首页 理论教育人工智能:概念、技术、产业与应用

人工智能:概念、技术、产业与应用

【摘要】:在1956年达特茅斯学院的一次研讨会上,“人工智能”这一概念首次被提出。目前,国内人工智能发展已具备一定的技术和产业基础,在芯片、数据、平台、应用等领域集聚了一批人工智能企业,在部分领域取得阶段性成果并向市场化发展。现阶段人工智能技术的发展仍然存在问题。本章将讨论人工智能的概念与特征、关键技术、产业链及应用。

随着大数据的积聚、算法的演进、算力的提升,人工智能在很多应用领域取得了突破性进展,迎来了又一个繁荣时期。

在1956年达特茅斯学院的一次研讨会上,“人工智能”这一概念首次被提出。约翰·麦卡锡(John McCarthy)在会上提出:人工智能就是要让机器的行为看起来像是人所表现出的智能行为一样。这一概念最早可以追溯到1950年著名的图灵试验设想——“隔墙对话”,即你将不知道与你谈话的,是人还是电脑。在半个多世纪的发展历程中,由于受到智能算法、计算速度、存储水平等多方面因素的影响,人工智能技术和应用发展经历了三起三落。2006年以来,以深度学习为代表的机器学习算法在机器视觉、语音识别、自然语言处理等领域实现了大突破,识别准确性大幅度提升,使人工智能再次受到学术界和产业界的广泛关注。云计算、大数据等技术在提升运算速度,降低计算成本的同时,也为人工智能发展提供了丰富的数据资源,协助训练出更加智能化的算法模型。人工智能的发展模式也从过去追求用计算机模拟人工智能,逐步转向以机器与人结合而成的增强型混合智能系统,用机器、人、网络结合成新的群智系统,以及用机器、人、网络和物结合成的更加复杂的智能系统。

目前,国内人工智能发展已具备一定的技术和产业基础,在芯片、数据、平台、应用等领域集聚了一批人工智能企业,在部分领域取得阶段性成果并向市场化发展。例如,人工智能在金融安防、客服等行业领域已实现应用,在特定任务中语义识别、语音识别、人脸识别图像识别技术的精度和效率已远超人工。

现阶段人工智能技术的发展仍然存在问题。在算法层面,深度学习算法模型存在可靠性及不可解释性问题;在数据层面,存在数据流通不畅、数据质量良莠不齐和关键数据集缺失等问题;在软件框架层面,实现深度学习应用落地的推断软件框架质量参差不齐,制约了业务开展;在编译器层面,各硬件厂商的中间表示层之争成为技术和产业发展的阻碍;而在AI计算芯片层面,云侧和终端侧对计算芯片提出了不同的要求。

本章将讨论人工智能的概念与特征、关键技术、产业链及应用。