論人工智能技術(shù)發(fā)展及應(yīng)用

馬 敏

（合肥市人工智能教育馬敏名師工作室，合肥 230601）

人工智能這個(gè)學(xué)術(shù)概念最早出現(xiàn)于1956 年達(dá)特茅斯學(xué)院夏季研討會(huì)上，之后經(jīng)歷了幾個(gè)重要的發(fā)展階段，并逐漸被人們所熟知和推廣。在現(xiàn)代科技和數(shù)據(jù)信息技術(shù)的有力支撐下，人工智能開(kāi)始在各國(guó)各地區(qū)得到廣泛的應(yīng)用，一方面有利于提高產(chǎn)業(yè)的智能化水平，另一方面也能夠?yàn)閲?guó)家經(jīng)濟(jì)高質(zhì)量發(fā)展提供源源不斷的動(dòng)力。目前世界各國(guó)都在致力于探究人工智能技術(shù)和產(chǎn)業(yè)結(jié)合發(fā)展的策略，不斷探索新的發(fā)展方向，但依然面臨理論和技術(shù)研究方面的瓶頸和問(wèn)題，未來(lái)還需要進(jìn)行更深層次的探索。

1 人工智能發(fā)展概況

最早在1956 年達(dá)特茅斯研討會(huì)中就提出了人工智能的相關(guān)概念，后續(xù)經(jīng)過(guò)了長(zhǎng)期不斷演進(jìn)和發(fā)展，人工智能的含義和內(nèi)涵也得到了進(jìn)一步的豐富和拓展。目前國(guó)際上的統(tǒng)一定義，人工智能主要指借助機(jī)器來(lái)實(shí)現(xiàn)對(duì)人類(lèi)思維和意識(shí)模擬的目標(biāo)，其中包括代替人類(lèi)實(shí)現(xiàn)認(rèn)知、識(shí)別、分析及決策等其他重要功能，這項(xiàng)技術(shù)能夠展現(xiàn)對(duì)人類(lèi)思維模擬的信息過(guò)程，而且作為多學(xué)科交叉融合的新興學(xué)科，也被統(tǒng)稱(chēng)為計(jì)算機(jī)模擬人類(lèi)智能行為科學(xué)?？v觀人工智能的發(fā)展歷程，主要經(jīng)歷了3 個(gè)重要階段。第一階段在20 世紀(jì)50 到60 年代期間，主要提出了人工智能的相關(guān)概念，此時(shí)重心依舊放在邏輯推理的機(jī)器翻譯方面，主要的應(yīng)用原理包括知識(shí)表達(dá)及搜索算法等[1]。第二階段在20 世紀(jì)70 到80 年代期間，主要提出了專(zhuān)家系統(tǒng)相關(guān)概念，此時(shí)算法研究得到了進(jìn)一步的發(fā)展，而且伴隨著半導(dǎo)體技術(shù)和計(jì)算硬件能力水平的提升，人工智能技術(shù)在各國(guó)也得到了進(jìn)一步的突破式研究，而且伴隨著分布式網(wǎng)絡(luò)的應(yīng)用，在一定程度上也降低了人工智能計(jì)算工作進(jìn)行耗費(fèi)的成本。在20 世紀(jì)末開(kāi)啟了第三階段，這個(gè)階段更加重視對(duì)數(shù)據(jù)的應(yīng)用，而且強(qiáng)調(diào)人工智能自主學(xué)習(xí)的認(rèn)知能力，與此同時(shí)，也產(chǎn)生了深度學(xué)習(xí)的相關(guān)概念，而且伴隨著現(xiàn)代移動(dòng)互聯(lián)網(wǎng)技術(shù)和設(shè)備的快速發(fā)展，相關(guān)應(yīng)用場(chǎng)景也變得更加豐富。目前深度學(xué)習(xí)算法不僅在語(yǔ)音功能，而且在視覺(jué)識(shí)別方面也實(shí)現(xiàn)了進(jìn)一步的突破，未來(lái)也要推動(dòng)人工智能實(shí)現(xiàn)商業(yè)化高速發(fā)展。

現(xiàn)代社會(huì)正處于后移動(dòng)時(shí)代，由于在互聯(lián)網(wǎng)快速發(fā)展期間的競(jìng)爭(zhēng)變得更加激烈，一些紅利會(huì)在發(fā)展期間逐步消失，因此各國(guó)將目標(biāo)對(duì)轉(zhuǎn)人工智能戰(zhàn)略的布局和實(shí)施，不僅西方國(guó)家，中國(guó)也在計(jì)劃構(gòu)建云端人工智能服務(wù)生態(tài)系統(tǒng)。從人工智能的發(fā)展現(xiàn)狀來(lái)看，面臨著一系列機(jī)遇和挑戰(zhàn)，而我國(guó)人工智能技術(shù)也在相關(guān)先進(jìn)技術(shù)的支持下，獲得了進(jìn)一步的發(fā)展，也取得了一系列顯著的成就。比如目前阿里巴巴對(duì)于人工智能所進(jìn)行的布局，主要聚焦于ET 醫(yī)療大腦、工業(yè)大腦及其他平臺(tái)和領(lǐng)域，并致力于實(shí)現(xiàn)更深層次的突破，目的是為了方便現(xiàn)代人類(lèi)的日常生活，滿(mǎn)足現(xiàn)代社會(huì)發(fā)展的實(shí)際訴求。

2 人工智能的技術(shù)體系

人工智能技術(shù)目前在多個(gè)領(lǐng)域當(dāng)中得到了廣泛的應(yīng)用，其中3 大關(guān)鍵要素是數(shù)據(jù)資源、計(jì)算能力及核心算法，要在這3 個(gè)方面進(jìn)行不斷突破，才有利于推動(dòng)這項(xiàng)技術(shù)獲得更深層次的發(fā)展。人工智能的智能主要體現(xiàn)在3 個(gè)方面，分別是類(lèi)似于人類(lèi)一樣的聽(tīng)、說(shuō)、看和識(shí)別的能力，其中包含語(yǔ)音合成與識(shí)別、圖像識(shí)別及其他語(yǔ)音處理的技術(shù)，還包括智能化存儲(chǔ)及計(jì)算的能力，也被稱(chēng)之為計(jì)算智能，除此之外，還包括類(lèi)似于人一樣的理解和思考能力，主要被運(yùn)用于教育評(píng)測(cè)、所提供的知識(shí)服務(wù)等領(lǐng)域之中。

2.1 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)主要是指借助計(jì)算機(jī)可以對(duì)現(xiàn)有的各項(xiàng)數(shù)據(jù)信息進(jìn)行分析和學(xué)習(xí)，從而幫助人工智能具有預(yù)測(cè)判斷及作出決策的能力。目前逐漸形成了一些具有代表性的算法，其中包含深度學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)及決策樹(shù)等算法，對(duì)于人工智能來(lái)說(shuō)，機(jī)器學(xué)習(xí)作為一項(xiàng)關(guān)鍵的技術(shù)，對(duì)人工智能今后的發(fā)展也具有主要的推動(dòng)作用。目前廣泛應(yīng)用的深度算法能夠在海量數(shù)據(jù)信息當(dāng)中自行歸納和提取重要的特征，而這種能力也可以進(jìn)行多層特征提取及描述，同時(shí)可以進(jìn)行特征的還原，實(shí)現(xiàn)深度學(xué)習(xí)的目標(biāo)。人工智能從感知階段發(fā)展為至今的深度學(xué)習(xí)階段，是在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)拓展方面的進(jìn)一步突破，可以借助非線性網(wǎng)絡(luò)結(jié)構(gòu)輸入數(shù)據(jù)，而且能夠在少量樣本數(shù)據(jù)中學(xué)習(xí)和集成本質(zhì)特征。

2.2 自然語(yǔ)言處理技術(shù)

自然語(yǔ)言處理技術(shù)，主要是指人工智能可以將人類(lèi)語(yǔ)言轉(zhuǎn)化為計(jì)算機(jī)程序進(jìn)行處理和接收的語(yǔ)言，將計(jì)算機(jī)數(shù)據(jù)轉(zhuǎn)化為人類(lèi)自然語(yǔ)言，以便與二者之間進(jìn)行更加暢通的交流和互通，將二者之間的語(yǔ)言進(jìn)行相互轉(zhuǎn)換，以便于計(jì)算機(jī)可以更好地理解人類(lèi)想要表達(dá)的訴求和語(yǔ)言[2]。這些需要處理的語(yǔ)言形式通常體現(xiàn)為聲音或文字，自然語(yǔ)言處理技術(shù)綜合多個(gè)學(xué)科，其中包含語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)及其他學(xué)科，研究目標(biāo)集中在自然語(yǔ)言通信的計(jì)算機(jī)系統(tǒng)中，同時(shí)還會(huì)涉及到信息檢索、信息提取及其他類(lèi)型的技術(shù)。由于這些數(shù)據(jù)稀疏和平滑，因此需要對(duì)人類(lèi)的語(yǔ)言進(jìn)行語(yǔ)法分析和文本生成。

2.3 圖像處理技術(shù)

圖像處理技術(shù)主要是指人工智能具有類(lèi)似于人類(lèi)的視覺(jué)功能，借助計(jì)算機(jī)可以主動(dòng)獲取并處理這些圖片及其他多維度數(shù)據(jù)信息。其中可以借助人工智能來(lái)獲取相應(yīng)的圖像，對(duì)這些圖像進(jìn)行調(diào)整和處理，并從中提取重要的特征。傳統(tǒng)計(jì)算機(jī)受到計(jì)算能力因素的限制，無(wú)法有效提升信息交互處理的效率，而且在處理的過(guò)程中芯片計(jì)算能耗較大。然而人工智能領(lǐng)域數(shù)據(jù)相對(duì)來(lái)說(shuō)較為密集，這種傳統(tǒng)的計(jì)算處理技術(shù)難以滿(mǎn)足現(xiàn)代社會(huì)數(shù)據(jù)處理的實(shí)際。近些年來(lái)超級(jí)計(jì)算機(jī)的出現(xiàn)及云計(jì)算技術(shù)的快速發(fā)展，在這方面也實(shí)現(xiàn)了一定的突破，為我國(guó)人工智能的長(zhǎng)遠(yuǎn)發(fā)展提供了有效支撐。

2.4 人機(jī)交互技術(shù)

人機(jī)交互技術(shù)主要是指計(jì)算機(jī)系統(tǒng)可以和用戶(hù)之間實(shí)現(xiàn)更方便的交流和互通，主要是由機(jī)器輸出或顯示大量的信息，由用戶(hù)進(jìn)行讀取這些提示和請(qǐng)求信息，然后借助輸入設(shè)備向機(jī)器輸入有關(guān)信息，并回答相關(guān)問(wèn)題，從而實(shí)現(xiàn)和機(jī)器之間的互動(dòng)。人機(jī)交互技術(shù)主要包括交互、界面設(shè)計(jì)及其他的圖像學(xué)，所涉及的理論知識(shí)也十分豐富，目前是用戶(hù)界面研究當(dāng)中發(fā)展最為迅速的重要研究技術(shù)。如今已經(jīng)研究出許多重要的產(chǎn)品和技術(shù)，比如3D 顯示器及手寫(xiě)文字識(shí)別系統(tǒng)等，這些顯著的成果都體現(xiàn)了普通用戶(hù)和計(jì)算機(jī)系統(tǒng)之間的互動(dòng)和交流。

3 人工智能商業(yè)化浪潮

雖然人工智能技術(shù)經(jīng)歷3 個(gè)發(fā)展階段，獲得了快速的進(jìn)步，但在20 世紀(jì)末以神經(jīng)網(wǎng)絡(luò)為主流的人工智能技術(shù)相關(guān)研究卻陷入了一陣低迷時(shí)期，而加拿大多倫多大學(xué)的相關(guān)教授依然堅(jiān)持研究和探索，并且在2006 年獲得了有效的突破。主要成就是成立了深度神經(jīng)網(wǎng)絡(luò)研究公司，并在2012 年被谷歌所收購(gòu)。除此之外，谷歌公司還收購(gòu)了烏克蘭面部識(shí)別技術(shù)公司。在人工智能技術(shù)領(lǐng)域當(dāng)中，對(duì)高素質(zhì)綜合應(yīng)用人才提出了更高的需求，彌補(bǔ)人才缺口，有利于解決當(dāng)前專(zhuān)家研究所面臨的困境，而且這個(gè)領(lǐng)域正處于起步和發(fā)展的重要階段，許多計(jì)算基礎(chǔ)和價(jià)格工具操作起來(lái)都具有一定的困難和復(fù)雜性，為了解決這些問(wèn)題，工業(yè)界的一些科技巨頭，比如谷歌公司和推特公司都會(huì)收購(gòu)深度學(xué)習(xí)領(lǐng)域的一些初創(chuàng)公司，目的是為了吸引更多的優(yōu)秀人才，從而抓住縱深發(fā)展的機(jī)遇。

4 人工智能的主要研究學(xué)派

由于專(zhuān)家和研究學(xué)者對(duì)于智能的理解存在一定的差異，由此可能會(huì)形成不同的經(jīng)典學(xué)派，而這些學(xué)派也會(huì)從不同的角度來(lái)看待這些問(wèn)題并提出相應(yīng)的解決措施和方案。目前主要形成了2 個(gè)重要的學(xué)派，包括符號(hào)學(xué)派和連結(jié)學(xué)派，雖然這些學(xué)派在各自領(lǐng)域當(dāng)中取得了諸多成就，但是在所采用的研究方法進(jìn)行創(chuàng)新和優(yōu)化過(guò)程中，也面臨一定的瓶頸和困難，難以形成統(tǒng)一的框架。

4.1 結(jié)構(gòu)模擬

在近代科學(xué)所提倡的結(jié)構(gòu)決定論的指導(dǎo)下，許多專(zhuān)家和學(xué)者認(rèn)為梳理清楚系統(tǒng)的結(jié)構(gòu)也就能夠明確其中的主要功能和作用。從這個(gè)角度出發(fā)，首先提出的智能模擬就是結(jié)構(gòu)模擬的具體思路，而且已經(jīng)形成了一些重要的代表性成果，其中包括多層感知器MLP 模型、人工神經(jīng)網(wǎng)絡(luò)等。因此結(jié)構(gòu)決定論在機(jī)械系統(tǒng)研究當(dāng)中發(fā)揮了重要的作用和價(jià)值，但是運(yùn)用在智能系統(tǒng)研究工作中卻存在許多問(wèn)題。主要在于結(jié)構(gòu)，僅僅只是硬件的基礎(chǔ)架構(gòu)，雖然具有一定的影響，但是不能完全確定系統(tǒng)的智能行為，目前許多大量的神經(jīng)元連接在一起所呈現(xiàn)的智能行為還是比較淺顯的。

4.2 功能模擬

針對(duì)結(jié)構(gòu)模擬當(dāng)中所存在的一些問(wèn)題和不足，一些專(zhuān)家學(xué)者也提出了功能模擬，認(rèn)為人工智能的研究并不需要梳理清楚具體的結(jié)構(gòu)，而是可以達(dá)到對(duì)智力功能的模擬效果就可以滿(mǎn)足基本的訴求。這種觀念主要是在功能主導(dǎo)論指引下形成的一種模擬思路，而這種功能模擬也被稱(chēng)為符號(hào)主義和邏輯主義，隸屬于心理學(xué)派。這種理念和思路曾經(jīng)在人工智能領(lǐng)域當(dāng)中發(fā)揮出顯著的研究?jī)r(jià)值，而且作出了巨大的貢獻(xiàn)，但是功能模擬也存在自身的缺點(diǎn)和不足，主要在于系統(tǒng)本身的智能水平可能與所獲取的知識(shí)水平之間存在著密切的聯(lián)系，如果在此過(guò)程當(dāng)中知識(shí)獲取較為困難，也會(huì)導(dǎo)致現(xiàn)有邏輯理論具有局限性。

4.3 行為模擬

功能模擬和結(jié)構(gòu)模擬2 種思路都存在自身的缺陷和不足，為了實(shí)現(xiàn)進(jìn)一步突破，逐漸出現(xiàn)了行為模擬的相關(guān)思路。這主要是在行為表現(xiàn)論理念指引下產(chǎn)生的一種重要的模擬思路，主要是指無(wú)論采用什么樣的結(jié)構(gòu)和功能系統(tǒng)能夠表現(xiàn)出相應(yīng)的智能行為和功能，就達(dá)到了智能系統(tǒng)的目標(biāo)和要求。在這個(gè)研究思路中，首先是讓機(jī)器對(duì)這些信息進(jìn)行感知，而且對(duì)這些信息做好歸納和分類(lèi)工作，在此基礎(chǔ)上能夠產(chǎn)生判斷結(jié)果并模擬智能行為，這一過(guò)程被稱(chēng)為感知，并產(chǎn)生動(dòng)作系統(tǒng)。與此同時(shí)，行為模擬的思路也具有自身的缺點(diǎn)和不足，主要在于只有行為表現(xiàn)的智能反應(yīng)才能夠被模擬，其他類(lèi)型的智能過(guò)程無(wú)法用這些行為和表現(xiàn)來(lái)進(jìn)行演繹。

4.4 機(jī)制模擬

根據(jù)上述模擬思路的分析，能夠發(fā)現(xiàn)無(wú)論是結(jié)構(gòu)模擬、功能模擬還是行為模擬都存在自身的不足和缺陷，而且3 大模擬思路之間難以實(shí)現(xiàn)理論方面的統(tǒng)一，為了實(shí)現(xiàn)進(jìn)一步的突破，研究發(fā)現(xiàn)人工智能的生成機(jī)制是系統(tǒng)的核心。這種機(jī)制模擬的方法強(qiáng)調(diào)在各種環(huán)境條件下，要經(jīng)歷提出問(wèn)題—獲取約束條件—預(yù)設(shè)目標(biāo)的環(huán)節(jié)，能夠及時(shí)提取其中的關(guān)鍵信息，并且在目標(biāo)操控的作用下，可以利用這些信息提出解決問(wèn)題的策略和方法，并將其轉(zhuǎn)化為具體的智能行為，從而使得問(wèn)題得到有效的解決。根據(jù)這種模擬思路，機(jī)制模擬其實(shí)也是從信息到經(jīng)營(yíng)策略轉(zhuǎn)換的一個(gè)過(guò)程，從而將上述3 種模擬思路和方法實(shí)現(xiàn)了有機(jī)統(tǒng)一。

5 人工智能的3 次浪潮及最新進(jìn)展

縱觀人工智能的發(fā)展歷程，經(jīng)歷了3 次浪潮，并產(chǎn)生了一系列基本思想，可以歸納為符號(hào)主義、聯(lián)結(jié)主義及行為主義。符號(hào)主義理論的發(fā)展，產(chǎn)生了一系列的突出成就，最為著名的包括語(yǔ)義網(wǎng)絡(luò)、知識(shí)圖譜等，語(yǔ)義網(wǎng)絡(luò)概念的出現(xiàn)引發(fā)了專(zhuān)家和學(xué)者對(duì)于知識(shí)圖譜的探索，而早期主要局限為幾種基本關(guān)系，未來(lái)期望能夠在知識(shí)圖譜上進(jìn)行進(jìn)一步的邏輯推理，從而實(shí)現(xiàn)智能行為。聯(lián)結(jié)主義理論的發(fā)展主要演化出神經(jīng)網(wǎng)絡(luò)模型，以及BP 神經(jīng)網(wǎng)絡(luò)等成就，而且目前所提出的深度學(xué)習(xí)概念和技術(shù)也源自于這一理念。許多專(zhuān)家和學(xué)者都致力于探索這種理論所具有的潛力，目前能夠發(fā)現(xiàn)深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練方法都能夠促使這種性能得到有效提升，而且與之前深度學(xué)習(xí)的產(chǎn)業(yè)化程度相比，也有了快速地提升和發(fā)展，成為當(dāng)前時(shí)代背景下，應(yīng)用最為廣泛和發(fā)展最為迅速的技術(shù)。行為主義理論最早源自于一個(gè)心理學(xué)概念，但目前也會(huì)對(duì)人工智能技術(shù)產(chǎn)生一定的影響，而且行為主義與人工智能之間存在著密不可分的關(guān)系，在不同的環(huán)境當(dāng)中執(zhí)行不同的動(dòng)作，從而獲得相應(yīng)的成就，主要負(fù)責(zé)處理物體和環(huán)境之間交互的問(wèn)題。

6 人工智能技術(shù)發(fā)展的3 大方向

目前人工智能技術(shù)無(wú)論是在西方國(guó)家還是在中國(guó)都得到了蓬勃的發(fā)展，而且正由早期的感知階段轉(zhuǎn)向?yàn)槟壳暗淖詣?dòng)理解模式，背后是各種專(zhuān)家學(xué)者不懈地努力，由此推動(dòng)人工智能技術(shù)獲得了波瀾壯闊的發(fā)展，以及更為廣闊的發(fā)展空間，未來(lái)方向主要包括以下3 個(gè)方面。

6.1 知識(shí)驅(qū)動(dòng)

目前在大數(shù)據(jù)技術(shù)的有效支持和驅(qū)動(dòng)作用下，逐漸誕生了深度學(xué)習(xí)的觀念及方法，而且在產(chǎn)業(yè)化方面取得了有效的進(jìn)展，但是深度學(xué)習(xí)技術(shù)本身的發(fā)展空間還有待探索和挖掘[3]。深度學(xué)習(xí)的概念和技術(shù)并不能完全代表人工智能研究的所有內(nèi)容，未來(lái)人工智能，還應(yīng)促進(jìn)知識(shí)驅(qū)動(dòng)及數(shù)據(jù)驅(qū)動(dòng)二者之間的結(jié)合，數(shù)據(jù)驅(qū)動(dòng)人工智能技術(shù)在發(fā)展過(guò)程中缺乏常識(shí)及推理能力，這也反映出許多深度學(xué)習(xí)系統(tǒng)在圖像識(shí)別的過(guò)程中，僅僅只能依靠感覺(jué)，而無(wú)法實(shí)現(xiàn)準(zhǔn)確的邏輯推理。這一點(diǎn)也反映出人類(lèi)和現(xiàn)代人工智能技術(shù)之間存在的差異，人工智能難以從大數(shù)據(jù)學(xué)習(xí)過(guò)程中發(fā)展而來(lái)，只有對(duì)知識(shí)進(jìn)行吸收和理解，才可以具有一定的推理演變能力和決策能力。在這樣的背景下，應(yīng)當(dāng)為人工智能系統(tǒng)技術(shù)構(gòu)建專(zhuān)門(mén)的知識(shí)庫(kù)，以便于解決在各個(gè)領(lǐng)域當(dāng)中所存在的問(wèn)題和缺口，從而有效提高系統(tǒng)的邏輯推理能力和水平。

6.2 類(lèi)腦智能與脈沖神經(jīng)網(wǎng)絡(luò)

根據(jù)現(xiàn)階段人工智能技術(shù)的發(fā)展現(xiàn)狀及應(yīng)用情況來(lái)看，雖然取得了顯著的成就，但是總體上并不具備類(lèi)似于人腦的思維能力。盡管當(dāng)前人工智能模型下的機(jī)器人和智能體已經(jīng)在各個(gè)方面具有突出的表現(xiàn)。比如可以利用人工智能技術(shù)實(shí)現(xiàn)下圍棋和玩電子游戲的目標(biāo)。從表面來(lái)看，能夠模擬人的行為舉止，但事實(shí)上，這些機(jī)器和設(shè)備并不具有類(lèi)似于人的主動(dòng)思維和思考的能力，因此并不能夠?qū)C(jī)械智能等同于真正的智能，這種智能只是停留在信息處理層面，與真正的智能概念之間還存在一定的差異和差距。在深度學(xué)習(xí)理念和技術(shù)指導(dǎo)下的人工智能技術(shù)，只能在某個(gè)領(lǐng)域當(dāng)中解決一類(lèi)問(wèn)題或一些問(wèn)題，但是解決問(wèn)題的能力依舊對(duì)人類(lèi)編寫(xiě)的水平具有較高的依賴(lài)性，未來(lái)人工智能技術(shù)的發(fā)展應(yīng)當(dāng)實(shí)現(xiàn)進(jìn)一步的突破，不應(yīng)該僅僅停留在數(shù)據(jù)智能層面，而是應(yīng)當(dāng)持續(xù)模擬人的大腦和思維，讓機(jī)器逐漸擁有類(lèi)似于人的主動(dòng)性思維能力。目前人工智能模型所采用的人工神經(jīng)網(wǎng)絡(luò)也被稱(chēng)為第二代神經(jīng)網(wǎng)絡(luò)，并在許多領(lǐng)域當(dāng)中都得到了有效的突破，但是并不能夠模仿正常生物體的運(yùn)作機(jī)制。

6.3 可解釋人工智能

伴隨著當(dāng)前人工智能技術(shù)的快速發(fā)展和廣泛應(yīng)用，也逐漸凸顯出這項(xiàng)技術(shù)存在的問(wèn)題和不足，比如所建立的模型及復(fù)雜算法缺乏透明度，而且自身的決策邏輯性不夠，采用這種復(fù)雜算法所計(jì)算出的結(jié)果難以實(shí)現(xiàn)有力的證明，而且缺乏充分的解釋?zhuān)@些問(wèn)題都會(huì)影響人工智能技術(shù)在一些關(guān)鍵領(lǐng)域和重工業(yè)領(lǐng)域當(dāng)中得到廣泛的應(yīng)用，比如我國(guó)的國(guó)防領(lǐng)域和金融領(lǐng)域。未來(lái)在探索人工智能技術(shù)發(fā)展方向的過(guò)程中，要盡可能提高人工智能的可解釋性，可以從早期符號(hào)主義學(xué)派的相關(guān)理論知識(shí)著手研究，使數(shù)據(jù)實(shí)現(xiàn)結(jié)構(gòu)化處理，為了提高人工智能行為的解釋性，要盡可能模擬人的行為方式，這個(gè)領(lǐng)域在未來(lái)也有待進(jìn)一步研究。在發(fā)展人工智能技術(shù)的過(guò)程中，要嚴(yán)格遵守國(guó)家所制定的法律法規(guī)，避免人工智能技術(shù)對(duì)現(xiàn)代社會(huì)的發(fā)展造成負(fù)面影響，以便為今后的可持續(xù)發(fā)展打好基礎(chǔ)。

7 結(jié)束語(yǔ)

綜上所述，從宏觀的角度來(lái)看，我國(guó)人工智能的相關(guān)研究依然處于初步階段，未來(lái)勢(shì)必有更長(zhǎng)的路需要走，尤其是作為多學(xué)科交叉融合發(fā)展的新興學(xué)科，應(yīng)當(dāng)在理論和實(shí)踐方面得到更深層次的進(jìn)展。本文主要圍繞現(xiàn)代人工智能技術(shù)發(fā)展面臨的主要問(wèn)題和新的研究方向進(jìn)行了分析和探討，該領(lǐng)域?qū)＜液蛯W(xué)者也要致力于解決這些問(wèn)題，讓人工智能真正致力于提高人民生活質(zhì)量、滿(mǎn)足現(xiàn)代社會(huì)經(jīng)濟(jì)發(fā)展需求。未來(lái)伴隨著大數(shù)據(jù)技術(shù)和其他先進(jìn)技術(shù)的快速演進(jìn)和發(fā)展，人工智能的研究和應(yīng)用也會(huì)進(jìn)入新的發(fā)展階段。