【文章內(nèi)容簡介】 進步與發(fā)展，它是先進制造技術發(fā)展的“動力”。集成化：現(xiàn)代制造業(yè)的方向并不只是計算機的集成，信息的集成，而是人、技術、組織的整體集成，包括功能集成、組織集成、信息集成、過程集成、知識集成和企業(yè)間的集成。人工智能技術在國外的發(fā)展與趨勢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(zhì)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。人工智能經(jīng)過信息采集、處理和反饋三個核心環(huán)節(jié)，綜合表現(xiàn)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(chǎn)生首先需要收集到足夠多的結構化數(shù)據(jù)去表述場景，因此智能感知是實現(xiàn)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(jīng)初步成熟，開始商業(yè)化嘗試。智能處理：產(chǎn)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(shù)據(jù)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(chǎn)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(wǎng)絡技術等密切相關，是大數(shù)據(jù)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(xiàn)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(xiàn)形式，其表達能力展現(xiàn)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(xiàn)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。在學術界，實現(xiàn)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。各國政府高度重視人工智能相關產(chǎn)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(chǎn)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?，F(xiàn)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(wǎng)絡設施的普及，云計算、大數(shù)據(jù)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(chǎn)化目標實現(xiàn)，機器人通過網(wǎng)絡獲得數(shù)據(jù)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(wǎng)絡互聯(lián)機器人系統(tǒng)平臺、機器人網(wǎng)絡平臺的算法和圖像處理系統(tǒng)開發(fā)、云機器人相關網(wǎng)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(xiàn)學習和記憶，同時可以觸類旁通并實現(xiàn)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(nèi)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(nèi)分別獲得10億歐元的經(jīng)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(xiàn)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。智能更面向實用。另外，由于Hopfield 多層神經(jīng)網(wǎng)絡模型的提出，使人工神經(jīng)網(wǎng)絡研究與應用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會生活的各個領域。既然“人工智能”的發(fā)展如此吸引人，那就一定具有相當多的發(fā)展方向啦，那么未來它的發(fā)展趨勢會是如何呢？我們不妨可以設想一下： 在計算機網(wǎng)絡如此發(fā)達的社會中，我們可以利用人工智能來實現(xiàn)語言技術與人類生活的聯(lián)系，雖然目前關于語言的研究尚未突破語義障礙，現(xiàn)在還看不出在解決自然語言中含糊曖昧的成份方面可能會取得多大的進展，也很難想象在近期內(nèi)能實現(xiàn)對任意輸入均可產(chǎn)生高質(zhì)量譯文的機器翻譯系統(tǒng)或非常理想的篇章理解系統(tǒng)，我們所能看到的是一些有一定限制的但與人類生活密切相關的語言處理技術的發(fā)展。隨著語言技術產(chǎn)品市場的不斷壯大，語言技術也會得到更快的發(fā)展。另外，我們也可以利用人工智能來建立與理解復雜的自適應系統(tǒng)：下一個十年人工智能研究應著重于對未必能符號化、信息未必完全的復雜的自適應系統(tǒng)的研究，其中最關鍵的是如何理解與建立這樣的系統(tǒng)。建立這樣的系統(tǒng)需要發(fā)展一些新的理論與技術。首先必須發(fā)展能理解與處理上下文的技術，使所建立的系統(tǒng)能在不同的上下文情境下合理地處理各類問題；其次應發(fā)展多路學習機制，使系統(tǒng)能從復雜的變化的環(huán)境中同時學到多種技能(如機器人足球運動員就需要有這樣的功能)；另外還應探討系統(tǒng)的可自動進化機制，使系統(tǒng)能從簡單的被動式的系統(tǒng)逐步進化為復雜的具有自適應能力的系統(tǒng)。基于人工智能的發(fā)展趨勢，還可以在機器學習的研究方面取得長足的發(fā)展。許多新的學習方法相繼問世并獲得了成功的應用,如增強學習算法、reinforcement learning等。也應看到,現(xiàn)有的方法處理在線學習方面尚不夠有效,尋求一種新的方法,以解決移動機器人、自主agent、智能信息存取等研究中的在線學習問題是研究人員共同關心的問題,相信不久會在這些方面取得突破。還有，在最受人關注的機器人領域里，人工智能蘊含著十分強大的發(fā)展空間！雖然現(xiàn)在已經(jīng)實現(xiàn)了機器人與人的對話交流等強大的功能，但相信在未來，人們一定會挖掘出人工智能更多更強大的功能來運用到機器人中去，讓機器人更好的未人們服務！最后，在控制領域內(nèi)，雖然已經(jīng)實現(xiàn)了遠程操控技術，但并不普及，相信在未來，我們可以更輕松自如的利用人工智能來實現(xiàn)對家用電器等的遠程控制的普及，讓每一個房子都裝有這樣的系統(tǒng)，那么在主人回家之前就可以設定好最符合主人生活習慣的環(huán)境，讓辛苦勞累了一天的主人能夠更好的享受到家的溫馨！人工智能誕生50多年來，在崎嶇不平的道路上取得了可喜的進展。人工智能的人工智能的研究一旦取得突破性進展，將會對信息時代產(chǎn)生重大影響，對人類文明產(chǎn)生重大影響。不管是在昨天、今天還是明天，“人工智能”都是新時代的寵兒，注定未社會的發(fā)展，人們生活水平的提高做出不可小覷的貢獻！我們共同希望“人工智能”的明天更美好！三、人工智能技術的主要研究內(nèi)容與核心技術難題人工智能是一種外向型的學科,它不但要求研究它的人懂得人工智能的知識,而且要求有比較扎實的數(shù)學基礎及哲學和生物學基礎,只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。因為人工智能的研究領域十分廣闊,它總的來說是面向應用的,主要研究領域有專家系統(tǒng),有人在工作,它就可以用在什么地方,因為人工智能的最根本目的還是要模擬人類的思維?？梢詺w納為八個字:機器智能、智能機器。機器智能：例如,用計算機打印常用的報表,進行一些常規(guī)的文字處理,都是程序化的操作,談不上有智能。但是,用計算機給人看病,進行病理診斷和藥物處方,或者,用計算機給機器看病,進行故障診斷和維修處理,就需要計算機有人工智能。人工智能學科領域中有一個重要的學科分支是“專家系統(tǒng)”(Expert System),簡稱代寫論文ES。就是用計算機去模擬、延伸和擴展專家的智能?；趯＜业闹R和經(jīng)驗,可以求解專業(yè)性問題的、具有人工智能的計算機應用系統(tǒng)。如:醫(yī)療診斷專家系統(tǒng),故障診斷專家系統(tǒng)等。智能機器：“智能機器”(Intelligent Machine),簡稱IM,研究如何設計和制造具有更高智能水平的機器,特別是設計和制造更聰明的計算機?，F(xiàn)在的計算機,雖然經(jīng)歷了從電子管、晶體管、集成電路、超大規(guī)模集成電路等幾代的發(fā)展,在工藝和性能方面都有巨大的進步。但是,在原理上,還沒有重大的突破。通常,人們用計算機,不僅要告訴計算機:做什么?,而且還必須詳細地、正確地告訴計算機:如何做?。也就是說,人們要根據(jù)工作任務的需求,以適當?shù)挠嬎銠C語言,進行相應的軟件設計,編制面向該任務的計算機應用程序,并且,正確地操作計算機,裝入、啟動該應用程序,才能用計算機完成該項工作任務。這里,計算機實質(zhì)上只是機械地、被動地執(zhí)行人們編制的應用程序指令的“電子奴仆”,也不理解為什么要做這項工作,即不懂得:為什么?。因而,只不過是一個低智能的、不聰明的“電腦”。那么,如何設計和制造高智能的、聰明的“電腦”呢?這正是人工智能另一方面的研究對象和學科任務。目前人工智能主要研究內(nèi)容是:分布式人工智能與多智能主體系統(tǒng)、人工思維模型、知識系統(tǒng)(包括專家系統(tǒng)、知識庫系統(tǒng)和智能決策系統(tǒng))、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘(從大量的、不完全的、模糊的、有噪聲的數(shù)據(jù)中挖掘出對我們有用的知識)、遺傳與演化計算(通過對生物遺傳與進化理論的模擬,揭示出人的智能進化規(guī)律)、人工生命(通過構造簡單的人工生命系統(tǒng)并觀察其行為,探討初級智能的奧秘)、人工智能應用(如:模糊控制、智能大廈、智能人機接口、智能機器人等)等等。未來人工智能的研究方向主要有:人工智能理論、機器學習模型和理論、不精確知識表示及其推理、常識知識及其推理、人工思維模型,智能人機接口、多智能主體系統(tǒng)、知識發(fā)現(xiàn)與知識獲取、人工智能應用基礎等。“人工智能”(Artificial Intelligence)一詞最初是在1956年Dartmouth學會上提出的。人工智能是指研究、開發(fā)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(tǒng)的一門新的技術科學。人工智能是計算機科學的一個分支,它企圖了解智能的實質(zhì),并生產(chǎn)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。目前能夠用來研究人工智能的主要物質(zhì)手段以及能夠實現(xiàn)人工智能技術的機器就是計算機,人工智能的發(fā)展歷史是和計算機科學與技術的發(fā)展史聯(lián)系在一起的。人工智能理論進入21世紀,正醞釀著新的突破,人工智能的研究成果將能夠創(chuàng)造出更多更高級的智能“制品”,并使之在越來越多的領域超越人類智能,人工智能將為發(fā)展國民經(jīng)濟和改善人類生活做出更大貢獻。人工智能的近期研究目標在于建造智能計算機，用以代替人類從事腦力勞動，即使現(xiàn)有的計算機更聰明更有用。正是根據(jù)這一近期研究目標，我們才把人工智能理解為計算機科學的一個分支。人工智能還有它的遠期研究目標，即探究人類智能和機器智能的基本原理，研究用自動機(automata)模擬人類的思維過程和智能行為。這個長期目標遠遠超出計算機科學的范疇，幾乎涉及自然科學和社會科學的所有學科。在重新闡述我們的歷史知識的過程中，哲學家、科學家和人工智能學家有機會努力解決知識的模糊性以及消除知識的不一致性。這種努力的結果，可能導致知識的某些改善，以便能夠比較容易地推斷出令人感興趣的新的真理。人工智能研究尚存在不少問題，這主要表現(xiàn)在下列幾個方面： 宏觀與微觀隔離：一方面是哲學、認知科學、思維科學和心理學等學科所研究的智能層次太高、太抽象；另一方面是人工智能邏輯符號、神經(jīng)網(wǎng)絡和行為主義所研究的智能層次太低。這兩方面之間相距太遠，中間還有許多層次未予研究，無法把宏觀與微觀有機地結合起來和相互滲透。全局與局部割裂：人類智能是腦系統(tǒng)的整體效應，有著豐富的層次和多個側面。但是，符號主義只抓住人腦的抽象思維特性；連接主義只模仿人的形象思維特性；行為主義則著眼于人類智能行為特性及其進化過程。它們存在明顯的局限性。必須從多層次、多因素、多維和全局觀點來研究智能，才能克服上述局限性。3 理論和實際脫節(jié) 大腦的實際工作，在宏觀上我們已知道得不少；但是智能的千姿百態(tài)，變幻莫測，復雜得難以理出清晰的頭緒。在微觀上，我們對大腦的工作機制卻知之甚少，似是而非，使我們難以找出規(guī)律。在這種背景下提出的各種人工智能理論，只是部分人的主觀猜想，能在某些方面表現(xiàn)出”智能”就算相當成功了。上述存