人工智能技術路徑精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能技術路徑主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能技術路徑范文

7月28日晚，百度公布了2016年第二季度財報。其營收達到182.64億元，同比增長10.2%，凈利潤為24.14億元，同比下降34.1%。這是百度2005年上市以來，遭遇的凈利潤最大同比跌幅。

今年4月，癌癥晚期的大學生魏則西因為選擇了百度搜索中排名靠前的醫院延誤治療時機而去世。事件曝出后，百度的品牌形象受到影響，網信辦責令它整改搜索推廣和競價排名。而6月，百度也因擔心對醫療行業的監管加強會導致其廣告業務放緩，而調低了對2016年第二季度的預期。

最終的財報果然證實了這一結果：百度已被迫走出了舒適區，它必須盡快尋找新的增長點了。

人工智能是最可能的新路徑。“百度人工智能基礎平臺已經為百度的各個業務提供支持，并極大提高了語音與圖像識別的準確性。”百度掌門人李彥宏曾如是說。 凈利潤遭遇最大同比跌幅，百度已被迫走出舒適區。被它視為新的增長點的人工智能能令它脫胎換骨嗎？

在今年第二季度末，百度開放了百度云，它想成為云計算領域的平臺入口，憑借的就是其所謂的“人工智能+大數據+云計算”的技術，李彥宏稱這是百度十年來首次進入企業級服務市場。

此外，在百度新成立的無人車事業部，也留下了人工智能技術很強的印記。從百度在北京、上海以及廣東順德均設有地圖數據中心，可以看出其在出行領域的野心。

其實，百度幾乎所有的產品中，無論是純互聯網類的搜索、廣告，還是O2O類的外賣，抑或是百度的新興業務金融領域，都貫徹了百度人工智能的技術。百度甚至開始用人工智能技術清理醫療商業推廣服務。 百度遭遇上市以來最大的凈利潤同比下滑

百度首席科學家吳恩達就曾表示，過去一年中，百度的很多部門都開始在產品研發、運營的過程中應用人工智能技術。

事實上，在人工智能領域，百度在一眾國內互聯網公司當中，算是開始最早、投入最多的。它在全球有大數據、人工智能和深度學習共3座實驗室，只不過至今還沒有太多成果。無論在人工智能，還是在金融、云服務等領域，百度要想繼續加注，這一切的籌碼一段時間里可能仍要來自于搜索引擎產生的利潤。

在財報后的電話會議上，百度CEO李彥宏也直言，新監管環境，尤其是新廣告法的出臺，可能會對百度的業績產生兩三個季度的影響。

第2篇：人工智能技術路徑范文

【關鍵詞】 計算機技術 網絡技術 人工智能應用

前言：人工智能是計算機科學的一個部分，是隨著信息化技術發展所衍生出一門獨的特技術科學，其實質上是對人意識與思維信息過程的模擬。人工智能的發展是為了能夠代替更多的人力操作，將信息技術轉化為高效生產力，也正是基于此，人工智能技術的發展受到了社會公眾的廣泛關注。人工智能技術是基于信息的處理與編輯特征而實現，其與計算機網絡在應用中存在著相對較高的可融合性，而兩者之間的協調也將會產生更為全面與高新的技術，為此特在本文中對計算機網絡技術中的人工智能應用展開了全面研究。

一、人工智能的發展與實際意義

計算機網絡中的海量數據與信息普遍是用數字、符號、文字等文本形式進行展現，在此過程中需要其達到較高的表達能力、判斷能力等方面的標準，而人工智能為加強計算機網絡的該方面的能力提供了重要的保障。人工智能的出現，能豐富計算機網絡的信息表達能力，憑借其獨特的編輯、處理、操作技術以及超高的分析能力，實現了自動對信息進行翻譯、管理、處理等多方面的工作[1]。人工智能發展的意義主要表現在以下兩個方面：一是人工智能的發展增加了計算機網絡信息表達的圖表、圖像、影音等形式，依托于人腦的思維與行為方式，實現了人的行為，同時由提升了人的謹慎、全面與系統等方面相關能力；二是人工智能的發展開拓了計算機網絡在處理信息的空間與路徑，將計算機網絡所涉及到的眾多工程信息進行有效結合，實現了集中控制的目標，完成智能化的操作。

二、人工智能在計算機網絡技術中的實際應用

2.1計算機網絡多種渠道信息的處理與集成

網絡與計算機等現代高新技術參與到計算機網絡之后，為計算機網絡的發展帶來了無限種可能，為此改變了人工智能的實現方式與實現方向。人工智能在計算機網絡中的應用，由傳統的定向處理，逐漸向大批量、高密度、高頻率數據信息處理的工作所轉變[2]。人工智能的這一轉變體現在多種方面，例如，在現代網絡運營安全管理中，可實現預先在人工智能管理中輸入防火墻功能，如此能夠實現將網絡中流傳的不良信息等進行自動攔截，且能夠對來往傳遞信息進行自動識別與判斷，將存在問題的信息遞交到檢測中心，對信息進行判斷，實現了高等人工智能技術。

2.2人工智能在網絡管理方面的應用

計算機網絡技術中，網絡管理一直是一項繁重的工作，網絡的實時動態以及變化速度快等特點為網絡管理工作行程了一定的難度，而為實現更為高效的網絡管理，人工智能技術也顯示出了一定的效用。人工智能技術在計算機網絡管理中，能夠利用人工智能專家知識庫、問題求解技術，達到對計算機網絡進行綜合管理的效果。專家系統是一種相對智能的計算機程序，將某種領域中的專家知識以及經驗進行累計，將其進行有效的匯總并錄入到相關系統中，由此在某特定領域中匯集多為專家的知識與經驗，實現系統的高效性與全面性，完成對此領域內各種計算機網絡問題的解析[3]。

2.3人工智能在企業管理與教學方面的應用

現代普遍企業管理中均會應用到計算機網絡技術，而在參與了人工智能的計算機網絡中則更為有效的提升了企業管理的安全性與高效性。人工智能能夠實現企業管理系統的自動防御系統與健康系統，是企業管理實現高度智能化。在教學方面，教師可以在教學過程中，利用人工智能技術的知識庫，在知識庫中定義教育知識內容，并對知識庫中的知識進行推理，是學生能夠更為直觀的接受教學內容，提升教學效率。

結論：綜合上文所述，人工智能是計算機網絡技術發展的必經之路，人工智能在計算機網絡技術中的應用，主要表現在計算機網絡管理、計算機網絡安全、辦公安全、信息化教學等多個方面。人工智能在計算機網絡技術中的有效應用，推動了計算機網絡向高效智能化的發展，對計算機網絡技術的發展提供了重要支持與保障。

參 考 文 獻

[1]熊英.人工智能及其在計算機網絡技術中的應用[J].技術與市場，2011，03（02）：20.

第3篇：人工智能技術路徑范文

“互聯網化”的智能停車

城市是人類社會高度進步，工業、現代化高度發展的集中體現之一。當城市規模擴大、人口密集度越來越高，城市本身因土地資源的稀缺無法隨之擴大時，城市曾經給人們帶來的便捷生活、舒適體驗也會隨之變成煩惱。

這萬千的煩惱里，停車難算是人們在都市生活中最有感觸也最為普遍遭遇的問題：伴隨著傳統停車場規劃車位少、過道空間狹隘、地下空間照明不足、環境差等現狀，帶來了大流量時期無空位停車或進場等待時間長、車輛刮擦事故等問題。

泊車機器人的概念在迪拜首先被提出，在德國得以發展，而全球首個最終落地實施的項目就是在浙江烏鎮第三屆世界互聯網大會會場試運行的海康威視智能泊車機器人。2016年11月16日，來自全球各地的嘉賓在烏鎮親身體驗了智能停車場的方便與快捷。作為全球首個機器人智能停車應用案例，海康威智能泊車機器人呈現出真正“互聯網化”的智能停車體驗。

“將汽車駛入停車場入口處的指定位置后，拉上手剎、熄火、鎖好車門，剩下的事情就全都讓機器人去完成。”這是體驗者對智能泊車系統的描述。車主只需通過智能停車場的App點擊取碼，當智能停車系統確認車輛熄火、車內無人后，系統將自動生成取車碼，并為泊車機器人規劃泊車位置和最優路徑，調度泊車機器人駛出，進行車輛停泊，整個過程可在 2分鐘內完成。

智能泊車機器人可以同時調度500輛汽車，讓同等面積停車場的車位數量增加20%～40%。比如此次烏鎮物聯網街的智能停車場，通過改造后，將此前的64個車位增加到了89個。

人工智能作用凸顯

作為以視頻為核心的物聯網解決方案和數據運營服務提供商，海康威視是全球視頻監控數字化、網絡化、高清智能化的見證者、踐行者和推動者。數字化、網絡化、智能化，這是海康威視憑著對技術的敏銳開拓和市場的前瞻性研究捕捉到的產業發展趨勢。

如果說數字化時代的關鍵技術是視頻壓縮編碼，網絡化時代的關鍵技術是視頻編碼、網絡傳輸、SOC技術，那么智能化時代的關鍵技術，現在來看無疑就是深度學習、云計算、云存儲、大數據、深度學習協處理器設計技術。

關于智能化，海康威視在最初成立智能分析團隊，聚焦研究如何快速實現背景建模和提取移動目標，以降低運動檢測的誤報，針對特定的場景做專用產品，成為諸多特定產品的領導者，比如常見的交通抓拍系列產品，獲得了很好的市場回報。最近幾年，不同于之前講的“智能化”也就是VCA的建模方法，人工神經網絡的深度學習快速興起，把人工智能技術推向一個新的高度。視頻智能分析是人工智能一個非常重要的應用方向，深度學習已經在視頻智能分析應用上取得了實質性突破。

人工智能的重要作用正逐步顯現。當前，比如用戶面對海量的視頻數據已無法簡單利用人海戰術進行“人眼”檢索和分析，需要人工智能作為助手或專家，實時分析視頻內容，探測異常信息，進行風險預測。在這一領域，海康威視有一定的技術沉淀和積累，但是能否盡快抓住智能化時代，打開這個窗口期，在這一波技術浪潮中占領一席之地，則需要對這個行業更進一步深刻理解，研究適用于行業發展的人工智能技術新方向，制造出本行業的技術優勢。

海康威視把當前的人工智能研發重點聚焦在視頻結構化處理和大數據技術兩方面，并已經推出了一系列基于人工智能、深度學習技術的產品。2015年推出后端產品“刀鋒”“臉譜”系列，2016年推出前端智能感知產品“深眸”系列，已經在很多行業得以應用，不僅在前端實現各種復雜環境下人、車、物的多重特征信息提取和事件檢測，還能后端模仿人腦的記憶及思考，集目標提取、檢索、分析、存儲及行業應用于一體。

視頻結構化技術是融合了機器視覺、圖像處理、模式識別、深度學習等最前沿的人工智能技術，是理解視頻內容的基石；大數據技術為人工智能提供強大的分布式計算能力和知識庫管理能力，是人工智能分析預測、自主完善的重要支撐，其包含海量數據管理、大規模分布式計算和數據挖掘三大部分。

視頻的結構化處理，讓視頻大數據所包含的價值爆發出來，為更多行業的“可視化”管理和智能應用提供了很好的數據依據。小到一個商城的客流客情分析，大到一個城市的人、車、物等屬性分析，在這樣的技術應用下，“智慧城市”所能真正帶給人們的安全、便捷、智能不再遙遠。

人工智能任重道遠

當前，視頻結構化技術和大數據技術已經在公安、樓宇、交通、工廠、民用安防領域得到廣泛應用，但由于人工智能在當前國內的基礎還比較薄弱，總體上人工智能的發展，也面臨一定的困難。

從人工智能本身看，當前數據資源分散，開放和共享程度低，難以開展多維數據融合分析，使得人工智能缺乏更多有效的數據支撐；行業領域專業知識的積累還存在一定的薄弱環節，因而會出現對視頻內容的理解能力偏弱，同時也很少涉及大范圍場景的關聯行為分析，沒有積累有效的經驗知識用于異常分析和風險預測；當前很多的智能只是一種反應式智能，根據輸入條件進行自動判斷而已，并不具備成長能力，這是人工智能技術在行業應用中需要解決的問題。

新技術的融合應用，對企業提出更高的要求。產業的智能化發展必然面臨“應用結構復雜，涉及的外部資源多、事務密集、數據量、用戶數多”等問題，如何為不同層次的客戶提供不同產品與解決方案也是對企業綜合實力的一個挑戰，需要能夠將云計算、云服務、大數據、物聯網技術更好地融合。

第4篇：人工智能技術路徑范文

人工智能的概念已提出60年，從原來的理論框架體系的搭建，到實驗室關鍵技術的準備，如今已開始進入全新的發展階段――產業化。

目前，從基本的算法到腦科學研究，人工智能都還沒有突破性進展的可能性。但是，以深度神經網絡為代表的人工智能，結合日新月異的大數據、云計算和移動互聯網，就可以在未來5到10年改變我們的世界。

人工智能+時代的兩大機遇

人工智能不僅將替代簡單重復的勞動，還將替代越來越多的復雜的高級腦力活動，創造一個個新的機會。可以說，任何一個行業、企業或今天的創業者，如果不用人工智能改變今天的生產和生活方式，5年后一定會出局。

第一個趨勢是以語音為主導、以鍵盤和觸摸為輔助的人機交互時代正在到來。如今越來越多的設備不再需要屏幕，越來越多的場景我們不用直接碰觸。比如，想把燈光調亮，想打開五米之外的設備，我們的手沒法直接觸碰。再如，開車時不方便用手、用眼做其他事情。這時，語音就成為最主要的一個交互方式。

第二個趨勢是人工智能正在全球范圍內掀起一股浪潮，“人工智能+”的時代到來，而且會比我們想象的還要快。為什么呢？麥肯錫分析認為，當前45%的工作可以被技術自動化，不只是簡單重復性的工作，CEO20%的工作也可以被機器取代。《科學》雜志預測，2045年人工智能會顛覆全球50%、中國77%的就業。也就是說，今天的我們3/4的工作30年后會被人工智能取代。埃森哲認為，到2035年人工智能會讓12個發達國家經濟增長率翻一倍。我國的增長率只有比這還高，才對得起今天的時代機遇。

從科大訊飛的情況可以看出，人工智能將迎來兩大產業機遇。

第一，未來3到5年，萬物互聯的時代到來，以語音為主、鍵盤觸摸為輔的人機交互將廣泛應用。第二，未來5到10年，人工智能會像水和電一樣進入各行各業，深刻改變我們的生活。

認知智能是最大技術瓶頸

人工智能技術有兩種分類方法。一種分為強人工智能和弱人工智能；另一種是訊飛研究院提出的、跟技術演進路徑相關的分類，分成計算智能、感知智能和認知智能。

計算智能就是機器能存會算。就像當年IBM的深藍電腦下象棋超過卡斯帕羅夫，典型的就是因為運算能力強，提前算到了所有的結果。

感知智能，比如語音合成技術，能夠讓機器開口說話。再如語音識別技術，就像今天的演講，后臺系統把它變成文字，準確率可達95%。

認知智能是讓機器具備能理解、會思考的能力。這是最大的挑戰，也是大家最熱切期待的技術突破。工業革命讓我們從繁重的體力勞動中解放出來，未來的認知智能會讓人從今天很多復雜的腦力勞動中解放出來。

科大訊飛選擇以語音為入口解決認知難題，進行認知革命。以人機交互為入口的目的，就是為了解決自然語言理解的技術難題。這個入口可以把人類的智慧最便捷地匯聚到后臺，供機器學習和訓練，也可以使后臺人工智能的成果最簡單直接地輸出，從社會不斷取得它學習需要的反饋信息，在此基礎上實現知識管理和推理學習。

科大訊飛承擔的科技部第一個人工智能重大專項――高考機器人。目標是為了“考大學”，但其核心技術正是語言理解、知識表達、聯想推理和自主學習。

人工智能技術正走向產業化

目前，科大訊飛的人工智能研究已經取得了階段性成果。

在教育行業，科大訊飛的機器人通過構建學生全過程的學習數據和老師上課的數據，提升了課堂效率，原來45分鐘的課堂，現在15分鐘就搞定。因為大量的內容學生都是知道的，老師只需向個別沒掌握的學生單獨講授。這樣，老師就有時間把課堂的重點放在大家都不了解的知識上，學生可以用大量時間進行啟發式學習。借助這些手段，學生的重復性訓練可以降低50%以上。

在醫療行業，科大訊飛利用語音解決門診電子病歷，利用人工智能輔助診療。學習最頂尖醫療專家知識后的人工智能產品，可以超過一線全科醫生的水平。當前，醫療行業一線最缺的是全科醫生和兒科醫生，引入人工智能技術就可以緩解醫療資源短缺壓力。

科大訊飛的人工智能技術還應用在汽車領域。在寶馬汽車去年的國際測試中，科大訊飛以86%的準確率名列第一。

在客服領域，機器已經替代掉了30%的人工服務。目前，安徽移動呼叫中心有75%的服務內容已被機器替代。

機器人還將從服務后臺走向前端。今年第四季度末或明年，服務機器人將開始在銀行和電信營業廳上崗工作，它們不僅好玩、有趣，吸引人氣，還能幫客戶解決實際問題。

第5篇：人工智能技術路徑范文

2015年12月，微軟亞洲研究院首席研究員劉鐵巖博士去蒙特利爾參加了NIPS年會(Annual Conference on Neural Information Processing Systems)，這是人工智能領域的頂級學術會議。但與會期間，他印象最深的不是同行的專業進展，而是一位科學家告訴臺下的與會者，早些年，他的博士生根本找不到工作，今年卻被一搶而空。

這也是中國正在發生的故事。從硅谷到北京，人工智能都是熱浪滾滾。這個在上世紀50年代和80年代掀起過兩次的技術，現在似乎真的到了產業化的臨界點。互聯網時代的思想家和預言家凱文·凱利宣稱，人工智能是下一個20年里顛覆人類社會的技術，它的力量堪比電與互聯網。

人工智能(Artificial Intelligence)，縮寫為AI。它是研究開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。該領域的研究包括機器人(26.660， 0.12， 0.45%)、語音識別、圖像識別、自然語言處理和專家系統等。

人工智能快速進入大眾視野，源于今年3月谷歌圍棋人工智能程序AlphaGo戰勝世界冠軍李世石。人機圍棋對弈只是普及人工智能的一個秀。它的背后是規模千億級的人工智能產業市場。BBC預測，2020年全球人工智能市場規模將達1190億元人民幣。

目前看，這一數據遠比不上2015年中國移動互聯網的產業規模。但人工智能的意義不僅于此，人工智能技術的發展，還將帶動云服務、大數據分析、移動互聯網和物聯網產業的升級迭代。它甚至將超越移動互聯網，全面改變人類的生活和工作方式。

離人工智能最近的IT互聯網公司敏銳嗅到了這一機遇。從2011年開始，包括深度學習算法、計算資源和大數據產業的成熟令人工智能技術實現飛躍，包括微軟、IBM、谷歌、Facebook、BAT在內的國內外企業都開始深度布局人工智能，試圖把握風口，成為下一個產業變革的巨擘。

已布局人工智能的IT和互聯網巨頭們，最有資格成為這一輪革命的獲益者。但這終究是一個漫長的耐力游戲，除了技術布局，產業布局和戰略視野也是決定成敗的關鍵因素，短視者將隨時出局。

BAT保守布局

中國的所有行業中，以BAT為代表的互聯網行業在人工智能研究和商業化探索方面走得最早，也看得最遠。其中，技術起家的百度走在最前端。

2012年10月，百度董事長兼首席執行官李彥宏參加了內部的一個基于深度學習的語音識別產品研究會。當時該產品的主導者余凱回憶，那是李彥宏第一次知道深度學習，他非常吃驚，并給全公司寫信，讓所有產品經理都要了解人工智能技術的發展。

當年12月，李彥宏開始和余凱討論成立深度學習研究院的可行性。次年7月，這個研究院成立，李彥宏任院長，余凱為常務副院長。這是中國公司里的第一個人工智能研究院。

李彥宏很快將相關技術投入到搜索的核心業務中。2014年的百度內部統計數據顯示，深度學習技術的應用，讓百度和競爭對手的Diff(different，內部叫Diff)指標提升了若干倍。

但人工智能的科研，尤其是基礎科學研究，是一個冗長寂寞的過程。此后，迫于財務數據和競爭壓力，百度的決策者們更加注重眼前的布局和資源。

“到了后期，太長遠項目，或是比較創新的項目，百度總部確實不太支持了。百度i站的項目、百度快搜這樣的項目沒了。”一位不愿具名的前百度人工智能研究崗位人士評價。一位現任百度相關人士對《財經》記者表示，百度前些年確實剔除了不少經過驗證沒有商業化前景的分支項目，但最近兩三年，百度明顯加大了在人工智能上的投入，包括無人駕駛汽車等長期項目。

6月8日，在2016百度聯盟峰會上，李彥宏將百度無人駕駛汽車稱作“一臺帶輪子的電腦”。他現場播放了百度無人車路測的實況錄像，百度無人車已經可以像正常車輛一樣加速、并線、超車，他同時表示，三五年之內，無人駕駛一定可以成為現實。

從整體來看，百度仍是BAT三家中首先完成有關人工智能技術體系整合的公司。目前，百度研究院、百度大數據、百度語音和百度圖像等技術都已歸入人工智能技術體系。李彥宏多次向外界強調，百度未來的發展將嚴重地依賴人工智能。

IBM研究院一位人工智能專家告訴《財經》記者，百度是被他們列入競爭列表的唯一中國公司。

硅谷尤其關心“百度大腦”的進展。百度大腦是百度在人工智能領域的核心。百度此前的諸多人工智能產品，如無人駕駛、智能搜索等，都是基于百度大腦的能力。

百度高級副總裁、自動駕駛事業部總經理王勁稱，百度大腦已具備視、聽、說和預測、規劃決策以及行動控制的能力。在數據方面，百度有萬億級的網頁、移動和行為數據可供分析。在深度學習方面，百度的萬億參數排在世界第一。

2015年，百度的研發投入超過100億元。占百度2015年總營收663.82億元的15%。

百度正在計劃將百度大腦在金融、汽車、醫療等領域商業化。李彥宏稱，人工智能的“井噴式”創新，將推動互聯網進入第三幕，并將重構傳統產業。比如“人工智能+金融”，可以快速地實現征信升級，實現“秒放”貸款。

阿里巴巴和騰訊的布局則更加克制。或者說，它們更代表中國公司的普遍做法，從業務驅動開始，逐漸加大檔位。

阿里從2011年開始布局互聯網醫療，投資收購和戰略合作的公司數以百計。圍繞醫院、醫保、醫藥做了大量布局。最新的統計數據顯示，全國已經有超過400家大中型醫院加入阿里的“未來醫院”計劃，覆蓋全國90%省份。阿里云人工智能首席科學家閔萬里博士告訴《財經》記者，阿里在健康醫療領域的布局快慢，取決于阿里在人工智能領域的技術突破。

阿里的設想是，未來，在阿里遍布全國邊遠山村的醫院醫療點里，病患足不出戶，只需拍一張CT，通過遠程技術來完成專家級的診療過程。這種診療，依賴的就是基于阿里云的人工智能醫療系統。隨著學習數據的不斷增加，機器會變得越來越聰明，最終成為一個“永不退休的醫學專家”。

多位接受《財經》記者采訪的專家評價，阿里這個技術并不復雜，醫療診斷是基于經驗的專家型勞動，是機器擅長的經驗學習，三年內該技術便可成熟。

閔萬里告訴《財經》記者，要實現這個目標，除了技術平臺，還需要整個醫療體系的打通，需要政府和社會共同推動設備和資源的開放。一旦打通，聚合在一個人工智能服務平臺之上，就將衍生出更多的應用服務場景，從而實現“商業和技術互為驅動”。

阿里是目前中國所有公司里，數據生態最完善、最健全的公司。iPIN創始人兼CEO楊洋認為，阿里的MaxComputer數據通道，是非常健康的數據大動脈，可以將阿里的所有數據資源非常高效地結合在一起。

此外，阿里云也是目前世界上最接近AWS(亞馬遜云服務)的云計算平臺。數據生態體系是做人工智能的重要基礎。因此，在這場有關未來的布局中，阿里云的主導地位清晰。

阿里的人工智能研究分散在其各個業務分支之中，有待整合。閔萬里說，阿里希望在算法能力上有所突破，這需要一個集中的技術機構來整合阿里的所有相關技術資源。

騰訊和阿里的情況類似。騰訊在人工智能上的布局，以IM和SNS業務為基礎。例如語音識別主要是在微信部門、圖片識別主要是在QQ，支付和金融業務方面植入了人臉識別，搜索部門則關注自然語言識別。

其中一些技術已在騰訊內部實現產品化。SNG(社交網絡事業群)的優圖團隊聚焦圖象識別領域，推出了黃圖識別功能，并為騰訊內部產品如圖片優化工具“天天P圖”提供技術支持。WXG(微信事業群)則人機互動領域的拓展，也對圖像和語音識別進行了原發。WXG推出了智能機器人“小微”，用戶可以用自然語言與之溝通，解決此前語音助手智能機械應答的短板。對于未來，工程師希望“小微”成為一種“連接器”——與微信支付串聯起來，接入微信公眾號以及錢包內的各種生活服務，打造完整的微信內O2O閉環生態體系。

騰訊高級副總裁姚星在接受《財經》記者采訪時表示，騰訊越來越重視在人工智能領域的技術開發，這包括兩個路徑：一是整合騰訊自身的技術資源，形成體系和重點；二是加快對優秀公司的收購和合作步伐。

騰訊參與了多個人工智能項目的早期投資。騰訊投資并購部一直在為公司尋找需要的標的，服務于騰訊的整體戰略。騰訊日前與硅谷風投機構Felicis Ventures領頭了人工智能創業公司Diffbot 1000萬美元的A輪。這家公司通過人工智能技術，讓“機器”抓取網頁關鍵內容，并輸出軟件可以直接識別的結構化數據。

BAT的人工智能技術研發從第一天開始就是商業需求驅動的，他們從業務入手，收購甚至模仿別人的東西，這種做法避免了漫無目的研究和不必要的失敗，但也無法保證在下一輪的人工智能平臺大戰中勝出。

今年，阿里和騰訊均有組建人工智能研究院的想法。姚星對《財經》記者說，很快，騰訊人工智能研究院就會成立。

國際巨頭深入無人區

如果說BAT的人工智能布局處于對標和追趕的狀態，那么以IBM、微軟、谷歌、Facebook為代表的美國巨頭公司已經開始深入科技無人區。

這些公司技術和業務各有所長，面向的用戶也不同，但它們的目標一致：把人工智能機器做大、做強、再做沒。

IBM和微軟可能沒有谷歌、Facebook看起來那么酷，但在人工智能領域有深厚的技術底蘊，IBM甚至已經開始用人工智能賺錢。

IBM人工智能研究可以追溯到1997年“深藍”戰勝當時的國際象棋世界冠軍卡斯帕羅夫。2011年，代表著IBM在認知計算領域最先進技術的Watson在一個電視節目中一戰成名，被認為是人工智能歷史上的一個里程碑。

今天可以代表IBM在人工智能領域最高技術水平的，是不斷進化中的Watson系統，和已經可以量產的人腦模擬芯片SyNAPSE(超大規模神經突觸計算機芯片)。

Watson是一臺超級計算機，最初由90臺IBM的Power 7服務器并行組成。和Google、微軟的人工智能相比，它從硬件芯片構架就開始模擬人類神經元，基于IBM的“DeepQA”技術開發。2014年1月初，IBM宣布組建“Watson Group”，旨在進一步開發、商用和增強“Watson”及其他認知技術，此外還投入10億美元用于其他相關項目。

Watson已經開始為IBM賺錢了。法國農業信貸銀行預測，Watson系統創造的收入將在2018年占IBM總收入的12%以上。Watson已經被部署在IBM去年收購的云計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌、微軟等大型科技公司在云計算領域展開競爭的武器。

另一個代表性產品是IBM在2014年的人腦模擬芯片SyNAPSE。該芯片能夠模仿人腦的運作模式、低功耗，在認知計算方面要遠勝傳統計算架構。和其他芯片公司的紙上規劃不同，這款芯片已達到量產要求。

IBM將其技術和商業實力總結為“認知計算體系”。IBM大中華區副總裁、戰略部總經理郭繼軍向《財經》記者表示，IBM推動認知計算體系，目標是把IBM在人工智能、大數據、深度學習、模式識別等所有領域里所做的積累應用到各個行業中去，幫助各行各業客戶提升效率，解決他們所面臨的現實挑戰。

微軟人工智能技術的研究已超25年。1991年微軟成立研究院，最早的五個研究組，研究方向分別是人機交互、自然語言處理和機器學習、語音識別和語音合成、計算機視覺。這些恰恰是今天人工智能的幾個最重要的分支。

微軟的人工智能研究方向要寬泛很多，微軟研究院擁有超過1000位科學家，在包括深度學習的多個領域的技術布局處于世界頂端。

微軟最新的深度學習系統在2015年ImageNet計算機視覺識別挑戰賽中，將計算機視覺系統錯誤率降低至3.57%，相比于人眼辨識的5.1%，這是人工智能首次在識別圖像的錯誤率上超越人類水平。這些機器由微軟的Azure云服務提供支持。

微軟不僅將人工智能技術應用于如Windows、Azure等核心業務中，還構建開放的平臺，將多年的技術積累開放給產業界，它的目標是打造一個人工智能生態圈。

它在無人區走得最遠，在現實商業世界中隱蔽得最深。

和前輩相比，年輕的谷歌在人工智能領域做的事情更讓外界看得懂，也更興奮。谷歌一方面不知疲倦地做底層人工智能技術的積累，研發更加高級的深度學習算法，增強圖形識別和語音識別能力。另一方面親力親為布局了包括智能家居、自動駕駛、機器人(2013年收購了8家機器人公司)等領域，前者為后者帶來基礎技術支撐，后者為前者提供數據和反饋。

值得一提的是，谷歌在無人駕駛汽車領域的技術積累，已經遠遠超過傳統汽車廠商和其他互聯網公司。

更加年輕的Facebook，將人工智能視為未來的三大方向之一。Facebook天然擁有全球范圍內的海量社交數據，但在基礎科學的研究上依然不遺余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大學機器人系博士、Facebook人工智能組研究員田淵棟稱，FAIR的研究方向自由寬松，研究所需的計算資源(如GPU)相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究。他稱，這樣的學術氛圍在各大公司是極其少見的。

如果說前述幾大巨頭都是從人工智能技術出發，結合云計算賦予技術更多勢能，那么亞馬遜的路徑正好相反。亞馬遜是全球第一大云服務提供商，它的云服務收入超過微軟、IBM、谷歌、Salesforce等所有對手的總和。但亞馬遜目前的人工智能技術，多數集中在提升購物體驗的深度學習領域。

人工智能技術有兩大要素：核心技術平臺和數據循環。只擁有技術是不夠的，需要業務和數據結合，才能打造好的技術。對循環數據的獲取，巨頭們也都不遺余力。

以最熱衷開源的微軟為例，去年，微軟了“牛津計劃”(現更名為“微軟認知服務”)，這是一個基于微軟云平臺的智能API(應用程序編程接口)，涵蓋了五大方向的人工智能技術，包括了計算機視覺、語音、語言、知識、搜索五大類API。去年夏天火爆的How-Old.net，就是借助該平臺快速開發出來的一款應用，一共只有20多行代碼。

類似的工具包微軟還有很多，例如深度學習工具包(CNTK)和微軟亞洲研究院主導的微軟分布式機器學習工具包(DMTK)等。

這些對于創業公司和中小企業來說相當實用。他們不用從底層技術一點點學，在小集群上或者是云服務上就可以直接調用。

對于巨頭來說，算法已經不再是競爭的障礙，數據和用戶習慣才是山頭。大量的初創企業會采用開源做很多垂直領域的業務，其中包括海量試錯和驗證，最終也會反饋回開源，而這正是巨頭們所期望的。

做B2B生意的IBM對數據的專業度要求更高，無法僅依賴搜索引擎和大量應用的交互來訓練Watson系統，因此通過深度合作和并購來獲取專業數據。

以醫療領域為例，IBM和多家世界級頂尖醫院合作，向醫院部署Watson的智能系統，通過分析這些醫院的病歷、專家的治療經驗、現有的學術研究等，幫助它們制定、觀察和調整癌癥患者的治療方案。在這一過程中，Watson也就有了這一領域的數據積累。

2015年4月，IBM收購了Explorys，它是一家可以查看5000萬份美國患者病歷的分析公司。類似的收購IBM還有不少，并且出手相當大方。

Watson已經可支持針對乳癌、肺癌和結腸直腸癌、皮膚癌等癌癥的初期診斷。在皮膚癌領域，在一項對3000幅皮膚鏡檢查圖像的研究中，Watson識別皮膚癌的準確率高達95%以上。而人類識別皮膚癌的準確率只有84%。

國內的一位人工智能業者調侃，國際巨頭在人工智能領域真正有價值的是它們的那些你看不見的、沒開源的、國際會議上含含糊糊一筆帶過的技術。“那些才是可以顛覆未來的彈藥。”

填補斷層

人工智能的產業結構可以分為三層：應用層、技術層和基礎層。應用層聚焦在人工智能和各行業各領域的結合；技術層是算法、模型和技術開發；基礎層則是計算能力和數據資源。

BAT擅長第一層。BAT手中，天然握有全球最大的數據資源。但在第二層和第三層嚴重斷層。中國在人工智能領域的科研水平停留在工程數學、物理算法等工程科學的創新層面，基礎理論研究領域的人才和資源很少。

多位接受《財經》記者采訪的中外業者認為，BAT的優勢在于海量數據，和國際巨頭的核心差距在技術。

騰訊高級副總裁姚星告訴《財經》記者，今年初，他和騰訊的投資并購部達成了一個共識，開始大量考察美國的機器學習平臺類創業公司。一則中國這類技術公司不多；二則收購這種公司可以快速補足騰訊在算法領域的不足。

姚星向《財經》記者分析，同樣提供10萬個樣本給機器，優秀的算法平臺可能只需要幾個小時，速度慢的可能需要幾天時間。

對于海外收購，搜狗公司CEO王小川則更加直白：“國內適合收購的標的公司很少，因為根是斷的，(技術和基礎研究)源頭在國外，要到國外看。”

在快速迭代的互聯網世界里，即便是互聯網巨頭，單打獨斗練獨門秘籍也會錯失良機。最佳方式，就是擁有數據和擁有技術的公司，通過各種結盟方式形成優勢互補，快速搶占市場。

2014年11月，螞蟻金服宣布和曠視科技戰略合作，利用后者的人臉識別技術Face++軟件去確認開立在線銀行賬號的用戶身份，即“人臉支付”。

Face++在人臉檢測的多項指標評測中接連拿下世界第一。2013年，在極難識別的互聯網新聞圖片上，獲得了97.27%的準確率，這個指標高于Facebook團隊。三年后，這一準確率已提高至99.5%。

進行面部識別，需要處理大量來自面部的數據信息，包括結構、五官以及肌肉等方面的數據分析。阿里云為這個合作注入自身的數據和分析能力。

“凡是花錢解決的問題都不是問題，阿里可以自己完成這些事情，但時間成本是相當昂貴的。”閔萬里對《財經》記者說，“阿里有1000件同級別的事情要做，能做好的只有其中幾件，剩下的用投資+合作，這是時間和資本效率最高的做法。”

技術和數據的結盟并不限于BAT，更多的公司希望通過結盟方式獲得未來，新的巨頭或許從中誕生。

搜狗CEO王小川的思路是社交化，做更多連接，通過建設社群關系，把人大腦里的智慧表達出來，從而解決目前搜索技術存在的內容不夠精準和實用性較差的問題。2013年騰訊入股搜狗后，先后向搜狗開放了微信公眾號數據和QQ興趣部落，為搜狗輸入數據資源。除此之外，搜狗還在去年11月戰略投資知乎1200萬美元，全面接入知乎內容。

王小川想讓搜狗的人工智能機器不斷學習社群數據，他對《財經》記者說，“人工智能下一個五年不在于人工智能本身，而是讓機器找到人。”

今天，技術和數據的天然開放性讓各公司之間的競爭變得“我中有你、你中有我”，最終的贏家是可以將技術和數據平衡利用，達到平臺效益最大化的公司。

微軟亞洲研究院常務副院長芮勇認為，橫向對比，中國和國際領先公司在核心技術上確實存在差距，國外更加注重基礎研究和技術研發，國內企業可以將國外的研發工具化、商業化；從縱向看，中國在人工智能領域的技術積累近幾年確實出現了飛躍，無論是最底層的計算機體系架構，還是智能硬件，或是上層軟件應用，都有質的進步。

“只要不太急于求成，持之以恒地投入，中國的人工智能產業相當值得期待。”芮勇說。

擠出泡沫

馬云在一次內部講話中強調：“全球都在講人工智能，到了風口浪尖，在創新面前，沒有第二只有第一，創新落伍了，你就輸了。”

焦慮的不僅是BAT，華為公司創始人任正非5月30日在全國科技創新大會上發言提到，“未來二三十年人類社會將演變成一個智能社會，其深度和廣度我們還想象不到。如果不能堅持創新，遲早會被顛覆。”

開放趨勢之下，人工智能也注定不是一場巨頭間的戰爭。

市場調研機構CB Insights的統計數據顯示，2014年風險資本對人工智能的投資增長302%，達到3.09億美元。

中國人工智能領域已有近百家創業公司，65家獲得投資，共計29.1億元人民幣，其中曠視科技、優必選、云知聲、SenseTime四家公司登上艾瑞獨角獸榜單。

更多初創公司只是打上了人工智能的標簽。它們本質上是用國際開源的平臺，用數據訓練一兩個模型，甚至照搬國際模型，這其實潛含危險，最大的風險是產品嚴重同質化，尤其在人臉識別、語音識別等成熟領域，這些公司的產品沒有突破性創新，根本沒有繼續走下去或被收購的價值。

姚星常常為投資人鑒定真偽人工智能公司。他說，辨識偽人工智能公司有兩個關鍵點：一是這家公司所采用的技術是否是最新、最前沿的技術，如果不是，則是用人工智能概念包裝的偽人工智能。

其二，這家公司的技術和業務是否具備可擴展性？若否，則是采用部分機器學習算法或淺層人工智能技術的商業公司，而非真正的人工智能公司。

iPIN是一家擁有文本認知智能技術的公司，從去年開始，iPIN收到了不少投資機構的投資意向，該公司創始人兼CEO楊洋告訴《財經》記者，到目前為止，他還沒有遇到真正有能力鑒別人工智能技術水平的投資機構。

“這對于做偽人工智能的公司絕對是一個好消息。”楊洋調侃說。

危險在于，就算是一些初創時期確實手握人工智能獨特技術和商業模式的公司，也在資本的脅迫下慢慢走形。

在資本的壓力之下，一些人工智能創業公司開始過早商業化，研發投入逐步降低，人員結構也發生變化，銷售開始主導公司，最終技術公司變成營銷公司，失去了被并購的價值。

投資人工智能公司，需要專業技術知識和長線投資眼光。根據Gartner的“智能機器炒作周期圖”，由人工智能驅動的應用中，語音識別產業化最高，自動駕駛汽車和智能顧問處于炒作最高點，智能機器人、自然語言處理/生成和虛擬個人助手則處于爬坡期。這些都屬于5年-10年內能廣泛普及的顛覆性技術。而神經形態硬件(如神經元芯片等)屬于10年以后才能普及的技術，但該技術可能還沒研發成熟就被淘汰了。

第6篇：人工智能技術路徑范文

【關鍵詞】智能機器人；發展現狀；應用；趨勢

0 引言

智能機器人是一種可編程和多功能的，用來搬運材料、零件、工具的操作機，或是為了執行不同的任務而具有可改變和可編程動作的專門系統。智能機器人則是一個在感知-思維-效應方面全面模擬人的機器系統，外形不一定像人。它是人工智能技術的綜合試驗場，可以全面地考察人工智能各個領域的技術，研究它們相互之間的關系。還可以在有害環境中代替人從事危險工作、上天下海、戰場作業等方面大顯身手。一部智能機器人應該具備三方面的能力：感知環境的能力、執行某種任務而對環境施加影響的能力和把感知與行動聯系起來的能力。智能機器人與工業機器人的根本區別在于，智能機器人具有感知功能與識別、判斷及規劃功能[1]。

隨著智能機器人的應用領域的擴大，人們期望智能機器人在更多領域為人類服務，代替人類完成更復雜的工作。然而，智能機器人所處的環境往往是未知的、很難預測。智能機器人所要完成的工作任務也越來越復雜；對智能機器人行為進行人工分析、設計也變得越來越困難。目前，國內外對智能機器人的研究不斷深入。

本文對智能機器人的現狀和發展趨勢進行了綜述，分析了國內外的智能機器人的發展，討論了智能機器人在發展中存在的問題，最后提出了對智能機器人發展的一些設想。

1 國內外在該領域的發展現狀綜述

1.1 智能機器人的發展現狀

智能機器人是第三代機器人[2]，這種機器人帶有多種傳感器，能夠將多種傳感器得到的信息進行融合，能夠有效的適應變化的環境，具有很強的自適應能力、學習能力和自治功能。

目前研制中的智能機器人智能水平并不高，只能說是智能機器人的初級階段。智能機器人研究中當前的核心問題有兩方面：一方面是，提高智能機器人的自主性，這是就智能機器人與人的關系而言，即希望智能機器人進一步獨立于人，具有更為友善的人機界面。從長遠來說，希望操作人員只要給出要完成的任務，而機器能自動形成完成該任務的步驟，并自動完成它。另一方面是，提高智能機器人的適應性，提高智能機器人適應環境變化的能力，這是就智能機器人與環境的關系而言，希望加強它們之間的交互關系[3]。

智能機器人涉及到許多關鍵技術，這些技術關系到智能機器人的智能性的高低。這些關鍵技術主要有以下幾個方面：多傳感信息耦合技術，多傳感器信息融合就是指綜合來自多個傳感器的感知數據，以產生更可靠、更準確或更全面的信息，經過融合的多傳感器系統能夠更加完善、精確地反映檢測對象的特性，消除信息的不確定性，提高信息的可靠性；導航和定位技術，在自主移動機器人導航中，無論是局部實時避障還是全局規劃，都需要精確知道機器人或障礙物的當前狀態及位置，以完成導航、避障及路徑規劃等任務；路徑規劃技術，最優路徑規劃就是依據某個或某些優化準則，在機器人工作空間中找到一條從起始狀態到目標狀態、可以避開障礙物的最優路徑；機器人視覺技術，機器人視覺系統的工作包括圖像的獲取、圖像的處理和分析、輸出和顯示，核心任務是特征提取、圖像分割和圖像辨識；智能控制技術，智能控制方法提高了機器人的速度及精度；人機接口技術，人機接口技術是研究如何使人方便自然地與計算機交流[4]。

在各國的智能機器人發展中，美國的智能機器人技術在國際上一直處于領先地位，其技術全面、先進，適應性也很強，性能可靠、功能全面、精確度高，其視覺、觸覺等人工智能技術已在航天、汽車工業中廣泛應用。日本由于一系列扶植政策，各類機器人包括智能機器人的發展迅速。歐洲各國在智能機器人的研究和應用方面在世界上處于公認的領先地位[5]。中國起步較晚，而后進入了大力發展的時期，以期以機器人為媒介物推動整個制造業的改變，推動整個高技術產業的壯大[6]。

1.2 智能機器人的廣泛應用

現代智能機器人基本能按人的指令完成各種比較復雜的工作，如深海探測、作戰、偵察、搜集情報、搶險、服務等工作，模擬完成人類不能或不愿完成的任務，不僅能自主完成工作，而且能與人共同協作完成任務或在人的指導下完成任務，在不同領域有著廣泛的應用[7]。

智能機器人按照工作場所的不同，可以分為管道、水下、空中、地面機器人等。管道機器人可以用來檢測管道使用過程中的破裂、腐蝕和焊縫質量情況，在惡劣環境下承擔管道的清掃、噴涂、焊接、內部拋光等維護工作，對地下管道進行修復；水下機器人可以用于進行海洋科學研究、海上石油開發、海底礦藏勘探、海底打撈救生等；空中機器人可以用于通信、氣象、災害監測、農業、地質、交通、廣播電視等方面；服務機器人半自主或全自主工作、為人類提供服務，其中醫用機器人具有良好的應用前景；仿人機器人的形狀與人類似，具有移動功能、操作功能、感知功能、記憶和自治能力，能夠實現人機交互；微型機器人以納米技術為基礎在生物工程、醫學工程、微型機電系統、光學、超精密加工及測量（如掃描隧道顯微鏡） 等方面具有廣闊的應用前景[8]。

在國防領域中，軍用智能機器人得到前所未有的重視和發展，近年來，美英等國研制出第二代軍用智能機器人，其特點是采用自主控制方式，能完成偵察、作戰和后勤支援等任務，在戰場上具有看、嗅等能力，能夠自動跟蹤地形和選擇道路，具有自動搜索、識別和消滅敵方目標的功能。如美國的Navplab自主導航車，SSV自主地面戰車等。在未來的軍事智能機器人中，還會有智能戰斗機器人、智能偵察機器人、智能警戒機器人、智能工兵機器人、智能運輸機器人等等，成為國防裝備中新的亮點[9]。

在服務工作方面，世界各國尤其是西方發達國家都在致力于研究開發和廣泛應用服務智能機器人，以清潔機器人為例，隨著科學技術的進步和社會的發展，人們希望更多地從繁瑣的日常事務中解脫出來，這就使得清潔機器人進入家庭成為可能。日本公司研制的地面清掃機器人，可沿墻壁從任何一個位置自動啟動，利用不斷旋轉的刷子將廢棄物掃入自帶容器中；車站地面擦洗機器人工作時一面將清洗液噴灑到地面上，一面用旋轉刷不停地擦洗地面，并將臟水吸入所帶的容器中；工廠的自動清掃機器人可用于各種工廠的清掃工作。美國的一款清潔機器人“Roomba”具有高度自主能力，可以游走于房間各家具縫隙間，靈巧地完成清掃工作。瑞典的一款機器人“三葉蟲”，表面光滑，呈圓形，內置搜索雷達，可以迅速地探測到并避開桌腿、玻璃器皿、寵物或任何其它障礙物。一旦微處理器識別出這些障礙物，它可重新選擇路線，并對整個房間做出重新判斷與計算，以保證房間的各個角落都被清掃[10]。

甚至在體育比賽方面，也得到了很大的發展，近年來在國際上迅速開展起來足球機器人與機器人足球高技術對抗活動，國際上已成立相關的聯合會FIRA，許多地區也成立了地區協會，已達到比較正規的程度且有相當的規模和水平。機器人足球賽目的是將足球（高爾夫球） 撞入對方球門取勝。球場上空（2m ） 高懸掛的攝像機將比賽情況傳入計算機內，由預裝的軟件作出恰當的決策與對策，通過無線通訊方式將指揮命令傳給機器人。機器人協同作戰， 雙方對抗，形成一場激烈的足球比賽。在比賽過程中， 機器人可以隨時更新它的位置每當它穿過地面線截面[11]，雙方的教練員與系統開發人員不得進行干預。機器人足球融計算機視覺、模式識別、決策對策、無線數字通訊、自動控制與最優控制、智能體設計與電力傳動等技術于一體，是一個典型的智能機器人系統[12]。

現代智能機器人不僅在上述方面有廣泛應用，而將滲透到生活的各個方面，像在煤炭工業在礦業方面，考慮到社會上對煤炭需求量日益增長的趨勢和煤炭開采的惡劣環境，將智能機器人應用于礦業勢在必行。在建筑方面，有高層建筑抹灰機器人、預制件安裝機器人、室內裝修機器人、擦玻璃機器人、地面拋光機器人等。在核工業方面，主要研究機構靈巧、動作準確可靠、反應快、重量輕的機器人等等[13]。智能機器人的應用領域的日益擴大，人們期望智能機器人能在更多的領域為人類服務，代替人類完成更多更復雜的工作。

2 討論與展望

2.1 智能機器人的發展趨勢展望

智能機器人具有廣闊的發展前景，目前機器人的研究正處于第三代智能機器人階段，盡管國內外對此的研究已經取得了許多成果，但其智能化水平仍然不盡人意。未來的智能機器人應當在以下幾方面著力發展：面向任務，由于目前人工智能還不能提供實現智能機器的完整理論和方法，已有的人工智能技術大多數要依賴領域知識，因此當我們把機器要完成的任務加以限定，及發展面向任務的特種機器人，那么已有的人工智能技術就能發揮作用，使開發這種類型的智能機器人成為可能；傳感技術和集成技術，在現有傳感器的基礎上發展更好、更先進的處理方法和其實現手段，或者尋找新型傳感器，同時提高集成技術，增加信息的融合；機器人網絡化，利用通信網絡技術將各種機器人連接到計算機網絡上，并通過網絡對機器人進行有效的控制；智能控制中的軟計算方法，與傳統的計算方法相比，以模糊邏輯、基于概率論的推理、神經網絡、遺傳算法和混沌為代表的軟計算技術具有更高的魯棒性、易用性及計算的低耗費性等優點，應用到機器人技術中，可以提高其問題求解速度，較好地處理多變量、非線性系統的問題；機器學習，各種機器學習算法的出現推動了人工智能的發展，強化學習、蟻群算法、免疫算法等可以用到機器人系統中，使其具有類似人的學習能力，以適應日益復雜的、不確定和非結構化的環境；智能人機接口，人機交互的需求越來越向簡單化、多樣化、智能化、人性化方向發展，因此需要研究并設計各種智能人機接口如多語種語音、自然語言理解、圖像、手寫字識別等，以更好地適應不同的用戶和不同的應用任務，提高人與機器人交互的和諧性； 多機器人協調作業，組織和控制多個機器人來協作完成單機器人無法完成的復雜任務，在復雜未知環境下實現實時推理反應以及交互的群體決策和操作。

2.2 建議及設想

由于現有的智能機器人的智能水平還不夠高，因此在今后的發展中，努力提高各發面的技術及其綜合應用，大力提高智能機器人的智能程度，提高智能機器人的自主性和適應性，是智能機器人發展的關鍵。同時，智能機器人涉及多個學科的協同工作，不僅包括技術基礎，甚至還包括心理學、倫理學等社會科學，讓智能機器人完成有益于人類的工作，使人類從繁重、重復、危險的工作中解脫出來，就像科幻作家阿西莫夫的“機器人學三大法則”一樣，讓智能機器人真正為人類利益服務，而不能成為反人類的工具。相信在不遠的將來，各行各業都會充滿形形的智能機器人，科幻小說中的場景將在科學家們的努力下逐步成為現實，很好地提高人類的生活品質和對未知事物的探索能力。

我國的智能機器人發展還落后于世界先進水平，而智能機器人又是高科技的集中體現，具有重要的發展價值，因此我國在智能機器人領域要認清形勢、明確發展發現和目標，采取符合我國國情的可行發展對策，努力縮小與世界領先水平的差距，早日讓智能機器人全面為社會的發展服務。相信經過政府的重視和投入，科技工作者的不懈奮斗，我國的智能機器人發展水平能達到新的高度。

【參考文獻】

[1]董硯秋.智能機器人概述[J].網絡與信息，2007，07：68-69.

[2]機器人發展簡史[J].世界科學，2007-03-10.

[3]張鈸.智能機器人的現狀及發展[J].科學導報，1992，06：42-46.

[4]孟慶春，齊勇，張淑軍，杜春俠，殷波，高云.智能機器人及其發展[J].中國海洋大學學報，2004，09：831-838.

[5]朱力.目前各國機器人發展情況[J].China youth s&t，2003，11：38-39.

[6]惲為民.中國機器人發展之我見[J].讀者之聲，1995-02-30.

[7]賈玉贊.淺議智能機器人發展及應用[J].太原科技，2003-03-20.

[8]孟慶春，齊勇，張淑軍，杜春俠，殷波，高云.智能機器人及其發展[J].中國海洋大學學報，2004，09：831-838.

[9]朱玉章.未來智能機器人[J].軍事世界，2003-10-32.

[10]譚定忠，王啟明，李金山，李林.清潔機器人研究發展現狀[J].機械工程師，2004，6：9-11.

[11]Akhtaruzzaman， M.； Khirul Hasan， S.K.； Shafie， A.A. Design and development of an intelligent autonomous mobile robot for a soccer game competition[J]. Proceedings of the 2009 International Conference on Mechanical and Electronics Engineering， 2010： 167-71.

第7篇：人工智能技術路徑范文

關鍵詞：大數據時代；人工智能；計算機網絡技術

1引言

隨著互聯網技術的不斷發展，人工智能作為一項應用前景非常廣闊的技術手段，不斷深入到人們的生活中。在互聯網發展的今天，人工智能的運用越來越廣泛，無論是日常的生活、學習、娛樂還是工廠操作、科技研究等。智能化科技的出現，不但豐富了人們的日常生活，也給計算機的發展提供了可行性方向，亟待深一步的研究。

2人工智能的概念及意義

人工智能是計算機科學的一個分支，集研究、開發于一體，用于模擬、延伸和擴展人類智能的理論、方法、技術及應用的一門技術科學。人工智能的研發包含哲學、語言學、心理學等學科，能夠模擬人類對外界圖像、聲音的反應。基于大數據時代數據多、規模大的特點，將機器智能化來幫助人們解決一些生活上的問題，從而提高人們的生活質量和生活安全水平。人工智能的系統過程可以把人類日常的行為習慣、思考習慣轉換成數據的形式進行儲存，以實現人類日常生活的模擬，進而實現機器的自動操作。人工智能的運用實現了我國計算機技術領域的發展，豐富了人們的生活，為社會帶來了更多的便捷，同時也是計算機技術發展的必然趨勢和必經過程。人工智能和計算機網絡技術兩者之間相互結合，互相促進，為未來發展提供了新的方向。從某種意義上講，網絡計算機的發展是以人工智能技術為核心基礎，進行更深層次的研究。從簡單的數據計算、人工搜索轉變為機器的智能操作，直到人工智能對計算機網絡安全和網絡管理中的有效運用，無一不體現了人工智能的核心地位。給予人工智能強大的優勢，將計算機系統局部資源進行處理分析，能夠快速得到對人們有利的信息，提高信息的準確性和快捷性。此外，人工智能有非常強大的協作能力，通過對資料的有效整合，根據不同用戶的不同需求來互相交換信息和資源，有效利用信息資源。

3人工智能現狀

人工智能的到來，大大提高了數據處理和數據判斷的準確性。大數據時代的到來，有著驚人的數據分析和處理能力，人們的隱私問題也越來越暴露，人工智能在計算機網絡技術中的運用提高了計算機在信息處理過程中的復雜性和安全性。對于一些模糊、不確定的信息，人工智能能夠模擬人類思維，使得信息更加準確、具體，從而提高計算機處理信息的效率。同時，能夠提高信息管理體系的有效性和靈活性。但是，隨著人工智能的運用越來越廣泛，在運用過程中人工智能獲取的信息只能根據系統設定的命令處理信息，無法辨別給定的信息準確與否。數據太多沒有針對性，是人工智能處理問題的一大弊端，不但增加了時間和空間的使用，還不一定能找到想要的準確信息[1]。

4大數據時代人工智能在計算機網絡技術中的運用

人工智能在網絡技術中的運用主要集中在兩個方面：計算機網絡安全管理系統中的應用和計算機網絡管理系統中的應用。在計算機網絡安全管理系統中主要通過入侵檢測智能防火墻技術、數據挖掘數據融合、人工免疫以及智能型反垃圾郵件四個方面，對計算機網絡安全進行保護。在計算機網絡管理上，主要運用專家系統數據庫、人工智能問題解答、Agent技術三個方面。

4.1入侵檢測和智能防火墻技術

入侵檢測技術和計算機智能防火墻技術是人工智能的核心技術，也是計算機網絡安全的重要組成部分。不但能夠保證計算機網絡系統中的資源數據安全完整，智能防火墻技術還可以對計算機網絡系統中一些沒有意義的有害信息進行攔截，防止其流入計算機系統中，確保計算機的安全狀態。人工智能中入侵檢測和智能防火墻技術可以很好的在計算機系統中建立一個自動防范功能，使計算機能夠高效識別病毒木馬的入侵，從而有效進行遏制。所以，應用入侵檢測技術和智能防火墻技術不僅能夠保護計算機網絡信息的安全，還能夠推動計算機網絡的健康發展[2]。

4.2數據挖掘和數據融合

數據挖掘是結合網絡連接和主機會話，找出兩者共同的特征利用審計程序分別加以描述，再通過人工智能捕捉到的入侵規律和計算機網絡沒有遭到入侵時的運行狀態，將結果記錄儲存在腦中。在這種情況下一旦計算機系統遭受入侵，系統會提示異常，自動識別入侵對象，從而進行攔截，這也是人工智能自我記憶與自我學習功能的體現。數據挖掘的運用能夠有效提升檢測入侵對象的效率，提高計算機網絡的安全。數據融合是根據人類處理信息的方式研發出的一項把資料協同化的技術。該技術能夠將計算機網絡系統中多個傳感器進行融合，使其發揮最大作用來提升系統的性能。同時，能夠縮小傳感器入侵的幾率和范圍，打破原有的局限性，保證入侵檢測的有效性和安全性。

4.3人工免疫技術

人工免疫技術是模擬人類處理方式而研發的一項新型技術，彌補了入侵檢測時未能識別病毒的缺陷。人工免疫技術分為基因庫、否定選擇、克隆選擇三部分。雖然基因庫的建設有待發展，但是，基因片重組和突變模式能夠識別入侵病毒，從一定程度上可以阻止病毒入侵。否定選擇即是系統檢測病毒的另一種計算方式，通過否定選擇計算合格才能進行系統下一步的操作，反之則被系統阻止運行。盡管人工免疫技術在計算機網絡技術中還不夠成熟，但是其作用不可小覷，有著很大的應用價值，值得人們進一步的研究探討[3]。

4.4智能型反垃圾郵件系統

很多人在計算機網絡郵件中經常遇到一些垃圾郵件。人工智能在計算機網絡安全系統的運用，很大程度上屏蔽了這些垃圾郵件，讓客戶信箱免受干擾，進一步保護了客戶的隱私安全，不會對客戶的信息安全造成任何影響。人工智能的有效應用還能實時檢測用戶郵箱，及時掃描出郵箱內部的垃圾郵件，并分類推送給用戶，提示用戶及時處理，保證了郵箱的安全性，提高了郵箱內部利用率[4]。

5大數據時代人工智能在計算機網絡管理系統中的應用

5.1專家系統數據庫

專家數據庫作為專家系統中的核心部分，具有獨立性、啟發性、透明性，包含了專家系統中的基本理論和直接、間接經驗。通過系統運行把已知的內容轉化成代碼的形式存入數據庫，再經過人工智能的轉換，舉一反三將初級的內容轉換成復雜的程序，并且不斷進行判斷、處理和優化，找到最佳方式來運用到計算機網絡管理的系統中來，從而實現最有效的管理和評價。人工智能與數據庫技術的全面整合，彌補了傳統數據庫技術在數據加工能力上的不足和人工智能在邏輯推理和知識處理方面的弱勢，使其無論在存儲空間上還是工作效率上都有很大的提高。可以說專家系統數據庫的建立，是人工智能和數據庫技術相結合的優秀產物，成為了計算機網絡管理系統中的一個重要領域，也是不可或缺的部分。

5.2人工智能問題解答

這項技術的運用主要是依照給出的特定條件，通過搜索、解析等功能搜尋最有效的信息，以達到網絡資源的有效利用，從而提高網絡資源的利用率。人工智能問題解答技術的運用摒棄了以往繁瑣的解答方式，只需要一個簡單的指令即可對信息進行有效篩選，自動對搜索信息進行判斷、過濾、處理和優化，從而找到需要的信息。大大縮短了搜索時間，提高了網絡資源的利用率。例如，用戶在計算機上查找蘇軾的《水調歌頭》信息時，用戶忘記了作者和詞牌名，只記得是“明月幾時有”就可以以“明月”作為搜索對象，經過系統的人工智能問題解答，自動帶出“明月幾時有”的搜索標簽，能夠很快查找到《水調歌頭》的完整詞牌和注釋。不但保證了搜索的準確性，還縮短了搜索時間，提高了搜索效率。

5.3Agent技術

Agent技術是人工智能問題解答的一個補充技術，也稱作是人工智能管理。Agent技術的應用是在用戶完成工作后，對數據補充搜索統計的技術，為用戶下一步的工作提供更加人性化、智能化的服務。Agent技術的應用，可以幫助用戶通過自行設置有效搜索信息，并將搜索內容通過指定的路徑傳輸到指定位置，是一項高水平智能化和人性化的定制服務機制。例如，用戶在查詢過某一地區的酒店價格后，系統會根據用戶的查詢，通過Agent技術對用戶查找的信息進行分析和處理，從而給用戶推送類似信息，幫助用戶能夠方便快捷的找到有效信息，從而節約用戶時間，提高計算機網絡技術效率。

第8篇：人工智能技術路徑范文

關鍵詞 智能授導系統；輔助教學；語義Web

中圖分類號TP31 文獻標識碼A 文章編號 1674-6708（2012）58-0165-02

計算機輔助教學(CAI)是以對話方式利用多媒體計算機的功能與特點與學生討論教學內容、安排教學進程和進行教學訓練的方法與技術。但是存在交互能力差和缺乏虛擬技術支持、智能性及教學策略等問題。人工智能（AI）是計算機科學、信息論、神經生理學、控制論、心理學、語言學等多種學科互相交叉滲透而發展起來的一門綜合性學科。它用人工的方法在機器(計算機)上執行智能行為：感知、理解、學習、判斷、推理、規劃、設計、求解等。其技術特征主要是具有搜索功能、知識表示能力、一定的推理功能、抽象功能、語音識別功能及模糊信息處理能力。

1 智能授導系統

智能授導系統（ITS）技術是在對計算機輔助教學研究局限性的改革突破中發展起來的，它不僅克服了僅僅關注學生行為的缺陷，還引入了對知識的描述以及智能推理技術，智能授導系統的獨特之處是能依據每個學習對象的不同需求而調整教學策略。

ITS從上個世紀80年代提出到至今已有30多年了，幾乎涉及人工智能技術的所有問題，而且一直是人工智能技術在教育領域的核心研究之一。比較有代表性的是Peng-Kiat Pek和Kim-Leng Poh應用貝葉斯網絡構建的學生模型可以較好的估計出學生的學習興趣值，從而對學生的學習行為方向進行預測；Dietrich Albert和Cord Hockemeyer通過分析知識空間理論而得出的超文本結構和知識空間在結構上的有很強的相似性，通過對知識空間進行建模，使之適用于網絡Web結構模式；Joel Martin和Kurt VanLehn使用貝葉斯網絡技術對學生的學習結果進行評估，有效的分析出學生學習過程中的問題和不足；Declan Kelly和Bren­dan Tangney提出了一種多Agent技術（Multi-Agent System，MAS），通過對個體的個性化學習進行動態建模的智能框架的建構重組，滿足了學習者的不同需求。隨著國內數字化教學與教育信息化的大趨勢，最近幾年國內對于該領域的研究發展的相對比較快，而且需要進行綜合性的研究，以不斷促進智能授導系統的實際應用價值。

2 自適應智能授導系統機制

由于個體學習者基本上是基于資源的自主學習，在教學上的有效組織主要體現在學習資源的組織、傳遞和共享上，良好的資源組織和個性化資源服務是學習個體最強烈的需求。為了支持個體的自主學習，輔助教學研究十分強調“授導”。“授”即系統地對教學內容的組織和傳播，通常反映為學習目標制定、學習材料序列化、學習路徑引導以及學習結果評價等方面；而“導”則側重對學生的具體學習過程提供針對性的學習支持。

2.1 網絡智能授導的技術實現

網絡輔助教學平臺設計者們一直致力于智能授導機制的理論研究和實現，不僅在理論上提出很多模型和設想，而且實踐上也有所突破，特別是可以借助計算機網絡技術和人工智能技術構建一個更有針對性的、更智能的信息空間，為學習者提供個性化的學習支持。通過調研，網絡輔助教學中智能授導的研發技術路線主要是模擬課堂面授的路線、人工智能的技術路線和網絡協同進化的路線。

2.2 本體的智能授導機制

根據Brusilovsky提出的關于虛擬校園環境的部件理論知道，當前分布式虛擬環境支撐的網絡教學平臺大多是圍繞內容部件、行為部件、通信部件、管理部件來提供學習者本體的智能授導應用功能。

1）內容部件是輔助教學系統的核心，多由構成課程的多媒體教學材料組成。運用靜態超媒體比較容易實現，以一種同有的結構和形式呈現給學習者同樣的教學內容。但是會產生由適應性內容所呈現的各種方法與技術問題，例如：附加解釋、前提知識解釋、比較性解釋、解釋變體、信息排序等。其實現需依賴于知識表示與呈現技術，特別是知識建模和知識本體的研究；2）行為部件主要功能是需要學生通過“做”的交互方式來完成的自主學習的過程，表現形式多指學習導航、練習、測試、模擬、實驗等。其三個主要應用方向是自適應導航、自適應測試和虛擬實驗；3）通信部件在智能授導系統中起到媒介作用，主要是支持學生與教師之間、學生相互之間的交流和溝通的通信工具，支持學習社區的協作學習和協同進化；其3個主要應用方向為)針對交互信息的知識發現、學習者智能互助和群體智慧；4）管理部件主要是支持教學過程中必要的管理職能。如學生管理、課程管理等。

2.3 自適應智能授導系統的構建策略

個性化的自適應輔助教學研究已成為現代教學系統應用的一個熱點問題，而自適應智能授導系統運用人工智能技術，直接、科學地了解到學習者的個性特點及學習進展情況，靈活調整自身的策略、方案來滿足受教育對象的需求。從集成觀點出發，自適應智能授導系統首先涉及的是教學理論和思想與計算機技術的交叉。從計算機輔助教學的發展線索出發，網絡技術與人工智能方法的應用是計算機輔助教學的必然趨勢，但智能授導絕不是在計算機網絡通信技術上的簡單翻版，其需要進行更為深刻的分析與抽象。總的來看，自適應智能授導系統是一種建立在軟件協同基礎上的分布式的群體智能，更是一種人機協調的智能。

學習者模型是自適應智能授導系統的核心，而學習者學習過程中存在大量的不確定性因素和不確定性信息，因而成功獲取學習者的情況是其它環節正確運行的保障。在學習者模型設計中，我們利用貝葉斯網絡的條件概率分布量化知識項之間的組織關系及依賴關系，很好地反映學習者特定領域中的知識結構，當學習者模型中的知識項的狀態發生改變時，將引起相關知識項的狀態的改變，因而使學習者模型具有一定的預測能力。同時我們選擇專門為語義Web設計的本體表示語言OWL語言來描述學習者模型，因為它具有更強大的功能來表示語義，比XML和RDF更容易被機器理解。

我們在輔助教學軟件的研究開發中選擇了語義Web下的自適應智能授導系統，因為它更多的關注系統各模塊的標準化、形式化構建，以及系統間的互操作和知識共享與重用。其目標是使機器能夠更好的理解網絡上的內容，構建一個基礎結構使在網絡上運行的智能能夠進行復雜的活動，對嵌入在基于網絡的應用程序中的知識進行顯性的描述，從而以智能化的方式來整合信息，提供基于語義的方式來訪問網絡，以及從文本中進行信息抽取。語義Web技術可以通過對智能授導系統不同模塊中嵌入的知識和學習者的交互信息進行共享，從而在一定程度上推動了分布式智能授導系統的開放程度。圖1給出了自適應智能授導系統的智能產生流程圖。

3 結論

伴隨著互聯網絡的日益發展，我們日常的學習與工作越發依賴數字化的資源與服務，智能化與人性化將是數字化教學重要的發展方向。我們選擇了自適應智能授導系統作為數字化技術輔助教學研究的一個切入點，依據網絡智能授導系統實現的三條技術路線，從理論框架上闡述了教學輔助平臺中常見的智能授導機制，利用人工智能中貝葉斯網絡的思想來設計學習者模型來實現適應性和個性化的教學，并選擇了語義Web下的自適應智能授導系統來實現輔助教學軟件的開發。

參考文獻

[1]閔宇鋒.淺談網絡教學平臺中的智能授導機制[J].科技情報開發與經濟，2010.

[2]Brusilovsky P. MILLER P., Course Delivery Systems for the Virtual University.

第9篇：人工智能技術路徑范文

在所有科技企業中，IBM可能是最早進行人工智能布局的公司。作為IBM開發了十幾年的人工智能技術，Watson已經進入了與巨量文獻和信息搜索密切相關的政府部門和醫療機構，并且在圖像識別方面已經具備了幫助醫生診斷癌癥的能力。前不久，Watson還被部署在IBM收購的云計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌和微軟等大型科技公司在云計算領域展開競爭的武器。SyNAPSE則是IBM模擬人腦的人工智能項目，它擁有100萬個“神經元”內核、2.56億個“突觸”內核以及4 096個“神經突觸”內核，而功率則僅有70毫瓦。該芯片不僅能夠模擬人腦的運作模式，更擅長進行模式識別。

從IBM圍繞Watson和SyNAPSE展開人工智能領域布局可以看出，其實關于人工智能的研究早已開始，有很多技術積累。這也讓人工智能不會像VR和AR一樣，由于缺乏核心技術而遲遲不能取得真正的突破。

謀篇布局已經開始

人工智能快速進入大眾視野，源于今年3月谷歌的人工智能機器人AlphaGo戰勝圍棋世界冠軍李世h。人機圍棋對弈雖然看起來只是普及人工智能的一場秀，但是我們不能忽略隱藏在背后暗流涌動的人工智能市場。

據風投分析公司CB Insights的數據顯示，2016年第一季度200多家人工智能專業公司共計募資15億美元。因市場看好AI有望成為下一個主要變革的風口，200多家公司的發展規模也創下了史上單季規模之最。另外科技巨頭對人工智能資源的搶奪也已經進入白熱化階段。繼蘋果公司以2億美元買下西雅圖一家名為Turi的初創人工智能公司后，近日，英特爾公司宣布并購深度學習創業公司Nervana Systems。從外媒報道看，英特爾至少給出了3.5億美元至4.05億美元的報價。

據CB Insights統計的數據，2011年到2015年期間，和AI初創公司相關的股權交易規模從70筆飆升至397筆，2016年則有望再創新高。對于互聯網巨頭來說，通過并購來實現技術和人員的配置優化似乎是最佳選擇路徑，因此圍繞各公司自身產品生態展開的收購競爭愈發激烈。

國內外巨頭紛紛發力

自從2014年1月份，谷歌收購了英國人工智能公司DeepMind以來，有關這家公司的各種傳聞就不斷見諸報端。在DeepMind開發的人工智能程序AlphaGo擊敗世界圍棋冠軍后，這家公司更是名聲大噪。

AlphaGo的積極意義在于，它將計算機的“計算力”顯性化并且大眾化。在此前的多年里，盡管人工智能不斷取得進展，卻從未引發如此關注，不得不說此次人機圍棋大戰是谷歌公司開展的一次有利于自身和全行業的行動。不過，在人工智能的圈子里，有的不只是谷歌孤單的身影。相反，這已是一個人頭攢動的熱鬧市場。

微軟此前正式了小冰第四代產品，在擁有文本、圖像、視頻和語音基礎交互之后，小冰迎來全新的實時情感決策，并且有了新的全時感官，可以實現人工智能與人類的無縫流暢對話，而這一切來自于微軟提出的全新人工智能下一個時代―對話即平臺。

亞馬遜也不甘示弱，一直堅持做基于特征點的圖像匹配工作。亞馬遜推出的首款智能手機Fire Phone，其中號稱能“掃描一切”的圖像識別應用Firefly被認為是該產品上最大的亮點。之前亞馬遜就為其iPhone應用增添了一項名為 Flow的新功能，作為Firefly的前身，Flow在移動端商品和視覺搜索領域做出了前沿性的嘗試。

除了國外，國內互聯網巨頭也試圖在這一領域拔得頭籌。搜索巨頭百度與谷歌有些類似，都是以互聯網搜索為基礎的技術導向型公司，其推出的度秘是一個集超強語音、圖片算法、大數據支持和類人化導向為一體的產物。放眼全球，百度的度秘與Google Home、Google Duo、Amazon Alexa和Siri一樣，引領著人工智能向巔峰水平邁進。

阿里的人工智能被放在了阿里DT大商業體系內，配合云計算、大數據對阿里的電商物流乃至物聯網體系展開全面賦能。從目前來看，阿里的人工智能特點主要集中在B端，和電商體系以及物聯網體系有著較為深入的融合。在B端之中，阿里的人工智能和大數據結合更多，比如在智能汽車、YunOS操作系統乃至是物聯網、智能家居層面上，阿里更多是提供數據支持，通過阿里云的技術、數據作為基準展開業務支撐。

除了軟件巨頭，硬件公司也想在人工智能市場的產業鏈最上游搶占到一席之地。據《華爾街日報》在日前的報道，ARM已經正式接受日本軟銀提出的243億英鎊（約322億美元）收購要約。其實最近幾年，軟銀一直在積極推進于機器人領域的發展，而推出Pepper人形機器人就是想提升公司在人工智能行業的競爭力。