人工智能应用现状及关键技术研究

2017-01-22,

中国电子科学研究院学报 2017年6期

(中国电子科学研究院，北京 100041)

0 引言

随着互联网、大数据、云计算、机器学习等技术的发展和改进，有效的促进了人工智能在医疗诊断、物流仓储、装备制造、在线学习、旅游交通等领域中的普及和使用，构建了智能物流追踪系统、机器人控制系统、在线医疗诊断系统等，实现制造装备、军工企业、物流运输的智能化，可以实时的跟踪这些行业的信息，实现了信息加工和处理。人工智能应用时，如何从海量的数据中识别潜在的信息是非常关键的工作，海量数据不仅包括文本信息、图像信息，还包括视频信息，这些数据中还夹杂着许多的噪声，这样就会影响人工智能的精确度、可靠性，无法提高人工智能的便捷性。因此，人工智能引入了许多先进的机器学习技术，包括BP神经网络、支持向量机和遗传算法等，未来将会引入更多的模拟退火、卷积网络、模糊数学等技术，进一步改进人工智能的普适性和鲁棒性。

本文基于笔者多年的研究实践，详细地描述了人工智能的应用现状，同时阐述了人工智能关键技术，分析了这些技术的应用优势，同时展望了未来人工智能发展方向，给人们应用带来的启示。

1 人工智能应用现状

人工智能集成了统计学、电子学、信息论、数据库等，经过多年的发展，取得了显著的应用成效。本文结合笔者多年的研究现状，描述人工智能在物流仓储、医疗诊断、装备制造、在线学习和旅游交通领域的应用。

人工智能在旅游交通中最重要的应用就是智能驾驶和智能推荐旅游线路。智能驾驶可以利用利用安装在汽车四周的传感器感知车辆前后方以及两侧的人、车、障碍物等，将这些信息反馈给控制器，控制器可以利用这些知识规划出一条安全的行驶线路，智能驾驶利用人工智能技术，整合心理学、交通法规等，严格的执行安全第一的准则，驾驶安全性也会大大的提高。旅游线路智能推荐可以建立在旅游管理系统、酒店管理系统、景点管理系统的基础上，构建一个完善的信息基础网络，为用户提供旅游线路推荐服务，实现一个智能线路管理模式，改进旅游景点服务水平，实现多样化的路线操作，自动化的定位景点、酒店、车辆和提供导航服务[1]。

机器人是人工智能的一个重要产物，已经在太空探险、消防急救、探险排爆、生产加工中得到广泛应用，比如在太空探险时，由于人们自身的机体存在脆弱性，许多领域都有大量的辐射，这些区域人们无法靠近，因此可以利用机器人代替人们去工作，探测是否存在有机生命。机器人自身具有强大的外界抗压力，因此探险排爆可以采用机器人进行操作，即使爆炸破坏了机器人的完整性也可以通过修复使其正常工作。另外，在医疗诊断过程中，人工操作存在较大的误差，因此可以使用机器人代替人工，完成复杂度高、难度较大的手术操作，利用机器人却可以精准操作，进行高难度手术。未来城市化进程加快，越来越多的建筑创出新的高度，由于安全性等问题造成人们无法在楼外进行作业，比如更换玻璃窗、擦洗玻璃幕墙等，这些都可以使用人工智能机器人完成。人工智能的发展将会为人们工作、生活带来更多的方便，更好的提高人类生活的舒适性。

人工智能在物流仓储应用时开发了仓库管理系统，仓库管理可以利用摄像头、温湿度传感器、霉菌传感器等获取仓库信息，实时的将这些信息展现给仓库管理员，同时分析历史仓库数据，确保仓库运行安全。仓储管理过程中，为了避免火灾发生，人们引入了智能建筑管理系统，该系统能够利用传感器实现烟雾、温度探测，及时的启动振铃，为仓储管理人员发送报警器，也可以自动化的启动喷淋器，将火灾遏制在萌芽状态。物流运输过程中，许多物品都可以使用二维码进行标注，然后将其录入到系统中，这样就可以实现物品运输的实时跟踪。物品运输过程中，利用摄像头可以实时的拍摄车辆位置，然后结合GPS进行定位，保证物品运输线路的准确性。

医疗诊断一直是信息化发展和应用的重要领域，为了提高医疗诊断水平，在CT图像处理中引入模式识别技术，结合人体各个器官部位的特征，发现图像中的每一个器官的轮廓，这样就可以实现信息加工和处理。医疗诊断引入人工智能，其可以大幅度提高治疗救治水平。另外，许多医院开发了远程诊断系统，将自己的诊断报告上传到数据库中，系统可以自动化的为患者推荐主治医师，提高诊断水平。另外，人工智能与移动客户端结合在一起，可以结合软件自带的化学电子芯片，检测人体的血糖浓度，也可以检测人体的血压，及时的查看人体健康水平[2]。

2 人工智能应用关键技术及发展启示

人工智能经过多年的发展，其关键技术诞生了很多，总体可以划分为两个类别，分别是有监督技术、无监督技术。BP神经网络、支持向量机等属于有监督技术，K均值等属于无监督技术。有监督技术可以充分的利用人工智能先验知识，构建一个功能健全的数据分析模式，针对这个模型进行有监督训练和学习，可以提高模型应用的普适性，改进数据分析的精确度；无监督学习不需要采用任何先验知识，数据分析模型可以自动化的进行信息挖掘，自动化的构建一个学习模式，无监督学习方法经过多年的改进，已经在语音识别、文本检索领域得到广泛普及。本文结合笔者多年的研究和实践，重点描述BP神经网络、支持向量机、K均值等人工智能关键技术，分析这些技术的优点，同时给出这些技术的应用趋势[3-5]。

(1)BP神经网络算法

BP神经网络是一种基于生物学、神经学、心理学和统计学的有监督人工智能技术，其可以模仿人的大脑神经系统，建立一个有规律的计算模式，将多个神经网络节点集成在一起构成一个系统，很大程度上可以模拟人脑功能，也是生物系统在计算机信息处理中的应用和体现。目前，BP神经网络经过多年的研究，已经在语音识别、图像处理、视频追踪等方面得到了广泛研究。百度、IBM、阿里巴巴、科大讯飞等公司开始将BP神经网络应用到语音识别领域，能够将人们的语音识别为文字，然后将这些信息输入到搜索引擎中，成功的开发了语音识别系统。目前，BP神经网络为了提高数据分析的准确度，又开始引入深度学习规则，深度学习规则作为一个多层次的感知神经网络，利用强度值向量、矩阵向量等特征的数据进行深度学习，能够更加有效的实现特征识别和提取。

(2)支持向量机(SVM)算法

支持向量机能够为用户提供一个性能非常强大的人工智能技术，构建一个强大的样本数量进行非线性数据挖掘，可以更加有效的适用于高纬度数据模式。支持向量机可以实现分类和回归分析，给定一组数据样本，每一个样本都可以指明类别，一个SVM算法建立训练学习模型，分配新的实例，将其划分为非概率的二元线性分类。支持向量机最为关键的目标函数就是核函数，如果样本处于低维空间，解决的方法就是将其映射到高维空间，但是容易增加计算复杂度，核函数正好可以解决这个问题，只要在人工智能应用时选择一个合适的核函数，将其映射到高维空间进行分类，因此就可以获取更多的目标函数。目前，支持向量机已经在空间数据建模、地图信息分析等领域得到应用，更好的建模信息处理功能，保证人工智能的应用可靠性、完整性。目前，支持向量机发展中存在的问题是精确度较低，因此引入了自适应共振理论，进一步利用数据中隐含的有价值信息，根据这些信息进行挖掘和分类操作，从不同的角度进行分类，提高数据处理的准确度。

(3)k均值算法

k均值算法基于相似度、距离、互信息等度量，将这些信息作为任意两个目标对之间的相似性、距离和共有信息程度，关系越紧密两个对象的度量就会越相似，因此这种人工智能技术不需要先验知识，不需要指定数据对象的归属标签，通过数据内部的磨合聚集在一起，识别数据隐含的模式，目前K均值作为一种无监督学习技术，已经在医学图像处理、文本信息检索、金融数据分析、药物利用等领域得到广泛应用。

人工智能作为智能制造、机器人、物联网、金融证券、大数据等应用基础，目前正在积极的在我国各个领域得到广泛普及和使用，取得了显著的应用成效。比如在智能制造领域，可以利用大数据构建一个数据需求分析模型，可以更加良好的获取用户需求，实现精准制造，提高制造业的流转效率和速度。金融证券行业引入人工智能技术，可以更加完整的判断系统风险，利用人工智能实现大数据分析，构建一个金融风险监管模型，判断金融行业的风险承受能力，保证金融行业不发生系统性分析。电子商务行业各个平台入驻的商户数以万计，销售的商品数以亿计，琳琅满目的商品不计其数为，因此消费者浏览商品时，非常容易陷入一个眼花缭乱的局面，因此基于大数据分析技术可以构建一个推荐系统，该推荐系统可以读取用户浏览商品、购买商品的行为记录，定期为用户挑选类似商品进行推荐，既能够进行营销推广，也可以帮助消费者快速定位需求商品，提高电子商务的成交率。人工智能为人们的工作、生活和学习提供了强大的支撑，更加有效的提高了人类社会的信息化、自动化。