《新一代信息技術(shù)講堂》課件-項(xiàng)目3 人工智能技術(shù)P67

項(xiàng)目三

人工智能技術(shù)

新一代信息技術(shù)講堂目錄

/CONTENTS01項(xiàng)目背景02思維導(dǎo)圖03項(xiàng)目相關(guān)知識(shí)0405項(xiàng)目小結(jié)與展望項(xiàng)目任務(wù)01項(xiàng)目背景新一代信息技術(shù)講堂項(xiàng)目背景應(yīng)用案例：北京冬奧會(huì)上的人工智能應(yīng)用項(xiàng)目背景

在2022年2月北京冬奧會(huì)中，AI智慧餐廳、L4級(jí)無人駕駛車、AI裁判、AI手語主播等人工智能應(yīng)用集體亮相(如圖3-1所示)，讓觀眾在欣賞各項(xiàng)精彩冰雪賽事的同時(shí)，深深體會(huì)到了人工智能(ArtificialIntelligence，AI)技術(shù)的科技魅力，不少人甚至發(fā)出了“北京冬奧就是人工智能奧運(yùn)”的感慨。

事實(shí)上，人工智能技術(shù)早已深深地融入我們的生活之中，有些我們已深有體會(huì)，而還有不少我們經(jīng)常使用卻未能察覺。作為我們學(xué)習(xí)和生活的標(biāo)配，智能手機(jī)就是AI科技的結(jié)晶，其裝載的人工智能應(yīng)用大家也已耳熟能詳，例如指紋解鎖、人臉開屏、語音輸入、手寫輸入、健康助手等。項(xiàng)目背景

語音輸入、手寫輸入需要識(shí)別的是你說的內(nèi)容或手寫的內(nèi)容，而不是你的個(gè)人身份。因此，語音輸入、手寫輸入等人工智能應(yīng)用希望所有人都方便使用，考慮的是應(yīng)用的共性問題，而刷指紋和刷臉要求你的機(jī)器只能你一個(gè)人使用，考慮的是個(gè)性問題?？偨Y(jié)起來就是，語音輸入、手寫輸入等人工智能應(yīng)用追求共性求同、個(gè)性存異。

在人工智能技術(shù)被稱為世界第四次工業(yè)革命的當(dāng)今社會(huì)，人工智能技術(shù)已經(jīng)成為當(dāng)今世界各國(guó)一爭(zhēng)高下的戰(zhàn)場(chǎng)，而人工智能的基礎(chǔ)知識(shí)已成為新時(shí)代建設(shè)者們必備的素養(yǎng)之一。本項(xiàng)目主要講解人工智能的基礎(chǔ)知識(shí)和技術(shù)。02思維導(dǎo)圖思維導(dǎo)圖03項(xiàng)目相關(guān)知識(shí)新一代信息技術(shù)講堂3.1人工智能的概念

從科學(xué)體系上來講，人工智能是一門典型的交叉性學(xué)科，涉及計(jì)算機(jī)科學(xué)、數(shù)學(xué)、認(rèn)知科學(xué)、哲學(xué)、心理學(xué)、信息論、控制論、社會(huì)結(jié)構(gòu)學(xué)等眾多學(xué)科的知識(shí)。關(guān)于人工智能，有一個(gè)比較寬泛的定義：“人工智能就是機(jī)器展現(xiàn)出來的智能，所以只要機(jī)器有智能的特征和表現(xiàn)就應(yīng)該將其視為人工智能?！卑俣劝倏苿t傾向于從學(xué)科角度給出其定義：“人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)和應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)”。

本書采用我國(guó)《人工智能標(biāo)準(zhǔn)化白皮書(2018年)》給出的定義：“人工智能是利用數(shù)字計(jì)算機(jī)或者由數(shù)字計(jì)算機(jī)控制的機(jī)器，模擬、延伸和擴(kuò)展人類的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)和應(yīng)用系統(tǒng)。”3.2人工智能的起源與發(fā)展1)第一次繁榮(1956—1974年)

1956年，在美國(guó)召開的達(dá)特茅斯(Dartmouth)會(huì)議上，“人工智能(ArtificialIntelligence)”這個(gè)概念被正式使用。

1959年，喬治·德沃爾(GeorgeDevol)和約瑟夫·恩格爾柏格(JosephF.Engelberger)發(fā)明了世界上第一臺(tái)工業(yè)機(jī)器人尤尼梅特(Unimate)。1967年，日本早稻田大學(xué)開啟了WABOT項(xiàng)目，并于1972年完成了WABOT-1，這是世界上第一個(gè)全尺寸人形智能機(jī)器人。1959年，計(jì)算機(jī)游戲先驅(qū)亞瑟·塞繆爾(ArthurSamuel)在IBM的首臺(tái)商用計(jì)算機(jī)IBM701上編寫了西洋跳棋程序，這個(gè)程序順利戰(zhàn)勝了當(dāng)時(shí)的西洋棋大師羅伯特·尼賴(RobertNilai)。這個(gè)階段也誕生了世界上第一個(gè)聊天程序ELIZA，它由麻省理工學(xué)院的人工智能學(xué)院在1964—1966年期間編寫而成，能夠根據(jù)設(shè)定的規(guī)則，根據(jù)用戶的提問進(jìn)行模式匹配，然后從預(yù)先編寫好的答案庫中選擇合適的回答。2)第一次“寒冬”(1974—1980年)

1973年，針對(duì)當(dāng)時(shí)的機(jī)器人技術(shù)、語言處理技術(shù)和圖像識(shí)別技術(shù)存在的缺陷，著名數(shù)學(xué)家拉特希爾(Rathill)向英國(guó)政府提交了一份關(guān)于人工智能研究現(xiàn)狀的研究報(bào)告，直言當(dāng)時(shí)人工智能的目標(biāo)根本無法實(shí)現(xiàn)，研究已經(jīng)完全失敗。后來，科學(xué)界對(duì)人工智能的現(xiàn)狀和發(fā)展情況進(jìn)行了一輪深入的探討，對(duì)人工智能的實(shí)際價(jià)值提出了質(zhì)疑。鑒于此，各國(guó)政府和機(jī)構(gòu)也停止或減少了資金投入，人工智能在20世紀(jì)70年代中期陷入了第一次“寒冬”。

這次“寒冬”不是偶然的，在人工智能的黃金時(shí)代，雖然創(chuàng)造了各種軟件程序或硬件器人，但它們看起來都只是“玩具”或是實(shí)驗(yàn)室的成果，要將人工智能成果轉(zhuǎn)化為實(shí)用的工業(yè)產(chǎn)品，科學(xué)家們遇到了許多很難戰(zhàn)勝的挑戰(zhàn)，其中最大的挑戰(zhàn)是算力和數(shù)據(jù)。

讓科學(xué)家們最頭痛的就是很多人工智能理論上的難題可以解決，看上去只是少量的規(guī)則和幾個(gè)很少的棋子，但帶來的計(jì)算量增加卻是驚人的增長(zhǎng)，實(shí)際上根本無法解決。

人工智能還需要大量的人類經(jīng)驗(yàn)和真實(shí)世界的數(shù)據(jù)才能進(jìn)行機(jī)器學(xué)習(xí)，形成“智能”，而當(dāng)時(shí)計(jì)算機(jī)和互聯(lián)網(wǎng)都沒有普及，不可能獲取如此龐大的數(shù)據(jù)。3.2人工智能的起源與發(fā)展3.2人工智能的起源與發(fā)展3)重振旗鼓階段(1980—1987年)

到了20世紀(jì)80年代，電子計(jì)算機(jī)的性能與10年前已不可同日而語，在這樣的前提下社會(huì)與各機(jī)構(gòu)對(duì)人工智能又重新燃起了希望，專家系統(tǒng)和日本的第五代計(jì)算機(jī)推動(dòng)了20世紀(jì)80年代人工智能的發(fā)展。(1)專家系統(tǒng)。這一時(shí)期，專家系統(tǒng)開始在特定領(lǐng)域發(fā)揮威力，帶動(dòng)整個(gè)人工智能技術(shù)進(jìn)入了一個(gè)繁榮階段。(2)日本的第五代計(jì)算機(jī)系統(tǒng)研究計(jì)劃。計(jì)算機(jī)技術(shù)和人工智能技術(shù)的快速發(fā)展點(diǎn)燃了日本政府的熱情，1982年4月日本制訂了為期十年的“計(jì)算機(jī)系統(tǒng)研究計(jì)劃”，創(chuàng)造具有劃時(shí)代意義的超級(jí)人工智能計(jì)算機(jī)。第五代計(jì)算機(jī)計(jì)劃極大地推進(jìn)了日本工業(yè)信息化進(jìn)程，加速了日本工業(yè)的快速崛起；另一方面，這開創(chuàng)了并行計(jì)算的先河，至今我們使用的多核處理器和神經(jīng)網(wǎng)絡(luò)芯片都受到了這個(gè)計(jì)劃的啟發(fā)。3.2人工智能的起源與發(fā)展4)第二次“寒冬”(1987—1993年)

到了20世紀(jì)80年代，電子計(jì)算機(jī)的性能與10年前已不可同日而語，在這樣的前提下社會(huì)與各機(jī)構(gòu)對(duì)人工智能又重新燃起了希望，專家系統(tǒng)和日本的第五代計(jì)算機(jī)推動(dòng)了20世紀(jì)80年代人工智能的發(fā)展。(1)專家系統(tǒng)。這一時(shí)期，專家系統(tǒng)開始在特定領(lǐng)域發(fā)揮威力，帶動(dòng)整個(gè)人工智能技術(shù)進(jìn)入了一個(gè)繁榮階段。(2)日本的第五代計(jì)算機(jī)系統(tǒng)研究計(jì)劃。計(jì)算機(jī)技術(shù)和人工智能技術(shù)的快速發(fā)展點(diǎn)燃了日本政府的熱情，1982年4月日本制訂了為期十年的“計(jì)算機(jī)系統(tǒng)研究計(jì)劃”，創(chuàng)造具有劃時(shí)代意義的超級(jí)人工智能計(jì)算機(jī)。第五代計(jì)算機(jī)計(jì)劃極大地推進(jìn)了日本工業(yè)信息化進(jìn)程，加速了日本工業(yè)的快速崛起；另一方面，這開創(chuàng)了并行計(jì)算的先河，至今我們使用的多核處理器和神經(jīng)網(wǎng)絡(luò)芯片都受到了這個(gè)計(jì)劃的啟發(fā)。3.2人工智能的起源與發(fā)展5)穩(wěn)健時(shí)代（1993-2011年）

穩(wěn)健發(fā)展期的人工智能里程碑事件：1995年，理查德·華萊士開發(fā)了新聊天機(jī)器人程序Alice，能利用互聯(lián)網(wǎng)不斷增加自身數(shù)據(jù)集，優(yōu)化內(nèi)容；1997年，兩位德國(guó)科學(xué)霍克賴特和施米德赫伯提出了手寫識(shí)別和語音識(shí)別的遞歸神經(jīng)網(wǎng)絡(luò)；2002年，美國(guó)機(jī)器人技術(shù)公司iRobot推出了Roomba掃地機(jī)器人；2004年，美國(guó)神經(jīng)科學(xué)家杰夫·霍金斯出版《人工智能的未來》，深入討論了全新的大腦記憶預(yù)測(cè)理論；2007年，華裔科學(xué)家李飛飛，發(fā)起創(chuàng)建了ImageNet項(xiàng)目，向人工智能上傳圖像并標(biāo)注圖像內(nèi)容；2009年，華裔科學(xué)家吳恩達(dá)及其團(tuán)隊(duì)嘗試使用GPU讓人工智能程序完全自主地識(shí)別圖形中的內(nèi)容；2009年，谷歌開發(fā)第一款無人駕駛汽車，至2014年，成為第一個(gè)通過美國(guó)內(nèi)華達(dá)州自駕車測(cè)試公司。1997年5月，超級(jí)計(jì)算機(jī)“深藍(lán)”以3.5:2.5擊敗國(guó)際象棋世界冠軍卡斯巴羅夫，，成為首個(gè)在標(biāo)準(zhǔn)比賽時(shí)間內(nèi)擊敗國(guó)際象棋世界冠軍的計(jì)算機(jī)系統(tǒng)。人工智能在某個(gè)領(lǐng)域正式超越人類的消息廣為傳播，引起了世界的轟動(dòng)。3.2人工智能的起源與發(fā)展6)大數(shù)據(jù)驅(qū)動(dòng)發(fā)展期（2011年--至今）

2012年，辛頓實(shí)驗(yàn)室的一名學(xué)生使用CUDA實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)的AlexNet模型，其實(shí)驗(yàn)效果驚艷了整個(gè)學(xué)術(shù)界，開啟了以深度學(xué)習(xí)為核心技術(shù)、以大數(shù)據(jù)為學(xué)習(xí)對(duì)象、以高性能計(jì)算設(shè)備為載體的人工智能研究和應(yīng)用的爆發(fā)式發(fā)展時(shí)期。3.2人工智能的起源與發(fā)展3.中國(guó)人工智能的發(fā)展

中國(guó)的人工智能研究起步較晚。1978年3月，全國(guó)科學(xué)大會(huì)在北京召開，大會(huì)提出“向科學(xué)技術(shù)現(xiàn)代化進(jìn)軍”的戰(zhàn)略決策，“智能模擬”納入國(guó)家研究計(jì)劃。

20世紀(jì)80年代初期，錢學(xué)森等主張開展人工智能研究，中國(guó)的人工智能研究進(jìn)一步活躍起。1981年9月，中國(guó)人工智能學(xué)會(huì)（CAAI）在長(zhǎng)沙成立，秦元?jiǎng)桩?dāng)選第一任理事長(zhǎng)，圈內(nèi)開始正視人工智能。1982年，中國(guó)人工智能學(xué)會(huì)刊物《人工智能學(xué)報(bào)》在長(zhǎng)沙創(chuàng)刊，成為國(guó)內(nèi)首份人工智能學(xué)術(shù)刊物。2014年和2015年，國(guó)家領(lǐng)導(dǎo)人開始把人工智能的發(fā)展在講話或者報(bào)告中提出。2015年7月，在北京召開了“2015中國(guó)人工智能大會(huì)”，發(fā)表了《中國(guó)人工智能白皮書》，包括“中國(guó)智能機(jī)器人白皮書”、“中國(guó)自然語言理解白皮書”、“中國(guó)模式識(shí)別白皮書”、“中國(guó)智能駕駛白皮書”和“中國(guó)機(jī)器學(xué)習(xí)白皮書”，為中國(guó)人工智能相關(guān)行業(yè)的科技發(fā)展描繪一個(gè)輪廓，也給產(chǎn)業(yè)界指引出一個(gè)發(fā)展方向。2016年4月，印發(fā)了《機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃（2016-2020年）》，為“十三五”期間中國(guó)機(jī)器人產(chǎn)業(yè)發(fā)展描繪了清晰的藍(lán)圖。2017年7月，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，明確將人工智能作為未來國(guó)家重要的發(fā)展戰(zhàn)略。3.3人工智能基礎(chǔ)知識(shí)人工智能的三種形態(tài)根據(jù)智能水平的高低，產(chǎn)業(yè)界將人工智能分為三種形態(tài)（也稱為人工智能的三個(gè)階段，圖3-5）：弱人工智能、強(qiáng)人工智能和超人工智能。目前，弱人工智能技術(shù)已經(jīng)相對(duì)成熟并成功應(yīng)用在很多行業(yè)中，而強(qiáng)人工智能仍處于實(shí)驗(yàn)室研究階段。圖3-5人工智能發(fā)展水平的三種形態(tài)3.3人工智能基礎(chǔ)知識(shí)人工智能技術(shù)四要素一般認(rèn)為，人工智能技術(shù)有四個(gè)要素：數(shù)據(jù)、算法、算力和場(chǎng)景目標(biāo)。四者相互關(guān)聯(lián)、缺一不可，在人工智能應(yīng)用中需要結(jié)合在一起通盤考慮。當(dāng)前主流的人工智能技術(shù)：基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)（MachineLearning，ML）、人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeutralNetwork，ANN）、深度學(xué)習(xí)（DeepLearning，DL）和強(qiáng)化學(xué)習(xí)（ReinforcementLearning，RL）。圖3-5AI技術(shù)四要素：數(shù)據(jù)、算法、算例和場(chǎng)景目標(biāo)圖3-6人工智能通用性技術(shù)體系3.3人工智能基礎(chǔ)知識(shí)人工智能技術(shù)體系人工智能的技術(shù)體系分為三個(gè)層次：基礎(chǔ)層、技術(shù)層和應(yīng)用層。人工智能的基礎(chǔ)層包括算力設(shè)施、框架與平臺(tái)和傳感器。技術(shù)層主要是人工智能的技術(shù)和算法，既包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、模式識(shí)別等通用性技術(shù)，也包括計(jì)算智能、感知智能和認(rèn)知智能等專項(xiàng)領(lǐng)域技術(shù)。應(yīng)用層包括應(yīng)用服務(wù)和終端設(shè)備，主要面向應(yīng)用場(chǎng)景，向不同行業(yè)提供定制的解決方案，向用戶提供個(gè)性化的智能應(yīng)用服務(wù)。圖3-7人工智能的技術(shù)體系3.4人工智能通用性技術(shù)自人工智能概念正式提出以來，涌現(xiàn)出了種類眾多的機(jī)器學(xué)習(xí)算法，根據(jù)強(qiáng)調(diào)側(cè)面的不同可以有多種學(xué)習(xí)方法（圖4-9）。根據(jù)機(jī)器學(xué)習(xí)策略的不同，人工智能技術(shù)可以分為模擬人腦的機(jī)器學(xué)習(xí)方法（如神經(jīng)網(wǎng)絡(luò)、符號(hào)推理）和基于數(shù)學(xué)的機(jī)器學(xué)習(xí)方法（主要是基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)）。根據(jù)學(xué)習(xí)方式的不同，可以分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。有監(jiān)督學(xué)習(xí)相當(dāng)于既知道練習(xí)題的內(nèi)容也知道其答案，通過反復(fù)練習(xí)和對(duì)比答案就可以形成正確的解題模式，根據(jù)模型就可以完成考題。常見的有監(jiān)督學(xué)習(xí)方法有回歸和分類。而無監(jiān)督學(xué)習(xí)則相當(dāng)于開放式題目，機(jī)器學(xué)習(xí)過程中需要自行探索數(shù)據(jù)的特點(diǎn)，從而建立能夠處理數(shù)據(jù)的模型。常見的無監(jiān)督學(xué)習(xí)算法是聚類，常用于數(shù)據(jù)的預(yù)處理、提高有監(jiān)督學(xué)習(xí)的數(shù)據(jù)質(zhì)量。3.4人工智通用性技術(shù)機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)就是讓計(jì)算機(jī)具有學(xué)習(xí)的能力，從而使得計(jì)算機(jī)能夠模擬人的行為。在實(shí)際應(yīng)用中，機(jī)器學(xué)習(xí)可以理解為一種數(shù)據(jù)科學(xué)技術(shù)，通過算法幫助計(jì)算機(jī)從現(xiàn)有的數(shù)據(jù)中學(xué)習(xí)、獲得規(guī)則，從而預(yù)測(cè)未來的行為、結(jié)果和趨勢(shì)。機(jī)器學(xué)習(xí)的特點(diǎn)是只能解決存在過的、能夠提供經(jīng)驗(yàn)數(shù)據(jù)的場(chǎng)景，而不能解決未遇見過的問題或場(chǎng)景，所以屬于弱人工智能范疇。圖3-9機(jī)器學(xué)習(xí)的邏輯模型3.4人工智通用性技術(shù)機(jī)器學(xué)習(xí)的基本原理機(jī)器學(xué)習(xí)一般包括三個(gè)步驟：一是收集歷史數(shù)據(jù)，二是通過算法學(xué)習(xí)獲得分布模式，三是應(yīng)用模型處理新數(shù)據(jù)從而預(yù)測(cè)未來。其中，步驟二是機(jī)器學(xué)習(xí)研究的重點(diǎn)，學(xué)習(xí)的過程就是根據(jù)數(shù)據(jù)確定模型參數(shù)的過程。因此，機(jī)器“學(xué)習(xí)”的過程可以簡(jiǎn)化為尋找一個(gè)函數(shù)的過程，學(xué)習(xí)的結(jié)果也就是一個(gè)確定了參數(shù)的數(shù)學(xué)函數(shù)。圖3-9機(jī)器學(xué)習(xí)的學(xué)習(xí)過程示意圖3.4人工智通用性技術(shù)機(jī)器學(xué)習(xí)的主要算法機(jī)器學(xué)習(xí)算法眾多，不同視角有不同的分類方式，主要介紹學(xué)習(xí)任務(wù)和學(xué)習(xí)方式兩種視角。根據(jù)學(xué)習(xí)任務(wù)的不同，可以把人工智能算法分為分類、聚類、回歸以及降維四種類別。其中，降維是數(shù)據(jù)預(yù)處理的一種方法，其作用是降低計(jì)算量，服務(wù)于回歸、聚類和分類三種任務(wù)。根據(jù)學(xué)習(xí)方式的不同，機(jī)器學(xué)習(xí)算法可以分為有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。表4-1列舉了不同分類下常見的人工智能算法。3.4人工智通用性技術(shù)機(jī)器學(xué)習(xí)的開發(fā)平臺(tái)根據(jù)應(yīng)用目的的不同，機(jī)器學(xué)習(xí)開發(fā)平臺(tái)可以分為科研開發(fā)平臺(tái)和生產(chǎn)環(huán)境開發(fā)平臺(tái)，前者用于學(xué)習(xí)和實(shí)驗(yàn)室研究工作，后者用于產(chǎn)品開發(fā)。(1)機(jī)器學(xué)習(xí)的科研開發(fā)平臺(tái)。①基于scikit-learn的Python開發(fā)平臺(tái)，主要采用scikit-learn、numpy、scipy、pandas、Matplotlib等Python開發(fā)工具，是主流的學(xué)習(xí)平臺(tái)。②基于SparkMlib的開發(fā)平臺(tái)。該平臺(tái)的優(yōu)點(diǎn)是可為科研開發(fā)平臺(tái)和生產(chǎn)環(huán)境平臺(tái)提供無縫切換，缺點(diǎn)是類庫少、對(duì)開發(fā)環(huán)境要求高，因此不是開展機(jī)器學(xué)習(xí)的合適選擇。③基于R語言的機(jī)器學(xué)習(xí)，使用RStudio作為開發(fā)環(huán)境。R語言歷史較久但語言較為封閉，開發(fā)社區(qū)沒有Python活躍。④基于Matlab的機(jī)器學(xué)習(xí)平臺(tái)。不如Python開放，但Matlab也提供了大量機(jī)器學(xué)習(xí)算法，常見的如PCA、SVM、決策樹、集成學(xué)習(xí)等，常用于實(shí)驗(yàn)室研究。(2)機(jī)器學(xué)習(xí)的生產(chǎn)環(huán)境開發(fā)平臺(tái)。該平臺(tái)主要是SparkMlib，常與分布式數(shù)據(jù)處理容器(YARN)、流處理平臺(tái)Kafka集成在一起組成大數(shù)據(jù)處理與分析平臺(tái)。3.4人工智通用性技術(shù)人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的計(jì)算網(wǎng)絡(luò)，因而生物神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的技術(shù)原型。人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)的信息處理系統(tǒng)，其處理單元為依據(jù)生物神經(jīng)元的原理構(gòu)造的人工神經(jīng)元，人工神經(jīng)元之間按照一定結(jié)構(gòu)相互連接形成人工神經(jīng)網(wǎng)絡(luò)模型。人工神經(jīng)元(又稱感知器)的結(jié)構(gòu)如下圖，其工作過程分為三個(gè)數(shù)學(xué)過程：對(duì)輸入信號(hào)進(jìn)行線性加權(quán)，加權(quán)后求和，以及采用一定閾值實(shí)現(xiàn)輸出信號(hào)的激活。由于輸出信號(hào)采用了閾值激活函數(shù)，因此人工神經(jīng)元實(shí)現(xiàn)了非線性信號(hào)處理。圖3-10人工神經(jīng)元的結(jié)構(gòu)3.4人工智通用性技術(shù)人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)元模擬了生物神經(jīng)元的結(jié)構(gòu)和工作機(jī)制，而神經(jīng)網(wǎng)絡(luò)通過神經(jīng)元之間的互聯(lián)模擬了生物大腦。由于神經(jīng)元又名感知器，所以神經(jīng)網(wǎng)絡(luò)也常被稱為感知器網(wǎng)絡(luò)。典型的神經(jīng)網(wǎng)絡(luò)由一個(gè)輸入層、至少一個(gè)隱含層和一個(gè)輸出層組成，如圖3-15所示。圖中的圓圈代表人工神經(jīng)元，每層網(wǎng)絡(luò)由多個(gè)神經(jīng)元構(gòu)成，層與層之間一般采用全連接，神經(jīng)元之間的連接強(qiáng)度W表示神經(jīng)元之間聯(lián)系的緊密程度。人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是根據(jù)輸入數(shù)據(jù)調(diào)整網(wǎng)絡(luò)中的連接系數(shù)和閾值函數(shù)的參數(shù)，使得網(wǎng)絡(luò)的輸出結(jié)果與預(yù)期結(jié)果趨于一致的過程。圖3-11神經(jīng)網(wǎng)絡(luò)模型3.4人工智通用性技術(shù)深度學(xué)習(xí)深度學(xué)習(xí)是一類模式分析方法的統(tǒng)稱。從技術(shù)體系來說，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一個(gè)研究分支，是神經(jīng)元層數(shù)較多的人工神經(jīng)網(wǎng)絡(luò)，因此深度學(xué)習(xí)網(wǎng)絡(luò)也被稱為深度神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，含多個(gè)隱藏層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。研究深度學(xué)習(xí)的動(dòng)機(jī)在于建立模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，如圖像、聲音和文本等。一般來說，目前人工智能性能最好的研究和應(yīng)用幾乎大部分采用了深度學(xué)習(xí)技術(shù)。深度學(xué)習(xí)的典型應(yīng)用領(lǐng)域包括計(jì)算機(jī)視覺、自然語言處理、語音信號(hào)處理、無人駕駛、數(shù)據(jù)挖掘等，具體應(yīng)用包括無人駕駛汽車、自主無人機(jī)、OCR、實(shí)時(shí)翻譯、基于語音/手勢(shì)/腦電波的人機(jī)交互、氣候監(jiān)測(cè)等。主要涉及卷積神經(jīng)網(wǎng)絡(luò)、基于多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)和深度置信網(wǎng)絡(luò)三類方法：(1)卷積神經(jīng)網(wǎng)絡(luò)：一種專門用來處理具有類似網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)(如時(shí)間序列數(shù)據(jù)、圖像數(shù)據(jù))的人工神經(jīng)網(wǎng)絡(luò)。卷積運(yùn)算是一種特殊的線性運(yùn)算。與采用矩陣乘法的網(wǎng)絡(luò)相比，卷積神經(jīng)網(wǎng)絡(luò)至少在網(wǎng)絡(luò)的一層或多層采用了卷積運(yùn)算。(2)基于多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)：自編碼器是人工神經(jīng)網(wǎng)絡(luò)的一種，經(jīng)過訓(xùn)練后能嘗試將數(shù)據(jù)從輸入端復(fù)制到輸出端。自編碼器內(nèi)部有一個(gè)隱藏層，能夠產(chǎn)生編碼表示輸入。(3)深度置信網(wǎng)絡(luò)：基于生物神經(jīng)網(wǎng)絡(luò)以及人工神經(jīng)網(wǎng)絡(luò)發(fā)展而來的一種概率統(tǒng)計(jì)模型。3.4人工智通用性技術(shù)深度學(xué)習(xí)技術(shù)的開發(fā)平臺(tái)(1)深度學(xué)習(xí)框架TensorFlow(含Keras)。TensorFlow是一個(gè)端到端的開源機(jī)器學(xué)習(xí)平臺(tái)，是深度學(xué)習(xí)領(lǐng)域最受歡迎的框架之一。它擁有一個(gè)全面而靈活的生態(tài)系統(tǒng)，其中包含各種工具、庫和社區(qū)資源，可助力研究人員推動(dòng)先進(jìn)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，并使開發(fā)者能夠輕松地構(gòu)建和部署由機(jī)器學(xué)習(xí)提供支持的應(yīng)用。(2)深度學(xué)習(xí)框架PyTorch，PyTorch是一個(gè)基于Torch的Python開源機(jī)器學(xué)習(xí)庫，是深度學(xué)習(xí)領(lǐng)域最受歡迎的框架之一。它用于自然語言處理等應(yīng)用程序，不僅能夠?qū)崿F(xiàn)強(qiáng)大的GPU加速，同時(shí)還支持動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，這是現(xiàn)在很多主流框架如TensorFlow都不支持的。PyTorch提供了兩個(gè)高級(jí)功能：強(qiáng)大的GPU加速的張量計(jì)算(類似Numpy)、構(gòu)建基于Tape自動(dòng)升級(jí)系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。(3)深度學(xué)習(xí)開發(fā)平臺(tái)飛槳(PaddlePaddle)。飛槳以百度多年的深度學(xué)習(xí)技術(shù)研究和業(yè)務(wù)應(yīng)用為基礎(chǔ)，集深度學(xué)習(xí)核心訓(xùn)練和推理框架、基礎(chǔ)模型庫、端到端開發(fā)套件、豐富的工具組件于一體，是中國(guó)首個(gè)自主研發(fā)、功能完備、開源開放的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)。3.4人工智通用性技術(shù)強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)分支，與監(jiān)督學(xué)習(xí)和?監(jiān)督學(xué)習(xí)處于平級(jí)關(guān)系，強(qiáng)調(diào)如何基于環(huán)境而行動(dòng)，以取得最大化的預(yù)期利益。強(qiáng)化學(xué)習(xí)不需要一次性訓(xùn)練大批數(shù)據(jù)，?是通過網(wǎng)絡(luò)自身不斷的嘗試來學(xué)會(huì)新的技能。強(qiáng)化學(xué)習(xí)系統(tǒng)的基本框架主要由兩部分組成，即環(huán)境和智能體(Agent)。智能體可以通過傳感器(Sensor)感知所處環(huán)境，并通過執(zhí)行器(Actuator)對(duì)環(huán)境施加影響。強(qiáng)化學(xué)習(xí)的基本原理是：如果智能體的某個(gè)行為策略導(dǎo)致環(huán)境對(duì)智能體正的獎(jiǎng)賞，則智能體以后采取這個(gè)行為策略的趨勢(shì)會(huì)加強(qiáng)；反之，若某個(gè)行為策略導(dǎo)致了負(fù)的獎(jiǎng)賞，那么智能體此后采取這個(gè)動(dòng)作的趨勢(shì)會(huì)減弱。強(qiáng)化學(xué)習(xí)的學(xué)習(xí)方式是在獲得樣例過程中進(jìn)行探索性學(xué)習(xí)，在獲得樣例之后根據(jù)環(huán)境反饋的獎(jiǎng)賞和狀態(tài)更新自己的模型，利用更新后的模型來指導(dǎo)下一步的行動(dòng)，下一步的行動(dòng)獲得獎(jiǎng)賞反饋之后再更新模型，不斷迭代重復(fù)直到模型收斂。因此，試錯(cuò)搜索和延遲回報(bào)是強(qiáng)化學(xué)習(xí)的兩個(gè)最顯著的特征。圖3-18強(qiáng)化學(xué)習(xí)的基本框架3.5人工智能應(yīng)用領(lǐng)域計(jì)算機(jī)視覺計(jì)算機(jī)視覺(ComputerVision，CV)的目標(biāo)是讓機(jī)器“看得見、看得懂”，物體識(shí)別與人臉識(shí)別均是其典型應(yīng)用。是人工智能的主要應(yīng)用領(lǐng)域之一。計(jì)算機(jī)視覺技術(shù)是以圖像處理技術(shù)為基本操作，以圖像識(shí)別技術(shù)為主要目標(biāo)的分析技術(shù)。圖像處理技術(shù)是用計(jì)算機(jī)對(duì)圖像數(shù)據(jù)進(jìn)行處理的技術(shù)，主要包括圖像數(shù)字化、幾何操作、圖像增強(qiáng)、圖像復(fù)原、圖像濾波、圖像壓縮、圖像數(shù)據(jù)編碼、圖像分割和圖像描述等。圖3-12計(jì)算機(jī)視覺3.5人工智能應(yīng)用領(lǐng)域智能語音智能語音旨在讓機(jī)器“聽得懂”和“說得好”。智能語音是人工智能的另一個(gè)重要應(yīng)用領(lǐng)域，主要為機(jī)器人加上耳朵和嘴巴，讓機(jī)器人能夠“聽得懂”，并且“說得好聽”。在語音識(shí)別系統(tǒng)中，語音識(shí)別的流程主要分為六個(gè)步驟：語音信號(hào)采集、模擬語音信號(hào)預(yù)處理、語音信號(hào)數(shù)字化、語音信號(hào)分析、語音聲學(xué)特征提取和語音信號(hào)識(shí)別。智能語音技術(shù)主要是指語音信號(hào)分析、聲學(xué)特征提取和語音信號(hào)識(shí)別技術(shù)。。中國(guó)在智能語音技術(shù)領(lǐng)域處于世界領(lǐng)先地位，專利數(shù)量持續(xù)增長(zhǎng)，不斷涌現(xiàn)出了科大訊飛、捷通華聲、思必馳、云知聲等著名的智能語音公司和產(chǎn)品。圖3-13智能語音3.5人工智能應(yīng)用領(lǐng)域生物信息識(shí)別生物信息識(shí)別就是把人工智能技術(shù)和生物處理技術(shù)相結(jié)合，通過計(jì)算機(jī)與光學(xué)、聲學(xué)、生物傳感器和生物統(tǒng)計(jì)學(xué)原理等的密切結(jié)合，基于人體固有的生理特性(如指紋、腦電、心電等)和行為特征(如情緒、壓力、聲音、步態(tài)等)進(jìn)行個(gè)人身份和身體狀況等的鑒別。由于人的生理特征通常具有可以測(cè)量和遺傳性或終身不變等特點(diǎn)，因此生物信息識(shí)別認(rèn)證技術(shù)較傳統(tǒng)認(rèn)證技術(shù)存在較大的優(yōu)勢(shì)。生物信息識(shí)別技術(shù)主要是指通過人類的生物特征進(jìn)行身份認(rèn)證的一種技術(shù)。在生物信息識(shí)別系統(tǒng)中，一般要求對(duì)生物信息進(jìn)行取樣，然后提取其特征并且轉(zhuǎn)化成數(shù)字代碼，并進(jìn)一步將這些代碼組成特征模板，最后使用機(jī)器學(xué)習(xí)技術(shù)或深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)身份識(shí)別，完成身份認(rèn)證。典型的生物信息識(shí)別技術(shù)包括指紋識(shí)別、面部識(shí)別、情緒檢測(cè)、注意力檢測(cè)、脈搏檢測(cè)、虹膜識(shí)別、發(fā)音識(shí)別、步態(tài)識(shí)別等。圖3-14生物信息識(shí)別3.5人工智能應(yīng)用領(lǐng)域自然語言處理自然語言處理（NaturalLanguageProcessing，簡(jiǎn)稱NLP）側(cè)重于讓機(jī)器人能夠“理解”人類的語言。作為人工智能的另一個(gè)目標(biāo)，自然語言處理被用于分析、理解和生成自然語言，以方便人和計(jì)算機(jī)設(shè)備進(jìn)行交流、以及人與人之間的交流?；趥鹘y(tǒng)機(jī)器學(xué)習(xí)的自然語言處理技術(shù)利用支持向量機(jī)模型（SVM）、馬爾科夫模型（Markov）、條件隨機(jī)場(chǎng)模型（CRF）等方法實(shí)現(xiàn)對(duì)自然語言中任務(wù)的處理?；谏疃葘W(xué)習(xí)的自然語言處理技術(shù)應(yīng)用深度學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等，通過對(duì)生成的詞向量進(jìn)行學(xué)習(xí)，以完成自然語言分類和理解。與傳統(tǒng)的機(jī)器學(xué)習(xí)相比，基于深度學(xué)習(xí)的自然語言處理技術(shù)具備以下優(yōu)勢(shì)：1）以詞向量或句向量為輸入，能夠應(yīng)對(duì)更高層次、更加抽象的語言特征；2）深度學(xué)習(xí)無需專家人工定義訓(xùn)練集，通過網(wǎng)絡(luò)即可自動(dòng)學(xué)習(xí)高層次特征。自然語言處理技術(shù)已經(jīng)滲透到了人類工作與生活的各個(gè)角落。在人工智能產(chǎn)品市場(chǎng)中，自然語言處理的主要應(yīng)用有機(jī)器翻譯、信息檢索、聊天機(jī)器人、情感分析、自動(dòng)文本摘要、社交媒體監(jiān)控、搜索自動(dòng)更正和自動(dòng)完成、調(diào)查分析和語音助手等，在社會(huì)計(jì)算和信息抽取也都有廣泛的應(yīng)用。我國(guó)在NLP領(lǐng)域的科研和產(chǎn)業(yè)化方面均處于國(guó)際領(lǐng)先地位。3.5人工智能應(yīng)用領(lǐng)域數(shù)據(jù)挖掘數(shù)據(jù)挖掘（DataMining）是指對(duì)大量數(shù)據(jù)集進(jìn)行分類的自動(dòng)化過程，以通過數(shù)據(jù)分析來識(shí)別趨勢(shì)和模式，建立關(guān)系來解決業(yè)務(wù)問題。換句話說，數(shù)據(jù)挖掘是從大量的、不完整的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取人們事先不知道的、但有價(jià)值的信息和知識(shí)的過程。通過對(duì)海量數(shù)據(jù)的整理分析和歸納整合，數(shù)據(jù)挖掘能夠分析并找出數(shù)據(jù)之間的潛在聯(lián)系，為作出理想決策或預(yù)測(cè)發(fā)展趨勢(shì)提供支撐性材料和建議，最終實(shí)現(xiàn)從海量數(shù)據(jù)中提取用于輔助決策的潛在的信息、知識(shí)、規(guī)律和模式的過程。與人類的數(shù)據(jù)分析能力相比，基于人工智能的數(shù)據(jù)挖掘技術(shù)具有處理數(shù)據(jù)量大、處理速度快、分析全面、分析過程不受主觀因素影響、分析質(zhì)量高等優(yōu)點(diǎn)。數(shù)據(jù)挖掘的基本步驟，包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)和數(shù)據(jù)報(bào)告。數(shù)據(jù)收集旨在獲取數(shù)據(jù)挖掘的對(duì)象，是在數(shù)據(jù)挖掘之前進(jìn)行的重要步驟。收集到的數(shù)據(jù)的格式多種多樣，數(shù)據(jù)質(zhì)量不高，數(shù)據(jù)預(yù)處理就是統(tǒng)一數(shù)據(jù)格式，并且通過缺失值處理、異常值處理和特征工程提升數(shù)據(jù)質(zhì)量的一個(gè)必要步驟。數(shù)據(jù)分析是在準(zhǔn)備好數(shù)據(jù)之后建立模型對(duì)數(shù)據(jù)進(jìn)行分類、回歸等任務(wù)。在數(shù)據(jù)分析過程中，最重要的就是利用數(shù)據(jù)來訓(xùn)練得到相應(yīng)的模型。經(jīng)過數(shù)據(jù)預(yù)處理及數(shù)據(jù)分析之后，要把結(jié)果呈現(xiàn)出來。數(shù)據(jù)呈現(xiàn)可通過各式各樣的工具顯示出直方圖、折線圖、餅圖、熱力圖、地圖及詞云圖等。數(shù)據(jù)報(bào)告是指用合適的統(tǒng)計(jì)分析方法對(duì)收集來的大量數(shù)據(jù)進(jìn)行分析后，為提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。這一過程也是質(zhì)量管理體系的支持過程。在實(shí)用中，數(shù)據(jù)分析可幫助人們進(jìn)行判斷，以便采取適當(dāng)行動(dòng)。3.5人工智能應(yīng)用領(lǐng)域數(shù)據(jù)挖掘數(shù)據(jù)挖掘被列為21世紀(jì)初期對(duì)人類產(chǎn)生重大影響的十大新興技術(shù)之一，在各行各業(yè)中都有廣泛的應(yīng)用，從最早的銀行和通信領(lǐng)域，到目前廣泛應(yīng)用于零售、商務(wù)、金融和保險(xiǎn)、以及廣告領(lǐng)域以及政府中。零售商依靠供應(yīng)鏈軟件、內(nèi)部分析軟件來預(yù)測(cè)庫存需求。銀行利用數(shù)據(jù)挖掘技術(shù)描述客戶需求的特點(diǎn)并預(yù)測(cè)未來需求。保險(xiǎn)行業(yè)可以對(duì)受險(xiǎn)人員進(jìn)行分類以有助于確定適當(dāng)?shù)谋ｋU(xiǎn)金額度。廣告公司可以使用用戶的瀏覽歷史、訪問記錄、點(diǎn)擊記錄和購買信息等數(shù)據(jù)，通過個(gè)性化廣告進(jìn)行精準(zhǔn)推廣。數(shù)據(jù)挖掘應(yīng)用于電子政務(wù)中實(shí)現(xiàn)綜合查詢、經(jīng)濟(jì)分析、宏觀預(yù)測(cè)、應(yīng)急預(yù)警、風(fēng)險(xiǎn)分析及預(yù)警、質(zhì)量監(jiān)督管理及監(jiān)測(cè)、決策支持等系統(tǒng)，為公眾提供智能化、高效的網(wǎng)上政府。圖3-15數(shù)據(jù)挖掘的5個(gè)步驟3.6人工智能產(chǎn)業(yè)鏈人工智能產(chǎn)業(yè)鏈由上游基礎(chǔ)層、中游技術(shù)層以及下游應(yīng)用層三層組成。上游是底層基礎(chǔ)設(shè)施，主要包括CPU/GPU等芯片、模組、傳感器，以及以操作系統(tǒng)、大數(shù)據(jù)平臺(tái)、云計(jì)算服務(wù)和網(wǎng)絡(luò)運(yùn)營(yíng)商，這部分參與者以芯片廠商(如Intel、Nvidia)、科技巨頭、運(yùn)營(yíng)商為主。我國(guó)在基礎(chǔ)層起步晚、技術(shù)儲(chǔ)備較少。不過可喜的是，我國(guó)中芯國(guó)際的芯片、華為的芯片設(shè)計(jì)和鴻蒙操作系統(tǒng)、大立科技的傳感器、中國(guó)超算平臺(tái)、阿里云/騰訊云/華為云等紛紛打響了品牌，基礎(chǔ)科技發(fā)展形勢(shì)值得期待。中游是技術(shù)研發(fā)與服務(wù)提供，主要包括視頻識(shí)別、圖片識(shí)別、模式匹配等嵌入式視覺軟件，以及一站式解決方案。這一層次需要有海量的數(shù)據(jù)、強(qiáng)大的算法，以及高性能運(yùn)算平臺(tái)的支撐。其代表性企業(yè)主要有華為、BAT、科大訊飛、微軟、亞馬遜、蘋果、Facebook等互聯(lián)網(wǎng)巨頭，以及一些具有較強(qiáng)科技實(shí)力的人工智能初創(chuàng)公司。下游是行業(yè)應(yīng)用，可以分為2B和2C兩個(gè)方向，2B面向單位用戶，代表性應(yīng)用領(lǐng)域包括安防、金融、醫(yī)療、教育、呼叫中心、服務(wù)機(jī)器人等；2C面向終端個(gè)人用戶，代表性應(yīng)用領(lǐng)域包括智能家居、智能穿戴設(shè)備、無人駕駛、虛擬助理、家庭機(jī)器人等。其相關(guān)代表性企業(yè)眾多，既包括互聯(lián)網(wǎng)科技巨頭，也包括一些初創(chuàng)廠商。在我國(guó)，下游的行業(yè)應(yīng)用領(lǐng)域發(fā)展極為迅速，出現(xiàn)逐漸向中游和上游滲透的趨勢(shì)。3.7人工智能的倫理問題人工智能技術(shù)的發(fā)展與應(yīng)用是歷史大趨勢(shì)，是一個(gè)不可逆的歷史過程。然而，“科學(xué)技術(shù)都是一把雙刃劍”。伴隨著人工智能技術(shù)的成熟和廣泛應(yīng)用，人與機(jī)器之間的矛盾凸顯，人工智能的倫理問題（EthicsofAI）引起了社會(huì)和各行各業(yè)的日益關(guān)注。如同倫理道德是人類文明數(shù)千年發(fā)展的重要穩(wěn)定器，人工智能倫理將是未來智能社會(huì)的發(fā)展基石。解決好人工智能的倫理問題，也就是人工智能與人類的關(guān)系問題，才能讓人工智能技術(shù)更好地服務(wù)于經(jīng)濟(jì)社會(huì)發(fā)展和人民美好生活。人工智能技術(shù)在替代人的體力、計(jì)算力和邏輯推理等多方面取得了長(zhǎng)足的進(jìn)步，作為人類能力的延伸，極大提高了人類適應(yīng)自然、改造自然的能力，在人類的工作和生活中正在發(fā)揮著越來越重要的作用。然而，由于科技的進(jìn)度對(duì)人類社會(huì)造成了多方面的沖擊，比如傳統(tǒng)行業(yè)、傳統(tǒng)職業(yè)的衰落甚至消失，人類對(duì)待AI出現(xiàn)了不同的觀點(diǎn)，在科幻電影甚至傳統(tǒng)媒體中均有體現(xiàn)。例如：《機(jī)器人總動(dòng)員》和《機(jī)械公敵》總動(dòng)員將人工智能描繪成人類的好幫手；《終結(jié)者》和《超能陸戰(zhàn)隊(duì)》在把機(jī)器人視為人類的朋友的同時(shí)，也拋出了機(jī)器人仇視人類的問題；科幻巨作《人工智能》則提出了任何機(jī)器人的界限問題，其中所涉及的AI相關(guān)的倫理問題引人深思。3.7人工智能的倫理問題人類在享受AI技術(shù)帶來的便利的同時(shí)，關(guān)于人工智能的擔(dān)憂也一直存在。1950年，控制論之父、美國(guó)應(yīng)用數(shù)學(xué)家諾伯特·維納(NorbertWiener)在他的名著《人有人的用處》中，得出了一個(gè)聳人聽聞的結(jié)論：“這些機(jī)器的趨勢(shì)是要在所有層面上取代人類，而非只是用機(jī)器能源和力量取代人類的能源和力量。很顯然，這種新的取代將對(duì)我們的生活產(chǎn)生深遠(yuǎn)影響?！?014年，美國(guó)著名物理學(xué)家斯蒂芬·威廉·霍金(StephenWilliamHawking)也表示：“人工智能的發(fā)展可能導(dǎo)致人類的滅絕。”。人工智能技術(shù)的飛速發(fā)展的確給人類的未來帶來了一系列挑戰(zhàn)。人工智能在軍事上的應(yīng)用發(fā)展極為迅速，產(chǎn)生了眾多自主武器，包括無人自主飛機(jī)、智能作戰(zhàn)機(jī)器人、機(jī)器人集群等。自主武器系統(tǒng)的最大特點(diǎn)是能夠在不依賴外界指令和設(shè)備支持的情況下，在復(fù)雜作戰(zhàn)環(huán)境中依靠人工智能系統(tǒng)獨(dú)立作出開火決定，讓“機(jī)器殺人”成為現(xiàn)實(shí)。軍用智能機(jī)器人的性能和殺傷力遠(yuǎn)超人類士兵，這無疑引起了人類對(duì)未來的擔(dān)憂以及對(duì)自主武器的爭(zhēng)論，目前爭(zhēng)論的核心是“自主武器該不該被使用”。2020年3月，在利比亞軍事沖突中，土耳其STM公司生產(chǎn)的“卡古－2”(KARGU)型四旋翼自主無人攻擊機(jī)在不依靠操作員的情況下自主攻擊了正在撤退中的利比亞國(guó)民軍，這是首次無人機(jī)自主向人類發(fā)動(dòng)攻擊的真實(shí)案例，機(jī)器殺人的“潘多拉魔盒”打開了嗎？3.7人工智能的倫理問題圖3-16人工智能在軍事上的應(yīng)用3.7倫理問題的解決途徑人針對(duì)人工智能倫理問題，不同領(lǐng)域的專家學(xué)者從不同角度提出了各種“規(guī)章”和建議?？苹眯≌f作家艾薩克·阿