馬 敏

（合肥市人工智能教育馬敏名師工作室，合肥 230601）

人工智能這個學術概念最早出現于1956 年達特茅斯學院夏季研討會上，之后經歷了幾個重要的發(fā)展階段，并逐漸被人們所熟知和推廣。在現代科技和數據信息技術的有力支撐下，人工智能開始在各國各地區(qū)得到廣泛的應用，一方面有利于提高產業(yè)的智能化水平，另一方面也能夠為國家經濟高質量發(fā)展提供源源不斷的動力。目前世界各國都在致力于探究人工智能技術和產業(yè)結合發(fā)展的策略，不斷探索新的發(fā)展方向，但依然面臨理論和技術研究方面的瓶頸和問題，未來還需要進行更深層次的探索。

1 人工智能發(fā)展概況

最早在1956 年達特茅斯研討會中就提出了人工智能的相關概念，后續(xù)經過了長期不斷演進和發(fā)展，人工智能的含義和內涵也得到了進一步的豐富和拓展。目前國際上的統(tǒng)一定義，人工智能主要指借助機器來實現對人類思維和意識模擬的目標，其中包括代替人類實現認知、識別、分析及決策等其他重要功能，這項技術能夠展現對人類思維模擬的信息過程，而且作為多學科交叉融合的新興學科，也被統(tǒng)稱為計算機模擬人類智能行為科學。縱觀人工智能的發(fā)展歷程，主要經歷了3 個重要階段。第一階段在20 世紀50 到60 年代期間，主要提出了人工智能的相關概念，此時重心依舊放在邏輯推理的機器翻譯方面，主要的應用原理包括知識表達及搜索算法等[1]。第二階段在20 世紀70 到80 年代期間，主要提出了專家系統(tǒng)相關概念，此時算法研究得到了進一步的發(fā)展，而且伴隨著半導體技術和計算硬件能力水平的提升，人工智能技術在各國也得到了進一步的突破式研究，而且伴隨著分布式網絡的應用，在一定程度上也降低了人工智能計算工作進行耗費的成本。在20 世紀末開啟了第三階段，這個階段更加重視對數據的應用，而且強調人工智能自主學習的認知能力，與此同時，也產生了深度學習的相關概念，而且伴隨著現代移動互聯網技術和設備的快速發(fā)展，相關應用場景也變得更加豐富。目前深度學習算法不僅在語音功能，而且在視覺識別方面也實現了進一步的突破，未來也要推動人工智能實現商業(yè)化高速發(fā)展。

現代社會正處于后移動時代，由于在互聯網快速發(fā)展期間的競爭變得更加激烈，一些紅利會在發(fā)展期間逐步消失，因此各國將目標對轉人工智能戰(zhàn)略的布局和實施，不僅西方國家，中國也在計劃構建云端人工智能服務生態(tài)系統(tǒng)。從人工智能的發(fā)展現狀來看，面臨著一系列機遇和挑戰(zhàn)，而我國人工智能技術也在相關先進技術的支持下，獲得了進一步的發(fā)展，也取得了一系列顯著的成就。比如目前阿里巴巴對于人工智能所進行的布局，主要聚焦于ET 醫(yī)療大腦、工業(yè)大腦及其他平臺和領域，并致力于實現更深層次的突破，目的是為了方便現代人類的日常生活，滿足現代社會發(fā)展的實際訴求。

2 人工智能的技術體系

人工智能技術目前在多個領域當中得到了廣泛的應用，其中3 大關鍵要素是數據資源、計算能力及核心算法，要在這3 個方面進行不斷突破，才有利于推動這項技術獲得更深層次的發(fā)展。人工智能的智能主要體現在3 個方面，分別是類似于人類一樣的聽、說、看和識別的能力，其中包含語音合成與識別、圖像識別及其他語音處理的技術，還包括智能化存儲及計算的能力，也被稱之為計算智能，除此之外，還包括類似于人一樣的理解和思考能力，主要被運用于教育評測、所提供的知識服務等領域之中。

2.1 機器學習

機器學習主要是指借助計算機可以對現有的各項數據信息進行分析和學習，從而幫助人工智能具有預測判斷及作出決策的能力。目前逐漸形成了一些具有代表性的算法，其中包含深度學習、人工神經網絡及決策樹等算法，對于人工智能來說，機器學習作為一項關鍵的技術，對人工智能今后的發(fā)展也具有主要的推動作用。目前廣泛應用的深度算法能夠在海量數據信息當中自行歸納和提取重要的特征，而這種能力也可以進行多層特征提取及描述，同時可以進行特征的還原，實現深度學習的目標。人工智能從感知階段發(fā)展為至今的深度學習階段，是在傳統(tǒng)神經網絡拓展方面的進一步突破，可以借助非線性網絡結構輸入數據，而且能夠在少量樣本數據中學習和集成本質特征。

2.2 自然語言處理技術

自然語言處理技術，主要是指人工智能可以將人類語言轉化為計算機程序進行處理和接收的語言，將計算機數據轉化為人類自然語言，以便與二者之間進行更加暢通的交流和互通，將二者之間的語言進行相互轉換，以便于計算機可以更好地理解人類想要表達的訴求和語言[2]。這些需要處理的語言形式通常體現為聲音或文字，自然語言處理技術綜合多個學科，其中包含語言學、計算機科學及其他學科，研究目標集中在自然語言通信的計算機系統(tǒng)中，同時還會涉及到信息檢索、信息提取及其他類型的技術。由于這些數據稀疏和平滑，因此需要對人類的語言進行語法分析和文本生成。

2.3 圖像處理技術

圖像處理技術主要是指人工智能具有類似于人類的視覺功能，借助計算機可以主動獲取并處理這些圖片及其他多維度數據信息。其中可以借助人工智能來獲取相應的圖像，對這些圖像進行調整和處理，并從中提取重要的特征。傳統(tǒng)計算機受到計算能力因素的限制，無法有效提升信息交互處理的效率，而且在處理的過程中芯片計算能耗較大。然而人工智能領域數據相對來說較為密集，這種傳統(tǒng)的計算處理技術難以滿足現代社會數據處理的實際。近些年來超級計算機的出現及云計算技術的快速發(fā)展，在這方面也實現了一定的突破，為我國人工智能的長遠發(fā)展提供了有效支撐。

2.4 人機交互技術

人機交互技術主要是指計算機系統(tǒng)可以和用戶之間實現更方便的交流和互通，主要是由機器輸出或顯示大量的信息，由用戶進行讀取這些提示和請求信息，然后借助輸入設備向機器輸入有關信息，并回答相關問題，從而實現和機器之間的互動。人機交互技術主要包括交互、界面設計及其他的圖像學，所涉及的理論知識也十分豐富，目前是用戶界面研究當中發(fā)展最為迅速的重要研究技術。如今已經研究出許多重要的產品和技術，比如3D 顯示器及手寫文字識別系統(tǒng)等，這些顯著的成果都體現了普通用戶和計算機系統(tǒng)之間的互動和交流。

3 人工智能商業(yè)化浪潮

雖然人工智能技術經歷3 個發(fā)展階段，獲得了快速的進步，但在20 世紀末以神經網絡為主流的人工智能技術相關研究卻陷入了一陣低迷時期，而加拿大多倫多大學的相關教授依然堅持研究和探索，并且在2006 年獲得了有效的突破。主要成就是成立了深度神經網絡研究公司，并在2012 年被谷歌所收購。除此之外，谷歌公司還收購了烏克蘭面部識別技術公司。在人工智能技術領域當中，對高素質綜合應用人才提出了更高的需求，彌補人才缺口，有利于解決當前專家研究所面臨的困境，而且這個領域正處于起步和發(fā)展的重要階段，許多計算基礎和價格工具操作起來都具有一定的困難和復雜性，為了解決這些問題，工業(yè)界的一些科技巨頭，比如谷歌公司和推特公司都會收購深度學習領域的一些初創(chuàng)公司，目的是為了吸引更多的優(yōu)秀人才，從而抓住縱深發(fā)展的機遇。

4 人工智能的主要研究學派

由于專家和研究學者對于智能的理解存在一定的差異，由此可能會形成不同的經典學派，而這些學派也會從不同的角度來看待這些問題并提出相應的解決措施和方案。目前主要形成了2 個重要的學派，包括符號學派和連結學派，雖然這些學派在各自領域當中取得了諸多成就，但是在所采用的研究方法進行創(chuàng)新和優(yōu)化過程中，也面臨一定的瓶頸和困難，難以形成統(tǒng)一的框架。

4.1 結構模擬

在近代科學所提倡的結構決定論的指導下，許多專家和學者認為梳理清楚系統(tǒng)的結構也就能夠明確其中的主要功能和作用。從這個角度出發(fā)，首先提出的智能模擬就是結構模擬的具體思路，而且已經形成了一些重要的代表性成果，其中包括多層感知器MLP 模型、人工神經網絡等。因此結構決定論在機械系統(tǒng)研究當中發(fā)揮了重要的作用和價值，但是運用在智能系統(tǒng)研究工作中卻存在許多問題。主要在于結構，僅僅只是硬件的基礎架構，雖然具有一定的影響，但是不能完全確定系統(tǒng)的智能行為，目前許多大量的神經元連接在一起所呈現的智能行為還是比較淺顯的。

4.2 功能模擬

針對結構模擬當中所存在的一些問題和不足，一些專家學者也提出了功能模擬，認為人工智能的研究并不需要梳理清楚具體的結構，而是可以達到對智力功能的模擬效果就可以滿足基本的訴求。這種觀念主要是在功能主導論指引下形成的一種模擬思路，而這種功能模擬也被稱為符號主義和邏輯主義，隸屬于心理學派。這種理念和思路曾經在人工智能領域當中發(fā)揮出顯著的研究價值，而且作出了巨大的貢獻，但是功能模擬也存在自身的缺點和不足，主要在于系統(tǒng)本身的智能水平可能與所獲取的知識水平之間存在著密切的聯系，如果在此過程當中知識獲取較為困難，也會導致現有邏輯理論具有局限性。

4.3 行為模擬

功能模擬和結構模擬2 種思路都存在自身的缺陷和不足，為了實現進一步突破，逐漸出現了行為模擬的相關思路。這主要是在行為表現論理念指引下產生的一種重要的模擬思路，主要是指無論采用什么樣的結構和功能系統(tǒng)能夠表現出相應的智能行為和功能，就達到了智能系統(tǒng)的目標和要求。在這個研究思路中，首先是讓機器對這些信息進行感知，而且對這些信息做好歸納和分類工作，在此基礎上能夠產生判斷結果并模擬智能行為，這一過程被稱為感知，并產生動作系統(tǒng)。與此同時，行為模擬的思路也具有自身的缺點和不足，主要在于只有行為表現的智能反應才能夠被模擬，其他類型的智能過程無法用這些行為和表現來進行演繹。

4.4 機制模擬

根據上述模擬思路的分析，能夠發(fā)現無論是結構模擬、功能模擬還是行為模擬都存在自身的不足和缺陷，而且3 大模擬思路之間難以實現理論方面的統(tǒng)一，為了實現進一步的突破，研究發(fā)現人工智能的生成機制是系統(tǒng)的核心。這種機制模擬的方法強調在各種環(huán)境條件下，要經歷提出問題—獲取約束條件—預設目標的環(huán)節(jié)，能夠及時提取其中的關鍵信息，并且在目標操控的作用下，可以利用這些信息提出解決問題的策略和方法，并將其轉化為具體的智能行為，從而使得問題得到有效的解決。根據這種模擬思路，機制模擬其實也是從信息到經營策略轉換的一個過程，從而將上述3 種模擬思路和方法實現了有機統(tǒng)一。

5 人工智能的3 次浪潮及最新進展

縱觀人工智能的發(fā)展歷程，經歷了3 次浪潮，并產生了一系列基本思想，可以歸納為符號主義、聯結主義及行為主義。符號主義理論的發(fā)展，產生了一系列的突出成就，最為著名的包括語義網絡、知識圖譜等，語義網絡概念的出現引發(fā)了專家和學者對于知識圖譜的探索，而早期主要局限為幾種基本關系，未來期望能夠在知識圖譜上進行進一步的邏輯推理，從而實現智能行為。聯結主義理論的發(fā)展主要演化出神經網絡模型，以及BP 神經網絡等成就，而且目前所提出的深度學習概念和技術也源自于這一理念。許多專家和學者都致力于探索這種理論所具有的潛力，目前能夠發(fā)現深度學習網絡結構及訓練方法都能夠促使這種性能得到有效提升，而且與之前深度學習的產業(yè)化程度相比，也有了快速地提升和發(fā)展，成為當前時代背景下，應用最為廣泛和發(fā)展最為迅速的技術。行為主義理論最早源自于一個心理學概念，但目前也會對人工智能技術產生一定的影響，而且行為主義與人工智能之間存在著密不可分的關系，在不同的環(huán)境當中執(zhí)行不同的動作，從而獲得相應的成就，主要負責處理物體和環(huán)境之間交互的問題。

6 人工智能技術發(fā)展的3 大方向

目前人工智能技術無論是在西方國家還是在中國都得到了蓬勃的發(fā)展，而且正由早期的感知階段轉向為目前的自動理解模式，背后是各種專家學者不懈地努力，由此推動人工智能技術獲得了波瀾壯闊的發(fā)展，以及更為廣闊的發(fā)展空間，未來方向主要包括以下3 個方面。

6.1 知識驅動

目前在大數據技術的有效支持和驅動作用下，逐漸誕生了深度學習的觀念及方法，而且在產業(yè)化方面取得了有效的進展，但是深度學習技術本身的發(fā)展空間還有待探索和挖掘[3]。深度學習的概念和技術并不能完全代表人工智能研究的所有內容，未來人工智能，還應促進知識驅動及數據驅動二者之間的結合，數據驅動人工智能技術在發(fā)展過程中缺乏常識及推理能力，這也反映出許多深度學習系統(tǒng)在圖像識別的過程中，僅僅只能依靠感覺，而無法實現準確的邏輯推理。這一點也反映出人類和現代人工智能技術之間存在的差異，人工智能難以從大數據學習過程中發(fā)展而來，只有對知識進行吸收和理解，才可以具有一定的推理演變能力和決策能力。在這樣的背景下，應當為人工智能系統(tǒng)技術構建專門的知識庫，以便于解決在各個領域當中所存在的問題和缺口，從而有效提高系統(tǒng)的邏輯推理能力和水平。

6.2 類腦智能與脈沖神經網絡

根據現階段人工智能技術的發(fā)展現狀及應用情況來看，雖然取得了顯著的成就，但是總體上并不具備類似于人腦的思維能力。盡管當前人工智能模型下的機器人和智能體已經在各個方面具有突出的表現。比如可以利用人工智能技術實現下圍棋和玩電子游戲的目標。從表面來看，能夠模擬人的行為舉止，但事實上，這些機器和設備并不具有類似于人的主動思維和思考的能力，因此并不能夠將機械智能等同于真正的智能，這種智能只是停留在信息處理層面，與真正的智能概念之間還存在一定的差異和差距。在深度學習理念和技術指導下的人工智能技術，只能在某個領域當中解決一類問題或一些問題，但是解決問題的能力依舊對人類編寫的水平具有較高的依賴性，未來人工智能技術的發(fā)展應當實現進一步的突破，不應該僅僅停留在數據智能層面，而是應當持續(xù)模擬人的大腦和思維，讓機器逐漸擁有類似于人的主動性思維能力。目前人工智能模型所采用的人工神經網絡也被稱為第二代神經網絡，并在許多領域當中都得到了有效的突破，但是并不能夠模仿正常生物體的運作機制。

6.3 可解釋人工智能

伴隨著當前人工智能技術的快速發(fā)展和廣泛應用，也逐漸凸顯出這項技術存在的問題和不足，比如所建立的模型及復雜算法缺乏透明度，而且自身的決策邏輯性不夠，采用這種復雜算法所計算出的結果難以實現有力的證明，而且缺乏充分的解釋，這些問題都會影響人工智能技術在一些關鍵領域和重工業(yè)領域當中得到廣泛的應用，比如我國的國防領域和金融領域。未來在探索人工智能技術發(fā)展方向的過程中，要盡可能提高人工智能的可解釋性，可以從早期符號主義學派的相關理論知識著手研究，使數據實現結構化處理，為了提高人工智能行為的解釋性，要盡可能模擬人的行為方式，這個領域在未來也有待進一步研究。在發(fā)展人工智能技術的過程中，要嚴格遵守國家所制定的法律法規(guī)，避免人工智能技術對現代社會的發(fā)展造成負面影響，以便為今后的可持續(xù)發(fā)展打好基礎。

7 結束語

綜上所述，從宏觀的角度來看，我國人工智能的相關研究依然處于初步階段，未來勢必有更長的路需要走，尤其是作為多學科交叉融合發(fā)展的新興學科，應當在理論和實踐方面得到更深層次的進展。本文主要圍繞現代人工智能技術發(fā)展面臨的主要問題和新的研究方向進行了分析和探討，該領域專家和學者也要致力于解決這些問題，讓人工智能真正致力于提高人民生活質量、滿足現代社會經濟發(fā)展需求。未來伴隨著大數據技術和其他先進技術的快速演進和發(fā)展，人工智能的研究和應用也會進入新的發(fā)展階段。