千文網(wǎng)小編為你整理了多篇相關的《人工智能醫(yī)療調(diào)查報告(大全)》，但愿對你工作學習有幫助，當然你在千文網(wǎng)還可以找到更多《人工智能醫(yī)療調(diào)查報告(大全)》。

第一篇：人工智能調(diào)查報告

關于人工智能的調(diào)查報告

目錄

前 言.........2 一、人工智能的定義..3 二、人工智能的研究發(fā)展階段..3 三、人工智能的研究方法.......4 四、人工智能在人類生活中的應用....5 五、人工智能發(fā)展的利.6 六、人工智能發(fā)展的弊.7 七、人工智能的影響..7 八、人工智能的研究熱點.......7 九、人工智能的研究價值.......8 十、展望人工智能......8 總 結(jié).........9

前 言

通過這段時間對人工智能的調(diào)查、研究、學習，我對人工智能有了更深的認識。我理解的人工智能就是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。

人工智能是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀三大尖端技術（基因工程、納米科學、人工智能）之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。

人工智能在計算機領域內(nèi)，得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應用。人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應用。

一、人工智能的定義

人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。[1] 關于什么是“智能”，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND））等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統(tǒng)的智能也普遍被認為是人工智能相關的研究課題。

人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應用。著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學。”而另一個美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

二、人工智能的研究發(fā)展階段

（一）第一階段：50年代人工智能的興起和冷落

人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機器定理證明、跳棋程序、通用問題s求解程序、LISP表處理語言等。但由于消解法推理能力的有限，以及機器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。

（二）第二階段：60年代末到70年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮 DENDRAL化學質(zhì)譜分析系統(tǒng)、MYCIN疾病診斷和治療系統(tǒng)、PROSPECTIOR探礦系統(tǒng)、Hearsay-II語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實用化。并且，1969年成立了國際人工智能聯(lián)合會議第三階段：80年代，隨著第五代計算機的研制，人工智能得到了很大發(fā)展。日本1982年開始了”第五代計算機研制計劃”，即”知識信息處理計算機系統(tǒng)KIPS”，其目的是使邏輯推理達到數(shù)值運算那么快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。

（三）第三階段：80年代末，神經(jīng)網(wǎng)絡飛速發(fā)展

1987年，美國召開第一次神經(jīng)網(wǎng)絡國際會議，宣告了這一新學科的誕生。此后，各國在神經(jīng)網(wǎng)絡方面的投資逐漸增加，神經(jīng)網(wǎng)絡迅速發(fā)展起來。

（四）第四階段：90年代，人工智能出現(xiàn)新的研究高潮 由于網(wǎng)絡技術特別是國際互連網(wǎng)的技術發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡環(huán)境下的分布式人工智能研究。不僅研究基于同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智能更面向?qū)嵱谩Ａ硗?，由于Hopfield多層神經(jīng)網(wǎng)絡模型的提出，使人工神經(jīng)網(wǎng)絡研究與應用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會生活的各個領域。

三、人工智能的研究方法

如今沒有統(tǒng)一的原理或范式指導人工智能研究。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：是否應從心理或神經(jīng)方面模擬人工智能？或者像鳥類生物學對于航空工程一樣，人類生物學對于人工智能研究是沒有關系的？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的問題？

智能是否可以使用高級符號表達，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，也提議人工智能應歸類為SYNTHETIC INTELLIGENCE，這個概念后來被某些非GOFAI研究者采納。(一)大腦模擬

主條目：控制論和計算神經(jīng)科學

20世紀40年代到50年代，許多研究者探索神經(jīng)病學，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)絡構造的初步智能，如W.GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。這些研究者還經(jīng)常在普林斯頓大學和英國的RATIO CLUB舉行技術協(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。（二）符號處理

主條目：GOFAI

當20世紀50年代，數(shù)字計算機研制成功，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，斯坦福大學和麻省理工學院，而各自有獨立的研究風格。JOHN HAUGELAND稱這些方法為GOFAI(出色的老式人工智能)。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?；诳刂普摶蛏窠?jīng)網(wǎng)絡的方法則置于次要。60~70年代的研究者確信符號方法最終可以成功創(chuàng)造強人工智能的機器，同時這也是他們的目標。

認知模擬經(jīng)濟學家赫伯特·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，如認知科學，運籌學和經(jīng)營科學。他們的研究團隊使用心理學實驗的結(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認為機器不需要模擬人類的思想，而應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。他在斯坦福大學的實驗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)劃和機器學習.致力于邏輯方法的還有愛丁堡大學，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.“反邏輯”斯坦福大學的研究者(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，因為他們必須人工一次編寫一個復雜的概念?；谥R大約在1970年出現(xiàn)大容量內(nèi)存計算機，研究者分別以三個方法開始把知識構造成應用軟件。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?！爸R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。（三）子符號法

80年代符號人工智能停滯不前，很多人認為符號系統(tǒng)永遠不可能模仿人類所有的認知過程，特別是感知，機器人，機器學習和模式識別。很多研究者開始關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（機器人），行為主義，新式AI機器人領域相關的研究者，如RODNEY BROOKS，否定符號人工智能而專注于機器人移動和求生等基本的工程問題。他們的工作再次關注早期控制論研究者的觀點，同時提出了在人工智能中使用控制理論。這與認知科學領域中的表征感知論點是一致的：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)絡和聯(lián)結(jié)主義.這和其他的子符號方法，如模糊控制和進化計算，都屬于計算智能學科研究范疇。（三）統(tǒng)計學法

90年代，人工智能研究發(fā)展出復雜的數(shù)學工具來解決特定的分支問題。這些工具是真正的科學方法，即這些方法的結(jié)果是可測量的和可驗證的，同時也是人工智能成功的原因。共用的數(shù)學語言也允許已有學科的合作（如數(shù)學，經(jīng)濟或運籌學）。STUART J.RUSSELL和PETER NORVIG指出這些進步不亞于“革命”和“NEATS的成功”。有人批評這些技術太專注于特定的問題，而沒有考慮長遠的強人工智能目標。（四）集成方法

智能AGENT范式智能AGENT是一個會感知環(huán)境并作出行動以達致目標的系統(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的問題和找出有用且可驗證的方案，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)絡或其他新的方法。范式同時也給研究者提供一個與其他領域溝通的共同語言--如決策論和經(jīng)濟學（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)構和認知體系結(jié)構研究者設計出一些系統(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。

四、人工智能在人類生活中的應用

目前人工智能應用人工智能是在計算機科學、控制論、信息論、心理學、語言學等多種學科相互滲透的基礎發(fā)展起來的一門新興邊緣學科，主要研究用機器（主要是計算機）來模仿和實現(xiàn)人類的智能行為，經(jīng)過幾十年的發(fā)展，人工智能應用在不少領域得到發(fā)展。日前“AI+”已經(jīng)成為公式，發(fā)展至今，下面是人工智能應用最多的幾大場景。

（一）家居

智能家居主要是基于物聯(lián)網(wǎng)技術，通過智能硬件、軟件系統(tǒng)、云計算平臺構成一套完整的家居生態(tài)圈。用戶可以進行遠程控制設備，設備間可以互聯(lián)互通，并進行自我學習等，來整體優(yōu)化家居環(huán)境的安全性、節(jié)能性、便捷性等。值得一提的是，近兩年隨著智能語音技術的發(fā)展，智能音箱成為一個爆發(fā)點。小米、天貓、Rokid 等企業(yè)紛紛推出自身的智能音箱，不僅成功打開家居市場，也為未來更多的智能家居用品培養(yǎng)了用戶習慣。但目前家居市場智能產(chǎn)品種類繁雜，如何打通這些產(chǎn)品之間的溝通壁壘，以及建立安全可靠的智能家居服務環(huán)境，是該行業(yè)下一步的發(fā)力點。

（二）零售

人工智能在零售領域的應用已經(jīng)十分廣泛，無人便利店、智慧供應鏈、客流統(tǒng)計、無人倉/無人車等等都是的熱門方向。京東自主研發(fā)的無人倉采用大量智能物流機器人進行協(xié)同與配合，通過人工智能、深度學習、圖像智能識別、大數(shù)據(jù)應用等技術，讓工業(yè)機器人可以進行自主的判斷和行為，完成各種復雜的任務，在商品分揀、運輸、出庫等環(huán)節(jié)實現(xiàn)自動化。圖普科技則將人工智能技術應用于客流統(tǒng)計，通過人臉識別客流統(tǒng)計功能，門店可以從性別、年齡、表情、新老顧客、滯留時長等維度建立到店客流用戶畫像，為調(diào)整運營策略提供數(shù)據(jù)基礎，幫助門店運營從匹配真實到店客流的角度提升轉(zhuǎn)換率。

（三）交通

智能交通系統(tǒng)是通信、信息和控制技術在交通系統(tǒng)中集成應用的產(chǎn)物。ITS 應用最廣泛的地區(qū)是日本，其次是美國、歐洲等地區(qū)。目前，我國在ITS方面的應用主要是通過對交通中的車輛流量、行車速度進行采集和分析，可以對交通進行實施監(jiān)控和調(diào)度，有效提高通行能力、簡化交通管理、降低環(huán)境污染等。

（四）醫(yī)療 目前，在垂直領域的圖像算法和自然語言處理技術已可基本滿足醫(yī)療行業(yè)的需求，市場上出現(xiàn)了眾多技術服務商，例如提供智能醫(yī)學影像技術的德尚韻興，研發(fā)人工智能細胞識別醫(yī)學診斷系統(tǒng)的智微信科，提供智能輔助診斷服務平臺的若水醫(yī)療，統(tǒng)計及處理醫(yī)療數(shù)據(jù)的易通天下等。盡管智能醫(yī)療在輔助診療、疾病預測、醫(yī)療影像輔助診斷、藥物開發(fā)等方面發(fā)揮重要作用，但由于各醫(yī)院之間醫(yī)學影像數(shù)據(jù)、電子病歷等不流通，導致企業(yè)與醫(yī)院之間合作不透明等問題，使得技術發(fā)展與數(shù)據(jù)供給之間存在矛盾。

（五）教育

科大訊飛、乂學教育等企業(yè)早已開始探索人工智能在教育領域的應用。通過圖像識別，可以進行機器批改試卷、識題答題等；通過語音識別可以糾正、改進發(fā)音；而人機交互可以進行在線答疑解惑等。AI 和教育的結(jié)合一定程度上可以改善教育行業(yè)師資分布不均衡、費用高昂等問題，從工具層面給師生提供更有效率的學習方式，但還不能對教育內(nèi)容產(chǎn)生較多實質(zhì)性的影響。

（六）物流

物流行業(yè)通過利用智能搜索、推理規(guī)劃、計算機視覺以及智能機器人等技術在運輸、倉儲、配送裝卸等流程上已經(jīng)進行了自動化改造，能夠基本實現(xiàn)無人操作。比如利用大數(shù)據(jù)對商品進行智能配送規(guī)劃，優(yōu)化配置物流供給、需求匹配、物流資源等。目前物流行業(yè)大部分人力分布在“最后一公里”的配送環(huán)節(jié)，京東、蘇寧、菜鳥爭先研發(fā)無人車、無人機，力求搶占市場機會。

（七）安防

近些年來，中國安防監(jiān)控行業(yè)發(fā)展迅速，視頻監(jiān)控數(shù)量不斷增長，在公共和個人場景監(jiān)控攝像頭安裝總數(shù)已經(jīng)超過了1.75億。而且，在部分一線城市，視頻監(jiān)控已經(jīng)實現(xiàn)了全覆蓋。不過，相對于國外而言，我國安防監(jiān)控領域仍然有很大成長空間。

五、人工智能發(fā)展的利

目前人工智能已經(jīng)為人類創(chuàng)造出了非?？捎^的經(jīng)濟效益，人工智能可以代替人類做大量人類不想做、不能做的工作，而且機器犯錯誤的概率比人低，并且能夠持續(xù)工作，大大的提升工作效率，節(jié)約了大量的成本，未來的人工智能可能還會代替人類工作，代替人類做家務，幫助人類學習，甚至可以照顧老人和小孩，實時監(jiān)護人類的健康，生病了直接給人來治療，延長人類的壽命，讓人類的生活變得越來越美好。六、人工智能發(fā)展的弊

科技的發(fā)展是一把雙刃劍，汽車分發(fā)明顛覆了傳統(tǒng)的馬車行業(yè)，人工智能的發(fā)展同樣也將顛覆許多行業(yè)。機器人代替了許多人類的工作將導致大量的人口失業(yè)，機器新的學習速度遠遠快于人類，阿爾法狗戰(zhàn)勝李世石引起人們的恐慌，有人說不怕阿爾法狗戰(zhàn)勝李世石，怕的是阿爾法夠故意輸?shù)粢痪?，如果未來的某一天，機器人變成像電影《機械姬》中有意識的機器人，那么人類隨時會變成機器人的奴隸，同時，人工智能面臨著技術失控的危險，霍金曾發(fā)出警告，人類面臨一個不確定的未來，先進的人工智能設備能夠獨立思考，并適應環(huán)境變化，它們未來或?qū)⒊蔀閷е氯祟悳缤龅慕K結(jié)者！如果真的有一天，人工智能機器人變成了能獨立思考，獨立的做出準確的判斷，一旦有一天人工智能反客為主，到時人工智能對于人類將會是毀滅性的災難。甚至被人工智能消滅。地球?qū)⒈蝗斯ぶ悄芙y(tǒng)治。

七、人工智能的影響

（一）人工智能對自然科學的影響。在需要使用數(shù)學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類最終認識自身智能的形成。

（二）人工智能對經(jīng)濟的影響。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益。AI也促進了計算機工業(yè)網(wǎng)絡工業(yè)的發(fā)展。但同時，也帶來了勞務就業(yè)問題。由于AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結(jié)構的劇烈變化。

（三）工智能對社會的影響。AI也為人類文化生活提供了新的模式?，F(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應用已經(jīng)深入到各大游戲制造商的開發(fā)中。

八、人工智能的研究熱點

（一）智能接口。智能接口技術是研究如何使人們能夠方便自然地與計算機交流。為了實現(xiàn)這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現(xiàn)又依賴于知識表示方法的研究。因此，智能接口技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能接口技術已經(jīng)取得了顯著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經(jīng)開始實用化。

（二）數(shù)據(jù)挖掘。數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強大的技術支柱: 數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計。主要研究內(nèi)容包括基礎理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉庫、可視化技術、定性定量互換模型、知識表示方法、發(fā)現(xiàn)知識的維護和再利用、半結(jié)構化和非結(jié)構化數(shù)據(jù)中的知識發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。

（三）主體及多主體系統(tǒng)。主體是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態(tài)的實體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務，而且可以和環(huán)境交互，與其他主體通信，通過規(guī)劃達到目標。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個主體之間進行協(xié)調(diào)智能行為，最終實現(xiàn)問題求解。多主體系統(tǒng)試圖用主體來模擬人的理性行為，主要應用在對現(xiàn)實世界和社會的模擬、機器人以及智能機械等領域。目前對主體和多主體系統(tǒng)的研究主要集中在主體和多主體理論、主體的體系結(jié)構和組織、主體語言、主體之間的協(xié)作和協(xié)調(diào)、通信和交互技術、多主體學習以及多主體系統(tǒng)應用等方面。技術的發(fā)展總是超乎人們的想象，要準確地預測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會向以下幾個方面發(fā)展: 模糊處理、并行化、神經(jīng)網(wǎng)絡和機器情感。

九、人工智能的研究價值

繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的復雜任務”，可見復雜工作的定義是隨著時代的發(fā)展和技術的進步而變化的，人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標。

通常，“機器學習”的數(shù)學基礎是“統(tǒng)計學”、“信息論”和“控制論”。還包括其他非數(shù)學學科。這類“機器學習”對“經(jīng)驗”的依賴性很強。計算機需要不斷從解決一類問題的經(jīng)驗中獲取知識，學習策略，在遇到類似的問題時，運用經(jīng)驗知識解決問題并積累新的經(jīng)驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續(xù)型學習”。但人類除了會從經(jīng)驗中學習之外，還會創(chuàng)造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機最難學會的就是“頓悟”?；蛘咴賴栏褚恍﹣碚f，計算機在學習和“實踐”方面難以學會“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經(jīng)驗和創(chuàng)造。這是智能化研究者夢寐以求的東西。

2013年，帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員S.C WANG開發(fā)了一種新的數(shù)據(jù)分析方法，該方法導出了研究函數(shù)性質(zhì)的新方法。作者發(fā)現(xiàn)，新數(shù)據(jù)分析方法給計算機學會“創(chuàng)造”提供了一種方法。本質(zhì)上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當有效的途徑。這種途徑是數(shù)學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創(chuàng)造。計算機學家們應該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。

十、展望人工智能

目前，人工智能的推理功能已獲突破，學習及聯(lián)想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的并行化處理功能。人工神經(jīng)網(wǎng)絡是未來人工智能應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼型機與作為智能外圍的人工神經(jīng)網(wǎng)絡的結(jié)合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關重要。今天，已經(jīng)有很多人工智能研究的成果進入人們的日常生活。將來，人工智能技術的發(fā)展將會給人們的生活、工作和教育等帶來更大的影響。

總 結(jié)

通過這次調(diào)查，我感觸最深的是未來2-5年人工智能將導致的大規(guī)模失業(yè)將率先從勞動密集型產(chǎn)業(yè)開始。如制造業(yè)，在主要依賴勞動力的階段，其商業(yè)模式本質(zhì)上是賺取勞動力的剩余價值。而當技術成本低于雇傭勞動力的成本時，顯然勞動力會被無情淘汰，制造企業(yè)的商業(yè)模式也將隨之發(fā)生改變。再比如物流行業(yè)，目前大多數(shù)企業(yè)都實現(xiàn)了無人倉庫管理和機器人自動分揀貨物，接下來無人配送車、無人機也很有可能取代一部分物流配送人員的工作。

就中國目前的情況來看，正處于從勞動密集型產(chǎn)業(yè)向技術密集型產(chǎn)業(yè)過渡的過程中，難以避免地要受到人工智能技術的沖擊，而經(jīng)濟相對落后的東南亞國家和地區(qū)因為廉價的勞動力優(yōu)勢仍在，受人工智能技術沖擊較小。世界經(jīng)濟論壇2016年的調(diào)研數(shù)據(jù)預測到2020年，機器人與人工智能的崛起，將導致全球15個主要的工業(yè)化國家510萬個就業(yè)崗位的流失，多以低成本、勞動密集型的崗位為主。

市場調(diào)研報告網(wǎng)

市場調(diào)研報告格式

市場調(diào)研情況報告

市場調(diào)研報告模板

人工智能口號