人工智能：定义、历史与未来展望
1.引言人工智能（ArtificialIntelligence，简称AI）是一个旨在使计算机具有类似人类智能的领域。近年来，AI的发展以及在各个领域的应用取得了显著的成就，从而引起了广泛的关注。本文将对人工智能的定义、历史发展以及未来展望进行详细阐述。
2.人工智能的定义人工智能通常被定义为使计算机具有类似人类智能的能力，如学习、推理、解决问题、知识表达、计划、导航、自然语言处理、模式识别、感知等。人工智能的研究包括两个方向：强人工智能（StrongAI）和弱人工智能（WeakAI）。强人工智能指的是具有与人类类似的智能和意识的计算机系统；而弱人工智能则指的是针对特定任务的人工智能。
3 早期的人工智能早期的人工智能研究可以追溯到20世纪40年代和50年代。在这一时期，研究者们关注的主要是符号主义方法，试图通过基于逻辑和符号的形式体系来模拟人类智能。以下是早期人工智能的一些关键发展：
3.1.1图灵测试
艾伦·图灵（AlanTuring）是人工智能的奠基人之一。1948年，他提出了图灵测试（TuringTest），作为衡量一个计算机程序是否具有智能的标准。图灵测试的核心思想是，如果一个计算机程序能够在自然语言对话中模仿人类，使人类评估者无法区分它与真实人类的区别，那么这个计算机程序可以被认为具有智能。
3.1.2逻辑理论家
1955年，艾伦·纽厄尔（AllenNewell）和赫伯特·西蒙（HerbertA.Simon）开发了世界上第一个人工智能程序——逻辑理论家（LogicTheorist）。逻辑理论家可以在一定程度上模拟人类的推理过程，实现自动证明数学定理。这一研究成果标志着人工智能领域的诞生。
3.1.3达特茅斯会议
1956年，达特茅斯会议（DartmouthConference）在美国举行，这是人工智能领域的第一个正式会议。会议的目的是探讨如何让计算机实现智能行为，包括学习、推理、自然语言处理等。达特茅斯会议汇集了众多领域的专家学者，为人工智能的发展奠定了基础。
3.1.4ELIZA
1964年，约瑟夫·维森鲍姆（JosephWeizenbaum）开发了ELIZA，这是一个模拟人类心理治疗师的自然语言处理程序。ELIZA通过模式匹配和替换技术来回应用户的输入，实现类似于自然语言对话的效果。虽然ELIZA的技术原理较为简单，但它在当时产生了很大的影响，启发了后来的聊天机器人和自然语言处理研究。
在早期的人工智能研究中，研究者们主要关注符号主义方法，试图通过逻辑推理和知识表示来模拟人类的智能。然而，随着时间的推移，这些方法在处理复杂数字和模糊问题方面遇到了困难。在20世纪80年代和90年代，随着神经网络和机器学习技术的发展，人工智能的研究重心逐渐转向了基于数据的方法。
3.2连接主义和神经网络连接主义是一种基于神经网络的人工智能方法。与符号主义方法不同，连接主义试图通过模拟人类大脑中神经元的连接和活动来实现智能行为。神经网络是由许多相互连接的神经元组成的模型，每个神经元都有一定的权重，权重会随着学习过程不断调整。
在20世纪80年代，反向传播算法（Backpropagation）的提出为神经网络的训练带来了突破性进展。反向传播算法通过计算输出层的误差并向前传递，实现了神经网络的自动学习。这一发现使得神经网络得以广泛应用于图像识别、语音识别和自然语言处理等领域。
3.3机器学习和深度学习机器学习是人工智能的一个重要分支，它旨在开发能够从数据中自动学习和提升性能的算法。机器学习算法可以大致分为监督学习、无监督学习和强化学习三类。监督学习是指从带标签的训练数据中学习模型，无监督学习则从未标记的数据中寻找结构，而强化学习是通过与环境的交互来学习策略。
深度学习是机器学习的一个子领域，主要关注多层神经网络的设计和训练。深度学习的出现使得神经网络能够在更多领域取得显著的成功，如计算机视觉、语音识别和自然语言处理等。2012年，卷积神经网络（ConvolutionalNeuralNetwork,CNN）在图像识别竞赛中取得了突破性成果，引发了深度学习的研究热潮。
随着大数据和计算能力的提升，深度学习在各种应用场景中取得了巨大成功，推动了人工智能领域的发展。然而
，深度学习也面临着一些挑战，如模型的可解释性、计算效率和数据依赖等。为了解决这些问题，研究者们正在努力开发新的算法和技术，以提高深度学习的性能和适用范围。
3.4自然语言处理自然语言处理（NaturalLanguageProcessing,NLP）是人工智能的一个重要分支，致力于让计算机能够理解和生成人类的自然语言。自然语言处理涉及许多任务，如语法分析、机器翻译、情感分析、文本生成等。
在早期的自然语言处理研究中，研究者们主要依赖于规则和模式匹配方法。然而，随着机器学习和深度学习技术的发展，基于数据驱动的方法逐渐成为自然语言处理的主流。近年来，预训练语言模型如BERT、GPT等在各种自然语言处理任务上取得了显著的成功，表明深度学习方法在自然语言处理领域具有巨大潜力。
3.5专家系统20世纪70年代至80年代，专家系统作为人工智能的一个重要分支，取得了显著的发展。专家系统是一种将领域专家的知识编码为一组规则，并通过计算机程序来进行推理的系统。这类系统在医学、地质勘探、金融等领域取得了一定的成功。然而，由于其依赖领域专家的知识，并且难以处理不确定性和大规模问题，专家系统的应用受到了一定的局限。
3.6 机器学习20世纪80年代至90年代，随着统计学习理论的发展和计算能力的提升，人工智能进入了机器学习阶段。机器学习是一种从数据中学习模式的方法，它通过在训练数据上建立模型，从而实现对新数据的预测或分类。这一阶段的研究主要关注支持向量机（SVM）、决策树、集成学习等方法。机器学习的发展极大地推动了人工智能在诸如文字识别、语音识别、推荐系统等领域的应用。
3.7深度学习自21世纪初以来，深度学习作为机器学习的一个子领域，受到了广泛的关注。深度学习主要关注使用深度神经网络（DeepNeuralNetworks,DNNs）进行学习，这种网络具有多层隐藏层，并能自动学习多层次的特征表示。深度学习的发展得益于大数据、GPU计算能力的提升以及新算法的发明。深度学习已经在图像识别、语音识别、自然语言处理等领域取得了显著的成功，推动了人工智能的发展。
4.人工智能的未来展望虽然人工智能在过去的几十年里取得了令人瞩目的成就，但离实现强人工智能仍然有很长的路要走。未来的人工智能研究将面临以下挑战和机遇：
4.1可解释性与可信赖性随着深度学习模型变得越来越复杂，其决策过程也变得越来越难以理解。因此，在未来的人工智能研究中，提高模型的可解释性与
可信赖性将成为一个重要的方向。通过增加模型的透明度，我们可以更好地理解其决策过程，从而提高用户对人工智能系统的信任度。此外，可解释性也有助于发现模型的潜在缺陷，从而改进算法和提高性能。
4.2处理不确定性现实世界中的数据往往充满不确定性，如噪声、缺失值和异常值等。因此，未来的人工智能需要具备更强的抗干扰能力，能够在不确定环境中做出可靠的决策。概率图模型、贝叶斯网络等方法可能在这方面发挥重要作用。
4.3多模态数据处理现实世界的数据往往包含多种模态，如文本、图像、语音等。未来的人工智能需要能够处理这些多模态数据，从而实现更丰富、更自然的人机交互。多模态数据处理涉及到多种领域的知识，如自然语言处理、计算机视觉、语音处理等，因此需要跨学科的合作与研究。
4.4迁移学习与元学习迁移学习是指将在一个领域或任务上学到的知识应用到其他领域或任务。元学习（Meta-Learning）则是一种在多个任务上进行学习，从而能够更快地适应新任务的方法。这两种方法都试图模拟人类的学习能力，使人工智能能够在有限的数据和经验上实现快速学习。在未来的人工智能研究中，迁移学习和元学习将成为重要的研究方向。
4.5最强人工智能虽然当前的人工智能在特定任务上表现出色，但离实现强人工智能仍有很长的路要走。强人工智能需要具备类似人类的智能和意识，能够在多个领域和任务上进行泛化学习。要实现强人工智能，需要突破现有的计算模型和算法，探索新的学习理论和认知机制。
5.总结人工智能是一个充满挑战和机遇的领域，其发展已经深刻地影响了科技、经济、社会等方面。从早期的符号逻辑研究到现代的深度学习方法，人工智能已经取得了显著的进步。然而，实现强人工智能仍面临许多挑战，如提高模型的可解解释性与可信赖性、处理不确定性、多模态数据处理、迁移学习与元学习等。在未来，人工智能研究需要不断创新、跨学科合作，以期在这些领域取得突破，推动人工智能的发展。
随着技术的不断进步，人工智能将越来越多地融入我们的生活和工作，为人类带来巨大的便利。同时，我们也需要关注人工智能带来的伦理、法律、就业等问题，以确保科技的发展能够更好地造福人类社会。
在人工智能的发展过程中，我们将继续见证越来越多的技术突破和惊人的成果。然而，在追求科技进步的同时，我们也应该时刻保持警惕，关注人工智能可能带来的潜在风险。通过在科技发展和伦理道德间寻求平衡，我们有望在未来创造一个更加美好、智能和人性化的世界。
“机器写作”的未来展望
从人类与机器的演化关系来看，“文学写作”可区分为“前人工智能时代”与“人工智能时代”。人工智能时代文学写作的最大特征是“机器写作”的兴起。由于“强人工智能”（StrongAI，以下简称“强AI”）与“弱人工智能”（WeakAI，以下简称“弱AI”）之间的理论分歧，“机器写作”可能会使文学写作发展出“人机协作”和“超级智能体”两种不同的演化路径。随着“机器写作”的高速迭代和全面渗透，文学写作的各种特性都将发生变化，我们需对此进行前瞻性思考和探讨。
依托人工智能技术
所谓人工智能强与弱的说法，可追溯到阿兰·图灵。早在1950年，图灵通过著名的“模仿游戏”提出“机器能否思维”这一疑问，并对此持肯定态度。而他所发明的图灵机作为现代电子计算机的雏形，从理论上几乎可以模仿一切复杂系统，其中也包括生命和自然智能。因此，人脑也可被视为计算机，或者说，计算机可实现人脑的一切功能，如情感、意识、精神等高级认知活动。这是强AI的核心观点。早在20世纪70年代，就有人工智能科学家乐观地预言，十年之内可能就会出现具有“通用智能”的机器，它甚至可以自如阅读莎士比亚戏剧这类复杂的文学作品。
但事实上，20世纪70年代出现的“故事生产机”TALE-SPIN只能自动生成极为简单的故事模式。在反对者如休伯特·德雷夫斯看来，计算机的形式化系统先天存在“智能的上限”，它很难模仿人类的创造性活动。到了20世纪80年代，约翰·塞尔通过“中文屋”这一思想实验对以图灵为代表的“强AI”进行了反驳，并引发广泛争议。在他看来，机器只是机械地按照程序规则来处理符号信息，不可能像人类一样通过语言交流表现出对经验世界的意向性。按照反对派的观点，尽管机器可以制造文学的形式，但不可能理解文学的内容。这种主张计算机只能有限地模拟人脑部分非高级功能的观点可称之为“弱AI”。
不过，经过半个多世纪的发展，强AI与弱AI之间的分歧已不再停留在技术层面，而是根植于理念层面。近年来，人工智能联结主义通过优化神经网络算法已突破“经典人工智能”（符号主义）所存在的技术屏障，并使“机器写作”在实用型文体（如新闻）中表现出强大的应用潜力。与此同时，机器深度学习也开始涉足虚构型文体。2019年，机器诗人“小薇”成为中国首个通过图灵测试的“机器诗人”，并入选中央电视台《机智过人》节目。尽管机器在“文学写作”这一领域还存在诸多缺陷，但“数字化诗人”的出现已彻底刷新了文学界对于人工智能原有的认知。
当技术的瓶颈不断被打破，弱AI与强AI的边界似乎开始变得模糊。但从本质上看，二者的理念却有天然的鸿沟，由此就决定了“机器写作”可能会朝两个完全不同的方向演化。弱AI本质上是一种工具主义和人类中心主义，而强AI实质上是一种非工具主义和“超人类中心主义”。二者主要区别在于，前者所制造的机器必须依靠和服务人类，而后者所创造的机器则是一种可独立于人类的“类智能体”。
依照弱AI的主张，“机器写作”显然不可能替代或威胁到人类作家，它至多只是作为一种辅助性的写作工具。不管技术发展到何种程度，机器依然是以人类为中心。依照强AI的主张，“机器智能”发展到特定阶段就能够独立完成诸如文学艺术之类的创造性活动。机器将具有类似于人类的“自我意识”，它可能会创造出另一套不同于人类的文学表意体系。
假如“机器”真正能够跨越从“生产文学符号”到“创作文学经典”这一道门槛，那么，整个人类文学的形态无疑将被彻底改写。鉴于这两种对立的观点，我们可以展望，人工智能时代的文学写作可能会朝向两种完全不同的路径演化——以弱AI为背景的“人机协作”和以强AI为背景的“超级智能体”。
探索“人机协作”模式
从弱AI的视角来看，机器写作的发展趋势不是机器智能代替自然智能，而是发展“人机协作”模式。就当前人工智能技术发展而言，“人机协作”模式至少体现在两个层面。
第一，机器辅助文学创作。2016年，由日本开发的AI系统创作了小说《电脑写小说的那一天》，并参加了“星新一微型小说文学奖”，引发热议。同年，纽约大学与一位导演合作开发了一款能写剧本的AI系统，并创作出一部名为《太阳之春》的剧本。不过，这类作品的基本内容、人物设定和故事框架等素材是事先由设计者所决定的，而人工智能所做的只是对文学素材进行加工和重组。因此，这类文学“制品”实际上是人类与机器合作的产物，而不能视为机器独立创作的文学作品。
第二，机器辅助文学评选。2018年，《小说界》刊登了陈楸帆与人工智能系统合作的作品《出神状态》。该智能系统通过深度学习来模仿陈楸帆的写作风格。2019年，陈楸帆与AI合作的小说集《人生算法》同样采取了类似的智能算法。特别值得关注的是，《出神状态》参与了由AI“谷臻小简”评选的小说排行榜，榜单在《思南文学选刊》2019年1月号上公布。该AI榜单囊括了全国具有代表性的二十本文学杂志（如《收获》《青年文学》《青年作家》等），涉及2018年刊发的771部短篇小说，并按照情节曲线、人物情绪纠结度等指标从中遴选出60篇“佳作”。
不可否认，机器算法有助于避免主观臆断，但单纯依靠AI评选文学作品存在一个漏洞，即基于算法的判断标准是否公正？比如，AI评选系统是否会倾向于人类与AI合作的作品呢？由此来看，更合理的方法或许是综合自然智能和机器智能，将读者、评论家的判断与AI算法有机结合起来。因此，AI文学评选不可能纯粹以“无情”的算法来决定作品优劣，而必须“容忍”人类的主观判断。
随着算法的不断迭代，机器写作在未来或许能够接近甚至超越人类的创作水准。大多数创造性较弱的普通文学类体裁（如娱乐主题的影视剧本、通俗类的网络小说等）很可能会依靠机器智能来批量生产，这无疑会使一部分写手失业。但按照弱AI的思想框架，机器写作始终是为人类服务的创作工具。因此，再高级的写作机器都不可能取代人类的文学世界，而只是为其锦上添花。
然而，弱AI却面临强AI的直接挑战，二者的分歧在于机器能否在未来独立于人类社会而存在。从文学的视角来看，假如机器人真的能够感知、领悟和创作富有想象力的文学作品，那么从意识层面来说它显然就不能再被视为毫无感情、只会制造文学符号的“机器”。由此来看，弱AI所持守的工具主义和人类中心主义价值观就有可能被强AI颠覆，继而会把机器写作引向另外一条截然相反的道路。
构筑良性“文学生态链”
从强AI的视角来看，机器写作的演化趋势是发展出一类独立于人类文学世界的“新物种”。这一“物种”既非人类作家的创作工具，也未必始终以人类所构建的文学观念为中心。因此，它自觉或不自觉都会走向“人机协作”的反面。
要打破人类中心主义，写作机器人必然要获得独立与合法的主体地位。在2014年，湛庐文化和微软合作开发的人工智能诗人“小冰”出版了诗集《阳光失了玻璃窗》，被誉为人类文学史上第一部完全由人工智能“创作”的诗集。沈向洋在前言中声称，“小冰”是“IQ与EQ的综合体”，其诗集是具有独立知识产权的作品，它的“写作”是一种类似于人类的创造性行为，并具有源源不断的创造力。这种观点承认AI是具有合法地位且可以生成创造性行为的主体，正是强AI的典型观点。
按照这种思路，当前的“写作机器人”将从“数字化存在”升级为“具身存在”。批评家反对机器写作的一个重要理由是“数字机器”缺乏基于真实世界的生命体验和主体意识，无法理解人类社会的历史与文化，所以它不可能像人类作家一样创造文学经典。然而，一旦这种“具身性”使机器人可以穿越现实世界与数字虚拟世界，那么人类与机器的界限也将变得模糊。
“具身机器人”实际上就是强AI所力图达成的目标：一个具有丰富情感和自我意识的“类智能体”。按照麦克卢汉的说法，一切媒介都是人体的延伸。这一说法对于弱AI机器人成立，但对于强AI机器人就不再成立，因为后者超越了工具主义，不再是从属于人类身体的媒介，而是独立于人类的“觉醒”主体。可以想见，这种“类智能体”不仅能表现出与人类一样的非理性情绪（如喜怒哀乐），而且还能通过具有想象力的文学符号来表达自身的情感。如此一来，机器人与人类的“文学世界”就真正实现了跨越“物种”的“精神契合”。
然而，这种乐观主义会遭到“奇点假说”的挑战。早在1965年，英裔数学家古德就提出“智能爆炸”的说法，而自20世纪末以来流行的“奇点假说”则是对该说法的进一步拓展。“奇点假说”的基本逻辑是：随着计算机及相关技术的不断加速，在可预见的时间范围内（未来50—100年），涌现出超越人类的“类智能体”很可能是大概率事件。而一旦出现这种“类智能体”，它将以一种超乎想象的速度获得自我进化，从而进一步发展出足以取代人类的“超级智能体”。这一假说是强AI理念的极端形式。面对这种技术悖论，作家需考虑的显然不应是自己是否会因人工智能而“失业”，而是当面对具有情感和自我意识的“类智能体”之时，整个人类文明的前途将何去何从的问题。
综合强AI视角与弱AI视角来看，“机器写作”演化的实质是人机关系的革命性转变，同时它也是人类社会智能化转型在文学领域的一个缩影。随着人工智能时代的降临，“机器写作”无疑将在文学界引发新一轮的“认知革命”。机器诗人或机器作家的出现将会重新定义文学的本质和写作的意义。然而，“机器写作”所带来的挑战和压力并不意味着人类主体的退场与缺位，恰恰相反，机器智能越强大，反而越突显出人类这一智慧生物所蕴涵的“创造力”。因此，在可预见的智能社会，“机器写作”既无法完全替代人类的文学创作，也无法让人类在机器面前“俯首称臣”，更有可能发生的是弱AI所倡导的“人机协作”。而未来的“机器写作”很可能重塑文学生成、传播和接受的形态和边界，在人与机器之间构筑一种良性循环、互补共生的“文学生态链”。
人工智能的历史、现状和未来
2018年2月25日，在平昌冬奥会闭幕式“北京8分钟”表演中，由沈阳新松机器人自动化股份有限公司研发的智能移动机器人与轮滑演员进行表演。新华社记者李钢/摄
2018年5月3日，中国科学院发布国内首款云端人工智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平。新华社记者金立旺/摄
2017年10月，在沙特阿拉伯首都利雅得举行的“未来投资倡议”大会上，机器人索菲亚被授予沙特公民身份，她也因此成为全球首个获得公民身份的机器人。图为2018年7月10日，在香港会展中心，机器人索菲亚亮相主舞台。ISAACLAWRENCE/视觉中国
2018年11月22日，在“伟大的变革——庆祝改革开放40周年大型展览”上，第三代国产骨科手术机器人“天玑”正在模拟做手术，它是国际上首个适应症覆盖脊柱全节段和骨盆髋臼手术的骨科机器人，性能指标达到国际领先水平。麦田/视觉中国
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士
人工智能的未来展望
本科生课程论文
论文题目
人工智能的未来展望
课程名称
人工智能
学生姓名
所在学院
信息学院
所在班级
计科1111班
学 号
201111621123
指导教师
邹阿金
日期
2014年10月31日
目录
摘要2
一、什么是人工智能？3
二、人工智能的发展前景3
2.1人工智能的发展趋势3
2.2人工智能的发展潜力巨大4
三、人工智能未来展望之无人驾驶设备4
四、人工智能未来展望之软件开发设备5
五、人工智能未来展望之语言翻译设备5
六、人工智能未来展望之视觉识别设备6
七、人工智能未来展望之智能家居设备6
八、结语7
摘要
随着科学技术的飞速发展，“人工智能”的话题越来越多的出现在人们的生活中。人们谈起人工智能就眉飞色舞，你一言我一语，有的说：“这个什么什么好方便啊”，那个说：“这个什么什么好智能啊！”还有人说：“我们现在的人真是享福，有那么多的事情不用我们自己干了，都是智能的啦！”。这就是人们生活中对人工智能的现实写照。那到底什么是人工智能呢？人工智能的发展前景又是怎样的呢？未来的人工智能又能给人们带来哪些变化呢？似乎大多数人对这些问题充满着疑惑，但又似乎感觉到人工智能的影子在我们的生活中，它既神秘又清晰，让人既期待又琢磨不透。本篇论文将为大家解释什么是人工智能，未来人工智能给人们生活带来变化的展望。
关键词：人工智能，未来，展望，变化
一、什么是人工智能？人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。二十世纪七十年代以来，它被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
--------摘自百度百科
上面是较为严谨的课本说法，但是我们更为平常的理解可以是：给人们减轻体力活动，更加快捷、安全的一个智能的系统。它可以帮助人们完成人们认为无聊重复、高危险、高难度的工作的东西。总之，我们就可以理解成为它是一个万能的“机器人”，然后帮助我们干我们不想干的事情。
二、人工智能的发展前景2.1人工智能的发展趋势技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展:模糊处理、并行化、神经网络和机器情感。
2.2人工智能的发展潜力巨大人工智能作为一个整体的研究才刚刚开始,离我们的目标还很遥远，但人工智能在某些方面将会有大的突破。
(1)自动推理是人工智能最经典的研究分支,其基本理论是人工智能其它分支的共同基础。一直以来自动推理都是人工智能研究的最热门内容之一,其中知识系统的动态演化特征及可行性推理的研究是最新的热点,很有可能取得大的突破。
(2)机器学习的研究取得长足的发展。许多新的学习方法相继问世并获得了成功的应用,如增强学习算法、reinforcement learning等。也应看到,现有的方法处理在线学习方面尚不够有效,寻求一种新的方法,以解决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题,相信不久会在这些方面取得突破。
(3)自然语言处理是AI技术应用于实际领域的典型范例,经过A I研究人员的艰苦努力,这一领域已获得了大量令人瞩目的理论与应用成果。许多产品已经进入了众多领域。智能信息检索技术在Internet技术的影响下,近年来迅猛发展,已经成为了AI的一个独立研究分支。由于信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将A I技术应用于这一领域的研究是人工智能走向应用的契机与突破口。从近年的人工智能发展来看,这方面的研究已取得了可喜的进展。
三、人工智能未来展望之无人驾驶设备无人驾驶设备的实现已经不是什么难题，我们经常在电视上听到无人驾驶的飞机、无人驾驶的列车、无人驾驶的汽车等等，但是就目前来看，这些还没有大量的普及。因此我们也展望这样的未来：当我们走在马路上，我们可以看到马路上的汽车主动给我们让路，当我们要乘车时，汽车会自动打开门，并且为我们系好我们的安全带，同时调整我们最佳的坐姿，然后在车上来一场精炫的多维电影。当我们看完电影时，我们已经安全的到达了我们的目的地。当这样的车子出现时，我们的马路上已经不会再有车祸，人们再也不用为因为车祸失去生命而伤心难过。大家不必去遵守红绿灯，我们可以尽情的随心所欲，我们没有那么多的束缚。当发生自然灾害时，我们可以派遣我们的无人机前去第一现场，去营救那些受灾的人们，有了这些智能的设备，我们将会远离这些危险，人们的生活将会变得更加的美好和轻松。
四、人工智能未来展望之软件开发设备作为计算机科学与技术专业的同学，作为一个学习软件开发的同学，深知软件开发是一个多么苦逼的工作，我们多么希望将来能够有一个完全自动的软件开发设备，这个设备不再需要我们在电脑面前去一行行的敲代码，更加不需要我们去思考那些苦逼的算法公式，我们不用再为一个问题无法解决而焦头烂额，我们不需要夜以继日的去赶工我们的项目，我们需要的只是一台智能的软件开发设备。它可以识别人们的语音，只要人们说出我们的需求，他就会自动的创建好相应的数据库，编写好相应的界面，实现好相应的逻辑代码。我们也许只要在把我们需求说完的一刹那间，我们需要的应用或者系统就已经完整的展示在我们的面前。
我期待这天的到来，让我们这些苦逼软件开发人员彻底的解放。
五、人工智能未来展望之语言翻译设备语言是美妙的，语言又是多彩的，而这些多彩的语言却也隔阂了不少人，作为一个语言无天赋的人来说，在他对各种语言面前迷茫的时候，当他在一个陌生的环境中时，他无法与身边的人交流时，如果身边能有一个翻译视乎将会一种莫大幸福。我想将来这种翻译已经不再是人去做的工作，而是人工智能产品去完成。
翻译是把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做翻译系统。搜文网目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件的代表是“金山词霸”，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。当然，这种翻译似乎已经很智能，但是还不够，我们要的是：将来我们每个人只需要掌握一门语言，不管这门语言是什么都没有关系，但我们在与人交流时，我们的语言翻译设备将会自动的将我们的语言进行转化，我们就可以采用自己的语言和你所不知道的语言的人进行交流了。这样将会大大减少人们学习语言的压力。
我想，将来这种设备的出现，我们将不在为我们的英语四六级而苦恼了。
六、人工智能未来展望之视觉识别设备未来，我们不在需要因为我们看到自己熟悉的人不记得而感到尴尬，我们不再需要去可以记住一些东西的特征而为下次的重逢做准备。因为这所有的以前我们将会使用视觉识别的设备来帮我们完成。
将来我们的视觉识别设备将会有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。目前，计算机视觉已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别、染色体识字符识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像精确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等。
七、人工智能未来展望之智能家居设备人们都想着在一个温馨舒适的环境生活。而家作为我们我们生命大部分时间呆在的地方，我们视乎更加的注重，因此，聪明的人们开始了他们的智慧。随着计算机技术，通信技术和嵌入式系统的发展，智能家居正逐步走进人们的生活。一个典型的现代智能家居系统提供安防、家电控制、远程抄表和信息服务等功能。
智能家庭控制系统的主要功能包括家庭设备自动控制、家庭安全防范二个方面。
7.1家庭设备自动监控
家庭设备自动监控包括电器设备的集中、遥控、远距离异地(通过电话或Internet)的监视、控制及数据采集。
(1)家用电器的监视和控制，按照预先所设定程序的要求对热水器、微波炉、视像音响等家用电器进行监视和控制。
(2) 热能表、燃气表、水表、电度表的数据采集、计量和传送根据小区物业管理的要求所设置数据采集程序，通过传感器对热能表、燃气表、水表、电度表的用量进行自动数据采集、计量，并将采集结果远程传送给小区物业管理系统。
(3)空调机的监视、调节和控制，按照预先所设定的程序，根据时间、温度、湿度等参数对空调机进行监视、调节和控制。
(4)照明设备的监视、调节和控制按照预先设定的时间程序，分别对各个房间照明设备的开、关进行控制，并可自动调节各个房间的照度。
(5)窗帘的控制，按照预先设定的时间程序，对窗帘的开启/关闭进行控制。
7.2家庭安全防范
家庭安全防范主要包括多火灾报警、可燃气体泄漏报警、防盗报警、紧急求救、多防区的设置、访客对讲等。家庭控制器内按等级预先设置若干个报警电话号码(如家人单位电话号码、手机电话号码、寻呼机电话号码和小区物业管理安全保卫部门电话号码等)，在有报警发生时，按等级的次序依次不停地拨通上述电话进行报警(可报出家中是哪个系统报警了)。同时，各种报警信号通过控制网络传送至小区物业管理中心，并可与其它功能模块实现可编程的联动(如可燃气体泄漏报警后，联动关闭燃气管道上的电磁阀)。
八、结语人类的智慧是无限的，科学技术的发展势必也是我们无法想象的，我们现在对将来人工智能的展望也是可能实现的，我们要对未来充满希望和对未来充满期待，我相信在未来不久，人工智能的研究必然取得突破性的进展。人工智能的研究一旦取得突破性进展，将会对信息时代产生重大影响，对人类文明产生重大影响。科学发展到今天，一方面是高度分化，学科在不断细分，新学科、新领域不断产生; 另一方面是学科的高度融合，更多地呈现交叉和综合的趋势，新兴学科和交叉学科不断涌现。大学科交叉的这种普遍趋势，在人工智能学科方面表现尤其突出。由脑科学、认知科学、人工智能等共同研究智能的本质和机理，形成交叉学科智能科学。学科交叉将催生更多的研究成果，对于人工智能学科整体而言，要有所突破，需要多个学科合作协同，在交叉学科研究中实现创新。未来的美好需要我们共同的努力。