姓名：崔少杰 ? ? ? 學號：16040510021

轉(zhuǎn)載自：http://www.reibang.com/p/968d6167b566=有修改

【嵌牛導讀】：近十多年來贡必，隨著算法與控制技術(shù)的不斷提高，人工智能正在以爆發(fā)式的速度蓬勃發(fā)展。并且，隨著人機交互的優(yōu)化墙基、大數(shù)據(jù)的支持、模式識別技術(shù)的提升，人工智能正逐漸的走入我們的生活证九。本文主要闡述了人工智能的發(fā)展歷史、發(fā)展近況共虑、發(fā)展前景以及應(yīng)用領(lǐng)域愧怜。

【嵌牛鼻子】：圖靈測試、人工智能發(fā)展歷史

【嵌牛提問】：人工智能的未來發(fā)展趨勢是什么妈拌？

【嵌牛正文】：1.引言

人工智能（Artificial Intelligence）簡稱AI拥坛，是麥卡賽等人在1956年的一場會議時提出的概念。

近幾年尘分，在“人機大戰(zhàn)”的影響下猜惋，人工智能的話題十分的火熱，特別是在“阿爾法狗”（AlphaGo）戰(zhàn)勝李世石后培愁，人們一直在討論人是否能“戰(zhàn)勝”自己制造的有著大數(shù)據(jù)支持的“人工智能”著摔，而在各種科幻電影的渲染中，人工智能的倫理性定续、哲學性的問題也隨之加重谍咆。

人工智能是一個極其復雜又令人激動的事物禾锤，人們需要去了解真正的人工智能，因此本文將會對什么是人工智能以及人工智能的發(fā)展歷程摹察、未來前景和應(yīng)用領(lǐng)域等方面進行詳細的闡述恩掷。

2.圖靈測試

人們總希望使計算機或者機器能夠像人一樣思考、像人一樣行動供嚎、合理地思考黄娘、合理地行動，并幫助人們解決現(xiàn)實中實際的問題查坪。而要達到以上的功能寸宏，則需要計算機（機器人或者機器）具有以下的能力：

自然語言處理（natural language processing）

知識表示（knowledge representation）

自動推理（automated reasoning）

機器學習（machine learning）

計算機視覺（computer vision）

機器人學（robotics）

這6個領(lǐng)域，構(gòu)成了人工智能的絕大多數(shù)內(nèi)容偿曙。人工智能之父阿蘭·圖靈（Alan Turing）在1950年還提出了一種圖靈測試（Turing Test）氮凝，旨在為計算機的智能性提供一個令人滿意的可操作性定義。

關(guān)于圖靈測試望忆，是指測試者在與被測試者（一個人和一臺機器）隔開的情況下罩阵，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后启摄，如果有超過30%的測試者不能確定出被測試者是人還是機器稿壁，那么這臺機器就通過了測試，并被認為具有人類智能歉备。

圖靈測試是在60多年前就已經(jīng)提出來了傅是，但是在現(xiàn)在依然適用，然而我們現(xiàn)在的發(fā)展其實遠遠落后于當年圖靈的預測蕾羊。

在2014年6月8日喧笔，由一個俄羅斯團隊開發(fā)的一個模擬人類說話的腳本——尤金·古斯特曼（Eugene Goostman）成為了首個通過圖靈測試的“計算機”，它成功的使人們相信了它是一個13歲的小男孩龟再，該事件成為了人工智能發(fā)展的一個里程碑书闸。

在2015年，《Science》雜志報道稱利凑，人工智能終于能像人類一樣學習浆劲，并通過了圖靈測試。一個AI系統(tǒng)能夠迅速學會寫陌生文字哀澈，同時還能識別出非本質(zhì)特征牌借，這是人工智能發(fā)展的一大進步。

3.人工智能發(fā)展歷史

①1943-1955年人工智能的孕育期

人工智能的最早工作是Warren McCulloch和Walter Pitts完成的割按，他們利用了基礎(chǔ)生理學和腦神經(jīng)元的功能走哺、羅素和懷特海德的對命題邏輯的形式分析、圖靈的理論，他們提出了一種神經(jīng)元模型并且將每個神經(jīng)元敘述為“開”和“關(guān)”丙躏。人工智能之父圖靈在《計算機與智能》中择示，提出了圖靈測試、機器學習晒旅、遺傳算法等各種概念栅盲，奠定了人工智能的基礎(chǔ)。

②1956年人工智能的誕生

1956年的夏季废恋，以麥卡錫谈秫、明斯基、香農(nóng)鱼鼓、羅切斯特為首的一批科學家拟烫，在達特茅斯組織組織了一場兩個月的研討會，在這場會議上迄本，研究了用機器研究智能的一系列問題硕淑，并首次提出了“人工智能”這一概念，人工智能至此誕生嘉赎。

③1952-1969年人工智能的期望期

此時置媳，由于各種技術(shù)的限制，當權(quán)者人為“機器永遠不能做X”公条，麥卡錫把這段時期稱作“瞧拇囊，媽，連手都沒有靶橱！”的時代寥袭。

后來在IBM公司，羅切斯特和他的同事們制作了一些最初的人工智能程序关霸，它能夠幫助學生們許多學生證明一些棘手的定理传黄。

1958年，麥卡錫發(fā)表了“Program with Common Sense”的論文谒拴，文中他描述了“Advice Taker”，這個假想的程序可以被看作第一個人工智能的系統(tǒng)涉波。

④1966-1973人工智能發(fā)展的困難期

這個時期英上，在人工智能發(fā)展時主要遇到了幾個大的困難。

第一種困難來源于大多數(shù)早期程序?qū)ζ渲黝}一無所知啤覆；

第二種困難是人工智能試圖求解的許多問題的難解性苍日。

第三種困難是來源于用來產(chǎn)生智能行為的基本結(jié)構(gòu)的某些根本局限。

⑤1980年人工智能成為產(chǎn)業(yè)

此時期窗声，第一個商用的專家系統(tǒng)開始在DEC公司運轉(zhuǎn)相恃，它幫助新計算機系統(tǒng)配置訂單。1981年笨觅，日本宣布了“第五代計算機”計劃拦耐，隨后美國組建了微電子和計算機技術(shù)公司作為保持競爭力的集團耕腾。隨之而來的是幾百家公司開始研發(fā)“專家系統(tǒng)”、“視覺系統(tǒng)”杀糯、“機器人與服務(wù)”這些目標的軟硬件開發(fā)扫俺，一個被稱為“人工智能的冬天”的時期到來了，很多公司開始因為無法實現(xiàn)當初的設(shè)想而開始倒閉固翰。

⑥1986年以后

1986年狼纬，神經(jīng)網(wǎng)絡(luò)回歸。

1987年骂际，人工智能開始采用科學的方法疗琉，基于“隱馬爾可夫模型”的方法開始主導這個領(lǐng)域。

1995年歉铝，智能Agent出現(xiàn)盈简。

2001年，大數(shù)據(jù)成為可用性犯戏。

4.人工智能發(fā)展近況

4.1 人機博弈

在1997年時送火，IBM公司的超級計算機“深藍”戰(zhàn)勝了堪稱國際象棋棋壇神話的前俄羅斯棋手Garry Kasparov而震驚了世界。

在2016年時先匪，Google旗下的DeepMind公司研發(fā)的阿爾法圍棋（AlphaGo）以4:1的戰(zhàn)績戰(zhàn)勝了圍棋世界冠軍种吸、職業(yè)九段棋手李世石，從而又一次引發(fā)了關(guān)于人工智能的熱議呀非，隨后在2017年5月的中國烏鎮(zhèn)圍棋峰會上以3:0的戰(zhàn)績又戰(zhàn)勝了世界排名第一的柯潔坚俗。

2017年1月6日，百度的人工智能機器人“小度”在最強大腦的舞臺上人臉識別的項目中以3:2的成績戰(zhàn)勝了人類“最強大腦”王峰岸裙。1月13日猖败，小度與“聽音神童”孫亦廷在語音識別項目中以2:2的成績戰(zhàn)平。隨后又在1月21日又一次在人臉識別項目中以2:0的成績戰(zhàn)勝了“水哥”王昱珩降允，更在最強大腦的收官之戰(zhàn)中戰(zhàn)勝了人類代表隊的黃政與Alex恩闻。

4.2 百度大腦

2016年9月1日，百度李彥宏發(fā)布了“百度大腦”計劃剧董，利用計算機技術(shù)模擬人腦幢尚，已經(jīng)可以做到孩子的智力水平。李彥宏闡述了百度大腦在語音翅楼、圖像尉剩、自然語言處理和用戶畫像領(lǐng)域的前沿進展。目前毅臊，百度大腦語音合成日請求量2.5億理茎，語音識別率達97%。

“深度學習”是百度大腦的主要算法，在圖像處理方面皂林，百度已經(jīng)成為了全世界的最領(lǐng)先的公司之一朗鸠。

百度大腦的四大功能分別是：語音、圖像式撼，自然語言處理和用戶畫像童社。

語音是指具有語音識別能力與語音合成能力，圖像主要是指計算機視覺著隆，自然語言處理除了需要計算機有認知能力之外還需要具備推理能力扰楼，用戶畫像是建立在一系列真實數(shù)據(jù)之上的目標用戶模型。

4.3 工業(yè)4.0

工業(yè)4.0是由德國提出來的十大未來項目之一美浦，旨在提升制造業(yè)的智能化水平弦赖，建立具有適應(yīng)性、資源效率及基因工程學的智慧工廠浦辨。

工業(yè)4.0已經(jīng)進入中德合作新時代蹬竖，有明確提出工業(yè)生產(chǎn)的數(shù)字化就是“工業(yè)4.0”對于未來中德經(jīng)濟發(fā)展具有重大意義。

工業(yè)4.0項目主要分為三大主題：智能工廠流酬、智能生產(chǎn)币厕、智能物流。

它面臨的挑戰(zhàn)有：缺乏足夠的技能來加快第四次工業(yè)革命的進程芽腾、企業(yè)的IT部門有冗余的威脅旦装、利益相關(guān)者普遍不愿意改變。

但是隨著AI的發(fā)展摊滔，工業(yè)4.0的推進速度將會大大推快阴绢。

5.人工智能的應(yīng)用領(lǐng)域

人工智能可以滲透到各行各業(yè)，領(lǐng)域很多艰躺，例如：

①無人駕駛：它集自動控制呻袭、體系結(jié)構(gòu)、人工智能腺兴、視覺計算等眾多技術(shù)于一體左电，是計算機科學、模式識別和智能控制技術(shù)高度發(fā)展的產(chǎn)物世界上最先進的無人駕駛汽車已經(jīng)測試行駛近五十萬公里页响，其中最后八萬公里是在沒有任何人為安全干預措施下完成的篓足。英國政府也在資助運輸研究實驗室（TRL），它將在倫敦測試無人駕駛投遞車能否成功用于投遞包裹和其他貨物拘泞，使用無人駕駛投遞車輛將成為在格林威治實施的眾多項目之一纷纫。

②語音識別：該技術(shù)可以使讓機器知道你在說什么并且做出相應(yīng)的處理枕扫，1952年貝爾研究所研制出了第一個能識別10個英文數(shù)字發(fā)音的系統(tǒng)陪腌。在國外的應(yīng)用中，蘋果公司的siri一直處于領(lǐng)先狀態(tài)，在國內(nèi)诗鸭，科大訊飛在這方面的發(fā)展尤為迅速染簇。

③自主規(guī)劃與調(diào)整：NASA的遠程Agent程序未第一個船載自主規(guī)劃程序，用于控制航天器的操作調(diào)度强岸。

④博弈：人機博弈一直是最近非扯凸火熱的話題，深度學習與大數(shù)據(jù)的支持蝌箍，成為了機器“戰(zhàn)勝”人腦的主要方式青灼。

⑤垃圾信息過濾：學習算法可以將上十億的信息分類成垃圾信息，可以為接收者節(jié)省很多時間妓盲。

⑥機器人技術(shù)：機器人技術(shù)可以使機器人代替人類從事某些繁瑣或者危險的工作杂拨，在戰(zhàn)爭中，可以運送危險物品悯衬、炸彈拆除等弹沽。

⑦機器翻譯：機器翻譯可以將語言轉(zhuǎn)化成你需要的語言，比如現(xiàn)在的百度翻譯筋粗、谷歌翻譯都可以做的很好策橘，訊飛也開發(fā)了實時翻譯的功能。

⑧智能家居：在智能家居領(lǐng)域娜亿，AI或許可以幫上很大的忙丽已，比如模式識別，可以應(yīng)用在很多家居上使其智能化暇唾，提高人機交互感促脉，智能機器人也可以在幫人們做一些繁瑣的家務(wù)等。

6.人工智能算法的實現(xiàn)

6.1 專家系統(tǒng)

專家系統(tǒng)是一個智能計算機程序系統(tǒng)策州，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗瘸味，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。也就是說够挂，專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)旁仿，它應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗孽糖，進行推理和判斷枯冈，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題办悟，簡而言之尘奏，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。

知識庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在病蛉，即知識庫中知識的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平炫加。一般來說瑰煎，專家系統(tǒng)中的知識庫與專家系統(tǒng)程序是相互獨立的，用戶可以通過改變俗孝、完善知識庫中的知識內(nèi)容來提高專家系統(tǒng)的性能酒甸。

6.2 機器學習

機器學習(Machine Learning, ML)是一門涉及概率論、統(tǒng)計學赋铝、逼近論插勤、凸分析、算法復雜度理論等的多領(lǐng)域交叉學科革骨。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為农尖，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能良哲，它是人工智能的核心卤橄，是使計算機具有智能的根本途徑,也是深度學習的基礎(chǔ)。

機器學習領(lǐng)域的研究工作主要圍繞以下三個方面進行：

（1）面向任務(wù)的研究

研究和分析改進一組預定任務(wù)的執(zhí)行性能的學習系統(tǒng)臂外。

（2）認知模型

研究人類學習過程并進行計算機模擬窟扑。

（3）理論分析

從理論上探索各種可能的學習方法和獨立于應(yīng)用領(lǐng)域的算法

機器學習是繼專家系統(tǒng)之后人工智能應(yīng)用的又一重要研究領(lǐng)域，也是人工智能和神經(jīng)計算的核心研究課題之一漏健。但是現(xiàn)有的計算機系統(tǒng)和人工智能系統(tǒng)沒有什么學習能力嚎货，至多也只有非常有限的學習能力，因而不能滿足科技和生產(chǎn)提出的新要求蔫浆。

6.2.1 遺傳算法

遺傳算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型殖属，是一種通過模擬自然進化過程搜索最優(yōu)解的方法。它借鑒生物界的進化規(guī)律（適者生存瓦盛，優(yōu)勝劣汰遺傳機制）進行隨機化搜索洗显，它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力粹懒；采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間玄组，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則谒麦。遺傳算法的這些性質(zhì)俄讹，已被人們廣泛地應(yīng)用于組合優(yōu)化、機器學習绕德、信號處理患膛、自適應(yīng)控制和人工生命等領(lǐng)域，它是現(xiàn)代有關(guān)智能計算中的關(guān)鍵技術(shù)耻蛇。

遺傳算法示意圖

6.2.2 Deep Learning

Deep Learning即深度學習踪蹬，深度學習是機器學習研究中的一個新的領(lǐng)域驹溃，其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡(luò)延曙，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像亡哄，聲音和文本枝缔。是機器學習中一種基于對數(shù)據(jù)進行表征學習的方法。

他的基本思想是：假設(shè)我們有一個系統(tǒng)S蚊惯，它有n層（S1,…Sn）愿卸，它的輸入是I，輸出是O截型，形象地表示為：I =>S1=>S2=>…..=>Sn

=> O趴荸，如果輸出O等于輸入I，即輸入I經(jīng)過這個系統(tǒng)變化之后沒有任何的信息損失宦焦，設(shè)處理a信息得到b发钝，再對b處理得到c，那么可以證明：a和c的互信息不會超過a和b的互信息波闹。這表明信息處理不會增加信息酝豪，大部分處理會丟失信息。保持了不變精堕，這意味著輸入I經(jīng)過每一層Si都沒有任何的信息損失孵淘，即在任何一層Si，它都是原有信息（即輸入I）的另外一種表示歹篓。Deep Learning需要自動地學習特征瘫证，假設(shè)我們有一堆輸入I（如一堆圖像或者文本），假設(shè)設(shè)計了一個系統(tǒng)S（有n層）庄撮，通過調(diào)整系統(tǒng)中參數(shù)背捌，使得它的輸出仍然是輸入I，那么就可以自動地獲取得到輸入I的一系列層次特征洞斯，即S1载萌，…, Sn。對于深度學習來說巡扇，其思想就是對堆疊多個層扭仁，也就是說這一層的輸出作為下一層的輸入。通過這種方式厅翔，就可以實現(xiàn)對輸入信息進行分級表達了乖坠。

深度學習的主要技術(shù)有：線性代數(shù)、概率和信息論刀闷；欠擬合熊泵、過擬合仰迁、正則化；最大似然估計和貝葉斯統(tǒng)計顽分；隨機梯度下降徐许；監(jiān)督學習和無監(jiān)督學習深度前饋網(wǎng)絡(luò)、代價函數(shù)和反向傳播卒蘸；正則化雌隅、稀疏編碼和dropout；自適應(yīng)學習算法缸沃；卷積神經(jīng)網(wǎng)絡(luò)恰起；循環(huán)神經(jīng)網(wǎng)絡(luò)；遞歸神經(jīng)網(wǎng)絡(luò)趾牧；深度神經(jīng)網(wǎng)絡(luò)和深度堆疊網(wǎng)絡(luò)检盼；

LSTM長短時記憶；主成分分析翘单；正則自動編碼器吨枉；表征學習；蒙特卡洛哄芜；受限波茲曼機东羹；深度置信網(wǎng)絡(luò)；softmax回歸忠烛、決策樹和聚類算法属提；KNN和SVM；

生成對抗網(wǎng)絡(luò)和有向生成網(wǎng)絡(luò)美尸；機器視覺和圖像識別冤议；自然語言處理；語音識別和機器翻譯师坎；有限馬爾科夫恕酸；動態(tài)規(guī)劃；梯度策略算法胯陋；增強學習（Q-learning）蕊温。

7.人工智能的未來

隨著人工智能的發(fā)展，人工智能將會逐漸走入我們的生活遏乔、學習义矛、工作中，其實人工智能已經(jīng)早就滲透到了我們的生活中盟萨，小到我們手機里的計算機凉翻，Siri,語音搜索，人臉識別等等捻激，大到無人駕駛汽車制轰，航空衛(wèi)星前计。在未來，AI極大可能性的去解放人類垃杖，他會替代人類做絕大多數(shù)人類能做的事情男杈，正如劉慈欣所說：人工智能的發(fā)展，它開始可能會代替一部分人的工作调俘，到最后的話伶棒，很可能他把90%甚至更高的人類的工作全部代替。吳恩達也表明脉漏，人工智能的發(fā)展非常快袖牙，我們可以用語音講話跟電腦用語音交互侧巨，會跟真人講話一樣自然，這會完全改變我們跟機器交互的辦法鞭达。自動駕駛對人也有非常大的價值司忱，我們的社會有很多不同的領(lǐng)域，比如說醫(yī)療畴蹭、教育坦仍、金融，都會可以用技術(shù)來完全改變叨襟。

作者：雨夜修一

鏈接：http://www.reibang.com/p/968d6167b566

來源：簡書

著作權(quán)歸作者所有繁扎。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處糊闽。