人工智能調(diào)查報(bào)告

1、關(guān)于人工智能的調(diào)查報(bào)告目錄 TOC o 1-5 h z 前 言2 HYPERLINK l bookmark5 o Current Document 一、人工智能的定義 3 HYPERLINK l bookmark7 o Current Document 二、人工智能的研究發(fā)展階段 3 HYPERLINK l bookmark9 o Current Document 三、人工智能的研究方法 4四、人工智能在人類生活中的應(yīng)用 5 HYPERLINK l bookmark11 o Current Document 五、人工智能發(fā)展的利 6六、人工智能發(fā)展的弊 7七、人工智能的影響 7八、人工智能的研

2、究熱點(diǎn) 7九、人工智能的研究價(jià)值 8十、展望人工智能8總 結(jié)9、人刖百通過這段時(shí)間對人工智能的調(diào)查、研究、學(xué)習(xí)，我對人工智能有了更深的認(rèn)識。我理解的人工智能就是對人的意識、思維的信息過程的模擬。 人工智能不是人的智能， 但能像人那樣思考、也可能超過人的智能。人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）.也被認(rèn)為是二十一世紀(jì)三大尖端技術(shù)（基因工程、納米科學(xué)、人工智能）之一。這是因?yàn)榻陙硭@得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個(gè)獨(dú)立的分支，無論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng).

3、人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò) 大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。 并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系 統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。人工智能是研究使計(jì)算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能 的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。一、人工智能的定義人工智能的定義可以分為兩部分，即“人工”和“智能 。人工”比較好理解，爭議性 也不大。有時(shí)我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工

4、智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。1 關(guān)于什么是“智能，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS自我（SELF）、思維（MIND （包括無意識的思維（UNCONSCIOUS_MIND等等問題。人唯一了解的 智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn).但是我們對我們自身智能的理解都非常有限，對構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能” 了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關(guān)于動物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。人工智能是研究使計(jì)算機(jī)來模擬人的某些思維過程和智能行為（

5、如學(xué)習(xí)、推理、思考、 規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算 機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用.著名的美國斯坦福大學(xué)人工智能研究中心尼爾遜教授對人工智能 下了這樣一個(gè)定義：“人工智能是關(guān)于知識的學(xué)科一一怎樣表示知識以及怎樣獲得知識并使 用知識的科學(xué)。”而另一個(gè)美國麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容.即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何 讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類

6、某些智能行為的基本理論、方法和技術(shù)二、人工智能的研究發(fā)展階段（一）第一階段：50年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機(jī)器定理證明、跳棋程序、 通用問題s求解程序、LISP表處理語言等。但由于消解法推理能力的有限，以及機(jī)器翻譯 等的失敗，使人工智能走入了低谷.這一階段的特點(diǎn)是：重視問題求解的方法，忽視知識重要性.（二）第二階段:60年代末到70年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮DENDRAlLt學(xué)質(zhì)譜分析系統(tǒng)、MYCIN疾病診斷和治療系統(tǒng)、PROSPECTIO陳礦系統(tǒng)、Hearsay-II語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實(shí)用化

7、.并且，1969年成立了國際人工智能聯(lián)合會議第三階段:80年代，隨著第五代計(jì)算機(jī)的研制，人工智能得到了很大發(fā)展。日本1982年開始了 第五代計(jì)算機(jī)研制計(jì)劃，即知識信息處理計(jì)算機(jī)系統(tǒng) KIPS”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。雖然此計(jì)劃最終失敗，但它的開展形成 了一股研究人工智能的熱潮 .（三）第三階段：80年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展1987年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會議，宣告了這一新學(xué)科的誕生。此后，各國在 神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。（四）第四階段:90年代，人工智能出現(xiàn)新的研究高潮由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)的技術(shù)發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于

8、網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標(biāo)的分布式問題求解，而且研究Hopfield 多層神經(jīng)多個(gè)智能主體的多目標(biāo)問題求解，將人工智能更面向?qū)嵱?。另外，由于人工智能已深入到社網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。 會生活的各個(gè)領(lǐng)域.三、人工智能的研究方法如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭論。其中幾個(gè)長久以來仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能？或者像鳥類生物學(xué)對于航空工程一樣，人類生物學(xué)對于人工智能研究是沒有關(guān)系的？智能行為能否用簡單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關(guān)的問題？智能是否可以使用

9、高級符號表達(dá)，如詞和想法？還是需要“子符號”的處理？JOHNHAUGELAND出了 GOFA出色的老式人工智能） 的概念，也提議人工智能應(yīng)歸類為 SYNTHETIC INTELLIGENCE這個(gè)概念后來被某些非GOFAI研究者采納。（一）大腦模擬主條目：控制論和計(jì)算神經(jīng)科學(xué)20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué) ，信息理論及控制論之間的聯(lián)系 . 其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W GREY WALTER勺TURTLES JOHNSHOPKINSBEAST這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIOCLUB行技術(shù)協(xié)會會議。直到1960大部分人已經(jīng)放棄這個(gè)方法，盡管在8

10、0年代再次提出這些原理.（二）符號處理主條目：GOFAI當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開始探索人類智能是否能簡化成符號 處理。研究主要集中在卡內(nèi)基梅隆大學(xué)，斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND這些方法為 GOFAI（出色的老式人工智能）。60年代，符號方法在 小型證明程序上模擬高級思考有很大的成就?；诳刂普摶蛏窠?jīng)網(wǎng)絡(luò)的方法則置于次要.6070年代的研究者確信符號方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特 西蒙和艾倫紐厄爾研究人類問題解決能力和嘗試將其形式 化，同時(shí)他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ)

11、，如認(rèn)知科學(xué)，運(yùn)籌學(xué)和經(jīng)營科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來，并在80年代于SOARt展到高峰。基于邏輯不像艾倫紐厄爾和赫伯特西蒙，JOHNMCCARTHY為機(jī)器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的 本質(zhì)，不管人們是否使用同樣的算法.他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問題，包括知識表示，智能規(guī)劃和機(jī)器學(xué)習(xí).致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語言PROLOG邏輯編程科學(xué)?！胺催壿嫛彼固垢４髮W(xué)的研究者（如馬文閔斯基和西摩爾派普特）發(fā)現(xiàn)要解決計(jì)算機(jī)視覺和自然語言處理的困

12、難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGERSCHANK苗述他們的“反邏輯”方法為 SCRUFFY。常識知識庫（如DOUG LENAT勺CYC就 是“ SCRUFFYAI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉懸粋€(gè)復(fù)雜的概念。基于知識大約在1970年出現(xiàn)大容量內(nèi)存計(jì)算機(jī)，研究者分別以三個(gè)方法開始把知識構(gòu)造成應(yīng)用軟件。這場“知識革命”促成專家系統(tǒng)的開發(fā)與計(jì)劃，這是第一個(gè)成功的人工智能軟件形式。“知識革命”同時(shí)讓人們意識到許多簡單的人工智能軟件可能需要大量的知識（三）子符號法80年代符號人工智能停滯不前，很多人認(rèn)為符號系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知4過

13、程，特別是感知，機(jī)器人，機(jī)器學(xué)習(xí)和模式識別。很多研究者開始關(guān)注子符號方法解決特 定的人工智能問題。自下而上，接口 AGENT嵌入環(huán)境（機(jī)器人），行為主義，新式 AI機(jī)器人領(lǐng)域相關(guān)的研 究者，如RODNEYROOKS否定符號人工智能而專注于機(jī)器人移動和求生等基本的工程問題.他們的工作再次關(guān)注早期控制論研究者的觀點(diǎn)，同時(shí)提出了在人工智能中使用控制理論.這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的：更高的智能需要個(gè)體的表征（如移動，感知和形象）.計(jì)算智能80年代中DAVID RUMELHAR等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義 .這和其他的 子符號方法，如模糊控制和進(jìn)化計(jì)算，都屬于計(jì)算智能學(xué)科研究范疇。（三）統(tǒng)

14、計(jì)學(xué)法90年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來解決特定的分支問題。這些工具是真 正的科學(xué)方法，即這些方法的結(jié)果是可測量的和可驗(yàn)證的，同時(shí)也是人工智能成功的原因。 共用的數(shù)學(xué)語言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟(jì)或運(yùn)籌學(xué)）。STUART J. RUSSELL和PETER NORVIG旨出這些進(jìn)步不亞于“革命”和 NEATS勺成功”。有人批評這些技術(shù)太專注 于特定的問題，而沒有考慮長遠(yuǎn)的強(qiáng)人工智能目標(biāo)。（四）集成方法智能AGEN破式智能AGENTS一個(gè)會感知環(huán)境并作出行動以達(dá)致目標(biāo)的系統(tǒng)。最簡單的智能AGENT!那些可以解決特定問題的程序。更復(fù)雜的AGEN包括人類和人類組織（如公司）。這些范式

15、可以讓研究者研究單獨(dú)的問題和找出有用且可驗(yàn)證的方案，而不需考慮單一的方 法。一個(gè)解決特定問題的 AGENTT以使用任何可行的方法一一些AGENT1符號方法和邏輯方法，一些則是子符號神經(jīng)網(wǎng)絡(luò)或其他新的方法.范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語言-一如決策論和經(jīng)濟(jì)學(xué)（也使用 ABSTRACAGENTS勺概念）。90年代智能 AGENT 范式被廣泛接受。AGENT體系結(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計(jì)出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENTS間的相互作用。一個(gè)系統(tǒng)中包含符號和子符號部分的系統(tǒng)稱為混合智能 系統(tǒng)，而對這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級控制系統(tǒng)則給反應(yīng)級別的子符號

16、AI和最高級別的傳統(tǒng)符號 AI提供橋梁，同時(shí)放寬了規(guī)劃和世界建模的時(shí)間。RODNEBROOKS的SUBSUMPTION ARCHITECTURE一個(gè)早期的分級系統(tǒng)計(jì)劃。四、人工智能在人類生活中的應(yīng)用目前人工智能應(yīng)用人工智能是在計(jì)算機(jī)科學(xué)、控制論、信息論、心理學(xué)、 語言學(xué)等多種學(xué)科相互滲透的基礎(chǔ)發(fā)展起來的一門新興邊緣學(xué)科，主要研究用機(jī)器（主要是計(jì)算機(jī)）來模仿和實(shí)現(xiàn)人類的智能行為，經(jīng)過幾十年的發(fā)展，人工智能應(yīng)用在不少領(lǐng)域得到發(fā)展。日前 “AI+”已經(jīng)成為公式，發(fā)展至今，下面是人工智能應(yīng)用最多的幾大場景。（一）家居智能家居主要是基于物聯(lián)網(wǎng)技術(shù)，通過智能硬件、軟件系統(tǒng)、云計(jì)算平臺構(gòu)成一套完整的家居生態(tài)

17、圈。用戶可以進(jìn)行遠(yuǎn)程控制設(shè)備，設(shè)備間可以互聯(lián)互通，并進(jìn)行自我學(xué)習(xí)等，來整體優(yōu)化家居環(huán)境的安全性、節(jié)能性、便捷性等。值得一提的是，近兩年隨著智能語音技術(shù)的發(fā)展，智能音箱成為一個(gè)爆發(fā)點(diǎn)。小米、天貓、 Rokid等企業(yè)紛紛推出自身的智能音箱，不僅成功打開家居市場，也為未來更多的智能家居用品培養(yǎng)了用戶習(xí)慣。但目前家居市場智 能產(chǎn)品種類繁雜，如何打通這些產(chǎn)品之間的溝通壁壘，以及建立安全可靠的智能家居服務(wù)環(huán)境，是該行業(yè)下一步的發(fā)力點(diǎn)。（二）零售人工智能在零售領(lǐng)域的應(yīng)用已經(jīng)十分廣泛，無人便利店、智慧供應(yīng)鏈、客流統(tǒng)計(jì)、無人倉/無人車等等都是的熱門方向.京東自主研發(fā)的無人倉采用大量智能物流機(jī)器人進(jìn)行協(xié)同 與配合

18、，通過人工智能、深度學(xué)習(xí)、圖像智能識別、大數(shù)據(jù)應(yīng)用等技術(shù)，讓工業(yè)機(jī)器人可以進(jìn)行自主的判斷和行為， 完成各種復(fù)雜的任務(wù)， 在商品分揀、運(yùn)輸、出庫等環(huán)節(jié)實(shí)現(xiàn)自動化. 圖普科技則將人工智能技術(shù)應(yīng)用于客流統(tǒng)計(jì)，通過人臉識別客流統(tǒng)計(jì)功能，門店可以從性別、年齡、表情、新老顧客、滯留時(shí)長等維度建立到店客流用戶畫像，為調(diào)整運(yùn)營策略提供數(shù)據(jù) 基礎(chǔ)，幫助門店運(yùn)營從匹配真實(shí)到店客流的角度提升轉(zhuǎn)換率。（三）交通智能交通系統(tǒng)是通信、信息和控制技術(shù)在交通系統(tǒng)中集成應(yīng)用的產(chǎn)物.ITS應(yīng)用最廣泛的地區(qū)是日本，其次是美國、歐洲等地區(qū)。目前，我國在ITS方面的應(yīng)用主要是通過對交通中的車輛流量、行車速度進(jìn)行采集和分析，可以對交通進(jìn)

19、行實(shí)施監(jiān)控和調(diào)度，有效提高通行能力、簡化交通管理、降低環(huán)境污染等。（四）醫(yī)療目前，在垂直領(lǐng)域的圖像算法和自然語言處理技術(shù)已可基本滿足醫(yī)療行業(yè)的需求，市場上出現(xiàn)了眾多技術(shù)服務(wù)商，例如提供智能醫(yī)學(xué)影像技術(shù)的德尚韻興，研發(fā)人工智能細(xì)胞識別 醫(yī)學(xué)診斷系統(tǒng)的智微信科，提供智能輔助診斷服務(wù)平臺的若水醫(yī)療，統(tǒng)計(jì)及處理醫(yī)療數(shù)據(jù)的易通天下等。盡管智能醫(yī)療在輔助診療、疾病預(yù)測、醫(yī)療影像輔助診斷、藥物開發(fā)等方面發(fā)揮重要作用，但由于各醫(yī)院之間醫(yī)學(xué)影像數(shù)據(jù)、電子病歷等不流通，導(dǎo)致企業(yè)與醫(yī)院之間合作不透明等問題，使得技術(shù)發(fā)展與數(shù)據(jù)供給之間存在矛盾。（五）教育科大訊飛、乂學(xué)教育等企業(yè)早已開始探索人工智能在教育領(lǐng)域的應(yīng)用。通

20、過圖像識別， 可以進(jìn)行機(jī)器批改試卷、識題答題等；通過語音識別可以糾正、改進(jìn)發(fā)音；而人機(jī)交互可以進(jìn)行在線答疑解惑等。AI和教育的結(jié)合一定程度上可以改善教育行業(yè)師資分布不均衡、費(fèi) 用高昂等問題，從工具層面給師生提供更有效率的學(xué)習(xí)方式，但還不能對教育內(nèi)容產(chǎn)生較多 實(shí)質(zhì)性的影響。（六）物流物流行業(yè)通過利用智能搜索、推理規(guī)劃、計(jì)算機(jī)視覺以及智能機(jī)器人等技術(shù)在運(yùn)輸、倉儲、配送裝卸等流程上已經(jīng)進(jìn)行了自動化改造，能夠基本實(shí)現(xiàn)無人操作。比如利用大數(shù)據(jù)對商品進(jìn)行智能配送規(guī)劃，優(yōu)化配置物流供給、需求匹配、物流資源等。目前物流行業(yè)大部 分人力分布在“最后一公里”的配送環(huán)節(jié)，京東、蘇寧、菜鳥爭先研發(fā)無人車、無人機(jī)，力求

21、搶占市場機(jī)會.（七）安防近些年來，中國安防監(jiān)控行業(yè)發(fā)展迅速，視頻監(jiān)控?cái)?shù)量不斷增長，在公共和個(gè)人場景監(jiān)控 攝像頭安裝總數(shù)已經(jīng)超過了 1。75億。而且，在部分一線城市，視頻監(jiān)控已經(jīng)實(shí)現(xiàn)了全覆蓋。 不過，相對于國外而言，我國安防監(jiān)控領(lǐng)域仍然有很大成長空間。五、人工智能發(fā)展的利目前人工智能已經(jīng)為人類創(chuàng)造出了非?？捎^的經(jīng)濟(jì)效益，人工智能可以代替人類做大量人類不想做、不能做的工作，而且機(jī)器犯錯(cuò)誤的概率比人低，并且能夠持續(xù)工作， 大大的提升工作效率，節(jié)約了大量的成本，未來的人工智能可能還會代替人類工作，代替人類做家務(wù)，幫助人類學(xué)習(xí)，甚至可以照顧老人和小孩，實(shí)時(shí)監(jiān)護(hù)人類的健康，生病了直接給人來治療， 延長人類

22、的壽命，讓人類的生活變得越來越美好六、人工智能發(fā)展的弊科技的發(fā)展是一把雙刃劍， 汽車分發(fā)明顛覆了傳統(tǒng)的馬車行業(yè)，人工智能的發(fā)展同樣也將顛覆許多行業(yè)。機(jī)器人代替了許多人類的工作將導(dǎo)致大量的人口失業(yè)，機(jī)器新的學(xué)習(xí)速度遠(yuǎn)遠(yuǎn)快于人類，阿爾法狗戰(zhàn)勝李世石引起人們的恐慌，有人說不怕阿爾法狗戰(zhàn)勝李世石，怕的是阿爾法夠故意輸?shù)粢痪郑绻磥淼哪骋惶?，機(jī)器人變成像電影機(jī)械姬中有意識的機(jī)器人，那么人類隨時(shí)會變成機(jī)器人的奴隸，同時(shí)，人工智能面臨著技術(shù)失控的危險(xiǎn)，霍金曾發(fā)出警告，人類面臨一個(gè)不確定的未來，先進(jìn)的人工智能設(shè)備能夠獨(dú)立思考 ，并適應(yīng)環(huán)境變 化，它們未來或?qū)⒊蔀閷?dǎo)致人類滅亡的終結(jié)者！如果真的有一天，人工智能

23、機(jī)器人變成了能獨(dú)立思考，獨(dú)立的做出準(zhǔn)確的判斷，一旦有一天人工智能反客為主，到時(shí)人工智能對于人類將會是毀滅性的災(zāi)難。甚至被人工智能消滅.地球?qū)⒈蝗斯ぶ悄芙y(tǒng)治.七、人工智能的影響（一）人工智能對自然科學(xué)的影響。在需要使用數(shù)學(xué)計(jì)算機(jī)工具解決問題的學(xué)科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類最終認(rèn)識自身智能的形成。（二）人工智能對經(jīng)濟(jì)的影響。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益.AI也促進(jìn)了計(jì)算機(jī)工業(yè)網(wǎng)絡(luò)工業(yè)的發(fā)展。但同時(shí)，也帶來了勞務(wù)就業(yè)問題。由于AI在科技和工程中的應(yīng)用，能夠代替人類進(jìn)行各種技術(shù)工作和腦力勞動，會造成社會結(jié)構(gòu)的劇烈變化。（三）工智能對社會的影響。 AI也為人

24、類文化生活提供了新的模式.現(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開發(fā)中。八、人工智能的研究熱點(diǎn)（一）智能接口。智能接口技術(shù)是研究如何使人們能夠方便自然地與計(jì)算機(jī)交流。為了 實(shí)現(xiàn)這一目標(biāo)，要求計(jì)算機(jī)能夠看懂文字、聽懂語言、說話表達(dá)，甚至能夠進(jìn)行不同語言之間的翻譯，而這些功能的實(shí)現(xiàn)又依賴于知識表示方法的研究。因此，智能接口技術(shù)的研究既有巨大的應(yīng)用價(jià)值，又有基礎(chǔ)的理論意義.目前，智能接口技術(shù)已經(jīng)取得了顯著成果，文字識別、語音識別、語音合成、圖像識別、機(jī)器翻譯以及自然語言理解等技術(shù)已經(jīng)開始實(shí)用化。（二）數(shù)據(jù)才掘.數(shù)據(jù)挖掘就是從大量的、不

25、完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際 應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。 數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強(qiáng)大的技術(shù)支柱：數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計(jì).主要研究內(nèi)容包括基礎(chǔ)理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉庫、可視化技術(shù)、定性定量互換模 型、知識表示方法、發(fā)現(xiàn)知識的維護(hù)和再利用、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的知識發(fā)現(xiàn)以及 網(wǎng)上數(shù)據(jù)挖掘等。（三）主體及多主體系統(tǒng).主體是具有信念、愿望、意圖、能力、選擇、承諾等心智狀 態(tài)的實(shí)體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨(dú)立 地完成任務(wù)，而且可以和環(huán)境交互，與其他主體通信，通過規(guī)劃達(dá)到目

26、標(biāo)。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個(gè)主體之間進(jìn)行協(xié)調(diào)智能行為，最終實(shí)現(xiàn)問題求解.多主體系統(tǒng)試圖用主體來模擬人的理性行為，主要應(yīng)用在對現(xiàn)實(shí)世界和社會的模擬、機(jī)器人以及智能機(jī)械等領(lǐng)域。目前對主體和多主體系統(tǒng)的研究主要集中在主體和多主體理論、主體的體系結(jié)構(gòu)和組織、主體語言、 主體之間的協(xié)作和協(xié)調(diào)、通信和交互技術(shù)、多主體學(xué)習(xí)以及多主體系統(tǒng)應(yīng)用等方面。技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會向以下幾個(gè)方面發(fā)展：模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。九、人工智能的研究價(jià)值繁重的科學(xué)和工程計(jì)算本來是要人腦來承擔(dān)的，

27、如今計(jì)算機(jī)不但能完成這種計(jì)算 ，而且能夠比人腦做得更快、更準(zhǔn)確，因此當(dāng)代人已不再把這種計(jì)算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”，可見復(fù)雜工作的定義是隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能 這門科學(xué)的具體目標(biāo)也自然隨著時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。通常，“機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計(jì)學(xué)”、“信息論”和“控制論”。還包括其他非數(shù) 學(xué)學(xué)科.這類“機(jī)器學(xué)習(xí)”對“經(jīng)驗(yàn)”的依賴性很強(qiáng).計(jì)算機(jī)需要不斷從解決一類問題的經(jīng)驗(yàn) 中獲取知識，學(xué)習(xí)策略，在遇到類似的問題時(shí)，運(yùn)用經(jīng)驗(yàn)知識解決問題并積累新的經(jīng)驗(yàn)，就 像普通人一樣。我們可以將這樣的學(xué)習(xí)方式稱之為“連續(xù)型學(xué)習(xí)”。但人類除了會從經(jīng)驗(yàn)中學(xué)習(xí)之外，還會創(chuàng)造，即“跳躍型學(xué)習(xí)”。這在某些情形下被稱為“靈感 ”或頓悟”。一直以來，計(jì)算機(jī)最難學(xué)會的就是“頓悟”?；蛘咴賴?yán)格一些來說，計(jì)算機(jī)在學(xué)習(xí)和“實(shí)踐”方面 難以學(xué)會“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個(gè)“概 念直接到另一個(gè)“概念”。正因?yàn)槿绱?，這里的“實(shí)踐”并非同人類一樣的實(shí)踐。人類的實(shí) 踐過程同時(shí)包括經(jīng)驗(yàn)和創(chuàng)造。這是智能化研究者夢寐以求的東西。2013年，帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員So C WANGF發(fā)了一種新的數(shù)據(jù)分析