人工智能的研究现状

现在的中国不仅是军事强国，而且不断的在向科技强国靠近，随着人工智能热潮的到来，我国已经在这方面取得了很大的进步，同时还有很大的空间可以发挥，所以，相信在以后的的日子里，人工智能在我国的发展前景还是很乐观的。在刘庆峰写给科大讯飞的一封信中就明确的写到人工智能AI在中国以后的发展前景，其中提到了未来二十年之后科大讯飞的三大发展趋势，说明了人工智能将在未来十年之内就能够很大的改变人类生活的方方面面，小到日常生活，大到我们国家科技方面，无处不存在着人工智能的影子。前一段时间，5G技术的问世也将能够助推我国人工智能技术的发展，将其再次推向一个高潮，在未来的时间内，相信语音交流方式成为我们日常生活中的最主要的方式，这将不仅能够推动我国产业链的发展，而且在人们日常的生活工作中，更加快了人们的工作效率，提高了人们的生活水平质量，让我们的生活中处处都能够体现出科技化，智能化，给我们的生活提供的便利条件。除此之外，人工智能技术将会的运用到农业和工业方面，不能说这些高科技只是使用到一些高端的领域，我们还可以让他更加的亲民化，的走向老百姓的生活当中，推动农业更进一步的发展，给他们在种田的时候提供的便利。相信我们的祖国将会越来越强大，人工智能定技术更加的成熟。

去百度文库，查看完整内容>内容来自用户:聚考拉人工智能在军事领域的发展现状及应用前景知远战略与防务研究所/威远 编译自：俄罗斯外交和国防政策委员会网站[知远导读]本文主要介绍了当今世界及俄罗斯本国人工智能技术发展的现状以及未来该技术在军事领域的应用前景，文章还重点分析了人工智能技术实现的可能途径以及人工智能技术对人类战争活动的可能影响。文章编译如下：目前，关于人工智能的说法和文章很多，这让人觉得，人工智能早已研究成熟且无处不在。事实上并未如此。虽然自动化早已成为生产和指挥过程的一部分，而且计算机已经学会语音和脸部识别，操控汽车和分析大量数据。图像识别或者自动翻译属于利用人工智能方法并在完成类似任务时选择存储结果的机器学习技术。人工智能目前还未实现，还需要进行研究，它的应用领域确实非常广泛。国防领域也在其中。发展人工智能成为了保障国家安全的任务。美国和中国希望在人工智能研究中占据领先地位并率先将其运用到网络武器和既可用于监视敌人，也可用于袭击敌人的自主式武器的研制当中。美国国防部在2017年开始抓紧落实所谓的“第三次抵消战略”，该文件中提出的主要目标是“必须集中力量进行创新，旨在通过创新发展美国近年来与对手和敌人已经接近的关键能力，保持并恢复传统遏制力”，这里说的对手和敌人指的也就是俄罗斯和中国。实际上，世界上已经

。。对AI的研究，现在方向很乱的，但主要有两条线1，美国。主要包括在NASA未来3262383636武器研究计划里面的，如果不知道未来武器计划你也可以理解为当初里根的星球大战计划升级版。未来武器研究主要包括了NASA，洛克希德马丁，波音，加州理工和一大堆我们不可能知道的机构，所以你不可能知道他进步到什么程度了，不过你看看X-47B无人驾驶空天超音速轨道攻击战斗机就知道了，而且估计那个的人工智能已经不是最先进的技术了对于美国人来说。这一块主要是研究人工智能在处理问题时的自主判断能力。工业和军事作用明显。2.另一块是日本。主要研究人类情感，强调的是通过AI使机器具有理解人类情感和自我情感表达的作用，他们出来的作品并不是机器实体，而是人工智能软件。通过程序语言创造能理解环境，情感的智慧，而在计算机中的AI再通过网络控制其他工作部分。这方面的研究也是当前的一个热点吧。美国人也有在做，但从消息方面来说比日本就稍晚一点。就比如日本有个软件叫初音未来。初版本是能识别输入文字并将其转换为你所需要的音频输出，操作人员可以控制软件情感环境，在现在还在开发的版本里，就考虑有软件自动识别感情元素。而且可能会包含人机互动方面的AI智能。让初音未来真正的成为一个具有人类情感的软件。估计不会很久就可以发布的。也不是最先进科技了。反正最新进展不管是美国还是日本都不可能让世界上人都知道的吧。中国在这方面太落后了。像石器世纪一样，所以这点楼主还是死心吧，我们只能依据现在的手头资料判断以后可能的发展方向了。

人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展

展望前沿技术探索，未来三3363383434到五年最有可能出现突破的就是半监督的学习方法。现在深度卷积神经网络很好，但是它有缺点，即依赖于带标签的完备大数据，没有大数据喂食就不可能达到人类水平，但是要获得完备的大数据，需要付出的资源代价太大，很多应用场景甚至得不到，比如把全世界的火车照片都搜集起来，这是不可能的事。我们希望能够做一些小数据、小样本的半监督学习，训练数据不大，但是还能够达到人类水平。我们做过很多实验，人为地去掉一半甚至去掉1/4的标签数据去训练深度卷积神经网络，希望网络能够具有举一反三的能力，通过小样本或小数据的学习同样能够达到人类水平。这方面的研究不管是利用生成式对抗网络，还是与传统统计机器学习方法相结合，或者是与认知计算方法的结合，证明难度都挺大。比如我们看到了土狗的照片，从来没见过藏獒、宠物狗，但通过举一反三就能够识别出来。这靠什么？靠推理。人类不完全是基于特征提取，还靠知识推理获得更强的泛化能力。而现在的深度卷积神经网络是靠多级多层的特征提取，如果特征提取不好，识别结果就不好，就达不到人类水平。总之，特征提取要好就必须要有完备的大数据。但不管怎样，相信具有“特征提取+知识推理”的半监督或者无监督的深度卷积神经网络三到五年会有突破，而且还是基于端到端学习的，其中也会融入先验知识或模型。相对而言，通用人工智能的突破可能需要的时间更长，三到五年能不能突破还是未知，但是意义非常重大。在半监督、无监督深度学习方法突破之后，很多行业应用包括人工智能场景研发都会快速推进。实际应用时我们一般都通过数据迭代、算法迭代向前推进。从这个角度来说，AlphaGo中体现的深度强化学习代表着更大的希望。因为它也是基于深度卷积神经网络的，包括以前用的13层网络，现在用的40层卷积神经网，替代了以前的浅层全连接网络，带来的性能提升是很显著的。为什么深度强化学习更有意义？首先它有决策能力，决策属于认知，这已经不仅仅是感知智能了。其次AlphaGo依赖的仅仅是小数据的监督学习。3000万的6-9段人类职业棋手的棋局，对人类来说已经是大数据了，但对围棋本身的搜索空间来讲则是一个小数据。不管柯洁还是聂卫平，都无法记住3000万个棋局，但19x19的棋盘格上，因每个交叉点存在黑子、白子或无子三种情况，其组合数或搜索空间之巨大，超过了全宇宙的粒子数。对具有如此复杂度的棋局变化，人类的3000万个已知棋局真的就是一个小数据，AlphaGo首先通过深度监督学习，学习人类的3000万个棋局作为基础，相当于站在巨人的肩膀上，然后再利用深度强化学习，通过自我对弈、左右互搏搜索更大的棋局空间，是人类3000万棋局之外的棋局空间，这就使AlphaGo 2.0下出了很多我们从未见过的棋谱或者棋局。总的来说，深度强化学习有两大好处，它寻找最优策略函数，给出的是决策，跟认知联系起来。第二，它不依赖于大数据。这就是前面说的小数据半监督学习方法。因为在认知层面上进行探索，而且不完全依赖于大数据，因此意义重大，魅力无穷。相信深度强化学习非常有潜力继续向前发展，将大大扩展其垂直应用领域。但是它本身并不是一个通用人工智能。AlphaGo只能下围棋不能同时下中国象棋、国际象棋，因此还只是专注于一个“点”上面的，仍属于弱人工智能。实现通用人工智能，把垂直细分领域变宽或者实现多任务而不是单任务学习，对深度神经网络而言，沿什么样的技术途径往前走现在还未知，但是肯定要与基于学习的符号主义结合起来。通用人工智能现在没有找到很好的线索往前走，原因一是因为神经网络本身是黑箱式的，内部表达不可解析，二是因为传统的卷积神经网络本身不能完成多任务学习。可以考虑跟知识图谱、知识推理等符号主义的方法结合，但必须是在新的起点上，即在已有大数据感知智能的基础上，利用更高粒度的自主学习而非以往的规则设计来进行。另外从神经科学的角度去做也是可能的途径之一。

前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且回正好是在3~5年以后的时答间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须得很好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得很好，还要有一定的机械设计能力(空间思维能力很重要)。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。但是！！！如果你没有这些喜好和特长或者没能学好这些学科的话，现在做别的选择还来得及。详情官方服务官方网站

——以下数据及分析均来自于前瞻产业研究院《中国智慧教育行业发展前景预测与投资战略规划分析报告》。随着人工智能、物联网等新兴技术的不断发展，我国智慧教育行业的市场规模也不断扩大，2018年，我国智慧教育行业市场规模达到5320亿元，较上年同比增长17.13%。在线教育受三大因素共同促进，市场规模不断扩张，用户渗透率不断提升；教育信息化在国家重点关注，各省市地方积极推进的情况下，信息化水平不断提高，《教育信息化2.0行动计划》提出三全两高一大的目标为教育信息化发展指明了方向，在线教育和教育信息化的不断扩张，共同促进我国智慧教育事业蓬勃发展。市场规模不断扩大，在线教育和信息化同步发展“智慧教育”是指以物联网、云计算、大数据处理、无线宽带网络为代表的一批新兴信息技术为基础，以智能设备和互联网等为依托，以教育资源建设为中心，以各项配套保障措施为基础，以深入实施教育体制改革为主导，全面构建网络化、数字化、个性化、智能化的现代教育体系。根据智慧教育的含义和特征，“智慧教育”是政府主导、学校和企业共同参与构建的现代教育信息化服务体系，因此智慧教育行业市场规模应该包括两大块：在线教育市场规模（主要指除学校外的社会机构（企业）提供的在线教育）和教育信息化市场规模（主要指学校实施的智慧课堂、智慧校园等工程）。2013年以来，在线教育和教育信息化均处于快速发展时期，从而推动我国智慧教育市场规模不断扩大。综合在线教育以及教育信息化的市场规模综合测算得出，2018年中国智慧教育市场规模约为5320亿元，同比增长17.13%。在线教育不断发展，用户渗透率不断提升影响在线教育行业的因素主要包括三个：升学就业需求、技术创新以及政策规范。其中，升学就业需求影响机制为：焦虑感和危机感驱使庞大中产阶层的教育开支持续提升，从而使得在线教育行业下游需求旺盛；技术创新影响机制为：大数据技术、人工智能技术、增强现实技术、虚拟现实技术、在线课程模式等正在进一步迭代在线教育的形式，不断推进着互联网教育平台向纵深发展，促使其更加高效、智能且个性化。因此，在升学就业需求、技术创新、政策规范的共同促进下，我国在线教育市场发展迅猛，2012年市场规模仅为701亿元，2017年市场规模已达1917亿元，5年复合增长率达到22.3%。预计2018年我国在线教育市场规模将达到2321亿元，同比增长21.07%。除了国内在线教育行业市场规模实现持续扩容外，我国在线教育的用户渗透率也逐年提升。以K12阶段为例，2013年，K12阶段在线教育用户数量仅为1180.4万人，渗透率仅为6.8%；2018年，K12阶段在线教育用户数量达到1968.9万人，渗透率已达11.5%。

人工智能是对copy人脑智能的模拟，而人工智能的发展还面临三大挑战：首先，人脑智能的产生原理尚未研究清楚，“脑科学”研究还处于摸索阶段；其次，尽管计算机的发展迅速，但在数学和算法研究上还有待突破；最后，和人类学习知识一样，人工智能也需要通过学习大量数据来提升，这需要人工智能与产品和产业相结合，通过“实践”来提高人工智能水平。中国人工智能研究要想突破，就要从三个方面攻关。第一是开展脑科学、神经科学和人工智能等基础理论研究；第二是加强数学算法和统计识别模块等计算领域研究；第三是人工智能要与产业发展相结合，依托研究院所和企业开发人工智能应用，积累实验数据。此问题由colorreco回到。

人工智能未来的发展之路！