人工智能的應(yīng)用及展望

　　內(nèi)容摘要：人工智能 (ArtificialIntelligence)誕生于1956年的美國，至今已接近七十年。它屬于自然科學(xué)和社會(huì)科學(xué)的交叉。人工智能基于認(rèn)知科學(xué)、哲學(xué)、不定性論的邊緣科學(xué)研究項(xiàng)目，在上世紀(jì)80年代中期人工神經(jīng)網(wǎng)絡(luò)取得重大進(jìn)展，其成果大量應(yīng)用于系統(tǒng)的感知,模型建立和控制。神經(jīng)網(wǎng)絡(luò)通過對輸入輸出樣本的學(xué)習(xí),不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入輸出映射關(guān)系,并具有一定的學(xué)習(xí)和自適應(yīng)運(yùn)用能力。智能技術(shù)是當(dāng)前新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)的重要發(fā)展方向、開發(fā)策略和顯著標(biāo)志，借助大數(shù)據(jù)技術(shù)，尤其它在解決遠(yuǎn)程控制、故障診斷、非線性等問題上的優(yōu)勢，給機(jī)械系統(tǒng)、符號計(jì)算、模式識別的發(fā)展指明了方向。隨著時(shí)代的發(fā)展及信息**的到來,人工智能的研究領(lǐng)域日益拓寬,其內(nèi)容逐步豐富,對人類發(fā)展有劃時(shí)代的意義。

　　關(guān)鍵詞：認(rèn)知科學(xué)專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)

　　前言

　　人工智能(Artificial Intelligence)，人工智能可以分為兩部分，“智能”是什么，我們可以從不同方面去定義。這關(guān)聯(lián)到到如意識、自我、心靈等問題.我們唯一理解的智能也就是靈長類動(dòng)物擁有的能自由做出反應(yīng)的能力，這種能力也是現(xiàn)在和未來人工智能科研的主要奮斗目標(biāo)。目前我們對靈長類動(dòng)物的智能的理解，可以用只可意不可言來準(zhǔn)確形容，現(xiàn)階段還不能對自身智能的理解用科學(xué)的表達(dá)方式表達(dá)出來。

　　1 人工智能的定義

　　人工智能(Artificial Intelligence,簡稱AI)是一門研究如何構(gòu)造智能機(jī)器或智能系統(tǒng)，主要研究方向是模擬、延伸、擴(kuò)展人類智能的。人們通過對外界事物進(jìn)行長期實(shí)踐做出一些歸納并對其用數(shù)值量化，用傳感設(shè)備和用嚴(yán)密的邏輯思維進(jìn)行推理并干預(yù)其結(jié)果的差錯(cuò)，通過邏輯計(jì)算然后再用于控制終端設(shè)備服務(wù)于受眾，智能包含能力包括感知能力、記憶和思維能力、學(xué)習(xí)和自適應(yīng)的能力，

　　行為能力/涉及哲學(xué)、認(rèn)知科學(xué)、數(shù)學(xué)、神經(jīng)生理學(xué)、不定性論、計(jì)算機(jī)科學(xué)、控制論、信息論、仿生學(xué)、心理學(xué)等;人工智能產(chǎn)品也逐漸融入人類的生活中密不可分。

　　2 人工智能的發(fā)展

　　人工智能的傳說可以追溯到古埃及，但在歷史的長河中大部分的傳說都基于人們的假想，隨著近代特別是二戰(zhàn)之后世界格局的發(fā)展，1946年世界第一臺計(jì)算機(jī)的誕生以來，計(jì)算機(jī)在歐美國家得以迅速發(fā)展，人工智能終可以輔以計(jì)算機(jī)系統(tǒng)來實(shí)現(xiàn)，技術(shù)已最終可以創(chuàng)造出機(jī)器智能，1956年在達(dá)特茅斯大學(xué)召開的會(huì)議上正式使用了“人工智能(Artificial Intelligence,AI)”這個(gè)術(shù)語，人工智能領(lǐng)域的研究也從此正式開始，從那以后,研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動(dòng)程序設(shè)計(jì)、專家系統(tǒng)、學(xué)習(xí)以及機(jī)器人學(xué)等多個(gè)角度展開了研究，已經(jīng)建立了一些智能程度不同的人工智能系統(tǒng)，例如能夠求集成設(shè)計(jì)分析電路、字符計(jì)算、求解積分方程、合成人類自然語言，而進(jìn)行基于字符的情報(bào)檢索，提供語音識別、觸控識別的多模式接口輸入模式，應(yīng)用于疾病診斷的專家系統(tǒng)以及控制太空飛行器和水下機(jī)器人。我們熟知的年初的谷歌"Alphago"計(jì)算機(jī)在棋盤上擊敗了韓國國際象棋大師李世石就是比較突出的例子。

　　3 人工智能發(fā)展的依托

　　3.1 神經(jīng)網(wǎng)絡(luò)

　　神經(jīng)網(wǎng)絡(luò)(artificial neural network. ANN)是設(shè)置輸出的是一個(gè)靈感來自系統(tǒng)的模擬生物激勵(lì)的輸出。這里輸出、輸入都是標(biāo)準(zhǔn)化的量，輸出是輸入的非線性函數(shù)，其值可由連接各神經(jīng)元的權(quán)重改變，以獲得期望的輸出值，即所謂的訓(xùn)練過程?；跀?shù)值計(jì)算方法的神經(jīng)網(wǎng)絡(luò)，將已有數(shù)據(jù)和已知系統(tǒng)模式作樣本，存儲(chǔ)在系統(tǒng)的緩存區(qū)域，通過學(xué)習(xí)獲得兩者的映射關(guān)系，實(shí)現(xiàn)了對人類經(jīng)驗(yàn)思維的模擬。由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯(cuò)、結(jié)構(gòu)拓?fù)洹⒙?lián)想、推測、記憶、自學(xué)習(xí)適應(yīng)、并行上傳下載和處理復(fù)雜模式的功能，使其在工程實(shí)際存在著大量的多故障、多過程、突發(fā)性故障;這里就能體現(xiàn)出一個(gè)龐大復(fù)雜機(jī)器和系統(tǒng)的監(jiān)測及診

　　斷中的作用了，他們需要不斷查詢系統(tǒng)中故障的位置并向中央處理器報(bào)告突發(fā)錯(cuò)誤的原因，并能夠提供簡單算法的糾錯(cuò)功能，當(dāng)差錯(cuò)過大的時(shí)候這需要建立丟棄重傳的機(jī)制，以保證系統(tǒng)的正常運(yùn)行。在機(jī)械系統(tǒng)的應(yīng)用方式有：從模式識別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行故障診斷;從預(yù)測角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動(dòng)態(tài)預(yù)測模型進(jìn)行故障預(yù)測;利用神經(jīng)網(wǎng)絡(luò)極強(qiáng)的非線性特性。

　　3.2不定性論

　　不定性論也稱作模糊集理論(FuzzySets Theory，F(xiàn)SN)，人的認(rèn)知世界包含大量的不確定元素，但是我們所接收的信息需要對所獲信息進(jìn)行一定的模糊化處理，以減少問題的復(fù)雜度。1965年Zadeh創(chuàng)立了模糊集理論，模糊邏輯可認(rèn)為是多值邏輯的擴(kuò)展，人們利用在實(shí)驗(yàn)中發(fā)現(xiàn)的或者通過大量的獨(dú)立重復(fù)試驗(yàn)得出的某個(gè)典型值作為一類事物的一個(gè)最優(yōu)的或者折中的方案值來量化復(fù)雜的事物，這種模型能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似推理。是處理不確定性的一種很好的方法。目前基于多類電量測試信息模糊融合的模擬電路故障診斷方法已經(jīng)提出?；贙故障節(jié)點(diǎn)診斷法和最小標(biāo)準(zhǔn)差法的元件故障隸屬函數(shù)構(gòu)造方法,以及基于可測點(diǎn)電壓與不同測試頻率下電路增益的模糊信息融合診斷算法，分別利用此兩類測試信息及K故障診斷法和最小標(biāo)準(zhǔn)差法,對電路進(jìn)行初步診斷,再運(yùn)用模糊變換及故障定位規(guī)則, 得到融合的故障診斷結(jié)果。模擬實(shí)驗(yàn)結(jié)果表明,所提方法大大提高了機(jī)械系統(tǒng)故障定位的準(zhǔn)確率。

　　3.3 大數(shù)據(jù)

　　大數(shù)據(jù)技術(shù)是繼移動(dòng)互聯(lián)網(wǎng)和云計(jì)算技術(shù)的一個(gè)顛覆性的信息技術(shù)，它可以讓我們有一些數(shù)量巨大，種類繁多，高價(jià)值，低密度，快速變化的有效數(shù)據(jù)，低成本的存款取，檢索，分類，流量統(tǒng)計(jì)。但是，這并不認(rèn)為今天我們能夠有效，經(jīng)濟(jì)地理解這些數(shù)據(jù)的巨大價(jià)值是隱藏的，特別是如果這些數(shù)據(jù)是科學(xué)和經(jīng)驗(yàn)的的社會(huì)法律代表了巨大的價(jià)值的意義。幸運(yùn)的是，一些人工智能的理論，更實(shí)用的方法，已開始對大數(shù)據(jù)分析，并且做出了一些令人振奮的結(jié)果。

　　3.4啟發(fā)式搜索

　　遺傳算法(Genetic Algorithms ,GA)和模擬退火算法(Simulated Annealing ,SA)是近年來逐漸上升的兩個(gè)啟發(fā)式搜索,通過隨機(jī)生成新的解決方案,同時(shí)保留良好的結(jié)果,避免陷入局部最小值,以達(dá)到全局最優(yōu)解或最優(yōu)解附近。遺傳算法是解決優(yōu)化問題的數(shù)值字符串集合通過遺傳算子,即選擇、交叉和變異

　　操作優(yōu)化數(shù)字字符串。SA鄰近區(qū)域產(chǎn)生已知的解決方案的新的解決方案,并逐步減少鄰近區(qū)域的大小,直到接近全局最優(yōu)的解決方案。這兩種方法可以用來解決任何的目標(biāo)函數(shù)和約束優(yōu)化問題。模糊神經(jīng)網(wǎng)絡(luò)在交流伺服系統(tǒng)控制中使用遺傳算法比傳統(tǒng)的PID控制和快速響應(yīng), 錯(cuò)誤小,沒有沖擊和強(qiáng)烈的伺服性能等。仿真結(jié)果表明,遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)控制器的交流伺服控制系統(tǒng)大大減少響應(yīng)超調(diào)系統(tǒng),具有良好的抗干擾,伺服性。

　　3.5 深度學(xué)習(xí)

　　機(jī)器學(xué)習(xí)就是機(jī)器自生從周圍環(huán)境中獲取經(jīng)驗(yàn)，表現(xiàn)為在自身已有的知識上增強(qiáng)自身知識和能力，與人一樣能夠?qū)W習(xí)未知知識。機(jī)器學(xué)習(xí)的研究,主要是探究人類的學(xué)習(xí)理論、人腦的思維方式，建立針對具體任務(wù)的學(xué)習(xí)方式。它在開發(fā)高智能機(jī)器上是一個(gè)研究點(diǎn)。人類有條件研究復(fù)雜信息的識別和處理過程。用計(jì)算機(jī)實(shí)現(xiàn)環(huán)境與空間的自動(dòng)識別，包括文字、聲音、人物、物體等等;開發(fā)智能機(jī)器的突破口也是，也能為認(rèn)識自身智能提供信息和依據(jù)。環(huán)境與空間的識別是信息的識別和處理過程的一個(gè)重要技術(shù)支持。

　　4人工智能的應(yīng)用

　　4.1符號計(jì)算

　　符號計(jì)算是指解碼數(shù)學(xué)表達(dá)式、方程時(shí)，而不是數(shù)值點(diǎn)的離散化，而是通過一系列的身份和數(shù)學(xué)定理的，由推理和計(jì)算的分析結(jié)果。此計(jì)算是基于數(shù)值完全準(zhǔn)確的表達(dá)及嚴(yán)格的扣除的基礎(chǔ)上，將得到的準(zhǔn)確的結(jié)果。當(dāng)然，也有不足，產(chǎn)生符號沒有額外的屬性的變量x的純的形式(例如，以創(chuàng)建符號變量x，但沒有指定其為正，或者它是一個(gè)實(shí)數(shù))。為了與MATLAB版本兼容，x=sym('x','unreal')的功能和x=sym('x','clear')一樣。

　　符號變量符號變量計(jì)算和分析解決方案優(yōu)勢不一而足,例如,符號變量計(jì)算過程用π就用π的代表,而不是一個(gè)特定的近似值3.14或3.14159。同理計(jì)算過程中自然不對數(shù)e也就用e表示，而不用其某個(gè)近似值2.71828代替，使用符號變量可以最大限度減少運(yùn)營商由于舍入造成誤差的計(jì)算過程。符號變量也便于操作的演示過程。

　　4.2模式識別

　　模式識別是研究如何使機(jī)器感知，視覺和聽覺模型識別的主要研究。如目標(biāo)

　　識別，地形，影像，字體等。目前模式識別主要集中在圖形識別和語音識別。圖形識別，如識別打印和一些手寫文字，虹膜識別技術(shù)，如指紋。其中檢查白血細(xì)胞和癌細(xì)胞已進(jìn)入實(shí)用階段。各種語音信號的主要的語音識別分類。

　　4.3 專家系統(tǒng)

　　專家系統(tǒng)(Expert System，ES)是人工智能的主要分支之一。一個(gè)典型的專家系統(tǒng)由四部分組成：知識庫，推理機(jī)，知識獲取機(jī)制和人機(jī)界面。根據(jù)不同的專家系統(tǒng)的知識表示方法，可以分為基于規(guī)則和基于專家系統(tǒng)的框架;根據(jù)不同的推理方法，可分為正向推理和向后推理。在由產(chǎn)生式規(guī)則知識表示，知識表示方面，一方面，它有利于現(xiàn)有的人工智能語言，而另一方面，它的表達(dá)使得人的心理邏輯，有利于知識的獲取，為人們接受，使用知識表達(dá)應(yīng)用框架已經(jīng)越來越多。在診斷推理，主要表現(xiàn)在邏輯和推理模型的研究，在人工智能領(lǐng)域方面，有很多邏輯推理，廣泛應(yīng)用于模糊邏輯推理的專家系統(tǒng)，以減少對系統(tǒng)和復(fù)雜性故障機(jī)械系統(tǒng)的診斷可以產(chǎn)生很好的效果。研究和專家系統(tǒng)技術(shù)的應(yīng)用是在機(jī)械工程的許多領(lǐng)域的發(fā)展，故障診斷，仿真，自動(dòng)控制，工藝設(shè)計(jì)，生產(chǎn)計(jì)劃，產(chǎn)品設(shè)計(jì)等前所未有的速度。隨著研究工作的不斷深入，技術(shù)和先進(jìn)制造技術(shù)的一些新的方法集成到機(jī)械工程的研究和專家系統(tǒng)技術(shù)的應(yīng)用，不僅打造知識表示，知識庫，知識獲取和推理模型的關(guān)鍵技術(shù)等方面的研究取得了一定的成就，也出現(xiàn)了一些新的集成專家系統(tǒng)，如神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，模糊專家系統(tǒng)，基于Internet的專家系統(tǒng)，CAD專家系統(tǒng)，CAPP專家系統(tǒng)等燃燈的綜合利用率的專家系統(tǒng)的透明度、柔韌性;并具有處理不確定知識的能力，機(jī)械工程專家系統(tǒng)的更廣泛的應(yīng)用領(lǐng)域的特性。

　　4.4 機(jī)器翻譯

　　協(xié)同翻譯方面,翻譯是機(jī)器翻譯,顧名思義,這里的對象一般是指英文的中文自然語言。通常,未能翻譯分為兩個(gè)階段一是“語言”的理解,第二種是“生成翻譯”。成功的翻譯家,當(dāng)然需要善于原文譯文:語言與語言,更重要的是理解內(nèi)容。第一次實(shí)質(zhì)性的機(jī)會(huì),因此研究協(xié)同翻譯方面遠(yuǎn)遠(yuǎn)超過了計(jì)算機(jī)處理語言的范圍,而是人工智能研究的中介目標(biāo)。事實(shí)上,也可以說是協(xié)同翻譯方面50年研究中唯一的自然語言處理的一個(gè)領(lǐng)域的實(shí)用化。協(xié)同翻譯方面一般分為三種方式:轉(zhuǎn)換方式,中間語言方式和直接的方式。所謂轉(zhuǎn)換方式,首先,分析原文,原文的語法構(gòu)造乃至語義結(jié)構(gòu)。然后,事先準(zhǔn)備的轉(zhuǎn)換規(guī)則將原文的結(jié)構(gòu)重組的成長目標(biāo)的原

　　因已經(jīng),最后生成。所謂中間語言方式,是原語言文章轉(zhuǎn)化為了分析,任何語言的概念結(jié)構(gòu),然后直接特別是概念結(jié)構(gòu)生成目標(biāo)語言,所謂直接方式,分析前的語言一起去生成目標(biāo)語言,這種方式結(jié)構(gòu)的中心。

　　5 人工智能存在的問題

　　早在計(jì)算機(jī)誕生的初期,就提出了用計(jì)算機(jī)完成智能翻譯的想法，由此可知任內(nèi)對智能的研究具有悠遠(yuǎn)的歷史。但是人類在智能的研究方面遇到諸多的瓶頸，目前所面臨的問題主要有機(jī)器翻譯、人工智能的安全問題等。

　　5.1 機(jī)器翻譯所面臨的問題

　　機(jī)器翻譯所面臨的問題仍然是翻譯準(zhǔn)確率不高。歧義性問題一直存在，是自然語言理解中的一大難關(guān)。就以漢語為例，同一個(gè)意思可一用幾種甚至幾十種不同的語句表達(dá)，同樣句子在不同的情況下使用,也擁有不同的含義。所以,要消除歧義就要對句子的構(gòu)成進(jìn)行科學(xué)規(guī)劃，對每一個(gè)句子進(jìn)行科學(xué)的分析,找出造成歧義的詞語，并且分析這些詞語在句中導(dǎo)的準(zhǔn)確含義。另外,即便對原文有了一定的理解,機(jī)器理解語句的含義也不一定準(zhǔn)確，而且理解的意義在機(jī)器上變現(xiàn)出來也存在問題。目前的機(jī)器不能像人一樣在時(shí)間上增加理解力，沒有學(xué)習(xí),沒有記憶,沒有歸納。造成這種結(jié)果的原因是計(jì)算機(jī)本身硬件和軟件問題?，F(xiàn)在自然語言理解的研究技術(shù)很不完整,大多數(shù)研究被關(guān)在語言這一領(lǐng)域里,并沒有對人類的理解問題做深入研究。

　　5.2 人工智能的安全問題

　　人工智能任然在探究的初期階段，有人認(rèn)為如果讓機(jī)器像人一樣智能，是很危險(xiǎn)的。這樣機(jī)器可能反抗人類，原因有很多可能是機(jī)器會(huì)像人一樣犯罪，對人的統(tǒng)治發(fā)起反抗，而且有可能會(huì)統(tǒng)治人類，當(dāng)然人類是不會(huì)允許這種時(shí)間發(fā)生的。這種人工智能的安全問題在很多部科幻電影中都展現(xiàn)過，最主要的是同不同意讓人工智能擁有自主意識，如果使人工智能擁有自主意識，也就意味著機(jī)器具有與人同等的創(chuàng)造性、自我保護(hù)思想、情感和自發(fā)行為。

　　6 人工智能的前景及展望

　　從智能手機(jī)、自動(dòng)駕駛汽車到醫(yī)療機(jī)器人，人工智能**已經(jīng)到來。人工智

　　能讓互聯(lián)網(wǎng)搜索更加靈敏;將文本從一種語言翻譯成另一種語言;在擁擠的交通中推薦最暢通的線路;幫助識別信用卡詐騙等。雖然很多時(shí)候我們甚至沒有意識到它的存在，但我們的生活卻因它悄悄改變。人們總是趨向于安逸的生活，人工智能的出現(xiàn)滿足了人們許多的需求，這會(huì)導(dǎo)致人們滿足于享受當(dāng)前的生活而忘記許多自己的本能。但人們還得需要用自己的雙手去創(chuàng)造物質(zhì)文明，過度的依賴人工智能設(shè)備會(huì)讓我們意志力淡泊，喪失生活的樂趣，如果能把智能設(shè)備用到改善人們生活方式，提高生活質(zhì)量的領(lǐng)域去，不管是社會(huì)資源的提供者、生產(chǎn)者還是消費(fèi)者都會(huì)從中受益。

　　7 結(jié)束語

　　現(xiàn)階段人工智能在專家系統(tǒng),智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，智能控制，機(jī)器人學(xué)等方面都有許多的應(yīng)用，并且范圍越來越廣，人們也越來越依賴這些發(fā)明，但這些技術(shù)都希望能更好的去應(yīng)用服務(wù)育人，促進(jìn)科學(xué)發(fā)展朝著一個(gè)積極的目標(biāo)邁進(jìn)，雖然看似都是科學(xué)發(fā)展的，但是我們得注意其使用的度，人還是需要自己通過動(dòng)腦來完成某些關(guān)鍵且重要的工作，不要過分的以來人工智能智能作為一種工具被人類智能限定在一定的范圍里發(fā)展，才能在保證其安全的條件下最大程度的為人類發(fā)揮作用。