人工智能研究综述模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇人工智能研究综述，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

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

中图分类号： TU528 文献标识码：A 文章编号：

1 引言

混凝土的强度可采用无损检测的方法进行推定，如采用回弹法、声速法、拔出法或综合法。综合法由于采用多项物理参数，能较全面地反映构成混凝土强度的各种因素，并且还能够抵消部分影响强度与物理量相关关系的因素，因而它比单一物理量的无损检测方法具有更高的准确性和可靠性[1]。通过试验研究和工程实践积累的检测数据，建立了混凝土强度回弹-超声-拔出综合法神经网络模型。

2 试验设计

2.1 试件制作

设计C15、C20、C25、C30、C35、C40六个强度等级、三个龄期的混凝土，共制作标准养护100×100×100mm立方体试件180组用于回弹法、超声法检测，制作标准养护200×200×200mm立方体试件180组用于拔出法检测，同时制作相同组数的自然养护试件。试件均采用机械搅拌、机械振捣。

2.2 混凝土配合比及原材料基本性能

混凝土配合比及设计参数见表1。

表1 混凝土配合比及设计参数统计表

3 回弹-超声-拔出综合法人工神经网络的设计与模型建立

3.1网络设计与说明

3.1.1输入和输出层的设计

人工神经网络的输入、输出层数是完全根据使用者的要求来设计，问题确定下来，输入输出层也就确定了。

3.1.2隐含层单元的选择

隐含层单元个数的选择是一个十分复杂的问题，目前尚没有很好的解析表达式，隐含层单元的个数与问题的要求、输入输出单元的数量、训练样本的数量等都有直接关系。当隐含层单元的数量太少时会导致网络的容错性能降低，即训练不出理想的结果。但隐含层单元个数太多又往往会造成网络的训练时间过长，且网络的输出误差也不一定最小，因此目前主要依靠理论和经验确立合适的计算网络[2]。下面公式作为选择隐含层单元数的参考：

式中：n1为隐含层单元数，m为输出层单元数，n为输入层单元数，a为1-10之间的常数。

3.1.3初始值的选取

对于系统是非线性的，初始值对于学习是否达到局部最小和是否能够收敛的关系很大，一个重要的要求是希望初始权在输入累加时使每个神经元的状态接近于零，这样可以保证开始时不落到那些平坦区域上。权一般取随机数，而且要求比较小，这样可以保证每个神经元一开始都在它们转换函数变化最大的地方进行[3]。

3.1.4数据的归一化处理

由于输入数据的密集性，数据之间的差别太小，如超声值；同时由于采集的各数据单位不一致，直接将数据输入神经网络进行训练会引起混淆。因此，必须对输入数据和输出数据进行归一化处理（Normalization Processing），使得输入层的输入值介于[-1,1]之间，而输出层的输出值介于[0,1]之间。

神经网络训练结束后，在神经网络进行混凝土强度推测阶段（即仿真阶段），需要对数据进行反归一化处理。

3.2网络算法改进

3.2.1附加冲量(动量)法

附加冲量法修正网络参数时，不仅考虑误差函数的梯度下降，而且考虑误差曲面的变化趋势。没有附加冲量作用时，网络可能陷入局部极小或进入误差曲面平坦区，而附加冲量则有可能使网络跳出局部极小或滑过平坦区[4]。

3.2.2自适应学习速率

正确选择学习速率不是一件容易的事情，通常对训练初期合适的学习速率，随着训练的进行会变得不合适，因为误差曲面是非常复杂的。为了解决这一问题，设法让网络具有这样一种功能，根据自身的训练情况自动调整学习速率，即采用自适应学习速率[5]。

3.2.3 S型函数输出限幅算法

网络的连接权和阀值的调节量都与中间层输出b有关，当bj=0或b=l时，vji=0或wji=0或θj=0，即当bj=0或bj=1时，不能对网络的权值和阀值进行调整。

3.3 网络训练和模型的建立

混凝土强度回弹-超声-拔出综合法神经

网络训练如图1示。经过训练，网络模型如

图2所示。

建立的神经网络的训练函数为Trainlm。

输入层数是3，即回弹值、超声值、拔出力；

输出层数是1，即混凝土立方体抗压强度。

隐含层是1层，单元数是5。初始学习速率

0.05，冲量系数0.9，允许学习次数3000，

学习样本数168，计算样本数15，初始权值和阈值为[-0.01，0.01]区间的随机数，输入层的输入值介于[-1，1]之间，输出层的输出值介于[0，1]之间。网络检测样本见表2所示。

4 人工神经网络与回归算法推测混凝土强度对比

4.1回归模型选择

根据试验数据情况拟选三种回归公式，通过回归指标综合评价这三种回归公式，然后选取既能反映混凝土实际工作状况又较为简单的回归公式作为综合法的测强公式 。

拟选用以下几种回归公式模型[6，7]：

幂函数方程 ：

线性方程：

指数方程：

式中；—混凝土强度计算值(MPa)；F—拔出力(kN)；N—回弹值；V—超声速度(km/s)；A、B、C、D—回归系数

4.2 综合法检测回归公式及试验结果分析

本次试验通过对576组150×150×150mm试块和90根750×200×200mm小梁180组进行拔出、回弹、超声检测。对试验数据利用Matlab进行回归分析，得到如下回归方程和相应的回归指标，见表3。

篇2

中图分类号：TP27 文献标识码：A 文章编号：1671-2064（2017）03-0221-02

人工智能是当今科技发展中最具潜力的热点问题之一，2016年初轰动世界的谷歌AlphaGo打败围棋世界冠军李世石的经典案例更是引起了全世界广泛的关注和热议。“人工智能”这个概念再次被推到了风口浪尖。那么，究竟什么是人工智能呢？它会对我们的生活有什么影响？在这个背景下，我们深入探究人工智能及其相关的技术领域，对于人工智能的普及和发展有着重要意义，也希望能给予人工智能相关领域的科学研究者们提供一些参考和方向。

1 什么是人工智能

人工智能（Artificial Intelligence，AI）是一门全新的信息技术科学，是计算机科学技术的一个重要分支，是指对于模拟、拓展和延伸人类的智能的应用系统及相关的理论和技术方法的开发研究。主要通过研究及了解人类智能的本质从而开发出能给出类似人类智能反馈的智能机器，计算机系统在理解目标方向之后所取得的最大化成果是计算机实现的最大智慧。人工智能不单单是一个特定的技术，它所研究的往往是能创造智能意识的高科技机器，包括了算法和其他应用程序，处理的任务也远远超出了简单计算，从学习感知规划到推理识别控制等等。人工智能的研究方向包含语言及图像识别技术、机器人设计、自然语言处理等，日益成熟的理论方法和技术实践也使得应用领域范围大规模扩张，人工智能是人类智慧的结晶，未来也可能展现出超过人类的智能。

2 人机智能的研究方向

人工智能的科学研究通常涉及到数学、逻辑学、认知科学、以及最重要的计算机科学等多学科领域，延伸出了以下几个主要的研究方向：

2.1 逻辑推理与证明

早期的人工智能更多的解决了大量数学问题，逻辑推理是基础也是研究时间最长最重点的领域之一。通过找到可靠的证明或者反证方法实现潜在的定理证明，根据数据库的实例进行推导并及时更新证明结论，演绎和直觉相结合，在推理和证明中实现部分智能。

2.2 问题求解

问题求解领域的一大重要应用则是下棋程序的功能实现，化繁为简、将困难的问题点拆分成为独立的子问题进行求解；而另一个实例则是数学方程的求解实现，分析各种公式符号的组合意义从而为科学研究者提供强有力的基础保障。问题求解中所运用的搜索和规约也是人工智能领域中的两大基本技术。

2.3 自然语言处理

自然语言处理也叫自然语言理解（Natural Language Processing，NLP），是指借助计算机来处理使用人类语言作为计算对象的算法程序，并研究相关的理论方法和技术。NLP是人工智能领域的主要研究方向之一，也是发展时间较长的研究方向之一。语音识别、搜索引擎、机器翻译等等都是NLP的重要研究内容，目前也都在人工智能领域获得了突出的应用成果。

2.4 专家系统

专家系统是指具有大量模拟人类相关领域专家知识和经验的智能计算机程序系统，依托于人工智能相关技术，根据专家系统所提供的数据方法进行判断推理进一步决策，从而代替人类专家解决一部分该领域的特定问题。从知识表示技术的角度上看，专家系统可分为基于网络语义、基于规则、基于逻辑、基于框架等几种类别；而从任务类型及专家系统主要解决的问题类型的角度来看，专家系统也可分成解释型（分析和阐述符号数据的意义）、调试型（根据故障制定排除方案）、预测型（根据现状预测指定对象未来可能的结果）、维修型（针对特定故障制定并实施规划方案）、设计型（按指定需求制作图样和方案）、规划型（根据指定目标制定行动方案）等。

专家系统的建立包含以下几个步骤：（1）初始专家知识库的设计：包括问题、知识、概念、形式、规则等多个概念的筹建；（2）开发和试验系y原型机；（3）改进与归纳专家知识库等。

专家系统的实现通常建立在大量的数据统计与人类专家提供的问题解决实例上，没有精确或统一的求解算法，因此也会造成一些局限性。在人工智能与计算机科学快速发展的今天，专家系统也逐渐更重视理论和基础研究，除了基于经验的理论，基于规则和模型的方法也将投入到实际运用中，未来的专家系统将更偏向协同式和分布式方向发展。

2.5 机器学习

机器学习是指计算机自动获取新的推理算法和新的科学事实的过程，是计算机具有智能的基础。计算机的学习能力是人工智能研究史上的突出成就与重要进展，也是人工智能初步实现的重要标志。机器学了在人工智能领域有着重要应用，对于探索人类智慧的奥秘以及学习方法和机理都有着重要意义，机器学习的时代才刚刚开始，各种理论方法也正在逐步完善中，未来精彩可期。

3 人工智能的应用

人工智能的首次提出至今已有60年的历史，在这个循序渐进的过程中，无论是功能场景还是机器模式，都逐渐从单一到通用、从简单到复杂，表达方法也更多种多样。目前主要通过赋予机器产品一定的人类智能从而有效地提升机器工作效率及能力，未来的人工智能将更多的模拟人类生活环境及思维方式来设计出真正具有人类智能的高效人机系统。

3.1 人工智能在各个行业的应用

人工智能已经运用到人类生产生活的各个方面，主要包括以下几点：（1）以智能汽车为代表的自动化交通方式。（2）种类繁多的家庭智能服务机器人。（3）用于临床支持和病人看护中的自动化智能设备及医疗器械。（4）智能教育辅导系统、线上学习和智能辅助学习设备的普及。（5）基于图像处理和自然语言处理的各类音乐社交软件及VR设备的兴起给互联网娱乐时代带来的巨大变革。（6）逻辑证明及智能分析在公共安全领域的预测及防范。（7）大量重复机械的劳动逐渐由智能机器取代，人类承担着更多的创新及实践工作。

3.2 人工智能生活应用实例

作为辅助人类生产生活的重要工具，日趋成熟的智能机器人已经快速走进了人们的日常生活中，下面我们介绍几种常见的使用场景：（1）智能房屋和家居生活的构建：目前的智能停留在自动控制I域，通过用户指令来便捷的操控比如电视、窗帘、灯具、空调等等；而未来，人工智能的发展将根据你的日常行为了解你的习惯喜好，利用传感器和自动装置搜集用户的行为数据，通过机器学习和深度学习算法改造你所居住的环境。最终实现真正意义上的智能家居生活。（2）无人驾驶的智能汽车：主要通过导航和定位实现规定路线的行驶、通过激光测距、雷达感应和照相等技术，配合复杂的计算公式从而辨别和避让各种障碍，最终脱离人类操控的环境下自动完成发动、驾驶、刹车等动作。行驶的安全性和准确性在智能机器的帮助下其实更可靠，我们完全有理由相信未来自动驾驶将成为人们出行的新方式。（3）基于神经网络的新型翻译方式：在线翻译相信大多数人都不陌生，使用范围广普及率极高，但其准确性一直都是人们关注的焦点之一。谷歌翻译负责人表示将在部分功能上尝试使用深度学习技术，如果能顺利实施必将使得翻译准确性的研究取得实质性突破，而基于神经网络的翻译方式则将帮助计算机更好地模拟和理解人类思维，使得翻译结果更流畅合乎规范，也方便人们更好地理解。

4 人工智能的发展历程

人工智能的发展历程不算很长，但发展速度却异常迅猛。跟所有新兴的前沿学科一样，人工智能的发展中也经历了和低谷时期。根据不同时期代表性人物和事件的发生，我们大致可以将整个过程分为以下几个阶段：

（1）1950年，举世闻名的“图灵测试”（图灵，英国数学家，1912―1954）首次发表于《计算机与智能》一文，即通过房间外的人和两个房间内的人和机器分别对话中，是否能区分人和机器从而判断出机器是否具有了人的智能。这是人类对于人工智能最初的概念。

（2）1956年，由香农、麦卡锡、朗彻斯特和明斯基共同发起的DARTMOUTH学会于达特茅斯大学召开，会上首次提出“人工智能”一词，这是历史上第一次关于人工智能领域的研讨会，见证了人工智能学科研究的开端。

（3）1960年以来，生物进化领域逐渐建立起了遗传、策略和规划等算法。1992年计算智能由Bezdek提出，计算智能对于生物进化学的探究有着重大意义，涵盖了模式识别、人工生命、神经网络、进化计算等多学科集合与交叉。

（4）上世纪90年代开始，专家系统逐渐兴起，对于专家知识库的不断改进以及基于规则和模型的协同式分布式专家系统将是未来使用的主要趋势。

（5）从1960年神经网络首次应用于自动控制的实施，到1965年人工智能启发式推理规则的方法引入，再到1977年运筹学理论中概念智能控制模式的成功借鉴，人工智能的发展也顺利引导了自动控制模式逐渐切换到了智能控制模式。

（6）从1956年AI概念的正式提出以来，人工智能领域已经取得了众多突破性的成就和进展，很多天马行空的想象也随着科技的进步在一代代科学工作者的不断努力下逐渐设计落实，人工智能已经从科学研究逐渐走向了人们的日常生活中，成为了当下最具潜力的多学科交叉的前沿科学。

5 人工智能的未来与发展趋势

从人工智能的提出到逐渐走入人们生活，人工智能的概念一经问世则得到了人们的普遍关注，甚至带动了语音识别、自然处理处理、机器学习、数据挖掘等一系列相关学科的发展和兴盛。人工智能领域中的创新和蓬勃发展是趋势也是必然，通过了解人工智能学科的发展历程及应用领域，我们大致可以推测出关于未来人工智能的一些方向：（1）机器学习和深度学习算法指导下更聪明更多样性更具智能的机器系统。（2）自然语言处理应用中更自然的人机互动交流。（3）机器学习时代更快速的数据处理分析策略。（4）各研发企业和机构对于人工智能先进技术更激烈的竞争和角逐。（5）超人工智能（Artificial Super Intelligence，简称ASI）时代下AI是否会走向失控给人们带来的微恐惧。

6 结语

在短短60年的时间内，人工智能的快速发展已经从很大程度上改善和刷新了人们的生活方式。人工智能的深入研究和实现正在不断帮助我们探索这个世界、帮助我们搜寻信息应对各种各样的挑战。人工智能在逐渐强大的同时，有机遇也存在着巨大的挑战和技术瓶颈，距离人工智能时代的真正实现还有很长的路要走。而人工智能的不断更迭完善，是否能取得超越人类智力和认知的智能、是否会出现违背人类价值观的危险行为将是未来很长一段时间内需要研究的重要课题。

参考文献

篇3

中图分类号：TP18 文献标识码：A 文章编号：1007-3973（2013）001-085-03

1引言

人工智能（Artificial Intelligence，AI）自从20世纪50年代产生，经过长期发展，已经有了长足的进步，并且已经深入到社会生活的诸多领域，如语言处理、智能数据检索系统、视觉系统、自动定理证明、智能计算、问题求解、人工智能程序语言以及自动程序设计等。随着科学技术的不断发展，现在的人工智能已经不再是仅仅具有简单的模仿与逻辑思维能力，人们也越来越期待人工智能能够帮助或者替代人类从事各种复杂的工作，加强人的思维功能、行为功能或是感知功能。这就要求人工智能具有更强的情感识别、情感表达以及情感理解能力。通俗的说，为了使得人工智能对外界的变化适应性更强，需要给它们赋予相应的情感从而能够应对这个难以预测的世界。

在赋予人工智能“情感”的过程中，面临着许多的问题，有科技层面上的，也有社会学层面的。本文在这里只讨论其中一个比较基本的社会学问题：“人工智能情感约束问题”，即关注于如何约束赋予给人工智能的情感，不至于使其“情感泛滥”。情感指的是一种特殊的思维方式，人工智能具有了情感后的问题是：人工智能的情感是人类赋予的，人工智能自身并不会创造或者控制自己的情感。如果赋予人工智能的情感种类不合理，或者是赋予的情感程度不恰当，都有可能造成“情感泛滥”并导致一些灾难性的后果。例如，当人工智能具有了情感之后，如果人类自身管理不恰当，有可能导致人工智能反过来伤害人类。尽管目前我们只能在一些科幻作品中看到这种情况发生，但谁也不能保证未来有一天会不会真的出现这种悲剧。

本文第二章对人工智能情感研究进行了概要性回顾，第三章对如何约束人工智能情感进行了尝试性探讨，最后一章对全文进行了总结。

2人工情感发展情况概述

随着科学家对人类大脑及精神系统深入的研究，已经愈来愈肯定情感是智能的一部分。人工情感是以人类自然情感理论为基础，结合人工智能、机器人学等学科，对人类情感过程进行建模，以期获得用单纯理性思维难以达到的智能水平和自主性的一种研究方向。目前，研究者的研究方向主要是人工情感建模、自然情感机器识别与表达、人工情感机理等四个方面的内容。其中，尤以人工情感机理的研究困难最大，研究者也最少。

目前人工情感在很多领域得到了应用和发展，比较典型的是在教育教学、保健护理、家庭助理、服务等行业领域。在教育教学方面比较典型的例子是德国人工智能研究中心发展的三个方案：在虚拟剧场、虚拟市场和对话Agent中引入情感模型和个性特征来帮助开发儿童的想象力及创造力。在保健护理方面比较典型的是家庭保健与护理方向，如Lisetti等人研制的一个用于远程家庭保健的智能情感界面，用多模态情感识别手段来识别病人的情感状态，并输入不同媒体和编码模型进行处理，从而为医生提供关于病人简明而有价值的情感信息以便于进行有效的护理。服务型机器人的典型例子是卡内基梅隆大学发明的一个机器人接待员Valerie。Valerie的面孔形象的出现在一个能够转动方向的移动屏幕上时可以向访问者提供一些天气和方位方面的信息，还可以接电话、解答一些问题；并且Valerie有自己的性格和爱好，情感表达较为丰富。当然这些只是人工情感应用领域中的几个典型的例子，人工智能情感的潜力仍然是巨大的。

尽管关于人工情感的研究已经取得了一定的成果，给我们带来了很多惊喜和利益，但由于情绪表现出的无限纷繁以及它与行为之间的复杂联系，人们对它的运行机理了解的还不成熟，以致使得目前人工情感的研究仍面临着诸如评价标准、情感道德约束等多方面问题。所以必须清楚的认识到我们目前对于人工情感的计算乃至控制机制并没有一个成熟的体系。

3对人工智能的情感约束

正如上文所述，如果放任人工智能“情感泛滥”，很有可能会造成严重的后果。为了使人工智能技术更好的发展，使智能与情感恰到好处的结合起来，我们有必要思考如何对赋予人工智能情感进行引导或者约束。

3.1根据级别赋予情感

可以根据人工智能级别来赋予其情感，如低级别人工智能不赋予情感、高级别人工智能赋予其适当的情感。众所周知，人工智能是一门交叉科学科，要正确认识和掌握人工智能的相关技术的人至少必须同时懂得计算机学、心理学和哲学。首先需要树立这样的一个观点：人工智能的起点不是计算机学而是人的智能本身，也就是说技术不是最重要的，在这之前必须得先解决思想问题。而人工智能由于这方面没有一个严格的或是量度上的控制而容易出现问题。从哲学的角度来说，量变最终会导致质变。现在是科学技术飞速发展的时代，不能排除这个量变导致质变时代的人工智能机器人的到来，而到那个时候后果则不堪设想。因此，在现阶段我们就应该对人工智能的情感赋予程度进行一个约束。

根据维纳的反馈理论，人工智能可以被分成高低两个层次。低层次的是智能型的人工智能，主要具备适应环境和自我优化的能力。高层次的是情感型的人工智能，它的输入过程主要是模仿人的感觉方式，输出过程则是模仿人的反应情绪。据此我们可分别将机器人分为一般用途机器人和高级用途机器人两种。一般用途机器人是指不具有情感，只具有一般编程能力和操作功能的机器人。那么对于一般用途的机器人我们完全可以严格的用程序去控制它的行为而没必要去给他赋予情感。而对于高级层面的情感机器人来说，我们就适当的赋予一些情感。但即使是这样一部分高层次的情感机器人，在赋予人工情感仍然需要考虑到可能会带来的某些潜在的危害，要慎之又慎。

3.2根据角色赋予情感

同样也可以根据人工智能机器人角色的不同选择性的赋予其不同类型的情感。人类与机器合作起来比任何一方单独工作都更为强大。正因为如此，人类就要善于与人工智能机器合作，充分发挥人机合作的最大优势。由于计算机硬件、无线网络与蜂窝数据网络的高速发展，目前的这个时代是人工智能发展的极佳时期，使人工智能机器人处理许多以前无法完成的任务，并使一些全新的应用不再禁锢于研究实验室，可以在公共渠道上为所有人服务，人机合作也将成为一种大的趋势，而他们会以不同的角色与我们进行合作。或作为工具、顾问、工人、宠物、伴侣亦或是其他角色。总之，我们应该和这些机器建立一种合作互助的关系，然后共同完任务。这当然是一种很理想的状态，要做到这样，首先需要我们人类转变自身现有的思维模式：这些机器不再是一种工具，而是平等的服务提供人。

举例来说，当机器人照顾老人或是小孩的时候，我们应该赋予它更多的正面情绪，而不要去赋予负面情绪，否则如果机器人的负向情绪被激发了，对于这些老人或者小孩来说危险性是极大的；但是，如果机器人是作为看门的保安，我们对这种角色的机器人就可以适当的赋予一些负向的情绪，那么对于那些不按规则的来访者或是小偷就有一定的威慑力。总之，在我们赋予这些智能机器人情感前必须要周到的考虑这些情感的程度和种类，不要没有顾忌的想当然的去赋予，而是按分工、作用赋予限制性的情感约束，达到安全的目的。

3.3对赋予人进行约束

对人工智能情感赋予者进行约束，提高赋予者的自身素质，并定期考核，并为每一被赋予情感的人工智能制定责任人。

纵观人工智能技术发展史，我们可以发现很多的事故都是因为人为因素导致的。比如，首起机器人杀人案：1978年9月的一天，在日本广岛，一台机器人正在切割钢板，突然电脑系统出现故障，机器人伸出巨臂，把一名工人活生生地送到钢刀下，切成肉片。

另外，某些研究者也许会因为利益的诱惑，而将人工智能运用在不正当领域，或者人工智能技术落入犯罪分子的手中，被他们用来进行反对人类和危害社会的犯罪活动。也就是用于所谓的“智能犯罪”。任何新技术的最大危险莫过于人类对它失去控制，或者是它落入那些企图利用新技术反对人类的人的手中。

因此为了减少这些由于人而导致的悲剧，我们需要对这些研究者本身进行约束。比如通过相应的培训或是定期的思想政治教育、或是理论知识的学习并制定定期的考核制度来保证这些专家自身的素质，又或者加强对人工智能事故的追究机制，发生问题能立即查询到事故方等等，通过这样一系列强有力的硬性指标达到减少由于人为因素导致悲剧的目的。

3.4制定相应的规章制度来管理人工智能情感的发展

目前世界上并未出台任何一项通用的法律来规范人工智能的发展。不过在1939 年，出生在俄国的美籍作家阿西莫夫在他的小说中描绘了工程师们在设计和制造机器人时通过加入保险除恶装置使机器人有效地被主人控制的情景。这就从技术上提出了预防机器人犯罪的思路。几年后， 他又为这种技术装置提出了伦理学准则的道德三律：（1）机器人不得伤害人类，或看到人类受到伤害而袖手旁观；（2）在不违反第一定律的前提下，机器人必须绝对服从人类给与的任何命令；（3）在不违反第一定律和第二定律的前提下，机器人必须尽力保护自己。这一“机器人道德三律”表现了一种在道德忧思的基础上，对如何解决人工智能中有害人类因素所提出的道德原则，虽然得到很多人的指责，但其首创性还是得到公认的。尽管这个定律只是小说家提出来的，但是也代表了很多人的心声，也是值得借鉴的。

那么对于人工智能情感的约束呢？显然，更加没有相应的法律法规来规范。那么，我们就只能在赋予人工智能情感的道理上更加的小心翼翼。比如，我们可以制定一些应急方案来防止可能导致的某些后果，也即出现了问题如何及时的处理之。另外我们在操作和管理上应更加慎重的去对待。也希望随着科学技术的发展，能够在不久的将来出台一部相应的规章制度来规范人工智能情感的管理，使之更加精确化、合理化。

4结束语

人工智能的情感研究目的就是探索利用情感在生物体中所扮演的一些角色、发展技术和方法来增强计算机或机器人的自治性、适应能力和社会交互的能力。但是现阶段对这方面的研究虽然在技术上可能已经很成熟，但是人工智能情感毕竟是模拟人的情感，是个很复杂的过程，本文尝试性的在人工智能发展中可能遇到的问题进行了有益的探讨。但是不可否认仍然有很长的道路要走，但是对于人工智能的发展劲头我们不可否认，将来“百分百情感机器人”的问世也许是迟早的事情。

参考文献：

[1] 赵玉鹏，刘则渊.情感、机器、认知――斯洛曼的人工智能哲学思想探析[J].自然辩证法通讯，2009，31（2）：94-99.

[2] 王国江，王志良，杨国亮，等.人工情感研究综述[J].计算机应用研究，2006，23（11）：7-11.

[3] 祝宇虹，魏金海，毛俊鑫.人工情感研究综述[J].江南大学学报（自然科学版），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] 张显峰，程宇婕.情感机器人：技术与伦理的双重困境[N].科技日报，2009-4-21（005）.

[7] 张晓丽.跟机器人谈伦理道德为时尚早[N].辽宁日报，2011-11-04（007）.

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

篇4

当前，世界已全面进入以大数据共享、信息爆炸为特点的互联网信息时代。富有智能化和人性化的计算机网络技术服务成为了人们青睐和关注的焦点。人工智能作为互联网信息时代凝聚高端技术的超值网络服务，在增强互联网安全性、提高网络操作自动化等方面意义重大。现阶段，已有更多行业领域的用户在应用人工智能，体验这一技术所带来的新生活。

1 人工智能简述

人工智能，即Artificial Intelligence，是现代社会特有的综合类前沿学科，交叉云集了计算机、网络技术、控制方法论、信息论、神经生物学、语言学等多学科知识，主要用来研究机器在思考、学习、规划等行为的拟人态进化，使之解决问题的能力大幅提升。人工智能发展至今已有超过60载岁月，其成就在整个历程中熠熠生辉，代表着人类文明的不断发展与超越。人工智能经历了三个阶段的发展变革：第一阶段是以人工智能驱动机器设备，代替或辅助人类思考并解答难题；第二阶段是研发智能机器人，处理不同系统及环境信息的交互工作，如不确定性信息的处理工作；第三阶段的代表成果就是数据挖掘系统，可实现海量模糊信息采集与分析，可视化技术发展迅猛，计算机具有自主学习能力。

2 人工智能的应用领域代表成就

任何一项技术的创新与发展，都源于人类开展生产生活的实际需求，人工智能技术的研究也不例外，发展至今已经为解决不同领域的实际需求提供了众多技术应用。目前，人工智能在下列应用领域中取得了代表性成就：

2.1 专家系统

专家系统，其实是由庞大的程序组编写完成的数据系统，广泛积累不同专业的知识经验，这些知识均可事先归纳分析，可按具体模式表示，从而帮助用户凭借领域专家的固有知识进行推理解决问题。专家系统可系统化分析输入信息并结合已有知识体系进行全面推理，提出建O性的决策建议，相当于发挥行业专家的作用。

2.2 数据库智能检索

人工智能想要做到全面模拟人类思维和动作，需要建设强大的数据库资源，便于及时开展智能检索。数据库基于计算机软件开展，存储了海量专业学科知识，也称之为知识库系统，一旦有用户需要查阅解决该学科的专业问题，都可通过智能检索功能实现快速精准地检索。

2.3 程序自动设计

自动化的程序设计就是借助更高规格高标准的程序设计系统来完成指定功能的程序设计，该系统需要用户输入所设计程序的需求目标，并对整个流程和架构有更为高级的描述，系统就能自动组织对应程序完成设计。高度自动化的程序设计编写方式，也展现了人工智能系统的思考、学习、修正自身缺陷的拟人态功能。

2.4 目标模式识别

模式识别，顾名思义正是为识别不同物体的特征是否匹配目标对象而具备的功能。现代计算机加强了模式识别系统功能，能够提高机器对外界信息的感知能力，不断接受外界信息，对所处环境的特征进行识别，加强概念理解。当前，目标模式识别已由二维向三维层面升级，为研究智能机器人提供了坚实的基础。

当然，人工智能的应用领域远不止上述这些，还在机器学习、机器视觉图像处理（machine vision）、自然语言理解（Natural Language Understanding）、自然信息博弈论等方面发挥着重要的作用。

3 不同行业的人工智能技术应用实例

目前，众多企业为求发展，与内部运营管理中加强了人工智能的应用，聚力解决各项问题，为企业赢得了经济效益，推动着社会发展。

3.1 企业管理应用

将人工智能应用于企业管理中，需要人的智能和人工智能之间的辩证关系，灵活运用工智能应用平台加强对企业内部各项管理智能软件的开发工作，借助灵活的人工智能技术帮助企业实施科学决策。

3.2 水利管理应用

人工智能能够在水情控制与洪灾预报中发挥作用。如可使用人工神经网络和遗传算法等技术，模拟汛期的最大洪峰与洪水总量，研究更有针对性的抗洪模型，提高了洪灾预报精度和汛期准度，有效发挥防洪降灾、拦洪储水的重要作用。同时，人工智能还能够分析大江大河的复杂地质与环境系统，对治理河流起到良好的辅助作用。

3.3 建筑行业应用

目前，建筑行业的用地规划、给排水工程、暖通空调工程、施工管理等内容都在应用人工智能。已有企业基于神经网络算法发明了结构节点探伤法，可查探建筑结构损伤度；也可在市政工程建设中不断强化正反向混合推理的理论思想，查明城市污水处理管网故障；可构建用于分析建筑工程性能效益的系统，加强建设项目性能效益预测和实际效益分析。

3.4 机械行业应用

人工智能同样成为互联网时代下的机械行业技术中的重头戏。如：人们利用人工神经网络算法，设计出土方工程的机械调度的优化方案；多个工程都可搭建含多目标的寻优函数模型。许多大型机械装置，都配置了人工智能操作平台，可提高安全风险监控水平，增强机械操作自动化，进一步优化生产效率。

3.5 商品销售预测应用

人工智能的各种函数模型或优化算法，可在商品销售金额的预测中发挥巨大作用。如：在计算机中输入不同商品某一时间段的销售额，形成非线性系统进行分析，评估各种影响因素。采用人工神经网络，不断放大自分布处理、自组织学习、自适应与自容错等特性，体现强大的预测功能。

当然，人工智能还广泛应用到电子网络技术应用、企业财务管理、航班信息查询、教学服务、心理咨询公路建设、焊接制造、等众多方面，为更多企业带来可观的经济效益。

4 结束语

互联网信息时代的人工智能应用，将会随着科技力量的不断壮大而实现更多的应用。人们应该高度重视人工智能理论与技术的探究，从而更好地为全人类服务。

参考文献

[1]何承.计算机网络技术中人工智能的应用探讨[J].信息通信，2016（03）：180-181.

[2]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016（12）：95-95.

[3]王宇飞，孙欣.人工智能的研究与应用[J].信息与电脑，2016（05）：115-117.

作者简介

篇5

人工智能技术是以计算机技术为基础，融合多门学科的综合性科学技术，其主要是通过计算机模拟构建人的智能，并且创建机器人系统和专家系统实现对电气自动控制系统的智能化操作。人工智能技术的突出特点是：一是操作性。人工智能技术主要是依托计算机的控制实现对电气设备的控制，因此人工智能技术具有很强的逻辑性，便于控制人员进行操作；二是价值大。人工智能技术不仅融合了计算机技术，而且其还实现了对电气设备的自动化控制与监测，实现了以较小的投入获得更大的经济效益的目的。比如通过人工智能技术可以减少人工操作环节，进而为企业节省相当多的人力资源成本费用；三是准确性比较高。人工智能技术主要是计算机依据人的智能建立计算机控制系统，实现对电气设备的精确性操作，比如利用人工智能技术可以对电气设备的运行情况进行智能检测与处理，避免了人工检测所存在的弊端。

2人工智能技术在电气自动化控制系统中应用的必要性

人工智能技术的最大优势就是通过对电气控制系统信息的收集、研究，制定出具体的有效处理措施，从而代替传统的依靠人脑进行操作的模式。将人工智能技术应用到电气自动化控制系统中具有重要的意义：

2.1能够有效解决电气自动化控制过程中存在的病态结构问题

电气自动化控制过程中因为电气设备精密度越来越高，因此在运行过程中所出现的病态结构很难应用传统的方式表达出来，而人工智能技术则可以有效解决此类问题，其完全有能力利用定量与定性相结合的控制方式对控制系统进行计算与分析。

2.2实现自动控制系统的数据采集与处理功能

将人工智能技术应用到电气自动化控制中能够依托专家系统对电气设备进行实时监视，并且对相关信息进行自动收集与储存，一旦发现存在潜在故障或者存在事故的事件，人工智能技术就会自动采取相应的控制方式，对故障进行自动处理，进而避免了电气系统故障的进一步扩大化。

2.3简化了人工操作过程，降低了人工操作造成的损失

人工智能技术通过计算机设备就可以实现对电气设备的自动化控制，比如电气系统的人工智能化控制系统就可以通过鼠标对控制开关进行自动控制，并且对励磁电流进行调整。同时电气人工智能控制系统还设定了应用管理权限，限制了相应操作人员的权限，实现了专人专岗制度，细化了操作责任制度。

3人工智能技术在电气自动化控制中应用的思路分析

3.1人工智能技术在电气自动化设备中的应用

我们知道电气自动化控制系统属于非常负责的控制系统，其不仅包含复杂的元件，而且还需要操作人员严格按照自动化控制系统的要求进行操作，而将人工智能技术应用到电气设备中可以实现计算机的自动化操作，最重要的就是可以代替传统的需要人工进行设备检测的落后模式，实现了对电气设备的运行状态、故障检测以及维修意见等一体的功能，降低了人工操作的失误性，提高了电气设备的应用寿命，为企业节省了大量的成本。

3.2人工智能技术在电气控制过程中的应用

将智能技术应用到电气自动化控制过程中，是人工智能技术发展的重要动力，通过人工智能化的电气控制系统不仅可以提高电气设备的工作效率，而且还可以降低电气自动化控制中的故障发生率。人工智能技术主要师模糊控制、专家控制以及神经网络控制和集成智能控制。本文以专家控制为例，专家控制就是将专家系统的设计规范和运行机制与电气控制刘楠相结合实现实时控制系统的设计，其主要是对自动控制的知识获取、表示以及推理机制的建立。

3.3在事故和故障诊断中人工智能技术的应用分析

人工智能技术在电气设备故障中的作用是非常大的，尤其是对发动机的故障检修是具有重要作用的，我们知道在电气设备中由于其结构比较复杂，依靠人工很难对其进行深入的检测，因此需要借助人工智能技术实现对设备的检修。我们以变压器为例，将智能技术应用到变压器的故障检修中首先就是先收集电压器油体中分解的气体，然后通过对油体气体的分析，找出故障的原因，进而自动形成解决措施。这样有效避免了人工检测所出现的失误现象。另外人工智能技术在电气设备操作中的应用价值也比较大。通过人工智能技术可以实现电气自动化控制环节的简单化，比如在机床加工中，如果运用人工智能技术则能够有效降低机床操作的复杂性，并且能够对机床的运行信息进行收集与储存，便于日后对相关信息的查询。

篇6

中途分类号：TP39    文献标识码：A     文章编号：

引言:

计算机学科的一个重要分支就是人工智能，它与基因工程、纳米科学被列为二十一世纪三大尖端技术、同时人工智能是一门汇集了多种学科相互渗透发展起来的交叉学科。对于人工智能的定义，至今尚未统一，美国斯坦福大学人工智能研究中心尼尔逊教授认为：人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学；麻省理工学院的温斯顿教授认为：人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。除此之外，还有很多种不同的观点，但这些说法都形象地反映了人工智能学科的基本内容和核心思想，那就是：人工智能是研究如何用人工的方法在计算机上模拟、实现和扩展人类智能的一门科学与技术。

1. 人工智能技术的发展

人工智能（(Artificial Intelligence)从上世纪50年展到现在，有也有低迷的时期。研究的方法和研究的态度也有多种，不管是何观点,它们都推动着人工智能技术的发展。今天人工智能技术已渗透到人类生活的方方面面，实实在在的影响着科学技术的发展。

2. 人工智能技术的应用

我们可以看到，当今社会很多领域的各种技术的发展都涉及到了人工智能技术。下面就人工智能的几种典型应用做如下探讨：

2.1人工智能应用之问题的求解

人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。

2.2人工智能应用之逻辑的推理与定理的证明

人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。

2.3人工智能应用之自然语言的处理

智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。

2.4人工智能应用之模式的识别

如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。

2.5人工智能应用之智能信息的检索技术

在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。

2.6人工智能应用之专家系统

我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。

2.7人工智能应用之机器人学

机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括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。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。

3. 人工智能技术发展趋势

科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势：

3.1问题求解

问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。

3.2机器学习

人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。

3.3模式识别

用计算机实现模式(文字、声音、人物、物体等)的自动识别，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。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。

3.4专家系统

专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。

3.5人工神经网络

人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线 性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许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外围的人工神经网络的结合。

4. 结论语

人工智能的基本思想已经在许多领域中得到应用，对于人工智能技术未来的发展还有很多未知的可能，但无论如何发展都将推动人类在科学与生活领域的发展。

参考文献：

[1]胡勤.人工智能概述[J].电脑知识与技术，2010，（13）：3507-3509.

[2]朱福喜，汤怡群等.人工智能原理[M].武昌：武汉大学出版社，2002.87-91.

[3]张妮等.人工智能技术发展及应用研究综述[J].煤矿机械，2009，（02）：4-7.

[4]亓慧.议当代人工智能的应用领域和发展状况[J].福建电脑，2008，（05）：33.

[5]蔡自兴，徐光.人工智能及其应用[M].北京：清华大学出版社，2003.51-93.

篇7

中图分类号：TP18

文献标识码：A

一、人工智能技术的发展及其影响

人工智能技术研究开始于20世纪50年代中期，距今仅有60年的发展历程，但是其迅猛的发展速度，广泛的研究领域以及对人类产生的深远影响等令人惊叹。调查显示，77.45%的人认为现实生活中人工智能技术的影响较大，并且86.27%的人认为人工智能技术的发展对人类的影响利大于弊；认为人工智能技术对人类生活影响很小且弊大于利的人权占很小一部分。人工智能技术的发展和应用直接关系到人类社会生活，并且发挥着重要的作用。人工智能技术的发展方向和领域等由人类掌控着，所以人类应该尽可能地把人工智能技术的弊处降到最低以便更好地为人类造福。2016年3月份，围棋人工智能AlphaGo与韩国棋手李世h对弈，最终比分4∶1，人类惨败。4月份，中国科学技术大学正式了一款名为“佳佳”的机器人，据了解，机器人“佳佳”初步具备了人机对话理解、面部微表情、口型及躯体动作匹配、大范围动态环境自主定位导航和云服务等功能。而在这次正式亮相之前，“佳佳”就担纲主持了2016“首届全球华人机器人春晚”和“谁是棋王”半Q赛。人工智能技术确实给人类带来了诸多的便利，给人类生产生活带来便利；但是，人工智能技术的快速发展超乎人类的预测，引起了人类的恐慌和担忧。百度CEO李彦宏称，人工智能是“披着羊皮的狼”。毋庸置疑，科学技术是一把双刃剑，当人类醉心于科学技术所带来的福利中时，更应当注意其带来的负面作用。人类发明和创造科学技术最终是为了造福人类，而非受到科技的异化。

随着科技的发展，人工智能技术越来越成熟，在此整体趋势之下，不同的人群对人工智能技术的不断成熟与应用有着不同的看法。调查结果显示，在关于机器人会不会拥有人类的思维甚至超过人类的问题方面，27.45%的人认为机器人会拥有人类的思维和超过人类；而56.86%的人认为机器人不会拥有人类的思维和超过人类，小部分人对此不是很清楚。由于受到人工智能技术迅猛发展的冲击，如机器人保姆、AlphaGo围棋等智能产品对人类发展带来的威胁，一部分人仍然对人工智能技术的发展担忧甚至认为终有一天机器人将代替人类、征服人类、控制人类。但是，大部分的人在机器人是否能够超过人类方面，保持乐观积极的态度，认为机器人永远不会拥有人类的思维并且超越人类，因为人类是技术的主导者，人类掌握着技术的发展方向，技术终究是为了人类服务。这一看法肯定了人类的无止境的创新，然而，在人类醉心于技术创新的同时，应意识到某些创新确实超出了人类的预料，如AlphaGo与李世h围棋人机大战就是人类在技术面前失败的惨痛教训。因此，面对科技对人类的异化，人类要时刻保持警惕，适时地总结“技术异化”的缘由和解决对策。

二、人工智能技术发展面临的问题及其原因

随着技术的革新，人工智能技术的应用越来越广泛，与人们的日常生活联系也愈加密切。从智能手机的普及到自动驾驶汽车的研制成功，再到生产、建设、医疗等领域人工智能技术的应用，都表明了人工智能技术正悄无声息地改变着我们生活方式。诚然，人工智能技术使我们的生活更加丰富多彩，给我们带来了极大便利，但与此同时，人工智能技术也给社会带来了一系列不可忽视的问题：人工智能技术在社会生产领域的应用对劳动市场造成冲击；人工智能系统在收集、统计用户数据过程中个人隐私及信息安全方面的隐患；人类对人工智能产品的依赖引发的身心健康问题；人工智能引起的责任认定问题等。斯蒂芬・霍金在接受BBC采访时表示，“制造能够思考的机器无疑是对人类自身存在的巨大威胁。当人工智能发展完全，就是人类的末日。”表示同样担忧的还有特斯拉的创始人马斯克，他曾直言，“借助人工智能，我们将召唤出恶魔。在所有的故事里出现的拿着五芒星和圣水的家伙都确信他能够控制住恶魔，但事实上根本不行。”不可否认，人工智能技术是把双刃剑，有利亦有弊，争议从来就没有停止过，而最不容忽视的莫过于人工智能技术引发的一系列伦理困境，关于人工智能的伦理问题成了重中之重。

调查发现，47.55%的人认为人工智能所引发的伦理问题是因为人性的思考，占比较大；而22.55%的人认为是由于人们价值观念的改变；29.9%的人认为是利益分化与失衡以及一些其他的原因导致的。由此可以看出导致人工智能伦理困境的原因是多方面的。主要总结为以下几个方面。

第一，从技术层面来看，人工智能技术在现阶段仍然有很大的局限性。人工智能是对人脑的模仿，但人脑和机器还是存在本质区别的，人脑胜于人工智能的地方，就是具有逻辑思维、概念的抽象、辩证思维和形象思维。人工智能虽能进行大量的模仿，但由于不具备形象思维和逻辑思维，仅能放大人的悟性活动中的演绎方法，不可能真正具有智能，这决定了机器不能进行学习、思维、创造。此外，智能机器人也不具备情感智能，它们根本无法去判断自己行为的对错，也无法自动停止自己的某项行为，所以如果人工智能技术一旦被不法分子利用，后果不堪设想。可见，由于人工智能自身技术上的局限性导致的伦理问题已经影响到其未来发展。

第二，从规制层面来看，伦理规制的缺失和监督管理制度的不完善是导致伦理问题产生的重要原因。科技的发展目标是为人类谋求幸福，但我们必须认识到，无论是在科技的应用还是发展过程中总是存在一些难以控制的因素，倘若没有相应的伦理原则和伦理规制加以约束，后果难以想象。在目前人工智能领域，缺乏一套成体系的关于人工智能技术产品的从设计、研究、验收到投入使用的监督管理方案，也没有一个国际公认的权威性的规范及引导人工智能技术的发展及运用的组织或机构。现有的监督体制远远滞后于人工智能技术的发展速度，无法匹配技术发展的需要。缺乏相关监管制度的约束，人工智能技术就不可避免会被滥用，从而危害社会。

第三，从社会层面来看，公众对人工智能技术的误解也是原因之一。人工智能作为一门发展迅猛的新兴学科，属于人类研究领域的前沿。公众对人工智能技术的了解十分有限，调查显示，对人工智能技术只是了解水平较低的人较多，占62.75%，以致部分人在对人工智能技术没有真实了解的情况下，在接触到人工智能技术的负面新闻后就夸大其词，人云亦云，最终导致群众的恐慌心理，从而使得更多不了解人工智能技术的人开始害怕甚至排斥人工智能技术。我们必须清楚，人工智能是人脑的产物，虽然机器在某些领域会战胜人，但它们不具备主观能动性和创造思维，也不具备面对未知环境的反应能力，综合能力上，人工智能是无法超越人脑智能的。在李世h对弈AlphaGo的旷世之战中，尽管人工智能赢了棋，但人类赢得了未来。

三、人工智能技术的发展转向

人工智能技术的发展已经深入到人类社会生活的方方面面，其最终发展目标是为人类服务。但是，科学技术是把双刃剑，它在造福人类的同时，不可避免地会给人类带来灾难，因此，人类应该趋利避害，使人工智能和科学技术最大化地为人类服务。这就要求人类必须从主客体两个角度出发，为人工智能技术的健康发展找出路。

1.技术层面

（1）加强各个国家人工智能的对话交流与合作。人工智能自20世纪50年代被提出以来，尤其是近六十年来发展迅速，取得了许多丰硕的成果。如Deep Blue在国际象棋中击败了Garry Kasparov； Watson 战胜了Jeopardy的常胜冠军；AlphaGo 打败了顶尖围棋棋手李世h。从表面上看，人工智能取得了很大的进步，但深究这些人工智能战胜人类的案例，我们发现这些成功都是有限的，这些机器人的智能范围狭窄。造成这一现象的很大一部分原因就在于国际间人工智能技术的对话交流与合作还不够积极，所以加强各个国家人工智能的对话和交流迫在眉睫，同时也势在必行。

（2）跨学科交流，摆脱单一学科的局限性。从事人工智能这项工作的人必须懂得计算机知识、心理学和哲学。历史的经验告诉我们，一项科学要想走得长远就必须有正确的意识形态领域的指导思想的介入。在人工智能这项技术中，有些科学家们可能只关注经济利益而没有引进相应的伦理评价体系，最终使得技术预测不到位，没有哲学的介入，等真正出现问题时就晚了。所以要加强科学家与哲学家的沟通交流，令科学家能更多地思考伦理问题，提高哲学素养，在人工智能技术中融入更多的哲学思想，保证人工智能技术能朝着正确、健康方向发展。

（3）人工智能技术的发展，要与生态文明观相结合。在人工智能技术发展中，要注入更多的生态思想，这关系人民福祉、关乎民族未来的长远大计。在人工智能发展中，若是产生资源过度消耗、环境破坏、生态污染等全球性的环境问题时，人类必须制止并进行调整。人工智能技术要想发展得更好，前景更加明亮，前途更为平坦，就必须保持与生态文明观一致，与人类自身利益一致，为人类造福。

2.人类自身层面

（1）增强科学家道德责任感。科学技术本身并没有善恶性，而研发的科学家或是使用者有善恶性。人工智能将向何处发展，往往与研发人工智能的科学家息息相关。科学家应打破“个体化原理”，要融入社会中去，关注社会道德伦理问题，承担起道德责任，为自己、他人、社会负责，多去思考自己研发的技术可能带来的后果，并尽可能去避免，多多进行思考，严格履行科学家的道德责任。

（2）提高公众文化素养。调查发现，对人工智能技术了解水平较低的人较多，占62.75%；而非常了解的人较少，占4.41%；另外，对人工智能技术了解的人占21.08%，不了解的人占11.76%。由此可以看出，大部分的人对人工智能技术都能有所了解，但都不是很深入，而且仍有部分人对人工智能技术丝毫不了解，所以，人工智能技术对于个体的影响是比较微小的，其发展还没有深入到个人的日常生活中。特别是在一些关于人工智能的科幻电影的渲染，可能使那些对于人工智能技术并不了解或是一知半解的人产生偏见。在日常生活中，人工智能给人类带来了极大的便利。通过提高公众的文化素养，使公众正确认识人工智能技术，将是缓解甚至是解决人工智能技术某些伦理问题的重要途径之一。

（3）加大监督力度。人类需要通过建立一个完善的监督系统引导人工智能技术的发展。对于每项新的人工智能技术产品从产生到使用的各个环节，都要做好监督工作，以此来减少人工智能技术的负面影响，缓解甚至减少人工智能技术的伦理问题。

3.道德法律用

（1）通过立法规范人工智能技术的发展。调查发现，90.69%的人认为有必要对人工智能技术所引发的科技伦理问题实行法治，由此可以看出，要想保证科技的良好健康发展，必须要建立健全相关法律条例。然而我国在这一方面的法律还存在很大的漏洞，相关法律条文滞后于人工智能的发展，并未颁布一套完整的关于人工智能的法律体系。没有规矩不成方圆，在人工智能领域亦是如此。我们都无法预测将来人工智能将发展到何种地步，这时就需要人类预先加以适当的限制，利用法律法规加以正确引导，使其朝安全、为人类造福的方向发展。

（2）构建人工智能技术伦理准则并确立最高发展原则。要构建以为人类造福为最终目的的伦理准则。人工智能技术的伦理问题已经给人类造成了很多负面影响，而要防止其带来更多负面影响，构建合适的人工智能技术伦理准则势在必行。

此外，要确立以人为本的最高发展原则 。一切科学技术的发展都应把人的发展作为出发点。人工智能的发展也是如此，要将以人为本、为人类服务为出发点，并作为最高发展原则。

四、结语

科学技术是把双刃剑，人类只有消除人工智能技术的潜在威胁，发挥人工智能技术最大化效用，避免伦理困境重演，才能实现人机交互的良性发展，实现人工智能与人类的良性互动。

参考文献：

[1]王文杰，叶世伟.人工智能原理与应用[M].北京：人民邮电出版社，2004.

[2]甘绍平.人权伦理学[M].北京：中国发展出版社，2009.

[3]杨怀中.现代科技伦理学概论：高科技伦理研究[M].武汉：湖北人民出版社，2004.

[4]王志良.人工情感[M].北京：机械工业出版社，2009.

[5]邹 蕾，张先锋.人工智能及其发展应用[J].信息网络安全，2012（2）.

[6]王 毅.基于仿人机器人的人机交互与合作研究[D].北京：北京科技大学，2015.

[7]田金萍.人工智能发展综述[J].科技广场，2007（1）.

[8]郝勇胜.对人工智能研究的哲学反思[D].太原：太原科技大学，2012.

篇8

[中图分类号]F59

[文献标识码]A

[文章编号]1002—5006（2013）01—0114—15

1 引言

旅游领域正在经历着一个以商业实践和研究活动为平台的迅猛发展期，对于旅游研究者而言，把握领域最新研究进展、了解已被研究的内容以及思考未来的研究方向是非常重要的。在我国的旅游研究中，针对各种研究主题的综述性研究非常丰富，然而信息科学与旅游的交叉研究并没有得到足够的重视。

交叉研究或跨学科研究一词源于1926年美国哥伦比亚大学心理学家伍德沃斯（Woodworth）创建的英文形容词：interdisciplinary（跨学科的），指超过一个学科范围的研究活动。信息科学是一种横断科学与方法科学，在信息科学所涉及的4个方面研究中：（1）电子科学与技术、信息与通信系统、信息获取与处理；（2）计算机科学与技术、网络与信息安全；（3）控制理论与工程、系统科学与工程、人工智能与智能系统；（4）半导体科学与信息器件、信息光学与光电子器件、激光技术与技术光学，其中3个方面都与旅游研究在研究对象上发生交叉（如旅游博客数据挖掘、旅游推荐系统），且旅游研究也不断采用信息科学的理论与方法去解决问题（如人工智能在旅游预测中的应用、计算机仿真在游憩行为研究中的应用），体现了交叉研究和跨学科特征。信息科学与旅游的交叉研究客观存在，且已经经历了20多年的发展。

旅游研究一直是一个开放的体系，吸纳着其他学科的营养；信息科学与旅游研究的交叉与融合为解决旅游领域的新矛盾、新问题和探索新规律、新原理提供了新的思维方式和科学的研究方法，是信息时代旅游发展的产物与趋势。信息科学与旅游的交叉研究无论对旅游学术研究还是对旅游业发展都具有非常重要的意义，其研究进展应得到关注与重视。

已有关于信息科学与旅游交叉研究进展的综述研究川没有体现出两种研究的“交叉”性，即信息科学研究中有哪些以旅游为研究对象或者解决旅游领域的问题？旅游研究中涉及哪些信息科学方法与技术应用？这些问题的回答对于研究者广泛与深入开展信息科学与旅游的交叉研究具有重要意义。

为了较为全面地阐述信息科学与旅游研究之间的“交叉性”，本文采用系统综述方法对该交叉领域最近12年发表的文献进行了搜集、筛选、整理、归纳与分析.以期帮助相关研究者了解这一交叉领域的主要研究问题及所取得的研究进展，并对今后的深入研究有所借鉴与启发。

2 系统综述方法

系统综述（systematic review）又称系统评价，起源于医学领域，是指在复习、分析、整理和综合原始文献的基础上进行的二次研究方法，目前已经被广泛应用于循证医学（evidence—based medicine），逐步应用于社会学、教育学、图书情报等领域。系统综述可被精确区分为两种类型：（1）定性系统综述，原始文献的研究结果被分析与总结，但未经统计学合并；（2）定量系统综述，又称元（meta）分析或荟萃分析，应用统计学方法对若干个研究结果进行定量统计合并的过程。在某些不强调或较难实施统计学合并的研究领域，直接将定性系统综述称为系统综述，将其作为一种对某研究问题、主题或现象的可获得的所有研究进行评价和解释的方法，目标在于通过一种可信的、严格的以及可审计的方法来提供公正的研究评价。信息科学与旅游科学的交叉研究属于较难实现统计学合并的研究领域，因此本文采用定性系统综述方法，简称系统综述。

本文关于信息科学与旅游的交叉研究的系统综述研究包含如下步骤：

（1）确定研究问题

为了全面了解与分析信息科学与旅游的交叉研究现状，本文确定了如下系统综述的研究问题：①信息科学研究中面向旅游的研究主要有哪些方面？②旅游研究中与信息科学相关的研究主要有哪些方面？③信息科学与旅游的交叉研究有哪些趋势？

（2）确定文献搜索策略

基于所确定的研究问题，设计如下文献搜索策略：

①搜索工具与数据库：采用Google Scholar、IEEE Xplore、ScienceDirect；

②搜索关键字：采用关键字组合“tourism”AND（“computer”OR“communication technology”），即“旅游”与“计算机”或“通信技术”同时出现；计算机科学与技术是信息科学研究领域中最为活跃的方向之一，计算机科学与技术、通信科学与技术在信息科学研究中具有一定的代表性；经过反复搜索测试，“计算机”与“通信技术”作为关键字与“旅游”进行组合搜索，搜索结果能够较为全面地覆盖信息科学与旅游的交叉研究，实现本文系统综述的研究目标；③搜索的时间范围：2000年之后。

（3）文献搜索

按照上述搜索策略分别在3个工具与数据库进行搜索。Google Scholar显示共有54500条结果（2011年12月22日），其只提供最相关的前1000条；IEEE Xplore（搜索字段为“摘要”）共搜索到46条结果（2011年12月24日）；ScienceDirect（搜索字段为“题目”或“关键字”或“摘要”）共搜索到36条结果（2011年12月24日）。

（4）文献筛选

在上述搜索到的条目中，按照表1所示的文献入选和剔除标准，筛选用于本文系统综述的文献。

表1所示第一步完成后共有512篇文献入选。第二步经过多次逐步细化筛选，最终确定用于本文系统综述的入选文献共245篇，其中期刊论文158篇，会议论文87篇。245篇文献来自106种期刊和58种会议，文献来源分散且涉及领域广泛，有关文献来源、作者等的定量分析结果已另文撰写，本文则侧重对系统综述研究步骤（1）所确定的研究问题的回答。

（5）分析与完成报告

根据系统综述研究步骤（1）所确定的研究问题，对入选文献进行分类、分析与总结。分析结果见下一章节。

为了分别回答问题1与问题2，本文需要将入选文献划分为旅游研究和信息科学研究两种视角，分别简称为旅游类研究和信息类研究。而事实上，当两种研究产生交叉与融合，进行上述严格区分是较为困难的。为此，本如下处理：

（1）按照文献来源所属学科范畴进行划分，如来源于Tourism Management及《旅游学刊》的文献则划入旅游类，来源于Expert Systems with Applications及《计算机工程》的文献则划入信息类；

（2）按照期刊载文的学科范畴划分，如《华东经济管理》刊载旅游类文章，则归为旅游类，《北京工商大学学报（自然科学版）》刊载信息技术类文章，则归为信息类；

（3）按照入选文献的具体内容划分，一些综合性期刊无法直接确认属于哪一类，则阅读入选文章原文，如果偏重人文社会学视角，则归入旅游类；如果偏重信息科学及技术视角，则归入信息类。

由此，经管类、电子商务、地理类等期刊归入旅游类中，测绘类期刊归入信息类中；两类分别含有入选文献147篇和98篇。

3 综述结果与分析

3.1问题1：信息科学研究中面向旅游的研究主要有哪些方面？

“面向旅游”并不特指专用于或专门针对旅游的研究，而是指其研究问题由旅游领域而产生，或者旅游是其最为典型的应用。面向旅游的信息科学研究几乎涉及了信息科学研究范畴的各个方面，而许多研究领域更是体现了信息科学领域较新及较前沿的研究方向与热点，如表2所示。面向旅游的信息科学研究中最受关注的研究主题是应用系统、人工智能、地理信息系统、移动应用、推荐系统以及语义网与本体等；而Web服务、虚拟现实、普适计算、计算机仿真也受到了一定程度的关注。下面对表2排序前10的研究主题的进展情况进行详细阐述。

3.1.1

应用系统

应用系统指面向各种终端设备，如电脑、手机、PDA（掌上电脑）、电话等使用者的可用人机交互系统，也包含网站（Web）应用系统。本文为了强调移动应用和推荐系统两类特殊的应用系统，在本类研究主题统计中将其排除，另列类别。应用系统研究占据了面向旅游的信息科学研究的较大比重。一方面是因为信息科学向旅游研究中进行渗透的最初方式正是其在旅游行业中的实际应用；另一方面是人选文献中我国研究占据较大比重且较集中于该类研究。

应用系统的相关研究可分为：①战略设计或实施建议，如航空业信息技术应用战略与战术研究，以及非洲撒哈拉以南地区的旅游组织实施电子商务的建议；②技术架构设计，如基于面向服务的体系架构（service oriented architecture，SOA）的旅游资源信息服务模型研究；③系统设计与开发，如一种智能旅游行程导航系统，以及四川、山西和赣东北等目的地或区域管理信息系统的设计与开发。

3.1.2人工智能

人工智能是面向旅游的信息科学研究较多采用的方法与技术，可将相关研究分成以下几个方面：①推理，即采用人工智能推理技术支撑各种应用系统，如基于贝叶斯网的旅游行程推理；②数据挖掘，如旅游突发事件预测预警、消费者特征分析、基于机器学习的旅游博客观点挖掘以及数据仓库技术在旅游业中的应用；③主体（agent），如主体旅游者进行数据采集、分析并向旅游者进行旅游推荐弛；④评价，如基于神经网络的上海旅游可持续发展能力评价；⑤决策支持，如旅游目的地选择决策支持系统。

3.1.3地理信息系统

旅行活动是一种人地关系，地理信息是设计与开发各种旅游应用系统的重要信息资源，地理信息系统就是为这些应用系统提供地理信息使用接口的重要支撑系统。个性化目的地推荐系统、基于短信服务的餐馆推荐系统、导航系统、位置服务系统、旅游资源监控预警系统以及古建筑信息系统等应用系统都离不开地理信息系统的支撑。上述“应用系统”主题研究中，几乎所有面向目的地与区域的管理信息系统的设计与开发都离不开地理信息系统。有关旅游地理信息系统本身的研究也较为活跃，如雅安市WebGIS（万维网地理信息系统）的实现研究、基于WebGIS的旅游地理信息系统研发以及泰山三维（3D）地理信息系统的研发。

3.1.4移动应用

移动通信技术，特别是移动终端技术的快速发展，使得面向旅游者手持终端（如手机、PDA）的各种移动应用得到了迅猛发展。相比较于传统的计算机应用，移动应用较好体现了旅游以“人为中心”而不是计算机为中心的理念。相关研究主要集中于面向旅游者服务的信息推送与搜索、导航、实时路线及目的地推荐；并向普适计算的方向进行扩展，如手机电子门票、基于全球定位系统的车辆监控与导航以及手机与环境之间的交互游戏等。除了面向旅游者服务外，移动应用研究还包含面向旅游研究者、旅游公共管理与服务部门以及旅游企业的旅游行为数据采集与分析，如可通过基于手机数据的散客流分析，对目的地住宿的可容纳量进行估算。移动应用中与位置信息相关的应用也被称为位置服务，如位置信息服务、导航以及实时路线推荐等。

3.1.5推荐系统

推荐系统是为解决互联网“信息过载”问题而提出的一种个性化服务，帮助用户从大量信息中发现其可能感兴趣的或者满足其需求的资源，如信息、服务以及商品等，并自动生成个性化推荐。目前，推荐系统在旅游中的典型应用为旅游行程规划，可面向旅游电子商务用户，也可面向互联网用户；可规划旅行的时间、地点以及活动等全套行程规划引，也可推荐旅游目的地、餐厅以及住宿等。推荐系统主要采用人工智能、语义网、移动应用、定位与地理信息系统等技术。相关研究还涉及用户个性语义模型、系统架构设计等方面。

3.1.6语义网和本体

语义网（semantic Web）是传统网站的一种扩展。在语义网中，信息具有明确的含义——语义，人类语言与机器语言之间能够相互理解，机器能够自动地处理和集成网上对于人而言可用的信息，使得人与机器之间的交流变得像人与人之间交流一样顺畅。本体（ontology）是用来描述网络文档中术语的明确含义及其之间关系的技术，能够实现语义网信息处理的自动化，提高网站搜索的准确性以及网站服务质量。旅游领域是语义Web与本体研究的问题来源与典型应用对象，如基于语义Web与本体技术的旅游中小企业间信息交换、动态生成客户供给的客户关系管理、旅游网站信息系统、旅游目的地管理系统以及旅行推荐系统。这些系统能够对旅游领域知识进行本体表达，从而集成对于用户有用的或者满足用户需求的语义信息；其中，旅游知识域的本体表达、行程规划的语义信息推理是实现这些系统的关键技术。

3.1.7Web服务

Web服务（Web services）是Web上数据和信息集成的有效机制，是解决Web上各种应用系统高维护与更新代价的最为合理的解决方案。因此，Web服务在旅游中主要用于信息集成、交换以及系统之间的互操作。Web服务技术对于旅游目的地管理而言非常重要，能够实现旅游目的地营销系统与旅游企业之间以及目的地旅游企业之间的异构数据交换、共享以及集成。Web技术还是Web推荐系统的重要技术之一，能够获取推荐系统所需的动态与实时的万维网数据。

3.1.8虚拟现实

虚拟现实技术主要用于旅游目的地、景区、景点的市场营销。国内的相关研究集中于旅游目的地、景区及景点等的虚拟展示，如西安市360度全景虚拟旅游系统、北京妙峰山古建筑群的网络虚拟漫游系统、村镇民俗旅游资源的立体展示。郑鹏等认为这是一种旅游产品的虚拟试用体验。而国外的相关研究则侧重于游客的现场体验，特别针对历史文化遗产与遗迹，如意大利的PEACH（personal experience with active cultural heritage，个性化体验活动的文化遗产）项目针对提升游客在博物馆对于文化遗产的体验以及马来西亚凯利城堡（Kellie’s Castle）的虚拟旅游原型研发。虚拟现实技术在旅游中的应用还包含了旅游开发与遗产保护，如十三陵景区的虚拟复原。

3.1.9普适计算

普适计算模式下人们能够在任何时间、任何地点、以任何方式进行信息的获取与处理。由于移动终端设备及其应用的发展，普适计算在旅游研究中非常活跃，如一种面向移动终端的基于旅游本体的信息广播与推送方法研究，用以解决传统移动终端对于旅游者需要花费昂贵的“漫游”网络连接费用以及需要主动获取信息等问题；一个面向德国雷根斯堡（Regensburg）游客的移动终端游戏的设计与应用，游客可以通过在空中晃动手机来与游戏中的历史人物沟通，该游戏以一种有趣的方式向游客介绍雷根斯堡的历史。普适计算是我国目前形成研究热点的物联网应用的基础理论与技术之一。

3.1.10计算机仿真

计算机仿真技术研究中面向旅游的研究包含基于概率统计方法对上海旅游服务系统顾客满意度进行仿真以及基于系统动力学方法对新度假制度对城郊旅游的影响进行仿真等。

3.2问题2：旅游研究中与信息科学相关的研究主要有哪些方面？

旅游研究中与信息科学方法与技术相关的研究范围较为广泛，表3显示本文入选文献中归入旅游类的研究主题共有43种。其中最受关注的研究主题是电子商务、网站评估以及在线消费者行为。人工智能、移动通信、地理信息系统等信息科学方法与技术在旅游中受到了相应重视。旅游网站空间、系统评价、网络营销、应用系统以及正在大范围普及的Web 2.0互联网应用模式也受到了旅游研究的重视。信息科学领域中的某些前沿研究也在旅游研究中得到了关注，如计算机仿真、推荐系统、Web服务、语义网与本体。

进一步对表3各类主题的文献内容进行剖析与归纳，可以得到以下旅游研究中与信息科学方法与技术相关的6个研究范畴：

3.2.1信息技术对旅游的影响

信息技术对旅游的影响研究主要包含信息技术对旅游产业的影响与信息技术在旅游中的应用影响两个方面。其中，信息技术在旅游中的应用影响又分为现状研究、作用研究、影响因素研究等方面。

信息技术对旅游产业的影响主要体现在其对传统旅游产业价值链的重构上，集中表现于电子商务对旅游产业的影响、新型电子中介（供应商、互联网门户网站、拍卖网站、数字电视、移动商务等）对传统电子中介（计算机订座系统、全球分销系统等）的影响、信息技术对分销渠道的影响。

信息技术在旅游中的应用现状研究主要侧重于旅游企业，如电子商务在北京旅游企业中的应用现状、土耳其旅行社对互联网的使用情况、爱尔兰旅游中小企业和乡村微型住宿业对信息技术使用情况的分析、南非中小旅游企业对于信息技术使用的状况研究。

信息技术对旅游的作用研究既包含旅游企业整体层面，如信息技术对埃及中小接待企业发展的积极作用、知识管理对于澳大利亚旅游业的作用等；又包含旅游企业的某项具体功能，如信息技术应用对于泰国酒店运营效率的作用；还包含旅游资源开发与保护方面，如计算机技术对于泰国古建筑重建的重要作用。

信息技术应用的影响因素研究对于旅游业如何有效应用信息技术而言是非常重要的。相关研究包含：①电子商务的应用影响，如泰国旅游企业应用电子商务的影响因素、酒店业应用电子商务的影响因素②网络营销对旅游企业的影响，如互联网广告对旅行社运营的影响；③旅游企业对技术应用的态度，如希腊旅行社对互联网技术的使用情况与态度；④旅游者对信息技术使用的态度，如游客在度假时是否愿意使用基于技术的信息、影响旅游者使用互联网进行旅游规划的因素。

3.2.2信息技术在旅游中的应用模式

目前，信息技术在旅游中的应用模式研究主要集中于电子商务模式、网络营销以及Web 2.0。电子商务模式的相关研究有区域旅游电子商务开发计划研究、旅游电子商务模式现状与趋势研究、旅游电子商务模式以及运营模式研究等。

网络营销是除了电子商务之外信息技术在旅游中最主要的应用模式。网络营销研究多围绕网站展开，如英国农村接待企业网站营销现状研究、塞尔维亚旅游网站网络促销现状和形式研究、美国旅游官方网站网络营销使用分析、旅游目的地营销组织网站的客户需求研究。此外，在线葡萄酒旅游以及在线客户关系管理都是一种网络营销方式。

随着互联网技术的发展，Web 2.0作为一种新型的互联网应用模式受到了旅游领域的高度关注。相关研究可以分为如下几个方面：①营销，即基于Web 2.0的网络营销方式，这是目前旅游研究领域最为关注的方面，如Web 2.0对克罗地亚旅游产品的营销作用研究、博客对于旅游市场营销的中介作用；②旅游者行为与服务，如Web 2.0下网络旅游消费行为模式及旅游网站应用研究、基于Web 2.0的用户个性化定制研究以及基于人工智能技术的微博“旅游情感”数据挖掘；③网站分类，如Web 2.0旅游网站的分类机制研究。

此外，面向产业价值网络的四川旅游信息资源整合推进模式和机制是一种信息技术在旅游中应用模式的有效探索。

3.2.3信息技术在旅游中的应用评价

网站评价是信息技术应用评价研究中最主要的内容。从评价对象上看，相关研究涉及官方旅游网站、目的地营销组织网站、各国及地区旅游网站；从评价内容上，包含有效性评价、可用性评价、使用分析、功能分析、网站设计、网站旅游本体分析、游客价值以及网站访问者分析等；从评价方法上有调查法、启发式方法、数据包络分析法、内容分析法、网站日志分析法、领域本体分析法等。

随着移动通信技术的发展，移动应用在旅游领域得到了广泛应用，针对移动应用系统的评价研究也受到研究者的关注，如从用户角度对移动应用进行评价、各种移动旅游者指南功能与可用性评价。

3.2.4信息社会视角的旅游研究对象

较传统旅游研究对象，如旅游资源、旅游企业以及旅游者等，信息社会视角的旅游研究对象发生了扩展，如从旅游者的地理时空变化扩展到了在线旅游者行为变化，从旅游资源的空间格局扩展到了旅游网站的网络结构等。

在线旅游者行为研究中最受关注的是消费行为研究，如消费影响因素与满意度、忠诚度与推荐行为、在线分享行为。随着社会网络的形成，在线旅游者的情绪研究得到关注，如通过旅游者在论坛、博客（微博）上的评论分析旅游者情绪，相关方法包含内容分析、统计与语言学分析、人工神经网络方法以及数据挖掘技术等。一项研究还将旅游者的博客进行了计算机可视化，用来辅助其他旅游者的旅行计划。此外，旅游目的地营销组织网站的旅游者在线行为也受到研究者的关注。

目的地地理尺度的旅游网站空间结构也受到研究者的关注，主要包含方法研究与案例研究。方法研究有统计方法以及网络拓扑图方法等；案例包含欧洲、意大利厄尔巴岛]以及河北省等。

旅游虚拟社区是社会信息化背景下形成的新型社区，部分旅游研究者对其给予了关注，如针对具有中国文化背景的芒果社区网（Mango）的综合性研究。

3.2.5社会信息化下的旅游研究方法

社会信息化下的旅游研究方法包含两个方面的含义。

一是指传统旅游研究方法可借助社会信息化背景进行扩展，如网络调查方法扩展了传统现场发放问卷的调查方法；基于射频识别（RFID）与全球定位系统（GPS）技术的追踪系统扩展了传统旅游者游憩行为问卷调查方法，并提高了数据的精度；遥感与地理信息系统（RS&GIS）技术可提高旅游资源监测的准确性等。

二是指旅游研究方法对于信息科学方法与技术的借鉴。人工智能是旅游研究中采用最多的信息科学方法与技术，其在旅游研究中的应用可以分为以下几个方面：①需求预测，如基于人工神经网络的西班牙巴利亚利群岛旅游时间序列预测、遗传算法在旅游需求预测中的应用、模糊时间序列及灰色理论在短时间序列旅游需求预测中的应用以及人工智能方法与其他预测方法的比较；②在线行为分析，如基于机器学习（machine learning）的在线消费者行为数据挖掘；③基于主体（agent）的旅游系统仿真研究，采用人工智能研究领域的重要分支——多主体系统（multi-agent system，MAS）对多层面、多地理尺度旅游系统进行计算机仿真，探索旅游主体之间的相互作用与规律，如基于多主体的旅游空间结构演化研究、旅游者在目的地以及景区范围的动态性研究。

计算机仿真方法与技术在旅游研究中的应用也受到了旅游研究者的关注，具体研究包含以下几个方面：①预测，如旅游收入预测；②旅游经济研究，如区域旅游经济系统动力学分析；③旅游主体行为研究，如上述人工智能研究中基于主体的旅游系统仿真研究。

地理信息系统（GIS）是信息科学与地理科学的交叉研究领域，作为旅游研究的一种研究方法或工具，主要被用于旅游资源评价。

3.2.6旅游领域中的信息科学研究

随着移动终端设备在旅游者中的普及，旅游研究者对移动应用的相关研究给予了较大关注，如上下文适应的移动应用体系框架设计、上下文相关的信息推动服务系统设计以及用于博物馆导游的多媒体技术研究。语义网与本体是信息科学的前沿领域，但由于其对于提升面向旅游者的网络服务质量具有非常重要的作用，也受到了旅游研究者的关注，如用于搜索引擎的旅游域语义表示研究。智能系统作为信息科学的前沿领域，在旅游研究中也受到了关注，除了综述性研究外，还出现了有关智能系统设计方面的研究。

应用系统的规划建议与系统结构设计是旅游研究者较为关注的信息技术研究，如基于知识管理视角的目的地管理系统设计。而其中以我国的相关研究为最多，如赣东北网络旅游信息系统研究、上饶市旅游资源信息系统。

数字旅游是一种典型的旅游与信息技术的综合叉研究主题，在我国旅游研究领域受到了关注，既包含了偏重技术的研究，如数字旅游的体系框架，也包含了围绕数字旅游系统建设的保障体系研究，如相关政策法规方面的研究。

3.3问题3：信息科学与旅游的交叉研究有哪些趋势？

尽管信息科学与旅游的交叉研究在近12年间经历了快速发展，但其仍然属于新兴交叉学科，其发展需要相关学者更为广泛与深入的探索研究。在本节，笔者在对最近12年信息科学与旅游的交叉研究进行系统整理的基础上，通过捕捉旅游类与信息类研究共同关注的研究主题（表4），以及基于笔者对信息科学以及旅游研究趋势的把握，找到信息科学与旅游交叉研究中的研究重点，其反映了两类科学的交叉发展趋势，或者研究者们重新认识某些对该交叉领域的发展来讲非常重要的问题。以下分别对它们进行阐述：

3.3.1人工智能在旅游领域的深入应用

人工智能方法与技术是信息技术发展的高级阶段，研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术，涉及知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面的研究内容。尽管目前人工智能在旅游中的应用以旅游需求预测最为成熟，然而其相关理论、方法与技术并没有在旅游领域中得到充分应用。如何充分利用人工智能方法与技术来有效处理与使用旅游数据、信息与知识，深入挖掘旅游者、旅游公共管理与服务部门以及旅游企业的特征、存在的问题并进行决策支持，是信息科学与旅游科学交叉研究中较为迫切与前沿的问题。

3.3.2基于语义网与本体的旅游推荐系统

语义网与本体研究是信息科学领域的前沿领域，是海量网络信息之间相互理解的基础。互联网的发展使得传统面向旅游者的“线下”服务扩展至“线上”，包含以传统计算机为中心的和以新兴各种移动终端为中心的“线上”服务，“线上”服务质量对于信息时代的旅游者体验是非常重要的。基于语义网与本体技术的旅游推荐系统正是提升网络服务质量的有效方法与工具，如何将语义网、本体技术以及旅游推荐系统进行理论、方法以及应用上的有效集成，使其对旅游者具有实际应用价值，是信息科学与旅游科学交叉研究中的另一个前沿问题。

3.3.3

普适计算与旅游（物联网、移动互联与旅游）

篇9

关键词： 人工智能；研究现状；发展趋势；社会力量

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

中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2013）28-0005-03

0 引言

人工智能是自1956 Dartmouth学会后发展起来的新型学科，其有着涉及学科广、需要技术高端、使用范围广等特点。在过去的50多年时间中人工智能经历了学科发展中都会遇到的发展——否定——否定的否定阶段，现在人工智能大致分成了符号主义学派、行为主义学派、联结主义学派三大学派。其各有优势，独树一帜。一直以来重大前沿科学研究都是以国家牵头，等到时机成熟了再转为民用。这样无形中浪费了很多社会中的人才，比如android智能机的问世，当开发商源代码公布后android智能机获得了飞速的发展。这是社会资源集体作用的结果，人工智能能否通过这种方式获得飞速的发展呢，文中给出了问题的答案。

1 人工智能的现状

1.1 人工智能的发展过程 人工智能是由“人工”与“智能”组成。“人工”十分容易理解，也就是我们常说的人类开发研究出来的事物。“智能”则是十分复杂的一个词汇，是指如由意识（Consciousness）、自我（Self）、思维（Mind）（包括无意识的思维（Unconscious_mind））等等组成的有机集合。通常我们所说的人工智能是指人本身的智能。总体来说人工智能（Artificial Intelligence，AI）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。关于人工智能的传说一直可以追述到埃及，直到电子计算机的问世才使人们真正具备了发展人工智能的基本技术，而直到1956年的Dartmouth学会之后“人工智能”才逐渐地被大家所熟知接受。人工智能作为一门自然科学、社会科学、技术科学交叉的边沿学科，涉及哲学和数学，认知科学，心理学，神经生理学，计算机科学，控制论，不定性论，信息论，社会结构学，仿生学与科学发展观等众多前沿学科。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一[1]。

人工智能在其过去的50多年时间里，有了长足的发展，但并不是十分顺利。目前人们大致将人工智能的发展划分成了五个阶段：

第一阶段：萌芽期（1956年之前）

自古以来，人类一直在寻找能够提高工作效率、减轻工作强度的工具。只是受限于当时的科学技术水平，人们只能制作一些简单的物品来满足自身的需求。而人类的历史上却因此留下了很多脍炙人口的传说。传说可以追溯到古埃及时期，人们制造出了可以自己转动的大门，自动涌出的圣泉。我国最早的记载是在公元前900多年，出现了能歌能舞的机器人。这一时期出现了各种大家：法国十七世纪的物理学家、数学家B.Pascal、德国十八世纪数学家、哲学家Leibnitz以及二十世纪的图灵、冯·诺伊曼等。他们为人工智能的发展做出了十分重要的贡献。

第二阶段：第一次期（1956年-1966年）

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在Dartmouth学会上引发一场历史性事件——人工智能学科的诞生。Dartmouth会议结束后，人工智能进入了一个全新的时代。会议上诞生了几个著名的项目组：Carnegie-RAND协作组、IBM公司工程课题研究组和MIT研究组。在众多科学家的努力下，人工智能取得了喜人的成果：1956年，Newell和Simon等人在定理证明工作中首先取得突破，开启了以计算机程序来模拟人类思维的道路；1960年，McCarthy建立了人工智能程序设计语言LISP。此时出现的大量专家系统直到现在仍然被人使用，人工智能学科在这样的氛围下正在茁壮的成长。

第三阶段：低谷发展期（1967年-八十年代初期）

1967年之后，人工智能在进行进一步的研究发展的时候遇到了很大的阻碍。这一时期没有比上一时期更重要的理论诞生，人们被之前取得的成果冲昏了头脑，低估了人工智能学科的发展难度。一时之间人工智能受到了各种责难，人工智能的发展进入到了瓶颈期。尽管如此，众多的人工智能科学家并没有灰心，在为下一个时期的到来积极的准备着。

第四阶段：第二次期（八十年代中期-九十年代初期）

随着其他学科的发展，第五代计算机的研制成功，人工智能获得了进一步的发展。人工智能开始进入市场，人工智能在市场中的优秀表现使得人们意识到了人工智能的广阔前景。由此人工智能进入到了第二次期，并且进入发展的黄金期。

第五阶段：平稳发展期（九十年代之后）

国际互联网的迅速发展使得人工智能的开发研究由之前的个体人工智能转换为网络环境下的分布式人工智能，之前出现的问题在这一时期得到了极大的解决。Hopfield多层神经网络模型的提出，使人工神经网络研究与应用再度出现了欣欣向荣的景象。人工智能已经渗入到了我们生活的方方面面。

1.2 人工智能的主要学派 人工智能发展的50多年时间里，经历了符号主义学派、行为主义学派和联结主义学派，三大学派各有特点，各自从不同的角度研究人工智能，为人工智能的发展做出了卓越的贡献，在人工智能的发展史上留下了浓重的一笔。

1.2.1 符号主义学派 符号主义学派，又称为逻辑主义、计算机学派或心理学派。符号主义学派理论基础是物理符号系统假设和有限合理性原理，他们认为人类的认知基元是符号，认知的过程是对符号的计算与推理的过程。人与计算机均可以看做物理符号系统，因此人们可以使用计算机来模拟人的行为。符号主义学派认为人的认知基元可以通过计算机上的数学逻辑方法表示，然后通过计算机自身的逻辑运算方法模拟人类所具备的认知系统的机能和功能，进而实现人工智能[2]。

符号主义学派无视了认知基元的本质，对于所有的认知基元均使用数学逻辑方法表示。符号主义学派重点研究认知基元的逻辑表示以及计算机的推理技术，早期的众多人工智能的研究都是在这一思想的推动下进行的。符号主义学派在归结推理、翻译、数学问题证明以及专家系统和知识工程做出了十分巨大的贡献，为后期的人工智能研究打下了基础。专家系统的出现更是将人工智能的研究推上了一个顶峰，其在矿业探究、医疗诊查、教育推广、工业设计的应用带来了巨大的社会效益。

1.2.2 行为主义学派 行为主义又被称作进化主义或控制论学派。行为主义学派认为智能取决于感知和行动，不需要像符号主义学派的逻辑知识以及推理。行为主义学派认为人的本质能力是行为能力、感知能力和维持生命及自我繁殖的能力，智能行为是人与现实世界环境的交互作用体现出来的。人工智能应像人类智能一样通过逐步进化而实现，而与知识的表示和知识的推理无关[3]。行为主义学派的与传统人工智能截然不同的观点吸引了众多的科学家，虽然到现在还没有独立完善的知识理论系统，但其在人工智能领域的独树一帜还是奠定了其霸主地位。该学派重点研究人类的控制行为，目前已有的机器昆虫已经证明了行为主义学派的理论正确性。虽然大部分人认为机器昆虫不能导致高级行为，但是行为主义学派的崛起标志着控制论在人工智能领域有着独树一帜的作用。

1.2.3 联结主义学派 联结主义学派是近年来最热门的一个学派，又被成为仿生学派或心理学派，建立于网络联结基础之上模仿人类大脑的结构和工作模式。联结主义学派主要研究能够进行非程序的，可适应环境变化的，类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。持这种观点的学者认为，认知的基本元素不是符号是神经细胞（神经元），认知过程是大量神经元的联接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。[4]

联结主义学派通过模拟人类神经网络模仿人类的认知行为，由此进行人工智能的学习记忆、模式识别。联结主义学派构建了大量的神经网络模型，方便在不同的情景模式下选择相应的模型，进而快速的得出答案。联结主义学派采用分布式存储数据，对数据进行并行处理，这样使得人工智能在处理问题的时候的速度有了明显的提升，由此联结主义学派在人工智能领域中受到大家的一致热捧。

三大学派在人工智能的发展史上有着举足轻重的作用，每一个学派的兴起都代表人工智能的一个新高峰。三大学派各有优缺点，在人工智能领域三者相辅相成，人工智能学科在三大学派的带领下正在茁壮成长。

2 对人工智能主要理论学派的评述

在过去的50多年时间中，人工智能获得了巨大的发展，基本实现了从无到有的过程，构建了基本完善的理论知识体系，构建了各种模型，形成各种技术方法，但是人工智能的发展依然任重道远，前景依然不容乐观。三大主义学派有着自身独到的优点，同时也有着各自的缺点，符号主义学派将人的认知基元符号用数学逻辑表示，通过计算机逻辑处理系统分析得出结果，但是在面对没有明确结果的非确定问题时经常不能得出令人满意的答案，它对信息要求十分精确完整，现实生活中的很多问题都不能满足条件，因此符号主义学派的发展受到了一定的限制。行为主义学派认为智能取决于感知与行动，但是缺乏足够的理论知识支撑学派观点，而且缺乏足够的成果表明理论的正确性。学派认为人工智能与知识的表达和知识推理无关，与人类认知的发展是不相符的。联结主义学派采用仿生学的方法，模拟人脑的神经网络，通过类似人脑的结构和运行机制模仿人类智能。这一观点十分有吸引力，在提出之后马上就有大量的支持者，但是人脑神经系统的复杂性远远超出人们的预知，现阶段人们对人脑的构造以及运行机制还没有深入的理解，在此基础上想模拟出人脑的神经系统显然是有些不不切实际。联结主义学派的发展更多的受制于对人脑结构和运行机制的研究，因此其发展相对缓慢。综上，三大学派固然有着自身的优势，各自的成果，但是其同样有着明显的局限性，人工智能要想进一步发展必须要对现有的发展方式进行创新。

另一方面，人工智能在经历了两次期后再次回落到了平稳发展时期，社会公众对人工智能的热度有了明显的降温。人工智能的研究再次变成了国家以及一些超级公司的工作，拥有的资源有了大幅度的缩水，研究的进度也受到干扰。在此状态下没有重大的技术创新，人工智能恐怕很难再有重大的突破。

3 对人工智能发展的评述

3.1 对人工智能涵义的认识 同样的词汇在不同时期的有着不同的解释，人工智能也不例外，大家都认可的人工智能是指在人类制造的机器工具上实现人类智能，即实现人类的认知能力、行为能力以及解决问题的能力。人类智能有着一个明确的特点，在面对未知问题时，人类智能能够得出自身想要的答案，也就是消除答案的不确定性。符号主义学派的逻辑解决方式、行为主义学派模拟人的行为能力、联结主义学派的神经网络，三大主义学派各自以自身的方式实现了对问题消除或减弱不确定性。可见减弱甚至消除问题的不确定性也将是人工智能的一个研究方向。

3.2 人工智能研究模式的发展 目前人工智能领域中，符号主义学派通过数学逻辑表示人类的认知基元，对数学逻辑经过解读分析，得到答案，进而实现智能。该学派重点运用还原思想，将人类的认知基元全部使用数学逻辑表示。行为主义学派认为人工智能取决于感知和行动，不需要学习知识与知识推理，是一步步，由低级到高级慢慢进化的。联结主义学派是通过人工神经网络的形式模仿人类智能，理论上讲该方法是最符合人类智能的运行方式的。而在一系统中，最重要的是系统的运行机制，如何将接受到的信息转化为我们的知识并通过表述、行为展示出来，在了解了人类智能的运行机制之后，人工智能将会更加符合人们的需求。

3.3 人工智能研究方法的发展 人工智能的目的是消除答案的不确定性，然后做出相应的反应。在消除答案不确定性的时候便有了各种方法，其中有一种便是突出解决问题的目标，在有明确目标的前提下会削弱干扰问题解决的条件，提高人工智能解决问题的效率。明确问题的目标便需要引入目标函数，在动态目标函数的引导下会减弱答案的不确定性。而在已有的人工智能基础上设立人工智能模型，通过人工智能自身的计算结果结合目前的研究成果去优化目前的人工智能系统，则会提升人工智能的发展速度。

3.4 人工智能时期的发展 人工智能自发展到现在已经经历了五个时期，在两次期中人工智能均获得了迅速的发展。然而现在人工智能的发展步入到了缓慢发展时期，如何将人工智能的发展缓慢时期加速度过同样是十分严肃的问题，传统说来需要重大的科学进步。我们往往认为人工智能属于顶端科技只能由国家和超级公司研究，却忽略了社会所拥有的重大的力量。小小的android智能手机在问世的短短时间内变改变了之前的市场格局，其中固然有着android智能手机的特点，但是我想他的市场策略同样给与了莫大的助力。人工智能应该向android一样，适当的开放出来一部分根基，放开其研究门槛，甚至鼓励民间研究。量变引发质变，当有足够专家在研究人工智能时，人工智能的研究会加快的。而且民间的研究成果也会作为经验反作用于人工智能的进一步研究，实现科学与社会的双赢。

4 结论

人工智能是人们长久以来的梦想，同时也是一门很有挑战性的学科。像所有的学科一样，人工智能会经历各种各样的挫折，但是，只要我们有信心、有毅力，我们相信人工智能终将会成为现实，融入到我们生活的方方面面，为我们的生活带来极大的改变。

参考文献：

[1]朱祝武.人工智能发展综述[J].中国西部科技，2011，10（17）：8-10.

篇10

1 概述

图像识别技术是人工智能研究的一个重要分支，其是以图像为基础，利用计算机对图像进行处理、分析和理解，以识别不同模式的对象的技术。目前图像识别技术的应用十分广泛，在安全领域，有人脸识别，指纹识别等；在军事领域，有地形勘察，飞行物识别等；在交通领域，有交通标志识别、车牌号识别等。图像识别技术的研究是更高级的图像理解、机器人、无人驾驶等技术的重要基础。

传统图像识别技术主要由图像处理、特征提取、分类器设计等步骤构成。通过专家设计、提取出图像特征，对图像M行识别、分类。近年来深度学习的发展，大大提高了图像识别的准确率。深度学习从大量数据中学习知识（特征），自动完成特征提取与分类任务。但是目前的深度学习技术过于依赖大数据，只有在拥有大量标记训练样本的情况下才能够取得较好的识别效果。本文认为研究如何在标记数据有限的情况下继续利用深度学习完成物体识别任务具有重要意义。这也是未来人工智能研究的重要方向之一。

2 传统图像识别技术

传统的图像识别技术包括：图像获取、预处理、特征提取、分类。在图像输入后，需要先对图像进行预处理。一幅标准灰度图像，如果每个像素的像素值用一个字节表示，灰度值级数就等于256级，每个像素可以是0～255之间的任何一个整数值。一幅没有经过压缩处理的640×480分辨率的灰度图像就需要占据300KB的存储空间。通常我们需要将图片的亮度及对比度调整合适，才能使图片更加清晰、便于观察。

许多采集到的图片带有或多或少的噪声，需要对图片的噪声进行消除。对图片噪声的消除可以使用不同的去噪方法，如中值滤波、算数平均滤波、平滑线性滤波和高斯滤波等。不同滤波器分别适用于不同情况的噪声。如椒盐噪声便适合使用中值滤波器，高斯噪声便适合使用平滑线性滤波和高斯滤波。有时候，我们需要对图像细化处理（如指纹细化，字符细化等），以便获取主要信息，减少无关信息。细化操作，可以得到由单像素点组成的图像轮廓，便于后续特征提取操作。

基本的图像特征提取包括边缘、角点等提取。一般使用不同的特征提取算子结合相应的阈值得到这些关键点。另一类在频域中进行特征提取的方法主要是通过傅里叶变换，将图像基于频率分为不同的部分，从而可以在频谱中反映出原始图像的灰度级变化，便可得到图像的轮廓、边缘。

在完成图像的预处理和特征提取之后，我们便能够对图像进行识别、分类。常用的分类器有K-近邻（KNN），支持向量机（SVM），人工神经网络（ANN）等等。K-近邻算法原理是，当一个样本的k个最相邻的样本中大部分属于某一类别时，该样本也应当属于同一类别。支持向量机是通过寻找支持向量，在特征空间确定最优分类超平面，将两类样本分开。人工神经网络模仿生物大脑中的神经网络结构，通过误差反向传播不断优化参数，从而得到较好的分类效果。

3 基于深度学习的图像识别技术

一般认为深度学习技术是由Hinton及其学生于2006年提出的，其属于人工神经网络分支。深度神经网络模仿人脑的神经机制来分析样本，并尽可能地对样本的特征进行更深度的学习。以图片为例，利用深度学习技术对样本的特征进行学习时，由低层特征到高层特征越来越抽象，越来越能表达语义概念。当样本输入后，首先对图像进行卷积与下采样操作，卷积和下采样操作是为了进行特征提取和选择。以原始像素作为输入，深度学习技术可以自动学习得到较好的特征提取器（卷积参数）。深度学习的训练过程，首先将当前层的输出作为下一层的输入，进行逐层分析，使得每一层的输入与输出差别尽可能小。其后，再联合优化，即同时优化所有层，目标是分类误差最小化。

传统的深度神经网络往往网络中的节点数太过庞大，难以训练。人们构造出卷积神经网络，以权值共享的方式减少了节点数量，从而能够加深学习的深度，使系统能学习到更抽象、更深层的特征，从而提高识别正确率。目前较成功的深度学习网络结构有AlexNet、GoogLeNet、ResNet等。

与传统识别技术相比，深度学习技术具有以下优势：

（1）无需人工设计特征，系统可以自行学习归纳出特征。

（2）识别准确度高，深度学习在图像识别方面的错误率已经低于人类平均水平，在可预见的将来，计算机将大量代替人力进行与图像识别技术有关的活动。

（3）使用简单，易于工业化，深度学习由于不需要领域的专家知识，能够快速实现并商业化，国内较知名的深度学习创业公司有专注人脸识别的Face++、研究无人车的驭势科技等。

4 存在问题与未来展望

虽然深度学习具备诸多优点，但目前来看深度学习仍有许多不足之处。首先，由于深度学习模型为非凸函数，对其的理论研究十分困难，缺乏理论保证。在对数据进行调整时，仍是简单的“试错”，缺少理论支撑。

同时，由于深度学习过于依赖数据量和计算资源。对一个新概念的学习，往往需要数百个甚至更多有标记的样本。当遇到有标记的样本难以获取或者代价太大时，深度学习就无法取得好的学习效果。并且深度学习需要十分昂贵的高性能GPU，这使得深度学习难以平民化。目前深度学习训练速度较慢，往往需要几天甚至一个月。其模型扩展性差，缺少“举一反三”的能力，样本稍加变化，系统性能便会迅速下降。目前的深度学习属于静态过程，与环境缺乏交互。

对其的解决方案目前主要有两点：

（1）针对于模型扩展性差的问题，通过引入迁移学习，研究不同任务或数据之间的知识迁移，提高模型的扩展能力、学习速度，同时降低学习成本，便于冷启动。

（2）与强化学习结合，研究在动态环境下进行深度学习，提高深度学习与环境交互的能力。

参考文献

[1]蒋树强，闵巍庆，王树徽.面向智能交互的图像识别技术综述与展望[J].计算机研究与发展，2016：113-122.

[2]张翠平，苏光大.人脸识别技术综述[J].中国图象图形学报，2000：885-894.

[3]梅园，赵波，朱之丹.基于直线曲线混合Gabor滤波器的指纹增强算法[J].计算机科学，2016.

[4]孙志军，薛磊，许阳明，王正.深度学习研究综述[J].计算机应用研究，2012：2806-2810.

[5]庄福振，罗平，何清，史忠植.迁移学习研究进展[J].软件学报，2015：26-39.