计算机人工智能技术的应用与未来发展分析
来源:用户上传
作者:
摘 要：本文针对计算机人工智能技术的应用现状和发展历程，探讨了人工智能技术在当前时代的应用场景，并针对性地研究了人工智能技术未来可能的发展趋势，希望可以提供一些参考的价值。
关键词：计算机;人工智能;应用;发展趋势
人工智能现在一般是指执行在人类决策领域内考虑任务的计算系统，在这个系统中，以目前的技术水平来看，包含着高级数据分析和大数据应用。上世纪50年代中期，人工智能的概念开始完善，直到近些年才开始迅速发展，并快速成为协调数字技术和管理业务运营的重要工具。在可以预见的未来，人工智能必定是时代的主旋律。
1 人工智能过去和现在
1.1 人工智能的过去
早在几个世纪以前，就出现了“人工智能”的模糊概念。19世纪末期，人工智能开始出现在科学作品当中，比如H.G.Wells等科幻作家的作品当中就在探索机器人和其他机器的概念——机器像人一样思考和行动。不过人工智能的概念正式被定义还是上个世纪40年代初期的事情，其标志性的事件是阿兰·图灵提出的计算理论，该理论的本质是机器如何使用算法来产生机器“思考”。自从这一理论提出后，科学界就开始探索创建人工智能框架的方法。
上世纪50年代中期，达特茅斯学院开始尝试着进行人工智能的实际应用。在当时，所谓“人工智能”应用就是采用电脑玩跳棋游戏，与前几年的AlphaGo玩围棋如出一辙。然而考虑到上世纪50年代中期计算机还不够先进的大背景，这样的人工智能实际应用的出现是非常值得赞扬的，称得上是一种突破性进展。然而，因为功能不完善，且发展方向不明确，人们对人工智能的热情又逐渐消退，直到上世纪末人工智能才再一次进入人们的视野，其标志性的事件在于IBM公司开发了一套国际象棋计算机深蓝并且击败了世界象棋冠军。
进入新世纪以来，尤其是最近几年，人工智能的发展速度非常迅猛。一般观察家们普遍认可2015年是人工智能的第一个里程碑年。在2015年谷歌云、亚马逊网络服务、微软等开始加强对人工智能的研究，人工智能领域的研究开始致力于提高自然语言处理能力、计算机视觉和分析工具。
1.2 人工智能的现在
从现有的概念来看，人工智能是一个涵盖了任何与机器智能相关应用的系统的总称。从目前的研究情况来看，人工智能的研究包含了通用人工智能的研究，这一类研究主张的是系统通常向周围的世界学习，并且以跨域的方式应用数据，如谷歌的Deep Mind使用神经网络学习来操作人类所有的电子游戏。
自然语言处理，具体是使机器能够阅读、理解和解释人类的语言，现在的研究方向是语义引擎，典型的应用目前主要是语音识别，如Siri、天猫精灵等等。
机器视觉，机器视觉相当于人工智能的眼睛，必定是研究的重點方向。在过去的几年，传感器及相关技术得到了大力发展，极大地强化了机器感知能力。
目前已经形成一些比较认可的人工智能构件方法，比如机器学习、深度学习、贝叶斯网络和遗传算法。其中机器学习是编写某种算法并通过输入一些信息，用来训练机器，使机器能够按照人们预想的某种方式运行。深度学习是依靠人工神经网络模拟近似人脑的神经，这个可能会是人工智能发展的重点方向，因为深度学习对于发展计算机视觉、语音识别、社会网络过滤、医学诊断等具有非常重要的价值。贝叶斯网络则依赖于概率图形模型，使随机变量和条件独立并去理解和处理事物之间的关系。遗传算法，则是利用自然选择的建模方法，使用变异模型与交叉技术来解决复杂的问题。
在2018年，我们都经历了基于人工智能和机器学习的工具、平台以及应用程序的迅速兴起，这些技术工具，不仅仅改变了互联网以及软件行业，还将包括制造业、健康、教育、农业以及汽车等在内的各种垂直行业产生了重大影响。
从国内的情况来看，2016年中国人工智能市场规模在96.6亿元，相比2015年增长37.9%，2017年市场规模达到135亿元，增长率是41.2%，2018年市场规模则达到了238.2亿元，增长率是56.6%。从这种发展情况来看，2018年已经将目前人工智能的技术水平推到了一个比较高的高度，2019年人工智能市场稳健发展，到年底预计市场规模可能达到280亿元。实际上这是一个比较保守的估计，具体来看，工信部发布新一代人工智能产业创新重点任务揭榜工作方案中指出到2020年要实现自动驾驶、智能服务机器人、智能消费无人机、物联网等几个重点项目。
当然就目前来说，人工智能已经有了一些比较初级的应用，如医疗行业，现今已经实现医疗影像人工智能、服务诊断提醒、临床决策诊断系统、药物研发、外壳手术机器人、医疗服务机器人、语音识别录入，混合现实技术的医疗大数据平台，数据分析等等。再比如家居领域，目前将人工智能运用到家居领域是行业探索的重点，也有一些成果出现，比如说上文提到的天猫精灵。实际现在有一种比较典型的智能家居控制系统，算是比较成功的人工智能应用，其原理是有一种中控，通过网络连接家里各种电子设备的控制器，通过语音识别即可完成一些比较常规的操作。还有如汽车，典型的人工智能应用则是自动驾驶。除这些应用之外，在零售、机器人、安防、制造、教育等行业领域都有人工智能应用的身影。
2 人工智能的发展
目前的机器智能有三个主要层次，包括机器学习、机器智能和人工智能。从当前时代来看，人工智能的研究进展还处在机器学习阶段，也就是目前的应用还处于初级阶段，离真正的人工智能还比较遥远。具体来说，目前的机器学习智能在很有限的变量范围内运行，即便只是出现了一个变化，都有可能导致不能运行，比如天猫精灵，智能按照固定的语句来进行识别。实际上现在的人工智能可以区分狗和猫，但是没有办法识别狗的不同品种。鉴于这种情况，人工智能相关和机器学习在现在和未来几年还会是研究的重点，IBM、谷歌等组织正在投入大量的资金和时间来研究人工智能技术，以便更好地为用户提供便利和好处。 依托现有的人工智能技术应用，未来几年最可能的趋势会是强化这些应用，如自动驾驶，人工智能技术与汽车的融合度是比较高的，预计到2020年，自动驾驶智能芯片、车辆智能算法、自动驾驶、车载通信等关键技术会有所突破，能够实现智能联网汽车达到有条件自动驾驶的水平。不过目前自动驾驶汽车还是概念上的东西，车辆软硬件技术、人工智能算法、政策和商业化都不成熟，要走的道路还比较长，这需要构建起完善的数字道路、智能道路，并实现主动感知、自动辨析、主动适应交通变化、动态交互、持续功能，即新能源汽车+自动驾驶+人工智能+新一代道路系统。
再如，医疗领域，从上文看，人工智能在医疗领域的应用是比较深入的，目前已经有比较完善的人工智能应用方案，未来几年可能会实现跨地域的远程医疗服务，任意时间诊断的远程医疗服务，以及远程监控服务，低成本，精准的AI监控将可能替代临床。在更长远的未来医疗机器人会代替费时费力的人工医疗服务，如复建、物理治疗等。健康智能手表，可穿戴医疗设备，如可穿戴血糖检测仪、心血管疾病管理装置、EEG脑电图显示器等等。
总体来说，可以将未来几年人工智能技术的发展趋势概括为如下几种。
首先，引入支持人工智能的芯片。智能芯片实际上是制约人工智能技术发展的瓶颈，人工智能高度依赖专用处理器，现有的CPU无法提高AI培训模型的速度，AI模型需要额外的硬件来解决复杂的数学问题，以此来提高任务处理速度，比如面部识别。现阶段英伟达、ARM、高通、英特尔等芯片制造商都在致力于智能芯片的研究开发。
其次，面部识别的功能还需要进一步完善优化。最近面部识别出现了很多负面新闻，但面部识别是人工智能技术当中的一种重要技术，在未来必定会持续发展，近些年已经见证了面部识别技术的使用，具有非常高的可靠性和准确性，比如支付宝的刷脸支付，未来还会在更高效率的识别技术上发力。
再次，人工智能与物联网的融合应用。随着5G的逐步完善，边缘计算成为物联网尤其是大规模物联网构建的一大关键技术，这将会是应用人工智能的重点领域，包括自动驾驶在内都需要边缘计算，实际上边缘计算也算是人工智能技术当中的一项比较关键的技术，没有它自动驾驶汽车将会一直是概念，而不会变得实用。而物联网广泛地连接各种电子设备，为AI提供机器感知能力，实际上现在随着大数据的应用，大数据和物联网的结合，已经体现为初级人工智能应用，如果后续人工智能技术进一步发展，用人工智能来代替大数据，就会是人工智能的高级应用，比如说电影《钢铁侠》当中就揭示了理想的人工智能——贾维斯，虽然这是科幻电影中的想象，但很可能会实现。
第四，人工智能的社会经济模型。人工智能的社会关注度越来越高，但几乎所有人都提出了一个共同的问题，即AI很快会带走工作吗。这个问题并不好回答，诚然人工智能是会夺走资源稀缺的工作，但人工智能的发展也会带来新的工作机遇。现在和未来几年，这方面还是政府工作当中的一个重点，因为人工智能的应用会带来技能差距风险的扩大，并可能造成两极分化的社会，所以社会经济模型方面的考量将会是未来的重点方向。
第五，人工智能的建立神经网络模型的最大挑战取决于选择正确的框架，现阶段有很多合适的平台，如TensorFlow、Caffe2、PyTorch等等。在特定框架中训练以及评估模型后，现阶段很难将训练后的模型移植到另外的一个框架当中，这突出的问题是神经网络工具之间缺乏兼容性，未来这将是发展的一个关键点。
3 结束语
综上所述，AI在很多方面比人类更有优势，AI已经得到了全球从学术界到应用领域的高度重视，而中国在人工智能领域上的开发研究更是不遗余力的。目前人工智能已经在多个领域进行了应用，并在在持续发展当中。当然这之中的难点问题还有很多，这都是需要去研究的课题。
参考文献：
[1]艾华.”互联网+”人工智能的應用与发展[J].电脑知识与技术， 2017，13（11）：171-172.
[2]杨丽，陶忠，罗荣等.浅谈信息时代人工智能的应用与发展[J].中国水运（下半月），2018，18（6）：60-61.
[3]李佩蓉，解解，崔旭等.人工智能在高校智慧图书馆中的应用与发展——基于人脸识别技术的应用及其算法实现[J].图书馆研究与工作，2018，（7）：27-30.
[4]谭蓓蓓.智能系统集成的应用与发展[J].科技信息，2013，（15）：210， 259.
转载注明来源:https://www.xzbu.com/2/view-15058899.htm
