人工智能的發展歷程和應用簡介

晏旭東

摘 要：人工智能作為一門綜合性的高新技術學科，誕生于20世紀50年代，在計算機心理學等方面均有所涉獵，也與現在人類的生活息息相關。但人們對人工智能發展歷程和應用領域了解較少，本文將從基本概念出發，介紹人工智能的各個方面，希望可以為人工智能的發展做出一些貢獻，使其更好地服務我們的生活。

關鍵詞：人工智能;發展歷程;應用

中圖分類號：TP18 文獻標識碼：A 文章編號：1671-2064（2019）22-0065-02

0 引言

其實人們在日常生活中經常與人工智能接觸，但往往并不深究其根本，所以并不太了解人工智能與我們的聯系究竟有多深。其中，人工智能的機器學習、機器視覺與自動化技術對人類生活影響較為廣大，也對人工智能的蓬勃發展做出了不小的貢獻。在這里，我們將分析人工智能的簡要發展歷程，并著重介紹人工智能的現代化技術及其在實際生活中的具體應用，并將通過分析這些技術及其應用對人類的影響來展現人工智能對當代人類社會的重要意義。

1 人工智能概述

1.1 人工智能的概念

人工智能作為一門新興的交叉學科，其英文名稱為AI，目的在于了解人類智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器[1]。人工智能并不是人類智能，但能像人類一樣思考，也可能超過人類智能。人工智能是一門富有挑戰性的學科，從事該行業的人必須在計算機技術、心理學、哲學等方面有所涉獵，是一門包涵極為廣泛的學科。不管怎么說，歸根結底人工智能研究的一個主要目的是機器能夠勝任一些需要人類智能才能完成的工作。

1.2 人工智能發展歷程

人工智能的發展歷程這里大概可以分為三個階段：第一階段在20世紀40年代中期到50年代中期，這個時期的人工智能是以控制論、信息論、系統論作為理論基礎發展的，圖靈對計算機人工智能的研究直接推動了近代人工智能的發展，這也是人工智能第一階段的標志成就;第二階段大約從20世紀50年代中期到80年代末期，在這個時期的關于人工智能方面的巨大成就就是符號主義的誕生了，所以這個時期在人工智能的發展歷史上也被稱為經典符號時期，符號主義也對人工智能的發展做出了巨大的貢獻，符號主義的興起就是人工智能發展史上第二階段的標志;人工智能發展史上的第三階段就是從20世紀80年代末直到現在，這段時期也被人們稱為聯結主義時期，其特點是通過人工神經網絡來模擬人腦的智能活動，這種方法被稱為聯結主義，聯結主義的興起也是人工智能發展第三階段的標志。

2 人工智能相關技術及其應用

2.1 機器學習

機器學習是指計算機無需編程即可運作的一門科學技術，其中深度學習是機器學習的一個子集，也可以被認為是預測分析的自動化，機器學習的算法主要有四種類型[2]：（1）監督學習，監督學習是指那些要標記數據集以便可以檢測模式并用于標記新的數據集，而無監督學習時，其中的數據集并未標記，并根據相似性或差異進行排序;（2）強化學習，強化學習中的數據集也沒有標記，但是在幾個動作后，相應的人工智能系統就會給予相應的反饋，以上兩種就是人工智能的機器學習技術了;（3）還有一種方法，綜合了監督學習和非監督學習的特征，這種叫作“半監督學習”，它主要考慮如何利用少量有標簽的樣本和大量的沒有標簽樣本進行訓練和分類;（4）在規劃機器人的行為準則方面，一種機器人學習方法叫作“訓練學習”，也就是把計算機丟到一個對于它完全陌生的環境或者讓它完成一項從未接觸過的任務，然后計算機自己回去嘗試各種手段最后讓自己成功適應這一個陌生的環境，或者學會完成這件任務的方法途徑。

2.2 自動化

自動化的概念是一個動態發展過程。過去，人們對自動化的理解或者說自動化的功能目標是以機械的動作代替人力操作，自動地完成特定的作業，這實質上是自動化代替人的體力勞動的觀點。后來隨著電子和信息技術的發展，特別是隨著計算機的出現和廣泛應用，自動化已擴展為用機器（包括計算機）不僅代替人的體力勞動而且還代替或輔助腦力勞動，以自動地完成特定的作業[3]。自動化的廣義內涵至少包括以下幾點：在形式方面，制造自動化有三個方面的含義，代替人的體力勞動，代替或輔助人的腦力勞動，制造系統中人機及整個系統的協調、管理、控制和優化;在功能方面，自動化代替人的體力勞動或腦力勞動僅僅是自動化功能目標體系的一部分，自動化的功能目標是多方面的，已形成一個有機體系;在范圍方面，制造自動化不僅涉及到具體生產制造過程，而是涉及產品生命周期的所有過程。自動化的概念或者發展特點都和人工智能有著極大地契合度，所以近些年來人工智能與自動化尤其是電氣自動化方面結合發展十分迅速。

2.3 機器學習應用簡介

首先可以根除信息詐騙，因為傳統模式下，比如如果用戶資金已被轉移，用戶會收到從銀行發來的驗證電子郵件和消息，這些是為了避免盜竊和欺詐，但是不能完全避免風險，因為不知道操作者是否是用戶本人。AI和機器學習用于監控任何欺詐行為，它通過能夠區分的已經培訓過的欺詐性和非欺詐性購買、方式來實現這一點。計算機被提供大量欺詐性和非欺詐性購買樣本，并要求計算出屬于每個類別的交易[4]。還有我們如今使用的電子郵件，其實我們的郵箱正常情況下可能會堆積大量垃圾郵件，但Email已經能夠成功過濾掉99.9%的垃圾郵件。垃圾郵件過濾器必須不斷學習信號，以捕獲郵件和郵件數據，以擊敗垃圾郵件發送者。Email對您的電子郵件進行分類是一種嘗試，可以根據我們對其進行優先排序的方式，將其發送到各自的部分。再者就是我們更多人都十分熟悉的在線客戶支持，就像我們平時逛的淘寶，當我們遇到問題時尋找的客服其實很多時候都并不是真人。不只是淘寶，許多網站都讓客戶有機會在瀏覽時與客戶支持服務人員交談，但很少網站會在另一端安排一個真實的人來引導您瀏覽網站或回答您的疑問，這實際上是在談論一個基本的人工智能應用。雖然有些人會向您提供一些信息，但其他人則能夠從網站上提取準確，相關的信息。這些聊天機器人無法破譯人類通信的方式，但自然語言處理（NLP）的快速發展改善了這種情況。

2.4 機器視覺應用簡介

首先介紹的就是人們耳熟能詳的人臉識別，人臉識別是人工智能視覺與圖像領域中最熱門的應用，今年2月，《麻省理工科技評論》發布「2017全球十大突破性技術」榜單，來自中國的技術「刷臉支付」位列其中，這是該榜單創建16年來首個來自中國的技術突破。人臉識別技術目前已經廣泛應用于金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療等行業。據業內人士分析，我國的人臉識別產業的需求旺盛，需求推動使得企業敢于投入資金。目前，該技術已具備大規模商用的條件，未來三到五年將高速增長[5]，而今年，這一技術有望在金融與安防領域迎來大爆發;接下來要介紹的是圖片和視頻編輯，聽名字可能會感到很陌生，但他的應用領域其實是很廣泛的。2016年，Google舉行了一場人工智能作家的畫展，通過一個名叫Deep Drearm的藝術生成器，谷歌可以將神經網絡由內部傳送到外部，不是識別圖像，而是創作圖像。目前市場上也出現了很多運用機器學習算法對圖像進行處理的業務，可以實現對圖片的自動修復、美化、變換效果等操作，并且越來越受到用戶尤其是年輕女性的輕睞。機器視覺在應用場景上逐漸突破工業檢測，其應用邊界逐步向智能生活領域拓展。由于機器視覺在智能生活、智能制造兩個領域具有不同的技術特點和應用進展，所以機器視覺于這兩個領域的行業發展趨勢也不盡相同。

2.5 自動化應用簡介

在這里我們要介紹的是人工智能在自動化方面的應用，比如說如何診斷電氣自動化領域的電氣故障。電氣自動化系統實際運行過程中，傳統診斷技術的效率和準確度較低且具有不確定性和突發性，系統故障和問題必須在第一時間快速進行解決，若診斷處理方法不合理或者故障處理不及時，會給國家、社會和企業造成巨大損失。而在電氣自動化系統中應用人工智能技術，運用專家系統、模糊理論和神經網絡，實現對電氣自動化系統的實時控制[6]，一旦發現系統故障，自動進行故障診斷，極大地提高電氣自動化系統故障診斷的效率和準確性。

3 結語

從目前來看，人工智能仍有很大的發展空間，并且人工智能在不斷的與其他的領域相結合，共同進步。隨著科技的不斷發展，人工智能的發展也有了極大的動力，人工智能仍具有很好的前景，比如強人工智能的進一步發展等領域。雖然人工智能的發展并不輕松，可這也更說明了其未來巨大的前途，因為它能挖掘的潛力還有很多。以如今人腦的開發程度，其計算能力顯然無法與人工智能精密的計算相比的，雖然人工智能的創造力、想象力從現在來看是遠遠不如人類的，但瑕不掩瑜，這依然無法阻擋人工智能的發展，更何況解決這些不過是時間問題，就像在幾十年前又有誰能想象到如今人工智能在圍棋等領域上無人能敵呢？如此看來，其前途無疑是一片光明的。

參考文獻

[1] 鐘義信.人工智能理論：從分立到統一的奧秘[J].北京郵電大學學報，2006，29（3）：1-6.

[2] 何卓鍵.淺談人工智能與機器學習[J].電子世界，2018（4）：183-184.

[3] 馬龍.人工智能技術在電氣自動化控制中的應用[J].山西焦煤科技，2014（s1）：50-51.

[4] 李健宏.人工智能中的機器學習研究及其應用[J].江西科技師范學院學報，2004（5）：84-86.

[5] 梁慶杰.人工智能與機器視覺應用概論[J].裝備制造技術，2007（8）：96-97.

[6] 孫威.初探人工智能與電氣自動化結合的應用思路[J].價值工程，2018，37（26）：160-162.