時間：2023-06-19 16:15:53
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能工作方向，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
據一些經濟學家研究，20世紀下半葉以來的“信息技術革命”與蒸汽革命、電氣革命不可同日而語，并未真正大幅地提高人類的勞動生產率，互聯網技術更多是豐富了人類的生活方式，但人工智能革命將是真正改變生產力的革命。
這兩年人工智能在智能制造、智慧醫療上的應用可謂前途無量，政府部門、行業精英、科技巨頭都將其作為未來發展的重點。從2016年開始，人工智能已經成為各大財經峰會、科技論壇的主題，也頻頻占據各大媒體版面的頭條位置。從谷歌Master以60場完勝中日韓三國頂尖圍棋選手，再到李開復提出“人工智能將取代50%工作”引發廣泛議論，以及英國的新工業政策、微軟的人工智能新布局、人民日報機器人“小融”的推出，一時間人工智能的出現猶如雨后春筍一般。火得一塌糊涂的人工智能正在逐步走進我們的生活，將徹底改變人類的生活和工作方式。
人工智能概念。1956年在Dartmouth學會上首次提出了人工智能（Artificial Intelligence，AI）一詞。它是集研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統為一體的一門新的技術科學，是計算機科學的一個分支。它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。應避免一個誤區，就是認為人工智能就是機器人，實際情況是機器人只是人工智能的容器。機器人有時候是人形，有時候不是，但是人工智能自身只是機器人體內的電腦。
人工智能領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能是大腦的話，機器人就是身體，但這個身體不一定是必需的。人工智能的概念很寬，所以人工智能也分很多種，一般分成三大類：弱人工智能、強人工智能、超人工智能。
弱人工智能（ANI）： 弱人工智能擅長于單個方面的人工智能。它依賴于計算機強大的運算能力和重復性的邏輯，看似聰明，其實只能做一些精密的體力活。比如有能戰勝象棋世界冠軍的人工智能，但是它只會下象棋，如果問它如何能更好地在硬盤上儲存數據，它就回答不了。另外在汽車生產線上也有很多是弱人工智能。可以看到的是，在弱人工智能發展的時代，對于一些重復性機械性的工作崗位來說，人類確實可能會迎來失業潮。
強人工智能（AGI）：人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創造強人工智能比創造弱人工智能難得多，百度的百度大腦和微軟的小冰，都算是通往強人工智能的探索，通過龐大的數據，幫助強人工智能逐漸學習。
超人工智能（ASI）： 牛津哲學家、知名人工智能思想家Nick Bostrom把超人工智能定義為“在幾乎所有領域都比最聰明的人類大腦聰明很多，包括科學創新、通識和社交技能。”超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強萬億倍的。當人工智能學會學習，并及時自我糾錯之后，在加速學習過程中是否能產生意識，尚不能確定，但可以肯定其能力會得到極大的提高。比如，阿爾法狗會根據棋手的棋路調整策略就是最淺層的創新體現，普通手機版的圍棋棋路其實就是固定的幾種模式。
人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大。現階段人類對弱人工智能的掌握比較多，弱人工智能無處不在。但更高一階的研究更加吸引人類的探索。人工智能革命是從弱人工智能開始，通過強人工智能的過渡，最終到達超人工智能的過程。這段旅途到底會給人類帶來更好的未來還是災難，無法簡單判斷。但是無論如何，世界將會因此變得完全不一樣。
人工智能涉及領域。人工智能在某些領域的研究距離我們的生活似乎依然非常遙遠，但經歷了數十年的研發和探索，這項技術已經催生出了不少有趣的應用方向，它們已經開始在我們的生活中帶來實實在在的便利。當前人工智能的應用領域：（1）計算機視覺。主要利用計算機來判斷圖像數據當中是否包含特定的物體、特征或行為。舉個例子，當偵察機拍攝到一張圖像之后，專家們會對其進行分析以找出當中是否存在敵區；警察可以使用計算機來尋找符合罪犯畫像的照片；醫生也可以利用該系統去診斷病人。還有現在廣泛應用的面部識別系統也同樣利用到了計算機視覺技術。（2）語言識別。語言識別系統需要經過一段時間的訓練和熟悉才能達到足夠高的準確率。早在20世紀90年代，計算機語言識別就已經在一些特定的應用方向中達到了使用水平。而現在，這項技術已經被廣泛應用在了手機和汽車等日常工具當中。對于日益流行的虛擬助手而言，語言識別也是不可或缺的基礎。（3）私人助手。蘋果、谷歌和微軟已經為各自的移動平臺開發了虛擬私人助手，旨在幫助用戶處理一些基本的日常事務，比如發短信、查地圖和制定日程表，等等。它們和鋼鐵俠的JARVIS相比可能顯得非常呆板和原始，但的確給我們的日常生活帶來了便利。（4）智能機器人。智能機器人可以被應用在工廠的自動化投遞、管道檢查、拆彈和危險/位置區域探索當中。它們可長時間工作而無需休假，維護費用低于工人工資，同時精準度更高。Pepper是風靡日本的一款智能人形機器人。它或許無法被應用于工業生產，但卻非常健談。它的主要應用領域是企業、零售和客戶服務，不過你也可以把它放在家里作為家庭伴侶，煩悶時和它聊聊天。Pepper之所以可以被稱作是一部智能機器人，主要是因為它擁有來自IBM Watson人工智能計算機的技術支持。在后者的幫助下，Pepper具備了圖像、文字和視頻分析能力，這也使其能夠去理解更多類型的問題。
【關鍵詞】機械電子工程；電子電路學；人工智能
世之矚目的人機大戰最終以阿爾法狗的勝利而告終。這場為無數人所關注的圍棋比賽，刷新了人們對人工智能的認知。長久以來，人工智能對人類來說仿佛只是一個存在性的概念。殊不知，人工智能已經悄然分布在我們身邊。對于人工智能的討論和定性一直塵埃未定。但毋庸置疑，人工智能必然是未來的一個發展方向。人工智能涉及到眾多學科，例如仿生學、電子電路學、機械電子工程學等。比起其他學科，機械電子工程是一門比較老的學科。無論是在理論的成熟性上，還是在應用的廣泛性上，機械電子工程都有著得天獨厚的優勢。因此，研究人工智能的發展，必然離不開機械電子工程的相應支撐。
1人工智能的發展
人工智能的概念起源于工業時代。隨著科技的發展，大量的機器開始取代人力進行生產工作。無論是以蒸汽為動力的機器，還是以電力為動力的機器，都可以周而復始地重復一樣工作，從而大幅度地解放人力資源。但是，由于機器的局限性，它們只能固定地重復某一動作或者某一套動作，而不會自我進行改變。當外界環境改變的時候，它們依舊會重復這些動作。因此，人們急切需要一種可以針對外部條件進行自我改變的機器。隨著電子管和計算機的應用與普及，特別是隨后的晶體管和集成電路的發展，為人工智能的出現提供了契機。人工智能的定義是指某一樣機器在執行某一項指令時，如果外部條件發生改變，它也會自行改變自己的行動方式，從而適應外部條件的改變。但機器畢竟是機器，它們并不具有人類的思維。它們能夠對環境作出判斷和對自身做出改變，是因為人類提前在它們內部設置好了相應的程序。而晶體管和集成電路的大規模普及，和機械電子工程的成熟應用，為人工智能的應用與發展提供了新的成長土壤。
2機械電子工程與人工智能的相關性分析
歸根結底，人工智能依舊屬于機器。既然是機器，便離不開電子電路與機械的支撐。無論是多復雜，多精密的人工智能機器，當我們進行仔細分析的時候，就會發現，它們其實就是一個個電路所組成的。機械電子工程在電氣時代就已經得到大規模發展。經過這么多年的應用，機械電子工程無論是在理論上的成熟性，還是在應用上的廣泛性，都有著眾多學科無可比擬的優勢。而人工智能是在晶體管與集成電路發展成熟后，尤其是微型電子計算機發展成熟后，才得到快速發展的一門技術。換而言之，人工智能就是機械電子工程所延伸出來的一種產物。只是它包含了眾多其它學科的知識，才是兩者有了一定的區別。人工智能是機械電子工程的一種延伸性產物，但并不是完全性的機械電子工程產物。正如前文所言，人工智能除了包含了機械電子工程學，還包括了仿生學、物理學甚至數學等眾多學科。所以，從嚴格定義上來說，人工智能與機械電子工程是不同的兩個學科。但這兩個學科并不是完全獨立的，正如數學和物理學、物理學和化學。從表面上看，兩者似乎并不相干；從嚴格定義上看，彼此也是分屬不同的學科。但是當我們仔細分析的時候，我們就會發現，這些學科是彼此交叉的，互相聯系的。所以，我們在對它們進行分析的時候，需要互相聯系彼此，進行綜合性分析。我們在發展人工智能的時候，必然是離不開機械電子工程的相應技術的支撐。因此，我們應該從更高的層面，綜合分析，將它們聯系起來，實現綜合性發展。
3機械電子工程的智能發展
現在，人們的生活中越來越追求便利。無論是智能手機的發展，還是掌上電腦的應用，都充分體現了這一點。機械電子工程起源于電氣時代，發展的成熟性和實用性都很高。但是，它已經無法完全適用于現代的生產生活。而隨著智慧城市的提出和各種人工智能產品的大規模應用，人們對機械電子工程的發展提出了新的要求，即“智能化、微型化、實用化”。例如現在常見的一種“智能家居”。這種東西已經不再僅僅是一種概念產品，而是已經發展出實物。它們可以根據人們的需求，對人們的生活環境進行適應性改變。“智能家居”從實物上而言，就是一些電子產品在微型計算機的整體控制下，進行對相應工作的分析和處理。這也就是機械電子工程的未來發展方向。隨著微型計算機的大規模普及和應用，尤其是各種高性能的微型計算機的應用，需要機械電子工程為它們提供相應的電子電路來支撐，從而使得它們能夠正常工作。因此，機械電子工程應該把握住時代的前沿，追隨著時展的腳步，根據自身獨有的成熟性優勢，進一步發展，從而適應新時代的“智能化、微型化、實用化”的要求。
4結束語
人工智能雖然都得到了長足的發展，但綜合來看，人工智能的發展仍舊十分不成熟，還有著很大的發展空間。機械電子工程作為人工智能的基礎，也會隨著人工智能的發展，實現自身理論的進一步成熟和相關技術的飛速發展。綜合分析來看，人工智能雖然是機械電子工程的延伸產物，卻已經和機械電子工程有了很大的不同。當我們在發展人工智能的時候，必然是離不開機械電子工程的相應技術的支撐。如果我們真的要對它們進行分析的話，我們就應該從更高的層面，綜合分析，將它們聯系起來，實現綜合性發展。
參考文獻
[1]王琪.機械電子工程與人工智能的關系探究[J].科學傳播,2012.
[2]肖斌.薛麗敏.李照順.對人工智能發展新方向的思考[J].信息技術,2009.
關鍵詞：人工智能；傳統會計；影響分析；對策
引言
“人工智能”這個詞，在很久之前也許還只是存在于人們的腦海中，甚至根本不敢想象它的實現，而自2016年谷歌智能系統“阿爾法狗”戰勝韓國著名圍棋棋手李世石后[1]，引發了全球對人工智能的思考。21世紀以來，越來越多的行業正在逐步運用人工智能這一技術，在會計這一領域，突出表現的是財務機器人的出現，這意味著從事著簡單重復性工作的傳統會計從業人員將面臨被替代的風險。根據財政部最近數據顯示：截至2018年10月，累計有722萬余人通過考試取得了初、中級會計資格或高級會計師評審資格。其中，初級510萬余人，中級196萬余人，高級16萬余人。換句話說，在全國2000萬同行中，每4個會計中就有人持有一本初級會計證書；10個會計中就有一位持有中級會計職稱證書。這樣的數字顯得有些可怕，因此，在人工智能高速發展的時代下，會計職能的轉變顯得尤為重要，會計人員只有不斷改變自己，適應新時代的大浪潮，才能抓住機遇實現雙贏，將人工智能發揮出最大的效能。
人工智能時代下會計行業的發展背景
（一）人工智能在會計行業的現狀
就目前而言，人工智能在我國會計領域的應用還處于萌芽階段[7]，財務機器人是人工智能在會計領域中一個具體的應用。傳統會計有兩項基本職能：核算與監督，目前已問世的財務機器人，它們的功能都幾乎以會計核算為主，解放了手工賬，財務機器人在設定好程序后可以自動錄入數據、憑證，完成以前需要人工一步步煩瑣的工作，解放了會計最低層的勞動力，滿足了企業的日常會計信息需求，但是在會計系統中一些主觀的行為如審計、判斷等依然需要財務人員手動操作。會計核算的程序和七種會計核算方法的相互關系見圖1[5]。據國家統計局發表的數據顯示，2017年，我國大數據核心產業規模為236億元，同比增長40.5%，人工智能也是其中的一部分，而2017年正是人工智能運用于會計行業的一大歷史里程碑。
（二）人工智能對會計行業的影響
人工智能對傳統會計有積極和消極兩個方面的影響。從積極影響來看，首先人工智能可以提高工作效率[6]。在會計工作中，傳統的手工核算消耗了大量的人力成本，付出了大量的精力和時間，導致工作效率的低下，而人工智能擁有數據庫的支撐，能夠自動生成財務報表，提高工作效率，并且幫助企業降低了風險和成本，促使工作高效率地完成。此外，人工智能可以降低信息失誤和失真，人工完成煩瑣復雜的工作，難免會導致一些錯誤，例如登記手工賬出現筆誤，進而影響了企業的工作效率，而人工智能的運用，在很大程度上避免和遏制了這一現象。從消極方面來看，主要影響是傳統會計人員將面臨失業的風險[2]，人工智能在會計行業的應用，帶來的最直觀的影響就是取代了大量的簡單重復的工作，因而對傳統的會計從業人員需求減少，同時勢必會造成對會計人員能力要求的提高，那些不能適應這種變化的會計人員便面臨著失業的風險。同時，會計信息存在安全隱患[2]，人工智能技術的復雜性和高要求性將可能造成一定程度的企業會計信息安全風險，如果企業缺少相應的專業人員或系統維護不及時，很可能存在企業財務數據甚至商業機密泄漏的風險，對企業造成不可挽回的損失。人工智能與傳統會計對比分析人工智能與傳統會計相比在不同層面上存在著差異。見表1。
人工智能時代會計的發展方向
（一）傳統會計向管理會計轉型
在繁瑣的基礎性核算工作逐漸被人工智能替代后，企業對會計人員的管理型思維提出了更高的要求[4]，會計人員不僅要幫助企業制作報表等財物方面的事宜，更多的是要將財務知識結合企業各個部門現狀，為企業的長遠發展考慮，同時利用自身積累的經驗，對企業的經營發展提供全面預算、成本控制、風險評判等支持，積極參與企業未來發展戰略的制定，為企業創造出更高的價值。在此背景下，雖然傳統的會計功能被取代，但是管理會計反而能利用智能化，能夠對基礎的財務數據做出進一步分析，為企業的管理出謀劃策。面對目前瞬息萬變的市場，通過分析各項財務數據做出管理決策，整個過程都需要會計人員的參與，未來傳統會計也必向管理會計轉型，會計人員也不再僅僅記錄和核算過去的業務，更應該為企業未來的管理和發展出謀劃策。
（二）會計與人工智能相互融合，取長補短
未來智能化將是時代的發展趨勢，會計應該與人工智能更加深度融合，取長補短。一方面，在培養會計人才時加入人工智能知識的學習，注重培養綜合型的管理會計人員，利用人工智能技術促進會計行業的發展；另一方面，不能松懈對會計基礎理論的研究，同時也要培養會計人員獨立思考和解決問題的能力，人工智能只是一個工具，把握大局的還是會計工作者，企業不能過于依賴人工智能。
（三）會計從業人員提升自身綜合素質
會計從業人員在這一嚴峻的背景下，應該不斷提升自己的專業能力和綜合素質，積極轉變傳統的會計職能，達到能夠兼顧財務會計、財務審計和管理會計等多種工作，能夠完成人工智能無法實現的工作的程度，同時積極學習新領域的知識，例如現代的智能軟件，提高工作效率。通過本文研究，筆者認為人工智能的發展與應用在未來是必然的，會計人員只有積極順應時代的發展，不斷優化自身的職業水準，提高管理決策的水平，才能立于時展之巔。
參考文獻
[1]何蘋.人工智能背景下傳統會計面臨的挑戰與選擇[J].經濟管理文摘,2020(14):128-129.
[2]郭昌榮,程永鵬.人工智能對會計行業的影響及對策[J].會計師,2020(15):1-2.
[3]李怡.會計人工智能存在的風險與對策研究[J].財會學習,2020(28):96-97.
[4]朱石玉.人工智能發展對會計行業的影響及應對措施[J].江蘇商論,2020(08):37-40.
[5]吳鐘山,焦棟.淺談“人工智能”背景下對傳統會計實務的影響[J].大眾投資指南,2019(02):162-163+165.
[6]劉潔.人工智能對會計行業發展的影響研究[J].財會研究,2018(06):33-35.
[關鍵詞]人工智能；公共管理；運用
中圖分類號：D631.43文獻標識碼：A
隨著科學技術的發展，人工智能、大數據等新一代信息技術已經成為了人們關注的焦點，它不但給人們的工作生活帶來快捷和便利，同時實現了良好的經濟社會效益。把人工智能運用到公共管理當中，可以創新管理理念和管理模式，提高公共管理和社會治理的效能。
一、公共管理概述
公共管理是指以政府為核心的公共部門，把科學管理理念、功能、組織及手段應用到公共事務。公共管理的特征：其一，公共管理主要把實現公共利益當作主要目標，促使社會整體朝著更加良好的方向發展；其二，積極履行社會公共責任是公共管理重要職能；其三，公共管理能夠結合實際發展需要，協調與控制各項公共事務，并不斷創新管理方式和手段。因此，公共管理者需要在法律基礎上主動實行公權力，科學合理地運用各項公共資源才能順利實現最終管理目標。目前，社會對公共管理者的專業能力及綜合素養要求越來越高，公眾在整個過程中賦予公共管理者較多的期望和責任。此外，公共管理也具備技術掌控職能、社會協調職能及預測職能等，這些都是新時代對公共管理者提出的新要求，公共管理者必須全面掌握各方面技能，了解并掌握公眾的實際需求與時代的發展趨勢，才能成為一名符合時展的高素養公共管理者。
二、人工智能對公共管理的主要影響
（一）人工智能對公共管理的促進作用
公共管理指通過使用管理理論、技術及方法等知識，系統化、專業化地管理公共事業，不斷優化公共資源分配，使公共事業為人民服務。傳統公共管理模式在公共管理信息收集及資源管理配置方面，需耗費大量人力、物力及財力，要想提升公共管理水平，就要加大成本投入。因此，傳統的管理模式已無法適應新時期公共事業管理需求。將人工智能運用到公共管理中，尤其在收集處理公共管理信息方面效果較為明顯。其一，智能化管理系統能夠全面提升收集信息的效率和質量；其二，人工智能管理模式更為精準有效。人工智能對于問題與數據分析更具針對性，分析結果更加科學合理，可以準確把握社會個體需求，做到管理精準化、個性化；其三，在公共管理中運用人工智能可以節約成本，并實現更加優化的管理目標，提升公共管理效益；其四，在公共管理中運用人工智能，使資源配置更加符合公眾需求，采用人工智能化、科學化資源配置模式，能夠使資源合理利用，發揮最大效能。
（二）人工智能給公共管理帶來的風險
人工智能作為新興信息技術，為公共管理事業帶來了較多機遇，推動了公共管理事業的進步和發展。然而人工智能也給公共管理事業帶來了相應的機遇和風險。人工智能給公共管理帶來的機遇在于人工智能與計算機網絡技術可以完整的保存海量數據，并挖掘與分析有價值的信息。網絡安全性使得人工智能技術存在諸多未知性，人工智能是否能夠確保信息資源安全，包括信息存儲、授權使用，行為軌跡等管理問題[1]。信息安全對公共管理十分重要，要確保信息安全才能使公共事業管理中資源配置更加科學合理，最終實現提升公共管理效率。通過以往的案例證明，人工智能技術的自我安全性還不足，因此，要想使人工智能在公共管理事業中得到普及，就必須盡快解決這一問題。
三、人工智能在公共關系管理當中的具體運用
當前，人工智能快速發展，能給人們的工作生活帶來巨大改變，幫助人們完成了許多高難度、高強度、復雜化的公共工作，推動智能社會發展。人工智能能夠代替人開展腦力勞動工作，可以改變許多工作模式。但是人工智能屬于輔助工具，人們要正確認識并科學合理地利用它，才能充分發揮它在公共管理中的真正價值。在人類社會不斷進步與發展過程中，公共管理者必須不斷學習、掌握先進技術，才能提升對人工智能的利用效率，把具有明確規則卻復雜、耗時耗力的工作交給人工智能。
（一）公共事業方面。有人認為人工智能在生活和工作中不常用到，然而其已經運用到了人們生活的方方面面。2016年共享單車方便了出行，各年齡段的人安裝了共享單車APP。共享單車具有明顯優勢，快捷便利、綠色環保，是人們出行的首選。共享單車利用人工智能平臺，來科學的預測騎行的行程、路況及停放等，從而有效整合了天氣、時間等各項變量工作，合理分析了其需求量和供給量，進一步提升了共享單車管理效率和效益。由此可見，人工智能已經越來越多地進入到了人們的日常生活當中，改變了人們的生活模式，使人們的生活朝著智能化方向發展。
（二）社會經濟方面
運用人工智能能夠把消費者具體需求反饋給企業，企業根據精準數據可以制定出更加優質的產品，提供高效服務[2]。當前電子支付是人們生活中重要的內容，人們出行不用帶大量現金，運用支付寶或微信就能夠進行支付。同樣在電商物流整個過程中，分揀機器人就屬于人工智能，其每天能夠完成大于20萬的工作量，很好地解決了困擾電商的物流問題，降低了人工成本，提高了工作效率。
（三）教育管理方面
人工智能運用包含教育管理，通過智能化學習系統和數據分析，教師能根據學生具體情況，如學習行為數據、知識點掌握等制定相應的個性化教育方案，提高了育人效果。從當前人工智能在教育領域運用情況看，在遠程教育中同樣獲得了良好效果。在運用人工智能后，學生獲得了個性化教育，創建了新的教學、內容研發和師資管理等形態。運用人工智能可以更準確、有針對性地協助教學，使日常教學效率得到大幅度提升。
四、人工智能在公共管理中的應用措施
（一）改變人才培養方式
人工智能技術的運用，還可以推動人才培養方式的變革和發展，能夠創建健全的新型教育方式。首先，加強編程教育普及，設置人工智能方面的課程，把人工智能和其他學習的教育結合起來，健全人才培養方式。其次，組織多元化、多層面的人工智能科普活動，使社會大眾能夠進一步認識和了解人工智能。最后，加大人工智能基礎設施方面的建設。
（二）重新構建組織形式
隨著人工智能的出現和廣泛運用，管理主體要結合自身特點，積極主動運用人工智能，不斷發展完善管理結構。
在日后的工作當中，管理主體要和普通員工、智能機器有效合作，全面發揮潛在優勢。另外，運用人工智能技術的時候，管理者要精心設計各種組織形式，才能確保信息傳遞真實、高效。
（三）創新工作模式
隨著社會發展和科技進步，公共管理者必須具備較強的學習能力和綜合素質才能滿足工作需求。在工作中可以通過人機互動工作模式，充分發揮人工智能在處理重復性、邏輯性等工作的優勢，和管理者的工作充分融合、優勢互補，將人工智能運用到公共管理中，創新工作模式，推動公共管理事業的發展。
【關鍵詞】計算機；人工智能技術；研究進展；應用
1 計算機人工智能技術概念
計算機人工智能技術主要是指建立在計算機技術基礎之上，研究人類智能活動的規律，構造具有一定智能化的人工系統，指引計算機完成需要人類智力才能夠完成的工作（如：推理、判斷及證明等）的基本理論、方法和技術[1]。其涉及多個學科，例如：心理學、哲學、社會科學等，與基因工程、納米科學并成為世界三大尖端技術，在許多學科領域得到了廣泛推廣，并取得了顯著的成效。
2 計算機人工智能技術發展歷程及發展方向
2.1 發展歷程
2.1.1 興起階段，在20世紀50年代，計算機人工智能概念第一次出現，許多學者針對這項新型技術展開了系統的分析和研究，且取得了一定具有參考價值的研究成果，例如：機器定理證明等，不僅如此，一些理論知識也為此做出了許多支持，例如：唐納德?海布描述的一種簡單的修改規則，為修改神經元間的強度奠定了基礎。誠然，人工智能技術在此階段取得了一定發展，但是，由于人工智能技術涉及學科范圍較廣，各學科之間發展并不是同步的，難以為該項技術進一步發展提供支撐，不僅如此，一些解法的推理能力并不高。因此，人工智能技術在興起階段，發展情況并不樂觀。
2.1.2 應用階段，20世紀70年代，知識工程概念提出后，促使商品化專家系統和智能系統應運而生，并在世界范圍內得到了推廣，在相關領域創造出更多價值，由于專家系統自身存在一定局限性，使得人工智能技術再次面臨挑戰[2]。
2.1.3 集成階段，隨著各個學科不斷發展，專家系統取得了進一步完善，并積極與其他功能相結合，例如：智能語言、多種知識表示方法等，創造出更多功能。近年來，計算機人工智能技術已經逐漸開始朝著并行推理、多專家協同系統等趨勢發展，然而，我們也不得不承認，計算機人工技術在理論、方法及技術方面并不完善，尚處于發展階段，有待深入研究。
2.2 未來發展方向
計算機人工智能技術作為一項綜合性技術，其發展潛能很大，立足于技術發展情況來看，在未來，人工智能技術將會朝著模糊處理、并行化及神經網絡等方向發展。首先，自動推理，作為最為關鍵的研究方向，其理論基礎是計算機與人工智能兩項技術的結合，主要是針對系統動態特點而進行的可行性推理；其次，智能接口，主要是實現人們與計算機之間交流而創造的應用，為人們工作、生活等方面提供了極大的支持，具有較高的應用機制，基于此，如何更好地完善的智能接口成為研究重點課題；最后，數據挖掘，作為最受矚目的課題，主要是研究在數據庫基礎之上，進行知識發現系統，并運用合理方法，從數據中得到知識，進而找到客觀世界的內在聯系及規律，從而實現知識自動獲取目標。因此，計算機人工智能技術將會為人類社會發展帶來更多驚喜。
3 計算機人工智能技術的應用
3.1 實現遠程自主規劃和控制
該項技術能夠對距離我們上百萬公里以外太空中航天器進行遠程規劃和控制，例如：美國航天局利用計算機智能程序對航天器進行操作、調整和控制，并成為國際上首例利用計算機人工智能技術遠程遙控的國家。遠程智能程序能夠結合地面系統中預先設定好的任務和目標，進行自主規劃，并在對航天器實現實時監督和控制，了解和掌握航天器運行情況，及時發現與程序相悖之處，并發出指令進行調整，實現檢測、診斷及恢復目標，從而確保航天器在遙遠的外太空穩定、可靠運行，為科學家研究提供參考。
3.2 預測步驟，提高博弈技巧
將一些技術運用于下棋過程中，能夠將下棋涉及的復雜問題分解為多個小問題，提供下棋數據信息，促使其朝著搜索和問題歸納等方向發展，從而為下棋者科學決策提供支持，近年來，這項技術發展速度及應用范圍十分廣泛。誠然，技術能夠達到國際象棋錦標賽的水平，但是，還不能夠很好的解決人類棋手的表達和洞察等能力，人們僅能夠實現具體問題具體分析，基于此，還需要進一步提高。
3.3 結合目標需求，實現自主控制
技術涉及的視覺系統能夠應用于引導汽車沿著行車道前進，結合這一應用，美國將這一技術安裝到微型汽車上，實現了自主導航前進兩千公里，其中98%以上時間是由該系統控制汽車前進，剩余部分由人類控制，通過調查發現，人類控制部分主要是公路出口尋找，也就是說，通過對技術進一步完善，能夠促使系統獲取更多應用經驗，從而計算出最佳駕駛方向，從而控制汽車前進[3]。因此，無人駕駛這一目標將會在不久的未來實現。
3.4 提高醫療水平，實現準確診斷
該項技術在醫療領域中的應用，能夠有效突破傳統醫療診斷的弊端，進一步提高診斷水平，例如：建立在概率分析基礎之上的醫療診斷程序已經得到了應用，且效果十分明顯，在一定程度上提高了專家醫師的實踐水平。誠然，一部分醫師對程序診病這一事實并不認可，但是，程序通過對病人的檢查，提出了影響判斷的原因，并闡述了并發癥狀等，最后得到了醫師的認可和肯定。技術在醫療領域的應用，不僅能夠有效提高醫療水平，還能夠更好的解決病人的疑難雜癥。
3.5 深度理解語言，解決問題
建立在該項技術基礎之上的程序，在解答縱橫字謎問題中得到了重視，其解答效果優于人類，在具體應用過程中，該項程序通過利用填充詞限制及相關字謎數據庫等多項資源解決問題。
3.6 提高專業化水平，完善專家系統
專家系統主要是建立在專家已具備知識基礎之上的系統，具有特定知識、經驗的系統，與人類專家水平基本一致。專家系統是計算機人工智能技術研究較早、且成果最為顯著的領域，在地質勘探等方面得到了廣泛的推廣和普及。[4]
3.7 深化推理證明，提高推理準確性
邏輯推理作為技術研究最為持續的課題，主要是通過對事件進行深度挖掘和分析，計算其可行性數據，最終確定科學、合理的解決方案，這主要是歸功于計算機技術中的數據庫，沒有數據庫作為基礎，很難提出解決方案。因此，此技術在相關領域的應用能夠有效提高工作效率和質量，從而指導具體工作。
3.8 利用社交軟件，實現溝通和交流
技術中的智能AGENT十分重要，該項程序在機器人系統中的應用，能夠通過了解人類的動機和情感狀態，實現與人類的良好的溝通和交流，基礎的禮貌性打招呼等都能夠實現，具備正常情緒的機器人，在實現人機互動，完成高難度工作等方面發揮著積極的作用[5]。不僅如此，計算機人工智能技術還能夠在多個領域發揮有效性，由于技術自身具有哲學及心理學等方面內容，使得其具備與人類相似的想象力和創造力，在具體工作中，能夠像人類一樣發揮潛能，創造更多價值。
基于上述介紹，該項技術的出現和發展，不僅為社會各個領域發展助力，而且在一定程度上改變了人類文化生活模式，是人類進步的有效手段和方法。
【參考文獻】
關鍵詞：人工智能；科技情報；自動感知
中圖分類號：TP18文獻標志碼：A文章編號：2095-2945（2020）32-0057-02
Abstract：Fromtheperspectiveofartificialintelligence，peoplerequireasignificantimprovementintheaccuracyofscientificandtechnologicalinformationservices，sothatitsvaluecontinuestorise，bringingchallengesandopportunitiesforintelligencework.Bysummarizingthecontentsofartificialintelligenceandscientificandtechnologicalinformation，combinedwithartificialintelligencetechnology，thispaperstudiestheautomaticperceptionofscientificandtechnologicalinformationneedsconcerningthekeypoints，contentperceptionandotheraspects，highlightingthewisdom，intelligenceandefficiencyofscientificandtechnologicalinformationwork，andoptimizingtheautomaticperceptionscheme.
Keywords：artificialintelligence；scientificandtechnologicalinformation；automaticperception
前言
當前科技情報服務對象不僅局限于特定的行業和領域，已經逐漸滲透至某一技術和個人，情報機構只有提升情報分析和反應能力才可以滿足新需求。因此，機構有必要加強對用戶需求的感知度，依托人工智能技術構建科技情報的感知框架，提升感知工作的合理性和高效性，進而挖掘科技情報感知領域的價值。
1人工智能及科技情報感知概述
1.1人工智能分析
人工智能又稱AI，伴隨著計算速度、核心算法的優化，該技術已經在神經網絡、自然語言、機器學習等方面趨于成熟。當前人工智能技術可以定制個性化任務，結合不同的環境響應個體需求，制定解決方案[1]。因此，人工智能技術能夠快速處理海量數據，若人類智力水平已無法滿足嚴苛工作要求，可以借助人工智能技術處理復雜工作。同時，科技情報感知模塊屬于綜合預測過程，因此有必要結合人工智能技術制定科技情報感知方案，實現情報工作向智慧化、個性化、精準化方向發展。
1.2情報感知分析
科技情報感知主要是工作人員針對采集到的數據完成處理、分析，進而滿足受眾對于情報的需求，并對今后其發展過程進行預測。學者劉記曾指出，依托科技情報感知工作可以為實現國家治理體系和治理能力現代化提供支持，加快情報刻畫、情報感知以及情報響應能力的建設進程。其中，情境感知的研究具有一定復雜度，G.Chen通過調查情境信息、情境類型、情境傳播等模型和系統，分析情境感知的應用程序，得出情境感知是領域普適學習的關鍵。例如，借助情境感知可以為用戶提供體溫、運動路徑、溫度等方面的服務。
因此，科技情報感知工作對于我國情報治理、預先感知等方面影響較大，結合人工智能技術創新科技情報感知模塊已是大勢所趨。當前大數據時代科技情報已經不僅停留于文獻領域，正逐漸向多種數據源模式發展，要求科技情報軟硬件不斷升級優化，數據存儲和處理水平逐漸升級，進而滿足社會對情報數據的需求。
2人工智能視域下科技情報需求自動感知研究
2.1融合關鍵點
（1）創新驅動。當前科技情報需求逐漸向科技創新領域發展，依托我國創新驅動的發展戰略，基于科學技術完成升級和發展。將科學技術和科技情報相結合后，情報工作的創新性較強，具有數字化和智慧化優勢，并突出情報工作的個性化和精準性。因此，依托人工智能技術完成科技情報的自動感知十分關鍵，是當前科技發展的必經之路。
（2）前瞻性定位。新時期資源的網絡化和數字化發展為科技情報研究工作提供大數據支持，可以在海量數據的收集、分析、處理方面發揮優勢。傳統的數據研究方式很難在大量數據的基礎上提升情報研究質量，同時會增加研究人員的任務量。且每位工作人員自身的專業知識、情報敏感度、知識狀態存在差異性，導致最終得出的情報結果不同甚至差異化較大。應用人工智能技術完成科技情報的自動感知十分重要，可以突出工作的準確性、高效性和穩定性。因此，將新興人工智能技術和傳統情報服務工作相融合是現代情報領域的關鍵，如自動獲取和加工情報、高速處理文本信息、人工智能決策平臺、依托語義內容的科研成果評價等[2]。
2.2內容感知
（1）感知系統分析。大數據背景下，科技情報預測和傳播功能受到重視和應用，屬于科技領域的研究熱點，可以對競爭、合作、研究方面進行正確的價值判斷。科技情報感知主要依托可靠、豐富的數據，借助“互聯網+大數據”模式獲取信息，在多種資料中得到關鍵的信息和數據，進而完成科技情報的感知工作。同時，數據源具有冗余度高、形式多樣、存儲量大的優勢，因此能夠落實科技情報感知工作，篩選數據源、除去冗余數據、分析剩余有效信息。借助數據集模式與知識儲備庫、感知數據庫一同為感知過程提供信息支持。內容感知系統內的數據源并非固定不變，且信息的更新速度較快、技術淘汰時間較短，因此內容感知是實時更新、持續變化的數據系統。基于相關輔助項目，幫助用戶了解工作內容。例如，借助“科技情報產品報告”為感知系統研究和應用提供支持，該報告可以幫助用戶了解系統，提前評估系統實際能力，便于用戶針對性提出情報需求。
（2）系統實現模式。a.數據源存儲。若想發揮科技情報的自動感知作用，系統內需要具備大容量數據集合，進而為感知產品提供分析支持。同時，數據處理過程中對于信息查詢、存儲挑戰較大。因此，本課題結合Neo4j數據庫、互聯網技術提升數據處理和存儲效率，提高系統適應水平，保證其良好的查詢效率。Neo4j數據庫主要劃分為兩類應用模式：服務器模式、內嵌模式。本課題利用內嵌模式，借助Java-API，將Neo4j數據庫和圖模型相互整合。由于API的特點是數據結構靈活，因此可以通過直接編碼的模式和圖數據庫完成交互操作。b.數據源分類。若想對數據源完成自動分類，建議識別數據源的結構功能。例如，利用機器學習、詞匯特征等方式劃分數據源的功能及結構。依托數據源要素、類型詞匯特點、詞匯分布特征等方面，依托神經網絡內分類器訓練模式，圍繞領域技術、專題、情報報告、組織數據庫等方面對數據源進行分類[3]。c.構建任務抽取模型。結合用戶需求抽取目標任務可以充分發揮科技情報的自動感知優勢，優化RNN模塊。在研究階段利用Bi-LSTM-CRF、卷積網絡模型抽取數據源，并借助長短時雙向記憶模型化解RNN梯度爆炸、消失情況。抽取模型內的輸入數據是卷積，包含知識元素、句子、詞等特征向量，而輸出數據則依托（Conditionalrandomfield）條件隨機得到結果完成預測。此模型借助多元組的方式展示數據源抽取結果，圍繞數據源性質、事項、主體、依據、對象等要素進行連接。
2.3情境感知
（1）情境感知系統。情境感知系統內部因素種類較多，且科技情報感知階段需要依據情境完成，并對感知結果造成影響。因此，在開展科技情報感知工作時，建議對特定用戶完成重新評估。同時，情境感知在情報感知工作中十分關鍵，若忽視結果會對外部情境產生較大影響，使預測工作喪失精準度。因此，應基于外部情境條件定位事物發展方向，得到精準感知結果，發揮情報前瞻性優勢。其中在獲取情境數據時應關注“小數據”，即初始結構化數據，此類資源雖數量較小，但是內部包含價值信息，可以獲取歷史情境信息。此外，問題情境應圍繞橫向和縱向兩個層面分析，橫向維度是梳理本層實際情況，針對性選擇研究方法和處理方式；縱向維度則依托時間節點理清情境信息。
（2）系統執行方案。情境感知系統建設主要內容是借助科技手段獲取某一情境內的數據并完成融合。因此，情境感知技術實際上是借助人工智能中傳感器等技術，依托計算機感知當前情境，完成感知應用、智能識別、決策支持，具有無干擾的優勢。情境感知包含情境獲取、處理、應用三個階段。其中，情境獲取主要依靠傳感器終端獲取設備關聯、用戶關聯、資源關聯、環境關聯情境，并將上述情境信息轉變為數字信號，利用嵌入系統完成判斷和處理；情境處理過程則借助建模的方式控制情境信息，構建信息數據庫。整合情境感知信息并協調對應的組合，控制資源分布并將其嵌入至感知數據庫內；服務應用階段相當于人工智能處理模塊，可以結合用戶需求提供合理服務。
2.4需求-反饋機制
（1）工作過程。需求-反饋機制實際上可以體現用戶和人工智能間的關聯性，屬于科技情報感知的關鍵環節，包含自動感知信息、數據、產品模塊。依托人工智能技術，通過AI方式減輕工作人員任務量。其中，AI能夠智能化處理多領域工作，如醫療、教育、駕駛、金融、安防等。在科技情報感知領域引入人工智能技術可以準確、高效、及時地開展情報工作，提升工作效率、減少決策偶然性、加快數據分析處理速度。同時，科技情報感知工作的主體是用戶，首先需要將其對產品的需求發送至AI處，其次借助人工智能模塊分析、整合內外感知數據庫信息，最后向用戶反饋情報產品和相關結果。
（2）情報感知產品。情報感知產品主要結合用戶產品需求，依據感知數據庫內的條件因素預測今后用戶對于情報產品的需求，進而在后續工作中有針對性地向用戶推送產品信息，為科技情報工作的可持續發展提供支持。因此，人工智能和科技情報感知工作相結合可以充分發揮自動感知優勢，降低對工作人員決策的依賴性。專業人員依據多種數據源進行分析與評估，最終得出精準的感知結果。同時，人工智能技術的應用可以自動形成情報感知產品，并向用戶推送反饋數據，由主動感知向自動感知發展，契合新時期情報3.0的發展趨勢，加快國家科技決策和科技創新發展進程。
1人工智能的概念
人工智能是一門綜合了生理學、語言學、計算機科學等的學科，具有綜合性、挑戰性等特點，其主要目的便是賦予機器人工智能的功能，使其能夠替代人去完成一些危險性與復雜性較高的工作，進而確保人們的安全，促進工作效率的提高[1]。因此，人工智能也被稱為機器智能。相比于自然智能與人類智能而言，人工智能屬于一項全新智能，其通過將設備、系統等來模擬人類各項智能活動，從而完成命令。作為一項結合多門學科的應用技術，人工智能的發展與其組建學科的關系十分緊密，特別是計算機技術的發展方向，其對人工智能的應用具有決定性作用。此外，人工智能技術也極大程度上促進了計算機網絡技術的發展，計算機為從單純數據計算轉變為知識處理，就離不開人工智能技術的支持。人工智能的作用與優勢具體如下：其一，可處理不確定信息，實時了解系統資源表現出來的局部及全局狀態，并對狀態變化情況進行追蹤，通過技術處理獲取的信息，從而為用戶實時提供所需信息護具。其二，具有較高的寫作能力，可科學、有效整合獲得的資源，進而將各用戶之間的資源進行傳輸與共享，通過有機結合網絡管理與眾多寫作分布式人工智能的思想，可充分促進網絡管理相關工作效率及效益的提高。其三，其在網絡智能化護理中具有顯著優勢，主要表現在其學習、推理能力方面。在網絡管理工作中應用人工智能，可將信息處理的準確性及效率進行提升，同時，通過利用人工智能技術的記憶功能，可在存儲信息過程中建立完善的信息庫，并將其作為綜合、解釋、總結信息的平臺，在產生出更為準確及科學的高級信息的基礎上，實現網絡管理水平的全面提升。
2計算機網絡技術的問題
目前，隨著計算機技術的廣泛應用，人們愈發重視有關網絡信息安全問題。在網絡管理系統的應用過程中，用戶最為關注的功能便是網絡監視與網絡控制，其中，為正常發揮網絡監視及網絡控制這兩大功能，就需要對信息急性及時獲取與準確處理。網絡傳輸的數據通常是不連續、不規則的，而在早期階段，計算機只具備邏輯化分析及處理數據的功能，難以準確判斷出數據的真實性，因此，為從大量繁復的信息中，挑選出有效的信息，實現計算機網絡技術的智能化具有非常重要的意義[2]。計算機的應用日益廣泛與深入，這使得用戶需要通過網絡安全管理來為其信息安全提供保障，而網絡犯罪現象的增多，使得計算機必須具備靈敏的觀察能力及迅速的反應能力否則便難以對侵犯用戶信息的各種違法犯罪行為進行有效遏制。為促進網絡安全管理的實現，就需要將以人工智能技術為基礎而建立起來的智能化管理系統作為有效手段，自動收集信息數據，及時診斷運行故障，并在線分析趨勢及性能等，從而確保計算機發生網絡故障時，可做出快速、準確的反應，并采取有效措施來恢復計算機的網絡系統。由此可知，針對計算機網絡中存在的問題，就需要應用人工智能技術，在其內部建立完善的網絡管理及防御系統，從而為用戶信息安全提供充分保障。
3計算機網絡技術中人工智能的應用分析
在計算機網絡技術中應用人工智能，可極大程度滿足人們對計算機提供人性化及智能化服務的需求。其中，計算機網絡技術智能化服務主要指的是智能化的人機界面、信息服務、系統開發及支撐的環境這幾個方面，與此同時，這些需求進一步促進了人工智能在計算機網絡技術，尤其是在智能人機界面、網絡安全及系統管理評價等方面的應用進程。
3.1人工智能在計算機網絡安全管理中的應用。在計算機網絡技術中，人工智能得到了極為廣泛的應用。在計算機網絡安全管理中，人工智能的應用主要表現在智能防火墻、入侵檢測、智能型反垃圾郵件系統這三個方面。相比于其他防御系統，智能防火墻系統采用的是智能化識別技術，例如，通過概率、統計、記憶、決策等方法，來識別并處理有關信息數據，不但有效減少了計算機匹配檢查過程中的龐大計算，而且大大提高了發現網絡有害行為的效率，從而實現了限制訪問及攔截有害信息的功能；此外，與傳統防御軟件相比，智能防火墻系統具有更高的安檢效率，從而將拒絕服務共計這一普通防御軟件普遍發生的問題進行有效解決，實現了高級應用的入侵及病毒傳播的有效遏制[3]。作為計算機網絡技術安全管理的一項重要環節，入侵檢測起著保證網絡安全的關鍵作用，同時也是防火墻技術的核心部分。計算機系統資源的保密性、完整性、安全性等均與網絡系統入侵檢測功能的有效發揮有著緊密聯系。入侵檢測技術通過采集、篩選、分類、處理信息數據，在形成最終報告的基礎上，將當前計算機網絡系統的安全狀態及時反映給用戶。現階段，人工智能在模糊識別、專家及人工神經網絡等系統入侵檢測中，得到了非常廣泛的應用。計算機網絡安全管理中的智能型反垃圾郵件系統，是一項以人工智能技術為基礎而研發出來的防護技術，其針對的對象為垃圾郵件。此項技術可在不對用戶信息安全造成影響的前提下，有效監測用戶的郵件，并在完成郵箱內垃圾郵件的開啟式掃面后，將垃圾郵件分類信息提供給用戶，提醒其對可能對自身不利或對系統造成危害的信息進行盡早處理，進而確保整個郵箱的安全性，
3.2人工智能在計算機網絡系統管理及評價中的應用。計算機網絡管理的智能化發展，離不開人工智能技術及電信技術的發展。除了應用在計算機網絡安全管理中，人工智能技術中的問題求解技術及專家知識庫等，均可促進計算機網絡綜合管理的實現。由于網絡具有瞬變性及動態性的特點，因而給計算機網絡管理工作增加了一定的難度，這同時也使得現代化網絡管理工作朝著智能化的方向發展。其中，以人工智能理論為發展基礎的專家級決策及支持方法，在信息系統的管理工作中得到了廣泛應用。作為一項智能計算機程序，專家系統可累積盡可能多的專家經驗與知識，并通過進行歸納與總結，在形成資源錄入系統的基礎上，利用這一匯集了多位特定領域中的專家經驗的系統，對此領域中相似的其他問題進行解決。因此，對于計算機網絡管理及其系統評價，可通過眾多專家系統來開展計算機網絡管理及系統評價等大量工作。
4結數語
綜上所述，在人們對計算機網絡技術應用需求不斷增多，以及人工智能技術不斷發展與完善的形勢下，人工智能在計算機網絡技術中的應用將會朝著更深、更廣的方向發展，并且會在計算機網絡管理及系統的評價工作中，發揮出至關重要的作用。
作者：馬越 單位：江蘇省南京工程高等職業學校
“人工智能”一詞最早是在1956年Dartmouth學會上提出的。從那以后,研究者們發展了眾多理論和原理,人工智能的概念也隨之擴展。人工智能其英文全稱為ArtificialIntelligence，縮寫為人所共知的AI，它主要是對用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統等進行研究討論。對于人工智能的定義義眾說不一，一般有兩種說法：一種是人工智能是關于知識的學科，即怎樣對知識進行表示以及怎樣獲取知識并對知識進行使用的科學；另一種是人工智能研究的是如何實現讓計算機做過去只有人才能夠做的智能工作。但是不管是哪一種，它都是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。人工智能的定義可以分為兩部分，即“人工”和“智能”。對于“人工”，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。誕生對于“智能”，則存在著很大的爭議。因為這涉及到了諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人類唯一能夠了解的智能就是人類本身的智能。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。人工智能的實現方式有2種方法。一種是采用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineeringapproach），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modelingapproach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。
2人工智能的發展
對于人工智能的研究一共可以分為五個階段。第一個階段是人工智能的興起與冷落，這個時間是在20世紀的50年代。這個階段是人工智能的起始階段，人工智能的概念首次被提出，并相繼涌現出一批科技成果，例如機器定理證明、跳棋程序、LISP表處理語言等。由于人工智能處于起始階段，很多地方都存在著缺陷，在加上對自然語言的翻譯失敗等諸多原因，人工智能的發展一度陷入了低谷。同時在這一個階段的人工智能研究有一個十分明顯的特點：問題求解的方法過度重視，卻忽視知識重要性。第二個階段從20世紀的60年代末到70年代。專家系統的出現將人工智能的研究再一次推向。其中比較著名的專家系統有DENDAL化學質譜分析系統、MTCIN疾病診斷和治療系統、Hearsay-11語言理解系統等。這些專家系統的出現標志著人工智能已經進入了實際運用的階段。同時國際人工智能聯合會于1969年成立。第三個階段是20世紀80年代。這個階段伴隨著第五代計算機的研制，人工智能的研究也取得了極大的進展。日本為了能夠使推理的速度達到數值運算的速度那么快，于1982年開始了“第五代計算機研制計劃”。這個計劃雖然最終結果是以失敗結束，但是它卻帶來了人工智能研究的又一輪熱潮。第四個階段是20世紀的80年代末。1987年是神經網絡這一新興科學但是的年份。1987年，美國召開了第一次神經網絡國際會議，并向世人宣告了這一新興科學的誕生。此后，世界各國在神經網絡上的投資也開始逐漸的增加。第五個階段是20世紀90年代后。網絡技術的出現于發展，為人工智能的研究提供了新的方向。人工智能的研究已經從曾經的單個智能主體研究開始轉向到基于網絡環境下的分布式人工智能研究。在這個階段人工智能不僅僅只對基于同一目標的分布式問題求解進行研究，同時還對多個智能主體的多目標問題求解進行研究，讓人工智能有更多的實際用途。
3對人工智能的思考
3.1人工智能與人的智能
從哲學上的量變引起質變的角度來講，人工智能在不斷的發展過程中一定會產生質的飛躍。在最初，人工智能只具有簡單的模擬功能，但是發展到現在已經具備了思考的能力（邏輯推理分析），這已經表明人工智能在不斷量變的過程中已經發生了質變。有人認為有人會說人工智能不會超過人類的智能，理由是人工智能是人類創造出來的。但是現實中很多人類創造出來的東西已經在某一些方面超過了人類本身的能力，例如起重機的力氣超過人類很多；汽車速度也遠超過人類的速度。人類之所以會制造出各種各樣的工具，其目的就是希望自身的能力能通過這些工具進行延伸和突破。人類研究人工智能就是希望人工智能幫助人類實現人類某些無法實現的東西。還有人認為人工智能是人類創造出來的，所以它一定存在著致命的弱點，也因此人的智能優于人工智能。但是殊不知人類與機器相比也有著十分明顯的弱點，例如人類所需要的生存條件比機器更加的嚴格，人類思維會受到人的情緒所影響，而機器只是受到程序的影響，它們沒有情緒的起伏。就目前的人工智能而言，它們在某一些領域比人類更強。但是目前我們必須正視人工智能的一些還沒有辦法改變的缺陷，那就是人工智能的學習能力與創新能力。人工智能的知識獲取大部門都是人為的進行灌輸，而無法像人類自身那樣進行主動的學習。同時人工智能只能夠利用已有的知識去解決一些問題，但是卻還不能夠創造性的提出一些新的東西。
3.2對機器人三大定律的困惑
美國最著名的科普作家艾薩克．阿西莫夫提出過比較著名的機器人三大定律：第一定律，機器人不得傷害人，或任人受到傷害而無所作為；第二定律，機器人應服從人的一切命令，但命令與第一定律相抵觸時例外；第三定律，機器人必須保護自身的安全，但不得與第一、第二定律相抵觸。雖然這只是科幻作家所提出的一家之言，但是也代表了人類對與人工智能發展的一種期望與擔心。人們害怕自己所創造出來的人工智能會傷害人類自己。但是阿西莫夫所提出三大定律都是以人類為中心的，而忽視了人工智能本身。或許這是人類的一種天性，世間所有的事物都應該圍繞人類自身來定義、發展。就好像人類自以為掌控了能夠改變大自然的力量，最終卻被大自然反噬一樣。同時，隨著科學技術的發展，人工智能已經不單單需要邏輯思維與模仿，同時還應該將情感賦予人工智能。因為隨著科學家對人類大腦和精神系統的研究的深入，已經愈來愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人類的自我中心又是否會傷害到人類自己創造出來的人工智能。
3.3對人工智能未來的思考
人工智能有著十分巨大的發展潛力，對于人工智能的研究雖然經過了很多年，但是這也僅僅是剛剛開始而已，繼續研究下去在很多方面都會有重大的突破。自動推理是人工智能最經典的一個研究分支，它的基本理論是人工智能其它分支的共同基礎。一直以來人工智能最熱門的研究內容里面就有自動推理，同時在該知識系統中的動態演化特征及可行性推理的研究是一個十分熱門的研究內容，很有可能取得大的突破。機器學習一直在致力于研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能。在過去的很長的一段時間內都沒有取得十分顯著的成果。但是許多新的學習方法相繼問世，并且已經有了實際的應用，這充分的說明在這方面的研究已經有了很大的進步。自然語言處理是計算機科學領域與人工智能領域中的一個重要方向。在經過人工智能研究人員的艱苦努力之后，在該領域中已取得了大量令人矚目的理論與實際應用成果，許多產品已經進人了眾多領域。智能信息檢索技術在Internet技術的影響下，近年來發展勢頭十分迅猛，而且已經成為了人工智能的一個獨立研究分支。
關鍵詞：設計；人工智能；挑戰；機遇
一、引言
第四次工業革命的到來，人工智能作為一項主要的技術，必將鞭策整個人類社會的轉型。很多國家制訂了戰略規劃，在2017年我國也了《新一代人工智能發展規劃》和《新一代人工智能產業三年行動計劃(2018-2020)》，人工智能產業已上升為國家戰略。近年來，在人工智能涉及的領域中，藝術與技術結合，升華到與人工智能的結合且越來越受到重視。阿里智能AI“魯班”已經掌握了上百萬個設計師的創意內容，雙11期間制作1.7億張海報，沒有一張是重復的，而這些工作如果人工制作的話需要100個設計師工作300年；央視節目中“魯班”PK資深設計師取勝等等這些新聞，無不極大地震撼了整個設計行業。設計師會失業嗎？高校的設計教育面對AI的挑戰與機遇如何制定培養目標？如何在新的競爭中占領先機？未來已來，智能藝術設計的路在何方?
二、設計行業面對四大挑戰
（一）驚人的數字
馬云在一次報告中說未來30年人類只工作4個小時，大量的工作崗位會被人工智能搶走；根據白宮的人工智能報告預測，在未來10-20年間，人工智能技術有可能取代47%現有工作。麥肯錫的預測是49%，盛產勞動力的中國和印度的影響最大。Siri之父、人工智能專家溫那（Winarsky）的預測是70%的工作將被取代。不得不說，AI是人類智慧的結晶，正在高速顛覆著人們的生活。
（二）AI設計發展趨勢
AI最容易取代的是簡單設計：如LOGO、UI界面、海報招貼、網站網頁、產品造型、室內家裝、產品包裝……原本這種理想的設計工作不再能提供人生的庇護所，但凡是明確、簡單、重復標準、規則的美術設計與制作工作，未來都容易被取代，傳統設計行業將會萎縮乃至可能逐漸消失。
（三）設計環境惡劣
設計創意無法保護，設計法規沒有限定，設計競價無序，商家廠家缺乏契約精神，設計知識產權無法保護契約，新設計新技術缺乏情趣，設計同質化嚴重……（四）設計教育落后現有設計模式傳統、設計教育落后，設計知識體系缺乏更新、進化，知識性重復訓練、模仿性傳統方法制約了學生創造性情感思維的發展，設計師終身教育觀念的缺失阻礙了設計師的可持續發展，設計知識與設計人才近親繁殖、代際傳遞的情況嚴重。
三、AIDesign發展迅猛
目前傳統藝術設計已經發生智變，使設計更美更快更簡單。人工智能藝術與設計已經一定高水平，如果設計師仍停留在傳統設計水平，就會受到來自機器的“威脅”。但也不全會，除了“創意”部分讓機器無可奈何，人類設計師與機器的競合中，我們要轉變方向注重數字移動媒體策劃與設計、移動媒體用戶需求挖掘、數字移動媒體需求文檔的撰寫、數字移動媒體優化、數字移動媒體UI界面設計、H5設計、App設計、UE用戶體驗設計、虛擬移動媒體設計、信息交互設計等媒體智能設計新技術。高品質藝術、設計依賴于混合增強智能技術。AdobeMax“SneakPeeks”將迎來Adobe全家桶的諸多全新功能，如圖片變視頻、靜態變動態、一鍵設計字體、視頻扣剪、紙盒自動生成、AR呈現、AE一鍵去馬、Ru跨平臺制作（剪輯、混音、調色）、跨平臺同步改稿、人工智能排版等十大看似很科幻但已經實現了的AI功能。華為Mate20手機3D掃描防生建模與成像，以及AI手勢動作捕捉的體感游戲功能，更為我們提供了解放設計生產力的前景。同時MIT研發的工業產品AI設計系統即將面世。主要產品體現如下：
（一）AIVD人工智能視覺設計
AI集成化的成熟產品，比如Adobe系列的產品，軟件低層融入AI技術，更好更快地創作文字和圖像、影音等元素。如AdobeSensei：人工智能做設計的底層技術，集成在Adobe系列軟件中，有字體匹配方案、自動配色方案、基于線稿自動上色、自動校正手繪圖形等。
（二）AIPD人工智能產品設計
Adobe人工智能鞋包設計、IBMWatson智能設計服裝、Autodesk智能設計汽車等。
（三）AISD人工智能空間設計
Prisma智能風格化設計、Autodesk建筑智能生成設計、ZahaHadid參數化設計等產品。
四、設計人工智能教育的發展動向
未來，人工智能教育會加速發展，老師不會被AI取代，但不用AI的老師一定會被取代；未來，老師不是簡單地傳授知識，而是通過言傳身教的溝通交流，對學生進行激勵、鼓舞，成為人類靈魂的設計師；未來，AI將實現規模化和個性化間的平衡，帶來了一種學生易學、教師易教的解決方案；未來，老師作為教學過程中始終核心地位，推陳出新積極善于運用AI技術進一步提高師生教與學的體驗和教學效率。當務之急，要讓更多的老師正視人工智能的快速發展，通過學習AI技術了解人工智能的發展情況，從而改變老師的教育教學觀念和教學方法，引領高品質教育的未來。在未來教育中，教師的角色有三種觀念：1.取代說，2.不可取代說，3.人機協同說大多數觀點是：未來，教師將與人工智能協同共存。未來知識傳授功能會逐步被人工智能取代，而人類教師則應偏重于培養學生的核心素養。正如雷克利福德所言，“科技不能取代教師，但是使用科技的教師卻能取代不使用科技的教師”。如今，拋開先天財富的不同，人與人之間的差距主要來自學習能力的不同。這種差異會加劇不平等，在未來，這種趨勢將會進一步加強。應對人工智能時代，教師除更新教育教學觀念、轉變角色、改革教學模式和方法外，必須堅持終身學習，教師的終身學習，不僅要學習Python之類的AI編程技術，更需要增強對，限于時間和精力有限，分別將有關AI知識技能分為三類，以適應設計人工智能的技術更迭和“一專多能”。
五、結束語
【關鍵詞】人工智能 電氣自動化控制 電氣設備設計
隨著經濟的發展，電氣自動化也面臨著新的挑戰。傳統的人工控制已經難以適應當下社會環境。而人工智能技術的引入，促使了電氣自動化控制的革新，對電氣自動化的發展具有里程碑的意義。這一技術的應用讓人們從繁雜的生產環節中解脫出來，大大提高了工作效率。當前，在電氣自動化控制中應用人工智能已經成為電氣產業的重要轉折點。研究該項技術的應用也成為電氣產業的重要內容。
1 人工智能技術的含義
人工智能是在經濟發展迅速的時代大背景下產生的新技術。它研究了自然科學和社會科學，所涉及的知識面非常廣。人工智能技術自然離不開計算機技術的大力支持，大部分的人工智能技術都是以計算機編程為基礎實現的。人工智能其實也就是采取一定的計算機編程來做到模仿人的目的，其主要的模仿對象有信息的收集、人的判斷能力、數字圖像的識別和一些相對來說較為簡單的反應等，以這種人工智能技術來代替人類的智慧，就目前來說，主要的人工智能領域包括圖像語言識別、自然語言處理、機器人，以及一些較為簡單的專家系統等。在這些眾多的領域當中，我們可以用在電氣自動化控制當中的主要就是專家系統，專家系統應用在電氣自動化控制系統當中不僅僅進一步提高了其自動化水平還在其判斷的準確性和及時性上有了一定的改善，總之，對于電氣自動化控制系統的效率提升起到了至關重要的作用，這也在另一方面節約了人力資源，并且在一定程度上彌補了因為人員的失誤造成的一些不良影響，值得我們在今后的工作中大力推廣。
2 人工智能技術的基本內容、特點
人工智能是一門新型的技術科學，縮寫為AI，它是計算機科學的一個重要分支，它的研究領域十分廣泛，包括機器人、語言識別、圖像識別。它的任務主要是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術和應用系統。它的一個重要目標就是能夠勝任一些復雜的工作。如今，人工智能研究迅速發展，具有很強的實用性和廣泛性，主要包括運動控制、工業過程控制、電力電子技術、檢測與自動化儀表、電子與計算機技術、信息處理、管理與決策等領域，且更新速度快。人工智能屬于自然科學和社會科學的交叉學科，涉及到哲學、數學、心理學、計算機科學等領域。它的研究范疇包括機器人學、智能搜索等，是對人的思維信息過程的模擬。
3 人工智能控制器的優勢
人工智能技術在電氣自動化控制系統中的應用主要的實現點就在于對于人工智能控制器的應用上，所以說人工智能在電氣自動化控制系統應用上的優勢也主要體現在人工智能控制器的優勢上，人工智能控制器的主要優勢就在于它在算法上和其它的控制器存在著很大的差異，人工智能控制器的主要算法包括模糊理論算法、神經算法、遺傳算法和模糊神經算法等，這些算法的一個最大優勢就是可以設計在沒有控制對象的模型上。它的特點在于能夠運用不同的方法對電氣自動化設備控制進行分類，更好地進行開發，所形成的函數比常規的函數具有以下三種優勢：一是它的設計不需要對對象進行模型控制，即使實際控制的對象中具有很多不確定、不穩定因素，甚至難以適應的動態變化的控制對象，都能滿足控制需求。二是能夠不斷進行調整、改善，具有很強的靈活性，相比之前的控制器更易調節，能夠適應新數據、新信息的發展變化，能夠不受其它驅動器影響，保證計算的準確率。三是能夠避免不必要的人力物力支出，設計中不需要專家參與，只要進行數據分析就可，使用方便，適應性好，效率很高，且運算成本低。四是具有很強的抗干擾能力，能夠解決常規方法無法解決的問題。
4 人工智能在電氣自動化控制中的應用
人工智能在電氣自動化控制中的應用主要體現在四個方面：電氣設備設計、電氣控制、電力系統、故障診斷和數據的控制與優化。
4.1 在電氣設備設計中的應用
電氣設備的設計并不是一個簡單隨機的過程，它涉及到很多的學科知識，比如電機、電路、電力電子技術、變壓器、電磁場等，并且隨著社會的進步，人們對于電氣設備設計的要求也正在提高，進行電氣設備設計的優化勢在必行。原有的電氣設備設計主要依賴于經驗豐富的設計師，但是就算是最出色的設計師在設計的過程中也會浪費掉大量的不必要的資源，而人工智能的介入就改變了這一現象，人工智能能夠簡單的計算人腦所不能夠計算的一些復雜公式，并且能夠進行自主演練，在準確性和及時性上也有了一定的保障，對于工作人員的工作經驗也沒有了很嚴格的要求，只要熟悉操作人工智能系統就可以了。
4.2 在電氣控制中的應用
電氣控制的主要目的就在于要提高電氣運行的效率，進而提高生產效率，而要想達到這一目的主要的做法還是要提高電氣控制的自動化程度，人工智能應用在電氣控制當中就很好的提高了電氣控制的自動化，進而到達了提高效率的目的，并且節省了大量的人力物力。當前人工智能應用在電氣控制中的主要有三種：專家系統控制、模糊控制和神經網絡控制，當然，最為常用的還是模糊控制，其原因主要在于模糊控制的操作較為簡單，并且和實際中的電氣控制結合較深。
4.3 在電力系統中的應用
電力系統作為我們日常生活和工作中必不可少的一部分其安全性和運行效率極為重要。在該系統中使用人工智能技術將會更加有助于電力系統發揮作用。當前，人工智能技術應用在電力系統中的主要內容有以下幾點：神經網絡、專家系統和模糊集理論等，其中專家系統是電力系統中應用最為普遍的一種，該系統的主要目的就在于判斷電力系統運行中出現的一些主要問題，并且做簡單的處理，該系統主要的依據就在于它能夠把眾多經驗豐富的專家的知識和判斷經驗融合到系統內，然后以此為基礎處理各方面的難題。該系統使用原則是我們常用的計算機程序if-then，也就是一旦滿足條件就會被執行。該系統在使用過程中有一點需要注意的就是該系統并非是一成不變的，它需要針對新的常見問題進行及時地補充以彌補程序出現的不足。
4.4 在故障診斷中的應用
故障診斷也是當前電氣自動化控制系統中極為重要的一環，在該環節中人工智能的作用同樣功不可沒，主要應用點有專家系統、模糊理論和神經網絡等，主要的應用對象包括發電機、變壓器和電動機，這些主要電力部件出現問題都能夠采用該系統進行必要的診斷以及簡要的處理，三種診斷方法相互合作共同維護著電氣自動化控制系統的安全運行。
4.5 在數據的控制與優化中的應用
在進行電氣自動化控制進程中，首先要做的就是數據的采集與處理，人工智能技術能夠對所有的數據進行實時采集，并加以處理、儲存，以便不時之需。同樣，想了解一項工作的運行過程，就會運用到畫面的顯示功能，通過人工智能技術的運用，能夠真實地顯示所運行的設備狀態，可以將有關數據加以處理，形成具體的圖像，以便直觀了解；也可以通過模擬故障來進行記錄分析，避免類似狀況的發生，其中模糊理論、專家系統和神經網絡主要就是應用在電氣設備的故障診斷上。
5 結束語
總之，人工智能是電氣產業未來的發展方向，是電氣產業的一大改革和進步。傳統的人工控制由人工智能代替，將會進一步推動電氣自動化的發展，確保工作效率，提高企業的經濟效益以及社會效益。
參考文獻
[1]彭啟琮.DSP技術[M].北京：電子科技大學出版社，2007.
[2]張培銘.展望21世紀電器發展方向一人工智能電器[J].電工技術雜志，2006.
[3]陳洪峰.國內電氣自動化發展狀況與趨勢[J].科技創新導報，2009.
關鍵詞：計算機技術；發展方向；應用探究
一、前言
科學技術是推動近代社會發展的主要力量，也是改變世界，改變人們生活方式和認知的重要技術，計算機技術在現代社會中占據著重要的位置，可以說失去計算機技術我們就將會與現代文明脫軌，社會各行各業將陷入癱瘓，所以加快研究計算機技術未來的發展方向，加快推廣新技術在社會各行各業的應用，只有這樣計算機在進步和應用兩個方面同時發展，才能為現代文明進步提供源源不斷的動力。
二、當前計算機技術的發展基本情況
經過多年計算機信息技術的歷史性變革，技術革命，計算機變得更加實用，更加人性化，功能化。功能如今已然強大到生活中的點點滴滴都可能有計算機的參與，人們的衣食住行等方方面面都有計算機的功勞，可以看出計算機的現實重要性。在工業領域，計算機可用于數據處理速度，提高工作效率，并提高數據處理精度。高端計算機的開發和使用為工業數據分析和分析提供了可靠的技術支持。計算機中有許多應用程序，計算機出現在人們的工作，學習和生活中。由于應用程序字段相對復雜，因此會導致計算機應用程序的復雜性。現如今中國已經入計算機領域的強國中，國家對于這些嚴重影響計算機信息技術發展的事情，出臺了一些列的制度與政策，培養了大批量高精尖技術型人才，在很大程度上排除了不利因素，中國計算機信息技術的發展將帶來良好的發展道路，最終更好地為人類服務。
三、計算機信息技術發展的未來設想
（1）計算機信息技術具有更高的性能。信息技術是一種擁有強大信息資源的技術。應用信息技術，可在大量信息中快速查找所需信息，非常簡單方便。在不斷改進和更新信息系統的情況下，實施良好有序的信息管理非常重要。所以，信息管理系統應運而生。在信息管理系統中，人們將成為領導者，使用計算機軟件和硬件，相同的信件設備和其他辦公設備來有效地收集，處理和分析信息。最初，當人們設計和開發信息管理系統時，應用了這一原則。信息管理系統是生產管理的輔助手段，可以幫助企業實現高效，有序的發展。在社會經濟高度發展的同時，對計算機信息技術的應用提出了越來越嚴格的要求，推動了計算機信息技術的全面發展。計算機信息技術得到了改進，因此生產出了一臺超級計算機。雖然超級計算機在外觀上與普通計算機沒有太大差別，但計算和處理數據的能力非常強。相關性能無法與普通計算機相媲美，可應用在天象以及航天領域當中。（2）技術更加便捷化。信息處理效率高，大量的需求信息與產出信息不但需要大容量的信息儲存空間，還需要具備高速度、高質量的信息處理水平，如今，互聯網技術，物聯網技術，大數據技術和云計算技術都是一致的。今后還會有更多高速度、高質量的信息處理技術被研發處理。信息高度互動，傳統的計算機信息處理技術只能達到人機信息交互的目的。也就是說，客戶使用計算機硬件設備通過客戶終端訪問和處理計算機信息。隨著信息技術的不斷發展，計算機信息技術的使用不再局限于人機交互。而是被廣泛運用到物物聯網、人人聯網的信息處理工作中。信息技術的職能化。智能化是現代計算機信息處理發展的必然趨勢。加強信息技術處理的邏輯，使個人化計算機信息技術。
四、計算機信息技術的應用領域
（1）人工智能技術的應用人工智能技術現已成為各大互聯網公司的重點發展項目，面向智能計算機技術時代。通過在計算機技術中使用人工智能技術，可以實現對象的自我規劃和遠程控制的目的，例如，人工智能技術在航空航天領域的應用，實現航天器的智能化運行，有效促進中國航天事業的發展和進步。在現代社會的發展中，人工智能技術在人類的發展中起著重要的作用。為此，我國科研人員在開展人工智能技術研究與運用工作時，首先應該提升自身計算機信息技術水平，能夠使用或使用計算機技術來模擬人類行為并實現人工智能技術的集成和重組。通過將機器學習技術應用于人工智能工作，它有助于提高人工智能技術的智能性。（2）信息技術在企業中的應用，企業在會議中我們經常采用視頻會議，視頻對話的方式。一路上應用計算機信息處理技術，信息處理技術可以大大節省通信時間，更多的企業或個人提供互動平臺。從長遠來看，這種視頻信息處理技術使人際交往具有歷史性的變革，是未來辦公自動化的發展方向。近年來，無線網絡成為一種新型的信息通信方式。該技術的不斷發展改變了傳統的企業辦公布局。基于無線網絡，任何地方都可以成為一個靈活的辦公空間。企業可以利用無線網絡的優勢，深入分析和研究辦公自動化。（3）信息技術在物流中的應用。隨著現代社會的發展，人們的工作節奏越來越快。計算機信息技術為物流工作提供了一種方便快捷的模式。物流作為人們轉移物品的重要媒介，一般來說是繁瑣復雜的，但一些最新的信息技術可以提供便利。例如，條形碼技術可以使物品的存儲和管理更容易；GPS定位技術可以提供更快的路線選擇；數據信息采集的自動化和智能化管理將給物流的繁瑣工作帶來極大的便利。計算機信息技術可以在物流工作的實際操作中慢慢挖掘出更多的便利。
過去和未來那些可能的里程碑
《超級智能：路線圖、危險性與應對策略》這書里提到一件有意思的事情：
20世紀50年代后期的一些專家認為：如果能造出成功的下棋機器，那么就一定能夠找到人類智能的本質所在。但結果通常是：這種機器一旦被造出來之后，人們就不稱其為人工智能了。隨后作者列出了人工智能發展史上一些里程碑性的事情(有刪節)。
1.西洋跳棋--超越人類，1952年，阿瑟塞繆爾寫過一個跳棋程序，并在1955年吸收了機器學習技術，從而改良了該程序。這是第一個玩起游戲來比程序編寫者都好的程序。1994年，跳棋程序“奇努克”(CHINOOK)打敗了人類衛冕冠軍，這是機器程序第一次在競技游戲中贏得官方世界冠軍。2002年喬納森謝弗和他的小組“解決號”跳棋程序總是計算出最好的棋步，最終打了個平局。
2.黑白棋--超越人類，1997年，Logistello程序跟當時的世界冠軍村上健的對戰結果是6戰6勝。
3.國際象棋--超越人類，1997年，深藍計算機打敗了當時的國際象棋世界冠軍加里卡斯帕羅夫。卡斯帕羅夫承認見識到了人工智能在某些棋步上具備真正的智能以及創造力。從那時起，國際象棋程序就一直不斷進步。
4.橋牌--高手水平，2005年，訂約橋牌軟件就已經能夠同最好的橋牌高手對弈。
5.《危險邊緣》益智問答--超越人類，2010年IBM的沃森超級計算機在《危險邊緣》游戲中擊敗了了肯詹寧斯和布萊德拉特這兩名擂主冠軍。《危險邊緣》是以提問有關歷史、文學、運動、地理、流行音樂、流行文化、科學以及其他領域細節問題而著稱的電視益智節目。《危險邊緣》游戲的題目一般都需要猜字謎的方式來發現線索。
6.撲克--發揮不穩，電腦玩家在玩德州撲克時還沒能超越人類玩家，但是在一些類似的撲克游戲中卻超越了人類水平。
7.圍棋--很高的業余水平，2012年，Zen系列圍棋程序能夠達到6段水平，這個程序主要運用了蒙特卡洛樹搜索法和機器學習技術。圍棋程序此后每年提升一段的速度向前發展。照這個速度看，圍棋程序可能在未來10年內擊敗人類世界冠軍。
這意味著從游戲的視角看，除了圍棋人工智能基本已經超越或者達到了人類的水平。這里更有意思的事情是，如果把這張表延伸到未來，領域也不局限在游戲，那究竟那些事情值得記錄在上面。按照我的推斷這種里程牌會是下面這個樣子：
1.自動駕駛--徹底的自動駕駛很可能在10年左右的時間里實現。根據報道到2015年為止，Google的自動駕駛汽車已經安全行駛了百萬英里。各方預測在這樣的基礎上，再有5~10年自動駕駛應該可以獲得普遍應用，我們采用保守的數值。自動駕駛之所以必須被放到里程碑里是因為從智能的角度看人類日常的工作生活中比駕駛更復雜的事情其實不多，如果可以搞定駕駛，那理論上第一產業、第二產業甚至第三產業中的簡單工作都是可以通過人工智能搞定的。第三產業中的簡單工作是說類似餐飲、運輸行業中的各種工作。在那個時間點上，我們就可以更清楚的看到第一產業、第二產業中幾乎沒人的景象，雖然即使是今天這在局部也已經逐漸成為現實。
2.沃森類系統在醫療行業全面展開-- IBM已經在做這件事情，所以這里的關鍵點不在于采用不采用，而在于什么時間點沃森這樣的系統可以成為醫療中必須的一個環節。這個點之所以有意義在于，沃森的全面展開意味著醫院里所有和數據相關的工作被人工智能接管。這個時間點之所以有意義在于它意味著人工智能成為真正的專家系統，隨后(或者同時)它就可以擴展到法律、管理、財務等領域。從沃森獲得危險邊緣冠軍這事來看，這件事的瓶頸很可能不在于技術，而在于接受程度。如果拿數據庫被接受的速度做類比，那這產品也可能在5~10年內走到各家醫院里去。
3.人人工智能成為所有金融公司的標準工具--這點可以更形象點的表述成類似Palantir的服務滲透到所有金融公司。這意味著非行業的可數據化的各種工作已經可以在人與人工智能的配合下完成。只要能搞定金融，那就可以搞定幾乎所有其它企業。這事情已經有很多公司再做，并且已經有很大的規模，所以也可能在5~10年內達成。
4.類人機器人出現--很像電影《我，機器人里面》描述的那種正常的機器人，這種機器人沒有自我意識，但有足夠的智能和行動力可以完成所有所有人類需要完成的工作，甚至可以包括戰爭。如果說1~3主要消滅的是低端的以及和數據深度相關的工作，那這類機器人幾乎可以消滅所有的工作。人類到此理論上可以得到解脫。這個項目上差的比較遠，如果認為前幾項可以在10年內實現，那這項應該會在它們后面。至于后面多久確實難以推斷，但這種機器人是一定可以實現的，雖然我們不太確定是20年后，還是30年后，但它的技術脈絡與前三者一脈相承，所以說是一定可以實現的。
人工智能上的從0到1
很多人可能難以相信，但上面那些看著已經波瀾壯闊的里程碑其實只是人工智能從0到1過程中的產物。
很多技術的發展都要經歷從0到1，再從1到100的過程。比如說福特造出第一輛T型車可以認為是汽車從0到1的過程，此后100年直到現在可以認為是汽車從1到100的過程。此后的汽車雖然也有發動機、傳動系統和四個輪子，但其精密程度要遠高于當年的版本。計算機一樣有這過程，如前所述，其理論奠基于圖靈，圖靈之后馮諾依曼真的設計了一套體系結構把這東西做出來了，到馮諾依曼為止可以認為計算機走完了自己從0到1的過程。此后才有從電子管計算機到晶體管計算機，再到大規模集成電路使用后的計算機，其形態也就由比房子還打到現在手機那么大，但幾乎無所不能。
如果拿人工智能與上述兩者相類比，我們可以發現人工智能根本還沒走完從0到1的過程。人工智能既沒有清楚的理論基礎，大家也不知道智能究竟是什么，所以才有先達到某個目標，比如在下棋上戰勝人類，接下來就認為這也不算什么智能的情形出現。人工智能的內在發展思路也多次發生變遷，比如最開始人們認為這種智能依賴于一種物理符號系統，這種系統要通過處理符號組成的數據結構來起作用。人類似乎是這樣，但這顯然只是一種現象，在這層面上并不能產生真的智能。接下來也考慮過遺傳算法，這是按照生物進化的過程來做程序，讓程序有某種隨機變化，并用一個選擇過程(生物的優勝劣汰)來保持似乎有用的變化，但限于各種“如果怎樣，否則怎樣”的這種組合太多，在當時這也沒產生什么有價值結果。
再后來至少一部分人開始轉向神經網絡，這方向出現的很早在20世紀60年代就出現了，但那時是非主流，直到20世紀80年代才收到重視，Jeff Hawkings認為這和人工智能節節敗退有關。神經網絡研究者嘗試在連接中查找智能，因為大腦由神經元組成，這是顯然的事實。近來極其火熱的深度學習就在這方向上，但這方向也還沒完成從0到1的過程。只是在特定的領域取得了極為令人矚目的成績比如語音識別、圖像識別。這領域的大牛Yann LeCun在發表演講的時候曾經專門提到了深度學習的幾個關鍵限制，具體來講這包括：
l缺乏理論基礎。沒這個深度學習方法只能常常被視為黑盒，大多數的結論確認都由經驗而非理論來確定。
l缺乏推理能力。深度學習技術缺乏表達因果關系的手段，缺乏進行邏輯推理的方法。
l缺乏短時記憶能力。與深度學習相比人類的大腦有著驚人的記憶功能。
l缺乏執行無監督學習的能力。無監督學習在人類和動物的學習中占據主導地位，我們通過觀察能夠發現世界的內在結構，而不是被告知每一個客觀事物的名稱。
這是2015年6月演講中提到的內容，InfoQ對此進行了比較完整的報道。從這種現實來看，我們確實很難講人工智能完成了從0到1的過程，而只能說還處在一種盲人摸象的狀態，雖然摸到的面積越來越大。
但與汽車或計算機不同的是，一般大家認為人工智能從1到100的過程會發生的非常快，而不像汽車陸陸續續發展了100年，計算機發展了半個多世紀。如果我們真能搞定某些基礎問題，那人工智能的從1到100的過程確實可能在幾年，甚至幾天內實現。互聯網為此準備了充分的素材和基礎設施。
如果人通用型的強人工智能得以實現，那就會面臨下一個從0到1的過程，由無意識到有意識的過程。
大白到底會不會來？
所謂的人工智能從正常人的視角來看其實有兩個明顯不同的分支，這會導致兩種完全不同的大白：
一個分支更像黑客帝國路線，有一個萬能的矩陣，所有章魚都是是這個矩陣的載體。我們經常提到的人工智能由于是數據驅動的所以基本都是這個方向，比如IBM的Watson。
一個分支則是大白的路線，每個機器人有自己的個性，雖然它可以從龐大的云端數據庫里獲得信息，但它是獨立的個體，有自己的個性和溫度。
后者更貼近人類的狀態，從本能上我們不太會喜歡前者，因為這樣一個東西如果有足夠的智能那會是一種完全超出我們理解的東西(經常說的超級智能就是指這個)，雖然科學家可能喜歡。
理論上講，這兩者都是有可能的，畢竟人從懵懂無知到學富五車其實并不需要太多的數據，但很不幸的是如果按照當前的研究方向發展下去，那種有個性的大白是不太會來到現實里來的。現在各種機遇機器學習的人工智能都需要龐大的數據量做支撐，這樣一來即使做一個本地的版本放到機器人里去，那也更像是黑客帝國里的章魚而不是有個性有溫度的大白。
當然人工智能本身也還在不停的變動中，所以也許有一天，當前這條路碰到瓶頸，科學家們會轉而追求另一種形式，那樣的話，大白才有可能真的來到我們身邊。
要想認清這點有必要考察一下實現人工智能的實現方式以及人腦的基本運作方式。
現在實現各種人工智能的方法簡單的可以概括成建立可以進行學習的多層網絡，接下來用數據來訓練這網絡，數據越多這網絡處理圖像識別等的效果就越好。效果和數據量成正比。
但人腦卻并不是這樣，一般認為大腦皮層是人類智慧的來源，每一層有大概2毫米厚，一共有六層，和疊加的六層撲克牌厚度相類似。有一種觀點認為大腦各個區域實際上能起的作用是一致的，之所以會不同的區域能復雜不同的事情是因為不同區域使用的計算方法不同。這和電腦類似，雖然看著電腦能做的事情五花八門，但底層都是0和1的運算，但接下來就不一樣了。大腦里面的軸突建立各種輸入模式，于是我們看到了五光十色的世界。認知過程中和計算機很不同的是大腦似乎是記憶身邊這世界的本質特征，接下來看到新東西的時候先從記憶中提取這種本質特征，再加上些處理來應付各種各樣的情形。
這樣一比較我們就知道實現這大白和章魚背后所牽涉的東西不同。要實現大白，那其實需要有感知并且及時的對這種感知進行理解、記憶、學習，個體的獨立和發展非常重要。這和當前的主流發展路線很不一樣，所以按照數據驅動的思路，更可能的產品只會是黑客帝國里的章魚。
