前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的卷積神經網絡可視化主題范文，僅供參考，歡迎閱讀并收藏。
關鍵詞：人工智能 機器學習 機器人情感獲得 發展綜述
中圖分類號：TP18 文獻標識碼：A 文章編號：1003-9082 （2017） 04-0234-01
引言
人類自從工業革命結束之后，就已然開始了對人工智能的探索，究其本質，實際上就是對人的思維進行模仿，以此代替人類工作。人工智能的探索最早可以追溯到圖靈時期，那時圖靈就希望未來的智能系統能夠像人一樣思考。在20世紀五十年代，人工智能被首次確定為一個新興的學科，并吸引了大批的學者投入到該領域的研究當中。經過長時間的探索和嘗試，人工智能的許多重要基本理論已經形成，如模式識別、特征表示與推理、機器學習的相關理論和算法等等。進入二十一世紀以來，隨著深度學習與卷積神經網絡的發展，人工智能再一次成為研究熱點。人工智能技術與基因過程、納米科學并列為二十一世紀的三大尖端技術， 并且人工智能涉及的學科多，社會應用廣泛，對其原理和本質的理解也更為復雜。 一、人工智能的發展歷程
回顧人工智能的產生與發展過程 ，可以將其分為：初期形成階段，綜合發展階段和應用階段。
1.初期形成階段
人工智能這一思想最早的提出是基于對人腦神經元模型的抽象。其早期工作被認為是由美國的神經學家和控制論學者 Warren McCulloch與Walter Pitts共同完成的。在1951年，兩名普林斯頓大學的研究生制造出了第一臺人工神經元計算機。而其真正作為一個新的概念被提出是在1956年舉行的達茅斯會議上。由麥卡錫提議并正式采用了“人工智能”（Artificial Intelligence）礱枋穌庖謊芯咳綰斡沒器來模擬人類智能的新興學科。1969年的國際人工智能聯合會議標志著人工智能得到了國際的認可。至此，人工智能這一概念初步形成，也逐漸吸引了從事數學、生物、計算機、神經科學等相關學科的學者參與該領域的研究。
2.綜合發展階段
1.7 7年， 費根鮑姆在第五屆國際人工智能聯合會議上正式提出了“知識工程”這一概念。而后其對應的專家系統得到發展，許多智能系統紛紛被推出，并應用到了人類生活的方方面面。20世紀80年代以來，專家系統逐步向多技術、多方法的綜合集成與多學科、多領域的綜合應用型發展。大型專家系統開發采用了多種人工智能語言、多種知識表示方法、多種推理機制和多種控制策略相結合的方式， 并開始運用各種專家系統外殼、專家系統開發工具和專家系統開發環境等等。在專家系統的發展過程中，人工智能得到了較為系統和全面的綜合發展，并能夠在一些具體的任務中接近甚至超過人類專家的水平。
3.應用階段
進入二十一世紀以后，由于深度人工神經網絡的提出，并在圖像分類與識別的任務上遠遠超過了傳統的方法，人工智能掀起了前所未有的。2006年，由加拿大多倫多大學的Geoffery Hinton及其學生在《Science》雜志上發表文章，其中首次提到了深度學習這一思想，實現對數據的分級表達，降低了經典神經網絡的訓練難度。并隨后提出了如深度卷積神經網絡（Convolutional Neural Network， CNN），以及區域卷積神經網絡（Region-based Convolutional Neural Network， R-CNN），等等新的網絡訓練結構，使得訓練和測試的效率得到大幅提升，識別準確率也顯著提高。
二、人工智能核心技術
人工智能由于其涉及的領域較多，內容復雜，因此在不同的應用場景涉及到許多核心技術，這其中如專家系統、機器學習、模式識別、人工神經網絡等是最重要也是發展較為完善的幾個核心技術。
1.專家系統
專家系統是一類具有專門知識和經驗的計算機智能程序系統，通過對人類專家的問題求解能力建模，采用人工智能中的知識表示和知識推理技術來模擬通常由專家才能解決的復雜問題，達到具有與專家同等解決問題能力的水平。對專家系統的研究，是人工智能中開展得較為全面、系統且已經取得廣泛應用的技術。許多成熟而先進的專家系統已經被應用在如醫療診斷、地質勘測、文化教育等方面。
2.機器學習
機器學習是一個讓計算機在非精確編程下進行活動的科學，也就是機器自己獲取知識。起初，機器學習被大量應用在圖像識別等學習任務中，后來，機器學習不再限于識別字符、圖像中的某個目標，而是將其應用到機器人、基因數據的分析甚至是金融市場的預測中。在機器學習的發展過程中，先后誕生了如凸優化、核方法、支持向量機、Boosting算法等等一系列經典的機器學習方法和理論。機器學習也是人工智能研究中最為重要的核心方向。
3.模式識別
模式識別是研究如何使機器具有感知能力 ，主要研究圖像和語音等的識別。其經典算法包括如k-means，主成分分析（PCA），貝葉斯分類器等等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網絡模式的方法逐漸取代傳統的基于統計學習的識別方法。圖形識別方面例如識別各種印刷體和某些手寫體文字，識別指紋、癌細胞等技術已經進入實際應用。語音識別主要研究各種語音信號的分類，和自然語言理解等等。模式識別技術是人工智能的一大應用領域，其非常熱門的如人臉識別、手勢識別等等對人們的生活有著十分直接的影響。
4.人工神經網絡
人工神經網絡是在研究人腦的結構中得到啟發， 試圖用大量的處理單元模仿人腦神經系統工程結構和工作機理。而近年來發展的深度卷積神經網絡（Convolutional neural networks， CNNs）具有更復雜的網絡結構，與經典的機器學習算法相比在大數據的訓練下有著更強的特征學習和表達能力。含有多個隱含層的神經網絡能夠對輸入原始數據有更抽象喝更本質的表述，從而有利于解決特征可視化以及分類問題。另外，通過實現“逐層初始化”這一方法，實現對輸入數據的分級表達，可以有效降低神經網絡的訓練難度。目前的神經網絡在圖像識別任務中取得了十分明顯的進展，基于CNN的圖像識別技術也一直是學術界與工業界一致追捧的熱點。
三、機器人情感獲得
1.智能C器人現狀
目前智能機器人的研究還主要基于智能控制技術，通過預先定義好的機器人行動規則，編程實現復雜的自動控制，完成機器人的移動過程。而人類進行動作、行為的學習主要是通過模仿及與環境的交互。從這個意義上說，目前智能機器人還不具有類腦的多模態感知及基于感知信息的類腦自主決策能力。在運動機制方面，目前幾乎所有的智能機器人都不具備類人的外周神經系統，其靈活性和自適應性與人類運動系統還具有較大差距。
2.機器人情感獲得的可能性
人腦是在與外界永不停息的交互中，在高度發達的神經系統的處理下獲得情感。智能機器人在不斷的機器學習和大數據處理中，中樞處理系統不斷地自我更新、升級，便具備了獲得情感的可能性及幾率。不斷地更新、升級的過程類似于生物的進化歷程，也就是說，智能機器人有充分的可能性獲得與人類同等豐富的情感世界。
3.機器人獲得情感的利弊
機器人獲得情感在理論可行的情況下，伴之而來的利弊則眾說紛紜。一方面，擁有豐富情感世界的機器人可以帶來更多人性化的服務，人機合作也可進行地更加深入，可以為人類帶來更為逼真的體驗和享受。人類或可與智能機器人攜手共創一個和諧世界。但是另一方面，在機器人獲得情感時，機器人是否能徹底貫徹人類命令及協議的擔憂也迎面而來。
4.規避機器人情感獲得的風險
規避智能機器人獲得情感的風險應預備強制措施。首先要設計完備的智能機器人情感協議，將威脅泯滅于未然。其次，應控制智能機器人的能源獲得，以限制其自主活動的能力，杜絕其建立獨立體系的可能。最后，要掌控核心武器，必要時強行停止運行、回收、甚至銷毀智能機器人。
三、總結
本文梳理了人工智能的發展歷程與核心技術，可以毋庸置疑地說，人工智能具有極其廣闊的應用前景，但也伴隨著極大的風險。回顧其發展歷程，我們有理由充分相信，在未來人工智能的技術會不斷完善，難題會被攻克。作為世界上最熱門的領域之一，在合理有效規避其風險的同時，獲得情感的智能機器人會造福人類，并極大地幫助人們的社會生活。
參考文獻
[1]韓曄彤.人工智能技術發展及應用研究綜述[J].電子制作，2016，（12）：95.
[2]曾毅，劉成林，譚鐵牛.類腦智能研究的回顧與展望[J].計算機學報，2016，（01）：212-222.
[3]張越.人工智能綜述：讓機器像人類一樣思考
治療糖尿病有新招 腸內細胞“動手腳”
日前，倫敦大學學院附屬醫院（University College Hospital）的醫生們嘗試利用一種全新理念來治療Ⅱ型糖尿病，以期望能讓患者們將大大小小的藥瓶“鎖起來”，徹底擺脫對治療藥物的依賴。這種療法的聚焦點在腸的內壁。醫生將一頭帶有放了氣的硅膠氣球的細管順患者咽喉插入，直達用于消化食物的十二指腸，然后為氣球充氣并注入熱水。這樣一來，球體壓迫十二指腸，表面的溫度就會將周圍的組織燒掉，整個過程需要90分鐘。這一方法被稱為消融（ablation），它可以將十二指腸內的異常細胞溫和地燒掉，促進新細胞生長，以便更好地代謝葡萄糖和糖，讓血糖含量下降，改善血液循環，從而降低中風、心臟病等糖尿病并發癥出現的概率。 （編譯自“每日郵報”網站）
煙蒂不再隨手棄 變臉“建材”更有利
吸煙剩下的煙蒂最終的命運往往逃不過一個“扔”字，由于其生物降解性差，一般需要很多年才能分解，而且當中帶有的各種重金屬還會污染土壤和水源。但最近澳大利亞的科學家利用先進技術將這一棄料變成了建筑用的“燒制黏土磚”，為煙蒂的處理找到了一條實用的解決方法。據統計，每年全世界會生產6兆支香煙，這也就意味著會有120萬噸的煙蒂淪為垃圾需要處理。到2025年，隨著世界人口的增長，煙蒂的數量將會提高50%，應當引起人們的足夠重視。據專家說，用煙蒂制作的新型磚材不僅質量輕，而且絕緣性能好，成本低。因此，這一環保技術的應用無疑為城市的垃圾處理以及建筑材料的使用減輕了壓力。 （編譯自“科學前哨戰”網站）
希臘圣賢墓成謎 考古線索來破題
古希臘哲學圣賢亞里士多德在西方思想文明發展史中占據著重要地位，受世人景仰，但兩千多年過去了，他魂歸何處，墓在哪方一直是未解之謎。就在紀念亞里士多德誕生2400年之際，一位來自希臘的考古學家宣稱，經過20多年的挖掘，他認為這位哲學家極有可能埋在古村斯坦吉拉（Stagira），而這也正是亞里士多德的出生地。雖然這位考古學家沒有確鑿的證據，但是他已經找到了古文獻中記載的祭壇以及通往墳墓的道路。亞里士多德從雅典出逃并得胃病而亡，過去學者都認為其死后埋于距離斯坦吉拉300英里的哈里西斯（Chalcis），但最近的線索卻顛覆了以往的推斷，并很有希望最終揭秘。
（編譯自“科學前哨戰”網站）
一天旅行體力佳 不斷越國整“一打”
來自英國利茲的39歲的亞當?萊頓（Adam Leyton）日前在24小時之內創下了到達12個國家的新的世界紀錄。他于早晨7：01時從德國的佩爾途徑盧森堡、法國、比利時、荷蘭等國，最終到達奧地利。而在規定時間內，他還必須跑步完成最后的兩公里。作為一名三個孩子的父親，他也是蠻拼的，但1000英鎊的愛心家庭慈善籌款也算是對他努力堅持的回報。萊頓的線路選擇以及旅行方式都是他精心設計的。之所以選擇佩爾作為出發地，是因為它與盧森堡僅一河之隔，可極大節省時間。之后的行程他不斷根據路線需要搭乘飛機、火車等交通工具，利用乘坐間隙小憩片刻，恢復精力。而像語言隔閡、臨時突發狀況等也為他的旅程添加了不少花絮。 （編譯自“每日郵報”網站）
重新認識人類路盲 科學揭示大腦“導航”
美國斯坦福大學的研究團隊近日揭示了大腦如何作為一個網絡系統，通過將目的地進行視覺化，來讓我們從一個地方到達另外一地。研究人員讓志愿者共處一個虛擬的環境，同時對他們用核磁共振成像進行腦部掃描，利用“認路”的實驗對大腦活動進行觀測。結果發現，他們的腦前額皮質和負責方向的海馬較為活躍。研究人員認為是前額皮質在大腦海馬中創建了“目標終點”。一旦這一信息被編碼，大腦新皮層的其他區域就會進行協調來幫助大腦進行可視化，從而選擇道路到達目的地。這表明海馬在某種程度上是通過表現未來目標以及當前位置的狀態來進行位置導航的。該研究成果發表在近期的《科學》上。據此，或許我們對于路盲的認識與研究能有一個新的突破。 （編譯自“每日郵報”網站）
機器人“擬人”程度深 體驗痛感更逼真
隨著機器人制造水平的不斷精進，它在形態上也越來越趨近人類。如今，來自德國漢諾威大學的科學家們將賦予其難以想象的另一項人類品質：感覺疼痛。研究人員表示，疼痛是一種保護系統，它可以幫助我們免受傷害。因此，他們正在發明一種“人造神經系統”來完善機器人，包括痛源感應和感后行為兩方面。科學家將感應器放在機器人手臂上，并使用“機器人組織”（robot tissue）來決定痛感的程度，當痛感較輕時，機器人會慢慢回縮；而當痛感較重時，它就會進入鎖定模式，直到它得到人類操作者的幫助。科學家坦言，保證人類安全也同樣重要。在未來的時間里，人類會更多地與機器人一同工作，讓機器人體驗疼痛也可以提醒其周圍的人們。
（編譯自“科學前哨戰”網站）
逃離屏幕困擾 新技術識別眼鏡發揮功效
科技的發展讓許多現代人都沉溺于指尖上的信息獲取，并將眼睛定格于屏幕上不能自拔。與此同時欲將人們拉回健康狀態的各種發明也應運而生。28歲的齊諾?金（Chino Kim）創造了一種名為“屏幕者”（Screeners）的眼鏡，可以讓眼球擺脫被“鎖屏”的困擾。這種獨特的眼鏡由智能膜做成，通電時這種不透明的塑料會變得清晰。使用者佩戴在頭部時，攝像頭就會將看到的圖像傳到卷積神經網絡（convolutional neural network）來分辨見到的事物。當攝像頭檢測到所看為屏幕時，它就會觸發控制器來切斷眼睛上智能膜的電源，從而使其變得模糊。齊諾?金表示他是在利用計算機視覺來對抗計算機視覺綜合征（Computer Vision Syndrome）。
（編譯自Oddity Central網站）
食品創意口味不輕 巧克力中摻有“葷腥”
巧克力和牛肉，這兩種原本并不搭界的食材如今在新西蘭食品工程師穆斯塔法?法樓克（Mustafa Farouk）的手中被不可思議地揉捏在一起，形成一種口味新奇的創意食品。這種“古怪”想法的產生來源于其想增添牛肉的營養價值，而巧克力不僅作為甜品深受喜愛，而且還可使牛肉含有更多的蛋白質以及其他營養成分。法樓克將割下的牛后腿瘦肉制成所謂的 “巧克力奶油”，雖然已經不是傳統意義上的巧克力，但是濃郁的可可香取代了肉味。盡管人們起初還對這種含有50%牛肉的新鮮事物存有些許不安，但品嘗過后就會被濃郁的巧克力味所吸引。而這只是法樓克“瘋狂”實驗的一部分，接下來他還將考慮羊肉和鹿肉，是否也能有同樣的效果。 （編譯自Oddity Central網站）
DNA中“做文章” 花兒不敗總綻放