摘要：本文概要地阐述了人工智能的概念、发展历史、当前研究热点和实际应用及未来的发展趋势。
关键词：人工智能 发展过程 研究热点 应用领域 未来发展
一、人工智能概述
人工智能（Artificial Intelligence，简称 AI），也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统角度来看，人工智能是研究如何制造出智能机器或智能系统，实现模拟人类智能活动的能力，以延伸人们智能的科学。人工智能是一门交叉学科，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等多学科的综合性技术学科，目前已在知识处理、模式识别、自然语言处理、博弈、自动定理证明、自动程序设计、专家系统、知识库、智能机器人等多个领域取得举世瞩目的成果，并形成了多元化的发展方向。
二、人工智能的发展过程
人工智能经历了三次飞跃阶段：第一次是实现问题求解，代替人完成部分逻辑推理工作，如机器定理证明和专家系统；第二次是智能系统能够和环境交互，从运行的环境中获取信息，代替人完成包括不确定性在内的部分思维工作，通过自身的动作，对环境施加影响，并适应环境的变化，如智能机器人；第三次是智能系统，具有类人的认知和思维能力，能够发现新的知识，去完成面临的任务，如基于数据挖掘的系统。
三、人工智能的研究热点
AI 研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面是因为计算机硬件突飞猛进地发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低，以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的三个热点是：智能接口、数据挖掘、主体及多主体系统。
1. 智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译及自然语言理解等技术已经开始实用化。
2. 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但是又潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱：数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现及网上数据挖掘等。
3. 主体系统是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定的自主性。主体试图自治、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理，主要应用在对现实世界和社会的模拟、机器人及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习及多主体系统应用等方面。
四、人工智能的应用领域
1. 专家系统
专家系统是一个具有大量专门知识与经验的程序系统，专家系统存储着某个专门领域中经过事先总结、分析并按某种模式表示的专家知识，以及拥有类似于领域专家解决实际问题的推理机制。专家系统的开发和研究是人工智能中最活跃的一个应用研究领域，涉及社会各个方面。
2. 知识库系统
知识库系统也叫数据库系统，是储存某学科大量事实的计算机软件系统，它可以回答用户提出的有关该学科的各种问题。知识库系统的设计是计算机科学的一个活跃的分支。为了有效地表示、储存和检索大量事实，已经发展出了许多技术。但是在设计智能信息检索系统时还是遇到很多问题，包括对自然语言的理解，根据储存的事实演绎答案的问题、理解询问和演绎答案所需要的知识都可能超出该学科领域数据库所表示的知识。
3. 物景分析
计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。视觉是感知问题之一。整个感知问题的要点是形成一个精练的表示，以表示难以处理的、极其庞大的未经加工的输入数据。最终表示的性质和质量取决于感知系统的目标。机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传送和复原、多光谱和彩色图像的处理与解释等。机器视觉已在机器人装配、卫星图像处理、工业过程监控、飞行器跟踪和制导及电视实况转播等领域获得极为广泛的应用。
4. 模式识别
模式识别就是识别出给定物体所模仿的标本或标识。计算机模式识别系统能够弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。模式识别在二维的文字、图形和图像的识别方面已取得许多成果，在三维景物、活动目标的识别和分析方面是目前研究的热点，同时它还是智能计算机和智能机器人研究的十分重要的基础。此外，人工智能还在机器视觉、组合调度问题、自然语言理解、机器学习、博弈、定理证明等研究应用领域发挥着重要作用。可以说人工智能已深入各行各业，对人类社会作出了巨大的贡献。
5. 机器人
机器人学所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。尽管已经建立了一些比较复杂的机器人系统，但是现在工业上运行的机器人都是一些按预先编好的程序执行某些重复作业的简单装置，大多数工业机器人是“盲人”。机器人和机器人学的研究促进了许多人工智能思想的发展。智能机器人的研究和应用体现出广泛的学科交叉，涉及众多课题。机器人已在工业、农业、商业、旅游业、空中和海洋及国防等多个领域获得越来越普遍的应用。
五、人工智能的未来发展
目前绝大多数人工智能系统都是建立在物理符号系统假设之上的。在尚未出现能与物理符号系统假设相抗衡的新的人工智能理论之前，无论从设计原理还是从已取得的实验结果来看，Soar 在探讨智能行为的一般特征和人类认知的具体特征的艰难征途上都取得了有特色的进展或成就，处在人工智能研究的前沿。上世纪 80 年代，以 NewellA 为代表的研究学者总结了专家系统的成功经验，吸收了认知科学研究的最新成果，提出了作为通用智能基础的体系结构 Soar。目前的 Soar 已经显示出强大的问题求解能力。在 Soar 中已实现了 30 多种搜索方法，实现了若干知识密集型任务（专家系统），如 RI 等。对于人工智能未来的发展方向，专家们通过一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展：模糊处理、并行化、神经网络及其情感。
目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域。未来智能计算机的构成，可能就是作为主机的冯・诺依曼型机与作为智能的人工神经网络的结合。研究表明：情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
根据这些前瞻性研究我们也可以通过想象模拟勾画出人工智能未来发展的三个阶段。
1. 融合时期（2010―2020 年）
（1）用语言操纵和控制的智能化设备十分普及，像远程医疗这样的服务也更为完善。
（2）以计算机和互联网为基础的远程教育十分普及，在家就可以上大学。
（3）在身体里植入许多不同功能的芯片已不新奇。
（4）量子计算机和 DNA 计算机会有更大发展，新材料不断问世。
（5）抗病毒程序可以防止各种非自然因素引发灾难。
2. 自信时期（2020―2030 年）
（1）智能化计算机和互联网既能自我修复，也能自行进行研究、生产产品。
（2）一些新型材料的出现，促使智能化向更高层次发展。
（3）有了高水准智能化技术的协助，人们“定居火星梦”可能性大增。
3. 非神秘时期（2030―2040 年）
（1）新的全息模式世界将取代原有几何模式的世界。
（2）人们对一些目前无法解释的自然现象会有更完善的解释。
（3）人工智能可以模仿人类的智能，因此会出现有关法律来规范这些行为。
六、小结
人工智能一直处于计算机技术的前沿，在各个领域的应用都相当广泛，而且人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。现在，已经有很多人工智能研究的成果进入到人们的日常生活之中，考虑到人工智能良好的发展和应用前景，我们应当加大力度对人工智能理论进行研究，让其更好地为人类服务。相信在不久的将来，人工智能理论将会有更大的突破，人工智能技术的发展会给人们的生活、工作和教育等带来更大的影响。
原文链接：https://www.wenmi.com/article/pxljub00l8zx.html?ivk_sa=1024320u
