人工智慧應用系統和發展
Ⅰ 淺談人工智慧技術的發展
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能內的理論、容方法、技術及應用系統的一門新的技術科學。
人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。人工智慧可以對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」，也可能超過人的智能。
人工智慧的定義可以分為兩部分，即「 人工」和「 智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
Ⅱ 人工智慧的應用前景如何
據統計，2010年全球人工智慧和機器學習領域獲得的風險投資還不足5億美元，而2017年這一領域的投資額已經超過108億美元。2017年因此也被稱為世界人工智慧「元年」。
此外，據國家統計局最新數據，截至2017年底我國60周歲及以上人口有2.4億，占總人口的17.3%，其中65周歲及以上人口1.6億人，占總人口的11.4%。我國社會老齡化程度不斷加深，勞動力紅利將消失，而人工智慧可以作為新的生產要素，彌補勞動力比例的不足。
Ⅲ 人工智慧的發展概況
探討人工智慧，就要回答什麼是智能的問題，綜合各類定義，智能是一種知識與思維的合成,是人類認識世界和改造世界過程中的一種分析問題和解決問題的綜合能力。對於人工智慧，美國麻省理工學院的溫斯頓教授提出「人工智慧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」，斯坦福大學人工智慧研究中心尼爾遜教授提出「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學」。綜合來看人工智慧是相對人的智能而言的。其本質是對人思維的信息過程的模擬，是人的智能的物化。是研究、開發模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
（一）感知、處理和反饋構成人工智慧的三個關鍵環節
人工智慧經過信息採集、處理和反饋三個核心環節，綜合表現出智能感知、精確性計算、智能反饋控制，即感知、思考、行動三個層層遞進的特徵。
智能感知：智能的產生首先需要收集到足夠多的結構化數據去表述場景，因此智能感知是實現人工智慧的第一步。智能感知技術的目的是使計算機能 「聽」、會「看」,目前相應的計算機視覺技術和自然語言處理技術均已經初步成熟，開始商業化嘗試。
智能處理：產生智能的第二步是使計算機具備足夠的計算能力模擬人的某些思維過程和行為對分析收集來的數據信息做出判斷，即對感知的信息進行自我學習、信息檢索、邏輯判斷、決策，並產生相應反映。具體的研究領域包括知識表達、自動推理、機器學習等，與精確性計算及編程技術、存儲技術、網路技術等密切相關，是大數據技術發展的遠期目標，目前該領域研究還處於實驗室研究階段，其中機器學習是人工智慧領域目前熱度最高，科研成果最密集的領域。
智能反饋：智能反饋控制將前期處理和判斷的結果轉譯為肢體運動和媒介信息傳輸給人機交互界面或外部設備，實現人機、機物的信息交流和物理互動。智能反饋控制是人工智慧最直觀的表現形式，其表達能力展現了系統整體的智能水平。智能反饋控制領域與機械技術、控制技術和感知技術密切相關，整體表現為機器人學，目前機械技術受制於材料學發展緩慢，控制技術受益於工業機器人領域的積累相對成熟。
（二）深度學習是當前最熱的人工智慧研究領域
在學術界，實現人工智慧有三種路線，一是基於邏輯方法進行功能模擬的符號主義路線，代表領域有專家系統和知識工程。二是基於統計方法的仿生模擬的連接主義路線，代表領域有機器學習和人腦仿生，三是行為主義，希望從進化的角度出發，基於智能控制系統的理論、方法和技術，研究擬人的智能控制行為。
當前，基於人工神經網路的深度學習技術是當前最熱的研究領域，被Google，Facebook，IBM，網路，NEC以及其他互聯網公司廣泛使用，來進行圖像和語音識別。人工神經網路從上個世紀80年代起步，科學家不斷優化和推進演算法的研究，同時受益於計算機技術的快速提升，目前科學家可以利用GPU（圖形處理器）模擬超大型的人工神經網路；互聯網業務的快速發展，為深度學習提供了上百萬的樣本進行訓練，上述三個因素共同作用下使語音識別技術和圖像識別技術能夠達到90%以上的准確率。
（三）主要發達國家積極布局人工智慧技術，搶占戰略制高點。
各國政府高度重視人工智慧相關產業的發展。自人工智慧誕生至今，各國都紛紛加大對人工智慧的科研投入，其中美國政府主要通過公共投資的方式牽引人工智慧產業的發展，2013財年美國政府將22億美元的國家預算投入到了先進製造業，投入方向之一便是「國家機器人計劃」。
在技術方向上，美國將機器人技術列為警惕技術，主攻軍用機器人技術，歐洲主攻服務和醫療機器人技術，日本主攻仿人和娛樂機器人。
現階段的技術突破的重點一是雲機器人技術，二是人腦仿生計算技術。美國、日本、巴西等國家均將雲機器人作為機器人技術的未來研究方向之一。伴隨著寬頻網路設施的普及，雲計算、大數據等技術的不斷發展，未來機器人技術成本的進一步降低和機器人量產化目標實現，機器人通過網路獲得數據或者進行處理將成為可能。目前國外相關研究的方向包括：建立開放系統機器人架構（包括通用的硬體與軟體平台）、網路互聯機器人系統平台、機器人網路平台的演算法和圖像處理系統開發、雲機器人相關網路基礎設施的研究等。
由於深度學習的成功，學術界進一步沿著連接主義的路線提升計算機對人腦的模擬程度。人腦仿生計算技術的發展，將使電腦可以模仿人類大腦的運算並能夠實現學習和記憶，同時可以觸類旁通並實現對知識的創造，這種具有創新能力的設計將會讓電腦擁有自我學習和創造的能力，與人類大腦的功能幾無二致。在2013年初的國情咨文中，美國總統奧巴馬特別提到為人腦繪圖的計劃，宣布投入30億美元在10年內繪制出「人類大腦圖譜」，以了解人腦的運行機理。歐盟委員會也在2013年初宣布，石墨烯和人腦工程兩大科技入選「未來新興旗艦技術項目」，並為此設立專項研發計劃，每項計劃將在未來10年內分別獲得10億歐元的經費。美國IBM公司正在研究一種新型的仿生晶元，利用這些晶元，人類可以實現電腦模仿人腦的運算過程，預計最快到2019年可完全模擬出人類大腦。
（四）高科技企業普遍將人工智慧視為下一代產業革命和互聯網革命的技術引爆點進行投資，加快產業化進程。
谷歌在2013年完成了8 家機器人相關企業的收購，在機器學習方面也大肆搜羅企業和人才，收購了DeepMind和計算機視覺領軍企業Andrew Zisserman，又聘請DARPA原負責人 Regina Dugan負責顛覆性創新項目的研究，並安排構建Google基礎演算法和開發平台的著名計算機科學家Jeff Dean轉戰深度學習領域。蘋果2014 年在自動化上的資本支出預算高達110 億美元。蘋果手機中採用的Siri智能助理脫胎於美國先進研究項目局（DARPA）投資1.5億美元，歷時5年的CALO（ Cognitive Assistant that Learns and Organizes）項目，是美國首個得到大規模產業化應用的人工智慧項目。Amazon計劃在2015 年能夠使用自己的機器人飛行器進行快遞服務。韓國和日本的各家公司也紛紛把機器人技術移植到製造業新領域並嘗試進入服務業
（五）人工智慧的實際應用
人工智慧概念從1956年提出，到今天初步具備產品化的可能性經歷了58年的演進，各個重要組成部分的研究進度和產品化水平各不相同。人工智慧產品的發展是一個漸進性的過程，是一個從單一功能設備向通用設備，從單一場景到復雜場景，從簡單行為到復雜行為的發展過程，具有多種表現形式。
人工智慧產品近期仍將作為輔助人類工作的工具出現，多表現為傳統設備的升級版本，如智能/無人駕駛汽車，掃地機器人，醫療機器人等。汽車、吸塵器等產品和人類已經有成熟的物理交互模式，人工智慧技術通過賦予上述產品一定的機器智能來提升其自動工作的能力。但未來將會出現在各類環境中模擬人類思維模式去執行各類任務的真正意義的智能機器人，這類產品沒有成熟的人機介面可以借鑒，需要從機械、控制、交互各個層面進行全新研發。
希望我的回答可以幫到您哦
Ⅳ 人工智慧在生活行業的應用與展望
1、深度學習
深度學習作為人工智慧領域的一個重要應用領域。說到深度學習，大家第一個想到的肯定是AlphaGo，通過一次又一次的學習、更新演算法，最終在人機大戰中打敗圍棋大師。對於一個智能系統來講，深度學習的能力大小，決定著它在多大程度上能達到用戶對它的期待。
2、計算機視覺
計算機視覺是指計算機從圖像中識別出物體、場景和活動的能力。計算機視覺有著廣泛的細分應用，其中包括，醫療領域成像分析、人臉識別、公關安全、安防監控等等。
3、語音識別
語音識別，是把語音轉化為文字，並對其進行識別、認知和處理。語音識別的主要應用包括電話外呼、醫療領域聽寫、語音書寫、電腦系統聲控、電話客服等。
4、虛擬個人助理
蘋果手機的Siri，以及小米手機上的小愛，都算是虛擬個人助理的應用。
5、自然語言處理
自然語言處理（NLP），像計算機視覺技術一樣，將各種有助於實現目標的多種技術進行了融合，實現人機間自然語言的通信。
6、智能機器人
智能機器人在生活中隨處可見，掃地機器人、陪伴機器人……這些機器人不管是跟人語音聊天，還是自主定位導航行走、安防監控等，都離不開人工智慧技術的支持。
7、引擎推薦
淘寶、京東等商城，以及36氪等資訊網站，會根據你之前瀏覽過的商品、頁面、搜索過的關鍵字推送給你一些相關的產品、或網站內容。這其實就是引擎推薦技術的一種表現。
(4)人工智慧應用系統和發展擴展閱讀：
構建一個網路並且隨機初始化所有連接的權重；將大量的數據情況輸出到這個網路中；網路處理這些動作並且進行學習；如果這個動作符合指定的動作，將會增強權重，如果不符合，將會降低權重；系統通過如上過程調整權重；在成千上萬次的學習之後，超過人類的表現。
對聲音進行處理，使用移動函數對聲音進行分幀；聲音被分幀後，變為很多波形，需要將波形做聲學體征提取；聲音特徵提取之後，聲音就變成了一個矩陣。然後通過音素組合成單詞；
Ⅳ 人工智慧發展現狀和趨勢如何
人工智慧的發展現狀處於成長期，由於相關人才的數量比較少，人工智慧的人才市場處於空缺，出現了供不應求的狀況。加之國家發布相關政策促進人工智慧的發展；一些省份也比較重視人工智慧的發展
Ⅵ 人工智慧的發展方向
一是重點培育和發展智能網聯汽車、智能服務機器人、智能無人機、醫療影像輔助診斷系統、視頻圖像身份識別系統、智能語音交互系統、智能翻譯系統、智能家居產品等智能化產品，推動智能產品在經濟社會的集成應用。
以上智能化產品已有較好的技術、產業基礎，部分細分領域的產品已經走在了國際前列，在國家政策引導下有望實現規模化發展，形成由點到面的突破，並帶動人工智慧技術在行業中的深入應用。
二是重點發展智能感測器、神經網路晶元、開源開放平台等關鍵環節，夯實人工智慧產業發展的軟硬體基礎。
以上這些產品或平台市場競爭力不強，是產業鏈上的薄弱環節，對產業發展可能形成制約，亟待加快創新發展，夯實基礎，補齊短板。
三是深化發展智能製造，鼓勵新一代人工智慧技術在工業領域各環節的探索應用，提升智能製造關鍵技術裝備創新能力，培育推廣智能製造新模式。
製造業是人工智慧最先落地的行業之一，「中國製造2025」提出「以推進智能製造為主攻方向」的明確要求。近年來，在黨中央國務院的高度重視下，我國製造業發展已取得積極進展，特別是在加快發展智能製造，推動製造業智能化升級改造方面開展大量工作。《行動計劃》與「中國製造2025」緊密對接，進一步突出了需要加快應用人工智慧技術進行改造升級的具體任務，將為智能製造的深化發展提供有力支撐。
四是構建行業訓練資源庫、標准測試及知識產權服務平台、智能化網路基礎設施、網路安全保障等產業公共支撐體系，完善人工智慧發展環境。
目前，我國人工智慧發展的痛點問題之一就是缺少有效的行業資源訓練庫等公共服務支撐體系，業界普遍反映已經影響了人工智慧技術發展及在行業中的應用。《行動計劃》注意到了這一關鍵問題，加大對產業公共服務平台的支持，將形成有效引導，不斷完善產業發展環境。