人工智能的关键技术及相关应用

人工智能的关键技术及相关应用

宋炳智

23020619811030141X

　摘  要：人工智能作為核心驱动力引领着最新一轮的产业变革，国务院于2017年7月8日发布了《新一代人工智能发展规划》，《规划》对人工智能制定了战略目标和部署;2018年3月和2019年3月的政府工作报告中，人工智能又连续两年被提及，报告指出要深化人工智能的研发应用，培育新一代信息技术等壮大数字经济。这不仅说明了人工智能在中国的发展已经从萌芽或初步发展阶段进入到了快速发展阶段，也说明了人工智能的研究层面正在迅速上升至国家战略高度。

　　关键词：人工智能;关键技术;应用

　　如果说我们身处于一个技术变革的时代，那么可以说是人工智能时代。人类正经历人工智能这种非凡的技术，而且人工智能革命是广泛而深刻的，它让人们以与以往不同的方式去感知事物，科幻小说和电影正在变成科技事实。文章将对人工智能技术中应用较广的关键技术进行分析，以期对其未来发展趋势进行展望。

　　1 人工智能的概述

　　以蒸汽技术为标志的第一次工业革命，开辟了科技产业变革的新时代。以电气技术为标志的第二次工业革命中新的社会需求要求生产出更多新机器，研究出更好的新技术，这在当时极大促进了社会生产力的发展。以计算机、生物工程等应用为标志的第三次工业革命在很多方面开始影响人类的生产和生活。以人工智能、量子通信等为标志的第四次工业革命使人类对科学技术的探索再攀高峰。

　　人工智能（英文缩写为AI）一词从1956年在达特茅斯诞生以来，一共经历了五个阶段：黄金时期（20世纪50年代至70年代）、第一次低谷（20世纪70、80年代）、大繁荣时期（1980年至1987年）、寒冬阶段（1987年至1993年）、春天时代（1993年至今），其发展举世瞩目，尤其是在2017年，Google旗下的DeepMind公司制作的AlphaGo机器人使用树搜索的算法在与围棋界的世界顶级棋手柯洁的对弈中取胜后，人工智能一夜蹿红，它现在已然成为这个时代的新宠儿。

　　2 人工智能的关键技术现状

　　2.1 机器学习

　　机器学习是指通过经验或数据来改进算法的研究，旨在通过算法让机器从大量历史数据中学习规律，自动发现模式并用于预测。它是当前人工智能的核心技术之一，涉及到统计学、神经网络等诸多学科知识，主要研究如何让机器通过模拟人类的方法来具备人的学习能力，进而获取新的知识和技能。

　　深度学习作为机器学习技术领域中的一个新兴热点，由Hinton等人于2006年提出，它的概念源于人工神经网络的研究，早期的神经网络模型试图模仿人类神经系统和大脑的学习机理。近几年，深度学习在语音识别、计算机视觉和机器翻译等领域中都有所应用，并已经开始全面影响人类的生产和生活。 　

　2.2 生物特征识别

　　生物特征识别技术是一种借助计算机、生物传感器等手段对人类所固有的生物特征如指纹、骨骼、视网膜和DNA等，或行为特征如姿势和习惯等，进行个体身份识别认证的技术。这项技术的关键在于计算机如何获得个人独有的生物特征，在将之转换成数字信息后进行特征存储，并借助可靠的匹配算法进行分析，进而完成个人身份的识别与验证。其中，它涉及到图像处理与模式识别等多项技术，并在教育、管理、金融、国家安全、信息安全等领域都得到了广泛应用。例如，目前成熟且大规模运用的人脸识别技术就是生物特征识别的热点技术之一，它是计算机视觉的典型应用，属于一种非接触型认证。此外，指纹识别、皮肤芯片、步态识别、虹膜识别、静脉识别、视网膜识别、DNA识别等也是生物特征识别的热点技术，它们在特定的领域都各有所长，是生物特征识别技术的突出发展成果。

　　2.3 人机交互

　　简要地讲，人机交互就是人与机器之间为进行某项任务所发生的信息交换过程，主要研究系统与用户间的交互关系问题。人机交互功能主要靠键盘、鼠标等一些可输入输出的外部设备以及操作系统这种相匹配的软件来实现。智能客服机器人就是机器人借助已经建立的数据库，针对客户提出的问题，运用相应的算法，进而找出与问题相匹配的答案并反聩给客户，最终实现机器与人交互的例子。

　　人机交互是一个不断变化的领域，这种变化是为了响应技术革新以及满足随之而来的、新用户的需求。要注意的是，热点技术的研发应用是机遇，同时也是挑战。人机交互在研究开发过程中要考虑的问题依然很多，比如教育背景、理解方式、技能储备、文化因素、用户界面速变等因素將直接影响或制约着人机交互的发展进程，所以，这就需要人们科学且综合地探索交互技术原理，结合大数据和智能技术建立长远目标，发展优而实用的人机交互技术，这是对交互技术提出的新的更高的要求与期望。

　　3 人工智能的主要应用领域

　　3.1 机器翻译

　　机器翻译是自然语言处理子领域中的一个热点应用，它是通过借助机器（计算机）把源语言转换成目标语言的，其翻译过程大致可分为三个阶段，即原语分析、原语译语之间的转换和译语生成。

　　近几年，随着采用深度学习和神经网络的方法，使机器翻译的技术有了很大进步。例如目前被广泛应用的是基于深度学习技术的长短时记忆循环神经网络的机器翻译模型，它可以转换任意长度的句子并对关键词进行“记忆”，从而解决了句子向量化的难题，也使机器对语言的处理提升至语义理解的高度。然而，无论采用哪种方法，不可否认的是，目前机器翻译的最大困难在于译文的质量，机器翻译水平与人工翻译水平仍然相差甚远，不能相提并论。早在20多年前，国内著名语言学家周海中就认为要想达到翻译的“信、达、雅”机器翻译是做不到的。也可以说，机器翻译是人工智能领域中一个很难攻克的课题。在提高机译质量的困难面前，只靠机器本身根本无法做到，这有待未来科学技术的发展，尤其是人工智能在神经信息学研究上的重大突破。

　　3.2 专家系统

　　专家系统=知识库+推理机。它是通过存储并模拟特定领域人类专家的知识和经验等，并对该领域的问题进行推理和判断，最终给出问题的答案完成决策过程的计算机程序系统。

　　现在专家系统已经渗透到各个领域，如理财类专家系统、教育类专家系统、交通运输类专家系统等等。以应用在航空航天领域的飞机故障诊断专家系统为例。由于飞机的内部构造极为复杂，出现故障时排故过程就会非常繁琐，耗时又耗力，通过建立飞机故障诊断专家系统——一种具有海量飞机维修经验知识的数据信息构成的专家系统，可以对飞机的重要系统和部件快速诊断，及时排除故障和隐患，其过程不仅能够节约成本，还大大提高维修效率，从而实现规范且科学化的运营管理。

　　3.3 智能控制

　　所谓智能控制，即具有智能自驱动能力，通过自身内干预，如调节和控制，且无需人为监管就能够自主地判断决策，以完成任务为目的的自动控制技术。

　　近两年，随着人工智能和仿真建模等技术的不断融合，智能控制技术不仅发展势头强劲，而且已经涉猎各个领域。机器人领域就是其中最具代表性的领域之一。由于机器人是依托智能控制中的模糊控制和神经网络控制等技术，在实际操作中，智能控制还常与传统控制技术相结合，从而便实现了高速且高精度控制机器人运动的效果，智能控制可以说是机器人技术的灵魂。

　　4 结束语

　　目前国内外关于人工智能的研究都有明显进展，人工智能从基础研究到技术产业落地都将进入到高速发展的阶段。随着人工智能技术不断催生新的产品和模式，新一代人工智能发展的战略高地或将布局创新生态和医药领域，而不是只局限于传统领域。可以说，未来人工智能有望成为智能产业发展的焦点。

　　参考文献：

　　[1]余明华，冯翔，祝智庭.人工智能视域下机器学习的教育应用与创新探索[J].远程教育杂志，2017，35（03）：11-21.

　　[2]刘韩.人工智能简史[M].北京：人民邮电出版社，2018：30.

　　[3]范俊君，田丰，杜一，等.智能时代人机交互的一些思考[J].中国科学：信息科学，2018，48（04）：361-375.