人工智能范文

导语：如何才能写好一篇人工智能，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

关键词：智力人工智能语言

人们普遍认为智力是可以学习、培养和发展的，这种观点便蕴含了对智力演化过程的认识。汉语的“智”是“知”的后起字，本义指聪明、智力强，如“然后智生于忧患”(《荀子》引《孟子》)，“智术浅短”(三国志・诸葛亮传)，“少年智则国智”(梁启超《少年中国说》)。在1921年举行的学术讨论会上关于智力定义的讨论中。美国心理学家刘易斯・特曼(Lewis M.Terman)强调抽象思考的能力，但是，另一位美国心理学家爱德华・桑岱柯(EdwardL.Thomdike)则认为学习和对问题给出优秀答案的能力才是智力；瑞士心理学家让・皮亚杰(JearlPiaget)认为智力是当你不知道怎么办时动用的东西，他还区分了智力发展的两种基本过程和四个不同阶段，其观点和理论影响深远：而在1986年的讨论中，与会心理学家们则一致认为，对环境的适应能力是理解智力的本质和用途的关键(EncyelopadiaBritannica，2009)。当代学界对智力的这种认识与汉语的“急中生智”这一成语非常合拍。如出一辙．都突出了智力的创造性、动态发展性及其发生的情景。客厅的茶几上摆放一个正在沸腾的火锅，一个两、三岁小孩走过去用筷子而不是用手到锅里面去挑肉吃，或者想要锁在抽屉里的巧克力翻箱倒柜地去找钥匙而不是用拳头或杯子砸抽屉都是动用智力的结果，都是聪明的和具备值得令人称赞的智力的，我们对这小孩的评价是聪明；一个八岁的小孩也这样做，我们认为是正常。类似的。一个四、五岁的小孩能够脱口而出三七二十一之类的数学题，我们也一般认为那小孩的智商高、聪明；但是，一个十一、二岁的孩子再有如此表现，只能说是还不算笨。

智力应该是和生物肌体的进化同时进行的，因为缺乏远古资料．这里我们不打算去猜测和讨论猿人、古人或今人智力的进化历史过程。结合现代脑神经科学的研究成果，我们只从关于儿童智力发展的现有资料及心理学家们的认识变化和讨论人手，来考察人类智力的演化，并在此基础上，探讨人工智能的发展潜势。

人们智力的物质基础主要在于人脑而不在于心，这已经是现代人的基本共识。人的身体生长发育一般经过十几年的时间，基本形体和部件数量在出生时就决定了(后天的手术或意外事故不算)，外部形体的发育情况有目共睹．但大脑的情况有点特殊。这里我们不再复述人脑中可能代表不同进化阶段的三重构造，也不讨论对立统一的左右半球和其中不太确定的具体任务功能分区；大脑的主要功能是思维，因此我们通过研究思维的形成过程和脑神经细胞层面活动的关系，来探讨智力的演化过程。

大脑的基本组织结构是神经元细胞，人脑所呈现的瓷白色是其脂肪的颜色，简称为白质，这种脂肪叫“髓磷脂”，它们包裹着神经细胞纤长的突起部分，使之绝缘。突起的部分被称为“轴突”，和电线相似，把神经元的输出传送到附近或远处的目标。白质实际上是走向各处的神经纤维的集合，就像我们在电讯中心大楼的地下室所能见到的成捆电缆一样，只不过颜色和体积不同。脑的主体正是这些绝缘纤维，它们把实现重要功能的脑的各部分相互连接起来。在轴突的一端是球形、膨大的神经元的细胞体，包含细胞核。细胞日常运转和维持所用的DNA模版即在其中。有许多树状分支从细胞体伸展出来，称为树突。神经元的这一部分没有白色的髓磷脂，因此它们大量集合起来便呈灰色，被称为灰质。神经元轴突的另一端通常与一个下游神经元的树突相接触，它们之间的狭小缝隙称为突触。上游神经元释放微量的神经递质至突触，然后扩散至下游神经元的膜，打开某些膜上的通道。每个神经元都是一个典型的计算单元，能把几千个输入的影响综合起来。具有相似功能的神经元倾向于在皮层中作垂直的排列，形成柱形结构，这被称为皮层柱，贯穿皮层的大多数层次。大约100个神经元组成一个环绕锥体神经元顶树突的微型柱，直径约为30微米(如一根纤细的发丝)，约100个微型柱组成一个大型柱，一个皮层区有100x100个大型柱，大脑的两个半球共有104个皮层区。这些就是我们思想和智力的物质基础，简单中蕴含着复杂。初生婴儿的大脑重量大约为400克，是成年人脑重的30％。虽然大脑在生长过程中神经元的体积在扩大，联结(树突、轴突和突触)的数目不断增加，但是神经元的总数目基本不变。大脑结构的发育和工作方式是由基因决定的，突触的数目和信息种类则完全受环境的影响。

大脑中存在类似DNA碱基复制的复制机制并且存在复制竞争。锥体神经元释放一种兴奋性神经递质谷氨酸。可以激活NMDA通道．产生长时程增强(LPT，即long-termpotentiation)现象，是短期记忆的最佳基础，它为真正持久的突触结构变化的形成提供骨架，这些变化是永久性“印记”，有助于长期不用的时空模式的重新建立。复制竞争存在于神经激活网络的同步化倾向中，记忆痕迹是以分布的方式存贮的．并没有一个位点对于其复苏是关键性的，变异同时存在，使竞争成为可能，它决定着什么模式能最佳地与连接特性发生共鸣。

人脑的这种活动方式意味着人的思维和智力也是进化的并且也存在着达尔文过程。达尔文主义的主要内容是大量繁殖、生存竞争、遗传、变异和适者生存。卡尔文教授认为思维就是瞬息间的达尔文过程，人的大脑具备达尔文过程的所有要素：模式、复本、模式的持续变化、复制竞争、环境的影响、模式的繁殖。各种事物记忆构成大脑细胞神经活动的时空模式，暂时的印记摹写在永久的印记之上．特定时空模式的重复会留下突触强度的改变．这在神经生理学中被称为“易化”和“长时程增强”。真正持续保存的印记是个体特异的，甚至对每个同卵双生子也是如此。通过对思维的物质基础――大脑的研究分析能够比较客观形象地让我们了解智力产生和演化的过程。

我们的思维活动是动态的达尔文过程，复制竞争的临时赢家成为我们意识的良好候选者。新皮层的达尔文机制可以解释思想如何“自上而下”地影射于神经元群和思想如何“自下而上”地由那些看起来是杂乱无章的神经元集群产生的。这种对智力的解释可以为我们洞察各种生命的智力所循的途径提供启示，包括人工智能(AI)、增强动物、人类甚至地外生命。

我们为适应环境而表现出来的智力时时都在发生：求学者学习掌握通过某课程所需的材料，大夫根据了解的病情对某种未知病症的病人进行治疗，艺术家修改一项作品使其看起来更加协调悦目，等等。面对纷繁多姿的智力表现形式．我们渴望了解的是它的本质。心理学家阿瑟・詹森(ArthurJensen)指出影响智力测试的有两个最主要因素：速度和你在头脑中能同时应付事项的数 目(例如你在一定的时间内能回答多少问题，类比问题时通常要在头脑中同时保持多个概念并比较)。这种认识让我们很自然地联想到当前对计算机运行速度和多功能的要求。研究智力测验试题的编制者们给我们列出的智力测试的项目清单：机械记忆力、数字计算能力、归纳推理、演绎推理、感知速度、语言表达的流畅性、言辞理解力、空间能力等诸如此类的事物；我们发现智力是由许多可以分解出来的能力构成的，它并不是某种单一的因素。

我们知道。分解出的所有能力并不能通过简单地叠加而等于智力。很多自闭症患者都在诸如机械记忆或特定事物的感知速度等方面表现超强，但是在传统观念上往往不被认为是聪明的。而且，行为越是复杂和有目的性，往往越不被认为是智力的表现。智力的最佳标志经常是一些解决比较简单而又不易预料的问题的情况，那体现的是灵活性和创造性。当然，“智力”是由许多东西组成的复合物，它与人们的多种心智能力有关，甚至包括预测、想象和幻想，它们是我们“意识”活动的内容或部分成果。美国心理学家丹尼尔-高曼(DanielColeman)还提出，人类认识自己情绪的能力(即情商)也很重要。

篇2

关键词：人工智能 机器 学习 情感识别

中图分类号：TP18 文献标识码：A 文章编号：1674-098X（2016）06（a）-0077-02

人工智能是一门涵盖多学科知识，而又被当今社会广泛应用于多领域，给人带来便捷、高效的同时，又让业界为其担心的交叉学科知识的综合产物。随着各种智能机器人开始服务于各大领域，有超强力量的机械手臂，高效解决问题的专家系统，公众日常可接触到的可穿戴智能设备，从智能手机到各类功能的3D打印技术，从谷歌眼镜到全息投影，各类机器设备如雨后春笋不断涌出。

1 人工智能的发展

“人工智能”简称AI，是集心理认知，机器学习，情感识别，人机交互以及数据保存、决策等于一身的多学科技术。其最早被提出是由McCarthy在20世纪中叶的达特茅斯会议上，这也成为人工智能正式诞生的标志。在人工智能经历两个低谷后的最近一个阶段，从1993年开始，人工智能其实取得了一些里程碑似的成果。比如在1997年，国际象棋冠军卡斯帕罗夫被深蓝战胜；英国皇家学会举行的“2014图灵测试”中“尤金・古斯特曼”第一次“通过”图灵测试，而这一天恰为计算机科学之父阿兰・图灵（Alan Turing）逝世60周年纪念日。2015年以来，“人工智能”开始成为诸多业界人士关注的焦点之一。2016年3月AlphaGo在首尔以4∶1战胜围棋世界冠军李世石，继而引发了人工智能将如何改变人类社会的思考。

2 从AlphaGo看人工智能的“情感机制”与人类的关系

机器学习算法的本质是选择一个万能函数建立预测模型[1]。首先用户输入大量训练样本数据，机器对模型进行训练，选择可以使预测的模型达到最优的参数集，从而使模型能够更好地拟合训练样本数据的空间分布[2]。谷歌公司在训练AlphaGo时，收集了20万职业围棋高手的对局，在经过不同版本AlphaGo之间的自我对弈，生成了3 000多万个对局，包含了人类围棋领域所积累的所有丰富和全面的知识与经验。相比IBM“深蓝”战胜国际象棋卡斯帕罗夫，其依靠了强大的运算能力取得了胜利，AlphaGo的最大进步是从“计算加记忆”进化到“拟合加记忆”法则[2]。智能设备具有了海量数据存储和高速的计算本领，人机交互（human-computer interaction）系统研发过程遇到的瓶颈仍是识别和表达情感方面。

情感在人际交往中扮演着重要的角色，情绪的识别主要是识别人类传递情绪的信号。既可以通过语言直接传递，也可以通过语调、面目表情、姿势等进行表达。机器具有智能，“情感”是十分重要的一环。这要求机器具有对认知的解释与建构，而认知的关键问题则是自主和情感意识。

对人工智能的威胁霍金总结说：“人工智能在短时间内发展取决于应用它的人，长远来看到底其能否被控制是我们需要关注的内容。”针对人类对于“人工智能终将超越人类”的担忧可以概括为以下两点：（1）蠹生于木，而反食于木。恰如部分美国科幻片中所展现的场景，人类创造的机器因被赋予人类情感智力而脱离人类控制。（2）机器因其具有人类交互的情感且很少产生人工失误而逐渐取代人类的劳动，致使人类无用武之地而待业失业。从技术飞速发展过程来看，智能设备的应用往往只是其在某一功能极大化的使用，如，专家系统其解决的只是某一领域内复杂问题解决方案的决策提供；虚拟现实技术是生活场景的实体化展现，以方便用户更好地体验现实场景；服务领域的机器人，提供的只是某一行业的服务，恰如汽车提供的只是快速的代步工具而不能与人交流一样，智能机器只是发挥其某一单方面的优势，从而更好地辅助人类完成特定的工作。在未来社会，那些简单重复性的劳动将被机器所取代；此外，还有一些通过大量数据进行判别决策类的输出，从而更好地为人类提供建议；同时对社会生活中重大、复杂工业系统中的故障处理，这些存在危险的领域中有智能设备的存在其实质是对人类安全及人类价值的礼遇；而对于那些与人交流密切的服务领域内，则更需要人与人的沟通，才能更好地服务于人。这些机器的存在解放了人的身体，进而可以使人类投入更多精力在科研领域。而人工智能与人类之间的关系，可以用“共存”一词进行概括，即按劳分配，取长补短[2]。

3 机器学习理论

目前最受社会关注的智能算法，当属日本学者福岛教授基于Hubel Wiese的视觉认知模型提出的卷积神经网络模型（Convolution Neural Network，CNN），是一种深度监督学习下的机器学习模型。深度学习的概念来源于人工神经网络，常见的深度学习算法包括：受限波尔兹曼机（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷积网络（Convolutional Network），堆栈式自动编码器（Stacked Auto-encoders）。该算法的提出是为解决起初基于1943年，美国心理学家W.S.McCulloch和数学家W.A.Pitts生物神经元计算模型（M-P）[2]的早期人工神经网络中，网络层超过4层后，用传统反向传递算法训练而无法收敛的问题而提出。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成高层属性类别或特征，从而发现数据的分布特征。重要的人工神经网络算法包括：感知器神经网络（Perceptron Neural Network），反向传递（Back Propagation），Hopfield网络，自组织映射（Self-Organizing Map，SOM），学习矢量量化（Learning Vector Quantization，LVQ）。

简单介绍一下神经网络：

对应公式为，通过不同权重的多输入，得到输出，该单元也被称为逻辑回归模型。当多个单元相互关联，并进行分层后即形成了神经网络模型。

4 人工智能的未来

当前，人才辈出的社会促进技术手段的不断创新，大数据，物联网，虚拟现实、云计算等技术发展与机器人人工智能领域不断融合发展，这无疑将推动产业方式发生改变。

而针对人工智能，李开复老师针对机器越发智能化而带给人类的危机表示：人工智能的真实危机在于未来机器将养活无所事事的人。这也在激励着人类，机器的智能，在代替人类部分劳动后，需要我们潜心于高科技的发展，进而不被社会所淘汰。斯特罗斯说“人工智能之于人类，最需要担心的是其自发意识。无人机并不能杀人，指导无人机的坐标并投射地狱火导弹的人才能杀人。”这一说法表明其认为人类已经生活在后人工智能世界了，但人们还没有意识到人工智能都是我们的人。这足以表明，人工智能产品的设计，一方面是为人类带来了更加绿色，智能，方便的生活方式，而另一方面其法律规范意识，以及人才价值观及道德的培养更值得社会关注。

参考文献

[1] 于玲，吴铁军.LS-Ensem：一种用于回归的集成算法[J].计算机学报，2006（5）：719-726.

篇3

联想集团董事长兼首席执行官 杨元庆

人工智能有两个重要能力，一是感知能力，越来越多的智能终端和传感器，让我们能够提升感知世界的广度和深度；二是认知能力，这就需要通过云、通过大数据分析来实现。所以，如果说智能终端是人的感官的话，那么云就是大脑，把智能终端和云大脑完美结合起来，就是人工智能未来的方向。

斯坦福大学客座教授 杰瑞・卡普兰

未来，除了应用和设备会越变越好之外，我们还会有一批全新的设备和应用，它们会更加智能化，并且可以进一步加强人与人之间、人与物之间的联系。未来是光明灿烂的，因为人工智能可以帮助我们应对数字化带来的挑战，帮助我们寻找到信息，将那些最相关信息推送给我们，协助我们更好地了解这些信息的含义。与此同时，人工智能可以拓展计算机的应用，电子设备将获得我们的信任，将会成为我们极其信赖且不可分割的个人助手，它们会帮助我们在物理世界、真实世界里进行探索。

美国希捷科技公司全球副总裁 孟福来

所有这些相互连接的设备以及物联网意味着今后互联网会无处不在，这也就意味着数据会越来越多，数据的价值将越来越高。短短几年就会极速增长，所有的数据都要得到安全的存储，用户也要能够迅速接入并且分析这些数据。

让存储更加智能，从而支持各项复杂活动，进而应对不同环境下的需求，我们正在将那些传感器融入其中，总的来说就是数据存储会更加智能。

华为消费者业务首席执行官 余承东

人工智能能够帮助人类更主动地获取信息和推送所需要的信息。主动通过人工智能推送人类需要的信息，同时对信息进行过滤和及时反馈。而信息的交互方式将变得更加自然，就像人类说话一样。人机更加自然地交互，对人类来说更有意义、更方便、更快捷，所以这需要人工智能对信息进行个性化推荐。

优办创始人兼首席执行官 卢阳

未来智能设备的互联就是物联网将会随处可见，增强现实和虚拟现实让虚拟变得更真实，语音识别让每个人有了秘书，云服务使得所有数据存储在远方但是随手可得。随着技术的发展，人们的生活将发生天翻地覆的变化，移动性和及时性的需求将大大增加，这些将使得使用权比拥有权更受欢迎。

搜狗公司CEO 王小川

我们每天醒来都感受着互联网带来的便捷，看到智能终端无人驾驶汽车机器人从科幻走向生活。今年是人工智能诞辰六十周年，年初谷歌AIphaGO与李世石上演人机大战，将人工智能的关注推到了前所未有的高度。

脸谱公司副总裁 石峰

人工智能和传统计算机不同，它更像一个孩子在学习这个世界，而不是事先编程，所以，对于人工智能我们要花很长时间来训练它，就像教孩子打棒球一样。一方面我们有超过十亿人在寻找内容，而另一方面我们又有数以亿计的内容给他们，他们可以很了解这两者怎么取得平衡，所以，我们每天做很多预测，而真正最激动人心的就是我们还能获得很多的反馈。

腾讯社交网络事业群总裁、集团高级执行副总裁汤道生

最近五年，在图片识别、语音翻译、模拟探索、概率决策上有非常多的突破，因为计算能力和算法的突破，现在到了一个感知的智能时代。我们多看几只猫以后知道什么是猫，具体我们也说不出是怎么判断和识别的，但是通过神经网络的算法，如今哪怕不能充分描述识别过程，也能通过新的算法和计算方式达到感知智能的能力。

百度公司总裁 张亚勤

人工智能真正会带来一些新的变革，可以用到医疗、教育、金融、交通等各方面，也可以用到无人车上。三十年前比尔・盖茨讲，希望有一天机器能像人一样去听去看去写，用自然语言交流。今天，他提的目标在很大程度上已经达到了。最早的时候是人们学习机器语言，学编程，后来是机器来学人的语言。所以，未来机器要向人学习，人也要向机器学习。

爱立信集团亚太区首席技术官马格纳斯・艾尔布林

在整个网络当中，我们要保证时刻能够服务到用户，我们的用户能够获得其需要的服务。而为了能够实现这个目标，我们就有一定的架构和分类，通过这样的安排，我们就能够保证5G的标准体系能够提供服务。

篇4

 

1.关于人工智能

 

什么是人工智能呢?在 1956 年 Dartmouth 学会上，人们初次提出了“人工智能”这一术语。尽管人工智能没有确切的定义，但基本概念就是人工智能(Artificial Intelligence)，英文缩写为AI。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支。就人工智能的本质而言，就是运用目前的人工智能技术去模拟实现人脑基本的思维，也就是模拟人脑处理信息的过程。但目前的人工智能仍大都是在电脑中储存众多的解决办法，然后通过分析面对的问题以及当前的环境信息，通过计算机得到最优的解决办法，其核心思想在于具有优越的算法。

 

2.人工智能发展现状以及驱动因素

 

目前，所有国家都十分看重人工智能这个产业，因为人工智能可以利用它自身快速准确的运算能力以及惊人的记忆力和巨大的存储空间等，为人类提供各种各样的服务。虽然我们生活中的人工智能机器正在逐渐增多，但是其应用方法仍十分原始。

 

正因为人工智能的前景十分广阔，也使得各种因素持续推动着人工智能的发展。当然，最核心的因素在于算法，人们的不断思考与努力持续推动着语法的进步。

 

3.人工智能与人类智能的关系

 

关于人工智能与人类智能的关系，知道什么是人类智能是了解人工智能与人类智能关系的前提条件。人类智能是人类与生俱来的自然智能，它主要包含感知能力、思维能力和行为能力三个方面。

 

现在我们从哲学的角度去理解人工智能与人类智能的关系。两者是对立统一的关系，因为人工智能是人类智能的实际体现，人类智能又凭借人工智能的优点而加强，所以人类智能与人工智能相互依存，谁也离不开谁，并且两者相互促进，共同推动人类社会的发展。人工智能和人类智能之间又存在对立的关系，正是通过这种对立的关系，人们才能够不断地对人工智能加以创新，促其发展。

 

4.人工智能与人类智能的区别

 

人工智能与人类智能两者的关系十分密切。且这两者之间的区别也非常大：第一，两者的优点十分不同，比如人工智能计算能力强，而且拥有人脑无法涉及的计算速度，另外，人工智能机器可以在特殊环境条件下正常地工作。但是人脑能提出新问题，对新事物进行分析研究，得到解决新事物的办法。第二，两者起源不同。人类是自然界长期发展的结果，人工智能是由人类创造的。第三，两者思维方式不同。人类智能拥有自己跳跃性的思维，但人工智能要严格遵循所设计好的思维程序。第四，两者语言形式不同。人类拥有自己的自然语言，而人工智能只能依靠人类去创造人工语言。

 

5.人工智能能否超越人类智能

 

关于人工智能能否超越人类智能这个问题，人们的看法都大不相同，而且每个人的看法都有自己的合理解释。但我认为，在整体上人工智能是不可能超越和代替人类智能的。因为人工智能是由人类所创造，只是人类智能的拓展和实现途径。它没有办法去替代人类智能，更不可能像电影里的情节一样，由人工智能来统治人类。

 

从社会环境来看，人工智能无法像人脑一样去面对现在复杂的社会环境。从实际应用来看，人脑拥有超强的容错率，而且可以在众多信息中提取关键信息，并且耗能低，但目前的人工智能需要有完全正确的程序才能正常运行，而且需要投入的资源量巨大。

 

由此，我认为，人工智能是无法超越人类智能的，但我们要承认人工智能给我们的生活带来了许多方便。虽然人工智能帮助我们在很多方面解决了依靠人力解决不了的很多问题，而且因为人工智能的快速发展，使人类智能可以无视时间和特殊环境进行研究和实践。但是，如果因为科学技术的发展和电脑的广泛应用，就认为人工智能可以代替和超越人类智能，这是没有依据的。

篇5

从“深蓝”到“沃森”，人工智能已经向前跨越了一大步。电脑会代替人脑吗？机械公敌会出现吗？

一些科学家认为，正如宇宙学上存在着一个让所有物理定律都失效的“奇点”一样，信息技术也正朝着“超人类智能”的奇点迈进。计算机科学家雷蒙德・库兹韦尔相信，这个信息奇点即将到来，那时，人工智能将超越人脑，人类的意义将彻底改变；那时人将“不人”，而是与机器融合，成为“超级人类”。

超级人类是否意味着不朽？人是否会与自己制造的机器融为一体，或将自己分拆在机器中上市？其实早在1964年，传媒大师麦克卢汉就在《机器的新娘》中隐喻：人类只是未来机器的性器官（负责生产新机器人）。机器是人的延伸，反之，人也是机器的延伸。

人工智能始祖图灵在上世纪50年代就曾做出预测：未来的电脑可能会思考。这一天正在到来，而且脚步匆匆。

当有一天机器有了思想，它们能像人类一样思考，世界将会怎么样？库兹韦尔相信，这一刻不但无法避免，而且还迫在眉睫。据他推算，大约在35年之后，人类文明即将终结。那一年，就是2045。

信息技术奇点或将到来

爱因斯坦的广义相对论是用于描述宇宙演化的正确理论。在经典广义相对论的框架里，霍金和彭罗斯证明了，在一般的条件下，空间――时间一定存在奇点，最著名的奇点即是黑洞里的奇点以及宇宙大爆炸处的奇点。在奇点处，所有定律以及可预见性都失效。奇点可以看成空间时间的边缘或边界。只有给定了奇点处的边界条件，才能由爱因斯坦方程得到宇宙的演化。

电脑的计算速度正变得越来越快，如果有一天，电脑的运算速度快得令人难以置信，它们掌握人工智能的时刻也会到来，那时电脑将能够模拟人脑、产生意识：人类本身将发生改变。在信息学上，这个时间点也被称为“奇点”。

一些科学家认为，正如天体物理学上存在着一个让所有物理定律都失效的“奇点”（Singularit）一样，信息技术也正朝着“超人类智能”的“奇点”迈进。发明家、计算机科学家雷蒙德・库兹韦尔相信，信息技术的奇点将在2045年到来，届时，人工智能将超越人脑，人类的意义将彻底改变，与机器融合为“超人类”，并借助科技的发展而获得“永生”。

电脑可以进行艺术创作

1965年2月15日，一位名为雷蒙德・库兹韦尔的高中生参加了电视节目“我有个秘密”，主持人史蒂夫・艾伦介绍了库兹韦尔，然后库兹韦尔用钢琴弹奏了一支短曲，曲子有一个秘密，要让其他嘉宾猜。最终一名喜剧演员给出了答案――库兹韦尔弹奏的曲子是电脑创作的。

这台能作曲的电脑是库兹韦尔自己组装的，当时节目中的人们并未对电脑表现出多大兴趣，他们更关注的是库兹韦尔的年纪，却忽略了他完成的事情是多么了不起。

艺术创作是人类独有的能力，是自我表达的一种方式。人类所独有的创造力，被一个17岁少年组装的电脑所“夺取”了，就像是看着原本不可逾越的界线变得模糊了――这就是人类智慧与人工智能之间的界线。

这才是库兹韦尔真正的秘密，而他随后的一生也都在为之写下注脚，虽然在1965年没有人能猜出这一点，也许库兹韦尔当时也还没想到。46年之后的今天，库兹韦尔认为，人类正在接近一个电脑智能化的时刻，电脑不仅变得聪明而且还会比人类更聪明。当人工智能超越人类智慧时，人类的身体、思维乃至人类文明都将发生彻底且不可逆转的改变。

人工智能超越人脑的时间节点

电脑模拟人脑、产生意识：不仅是快速运算、作曲，还包括驾驶、写作、决策、社交……如果你能认同这一想法，那么就没理由不相信电脑会变得越来越强大。它们将持续发展，最终将远远超过人类。它们发展的速度也会持续增长，最终会摆脱人类的掌控，主导自己的发展进程。想象一下，如果一个计算机科学家本身就是一台超智能电脑，会发生什么？

超智能电脑很可能与人类共同主宰未来的世界，但目前人们还无法预见它们的行为，不过，现在有很多关于人工智能的理论：也许人类将与机器融合，成为超智能的“半机器人”，通过人工智能来拓展人类的智慧极限；也许人工智能将帮助人类抵抗衰老，获得永生；也许人类将能够把自己的意识扫描进电脑里，从而像软件一样永远“活在”电脑里；也许电脑终将拥有人性，最终消灭人类。所有这些理论都有一个共通之处：人类本身将发生改变，未来的人类和2011年的人类相比，会发生根本性的变化。而人类本身发生根本改变的时间点，就叫“奇点”。

当然，如果奇点成为现实，那么它将是继语言产生之后，人类历史上最为重要的事件。奇点并非一个全新的理论，它只是一个相对较新的理论。早在1965年英国数学家I・J・古德就曾描述过“智能爆炸”的概念：“超智能机器是能超越所有人类智力活动的机器，人类能够制造机器，那么超智能机器就能制造出更好的机器。毫无疑问，在这之后‘智能爆炸’就会发生，人类智慧将被远远超越，第一台超智能机器就是人类最后的创造物。”

2045年就是那个奇点

在进行科技发明的同时，库兹韦尔也在思考奇点理论。近20年来，他一直在发表自己关于人类和机器的未来的文章。其中最新的一部作品是于2005年出版的畅销书《奇点临近》，其同名纪录片也在今年1月，由库兹韦尔、托尼・罗宾斯、艾伦・德肖维茨等人主演。比尔・盖茨将库兹韦尔称为“我所知道的预测人工智能未来的第一人”。

篇6

自主车辆

人工智能技术在实现完全自主的汽车方面具有重要作用。

计算机视觉

人工智能为车辆提供了所谓的“计算机视觉”，因而实现自主驾驶和大多数高级驾驶辅助系统（ADAS）功能。车辆能够在不受约束的环境下识别各种物体、场景和活动，这是如今竞相搞自动驾驶汽车的关键技术之一。在车内各种人工智能技术中，计算机视觉最复杂、最先进。车辆“视觉”由大量摄像头、雷达传感器和激光雷达（LIDAR）装置来处理。然而，要是没有“大脑”，所有输入的这些数据毫无用处。车辆的计算能力由复杂的机器学习算法组成，构成了车辆的人工智能。

机器学习算法基于对象跟踪和复杂的模式识别应用于计算机视觉输入。计算机视觉不断分析环境，将感知图像馈送到算法中。然后通过人工智能分析图像，对对象的性质进行分类。这些算法为车辆赋予“智能”，让车辆得以学习对象特征（比如运动、尺寸和形状），以便以更高的准确性对未来图像进行分类。

联网汽车

自动化和网络连接在汽车行业相辅相成。借助人工智能，联网汽车能够很快地与其他汽车以及道路基础设施进行联系。V2X通信主要分为两类：V2V通信和V2I通信。

重要的是人工智能在V2X通信技术中扮演的角色，即处理所有的后端计算和分析工作，以便为司机提供准确、及时的数据。机器学习算法将跟踪车辆速度、位置、目的地甚至驾驶偏好，提供和传送信息。人工智能将学习了解你的日程安排、选择的路线和经常停靠的点，以便在你出门上班前提供宝贵信息。

信息娱乐系统

如今最具创意的车辆功能之一是车载信息娱乐系统，人工智能让该系统上了一个新的台阶。

语音识别

语音识别为人类与技术进行交互提供了一种更简便的方法；在这种情况下，它提供了司机与汽车之间的交互。由于深度学习算法，语音识别技术已取得了长足发展。那么，人工智能如何与语音识别结合使用？首先，将你的语音解读成声波。然后，这些声波转换成算法可以解读的代码。代码被馈送后，语音与通常存储在云端（大多数人工智能计算能力在云端）的现有样本进行比较，确定所说的内容。

由于人工智能，语音识别软件会立即开始更新语音样本，并考虑特定单词的发音方式和用户语音的声调。该技术能够学会你的独特口音和单词发音方式，有出色的准确性和精确度。人工智能还帮助语音识别技术识别语音背境和声调。比如说，回复文本时，语音识别会了解你是不是提出问题，会根据需要自动添加标点符号。

虚拟助手

语音识别领域的进步为车载虚拟助手铺平了道路。虚拟助手最先出现在智能手机上，现正慢慢进入到车载信息娱乐系统。最初，司机用语音识别技术能做的事情非常有限；而如今，虚拟助手让司机可以询问路线，获取一般信息，甚至调整座位位置和空调设置。最近向汽车行业推出的Google Assistant和Siri是市面上人工智能方面最先M的虚拟助手。

比如说，用户只要说一声“Okay，Google”，Google Assistant就能激活。助手会识别你的声音，调整车辆设置和专门针对你的建议。这让Google Assistant得以管理多个用户及使用偏好。通过学习了解用户的驾驶偏好、习惯、日常行程，甚至跟踪你的位置、路线和目的地，虚拟助手可以随时给出建议。它可以提醒你在回家的路上取物件，推荐附近的餐馆，甚至在你去当地咖啡馆的路上预订咖啡。

汽车行业

人工智能技术的进步不仅影响了车辆本身，还影响了整个汽车行业。

智能机器人

在人工智能的帮助下，汽车装配线变得更高效、更具成本效益。生产车间使用智能机器人彻底改变了车辆生产，使制造过程越来越自动化。制造过程中，时间至关重要，而这些智能自动化机器人大有帮助。多年来，机器人一直就出现在汽车制造领域，但如今生产的日益先进的人工智能机器人会对汽车行业产生重大影响。

篇7

 

如果我们这个时代最富有、最聪明和最具商业头脑的三个人都认同某个想法，那这个想法一定值得其他人认真考虑。这里要提到的三个人分别是：世界首富、微软联合创始人比尔·盖茨;线上支付、电动车、宇宙飞行，以及地面交通领域的核心创新者埃隆·马斯克;还有宇宙学家史蒂芬·霍金。他们都认同这个想法：人工智能(AI)存在威胁人类文明的潜在可能。这些只是聪明人的疯狂猜想吗，还是确实需要我们认真去了解的真知灼见?

 

在经历了半个世纪的缓慢推进后，2016年正在成为“人工智能”年。2016年，刚刚被谷歌纳入旗下的DeepMind团队用阿尔法围棋软件打败了人类最优秀的围棋选手李世石，在全世界的关注下以4：1的成绩获得了胜利。AI的应用领域当然不仅限于围棋，它还能应用到众多其他领域，比如：医疗健康、教育、科学、娱乐等等。AI不仅能够掌握这些领域的知识，还有可能最终超越人类在该领域最棒的从业者。摩尔定律效应(英特尔Intel创始人之一戈登·摩尔提出来的概念，内容为：当价格不变时，集成电路上可容纳元器件的数目，约每隔18-24个月便会增加1倍，性能也将提升1倍。换言之，每1美元所能买到的电脑性能，将每隔18-24个月翻1倍以上)告诉我们，性价比的提升会让最棒的应用和性能变得日益平民化。比如，健康医疗领域的AI可以在几秒钟内精确诊断出大多数家庭医生没见过的罕见病例，而AI做出判断的依据是对上百万医疗记录的访问，将病人的基因和表外基因(是指DNA序列不发生变化，但基因表达却发生了可遗传的改变)与数百万病患进行对比。让手机上一个免费的应用成为世界上最棒的医生只是时间问题。

 

但AI也有其阴暗的一面，这在畅销小说中体现得淋漓尽致。在《2001：太空漫游》中，“发现一号”宇宙飞船上的AI因为犯错、说谎，最终被英雄大卫·鲍曼关闭。但在《终结者》系列中，“天网”似乎比人类更高明，在新片《机械姬》中，机器人爱娃也比她的人类创造者更加聪明。这些电影真的只是科幻小说吗，或者它们已经预示了下一个变革——超越人类的机器?如果机器是下一个变革，它们是否会像它们的先驱一样，也就是我们人类，把无数的物种踩在脚下当做进化的阶梯?或者换个说法，电脑系统会做坏事吗?如果它们做坏事，又会带来怎样的后果呢?

 

恶意行为

 

我们首先要明确的一点是，计算机系统可以通过无数种机制进行恶意行为，既可以是恶意行为的来源，也可以是恶意行为的渠道。举例来说，可能会出现一个这样的机制：它所承载的程序皆由黑客、恐怖分子或者网络罪犯所控制，而这些网络罪犯正在充斥着不严谨系统的全球计算机结构中寻找漏洞。不仅如此，这些系统还有可能被故意设计用于战争。如今先进的军队都在制造无人机、战斗飞机、舰船、坦克还有战斗机器人。拯救士兵性命这件事，已经和计算机与武器的结合密切相关;还有另外一种机制，善意的软件中隐藏着漏洞。这些漏洞有可能是被恶意行为人故意放进去的，也有可能是善意行为人不小心放进去的。比如最严重的漏洞之一“Heartbleed”，就是开源贡献者罗宾·西格曼为了修复其它漏洞无意间造成的，结果导致软件出现了意料之外的功能。负责检测软件更新的斯蒂芬·汉森因为没有发现更新中存在的错误漏洞，结果导致上亿网站暴露于危险之中。

 

还有一种机制是计算机系统会按照预先编程好的逻辑运行，但许多问题本身就没有那么容易解决。比如自动驾驶车的控制系统所提出的“道德”难题：迎面行驶而来的车，由于路面湿滑，在山路上滑到了另一边的车道，因为没有足够的时间停车，所以，控制程序必须在撞向对面的车和开下悬崖之间做出选择。但这两个选择都不是好的解决办法。当然，这种困境在计算机之外的现实世界同样存在。比如，纽约最近规定禁止售卖大容量的含糖软饮料。一些人认为这样可以遏制肥胖;另一些人却认为这样限制了人们的自由。高级智能的AI作出的决策可能是为了实现我们的利益最大化，但人们会将其视为恶意行为，因为它们限制了我们的自由。

 

最后，复杂的系统可能会出现程序员计划之外和预料之外的表现。每个组成部分在看似合理的预设行为相互作用后，就有可能会产生意想不到的结果。比如，进化生物学家皮特·劳伦斯写的《苍蝇诞生记》，原本价格只有35美元左右，结果在两家出版商“非常合理”的定价算法的推动下，价格翻了上百万倍，超过2300万美元。出版商Profnath的定价算法是，把自己的价格定到竞争对手Borde ebook价格的0.9983倍，可以猜想Profnath的策略是缩小利润打败竞争对手;而其竞争对手Bordeebook更愿意用销量来交换利润，所以，将价格定为Profnath的1.27倍。结果这两种各自合理的定价算法交互作用，最终导致书价不停上涨到完全不合理的高度。

 

最终极的一种可能当然是，人类创造出了有足够复杂意识和自我意识的人工智能，并且拥有“掌控”的动机。虽然这样的情况今天不会发生，但人类历史就是由这些原本看似不可能的预测造就的，所以，最好有足够的理由证明这些事情一定不会发生，否则，不是今天发生，也会是今年、未来十年或者有生之年发生。

 

对一些人来说，人工智能是非常不可思议的一种能力。在许多方面，它的确如此。虽然它确实是不可思议的，但这并不代表它不可复制。很多人类思想的不同机制都在经历不同程度的复制，最近复制的是人脑低端机制，比如，复制了神经元和突触交流学习机制的人工神经网络。人们很容易陷入到AI是否可以获得“真爱”或者“真的生气”这种无限的讨论中，但说到底这并不重要。真正的问题是，AI是否可以被编程或者学习去获得完成某一复杂任务的动机。而这个问题早在几十年以前就已经有了答案，那时，机器人就已经可以在低电量的情况下把自己连接到墙上的插座充电，程序也会在下西洋跳棋的时候去争取胜利。现在的软件所拥有的能力是以指数增长的，因为这些系统构建中最深层次的东西已经改变：不需要程序员再为程序精准编码，机器已经可以自学了。

 

在人工智能发证的早期阶段，个别程序需要程序员刻苦钻研，而最终系统所获得的能力很大程度上受到程序员自身水平的限制。就算我们对计算机科学一无所知，也可以编出井字棋的运算法则。编入这个程序的实际是游戏逻辑：1)如果你先落子，那就选中间的空格;2)如果你是后落子的那一方，而你的对手已经占了中心的空格，那你就选一个角落的空格;3)其它情况。这种算法实际上对游戏没有任何深入的了解，只是简单复制执行了程序制定的法则。在井字棋的游戏中，所有最优策略都可以通过法则来预先指定，因为可能出现的情况数量相对来说是比较小的。值得注意的是，虽然井字棋只有九个空格，但也有上万种组合。(第一步就有9种可能，第二部8种，第三部剩7种，这样算下来就是9*8*7*6*5*4*3*2*1=362880种组合，虽然有的回合走到第五步就结束了。)

 

对国际象棋来说，这就变得更加困难了，因为落子的位置大概有10120种不同组合。井字棋那种考虑到所有情况的硬编码方式已经不可行。因而，早期植入国际象棋程序的机制对落子规则进行了硬编码，对落子位置进行评估，然后检测不同的落子位置带来了提升还是不利。随着电脑越来越强大，每一步落子所带来的影响也在更大程度上被预测。计算机变强的同时，程序逻辑仍然在一定程度上限制着下棋质量，但软件如今检测到了越来越多落子可能性。

 

深度学习时代到来

 

古语云：“授人以鱼不如授人以渔”。新语或许可以是：“授计算机以程序，不如授计算机以深度学习能力，然后它就可以自学任何事情。”打败李世石的谷歌DeepMind 阿尔法围棋软件就是一个很好的例子。它将两种方法进行了结合。一方面，它从人类的程序员那里获得了围棋知识;另一方面，它也获得了学习程序员不知道的东西的能力。AlphaGo观看了上亿场比赛，一边从围棋大师那里学习一边自己下围棋。这样一来，AlphaGo只用了几周或者几个月的时间，就经历并学习了人类棋手一辈子所能下的围棋。而软件的复杂程度是由游戏的复杂程度决定的。围棋的组合数是10720种。

 

谷歌阿尔法围棋软件真正有趣的是它在第二局中的黑37手。这一手出人意料，李世石离开比赛大厅15分钟。在此之前，AlphaGo基本都是按照几个世纪来的传统方法在下棋。但一开始被认为奇怪甚至是失误的这一手，后来被认为是“稀有的”、“敏锐的”、“出色的”、“有创造力的”、“独特的”。计算机和算法的思想终于透露了最深的秘密：被人所编程的机器可以启发人类，甚至有超越人类的能力。一个在人类看来刚刚起步的计算机程序，却在最古老、最复杂，也是人类最高明的发明——围棋——中创造了新的方法。

 

李世石最终以1：4的成绩败给阿尔法围棋软件，这进一步向我们证明了，计算机程序能够展现出程序员预料之外行为的能力。往好的方面想，这意味这程序或许可以找到解决癌症、冷聚变、长生不老或者脱盐等问题的方法。比如，Melvin是一个聚合了量子物理实验的程序，程序已经设计出了多种“反直觉”的实验方案，也许将来会带来新的能量生成方面的计算结构或者机制。

 

由独立的模块结合后产生复杂的、预料之外的行为被称之为“涌现”(emergence)，存在于计算之外。比如，鸟群多姿的变化都是由每只鸟简单的三个动作组合而成：分开、排成一排、保持连贯。计算机图形学家克雷格雷诺兹(Craig Reynolds)在上世纪80年代将这三个准则简单归纳为：1.飞的时候别离其他鸟太近;2.和其他鸟保持相似的飞行方向;3.别飞离其他鸟太远。蚂蚁族群寻找食物是非常复杂的行为，但这个复杂的行为也只是由每一只蚂蚁的简单行为组成的。多亏这种“增长”，蚂蚁族群找到了搬运食物最短的路径。蚂蚁在寻找食物、搬运食物的时候会在路上留下信息素。因此，会有越来越多的信息素沉积在最短的路径上，之后越来越多的蚂蚁会走这条路。

 

即便是在非常简单的系统中，这种最易懂的“增长”也会导致人类的灾难。比如，最简单的水分子系统的增长，仅仅由两个氧原子和一个氢原子构成的水分子，可以变成冰，而冰又可以导致汽车在高速路上打滑酿成车祸。这告诉我们：即便是最简单的系统也可能引发大规模问题。

 

阿尔法围棋软件和Melvin告诉我们，具有学习能力的独立程序可以创新，并产生意想不到的结果。《苍蝇诞生记》的价格飞涨还有股市的崩盘都告诉我们，当这些程序相互作用的时候，结果可能会大大出乎我们的预料，并导致混乱。换句话说，超出原本预期不断增长的计算能力和具有学习能力的算法很可能会引发邪恶的超级智能。但想要引起混乱和问题，也不一定需要这种超越人类能力的智能，早期版本的微软视窗系统就能做到，臭名昭著的“蓝屏死机”能让你瞬间丢失所有表单和文件里已经完成的工作。

 

恶意行为的后果

 

恶意程序有可能会导致其它电脑程序出现严重问题，导致实体系统出现问题，进而导致军队系统出现问题。算法出问题而导致的崩盘，可能会导致全球金融系统出现问题，财富和流动性流失，进而引发大萧条和经济崩溃。医院的系统也会受到干扰甚至崩溃，因为勒索软件会破解医疗记录和诊断图像，干扰医院系统基础功能的正常使用，比如，登陆、保险、账单还有邮件功能。2014年9月26日，芝加哥地区的空中交通突然中断，据称起因是一名心怀不满的员工干扰了空中交通控制系统而导致的。

 

2003年8月14日，美国东北地区大停电爆发，5千多万人受到了停电影响。但停电的起因并非天气炎热导致的过度用电，而仅仅是因为警报系统的一个小漏洞导致操作员未能及时发现一条问题线路，结果引发了更大规模管理软件的失效，导致了此次长达一个星期的停电。Stuxnet电脑蠕虫曾引发伊朗五分之一的核能离心分离器毁灭，蠕虫使离心分离器过快转动，结果把自己撕成了碎片。2014年，德国一家钢铁厂报告遭受大规模破坏，黑客侵入了计算机网络，阻止了高炉的正常关闭。

 

虽然这些攻击都是由单一民族国家或黑客造成的，而非流氓超级智能AI，但这些攻击的重要特征是：程序连接到真实世界的系统，并使他们失控、自我毁灭、关闭报警系统或者像核电站冷却系统这样的保护系统。或许最终的危险不是软件致使汽车、飞机、电网、或核电站失灵，而是软件和武器连接在了一起。这些武器可能包括无人机、洲际弹道导弹、潜艇发射的弹道导弹等。战争自动化是一种不可逆转的趋势。那些用于远程监控、控制的网络连接，同样可能被黑客侵入或被恶意软件利用。

 

未来如何

 

科技、计算机技术和人工智能，都能被用在好的方面和坏的方面。我们大多数人都希望看到一个没有战争、疾病、贫穷和饥饿的世界，而这些技术正是我们实现乌托邦的希望。然而，也有可能会发生一些不幸。这篇文章想要论证的是，即便我们不希望看到这些不幸发生，但我们没有证据证明它们不会发生。而我们的责任就是要找到方法来确保它们不发生。微软聊天机器人Tay，阐明了人工智能存在的背景。Tay是一个为了在推特等社交媒体网站上进行互动而设计的软件程序。它上线于2016年3月23日，16小时后因为在人类的互动中“学坏”，微软不得不将其下线并致歉。换句话说，友好的或至少是中性的Tay，反映出了一些积极和消极的复杂人性，它和阿尔法围棋软件都给我们上了一课。

篇8

关键词：人工智能；云计算；大数据

最近火热的美剧《西部世界》里传递出很多关于人工智能的信息，在围绕如何突破机器极限，形成自主意识方面，提出了富有科幻现实色彩的方法-冥想程序， 将意识形成描绘成了“走迷宫”的过程，同时在道德层面又一次将“人工智能是否能成为有别于人类的另一个物种”的问题呈现在广大观众面前。

“人工智能”（AI）这一概念最早由马文・明斯基和约翰・麦卡锡于1956年的“达特茅斯会议”上共同提出。1960年，麦卡锡在美国斯坦福大学建立了世界上第一个人工智能实验室。经过近几年互联网的飞速发展，AI对企业甚至是行业产生了巨大而又深远的影响。机器学习，尤其是深度学习技术成为人工智能发展的核心。越来越多的硬件供应商专为深度学习和人工智能定制设计芯片。如IBM的人脑模拟芯片SyNAPSE（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，自适应塑料可伸缩电子神经形态系统）芯片，含有100万个可编程神经元，2.56亿个可编程突触，每消耗一焦耳的能量，可进行460亿突触运算。

云计算和大数据作为人工智能的基础， 在工业制造等众多场景中得到了广泛应用，比如很多工厂都在传送带上加装了传感器，将压力、温度、噪音和其他一些参数实时传到云端，将工厂真正连上网络，然后利用人工智能的算法对这些数据进行比对，由此提前为工厂提供预警和远程检测服务。这种将生产流程及产品通过物联网连接到云端，然后利用算法进行大数据分析的模式，将在更多的行业被广泛应用。

目前人工智能主要有10个应用子领域，分别是机器学习、计算机视觉、智能机器人、虚拟个人助理、自然语音处理、实时语言翻译、情感感知计算、手势控制、推荐引擎及协同过滤、视频内容自动识别。各方向处于不同的发展阶段，发展程度有高有低。但驱动发展的先决条件主要体现在感知能力、理解能力、学习能力、交互能力四个方面。

1 感知能力

目前人工智能的感知主要通过物联网来实现，它提供了计算机感知和控制物理世界的接口与手段，能够采集数据、记忆，分析、传送数据，进行交互、控制等。比如摄像头和相机记录了关于世界的大量图像和视频，麦克风记录了语音和声音，各种传感器将它们感受到的世界数字化。这些传感器就如同人类的五官，是智能系统的数据输入，是感知世界的方式。

2 理解能力

智能系统不同于人脑，没有数以千亿的神经元，对事物问题的理解在现阶段还很大程度上依赖于处理器的计算分析能力。近年来，基于GPU（图形处理器）的大规模并行计算异军突起，拥有远超CPU的并行计算能力。从处理器的计算方式来看，CPU计算使用基于x86指令集的串行架构，适合尽可能快的完成一个计算任务。而GPU诞生之初是为了处理3D图像中的上百万个像素图像，拥有更多的内核去处理更多的计算任务。因此GPU具备了执行大规模并行计算的能力。云计算的出现、GPU的大规模应用使得集中化数据计算处理能力变得空前强大。

3 学习能力

学习能力的培养类似人类需要教材和训练。据统计，2015年全球产生的数据总量达到了十年前的20多倍，大数据的发展为人工智能的学习和发展提供了非常好的基础。机器学习是人工智能的基础，而大数据和以往的经验就是人工智能学习的书本，以此优化计算机的处理性能。不可忽视的是近年来科技巨头为了提前布局AI生态，纷纷开源平台工具，极大地丰富了机器训练的素材和手段。如谷歌了新的机器学习平台TensorFlow，所有用户都能够利用这一强大的机器学习平台进行研究，被称为人工智能界的Android。IBM宣布通过Apache软件基金会免费为外部程序员提供System ML人工智能工具的源代码。微软则开源了分布式机器学习工具包DMTK，能够在较小的集群上以较高的效率完成大规模数据模型的训练，并于2016年7月推出了开源Project Malmo项目，用于人工智能训练。

4 交互能力

篇9

1、不断学习，全力进取，提高自己的认知能力只有不断学习，才能对当下和未来的事物有比较清晰的认知，并适时做出明明白白的选择。其实，不断地学习是在未来给自己留有更多的选择余地。

2、有意识提高自己的创新意识和能力，按照智能社会的分工，创新劳动将占有主导地位。相应地，我们现在的人们为了适应将来智能社会，必须提高自己的创新意识和能力。

3、提升自己的适应能力和协作能力，人工智能时代的到来，将会给我们的社会分工、文化、习惯等各方面带来巨大的改变，这就要求我们具备良好的适应能力。

4、在人工智能充斥的社会，怎样与智能机器更好的沟通和协作这个命题也可能会受到越来越大的重视。同时，人与人之间该怎么进行新的分工和协作也是一个命题。

（来源：文章屋网 ）

篇10

    长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(mit)、卡内基-梅隆大学 (cmu)到ibm公司，再到日本的本田公司、sony公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着ai技术的实验。不久前，著 名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(a.i.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领 域的兴趣。

    在本期技术专题中，中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这一充满挑战与机遇的领域。

    计算机与人工智能

    "智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。intelegere是从中进行选择，进而 理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联 系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵(turing)提出了"自动机"理论，把研究 会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。

    人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence，ai)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以 及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行 情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的ibm的"深 蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

    当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发 展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运行一些要求更高的ai软件，而且现在的ai具备了更多的 现实应用的基础。90年代以来，人工智能研究又出现了新的。

    我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员，请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有无穷魅力的领域。

    问: 目前人工智能研究出现了新的，那么现在有哪些新的研究热点和实际应用呢？

    答: ai研究出现了新的，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容 量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是: 智能接口、数据挖掘、主体及多主体系统。

    智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的 翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显 著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。

    数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据 挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要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、知识表示方法、发现知识的维护和再利用、半 结构化和非结构化数据中的知识发现以及网上数据挖掘等。

    主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务， 而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个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的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多 主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。

    问: 您在人工智能领域研究了几十年，参与了许多国家重点研究课题，非常清楚国内外目前人工智能领域的研究情况。您认为目前我国人工智能的研究情况如何？

    答: 我国开始"863计划"时，正值全世界的人工智能热潮。"863-306"主题的名称是"智能计算机系统"，其任务就是在充分发掘现有计算机潜力的基础 上，分析现有计算机在应用中的缺陷和"瓶颈"，用人工智能技术克服这些问题，建立起更为和谐的人-机环境。经过十几年来的努力，我们缩短了我国人工智能技 术与世界先进水平的差距，也为未来的发展奠定了技术和人才基础。

    但是也应该看到目前我国人工智能研究中还存在一些问题，其特点是: 课题比较分散，应用项目偏多、基础研究比例略少、理论研究与实际应用需求结合不够紧密。选题时，容易跟着国外的选题走; 立项论证时，惯于考虑国外怎么做; 落实项目时，又往往顾及面面俱到，大而全; 再加上受研究经费的限制，所以很多课题既没有取得理论上的突破，也没有太大的实际应用价值。

    今后，基础研究的比例应该适当提高，同时人工智能研究一定要与应用需求相结合。科学研究讲创新，而创新必须接受应用和市场的检验。因此，我们不仅要善于找到解决问题的答案，更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。

     问: 请您预测一下人工智能将来会向哪些方面发展？

    答: 技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展: 模糊处理、并行化、神经网络和机器情感。

    目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来 人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。

    人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

    什么是人工智能？

    人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的 角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。

    ai理论的实用性

    在一年一度at&t实验室举行的机器人足球赛中，每支球队的"球员"都装备上了ai软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白 有些情况下不能死守岗位。尽管现在的ai技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。

    这种ai机器人组队打比赛看似无聊，但是有很强的现实意义。因为通过这类活动可以加强机器之间的协作能力。我们知道，internet是由无数台服务器和 无数台路由器组成的，路由器的作用就是为各自的数据选择通道并加以传送，如果利用一些智能化的路由器很好地协作，就能分析出传输数据的最佳路径，从而可以 大大减少网络堵塞。

    我国也已经在大学中开展了机器人足球赛，有很多学校组队参加，引起了大学生对人工智能研究的兴趣。

    未来的ai产品

    安放于加州劳伦斯·利佛摩尔国家实验室的asci white电脑，是ibm制造的世界最快的超级电脑，但其智力能力也仅为人脑的千分之一。现在，ibm正在开发能力更为强大的新超级电脑--"蓝色牛仔" (blue jean)。据其研究主任保罗·霍恩称，预计于4年后诞生的"蓝色牛仔"的智力水平将大致与人脑相当。