人工智能應(yīng)用場景及發(fā)展維度探析

閆 敏

(新鄉(xiāng)職業(yè)技術(shù)學(xué)院，河南 新鄉(xiāng) 453006)

0 引言

人工智能作為當(dāng)今世界除能源技術(shù)、空間技術(shù)之外的三大頂端技術(shù)之一，也是計(jì)算機(jī)科學(xué)領(lǐng)域的前沿學(xué)科。該項(xiàng)技術(shù)1956年由麥卡賽、明斯基等一批科學(xué)家提出。美國斯坦福大學(xué)的人工智能研究中心尼爾森教授將人工智能定義為“人工智能是一門知道如何表達(dá)知識(shí)以及如何獲取和使用知識(shí)的學(xué)科”。美國另一所知名大學(xué)溫斯頓教授認(rèn)為，人工智能是研究計(jì)算機(jī)如何執(zhí)行以前只能由人類完成的智能任務(wù)[1]。

1 人工智能的研究方法

在人工智能領(lǐng)域，簡化主義的思想已經(jīng)被象征主義所取代。試圖用研究知識(shí)將所有人類思想概念化，將其抽象為規(guī)則，并編寫符號程序，試圖通過成熟的模仿人腦的邏輯思維，以實(shí)現(xiàn)人類的完美。建構(gòu)主義學(xué)派展示了一種研究方法，將“人工神經(jīng)網(wǎng)絡(luò)”理論應(yīng)用于人工智能領(lǐng)域，該理論主要基于核心網(wǎng)絡(luò)的單個(gè)神經(jīng)元之間的相互作用，主要表達(dá)了單個(gè)神經(jīng)元的作用和行為。認(rèn)為人工智能的實(shí)現(xiàn)并不單單依賴于獲取知識(shí)或者建立邏輯思維，可以從低級到高級逐步演化，從而激發(fā)個(gè)體神經(jīng)元反應(yīng)。

人工能智能系統(tǒng)除了具有結(jié)構(gòu)、功能和行為等重要系統(tǒng)屬性外，其主要還體現(xiàn)在工作機(jī)制上，北京郵電大學(xué)鐘以新教授提出了研究制度主義方法。該研究方法主要闡述了信息、知識(shí)和智能之間的相互關(guān)系與區(qū)別，將具體的信息表達(dá)以及從信息中抽象出來的知識(shí)表達(dá)作為策略，從而具備解決問題的本領(lǐng)。這個(gè)過程主要將智能生成作為出發(fā)點(diǎn)，形成知識(shí)、信息、智能轉(zhuǎn)換的互生作用機(jī)制。把具體的信息作為抽象知識(shí)的抽取源，相當(dāng)于從原始材料中提取核心元素。換句話說，信息只有變?yōu)槌橄笾R(shí)，才能發(fā)揮其最大的價(jià)值，也可以將知識(shí)視為從信息中衍生出來的。抽象的知識(shí)只是揭示了運(yùn)動(dòng)和變化規(guī)律，若要達(dá)到預(yù)設(shè)，應(yīng)用于實(shí)際中解決問題，還需要基于智能策略才能實(shí)現(xiàn)智能行為的轉(zhuǎn)化[2]。

2 人工智能的主要應(yīng)用領(lǐng)域

2.1 問題求解

問題求解是解決意外后果或偏離事故管理活動(dòng)期望結(jié)果的方式。例如：人工智能在國際象棋大賽中的不俗表現(xiàn)，展現(xiàn)出人工智能解決難題的能力已經(jīng)能夠超越人類的思維，這與人工智能軟件的計(jì)算速度息息相關(guān)[3]。人工智能可以獲取信息引導(dǎo)和啟發(fā)式搜索，以實(shí)踐知識(shí)為導(dǎo)向，導(dǎo)致一個(gè)解決問題的程序接著另一個(gè)優(yōu)先解決問題的程序，將各種數(shù)學(xué)模型的符號集合，其性能已經(jīng)達(dá)到了非常高的水平，被很多科學(xué)家和工程師使用，甚至一些程序也可以利用經(jīng)驗(yàn)來提高其性能。利用數(shù)學(xué)方法不斷優(yōu)化算法，從而可以進(jìn)行復(fù)雜的符號運(yùn)算，簡化解決問題的方案，直到能尋求到解決問題的方法，達(dá)到人類解決問題的表達(dá)能力，就像國際象棋大師對象棋棋局的熟悉程度，從而解決問題。

2.2 專家系統(tǒng)

人工智能研究的另一個(gè)重要領(lǐng)域是歐盟的Expert Svstem系統(tǒng)，它探索一般思維并鼓勵(lì)人們利用他們的專業(yè)知識(shí)解決特定問題。這是實(shí)現(xiàn)工業(yè)智能從理論研究到實(shí)際應(yīng)用的重要突破。專家系統(tǒng)可以看作是具有特殊知識(shí)的某種計(jì)算機(jī)智能軟件。它教授特定領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)以及人工智能推理技術(shù)來模擬專家解決各種問題。一般來說，專家系統(tǒng)是智能軟件，其解決問題的方式是啟發(fā)式的，需要專家系統(tǒng)解決的問題通常沒有算法解決方案。與傳統(tǒng)計(jì)算機(jī)程序的不同之處在于，其總是根據(jù)不完整或不準(zhǔn)確的信息得出結(jié)論。

近些年，專家系統(tǒng)的研究也成為人工智能領(lǐng)域的重要研究方向，并且已經(jīng)具備成功應(yīng)用于人工智能領(lǐng)域的基礎(chǔ)。比如用戶與專家系統(tǒng)的對話談判，就是專家系統(tǒng)在人工智能領(lǐng)域應(yīng)用的典范。這種專家與用戶的對話同樣是向?qū)＜蚁到y(tǒng)獲取解決問題的答案。這種模式可以成功應(yīng)用于化學(xué)和地質(zhì)數(shù)據(jù)分析、計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)、土木工程和醫(yī)療診斷。在這些測試領(lǐng)域中，人工智能展示了優(yōu)秀的咨詢能力。此外，還有很多研究側(cè)重于解釋和論證專家系統(tǒng)的可能性，以便用戶更好地理解句子并幫助人們發(fā)現(xiàn)系統(tǒng)思維中的錯(cuò)誤。開發(fā)專家系統(tǒng)的核心是表達(dá)和使用來自人類的專家知識(shí)、有用的事實(shí)和過程，這些專家已經(jīng)證明了他們在特定領(lǐng)域解決典型問題的能力。不同學(xué)科和類型的專家系統(tǒng)在體系結(jié)構(gòu)和功能上存在一定的差異，但其組成本質(zhì)上是相同的。基礎(chǔ)專家系統(tǒng)主要由知識(shí)庫、數(shù)據(jù)庫、演示機(jī)、解釋機(jī)、知識(shí)采集和用戶界面6部分組成[4-6]。

2.3 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是研究使用計(jì)算機(jī)來模擬或?qū)嵤┤祟悓W(xué)習(xí)活動(dòng)。機(jī)器學(xué)習(xí)作為人工智能的又一主要應(yīng)用領(lǐng)域，與專家系統(tǒng)相比，共同點(diǎn)在于都是基于計(jì)算機(jī)智能，其應(yīng)用范圍也基本覆蓋了人工智能的全部領(lǐng)域。學(xué)習(xí)作為人類區(qū)別于其他生物的高級思維活動(dòng)，也是人類獲取知識(shí)的重要途徑與方法。若機(jī)器具有類似人類的學(xué)習(xí)高級思維活動(dòng)，那么計(jì)算機(jī)便可實(shí)現(xiàn)向智能計(jì)算機(jī)的轉(zhuǎn)化趨勢。正如申克所說，“只有學(xué)習(xí)型計(jì)算機(jī)才能稱為智能，也有助于揭示人類學(xué)習(xí)的機(jī)制，揭示人腦的秘密。這個(gè)過程是老師(或?qū)＜?提供信息并轉(zhuǎn)化學(xué)習(xí)的過程。”系統(tǒng)可以被理解和應(yīng)用。教學(xué)方法可以根據(jù)教師系統(tǒng)的依賴程度進(jìn)行分類，主要包括：機(jī)械學(xué)習(xí)、指導(dǎo)學(xué)習(xí)、模擬學(xué)習(xí)、歸納學(xué)習(xí)、觀察和發(fā)現(xiàn)學(xué)習(xí)等。此外，教學(xué)近年來發(fā)展了解釋等方法，以及實(shí)例、概念、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、遺傳學(xué)習(xí)等[7]。

2.4 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是由多個(gè)處理器連接而成的網(wǎng)絡(luò)，即神經(jīng)元，常被稱為神經(jīng)網(wǎng)絡(luò)，或簡稱為擬線性網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)的模型建構(gòu)主要以一定數(shù)量的節(jié)點(diǎn)或神經(jīng)元構(gòu)成。其是一種由自然神經(jīng)網(wǎng)絡(luò)抽象出來的模型。神經(jīng)網(wǎng)絡(luò)基于人腦的機(jī)制作為模仿對象，具有人腦某些方面的功能，從而解決具體實(shí)際問題。人工神經(jīng)網(wǎng)絡(luò)依據(jù)生物神經(jīng)網(wǎng)絡(luò)機(jī)理，應(yīng)用數(shù)學(xué)描述方法，建立與之相適配的數(shù)學(xué)模型，其模型參數(shù)由固定算法來實(shí)現(xiàn)。與以往的計(jì)算機(jī)信息存儲(chǔ)方式有著很大不同，神經(jīng)網(wǎng)絡(luò)是利用各個(gè)節(jié)點(diǎn)元素之間的分布式物理鏈接的方式對信息進(jìn)行處理與存儲(chǔ)。這也就意味著人工神經(jīng)網(wǎng)絡(luò)具有類似人腦的自主學(xué)習(xí)能力，而非“專家”的經(jīng)驗(yàn)與直覺?？刹捎米赃m應(yīng)方式自動(dòng)依據(jù)實(shí)驗(yàn)數(shù)據(jù)編寫規(guī)則。這對于解決多維復(fù)雜的非線性問題尤為重要，也就是說不僅可以定量解決問題，而且還能夠定性解決問題。神經(jīng)網(wǎng)絡(luò)具有并行處理、分布式存儲(chǔ)、定制信息、組織性強(qiáng)、訓(xùn)練有素、關(guān)聯(lián)性強(qiáng)、靈活性和可靠性好等眾多優(yōu)點(diǎn)。

2.5 模式識(shí)別

計(jì)算機(jī)人工智能使用的模型識(shí)別是指使用計(jì)算機(jī)來改變?nèi)嘶驇椭藗兝斫饽Ｐ?。其研究重點(diǎn)是計(jì)算機(jī)模型識(shí)別系統(tǒng)，該系統(tǒng)允許計(jì)算機(jī)系統(tǒng)使用感官來模仿一個(gè)人對外部世界的感知。過去，模型識(shí)別研究主要集中在文本和二維圖像識(shí)別上，已經(jīng)取得了很多成果。自1960年代中期以來，計(jì)算機(jī)視覺的研究集中在3D場景的解釋和描述更復(fù)雜的主題。1965年Robest發(fā)表的文章將3D圖像解釋為3D場景，為分析棱鏡場景奠定了基礎(chǔ)，并邁出了計(jì)算機(jī)使用單目圖像的第一步。機(jī)器識(shí)別也從三維識(shí)別轉(zhuǎn)向更復(fù)雜的場景識(shí)別，用于復(fù)雜環(huán)境和戶外場景分析和探索的其他方面。

場景分析領(lǐng)域目前的重點(diǎn)是對活動(dòng)目標(biāo)(如飛機(jī))的識(shí)別和分析，這是機(jī)器識(shí)別應(yīng)用于實(shí)踐場景的研究標(biāo)志。語言識(shí)別技術(shù)的研究始于1960年代初，并在 1970 年代得到發(fā)展，不同的語音識(shí)別設(shè)備相繼出現(xiàn)。在實(shí)踐中，能夠識(shí)別單詞的功能良好的語音識(shí)別系統(tǒng)已經(jīng)出現(xiàn)。神經(jīng)網(wǎng)絡(luò)也成功地用于語音識(shí)別。模型識(shí)別是一個(gè)瞬息萬變的事物，其理論基礎(chǔ)和研究領(lǐng)域也在不斷變化。模式識(shí)別目前正處于嚴(yán)重的發(fā)展階段：隨著應(yīng)用的逐漸擴(kuò)大和計(jì)算機(jī)科學(xué)的進(jìn)步，未來模型識(shí)別技術(shù)將更加活躍，量子計(jì)算機(jī)技術(shù)將應(yīng)用于模型識(shí)別研究。

2.6 通信領(lǐng)域

5G通信技術(shù)作為智能交通、智能家居、智能互聯(lián)等關(guān)鍵技術(shù)，是為人們生活提供智能服務(wù)的可靠保障。利用人工智能，5G通信技術(shù)發(fā)揮著關(guān)鍵作用，主要體現(xiàn)在以下幾點(diǎn)。

(1)提升云服務(wù)性能。

使用5G看高清視頻，上傳下載資源更快。隨著智能手機(jī)的普及，5G通信技術(shù)將集中的服務(wù)器云轉(zhuǎn)變?yōu)榉稚⒌囊苿?dòng)設(shè)備云，解決了智能移動(dòng)設(shè)備存儲(chǔ)資源有限的問題?；跀?shù)據(jù)的共享是一項(xiàng)核心服務(wù)。5G技術(shù)強(qiáng)大的帶寬和算力可以加速自動(dòng)駕駛汽車、遠(yuǎn)程醫(yī)療、智能交通等應(yīng)用的普及，加速人工智能與通信網(wǎng)絡(luò)的互聯(lián)互通。

(2)促進(jìn)工廠自動(dòng)化的發(fā)展。

為了提高工作效率，減少人力開支，降低特殊崗位人員作業(yè)的風(fēng)險(xiǎn)，需要通過人工智能實(shí)現(xiàn)崗位自動(dòng)化。同時(shí)，5G的通信很好地保證了自動(dòng)化設(shè)備的無線連接，可以使用遠(yuǎn)程工廠連接對各個(gè)作業(yè)流程和產(chǎn)品的質(zhì)量進(jìn)行實(shí)時(shí)監(jiān)測。

(3)促進(jìn)物流行業(yè)更加智能化的發(fā)展。

由于廣泛鏈接、低成本的特性，5G通信將會(huì)促進(jìn)物流行業(yè)倉庫管理、物流配送的智能發(fā)展。

(4)5G通信技術(shù)與人工智能技術(shù)的融合將側(cè)重技術(shù)演化的互助。

目前，5G通信與人工智能有所融合，比如在5G通信設(shè)備中應(yīng)用了許多人工智能算法，例如機(jī)器學(xué)習(xí)、知識(shí)圖譜、計(jì)算機(jī)視覺、遺傳算法等。未來人工智能與5G通信更側(cè)重于技術(shù)演化的互助。特別是自主資源分配、智能流量識(shí)別、智能預(yù)測等方面，都將與5G通信技術(shù)深度結(jié)合，有助于提高5G通信的效率，實(shí)現(xiàn)資源的高效分配，可以提高信息資源的利用率。5G通信技術(shù)更新?lián)Q代也會(huì)助推人工智能的發(fā)展，比如遠(yuǎn)程控制智能終端設(shè)備。

3 人工智能未來發(fā)展維度

3.1 垂直領(lǐng)域應(yīng)用潛力大

人工智能市場在零售、交通、自動(dòng)化、制造和農(nóng)業(yè)等多個(gè)垂直領(lǐng)域具有巨大潛力。市場的主要驅(qū)動(dòng)力是人工智能技術(shù)在各種垂直終端用戶活動(dòng)中的應(yīng)用和發(fā)展，尤其是能否為消費(fèi)者提供更多的人性化服務(wù)。人工智能市場的發(fā)展受到多種因素的影響，包括完善的IT基礎(chǔ)設(shè)施以及智能手機(jī)和智能設(shè)備的普及。自然語言處理尤為重要。隨著自然語言處理技術(shù)的發(fā)展，人工智能的范圍擴(kuò)大，推動(dòng)了消費(fèi)市場的發(fā)展。

3.2 AI發(fā)展的關(guān)鍵在芯片

AI芯片的核心就是半導(dǎo)體和算法。人工智能硬件必須滿足命令周期快、功耗低、與深度學(xué)習(xí)算法集成的要求。目前，AI芯片包括GPU、DSP、ASIC、FPGA和神經(jīng)芯片。AI硬件的選擇取決于產(chǎn)品制造商的要求，因?yàn)镚PU在計(jì)算速度上比FPGA快，F(xiàn)PGA在功率效率上優(yōu)于GPU。以蘋果的Face ID為例，該計(jì)劃由8個(gè)部分組成，需要高能效。此外，蘋果最終選擇了FPGA，因?yàn)樗蕾囉谙M(fèi)者生物識(shí)別技術(shù)。

3.3 機(jī)器自主學(xué)習(xí)是目標(biāo)

AI的“大腦”正逐漸變得更加智能，從機(jī)器學(xué)習(xí)到深度自主學(xué)習(xí)。從全球來看，人工智能還處于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)階段。要實(shí)現(xiàn)自主學(xué)習(xí)，需要解決4個(gè)關(guān)鍵問題：一是為自主機(jī)器打造人工智能平臺(tái)，打造虛擬自主學(xué)習(xí)環(huán)境；二是現(xiàn)實(shí)世界；三是讓人工智能的“大腦”回歸自主機(jī)器的結(jié)構(gòu)；四是創(chuàng)建虛擬世界 (VR)門戶。

3.4 “人工智能+”社會(huì)發(fā)展模式

社會(huì)發(fā)展模式將逐漸以“人工智能+”取代目前的互聯(lián)網(wǎng)模式，人類生活方式也將發(fā)生巨大變革。人工智能將不斷融入各行各業(yè)，不斷更替?zhèn)鹘y(tǒng)的行業(yè)形式，也會(huì)不斷涌現(xiàn)新的發(fā)展行業(yè)。在以深度學(xué)習(xí)為基礎(chǔ)，以云計(jì)算、生物識(shí)別等數(shù)據(jù)或計(jì)算能力為關(guān)鍵技術(shù)基礎(chǔ)的“AI+”時(shí)代，AI推動(dòng)人工智能在金融、醫(yī)療、自動(dòng)駕駛、安全等領(lǐng)域的應(yīng)用非常有價(jià)值。在互聯(lián)網(wǎng)成為互聯(lián)互通的今天，數(shù)據(jù)的高速增長迫使信息的高效搜索和資源的合理配置。在互聯(lián)網(wǎng)和電腦無處不在的時(shí)代，“人工智能+”時(shí)代已成為必然趨勢。未來，人工智能將從更專業(yè)的領(lǐng)域逐步擴(kuò)展到各行各業(yè)，演進(jìn)為通用智能，為產(chǎn)業(yè)革命的新階段做出貢獻(xiàn)。

4 結(jié)語

人工智能就是21世紀(jì)影響最大的科學(xué)技術(shù)，同時(shí)也是未來主導(dǎo)的技術(shù)之一。當(dāng)前，在人們的生活、生產(chǎn)中，智能技術(shù)的身影無處不在。相信在不久的將來，該技術(shù)的發(fā)展將會(huì)更加完善。為了更好地完成這次的工作，筆者搜集了很多的有關(guān)的資料，充分查閱國內(nèi)外參考文獻(xiàn)，在這個(gè)過程中加深了對人工智能發(fā)展維度的了解，明確了人工智能的發(fā)展維度方面的研究思路以及研究方向，從而順藤摸瓜進(jìn)行下一步研究，發(fā)現(xiàn)了許多以前沒有仔細(xì)研究的地方，為以后的相關(guān)研究奠定了基礎(chǔ)。