人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]人工智能是智慧农业新风口
可以预期，以AI为代表的新一代信息技术将深刻影响智慧农业发展，用人工智能赋能农业成为一大命题。农业机械化已经让大田的粮食生产从体力劳动中解放出来。未来，农业信息化会让农民成为更体面的职业。
当最前沿的技术与最古老的产业相遇，会激荡出怎样的变革？日前，国内首款农业AI对话机器人发布，诸如“土豆出现烂根怎么办”“某地西瓜行情怎么样”“帮我找个杨梅采购商”这些问题都将得到回答。可以预期，以AI为代表的新一代信息技术将深刻影响农业发展，抓住人工智能这个智慧农业新风口成为一大命题。
农业AI应用正加速铺开。本世纪初，其在国内已露端倪，既有耕、种、收等智能机器人，也有病虫害探测、土壤墒情测报智能系统。近年来，具有自主知识产权的传感器、无人机、农业机器人等日臻成熟，出现在越来越多的农业场景中。2020年，农业农村部、中央网信办印发《数字农业农村发展规划（2019—2025年）》，提出加快农业人工智能研发应用。自ChatGPT发布以来，认知大模型技术持续进化，国内类似产品不断推出。在此背景下，农业领域大模型产品的推出自然不足为奇。
人工智能的农业应用非常广泛，涉及感知、决策、控制、作业等，农业AI对话机器人只是其一。传统农业的特点是靠天吃饭，而我国的智慧农业发端于物联网设备和与其对应的农业信息化系统，通过监测和改善生长环境，使农业生产更稳定可控。如今，叠加新一代信息技术，农业数据要素将持续发挥作用。比如，借助猪脸识别，结合声学特征和红外线测温，从猪的体温、叫声等可及时判断猪是否患病，从而预警疫情，科学养殖。
智慧农业是用科技武装农业，并牵引资本、人力、土地等多种生产要素。很多国家都把智慧农业作为优先发展方向，全球智慧农业呈现出两大特征。一是高度集成。各种设备与技术高度集成，物联网、大数据、人工智能、云计算等叠加交融，形成了智能生产系统。国土面积只有4万多平方公里的荷兰，就是在设施农业中集成智慧农业，每公顷能产出54.4吨蔬菜，是我国的2.4倍。二是数据融通。不只应用在生产领域，而是打通生产、加工、流通、销售环节，建立大农业数据库，实现产销高效对接。有的国家在此基础上建立农业展望制度，直接影响期货市场走势，拥有了主导世界农产品市场的战略武器。
现阶段，人工智能可以成为农业生产强有力的辅助，但远不足以完全替代人和人的决策。这与其发展程度有关。一方面，有数据，缺智慧。行业数据、社会数据、企业数据难以有效融合，缺少针对农业大数据的深度挖掘和分析利用，预测预警和配置资源等核心功能还远未发挥。另一方面，有示范，缺规模。由于门槛高、价格高，目前应用局限在少数主体上，不少地方存在增量不增效、技术脱离实际等问题。此外，人工智能的核心是数据、算法和算力，但是农业生产对象具有生物特性，比较效益又低，数据采集难、算法要求高、算力资源缺，导致落地难度大。
人工智能赋能农业是好事，但也急不得。大国小农是我国的基本国情、农情。再高大上的技术，农民和农企都面临是否用得上、用得起、用得划算的问题。一方面，他们追求增产、提质、节本，需要导入智能装备；另一方面，又有求稳心态，对短期成本收益敏感，对新技术应用有迟疑。可见，新技术落地不是一蹴而就的，要不断迭代优化，从而突破盈亏平衡点。要从实际出发，积极探索应用场景，打造内容丰富、模式多样、载体多元的解决方案，降低用户成本，务求实效实用。
农业机械化已经让大田的粮食生产从体力劳动中解放出来。未来，农业信息化会让农民成为更体面的职业。推动智慧农业发展，政府应聚焦农业公共基础数字资源建设，通过政策引导数字技术的产业应用。科研院所要把工程科技与农业生产相结合，研发攻关更多接地气的产品。各类资本则要以长期投资的耐心支持经营主体。农民和农企则要抓住新一轮信息技术机遇，提升品质、做强品牌，实现增值。（乔金亮）
（责编：李雅妮）版权声明：凡注明“来源：中国西藏网”或“中国西藏网文”的所有作品，版权归高原（北京）文化传播有限公司。任何媒体转载、摘编、引用，须注明来源中国西藏网和署著作者名，否则将追究相关法律责任。