人工智能及其发展应用

林知豪

（山东省青岛第二中学，山东青岛，266100）

0 引言

人工智能是现代计算机学科的分支，它综合了计算机技术、信息技术、控制理论、数学、生物学等众多理论科学，通过采集信息情报、逻辑运算、归纳分析等一系列过程为人类提供更加人性化的服务，如无人驾驶、智能识别以及智能运算分析等。人工智能早已不再是根据程序设计人员设计的逻辑运算步骤进行简单数学计算的求解器，因为人工智能程序有着“机器思维”，它会根据获取到的外部信息进行模拟、思考和学习，最终能够像“人”一样作出选择和判断。

目前，人工智能已经被广泛地应用于指纹识别系统、人脸成像系统、专家系统、无人汽车、智能家居等领域，它极大地简化了人类的工作，为人类提供了更加便捷的生活。然而，科学家对于人工智能也存在着较多的分歧，一部分人为人工智能的发展感到高兴，也有一部分人为人类的命运感到忧心。

1 人工智能概述

20世纪60年代，美国达特茅斯大学举办了一次计算机智能研讨会，该会议研讨了如何通过计算机模拟人类进行思考学习，首次提出了“人工智能”（ Ariti f icial Intel1igence，AI）这一词语。如今，人工智能经过60多年的发展已经集计算机、生物学、信息技术等高精尖技术于一体的前沿科学，是二十一世纪三大尖端代表技术之一。人们已经基于人工智能技术开发出各类应用系统，如无人驾驶系统、智能识别系统等，这类智能系统简化了人们需要处理的数据，改善了人类的生活。

2 人工智能的研究热点

2.1 数据挖掘与知识实现

人工智能技术既能够发挥出机器的信息处理优势又具有智能学习、智能推演的智能特点，因此当人工智能处理数量庞大的数据信息时，就能够通过机器智能学习进行数据分析、数据挖掘从而推算出数据之间的联系。机器智能学习是计算机仿真、模拟人类智能的学习活动，它是基于人类生物神经结构而形成的一种模拟人类深度学习的功能。同时，人工智能通过分布式计算构建多神经元网络结构，深层次地挖掘数据之间的联系并反馈调整逻辑推演模型，最终达到对海量数据进行计算和处理的目标。

2.2 智能接口技术

智能接口技术是通过外接的方式使计算机能够接收文字信息、语言信息、图像信息等，通过分析接收到的信息做出相应的智能反应，便于人们更加方便地使用人工智能。人工智能结构技术基于知识表示方法，能够进行文字识别、语言识别、图像识别，理解语音信息并通过语音合成技术做出相应的反应，甚至能够翻译不同的语言，例如谷歌翻译、人脸识别、云计算等都是智能接口技术的成功应用。

2.3 主体与多主体系统

主体即具有判断能力、选择能力并能对信息进行综合分析的智能化计算机。主体既能独立地进行运算处理又可以和分布式计算构建多神经元网络，协调各分布式计算机进行逻辑运算，实现对实际问题的求解。目前，主体与多主体系统多以理论研究为主，从主体结构、主体语言到多主体间的协作调度和信息共享等方面。

2.4 智能信息处理

随着通信技术、互联网技术的广泛应用，“信息大爆炸”成为了新时代的标签，构建信息化社会成为各国的发展目标。在海量信息中如何既能保证信息的实效性又能快速提取转化有用信息成为了人工智能发展的关键。图形模式成为解决这一问题的关键技术，通过高效地转化数据信息并进行逻辑推理、数学运算，实现分析问题、预测问题、处理问题等智能化反应。目前，图形模式是智能化数据分析与处理的核心。

智能语音识别也是智能信息处理的一种，总所周知声音实际上是一种波，通常都是被压缩成语音包进行储存，被储存在文件中的声音波形如图1所示。在语音识别前需要对首尾进行声波切除，降低对后续处理的干扰。

图1 声音波形图

在分析声音时，首先需要通过移动窗函数对声音进行分帧，分帧后的波形如图2所示，图中分帧的每帧长度25ms，每两帧之间有15ms的交叠帧移。

图2 分帧波形图

语音经过分帧后形成了许多小段而时域波形没有描述信息的能力，因而需要对分帧进行波形变换，如MFCC特征变换。变换后的波形将形成一个多维向量，表示声学中的信息特征值，根据多维向量特征值构建特征值观察序列矩阵，如图2中波形有12维，形成了N列矩阵 ，将构成图3的12维向量，其中色块深浅表示向量值大小。

图3 声波观察序列矩阵

构成向量矩阵后，将向量值对应成相应的“状态”，通过“状态”构成相应的音素，如图4所示，每一个单元格内表示一帧，每帧表示一个状态，而三个状态表示一个音素。而每一帧所表示的状态由每帧的末尾决定，如图5所示的某一帧对应的S3条件的概率最大即为状态S3，最后通过每三个“状态”构成的音素通过马尔可夫模型进行状态网络识别，完成整个语音识别过程，即解码过程。

3 人工智能的具体应用

人工智能技术由于能够被广泛应用到人们的日常生活中，因而具有极其重要的应用价值。人工智能的应用研究包括机器学习、问题求解、专家系统、信息检索、模式识别等，这些应用研究都将促进人工智能的发展让人类的生活更加便捷。

3.1 机器学习

机器学习（Machine Learning，ML）是一门多领域交叉学科，它涉及到概率论、统计学、逻辑算法、逼近论等多门逻辑数学学科，主要研究如何使用计算机模拟实现人类的学习行为获取新的知识并通过不断地学习完善自身逻辑。目前，智能机器人是机器学习的重要应用研究。智能机器人通过中央处理器接收文字、声音、图像等信息，通过计算机的逻辑运算处理器识别、理解这些信息并按目的安排机器动作。

图4 状态转换结构图

图5 声波状态识别结构图

3.2 问题求解

问题求解是人工智能最具代表性的应用之一，它通过预测将要发生的问题和检索解决问题的方法把复杂的问题拆分为一个个能够求解的小问题，通过选择判断不断向前推进，最终求解问题答案。问题求解通常应用于棋类研究，如围棋程序“AlphaGo”是第一个战胜了围棋世界冠军的人工智能，它通过不断地求解围棋路数得到最优解从而战胜了人类职业选手。

3.3 专家系统

专家系统是基于人工智能技术的一种模拟人类专家解决专业领域问题的计算机程序系统，它能基于人类某领域专家的知识与经验构成相应的知识系统。世界上第一个专家系统“Dendral”是一个综合了化学领域专业知识的人工智能系统，它可以推演化学分子的结构。而随着知识工程技术的不断发展，专家系统的理论研究和技术应用都取得了突破性进展，目前专家系统几乎渗透到了人类生活的各个领域，包括数学、物理、化学、生物、医学、农业、气象、军事等众多领域。

3.4 信息检索

随着人类社会的不断发展，传统的人力信息检索已经无法应对如今海量的信息知识，而人工智能信息检索系统能够帮助人们把存储在数据库系统中的信息知识通过智能索引的方式提取出来，便于人们查阅知识信息。目前，人工智能信息检索系统，如谷歌、百度、雅虎等都是人工智能技术的应用成果。

4 结语

人工智能通过结合信息化系统和生态学结构实现“机器思维”，它能对获取到的信息进行归纳总结并通过逻辑运算演绎处理感知信息。人工智能不仅拥有广阔的应用前景，也体现了计算机信息化技术和生物智能技术的发展水平，人工智能能够应用于无人汽车、无人飞机、智能服务等方面方便人类生活，也能够应用于类脑计算、深度学习、超脑计算等方面帮助人类进行理论研究。本文对人工智能进行了详细的概述，通过分析人工智能的深层内涵和现今的研究热点探究人工智能技术的应用前景。最后，通过举例分析人工智能的具体应用展望人工智能的发展前景，以期为人工智能的应用探索提供参考。

[1]张凯斐.人工智能的应用领域及其未来展望[J].吕梁学院学报 ,2010,26(4)：79-81.

[2]于涛.浅谈人工智能的应用领域与其未来发展展望[J].科技创新与应用,2017(8)：83-83.

[3]刘洋,刘进.浅谈人工智能与参数化设计在工业设计中的应用与发展趋势[J].明日风尚,2017(10).

[4]张静.人工智能的发展现状与发展前景分析[J].无线互联科技 ,2017(14)：134-135.