人工智能的核心技术剖析

　　欢迎各位阅读本篇,人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。本篇文章讲述了人工智能的核心技术剖析，编程学习网教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!

　　据外媒(VentureBeat)报道，八十年代后期，随着许多创业公司、政府部门和大型企业部署新系统来执行原本只能由专家才能完成的工作，人工智能迎来新的热潮。这些系统基于规则运行。与以往依赖传统编程语言的严格程式逻辑不同，新系统将行为编码在规则中。随着内存等硬件配置的提升，系统能够处理更加精密的计算任务，比如机器学习、规划调度以及理解自然语言。在今日之大数据时代，许多人认为AI已经转移了其技术领域，其实不然。正如传声头乐队(TalkingHeads)在歌曲中唱的那样：事情一如既往一成不变。

　　智能应用的核心一直是相同的。只不过八九十年代运用在航天飞机、太空望远镜和宇宙空间站上的技术在随后的年月里不断商业化。正是在此基础上，我们才得以发展电子商务、企业资源计划(ERP)和客户关系管理(CRM)这些复杂业务。当下人们便正在使用AI应用程序来处理海量数据。AI应用程序或许各不相同，然而它们核心却都大同小异。

　　这些应用程序包括：

　　生命科学应用程序能够从临床试验数据中习得信息，为医生提供最佳诊疗及用药建议;

　　网络威胁安全系统能够预判发现生意中最薄弱因素，在事先给出保险购买建议;

　　物联网(IoT)系统用频射识别技术(RFID)来监测物资位置变化，从而进行更高效的规划和更精准的预判，并且阻止犯罪行为。

　　除此之外，日常生活中视听所及，都有大量AI在服务着人类。Siri和Alexa随时听候你的语音指令，越来越多汽车开始配备自动泊车甚至自动驾驶功能，城际间的无人驾驶列车，AlphaGo下围棋，IBM超级电脑沃森击败人类赢得电视竞答冠军等等不胜枚举。

　　尽管具体应用变化万端，但AI有五个核心元素历久弥新，连接与支撑着四十年来人工智能技术的成败得失。这些AI应用程序必须处理大量数据，对周遭环境作出反应，通过学习来提高性能，面向未来，还要有同时为千万人和系统提供支持的能力。

　　数据密集摄入

　　数据密集性AI系统处理大量数据，计算单位常以十亿计。实时处理如此大量的数据是AI程序必须完成的艰巨任务之一。此外它还必须能够从容处理连续流数据(比如来自物联网传感器的不间断数据)和批处理数据(比如大型历史数据集)。

　　自适应

　　自适应应用程序使用机器学习技术来提高自己，其性能能够随着时间的累积而不断提高。机器学习工作流需要数据科学家在实验环境中执行模型选择、特征工程迭代、算法选择和参数调整。随后应用开发人员部署模型，当新数据进来时，模型程序可以根据设定对数据进行分类。然后应用程序审查分类的结果，并使用这些结果进行重复训练。

　　反应

　　现代AI系统能够对其周围的变化数据进行实时反应，这一点不同于传统的批处理程序。AI应用程序持续监视数据输入，在现实情况中，这些数据通常来自流数据平台。当出现符合特定条件的情况时，程序会进行进一步的运算处理。简言之，程序随时待命准备着处理数据。

　　前瞻性

　　许多AI系统不只着眼当下问题的解决，它们还预测未来各种可能性，以确定最佳解决方案。规划系统、游戏甚至语言解析系统都需要以最前瞻的方式进行处理才能得到最佳方案。这需要AI系统有依据新输入数据而随机应变的能力。(比如最新消息显示台风导致中国航运的配件推迟，需要AI系统基于各种假设提出最优的重新规划方案)

　　同时性

　　与传统应用程序一样，AI程序必须同时处理来自多个人或系统的任务交互。它们使用那些在操作系统和数据库领域开发分布式系统所采用的技术来维护ACID属性。

　　以上五个特性使得现代AI系统能够提供让用户满意的性能。此外，随着数据数量大增长和响应时间的缩短，良好构建的系统可以非常方便地扩展其技术基础设施，而不必一切重新搭建。考虑到这些程序表现对个人和企业的重要性，保持在线和可操作性可能是所有AI系统普遍具有的一个特征。

　　知识分享：

　　日常应用

　　人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了像美国人工智能协会这样的基金会.因为AI开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像 DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上.

　　其它 AI领域也在80年代进入市场.其中一项就是机器视觉. MINSKY和MARR的成果如今用到了生产线上的相机和计算机中，进行质量控制.尽管还很简陋，这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产 机器视觉系统，销售额共达8千万美元.

　　但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降，业界损失了近5亿美元.象 TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个令人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的 机器人。由于项目缺陷和成功无望，PENTAGON停止了项目的经费.

　　尽管经历了这些受挫的事件，AI仍在慢慢恢复发展.新的技术在日本被开发出来，如在美国首创的 模糊逻辑，它可以从不确定的 条件作出决策;还有神经网络，被视为实现人工智能的可能途径.总之，80年代AI被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙. 人工智能技术接受检验。

　　在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑，AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活。

　　2017年6月，澳大利亚阿德莱德大学的研究人员开发出了一种全新的人工智能系统，能够通过观察人类的器官照片预测寿命。通过对48位病人胸部的医疗图像进行分析，并且预测其中哪些病人会在5年内死亡，准确率达到了69%。

　　基本定义

　　人工智能的一个比较流行的定义，也是该领域较早的定义，是由 约翰·麦卡锡(JOHN MCCARTHY)在1956年的 达特矛斯会议(DARTMOUTH CONFERENCE)上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性(见下)。另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。

　　小结：应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，也可能超过人的智能。当然如果大家还想了解更多方面的详细内容的话呢，不妨关注编程学习网教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获的!