人工智慧最新論文

　　人工智慧屬於一門綜合性的邊緣學科。誕生時間為 20 世紀 50 年代左右，大概歷經了四個時代，以下是小編整理分享的關於的相關文章，歡迎閱讀!

　　篇一

　　人工智慧現狀和發展

　　摘要：人工智慧屬於一門綜合性的邊緣學科。誕生時間為 20 世紀 50 年代左右，大概歷經了四個時代，第一個時代為神經網路時代，第二個時代為弱方法時代，第三個時代為知識工程時代第四個時代為知識工業時代。它在發展過程中包含的基礎有電腦科學，資訊理論，神經心理學，哲學，統計學等多種學科。至今為止，人工神經網路技術和遺傳演算法都已經應用於工業，軍事等領域。

　　關鍵詞：人工智慧發展;識別率;人臉識別;遺傳演算法

　　1 智慧計算機的發展

　　1.1人工智慧簡述

　　人工智慧[1]Artificial Intelligence，簡稱AI是計算機學科的一個分支，屬於為世界三大尖端技術空間技術、能源技術、人工智慧其中之一，最近幾十年來，人工智慧的發展非常的迅速， 在很多的地方都得到了應用，尤其是在科學領域。

　　人工智慧源自於對人的模仿，其最終目的是服務於人類，但是，就像世界上沒有相同的兩片葉子，也沒有完全相同的兩個人，也就像沒有一家服務企業可以滿足一個國家人的所有要求一樣，人工智慧產業中也會湧現許多實力強大的企業，一些企業也會在某個領域內形成自己的競爭優勢，甚至會出現壟斷型企業。人工智慧產業在國內外都還是處於剛剛發展階段，人工智慧產業的競爭也會伴隨不斷增長變化的需求而演化，企業也會為了滿足並提升社會大眾越來的生活品質而不斷進步，不斷完善自身。

　　1.2人工智慧研究的發展概況

　　未來，隨著計算機和其他科學技術的不斷進步，人工智慧的發展也將要不斷面對越來越多的艱難挑戰。在我們的日常生活中，人們對人工智慧技術的期望一直都擁有著很高的熱情和期盼，但是，在客觀事實上，人工智慧技術進步不但要考慮軟體、硬體技術的限制，也還要考慮人們對自身能力理解程度的制約，因此未來人工智慧技術將在不斷限制的過程中不斷突破不斷成長，從而保持著逐步的發展。比如人臉識別技術，當該技術以一次問世時，人們對人工智慧充滿了信心，但當大多數人親自使用時，卻發現它對人臉的識別率還是不夠高;

　　近年來，人臉識別技術得益於機器學習與大資料，又有了非常令人欣喜的進步，擁有足夠的多的人力模型資料，計算機對具體提供的數量足夠多的人臉模型資料進行鍼對性訓練，就可以達到一個極高的識別正確率。但是對一個具體的個例可以做到百分百識別，並不能就此完全肯定對人群大眾使用就都能達到同樣級別的水平，對於大量的人臉資料依然需要不斷地整理系統的統計，所以，距離完美的識別率人類還有很長的路要走。不僅是人臉識別，OCR、語音識別、機器翻譯等人工智慧技術在現實的應用中都會面臨準確率的標準。也希望無論是企業還是社會群體大眾，用一份積極包容的心態，為人工智慧產業的發展營造一個優良的可持續發展環境。

　　人工智慧應用研究有許許多多的可行性。專家系統內部含有大量的某個領域的專家水平的知識與經驗，經過運用人類的知識和解決問題的途徑進行推理、彙總、判斷、解決，來處理某個領域的疑難棘手問題。人工智慧系統在很多領域的應用也都在促進著人工智慧的理論和技術的不斷髮展。專家系統也是人工智慧應用研究最活躍和最廣泛的應用領域之一，涉及社會各個方面，各種專家系統已遍佈各個專業領域，取得很大的成功。人工智慧在計算機領域內，得到了原來越多的重視。並在機器人等中得到了很多的實際應用。

　　人工智慧是研究人類智慧活動的可循規律，建立具有一定人類智慧的電子系統，它主要是通過讓計算機去完成原本是需要人類智慧才能去解決的問題，換而言之，就是研究如何應用計算機的軟硬體來模擬人類智慧行為的基本理論、方法和技術。例如：繁重的科學工程和數學計算本來是要人腦來承擔的，但是，現今，計算機不但能高效準確的完成這種計算，而且還能夠比人腦做得更加的完美，因此，當今社會也不再把這種程度的計算看成是“需要人類智慧高強度才能完成的複雜任務”，由此可見，高強度複雜工作的定義隨著人類社會時代的發展和科學技術的不斷進步而不斷變化，人工智慧這門科學的具體目標也自然隨著社會科學的變化而發展。它一方面不斷地通過科學技術獲得新的進展，另一方面又勇敢的轉向更有意義、更加困難的目標。

　　2 人工智慧的前沿

　　2.1智慧資訊檢索技術

　　現今社會，智慧資訊檢索技術的發展日新月異。而人工智慧在資訊檢索技術中的應用，主要集中表現在網路資訊的檢索。網路資訊檢索，也即網路資訊搜尋，是指網際網路使用者在網路終端，通過特定的網路搜尋工具或是通過瀏覽的方式，查詢並獲取資訊的行為。運用人工智慧技術，可以快速準確的在大資料的基礎之上獲得所需資訊。

　　2.2遺傳演算法

　　遺傳演算法Genetic Algorithm是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程進行搜尋找出最優解的方法。遺傳演算法是通過一類問題可能潛在的解集的其中一個叢集開始的，而一個叢集群則由經過基因編碼的一定數目的個體組成。每個個體實際上是染色體帶有本身特徵的實體。比如，它決定了個體所要表現出的外部形狀，如單眼皮，雙眼皮的特徵是由染色體中控制這一特徵的某種基因組合決定的。由此可見，從一開始通過表象得到實際的基因的編碼程式為一種演算法。我們通常將基因的編碼工作簡單化 ，如二進位制編碼，在第一代種群產生之後，遵循適者生存，按照自然法則優勝劣汰，選擇最優的結果，並藉助交叉和變異，得到一種新的集合。這種辦法會得到一種比以前更加優秀，更加適者生存的種群。

　　3 結束語

　　人工智慧對人類科學來說是一門極富挑戰性的科研究，想要從事這項研究工作必須懂得計算機知識，心理學、統計學、哲學等等。人工智慧是一種涵蓋了非常廣泛的知識的科學，它包含了很多不同的領域，如機器學習，計算機視覺、軟體工程、作業系統等等，總而言之，人類科學對人工智慧研究的一個主要目的是使機器通過一系列的操作能夠勝任一些通常需要人類智慧才能完成的複雜工作。在不同的時代、不同的社會環境、不同的人對這種“複雜”程度的理解是不一樣的，每個時代的科學發展也是不同的，希望在科學不斷髮展的今天，人工智慧的發展也會帶來許許多多的驚喜。

　　參考文獻：

　　[1] 元慧.議當代人工智慧的應用領域和發展狀況[J].福建電腦，20089.

　　[2] 劉玉然.談談人工智慧在企業管理中的應用[J].價值工程，20139.

　　[3] 焦加麟，徐良賢，戴克昌.人工智慧在智慧教學系統中的應用[J].計算機模擬，20137.

　　[4] 周明正.人工智慧在醫學專家系統中的應用[J].科技資訊，20147.

　　[5] 張海燕，劉鎮清.人工智慧及其在超聲無損檢測中的應用[J].無損檢測，20115.

　　[6] 馬秀榮，王化宇.簡述人工智慧技術在網路安全管理中的應用[J].呼倫貝爾學院學報，20157.

　　[7] 曾雪峰.論人工智慧的研究與發展[J].現代商貿工業，20098.

　　[8] 王梓坤.論混沌與隨機.北京師範大學學報，1994，302：199-202.

　　[9] 陳明.基於進化遺傳演算法的優化計算[J].軟體學報，2008，911：876-879.

　　[10] 陳火旺.遺傳程式設計之一[J].電腦科學，2005.226：12-15.

下一頁分享更優秀的<<<