廣州科技職業(yè)技術(shù)大學自動化工程學院 羅國榮

近年來，隨著社會生產(chǎn)和社會服務(wù)的需求，人工智能也成為學者研究的熱點之一。本文首先介紹人工智能的概念，梳理人工智能發(fā)展歷程；其次，概括人工智能產(chǎn)業(yè)生態(tài)及關(guān)鍵技術(shù)。

人工智能是包含計算機、生物、數(shù)學、思維、邏輯、控制等多學科的一門新科學，目的是計算機或者機器能像人類一樣能進行思考和學習，并完成需要人類智能才能完成相關(guān)的工作任務(wù)，如人類的語言識別、圖片識別、無人駕駛、工業(yè)機器人等。它是拓展人類的感知和思維的一種方式，是人工制造出來的計算機系統(tǒng)，主要用于提高人類社會生產(chǎn)效率和人類社會生活水平。目前，人工智能在許多領(lǐng)域取得了顯著的成績。

1 人工智能的發(fā)展歷史

人們對人工智能的研究到目前為止已經(jīng)有60多年的歷史了，其發(fā)展過程曲折，有起有伏。1950年阿蘭·圖靈提出了一個“圖靈測試”，為人工智能的思維方式展奠定了良好的基礎(chǔ)；1956年，約翰·麥卡錫在達特茅斯學院提出了“人工智能”一詞，正式確立了AI這一術(shù)語，隨后人工智能得到較快的發(fā)展。但發(fā)展到70年代，由于當時的計算機性能不足、數(shù)據(jù)少，復(fù)雜問題難以解決等原因，導(dǎo)致人工智能的研究學者失去信心，發(fā)展一度停滯不前，時間長達6年。直到1980年，卡內(nèi)基梅隆大學開發(fā)了以人工智能為基礎(chǔ)的“專家系統(tǒng)”，并成功應(yīng)用于商業(yè)，又點燃了研究學者對人工智能的希望，進入一段平穩(wěn)發(fā)展階段。1997年，由于計算機技術(shù)和數(shù)據(jù)獲取的快速發(fā)展，使得計算和數(shù)據(jù)獲取能力大幅提升，促進了人工智能的發(fā)展，IBM以人工智能技術(shù)開發(fā)的計算機系統(tǒng)“深藍”戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，引起了人們的極大關(guān)注，這一年被認為是人工智能發(fā)展的一個重要里程，之后人工智能的發(fā)展進入了快車道，加入人工智能的研究人員越來越多，開啟了人類對人工智能的新一輪探索。

2 人工智能產(chǎn)業(yè)及關(guān)鍵技術(shù)

人工智能可分為運算智能、感知智能、認知智能三個階段。運算智能主要是算法與數(shù)據(jù)庫相結(jié)合，使得機器開始像人類一樣會計算和傳遞信息；感知智能是數(shù)據(jù)庫與淺層學習算法結(jié)合，使得機器能看懂和聽懂，并做出判斷、采取行動；認知智能使得機器能夠像人一樣思考，主動采取行動。人工智能涉及的面廣，其產(chǎn)業(yè)鏈結(jié)構(gòu)劃分為AI基礎(chǔ)技術(shù)層、AI技術(shù)層和AI應(yīng)用層。

基礎(chǔ)技術(shù)層涉及數(shù)據(jù)資源的獲取、計算能力的提升和計算機硬件平臺性能的提高。數(shù)據(jù)資源獲取是人工智能機器學習訓(xùn)練的基本素材，獲取數(shù)據(jù)并學習數(shù)據(jù)，使機器不斷地積累經(jīng)驗，智力不斷地貼近人類。數(shù)據(jù)資源需要物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的支持，物聯(lián)網(wǎng)領(lǐng)域涉及傳感器技術(shù)和數(shù)據(jù)通信技術(shù)，傳感器技術(shù)為人類獲取可利用的數(shù)據(jù)提供了便利，使得數(shù)據(jù)得以爆炸式增長；數(shù)據(jù)通信技術(shù)特別是5G無線技術(shù)的發(fā)展，為數(shù)據(jù)的傳輸提供了堅實的基礎(chǔ)。而大數(shù)據(jù)技術(shù)領(lǐng)域可細分為數(shù)據(jù)采集、數(shù)據(jù)規(guī)范、數(shù)據(jù)安全、數(shù)據(jù)儲存與管理、數(shù)據(jù)分析與挖掘、數(shù)據(jù)運維和數(shù)據(jù)運用等七個方面，在數(shù)據(jù)的存儲、分析方面直到重要的作用。

計算能力與計算機硬件密切相關(guān)，硬件資源包括芯片研發(fā)、存儲設(shè)備開發(fā)等。其中，芯片是運算能力的核心，目前芯片廠家都在大力發(fā)展AI芯片，其中AI芯片主要類型有GPU、FPGA、ASIC和類人腦芯片四種。

AI技術(shù)層主要是研究人工智能框架與算法。其中框架有TensorFlow，Caffe，Theano，Torch，DMTK，DTPAR，ROS等框架。人工智能算法按照學習方式的不同，可分為傳統(tǒng)機器算法和機器學習算法，其中傳統(tǒng)機器算法是一種由人工編程和邏輯計算的算法，受控于程序的設(shè)計，不具備適應(yīng)外部變化的能力，是一種弱人工智能。而機器學習算法又可細分為監(jiān)督式學習、非監(jiān)督式學習、強化學習等算法。人工智能算法的關(guān)系如圖1所示。

圖1 人工智能算法的關(guān)系

監(jiān)督式學習算法根據(jù)已知的輸入數(shù)據(jù)集和已知的數(shù)據(jù)響應(yīng)結(jié)果訓(xùn)練模型，讓模型調(diào)整自身的參數(shù)達到最佳的狀態(tài)，并能夠根據(jù)新的輸入數(shù)據(jù)對未來的輸出響應(yīng)合理的預(yù)測。這種算法需要對輸入數(shù)據(jù)集進行標識，通過標識讓輸入數(shù)據(jù)與輸出響應(yīng)進行關(guān)聯(lián)，其可采用分類和回歸技術(shù)開發(fā)預(yù)測模型。如圖2所示。分類技術(shù)主要是針對具有離散特性的輸入數(shù)據(jù)，這類算法有決策樹、支持向量機、貝葉斯、K-近鄰算法、邏輯回歸、隨機森林等?；貧w技術(shù)則是針對具有連續(xù)特性的輸入數(shù)據(jù)，這類算法有線性回歸、最小二乘回歸、Loess局部回歸、神經(jīng)網(wǎng)絡(luò)等。

圖2 機器學習

無監(jiān)督學習是從未知的輸入數(shù)據(jù)集中挖掘數(shù)據(jù)集中隱藏的模式或內(nèi)在結(jié)構(gòu)，不需要對輸入數(shù)據(jù)集進行標識，其算法主要包括聚類和降維算法。聚類是通過探索性數(shù)據(jù)分析發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式或分組。降維是將原數(shù)據(jù)的特征空間的維度減小，以達到去除數(shù)據(jù)冗余、降低數(shù)據(jù)計算量和提高識別精度的目的。深度學習是機器學習的一個特殊分支，它模擬人類人腦神經(jīng)網(wǎng)絡(luò)，不需要手動輸入數(shù)據(jù)的相關(guān)特征進行建模。常見的算法模型有卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和深度Q網(wǎng)絡(luò)。

強化學習也是機器學習的一個特殊分支，它采用的是獎勵懲罰機制，輸入數(shù)據(jù)作為對模型的反饋，檢查模型的對錯，對就獎勵，錯就懲罰，模型作出調(diào)整后，再利用輸入數(shù)據(jù)進行下一輪的對錯檢查，循環(huán)迭代。從而提高模型的準確度。其常見算法包括Q-Learning以及時間差學習（Temporal difference learning）。

人工智能按應(yīng)用技術(shù)類型可分為計算機視覺、機器學習、自然語言處理和機器人。

計算機視覺主要是研究從圖像數(shù)據(jù)源中通過圖像識別技術(shù)識別出物體、場景和活動的問題。圖像識別是計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術(shù)。識別過程包括圖像預(yù)處理、圖像分割、特征提取和判斷匹配。機器學習研究的是對大量已有數(shù)據(jù)的處理分析和學習，從而擁有預(yù)測判斷和做出最佳決策的能力。其核心在于機器學習是能從數(shù)據(jù)中自動發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可用于做預(yù)測。自然語言處理研究伯是對人類語文的識別、理解、處理和運用，具體是通過建立語言模型來預(yù)測語言表達的概率分布，從而實現(xiàn)目標。如機器翻譯、手寫體和印刷體字符識別、語音識別后實現(xiàn)文字轉(zhuǎn)換、信息檢索、抽取與過濾、文本分類與聚類、輿情分析和觀點挖掘等。機器人是將傳感器、機器視覺、自動規(guī)劃、自動控制等技術(shù)融合的綜合體，它有能力與人類一起工作，能在各種未知環(huán)境中靈活處理不同的任務(wù)。

總結(jié)：人工智能是一門新興學科，它是多門學科的交叉學科。人工智能作為互聯(lián)時代前沿的新興技術(shù)，將逐步滲透至各行各業(yè)，到目前為止，人工智能還存在著許多的問題，但是人工智能還是存在著很大的發(fā)展空間，而要使得存在的問題得到解決，那么就需要我們的科研人員一起去為了目標努力。