廣州科技職業(yè)技術(shù)大學(xué)自動(dòng)化工程學(xué)院 羅國(guó)榮

近年來，隨著社會(huì)生產(chǎn)和社會(huì)服務(wù)的需求，人工智能也成為學(xué)者研究的熱點(diǎn)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(jì)算機(jī)、生物、數(shù)學(xué)、思維、邏輯、控制等多學(xué)科的一門新科學(xué)，目的是計(jì)算機(jī)或者機(jī)器能像人類一樣能進(jìn)行思考和學(xué)習(xí)，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(shí)別、圖片識(shí)別、無人駕駛、工業(yè)機(jī)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(jì)算機(jī)系統(tǒng)，主要用于提高人類社會(huì)生產(chǎn)效率和人類社會(huì)生活水平。目前，人工智能在許多領(lǐng)域取得了顯著的成績(jī)。

1 人工智能的發(fā)展歷史

人們對(duì)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(gè)“圖靈測(cè)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(dá)特茅斯學(xué)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(dāng)時(shí)的計(jì)算機(jī)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(xué)者失去信心，發(fā)展一度停滯不前，時(shí)間長(zhǎng)達(dá)6年。直到1980年，卡內(nèi)基梅隆大學(xué)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(diǎn)燃了研究學(xué)者對(duì)人工智能的希望，進(jìn)入一段平穩(wěn)發(fā)展階段。1997年，由于計(jì)算機(jī)技術(shù)和數(shù)據(jù)獲取的快速發(fā)展，使得計(jì)算和數(shù)據(jù)獲取能力大幅提升，促進(jìn)了人工智能的發(fā)展，IBM以人工智能技術(shù)開發(fā)的計(jì)算機(jī)系統(tǒng)“深藍(lán)”戰(zhàn)勝了國(guó)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(rèn)為是人工智能發(fā)展的一個(gè)重要里程，之后人工智能的發(fā)展進(jìn)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(duì)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(yùn)算智能、感知智能、認(rèn)知智能三個(gè)階段。運(yùn)算智能主要是算法與數(shù)據(jù)庫(kù)相結(jié)合，使得機(jī)器開始像人類一樣會(huì)計(jì)算和傳遞信息；感知智能是數(shù)據(jù)庫(kù)與淺層學(xué)習(xí)算法結(jié)合，使得機(jī)器能看懂和聽懂，并做出判斷、采取行動(dòng)；認(rèn)知智能使得機(jī)器能夠像人一樣思考，主動(dòng)采取行動(dòng)。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(jì)算能力的提升和計(jì)算機(jī)硬件平臺(tái)性能的提高。數(shù)據(jù)資源獲取是人工智能機(jī)器學(xué)習(xí)訓(xùn)練的基本素材，獲取數(shù)據(jù)并學(xué)習(xí)數(shù)據(jù)，使機(jī)器不斷地積累經(jīng)驗(yàn)，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(zhǎng)；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(jiān)實(shí)的基礎(chǔ)。而大數(shù)據(jù)技術(shù)領(lǐng)域可細(xì)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(chǔ)存與管理、數(shù)據(jù)分析與挖掘、數(shù)據(jù)運(yùn)維和數(shù)據(jù)運(yùn)用等七個(gè)方面，在數(shù)據(jù)的存儲(chǔ)、分析方面直到重要的作用。

計(jì)算能力與計(jì)算機(jī)硬件密切相關(guān)，硬件資源包括芯片研發(fā)、存儲(chǔ)設(shè)備開發(fā)等。其中，芯片是運(yùn)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(xué)習(xí)方式的不同，可分為傳統(tǒng)機(jī)器算法和機(jī)器學(xué)習(xí)算法，其中傳統(tǒng)機(jī)器算法是一種由人工編程和邏輯計(jì)算的算法，受控于程序的設(shè)計(jì)，不具備適應(yīng)外部變化的能力，是一種弱人工智能。而機(jī)器學(xué)習(xí)算法又可細(xì)分為監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)、強(qiáng)化學(xué)習(xí)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(xué)習(xí)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(dá)到最佳的狀態(tài)，并能夠根據(jù)新的輸入數(shù)據(jù)對(duì)未來的輸出響應(yīng)合理的預(yù)測(cè)。這種算法需要對(duì)輸入數(shù)據(jù)集進(jìn)行標(biāo)識(shí)，通過標(biāo)識(shí)讓輸入數(shù)據(jù)與輸出響應(yīng)進(jìn)行關(guān)聯(lián)，其可采用分類和回歸技術(shù)開發(fā)預(yù)測(cè)模型。如圖2所示。分類技術(shù)主要是針對(duì)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(jī)、貝葉斯、K-近鄰算法、邏輯回歸、隨機(jī)森林等?；貧w技術(shù)則是針對(duì)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(jī)器學(xué)習(xí)

無監(jiān)督學(xué)習(xí)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(duì)輸入數(shù)據(jù)集進(jìn)行標(biāo)識(shí)，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(dá)到去除數(shù)據(jù)冗余、降低數(shù)據(jù)計(jì)算量和提高識(shí)別精度的目的。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)特殊分支，它模擬人類人腦神經(jīng)網(wǎng)絡(luò)，不需要手動(dòng)輸入數(shù)據(jù)的相關(guān)特征進(jìn)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(qiáng)化學(xué)習(xí)也是機(jī)器學(xué)習(xí)的一個(gè)特殊分支，它采用的是獎(jiǎng)勵(lì)懲罰機(jī)制，輸入數(shù)據(jù)作為對(duì)模型的反饋，檢查模型的對(duì)錯(cuò)，對(duì)就獎(jiǎng)勵(lì)，錯(cuò)就懲罰，模型作出調(diào)整后，再利用輸入數(shù)據(jù)進(jìn)行下一輪的對(duì)錯(cuò)檢查，循環(huán)迭代。從而提高模型的準(zhǔn)確度。其常見算法包括Q-Learning以及時(shí)間差學(xué)習(xí)（Temporal difference learning）。

人工智能按應(yīng)用技術(shù)類型可分為計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、自然語言處理和機(jī)器人。

計(jì)算機(jī)視覺主要是研究從圖像數(shù)據(jù)源中通過圖像識(shí)別技術(shù)識(shí)別出物體、場(chǎng)景和活動(dòng)的問題。圖像識(shí)別是計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。識(shí)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(jī)器學(xué)習(xí)研究的是對(duì)大量已有數(shù)據(jù)的處理分析和學(xué)習(xí)，從而擁有預(yù)測(cè)判斷和做出最佳決策的能力。其核心在于機(jī)器學(xué)習(xí)是能從數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可用于做預(yù)測(cè)。自然語言處理研究伯是對(duì)人類語文的識(shí)別、理解、處理和運(yùn)用，具體是通過建立語言模型來預(yù)測(cè)語言表達(dá)的概率分布，從而實(shí)現(xiàn)目標(biāo)。如機(jī)器翻譯、手寫體和印刷體字符識(shí)別、語音識(shí)別后實(shí)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(diǎn)挖掘等。機(jī)器人是將傳感器、機(jī)器視覺、自動(dòng)規(guī)劃、自動(dòng)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(xué)科，它是多門學(xué)科的交叉學(xué)科。人工智能作為互聯(lián)時(shí)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(biāo)努力。