引言：易發(fā)表網(wǎng)憑借豐富的文秘實踐，為您精心挑選了九篇人工智能論文范例。如需獲取更多原創(chuàng)內(nèi)容，可隨時聯(lián)系我們的客服老師。

第1篇

截至目前，古典控制方法一直都無法被人工智能控制技術(shù)所取代。但是隨著時代的進步和發(fā)展，現(xiàn)代控制理論也日臻完善，人工智能軟件技術(shù)(包括遺傳算法、模糊神經(jīng)網(wǎng)絡(luò)、模糊控制以及人工神經(jīng)網(wǎng)絡(luò)等)逐漸取代了傳統(tǒng)的控制器設(shè)計常規(guī)技術(shù)。這些方法有著許多的共同之處:都要具備不同類型和數(shù)量的描述特性和系統(tǒng)的“apriori”技術(shù)。這些方法都有著顯著的優(yōu)勢，所以工業(yè)界都做出了不斷的嘗試，旨在進一步開發(fā)和使用這類方法，但是工業(yè)界又急于開發(fā)該系統(tǒng)，從而使其性能更加優(yōu)異，系統(tǒng)更加簡單、易操作。直流傳動的控制程序較為簡單，在過去得到了較為廣泛的應(yīng)用。但是不可忽視的是，它們有著難以克服的限制性因素，而且隨著DSP技術(shù)的不斷進步和發(fā)展，直流傳動的優(yōu)勢逐漸隱沒，性能更高的交流傳動逐漸取代了直流傳動。但近幾年，部分廠商逐漸改良工藝，更高性能的直流驅(qū)動產(chǎn)品涌入市場，但是人工智能技術(shù)卻鮮少提及。在未來幾年，使用人工智能的直流傳動技術(shù)將在更大范圍內(nèi)得到推廣和普及。

交流傳動瞬態(tài)轉(zhuǎn)矩具備較高的使用性能，它有著較強的控制性，僅次于直流電機。目前，直接轉(zhuǎn)矩控制(DTC)和矢量控制(VC)是比較常見的高性能交流傳動控制方法。當前，不少廠商都順應(yīng)市場形勢，相繼推出了矢量控制交流傳動產(chǎn)品，而且無速度傳感器的矢量控制產(chǎn)品也大量上市。在性能較高的驅(qū)動產(chǎn)品中廣泛使用AI技術(shù)，將會進一步提高產(chǎn)品的使用性能，截至目前，僅有兩個廠家在其生產(chǎn)的產(chǎn)品中運用人工智能(AI)控制器。而在十五年前，日本和德國的研究人員提出了直接轉(zhuǎn)矩控制這一概念，經(jīng)過了十年的發(fā)展演變過程，ABB公司面向市場，將直接轉(zhuǎn)矩控制的傳動產(chǎn)品引入市場，讓人們能夠直接感受直接轉(zhuǎn)矩控制的優(yōu)勢，從而開展相關(guān)的研究。可以預(yù)見，人工智能技術(shù)將會運用到直接轉(zhuǎn)矩控制中，常規(guī)的電機數(shù)學(xué)模型將會被替代，從而退出市場。

人工智能控制器主要分三種類型，即:增強學(xué)習型、非監(jiān)督型和監(jiān)督型。當前，常規(guī)的監(jiān)督學(xué)習型神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習算法和拓撲結(jié)構(gòu)已基本成型，這在一定程度上限制了此種結(jié)構(gòu)控制器的生產(chǎn)和使用，導(dǎo)致計算機計算時間增長，而且常規(guī)非人工智能學(xué)習算法在具體應(yīng)用上效果不明顯。而要克服這些困難，最好的辦法就是采用試探法和適應(yīng)神經(jīng)網(wǎng)絡(luò)。常規(guī)模糊控制器的模糊規(guī)則表和規(guī)則初值是“a－priori”型，這加劇了調(diào)整難度。假若該系統(tǒng)無有效的“a－priori”信息作為支撐，那么將導(dǎo)致系統(tǒng)陷入癱瘓。而要有效克服此類缺陷和困難，就可以運用自適應(yīng)模糊神經(jīng)控制器，保證系統(tǒng)的正常運轉(zhuǎn)。

二、電力系統(tǒng)中的智能控制

當前，世界各地的專家和學(xué)者都將眼光聚焦于智能控制理論的研究，研究表明，只要合理運用智能系統(tǒng)，就能在很大程度上提高電力系統(tǒng)控制水平，推動我國電力傳動系統(tǒng)步入新的階段。市面上廣泛使用的交直流傳動系統(tǒng)在控制技術(shù)和手段上已日臻成熟，閉環(huán)控制、矢量控制都有著較好的運用前景。PID控制法作為最新的控制方法，能較好地完成數(shù)學(xué)建模需承擔的控制任務(wù)，但是在具體實踐中，電力傳動系統(tǒng)表現(xiàn)出較強的不穩(wěn)定性，隨工作狀態(tài)的變化，電機參數(shù)也不斷變化著，這加劇了傳統(tǒng)建模控制的難度。

第2篇

以上論證說明：人工智能技術(shù)可以在人類隱性智慧定義的工作框架內(nèi)模擬人類顯性智慧（人類智能）生成知識，創(chuàng)建主客雙贏的策略解決各種復(fù)雜問題。而這是現(xiàn)今其他各類技術(shù)做不到的。不過，由于在人工智能系統(tǒng)工作的基本過程中，（1）中客觀存在各種不確定性，人類給定的知識未必能夠理想地體現(xiàn)客觀規(guī)律，也未必能夠完全滿足求解問題的需要，（2）中人類預(yù)設(shè)的求解目標也不見得完全合理，（3）中人工智能系統(tǒng)各個環(huán)節(jié)必然存在各種不理想性。因此，人工智能系統(tǒng)對人類顯性智慧能力的模擬不可能完全到位，人工智能系統(tǒng)提供的問題解答也有可能不如人類自己求出的解答。換言之，人工智能系統(tǒng)所模擬的人類顯性智慧能力，原則上不可能超過人類自己的顯性智慧能力。如果說人工智能系統(tǒng)確實也有超人的地方，那主要是它的工作速度、工作精度、持久能力等因素，而不可能是顯性智慧中的智慧品質(zhì)。至于一些人所宣傳的機器超越人類甚至機器淘汰人類的說法，是沒有根據(jù)的。無論是人工智能系統(tǒng)，還是其他各種機器系統(tǒng)，它們共同的問題之一是：機器沒有生命，沒有目的，不可能自主發(fā)現(xiàn)應(yīng)當解決的實際問題，不可能自主形成機器的智慧，尤其不可能無中生有地形成超越人類和淘汰人類的荒唐愿望，因此更不可能產(chǎn)生淘汰人類或滅絕人類的行為。

2人工智能與信息技術(shù)的關(guān)系

圖2的人工智能系統(tǒng)模型表明，完整的人工智能技術(shù)系統(tǒng)必須具有如下環(huán)節(jié)：信息獲取（感知）、信息傳遞（通信）、信息處理（計算）、知識生成（認知）、策略創(chuàng)建（決策）、策略執(zhí)行（控制）以及反饋學(xué)習優(yōu)化等基本技術(shù)系統(tǒng)，這正像“人”這個智能系統(tǒng)必須具有感覺器官（信息獲取）、傳輸神經(jīng)系統(tǒng)（信息傳遞）、思維器官（信息處理、知識生成、策略創(chuàng)建）以及執(zhí)行器官（策略執(zhí)行）。 其中傳感（感受信息）、通信（傳遞信息）、計算（處理信息）、控制（執(zhí)行信息）等技術(shù)屬于信息技術(shù)。可見，人工智能系統(tǒng)是一個全局整體，其中包含著傳感、通信、計算、控制等信息技術(shù)環(huán)節(jié)；這正像人這個智能系統(tǒng)是一個全局整體，其中包含感覺器官、傳輸神經(jīng)、丘腦和執(zhí)行器官這些信息器官。如果把人工智能系統(tǒng)稱為完整的人工智能系統(tǒng)，而把其中的知識生成和策略創(chuàng)建稱為核心人工智能系統(tǒng)，那么，則有：完整的人工智能系統(tǒng)＝核心人工智能系統(tǒng)＋信息技術(shù)系統(tǒng)其中，核心人工智能系統(tǒng)處于完整人工智能系統(tǒng)的核心，處理知識和智能層次的問題；信息技術(shù)系統(tǒng)處于完整人工智能系統(tǒng)的外周，處理信息層次的問題，同時擔任核心系統(tǒng)與外部環(huán)境之間的兩端接口：一端是從環(huán)境獲取本體論信息（傳感），另一端是對環(huán)境施加智能行為（控制）。這就表明，信息技術(shù)系統(tǒng)提供給人類的服務(wù)主要是方便快捷的信息共享，而不可能提供如何認識事物本質(zhì)的服務(wù)（因為這需要知識），更不可能提供如何解決問題的服務(wù)（因為這需要智能策略）[2]。

3“新型”信息技術(shù)

近十多年來，先后出現(xiàn)了大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及各種互聯(lián)網(wǎng)的應(yīng)用技術(shù)。人們把它們稱為“新型”信息技術(shù)或“新一代”信息技術(shù)。深入分析可以發(fā)現(xiàn)，這些新型信息技術(shù)的核心技術(shù)正是核心人工智能系統(tǒng)的知識生成和策略創(chuàng)建技術(shù)。不妨以大數(shù)據(jù)技術(shù)為例加以說明。圖3表示了大數(shù)據(jù)技術(shù)系統(tǒng)的工作流程。由于有著多種來源、多種背景以及多種格式，大數(shù)據(jù)通常是病態(tài)結(jié)構(gòu)或不良結(jié)構(gòu)的大規(guī)模數(shù)據(jù)集合，其中可能包含垃圾、病毒和黑客攻擊程序。因此，如圖3所示，大數(shù)據(jù)技術(shù)的第一個環(huán)節(jié)就是智能分類：把無用的數(shù)據(jù)識別分類出來加以過濾和抑制，把有用的數(shù)據(jù)按照某些特征進行分類，再分門別類地送到恰當?shù)脑朴嬎悖ê驮拼鎯Γ┫到y(tǒng)，進行相應(yīng)的信息處理，為知識生成（知識挖掘）做好必要的準備。通過知識挖掘生成了足夠的知識之后，才可以把這些知識（結(jié)合求解目標）轉(zhuǎn)換成為用來解決問題的智能策略。其中，智能分類、知識挖掘和策略創(chuàng)建都是人工智能的基本技術(shù)。可見，如果沒有這些人工智能技術(shù)，大數(shù)據(jù)就只能是數(shù)據(jù)，而不可能轉(zhuǎn)換成為有用的知識和可以用來解決問題的智能策略。

由此可知，大數(shù)據(jù)技術(shù)的核心就是人工智能技術(shù)，可以把它比較確切地稱為面向大數(shù)據(jù)的智能技術(shù)。而把它稱為新型信息技術(shù)則沒有真正抓住大數(shù)據(jù)技術(shù)的要害和本質(zhì)，模糊了人們對大數(shù)據(jù)技術(shù)和人工智能技術(shù)的認識，不利于大數(shù)據(jù)技術(shù)的研究和發(fā)展，也不利于人工智能的研究和應(yīng)用。真正的智能物聯(lián)網(wǎng)模型不是別的，正是圖2所示的模型。如圖2所示，只要在綜合知識庫內(nèi)設(shè)置“對物控制的目標”，那么“外部世界的物”的信息就經(jīng)由傳感器獲得，經(jīng)過通信系統(tǒng)傳送到計算系統(tǒng)并在這里進行必要的處理即把信息變成適用的信息，接著由認知系統(tǒng)轉(zhuǎn)換成為知識，然后由決策系統(tǒng)根據(jù)控制目標把信息和知識轉(zhuǎn)換成為智能策略，智能策略再經(jīng)通信系統(tǒng)傳到執(zhí)行系統(tǒng)之后轉(zhuǎn)換成為智能行為反作用于所關(guān)注的“物”，使它的狀態(tài)符合預(yù)設(shè)的目標。近來人們在密切關(guān)注著“互聯(lián)網(wǎng)＋”。其實，“互聯(lián)網(wǎng)＋”可以有兩種不同的理解。一種理解是當前人們所關(guān)注的互聯(lián)網(wǎng)推廣，這里的“＋”就相當于信息化的“化”，就是互聯(lián)網(wǎng)的各種應(yīng)用。另一種更有意義的理解則把“互聯(lián)網(wǎng)＋”理解為互聯(lián)網(wǎng)升級，就是把以計算機為終端的現(xiàn)有互聯(lián)網(wǎng)升級為以人工智能系統(tǒng)為終端的智能互聯(lián)網(wǎng)。這就是2015年全國兩會期間全國政協(xié)委員的“中國大腦”提案。應(yīng)當認為，互聯(lián)網(wǎng)推廣,即把互聯(lián)網(wǎng)應(yīng)用到各行各業(yè)是完全必要的，這是信息化建設(shè)的正常要求。但是，從信息化建設(shè)的發(fā)展大勢來看，互聯(lián)網(wǎng)升級即把當前常規(guī)互聯(lián)網(wǎng)升級為智能互聯(lián)網(wǎng)則更為必要，這將為中國信息化建設(shè)注入更為強大的新活力，是轉(zhuǎn)變經(jīng)濟發(fā)展方式的需要，是國民經(jīng)濟產(chǎn)業(yè)升級的需要。綜上所述，大數(shù)據(jù)技術(shù)、云計算技術(shù)、智能物聯(lián)網(wǎng)技術(shù)，其實都是人工智能技術(shù)的相關(guān)具體應(yīng)用。可以這么說，如果沒有人工智能技術(shù)，單憑信息技術(shù)很難有效地應(yīng)對大數(shù)據(jù)和物聯(lián)網(wǎng)以及未來更多更復(fù)雜的技術(shù)挑戰(zhàn)。

4結(jié)束語

第3篇

人工智能是近年來隨著計算機技術(shù)的不斷發(fā)展的一個學(xué)科分支，是新興的高科技技術(shù)。人工智能與納米科學(xué)以及基因工程被人們稱之為二十一世紀的三大尖端科技。人工智能的研究范圍涉及較廣，在諸多不同的領(lǐng)域都有涉及，比如：數(shù)學(xué)、認識科學(xué)、哲學(xué)、心理學(xué)以及計算機科學(xué)等多門學(xué)科，不同學(xué)科領(lǐng)域以人工智能為信息交流平臺，進行相互的影響滲透，進而形成一門具有綜合性質(zhì)的科學(xué)。因此，人工智能也可以稱之為社會科學(xué)與自然科學(xué)的交叉科學(xué)。人工智能主要是通過對計算機的研究，對人的某些思維以及智能行為進行模擬的學(xué)科，其主要被應(yīng)用在專家系統(tǒng)、語言的理解、智能控制、遺傳編程機器人工廠以及機器人技術(shù)等方面。一般而言，對于人工智能的研究的主要目的就是讓機器代替人做一些復(fù)雜的工作。電氣工程的研究長久以來都局限在電氣化的方面，隨著現(xiàn)代化科學(xué)技術(shù)的進步以及信息計算機技術(shù)的發(fā)展，電氣工程自動化中逐漸向人工智能的趨勢發(fā)展，通過引入人工智能進入電氣工程自動化的領(lǐng)域，對人類大腦進行模擬并進行數(shù)據(jù)與信息的分析、收集、處理以及反饋，經(jīng)過信息的自動化生產(chǎn)，進而提高電氣工程的生產(chǎn)效益，進而推動電氣工程產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化與升級。

2.人工智能在電氣工程自動化中的應(yīng)用

2.1人工智能在電氣產(chǎn)品優(yōu)化設(shè)計中的應(yīng)用在電氣工程運行過程中，進行電氣設(shè)備的設(shè)計是十分復(fù)雜的，其設(shè)計不但對電氣自動化的各個專業(yè)學(xué)科與內(nèi)容有所設(shè)計，而且要求電氣設(shè)備設(shè)計人員具有較高的專業(yè)文化知識以及豐富的設(shè)計經(jīng)驗，進行電氣設(shè)備的設(shè)計只有把電氣知識、經(jīng)驗以及科學(xué)進行有機的融合，才能夠?qū)﹄姎猱a(chǎn)品的科學(xué)性有所保障。人工智能在電氣產(chǎn)品設(shè)計中的應(yīng)用有效的對一些依靠人腦無法迅速解決的復(fù)雜計算以及模擬過程進行解決，進而大大的縮短了產(chǎn)品設(shè)計的周期，提高電氣工程的工作效率，并且設(shè)計出的電氣產(chǎn)品極具科學(xué)性與實用性。專家系統(tǒng)對于電氣工程的開發(fā)性設(shè)計有積極的意義，而遺傳算法主要應(yīng)用于產(chǎn)品的優(yōu)化設(shè)計，在進行產(chǎn)品設(shè)計的過程中，要求設(shè)計人員應(yīng)該具備設(shè)計經(jīng)驗以及較強的智能軟件應(yīng)用的能力，從而便于依據(jù)不同情況的沾邊選擇不同的算法對產(chǎn)品進行高質(zhì)量的設(shè)計。

2.2人工智能在電氣設(shè)備故障診斷中的應(yīng)用在進行電氣設(shè)備故障的診斷時，電氣企業(yè)通常會使用人工智能中的人工神經(jīng)網(wǎng)絡(luò)、模糊理論以及專家系統(tǒng)的引用，其應(yīng)用診斷的范圍包含：發(fā)電機、電動機、變壓器等的故障診斷。在電氣設(shè)備中，電氣工程遇到故障問題時，所呈現(xiàn)的現(xiàn)象是相對復(fù)雜的，運用傳統(tǒng)的處理技術(shù)很難對問題進行及時準確的查找與判斷，人工智能技術(shù)對于這種問題科技進行高效的解決，例如：當發(fā)電機的設(shè)備出現(xiàn)故障時，故障所呈現(xiàn)的不確定性、復(fù)雜性以及非線性的特征都是可以通過人工智能中的專家系統(tǒng)以及模糊理論進行綜合的處理，人工智能技術(shù)大大的提升了電氣設(shè)備故障診斷的準確性。

2.3電氣工程運行過程中的智能控制目前，在電氣工程的自動化中智能控制的應(yīng)用已經(jīng)十分廣泛，逐漸的發(fā)展成為電氣工程自動化領(lǐng)域中的未來趨勢。由于電氣設(shè)備的控制工作比較復(fù)雜且極具綜合性，對控制系統(tǒng)的技術(shù)含量以及計算的精確度都有比較高的標準，通過對人工智能中的模糊理論、人工神經(jīng)網(wǎng)絡(luò)以及專家系統(tǒng)的綜合應(yīng)用，有效的提高了電氣設(shè)備的計算精度以及計算速度，不僅有利于節(jié)約電氣企業(yè)的資源，而且對實現(xiàn)電氣企業(yè)資源的優(yōu)化配置具有積極的意義。

2.4人工智能在電力系統(tǒng)中的應(yīng)用在電力系統(tǒng)中應(yīng)用比較普遍的人工智能主要有：啟發(fā)式探索、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)以及模糊理論。其具體的應(yīng)用主要表現(xiàn)為：一是，專家系統(tǒng)。作為一個十分復(fù)雜的程序系統(tǒng)，專家系統(tǒng)集知識、規(guī)則以及經(jīng)驗于一體，主要工作程序是通過運用電氣系統(tǒng)中某領(lǐng)域的專業(yè)經(jīng)驗以及專業(yè)知識對所遇問題進行分析與判斷，接著進行專家決策的模擬，對需要專家解決的問題進行處理，而且在專家系統(tǒng)的使用過程中，應(yīng)該依據(jù)現(xiàn)實情況對系統(tǒng)中的知識庫、數(shù)據(jù)庫以及規(guī)則庫的信息與數(shù)據(jù)進行更新，從而使用電力系統(tǒng)的應(yīng)用需要。二是，人工神經(jīng)網(wǎng)絡(luò)。其學(xué)習的方式十分靈活，存儲方式也是呈現(xiàn)分布式，在大規(guī)模的信息處理中得到廣泛的應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)具有較強的識別與分類能力，對與模型進行合理的分類并進行科學(xué)的選擇，同時其與元件進行關(guān)聯(lián)分析相結(jié)合能夠?qū)?fù)雜的電力系統(tǒng)進行故障的診斷，而且能對故障進行識別與定位。三是，模糊理論。模糊理論主要應(yīng)用于系統(tǒng)規(guī)劃、潮流計算以及模糊控制之中。有利于操作界面的優(yōu)化以及工作流程的簡化，而系統(tǒng)可以進行自動日志與報表的生成與保存，進而提高系統(tǒng)日常操作的效率，對系統(tǒng)的安全運行具有積極的作用。

3.總結(jié)

第4篇

關(guān)鍵詞：人工智能計算機技術(shù)

一、人工智能的定義

“人工智能”(ArtificialIntelligence)一詞最初是在1956年Dartmouth學(xué)會上提出的。人工智能是指研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。目前能夠用來研究人工智能的主要物質(zhì)手段以及能夠?qū)崿F(xiàn)人工智能技術(shù)的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學(xué)與技術(shù)的發(fā)展史聯(lián)系在一起的。

人工智能理論進入21世紀，正醞釀著新的突破，人工智能的研究成果將能夠創(chuàng)造出更多更高級的智能“制品”，并使之在越來越多的領(lǐng)域超越人類智能，人工智能將為發(fā)展國民經(jīng)濟和改善人類生活做出更大貢獻。

二、人工智能的應(yīng)用領(lǐng)域

1.在管理系統(tǒng)中的應(yīng)用

(1)人工智能應(yīng)用于企業(yè)管理的意義主要不在于提高效率，而是用計算機實現(xiàn)人們非常需要做，但工業(yè)工程信息技術(shù)是靠人工卻做不了或是很難做到的事情。在《談?wù)勅斯ぶ悄茉谄髽I(yè)管理中的應(yīng)用》一文中劉玉然指出把人工智能應(yīng)用于企業(yè)管理中，以數(shù)據(jù)管理和處理為中心，圍繞企業(yè)的核心業(yè)務(wù)和主導(dǎo)流程建立若干個主題數(shù)據(jù)庫，而所有的應(yīng)用系統(tǒng)應(yīng)該圍繞主題數(shù)據(jù)庫來建立和運行。換句話說，就是將企業(yè)各部門的數(shù)據(jù)進行統(tǒng)一集成管理，搭建人工智能的應(yīng)用平臺，使之成為企業(yè)管理與決策中的關(guān)鍵因子。

(2)智能教學(xué)系統(tǒng)(ITS)是人工智能與教育結(jié)合的主要形式，也是今后教學(xué)系統(tǒng)的發(fā)展方向。信息技術(shù)的飛速發(fā)展以及新的教學(xué)系統(tǒng)開發(fā)模式的提出和不斷完善，推動人們綜合運用超媒體技術(shù)、網(wǎng)絡(luò)基礎(chǔ)和人工智能技術(shù)區(qū)開發(fā)新的教學(xué)系統(tǒng)，計算機智能教學(xué)系統(tǒng)就是其中的典型代表。計算機智能教學(xué)系統(tǒng)包含學(xué)生模塊、教師模塊，體現(xiàn)了教學(xué)系統(tǒng)開發(fā)的全部內(nèi)容，擁有著不可比擬的優(yōu)勢和極大的吸引力。

2.在工程領(lǐng)域的應(yīng)用

(1)醫(yī)學(xué)專家系統(tǒng)是人工智能和專家系統(tǒng)理論和技術(shù)在醫(yī)學(xué)領(lǐng)域的重要應(yīng)用，具有極大的科研和應(yīng)用價值，它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題，作為醫(yī)生診斷、治療的輔助工具。事實上，早在1982年，美國匹茲堡大學(xué)的Miller就發(fā)表了著名的作為內(nèi)科醫(yī)生咨詢的Internist2Ⅰ內(nèi)科計算機輔助診斷系統(tǒng)的研究成果，由此，掀起了醫(yī)學(xué)智能系統(tǒng)開發(fā)與應(yīng)用的。目前，醫(yī)學(xué)智能系統(tǒng)已通過其在醫(yī)學(xué)影像方面的重要作用，從而應(yīng)用于內(nèi)科、骨科等多個醫(yī)學(xué)領(lǐng)域中，并在不斷發(fā)展完善中。

(2)地質(zhì)勘探、石油化工等領(lǐng)域是人工智能的主要作用發(fā)揮領(lǐng)地。1978年美國斯坦福國際研究所就研發(fā)制成礦藏勘探和評價專家系統(tǒng)“PROSPECTOR”，該系統(tǒng)用于勘探評價、區(qū)域資源估值和鉆井井位選擇等，是工業(yè)領(lǐng)域的首個人工智能專家系統(tǒng)，其發(fā)現(xiàn)了一個鉬礦沉積，價值超過1億美元。

3.在技術(shù)研究中的應(yīng)用

(1)在超聲無損檢測(NDT)與無損評價(NDE)領(lǐng)域中，目前主要廣泛采用專家系統(tǒng)方法對超聲損傷(UT)中缺陷的性質(zhì)、形狀和大小進行判斷和歸類；專家運用超聲無損檢測儀器，以其高精度的運算、控制和邏輯判斷力代替大量人的體力與腦力勞動，減少了任務(wù)因素造成的無擦，提高了檢測的可靠性，實現(xiàn)了超聲檢測和評價的自動化、智能化。

(2)人工智能在電子技術(shù)領(lǐng)域的應(yīng)用可謂由來已久。隨著網(wǎng)絡(luò)的迅速發(fā)展，網(wǎng)絡(luò)技術(shù)的安全是我們關(guān)心的重點，因此我們必須在傳統(tǒng)技術(shù)的基礎(chǔ)上進行網(wǎng)絡(luò)安全技術(shù)的改進和變更，大力發(fā)展數(shù)據(jù)挖掘技術(shù)、人工免疫技術(shù)等高效的AI技術(shù)，開發(fā)更高級AI通用和專用語言，和應(yīng)用環(huán)境以及開發(fā)專用機器，而與人工智能技術(shù)則為我們提供了可能性。

三、人工智能的發(fā)展方向

1.專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個研究領(lǐng)域，它是一種具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的程序系統(tǒng)。近年來，在“專家系統(tǒng)”或“知識工程”的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢。人類專家由于具有豐富的知識，所以才能達到優(yōu)異的解決問題的能力。那么計算機程序如果能體現(xiàn)和應(yīng)用這些知識，也應(yīng)該能解決人類專家所解決的問題，而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯，現(xiàn)在這一點已被證實。

2.智能信息檢索技術(shù)的飛速發(fā)展。人工智能在網(wǎng)絡(luò)信息檢索中的應(yīng)用，主要表現(xiàn)在:(1)如何利用計算機軟硬件系統(tǒng)模仿、延伸與擴展人類智能的理論、方法和技術(shù)。(2)由于網(wǎng)絡(luò)知識信息既包括規(guī)律性的知識，如一般原理概念，也包括大量的經(jīng)驗知識這些知識不可避免地帶有模糊性、隨機性、不可靠性等不確定性因素對其進行推理，需要利用人工智能的研究成果。

3.SOAr是一種通用智能體系結(jié)構(gòu)，其始終處在人工智能研究的前沿，已顯示出強大的問題求解能力，它認為機器人的開發(fā)是人工智能應(yīng)用的重要領(lǐng)域。在它的研究中突出4個概念:(1)所處的境遇機器人不涉及抽象的描述，而是處在直接影響系統(tǒng)的行為的境地。(2)具體化機器人有軀干，有直接來自周圍世界的經(jīng)驗，他們的感官起作用后會有反饋。(3)智能的來源不僅僅是限于計算裝置，也是由于與周圍進行交互的動態(tài)決定。(4)浮現(xiàn)從系統(tǒng)與周圍世界的交互以及有時候系統(tǒng)的部件間的交互浮現(xiàn)出智能。目前，國內(nèi)外不少學(xué)者都對機器人足球系統(tǒng)頗感興趣，足球機器人涉及機器人學(xué)、人工智能以及人工生命、智能控制等多個領(lǐng)域。足球機器人系統(tǒng)本身既是一個典型的多智能體系統(tǒng)，是一個多機器人協(xié)作自治系統(tǒng)，同時又為它們的理論研究和模型測試提供一個標準的實驗平臺。

參考文獻：

[1]元慧.議當代人工智能的應(yīng)用領(lǐng)域和發(fā)展狀況[J].福建電腦，2008.

[2]劉玉然.談?wù)勅斯ぶ悄茉谄髽I(yè)管理中的應(yīng)用[J].價值工程，2003.

[3]焦加麟，徐良賢，戴克昌.人工智能在智能教學(xué)系統(tǒng)中的應(yīng)用[J].計算機仿真，2003，(8).

[4]周明正.人工智能在醫(yī)學(xué)專家系統(tǒng)中的應(yīng)用[J].科技信息，2007.

[5]張海燕，劉鎮(zhèn)清.人工智能及其在超聲無損檢測中的應(yīng)用[J].無損檢測，2001，(8).

[6]馬秀榮，王化宇.簡述人工智能技術(shù)在網(wǎng)絡(luò)安全管理中的應(yīng)用[J].呼倫貝爾學(xué)院學(xué)報，2005，(4).

第5篇

機械電子產(chǎn)品雖然結(jié)構(gòu)相對簡單化，沒有摻雜過多的運動元件或者部件，但是它的內(nèi)部結(jié)構(gòu)是非常復(fù)雜的，若想要產(chǎn)品的性能得到提高，就必須將傳統(tǒng)落后的笨探究機械電子工程與人工智能的關(guān)系姚磊河北農(nóng)業(yè)大學(xué)機電工程學(xué)院河北保定071000重機械面貌徹底拋棄，縮小物理體積。由于機械電子工程所涉及和利用到的內(nèi)容非常廣泛，所以電子機械工程是一種具有極強綜合性的學(xué)科。機械電子工程的基礎(chǔ)是傳統(tǒng)機械工程，同時充分利用計算機的輔助作用，來強化機械電子工程的核心力量。這使得機械電子工程與其他學(xué)科相比較而言更能體現(xiàn)出科學(xué)性，并且能夠保證滿足系統(tǒng)配置方面的設(shè)計需求。機械電子工程充分利用到專業(yè)設(shè)計模板來完善機械電子設(shè)備，發(fā)揮設(shè)計應(yīng)用中的模板作用，這樣有利于保證機械電子工程設(shè)計能夠順利進行。機械電子工程產(chǎn)品在設(shè)計結(jié)構(gòu)方面較為簡單，并且元件利用數(shù)量也是相對較少的。所以在這種情況下，要通過持續(xù)提升產(chǎn)品性能，強化機械電子產(chǎn)品質(zhì)量，優(yōu)化機械電子產(chǎn)品的結(jié)構(gòu)，來滿足消費者的更多需求。

2人工智能的定義及特點

何為人工智能，人工智能是一門綜合了計算機科學(xué)、信息論、控制論、神經(jīng)生理學(xué)、語言學(xué)、心理學(xué)、哲學(xué)等多門學(xué)科的交叉性學(xué)科，是21世紀最偉大的三大學(xué)科之一。人工智能的發(fā)展其實經(jīng)歷了一段非常漫長的歷程，人工智能在計算機開始發(fā)展的初期就已經(jīng)被應(yīng)用到了各個方面，只是它在起初所發(fā)揮的作用相對而言是非常小的，并沒有得到足夠的重視或者引起足夠的注意。但是隨著時代的進步，人工智能已經(jīng)擺脫了過去相對弱小的形象，發(fā)生了翻天覆地的變化，得到了很大的改善。人工智能發(fā)生的這些轉(zhuǎn)變正是人類對計算機的應(yīng)用和熟悉程度的轉(zhuǎn)變。信息時代的趨勢已經(jīng)使人工智能技術(shù)得到了很大的強化，在社會中的地位也越來越重要。機械電子工程的發(fā)展需要依靠人工智能的力量和支撐，相信隨著人們對人工智能更加深入的研究，人工智能模仿人類思維的能力定會越來越強大。只有對人工智能不斷創(chuàng)新和改善，才能在計算機語言理解和應(yīng)用方面得到更大的進步，才能更加符合機械電子工程的發(fā)展需求。

3機械電子工程與人工智能的關(guān)系

機械電子工程在應(yīng)用上不穩(wěn)定主要表現(xiàn)在系統(tǒng)輸入輸出的問題，即利用數(shù)學(xué)方程來建立模型，并且依靠人工智能來完成對傳統(tǒng)知識學(xué)習的更新，這種解析數(shù)學(xué)的相關(guān)方式在機械電子工程中的應(yīng)用是非常廣泛的。傳統(tǒng)機械工程方式的應(yīng)用是非常簡單的，但是隨著時代的發(fā)展和科學(xué)技術(shù)的進步，新時期出現(xiàn)的機械電子工程系統(tǒng)在處理各種問題時是相對復(fù)雜的，會通過配置多種系統(tǒng)對信息類型來進行區(qū)分。但是人工智能在機械電子工程領(lǐng)域還存在著一些不確定的因素，在計算機電子工程中，人工智能信息處理的方式主要采用的是解析數(shù)學(xué)措施，其應(yīng)用方式主要是利用網(wǎng)絡(luò)神經(jīng)系統(tǒng)對網(wǎng)絡(luò)系統(tǒng)進行合理安排，將神經(jīng)系統(tǒng)迷你成人腦的結(jié)構(gòu)，根據(jù)相關(guān)數(shù)字所傳達出來的信號，對已經(jīng)搜集到的資源進行參數(shù)分析。其實，人工智能在機械電子工程中的應(yīng)用是有差異的，這種差異性也是人工智能的一種特點，沒有辦法對網(wǎng)絡(luò)系統(tǒng)進行有效的描述，同時在建設(shè)系統(tǒng)資料庫的過程中進行嚴密數(shù)學(xué)分析，在分析過程中若是出現(xiàn)錯誤會直接影響到網(wǎng)絡(luò)系統(tǒng)的建設(shè)，甚至導(dǎo)致網(wǎng)絡(luò)系統(tǒng)的崩潰。創(chuàng)新工程方式，加強人工智能信息的服務(wù)建設(shè)是保證機械電子工程能夠順利開展和進行的關(guān)鍵。隨著時代的發(fā)展和人民日益增長的需求，生活方式的單一性早已不能滿足社會的發(fā)展需求速度。不斷完善的綜合性人工智能系統(tǒng)必將會使生產(chǎn)模式發(fā)生轉(zhuǎn)變。利用模型推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)的優(yōu)勢來補充綜合性人工智能，逐步完善機械電子工程的發(fā)展，網(wǎng)絡(luò)系統(tǒng)得到完善的必然結(jié)果就是模型推理系統(tǒng)。同時，模型推理系統(tǒng)也是二者功能性融合的重要體現(xiàn)。人工智能通過網(wǎng)絡(luò)信息資源進行完整性表達，完善機械電子和人工智能的密切關(guān)系。

4結(jié)束語

第6篇

自二十世紀九十年代以來，意識問題受到高度關(guān)注，眾多的哲學(xué)家、心理學(xué)家與神經(jīng)科學(xué)家在此領(lǐng)域開展深入的研究工作。與此同時，人們也開始使用計算方法試圖讓機器裝置擁有意識能力。這類研究逐漸被稱為“機器意識”的研究。早期有關(guān)機器意識的研究比較初步，研究工作較少得到學(xué)術(shù)界的認同，甚至早些年提到“機器意識”還有不合時宜的顧慮。

盡管哲學(xué)上關(guān)于“機器意識”有著不同觀點的爭論，但隨著研究工作的不斷深入，一些有遠見的專家學(xué)者開始充分認識到開展機器意識研究的重要意義，并專門撰文進行了精辟論述。比如，英國皇家學(xué)院電子工程系的Aleksander教授根據(jù)學(xué)術(shù)界從上世紀九十年代到本世紀對機器意識態(tài)度的轉(zhuǎn)變，指出機器意識的影響與日俱增，并預(yù)計了機器意識對科學(xué)與技術(shù)發(fā)展的潛在影響，特別是在改變?nèi)藗儗σ庾R的理解、改進計算裝置與機器人概念等方面的貢獻尤為重大。

無獨有偶，美國伊利諾伊大學(xué)哲學(xué)系Haikonen教授則專門撰文強調(diào)機器意識是新一代信息技術(shù)產(chǎn)業(yè)發(fā)展的新機遇，他認為新產(chǎn)品與系統(tǒng)的發(fā)展機會起因于信息技術(shù)的發(fā)展，而現(xiàn)有的人工智能基于預(yù)先編程算法，機器與程序并不能理解其所執(zhí)行的內(nèi)容。顯而易見，不考慮意識就沒有對自身行為的理解，而機器意識技術(shù)的涌現(xiàn)可以彌補這一缺失，因此機器意識技術(shù)可以為信息技術(shù)產(chǎn)業(yè)的發(fā)展提供新的契機。意大利巴勒莫大學(xué)機器人實驗室的Chella教授則指出，開展機器意識不僅是一種技術(shù)挑戰(zhàn)，也是科學(xué)和理論上開展人工智能和機器人研究的新途徑。最近，土耳其中東技術(shù)大學(xué)的G?k和Sayan兩位學(xué)者進一步認為，開展機器意識的計算建模研究還有助于推進對人類意識現(xiàn)象的理解，推動構(gòu)建更加合理的意識理論。

上述這些學(xué)者的論述，無疑說明，機器意識研究不但對深化人工智能的研究有著重要的推動作用，對從科學(xué)上解釋神秘的意識現(xiàn)象也同樣具有非同尋常的意義。正因為機器意識研究有著如此重要的科學(xué)意義和推動未來信息技術(shù)革新的潛在價值，隨著最近十年的研究發(fā)展，該領(lǐng)域已經(jīng)成為學(xué)界廣泛關(guān)注的熱點。與此同時，數(shù)量相當可觀的研究成果和實驗系統(tǒng)已逐步形成，有些成果已經(jīng)被運用到實際機器認知系統(tǒng)的開發(fā)之中。機器意識研究已經(jīng)成為了人工智能最為前沿的研究領(lǐng)域。

機器意識研究的現(xiàn)狀分析

2006年之前的有關(guān)機器意識的研究狀況，英國皇家學(xué)院電子工程系的研究團隊已經(jīng)做過了比較全面的綜述。因此，我們這里主要就在此之后國際上有關(guān)機器意識的研究概況和發(fā)展趨勢進行分析。據(jù)我們的文獻檢索，截止到2015年底，在機器意識研究領(lǐng)域發(fā)表過的學(xué)術(shù)論文超過350余篇，其中最近十年發(fā)表的論文占了一半以上。歸納起來，由于對意識的哲學(xué)解釋不同，目前機器意識方面的主流研究往往是以某種意識科學(xué)理論為出發(fā)點的具體建模研究和實現(xiàn)。由于涉及到的文獻過多，無法一一列舉，我們僅就一些影響較大的典型研究進行分析。

在意識科學(xué)研究領(lǐng)域，一種較早的理論觀點是用量子機制來解釋意識現(xiàn)象，這樣的出發(fā)點也波及到有關(guān)機器意識建模的研究。利用量子理論來描述意識產(chǎn)生機制的有效性并不是說物質(zhì)的量子活動可以直接產(chǎn)生意識，而是強調(diào)意識產(chǎn)生機制與量子機制具有跨越尺度的相似性。近年來，意識的量子模型發(fā)展又有了新的動向。比如，作為量子意識理論的進一步發(fā)展，中國科學(xué)院電子學(xué)研究所的高山(Gao Shan)提出了意識的一種量子理論，研究了量子塌縮與意識之間的關(guān)系，假定量子塌縮是一種客觀的動態(tài)過程。日本Akita國際大學(xué)的Schroeder另辟蹊徑，在構(gòu)建統(tǒng)一意識模型中不涉及量子力學(xué)的量子相干性方面做出了全新的探索，主要目標是說明現(xiàn)象意識能夠依據(jù)量子力學(xué)的物理解釋，用量子力學(xué)的形式化代數(shù)性質(zhì)來描述。此外，俄羅斯Lebedev物理研究所的Michael B. Mensky利用意識的量子概念提出了一種主觀選擇的數(shù)學(xué)模型，說明意識和超意識的特性如何能夠通過簡單的數(shù)學(xué)模型給出。當然，更多的是有關(guān)意識量子機制描述的可能性爭論，正反兩方面的觀點都有。特別是在2012年的Physics of Life Reviews第9卷第3期，以Baars和Edelman所著論文“Consciousness， biology and quantum hypotheses”為核心，10余名相關(guān)領(lǐng)域的學(xué)者分別撰文對是否能夠通過量子機制來描述意識現(xiàn)象展開了多方位的辯論。最近，Susmit Bagchi從分布式計算的角度，較為全面地討論了生物演化與量子意識之間的關(guān)系。遺憾的是，迄今為止，學(xué)術(shù)界對此問題尚未達成一致的結(jié)論。

在機器意識研究中，第二種有重大影響的理論觀點就是全局工作空間理論。全局工作空間理論(Global workspace theory)是由美國加利福尼亞大學(xué)圣地亞哥分校神經(jīng)科學(xué)研究所的Baars研究員1988年提出的意識解釋理論。在該理論的指導(dǎo)下，由Baars、Franklin和Ramamurthy等人組成的研究團隊開展了長達20多年的機器意識研究工作，最終開發(fā)完成了LIDA認知系統(tǒng)。

LIDA(Learning Intelligent Distribution Agent)是在該研究團隊等人早期開發(fā)的IDA(Intelligent Distribution Agent)基礎(chǔ)上發(fā)展起來的，主要依據(jù)Baars全局工作空間理論，采用神經(jīng)網(wǎng)絡(luò)與符號規(guī)則混合計算方法，通過在每個軟件主體建立內(nèi)部認知模型來實現(xiàn)諸多方面的意識認知能力，如注意、情感與想象等。該系統(tǒng)可以區(qū)分有無意識狀態(tài)，是否有效運用有意識狀態(tài)，并具備一定的內(nèi)省反思能力等。從機器意識的終極目標來看，該系統(tǒng)缺乏現(xiàn)象意識的特征，比如意識主觀性、感受性和統(tǒng)一性均不具備。

指導(dǎo)機器意識研究的第三種重要理論觀點是意識的信息整合理論。意識的信息整合理論是美國威斯康星—麥迪遜大學(xué)精神病學(xué)的Tononi教授1998年提出的。自該理論提出以來，不少研究團隊以信息整合理論為依據(jù)，采用神經(jīng)網(wǎng)絡(luò)計算方法來進行機器意識的研究工作。其中，典型代表有英國Aleksander教授的研究團隊和美國Haikonen教授的研究團隊所開展的系統(tǒng)性研究工作。英國皇家學(xué)院的Aleksander教授領(lǐng)導(dǎo)的研究團隊長期開展機器意識的研究工作，發(fā)表相關(guān)論文30余篇。早期的研究主要給出了有關(guān)意識的公理系統(tǒng)及其神經(jīng)表征建模實現(xiàn)，比較強調(diào)采用虛擬計算機器來建模意識。最近幾年，Aleksander研究團隊采取仿腦策略，強調(diào)信息整合理論的運用，建立了若干仿腦(brain-inspired)意識實現(xiàn)系統(tǒng)，更好地實現(xiàn)了五個意識公理的最小目標。美國伊利諾伊大學(xué)哲學(xué)系Haikonen教授的研究團隊則主要采用聯(lián)想神經(jīng)網(wǎng)絡(luò)來進行機器意識系統(tǒng)的構(gòu)建工作。自1999年以來，該團隊開展了富有成效的研究工作。Haikonen教授在所提出的認知體系模型的基礎(chǔ)上，構(gòu)建了一個實驗型認知機器人XCR-1系統(tǒng)。應(yīng)該說，雖然Haikonen所開展的機器意識研究的出發(fā)點是為了揭示意識現(xiàn)象本性，但他的成果卻是目前機器意識研究領(lǐng)域最為典范的工作之一。

在意識科學(xué)研究中，也有學(xué)者將人類的意識能力看作是一種高階認知能力，提出意識的高階理論。在機器意識研究中，以這樣的高階理論為指導(dǎo)，往往會采用傳統(tǒng)的符號規(guī)則方法來建立某種具有自我意識的機器系統(tǒng)。其中，一個比較系統(tǒng)的研究工程就是意大利巴勒莫大學(xué)機器人實驗室的Chella教授用10年時間開發(fā)的Cicerobot機器人研究項目。該機器人實現(xiàn)了一種自我意識的認知結(jié)構(gòu)機制，該機制主要由三個部分構(gòu)成：亞概念感知部分、語言處理部分和高階概念部分。通過機器人的高階感知(一階感知是指對外部世界的直接感知，高階是對機器人內(nèi)部世界的感知)，就形成了具有自我反思能力的機器人。這項研究工作的主要特點是將邏輯形式化方法與概念空間組織相結(jié)合，強調(diào)對外部事物的一種心理表征能力，并對外部環(huán)境進行內(nèi)部模擬。在高階認知觀點的自我意識建模研究方面，另一個做出突出貢獻的是美國喬治梅森大學(xué)的Samsonovich教授率領(lǐng)的研究團隊。該團隊經(jīng)過10余年的研究，開發(fā)了一個仿生認知體系GMU-BICA(George Mason University-Biologically Inspired Cognitive Architecture)。在該系統(tǒng)中定義的心理狀態(tài)不但包含內(nèi)容，還包含主觀觀察者，因此該系統(tǒng)擁有“自我”意識的主觀能力。系統(tǒng)實驗是利用所提出的認知結(jié)構(gòu)模型來控制虛擬機器人完成一些簡單的走迷宮活動，機器人可以表現(xiàn)出具有人類意識所需要的行為。相比而言，與Cicerobot機器人強調(diào)自我意識是反思能力的概念不同，GMU-BICA系統(tǒng)則將自我意識理解為“自我”的意識。當然，不管是Cicerobot還是GMU-BICA，這樣的高階認知模型往往對心理掃視、主觀體驗與統(tǒng)一意識等意識本質(zhì)方面的表現(xiàn)兼顧不足。

除了上述介紹的這些有代表性的研究外，對于機器意識研究而言，還有如何判定機器具有意識能力的檢驗問題，這是目前機器意識研究領(lǐng)域十分重要的一個方面。顯然，要判斷開發(fā)的機器意識系統(tǒng)是否真正具備預(yù)期的意識能力，就需要開展相應(yīng)的意識特性分析、評判標準建立以及檢測方法實現(xiàn)等方面的研究工作。在這方面，由于目前對意識現(xiàn)象的認識存在許多爭議，對于意識評測特性分析方面也難以有統(tǒng)一的認識。因此，目前的機器意識特性需求分析也比較零散。倒是在評判標準的建立方面，西班牙卡洛斯三世馬德里大學(xué)計算機科學(xué)系A(chǔ)rrabales教授的研究團隊做出了比較系統(tǒng)的研究。該團隊自2008年開始就在這方面開展意識特性分析，給出了計算人工意識的一種量化測量方法ConsScale以及對感受質(zhì)的功能性刻畫。之后，該團隊又進一步提出了ConsScale的修訂版，并討論了在機器中產(chǎn)生感受質(zhì)和現(xiàn)象意識狀態(tài)的可能性。最終，該團隊成功構(gòu)建了CERA-CRANIUM認知體系(采用意識全局工作空間理論建模)來檢驗產(chǎn)生的視覺感受質(zhì)以及實現(xiàn)的內(nèi)部言語。所有的這些成果為機器意識能力的初步檢測提供了一種實用的標準。當然，也有將鏡像認知看作是機器擁有自我意識能力的一種檢測標準，該理論的依據(jù)是人類和其他一些動物能夠在鏡子中認出自己，這一能力被看作是擁有自我意識的明證。因此，Haikonen認為在鏡像中的自我識別，即鏡像測驗，也可以用來確認機器潛在的自我意識能力。于是，在意識能力檢測方法的研究中，許多研究工作都是通過鏡像測試來確定意識能力的。但也有研究認為，鏡像測驗并不能證明意識能力的存在，要證明機器具有意識能力還需要通過更加復(fù)雜的測驗。比如，Edelman就提出三種意識檢驗的途徑，即意識的語言報告、神經(jīng)生理信號以及意識行為表現(xiàn)。

總而言之，機器意識的研究主要圍繞量子涌現(xiàn)機制、全局工作空間、信息整合理論、意識高階理論以及意識能力檢測這五個方面展開的。從研究的策略來看，主要分為算法構(gòu)造策略(Algorithm)與仿腦構(gòu)造策略(Brain-Inspiration)兩種途徑。從具體的實現(xiàn)方法上，主要可以分為三類：一是采用類神經(jīng)網(wǎng)絡(luò)的方法；二是采用量子計算方法；三是采用規(guī)則計算方法。雖然經(jīng)過20多年的發(fā)展，機器意識的研究取得了眾多的研究成果，但相對于人類意識表現(xiàn)方面，目前機器意識能力的表現(xiàn)還是非常局限的。根據(jù)筆者以及土耳其中東技術(shù)大學(xué)的G?k和Sayan發(fā)表的論文，目前機器意識系統(tǒng)主要具備的能力都是功能意識方面的，偶爾涉及自我意識和統(tǒng)一性意識(很難說是否真正實現(xiàn)了)。可見，意識計算模型的研究還有很長的路要走，特別是關(guān)于內(nèi)省反思能力、可報告性能力、鏡像認知能力、情感感受能力以及主觀性現(xiàn)象等，這些方面更加需要進一步的研究和探索。

人類意識能力的唯識學(xué)分析

人類意識能力的基礎(chǔ)是神經(jīng)活動，盡管神經(jīng)活動本身是意識不到的，也不是所有的神經(jīng)活動都能產(chǎn)生意識，但神經(jīng)活動卻能夠產(chǎn)生有意識的心理活動，這便形成了人類的意識能力。

根據(jù)現(xiàn)有的相關(guān)科學(xué)與哲學(xué)研究成果，人類意識的運行機制大致是這樣的：物質(zhì)運動變化創(chuàng)生萬物，生物的生理活動支持著神經(jīng)活動，神經(jīng)活動涌現(xiàn)意識(有意識的心理活動)，意識感受生理表現(xiàn)并指導(dǎo)意向性心智活動的實現(xiàn)，從而反觀認知萬物之理。除了心理活動所涉及的神經(jīng)系統(tǒng)外，主要的心理能力包括感覺(身體感受)、感知(對外部事物的感知能力，包括視、聽、味、嗅、觸)、認知(記憶、思考、想象等)、覺知(反思、意識、自我等)、情感(情緒感受)、行為(意志、愿望、等)、返觀(禪觀、悟解)等。

必須強調(diào)的是，迄今為止，對有意識的心理能力最為系統(tǒng)解析的學(xué)說體系并非是現(xiàn)在的腦科學(xué)研究，而是起源于古印度的唯識學(xué)。唯識學(xué)所研究的對象就是心識問題，相當于本文界定的有意識的心理活動。如圖1所示，其理論體系主要包括五蘊八識的心法體系。

第一，前五識歸為色蘊，對應(yīng)的心法稱為色法，相當于當代心理學(xué)中的感知，其意識的作用稱為五俱意識(所謂“俱”，就是伴隨)。如果這種感知是真實外境的感知，則其伴隨性意識稱為同緣意識；如果是有錯覺的感知，則稱不同緣意識；如果這種感知活動產(chǎn)生后像效應(yīng)，則稱為五后意識(屬于不相應(yīng)法)。一般而言，色蘊對應(yīng)的心理活動都是有意向?qū)ο蟮模虼藢儆谝庀蛐睦砘顒印?/p>

第二，受蘊是一種心所法(具體的心理能力)，主要是指身體與情感狀態(tài)的感受。注意這里要區(qū)分身識中的身體狀態(tài)感受與色蘊是完全不同的心理能力，身識相當于觸覺，是一種感知能力，而身體狀態(tài)的感受不是感知能力，而是感受身體疼痛、暖冷等的體驗?zāi)芰ΑＪ芴N的心理活動，雖然具有意識，但不具有意向?qū)ο螅虼瞬粚儆谝庀蛐孕睦砘顒印?/p>

第三，想蘊是另一種心所法，用現(xiàn)代認知科學(xué)的話講，就是狹義的思維能力，如思考、記憶、想象等，屬于認知的高級階段，顯然是屬于意向性心理活動。

第四，行蘊也是一種心所法，主要指一切造作之心，用現(xiàn)代認知科學(xué)的話講，如動機、欲望、意愿、行為等。唯識學(xué)中的“行”，與“業(yè)”的概念相互關(guān)聯(lián)，一般分為三種，即身業(yè)(行動)、語業(yè)(說話)和意業(yè)(意想)，但都強調(diào)有意作為的方面，因此行蘊也屬于意向性心理活動。

第五，識蘊是整體統(tǒng)一的心法，更加強調(diào)的是后兩識(第七末那識、第八阿賴耶識)的心法，現(xiàn)代西方的認知科學(xué)尚無對應(yīng)的概念。主要強調(diào)的是自我意識，特別是返觀能力，即對根本心識的悟解能力。

總之，色蘊是色法(感知能力)，受蘊、想蘊、行蘊都是心所法(具體的心理能力)，它們本身就是具有意識的心理活動(統(tǒng)歸于心法)，其中色法的意識作用是伴隨性的五俱意識，其他三蘊的意識作用與伴隨性的意識則又有不同，稱為獨散意識(受蘊、想蘊、行蘊所涉及的意識，是一種周遍性意識活動)。

當然，如果所有意識作用出現(xiàn)在夢中，唯識學(xué)中則另外稱之為夢中意識(做夢時的意識活動，屬于不相應(yīng)法)。在唯識學(xué)的五蘊學(xué)說中，識蘊比較復(fù)雜，它是唯識理論特別單列的一種根本心法，除了強調(diào)自我意識的末那識“我執(zhí)”外，更是強調(diào)達到定中意識的阿賴耶識“解脫”，屬于去意向性心理活動。

總之，從意向性的角度看，我們的心理能力可以分為無意向性的受蘊，意向性的色蘊(前五識)、想蘊、行蘊，元意向性的意識以及去意向性的識蘊。其中，識蘊是一種特定的禪悟能力，對其性質(zhì)的認識與禪宗的心法觀有關(guān)。

機器意識研究面臨的困境

對于目前的人工智能研究而言，我們涉及到的心智能力，如果按照五蘊分類體系來分析，那么大致只有色蘊、想蘊與行蘊中的部分能力。如果考慮目前有關(guān)機器意識的研究，也僅僅涉及到五俱同緣的伴隨性意識、想蘊與行蘊中的獨散意識、識蘊中的自我意識以及意識活動本身的機制問題，其他意識比如不相應(yīng)法的夢中意識、五后意識、定中意識、五俱不同緣意識等都沒有涉及。

根據(jù)上述有關(guān)心識能力的唯識學(xué)分析，對于機器而言，真正困難的機器意識實現(xiàn)問題是受蘊性獨散心識(體驗性意識能力)與識蘊性心識兩個方面，一個涉及無意向心理活動的表征問題，一個涉及去意向性心理活動的表征問題，這兩方面都是目前計算理論與方法無法解決的問題。反過來講，機器最有可能實現(xiàn)的心智能力部分應(yīng)當是那些具有意向性的心識能力(色蘊、想蘊與行蘊)，即唯識學(xué)心法中的色法與若干心所法。

很明顯，意向性心理活動一定伴隨有意向?qū)ο螅谑蔷陀锌赡軐Υ诉M行計算表證，并完成相關(guān)的某種計算任務(wù)。因此，反過來說，我們認為意向性心理能力是人工智能的理論限度(是上界，但并非是上確界)，機器實現(xiàn)的人類意識能力不可能超越意向性心識的范圍。這也就是本文觀點討論的基點，并具體給出如下方面論據(jù)的分析。

首先，我們來分析心智機器的成功標準。從我們的立場看，如果要構(gòu)建具有人類心智能力的機器，成功的標準起碼應(yīng)該通過圖靈測驗。主要理由是，由于“他心知”問題的存在，行為表現(xiàn)可能是唯一的判斷標準，此時圖靈測驗不失為一種可行的測試途徑，關(guān)鍵是“巧問”的設(shè)計。原則上，圖靈測驗通過言行交流，這是人類之間默認具有心智能力的唯一途徑。再者，根據(jù)摩根準則，在沒有把握的情況下，寧肯選擇比較簡單的解釋。因而，對圖靈測驗的解釋中，也必須注意摩根準則，諸如機器思維或者機器經(jīng)過思考的行動這類有關(guān)心智能力的假設(shè)在大多數(shù)情況下應(yīng)該丟棄。

現(xiàn)在我們就來一場圖靈測驗，看看機器到底會遭遇什么樣的困境。為了看清本質(zhì)，我們的提問異常簡單，就是進行如下提問(所謂“多大年紀”思想實驗，參見筆者以前的文章“重新發(fā)現(xiàn)圖靈測驗的意義”)：你多大年紀？此時會發(fā)生怎樣復(fù)雜的情形呢？當提問者一而再、再而三不斷重復(fù)這一問題時，機器很快就會暴露出其致命的缺陷，就是缺乏不可預(yù)見性反應(yīng)能力。那么，面對這么簡單的提問，機器為什么會無所適從呢？其實這跟機器形式系統(tǒng)的局限性有關(guān)。眾所周知，圖靈機是個形式系統(tǒng)，而哥德爾不完全性說明足夠復(fù)雜的形式系統(tǒng)不能證明某些真命題。這是否說明人的某些知識是計算機器永遠不能得到的？或者反過來說，是否說明不是所有的知識都能形式化呢？這樣就引出了如下第二個論據(jù)的討論。

從形式系統(tǒng)角度看，確實存在不可計算(證明)的問題，而且是大量的，但這些問題對于人類同樣也是不可計算(證明)的。比如圖靈停機問題，如果換成了人，結(jié)果是一樣的。至于知識，可能首先要分清知識的含義與性質(zhì)，知識是動詞還是名詞，要不要考慮元知識？如果這樣看待知識，那么肯定不是所有知識都可以形式化的。因此，我們可以發(fā)現(xiàn)，問題不在于形式系統(tǒng)是否有局限性，而在于對于意識現(xiàn)象能不能給出一致性的形式描述。

那么，我們可以對人類的意識現(xiàn)象給出一致性描述嗎？回答顯然是否定的。因為在人類的意識現(xiàn)象中，存在著意識的自反映心理現(xiàn)象：我們的意識活動是自明性的。從邏輯上講，如果一個系統(tǒng)允許自涉，那么該系統(tǒng)一定是不一致的，也就是說無法對該系統(tǒng)給出一致性的形式化描述。其實，人類的心理活動本來就是建立在神經(jīng)集群活動的自組織涌現(xiàn)機制之上的。因此，出現(xiàn)意識的自明性現(xiàn)象是必然的。這也就是美國哲學(xué)家普特南給出“缽中之腦”思想實驗所要說明的道理。比如，對于“我們都是缽中之腦”命題，在事先并不知曉這一事實的前提下，使用知道邏輯的反證法，可以明確加以否定。因此，我們?nèi)祟惖囊庾R能力，顯然不可能為機器所操縱。這樣，由于計算機器形式化能力的局限性，靠邏輯機器是不可能擁有人類全部意識能力的，起碼意識的自明性能力不可能為機器所擁有。

進一步，作為第三個論據(jù)討論，我們再來看人類的意義指稱能力問題。我們需要明確的問題是：機器能處理符號，但它能真正理解符號所代表的意義嗎？如果人的概念依賴于人類的軀體和動機(涉身性認知)，那機器怎么可能掌握它們呢？這個問題主要是指機器是否能夠擁有指稱能力。塞爾的“中文之屋”提出了反對意見。其實這個問題的關(guān)鍵還是要弄清什么是“意義”？如果意義是指所謂抽象的“概念”內(nèi)涵而非表征形式，那么就必然存在一條語義鴻溝，因為機器內(nèi)部能夠處理或變換的只是不同的形式語言而已。但如果意義是指“行為表現(xiàn)”，那么這個問題就回到了上面圖靈測驗的第一個論據(jù)上去了。

人類語言表達意義不在語言形式本身，而在于意識能力。正因為這樣，才會有許多超出常規(guī)的意義表達方式。從根本上講，我們也不必一一列舉機器難以擁有的指稱能力，諸如矛盾性言辭、元語言表述以及整體性語境等難以一致性描述的狀況；而只需指出，機器不可能擁有人類的終極指稱能力即可。那么什么是終極指稱能力呢？宋代臨濟宗禪師惠洪在《臨濟宗旨》中指出：“心之妙不可以語言傳，而可以語言見。蓋語言者，心之源、道之標幟也。標幟審則心契，故學(xué)者每以語言為得道淺深之候。”其中所謂的“心之妙”者，就是終極指稱。由于超越了概念分別，是難以用語言來描述的，這就為形式化描述帶來了根本的困境。

第四個論據(jù)的討論涉及到所謂預(yù)先設(shè)定程序的問題。我們知道，目前的機器只能遵循給定的程序運行(預(yù)先設(shè)定的程序)，這樣的話，機器又怎么可能擁有真正的創(chuàng)造性和靈活性？也許人工智能的目的就是要讓機器的“計算”更加“聰明”，但目前預(yù)先設(shè)定程序的機器不可能是靈活的，更不用說創(chuàng)造性能力了。顯然，事情越有規(guī)則，機器就越能掌控，這就是預(yù)先設(shè)定程序的界限。比如對于表面復(fù)雜結(jié)構(gòu)的分形圖案，由于可以靠簡單規(guī)則加以迭代產(chǎn)生，機器就可以靠預(yù)先編程規(guī)則自如產(chǎn)生。但是對于人類常常出現(xiàn)的出錯性，由于毫無規(guī)律可言，機器便不可能預(yù)先加以編程，機器也就不可能擁有出錯性了。人是易于犯錯誤的，而機器按照設(shè)定的程序運行，永遠不會出錯，這就是預(yù)先編程的一個致命弱點，這也是第一個論據(jù)討論中機器無法通過圖靈測驗的根本原因。

要知道出錯性表面上似乎是一個負面品質(zhì)，但其實質(zhì)上則包含著靈活性和創(chuàng)造性，是一切新事物涌現(xiàn)機制的基礎(chǔ)。如果沒有生物基因的出錯性，自然選擇就沒有了作用的對象，繁復(fù)的生物多樣性也就無從談起。同樣，如果沒有了思想模因的出錯性，文化選擇也同樣沒有了作用的對象，博大的思想多樣性同樣無從談起。可見，出錯性是機器難以企及人類心智能力的一個分界線，而這一切都歸結(jié)為機器的預(yù)先編程的局限性。

同樣的道理，由于預(yù)先編程問題，也帶來了機器不可能真正擁有情感能力的新問題，這也構(gòu)成了機器難以擁有人類心識能力的第五個論據(jù)。我們知道，情感從某種意義上講就是常規(guī)理性活動過程中的“出錯性”，是非理性的，但基于邏輯的機器是理性的。也許人們會說，非理性的情感在心理表現(xiàn)中是不重要的，甚至是不起作用的。但我們要強調(diào)，即使是理性思維，情感和其他非理性因素也在其中扮演重要角色(傾向性指導(dǎo)作用)。如果說理性的認知能力是前進的方向，那么非理性的情感能力就是前進的動力，人類的心理活動中豈可或缺情感能力？！而對于機器而言，缺少了情感能力，機器怎么能夠像人類一樣思維？！

機器是邏輯的，難以體現(xiàn)情感本性，目前有關(guān)情感的計算只是實現(xiàn)了情感的理性成份。筆者比較贊同這樣的觀點：理智是方向性的舵手，情感是驅(qū)動性的馬達，在航行中情感與理智相互依存。因此，如果情感不能計算，那么也談不上實現(xiàn)人類意識的計算，因為情感難以計算的本質(zhì)就是意識的感受問題。

機器能擁有意識能力嗎

通過上述對機器實現(xiàn)人類心智能力所面臨的困境的討論，就可以進一步引申出機器是否能夠跟人類一樣擁有意識能力的問題。為了避免陷入不必要的信念之爭，筆者認為學(xué)術(shù)辯論主要應(yīng)對事實或可能事實開展分析討論。由于計算機器的概念相對明確，爭論的焦點多半會聚焦到有關(guān)人類“意識能力”的界定之上。所以，下面先給出筆者所理解的人類“意識能力”的分析描述，然后再圍繞著我們討論的主題，展開觀點的陳述。

意識包括功能意識、自我意識和現(xiàn)象意識，其中功能意識大體上涉及到意向性的心理能力，除了前面已經(jīng)討論過的五個論據(jù)外，似乎并不存在特別的新困難。但自我意識和現(xiàn)象意識則不同，由于涉及到去意向性和非意向性的表征問題，這便構(gòu)成了機器心識的最大困擾。首先，我們要清楚“自我意識”不是關(guān)于“自我”的意識，而是一種自身內(nèi)省反思能力。因此，自我意識是意識的核心功能。其次，我們必須澄清所謂的“體驗意識(qualia)”到底指什么？是精神的本性，還是虛構(gòu)的對象？這涉及到哲學(xué)基本問題，非常復(fù)雜，觀點紛呈。機器能否擁有意識能力的核心問題，其實就在于此。

由于涉及到心靈的一些本質(zhì)問題，機器意識研究一開始就引起了哲學(xué)領(lǐng)域的廣泛關(guān)注，有專家專門討論機器意識研究的哲學(xué)基礎(chǔ)，也有學(xué)者討論機器意識會面臨的困難，包括像意識(consciousness)、感受質(zhì)(qualia)和自我覺知(self-awareness)這些回避不了的、顯而易見的困難問題，以及一些與意識相關(guān)的認知加工，如感知、想象、動機和內(nèi)部言語等方面的技術(shù)挑戰(zhàn)。除此之外，更多的則是延續(xù)早期對人工智能的哲學(xué)反思，對機器意識的可能性提出質(zhì)疑。涉及到強弱人工智能之爭、人工通用智能問題、意識的難問題、“中文之屋”悖論的新應(yīng)用、人工算法在實現(xiàn)意識能力方面的局限性、蛇神機器人不可能擁有主觀性、現(xiàn)象意識等眾多方面的爭論。

那么機器能夠擁有這種現(xiàn)象意識狀態(tài)嗎？對于現(xiàn)象意識的存在性問題，有截然相左的兩種觀點。一種是神秘論的觀點，認為我們神經(jīng)生物系統(tǒng)唯一共有的就是主觀體驗，這種現(xiàn)象意識是不可還原為物理機制或邏輯描述的，靠人類心智是無法把握的。另一種是取消論的觀點，認為機器僅僅是一個蛇神(zombie)而已，除了機器還是機器，不可能具有任何主觀體驗的東西。在這兩種極端觀點之間，還存在各種不同偏向的觀點，如還原論、涌現(xiàn)論、唯心論、二元論，等等。其實，依筆者看來，無需做上述復(fù)雜的討論，只須從意向性的角度來看，便可以澄清機器意識的可能性問題。筆者觀點是，凡是具有意向性的心理能力，理論上機器均有可能實現(xiàn)，反之則肯定不能實現(xiàn)。因為一旦缺少了意向?qū)ο螅瑱C器連可表征的內(nèi)容都不存在，又如何形式化并進行計算呢！

通過上述分析討論，可以發(fā)現(xiàn)，機器意識難以達成的主要困境可以歸納為這樣三個方面。第一個是形式化要求，特別是一致性要求導(dǎo)致的局限性，使得機器智能局限于具有意向性的心識能力，如色蘊、想蘊、行蘊。第二個則是機器缺乏不預(yù)見性的反應(yīng)能力，只能通過預(yù)先設(shè)定的程序來應(yīng)對環(huán)境。第三個就是無法擁有終極指稱能力，無法實現(xiàn)去意向性的識蘊能力。最后補充一點則是，對于涉及到現(xiàn)象意識的感受性能力(受蘊)，由于沒有意向?qū)ο罂梢宰鳛樾问交妮d體，因而對其進行的計算完全無從入手。

于是，我們可以很清楚地看到，意向性就是實現(xiàn)機器意識能力的一條不可逾越之界線。用數(shù)學(xué)的術(shù)語說，機器能夠擁有的意識能力的上界就是意向性心識能力。當然這并非是上確界，因為不可預(yù)見性的反應(yīng)能力也屬于意向性能力，但從前面的分析中可以看出，目前基于預(yù)先編程的機器仍然無法擁有不可預(yù)見的反應(yīng)能力。或許我們可以期待更為先進的量子計算機器來突破預(yù)先編程能力，但意向性心識能力的邊界，依然是無法突破的。

因此，當我們把目前有關(guān)機器意識的研究分為面向感知能力實現(xiàn)的、面向具體特定意識能力實現(xiàn)的、面向意識機制實現(xiàn)的、面向自我意識實現(xiàn)的以及面向受蘊能力實現(xiàn)的這五個類別時，就可以同唯識學(xué)中意識的五蘊學(xué)說相對比，從而更加清楚地認識其中的本質(zhì)問題所在。我們的結(jié)論是，對于機器意識的研究與開發(fā)，應(yīng)當擱置有爭論的主觀體驗方面(身心感受)的實現(xiàn)研究，圍繞意向性心識能力(環(huán)境感知、認知推理、語言交流、想象思維、情感發(fā)生、行為控制)，采用仿腦與量子計算思想相結(jié)合的策略，來開發(fā)具有一定意向能力的機器人，并應(yīng)用到社會服務(wù)領(lǐng)域。

機器意識研究未來展望

圍繞著上述分析所得出的主要結(jié)論，我們認為，未來機器意識的研究，主要應(yīng)該開展如下5個方面的研究工作。

首先，構(gòu)建面向機器實現(xiàn)的意識解釋理論。由于意識問題本身的復(fù)雜性，目前存在眾多不同的意識解釋理論，其中只有部分理論用于指導(dǎo)機器意識的研究。為了更好地開展機器意識研究工作，取得更加理想的機器意識表現(xiàn)效果，必須直接面向機器意識實現(xiàn)問題本身，綜合并兼顧已有意識解釋理論，提出一種更加有利于機器意識研究的、有針對性的、全新的意識解釋理論。提出的新理論應(yīng)該不但能夠清晰地刻畫各種意識特性及其關(guān)系，而且應(yīng)該符合機器意識實現(xiàn)的要求，更好地用以指導(dǎo)機器意識的開展。為此，具體需要開展現(xiàn)有意識解釋理論的梳理研究、機器意識限度與范圍的分析研究、意識特性刻畫標準規(guī)范的構(gòu)建研究等方面的研究工作。

其次，探索機器意識的計算策略與方法。過去的研究表明，要想讓機器擁有意識能力，傳統(tǒng)的人工智能方法是無能為力的，我們必須尋找全新的計算方法。因此，機器意識的深入展開，需要有不同于傳統(tǒng)人工智能的計算策略和方法。就目前機器意識研究中所遇到的問題而言，在計算方法方面起碼需要開展亞符號(神經(jīng)信號)表征到符號(邏輯規(guī)則)表征之間的相互轉(zhuǎn)換計算方法、在非量子體系中實現(xiàn)類量子糾纏性的計算方法，以及神經(jīng)聯(lián)結(jié)與符號規(guī)則相互融合的計算方法等方面的研究。而在計算策略方面則需要開展仿腦與算法相結(jié)合策略的研究。只有確定了行之有效的計算策略和方法，才能真正推動機器意識進一步深入發(fā)展。

第三，構(gòu)建機器意識的綜合認知體系。作為機器意識研究的主要任務(wù)，就是要構(gòu)建具有(部分)意識現(xiàn)象表現(xiàn)的機器認知體系。給出的意識機器認知體系應(yīng)該滿足一些基本需求，起碼應(yīng)該包括：實現(xiàn)具有感受質(zhì)和外部感知對象的感知過程；實現(xiàn)過程內(nèi)容的內(nèi)省反思；允許各模塊無縫整合的可報告性以及配備本體感知系統(tǒng)的基本自我概念。因此，這部分的研究內(nèi)容應(yīng)該結(jié)合機器意識計算策略與方法的探索，參照已有各種機器意識認知體系的優(yōu)點，有針對性地進行構(gòu)建工作，以期滿足基本的意識特性需求。

第四，開發(fā)實驗性的意識機器人系統(tǒng)。在已有智能機器人開發(fā)平臺的基礎(chǔ)上，嵌入構(gòu)建好的機器意識綜合認知體系，形成具體的意識機器人系統(tǒng)，并開展具體的系統(tǒng)實驗分析研究。通過各種意識特性的實驗，檢驗機器意識綜合認知體系的性能是否滿足基本的意識特性需求，最終給出一種實驗性意識機器人系統(tǒng)的范例。

第7篇

2017年7月，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，不僅對人工智能的發(fā)展做出了戰(zhàn)略性部署，還確立了“三步走”的政策目標，力爭到2030年將我國建設(shè)成為世界主要的人工智能創(chuàng)新中心。[1]值得注意的是，此次規(guī)劃不僅僅只是技術(shù)或產(chǎn)業(yè)發(fā)展規(guī)劃，還同時包括了社會建設(shè)、制度重構(gòu)、全球治理等方方面面的內(nèi)容。之所以如此，是由于人工智能技術(shù)本身具有通用性和基礎(chǔ)性。換句話說，為助推人工智能時代的崛起，我們面對的任務(wù)不是實現(xiàn)某一個專業(yè)領(lǐng)域或產(chǎn)業(yè)領(lǐng)域內(nèi)的顛覆性技術(shù)突破，而是大力推動源于技術(shù)發(fā)展而引發(fā)的綜合性變革。

也正因為如此，人工智能發(fā)展進程中所面臨的挑戰(zhàn)才不僅僅局限于技術(shù)或產(chǎn)業(yè)領(lǐng)域，而更多體現(xiàn)在經(jīng)濟、社會、政治領(lǐng)域的公共政策選擇上。首先，普遍建立在科層制基礎(chǔ)上的公共事務(wù)治理結(jié)構(gòu)，是否能夠適應(yīng)技術(shù)發(fā)展和應(yīng)用過程中所大規(guī)模激發(fā)的不確定性和不可預(yù)知性?再者，長久以來圍繞人類行為的規(guī)制制度，是否同樣能夠適應(yīng)以數(shù)據(jù)、算法為主體的應(yīng)用環(huán)境?最后，如何構(gòu)建新的治理體系和治理工具來應(yīng)對伴隨人工智能發(fā)展而興起的新的經(jīng)濟、社會、政治問題?

應(yīng)對上述挑戰(zhàn)并不完全取決于技術(shù)發(fā)展或商業(yè)創(chuàng)新本身，而更多依賴于我們的公共政策選擇。本文試圖在分析人工智能發(fā)展邏輯及其所引發(fā)的風險挑戰(zhàn)的基礎(chǔ)上，對人工智能時代的公共政策選擇做出分析，并討論未來改革的可能路徑，這也就構(gòu)成了人工智能治理的三個基本問題。具體而言，人工智能本身成為治理對象，其發(fā)展與應(yīng)用構(gòu)成了治理挑戰(zhàn)，而在此基礎(chǔ)上如何做出公共政策選擇便是未來治理變革的方向。

全文共分為四個部分：第一部分將探討人工智能的概念及特征，并進而對其發(fā)展邏輯進行闡述。作為一項顛覆性技術(shù)創(chuàng)新，其本身的技術(shù)門檻對決策者而言構(gòu)成了挑戰(zhàn)，梳理并捋清人工智能的本質(zhì)內(nèi)涵因而成為制定相關(guān)公共政策的前提;第二部分將著重分析人工智能時代崛起所帶來的治理挑戰(zhàn)，主要包括三個方面，即傳統(tǒng)科層治理結(jié)構(gòu)應(yīng)對人工智能新的生產(chǎn)模式的滯后性、建基于行為因果關(guān)系之上的傳統(tǒng)治理邏輯應(yīng)對人工智能新主體的不適用性，以及人工智能發(fā)展所引發(fā)的新議題的治理空白;面對上述挑戰(zhàn)，各國都出臺了相關(guān)政策，本文第三部分對此進行了綜述性對比分析，并指出了其進步意義所在。需要指出的是，盡管各國的政策目標都試圖追求人工智能發(fā)展與監(jiān)管的二維平衡，但由于缺乏對人工智能內(nèi)涵及其發(fā)展邏輯的完整認識，當前的公共政策選擇有失綜合性;本文第四部分將提出新的治理思路以及公共政策選擇的其他可能路徑，以推動圍繞人工智能治理的相關(guān)公共政策議題的深入討論。

一、人工智能的概念及技術(shù)發(fā)展邏輯：算法與數(shù)據(jù)

伴隨著人工智能技術(shù)的快速發(fā)展，尤其是其近年來在棋類對弈、自動駕駛、人臉識別等領(lǐng)域的廣泛應(yīng)用，圍繞人工智能所可能引發(fā)的社會變革產(chǎn)生了激烈爭論。在一方面，以霍金[2]、馬斯克[3]、比爾-蓋茨[4]、赫拉利[5]為代表的諸多人士呼吁加強監(jiān)管，警惕“人工智能成為人類文明史的終結(jié)”;在另一方面，包括奧巴馬[6]在內(nèi)的政治家、學(xué)者又認為應(yīng)該放松監(jiān)管，充分釋放人工智能的技術(shù)潛力以造福社會。未來發(fā)展的不確定性固然是引發(fā)當前爭論的重要原因之一，但圍繞“人工智能”概念內(nèi)涵理解的不同，以及對其發(fā)展邏輯認識的不清晰，可能也同樣嚴重地加劇了人們的分歧。正因為此，廓清人工智能的概念內(nèi)涵和發(fā)展邏輯不僅是回應(yīng)爭論的需要，也是進一步提出公共政策建議的前提。

就相關(guān)研究領(lǐng)域而言，人們對于“人工智能”這一概念的定義并未形成普遍共識。計算機領(lǐng)域的先驅(qū)阿蘭-圖靈曾在《計算機器與智能》一文中提出，重要的不是機器模仿人類思維過程的能力，而是機器重復(fù)人類思維外在表現(xiàn)行為的能力。[7]正是由此理解出發(fā)，著名的“圖靈測試”方案被提出。但如同斯坦福大學(xué)計算機系教授約翰·麥卡錫所指出的，“圖靈測試”僅僅只是“人工智能”概念的一部分，不模仿人類但同時也能完成相關(guān)行為的機器同樣應(yīng)被視為“智能”的。[8]事實上，約翰·麥卡錫正是現(xiàn)代人工智能概念的提出者。在他看來，“智能”關(guān)乎完成某種目標的行為“機制”，而機器既可以通過模仿人來實現(xiàn)行為機制，也可以自由地使用任何辦法來創(chuàng)造行為機制。[9]由此，我們便得到了人工智能領(lǐng)域另一個非常重要的概念——“機器學(xué)習”。

人工智能研究的目標是使機器達到人類級別的智能能力，而其中最重要的便是學(xué)習能力。[10]因此，盡管“機器學(xué)習”是“人工智能”的子域，但很多時候我們都將這兩個概念等同起來。[11]就實現(xiàn)過程而言，機器學(xué)習是指利用某些算法指導(dǎo)計算機利用已知數(shù)據(jù)得出適當模型，并利用此模型對新的情境給出判斷，從而完成行為機制的過程。此處需要強調(diào)一下機器學(xué)習算法與傳統(tǒng)算法的差異。算法本質(zhì)上就是一系列指令，告訴計算機該做什么。對于傳統(tǒng)算法而言，其往往事無巨細地規(guī)定好了機器在既定條件下的既定動作;機器學(xué)習算法卻是通過對已有數(shù)據(jù)的“學(xué)習”，使機器能夠在與歷史數(shù)據(jù)不同的新情境下做出判斷。以機器人行走的實現(xiàn)為例，傳統(tǒng)算法下，程序員要仔細規(guī)定好機器人在既定環(huán)境下每一個動作的實現(xiàn)流程;而機器學(xué)習算法下，程序員要做的則是使計算機分析并模擬人類的行走動作，以使其即使在完全陌生的環(huán)境中也能實現(xiàn)行走。

由此，我們可以對“人工智能”設(shè)定一個“工作定義”以方便進一步的討論：人工智能是建立在現(xiàn)代算法基礎(chǔ)上，以歷史數(shù)據(jù)為支撐，而形成的具有感知、推理、學(xué)習、決策等思維活動并能夠按照一定目標完成相應(yīng)行為的計算系統(tǒng)。這一概念盡管可能仍不完善，但它突出了人工智能技術(shù)發(fā)展和應(yīng)用的兩大基石——算法與數(shù)據(jù)，有助于討論人工智能的治理問題。

首先，算法即是規(guī)則，它不僅確立了機器所試圖實現(xiàn)的目標，同時也指出了實現(xiàn)目標的路徑與方法。就人工智能當前的技術(shù)發(fā)展史而言，算法主要可被劃分為五個類別：符號學(xué)派、聯(lián)接學(xué)派、進化學(xué)派、類推學(xué)派和貝葉斯學(xué)派。[12]每個學(xué)派都遵循不同的邏輯、以不同的理念實現(xiàn)了人工智能(也即“機器學(xué)習”)的過程。舉例而言，“符號學(xué)派”將所有的信息處理簡化為對符號的操縱，由此學(xué)習過程被簡化(抽象)為基于數(shù)據(jù)和假設(shè)的規(guī)則歸納過程。在數(shù)據(jù)(即歷史事實)和已有知識(即預(yù)先設(shè)定的條件)的基礎(chǔ)上，符號學(xué)派通過“提出假設(shè)-數(shù)據(jù)驗證-進一步提出新假設(shè)-歸納新規(guī)則”的過程來訓(xùn)練機器的學(xué)習能力，并由此實現(xiàn)在新環(huán)境下的決策判斷。

從對“符號學(xué)派”的描述中可以發(fā)現(xiàn)，機器學(xué)習模型成功的關(guān)鍵不僅是算法，還有數(shù)據(jù)。數(shù)據(jù)的缺失和預(yù)設(shè)條件的不合理將直接影響機器學(xué)習的輸出(就符號學(xué)派而言，即決策規(guī)則的歸納)。最明顯體現(xiàn)這一問題的例子便是羅素的“歸納主義者火雞”問題：火雞在觀察10天(數(shù)據(jù)集不完整)之后得出結(jié)論(代表預(yù)設(shè)條件不合理，超過10個確認數(shù)據(jù)即接受規(guī)則)，主人會在每天早上9點給它喂食;但接下來是平安夜的早餐，主人沒有喂它而是宰了它。

所有算法類型盡管理念不同，但模型成功的關(guān)鍵都聚焦于“算法”和“數(shù)據(jù)”。事實上，如果跳出具體學(xué)派的思維束縛，每種機器學(xué)習算法都可被概括為“表示方法、評估、優(yōu)化”這三個部分。[13]盡管機器可以不斷的自我優(yōu)化以提升學(xué)習能力，且原則上可以學(xué)習任何東西，但評估的方法和原則(算法)以及用以評估的數(shù)據(jù)(數(shù)據(jù))都是人為決定的——而這也正是人工智能治理的關(guān)鍵所在。算法與數(shù)據(jù)不僅是人工智能發(fā)展邏輯的基石，其同樣是治理的對象和關(guān)鍵。

總而言之，圍繞“人工智能是否會取代人類”的爭論事實上并無太大意義，更重要的反而是在廓清人工智能的內(nèi)涵并理解其發(fā)展邏輯之后，回答“治理什么”和“如何治理”的問題。就此而言，明確治理對象為算法和數(shù)據(jù)無疑是重要的一步。但接下來的重要問題仍然在于，人工智能時代的崛起所帶來的治理挑戰(zhàn)究竟是什么?當前的制度設(shè)計是否能夠?qū)ζ渥龀鲇行?yīng)對?如果答案是否定的，我們又該如何重構(gòu)治理體系以迎接人工智能時代的崛起?本文余下部分將對此做進一步的闡述。

二、人工智能時代崛起的治理挑戰(zhàn)

不同于其他顛覆性技術(shù)，人工智能的發(fā)展并不局限于某一特定產(chǎn)業(yè)，而是能夠支撐所有產(chǎn)業(yè)變革的通用型技術(shù)。也正因為此，其具有廣泛的社會溢出效應(yīng)，在政治、經(jīng)濟、社會等各個領(lǐng)域都會帶來深刻變革，并將同時引發(fā)治理方面的挑戰(zhàn)。具體而言，挑戰(zhàn)主要體現(xiàn)在以下三個方面。

首先，治理結(jié)構(gòu)的僵化性，即傳統(tǒng)的科層制治理結(jié)構(gòu)可能難以應(yīng)對人工智能快速發(fā)展而形成的開放性和不確定性。之所以需要對人工智能加以監(jiān)管，原因在于其可能成為公共危險的源頭，例如當自動駕駛技術(shù)普及之后，一旦出現(xiàn)問題，便可能導(dǎo)致大規(guī)模的連續(xù)性傷害。但不同機、大型水壩、原子核科技等二十世紀的公共危險源，人工智能的發(fā)展具有極強的開放性，任何一個程序員或公司都可以毫無門檻的進行人工智能程序的開發(fā)與應(yīng)用。這一方面是由于互聯(lián)網(wǎng)時代的到來，使得基于代碼的生產(chǎn)門檻被大大降低[14];另一方面，這也是人工智能本身發(fā)展規(guī)律的需要。正如前文所提到，唯有大規(guī)模的數(shù)據(jù)輸入才可能得到較好的機器學(xué)習結(jié)果，因此將人工智能的平臺(也即算法)以開源形式公開出來，以使更多的人在不同場景之下加以利用并由此吸收更多、更完備的數(shù)據(jù)以完善算法本身，就成為了大多數(shù)人工智能公司的必然選擇。與此同時，人工智能生產(chǎn)模式的開放性也必然帶來發(fā)展的不確定性，在缺乏有效約束或引導(dǎo)的情況下，人工智能的發(fā)展很可能走向歧途。面對這一新形勢，傳統(tǒng)的、基于科層制的治理結(jié)構(gòu)顯然難以做出有效應(yīng)對。一方面，政府試圖全范圍覆蓋的事前監(jiān)管已經(jīng)成為不可能，開放的人工智能生產(chǎn)網(wǎng)絡(luò)使得監(jiān)管機構(gòu)幾乎找不到監(jiān)管對象;另一方面，由上至下的權(quán)威結(jié)構(gòu)既不能傳遞給生產(chǎn)者，信息不對稱問題的加劇還可能導(dǎo)致監(jiān)管行為走向反面。調(diào)整治理結(jié)構(gòu)與治理邏輯，并形成適應(yīng)具有開放性、不確定性特征的人工智能生產(chǎn)模式，是當前面臨的治理挑戰(zhàn)之一。

再者，治理方法的滯后性，即長久以來建立在人類行為因果關(guān)系基礎(chǔ)上的法律規(guī)制體系，可能難以適用于以算法、數(shù)據(jù)為主體的應(yīng)用環(huán)境。人工智能的價值并不在于模仿人類行為，而是其具備自主的學(xué)習和決策能力;正因為如此，人工智能技術(shù)才不能簡單地理解為其創(chuàng)造者(即人)意志的表達。程序員給出的只是學(xué)習規(guī)則，但真正做出決策的是基于大規(guī)模數(shù)據(jù)訓(xùn)練后的算法本身，而這一結(jié)果與程序員的意志并無直接因果關(guān)聯(lián)。事實上也正由于這個特點，AlphaGo才可能連續(xù)擊敗圍棋冠軍，而其設(shè)計者卻并非圍棋頂尖大師。也正是在這個意義上，我們才回到了福柯所言的“技術(shù)的主體性”概念。在他看來，“技術(shù)并不僅僅是工具，或者不僅僅是達到目的的手段;相反，其是政治行動者，手段與目的密不可分”。[15]就此而言，長久以來通過探究行為與后果之因果關(guān)系來規(guī)范人的行為的法律規(guī)制體系，便可能遭遇窘境：如果將人工智能所造成的侵權(quán)行為歸咎于其設(shè)計者，無疑不具有說服力;但如果要歸咎于人工智能本身，我們又該如何問責一個機器呢?由此，如何應(yīng)對以算法、數(shù)據(jù)為核心的技術(shù)主體所帶來的公共責任分配問題，是當前面臨的第二個治理挑戰(zhàn)。

最后，治理范圍的狹隘性，即對于受人工智能發(fā)展沖擊而引發(fā)的新的社會議題，需要構(gòu)建新的治理體系和發(fā)展新的治理工具。人工智能發(fā)展所引發(fā)的治理挑戰(zhàn)不僅僅體現(xiàn)在現(xiàn)有體系的不適應(yīng)上，同時還有新議題所面臨的治理空白問題。具體而言，這又主要包括以下議題：算法是否能夠享有言論自由的憲法保護，數(shù)據(jù)的權(quán)屬關(guān)系究竟如何界定，如何緩解人工智能所可能加劇的不平等現(xiàn)象，以及如何平衡人工智能的發(fā)展與失業(yè)問題。在人工智能時代之前，上述問題并不存在，或者說并不突出;但伴隨著人工智能的快速發(fā)展和應(yīng)用普及，它們的重要性便日漸顯著。以最為人所關(guān)注的失業(yè)問題為例，就技術(shù)可能性來說，人工智能和機器人的廣泛應(yīng)用代替人工勞動，已是一個不可否定的事實了。無論是新聞記者，還是股市分析員，甚至是法律工作者，其都有可能為機器所取代。在一個“充分自動化(Full Automation)”的世界中，如何重新認識勞動與福利保障的關(guān)系、重構(gòu)勞動和福利保障制度，便成為最迫切需要解決的治理挑戰(zhàn)之一。[16]

上述三方面共同構(gòu)成了人工智能時代崛起所帶來的治理挑戰(zhàn)。面對這些挑戰(zhàn)，各國也做出了相應(yīng)的公共政策選擇。本文第三部分將對各國人工智能的治理政策進行對比性分析。在此基礎(chǔ)上，第四部分將提出本文的政策建議。

三、各國人工智能治理政策及監(jiān)管路徑綜述

人工智能時代的崛起作為一種普遍現(xiàn)象，其所引發(fā)的治理挑戰(zhàn)是各國面臨的共同問題，各國也陸續(xù)出臺了相關(guān)公共政策以試圖推動并規(guī)范人工智能的快速發(fā)展。

美國于2016年同時頒布了《國家人工智能研究與發(fā)展戰(zhàn)略規(guī)劃》和《為人工智能的未來做好準備》兩個國家級政策框架，前者側(cè)重從技術(shù)角度指出美國人工智能戰(zhàn)略的目的、愿景和重點方向，而后者則更多從治理角度探討政府在促進創(chuàng)新、保障公共安全方面所應(yīng)扮演的角色和作用。就具體的監(jiān)管政策而言，《為人工智能的未來做好準備》提出了一般性的應(yīng)對方法，強調(diào)基于風險評估和成本-收益考量的原則以決定是否對人工智能技術(shù)的研發(fā)與應(yīng)用施以監(jiān)管負擔。[17]日本同樣于2016年出臺了《第五期(2016～2020年度)科學(xué)技術(shù)基本計劃》，提出了“超智能社會5.0”的概念，強調(diào)通過推動數(shù)據(jù)標準化、建設(shè)社會服務(wù)平臺、協(xié)調(diào)發(fā)展多領(lǐng)域智能系統(tǒng)等各方面工作促進人工智能的發(fā)展和應(yīng)用。[18]

盡管美國和日本的政策著力點不同，但其共有的特點是對人工智能的發(fā)展及其所引發(fā)的挑戰(zhàn)持普遍的包容與開放態(tài)度。就當前的政策框架而言，美日兩國的政策目標更傾斜于推動技術(shù)創(chuàng)新、保持其國家競爭力的優(yōu)勢地位;當涉及對人工智能所可能引發(fā)的公共問題施以監(jiān)管時，其政策選擇也更傾向于遵循“無需批準式(permissionless)”的監(jiān)管邏輯，即強調(diào)除非有充分案例證明其危害性，新技術(shù)和新商業(yè)模式默認為都是被允許的。[19]至于人工智能的發(fā)展對個人數(shù)據(jù)隱私、社會公共安全的潛在威脅，盡管兩國的政策框架都有所涉及，卻并非其政策重心——相比之下，英國、法國則采取了不同的政策路徑。

英國政府2016年了《人工智能：未來決策制定的機遇與影響》，對人工智能的變革性影響以及如何利用人工智能做出了闡述與規(guī)劃，尤其關(guān)注到了人工智能發(fā)展所帶來的法律和倫理風險。在該報告中，英國政府強調(diào)了機器學(xué)習與個人數(shù)據(jù)相結(jié)合而對個人自由及隱私等基本權(quán)利所帶來的影響，明確了對使用人工智能所制定出的決策采用問責的概念和機制，并同時在算法透明度、算法一致性、風險分配等具體政策方面做出了規(guī)定。[20]與英國類似，法國在2017年的《人工智能戰(zhàn)略》中延續(xù)了其在2006年通過的《信息社會法案》的立法精神，同樣強調(diào)加強對新技術(shù)的“共同調(diào)控”，以在享有技術(shù)發(fā)展所帶來的福利改進的同時，充分保護個人權(quán)利和公共利益。[21]與美日相比，英法的公共政策更偏向于“審慎監(jiān)管(precautionary)”的政策邏輯，即強調(diào)新技術(shù)或新的商業(yè)模式只有在開發(fā)者證明其無害的前提下才被允許使用。[22]

在本文看來，無論是“無需批準式監(jiān)管”還是“審慎監(jiān)管”，在應(yīng)對人工智能時代崛起所帶來的治理挑戰(zhàn)方面都有其可取之處：前者側(cè)重于推動創(chuàng)新，而后者則因重視安全而更顯穩(wěn)健。但需要指出的是，這兩種監(jiān)管路徑的不足卻也十分明顯。正如前文第二部分所指出，一方面，快速迭代的技術(shù)發(fā)展與商業(yè)模式創(chuàng)新必將引發(fā)新的社會議題，無論是算法是否受到言論自由的權(quán)利保護還是普遍失業(yè)對社會形成的挑戰(zhàn)，它們都在客觀上要求公共政策做出應(yīng)對，而非片面的“無需批準式監(jiān)管”能夠處理。更重要的是，“無需批準式監(jiān)管”的潛在假設(shè)是事后監(jiān)管的有效性;然而，在事實上，正如2010年5月6日美國道瓊斯工業(yè)指數(shù)“瞬間崩盤”事件所揭示的，即使單個電子交易程序合規(guī)運行，當各個系統(tǒng)行為聚合在一起時反而卻造成了更大的危機。[23]在此種情形下，依賴于合規(guī)性判斷的“事后監(jiān)管”基本上難以有效實施。另一方面，人工智能本身的自主性和主體性使得建立在人類行為因果關(guān)系基礎(chǔ)上的“審慎監(jiān)管”邏輯存在天然缺陷：既然人類無法預(yù)知人工智能系統(tǒng)可能的行為或決策，開發(fā)者又如何證明人工智能系統(tǒng)的無害性?

正如本文所反復(fù)強調(diào)的，人工智能與其他革命性技術(shù)的不同之處，正是在于其所帶來的社會沖擊的綜合性和基礎(chǔ)性。人工智能并非單個領(lǐng)域、單個產(chǎn)業(yè)的技術(shù)突破，而是對于社會運行狀態(tài)的根本性變革;人工智能時代的崛起也并非一夜之功，而是建立在計算機革命、互聯(lián)網(wǎng)革命直至數(shù)字革命基礎(chǔ)上的“奇點”變革。因此，面對人工智能時代崛起所帶來的治理挑戰(zhàn)，我們同樣應(yīng)該制定綜合性的公共政策框架，而非僅僅沿襲傳統(tǒng)治理邏輯，例如只是針對具體議題在“創(chuàng)新”與“安全”這個二元維度下進行艱難選擇。本文在第四部分從承認技術(shù)的主體性、重構(gòu)社會治理制度、推進人工智能全球治理這三方面提出了政策建議，并希望以此推動更深入地圍繞人工智能時代公共政策選擇的研究與討論。

四、人工智能時代的公共政策選擇

《新一代人工智能發(fā)展規(guī)劃》明確提出了到2030年我國人工智能發(fā)展的“三步走”目標，而在每一個階段，人工智能法律法規(guī)、倫理規(guī)范和政策體系的逐步建立與完善都是必不可少的重要內(nèi)容。面對人工智能時代崛起的治理挑戰(zhàn)，究竟應(yīng)該如何重構(gòu)治理體系、創(chuàng)新治理機制、發(fā)展治理工具，是擺在決策者面前的重要難題。本文基于對人工智能基本概念和發(fā)展邏輯的梳理分析，結(jié)合各國已有政策的對比分析，提出以下三方面的改革思路，以為人工智能時代的公共選擇提供參考。

第一，人工智能發(fā)展的基石是算法與數(shù)據(jù)，建立并完善圍繞算法和數(shù)據(jù)的治理體系與治理機制，是人工智能時代公共政策選擇的首要命題，也是應(yīng)對治理挑戰(zhàn)、賦予算法和數(shù)據(jù)以主體性的必然要求。(1)就算法治理而言，涉及的核心議題是算法的制定權(quán)及相應(yīng)的監(jiān)督程序問題。算法作為人工智能時代的主要規(guī)則，究竟誰有權(quán)并通過何種程序來加以制定，誰來對其進行監(jiān)督且又如何監(jiān)督?長久以來公眾針對社交媒體臉書(Facebook)的質(zhì)疑正體現(xiàn)了這一問題的重要性：公眾如何相信臉書向用戶自動推薦的新聞內(nèi)容不會摻雜特殊利益的取向?[24]當越來越多的人依賴定制化的新聞推送時，人工智能甚至會影響到總統(tǒng)選舉。也正因為此，包括透明要求、開源要求在內(nèi)的諸多治理原則，應(yīng)當被納入到算法治理相關(guān)議題的考慮之中。(2)就數(shù)據(jù)治理而言，伴隨著人工智能越來越多地依賴于大規(guī)模數(shù)據(jù)的收集與利用，個人隱私的保護、數(shù)據(jù)價值的分配、數(shù)據(jù)安全等相關(guān)議題也必將成為公共政策的焦點。如何平衡不同價值需求、規(guī)范數(shù)據(jù)的分享與應(yīng)用，也同樣成為人工智能時代公共政策選擇的另一重要抓手。

第二，創(chuàng)新社會治理制度，進一步完善社會保障體系，在最大程度上緩解人工智能發(fā)展所可能帶來的不確定性沖擊。與歷史上的技術(shù)革命類似，人工智能的發(fā)展同樣會導(dǎo)致利益的分化與重構(gòu)，而如何保證技術(shù)革命成本的承受者得到最大限度的彌補并使所有人都享有技術(shù)發(fā)展的“獲得感”，不僅是社會發(fā)展公平、正義的必然要求，也是促進技術(shù)革命更快完成的催化劑。就此而言，在人工智能相關(guān)公共政策的考量中，我們不僅應(yīng)該關(guān)注產(chǎn)業(yè)和經(jīng)濟政策，同時也應(yīng)該關(guān)注社會政策，因為只有后者的完善才能夠控制工人或企業(yè)家所承擔的風險，并幫助他們判斷是否支持或抵制變革的發(fā)生。就具體的政策設(shè)計來說，為緩解人工智能所可能帶來的失業(yè)潮，基本收入制度的普遍建立可能應(yīng)該被提上討論議程了。“基本收入”是指政治共同體(如國家)向所有成員不加任何限制條件地支付一定數(shù)額的收入，以滿足其基本生活的需求。盡管存在“養(yǎng)懶漢”的質(zhì)疑，但有研究者已指出，自18世紀就開始構(gòu)想的基本收入制度很有可能反過來促進就業(yè)。[25]芬蘭政府已經(jīng)于2017年初開始了相關(guān)實驗，美國的一些州、瑞士也做出了一定探索。在人工智能時代尚未完全展現(xiàn)其“猙容”之前，創(chuàng)新社會治理機制、完善社會保障體系，可能是平衡技術(shù)創(chuàng)新與社會風險的最佳路徑。

第三，構(gòu)建人工智能全球治理機制，以多種形式促進人工智能重大國際共性問題的解決，共同應(yīng)對開放性人工智能生產(chǎn)模式的全球性挑戰(zhàn)。人工智能的發(fā)展具有開放性和不確定性的特征，生產(chǎn)門檻的降低使得人工智能技術(shù)研發(fā)的跨國流動性很強，相關(guān)標準的制定、開放平臺的搭建、共享合作框架的形成，無不要求構(gòu)建相應(yīng)的全球治理機制。另一方面，跨境數(shù)據(jù)流動在廣度和深度上的快速發(fā)展成為了人工智能技術(shù)進步的直接推動力，但各國數(shù)據(jù)規(guī)制制度的巨大差異在制約跨境數(shù)據(jù)流動進一步發(fā)展的同時，也將影響人工智能時代的全面到來。[26]故此，創(chuàng)新全球治理機制，在承認各國制度差異的前提下尋找合作共享的可能性，便成為人工智能時代公共政策選擇的重要考量之一。就具體的機制設(shè)計而言，可以在人工智能全球治理機制的構(gòu)建中引入多利益相關(guān)模式;另一方面，為防止巨頭壟斷的形成，充分發(fā)揮主權(quán)國家作用的多邊主義模式同樣不可忽視。作為影響深遠的基礎(chǔ)性技術(shù)變革，互聯(lián)網(wǎng)全球治理機制的經(jīng)驗和教訓(xùn)值得人工智能發(fā)展所借鑒。

上述三方面從整體上對人工智能時代的公共政策框架做出了闡述。與傳統(tǒng)政策局限于“創(chuàng)新”與“安全”之間做出二維選擇不同，本文以更綜合的視角提出了未來公共政策選擇的可能路徑。就其內(nèi)在聯(lián)系來講，建立并完善圍繞算法和數(shù)據(jù)的治理體系是起點，其將重構(gòu)人工智能時代的規(guī)則與制度;創(chuàng)新社會治理機制并完善社會保障體系是底線，其將緩解人工智能所帶來的影響與波動;構(gòu)建全球治理機制則成為了制度性的基礎(chǔ)設(shè)施，推動各國在此之上共同走向人工智能時代的“人類命運共同體”。

五、結(jié)語

在經(jīng)歷了60余年的發(fā)展之后，人工智能終于在互聯(lián)網(wǎng)、大數(shù)據(jù)、機器學(xué)習等諸多技術(shù)取得突破的基礎(chǔ)上實現(xiàn)了騰飛。在未來的人類生活中，人工智能也必將扮演越來越重要的角色。對于這樣的圖景，我們自不必驚慌，但卻也不可掉以輕心。對于人工智能的治理，找到正確的方向并采取合理的措施，正是當下所應(yīng)該重視的政策議題。而本文的主旨也正在于此：打破長久以來人們對于人工智能的“籠統(tǒng)”式擔憂，指出人工智能技術(shù)發(fā)展的技術(shù)邏輯及其所引發(fā)的治理挑戰(zhàn)，并在此基礎(chǔ)上提出相應(yīng)的政策選擇。人工智能治理的這三個基本問題，是重構(gòu)治理體系、創(chuàng)新治理機制、發(fā)展治理工具所必須思考的前提。伴隨著我國國家層面戰(zhàn)略規(guī)劃的出臺，我國人工智能的發(fā)展也必將躍上新臺階。在此背景下，深入探討人工智能治理的相關(guān)公共政策議題，對于助推一個人工智能時代的崛起而言，既有其必要性，也有其迫切性。（來源：中國行政管理 文/賈開 蔣余浩 編選：中國電子商務(wù)研究中心）

[參考文獻]

[1]國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]霍金. AI可能成就或者終結(jié)人類文明[EB/OL].http：//raincent.com/content-10-7672-1.html.

[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.

[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.

[5] [以]赫拉利.人類簡史[M].北京：中信出版社，2014.

[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.

[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).

[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.

[11] [12][13] [美]佩德羅-多明戈斯.終極算法：機器學(xué)習和人工智能如何重塑世界[M].黃芳萍譯.北京：中信出版社，2016.

[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.

[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，F(xiàn)R，Gallimard，1975.

[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.

[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.

[18]薛亮.“日本推動實現(xiàn)超智能社會‘社會5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.

[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.

[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.

[21]周衍冰.大數(shù)據(jù)產(chǎn)業(yè)在法國的發(fā)展及應(yīng)用[N].學(xué)習時報，2014-11-03.

[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.

[23] [美]杰瑞·卡普蘭.人工智能時代：人機共生下財富、工作與思維的大未來[M].杭州浙江人民出版社，2016.

[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.

[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).

第8篇

一、銀行反欺詐發(fā)展趨勢

國內(nèi)外銀行在傳統(tǒng)反欺詐管理中主要依賴專家經(jīng)驗，通過人工方式制定檢測規(guī)則，當申請或交易信息與反欺詐規(guī)則匹配后即執(zhí)行相應(yīng)的業(yè)務(wù)策略。這種管理模式得出的反欺詐規(guī)則存在一定的局限性，不能枚舉所有業(yè)務(wù)場景，無法對各類欺詐行為進行全面覆蓋。與此對應(yīng)，欺詐者會針對性的對已有規(guī)則進行回避，導(dǎo)致專家規(guī)則處于被動調(diào)整的位置，無法跟上欺詐手段的更新?lián)Q代[1， 2]。另外，當專家規(guī)則積累達到一定數(shù)量后誤報率通常會比較高，能夠影響到實際風險決策制定和實際業(yè)務(wù)開展。

機器學(xué)習是一種重要的金融科技創(chuàng)新手段，近年來在國內(nèi)外金融機構(gòu)和金融科技企業(yè)中被嘗試應(yīng)用到風險防范、反欺詐等領(lǐng)域。例如花旗銀行、美國銀行、匯豐銀行等機構(gòu)廣泛應(yīng)用邏輯回歸、神經(jīng)網(wǎng)絡(luò)等技術(shù)以提升欺詐識別能力；京東金融與ZestFinance組建的合資公司以數(shù)據(jù)挖掘建模為核心競爭力，在反欺詐領(lǐng)域深入應(yīng)用機器學(xué)習技術(shù)以發(fā)揮大數(shù)據(jù)價值。機器學(xué)習是一種研究機器獲取新知識和新技能，并識別現(xiàn)有知識的方法[3]；通常針對大規(guī)模數(shù)據(jù)集進行全方位綜合考量，挖掘深層次業(yè)務(wù)場景特征進而建立監(jiān)督、無監(jiān)督等類型的學(xué)習模型，在大量應(yīng)用中模型的準確性、穩(wěn)定性也得到了充分驗證[4]。

為此，我們針對信用卡申請審批這一典型業(yè)務(wù)場景，應(yīng)用機器學(xué)習技術(shù)進行欺詐風險管理并設(shè)計數(shù)據(jù)產(chǎn)品對異常客戶進行監(jiān)控預(yù)警。區(qū)別于將機器學(xué)習技術(shù)應(yīng)用到單一反欺詐規(guī)則制定的典型做法，我們嘗試從整體視角對欺詐風險進行評估，實現(xiàn)精準量化預(yù)測并以此作為應(yīng)對欺詐風險的強有力手段。建模思路及方法具有一定的可遷移性，可以被廣泛應(yīng)用到銀行風險防范、反欺詐等業(yè)務(wù)領(lǐng)域。

二、“會思考”的風控模型

在應(yīng)用大數(shù)據(jù)支持業(yè)務(wù)發(fā)展轉(zhuǎn)型的過程中，我們提出構(gòu)建增強智能(Augumented Intelligence)系統(tǒng)[5]的創(chuàng)新思路。一個務(wù)實的增強智能系統(tǒng)包括客戶畫像、數(shù)據(jù)挖掘模型和決策引擎三個組成部分。數(shù)據(jù)挖掘模型是智能化的核心，客戶畫像為建模過程持續(xù)提供特征輸入，決策引擎將模型輸出成果轉(zhuǎn)換為實際業(yè)務(wù)行動。增強智能系統(tǒng)的一個重要目標是提升傳統(tǒng)業(yè)務(wù)流程的自動化水平，過程中的大數(shù)據(jù)能力主要體現(xiàn)在三個方面，也就是下圖中的三個組成部分：更好的客戶認知、更智能化的算法、更快速的決策支持。

圖1：增強智能系統(tǒng)組成模塊

數(shù)據(jù)挖掘模型發(fā)揮動力引擎作用，吸收學(xué)術(shù)界和產(chǎn)業(yè)界先進機器學(xué)習知識成果并應(yīng)用于銀行實踐。客戶畫像重點體現(xiàn)大數(shù)據(jù)背景下的客戶多維度刻畫，在靜態(tài)信息和交易行為信息之外可以補充社交網(wǎng)絡(luò)維度特征信息。伴隨大數(shù)據(jù)的持續(xù)采集、生產(chǎn)和交換，客戶畫像能夠進一步補充情緒屬性、價值觀屬性乃至道德屬性等信息，為數(shù)據(jù)挖掘建模提供源源不斷的能源輸入。決策引擎能夠面對業(yè)務(wù)場景進行快速響應(yīng)，通過可視化等手段提供自助式業(yè)務(wù)分析能力，促進數(shù)據(jù)價值轉(zhuǎn)化為業(yè)務(wù)行動。

踐行上述思路，我們結(jié)合傳統(tǒng)風險管控和社交網(wǎng)絡(luò)分析技術(shù)，加工基礎(chǔ)維度信息和社交維度信息特征指標組成反欺詐客戶畫像，并應(yīng)用隨機森林等分布式機器學(xué)習算法建立欺詐風險預(yù)測模型。不同于傳統(tǒng)風控模型以年為單位的更新優(yōu)化周期，智能化預(yù)測模型每天都能夠進行“思考”，通過更新網(wǎng)絡(luò)關(guān)系并重新訓(xùn)練模型確定最新的欺詐預(yù)測思維模式。模型在研發(fā)和使用的過程中靈活運用機器學(xué)習和社交網(wǎng)絡(luò)分析技術(shù)，催生新型數(shù)據(jù)產(chǎn)品的開發(fā)與應(yīng)用從而帶動傳統(tǒng)業(yè)務(wù)流程的優(yōu)化。

三、模型構(gòu)建與結(jié)果分析

以銀行信用卡申請反欺詐為應(yīng)用場景，詳細描述社交網(wǎng)絡(luò)構(gòu)建、特征處理、算法實現(xiàn)、運行結(jié)果分析等階段過程。

1、結(jié)合社交視角構(gòu)造客戶特征信息

社交網(wǎng)絡(luò)分析是融合多學(xué)科理論和方法，為理解各種社交關(guān)系的形成、行為特點分析以及信息傳播的規(guī)律提供的一種可計算的分析方法[6]。社交網(wǎng)絡(luò)分析方法旨在建立一個網(wǎng)絡(luò)與真實世界的實體與關(guān)系映射，在銀行應(yīng)用中的典型實體包括客戶、賬戶、員工等。社交網(wǎng)絡(luò)分析通常關(guān)注靜態(tài)和動態(tài)兩個層面的網(wǎng)絡(luò)特征，靜態(tài)特征包括提取網(wǎng)絡(luò)指標、對網(wǎng)絡(luò)特征刻畫、識別網(wǎng)絡(luò)群組等；動態(tài)特征主要包括描述網(wǎng)絡(luò)如何隨時間推移進行擴散、如何影響其他節(jié)點等。

分析信用卡進件審批數(shù)據(jù)，確定數(shù)據(jù)中包含四種角色，分別是申請人、申請人親屬、聯(lián)系人和推廣人。在建模實施過程中將申請人角色作為社交網(wǎng)絡(luò)的關(guān)鍵節(jié)點，把申請人、申請人親屬、聯(lián)系人及推廣人這四種角色的移動電話、家庭電話、辦公電話的相同作為關(guān)系類型。建模過程中構(gòu)建的社交網(wǎng)絡(luò)包括780萬節(jié)點，2.33億條關(guān)系。

在構(gòu)建完成社交網(wǎng)絡(luò)后，設(shè)計并計算一二階度、一二階欺詐數(shù)、一二階欺詐占比、最短路徑等網(wǎng)絡(luò)指標。從網(wǎng)絡(luò)視角衡量欺詐風險的傳播，度反映節(jié)點關(guān)聯(lián)好友數(shù)量，最短路徑反映網(wǎng)絡(luò)中節(jié)點間親密程度。此外，建模中的客戶基礎(chǔ)信息包括申請人年齡、手機號、單位電話、電子郵箱、學(xué)歷、年收入、職位等，針對這些信息需要進行結(jié)構(gòu)化分解、離散化、頻度計算等數(shù)據(jù)預(yù)處理操作，共同構(gòu)建特征以用于后續(xù)模型的訓(xùn)練和驗證。

圖2：反欺詐模型特征構(gòu)造過程

2、建模方案設(shè)計

對進行特征工程化處理的數(shù)據(jù)進行拆分，設(shè)置三組建模數(shù)據(jù)集，分別是基礎(chǔ)信息的數(shù)據(jù)集(base)、社交信息的數(shù)據(jù)集(social)，以及組合在一起的數(shù)據(jù)集(combine)。建模過程中采用3折交叉驗證的方式完成欺詐風險預(yù)測模型建立和訓(xùn)練，并比較多組模型輸出的計算結(jié)果。

算法選擇方面，分別選擇邏輯回歸(LogisticsRegression， LR)，隨機森林[7](Random Forests， RF)和深度學(xué)習[8](Deep Learning， DL)。邏輯回歸是銀行風控領(lǐng)域的經(jīng)典算法，以此作為模型結(jié)果的標桿參考。隨機森林是一種集成學(xué)習算法，利用多棵決策樹對樣本進行訓(xùn)練并預(yù)測；通常單棵樹性能表現(xiàn)較弱，但進行組合之后能夠提供較好的分類性能，同時算法穩(wěn)定性較好。深度學(xué)習(DL)模型是包含多隱層的多層感知器系統(tǒng)，通過應(yīng)用綜合復(fù)雜結(jié)構(gòu)和多重非線性變換構(gòu)成的多個處理層及對數(shù)據(jù)進行高層抽象的一系列算法，建立具有數(shù)個隱層的多層感知網(wǎng)絡(luò)并實現(xiàn)各種模式的識別和認知。

模型評價方面，選用AUC、Precision、Recall、Accuracy、F1-measure等指標。其中AUC[9](Area under Curve)是ROC曲線下的面積，介于0和1之間；AUC值表示將兩樣本正確分類的概率，AUC值越大說明模型分類性能越好。其他指標均是從不同角度衡量模型性能，這里不再詳細說明。

3、建模結(jié)果分析

如下表所示，前三列數(shù)據(jù)為應(yīng)用隨機森林(RF)算法在不同數(shù)據(jù)集上進行的三組模型輸出結(jié)果。比較結(jié)果數(shù)據(jù)可以發(fā)現(xiàn)，通過整合社交屬性信息模型各項評價指標較基礎(chǔ)信息模型結(jié)果均有大幅度提升。不同于基礎(chǔ)信息，社交維度重在刻畫實體在網(wǎng)絡(luò)中的關(guān)系，其加工指標在建模后呈現(xiàn)出與欺詐風險相關(guān)的強特征關(guān)系。建模結(jié)果中AUC提升7個百分點，F(xiàn)1-measure提升2個百分點，充分驗證了建立多維度視角對于提升客戶欺詐風險識別能力的有效性。更重要的是，伴隨大數(shù)據(jù)的采集和處理，可以從深度和廣度上對客戶欺詐風險認知進一步補強，進而持續(xù)優(yōu)化模型的底層數(shù)據(jù)源。

后面三組數(shù)據(jù)是在整合數(shù)據(jù)集上應(yīng)用三種不同算法，整體表現(xiàn)邏輯回歸算法較弱，深度學(xué)習居中，隨機森林表現(xiàn)最優(yōu)。結(jié)果表明目前模型輸入特征與預(yù)測目標關(guān)聯(lián)性較好，并且總體特征數(shù)量為數(shù)十個的量級，還不足以發(fā)揮深度學(xué)習海量特征無監(jiān)督優(yōu)化選擇的特性，相比之下隨機森林、GBDT[10]等集成學(xué)習算法表現(xiàn)更為突出。

表1：欺詐風險預(yù)測模型結(jié)果比較

四、欺詐監(jiān)控數(shù)據(jù)產(chǎn)品

大數(shù)據(jù)在實際應(yīng)用中體現(xiàn)出強產(chǎn)品化的特點，通過構(gòu)建反欺詐數(shù)據(jù)產(chǎn)品能夠快速實現(xiàn)決策引擎的功能；同時原始數(shù)據(jù)從積累到建模均與該數(shù)據(jù)產(chǎn)品關(guān)聯(lián)，用戶畫像建立和持續(xù)豐富也與反欺詐業(yè)務(wù)場景相結(jié)合。數(shù)據(jù)產(chǎn)品通過可視化技術(shù)實現(xiàn)自助式分析能力，在數(shù)據(jù)價值轉(zhuǎn)化為業(yè)務(wù)行動過程中發(fā)揮橋梁作用。

針對信用卡申請反欺詐場景，設(shè)計專項數(shù)據(jù)產(chǎn)品對接相關(guān)業(yè)務(wù)系統(tǒng)。數(shù)據(jù)產(chǎn)品提供全國進件審批疑似欺詐情況分布圖，實時獲得所關(guān)注區(qū)域的欺詐進件分布、欺詐發(fā)展趨勢、欺詐比重等動態(tài)。另外，提供分地區(qū)信息概要、進件詳情、明細檢索和社交網(wǎng)絡(luò)檢索等功能，能夠在系統(tǒng)頁面查詢基礎(chǔ)指標統(tǒng)計圖(手機和電話特征分布)、不同模型輸出的欺詐風險概率值、進件基本信息、進件網(wǎng)絡(luò)特征、社交指標統(tǒng)計(一度、二度、最短路徑)等內(nèi)容。

圖3審批疑似欺詐情況分布圖

五、總結(jié)與展望

第9篇

一、機械電子工程的發(fā)展與特征

(一)發(fā)展歷程

在機械電子工程發(fā)展初期，主要體現(xiàn)為手工制作，生產(chǎn)力水平較低，資源技術(shù)等對其發(fā)展產(chǎn)生制約。為了提升生產(chǎn)效率，逐漸朝著機械工業(yè)方向發(fā)展。在生產(chǎn)線階段，機械工程己逐漸發(fā)展到流水線生產(chǎn)，實現(xiàn)標準化大批量生產(chǎn)，.這一生產(chǎn)模式使勞動力得到解放，生產(chǎn)力水平大大提升，同時生產(chǎn)效率也得到提高。但是仍然存在一些不足，比如，部分生產(chǎn)仍就以進口為主，生產(chǎn)成本較大，在市場方面缺少適應(yīng)力舀靈活性較差，難以滿足不斷變化的市場需求。

在機械電子產(chǎn)業(yè)發(fā)展階段中，產(chǎn)品生產(chǎn)能夠適應(yīng)市場的需求，對于不斷變化的產(chǎn)品需求產(chǎn)業(yè)化發(fā)展能夠滿足。

(二)機械電子工程主要特征

機械電子工程是復(fù)雜綜合性學(xué)科，同各類學(xué)科之間都有著密切的聯(lián)系。機械電子工程發(fā)展要以計算機、電子以及機械為基礎(chǔ)，結(jié)合其他學(xué)科做出合理、科學(xué)的設(shè)計。在設(shè)計的過程中，要求每一個模塊都能夠?qū)崿F(xiàn)有機結(jié)合，進而使得各個模塊都能將其最大優(yōu)勢發(fā)揮出來。機械電子產(chǎn)品內(nèi)部結(jié)構(gòu)簡單明了，并不復(fù)雜，無需復(fù)雜原件的投入，這樣能在一定程度上使產(chǎn)品性能得到提升，進而擴大消費市場，

二、人工智能簡述

人工智能是一門復(fù)雜，并且綜合性較強的學(xué)科，所涉及到的學(xué)科比較多。也可以說，21世紀人工智能是最偉大學(xué)科之一。人工智能實現(xiàn)了對人的智能模擬，并且能通過計算機使認得智能化得到進一步的延伸，人工智能這門學(xué)科有著較好的發(fā)展?jié)摿ΑＨ斯ぶ悄茉诎l(fā)展的過程中主要經(jīng)歷下列幾個階段。

初步階段。人工智能在17世紀開始發(fā)生萌芽，法國在這一階段成功誕生世界上的第一部計算機，這一計算器只是單純的能進行加法簡單運算，但是仍就轟動世界，進而在世界范圍內(nèi)，對這項技術(shù)開始進一步研究。在最初階段，人工智能并沒有明顯的進展，主要是在實踐的過程中積累與總結(jié)知識，這為今后人工智能發(fā)展奠定堅實的基礎(chǔ)。

發(fā)展初始階段。美國人在二十世紀首次提出人工智能專業(yè)用語。在這個發(fā)展階段，人工智能主要以證明與闡釋為主要體現(xiàn)，在這一時期對于人工智能的研究就是首要任務(wù)。

發(fā)展起伏階段。隨著人們對于人工智能的不斷深入研究，人工智能也處于持續(xù)的發(fā)展階段，但是在實踐過程中發(fā)現(xiàn)，要想使人工智能模仿和人類思維同步是非常困難的。大部分對于人工智能的科學(xué)研究僅僅是停留于簡單映射層面，.對于邏輯思維的研究仍就沒有突破性進展。不論怎么說，在發(fā)展的起伏階段，人功能智能也在發(fā)展中得到了技術(shù)創(chuàng)新，特別是在系統(tǒng)方面、計算機機器人以及語言掌握方面取得了較大的成就.

起伏階段發(fā)展以后。在這一階段，人工智能的相關(guān)研究得到了發(fā)展，尤其是第五屆國際人工智能聯(lián)合會議的召開，人工智能逐漸朝著知識層面的方向發(fā)展，大部分的人工智能研都會結(jié)合相應(yīng)的知識工程，在這個階段中，人工智能發(fā)展的高度是前所未有的，在一定程度上促進了人工智能應(yīng)用于實際工程中。

穩(wěn)步發(fā)展階段。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，對于人工智能研究方向發(fā)生重大轉(zhuǎn)變，由原本的單一主體朝著集中統(tǒng)一主體的方向發(fā)展。關(guān)于人工智能在實際中的運用以及研究，受到了互聯(lián)網(wǎng)技術(shù)的影響。網(wǎng)絡(luò)的普及與快速發(fā)展，在一定程度上促進了信息化的發(fā)展，信息在傳送方面發(fā)生率重大性變革。在人們逐漸進入信息化社會后，在信息有效處理方面人工智能的發(fā)展起到了重要的作用，在模擬設(shè)計方面，機械電子工程的發(fā)展需要人工智能的大力支持。

三、機械電子工程與人工智能之間的關(guān)系

隨著我國社會經(jīng)濟的持續(xù)發(fā)展，社會不斷的進步，對于信息人們越來越重視。在21世紀，互聯(lián)網(wǎng)技術(shù)得到快速發(fā)展，同時信息的傳遞也逐漸注入新鮮血液。互聯(lián)網(wǎng)應(yīng)用的普及說明人們正朝著信息時代的方向邁進，在社會逐步信息化以后，更加需要有人工智能這一技術(shù)的支持，特別是機械電子工程發(fā)展中有著重要作用，機械電子系統(tǒng)本身缺少一定的穩(wěn)定性，這樣在機械電子工程設(shè)計方面就有著較大阻礙存在。在現(xiàn)代社會中，信息的處理量持續(xù)增大，并且較為復(fù)雜，有些時候需要同時對不同類型的信息進行處理，所以需要采取人工智能的支持才能完成信息處理。人工智能主要包含模糊推理系統(tǒng)、神經(jīng)網(wǎng)絡(luò)系統(tǒng)這種兩種方法。神經(jīng)網(wǎng)絡(luò)系統(tǒng)傾向于對人腦結(jié)構(gòu)的綜合分析，模糊推理系統(tǒng)更加重視對于語言信號的分析與理解。隨著現(xiàn)代社會的發(fā)展，僅僅采取單一的人工智能方法，明顯己經(jīng)無法適應(yīng)目前社會中不斷變化的市場需求，所以，對于人工智能相關(guān)問題的研究正逐漸朝著多方位、全面的人工智能方向轉(zhuǎn)變。多方位全面人工智能系統(tǒng)通過模糊推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)相互統(tǒng)一的方式，揚長補短，將二者有效的結(jié)合起來，使得二者的優(yōu)勢得到最大程度的發(fā)揮。

總結(jié)