人 工 智 能 作 业

拥抱人工智能

学院：

年级：

专业：

学号：

姓名：

拥抱人工智能

摘  要：介绍了人工智能的含义以及模式识别的领域。

关键词 人工智能；
模式识别；
AlphaGo

1 人工智能

1.1人工智能的含义

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。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。AlphaGo的胜利，无人驾驶的成功，模式识别的突破性进展，人工智能的的飞速发展一次又一次地挑动着我们的神经。作为人工智能的核心，机器学习也在人工智能的大步发展中备受瞩目，光辉无限。

我所理解的人工智能，就是如下五个定义。定义一：AI就是让人觉得不可思议的计算机程序。定义二：AI就是与人类思考方式相似的计算机程序。定义三：AI就是与人类行为相似的计算机程序。定义四：AI就是会学习的计算机程序。定义五：AI就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程。如今人工智能的时代到来，给予了我们很大的便利。如智能图像理解软件Google照片、智能美图软件美图秀秀、只能搜索排序软件Google、智能出行自动驾驶软件滴滴优步司机、智能机器翻译软件有道翻译官等。

1.2 人工智能的发展历史

迄今为之，人工智能诞生已有62年。1956年，John McCarthy创造人工只能一次。1962年，IBM的阿瑟··萨缪尔开发的西洋跳棋程序就战胜过一位盲人跳棋高手。1987年到1993年现代PC的出现，让人工智能的寒冬再次降临。1997年IBM计算机“深蓝“成功击败世界顶级国际象棋高手之后，国际商用机器公司（IBM）又尝试一轮新的人机博弈。2016年AlphaGo在围棋人机大战中击败韩国职业九段棋手李世石。

1.3 人工智能的复兴

人工智能的复兴可分为以下两次。第一次AI热潮由图灵测试掀起。艾伦.图灵是人工智能的开拓者，他所提出的图灵测试，直到今天仍然是我们判定一部机器是否具有人类智慧的重要手段。假如有一台宣称自己会"思考"的计算机，人们该如何辨别计算机是否真的会思考呢？一个好方法是让测试者和计算机通过键盘和屏幕进行对话，测试者并不知道与之对话的到底是一台计算机还是一个人。如果测试者分不清幕后的对话者是人还是机器，即，如果计算机能在测试中表现出与人等价，或至少无法区分的智能，那么，我们就说这台计算机通过了测试并具备人工智能。第二次AI热潮则由语音识别掀起。20世纪80年代到90年代的第二次AI热潮中，语音识别是当时最具代表性的几项突破性进展之一。今天我们拿出手机，使用苹果手机内置的语音输入法，或者使用中文世界流行的科大讯飞语音输入法，我们就可以直接对着手机说话以录入文字信息。技术上，科大讯飞的语音输入法可以达到每分钟录入400个汉字的输入效率，甚至还支持十几种方言输入。

1.4人工智能所带来的警示

AlphaGo带来的警示是：如果计算机可以在两年内实现大多数人预测要花20年或更长时间才能完成的进步，那么，还有哪些突破会以远超常人预期的速度来临？这些突破会不会超出我们对人工智能的想象，颠覆人类预想中的未来？我们已为这些即将到来的技术突破做好准备了吗？AI真的会让人类大量失业吗？哪种工作最容易被AI取代？这一系列的问题，都引起我们的思考。

1.5 分析人工智能

人工智能的应用场景有：自动驾驶、智慧生活、智慧医疗、艺术创作、智慧金融、和人类同场竞技等。今天的人工智能还不能做什么？情感、审美、自我意识、跨领域的推理、抽象能力、常识等。人工智能时代，程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能，几乎一定可以由机器来完成；
反之，那些最能体现人的综合素质的技能，例如，人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力和创造性思维，由生活经验及文化熏陶产生的直觉、常识，基于人自身的情感（爱、恨、热情、冷漠等）与他人互动的能力，这些是人工智能时代最有价值，最值得培养、学习的技能。

2 识别模式

如今，机器学习的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中模式识别就是计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。当我们人眼看到一幅画时，我们能够很清晰的知道其中哪里是动物，哪里是山，水，人等等，但是人眼又是如何识别和分辨的呢，其实很简单，人类也是在先验知识和对以往多个此类事物的具体实例进行观察的基础上得到的对此类事物整体性质和特点的认识的，并不是人类原本就有对这类事物的记忆，就好比婴孩时期的我们，并不知道什么是狗，什么是帅哥，什么是美女，但是随着我们的慢慢长大，我们观察的多了，见的多了，再加上过来人的经验指导，我们就知道的多了。

其实，每一种外界的事物都是一种模式，人类平均每天都在进行着很多很多的各种各样的模式识别，人们对外界事物的识别，很大部分是把事物进行分类来完成的。而我们对事物进行辨别，就是模式识别。

2.1 识别模式的主要方法

解决模式识别的方法主要有：模板匹配法，ANN法，基于知识的方法和基于数据的方法。基于知识的方法就是专家系统，句法识别就属于基于知识的，但是句法识别不常用。基于数据的方法也就是基于统计的方法，即依据统计原理来构造分类器，来对未知样本进行预测，这种学习过程是机器学习中研究最多的一个方向，也是模式识别采用的最主要方法。顾名思义，ANN也就是大名鼎鼎的神经网络。模式识别的研究范畴，存在两个极端，要么分类和特征之间的关系完全确定，要么完全随机。

2.2 监督与无监督

简单来说，类别已定的就叫做有监督分类，反之就是无监督分类；
前者因为我们有已知划分类别的训练样本来作为学习过程的“导师”，所以很多时候，有监督和无监督，又叫做有导师学习和无导师学习；

后者，在不知道要划分的是什么类别时，我们要做的工作是聚类（clustering），根据样本特征将样本聚成多少类，使属于同一类的样本在一定意义上是相似的，不同类之间的样本则有较大差异，通过聚类得到的类别也称作为聚类，但是通常在聚类中存在一个尺度问题，当设置的尺度不一样，得到的聚类也不一样。所以在很多无监督识别问题中，分类结果并不一定是唯一的，因此在没有特别指定的目的情况下，很难说哪种分类方案更合理。另外，用一种方法在一个样本集上完成了聚类分析，得到了若干个聚类，这种聚类结果只是数学上的一种划分，对应用的实际问题是否有意义，还需要结合更多更专业的知识来进行解释。

2.3 识别模式应用

主要有：语音识别，说话人识别，OCR，复杂图像中特定目标的识别，根据地震勘探数据对地下储层性质的识别，利用基因表达数据进行癌症的分类等等。

2.4 模式识别系统的构成

一个模式识别系统通常包括典型的四个部分（如下图）：对原始数据的获取和预处理，特征提取与特征选择，分来或聚类，后处理；
以上四个部分，无论是监督的还是无监督的都共有的，可以说是整个系统的核心所在，也是模式识别学科的主要研究内容。

3 总结与期望

AI来了，有思想的人生并不会因此而黯然失色，因为我们全部的尊严就在于思想。机器带给人类的不是失业，而是更大的自由与更加个性化的人生体验。未来也将是一个人类和机器共存、协作完成各类工作的全新时代。正如谭铁牛院士在中科院第十九次院士大会上的报告《人工智能:天使还是魔鬼？》所说的那样，高科技本身没有天使和魔鬼之分，人工智能也是如此，这一把双刃剑，是天使还是魔鬼取决于人类自身。人工智能在天使手里是天使，在魔鬼手里就是魔鬼。因此我们有必要未雨绸缪形成合力，确保人工智能正面效应，确保人工智能造福于人类。

参考文献

[1]张学工，模式识别[M].北京:清华大学出版社,2000.1

[2]王万森.人工智能原理及其应用(第三版).电子工业出版社,2012

[3]百度百科：人工智能