正文

人工智能國內外發(fā)展現狀（人工智能國外發(fā)展趨勢及挑戰(zhàn)）

發(fā)布時間：2023-03-09 22:24:49 稿源：創(chuàng)意嶺閱讀： 462 問大家

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于人工智能國內外發(fā)展現狀的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè)，服務客戶遍布全球各地，相關業(yè)務請撥打電話：175-8598-2043，或添加微信：1454722008

本文目錄:

1、人工智能的前景怎么樣
2、我國人工智能的發(fā)展現狀
3、人工智能發(fā)展綜述
4、人工智能的發(fā)展概況

人工智能國內外發(fā)展現狀（人工智能國外發(fā)展趨勢及挑戰(zhàn)）

一、人工智能的前景怎么樣

人工智能行業(yè)主要上市公司：目前國內人工智能行業(yè)的上市公司主要有百度百度(BAIDU)、騰訊(TCTZF)、阿里巴巴(BABA)、科大訊飛(002230)等。

本文核心數據：計算機視覺市場占比,計算機視覺核心產品及相關產業(yè)規(guī)模,機器人視覺獲投企業(yè)業(yè)務賽道情況,中國計算機視覺落地賽道特征,中國計算機視覺核心產品及帶動相關產業(yè)規(guī)模預測

1、計算機視覺市場占比達到57%

得益于深度學習算法的成熟應用，側重于感知智能的圖像分類技術在工業(yè)界逐步實現商用價值，助力金融、安防、互聯網交通、醫(yī)療、工業(yè)、政務等領域智能升級。2020年我國計算機視覺產品的市場規(guī)模占整個人工智能行業(yè)的57%。

從規(guī)模來看，我國計算機視覺在2020年核心產品的市場規(guī)模將達到862.1億元，與此同時，和計算機視覺有關的計算機通信設備銷售、醫(yī)療器械等專用設備銷售、工程建設、傳統(tǒng)業(yè)務效益轉化等帶動相關產業(yè)規(guī)模超過2200億元。

2、安防、金融、醫(yī)療等賽道收到重視

在近年獲投的146家計算機視覺創(chuàng)業(yè)公司中，熱門賽道集中于零售、安防、制造、政務、醫(yī)療。零售業(yè)是國民經濟第三大行業(yè)，利用計算機視覺，零售業(yè)可基于場景化營銷、商品識別分析、消費者識別分析和無人商超等應用，為提升營銷轉化率、門店運營智能化改革提供途徑;安昉是計算機視覺落地最早的場景之一，海量視頻的有效利用存在巨大挑戰(zhàn)，完全依靠人工費時費力，而安防影像智能分析則可有效緩解這一問題;制造業(yè)是國民經濟的支柱，對計算機視覺的使用包括智慧現場安監(jiān)、設備在線監(jiān)測與運維、智能檢測運維、智能輔助運輸和工業(yè)視覺質檢等方向，鏈條長且場景多樣，也孕育了批新興AI企業(yè)。

針對這些行業(yè)主要的賽道特征，可以分析出，針對公安、金融、礦山等主管部門釋放了非常明確的利好信號或大額持續(xù)投資的行業(yè)，主要機遇在于將產品打磨到足夠精準、魯棒性足夠強，以便進入髙門檻的準入供應池，同時通過解決高難度情形的硬實力卡位;針對醫(yī)療、能源和制造等這種極具戰(zhàn)略意乂、發(fā)展空間極大，但是或陷入長審批周期、或限于審慎性難以快速釋放需求的行業(yè)，主要機遇在于搶先打通產品進入行業(yè)生態(tài)圈的渠道和鏈條，以及謀劃過政府、行業(yè)生態(tài)圈的核心集團企業(yè)等途徑，積極參與公共服務平臺建設，建立從上向下拓展的先發(fā)優(yōu)勢，搶先獲得大量訓練數據與場景理解。

3、未來發(fā)展賽道規(guī)模將達6千億

一方面隨著計算機視覺的進一步發(fā)展，技術的更新將促使產業(yè)規(guī)模進一步增長，另一方面，計算機視覺和產業(yè)融合的加深，也將擴大相關產業(yè)規(guī)模。預計到2025年我國技術及視覺核心產品及帶動的相關產業(yè)規(guī)模將達到6000億。其中計算機視覺核心產業(yè)復合增長率達到15.9%，計算機視覺帶動相關產業(yè)的復合增長率達到22.5%。

以上數據參考前瞻產業(yè)研究院《中國人工智能行業(yè)市場前瞻與投資戰(zhàn)略規(guī)劃分析報告》。

二、我國人工智能的發(fā)展現狀

經過多年的持續(xù)積累，我國在人工智能領域取得重要進展，國際科技論文發(fā)表量和發(fā)明專利授權量已居世界第二，部分領域核心關鍵技術實現重要突破。

語音識別、視覺識別技術世界領先，自適應自主學習、直覺感知、綜合推理、混合智能和群體智能等初步具備跨越發(fā)展的能力，中文信息處理、智能監(jiān)控、生物特征識別、工業(yè)機器人、服務機器人、無人駕駛逐步進入實際應用，人工智能創(chuàng)新創(chuàng)業(yè)日益活躍，一批龍頭骨干企業(yè)加速成長，在國際上獲得廣泛關注和認可。

加速積累的技術能力與海量的數據資源、巨大的應用需求、開放的市場環(huán)境有機結合，形成了我國人工智能發(fā)展的獨特優(yōu)勢。

與此同時，我國人工智能整體發(fā)展水平與發(fā)達國家相比仍存在差距，缺少重大原創(chuàng)成果，在基礎理論、核心算法以及關鍵設備、高端芯片、重大產品與系統(tǒng)、基礎材料、元器件、軟件與接口等方面差距較大。

科研機構和企業(yè)尚未形成具有國際影響力的生態(tài)圈和產業(yè)鏈，缺乏系統(tǒng)的超前研發(fā)布局；人工智能尖端人才遠遠不能滿足需求；適應人工智能發(fā)展的基礎設施、政策法規(guī)、標準體系亟待完善。

人工智能國內外發(fā)展現狀（人工智能國外發(fā)展趨勢及挑戰(zhàn)）

人工智能領域技術能力全面提升為人機協(xié)同奠定基礎

隨著大數據、云計算、互聯網、物聯網等信息技術的發(fā)展，以深度神經網絡為代表的人工智能技術飛速發(fā)展，人工智能領域科學與應用的鴻溝正在被突破。

圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智能技術能力快速提升，技術的產業(yè)化進程得以開啟，人工智能迎來爆發(fā)式增長的新高潮。機器在人工智能技術的應用下，在“視覺”“聽覺”“觸覺”等人體感官的感知能力不斷增強。

例如計算機視覺領域中深受關注的Image Net圖像識別挑戰(zhàn)賽獲獎結果表明，2015年，計算機對于圖像的識別能力已經超過人類水平，這意味著計算機能夠在多種場景下一定程度上替代人類視覺的工作，更高效地完成任務。

同時得益于深度學習算法能力的提升，語音識別、自然語言處理等人工智能算法的不斷革新助推計算機視覺產業(yè)持續(xù)向前。

人工智能技術能力的不斷成熟使得機器能夠實現越來越人性化的操作。人工智能技術能力的全面提升為人機系統(tǒng)的能力實現奠定了堅實的基礎。

三、人工智能發(fā)展綜述

近十多年來，隨著算法與控制技術的不斷提高，人工智能正在以爆發(fā)式的速度蓬勃發(fā)展。并且，隨著人機交互的優(yōu)化、大數據的支持、模式識別技術的提升，人工智能正逐漸的走入我們的生活。本文主要闡述了人工智能的發(fā)展歷史、發(fā)展近況、發(fā)展前景以及應用領域。

人工智能（Artificial Intelligence）簡稱AI，是麥卡賽等人在1956年的一場會議時提出的概念。

近幾年，在“人機大戰(zhàn)”的影響下，人工智能的話題十分的火熱，特別是在“阿爾法狗”（AlphaGo）戰(zhàn)勝李世石后，人們一直在討論人是否能“戰(zhàn)勝”自己制造的有著大數據支持的“人工智能”，而在各種科幻電影的渲染中，人工智能的倫理性、哲學性的問題也隨之加重。

人工智能是一個極其復雜又令人激動的事物，人們需要去了解真正的人工智能，因此本文將會對什么是人工智能以及人工智能的發(fā)展歷程、未來前景和應用領域等方面進行詳細的闡述。

人們總希望使計算機或者機器能夠像人一樣思考、像人一樣行動、合理地思考、合理地行動，并幫助人們解決現實中實際的問題。而要達到以上的功能，則需要計算機（機器人或者機器）具有以下的能力：

自然語言處理（natural language processing）

知識表示（knowledge representation）

自動推理（automated reasoning）

機器學習（machine learning）

計算機視覺（computer vision）

機器人學（robotics）

這6個領域，構成了人工智能的絕大多數內容。人工智能之父阿蘭·圖靈（Alan Turing）在1950年還提出了一種圖靈測試（Turing Test），旨在為計算機的智能性提供一個令人滿意的可操作性定義。

關于圖靈測試，是指測試者在與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果有超過30%的測試者不能確定出被測試者是人還是機器，那么這臺機器就通過了測試，并被認為具有人類智能。

圖靈測試是在60多年前就已經提出來了，但是在現在依然適用，然而我們現在的發(fā)展其實遠遠落后于當年圖靈的預測。

在2014年6月8日，由一個俄羅斯團隊開發(fā)的一個模擬人類說話的腳本——尤金·古斯特曼（Eugene Goostman）成為了首個通過圖靈測試的“計算機”，它成功的使人們相信了它是一個13歲的小男孩，該事件成為了人工智能發(fā)展的一個里程碑。

在2015年，《Science》雜志報道稱，人工智能終于能像人類一樣學習，并通過了圖靈測試。一個AI系統(tǒng)能夠迅速學會寫陌生文字，同時還能識別出非本質特征，這是人工智能發(fā)展的一大進步。

①1943-1955年人工智能的孕育期

人工智能的最早工作是Warren McCulloch和Walter Pitts完成的，他們利用了基礎生理學和腦神經元的功能、羅素和懷特海德的對命題邏輯的形式分析、圖靈的理論，他們提出了一種神經元模型并且將每個神經元敘述為“開”和“關”。人工智能之父圖靈在《計算機與智能》中，提出了圖靈測試、機器學習、遺傳算法等各種概念，奠定了人工智能的基礎。

②1956年人工智能的誕生

1956年的夏季，以麥卡錫、明斯基、香農、羅切斯特為首的一批科學家，在達特茅斯組織組織了一場兩個月的研討會，在這場會議上，研究了用機器研究智能的一系列問題，并首次提出了“人工智能”這一概念，人工智能至此誕生。

③1952-1969年人工智能的期望期

此時，由于各種技術的限制，當權者人為“機器永遠不能做X”，麥卡錫把這段時期稱作“瞧，媽，連手都沒有！”的時代。

后來在IBM公司，羅切斯特和他的同事們制作了一些最初的人工智能程序，它能夠幫助學生們許多學生證明一些棘手的定理。

1958年，麥卡錫發(fā)表了“Program with Common Sense”的論文，文中他描述了“Advice Taker”，這個假想的程序可以被看作第一個人工智能的系統(tǒng)。

④1966-1973人工智能發(fā)展的困難期

這個時期，在人工智能發(fā)展時主要遇到了幾個大的困難。

第一種困難來源于大多數早期程序對其主題一無所知；

第二種困難是人工智能試圖求解的許多問題的難解性。

第三種困難是來源于用來產生智能行為的基本結構的某些根本局限。

⑤1980年人工智能成為產業(yè)

此時期，第一個商用的專家系統(tǒng)開始在DEC公司運轉，它幫助新計算機系統(tǒng)配置訂單。1981年，日本宣布了“第五代計算機”計劃，隨后美國組建了微電子和計算機技術公司作為保持競爭力的集團。隨之而來的是幾百家公司開始研發(fā)“專家系統(tǒng)”、“視覺系統(tǒng)”、“機器人與服務”這些目標的軟硬件開發(fā)，一個被稱為“人工智能的冬天”的時期到來了，很多公司開始因為無法實現當初的設想而開始倒閉。

⑥1986年以后

1986年，神經網絡回歸。

1987年，人工智能開始采用科學的方法，基于“隱馬爾可夫模型”的方法開始主導這個領域。

1995年，智能Agent出現。

2001年，大數據成為可用性。

在1997年時，IBM公司的超級計算機“深藍”戰(zhàn)勝了堪稱國際象棋棋壇神話的前俄羅斯棋手Garry Kasparov而震驚了世界。

在2016年時，Google旗下的DeepMind公司研發(fā)的阿爾法圍棋（AlphaGo）以4:1的戰(zhàn)績戰(zhàn)勝了圍棋世界冠軍、職業(yè)九段棋手李世石，從而又一次引發(fā)了關于人工智能的熱議，隨后在2017年5月的中國烏鎮(zhèn)圍棋峰會上以3:0的戰(zhàn)績又戰(zhàn)勝了世界排名第一的柯潔。

2017年1月6日，百度的人工智能機器人“小度”在最強大腦的舞臺上人臉識別的項目中以3:2的成績戰(zhàn)勝了人類“最強大腦”王峰。1月13日，小度與“聽音神童”孫亦廷在語音識別項目中以2:2的成績戰(zhàn)平。隨后又在1月21日又一次在人臉識別項目中以2:0的成績戰(zhàn)勝了“水哥”王昱珩，更在最強大腦的收官之戰(zhàn)中戰(zhàn)勝了人類代表隊的黃政與Alex。

2016年9月1日，百度李彥宏發(fā)布了“百度大腦”計劃，利用計算機技術模擬人腦，已經可以做到孩子的智力水平。李彥宏闡述了百度大腦在語音、圖像、自然語言處理和用戶畫像領域的前沿進展。目前，百度大腦語音合成日請求量2.5億，語音識別率達97%。

“深度學習”是百度大腦的主要算法，在圖像處理方面，百度已經成為了全世界的最領先的公司之一。

百度大腦的四大功能分別是：語音、圖像，自然語言處理和用戶畫像。

語音是指具有語音識別能力與語音合成能力，圖像主要是指計算機視覺，自然語言處理除了需要計算機有認知能力之外還需要具備推理能力，用戶畫像是建立在一系列真實數據之上的目標用戶模型。

工業(yè)4.0是由德國提出來的十大未來項目之一，旨在提升制造業(yè)的智能化水平，建立具有適應性、資源效率及基因工程學的智慧工廠。

工業(yè)4.0已經進入中德合作新時代，有明確提出工業(yè)生產的數字化就是“工業(yè)4.0”對于未來中德經濟發(fā)展具有重大意義。

工業(yè)4.0項目主要分為三大主題：智能工廠、智能生產、智能物流。

它面臨的挑戰(zhàn)有：缺乏足夠的技能來加快第四次工業(yè)革命的進程、企業(yè)的IT部門有冗余的威脅、利益相關者普遍不愿意改變。

但是隨著AI的發(fā)展，工業(yè)4.0的推進速度將會大大推快。

人工智能可以滲透到各行各業(yè)，領域很多，例如：

①無人駕駛：它集自動控制、體系結構、人工智能、視覺計算等眾多技術于一體，是計算機科學、模式識別和智能控制技術高度發(fā)展的產物世界上最先進的無人駕駛汽車已經測試行駛近五十萬公里，其中最后八萬公里是在沒有任何人為安全干預措施下完成的。英國政府也在資助運輸研究實驗室（TRL），它將在倫敦測試無人駕駛投遞車能否成功用于投遞包裹和其他貨物，使用無人駕駛投遞車輛將成為在格林威治實施的眾多項目之一。

②語音識別：該技術可以使讓機器知道你在說什么并且做出相應的處理，1952年貝爾研究所研制出了第一個能識別10個英文數字發(fā)音的系統(tǒng)。在國外的應用中，蘋果公司的siri一直處于領先狀態(tài)，在國內，科大訊飛在這方面的發(fā)展尤為迅速。

③自主規(guī)劃與調整：NASA的遠程Agent程序未第一個船載自主規(guī)劃程序，用于控制航天器的操作調度。

④博弈：人機博弈一直是最近非?；馃岬脑掝}，深度學習與大數據的支持，成為了機器“戰(zhàn)勝”人腦的主要方式。

⑤垃圾信息過濾：學習算法可以將上十億的信息分類成垃圾信息，可以為接收者節(jié)省很多時間。

⑥機器人技術：機器人技術可以使機器人代替人類從事某些繁瑣或者危險的工作，在戰(zhàn)爭中，可以運送危險物品、炸彈拆除等。

⑦機器翻譯：機器翻譯可以將語言轉化成你需要的語言，比如現在的百度翻譯、谷歌翻譯都可以做的很好，訊飛也開發(fā)了實時翻譯的功能。

⑧智能家居：在智能家居領域，AI或許可以幫上很大的忙，比如模式識別，可以應用在很多家居上使其智能化，提高人機交互感，智能機器人也可以在幫人們做一些繁瑣的家務等。

專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。也就是說，專家系統(tǒng)是一個具有大量的專門知識與經驗的程序系統(tǒng)，它應用人工智能技術和計算機技術，根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題，簡而言之，專家系統(tǒng)是一種模擬人類專家解決領域問題的計算機程序系統(tǒng)。

知識庫是專家系統(tǒng)質量是否優(yōu)越的關鍵所在，即知識庫中知識的質量和數量決定著專家系統(tǒng)的質量水平。一般來說，專家系統(tǒng)中的知識庫與專家系統(tǒng)程序是相互獨立的，用戶可以通過改變、完善知識庫中的知識內容來提高專家系統(tǒng)的性能。

機器學習(Machine Learning, ML)是一門涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等的多領域交叉學科。專門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，重新組織已有的知識結構使之不斷改善自身的性能，它是人工智能的核心，是使計算機具有智能的根本途徑,也是深度學習的基礎。

機器學習領域的研究工作主要圍繞以下三個方面進行：

（1）面向任務的研究

研究和分析改進一組預定任務的執(zhí)行性能的學習系統(tǒng)。

（2）認知模型

研究人類學習過程并進行計算機模擬。

（3）理論分析

從理論上探索各種可能的學習方法和獨立于應用領域的算法

機器學習是繼專家系統(tǒng)之后人工智能應用的又一重要研究領域，也是人工智能和神經計算的核心研究課題之一。但是現有的計算機系統(tǒng)和人工智能系統(tǒng)沒有什么學習能力，至多也只有非常有限的學習能力，因而不能滿足科技和生產提出的新要求。

遺傳算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優(yōu)解的方法。它借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）進行隨機化搜索，它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結構對象進行操作，不存在求導和函數連續(xù)性的限定；具有內在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質，已被人們廣泛地應用于組合優(yōu)化、機器學習、信號處理、自適應控制和人工生命等領域，它是現代有關智能計算中的關鍵技術。

Deep Learning即深度學習，深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。是機器學習中一種基于對數據進行表征學習的方法。

他的基本思想是：假設我們有一個系統(tǒng)S，它有n層（S1,…Sn），它的輸入是I，輸出是O，形象地表示為：I =>S1=>S2=>…..=>Sn

=> O，如果輸出O等于輸入I，即輸入I經過這個系統(tǒng)變化之后沒有任何的信息損失，設處理a信息得到b，再對b處理得到c，那么可以證明：a和c的互信息不會超過a和b的互信息。這表明信息處理不會增加信息，大部分處理會丟失信息。保持了不變，這意味著輸入I經過每一層Si都沒有任何的信息損失，即在任何一層Si，它都是原有信息（即輸入I）的另外一種表示。Deep Learning需要自動地學習特征，假設我們有一堆輸入I（如一堆圖像或者文本），假設設計了一個系統(tǒng)S（有n層），通過調整系統(tǒng)中參數，使得它的輸出仍然是輸入I，那么就可以自動地獲取得到輸入I的一系列層次特征，即S1，…, Sn。對于深度學習來說，其思想就是對堆疊多個層，也就是說這一層的輸出作為下一層的輸入。通過這種方式，就可以實現對輸入信息進行分級表達了。

深度學習的主要技術有：線性代數、概率和信息論；欠擬合、過擬合、正則化；最大似然估計和貝葉斯統(tǒng)計；隨機梯度下降；監(jiān)督學習和無監(jiān)督學習深度前饋網絡、代價函數和反向傳播；正則化、稀疏編碼和dropout；自適應學習算法；卷積神經網絡；循環(huán)神經網絡；遞歸神經網絡；深度神經網絡和深度堆疊網絡；

LSTM長短時記憶；主成分分析；正則自動編碼器；表征學習；蒙特卡洛；受限波茲曼機；深度置信網絡；softmax回歸、決策樹和聚類算法；KNN和SVM；

生成對抗網絡和有向生成網絡；機器視覺和圖像識別；自然語言處理；語音識別和機器翻譯；有限馬爾科夫；動態(tài)規(guī)劃；梯度策略算法；增強學習（Q-learning）。

隨著人工智能的發(fā)展，人工智能將會逐漸走入我們的生活、學習、工作中，其實人工智能已經早就滲透到了我們的生活中，小到我們手機里的計算機，Siri,語音搜索，人臉識別等等，大到無人駕駛汽車，航空衛(wèi)星。在未來，AI極大可能性的去解放人類，他會替代人類做絕大多數人類能做的事情，正如劉慈欣所說：人工智能的發(fā)展，它開始可能會代替一部分人的工作，到最后的話，很可能他把90%甚至更高的人類的工作全部代替。吳恩達也表明，人工智能的發(fā)展非?？欤覀兛梢杂谜Z音講話跟電腦用語音交互，會跟真人講話一樣自然，這會完全改變我們跟機器交互的辦法。自動駕駛對人也有非常大的價值，我們的社會有很多不同的領域，比如說醫(yī)療、教育、金融，都會可以用技術來完全改變。

[1] Russell,S.J.Norvig,P.人工智能：一種現代的方法（第3版）北京：清華大學出版社，2013（2016.12重?。?/p>

[2]庫茲韋爾，人工智能的未來杭州：浙江人民出版社，2016.3

[3]蘇楠.人工智能的發(fā)展現狀與未來展望[J].中小企業(yè)管理與科技(上旬刊),2017,(04):107-108.

[4]王超.從AlphaGo的勝利看人工智能的發(fā)展歷程與應用前景[J].中國新技術新產品,2017,(04):125-126.

[5]朱巍,陳慧慧,田思媛,王紅武.人工智能:從科學夢到新藍?！斯ぶ悄墚a業(yè)發(fā)展分析及對策[J].科技進步與對策,2016,(21):66-70.

[6]王江濤.淺析人工智能的發(fā)展及其應用[J].電子技術與軟件工程,2015,(05):264.

[7]楊焱.人工智能技術的發(fā)展趨勢研究[J].信息與電腦(理論版),2012,(08):151-152.

[8]張妮,徐文尚,王文文.人工智能技術發(fā)展及應用研究綜述[J].煤礦機械,2009,(02):4-7.

[9]王永忠.人工智能技術在智能建筑中的應用研究[J].科技信息,2009,(03):343+342.

[10]李德毅,肖俐平.網絡時代的人工智能[J]中文信息學報,2008,(02):3-9.

[11]李紅霞.人工智能的發(fā)展綜述[J].甘肅科技縱橫,2007,(05):17-18

[12]孫科.基于Spark的機器學習應用框架研究與實現[D].上海交通大學,2015.

[13]朱軍,胡文波.貝葉斯機器學習前沿進展綜述[J].計算機研究與發(fā)展,2015,(01):16-26.

[14]何清,李寧,羅文娟,史忠植.大數據下的機器學習算法綜述[J].模式識別與人工智能,2014,(04):327-336.

[15]郭亞寧,馮莎莎.機器學習理論研究[J].中國科技信息,2010,(14):208-209+214.

[16]陳凱,朱鈺.機器學習及其相關算法綜述[J].統(tǒng)計與信息論壇,2007,(05):105-112.

[17]閆友彪,陳元琰.機器學習的主要策略綜述[J].計算機應用研究,2004,(07):4-10+13.

[18]張建明,詹智財,成科揚,詹永照.深度學習的研究與發(fā)展[J].江蘇大學學報(自然科學版),2015,(02):191-200.

[19]尹寶才,王文通,王立春.深度學習研究綜述[J].北京工業(yè)大學學報,2015,(01):48-59.

[20]劉建偉,劉媛,羅雄麟.深度學習研究進展[J].計算機應用研究,2014,(07):1921-1930+1942

[21]馬永杰,云文霞.遺傳算法研究進展[J].計算機應用研究,2012,(04):1201-1206+1210.

[22]曹道友.基于改進遺傳算法的應用研究[D].安徽大學,2010

四、人工智能的發(fā)展概況

探討人工智能，就要回答什么是智能的問題，綜合各類定義，智能是一種知識與思維的合成,是人類認識世界和改造世界過程中的一種分析問題和解決問題的綜合能力。對于人工智能，美國麻省理工學院的溫斯頓教授提出“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作”，斯坦福大學人工智能研究中心尼爾遜教授提出“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學”。綜合來看人工智能是相對人的智能而言的。其本質是對人思維的信息過程的模擬，是人的智能的物化。是研究、開發(fā)模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。

（一）感知、處理和反饋構成人工智能的三個關鍵環(huán)節(jié)

人工智能經過信息采集、處理和反饋三個核心環(huán)節(jié)，綜合表現出智能感知、精確性計算、智能反饋控制，即感知、思考、行動三個層層遞進的特征。

智能感知：智能的產生首先需要收集到足夠多的結構化數據去表述場景，因此智能感知是實現人工智能的第一步。智能感知技術的目的是使計算機能 “聽”、會“看”,目前相應的計算機視覺技術和自然語言處理技術均已經初步成熟，開始商業(yè)化嘗試。

智能處理：產生智能的第二步是使計算機具備足夠的計算能力模擬人的某些思維過程和行為對分析收集來的數據信息做出判斷，即對感知的信息進行自我學習、信息檢索、邏輯判斷、決策，并產生相應反映。具體的研究領域包括知識表達、自動推理、機器學習等，與精確性計算及編程技術、存儲技術、網絡技術等密切相關，是大數據技術發(fā)展的遠期目標，目前該領域研究還處于實驗室研究階段，其中機器學習是人工智能領域目前熱度最高，科研成果最密集的領域。

智能反饋：智能反饋控制將前期處理和判斷的結果轉譯為肢體運動和媒介信息傳輸給人機交互界面或外部設備，實現人機、機物的信息交流和物理互動。智能反饋控制是人工智能最直觀的表現形式，其表達能力展現了系統(tǒng)整體的智能水平。智能反饋控制領域與機械技術、控制技術和感知技術密切相關，整體表現為機器人學，目前機械技術受制于材料學發(fā)展緩慢，控制技術受益于工業(yè)機器人領域的積累相對成熟。

（二）深度學習是當前最熱的人工智能研究領域

在學術界，實現人工智能有三種路線，一是基于邏輯方法進行功能模擬的符號主義路線，代表領域有專家系統(tǒng)和知識工程。二是基于統(tǒng)計方法的仿生模擬的連接主義路線，代表領域有機器學習和人腦仿生，三是行為主義，希望從進化的角度出發(fā)，基于智能控制系統(tǒng)的理論、方法和技術，研究擬人的智能控制行為。

當前，基于人工神經網絡的深度學習技術是當前最熱的研究領域，被Google，Facebook，IBM，百度，NEC以及其他互聯網公司廣泛使用，來進行圖像和語音識別。人工神經網絡從上個世紀80年代起步，科學家不斷優(yōu)化和推進算法的研究，同時受益于計算機技術的快速提升，目前科學家可以利用GPU（圖形處理器）模擬超大型的人工神經網絡；互聯網業(yè)務的快速發(fā)展，為深度學習提供了上百萬的樣本進行訓練，上述三個因素共同作用下使語音識別技術和圖像識別技術能夠達到90%以上的準確率。

（三）主要發(fā)達國家積極布局人工智能技術，搶占戰(zhàn)略制高點。

各國政府高度重視人工智能相關產業(yè)的發(fā)展。自人工智能誕生至今，各國都紛紛加大對人工智能的科研投入，其中美國政府主要通過公共投資的方式牽引人工智能產業(yè)的發(fā)展，2013財年美國政府將22億美元的國家預算投入到了先進制造業(yè)，投入方向之一便是“國家機器人計劃”。

在技術方向上，美國將機器人技術列為警惕技術，主攻軍用機器人技術，歐洲主攻服務和醫(yī)療機器人技術，日本主攻仿人和娛樂機器人。

現階段的技術突破的重點一是云機器人技術，二是人腦仿生計算技術。美國、日本、巴西等國家均將云機器人作為機器人技術的未來研究方向之一。伴隨著寬帶網絡設施的普及，云計算、大數據等技術的不斷發(fā)展，未來機器人技術成本的進一步降低和機器人量產化目標實現，機器人通過網絡獲得數據或者進行處理將成為可能。目前國外相關研究的方向包括：建立開放系統(tǒng)機器人架構（包括通用的硬件與軟件平臺）、網絡互聯機器人系統(tǒng)平臺、機器人網絡平臺的算法和圖像處理系統(tǒng)開發(fā)、云機器人相關網絡基礎設施的研究等。

由于深度學習的成功，學術界進一步沿著連接主義的路線提升計算機對人腦的模擬程度。人腦仿生計算技術的發(fā)展，將使電腦可以模仿人類大腦的運算并能夠實現學習和記憶，同時可以觸類旁通并實現對知識的創(chuàng)造，這種具有創(chuàng)新能力的設計將會讓電腦擁有自我學習和創(chuàng)造的能力，與人類大腦的功能幾無二致。在2013年初的國情咨文中，美國總統(tǒng)奧巴馬特別提到為人腦繪圖的計劃，宣布投入30億美元在10年內繪制出“人類大腦圖譜”，以了解人腦的運行機理。歐盟委員會也在2013年初宣布，石墨烯和人腦工程兩大科技入選“未來新興旗艦技術項目”，并為此設立專項研發(fā)計劃，每項計劃將在未來10年內分別獲得10億歐元的經費。美國IBM公司正在研究一種新型的仿生芯片，利用這些芯片，人類可以實現電腦模仿人腦的運算過程，預計最快到2019年可完全模擬出人類大腦。

（四）高科技企業(yè)普遍將人工智能視為下一代產業(yè)革命和互聯網革命的技術引爆點進行投資，加快產業(yè)化進程。

谷歌在2013年完成了8 家機器人相關企業(yè)的收購，在機器學習方面也大肆搜羅企業(yè)和人才，收購了DeepMind和計算機視覺領軍企業(yè)Andrew Zisserman，又聘請DARPA原負責人 Regina Dugan負責顛覆性創(chuàng)新項目的研究，并安排構建Google基礎算法和開發(fā)平臺的著名計算機科學家Jeff Dean轉戰(zhàn)深度學習領域。蘋果2014 年在自動化上的資本支出預算高達110 億美元。蘋果手機中采用的Siri智能助理脫胎于美國先進研究項目局（DARPA）投資1.5億美元，歷時5年的CALO（ Cognitive Assistant that Learns and Organizes）項目，是美國首個得到大規(guī)模產業(yè)化應用的人工智能項目。Amazon計劃在2015 年能夠使用自己的機器人飛行器進行快遞服務。韓國和日本的各家公司也紛紛把機器人技術移植到制造業(yè)新領域并嘗試進入服務業(yè)

（五）人工智能的實際應用

人工智能概念從1956年提出，到今天初步具備產品化的可能性經歷了58年的演進，各個重要組成部分的研究進度和產品化水平各不相同。人工智能產品的發(fā)展是一個漸進性的過程，是一個從單一功能設備向通用設備，從單一場景到復雜場景，從簡單行為到復雜行為的發(fā)展過程，具有多種表現形式。

人工智能產品近期仍將作為輔助人類工作的工具出現，多表現為傳統(tǒng)設備的升級版本，如智能/無人駕駛汽車，掃地機器人，醫(yī)療機器人等。汽車、吸塵器等產品和人類已經有成熟的物理交互模式，人工智能技術通過賦予上述產品一定的機器智能來提升其自動工作的能力。但未來將會出現在各類環(huán)境中模擬人類思維模式去執(zhí)行各類任務的真正意義的智能機器人，這類產品沒有成熟的人機接口可以借鑒，需要從機械、控制、交互各個層面進行全新研發(fā)。

希望我的回答可以幫到您哦

以上就是關于人工智能國內外發(fā)展現狀相關問題的回答。希望能幫到你，如有更多相關問題，您也可以聯系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內容。