【《人工智能产业发展现状、问题及优化策略》论文10000字】.docx

《【《人工智能产业发展现状、问题及优化策略》论文10000字】.docx》由会员分享，可在线阅读，更多相关《【《人工智能产业发展现状、问题及优化策略》论文10000字】.docx（11页珍藏版）》请在优知文库上搜索。

1、人工智能产业发展现状、问题及完善对策研究目录一、序言2（一）人工智能的定义2（二）人工智能产业发展历程21 .萌芽时期（1956年以前）22 .形成时期（1956-1961）33 .发展时期（1961年以后）4二、人工智能产业的发展现状4（一）人工智能产业基础层发展现状4（二）人工智能产业技术层发展现状一以科大讯飞股份有限公司为例6（）人工智能产业应用层发展现状一以特拉斯MOdeIS为例6三、人工智能产业存在问题分析7（一）存在的问题71.产业整体技术创新能力与国外差距较大72 .行业缺乏统一标准，产业发展受到限制73 .缺乏细分行业统筹规划，存在恶性竞争隐患74 .高端人才紧缺，人才引进培育

2、难度较大8（二）我国人工智能产业的机遇81.人工智能对经济的影响82 .人工智能对社会的影响83 .人工智能对文化的影响9四、推动人工智能产业发展的建议10（一）把人工智能放到未来经济建设的核心位置10（二）完善产业创新体系，提升自主创新能力10（三）制定人工智能发展国家战略和行业规范10五、结论与展望11参考文献12一、序言(一)人工智能的定义人工智能(ArtifiCiaIInteIIigence),英文缩写为AL主要是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学技术的前沿科技领域,是自然科学进入信息时代的产物,它企图了解智能的认

3、识实质，并生产出一种新型的、以类人智能模式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语一言处理和专家系统等具体科学。最终使智能机器具有通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。约翰麦卡锡(JohnMcCarthy.1927年9月4日生于波士顿)作为人工智能的“教父”，毕生致力于研究人工智能。于1948年按时完成加州理工学院的学业，然后到普林斯顿大学研究生院深造。1948年9月，他参加了一个“脑行为机制”的专题讨论会。会上，冯诺伊曼发表了一篇关于自复制自动机的论文，提出了可以复制自身的机器的设想，这激起了

4、麦卡锡的极大兴趣和好奇心，开始尝试在计算机上模拟人的智能。他发起并成功举办了成为人工智能起点的“达特茅斯会议(DartmouthConference),提出了人工智能较早的定义：人工智能是指人造机器所表现出来的类似人的智能行为，即自主智能性。在对计算机能智能化，即否思维、能否理解问题的研究过程中，J-R塞尔在心灵、大脑与程序一文中首次将人工智能划分为“弱人工智能”和“强人工智能”。他认为，“就弱人工智能而言，计算机在心灵研究中的主要价值是为我们提供一个强有力的工具;就强人工智能而言，计算机不只是研究心灵的工具，更确切地说，带有正确程序的计算机其实就是一个心灵。”随后发展成人工智能的两个学派，“

5、弱人工智能观点认为机器不能思维，不可能制造出能真正地推理(Reasoning)和解决问题(Prob1enrso1ving)的智能机器，但电脑可以部分地模拟人脑的思维活动;强人工智能观点认为机器能够思维，能制造出真正地推理(ReaSOning)和解决问题(PrObIenrSolVing)的智能机器，电脑可以完全模拟进而代替人脑的思维活动。”(一)人工智能产业发展历程1.萌芽时期(1956年以前)自古以来，人类就力图根据认识水平和当时的技术条件，用机器来代替人的部分脑力劳动，以提高征服自然的能力。公元850年,古希腊就有制造机器人帮助人们劳动的神话传说。在我国公元前900多年，也有歌舞机器人传说的

6、记载，这说明古代人就有人工智能的幻想。随着历史的发展，到十二世纪末至十三世纪初年间，西班牙的神学家和逻辑学家RomenLuee试图制造能解决各种问题的通用逻辑机。十七世纪法国物理学家和数学家巴斯卡尔制成了世界上第一台会演算的机械加法器并获得实际应用。随后德国数学家和哲学家莱布尼兹在这台加法器的基础上发展并制成了进行全部四则运算的计算器。他还提出了逻辑机的设计思想，即通过符号体系，对对象的特征进行推理，这种“万能符号”和“推理计算”的思想是现代化“思考”机器的萌芽，因而他曾被后人誉为数理逻辑的第一个奠基人。十九世纪英国数学和力学家C.Babbage致力于差分机和分析机的研究，虽因条件限制未能完全

7、实现，但其设计思想不愧为当时人工智能最高成就。进入本世纪后，人工智能相继出现若干开创性的工作。1936年，年仅24岁的英国数学家图灵在他的一篇“理想计算机”的论文中，就提出了著名的图灵机模型，1945年他进一步论述了电子数字计算机设计思想，1950年他又在计算机能思维吗?一文中提出了机器能够思维的论述，可以说这些都是图灵为人工智能所作的杰出贡献。1938年德国青年工程师ZUSe研制成了第一台累计数字计算机ZT,后来又进行了改进，到1945年他又发明了Planka.kel程序语言。此外，1946年美国科学家莫奇利等人制成了世界上第一台电子数字计算机EN工AC。还有同一时代美国数学家维纳控制论的创

8、立，美国数学家香农信息论的创立，英国生物学家W.R.AShby所设计的脑等，这一切都为人工智能学科的诞生作了理论和实验工具的巨大贡献。2.形成时期(1956-1961)1956年在美国的达特茅斯大学的一次历史性的聚会被认为是人工智能学科正式诞生的标志，从此在美国开始形成了以人工智能为研究目标的几个研窕组:如纽维尔和西蒙的Carnegie-RAND协作组,塞缪尔和格伦特的工BM公司工程课题研究组；明斯基和麦卡锡的MIT研究组等，这一时期人工智能的研究工作主要在下述几个方面。1957年纽维尔和西蒙等人的心理学小组编制出一个称为逻辑理论机LT(TheLogicTheoryMaChine)的数学定理证

9、明程序，当时该程序证明了B.A.W.RUSSell和A.N.Whitehead的数学原理一书第二章中的38个定理(1963年修订的程序在大机器上终于证完了该章中全部52个定理)。后来他们又揭示了人在解题时的思维过程大致可归结为三个阶段：(1)先想出大致的解题计划；(2)根据记忆中的公理、定理和推理规则组织解题过程；(3)进行方法和目的分析，修正解题计划。这种思维活动不仅解数学题时如此，解决其他问题时也大致如此。基于这一思想，他们于1960年又编制了能解十种类型不同课题的通用问题求解程序GPS(GeneralProblemSolving)o另外他们还发明了编程的表处理技术和NSS国际象棋机。和这

10、些工作有联系的纽维尔关于自适应象棋机的论文和西蒙关于问题求解和决策过程中合理选择和环境影响的行为理论的论文，也是当时信息处理研究方面的巨大成就。后来他们的学生还做了许多工作，如人的口语学习和记忆的EPAM模型（1959年）、早期自然语言理解程序SAD-SAM等。此外他们还对启发式求解方法进行了探讨。3.发展时期（1961年以后）六十年代以来，人工智能的研究活动越来越受到重视。为了揭示人工智能的有关原理，研究者们相继对问题求解、博弈、定理证明、程序设计、机器视觉、自然语言理解等领域的课题进行了深入的研究。几十年来，不仅使研究课题有所扩展和深入，而且还逐渐搞清了这些课题共同的基本核心问题以及它们和

11、其他学科间的相互关系。1974年尼尔森对发展时期的一些工作写过一篇综述论文，他把人工智能的研究归纳为四个核心课题和八个应用课题,并分别对它们进行论述。美国是人工智能的发源地，随着人工智能的发展，世界各国有关学者也都相继加入这一行列，英国在60年代就起步人工智能的研究，到70年代，在爱丁堡大学还成立了“人工智能”系。口本和西欧一些国家虽起步较晚，但发展都较快，前苏联对人工智能研究也开始予以重视。我国是从1978年才开始人工智能课题的研究，主要在定理证明、汉语自然语言理解、机器人及专家系统方面设立课题，并取得一些初步成果。我国也先后成立中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会和

12、中国自动化学会模式识别与机器智能专业委员会等学术团体，开展这方面的学术交流。此外国家还着手兴建了若干个与人工智能研究有关的国家重点实验室，这些都将促进我国人工智能的研究，为这一学科的发展作出贡献。近年来，人工智能在很多方面取得了新的进展，尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的广阔的舞台。二、人工智能产业的发展现状（一）人工智能产业基础层发展现状人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同，这些平台主要集中于三个服务层面，

13、即基础设施即服务（IaaS）.平台即服务（PaaS）和软件即服务（SaaS）基础技术提供平台为人工智能技术的实现和人工智能应用的落地提供基础的后台保障,也是一切人工智能技术和应用实现的前提。对于许多中小型企业来说，SaaS是采用先进技术的最好途径，它消除了企业购买、构建和维护基础设施和应用程序的需要；而IaaS通过三种不同形态服务的提供（公有云、私有云和混合云）可以更快地开发应用程序和服务，缩短开发和测试周期；作为SaaS和IaaS中间服务的PaaS则为二者的实现提供了云环境中的应用基础设施服务。SaaS:提供给客户的服务是运营商运行在云计算基础设施上的应用程序，用户可以在各种设备上通过客户端

14、界面访问，如浏览器。PaaS:将软件研发的平台作为一种服务，以SaaS的模式提交给用户。IaaS:分为公有云、私有云和混合云三种形态，提供给消费者的服务是对所有设施的利用，包括处理器、存储、网络和其它基本的计算资源，用户能够部署和运行任意软件，包括操作系统和应用程序。百度在人工智能领域的布局更侧重于应用型生态，在BAT三家中，百度也是最接近由专用应用向通用应用过度的公司。目前，百度研究院有三大实验室，分别是北美硅谷人工智能实验室、北京深度学习实验室和北京大数据实验室，目前已在图像识别、图像搜索、语音识别、自然语言处理、智能语义、机器翻译和精准广告等方面取得了显著进展（超过500项国际专利，其中

15、包括超过270项的神经语言程序学领域专利和超过120项的深度学习专利）。凭借搜索引擎发家的百度拥有强大的数据获取和挖掘的能力，百度为外界提供了大数据存储、分析和挖掘技术，促进其在医疗、交通等多领域的具体运用，并在若干领域开放了自己的人工智能生态并发布了多款应用型产品。（1）语音识别在语音识别方面，吴恩达及研究团队发明了一种新的语音识别方法，这款基于深度学习的语音识别系统可以在嘈杂环境下实现将近81%的辨识准确率。该语音识别系统采用深度学习算法取代了原来的模型，在递归神经网络或者模拟神经元阵列中进行训练，让语音识别系统更加简单。（2）图像识别在图像识别方面，百度也一直在利用深度学习技术来提高图像

16、识别的精度。2014年9月，百度云结合百度深度学习研究院提供的人脸识别及检索技术，推出云端图像识别功能。11月，百度发布了基于模拟神经网络的智能读图，可以使用类似人脑思维的方式去识别、搜索图片中的物体和其他内容。（3）深度学习为满足深度学习在计算和存储上的要求，百度在国内建立了十几座云计算中心并投入使用了4万兆交换机。此外，百度还是全球首家将GPU用于人工智能和深度学习领域、并规模化商用ARM服务器的公司。整合了这些的百度形成强大的存储计算能力，从而可以进行多样的并行计算，支持生成、配置针对不同应用和场景网络结构，为人工智能提供有力的硬件支持。其中最具代表性的百度大脑通过深度学习来模拟人类大脑的神经元，参数规模达到百亿级别，构建了世界上最大规模的深度神经网