0 引言

人工智能技術(shù)由來(lái)已久,隨著“互聯(lián)網(wǎng)+”熱潮的襲來(lái),各行各業(yè)對(duì)于智能化的需求邁入了新階段,人工智能更多地作為技術(shù)載體來(lái)促生不同行業(yè)的智能化應(yīng)用。在此過(guò)程中,人工智能技術(shù)進(jìn)入了快速發(fā)展階段,而與不同行業(yè)的融合也對(duì)人工智能技術(shù)的更新?lián)Q代起到了不可或缺的作用。同時(shí),由于硬件和軟件等各方面技術(shù)的發(fā)展,處理數(shù)據(jù)和計(jì)算數(shù)據(jù)的能力大大增強(qiáng),這也為人工智能技術(shù)在各領(lǐng)域的應(yīng)用提供了堅(jiān)實(shí)基礎(chǔ)。

現(xiàn)階段人工智能的應(yīng)用場(chǎng)景不斷擴(kuò)展：在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域,人工智能技術(shù)可應(yīng)用于指紋識(shí)別、人臉識(shí)別、虹膜識(shí)別等生物識(shí)別技術(shù)中,可應(yīng)用于基于圖像、語(yǔ)音、文字的智能搜索,也可應(yīng)用于虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、自動(dòng)駕駛等系統(tǒng)中進(jìn)行復(fù)雜信息的快速處理^[1];在智能制造領(lǐng)域,人工智能技術(shù)與信息通信技術(shù)、制造技術(shù)及產(chǎn)品有關(guān)專業(yè)技術(shù)等相融合,進(jìn)而實(shí)現(xiàn)智能制造的新模式、新手段、新業(yè)態(tài)^[2];在金融領(lǐng)域,人工智能與大數(shù)據(jù)技術(shù)相結(jié)合可應(yīng)用于征信、金融風(fēng)險(xiǎn)防控、金融交易決策等方面,保證金融服務(wù)的個(gè)性化與智能化^[3];在電力領(lǐng)域,人工智能技術(shù)可通過(guò)對(duì)信息的量化和分析,有效提高電網(wǎng)企業(yè)的信息安全風(fēng)險(xiǎn)防控能力,保障電網(wǎng)安全、穩(wěn)定、高效運(yùn)行^[4]。

綜合看來(lái),人工智能技術(shù)由于其特有的學(xué)習(xí)能力、適應(yīng)能力以及并行計(jì)算能力等優(yōu)勢(shì),能夠面對(duì)復(fù)雜系統(tǒng)問(wèn)題求解和大規(guī)模數(shù)據(jù)分析建模,從而得出更加可靠和具有預(yù)見(jiàn)性的計(jì)算結(jié)果。目前,人工智能技術(shù)正在不斷推動(dòng)與行業(yè)相結(jié)合的應(yīng)用,以期實(shí)現(xiàn)更完善的數(shù)據(jù)感知和匯總,更智慧的數(shù)據(jù)模型建立和問(wèn)題求解,更自主的平臺(tái)服務(wù)提供和數(shù)據(jù)融合,更智能的決策制定和下發(fā),從而推動(dòng)不同行業(yè)的智能化發(fā)展。為此本文介紹了人工智能技術(shù)的發(fā)展進(jìn)程,簡(jiǎn)述了目前人工智能的關(guān)鍵技術(shù)和行業(yè)應(yīng)用情況。

 1 人工智能技術(shù)的發(fā)展

1.1 人工智能的起源與發(fā)展歷程

人工智能技術(shù)最早可以追溯至20世紀(jì)40年代,英國(guó)數(shù)學(xué)家圖靈提出了人工智能的基礎(chǔ)問(wèn)題——機(jī)器是否可以思考,從而拉開了人工智能技術(shù)的研究序幕。人工智能的發(fā)展脈絡(luò)如圖1所示,經(jīng)歷了的幾個(gè)時(shí)期的起伏,歷經(jīng)幾代研究者的努力,終于成長(zhǎng)為一門重要學(xué)科。20世紀(jì)40年代人工神經(jīng)網(wǎng)絡(luò)模型的誕生,成為了人工智能學(xué)科的基石,在20世紀(jì)50年代人工智能迎來(lái)了第一個(gè)上升期,得到了飛速的發(fā)展,一系列理論和方法在當(dāng)時(shí)被提出。然而由于計(jì)算能力的限制和智能化實(shí)現(xiàn)程度的不足,在20世紀(jì)60—70年代大部分人工智能項(xiàng)目停擺,人工智能研究進(jìn)入衰退期。進(jìn)入20世紀(jì)80年代,專家系統(tǒng)理論的出現(xiàn)突破了利用人工智能解決問(wèn)題的能力,而機(jī)器學(xué)習(xí)算法的出現(xiàn)則大大增強(qiáng)了神經(jīng)網(wǎng)絡(luò)能力,完成了人工神經(jīng)網(wǎng)絡(luò)在理論和應(yīng)用方面的重生。而后,隨著基礎(chǔ)設(shè)施的提升,數(shù)據(jù)處理能力和計(jì)算水平也在逐步增強(qiáng),以及人工智能領(lǐng)域內(nèi)的大部分算法也進(jìn)行了改進(jìn)和融合,人工智能技術(shù)進(jìn)入了一個(gè)飛速發(fā)展的時(shí)期。而移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)產(chǎn)業(yè)的繁榮,又進(jìn)一步推動(dòng)了人工智能技術(shù)的行業(yè)融合,自動(dòng)駕駛、生物識(shí)別、自然語(yǔ)言處理等應(yīng)用場(chǎng)景都出現(xiàn)了人工智能技術(shù)的身影,人工智能正在深刻地影響著人們生活的各個(gè)方面。

圖1 人工智能技術(shù)發(fā)展脈絡(luò)Fig.1 Development vein of artificial intelligence technologies

人工智能技術(shù)演進(jìn)路線如圖2所示。人工神經(jīng)網(wǎng)絡(luò)是最早被提出的人工智能技術(shù),也是沿用至今應(yīng)用最為廣泛的技術(shù),基于神經(jīng)網(wǎng)絡(luò)拓展的深度學(xué)習(xí)技術(shù)是目前最為先進(jìn)的學(xué)習(xí)算法。模糊邏輯用于建設(shè)涉及模糊推理和模糊集相關(guān)的智能系統(tǒng),專家系統(tǒng)通過(guò)錄入行業(yè)專家經(jīng)驗(yàn)信息形成規(guī)則庫(kù)以指導(dǎo)事件求解和預(yù)測(cè),遺傳算法則是通過(guò)模仿生物的進(jìn)化原理,用交叉和變異的計(jì)算手段進(jìn)行推理計(jì)算。進(jìn)入20世紀(jì)80年代后,人工智能技術(shù)有了很大的提升,各種演進(jìn)的機(jī)器學(xué)習(xí)算法能夠提供更加可靠、準(zhǔn)確、高效的求解和預(yù)測(cè)結(jié)果,同時(shí)由于計(jì)算能力的大大提升,各種混合智能系統(tǒng)出現(xiàn)在不同解決方案中,成為人工智能應(yīng)用的新方向。

圖2 人工智能技術(shù)演進(jìn)路線Fig.2 Evolution route of artificial intelligence technologies

1.2 人工智能技術(shù)的定義和范疇

人工智能很難以一個(gè)確定的概念去定義,它可以被定義為計(jì)算機(jī)科學(xué)的一個(gè)分支,致力于智能行為的自動(dòng)化^[5]。目前的人工智能理論研究一直呈現(xiàn)“三足鼎立”的趨勢(shì)：其一,研究在計(jì)算機(jī)平臺(tái)上編制軟件來(lái)解決諸如定理證明、問(wèn)題求解、機(jī)器博弈和信息檢索等復(fù)雜問(wèn)題;其二,針對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行研究;其三,對(duì)于感知-動(dòng)作系統(tǒng)以及多智能體進(jìn)行研究^[6]。

由這些主要研究方向可以看出人工智能一直存在兩個(gè)比較明顯的發(fā)展方向,也可以將之區(qū)分為強(qiáng)人工智能和弱人工智能。所謂弱人工智能,是指通過(guò)人類編寫好的算法或者軟件智能化地去解決和計(jì)算某些問(wèn)題,這樣的算法或軟件只是采用一些智能化的計(jì)算工具,例如神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊邏輯等,而計(jì)算行為需要人為觸發(fā)或控制,弱人工智能的目標(biāo)是通過(guò)智能化計(jì)算更好地解決一些復(fù)雜問(wèn)題。而強(qiáng)人工智能是指通過(guò)對(duì)生物行為或大腦的研究和模仿,以期達(dá)到對(duì)意識(shí)、情感、理智三位一體的人工智能建模,簡(jiǎn)單來(lái)說(shuō)就是通過(guò)無(wú)監(jiān)督學(xué)習(xí)、人工生命、神經(jīng)網(wǎng)絡(luò)等技術(shù)讓機(jī)器具有人類的感知、思維和情感。目前這兩個(gè)方向的人工智能研究均存在一定進(jìn)展和成果,而2個(gè)方向的融合也是未來(lái)人工智能演進(jìn)的方向。

 2 人工智能技術(shù)應(yīng)用分析

2.1 人工智能的關(guān)鍵技術(shù)

根據(jù)人工智能技術(shù)的演進(jìn)路線,就當(dāng)前的使用場(chǎng)景來(lái)看,人工智能關(guān)鍵技術(shù)主要可以分為以下3類。

2.1.1 數(shù)據(jù)挖掘與學(xué)習(xí)

當(dāng)面對(duì)大量的數(shù)據(jù)需要進(jìn)行深度數(shù)據(jù)挖掘、明晰數(shù)據(jù)之間的聯(lián)系時(shí),通常采用的方法是人工智能的一個(gè)重要分支——機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)是研究如何使用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)活動(dòng)的方法^[7],按照學(xué)習(xí)干預(yù)方法可分為有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí),按照學(xué)習(xí)方法可分為決策樹學(xué)習(xí)、知識(shí)學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、競(jìng)爭(zhēng)學(xué)習(xí)和概率學(xué)習(xí)等。決策樹學(xué)習(xí)算法是經(jīng)典的分類學(xué)習(xí)算法,從大規(guī)模數(shù)據(jù)中構(gòu)建決策樹,并利用所有訓(xùn)練集數(shù)據(jù)進(jìn)行決策樹的訓(xùn)練來(lái)完成學(xué)習(xí)過(guò)程^[8]。強(qiáng)化學(xué)習(xí)是一種自適應(yīng)學(xué)習(xí)方法,通過(guò)在迭代中調(diào)整參數(shù)值以達(dá)到強(qiáng)化信號(hào)的最大化,完成最優(yōu)策略的建立。概率學(xué)習(xí)是利用像貝葉斯模型這樣的概率模型進(jìn)行訓(xùn)練數(shù)據(jù)的計(jì)算,從而得出學(xué)習(xí)模型和決策^[9]。人工神經(jīng)網(wǎng)絡(luò)是早期最重要的學(xué)習(xí)算法,通過(guò)對(duì)人腦神經(jīng)元的模擬來(lái)建立節(jié)點(diǎn)之間相互關(guān)聯(lián)的模型,并對(duì)每個(gè)節(jié)點(diǎn)的輸入和輸出進(jìn)行計(jì)算,從而完成學(xué)習(xí)模型的建立。

深度學(xué)習(xí)技術(shù)正是結(jié)合了多層人工神經(jīng)網(wǎng)絡(luò)和卷積計(jì)算的一種學(xué)習(xí)算法^[10],多層神經(jīng)網(wǎng)絡(luò)可以通過(guò)權(quán)值設(shè)置和反饋迭代優(yōu)化計(jì)算結(jié)果,并且輸入層的多個(gè)節(jié)點(diǎn)還能實(shí)現(xiàn)并行計(jì)算,能夠很好地處理海量數(shù)據(jù)并通過(guò)訓(xùn)練生成模型,完成對(duì)歷史數(shù)據(jù)的學(xué)習(xí),并在接收新輸入時(shí)進(jìn)行結(jié)果預(yù)測(cè)。

2.1.2 知識(shí)和數(shù)據(jù)的智能處理

專業(yè)領(lǐng)域的知識(shí)處理和問(wèn)題求解一般使用專家系統(tǒng),它將探討一般問(wèn)題的思維方法轉(zhuǎn)變?yōu)檫\(yùn)用專門知識(shí)求解專門問(wèn)題,實(shí)現(xiàn)了人工智能從理論研究向?qū)嶋H應(yīng)用的重大突破^[7]。專家系統(tǒng)一般由知識(shí)庫(kù)和推理機(jī)組成,通過(guò)知識(shí)標(biāo)識(shí)、知識(shí)獲取、知識(shí)存儲(chǔ)等操作完成知識(shí)庫(kù)的建立,再利用推理機(jī)進(jìn)行機(jī)器推理或模糊推理等操作,進(jìn)而得到基于知識(shí)的推理結(jié)果。專家系統(tǒng)將特殊領(lǐng)域?qū)＜业膶I(yè)知識(shí)和經(jīng)驗(yàn)引入系統(tǒng)中,并將這些專業(yè)知識(shí)凝練為規(guī)則,大量的規(guī)則可以形成規(guī)則庫(kù)。在問(wèn)題求解過(guò)程中,規(guī)則庫(kù)可以代替人類專家使得程序具有智能化。與早期單純基于規(guī)則的推理系統(tǒng)相比,目前的專家系統(tǒng)正逐漸與其他學(xué)科融合,出現(xiàn)了基于框架、基于案例、基于模型、基于神經(jīng)網(wǎng)絡(luò)以及基于Web等多種專家系統(tǒng)模型,專家系統(tǒng)正成為人類進(jìn)行智能管理與決策的重要工具和手段^[11]。

2.1.3 人機(jī)交互

人機(jī)交互是目前人工智能的另一個(gè)技術(shù)熱點(diǎn),主要實(shí)現(xiàn)機(jī)器的智能化,確保機(jī)器和人類交互過(guò)程的順暢。人機(jī)交互的實(shí)現(xiàn)一般要應(yīng)用到機(jī)器人學(xué)和模式識(shí)別等技術(shù)。機(jī)器人學(xué)主要研究如何使機(jī)械模擬人的行為,而人工智能領(lǐng)域內(nèi)的模式識(shí)別是指用計(jì)算機(jī)代替人類或幫助人類進(jìn)行感知,也就是讓計(jì)算機(jī)系統(tǒng)模擬人類通過(guò)感官獲取的對(duì)外界的各種感知能力^[7]。目前的人機(jī)交互形式包括通過(guò)實(shí)物進(jìn)行交互、通過(guò)觸控屏幕進(jìn)行交互、通過(guò)虛擬現(xiàn)實(shí)進(jìn)行交互以及多種交互方式綜合的多通道交互等。因此,人機(jī)交互技術(shù)的實(shí)現(xiàn)不僅要依靠硬件的提升,同時(shí)還涉及到手勢(shì)識(shí)別技術(shù)、語(yǔ)音識(shí)別技術(shù)、觸覺(jué)反饋技術(shù)、眼動(dòng)跟蹤技術(shù)以及3D交互技術(shù)等 ^[12]。人機(jī)交互可以使用戶擺脫常規(guī)輸入設(shè)備的束縛,并從復(fù)雜的人機(jī)交互場(chǎng)景中有效提取分析對(duì)象,實(shí)現(xiàn)自然的人與機(jī)器的感知交互^[13]。

2.2 人工智能技術(shù)應(yīng)用現(xiàn)狀

在人工智能的發(fā)展和應(yīng)用方面,谷歌公司一直走在前面。谷歌DeepMind團(tuán)隊(duì)開發(fā)的AlphaGo圍棋人工智能程