第六章 人工智能及其应用
6.1 认识人工智能
6.1.1 人工智能
人工智能是计算机科学的一个分支，是研究计算机模拟人的某些感知能力、思维过程和智能行为（如学习、推理、思考、规划等）的学科。
人工智能是引领未来的战略性技术，将深刻改变人类生产生活方式。人类要保持对人工智能的控制能力，防范人工智 能失控的风险和对人类社会未来发展的潜在威胁。
6.1.2 剖析领域知识智能问答机器人
领域知识智能问答机器人是在某一领域知识范围内实现人机肖动问答的智能信息系统。在智能问答系统中，用户能够直接向机器人提出自己关心的问题；然后机器人根据用户的提问把系统中已有的相似问题的正确答案按问句相似度进行排序，再把排序后的结果 作为答案反馈给用户；最后将认为最满意的答案标记为最佳答案。
典型的智能问答系统主要包括常见问题解答（FAQ）、问题理解、信息检索、文档库、答案抽取五大模块，结构如图6-5所示。
1. 常见问题解答模块
用户发起提问后，智能问答系统首先从FAQ库中寻找是否包括用户的问题（问句）， 如果包含问句，则直接返回问句对应的答案给用户，从而省去后面一系列步骤；否则，就进入问题理解模块。FAQ库主要用于提高智能问答系统的效率，其主要技术就是问句相似度计算和候选问句的选择。
2. 问题理解模块
该模块主要实现计算机理解用户的问题，确定问题的关键词和问题的类型，为后面的信息检索和答案提供服务。问题理解模块的实现过程一般包括问题预处理、问题分类、关键词提取和关键词扩展等。其中，问题分类主要确定问题的类别，以方便信息检索和答案抽取。问题理解模块主要运用的技术有分词、同义词词典、分类方法等。
3. 信息检索模块
该模块主要从互联网或者知识库中找到与问题相关的文档作为答案提取的原材料。
信息检索的方法一般有两种，一种是直接利用搜索引擎检索信息；另一种是建立特定的知识库，然后根据知识库建立索引模块，从而可以方便、快速地找到相关文档，并根据特点的 排序算法对文档进行排序。信息检索模块运用的技术主要包括査询扩展、语料库的构建技 术、词汇索引、文档排序等。
4. 文档库模块
文档库用于存放专家提供的知识，其内部含有大量某个领域的常识性知识和专家水平的知识与经验总结，且能够利用专家的知识和解决问题的方法来处理该领域问题。知识的表示形式有产生式、框架、语义网络等，运用得较为普遍的知识是产生式规则。产生式规则以”if...then...”的形式出现，即如果前提条件得到满足，就产生相应的动作或结论。
5. 答案抽取模块
该模块主要利用问题的类型构建相应的答案抽取策略，从信息检索后的文档中对排序靠前的文档进行答案的定位和输出，所用技术主要有答案抽取模板的制定、模式匹配、聚类等。
6.1.3 人工智能的诞生与发展
人工智能是通过智能机器延伸、增强人类改造自然和治理社会能力的新兴技术。
怎样才能判断一台机器是否具备了思维能力呢?
阿兰.图灵提出：在测试者（一个人和一台机器）隔开的情况下，通过一些 装置（如键盘）向被测试者随意提问。经过多次测试后，如果被测试者超过70%的答复不能使测试人确认出哪个是人、哪个 是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。
在20世纪50年代，有几位科学家提出想做一台能够像人那样认知、思考和学习的机器，也就是用计算机来模拟人的智能。他们列举了几个准备去攻克的难点，包括系统计算机、用程序对计算机进行编程、神经网络、计算的复杂性、自我学习与提高、抽象等。从此，人工智能便迈上了它的征途。
人工智能发展历程大致分为三个阶段：
第一阶段（20世纪50年代一80年代）。
这一阶段人工智能刚诞生，基于抽象数学推理的可编程数字计算机已经出现，符号主义（Symbolism）快速发展，但由于很多事物不能 形式化表达，建立的模型存在一定的局限性。此外，随着计算任务的复杂性不断加大，计算能力远远不能满足需求，人工智能发展一度遇到瓶颈。
第二阶段（20世纪80年代一90年代末）。
在这一阶段，专家系统得到快速发展，数学模型有重大突破，但由于专家系统在知识获取、推理能力等方面的不足，以及开发成本高 等原因，人工智能的发展又一次进人低谷期。
第三阶段（21世纪初至今）。
大数据的积聚、理论算法的革新、计算能力的提升，为人工智能发展提供了丰富的数据资源，协助训练出更加智能化的算法模型。
人工智能的发展模式也从过去追求“用计算机模拟人工智能”，逐步转向以机器与人结合而成的增强型混合智能系统，用机器、人、网络结合成新的群智系统，以及用机器、人、网络和物结合成的更加复杂的智能系统。人工智能在很多应用领域取得了突破性进展，迎来了又一个繁荣时期。
6.2 人工智能应用
6.2.1 智能制造
智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、 管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功 能的新型生产方式。
智能制造对人工智能的需求主要表现在以下三个方面：
一是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备，涉及跨媒体分析推理、自然语言处理、虚拟现实智能建模及自主无人系统等关键技术。
二是智能工 厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容，涉及跨媒体分析推理、 大数据智能、机器学习等关键技术。
三是智能服务，包括大规模个性化定制、远程维护以及预测性维护等具体服务模式，涉及跨媒体分析推理、自然语言处理、大数据智能、高级机器学习等关键技术。
6.2.2 智能家居
智能家居以住宅为平台，基于物联网技术，是由硬件（智能家电、智能硬件、安防控 制设备、家具等）、软件系统、云计算平台构成的家居生态圈，实现人远程控制设备、设 备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化 生活服务，使家居生活安全、节能、便捷等。
例如，借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘（窗户）、操控家用电器和照明系统、打扫卫生等操作；借助机器学习技术，智能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的以i推荐给用户；通过 应用声纹识别、脸部识别、指纹识别等技术 进行开锁等；通过大数据技术可以使智能家 电实现对自身状态及环境的自我感知，具有 故障诊断能力；通过收集产品运行数据，发 现产品异常，主动提供服务，降低故障率； 还可以通过大数据分析、远程监控和诊断， 快速发现问题、解决问题及提髙效率。如图 6-10所示是指纹识别锁。
6.2.3 智能教育
随着人工智能技术的发展，越来越多的人工智能工具被应用于教育领域，成为教师教学和学生学习的得力助手。智能导师是人工智能在教育领域的一个重要应用，它主要通过自然语言处理和语音识别技术，由计算机模拟教师教学的经验和方法，对学生实施一对一的教学，并向具有不同需求和特征的学习者传递知识。它能够在学习者学习的过程中实时跟踪、记录和分析学习者的学习过程与结果，以了解其个性化的学习特点，并根据这一特点为每一名学习者选择合适的学习资源，制订个性化的学习方案。
6.2.4 智能交通
智能交通系统(Intelligent Traffic System，ITS)是通信、信息和控制技术在交通系统中集成应用的产物。
ITS借助现代科技手段和设备，将各核心交通元素联通，实现信息互通与共享以及各交通元素的彼此协凋、优化配置和高效使用，形成人、车和交通的一个高效协同环境，建立安全、高效、便捷和低碳的交通运输管理系统。
例如，通过交通信息采集系统采集道路中的车辆流量、行车速度 等信息，信息分析处理系统处理后形成实时路况，决策系统据此调整道路红绿灯时长，调整 可变车道或潮汐车道的通行方向等，信息发布系统将路况推送到导航软件和广播中，让人们合理规划行驶路线。通过不停车电子收费系统 (ETC)，实现对通过ETC人口站的车辆身份 及信息自动采集、处理、收费和放行，有效提高通行能力、简化收费管理、降低环境污染。
6.2.5 智能安防
智能安防技术是一种利用人工智能对视频、图像进行存储和分析，从中识别安全隐患并对其 进行处理的技术。
智能安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智能判断，从而尽可能实现实时的安全防范和处理。
从技术方面来讲，目前智能安防分析技术主要集中在两大类：
一类是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过不同的规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等，如区域人侵分析、打架检测、人员聚集分析、交通事件检测等；
另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频岡面中的特定物体进行识别，如车辆检测、人脸检测、人头检测 （人流统计）等应用。智能安防目前涵盖众多的领域，如街道社区、道路、楼宇建筑、机动车辆的监控，移动物体监测等。今后智能安防还要解决海量视频数据分析、存储控制及传输问题，将智能视频分析技术、云计算及云存储技术结合起来，构建智慧城市下的安防体系。
6.2.6 智能医疗
人工智能的快速发展，为医疗健康领域向更高的智能化方向发展提供了非常有利的技术条件。近年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥了重要作用。
在辅助诊疗方面，通过人工智能技术可以有效提高医护人员的工作效率，提升一线全科医生的诊断治疗水平。
例如，利用智能语音技术可以实现电子病历的智能语音录人；利用智能影像识别技术，可以实现医学图像自动渎片； 利用智能技术和大数据平台，构建辅助 诊疗系统。在疾病预测方面，人工智能借助大数据技术可以进行疫情监测，及时有效地预测并防止疫情的进一步扩散和发展。以流感为例，很多国家都有规定，当医生发现新型流感病例时需吿知疾病控制与预防中心，但由于人们可能患病不及时就医，同时信息传达回疾控中心也需要时间，因此，通告新流感病例的时间往往会有一定的延迟，而人工智能通过疫情监测能够有效缩短响应时间。
在医疗影像辅助诊断方面，影像判读系统的发展是人工智 能技木的产物, 早期的影像判读系统主要靠人手工编写判定规则，存在耗时长、临床应用难度大等问题，从而未能得到广泛推广。影像组学是通过医学影像对特征进行提取和分 析，为患者预前和预后的诊断与治疗提供评估方法和精准诊疗决策。这在很大程度上简化了人工智能技术的应用流程，节约了人力成本。
6.2.7 智能物流
智能物流就是利用条形码、射频识别技术、传感器、全球定位系统等方面优化改善运输、仓储、配送装卸等物流业基本活动，同时也在尝试使用智能搜索、推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作和高效率优化管理，提高物流效率。
例如，在仓储环节，利用大数据智能分析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态凋整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化与配置等。在货物搬运环节，加载了计算机视觉、动态路径规划等技术的智能搬运机器人(如搬运机器人、货架穿梭车、分拣机器人等)得到广泛 应用，大大减少了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度提髙。