人工智能的发展和现状

方杰

摘 要 基于近年来人工智能（AI）技术在制造业中的应用研究，我们分析了“互联网+人工智能”新时代核心技术的快速发展，触发了模型的巨大变革，制造业的手段和生态系统，以及人工智能的发展。然后，我们基于目前人工智能在无人驾驶、智能机器人、图像识别、智能制造等领域的应用，讨论了智能制造的当前发展。最后，提出了未来人工智能发展的方向以及机遇的所在。

关键词 人工智能 无人驾驶 图像识别 智能制造

中图分类号：TP18 文献标识码：A

0引言

随着AlphaGo与李世石的对战以李世石败北而告终，人工智能的应用开始逐渐成为学术界与工业界共同关注的话题。近年来，人工智能技术高速发展，在各个领域内的应用层出不穷，可以说人工智能已经成为我们生活中的一部分，比如扫地机器人，或者一些医疗企业所研发的医疗用诊断机器人。这样的发明和应用已经为我们的生活带来很多好处。然而，人工智能也仍然处于一个发展中的阶段，并没法如科幻片中所描述的那样高级，具有自主性，其主要应用还是以收集数据加以分析处理，经过自我学习最后给出反馈的模式。但是，机器学习和人工智能与普通大众的生活逐渐接近是我们可以每天都感受到的。人工智能的未来何去何从也引起了各种领域的关注。

所谓人工智能（Artificial Intelligence， AI），即使通过已有的数据集，运用计算机来根据某種函数来完成某些功能的行为。由于其行为基于数据集，所以也可以认为是计算机通过学习了数据集，可以对之后的相似问题给出解决方案，也就是“智能”的含义。自从人工智能的影响力扩大以来，其基础的理论与问题的解决方法逐渐有了固定的方向，所覆盖的领域也是日益增长。我们可以想象，在不久的未来，由于算力的强度远超人类，在某些工作上，人类将完全被具有人工智能的机器所取代。但是同时，人工智能并不是与人类相似的智能，人类的思考方式并不是随机的，线性的，而是抽象的，曲折的，人工智能的发展目的也在于此，要将本可以由机器完成的，重复性高的工作交给人工智能来解决。随着数字多媒体技术、移动互联网、物联网、云存储和智能制造技术的高速发展，人工智能技术也得到了相对的提升，对于未来的人工智能发展起到了巨大的拓展作用。人工智能的全面应用将会主要围绕着人类的衣食住行等日常生活来展开。本文主要介绍现阶段人工智能在无人驾驶、智能机器人、图像识别、智能制造等领域的发展及应用现状。

1人工智能发展及应用现状

1.1无人驾驶汽车

无人驾驶汽车是一种新的汽车概念，汽车可以依靠传感器的工作，对于道路和道路上的物体，如汽车，行人或者标识和障碍物等进行识别并进行相应的处置，并根据得到的信息，调整车辆的行进路线和行进速度，从而使车辆可以摆脱人类的操作，自行完成从起点地到目的地的路程。

早在1970年左右，欧美国家就已经开始对无人驾驶进行尝试性设计，并且在当时的条件下取得了不错的效果。国内的研究相较于欧美起步晚，于90年代才开始关注无人驾驶的学术领域。无人驾驶在国内的商业化由百度公司发起，与2014年7月正式立项，发展到今天，百度公司的无人驾驶已经可以实现跟车减速、变道、超车、上下匝道、调头等复杂驾驶动作，完成了进入高速（汇入车流）到驶出高速（离开车流）的不同道路场景的切换。测试时最高速度达到100公里/小时。科学的进步一定会带动技术的进步，无人驾驶技术的发展也会随着人工智能技术而日趋完善，日常生活中的车辆也会从人工驾驶逐渐转型为无人驾驶（如图1）。

1.2智能机器人

智能机器人是一种依靠收集周围环境信息，加以分析，并根据某些预设程序来完成指定目标的智能机械系统。目前智能机器人以工业机器人和医疗机器人为主。工业机器人中的代表作品以波士顿动力机器人为主，其生产研发的波士顿动力机器狗已经在日本的建筑行业内实际应用，用于楼房的交付检测（如图2）。这个机器狗不仅仅可以完成上楼、奔跑等动作，而且可以通过其头部的四轴摄像头，对图像进行分析，来决定下一步的动作。同时，该公司生产的人型机器人已经可以完成标准的后空翻、单腿跳箱子等复杂动作。医疗机器人所能完成的更多是移动病人、护理、医疗教学和病人前期诊断等工作。在这方面，国内医疗公司如联影，睿道等公司也进行了大力研发，效果显著并且已经在一些私立医院进行实装。所反映的数据和医疗情况都比较良好，这也给了人工智能在医疗行业上发展的信心。

所以智能机器人目前是人工智能发展最为具有应用价值的方向，同时结合了传统动力行业和人工智能方向，未来的发展方向也是趋向于如何让机器在工作领域内具有更强的自主性，也就是所谓的“智能”。

1.3图像识别

互联网的发展以及基础建设的大力普及，使得人们对图片等多媒体的需求日益增加，多媒体具有直观，易于理解等优势。所以图像识别也是近几年人工智能的工作重点。图像识别更多的是应用于目标检测，与智能驾驶不同的是，这种图像识别更强调于目前发生的事，分析说明标注，而非预测。比如，在视频监控中，可以通过人脸识别，检测潜在的罪犯或者通缉犯。再或者在医疗领域中，图像识别被用于针对于肿瘤等X光结果的辅助判断。这样对计算机图像的处理可以帮助人类更加快速，准确的识别图片信息。图像识别也是人工智能的重要领域，随着科技的进步，人工智能中的图像识别技术的应用，也会随着可以搭载的设备的进步而应用的更加广泛。

1.4智能制造技术

智能制造技术系统主要包括通用技术，基础平台技术，智能制造平台技术，无处不在的网络技术，产品生命周期智能制造技术和支持技术。

1.4.1通用技术

通用技术主要包括智能制造架构技术，软件定制网络（SDN）系统架构技术，空间 - 地面系统架构技术，业务模型，智能制造业务的企业建模与仿真技术，系统开发与应用技术，智能制造安全技术，智能制造评估技术，智能制造标准化技术。

1.4.2基础平台技术

基础平台技术主要是指基于一定目标和策略的方向规划。包含存储基础架构，计算基础架构，传输基础架构和交易基础架构等。这些基础架构都是为智能化制造所需要的高性能、高扩展、高并发提供基础保障。

1.4.3智能制造平台技术

智能制造平台技术主要包括面向智能制造的大数据网络互联技术，智能资源/容量感知和物联网技术，智能资源/虚拟容量和服务技术，智能服务环境建设/管理/运营/评估技术，智能知识/模型/大数据管理，分析与挖掘技术，智能人机交互技术/群体智能设计技术，基于大数据和知识的智能设计技术，智能人机混合生产技术，虚拟 - 实际组合智能实验技术，智能化管理技术，在线远程支持服务的自主决策和智能保障技术。

1.4.4无所不在的网络技术

无所不在的网络技术主要包括集成的融合网络技术和空间地面网络技术。

1.4.5产品生命周期智能制造技术

产品生命周期智能制造技术主要包括智能云创新设计技术，智能云产品设计技术，智能云生产设备技术，智能云运维管理技术，智能云仿真和实验技术，智能云服务保障技术。

1.4.6支持技术

支持技术主要包括AI 2.0技术，信息和通信技术（如基于大数据的技术，云计算技术，建模和仿真技术），新的制造技术（如3D打印技术，电化学加工）。技术），以及制造应用领域的专业技术（航空，航天，造船，汽车和其他行业的专业技术）。

2人工智能未来的发展方向

2.1拟人化的发展方向

目前，大多數人对于人工智能技术是包容的，人工智能技术可能在未来看来是一场不亚于工业革命的生产变革，人工智能在某些领域的发挥已经远远超出人类的极限水平，使一些领域开始出现质的变化，使人类的生产力解放，可以进行更多的生产，但同时也有一些科学家建议人类警惕人工智能，他们认为人工智能的发展现在也许微不足道，但是一旦人工智能的机器具有了自己理解外部环境的能力，可能会对人类造成毁灭性的打击。所以，为了发挥优点，并且尽量屏蔽缺点，未来人工智能可能会朝着专一功能的机器发展。

2.2新技术的出现促进人工智能的发展

虽然不同的人对人工智能持有不同的态度，但是不可否认的是，人工智能目前的应用确实已经对我们的生活产生了极大的影响。并且，随着一些更加高端的技术，例如大数据行业的出现和发展，人工智能所需要的学习成本和数据集这些紧缺的资源将不再是限制人工智能发展的枷锁。所以，新技术与人工智能的发展并不相悖，而是可以相互促进，相辅相成。

3结语

人工智能在日常生活中出现的频率已经越来越高，与人们的日常活动已经分离不开。同时，人工智能的应用也在不断地扩大领域，与之匹配的智能硬件和软件也层出不穷。在现在的这个阶段，我们正处于一个人工智能应用的加速期，这也预示着，我们如果可以乘着这个机会大力发展人工智能，同时保证其实用率，就可以极大地改善人们的生活。同时人工智能的发展也未必是一帆风顺，在发展的过程中，也会有大量的技术难题要去解决。总之我们应该尽最大的努力，让人工智能这样的新兴科技为我们的生活提供便利。

参考文献

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

[2] 陈庆霞.人工智能研究纲领的发展历程和前景[J].科技信息，2008（33）：49+234.

[3] 肖斌，薛丽敏，李照顺.对人工智能发展新方向的思考[J].信息技术，2009（12）：166-168.

[4] 韦淋元.人工智能发展的困境和出路[D].桂林：广西师范大学，2009：1-27.

[5] 顾险峰.人工智能的历史回顾和发展现状[J].自然杂志，2016（03）：157-166.

[6] LECUN，Y&L. BOTTOU&Y. BENGIO，etal.Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE，1998，11（11）：2278-2324.

[7] HINTON，G.&L.DENG&D.YU，etal. Deep Neural Networks for Acoustic Modeling in Speech Recognition： The Shared Views of Four Research Groups[J].IEEE Signal Processing Magazine，2012，6（06）：82-97.

[8] 王甲海，印鉴，凌应标.创新型人工智能教学改革与实践[J].计算机教育，2010（15）：136-138+148.

[9] HAYKIN，S. Neural Networks：A comprehensive Foundation[M].Upper Saddle River New Jersey：Prentice-Hall，1999.

[10] JOSEPH，C&GIARRAT， GARY D RILEY.专家系统原理与编程[M].北京：机械工业出版社，2006.

[11] 刘小冬.自然语言理解综述[J].统计与信息论坛，2007（02）：5-12，封2.

[12] 陈虹，郭露露，边宁.对汽车智能化进程及其关键技术的思考[J].2017（11）：52-59.

[13] 黄欣欣.探析人工智能在人类生活中的应用及未来发展态势[J].中国新通信，2017（21）.

[14] 王国伟.基于视觉图像的田径失误动作识别仿真[J].计算机仿真，2016，33（04）：274-277.

[15] KULKARNI，GIRISH，PREMRAJ，VISRUTH，ORDONEZ，VICENTE，etal.BabyTalk： Understanding and Generating Simple Image Descriptions[D]. 2013.

[16] Li，B.H.&B.C.Hou&W.T.Yu，etal.Applications of artificial intelligence in intelligent manufacturing： a review[J]. Frontiers Inf Technol Electronic Eng， 2017， 18（01）：86-96.