【正文】 未來人工智能技術(shù)將進(jìn)一步推動(dòng)關(guān)聯(lián)技術(shù)和新興科技、新興產(chǎn)業(yè)的深度融合，推動(dòng)新一輪的信息技術(shù)革命，其人工智能技術(shù)將成為我國(guó)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的新支點(diǎn)。針對(duì)國(guó)際國(guó)內(nèi)相關(guān)企業(yè)和科研機(jī)構(gòu)正在進(jìn)行的相關(guān)科研活動(dòng)進(jìn)行動(dòng)態(tài)追蹤，對(duì)其科研成果在各行各業(yè)的信息化應(yīng)用進(jìn)行預(yù)研預(yù)判，為制定信息化發(fā)展相關(guān)政策規(guī)劃提供線索和根據(jù)。從技術(shù)發(fā)展脈絡(luò)發(fā)展上，人工智能很多技術(shù)一直處于創(chuàng)新的前沿，未來會(huì)在很大程度上影響信息產(chǎn)業(yè)的發(fā)展方向。例如，谷歌、百度在硅谷的研發(fā)實(shí)驗(yàn)室，在對(duì)深度學(xué)習(xí)、算法升級(jí)，對(duì)機(jī)器學(xué)習(xí)模仿人腦的智能活動(dòng)，讓機(jī)器像人腦一樣識(shí)別圖像、理解自然語(yǔ)言，解析網(wǎng)絡(luò)內(nèi)容之間關(guān)系做深度探索。當(dāng)前，以智能算法、深度學(xué)習(xí)、云計(jì)算為代表的大規(guī)模網(wǎng)絡(luò)應(yīng)用已經(jīng)成為ICT產(chǎn)業(yè)的重要發(fā)展方向。2016年5月18日國(guó)家發(fā)展改革委、科技部、工業(yè)和信息化部、中央網(wǎng)信辦在《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》明確了要培育發(fā)展人工智能新興產(chǎn)業(yè)、推進(jìn)重點(diǎn)領(lǐng)域智能產(chǎn)品創(chuàng)新、提升終端產(chǎn)品智能化水平、并且政府將在資金、標(biāo)準(zhǔn)體系、知識(shí)產(chǎn)權(quán)、人才培養(yǎng)、國(guó)際合作、組織實(shí)施等方面進(jìn)行保障。政策：2015年5月國(guó)務(wù)院在《中國(guó)制造2025》提出“加快發(fā)展智能制造裝備和產(chǎn)品”，指出“組織研發(fā)具有深度感知、智慧決策、自動(dòng)執(zhí)行功能的高檔數(shù)控機(jī)床、工業(yè)機(jī)器人、增材制造裝備等智能制造裝備以及智能化生產(chǎn)線，統(tǒng)籌布局和推動(dòng)智能交通工具、智能工程機(jī)械、服務(wù)機(jī)器人、智能家電、智能照明電器、可穿戴設(shè)備等產(chǎn)品研發(fā)和產(chǎn)業(yè)化。這直接導(dǎo)致了人工智能領(lǐng)域進(jìn)入門檻過高，無法形成良性發(fā)展的產(chǎn)業(yè)生態(tài)。智能終端應(yīng)用能力提成工程主要是面向具有一定智能計(jì)算能力的終端及附屬應(yīng)用，支持其在智能交互、智能翻譯等云端協(xié)同方面及圖像處理、操作系統(tǒng)基礎(chǔ)軟硬件方面進(jìn)一步改進(jìn)。智能無人系統(tǒng)應(yīng)用工程主要面向無人機(jī)、無人船等無人設(shè)備，支持與人工智能相關(guān)的結(jié)構(gòu)設(shè)計(jì)、智能材料、自動(dòng)巡航、遠(yuǎn)程遙控、圖像回傳等技術(shù)研發(fā)，及其在物流、農(nóng)業(yè)、測(cè)繪、電力巡線、安全巡邏、應(yīng)急救援等重要行業(yè)領(lǐng)域的創(chuàng)新應(yīng)用。（二）重點(diǎn)領(lǐng)域智能應(yīng)用這部分主要任務(wù)是加快人工智能技術(shù)的產(chǎn)業(yè)化進(jìn)程，推動(dòng)人工智能在家居、汽車、無人系統(tǒng)、安防、制造、教育、環(huán)境、交通、商業(yè)、健康醫(yī)療、網(wǎng)絡(luò)安全、社會(huì)治理等重要領(lǐng)域開展試點(diǎn)，使得人工智能能夠在第一時(shí)間轉(zhuǎn)化為生產(chǎn)力并惠及民生。一是各種類型人工智能海量訓(xùn)練資源庫(kù)和標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集建設(shè)，包括文獻(xiàn)、語(yǔ)音、圖像、視頻、地圖及行業(yè)應(yīng)用數(shù)據(jù)等，這些數(shù)據(jù)集需要面向社會(huì)開放，為廣大科研機(jī)構(gòu)和企業(yè)進(jìn)行人工智能研究和開發(fā)提供服務(wù)。一是人工智能基礎(chǔ)理論，包括深度學(xué)習(xí)、類腦智能等。不得不說，人工智能想要進(jìn)一步發(fā)展，必須依靠這些大公司的研究和不斷推廣，由經(jīng)濟(jì)促創(chuàng)新。當(dāng)然并不是通過測(cè)試就說明有智能，但現(xiàn)階段的研究主要還是弱人工智能：模仿人腦的基本功能，感知、記憶、學(xué)習(xí)和決策等，向著強(qiáng)人工智能以及超級(jí)人工智能發(fā)展的話還有很長(zhǎng)的一段路要走，中間有著巨大的鴻溝。如:機(jī)器翻譯,機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語(yǔ)言轉(zhuǎn)換成其他語(yǔ)言的過程。雖然在此門課程中對(duì)算法的實(shí)現(xiàn)不能獨(dú)立完成，但在一些簡(jiǎn)單的基本的算法上還是有一定的理解和認(rèn)識(shí)。（3）條件允許的話，可以安排一些實(shí)驗(yàn)課程，讓同學(xué)們自己制作一些簡(jiǎn)單的作品，增強(qiáng)同學(xué)對(duì)人工智能的興趣，加強(qiáng)同學(xué)之間的學(xué)習(xí)。以Agent概念為基礎(chǔ)的分布式人工智能正在異軍突起，特別是對(duì)于軟件的開發(fā)，“面向Agent技術(shù)”將是繼“面向?qū)ο蠹夹g(shù)”后的又一突破。金融業(yè)，股票商利用智能系統(tǒng)輔助其分析，判斷和決策；應(yīng)用卡欺詐檢測(cè)系統(tǒng)業(yè)已得到普遍應(yīng)用。（4）掌握了消解原理、規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)的技術(shù)、了解不確定性推理、非單調(diào)推理的概念。（2）較詳細(xì)地論述知識(shí)表示的各種主要方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應(yīng)機(jī)理通過計(jì)算機(jī)進(jìn)行仿真，對(duì)相關(guān)非線性對(duì)象進(jìn)行更真實(shí)的動(dòng)態(tài)描述和動(dòng)態(tài)特征研究。人工生命與生命的形式化基礎(chǔ)有關(guān)。人工生命人工生命（Artificial Life，ALife）的概念是由美國(guó)圣菲研究所非線性研究組的蘭頓（Langton）于1987年提出的，旨在用計(jì)算機(jī)和精密機(jī)械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。到20世紀(jì)80年代末，數(shù)據(jù)挖掘取得突破。最好的表達(dá)方式是自然語(yǔ)言，因?yàn)樗侨祟惖乃季S和交流語(yǔ)言。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)是90年代初期新崛起的一個(gè)活躍的研究領(lǐng)域。因此，把這三種方法統(tǒng)稱為進(jìn)化計(jì)算，而把相應(yīng)的算法稱為進(jìn)化算法。大多數(shù)生物體通過自然選擇和有性生殖進(jìn)行進(jìn)化。它們遵循相同的指導(dǎo)思想，但彼此存在一定差別。計(jì)算智能與進(jìn)化計(jì)算計(jì)算智能（Computing Intelligence）涉及神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算等研究領(lǐng)域。這兩個(gè)研究領(lǐng)域都要研究知識(shí)、資源和控制的劃分問題，但分布式問題求解往往含有一個(gè)全局的概念模型、問題和成功標(biāo)準(zhǔn)，而MAS則含有多個(gè)局部的概念模型、問題和成功標(biāo)準(zhǔn)。分布式人工智能的研究目標(biāo)是要?jiǎng)?chuàng)建一種能夠描述自然系統(tǒng)和社會(huì)系統(tǒng)的精確概念模型。這些新領(lǐng)域有分布式人工智能與艾真體（agent）、計(jì)算智能與進(jìn)化計(jì)算、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)，以及人工生命等。人工智能就是為了應(yīng)用機(jī)器的長(zhǎng)處來幫助人類進(jìn)行智力活動(dòng)。人工智能是一種外向型的學(xué)科，它不但要求研究它的人懂得人工智能的知識(shí)，而且要求有比較扎實(shí)的數(shù)學(xué)基礎(chǔ)，哲學(xué)和生物學(xué)基礎(chǔ)，只有這樣才可能讓一臺(tái)什么也不知道的機(jī)器模擬人的思維。但對(duì)于一個(gè)剛剛接觸人工智能學(xué)習(xí)的學(xué)生，了解如模糊控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等人工智能的知識(shí)入門尤為重要，為將來進(jìn)一步學(xué)習(xí)人工智能的理論打下基礎(chǔ)，并將理論應(yīng)用于生活和工作當(dāng)中，這才是學(xué)習(xí)的最終目的?！比斯ど窠?jīng)網(wǎng)絡(luò)是模擬人思維的第二種方式。如按任務(wù)類型來劃分，常見的有解釋型、預(yù)測(cè)型、診斷型、調(diào)試型、維護(hù)型、規(guī)劃型、設(shè)計(jì)型、監(jiān)督型、控制型、教育型等。第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語(yǔ)言，綜合采用各種知識(shí)表示方法和多種推理機(jī)制及控制策略，并開始運(yùn)用各種知識(shí)工程語(yǔ)言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和環(huán)境來研制大型綜合專家系統(tǒng)。專家系統(tǒng)的發(fā)展已經(jīng)歷了3個(gè)階段，正向第四代過渡和發(fā)展。但都是以模糊控制為基礎(chǔ)，達(dá)到自動(dòng)控制的目的。此部分是模糊控制器的精髓所在。其中E、CE、U統(tǒng)稱為模糊變量。換言之，傳統(tǒng)的控制理論對(duì)于明確系統(tǒng)有強(qiáng)而有力的控制能力，但對(duì)于過于復(fù)雜或難以精確描述的系統(tǒng)，則顯得無能為力了。1987年又在美國(guó)召開了智能控制的首屆國(guó)際學(xué)術(shù)會(huì)議，標(biāo)志著智能控制作為一個(gè)新的學(xué)科分支得到承認(rèn)。智能控制正是在這種條件下產(chǎn)生的。高層控制是對(duì)實(shí)際環(huán)境或過程進(jìn)行組織、決策和規(guī)劃，以實(shí)現(xiàn)問題求解。但是，從本學(xué)期《人工智能》課程的學(xué)習(xí)中，本人較系統(tǒng)的接觸到了關(guān)于人工智能的理論，從有限的課程中，通過老師的詳細(xì)介紹和查閱人工智能方面的書籍，學(xué)習(xí)了關(guān)于人工智能幾個(gè)主要方面的知識(shí)，如模糊控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等。在結(jié)構(gòu)上主要包括：學(xué)習(xí)環(huán)境，學(xué)習(xí)機(jī)構(gòu)，執(zhí)行與評(píng)估機(jī)構(gòu)和知識(shí)庫(kù)四個(gè)部分；各種符號(hào)學(xué)習(xí)方法中推理能力最強(qiáng)的學(xué)習(xí)方法是機(jī)械式學(xué)習(xí)，推理能力最弱的方法是觀察和發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獲得的知識(shí)被存儲(chǔ)在神經(jīng)元之間的連接中。一般表示形式為：x is A(CF)x是論域上的變量，Ａ是模糊數(shù)，ＣＦ是該模糊命題的確信程度或相應(yīng)事件發(fā)生的可能性程度。知識(shí)的不確定性稱為知識(shí)的靜態(tài)強(qiáng)度；證據(jù)的不確定性稱為動(dòng)態(tài)強(qiáng)度組合證據(jù)的不確定性算法：最大最小方法概率方法有界方法不確定性傳遞算法：結(jié)論不確定性的合成：主觀Bayes方法：（1）知識(shí)不確定性表示（產(chǎn)生式規(guī)則）：（2）證據(jù)不確定性表示：（3）組合證據(jù)不確定性的算法：（4）不確定性傳遞算法：（5）結(jié)論不確定性的合成算法：可信度方法：（CF模型是基于可信度表示的不確定性推理的基本方法）在可信度推理方法中的ＣF模型里，可信度CF(H,E)的含義是：CF(H,E)0表示Ｅ的出現(xiàn)增加了Ｈ的可信度；CF(H,E)=0表示