您现在的位置是:首页 > 草根者草根者

AI技术的应用现状(AI的发展趋势)

查看 tianqibucuo 的更多文章网友发布2022-01-29 02:01【草根者】409人已围观

1、浅谈人工智能技术在生活科技中的运用技术?

    ??? 人工智能研究与应用虽取得了不少成果,但离全面推广应用还有很大的距离,还有许多问题有待解决,且需要多学科的研究专家共同合作。未来人工智能的研究方向主要有:人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。??? ??? 人工智能(Artificial?Intelligence),?英文缩写为?AI,?是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。自问世以来AI经过波波折折,但终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和。不仅许多其他学科开始引入或借用AI技术,而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。? ??? 作为一门学科,人工智能于年问世,是由“人工智能之父“McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth大学召开的会议上,首次提出。对人工智能的研究,由于研究角度的不同,形成了不同的研究学派。这就是:符主义学派、连接主义学派和行为主义学派。? 传统人工智能是符主义,它以Newell和Simon提出的物理符系统假设为基础。物理符系统是由一组符实体组成,它们都是物理模式,可在符结构的实体中作为组成成分出现,可通过各种操作生成其它符结构。物理符系统假设认为:物理符系统是智能行为的充分和必要条件。主要工作是“通用问题解程序“(General Problem Solver, GPS 论文网):通过抽象,将一个现实系统变成一个符系统,基于此符系统,使用动态搜索方法解问题。 ??? 连接主义学派是从人的大脑神经系统结构出发,研究非程序的、适应性的、大脑风格的信息处理的本质和能力,研究大量简单的神经的集团信息处理能力及其动态行为。 ??? 人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。? ??? 行为主义学派是从行为心理学出发,认为智能只是在与环境的交互作用中表现出来。 ??? 人工智能的研究经历了以下几个阶段:? ??? 第一阶段:年代人工智能的兴起和冷落? ??? 人工智能概念首次提出后,相继出现了一批显著的成果,如机器定理证明、跳棋程序、通用问题s解程序、LISP表处理语言等。但由于消解法推理能力的,以及机器翻译等的失败,使人工智能走入了低谷。这一阶段的特点是:重视问题解的方法,忽视知识重要性。? ??? 第二阶段:年代,专家系统出现,使人工智能研究出现新高潮? ??? DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、HearsayII语音理解系统等专家系统的研究和开发,将人工智能引向了实用化。并且,年成立了国际人工智能联合会议(International?Joint?Conferences?on?Artificial?Intelligence即IJCAI)。? ??? 第三阶段:年代,随着第五代计算机的研制,人工智能得到了很大发展? ??? 日本年开始了“第五代计算机研制计划“,即“知识信息处理计算机系统KIPS“,其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败,但它的开展形成了一股研究人工智能的热潮。? ??? 第四阶段:年代末,神经网络飞速发展? ??? 年,美国召开第一次神经网络国际会议,宣告了这一新学科的诞生。此后,各国在神经网络方面的投资逐渐增加,神经网络迅速发展起来。? ??? 第五阶段:年代,人工智能出现新的研究高潮? ??? 由于网络技术特别是国际互连网的技术发展,人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题解,而且研究多个智能主体的多目标问题解,将人工智能更面向实用。另外,由于Hopfield多层神经网络模型的提出,使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。 ??? IBM“深蓝“电脑击败了人类的世界国际象棋冠军,美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划,基于Agent技术的Softbot(软机器人)在软件领域和网络搜索引擎中得到了充分应用,同时,美国Sandia实验室建立了国际上最庞大的“虚拟现实“实验室,拟通过数据头盔和数据手套实现更友好的人机交互,建立更好的智能用户接口。图像处理和图像识别,声音处理和声音识别取得了较好的发展,IBM推出了iaoice声音识别软件,以使声音作为重要的信息输入媒体。国际各大计算机又开始将“人工智能“作为其研究内容。人们普遍认为,计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。 ??? 目前人工智能主要研究内容是:分布式人工智能与多智能主体系统、人工思维模型、知识系统(包括专家系统、知识库系统和智能决策系统)、知识发现与数据挖掘(从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识)、遗传与演化计算(通过对生物遗传与进化理论的模拟,揭示出人的智能进化规律)、人工生命(通过构造简单的人工生命系统(如:机器虫)并观察其行为,探讨初级智能的奥秘)、人工智能应用(如:模糊控制、智能大厦、智能人机接口、智能机器人等)等等。?

2、“人工智能技术的应用”

   人工智能是相对于人类智能而言的。它是指用机械和电子装置来模拟和代替人类的某些智能。人工智能也称“机器智能”或“智能模拟”。当今人工智能主要是利用电子技术成果和仿生学方法,从大脑的结构方面模拟人脑的活动,即结构模拟。 人脑是智能活动的物质基础,是由上百亿个神经组成的复杂系统。结构模拟是从单个神经入手的,先用电子件制成神经模型,然后把神经模型连接成神经网络(脑模型) ,以完成某种功能,模拟人的某些智能。如年美国康乃尔大学罗森布莱特等人设计的“感知机”;年日本的福岛设计的“认知机”(自组织多层神经网络) 。 电子计算机是智能模拟的物质技术工具。它是一种自动、高速处理信息的电子机器。它采用五个与大脑功能相似的部件组成了电脑,来模拟人脑的相应功能。这五个部件是:() 运算器,模拟人脑的计算、判断和选择功能,能进行加减乘除等算术运算和逻辑运算。(4) 控制器,人脑的分析综合活动以及通过思维活动对各个协调工作的控制功能,根据存贮器内的程序,控制计算机的各个部分协调工作。它是电脑的神经中枢。 (5)输出设备,模拟人脑的思维结果和对外界刺激的反映,把计算的结果报告给操作人员或与外部设备,指挥别的机器动作。 以上五部分组成的电脑是电子模拟计算机的基本部分,称为硬件。只有硬件还不能有效地模拟和代替人脑的某些功能,还必须有相应的软件或软设备。所谓软件就是一套又一套事先编好的程序系统。 人工智能的产生是人类科学技术进步的结果,是机器进化的结果。人类的发展史是人们利用各种生产工具有目的地改造第一自然( 自然造成的环境,如江河湖海、山脉森林等) ,创造第二自然( 即人化自然,如人造房屋、车辆机器等) 的历史。人类为了解决生理机能与劳动对象之间的矛盾,生产更多的财富,就要使其生产工具不断向前发展。人工智能,是随着科学技术的发展,在人们创造了各种复杂的机器设备,大大延伸了自己的手脚功能之后,为了解决迫切要延伸思维器和放大智力功能的要而产生和发展起来的。 从哲学上看,物质世界不仅在本原上是统一的,而且在规律上也是相通的。不论是机器、动物和人,都存在着共同的信息与控制规律,都是信息转换系统,其活动都表现为一定信息输入与信息输出。人们认识世界与在实践中获取和处理信息的过程相,改造世界与依据已有的信息对外界对象进行控制的过程相。总之,一切系统都能通过信息交换与反馈进行自我调节,以抵抗干扰和保持自身的稳定。因此,可以由电子计算机运用信息与控制原理来模拟人的某些智能活动。 从其它科学上来说,控制论与信息论就是运用系统方法,从功能上揭示了机器、动物、人等不同系统所具有的共同规律。以此把实际的描述形式化,即为现象和行为建立一个数学模型;把解问题的方式机械化,即根据数学模型,制定某种算法和规则,以便机械地执行;把解决问题的过程自动化,即用符语言把算法和规则编成程序,交给知识智能机器执行某种任务,使电子计算机模拟人的某些思维活动。所以,控制论、信息论是智能模拟的科学依据,“智能模拟”是控制论、信息论在实践中的最重要的实践结果。 人工智能是人类智能的必要补充,但是人工智能与人类智能仍存在着本质的区别: 1 、人工智能是机械的物理过程,不是生物过程。它不具备世界观、人生观、情感、意志、兴趣、爱好等心理活动所构成的主观世界。而人类智能则是在人脑生理活动基础上产生的心理活动,使人形成一个主观世界。因此,电脑与人脑虽然在信息的输入和输出的行为和功能上有共同之处,但在这方面两者的差别是十分明显的。从信息的输入看,同一件事,对于两个智能机具有相同的信息量,而对于两个不同的人从中获取的信息量却大不相同。“行家看门道,外行看热闹”就是这个道理。从信息的输出方面看,两台机器输出的同一信息,其信息量相等。而同一句话,对于饱于风霜的老人和天真幼稚的儿童,所说的意义却大不相同。 2 、人工智能在解决问题时,不会意识到这是什么问题,它有什么意义,会带来什么后果。电脑没有自觉性,是靠人的操作完成其机械的运行机能;而人脑智能,人的意识都有目的性,可控性,人脑的思维活动是自觉的,能动的。 3 、电脑必须接受人脑的指令,按预定的程序进行工作。它不能输出末经输入的任何东西。所谓结论,只不过是输入程序和输入数据的逻辑结果。它不能自主地提出问题,创造性地解决问题,在遇到没有列入程序的“意外”情况时,就束手无策或中断工作。人工智能没有创造性。而人脑功能则能在反映规律的基础上,提出新概念,作出新判断,创造新表象,具有丰富的想象力和创造性。 4 、人工机器没有社会性。作为社会存在物的人,其脑功能是适应社会生活的需要而产生和发展的。人们的社会需要远远超出了直接生理需要的目的,是由社会的物质文明与精神文明的发展程序所决定的。因此,作为人脑功能的思维能力,是通过社会的教育和训练,通过对历史上积累下来的文化的吸收逐渐形成的。人的内心世界所以丰富多采,是由于人的社会是丰富的和多方面的,人类智能具有社会性。所以要把人脑功能全面模拟下来,就需要再现人的思想发展的整个历史逻辑。这是无论多么“聪明”的电脑都做不到的。随着科学技术的发展,思维模拟范围的不断扩大,电脑在功能上会不断向人脑接近。但从本质上看,它们之间只能是一条渐近线,它们之间的界限是不会清除的。模拟是近似而不能是等同。 人工智能与人脑在功能上是局部超过,整体上不及。由于人工智能是由人造机器而产生的,因此,人工智能永远也不会赶上和超过人类智能。所谓“机器人将超过人奴役人”、“人将成为计算机思想家的玩物或害虫,…… 保存在将来的动物园”的“预言”是不能成立的。因为,它抹煞了人与机器的本质差别与根本界限。 人工智能充实和演化了辩证唯物主义的意识论。它进一步表明了意识是人脑的机能,物质的属性。电脑对人脑的功能的模拟,表明了意识并不是神秘的不可捉摸的东西,不是游离于肉体内外脱离人脑的灵魂,也不是人脑分泌出来的特殊物质形态,而是人脑的机能属性。这就进一步证明了意识本质的原理。 人工智能的出现深化了意识对物质的反作用的原理。人工智能是人类意识自我认识的产物。电脑的出现,意昧着人类意识已能部分地从人脑中分化出来,物化为物质的机械运动。这不仅延长了意识的器,也说明意识能反过来创造人脑。这是意识对人脑的巨大的反作用。从意识与人脑的相互关系中进一步深化了意识对物质形态进步的反作用,意识作为最高的物质属性对于物质运动发展的反作用。 人工智能引起了意识结构的变化,扩大了意识论的研究领域。电脑作为一种新形态的机器而进入了意识器的行列。它不仅能完成人脑的一部分意识活动,而且在某种功能上还优于人脑。如人脑处理信息和采取行动的速度不如电脑,记忆和动作的准确性不如电脑。因此,在现代科学认识活动中,没有人工智能,就不会有人类认识能力的突破性发展和认识范围的不断扩大。电脑不仅依赖于人,人也依赖于电脑。这就使得在意识论结构上增加了对人工智能的探讨以及对人机互补的关系的探讨。同时思维模拟,也把思维形式在思维中的作用问题突出出来,为意识论的研究提出了一个重要课题。

3、浅谈人工智能技术在生活科技中的运用技术?

   社会的进步和人类的长寿要生产力更加发达,要人类的经济生活更加智能化,以节省宝贵的人类时间去做其它有益的事情。电气自动化控制领域的革新需要人工智能的大力支持,而人工智能在自动化控制方面的优势在这个领域也确实能够得到极大的发挥,促进自动化控制的发展进步

4、如何看待人工智能的发展现状和未来可能

   展望前沿技术探索,未来三到五年最有可能出现突破的就是半监督的学习方法。现在深度卷积神经网络很好,但是它有缺点,即依赖于带标签的完备大数据,没有大数据喂食就不可能达到人类水平,但是要获得完备的大数据,需要付出的资源代价太大,很多应用场景甚至得不到,比如把全世界的火车照片都搜集起来,这是不可能的事。我们希望能够做一些小数据、小样本的半监督学习,训练数据不大,但是还能够达到人类水平。 我们做过很多实验,人为地去掉一半甚至去掉1/4的标签数据去训练深度卷积神经网络,希望网络能够具有举一反三的能力,通过小样本或小数据的学习同样能够达到人类水平。这方面的研究不管是利用生成式对抗网络,还是与传统统计机器学习方法相结合,或者是与认知计算方法的结合,证明难度都挺大。比如我们看到了土狗的照片,从来没见过藏獒、宠物狗,但通过举一反三就能够识别出来。这靠什么?靠推理。人类不完全是基于特征提取,还靠知识推理获得更强的泛化能力。而现在的深度卷积神经网络是靠多级多层的特征提取,如果特征提取不好,识别结果就不好,就达不到人类水平。总之,特征提取要好就必须要有完备的大数据。但不管怎样,相信具有“特征提取知识推理”的半监督或者无监督的深度卷积神经网络三到五年会有突破,而且还是基于端到端学习的,其中也会融入先验知识或模型。相对而言,通用人工智能的突破可能需要的时间更长,三到五年能不能突破还是未知,但是意义非常重大。 在半监督、无监督深度学习方法突破之后,很多行业应用包括人工智能场景研发都会快速推进。实际应用时我们一般都通过数据迭代、算法迭代向前推进。从这个角度来说,AlphaGo中体现的深度强化学习代表着更大的希望。因为它也是基于深度卷积神经网络的,包括以前用的层网络,现在用的层卷积神经网,替代了以前的浅层全连接网络,带来的性能提升是很显著的。 为什么深度强化学习更有意义?首先它有决策能力,决策属于认知,这已经不仅仅是感知智能了。其次AlphaGo依赖的仅仅是小数据的监督学习。段人类职业棋手的棋局,对人类来说已经是大数据了,但对围棋本身的搜索空间来讲则是一个小数据。不管柯洁还是聂卫平,都无法记住万个棋局作为基础,相当于站在巨人的肩膀上,然后再利用深度强化学习,通过自我对弈、左右互搏搜索更大的棋局空间,是人类万棋局之外的棋局空间,这就使AlphaGo 。 总的来说,深度强化学习有两大好处,它寻找最优策略函数,给出的是决策,跟认知起来。第二,它不依赖于大数据。这就是前面说的小数据半监督学习方法。因为在认知层面上进行探索,而且不完全依赖于大数据,因此意义重大,魅力无穷。相信深度强化学习非常有潜力继续向前发展,将大大扩展其垂直应用领域。但是它本身并不是一个通用人工智能。AlphaGo只能下围棋不能同时下中国象棋、国际象棋,因此还只是专注于一个“点”上面的,仍属于弱人工智能。 实现通用人工智能,把垂直细分领域变宽或者实现多任务而不是单任务学习,对深度神经网络而言,沿什么样的技术途径往前走现在还未知,但是肯定要与基于学习的符主义结合起来。通用人工智能现在没有找到很好的线索往前走,原因一是因为神经网络本身是黑箱式的,内部表达不可解析,二是因为传统的卷积神经网络本身不能完成多任务学习。可以考虑跟知识图谱、知识推理等符主义的方法结合,但必须是在新的起点上,即在已有大数据感知智能的基础上,利用更高粒度的自主学习而非以往的规则设计来进行。另外从神经科学的角度去做也是可能的途径之一。

5、AI工程未来发展前景?现状,未来30年怎么样?

   近几年来,ai工程发展迅速。由沿海向内地延伸。尤其是环球推出G/H新机,中国ai工程又注入了新的血液,随着搞插件机,二的人越来越多。未来AI工程岗位竞争加剧,但就看个人的技术和能力了。 这个没有未来,我都不知道AI是什么,今天老板居然喊我跟他在原有的地方画线,还好,我玩过PS。 压力不大。 建议你去学 UI 将来的需都很大的发展前景也很好,这个要很大的艺术细胞,我是没有了, 比如设计一个名片我都要设计3天,我真他T,M蛋疼,设计出来连自己都看不爽。 还有LOGO设计一个星期,头都大了,心情、很不爽,之前应聘程序员的时候早知道不说我也是从设计开始的

Tags:

友情链接