孙柏林;刘哲鸣回转式压缩机
【摘 要】人工智能作为21世纪科技领域最为前沿的技术之一,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门前沿技术科学.该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等.人工智能作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量.目前,仪器仪表正从自动化向智能化方向发展,这不仅对提高生产效率、优化产品质量,加速国内现代化建设具有极其重要的作用,同时在向智能化、微型化、虚拟化发展的进程中,更好地满足社会和人类的发展需求. 【期刊名称】《仪器仪表用户》
【年(卷),期】2017(024)012
【总页数】6页(P101-105,57)
【关键词】人工智能;仪器仪表;应用;虚拟仪器技术;测控系统;微处理器技术;专家系统
夸克电影网
【作 者】261医院孙柏林;刘哲鸣
【作者单位】中国仪器仪表学会产品信息工作委员会,北京100043;中国仪器仪表学会产品信息工作委员会,北京100043
【正文语种】中 文
【中图分类】TH
目前中国的仪器仪表行业过于依靠传统技术，虽然大多数企业都有所意识，也做出了相应的应对措施，对产品结构、服务研发以及人员配置进行了调整，然而真正能展开并起到实效的企业微乎其微。面对日益激烈的竞争和挑战，中国仪器仪表企业，尤其中小企业却存在着很多问题，如产品的不稳定性，产品的寿命短等，总有一天这种滞后性会给仪器仪表行业带来致命性地冲击。这是仪器仪表行业的领导成员必须要重视的问题。
“智能”源于拉丁语Legere，字面意思是采集、收集、汇集，并由此进行选择，形成一个东西。Intelegere是从中进行选择，进而理解、领悟和认识。经过几个世纪之后，新技术已使人们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵提出了“自动机”理
金属材料论，把研究会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为“人工智能之父”。
人工智能亦称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。人工智能的研究从1956年正式开始，这一年在达特茅斯大学（达特茅斯学院Dartmouth,College建于1796年，位于新罕布什尔州汉诺威Hanover，是美国第九所历史最悠久的学院，也是闻名遐迩的常春藤学院之一）。召开的会议上，由4位图灵奖得主、信息论创始人和一位诺贝尔奖得主，一起将人工智能的名词定义出来。正式使用了"人工智能"（Artificial Intelligence，英文缩写为AI）这个术语。
计算智能，即快速计算和记忆存储能力。10多年前，IBM深蓝计算机战胜了国际象棋大师卡斯帕罗夫，当时震惊了世界。象棋机器人能够战胜人类，靠的就是超强记忆能力的运算速度，能够预测到十几步以后的结果，这就属于计算智能。
感知智能，即视觉、听觉、触觉等感知能力。人和动物就是通过各种智能感知能力与自然界进行交互。感知智能方面最形象的一个研究项目就是自动驾驶汽车，谷歌和百度都意欲
在这个方面实现突破。机器不需要了解各种知识，只需要用各种传感器对周围的环境进行处理、自动控制就可以实现自动驾驶。
认知智能，也是目前各大科技巨头都在迫切寻突破的领域，通俗来说就是“能理解会思考”。人类有语言，才有概念、推理，所以概念、意识、观念等都是人类认知智能的表现，这也使人类能够明显区别于动物。人工智能将涉及到心理学、哲学和语言学等学科。
feidele人工智能的概念很宽，所以人工智能也分很多种，当前，人们将人工智能分为以下3大类：
一是弱人工智能：擅长于单个方面的人工智能。比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。
二是强人工智能：人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多。这里的“智能”是指一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。
三是超人工智能：牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为“在几
乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。
2016年3月15日谷歌机器人AlphaGO:4:1:战胜了围棋世界冠军李世石，之后又在今年的5月27日连续3次战胜了柯洁。AlphaGO就是利用深度学习模型，对局势做了评估，并收藏了3000万盘棋谱的特性，最后形成综合方案。从而在围棋这一规则相对比较固定的项目上，达到人类最顶尖的水平。人工智能可以模拟甚至是取代人类的部分脑力活动。北大光华院长刘俏表示：“依赖大数据和深度学习，AlphaGo只用了两年时间就完成了从业余棋手到世界第一围棋手的超越。”同时，他认为，人工智能挑战着现有的产业逻辑和秩序，甚至人类有关智力的认知。
自从Dartmouth会议以后，人们陆续发明了第一款感知神经网络软件和聊天软件，证明了数学定理，那个时候大家都惊呼“人工智能来了，再过10年机器要超越人类了”。不过，很快到了70年代后期，人们发现过去的理论和模型，只能解决一些非常简单的问题，很快人工智能进入了第一次冬天。
1982年Hopfield神经网络和BT训练算法的提出又一次引发了人工智能的浪潮，出现了包括
语音识别、语音翻译计划，以及日本提出的第五代计算机。20世纪90年代后期，人们发现这种东西离人们的实际生活还很遥远。因此，在2000年左右第二次人工智能的浪潮又悄然熄灭。
接下来是第三次人工智能浪潮，2006年Hinton提出的深度学习技术，在图像、语音识别以及其他领域内取得成功。人工智能经历了两次起伏，开始进入了真正爆发的前夜。
2016年4月22日，在北京国家会议中心由中国人工智能学会发起，联合中国互联网协会、中国计算机学会等20多家国家一级学会及协会举办的“2016全球人工智能技术大会（GAITC）暨人工智能60周年纪念活动”启动仪式上，来自学术界和产业界的全球人工智能领域顶级专家们给出了答案。图灵奖
专家们认为人工智能在第三次最近10年浪潮中，在工业界取得了一些进步的成果。首当其推深度神经网络，其模型和算法与传统的方法是有本质的不同，虽然它与人类的神经网络相比，还有很多不足，但是确实在架构和描述方面有其强大之处；其次，大数据随着移动互联网的迅猛发展，数据每天都是以指数级增加，通过手机和等，人们可以随时随地把视觉、听觉上的这些数据轻松地传到网上，汇聚起来形成大数据；第三，涟漪效应。随
着移动互联网的发展，各种软件、各种设备接触用户的门槛极大地降低了。例如，当一款新的APP到第一批用户时，他们使用的行为和记录就被后台记录下来了，开发者再对这种行为和记录进行迭代改进，当再把APP投向第二批用户的时候，软件行为已经比第一代提升了，这就是涟漪效应。随着迭代波浪越来越大的时候，软件会变得更加好用、更加智能。
但是，目前人工智能的发展面临来自于下列几方面的挑战：
一是生态学的挑战。认为独立于生态环境的内部表征不能揭示人的认知本质。人类完成现实任务的过程不是一种逻辑的、理性的、按部就班的符号处理，使用的是启发式、表象的、模糊的、近似的和不同策略的处理方式。
二是社会学的挑战。社会学认为人工智能千方百计地避免了社会文化因素和历史经验以及情感对人类认知过程的影响。
三是现象学的挑战和解释学的挑战。现象学认为，电脑没有考虑人类思维或认知过程中意识的作用。计算机，尤其是早期的物理符号加工模式不涉及意识的现象性、意向性和内省
性等问题。此外，解释学认为人工智能多注重认知的实验性和实证性，但有待加强其理论概括和解释性。
总的来说人工智能的每一次亮相，就像是一份“侵入式”的里程碑，向人们展示着未来的无限可能。
香港科技大学冠名讲座教授、国际人工智能学会会士杨强认为，人工智能的下一步突破将是通用性的人工智能，即将基于搜索和逻辑的人工智能方法与机器学习结合起来，形成一个完整的智能机器。在杨强看来，人工智能的成功需要3大条件：一是高质量的数据；二是能够开发出先进算法的人才；三是强大的计算能力。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议