人工智能的研究及应用领域(1)
在大多数学科中存在着几个不同的研究领域，每个领域都有其特有的感兴趣的研究课题、研究技术和术语。在人工智能中，这样的领域包括自然语言处理、自动定理证明、自动程序设计、智能检索智能调度、机器学习、机器人学、专家系统、智能控制、模式识别、视觉系统、神经网络、agent、计算智能、问题求解、人工生命、人工智能方法和程序设计语言等。在过去50多年中，已经建立了一些具有人工智能的计算机系统，例如，能够求解微分方程的，下棋的，设计分析集成电路的，合成人类自然语言的，检索情报的，诊断疾病以及控制太空飞行器、地面移动机器人和水下机器人的具有不同程度人工智能的计算机系统。
值得指出的是，正如不同的人工智能子领域不是完全独立的一样，这里简介的各种智能特性也不是互不相关的。把它们分开来介绍只是为了便于指出现有的人工智能程序能够做些什么和还不能做什么。大多数人工智能研究课题都涉及许多智能领域。
1.问题求解与博弈
人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序(已在本章1.2.3节有详细介绍)。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题消解(归约)这样的人工智能基本技术。
通用人工智能是人工智能领域的一项重大挑战，其目标是让机器能够像人一样完成各种各样的任务。具体到游戏领域通用对弈游戏(generalgameplaying，GGP)致力于开发一种能够以人类水准玩任意已知或未知游戏的人工智能系统。IBM的超级计算机“深蓝”战胜国际象棋冠军卡斯帕罗夫标志着人工智能到达了一个新的高度。然而，“深蓝”的智能至少在两个方面还存在局限性：其一是只能玩国际象棋这一种游戏不具有通用性；其二是依赖于大量的人类游戏经验，不具有完全自主学习的能力。GGP研究的目标就是突破这些局限，它设置的环境要求机器必须在没有人类游戏经验的指导下玩各种各样的游戏。因此，GGP研究的进展反映了机器游戏智能在通用性和自主学习方面的发展，GGP比赛则成为一种评价机器游戏智能的标准。
今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋、中国象棋和国际象棋，并取得前面提到的计算机棋手战胜国际和国家象棋冠军的成果。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。
如前所述，这个问题中未解决的问题包括人类棋手具有的但尚不能明确表达的能力，如国际象棋大师们洞察棋局的能力。另一个未解决的问题涉及问题的原概念，在人工智能中叫做问题表示的选择。人们常常能够找到某种思考问题的方法从而使求解变易而解决该问题。到目前为止，人工智能程序已经知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优的解答。
2.逻辑推理与定理证明
早期的逻辑演绎研究工作与问题和难题的求解相当密切。已经开发出的程序能够借助于对事实数据库的操作来“证明”断定；其中每个事实由分立的数据结构表示，就像数理逻辑中由分立公式表示一样。与人工智能的其他技术的不同之处是，这些方法能够完整和一致地加以表示。也就是说，只要本原事实是正确的，那么程序就能够证明这些从事实得出的定理，而且也仅仅是证明这些定理。
逻辑推理是人工智能研究中最持久的子领域之一。特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。
对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。但是至少在当前，人工智能在数学推理中的表现显得并不尽如人意。这种推理对人工系统具有很大的挑战性，因为它不仅仅涉及处理数字，还需要一套认知能力，包括学习基本公理以及以正确的顺序进行推理、计划和做事的能力。
3.计算智能计算智能(computationalintelligence)涉及神经计算、模糊计算、进化计算、粒群计算、自然计算、免疫计算和人工生命等研究领域。
进化计算(evolutionarycomputation)是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法(geneticalgorithm)、进化策略(evolutionarystrategy)和进化规划(evolutionaryprogramming)。自然选择的原则是适者生存，即物竞天择，优胜劣汰。
自然进化的这些特征早在20世纪60年代就引起了美国的霍兰(Holland)的极大兴趣。受达尔文进化论思想的影响，他逐渐认识到在机器学习中，为获得一个好的学习算法，仅靠单个策略的建立和改进是不够的，还要依赖于一个包含许多候选策略的群体的繁殖。他还认识到，生物的自然遗传现象与人工自适应系统行为的相似性，因此他提出在研究和设计人工自主系统时可以模仿生物自然遗传的基本方法。70年代初，霍兰提出了“模式理论”，并于1975年出版了《自然系统与人工系统的自适应》专著，系统地阐述了遗传算法的基本原理，奠定了遗传算法研究的理论基础。
遗传算法、进化规划、进化策略具有共同的理论基础，即生物进化论，因此，把这三种方法统称为进化计算，而把相应的算法称为进化算法。
人工生命是1987年提出的，旨在用计算机和精密机械等人工媒介生成或构造岀能够表现自然生命系统行为特征的仿真系统或模型系统。自然生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混沌动力学、进化和环境适应。
人工生命的理论和方法有别于传统人工智能和神经网络的理论和方法。人工生命把生命现象所体现的自适应机理通过计算机进行仿真，对相关非线性对象进行更真实的动态描述和动态特征研究人工生命学科的研究内容包括生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。
4.分布式人工智能与Agent
分布式人工智能(DistributedAI，DAI)是分布式计算与人工智能结合的结果。DAI系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。
分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。DAI中的智能并非独立存在的概念，只能在团体协作中实现，因而其主要研究问题是各agent间的合作与对话，包括分布式问题求解和多agent系统(Multi-AgentSystem，MAS)两领域MAS更能体现人类的社会智能，具有更大的灵活性和适应性，更适合开放和动态的世界环境，因而倍受重视，已成为人工智能乃至计算机科学和控制科学与工程的研究热点。MAS解决实际问题的方式可以理解为一种基于agent的协作问题，而分布式约束则可以描述领域对象的性质、相互关系、任务要求、目标，因此可以作为一种有效的方法表示这种agent间的协作关系。
(人工智能知识系列由樊重俊教授人工智能团队编写，转发本文请标明作者与出处。欢迎关注，带你一起长知识！)
人工智能技术发展的五个主要分支
人工智能主要分支介绍通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍：
·计算机视觉(CV)
·自然语言处理(NLP)
·在NLP领域中，将覆盖文本挖掘/分类、机器翻译和语音识别。
·机器人
1、分支一：计算机视觉计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。
当前阶段：
计算机视觉现已有很多应用，这表明了这类技术的成就，也让我们将其归入到应用阶段。随着深度学习的发展，机器甚至能在特定的案例中实现超越人类的表现。但是，这项技术离社会影响阶段还有一定距离，那要等到机器能在所有场景中都达到人类的同等水平才行(感知其环境的所有相关方面)。
发展历史：
2、分支二：语音识别语音识别是指识别语音(说出的语言)并将其转换成对应文本的技术。相反的任务(文本转语音/TTS)也是这一领域内一个类似的研究主题。
当前阶段：
语音识别已经处于应用阶段很长时间了。最近几年，随着大数据和深度学习技术的发展，语音识别进展颇丰，现在已经非常接近社会影响阶段了。
语音识别领域仍然面临着声纹识别和「鸡尾酒会效应」等一些特殊情况的难题。
现代语音识别系统严重依赖于云，在离线时可能就无法取得理想的工作效果。
发展历史：
百度语音识别：
距离小于1米，中文字准率97%+
支持耳语、长语音、中英文混合及方言
3、分支三：文本挖掘/分类这里的文本挖掘主要是指文本分类，该技术可用于理解、组织和分类结构化或非结构化文本文档。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。
当前阶段：
我们将这项技术归类到应用阶段，因为现在有很多应用都已经集成了基于文本挖掘的情绪分析或垃圾信息检测技术。文本挖掘技术也在智能投顾的开发中有所应用，并且提升了用户体验。
文本挖掘和分类领域的一个瓶颈出现在歧义和有偏差的数据上。
发展历史：
4、分支四：机器翻译机器翻译(MT)是利用机器的力量自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)。
当前阶段：
机器翻译是一个见证了大量发展历程的应用领域。该领域最近由于神经机器翻译而取得了非常显著的进展，但仍然没有全面达到专业译者的水平;但是，我们相信在大数据、云计算和深度学习技术的帮助下，机器翻译很快就将进入社会影响阶段。
在某些情况下，俚语和行话等内容的翻译会比较困难(受限词表问题)。
专业领域的机器翻译(比如医疗领域)表现通常不好。
发展历史：
5、分支五：机器人机器人学(Robotics)研究的是机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理。
机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。
当前阶段：
自上世纪「Robot」一词诞生以来，人们已经为工业制造业设计了很多机器人。工业机器人是增长最快的应用领域，它们在20世纪80年代将这一领域带入了应用阶段。在安川电机、Fanuc、ABB、库卡等公司的努力下，我们认为进入21世纪之后，机器人领域就已经进入了社会影响阶段，此时各种工业机器人已经主宰了装配生产线。此外，软体机器人在很多领域也有广泛的应用，比如在医疗行业协助手术或在金融行业自动执行承销过程。
但是，法律法规和「机器人威胁论」可能会妨碍机器人领域的发展。还有设计和制造机器人需要相对较高的投资。
发展历史：
总的来说，人工智能领域的研究前沿正逐渐从搜索、知识和推理领域转向机器学习、深度学习、计算机视觉和机器人领域。
大多数早期技术至少已经处于应用阶段了，而且其中一些已经显现出了社会影响力。一些新开发的技术可能仍处于工程甚至研究阶段，但是我们可以看到不同阶段之间转移的速度变得越来越快。
猜你喜欢：
人工智能之个性化推荐之路
深度相机是什么？深度相机常见技术
如何解决分类中解决类别不平衡问题？
语言模型-BERT：bert算法介绍
传智教育人工智能培训课程
细数人工智能的四大主要应用领域
02.人脸识别
人脸识别也称人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别涉及的技术主要包括计算机视觉、图像处理等。人脸识别系统的研究始于20世纪60年代，之后，随着计算机技术和光学成像技术的发展，人脸识别技术水平在20世纪80年代得到不断提高。在20世纪90年代后期，人脸识别技术进入初级应用阶段。目前，人脸识别技术已广泛应用于多个领域，如金融、司法、公安、边检、航天、电力、教育、医疗等。
03.机器翻译
机器翻译是计算语言学的一个分支，是利用计算机将一种自然语言转换为另一种自然语言的过程。机器翻译用到的技术主要是神经机器翻译技术(NeuralMachineTranslation，NMT)，该技术当前在很多语言上的表现已经超过人类。随着经济全球化进程的加快及互联网的迅速发展，机器翻译技术在促进政治、经济、文化交流等方面的价值凸显，也给人们的生活带来了许多便利。
04.无人驾驶汽车
无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内以计算机系统为主的智能驾驶控制器来实现无人驾驶。无人驾驶中涉及的技术包含多个方面，例如计算机视觉、自动控制技术等。近年来，伴随着人工智能浪潮的兴起，无人驾驶成为人们热议的话题，国内外许多公司都纷纷投入到自动驾驶和无人驾驶的研究中。但是最近两年，发现无人驾驶的复杂程度远超几年前所预期的，要真正实现商业化还有很长的路要走。
除此之外，人工智能应用的领域还有很多，需要我们不断的去探索，相信只要有足够的使用场景、更加精细化的算法、足够强大的算力以及庞大的数据量，应用人工智能的领域只会越来越多，对我们日常生活的影响会越来越大。返回搜狐，查看更多
人工智能主要包括哪些研究内容，人工智能现状和发展方向是什么
人工智能主要包括哪些研究内容，人工智能现状和发展方向是什么？发布时间：2020-08-1313:42:01来源：ITPUB博客阅读：871作者：巴菲特的小秘栏目：互联网科技人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
随着20世纪中叶电子计算机产生以来，科学技术得到迅猛发展，人工智能也随之产生和发展。人工智能已经应用到我们生活的很多领域，伴随着研究的发展，人工智能会更加深入的影响我们的生活。
1.什么是人工智能
“人工智能”一词最初是在1956年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机，人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
2.人工智能的应用领域
今天，AI能力更倾向于应用到人类或其他动物智能的某一或某几方面，并用自动化替代，有时候也用于对其进行模拟。这些在高性能计算机调度之下的智能行为远远比人类的行为更为强大。
2.1路径查找和路径规划
在最小代价路径规划和路径查找系统中，可以使用专门的技术，它们中有一些非常灵巧微妙，另一些则仅仅是用蛮力解决：来模拟对理解的直觉迅速转换或者对普通人大脑生成过程的识别，结果有时非常令人惊讶！路径查找就是路径规划问题的一种变体。
不管怎样，当对真实世界中存在的问题应用AI技术的时候，您所遇到和需要克服的挑战有很多，但其中最令人烦恼的一个就是问题的规模和复杂度，即使在人类看来这些问题非常理所当然、简单和幼稚。早些年，AI研究的大部分工作是用于开发快速、高效、充分理解的查找方法。
2.2规则和专家系统
人工智能的发展到今天开始使用知识库来代替器官或机构记忆，多年来专家系统以及基于规则的决策系统在人类诊断和经验分析上一直处于主导地位。它用于在知识库中挖掘出问题的答案、寻找关联性、模式提取等等相关工作。
事实上，专家系统甚至可以用作游戏的一个可玩性特色。想象在一个实时战略游戏当中，您训练一个罗马士兵军团，让其攻击、抵御某种特定类型的敌人。然后，您又训练了敌人军队，让它再次抵御罗马军团的进攻，依次反复。
每一个历史军队所有的进攻和防御能力都包含在一个具有代表性的数据库中。当某一特定环境设置出现时，这些军队就需要找出一种策略来进行防御，这种需要由某种软件来提供，其中封装了这些环境作为一组参数，用于在专家系统中进行查找操作，从而寻找出抵御敌人的最佳方法。
3.人工智能的现状与发展方向
3.1人工智能的现状
20世纪90年代A.I.技术的发展在各个领域均展示长足发展——学习、教学、案件推理、策划、自然环境认识及方位识别、翻译，乃至游戏软件等领域都瞄准了A.I.的研发。1997IBM（国际商用机械公司）制造的电脑“深蓝”击败了国际象棋冠军加里·卡斯帕罗夫。到了90年代末，以A.I.技术为基础的网络信息搜索软件已是国际互联网的基本构件。2000年互动机械宠物面世。麻省理工学院推出了会做数十种面部表情的机器人Kisinel。
3.2人工智能发展的方向
关于A.I.人们最迫切希望知道的问题是，它真能和人一般聪明吗？许多科学家相信，这只是个时间上的问题。A.I.软件设计师库尔兹维尔认为迟至2020年A.I.即可聪明过人。IBM的霍恩估计比较保守，他认为A.I.赶上人还需要40—50年时间。AT&T的斯通则说他的目标是在2050前组建一只能挑战曼联的A.I.足球队。他这不是开玩笑。
在许多方面，A.I.大脑比人类更有优势。人脑的学习吸收新知识的过程非常慢。要说一口流利的英语至少得半年或两三年时间（吹牛广告中的例子除外）。而要让A.I.学会讲法语，只需为它装上一个说法语软件，数秒之间一个A.I.法语专家便诞生了。
另一个更难解答的问题：A.I.是否能拥有情感。目前没有人有把握回答这个问题。
于是剩下一个最可怕的问题：A.I.机器人能变得比人类更聪明，并反戈一击与人类为敌？库尔兹维尔、技术学家比尔·乔伊认为这并非不可能。霍恩在这个问题上拿不太稳。
霍恩认为虽然电脑的粗略运算能力可超过人类，但它不可能具备人类所有精细的特征，因为人类对自己的大脑拥有的许多微妙能力并不了解，更无从仿模相应软件。
库尔维兹的看法比较乐观，他认为人类在开发超级A.I.的同时，在对它们的引导和管理方面也将相应提高，因此将永远走在前面，掌握控制权。
由以上分析我们可以了解到，人工智能得到了全球从学术界到应用领域的高度重视，为了使我们的命题那更加美好，为了使我国在人工智能领域赶超国外先进行列，我们应该加大研究和投入力度，培养更多的超一流人才。
http://yyk.familydoctor.com.cn/21523/推荐阅读：数据库设计主要包括的内容是什么研究人工智能方面python用哪个版本更好免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
主要人工智能包括上一篇新闻：python中注释是什么意思下一篇新闻：Python中多重继承是什么猜你喜欢香港cn2的vps访问速度快吗香港cn2的vps适合搭建哪些网站便宜海外vps购买怎么选择便宜海外vps怎么租用便宜海外vps的ip被墙如何解决便宜海外vps选择要注意哪些问题香港vps访问速度变慢的原因有哪些怎么辨别真假香港vps企业网站怎么选择香港vps香港vps的IP为什么会被封