【《人工智能技术和发展趋势问题研究5500字》（论文）】.docx

《【《人工智能技术和发展趋势问题研究5500字》（论文）】.docx》由会员分享，可在线阅读，更多相关《【《人工智能技术和发展趋势问题研究5500字》（论文）】.docx（8页珍藏版）》请在第一文库网上搜索。

1、人工智能技术和发展趋势目录1 .绪论21.1 人工智能的概念21.2 人工智能发展的历史21.3 人工智能的研究背景32 .人工智能的核心技术32.1 计算机视觉32.2 模式识别42.3 神经网络53 .人工智能的应用53.1 信息化战争：无人武器53.3 智慧交通：协同管理场景和无人驾驶63.4 智能教育：自主学习场景64 .人工智能面临的困难74.1 计算机博弈的困难74.2 机器翻译的困难74.3 自动定理证明和GPS的局限85 .人工智能发展趋势86 .参考文献91结论1.1 人工智能的概念人工智能（英语：artificia1inte11igence,缩写为A1）,指由人制造出来的机

2、器所体现出来的生物的智能。现在随着医学、神经科学、机器人学及统计学等学科的进步，人类的很多职业已经可以被人工智能取代。人工智能研究技术性与专业性都很强，每个行业都不是共通的，所以踏足的领域非常广。人工智能的研究能够分为几个科技问题。它的子领域专注于处理某些问题，有一个就是怎么运用不一样的工具来达到相应的程序。1.2 人工智能发展的历史1945年ENIAC作为世界第一台通用计算机诞生。它是图灵完全的电子计算机,可以重新编程并且处理不同的计算问题,人工智能时代的序幕由此揭开。1956年约翰麦卡锡等人发起了达特茅斯会议，指出了“人工智能”的界定：人工智能的目的是让机器看起来得像人一样。达特茅斯会议之

3、后的数年是大发现的时代。对很多人来说，在这个阶段的程序是神奇的。计算机能够处理适用的代数任务,证明几何定理,学习与运用英语。当初的很多人不相信机器可以这么“智能1957年IBM开发了第一个Fortran语言系列，这是全球第一个被正式批准并传承到今天的高级编程语言。I960又诞生出历史第二悠久的高级汇编语言:1isp,1973年又出现了PrOIog语言，人工智能语言发展飞速。1982年第五代电脑计划已经在日本开始了，在人工智能飞速发展的几十年了已经出现了很多的专家系统包括:DENDRA1,MYCIN,Xeon。1991年，人工神经网络出现，A1进入了一个新的时代。当然AI的发展也是经历了非常多的

4、低谷，由于早期的计算机内存十分有限,处理速度也是十分慢，比如图灵曾写过一个国际象棋程序，但当初缺乏充足功率运来运行程序的电脑，他就模仿电脑和同事玩了一把。每个步骤都要半个小时,程序就失败了。他后来根据图灵的EN1AC理论设计了第一个国际象棋计算机程序。70年代由于人们对A1过于高的期望，而没有实现承诺的时候导致了A1研究资金短缺。很多人当时只觉得人工智能不过是没用的玩具，除了能解决一些简单的问题之外便再无他用，许多问题需要接近无限长的时间来解决。直到80年代专家系统出现，人工智能这才又走向繁荣。1997年5月11日绝对是A1的一个里程碑，人们惊讶的发现A1的学习能力可能已经到了威胁人类的地步，

5、超级计算机“深蓝”击败了国际象棋世界冠军卡斯帕罗夫。2016年AIPhaGo以4击败韩国棋手李世石九段。2019年实力更强的A1phaGo以3-0拿下全球第一的柯洁九段。图1-2中国乌镇围棋峰会上柯洁对战A1PhaGO这些成就其实不是并不是范式上的革命，这种现象可以用摩尔定律解释：单块集成电路的集成度每一年半就会翻一倍。这是计算机克服了性能上的困难所产生的结果。可以说现在是机器学习和深度学习的第三次AI热潮的时候了。13人工智能的研究背景数据与计算机技术的帮助下得到飞快发展,很多先进的机器学习技术顺利使用在21世纪很多的经济社会问题上。麦肯锡世界研究院在大数据：创新、竞争和生产力的下一个前沿领

6、域的报告中估计，到2009年，美国经济行业中具有IooO名以上员工的公司都至少拥有一个平均200兆兆字节的存储数据。到2016年，A1相关产品、硬件、软件等的市场规模已经超过80亿美元，纽约时报评价道：AI己经到达了一个新的热潮。大数据应用也开始逐渐渗透到非常多的领域，例如生态学模型训练、经济领域中的各种应用、医学研究中的疾病预测及新药研发等等。深度学习更是有效地推动了图像和视频处理、文本分析、语音识别等问题的研究进程。2 .人工智能的核心技术2.1 计算机视觉计算机视觉(Computervision)就是让计算机可以模仿人们的视觉能力。人不仅能够理解图像中的场景，稍加训练,也可以解读书法，胎

7、儿的3D超声图像。从此层面看，计算机视野特别复杂，有很多实际应用。计算机视觉完成的任务远超其他领域，比如手机上的人脸识别、图像搜索（如百度识图，Goog1eImages）,或者生物识别方法。图2.1NASA火星探测车的双摄影机系统计算机视觉能够看做是生物视觉衍生出的领域。在生物视觉领域，研究人类与动物的视觉以建造其视觉系统用来检测信息的物理模型。再者，用软件与硬件实现的人工智能在计算机视觉中被探索与实现。生物视觉和计算机视觉之间的多学科沟通给大家提高了很大的价值。计算机视觉包含以下几个分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引创建，图像恢复等。在20世纪，与视觉刺激相关的视觉

8、器官、神经细胞和脑组织已经开展了广泛的探索，产生了一些（尽管不准确）自然视觉系统功能的模型。这也达成了计算机视觉的较低领域-试图用不一样复杂程度的人工系统来模仿生物视觉。有关研究未来可能帮助失明的人恢复视觉以及用于各种机器探测。同一时间在计算机视觉领域，也有借鉴生物学的机制探索到机器学习的手段。2.2 模式识别模式识别是运用计算机的数学技术自动处理与解释模式。我们统称环境和对象为“模式”跟着信息技术的发展，人们可能探究繁杂的数据处理过程。数据处理的关键形式是活体对环境和物体的辨别。对人类来说，尤其重要的是光学信息与声学信息的辨别。这是模式辨别的两个方面。市面上的象征产品是光学字符识别和语音识别

9、系统。计算机检测的重要特点是速度快、精度高、效率高，未来能够替代人工输入。2.3 神经网络人工神经网络(ANN)在机器学习与了解科学领域对生物神经网络的一种模仿数学或计算模型，尤其是大脑结构和功能的模型，用于给函数估计或近似。神经网络是经过很多人工神经细胞组合而成的。在很多情况下，人工神经网络可以根据外部数据改变内部结构。现代神经网络是种非线性统计建模工具。神经网络常常经过基于数理统计类型的学习方法来优化，因此它同样是数理统计方法的实际应用。我们可以由普通的数学学习方法得到很多能够用函数表示的局部构建空间，就是通过统计方法人工神经网络可以像人类一样具有简单的决策能力和简单的判断能力，这种方法比

10、形式推理和计算逻辑更有好处。3 .人工智能的应用3.1 信息化战争：无人武器无人武器是信息化战争的主要表现，随着“全球鹰”“捕食者”等无人装备在实战中广泛使用，无人化作战武器的研制和使用越来越引人注目。越来越多的人工智能技术被应用到了武器上,一种全新的作战方式、作战理念正在悄然诞生。图3-1“装载在卡车上参加红场阅兵的“天王星-9”“天王星-9”无人战车主要用于对俄军提供遥控侦查和火力支援，用于消灭敌有生力量与打击多种目标,涵盖装甲车。工事与时速小于4千米的低空飞行器。据称“天王星-9”无人战车可以在局部战争与反恐任务里实施独特作用，尤其是在城市地区作战，它的使用揩大大减少人员伤亡。“天王星-

11、9”包括两个侦查和火力支持机器战车、运输他们的拖车和移动指挥台,射击任务由操纵员控制完成,操作台可设置在距离战车IoOo米处受防护的指挥所里，机器人上四部摄像机的信号通过无线电传输到指挥操作台，操作员据此来控制机器人的行动，简直就是红警2中“天启坦克”的袖珍版，不过在叙利亚战场上“天王星-9”还是暴露出了很多的问题，无人武器还有很多方面需要改进3.3 智慧交通：协同管理场景和无人驾驶人工智能在交通方面的使用是在交通控制与自动驾驶汽车方面，随便城市化发展越来越好，城市交通上的压力也越来越大，无法依赖警力同步增长来完成治理。这个时候可以依靠人工智能帮助完成治理，通过摄像头采集各种数据：车流量、车道

12、速度、车头时距、车头间距、车道时间占用率、车辆排队长度等。还可以实现违章检测：违章停车、异常停车、行人闯入、逆行、非机动车闯入、黄牌卡车闯入等等。在遇到违法犯罪等事件时可以进行特定车辆识别,特定人物识别,大大提高警员工作效率。图森未来“无人驾驶卡车”。技术发展方面，作为中国首张无人驾驶重卡测试牌照的拥有者,图森未来通过自主研发的一套由无人驾驶卡车、高清地图、精准定位以及运营系统TuSimp1eConnect”共同构成的无人驾驶卡车生态系统，让其车队能够保持一年365天，全天候的高效运行。应用落地方面，图森未来的无人驾驶技术已然在全球都达成商业化。在国外，图森未来已在美国埃尔帕索和达拉斯之间的7

13、条路线上供应无人驾驶运输服务；在中国，图森未来在上海临港片区和东海大桥等场景的测试里程近5.2万公里，并再获5张无人驾驶卡车道路测试的牌照,持续推进无人驾驶车队的成立和经营。图3-2图森无人驾驶卡车3.4 智能教育：自主学习场景随着新一代人工智能技术发展和教育转型变革持续推进，人工智能与教育行业将进行深度融合，不断衍生智能化应用场景。基于AR/VR、机器学习、计算机视觉等技术的智慧课堂，让学生拥有沉浸式和主动式的学习体验，使得枯燥无味的学习使得精彩生动，从而激发学生的学习兴趣，动员大家学习自主性;归根于计算机视觉等科技的远程教育，既可以让学生遍览海量网络教学资源、随时随地开始学习，又可以督促学

14、生完成学习任务、达到学习目标;基于人机交互、智能语音等技术的智能设备，培养学生自主解决问题的能力，使其成为具备自主意识和探索精神的学习者。智能教育指引大家积极学习，把学习真正交给本人，给学生自己掌握学习实质与进程，有助于学生培养良好的学习习惯，成为具备主动意识和创新思维的人才。4 .人工智能面临的困难4.1 计算机博弈的困难拥有竞争或对抗性的行为就是博弈，博弈论的经典概论有纳什均衡，囚徒困境等等。那么读者可能或疑惑博弈论在人工智能领域又能用来干什么呢？那就是生成对抗网络。博弈分为完没信息博弈和不完美信息博弈，这里给大家举出两个代表，围棋就是代表性的完全信息博弈，扑克就是不完全信息博弈，因为你不

15、知道对手手里拿的是什么牌。博弈论的最核心的实验是在不完全信息博弈。而游戏的A1常常会成为处理不完美信息博弈问题的一个）隹则。在现实里，不完美信息博弈非常重要。简单的来说,计算机博弈并不需要计算机有多么出色的计算能力，但是要让它在多个选项中选出最好的，这不是学习能力而是在计算机中应用博弈论。在A1的过程中，机器学习与深度学习在解决不完美信息博弈问题的表现还不够好。4.2 机器翻译的困难在计算机早期，有人提到了用计算机进行自动翻译的想法。机器翻译的问题依旧是语言学家在1964年所说的，组成句子的单词与歧义。歧义问题通常是理解自然语言的问题。之前有个很火的梗就是一句话中有非常多的意思然后提问句子中的

16、意思都是什么意思。所以要驱除歧义性就要对原文开展讨论理解,找寻致使歧义的词与词组在原文中的含义，尤其是中文里一个词语能表达非常多的意思,这让机器几乎不可能理解句子中的意思到底是什么意思，究竟是有意思还是没意思。计算机往往单独地用句子当作理解单位。此外即使对原文有理解，问题也是在电脑上表达理解的意思。当前的N1U系统很难随着时间的推移而提高理解，对该系统的理解大多限制在表面层面，没有深刻的反思，没有学习，没有记忆或归纳。造成这个结果的因素是计算机本身的结构与研究方法的问题。现在N1U的研究方法很不成熟，大多数研究限制于语言的一个领域，没有对人们怎么理解语言进行深入的研究。机器翻译的问题要求人们从语言学上解决人们怎么理解言语的不同感觉与感受等问题。4.3 自动定理证明和GPS的局限