人工智能的應(yīng)用及展望

1、人工智能應(yīng)用及展望唐小軍內(nèi)容摘要：人工智能(Artficiallntelligence)誕生于1956年的美國(guó)，至今已接近七十年。它屬于自然科學(xué)和社會(huì)科學(xué)的交叉。人工智能基于認(rèn)知科學(xué)、哲學(xué)、不定性論的邊緣科學(xué)研究項(xiàng)目，在上世紀(jì)80年代中期人工神經(jīng)網(wǎng)絡(luò)取得重大進(jìn)展，其成果大量應(yīng)用于系統(tǒng)的感知，模型建立和控制。神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)輸入輸出樣本的學(xué)習(xí)，不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入輸出映射關(guān)系，并具有一定的學(xué)習(xí)和自適應(yīng)運(yùn)用能力。智能技術(shù)是當(dāng)前新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)的重要發(fā)展方向、開(kāi)發(fā)策略和顯著標(biāo)志，借助大數(shù)據(jù)技術(shù)，尤其它在解決遠(yuǎn)程控制、故障診斷、非線性等問(wèn)題上的優(yōu)勢(shì)，給機(jī)械系統(tǒng)、符號(hào)計(jì)算

2、、模式識(shí)別的發(fā)展指明了方向。隨著時(shí)代的發(fā)展及信息革命的到來(lái)，人工智能的研究領(lǐng)域日益拓寬，其內(nèi)容逐步豐富，對(duì)人類發(fā)展有劃時(shí)代的意義。關(guān)鍵詞：認(rèn)知科學(xué)專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)前言人工智能(ArtficialIntelligence),人工智能可以分為兩部分，“智能”是什么，我們可以從不同方面去定義。這關(guān)聯(lián)到到如意識(shí)、自我、心靈等問(wèn)題.我們唯一理解的智能也就是靈長(zhǎng)類動(dòng)物擁有的能自由做出反應(yīng)的能力，這種能力也是現(xiàn)在和未來(lái)人工智能科研的主要奮斗目標(biāo)。目前我們對(duì)靈長(zhǎng)類動(dòng)物的智能的理解，可以用只可意不可言來(lái)準(zhǔn)確形容，現(xiàn)階段還不能對(duì)自身智能的理解用科學(xué)的表達(dá)方式表達(dá)出來(lái)。1人工智能的定義人工智能(Artfici

3、alIntelligence,簡(jiǎn)稱Al)是一門研究如何構(gòu)造智能機(jī)器或智能系統(tǒng)，主要研究方向是模擬、延伸、擴(kuò)展人類智能的。人們通過(guò)對(duì)外界事物進(jìn)行長(zhǎng)期實(shí)踐做出一些歸納并對(duì)其用數(shù)值量化，用傳感設(shè)備和用嚴(yán)密的邏輯思維進(jìn)行推理并干預(yù)其結(jié)果的差錯(cuò)，通過(guò)邏輯計(jì)算然后再用于控制終端設(shè)備服務(wù)于受眾，智能包含能力包括感知能力、記憶和思維能力、學(xué)習(xí)和自適應(yīng)的能力，行為能力/涉及哲學(xué)、認(rèn)知科學(xué)、數(shù)學(xué)、神經(jīng)生理學(xué)、不定性論、計(jì)算機(jī)科學(xué)、控制論、信息論、仿生學(xué)、心理學(xué)等；人工智能產(chǎn)品也逐漸融入人類的生活中密不可分。2人工智能的發(fā)展人工智能的傳說(shuō)可以追溯到古埃及，但在歷史的長(zhǎng)河中大部分的傳說(shuō)都基于人們的假想，隨著近代特別是

4、二戰(zhàn)之后世界格局的發(fā)展，1946年世界第一臺(tái)計(jì)算機(jī)的誕生以來(lái)，計(jì)算機(jī)在歐美國(guó)家得以迅速發(fā)展，人工智能終可以輔以計(jì)算機(jī)系統(tǒng)來(lái)實(shí)現(xiàn)，技術(shù)已最終可以創(chuàng)造出機(jī)器智能，1956年在達(dá)特茅斯大學(xué)召開(kāi)的會(huì)議上正式使用了“人工智能(ArtificialIntelligence,AI)”這個(gè)術(shù)語(yǔ)，人工智能領(lǐng)域的研究也從此正式開(kāi)始，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展。隨后的幾十年中，人們從問(wèn)題求解、邏輯推理與定理證明、自然語(yǔ)言理解、博弈、自動(dòng)程序設(shè)計(jì)、專家系統(tǒng)、學(xué)習(xí)以及機(jī)器人學(xué)等多個(gè)角度展開(kāi)了研究，已經(jīng)建立了一些智能程度不同的人工智能系統(tǒng)，例如能夠求集成設(shè)計(jì)分析電路、字符計(jì)算、求解積

5、分方程、合成人類自然語(yǔ)言，而進(jìn)行基于字符的情報(bào)檢索，提供語(yǔ)音識(shí)別、觸控識(shí)別的多模式接口輸入模式，應(yīng)用于疾病診斷的專家系統(tǒng)以及控制太空飛行器和水下機(jī)器人。我們熟知的年初的谷歌"Alphago"計(jì)算機(jī)在棋盤上擊敗了韓國(guó)國(guó)際象棋大師李世石就是比較突出的例子。3人工智能發(fā)展的依托3.1 神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)(artficialneuralnetwork.ANN是設(shè)置輸出的是一個(gè)靈感來(lái)自系統(tǒng)的模擬生物激勵(lì)的輸出。這里輸出、輸入都是標(biāo)準(zhǔn)化的量，輸出是輸入的非線性函數(shù)，其值可由連接各神經(jīng)元的權(quán)重改變，以獲得期望的輸出值，即所謂的訓(xùn)練過(guò)程。基于數(shù)值計(jì)算方法的神經(jīng)網(wǎng)絡(luò)，將已有數(shù)據(jù)和已知系統(tǒng)模式作

6、樣本，存儲(chǔ)在系統(tǒng)的緩存區(qū)域，通過(guò)學(xué)習(xí)獲得兩者的映射關(guān)系，實(shí)現(xiàn)了對(duì)人類經(jīng)驗(yàn)思維的模擬。由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯(cuò)、結(jié)構(gòu)拓?fù)?、?lián)想、推測(cè)、記憶、自學(xué)習(xí)適應(yīng)、并行上傳下載和處理復(fù)雜模式的功能，使其在工程實(shí)際存在著大量的多故障、多過(guò)程、突發(fā)性故障；這里就能體現(xiàn)出一個(gè)龐大復(fù)雜機(jī)器和系統(tǒng)的監(jiān)測(cè)及診斷中的作用了，他們需要不斷查詢系統(tǒng)中故障的位置并向中央處理器報(bào)告突發(fā)錯(cuò)誤的原因，并能夠提供簡(jiǎn)單算法的糾錯(cuò)功能，當(dāng)差錯(cuò)過(guò)大的時(shí)候這需要建立丟棄重傳的機(jī)制，以保證系統(tǒng)的正常運(yùn)行。在機(jī)械系統(tǒng)的應(yīng)用方式有：從模式識(shí)別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行故障診斷；從預(yù)測(cè)角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動(dòng)態(tài)預(yù)測(cè)模型進(jìn)行故障預(yù)測(cè)；利用神經(jīng)網(wǎng)絡(luò)極

7、強(qiáng)的非線性特性。3.2 不定性論不定性論也稱作模糊集理論(FuzzySetsTheory,FSN,人的認(rèn)知世界包含大量的不確定元素，但是我們所接收的信息需要對(duì)所獲信息進(jìn)行一定的模糊化處理，以減少問(wèn)題的復(fù)雜度。1965年Zadeh創(chuàng)立了模糊集理論，模糊邏輯可認(rèn)為是多值邏輯的擴(kuò)展，人們利用在實(shí)驗(yàn)中發(fā)現(xiàn)的或者通過(guò)大量的獨(dú)立重復(fù)試驗(yàn)得出的某個(gè)典型值作為一類事物的一個(gè)最優(yōu)的或者折中的方案值來(lái)量化復(fù)雜的事物，這種模型能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似推理。是處理不確定性的一種很好的方法。目前基于多類電量測(cè)試信息模糊融合的模擬電路故障診斷方法已經(jīng)提出?；贙故障節(jié)點(diǎn)診斷法和最小標(biāo)準(zhǔn)差法的元件故障隸屬函數(shù)構(gòu)造

8、方法，以及基于可測(cè)點(diǎn)電壓與不同測(cè)試頻率下電路增益的模糊信息融合診斷算法，分別利用此兩類測(cè)試信息及K故障診斷法和最小標(biāo)準(zhǔn)差法，對(duì)電路進(jìn)行初步診斷，再運(yùn)用模糊變換及故障定位規(guī)則，得到融合的故障診斷結(jié)果。模擬實(shí)驗(yàn)結(jié)果表明，所提方法大大提高了機(jī)械系統(tǒng)故障定位的準(zhǔn)確率。3.3 大數(shù)據(jù)大數(shù)據(jù)技術(shù)是繼移動(dòng)互聯(lián)網(wǎng)和云計(jì)算技術(shù)的一個(gè)顛覆性的信息技術(shù)，它可以讓我們有一些數(shù)量巨大，種類繁多，高價(jià)值，低密度，快速變化的有效數(shù)據(jù)，低成本的存款取，檢索，分類，流量統(tǒng)計(jì)。但是，這并不認(rèn)為今天我們能夠有效，經(jīng)濟(jì)地理解這些數(shù)據(jù)的巨大價(jià)值是隱藏的，特別是如果這些數(shù)據(jù)是科學(xué)和經(jīng)驗(yàn)的的社會(huì)法律代表了巨大的價(jià)值的意義。幸運(yùn)的是，一些人

9、工智能的理論，更實(shí)用的方法，已開(kāi)始對(duì)大數(shù)據(jù)分析，并且做出了一些令人振奮的結(jié)果。3.4 啟發(fā)式搜索遺傳算法(GeneticAlgorithms,GA)和模擬退火算法(SimulatedAnnealing,SA)是近年來(lái)逐漸上升的兩個(gè)啟發(fā)式搜索，通過(guò)隨機(jī)生成新的解決方案，同時(shí)保留良好的結(jié)果，避免陷入局部最小值，以達(dá)到全局最優(yōu)解或最優(yōu)解附近。遺傳算法是解決優(yōu)化問(wèn)題的數(shù)值字符串集合通過(guò)遺傳算子，即選擇、交叉和變異操作優(yōu)化數(shù)字字符串。SA鄰近區(qū)域產(chǎn)生已知的解決方案的新的解決方案,并逐步減少鄰近區(qū)域的大小，直到接近全局最優(yōu)的解決方案。這兩種方法可以用來(lái)解決任何的目標(biāo)函數(shù)和約束優(yōu)化問(wèn)題。模糊神經(jīng)網(wǎng)絡(luò)在交流伺

10、服系統(tǒng)控制中使用遺傳算法比傳統(tǒng)的PID控制和快速響應(yīng)，錯(cuò)誤小，沒(méi)有沖擊和強(qiáng)烈的伺服性能等。仿真結(jié)果表明，遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)控制器的交流伺服控制系統(tǒng)大大減少響應(yīng)超調(diào)系統(tǒng)，具有良好的抗干擾，伺服性。3.5 深度學(xué)習(xí)機(jī)器學(xué)習(xí)就是機(jī)器自生從周圍環(huán)境中獲取經(jīng)驗(yàn)，表現(xiàn)為在自身已有的知識(shí)上增強(qiáng)自身知識(shí)和能力，與人一樣能夠?qū)W習(xí)未知知識(shí)。機(jī)器學(xué)習(xí)的研究，主要是探究人類的學(xué)習(xí)理論、人腦的思維方式，建立針對(duì)具體任務(wù)的學(xué)習(xí)方式。它在開(kāi)發(fā)高智能機(jī)器上是一個(gè)研究點(diǎn)。人類有條件研究復(fù)雜信息的識(shí)別和處理過(guò)程。用計(jì)算機(jī)實(shí)現(xiàn)環(huán)境與空間的自動(dòng)識(shí)別，包括文字、聲音、人物、物體等等；開(kāi)發(fā)智能機(jī)器的突破口也是，也能為認(rèn)識(shí)自身智能提供

11、信息和依據(jù)。環(huán)境與空間的識(shí)別是信息的識(shí)別和處理過(guò)程的一個(gè)重要技術(shù)支持。4人工智能的應(yīng)用4.1 符號(hào)計(jì)算符號(hào)計(jì)算是指解碼數(shù)學(xué)表達(dá)式、方程時(shí)，而不是數(shù)值點(diǎn)的離散化，而是通過(guò)一系列的身份和數(shù)學(xué)定理的，由推理和計(jì)算的分析結(jié)果。此計(jì)算是基于數(shù)值完全準(zhǔn)確的表達(dá)及嚴(yán)格的扣除的基礎(chǔ)上，將得到的準(zhǔn)確的結(jié)果。當(dāng)然，也有不足，產(chǎn)生符號(hào)沒(méi)有額外的屬性的變量x的純的形式(例如，以創(chuàng)建符號(hào)變量x,但沒(méi)有指定其為正，或者它是一個(gè)實(shí)數(shù))。為了與MATLA版本兼容，x=sym('x','unreal')的功能和x=sym('x','clear')一樣。符號(hào)變量符號(hào)

12、變量計(jì)算和分析解決方案優(yōu)勢(shì)不一而足，例如，符號(hào)變量計(jì)算過(guò)程用冗就用冗的代表，而不是一個(gè)特定的近似值3.14或3.14159。同理計(jì)算過(guò)程中自然不對(duì)數(shù)e也就用e表示，而不用其某個(gè)近似值2.71828代替，使用符號(hào)變量可以最大限度減少運(yùn)營(yíng)商由于舍入造成誤差的計(jì)算過(guò)程。符號(hào)變量也便于操作的演示過(guò)程。4.2 模式識(shí)別模式識(shí)別是研究如何使機(jī)器感知，視覺(jué)和聽(tīng)覺(jué)模型識(shí)別的主要研究。如目標(biāo)識(shí)別，地形，影像，字體等。目前模式識(shí)別主要集中在圖形識(shí)別和語(yǔ)音識(shí)別。圖形識(shí)別，如識(shí)別打印和一些手寫文字，虹膜識(shí)別技術(shù)，如指紋。其中檢查白血細(xì)胞和癌細(xì)胞已進(jìn)入實(shí)用階段。各種語(yǔ)音信號(hào)的主要的語(yǔ)音識(shí)別分類。4.3 專家系統(tǒng)專家系統(tǒng)

13、(ExpertSystem,ES)是人工智能的主要分支之一。一個(gè)典型的專家系統(tǒng)由四部分組成：知識(shí)庫(kù)，推理機(jī)，知識(shí)獲取機(jī)制和人機(jī)界面。根據(jù)不同的專家系統(tǒng)的知識(shí)表示方法，可以分為基于規(guī)則和基于專家系統(tǒng)的框架；根據(jù)不同的推理方法，可分為正向推理和向后推理。在由產(chǎn)生式規(guī)則知識(shí)表示，知識(shí)表示方面，一方面，它有利于現(xiàn)有的人工智能語(yǔ)言，而另一方面，它的表達(dá)使得人的心理邏輯，有利于知識(shí)的獲取，為人們接受，使用知識(shí)表達(dá)應(yīng)用框架已經(jīng)越來(lái)越多。在診斷推理，主要表現(xiàn)在邏輯和推理模型的研究，在人工智能領(lǐng)域方面，有很多邏輯推理，廣泛應(yīng)用于模糊邏輯推理的專家系統(tǒng)，以減少對(duì)系統(tǒng)和復(fù)雜性故障機(jī)械系統(tǒng)的診斷可以產(chǎn)生很好的效果。研

14、究和專家系統(tǒng)技術(shù)的應(yīng)用是在機(jī)械工程的許多領(lǐng)域的發(fā)展，故障診斷，仿真，自動(dòng)控制，工藝設(shè)計(jì)，生產(chǎn)計(jì)劃，產(chǎn)品設(shè)計(jì)等前所未有的速度。隨著研究工作的不斷深入，技術(shù)和先進(jìn)制造技術(shù)的一些新的方法集成到機(jī)械工程的研究和專家系統(tǒng)技術(shù)的應(yīng)用，不僅打造知識(shí)表示，知識(shí)庫(kù)，知識(shí)獲取和推理模型的關(guān)鍵技術(shù)等方面的研究取得了一定的成就，也出現(xiàn)了一些新的集成專家系統(tǒng)，如神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，模糊專家系統(tǒng)，基于Internet的專家系統(tǒng)，CAD#家系統(tǒng),CAPM家系統(tǒng)等燃燈的綜合利用率的專家系統(tǒng)的透明度、柔韌性；并具有處理不確定知識(shí)的能力，機(jī)械工程專家系統(tǒng)的更廣泛的應(yīng)用領(lǐng)域的特性。4.4 機(jī)器翻譯協(xié)同翻譯方面，翻譯是機(jī)器翻譯，顧名思

15、義，這里的對(duì)象一般是指英文的中文自然語(yǔ)言。通常，未能翻譯分為兩個(gè)階段一是“語(yǔ)言”的理解，第二種是“生成翻譯”。成功的翻譯家，當(dāng)然需要善于原文譯文：語(yǔ)言與語(yǔ)言，更重要的是理解內(nèi)容。第一次實(shí)質(zhì)性的機(jī)會(huì)，因此研究協(xié)同翻譯方面遠(yuǎn)遠(yuǎn)超過(guò)了計(jì)算機(jī)處理語(yǔ)言的范圍而是人工智能研究的中介目標(biāo)。事實(shí)上，也可以說(shuō)是協(xié)同翻譯方面50年研究中唯一的自然語(yǔ)言處理的一個(gè)領(lǐng)域的實(shí)用化。協(xié)同翻譯方面一般分為三種方式：轉(zhuǎn)換方式，中間語(yǔ)言方式和直接的方式。所謂轉(zhuǎn)換方式，首先，分析原文，原文的語(yǔ)法構(gòu)造乃至語(yǔ)義結(jié)構(gòu)。然后，事先準(zhǔn)備的轉(zhuǎn)換規(guī)則將原文的結(jié)構(gòu)重組的成長(zhǎng)目標(biāo)的原因已經(jīng)，最后生成。所謂中間語(yǔ)言方式，是原語(yǔ)言文章轉(zhuǎn)化為了分析，任何

16、語(yǔ)言的概念結(jié)構(gòu)，然后直接特別是概念結(jié)構(gòu)生成目標(biāo)語(yǔ)言，所謂直接方式，分析前的語(yǔ)言一起去生成目標(biāo)語(yǔ)言，這種方式結(jié)構(gòu)的中心。5人工智能存在的問(wèn)題早在計(jì)算機(jī)誕生的初期，就提出了用計(jì)算機(jī)完成智能翻譯的想法，由此可知任內(nèi)對(duì)智能的研究具有悠遠(yuǎn)的歷史。但是人類在智能的研究方面遇到諸多的瓶頸，目前所面臨的問(wèn)題主要有機(jī)器翻譯、人工智能的安全問(wèn)題等。5.1 機(jī)器翻譯所面臨的問(wèn)題機(jī)器翻譯所面臨的問(wèn)題仍然是翻譯準(zhǔn)確率不高。歧義性問(wèn)題一直存在，是自然語(yǔ)言理解中的一大難關(guān)。就以漢語(yǔ)為例，同一個(gè)意思可一用幾種甚至幾十種不同的語(yǔ)句表達(dá)，同樣句子在不同的情況下使用，也擁有不同的含義。所以，要消除歧義就要對(duì)句子的構(gòu)成進(jìn)行科學(xué)規(guī)劃，

17、對(duì)每一個(gè)句子進(jìn)行科學(xué)的分析，找出造成歧義的詞語(yǔ)，并且分析這些詞語(yǔ)在句中導(dǎo)的準(zhǔn)確含義。另外，即便對(duì)原文有了一定的理解，機(jī)器理解語(yǔ)句的含義也不一定準(zhǔn)確，而且理解的意義在機(jī)器上變現(xiàn)出來(lái)也存在問(wèn)題。目前的機(jī)器不能像人一樣在時(shí)間上增加理解力，沒(méi)有學(xué)習(xí)，沒(méi)有記憶，沒(méi)有歸納。造成這種結(jié)果的原因是計(jì)算機(jī)本身硬件和軟件問(wèn)題?，F(xiàn)在自然語(yǔ)言理解的研究技術(shù)很不完整，大多數(shù)研究被關(guān)在語(yǔ)言這一領(lǐng)域里，并沒(méi)有對(duì)人類的理解問(wèn)題做深入研究。5.2 人工智能的安全問(wèn)題人工智能任然在探究的初期階段，有人認(rèn)為如果讓機(jī)器像人一樣智能，是很危險(xiǎn)的。這樣機(jī)器可能反抗人類，原因有很多可能是機(jī)器會(huì)像人一樣犯罪，對(duì)人的統(tǒng)治發(fā)起反抗，而且有可能會(huì)

18、統(tǒng)治人類，當(dāng)然人類是不會(huì)允許這種時(shí)間發(fā)生的。這種人工智能的安全問(wèn)題在很多部科幻電影中都展現(xiàn)過(guò)，最主要的是同不同意讓人工智能擁有自主意識(shí)，如果使人工智能擁有自主意識(shí)，也就意味著機(jī)器具有與人同等的創(chuàng)造性、自我保護(hù)思想、情感和自發(fā)行為。6人工智能的前景及展望從智能手機(jī)、自動(dòng)駕駛汽車到醫(yī)療機(jī)器人，人工智能革命已經(jīng)到來(lái)。人工智能讓互聯(lián)網(wǎng)搜索更加靈敏；將文本從一種語(yǔ)言翻譯成另一種語(yǔ)言；在擁擠的交通中推薦最暢通的線路；幫助識(shí)別信用卡詐騙等。雖然很多時(shí)候我們甚至沒(méi)有意識(shí)到它的存在，但我們的生活卻因它悄悄改變。人們總是趨向于安逸的生活，人工智能的出現(xiàn)滿足了人們?cè)S多的需求，這會(huì)導(dǎo)致人們滿足于享受當(dāng)前的生活而忘記許多自己的本能。但人們還得需要用自己的雙手去創(chuàng)造物質(zhì)文明，過(guò)度的依賴人工智能設(shè)備會(huì)讓我們意志力淡泊，喪失生活的樂(lè)趣，如果能把智能設(shè)備用到改善人們生活方式，提高生活質(zhì)量的領(lǐng)域去，不管是社會(huì)資源的提供者、生產(chǎn)者還是消費(fèi)者都會(huì)從中受益。7結(jié)束語(yǔ)現(xiàn)階段人工智能在專家系統(tǒng)，智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，智能控制，機(jī)器人學(xué)等方面都有許多的應(yīng)用，并且范圍越來(lái)越廣，人們也越來(lái)越依賴這些發(fā)明，但這些技術(shù)都希望能更好的去應(yīng)用服務(wù)育人，促進(jìn)科學(xué)發(fā)展朝著一個(gè)積極的目標(biāo)邁進(jìn)，雖然看似都是科學(xué)發(fā)展的，但是我們得注意其使用的度，人還是需