序在2016年3月以4:1的總比分戰(zhàn)勝圍棋世界冠軍李世石,并在2016年末至2017年初陸續(xù)戰(zhàn)勝了數(shù)十位中日韓圍棋高手,AlphaGo不再依靠記錄棋譜而是通過幾百萬次的增強(qiáng)學(xué)習(xí)建立模型來完成下棋過程。此外,谷歌還開發(fā)了單次學(xué)習(xí)算法,可使用一張照片來識(shí)別新物體,這樣的算法能夠應(yīng)用于自動(dòng)駕駛汽車的研發(fā)中,使自動(dòng)駕駛汽車對于其他障礙物和汽車的識(shí)別更加迅速,提高自動(dòng)駕駛的反饋速率和安全性。谷歌的人工智能研究還包括人工智能操作系統(tǒng)、人臉識(shí)別/圖像識(shí)別、語音識(shí)別/自然語言處理、智能醫(yī)療、游戲以及智能搜索等。

微軟在基于深度學(xué)習(xí)的語音識(shí)別和圖像識(shí)別上均有重大突破,并將其應(yīng)用到諸多微軟產(chǎn)品中,如Skype即時(shí)翻譯、小冰聊天機(jī)器人和小娜(Cortana)虛擬助理,小娜每天都在為1.13億用戶服務(wù),并已回答了超過120億個(gè)問題。此外微軟的人工智能布局也從基礎(chǔ)設(shè)施的角度出發(fā),例如建立基于云平臺(tái)的人工智能超級(jí)云電腦;為開發(fā)者提供深度學(xué)習(xí)工具包——CNTK（分布式運(yùn)算神經(jīng)網(wǎng)絡(luò)框架）,幫助客戶快速搭建人工智能模型;提供人臉識(shí)別等一些智能算法的應(yīng)用程序編程接口（Application Programming Interface,API）,簡化開發(fā)者的工作等。

蘋果公司的人工智能技術(shù)多數(shù)已經(jīng)實(shí)現(xiàn)在產(chǎn)品中,如將深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks,DNN）算法引入Siri等語音識(shí)別應(yīng)用中以提升語音識(shí)別的正確率,在Apple Store中使用深度學(xué)習(xí)算法辨別是否存在賬戶盜用情況,在Apple Watch上采用人臉識(shí)別技術(shù)辨析用戶是否處于鍛煉狀態(tài)等。2016年3月,蘋果發(fā)布了對于圖像訓(xùn)練的人工智能報(bào)告,提出一種“模擬+無監(jiān)督”的學(xué)習(xí)方法以提高圖像識(shí)別能力。

Facebook目前擁有兩個(gè)成熟的人工智能實(shí)驗(yàn)室,進(jìn)行人工智能科學(xué)研究和機(jī)器學(xué)習(xí)研究,致力于為Facebook服務(wù)提供圖像、語音、交互等方面的功能,并滿足用戶的個(gè)性化需求。Facebook目前正在通過對虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)以及機(jī)器人等人工智能軟件應(yīng)用和硬件的研究建立人工智能生態(tài)系統(tǒng),以期實(shí)現(xiàn)人工智能與人類生活的對接。

我國的人工智能技術(shù)創(chuàng)新主要以3個(gè)互聯(lián)網(wǎng)公司為首（BAT）,其中阿里巴巴和騰訊主要以拓展人工智能應(yīng)用領(lǐng)域?yàn)橹饕ぷ鞣较?百度則以深度學(xué)習(xí)技術(shù)為核心進(jìn)行多領(lǐng)域的應(yīng)用開發(fā)。百度的語音識(shí)別、圖像識(shí)別、自然語言處理等方面的應(yīng)用均達(dá)到了國際領(lǐng)先水平,其研發(fā)的自動(dòng)駕駛汽車已在2015年底完成了上路實(shí)測,而且發(fā)布了Apollo計(jì)劃向汽車行業(yè)及自動(dòng)駕駛領(lǐng)域的合作伙伴提供軟件開放平臺(tái)以協(xié)助搭建自動(dòng)駕駛系統(tǒng)。同時(shí)百度也已經(jīng)建成名為 “百度大腦”的人工智能系統(tǒng),由超大規(guī)模神經(jīng)網(wǎng)絡(luò)、萬億級(jí)參數(shù)、億級(jí)訓(xùn)練數(shù)據(jù)組成,能夠完成語音、圖像、自然語言處理和用戶畫像四大功能,目前已經(jīng)達(dá)到了4歲兒童的智力水平。

2.3 人工智能技術(shù)的行業(yè)解決方案

1）生物識(shí)別。生物識(shí)別是指采用人體的生物標(biāo)識(shí)（如指紋、人臉、虹膜等）進(jìn)行比對,進(jìn)而完成身份確認(rèn)的一種技術(shù)方法。生物識(shí)別領(lǐng)域的主要特點(diǎn)是需要對大量的樣本數(shù)據(jù)進(jìn)行建模和計(jì)算,而人工智能技術(shù)的并行計(jì)算能力和迭代優(yōu)化能力可以很好地保證數(shù)據(jù)處理的快速和準(zhǔn)確。在生物識(shí)別應(yīng)用領(lǐng)域,人工智能技術(shù)可以完成兩方面的工作：一方面是將樣本數(shù)據(jù)進(jìn)行特征提取形成訓(xùn)練數(shù)據(jù),通過訓(xùn)練數(shù)據(jù)訓(xùn)練識(shí)別模型;另一方面是通過學(xué)習(xí)模型完成生物信息的自動(dòng)比對。

2）自動(dòng)駕駛。自動(dòng)駕駛系統(tǒng)是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng),通過終端感知信息收集、云端匯聚計(jì)算以及多協(xié)同決策下發(fā)來完成整個(gè)工作流程。而人工智能技術(shù)的自主決策和自愈合等特性可以完成分布式的計(jì)算和決策,并通過自愈合、自適應(yīng)的能力保證V2X通信的順暢。在自動(dòng)駕駛領(lǐng)域中,人工智能技術(shù)的工作包括：使用機(jī)器學(xué)習(xí)理論的模式識(shí)別系統(tǒng)將路況信息自動(dòng)識(shí)別出來,供自動(dòng)駕駛系統(tǒng)作為汽車運(yùn)行的依據(jù);使用汽車自動(dòng)運(yùn)行系統(tǒng),利用人工智能技術(shù)完成數(shù)據(jù)分析,從而自主地完成決策制定^[14]。

3）自然語言處理。自然語言處理系統(tǒng)是一種讓機(jī)器理解人類語言的系統(tǒng)。基于機(jī)器學(xué)習(xí)算法,可以從數(shù)據(jù)中挖掘出語言學(xué)的一般性規(guī)律來助力機(jī)器對人類語言的理解,實(shí)現(xiàn)以規(guī)則和統(tǒng)計(jì)相結(jié)合的自然語言處理,而深度學(xué)習(xí)技術(shù)則可以有效地提升聲音/文本語義處理、聲學(xué)模型與語言模型建模、自然語言處理等領(lǐng)域的性能水平。

4）網(wǎng)絡(luò)自主優(yōu)化。目前的網(wǎng)絡(luò)部署是一個(gè)非常復(fù)雜的問題,不僅需要考慮不同制式的基站以及不同規(guī)格的接入終端,同時(shí)為了保證邊緣用戶服務(wù)質(zhì)量以及通信系統(tǒng)本身的能耗問題,需要對于基站發(fā)射功率、波束角度、中繼節(jié)點(diǎn)位置、天線數(shù)量等很多參數(shù)進(jìn)行綜合部署。應(yīng)用神經(jīng)網(wǎng)絡(luò)和模糊邏輯,一方面可以處理復(fù)雜的多輸入數(shù)據(jù),另一方面可通過隸屬函數(shù)定式處理一些模糊的參數(shù)設(shè)定。

 3 人工智能技術(shù)發(fā)展面臨的問題與建議

3.1 人工智能技術(shù)發(fā)展面臨的問題

人工智能技術(shù)在近年來的發(fā)展異常迅速,各國的資金和科研投入力度也非常大,但人工智能技術(shù)的發(fā)展仍然存在一定的瓶頸。

1）計(jì)算能力。計(jì)算能力是制約人工智能技術(shù)發(fā)展的一個(gè)關(guān)鍵問題,不管是多層神經(jīng)網(wǎng)絡(luò)還是最簡單的專家系統(tǒng),人工智能技術(shù)都涉及處理大量數(shù)據(jù)并進(jìn)行迭代計(jì)算,這需要大量的計(jì)算資源配合。在大型互聯(lián)網(wǎng)企業(yè),大規(guī)模機(jī)器學(xué)習(xí)算法經(jīng)常用于處理十億至千億級(jí)別的樣本,以及高達(dá)一億乃至數(shù)十億以上數(shù)據(jù)特征的大規(guī)模數(shù)據(jù)集^[15]。而一些特別的人工智能應(yīng)用場景（如自動(dòng)駕駛、虛擬現(xiàn)實(shí)等）還會(huì)對計(jì)算速度和反饋時(shí)延有非常嚴(yán)格的要求,這就對計(jì)算能力和計(jì)算基礎(chǔ)設(shè)施建設(shè)提出了更高的要求。

2）安全性。安全性是目前人工智能技術(shù)發(fā)展面臨的另一個(gè)問題。人工智能技術(shù)通常需要收集大量的感知數(shù)據(jù)并進(jìn)行匯總,在數(shù)據(jù)傳輸和數(shù)據(jù)存儲(chǔ)方面如果存在安全性問題會(huì)損害用戶利益,也會(huì)影響到人工智能技術(shù)的應(yīng)用范圍,進(jìn)而導(dǎo)致一些對安全要求較高的領(lǐng)域如金融、社保等行業(yè)中的人工智能研究進(jìn)展放緩。

3）可靠性和易用性。在人工智能技術(shù)涉及的計(jì)算過程中,特別是在非監(jiān)督的機(jī)器學(xué)習(xí)計(jì)算過程中,數(shù)據(jù)計(jì)算的精度和準(zhǔn)確度會(huì)影響到?jīng)Q策制定的可靠性。而在面向大數(shù)據(jù)處理時(shí),人工智能系統(tǒng)的易用性與機(jī)器學(xué)習(xí)的精度是同等重要的,如果能夠用常規(guī)程序設(shè)計(jì)方法來有效完成大數(shù)據(jù)的復(fù)雜分析處理,將會(huì)極大地減輕開發(fā)人員的工作量,使人工智能的應(yīng)用領(lǐng)域進(jìn)一步擴(kuò)展^[15]。

3.2 人工智能技術(shù)的發(fā)展建議

1）政策監(jiān)管。監(jiān)管部門應(yīng)對人工智能進(jìn)行系統(tǒng)的政策監(jiān)管,對于人工智能所涉及到的感知、收集、傳輸、存儲(chǔ)、計(jì)算等環(huán)節(jié)進(jìn)行把控,建立健全的政策監(jiān)管體系。

2）標(biāo)準(zhǔn)建設(shè)。目前研究人工智能的標(biāo)準(zhǔn)化組織和聯(lián)盟數(shù)量眾多,相關(guān)標(biāo)準(zhǔn)和文件也比較雜亂,應(yīng)盡快建設(shè)人工智能綜合標(biāo)準(zhǔn)化框架,保證人工智能的標(biāo)準(zhǔn)建設(shè)形成一定體系,將標(biāo)準(zhǔn)建設(shè)統(tǒng)一化、規(guī)范化。

3）技術(shù)研究。在加強(qiáng)人工智能相關(guān)算法、架構(gòu)和機(jī)制研究的同時(shí),還要關(guān)注人工智能相關(guān)基礎(chǔ)設(shè)施的技術(shù)研究,保證基礎(chǔ)設(shè)施的計(jì)算能力跟得上算法的演進(jìn)步伐,并在人工智能算法研究中逐步減少對于資源的占用,形成輕量級(jí)的核心算法。

 4 結(jié)語

本文論述了人工智能技術(shù)的起源和發(fā)展,明晰了人工智能技術(shù)的定義和范疇,分析了人工智能的核心技術(shù)和應(yīng)用場景,研究了目前基于人工智能的行業(yè)解決方案,并提出了人工智能技術(shù)在發(fā)展中面臨的問題和建議。本文在人工智能技術(shù)持續(xù)突破、產(chǎn)品創(chuàng)新不斷涌現(xiàn)的背景下,探討了人工智能技術(shù)的不同應(yīng)用場景,展現(xiàn)了人工智能的優(yōu)勢以及帶給不同領(lǐng)域的推動(dòng)力和創(chuàng)新力,以期為相關(guān)研究提供參考。

(編輯:鄒海彬)

參考文獻(xiàn)

[1] 賀倩. 人工智能技術(shù)在移動(dòng)互聯(lián)網(wǎng)發(fā)展中的應(yīng)用[J]. 電信網(wǎng)技術(shù), 2017(2): 1-4.

HE Qian.The application of artificial intelligence technology in the development of mobile internet[J]. Telecommunications Network Technology, 2017(2): 1-4.

[2] LI B H, HOU B C, YU W T, et al.Applications of artificial intelligence in intelligent manufacturing: a review[J]. Frontiers of Information Technology & Electronic Engineering, 2017, 18(1): 86-96.

[3] 楊濤. 對人工智能在金融領(lǐng)域應(yīng)用的思考[J]. 國際金融, 2016(12): 24-27.

[4] 李文萃, 王世文, 李雄, 等. 基于人工智能的電網(wǎng)企業(yè)信息安全防控體系[J]. 電力信息與通信技術(shù), 2017, 15(2): 105-109.

LI Wen-cui, WANG Shi-wen, LI Xiong, et al.An information security prevention system of power grid enterprises based on artificial intelligence[J]. Electric Power Information and Communication Technology, 2017,15(2): 105-109.

[5] LUGER G F.人工智能: 復(fù)雜問題求解的結(jié)構(gòu)和策略[M]. 6版. 北京: 機(jī)械工業(yè)出版社, 2009.

[6] 鐘義信. 信息轉(zhuǎn)換原理: 信息、知識(shí)