【《人工智能技术和发展趋势问题研究5500字》(论文)】.docx
《【《人工智能技术和发展趋势问题研究5500字》(论文)】.docx》由会员分享,可在线阅读,更多相关《【《人工智能技术和发展趋势问题研究5500字》(论文)】.docx(8页珍藏版)》请在第一文库网上搜索。
1、人工智能技术和发展趋势目录1 .绪论21.1 人工智能的概念21.2 人工智能发展的历史21.3 人工智能的研究背景32 .人工智能的核心技术32.1 计算机视觉32.2 模式识别42.3 神经网络53 .人工智能的应用53.1 信息化战争:无人武器53.3 智慧交通:协同管理场景和无人驾驶63.4 智能教育:自主学习场景64 .人工智能面临的困难74.1 计算机博弈的困难74.2 机器翻译的困难74.3 自动定理证明和GPS的局限85 .人工智能发展趋势86 .参考文献91结论1.1 人工智能的概念人工智能(英语:artificia1inte11igence,缩写为A1),指由人制造出来的机
2、器所体现出来的生物的智能。现在随着医学、神经科学、机器人学及统计学等学科的进步,人类的很多职业已经可以被人工智能取代。人工智能研究技术性与专业性都很强,每个行业都不是共通的,所以踏足的领域非常广。人工智能的研究能够分为几个科技问题。它的子领域专注于处理某些问题,有一个就是怎么运用不一样的工具来达到相应的程序。1.2 人工智能发展的历史1945年ENIAC作为世界第一台通用计算机诞生。它是图灵完全的电子计算机,可以重新编程并且处理不同的计算问题,人工智能时代的序幕由此揭开。1956年约翰麦卡锡等人发起了达特茅斯会议,指出了“人工智能”的界定:人工智能的目的是让机器看起来得像人一样。达特茅斯会议之
3、后的数年是大发现的时代。对很多人来说,在这个阶段的程序是神奇的。计算机能够处理适用的代数任务,证明几何定理,学习与运用英语。当初的很多人不相信机器可以这么“智能1957年IBM开发了第一个Fortran语言系列,这是全球第一个被正式批准并传承到今天的高级编程语言。I960又诞生出历史第二悠久的高级汇编语言:1isp,1973年又出现了PrOIog语言,人工智能语言发展飞速。1982年第五代电脑计划已经在日本开始了,在人工智能飞速发展的几十年了已经出现了很多的专家系统包括:DENDRA1,MYCIN,Xeon。1991年,人工神经网络出现,A1进入了一个新的时代。当然AI的发展也是经历了非常多的
4、低谷,由于早期的计算机内存十分有限,处理速度也是十分慢,比如图灵曾写过一个国际象棋程序,但当初缺乏充足功率运来运行程序的电脑,他就模仿电脑和同事玩了一把。每个步骤都要半个小时,程序就失败了。他后来根据图灵的EN1AC理论设计了第一个国际象棋计算机程序。70年代由于人们对A1过于高的期望,而没有实现承诺的时候导致了A1研究资金短缺。很多人当时只觉得人工智能不过是没用的玩具,除了能解决一些简单的问题之外便再无他用,许多问题需要接近无限长的时间来解决。直到80年代专家系统出现,人工智能这才又走向繁荣。1997年5月11日绝对是A1的一个里程碑,人们惊讶的发现A1的学习能力可能已经到了威胁人类的地步,
5、超级计算机“深蓝”击败了国际象棋世界冠军卡斯帕罗夫。2016年AIPhaGo以4击败韩国棋手李世石九段。2019年实力更强的A1phaGo以3-0拿下全球第一的柯洁九段。图1-2中国乌镇围棋峰会上柯洁对战A1PhaGO这些成就其实不是并不是范式上的革命,这种现象可以用摩尔定律解释:单块集成电路的集成度每一年半就会翻一倍。这是计算机克服了性能上的困难所产生的结果。可以说现在是机器学习和深度学习的第三次AI热潮的时候了。13人工智能的研究背景数据与计算机技术的帮助下得到飞快发展,很多先进的机器学习技术顺利使用在21世纪很多的经济社会问题上。麦肯锡世界研究院在大数据:创新、竞争和生产力的下一个前沿领
6、域的报告中估计,到2009年,美国经济行业中具有IooO名以上员工的公司都至少拥有一个平均200兆兆字节的存储数据。到2016年,A1相关产品、硬件、软件等的市场规模已经超过80亿美元,纽约时报评价道:AI己经到达了一个新的热潮。大数据应用也开始逐渐渗透到非常多的领域,例如生态学模型训练、经济领域中的各种应用、医学研究中的疾病预测及新药研发等等。深度学习更是有效地推动了图像和视频处理、文本分析、语音识别等问题的研究进程。2 .人工智能的核心技术2.1 计算机视觉计算机视觉(Computervision)就是让计算机可以模仿人们的视觉能力。人不仅能够理解图像中的场景,稍加训练,也可以解读书法,胎
7、儿的3D超声图像。从此层面看,计算机视野特别复杂,有很多实际应用。计算机视觉完成的任务远超其他领域,比如手机上的人脸识别、图像搜索(如百度识图,Goog1eImages),或者生物识别方法。图2.1NASA火星探测车的双摄影机系统计算机视觉能够看做是生物视觉衍生出的领域。在生物视觉领域,研究人类与动物的视觉以建造其视觉系统用来检测信息的物理模型。再者,用软件与硬件实现的人工智能在计算机视觉中被探索与实现。生物视觉和计算机视觉之间的多学科沟通给大家提高了很大的价值。计算机视觉包含以下几个分支:画面重建,事件监测,目标跟踪,目标识别,机器学习,索引创建,图像恢复等。在20世纪,与视觉刺激相关的视觉
8、器官、神经细胞和脑组织已经开展了广泛的探索,产生了一些(尽管不准确)自然视觉系统功能的模型。这也达成了计算机视觉的较低领域-试图用不一样复杂程度的人工系统来模仿生物视觉。有关研究未来可能帮助失明的人恢复视觉以及用于各种机器探测。同一时间在计算机视觉领域,也有借鉴生物学的机制探索到机器学习的手段。2.2 模式识别模式识别是运用计算机的数学技术自动处理与解释模式。我们统称环境和对象为“模式”跟着信息技术的发展,人们可能探究繁杂的数据处理过程。数据处理的关键形式是活体对环境和物体的辨别。对人类来说,尤其重要的是光学信息与声学信息的辨别。这是模式辨别的两个方面。市面上的象征产品是光学字符识别和语音识别
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 【人工智能技术和发展趋势问题研究5500字 人工智能 技术 发展趋势 问题 研究 5500 论文