王星宇

摘要：隨著社會、經(jīng)濟(jì)和文化的數(shù)字化轉(zhuǎn)型，計(jì)算機(jī)科學(xué)技術(shù)將面臨更為廣泛且復(fù)雜的應(yīng)用場景。這要求計(jì)算機(jī)系統(tǒng)能夠更靈活地適應(yīng)不斷變化的需求，以推動(dòng)創(chuàng)新，滿足新興行業(yè)和服務(wù)不斷涌現(xiàn)的需求。人工智能不再僅僅是一個(gè)獨(dú)立的技術(shù)領(lǐng)域，而是貫穿于各行各業(yè)的核心。計(jì)算機(jī)科學(xué)技術(shù)需要更深度、更廣泛地融合人工智能，以解決更為復(fù)雜的問題，實(shí)現(xiàn)更高水平的智能化應(yīng)用。這種深度融合不僅體現(xiàn)在算法的創(chuàng)新和優(yōu)化上，還包括對大規(guī)模數(shù)據(jù)的智能化處理以及對新興技術(shù)的迅速應(yīng)用。跨學(xué)科合作將成為計(jì)算機(jī)科學(xué)技術(shù)發(fā)展的常態(tài)，與生物學(xué)、醫(yī)學(xué)、社會科學(xué)等領(lǐng)域的合作，將為解決更為復(fù)雜的問題提供更全面的視角和創(chuàng)新性的解決方案。這種合作不僅加速了科技的發(fā)展，還為社會帶來更為深遠(yuǎn)的影響。綜合而言，新時(shí)代計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展將在面對多樣化的挑戰(zhàn)的同時(shí)，迎接更廣泛的機(jī)遇。通過適應(yīng)性強(qiáng)、創(chuàng)新不斷的發(fā)展，計(jì)算機(jī)科學(xué)技術(shù)將引領(lǐng)社會進(jìn)入一個(gè)更加智能和跨學(xué)科的時(shí)代。

關(guān)鍵詞：人工智能；跨學(xué)科；計(jì)算機(jī)技術(shù)發(fā)展

doi：10.3969/J.ISSN.1672-7274.2024.03.052

中圖分類號：TP 18，TP 2，TP 3? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ?文章編碼：1672-7274（2024）03-0-03

1? ?研究背景

隨著科技的不斷演進(jìn)，人工智能（AI）在當(dāng)今社會中扮演著日益重要的角色。這兩者的融合引領(lǐng)了計(jì)算機(jī)科學(xué)技術(shù)的新時(shí)代，為各個(gè)領(lǐng)域帶來了巨大的變革。在新時(shí)代的背景下，人工智能廣泛應(yīng)用已成為科技領(lǐng)域的關(guān)鍵趨勢。這兩者與計(jì)算機(jī)科學(xué)的深度融合持續(xù)加深，涵蓋了算法開發(fā)、數(shù)據(jù)分析、自然語言處理等領(lǐng)域的創(chuàng)新，旨在實(shí)現(xiàn)更強(qiáng)大、智能的計(jì)算機(jī)系統(tǒng)[1-2]。

人工智能起源于20世紀(jì)中葉，經(jīng)歷了多個(gè)階段的發(fā)展。從最初的符號推理到專家系統(tǒng)，再到如今的深度學(xué)習(xí)，人工智能的演進(jìn)經(jīng)歷了多次技術(shù)革命。機(jī)器學(xué)習(xí)作為人工智能的分支，通過數(shù)據(jù)驅(qū)動(dòng)的方式不斷優(yōu)化算法，實(shí)現(xiàn)了對模式的學(xué)習(xí)和預(yù)測，成為推動(dòng)AI發(fā)展的引擎[3-6]。通過機(jī)器學(xué)習(xí)，計(jì)算機(jī)系統(tǒng)能夠從數(shù)據(jù)中學(xué)習(xí)模式并不斷優(yōu)化，以更有效地執(zhí)行各種任務(wù)，包括但不限于圖像識別、語音識別和推薦系統(tǒng)等?？鐚W(xué)科合作日益普及，計(jì)算機(jī)科學(xué)與其他學(xué)科的深度融合，在醫(yī)療領(lǐng)域，人工智能被廣泛應(yīng)用于疾病診斷、藥物研發(fā)、患者管理等方面，提升了醫(yī)療服務(wù)的效率和準(zhǔn)確性。在金融領(lǐng)域，AI用于風(fēng)險(xiǎn)管理、交易預(yù)測、信用評估等，為投資決策提供了更為智能和精準(zhǔn)的支持。在交通領(lǐng)域，人工智能技術(shù)驅(qū)動(dòng)著智能交通系統(tǒng)、自動(dòng)駕駛汽車等創(chuàng)新，提高了交通效率和安全性[7]。

隨著數(shù)字化時(shí)代的來臨，數(shù)據(jù)的重要性愈發(fā)凸顯。網(wǎng)絡(luò)空間安全在傳輸、存儲和處理數(shù)據(jù)的過程中起到了至關(guān)重要的作用，可防止數(shù)據(jù)泄露、篡改或?yàn)E用，對企業(yè)、政府和個(gè)人的信息安全具有極大的意義。在計(jì)算機(jī)科學(xué)和技術(shù)創(chuàng)新的過程中，創(chuàng)造一個(gè)安全的環(huán)境至關(guān)重要。通過提供可信賴的計(jì)算機(jī)系統(tǒng)和網(wǎng)絡(luò)基礎(chǔ)設(shè)施，網(wǎng)絡(luò)空間安全為新技術(shù)的研發(fā)和應(yīng)用創(chuàng)造了良好的條件。在保障在線交易、電子商務(wù)和金融服務(wù)的安全方面，網(wǎng)絡(luò)空間安全發(fā)揮著不可或缺的作用。一個(gè)安全的網(wǎng)絡(luò)環(huán)境將有助于推動(dòng)數(shù)字經(jīng)濟(jì)的健康發(fā)展[8]。

2? ?人工智能技術(shù)

2.1 深度學(xué)習(xí)

深度學(xué)習(xí)的發(fā)展歷程可追溯至20世紀(jì)50年代，當(dāng)時(shí)感知機(jī)（Perceptron）模型被提出。然而，由于其受限的能力和技術(shù)限制，深度學(xué)習(xí)并沒有在那個(gè)時(shí)期得到廣泛應(yīng)用。進(jìn)入20世紀(jì)80年代，深度學(xué)習(xí)面臨了所謂的“知識冰河期”。研究者們發(fā)現(xiàn)單層感知機(jī)在解決復(fù)雜問題上存在限制，同時(shí)訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)也面臨著問題[9]。由于技術(shù)和理論上的困難，深度學(xué)習(xí)進(jìn)入了相對低迷的時(shí)期。

2006年，Hinton等人提出了深度信念網(wǎng)絡(luò)（DBN），為深度學(xué)習(xí)在圖像和語音處理等領(lǐng)域的成功應(yīng)用奠定了基礎(chǔ)[9]。而2012年，由Alex Krizhevsky等人提出的深度學(xué)習(xí)模型AlexNet在ImageNet圖像分類競賽中取得了巨大成功，推動(dòng)了卷積神經(jīng)網(wǎng)絡(luò)（CNN）成為深度學(xué)習(xí)的關(guān)鍵技術(shù)，進(jìn)而推動(dòng)了計(jì)算機(jī)視覺領(lǐng)域的飛速發(fā)展[10]。

深度學(xué)習(xí)在語音識別、自然語言處理、醫(yī)學(xué)圖像分析、自動(dòng)駕駛等多個(gè)領(lǐng)域取得顯著成就。深度學(xué)習(xí)模型的不斷改進(jìn)，如循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長短時(shí)記憶網(wǎng)絡(luò)（LSTM）等，也推動(dòng)了模型的廣泛應(yīng)用。深度學(xué)習(xí)的演進(jìn)歷程體現(xiàn)了技術(shù)突破、理論進(jìn)步以及對計(jì)算資源和數(shù)據(jù)集需求不斷增加的趨勢。深度學(xué)習(xí)的發(fā)展歷程充滿曲折，但隨著算法、硬件和數(shù)據(jù)集等方面的不斷改進(jìn)，深度學(xué)習(xí)在當(dāng)今計(jì)算機(jī)科學(xué)領(lǐng)域占據(jù)著重要地位[11-13]。

深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的分支，在處理復(fù)雜任務(wù)方面取得顯著進(jìn)展，如在圖像識別、語音識別和自然語言處理等領(lǐng)域。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的翹楚，通過構(gòu)建多層神經(jīng)網(wǎng)絡(luò)，模擬人腦神經(jīng)元的連接方式，在圖像識別、語音處理等領(lǐng)域取得了顯著的突破。卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等結(jié)構(gòu)為深度學(xué)習(xí)注入了創(chuàng)新的活力。隨著大規(guī)模數(shù)據(jù)的普及，AI能夠處理龐大的數(shù)據(jù)集，從中提取有用信息，支持?jǐn)?shù)據(jù)驅(qū)動(dòng)的決策。這在企業(yè)、科學(xué)研究和政府決策等領(lǐng)域都具有重要意義，有助于發(fā)現(xiàn)潛在的趨勢和關(guān)聯(lián)。在自然語言處理（NLP）領(lǐng)域，AI的結(jié)合使計(jì)算機(jī)更好地理解和處理人類語言，應(yīng)用廣泛涵蓋虛擬助手、智能翻譯和文本分析等領(lǐng)域。自然語言處理技術(shù)使得計(jì)算機(jī)能夠更好地理解、解釋和生成人類語言，推動(dòng)了語音識別、智能翻譯等領(lǐng)域的創(chuàng)新[14]。

2.2 增強(qiáng)學(xué)習(xí)

增強(qiáng)學(xué)習(xí)的發(fā)展歷程可追溯至20世紀(jì)50年代。在這個(gè)時(shí)期，研究者們開始思考智能系統(tǒng)如何通過與環(huán)境的交互來學(xué)習(xí)和優(yōu)化決策。其中，Richard Bellman提出的動(dòng)態(tài)規(guī)劃是最著名的工作之一，為后來的增強(qiáng)學(xué)習(xí)奠定了基礎(chǔ)。在這一時(shí)期，研究者們開始使用價(jià)值函數(shù)（Value Function）來表示狀態(tài)和動(dòng)作的價(jià)值。一些代表性的工作包括Richard S. Sutton的時(shí)序差分學(xué)習(xí)（Temporal Difference Learning）以及Gerald Tesauro的TD-Gammon，這是一個(gè)通過增強(qiáng)學(xué)習(xí)訓(xùn)練的背棋程序[15]。

Q學(xué)習(xí)和State-Action-Reward-State-Action（SARSA）算法是增強(qiáng)學(xué)習(xí)領(lǐng)域兩個(gè)重要的基于價(jià)值的學(xué)習(xí)方法[16]。這兩種方法基于馬爾可夫決策過程（MDP）的理論框架，成為后來深度增強(qiáng)學(xué)習(xí)中的基礎(chǔ)概念。為了處理具有大規(guī)模狀態(tài)空間的問題，研究者們引入了函數(shù)逼近方法，如基于神經(jīng)網(wǎng)絡(luò)的方法。這使得增強(qiáng)學(xué)習(xí)能夠處理更為復(fù)雜和高維的問題，為其在實(shí)際應(yīng)用中的擴(kuò)展奠定了基礎(chǔ)。

隨著深度學(xué)習(xí)的興起，增強(qiáng)學(xué)習(xí)引起了廣泛關(guān)注。2013年，由DeepMind提出的深度Q網(wǎng)絡(luò)（Deep Q-Network，DQN）在Atari游戲中的表現(xiàn)引起了轟動(dòng)，標(biāo)志著深度學(xué)習(xí)成功應(yīng)用于增強(qiáng)學(xué)習(xí)問題，同時(shí)也推動(dòng)了增強(qiáng)學(xué)習(xí)的快速發(fā)展。AlphaGo是由DeepMind開發(fā)的圍棋程序，成功擊敗人類世界冠軍，彰顯了增強(qiáng)學(xué)習(xí)在復(fù)雜決策問題上的卓越能力，對增強(qiáng)學(xué)習(xí)的認(rèn)知產(chǎn)生了深遠(yuǎn)影響[17-18]。

同時(shí)，物聯(lián)網(wǎng)（IoT）的普及使得更多設(shè)備生成大量數(shù)據(jù)，邊緣計(jì)算通過在設(shè)備端處理數(shù)據(jù)，減輕云計(jì)算的壓力，提高響應(yīng)速度，為實(shí)時(shí)應(yīng)用（如智能城市、智能交通）提供支持。近年來，深度增強(qiáng)學(xué)習(xí)在自動(dòng)駕駛、機(jī)器人控制、金融交易等領(lǐng)域取得了重要進(jìn)展。這表明增強(qiáng)學(xué)習(xí)在解決現(xiàn)實(shí)場景中的實(shí)用性和廣泛適用性得到了不斷加強(qiáng)。增強(qiáng)學(xué)習(xí)的發(fā)展歷程經(jīng)歷了從理論基礎(chǔ)到實(shí)際應(yīng)用的演進(jìn)，深度學(xué)習(xí)的崛起為其提供了新的活力，使得增強(qiáng)學(xué)習(xí)在解決現(xiàn)實(shí)世界問題中發(fā)揮日益重要的作用。近年來，深度學(xué)習(xí)的發(fā)展趨勢包括遷移學(xué)習(xí)和自監(jiān)督學(xué)。這些方法通過在不同任務(wù)或在沒有明確標(biāo)簽的情況下學(xué)習(xí)有助于提高模型的泛化能力。通過AI的融合，自動(dòng)化和智能化的應(yīng)用在各行各業(yè)中不斷發(fā)展，包括生產(chǎn)制造、客戶服務(wù)、醫(yī)療保健等領(lǐng)域，為社會提供更高效和智能化的解決方案。

2.3 網(wǎng)絡(luò)空間安全

網(wǎng)絡(luò)空間安全是維護(hù)社會穩(wěn)定和公共秩序的關(guān)鍵保障。網(wǎng)絡(luò)攻擊可能引發(fā)社會混亂、信息泄露，甚至對關(guān)鍵基礎(chǔ)設(shè)施造成威脅。通過加強(qiáng)網(wǎng)絡(luò)空間安全，可以減少這些潛在的社會風(fēng)險(xiǎn)。在現(xiàn)代，國家安全不再僅僅涉及傳統(tǒng)的軍事層面，網(wǎng)絡(luò)空間安全已經(jīng)成為國家安全的重要組成部分。網(wǎng)絡(luò)攻擊可能導(dǎo)致國家機(jī)密泄露、基礎(chǔ)設(shè)施癱瘓等問題，因此，保障網(wǎng)絡(luò)空間安全是確保國家安全的關(guān)鍵一環(huán)[19-21]。

在數(shù)字化加速的同時(shí)，數(shù)據(jù)隱私和安全性成為關(guān)注焦點(diǎn)，計(jì)算機(jī)科學(xué)技術(shù)在保護(hù)個(gè)人和企業(yè)數(shù)據(jù)方面不斷尋求創(chuàng)新的方法，包括加密技術(shù)、安全協(xié)議和隱私保護(hù)工具[22-23]。隨著個(gè)人信息在網(wǎng)絡(luò)上廣泛傳播，網(wǎng)絡(luò)空間安全對于保護(hù)個(gè)人隱私至關(guān)重要。這包括在數(shù)據(jù)的收集、處理和存儲過程中采取有效的安全措施，以防止個(gè)人信息被濫用。隨著技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)空間安全需要不斷適應(yīng)新興威脅和攻擊手法，如人工智能的利用、物聯(lián)網(wǎng)的安全挑戰(zhàn)等。對于未來計(jì)算機(jī)的發(fā)展，及時(shí)識別并應(yīng)對新的威脅顯得至關(guān)重要。

3? ?結(jié)束語

盡管人工智能取得了顯著成就，但也面臨著諸多挑戰(zhàn)，包括數(shù)據(jù)隱私、倫理問題和社會影響等。未來，我們期待看到更加強(qiáng)大、智能化算法應(yīng)用，在解決人類面臨的復(fù)雜問題中發(fā)揮更大作用。

綜合來看，人工智能的不斷發(fā)展為科技、經(jīng)濟(jì)、社會等領(lǐng)域帶來了全新的機(jī)遇和挑戰(zhàn)。它們將繼續(xù)引領(lǐng)著未來技術(shù)創(chuàng)新的方向，為構(gòu)建智能化、高效化的社會奠定堅(jiān)實(shí)基礎(chǔ)。人工智能的綜合應(yīng)用不僅為科技創(chuàng)新開辟了新的前景，同時(shí)也為社會帶來了全新的變革。人工智能將繼續(xù)引領(lǐng)著我們邁向一個(gè)更加智慧的時(shí)代，為構(gòu)建智能化、高效化的社會奠定更為堅(jiān)實(shí)的基礎(chǔ)。

參考文獻(xiàn)

[1] 武競．大數(shù)據(jù)背景下計(jì)算機(jī)信息處理技術(shù)探究[J]．信息系統(tǒng)工程，2023（7）：133-136.

[2] 范才元．新時(shí)代背景下計(jì)算機(jī)通信技術(shù)發(fā)展與應(yīng)用探析[J]．信息通信，2014（1）：1-11.

[3] 張濤．新時(shí)代背景下計(jì)算機(jī)通信技術(shù)發(fā)展與應(yīng)用探析[J]．信息系統(tǒng)工程，2016（11）：55-57.

[4] 武競．大數(shù)據(jù)背景下計(jì)算機(jī)信息處理技術(shù)探究[J]．信息系統(tǒng)工程，2023（7）：133-136.

[5] 趙懷鑫．淺析計(jì)算機(jī)電子工程技術(shù)的有效運(yùn)用與發(fā)展[J]．中文科技期刊數(shù)據(jù)庫（全文版）工程技術(shù)，2023（011）：11-15.

[6] 徐立溥．大數(shù)據(jù)環(huán)境下計(jì)算機(jī)網(wǎng)絡(luò)安全技術(shù)實(shí)踐研究[J]．軟件，2023（009）：044-046.

[7] 楊建興．"雙碳"背景下城市軌道交通綠色發(fā)展[J]．電氣化鐵道，2023（005）：034-037.

[8] 韓菊蓮．大數(shù)據(jù)背景下的計(jì)算機(jī)網(wǎng)絡(luò)安全技術(shù)研究[J]．?dāng)?shù)字通信世界，2023（010）：1-6.

[9] 李國和，鄭陽，李瑩，吳衛(wèi)江，洪云峰，周曉明．基于深度信念網(wǎng)絡(luò)的多采樣點(diǎn)巖性識別[J]．地球物理學(xué)進(jìn)展，2018，33（4）：1660-1665.

[10] José Benjamin Machado Coelho，Alfredo Jarma‐Orozco，Luis Alfonso Rodríguez‐Páez，et al.Modulation of photosynthesis under salinity and the role of mineral nutrients in Jatropha curcas L.[J].Journal of Agronomy and Crop Science， 2022， 208（3）：314-334.

[11] 吳丙午．大數(shù)據(jù)時(shí)代人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用研究[J]．進(jìn)展，2023（17）：55-59.

[12] 謝綏萍，王瑋華．信息化技術(shù)背景下的建筑工程管理探討[J]．中國科技期刊數(shù)據(jù)庫工業(yè)，2023（011）：116-123.

[13] 羅軍舟．云原生驅(qū)動(dòng)的大規(guī)模終端網(wǎng)絡(luò)設(shè)計(jì)優(yōu)化和應(yīng)用實(shí)踐[J]．計(jì)算機(jī)研究與發(fā)展，2023（61）：12-20.

[14] Qi G ， Li J ， Kang B ，et al.The aggregation of Z-numbers based on overlap functions and grouping functions and its application on group decision-making[J].Inf. Sci.? 2022， 623：857-899.

[15] 李東，許霄，吳琳，等．聯(lián)合戰(zhàn)役仿真環(huán)境對強(qiáng)化學(xué)習(xí)的挑戰(zhàn)[J]．計(jì)算機(jī)仿真，2023（08）：40-45.

[16] Liu， Qingqing， Caixia Cui， and Qinqin Fan. "Self-adaptive constrained multi-objective differential evolution algorithm based on the state–action–reward–state–action method." Mathematics 10.5 （2022）： 813-830.

[17] Oda T， Obukata R， Ikeda M， et al. Design and implementation of a simulation system based on deep Q-network for mobile actor node control in wireless sensor and actor networks[C]//2017 31st International Conference on Advanced Information Networking and Applications Workshops （WAINA）. IEEE， 2017： 195-200.

[18] Fan J， Wang Z， Xie Y， et al. A theoretical analysis of deep Q-learning[C]//Learning for dynamics and control. PMLR， 2020： 486-489.

[19] 李少波，楊靜，王錚，等．缺陷檢測技術(shù)的發(fā)展與應(yīng)用研究綜述[J]．自動(dòng)化學(xué)報(bào)，2020，46（11）：2319-2336.

[20] 陳利，李紹中．高職院校學(xué)生職業(yè)技能競賽體系的構(gòu)建與實(shí)踐[J]．職業(yè)教育研究，2011（5）：30-31.

[21] 閆峻．簡析計(jì)算機(jī)數(shù)據(jù)庫技術(shù)在信息管理中的應(yīng)用[J]．通訊世界，2023（09）：30-35.

[22] 匡立春，劉合，任義麗，等．人工智能在石油勘探開發(fā)領(lǐng)域的應(yīng)用現(xiàn)狀與發(fā)展趨勢[J]．石油勘探與開發(fā)，2021，48（1）：1-11.

[23] 吳百會．城市軌道交通車輛智能運(yùn)維系統(tǒng)探索與研究[J]．機(jī)械與電子控制工程，2023，5（8）：135-137.