Artificial Intelligence (AI) is the intelligence of machines and the branch of computer science which aims to create it. Textbooks define the field as "the study and design of intelligent agents,"[1] where an intelligent agent is a system that perceives its environment and takes actions which maximize its chances of success.[2] John McCarthy, who coined the term in 1956,[3] defines it as "the science and engineering of making intelligent machines."[4]The field was founded on the claim that a central property of human beings, intelligence—the sapience of Homo sapiens—can be so precisely described that it can be simulated by a machine.[5] This raises philosophical issues about the nature of the mind and limits of scientific hubris, issues which have been addressed by myth, fiction and philosophy since antiquity.[6] Artificial intelligence has been the subject of breathtaking optimism,[7] has suffered stunning setbacks[8] and, today, has become an essential part of the technology industry, providing the heavy lifting for many of the most difficult problems in computer science.[9]AI research is highly technical and specialized, deeply divided into subfields that often fail to communicate with each other.[10] Subfields have grown up around particular institutions, the work of individual researchers, the solution of specific problems, longstanding differences of opinion about how AI should be done and the application of widely differing tools. The central problems of AI include such traits as reasoning, knowledge, planning, learning, communication, perception and the ability to move and manipulate objects.[11] General intelligence (or "strong AI") is still a long-term goal of (some) research.[12]Thinking machines and artificial beings appear in Greek myths, such as Talos of Crete, the golden robots of Hephaestus and Pygmalion's Galatea.[13] Human likenesses believed to have intelligence were built in every major civilization: animated statues were worshipped in Egypt and Greece[14] and humanoid automatons were built by Yan Shi,[15] Hero of Alexandria,[16] Al-Jazari[17] and Wolfgang von Kempelen.[18] It was also widely believed that artificial beings had been created by Jābir ibn Hayyān,[19] Judah Loew[20] and Paracelsus.[21] By the 19th and 20th centuries, artificial beings had become a common feature in fiction, as in Mary Shelley's Frankenstein or Karel Čapek's R.U.R. (Rossum's Universal Robots).[22] Pamela McCorduck argues that all of these are examples of an ancient urge, as she describes it, "to forge the gods".[6] Stories of these creatures and their fates discuss many of the same hopes, fears and ethical concerns that are presented by artificial intelligence.The problem of simulating (or creating) intelligence has been broken down into a number of specific sub-problems. These consist of particular traits or capabilities that researchers would like an intelligent system to display. The traits described below have received the most attention.[11][edit] Deduction, reasoning, problem solvingEarly AI researchers developed algorithms that imitated the step-by-step reasoning that human beings use when they solve puzzles, play board games or make logical deductions.[39] By the late 80s and 90s, AI research had also developed highly successful methods for dealing with uncertain or incomplete information, employing concepts from probability and economics.[40]For difficult problems, most of these algorithms can require enormous computational resources — most experience a "combinatorial explosion": the amount of memory or computer time required becomes astronomical when the problem goes beyond a certain size. The search for more efficient problem solving algorithms is a high priority for AI research.[41]Human beings solve most of their problems using fast, intuitive judgments rather than the conscious, step-by-step deduction that early AI research was able to model.[42] AI has made some progress at imitating this kind of "sub-symbolic" problem solving: embodied approaches emphasize the importance of sensorimotor skills to higher reasoning; neural net research attempts to simulate the structures inside human and animal brains that gives rise to this skill.General intelligenceMain articles: Strong AI and AI-completeMost researchers hope that their work will eventually be incorporated into a machine with general intelligence (known as strong AI), combining all the skills above and exceeding human abilities at most or all of them.[12] A few believe that anthropomorphic features like artificial consciousness or an artificial brain may be required for such a project.[74]Many of the problems above are considered AI-complete: to solve one problem, you must solve them all. For example, even a straightforward, specific task like machine translation requires that the machine follow the author's argument (reason), know what is being talked about (knowledge), and faithfully reproduce the author's intention (social intelligence). Machine translation, therefore, is believed to be AI-complete: it may require strong AI to be done as well as humans can do it.[75][edit] ApproachesThere is no established unifying theory or paradigm that guides AI research. Researchers disagree about many issues.[76] A few of the most long standing questions that have remained unanswered are these: should artificial intelligence simulate natural intelligence, by studying psychology or neurology? Or is human biology as irrelevant to AI research as bird biology is to aeronautical engineering?[77] Can intelligent behavior be described using simple, elegant principles (such as logic or optimization)? Or does it necessarily require solving a large number of completely unrelated problems?[78] Can intelligence be reproduced using high-level symbols, similar to words and ideas? Or does it require "sub-symbolic" processing?[79][edit] Cybernetics and brain simulationMain articles: Cybernetics and Computational neuroscience There is no consensus on how closely the brain should be simulated.In the 1940s and 1950s, a number of researchers explored the connection between neurology, information theory, and cybernetics. Some of them built machines that used electronic networks to exhibit rudimentary intelligence, such as W. Grey Walter's turtles and the Johns Hopkins Beast. Many of these researchers gathered for meetings of the Teleological Society at Princeton University and the Ratio Club in England.[24] By 1960, this approach was largely abandoned, although elements of it would be revived in the 1980s.How can one determine if an agent is intelligent? In 1950, Alan Turing proposed a general procedure to test the intelligence of an agent now known as the Turing test. This procedure allows almost all the major problems of artificial intelligence to be tested. However, it is a very difficult challenge and at present all agents fail.Artificial intelligence can also be evaluated on specific problems such as small problems in chemistry, hand-writing recognition and game-playing. Such tests have been termed subject matter expert Turing tests. Smaller problems provide more achievable goals and there are an ever-increasing number of positive results.The broad classes of outcome for an AI test are:Optimal: it is not possible to perform better Strong super-human: performs better than all humans Super-human: performs better than most humans Sub-human: performs worse than most humans For example, performance at draughts is optimal,[143] performance at chess is super-human and nearing strong super-human,[144] and performance at many everyday tasks performed by humans is sub-human.A quite different approach is based on measuring machine intelligence through tests which are developed from mathematical definitions of intelligence. Examples of this kind of tests start in the late nineties devising intelligence tests using notions from Kolmogorov Complexity and compression [145] [146]. Similar definitions of machine intelligence have been put forward by Marcus Hutter in his book Universal Artificial Intelligence (Springer 2005), which was further developed by Legg and Hutter [147]. Mathematical definitions have, as one advantage, that they could be applied to nonhuman intelligences and in the absence of human testers.AI is a common topic in both science fiction and in projections about the future of technology and society. The existence of an artificial intelligence that rivals human intelligence raises difficult ethical issues and the potential power of the technology inspires both hopes and fears.Mary Shelley's Frankenstein,[160] considers a key issue in the ethics of artificial intelligence: if a machine can be created that has intelligence, could it also feel? If it can feel, does it have the same rights as a human being? The idea also appears in modern science fiction: the film Artificial Intelligence: A.I. considers a machine in the form of a small boy which has been given the ability to feel human emotions, including, tragically, the capacity to suffer. This issue, now known as "robot rights", is currently being considered by, for example, California's Institute for the Future,[161] although many critics believe that the discussion is premature.[162]Another issue explored by both science fiction writers and futurists is the impact of artificial intelligence on society. In fiction, AI has appeared as a servant (R2D2 in Star Wars), a law enforcer (K.I.T.T. "Knight Rider"), a comrade (Lt. Commander Data in Star Trek), a conqueror (The Matrix), a dictator (With Folded Hands), an exterminator (Terminator, Battlestar Galactica), an extension to human abilities (Ghost in the Shell) and the saviour of the human race (R. Daneel Olivaw in the Foundation Series). Academic sources have considered such consequences as: a decreased demand for human labor,[163] the enhancement of human ability or experience,[164] and a need for redefinition of human identity and basic values.[165]Several futurists argue that artificial intelligence will transcend the limits of progress and fundamentally transform humanity. Ray Kurzweil has used Moore's law (which describes the relentless exponential improvement in digital technology with uncanny accuracy) to calculate that desktop computers will have the same processing power as human brains by the year 2029, and that by 2045 artificial intelligence will reach a point where it is able to improve itself at a rate that far exceeds anything conceivable in the past, a scenario that science fiction writer Vernor Vinge named the "technological singularity".[164] Edward Fredkin argues that "artificial intelligence is the next stage in evolution,"[166] an idea first proposed by Samuel Butler's "Darwin among the Machines" (1863), and expanded upon by George Dyson in his book of the same name in 1998. Several futurists and science fiction writers have predicted that human beings and machines will merge in the future into cyborgs that are more capable and powerful than either. This idea, called transhumanism, which has roots in Aldous Huxley and Robert Ettinger, is now associated with robot designer Hans Moravec, cyberneticist Kevin Warwick and inventor Ray Kurzweil.[164] Transhumanism has been illustrated in fiction as well, for example in the manga Ghost in the Shell and the science fiction series Dune. Pamela McCorduck writes that these scenarios are expressions of the ancient human desire to, as she calls it, "forge the gods."[6]
“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ，欢迎阅读!
对《人工智能》专业选修课教学的几点体会
摘要：“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，提高《人工智能》专业选修课的教学效果，我们结合近几年的实际教学 经验 ，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。
关键词：人工智能 优选教材 考核方式内容 手段 实践
人工智能(Aritificial Intelligence，英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科，是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为，如推理、证明、感知、规划和问题求解等思维活动，来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐，与时俱进，有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科，必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止，全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今，一直将“人工智能”列为自动化专业本科生的选修课程，到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校，因此，学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下，南邮人经过多年的努力工作，在人工智能科研方面取得了丰硕的成果，如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统，为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。
一、优选教材
目前，国内有关人工智能课程的中英版教材种类非常多，遵循实用、简单、够用的原则，再经过授课老师和学生们的共同调研，我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面，包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写，内容基础，难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域，做到了内容新颖、简单易懂、兼顾基础和应用，受到了全国广大师生们的一致好评，多年的教学实践证明我们所选择的教材是恰当的、正确的。
二、考核方式
在全国大部分高等院校，“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握，南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理，我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核，从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的：平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端，避免学生“机械式”地的应对教学和考试，我们对考试题型进行了调整，不再是以往的填空、选择、简答等题型，而是改为以解决实际问题为导向的应用题型为主，这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了，这也体现了国家目前正在提倡的应用型教学导向。
三、教学内容调整
对于本科生而言，人工智能这门课程所需要讲授的内容实在太多，由于课时所限，我们必须精简教学内容，让学生在掌握基础知识的同时，也能够了解它的具体应用。因此，我们将人工智能这门课程的教学内容分为两个部分：第一部分是基本理论和方法，包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用，包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排，使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点，从而满足了学生们的求知需求。
四、教学手段的改进
(一) 激发学生的学习兴趣
经过长时间的教学我们发现，在选修“人工智能”这门课程时，每个学生的心中所想各有不同，这些学生在刚开始学习时兴趣还比较强烈，但随着教学内容变得越来越抽象，学生逐渐对这本课的学习失去了信心，甚至上课时间不去听课，使授课教师对教学也渐渐失去了信心，导致恶性循环，严重影响了教学质量。针对这种现象，我们认为，在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件，开课前给学生演示“机器人医疗服务”实验，通过该实验的演示，让学生们看到机器人能够给病人提供多项人性化的服务，理解人工智能技术在开发医疗服务机器人多项关键技术中的应用，让学生在开课前能够对本课程的学习产生极大的兴趣，实践证明这种方法是有效的。
(二) 借助多媒体教学
多媒体教学是现代教学过程中一种非常重要的形式，它往往根据教学目的和学生们的特点，通过合理的设计、选择教材内容，应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来，与传统教学手段相结合，形成合理的教学过程结构，达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点，学生学习起来比较困难，为了让学生生动、形象地学习该课程，我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时，借助Matlab软件和投影机，直接展现该算法的求解过程，从而改善了课程教学的形式，提高了教学质量。 (三)提倡课堂 辩论
我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式，多次组织课堂辩论，辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论，无论正方还是反方都感觉自己收获很大，增长了知识，开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色，大大地调动了学生的学习积极性，从而提高了课堂教学质量。
五、实践教学
实践教学是课堂教学不可缺少的重要组成部分，通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法，从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课，设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题，要求学生独立完成这2个实验题目的编程，并书写实验 报告 。通过实验，学生动手实践了课堂上所掌握的理论知识，加深了对智能算法的理解。
人工智能是一门实用性较强的课程，我们总结了近几年来的教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看，我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用，需要指出的是，我们仍有很多不足之处，需要在以后的教学过程中不断努力完善，提高自己的教学能力，争取更好的教学效果。
参考文献
[1]蔡自兴，徐光佑.人工智能及其应用[M].北京：清华大学出版社，2003.
[2]路小英，周桂红，赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报：农林教育版，2007，9(4)：66-68.
[3]马建斌，李阅历，高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报：农林教育版，2011，13(3)：330-332.
[4]赵海波.人工智能课程教学方法的探讨[J].科技信息，2011，(7)：541.
[5]张廷，杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学，2009(11)：133-134.
本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。
下一页分享更优秀的<<<人工智能结课论文
人工智能技术无论是在过去。认知心理学和人工智能。使得人工智能和心理学从最初就紧密地联系在一起。以下是我整理的人工智能的期末论文的相关资料，欢迎阅读!
摘要：人工智能技术无论是在过去。认知心理学和人工智能。使得人工智能和心理学从最初就紧密地联系在一起。
关键词：人类智能，人工智能，认知，心理学
人工智能技术无论是在过去，现在还是将来，都作为科学研究的热点问题之一。人类对自己本身的秘密充满好奇，随着生物技术的飞速发展，人类不断破译人体的生命密码。而以生物科学为基础的人工智能技术也得到了长足的发展。人们希望通过某种技术或者某些途径能够创造出模拟人思维和行为的“替代品”，帮助人们从事某些领域的工作。为了让计算机能够从事一些只有人脑才能完成的工作，解脱人的繁重的脑力劳动，人类对自身的思维和智能不断地研究探索。但是，科学技术是一柄双刃剑，人们对人工智能技术的飞速发展存在着恐慌。如果机器真的具有了人类的智能，在未来的某一天，他们会不会取代人类而成为地球的主宰者?人类智能和人工智能，谁才是未来的传奇?
1.你在和谁说话?
“先进的人工智能机器人不但拥有可以乱真的人类外表，而且还能像人类一样感知自己的存在。”这是人工智能发展到高级阶段的目标和任务。那么，我们在不久的未来能否实现这样一个目标呢?人类真的能发明出足以乱真的智能人类吗?隔着一堵墙，我们是否能分辨出正在与我们对话的是一部机器还是人类?
1.1. 人工智能的定义
人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、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门新的技术科学。人工智能是相对于人的智能而言的。正是由于意识是一种特殊的物质运动形式，所以根据控制论理论，运用功能模拟的方法心理学，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化，叫人工智能。人工智能的本质是对人思维的信息过程的模拟，是人的智能的物化。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能发展的过程归纳为机器不断取代人的过程。
1.2. 人工智能技术的发展
几个世纪以来，人类依靠智慧，发明了许多机器，使人类能够从许多体力劳动中解放出来。从1956年正式提出人工智能学科算起，40多年来取得长足的发展，成为一门广泛的交叉和前沿科学。科学家发明了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是这些不能模仿人类大脑的功能。当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。1997年5月，IBM公司研制的深蓝(Deep Blue)计算机战胜了国际象棋大师卡斯帕洛夫(Kasparov)。在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。计算机的出现，使得人工智能有了突破性的进展。计算机不仅能代替人脑的某些功能，而且在速度和准确性上大大超过人脑，它不仅能模拟人脑部分分析和综合的功能，而且越来越显示某种意识的特性。真正成了人脑的延伸和增强。
1.3. 人工智能的研究领域
人工智能是一种外向型的学科，也是一门多领域综合学科。它不但要求研究它的人懂得人工智能的知识，而且要求有比较扎实的数学基础，哲学和生物学基础，只有这样才可能让一台什么也不知道的机器模拟人的思维。而人工智能的最根本目的是模拟人类的思维，因此，它的研究领域与人类活动息息相关。什么地方只要有人在工作，他就可以运用到那个领域。
现阶段主要研究领域有专家系统，机器学习，模式识别，自然语言理解，自动定理证明，自动程序设计心理学，机器人学，博弈，智能决定支持系统和人工神经网络等等。
2.机器真的可以思考吗?
机器真的可以思考吗?机器的思考归根结底还是模仿人类的思维模式，正是“思考”这一人类的本质属性，使得人工智能和心理学从最初就紧密地联系在一起。心理学研究人脑中信息的输入、输出、存储和加工，并研究人脑各个部位的功能。最早的双核计算机模仿人的左右脑，在人脑不同区域主管各个不同功能这一原理的基础上，来设计负责不同功能的芯片。以此为出发点，心理学家和计算机学者进一步合作，通过研究人解决问题的方法来研究开发人工智能。随着人工智能的发展，所要求实现的职能愈加复杂，但最基本的方式还是逻辑推理和归纳，这正是心理学家和逻辑学家的专业领域。心理学家以研究探讨人类逻辑思维方式为人工智能提供了基本原理和原则。
2.1. 人类意识的本质
意识是世界的内在规定、一般规律和组成部分，是具有客观实在性同世界的其它组成部分处在对立统一关系中的事物。意识普遍存于世界和万物之中，世界是包含意识的世界，万物是包含意识的万物。没有意识存在于其中的世界不是我们现实生活中的世界，没有意识存在于其中的万物也不是我们天天眼见手触的万物。有了意识的存在，世界和万物就有了生机和活力。
2.1.1. 意识是与物质相对应的哲学范畴，与物质既相对立又相统一的精神现象。
意识是自然界长期发展的产物，由无机物的反应特性，到低等生物的刺激感应性，再到动物的感觉和心理这一生物进化过程是意识得以产生的自然条件。意识是社会的产物，人类社会的物质生产劳动在意识的产生过程中起决定的作用。辩证唯物主义在强调物质对意识起决定作用的前提下肯定意识对于物质具有能动的反作用，在意识活动中人们从感性经验抽象出事物的本质、规律形成理性认识，又运用这些认识指导自己有计划、有目的地改造客观世界。
2.1.2. 从意识的起源看，意识是物质世界发展到一定阶段的产物;从意识的本质来看，意识是客观存在在人脑中的反映。
意识是人脑对客观存在的反映：第一，正确的思想意识与错误的思想意识都是客观存在在人脑中的反映;第二，无论是人的具体感觉还是人的抽象思维，都是人脑对客观事物的反映;第三，无论是人们对现状的感受与认识，还是人们对过去的思考与总结，以至人们对未来的预测，都是人脑对客观事物的反映。 意识的能动作用首先表现在，意识不仅能够正确反映事物的外部现象，而且能够正确反映事物的本质和规律;意识的能动作用还突出表现在，意识能够反作用于客观事物，以正确的思想和理论为指导心理学，通过实践促进客观事物的发展。
2.2. 人类意识与人工智能的关系
认知心理学和人工智能，是认知科学的两个组成部分。人工智能使用了心理学的理论，心理学又借用了人工智能的成果。人类意识与人工智能两者具有以下关系：
l人工智能是研究用机器模拟和扩展人的智能的科学。它撇开了人脑的内在结构和意识的社会性，而只是把人脑作为一种信息处理的过程，包括信息的接收、记忆、分析、控制和输出五部分。现代科学技术用相应的部件来完成着五个过程，就构成了人工智能或电脑。
l人工智能可以代替人的某些脑力劳动，甚至可以超过人的部分思维能力，随着现代科学技术的发展，它发挥着越来越重要的作用。人工智能的出现不仅解放了人的智力，而且为研究人脑的意识活动提供了新的方法和途径。它说明了人的意识活动不管多么复杂，都是以客观物质过程为基础的，而不是什么神秘的超物质的东西，人们完全可以用自然科学的精确方法来加以研究和模拟，它进一步证实了辩证唯物主义意识论的科学性。
l人工智能的产生和发展，深化了我们对意识相对独立性和能动性的认识。机器思维即人工智能表明，思维形式在思维活动中对于思维内容具有相对独立性，它可从人脑中分化出来，物化为机械的、物理的运动形式，部分地代替人的思维活动。
随着科学技术的发展，人工智能将向更高水平发展，反过来推动科学技术、生产力和人类智慧向更高水平发展，对人类社会进步将起着巨大的推动作用。
3. 人工智能的未来
人工智能是为了模拟人类大脑的活动而产生的科学，人类已经可以用许多新技术新材料模拟人体的许多功能，诸如皮肤，毛发，骨骼等等，也就是说，人类可以创造出“类人体”。只要能够模拟人的大脑的功能，人就可以完成人工生命的研究工作，人创造自己，这不但在科学上，而且在哲学上都具有划时代的意义。这就是人工智能承担的历史使命。
在科学技术日新月异的今天，知识爆炸，科技的增长超出了人类承受的速度。各种新科技的出现层出不穷，随之而来的成果简直让人瞠目结舌，克隆、基因芯片、转基因等等，人类自身的秘密开始一层一层的揭开。我们人脑的复杂结构，人体的基因链也逐渐被科学技术解剖。我们希望将来的人工智能机器能将我们从繁重的体力劳动和脑力劳动中解放出来心理学，例如机器人做家务，带孩子，做司机，秘书等等一系列我们不愿意花太多精力或者有太多限制条件的工作。然而，人类由于多种“性能”都不如机器人，反而退化成为机器人的奴隶?他们会不会有一天无法忍受人类对他们的“剥削”和“压迫”，挑战人类的统治?很多的科幻作品和电影中都预言了这样的场景，未来的智能机器人和人类争夺有限的地球资源，并最终打败人类，成为新的地球统治者。这也正是绝大多数心理学家和哲学家对人工智能的发展忧心忡忡的原因。
人工智能的发展，也只能无限接近于人的智能，而不能超越人的智能。因为人工智能技术的本质，是模拟人类的思维过程，是为人类服务的。我们在进行发明创造的同时，担心被我们所发明的物质所毁灭。正如人类发明了原子能，用于取代正在逐渐消逝的矿物能源，然而当原子能用于军事领域的时候，他产生的力量也足以毁灭人类文明。科技本身并不是问题，人类如何运用自己掌握的技术，才是问题的关键。我们最大的敌人不是我们发明的技术，而是我们自己本身。
【参考文献】
1.李建国人工智能与认知心理学[J]. 西南师范大学学报 1986年4月第二期 142-146页
2.郑南宁认知过程的信息处理和新型人工智能系统[J]. 中国基础科学.科学前沿2008年 9-18页
3.蔡自兴，徐光�人工智能及其应用(第三版)[M].北京.清华大学出版社 2004年
4.(美)Sternberg,R.J.认知心理学[M] .北京.中国轻工业出版社 2006年
5.(美)Nils J.Nilsson 人工智能[M].北京. 机械工业出版社 2004年
下一页分享更优秀的<<<人工智能的期末论文
现在人工智能的发展前景很不错的，中国人工智能已经以雷霆万钧之势冲进了我们的生活。除了智能机器人，还有智能家居、无人驾驶汽车、“刷脸”支付……人工智能的爆发式发展离不开国家政策的大力支持。2017年7月，国务院印发《新一代人工智能发展规划》，相关部门开始抓紧推进规划的实施工作； 2017年10月，十九大将人工智能正式写进报告，在政策层面为国内AI产业发展提供了一项长期保障； 2017年11月，《新一代人工智能发展规划》启动会上，首批4家国家创新平台确立；2017年12月，工信部印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，相当于“行动书”出台。
过去一年来，上海已经公布了囊括AI+教育、AI+交通、AI+医疗、AI+金融等多个人工智能利用场景。现在人工智能已经走进银行、医院、学校和无人驾驶测试场地等上海多地场合。
按计划，到2020年，上海要造成60个AI深度利用场景、6个翻新利用示范区，全力培养智能经济新动能。
上海正在努力打造科技之都和人工智能高地，如何让上海成为人工智能利用之城，真实推进人工智能产品利用效劳于民生，这须要政府、企业和整个社会的独特努力，尤其是支持新“上海品牌”的人工智能产品效劳上海，威力让人民感想到政府的先进性，感想到科技普及带来的美好生涯，增加城市自豪感。
利用场景是现阶段AI展开的重要决胜场。为此，上海已经推出人工智能利用场景树立实施计划，聚焦制造业等重点范畴，开放更多利用场景、搭建供需对接平台，吸收更多人工智能最新成绩在上海率先利用。
5G助力“AI+工业互联网”
过去一年来，上海已经公布了囊括AI+教育、AI+交通、AI+医疗、AI+金融等多个人工智能利用场景。现在人工智能已经走进银行、医院、学校和无人驾驶测试场地等上海多地场合。按计划，到2020年，上海要造成60个AI深度利用场景、6个翻新利用示范区，全力培养智能经济新动能。
在台风“利奇马”逼近上海的那个周五，东海边上海电气的风机仍在呼呼地转，不过几个小时后，一旦台风越过，那么工作人员就会提早得悉，并中止停机爱护工作，将一切风机停机、桨叶锁死，防止台风过境时损坏风场。这要感谢人工智能。经过上海电气的iwind数据核心，一个全生命周期智能化管理平台“风波”零碎能给风电降低度电本钱、晋升发电效率带来庞大改造。
上海电气只是上海企业聚焦数字化技术利用和智能化消费制造的典型案例，近年来越来越多的企业在打造“AI+工业互联网”平台。在上海的钢铁重镇宝钢，物流“超级特种兵”——新一代无人驾驶重载框架车，成为寰球第一台集信息感知融合、决策布局、导航、智能控制和调度于一体的全天候无人驾驶特种运输车辆。该无人驾驶重载框架车装有“视觉摄像头”，能够经过视觉识别路面疏导线和预设条形码，获取车辆横向纵向地位，精度可达20厘米。
法国工业巨头施耐德也参加宝钢热轧厂1880热卷库无人行车名目。施耐德寰球工业控制与驱动业务高级副总裁马跃对第一财经记者称：“宝钢的热轧厂原有的行车零碎是人工控制，现场控制室和空中有大量人员操作和指挥吊运钢坯。新的零碎是完整依靠软件算法，基于数据模型自动控制的。自动化，数字化和智能化完满融合，这使得控制室和现场完成无人化。同时软件和库存管理零碎无缝连贯，安全高效。”
目前，上海已经在各大试点区域积极规划5G网络笼罩。伴随着5G技术的展开，人工智能在工业互联网中的利用将得到进一步的延伸。
“5G除了在B2C和无人驾驶等范畴，我们只看到一些尝试式的场景，比如无人机，还有在新型的模块化工厂中运用，这些尚处于早期。工业利用的主要瓶颈其切实于智能物联网（IIOT），因此假如有更多的AI进入场景，高级利用将带来更大的双向数据流，从而启示工业物联网技术的普及。”马跃称。
赋能城市交通和智慧医疗
假如说AI+工业互联网还难以让老百姓对人工智能有切身材会的话，那么在今年的世界人工智能大会上，一辆熊猫前脸的无人驾驶公交车的亮相，可能会让人工智能扭转人们未来的出行形式。
这辆总长12米的无人驾驶公交车搭载了智能驾驶、手脉识别零碎、车载机器人、语音交互、精准广告推送、乘客异常行为监测等各种先进的人工智能技术和功用，以新能源磷酸铁锂电池为驱动，无人驾驶技术等级介于L3至L4之间，展示了上海企业以科技劣势赋能公共交通运输零碎。
开发这款AI客车的上海人工智能企业深兰科技公司创始人CEO陈海波对第一财经记者称：“熊猫公交车为人们提供了便利出行的生涯效劳形式，重塑了智能城市公共出行重生态，打造人工智能城市下的新型移动生涯空间。作为城市智能新动脉，熊猫智能公交车，不只将在中国的AICity效劳宽广民众，更将作为‘中国智造’的‘一带一路’形象产品，驶向东南亚、中东、非洲、欧洲、澳洲等地域，效劳民生。”
陈海波以为，上海人工智能树立不能走引进的老路，重要的是造就上海本土科技力气生长起来，并造成上海本土人工智能企业集群，在多个范畴展开壮大。“上海要成为人工智能利用之城，政府要真实推进人工智能产品利用，尤其是看得见摸得着的人工智能产品效劳民生，支持新‘上海品牌’的人工智能产品效劳上海。”陈海波对第一财经记者示意。
目前上海已经在人工智能赋能的各个范畴降生了一批技术“过得硬”的企业。在日前举办的第28届中国国际医用仪器设发挥览会上，上海“智造”高端医疗影像设施吸收了寰球业界的目光。上海本土医疗影像设施厂商联影展示了诊断、放疗、互联网医疗及联影智能（uAI）的全线产品，并且联影目前寰球首台全景动态扫描PET-CT摸索者（uEXPLORER）设施正在上海中山医院投入临床运用，只需一两分钟，就能实现人体的全身扫描。
“中国‘智’造已被拉至世界巨幕之前。”总部位于上海的医疗影像设施厂商联影医疗董事长兼首席执行官薛敏近期示意，“内部能量和外部冲击将为高端医疗设施产业升级提供时机和动力。自主翻新与开放协作的展开之道，将助力医疗企业完成长远展开，推进国产企业迈向寰球价值链更高端。”
2017年底，联影注资3亿元成立旗下人工智能全资子公司联影智能。薛敏日前重申了人工智能关于医疗设实施业的意义。他示意：“人工智能在医疗设施范畴大有前景，不只可为医生赋能，全面晋升诊疗效率；还可为设施赋能，击破行业痛点与各模态产品各自的技术瓶颈。未来联影希望进一步与医院深度协作，开发有特征的AI产品；同时，联影将全力打造下一代智能化设施，完成成像源头的智能。”
以脑科学基础钻研为突破口
AI生态展开的中心基础是脑科学钻研和芯片技术，因此上海要保持展开基础钻研作为人工智能的突破口，将脑科学和芯片技术作为一个主攻方向，做出当先世界的科研成绩，奠定国际位置。
一年一度的“高考季”来了，填报考志愿是考生和家长关心的大事。很多人从高考前就开始关注，应当选择什么样的专业就读。事实上，专业的设置也是随着时代的发展与时俱进的，专业设立的变化折射出的是社会发展的趋势。如今，“机器人工程”专业成为热门，印证的正是这个思路。
求贤：跨界人才受欢迎
10年前，如果说人们已经进入人工智能时代的话，很多人会觉得有些牵强附会；然而，就在过去的几年时间里，人工智能技术带着众多人工智能产品，已经走进了千家万户，人们确实正在进入人工智能时代。
教育部国际合作与交流司司长许涛表示，当前，中国人工智能发展迅猛，中国政府也高度重视人工智能领域的发展。预计到2020年，中国人工智能产业规模将超过1500亿元，带动相关产业规模超过1万亿元，如此快速的增长和发展必然会产生大量的人才需求。
与劳动密集型产业不同，人工智能行业属于智力密集型产业，对从业者的各方面要求较高。现今，随着人工智能的井喷式爆发，技术对人才的需求不断提升，人工智能时代需要的是能够突破学科边界的跨界人才。百度创始人李彦宏认为：“人工智能时代需要更有创意的人才，也需要更多跨界的人才。”举例来说，你可能很了解医疗产业，但并不了解人工智能技术，或者虽然你很了解人工智能技术，但不了解医学所遇到的问题，这两种情况都不能在实践中实现有益的创新。人工智能时代所呼唤的跨界人才，能够对这两个领域都有了解，能够融会贯通。
需贤：智能人才缺口大
人工智能近些年的快速发展与行业人才的需求特点，导致了人工智能人才出现了巨大缺口。据数据显示，中国人工智能人才缺口已超过500万。巨大的人才缺口下，高校的人工智能人才教育不能缺位。但中国人工智能人才的教育现状并非无可挑剔。
就目前来看，中国缺乏顶尖的人工智能人才。国际人工智能协会评选出的208位院士中，中国籍仅占4席。不仅如此，中国高校缺乏相应的人工智能师资力量。目前，全球人工智能领域在整体上存在人才匮乏的现状，大约只有10万人工智能人才。近些年来，受到企业高薪酬、大数据研究条件等因素影响，高校中人工智能师资的流失率不断增加。
据研究报告显示，全球共有超过360所具有人工智能研究方向的高校，其中美国拥有近170所，中国仅30多所。虽然一些中国高校开设了相关课程，但总体上缺乏人工智能的基础教学能力，高校在独自培养具有动手能力的应用型人才上有所欠缺。
随着人工智能站上风口，相关人才成为企业争夺的焦点。科大讯飞董事长刘庆峰在接受采访时表示，人工智能领域确实存在人才短缺的问题，中国目前人工智能人才的工资比硅谷、英国要高很多。人工智能发展作为国家战略，必须人才先行。
育贤：高校培养是主力
教育部近日公布的2017年度普通高等学校本科专业备案和审批结果显示，最“热门”的专业均与信息技术相关。其中，250所高校新增了“数据科学与大数据技术”专业，60所高校新增了“机器人工程”专业。在新增审批本科专业中，也有18所高校新增了“网络空间安全”专业，16所高校新增了“信息安全”专业。
在人工智能发展如火如荼的当下，越来越多高校瞄准人工智能领域，聚焦核心人才培养。近日，南京大学成立人工智能学院，这是国内第四所成立人工智能学院的高校。“现在正是人工智能的窗口期，南京大学需要为江苏、为全国发展智能化作出贡献。”日前，南京大学校长吕建表示，人工智能学院初定本科生招生规模为60人到100人。
除了传统的学院教育，中国人工智能人才的培养渠道也日渐丰富。日前，由教育部、创新工场人工智能工程院、北京大学联合主办的人工智能人才国际培养计划，是中国首个高校人工智能人才国际培养计划，其目标是探索实践适合中国高等人工智能人才培养的教学内容和教学方法，培养中国人工智能产业的应用型人才。
许涛透露，教育部将进一步完善中国高校人工智能学科体系，正在研究设立人工智能专业，推动人工智能一级学科建设。据介绍，教育部正在研究制定《高等学校引领人工智能创新行动计划》，通过科教融合、学科交叉，进一步提升高校人工智能科技创新能力和人才培养能力。
人工智能行业主要上市公司：目前国内人工智能行业的上市公司主要有百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。
本文核心数据：中国人工智能产业核心产业规模,人工智能产业核心产业规模,人工智能产业链应用层,中国人工智能市场应用份额,人工智能在各行业中的应用情况
1、 核心产业和带动产业双双高速增长
相比于互联网产业，我国人工智能发展期与成熟期迎来的较晚，但是在资本和社会期望的驱动下，我国人工智能发展的速度也是非常快的。初步估计2020年我国的人工智能核心产业规模达到1512.5亿元，增长率为38.94%。
除了核心产业的增长外，人工智能带动产业而规模也呈现出快速增长区趋势。2019年我国人工智能带动产业从而规模为38521.5亿元，初步估计2020年达到5725.7亿元，同比增长高达49.83%。
2、人工智能发展快速主要由于应用产业广泛
人工智能发展快速主要由于应用产业广泛。从产业链的结构来看，在人工智能应用层设计的行业非常的多。软件方面的涉及主要有客服、金融、教育;硬件类主要包含无人机，仓储物流、智能机器人等;还有软硬件均为核心技术的无人驾驶和医疗健康产业。
从客户来看，中国人工智能市场主要客户来自政府城市治理和运营(公安、交警、司法、城市运营、政务、交运管理、国土资源、监所、环保等)，应用占比达到49%，互联网与金融行业紧随其后，占比分别为18%和12%。
企业和政府对人工智能的应用逐渐升温。在决定企业产生经济效益的各个环节，都已能够看到人工智能的身影：AI 核身帮助人们安全生活、远程交易、便捷通行;深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策;人机对话提升了拜访登记、服务响应中的用户体验。人工智能将催生新技术、新产品、新产业、新业态、新模式，实现社会生产力的整体跃升，推动社会进入智能经济时代。
前瞻估算，目前中国大型企业基本都已在持续规划投入实施人工智能项目，而全部规上企业中约有超过10%的企业已将人工智能与其主营业务结合，实现产业地位提高或经营效益优化。
以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。
李密青，郑金华。一种多目标进化算法解集分布广度评价方法，计算机学报，2011，34(4)：642－664。 郑金华，周聪，李珂，吕卉。基于最小二乘法的高维目标减少算法，控制理论与应用。2011，28(7)：947－955.李密青，郑金华，李珂。一种非均匀分布问题分布性维护方法，电子学报，2011，39(4)：946－952。郑金华，李珂。一种基于Hypervolume指标的自适应邻域多目标进化算法，计算机研究与发展。（录用）郑金华，吕卉，伍军,周聪, 李珂,李密青. 基于空间交配遗传算法收敛性分析，模式识别与人工智能. 2010, 23(5): 639-645.Ke Li, Jinhua Zheng, Miqing Li, Cong Zhou, Hui Lv. A Novel Slicing Based Algorithm to Calculate Hypervolume for Multi-objective Optimization Problems. ICIC-Express Letters: An International journal of Research and Surveys, 2010, 4(4): 1113-1120. EI Compendex罗 彪, 郑金华, 朱云飞, 蔡自兴. 一种基于“探测”与“开采”的多目标进化算法. 高技术通讯. 2010, 20(2): 143-149. EI CompendexMiqing Li, Jinhua Zheng, Ruimin Shen, Ke Li, Qizhao Yuan. A Grid-Based Fitness Strategy for Evolutionary Many-Objective Optimization, 2010 Genetic and Evolutionary Computation Conference (GECCO'2010), Portland, Oregon, ACM, 463-470. EI CompendexJuan Zou, Jinhua Zheng, Jingye Zhou and Deng Cheng. A Study on Feature Extraction of Parallel Immune Genetic Clustering Algorithm Based on Clustering Center Optimization, ICNC 2010,2264-2267李密青, 郑金华, 罗彪. 一种基于最小生成树的多目标进化算法. 计算机研究与发展. 2009, 46(5): 803-813.郑金华, 罗彪, 周聪, 李望移. 用多目标进化算法搜索MOPs的鲁棒Pareto最优解. 电子学报. 2009,12(37).郑金华, 罗彪. 一种基于拉丁超立方体抽样的多目标进化算法. 模式识别与人工智能, 2009, 22(2): 223-233.李密青, 郑金华, 伍军. 一种新的分布度保持方法. 控制理论与应用. 2009, 26(8).李密青, 郑金华, 肖桂霞, 谢炯亮. 基于空间距离的多目标进化算法. 模式识别与人工智能. 2009, 22(4).郑金华，杨平，杨志伟. 一种用于AVS视频编码的块运动估计算法. 高技术通讯, 2009,19(1): 29-32.李密青, 郑金华. 一种基于生成树的分布性维护方法. 高技术通讯. 2009, 19(8).Miqing Li and Jinhua Zheng. Spread Assessment for Evolutionary Multi-Objective Optimization, Evolutionary Multi-Criterion Optimization, 5th International Conference (EMO 2009), Nantes, France 216-230, 2009 .Ke Li ,Jinhua Zheng,Cong Zhou,Hui Lv. An improved Differential Evolution for Multi-objective optimization(CSIE 2009),2009(18):825-829.Wangyi Li,JinHua Zheng.A new Leading Crossover Operator for function Optimization(CSIE2009),2009(68):675-679.Hui Lv, Jinghua Zheng, Jun Wu, Cong Zhou and Ke Li, The Convergence Analysis of Genetic Algorithm Based on Space Mating(ICNC’09).2009(39), P557-562.李密青, 郑金华, 谢炯亮, 杨平, 李晶. 一种MOEA分布度的逐步评价方法. 电子学报. 2008, 36(10): 1986-1991. (EI收录)李密青, 郑金华, 肖桂霞, 杨平. 一种多目标进化算法的分布度评价方法. 模式识别与人工智能. 2008, 21(5): 695-703. (EI收录)27.Jinhua Zheng, Jun Wu, Hui Lu.A Multi-Objective Differential Evolutionary Algorithm Based on Spacial Distance. ISICA 2008. (EI, ISTP收录)Jinhua Zheng and Miqing Li. An Efficient Method for Maintaining Diversity in Evolutionary Multi-objective Optimization. International Conference on Natural Computation (ICNC’2008). (EI, ISTP收录)Jinhua Zheng, Biao Luo, Miqing Li, Jing Li. Combine LHS with MOEA to Optimize Complex Pareto Set MOPs. The 3rd International Symposium on Intelligence Computation and Applications (ISICA 2008), December 19-21, 2008 in Wuhan , China.Biao Luo, Jinhua Zheng. Latin Hypercube Sampling based MOEA for Solving Complex Pareto Set MOPs. ICNC'08. (EI, ISTP收录)Miqing Li, Jinhua Zheng and Guixia Xiao. An Efficient Multi-objective Evolutionary Algorithm Based on Minimum Spanning Tree, Proceedings of 2008 IEEE Congress on Evolutionary Computation (CEC’2008), IEEE Service Center, Hongkong, June 2008. (EI, ISTP收录)郑金华, 蒋浩, 邝达, 史忠植. 擂台赛法则构造多目标Pareto最优解集的方法研究, 软件学报, 2007, 18(6): 1287-1297. (EI收录)蒋浩,郑金华,陈良军. 求解多目标优化问题的粒子群算法, 模式识别与人工智能, 2007, 20(5): 606-611. (EI收录)Jinhua Zheng, Qian Wu, Wu Song. An Improved Particle Swarm Algorithm for Solving Nonlinear Constrained Optimization Problems. The 3rd International Conference on Natural Computation (ICNC'07), 2007.4.16. (EI, ISTP收录)Jinhua Zheng, Guixia Xiao, Wu Song, Xuyong Li. A Multi-Objective Genetic Algorithm Based on Density. The 2nd International Symposium on Intelligence Computation and Application, 2007.5.22. (SCI, ISTP收录)Jinhua Zheng, Miqing Li. A Diversity Metric for MOEAs. The 7th international Conference on Optimization: Techniques and Applications (ICOTA7) Kobe Japan, December 2007. (EI, ISTP收录)Jinhua Zheng and Yan Peng. A Restricted Genetic Algorithm Based on Ascending of Tangent Planes,in 9th Conference on Information Sciences(JCIS' 2006), Advances in Intelligent Systems Research, Atlantis Press, PP.474-477, Taiwan, October 2006. (EI, ISTP收录)Hao Jiang, Jinhua Zheng, Liangjun Chen. Multi-Objective Particle Swarw Optimization Algorithm Based on Enhance e-Dominance. IEEE ICEIS’2006, June, 2006, Pakistan. (ISTP收录)邝达,郑金华.一种快速构造费支配集的方法——擂台法则.高技术通讯,2005,15(4)：p11-14. (EI收录)郑金华,史忠植. 基于聚类的快速多目标遗传算法.计算机研究与发展,2004,41(7), 1081-1087. (EI收录)郑金华,叶正华,蒙祖强,蔡自兴.基于空间交配的遗传算法.模式识别与人工智能,2003,16(3):482-485. (EI收录)郑金华,蔡自兴.自动区域划分的分区域搜索狭义遗传算法,计算机研究与发展,2000,37(4)：397-400. (EI收录)郑金华,蔡自兴.基于共享存储的并行RGA的设计与实现,高技术通讯,2000,10(3)：23-27. (EI收录)
IEEE Transactions on Automatic Control Automatica Systems & Control Letters International Journal of Control IEEE Transactions on Circuits and Systems IEEE Transactions on Systems, Man and Cybernetics IEEE Transactions on Control Systems Technology IEEE Transactions on Automation Science and Engineering IEEE Transactions on Robotics and Automation International Journal of Robust and Nonlinear Control IET Control Theory and Applications International Journal of System Sciences Journal of Process Control SIAM Journal on Control and Optimization Control Engineering Practice International Journal of Adaptive Control and Signal Processing Dynamical Systems: an International Journal Cybernetics and Systems: an International Journal Journal of Dynamic Systems, Measurement and Control Journal of Mathematical Systems, Estimation, and Control AIAA Journal of Guidance, Control, and Dynamics European Journal of Control Asian Journal of Control Mathematics of Control, Signals, and Systems Journal of Dynamical and Control Systems International Journal of General Systems International Journal of Systems Control and Communications International Journal of Automation and Control International Journal of Modeling Identification and Control Nonlinear Control Abstracts Nonlinear Dynamics Structural Dynamics and Control Circuit, systems and signal processing International Journal of robust and nonlinear Control Nonlinear analysis Expert systems with applications Fuzzy sets and systems IEEE Transactions on Fuzzy Systems IEEE Transactions on Neural network 国内主要期刊：自动化学报控制与决策控制理论与应用信息与控制电子学报计算机学报软件学报计算机研究与发展模式识别与人工智能电机工程学报系统工程学报系统仿真学报机器人系统工程与电子技术 communications in nonlinear science and numerical simulation 自动化学报，控制与决策，控制理论与应用，信息与控制，系统工程与电子技术，电子学报，通信学报，电子与信息学报，数据采集与处理，信号处理，电路与系统学报，控制工程，系统工程，系统仿真学报，仪器仪表学报，应用数学，计算机类
人工智能是一项前瞻性科学研究，已经成为ICT产业发展的突破口。以下是我整理的科技人工智能论文的相关 文章 ，欢迎阅读!
人工智能技术推动我国ICT产业发展模式探讨
【摘 要】人工智能是一项前瞻性科学研究，已经成为ICT产业发展的突破口。通过比较国内外ICT产业中人工智能技术研发现状， 总结 我国相关技术和产业的优劣势，有针对性的从国家政策层面和企业层面探讨人工智能技术在促进我国ICT产业发展的对策和建议。
【关键词】人工智能;政策引导;发展模式
0 引言
工信部在2010年工作会议上重点部署了战略性新兴产业的发展，信息和通信技术(Information and Communication Technology， ICT)产业排在首位。当前以智慧城市、智能家居、车联网等构成的物联网、移动互联网等应用为代表的新一代ICT产业不断创新，正在全球范围内掀起新一轮科技革命和产业变革，相关产业布局如图1所示。2013年前后欧美等国家和地区相继启动的人脑研究计划，促进人工智能、神经形态计算和机器人系统的发展。而人工智能就是机器模拟人脑的具体表现形式，以云计算、深度学习、智能搜索等一系列新技术在大规模联网上的应用，已经成为ICT产业进一步发展的重要方向[1-2]。面对人工智能在ICT产业上的迅猛发展，急需对我国在此方面的发展模式进行梳理。
1 国内外人工智能技术在ICT产业的发展现状
从发展脉络看，人工智能研究始终位于技术创新的高地，近年来成果斐然，在智能搜索、人工交互、可穿戴设备等领域得到了前所未有的重视，成为产业界力夺的前沿领域。目前国际ICT产业在人工智能技术上的发展重心涉及以下几个方面。
1.1 搜索引擎方向的发展
信息搜索是互联网流量的关键入口，也是实现信息资源与用户需求匹配的关键手段，人工智能的引入打开了搜索引擎发展的新空间。融合了深度学习技术的搜索引擎正大幅度提升图像搜索的准确率，同时吸纳了自然语言处理和云操作处理技术的搜索引擎，可将语音指令转化为实时搜索结果，另外人工智能搜索引擎可能添加意识情感元素，发展出真正意义上的神经心理学搜索引擎[3]。
从搜索引擎的发展上来看，国内企业起步稍晚，搜索领域较窄，但也有新浪、搜狐、百度、阿里巴巴、腾讯等公司等纷纷运用独特的技术与 商业模式 进行中国式的创新与超越，以及科大讯飞等企事业研究单位在部分方向已经具有了一定的基础，发展态势较好。
1.2 人脑科学助推人工智能技术发展
人工智能技术都是通过机器来模拟人脑进行复杂、高级运算的人脑研究活动。目前基于信息通信技术建立的研究平台，使用计算机模拟法来绘制详细的人脑模型，推动了人工智能、机器人和神经形态计算系统的发展，预计将引发人工智能由低级人脑模拟向高级人脑模拟的飞跃。
谷歌公司早就通过自主研发以及收购等方式来获取人工智能的必要技术，包括使用一万六千个处理器建立的模拟人脑神经系统的、具备学习功能的谷歌大脑。国内该方面的研究发展起步偏重于医学单位，在中华人类脑计划和神经信息学方面具有一定的科研成果，在某些领域达到了国际先进水平，但在新一轮全球人工智能竞赛中，中国至今处于观望和模仿阶段。直至2013年初，百度成立深度学习研究院，提出百度大脑计划，如图2所示，拥有了超越天河二号的超级计算能力，组建起世界上最大的拥有200亿个参数的深度神经网络。作为国内技术最领先的互联网公司，百度此次争得人工智能领域最顶尖的科学家，在硅谷布局人工智能研究，被视为与美国科技巨头直接展开了技术和人才竞争。
1.3 智能终端和可穿戴设备引起产业变革
移动终端通过嵌入人工智能技术破除了时空限制，促进了人机高频互动，穿戴式智能联网设备正在引领信息技术产品和信息化应用发展的新方向。
我国在智能终端和可穿戴设备芯片的研发方面，还处于探索的阶段，特别是大型芯片企业未进行有力的支持。目前只有君正发布了可穿戴的芯片，制造工艺与国际上还有一定的差距。应该说国内芯片现在还是处于刚刚起步阶段，相比市场对可穿戴设备概念的热捧，用户真正能体验到的可穿戴设备屈指可数，大多停留在概念阶段。
1.4 物联网部分领域发展
全球物联网应用在各国战略引领和市场推动下正在加速发展，所产生的新型信息化正在与传统领域深入融合。总的来看，在公共市场方面发展较快，其中智能电网、车联网、机器与机器通信(Machine-To-Machine， M2M)是近年来发展较为突出的应用领域[4]。
物联网涉及领域众多，各国均上升至国家战略层次积极推动物联网技术研发，我国也在主动推进物联网共性基础能力研究和建立自主技术标准。在射频识别(Radio Frequency Identification， RFID)、M2M、工业控制、标识解析等领域已经获得部分知识产权，其中中高频RFID技术接近国际先进水平，在超高频(800/900MHz)和微波(2.45GHz)RFID空中接口物理层和MAC层均有重要技术突破。在标准方面，已建立传感网标准体系的初步框架，其中多项标准提案已被国际标准化组织采纳。作为国际传感网标准化四大主导国(美国、德国、韩国、中国)之一，我国在制定国际标准时已享有重要话语权。
2 我国ICT产业的政策引导
目前ICT产业的应用范围在不断的延伸，政策的制定必须考虑跨行业的需要，加速产业链的分工、合作和成熟。我国ICT企业正紧跟变革、激励创新、发掘内需，再通过突破瓶颈的ICT政策必将迎来新的机遇和发展。
2.1 国家政策方面的引导
世界发达国家纷纷制定ICT产业发展计划，并将其作为战略性新兴产业的重要组成部分。我国急需在国家政策方面进行引导，试图抢占下一程竞争制高点。政策应呈现如下趋势，破除行业间壁垒，加快制定ICT跨行业标准和产业相关政策。
2.1.1 加强政策顶层设计
成立国家级ICT产业发展机构，尽快确立国家ICT中长期发展战略，落实国家级监管机制、产业协同等各方面的工作，促进ICT产业及相关行业的发展。 2.1.2 加强自主创新能力
将战略性新兴产业作为发展重点，围绕其需求部署创新链，掌握核心关键技术，突破技术瓶颈。加强技术集成和商业模式的创新，加快新产品、新技术、新工艺研发应用。
2.1.3 深化科技体制改革
将企业主体地位予以强化，建立以企业为主、以市场为导向、产学研一体化的创新体系。新体系要确保企业为产业技术研发、技术创新决策、成果转化的主导地位，要促进人才、资源、技术等创新要素向企业流动，要主动与产学研机构开展深度合作，要扶植和壮大创新型企业。
2.2 知识产权方面的引导
2.2.1 专利方面
国际专利纠纷在一定程度上提高了国内企业的专利危机意识，但是由于在国内专利长期并未得到重视及专利技术研发周期长，企业对是否有能力实现布局认识不清[5]。初具国际竞争实力的国内企业应该紧抓全球重大的专利收购机遇，快速提升整体竞争力。针对新技术涉及专利问题应加快系统研究，重视前瞻性专利布局。积极探索统一专利池的构建，增强全产业专利授权及谈判能力，探索构建国内企业面临知识产权危机时的商业保护伞机制。一方面强化自身研发投入，另一方面仍需加强产学研结合、实现高校和科研院所的专利对企业转移。
2.2.2 著作权方面
目前版权产业已经成为国民经济新的增长点和经济发展中的支柱产业。世界知识产权组织在与我国国家版权局的合作调研时发现，2013年我国著作权作品登记共845064件，其中软件著作权登记164349件，同比增长超过18%。物联网、云计算、大数据等 热点 领域软件均呈现出了加速增长态势，如物联网软件著作权共4388件，同比增长70.54%，云计算软件著作权共3017件，同比增长55.04%，明显高于软件登记整体增速。虽然我国软件技术正处在一个高速增长期，但存在着低水平重复、起点较低的问题，仍需坚持不懈的进行引导、创新和保护。
3 ICT相关企业实现方式探讨
经过多年的努力积累，在人工智能究领域我国在不再仅是国外技术的跟随者，已经能够独立自主地进行重大问题的创新性研究，并取得了丰硕的成果。今后我国相关企业应进一步拓展人工智能在ICT产业的应用，并加快构建ICT产业生态系统。我国ICT相关企业在整个产业上应该逐步完成以下几个方面。
3.1 政、学、研、产、用全面推进
政府与科研院所建立合作机制。我国已经在制定多个促进产学研合作的计划，目的是将基础研究、应用研究，以及国家工业未来的发展紧密联系起来。大力资助具有应用前景的科研项目，促进大学与产业界联合申请项目，同时对由企业参与投资开发的项目实行重点关注。企业参与高校的科研项目。鼓励实力雄厚的公司通过向高校提供资金、转让科研设备等形式建立合作关系。高校积极参加企业研发项目。提供多种形式的合作方式，如高校教师充当企业顾问、举办学术讲座或参加企业课题研究，公司科研人员到高校进修并取得学位等。随着高校与政府、企业、研发机构合作的不断深入，努力消除校企之间的空间和物理层面的隔阂。探索建立学校、地方、企业、研发机构四位一体的科技创新体系，尽快形成具有特色优势和规模效益的高新技术产业群。
3.2 加强合作、推进新技术的产业化与商用
通信设备企业可与电信运营商、互联网企业加强合作，共同搭建新型试验网络，验证基于融合技术的网络架构在各场景的运行状况，排查可能出现的问题，推进相关技术、设备以及解决方案的成熟与商用化。加大与科研院所、专利中介、行业协会组织的合作，充分利用各方资源优势。企业应着重关注和影响科研院所的研究方向，协助其加强研发的实用性，提高研发质量。可以采取与校企合作开发、企业牵头申报课题，高校参与、企业设立课题由高校认领、建立联合实验室等方式。合作培育应用生态。企业在推进网络控制平台面向标准化的过程中，应充分考虑和吸纳包括电信运营商、互联网企业及其他各类企业的网络应用创新需求，为网络应用生态体系的形成与繁荣创建良好的技术基础与商业环境。
3.3 全力抢占大数据
我国政府已经认识到大数据在改善公共服务、推动经济发展以及保障国家安全等方面的重大意义。2014年《政府 工作 报告 》明确提出，“以创新支撑和引领经济结构优化升级;设立新兴产业创业创新平台”，在新一代移动通信、集成电路、大数据等方面赶超先进，引领未来产业发展。ICT企业在发展大数据的总体思路应该是：首先，明确国家关于大数据发展的战略目标，促进电信、互联网、金融等拥有海量数据的企业与其他行业进行大数据融合，扩展大数据应用领域;其次，在技术方面需要提高研发的前瞻性和系统性，近期重点发展实时大数据处理、深度学习、海量数据存储管理、交互式数据可视化和应用相关的分析技术等[6];第三，集合产学研用各方力量，统筹规划大数据应用，避免盲目发展;最后，解决个人信息的数据安全性需求。
3.4 重点发展云计算
2014年3月，工信部软件服务业司司长陈伟透露我国云计算综合标准化技术体系草案已形成。在政府建立标准化的同时，ICT企业应以企业的角度积极参与到云计算领域研究中，服务国家云产业发展战略。建议向用户充分开放企业平台资源，推进社会云产业发展;加强技术应用深度，将云计算技术着重应用于信息搜索、数据挖掘等领域，逐渐形成社会资源利用方面高效可行的 方法 技术;广泛展开与社会各界合作，推动社会各类数据资源与企业云计算技术的整合应用。云计算企业拥有丰富的软硬件资源、技术资源以及人力资源，并且服务政府信息化建设意愿强烈。应通过与政府社会资源应用需求相结合，充分发挥企业云计算资源在服务政府信息化建设、社会资源应用方面的潜力。
4 小结
发达国家对人工智能技术在ICT产业应用的研究开展较早，为促进人工智能技术的发展和ICT产业相关技术的发展已经提出并实施了一些行之有效的策略，积累了一定的 经验 。本文通过对比国内外在人工智能技术重点方向发展现状，借鉴他国政策与经验，根据我国的国情及产业发展所处的阶段，提出符合我国目前产业发展现状，适合我国的可借鉴的策略，以期为促进我国人工智能技术在ICT产业发展提供参考。
下一页分享更优秀的>>>科技人工智能论文
Intelligent processing tools is usually deal with uncertain, unstructured, of no fixed algorithm, the process is a process of inference control processing, the final results are often not sure, may be right, may be is not correct. Natural speech understanding is mainly studied how to make the computer can understand and raw or natural voice technology, natural speech understanding process can be divided into three levels: lexical analysis, syntactic analysis and semantic analysis, due to the natural voice is rich and colorful, so the natural speech understanding is quite difficult, moving from words, we can find some shortages at current levels of natural speech comprehension. Radio, television and the Internet through the waves propagated, digital circuit, newspapers need to typesetting printing, fast and slow step. Magazines, books, movies, more slowly. Release speed of the tool, holds a large advantage in the aspect of news release; Slow release tool that is used to release more to think about and research materials, such as publishing a variety of social science and natural science research, often in the form of magazines and books. In the information society, the use of network to network communication has been thought highly of by people more and more quickly, because the network has provided a broad space to people, shorten the distance between people. In a certain period of time, we can gather in different places, different age, different education and different classes of people to communicate and discuss, make people more broad vision, to know more comprehensive information, experience more rich, therefore, with the further development of information technology and the progress of the society, and believe that there will be more and more people using the Internet the medium for communication and study, but we should also see, there are also all kinds of problems on the network, such as some people release some bad information on the Internet, trap set all kinds of information. Contrast we should distinguish right and wrong, penetrative, taken as true, let the Internet become our good place to study and communication. Intelligent interface technology is the study of how to enable people to make nature to communicate with the computer, in order to achieve this goal, for the computer to read text, understand language, speech, and even be able to translate between different languages, and the realization of the function of these depend on the knowledge expression method of research, therefore, the intelligent interface technology has made remarkable achievements, character recognition, speech recognition, speech synthesis, image machine translation and natural language understanding technology has practical application智能处理工具通常处理的问题是不确定的,非结构的,没有固定算法的，处理的过程是推理控制的过程，最终得到的结果常常是不太确定的，可能是正确的，可能能是不正确。自然语音理解主要是研究如何使计算机能够理解和生或自然语音的技术，自然语音理解过程可以分为三个层次：词法分析，句法分析和语义分析，由于自然语音是丰富多彩的，所以，自然语音理解也是相当困难的，从话动中，我们可以发现目前水平的自然语音理解能力的一些不足。广播、电视和网络通过电波、数字线路进行传播，发布的速度快，报纸需要排版印刷，速度慢了一步。杂志、书籍、电影更慢。发布速度快的工具，在发布新闻方面占有很大的优势;发布速度慢的工具，则多用来发布需要思考和研究的材料，如发布各种社会科学和自然科学的研究成果，常采用杂志与书籍的形式。 在信息社会中，利用网络进行进行网络进行交流已经越来越快受到人们的重视，因为网络给人们提供了广阔的空间，缩短了人与人之间的距离。在一定的时间内，我们可以聚集不同地方、不同年龄、不同学历、不同阶层的人们进行交流和探讨，使人们的视野更加广阔，了解到信息更为全面，得到的经验更加丰富，因此，随着信息技术的进一步发展和社会的进步，相信会有更多的人利用网络这种媒介进行交流和学习，但是我们也应该看到，网络上也存在各种各样的问题，如有些人在网上发布一些不良的信息，设置各种信息陷阱。对比我们应该分辨是非，明察秋毫，劫为存真，让因特网成为我们学习交流的好地方。 智能接口技术是研究如何使人们能够方使自然地与计算机交流，为了实现这目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表达方法的研究，因此，智能接口技术已经取得显著成果，文字识别、语言识别、语音合成、图像机器翻译以及自然语言理解等技术已经实用化
是的 在万方上看看就知道了
软件学报是很难投的，审稿时间长，难度大，是EI核心来源期刊； 可接受8000-10000字左右的长文； 稿量大，处理流程大多缓慢，应早投； 《投稿方式：直接网站在线投稿，中英文均可。初审后通知编号，邮寄审理费。外审通过后再通知其它处理事宜。 审理费：150元 审稿周期：6个月左右；发表周期：录用后的发表周期较长，需要耐心等待，但专刊较快. 版面费标准：180.00元/面，收费比较厚道。该刊组织了很多专刊，投专刊的文章被录用后发表周期相对短，但录用率超低专刊反映信息较快，是一种不错的方式。 《模式识别与人工智能》比前者好中一些，但难度也不小。这个杂志是要求你寄两份打印稿，还有一份你的联系信息，然后大概一个星期左右他给你发email告知你通过初审，要求给审稿费100元，然后就是等待，大概三个多月给结果吧。每期文章大约20几篇，平均来说不是很好中，审稿一般4个月左右，发表周期就长了。
IEEE Transactions on Automatic Control Automatica Systems & Control Letters International Journal of Control IEEE Transactions on Circuits and Systems IEEE Transactions on Systems, Man and Cybernetics IEEE Transactions on Control Systems Technology IEEE Transactions on Automation Science and Engineering IEEE Transactions on Robotics and Automation International Journal of Robust and Nonlinear Control IET Control Theory and Applications International Journal of System Sciences Journal of Process Control SIAM Journal on Control and Optimization Control Engineering Practice International Journal of Adaptive Control and Signal Processing Dynamical Systems: an International Journal Cybernetics and Systems: an International Journal Journal of Dynamic Systems, Measurement and Control Journal of Mathematical Systems, Estimation, and Control AIAA Journal of Guidance, Control, and Dynamics European Journal of Control Asian Journal of Control Mathematics of Control, Signals, and Systems Journal of Dynamical and Control Systems International Journal of General Systems International Journal of Systems Control and Communications International Journal of Automation and Control International Journal of Modeling Identification and Control Nonlinear Control Abstracts Nonlinear Dynamics Structural Dynamics and Control Circuit, systems and signal processing International Journal of robust and nonlinear Control Nonlinear analysis Expert systems with applications Fuzzy sets and systems IEEE Transactions on Fuzzy Systems IEEE Transactions on Neural network 国内主要期刊：自动化学报控制与决策控制理论与应用信息与控制电子学报计算机学报软件学报计算机研究与发展模式识别与人工智能电机工程学报系统工程学报系统仿真学报机器人系统工程与电子技术 communications in nonlinear science and numerical simulation 自动化学报，控制与决策，控制理论与应用，信息与控制，系统工程与电子技术，电子学报，通信学报，电子与信息学报，数据采集与处理，信号处理，电路与系统学报，控制工程，系统工程，系统仿真学报，仪器仪表学报，应用数学，计算机类