人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能在計算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。那么人工智能的發(fā)展前景如何呢？

一、人工智能的發(fā)展前景

人工智能技術(shù)的計算能力將更強(qiáng)

人工智能產(chǎn)品方興未艾。隨著互聯(lián)網(wǎng)時代的不斷發(fā)展，網(wǎng)絡(luò)和特別是在大數(shù)據(jù)時代，大量數(shù)據(jù)的出現(xiàn)和數(shù)據(jù)的爆炸性增長，進(jìn)一步要求人工智能技術(shù)具有更大、更強(qiáng)的計算能力。傳統(tǒng)的計算機(jī)系統(tǒng)力。傳統(tǒng)的計算機(jī)系統(tǒng)非常擅長邏輯操作，但不擅長模式識別和圖像思維，因此有必要建立模仿人腦的類腦計算機(jī)，這將進(jìn)一步促進(jìn)人工智能技術(shù)向更深層次的發(fā)展。隨著經(jīng)濟(jì)的發(fā)展，數(shù)據(jù)知識的整合更加廣泛，未來人工智能技術(shù)的計算能力將更強(qiáng)。

進(jìn)一步完善核心技術(shù)

隨著人工智能產(chǎn)品的不斷出現(xiàn)和智力資源的不斷收集，這將進(jìn)一步促進(jìn)人工智能技術(shù)的研發(fā)。雖然我國人工智能技術(shù)發(fā)展迅速，但缺乏核心技術(shù)。隨著量子計算機(jī)腦芯片等技術(shù)的研發(fā)和應(yīng)用，人工智能技術(shù)不再停留在較低水平，而是將向更深的領(lǐng)域邁進(jìn)。隨著國家對人工智能技術(shù)的日益重視，人工智能技術(shù)的核心技術(shù)將不斷升級。人工智能技術(shù)的魅力深深吸引了機(jī)器人愛好者和許多開發(fā)者的研發(fā)興趣。隨著國內(nèi)外許多新產(chǎn)品的出現(xiàn)，將出現(xiàn)更高端的技術(shù)和產(chǎn)品，進(jìn)一步促進(jìn)核心技術(shù)的發(fā)展。

進(jìn)一步將人工智能技術(shù)與商業(yè)融合

隨著人工智能產(chǎn)品的廣泛應(yīng)用，人工智能技術(shù)將有更廣闊的發(fā)展前景。以智能手機(jī)為例，智能手機(jī)更新速度快，不僅功能齊全，而且與人們的生活密切相關(guān)，是人們?nèi)粘Ｉ钪胁豢扇鄙俚墓ぞ?。智能手機(jī)的商業(yè)價值非常巨大，在未來，智能機(jī)器人將像智能手機(jī)一樣進(jìn)入成千上萬的家庭。隨著市場競爭的深化，低端機(jī)器人將被更高端的產(chǎn)品擠出市場，功能更全面，更高配置的機(jī)器人將出現(xiàn)在人們的視野中。這也將吸引更多的企業(yè)進(jìn)行投資和研發(fā)，越來越多的商業(yè)巨頭也針對這個機(jī)會進(jìn)入人工智能領(lǐng)域，為其商業(yè)發(fā)展開辟新的渠道。

人工智能技術(shù)將對我國勞動密集型產(chǎn)業(yè)產(chǎn)生影響

中國幅員遼闊，資源豐富，人口眾多，勞動密集型產(chǎn)業(yè)在中國占有重要地位。隨著人工智能技術(shù)的發(fā)展，勞動密集型產(chǎn)業(yè)將不可避免地受到影響。以智能機(jī)器人為例，無論是在工業(yè)領(lǐng)域還是在農(nóng)業(yè)領(lǐng)域，無論是在人們的生活中還是在工作中，它都具有重要的意義。智能機(jī)器人在工業(yè)生產(chǎn)中的廣泛應(yīng)用將使一些勞動密集型行業(yè)的從業(yè)者面臨失業(yè)的風(fēng)險。隨著科學(xué)技術(shù)的發(fā)展，人工智能技術(shù)將對傳統(tǒng)的生產(chǎn)模式產(chǎn)生重要影響[2]。

人工智能產(chǎn)品更智能化

隨著社會的發(fā)展，智能終端不斷升級，人工智能產(chǎn)品將更加智能化。以醫(yī)療行業(yè)為例，醫(yī)務(wù)人員可以利用智能機(jī)器人對患者進(jìn)行診斷，這不僅使診斷結(jié)果更加清晰準(zhǔn)確，而且為醫(yī)生的決策提供了依據(jù)。

二、技術(shù)研究

用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺的機(jī)器就是計算機(jī)，人工智能的發(fā)展歷史是和計算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機(jī)器學(xué)習(xí)和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機(jī)視覺、智能機(jī)器人、自動程序設(shè)計等方面。

研究方法

如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭論。其中幾個長久以來仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對于航空工程一樣，人類生物學(xué)對于人工智能研究是沒有關(guān)系的？智能行為能否用簡單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關(guān)的問題？

智能是否可以使用高級符號表達(dá)，如詞和想法？還是需要"子符號"的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應(yīng)歸類為SYNTHETIC INTELLIGENCE，這個概念后來被某些非GOFAI研究者采納。

大腦模擬

主條目：控制論和計算神經(jīng)科學(xué)

20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIO CLUB舉行技術(shù)協(xié)會會議.直到1960， 大部分人已經(jīng)放棄這個方法，盡管在80年代再次提出這些原理。

符號處理

主條目：GOFAI

當(dāng)20世紀(jì)50年代，數(shù)字計算機(jī)研制成功，研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內(nèi)基梅隆大學(xué)， 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為GOFAI(出色的老式人工智能)。[33] 60年代，符號方法在小型證明程序上模擬高級思考有很大的成就。基于控制論或神經(jīng)網(wǎng)絡(luò)的方法則置于次要。60~70年代的研究者確信符號方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時這也是他們的目標(biāo)。

認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ)，如認(rèn)知科學(xué)， 運(yùn)籌學(xué)和經(jīng)營科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來，并在80年代于SOAR發(fā)展到高峰?；谶壿嫴幌癜瑐悺ぜ~厄爾和赫伯特·西蒙，JOHN MCCARTHY認(rèn)為機(jī)器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問題，包括知識表示， 智能規(guī)劃和機(jī)器學(xué)習(xí). 致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學(xué)."反邏輯"斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計算機(jī)視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGER SCHANK 描述他們的"反邏輯"方法為 "SCRUFFY" .常識知識庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉懸粋€復(fù)雜的概念?；谥R大約在1970年出現(xiàn)大容量內(nèi)存計算機(jī)，研究者分別以三個方法開始把知識構(gòu)造成應(yīng)用軟件。這場"知識革命"促成專家系統(tǒng)的開發(fā)與計劃，這是第一個成功的人工智能軟件形式。"知識革命"同時讓人們意識到許多簡單的人工智能軟件可能需要大量的知識。

子符號法

80年代符號人工智能停滯不前，很多人認(rèn)為符號系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知過程，特別是感知，機(jī)器人，機(jī)器學(xué)習(xí)和模式識別。很多研究者開始關(guān)注子符號方法解決特定的人工智能問題。

自下而上， 接口AGENT，嵌入環(huán)境（機(jī)器人），行為主義，新式AI機(jī)器人領(lǐng)域相關(guān)的研究者，如RODNEY BROOKS，否定符號人工智能而專注于機(jī)器人移動和求生等基本的工程問題。他們的工作再次關(guān)注早期控制論研究者的觀點(diǎn)，同時提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的:更高的智能需要個體的表征(如移動，感知和形象)。計算智能80年代中DAVID RUMELHART 等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義. 這和其他的子符號方法，如模糊控制和進(jìn)化計算，都屬于計算智能學(xué)科研究范疇。

統(tǒng)計學(xué)法

90年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來解決特定的分支問題。這些工具是真正的科學(xué)方法，即這些方法的結(jié)果是可測量的和可驗(yàn)證的，同時也是人工智能成功的原因。共用的數(shù)學(xué)語言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟(jì)或運(yùn)籌學(xué)）。STUART J. RUSSELL和PETER NORVIG指出這些進(jìn)步不亞于"革命"和"NEATS的成功"。有人批評這些技術(shù)太專注于特定的問題，而沒有考慮長遠(yuǎn)的強(qiáng)人工智能目標(biāo)。

集成方法

智能AGENT范式智能AGENT是一個會感知環(huán)境并作出行動以達(dá)致目標(biāo)的系統(tǒng)。最簡單的智能AGENT是那些可以解決特定問題的程序。更復(fù)雜的AGENT包括人類和人類組織（如公司）。這些范式可以讓研究者研究單獨(dú)的問題和找出有用且可驗(yàn)證的方案，而不需考慮單一的方法。一個解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法，一些則是子符號神經(jīng)網(wǎng)絡(luò)或其他新的方法。范式同時也給研究者提供一個與其他領(lǐng)域溝通的共同語言--如決策論和經(jīng)濟(jì)學(xué)（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個系統(tǒng)中包含符號和子符號部分的系統(tǒng)稱為混合智能系統(tǒng) ，而對這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級控制系統(tǒng)則給反應(yīng)級別的子符號AI 和最高級別的傳統(tǒng)符號AI提供橋梁，同時放寬了規(guī)劃和世界建模的時間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個早期的分級系統(tǒng)計劃。

智能模擬

機(jī)器視、聽、觸、感覺及思維方式的模擬：指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，智能搜索，定理證明，邏輯推理，博弈，信息感應(yīng)與辨證處理。

學(xué)科范疇

人工智能是一門邊沿學(xué)科，屬于自然科學(xué)、社會科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。

涉及學(xué)科

哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計算機(jī)科學(xué)，信息論，控制論，不定性論，仿生學(xué)，社會結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀。

研究范疇

語言的學(xué)習(xí)與處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識獲取，組合調(diào)度問題，感知問題，模式識別，邏輯程序設(shè)計，軟計算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法人類思維方式，最關(guān)鍵的難題還是機(jī)器的自主創(chuàng)造性思維能力的塑造與提升。

安全問題

人工智能還在研究中，但有學(xué)者認(rèn)為讓計算機(jī)擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發(fā)生過，其主要的關(guān)鍵是允不允許機(jī)器擁有自主意識的產(chǎn)生與延續(xù)，如果使機(jī)器擁有自主意識，則意味著機(jī)器具有與人同等或類似的創(chuàng)造性，自我保護(hù)意識，情感和自發(fā)行為。

實(shí)現(xiàn)方法

人工智能在計算機(jī)上實(shí)現(xiàn)時有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法（ENGINEERING APPROACH），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ARTIFICIAL NEURAL NETWORK，簡稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳-進(jìn)化機(jī)制，人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動物大腦中神經(jīng)細(xì)胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動空間增加，相應(yīng)的邏輯就會很復(fù)雜（按指數(shù)式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個新的版本或提供一個新補(bǔ)丁，非常麻煩。采用后一種方法時，編程者要為每一角色設(shè)計一個智能系統(tǒng)（一個模塊）來進(jìn)行控制，這個智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯誤，但它能吸取教訓(xùn)，下一次運(yùn)行時就可能改正，至少不會永遠(yuǎn)錯下去，用不到發(fā)布新版本或打補(bǔ)丁。利用這種方法來實(shí)現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點(diǎn)。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時無須對角色的活動規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問題，通常會比前一種方法更省力。