人工智能研究大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇人工智能研究范文，希望它们能为您的写作提供参考和启发。

篇（1）

人们对于意识的探索和研究已有悠久的历史，近年来对意识的研究更受到了科学界越来越多的关注，但遗憾的是，在今天的科学中，对于意识许多问题仍是十分模糊的。诸如意识是如何起源的，意识的本质特性究竟是什么，意识对人的作用到底有哪些，意识的各种作用又是以什么方式实现的等一系列的问题，在现有的科学理论中是说不清的。这些都是意识研究的重要内容。

在本篇文章中，笔者主要是想介绍些意识研究中的人工智能问题，人工智能与人类智能的比较，以及笔者对人工智能是否能具有人类意识进行独立思维的想法。

1关于人工智能

“人工智能”一词最初在1956年Dartmouth学会上被提出的，后被研究者们发展和延伸出了众多的理论，人工智能的概念也不断地被扩展和丰富。人工智能是一门富有挑战性的科学，涉及到计算机、心理学和哲学等多个领域。就本质来说，人工智能是对人的思维的过程和程序的一种模拟。对人的思维的模拟可从两方面来进行模拟：一是结构模拟，仿照人类脑结构机制而制造出的“类人脑”的机器，但是由于人类对于自身的大脑和思维过程至今还没有一个明确的认识，所以这种可能性并不大，仍需要不断地探索；二是功能模拟，不是从人脑的内部结构上，而是从人脑的功能过程上来进行的模拟，现代电子计算机就是此种类型的模拟。

人工智能发展的50年间，人们对人工智能的认识经历了多次变化和范式转化过程，从符号主义、联结主义到行为主义，人工智能研究中智能思想的行成以及认识的变化吸取多元学科理论和方法，在假说和实证、改变和重构的经验积累和实践选择中发展。模拟人类思维、心灵复杂现象的人工智能学科研究势必遵循多元的研究取向和方式，并逐步向实体智能化发展，即逼近人体智能的发展。

2人类智能和人工智能的比较研究

人类智能和机器智能的比较研究是意识科学研究的一个重要的必不可少的方面。我们对于人工智能的研究，可通过继续探讨和研究意识科学，将意识科学中的一些原理应用到设定的程序里，他们之间的原理是互通的，作用是互相的。对于人类智能和人工智能的比较研究，可以从3个层次来进行。

一是物质层次。考察人脑和智能机在物质结构和物质运动上的特点和规律以及它们的相通和相异点。

二是信息和程序层次。考察人脑和智能机在信息形式和程序结构及程序运作上的特点和规律，并对它们进行比较。

三是意识层次。考察人脑和智能机在概念、命题和命题系统方面的建构机制及其不同的特点，分析和比较人脑和智能机在学习和记忆上的过程、方法及机制，考察和比较人脑和智能机在问题解决的策略和方法上的优劣等。

就意识和智能研究来说，研究的重心应该是在第3个层次，前两个层次的研究都应该围绕第3个层次的研究进行。

考虑到人类智能与机器智能的类似性和人类智能研究的各种现实困难，所以在意识科学研究中加强人工智能与人类智能的比较研究不仅十分有意义，也十分必要，而且这种研究也必将大大促进人类意识科学和人工智能学的发展。

3人工智能能否超过人的智能

人工智能从科学理论上来说，虽然具有超强的记忆能力，快速处理数据、搜索信息的能力，以及准确的执行能力，但是它不能够进行自主的学习，它没有想象力，它没有属于自己的灵魂。从哲学量变质变的角度讲，人工智能的发展必定会产生质的飞跃，发展越来越完善。但是究竟能不能实现人工智能的思维和意识，这也没有绝对的答案。世界还是充满了神秘和奇迹的，笔者相信人类再怎么发展也不会揭开所有的谜团，总有谜存在。宇宙会出现什么奇迹、发展成什么样子，并不能都会为人所控制和预料的。

在2001年发行的电影《人工智能》产生了很大的影响，这是著名导演斯皮尔伯格的作品。影片不仅叙述了一个感人的故事，而且向观众展示了不可思议的未来的“人工智能”，这些目前看来尚可称为“奇观”的世界。

影片内容是说在21世纪的中期，由于全球气候变暖，导致南极和北极冰雪熔化，形成一片片大海，地球上的很多城市均被淹没，在此时科学技术已经达到了非常高的水平，人工智能机器人业已被发明出来，用以应对恶劣的自然环境，这是应对恶劣自然环境的现代科技手段之一。这种先进的机器人，拥有着人类一样的外表，拥有着人类的喜怒哀乐，还可以像人类一样感知自己的存在。影片中的主角大卫就是一个像人类一样拥有着正常思维、思想和感情丰富的机器人，但它不会像人一样自然地成长及死亡，他拥有人鲜活的外表和思想，身体内部却是机器零件。他始终不能像人一样得到人类的爱，于是渴望变成真正的人类，踏上了寻找蓝仙女的旅程。

篇（2）

一、人工智能的定义

“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、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新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。

人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。

二、人工智能的应用领域

1.在管理系统中的应用

(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。

(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。

2.在工程领域的应用

(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist 2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。

(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。

3.在技术研究中的应用

(1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。

(2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。

三、人工智能的发展方向

1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。

2.智能信息检索技术的飞速发展。人工智能在网络信息检索中的应用,主要表现在:(1)如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。(2)由于网络知识信息既包括规律性的知识,如一般原理概念,也包括大量的经验知识这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素对其进行推理,需要利用人工智能的研究成果。

3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。

参考文献:

[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.

[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.

[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).

[4]周明正.人工智能在医学专家系统中的应用[J].科技信息, 2007.

[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).

篇（3）

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2012）35-8481-02

1　概述

人工智能作为一门学科，其研究目标就是制造智能机器和智能系统，实现智能化社会。具体讲，就是要使计算机具有自主发现规律、解决问题和发明创造的能力，从而大大扩展和延伸人的智能，实现人类社会的全面智能化。

2　人工智能的应用

2.1 人工智能的应用分类

2.1.1模式识别

识别是人和生物的基本信息处理能力之一。事实上，我们几乎无时无刻都在对周围的世界进行着识别。而所谓模式识别，则指的是用计算机进行物体识别。这里的物体一般指文字、符号、图形、图像、语音、声音及传感器信息等形式的实体对象，而并不包括概念、思想、意识等抽象或虚拟对象，后者的识别属于心理、认知及哲学等学科的研究范畴。也就是说，这里所说的模式识别是狭义的模式识别，它是人和生物的感知能力在计算机上的模拟和扩展。经过多年的研究，模式识别已发展成为一个独立的学科，其应用十分广泛，诸如信息、遥感、医学、影像、安全、军事等领域，模式识别已经取得了重要成效，特别是基于模式识别而出现的生物认证、数字水印等新技术正方兴未艾。

2.1.2专家系统

专家系统是应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系统。例如，能模拟名医进行辨症施治的诊断医疗系统就是一种专家系统。

专家系统的特点是其善于解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。有些专家系统还具有“自学习”能力，即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。

2.1.3智能机器人

智能机器人是人工智能技术的综合应用和体现，它的研制不仅需要智能技术，而且涉及许多科学技术和领域，如物理、力学、数学、机械、电子、计算机、软件、网络、通信、控制等等。

一般将机器人的发展分为三个阶段。第一阶段的机器人只有“手”，以固定程序工作，不具有外界信息的反馈能力；第二阶段的机器人具有对外界信息的反馈能力，即有了感觉，如力觉、触觉、视觉等；第三阶段，即所谓“智能机器人”阶段，这一阶段的机器人已经具有了自主性，有自行学习、推理、决策、规划等能力。这也正符合Agent的条件，所以，现在把智能机器人也作为一种Agent。

3　人工智能的研究

3.1　人工智能的研究目标和策略

篇（4）

中图分类号：TP391.4 文献标识码：A 文章编号：1009-3044（2012）33-8016-02

随着科学技术的发展，数字化时代正逐渐向智能化时代过渡，人工智能的研究取得了举世瞩目的成绩，基于符号处理的符号主义通过自动机理论来模拟人工智能取得了较好的效果，但知识达到一定的规模之后，规则利用和选择的问题就突现出来；以神经网络为代表的联结主义试图从模拟脑组织结构的方法解决人工智能问题，比较符号主义而言，对于机器学习、模式识别方面有一定的突破，但受脑科学研究成果的制约，人们对大脑的了解还不够深入；而行为主义认知基于维纳和麦克洛等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，提出了感知-动作模式。虽然人工智能取得了举世瞩目的成就，但也应该看到人工智能并未取得突破性进展，其中的一些专家系统虽然能解决某一领域的问题，但必须有严格的逻辑知识，有严格的范围限制。究其原因是人工智能没有解决其基本和核心的问题：意识问题。

文章首先分析了北京邮电大学钟义信教授提出的意识机理论与模型[1，2]，探讨了其成功之处，提出了值得继续探索的地方，给出了自己的基本观点。

1　意识的基本概念

意识在哲学家的眼里是相对于物质而存在的，是除物质以外的主观意识，是大脑对于客观世界的反映、理解和心理过程。在钟义信教授的文章“意识机理论与模型”中对意识做了如下定义：“意识”的概念理解为“对于外部刺激的感觉、记忆、理解和判断”的能力。所谓某个系统对某种刺激“具有意识”，主要是指这个系统对于这种外部刺激具有感觉能力、记忆能力、理解能力和判断能力。这种定义方法对于研究人工智能是有好处的。可以从信息的角度来处理意识问题。即：信息的感知、存储、逻辑推理等过程。

对于一个有意识的系统应当具有以下功能：一、信息感知、获取能力；二、信息加工和储存的能力；三、信息推理和选择运用的能力。智能可以定义为：在给定目的、环境、问题的情况下，获取特定信息，对信息进行加工以达到认知，生成策略信息，利用策略信息解决给定问题的能力。

2意识的生成机制

在钟义信教授的“意识机理论与模型”文章中提出了一种意识生成模型，把意识生成过程的外部信息分为两种，一种是“形象”分量，一种为“效用”分量。“形象”分量，指系统所感知的这个刺激的外部形象和姿态，包括它的外貌、形状等静态形式参数和动作、情态等动态形式参数，相当于全信息理论中的语法信息；刺激的“效用”分量，指对于系统所设定的某个目的而言，这个刺激可能会带来什么样的影响，是有利、有碍、还是无碍于实现系统所设定的目的，相当于全信息中的语用信息。其模型如图1所示。

1）　形象刺激的获取方法

现在考查一个试验和观察者组成的系统，记为（X，C，C*；R），其中R为观察者那主体，X为事件，C为先验肯定度分布，C*为后验肯定度分布。则信息量可用下式计算：

[I（C，C*；R）=I（C*）-I（C）=n=1NC*nlogC*n-n=1NCnlogCn] （1）

但这里计算出来的还是语法信息量，想当于Shannon的熵的定义。而且上式只适用于归一的情况，即概率性事件。

对于偶发信息和模糊信息，肯定度是不规一的。不过可以通过一定的方式转化为归一的情况。

[I（C，C*；R）=1Nn=1NI（Cn，C*n；R）[=1Nn=1N[f*nlogf*n+（1-f*nlog（1-f*n）-fnlogfn）-（1-fn）log（1-fn）]]] （2）

2）　效用刺激的获取通过对语法信息的计算公式，可以推导出效用信息的计算公式：

[I（U，U*；R）=1Nn=1N[u*nlogu8n+（1-un）log（1-un）]-[unlogun+（1-un）log（1-un）]] （3）

I（U）表示R关于X的先验单纯效用信息量，I（U*）表示R关于x的后验效用信息量。I（U，U*；R）则表示试验过程所获得的实得效用信息量。

综合语用信息量则分两种情况表示为：

[I（μ）=n=1Nμnlogμn，（C=P）?（C=Q）=1Nn=1N[μnlogμn+（1-μn）log（1-μn）+log2]，C=F] （4）

有了效用信息才能进一步明确语义信息，采用类似于不归一语法信息的度量方法，可得如下公式。

[I（T，T*；R）=I（T*）-I（T）=1Nn=1N[t*nlogt*n+（1-t*n）log（1-t*n）]-[tnlogtn+（1-tn）log（1-tn）]] （5）

同理I（T）表示R关于X的先验单纯语义信息量，I（T*）表示R关于x的后验语义信息量。I（T，T*；R）则表示试验过程所获得的实得语义信息量。

3　改进的意识模型

此意识系统的功能模型的创新之处在于提出了目的的作用。任何系统都需要有目的，没有目的的系统是没有智能的。事实证明，单纯的形象刺激对于提高系统的智能化水平存在一定的瓶颈。而目的的引入有助于解决效用计算的问题，但是效用计算中的目的不是从外界引入的。而是系统中推导出来的。当然大的目的是编写软件时人为加入的。例如：象棋中的人机对战模式程序，大的目的就是机器要赢得比赛，这是人为引入的。而在计算每一步的得失时就是机器根据引入的目的分解出来的。所以目的也有宏观和微观之分。宏观的目的直接引入，微观的目的是根据形象刺激和记忆系统的相互作用而得来的。

3.1模型有效性推导

现考察人工神经网络的原理。人工神经网络起源于生物学的神经网络，是人工智能的一个分支。神经网络是一种固有的并行和分布式处理结构，由一组连接的输入/输出单元组成，每个连接都有与之相关联的权重，通过调整它们的相互连接的权重来进行学习。

人工神经网络常用于联想记忆，优化计算与决策，分类识别等领域[3-4]。

神经元的输入即形象刺激，用样本数据对人工神经网络进行训练时，宏观目的为人为设定，即要使人工神络网络具备模式识别的能力；而微观目的是在宏观目的的推导下产生，即要使每一个样本的输出接近于真实情况；而调整权值即为决策。人工神经网络已经是一种较为成熟的机器学习和模式识别技术。当然我们也可以运用到决策树或其它的模式识别理论上都能获得合理的解释，在此不再阐述，由此可以改进的意识机理模型在理论上是可行的。

4　总结及下一步工作

高级人工智能的研究是一项纯理论性的工作，而且非常复杂，研究的难点在于人类对于大脑的结构还知之甚少。该文在研究了钟义信教授的意识机模型后，非常兴奋，觉得引入目的的智能系统才是真正的智能系统，在此基础上，进一步地提出了目的的宏观性和微观性，使得意识机理模型更具有可操作性。

下一步还可以研究由语法信息到语义信息的具体算法及应用实例。

参考文献：

[1]　钟义信.　意识机：理论与模型[J].电子学报，2000，28（10）：41-44.

篇（5）

关键词：

人工智能；计算机辅助；工艺设计；应用

人工智能技术发展应用，为计算机辅助工艺设计注入新的活力，让计算机辅助工艺设计的水平、效率得到前所未有的提高。本文主要从人工智能入手，研究了人工智能在计算机辅助工艺设计中的应用。

1人工智能和计算机辅助工艺的概述

1.1人工智能

人工智能在计算机设备中的应用，让计算机设备具有人性化，满足计算机高级运用需求。目前，在推理能力基础上对人工智能进行研究已经获得明显成就，逐渐向并行化处理功能与模糊处理功能方向发展。

1.2计算机辅助工艺设计

计算机辅助工艺设计最初出现于上世纪70年代，计算机辅助工艺设计的出现引起了人们的重视，从目前发展来看，计算机辅助工艺设计的发展过程中经历了5个阶段：交互式、智能化、派生式、综合式与创成式等，而计算机辅助工艺发展的关键是智能化，也是未来计算机辅助工艺设计发展的方向。计算机辅助工艺设计的应用能够改变传统工作中人工重复性操作的情况，解放大批手工劳动，实现信息化技术，让人们将更多精力放在研发新技术和工艺上。同时，达到资源的优化配置，提升生产效率，节约生产升本，为生产提供技术支撑。

2人工智能在计算机辅助工艺设计中的应用

2.1人工智能技术

在计算机辅助工艺设计过程中应用人工智能技术，带来最明显的优点就是智能化，对于计算机辅助工艺设计来说，计算机辅助设计技术本身无法脱离辅助工具的范畴，但是，由于人工智能的运用，改变了计算机作为辅助工具的状态，使计算机辅助工艺设计系统具备相应的智能分析能力。目前，在计算机辅助工艺设计中人工智能技术的有效运用，具体体现在推理能力上，主要包括模糊推理功能与混沌理论推理功能。在实际运用人工智能技术过程中这些推理功能都是相互渗透综合使用的，而不是单独使用的，它们在使用过程中发挥各自优势，弥补双方缺陷。例如人工神经网络技术的特性具有自觉形象思维，而模糊图例特性具有逻辑思维，人工智能技术可在计算机辅助工艺设计过程中将这两种技术进行互补，以此提升计算机辅助工艺设计系统的智能化水平。在计算机辅助工艺设计研究的领域中，大部分研究主要集中在研究机械产品设计理论、方法上，而研究辅助工艺设计的技术相对较少。由于设计活动中辅助工艺设计和机械产品设计存在趋同性，所以，可以推断出计算机辅助工艺技术智能化设计理论和方法主要有三部分构成：基础科学层、智能化设计方法层级信息技术层。

2.2遗传算法

遗传算法作为计算机辅助工艺设计系统中人工智能的重要系统，是指模仿达尔文遗传选择与自然淘汰生物进化论过程的一种计算模型，能够通过模仿自然进化论搜索出最优解的方法。遗传算法是开始于代表问题中可能存在的解集种群，而这些种群的组成主要是基因编码个体联合形成的，每一个基因编码个体实际上就是染色体特性的实体。所以，在工艺设计初期，需要将表现型到基因型的编码工作全部完成。例如二进制编码，在初代种群全部完成后，根据优胜劣汰以及适者生存的原理，对产生的近似值进行演化，按照问题当中的实体适应度在每一代中选出合理的实体，并通过自然遗传学的算子让种群组合变异再组合，从而形成新的解集种群。这些种群的变化过程就相当于进化过程，后代会比前代更加适应环境，而最后一代种群中的最有实体经过解码之后，可以将其作为问题最优解的近似值。

2.3人工神经网络技术

计算机辅助辅助工艺设计的产品相对比较复杂，影响因素具有不确定性早期只能依靠成组技术的CAPP系统和以往操作经验来解决这些产品工艺设计的问题，整个生产设计工艺的效率低。随着人工神经系统技术的产生、应用，有效解决了这些问题，提高了计算机辅助工艺设计的技能。人工神经网络技术是根据生物神经系统的基本原理对真实世界客观事物进行处理，主要由单一的非线性处理单元合并形成的，可以分布、联合存储信息，同时自动组织、学习记忆。在计算机辅助工艺设计过程中人工网络神经技术的运用，可以自我适应、调节。例如计算机辅助工艺设计过程中，人工神经网络技术的运用，最初是核对基本数值与系统内部的具体情况，检测自身适应性，以此推演、修改神经网络中每个节点，从而调整网络运用的适应性。

2.4粗糙集技术

该项技术作为现代人工智能领域中计算机辅助工艺设计系统的模糊控制技术，粗糙集技术应用目的是为了有效解决计算机辅助工艺设计系统中模糊不清的问题。例如计算机辅助工艺设计系统一旦出现模糊不清的问题，人工智能技术即可通过迷糊对比分析方式，根据问题影响作用的大小对问题影响因素进行排列，同时，进行加权赋值，然后借助预设判断算法剥离冗余的条件属性与因素，最后剩下的条件因素即是模糊现象的正解。

3结束语

综上所述，人工智能是现代生产生活过程中效率的倍增器，在计算机辅助工艺设计中应用人工智能，可以提高计算机辅助设计系统的能力，提升工作质量与效率，节约成本，方便操作，为计算机辅助工艺的发展指明了新的方向。

参考文献：

[1]王一平.人工智能在计算机辅助工艺设计中的应用[J].自动化与仪器仪表,2012(04):90-92.

篇（6）

1.1模式识别

在对人工智能系统研究的过程中，对其模式识别版块的研究，实质上就是借用计算机技术，将人体对外界环境的感知功能以某种程序规整到计算机体系中，从而构建出智能化识别系统。[1]计算机体系可以将个体感知与识别能力呈现出来，在自体数据库信息资源的协助下，将文字、表格、声音以及图式等内容显现出来。人工智能系统中的模式识别通常要经历数据信息收集、预处理、基元提取、模式分类等流程。

1.2机器视觉

这一人工智能技术是在模式识别基础上发展起来的，其最大的功效是可以将人体视觉的识别功能虚拟化构建出来，在模仿人类对事物的理解功能上也体现出一定的优越性。对机器视觉功能的深入，在打破原有技术局限性方面有所建树，同时也使其演变成一门独立性较强的学科，在发展的进程中向更深层次延展。在对机器视觉研究过程中，工作运行的方向大多数是对个体视觉的模拟，确保机器人系统顺利的洞察与掌握生态景观等不同信息，对其进行深度探究从而构建出具有图像机器视觉效应，此时机器人自体具备了人的视觉功效，在立体视觉、视觉检验、动态图像分析等形式运行的进程中，机器人能够自行的对外部图像的内涵进行理解与挖掘，继而将反映机器人运转状态的信息资源提供给机器人运控控制系统。

1.3机器学习

机器学习可以被视为智能化发展的重要技术，最大的特色是对个体智力进行模仿从而达到获取知识资源的目标，此时机器人能够为人类提供更为优质的服务。在经济全球化时代中，人类对机器人工作质量提出更高的标准，这就要求机器人不断的学习新知，对自体属性进行科学的调整，实现在复杂化环境中高效运转这一伟大目标。机器学习的功效可以在以下几个方面体现出来：一是强化机器人在多变环境中的适应能力，顺利的采集大批量的信息资源并对其进行精确分析；三是借助学习环节机器人可以强化自体智能化档次，对多变的环境做出科学的回应，及时处理紧急问题；三是机器学习环节的启动，可以协助机器人设计者实现优化设计效果这一目标，节省了人力资源，降低了生产成本，最终辅助机器人实现优化运行效率这一终极目标。

2人工智能在智能机械人领域中的具体应用

2.1人工神经网络在机器人定位与导航中的应用

人工神经网络是在生物神经系统之上发展起来的一种对信息资源处理的方式，其独特之处在于能够处理那些无法用模型或者是相关规范概述的程序与体系，在解说非线性系统的结构与性能等方面体现出一定的统一性；具备着融合多元信息资源的性能，人工神经网络最常见的结构如图1所示。该类人工智能在移动机器人定位和导向环节具有较高的应用频率，主要得力于移动机器人多传感器信息整合借助了神经网络的诸多性质，此时机器人外部传感器的信息资源演变人工神经网络的传送处理目标体，这样操纵人员就可以顺利的获取到与移动机器人自体方位相关的信息资料，同时对阻碍物的位置、形状以及大小有一个较为确切的评估，在人工智能的协助下移动机器人顺利的躲避障碍物并且自置也明确化。

众所周知，摄像机标定为移动机器人视觉体系的重要版块，摄像机参数明确的过程便是智能机器人内部几何和光电参数整合的过程，同时其自体坐标系和外界坐标系两者的相对方位也体现出明确性，国内相关学者借用人工神经网络顺利实现上述目标。具体是在人工神经网络的协助下，直接采集到智能机器人摄像机呈现的图像信息资源，继而建设三维坐标系（x，y，z），从而明确摄像机内部几何与光电参数、自体坐标系与外界坐标系之间的关联性。如图1所示，人工神经网络首层为输入层，次层为隐含层，末层为输出层。[2]隐含层与输出层神经元的类型分别是S型激活函數以及线性激活函数，网络输入层则是移动机器人目的点在3个摄像机内所有的图像信息资源，输出层构建的坐标系类型为三维世界坐标。人工神经网络在移动机器人运作进程中的应用，能够使操作人员获得到与目标物在三维空间内较为精确的位置信息资料，在人工智能的协助下，智能机器人在方向引导过程中能够使障碍点的方位更加明确化，轨迹追踪这一目标也得以实现。

2.2专家系统在机器人控制中的应用

人类对机器人控制理论的研究脚步从未停歇过，也取得了令人欣慰的科研成绩，致使大部分机器人控制方法均是在某些数学模型上发展起来的。基于智能机器人具有非线性、顺变性、多关节耦合性等动力学特性，为数学模型参数与类别的确定设置了较大的难度系数。并且在动态式数学模型在应用过程中准确性受到智能机器人位置变动而发生变更的现状，导致庞大的计算任务难以在该方法的协助下完成。在这种局势下，智能控制理念被提出来了，其能够对个体行为方式进行模拟，而不需要大批量数学模型与公式的协助。目前智能控制与人工智能领域的多个结构产生关联，常见的有专家系统、神经网络、模糊控制等。

2.3进化算法在机器人路径设计中的应用

路径设计是智能机器人领域一直被研究的专题。基于路径设计是智能机器人构建的重要成分这一实况，路径设计的宗旨是协助移动机器人在某些因素的制约下，能够顺利探寻出一条从初始状态到终极状态的优良型、无碰撞型的路径。在智能机器人路径的设计方面，众多学者开展了大量的探究工作，并研发出一些方式方法。

在人工智能领域不断延展的进程中，计算智能与进化智能法先后被开发出来，遗传算法与蚁群等算法也陆续被提出与应用，从而使智能机器人路径设计工作的实效性有所保障。特别是遗传算法在机器人路径设计环节中的运用，使机器人智能化水平更上一层楼，此时其运行的轨迹基本上与预期效果相吻合。有研究人员应用遗传算法的过程中不断对其实施改良措施，并积极在陌生环境中，借用动态化手段对机器人路径进行设计规划，此时其借用遗传算法体系中路点坐标值可变长染色体编码方法，创建出涵盖障碍物排斥子函数项的代价函数。这一人工智能形式在智能机器人领域中的应用，确保路径设计环节中的地图信息资源顺利融合进遗传操纵进程中。在对遗传算法不断应用与改进的过程中，研究人员积极对被设计的机器人路径应用形式进行深层次的研究，开发出两种遗传算子，即交叉算子与变异算子，在多样化进化算法的协助下，智能机器人在运转的过程中在对路径探寻之时取得了最佳效果，从而使移动机器人运行的效率得到切实的保障，当然，使移动机器人路径设计工作获得更大的发展空间也是毋庸置疑的事实。

3人工智能的发展前景

在知识经济一体化时代中，人工智能发展体现出高效性，应用环节上体现出管理广泛性，这不在人类预期范围之内的，所以说人类在预测电子科技、人工智能以及机器人发展趋势上存在较大的难度系数。现阶段，人工智能机器人的推理功能水平已经提高到一定的档次，但是机器人学习与想象功能的研制依然处于开发阶段，在智能机器人的创造方面，科研人员工作的难点是仿照人脑右脑模糊功能以及整个大脑的处理功能。[4]现阶段，人工智能领域不断被拓宽，可以间接的推测出其在机器人中的应用比例不断加大，众多人工智能产品已经在人类实际生活中得到切实的应用，并取得了良好的应用成效。可以推测的是，在未来的发展中，电子科技人工智能的开发与应用将使给人类的生产生活发生巨大的变化。人工智能在发展的进程中将会积极借鉴计算机技术，从而确保人工智能理论等方面研究的深入性。国内一人工智能企业也将会不断强化自体实力自身实力，从多个方面强化智能机器人实效性，使其为社会经济的发展提供更大的能量。

4结束语

总之，在电子科技迅猛发展的时代中，人工智能将会在智能计算机领域获得更大的应用空间。相关技术开发部门也应该紧随时展的脚步，对人工智能系统进行改造与优化，从而确保机器人能够在复杂多变的环境中协助人类完成高难度的工作任务，为社会经济的保值增值贡献力量。

参考文献 

[1] 赵绍充.基于人工智能的流水线智能机器人设计与验证[J].中国战略新兴产业，2016（28）：71-75. 

[2] 沈小波，韩舒淋.人工智能等技术重塑机器人产业后者迎来大机会[J].信息与电脑（理论版），2016（17）：8-14. 

篇（7）

一、相关概念

（一）人工智能。人工智能是一门研究、理解和模拟人类智能，并且发现其内在规律的学科。它是计算机科学的一个分支，试图发现智能的实质，并创造出一种以人类思考的方式做出相似反映的智能机器。同时，它又是计算机知识、心理学知识和哲学知识的集合，模拟人的意识和思维过程，让机器能够做到只有人类智慧才能做到的复杂的事项。

（二）智能家居。智能家居是嵌入式技术、通信技术和网络技术的集合，通过系统将各种家居与人们的居家生活紧密结合，以提高人们生活的舒适感和安全感。随着人工智能的迅猛发展，智能家居正与人工智能紧密结合，让消费者享受到更人性化的居家体验。

二、文献综述

欧阳婷梓研究了人工智能对智能家居的影响，认为人工智能应用的落地将会使智能家居产业升级，同时还指出Al技术还有待突破，市场决定人工智能能否再次爆发。荣华英和兼国恩研究了人工智能发展背景下国际智能家居行业贸易发展前景，认为国际智能家居行业贸易将朝智能产品设计、智能生产制造、智能高效物流和智能商业服务方向发展。吴斌在研究我国智能家居系统发展存在的问题时，指出要制定行业标准体系，降低系统成本并完善售后服务。

观察现有研究，发现有关人工智能时代下智能家居行业发展的研究仍相对较少，本文指出Al对智能家居行业发展的影响，指出未来发展机遇，并预测未来该行业的发展趋势，对行业发展具有指导意义。

三、智能家居行业发展现状

（一）国际智能家居行业发展现状。美国的Amazon Echo、Google Home和Apple HomeKit占据了国外的智能家居语音控制平台市场，Contro14 利用Zigbee技术可以与世界知名品牌的家电产品连接，控制各种设备和系统；英国的Laing Homt公司早在2000年建立了“智能家居”示范街，给每栋房子都装上了智能管理系统，近年也在国内建立起了一些智能家居体验式展厅；日本软银生产的Pepper人形情感机器人能够读懂人类的情感，并做出相应的反映，在各种场合为人们服务，松下于2017年“Panasonic Home+全屋智能”战略，让全屋各个部分的功能都智能化；德国的Apartimentum未来型公寓将物联网应用和先进科技结合起来让住户的生活更加简洁舒适。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示智能家居市场规模逐年上涨，但增长速度开始放缓，随着人工智能的发展，行业开始进入技术融合，技术沉淀打造更加智能的家居用品的阶段，2016～2018年全球智能家居市场规模变化如图1所示。

（二）国内智能家居行业发展现状。2012年智能家居行业进入快速发展期，深受大众追捧，但进入2015年，销售增速开始放缓，随着政策的扶持，2016年市场规模增速开始上涨。工信部数据显示，我国物联网产业规模发展迅速，2010年规模超过2，600亿元，2015年达到7，500亿元，2020年产业规模将突破15，000亿元，物联网在智能家居、智能社区和智慧城市等领域发展愈发强劲。面对如此红利，相关企业加快布局，海尔建立U-home平台、美的建立M-Smart平台、阿里巴巴建立人工智能实验室并了智能音箱等产品。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示，未来几年智能家居市场规模持续上涨，市场前景看好，市场规模增长情况如图2所示。

智能家居产业错综复杂，涉及众多产品，根据目前各企业涉及的领域，大致分为六个流派：以海尔、美的为代表的传统家电企业，通过将原有的产品智能化提高销售；以阿里巴巴和京东为代表的互联网企业，通过自产智能硬件或与传统家电企业建立合作涉足智能家居行业；以华为和小米为代表的手机硬件企业，通过研发软件、生产硬件和建立智能家居生态系统进军智能家居行业；以Honeywell、Bosch和松下为代表的安防企业，在本身安防设备的基础上智能化，占据智能家居安防市场；以Amazon Echo和Google Home为代表的国外智能家居企业，通过语音识别和人工智能技术进军国内市场；以及一些提供云平台服务和小型硬件的供应商。

四、当前智能家居行业面临的问题

（一）缺乏规范统一的标准。在整个智能家居产业中，至今还没有制定统一的标准，导致各大公司各行其道，各自开发自己的系统，与其他厂商开发出来的系统并不兼容，目前具有代表性的是谷歌、苹果、微软加入了高通主导的AllSeen联盟，英特尔、三星、戴尔等公司组成了智能家居设备标准联盟OIC。之后，谷歌在收购Nest之后力推Thread，苹果自家提出Homekit。一方面用户的智能体验降低；另一方面加重了用户的转换成本。而人工智能是一项复杂的产业，它不是一两家公司就能经营好的，它需要各领域的公司参与进来研发技术、搭建平台、生产终端，各司其职，并用统一的标准将各个环节连接起来。

（二）缺乏人性化的伪智能。目前，智能家居产品大多通过手机来实现，但有些厂商以“智能”为噱头，将原本简单的操作强加到手机上，使得手机承担较多的功能。然而，除了年轻人对智能手机的操作较为熟悉，其他用户面对复杂的“智能”操作只能望而却步，严重缺乏人性化设计。

（三）需求低且价格高。一方面智能家居概念映入人们眼帘的时间较短，人们对智能家居还不太了解；另一方面智能家居智能化水平不高，操作复杂，运行过程中经常出错，严重打击了消费者的体验。同时，目前的技术水平有限，技术和产品的研发需要较高的研发费用，加上日常的维护费用，导致智能家居的消费价格偏高，打击了消费者的购买欲望。

（四）信息安全存在隐患。物联网信息传输过程中，个人信息极易被黑客窃取，不法分子通过这些个人信息进一步窃取用户的财产，会造成巨大的社会不稳定，对智能家居未来发展构成巨大威胁。如果智能家居产业在未来想占据较大一部分家居市场，就必须克服信息安全问题，加大信息的监管力度。

五、Al助力智能家居行业发展

（一）AI与智能家居结合进入最终状态。经过几十年的发展，智能家居经过了用App远程控制家电的单品智能化和多个电器间相互感应的智能互动两个阶段，以上两个阶段均为弱智能阶段，得通过手机来操作。而第三阶段是家居产品与人工智能的深入结合，赋予家居产品人性化，摆脱手机的操控，通过自主学习、主动记忆、自主决策为用户提供舒适的生活。

（二）提升全新的交互体验。语音交流以其与人交流的亲和感，成为当今最流行的人机交互方式。人类通过语音给机器下达指令，机器通过语音识别执行指令。近几年，语音识别技术取得重大突破，语音识别准确率达到97%以上。而智能音箱具有语音交互、提供音乐和有声读物等媒体内容、提供多种互联网服务以及可以对智能家居进行控制等功能，深受大众追捧，因而被称为智能家居的入口。为抢占智能家居的入口，互联网各大巨头纷纷加紧研究抢占市场。2014年11月，亚马逊推出智能音箱Echo，至今已有几千万的销量，随后谷歌推出GoogleHome，微软推出Cortana，紧接着国内的京东推出叮咚音箱，阿里巴巴也推出了“天猫精灵”，小米推出“小爱同学”。

（三）提供更安全、可控的应用环境。传统的密码输入和保护方式已经不再满足人们对操作便捷性和安全性的要求，于是推动了人们对生物识别技术的开发。生物识别是指通过计算机与生物传感器等高科技结合，提取人固有的生理特征和行为特征，以鉴定个人身份。目前人脸识别、指纹识别和虹膜识别已经得到广泛的应用。为达到更高的安全水准，通过红外线照射获取手指静脉图像的指静脉技术也在紧密研究当中，极大地迎合了人们对智慧生活的追求。

六、我国智能家居发展的机遇

（一）我国加速进入老龄化社会，智能家居需求增大。因为工作关系很多子女与父母在异地生活，难以妥善地照顾好父母的生活，而智能家居可以方便老人们的日常生活，提高老年人的生活质量，加上多年财富的积累，老年人的经济实力比年轻人要高，随着老龄化进程的加快，老年人人口的比例将加重，多重原因结合起来支撑起了未来潜在的市场需求。

（二）“智能家居”概念将越来越普及。通过前些年“智能家居”概念的炒作，各大新闻客户端、网站的转载宣传，让越来越多的人认识了解到智能家居的相关概念。近些年各大浏览器对“智能家居”关键词的搜索数量大幅度增长，随着科学技术的发展，人们对智能家居产品的信赖感也在增强。如今人们购买家具，对房屋进行装修也会考虑适当引进智能家居的相关元素进入日常的起居中。

（三）居民收入增多，消费价格将降低。随着经济的不断发展，人们的收入也在逐年上涨，到2020年我国将全面建成小康社会，届时人们的收入水平将会大幅增长，相比2010年翻一番。经济增长的同时，科技也在飞速发展，技术水平的不断完善降低了智能家居产品的成本，同时电信运营商的网络费用也在下调，日常的运营维护成本也在下降，消费者的消费成本将会大幅下降，市场需求将会激增，市场规模将会扩大。

（四）政策扶持，发展道路顺畅。智能家居产业发展被写入政府工作报告，政府相继出台《“互联网+”人工智能三年行动实施方案》、《智能制造工程实施指南（2016-2020年）》、《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等指导性文件，促进智能家居、智能机器人、智能制造装备等领域产业发展。并成立“中国人工智能产业创新联盟”和“人工智能产业技术创新战略联盟”，把涉及人工智能领域的所有环节全面整合，扫除阻碍人工智能发展的一切障碍。

七、我国智能家居行业未来发展趋势

（一）标准日趋统一。当智能家居行业依旧遵循现在的发展方式，各企业各行其道，系统间互不兼容，消费者将会对该行业产生疲倦，未来市场规模可能难以扩大。除非出现一家领导性标杆企业，拥有自己的系统，能够生产出所有类别的智能家居产品，用户对该企业提供的方方面面都很满意，进而垄断了整个智能家居市场。很显然，出现这种情况的概率很小，没有一家企业可以力挽狂澜，所以市场逼着企业间建立起统一的标准，为用户提供便捷舒适的生活体验。

（二）AI与智能家居的完美融合。人工智能在智能家居领域的广泛应用已是大势所趋，只有智能家居与人工智能的完美结合才会让人们的生活更加便捷。未来智能家居将会更加智能化、人性化，能够准确抓住用户的喜好提供相应的服务，根据用户的工作安排相应的行程。一整套智能家居系统犹如一个智能管家，在最优的时间提供最优的服务。

（三）个人信息更加安全。个人信息的安全是制约智能家居市场规模扩大的又一要素，因此行业内将建立起一套世界领先的信息安全标准，并且该标准能够和各地的法律法规衔接好，收集到的数据能够安全地储存好，能够记录数据的产生时间地点等情况，以便需要的时候能够查证。

八、结语

人工智能时代下智能家居行业仍将在相当的一段时间处于一个无统一标准、需求低、价格高的阶段，但随着老龄化进程的加快，智能家居概念的逐渐普及、居民收入不断增加、产品价格的不断下降，智能家居产品的市场需求将会逐渐增长，将促使企业间制定规范统一的标准，人工智能将会与智能家居完美结合，为用户提供更加舒适便捷的生活。

（来源：合作经济与科技 文/陈功正 王腾 陆畅 王蕴鑫 陈黎阳 编选：电子商务研究中心）

主要参考文献

［1］陈晋.人工智能技术发展的伦理困境研究［D］.吉林大学，2016.

［2］邓中祚.智能家居控制系统设计与实现［D］.哈尔滨工业大学，2015.

篇（8）

中途分类号：TP39    文献标识码：A     文章编号：

引言:

计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为二十一世纪三大尖端技术、同时人工智能是一门汇集了多种学科相互渗透发展起来的交叉学科。对于人工智能的定义，至今尚未统一，美国斯坦福大学人工智能研究中心尼尔逊教授认为：人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学；麻省理工学院的温斯顿教授认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。除此之外，还有很多种不同的观点，但这些说法都形象地反映了人工智能学科的基本内容和核心思想，那就是：人工智能是研究如何用人工的方法在计算机上模拟、实现和扩展人类智能的一门科学与技术。

1. 人工智能技术的发展

人工智能（(Artificial Intelligence)从上世纪50年展到现在，有也有低迷的时期。研究的方法和研究的态度也有多种，不管是何观点,它们都推动着人工智能技术的发展。今天人工智能技术已渗透到人类生活的方方面面，实实在在的影响着科学技术的发展。

2. 人工智能技术的应用

我们可以看到，当今社会很多领域的各种技术的发展都涉及到了人工智能技术。下面就人工智能的几种典型应用做如下探讨：

2.1人工智能应用之问题的求解

人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。

2.2人工智能应用之逻辑的推理与定理的证明

人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。

2.3人工智能应用之自然语言的处理

智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。

2.4人工智能应用之模式的识别

如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。

2.5人工智能应用之智能信息的检索技术

在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。

2.6人工智能应用之专家系统

我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。

2.7人工智能应用之机器人学

机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。

3. 人工智能技术发展趋势

科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势：

3.1问题求解

问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。

3.2机器学习

人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。

3.3模式识别

用计算机实现模式(文字、声音、人物、物体等)的自动识别，弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。

3.4专家系统

专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。

3.5人工神经网络

人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线 性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许未来智能计算机的构成可能就是作为主机的冯•诺依曼型机与作为智能外围的人工神经网络的结合。

4. 结论语

人工智能的基本思想已经在许多领域中得到应用，对于人工智能技术未来的发展还有很多未知的可能，但无论如何发展都将推动人类在科学与生活领域的发展。

参考文献：

[1]胡勤.人工智能概述[J].电脑知识与技术，2010，（13）：3507-3509.

[2]朱福喜，汤怡群等.人工智能原理[M].武昌：武汉大学出版社，2002.87-91.

[3]张妮等.人工智能技术发展及应用研究综述[J].煤矿机械，2009，（02）：4-7.

[4]亓慧.议当代人工智能的应用领域和发展状况[J].福建电脑，2008，（05）：33.

[5]蔡自兴，徐光.人工智能及其应用[M].北京：清华大学出版社，2003.51-93.

篇（9）

关键词： 人工智能；研究现状；发展趋势；社会力量

Key words： Artificial Intelligence；research status；development tendency；social force

中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth学会后发展起来的新型学科，其有着涉及学科广、需要技术高端、使用范围广等特点。在过去的50多年时间中人工智能经历了学科发展中都会遇到的发展——否定——否定的否定阶段，现在人工智能大致分成了符号主义学派、行为主义学派、联结主义学派三大学派。其各有优势，独树一帜。一直以来重大前沿科学研究都是以国家牵头，等到时机成熟了再转为民用。这样无形中浪费了很多社会中的人才，比如android智能机的问世，当开发商源代码公布后android智能机获得了飞速的发展。这是社会资源集体作用的结果，人工智能能否通过这种方式获得飞速的发展呢，文中给出了问题的答案。

1 人工智能的现状

1.1 人工智能的发展过程 人工智能是由“人工”与“智能”组成。“人工”十分容易理解，也就是我们常说的人类开发研究出来的事物。“智能”则是十分复杂的一个词汇，是指如由意识（Consciousness）、自我（Self）、思维（Mind）（包括无意识的思维（Unconscious_mind））等等组成的有机集合。通常我们所说的人工智能是指人本身的智能。总体来说人工智能（Artificial Intelligence，AI）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新的技术科学。关于人工智能的传说一直可以追述到埃及，直到电子计算机的问世才使人们真正具备了发展人工智能的基本技术，而直到1956年的Dartmouth学会之后“人工智能”才逐渐地被大家所熟知接受。人工智能作为一门自然科学、社会科学、技术科学交叉的边沿学科，涉及哲学和数学，认知科学，心理学，神经生理学，计算机科学，控制论，不定性论，信息论，社会结构学，仿生学与科学发展观等众多前沿学科。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一[1]。

人工智能在其过去的50多年时间里，有了长足的发展，但并不是十分顺利。目前人们大致将人工智能的发展划分成了五个阶段：

第一阶段：萌芽期（1956年之前）

自古以来，人类一直在寻找能够提高工作效率、减轻工作强度的工具。只是受限于当时的科学技术水平，人们只能制作一些简单的物品来满足自身的需求。而人类的历史上却因此留下了很多脍炙人口的传说。传说可以追溯到古埃及时期，人们制造出了可以自己转动的大门，自动涌出的圣泉。我国最早的记载是在公元前900多年，出现了能歌能舞的机器人。这一时期出现了各种大家：法国十七世纪的物理学家、数学家B.Pascal、德国十八世纪数学家、哲学家Leibnitz以及二十世纪的图灵、冯·诺伊曼等。他们为人工智能的发展做出了十分重要的贡献。

第二阶段：第一次期（1956年-1966年）

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在Dartmouth学会上引发一场历史性事件——人工智能学科的诞生。Dartmouth会议结束后，人工智能进入了一个全新的时代。会议上诞生了几个著名的项目组：Carnegie-RAND协作组、IBM公司工程课题研究组和MIT研究组。在众多科学家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理证明工作中首先取得突破，开启了以计算机程序来模拟人类思维的道路；1960年，McCarthy建立了人工智能程序设计语言LISP。此时出现的大量专家系统直到现在仍然被人使用，人工智能学科在这样的氛围下正在茁壮的成长。

第三阶段：低谷发展期（1967年-八十年代初期）

1967年之后，人工智能在进行进一步的研究发展的时候遇到了很大的阻碍。这一时期没有比上一时期更重要的理论诞生，人们被之前取得的成果冲昏了头脑，低估了人工智能学科的发展难度。一时之间人工智能受到了各种责难，人工智能的发展进入到了瓶颈期。尽管如此，众多的人工智能科学家并没有灰心，在为下一个时期的到来积极的准备着。

第四阶段：第二次期（八十年代中期-九十年代初期）

随着其他学科的发展，第五代计算机的研制成功，人工智能获得了进一步的发展。人工智能开始进入市场，人工智能在市场中的优秀表现使得人们意识到了人工智能的广阔前景。由此人工智能进入到了第二次期，并且进入发展的黄金期。

第五阶段：平稳发展期（九十年代之后）

国际互联网的迅速发展使得人工智能的开发研究由之前的个体人工智能转换为网络环境下的分布式人工智能，之前出现的问题在这一时期得到了极大的解决。Hopfield多层神经网络模型的提出，使人工神经网络研究与应用再度出现了欣欣向荣的景象。人工智能已经渗入到了我们生活的方方面面。

1.2 人工智能的主要学派 人工智能发展的50多年时间里，经历了符号主义学派、行为主义学派和联结主义学派，三大学派各有特点，各自从不同的角度研究人工智能，为人工智能的发展做出了卓越的贡献，在人工智能的发展史上留下了浓重的一笔。

1.2.1 符号主义学派 符号主义学派，又称为逻辑主义、计算机学派或心理学派。符号主义学派理论基础是物理符号系统假设和有限合理性原理，他们认为人类的认知基元是符号，认知的过程是对符号的计算与推理的过程。人与计算机均可以看做物理符号系统，因此人们可以使用计算机来模拟人的行为。符号主义学派认为人的认知基元可以通过计算机上的数学逻辑方法表示，然后通过计算机自身的逻辑运算方法模拟人类所具备的认知系统的机能和功能，进而实现人工智能[2]。

符号主义学派无视了认知基元的本质，对于所有的认知基元均使用数学逻辑方法表示。符号主义学派重点研究认知基元的逻辑表示以及计算机的推理技术，早期的众多人工智能的研究都是在这一思想的推动下进行的。符号主义学派在归结推理、翻译、数学问题证明以及专家系统和知识工程做出了十分巨大的贡献，为后期的人工智能研究打下了基础。专家系统的出现更是将人工智能的研究推上了一个顶峰，其在矿业探究、医疗诊查、教育推广、工业设计的应用带来了巨大的社会效益。

1.2.2 行为主义学派 行为主义又被称作进化主义或控制论学派。行为主义学派认为智能取决于感知和行动，不需要像符号主义学派的逻辑知识以及推理。行为主义学派认为人的本质能力是行为能力、感知能力和维持生命及自我繁殖的能力，智能行为是人与现实世界环境的交互作用体现出来的。人工智能应像人类智能一样通过逐步进化而实现，而与知识的表示和知识的推理无关[3]。行为主义学派的与传统人工智能截然不同的观点吸引了众多的科学家，虽然到现在还没有独立完善的知识理论系统，但其在人工智能领域的独树一帜还是奠定了其霸主地位。该学派重点研究人类的控制行为，目前已有的机器昆虫已经证明了行为主义学派的理论正确性。虽然大部分人认为机器昆虫不能导致高级行为，但是行为主义学派的崛起标志着控制论在人工智能领域有着独树一帜的作用。

1.2.3 联结主义学派 联结主义学派是近年来最热门的一个学派，又被成为仿生学派或心理学派，建立于网络联结基础之上模仿人类大脑的结构和工作模式。联结主义学派主要研究能够进行非程序的，可适应环境变化的，类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。持这种观点的学者认为，认知的基本元素不是符号是神经细胞（神经元），认知过程是大量神经元的联接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。[4]

联结主义学派通过模拟人类神经网络模仿人类的认知行为，由此进行人工智能的学习记忆、模式识别。联结主义学派构建了大量的神经网络模型，方便在不同的情景模式下选择相应的模型，进而快速的得出答案。联结主义学派采用分布式存储数据，对数据进行并行处理，这样使得人工智能在处理问题的时候的速度有了明显的提升，由此联结主义学派在人工智能领域中受到大家的一致热捧。

三大学派在人工智能的发展史上有着举足轻重的作用，每一个学派的兴起都代表人工智能的一个新高峰。三大学派各有优缺点，在人工智能领域三者相辅相成，人工智能学科在三大学派的带领下正在茁壮成长。

2 对人工智能主要理论学派的评述

在过去的50多年时间中，人工智能获得了巨大的发展，基本实现了从无到有的过程，构建了基本完善的理论知识体系，构建了各种模型，形成各种技术方法，但是人工智能的发展依然任重道远，前景依然不容乐观。三大主义学派有着自身独到的优点，同时也有着各自的缺点，符号主义学派将人的认知基元符号用数学逻辑表示，通过计算机逻辑处理系统分析得出结果，但是在面对没有明确结果的非确定问题时经常不能得出令人满意的答案，它对信息要求十分精确完整，现实生活中的很多问题都不能满足条件，因此符号主义学派的发展受到了一定的限制。行为主义学派认为智能取决于感知与行动，但是缺乏足够的理论知识支撑学派观点，而且缺乏足够的成果表明理论的正确性。学派认为人工智能与知识的表达和知识推理无关，与人类认知的发展是不相符的。联结主义学派采用仿生学的方法，模拟人脑的神经网络，通过类似人脑的结构和运行机制模仿人类智能。这一观点十分有吸引力，在提出之后马上就有大量的支持者，但是人脑神经系统的复杂性远远超出人们的预知，现阶段人们对人脑的构造以及运行机制还没有深入的理解，在此基础上想模拟出人脑的神经系统显然是有些不不切实际。联结主义学派的发展更多的受制于对人脑结构和运行机制的研究，因此其发展相对缓慢。综上，三大学派固然有着自身的优势，各自的成果，但是其同样有着明显的局限性，人工智能要想进一步发展必须要对现有的发展方式进行创新。

另一方面，人工智能在经历了两次期后再次回落到了平稳发展时期，社会公众对人工智能的热度有了明显的降温。人工智能的研究再次变成了国家以及一些超级公司的工作，拥有的资源有了大幅度的缩水，研究的进度也受到干扰。在此状态下没有重大的技术创新，人工智能恐怕很难再有重大的突破。

3 对人工智能发展的评述

3.1 对人工智能涵义的认识 同样的词汇在不同时期的有着不同的解释，人工智能也不例外，大家都认可的人工智能是指在人类制造的机器工具上实现人类智能，即实现人类的认知能力、行为能力以及解决问题的能力。人类智能有着一个明确的特点，在面对未知问题时，人类智能能够得出自身想要的答案，也就是消除答案的不确定性。符号主义学派的逻辑解决方式、行为主义学派模拟人的行为能力、联结主义学派的神经网络，三大主义学派各自以自身的方式实现了对问题消除或减弱不确定性。可见减弱甚至消除问题的不确定性也将是人工智能的一个研究方向。

3.2 人工智能研究模式的发展 目前人工智能领域中，符号主义学派通过数学逻辑表示人类的认知基元，对数学逻辑经过解读分析，得到答案，进而实现智能。该学派重点运用还原思想，将人类的认知基元全部使用数学逻辑表示。行为主义学派认为人工智能取决于感知和行动，不需要学习知识与知识推理，是一步步，由低级到高级慢慢进化的。联结主义学派是通过人工神经网络的形式模仿人类智能，理论上讲该方法是最符合人类智能的运行方式的。而在一系统中，最重要的是系统的运行机制，如何将接受到的信息转化为我们的知识并通过表述、行为展示出来，在了解了人类智能的运行机制之后，人工智能将会更加符合人们的需求。

3.3 人工智能研究方法的发展 人工智能的目的是消除答案的不确定性，然后做出相应的反应。在消除答案不确定性的时候便有了各种方法，其中有一种便是突出解决问题的目标，在有明确目标的前提下会削弱干扰问题解决的条件，提高人工智能解决问题的效率。明确问题的目标便需要引入目标函数，在动态目标函数的引导下会减弱答案的不确定性。而在已有的人工智能基础上设立人工智能模型，通过人工智能自身的计算结果结合目前的研究成果去优化目前的人工智能系统，则会提升人工智能的发展速度。

3.4 人工智能时期的发展 人工智能自发展到现在已经经历了五个时期，在两次期中人工智能均获得了迅速的发展。然而现在人工智能的发展步入到了缓慢发展时期，如何将人工智能的发展缓慢时期加速度过同样是十分严肃的问题，传统说来需要重大的科学进步。我们往往认为人工智能属于顶端科技只能由国家和超级公司研究，却忽略了社会所拥有的重大的力量。小小的android智能手机在问世的短短时间内变改变了之前的市场格局，其中固然有着android智能手机的特点，但是我想他的市场策略同样给与了莫大的助力。人工智能应该向android一样，适当的开放出来一部分根基，放开其研究门槛，甚至鼓励民间研究。量变引发质变，当有足够专家在研究人工智能时，人工智能的研究会加快的。而且民间的研究成果也会作为经验反作用于人工智能的进一步研究，实现科学与社会的双赢。

4 结论

人工智能是人们长久以来的梦想，同时也是一门很有挑战性的学科。像所有的学科一样，人工智能会经历各种各样的挫折，但是，只要我们有信心、有毅力，我们相信人工智能终将会成为现实，融入到我们生活的方方面面，为我们的生活带来极大的改变。

参考文献：

[1]朱祝武.人工智能发展综述[J].中国西部科技，2011，10（17）：8-10.

篇（10）

2教学方法研究

研究生教学应更突出学生的主体地位，注重发挥其学习的主动性和自觉性，为此，课程组结合课程特点，在教学方法进行了如下探索。

2.1加强教学设计

教学设计就是对教学活动进行系统计划的过程, 是教什么(课程内容)及怎么教(组织、方法、策略、手段及其他传媒工具的使用等)的过程[2]。在教学过程中，每节课授课前，坚持集体备课的原则，由课程组集体讨论选定授课内容，补充阅读文献，根据授课对象与课程内容特点，确定课堂组织方式，采用的授课方式以研讨式教学为主，给合讲授、实验、自学等。

2.2抓好课堂教学环节

教学方法与教学手段是保证课堂教学效果的关键。本课程授课对象主要为硕士研究生，他们的接受能力较强，有一定的求知欲。由于学员人数较少，授课方式可灵活组织。教室有完备的多媒体设备，基本的软件实验环境，教学过程可采用灵活教学方法、多种教学手段，提高教学效率，保证授课质量。

1) 以研讨式为主的教学方式。研究生教学应坚持学术研究为导向，发挥学员在学习过程中的主动性和自觉性。由于研究生学员有一定的学习基础与自学能力，教员可以在课前给学员布置预习内容，学员通过查阅资料、分析整理进而形成自己的观点，使在课堂教学中师生互动交流成为可能，改变传统的教员讲，学员听的灌输式教学方式。研讨式教学也有力于培养学员积极思考、创新思维的习惯与能力。

2) 教学手段的信息化。人工智能原理教学一个突出矛盾是知识点多、内容抽象、理论性强，但学时较少，因此，必须发挥现代教学手段的作用，提高教学效率。为此，课程组对每节课都精心设计了教学课件，课堂教学中以课件为主，辅以板书，充分利用多媒体信息量大、直观等优点，改善教学效果；引入教学声像资料，便于学员课下学习；设计演示程序，使部分比较抽象、不易于理解的内容，如子句归结、搜索策略更形象直观，易于学习和掌握。

3注重培养学员学术研究能力

学术能力是指专门对某一学问进行系统的哲理或理论研究的能力，它不仅包括思辨的方面，还包括实践及感性的敏感力等方面。研究生阶段学习的一个突出特点是要求学习的主体――研究生必须具备研究的能力[3]。论文写作是培养、锻炼、提高研究生的学术能力的重要途径，在教学实施过程中，要求每个专题学习结束后，都要提交一份格式符合期刊发表要求的总结报告，题目可自行选定，也可由教员指定；内容既可以是人工智能该专题某一算法的实现，也可以是对某一问题的进一步研究，或者是对该专题最新研究进展的综述。教员重点在以下几个方面予以指导。

1) 选题准确。要求选题不能过于宏大，应以小题目反映大问题，具有一定的可研究性为宜。

2) 研究内容。研究目标明确，方法恰当，能够提出自己的见解，所提观点正确。

3) 论文结构。结构清晰、完整，论述严谨，表达规范。

4) 占有文献丰富。撰写过程中要有意识培养学员查阅科技文献的能力，要求查阅反映最新研究成果的权威文献。

4加强实验环节教学

人工智能教学在进行各种理论知识讲授的同时，还应重视实践教学，把抽象的知识转化为形象、直观的实验，让学员真正理解人工智能的概念、本质、研究目标，从而提高学员多角度思维的能力和逻辑推理能力，进一步了解信息技术、计算机技术发展的前沿，培养他们对人工智能研究的兴趣，激发对人工智能技术未来的追求。为此，课程组借鉴国内外知名大学人工智能实验教学经验，编写了《人工智能原理实验指导书》，围绕问题表示、经典逻辑推理、不确定推理、搜索策略及简单专家系统实现等教学内容提供了7组实验供学员选择。

例如，在状态空间搜索一节教学过程中，先完成理论部分的教学，使学员对状态空间基本概念、问题表示及求解方法有一个准确的认识，然后进行实验教学。由学员自主完成重排九宫问题求解的程序，初始状态和目标状态如图1所示，调整的规则是，每次只能将与空格(左、上、下、右)相邻的一个数字平移到空格中[4]。实验过程重点指导学员掌握状态空间进行问题求解的关键步骤：问题表示和搜索策略。问题表示就是要确定该问题的基本信息及程序实现的数据结构，基本信息有初始状态集合、操作符集合、目标检测及路径费用函数，数据结构可采用向量、链表等形式；搜索策略可分为盲目式搜索和启发式搜索，可按照先易后难的原则，先实现盲目搜索中的广度优先及深度优先搜索，在此基础上再定义估价函数实现启发式搜索。而在启发式搜索实现过程中，又可以通过定义不同的启发函数：如某状态格局与目标节点格局不相同的牌数、不在目标位置的牌距目标位置的距离之和等加以比较，准确理解启发函数的意义。通过实验，学员加深了对课堂讲授的理论知识的理解，能够熟练地将状态空间法运用于实际问题的求解，提高了工程实践能力。

实验教学组织方式可根据具体的实验内容特点，采用上机编程实验、演示程序验证、模拟平台开发、分组讨论等多种形式进行。

5适度开展双语教学

研究生的英语基础普遍较好，基本都通过了国家公共英语四级考试，部分学员通过了六级考试，加之在本科阶段还开设了专业英语课程，因此，在培养研究生人工智能知识的同时，我们要提高学员阅读原版英文资料、用英语进行简单科技写作及对外学术交流的能力，适度开展双语教学，对此，我们可采取以下基本方式。

1) 专业术语全部用英语表示。

在教学过程中用英语表达人工智能原理中的专业术语和主要概念，如Knowledge Representation(知识表示)、Depth-First Search(深度优先搜索)、Breadth- First Search(广度优先搜索)等。

2) 以英文原版教材为教学参考书。

选定机械工业出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》为参考书，该书“是人工智能课程的完美补充。它既能给读者以历史的观点，又给出所有技术的实用指南[5]。”

3) 加强英文文献的阅读。

在课程论文撰写时，要求阅读一定数量的外文文献；在讨论课中，鼓励学员使用英语进行讨论。

经过课程学习，学员都能准确掌握人工智能学科专业词汇，英文运用能力得到一定提高，能较自如地阅读原版英文专业资料，为进一步用英文进行学术交流及学术论文写作打下基础。

6考试与成绩评定改革

考核方式采用传统的试卷与课程论文、实践环节等三部分组成，全面考查学员对基础理论知识掌握情况以及理论联系实际的能力，其中试卷占70%，课程论文占10%，实践环节占20%。课程论文题目不作限制，由学员在课程学习阶段结合某一专题选定题目，课程论文以选题意义、研究内容、论文结构、参考文献及撰写规范等指标为评价依据；实验成绩采用实验过程考查、实验结果验收和实验报告评阅相结合的考核方法，综合评定。这样做不但考核了学员人工智能基本理论掌握情况，也反映了学员的学术研究能力和工程实践能力。同时，考核结合实际教学进程，改变了单一课终总结性考核的弊端。

7结语

经过课程组近两年的教学方法研究与教学实践，研究生人工智能原理课程教学收到较好的效果，但仍存在一些问题，如在课堂讨论环节，个别学员准备不充分、讨论不够深入；课程论文撰写选题随意，文献综述不够全面、准确，论文格式不够规范等。在今后的授课中，课程组将根据授课研究生人数较少的特点，采取明确每名学员预习重点、加强课程论文交流等方式予以改进，力求取得更好的教学效果。同时，进一步充分利用便利的校园网平台，开展“人工智能原理”网络课程建设，购买或自主开发网络教学资源，引导学员利用网络资源进行个性化自主学习，增强教学过程的信息化程度。

参考文献：

[1] 王永庆. 人工智能原理与方法[M]. 西安:西安交通大学出版社,2002:1.

[2] 李志厚. 国外教学设计研究现状与发展趋势[J]. 外国教育研究,1998(1):6-10.

[3] 肖川,胡乐乐. 论研究生学术能力的培养[J]. 学位与研究生教育,2006(9):1-5.

[4] 周金海. 人工智能学习辅导与实验指导[M]. 北京:清华大学出版社,2008:204.

[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:机械工业出版社,2009:754.

Reform on Postgradrates Artificial Intelligence Course Teaching

TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei

篇（11）

（1）大数据下科技信息处理的标准化体系研究相比传统的科技信息，大数据环境下的科技信息的来源、类型、内容和数据格式更为复杂，制定和完善科技信息的标准化体系和内容是及其必要的。信息资源的标准化体系是保证信息有效存储、处理、分析和利用的基础和前提。本文认为将依据当前科技信息现状，针对具体领域研究和制定大数据下的科技信息处理规范和建议是必要的。（2）大数据下的科技信息资源的建设方法研究借助大数据技术可实现科技信息的大数据处理与大数据存储，实现多源异构的科技信息完成数据的存储、处理、交换等功能。大数据下的科技信息资源的建设方法研究需要从数据本身和数据的组织两个研究视角出发，分析梳理大数据环境下科技信息资源在建设中面临的难点和关键性技术问题，研究和提出科技信息资源的知识组织系统框架和基本构建方法。（3）大数据下的科技信息资源的分析方法研究结合科技大数据特点，主要利用深度学习技术解决科技大数据的高维数据降维处理问题。研究和探索面向科技信息资源的分析方法，提出不同类型科技信息资源的关联分析、重要性分析、主题演化路径等深层次的信息分析方法和技术，通过系列分析方法和技术研发，解决科技信息资源管理工作中存在的问题，研究方法在实践中进行创新和发展。世界的发展、科技的换代、媒介的延伸以及人文的变更，汇聚成一股巨大的洪流，加速了我们所处时代的变换，人工智能技术已经渗透到各个技术领域，以上问题涉及科技信息的组织和分析，需要人工智能技术的融合，即与人工智能技术的深度融合必将推动科技信息进入全新时代。

人工智能应用于科技信息领域的研究意义和主要研究内容

人工智能为解决科技信息的获取和分析提供解决途径（1）人工智能可拓展获取科技信息的来源。从事智能分析的美国Stabilitas公司的首席运营官ChrisHurst认为：“人工智能可以扩大信息工作的范围，不会遗漏那些有价值的细节。”科技信息同样需要通过各种渠道获取世界各国的同类信息，利用分布式网络爬虫等人工智能技术可获取全世界的开源信息，包括文本和音视频数据。（2）人工智能可加快处理科技信息数据的速度。美国中央信息局肯特学校教信息分析的校长JosephGartin认为：“梳理社交媒体来获得信息并不是什么新鲜事，让人耳目一新的是如今我们收集社交媒体数据的数量之大和速度之快。”海量的科技信息通过人工智能技术可以快速处理亿万比特的数据，从而了解世界各国同类信息或事件，将每天接收到的大量数据转变为能够用于政策和战场行动的信息。（3）人工智能使科技信息的分析自动化、智能化。据俄罗斯通讯社报道，俄罗斯总统普京表示：“无论谁在这一领域中处于领先地位，都将成为世界的统治者。”普京认为：人工智能是未来权力的关键。利用自然语言处理技术、语音识别、图像检索等人工智能技术可以极大的提高信息人员检索有用信息的速度。此外，知识图谱作为人工智能的知识库基础，基于知识图谱可实现分析对象的多维多步自动关联分析，利用深度学习模型可大大提高多因素影响的系统分析，获得更好的信息分析效果。主要研究内容（1）基于人工智能技术的科技信息的知识存储和管理大数据下的科技信息具有海量、异构、跨媒体的特点，其知识存储和管理需要对结构化或非结构化的跨模态数据进行语义智能化计算研究，以为统一语义范畴下的数据查询提供便捷的元数据服务；对跨媒体知识统一组织进行研究，为不同关系结构，不同模态数据的统一存储与管理提供结构基础；同时，需要对跨媒体知识的更新进行研究，为动态的数据存储与多变的业务管理提供支撑。最后，对跨媒体知识检索与查询进行研究，从实际的检索和查询业务角度出发，制定规则，优化性能，提升知识数据被获取时的准确性与高效性。（2）基于人工智能技术的科技信息与知识的深度揭示与聚类加强科技信息资源的多源多模态数据整合关联、信息抽取、不确定推理、机器学习、自然语言处理等人工智能技术研发与应用；利用人工智能技术实现科技信息资源的外在层面的资源整合，资源内在特征的深度聚合，实现科技信息与知识的深度揭示与聚类。通过可视化方式实现科技信息知识（研发技术、研发机构、研发人员等）的聚合、揭示与展示。其中重点利用语义分析技术、词表/本体构建技术、知识图谱技术、大数据分析等人工智能技术，通过可视化方式实现科技信息知识的聚合、揭示与展示；实现对格式各异、内容复杂的数字资源进行深层次的揭示，从资源外在层面的资源整合，深入到资源内在特征进行深度聚合，实现信息与知识的深度揭示与聚类，同时将科技信息知识服务嵌入知识交流之中。技术路线图如图1所示。（2）基于人工智能技术的科技信息前沿技术发现与预警研究前沿技术发现与预警旨在有效指导和开展科技研究，国内外已有研究在信息对象和研究方法上比较单一，信息价值和服务效果受限。科技信息前沿技术发现与预警研究应更强调面向信息源的全面收集、处理、分析的一定程度智能化生产过程，更好的感知非完备信息，辅助信息用户把不确定性预测变成更确定性预测。研究将不同类型的信息源进行整合、融合，多维度的分析科技前沿技术特征，从不同角度实现有价值信息的综合叠加和映射，从中发现、分析和描述科技前沿技术问题，为科技领域专家实现科技前沿的准确辨识提供服务，实现有效的技术预警。技术路线图见图2所示。

基于人工智能技术的科技政策动态分析平台设计