人工智能：定义、发展与应用

1）人工智能的定义

1956 年，人工智能（Artificial Intelligence，AI）这一术语由McCarthy 在Dartmouth 会议上首次提出，标志着人工智能这一学科的正式诞生。作为一门前沿交叉学科，人工智能的定义呈现多样化的趋势。《人工智能：一种现代的方法》全面阐述了已有人工智能的定义，并将其分为4 类：类人行为、类人思考、理性地思考和理性地行动。维基百科将其定义为“人工智能就是机器展现出的智能”，当机器具备某些“智能”的特征或表现时，就可以算作“人工智能”。《大英百科全书》（Encyclopedia Britannica）则限定人工智能是数字计算机或者数字计算机控制的机器人在执行智能生物体才有的一些任务上的能力。百度百科将人工智能定义为“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新的技术科学”，并将其视为计算机科学的一个分支。《人工智能标准化白皮书》则认为，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能的定义对人工智能学科的基本思想和内容作出了阐释，即围绕智能活动而构造的人工系统，总的来说，它是一门研究和开发用于模拟和拓展人类智能的新兴科学。

2）人工智能的特征

人工智能共包括3 个特征：一是以人为本，为人类提供服务；二是环境感知，与人交互互补；三是有自适应特性，能迭代学习。

①以人为本，为人类提供服务。从根本上来说，人工智能系统必须以人为本。这些系统是人类设计出的机器，按照人类设计的程序、算法、硬件载体进行运行或工作，其本质体现为计算。通过对数据的采集、加工、处理、分析和挖掘，系统形成有价值的信息流和知识模型，为人类提供延伸人类能力的服务，实现人类期望的一些“智能行为”的模拟。

②环境感知，与人交互互补。人工智能能够通过各类传感器对外界环境进行感知，接收来自环境的各类信息并作出必要的反应。借助一定载体，人与机器间可以进行交互、互动，使机器能够理解人类的需求，并实现机器与人类的共同协作、优势互补。

③有自适应特性，能迭代学习。在理想情况下，人工智能可以根据环境、条件的变化来自适应调节参数或更新优化模型；并在此基础上广泛扩展与云、端、人、物的数字化连接，实现机器客体乃至人类主体的演化迭代，从而应对不断变化的外部环境，使人工智能系统在各行各业广泛的应用。

3）人工智能的关键技术

人工智能是涉及多领域的交叉学科，涵盖了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别等多项关键技术。

（1）机器学习

作为人工智能领域的核心研究热点，机器学习已成为现代智能技术的重要手段之一。机器学习是研究计算机如何模拟或实现人类的学习行为，用以获取新知识、新技能，重新组织已有的知识结构，实现功能的不断自我完善。基于数据的机器学习是实现人工智能的重要途径，研究从数据或样本出发，寻找规律并利用规律进行预测。

侧重要点不同时，机器学习有不同的分类方法。根据学习模式可以将机器学习分为监督学习、无监督学习和强化学习等。根据学习方法可以将机器学习分为传统机器学习和深度学习。此外，机器学习的常见算法还包括迁移学习、主动学习和演化学习等。

（2）知识图谱

知识图谱本质上是结构化的语义知识库，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。(www.xing528.com)

基于异常分析等数据挖掘方法，知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域。此外，知识图谱在搜索引擎、可视化展示和精准营销方面也具备极大优势。

（3）自然语言处理

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，主要包括机器翻译、语义理解和问答系统等场景。

①机器翻译是指利用计算机技术实现从一种自然语言到另外一种自然语言的转换，现今基于神经网络的机器翻译已在多个场景成功应用。

②语义理解是指利用计算机对文本进行理解以及对答案进行把控。

③问答系统则是让机器学会以自然语言与人进行沟通交流，智能客服、产品自动问答等均是以语义理解、问答系统为基础的。

（4）人机交互

人机交互主要研究人和计算机之间的信息交换，包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要外围技术。传统的人与计算机之间的信息交换主要依靠鼠标、键盘、位置追踪器、显示屏等交互设备进行。人机交互技术除了传统的基本交互和图形交互外，还包括与人工智能研究领域密切相关的4 种交互技术，即语音交互、情感交互、体感交互及脑机交互。

（5）计算机视觉

计算机视觉是指让计算机模仿人类视觉系统的科学，使机器能够像人一样提取、处理、理解和分析图像以及图像序列。自动驾驶、智能医疗、安全识别等领域均需通过计算机视觉技术从视觉信号中提取并处理信息。近年来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成了端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

（6）生物特征识别

生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。生物特征识别的流程一般包括信息采集、预处理、特征提取、对比分析等过程。首先通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息进行采集，然后基于数据预处理以及特征提取技术对采集的数据进行处理，并将得到的相应特征进行存储。最后，将提取到的特征与存储的特征进行对比分析，即可完成识别。

生物特征识别技术涉及的内容十分广泛，在图像处理、计算机视觉、语音识别、机器学习等多项技术的基础之上，可实现对指纹、掌纹、人脸、虹膜声纹、步态等多种生物特征的识别。目前生物特征识别作为智能化认证的重要技术，在金融、公共安全、教育、交通等领域得到了广泛应用。