问题的优化求解。计算智能作为人工智能的一个新的分支是目前的研究热点,它主要涉及神经计算、模糊计算、进化计算和人工生命等领域,在如模式识别、图像处理、自动控制、通信网络等很多领域都得到了成功应用。另一个近10年来人工智能的研究热点是Agent和多Agent系统,其理论最早来自分布式人工智能,并随着并行计算和分布式处理等技术的发展而逐渐成为热点。
以上两个内容都是人工智能的重要分支。因此,我们在《人工智能及其应用》第三第3版[3]和第四第4版教材[4]中已经顺应形势加入了这方面的内容,并将教学内容也进行了相应的扩展,加入了计算智能、分布式人工智能与Agent。由于不确定性推理和基于概率的推理方法应用也越来越广泛,我们也将此类非经典推理方法单独作为一章来进行教学。另外,还增加了一些新的内容,如本体论和非经典推理、粒群优化和蚁群计算、决策树学习和增强学习、词法分析和语料库语言学,以及路径规划和基于Web的专家系统等。图1给出本课程的教学内容大纲。
人工智能的教学内容涉及面广且内容较多,要在有限课时内完成教学计划并让学生掌握,具有一定难度。因此需要根据教学对象的需求有所取舍。中南大度。因此需要根据教学对象的需求有所取舍。中南大学在智能科学与技术、计算机、自动化三3个专业中均开设了人工智能课程,根据相关专业课程教学对象,对学时和教学内容进行适当调整。对于智能科学与技术专业,人工智能课程为必修课,共48个学时含实验8个学时。表1表示为相关专业的人工智能课程教学内容分配情况。对于计算机和自动化专业,人工智能课程为选修课,共32个学时含实验8个学时。许多兄弟院校的计算机专业都把人工智能定为必修课,课程学时也在50学时左右。因此,我们一再强烈建议我校的计算机专业把人工智能列为必修课,并适当增加学时。由于智能科学与技术专业开设有专家系统和智能计算选修课程,因此在人工智能教学内容中只将这两部分做简要阐述,而将重点放在知识表示和推理以及扩展应用上。对于计算机专业学生来说,除基本的知识表示和推理外,计算智能和Agent技术也是他们在软件开发和通讯技术理论学习中需掌握的重要概念。同时,计算智能、专家系统对自动控制和电气工程也十分重要,对自动化专业则应掌握该方面的内容。
1.2实验实践教学创新
国内人工智能课程在开设之初大多没有安排实验内容,仅为理论基础和概念讲授。由于理论比较抽象,很难理解,学习效果不理想,学生们对于其应用实现也十分困惑。此后,各高校也逐步在该课程中分配了实验学时,大多数采用prolog语言和专家系统作为实验语言和对象[5]。为了改进该课程的教学,我们也从没有实验到将实验学时从零调整为设置4个学时的实验课时,然后到现在的8个学时的实验课时。随着课堂教学内容的改革,实验内容也进行了优化和更新。
人工智能课程实验的目的是帮助学生掌握基本理论,发挥主动性,研究探讨人工智能算法和系统的运行和实现过程,提出思路并验证自己探索的思路,从而更好的地掌握知识,培养研究能力和创新能力。因此,在实验教学内容的设计上,实验项目应具备研究性和综合性。实验项目目标明确,要求学生带着问题和任务进行实验,但实验过程又要有一定的灵活性,学生可以根据自己的思考进行适当的调整。再者,充分采用虚拟实验方式进行实验,大大提高了学生的兴趣,提供了分析和探讨智能算法的很好平台。同时,学生的实验数据和实验结果分析既有格式要求,又给学生报告自己的研究的过程和结果留有空间,并在评分时加以充分考虑。这些做法能够鼓励学生,特别是鼓励优秀学生进行独立性研究,满足他们学习的需求。
1) 人工智能课程的实验环节不足和课时分配问题。
中南大学的人工智能课程的实验环节经历了从精品课程建设前没有到开设,一直到其内容和形式上的不断改进过程。但目前实验还主要处于演示性和编程的实验阶段,而非设计和训练阶段。此外,由于人工智能课程涵盖范围广、内容多,而课程所设置的学时有限。,如何分配好课堂教学与实验课时也是一个需要在今后课程建设中不断探索的问题。
对于某些专业的人工智能课程,可以考虑单独开设人工智能实验课程或人工智能程序设计与实验课程。
2) 人工智能技术发展迅速情况下如何保持该精品课程持续发展的问题。
人工智能作为一门高度融合的交叉科学,其发展速度迅速,不断有新理论、新问题涌现出来。我们的
人工智能教学既要注重基础理论知识,又要紧跟学科发展的步伐,势必要求对课程内容进行不断更新,这对我们的教学资源和教师素质都提出了更高的要求。
4结语
本文介绍了中南大学的精品课程――人工智能课程教学内容和创新性教学方法的一些探索,已在课堂教学内容的优化、实验环节的改进、教学方法的创新的实施上取得了很好的效果,充分激励了学生的学习积极性和主动性,多方位培养学生发现问题、分析问题和解决问题的能力。我们的想法和做法可供兄弟院校同行参考。不过,仍然存在一些不足之处。随着智能科学与技术的发展和更为广泛的应用,人工智能课程的重要地位必将更加突显,我们也需要继续努力,与时俱进,不断完善人工智能精品课程的建设。
注:本文受教育部质量工程国家级精品课程人工智能(2003)、全国双语教学示范课程人工智能(2007)项目支持。
参考文献:
[1] 薛莹. 创新教育新途径人工智能与机器人教育:哈尔滨市教育研究院张丽华院长访谈录[J]. 中国信息技术教育,2010(1): 20-22.
[2] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.
[3] 蔡自兴,徐光佑. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2003.
[4] 蔡自兴,徐光佑. 人工智能及其应用[M]. 4版. 北京:清华大学出版社,2010.
[5] 韩洁琼,闫大顺. 人工智能实验教学探讨[J]. 计算机教育,2009,(11):135-138.
[6] 刘丽珏,陈白帆,王勇,等. 精益求精建设人工智能精品课程[J]. 计算机教育,2009,(17):69-71.
Exploration of Innovative Teaching Mode of Artificial Intelligence Elabrate Course
――Construction and Reformation in Elaborate Course of Artificial Intelligence
CHEN Bai-fan, CAI Zi-xing, LIU Li-jue
(Institute of Information Science and Engineering, Centnal South University, Changsha 410083, China)
篇7
关键词：大数据时代；人工智能；计算机网络技术；应用
一、大数据时代与人工智能含义
（一）大数据时代
大数据在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业中已经被应用多时，但是大数据这一概念真正被广泛熟知还是因为互联网技术以及信息行业的高速发展，大数据通常指在信息爆炸时代所产生的海量数据，在大数据时代人们获取信息、储存信息、利用信息的能力飞速提升，数据自身所拥有的价值被更深的挖掘，人们处理信息的方式和理念也斐然生了极大的变化，通常云技术与大数据这一概念是密切关联的，我们在应用大数据的过程中经常以云技术来建立相关数据库并实现对海量数据的科学管理，在大数据概念中，首先数据总量是极其庞大的，其次要求我们拥有科学高效的信息管理系统，由于数据量庞大，所以大数据时代下的数据信息呈现较低的价值密度，想要合理采集有价值信息，我们必须拥有科学的信息管理技术。这是大数据时代下信息数据的基本特征[1]。（二）人工智能人工智能概念的提出是比较早的，我们当前仍将其作为计算机科学的一个分支，我们想要了解人工智能，首先可以从字面意思来分析，首先是“人工”学术界对于“人工”的概念还是比较明确的，人工即为人工系统，就是通过人类科学技术所实现的相应技术能力，而“智能”一词就存在较多的解释和理解了，有人认为智能技术应该是类似于人类智能的一种高端科学技术，它应该具备类似于人类的意识，在面对各种问题的情况下做出“思考”并给出相对正确的答案，而诸如“自我”“思维”等一些其他对智能的解释也能够在一定程度上解释智能技术。我们自身对于智能的认知也只是人类本身的智能，那么当前人工智能技术可以认为是通过人类科学技术来实现一种类似于人类智能的电子系统，让其在工作中能够良好的对各种信息进行搜集并且根据自身逻辑算法达成与人类思维类似的思考过程，进而实现通过信息判断情况进而发出指令。这是我们当前对于人工智能技术的理解。
二、人工智能技术的优势
人工智能技术之所以在近年来受到广泛关注就是因为其技术概念的优势性非常大，我们在现代社会已经广泛实现了各种领域的自动化，但是这种自动化水平仅仅是在人工控制或者人为编写运行程序的情况下，通过系统或者机械来自动执行人的意识，那么这种自动化就仍然不是我们在自动化发展过程中的最终形态。人工智能技术的优势就是通过自身系统对相关运行环境和周边态势进行感知，同时依靠自身强大的信息处理能力和逻辑运算能力来实现对各种情况的自我判断，并且根据数据分析来得出一个相对正确的执行命令，从而实现真正意义上的自动化。虽然当前我们的人工智能技术还没能达到理想化的技术水平，但是我们已经能够让人工智能系统在一定的设计范围内实现对多种不同情况的自我处理了，以计算机网络技术为例，我们在使用计算机网络的情况下网络系统面对海量的相关数据是需要进行分层处理的，但是如何分层要取决于人们对于网络的具体使用情况，而人们使用网络的情况非常复杂，存在众多不确定的情况，何进行网络分层就是当前人工智能技术在强化网络优化服务上做能够提供的优势能力[2]。
三、人工智能在计算机网络技术中的应用
大数据时代下我们对于信息利用处理的依赖程度更高，可以说我们当前的生活过程中无时无刻不需要各种信息来支撑我们了解情况并作出决定，所以我们在生活中广泛的应用计算机网络技术来实现对海量数据的科学管理，在一计算机网络技术实现对海量数据科学管理的过程中，我们需要妥善利用人工智能技术来实现更好的管理效率和管理质量。
（一）人工智能在计算机网络安全上的应用
随着人们生活中对于计算机网络的依赖程度不断提升，我们对于网络安全也更加重视。计算机网络技术给人们带来的不仅有无限的便利，同时也有更加严峻的网络安全考验，在计算机网络安全保障上，人工智能技术能够发挥非常重要的作用。先进的网络安全问题来自于木马病毒入侵、垃圾信息等等方面，应用传统意义上的防火墙系统只能通过不断更新自身数据来实现对有限范围内的安全保护，而应用人工智能技术则可以让防火墙系统变得更加“聪明”，智能防火墙系统在使用过程中不断掌握正常的网络信息情况并且进行学习记忆，如果在日常使用中出现了异常情况，智能防火墙首先会对问题进行识别，从多角度去分析并识别先关情况，如果只是使用者的正常操作内容反馈则允许建立连接，如果存在高位风险则直接隐藏IP或者组织连接，实现智能化的网络安全管理[3]。在计算机网络安全上的应用主要是突显了人工智能技术的智能特性，人工智能技术在实际工作中能实现类似于人类思考的数据处理能力，通过对情况的辨别来达到有效区分各种不同情况，针对有危害的相关情况进行阻止，同时我们在整个计算机网络安全系统构建的过程中也需要妥善应用人公布智能技术，从多角度来实现对网络安全的维护作用。
（二）计算机网络系统管控中人工智能的运用
我们在应用计算机网络系统实现数据智能分析的过程中，必须将人工智能技术应用于计算机网络技术之中，首先凭借计算机网络提供的高速网络通道来实现超大体积数据的快速传递，进而实现良好的传递、储存，而对于数据的实际管理和分析上，则需要应用人工智能技术。我们在进行信息分析和信息管理的过程中经常使用专家系统实现问题的有效解决，这其中不仅要利用计算机网络技术，同时也要应用人工智能技术，我们能在实际进行信息应用的过程中，必须根据相关问题对数据库所有信息进行分析，压缩其价值密度，筛选更贴近于答案的相关信息，并且合理利用专家系统来获得最优解答[4]。
篇8
关键词：电力系统；智能控制法；智能电网
前言
近年来，随着电网规模的不断扩大，电力企业为了适应电网不断发展的要求对自身进行了改革，使其能力得以不断的提高，电力系统的自动化水平和能力也有了较大的提升，这对电网的安全平稳运行提供了较为基本的条件。随着社会对电能的需求日益增加，电力企业必须保证电网的安全可靠运行，所以建立自动化和智能化控制是当前电网发展的必然要求，也是电网未来的发展方向。
1 智能控制概述
智能控制是继自动化控制和人工智能基础上新发展起来的一门学科，智能控制可以在系统中达到感知环境和信息，从而对一些不稳定因素进行控制的目的。电力系统的智能控制方法主要包括以下几个方面：
一是模糊控制法，这种方法是从行为之上去模拟人的模糊决策与推理，并且根据得出的数据进行实用控制的方法。
二是人工神经网络，将许多简单神经元按照一定方式连接起来，形成一个分布式、并行的信息结构网络。
三是专家系统，这种方法是一个智能程序，通过专有程序将大量专业知识编写进去。
四是遗传算法，该法是将现有的数据群体中的全部个体作为对象进行编码，采用随机技术将编码投入到参数空间之后实施高效搜索的方法。
智能控制脱离了对模型的依赖，其不仅具有较强的适应、学习和组织功能，同时还能对环境做出相应的判断，从而实现对知识的自动获取和应用，其适用性、实时性和多样性的特征较为明显。
2 智能控制法在电力系统中的应用
智能控制系统具有其他系统所无法比拟的优越性，所以在电力系统自动化中得以广泛的应用，以下以几种常用的方法为例，进行说明：
2.1 电力系统中应用模糊方法
模糊理论（FT）是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整推理体系的智能技术。模糊控制是模拟人的模糊推理和决策过程的一种实用控制方法，它根据已知的控制规则和数据，由模糊输入量推导出模糊控制输出主要包括模糊化、模糊推理与模糊判决三部分。随着模糊理论的发展和完善，模糊控制的一些优点得到了广泛的肯定，如：适于处理不确定性、不精确性以及噪声带来的问题；模糊知识使用语言变量来表述专家的经验，更接近人的表达方式，易于实现知识的抽取和表达；具有较强的鲁棒性，被控对象参数的变化对模糊控制的影响不明显等。近年来，模糊理论在电力系统应用的研究不断增加，并取得了令人鼓舞的研究成果，显示了模糊理论在解决电力系统问题上的潜力。
依据模型来进行控制，已被实践所广泛接受。一般线性模型较为简便，但实际应用中，多为非线性系统，即使用多段线性来模拟，每段中的控制，仍只能是“次最佳”的。用模糊关系模型（FRM）来模拟非线性过程，是一种简便而有效的方法。模糊关系模型简单而直接地描述输入量与输出量之间的关系，这对单输出系统比较易于实现，但对多输出系统仍较困难。为了克服这些不足，目前有许多研究将模糊理论与其它人工智能技术结合起来，取得了较好的效果。
2.2 专家系统在电力系统自动化控制中的应用
由于专家系统发展的时间较早，所以其发展也较为成熟，这是一类人工智能技术，包括知识库和推理二个部分，此系统是在某个领域专家的知识推理为基础，从而模拟人类专家做出具体的决策，其所解答的水平已达到专家的水平。目前在我国电力系统中，还是依靠自动化技术来保持运行和控制，此方法在对知识积累及推理方面缺乏，同时对于系统中的一些模型和状态量也无法实现获取，所以已越来越不适应当前电力系统发展复杂化的需求，因此专家系统的应用是当前电力系统发展的必然选择。
随着专家系统的不断发展，相关的一些系统已开始在电力系统中投入运行，根据运行的结果表明，其效果是十分显著的，可以进入实用性推广阶段。由于其系统投入运行的时间较短，所以还存在着一些问题需要在运行中进一步研究，从而使专家系统更加完善。
①专家系统在运行时其推理速度会受到系统规模和规则的限制，同时对于系统问题只能在离线或是在线时进行解决，而无法实现实时控制，所以这方面还有待进一步加强。
②现有的专家系统对新情况应付能力和容错能力较差，对于系统出现的故障及设备的变化，所给出的结果容易出现错误码，所以在智能控制上还要加强对自学能力和容错能力的研究力度，使之得以进一步的提高。
③专家系统的建立需要较长的时间，而且由于知识库工程量较大，所以在维护上也存在着一定的困难，电力企业在建造专家系统时要对这点上有心理准备。
2.3 电力系统应用人工神经网络
人工神经网络且是模拟人类来处理与传递信息，这种仿制连接方式类似于人类神经元，形成了一个控制网络。而每一个人工神经元能够实现输入输出之间的非线性关系，这样的连接就让人工神经网络具有负责非线性特性。和上面两种相比较，人工神经网络能够使用神经元与彼此之间有向权重去处理一些隐含问题，而且还具有信息分布存储、较强容错能力、较强学习能力、知识能够主动组织以及能够处理不同信息要求等优点，每个神经元计算都是相对独立的，十分方便，而且执行的速度也比较快。就因为人工神经网络具有较强分线性自学能力及拟合能力，具备了鲁棒性、联想记忆等等性能，让这种方式在电力系统自动化的应有具有较大潜力。人工神经系统虽然在不断的发展，技术日益成熟，但其在应用过程中还存在着一些问题需要解决，如学习时间长、算法慢等，这些都需要在应用中不断的改进，从而使其技术得以完善。
3 结束语
随着电力系统发展速度的不断加大，智能控制系统在电力系统中已开始进行应用，智能技术，虽然其在各自的应用中各有所长，但任何一项单一技术都存在着一定的缺陷，所以在应用中要注重将模糊理论、专家系统和人工神经网络技术等三者有效的结合起来，形成互补，从而形成一套综合化的智能控制方法，为电力系统智能控制方法的应用奠定坚实的基础。
参考文献
[1]肖成刚.浅论电力系统控制方法[J].宁夏电力，2008（4）：134-136.
篇9
关键词：计算机软件 冶金自动化控制 应用分析
中图分类号：TP393.1 文献标识码：A 文章编号：1672-3791（2013）07（a）-0007-01
20世纪60年代以来，我国冶金控制系统逐渐迈向了自动化领域。到了80年代，随着PLC、DCS等现代控制系统的出现，为我国冶金行业的发展提供了重要的技术支持，极大的提高了冶金行业的生产率与生产质量，为我国现代化建设作出了巨大的贡献。近年来，随着计算机软件更新速度的加快，现代的冶金生产流程得到了很大程度的革新，其越来越向紧凑型、智能型方向发展了。因此，为了更好的确保冶金控制系统实现全自动化，不断改革生产管理控制系统，有关技术人员应该加大堆计算机编程和控制的关注程度，在新型产品与工艺的开发过程中，尽量采用最先进的流程技术，逐步实现人机交互的局面，将自动化理念全面渗透到每一个生产环节中去，最大限度的提高冶金行业的生产效率，为实现我国又好又快发展提供重要的物质支持。改革开放以来，我国冶金行业的发展速度得到了极大的提高。当前，冶金行业在国民经济中占据了极其关键的作用。因此，冶金产业生产质量与水平的高低直接影响着我国整体工业的发展速度，是我国工业竞争能力高低的重要体现。本文就现阶段计算机在冶金自动化控制中的应用进行了细致的分析，以求更好的促进我国冶金行业的发展。
1 分析计算机在冶金生产过程中的应用
现阶段，计算机在我国冶金过程控制方面取得了显著的成效，计算机过程监控系统几乎覆盖了所有冶金行业的每一个流程。且随着计算机应用技术的不断提高和软件的不断优化，这种趋势在近几年得到了更大幅度的提升。传统的PLC、DCS等系统逐步被现代计算机系统代替。尤其在这几年中，这种趋势更为明显。现场总线、工业以太网等科技得到了众多冶金生产者的高度重视。计算机在冶金过程控制中发挥着重要的作用，其能有效的将理论知识、数理图形、权威经验和先进工业完美的结合起来，构建出一个动态的数据系统，利用分布式的监控手段，将工业网络与各种冶金设备紧密的连接起来，使计算机系统能够实时监控到冶金的各个生产线和产品质量，大大提高了冶金行业的生产效率与生产水平，真正实现了冶金自动化系统。
2 分析计算机在冶金行业管理信息系统领域的使用
当前，大中型冶金企业主要由铁矿的开采、提炼、铸轧等工艺组成，同时，还需要利用水电等系统进行辅助生产。要想更好的实现冶金行业的经济效益，就需要将每一道工序进行细致的连接，尽量减少浪费、重复生产等损失的发展。因此，冶金企业主要管理人员应该不断协调质量管理、通信管理、调度管理等部门的工作任务，不断优化企业生产流程，实现经济效益。为此，建立采用计算机技术建立公司级的管理信息网络系统显得尤为关键，其在现代冶金行业得到了越来越广泛的应用。同时，全方位、多领域的管理信息网络系统，也为现代冶金行业的生产效率和产品质量提供了技术保证。拿涟钢为例，早在20世纪80年代末期，涟钢MIS系统工程就得到了大规模的使用。在公司，几乎全部厂房都涉及到了计算机软件，并通过全部联网的形式，将通信部门、采购部门、财务部门等的重要数据都传入网络系统中，充分发挥出了企业各类数据的共享优势。此外，该系统还通过系统化的思想全面整合了企业内部关键的资源，促使各单位、各部门分工合作，进而最大限度的完成资源的重组，为企业高层管理人员提供了重要的决策信息，以便更好的促进冶金行业的健康发展。
3 计算机为冶金自动化控制软件提供了巨大的发展空间
计算机控制技术在冶金产业的大规模使用，使得众多软件开发商将市场定位于冶金自动化设备和控制系统。因此，为了尽早抢占市场份额充分实现冶金产品生产线的自动化，第三方软件开发商纷纷开发了各类控制算法、控制器编程程序、数据监管系统产品。然而，不论是哪一类软件产品，在使用过程中都需要运用到计算机设备。尤其是在信息管理系统建立起来之后，软件自动化控制系统对计算机设备的依赖程度更是得到了极大的提升。这些年，外国众多制造生产商都在冶金软件产品开放性与互动性上投入了巨大的人力、物理、财力，极大的提高了现代冶金产业的生产能力，为我国经济、社会的高速发展提供了重要的物质保障。
4 分析计算机在冶金过程人工智能技术中的使用
现阶段，我国众多大中型钢铁冶金企业都实现了基础自动化向信息网络化的重大突破，成功迈向了全方位的自动化控制系统。随着现代信息网络技术的不断改进与革新，在现代冶金生产过程中各类信息与数据资料得到了最大程度的共享，大部分冶金生产工序、控制流程、技术决策都能在操控室中完成。同时，人工智能技术的不断发展与演进，充分展现了计算机运算的强大功能。通过人工智能技术能够通过各种仿真、模拟手段实现对全部冶金生产流程的离线演示，不断优化冶金产业的生产流程，对实际的冶金生产提供关键的指导作用。
5 计算机在冶金行业局域网络中的使用
冶金生产流程自动化设施质量、数量的高速提升，在提高冶金产业生产力的同时，也加大了对每一项机械设备监控的难度。当前，计算机网络技术对冶金产业的影响主要体现在如下两个方面：其一，计算机网络系统能够提高各类机械设备接收、传输各类指令的效率；其二，计算机网络系统能够保证设备与设备之间进行大规模数据的传送与交换，实现流程的优化。
6 结语
现代计算机技术的大规模使用，不断提高了冶金自动化控制的实现程度，为我国冶金行业带来了巨大的经济效益。
参考文献
[1] 冶金行业DCS的使用量逐步减少[J].现代制造，2009（42）.
篇10
甚至狗都有梦想，
但你没有，
你只是个机器，
一个冒充生命的赝品。
一个机器人能写交响乐么？
一个机器人能把一个，
嗯，
帆布变成一幅美丽的杰作么？提起人工智能，很多人会首先想起斯皮尔伯格导演的科幻电影《人工智能》（AI），该片曾获2002年奥斯卡奖。在电影里一对夫妇领养了一个机器人作为自己的孩子，这个机器人可以像人一样思考，具有喜怒哀乐，在它的身上发生了许多的故事。
这样的科幻情景离现实又有多远呢？我们不妨先从人工智能的起源谈起。长久以来，我们一直认为智能不只是人类所独有的，可以像人类一样进行推理和学习的机器是完全可能被制造出来的，然而事情却不像想的那样简单。
模拟人工智能
在百科全书上，人工智能的定义是“研究可以智能工作的机器的科学和工程”。不过一个令人纠结的问题是：到底什么是智能？很多情况下，那些“不智能”的机器比我们聪明多了，比如普通的计算机程序可以将成千上万个数字的乘积，可以记录下银行的大量款项，这已经超出了普通人的能力。可是，他们只是能正确地完成大量计算而已，还称不上真正的“智能”。只有某些人类特有的能力，像认出一张熟悉的脸，指挥繁忙时段的交通或者学会一件乐器，才称得上真正的“智能”。
为什么制造一台智能机器这么难？这是因为，一般情况下，在给电脑编写程序之前，程序员知道他想让电脑做的任务是什么。可是，在人工智能领域，程序员要求电脑做正确的事情，可同时又不是很清楚事情到底是什么。比如我们让电脑去识别人脸，可是我们人类自己也不是完全清楚大脑是如何识别人脸的。
在现实世界中，我们不仅要面对还要处理种种不确定性事件。比如你在达到一个目标前，受到诸多困难，你需要排除万难；你在驾车时，前方冲出一辆车，你需要转动方向盘避免撞车；你在处理一项任务时，突然接到另一项重要任务，你需要随机应变。一个智能的电脑程序不仅能够按照既定计划完成任务，还能确保在不确定事件发生的情况下完成任务。所以，真正的人工智能，必须能够感知周围环境的变化，并对此做出反应，适时改变和调整自己的行动，以期出色完成任务。
哲学起源
在世界上第一台电脑问世前的很多个世纪，人工智能的理念就已经初具端倪。亚里士多德提出的从假设得出结论的“三段论”就是一种机械式的逻辑推理方法。按照他的理论，我们可以这样论述：一些天鹅是白的，所有天鹅都是鸟，所以，一些鸟是白的。如果用符号表示，即为：一些S是W，所有的S都是B，所以，一些B是W。无论S、W、B代表什么，我们都可以得到正确结论。根据这样的构想，我们在没有完全弄清楚人脑是如何想问题的情况下，或许就可以建立出一套智能化系统。
亚里士多德的构想为探寻人工智能的本质奠定了基础。然而，直到20世纪中期，电脑才变得足够复杂，能够真正测试一下这些构想。1948年，英国布里斯托尔大学的研究人员格雷・沃尔特制造出一系列具有感光和学习能力的会移动的机器乌龟。其中一个名为艾尔西（Elsie）的机器乌龟可以自动对环境做出反应，比如当电池电量快耗尽时，它就会自动降低对光线的敏感度。
1950年，英国数学家阿兰・图灵提出，如果电脑可以和一个人谈话自如，我们应该“礼貌地”接受电脑可以思考的现实。不过，直到1956年，人工智能这个词语才被正式提出来。在美国达特茅斯学院的一个暑期研讨会上，这个领域的早期创始者们共同提出了他们的愿景：如果学习的各种方式或智能的各种特征都可以从理论上进行精确描述，那么，一台机器就可以模拟人的智能。似乎按照这样的目标快速发展，拥有真人一般智能的机器早晚会出现。
化整为零
20世纪60年代，研究人工智能的科学家们满怀梦想，信心十足，认为他们将在几十年内实现他们的目标，就像航天领域里，从第一架喷气式飞机到人类登上月球也只用了30年。为什么人工智能不可以拥有这样火箭般的发展速度呢？
事实上，两者之间最大的不同之处在于，对于人工智能，我们找不到像F=ma和E=mc2那样既简洁又通用的公式。到了20世纪80年代，研究人员意识到，他们既没有足够硬件也没有足够知识，来模拟人可以做的所有事情，于是整个领域被分成很多部分。以往研究人员的共同目标是制造一台拥有人类智慧的电脑，取而代之的是，研究人员侧重研究这个宏大问题的某个方面，比如语音识别、计算机视觉、概率推理，甚至国际象棋这个小领域。
可喜的是，在每个分支领域，研究人员都取得重大突破。1997年，IBM的“更深的蓝”电脑击败了国际象棋冠军卡斯帕罗夫。“更深的蓝”电脑能在1秒内计算出2亿种可能性，从而推算出之后棋盘的走势，最终决定下一步怎么走棋。
“更深的蓝”电脑在这场需要高智能的象棋比赛中取得骄人成绩。然而，这位“专家”的技能有点单一，除了象棋比赛外，它什么都不会做，既不能和别人讨论下棋策略，也不会玩其他游戏。尽管它赢了世界象棋大师，但是没有人会把它错当作真人，它只是一台电脑。
人工智能的时间线
1950年，图灵提出，经过编程的电子计算机可以像真人一样回答问题。
1956年，在美国达特茅斯学院的一个暑期工作坊上，这个领域的早期创始者们正式提出了“人工智能”这个词汇。
1958年 Allen Newell和Herbert Simon预测在十年内，电脑可以击败国际象棋世界冠军，不过在现实中这整整花了四十年。
1961年，电脑解决了大学一年级程度的微积分题目。
1965年，世界上第一个用于心理治疗的聊天机器人ELIZA，尝试着和人进行对话。
1967年，STUDENT程序成功地解决了用文字描述的一道大学程度的代数题目。
1973年，Freddy机器人通过视觉感知来定位和组装了模型。
1974年，随着政府资助机构减少了对于人工智能研究的拨款预算，人工智能寒冬到来。
1975年，斯坦福大学的Meta-DENDRAL程序发现关于分子的新规律，成果被发表在了美国化学学会的期刊上。
1980年，自动行驶的汽车在慕尼黑大学里以90千米/小时的速度行驶。
1988年，人工智能的主要形式变为基于不确定数据的概率推理，而不再是以往那样侧重于逻辑。
1989年，美国航天局（NASA）利用自动聚类的电脑程序发现以往未知的几类恒星。
1997年，IBM“更深的蓝”超级电脑击败了国际象棋冠军卡斯帕罗夫。
1998年，由Hasbro生产的第一个人工智能的宠物Furby开始在美国出售；美国航天局（NASA）第一次有了完全由电脑程序自动控制的飞行器。
2000年，Nomad机器人探索南极洲的偏远地区，采集气象观测样本。
2004年，一个电脑程序可以比一个专业级真人飞行员更快地学会操纵遥控直升机。
2007年，美国艾尔伯特大学的人工智能程序完全破解了西洋跳棋游戏。
2011年，苹果的语音识别软件Siri可以让用户和iPhone对话；iRobot公司出售出了第600万个Roomba吸尘器机器人。
2012年，Google翻译做的翻译总量已经超过了所有人类翻译者所做的总和。
2012年，通过10亿个连接，Google的人工智能神经网络可以去识别一些常见的物体，像人脸和猫。
或许你没有意识到，其实你每天都在和人工智能打交道。它们帮你接通电话，审核你的信用卡交易，管理你的基金。它们还能从你的数码照片中识别你的脸，在你玩视频游戏时识别你的姿势，甚至帮助医生分析你的化验结果。
益智游戏冠军
2011年，IBM向世界推出沃森（Watson），一个可以理解问题、并给出准确答案的超级计算机。沃森拥有3000个联网在一起的处理器，其中储存着几百万份文件，沃森可以利用这些海量的信息回答几乎所有问题。
IBM让沃森亮相美国一个电视问答娱乐节目《危险边缘》（Jeopardy！）。
《危险边缘》一向以提出“拐弯抹角”的问题而出名，有点像国内的《开心辞典》和《幸运52》。这个游戏可比国际象棋复杂得多，沃森不仅需要综合所有人类知识，还需要理解问题中的双关语等文字游戏。
在沃森精彩舞台表现的背后，人工智能的一个分支领域――概率推理功不可没：这项技术帮助沃森从不完整的信息组合中提炼出完整答案。比赛前，IBM的工程师们把百科知识和以往《危险边缘》的节目资料塞进沃森的硬盘里，然后把沃森的电脑程序分成100个小程序，每个小程序负责一个方面。比如，一个程序负责“著名作家”，另一个程序负责“食品”。比赛时，针对提出的问题，沃森的100个分程序各自从数据库里寻找答案，最终沃森综合这100个分程序的结果，选择最有可能正确的答案。比赛结果并不出乎意料，沃森曾经在电视节目中击败两位真人冠军。
不过，成为《危险边缘》节目的冠军并不是沃森的真正使命，IBM计划给沃森更实用的任务，比如给医学、商业、农业等领域提供时效性强的重要信息。
无人驾驶汽车
行驶在美国拉斯维加斯的公路上，如果你看到一辆汽车的牌照是红色，其上印有无穷大符号，就要留意一下了，它是一辆无人驾驶的汽车。2012年初，美国内华达州为无人驾驶汽车发放了第一张牌照。
在世界上其他地方，无人驾驶汽车也会火起来吗？应该说，到现在为止，驾驶还是一项由真人司机占据主导地位的任务。虽然驾车称不上很难，但其中有太多变数，比如尾随你的汽车是以60千米/小时还是70千米/小时的速度行驶？角落里是否有一辆行驶在你的视角之外的汽车？如果你想超车，前面车的司机会不会突然加速？诸如此类的问题还有很多。
无人驾驶汽车行驶在公路上并不难。早在1994年，两辆无人驾驶汽车就曾经在环绕巴黎的公路上行驶了1000千米。但是，如果让无人驾驶汽车在城市中穿行，任务一下子就变得困难很多，城市交通中很多不成文的规则会让无人驾驶汽车摸不到头脑。比如，如果谷歌公司的工程师严格按照司机守则为无人驾驶汽车编写程序，在十字路口上一定要为其他汽车让路，他们会发现，这台太过老实的无人驾驶汽车永远也没法走过这个路口。于是，他们对程序做了一点改进，当无人驾驶汽车等待一段时间后，就会自动缓慢向前移动，向其他汽车示意自己想要先走，而不只是傻傻地等待。
对于无人驾驶汽车来说，还有一个难题，即如何判断自己所处的位置。GPS有时并不靠谱，误差会达到几米之多。无人驾驶汽车不仅能使用GPS，还能同时开启照相机、雷达和测距激光，共同帮助校正GPS的数据。
除了担任驾驶职责外，无人驾驶汽车还能自动调节汽车燃料进出，提高能源利用率。代表前沿科技的无人驾驶汽车综合了多项人工智能技术，越来越被人们所接受。通过特别许可，谷歌公司的无人驾驶汽车已经在完全无人控制的情况下，在美国加利福尼亚州的公路和街区中穿行了成千上万千米。相信世界上其他地方很快也会接纳智能的无人驾驶汽车。
垃圾邮件猎手
如今，全世界的电子邮件中，每10封恐怕有9封都是垃圾邮件。如果这些垃圾邮件和正常邮件混在一起出现在你的收件夹里，电子邮件的方便快捷功能将大打折扣。通过垃圾邮件过滤器，你可以把垃圾邮件从收件夹里过滤出来。
要判断什么样的邮件才算是垃圾邮件，只要看一下邮箱主人打开邮箱后，把哪些邮件加上星号保留，哪些邮件看也不看就直接删掉即可。这些举动为垃圾邮件过滤器提供了最好的参考。电脑程序根据这些信息把每封邮件分解成很多个特征，每个特征可以是一个单词或词组，也可以是邮件发送的时间，还可以是发送邮件的电脑信息。这些特征可以帮助电脑程序判断一封邮件是否垃圾邮件。比如，一封邮件里包含“最低价格”“精心包装”两个词组。根据全球统计数据，这两个词组在垃圾邮件中出现的概率高达8%和3%；而在正常邮件中，它们出现的概率只有0.1%和0.3%。之后根据数学上的贝叶斯定律公式，计算出这封邮件是垃圾邮件的概率高达99.9%。
重要的是，垃圾邮件过滤器需要根据经验不断更新判别模式。再好的垃圾邮件过滤器也会有犯错误的时候，可能放过坏邮件，也可能错杀好邮件。每当邮箱主人把一封垃圾邮件从垃圾邮件箱移回收件夹或者标识并删除一封遗漏在收件夹里的垃圾邮件，垃圾邮件过滤器会立刻更正自己的参数，做出改进，以提高识别垃圾邮件的准确率。
自动翻译高手
2012年，“谷歌翻译”的翻译总量超过所有专业翻译员的翻译总量。“谷歌翻译”掌握65种语言，可以任选其中两种语言进行互译。“谷歌翻译”得以运行，全靠人工智能领域的概率推理技术。
很多年前，语言学家通过双语字典和语法规则来构建自动翻译系统。遗憾的是，这样做失败了，如此翻译会很生硬、不灵活。比如，在法语语法规则里，形容词一般置于名词后。而在英语语法规则里，形容词一般置于名词前。当然，也有例外的时候，比如，英语中表达“神奇的光”时，使用“the light fantastic”词组，形容词fantastic置于名词light之后。
过去十多年，自动翻译依靠的不再是语言学家手写的规则，而是从现实案例中学习而来的概率准则，就好像以往是通过背单词和记语法来学外语，而现在是通过身临语言环境中学习。自动翻译另外一个重要方面是电脑和真人之间的配合和交互，很多自动翻译系统都是先在互联网上搜集大量真人翻译过的文件作为参考。
当然，自动翻译还远远称不上完美，但是它正在被逐步改进――准确率越来越高，翻译的语言种类也越来越多。谷歌公司正在开发一个名为“翻译”（Translate）的安卓手机程序，当你与对方通话时，你可以说母语，该程序根据你的选择，把你所说的话转换成对方的母语，发送给对方，而对方在和你通话时也可以说母语。随着自动翻译技术的发展，一个被长久期盼的诱人目标将有机会实现――每个人不需要学习任何外语，就可以和世界各地的朋友进行交流。
让程序自我进化
现今大多数的人工智能系统如果完全依靠手动来编写程序，会变得很复杂，一个另辟蹊径的方法是让电脑程序自己进化自己。在虚拟的环境中，程序通过不断的迭代，尝试变化各种参数，在不断尝试和失败之中，程序逐渐“自然而然”变成设计者期望的样子。
首先，设计者们为程序搭建一个模拟环境。就垃圾邮件过滤器的程序而言，“环境”就是大量邮件，既包括正常邮件又包括垃圾邮件。然后，程序的不同版本同时在模拟环境中接受检验，输出各自不同的结果。在对结果进行评分后，分数差的程序被淘汰，分数好的程序被进一步修改。修改后的程序再次接受检验，同样优胜劣汰。如此往复，最后，程序可以自然进化成比较理想的状态。
这个过程其实有点类似自然界中所发生的“弱肉强食、适者生存”。而一个程序的某个参数被修改如同自然选择中的基因发生随机突变；两个程序还可以各取一部分交叉到一起产生一个新的程序，就如同动物产生后代一样。这种让程序自我进化的方法被称为“遗传算法”。
电脑也需要直觉
人永远不是绝对理性的，我们在做决定的时候会犯很多常见的错误，并且容易受到无关细节的干扰。有时，我们相信自己的直觉，未经深思熟虑，即匆忙做出决定。我们曾经认为，“冷静”的电脑不像人一样冲动，一定是件好事。可是，最近的认知科学研究发现，事实并非如此。
一个人先天具有两种互补的做决定的方式，一种是缓慢的、深思熟虑的、理性的，另一种是迅速的、冲动的，通过联系当前情况和以往经验，快速做出决定。第二种方式或许才是人类智能高效的关键。
不难想象，深思熟虑和理性必定要以耗费更多的时间和精力为代价。比如，有一辆车正迎面撞向你驾驶的车，你需要立刻做出反应，或者鸣笛，或者刹车，或者转向，而不是经过复杂的计算决定哪种选择最优，估计等结果算出来事故已经发生了。此时，快速反应成为关键。在非紧急情况下，这种快速反应同样有益。比如，如果每天都在认真思考到底穿深蓝色衣服还是浅蓝色衣服这类无伤大雅的问题，会浪费大量的时间和精力，耽误更重要的事情。
那么，是否应该给人工智能加入直觉成分呢？事实上，很多现代人工智能系统包含两部分，一部分用于瞬时反应，一部分用于理性分析。一些机器人使用多层系统结构，最底层只做反应；较高层则负责抑制这些反应，组织更多目标行为。这种方式很有效，控制步行机器人在凹凸不平的地面上行走就是一个例子。
另外一种方式是在人工智能程序中加入一些“情感”。比如，如果一个机器人反复尝试做一件事情，不断遭遇失败后，一个表达“气馁”情感的电路就可以“激励”机器人转换思路。人工智能的创始者之一马文・明斯基认为，情感并非人脑的一个独立事件，而是人脑的多个部分之间、人脑和身体之间的互作。毕竟，人是感性动物。在我们做出某些选择时，情感因素高于其他因素。如果一个电脑程序受到情感驱使，自然更像人类智能。
像大脑一样的机器
既然我们的目标是制造一台具有人类智能的机器，为何不直接复制一下人脑呢？毕竟，人类自己是智能的最好样本。过去几十年，神经科学为大脑如何处理和存储信息提供了很多新的认识。
人脑是由连接着1000亿个神经元的100万亿个神经突触组成的网络，这些神经突触和神经元的状态每秒改变10~100次。人脑的这种结构使得它非常擅长诸如在图片中辨认物体之类的任务。一台超级计算机拥有100万亿字节的内存，拥有的晶体管电路的运算速度比人脑至少快1亿倍，这种结构使得计算机擅长有明确定义、工作量大、要求精确的任务。
这两种结构各有优缺点。如果完成模糊性任务，人脑更占优势。比如，诸如识别面孔的任务，无需计算高度精确的电路。
相比于超级计算机，人脑是一台节能机器。人脑进行各种计算时，所需功率约20瓦，只相当于一个亮度很低的老式电灯泡。而一台进行类似计算的超级计算机所需功率约20万瓦。据统计，2010年，谷歌公司用电23亿千瓦时（度），相当于20.7万户美国家庭一年的用电量、41座帝国大厦一年的用电量。一个表面上看起来并非传统重工业的公司却是个耗电大户，这不由引发研究人员思考人脑的节能高效。
