【杂志论文】智能推荐在新媒体内容分发中的应用
内容平台的竞争，进入了一个前所未有的阶段，竞争的是用户注意力，竞争的要素除了优质的内容、渠道，更是技术。
从PC互联网到移动互联网，这场竞争变得更加激烈。可移动的随身携带的智能手机使得用户随时可以在线，随时可以浏览内容。并且智能手机不如PC便于输入信息，这使得用户的行为模式也方式也发生了根本性的变化。同时，互联网技术也使得内容生产的便利程度不断提高、门槛不断降低，信息的生产速度也在指数级上升。在这样的背景下，智能推荐技术应运而生。为了最大程度留住用户的注意力，学者和工程师应用我们已知最复杂的数学和计算机工程知识，研发并应用推荐系统架构、算法。
推荐系统在内容和用户之间搭起了桥梁，其本质是一个虚拟的计算机智能体，这个智能体替真实的用户提前快速地“审阅”海量的信息库，把其挑选好的“优质”内容供给用户。
本文从智能推荐在媒体内容分发中的应用出发，简要介绍了推荐系统的技术架构、算法模块及其在媒体中的主要应用场景，并以智能推荐在社交媒体知乎和凤凰新闻中的具体应用为例，探讨算法如何全方位洞察用户特征，立体分发内容，精准传达内容价值。
2.推荐系统出现的背景
2.1受众媒介接触行为与内容分发模式变化
随着移动互联网用户数量的不断增长，人们接触信息的载体也快速地移动互联网化。作为传播媒介，手机改变了人们的媒介接触行为。截至2019年6月，我国网民规模达8.54亿，手机网民规模达8.47亿，我国网民使用手机上网的比例达99.1%。其中，网络新闻用户规模达6.86亿，手机网络新闻用户达6.60亿，网络新闻用户中使用手机的用户达96.21%；我国网民的人均每周上网时长为27.9小时，人均每天上网时长将近4小时[1]。与其他大众传媒相比，移动互联网彻底突破了“传-受”之间不均衡的状况，以超常的便捷性、实时性和互动性，为用户的信息获取方式带来了革命性改变[2]。
在移动互联网兴起之前，报纸、广播、电视等传统媒体是信息获取的主要渠道。移动互联网起步阶段，各大资讯APP出现，但早期的移动新闻端的内容以报纸内容为主体，采用的仍是传统媒体的内容分发模式，依赖于记者、编辑等的“把关”，移动用户仍然以被动的身份接收着“千人一面”的信息。
随后兴起的微博、微信等主流社交媒体在某种程度上打破了“千人一面”的局面。移动用户通过自己的社交结构选择自己想看的信息，并且利用关注的对象与好友所形成的人际关系网在海量信息中筛选和过滤内容[3]，用户渴望发声、渴望创作的需求被满足。
现在，用户获取信息的渠道不计其数，短视频、长视频和信息流是主流的内容形态。以算法核心的智能推荐系统，彻底改变了媒体内容分发的模式。通过对用户画像的精准分析，算法能够从海量内容中过滤出用户喜欢的内容，实现用户与信息的高效连接，满足用户的多元化、个性化需求。
2.2新媒体为什么需要推荐系统
推荐系统解决的是用户和内容的关系。基于用户的兴趣偏好，系统把用户感兴趣的视频、资讯等推荐给用户，给用户带来沉浸式的体验，让用户感到满足。推荐系统主要解决两大问题：信息过载和长尾问题。一方面系统基于大量的用户行为数据来分析挖掘用户的偏好；另外一方面，基于内容数据及内容自身的特点，把内容和用户的兴趣进行匹配，从而达到个性化推荐。用户可以找到自己感兴趣的内容，平台上的其他内容也能有机会被用户看到。
推荐系统在今日头条的个性化服务及快速崛起中扮演着至关重要的角色。凭借着智能算法，今日头条快速抓取用户数据，精准分析用户需求，高效把关内容质量、进而实现个性化推荐，解决用户信息过载的问题。
当下，智能推荐已经成为内容分发不可或缺的技术。与传统的人工分发相比，智能推荐的优势很明显：千人千面的内容推荐、极高的内容分发效率、无人干预的自动化决策。智能推荐通过算法深度挖掘用户阅读兴趣，帮助用户快速发现感兴趣和高质量的信息，优化用户体验，减少用户浏览到重复或者厌恶的信息带来的不利影响。在分发效率上，中国传媒大学新媒体研究院院长赵子忠教授认为，人工给内容打标签并推送效率较低，算法技术可有效提升给信息分类和分发效率，能让有价值的内容匹配到更精准的用户[4]。凤凰新媒体客户端原来每日曝光的内容只有5000条左右，在使用智能推荐技术后，每天的曝光内容超过120万条；知乎也通过智能推荐技术将内容分发量提升200%，人均停留时长提升45%，点击率提升25%[5]。
3.智能推荐系统关键技术
推荐系统作为一种常见的信息过滤手段,能够在信息过载环境下通过分析用户和物品之间的历史交互数据,建立用户兴趣模型,从而发现用户感兴趣的信息，并将这些信息推荐给用户。接下来将从推荐系统的架构出发，介绍主要的推荐算法及常见的推荐系统应用场景，探究推荐系统背后的原理。
3.1推荐系统架构
通常来说，推荐的主要流程可分为召回、排序、重排、生成推荐列表这几部分。
当用户在页面发起请求时，系统就需要给该用户推荐他比较兴趣的内容。通常来说，候选集的量级十分庞大，从数百万到数百亿不等。在这种情况下，如果直接计算用户相似度或内容相似度的话，复杂度和计算成本非常高。于是，我们通过召回来完成对候选集的初筛。召回，就是从原始的数据集中，对内容进行粗选，选出数千内容。召回可以从用户所属的地域、人群、内容的热度等维度考虑。
召回完成后，就是排序阶段。排序就是把召回筛选出来的物料根据内容与用户兴趣的相关度，从高到低进行打分，打分最高的内容就是与用户兴趣最相关的内容。这个阶段通常运用大规模机器学习模型排序。
在排序完成后，通常还会进行重排序，最后生成推荐列表。在这个阶段，系统会基于场景进行去重、多样性控制、加权等操作，综合多种内容来源，保证内容的多样性和新鲜度，最终返回给用户推荐结果。
在实际的应用中，召回、排序、重排、生成推荐列表等每一阶段都比较复杂，用到的也不止一个模型，不同的模型用到的也可能是不同的算法和策略。
3.2推荐算法模块
推荐算法是整个推荐系统中最核心和关键的部分，在很大程度上决定了推荐系统类型和性能的优劣。推荐算法大致可分为基于流行度的算法、基于内容的算法、协同过滤算法、基于模型的算法。
基于流行度的算法，从字面意思就可以理解，比如我们常见的知乎热榜、微博热榜、新闻热榜等，根据用户浏览量、活跃度、分享率等热度来排序，将内容推荐给用户，这种算法适合新用户，但其存在的一个明显弊端就是无法给用户提供个性化推荐。
基于内容的算法，就是根据用户过去喜欢的物品，来给用户推荐与其过去喜欢的物品内容和特征相似的物品。基于内容的推荐可转化为计算用户兴趣特征向量和候选物品的特征向量之间的相似度。基于内容的推荐可以很好地解决冷启动问题，但可能会失去推荐内容的多样性。
协同过滤算法，是目前使用比较广泛的算法。协同过滤可分为基于用户的协同过滤和基于物品的协同过滤。基于用户的协同过滤的原理是，通过用户的浏览、消费等记录分析各个用户对物品的评价，据此计算出所有用户之间的相似度，选出与当前用户最相似的N个用户，将这N个用户评价较高但是当前用户又没有浏览过的物品推荐给当前用户。基于物品的协同过滤，首先会分析各个用户对物品的浏览记录，之后依据浏览记录计算各个物品之间的相似度，针对当前用户评分最高的物品，找出与之相似度最高的前N个物品，将这个N歌物品推荐给用户。二者原理相同。
基于模型的算法，如我们用机器学习的思想建模，常用的基于模型的算法有关联算法、聚类算法、分类算法、矩阵分解、神经网络。基于模型的算法快速、
准确，通常适用于新闻、广告等实时性要求比较高的业务推荐。为了让算法达到更好的效果，通常需要人为地做属性的组合和筛选，即特征工程。
在实际的业务应用中，由于业务的复杂性，很少会单独拿某一种算法来直接做推荐，而是融合多种算法，比如给不同的算法分配不同的权重，或者在不同的模块运用不同的算法完成计算，以实现最佳推荐。
3.3常见的推荐系统应用场景
推荐系统在新闻资讯中的应用场景主要有热门推荐、关联推荐、个性化推荐。
热门推荐基于全站内容的消费统计，进行全局、分频道或分地域的内容热门排行，该推荐常见于产品首页或内容详情页的“热门文章”、“排行榜”等模块。
图源自腾讯新闻客户端、知乎客户端、36氪客户端
关联推荐基于用户当前消费的内容，为用户推荐与当前内容相似的内容，从而提高产品的平均使用时长和人均阅读数，该推荐常见于产品内容详情页底部或侧边栏的“相关推荐”“看了还看”“买了还买”模块。
图源自36氪客户端
个性化推荐千人千面的推荐，基于机器学习和深度学习强大的意图识别能力，为每个用户在不同时间、不同地点推荐最适合的消费内容，该推荐常见于产品首页的“推荐”、“猜你喜欢”“发现”等模块。
图源自腾讯新闻客户端、知乎客户端、36氪客户端
4.智能推荐技术在新媒体内容分发中的实际应用
从主流媒体到社交媒体，智能推荐技术已经成为各个内容平台的标配。以人民日报为代表的主流媒体通过主流算法实现了传统媒体到智能媒体的战略转型[6]。人民日报借助人工智能打造了具备“主流价值观”的算法，让算法在提高内容分发效率的同时，净化媒体内容生态，传递社会主流价值观。接下来我们将从智能推荐技术在社交媒体知乎和凤凰新闻客户端中的实际应用出发，探讨算法如何提高内容分发的效率，以及如何为用户提供更加精准化、个性化的优质阅读体验。
4.1智能推荐技术在社交媒体知乎中的应用
知乎从问答起步，经过8年的发展，已经成为一个综合性全民知识内容平台，涵盖25万个话题，2700万个问题，1.2亿个回答，月浏览量达到290亿。[7]面对信息过载的挑战，知乎通过个性化推荐和搜索缩短用户和内容之间的距离，让用户在知乎摆脱信息过载带来的负担和压力。
4.1.1知乎的推荐系统架构
知乎的推荐系统架构
上图为知乎推荐页面的一次用户请求流程。在线上模块部分，主要有召回、排序和重排三个阶段，最终返回推荐结果，展示给用户内容。
召回阶段主要是将用户可能感兴趣的内容提取出来，其重点在于“全”。召回主要有两种方式，一是基于话题，即通过获取用户的关注数据，挖掘用户行为，二是基于内容，即协同过滤。排序阶段主要是对召回的内容进行打分，可以理解为用户的感兴趣程度，其重点在于“准”。排序可以是基于时间顺序、线性加权等规则，也可以是基于GDBT、DNN等模型。重排序阶段则出于产品或业务的考虑，对排序的内容进行重排，最终将推荐结果展示给用户。在重排序阶段，会对推荐物料做一些处理，如提权，即给视频进行一定的提权；隔离，相似内容隔开；强插，保证高质量的新内容流通。
以上就是知乎推荐页面的大致框架，接下来将针对排序模块做详细讲解。首先介绍一下推荐页Ranking的演进历程,如下图所示，Ranking的演进主要经历了四个阶段[8]。
知乎推荐页排序的演进历程
第一阶段按照时间排序，即按照用户的、动态、点击等行为产生的时间进行排序；但其存在的问题是没有考虑到亲密度或者感兴趣的程度。第二阶段采用EdgeRank算法，该算法借鉴了Facebook的EdgeRank算法，根据用户亲密度进行排序。第三阶段的FeedRanking采用GDBT模型。第四阶段的GlobalRanking采用深度学习模型、DNN等。
在模型的选择上，主要有以下方面的考量：（1）深度学习趋势；（2）能处理更高维度特征，如几十万话题量级；（3）非线性模型，不必做大量的特征组合；（4）使用GPU+HDFS结构，可以训练更多的样本。
4.1.2知乎智能推荐系统的特征工程
将特征按照内容进行分类，可分为如下三类：
第一类，用户画像特征，包含性别、年龄、职业等用户属性特征和用户点赞数、用户评论数等统计特征。
第二类，内容画像特征，包含文章长度、文章关键词等固有特征和文章历史点赞数、文章阅读数等统计特征。
第三类，用户与内容的交叉特征，如用用户感兴趣的话题和当前待推荐内容的话题交叉得到的特征。
至于特征的形式，主要包含以下几个方面：（1）数值特征：文章长度、点赞数、阅读数；（2）Onehot：如内容类型；（3）Multihot：内容多个话题id（4）Onehotwithvalue：用户对单类型内容的感兴趣程度；（5）Multihotwithvalue：用户对各话题的感兴趣程度。
在特征的设计原则上，首先要保证特征尽量全，从现有的数据中提取尽可能多的特征；其次，特征原始值全，比如加历史点击率特征的时候，可以把日活和点击都加进去；接着，覆盖率大，在设计时会去掉一些覆盖率很低的特征，这些特征影响影响范围小，大部分是缺失值；最后，线上线下特征一致，让覆盖率和取值分布尽可能接近。
未来的特征设计，将会从如下方向入手：一是显式交叉特征，DNN模型能学习特征的非线性能力，增加交叉特征可以降低模型搜索的空间，在训练数据一定的情况下可以提升效果，如用户的话题兴趣和当前话题的均值和最大值，效果提升明显；二是融入业务因素，把自己当做用户，考虑何种情况下点击率更高，何种内容更容易被用户点击，如视频在Wifi连接情况下下更容易被用户点击；三是数据挖掘特征，如内容Embedding特征。
4.1.3知乎推荐系统的CTR预估模型
在CTR预估问题上，之所以选择模型，原因如下：（1）推荐页排序目标是把用户推荐感兴趣的内容排在前面，可有两个学习目标：一是停留时长：适合用回归问题来解决，最后会偏向于长文章；二是点击率：二分类问题，知乎的问答一般不长，更加合适；（2）分类问题相比回归问题，目标类别少，相对准确率高；（3）分类问题场景业界应用较广，可交流空间大；（4）分类问题最后会输出一个概率分，方便与多目标结合。
之前的模型基于CTR为导向来进行设计的，如DNN和DeepFM模型，但是这样用户的负反馈较多，因为一些长尾内容或者大众化内容较多，影响用户的体验。之后设计的多目标模型，有基于点击率的模型，基于收藏率的模型，基于点赞率，基于评论率等，共8个目标。
从性能方面的考虑，知乎将底层权重被设置为共享,最后一层会根据不同的目标进行权重的训练。主要分为以下步骤：
（1）每个任务共享前面的几层权重，可以节省训练和预测的计算量；
（2）损失可以是几个任务的损失做简单线性加权；
（3）上线仍然要确定各个CTR的加权值，经验比较重要；
（4）上线后线上表现：点击率基本不变，而其他的几个指标，比如点赞、收藏大幅提升。
综合之前模型的优点，最终设计出的模型如下图所示。
4.2智能推荐技术在凤凰新闻中的应用
作为深耕新闻资讯领域的老牌媒体，凤凰新闻沉淀出海量的用户体量，在移动互联网新闻资讯行业日活过千万的平台中，凤凰新闻位列前三，人均单日使用时长超过三十分钟[9]。2016年，凤凰新闻便将智能算法与人工编辑强强联合，通过个性化推荐全方位洞察用户特征，立体分发内容，精准传达内容价值。
4.2.1凤凰新闻的智能推荐系统架构
下图为凤凰新闻的智能推荐系统的整体架构[10]，整体基于召回和排序的框架，与业内相似。百万量级的内容池经过召回阶段的初筛、规则过滤、粗排序之后，可得到规模在几千量级的召回候选集；在精排阶段，经过多目标排序的优化，可将召回候选集规模降到几百量级；最后经过重排和人工规则的过滤，将数据集降到几十量级，推送给用户。
目前，凤凰新闻推荐系统精排序阶段的模型为Deep模型，如下图所示：
在上图所示的模型中，从下往上，最底层右侧为用户信息、交互信息与内容信息，左侧为用户历史的行为集合，上一层为数据嵌入层；第三层左侧为FM模型的池化（Pooling）层，用来捕捉低阶的交叉特征，中间的DNN模型捕捉高阶的变化，右侧的AttentionLayer用来捕捉Session序列，包括用户的行为序列；最上边一层是多目标学习，包括阅读、点赞、收藏、分享等一系列行为。根据业务需求可以调整不同指标的权重，有针对性地进行优化。
4.2.2凤凰新闻的特征工程和召回
从系统的角度出发，凤凰新闻的特征工程架构如下：
凤凰新闻的特征框架主要分为三部分，自下而上，分别为离线日志、实时日志、线上请求数据。中间层的特征框架是抽象出来的共有特征组件，其中包括线上请求、实时处理以及离线数据，从而保证了特征的一致性。换言之，凤凰新闻离线的模型训练与线上的模型预估使用的是同样的特征数据。最上层为数据存储层，离线日志会存到Hive中，而实时的数据则会存到Redis集群中。整个特征框架的大致流程是，线上请求通过特征框架的规范化，去请求模型，最后通过模型得到排序的结果。
从特征分类的角度出发，凤凰新闻的特征工程有可作如下划分：
用户画像主要指用户的人口属性、兴趣属性、层次以及行为偏好；内容画像指针对内容的分类、自然语言处理、内容统计指标、文本质量分数、向量稠密表示等；请求上下文指时间、天气、地域、手机型号、品牌等客观环境的描述。特征和特征之间会进行一定的交叉，赋予该特征更多的含义。如果将用户画像与请求的上下文进行特征的交叉，则会得到用户常驻地、用户的兴趣变化、用户在不同场景下的行为、手机品牌对用户的影响等。这些特征的构建对推荐系统的解释性提供了强有力的支撑。
在召回部分，凤凰新闻使用了多路召回的办法。以利用FFM模型进行召回为例，其优势很明显：可以很好地结合业务定制优化目标，引导向量学习；可以在在一定程度上解决内容冷启动的问题；可以对新内容进行召回，在保证召回结果个性化的同时，还可以给用户带来惊喜感；此外，FFM模型可以避免传统协同过滤带来的“马太效应”。
4.2.3凤凰新闻在提升用户体验上的实践
“标题党”的出现严重影响着用户的阅读体验，用户跳出率升高，影响用户留存。在鉴别“标题党”方面，凤凰新闻主要从三个角度入手：（1）从内容特征入手，人为标记初始训练数据，后续通过自然语言处理建模；（2）通过用户举报去积累数据；（3）从数据特征入手，使用用户的评论等数据进行甄别。
从内容的动态特征，即内容的消费数据入手，内容消费可按照时长划分为6个维度，转化率可划分为5个百分维度，阅读完成比可划分5个百分维度，相互组合共有150维的特征，文章的归属为其中的一类组合作为文章的动态特征，比如“时长0-30s，阅读比10-30%，转化15%-20%”。
经过大量统计和对比发现，“标题党”类的内容会存在高转化率、低时长、低完成比的性质；相反，中等转化率、高时长、高完成比的内容一般为优质深度类的内容。通过线上用户真实反馈加以验证后，在精排模型以及重排模型中加入该特征体系，有效抑制用户对分类下的“标题党”，从而优化用户阅读体验。在实际的A/B测试上，也证明加入这些特征后对用户的留存和体验有较明显的提升。
5.总结
智能推荐技术已成为头部新媒体平台的中坚力量。凭借技术驱动，头部新媒体平台快速占领了内容分发的山头。放眼整个媒体行业，腰部的媒体平台仍然处于艰难的转型期。其中，技术人员的匮乏是这些平台应用智能推荐技术的主要阻碍因素，一些媒体平台团队内的技术人员甚至不足10人。另外一个现象是超过三分之二的中长尾平台会选择与第三方技术供应商合作[11]。随着技术的不断发展变革，我们相信，人工智能在未来将触及媒体的更多角落，帮助更多的媒体实现智能化转型，让智能推荐成为各个媒体的“常规武器”。
引用来源
[1]CNNIC.第44次中国互联网络发展状况统计报告[R].2019.
[2]何其聪,喻国明.移动互联用户的媒介接触：行为特征及研究范式[J].2014（12）.
[3]靖鸣,管舒婷.智能时代算法型内容分发的问题与对策.新闻爱好者[J].2019（5）.
[4]人民日报海外网.专家热议智能推荐，算法可以打破茧房壁垒.
[5]CSDN.人工智能技术在内容行业的应用：AI对中长尾内容平台还是奢侈品.
[6]腾讯财经.第四范式与人民日报签约，共同打造新媒体主流算法
[7]环球网.知乎CTO李大海：AI是应对内容消费升级的关键武器.
[8]单厚智.知乎推荐页Ranking经验分享.
[9]艾瑞.2019中国移动端新闻资讯营销策略研究报告[R].2019.
[10]马迪.信息流推荐在凤凰新闻的业务实践.
[11]CSDN.人工智能技术在内容行业的应用：AI对中长尾内容平台还是奢侈品.返回搜狐，查看更多
人工智能的计算机网络技术应用论文（精选10篇）
计算机应用技术专业毕业论文致谢推荐度：计算机应用实训心得体会推荐度：人工智能观后感推荐度：美术的论文推荐度：论文后记推荐度：相关推荐人工智能的计算机网络技术应用论文（精选10篇）
在平时的学习、工作中，大家都不可避免地要接触到论文吧，通过论文写作可以培养我们的科学研究能力。还是对论文一筹莫展吗？以下是小编收集整理的人工智能的计算机网络技术应用论文，仅供参考，欢迎大家阅读。
人工智能的计算机网络技术应用论文篇1摘要：信息技术为如今时代注入了很多活力，也全面带动了社会的发展，人工智能是一种全新的发展趋势。文章从人工智能的概念出发，介绍了人工智能的优点和缺点，并总结了计算机网络技术存在的问题，最后详细介绍了几种人工智能在计算机网络技术中的应用。
关键词：人工智能；计算机网络技术；防火墙
1人工智能的概念
人工智能是以模仿人类智能为核心，但最终超越人类智能的技术[1]。其中包括心理、生理、语言等多个领域，让一些机器具备人的思维以及感官，这种机器最终会达到具备人类的能力与思维，甚至在某些方面能够做到人力不可及的程度。发展人工智能就是为了帮助人类完成一些工作，例如很多高危工作可以让机器人代替人类，让工作人员获得安全保障。人工智能与计算机网络技术的联系非常紧密，计算机网络技术很多方面影响着人工智能的发展，而人工智能也有很多方面可以应用到计算机网络技术中。
2人工智能的优点
2.1保证网络稳定运行
现在生活中方方面面能够看到计算机网络技术的影子[2]。企业、个人、相关部门都要依赖计算机网络技术进行生产和管理，而计算机网络技术近年来的发展也非常迅猛，为社会发展起到极大的帮助，但计算机网络技术在带给人们便利的同时也造成很多不稳定的因素，例如一些数据处理，由于数据比较模糊无法采取有效的处理方法。人工智能就可以对计算机网络技术提供极大的支持，因为人工智能体现的是对人类思维的模仿，对数据的处理会更加灵活，配合计算机网络技术强大的计算能力，就可以让负责的数据得到高效处理，让工作效率得到提升，减少了数据处理的成本。
2.2网络管理更加便捷
网络的覆盖范围越来越大，计算机技术更新速度越来越快[3]。人工智能可以让网络管理更加简单便捷。网络结构通常是分层管理，人工智能以多代理协作的方式实现各管理层交流更加通畅，网络管理也随之提升了很大效率。人工智能注定成为未来网络管理的主要方式，因此，加强人工智能与计算机网络技术的协作能力是优化网络管理的主要途径。
2.3资源消耗小
人工智能可以利用模糊控制法将有效的数据从海量数据中提取出来，让数据处理的效率提升，减少了数据检索的时间。这就代表着人工智能可以极大程度上减少计算资源的消耗，节省人们的时间。
3人工智能的缺点
人工智能的理念是模拟人类的大脑，让机器代替人完成工作，所以随着技术更新人工智能会和人类大脑相似度越来越高，未来一定会有越来越多的工作是由人工智能来执行的，如今人工智能和计算机网络技术的结合已经带给人们很多帮助，但这种帮助会让人类产生极大的依赖性，逐渐发展成惰性，人类在生活和生产中参与会越来也少，最大的表现就是会有很多人员失业，毕竟对于企业来说使用人工智能要更加简单，在人力资源成本上投入减少，也有一些研究者认为人工智能最终取代人类，也是有可能发生的。
4计算机网络技术存在的问题
计算机网络技术对人们的帮助已经非常细致，完全融入日常生活中，在各个领域都有其影子，但网络安全问题一直都是人们关心的重点。网络上数据资源的规模越来越大，但这些资源大多数都是不规则的，有一些数据带给人们的是纯粹的干扰，计算机网络技术智能对这些数据进行简单处理，对其真实性无法准确核实。计算机网络技术让人们的生活更加便利，也让一些不法分子在网上进行非法活动更加便利，但目前对这些网络犯罪行为并没有有效的遏制手段。
5人工智能在计算机网络技术中的应用
5.1反垃圾邮件系统
这是一种针对邮箱使用研究出的系统，在使用邮箱的过程中，经常会有一些垃圾邮件，有些是用于广告，有些是诈骗信息，这些垃圾邮件让使用者非常困扰，虽然能够手动删除，但这类邮件通常都是源源不断的，一直删除非常麻烦。人工智能的应用就是能够生成反垃圾邮件系统，相当于邮箱外设置了一套防御系统，对垃圾邮箱进行阻拦，这样就不必用户亲自手动删除这些垃圾邮件，使用邮箱就会更加便利，而且在一定程度上也加强了邮箱的安全性，防止了诈骗信息进入，有效保护用户的财产安全。
5.2智能防火墙技术
防火墙对于计算机使用是非常重要的，能够对一些有害信息进行拦截，是保护计算机安全的主要措施。人工智能的应用让计算机的防火墙更加有效，可以进行自动防御，计算机可以通过智能防火墙技术解决一些软件拒绝服务的问题，而且可以对病毒有效防御。智能防火墙技术可以说是对传统的防火墙技术的强化，对于企业来说尤其重要，如今病毒的种类越来越多，威胁信息安全的隐患也更加复杂，一点小小的失误就容易造成极大的损失，智能防火墙技术从这个角度来说是最实用的应用技术。
5.3入侵检测技术
严格来说入侵检测技术也是防火墙技术其中的一种，但更加具体，所谓入侵检测就是对计算机收集到的数据进行处理，通过对数据的分析以及筛选，利用编程生成一份报告，在第一时间呈现给用户，用户能够随时掌握计算机的数据收集情况，也是对病毒的防范，能够在最短的时间内发现病毒入侵情况，以便于及时采取措施，保护网络安全。与严格意义上的防火墙不同的是，防火墙体现的是对有害信息的拦截，而入侵检测是对已经收集到的信息进行分析处理，人工智能的融入可以让数据处理的过程更加高效，提高入侵检测技术的性能。
5.4网络管理与系统评价系统
网络管理与系统评价是一种在人工智能刚开始应用到计算机上时出现的，人工智能在其中起到的特点就是利用数据库以及一种问题求解系统对网络管理进行优化，使之更加高效。计算机在运行中也会出现一些问题，用户往往不知道其中问题产生的真正位置，这样就可以利用问题求解系统来对计算机进行检测，找出其中的问题，便于对计算机进行维护，提高计算机使用的安全性。人工智能在网络管理中起到的作用非常重要，因为人工智能是对人类思维的模仿，对计算机故障分析更加有效，而且在数据处理时能够运用逻辑思维，对重要数据进行储存，以便于随时提取计算机中的数据。
5.5规则产生式专家系统
这种人工智能是建立起一个以专家知识为主的数据库，吸取专家推理机制的优点，计算机网络管理人员提前编制针对已知的入侵特征设计好的规则，以大量的规则建立成专业数据库，在网络管理中，系统以审计记录以及编制好的规则为依据，对入侵情况进行分析，并判断出入侵系统的种类以及特征。人工智能在对入侵情况进行处理的效率更高，并且更具有准确性，人工智能的处理方式以及相关应用性能也会更加有效。但人工智能也有一定的局限性，因为是以已知的经验以及规则进行处理，检测范围比较有限。
5.6人工神经网络
这种人工智能的应用是以对人脑的学习机制进行模拟，也体现了人工智能产生的思路，在应用上更加体现智能的特点，尤其学习能力更高。目前人工神经网络对一些存在畸变以及噪声的输入模式识别有广泛的应用，在与入侵检测技术的结合方面也比较广泛，在并行的模式下与入侵检测技术进行融合更加合理，因此在网络管理方面也是非常实用的应用。
5.7数据挖掘技术
数据挖掘技术的原理就是以审计程序为基础，对一些主机会话以及网络连接的情况进行更加细致的描述，并准确提取数据。数据挖掘技术能够对一些入侵的模式进行更加准确地的捕捉，对计算机网络的一些日常活动以及规则可以进行更加有效的学习和处理，对数据进行全面的记忆，因此在网络出现特别的情况下能够提高计算机及的检测效率以及识别效率。这项应用体现的是人工智能的记忆能力以及学习能力。
5.8人工免疫技术
人工免疫是一种针对人体免疫的特征设计的应用技术，其中对基因库、克隆选择以及否定选择等机制进行整合，传统计算机入侵检测技术有着非常大的局限性，尤其是识别病毒的能力不强，杀毒能力也有待提高，通过对此项技术的应用可以将这些缺陷进行弥补。在基因库中能够对一些片段进行重组，这一过程对于一些未知病毒进行识别是非常有效的。这种理念非常先进，但实际应用还存在一些问题。在否定选择机制中，系统中会随机产生一些字符串，运用一些算法将一些片段字符串进行判断，若是否定选择是正确的，检测器就可以视为合格。
5.9数据融合技术
这项应用是对人类的信息处理能力进行模仿，主要是通过对数据进行组合从而获取更多的信息，对资源进行整合协同，在计算机网络管理领域应该比较广泛，可以让多个传感器进行联合并发挥出更大的作用，并让整个系统的性能得到有效提升。单个的传感器在检测范围方面还是比较局限的，这项应用可以将这种局限性打破，让计算机网络安全问题得到有效解决，而且应该能够与其他的人工智能技术进行结合，让计算机的安全性更高。
6结语
人工智能是未来人们生活中必不可少的一部分，近年来很多应用人工智能的产品已经走进了人们的生活，随着技术的进步以及经济水平的提升，人工智能的普及范围会更广。将人工智能应用在计算机网络技术领域能够让计算机安全性得到提升，同时提高计算机的各方面性能，带给人们更加便捷的体验，但人工智能在实际应用上还存在一些障碍，而且人工智能的缺点也是值得注意的。
[参考文献]
[1]闵锐.大数据时代人工智能在计算机网络技术中的应用[J].科技创新与应用，2016（36）：98.
[2]安晓光.人工智能在计算机网络技术中的应用探究[J].中外企业家，2016（23）：119-121.
[3]王垂祺.人工智能在计算机网络技术中的应用[J].信息与电脑（理论版），2015（14）：74-75.
人工智能的计算机网络技术应用论文篇2摘要:随着社会信息技术和计算机网络技术的发展,人们对网络应用的需求也原来越多,这就需要不断研究计算机网络技术,由于人工智能在一定程度上成为科学技术前言领域,所以世界上各个国家对人工智能的发展越来越重视。本文首先分析其所具有的重要意义,然后研究其在应用过程中的作用,提出以下内容。
关键词:计算机人工智能应用分析
目前由于人工智能的不断成熟,人们在生活方面以及工作的过程中,智能化产品随处可见。这不仅对人们在工作中的效率进行提高,同时还对其生活质量进行加强。所以人工智能的发展在一定程度上离不开计算机网络技术,只有对计算机网络技术进行相应的依靠,才能够让人工智能研究出更多的成果。
1计算网络技术应用人工智能所具有的重要意义
由于计算机技术的快速发展,网络信息安全问题在一定程度上是人们目前比较关注的一个重要问题。在网络管理系统应用中,其网络监控以及网络控制是其比较重要的功能,信息能够及时有效的获取以及正确的处理对其起着决定性作用。所以,对计算机技术智能化进行实现是比较必要的。由于计算机得到了不断的深入以及管广泛的运用,在一定程度上导致用户对网络安全在管理方面的需求比较高,对自身的信息安全进行有效的保证。目前网络犯罪现象比较多,计算机只有在具备较快的反应力和灵敏观察力的状况下,才能够对用户信息进行侵犯的违法活动进行及时遏制。充分的利用人工智能技术,建立起相对较系统化的管理,让其不仅对信息进行自动的收集,同时还能够对网络出现的故障进行及时诊断,对网络故障及时遏制,运用有效的措施对计算机网络系统进行及时的恢复,保证用户信息的安全。计算机技术在发展的过程中对人工智能应用起着决定性作用,人工智能技术也在一定程度上对计算机技术的发展起着促进作用。不断的跟踪动态化信息,为用户提供准确的信息资源。总的来说,计算机网络在管理的过程中有效的运用人工智能,对网络管理水平进行不断的提高。
2应用分析
2.1安全管理应用
网络安全所具有的漏洞相对比较多,用户在网络中自身的资料信息安全是现阶段人们比较关注以及重视的主要问题。在对网络安全进行管理时,可以对人工智能技术进行充分的运用,在一定程度上能够对用户自身的隐身进行有效的保护。主要表现为:一是,智能防火墙的应用;二是,智能反应垃圾邮件方面;三是,入侵检测方面等。智能防护墙主要应用的就是智能化识别技术,通过概率以及统计方式、决策方法和计算等对信息数据不仅进行有效的识别,同时还能对其相应的处理,对匹配检查过程中需要的计算进行消除,充分认识网络行为特征值,访问可以直接进行控制,把存在的网络及时发现,拦截以及阻止有害信息的弹出。智能防火墙能够在一定程度上避免网络站点受到黑客的攻击,遏制病毒传播,对相关局域网进行相应的管理和控制,反之就会导致病毒以及木马的传播。在智能防火墙中,比较重要的就是入侵检测,它属于防护墙后的第二安全闸门,在对网络安全保证方面起着重要的作用。针对入侵检测技术而言,主要能够在一定程度上对网络中的数据进行有效的分析,并且对其进行及时的处理,把部分数据过滤出去,数据检测后的报告分析报告给用户。入侵检测在对网络性能不产生影响的前提下监测网络,为操作上的失误以及内外部攻击提供一定的保护。针对智能型反垃圾而言,其自身的邮件系统能够对用户邮箱进行有效的监测,对邮箱进行相应识别,把邮箱中存在的垃圾充分的筛选出来。如果邮件进入邮箱后,就会进行扫描邮箱,在一定程度上把垃圾邮箱的分类信息发给用户,提醒用户要对其进行及时的处理,避免给邮箱安全带来影响。
2.2人工智能Agent技术应用分析
针对人工智能Agent技术而言,它属于人工智能代理的一种技术,属于不同部分所组成的软件实体,包括:一是,知识域库;二是数据库;三是解释推理器;四是各个Agent之间的通讯部分等。人工智能Agent技术通过任何一个Agent域库对新数据的相关信息进行处理,并且沟通以至完成任务。人工智能Agent技术能够在一定程度上通过用户自定义对信息获得自动搜索,然后将其发送到指定位置。人们通过Agent技术得到人性化服务。例如:用户在用电脑查相关信息时,该技术不仅能对信息进行处理,同时还能够进行有效的分析,最后把有用的信息出题给用户,充分节省用户的时间。Agent技术为用户在日常生活中提供相应的服务,例如:在网上进行购物以及会议等方面的安排。它不仅自主性以及学习性,让计算机对用户所分配的任务自动完成,进一步推动机计算机网络技术的发展。
2.3在网络系统管理以及评价过程中的应用分析
针对网络管理系统来说,其智能化在一定程度上需要人工技能的不断发展。在对网络综合管理系统进行建立的过程中,不仅可以对人工智能中的专家知识库进行充分的利用,同时还能够对存在的技术问题进行有效的解决和处理。网络存在着动态以及变化性,所以,网络在管理的过程中会面临着困难,这就需要对网络管理技术人工智能化进行实现。在人工智能技术中,其专家知识库主要指的就是把各个相关领域专家的知识以及经验进行相应的结语出来,录入系统中,只有这样才能形成比较完善的知识库系统,促进智能计算机程序的发展和提高。如果遇到某个领域问题的过程中,要充分利用专家经验程序对其进行及时的处理。专家知识经验系统促进计算机网络管理得到顺利开展的同时,对系统评价相关进行工作不断的提高和加强。
3结语
科学技术在发展的同时,也促进人工智能技术的提高,计算机在网络技术中得到了比较多的需求,在一定程度上提高其应用范围和领域,因此可以看出,人工智能其应用发展前景是比较广泛的,人类对人工智能技术的进一步研究,会在未来开创出更多的应用领域。
参考文献
[1]周晶.面向产品全生命周期的网络化技术服务研究[D].东北大学,2009.12(08):123-124.
[2]李功新.基于可拓推演方法的调控一体防误操作系统研究与应用[D].武汉大学,2014.13(08):145-146.
[3]任巍.人工智能技术在计算机游戏软件中的应用[D].西安电子科技大学,2006.13(07):145-147.
[4]黄丽萍.人工智能技术在计算机网络教育中的应用[J].计算机光盘软件与应用,2014,10(12):134-135.
人工智能的计算机网络技术应用论文篇3目前，思政课的数字化程度远不能满足学生需要，高校亟须通过革新教学手段、创新教学形式，加强思政课建设、强化主流意识形态教育、占领话语主动权。为探索新时代信息技术与大学生思想政治教育深度融合的有效途径和方法，有效提升思政课程教学质量和教学效果，由上海工程技术大学马克思主义学院主办的“融合人工智能技术的高校思政课教学方法创新与实践研究”专题研讨会日前在线召开。
一、以技术迭代助力理念革新
新技术对人文社会科学的改革提出新要求，以技术迭代推进教学形式迭代也成为新时代思政教学创新与发展的必然趋势。数字化赋能思政教育，不仅是技术与教学叠加，更是教育理念革新。上海工程技术大学马克思主义学院院长刘志欣表示，我们应当针对学生学习能力差异与多元需求，分层分类、精准施策，提升学生自主学习能力。同时，应当构建分段分层分类的内容生产模式，实现大中小幼等不同学段，知识层、实施层、分析层、评价层等不同序列层级，课堂、实践、网络等不同类型教学场域的内容生产有效衔接，实现思政教育教学分众式、全场域覆盖。
另外，还要加快数字化手段创新，实现在海量数据中快速提取有效思政信息，让受教育者感受到良好数字化体验，要有的放矢、精准定位，建立数字化应用长效机制，切实落实思政教育立德树人根本任务。应当在新型信息技术融入教学实践的过程中，彰显思政课内蕴的时代精神气质。西南大学马克思主义学院院长白显良认为，人工智能赋能高校思政课教学绝非“技术”与“思政课程”的简单相加，绝非简单的人机对话模式，而是依托技术撬动高校思政课改革，在技术赋能的过程中兼顾思政教育的“温度”。要在智能化、技术化过程中对传统教学模式进行有温度的“扬弃”，最终做到将教师从烦冗的日常工作中解放出来、将学生的内生动力激发出来、将学校的教学管理水平提升上来。
二、打造思政教育教学新范式
思政课兼具知识传授与价值引导的双重功能，思政课教学效果在不同学生群体之间存在差异。因此，思政课教学应与时俱进，改变“千人一面”的教学内容、教学方法，更好满足新时代的新要求。新技术时代思政课教学范式的整体性创新，应建立在正确认识思政课学科属性的基础上。华中师范大学马克思主义学院副院长李芳认为，通过引入助教机器人，可以满足教师精准化教学和学生个性化学习的需求。利用大数据持续性抓取学生的“课堂画像”，可以实现对青年大学生思想状况变迁的可持续性分析。依靠新技术创新思政课教学范式，应当处理好工具性与人文性之间的关系。华东师范大学计算机科学技术学院副院长贺盘岢觯颐且砗萌斯ぶ悄艿墓ぞ咝杂胨颊谓逃募壑敌哉饬秸咧涞娜诠嵛侍狻
三、开创交叉融合发展新局面
思政教育的核心目标在于实现价值引领、能力提升、知识传授，未来要在研判高校具体情况的基础上，形成思政课与新技术相融合的局面。上海工程技术大学党委书记李江认为，信息技术与思政教育的深度融合，将让上述三个核心目标实现指标具体化，从而推进对个体学生的差异化教学。另外，在深度融合的过程中，也要不断总结经验、完善经验，发现新的问题、解决新的问题。思政课与新技术的融合不仅有益于思政课教学改革，而且也有益于教师队伍的管理和建设。
浙江大学信息与电子工程学系教授虞露表示，新技术背景下的高校思政课教学改革要更加关注实时性和交互性，结合人工智能的思政课教学模式助力教学质量和水平实现整体提升。放眼未来，要从创新性、时代性和发展性角度，思考思政课教学与人工智能技术的融合问题。上海市中共党史学会会长忻平提出，科学技术与教育发展的趋势是交叉性和融合性。全球发生的大变革对全体思政教师提出了新要求。我们要增强理论自觉，坚守思政课的教学主阵地，在教学实践中实现遵循课堂规律、思政课教学规律和学生认知规律的三者统一。我们要从党和国家事业发展全局和战略高度出发，通过人工智能赋能思政课教学，培养担当民族复兴大任的时代新人。
人工智能的计算机网络技术应用论文篇41.引言
随着科学技术近年来突飞猛进的发展，计算机及相关智能化应用在各个领域中占据了越来越重要的地位。无论是日常生活、工业领域还是军事领域，使用计算机的场合越来越多，而且不仅仅局限于最初的科学计算。在这种前提下，人工智能的概念应运而生。人工智能是20世纪中叶科学技术所取得的重大成果之一。它的诞生与发展对人类文明产生了巨大的影响和效益，同时，人类是否最终成为机器人的奴隶，人类社会会被计算机取代等等问题也被人提出并广泛讨论，这也就引起了哲学意识与人工智能的理论探讨。
2.人工智能的诞生
人工智能是20世纪中叶科学技术所取得的重大成果之一。人工智能是相对于人类智能而言的。它是指用机械和电子装置来模拟和代替人类的某些智能。人工智能也称“机器智能”或“智能模拟”。当今人工智能主要是利用电子技术成果和仿生学方法，从大脑的结构方面模拟人脑的活动，即结构模拟。
人脑是智能活动的物质基础，是由上百亿个神经元组成的复杂系统。结构模拟是从单个神经元入手的，先用电子元件制成神经元模型，然后把神经元模型连接成神经网络(脑模型)，以完成某种功能，模拟人的某些智能。如1957年美国康乃尔大学罗森布莱特等人设计的“感知机”，1975年日本的福岛设计的“认知机”(自组织多层神经网络)等。
电子计算机是智能模拟的物质技术工具。它是一种自动、高速处理信息的电子机器。它采用五个与大脑功能相似的部件组成了电脑，来模拟人脑的相应功能。这五个部件是：(1)输入设备，模拟人的感受器(眼、耳、鼻等)，用以接受外来的信息。人通过输入设备将需要计算机完成的任务、课题、运算步骤和原始数据采用机器所能接受的形式告诉计算机，并经输入设备把这些存放到存贮器中。(2)存贮器，模拟人脑的记忆功能，将输入的信息存储起来，供随时提取使用，是电子计算机的记忆装置。(3)运算器，模拟人脑的计算、判断和选择功能，能进行加减乘除等算术运算和逻辑运算。(4)控制器，人脑的分析综合活动以及通过思维活动对各个协调工作的控制功能，根据存贮器内的程序，控制计算机的各个部分协调工作。它是电脑的神经中枢。(5)输出设备，模拟人脑的思维结果和对外界刺激的反映，把计算的结果报告给操作人员或与外部设备联系，指挥别的机器动作。
以上五部分组成的电脑是电子模拟计算机的基本部分，称为硬件。只有硬件还不能有效地模拟和代替人脑的某些功能，还必须有相应的软件或软设备。所谓软件就是一套又一套事先编好的程序系统。
人工智能的产生是人类科学技术进步的结果，是机器进化的结果。人类的发展史是人们利用各种生产工具有目的地改造第一自然(自然造成的环境，如江河湖海、山脉森林等)，创造第二自然(即人化自然，如人造房屋、车辆机器等)的历史。人类为了解决生理机能与劳动对象之间的矛盾，生产更多的财富，就要使其生产工具不断向前发展。人工智能，是随着科学技术的发展，在人们创造了各种复杂的机器设备，大大延伸了自己的手脚功能之后，为了解决迫切要延伸思维器官和放大智力功能的要求而产生和发展起来的。
从哲学上看，物质世界不仅在本原上是统一的，而且在规律上也是相通的。不论是机器、动物和人，都存在着共同的信息与控制规律，都是信息转换系统，其活动都表现为一定信息输入与信息输出。人们认识世界与在实践中获取和处理信息的过程相联系，改造世界与依据已有的信息对外界对象进行控制的过程相联系。总之，一切系统都能通过信息交换与反馈进行自己调节，以抵抗干扰和保持自身的稳定。因此，可以由电子计算机运用信息与控制原理来模拟人的某些智能活动。
从其它科学上来说，控制论与信息论就是运用系统方法，从功能上揭示了机器、动物、人等不同系统所具有的共同规律。以此把实际的描述形式化，即为现象和行为建立一个数学模型;把求解问题的方式机械化，即根据数学模型，制定某种算法和规则，以便机械地执行;把解决问题的过程自动化，即用符号语言把算法和规则编成程序，交给知识智能机器执行某种任务，使电子计算机模拟人的某些思维活动。所以，控制论、信息论是“智能模拟”的科学依据，“智能模拟”是控制论、信息论在实践中的最重要的实践结果。
3.人工智能与人类智能的区别
人工智能是人类智能的必要补充，但是人工智能与人类智能仍存在着本质的区别：
(1)人工智能是机械的物理过程，不是生物过程。它不具备世界观、人生观、情感、意志、兴趣、
爱好等心理活动所构成的主观世界。而人类智能则是在人脑生理活动基础上产生的心理活动，使人形成一个主观世界。因此，电脑与人脑虽然在信息的输入和输出的行为和功能上有共同之处，但在这方面两者的差别是十分明显的。从信息的输入看，同一件事，对于两个智能机具有相同的信息量，而对于两个不同的人从中获取的信息量却大不相同。“行家看门道，外行看热闹”就是这个道理。从信息的输出方面看，两台机器输出的同一信息，其信息量相等。而同一句话，对于饱经风霜的老人和天真幼稚的儿童，所说的意义却大不相同。
(2)人工智能在解决问题时，不会意识到这是什么问题，它有什么意义，会带来什么后果。电脑没有自觉性，是靠人的操作完成其机械的运行机能;而人脑智能，人的意识都有目的性，可控性，人脑的思维活动是自觉的，能动的。
(3)电脑必须接受人脑的指令，按预定的程序进行工作。它不能输出未经输入的任何东西。所谓结论，只不过是输入程序和输入数据的逻辑结果。它不能自主地提出问题，创造性地解决问题，在遇到没有列入程序的“意外”情况时，就束手无策或中断工作。人工智能没有创造性。而人脑功能则能在反映规律的基础上，提出新概念，做出新判断，创造新表象，具有丰富的想象力和创造性。
(4)人工机器没有社会性。作为社会存在物的人，其脑功能是适应社会生活的需要而产生和发展的。人们的社会需要远远超出了直接生理需要的有限目的，是由社会的物质文明与精神文明的发展程序所决定的。因此，作为人脑功能的思维能力，是通过社会的教育和训练，通过对历史上积累下来的文化的吸收逐渐形成的。人的内心世界之所以丰富多彩，是由于人的社会联系是丰富的和多方面的，人类智能具有社会性。所以要把人脑功能全面模拟下来，就需要再现人的思想发展的整个历史逻辑。这是无论多么“聪明”的电脑都做不到的。随着科学技术的发展，思维模拟范围的不断扩大，电脑在功能上会不断向人脑接近。但从本质上看，它们之间只能是一条渐近线，它们之间的界限是不会清除的。模拟是近似而不能是等同。
4.总结
从以上分析不难看出，人工智能与人脑在功能上是局部超过，而整体上不及。由于人工智能是由人造机器而产生的，因此，人工智能永远也不会赶上和超过人类智能。所谓“机器人将超过人奴役人”、“人将成为计算机思想家的玩物或害虫，……保存在将来的动物园”的“预言”是不能成立的。因为，它抹煞了人与机器的本质差别与根本界限。然而，在现代科学认识活动中，没有人工智能，就不会有人类认识能力的突破性发展和认识范围的不断扩大。不仅电脑依赖于人，人也依赖于电脑。这就使得对人工智能的探讨以及对人机互补的关系的探讨成为一个新的课题。
人工智能的计算机网络技术应用论文篇5一、人工智能的定义解读
人工智能（ArtificialIntelligence），英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。
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与人类智能相似的方式做出反应的智能机器。人工智能的发展史是和计算机科学与技术的发展史联系在一起的，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，人工智能在21世纪必将为发展国民经济和改善人类生活做出更大的贡献。
二、人工智能的发展历程
事物的发展都是曲折的，人工智能的发展也是如此。人工智能的发展历程大致可以划分为以下五个阶段：
第一阶段：20世纪50年代，人工智能的兴起和冷落。人工智能概念在1956年首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但是由于消解法推理能力有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是重视问题求解的方法，而忽视了知识的重要性。
第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay—II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（InternationalJointConferencesonArtificialIntelligence即IJCAI）。
第三阶段：80年代，随着第五代计算机的研制，人工智能得到了飞速的发展。日本在1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段：80年代末，神经网络飞速发展，。1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段：90年代，人工智能出现新的研究高潮。由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。
三、人工智能的多元应用
1、人工智能在管理系统中的应用
人工智能应用于企业管理的意义主要不在于提高效率，而是用计算机实现人们非常需要做，但工业工程信息技术是靠人工却做不了或是很难做到的事情。把人工智能应用于企业管理中，以数据管理和处理为中心，围绕企业的核心业务和主导流程建立若干个主题数据库，而所有的应用系统应该围绕主题数据库来建立和运行。也就是说，将企业各部门的数据进行统一集成管理，搭建人工智能的应用平台，使之成为企业管理与决策中的关键因子，这些正体现了人工智能在企业管理中的巨大价值。
2、人工智能在工程领域中的应用
人工智能在地质勘探、石油化工等工程领域也发挥着非常重要的作用。早在1978年，美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”，该系统用于勘探评价、区域资源估值和钻井井位选择等，是工程领域的首个人工智能专家系统，其发现了一个钼矿沉积，价值超过1亿美元。
3、人工智能在技术研究中的应用
人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展，网络技术的安全已经成了人们关心的重点，因此必须在传统技术的基础上进行网络安全技术的改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的AI技术，开发更高级的AI通用与专用语言和应用环境以及开发专用机器，而人工智能技术则为其提供了一定的可能。
四、人工智能的未来思考
人工智能的近期研究目标在于建造智能计算机，用以代替人类去从事各种复杂的脑力劳动。正是根据这一近期研究目标，人们才把人工智能理解为计算机科学的一个分支。当然，人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机（automata）模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。如今，人工智能已经进入了21世纪，其必将为发展国民经济和改善人类生活做出更大的贡献。但是，从人工智能目前的发展现状来看，其研究也存在一定的问题，这些主要表现在以下三个方面：
1、宏观与微观隔离
一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象;另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远，中间还有许多层次尚待研究，目前还无法把宏观与微观有机地结合起来和相互渗透。
2、全局与局部割裂
人工智能是脑系统的整体效应，有着丰富的层次和多个侧面。但是，符号主义只抓住人脑的抽象思维特性;连接主义只模仿人的形象思维特性;行为主义则着眼于人类智能行为特性及其进化过程。这就导致了三者之间存在着明显的局限性。因此，必须从多层次、多因素、多维和全局观点来研究人工智能，才能克服上述局限。
3、理论与实际脱节
大脑的实际工作，在宏观上已知道不少;但是智能的千姿百态，变幻莫测，复杂的难以理出头绪。在微观上，我们对大脑的工作机制知之甚少，似是而非，这也使我们难以找出规律。在这种背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出“智能”就已经算是相当的成功。
五、结语
人工智能一直处于计算机技术的前沿，其研究的理论和发现在很大程度上将决定计算机技术的发展方向。人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。因此，要想从根本上了解人脑的结构和功能，完成人工智能的研究任务，就必须去寻找和建立更新的人工智能框架和理论体系，进而为人工智能的进一步发展奠定坚实的理论基础。我们坚信在不久的将来，人工智能技术的应用与发展必将会给人们的生活、工作和教育等带来更大的.影响。
人工智能的计算机网络技术应用论文篇6摘要：人工智能属于一门综合性的边缘学科。诞生时间为20世纪50年代左右，大概历经了四个时代，第一个时代为神经网络时代，第二个时代为弱方法时代，第三个时代为知识工程时代第四个时代为知识工业时代。它在发展过程中包含的基础有计算机科学，信息论，神经心理学，哲学，统计学等多种学科。至今为止，人工神经网络技术和遗传算法都已经应用于工业，军事等领域。
关键词：人工智能发展；识别率；人脸识别；遗传算法
1智能计算机的发展
1.1人工智能简述
人工智能[1]（ArtificialIntelligence，简称AI）是计算机学科的一个分支，属于为世界三大尖端技术空间技术、能源技术、人工智能其中之一，最近几十年来，人工智能的发展非常的迅速，在很多的地方都得到了应用，尤其是在科学领域。
人工智能源自于对人的模仿，其最终目的是服务于人类，但是，就像世界上没有相同的两片叶子，也没有完全相同的两个人，也就像没有一家服务企业可以满足一个国家人的所有要求一样，人工智能产业中也会涌现许多实力强大的企业，一些企业也会在某个领域内形成自己的竞争优势，甚至会出现垄断型企业。人工智能产业在国内外都还是处于刚刚发展阶段，人工智能产业的竞争也会伴随不断增长变化的需求而演化，企业也会为了满足并提升社会大众越来的生活品质而不断进步，不断完善自身。
1.2人工智能研究的发展概况
未来，随着计算机和其他科学技术的不断进步，人工智能的发展也将要不断面对越来越多的艰难挑战。在我们的日常生活中，人们对人工智能技术的期望一直都拥有着很高的热情和期盼，但是，在客观事实上，人工智能技术进步不但要考虑软件、硬件技术的限制，也还要考虑人们对自身能力理解程度的制约，因此未来人工智能技术将在不断限制的过程中不断突破不断成长，从而保持着逐步的发展。比如人脸识别技术，当该技术以一次问世时，人们对人工智能充满了信心，但当大多数人亲自使用时，却发现它对人脸的识别率还是不够高；
近年来，人脸识别技术得益于机器学习与大数据，又有了非常令人欣喜的进步，拥有足够的多的人力模型数据，计算机对具体提供的数量足够多的人脸模型数据进行针对性训练，就可以达到一个极高的识别正确率。但是对一个具体的个例可以做到百分百识别，并不能就此完全肯定对人群大众使用就都能达到同样级别的水平，对于大量的人脸数据依然需要不断地整理系统的统计，所以，距离完美的识别率人类还有很长的路要走。不仅是人脸识别，OCR、语音识别、机器翻译等人工智能技术在现实的应用中都会面临准确率的标准。也希望无论是企业还是社会群体大众，用一份积极包容的心态，为人工智能产业的发展营造一个优良的可持续发展环境。
人工智能应用研究有许许多多的可行性。专家系统内部含有大量的某个领域的专家水平的知识与经验，经过运用人类的知识和解决问题的途径进行推理、汇总、判断、解决，来处理某个领域的疑难棘手问题。人工智能系统在很多领域的应用也都在促进着人工智能的理论和技术的不断发展。专家系统也是人工智能应用研究最活跃和最广泛的应用领域之一，涉及社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。人工智能在计算机领域内，得到了原来越多的重视。并在机器人等中得到了很多的实际应用。
人工智能是研究人类智能活动的可循规律，创建具有一定人类智能的电子系统，它主要是通过让计算机去完成原本是需要人类智慧才能去解决的问题，换而言之，就是研究如何应用计算机的软硬件来模拟人类智慧行为的基本理论、方法和技术。例如：繁重的科学工程和数学计算本来是要人脑来承担的，但是，现今，计算机不但能高效准确的完成这种计算，而且还能够比人脑做得更加的完美，因此，当今社会也不再把这种程度的计算看成是“需要人类智慧高强度才能完成的复杂任务”，由此可见，高强度复杂工作的定义随着人类社会时代的发展和科学技术的不断进步而不断变化，人工智能这门科学的具体目标也自然随着社会科学的变化而发展。它一方面不断地通过科学技术获得新的进展，另一方面又勇敢的转向更有意义、更加困难的目标。
2人工智能的前沿
2.1智能信息检索技术
现今社会，智能信息检索技术的发展日新月异。而人工智能在信息检索技术中的应用，主要集中表现在网络信息的检索。网络信息检索，也即网络信息搜索，是指互联网用户在网络终端，通过特定的网络搜索工具或是通过浏览的方式，查找并获取信息的行为。运用人工智能技术，可以快速准确的在大数据的基础之上获得所需信息。
2.2遗传算法
遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程进行搜索找出最优解的方法。遗传算法是通过一类问题可能潜在的解集的其中一个集群开始的，而一个集群群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有本身特征的实体。比如，它决定了个体所要表现出的外部形状，如单眼皮，双眼皮的特征是由染色体中控制这一特征的某种基因组合决定的。由此可见，从一开始通过表象得到实际的基因的编码程序为一种算法。我们通常将基因的编码工作简单化，如二进制编码，在第一代种群产生之后，遵循适者生存，按照自然法则优胜劣汰，选择最优的结果，并借助交叉和变异，得到一种新的集合。这种办法会得到一种比以前更加优秀，更加适者生存的种群。
3结束语
人工智能对人类科学来说是一门极富挑战性的科研究，想要从事这项研究工作必须懂得计算机知识，心理学、统计学、哲学等等。人工智能是一种涵盖了非常广泛的知识的科学，它包含了很多不同的领域，如机器学习，计算机视觉、软件工程、操作系统等等，总而言之，人类科学对人工智能研究的一个主要目的是使机器通过一系列的操作能够胜任一些通常需要人类智能才能完成的复杂工作。在不同的时代、不同的社会环境、不同的人对这种“复杂”程度的理解是不一样的，每个时代的科学发展也是不同的，希望在科学不断发展的今天，人工智能的发展也会带来许许多多的惊喜。
参考文献：
[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑，2008（9）.
[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程，2013（9）.
[3]焦加麟，徐良贤，戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真，2013（7）.
[4]周明正.人工智能在医学专家系统中的应用[J].科技信息，2014（7）.
[5]张海燕，刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测，2011（5）.
[6]马秀荣，王化宇.简述人工智能技术在网络安全管理中的应用[J].呼伦贝尔学院学报，2015（7）.
[7]曾雪峰.论人工智能的研究与发展[J].现代商贸工业，2009（8）.
[8]王梓坤.论混沌与随机.北京师范大学学报，1994，30（2）：199-202.
[9]陈明.基于进化遗传算法的优化计算[J].软件学报，2008，9（11）：876-879.
[10]陈火旺.遗传程序设计（之一）[J].计算机科学，2005.22（6）：12-15.
人工智能的计算机网络技术应用论文篇7摘要：人工智能自提出到兴盛，短短半个世纪以来，一直都处于科技研究的前沿和创新热点。人工智能已经逐渐从科学家们的想象逐步走入了人们的工作生活当中，人工智能相关的语音识别、图像处理、自然语言处理、数据挖掘等领域也得到了蓬勃的发展。该文从人工智能的基本概念出发，探索及了解了人工智能领域的相关研究方向和应用领域，解读了人工智能发展历程中的大事件和大人物，立足于现状，对于未来可能的发展方向和技术瓶颈进行了预测和总结。
关键词：人工智能；人机交互；机器学习；深度学习；数据挖掘
人工智能是当今科技发展中最具潜力的热点问题之一，2016年初轰动世界的谷歌AlphaGo打败围棋世界冠军李世石的经典案例更是引起了全世界广泛的关注和热议。“人工智能”这个概念再次被推到了风口浪尖。那么，究竟什么是人工智能呢？它会对我们的生活有什么影响？在这个背景下，我们深入探究人工智能及其相关的技术领域，对于人工智能的普及和发展有着重要意义，也希望能给予人工智能相关领域的科学研究者们提供一些参考和方向。
1什么是人工智能
人工智能（ArtificialIntelligence，AI）是一门全新的信息技术科学，是计算机科学技术的一个重要分支，是指对于模拟、拓展和延伸人类的智能的应用系统及相关的理论和技术方法的开发研究。主要通过研究及了解人类智能的本质从而开发出能给出类似人类智能反馈的智能机器，计算机系统在理解目标方向之后所取得的最大化成果是计算机实现的最大智慧。人工智能不单单是一个特定的技术，它所研究的往往是能创造智能意识的高科技机器，包括了算法和其他应用程序，处理的任务也远远超出了简单计算，从学习感知规划到推理识别控制等等。人工智能的研究方向包含语言及图像识别技术、机器人设计、自然语言处理等，日益成熟的理论方法和技术实践也使得应用领域范围大规模扩张，人工智能是人类智慧的结晶，未来也可能展现出超过人类的智能。
2人机智能的研究方向
人工智能的科学研究通常涉及到数学、逻辑学、认知科学、以及最重要的计算机科学等多学科领域，延伸出了以下几个主要的研究方向：
2.1逻辑推理与证明
早期的人工智能更多的解决了大量数学问题，逻辑推理是基础也是研究时间最长最重点的领域之一。通过找到可靠的证明或者反证方法实现潜在的定理证明，根据数据库的实例进行推导并及时更新证明结论，演绎和直觉相结合，在推理和证明中实现部分智能。
2.2问题求解
问题求解领域的一大重要应用则是下棋程序的功能实现，化繁为简、将困难的问题点拆分成为独立的子问题进行求解；而另一个实例则是数学方程的求解实现，分析各种公式符号的组合意义从而为科学研究者提供强有力的基础保障。问题求解中所运用的搜索和规约也是人工智能领域中的两大基本技术。
2.3自然语言处理
自然语言处理也叫自然语言理解（NaturalLanguageProcessing，NLP），是指借助计算机来处理使用人类语言作为计算对象的算法程序，并研究相关的理论方法和技术。NLP是人工智能领域的主要研究方向之一，也是发展时间较长的研究方向之一。语音识别、搜索引擎、机器翻译等等都是NLP的重要研究内容，目前也都在人工智能领域获得了突出的应用成果。
2.4专家系统
专家系统是指具有大量模拟人类相关领域专家知识和经验的智能计算机程序系统，依托于人工智能相关技术，根据专家系统所提供的数据方法进行判断推理进一步决策，从而代替人类专家解决一部分该领域的特定问题。从知识表示技术的角度上看，专家系统可分为基于网络语义、基于规则、基于逻辑、基于框架等几种类别；而从任务类型及专家系统主要解决的问题类型的角度来看，专家系统也可分成解释型（分析和阐述符号数据的意义）、调试型（根据故障制定排除方案）、预测型（根据现状预测指定对象未来可能的结果）、维修型（针对特定故障制定并实施规划方案）、设计型（按指定需求制作图样和方案）、规划型（根据指定目标制定行动方案）等。
专家系统的建立包含以下几个步骤：（1）初始专家知识库的设计：包括问题、知识、概念、形式、规则等多个概念的筹建；（2）开发和试验系y原型机；（3）改进与归纳专家知识库等。
专家系统的实现通常建立在大量的数据统计与人类专家提供的问题解决实例上，没有精确或统一的求解算法，因此也会造成一些局限性。在人工智能与计算机科学快速发展的今天，专家系统也逐渐更重视理论和基础研究，除了基于经验的理论，基于规则和模型的方法也将投入到实际运用中，未来的专家系统将更偏向协同式和分布式方向发展。
2.5机器学习
机器学习是指计算机自动获取新的推理算法和新的科学事实的过程，是计算机具有智能的基础。计算机的学习能力是人工智能研究史上的突出成就与重要进展，也是人工智能初步实现的重要标志。机器学习除了在人工智能领域有着重要应用，对于探索人类智慧的奥秘以及学习方法和机理都有着重要意义，机器学习的时代才刚刚开始，各种理论方法也正在逐步完善中，未来精彩可期。
3人工智能的应用
人工智能的首次提出至今已有60年的历史，在这个循序渐进的过程中，无论是功能场景还是机器模式，都逐渐从单一到通用、从简单到复杂，表达方法也更多种多样。目前主要通过赋予机器产品一定的人类智能从而有效地提升机器工作效率及能力，未来的人工智能将更多的模拟人类生活环境及思维方式来设计出真正具有人类智能的高效人机系统。
3.1人工智能在各个行业的应用
人工智能已经运用到人类生产生活的各个方面，主要包括以下几点：（1）以智能汽车为代表的自动化交通方式。（2）种类繁多的家庭智能服务机器人。（3）用于临床支持和病人看护中的自动化智能设备及医疗器械。（4）智能教育辅导系统、线上学习和智能辅助学习设备的普及。（5）基于图像处理和自然语言处理的各类音乐社交软件及VR设备的兴起给互联网娱乐时代带来的巨大变革。（6）逻辑证明及智能分析在公共安全领域的预测及防范。（7）大量重复机械的劳动逐渐由智能机器取代，人类承担着更多的创新及实践工作。3.2人工智能生活应用实例
作为辅助人类生产生活的重要工具，日趋成熟的智能机器人已经快速走进了人们的日常生活中，下面我们介绍几种常见的使用场景：（1）智能房屋和家居生活的构建：目前的智能停留在自动控制I域，通过用户指令来便捷的操控比如电视、窗帘、灯具、空调等等；而未来，人工智能的发展将根据你的日常行为了解你的习惯喜好，利用传感器和自动装置搜集用户的行为数据，通过机器学习和深度学习算法改造你所居住的环境。最终实现真正意义上的智能家居生活。（2）无人驾驶的智能汽车：主要通过导航和定位实现规定路线的行驶、通过激光测距、雷达感应和照相等技术，配合复杂的计算公式从而辨别和避让各种障碍，最终脱离人类操控的环境下自动完成发动、驾驶、刹车等动作。行驶的安全性和准确性在智能机器的帮助下其实更可靠，我们完全有理由相信未来自动驾驶将成为人们出行的新方式。（3）基于神经网络的新型翻译方式：在线翻译相信大多数人都不陌生，使用范围广普及率极高，但其准确性一直都是人们关注的焦点之一。谷歌翻译负责人表示将在部分功能上尝试使用深度学习技术，如果能顺利实施必将使得翻译准确性的研究取得实质性突破，而基于神经网络的翻译方式则将帮助计算机更好地模拟和理解人类思维，使得翻译结果更流畅合乎规范，也方便人们更好地理解。
4人工智能的发展历程
人工智能的发展历程不算很长，但发展速度却特别迅猛。跟所有新兴的前沿学科一样，人工智能的发展中也经历了高潮和低谷时期。根据不同时期代表性人物和事件的发生，我们大致可以将整个过程分为以下几个阶段：
（1）1950年，举世闻名的“图灵测试”（图灵，英国数学家，1912―1954）首次发表于《计算机与智能》一文，即通过房间外的人和两个房间内的人和机器分别对话中，是否能区分人和机器从而判断出机器是否具有了人的智能。这是人类对于人工智能最初的概念。
（2）1956年，由香农、麦卡锡、朗彻斯特和明斯基共同发起的DARTMOUTH学会于达特茅斯大学召开，会上首次提出“人工智能”一词，这是历史上第一次关于人工智能领域的研讨会，见证了人工智能学科研究的开端。
（3）1960年以来，生物进化领域逐渐建立起了遗传、策略和规划等算法。1992年计算智能由Bezdek提出，计算智能对于生物进化学的探究有着重大意义，涵盖了模式识别、人工生命、神经网络、进化计算等多学科集合与交叉。
（4）上世纪90年代开始，专家系统逐渐兴起，对于专家知识库的不断改进以及基于规则和模型的协同式分布式专家系统将是未来使用的主要趋势。
（5）从1960年神经网络首次应用于自动控制的实施，到1965年人工智能启发式推理规则的方法引入，再到1977年运筹学理论中概念智能控制模式的成功借鉴，人工智能的发展也顺利引导了自动控制模式逐渐切换到了智能控制模式。
（6）从1956年AI概念的正式提出以来，人工智能领域已经取得了众多突破性的成就和进展，很多天马行空的想象也随着科技的进步在一代代科学工作者的不断努力下逐渐设计落实，人工智能已经从科学研究逐渐走向了人们的日常生活中，成为了当下最具潜力的多学科交叉的前沿科学。
5人工智能的未来与发展趋势
从人工智能的提出到逐渐走入人们生活，人工智能的概念一经问世则得到了人们的普遍关注，甚至带动了语音识别、自然处理处理、机器学习、数据挖掘等一系列相关学科的发展和兴盛。人工智能领域中的创新和蓬勃发展是趋势也是必然，通过了解人工智能学科的发展历程及应用领域，我们大致可以推测出关于未来人工智能的一些方向：（1）机器学习和深度学习算法指导下更聪明更多样性更具智能的机器系统。（2）自然语言处理应用中更自然的人机互动交流。（3）机器学习时代更快速的数据处理分析策略。（4）各研发企业和机构对于人工智能先进技术更激烈的竞争和角逐。（5）超人工智能（ArtificialSuperIntelligence，简称ASI）时代下AI是否会走向失控给人们带来的微恐惧。
6结语
在短短60年的时间内，人工智能的快速发展已经从很大程度上改善和刷新了人们的生活方式。人工智能的深入研究和实现正在不断帮助我们探索这个世界、帮助我们搜寻信息应对各种各样的挑战。人工智能在逐渐强大的同时，有机遇也存在着巨大的挑战和技术瓶颈，距离人工智能时代的真正实现还有很长的路要走。而人工智能的不断更迭完善，是否能取得超越人类智力和认知的智能、是否会出现违背人类价值观的危险行为将是未来很长一段时间内需要研究的重要课题。
参考文献
[1]李红霞.人工智能的发展综述[J].甘肃科技纵横，2007，36（5）：17-18.
[2]张妮，徐文尚，王文文.人工智能技术发展及应用研究综述[J].煤矿机械，2009，30（2）：4-7.
[3]TuringAM.Computingmachineryandintelligence[J].Mind，1950，59（236）：433-460.
人工智能的计算机网络技术应用论文篇8摘要：随着人工智能技术的日新月异，人类社会生活广泛而深刻的受到其影响，在提高工作效率与生活质量的同时，许多新兴的法律问题逐渐浮现，尤其对与人类社会生活联系紧密的民法提出了挑战。本文以人工智能技术为视角，探讨民法制度在新的时代背景下的发展方向。
关键词：人工智能;人机大战;民法制度
随着举世瞩目的人机大战在2016年3月15日落下帷幕，围棋人机大战中人工智能机器人以4比1的成绩战胜围棋九段棋手，揭开了人们对人工智能讨论和联想的新高潮。国内的一部分科技公司已经买下一些机器人公司，准备抢占人工智能的市场先机。在一些企业中已经开始大规模使用机器人代替工人。人工智能的发展必然对人们的社会生活产生深刻的影响，随之而来的是对与社会生活高度相关的民法制度的冲击。
一、历史上的人机大战
第一回合，发生在第一次工业革命。第一次工业革命的标志产物是珍妮纺纱机，它的产生极大提高了工作效率。一位名叫路德的纺织工人，认为是珍妮纺纱机夺走了他们的工作，带头捣毁了工厂的机器。事件的态势愈演愈烈，最后是英国的政府派出军队进行镇压才得以控制，这就是“路德事件”。
第二回合，发生在第三次工业革命。手机产生于第三次工业革命，它的出现使传呼员的职业彻底消失，拉近了人们之间的距离，提高了工作效率与生活质量。机器又一次战胜了人类。
第三回合，发生在第四次工业革命。智能机械手的出现可以大幅度降低产品的不良率，设备的产能效率大幅度得以提高，其工作效率大大的战胜了传统的车间工人。这也使得高危险系数以及高人工成本的工种消失。
第四回合，就是发生在不久之前的阿尔法围棋对战围棋九段选手，最终人类以1比4的成绩败北人工智能。
虽然，最智能的机器也需要“老师”的指引，而人类就是机器的老师，但是不容否认的是，在一些领域，人工智能和机器人技术已经代替了人类，并震颤着人类的社会生活。
二、人工智能技术对人类的影响
人工智能产业是近三十年涌现出的高新产业。早在“七五”时期政府就开始了对这一高新技术产业的攻关研究，并取得了有目共睹的成果，一批人工智能产品与人工智能应用工程层出不穷。[1]近些年，人工智能技术发展迅速，其应用也愈来愈广，从之前传统的工业领域扩展到军事、公安、医疗和服务等众多领域。
2012年由某公司的实验室研发并推出了无人驾驶汽车，这台汽车不需要驾驶者就可以进行启动、行驶以及停止。这些车辆使用照相机、雷达感应器和激光测距机来“看”其他的交通状况，并且使用详细地图来为前方的道路导航。该公司表示，这些车辆比有人驾驶的车更安全，因为它们能更迅速、更有效地作出反应。这种人工智能汽车的出现，使得汽车的概念以及人们出行方式发生了极大的转变，同时也体现着人工智能技术和机器人技术开始真正融入到人类现实生活中。人类可以预测到，下一代智能型机器人将更加广泛的融入到社会运作中。然而这一高新技术的应用，同时也使得如何避免人工智能机器人侵权或者被侵权以及如何规范机器人的制造、使用等法律问题更加突出。
在医疗领域，人工智能机器人在外科手术中得以应用。美国曾于2000年上市一款医疗外科手术机器人。据统计，至今为止总共2500部机器人被投入市场。这种人工智能机器人的使用，一方面对于提高医疗水平起到了积极的作用，但是也出现了人工智能机器人侵权的事件发生。自2007年至2014年，美国政府就收到了两百多件关于该人工智能机器人手术时发生烧伤或割伤以及感染等侵权事故报告，在这两百多件事故中共造成89名患者医治无效死亡。
基于人工智能机器人在社会生活中产生的问题，一些国家如日本、韩国以及欧共体，已经开始着手制定规章或制度以确保社会稳定以及人工智能技术的可持续发展。日本公布了《下一代机器人安全问题指导方针（草案）》，用于调整人工智能技术的研发与应用。[2]欧洲共同体在2012年推出了欧盟第七框架计划项目，即机器人法研究，聚集了各个相关领域的专家学者，包括法学、哲学、仿生神经工学等专业，讨论并草拟机器人立法政策白皮书。韩国已经拟定了机器人法，专门规定了人与机器人的关系。
除了对人工智能机器人的安全应用进行必要的法律规范以外，同时也应对与人工智能机器人的应用相关的法律，如民法制度进行一定程度上的变革。例如，法律该怎样认定人工智能机器人的法律地位，如若发生侵权事故时该怎样认定相应的法律责任以及适用怎样的归责原则等法律问题。若无人驾驶汽车发生交通事故该怎样认定事故责任。许多相关法律问题都随着人工智能机器人广泛而深入的进入人类社会生活而变得更加凸显，然而相关规章制度仍处于空白阶段。因此，变革相关的法律制度对于平衡人工智能技术与社会的稳定和谐具有重要的意义。
三、人工智能技术与民法
人工智能机器人在社会生活中的广泛应用，更加深刻的影响着人类文明，同时伴随而来的是大量法律问题逐渐涌现。
2006年美国一个名叫《未来学家》的杂志曾这样报道：2016年至2020年，人工智能实体可能会当选为“国会议员”;2020年后，转基因技术加上机器人技术，将制造出“有机机器人”。虽然这些设想都尚未实现，但是在社会生活中人工智能技术是确确实实得以广泛应用的。许多人工智能机器人已经代替人类走向工作岗位，如迎宾机器人、送餐机器人，甚至在日本一款机器人可以向顾客提供推销手机、签订合同等服务。
（一）人工智能技术与婚姻法律制度
2016年在某电视台的明星喜剧真人秀中，某团队以一部讲述主人公用人工智能机器人做女朋友来应付父母的催婚，最后发现连主人公的父母都是人工智能机器人的喜剧作品参加比赛，其作品以夸张的手法描绘了人工智能技术对人类社会生活的巨大影响。但是不能说小品中的事情不会在现实生活中发生，英国人工智能学者戴维莱维曾推测：人类将和机器人结婚，这一切大约会在2050年实现。
人类与人工智能机器人的结婚能够得到法律的认可，就需要对我国民法制度中的婚姻法律规范进行调整，目前婚姻只能是自然人的行为，而人工智能机器人目前在法律上不是民事主体，但这并不能阻挡人类与人工智能机器人结婚的情况发生。因此，人工智能技术的发展会对婚姻法律制度造成一定程度上的冲击。
（二）人工智能技术与侵权责任法律制度
人工智能技术的发展赋予了机器人更加类似于人类行为的功能。在2004年的伊拉克战场上，美军仅仅使用了一架由人工智能机器人操作的军用飞机将一个连的兵力瞬间消灭。美国科学家在2006年曾宣称，新研发并投入军用的机器人能够自己检测损伤并独立思考出修复方法。如若这样的机器人太过于像人，而且拥有智慧，很有可能“造反”，对人类造成侵害。这就需要对侵权法律制度进行完善以维护社会稳定。
早在1978年人工智能机器人侵权的事件事实上早已存在。在日本广岛一间工厂里，机器人正切割钢板，但突然转身将其背后正在休息的工人抓住并当做钢板进行切割，这是世界上第一起机器人侵权事件。[3]无独有偶，全苏国际象棋象棋冠军对战早期的人工智能机器人，终以3比1的成绩打败机器人，但机器人恼羞成怒，在众目睽睽下向对手释放强电流，这位国际象棋大师最终并没用抢救过来。
因此，随着人工智能技术的日益精湛，人类不得不考虑机器人侵权的归责原则、责任分配等一系列法律问题，更需要对侵权责任法律制度进行一定的调整以适应高科技时代的大背景。
四、结语
人工智能技术的发展对与人们联系紧密的民法制度提出了挑战。如果民法不能适应时代的要求，将无法使社会得以稳定运作。因此对相关的民事法律规范进行调整，适应人工智能技术的发展要求，已经是新世纪大势所趋。
[参考文献]
[1]金周英，白英。我国机器人发展的政策研究报告[J]。机器人技术与应用，2009—3—30。
[2]肖尤丹。机器人需要“守法”吗[N]。xxx，2014—7—21（20）。
[3]黄建民。我们要给机器人以“人权”吗[J]。读书与评论，2009（6）。
人工智能的计算机网络技术应用论文篇9机械电子工程与人工智能的有机统一，是运用传统机械工程的理论，将人工智能的理念应用到机械电子工程中，实现了机械电子工程的信息化，促进了我国企业生产效率的提高。本文对机械电子工程与人工智能的相关概念进行分析，让人们对这两个概念有深入了解，然后对二者的结合进行阐述，分析人工智能在机械电子工程中应用的作用，在一定程度上促进我国机械电子工程实现智能化。
1机械电子工程介绍
机械电子工程是一项涵盖各类科学的技术，其核心专业是机械电子，同时要结合信息技术、网络、智能化的相关知识，各类学科相互交叉形成的一类科学，这些学科的理论在机械电子工程中得到了广泛的应用。总体来说，机械电子工程包括计算机技术、网络技术等，机械电子工程实现了技术的多元化和技术的融合，其在使用的过程中必须借助其他学科。在对机械电子工程进行设计时，必须要将计算机技术与网络技术以及机械相关的技术融合，将机械中不同的元件组合，完善设计。机械电子工程在设计时运用的知识比较复杂，但是设计比较简单，结构不复杂，而且具有较好的性能。机械电子工程投入生产时的效率高，夕卜形小巧，从而取代了传统的机械。
2人工智能介绍
人工智能技术是在计算机技术发展的前提下得到应用的，其通过对计算机技术的分析，从而对计算机技术的功能进行进一步的完善而实现的智能化的技术，智能技术在机械电子工程中应用时，主要实现了对机械工程的自动化控制，人工智能在机械电子工程中应用不仅仅采用计算机技术，同时还要结合信息技术、心理学、语言学等知识。人工智能技术的发展经历了几个阶段，在人工智能技术发展的初始阶段，人工智能主要实现了自动翻译、自动推理，而后，人工智能技术进入了其停滞阶段，这时人工智能技术主要是以计算机视觉技术、对语言的理解、系统的研发和机器人设计等方面得到了广泛的应用。人工智能技术进入发展的第二个阶段后，其主要应用的领域是知识工程，知识工程促进了商业化的进程，在这个阶段，人工智能技术主要进行推理以及机器人中得到了广泛的应用。随后，人工智能技术进入了平稳发展时期，在这个阶段，人工智能技术朝着分布式的方向发展，其发展的形式比较简单。
3人工智能技术在机械电子工程中的使用
现在，随着我国信息技术的广泛应用，在机械电子工程中都开始使用人工智能的模型，而且能能够对大型机械进行故障的诊断，在机械电子工程投入使用后，机械工程本身的稳定性比较差，导致机械工程在使用的过程中会出现复杂的关系，如机械在进行输入或者输出时，如果不能建立合适的模型，就会导致输出困难。
在使用传统的机械进行生产时，信息系统的精确度比较高，如果系统出现了故障，不能正常的进行输入和输出工作，就会导致一系列的操作不能正常完成，但是，将人工智能技术在机械电子工程中使用，能够对机械设备进行自动化的控制，能够通过模糊的推理对系统进行操作，模糊推理主要是对人脑的模拟，从而分析系统发出的信号，在机械电子工程中，主要是通过对人脑结构的分析从而确定数字信号，实现对数字信号的分析，从而确定信号的参考值。
模糊推理主要实现了对机械电子工程中模糊的系统与神经网络的融合，能够实现神经网络系统与网络的互补融合，将神经网络系统与模糊系统有机地统一，使机械设备的神经网络系统能够自动的识别信号，进行推理，使机械电子工程的系统能够进行复制，使其具备学习的能九这样就使机械电子工程中系统的智能化水平有所提高。智能化技术实现了机械电子工程中功能相似的部件的融合，其主要是运用模糊系统中的信号，与神经网络中的信号进行相似性的对比，通过选择，使具有相似性的部件实现融合，从而可以提高系统的运作效率，简化了运算的程序，在机械电子工程中的非线性的信号与系统中的函数进行相似性的对比，从而能够实现对系统中函数的优化。在机械电子工程中，主要是通过非线性表达运行的，这样能能够实现机械中网络的强化能力，使机械中网络的空间增大，使机械运行的效率更快。
4结语
本文通过介绍机械电子工程和人工智能的相关理论，从而分析人工智能在机械电子工程中应用的好处，會能够提高工业化进程，提高生产九因此，智能化技术在机械电子工程中的应用是很有必要的。在机械电子工程中，主要是通过对人脑结构的分析从而确定数字信号，实现对数字信号的分析，从而确定信号的参考值。将人工智能技术在机械电子工程中使用，會能够对机械设备进行自动化的控制，會能够通过模糊的推理对系统进行操作。
人工智能的计算机网络技术应用论文篇10世界各地的科技巨头们正在各出奇招，给智能手机和其他联网设备配备智能软件，从而让这些设备能像人一样思考。
据物理学家组织网近日报道，业界人士认为，各大巨头的诸多尝试和努力是计算领域的一次进化，使用户能更自然地同机器“交流”，指挥设备处理各种任务，比如订货、查阅交通状况、预定餐厅或搜索信息等。这些程序中的人工智能元件旨在创造一个新世界，身处其间的每个人都将拥有一个虚拟的助手。
谷歌
谷歌希望能在人工智能领域博得头筹，该公司高管将人工智能看成是与智能手机一样强大的改变世界的力量。
谷歌最近推出了完全自主设计的智能手机Pixel，其配置强悍且内置智能语音助手GoogleAssistant，势要与iPhone7一较高下。借助这一助手，用户能使用并整理设备上以及云端的信息、查阅电子邮件、制订日程、浏览新闻、查询交通状况、查阅天气信息等。
另外，谷歌于今年9月21日推出的能安装在智能手机上的全新数字助手Allo，也广受科技行业和媒体的关注。在今年10月5日举办的秋季发布会上，谷歌除了推出Pixel系列手机外，还正式推出了GoogleHome智能音箱。作为要与AmazonEcho一较高下的智能家居中枢，它不仅允许用户通过GoogleHome进行语音搜索，还可以链接家中的智能设备，并通过语音控制它们。
三星
10月8日，三星表示，将收购美国初创公司、苹果Siri的创始团队VivLabs，作为进军AI领域的“踏板”。Siri是苹果AppStore里的一个应用，用户像平时聊天一样输入文字内容，Siri会给出答案。
VivLabs是一家人工智能和虚拟助手公司，被三星收购后，它也将带去其最新的人工智能语音助手产品Viv。Viv具有“动态编程”和“可堆栈化”能力，有助于理解用户的真实意图和提高连续接受用户请求的能力。
三星公司表示，计划在2017年下半年将Viv引入三星智能手机。同时，三星也希望将Viv扩展至其他三星设备，包括电视、洗衣机等家用电器。
亚马逊
亚马逊早在2014年就发布了Echo家居助手，这个声控扬声器由一位名叫“Alexa”的语音助理驱动。
亚马逊Echo可以作为智能家居的控制装置，它“身高”10英寸，圆柱形，可以摆放在家中的任何位置。Echo支持Wi-Fi连接，可作为蓝牙扬声器播放来自在线流媒体服务的音乐；另外，Echo还可以提供各种信息查阅浏览和提醒等功能，并且依靠语音命令进行激活。
Alexa是装在Echo内的个人虚拟助手，相当于亚马逊版的Siri语音助手，可以接收相应语音命令。使用Echo时，用户只需说一声“Alexa”，就可以开始询问，包括新闻、创建任务提醒、设定闹钟时间或播放音乐等。Alexa还可以和各种智能家居设备进行交互，用来控制恒温器或调节灯光。
此外，亚马逊最近还推出了更小巧的EchoDot，“身高”仅6.5英寸，并且不需要固定电源。
微软
微软的个人助手名为“Cortana”，中文名“小娜”，是微软于2014年发布的全球第一款个人智能助理。“小娜”来源于《光环》游戏中的主要角色之一，是主角士官长的人工智能助手。微软称，“小娜”极具幽默和诙谐天分，这一点和苹果的Siri相比有过之而无不及，可谓有史以来最为人性化的个人助理应用。
与苹果的Siri和亚马逊的Alexa一样，微软的“小娜”能够让用户以人类的方式与设备对话。“小娜”可以理解用户说话的含义并以类人类的方式给予反馈。但是与其他语音助手不同的是：“小娜”在PC端和移动端同时适用，而且远不是收发消息这么简单。微软想要她成为用户的贴身智能秘书，协助用户管理通信、安排日程及满足相关需求。
脸谱
尽管脸谱公司在人工智能领域只是“后起之秀”，但“财大气粗”，不惜投入重金进行研发。据信，该公司正在开发一款代号为“Moneypenny（简称M）”的人工智能助理，并已展开内测。
脸谱公司聊天工具FacebookMessenger（飞书信）服务负责人戴维·马库斯说：“M是一种个人数字助理，与市场上其他基于人工智能技术开发的服务相比，M真的能代替用户购物、为亲人送礼物、预定参观、安排旅程等。”
脸谱公司创始人马克·扎克伯格说，他想制造出一款真实版的“贾维斯（Jarvis）”。在电影《钢铁侠》中，“贾维斯”是钢铁侠的智能管家，这款超智能软件能独立思考、会帮助主人处理各种事务、计算各种信息；而且钢铁侠的机甲开发和方舟反应炉更新都离不开它的协助。
扎克伯格写道：“我将通过探索现有技术来开始这项服务。”他的最初目标应该是一些基本智能操作，例如控制音乐、灯光、温度等。
扎克伯格此举并非心血来潮。早在2014年，他就以个人身份入股了人工智能公司Vicarious。人工智能是脸谱公司三大长期科技之一。扎克伯格曾明确回答为何要进入人工智能领域：“人工智能可以提升互联网服务的智商，从而对于用户变得更有价值。”
目前，脸谱已经建立了三个人工智能研究中心，分别位于法国巴黎、美国纽约和加州的门洛帕克，每个实验室拥有40-50名研究员。脸谱在人工智能开发方面虽然起步晚于谷歌、微软，但成绩斐然。
苹果公司
苹果公司是第一家发布个人助手的公司，它于2011年发布了语音助手Siri。今年6月份，苹果给出的数据是，Siri周均提供20亿次服务，而去年这个数字仅为10亿次。
在过去几年，该公司一直在努力优化这一工具。今年6月，苹果开放了Siri，可以与非苹果的应用交互（尽管目前仅限于包括微信在内的6种应用），因此，用户能使用打车软件Lyft来预约车辆，或使用SquareCash进行支付。
苹果也引入了Home应用，来同智能家电和其他设备交互。通过Home这款应用，苹果正努力让Siri从智能手机的框架中跳出来，让她变成用户家庭中的一员，成为一名智能精明的管家。不过，未来她的表现如何，还需拭目以待。
IBM
技术巨擘IBM公司可谓人工智能领域的急先锋。20年多来，该公司的“深蓝（DeepBlue）”计算机占据了无数家报纸的封面。1997年，“深蓝”战胜了国际象棋冠军加里·卡斯帕罗夫，这被视为是IT产业发展史上具有标志性意义的事件之一。
随后，人工智能“沃森（Watson）”接替“深蓝”继续对人类智能极限发出挑战。2011年2月17日，沃森参加了美国最受欢迎的智力竞猜电视节目《危险边缘（Jeopardy）》，并连续击败了该节目历史上最为成功的两位选手肯·詹宁斯和布拉德·鲁特，成为《危险边缘》节目新的冠军。
沃森由90台IBM服务器、360个计算机芯片驱动组成，拥有2880个处理器核心，约有10台普通冰箱那么大，内装超2亿页新闻图书等资料。沃森不仅可以识别文字、地理位置，还可以部分感知人的情感，未来还将试图读懂人类的语言，学会思考。IBM将其实现人工智能的方法称为“认知计算（cognitivecomputing）”。
外界普遍认为，这是IBM在个人电脑业务及传统IT服务衰落后向死而生的新业务。目前，沃森主要应用集中在医药领域。去年4月IBM宣布，与苹果、强生和医疗器械公司Medtronic合作，目标是“变身”为医疗系统中介，让个人和医院都得通过IBM获取信息，优化数据收集、分析和反馈服务。
去年5月，14家来自美国和加拿大的癌症治疗机构宣布，将开始部署“沃森”计算机系统，该系统能根据病人肿瘤的基因指纹选择出适合的治疗方案。今年6月，日本东京大学医学研究院的研究人员利用“沃森”仅用10分钟即判断出一位60岁的女性患有罕见的白血病。
据悉，未来沃森也会参与到农业无人机运作和监控食品安全等多项实际应用领域。
技术的发展日新月异，你方唱罢我登场，新技术层出不穷。正如脸谱公司主管工程的副总裁帕里克所说的，世界上每天产生的数据越来越多，传统的模型和系统已经不能适应数据量的膨胀，所以，人工智能需要登场了。在这场巨头们奋力参与的人工智能领域的“军备竞赛”中，不管最后的获胜者是谁，受益的都是普通大众。
【人工智能的计算机网络技术应用论文】相关文章：
解析计算机网络技术对人工智能的应用论文01-05
浅析人工智能计算机网络技术的应用论文01-05
计算机网络技术中人工智能的应用论文01-06
人工智能在计算机网络技术中的应用论文01-06
人工智能的应用论文11-12
人工智能在计算机网络技术中的应用研究论文01-05
人工智能在计算机网络技术的运用论文01-05
大学人工智能的应用论文11-12
浅析计算机网络中人工智能的应用论文01-05
人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）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”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年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。人工智能概念在1956年首次被提出后，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、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：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了低谷。
三是应用发展期：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，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：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：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及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，这些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（GraphicsProcessingUnit，简称GPU）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，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）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。面向特定领域的人工智能技术（即专用人工智能）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，因此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，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗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，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）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。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。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。
（三）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，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI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，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，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%。
（四）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（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的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AI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GPU服务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。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，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发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，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都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，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。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《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。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）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7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。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。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的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：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（非常费时费力）、用户需要人工适配智能系统等。因此已有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AI”。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AI人员成本。
（四）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、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）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十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，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）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》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。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。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。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》重点推动物联网建设和人工智能的应用。世界军事强国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》报告即提出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。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，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，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。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。2018年4月，欧洲25个国家签署了《人工智能合作宣言》，从国家战略合作层面来推动人工智能发展，确保欧洲人工智能研发的竞争力，共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，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。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《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，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、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。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS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。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，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。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南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（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、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较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。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，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI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。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。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。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在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、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。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。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，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。因此发展人工智能不能以短期牟利为目的，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，并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。
（二）加强基础扎实的原创研究。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。在此发展的临界点，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。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，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。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。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，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，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，如军民融合、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。
另外，我们需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，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，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将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。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、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；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）
人工智能在计算机领域的应用论文,人工智能应用领域论文 关于人工智能领域的大学论文
近年来，随着信息技术以及计算机技术的不断发展，人工智能在计算机中的应用也随之加深，其被广泛应用于计算机的各个领域以下是小编精心整理的关于人工智能领域的大学论文的相关资料，希望对你有帮助!
关于人工智能领域的大学论文篇一
计算机在人工智能中的应用研究
摘要：近年来，随着信息技术以及计算机技术的不断发展，人工智能在计算机中的应用也随之加深，其被广泛应用于计算机的各个领域。本文针对计算机在人工智能中的应用进行研究，阐述了人工智能的理论概念，分析当前其应用于人工智能所存在的问题，并介绍人工智能在部分领域中的应用。
关键词：计算机;人工智能;应用研究
一、前言
人工智能又称机器智能，来自于1956年的Dartmouth学会，在这学会上人们最初提出了“人工智能”这一词。人工智能作为一门综合性的学科，其是在计算机科学、信息论、心理学、神经生理学以及语言学等多种学科的互相渗透下发展而成。在计算机的应用系统方面，人工智能是专门研究如何制造智能系统或智能机器来模仿人类进行智能活动的能力，从而延伸人们的科学化智能。人工智能是一门富有挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学与哲学。人工智能是处于思维科学的技术应用层次，是其应用分支之一。数学常被认为是多种学科的基础科学，数学也进入语言及思维领域，人工智能学科须借用数学工具。数学在标准逻辑及模糊数学等范围发挥作用，其进入人工智能学科，两者将互相促进且快速发展。
二、人工智能应用于计算机中存在的问题
(一)计算机语言理解的弱点。当前，计算机尚未能确切的理解语言的复杂性。然而，正处于初步研制阶段的计算机语言翻译器，对于算法上的规范句子，已能显示出极高