導語：如何才能寫好一篇人工智能，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：智力人工智能語言

人們普遍認為智力是可以學習、培養和發展的，這種觀點便蘊含了對智力演化過程的認識。漢語的“智”是“知”的后起字，本義指聰明、智力強，如“然后智生于憂患”(《荀子》引《孟子》)，“智術淺短”(三國志?諸葛亮傳)，“少年智則國智”(梁啟超《少年中國說》)。在1921年舉行的學術討論會上關于智力定義的討論中。美國心理學家劉易斯?特曼(Lewis M.Terman)強調抽象思考的能力，但是，另一位美國心理學家愛德華?桑岱柯(EdwardL.Thomdike)則認為學習和對問題給出優秀答案的能力才是智力；瑞士心理學家讓?皮亞杰(JearlPiaget)認為智力是當你不知道怎么辦時動用的東西，他還區分了智力發展的兩種基本過程和四個不同階段，其觀點和理論影響深遠：而在1986年的討論中，與會心理學家們則一致認為，對環境的適應能力是理解智力的本質和用途的關鍵(EncyelopadiaBritannica，2009)。當代學界對智力的這種認識與漢語的“急中生智”這一成語非常合拍。如出一轍．都突出了智力的創造性、動態發展性及其發生的情景。客廳的茶幾上擺放一個正在沸騰的火鍋，一個兩、三歲小孩走過去用筷子而不是用手到鍋里面去挑肉吃，或者想要鎖在抽屜里的巧克力翻箱倒柜地去找鑰匙而不是用拳頭或杯子砸抽屜都是動用智力的結果，都是聰明的和具備值得令人稱贊的智力的，我們對這小孩的評價是聰明；一個八歲的小孩也這樣做，我們認為是正常。類似的。一個四、五歲的小孩能夠脫口而出三七二十一之類的數學題，我們也一般認為那小孩的智商高、聰明；但是，一個十一、二歲的孩子再有如此表現，只能說是還不算笨。

智力應該是和生物肌體的進化同時進行的，因為缺乏遠古資料．這里我們不打算去猜測和討論猿人、古人或今人智力的進化歷史過程。結合現代腦神經科學的研究成果，我們只從關于兒童智力發展的現有資料及心理學家們的認識變化和討論人手，來考察人類智力的演化，并在此基礎上，探討人工智能的發展潛勢。

人們智力的物質基礎主要在于人腦而不在于心，這已經是現代人的基本共識。人的身體生長發育一般經過十幾年的時間，基本形體和部件數量在出生時就決定了(后天的手術或意外事故不算)，外部形體的發育情況有目共睹．但大腦的情況有點特殊。這里我們不再復述人腦中可能代表不同進化階段的三重構造，也不討論對立統一的左右半球和其中不太確定的具體任務功能分區；大腦的主要功能是思維，因此我們通過研究思維的形成過程和腦神經細胞層面活動的關系，來探討智力的演化過程。

大腦的基本組織結構是神經元細胞，人腦所呈現的瓷白色是其脂肪的顏色，簡稱為白質，這種脂肪叫“髓磷脂”，它們包裹著神經細胞纖長的突起部分，使之絕緣。突起的部分被稱為“軸突”，和電線相似，把神經元的輸出傳送到附近或遠處的目標。白質實際上是走向各處的神經纖維的集合，就像我們在電訊中心大樓的地下室所能見到的成捆電纜一樣，只不過顏色和體積不同。腦的主體正是這些絕緣纖維，它們把實現重要功能的腦的各部分相互連接起來。在軸突的一端是球形、膨大的神經元的細胞體，包含細胞核。細胞日常運轉和維持所用的DNA模版即在其中。有許多樹狀分支從細胞體伸展出來，稱為樹突。神經元的這一部分沒有白色的髓磷脂，因此它們大量集合起來便呈灰色，被稱為灰質。神經元軸突的另一端通常與一個下游神經元的樹突相接觸，它們之間的狹小縫隙稱為突觸。上游神經元釋放微量的神經遞質至突觸，然后擴散至下游神經元的膜，打開某些膜上的通道。每個神經元都是一個典型的計算單元，能把幾千個輸入的影響綜合起來。具有相似功能的神經元傾向于在皮層中作垂直的排列，形成柱形結構，這被稱為皮層柱，貫穿皮層的大多數層次。大約100個神經元組成一個環繞錐體神經元頂樹突的微型柱，直徑約為30微米(如一根纖細的發絲)，約100個微型柱組成一個大型柱，一個皮層區有100x100個大型柱，大腦的兩個半球共有104個皮層區。這些就是我們思想和智力的物質基礎，簡單中蘊含著復雜。初生嬰兒的大腦重量大約為400克，是成年人腦重的30％。雖然大腦在生長過程中神經元的體積在擴大，聯結(樹突、軸突和突觸)的數目不斷增加，但是神經元的總數目基本不變。大腦結構的發育和工作方式是由基因決定的，突觸的數目和信息種類則完全受環境的影響。

大腦中存在類似DNA堿基復制的復制機制并且存在復制競爭。錐體神經元釋放一種興奮性神經遞質谷氨酸。可以激活NMDA通道．產生長時程增強(LPT，即long-termpotentiation)現象，是短期記憶的最佳基礎，它為真正持久的突觸結構變化的形成提供骨架，這些變化是永久性“印記”，有助于長期不用的時空模式的重新建立。復制競爭存在于神經激活網絡的同步化傾向中，記憶痕跡是以分布的方式存貯的．并沒有一個位點對于其復蘇是關鍵性的，變異同時存在，使競爭成為可能，它決定著什么模式能最佳地與連接特性發生共鳴。

人腦的這種活動方式意味著人的思維和智力也是進化的并且也存在著達爾文過程。達爾文主義的主要內容是大量繁殖、生存競爭、遺傳、變異和適者生存。卡爾文教授認為思維就是瞬息間的達爾文過程，人的大腦具備達爾文過程的所有要素：模式、復本、模式的持續變化、復制競爭、環境的影響、模式的繁殖。各種事物記憶構成大腦細胞神經活動的時空模式，暫時的印記摹寫在永久的印記之上．特定時空模式的重復會留下突觸強度的改變．這在神經生理學中被稱為“易化”和“長時程增強”。真正持續保存的印記是個體特異的，甚至對每個同卵雙生子也是如此。通過對思維的物質基礎――大腦的研究分析能夠比較客觀形象地讓我們了解智力產生和演化的過程。

我們的思維活動是動態的達爾文過程，復制競爭的臨時贏家成為我們意識的良好候選者。新皮層的達爾文機制可以解釋思想如何“自上而下”地影射于神經元群和思想如何“自下而上”地由那些看起來是雜亂無章的神經元集群產生的。這種對智力的解釋可以為我們洞察各種生命的智力所循的途徑提供啟示，包括人工智能(AI)、增強動物、人類甚至地外生命。

我們為適應環境而表現出來的智力時時都在發生：求學者學習掌握通過某課程所需的材料，大夫根據了解的病情對某種未知病癥的病人進行治療，藝術家修改一項作品使其看起來更加協調悅目，等等。面對紛繁多姿的智力表現形式．我們渴望了解的是它的本質。心理學家阿瑟?詹森(ArthurJensen)指出影響智力測試的有兩個最主要因素：速度和你在頭腦中能同時應付事項的數 目(例如你在一定的時間內能回答多少問題，類比問題時通常要在頭腦中同時保持多個概念并比較)。這種認識讓我們很自然地聯想到當前對計算機運行速度和多功能的要求。研究智力測驗試題的編制者們給我們列出的智力測試的項目清單：機械記憶力、數字計算能力、歸納推理、演繹推理、感知速度、語言表達的流暢性、言辭理解力、空間能力等諸如此類的事物；我們發現智力是由許多可以分解出來的能力構成的，它并不是某種單一的因素。

我們知道。分解出的所有能力并不能通過簡單地疊加而等于智力。很多自閉癥患者都在諸如機械記憶或特定事物的感知速度等方面表現超強，但是在傳統觀念上往往不被認為是聰明的。而且，行為越是復雜和有目的性，往往越不被認為是智力的表現。智力的最佳標志經常是一些解決比較簡單而又不易預料的問題的情況，那體現的是靈活性和創造性。當然，“智力”是由許多東西組成的復合物，它與人們的多種心智能力有關，甚至包括預測、想象和幻想，它們是我們“意識”活動的內容或部分成果。美國心理學家丹尼爾-高曼(DanielColeman)還提出，人類認識自己情緒的能力(即情商)也很重要。

篇2

關鍵詞：人工智能 機器 學習 情感識別

中圖分類號：TP18 文獻標識碼：A 文章編號：1674-098X（2016）06（a）-0077-02

人工智能是一門涵蓋多學科知識，而又被當今社會廣泛應用于多領域，給人帶來便捷、高效的同時，又讓業界為其擔心的交叉學科知識的綜合產物。隨著各種智能機器人開始服務于各大領域，有超強力量的機械手臂，高效解決問題的專家系統，公眾日常可接觸到的可穿戴智能設備，從智能手機到各類功能的3D打印技術，從谷歌眼鏡到全息投影，各類機器設備如雨后春筍不斷涌出。

1 人工智能的發展

“人工智能”簡稱AI，是集心理認知，機器學習，情感識別，人機交互以及數據保存、決策等于一身的多學科技術。其最早被提出是由McCarthy在20世紀中葉的達特茅斯會議上，這也成為人工智能正式誕生的標志。在人工智能經歷兩個低谷后的最近一個階段，從1993年開始，人工智能其實取得了一些里程碑似的成果。比如在1997年，國際象棋冠軍卡斯帕羅夫被深藍戰勝；英國皇家學會舉行的“2014圖靈測試”中“尤金?古斯特曼”第一次“通過”圖靈測試，而這一天恰為計算機科學之父阿蘭?圖靈（Alan Turing）逝世60周年紀念日。2015年以來，“人工智能”開始成為諸多業界人士關注的焦點之一。2016年3月AlphaGo在首爾以4∶1戰勝圍棋世界冠軍李世石，繼而引發了人工智能將如何改變人類社會的思考。

2 從AlphaGo看人工智能的“情感機制”與人類的關系

機器學習算法的本質是選擇一個萬能函數建立預測模型[1]。首先用戶輸入大量訓練樣本數據，機器對模型進行訓練，選擇可以使預測的模型達到最優的參數集，從而使模型能夠更好地擬合訓練樣本數據的空間分布[2]。谷歌公司在訓練AlphaGo時，收集了20萬職業圍棋高手的對局，在經過不同版本AlphaGo之間的自我對弈，生成了3 000多萬個對局，包含了人類圍棋領域所積累的所有豐富和全面的知識與經驗。相比IBM“深藍”戰勝國際象棋卡斯帕羅夫，其依靠了強大的運算能力取得了勝利，AlphaGo的最大進步是從“計算加記憶”進化到“擬合加記憶”法則[2]。智能設備具有了海量數據存儲和高速的計算本領，人機交互（human-computer interaction）系統研發過程遇到的瓶頸仍是識別和表達情感方面。

情感在人際交往中扮演著重要的角色，情緒的識別主要是識別人類傳遞情緒的信號。既可以通過語言直接傳遞，也可以通過語調、面目表情、姿勢等進行表達。機器具有智能，“情感”是十分重要的一環。這要求機器具有對認知的解釋與建構，而認知的關鍵問題則是自主和情感意識。

對人工智能的威脅霍金總結說：“人工智能在短時間內發展取決于應用它的人，長遠來看到底其能否被控制是我們需要關注的內容。”針對人類對于“人工智能終將超越人類”的擔憂可以概括為以下兩點：（1）蠹生于木，而反食于木。恰如部分美國科幻片中所展現的場景，人類創造的機器因被賦予人類情感智力而脫離人類控制。（2）機器因其具有人類交互的情感且很少產生人工失誤而逐漸取代人類的勞動，致使人類無用武之地而待業失業。從技術飛速發展過程來看，智能設備的應用往往只是其在某一功能極大化的使用，如，專家系統其解決的只是某一領域內復雜問題解決方案的決策提供；虛擬現實技術是生活場景的實體化展現，以方便用戶更好地體驗現實場景；服務領域的機器人，提供的只是某一行業的服務，恰如汽車提供的只是快速的代步工具而不能與人交流一樣，智能機器只是發揮其某一單方面的優勢，從而更好地輔助人類完成特定的工作。在未來社會，那些簡單重復性的勞動將被機器所取代；此外，還有一些通過大量數據進行判別決策類的輸出，從而更好地為人類提供建議；同時對社會生活中重大、復雜工業系統中的故障處理，這些存在危險的領域中有智能設備的存在其實質是對人類安全及人類價值的禮遇；而對于那些與人交流密切的服務領域內，則更需要人與人的溝通，才能更好地服務于人。這些機器的存在解放了人的身體，進而可以使人類投入更多精力在科研領域。而人工智能與人類之間的關系，可以用“共存”一詞進行概括，即按勞分配，取長補短[2]。

3 機器學習理論

目前最受社會關注的智能算法，當屬日本學者福島教授基于Hubel Wiese的視覺認知模型提出的卷積神經網絡模型（Convolution Neural Network，CNN），是一種深度監督學習下的機器學習模型。深度學習的概念來源于人工神經網絡，常見的深度學習算法包括：受限波爾茲曼機（Restricted Boltzmann Machine，RBN），Deep Belief Networks（DBN），卷積網絡（Convolutional Network），堆棧式自動編碼器（Stacked Auto-encoders）。該算法的提出是為解決起初基于1943年，美國心理學家W.S.McCulloch和數學家W.A.Pitts生物神經元計算模型（M-P）[2]的早期人工神經網絡中，網絡層超過4層后，用傳統反向傳遞算法訓練而無法收斂的問題而提出。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成高層屬性類別或特征，從而發現數據的分布特征。重要的人工神經網絡算法包括：感知器神經網絡（Perceptron Neural Network），反向傳遞（Back Propagation），Hopfield網絡，自組織映射（Self-Organizing Map，SOM），學習矢量量化（Learning Vector Quantization，LVQ）。

簡單介紹一下神經網絡：

對應公式為，通過不同權重的多輸入，得到輸出，該單元也被稱為邏輯回歸模型。當多個單元相互關聯，并進行分層后即形成了神經網絡模型。

4 人工智能的未來

當前，人才輩出的社會促進技術手段的不斷創新，大數據，物聯網，虛擬現實、云計算等技術發展與機器人人工智能領域不斷融合發展，這無疑將推動產業方式發生改變。

而針對人工智能，李開復老師針對機器越發智能化而帶給人類的危機表示：人工智能的真實危機在于未來機器將養活無所事事的人。這也在激勵著人類，機器的智能，在代替人類部分勞動后，需要我們潛心于高科技的發展，進而不被社會所淘汰。斯特羅斯說“人工智能之于人類，最需要擔心的是其自發意識。無人機并不能殺人，指導無人機的坐標并投射地獄火導彈的人才能殺人。”這一說法表明其認為人類已經生活在后人工智能世界了，但人們還沒有意識到人工智能都是我們的人。這足以表明，人工智能產品的設計，一方面是為人類帶來了更加綠色，智能，方便的生活方式，而另一方面其法律規范意識，以及人才價值觀及道德的培養更值得社會關注。

參考文獻

[1] 于玲，吳鐵軍.LS-Ensem：一種用于回歸的集成算法[J].計算機學報，2006（5）：719-726.

篇3

聯想集團董事長兼首席執行官 楊元慶

人工智能有兩個重要能力，一是感知能力，越來越多的智能終端和傳感器，讓我們能夠提升感知世界的廣度和深度；二是認知能力，這就需要通過云、通過大數據分析來實現。所以，如果說智能終端是人的感官的話，那么云就是大腦，把智能終端和云大腦完美結合起來，就是人工智能未來的方向。

斯坦福大學客座教授 杰瑞?卡普蘭

未來，除了應用和設備會越變越好之外，我們還會有一批全新的設備和應用，它們會更加智能化，并且可以進一步加強人與人之間、人與物之間的聯系。未來是光明燦爛的，因為人工智能可以幫助我們應對數字化帶來的挑戰，幫助我們尋找到信息，將那些最相關信息推送給我們，協助我們更好地了解這些信息的含義。與此同時，人工智能可以拓展計算機的應用，電子設備將獲得我們的信任，將會成為我們極其信賴且不可分割的個人助手，它們會幫助我們在物理世界、真實世界里進行探索。

美國希捷科技公司全球副總裁 孟福來

所有這些相互連接的設備以及物聯網意味著今后互聯網會無處不在，這也就意味著數據會越來越多，數據的價值將越來越高。短短幾年就會極速增長，所有的數據都要得到安全的存儲，用戶也要能夠迅速接入并且分析這些數據。

讓存儲更加智能，從而支持各項復雜活動，進而應對不同環境下的需求，我們正在將那些傳感器融入其中，總的來說就是數據存儲會更加智能。

華為消費者業務首席執行官 余承東

人工智能能夠幫助人類更主動地獲取信息和推送所需要的信息。主動通過人工智能推送人類需要的信息，同時對信息進行過濾和及時反饋。而信息的交互方式將變得更加自然，就像人類說話一樣。人機更加自然地交互，對人類來說更有意義、更方便、更快捷，所以這需要人工智能對信息進行個性化推薦。

優辦創始人兼首席執行官 盧陽

未來智能設備的互聯就是物聯網將會隨處可見，增強現實和虛擬現實讓虛擬變得更真實，語音識別讓每個人有了秘書，云服務使得所有數據存儲在遠方但是隨手可得。隨著技術的發展，人們的生活將發生天翻地覆的變化，移動性和及時性的需求將大大增加，這些將使得使用權比擁有權更受歡迎。

搜狗公司CEO 王小川

我們每天醒來都感受著互聯網帶來的便捷，看到智能終端無人駕駛汽車機器人從科幻走向生活。今年是人工智能誕辰六十周年，年初谷歌AIphaGO與李世石上演人機大戰，將人工智能的關注推到了前所未有的高度。

臉譜公司副總裁 石峰

人工智能和傳統計算機不同，它更像一個孩子在學習這個世界，而不是事先編程，所以，對于人工智能我們要花很長時間來訓練它，就像教孩子打棒球一樣。一方面我們有超過十億人在尋找內容，而另一方面我們又有數以億計的內容給他們，他們可以很了解這兩者怎么取得平衡，所以，我們每天做很多預測，而真正最激動人心的就是我們還能獲得很多的反饋。

騰訊社交網絡事業群總裁、集團高級執行副總裁湯道生

最近五年，在圖片識別、語音翻譯、模擬探索、概率決策上有非常多的突破，因為計算能力和算法的突破，現在到了一個感知的智能時代。我們多看幾只貓以后知道什么是貓，具體我們也說不出是怎么判斷和識別的，但是通過神經網絡的算法，如今哪怕不能充分描述識別過程，也能通過新的算法和計算方式達到感知智能的能力。

百度公司總裁 張亞勤

人工智能真正會帶來一些新的變革，可以用到醫療、教育、金融、交通等各方面，也可以用到無人車上。三十年前比爾?蓋茨講，希望有一天機器能像人一樣去聽去看去寫，用自然語言交流。今天，他提的目標在很大程度上已經達到了。最早的時候是人們學習機器語言，學編程，后來是機器來學人的語言。所以，未來機器要向人學習，人也要向機器學習。

愛立信集團亞太區首席技術官馬格納斯?艾爾布林

在整個網絡當中，我們要保證時刻能夠服務到用戶，我們的用戶能夠獲得其需要的服務。而為了能夠實現這個目標，我們就有一定的架構和分類，通過這樣的安排，我們就能夠保證5G的標準體系能夠提供服務。

篇4

 

1.關于人工智能

 

什么是人工智能呢?在 1956 年 Dartmouth 學會上，人們初次提出了“人工智能”這一術語。盡管人工智能沒有確切的定義，但基本概念就是人工智能(Artificial Intelligence)，英文縮寫為AI。是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，是計算機科學的一個分支。就人工智能的本質而言，就是運用目前的人工智能技術去模擬實現人腦基本的思維，也就是模擬人腦處理信息的過程。但目前的人工智能仍大都是在電腦中儲存眾多的解決辦法，然后通過分析面對的問題以及當前的環境信息，通過計算機得到最優的解決辦法，其核心思想在于具有優越的算法。

 

2.人工智能發展現狀以及驅動因素

 

目前，所有國家都十分看重人工智能這個產業，因為人工智能可以利用它自身快速準確的運算能力以及驚人的記憶力和巨大的存儲空間等，為人類提供各種各樣的服務。雖然我們生活中的人工智能機器正在逐漸增多，但是其應用方法仍十分原始。

 

正因為人工智能的前景十分廣闊，也使得各種因素持續推動著人工智能的發展。當然，最核心的因素在于算法，人們的不斷思考與努力持續推動著語法的進步。

 

3.人工智能與人類智能的關系

 

關于人工智能與人類智能的關系，知道什么是人類智能是了解人工智能與人類智能關系的前提條件。人類智能是人類與生俱來的自然智能，它主要包含感知能力、思維能力和行為能力三個方面。

 

現在我們從哲學的角度去理解人工智能與人類智能的關系。兩者是對立統一的關系，因為人工智能是人類智能的實際體現，人類智能又憑借人工智能的優點而加強，所以人類智能與人工智能相互依存，誰也離不開誰，并且兩者相互促進，共同推動人類社會的發展。人工智能和人類智能之間又存在對立的關系，正是通過這種對立的關系，人們才能夠不斷地對人工智能加以創新，促其發展。

 

4.人工智能與人類智能的區別

 

人工智能與人類智能兩者的關系十分密切。且這兩者之間的區別也非常大：第一，兩者的優點十分不同，比如人工智能計算能力強，而且擁有人腦無法涉及的計算速度，另外，人工智能機器可以在特殊環境條件下正常地工作。但是人腦能提出新問題，對新事物進行分析研究，得到解決新事物的辦法。第二，兩者起源不同。人類是自然界長期發展的結果，人工智能是由人類創造的。第三，兩者思維方式不同。人類智能擁有自己跳躍性的思維，但人工智能要嚴格遵循所設計好的思維程序。第四，兩者語言形式不同。人類擁有自己的自然語言，而人工智能只能依靠人類去創造人工語言。

 

5.人工智能能否超越人類智能

 

關于人工智能能否超越人類智能這個問題，人們的看法都大不相同，而且每個人的看法都有自己的合理解釋。但我認為，在整體上人工智能是不可能超越和代替人類智能的。因為人工智能是由人類所創造，只是人類智能的拓展和實現途徑。它沒有辦法去替代人類智能，更不可能像電影里的情節一樣，由人工智能來統治人類。

 

從社會環境來看，人工智能無法像人腦一樣去面對現在復雜的社會環境。從實際應用來看，人腦擁有超強的容錯率，而且可以在眾多信息中提取關鍵信息，并且耗能低，但目前的人工智能需要有完全正確的程序才能正常運行，而且需要投入的資源量巨大。

 

由此，我認為，人工智能是無法超越人類智能的，但我們要承認人工智能給我們的生活帶來了許多方便。雖然人工智能幫助我們在很多方面解決了依靠人力解決不了的很多問題，而且因為人工智能的快速發展，使人類智能可以無視時間和特殊環境進行研究和實踐。但是，如果因為科學技術的發展和電腦的廣泛應用，就認為人工智能可以代替和超越人類智能，這是沒有依據的。

篇5

從“深藍”到“沃森”，人工智能已經向前跨越了一大步。電腦會代替人腦嗎？機械公敵會出現嗎？

一些科學家認為，正如宇宙學上存在著一個讓所有物理定律都失效的“奇點”一樣，信息技術也正朝著“超人類智能”的奇點邁進。計算機科學家雷蒙德?庫茲韋爾相信，這個信息奇點即將到來，那時，人工智能將超越人腦，人類的意義將徹底改變；那時人將“不人”，而是與機器融合，成為“超級人類”。

超級人類是否意味著不朽？人是否會與自己制造的機器融為一體，或將自己分拆在機器中上市？其實早在1964年，傳媒大師麥克盧漢就在《機器的新娘》中隱喻：人類只是未來機器的性器官（負責生產新機器人）。機器是人的延伸，反之，人也是機器的延伸。

人工智能始祖圖靈在上世紀50年代就曾做出預測：未來的電腦可能會思考。這一天正在到來，而且腳步匆匆。

當有一天機器有了思想，它們能像人類一樣思考，世界將會怎么樣？庫茲韋爾相信，這一刻不但無法避免，而且還迫在眉睫。據他推算，大約在35年之后，人類文明即將終結。那一年，就是2045。

信息技術奇點或將到來

愛因斯坦的廣義相對論是用于描述宇宙演化的正確理論。在經典廣義相對論的框架里，霍金和彭羅斯證明了，在一般的條件下，空間――時間一定存在奇點，最著名的奇點即是黑洞里的奇點以及宇宙大爆炸處的奇點。在奇點處，所有定律以及可預見性都失效。奇點可以看成空間時間的邊緣或邊界。只有給定了奇點處的邊界條件，才能由愛因斯坦方程得到宇宙的演化。

電腦的計算速度正變得越來越快，如果有一天，電腦的運算速度快得令人難以置信，它們掌握人工智能的時刻也會到來，那時電腦將能夠模擬人腦、產生意識：人類本身將發生改變。在信息學上，這個時間點也被稱為“奇點”。

一些科學家認為，正如天體物理學上存在著一個讓所有物理定律都失效的“奇點”（Singularit）一樣，信息技術也正朝著“超人類智能”的“奇點”邁進。發明家、計算機科學家雷蒙德?庫茲韋爾相信，信息技術的奇點將在2045年到來，屆時，人工智能將超越人腦，人類的意義將徹底改變，與機器融合為“超人類”，并借助科技的發展而獲得“永生”。

電腦可以進行藝術創作

1965年2月15日，一位名為雷蒙德?庫茲韋爾的高中生參加了電視節目“我有個秘密”，主持人史蒂夫?艾倫介紹了庫茲韋爾，然后庫茲韋爾用鋼琴彈奏了一支短曲，曲子有一個秘密，要讓其他嘉賓猜。最終一名喜劇演員給出了答案――庫茲韋爾彈奏的曲子是電腦創作的。

這臺能作曲的電腦是庫茲韋爾自己組裝的，當時節目中的人們并未對電腦表現出多大興趣，他們更關注的是庫茲韋爾的年紀，卻忽略了他完成的事情是多么了不起。

藝術創作是人類獨有的能力，是自我表達的一種方式。人類所獨有的創造力，被一個17歲少年組裝的電腦所“奪取”了，就像是看著原本不可逾越的界線變得模糊了――這就是人類智慧與人工智能之間的界線。

這才是庫茲韋爾真正的秘密，而他隨后的一生也都在為之寫下注腳，雖然在1965年沒有人能猜出這一點，也許庫茲韋爾當時也還沒想到。46年之后的今天，庫茲韋爾認為，人類正在接近一個電腦智能化的時刻，電腦不僅變得聰明而且還會比人類更聰明。當人工智能超越人類智慧時，人類的身體、思維乃至人類文明都將發生徹底且不可逆轉的改變。

人工智能超越人腦的時間節點

電腦模擬人腦、產生意識：不僅是快速運算、作曲，還包括駕駛、寫作、決策、社交……如果你能認同這一想法，那么就沒理由不相信電腦會變得越來越強大。它們將持續發展，最終將遠遠超過人類。它們發展的速度也會持續增長，最終會擺脫人類的掌控，主導自己的發展進程。想象一下，如果一個計算機科學家本身就是一臺超智能電腦，會發生什么？

超智能電腦很可能與人類共同主宰未來的世界，但目前人們還無法預見它們的行為，不過，現在有很多關于人工智能的理論：也許人類將與機器融合，成為超智能的“半機器人”，通過人工智能來拓展人類的智慧極限；也許人工智能將幫助人類抵抗衰老，獲得永生；也許人類將能夠把自己的意識掃描進電腦里，從而像軟件一樣永遠“活在”電腦里；也許電腦終將擁有人性，最終消滅人類。所有這些理論都有一個共通之處：人類本身將發生改變，未來的人類和2011年的人類相比，會發生根本性的變化。而人類本身發生根本改變的時間點，就叫“奇點”。

當然，如果奇點成為現實，那么它將是繼語言產生之后，人類歷史上最為重要的事件。奇點并非一個全新的理論，它只是一個相對較新的理論。早在1965年英國數學家I?J?古德就曾描述過“智能爆炸”的概念：“超智能機器是能超越所有人類智力活動的機器，人類能夠制造機器，那么超智能機器就能制造出更好的機器。毫無疑問，在這之后‘智能爆炸’就會發生，人類智慧將被遠遠超越，第一臺超智能機器就是人類最后的創造物。”

2045年就是那個奇點

在進行科技發明的同時，庫茲韋爾也在思考奇點理論。近20年來，他一直在發表自己關于人類和機器的未來的文章。其中最新的一部作品是于2005年出版的暢銷書《奇點臨近》，其同名紀錄片也在今年1月，由庫茲韋爾、托尼?羅賓斯、艾倫?德肖維茨等人主演。比爾?蓋茨將庫茲韋爾稱為“我所知道的預測人工智能未來的第一人”。

篇6

自主車輛

人工智能技術在實現完全自主的汽車方面具有重要作用。

計算機視覺

人工智能為車輛提供了所謂的“計算機視覺”，因而實現自主駕駛和大多數高級駕駛輔助系統（ADAS）功能。車輛能夠在不受約束的環境下識別各種物體、場景和活動，這是如今競相搞自動駕駛汽車的關鍵技術之一。在車內各種人工智能技術中，計算機視覺最復雜、最先進。車輛“視覺”由大量攝像頭、雷達傳感器和激光雷達（LIDAR）裝置來處理。然而，要是沒有“大腦”，所有輸入的這些數據毫無用處。車輛的計算能力由復雜的機器學習算法組成，構成了車輛的人工智能。

機器學習算法基于對象跟蹤和復雜的模式識別應用于計算機視覺輸入。計算機視覺不斷分析環境，將感知圖像饋送到算法中。然后通過人工智能分析圖像，對對象的性質進行分類。這些算法為車輛賦予“智能”，讓車輛得以學習對象特征（比如運動、尺寸和形狀），以便以更高的準確性對未來圖像進行分類。

聯網汽車

自動化和網絡連接在汽車行業相輔相成。借助人工智能，聯網汽車能夠很快地與其他汽車以及道路基礎設施進行聯系。V2X通信主要分為兩類：V2V通信和V2I通信。

重要的是人工智能在V2X通信技術中扮演的角色，即處理所有的后端計算和分析工作，以便為司機提供準確、及時的數據。機器學習算法將跟蹤車輛速度、位置、目的地甚至駕駛偏好，提供和傳送信息。人工智能將學習了解你的日程安排、選擇的路線和經常停靠的點，以便在你出門上班前提供寶貴信息。

信息娛樂系統

如今最具創意的車輛功能之一是車載信息娛樂系統，人工智能讓該系統上了一個新的臺階。

語音識別

語音識別為人類與技術進行交互提供了一種更簡便的方法；在這種情況下，它提供了司機與汽車之間的交互。由于深度學習算法，語音識別技術已取得了長足發展。那么，人工智能如何與語音識別結合使用？首先，將你的語音解讀成聲波。然后，這些聲波轉換成算法可以解讀的代碼。代碼被饋送后，語音與通常存儲在云端（大多數人工智能計算能力在云端）的現有樣本進行比較，確定所說的內容。

由于人工智能，語音識別軟件會立即開始更新語音樣本，并考慮特定單詞的發音方式和用戶語音的聲調。該技術能夠學會你的獨特口音和單詞發音方式，有出色的準確性和精確度。人工智能還幫助語音識別技術識別語音背境和聲調。比如說，回復文本時，語音識別會了解你是不是提出問題，會根據需要自動添加標點符號。

虛擬助手

語音識別領域的進步為車載虛擬助手鋪平了道路。虛擬助手最先出現在智能手機上，現正慢慢進入到車載信息娛樂系統。最初，司機用語音識別技術能做的事情非常有限；而如今，虛擬助手讓司機可以詢問路線，獲取一般信息，甚至調整座位位置和空調設置。最近向汽車行業推出的Google Assistant和Siri是市面上人工智能方面最先M的虛擬助手。

比如說，用戶只要說一聲“Okay，Google”，Google Assistant就能激活。助手會識別你的聲音，調整車輛設置和專門針對你的建議。這讓Google Assistant得以管理多個用戶及使用偏好。通過學習了解用戶的駕駛偏好、習慣、日常行程，甚至跟蹤你的位置、路線和目的地，虛擬助手可以隨時給出建議。它可以提醒你在回家的路上取物件，推薦附近的餐館，甚至在你去當地咖啡館的路上預訂咖啡。

汽車行業

人工智能技術的進步不僅影響了車輛本身，還影響了整個汽車行業。

智能機器人

在人工智能的幫助下，汽車裝配線變得更高效、更具成本效益。生產車間使用智能機器人徹底改變了車輛生產，使制造過程越來越自動化。制造過程中，時間至關重要，而這些智能自動化機器人大有幫助。多年來，機器人一直就出現在汽車制造領域，但如今生產的日益先進的人工智能機器人會對汽車行業產生重大影響。

篇7

 

如果我們這個時代最富有、最聰明和最具商業頭腦的三個人都認同某個想法，那這個想法一定值得其他人認真考慮。這里要提到的三個人分別是：世界首富、微軟聯合創始人比爾·蓋茨;線上支付、電動車、宇宙飛行，以及地面交通領域的核心創新者埃隆·馬斯克;還有宇宙學家史蒂芬·霍金。他們都認同這個想法：人工智能(AI)存在威脅人類文明的潛在可能。這些只是聰明人的瘋狂猜想嗎，還是確實需要我們認真去了解的真知灼見?

 

在經歷了半個世紀的緩慢推進后，2016年正在成為“人工智能”年。2016年，剛剛被谷歌納入旗下的DeepMind團隊用阿爾法圍棋軟件打敗了人類最優秀的圍棋選手李世石，在全世界的關注下以4：1的成績獲得了勝利。AI的應用領域當然不僅限于圍棋，它還能應用到眾多其他領域，比如：醫療健康、教育、科學、娛樂等等。AI不僅能夠掌握這些領域的知識，還有可能最終超越人類在該領域最棒的從業者。摩爾定律效應(英特爾Intel創始人之一戈登·摩爾提出來的概念，內容為：當價格不變時，集成電路上可容納元器件的數目，約每隔18-24個月便會增加1倍，性能也將提升1倍。換言之，每1美元所能買到的電腦性能，將每隔18-24個月翻1倍以上)告訴我們，性價比的提升會讓最棒的應用和性能變得日益平民化。比如，健康醫療領域的AI可以在幾秒鐘內精確診斷出大多數家庭醫生沒見過的罕見病例，而AI做出判斷的依據是對上百萬醫療記錄的訪問，將病人的基因和表外基因(是指DNA序列不發生變化，但基因表達卻發生了可遺傳的改變)與數百萬病患進行對比。讓手機上一個免費的應用成為世界上最棒的醫生只是時間問題。

 

但AI也有其陰暗的一面，這在暢銷小說中體現得淋漓盡致。在《2001：太空漫游》中，“發現一號”宇宙飛船上的AI因為犯錯、說謊，最終被英雄大衛·鮑曼關閉。但在《終結者》系列中，“天網”似乎比人類更高明，在新片《機械姬》中，機器人愛娃也比她的人類創造者更加聰明。這些電影真的只是科幻小說嗎，或者它們已經預示了下一個變革——超越人類的機器?如果機器是下一個變革，它們是否會像它們的先驅一樣，也就是我們人類，把無數的物種踩在腳下當做進化的階梯?或者換個說法，電腦系統會做壞事嗎?如果它們做壞事，又會帶來怎樣的后果呢?

 

惡意行為

 

我們首先要明確的一點是，計算機系統可以通過無數種機制進行惡意行為，既可以是惡意行為的來源，也可以是惡意行為的渠道。舉例來說，可能會出現一個這樣的機制：它所承載的程序皆由黑客、恐怖分子或者網絡罪犯所控制，而這些網絡罪犯正在充斥著不嚴謹系統的全球計算機結構中尋找漏洞。不僅如此，這些系統還有可能被故意設計用于戰爭。如今先進的軍隊都在制造無人機、戰斗飛機、艦船、坦克還有戰斗機器人。拯救士兵性命這件事，已經和計算機與武器的結合密切相關;還有另外一種機制，善意的軟件中隱藏著漏洞。這些漏洞有可能是被惡意行為人故意放進去的，也有可能是善意行為人不小心放進去的。比如最嚴重的漏洞之一“Heartbleed”，就是開源貢獻者羅賓·西格曼為了修復其它漏洞無意間造成的，結果導致軟件出現了意料之外的功能。負責檢測軟件更新的斯蒂芬·漢森因為沒有發現更新中存在的錯誤漏洞，結果導致上億網站暴露于危險之中。

 

還有一種機制是計算機系統會按照預先編程好的邏輯運行，但許多問題本身就沒有那么容易解決。比如自動駕駛車的控制系統所提出的“道德”難題：迎面行駛而來的車，由于路面濕滑，在山路上滑到了另一邊的車道，因為沒有足夠的時間停車，所以，控制程序必須在撞向對面的車和開下懸崖之間做出選擇。但這兩個選擇都不是好的解決辦法。當然，這種困境在計算機之外的現實世界同樣存在。比如，紐約最近規定禁止售賣大容量的含糖軟飲料。一些人認為這樣可以遏制肥胖;另一些人卻認為這樣限制了人們的自由。高級智能的AI作出的決策可能是為了實現我們的利益最大化，但人們會將其視為惡意行為，因為它們限制了我們的自由。

 

最后，復雜的系統可能會出現程序員計劃之外和預料之外的表現。每個組成部分在看似合理的預設行為相互作用后，就有可能會產生意想不到的結果。比如，進化生物學家皮特·勞倫斯寫的《蒼蠅誕生記》，原本價格只有35美元左右，結果在兩家出版商“非常合理”的定價算法的推動下，價格翻了上百萬倍，超過2300萬美元。出版商Profnath的定價算法是，把自己的價格定到競爭對手Borde ebook價格的0.9983倍，可以猜想Profnath的策略是縮小利潤打敗競爭對手;而其競爭對手Bordeebook更愿意用銷量來交換利潤，所以，將價格定為Profnath的1.27倍。結果這兩種各自合理的定價算法交互作用，最終導致書價不停上漲到完全不合理的高度。

 

最終極的一種可能當然是，人類創造出了有足夠復雜意識和自我意識的人工智能，并且擁有“掌控”的動機。雖然這樣的情況今天不會發生，但人類歷史就是由這些原本看似不可能的預測造就的，所以，最好有足夠的理由證明這些事情一定不會發生，否則，不是今天發生，也會是今年、未來十年或者有生之年發生。

 

對一些人來說，人工智能是非常不可思議的一種能力。在許多方面，它的確如此。雖然它確實是不可思議的，但這并不代表它不可復制。很多人類思想的不同機制都在經歷不同程度的復制，最近復制的是人腦低端機制，比如，復制了神經元和突觸交流學習機制的人工神經網絡。人們很容易陷入到AI是否可以獲得“真愛”或者“真的生氣”這種無限的討論中，但說到底這并不重要。真正的問題是，AI是否可以被編程或者學習去獲得完成某一復雜任務的動機。而這個問題早在幾十年以前就已經有了答案，那時，機器人就已經可以在低電量的情況下把自己連接到墻上的插座充電，程序也會在下西洋跳棋的時候去爭取勝利。現在的軟件所擁有的能力是以指數增長的，因為這些系統構建中最深層次的東西已經改變：不需要程序員再為程序精準編碼，機器已經可以自學了。

 

在人工智能發證的早期階段，個別程序需要程序員刻苦鉆研，而最終系統所獲得的能力很大程度上受到程序員自身水平的限制。就算我們對計算機科學一無所知，也可以編出井字棋的運算法則。編入這個程序的實際是游戲邏輯：1)如果你先落子，那就選中間的空格;2)如果你是后落子的那一方，而你的對手已經占了中心的空格，那你就選一個角落的空格;3)其它情況。這種算法實際上對游戲沒有任何深入的了解，只是簡單復制執行了程序制定的法則。在井字棋的游戲中，所有最優策略都可以通過法則來預先指定，因為可能出現的情況數量相對來說是比較小的。值得注意的是，雖然井字棋只有九個空格，但也有上萬種組合。(第一步就有9種可能，第二部8種，第三部剩7種，這樣算下來就是9*8*7*6*5*4*3*2*1=362880種組合，雖然有的回合走到第五步就結束了。)

 

對國際象棋來說，這就變得更加困難了，因為落子的位置大概有10120種不同組合。井字棋那種考慮到所有情況的硬編碼方式已經不可行。因而，早期植入國際象棋程序的機制對落子規則進行了硬編碼，對落子位置進行評估，然后檢測不同的落子位置帶來了提升還是不利。隨著電腦越來越強大，每一步落子所帶來的影響也在更大程度上被預測。計算機變強的同時，程序邏輯仍然在一定程度上限制著下棋質量，但軟件如今檢測到了越來越多落子可能性。

 

深度學習時代到來

 

古語云：“授人以魚不如授人以漁”。新語或許可以是：“授計算機以程序，不如授計算機以深度學習能力，然后它就可以自學任何事情。”打敗李世石的谷歌DeepMind 阿爾法圍棋軟件就是一個很好的例子。它將兩種方法進行了結合。一方面，它從人類的程序員那里獲得了圍棋知識;另一方面，它也獲得了學習程序員不知道的東西的能力。AlphaGo觀看了上億場比賽，一邊從圍棋大師那里學習一邊自己下圍棋。這樣一來，AlphaGo只用了幾周或者幾個月的時間，就經歷并學習了人類棋手一輩子所能下的圍棋。而軟件的復雜程度是由游戲的復雜程度決定的。圍棋的組合數是10720種。

 

谷歌阿爾法圍棋軟件真正有趣的是它在第二局中的黑37手。這一手出人意料，李世石離開比賽大廳15分鐘。在此之前，AlphaGo基本都是按照幾個世紀來的傳統方法在下棋。但一開始被認為奇怪甚至是失誤的這一手，后來被認為是“稀有的”、“敏銳的”、“出色的”、“有創造力的”、“獨特的”。計算機和算法的思想終于透露了最深的秘密：被人所編程的機器可以啟發人類，甚至有超越人類的能力。一個在人類看來剛剛起步的計算機程序，卻在最古老、最復雜，也是人類最高明的發明——圍棋——中創造了新的方法。

 

李世石最終以1：4的成績敗給阿爾法圍棋軟件，這進一步向我們證明了，計算機程序能夠展現出程序員預料之外行為的能力。往好的方面想，這意味這程序或許可以找到解決癌癥、冷聚變、長生不老或者脫鹽等問題的方法。比如，Melvin是一個聚合了量子物理實驗的程序，程序已經設計出了多種“反直覺”的實驗方案，也許將來會帶來新的能量生成方面的計算結構或者機制。

 

由獨立的模塊結合后產生復雜的、預料之外的行為被稱之為“涌現”(emergence)，存在于計算之外。比如，鳥群多姿的變化都是由每只鳥簡單的三個動作組合而成：分開、排成一排、保持連貫。計算機圖形學家克雷格雷諾茲(Craig Reynolds)在上世紀80年代將這三個準則簡單歸納為：1.飛的時候別離其他鳥太近;2.和其他鳥保持相似的飛行方向;3.別飛離其他鳥太遠。螞蟻族群尋找食物是非常復雜的行為，但這個復雜的行為也只是由每一只螞蟻的簡單行為組成的。多虧這種“增長”，螞蟻族群找到了搬運食物最短的路徑。螞蟻在尋找食物、搬運食物的時候會在路上留下信息素。因此，會有越來越多的信息素沉積在最短的路徑上，之后越來越多的螞蟻會走這條路。

 

即便是在非常簡單的系統中，這種最易懂的“增長”也會導致人類的災難。比如，最簡單的水分子系統的增長，僅僅由兩個氧原子和一個氫原子構成的水分子，可以變成冰，而冰又可以導致汽車在高速路上打滑釀成車禍。這告訴我們：即便是最簡單的系統也可能引發大規模問題。

 

阿爾法圍棋軟件和Melvin告訴我們，具有學習能力的獨立程序可以創新，并產生意想不到的結果。《蒼蠅誕生記》的價格飛漲還有股市的崩盤都告訴我們，當這些程序相互作用的時候，結果可能會大大出乎我們的預料，并導致混亂。換句話說，超出原本預期不斷增長的計算能力和具有學習能力的算法很可能會引發邪惡的超級智能。但想要引起混亂和問題，也不一定需要這種超越人類能力的智能，早期版本的微軟視窗系統就能做到，臭名昭著的“藍屏死機”能讓你瞬間丟失所有表單和文件里已經完成的工作。

 

惡意行為的后果

 

惡意程序有可能會導致其它電腦程序出現嚴重問題，導致實體系統出現問題，進而導致軍隊系統出現問題。算法出問題而導致的崩盤，可能會導致全球金融系統出現問題，財富和流動性流失，進而引發大蕭條和經濟崩潰。醫院的系統也會受到干擾甚至崩潰，因為勒索軟件會破解醫療記錄和診斷圖像，干擾醫院系統基礎功能的正常使用，比如，登陸、保險、賬單還有郵件功能。2014年9月26日，芝加哥地區的空中交通突然中斷，據稱起因是一名心懷不滿的員工干擾了空中交通控制系統而導致的。

 

2003年8月14日，美國東北地區大停電爆發，5千多萬人受到了停電影響。但停電的起因并非天氣炎熱導致的過度用電，而僅僅是因為警報系統的一個小漏洞導致操作員未能及時發現一條問題線路，結果引發了更大規模管理軟件的失效，導致了此次長達一個星期的停電。Stuxnet電腦蠕蟲曾引發伊朗五分之一的核能離心分離器毀滅，蠕蟲使離心分離器過快轉動，結果把自己撕成了碎片。2014年，德國一家鋼鐵廠報告遭受大規模破壞，黑客侵入了計算機網絡，阻止了高爐的正常關閉。

 

雖然這些攻擊都是由單一民族國家或黑客造成的，而非流氓超級智能AI，但這些攻擊的重要特征是：程序連接到真實世界的系統，并使他們失控、自我毀滅、關閉報警系統或者像核電站冷卻系統這樣的保護系統。或許最終的危險不是軟件致使汽車、飛機、電網、或核電站失靈，而是軟件和武器連接在了一起。這些武器可能包括無人機、洲際彈道導彈、潛艇發射的彈道導彈等。戰爭自動化是一種不可逆轉的趨勢。那些用于遠程監控、控制的網絡連接，同樣可能被黑客侵入或被惡意軟件利用。

 

未來如何

 

科技、計算機技術和人工智能，都能被用在好的方面和壞的方面。我們大多數人都希望看到一個沒有戰爭、疾病、貧窮和饑餓的世界，而這些技術正是我們實現烏托邦的希望。然而，也有可能會發生一些不幸。這篇文章想要論證的是，即便我們不希望看到這些不幸發生，但我們沒有證據證明它們不會發生。而我們的責任就是要找到方法來確保它們不發生。微軟聊天機器人Tay，闡明了人工智能存在的背景。Tay是一個為了在推特等社交媒體網站上進行互動而設計的軟件程序。它上線于2016年3月23日，16小時后因為在人類的互動中“學壞”，微軟不得不將其下線并致歉。換句話說，友好的或至少是中性的Tay，反映出了一些積極和消極的復雜人性，它和阿爾法圍棋軟件都給我們上了一課。

篇8

關鍵詞：人工智能；云計算；大數據

最近火熱的美劇《西部世界》里傳遞出很多關于人工智能的信息，在圍繞如何突破機器極限，形成自主意識方面，提出了富有科幻現實色彩的方法-冥想程序， 將意識形成描繪成了“走迷宮”的過程，同時在道德層面又一次將“人工智能是否能成為有別于人類的另一個物種”的問題呈現在廣大觀眾面前。

“人工智能”（AI）這一概念最早由馬文?明斯基和約翰?麥卡錫于1956年的“達特茅斯會議”上共同提出。1960年，麥卡錫在美國斯坦福大學建立了世界上第一個人工智能實驗室。經過近幾年互聯網的飛速發展，AI對企業甚至是行業產生了巨大而又深遠的影響。機器學習，尤其是深度學習技術成為人工智能發展的核心。越來越多的硬件供應商專為深度學習和人工智能定制設計芯片。如IBM的人腦模擬芯片SyNAPSE（Systems of Neuromorphic Adaptive Plastic Scalable Electronics，自適應塑料可伸縮電子神經形態系統）芯片，含有100萬個可編程神經元，2.56億個可編程突觸，每消耗一焦耳的能量，可進行460億突觸運算。

云計算和大數據作為人工智能的基礎， 在工業制造等眾多場景中得到了廣泛應用，比如很多工廠都在傳送帶上加裝了傳感器，將壓力、溫度、噪音和其他一些參數實時傳到云端，將工廠真正連上網絡，然后利用人工智能的算法對這些數據進行比對，由此提前為工廠提供預警和遠程檢測服務。這種將生產流程及產品通過物聯網連接到云端，然后利用算法進行大數據分析的模式，將在更多的行業被廣泛應用。

目前人工智能主要有10個應用子領域，分別是機器學習、計算機視覺、智能機器人、虛擬個人助理、自然語音處理、實時語言翻譯、情感感知計算、手勢控制、推薦引擎及協同過濾、視頻內容自動識別。各方向處于不同的發展階段，發展程度有高有低。但驅動發展的先決條件主要體現在感知能力、理解能力、學習能力、交互能力四個方面。

1 感知能力

目前人工智能的感知主要通過物聯網來實現，它提供了計算機感知和控制物理世界的接口與手段，能夠采集數據、記憶，分析、傳送數據，進行交互、控制等。比如攝像頭和相機記錄了關于世界的大量圖像和視頻，麥克風記錄了語音和聲音，各種傳感器將它們感受到的世界數字化。這些傳感器就如同人類的五官，是智能系統的數據輸入，是感知世界的方式。

2 理解能力

智能系統不同于人腦，沒有數以千億的神經元，對事物問題的理解在現階段還很大程度上依賴于處理器的計算分析能力。近年來，基于GPU（圖形處理器）的大規模并行計算異軍突起，擁有遠超CPU的并行計算能力。從處理器的計算方式來看，CPU計算使用基于x86指令集的串行架構，適合盡可能快的完成一個計算任務。而GPU誕生之初是為了處理3D圖像中的上百萬個像素圖像，擁有更多的內核去處理更多的計算任務。因此GPU具備了執行大規模并行計算的能力。云計算的出現、GPU的大規模應用使得集中化數據計算處理能力變得空前強大。

3 學習能力

學習能力的培養類似人類需要教材和訓練。據統計，2015年全球產生的數據總量達到了十年前的20多倍，大數據的發展為人工智能的學習和發展提供了非常好的基礎。機器學習是人工智能的基礎，而大數據和以往的經驗就是人工智能學習的書本，以此優化計算機的處理性能。不可忽視的是近年來科技巨頭為了提前布局AI生態，紛紛開源平臺工具，極大地豐富了機器訓練的素材和手段。如谷歌了新的機器學習平臺TensorFlow，所有用戶都能夠利用這一強大的機器學習平臺進行研究，被稱為人工智能界的Android。IBM宣布通過Apache軟件基金會免費為外部程序員提供System ML人工智能工具的源代碼。微軟則開源了分布式機器學習工具包DMTK，能夠在較小的集群上以較高的效率完成大規模數據模型的訓練，并于2016年7月推出了開源Project Malmo項目，用于人工智能訓練。

4 交互能力

篇9

1、不斷學習，全力進取，提高自己的認知能力只有不斷學習，才能對當下和未來的事物有比較清晰的認知，并適時做出明明白白的選擇。其實，不斷地學習是在未來給自己留有更多的選擇余地。

2、有意識提高自己的創新意識和能力，按照智能社會的分工，創新勞動將占有主導地位。相應地，我們現在的人們為了適應將來智能社會，必須提高自己的創新意識和能力。

3、提升自己的適應能力和協作能力，人工智能時代的到來，將會給我們的社會分工、文化、習慣等各方面帶來巨大的改變，這就要求我們具備良好的適應能力。

4、在人工智能充斥的社會，怎樣與智能機器更好的溝通和協作這個命題也可能會受到越來越大的重視。同時，人與人之間該怎么進行新的分工和協作也是一個命題。

（來源：文章屋網 ）

篇10

    長久以來，人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數研究人員為之奉獻才智，從美國的麻省理工學院(mit)、卡內基-梅隆大學 (cmu)到ibm公司，再到日本的本田公司、sony公司以及國內的清華大學、中科院等科研院所，全世界的實驗室都在進行著ai技術的實驗。不久前，著 名導演斯蒂文·斯皮爾伯格還將這一主題搬上了銀幕，科幻片《人工智能》(a.i.)對許多人的頭腦又一次產生了震動，引起了一些人士了解并探索人工智能領 域的興趣。

    在本期技術專題中，中國科學院計算技術研究所智能信息處理開放實驗室的幾位研究人員將引領我們走近人工智能這一充滿挑戰與機遇的領域。

    計算機與人工智能

    "智能"源于拉丁語legere，字面意思是采集(特別是果實)、收集、匯集，并由此進行選擇，形成一個東西。intelegere是從中進行選擇，進而 理解、領悟和認識。正如帕梅拉·麥考達克在《機器思維》(machines who thinks,1979)中所提出的: 在復雜的機械裝置與智能之間存在長期的聯系。從幾個世紀前出現的神話般的巨鐘和機械自動機開始，人們已對機器操作的復雜性與自身的某些智能活動進行直觀聯 系。經過幾個世紀之后，新技術已使我們所建立的機器的復雜性大為提高。1936年，24歲的英國數學家圖靈(turing)提出了"自動機"理論，把研究 會思維的機器和計算機的工作大大向前推進了一步，他也因此被稱為"人工智能之父"。

    人工智能領域的研究是從1956年正式開始的，這一年在達特茅斯大學召開的會議上正式使用了"人工智能"(artificial intelligence，ai)這個術語。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設計、專家系統、學習以 及機器人學等多個角度展開了研究，已經建立了一些具有不同程度人工智能的計算機系統，例如能夠求解微分方程、設計分析集成電路、合成人類自然語言，而進行 情報檢索，提供語音識別、手寫體識別的多模式接口，應用于疾病診斷的專家系統以及控制太空飛行器和水下機器人更加貼近我們的生活。我們熟知的ibm的"深 藍"在棋盤上擊敗了國際象棋大師卡斯帕羅夫就是比較突出的例子。

    當然，人工智能的發展也并不是一帆風順的，也曾因計算機計算能力的限制無法模仿人腦的思考以及與實際需求的差距過遠而走入低谷，但是隨著硬件和軟件的發 展，計算機的運算能力在以指數級增長，同時網絡技術蓬勃興起，確保計算機已經具備了足夠的條件來運行一些要求更高的ai軟件，而且現在的ai具備了更多的 現實應用的基礎。90年代以來，人工智能研究又出現了新的。

    我們有幸采訪了中國科學院計算技術研究所智能信息處理開放實驗室史忠植研究員，請他和他的實驗室成員引領我們走近人工智能這個讓普通人感到深奧卻又具有無窮魅力的領域。

    問: 目前人工智能研究出現了新的，那么現在有哪些新的研究熱點和實際應用呢？

    答: ai研究出現了新的，這一方面是因為在人工智能理論方面有了新的進展，另一方面也是因為計算機硬件突飛猛進的發展。隨著計算機速度的不斷提高、存儲容 量的不斷擴大、價格的不斷降低以及網絡技術的不斷發展，許多原來無法完成的工作現在已經能夠實現。目前人工智能研究的3個熱點是: 智能接口、數據挖掘、主體及多主體系統。

    智能接口技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的 翻譯，而這些功能的實現又依賴于知識表示方法的研究。因此，智能接口技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能接口技術已經取得了顯 著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經開始實用化。

    數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據 挖掘和知識發現的研究目前已經形成了三根強大的技術支柱: 數據庫、人工智能和數理統計。主要研究內容包括基礎理論、發現算法、數據倉庫、可視化技術、定性定量互換模型、知識表示方法、發現知識的維護和再利用、半 結構化和非結構化數據中的知識發現以及網上數據挖掘等。

    主體是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態的實體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務， 而且可以和環境交互，與其他主體通信，通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為，最終實現問題求解。多 主體系統試圖用主體來模擬人的理性行為，主要應用在對現實世界和社會的模擬、機器人以及智能機械等領域。目前對主體和多主體系統的研究主要集中在主體和多 主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習以及多主體系統應用等方面。

    問: 您在人工智能領域研究了幾十年，參與了許多國家重點研究課題，非常清楚國內外目前人工智能領域的研究情況。您認為目前我國人工智能的研究情況如何？

    答: 我國開始"863計劃"時，正值全世界的人工智能熱潮。"863-306"主題的名稱是"智能計算機系統"，其任務就是在充分發掘現有計算機潛力的基礎 上，分析現有計算機在應用中的缺陷和"瓶頸"，用人工智能技術克服這些問題，建立起更為和諧的人-機環境。經過十幾年來的努力，我們縮短了我國人工智能技 術與世界先進水平的差距，也為未來的發展奠定了技術和人才基礎。

    但是也應該看到目前我國人工智能研究中還存在一些問題，其特點是: 課題比較分散，應用項目偏多、基礎研究比例略少、理論研究與實際應用需求結合不夠緊密。選題時，容易跟著國外的選題走; 立項論證時，慣于考慮國外怎么做; 落實項目時，又往往顧及面面俱到，大而全; 再加上受研究經費的限制，所以很多課題既沒有取得理論上的突破，也沒有太大的實際應用價值。

    今后，基礎研究的比例應該適當提高，同時人工智能研究一定要與應用需求相結合。科學研究講創新，而創新必須接受應用和市場的檢驗。因此，我們不僅要善于找到解決問題的答案，更重要的是要發現最迫切需要解決的問題和最迫切需要滿足的市場需求。

     問: 請您預測一下人工智能將來會向哪些方面發展？

    答: 技術的發展總是超乎人們的想象，要準確地預測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會向以下幾個方面發展: 模糊處理、并行化、神經網絡和機器情感。

    目前，人工智能的推理功能已獲突破，學習及聯想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的并行化處理功能。人工神經網絡是未來 人工智能應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼型機與作為智能外圍的人工神經網絡的結合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關重要。

    人工智能一直處于計算機技術的前沿，人工智能研究的理論和發現在很大程度上將決定計算機技術的發展方向。今天，已經有很多人工智能研究的成果進入人們的日常生活。將來，人工智能技術的發展將會給人們的生活、工作和教育等帶來更大的影響。

    什么是人工智能？

    人工智能也稱機器智能，它是計算機科學、控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統的 角度出發，人工智能是研究如何制造出人造的智能機器或智能系統，來模擬人類智能活動的能力，以延伸人們智能的科學。

    ai理論的實用性

    在一年一度at&t實驗室舉行的機器人足球賽中，每支球隊的"球員"都裝備上了ai軟件和許多感應器，它們都很清楚自己該踢什么位置，同時也明白 有些情況下不能死守崗位。盡管現在的ai技術只能使它們大部分時間處于個人盤帶的狀態，但它們傳接配合的能力正在以很快的速度改進。

    這種ai機器人組隊打比賽看似無聊，但是有很強的現實意義。因為通過這類活動可以加強機器之間的協作能力。我們知道，internet是由無數臺服務器和 無數臺路由器組成的，路由器的作用就是為各自的數據選擇通道并加以傳送，如果利用一些智能化的路由器很好地協作，就能分析出傳輸數據的最佳路徑，從而可以 大大減少網絡堵塞。

    我國也已經在大學中開展了機器人足球賽，有很多學校組隊參加，引起了大學生對人工智能研究的興趣。

    未來的ai產品

    安放于加州勞倫斯·利佛摩爾國家實驗室的asci white電腦，是ibm制造的世界最快的超級電腦，但其智力能力也僅為人腦的千分之一。現在，ibm正在開發能力更為強大的新超級電腦--"藍色牛仔" (blue jean)。據其研究主任保羅·霍恩稱，預計于4年后誕生的"藍色牛仔"的智力水平將大致與人腦相當。