內容摘要：人工智能 (ArtificialIntelligence)誕生於1956年的美國，至今已接近七十年。它屬於自然科學和社會科學的交叉。人工智能基於認知科學、哲學、不定性論的邊緣科學研究項目，在上世紀80年代中期人工神經網絡取得重大進展，其成果大量應用於系統的感知,模型建立和控制。神經網絡通過對輸入輸出樣本的學習,不斷地調整網絡的權值和閾值,使網絡實現給定的輸入輸出映射關係,並具有一定的學習和自適應運用能力。智能技術是當前新技術、新產品、新產業的重要發展方向、開發策略和顯著標志，藉助大數據技術，尤其它在解決遠程控制、故障診斷、非線性等問題上的優勢，給機械系統、符號計算、模式識別的發展指明瞭方向。隨著時代的發展及信息革命的到來,人工智能的研究領域日益拓寬,其內容逐步豐富,對人類發展有劃時代的意義。
關鍵詞：認知科學專家系統神經網絡大數據
前言
人工智能(Artificial Intelligence)，人工智能可以分為兩部分，“智能”是什麼，我們可以從不同方面去定義。這關聯到到如意識、自我、心靈等問題.我們唯一理解的智能也就是靈長類動物擁有的能自由做出反應的能力，這種能力也是現在和未來人工智能科研的主要奮鬥目標。目前我們對靈長類動物的智能的理解，可以用只可意不可言來準確形容，現階段還不能對自身智能的理解用科學的表達方式表達出來。
1 人工智能的定義
人工智能(Artificial Intelligence,簡稱AI)是一門研究如何構造智能機器或智能系統，主要研究方向是模擬、延伸、擴展人類智能的。人們通過對外界事物進行長期實踐做出一些歸納並對其用數值量化，用傳感設備和用嚴密的邏輯思維進行推理並干預其結果的差錯，通過邏輯計算然後再用於控制終端設備服務於受眾，智能包含能力包括感知能力、記憶和思維能力、學習和自適應的能力，
行為能力/涉及哲學、認知科學、數學、神經生理學、不定性論、計算機科學、控制論、信息論、仿生學、心理學等；人工智能產品也逐漸融入人類的生活中密不可分。
2 人工智能的發展
人工智能的傳說可以追溯到古埃及，但在歷史的長河中大部分的傳說都基於人們的假想，隨著近代特別是二戰之後世界格局的發展，1946年世界第一臺計算機的誕生以來，計算機在歐美國家得以迅速發展，人工智能終可以輔以計算機系統來實現，技術已最終可以創造出機器智能，1956年在達特茅斯大學召開的會議上正式使用了“人工智能(Artificial Intelligence,AI)”這個術語，人工智能領域的研究也從此正式開始，從那以後,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。隨後的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設計、專家系統、學習以及機器人學等多個角度展開了研究，已經建立了一些智能程度不同的人工智能系統，例如能夠求集成設計分析電路、字符計算、求解積分方程、合成人類自然語言，而進行基於字符的情報檢索，提供語音識別、觸控識別的多模式接口輸入模式，應用於疾病診斷的專家系統以及控制太空飛行器和水下機器人。我們熟知的年初的谷歌"Alphago"計算機在棋盤上擊敗了韓國國際象棋大師李世石就是比較突出的例子。
3 人工智能發展的依託
3.1 神經網絡
神經網絡（artificial neural network. ANN）是設置輸出的是一個靈感來自系統的模擬生物激勵的輸出。這裡輸出、輸入都是標準化的量，輸出是輸入的非線性函數，其值可由連接各神經元的權重改變，以獲得期望的輸出值，即所謂的訓練過程。基於數值計算方法的神經網絡，將已有數據和已知系統模式作樣本，存儲在系統的緩存區域，通過學習獲得兩者的映射關係，實現了對人類經驗思維的模擬。由於神經網絡具有原則上容錯、結構拓撲、聯想、推測、記憶、自學習適應、並行上傳下載和處理複雜模式的功能，使其在工程實際存在著大量的多故障、多過程、突發性故障；這裡就能體現出一個龐大複雜機器和系統的監測及診
斷中的作用了，他們需要不斷查詢系統中故障的位置並向中央處理器報告突發錯誤的原因，並能夠提供簡單算法的糾錯功能，當差錯過大的時候這需要建立丟棄重傳的機制，以保證系統的正常運行。在機械系統的應用方式有：從模式識別角度應用神經網絡作為分類器進行故障診斷；從預測角度應用神經網絡作為動態預測模型進行故障預測；利用神經網絡極強的非線性特性。
3.2不定性論
不定性論也稱作模糊集理論（FuzzySets Theory，FSN），人的認知世界包含大量的不確定元素，但是我們所接收的信息需要對所獲信息進行一定的模糊化處理，以減少問題的複雜度。1965年Zadeh創立了模糊集理論，模糊邏輯可認為是多值邏輯的擴展，人們利用在實驗中發現的或者通過大量的獨立重複試驗得出的某個典型值作為一類事物的一個最優的或者折中的方案值來量化複雜的事物，這種模型能夠完成傳統數學方法難以做到的近似推理。是處理不確定性的一種很好的方法。目前基於多類電量測試信息模糊融合的模擬電路故障診斷方法已經提出。基於K故障節點診斷法和最小標準差法的元件故障隸屬函數構造方法,以及基於可測點電壓與不同測試頻率下電路增益的模糊信息融合診斷算法，分別利用此兩類測試信息及K故障診斷法和最小標準差法,對電路進行初步診斷,再運用模糊變換及故障定位規則, 得到融合的故障診斷結果。模擬實驗結果表明,所提方法大大提高了機械系統故障定位的準確率。
3.3 大數據
大數據技術是繼移動互聯網和雲計算技術的一個顛覆性的信息技術，它可以讓我們有一些數量巨大，種類繁多，高價值，低密度，快速變化的有效數據，低成本的存款取，檢索，分類，流量統計。但是，這並不認為今天我們能夠有效，經濟地理解這些數據的巨大價值是隱藏的，特別是如果這些數據是科學和經驗的的社會法律代表了巨大的價值的意義。幸運的是，一些人工智能的理論，更實用的方法，已開始對大數據分析，並且做出了一些令人振奮的結果。
3.4啟發式搜索
遺傳算法（Genetic Algorithms ,GA）和模擬退火算法（Simulated Annealing ,SA）是近年來逐漸上升的兩個啟發式搜索,通過隨機生成新的解決方案,同時保留良好的結果,避免陷入局部最小值,以達到全局最優解或最優解附近。遺傳算法是解決優化問題的數值字符串集合通過遺傳算子,即選擇、交叉和變異
操作優化數字字符串。SA鄰近區域產生已知的解決方案的新的解決方案,並逐步減少鄰近區域的大小,直到接近全局最優的解決方案。這兩種方法可以用來解決任何的目標函數和約束優化問題。模糊神經網絡在交流伺服系統控制中使用遺傳算法比傳統的PID控制和快速響應, 錯誤小,沒有衝擊和強烈的伺服性能等。仿真結果表明,遺傳算法的模糊神經網絡控制器的交流伺服控制系統大大減少響應超調系統,具有良好的抗干擾,伺服性。
3.5 深度學習
機器學習就是機器自生從周圍環境中獲取經驗，表現為在自身已有的知識上增強自身知識和能力，與人一樣能夠學習未知知識。機器學習的研究,主要是探究人類的學習理論、人腦的思維方式，建立針對具體任務的學習方式。它在開發高智能機器上是一個研究點。人類有條件研究複雜信息的識別和處理過程。用計算機實現環境與空間的自動識別，包括文字、聲音、人物、物體等等；開發智能機器的突破口也是，也能為認識自身智能提供信息和依據。環境與空間的識別是信息的識別和處理過程的一個重要技術支持。
4人工智能的應用
4.1符號計算
符號計算是指解碼數學表達式、方程時，而不是數值點的離散化，而是通過一系列的身份和數學定理的，由推理和計算的分析結果。此計算是基於數值完全準確的表達及嚴格的扣除的基礎上，將得到的準確的結果。當然，也有不足，產生符號沒有額外的屬性的變量x的純的形式（例如，以創建符號變量x，但沒有指定其為正，或者它是一個實數）。為了與MATLAB版本兼容，x=sym('x','unreal')的功能和x=sym('x','clear')一樣。
符號變量符號變量計算和分析解決方案優勢不一而足,例如,符號變量計算過程用π就用π的代表,而不是一個特定的近似值3.14或3.14159。同理計算過程中自然不對數e也就用e表示，而不用其某個近似值2.71828代替，使用符號變量可以最大限度減少運營商由於舍入造成誤差的計算過程。符號變量也便於操作的演示過程。
4.2模式識別
模式識別是研究如何使機器感知，視覺和聽覺模型識別的主要研究。如目標
識別，地形，影像，字體等。目前模式識別主要集中在圖形識別和語音識別。圖形識別，如識別打印和一些手寫文字，虹膜識別技術，如指紋。其中檢查白血細胞和癌細胞已進入實用階段。各種語音信號的主要的語音識別分類。
4.3 專家系統
專家系統（Expert System，ES）是人工智能的主要分支之一。一個典型的專家系統由四部分組成：知識庫，推理機，知識獲取機制和人機界面。根據不同的專家系統的知識表示方法，可以分為基於規則和基於專家系統的框架;根據不同的推理方法，可分為正向推理和向後推理。在由產生式規則知識表示，知識表示方面，一方面，它有利於現有的人工智能語言，而另一方面，它的表達使得人的心理邏輯，有利於知識的獲取，為人們接受，使用知識表達應用框架已經越來越多。在診斷推理，主要表現在邏輯和推理模型的研究，在人工智能領域方面，有很多邏輯推理，廣泛應用於模糊邏輯推理的專家系統，以減少對系統和複雜性故障機械系統的診斷可以產生很好的效果。研究和專家系統技術的應用是在機械工程的許多領域的發展，故障診斷，仿真，自動控制，工藝設計，生產計劃，產品設計等前所未有的速度。隨著研究工作的不斷深入，技術和先進製造技術的一些新的方法集成到機械工程的研究和專家系統技術的應用，不僅打造知識表示，知識庫，知識獲取和推理模型的關鍵技術等方面的研究取得了一定的成就，也出現了一些新的集成專家系統，如神經網絡專家系統，模糊專家系統，基於Internet的專家系統，CAD專家系統，CAPP專家系統等燃燈的綜合利用率的專家系統的透明度、柔韌性；並具有處理不確定知識的能力，機械工程專家系統的更廣泛的應用領域的特性。
4.4 機器翻譯
協同翻譯方面,翻譯是機器翻譯,顧名思義,這裡的對象一般是指英文的中文自然語言。通常,未能翻譯分為兩個階段一是“語言”的理解,第二種是“生成翻譯”。成功的翻譯家,當然需要善於原文譯文:語言與語言,更重要的是理解內容。第一次實質性的機會,因此研究協同翻譯方面遠遠超過了計算機處理語言的範圍,而是人工智能研究的中介目標。事實上,也可以說是協同翻譯方面50年研究中唯一的自然語言處理的一個領域的實用化。協同翻譯方面一般分為三種方式:轉換方式,中間語言方式和直接的方式。所謂轉換方式,首先,分析原文,原文的語法構造乃至語義結構。然後,事先準備的轉換規則將原文的結構重組的成長目標的原
因已經,最後生成。所謂中間語言方式,是原語言文章轉化為了分析,任何語言的概念結構,然後直接特別是概念結構生成目標語言,所謂直接方式,分析前的語言一起去生成目標語言,這種方式結構的中心。
5 人工智能存在的問題
早在計算機誕生的初期,就提出了用計算機完成智能翻譯的想法，由此可知任內對智能的研究具有悠遠的歷史。但是人類在智能的研究方面遇到諸多的瓶頸，目前所面臨的問題主要有機器翻譯、人工智能的安全問題等。
5.1 機器翻譯所面臨的問題
機器翻譯所面臨的問題仍然是翻譯準確率不高。歧義性問題一直存在，是自然語言理解中的一大難關。就以漢語為例，同一個意思可一用幾種甚至幾十種不同的語句表達，同樣句子在不同的情況下使用,也擁有不同的含義。所以,要消除歧義就要對句子的構成進行科學規劃，對每一個句子進行科學的分析,找出造成歧義的詞語，並且分析這些詞語在句中導的準確含義。另外,即便對原文有了一定的理解,機器理解語句的含義也不一定準確，而且理解的意義在機器上變現出來也存在問題。目前的機器不能像人一樣在時間上增加理解力，沒有學習,沒有記憶,沒有歸納。造成這種結果的原因是計算機本身硬件和軟件問題。現在自然語言理解的研究技術很不完整,大多數研究被關在語言這一領域裡,並沒有對人類的理解問題做深入研究。
5.2 人工智能的安全問題
人工智能任然在探究的初期階段，有人認為如果讓機器像人一樣智能，是很危險的。這樣機器可能反抗人類，原因有很多可能是機器會像人一樣犯罪，對人的統治發起反抗，而且有可能會統治人類，當然人類是不會允許這種時間發生的。這種人工智能的安全問題在很多部科幻電影中都展現過，最主要的是同不同意讓人工智能擁有自主意識，如果使人工智能擁有自主意識，也就意味著機器具有與人同等的創造性、自我保護思想、情感和自發行為。
6 人工智能的前景及展望
從智能手機、自動駕駛汽車到醫療機器人，人工智能革命已經到來。人工智
能讓互聯網搜索更加靈敏；將文本從一種語言翻譯成另一種語言；在擁擠的交通中推薦最暢通的線路；幫助識別信用卡詐騙等。雖然很多時候我們甚至沒有意識到它的存在，但我們的生活卻因它悄悄改變。人們總是趨向於安逸的生活，人工智能的出現滿足了人們許多的需求，這會導致人們滿足於享受當前的生活而忘記許多自己的本能。但人們還得需要用自己的雙手去創造物質文明，過度的依賴人工智能設備會讓我們意志力淡泊，喪失生活的樂趣，如果能把智能設備用到改善人們生活方式，提高生活質量的領域去，不管是社會資源的提供者、生產者還是消費者都會從中受益。
7 結束語
現階段人工智能在專家系統,智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學等方面都有許多的應用，並且範圍越來越廣，人們也越來越依賴這些發明，但這些技術都希望能更好的去應用服務育人，促進科學發展朝著一個積極的目標邁進，雖然看似都是科學發展的，但是我們得注意其使用的度，人還是需要自己通過動腦來完成某些關鍵且重要的工作，不要過分的以來人工智能智能作為一種工具被人類智能限定在一定的範圍裡發展，才能在保證其安全的條件下最大程度的為人類發揮作用。
喜歡本篇文章，請收藏或者轉發，瞭解更多資訊，關注微信公眾號：西安酷客多程序
閱讀更多 凱林斯特網絡 的文章
