从学术的角度去理解人工智能AI

本文尝试着从学术的角度去科普一下人工智能（“AI”），可能读起来未必朗朗上口，但是对于理解AI及其应用会有另外一番感受！

---

AI的概述及发展历程

AI是由McCarthy在Dartmouth学会上正式提出的，被人们称为世界三大尖端科技之一（其他的两个是纳米技术与基因工程）。AI作为计算机学科的一个重要分支，是一门涉及心理学、认知科学、思维科学、信息科学、系统科学和生物科学的综合型技术学科。对于AI大的定义，至今并没有形成一个统一的定义，尼尔逊教授认为AI是关于知识的学科，及怎么表示知识以及怎么样获得知识并使用知识的学科。温斯特教授认为AI就是研究如何使计算机去做过去只有人才能做好的工作，从这两个定义大致的可以看出，AI是研究人类活动的规律，使得机器或者计算机能够像人一样进行思考、决策、行动。

AI大致经历了五个阶段：黄金时期（20 世纪50 年代至70 年代）、第一次低谷（20 世纪70、80 年代）、大繁荣时期（1982 年至1987 年）、寒冬阶段（1990年至2000年）、春天时代（21世纪初至今），其发展举世瞩目，2017年 AlphaGo 机器人使用树搜索的算法在与围棋界的世界顶级棋手柯洁的对弈中取胜后，AI一夜蹿红，它现在已然成为这个时代的新宠儿。我国在2017年发布了《新一代人工智能发展规划》，人工智能从研究层面上升到了国家战略高度。

人工智能的应用

机器翻译

近几年，随着采用深度学习和神经网络的方法，使机器翻译的技术有了很大进步。例如目前被广泛应用的是基于深度学习技术的长短时记忆循环神经网络的机器翻译模型，它可以转换任意长度的句子并对关键词进行“记忆”，从而解决了句子向量化的难题，也使机器对语言的处理提升至语义理解的高度。然而，无论采用哪种方法，不可否认的是，目前机器翻译的最大困难在于译文的质量，机器翻译水平与人工翻译水平仍然相差甚远，不能相提并论。早在20多年前，国内著名语言学家周海中就认为要想达到翻译的“信、达、雅”机器翻译是做不到的。也可以说，机器翻译是人工智能领域中一个很难攻克的课题。在提高机译质量的困难面前，只靠机器本身根本无法做到，这有待未来科学技术的发展，尤其是人工智能在神经信息学研究上的重大突破。

生物特征识别

生物特征识别技术是一种借助计算机、生物传感器等手段对人类所固有的生物特征如指纹、骨骼、视网膜和DNA 等，或行为特征如姿势和习惯等，进行个体身份识别认证的技术。这项技术的关键在于计算机如何获得个人独有的生物特征，在将之转换成数字信息后进行特征存储，并借助可靠的匹配算法进行分析，进而完成个人身份的识别与验证。其中，它涉及到图像处理与模式识别等多项技术，并在教育、管理、金融、国家安全、信息安全等领域都得到了广泛应用。例如，目前成熟且大规模运用的人脸识别技术就是生物特征识别的热点技术之一，它是计算机视觉的典型应用，属于一种非接触型认证。此外，指纹识别、皮肤芯片、步态识别、虹膜识别、静脉识别、视网膜识别、DNA识别等也是生物特征识别的热点技术，它们在特定的领域都各有所长，是生物特征识别技术的突出发展成果。

无人驾驶

视觉系统属于人工智能技术中的一个组成部分，可以指引汽车在行车道上以更加稳定的速度行驶.当前美国已经成功把这一项技术应用在微型汽车中，可以对汽车进行自主导航，而且行进大约2000 公里的路程在整个行驶的过程中有98%的时间都需要借助于这个系统对汽车进行相应的控制.根据对视觉系统相关内容的调查了解，人们一般会在寻找公路出口的时候对汽车进行控制.对于视觉系统的进一步完善可以让其积累更多的实用经验，进而计算出最佳的驾驶方向，实现对汽车的科学控制.通过人工智能技术的不断发展，在未来无人驾驶技术必然会得到实现。

---

总结

AI是研究人类活动的规律，使得机器或者计算机能够像人一样进行思考、决策、行动。未来的人工智能技术在机器翻译、生物特征识别、无人驾驶等领域会有很大的应用场景，但需要注意的是包括但局限于这些领域，就像4G所孵化出的抖音、快手等段视频，这些之前是根本意想不到的。

期待下一个信息化浪潮！期待人工智能！