人工智能领域(人工智能领域的研究包括什么)

一、什么是人工智能

人工智能（Aritificial Intelligence， AI）是一门融合了计算机科学、统学、脑神经学和社会科学的前沿综合性学科。它的目标是希望计算机拥有像人一样的智力能力，可以替代人类实现识别、认知、分类和决策等多种功能。

互联网小常识：网络版防病毒系统的基本安装对象包括系统中心的安装、服务器端的安装、客户端的安装和管理控制台的安装。安装方式主要有本地安装、客户端安装、Web安装和脚本登录安装。

二、人工智能发展史

人工智能在发展过程中产生了很多的流派，符号主义、连接主义和行为主义。这些流派的相辅相成推进了人工智能的发展。

（1）符号主义

符号主义又称逻辑主义、心理学派或计算机学派。符号主义认为，人工智能源于数学逻辑，人的认知基源是符号，认知过程即符号操作过程，通过分析人类认知系统所具备的功能和机能，然后通过计算机来模拟这些功能，从而实现人工智能。符号主义的发展大概经历了几个阶段：推理期（20世纪50年代–20世纪70年代），知识期（20世纪70年代）。推理期人们基于符号知识表示、通过演绎推理技术取得了很大的成就；知识期人们基于符号表示、通过获取和利用领域知识来建立专家系统取得了大量的成果。

（2）连接主义

连接主义又称仿生学派或生理学派。连接主义认为，人工智能源于仿生学，特别是对人脑模型的研究，人的思维基元是神经元，而不是符号处理过程。20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。进入21世纪后，连接主义卷土重来，提出了深度学习的概念。

（3）机器学习

二十世纪80年代，机器学习成为一个独立的科学领域，各种机器学习技术百花初绽。E．A．Feigenbaum等人在著名的《人工智能手册》中，把机器学习划分为机械学习、示教学习、类比学习和归纳学习。机械学习将外界的输入信息全部存储下来，等到需要时原封不动的取出来；示教学习和类比就是从指令中学习和通过观察和发现学习；归纳学习就是从样例中学习。二十世纪80年代以来研究最多的就是归纳学习，它包括：监督学习、无监督学习、半监督学习、强化学习等。归纳学习有两大主流：一、符号主义学习，其代表包括决策树和基于逻辑的学习（事实上，机器学习在20世纪80年代正是被视为解决公式工程瓶颈问题的关键而走上人工智能主舞台的）。二、基于神经网络的连接主义学习。二十世纪90年代中期，统计学习闪亮登场，并迅速占据主流舞台，代表性技术是支持向量机以及更一般的核方法。我们目前所说的机器学习方法，一般认为是统计机器学习方法。

（3）研究领域与应用场景

1）研究领域

互联网小常识：网络系统安全必须包括3个机制：安全防护机制、安全监测机制与安全恢复机制。

人工智能的研究领域主要有5层，最底层是基础设施建设，包括数据和计算能力两部分，数据越大人工智能的能力越强。往上一层是算法，比如机器学习、深度学习等算法。再上一层是主要的技术方向，如计算机视觉、语音工程、NLP等。第二层是各个技术方向中的技术。 最上层为人工智能的应用领域。

2）应用场景

计算机视觉：车牌识别、人脸识别、无人车等；

语音工程：2010 年后，深度学习的广泛应用使语音识别的准确率大幅提升，像 Siri、Voice Search 和 Echo 等，可以实现不同语言间的交流，从语音中说一段话，随之将其翻译为另一种文字；再如智能助手，你可以对手机说一段话，它能帮助你完成一些任务。 自然语言处理：问答系统、机器翻译、对话系统等；

决策系统：决策系统的发展是随着棋类问题的解决而不断提升，从 80 年代西洋跳棋开始，到 90 年代的国际象棋对弈，再到AlphaGo，机器的胜利都标志了科技的进步。决策系统可以在自动化、量化投资等系统上广泛应用。

大数据应用：分析客户的喜好进行个性推荐，精准营销；分析各个股票的行情，进行量化交易。

（4）AI面临的挑战

1）计算机视觉：未来的人工智能应该更加注重效果的优化，加强计算机视觉在不同场景、问题上的应用。

2) 语音工程：当前的语音工程在安静环境下，已经能够取得和人类相似的水平。但在噪音情景下仍有挑战，如原场识别、口语、方言等长尾识别。

3) 自然语言处理：机器欠缺对语意理解能力，包括对口语不规范的用于识别和认知等。

4) 决策系统：目前存在的两个问题，第一是不通用，即学习知识的不可迁移性，如用一个方法学习下象棋，不能直接将其迁移到下围棋上；第二是大量模拟数据。