人工智能作為計算機科學的一個支點，它在信息時代中發揮着重要的作用。在人工智能中，很多學者認為人工智能隻是從計算機系統中衍生出的一系列程序，但是在目前的人工智能概述中，還有一套完全合理的人工智能概述，需要進行更近一步的考證，這樣才能完全使人工智能概述成形。

　　人工智能的發展曆程

　　在上個世紀五十年代，人工智能就已經出現了，經過十年的時間發展，人工智能在上個世紀六十年代的時候，得到了不錯的發展，形成了人工智能發展的初級階段。在上個世紀六十年代的時候，人工智能初級階段的發展主要是運用領域知識和啟發式思維發展。領域知識和啟發式思維發展主要是為現在計算機理論做一個良好的鋪墊。

　　經曆了上個世紀六十年代的人工智能初級階段之後，迎來的是人工智能研究的第二個階段，這個階段的研究是從1964年開始。在人工智能研究的第二個階段，這個階段主要是人們對自然語言的理解，通過對自然語言的理解來達成一種圖像和圖片的處理。在上個世紀八十年代之後，人工智能的發展将迎來第三次發展，這次發展主要是信息知識為中心，所以人工智能開始以模拟知識為中心，運用知識的模拟使得人工智能在發展研究上更深一步。在現在的人工智能的研究中，人工智能的發展方向主要是向多元化的人工智能系統發展，以便人工智能系統在信息時代的發展道路上更加完善。

　　人工智能的關鍵技術

專家系統

　　在人工智能的研究與應用中，專家系統是必不可少的，因為有了這種 專家系統，才能使得人工智能在問題求解的方面，更加具有專業性，對問 題的解析更加的專業。通常人工智能有了這種專家系統，更多問題的得到 了解決，實現人工智能理論的研究向人工智能實際運用的研究的一個成功 性轉換。在人工智能技術發展及應用中，專家系統相當于就是一個信息類 軟件，這個軟件對信息和背景的查詢起到了非常好的作用，可以對一些不 明确的信息和不明确的背景起到一個結論性的查詢。專家系統在人工智能 領域中起到了關鍵性的作用。

　　機器學習

　　在人工智能技術發展中，機器學習起到了關鍵性的作用，人工智能 通過機器學習來提高人工智能系統的模拟性。在人工智能技術發展中，隻 有通過對人工智能機器進行不斷的學習，才能使得人工智能機器系統逐漸得到完善，使人工智能機器在研究人的一系列活動時，能夠更加準确。而 且人工智能機器也會通過學習來改變自己的一些不足，通過學習來優化人工智能的方案性。人工智能在經過機器性的學習後，許多問題也得到了解化，而且問題的解答更具有專業性和背景性，人工智能技術在機器學習之後，針對一些專家系統，更是對一些不明确的背景起到了一個結論性的查詢。所以，機器學習在人工智能技術發展及應用分析中，起到了關鍵性的作用。 神經網絡 神經網絡主要是人的所有神經組織所形成的一個網狀結構，在這個網狀似的結構中，所有的神經組織都是相互關聯的，神經網絡也就是所有 神經組織的集合區域。在人工智能技術的發展及應用分析中，通過利用神 經網絡來實現人工智能的大腦模拟，讓人工智能系統盡可能達到與人的大 腦相匹配，讓人工智能與常人的思維空間一樣，甚至超過常人的思維。在 人工智能的神經網絡模拟中，通過神經網絡的各個支點來達成一種運算模 型，在這個運算中，主要是利用人的大腦的一些基本運算機制和機理來實 現人工智能的模拟運算。所以，在人工智能技術發展及應用分析中，人工神經網絡在人工智能技術發展研究中占有重要地位。

　　模式識别

　　在人工智能技術的發展及應用分析中，模式識别就是通過人工智能來 代替人的感知和識别，所以模式識别是一個很重要的技術領域，而且還是 一項較高的科技領域。在人工智能技術發展及應用分析中，模式識别可以 很好地幫助計算機系統來識别外界的一種感知能力，所以模式識别在計算 機運行系統中屬于人工智能技術發展中重要的結構。 在人工智能技術發展中，模式識别也随着社會的進步在不斷的發展 和壯大，量子計算機技術已經逐漸運用到人工智能模式識别系統中去。我 們知道，在早期的模式識别系統中，模式識别隻是針對于一些文字和二維 圖像，随着科技不斷地發展和進步，模式識别系統也在逐漸得到發展，從 最開始的文字和二維圖像到對三維景物的識别，到現在模式識别系統已經 可以對活體物體進行識别和分析。所以，模式識别在随着科技的發展而發展，模式識别系統也在人工智能領域逐漸發展和強大起來，對人工智能起 到了關鍵性的作用。

　　人工智能發展面臨問題

　　基礎創新投入産量問題

　　我國人工智能領域的基礎創新投入嚴重不足。從企業研發創新看， 中國人工智能企業的創新研發支出仍遠遠落後于美國、歐洲和日本。據統 計，美國人工智能領域企業投入的科技研發費用占據了全球科技支出的 61%，我國人工智能領域企業研發支出雖然快速增加，增速達到34%，但 實際占據的全球科技支出份額明顯小于美國。從人工智能知識産權保有量 看，我國各類實體擁有的工智能專利總量超過3萬件，位居世界第一，但中 國相關企業擁有的人工智能相關專利多為門檻較低的實用新型專利，發明專利僅占專利申請總量的23%。

　　同時，根據世界知識産權組織的數據，我國企業擁有的95％的人工智 能設計專利和61％的人工智能實用新型專利将會在5年後失效，相比之下， 美國85.6％的人工智能專利技術在5年後仍在支付維護費用。2021年，我 國需要在人工智能基礎研究與創新，打造核心關鍵技術長闆、加強知識産權保護方面加大投入力度。我國人工智能産業的算力算法核心基礎相對薄弱。我國人工智能發展在數據規模和算法集成應用上都走在世界前列，但 在人工智能基礎算力方面，能提供國産化算力支持的企業還不多。

　　在人工智能的算力支持方面，ibm、hpe、戴爾等國際巨頭穩居全球服 務器市場前三位，浪潮、聯想、新華三、華為等國内企業市場份額有限； 國内人工智能芯片廠商需要大量依靠高通、英偉達、amd、賽靈思、美滿 電子、emc、安華高、聯發科等國際巨頭供貨，中科寒武紀等國内企業發 展剛剛起步。

　　在人工智能算法方面，主流框架與數據集領域國内外企業龍頭企業 包括谷歌、臉書、亞馬遜、微軟等，深度學習主流框架tensorflow、caffe 等均為美國企業或機構掌握，百度、第四範式曠視科技等國内企業的算法 框架和數據集尚未得到業界的廣泛認可和應用。2021年，我國需要進一步 部署加強人工智能基礎設施建設，并重視國内人工智能算法框架的創新推 廣。

　　産業脫節問題

　　其次是“高端”的AI技術與“中低端”的産業之間存在脫節現象。相 對于龐大的經濟體量，目前我國人工智能推廣應用有限，仍有不小提升空 間。人工智能技術與企業業務需求存在鴻溝，尤其是傳統企業的整體智能化程度偏低。以制造業為例，業務信息化水平不足造成的場景數據獲取困難，研發投入大和交付周期長，成為一部分企業利用AI進行轉型升級的制約因素。

　　研發與成果轉化率問題

　　産學研合作密切度待提升，成果轉化率不高。一方面高水平、跨行 業複合型人才稀缺。當前我國人工智能産業發展迅速，但人才尤其是高水平、資深人才規模較小，難以滿足行業發展需求。我國人工智能基礎環節薄弱，與缺少頂級基礎研究人才有直接關系。市場上缺少既了解行業又掌 握人工智能關鍵技術，還能夠進行應用開發的複合型人才。另一方面，對我國人工智能産業而言，高校、科研院所、企業之間如何實現密切合作的問題亟待解決。現有産學研合作培養模式較為單一，高校、科研院所、企業之間的合作多為自發性短期行為，缺乏頂層統籌以及可持續運行機制。

　　數據規範使用問題

　　當前數據使用不規範問題較為突出，安全問題逐漸顯現。人工智能 技術在造福人類的同時，也引發了諸多安全問題，以算法戰、深度僞造為代表的人工智能技術濫用給經濟社會帶來嚴重負面影響。算法戰指的 是将人工智能算法、機器學習等技術全面應用于對敵作戰中的情報收集、 武器裝備、戰場勘測、指揮協同、決策制定等環節，核心目标是利用人工智能技術提升軍事作戰能力；深度僞造是一種基于深度學習的人物圖像合 成技術，随着人工智能算法開源不斷推進，深度僞造技術門檻正在不斷降 低，非專業人員已經可以利用簡單開源代碼快速制作出以假亂真的視頻和圖像。20年以來，基于人工智能的算法戰和深度僞造的正在擴大軍事影 響、形成網絡暴力、破壞政治選舉、擾亂外交關系等方面被濫用，并給社會和國家帶來極大風險。上述對人工智能技術的濫用給我國家安全、産業 安全、社會經濟安全帶來巨大風險，需提前預防可能風險，并尋求國際支 持。

　　人工智能未來發展趨勢

　　人工智能是新一輪科技革命及産業革命重要的着力點，人工智能的發 展對國家經濟結構的轉型升級有着重要的意義。雖然人工智能已經發展了 60多年，涉及到許多領域之中，但就目前的情況而言，人工智能發展過程 中還有許多問題亟待解決，未來還有很長一段路要走。

　　人工智能，顧名思義即人造的智能，是認知學科、邏輯學、計算機 科學等學科交叉形成的一種新型的科學技術，人工智能研究的重要目标就是使機器能夠表現出類似人類的智慧，具有智能行為。在人工智能研究的 過程中，機器學習是行業研究的核心，也是人工智能目标實現的最根本途 徑，是當前人工智能發展的主要瓶頸。

　　人工智能已經發展了很長時間，它在未來的發展問題是該學科有關 研究人員讨論的重點，從現階段的發展情況來說，未來人工智能可能會更好地為人類服務、與人類平等等。人工智能屬于全世界科研發展的前沿技 術，發展過程中與信息技術、計算機技術、精密制造技術、互聯網技術密 切相關，對各行業、各領域的發展都有一定的影響，在人工智能發展過程中要認真、深刻地研究其未來的發展方向。

相關文章：

AIoT技術分析：雲計算 - 安防知識網 - a&s傳媒

AIoT技術分析：物聯網 - 安防知識網 - a&s傳媒