计算机信息技术对人工智能发展的探讨

邹凯华

（平凉机电工程学校，甘肃 平凉 743400）

人工智能是信息技术的发展趋势，智能化也是当今社会的重要特征。人工智能这一概念并非诞生于21世纪，早在20世纪三四十年代，“人工智能”便已被国外计算机科学家们所“发现”，但受计算机发展水平限制，科学家们对人工智能的研究并不深入[1]。在随后一些年里，德国、美国、日本等国家的计算机科学家通过一次次试验使“人工智能”逐渐成为可能。以此为基础，进入21世纪后，人工智能实现了质的飞跃，在计算机科技领域中掀起了新的发展浪潮。

计算机技术从诞生至今已有70多年的历史，随着人类社会不断向前迈进，科研水平日益提高，计算机技术也在朝着智能化、人性化、多功能化方向发展。现代计算机技术已不再局限于传统网络和软件领域，在应用需求不断扩大的今天，其与旁系领域的结合程度越来越高，由此衍生出新种类应用技术。

所谓“深”度发展，既包括了水平方向的外延拓展，也包括了垂直方向的纵深。计算机技术不同于其他类技术，对其发展维度的探寻和研究，需要站在三维空间角度进行思考。计算机的“深”度发展，其实就是智能化发展，即以原有技术为基础，朝着智能化方向发展。

计算机技术长期以来受到追捧的主要原因之一就是运行速度快，数据信息处理速度快。在路由技术、交换技术、数据库技术，以及软件技术支持下，网页加载与切换所需要的时间甚至会短于人眨眼的时间。单纯从技术角度看，这样的结果已能够满足人们的应用需求，因为继续提高计算和运行速度是毫无意义的。但人们对“速”度的要求并不是基于某一个层面来提出的，而是融合了很多其他属性元素。比如，同时打开10个应用程序后，任何一个应用程序都能够流畅运行，而与此同时，网络视频会议依然能保持通常。显然，若想实现上述这些，除了要有功能强大的硬件设备做支持外，网络信号也要足够好，各应用软件间不存在兼容性问题。从这个角度看，计算机技术在“速”度上的发展需要保证不同层面内容能够齐头并进。

人工智能的概念起源于20世纪50年代，自该概念被提出以后，国内外大量学者均在不同平台上发表了自己的看法[2]。迄今为止，纵观人工智能技术整个发展过程，大致可以被分为三个阶段：

1）萌芽期。1936年，英国数学家和逻辑学家阿兰·图灵提出了一种抽象的计算模型——图灵机，由此通过计算模型机器来模拟人们进行数学运算的过程[3]。世界的第一台计算机在五年后问世，是由美国科学家和德国计算机科学家共同研制，从此人类存储和处理信息的手段开始发生了天翻复地的变化。[7]在后续发展中，随着计算机技术和理念的不断进步，人工智能理论也开始出现，人们终于创造出了能对信息进行储存和智能化处理的工具。

2）高速发展期。1970年后的10年是人工智能技术迅速发展的时期，从此，计算机开始拥有了基本的视觉和思维，与此同时，定位编号分离协议和逻辑编程语言成为人工智能领域中工作者不可或缺的工具。进入到80年代，“专家系统”诞生，最初由卡耐基·梅隆大学为DEC公司研制，在接下来的几年时间里，DEC公司共节省出近4 000万美元的运营成本，除此之外，“专家系统”还帮助该公司做出了一些重要决策，为公司发展作出了巨大贡献[4]。发现了专家系统带来的经济效益之后，很多国家开始投入大量的资金去研究所谓的第五代计算机，即人工智能计算机。在此之后，计算机技术在人工智能领域开始有了突破性发展。

3）人工智能技术的第三次浪潮。随着计算机网络技术迅速发展（包括互联网技术），对人工智能技术的研究也开始从单个智能主体转向基于网络体系下的分布式AI研究。随着多目标问题求解方法逐渐成熟，人工智能的实用化程度也越来越高。进入21世纪以后，大数据技术和互联网技术的兴起，进一步加快了人工智能技术发展速度，其在无人驾驶、图像分类、语音识别等方面和领域的应用程度也越来越高。针对特定领域的特定人工智能技术，其在局部或单点的智能水平已超越人类，如日本的仿人机器人、德国的工业机器人等[5-6]。

从学科性质角度看，人工智能具有较强综合性，它集语言学、计算机科学、哲学、运动学、神经学、心理学于一体，且随着研究维度与应用领域的不断扩大，更多种类科学也将被融入进来。很明显，人工智能是一种完全以应用为目的的一门科学/学科。人工智能技术的发展和进步，与人们日益增长的应用需求相分不开，但这种“需求”目前仅停留在原有认知维度上。现阶段，人工智能技术主要被应用于机器人、图像处理、自然语言和专家系统等多个领域[7]。

3.2.1 专家系统

专家系统被认为是人工智能技术从理论到实践过程中比较有代表性的一个分支领域，也是人工智能系统比较重要的一个组成部分。专家系统的实质是“程序设计”与“程序运行”，借助智能技术来进行研发。成型的系统一般都具有比较完整的知识程序，运行时，能够独立完成与程序内容和功能相匹配的任务，而所谓的“任务”，往往是人们有能力去完成，却不愿意完成，或者完全没有能力完成的工作内容。当前专家系统主要活动在金融、统计、医疗等几个领域，帮助人们解决复杂、繁琐，以及难度较高的工作。

3.2.2 模式识别

模式识别的理论基础是信息论与概率公式，借助多种信息处理手段来模拟人的思维模式。在数学计算方法与计算机软硬件功能支持下，任意形式的事物表征或表象将得到数据性分析和处理，进而实现对事物的描述和解释，辨别和分类。结构识别与统计识别是现阶段两种主流模式识别类型，随着研究的不断深入，越来越多具有现代化特征的科技产物别研制出来，如人脸虹膜。

3.2.3 自然语言理解与程序设计

人机对话是人工智能领域里一个重要组成部分，被认为是人工智能技术持续发展的产物。人机对话的实现前提，是机器对人类语言的理解，包括逻辑结构与感性表达。识别生活用于是自然语言理解的核心内容，在相应智能化设备支持下，具备自然语言理解能力和自动程序化特征的机器将能够按照人类的逻辑和思维与人进行沟通。也就是说，一旦系统被赋予自然语言理解能力，拥有自动程序化特征，对应设备便能与人进行日常交流。值得注意的是，无论是自然语言理解，还是自动程序化特征，起初都是设计者所赋予的，系统或设备并不具备自行编写程序的能力。但随着计算机技术的不断发展，智能化系统和设备已逐渐具备了编写简单程序能力。

3.2.4 人工神经网络

人工神经网络技术的实现使机器拥有模仿人类高级行为的能力成为可能。依靠神经与调节神经构造原理，接受外部传递进来的信息，并对信息进行识别、分析、处理、判断，通过模仿生物体神经构造原理，将目标构造原理进行复现，在其他技术支持下，建立完整的系统和算法。现阶段，大多数领域的研究工作都会应用神经网络，包括专家系统和模式识别，在实际应用中发挥了重要作用。神经网络的持续发展，除了要继续发挥现有优点外，还要开发新的功能，拓宽其价值维度，为进一步扩展应用空间创造条件。

3.2.5 机器人学

机器人学是机器人技术的另一种叫法，又被称为机器人工程学，使机器人具备拟人化应用功能，以及建立沟通关系，是机器人学的主要研究内容。与机器人学关联的学科有很多，如动力学、传感、行动规划，以及控制技术和运动学等。机器人学算不上新兴学科/科学，早在20世纪60年代，它便在计算机技术与自动化技术发展过程中诞生，虽然在当时还不够成熟，但却对计算机技术发展提供了巨大帮助。可见，具有智能特征的机器人学与计算机科学的发展是相互作用，彼此扶持的，这对于现代人工智能研究，以及重新认识计算机与人工智能间的关系有着积极意义。正如前文所述，人工智能的快速发展离不开人们的应用需求，特别是对于在完成高难度工作过程中的需求，因此，机器人技术的研究和发展，其主要目的之一，便是让机器人具备人类逻辑和人类思考问题能力之后，取代人力来完成高难度和高危工作。但需要指出的是，机器人“拟人化”功能的逐渐完善，在帮助人们减轻工作负担与压力的同时，也会引发一系列伦理问题。

人工智能技术历经几十年的进步和发展，已经拥有较为成熟的理念和技术。现阶段，其在各领域中的应用也达到了一定高度，相关几乎产品和设备在实际生产制造中发挥了重要作用。同时，也给人们的生活和工作带来焕然一新的体验感。从文章第三部分论述中可以知道，人工智能与计算机技术始终相伴，在计算机刚刚诞生不久，人们便已经开始有意识将这种新技术向智能化、人性化方向靠拢，因此可以认为，计算机的发明只是人们研制人工智能的第一步，随着对计算机技术研究程度逐渐加深，人工智能也变得越来越成熟。计算机技术是人工智能获得更好发展的基础，以此为基点所衍生出的其他技术也同样在人工智能发展中起到了关键性作用，我们有理由认为，计算机技术的不断发展是人工智能得以最终实现的根本。