人工智能时代的研究热点是什么,主要应用领域是什么?

随着不断提高的计算机速度、不断扩大的存储容量、不断降低的价格,以及不断发展的网络,很多在以前无法完成的工作在现在都能够实现。当前,智能接口、数据挖掘、主体及多主体系统是人工智能研究的三个热点。

人工智能经历了三次飞跃阶段:

实现问题求解是第一次,代替人进行部分逻辑推理工作的完成,如机器定理证明和专家系统;

智能系统能够和环境交互是第二次,从运行的环境中对信息进行获取,代替人进行包括不确定性在内的部分思维工作的完成,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。

AI研究出现了新的高潮,有两个方面的表现,一方面在于人工智能理论方面有了新的进展,另一方面是由于突飞猛进发展的计算机硬件。随着不断提高的计算机速度、不断扩大的存储容量、不断降低的价格,以及不断发展的网络,很多在以前无法完成的工作在现在都能够实现。当前,智能接口、数据挖掘、主体及多主体系统是人工智能研究的三个热点。

(一)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。

(二)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。

(三)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。

今天,AI能力更倾向于应用到人类或其他动物智能的某一或某几方面,并用自动化替代,有时候也用于对其进行模拟。不过在有些情况下,这些在高性能计算机调度之下的智能行为远远比人类的行为更为强大。

(一)路径查找和路径规划

在最小代价路径规划和路径查找系统中,可以使用专门的技术――它们中有一些非常灵巧微妙,另一些则仅仅是用蛮力解决――来模拟对理解的直觉迅速转换或者对普通人大脑生成过程的识别,结果有时非常令人惊讶!路径查找就是路径规划问题的一种变体。

为了找到最佳路线,我们需要计算通过每一个往返路线的时间开销。时间就是金钱;所以,我们更倾向于关注最小代价路线。这也适用于飞机航线的制定,它们需要在不同的城市中逗留或更换航班等等。

(二)逻辑和不确定性

计算机编程就像是使用逻辑砖块建造一栋房子一样。事实上,人工智能编程通常被认为有两种逻辑形式――命题逻辑和形式逻辑――的一种特殊混合应用,也被认为是一种谓词演算。更进一步说,编程语言中,我们更是采用了一个命题逻辑更加专门化的形式:布尔逻辑或者布尔代数。

命题逻辑应用于具有真和假两种状态的断言以及命题领域之中。古典命题逻辑或者布尔逻辑处理的都只有两种状态:或者为真,或者为假。

对象之间联系以及这些联系的真假值(布尔形式)在内的命题逻辑的一种强化延伸就是谓词演算(和中学学的数学计算毫无关系)所包含的。

但是当我们在逻辑中使用这些谓词的时候,就算是最复杂的逻辑语句,我们最终获得的也只是一个黑白分明的世界:一个事物不是真的就是假的。如果一个事物不是真的也不是假的,那么它一定是不存在的事物。否则,它必然两者居其一。

(三)自然语言处理

在AI应用中最重要的一部分就是自然语言处理。但是,现实却是,自然语言处理系统并不能像人类那样能很好地分析这些并没有太强逻辑结构地说出的以及写出的词语的含义。不过这样有限的功能对于残障人士、翻译系统、词语处理拼写和语法检查器来说仍然是非常有用的。

(四)神经网络

一种信息处理结构就是神经网络,对诸如大脑之类的生物学神经系统进行尝试模仿来进行单纯数据的转换成为信息,就是它的原理。神经网络由很多相互联系的处理小元素:神经节点,功能相当于一个大脑神经细胞和神经元(synapse)组成,它们相互交互,共同解决具体问题。神经网络上的元素将输入模式转换成为输出模式,而这些输出模式又同时可以成为其他神经网络的输入模式。神经网络通过实例学习,这一点和人类的做法一样。神经网络需要设置为适用于某些具体应用中,比如通过学习过程识别图像。而对于生命系统本身,我们对学习的过程涉及到神经细胞之间的突触联系的调整这一说法保留质疑。

当前,大部分AI能力的研究方向是研究如何完整地模拟一个智能过程,而不是对器官所使用的每一个低级步骤进行再现。一个极端显著的示例就是利用数据库和搜索软件获取信息的专家系统。数据库向大脑提供基本没有任何关联的数据,同时这些数据的传输和其在大脑中的存储形式也毫不相同。但是很多专家系统还是能够相当好地担当起诸如像内科医生这样的专业角色。当然它们也仅仅被应用于它们非常熟悉的领域。

转自: 多智时代

权威发布有关Imagination公司CPU,GPU以及连接IP、无线IP最新资讯,提供有关物联网、可穿戴、通信、汽车电子、医疗电子等应用信息,每日更新大量信息,让你紧跟技术发展,欢迎关注!伸出小手按一下二维码我们就是好朋友!

本文来自企鹅号 - Imagination Tech媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

抛掉幻想,谈谈现实中的数据科学家

1513
来自专栏人工智能头条

观点 | 未来程序员会被机器取代吗?

1803
来自专栏华章科技

关于Python的一切:2018年,你读这8本书就够了

导读:C++、Java大神Bruce Eckel前些天在中国之行中,毫不掩饰对Python的偏爱:“坦白来讲,我最喜欢的语言是Python。每当我有问题需要被解...

931
来自专栏高性能服务器开发

再谈“我是怎么招聘程序员的”

我以前写过一篇《我是怎么招聘程序员的》的文章(在CSDN那里有很多人进行了回复)。今天,我想再谈谈关于招聘和面试这方面的东西,主要是以下这些原因:

1414
来自专栏java一日一条

中级程序员还应该如何提高自己?

当程序员已经处于中级时,应如何提高自己?有很多关于“学习编程”的资源,能够让人从0到新手(虽然这些资源中大多数的质量是值得商榷的),但是怎么样才能将中级水平提高...

874
来自专栏Alan的UX笔记

那些设计方法背后的心理学原理

1355
来自专栏极客猴

应该如何阅读?

我最近阅读民主与建设出版社出版的《如何阅读一本书》,自己收获颇多。这本书算是经典之作。以通俗的语言告诉我们如何选择书籍?究竟要以什么方法来阅读一本书?我将自己学...

972
来自专栏CDA数据分析师

机器学习编程语言之争,Python夺魁

来自InfoQ 随着科技的发展,拥有高容量、高速度和多样性的大数据已经成为当今时代的主题词。数据科学领域中所采用的机器学习编程语言大相径庭。究竟哪种语言最适合机...

2048
来自专栏AI研习社

什么才算是真正的数据科学家?你算么?

Data Scientist,数据科学家,太火了,已经成为新一代改变世界的职业,引得每一个人都想往这个方向转。 学 CS 的觉得做码农太底层,给人打工,要转数据...

3427
来自专栏大数据挖掘DT机器学习

机器学习编程语言之争,Python夺魁

究竟哪种语言最适合机器学习成为争论不休的话题。近日,密西根州立大学的博士生 Sebastian Raschka 再次发起了机器学习编程语言之争(http://s...

33212

扫码关注云+社区