人工智能研究綜述模板(10篇)

導言：作為寫作愛好者，不可錯過為您精心挑選的10篇人工智能研究綜述，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

Abstract: in the theoretical analysis and test research, it established concrete rebound-ultrasound-pulled out of the synthesis detection artificial neural network model. Comparing the traditional regression algorithm, the artificial neural network model of concrete strength has higher precision.

Keywords: rebound-ultrasound-pull out the synthesis; Concrete; Strength; detection

中圖分類號： TU528 文獻標識碼：A 文章編號：

1 引言

混凝土的強度可采用無損檢測的方法進行推定，如采用回彈法、聲速法、拔出法或綜合法。綜合法由于采用多項物理參數，能較全面地反映構成混凝土強度的各種因素，并且還能夠抵消部分影響強度與物理量相關關系的因素，因而它比單一物理量的無損檢測方法具有更高的準確性和可靠性[1]。通過試驗研究和工程實踐積累的檢測數據，建立了混凝土強度回彈-超聲-拔出綜合法神經網絡模型。

2 試驗設計

2.1 試件制作

設計C15、C20、C25、C30、C35、C40六個強度等級、三個齡期的混凝土，共制作標準養護100×100×100mm立方體試件180組用于回彈法、超聲法檢測，制作標準養護200×200×200mm立方體試件180組用于拔出法檢測，同時制作相同組數的自然養護試件。試件均采用機械攪拌、機械振搗。

2.2 混凝土配合比及原材料基本性能

混凝土配合比及設計參數見表1。

表1 混凝土配合比及設計參數統計表

3 回彈-超聲-拔出綜合法人工神經網絡的設計與模型建立

3.1網絡設計與說明

3.1.1輸入和輸出層的設計

人工神經網絡的輸入、輸出層數是完全根據使用者的要求來設計，問題確定下來，輸入輸出層也就確定了。

3.1.2隱含層單元的選擇

隱含層單元個數的選擇是一個十分復雜的問題，目前尚沒有很好的解析表達式，隱含層單元的個數與問題的要求、輸入輸出單元的數量、訓練樣本的數量等都有直接關系。當隱含層單元的數量太少時會導致網絡的容錯性能降低，即訓練不出理想的結果。但隱含層單元個數太多又往往會造成網絡的訓練時間過長，且網絡的輸出誤差也不一定最小，因此目前主要依靠理論和經驗確立合適的計算網絡[2]。下面公式作為選擇隱含層單元數的參考：

式中：n1為隱含層單元數，m為輸出層單元數，n為輸入層單元數，a為1-10之間的常數。

3.1.3初始值的選取

對于系統是非線性的，初始值對于學習是否達到局部最小和是否能夠收斂的關系很大，一個重要的要求是希望初始權在輸入累加時使每個神經元的狀態接近于零，這樣可以保證開始時不落到那些平坦區域上。權一般取隨機數，而且要求比較小，這樣可以保證每個神經元一開始都在它們轉換函數變化最大的地方進行[3]。

3.1.4數據的歸一化處理

由于輸入數據的密集性，數據之間的差別太小，如超聲值；同時由于采集的各數據單位不一致，直接將數據輸入神經網絡進行訓練會引起混淆。因此，必須對輸入數據和輸出數據進行歸一化處理（Normalization Processing），使得輸入層的輸入值介于[-1,1]之間，而輸出層的輸出值介于[0,1]之間。

神經網絡訓練結束后，在神經網絡進行混凝土強度推測階段（即仿真階段），需要對數據進行反歸一化處理。

3.2網絡算法改進

3.2.1附加沖量(動量)法

附加沖量法修正網絡參數時，不僅考慮誤差函數的梯度下降，而且考慮誤差曲面的變化趨勢。沒有附加沖量作用時，網絡可能陷入局部極小或進入誤差曲面平坦區，而附加沖量則有可能使網絡跳出局部極小或滑過平坦區[4]。

3.2.2自適應學習速率

正確選擇學習速率不是一件容易的事情，通常對訓練初期合適的學習速率，隨著訓練的進行會變得不合適，因為誤差曲面是非常復雜的。為了解決這一問題，設法讓網絡具有這樣一種功能，根據自身的訓練情況自動調整學習速率，即采用自適應學習速率[5]。

3.2.3 S型函數輸出限幅算法

網絡的連接權和閥值的調節量都與中間層輸出b有關，當bj=0或b=l時，vji=0或wji=0或θj=0，即當bj=0或bj=1時，不能對網絡的權值和閥值進行調整。

3.3 網絡訓練和模型的建立

混凝土強度回彈-超聲-拔出綜合法神經

網絡訓練如圖1示。經過訓練，網絡模型如

圖2所示。

建立的神經網絡的訓練函數為Trainlm。

輸入層數是3，即回彈值、超聲值、拔出力；

輸出層數是1，即混凝土立方體抗壓強度。

隱含層是1層，單元數是5。初始學習速率

0.05，沖量系數0.9，允許學習次數3000，

學習樣本數168，計算樣本數15，初始權值和閾值為[-0.01，0.01]區間的隨機數，輸入層的輸入值介于[-1，1]之間，輸出層的輸出值介于[0，1]之間。網絡檢測樣本見表2所示。

4 人工神經網絡與回歸算法推測混凝土強度對比

4.1回歸模型選擇

根據試驗數據情況擬選三種回歸公式，通過回歸指標綜合評價這三種回歸公式，然后選取既能反映混凝土實際工作狀況又較為簡單的回歸公式作為綜合法的測強公式 。

擬選用以下幾種回歸公式模型[6，7]：

冪函數方程 ：

線性方程：

指數方程：

式中；—混凝土強度計算值(MPa)；F—拔出力(kN)；N—回彈值；V—超聲速度(km/s)；A、B、C、D—回歸系數

4.2 綜合法檢測回歸公式及試驗結果分析

本次試驗通過對576組150×150×150mm試塊和90根750×200×200mm小梁180組進行拔出、回彈、超聲檢測。對試驗數據利用Matlab進行回歸分析，得到如下回歸方程和相應的回歸指標，見表3。

篇2

中圖分類號：TP27 文獻標識碼：A 文章編號：1671-2064（2017）03-0221-02

人工智能是當今科技發展中最具潛力的熱點問題之一，2016年初轟動世界的谷歌AlphaGo打敗圍棋世界冠軍李世石的經典案例更是引起了全世界廣泛的關注和熱議。“人工智能”這個概念再次被推到了風口浪尖。那么，究竟什么是人工智能呢？它會對我們的生活有什么影響？在這個背景下，我們深入探究人工智能及其相關的技術領域，對于人工智能的普及和發展有著重要意義，也希望能給予人工智能相關領域的科學研究者們提供一些參考和方向。

1 什么是人工智能

人工智能（Artificial Intelligence，AI）是一門全新的信息技術科學，是計算機科學技術的一個重要分支，是指對于模擬、拓展和延伸人類的智能的應用系統及相關的理論和技術方法的開發研究。主要通過研究及了解人類智能的本質從而開發出能給出類似人類智能反饋的智能機器，計算機系統在理解目標方向之后所取得的最大化成果是計算機實現的最大智慧。人工智能不單單是一個特定的技術，它所研究的往往是能創造智能意識的高科技機器，包括了算法和其他應用程序，處理的任務也遠遠超出了簡單計算，從學習感知規劃到推理識別控制等等。人工智能的研究方向包含語言及圖像識別技術、機器人設計、自然語言處理等，日益成熟的理論方法和技術實踐也使得應用領域范圍大規模擴張，人工智能是人類智慧的結晶，未來也可能展現出超過人類的智能。

2 人機智能的研究方向

人工智能的科學研究通常涉及到數學、邏輯學、認知科學、以及最重要的計算機科學等多學科領域，延伸出了以下幾個主要的研究方向：

2.1 邏輯推理與證明

早期的人工智能更多的解決了大量數學問題，邏輯推理是基礎也是研究時間最長最重點的領域之一。通過找到可靠的證明或者反證方法實現潛在的定理證明，根據數據庫的實例進行推導并及時更新證明結論，演繹和直覺相結合，在推理和證明中實現部分智能。

2.2 問題求解

問題求解領域的一大重要應用則是下棋程序的功能實現，化繁為簡、將困難的問題點拆分成為獨立的子問題進行求解；而另一個實例則是數學方程的求解實現，分析各種公式符號的組合意義從而為科學研究者提供強有力的基礎保障。問題求解中所運用的搜索和規約也是人工智能領域中的兩大基本技術。

2.3 自然語言處理

自然語言處理也叫自然語言理解（Natural Language Processing，NLP），是指借助計算機來處理使用人類語言作為計算對象的算法程序，并研究相關的理論方法和技術。NLP是人工智能領域的主要研究方向之一，也是發展時間較長的研究方向之一。語音識別、搜索引擎、機器翻譯等等都是NLP的重要研究內容，目前也都在人工智能領域獲得了突出的應用成果。

2.4 專家系統

專家系統是指具有大量模擬人類相關領域專家知識和經驗的智能計算機程序系統，依托于人工智能相關技術，根據專家系統所提供的數據方法進行判斷推理進一步決策，從而代替人類專家解決一部分該領域的特定問題。從知識表示技術的角度上看，專家系統可分為基于網絡語義、基于規則、基于邏輯、基于框架等幾種類別；而從任務類型及專家系統主要解決的問題類型的角度來看，專家系統也可分成解釋型（分析和闡述符號數據的意義）、調試型（根據故障制定排除方案）、預測型（根據現狀預測指定對象未來可能的結果）、維修型（針對特定故障制定并實施規劃方案）、設計型（按指定需求制作圖樣和方案）、規劃型（根據指定目標制定行動方案）等。

專家系統的建立包含以下幾個步驟：（1）初始專家知識庫的設計：包括問題、知識、概念、形式、規則等多個概念的籌建；（2）開發和試驗系y原型機；（3）改進與歸納專家知識庫等。

專家系統的實現通常建立在大量的數據統計與人類專家提供的問題解決實例上，沒有精確或統一的求解算法，因此也會造成一些局限性。在人工智能與計算機科學快速發展的今天，專家系統也逐漸更重視理論和基礎研究，除了基于經驗的理論，基于規則和模型的方法也將投入到實際運用中，未來的專家系統將更偏向協同式和分布式方向發展。

2.5 機器學習

機器學習是指計算機自動獲取新的推理算法和新的科學事實的過程，是計算機具有智能的基礎。計算機的學習能力是人工智能研究史上的突出成就與重要進展，也是人工智能初步實現的重要標志。機器學了在人工智能領域有著重要應用，對于探索人類智慧的奧秘以及學習方法和機理都有著重要意義，機器學習的時代才剛剛開始，各種理論方法也正在逐步完善中，未來精彩可期。

3 人工智能的應用

人工智能的首次提出至今已有60年的歷史，在這個循序漸進的過程中，無論是功能場景還是機器模式，都逐漸從單一到通用、從簡單到復雜，表達方法也更多種多樣。目前主要通過賦予機器產品一定的人類智能從而有效地提升機器工作效率及能力，未來的人工智能將更多的模擬人類生活環境及思維方式來設計出真正具有人類智能的高效人機系統。

3.1 人工智能在各個行業的應用

人工智能已經運用到人類生產生活的各個方面，主要包括以下幾點：（1）以智能汽車為代表的自動化交通方式。（2）種類繁多的家庭智能服務機器人。（3）用于臨床支持和病人看護中的自動化智能設備及醫療器械。（4）智能教育輔導系統、線上學習和智能輔助學習設備的普及。（5）基于圖像處理和自然語言處理的各類音樂社交軟件及VR設備的興起給互聯網娛樂時代帶來的巨大變革。（6）邏輯證明及智能分析在公共安全領域的預測及防范。（7）大量重復機械的勞動逐漸由智能機器取代，人類承擔著更多的創新及實踐工作。

3.2 人工智能生活應用實例

作為輔助人類生產生活的重要工具，日趨成熟的智能機器人已經快速走進了人們的日常生活中，下面我們介紹幾種常見的使用場景：（1）智能房屋和家居生活的構建：目前的智能停留在自動控制I域，通過用戶指令來便捷的操控比如電視、窗簾、燈具、空調等等；而未來，人工智能的發展將根據你的日常行為了解你的習慣喜好，利用傳感器和自動裝置搜集用戶的行為數據，通過機器學習和深度學習算法改造你所居住的環境。最終實現真正意義上的智能家居生活。（2）無人駕駛的智能汽車：主要通過導航和定位實現規定路線的行駛、通過激光測距、雷達感應和照相等技術，配合復雜的計算公式從而辨別和避讓各種障礙，最終脫離人類操控的環境下自動完成發動、駕駛、剎車等動作。行駛的安全性和準確性在智能機器的幫助下其實更可靠，我們完全有理由相信未來自動駕駛將成為人們出行的新方式。（3）基于神經網絡的新型翻譯方式：在線翻譯相信大多數人都不陌生，使用范圍廣普及率極高，但其準確性一直都是人們關注的焦點之一。谷歌翻譯負責人表示將在部分功能上嘗試使用深度學習技術，如果能順利實施必將使得翻譯準確性的研究取得實質性突破，而基于神經網絡的翻譯方式則將幫助計算機更好地模擬和理解人類思維，使得翻譯結果更流暢合乎規范，也方便人們更好地理解。

4 人工智能的發展歷程

人工智能的發展歷程不算很長，但發展速度卻異常迅猛。跟所有新興的前沿學科一樣，人工智能的發展中也經歷了和低谷時期。根據不同時期代表性人物和事件的發生，我們大致可以將整個過程分為以下幾個階段：

（1）1950年，舉世聞名的“圖靈測試”（圖靈，英國數學家，1912―1954）首次發表于《計算機與智能》一文，即通過房間外的人和兩個房間內的人和機器分別對話中，是否能區分人和機器從而判斷出機器是否具有了人的智能。這是人類對于人工智能最初的概念。

（2）1956年，由香農、麥卡錫、朗徹斯特和明斯基共同發起的DARTMOUTH學會于達特茅斯大學召開，會上首次提出“人工智能”一詞，這是歷史上第一次關于人工智能領域的研討會，見證了人工智能學科研究的開端。

（3）1960年以來，生物進化領域逐漸建立起了遺傳、策略和規劃等算法。1992年計算智能由Bezdek提出，計算智能對于生物進化學的探究有著重大意義，涵蓋了模式識別、人工生命、神經網絡、進化計算等多學科集合與交叉。

（4）上世紀90年代開始，專家系統逐漸興起，對于專家知識庫的不斷改進以及基于規則和模型的協同式分布式專家系統將是未來使用的主要趨勢。

（5）從1960年神經網絡首次應用于自動控制的實施，到1965年人工智能啟發式推理規則的方法引入，再到1977年運籌學理論中概念智能控制模式的成功借鑒，人工智能的發展也順利引導了自動控制模式逐漸切換到了智能控制模式。

（6）從1956年AI概念的正式提出以來，人工智能領域已經取得了眾多突破性的成就和進展，很多天馬行空的想象也隨著科技的進步在一代代科學工作者的不斷努力下逐漸設計落實，人工智能已經從科學研究逐漸走向了人們的日常生活中，成為了當下最具潛力的多學科交叉的前沿科學。

5 人工智能的未來與發展趨勢

從人工智能的提出到逐漸走入人們生活，人工智能的概念一經問世則得到了人們的普遍關注，甚至帶動了語音識別、自然處理處理、機器學習、數據挖掘等一系列相關學科的發展和興盛。人工智能領域中的創新和蓬勃發展是趨勢也是必然，通過了解人工智能學科的發展歷程及應用領域，我們大致可以推測出關于未來人工智能的一些方向：（1）機器學習和深度學習算法指導下更聰明更多樣性更具智能的機器系統。（2）自然語言處理應用中更自然的人機互動交流。（3）機器學習時代更快速的數據處理分析策略。（4）各研發企業和機構對于人工智能先進技術更激烈的競爭和角逐。（5）超人工智能（Artificial Super Intelligence，簡稱ASI）時代下AI是否會走向失控給人們帶來的微恐懼。

6 結語

在短短60年的時間內，人工智能的快速發展已經從很大程度上改善和刷新了人們的生活方式。人工智能的深入研究和實現正在不斷幫助我們探索這個世界、幫助我們搜尋信息應對各種各樣的挑戰。人工智能在逐漸強大的同時，有機遇也存在著巨大的挑戰和技術瓶頸，距離人工智能時代的真正實現還有很長的路要走。而人工智能的不斷更迭完善，是否能取得超越人類智力和認知的智能、是否會出現違背人類價值觀的危險行為將是未來很長一段時間內需要研究的重要課題。

參考文獻

篇3

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自從20世紀50年代產生，經過長期發展，已經有了長足的進步，并且已經深入到社會生活的諸多領域，如語言處理、智能數據檢索系統、視覺系統、自動定理證明、智能計算、問題求解、人工智能程序語言以及自動程序設計等。隨著科學技術的不斷發展，現在的人工智能已經不再是僅僅具有簡單的模仿與邏輯思維能力，人們也越來越期待人工智能能夠幫助或者替代人類從事各種復雜的工作，加強人的思維功能、行為功能或是感知功能。這就要求人工智能具有更強的情感識別、情感表達以及情感理解能力。通俗的說，為了使得人工智能對外界的變化適應性更強，需要給它們賦予相應的情感從而能夠應對這個難以預測的世界。

在賦予人工智能“情感”的過程中，面臨著許多的問題，有科技層面上的，也有社會學層面的。本文在這里只討論其中一個比較基本的社會學問題：“人工智能情感約束問題”，即關注于如何約束賦予給人工智能的情感，不至于使其“情感泛濫”。情感指的是一種特殊的思維方式，人工智能具有了情感后的問題是：人工智能的情感是人類賦予的，人工智能自身并不會創造或者控制自己的情感。如果賦予人工智能的情感種類不合理，或者是賦予的情感程度不恰當，都有可能造成“情感泛濫”并導致一些災難性的后果。例如，當人工智能具有了情感之后，如果人類自身管理不恰當，有可能導致人工智能反過來傷害人類。盡管目前我們只能在一些科幻作品中看到這種情況發生，但誰也不能保證未來有一天會不會真的出現這種悲劇。

本文第二章對人工智能情感研究進行了概要性回顧，第三章對如何約束人工智能情感進行了嘗試性探討，最后一章對全文進行了總結。

2人工情感發展情況概述

隨著科學家對人類大腦及精神系統深入的研究，已經愈來愈肯定情感是智能的一部分。人工情感是以人類自然情感理論為基礎，結合人工智能、機器人學等學科，對人類情感過程進行建模，以期獲得用單純理性思維難以達到的智能水平和自主性的一種研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感機器識別與表達、人工情感機理等四個方面的內容。其中，尤以人工情感機理的研究困難最大，研究者也最少。

目前人工情感在很多領域得到了應用和發展，比較典型的是在教育教學、保健護理、家庭助理、服務等行業領域。在教育教學方面比較典型的例子是德國人工智能研究中心發展的三個方案：在虛擬劇場、虛擬市場和對話Agent中引入情感模型和個性特征來幫助開發兒童的想象力及創造力。在保健護理方面比較典型的是家庭保健與護理方向，如Lisetti等人研制的一個用于遠程家庭保健的智能情感界面，用多模態情感識別手段來識別病人的情感狀態，并輸入不同媒體和編碼模型進行處理，從而為醫生提供關于病人簡明而有價值的情感信息以便于進行有效的護理。服務型機器人的典型例子是卡內基梅隆大學發明的一個機器人接待員Valerie。Valerie的面孔形象的出現在一個能夠轉動方向的移動屏幕上時可以向訪問者提供一些天氣和方位方面的信息，還可以接電話、解答一些問題；并且Valerie有自己的性格和愛好，情感表達較為豐富。當然這些只是人工情感應用領域中的幾個典型的例子，人工智能情感的潛力仍然是巨大的。

盡管關于人工情感的研究已經取得了一定的成果，給我們帶來了很多驚喜和利益，但由于情緒表現出的無限紛繁以及它與行為之間的復雜聯系，人們對它的運行機理了解的還不成熟，以致使得目前人工情感的研究仍面臨著諸如評價標準、情感道德約束等多方面問題。所以必須清楚的認識到我們目前對于人工情感的計算乃至控制機制并沒有一個成熟的體系。

3對人工智能的情感約束

正如上文所述，如果放任人工智能“情感泛濫”，很有可能會造成嚴重的后果。為了使人工智能技術更好的發展，使智能與情感恰到好處的結合起來，我們有必要思考如何對賦予人工智能情感進行引導或者約束。

3.1根據級別賦予情感

可以根據人工智能級別來賦予其情感，如低級別人工智能不賦予情感、高級別人工智能賦予其適當的情感。眾所周知，人工智能是一門交叉科學科，要正確認識和掌握人工智能的相關技術的人至少必須同時懂得計算機學、心理學和哲學。首先需要樹立這樣的一個觀點：人工智能的起點不是計算機學而是人的智能本身，也就是說技術不是最重要的，在這之前必須得先解決思想問題。而人工智能由于這方面沒有一個嚴格的或是量度上的控制而容易出現問題。從哲學的角度來說，量變最終會導致質變。現在是科學技術飛速發展的時代，不能排除這個量變導致質變時代的人工智能機器人的到來，而到那個時候后果則不堪設想。因此，在現階段我們就應該對人工智能的情感賦予程度進行一個約束。

根據維納的反饋理論，人工智能可以被分成高低兩個層次。低層次的是智能型的人工智能，主要具備適應環境和自我優化的能力。高層次的是情感型的人工智能，它的輸入過程主要是模仿人的感覺方式，輸出過程則是模仿人的反應情緒。據此我們可分別將機器人分為一般用途機器人和高級用途機器人兩種。一般用途機器人是指不具有情感，只具有一般編程能力和操作功能的機器人。那么對于一般用途的機器人我們完全可以嚴格的用程序去控制它的行為而沒必要去給他賦予情感。而對于高級層面的情感機器人來說，我們就適當的賦予一些情感。但即使是這樣一部分高層次的情感機器人，在賦予人工情感仍然需要考慮到可能會帶來的某些潛在的危害，要慎之又慎。

3.2根據角色賦予情感

同樣也可以根據人工智能機器人角色的不同選擇性的賦予其不同類型的情感。人類與機器合作起來比任何一方單獨工作都更為強大。正因為如此，人類就要善于與人工智能機器合作，充分發揮人機合作的最大優勢。由于計算機硬件、無線網絡與蜂窩數據網絡的高速發展，目前的這個時代是人工智能發展的極佳時期，使人工智能機器人處理許多以前無法完成的任務，并使一些全新的應用不再禁錮于研究實驗室，可以在公共渠道上為所有人服務，人機合作也將成為一種大的趨勢，而他們會以不同的角色與我們進行合作。或作為工具、顧問、工人、寵物、伴侶亦或是其他角色。總之，我們應該和這些機器建立一種合作互助的關系，然后共同完任務。這當然是一種很理想的狀態，要做到這樣，首先需要我們人類轉變自身現有的思維模式：這些機器不再是一種工具，而是平等的服務提供人。

舉例來說，當機器人照顧老人或是小孩的時候，我們應該賦予它更多的正面情緒，而不要去賦予負面情緒，否則如果機器人的負向情緒被激發了，對于這些老人或者小孩來說危險性是極大的；但是，如果機器人是作為看門的保安，我們對這種角色的機器人就可以適當的賦予一些負向的情緒，那么對于那些不按規則的來訪者或是小偷就有一定的威懾力。總之，在我們賦予這些智能機器人情感前必須要周到的考慮這些情感的程度和種類，不要沒有顧忌的想當然的去賦予，而是按分工、作用賦予限制性的情感約束，達到安全的目的。

3.3對賦予人進行約束

對人工智能情感賦予者進行約束，提高賦予者的自身素質，并定期考核，并為每一被賦予情感的人工智能制定責任人。

縱觀人工智能技術發展史，我們可以發現很多的事故都是因為人為因素導致的。比如，首起機器人殺人案：1978年9月的一天，在日本廣島，一臺機器人正在切割鋼板，突然電腦系統出現故障，機器人伸出巨臂，把一名工人活生生地送到鋼刀下，切成肉片。

另外，某些研究者也許會因為利益的誘惑，而將人工智能運用在不正當領域，或者人工智能技術落入犯罪分子的手中，被他們用來進行反對人類和危害社會的犯罪活動。也就是用于所謂的“智能犯罪”。任何新技術的最大危險莫過于人類對它失去控制，或者是它落入那些企圖利用新技術反對人類的人的手中。

因此為了減少這些由于人而導致的悲劇，我們需要對這些研究者本身進行約束。比如通過相應的培訓或是定期的思想政治教育、或是理論知識的學習并制定定期的考核制度來保證這些專家自身的素質，又或者加強對人工智能事故的追究機制，發生問題能立即查詢到事故方等等，通過這樣一系列強有力的硬性指標達到減少由于人為因素導致悲劇的目的。

3.4制定相應的規章制度來管理人工智能情感的發展

目前世界上并未出臺任何一項通用的法律來規范人工智能的發展。不過在1939 年，出生在俄國的美籍作家阿西莫夫在他的小說中描繪了工程師們在設計和制造機器人時通過加入保險除惡裝置使機器人有效地被主人控制的情景。這就從技術上提出了預防機器人犯罪的思路。幾年后， 他又為這種技術裝置提出了倫理學準則的道德三律：（1）機器人不得傷害人類，或看到人類受到傷害而袖手旁觀；（2）在不違反第一定律的前提下，機器人必須絕對服從人類給與的任何命令；（3）在不違反第一定律和第二定律的前提下，機器人必須盡力保護自己。這一“機器人道德三律”表現了一種在道德憂思的基礎上，對如何解決人工智能中有害人類因素所提出的道德原則，雖然得到很多人的指責，但其首創性還是得到公認的。盡管這個定律只是小說家提出來的，但是也代表了很多人的心聲，也是值得借鑒的。

那么對于人工智能情感的約束呢？顯然，更加沒有相應的法律法規來規范。那么，我們就只能在賦予人工智能情感的道理上更加的小心翼翼。比如，我們可以制定一些應急方案來防止可能導致的某些后果，也即出現了問題如何及時的處理之。另外我們在操作和管理上應更加慎重的去對待。也希望隨著科學技術的發展，能夠在不久的將來出臺一部相應的規章制度來規范人工智能情感的管理，使之更加精確化、合理化。

4結束語

人工智能的情感研究目的就是探索利用情感在生物體中所扮演的一些角色、發展技術和方法來增強計算機或機器人的自治性、適應能力和社會交互的能力。但是現階段對這方面的研究雖然在技術上可能已經很成熟，但是人工智能情感畢竟是模擬人的情感，是個很復雜的過程，本文嘗試性的在人工智能發展中可能遇到的問題進行了有益的探討。但是不可否認仍然有很長的道路要走，但是對于人工智能的發展勁頭我們不可否認，將來“百分百情感機器人”的問世也許是遲早的事情。

參考文獻：

[1] 趙玉鵬，劉則淵.情感、機器、認知――斯洛曼的人工智能哲學思想探析[J].自然辯證法通訊，2009，31（2）：94-99.

[2] 王國江，王志良，楊國亮，等.人工情感研究綜述[J].計算機應用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究綜述[J].江南大學學報（自然科學版），2012，11（04）：497-504.

[4] Christine Lisett，i Cynthia Lerouge.Affective Computing in Tele-home Health[C].Proceedings of the 37th IEEE Hawaii International Conference on System Sciences，2004.

[5] Valerie.The Roboceptionist[EB/OL].http：//.

[6] 張顯峰，程宇婕.情感機器人：技術與倫理的雙重困境[N].科技日報，2009-4-21（005）.

[7] 張曉麗.跟機器人談倫理道德為時尚早[N].遼寧日報，2011-11-04（007）.

[8] Peter Norvig.人工智能：機器會“思考”[J].IT經理世界，2012（Z1）：331-332.

篇4

當前，世界已全面進入以大數據共享、信息爆炸為特點的互聯網信息時代。富有智能化和人性化的計算機網絡技術服務成為了人們青睞和關注的焦點。人工智能作為互聯網信息時代凝聚高端技術的超值網絡服務，在增強互聯網安全性、提高網絡操作自動化等方面意義重大。現階段，已有更多行業領域的用戶在應用人工智能，體驗這一技術所帶來的新生活。

1 人工智能簡述

人工智能，即Artificial Intelligence，是現代社會特有的綜合類前沿學科，交叉云集了計算機、網絡技術、控制方法論、信息論、神經生物學、語言學等多學科知識，主要用來研究機器在思考、學習、規劃等行為的擬人態進化，使之解決問題的能力大幅提升。人工智能發展至今已有超過60載歲月，其成就在整個歷程中熠熠生輝，代表著人類文明的不斷發展與超越。人工智能經歷了三個階段的發展變革：第一階段是以人工智能驅動機器設備，代替或輔助人類思考并解答難題；第二階段是研發智能機器人，處理不同系統及環境信息的交互工作，如不確定性信息的處理工作；第三階段的代表成果就是數據挖掘系統，可實現海量模糊信息采集與分析，可視化技術發展迅猛，計算機具有自主學習能力。

2 人工智能的應用領域代表成就

任何一項技術的創新與發展，都源于人類開展生產生活的實際需求，人工智能技術的研究也不例外，發展至今已經為解決不同領域的實際需求提供了眾多技術應用。目前，人工智能在下列應用領域中取得了代表性成就：

2.1 專家系統

專家系統，其實是由龐大的程序組編寫完成的數據系統，廣泛積累不同專業的知識經驗，這些知識均可事先歸納分析，可按具體模式表示，從而幫助用戶憑借領域專家的固有知識進行推理解決問題。專家系統可系統化分析輸入信息并結合已有知識體系進行全面推理，提出建O性的決策建議，相當于發揮行業專家的作用。

2.2 數據庫智能檢索

人工智能想要做到全面模擬人類思維和動作，需要建設強大的數據庫資源，便于及時開展智能檢索。數據庫基于計算機軟件開展，存儲了海量專業學科知識，也稱之為知識庫系統，一旦有用戶需要查閱解決該學科的專業問題，都可通過智能檢索功能實現快速精準地檢索。

2.3 程序自動設計

自動化的程序設計就是借助更高規格高標準的程序設計系統來完成指定功能的程序設計，該系統需要用戶輸入所設計程序的需求目標，并對整個流程和架構有更為高級的描述，系統就能自動組織對應程序完成設計。高度自動化的程序設計編寫方式，也展現了人工智能系統的思考、學習、修正自身缺陷的擬人態功能。

2.4 目標模式識別

模式識別，顧名思義正是為識別不同物體的特征是否匹配目標對象而具備的功能。現代計算機加強了模式識別系統功能，能夠提高機器對外界信息的感知能力，不斷接受外界信息，對所處環境的特征進行識別，加強概念理解。當前，目標模式識別已由二維向三維層面升級，為研究智能機器人提供了堅實的基礎。

當然，人工智能的應用領域遠不止上述這些，還在機器學習、機器視覺圖像處理（machine vision）、自然語言理解（Natural Language Understanding）、自然信息博弈論等方面發揮著重要的作用。

3 不同行業的人工智能技術應用實例

目前，眾多企業為求發展，與內部運營管理中加強了人工智能的應用，聚力解決各項問題，為企業贏得了經濟效益，推動著社會發展。

3.1 企業管理應用

將人工智能應用于企業管理中，需要人的智能和人工智能之間的辯證關系，靈活運用工智能應用平臺加強對企業內部各項管理智能軟件的開發工作，借助靈活的人工智能技術幫助企業實施科學決策。

3.2 水利管理應用

人工智能能夠在水情控制與洪災預報中發揮作用。如可使用人工神經網絡和遺傳算法等技術，模擬汛期的最大洪峰與洪水總量，研究更有針對性的抗洪模型，提高了洪災預報精度和汛期準度，有效發揮防洪降災、攔洪儲水的重要作用。同時，人工智能還能夠分析大江大河的復雜地質與環境系統，對治理河流起到良好的輔助作用。

3.3 建筑行業應用

目前，建筑行業的用地規劃、給排水工程、暖通空調工程、施工管理等內容都在應用人工智能。已有企業基于神經網絡算法發明了結構節點探傷法，可查探建筑結構損傷度；也可在市政工程建設中不斷強化正反向混合推理的理論思想，查明城市污水處理管網故障；可構建用于分析建筑工程性能效益的系統，加強建設項目性能效益預測和實際效益分析。

3.4 機械行業應用

人工智能同樣成為互聯網時代下的機械行業技術中的重頭戲。如：人們利用人工神經網絡算法，設計出土方工程的機械調度的優化方案；多個工程都可搭建含多目標的尋優函數模型。許多大型機械裝置，都配置了人工智能操作平臺，可提高安全風險監控水平，增強機械操作自動化，進一步優化生產效率。

3.5 商品銷售預測應用

人工智能的各種函數模型或優化算法，可在商品銷售金額的預測中發揮巨大作用。如：在計算機中輸入不同商品某一時間段的銷售額，形成非線性系統進行分析，評估各種影響因素。采用人工神經網絡，不斷放大自分布處理、自組織學習、自適應與自容錯等特性，體現強大的預測功能。

當然，人工智能還廣泛應用到電子網絡技術應用、企業財務管理、航班信息查詢、教學服務、心理咨詢公路建設、焊接制造、等眾多方面，為更多企業帶來可觀的經濟效益。

4 結束語

互聯網信息時代的人工智能應用，將會隨著科技力量的不斷壯大而實現更多的應用。人們應該高度重視人工智能理論與技術的探究，從而更好地為全人類服務。

參考文獻

[1]何承.計算機網絡技術中人工智能的應用探討[J].信息通信，2016（03）：180-181.

[2]韓曄彤.人工智能技術發展及應用研究綜述[J].電子制作，2016（12）：95-95.

[3]王宇飛，孫欣.人工智能的研究與應用[J].信息與電腦，2016（05）：115-117.

作者簡介

篇5

人工智能技術是以計算機技術為基礎，融合多門學科的綜合性科學技術，其主要是通過計算機模擬構建人的智能，并且創建機器人系統和專家系統實現對電氣自動控制系統的智能化操作。人工智能技術的突出特點是：一是操作性。人工智能技術主要是依托計算機的控制實現對電氣設備的控制，因此人工智能技術具有很強的邏輯性，便于控制人員進行操作；二是價值大。人工智能技術不僅融合了計算機技術，而且其還實現了對電氣設備的自動化控制與監測，實現了以較小的投入獲得更大的經濟效益的目的。比如通過人工智能技術可以減少人工操作環節，進而為企業節省相當多的人力資源成本費用；三是準確性比較高。人工智能技術主要是計算機依據人的智能建立計算機控制系統，實現對電氣設備的精確性操作，比如利用人工智能技術可以對電氣設備的運行情況進行智能檢測與處理，避免了人工檢測所存在的弊端。

2人工智能技術在電氣自動化控制系統中應用的必要性

人工智能技術的最大優勢就是通過對電氣控制系統信息的收集、研究，制定出具體的有效處理措施，從而代替傳統的依靠人腦進行操作的模式。將人工智能技術應用到電氣自動化控制系統中具有重要的意義：

2.1能夠有效解決電氣自動化控制過程中存在的病態結構問題

電氣自動化控制過程中因為電氣設備精密度越來越高，因此在運行過程中所出現的病態結構很難應用傳統的方式表達出來，而人工智能技術則可以有效解決此類問題，其完全有能力利用定量與定性相結合的控制方式對控制系統進行計算與分析。

2.2實現自動控制系統的數據采集與處理功能

將人工智能技術應用到電氣自動化控制中能夠依托專家系統對電氣設備進行實時監視，并且對相關信息進行自動收集與儲存，一旦發現存在潛在故障或者存在事故的事件，人工智能技術就會自動采取相應的控制方式，對故障進行自動處理，進而避免了電氣系統故障的進一步擴大化。

2.3簡化了人工操作過程，降低了人工操作造成的損失

人工智能技術通過計算機設備就可以實現對電氣設備的自動化控制，比如電氣系統的人工智能化控制系統就可以通過鼠標對控制開關進行自動控制，并且對勵磁電流進行調整。同時電氣人工智能控制系統還設定了應用管理權限，限制了相應操作人員的權限，實現了專人專崗制度，細化了操作責任制度。

3人工智能技術在電氣自動化控制中應用的思路分析

3.1人工智能技術在電氣自動化設備中的應用

我們知道電氣自動化控制系統屬于非常負責的控制系統，其不僅包含復雜的元件，而且還需要操作人員嚴格按照自動化控制系統的要求進行操作，而將人工智能技術應用到電氣設備中可以實現計算機的自動化操作，最重要的就是可以代替傳統的需要人工進行設備檢測的落后模式，實現了對電氣設備的運行狀態、故障檢測以及維修意見等一體的功能，降低了人工操作的失誤性，提高了電氣設備的應用壽命，為企業節省了大量的成本。

3.2人工智能技術在電氣控制過程中的應用

將智能技術應用到電氣自動化控制過程中，是人工智能技術發展的重要動力，通過人工智能化的電氣控制系統不僅可以提高電氣設備的工作效率，而且還可以降低電氣自動化控制中的故障發生率。人工智能技術主要師模糊控制、專家控制以及神經網絡控制和集成智能控制。本文以專家控制為例，專家控制就是將專家系統的設計規范和運行機制與電氣控制劉楠相結合實現實時控制系統的設計，其主要是對自動控制的知識獲取、表示以及推理機制的建立。

3.3在事故和故障診斷中人工智能技術的應用分析

人工智能技術在電氣設備故障中的作用是非常大的，尤其是對發動機的故障檢修是具有重要作用的，我們知道在電氣設備中由于其結構比較復雜，依靠人工很難對其進行深入的檢測，因此需要借助人工智能技術實現對設備的檢修。我們以變壓器為例，將智能技術應用到變壓器的故障檢修中首先就是先收集電壓器油體中分解的氣體，然后通過對油體氣體的分析，找出故障的原因，進而自動形成解決措施。這樣有效避免了人工檢測所出現的失誤現象。另外人工智能技術在電氣設備操作中的應用價值也比較大。通過人工智能技術可以實現電氣自動化控制環節的簡單化，比如在機床加工中，如果運用人工智能技術則能夠有效降低機床操作的復雜性，并且能夠對機床的運行信息進行收集與儲存，便于日后對相關信息的查詢。

篇6

中途分類號：TP39    文獻標識碼：A     文章編號：

引言:

計算機學科的一個重要分支就是人工智能，它與基因工程、納米科學被列為二十一世紀三大尖端技術、同時人工智能是一門匯集了多種學科相互滲透發展起來的交叉學科。對于人工智能的定義，至今尚未統一，美國斯坦福大學人工智能研究中心尼爾遜教授認為：人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學；麻省理工學院的溫斯頓教授認為：人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。除此之外，還有很多種不同的觀點，但這些說法都形象地反映了人工智能學科的基本內容和核心思想，那就是：人工智能是研究如何用人工的方法在計算機上模擬、實現和擴展人類智能的一門科學與技術。

1. 人工智能技術的發展

人工智能（(Artificial Intelligence)從上世紀50年展到現在，有也有低迷的時期。研究的方法和研究的態度也有多種，不管是何觀點,它們都推動著人工智能技術的發展。今天人工智能技術已滲透到人類生活的方方面面，實實在在的影響著科學技術的發展。

2. 人工智能技術的應用

我們可以看到，當今社會很多領域的各種技術的發展都涉及到了人工智能技術。下面就人工智能的幾種典型應用做如下探討：

2.1人工智能應用之問題的求解

人工智能中的問題解求，就是如何讓機器去解決人類會遇到的問題，如何根據某一具體問題找到思考問題并解決這個問題的方法。目前，人工智能技術已經可以通過計算機程序解決了如何考慮要解決的問題，并能尋求較為準確的解決方案。

2.2人工智能應用之邏輯的推理與定理的證明

人工智能研究中最持久的探究領域之一就是邏輯推理。有關定理的證明就是讓機器證明非數值性的真假。其中比較重要的是，通過找到合理、準確的方法，集中注意力在大型數據庫中的有效事實，關注可信度證明，并在出現新信息時適時修改這些證明。

2.3人工智能應用之自然語言的處理

智能的另一表現就是進行自然語言的交流，自然語言處理就是讓機器與人類進行無阻礙的溝通，這正是人工智能技術應用于實際領域的典型范例。目前此領域的主要研究內容是：如何利用計算機系統以主題和對話情境為基礎，生成和理解自然語言。

2.4人工智能應用之模式的識別

如何使機器具有感知能力也是智能的表現。模式的識別是利用人工智能技術開發智能機器的關鍵，主要是通過計算機用數學技術方法來研究模式的自動處理和判讀，讓計算機實現“看見”，“聽見”等功能。計算機模式識別的主要特點是速度快，準確率高，效率高，計算機模式識別也為人類認識自身智能提供了有利幫助。

2.5人工智能應用之智能信息的檢索技術

在科學技術飛速發展的今天，人類已進入了“知識爆炸”的時代。傳統檢索系統已經滿不足了對如今如此數量巨大以及種類繁多的文獻檢索要求。人工智能科技持續穩定發展的重要前提就是智能檢索模塊，可以說，智能信息的檢索技術的運用勢在必行。

2.6人工智能應用之專家系統

我們常說的專家系統就是指從人類專家那里獲取的知識，并用來解決只有專家才能解決的疑難問題。這是一種基于知識的系統，從而也被稱為知識基系統。專家系統是人工智能技術中研究最活躍，最有成效的一個領域。現在的專家系統尤其特殊的模仿了專家在處理故障時的思維方式，其水平有時甚至可以超過人類專家的水平。

2.7人工智能應用之機器人學

機器人對我們并不陌生，已在多個領域獲得了越來越普遍的應用，諸如農業、工業、商業、旅游業、航空和海洋等。那么，機器人學所研究的問題主要包括從機器人手臂的最佳移動到實現機器人目標的動作序列的規劃方法。機器人和機器人學的研究對人工智能思想的發展都起到了促進作用。

3. 人工智能技術發展趨勢

科學技術是第一生產力，但技術的發展往往是遠遠超越我們的想象。就目前的一些前瞻性研究可以看出，未來人工智能技術的發展有如下幾大趨勢：

3.1問題求解

問題求解一般包括兩種，一種是指解決管理活動中由于意外引起的非預期效應或與預期效應之間的偏差。正在逐漸發展成為搜索和問題歸約這類人工智能的基本技術；另一種問題的求解程序，是把各種數學公式符號匯編在一起。其性能已達到非常高的水平，并正在被許多工程師和科學家應用，甚至還有些程序能夠用經驗來改善其性能。

3.2機器學習

人工智能研究的核心課題之一就是機器學習。我們知道學習是人類智能的重要特征，那么機器學習就是指機器自動獲取知識的過程。機器學習是機器獲取知識的根本途徑，也是機器智能的重要標志。計算機的機器學習主要研究內容為如何讓計算機模擬或實現人類的學習能力。今后機器學習的研究主要是研究人腦思維的過程、人類學習的機理等。

3.3模式識別

用計算機實現模式(文字、聲音、人物、物體等)的自動識別，彌補計算機對外部世界感知能力低下的缺陷，使計算機能夠通過感官接受外界信息，識別和理解周圍環境。依然是人工智能技術今后研究的重要方向。因為模式識別能為人類認識自身智能提供線索，也是開發智能機器的一個最關鍵的突破口。目前計算機模式識別系統的研究熱點主要為三維景物、活動目標的識別和分析方面。傳統的用統計模式和結構模式的識別方法將會被近年來迅速發展起來的模糊數學模式、人工神經網絡模式的方法逐漸取代，特別是神經網絡方法在模式識別中取得較大進展。

3.4專家系統

專家系統是根據某領域中一個或多個專家提供的知識或經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題的智能軟件，它是一個具有大量的專門知識與經驗的程序系統。目前各種專家系統已遍布各個專業領域，因此專家系統還將是人工智能應用研究最廣泛和最活躍的應用領域之一。

3.5人工神經網絡

人工神經網絡，常被簡稱為神經網絡或類神經網絡。是未來人工智能應用的新領域，人工神經網絡是指由大量處理單元（神經元）互連而成的網絡。人工神經網絡具有很強的自學習能力，主要擅長處理復雜的多維的非線 性問題，不但可以解決定量的問題，還可以解決定性的問題，同時人工神經網絡還具有大規模并行處理和分布的信息存儲能力。或許未來智能計算機的構成可能就是作為主機的馮•諾依曼型機與作為智能外圍的人工神經網絡的結合。

4. 結論語

人工智能的基本思想已經在許多領域中得到應用，對于人工智能技術未來的發展還有很多未知的可能，但無論如何發展都將推動人類在科學與生活領域的發展。

參考文獻：

[1]胡勤.人工智能概述[J].電腦知識與技術，2010，（13）：3507-3509.

[2]朱福喜，湯怡群等.人工智能原理[M].武昌：武漢大學出版社，2002.87-91.

[3]張妮等.人工智能技術發展及應用研究綜述[J].煤礦機械，2009，（02）：4-7.

[4]亓慧.議當代人工智能的應用領域和發展狀況[J].福建電腦，2008，（05）：33.

[5]蔡自興，徐光.人工智能及其應用[M].北京：清華大學出版社，2003.51-93.

篇7

中圖分類號：TP18

文獻標識碼：A

一、人工智能技術的發展及其影響

人工智能技術研究開始于20世紀50年代中期，距今僅有60年的發展歷程，但是其迅猛的發展速度，廣泛的研究領域以及對人類產生的深遠影響等令人驚嘆。調查顯示，77.45%的人認為現實生活中人工智能技術的影響較大，并且86.27%的人認為人工智能技術的發展對人類的影響利大于弊；認為人工智能技術對人類生活影響很小且弊大于利的人權占很小一部分。人工智能技術的發展和應用直接關系到人類社會生活，并且發揮著重要的作用。人工智能技術的發展方向和領域等由人類掌控著，所以人類應該盡可能地把人工智能技術的弊處降到最低以便更好地為人類造福。2016年3月份，圍棋人工智能AlphaGo與韓國棋手李世h對弈，最終比分4∶1，人類慘敗。4月份，中國科學技術大學正式了一款名為“佳佳”的機器人，據了解，機器人“佳佳”初步具備了人機對話理解、面部微表情、口型及軀體動作匹配、大范圍動態環境自主定位導航和云服務等功能。而在這次正式亮相之前，“佳佳”就擔綱主持了2016“首屆全球華人機器人春晚”和“誰是棋王”半Q賽。人工智能技術確實給人類帶來了諸多的便利，給人類生產生活帶來便利；但是，人工智能技術的快速發展超乎人類的預測，引起了人類的恐慌和擔憂。百度CEO李彥宏稱，人工智能是“披著羊皮的狼”。毋庸置疑，科學技術是一把雙刃劍，當人類醉心于科學技術所帶來的福利中時，更應當注意其帶來的負面作用。人類發明和創造科學技術最終是為了造福人類，而非受到科技的異化。

隨著科技的發展，人工智能技術越來越成熟，在此整體趨勢之下，不同的人群對人工智能技術的不斷成熟與應用有著不同的看法。調查結果顯示，在關于機器人會不會擁有人類的思維甚至超過人類的問題方面，27.45%的人認為機器人會擁有人類的思維和超過人類；而56.86%的人認為機器人不會擁有人類的思維和超過人類，小部分人對此不是很清楚。由于受到人工智能技術迅猛發展的沖擊，如機器人保姆、AlphaGo圍棋等智能產品對人類發展帶來的威脅，一部分人仍然對人工智能技術的發展擔憂甚至認為終有一天機器人將代替人類、征服人類、控制人類。但是，大部分的人在機器人是否能夠超過人類方面，保持樂觀積極的態度，認為機器人永遠不會擁有人類的思維并且超越人類，因為人類是技術的主導者，人類掌握著技術的發展方向，技術終究是為了人類服務。這一看法肯定了人類的無止境的創新，然而，在人類醉心于技術創新的同時，應意識到某些創新確實超出了人類的預料，如AlphaGo與李世h圍棋人機大戰就是人類在技術面前失敗的慘痛教訓。因此，面對科技對人類的異化，人類要時刻保持警惕，適時地總結“技術異化”的緣由和解決對策。

二、人工智能技術發展面臨的問題及其原因

隨著技術的革新，人工智能技術的應用越來越廣泛，與人們的日常生活聯系也愈加密切。從智能手機的普及到自動駕駛汽車的研制成功，再到生產、建設、醫療等領域人工智能技術的應用，都表明了人工智能技術正悄無聲息地改變著我們生活方式。誠然，人工智能技術使我們的生活更加豐富多彩，給我們帶來了極大便利，但與此同時，人工智能技術也給社會帶來了一系列不可忽視的問題：人工智能技術在社會生產領域的應用對勞動市場造成沖擊；人工智能系統在收集、統計用戶數據過程中個人隱私及信息安全方面的隱患；人類對人工智能產品的依賴引發的身心健康問題；人工智能引起的責任認定問題等。斯蒂芬?霍金在接受BBC采訪時表示，“制造能夠思考的機器無疑是對人類自身存在的巨大威脅。當人工智能發展完全，就是人類的末日。”表示同樣擔憂的還有特斯拉的創始人馬斯克，他曾直言，“借助人工智能，我們將召喚出惡魔。在所有的故事里出現的拿著五芒星和圣水的家伙都確信他能夠控制住惡魔，但事實上根本不行。”不可否認，人工智能技術是把雙刃劍，有利亦有弊，爭議從來就沒有停止過，而最不容忽視的莫過于人工智能技術引發的一系列倫理困境，關于人工智能的倫理問題成了重中之重。

調查發現，47.55%的人認為人工智能所引發的倫理問題是因為人性的思考，占比較大；而22.55%的人認為是由于人們價值觀念的改變；29.9%的人認為是利益分化與失衡以及一些其他的原因導致的。由此可以看出導致人工智能倫理困境的原因是多方面的。主要總結為以下幾個方面。

第一，從技術層面來看，人工智能技術在現階段仍然有很大的局限性。人工智能是對人腦的模仿，但人腦和機器還是存在本質區別的，人腦勝于人工智能的地方，就是具有邏輯思維、概念的抽象、辯證思維和形象思維。人工智能雖能進行大量的模仿，但由于不具備形象思維和邏輯思維，僅能放大人的悟性活動中的演繹方法，不可能真正具有智能，這決定了機器不能進行學習、思維、創造。此外，智能機器人也不具備情感智能，它們根本無法去判斷自己行為的對錯，也無法自動停止自己的某項行為，所以如果人工智能技術一旦被不法分子利用，后果不堪設想。可見，由于人工智能自身技術上的局限性導致的倫理問題已經影響到其未來發展。

第二，從規制層面來看，倫理規制的缺失和監督管理制度的不完善是導致倫理問題產生的重要原因。科技的發展目標是為人類謀求幸福，但我們必須認識到，無論是在科技的應用還是發展過程中總是存在一些難以控制的因素，倘若沒有相應的倫理原則和倫理規制加以約束，后果難以想象。在目前人工智能領域，缺乏一套成體系的關于人工智能技術產品的從設計、研究、驗收到投入使用的監督管理方案，也沒有一個國際公認的權威性的規范及引導人工智能技術的發展及運用的組織或機構。現有的監督體制遠遠滯后于人工智能技術的發展速度，無法匹配技術發展的需要。缺乏相關監管制度的約束，人工智能技術就不可避免會被濫用，從而危害社會。

第三，從社會層面來看，公眾對人工智能技術的誤解也是原因之一。人工智能作為一門發展迅猛的新興學科，屬于人類研究領域的前沿。公眾對人工智能技術的了解十分有限，調查顯示，對人工智能技術只是了解水平較低的人較多，占62.75%，以致部分人在對人工智能技術沒有真實了解的情況下，在接觸到人工智能技術的負面新聞后就夸大其詞，人云亦云，最終導致群眾的恐慌心理，從而使得更多不了解人工智能技術的人開始害怕甚至排斥人工智能技術。我們必須清楚，人工智能是人腦的產物，雖然機器在某些領域會戰勝人，但它們不具備主觀能動性和創造思維，也不具備面對未知環境的反應能力，綜合能力上，人工智能是無法超越人腦智能的。在李世h對弈AlphaGo的曠世之戰中，盡管人工智能贏了棋，但人類贏得了未來。

三、人工智能技術的發展轉向

人工智能技術的發展已經深入到人類社會生活的方方面面，其最終發展目標是為人類服務。但是，科學技術是把雙刃劍，它在造福人類的同時，不可避免地會給人類帶來災難，因此，人類應該趨利避害，使人工智能和科學技術最大化地為人類服務。這就要求人類必須從主客體兩個角度出發，為人工智能技術的健康發展找出路。

1.技術層面

（1）加強各個國家人工智能的對話交流與合作。人工智能自20世紀50年代被提出以來，尤其是近六十年來發展迅速，取得了許多豐碩的成果。如Deep Blue在國際象棋中擊敗了Garry Kasparov； Watson 戰勝了Jeopardy的常勝冠軍；AlphaGo 打敗了頂尖圍棋棋手李世h。從表面上看，人工智能取得了很大的進步，但深究這些人工智能戰勝人類的案例，我們發現這些成功都是有限的，這些機器人的智能范圍狹窄。造成這一現象的很大一部分原因就在于國際間人工智能技術的對話交流與合作還不夠積極，所以加強各個國家人工智能的對話和交流迫在眉睫，同時也勢在必行。

（2）跨學科交流，擺脫單一學科的局限性。從事人工智能這項工作的人必須懂得計算機知識、心理學和哲學。歷史的經驗告訴我們，一項科學要想走得長遠就必須有正確的意識形態領域的指導思想的介入。在人工智能這項技術中，有些科學家們可能只關注經濟利益而沒有引進相應的倫理評價體系，最終使得技術預測不到位，沒有哲學的介入，等真正出現問題時就晚了。所以要加強科學家與哲學家的溝通交流，令科學家能更多地思考倫理問題，提高哲學素養，在人工智能技術中融入更多的哲學思想，保證人工智能技術能朝著正確、健康方向發展。

（3）人工智能技術的發展，要與生態文明觀相結合。在人工智能技術發展中，要注入更多的生態思想，這關系人民福祉、關乎民族未來的長遠大計。在人工智能發展中，若是產生資源過度消耗、環境破壞、生態污染等全球性的環境問題時，人類必須制止并進行調整。人工智能技術要想發展得更好，前景更加明亮，前途更為平坦，就必須保持與生態文明觀一致，與人類自身利益一致，為人類造福。

2.人類自身層面

（1）增強科學家道德責任感。科學技術本身并沒有善惡性，而研發的科學家或是使用者有善惡性。人工智能將向何處發展，往往與研發人工智能的科學家息息相關。科學家應打破“個體化原理”，要融入社會中去，關注社會道德倫理問題，承擔起道德責任，為自己、他人、社會負責，多去思考自己研發的技術可能帶來的后果，并盡可能去避免，多多進行思考，嚴格履行科學家的道德責任。

（2）提高公眾文化素養。調查發現，對人工智能技術了解水平較低的人較多，占62.75%；而非常了解的人較少，占4.41%；另外，對人工智能技術了解的人占21.08%，不了解的人占11.76%。由此可以看出，大部分的人對人工智能技術都能有所了解，但都不是很深入，而且仍有部分人對人工智能技術絲毫不了解，所以，人工智能技術對于個體的影響是比較微小的，其發展還沒有深入到個人的日常生活中。特別是在一些關于人工智能的科幻電影的渲染，可能使那些對于人工智能技術并不了解或是一知半解的人產生偏見。在日常生活中，人工智能給人類帶來了極大的便利。通過提高公眾的文化素養，使公眾正確認識人工智能技術，將是緩解甚至是解決人工智能技術某些倫理問題的重要途徑之一。

（3）加大監督力度。人類需要通過建立一個完善的監督系統引導人工智能技術的發展。對于每項新的人工智能技術產品從產生到使用的各個環節，都要做好監督工作，以此來減少人工智能技術的負面影響，緩解甚至減少人工智能技術的倫理問題。

3.道德法律用

（1）通過立法規范人工智能技術的發展。調查發現，90.69%的人認為有必要對人工智能技術所引發的科技倫理問題實行法治，由此可以看出，要想保證科技的良好健康發展，必須要建立健全相關法律條例。然而我國在這一方面的法律還存在很大的漏洞，相關法律條文滯后于人工智能的發展，并未頒布一套完整的關于人工智能的法律體系。沒有規矩不成方圓，在人工智能領域亦是如此。我們都無法預測將來人工智能將發展到何種地步，這時就需要人類預先加以適當的限制，利用法律法規加以正確引導，使其朝安全、為人類造福的方向發展。

（2）構建人工智能技術倫理準則并確立最高發展原則。要構建以為人類造福為最終目的的倫理準則。人工智能技術的倫理問題已經給人類造成了很多負面影響，而要防止其帶來更多負面影響，構建合適的人工智能技術倫理準則勢在必行。

此外，要確立以人為本的最高發展原則 。一切科學技術的發展都應把人的發展作為出發點。人工智能的發展也是如此，要將以人為本、為人類服務為出發點，并作為最高發展原則。

四、結語

科學技術是把雙刃劍，人類只有消除人工智能技術的潛在威脅，發揮人工智能技術最大化效用，避免倫理困境重演，才能實現人機交互的良性發展，實現人工智能與人類的良性互動。

參考文獻：

[1]王文杰，葉世偉.人工智能原理與應用[M].北京：人民郵電出版社，2004.

[2]甘紹平.人權倫理學[M].北京：中國發展出版社，2009.

[3]楊懷中.現代科技倫理學概論：高科技倫理研究[M].武漢：湖北人民出版社，2004.

[4]王志良.人工情感[M].北京：機械工業出版社，2009.

[5]鄒 蕾，張先鋒.人工智能及其發展應用[J].信息網絡安全，2012（2）.

[6]王 毅.基于仿人機器人的人機交互與合作研究[D].北京：北京科技大學，2015.

[7]田金萍.人工智能發展綜述[J].科技廣場，2007（1）.

[8]郝勇勝.對人工智能研究的哲學反思[D].太原：太原科技大學，2012.

篇8

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002—5006（2013）01—0114—15

1 引言

旅游領域正在經歷著一個以商業實踐和研究活動為平臺的迅猛發展期，對于旅游研究者而言，把握領域最新研究進展、了解已被研究的內容以及思考未來的研究方向是非常重要的。在我國的旅游研究中，針對各種研究主題的綜述性研究非常豐富，然而信息科學與旅游的交叉研究并沒有得到足夠的重視。

交叉研究或跨學科研究一詞源于1926年美國哥倫比亞大學心理學家伍德沃斯（Woodworth）創建的英文形容詞：interdisciplinary（跨學科的），指超過一個學科范圍的研究活動。信息科學是一種橫斷科學與方法科學，在信息科學所涉及的4個方面研究中：（1）電子科學與技術、信息與通信系統、信息獲取與處理；（2）計算機科學與技術、網絡與信息安全；（3）控制理論與工程、系統科學與工程、人工智能與智能系統；（4）半導體科學與信息器件、信息光學與光電子器件、激光技術與技術光學，其中3個方面都與旅游研究在研究對象上發生交叉（如旅游博客數據挖掘、旅游推薦系統），且旅游研究也不斷采用信息科學的理論與方法去解決問題（如人工智能在旅游預測中的應用、計算機仿真在游憩行為研究中的應用），體現了交叉研究和跨學科特征。信息科學與旅游的交叉研究客觀存在，且已經經歷了20多年的發展。

旅游研究一直是一個開放的體系，吸納著其他學科的營養；信息科學與旅游研究的交叉與融合為解決旅游領域的新矛盾、新問題和探索新規律、新原理提供了新的思維方式和科學的研究方法，是信息時代旅游發展的產物與趨勢。信息科學與旅游的交叉研究無論對旅游學術研究還是對旅游業發展都具有非常重要的意義，其研究進展應得到關注與重視。

已有關于信息科學與旅游交叉研究進展的綜述研究川沒有體現出兩種研究的“交叉”性，即信息科學研究中有哪些以旅游為研究對象或者解決旅游領域的問題？旅游研究中涉及哪些信息科學方法與技術應用？這些問題的回答對于研究者廣泛與深入開展信息科學與旅游的交叉研究具有重要意義。

為了較為全面地闡述信息科學與旅游研究之間的“交叉性”，本文采用系統綜述方法對該交叉領域最近12年發表的文獻進行了搜集、篩選、整理、歸納與分析.以期幫助相關研究者了解這一交叉領域的主要研究問題及所取得的研究進展，并對今后的深入研究有所借鑒與啟發。

2 系統綜述方法

系統綜述（systematic review）又稱系統評價，起源于醫學領域，是指在復習、分析、整理和綜合原始文獻的基礎上進行的二次研究方法，目前已經被廣泛應用于循證醫學（evidence—based medicine），逐步應用于社會學、教育學、圖書情報等領域。系統綜述可被精確區分為兩種類型：（1）定性系統綜述，原始文獻的研究結果被分析與總結，但未經統計學合并；（2）定量系統綜述，又稱元（meta）分析或薈萃分析，應用統計學方法對若干個研究結果進行定量統計合并的過程。在某些不強調或較難實施統計學合并的研究領域，直接將定性系統綜述稱為系統綜述，將其作為一種對某研究問題、主題或現象的可獲得的所有研究進行評價和解釋的方法，目標在于通過一種可信的、嚴格的以及可審計的方法來提供公正的研究評價。信息科學與旅游科學的交叉研究屬于較難實現統計學合并的研究領域，因此本文采用定性系統綜述方法，簡稱系統綜述。

本文關于信息科學與旅游的交叉研究的系統綜述研究包含如下步驟：

（1）確定研究問題

為了全面了解與分析信息科學與旅游的交叉研究現狀，本文確定了如下系統綜述的研究問題：①信息科學研究中面向旅游的研究主要有哪些方面？②旅游研究中與信息科學相關的研究主要有哪些方面？③信息科學與旅游的交叉研究有哪些趨勢？

（2）確定文獻搜索策略

基于所確定的研究問題，設計如下文獻搜索策略：

①搜索工具與數據庫：采用Google Scholar、IEEE Xplore、ScienceDirect；

②搜索關鍵字：采用關鍵字組合“tourism”AND（“computer”OR“communication technology”），即“旅游”與“計算機”或“通信技術”同時出現；計算機科學與技術是信息科學研究領域中最為活躍的方向之一，計算機科學與技術、通信科學與技術在信息科學研究中具有一定的代表性；經過反復搜索測試，“計算機”與“通信技術”作為關鍵字與“旅游”進行組合搜索，搜索結果能夠較為全面地覆蓋信息科學與旅游的交叉研究，實現本文系統綜述的研究目標；③搜索的時間范圍：2000年之后。

（3）文獻搜索

按照上述搜索策略分別在3個工具與數據庫進行搜索。Google Scholar顯示共有54500條結果（2011年12月22日），其只提供最相關的前1000條；IEEE Xplore（搜索字段為“摘要”）共搜索到46條結果（2011年12月24日）；ScienceDirect（搜索字段為“題目”或“關鍵字”或“摘要”）共搜索到36條結果（2011年12月24日）。

（4）文獻篩選

在上述搜索到的條目中，按照表1所示的文獻入選和剔除標準，篩選用于本文系統綜述的文獻。

表1所示第一步完成后共有512篇文獻入選。第二步經過多次逐步細化篩選，最終確定用于本文系統綜述的入選文獻共245篇，其中期刊論文158篇，會議論文87篇。245篇文獻來自106種期刊和58種會議，文獻來源分散且涉及領域廣泛，有關文獻來源、作者等的定量分析結果已另文撰寫，本文則側重對系統綜述研究步驟（1）所確定的研究問題的回答。

（5）分析與完成報告

根據系統綜述研究步驟（1）所確定的研究問題，對入選文獻進行分類、分析與總結。分析結果見下一章節。

為了分別回答問題1與問題2，本文需要將入選文獻劃分為旅游研究和信息科學研究兩種視角，分別簡稱為旅游類研究和信息類研究。而事實上，當兩種研究產生交叉與融合，進行上述嚴格區分是較為困難的。為此，本如下處理：

（1）按照文獻來源所屬學科范疇進行劃分，如來源于Tourism Management及《旅游學刊》的文獻則劃入旅游類，來源于Expert Systems with Applications及《計算機工程》的文獻則劃入信息類；

（2）按照期刊載文的學科范疇劃分，如《華東經濟管理》刊載旅游類文章，則歸為旅游類，《北京工商大學學報（自然科學版）》刊載信息技術類文章，則歸為信息類；

（3）按照入選文獻的具體內容劃分，一些綜合性期刊無法直接確認屬于哪一類，則閱讀入選文章原文，如果偏重人文社會學視角，則歸入旅游類；如果偏重信息科學及技術視角，則歸入信息類。

由此，經管類、電子商務、地理類等期刊歸入旅游類中，測繪類期刊歸入信息類中；兩類分別含有入選文獻147篇和98篇。

3 綜述結果與分析

3.1問題1：信息科學研究中面向旅游的研究主要有哪些方面？

“面向旅游”并不特指專用于或專門針對旅游的研究，而是指其研究問題由旅游領域而產生，或者旅游是其最為典型的應用。面向旅游的信息科學研究幾乎涉及了信息科學研究范疇的各個方面，而許多研究領域更是體現了信息科學領域較新及較前沿的研究方向與熱點，如表2所示。面向旅游的信息科學研究中最受關注的研究主題是應用系統、人工智能、地理信息系統、移動應用、推薦系統以及語義網與本體等；而Web服務、虛擬現實、普適計算、計算機仿真也受到了一定程度的關注。下面對表2排序前10的研究主題的進展情況進行詳細闡述。

3.1.1

應用系統

應用系統指面向各種終端設備，如電腦、手機、PDA（掌上電腦）、電話等使用者的可用人機交互系統，也包含網站（Web）應用系統。本文為了強調移動應用和推薦系統兩類特殊的應用系統，在本類研究主題統計中將其排除，另列類別。應用系統研究占據了面向旅游的信息科學研究的較大比重。一方面是因為信息科學向旅游研究中進行滲透的最初方式正是其在旅游行業中的實際應用；另一方面是人選文獻中我國研究占據較大比重且較集中于該類研究。

應用系統的相關研究可分為：①戰略設計或實施建議，如航空業信息技術應用戰略與戰術研究，以及非洲撒哈拉以南地區的旅游組織實施電子商務的建議；②技術架構設計，如基于面向服務的體系架構（service oriented architecture，SOA）的旅游資源信息服務模型研究；③系統設計與開發，如一種智能旅游行程導航系統，以及四川、山西和贛東北等目的地或區域管理信息系統的設計與開發。

3.1.2人工智能

人工智能是面向旅游的信息科學研究較多采用的方法與技術，可將相關研究分成以下幾個方面：①推理，即采用人工智能推理技術支撐各種應用系統，如基于貝葉斯網的旅游行程推理；②數據挖掘，如旅游突發事件預測預警、消費者特征分析、基于機器學習的旅游博客觀點挖掘以及數據倉庫技術在旅游業中的應用；③主體（agent），如主體旅游者進行數據采集、分析并向旅游者進行旅游推薦弛；④評價，如基于神經網絡的上海旅游可持續發展能力評價；⑤決策支持，如旅游目的地選擇決策支持系統。

3.1.3地理信息系統

旅行活動是一種人地關系，地理信息是設計與開發各種旅游應用系統的重要信息資源，地理信息系統就是為這些應用系統提供地理信息使用接口的重要支撐系統。個性化目的地推薦系統、基于短信服務的餐館推薦系統、導航系統、位置服務系統、旅游資源監控預警系統以及古建筑信息系統等應用系統都離不開地理信息系統的支撐。上述“應用系統”主題研究中，幾乎所有面向目的地與區域的管理信息系統的設計與開發都離不開地理信息系統。有關旅游地理信息系統本身的研究也較為活躍，如雅安市WebGIS（萬維網地理信息系統）的實現研究、基于WebGIS的旅游地理信息系統研發以及泰山三維（3D）地理信息系統的研發。

3.1.4移動應用

移動通信技術，特別是移動終端技術的快速發展，使得面向旅游者手持終端（如手機、PDA）的各種移動應用得到了迅猛發展。相比較于傳統的計算機應用，移動應用較好體現了旅游以“人為中心”而不是計算機為中心的理念。相關研究主要集中于面向旅游者服務的信息推送與搜索、導航、實時路線及目的地推薦；并向普適計算的方向進行擴展，如手機電子門票、基于全球定位系統的車輛監控與導航以及手機與環境之間的交互游戲等。除了面向旅游者服務外，移動應用研究還包含面向旅游研究者、旅游公共管理與服務部門以及旅游企業的旅游行為數據采集與分析，如可通過基于手機數據的散客流分析，對目的地住宿的可容納量進行估算。移動應用中與位置信息相關的應用也被稱為位置服務，如位置信息服務、導航以及實時路線推薦等。

3.1.5推薦系統

推薦系統是為解決互聯網“信息過載”問題而提出的一種個性化服務，幫助用戶從大量信息中發現其可能感興趣的或者滿足其需求的資源，如信息、服務以及商品等，并自動生成個性化推薦。目前，推薦系統在旅游中的典型應用為旅游行程規劃，可面向旅游電子商務用戶，也可面向互聯網用戶；可規劃旅行的時間、地點以及活動等全套行程規劃引，也可推薦旅游目的地、餐廳以及住宿等。推薦系統主要采用人工智能、語義網、移動應用、定位與地理信息系統等技術。相關研究還涉及用戶個性語義模型、系統架構設計等方面。

3.1.6語義網和本體

語義網（semantic Web）是傳統網站的一種擴展。在語義網中，信息具有明確的含義——語義，人類語言與機器語言之間能夠相互理解，機器能夠自動地處理和集成網上對于人而言可用的信息，使得人與機器之間的交流變得像人與人之間交流一樣順暢。本體（ontology）是用來描述網絡文檔中術語的明確含義及其之間關系的技術，能夠實現語義網信息處理的自動化，提高網站搜索的準確性以及網站服務質量。旅游領域是語義Web與本體研究的問題來源與典型應用對象，如基于語義Web與本體技術的旅游中小企業間信息交換、動態生成客戶供給的客戶關系管理、旅游網站信息系統、旅游目的地管理系統以及旅行推薦系統。這些系統能夠對旅游領域知識進行本體表達，從而集成對于用戶有用的或者滿足用戶需求的語義信息；其中，旅游知識域的本體表達、行程規劃的語義信息推理是實現這些系統的關鍵技術。

3.1.7Web服務

Web服務（Web services）是Web上數據和信息集成的有效機制，是解決Web上各種應用系統高維護與更新代價的最為合理的解決方案。因此，Web服務在旅游中主要用于信息集成、交換以及系統之間的互操作。Web服務技術對于旅游目的地管理而言非常重要，能夠實現旅游目的地營銷系統與旅游企業之間以及目的地旅游企業之間的異構數據交換、共享以及集成。Web技術還是Web推薦系統的重要技術之一，能夠獲取推薦系統所需的動態與實時的萬維網數據。

3.1.8虛擬現實

虛擬現實技術主要用于旅游目的地、景區、景點的市場營銷。國內的相關研究集中于旅游目的地、景區及景點等的虛擬展示，如西安市360度全景虛擬旅游系統、北京妙峰山古建筑群的網絡虛擬漫游系統、村鎮民俗旅游資源的立體展示。鄭鵬等認為這是一種旅游產品的虛擬試用體驗。而國外的相關研究則側重于游客的現場體驗，特別針對歷史文化遺產與遺跡，如意大利的PEACH（personal experience with active cultural heritage，個性化體驗活動的文化遺產）項目針對提升游客在博物館對于文化遺產的體驗以及馬來西亞凱利城堡（Kellie’s Castle）的虛擬旅游原型研發。虛擬現實技術在旅游中的應用還包含了旅游開發與遺產保護，如十三陵景區的虛擬復原。

3.1.9普適計算

普適計算模式下人們能夠在任何時間、任何地點、以任何方式進行信息的獲取與處理。由于移動終端設備及其應用的發展，普適計算在旅游研究中非常活躍，如一種面向移動終端的基于旅游本體的信息廣播與推送方法研究，用以解決傳統移動終端對于旅游者需要花費昂貴的“漫游”網絡連接費用以及需要主動獲取信息等問題；一個面向德國雷根斯堡（Regensburg）游客的移動終端游戲的設計與應用，游客可以通過在空中晃動手機來與游戲中的歷史人物溝通，該游戲以一種有趣的方式向游客介紹雷根斯堡的歷史。普適計算是我國目前形成研究熱點的物聯網應用的基礎理論與技術之一。

3.1.10計算機仿真

計算機仿真技術研究中面向旅游的研究包含基于概率統計方法對上海旅游服務系統顧客滿意度進行仿真以及基于系統動力學方法對新度假制度對城郊旅游的影響進行仿真等。

3.2問題2：旅游研究中與信息科學相關的研究主要有哪些方面？

旅游研究中與信息科學方法與技術相關的研究范圍較為廣泛，表3顯示本文入選文獻中歸入旅游類的研究主題共有43種。其中最受關注的研究主題是電子商務、網站評估以及在線消費者行為。人工智能、移動通信、地理信息系統等信息科學方法與技術在旅游中受到了相應重視。旅游網站空間、系統評價、網絡營銷、應用系統以及正在大范圍普及的Web 2.0互聯網應用模式也受到了旅游研究的重視。信息科學領域中的某些前沿研究也在旅游研究中得到了關注，如計算機仿真、推薦系統、Web服務、語義網與本體。

進一步對表3各類主題的文獻內容進行剖析與歸納，可以得到以下旅游研究中與信息科學方法與技術相關的6個研究范疇：

3.2.1信息技術對旅游的影響

信息技術對旅游的影響研究主要包含信息技術對旅游產業的影響與信息技術在旅游中的應用影響兩個方面。其中，信息技術在旅游中的應用影響又分為現狀研究、作用研究、影響因素研究等方面。

信息技術對旅游產業的影響主要體現在其對傳統旅游產業價值鏈的重構上，集中表現于電子商務對旅游產業的影響、新型電子中介（供應商、互聯網門戶網站、拍賣網站、數字電視、移動商務等）對傳統電子中介（計算機訂座系統、全球分銷系統等）的影響、信息技術對分銷渠道的影響。

信息技術在旅游中的應用現狀研究主要側重于旅游企業，如電子商務在北京旅游企業中的應用現狀、土耳其旅行社對互聯網的使用情況、愛爾蘭旅游中小企業和鄉村微型住宿業對信息技術使用情況的分析、南非中小旅游企業對于信息技術使用的狀況研究。

信息技術對旅游的作用研究既包含旅游企業整體層面，如信息技術對埃及中小接待企業發展的積極作用、知識管理對于澳大利亞旅游業的作用等；又包含旅游企業的某項具體功能，如信息技術應用對于泰國酒店運營效率的作用；還包含旅游資源開發與保護方面，如計算機技術對于泰國古建筑重建的重要作用。

信息技術應用的影響因素研究對于旅游業如何有效應用信息技術而言是非常重要的。相關研究包含：①電子商務的應用影響，如泰國旅游企業應用電子商務的影響因素、酒店業應用電子商務的影響因素②網絡營銷對旅游企業的影響，如互聯網廣告對旅行社運營的影響；③旅游企業對技術應用的態度，如希臘旅行社對互聯網技術的使用情況與態度；④旅游者對信息技術使用的態度，如游客在度假時是否愿意使用基于技術的信息、影響旅游者使用互聯網進行旅游規劃的因素。

3.2.2信息技術在旅游中的應用模式

目前，信息技術在旅游中的應用模式研究主要集中于電子商務模式、網絡營銷以及Web 2.0。電子商務模式的相關研究有區域旅游電子商務開發計劃研究、旅游電子商務模式現狀與趨勢研究、旅游電子商務模式以及運營模式研究等。

網絡營銷是除了電子商務之外信息技術在旅游中最主要的應用模式。網絡營銷研究多圍繞網站展開，如英國農村接待企業網站營銷現狀研究、塞爾維亞旅游網站網絡促銷現狀和形式研究、美國旅游官方網站網絡營銷使用分析、旅游目的地營銷組織網站的客戶需求研究。此外，在線葡萄酒旅游以及在線客戶關系管理都是一種網絡營銷方式。

隨著互聯網技術的發展，Web 2.0作為一種新型的互聯網應用模式受到了旅游領域的高度關注。相關研究可以分為如下幾個方面：①營銷，即基于Web 2.0的網絡營銷方式，這是目前旅游研究領域最為關注的方面，如Web 2.0對克羅地亞旅游產品的營銷作用研究、博客對于旅游市場營銷的中介作用；②旅游者行為與服務，如Web 2.0下網絡旅游消費行為模式及旅游網站應用研究、基于Web 2.0的用戶個性化定制研究以及基于人工智能技術的微博“旅游情感”數據挖掘；③網站分類，如Web 2.0旅游網站的分類機制研究。

此外，面向產業價值網絡的四川旅游信息資源整合推進模式和機制是一種信息技術在旅游中應用模式的有效探索。

3.2.3信息技術在旅游中的應用評價

網站評價是信息技術應用評價研究中最主要的內容。從評價對象上看，相關研究涉及官方旅游網站、目的地營銷組織網站、各國及地區旅游網站；從評價內容上，包含有效性評價、可用性評價、使用分析、功能分析、網站設計、網站旅游本體分析、游客價值以及網站訪問者分析等；從評價方法上有調查法、啟發式方法、數據包絡分析法、內容分析法、網站日志分析法、領域本體分析法等。

隨著移動通信技術的發展，移動應用在旅游領域得到了廣泛應用，針對移動應用系統的評價研究也受到研究者的關注，如從用戶角度對移動應用進行評價、各種移動旅游者指南功能與可用性評價。

3.2.4信息社會視角的旅游研究對象

較傳統旅游研究對象，如旅游資源、旅游企業以及旅游者等，信息社會視角的旅游研究對象發生了擴展，如從旅游者的地理時空變化擴展到了在線旅游者行為變化，從旅游資源的空間格局擴展到了旅游網站的網絡結構等。

在線旅游者行為研究中最受關注的是消費行為研究，如消費影響因素與滿意度、忠誠度與推薦行為、在線分享行為。隨著社會網絡的形成，在線旅游者的情緒研究得到關注，如通過旅游者在論壇、博客（微博）上的評論分析旅游者情緒，相關方法包含內容分析、統計與語言學分析、人工神經網絡方法以及數據挖掘技術等。一項研究還將旅游者的博客進行了計算機可視化，用來輔助其他旅游者的旅行計劃。此外，旅游目的地營銷組織網站的旅游者在線行為也受到研究者的關注。

目的地地理尺度的旅游網站空間結構也受到研究者的關注，主要包含方法研究與案例研究。方法研究有統計方法以及網絡拓撲圖方法等；案例包含歐洲、意大利厄爾巴島]以及河北省等。

旅游虛擬社區是社會信息化背景下形成的新型社區，部分旅游研究者對其給予了關注，如針對具有中國文化背景的芒果社區網（Mango）的綜合性研究。

3.2.5社會信息化下的旅游研究方法

社會信息化下的旅游研究方法包含兩個方面的含義。

一是指傳統旅游研究方法可借助社會信息化背景進行擴展，如網絡調查方法擴展了傳統現場發放問卷的調查方法；基于射頻識別（RFID）與全球定位系統（GPS）技術的追蹤系統擴展了傳統旅游者游憩行為問卷調查方法，并提高了數據的精度；遙感與地理信息系統（RS&GIS）技術可提高旅游資源監測的準確性等。

二是指旅游研究方法對于信息科學方法與技術的借鑒。人工智能是旅游研究中采用最多的信息科學方法與技術，其在旅游研究中的應用可以分為以下幾個方面：①需求預測，如基于人工神經網絡的西班牙巴利亞利群島旅游時間序列預測、遺傳算法在旅游需求預測中的應用、模糊時間序列及灰色理論在短時間序列旅游需求預測中的應用以及人工智能方法與其他預測方法的比較；②在線行為分析，如基于機器學習（machine learning）的在線消費者行為數據挖掘；③基于主體（agent）的旅游系統仿真研究，采用人工智能研究領域的重要分支——多主體系統（multi-agent system，MAS）對多層面、多地理尺度旅游系統進行計算機仿真，探索旅游主體之間的相互作用與規律，如基于多主體的旅游空間結構演化研究、旅游者在目的地以及景區范圍的動態性研究。

計算機仿真方法與技術在旅游研究中的應用也受到了旅游研究者的關注，具體研究包含以下幾個方面：①預測，如旅游收入預測；②旅游經濟研究，如區域旅游經濟系統動力學分析；③旅游主體行為研究，如上述人工智能研究中基于主體的旅游系統仿真研究。

地理信息系統（GIS）是信息科學與地理科學的交叉研究領域，作為旅游研究的一種研究方法或工具，主要被用于旅游資源評價。

3.2.6旅游領域中的信息科學研究

隨著移動終端設備在旅游者中的普及，旅游研究者對移動應用的相關研究給予了較大關注，如上下文適應的移動應用體系框架設計、上下文相關的信息推動服務系統設計以及用于博物館導游的多媒體技術研究。語義網與本體是信息科學的前沿領域，但由于其對于提升面向旅游者的網絡服務質量具有非常重要的作用，也受到了旅游研究者的關注，如用于搜索引擎的旅游域語義表示研究。智能系統作為信息科學的前沿領域，在旅游研究中也受到了關注，除了綜述性研究外，還出現了有關智能系統設計方面的研究。

應用系統的規劃建議與系統結構設計是旅游研究者較為關注的信息技術研究，如基于知識管理視角的目的地管理系統設計。而其中以我國的相關研究為最多，如贛東北網絡旅游信息系統研究、上饒市旅游資源信息系統。

數字旅游是一種典型的旅游與信息技術的綜合叉研究主題，在我國旅游研究領域受到了關注，既包含了偏重技術的研究，如數字旅游的體系框架，也包含了圍繞數字旅游系統建設的保障體系研究，如相關政策法規方面的研究。

3.3問題3：信息科學與旅游的交叉研究有哪些趨勢？

盡管信息科學與旅游的交叉研究在近12年間經歷了快速發展，但其仍然屬于新興交叉學科，其發展需要相關學者更為廣泛與深入的探索研究。在本節，筆者在對最近12年信息科學與旅游的交叉研究進行系統整理的基礎上，通過捕捉旅游類與信息類研究共同關注的研究主題（表4），以及基于筆者對信息科學以及旅游研究趨勢的把握，找到信息科學與旅游交叉研究中的研究重點，其反映了兩類科學的交叉發展趨勢，或者研究者們重新認識某些對該交叉領域的發展來講非常重要的問題。以下分別對它們進行闡述：

3.3.1人工智能在旅游領域的深入應用

人工智能方法與技術是信息技術發展的高級階段，研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術，涉及知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面的研究內容。盡管目前人工智能在旅游中的應用以旅游需求預測最為成熟，然而其相關理論、方法與技術并沒有在旅游領域中得到充分應用。如何充分利用人工智能方法與技術來有效處理與使用旅游數據、信息與知識，深入挖掘旅游者、旅游公共管理與服務部門以及旅游企業的特征、存在的問題并進行決策支持，是信息科學與旅游科學交叉研究中較為迫切與前沿的問題。

3.3.2基于語義網與本體的旅游推薦系統

語義網與本體研究是信息科學領域的前沿領域，是海量網絡信息之間相互理解的基礎。互聯網的發展使得傳統面向旅游者的“線下”服務擴展至“線上”，包含以傳統計算機為中心的和以新興各種移動終端為中心的“線上”服務，“線上”服務質量對于信息時代的旅游者體驗是非常重要的。基于語義網與本體技術的旅游推薦系統正是提升網絡服務質量的有效方法與工具，如何將語義網、本體技術以及旅游推薦系統進行理論、方法以及應用上的有效集成，使其對旅游者具有實際應用價值，是信息科學與旅游科學交叉研究中的另一個前沿問題。

3.3.3

普適計算與旅游（物聯網、移動互聯與旅游）

篇9

關鍵詞： 人工智能；研究現狀；發展趨勢；社會力量

Key words： Artificial Intelligence；research status；development tendency；social force

中圖分類號：TP18 文獻標識碼：A 文章編號：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth學會后發展起來的新型學科，其有著涉及學科廣、需要技術高端、使用范圍廣等特點。在過去的50多年時間中人工智能經歷了學科發展中都會遇到的發展——否定——否定的否定階段，現在人工智能大致分成了符號主義學派、行為主義學派、聯結主義學派三大學派。其各有優勢，獨樹一幟。一直以來重大前沿科學研究都是以國家牽頭，等到時機成熟了再轉為民用。這樣無形中浪費了很多社會中的人才，比如android智能機的問世，當開發商源代碼公布后android智能機獲得了飛速的發展。這是社會資源集體作用的結果，人工智能能否通過這種方式獲得飛速的發展呢，文中給出了問題的答案。

1 人工智能的現狀

1.1 人工智能的發展過程 人工智能是由“人工”與“智能”組成。“人工”十分容易理解，也就是我們常說的人類開發研究出來的事物。“智能”則是十分復雜的一個詞匯，是指如由意識（Consciousness）、自我（Self）、思維（Mind）（包括無意識的思維（Unconscious_mind））等等組成的有機集合。通常我們所說的人工智能是指人本身的智能。總體來說人工智能（Artificial Intelligence，AI）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。關于人工智能的傳說一直可以追述到埃及，直到電子計算機的問世才使人們真正具備了發展人工智能的基本技術，而直到1956年的Dartmouth學會之后“人工智能”才逐漸地被大家所熟知接受。人工智能作為一門自然科學、社會科學、技術科學交叉的邊沿學科，涉及哲學和數學，認知科學，心理學，神經生理學，計算機科學，控制論，不定性論，信息論，社會結構學，仿生學與科學發展觀等眾多前沿學科。二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能），也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一[1]。

人工智能在其過去的50多年時間里，有了長足的發展，但并不是十分順利。目前人們大致將人工智能的發展劃分成了五個階段：

第一階段：萌芽期（1956年之前）

自古以來，人類一直在尋找能夠提高工作效率、減輕工作強度的工具。只是受限于當時的科學技術水平，人們只能制作一些簡單的物品來滿足自身的需求。而人類的歷史上卻因此留下了很多膾炙人口的傳說。傳說可以追溯到古埃及時期，人們制造出了可以自己轉動的大門，自動涌出的圣泉。我國最早的記載是在公元前900多年，出現了能歌能舞的機器人。這一時期出現了各種大家：法國十七世紀的物理學家、數學家B.Pascal、德國十八世紀數學家、哲學家Leibnitz以及二十世紀的圖靈、馮·諾伊曼等。他們為人工智能的發展做出了十分重要的貢獻。

第二階段：第一次期（1956年-1966年）

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在Dartmouth學會上引發一場歷史性事件——人工智能學科的誕生。Dartmouth會議結束后，人工智能進入了一個全新的時代。會議上誕生了幾個著名的項目組：Carnegie-RAND協作組、IBM公司工程課題研究組和MIT研究組。在眾多科學家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理證明工作中首先取得突破，開啟了以計算機程序來模擬人類思維的道路；1960年，McCarthy建立了人工智能程序設計語言LISP。此時出現的大量專家系統直到現在仍然被人使用，人工智能學科在這樣的氛圍下正在茁壯的成長。

第三階段：低谷發展期（1967年-八十年代初期）

1967年之后，人工智能在進行進一步的研究發展的時候遇到了很大的阻礙。這一時期沒有比上一時期更重要的理論誕生，人們被之前取得的成果沖昏了頭腦，低估了人工智能學科的發展難度。一時之間人工智能受到了各種責難，人工智能的發展進入到了瓶頸期。盡管如此，眾多的人工智能科學家并沒有灰心，在為下一個時期的到來積極的準備著。

第四階段：第二次期（八十年代中期-九十年代初期）

隨著其他學科的發展，第五代計算機的研制成功，人工智能獲得了進一步的發展。人工智能開始進入市場，人工智能在市場中的優秀表現使得人們意識到了人工智能的廣闊前景。由此人工智能進入到了第二次期，并且進入發展的黃金期。

第五階段：平穩發展期（九十年代之后）

國際互聯網的迅速發展使得人工智能的開發研究由之前的個體人工智能轉換為網絡環境下的分布式人工智能，之前出現的問題在這一時期得到了極大的解決。Hopfield多層神經網絡模型的提出，使人工神經網絡研究與應用再度出現了欣欣向榮的景象。人工智能已經滲入到了我們生活的方方面面。

1.2 人工智能的主要學派 人工智能發展的50多年時間里，經歷了符號主義學派、行為主義學派和聯結主義學派，三大學派各有特點，各自從不同的角度研究人工智能，為人工智能的發展做出了卓越的貢獻，在人工智能的發展史上留下了濃重的一筆。

1.2.1 符號主義學派 符號主義學派，又稱為邏輯主義、計算機學派或心理學派。符號主義學派理論基礎是物理符號系統假設和有限合理性原理，他們認為人類的認知基元是符號，認知的過程是對符號的計算與推理的過程。人與計算機均可以看做物理符號系統，因此人們可以使用計算機來模擬人的行為。符號主義學派認為人的認知基元可以通過計算機上的數學邏輯方法表示，然后通過計算機自身的邏輯運算方法模擬人類所具備的認知系統的機能和功能，進而實現人工智能[2]。

符號主義學派無視了認知基元的本質，對于所有的認知基元均使用數學邏輯方法表示。符號主義學派重點研究認知基元的邏輯表示以及計算機的推理技術，早期的眾多人工智能的研究都是在這一思想的推動下進行的。符號主義學派在歸結推理、翻譯、數學問題證明以及專家系統和知識工程做出了十分巨大的貢獻，為后期的人工智能研究打下了基礎。專家系統的出現更是將人工智能的研究推上了一個頂峰，其在礦業探究、醫療診查、教育推廣、工業設計的應用帶來了巨大的社會效益。

1.2.2 行為主義學派 行為主義又被稱作進化主義或控制論學派。行為主義學派認為智能取決于感知和行動，不需要像符號主義學派的邏輯知識以及推理。行為主義學派認為人的本質能力是行為能力、感知能力和維持生命及自我繁殖的能力，智能行為是人與現實世界環境的交互作用體現出來的。人工智能應像人類智能一樣通過逐步進化而實現，而與知識的表示和知識的推理無關[3]。行為主義學派的與傳統人工智能截然不同的觀點吸引了眾多的科學家，雖然到現在還沒有獨立完善的知識理論系統，但其在人工智能領域的獨樹一幟還是奠定了其霸主地位。該學派重點研究人類的控制行為，目前已有的機器昆蟲已經證明了行為主義學派的理論正確性。雖然大部分人認為機器昆蟲不能導致高級行為，但是行為主義學派的崛起標志著控制論在人工智能領域有著獨樹一幟的作用。

1.2.3 聯結主義學派 聯結主義學派是近年來最熱門的一個學派，又被成為仿生學派或心理學派，建立于網絡聯結基礎之上模仿人類大腦的結構和工作模式。聯結主義學派主要研究能夠進行非程序的，可適應環境變化的，類似人類大腦風格的信息處理方法的本質和能力，是基于神經網絡及網絡間的連接機制和學習算法的人工智能學派。持這種觀點的學者認為，認知的基本元素不是符號是神經細胞（神經元），認知過程是大量神經元的聯接，而大腦是一切智能活動的基礎，因而從大腦神經元及其連接機制出發進行研究，搞清楚大腦的結構以及它進行信息處理的過程和機理，就有望揭示人類智能的奧秘，從而真正實現人類智能在機器上的模擬。[4]

聯結主義學派通過模擬人類神經網絡模仿人類的認知行為，由此進行人工智能的學習記憶、模式識別。聯結主義學派構建了大量的神經網絡模型，方便在不同的情景模式下選擇相應的模型，進而快速的得出答案。聯結主義學派采用分布式存儲數據，對數據進行并行處理，這樣使得人工智能在處理問題的時候的速度有了明顯的提升，由此聯結主義學派在人工智能領域中受到大家的一致熱捧。

三大學派在人工智能的發展史上有著舉足輕重的作用，每一個學派的興起都代表人工智能的一個新高峰。三大學派各有優缺點，在人工智能領域三者相輔相成，人工智能學科在三大學派的帶領下正在茁壯成長。

2 對人工智能主要理論學派的評述

在過去的50多年時間中，人工智能獲得了巨大的發展，基本實現了從無到有的過程，構建了基本完善的理論知識體系，構建了各種模型，形成各種技術方法，但是人工智能的發展依然任重道遠，前景依然不容樂觀。三大主義學派有著自身獨到的優點，同時也有著各自的缺點，符號主義學派將人的認知基元符號用數學邏輯表示，通過計算機邏輯處理系統分析得出結果，但是在面對沒有明確結果的非確定問題時經常不能得出令人滿意的答案，它對信息要求十分精確完整，現實生活中的很多問題都不能滿足條件，因此符號主義學派的發展受到了一定的限制。行為主義學派認為智能取決于感知與行動，但是缺乏足夠的理論知識支撐學派觀點，而且缺乏足夠的成果表明理論的正確性。學派認為人工智能與知識的表達和知識推理無關，與人類認知的發展是不相符的。聯結主義學派采用仿生學的方法，模擬人腦的神經網絡，通過類似人腦的結構和運行機制模仿人類智能。這一觀點十分有吸引力，在提出之后馬上就有大量的支持者，但是人腦神經系統的復雜性遠遠超出人們的預知，現階段人們對人腦的構造以及運行機制還沒有深入的理解，在此基礎上想模擬出人腦的神經系統顯然是有些不不切實際。聯結主義學派的發展更多的受制于對人腦結構和運行機制的研究，因此其發展相對緩慢。綜上，三大學派固然有著自身的優勢，各自的成果，但是其同樣有著明顯的局限性，人工智能要想進一步發展必須要對現有的發展方式進行創新。

另一方面，人工智能在經歷了兩次期后再次回落到了平穩發展時期，社會公眾對人工智能的熱度有了明顯的降溫。人工智能的研究再次變成了國家以及一些超級公司的工作，擁有的資源有了大幅度的縮水，研究的進度也受到干擾。在此狀態下沒有重大的技術創新，人工智能恐怕很難再有重大的突破。

3 對人工智能發展的評述

3.1 對人工智能涵義的認識 同樣的詞匯在不同時期的有著不同的解釋，人工智能也不例外，大家都認可的人工智能是指在人類制造的機器工具上實現人類智能，即實現人類的認知能力、行為能力以及解決問題的能力。人類智能有著一個明確的特點，在面對未知問題時，人類智能能夠得出自身想要的答案，也就是消除答案的不確定性。符號主義學派的邏輯解決方式、行為主義學派模擬人的行為能力、聯結主義學派的神經網絡，三大主義學派各自以自身的方式實現了對問題消除或減弱不確定性。可見減弱甚至消除問題的不確定性也將是人工智能的一個研究方向。

3.2 人工智能研究模式的發展 目前人工智能領域中，符號主義學派通過數學邏輯表示人類的認知基元，對數學邏輯經過解讀分析，得到答案，進而實現智能。該學派重點運用還原思想，將人類的認知基元全部使用數學邏輯表示。行為主義學派認為人工智能取決于感知和行動，不需要學習知識與知識推理，是一步步，由低級到高級慢慢進化的。聯結主義學派是通過人工神經網絡的形式模仿人類智能，理論上講該方法是最符合人類智能的運行方式的。而在一系統中，最重要的是系統的運行機制，如何將接受到的信息轉化為我們的知識并通過表述、行為展示出來，在了解了人類智能的運行機制之后，人工智能將會更加符合人們的需求。

3.3 人工智能研究方法的發展 人工智能的目的是消除答案的不確定性，然后做出相應的反應。在消除答案不確定性的時候便有了各種方法，其中有一種便是突出解決問題的目標，在有明確目標的前提下會削弱干擾問題解決的條件，提高人工智能解決問題的效率。明確問題的目標便需要引入目標函數，在動態目標函數的引導下會減弱答案的不確定性。而在已有的人工智能基礎上設立人工智能模型，通過人工智能自身的計算結果結合目前的研究成果去優化目前的人工智能系統，則會提升人工智能的發展速度。

3.4 人工智能時期的發展 人工智能自發展到現在已經經歷了五個時期，在兩次期中人工智能均獲得了迅速的發展。然而現在人工智能的發展步入到了緩慢發展時期，如何將人工智能的發展緩慢時期加速度過同樣是十分嚴肅的問題，傳統說來需要重大的科學進步。我們往往認為人工智能屬于頂端科技只能由國家和超級公司研究，卻忽略了社會所擁有的重大的力量。小小的android智能手機在問世的短短時間內變改變了之前的市場格局，其中固然有著android智能手機的特點，但是我想他的市場策略同樣給與了莫大的助力。人工智能應該向android一樣，適當的開放出來一部分根基，放開其研究門檻，甚至鼓勵民間研究。量變引發質變，當有足夠專家在研究人工智能時，人工智能的研究會加快的。而且民間的研究成果也會作為經驗反作用于人工智能的進一步研究，實現科學與社會的雙贏。

4 結論

人工智能是人們長久以來的夢想，同時也是一門很有挑戰性的學科。像所有的學科一樣，人工智能會經歷各種各樣的挫折，但是，只要我們有信心、有毅力，我們相信人工智能終將會成為現實，融入到我們生活的方方面面，為我們的生活帶來極大的改變。

參考文獻：

[1]朱祝武.人工智能發展綜述[J].中國西部科技，2011，10（17）：8-10.

篇10

1 概述

圖像識別技術是人工智能研究的一個重要分支，其是以圖像為基礎，利用計算機對圖像進行處理、分析和理解，以識別不同模式的對象的技術。目前圖像識別技術的應用十分廣泛，在安全領域，有人臉識別，指紋識別等；在軍事領域，有地形勘察，飛行物識別等；在交通領域，有交通標志識別、車牌號識別等。圖像識別技術的研究是更高級的圖像理解、機器人、無人駕駛等技術的重要基礎。

傳統圖像識別技術主要由圖像處理、特征提取、分類器設計等步驟構成。通過專家設計、提取出圖像特征，對圖像M行識別、分類。近年來深度學習的發展，大大提高了圖像識別的準確率。深度學習從大量數據中學習知識（特征），自動完成特征提取與分類任務。但是目前的深度學習技術過于依賴大數據，只有在擁有大量標記訓練樣本的情況下才能夠取得較好的識別效果。本文認為研究如何在標記數據有限的情況下繼續利用深度學習完成物體識別任務具有重要意義。這也是未來人工智能研究的重要方向之一。

2 傳統圖像識別技術

傳統的圖像識別技術包括：圖像獲取、預處理、特征提取、分類。在圖像輸入后，需要先對圖像進行預處理。一幅標準灰度圖像，如果每個像素的像素值用一個字節表示，灰度值級數就等于256級，每個像素可以是0～255之間的任何一個整數值。一幅沒有經過壓縮處理的640×480分辨率的灰度圖像就需要占據300KB的存儲空間。通常我們需要將圖片的亮度及對比度調整合適，才能使圖片更加清晰、便于觀察。

許多采集到的圖片帶有或多或少的噪聲，需要對圖片的噪聲進行消除。對圖片噪聲的消除可以使用不同的去噪方法，如中值濾波、算數平均濾波、平滑線性濾波和高斯濾波等。不同濾波器分別適用于不同情況的噪聲。如椒鹽噪聲便適合使用中值濾波器，高斯噪聲便適合使用平滑線性濾波和高斯濾波。有時候，我們需要對圖像細化處理（如指紋細化，字符細化等），以便獲取主要信息，減少無關信息。細化操作，可以得到由單像素點組成的圖像輪廓，便于后續特征提取操作。

基本的圖像特征提取包括邊緣、角點等提取。一般使用不同的特征提取算子結合相應的閾值得到這些關鍵點。另一類在頻域中進行特征提取的方法主要是通過傅里葉變換，將圖像基于頻率分為不同的部分，從而可以在頻譜中反映出原始圖像的灰度級變化，便可得到圖像的輪廓、邊緣。

在完成圖像的預處理和特征提取之后，我們便能夠對圖像進行識別、分類。常用的分類器有K-近鄰（KNN），支持向量機（SVM），人工神經網絡（ANN）等等。K-近鄰算法原理是，當一個樣本的k個最相鄰的樣本中大部分屬于某一類別時，該樣本也應當屬于同一類別。支持向量機是通過尋找支持向量，在特征空間確定最優分類超平面，將兩類樣本分開。人工神經網絡模仿生物大腦中的神經網絡結構，通過誤差反向傳播不斷優化參數，從而得到較好的分類效果。

3 基于深度學習的圖像識別技術

一般認為深度學習技術是由Hinton及其學生于2006年提出的，其屬于人工神經網絡分支。深度神經網絡模仿人腦的神經機制來分析樣本，并盡可能地對樣本的特征進行更深度的學習。以圖片為例，利用深度學習技術對樣本的特征進行學習時，由低層特征到高層特征越來越抽象，越來越能表達語義概念。當樣本輸入后，首先對圖像進行卷積與下采樣操作，卷積和下采樣操作是為了進行特征提取和選擇。以原始像素作為輸入，深度學習技術可以自動學習得到較好的特征提取器（卷積參數）。深度學習的訓練過程，首先將當前層的輸出作為下一層的輸入，進行逐層分析，使得每一層的輸入與輸出差別盡可能小。其后，再聯合優化，即同時優化所有層，目標是分類誤差最小化。

傳統的深度神經網絡往往網絡中的節點數太過龐大，難以訓練。人們構造出卷積神經網絡，以權值共享的方式減少了節點數量，從而能夠加深學習的深度，使系統能學習到更抽象、更深層的特征，從而提高識別正確率。目前較成功的深度學習網絡結構有AlexNet、GoogLeNet、ResNet等。

與傳統識別技術相比，深度學習技術具有以下優勢：

（1）無需人工設計特征，系統可以自行學習歸納出特征。

（2）識別準確度高，深度學習在圖像識別方面的錯誤率已經低于人類平均水平，在可預見的將來，計算機將大量代替人力進行與圖像識別技術有關的活動。

（3）使用簡單，易于工業化，深度學習由于不需要領域的專家知識，能夠快速實現并商業化，國內較知名的深度學習創業公司有專注人臉識別的Face++、研究無人車的馭勢科技等。

4 存在問題與未來展望

雖然深度學習具備諸多優點，但目前來看深度學習仍有許多不足之處。首先，由于深度學習模型為非凸函數，對其的理論研究十分困難，缺乏理論保證。在對數據進行調整時，仍是簡單的“試錯”，缺少理論支撐。

同時，由于深度學習過于依賴數據量和計算資源。對一個新概念的學習，往往需要數百個甚至更多有標記的樣本。當遇到有標記的樣本難以獲取或者代價太大時，深度學習就無法取得好的學習效果。并且深度學習需要十分昂貴的高性能GPU，這使得深度學習難以平民化。目前深度學習訓練速度較慢，往往需要幾天甚至一個月。其模型擴展性差，缺少“舉一反三”的能力，樣本稍加變化，系統性能便會迅速下降。目前的深度學習屬于靜態過程，與環境缺乏交互。

對其的解決方案目前主要有兩點：

（1）針對于模型擴展性差的問題，通過引入遷移學習，研究不同任務或數據之間的知識遷移，提高模型的擴展能力、學習速度，同時降低學習成本，便于冷啟動。

（2）與強化學習結合，研究在動態環境下進行深度學習，提高深度學習與環境交互的能力。

參考文獻

[1]蔣樹強，閔巍慶，王樹徽.面向智能交互的圖像識別技術綜述與展望[J].計算機研究與發展，2016：113-122.

[2]張翠平，蘇光大.人臉識別技術綜述[J].中國圖象圖形學報，2000：885-894.

[3]梅園，趙波，朱之丹.基于直線曲線混合Gabor濾波器的指紋增強算法[J].計算機科學，2016.

[4]孫志軍，薛磊，許陽明，王正.深度學習研究綜述[J].計算機應用研究，2012：2806-2810.

[5]莊福振，羅平，何清，史忠植.遷移學習研究進展[J].軟件學報，2015：26-39.