人工智能：人工智能的發(fā)展之路

《人工智能：人工智能的發(fā)展之路》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、專題介紹Feature人工智能的發(fā)展之路工業(yè)和信息化部國(guó)際經(jīng)濟(jì)技術(shù)合作中心張放摘要：人工智能以云計(jì)算和大數(shù)據(jù)為基礎(chǔ)，被廣泛應(yīng)用于工業(yè)制造等10個(gè)領(lǐng)域中。但由于各方向處于不同的發(fā)展階段，因此發(fā)展程度并不相同。但驅(qū)動(dòng)發(fā)展的先決條件主要體現(xiàn)在感知能力、理解能力、學(xué)習(xí)能力、交互能力四個(gè)方面。關(guān)鍵詞：人工智能；云計(jì)算；大數(shù)據(jù)最近火熱的美劇《西部世界》里傳遞出很多關(guān)于人工智能時(shí)語(yǔ)言翻譯、情感感知計(jì)算、手勢(shì)控制、推薦引擎及協(xié)同過濾、的信息，在圍繞如何突破機(jī)器極限，形成自主意識(shí)方面，提出視頻內(nèi)容自動(dòng)識(shí)別。各方向處于不同的發(fā)展階段，發(fā)展程度有了富有科幻現(xiàn)實(shí)色彩的方法-冥想程序，將意識(shí)形成描繪成

2、了高有低。但驅(qū)動(dòng)發(fā)展的先決條件主要體現(xiàn)在感知能力、理解“走迷宮”的過程，同時(shí)在道德層面又一次將“人工智能是否能力、學(xué)習(xí)能力、交互能力四個(gè)方面。能成為有別于人類的另一個(gè)物種”的問題呈現(xiàn)在廣大觀眾面前。1感知能力“人工智能”(AI)這一概念最早由馬文·明斯基和約目前人工智能的感知主要通過物聯(lián)網(wǎng)來實(shí)現(xiàn)，它提供了翰·麥卡錫于1956年的“達(dá)特茅斯會(huì)議”上共同提出。1960計(jì)算機(jī)感知和控制物理世界的接口與手段，能夠采集數(shù)據(jù)、年，麥卡錫在美國(guó)斯坦福大學(xué)建立了世界上第一個(gè)人工智能記憶，分析、傳送數(shù)據(jù)，進(jìn)行交互、控制等。比如攝像頭和相實(shí)驗(yàn)室。經(jīng)過近幾年互聯(lián)網(wǎng)的飛速發(fā)展，AI對(duì)企業(yè)甚至是行機(jī)記

3、錄了關(guān)于世界的大量圖像和視頻，麥克風(fēng)記錄了語(yǔ)音和聲業(yè)產(chǎn)生了巨大而又深遠(yuǎn)的影響。機(jī)器學(xué)習(xí)，尤其是深度學(xué)習(xí)音，各種傳感器將它們感受到的世界數(shù)字化。這些傳感器就技術(shù)成為人工智能發(fā)展的核心。越來越多的硬件供應(yīng)商專為如同人類的五官，是智能系統(tǒng)的數(shù)據(jù)輸入，是感知世界的方式。深度學(xué)習(xí)和人工智能定制設(shè)計(jì)芯片。如IBM的人腦模擬芯片2理解能力SyNAPSE（SystemsofNeuromorphicAdaptivePlasticScalable智能系統(tǒng)不同于人腦，沒有數(shù)以千億的神經(jīng)元，對(duì)事物Electronics，自適應(yīng)塑料可伸縮電子神經(jīng)形態(tài)系統(tǒng)）芯片，含問題的理解在現(xiàn)階段還很大程度上依賴于處

4、理器的計(jì)算分析有100萬個(gè)可編程神經(jīng)元，2.56億個(gè)可編程突觸，每消耗一焦能力。近年來，基于GPU（圖形處理器）的大規(guī)模并行計(jì)算耳的能量，可進(jìn)行460億突觸運(yùn)算。異軍突起，擁有遠(yuǎn)超CPU的并行計(jì)算能力。從處理器的計(jì)算云計(jì)算和大數(shù)據(jù)作為人工智能的基礎(chǔ)，在工業(yè)制造等眾方式來看，CPU計(jì)算使用基于x86指令集的串行架構(gòu)，適合多場(chǎng)景中得到了廣泛應(yīng)用，比如很多工廠都在傳送帶上加裝了盡可能快的傳感器，將壓力、溫度、噪音和其他一些參數(shù)實(shí)時(shí)傳到云端，完成一個(gè)計(jì)將工廠真正連上網(wǎng)絡(luò)，然后利用人工智能的算法對(duì)這些數(shù)據(jù)算任務(wù)。而進(jìn)行比對(duì)，由此提前為工廠提供預(yù)警和遠(yuǎn)程檢測(cè)服務(wù)。這種GPU誕生之將生產(chǎn)流

5、程及產(chǎn)品通過物聯(lián)網(wǎng)連接到云端，然后利用算法進(jìn)初是為了處理行大數(shù)據(jù)分析的模式，將在更多的行業(yè)被廣泛應(yīng)用。3D圖像中的目前人工智能主要有10個(gè)應(yīng)用子領(lǐng)域，分別是機(jī)器學(xué)習(xí)、上百萬個(gè)像素計(jì)算機(jī)視覺、智能機(jī)器人、虛擬個(gè)人助理、自然語(yǔ)音處理、實(shí)圖像，擁有更2017年/第1期物聯(lián)網(wǎng)技術(shù)5萬方數(shù)據(jù)專題介紹Feature4交互能力與科幻世界里的自主意識(shí)相比，現(xiàn)實(shí)世界能夠?qū)崿F(xiàn)自主交互本身就是很大的技術(shù)突破，深度學(xué)習(xí)算法是實(shí)現(xiàn)自主交互最重要的核心技術(shù)。它基于多層神經(jīng)網(wǎng)絡(luò)，融入自我學(xué)習(xí)，從大量的樣本中逐層抽象出相關(guān)概念，然后理解，最終做出判斷和決策。2006年，GeoffreyHinton教授發(fā)表論

6、文《Afastlearningalgorithmfordeepbeliefnets》，他在此文中提出了深層神經(jīng)網(wǎng)絡(luò)逐層訓(xùn)練的多的內(nèi)核去處理更多的計(jì)算任務(wù)。因此GPU具備了執(zhí)行大規(guī)高效算法，讓當(dāng)時(shí)計(jì)算條件下的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練成為了可能。模并行計(jì)算的能力。云計(jì)算的出現(xiàn)、GPU的大規(guī)模應(yīng)用使得之后，深度學(xué)習(xí)算法模型也經(jīng)歷了一個(gè)快速迭代的周期，Deep集中化數(shù)據(jù)計(jì)算處理能力變得空前強(qiáng)大。BeliefNetwork、SparseCoding、RecursiveNeuralNetwork，3學(xué)習(xí)能力ConvolutionalNeuralNetwork等各種新的算法模型被不斷提出，學(xué)習(xí)能力

7、的培養(yǎng)類似人類需要教材和訓(xùn)練。據(jù)統(tǒng)計(jì)，2015而其中卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）更年全球產(chǎn)生的數(shù)據(jù)總量達(dá)到了十年前的20多倍，大數(shù)據(jù)的發(fā)是成為圖像識(shí)別最炙手可熱的算法模型。展為人工智能的學(xué)習(xí)和發(fā)展提供了非常好的基礎(chǔ)。機(jī)器學(xué)習(xí)是當(dāng)然人工智能的發(fā)展還存在很多瓶頸，比如尚未形成完人工智能的基礎(chǔ)，而大數(shù)據(jù)和以往的經(jīng)驗(yàn)就是人工智能學(xué)習(xí)的備的語(yǔ)義體系，無論抽象的概念還是具體的事物都需要統(tǒng)一書本，以此優(yōu)化計(jì)算機(jī)的處理性能。不可忽視的是近年來科整合到一個(gè)語(yǔ)義網(wǎng)絡(luò)中才能實(shí)現(xiàn)