摘要
近十多年來丽声，隨著算法與控制技術(shù)的不斷提高揭措，人工智能正在以爆發(fā)式的速度蓬勃發(fā)展欣鳖。并且败徊，隨著人機(jī)交互的優(yōu)化柒室、大數(shù)據(jù)的支持、模式識(shí)別技術(shù)的提升窟感，人工智能正逐漸的走入我們的生活门烂。本文主要闡述了人工智能的發(fā)展歷史、發(fā)展近況逛球、發(fā)展前景以及應(yīng)用領(lǐng)域千元。
1.引言
人工智能（Artificial Intelligence）簡(jiǎn)稱AI，是麥卡賽等人在1956年的一場(chǎng)會(huì)議時(shí)提出的概念颤绕。
近幾年幸海，在“人機(jī)大戰(zhàn)”的影響下，人工智能的話題十分的火熱奥务，特別是在“阿爾法狗”（AlphaGo）戰(zhàn)勝李世石后物独，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”，而在各種科幻電影的渲染中氯葬，人工智能的倫理性挡篓、哲學(xué)性的問題也隨之加重。
人工智能是一個(gè)極其復(fù)雜又令人激動(dòng)的事物帚称，人們需要去了解真正的人工智能官研，因此本文將會(huì)對(duì)什么是人工智能以及人工智能的發(fā)展歷程、未來前景和應(yīng)用領(lǐng)域等方面進(jìn)行詳細(xì)的闡述世杀。
2.圖靈測(cè)試
人們總希望使計(jì)算機(jī)或者機(jī)器能夠像人一樣思考阀参、像人一樣行動(dòng)、合理地思考瞻坝、合理地行動(dòng)蛛壳，并幫助人們解決現(xiàn)實(shí)中實(shí)際的問題。而要達(dá)到以上的功能所刀，則需要計(jì)算機(jī)（機(jī)器人或者機(jī)器）具有以下的能力：
自然語言處理（natural language processing）
知識(shí)表示（knowledge representation）
自動(dòng)推理（automated reasoning）
機(jī)器學(xué)習(xí)（machine learning）
計(jì)算機(jī)視覺（computer vision）
機(jī)器人學(xué)（robotics）
這6個(gè)領(lǐng)域衙荐，構(gòu)成了人工智能的絕大多數(shù)內(nèi)容。人工智能之父阿蘭·圖靈（Alan Turing）在1950年還提出了一種圖靈測(cè)試（Turing Test）浮创，旨在為計(jì)算機(jī)的智能性提供一個(gè)令人滿意的可操作性定義忧吟。
關(guān)于圖靈測(cè)試，是指測(cè)試者在與被測(cè)試者（一個(gè)人和一臺(tái)機(jī)器）隔開的情況下斩披，通過一些裝置（如鍵盤）向被測(cè)試者隨意提問溜族。進(jìn)行多次測(cè)試后，如果有超過30%的測(cè)試者不能確定出被測(cè)試者是人還是機(jī)器垦沉，那么這臺(tái)機(jī)器就通過了測(cè)試煌抒，并被認(rèn)為具有人類智能。
圖靈測(cè)試是在60多年前就已經(jīng)提出來了厕倍，但是在現(xiàn)在依然適用寡壮，然而我們現(xiàn)在的發(fā)展其實(shí)遠(yuǎn)遠(yuǎn)落后于當(dāng)年圖靈的預(yù)測(cè)。
在2014年6月8日，由一個(gè)俄羅斯團(tuán)隊(duì)開發(fā)的一個(gè)模擬人類說話的腳本——尤金·古斯特曼（Eugene Goostman）成為了首個(gè)通過圖靈測(cè)試的“計(jì)算機(jī)”况既，它成功的使人們相信了它是一個(gè)13歲的小男孩这溅，該事件成為了人工智能發(fā)展的一個(gè)里程碑。
在2015年棒仍，《Science》雜志報(bào)道稱悲靴，人工智能終于能像人類一樣學(xué)習(xí)，并通過了圖靈測(cè)試降狠。一個(gè)AI系統(tǒng)能夠迅速學(xué)會(huì)寫陌生文字对竣，同時(shí)還能識(shí)別出非本質(zhì)特征，這是人工智能發(fā)展的一大進(jìn)步榜配。
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完成的否纬，他們利用了基礎(chǔ)生理學(xué)和腦神經(jīng)元的功能、羅素和懷特海德的對(duì)命題邏輯的形式分析蛋褥、圖靈的理論临燃，他們提出了一種神經(jīng)元模型并且將每個(gè)神經(jīng)元敘述為“開”和“關(guān)”。人工智能之父圖靈在《計(jì)算機(jī)與智能》中烙心，提出了圖靈測(cè)試膜廊、機(jī)器學(xué)習(xí)、遺傳算法等各種概念淫茵，奠定了人工智能的基礎(chǔ)爪瓜。
②1956年人工智能的誕生
1956年的夏季，以麥卡錫匙瘪、明斯基铆铆、香農(nóng)、羅切斯特為首的一批科學(xué)家丹喻，在達(dá)特茅斯組織組織了一場(chǎng)兩個(gè)月的研討會(huì)薄货，在這場(chǎng)會(huì)議上，研究了用機(jī)器研究智能的一系列問題碍论，并首次提出了“人工智能”這一概念谅猾，人工智能至此誕生。
③1952-1969年人工智能的期望期
此時(shí)鳍悠，由于各種技術(shù)的限制税娜，當(dāng)權(quán)者人為“機(jī)器永遠(yuǎn)不能做X”，麥卡錫把這段時(shí)期稱作“瞧藏研，媽巧涧，連手都沒有！”的時(shí)代遥倦。
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，它能夠幫助學(xué)生們?cè)S多學(xué)生證明一些棘手的定理袒哥。
1958年缩筛，麥卡錫發(fā)表了“Program with Common Sense”的論文，文中他描述了“Advice Taker”堡称，這個(gè)假想的程序可以被看作第一個(gè)人工智能的系統(tǒng)瞎抛。
④1966-1973人工智能發(fā)展的困難期
這個(gè)時(shí)期，在人工智能發(fā)展時(shí)主要遇到了幾個(gè)大的困難却紧。
第一種困難來源于大多數(shù)早期程序?qū)ζ渲黝}一無所知桐臊；
第二種困難是人工智能試圖求解的許多問題的難解性。
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)的某些根本局限晓殊。
⑤1980年人工智能成為產(chǎn)業(yè)
此時(shí)期断凶，第一個(gè)商用的專家系統(tǒng)開始在DEC公司運(yùn)轉(zhuǎn)，它幫助新計(jì)算機(jī)系統(tǒng)配置訂單巫俺。1981年认烁，日本宣布了“第五代計(jì)算機(jī)”計(jì)劃，隨后美國(guó)組建了微電子和計(jì)算機(jī)技術(shù)公司作為保持競(jìng)爭(zhēng)力的集團(tuán)介汹。隨之而來的是幾百家公司開始研發(fā)“專家系統(tǒng)”却嗡、“視覺系統(tǒng)”、“機(jī)器人與服務(wù)”這些目標(biāo)的軟硬件開發(fā)嘹承，一個(gè)被稱為“人工智能的冬天”的時(shí)期到來了窗价，很多公司開始因?yàn)闊o法實(shí)現(xiàn)當(dāng)初的設(shè)想而開始倒閉。
⑥1986年以后
1986年叹卷，神經(jīng)網(wǎng)絡(luò)回歸撼港。
1987年，人工智能開始采用科學(xué)的方法豪娜，基于“隱馬爾可夫模型”的方法開始主導(dǎo)這個(gè)領(lǐng)域餐胀。
1995年，智能Agent出現(xiàn)瘤载。
2001年否灾，大數(shù)據(jù)成為可用性。
4.人工智能發(fā)展近況
4.1 人機(jī)博弈
在1997年時(shí)鸣奔，IBM公司的超級(jí)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝了堪稱國(guó)際象棋棋壇神話的前俄羅斯棋手Garry Kasparov而震驚了世界墨技。
在2016年時(shí)，Google旗下的DeepMind公司研發(fā)的阿爾法圍棋（AlphaGo）以4:1的戰(zhàn)績(jī)戰(zhàn)勝了圍棋世界冠軍挎狸、職業(yè)九段棋手李世石扣汪，從而又一次引發(fā)了關(guān)于人工智能的熱議，隨后在2017年5月的中國(guó)烏鎮(zhèn)圍棋峰會(huì)上以3:0的戰(zhàn)績(jī)又戰(zhàn)勝了世界排名第一的柯潔锨匆。
2017年1月6日崭别，百度的人工智能機(jī)器人“小度”在最強(qiáng)大腦的舞臺(tái)上人臉識(shí)別的項(xiàng)目中以3:2的成績(jī)戰(zhàn)勝了人類“最強(qiáng)大腦”王峰冬筒。1月13日，小度與“聽音神童”孫亦廷在語音識(shí)別項(xiàng)目中以2:2的成績(jī)戰(zhàn)平茅主。隨后又在1月21日又一次在人臉識(shí)別項(xiàng)目中以2:0的成績(jī)戰(zhàn)勝了“水哥”王昱珩舞痰，更在最強(qiáng)大腦的收官之戰(zhàn)中戰(zhàn)勝了人類代表隊(duì)的黃政與Alex。
4.2 百度大腦
2016年9月1日诀姚，百度李彥宏發(fā)布了“百度大腦”計(jì)劃响牛，利用計(jì)算機(jī)技術(shù)模擬人腦，已經(jīng)可以做到孩子的智力水平赫段。李彥宏闡述了百度大腦在語音呀打、圖像、自然語言處理和用戶畫像領(lǐng)域的前沿進(jìn)展糯笙。目前贬丛，百度大腦語音合成日請(qǐng)求量2.5億，語音識(shí)別率達(dá)97%炬丸。
“深度學(xué)習(xí)”是百度大腦的主要算法瘫寝，在圖像處理方面，百度已經(jīng)成為了全世界的最領(lǐng)先的公司之一稠炬。
百度大腦的四大功能分別是：語音焕阿、圖像，自然語言處理和用戶畫像首启。
語音是指具有語音識(shí)別能力與語音合成能力暮屡，圖像主要是指計(jì)算機(jī)視覺，自然語言處理除了需要計(jì)算機(jī)有認(rèn)知能力之外還需要具備推理能力毅桃，用戶畫像是建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶模型褒纲。
4.3 工業(yè)4.0
工業(yè)4.0是由德國(guó)提出來的十大未來項(xiàng)目之一，旨在提升制造業(yè)的智能化水平钥飞，建立具有適應(yīng)性莺掠、資源效率及基因工程學(xué)的智慧工廠。
工業(yè)4.0已經(jīng)進(jìn)入中德合作新時(shí)代读宙，有明確提出工業(yè)生產(chǎn)的數(shù)字化就是“工業(yè)4.0”對(duì)于未來中德經(jīng)濟(jì)發(fā)展具有重大意義彻秆。
工業(yè)4.0項(xiàng)目主要分為三大主題：智能工廠、智能生產(chǎn)结闸、智能物流唇兑。
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(jìn)程、企業(yè)的IT部門有冗余的威脅桦锄、利益相關(guān)者普遍不愿意改變扎附。
但是隨著AI的發(fā)展，工業(yè)4.0的推進(jìn)速度將會(huì)大大推快结耀。
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)留夜，領(lǐng)域很多匙铡，例如：
①無人駕駛：它集自動(dòng)控制、體系結(jié)構(gòu)碍粥、人工智能慰枕、視覺計(jì)算等眾多技術(shù)于一體，是計(jì)算機(jī)科學(xué)即纲、模式識(shí)別和智能控制技術(shù)高度發(fā)展的產(chǎn)物世界上最先進(jìn)的無人駕駛汽車已經(jīng)測(cè)試行駛近五十萬公里，其中最后八萬公里是在沒有任何人為安全干預(yù)措施下完成的博肋。英國(guó)政府也在資助運(yùn)輸研究實(shí)驗(yàn)室（TRL）低斋，它將在倫敦測(cè)試無人駕駛投遞車能否成功用于投遞包裹和其他貨物，使用無人駕駛投遞車輛將成為在格林威治實(shí)施的眾多項(xiàng)目之一匪凡。
②語音識(shí)別：該技術(shù)可以使讓機(jī)器知道你在說什么并且做出相應(yīng)的處理膊畴，1952年貝爾研究所研制出了第一個(gè)能識(shí)別10個(gè)英文數(shù)字發(fā)音的系統(tǒng)。在國(guó)外的應(yīng)用中病游，蘋果公司的siri一直處于領(lǐng)先狀態(tài)唇跨，在國(guó)內(nèi)，科大訊飛在這方面的發(fā)展尤為迅速衬衬。
③自主規(guī)劃與調(diào)整：NASA的遠(yuǎn)程Agent程序未第一個(gè)船載自主規(guī)劃程序买猖，用于控制航天器的操作調(diào)度。
④博弈：人機(jī)博弈一直是最近非匙涛荆火熱的話題玉控，深度學(xué)習(xí)與大數(shù)據(jù)的支持，成為了機(jī)器“戰(zhàn)勝”人腦的主要方式狮惜。
⑤垃圾信息過濾：學(xué)習(xí)算法可以將上十億的信息分類成垃圾信息高诺，可以為接收者節(jié)省很多時(shí)間。
⑥機(jī)器人技術(shù)：機(jī)器人技術(shù)可以使機(jī)器人代替人類從事某些繁瑣或者危險(xiǎn)的工作碾篡，在戰(zhàn)爭(zhēng)中虱而，可以運(yùn)送危險(xiǎn)物品、炸彈拆除等开泽。
⑦機(jī)器翻譯：機(jī)器翻譯可以將語言轉(zhuǎn)化成你需要的語言牡拇，比如現(xiàn)在的百度翻譯、谷歌翻譯都可以做的很好眼姐，訊飛也開發(fā)了實(shí)時(shí)翻譯的功能诅迷。
⑧智能家居：在智能家居領(lǐng)域，AI或許可以幫上很大的忙众旗，比如模式識(shí)別罢杉，可以應(yīng)用在很多家居上使其智能化，提高人機(jī)交互感贡歧，智能機(jī)器人也可以在幫人們做一些繁瑣的家務(wù)等滩租。
6.人工智能算法的實(shí)現(xiàn)
6.1 專家系統(tǒng)
專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)赋秀，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來處理該領(lǐng)域問題律想。也就是說猎莲，專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)技即，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)著洼，進(jìn)行推理和判斷，模擬人類專家的決策過程而叼，以便解決那些需要人類專家處理的復(fù)雜問題身笤，簡(jiǎn)而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)葵陵。
知識(shí)庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在液荸，即知識(shí)庫中知識(shí)的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。一般來說脱篙，專家系統(tǒng)中的知識(shí)庫與專家系統(tǒng)程序是相互獨(dú)立的娇钱，用戶可以通過改變、完善知識(shí)庫中的知識(shí)內(nèi)容來提高專家系統(tǒng)的性能绊困。
6.2 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門涉及概率論文搂、統(tǒng)計(jì)學(xué)、逼近論考抄、凸分析细疚、算法復(fù)雜度理論等的多領(lǐng)域交叉學(xué)科。專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為川梅，以獲取新的知識(shí)或技能疯兼，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能，它是人工智能的核心贫途，是使計(jì)算機(jī)具有智能的根本途徑,也是深度學(xué)習(xí)的基礎(chǔ)吧彪。
機(jī)器學(xué)習(xí)領(lǐng)域的研究工作主要圍繞以下三個(gè)方面進(jìn)行：
（1）面向任務(wù)的研究
研究和分析改進(jìn)一組預(yù)定任務(wù)的執(zhí)行性能的學(xué)習(xí)系統(tǒng)。
（2）認(rèn)知模型
研究人類學(xué)習(xí)過程并進(jìn)行計(jì)算機(jī)模擬丢早。
（3）理論分析
從理論上探索各種可能的學(xué)習(xí)方法和獨(dú)立于應(yīng)用領(lǐng)域的算法
機(jī)器學(xué)習(xí)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)域姨裸，也是人工智能和神經(jīng)計(jì)算的核心研究課題之一。但是現(xiàn)有的計(jì)算機(jī)系統(tǒng)和人工智能系統(tǒng)沒有什么學(xué)習(xí)能力怨酝，至多也只有非常有限的學(xué)習(xí)能力傀缩，因而不能滿足科技和生產(chǎn)提出的新要求。
6.2.1 遺傳算法
遺傳算法（Genetic Algorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型农猬，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法赡艰。它借鑒生物界的進(jìn)化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機(jī)制）進(jìn)行隨機(jī)化搜索斤葱，它是由美國(guó)的J.Holland教授1975年首先提出慷垮，其主要特點(diǎn)是直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作揖闸，不存在求導(dǎo)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)能力料身；采用概率化的尋優(yōu)方法汤纸，能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向芹血，不需要確定的規(guī)則贮泞。遺傳算法的這些性質(zhì)，已被人們廣泛地應(yīng)用于組合優(yōu)化幔烛、機(jī)器學(xué)習(xí)隙畜、信號(hào)處理、自適應(yīng)控制和人工生命等領(lǐng)域说贝，它是現(xiàn)代有關(guān)智能計(jì)算中的關(guān)鍵技術(shù)。
6.2.2 Deep Learning
Deep Learning即深度學(xué)習(xí)慎颗，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域乡恕，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)俯萎，它模仿人腦的機(jī)制來解釋數(shù)據(jù)傲宜，例如圖像，聲音和文本夫啊。是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法函卒。
他的基本思想是：假設(shè)我們有一個(gè)系統(tǒng)S，它有n層（S1,…Sn）撇眯，它的輸入是I报嵌，輸出是O，形象地表示為：I =>S1=>S2=>…..=>Sn
=> O熊榛，如果輸出O等于輸入I锚国，即輸入I經(jīng)過這個(gè)系統(tǒng)變化之后沒有任何的信息損失，設(shè)處理a信息得到b玄坦，再對(duì)b處理得到c血筑，那么可以證明：a和c的互信息不會(huì)超過a和b的互信息。這表明信息處理不會(huì)增加信息煎楣，大部分處理會(huì)丟失信息豺总。保持了不變，這意味著輸入I經(jīng)過每一層Si都沒有任何的信息損失择懂，即在任何一層Si喻喳，它都是原有信息（即輸入I）的另外一種表示。Deep Learning需要自動(dòng)地學(xué)習(xí)特征休蟹，假設(shè)我們有一堆輸入I（如一堆圖像或者文本）沸枯，假設(shè)設(shè)計(jì)了一個(gè)系統(tǒng)S（有n層）日矫，通過調(diào)整系統(tǒng)中參數(shù)，使得它的輸出仍然是輸入I绑榴，那么就可以自動(dòng)地獲取得到輸入I的一系列層次特征哪轿，即S1，…, Sn翔怎。對(duì)于深度學(xué)習(xí)來說窃诉，其思想就是對(duì)堆疊多個(gè)層，也就是說這一層的輸出作為下一層的輸入赤套。通過這種方式飘痛，就可以實(shí)現(xiàn)對(duì)輸入信息進(jìn)行分級(jí)表達(dá)了。
深度學(xué)習(xí)的主要技術(shù)有：線性代數(shù)容握、概率和信息論宣脉；欠擬合、過擬合剔氏、正則化塑猖；最大似然估計(jì)和貝葉斯統(tǒng)計(jì)；隨機(jī)梯度下降谈跛；監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)深度前饋網(wǎng)絡(luò)羊苟、代價(jià)函數(shù)和反向傳播；正則化感憾、稀疏編碼和dropout蜡励；自適應(yīng)學(xué)習(xí)算法；卷積神經(jīng)網(wǎng)絡(luò)阻桅；循環(huán)神經(jīng)網(wǎng)絡(luò)凉倚；遞歸神經(jīng)網(wǎng)絡(luò)；深度神經(jīng)網(wǎng)絡(luò)和深度堆疊網(wǎng)絡(luò)嫂沉；
LSTM長(zhǎng)短時(shí)記憶占遥；主成分分析；正則自動(dòng)編碼器输瓜；表征學(xué)習(xí)瓦胎；蒙特卡洛；受限波茲曼機(jī)尤揣；深度置信網(wǎng)絡(luò)搔啊；softmax回歸、決策樹和聚類算法北戏；KNN和SVM负芋；
生成對(duì)抗網(wǎng)絡(luò)和有向生成網(wǎng)絡(luò)；機(jī)器視覺和圖像識(shí)別；自然語言處理旧蛾；語音識(shí)別和機(jī)器翻譯莽龟；有限馬爾科夫；動(dòng)態(tài)規(guī)劃锨天；梯度策略算法毯盈；增強(qiáng)學(xué)習(xí)（Q-learning）。
7.人工智能的未來
隨著人工智能的發(fā)展病袄，人工智能將會(huì)逐漸走入我們的生活搂赋、學(xué)習(xí)、工作中益缠，其實(shí)人工智能已經(jīng)早就滲透到了我們的生活中脑奠，小到我們手機(jī)里的計(jì)算機(jī)，Siri,語音搜索幅慌，人臉識(shí)別等等宋欺，大到無人駕駛汽車，航空衛(wèi)星胰伍。在未來迄靠，AI極大可能性的去解放人類，他會(huì)替代人類做絕大多數(shù)人類能做的事情喇辽，正如劉慈欣所說：人工智能的發(fā)展，它開始可能會(huì)代替一部分人的工作雨席，到最后的話菩咨，很可能他把90%甚至更高的人類的工作全部代替。吳恩達(dá)也表明陡厘，人工智能的發(fā)展非吵槊祝快，我們可以用語音講話跟電腦用語音交互糙置，會(huì)跟真人講話一樣自然云茸，這會(huì)完全改變我們跟機(jī)器交互的辦法。自動(dòng)駕駛對(duì)人也有非常大的價(jià)值谤饭，我們的社會(huì)有很多不同的領(lǐng)域标捺，比如說醫(yī)療、教育揉抵、金融亡容，都會(huì)可以用技術(shù)來完全改變。
參考文獻(xiàn)
[1] Russell,S.J.Norvig,P.人工智能：一種現(xiàn)代的方法（第3版）北京：清華大學(xué)出版社冤今，2013（2016.12重庸刖ぁ）
[2]庫茲韋爾，人工智能的未來杭州：浙江人民出版社戏罢，2016.3
[3]蘇楠.人工智能的發(fā)展現(xiàn)狀與未來展望[J].中小企業(yè)管理與科技(上旬刊),2017,(04):107-108.
[4]王超.從AlphaGo的勝利看人工智能的發(fā)展歷程與應(yīng)用前景[J].中國(guó)新技術(shù)新產(chǎn)品,2017,(04):125-126.
[5]朱巍,陳慧慧,田思媛,王紅武.人工智能:從科學(xué)夢(mèng)到新藍(lán)何萏罚——人工智能產(chǎn)業(yè)發(fā)展分析及對(duì)策[J].科技進(jìn)步與對(duì)策,2016,(21):66-70.
[6]王江濤.淺析人工智能的發(fā)展及其應(yīng)用[J].電子技術(shù)與軟件工程,2015,(05):264.
[7]楊焱.人工智能技術(shù)的發(fā)展趨勢(shì)研究[J].信息與電腦(理論版),2012,(08):151-152.
[8]張妮,徐文尚,王文文.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].煤礦機(jī)械,2009,(02):4-7.
[9]王永忠.人工智能技術(shù)在智能建筑中的應(yīng)用研究[J].科技信息,2009,(03):343+342.
[10]李德毅,肖俐平.網(wǎng)絡(luò)時(shí)代的人工智能[J]中文信息學(xué)報(bào),2008,(02):3-9.
[11]李紅霞.人工智能的發(fā)展綜述[J].甘肅科技縱橫,2007,(05):17-18
[12]孫科.基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實(shí)現(xiàn)[D].上海交通大學(xué),2015.
[13]朱軍,胡文波.貝葉斯機(jī)器學(xué)習(xí)前沿進(jìn)展綜述[J].計(jì)算機(jī)研究與發(fā)展,2015,(01):16-26.
[14]何清,李寧,羅文娟,史忠植.大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J].模式識(shí)別與人工智能,2014,(04):327-336.
[15]郭亞寧,馮莎莎.機(jī)器學(xué)習(xí)理論研究[J].中國(guó)科技信息,2010,(14):208-209+214.
[16]陳凱,朱鈺.機(jī)器學(xué)習(xí)及其相關(guān)算法綜述[J].統(tǒng)計(jì)與信息論壇,2007,(05):105-112.
[17]閆友彪,陳元琰.機(jī)器學(xué)習(xí)的主要策略綜述[J].計(jì)算機(jī)應(yīng)用研究,2004,(07):4-10+13.
[18]張建明,詹智財(cái),成科揚(yáng),詹永照.深度學(xué)習(xí)的研究與發(fā)展[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,(02):191-200.
[19]尹寶才,王文通,王立春.深度學(xué)習(xí)研究綜述[J].北京工業(yè)大學(xué)學(xué)報(bào),2015,(01):48-59.
[20]劉建偉,劉媛,羅雄麟.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究,2014,(07):1921-1930+1942
[21]馬永杰,云文霞.遺傳算法研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究,2012,(04):1201-1206+1210.
[22]曹道友.基于改進(jìn)遺傳算法的應(yīng)用研究[D].安徽大學(xué),2010
