中國(guó)人工智能的畢業(yè)論文(2)
中國(guó)人工智能的畢業(yè)論文篇二
人工智能綜述
摘 要：自2016年3月AlphaGo戰(zhàn)勝世界圍棋冠軍李世石，人工智能也越來(lái)越成為社會(huì)關(guān)注的焦點(diǎn)，伴隨著人工智能應(yīng)用的普及以及各界人士對(duì)人工智能未來(lái)的猜測(cè)，進(jìn)而引發(fā)的人工智能威脅論也被社會(huì)各界人士所討論。該文首先介紹了人工智能的發(fā)展歷程，繼而剖析了人工智能的核心部分情感計(jì)算機(jī)制以及其與人類(lèi)的關(guān)系進(jìn)行了分析，接著介紹了目前常用的機(jī)器學(xué)習(xí)部分相關(guān)理論，最后分析了對(duì)人工智能的思考這五個(gè)方面進(jìn)行了總結(jié)綜述。
關(guān)鍵詞：人工智能 機(jī)器 學(xué)習(xí) 情感識(shí)別
中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X(2016)06(a)-0077-02
人工智能是一門(mén)涵蓋多學(xué)科知識(shí)，而又被當(dāng)今社會(huì)廣泛應(yīng)用于多領(lǐng)域，給人帶來(lái)便捷、高效的同時(shí)，又讓業(yè)界為其擔(dān)心的交叉學(xué)科知識(shí)的綜合產(chǎn)物。隨著各種智能機(jī)器人開(kāi)始服務(wù)于各大領(lǐng)域，有超強(qiáng)力量的機(jī)械手臂，高效解決問(wèn)題的專(zhuān)家系統(tǒng)，公眾日常可接觸到的可穿戴智能設(shè)備，從智能手機(jī)到各類(lèi)功能的3D打印技術(shù)，從谷歌眼鏡到全息投影，各類(lèi)機(jī)器設(shè)備如雨后春筍不斷涌出。
1 人工智能的發(fā)展
“人工智能”簡(jiǎn)稱(chēng)AI，是集心理認(rèn)知，機(jī)器學(xué)習(xí)，情感識(shí)別，人機(jī)交互以及數(shù)據(jù)保存、決策等于一身的多學(xué)科技術(shù)。其最早被提出是由McCarthy在20世紀(jì)中葉的達(dá)特茅斯會(huì)議上，這也成為人工智能正式誕生的標(biāo)志。在人工智能經(jīng)歷兩個(gè)低谷后的最近一個(gè)階段，從1993年開(kāi)始，人工智能其實(shí)取得了一些里程碑似的成果。比如在1997年，國(guó)際象棋冠軍卡斯帕羅夫被深藍(lán)戰(zhàn)勝;英國(guó)皇家學(xué)會(huì)舉行的“2014圖靈測(cè)試”中“尤金・古斯特曼”第一次“通過(guò)”圖靈測(cè)試，而這一天恰為計(jì)算機(jī)科學(xué)之父阿蘭・圖靈(Alan Turing)逝世60周年紀(jì)念日。2015年以來(lái)，“人工智能”開(kāi)始成為諸多業(yè)界人士關(guān)注的焦點(diǎn)之一。2016年3月AlphaGo在首爾以4∶1戰(zhàn)勝?lài)迨澜绻谲娎钍朗?，繼而引發(fā)了人工智能將如何改變?nèi)祟?lèi)社會(huì)的思考。
2 從AlphaGo看人工智能的“情感機(jī)制”與人類(lèi)的關(guān)系
機(jī)器學(xué)習(xí)算法的本質(zhì)是選擇一個(gè)萬(wàn)能函數(shù)建立預(yù)測(cè)模型[1]。首先用戶(hù)輸入大量訓(xùn)練樣本數(shù)據(jù)，機(jī)器對(duì)模型進(jìn)行訓(xùn)練，選擇可以使預(yù)測(cè)的模型達(dá)到最優(yōu)的參數(shù)集，從而使模型能夠更好地?cái)M合訓(xùn)練樣本數(shù)據(jù)的空間分布[2]。谷歌公司在訓(xùn)練AlphaGo時(shí)，收集了20萬(wàn)職業(yè)圍棋高手的對(duì)局，在經(jīng)過(guò)不同版本AlphaGo之間的自我對(duì)弈，生成了3 000多萬(wàn)個(gè)對(duì)局，包含了人類(lèi)圍棋領(lǐng)域所積累的所有豐富和全面的知識(shí)與經(jīng)驗(yàn)。相比IBM“深藍(lán)”戰(zhàn)勝?lài)?guó)際象棋卡斯帕羅夫，其依靠了強(qiáng)大的運(yùn)算能力取得了勝利，AlphaGo的最大進(jìn)步是從“計(jì)算加記憶”進(jìn)化到“擬合加記憶”法則[2]。智能設(shè)備具有了海量數(shù)據(jù)存儲(chǔ)和高速的計(jì)算本領(lǐng)，人機(jī)交互(human-computer interaction)系統(tǒng)研發(fā)過(guò)程遇到的瓶頸仍是識(shí)別和表達(dá)情感方面。
情感在人際交往中扮演著重要的角色，情緒的識(shí)別主要是識(shí)別人類(lèi)傳遞情緒的信號(hào)。既可以通過(guò)語(yǔ)言直接傳遞，也可以通過(guò)語(yǔ)調(diào)、面目表情、姿勢(shì)等進(jìn)行表達(dá)。機(jī)器具有智能，“情感”是十分重要的一環(huán)。這要求機(jī)器具有對(duì)認(rèn)知的解釋與建構(gòu)，而認(rèn)知的關(guān)鍵問(wèn)題則是自主和情感意識(shí)。
對(duì)人工智能的威脅霍金總結(jié)說(shuō)：“人工智能在短時(shí)間內(nèi)發(fā)展取決于應(yīng)用它的人，長(zhǎng)遠(yuǎn)來(lái)看到底其能否被控制是我們需要關(guān)注的內(nèi)容。”針對(duì)人類(lèi)對(duì)于“人工智能終將超越人類(lèi)”的擔(dān)憂(yōu)可以概括為以下兩點(diǎn)：(1)蠹生于木，而反食于木。恰如部分美國(guó)科幻片中所展現(xiàn)的場(chǎng)景，人類(lèi)創(chuàng)造的機(jī)器因被賦予人類(lèi)情感智力而脫離人類(lèi)控制。(2)機(jī)器因其具有人類(lèi)交互的情感且很少產(chǎn)生人工失誤而逐漸取代人類(lèi)的勞動(dòng)，致使人類(lèi)無(wú)用武之地而待業(yè)失業(yè)。從技術(shù)飛速發(fā)展過(guò)程來(lái)看，智能設(shè)備的應(yīng)用往往只是其在某一功能極大化的使用，如，專(zhuān)家系統(tǒng)其解決的只是某一領(lǐng)域內(nèi)復(fù)雜問(wèn)題解決方案的決策提供;虛擬現(xiàn)實(shí)技術(shù)是生活場(chǎng)景的實(shí)體化展現(xiàn)，以方便用戶(hù)更好地體驗(yàn)現(xiàn)實(shí)場(chǎng)景;服務(wù)領(lǐng)域的機(jī)器人，提供的只是某一行業(yè)的服務(wù)，恰如汽車(chē)提供的只是快速的代步工具而不能與人交流一樣，智能機(jī)器只是發(fā)揮其某一單方面的優(yōu)勢(shì)，從而更好地輔助人類(lèi)完成特定的工作。在未來(lái)社會(huì)，那些簡(jiǎn)單重復(fù)性的勞動(dòng)將被機(jī)器所取代;此外，還有一些通過(guò)大量數(shù)據(jù)進(jìn)行判別決策類(lèi)的輸出，從而更好地為人類(lèi)提供建議;同時(shí)對(duì)社會(huì)生活中重大事變、復(fù)雜工業(yè)系統(tǒng)中的故障處理，這些存在危險(xiǎn)的領(lǐng)域中有智能設(shè)備的存在其實(shí)質(zhì)是對(duì)人類(lèi)安全及人類(lèi)價(jià)值的禮遇;而對(duì)于那些與人交流密切的服務(wù)領(lǐng)域內(nèi)，則更需要人與人的溝通，才能更好地服務(wù)于人。這些機(jī)器的存在解放了人的身體，進(jìn)而可以使人類(lèi)投入更多精力在科研領(lǐng)域。而人工智能與人類(lèi)之間的關(guān)系，可以用“共存”一詞進(jìn)行概括，即按勞分配，取長(zhǎng)補(bǔ)短[2]。
3 機(jī)器學(xué)習(xí)理論
目前最受社會(huì)關(guān)注的智能算法，當(dāng)屬日本學(xué)者福島教授基于Hubel Wiese的視覺(jué)認(rèn)知模型提出的卷積神經(jīng)網(wǎng)絡(luò)模型(Convolution Neural Network，CNN)，是一種深度監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型。深度學(xué)習(xí)的概念來(lái)源于人工神經(jīng)網(wǎng)絡(luò)，常見(jiàn)的深度學(xué)習(xí)算法包括：受限波爾茲曼機(jī)(Restricted Boltzmann Machine，RBN)，Deep Belief Networks(DBN)，卷積網(wǎng)絡(luò)(Convolutional Network)，堆棧式自動(dòng)編碼器(Stacked Auto-encoders)。該算法的提出是為解決起初基于1943年，美國(guó)心理學(xué)家W.S.McCulloch和數(shù)學(xué)家W.A.Pitts生物神經(jīng)元計(jì)算模型(M-P)[2]的早期人工神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)層超過(guò)4層后，用傳統(tǒng)反向傳遞算法訓(xùn)練而無(wú)法收斂的問(wèn)題而提出。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成高層屬性類(lèi)別或特征，從而發(fā)現(xiàn)數(shù)據(jù)的分布特征。重要的人工神經(jīng)網(wǎng)絡(luò)算法包括：感知器神經(jīng)網(wǎng)絡(luò)(Perceptron Neural Network)，反向傳遞(Back Propagation)，Hopfield網(wǎng)絡(luò)，自組織映射(Self-Organizing Map，SOM)，學(xué)習(xí)矢量量化(Learning Vector Quantization，LVQ)。
簡(jiǎn)單介紹一下神經(jīng)網(wǎng)絡(luò)：
對(duì)應(yīng)公式為，通過(guò)不同權(quán)重的多輸入，得到輸出，該單元也被稱(chēng)為邏輯回歸模型。當(dāng)多個(gè)單元相互關(guān)聯(lián)，并進(jìn)行分層后即形成了神經(jīng)網(wǎng)絡(luò)模型。
4 人工智能的未來(lái)
當(dāng)前，人才輩出的社會(huì)促進(jìn)技術(shù)手段的不斷創(chuàng)新，大數(shù)據(jù)，物聯(lián)網(wǎng)，虛擬現(xiàn)實(shí)、云計(jì)算等技術(shù)發(fā)展與機(jī)器人人工智能領(lǐng)域不斷融合發(fā)展，這無(wú)疑將推動(dòng)產(chǎn)業(yè)方式發(fā)生改變。
而針對(duì)人工智能威脅論，李開(kāi)復(fù)老師針對(duì)機(jī)器越發(fā)智能化而帶給人類(lèi)的危機(jī)表示：人工智能的真實(shí)危機(jī)在于未來(lái)機(jī)器將養(yǎng)活無(wú)所事事的人。這也在激勵(lì)著人類(lèi)，機(jī)器的智能，在代替人類(lèi)部分勞動(dòng)后，需要我們潛心于高科技的發(fā)展，進(jìn)而不被社會(huì)所淘汰。斯特羅斯說(shuō)“人工智能之于人類(lèi)，最需要擔(dān)心的是其自發(fā)意識(shí)。無(wú)人機(jī)并不能殺人，指導(dǎo)無(wú)人機(jī)的坐標(biāo)并投射地獄火導(dǎo)彈的人才能殺人。”這一說(shuō)法表明其認(rèn)為人類(lèi)已經(jīng)生活在后人工智能世界了，但人們還沒(méi)有意識(shí)到人工智能都是我們的代理人。這足以表明，人工智能產(chǎn)品的設(shè)計(jì)，一方面是為人類(lèi)帶來(lái)了更加綠色，智能，方便的生活方式，而另一方面其法律規(guī)范意識(shí)，以及人才價(jià)值觀及道德的培養(yǎng)更值得社會(huì)關(guān)注。
參考文獻(xiàn)
[1] 于玲，吳鐵軍.LS-Ensem：一種用于回歸的集成算法[J].計(jì)算機(jī)學(xué)報(bào)，2006(5)：719-726.
[2] 劉偉.關(guān)于人工智能若干重要問(wèn)題的思考[J].學(xué)術(shù)前沿，2016(7)：6-11.
[3] 龔怡宏.人工智能是否終將超越人類(lèi)智能[J].學(xué)術(shù)前沿，2016(7)：12-21.
中國(guó)人工智能的畢業(yè)論文相關(guān)文章：