人工智能感想

第一篇：人工智能感想

爱与被爱

——人类的爱是否永恒

当造物主要求被造者付出无条件的爱时，造物主对被造者有什么样的责任？在影片开头的公司作品会议上一位女工程师所问的：“当我们的机器人的程序被设计为要爱人类，那么我们人类是否应该、或者有责任去以爱去回馈机器人呢？”当被赋予爱的机器人与我们人类之间的是否存在清晰的差距？又或者当人类向机器人索取永恒的时候，有没有想过：自己能不能做到“永恒”？机器人只能爱人而不能被爱，这作为一个人本身来说就是一个非常悲哀的事，而现实中谁能接受自己要付出自己的爱而永远得不到别人的爱。与我们如此相似的机器人，却跟我们有着截然不同的命运。

在影片中david的苦苦哀求着蓝仙女：“Please make me into a real life boy, please make me a real boy, please please please make me real.。”到今天我的脑海还深深的印记这那幅画面，在黑暗的海底，在废弃的迪斯尼乐园中，找到蓝仙女的塑像。David面对着永远微笑的蓝仙女祈祷哀求了两千年，这个愿望却是我们每个人所天生具备的，就是这个世界上独一无二的人。那刻，我多么希望这是一部魔幻剧，那时蓝仙女就会在david的祈祷下，张开她的翅膀，用仁爱的心为david实现愿望，可是没有始终没有，那个画面就这样定格在那里。

作为机器人的创造者，人类并不愿意对这些电子产品付出真爱，在人们眼里他们仅仅是玩偶，侍女，奶妈，仆人，性工具……。无论那时候的机器人被制作的如何逼真，人类都无法将他们当作整个社会的一分子。当人们需要他们的时候他们就是我们的朋友，不需要他们的时候便可以被遗弃被破坏。在影片里有一个地方称为机器屠宰场，人们要将这些机器人处决，但处决的过程既残忍而又像是马戏表演。因为，人们要买票进场，而且观看屠杀的还有很多孩子。这让我联想到古罗马的斗兽场，血腥，残酷，而人们却把这种当成娱乐，多么扭

曲的心理，在科技文明如此高速发展的社会却在做着野蛮无知社会的愚蠢举动，这无疑是文明的倒退。

本部影片一直贯穿的就是david寻找蓝仙女，要变成真正的人类的线索，而david所探索的是人的本质是什么，与机器人的区别在何处，是人有着人生观，爱和有着被爱的权力吗？ 而作为影片的女主角莫妮卡来说，这个角色是个矛盾体，她即代表人类母性光辉的形象，又在很多地方表现出人类的丑恶的一面，嫉妒，猜忌，还有自私。首先莫妮卡作为母亲的身份，她是以一种利用和寄托的心理接受了david，而且在莫妮卡的儿子马丁还未回家时，就对david表现出一种猜忌和害怕，既害怕却又要去碰触，其实在她心理是清楚的知道自己可以最david欲与欲求，这是否符合一个母亲的行为。对David的爱本身就是有保留的，当面临选择的时候，母亲义无返顾地，不加分析地，“正确”地站到儿子的一边。她的理由很简单： 首先，那是她的亲生儿子；再者，David不是真正的人。不是独一无二的，可以再次被创造。这是很现实的一个人类形象。

影片最后是2000年后，人类灭亡，外星人来到地球，虽然无法将一个机器人变为一个真正的人，却可以帮助大卫克隆出了“莫尼卡”，只是被克隆的人只能活一天，大卫终于又和“莫尼卡”在一起了……这是否算是比较好的结局。我在想这个莫妮卡只是david心理面的莫妮卡，假如是真的莫妮卡为何不闻不问david的一切，好像一切都在满足david，这是在david眼里一个只属于他的妈妈，而他是否也开始倾注对莫妮卡的爱在这个“莫妮卡”身上，在一种意义上david 已由机器异化成了人。他执着地追求着爱，人类的爱。这样的结局又给人一种思考的位置：此时的大卫正像以前的莫尼卡，而眼前这个克隆人更如同以前的大卫只是一个替代品而已，这是不是同时意味着又一个悲剧的开始呢？

爱与被爱，我们的选择是什么？

第二篇：人工智能与专家系统感想

姓名：万伟

学号：1120100924

人工智能与专家系统感想

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能技术导论这门课的学习，让我知道了人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究； 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。

人工智能经过几十年的发展，其应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找，知道了以下领域的人工智能的发展。

专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决 问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个 方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测 型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。为了实现专家系统，必须要存储有该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(组成知识库)，以及拥有类似于领域专家解决实际问题的 推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家 助手的作用。

开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则 的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工 具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系 统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。

一、人工智能与专家系统应用领域 1在管理系统中的应用

人工智能应用于企业管理的意义主要不在于提高效率，而是用计算机实现人们非常需要做，但工业工程信息技术是靠人工却做不了或是很难做到的事情。智能教学系统(ITS)是人工智能与教育结合的主要形式，也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善，推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统，计算机智能教学系统就是其中的典型代表。它包含学生模块、教师模块，体现了教学系统开发的全部内容，拥有着不可比拟的优势和极大的吸引力。2在工程领域的应用

医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用，具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。目前,医学智能系统已通过其在医学影像方面的重要作用，从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。

3在技术研究中的应用 人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展，网络技术的安全是我们关心的重点，因此我们必须在传统技术的基础上进行网络安全技术的改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的AI技术，开发更高级AI通用和专用语言，和应用环境以及开发专用机器，而与人工智能技术则为我们提供了可能性。4人工智能在现实中的应用。

AI系统是设计出的一种计算机程序，这种程序具有某些像人和动物智能一样的功能。在过去的30多年中，已经建立了一些具有一定“智能”的AI系统，例如下棋程序、定理证明系统、集成电路设计与分析系统、自然语言翻译系统、智能信息检索系统、疾病诊断系统等 在一年一度AT&T实验室举行的机器人足球赛中，每支球队的“球员”都装备上了AI软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白有些情况下不能死守岗位。尽管现在的AI技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。5．机器翻译

机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为 机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工 具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻 译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含 义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇 中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。

机器翻译：

1.一句一句处理，上下文缺乏联系；

2.对源语言的分析只是求解句法关系，完全不是意义上的理解；

3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；

4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；

5.翻译只是句法结构的和词汇的机械对应。

人工翻译：

1.一般会先通读全文，会前后照应；

2.对源语言是求得意义上的理解；

3.只有专业翻译人员，而没有万能翻译人员；

4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；

5.翻译是一个再创造的过程。

在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软 件。如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人 际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成。这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。

机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。随 着因特网的普及与发展，机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人。国际上有关专家分析 认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历15年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判 断”的情况下，机器翻译要想达到100%的准确率是不可能的。

二、人工智能与专家系统的发展前景 1 人工智能的研究新课题

人工智能的长远目标是要理解人类智能的机器，用机器模拟人类的智能。这是一个十分漫长的过程，人工智能研究者奖通过多种途径、从不同的研究课题入手进行探索。

在近期，有几方面的研究课题可供选择：更完善更新的人工智能理论框架；自动或半自动的知识获取工具；能实现海量高速存储并具有学习功能的联想知识库；新型推理机制和推理机；分布式人工智能与协同式专家系统；智能控制与智能管理；智能机器人；人工智能机；新一代的脑模型。

2人机融合

人机融合是一个相当长的发展过程，它将伴随技术进步，逐级逐步地向前发展。首先实现的是低级和局部的融合，近几年人工智能科授的进步不断证实了这种趋势。如最近美国科学家就明确宣布，他们研制的“神经芯片”首先就是用于改善人的中枢神经功能，“使截瘫患者丢掉手杖”。随着人机融合的升级，最终将在地球上产生一种人机高度融合、高智慧、能自行繁殖(复制)的“新智体”(或曰“新人类”）。因此，文明人类的演化由于技术的影响将经历自然进化——人工促进人智能的进化——人机融合体(新智体)的自行进化的辩证发展过程。在人机融合时代，出于物理目标的不同，将存在多种多样、多层次的智能机(体)，但具有怨茁级智能的应是人机融合体。当今人工智能科技和其他高科技的种种发展动向表明，在人类进入“信息社会”之后，将有一场规模巨大的“智能革命”，智能革命的环境是人工智能对人、对社会的广泛而深入的影响，就像今天的微电子技术对信息革命的影响一样。人工智能科技将渗透到社会各个领域，人类将对人工智能科技进行大规模的研究、开发和应用。

当今人工智能科技和其他高科技的种种发展动向表明，在人类进入“信息社会”之后，将有一场规模巨大的“智能革命”，智能革命的环境是人工智能对人、对社会的广泛而深入的影响，就像今天的微电子技术对信息革命的影响一样。人工智能科技将渗透到社会各个领域，人类将对人工智能科技进行大规模的研究、开发和应用。

总之，人工智能的应用前景一片的好，当然，挑战也很多，只有科学不断发展突破进步，我们才能真正的享受智能化带给我们的乐趣„

第三篇：对人工智能学习的感想

学校：苏州科技学院

学院：电子信息工程

班级：电科0812班 姓名：钟建峰

学号：0820108224

谈谈人工智能的学习感想

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能技术导论这门课的学习，让我知道了人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究； 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。

人工智能经过几十年的发展，其应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找，知道了以下领域的人工智能的发展。1．机器翻译

机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为 机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工 具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻 译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含 义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇 中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。

机器翻译：

1.一句一句处理，上下文缺乏联系；

2.对源语言的分析只是求解句法关系，完全不是意义上的理解；

3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；

4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；

5.翻译只是句法结构的和词汇的机械对应。

人工翻译：

1.一般会先通读全文，会前后照应；

2.对源语言是求得意义上的理解；

3.只有专业翻译人员，而没有万能翻译人员；

4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；

5.翻译是一个再创造的过程。

在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软 件。如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人 际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成。这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。

机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。随 着因特网的普及与发展，机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人。国际上有关专家分析 认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历15年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判 断”的情况下，机器翻译要想达到100%的准确率是不可能的。

2．专家系统

专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决 问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个 方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测 型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。

为了实现专家系统，必须要存储有该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(组成知识库)，以及拥有类似于领域专家解决实际问题的 推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家 助手的作用。

开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则 的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工 具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系 统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。

3．符号计算

计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领 域。另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合 等。长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。早在50年代末,人们就开始对此研究。进入80年代后,随着计算机的普及和人 工智能的发展,相继出现了多

种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可 以在绝大多数计算机上使用。Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形 式的数学处理。

计算机代数系统的优越性主要在于它能够进行大规模的代数运算。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数 后,手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们 通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好,命令输入方便灵活,很容易寻求帮助。

尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令，有一定的局限性。首先,多数计 算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的内存和较长的计算时间,而精确的代数运算以时间和空间为代价的。第二个问题是用 计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran语 言算同样的问题慢百倍甚至千倍。另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域未能被计算机代数系统涉 及。计算机代数系统仍在不断地发展、完善之中。

如今，人工智能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，另一方面也是因为计算机硬件突飞猛进的发展。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。

人工智能的学习，让我明白了人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。将来我们会对人工智有能更高层次的需求，人工智能也会继续影响我们的工作、学习和生活，我们也要支持人工智能的发展！

第四篇：人工智能相关材料

应用：

个人助理（智能手机上的语音助理、语音输入、家庭管家和陪护机器人）产品举例：微软小冰、百度度秘、科大讯飞等、Amazon Echo、Google Home等

安防（智能监控、安保机器人）产品举例：商汤科技、格灵深瞳、神州云海

自驾领域（智能汽车、公共交通、快递用车、工业应用）产品举例：Google、Uber、特斯拉、亚马逊、奔驰、京东等

医疗健康（医疗健康的监测诊断、智能医疗设备）产品举例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

电商零售（仓储物流、智能导购和客服）产品举例：阿里、京东、亚马逊

金融（智能投顾、智能客服、安防监控、金融监管）产品举例：蚂蚁金服、交通银行、大华股份、kensho

教育（智能评测、个性化辅导、儿童陪伴）产品举例：学吧课堂、科大讯飞、云知声

发展方向思路：

（一）人工智能新兴产业

这部分主要任务是进行人工智能前沿技术布局，推动核心技术产业化，并为人工智能产业发展奠定公共基础。本部分涉及核心技术研发与产业化、基础资源公共服务平台两大工程。其中，核心技术研发与产业化工程主要涉及三个方面的技术。一是人工智能基础理论，包括深度学习、类脑智能等。二是人工智能共性技术，包括人工智能领域的芯片、传感器、操作系统、存储系统、高端服务器、关键网络设备、网络安全技术设备、中间件等基础软硬件技术。三是人工智能应用技术，包括基于人工智能的计算机视听觉、生物特征识别、复杂环境识别、新型人机交互、自然语言理解、机器翻译、智能决策控制、网络安全等。基础资源公共服务平台工程主要涉及四个方面的建设内容。一是各种类型人工智能海量训练资源库和标准测试数据集建设，包括文献、语音、图像、视频、地图及行业应用数据等，这些数据集需要面向社会开放，为广大科研机构和企业进行人工智能研究和开发提供服务。二是基础资源服务平台建设，包括满足深度学习计算需求的新型计算集群共享平台、云端智能分析处理平台、算法与技术开放平台、智能系统安全情报共享平台等。三是类脑智能基础服务平台建设，要能够模拟真实脑神经系统的认知信息处理过程。四是产业公共服务平台建设，可以为人工智能创新创业提供相关研发工具、检验评测、安全、标准、知识产权、创业咨询等专业化服务。

（二）重点领域智能应用

这部分主要任务是加快人工智能技术的产业化进程，推动人工智能在家居、汽车、无人系统、安防、制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展试点，使得人工智能能够在第一时间转化为生产力并惠及民生。本部分以基础较好的智能家居、智能汽车、智能无人系统、智能安防等领域为主。智能家居示范工程主要支持利用健康医疗、智慧娱乐、家庭安全、环境监测、能源管理等应用技术，进行具有人工智能的酒店、办公楼、商场、社区、家庭等建设，提升百姓生活品质。智能汽车研发与产业化工程主要面向自动驾驶和安全驾驶，支持智能汽车芯片和车载智能操作系统、高精度地图及定位、智能感知、智能决策与控制等，支持智能汽车试点。智能无人系统应用工程主要面向无人机、无人船等无人设备，支持与人工智能相关的结构设计、智能材料、自动巡航、远程遥控、图像回传等技术研发，及其在物流、农业、测绘、电力巡线、安全巡逻、应急救援等重要行业领域的创新应用。智能安防推广工程主要面向与百姓安全息息相关的社会治安、工业安全以及火灾、有害气体、地震、疫情等问题，支持利用图像精准识别、生物特征识别、编码识别、智能感知等技术的研发和应用。

（三）智能化终端产品

这部分的主要任务是希望通过合适的终端，实现智能化生产和服务。本部分涉及三大工程。智能终端应用能力提成工程主要是面向具有一定智能计算能力的终端及附属应用，支持其在智能交互、智能翻译等云端协同方面及图像处理、操作系统基础软硬件方面进一步改进。智能可穿戴设备发展工程主要支持轻量级操作系统、低功耗高性能芯片、柔性显示、高密度储能、快速无线充电、虚拟现实和增强现实等关键技术的成果转化与应用。智能机器人研发与应用工程主要支持智能感知、模式识别、智能分析、智能控制等技术在机器人方面的研发和应用，包括生产用智能工业机器人，救灾救援、反恐防暴等特殊领域的智能特种机器人，医疗康复、教育娱乐、家庭服务等领域的智能服务机器人。

（四）标准体系和知识产权

目前人工智能标准领域还处于一片空白状态，关于人工智能的概念仍然没有达成一致意见，人工智能也还没有一个统一的技术体系架构，平台与应用之间的接口五花八门，而且基本上都是私有协议，网络、软硬件、数据、系统、测试评估等方面的研发、应用、服务也无章可循。这直接导致了人工智能领域进入门槛过高，无法形成良性发展的产业生态。因此，建设人工智能领域标准化体系，建立并完善基础共性、互联互通、行业应用、网络安全、隐私保护等技术标准，已经成为摆在眼前的现实问题。当然，标准化工作需要相关各方的积极参与，并积极开展国际合作，才能保证对人工智能产业发展的有效促进，推动标准走出去才能增强国际话语权。另一方面，在我们所处的这个全球经济一体化时代，专利已经成为发展的硬实力，必须要加快重点技术和应用领域的专利布局，同时加强专利合作，提高知识产权成果转化效率，积极防控专利风险，增强标准与专利政策的有效衔接，才能保证我国人工智能产业拥有强大的竞争力并得到持续健康发展。

政策：

2015年5月国务院在《中国制造2025》提出“加快发展智能制造装备和产品”，指出“组织研发具有深度感知、智慧决策、自动执行功能的高档数控机床、工业机器人、增材制造装备等智能制造装备以及智能化生产线，统筹布局和推动智能交通工具、智能工程机械、服务机器人、智能家电、智能照明电器、可穿戴设备等产品研发和产业化。”

2015年7月4日国务院在《国务院关于积极推进“互联网+”行动的知道意见》明确提出人工智能作为11个重点布局的领域之一，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用。

2016年1月国务院在《“十三五”国家科技创新规划》提出智能制造和机器人成为“科技创新2030项目”重大工程之一。

2016年3月18日国务院在《国民经济和社会发展第十三个五年规划纲要（草案）》提出人工智能概念进入“十三五”重大工程。

2016年5月18日国家发展改革委、科技部、工业和信息化部、中央网信办在《“互联网+”人工智能三年行动实施方案》明确了要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平、并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。

人工智能技术带来的产业影响

当前，人工智能技术对互联网行业产生的影响和变革主要有如下三个方面：

其一，在理论技术层面，人工智能技术为基于互联网和移动互联网等领域的创新应用，提供理论基础。例如，自动定理推理，为网络信息检索、问题求解、远程诊断等问题提供了自动求解方案；自然语言理解，为计算机人类语言理解提供理论和方法；数据挖掘为从数据库中挖掘有意义，提炼出具有必然性、蕴含本质规律的数据提供了规则、聚类等数据处理、建模、评估标准。

其二，在技术应用和创新层面，人工智能技术的发展，为未来ICT等网络技术的发展指引了方向。当前，以智能算法、深度学习、云计算为代表的大规模网络应用已经成为ICT产业的重要发展方向。各大互联网公司在深度学习领域在不断做积极探索，深度学习是机器学习研究中的一个重点关注领域，其研究侧重于建立、模拟人脑进行分析学习的神经网络。在创新方面，深度学习带来了机器学习的新浪潮，推动“大数据＋深度模型+数据发现挖掘”时代的来临。人工智能技术与互联网的融合，是两个领域发展到一定阶段，探索创新的必然结果，深度学习为拥有强大计算能力和数据资源的互联网巨头公司带来下一次全面领跑的机会。例如，谷歌、百度在硅谷的研发实验室，在对深度学习、算法升级，对机器学习模仿人脑的智能活动，让机器像人脑一样识别图像、理解自然语言，解析网络内容之间关系做深度探索。百度语音和图像等相关网络产品应用的快速崛起，正是受益于对机器学习等领域的技术突破。

其三，在融合发展层面，人工智能技术的发展促进多种科学与网络技术的深度融合。从国际上看，人工智能技术在美国，欧洲和日本发展迅速，并且带动了多种信息科学领域的发展，信息学、控制学、仿生学、计算机学等领域的技术突破均被运用到人工智能应用中去。从技术发展脉络发展上，人工智能很多技术一直处于创新的前沿，未来会在很大程度上影响信息产业的发展方向。人工智能发展至今涉及到多个研究领域，研究方向包括符号计算、语言识别、模式识别和计算机视觉、机器翻译与机器学习、智能信息检索、问题求解与专家系统、逻辑推理与逻辑证明、自然语言处理等，逐渐成为更为广泛的智能科学学科。

新时期下面对人工智能快速发展对策：

在人工智能技术发展过程中，我们总体上应该贯彻落实创驱动发展战略，立足自主创新的同时，放眼国内国际两个大局技术发展情况，加强跟踪高新技术产业技术的发展态势调整产业结构，统筹全局发展，切实推进由技术革新到推进经济发展方式的转变，实现工业经济产型升级，同步大力支持我国人工智能相关研究和产业化工作。在具体工作上，我们应该采取以下策略：

一是要建立针对相关科研成果的产业追踪机制。针对国际国内相关企业和科研机构正在进行的相关科研活动进行动态追踪，对其科研成果在各行各业的信息化应用进行预研预判，为制定信息化发展相关政策规划提供线索和根据。

二是适时引导和推动人工智能相关产业领域的研发应用。加强对人工智能和人脑科学工业领域应用的深入调研分析，掌握工业机器人、新型计算产品、人工神经网络等的发展和应用现状，坚持应用牵引，整合产学研现有资源，形成一批人工智能关联技术的实验室和技术中心，推动人工智能关联技术在网络、通讯等行业快速发展的应用示范。

三是要加大对人工智能关联技术的资金支持力度，引导人工智能关联技术向通用技术领域的演进和转化。

未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，其人工智能技术将成为我国经济结构转型升级的新支点。

第五篇：《人工智能》教学大纲

人工智能原理及其应用

一、说明

（一）课程性质

随着信息社会和知识经济时代的来临，信息和知识已成为人们的一个热门话题。然而，在这个话题的背后还蕴含着另外一个更深层的问题——智能。一般来说，信息是由数据来表达的客观事物，知识是信息经过智能性加工后的产物，智能是用来对信息和知识进行加工的加工器。在信息社会，人类面对的信息将非常庞大，仅靠人脑表现出来的自然智能是远远不够的，必须开发那种由机器实现的人工智能。

《人工智能导论》是计算机科学与技术专业本科生的一门限选课程。

（二）教学目的

使学生掌握人工智能的基本原理、方法及研究应用领域。了解人工智能中常用的知识表示技术，启发式搜索策略，了解原理以及非确定性推理技术。通过对典型专家系统的分析、解剖、进一步深入掌握人工智能的主要技术，去解决人工智能的一些实际问题。增强学生的逻辑思维与实验能力，为人今后处理各门学科的智能奠定基础。

（三）教学内容

人工智能的基本原理和方法，人工智能的三个重要研究领域（机器学习、神经网络学习和自然语言理解），人工智能的两个重要应用领域（专家系统和智能决策支持系统）。

（四）教学时数

36学时

（五）教学方式

课堂讲授和上机实验相结合。

二、本文

第1章 人工智能概述

教学要点

讨论人工智能的定义、形成过程、研究内容、研究方法、技术特点、应用领域、学派之争及发展趋势。教学时数

3学时 教学内容

1.1 人工智能及其研究目标（0.5学时）

了解人工智能的定义及其研究目标。

1.2 人工智能的产生与发展（0.5学时）

了解人工智能产生与发展的四个阶段。

1.3 人工智能研究的基本内容及其特点（0.5学时）

了解人工智能研究的基本内容及特点。

1.4 人工智能的研究和应用领域（0.5学时）

了解人工智能研究和应用领域。

1.5 人工智能研究的不同学派及其争论（0.5学时）

了解三大学派及其理论的争论和研究方法的争论。1.6 人工智能的近期发展分析

（0.5学时）

了解更新的理论框架研究，更好的技术集成研究，更成熟的应用方法研究。（0.5学时）考核要求

了解人工智能研究的基本内容和应用领域。

第2章

知识表示

教学要点

知识表示的基本概念和各种确定性知识表示方法。教学时数

6学时 教学内容

2.1 知识与知识表示概念

（0.5学时）

了解知识表示的概念和表示形式； 理解知识的定义。

2.2 一阶谓词逻辑表示法

（0.5学时）

理解一阶谓词逻辑表示的逻辑基础； 掌握谓词逻辑表示方法及其应用。2.3 产生式表示法（0.5学时）

了解产生式系统的基本过程、控制策略及其类型和特点； 掌握产生式表示的基本方法、基本结构。2.4 语义网络表示法（1学时）

理解语义网络的基本概念；

会应用语义网络表示事实和进行推理。2.5 框架表示法（2学时）

了解框架系统的问题求解过程和框架表示法的特点； 掌握框架结构和实例框架； 理解框架理论。2.6 脚本表示法

掌握脚本的结构及其推理。（0.5学时）2.7 过程表示法（0.5学时）

了解过程表示的特性；

掌握过程表示的问题求解过程； 理解表示知识的方法。

2.8 面向对象表示法

（0.5学时）

了解面向对象的特征；

理解面向对象的基本概念； 掌握知识的面向对象表示。考核要求

掌握逻辑词谓表示法及其应用，会用框架去描述一些具体问题，能用脚本来描述特定范围内的一些事件的发生顺序。

第3章 确定性推理

教学要点

推理的基本概念及归结、演绎等确定性推理方法。教学时数

5学时 教学内容

3.1 推理的基本概念（0.5学时）

了解正向推理、逆向推理、混合推理及其推理的冲突消解策略； 掌握推理的方法、推理的控制策略； 理解推理的概念。

3.2 推理的逻辑基础（1学时）

掌握谓词公式的各种特性和置换与合一的过程。3.3 自然演绎推理（0.5学时）

了解自然演绎推理的概念及其三段论推理规则。3.4 归结演绎推理（2学时）

掌握子句集及其化简，鲁宾逊归结原理；

会应用谓词逻辑归结证明问题，会用归结演绎推理的归结策略证明问题，会用归结反演求取问题的答案。

3.5 基于规则的演绎推理（1学时）

会应用规则正向演绎推理和规则逆向演绎推理。3.6 规则演绎推理的剪枝策略（0.5学时）

了解剪枝策略的基本思想。考核要求

理解确定性推理的思维过程，会应用谓词逻辑归结去求证问题，会应用规则正向演绎推理和规则逆向演绎推理。

第4章 不确定与非单调推理

教学要点

不确定性推理的有关概念及各种不确定性的表示和推理方法。教学时数

4学时 教学内容

4.1 不确定性推理的基本概念（0.5学时）

了解不确定推理的基本问题； 理解不确定推理的含义。

4.2 不确定性推理的概率论基础（0.5学时）

了解全概率公式与Bayes公式；

理解样本空间与随机事件，事件的概率。

4.3 确定性理论（0.5学时）

理解可信度的概念，C-F模型； 掌握带加权因子的可信度推理。

4.4 主观Bayes方法（0.5学时）

了解组合不确定性计算；

掌握知识不确定性表示，证据不确定性表示，结论不确定性的合成。4.5 证据理论（1学时）

掌握D-S理论的形式描述，证据理论的推理模型，推理实例。4.6 可能性理论和模糊推理（0.5学时）掌握模糊知识表示，模糊概念的匹配，模糊推理。4.7 非单调推理（0.5学时）

了解非单调推理的概念及起具有代表性的理论。考核要求

理解不确定性推理的含义、非单调推理的概念、确定性理论，掌握主观Bayes方法，能用D-S理论从不同角度刻划命题的不确定性，能在模糊集的基础上，实现对模糊命题和模糊知识的表示。

第5章 搜索策略

教学要点

搜索的基本概念和状态空间、与或树的各种搜索算法。教学时数

6学时 教学内容

5.1 搜索的基本概念（1学时）

了解搜索的含义；

掌握状态空间法，问题归约。

5.2 状态空间的盲目搜索（2学时）

了解一般图搜索过程；

掌握广度优先搜索，深度优先搜索，代价树搜索。5.3 状态空间的启发式搜索（0.5学时）

了解A算法；

理解启发性信息和估价函数。

5.4 与/或树的盲目搜索（0.5学时）

了解与/或树的一般搜索；

掌握与/或树的的广度优先搜索，与/或树的深度优先搜索。5.5 与/或树的启发式搜索（0.5学时）

了解与/或树的启发式搜索过程； 理解解树的代价与希望。

5.6 博弈树的启发式搜索（0.5学时）

了解极大极小过程，α-β剪枝。考核要求

了解搜索概念，博弈树的启发式搜索；掌握状态空间的盲目搜索和与/或树的盲目搜索。

第6章 机器学习

教学要点

机器学习的基本概念和各种符号学习方法。教学时数

4学时 教学内容

6.1 机器学习的基本概念（0.5学时）

了解机器学习的发展过程，学习系统，机器学习的分类； 理解学习和机器学习的概念。

6.2 机械式学习（0.5学时）

了解机械学习的过程及其设计要考虑的三个问题。6.3 指导式学习（0.5学时）

了解指导式学习的学习过程。

6.4 归纳学习（0.5学时）

了解归纳学习的类型。

6.5 基于类比的学习（0.5学时）

了解属性类比学习、转换类比学习； 理解类比学习的概念。

6.6 基于解释的学习（0.5学时）

了解解释学习的空间描述及学习模型； 理解解释学习的概念；

掌握解释学习的基本原理及基本过程。考核要求

了解机器学习的概念，机械式学习，指导式学习，归纳学习；掌握基于解释学习的基本原理及其基本过程。

第7章 神经网络及连接学习

教学要点

人工神经网络的概念和各种连接学习方法。教学时数

2学时 教学内容

7.1 人工神经网络概述（0.5学时）

了解人工神经元及人工神经网络人工神经网络的发展过程，人工神经网络的局限性； 理解生物神经元及脑神经系统的结构及特征。

7.2 人工神经网络的互连结构及其学习机理（0.5学时）

了解人工神经网络学习和记忆的心理学基础； 理解人工神经网络的互连结构； 掌握人工神经网络的学习算法。

7.3 感知器模型及其学习（0.5学时）

了解有关感知器XOR问题求解的讨论； 理解感知器模型，感知器学习。

7.4 误差反向传播网络及其学习（0.25学时）

理解B-P网络结构；

掌握B-P网络学习的传播公式，B-P网络的学习算法。7.5 Hopfield网络及其学习

（0.25学时）

了解Hopfield模型的稳定性

理解Hopfield网络的结构； 掌握Hopfield网络的学习算法。考核要求

了解人工神经网络及其结构和学习机理；理解感知器、B-P网络、Hopfield网络及其B-P网络；掌握Hopfield网络的算法。

第8章 自然语言理解

教学要点

自然语言理解的基本概念和分析方法。教学时数

2学时 教学内容

8.1 语言及其理解的基本概念（0.25学时）

了解自然语言与自然语言理解，自然语言理解的研究任务，自然语言理解的发展，自然语言理解的层次。

8.2 语法规则的表示方法（0.25学时）

掌握句子结构的表示，上下文无关文法，变换文法。8.3 语法分析（0.5学时）

掌握自顶向下与自底向上分析； 理解扩充转移网络分析。

8.4 语义的分析（0.5学时）

理解语义文法； 掌握格文法。

8.5 自然语言的生成（0.25学时）

了解自然语言生成的概念及生成步骤。

8.6 自然语言理解系统的层次模型（0.25学时）

了解语言理解的层次模型。考核要求

了解自然语言理解的概念，会用语法分析和语义的分析，了解自然语言理解系统的层次模型。

第9章 专家系统

教学要点

专家系统是人工智能的一个重要应用领域,它目前正在从集中、封闭模式向分布、开放模式发展。教学时数

3学时 教学内容

9.1 专家系统的基本概念（0.5学时）

了解专家系统的概念、分类及特点。

9.2 专家系统的基本结构（0.5学时）

了解用户界面；

理解知识库、数据库、推理机、解释机构、知识获取机构。9.3 知识获取（0.5学时）

了解知识获取方法的分类； 理解知识获取的任务；

掌握非自动知识获取，自动知识获取。

9.4 专家系统的开发与评价（0.5学时）

了解专家系统的开发条件，生命期概念，专家系统开发过程的各个阶段。9.5 专家系统开发工具与环境（0.5学时）

了解程专家系统的开发工具与开发环境。9.6 专家系统的进一步发展

（0.5学时）

了解新一代专家系统。考核要求

了解专家系统的概念、基本结构及其开发工具与环境；掌握非自动知识获取和自动知识获取。

第10章 智能决策支持系统

教学要点

智能决策支持系统是人工智能的另一重要应用领域,它是目前迅速兴起的网络商务中的一项重要技术,有着广阔的应用前景 教学时数

2学时 教学内容

10.1 智能决策支持系统的基本概念（0.5学时）

了解智能决策支持系统；

理解决策与决策过程，决策支持系统。

10.2 决策支持新技术（1学时）

理解数据仓库、数据开发及其它们的结合。

10.3 智能决策支持系统的基本结构

（0.5学时）

掌握智能决策支持系统的基本结构。考核要求

了解智能决策支持系统及其新技术，知道智能决策支持系统的结构及新结构体系；理解决策与决策过程，决策支持系统；智能决策支持系统的基本结构。

三、参考书目

1、王万森，《人工智能原理及其应用》，电子工业出版社，2000年9月第一版。

2、林尧瑞、马少平，《人工智能导论》，清华大学出版社，1989年5月第一版。

3、陈世福、陈兆乾等编，《人工智能与知识工程》，南大出版社，1997年12月第一版。

4、何华灿，《人工智能导论》，西北工业大学出版社，1988。

5、陈汝铃，《人工智能》，科学出版社，1989。