学术论坛
简析人工智能的发展领域与展望
郭玉言张萍陈碧云
(陕西邮电职业技术学院,陕西威阳712099)
数字执本与表用
摘要：随着科学技术的不断发展和人工智能技术的不断突破，生活中越来越多的场景应用到人工智能技术,本文介绍了人工智能的发展历程、研究领城,从计算机视觉、语青技术、自然语言处理、决策系统及大数据应用层面分析了AI的应用场景，从等技术层面分析了人工智能在识别、认识、分析和决策领城尚在发展阶投，与人奠智能之间存在的差距，
关键词：人工智能；AI；机器学习
中图分类号：TP18
文献标识码：A
2016年3月，随着Go0gle的AlphaGo以四比一大胜围棋世界冠军李世石，引发了新的一波人工智能的狂潮。那人工智能到底是什
么，它已经发展到怎样的阶段了？ 1人工智能的概念
人工智能(Artificial Intelligence，AI)通俗来讲就是能对人的意识、思维等进行模拟，希望机器能像人一样思考基至超过人的智能，是研究、模拟、扩展人类智能的方法、技术的一门科学，旨在替代
人类实现识别，认知、分析和决策等功能。 2AI的发展历程
在60多年的发展历程中，AI经历了几次高潮和低谷，
人工智能"被首次提出是在1956年Dartmouth学会上。1957年，康奈尔大学发明了“感知机"的神经网络模型，可以完成一此简单的视觉处理任务。随后，由于计算能力的限制，A进人了第一个低谷。
19世纪八十年代，研究学者根据专家知识和逻辑规则发明了专家系统，用来解决特定领域间题，但人们很快发现这种系统的局限，如机器翻译系统无法处理自然语言中的歧义。1990年，人工智能计算机DARPA没能实现，AI又一次遭到冷落。直到1997年，IBM的计算机深蓝战胜象棋大师卡斯拍洛夫，A迎来了新的希望
2006年，Hinton提出"深度学习"的神经网络。2013年，深度学习算法在语音和视觉识别上取得了巨大成功。2016年，G00gle的 AlphaGo战胜世界围棋冠军李世石。随着深度学习算法的运用，AI 迎来了第三次发展高潮。
除了算法方面的突破，数据资源和计算能力的增长对AI的发展起着关键的作用，从70年代Personal计算机的兴起，到GPU、异构计
算等硬件设施的发展，为AI的发展提供了基础。 3AI的研究领域
般来说，A的研究分为基础设施，技术，应用三个层面。基础
设施层主要由数据资源和计算能力提供，数据越大，计算能力越强， AI的能力就越强。技术层以机器学习算法为中心，提供通用性很强的技术支持，如计算机视觉、自然语言处理等。应用层主要提供行业解决方案，为人类带来价值。
AI在技术层面，有如下应用场景：
(1)计算机视觉。计算机视觉是用机器代替人眼对图像中的目标进行检测、识别、跟踪。利用机器学习的方法，从图像或数据中获取特征来建立计算机视觉系统，如人脸识别、目标跟踪、无人驾驶等。
(2)语音技术，深度学习的广泛应用使语音识别的准确率显著提高，如苹果公司的Siri可以实现人机之间的语言交互，Google的收稿日期：2017-07-1(
文章编号:1007-9416(2017)07-0228-01
VoiceSearch可以通过语音输人查找信息等。
(3)自然语言处理。自然语言处理主要包括语言理解和语言生产两个部分，最典型的例子就是机器翻译，如Google的Translation系统，让很多本来不可能相互交流的人能够相互沟通，2011年，IBM的 Watson大放异彩，展现了杰出的理解、推理和学习能力。
(4)决策系统。决策系统的发展与棋类问题的解决分不开.从80 年代的西洋跳棋开始，AI逐个击破，攻破了国际象棋，到如今的围棋，机器的胜利标志着A的飞速发展。
(5)大数据应用。最典型的就是机器通过客户数据进行分析，找到满足用户喜好的商品进行反馈。如网站中的推荐，通过大量分析
用户的兴趣点进行精准推荐等。 4AI的未来发展
尽管AI取得了一定的成果，但在很多方面与人类还是存在一些
差电：
(1)依赖大量训练数据。举个简单的例子：计算机视觉系统在学习了数百张甚至更多的自行车照片以后，很容易分辨出什么是自行车，这需要大量的照片样本学习。而对于人类来说，给一个三四岁的小朋友看过自行车以后，哪怕再给他外观完全不同的自行车，他也能轻易作出正确判断。即机器学习依赖于大量高质量的训练数据，人类的学习过程往往不需要。
(2)依赖于特定的场录。在特定的场景如较安静的环境，机器能够得到比较高的语音识别水平，但在噪音情景下仍有挑战。再如用种方法学了下象棋，采用同样的方法不能去下围棋，即训练出的知识不能转移，依赖于特定场景，不能通用。
(3)与物理事件缺少对应。机器能够拥有海量的记忆能力，但在处理自然语言时，缺少对语义的理解能力，包括对口语、方言等不规范用语的识别与认知等。人在讲话的时候，语言是与物理事件相联系的，如一个人说自行车，他知道自行车长什么样子，有什么功能。在机器眼里，“自行车”仅仅是一个孤立的词，它与语句中的其它字或者词一起被当做信号序列，机器并不清楚这些信号在自然语言中的真正含义，更不会与物理事件相联系，这样的情况同样发生在图像理解上。未来如果要解决这类问题，就需要建立语言文本和图像与物理事件的映射，这在实现上是有很大难度的。
只有把这些问题解决了，才有可能造出像人一样智能的机器。因此人工智能在下一个阶段有非常广阔的应用前景，也有很
多挑战。 5结语
.·.下转第231页
作者简介：部玉言(1987一),女,湖北天门人,硕士研究生，助教,研究方向：计算机视觉
方方数据