人工智能技術(shù)論文精品(七篇)

序論：寫(xiě)作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來(lái)了七篇人工智能技術(shù)論文范文，愿它們成為您寫(xiě)作過(guò)程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

人工智能技術(shù)是人類科學(xué)技術(shù)不斷發(fā)展進(jìn)步的必然結(jié)果，也是工業(yè)發(fā)展過(guò)程中，促進(jìn)工業(yè)自動(dòng)化科學(xué)化發(fā)展的重要推動(dòng)力量。在人工智能技術(shù)的發(fā)展中，科技的發(fā)展和工業(yè)技術(shù)的進(jìn)步會(huì)促進(jìn)人工智能技術(shù)的發(fā)展；反之，人工智能技術(shù)的進(jìn)步，可以完成那些人類自身無(wú)法辦到、技術(shù)條件效果不好的生產(chǎn)技術(shù)操作。當(dāng)前的人工智能主要是計(jì)算機(jī)技術(shù)的發(fā)展結(jié)果，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，通過(guò)對(duì)計(jì)算機(jī)信息特點(diǎn)和操作性能的了解和設(shè)計(jì)，使計(jì)算機(jī)操作系統(tǒng)具有更多更先進(jìn)的人工化反應(yīng)，并在實(shí)際的信息技術(shù)處理過(guò)程中，通過(guò)其系統(tǒng)內(nèi)部的人工化、智能化識(shí)別和處理系統(tǒng)，對(duì)電氣自動(dòng)化控制和其他工業(yè)技術(shù)領(lǐng)域在運(yùn)行中的問(wèn)題進(jìn)行自主解決。如今，人工智能技術(shù)已經(jīng)取得了較大的進(jìn)步，其研究發(fā)展項(xiàng)目也越來(lái)越多，越來(lái)越先進(jìn)，實(shí)用性越來(lái)越強(qiáng)。人工智能技術(shù)已經(jīng)廣泛運(yùn)用與工業(yè)自動(dòng)化、過(guò)程控制和電子信息處理等先進(jìn)的技術(shù)領(lǐng)域。人工智能技術(shù)通過(guò)模糊理論算法、遺傳算法和模糊神經(jīng)算法等方式，可以在電氣自動(dòng)化控制中，采取更靈活多變的控制方式，對(duì)電氣自動(dòng)化設(shè)備運(yùn)行中的不穩(wěn)定因素和動(dòng)態(tài)變化進(jìn)行自主的調(diào)整，從而保障其運(yùn)行的準(zhǔn)確和高效，減少出錯(cuò)率。人工智能技術(shù)的運(yùn)用，可以大大減少在電氣自動(dòng)化控制等領(lǐng)域的人力成本，并且能夠解決一些工作人員無(wú)法有效監(jiān)控和解決的問(wèn)題，做到及時(shí)有效。

2人工智能技術(shù)在電氣自動(dòng)化控制中的應(yīng)用

2.1人工智能控制實(shí)現(xiàn)了數(shù)據(jù)的采集及處理功能

在電氣設(shè)備的運(yùn)行過(guò)程中，數(shù)據(jù)的采集和處理是了解電氣設(shè)備自動(dòng)化控制情況，發(fā)現(xiàn)運(yùn)行過(guò)程中的問(wèn)題和提出解決辦法的重要依據(jù)。在傳統(tǒng)的自動(dòng)化控制中，由于技術(shù)水平和實(shí)際運(yùn)行中的動(dòng)態(tài)變化，數(shù)據(jù)的采集和傳輸無(wú)法做到準(zhǔn)確和穩(wěn)定，保存數(shù)據(jù)容易出現(xiàn)丟失的情況。人工智能技術(shù)的使用，可以保障電氣自動(dòng)化運(yùn)行過(guò)程中對(duì)動(dòng)態(tài)信息的及時(shí)收集和穩(wěn)定傳輸，對(duì)相關(guān)數(shù)據(jù)的保存工作也更安全，這就提高了電氣自動(dòng)化的控制水平，充分保障了電氣運(yùn)行中的安全性和穩(wěn)定性。

2.2人工智能控制實(shí)現(xiàn)了系統(tǒng)運(yùn)行監(jiān)視機(jī)報(bào)警功能

電氣自動(dòng)化控制是用電氣的可編程控制器，控制繼電器，帶動(dòng)執(zhí)行機(jī)構(gòu)，完成預(yù)期設(shè)計(jì)動(dòng)作的過(guò)程。在此過(guò)程中，系統(tǒng)內(nèi)部各部分之間的運(yùn)行都要嚴(yán)格按照設(shè)計(jì)模型和函數(shù)計(jì)算的基礎(chǔ)上進(jìn)行，如果系統(tǒng)中的一點(diǎn)出現(xiàn)問(wèn)題，就會(huì)造成整個(gè)自動(dòng)控制系統(tǒng)的故障。在以往的自動(dòng)化控制系統(tǒng)運(yùn)行中，對(duì)系統(tǒng)內(nèi)部各部分之間的運(yùn)行數(shù)據(jù)和運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，對(duì)運(yùn)行中的特殊情況進(jìn)行及時(shí)的報(bào)警處理，幫助自動(dòng)化系統(tǒng)及時(shí)處理可能出現(xiàn)的故障，提醒電氣管理人員加強(qiáng)對(duì)電氣系統(tǒng)的管理。

2.3人工智能控制實(shí)現(xiàn)了操作控制功能

電氣自動(dòng)化控制的主要特征之一就是通過(guò)計(jì)算機(jī)的一鍵操作，就可以實(shí)現(xiàn)對(duì)電氣系統(tǒng)的整體控制，保障電氣自動(dòng)化運(yùn)行符合現(xiàn)實(shí)的需要。傳統(tǒng)的自動(dòng)化系統(tǒng)的操作，需要靠人工對(duì)系統(tǒng)各個(gè)環(huán)節(jié)進(jìn)行人工操作，從而促進(jìn)自動(dòng)化系統(tǒng)內(nèi)部的協(xié)調(diào)和配合，這種方式既降低了自動(dòng)化運(yùn)行的效率，也增加了自動(dòng)化系統(tǒng)的故障發(fā)生頻率。人工智能技術(shù)對(duì)電氣自動(dòng)化系統(tǒng)的控制，是通過(guò)各種先進(jìn)的算法，按照電氣自動(dòng)化的需求，對(duì)自動(dòng)化系統(tǒng)進(jìn)行自動(dòng)化和智能化設(shè)計(jì)，從而實(shí)現(xiàn)對(duì)電氣自動(dòng)化控制系統(tǒng)的同時(shí)操作，大大提高了自動(dòng)化控制的效率，減少了單獨(dú)指令操作中容易出現(xiàn)的不協(xié)調(diào)情況的發(fā)生。

3人工智能技術(shù)在電氣自動(dòng)化控制中的控制方式

3.1模糊控制

模糊控制以模糊推理和模糊語(yǔ)言變量等為理論基礎(chǔ)，并以專家經(jīng)驗(yàn)作為模糊控制的規(guī)則。模糊控制就是在被控制的對(duì)象的模糊模型的基礎(chǔ)之上，運(yùn)用模糊控制器，實(shí)現(xiàn)對(duì)電氣控制系統(tǒng)的控制。在實(shí)際控制設(shè)計(jì)過(guò)程中，通過(guò)對(duì)計(jì)算機(jī)控制系統(tǒng)的使用，使電氣自動(dòng)化系統(tǒng)形成具有反饋通道的閉環(huán)結(jié)構(gòu)的數(shù)字控制系統(tǒng)，從而達(dá)到對(duì)電氣自動(dòng)化系統(tǒng)的科學(xué)控制。

3.2專家控制

專家控制是指在進(jìn)行電氣自動(dòng)化控制過(guò)程中，利用相關(guān)的系統(tǒng)控制理論和控制技術(shù)的結(jié)合，通過(guò)對(duì)以往控制經(jīng)驗(yàn)的模擬和學(xué)習(xí)，實(shí)現(xiàn)電氣自動(dòng)化控制中智能控制技術(shù)的實(shí)施。這種控制方式具有很強(qiáng)的靈活性，在實(shí)際運(yùn)行中，面對(duì)控制要求和系統(tǒng)運(yùn)行情況，專家控制可以自覺(jué)選取控制率，并通過(guò)自我調(diào)整，強(qiáng)化對(duì)工作環(huán)境的適應(yīng)。

3.3網(wǎng)絡(luò)神經(jīng)控制

網(wǎng)絡(luò)神經(jīng)控制的原理就是基于對(duì)人腦神經(jīng)元的活動(dòng)模擬，以逼近原理為依據(jù)的網(wǎng)絡(luò)建模。神經(jīng)控制是有學(xué)習(xí)能力的，屬于學(xué)習(xí)控制，對(duì)電氣自動(dòng)化控制中出現(xiàn)的新問(wèn)題可以及時(shí)提出有效的解決辦法，并通過(guò)對(duì)相關(guān)技術(shù)問(wèn)題的分析解決，提高自身的人工智能水平。

4結(jié)語(yǔ)

篇(2)

關(guān)鍵詞：人工智能技術(shù)；石油工程；應(yīng)用

一、關(guān)于一體化智能系統(tǒng)的構(gòu)建分析

現(xiàn)階段，人工智能技術(shù)已逐漸在石油工程領(lǐng)域中取得了廣泛性應(yīng)用，其中涉及到高層管理決策、采油工程、油井處理及鉆井油藏等相關(guān)內(nèi)容，可有效解決石油工程開(kāi)展期間存在不足之處，具體可將石油工程面臨問(wèn)題分為以下幾種類型：第一，數(shù)據(jù)型問(wèn)題。主要包括地震數(shù)據(jù)檢測(cè)、鉆孔曲線測(cè)量及油藏特征分析等方面內(nèi)容，需得出準(zhǔn)確性數(shù)據(jù)信息便于為其他工作開(kāi)展提供切實(shí)可行參考依據(jù)[1]；第二，優(yōu)化型問(wèn)題。具體是指通過(guò)地面設(shè)備的合理優(yōu)化來(lái)大大提高石油產(chǎn)量；第三，公式型問(wèn)題。主要包括鑒定識(shí)別、測(cè)井?dāng)?shù)據(jù)介紹及提高采收率等內(nèi)容；第四，知識(shí)融合型問(wèn)題。需要選出較為合理恰當(dāng)實(shí)踐應(yīng)用手段?？傮w來(lái)說(shuō)，盡管智能化系統(tǒng)已逐步應(yīng)用到石油工程中去，但卻因?qū)I(yè)人士缺乏明顯創(chuàng)新想象力而無(wú)法達(dá)到最佳效果，并且智能系統(tǒng)還具備一定局限性特點(diǎn)，對(duì)石油工程實(shí)施效率提升有著不利影響。在這種情況下，為有效克服上述難題，就需石油工程工作人員能積極采用人工智能技術(shù)手段，徹底解決以往智能系統(tǒng)應(yīng)用存在不足，借助科學(xué)合理分析方法對(duì)數(shù)據(jù)信息展開(kāi)深入化分析探討，從而促使石油行業(yè)能夠順利發(fā)展。

二、石油工程領(lǐng)域中人工智能技術(shù)的應(yīng)用分析

（一）油田地面設(shè)施系統(tǒng)模擬應(yīng)用。在此以某區(qū)域油田資源為例，該油田共有700多口生產(chǎn)井，所有生產(chǎn)液體全部運(yùn)送到三相分離設(shè)備中，并從分離設(shè)備中分離出適量高壓氣進(jìn)入到管網(wǎng)結(jié)構(gòu)中，并且周?chē)h(huán)境溫度還對(duì)設(shè)備工作效率有著直接影響，可以說(shuō)是后期石油產(chǎn)量的主要影響因素之一。因此為有效解決這一問(wèn)題，就需相關(guān)工作人員能積極構(gòu)建智能模型結(jié)構(gòu)，準(zhǔn)確測(cè)量出石油工程地面系統(tǒng)實(shí)際運(yùn)行情況，對(duì)分離設(shè)備產(chǎn)油量起到一定幫助作用。同時(shí)石油工程參與人員還應(yīng)根據(jù)項(xiàng)目開(kāi)況構(gòu)建神經(jīng)模型結(jié)構(gòu)，著手于數(shù)據(jù)統(tǒng)計(jì)分析情況，主要包括鑒定識(shí)別和數(shù)字矩陣補(bǔ)孔兩點(diǎn)內(nèi)容，隨后可綜合采用模糊聚類和變量分析方法對(duì)石油工程中涉及到的所有數(shù)據(jù)變量展開(kāi)分析探討，充分考慮到各個(gè)變量可能對(duì)最終結(jié)果產(chǎn)生影響，防止數(shù)據(jù)信息出現(xiàn)較大變化情況。除此之外，模糊聚類還包含兩大優(yōu)勢(shì)，分別是數(shù)據(jù)代表性和利用數(shù)據(jù)對(duì)研發(fā)模型進(jìn)行檢驗(yàn)等，往往該種方法主要適用于列串?dāng)?shù)據(jù)量低于30%情況下。

（二）地層油藏特性模擬應(yīng)用。從某種角度上來(lái)說(shuō)，地層油藏特性模擬屬于非均質(zhì)地層結(jié)構(gòu)，其中油藏?cái)?shù)據(jù)信息與測(cè)井資料二者并無(wú)明顯聯(lián)系，根據(jù)對(duì)智能系統(tǒng)常規(guī)測(cè)井曲線和共振圖像曲線的最新調(diào)查研究可進(jìn)一步明確地層特征，充分體現(xiàn)人工智能技術(shù)具備的儲(chǔ)藏優(yōu)勢(shì)[2]。同時(shí)地層油藏特性模擬試驗(yàn)開(kāi)展的主要目的便是借助口井磁共振測(cè)井資料信息構(gòu)建一個(gè)流體飽和度和滲透率都較強(qiáng)的智能模型結(jié)構(gòu)，將該模型具體應(yīng)用到石油工程中去可真實(shí)反映出油藏特征實(shí)際分布情況，但尤其需要注意一點(diǎn)就是磁共振圖像技術(shù)不能應(yīng)用于下套井中[3]。除此之外，因生產(chǎn)層構(gòu)成巖石質(zhì)量和特征存在著較大差距，所以常常數(shù)據(jù)質(zhì)量就表示巖石具體變化情況和最高數(shù)值，也就是說(shuō)，若想對(duì)巖石特性有一個(gè)深入掌握，首先就要充分了解該區(qū)域內(nèi)巖石變化情況，從而借助口井?dāng)?shù)據(jù)信息構(gòu)建先對(duì)完善網(wǎng)絡(luò)模型，大大提高石油工程測(cè)量準(zhǔn)確性，進(jìn)一步凸顯人工智能技術(shù)存在優(yōu)勢(shì)，實(shí)現(xiàn)人工智能技術(shù)在石油領(lǐng)域中應(yīng)用的最佳成效。

篇(3)

關(guān)鍵詞:人工智能;理論傳授;實(shí)驗(yàn)訓(xùn)練;科研訓(xùn)練

人工智能(Artificial Intelligence,AI)是計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的一門(mén)重要專業(yè)課程,是一門(mén)研究運(yùn)用計(jì)算機(jī)模擬和延伸人腦功能的綜合性學(xué)科。它研究如何用計(jì)算機(jī)模仿人腦所從事的推理、證明、識(shí)別、理解、設(shè)計(jì)、學(xué)習(xí)、思考、規(guī)劃以及問(wèn)題求解等思維活動(dòng),并以此解決需要人類專家才能處理的復(fù)雜問(wèn)題,例如咨詢、診斷、預(yù)測(cè)、規(guī)劃等決策性問(wèn)題[1]。人工智能是一門(mén)涉及數(shù)學(xué)、計(jì)算機(jī)、控制論、信息學(xué)、心理學(xué)、哲學(xué)等學(xué)科的交叉和綜合學(xué)科。目前,人工智能很多研究領(lǐng)域,如自然語(yǔ)言處理、模式識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能檢索、機(jī)器人技術(shù)、智能計(jì)算等都走在了信息技術(shù)的前沿,有許多研究成果已經(jīng)進(jìn)入并影響了人們的生活。

2003年12月5日,國(guó)內(nèi)第一個(gè)“智能科學(xué)與技術(shù)”本科專業(yè)在北京大學(xué)誕生[2],它標(biāo)志著我國(guó)智能科學(xué)與技術(shù)本科教育的開(kāi)始,對(duì)我國(guó)智能科學(xué)技術(shù)人才培養(yǎng)和智能科學(xué)與技術(shù)學(xué)科建設(shè)起到極大的帶動(dòng)作用。目前,人工智能課程的教學(xué)存在幾個(gè)問(wèn)題:首先,注重講授理論知識(shí),實(shí)驗(yàn)環(huán)節(jié)滯后,這不利于培養(yǎng)學(xué)生的實(shí)踐能力,更談不上實(shí)踐創(chuàng)新。其次,人工智能是交叉學(xué)科,內(nèi)容比較繁雜,各種教材的內(nèi)容不一樣,授課沒(méi)有統(tǒng)一的體系,學(xué)生學(xué)習(xí)時(shí)抓不住重點(diǎn),不能理解人工智能的根本方法和思想。一般說(shuō)來(lái),計(jì)算機(jī)專業(yè)的其他課程,如網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫(kù)技術(shù)、算法分析與設(shè)計(jì)等,都是求解結(jié)構(gòu)化問(wèn)題的基本技術(shù),而人工智能技術(shù)則是解決非結(jié)構(gòu)化、半結(jié)構(gòu)化問(wèn)題的有效技術(shù)。最后,人工智能科學(xué)與技術(shù)飛速發(fā)展,但目前人工智能只被視為一門(mén)專業(yè)課,課程講授和人工智能沒(méi)有作為一個(gè)研究方向結(jié)合起來(lái),也沒(méi)有把傳授課本知識(shí)和引導(dǎo)啟發(fā)創(chuàng)新結(jié)合起來(lái)。

適應(yīng)知識(shí)經(jīng)濟(jì)發(fā)展的高等教育,要把培養(yǎng)創(chuàng)造精神和創(chuàng)新能力擺在突出的位置。創(chuàng)新是基礎(chǔ)研究的生命,而高等學(xué)校的教學(xué)只有與科研緊密結(jié)合,才能在培養(yǎng)學(xué)生的創(chuàng)新精神方面有所作為。為此,針對(duì)人工智能的課程特點(diǎn),我們積極開(kāi)展研究型教學(xué)、研究型學(xué)習(xí),提高大學(xué)生的學(xué)習(xí)能力、實(shí)踐能力和創(chuàng)新能力的研究與實(shí)踐。在教材上,我們選用了清華大學(xué)出版社出版、馬少平等編寫(xiě)的《人工智能》。我們的教學(xué)研究與實(shí)踐的主要內(nèi)容包括三個(gè)方面:啟發(fā)式傳授人工智能解決問(wèn)題的非結(jié)構(gòu)化的思想;成體系的實(shí)驗(yàn)訓(xùn)練;以及與畢業(yè)論文,學(xué)校大學(xué)生科研項(xiàng)目資助計(jì)劃,國(guó)家大學(xué)生創(chuàng)新性實(shí)驗(yàn)計(jì)劃相對(duì)接的科研訓(xùn)練。這三個(gè)主要方面,層層遞進(jìn)、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學(xué)實(shí)踐。下面,我們就這三個(gè)方面內(nèi)容展開(kāi)探討。

1啟發(fā)式傳授人工智能解決問(wèn)題的非結(jié)構(gòu)化思想

現(xiàn)實(shí)世界的問(wèn)題可以按照結(jié)構(gòu)化程度劃分成三個(gè)層次[1]:1)結(jié)構(gòu)化問(wèn)題,能用形式化(或稱公式化)方法描述和求解的一類問(wèn)題;2)非結(jié)構(gòu)化問(wèn)題,難以用確定的形式來(lái)描述,主要根據(jù)經(jīng)驗(yàn)來(lái)求解;3)半結(jié)構(gòu)化問(wèn)題,介于上述兩者之間。一般說(shuō)來(lái),計(jì)算機(jī)專業(yè)的其他課程如網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫(kù)技術(shù)、算法分析與設(shè)計(jì)等,都是求解結(jié)構(gòu)化問(wèn)題的基本技術(shù)。而人工智能技術(shù)則是解決非結(jié)構(gòu)化、半結(jié)構(gòu)化問(wèn)題的有效技術(shù)。人工智能的教學(xué)可以讓學(xué)生在體驗(yàn)、認(rèn)識(shí)人工智能知識(shí)與技術(shù)的過(guò)程中獲得對(duì)非結(jié)構(gòu)化、半結(jié)構(gòu)化問(wèn)題的解決過(guò)程的了解,從而達(dá)到培養(yǎng)學(xué)生多角度思維的目的。

我們使用的教材主要內(nèi)容包括搜索和高級(jí)搜素、謂詞邏輯和歸結(jié)原理、知識(shí)表示、不確定性推理方法、機(jī)器學(xué)習(xí)等。這些主要內(nèi)容也可以相應(yīng)地歸結(jié)為若干個(gè)典型算法,如啟發(fā)式A*搜索算法、 剪枝算法、元啟發(fā)式算法(模擬退火,遺傳算法)、謂詞邏輯歸結(jié)算法、貝葉斯網(wǎng)絡(luò)、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)(BP算法、自組織網(wǎng)絡(luò)和Hopfield神經(jīng)網(wǎng)絡(luò)算法)。元啟發(fā)式算法是一種啟發(fā)式的隨機(jī)算法,是用來(lái)解決非結(jié)構(gòu)化問(wèn)題的典型算法,其思想和傳統(tǒng)的決定性算法如動(dòng)態(tài)規(guī)劃、分支限界完全不一樣。學(xué)生在剛一接觸到這些元啟發(fā)式算法一時(shí)難以接受和理解其機(jī)理,對(duì)算法的有效性往往半信半疑。根據(jù)非結(jié)構(gòu)化、半結(jié)構(gòu)化問(wèn)題的特點(diǎn),講解和演示算法在解決此類問(wèn)題的具體步驟和詳細(xì)過(guò)程,從而讓學(xué)生掌握人工智能算法的基本思想。在講解不同的元啟發(fā)式算法的時(shí)候,學(xué)生會(huì)問(wèn),是模擬退火算法強(qiáng),還是遺傳算法強(qiáng);在講到機(jī)器學(xué)習(xí)算法的時(shí)候,學(xué)生會(huì)問(wèn)到底哪個(gè)分類算法最好,這時(shí)候我們可以把搜索(優(yōu)化)領(lǐng)域和機(jī)器學(xué)習(xí)領(lǐng)域的“沒(méi)有免費(fèi)午餐”定理進(jìn)行適當(dāng)?shù)闹v解和解釋,從而把具體算法實(shí)現(xiàn)層面之上的一些人工智能的哲學(xué)思想進(jìn)行傳授。

在人工智能的具體教學(xué)中,采用問(wèn)題教學(xué)法和參與式教學(xué)法。在問(wèn)題教學(xué)法中,圍繞人工智能的知識(shí)模塊,在引導(dǎo)學(xué)生發(fā)現(xiàn)各種各樣問(wèn)題的前提下,傳授知識(shí)。教學(xué)活動(dòng)中,嘗試使人工智能知識(shí)圍繞實(shí)際問(wèn)題而展現(xiàn),使問(wèn)題不僅成為激發(fā)學(xué)生求知欲的前提,也成為學(xué)生期盼、理解和吸收知識(shí)的前提,以此激發(fā)學(xué)生的創(chuàng)造動(dòng)機(jī)和創(chuàng)造性思維。在參與式教學(xué)中,打破人工智能算法的枯燥、沉悶的傳統(tǒng)教學(xué)法,嘗試開(kāi)放式教學(xué)內(nèi)容;提問(wèn)式講課;無(wú)標(biāo)準(zhǔn)答案的課程設(shè)計(jì);查找文獻(xiàn),分組動(dòng)手實(shí)現(xiàn)人工智能算法等參與式教學(xué)方法,培養(yǎng)和發(fā)揚(yáng)學(xué)生的參與意識(shí),通過(guò)參與式教學(xué)提高學(xué)生學(xué)習(xí)的主動(dòng)性、積極性和效率,培養(yǎng)學(xué)生的動(dòng)手能力和創(chuàng)新能力。

2成體系的實(shí)驗(yàn)訓(xùn)練

獨(dú)立開(kāi)展人工智能實(shí)驗(yàn)課程,開(kāi)發(fā)一批新型、富有創(chuàng)意的實(shí)驗(yàn)案例庫(kù),搭建一個(gè)創(chuàng)新實(shí)驗(yàn)和虛擬學(xué)習(xí)社區(qū)平臺(tái)。人工智能實(shí)驗(yàn)課程的特點(diǎn)是應(yīng)用各種人工智能方法,根據(jù)問(wèn)題的約束、結(jié)構(gòu)、信息進(jìn)行表示建模和計(jì)算機(jī)上實(shí)現(xiàn),是與人工智能原理同步的實(shí)驗(yàn)課程。學(xué)生必須掌握的人工智能的基本原理和計(jì)算機(jī)操作技能,它對(duì)于學(xué)生的知識(shí)、能力和綜合素質(zhì)的培養(yǎng)與提高起著至關(guān)重要的作用,在整個(gè)教學(xué)過(guò)程中占有非常重要的地位,是計(jì)算機(jī)軟件、計(jì)算機(jī)應(yīng)用、計(jì)算機(jī)網(wǎng)絡(luò)、軟件工程等專業(yè)的一門(mén)重要的必修專業(yè)課程。通過(guò)實(shí)驗(yàn),學(xué)生得到嚴(yán)格的訓(xùn)練,能規(guī)范地掌握人工智能的基本理論和主要方法、基本問(wèn)題求解技術(shù),熟悉各種計(jì)算環(huán)境的基本使用。

在培養(yǎng)學(xué)生掌握實(shí)驗(yàn)的基本操作、基本技能和基本知識(shí)的同時(shí),努力培養(yǎng)學(xué)生的創(chuàng)新意識(shí)與創(chuàng)新能力。為實(shí)現(xiàn)這一目標(biāo),在課程內(nèi)容安排上采用適量基本原理與方法的實(shí)驗(yàn)內(nèi)容為基本內(nèi)容,增加一系列綜合性實(shí)驗(yàn)和開(kāi)放性創(chuàng)新實(shí)驗(yàn)問(wèn)題,在實(shí)驗(yàn)內(nèi)容方面更注重研究性實(shí)驗(yàn)中的創(chuàng)新問(wèn)題。實(shí)驗(yàn)內(nèi)容方面分為三個(gè)層次:基本原理的基礎(chǔ)性實(shí)驗(yàn)、綜合實(shí)驗(yàn)和研究性實(shí)驗(yàn)。在后兩個(gè)層次的實(shí)驗(yàn)中,部分引入人工智能課程小組團(tuán)隊(duì)的最新科研成果,目的在于通過(guò)完成這些研究性實(shí)驗(yàn),培養(yǎng)學(xué)生獨(dú)立解決實(shí)際問(wèn)題的能力,以提升學(xué)生的科研素質(zhì)與創(chuàng)新意識(shí)。我們將這些設(shè)計(jì)實(shí)驗(yàn)稱為新型實(shí)驗(yàn)案例庫(kù),它被放在人工智能課程小組網(wǎng)站上,以此搭建一個(gè)創(chuàng)新實(shí)驗(yàn)和虛擬學(xué)習(xí)社區(qū)平臺(tái)。通過(guò)實(shí)驗(yàn)課程的學(xué)習(xí)和訓(xùn)練,學(xué)生應(yīng)達(dá)到下列要求。

1) 掌握人工智能方法的優(yōu)點(diǎn)及其在實(shí)際中的應(yīng)用。

2) 學(xué)會(huì)對(duì)人工智能問(wèn)題進(jìn)行分析建模和應(yīng)用各種計(jì)算工具實(shí)現(xiàn)問(wèn)題求解,熟悉對(duì)實(shí)驗(yàn)現(xiàn)象的觀察和記錄,實(shí)驗(yàn)數(shù)據(jù)的獲取與設(shè)計(jì),最佳實(shí)驗(yàn)條件的判斷和選擇,實(shí)驗(yàn)結(jié)果的分析和討論等一套嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)方法。

3) 鞏固并加深對(duì)人工智能原理課程的基本原理和概念的理解,培養(yǎng)學(xué)生勤奮學(xué)習(xí),求真求實(shí)的科學(xué)品德,培養(yǎng)學(xué)生的動(dòng)手能力、觀察能力、查閱文獻(xiàn)能力、思維能力、想象能力、表達(dá)能力。

4) 通過(guò)完成綜合研究性實(shí)驗(yàn),培養(yǎng)學(xué)生獨(dú)立解決實(shí)際問(wèn)題的能力,提高學(xué)生的科研素質(zhì)與創(chuàng)新意識(shí)。

在培養(yǎng)學(xué)生掌握實(shí)驗(yàn)的基本操作、基本技能和基本知識(shí)的同時(shí),進(jìn)一步培養(yǎng)學(xué)生分析問(wèn)題和解決問(wèn)題的能力,培養(yǎng)學(xué)生的創(chuàng)新意識(shí)、創(chuàng)新精神和創(chuàng)新能力,為學(xué)生今后從事科研、教學(xué)或企事業(yè)單位的分析檢驗(yàn)以及新技術(shù)的研發(fā)工作打下扎實(shí)的基礎(chǔ)。

在實(shí)驗(yàn)組織方面,根據(jù)各實(shí)驗(yàn)的目的和要求,學(xué)生分為5人1組,指定一個(gè)組長(zhǎng),每組選擇1套實(shí)驗(yàn)題目?；A(chǔ)實(shí)驗(yàn)題目要求達(dá)到27學(xué)時(shí)、綜合性實(shí)驗(yàn)題目選擇1題和研究性實(shí)驗(yàn)題目選擇1題,基礎(chǔ)實(shí)驗(yàn)題目要求在規(guī)定時(shí)間內(nèi),小組獨(dú)立完成實(shí)驗(yàn)測(cè)定、數(shù)據(jù)處理,并撰寫(xiě)實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)過(guò)程中, 要求學(xué)生勤于動(dòng)手, 敏銳觀察, 細(xì)心操作, 開(kāi)動(dòng)腦筋, 分析鉆研問(wèn)題, 準(zhǔn)確記錄原始數(shù)據(jù), 經(jīng)教師檢查,實(shí)驗(yàn)及其原始數(shù)據(jù)記錄才有效。同時(shí),團(tuán)隊(duì)作業(yè),需要多人分工合作、相互幫助,這樣可以提高人際交往和溝通能力,學(xué)會(huì)與他人合作,培養(yǎng)團(tuán)隊(duì)創(chuàng)新能力。

3課程學(xué)習(xí)與畢業(yè)論文,科研訓(xùn)練相結(jié)合

人工智能技術(shù)在一定程度上代表著信息技術(shù)的前沿和未來(lái),通過(guò)學(xué)習(xí)和體驗(yàn)人工智能的知識(shí)和技術(shù),學(xué)生能夠在一定程度上了解信息技術(shù)發(fā)展的前沿知識(shí),這有助學(xué)生開(kāi)闊視野、培養(yǎng)興趣,為今后繼續(xù)深造或走向社會(huì)奠定堅(jiān)實(shí)的基礎(chǔ)[3-4]。

人工智能的理論和方法廣泛應(yīng)用于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、模式識(shí)別、圖像處理中,這些內(nèi)容既是高年級(jí)的后續(xù)課程,又是現(xiàn)在熱門(mén)的研究方向。學(xué)習(xí)和深刻理解人工智能的理論、方法和應(yīng)用,對(duì)后續(xù)課程學(xué)習(xí)以及今后的研究具有重要的意義。

我院規(guī)定大學(xué)三年級(jí)的學(xué)生開(kāi)始聯(lián)系畢業(yè)論文指導(dǎo)導(dǎo)師,同時(shí)確定畢業(yè)論文的研究方向,提前進(jìn)行科研實(shí)踐,以培養(yǎng)實(shí)踐能力和研究素質(zhì)。人工智能課程正好是大三高年級(jí)開(kāi)設(shè)的專業(yè)課,因此,我們把課程實(shí)驗(yàn)及設(shè)計(jì)與同學(xué)的興趣相結(jié)合,引導(dǎo)學(xué)生,并提煉和形成學(xué)生的畢業(yè)選題和課外的科研方向,它是提高本科生研究創(chuàng)新能力的有效手段。

基于新的教學(xué)實(shí)踐,很多學(xué)生的選題都與上述歸納的人工智能若干算法相關(guān),如算法本身的研究和改進(jìn),或是算法在各領(lǐng)域,如數(shù)據(jù)挖掘、圖像處理等的應(yīng)用。在我們的科研能力訓(xùn)練計(jì)劃中,一批項(xiàng)目和課題,如混合神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用、差分演化算法研究與應(yīng)用、基于協(xié)同訓(xùn)練的推薦系統(tǒng)等,分別受到國(guó)家和學(xué)校本科生科研項(xiàng)目立項(xiàng)資助。一批三四年級(jí)的本科生以第一作者身份在國(guó)內(nèi)核心期刊、國(guó)際會(huì)議和期刊上發(fā)表學(xué)術(shù)論文,這激發(fā)了學(xué)生的科研興趣,使學(xué)生體會(huì)到了創(chuàng)新的樂(lè)趣。

總之,課程學(xué)習(xí)與畢業(yè)論文、學(xué)校大學(xué)生科研項(xiàng)目資助計(jì)劃、國(guó)家大學(xué)生創(chuàng)新性實(shí)驗(yàn)計(jì)劃相對(duì)接的科研訓(xùn)練,極大地提升了學(xué)生的創(chuàng)新能力和科研基本素質(zhì)。

4結(jié)語(yǔ)

針對(duì)人工智能的課程特點(diǎn),我們積極開(kāi)展研究型教學(xué)、研究型學(xué)習(xí),提高大學(xué)生的學(xué)習(xí)能力、實(shí)踐能力和創(chuàng)新能力的研究與實(shí)踐。我們的教學(xué)研究與實(shí)踐主要內(nèi)容包括三個(gè)方面:啟發(fā)式傳授人工智能解決問(wèn)題的非結(jié)構(gòu)化的思想;成體系的實(shí)驗(yàn)訓(xùn)練;以及與畢業(yè)論文、學(xué)校大學(xué)生科研項(xiàng)目資助計(jì)劃、國(guó)家大學(xué)生創(chuàng)新性實(shí)驗(yàn)計(jì)劃相對(duì)接的科研訓(xùn)練。這三個(gè)主要方面,層層遞進(jìn)、環(huán)環(huán)相扣,是體系完整的創(chuàng)新型人工智能教學(xué)實(shí)踐,新的改革和實(shí)踐在教學(xué)中取得了令人滿意效果。

參考文獻(xiàn):

[1] 張劍平. 關(guān)于人工智能教育的思考[J]. 電化教育研究,2003(1):24-28.

[2] 謝昆青. 第一個(gè)智能科學(xué)技術(shù)專業(yè)[J]. 計(jì)算機(jī)教育,2009(11):16-20.

[3] 羅輝,梁艷春. 大學(xué)生畢業(yè)論文與科研能力培養(yǎng)及就業(yè)[J]. 吉林教育,2003(10):18.

[4] 金聰,劉金安. 人工智能教育在能力培養(yǎng)中的作用及改革設(shè)想[J]. 計(jì)算機(jī)時(shí)代,2006(9):66-69.

Reform and Practice of Innovative Teaching in Artificial Intelligence

WANG Jia-hai, YIN Jian, LING Ying-biao

(Department of Computer Science, Sun Yat-sen University, Guangzhou 510006, China)

篇(4)

關(guān)鍵詞：人工智能;電氣;自動(dòng)化

人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法 技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支 它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機(jī)器．該領(lǐng)域的研究包括機(jī)器人．語(yǔ)言識(shí)別、圖像識(shí)別 自然語(yǔ)言處理和專家系統(tǒng)等。電氣自動(dòng)化是研究與電氣工程有關(guān)的系統(tǒng)運(yùn)行、自動(dòng)控制，電力電子技術(shù)、信息處理、試驗(yàn)分析 研制開(kāi)發(fā)以及電子與計(jì)算機(jī)應(yīng)用等領(lǐng)域的一門(mén)學(xué)科。實(shí)現(xiàn)機(jī)械的自動(dòng)化，讓機(jī)械部份脫離人類的直接控制和操作自動(dòng)實(shí)現(xiàn)某些過(guò)程是電氣自動(dòng)化和人工智能研究的交匯點(diǎn)。積極運(yùn)用人工智能的新成果無(wú)疑有利于電氣自動(dòng)化學(xué)科特別是自動(dòng)控制領(lǐng)域的發(fā)展．也有利于提高電氣設(shè)各運(yùn)行的智能化水平．對(duì)改造電氣設(shè)備系統(tǒng)，增強(qiáng)控制系統(tǒng)穩(wěn)定性．加快生產(chǎn)效率都有重大意義。

1、人工智能應(yīng)用理論分析

人工智能(Artificial Intelligence)，英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬，延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)．并生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機(jī)器 該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別 自然語(yǔ)言處理和專家系統(tǒng)等。自從1956年“人工智能 一詞在Dartmouth學(xué)會(huì)上提出以后，人工智能研究飛速發(fā)展，成為以計(jì)算機(jī)為主．涉及信息論．控制論， 自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語(yǔ)言學(xué)、醫(yī)學(xué)和哲學(xué)的一門(mén)學(xué)科。人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜的工作。

當(dāng)今社會(huì)，計(jì)算機(jī)技術(shù)已經(jīng)滲透到生產(chǎn)生活的方方面面．計(jì)算機(jī)編程技術(shù)的日新月異催生自動(dòng)化生產(chǎn)，運(yùn)輸 傳播的快速發(fā)展。人腦是最精密的機(jī)器，編程也不過(guò)是簡(jiǎn)單的模仿人腦的收集、分析、交換、處理、回饋．所以模仿模擬人腦的機(jī)能將是實(shí)現(xiàn)自動(dòng)化的主要途徑。電氣自動(dòng)化控制是增強(qiáng)生產(chǎn)．流通、交換、分配等關(guān)鍵一環(huán)．實(shí)現(xiàn)自動(dòng)化，就等于減少了人力資本投入，并提高了運(yùn)作的效率。

2、人工智能控制器的優(yōu)勢(shì)

不同的人工智能控制通常用完全不同的方法去討論。但Al控制器例如：神經(jīng)、模糊、模糊神經(jīng)以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解．也有利于控制策略的統(tǒng)一開(kāi)發(fā)。這些Al函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢(shì)．這些優(yōu)勢(shì)如下：

(1)它們的設(shè)計(jì)不需要控制對(duì)象的模型(在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的精確動(dòng)態(tài)方程，實(shí)際控制對(duì)象的模型在控制器設(shè)計(jì)時(shí)往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時(shí)，往往不知道)。

(2)通過(guò)適當(dāng)調(diào)整(根據(jù)響應(yīng)時(shí)間 下降時(shí)間、魯棒性能等)它們能提高性能。例如模糊邏輯控制器的上升時(shí)間比最優(yōu)PID控制器快1.5倍 ，下降時(shí)間快3.5倍， 過(guò)沖更小。

(3)它們比古典控制器的調(diào)節(jié)容易。

(4)在沒(méi)有必須專家知識(shí)時(shí)．通過(guò)響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。

(5)運(yùn)用語(yǔ)言和響應(yīng)信息可能設(shè)計(jì)它們。

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器、規(guī)則庫(kù)和隸屬函數(shù)在模糊化和反模糊化過(guò)程中能夠自動(dòng)地實(shí)時(shí)確定。有很多方法來(lái)實(shí)現(xiàn)這個(gè)過(guò)程，但主要的目標(biāo)是使用系統(tǒng)技術(shù)實(shí)現(xiàn)穩(wěn)定的解，并且找到最簡(jiǎn)單的拓樸結(jié)構(gòu)配置．自學(xué)習(xí)迅速，收斂快速。

3、人工智能的應(yīng)用現(xiàn)狀

隨著人工智能技術(shù)的發(fā)展，許多高等院校及科研機(jī)構(gòu)就人工智能在電氣設(shè)備的應(yīng)用方面展開(kāi)了研究工作，如將人工智能用于電氣產(chǎn)品優(yōu)化設(shè)計(jì)，故障預(yù)測(cè)及診斷、控制與保護(hù)等領(lǐng)域。

3.1 優(yōu)化設(shè)計(jì)

電氣設(shè)備的設(shè)計(jì)是一項(xiàng)復(fù)雜的工作 它不僅要應(yīng)用電路、電磁場(chǎng)、電機(jī)電器等學(xué)科的知識(shí)，還要大量運(yùn)用設(shè)計(jì)中的經(jīng)驗(yàn)性知識(shí)。傳統(tǒng)的產(chǎn)品設(shè)計(jì)是采用簡(jiǎn)單的實(shí)驗(yàn)手段和根據(jù)經(jīng)驗(yàn)用手工的方式進(jìn)行的．因此很難獲得最優(yōu)方案。隨著計(jì)算機(jī)技術(shù)的發(fā)展，電氣產(chǎn)品的設(shè)計(jì)從手工逐漸轉(zhuǎn)向計(jì)算機(jī)輔助設(shè)計(jì)(CAD)，大大縮短了產(chǎn)品開(kāi)發(fā)周期。人工智能的引進(jìn)．使傳統(tǒng)的CAD技術(shù)如虎添翼．產(chǎn)品設(shè)計(jì)的效率及質(zhì)量得到全面提高。用于優(yōu)化設(shè)計(jì)的人工智能技術(shù)主要有遺傳算法和專家系統(tǒng)。遺傳算法是一種比較先進(jìn)的優(yōu)化算法，非常適合于產(chǎn)品優(yōu)化設(shè)計(jì)。因此電氣產(chǎn)品人工智能優(yōu)化設(shè)計(jì)大部分采用此種方法或其改進(jìn)方法。

3.2 故障診斷

電氣設(shè)備的故障與其征兆之間的關(guān)系錯(cuò)綜復(fù)雜，具有不確定性及非線性．用人工智能方法恰好能發(fā)揮其優(yōu)勢(shì)。已用于電氣設(shè)備故障診斷的人工智能技術(shù)有：模糊邏輯、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)。

變壓器由于在電力系統(tǒng)中的特殊地位而備受關(guān)注，有關(guān)方面的研究論文較多。目前對(duì)變壓器進(jìn)行故障診斷最常用的方法是對(duì)變壓器油中分解的氣體進(jìn)行分析．從而判斷變壓器的故障程度。人工智能故障診斷技術(shù)在發(fā)電機(jī)及電動(dòng)機(jī)方面的研究工作也較為活躍。

3.3 智能控制

人工智能控制技術(shù)在自動(dòng)控制領(lǐng)域的研究與應(yīng)用已廣泛展開(kāi)．但在電氣設(shè)備控制領(lǐng)域所見(jiàn)報(bào)道不多?？捎糜诳刂频娜斯ぶ悄芊椒ㄖ饕?種：模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制。由于模糊控制是其中最為簡(jiǎn)單、最具實(shí)際意義的方法．因而它的應(yīng)用實(shí)例最多。

篇(5)

人工智能在醫(yī)療領(lǐng)域的廣泛應(yīng)用價(jià)值

目前，人工智能在醫(yī)療領(lǐng)域的研究成果頻出，人工智能應(yīng)用醫(yī)療領(lǐng)域已是大勢(shì)所趨。各個(gè)科技巨頭都相繼布局人工智能醫(yī)療行業(yè)。對(duì)人工智能在醫(yī)療的應(yīng)用主要基于多方面的客觀現(xiàn)實(shí)：比如優(yōu)質(zhì)醫(yī)療資源供給不足，成本高，醫(yī)生培養(yǎng)周期長(zhǎng)，誤診率高，疾病譜變化快，技術(shù)日新月異；此外，隨著人口老齡化加劇和慢性疾病發(fā)病率的增長(zhǎng)，人們對(duì)健康重視程度普遍提高，醫(yī)療服務(wù)需求也在持續(xù)增加。

人工智能結(jié)合醫(yī)學(xué)應(yīng)用有非常多的益處，可以讓患者、醫(yī)師和醫(yī)療體系均受益。比如對(duì)于患者來(lái)說(shuō)，可以更快速地健康z(mì)查，獲得更為精準(zhǔn)的診斷結(jié)果和更好的個(gè)性化治療方案建議；對(duì)于醫(yī)師來(lái)講，則可以消減診斷時(shí)間，降低誤診的概率并對(duì)可能的治療方案的副作用提前知曉；對(duì)于醫(yī)療體系來(lái)說(shuō)，人工智能則可以提高各種準(zhǔn)確率，同時(shí)系統(tǒng)性降低醫(yī)療成本。

據(jù)悉，人工智能在智能診療、智能影像識(shí)別、智能藥物研發(fā)和智能健康管理等方面都有廣泛的應(yīng)用價(jià)值。

比如在智能診療方面，就是讓計(jì)算機(jī)“學(xué)習(xí)”專家醫(yī)生的醫(yī)療知識(shí)，模擬醫(yī)生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療場(chǎng)景是人工智能在醫(yī)療領(lǐng)域最重要、也最核心的應(yīng)用場(chǎng)景。谷歌宣布已嘗試將其面向消費(fèi)者的機(jī)器學(xué)習(xí)能力應(yīng)用到醫(yī)療保健領(lǐng)域中。今年谷歌的人工智能算法在乳腺癌診斷上也表現(xiàn)出了很高準(zhǔn)確度；蘋(píng)果公司最近收購(gòu)了Lattice，該公司在開(kāi)發(fā)醫(yī)療診斷應(yīng)用的算法方面具有很強(qiáng)能力。

在智能影像識(shí)別方面，人工智能的應(yīng)用主要分為兩部分：一是圖像識(shí)別，應(yīng)用于感知環(huán)節(jié)，其主要目的是將影像進(jìn)行分析，獲取一些有意義的信息；二是深度學(xué)習(xí)，應(yīng)用于學(xué)習(xí)和分析環(huán)節(jié)，通過(guò)大量的影像數(shù)據(jù)和診斷數(shù)據(jù)，不斷對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)訓(xùn)練，促使其掌握診斷能力。作為醫(yī)生，從一個(gè)大的圖像如CT、核磁共振圖像判斷一個(gè)非常小的陰影，是腫瘤是炎癥還是其他原因，需要很多經(jīng)驗(yàn)。如果通過(guò)大數(shù)據(jù)，通過(guò)智能醫(yī)療，就能夠迅速得出比較準(zhǔn)確的判斷。

在智能藥物研發(fā)方面，則是將人工智能中的深度學(xué)習(xí)技術(shù)應(yīng)用于藥物研究，通過(guò)大數(shù)據(jù)分析等技術(shù)手段快速、準(zhǔn)確地挖掘和篩選出合適的化合物或生物，達(dá)到縮短新藥研發(fā)周期、降低新藥研發(fā)成本、提高新藥研發(fā)成功率的目的。人工智能通過(guò)計(jì)算機(jī)模擬，可以對(duì)藥物活性、安全性和副作用進(jìn)行預(yù)測(cè)。目前借助深度學(xué)習(xí)，人工智能已在心血管藥、抗腫瘤藥和常見(jiàn)傳染病治療藥等多領(lǐng)域取得了新突破，在抗擊埃博拉病毒中智能藥物研發(fā)也發(fā)揮了重要的作用。

在智能健康管理方面，則可以將人工智能技術(shù)應(yīng)用到健康管理的很多場(chǎng)景中。目前主要集中在風(fēng)險(xiǎn)識(shí)別、虛擬護(hù)士、精神健康、在線問(wèn)診、健康干預(yù)以及基于精準(zhǔn)醫(yī)學(xué)的健康管理。比如通過(guò)獲取信息并運(yùn)用人工智能技術(shù)進(jìn)行分析，識(shí)別疾病發(fā)生的風(fēng)險(xiǎn)及提供降低風(fēng)險(xiǎn)的措施。計(jì)算機(jī)還能收集病人的飲食習(xí)慣、鍛煉周期、服藥習(xí)慣等個(gè)人生活習(xí)慣信息，運(yùn)用人工智能技術(shù)進(jìn)行數(shù)據(jù)分析并評(píng)估病人整體狀態(tài)，協(xié)助規(guī)劃日常生活。在精神健康領(lǐng)域，計(jì)算機(jī)可運(yùn)用人工智能技術(shù)從語(yǔ)言、表情、聲音等數(shù)據(jù)進(jìn)行情感識(shí)別。在健康干預(yù)層面，計(jì)算機(jī)則可以運(yùn)用AI對(duì)用戶體征數(shù)據(jù)進(jìn)行分析，定制健康管理計(jì)劃。

從IBM Watson的發(fā)展看醫(yī)學(xué)人工智能的未來(lái)

目前國(guó)內(nèi)外已經(jīng)有很多高科技企業(yè)將認(rèn)知計(jì)算和深度學(xué)習(xí)等先進(jìn)AI技術(shù)用于醫(yī)療領(lǐng)域，并出現(xiàn)了很多產(chǎn)品，其中以IBM的“沃森醫(yī)生”（IBM Watson）最有代表性。IBM Watson作為該領(lǐng)域中的翹楚，隨著人工智能技術(shù)的逐漸成熟，在2016年開(kāi)始放開(kāi)手腳，以腫瘤診斷為重心，開(kāi)始在慢病管理、精準(zhǔn)醫(yī)療、體外檢測(cè)等九大醫(yī)療領(lǐng)域中實(shí)現(xiàn)突破，逐步實(shí)現(xiàn)人工智能作為一種新型工具在醫(yī)療領(lǐng)域的獨(dú)特價(jià)值。

沃森是2007年由IBM公司開(kāi)發(fā)的，IBM Watson具備了自然語(yǔ)言處理、信息檢索、知識(shí)表示、自動(dòng)推理、機(jī)器學(xué)習(xí)等能力，能夠快速搜索分析非結(jié)構(gòu)化的數(shù)據(jù)，獲取想要的結(jié)果。2015年，日本東京大學(xué)醫(yī)學(xué)院研究所最初的診斷結(jié)果，確診一位60歲的日本女性患了急髓白血病，但在經(jīng)歷各種療法后，效果都不明顯。無(wú)奈之下，研究所只好求助IBM Watson，而IBM Watson則通過(guò)對(duì)比2000萬(wàn)份癌癥研究論文，分析了數(shù)千個(gè)基因突變，最終確診這位60歲的日本女性患有一種罕見(jiàn)的白血病，并提供了適當(dāng)?shù)闹委煼桨?。整個(gè)過(guò)程IBM Watson只用了短短10分鐘。

自2012年羅睿蘭接手IBM開(kāi)始，IBM公司發(fā)展方向與業(yè)務(wù)架構(gòu)就一直在進(jìn)行根本性調(diào)整。傳統(tǒng)硬件與系統(tǒng)軟件業(yè)務(wù)地位不斷退后，而云計(jì)算、網(wǎng)絡(luò)安全、數(shù)據(jù)分析與人工智能成為了公司現(xiàn)金流的核心投放領(lǐng)域。現(xiàn)在的IBM正在轉(zhuǎn)型為一家認(rèn)知計(jì)算和云平臺(tái)的公司。其中在醫(yī)學(xué)人工智能的優(yōu)勢(shì)也越來(lái)越明顯。

IBM Watson首先進(jìn)入的領(lǐng)域是復(fù)雜的癌癥診斷和治療領(lǐng)域，這也是目前全世界醫(yī)學(xué)界聚焦的重點(diǎn)。Watson的第一步商業(yè)化運(yùn)作就是通過(guò)和紀(jì)念斯隆?凱特琳癌癥中心進(jìn)行合作，共同訓(xùn)練IBM Watson腫瘤解決方案（Watson for Oncology）。癌癥專家在Watson上輸入了紀(jì)念斯隆?凱特琳癌癥中心的大量病歷研究信息進(jìn)行訓(xùn)練。在此期間，該系統(tǒng)的登入時(shí)間共計(jì)1.5萬(wàn)小時(shí)，一支由醫(yī)生和研究人員組成的團(tuán)隊(duì)一起上傳了數(shù)千份病人的病歷，近500份醫(yī)學(xué)期刊和教科書(shū)，1500萬(wàn)頁(yè)的醫(yī)學(xué)文獻(xiàn)，把Watson訓(xùn)練成了一位杰出的“腫瘤醫(yī)學(xué)專家”。隨后該系統(tǒng)被Watson Health部署到了許多頂尖的醫(yī)療機(jī)構(gòu)，如克利夫蘭診所和MD安德森癌癥中心，提供基于證據(jù)的醫(yī)療決策系統(tǒng)。

相繼攻克肺癌、乳腺癌、結(jié)腸癌、直腸癌后，2015年7月IBM Watson for Oncology成為IBM Watson health的首批商用項(xiàng)目之一，正式將上述四個(gè)癌種的腫瘤解決方案進(jìn)入商用。2016年8月IBM宣布已經(jīng)完成了對(duì)胃癌輔助治療的訓(xùn)練，并正式推出使用。此外沃森還在2016年11月訓(xùn)練完上線了宮頸癌的服務(wù)。

目前IBM Watson腫瘤解決方案已經(jīng)進(jìn)入中國(guó)。2016年12月，浙江省中醫(yī)院聯(lián)合思創(chuàng)醫(yī)惠、杭州認(rèn)知三方共同宣布成立沃森聯(lián)合會(huì)診中心，三方將合作開(kāi)展IBM Watson for Oncology服務(wù)內(nèi)容的長(zhǎng)期合作，這是自IBM Watson for Oncology引入中國(guó)以來(lái)，首家正式宣布對(duì)外提供服務(wù)的Watson聯(lián)合會(huì)診中心，意味著中國(guó)醫(yī)療行業(yè)將開(kāi)啟一個(gè)新型人工智能輔助診療時(shí)代。目前Watson可以為肺癌、乳腺癌、直腸癌、結(jié)腸癌、胃癌和宮頸癌6種癌癥提供咨詢服務(wù)，2017年將會(huì)擴(kuò)展到8-12個(gè)癌種。在醫(yī)生完成癌癥類型、病人年齡、性別、體重、疾病特征和治療情況等信息輸入后，沃森能夠在幾秒鐘內(nèi)反饋多條治療建議。

此外，IBM Watson還與輝瑞達(dá)成了一項(xiàng)新協(xié)議，會(huì)將前者的超級(jí)計(jì)算能力用于癌癥藥物研發(fā)。輝瑞將用上Watson for Drug Discovery的機(jī)器學(xué)習(xí)、自然語(yǔ)言處理及其它認(rèn)知推理能力，用于免疫腫瘤學(xué)（Immuno-oncology）中的新藥物識(shí)別，聯(lián)合療法和患者選擇策略。由于免疫腫瘤學(xué)的未來(lái)在于針對(duì)獨(dú)特腫瘤特征的組合，這會(huì)改變癌癥治療方式。而在藥物研發(fā)中利用Watson的認(rèn)知能力，可以更快地為患者帶來(lái)可能的新免疫腫瘤治療。

毫無(wú)疑問(wèn)，人工智能將會(huì)成為未來(lái)IBM的成長(zhǎng)引擎。沃森目前已經(jīng)不僅僅滿足于涉及糖尿病等慢病、大健康、醫(yī)療影像、體外檢測(cè)、精準(zhǔn)醫(yī)療、機(jī)器人、疾病研究治療這幾個(gè)領(lǐng)域，未來(lái)，沃森的觸角還會(huì)伸到醫(yī)療的其他行業(yè)，為整個(gè)醫(yī)療行業(yè)服務(wù)。

中國(guó)版小小“沃森”不斷面世

與IBM Watson十年的發(fā)展軌跡不同，中國(guó)在醫(yī)學(xué)人工智能領(lǐng)域的發(fā)展屬于追趕者。由于中國(guó)沒(méi)有統(tǒng)一的醫(yī)療數(shù)據(jù)格式以及數(shù)據(jù)孤島的隔離，中國(guó)在醫(yī)學(xué)人工智能I域投放的資源相對(duì)要少很多。不過(guò)這并不妨礙國(guó)人對(duì)其發(fā)展的熱情。在智能影像識(shí)別和診斷方面，中國(guó)已經(jīng)出現(xiàn)了若干版本的小小“沃森”，他們的功能雖然沒(méi)有IBM Watson那么強(qiáng)大，但也在各個(gè)領(lǐng)域顯示出獨(dú)特的應(yīng)用價(jià)值。

浙江德尚韻興圖像科技有限公司是由浙江大學(xué)知名專家和珠海和佳醫(yī)療設(shè)備股份有限公司共同投資成立一家高科技公司。浙江德尚韻興利用深度學(xué)習(xí)處理超聲影像，同時(shí)加入旋轉(zhuǎn)不變性等現(xiàn)代數(shù)學(xué)的概念，形成了“DE-超聲機(jī)器人”。該機(jī)器人算法借助計(jì)算機(jī)視覺(jué)技術(shù)，可以對(duì)甲狀腺B超快速掃描分析，圈出結(jié)節(jié)區(qū)域，并給出良性與惡性的判斷，大大節(jié)省了醫(yī)生的診斷時(shí)間。一般來(lái)說(shuō)，人類醫(yī)生的準(zhǔn)確率為60%-70%，而當(dāng)下算法的準(zhǔn)確率已經(jīng)達(dá)到85%。

據(jù)悉，人體甲狀腺結(jié)節(jié)已成常見(jiàn)病，如果不加重視，甲狀腺結(jié)節(jié)可能會(huì)發(fā)生惡變，進(jìn)而發(fā)展成癌癥，危及生命。但由于個(gè)體化差異，目前三甲醫(yī)院甲狀腺結(jié)節(jié)的診斷準(zhǔn)確率平均也只有60%，如果不做活檢，不同醫(yī)生對(duì)同一張片子可能會(huì)做出不同判斷。而超聲機(jī)器人的出現(xiàn)，不僅能輔助醫(yī)生做出精準(zhǔn)判斷，還能縮短病人就醫(yī)時(shí)間，提升醫(yī)療效率。目前“DE-超聲機(jī)器人”已經(jīng)在浙江大學(xué)第一附屬醫(yī)院、中國(guó)電子科技集團(tuán)公司第五十五所職工醫(yī)院和杭州下城區(qū)社區(qū)醫(yī)院臨床應(yīng)用，一年病例達(dá)到8萬(wàn)多，準(zhǔn)確率達(dá)86%以上。

2017年2月，中山大學(xué)中山眼科中心劉奕志教授領(lǐng)銜中山大學(xué)聯(lián)合西安電子科技大學(xué)的研究團(tuán)隊(duì)，利用深度學(xué)習(xí)算法，建立了“CC-Cruiser先天性白內(nèi)障人工智能平臺(tái)”。該人工智能程序模擬人腦，對(duì)大量的先天性白內(nèi)障圖片進(jìn)行分析和深度學(xué)習(xí)，不斷反饋提高診斷的準(zhǔn)確性。將該程序嵌入云平臺(tái)后，通過(guò)云平臺(tái)上傳圖片，即可獲得先天性白內(nèi)障的診斷、風(fēng)險(xiǎn)評(píng)估和治療方案。

據(jù)悉，先天性白內(nèi)障是一種嚴(yán)重威脅兒童視力的疑難罕見(jiàn)病。中山眼科中心有全球最大的先天性白內(nèi)障隊(duì)列（隊(duì)列人數(shù)近2000名），基于該隊(duì)列開(kāi)展了一系列嚴(yán)謹(jǐn)?shù)难芯浚e累了大量高質(zhì)量的先天性白內(nèi)障臨床數(shù)據(jù)。中山大學(xué)眼科中心于2017年4月設(shè)立“人工智能應(yīng)用門(mén)診”，由人工智能云平臺(tái)輔助臨床醫(yī)師進(jìn)行診療。在人工智能門(mén)診就診的患者，除接受常規(guī)診療外，其檢查數(shù)據(jù)即時(shí)同步到CC-Cruiser云平臺(tái)，同時(shí)享受由人工智能機(jī)器人提供的“專家級(jí)”診療。目前CC-Cruiser已在3家協(xié)作醫(yī)院完成臨床試點(diǎn)應(yīng)用，并取得理想效果。此外，中山眼科中心已經(jīng)連接了、新疆、云南、青海等邊遠(yuǎn)省區(qū)上百家基層醫(yī)院，每天有大量眼科檢查數(shù)據(jù)上傳云平臺(tái)請(qǐng)求專家協(xié)助診斷。在醫(yī)學(xué)人工智能應(yīng)用場(chǎng)景下，病例以及圖像數(shù)據(jù)將首先通過(guò)人工智能程序進(jìn)行初審，再由專家復(fù)核，效率將提升70%以上，極大提高了專家協(xié)診效率。

2017年5月，丁香園、中南大學(xué)湘雅二醫(yī)院和大拿科技共同宣布就皮膚病人工智能輔助診斷達(dá)成獨(dú)家戰(zhàn)略合作，并了國(guó)內(nèi)首個(gè)“皮膚病人工智能輔助診斷系統(tǒng)”。資料顯示，系統(tǒng)性紅斑狼瘡是一種慢性自身免疫性疾病，屬于風(fēng)濕性疾病中的彌漫性結(jié)締組織病，可引起全身多個(gè)臟器受累，包括皮膚、關(guān)節(jié)、腎臟、血液等。如何精準(zhǔn)診斷系統(tǒng)性紅斑狼瘡，一直是困擾各國(guó)科學(xué)家的世界醫(yī)學(xué)難題。

目前三方合作研發(fā)出的是紅斑狼瘡人工智能輔助診斷模型，該模型對(duì)紅斑狼瘡各種亞型及其鑒別診斷疾病能進(jìn)行有效區(qū)分，識(shí)別準(zhǔn)確率超過(guò)85%。據(jù)悉，該系統(tǒng)一方面是面向皮膚科醫(yī)生，醫(yī)生通過(guò)APP，把圖像傳到系統(tǒng)以后，系統(tǒng)提示最有可能的皮膚病類型，然后建立皮膚病電子百科全書(shū)，通過(guò)百科全書(shū)再去學(xué)習(xí)，輔助臨床診斷；另一方面是面向患者，系統(tǒng)提供圖片鑒別和導(dǎo)診意見(jiàn)。據(jù)悉，該系統(tǒng)第一期主要實(shí)現(xiàn)以紅斑狼瘡為代表的皮膚病人工智能輔助診斷，下一步將“滲透”到其他醫(yī)療機(jī)構(gòu)，并將開(kāi)放患者端服務(wù)。

醫(yī)學(xué)人工智能真正落地

需要全產(chǎn)業(yè)鏈配合

專家指出，要真正實(shí)現(xiàn)醫(yī)療產(chǎn)業(yè)的人工智能化，僅靠單方面的力量難以實(shí)現(xiàn)，這需要依托全產(chǎn)業(yè)鏈包括醫(yī)療主管部門(mén)、醫(yī)療機(jī)構(gòu)的參與和信息化服務(wù)商等各個(gè)環(huán)節(jié)的共同努力。

比如像前文所述的甲狀腺結(jié)節(jié)、紅斑狼瘡、先天性白內(nèi)障的診斷，都要依靠形態(tài)學(xué)的圖像數(shù)據(jù)，這些在皮膚病和病理科特別常見(jiàn)，所以人工智能的優(yōu)勢(shì)在此可以得到充分體現(xiàn)。訓(xùn)練一個(gè)好的皮膚科醫(yī)生可能要十年，把人工智能引進(jìn)后，可以大大縮短時(shí)間。但是醫(yī)學(xué)人工智能研發(fā)成本高、數(shù)據(jù)獲取難、尚未深入診療核心等成為阻礙其真正落地的因素。

人工智能技術(shù)形成產(chǎn)品，最重要是要有大量高質(zhì)量的數(shù)據(jù)。深度學(xué)習(xí)靠的是“吃透”大量樣本。但目前大部分醫(yī)療機(jī)構(gòu)并不愿公開(kāi)數(shù)據(jù)。比如前文介紹的德尚韻興，為了收集數(shù)據(jù)，嘗試通過(guò)多個(gè)渠道，有社區(qū)檢查，有付費(fèi)志愿者，也有試點(diǎn)醫(yī)院。最后該公司收集了兩三萬(wàn)張超聲圖像，不嗟厥淙胂低持脅瘧Vち蘇鋃獻(xiàn)既仿試85%以上。該公司負(fù)責(zé)人也評(píng)價(jià)到，如果樣本量能提高一倍，診斷準(zhǔn)確率還有較大的提升空間。

在獲取高質(zhì)量的醫(yī)療數(shù)據(jù)方面，國(guó)內(nèi)醫(yī)院在過(guò)去信息化程度不高，數(shù)據(jù)雖然多，但相對(duì)雜亂，使用難度大。如何找到合適的切入點(diǎn)，并快速獲取數(shù)據(jù)會(huì)是一個(gè)很高的門(mén)檻。同時(shí)，醫(yī)院信息孤島現(xiàn)象長(zhǎng)期存在，各個(gè)醫(yī)療機(jī)構(gòu)的數(shù)據(jù)尚未實(shí)現(xiàn)互聯(lián)互通。這一局面則逐步從政策層面迎來(lái)破冰。去年6月，國(guó)務(wù)院公布了《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)》，明確指出健康醫(yī)療大數(shù)據(jù)是國(guó)家重要的基礎(chǔ)性戰(zhàn)略資源，需要規(guī)范和推動(dòng)健康醫(yī)療大數(shù)據(jù)融合共享、開(kāi)放應(yīng)用。但該政策的真正落地依然需要時(shí)間。

篇(6)

1936年人工智能之父提出人工智能這個(gè)概念，為人工智能乃至現(xiàn)代信息科技奠定了基礎(chǔ)。

1958年，10位美國(guó)年輕的學(xué)者在一起研討，正式提出人工智能這個(gè)概念。

人工智能經(jīng)過(guò)了60年曲折的發(fā)展，有過(guò)令人興奮激動(dòng)的時(shí)刻，也有令人非常沮喪的時(shí)刻，現(xiàn)在到了一個(gè)新的，這是沒(méi)有異議的。

特別值得一提的是，專用人工智能領(lǐng)域取得了突破性進(jìn)展，今年，阿爾法狗是標(biāo)志性之一，包括競(jìng)賽性能的不斷提高，特別是在測(cè)試中已經(jīng)超越人。

新版的人型機(jī)器非常的震撼人心，在地面上走，盡管歪歪扭扭，但走得還很穩(wěn)；還有自動(dòng)駕駛汽車(chē)，在雪地里，也可以走得很好；語(yǔ)音識(shí)別，這是科達(dá)訊飛一個(gè)典型的語(yǔ)音識(shí)別的例子，效果非常好；人臉識(shí)別，盡管還有一些挑戰(zhàn)，但是這幾年還是不錯(cuò)的。

專用人工智能確實(shí)取得了突破性的進(jìn)展，但人工智能的研究與應(yīng)用依然任重道遠(yuǎn)，要在通用人工智能方面取得巨大突破還需要盡洪荒之力，曾經(jīng)有四句話描寫(xiě)了人工智能目前的水平，有智能沒(méi)智慧，有智商沒(méi)情商，會(huì)計(jì)算不會(huì)算計(jì)，有專才無(wú)通才。

另外，人工智能產(chǎn)業(yè)化應(yīng)用也有了很好的發(fā)展，2015年全球人工智能市場(chǎng)規(guī)模為1270億美元，今年預(yù)計(jì)1650億美元，到2018年預(yù)計(jì)超過(guò)2000億美元，發(fā)展非常之快。目前，人工智能已經(jīng)上升到國(guó)家戰(zhàn)略高度。過(guò)去一年人工智能領(lǐng)域的十件大事

過(guò)去的一年里，人工智能領(lǐng)域有很多新的變化。

第一項(xiàng)，阿爾法狗。

第二項(xiàng)，各國(guó)政府高度重視人工智能發(fā)展，包括今年5月份美國(guó)白宮舉行的4場(chǎng)研討會(huì)。

第三項(xiàng)，IBM類腦超級(jí)計(jì)算機(jī)平臺(tái)，是基于前幾年的芯片。

第四項(xiàng)，軟銀320億美元收購(gòu)ARM，這是很大的收購(gòu)。

第五項(xiàng)，谷歌、facebook等開(kāi)源人工智能基礎(chǔ)平臺(tái)反映了一個(gè)趨勢(shì)和動(dòng)向。

第六項(xiàng)，創(chuàng)建公益性的人工智能機(jī)構(gòu)OpenAI。

第七項(xiàng)，在學(xué)術(shù)方面，Science發(fā)表Bayesian Program 論文。

第八項(xiàng)，微軟深層殘差網(wǎng)絡(luò)奪冠2015年ImagnNet。

第九項(xiàng)，谷歌量子計(jì)算機(jī)取得重要突破，為人工智能計(jì)算搭建了一個(gè)平臺(tái)。

第十項(xiàng)，劍橋大學(xué)成立了人工智能倫理研究所。

怎樣通過(guò)這個(gè)標(biāo)志性事件看目前人工智能發(fā)展的狀態(tài)，我將其概括成十段話。

人工智能十大趨勢(shì)動(dòng)態(tài)

第一，人工智能熱潮全球化，從東方到西方，從發(fā)達(dá)國(guó)家到發(fā)展中國(guó)家，從大國(guó)到小國(guó)，都掀起了熱潮。

第二，產(chǎn)業(yè)競(jìng)爭(zhēng)白熱化。

第三，投資并購(gòu)密集化，過(guò)去一年的收購(gòu)、投資，數(shù)不勝數(shù)。

第四，人工智能應(yīng)用普適化，開(kāi)始向各個(gè)領(lǐng)域滲透。

第五，人工智能的服務(wù)專業(yè)化，一個(gè)是研究通用化的人工智能，一個(gè)是專業(yè)化的人工智能。

第六，基礎(chǔ)平臺(tái)開(kāi)源化，包括IBM、谷歌開(kāi)源的平臺(tái)，是過(guò)去一年特別明顯的一個(gè)新的特征。

第七，關(guān)鍵技術(shù)硬件化，包括IBM的類腦計(jì)算平臺(tái)。

第八，技術(shù)方法集成化，單一的人工智能計(jì)算理論和方法不可能包打天下，集成創(chuàng)新勢(shì)在必行，阿爾法狗里集成了很多。

第九，學(xué)科創(chuàng)新協(xié)同化，多學(xué)科跨界融合交叉協(xié)同創(chuàng)新人工智能創(chuàng)新途徑，其中包括量子技術(shù)跟人工智能的結(jié)合。

第十，社會(huì)影響大眾化。

人工智能未來(lái)發(fā)展五大思考

第一，要保持警醒。熱潮下面尤其需要冷思考，阿爾法狗在圍棋上的表現(xiàn)，確實(shí)提高了人們對(duì)人工智能的期望，但是對(duì)人工智能希望太高，如果沒(méi)有實(shí)現(xiàn)就會(huì)非常失望。過(guò)去60年中我們有很多這樣的教訓(xùn)，在熱潮下尤其需要冷靜的思考，有就一定會(huì)有低谷，這是發(fā)展的客觀規(guī)律，而任何一個(gè)時(shí)段不可能一直蓬勃，所以一定要保持冷思考。引用最新的新興技術(shù)成熟度曲線。智能機(jī)器人、認(rèn)知等熱門(mén)技術(shù)正處于期望膨脹期，接下來(lái)可能是幻滅期，所以需要我們冷靜的思考。

第二，切忌跟風(fēng)。我認(rèn)為跟風(fēng)難有大作為，這幾年風(fēng)口熱好像說(shuō)得很多，找風(fēng)口不如找關(guān)口，發(fā)展的瓶頸在哪里，突破瓶頸就可能開(kāi)創(chuàng)一個(gè)新天地，搶占先機(jī)，大家不要再跟風(fēng)。

第三，不忘初心。對(duì)于人工智能來(lái)說(shuō)是不忘初心繼續(xù)探索，回歸人工智能的本原，是要解決什么問(wèn)題，別走偏了。所以從研究的內(nèi)容到研究的目的，在回歸本原的過(guò)程中尤其要記著，信息科技與腦類科技的交匯，人腦智能機(jī)理的挖掘孕育著信息科技的重大變革。

第四，苦練內(nèi)功。重視前沿基礎(chǔ)理論研究，現(xiàn)在是家喻戶曉，但是大家不要忘記不是那么火爆的時(shí)候在干什么，一直堅(jiān)持，才有深度學(xué)習(xí)的今天，所以苦練內(nèi)功很重要，不能被當(dāng)下的熱點(diǎn)一葉障目。深度學(xué)習(xí)不等于AI，深度學(xué)習(xí)只是人工智能領(lǐng)域機(jī)器學(xué)習(xí)方向的一種方法，盡管現(xiàn)在效果很好，確實(shí)需要思考如何克服這個(gè)瓶頸，人工智能發(fā)展的下一個(gè)關(guān)口在什么地方。深度學(xué)習(xí)的成功不是理論方法的突破，而是在大數(shù)據(jù)和大規(guī)模計(jì)算資源驅(qū)動(dòng)下的基于基礎(chǔ)理論的技術(shù)突破，其本質(zhì)是通過(guò)映射對(duì)復(fù)雜函數(shù)進(jìn)行逼近。

深度學(xué)習(xí)依舊存在明顯的局限性，尤其在任務(wù)的切換和對(duì)環(huán)境變化自身完善、對(duì)小樣本的舉一反三等方面，人工智能與人類還是相差甚遠(yuǎn)。

第五，以史為鑒。丘吉爾說(shuō)你能看到多遠(yuǎn)的過(guò)去，你就能看到多遠(yuǎn)的未來(lái)，你過(guò)去看的有多深，你對(duì)未來(lái)才能看得有多準(zhǔn)，我認(rèn)為是有道理的，所以這個(gè)時(shí)候就需要我們做一個(gè)思考。從淺層智能到深層智能；從專用人工智能到通用人工智能；從機(jī)器智能到混合智能；從數(shù)據(jù)驅(qū)動(dòng)到數(shù)據(jù)和知識(shí)協(xié)同驅(qū)動(dòng)；從線下智能到云上智能；從網(wǎng)下到網(wǎng)上。

人工智能在中國(guó)的發(fā)展

這些具體的趨勢(shì)實(shí)際上都反映在整個(gè)社會(huì)化大趨勢(shì)上，智能化是新一輪科技與產(chǎn)業(yè)革命的最顯著特征。

我們國(guó)家發(fā)展有很多機(jī)遇，天時(shí)地利人和，當(dāng)然也有挑戰(zhàn)，我們的戰(zhàn)略思維、冒險(xiǎn)精神還不夠，所以要思考這些問(wèn)題，人工智能如何更好地服務(wù)社會(huì)。

如何抓住這個(gè)機(jī)會(huì)，我覺(jué)得首先應(yīng)該有一個(gè)規(guī)劃，因?yàn)橹挥型ㄟ^(guò)頂層規(guī)劃協(xié)調(diào)才能實(shí)現(xiàn)一盤(pán)棋，最終實(shí)現(xiàn)人工智能強(qiáng)國(guó)。

篇(7)

【關(guān)鍵詞】人工智能 醫(yī)學(xué)領(lǐng)域

1 引言

人工智能（AI）是上世紀(jì)50年展起來(lái)的新興學(xué)科，主要內(nèi)容包括：知識(shí)表示、自然語(yǔ)言理解、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、計(jì)算機(jī)視覺(jué)、自動(dòng)推理和搜索方法、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。在過(guò)去的幾十年里人工智能涌現(xiàn)出了大量的方法，大致可分為兩大類：第一類是基于Newell和Simon的物理符號(hào)系統(tǒng)假說(shuō)的符號(hào)處理方法。這種方法大多采用從知識(shí)階段向下到符號(hào)和實(shí)施階段的自上而下的設(shè)計(jì)方法，第二類是采用自下而上設(shè)計(jì)的“字符號(hào)”方法。

2 人工智能的發(fā)展

全球?qū)θ斯ぶ悄艿难邪l(fā)經(jīng)歷了已經(jīng)有70年的發(fā)展，從上個(gè)世紀(jì)的50年代開(kāi)始一直到今天，歷經(jīng)了兩次大起大落，但伴隨著深度學(xué)習(xí)的重燃、龐大的大數(shù)據(jù)支撐以及計(jì)算能力的不斷提升和成本的不斷下降這些因素的出現(xiàn)，尤其是在摩爾定律、大數(shù)據(jù)、互聯(lián)網(wǎng)和云計(jì)算、新方法這些人工智能進(jìn)步的催化劑作用下，將迎來(lái)人工智能新的春天。

3 人工智能在醫(yī)學(xué)領(lǐng)域上的應(yīng)用

3.1 在神經(jīng)網(wǎng)絡(luò)中人工智能的應(yīng)用

在醫(yī)學(xué)診斷中人工智能的應(yīng)用會(huì)出現(xiàn)一些難題，例如知識(shí)獲取比較難、推理速度慢、自主學(xué)習(xí)以及自適應(yīng)變化能力弱。研究人腦連接發(fā)現(xiàn)了以人工神經(jīng)為特點(diǎn)可以解決在獲取知識(shí)中所出現(xiàn)的瓶頸和知識(shí)種類繁瑣問(wèn)題，能夠提高對(duì)知識(shí)的推理能力，包括自主學(xué)習(xí)，自組織等方面的能力，促進(jìn)了神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)專家系統(tǒng)中的快速發(fā)展。

人工智能領(lǐng)域ANN，有不同于其他人工智能的方法，在傳統(tǒng)的結(jié)構(gòu)上，它只是AI分支中的一個(gè)，只能通過(guò)邏輯符號(hào)來(lái)模擬人腦的思維方式，進(jìn)一步來(lái)實(shí)現(xiàn)人工智能，與之相比，不同的ANN是學(xué)習(xí)和訓(xùn)練為一體來(lái)達(dá)到智能的。ANN具有學(xué)習(xí)的能力及特殊方法，用戶不用編寫(xiě)復(fù)雜的程序來(lái)解決所遇到的問(wèn)題，只用提供有效的數(shù)據(jù)就可以完成。迄今為止，醫(yī)學(xué)領(lǐng)域中對(duì)大部分的病理原因無(wú)法解釋，無(wú)法確定病理原因，加上各種疾病的表現(xiàn)種類復(fù)雜多變。在醫(yī)學(xué)的日常實(shí)踐中，疾病相應(yīng)的治療只能以經(jīng)驗(yàn)為基礎(chǔ)來(lái)判斷。所以，ANN有著記憶，學(xué)習(xí)和歸納總結(jié)為一體的人工智能服務(wù)，在醫(yī)學(xué)領(lǐng)域有很好的應(yīng)用發(fā)展趨勢(shì)。

3.2 在中醫(yī)學(xué)中人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用

在中醫(yī)學(xué)中，所提出的“辨證論治”中的“證”具有模棚性、不確定性的特點(diǎn)，主觀性比較強(qiáng)，因此中醫(yī)的診斷方法和治療手段與醫(yī)師的經(jīng)驗(yàn)水平有很大聯(lián)系。數(shù)年來(lái)在實(shí)驗(yàn)研究，臨床觀察，文章整理，經(jīng)驗(yàn)總結(jié)上，都有著對(duì)“證”的研究思想的深入調(diào)查。一部分“辨證”的過(guò)程可以用人工神經(jīng)網(wǎng)絡(luò)來(lái)替換使用。恰當(dāng)?shù)闹嗅t(yī)癥狀可以作為基本輸入和適當(dāng)人工神經(jīng)網(wǎng)絡(luò)模型，人工神經(jīng)網(wǎng)絡(luò)能夠根據(jù)以往的學(xué)習(xí)“經(jīng)驗(yàn)”來(lái)進(jìn)行綜合分析，從而提出中醫(yī)診斷方法。

由神經(jīng)元結(jié)構(gòu)模型、網(wǎng)絡(luò)連接模型、網(wǎng)絡(luò)學(xué)習(xí)算法等幾個(gè)要素組成了人工神經(jīng)網(wǎng)絡(luò)。具有某些智能系統(tǒng)的功能。 按照網(wǎng)絡(luò)結(jié)構(gòu)來(lái)劃分，人工神經(jīng)網(wǎng)絡(luò)有很多不同的種類，例如感知器、BP網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)等，目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)就是其中的BP網(wǎng)絡(luò)。這種前沿網(wǎng)絡(luò)非 BP網(wǎng)絡(luò)所屬，網(wǎng)絡(luò)的結(jié)構(gòu)與權(quán)值能夠表達(dá)復(fù)雜的非線性 I/0映射關(guān)系。憑借 BP網(wǎng)絡(luò)優(yōu)良的自主學(xué)習(xí)功能，既可以通過(guò)誤差的反向傳播方法，對(duì)照已知樣本反復(fù)進(jìn)行訓(xùn)練，也可以調(diào)整網(wǎng)絡(luò)的權(quán)值，直到網(wǎng)絡(luò)的 I/0關(guān)系在某一塊訓(xùn)練指標(biāo)下最接近樣本為止。

3.3 人工智能在臨床醫(yī)療診斷中的應(yīng)用

計(jì)算機(jī)編寫(xiě)的程序主要根據(jù)專家系統(tǒng)的設(shè)計(jì)原理和方法來(lái)模擬醫(yī)生的醫(yī)學(xué)診斷，以及通常治療手段的思維過(guò)程來(lái)進(jìn)行。醫(yī)療專家系統(tǒng)是臨床醫(yī)療診斷中人工智能的很好體現(xiàn)，不僅能夠處理較為復(fù)雜的醫(yī)學(xué)治療問(wèn)題，還能當(dāng)做醫(yī)生診斷疾病的重要工具，更重要的是傳承了專家們的寶貴醫(yī)學(xué)治療經(jīng)驗(yàn)。

3.4 人工智能技術(shù)在醫(yī)學(xué)影像診斷中的應(yīng)用

目前，在醫(yī)學(xué)影像中存在著的問(wèn)題，比如：誤診率高、缺口大。這些問(wèn)題需要通過(guò)人工智能的方法來(lái)解決。在醫(yī)學(xué)影像技術(shù)領(lǐng)域人工智能的應(yīng)用包括主要的兩個(gè)方面，分別是：第一個(gè)方面為圖像識(shí)別，第二個(gè)方面為深度學(xué)習(xí)，其中人工智能應(yīng)用最核心的部分實(shí)深度學(xué)習(xí)。這兩個(gè)部分都是基于醫(yī)學(xué)影像大數(shù)據(jù)所進(jìn)行的數(shù)據(jù)上的挖掘和應(yīng)用。這兩個(gè)方面所進(jìn)行的數(shù)據(jù)挖掘及其應(yīng)用都是依據(jù)醫(yī)學(xué)影像大數(shù)據(jù)來(lái)完成的。

Geoffrey Hinton教授是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的大師，2006年，他與其博士生在《Science》和相關(guān)的期刊上發(fā)表了論文，第一次提出了“深度信念網(wǎng)絡(luò)”的概念。2012年，由斯坦福大學(xué)Fei-Fei Li教授舉辦的ImageNet ILSVRC大規(guī)模圖像識(shí)別評(píng)測(cè)任務(wù)是由Hinton教授的研究團(tuán)隊(duì)參加的。這個(gè)任務(wù)包括了120萬(wàn)張高分辨率圖片，1000個(gè)類比。Hinton教授團(tuán)隊(duì)使用了全新的黑科技多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將圖像識(shí)別錯(cuò)誤率突破性地從26.2%降低到了15.3%。 這個(gè)革命性的技術(shù)，讓神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)以迅速的速度進(jìn)入了醫(yī)療和工業(yè)的領(lǐng)域范圍，隨后這一技術(shù)被陸續(xù)出現(xiàn)的醫(yī)療影像公司使用。例如：國(guó)際知名的醫(yī)學(xué)影像公司Enlitic和國(guó)內(nèi)剛剛獲得有峰瑞資本600萬(wàn)天使輪融資的DeepCare。都是不斷積累大量影像數(shù)據(jù)和診斷數(shù)據(jù)，繼續(xù)對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度的學(xué)習(xí)訓(xùn)練，從而有效的提高了醫(yī)生診斷的準(zhǔn)確率。

人工智能不僅能使患者的健康檢查快速進(jìn)行，包括X光、B超、核磁共振等。另外還能大量減少醫(yī)生的讀片時(shí)間，提升了醫(yī)生的工作效率，降低誤診率。

4 總結(jié)

人工智能軟件工作效率遠(yuǎn)遠(yuǎn)超過(guò)了人類大腦，不僅能夠更快速的找到數(shù)據(jù)的模式和相似性，還能有效幫助醫(yī)生和科學(xué)家提取重要的信息。隨著人工智能的發(fā)展及其在醫(yī)學(xué)領(lǐng)域的逐漸普及和應(yīng)用，兩者的互相融合在未來(lái)必定成為醫(yī)學(xué)發(fā)展的重要方向。

參考文獻(xiàn)

[1]馮伍，張俊蘭.人工智能在醫(yī)學(xué)上的應(yīng)用[J].電子設(shè)計(jì)工程，2010（01）.

[2]楊琴，陳家榮.人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J].科技風(fēng)，2012（12），100-101.

[3]王宇飛，孫欣.人工智能的研究與應(yīng)用[J].信息與電腦，2016（05）.

[4]鉛筆道.人工智能與影像診斷相結(jié)合的醫(yī)生界阿爾法狗，2016（03）.