人工智能技術含義精選(九篇)
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人工智能技術含義主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：人工智能技術含義范文
關鍵詞：人工智能技術；電氣自動化控制；應用；探討
中圖分類號：F407.6 文獻標識碼：A 文章編號：
隨著時代的進步與社會的發展以及人們生活水平的提升，對社會生產力的發展水平提出了更高更好地要求。而電氣自動化產業作為推動社會經濟發展的動力之一，在實際的發展過程中存在著一些問題，需要進行創新與改革，以提升電氣自動化產業的生產力水平。將人工智能技術應用到電氣自動化控制領域中，不僅有助于優化電氣自動化產業的生產控制流程，降低企業的生產成本，而且有助于提升企業的生產效率，增強企業的市場競爭力。
關于人工智能技術的研究
(1)關于人工智能技術含義的研究
所謂人工智能（AI），是指研究開發用于延伸、模擬、擴展人的智能的方法、理論、技術以及應用系統的一門技術科學，屬于計算機科學的分支。其意圖了解并掌握智能的實質內容并開發生產出一種以人類智能相似的方式作出反應的職能及其，其內容包括語言識別、機器人、自然語言處理、圖像識別、專家系統等。其涉及控制論、信息論、仿生學、自動化、心理學、生物學、語言學、數理邏輯、哲學以及醫學等多門學科。人工智能技術是指以通過利用機器設備達到智能效果并依賴機器完成復雜性、危險性、難度高的工作的技術。
(2)關于人工智能技術特征的研究
人工智能技術的特征內容包括：人工智能技術伴隨著計算機技術的產生與發展而產生，可以在生產生活中代替人類復雜性的腦力勞動，運用計算機設置的編程程序來有效解決難度高、復雜的問題，比如說信息的收集與識別、圖形文字的識別，根據數據分析結果制定相應的解決方案，將人類從繁重的工作中解放，減輕人類的勞動強度，提升生產與生活水平。
針對電氣自動化存在問題的研究
(1)問題之一——電氣自動化的監視系統存在問題
電氣自動化的監視系統存在問題的主要表現是：傳統的電氣自動化監視系統不能完全實現對企業內部電氣自動裝置與微機機電保護裝置的故障報告的監視，操作人員不能直接檢查這些信息，對裝置設備的運轉情況不能完全掌握。同時很多企業對電氣自動化設備的監視主要采取中央信號光字牌的手段，但由于電氣自動化設備的更新換代速度較快，監視系統對設備運轉與故障信息的報告力度已經不能滿足企業生產發展的需要。
(2)問題之二——電氣自動化的控制系統存在問題
電氣自動化的控制系統存在問題的主要表現是：一是很多發電廠的升壓站隔離開關操作依然使用較為傳統的按鈕操作方式，一旦傳統的開關接點出現異常狀況，會影響整個生產操作流程無法進行；二是很多企業的斷路器與隔離開關采取硬操作的方法，不僅無形中延長了操作時間，提升了操作成本，而且增加了操作技術難度與操作人員的工作量。
針對人工智能技術在電氣自動化控制中應用的研究
(1)應用之一——人工智能技術在電氣控制中的應用
人工智能技術在電氣控制中的應用表現：電氣控制在電氣領域的生產發展過程中發揮著至關重要的促進作用，將人工智能技術應用其中有助于降低電氣控制成本，提升日常工作效率。其中模糊控制、神經網絡控制、專家系統控制屬于人工智能技術在電氣控制應用中的主要體現。模糊控制主要通過交流傳動與直流傳動在電氣控制流程中的電氣傳動過程中發揮應有的作用，其中模糊控制器替代常規性控制器來解決交流傳動中存在的難點，而模糊邏輯控制在電氣直流傳動控制過程中的應用撥款Mamdani 與Sugeno，前者在調速控制中應用最為廣泛。而Mamdani控制器的內容包括反模糊化、知識庫、模糊化、推理機等。
(2)應用之二——人工智能技術在電氣設備中的應用
人工智能技術在電氣設備中的應用表現：由于在電氣自動化的生產過程中，電氣自動化系統的正常運轉需要涉及多方面的學科知識與領域，需要專業速度高、業務能力好、富有責任感的操作人員進行駕馭，以保障電氣設備的安全運行。而將人工智能技術應用其中，主要通過計算機網絡編程與程序進行操作，不僅有助于將操作人員從繁重的手動操作工作中解放出來，代替腦力勞動，而且有助于降低生產成本與人力資源成本，提升電氣自動化生產工作效率，提升企業的經濟效益。
(3)應用之三——人工智能技術在日常操作中的應用
人工智能技術在日常操作中的應用表現：傳統的電氣化設備操作流程與步驟十分嚴格與復雜，一旦出現操作失誤會造成嚴重的操作故障，不僅影響企業的生產進度，而且影響人們正常的工作、學習與生活，甚至會影響社會的穩定與發展。將人工智能技術應用其中，有助于優化電氣化領域的操作流程與步驟，或者對家用計算機進行改革以實現對家庭電氣設備的遠程操作。另外通過有效簡化電氣化領域的界面操作步驟，存儲重要的資料信息，有助于為以后的電氣化操了提供資料參考。
(4)應用之四——人工智能技術在故障與事故診斷中的應用
人工智能技術在故障與事故診斷中的應用表現：由于電氣自動化領域在生產發展過程中會由于各種各樣的原因產生各種類型的故障，如果不能及時地給予準確判斷，會給企業或者個人造成較為嚴重的經濟損失。但傳統的故障與安全事故診斷方法的步驟相對較為繁瑣，且診斷結果的精確率較低。比如說變壓器出現故障，很多技術人員所采取的方法是從變壓器的油箱中提取少部分油，對其進行分解提取其中的氣體，運用化學方法對氣體進行實驗分析，根據實驗結果判斷故障的類型與位置。這種類型的方法不僅浪費時間又浪費精力，不利于故障的有效排除。同時在診斷的過程中還可能出現由于故障原因分析錯誤而導致巨大經濟損失的問題。而神經網絡、模糊理論、專家系統作為人工智能技術的重要內容，三者相互配合，不僅有助于避免傳統診斷事故與故障方法中存在的問題，而且有助于提升故障與事故診斷的工作效率與降低人力資源成本。
(5)應用之五——人工智能技術在電氣傳動控制過程中的應用
人工智能技術在電氣傳動控制過程中的應用表現：人工智能技術在電氣傳動控制過程中的應用主要表現在直流傳動與交流傳動兩個方面，前者包括人工神經網絡與模糊邏輯控制，后者包括神經網絡與模糊邏輯。其中人工神經網絡具有一致性的非線性的函數估計器，在電氣傳動控制系統的應用過程中不需被控制系統的數學模型，對噪音不具有敏感性。再加上人工神經網絡所特有的并行結構適應于各種傳感器的輸入，比如說診斷系統與監控系統。
(6)應用之六——人工智能技術在電氣設備設計中的應用
人工智能技術在電氣設備設計中的應用表現是：由于電氣設備的設計工作涉及到電路、設計、電氣等多個學科的理論知識，運用傳統的老技工手工憑經驗設計或者實驗方法很難達到最好的設計效果。而將人工智能技術應用其中，采取優化設計的方法從產品的研發、設計、成品出售等各個環節進行優化，有助于優化配置企業的人力、物力、財力資源，減少設計時間與研發周期，全面提升產品的質量。其中優化設計的方法包括專家系統法與遺傳算法，其中遺傳算法以決策變量的編碼作為運算的對象，以適應度作為搜索信息，自動獲取與指導優化的搜索空間，有助于優化電氣設備設計的方案與流程，促進電氣自動化控制的發展。
四、結語：
隨著科學技術的發展與生產力的進步，電氣自動化控制系統在社會生產與生產各個方面中應用較為廣泛，給人們的生產生活帶來極大的便利。但在現實生活中，電氣自動化控制系統在應用過程中存在著一些問題與矛盾，嚴重影響著電氣自動化產業的發展進程。將人工智能技術應用其中，有助于降低電氣自動化產業生產過程中的人力資源與物質成本，提升電氣自動化產業的生產工作效率，推動電氣自動化領域的創新與改革，增加企業的社會效益與經濟效益。
參考文獻：
[1]周超.人工智能技術在電氣自動化控制中的運用[J].硅谷[J]，2012（08）
[2]趙勇.關于人工智能技術在電氣自動化控制中的運用探討[J].城市建設理論研究，2011（13）
第2篇：人工智能技術含義范文
關鍵詞 電氣自動化；人工智能；技術；應用
中圖分類號TM92 文獻標識碼A 文章編號 1674-6708（2014）108-0069-02
1 電氣自動化控制中人工智能技術的含義
人工智能技術作為一項新型科學技術，對哲學、數學、任職科學、計算機科學、心理學、不定性論以及控制學方面都有所涉及，在自然科學與社會科學中，存在范圍較廣的研究，例如：知識表現、推力、自然語言和處理、只能搜索、及其學習、感知問題、規劃、知識獲取、邏輯程序涉及、模式識別、人工生命、軟計算、不精確及不確定的控制、語言及圖像理解等，在遺傳編程上相當于催化劑，促使工作能夠合理有效的實施。現階段，無論是生產方面，還是生活方面，最為重要的則是效率的提升。當今社會發展中，計算機技術的大范圍應用作為有效保障，被大范圍的普及。通過對人腦機能的模范，使其工作實現自動化操作，不僅將大量的人力資源得到減少，而且還便于生產、傳播及運輸。在電氣自動化控制中，則是通過該原理實施生產等工作，進一步將其工作的效率得到提升，加快經濟的發展。
2 電力自動化控制中人工智能技術的優勢
通常情況下，人工智能控制的不同在討論中會有不同的方法存在。而人工控制技術可將模糊、神經、遺傳算法等看為一種非線性函數近似器。該分類方式能夠使總結理解得到較好的接受，促使統一對控制策略實施開發。
與常規估算方法相比，人工智能控制有以下特點存在：
1）該設計無需對對象的模型進行控制。在大多數場合中，很難對實際控制對象的精確動態方程進行獲取，在控制器設計時，實際對象有較多不確定性因素存在，例如：參數變化等；
2）通過實施有效調整，能夠將其性能得到提升；
3）與古典控制方法相比，該方法更容易進行調節；
4）在缺乏專家指示時，可通過對數據進行響應的方法進行設計；
5）在設計時可通過語言和響應信息進行實現；
6）存在良好的一致性，和驅動器不存在聯系；
7）對于新信息或新數據來說，有良好的適應性存在；
8）能夠將常規無法有效解決的問題進行處理；
9）具有良好的抗干擾能力；
10）控制的實現具有較低成本，特別是在對最小配置進行使用時，對擴展和修改發揮著一定幫助。
也就是說，在對自適應模糊神經控制器進行運用時，在模糊化和反模糊化過程中，規則庫及隸屬函數能夠進行自動實施確定。該過程的實現有許多方法能夠進行，但最終還能通過系統技術對穩定的解進行獲取，并將相對簡單的結構配置進行找出，從而達到最終目的。
3人工智能技術在電氣自動化領域中的應用
3.1對電氣設備的設計原理進行優化
不僅對應用電路、電氣電器以及電磁場等專業知識進行涉及，而且還對傳統產品設計中存在的經驗進行運用，具有極其復雜的過程存在。它是幾何傳統的試驗方式與手工方法相結合進行使用的，因此，要想對最佳設計方案進行獲取，還需進行不斷的探索來實現。其次，隨著計算機技術的逐漸發展，通過運用CAD技術（計算機輔助技術）能夠促使電器產品設計的難度得到較大程度的減少，縮短產品的開發周期。通過引進人工和智能技術，進一步將CAD技術與現階段的時代需求相結合，大大增長了產品的數量及質量。在人工智能技術中，最常運用的優化設計技術則是遺傳算法和專家系統，在該類優化設計技術應用中，遺傳算法作為先進且與產品優化設計相適宜的一項技術被得到使用。因此，在電氣自動化控制中人工智能技術的應用較為廣泛。
3.2在電氣自動化控制中，人工智能對故障進行診斷
從人類社會向工業化階段發展以后，越來越多的復雜及其設備逐漸產生，設備故障診斷作為一項重要的研究課題被廣泛關注。從診斷方法進行分析，現階段，診斷中除了傳統的單一參數和單一故障的技術方法以外，多故障、多參量也被大范圍的應用。隨著科學技術發展的逐漸興起，故障診斷技術及方法也被逐漸完善，從而向智能化階段發展。在故障診斷中，人工智能的發展作為一種智能化的診斷方法，不僅在理論上故障診斷被逐漸應用，而且還在實際操作中被有效使用。同時，人工神經網絡的探索也逐漸朝故障診斷方向發展，逐漸成為故障診斷中的一項研究熱點被逐漸關注。通過結合人工神經網絡和專家系統，將其自身獨特的優勢得以展現。
3.3實現智能控制的目的
3.3.1處理數據的收集
在所有模擬量、開關量以及人工智能控制器中都可對數據進行采集，確保在要求明確的狀況下，人工智能控制器能夠實時自動存貯或處理。
3.3.2界面的顯示
當設備和系統處于運行狀態時，都會真實的在模擬畫面上進行顯示，從而可以對計算量、模擬量、斷路器以及隔離開關的實際狀況進行了解。當出現問題時，畫面上會出現掛牌檢修功能，還能將其對應的歷史趨勢圖進行形成。
3.3.3運行過程中的監視
當設備出現開關量狀態、模擬數值等問題時，智能監視的目的則會逐漸發揮，出現自動報警的現象，還會將事件發生的整個過程進行記錄。
3.3.4人工控制
良好人機界面，操作人員可通過鍵盤或鼠標對斷路器及電動隔離開關進行控制，操作人員會受到系統的操作限制，對值班過程發揮著重要效果。
3.3.5故障錄波
故障錄波的記錄及其詳細，主要包括記錄開關量、波形以及順序等。
3.3.6對不對稱的應用進行分析，并對負序量進行計算
3.3.7對參數的設定及修改進行及時處理，并實施合理保護
3.3.8在人工智能控制中，神經網絡控制、模糊控制以及專家系統控制作為三種主要方法被得到運用
4結論
總之，在特種設備開發制造以及運行控制的自動化系統中，人工智能技術的應用存在較好的發展前景。隨著特種設備發展的逐漸加快，特種設備開發制造以及運行控制系統數據總量也在持續增長，大幅度增加了管理的復雜程度，加大特種設備市場的競爭影響，促使在特種設備開發制造以及運行控制系統中人工智能技術的應用提供條件。因此，在特種設備開發制造中人工智能科學技術應用及科研的加強，進一步將特種設備安全、經濟及穩定效果得以實現。
參考文獻
[1]耿英會.智能化技術在電氣工程自動化控制中的應用[J].科技創新導報，2012（2）.
第3篇：人工智能技術含義范文
關鍵詞：智能制造 機械 啟示
隨著信息技術的不斷發展，現代制造業向著以智能制造為核心的新一代工業發展，社會對機械人才的需求量越來越大，但同時對人才的質量和綜合素質也提出了與以往不同的新要求。筆者將從智能制造基礎和內涵出發分析智能制造高職院校機械教學影響和啟示。
一、智能制造的含義及關鍵技術
制造是從概念到實物的過程，通過制造活動把原材料加工成適用的產品，智能制造是在網絡化、數字化基礎上融入人工智能和機器人技術形成的人、機、物之間相互交互與深度融合的新一代制造系統。智能制造系統的本質特征是分布于各個地方的單個制造者自主性和整個制造系統的自組織能力，實質就是應用快速可靠的通信傳輸網絡建立的分布式多自主體智能系統。
智能制造系統的基礎技術。
1.數控機床技術
數控機床技術是智能制造的基礎，智能制造系統最終產品的生產都依賴于數據機床技術。
2.計算機技術
計算機輔助設計能夠提高產品的質量和縮短產品生產周期，在制造過程綜合利用計算機技術使生產從概念、設計到制造聯成一體，做到直接面向市場進行生產，可以從事大小規模并舉的多樣化的生產。
3.工業控制技術、微電子技術
利用工業控制技術、微電子技術結合人工智能技術發明的機器人開創了工業智能新局面，使生產結構發生重大變化，使制造過程更富于柔性，擴展了人類工作范圍。
4.人工智能技術
人工智能的目的是為了用技術系統來突破人的自然智力的局限性，達到對人腦的部分代替、延伸和加強的目的，使那些單靠人的天然智能無法進行或帶有危險性的工作得以完成，從而使人類的智慧能集中到那些更富于創造性的工作中去。人是制造智能的重要來源，在制造業走向智能化過程中起著決定性作用。
5.通信網絡技術
構成智能制造系統的基礎就是高可靠實時通信網絡，通過通信網絡高速可靠實時傳輸智能制造系統中各個制造者所需要的所有信息，通信網絡技術主要包括嵌入式網絡技術、高可靠無線網絡技術，網絡信息安全技術和異構網絡間無縫交換技術。
二、智能制造對機械教學影響及啟示
機械專業是現代工業的基礎，機械專業的人才將是工業4.0時代弄潮兒，為了適應智能制造工業發展的需要，在機械人才培養方面必須要適應時代的發展，作為機械專業人才培養主要搖籃，高職院校培養的人才只有滿足智能制造的需求，才能立足于未來工業發展，否則培養的人才將被現代工業社會所淘汰。因此在機械專業人才培養方面對教學模式、教學內容和教學方法等方面進行改革創新是大勢所趨。
1.不斷完善機械專業教學內容
智能制造所需要的機械人才已經不再是僅僅懂得機械專業的人才，而應該是對計算機技術、工業控制技術、網絡技術、人工智能技術等智能制造基礎技術都要熟悉和了解的人才，這就需要學校在進行機械專業課程設計時要在加強傳統機械專業課程的同時，增加計算機技術、工業控制和微電子技術以及人工智能技術的相關課程，老師在教授傳統機械課程的同時，把計算機技術、工業控制技術和人工智能技術融入到教學中，從而使學生熟悉在機械制造工業中如何應用計算機、人工智能等技術，充實學生的技術儲備，為學生的就業打好基礎。
2.在機械專業教學中不斷創新應用教學方法
智能制造對機械專業人才提出了新的要求，學生不僅要加強對機械知識的掌握和運用，還要熟悉了解計算機技術、工業控制和微電子技術和人工智能知識，這就產生老師傳統教授機械知識的教學方法不一定適用于這些新知識教學的問題，因此教師應該深入研究計算機技術、工業控制和微電子技術以及人工智能技術的教學方法，并結合適用于機械專業教學方法不斷創新新的教學方法， 培養學生學習的主動性、創造性、理論實踐能力和學習的方法習慣。同時要不斷提高任職教師能力素質，加強學習智能制造關鍵技術相關知識。
3.逐步完善改進教學模式
智能制造需要新的理論知識體系，原來的機械專業知識的教學模式可能已經不再適應新知識的教學，這就要求我們的老師不斷研究新知識理論，探索嘗試新的教學模式，使得學生能夠牢固、快速掌握新知識。
三、小結
第4篇：人工智能技術含義范文
關鍵詞：智能；智能科學與技術；語義分析；知識體系；課程體系
中圖分類號：G642 文獻標識碼：A
1 引言
“智能科學與技術”專業教育意指將“智能科學與技術的知識體系”傳授給本科生或研究生。構建智能科學與技術的知識體系通常有兩種途徑：(1)經驗歸納法，從社會實踐和科學研究已經獲得的知識集合中選擇出若干，認為這些知識應該歸屬于“智能科學與技術”，且將其結構化與系統化。(2)概念演繹法。追問“智能科學與技術”的確切含義為何，由此聯想其涉及的主要方面，概念推演形成的軌跡即是知識體系。兩種方法的結論應是一致的。就實際操作而言，前者的主要環節是“選擇知識”和“搭建體系”，而“選擇什么”和“搭建成何樣”就與研究者的偏好相關，常出現觀點相左的情形；后者的主要環節是“明確語義”和“語義延伸”，能被稱為概念的東西總是成熟的，即已有大量的先前研究，對此人們的分歧較少，而從概念出發的語義延伸又是遵循演繹邏輯的，由此而得的知識體系就易被公認。
本文的研究采用概念演繹法，具體的討論依層次遞進展開，首先明確“智能科學與技術”的中文語義，其次討論該語義涉及的關鍵概念之內涵，進而合成這些關鍵概念的具體內容，繼之概括“智能科學與技術的知識體系”，最后設計“智能科學與技術專業教育的課程體系”。
2 “智能科學與技術”的語義
盡管有邏輯上的先后，“科學”與“技術”通常被認為是并列的兩種人類文化活動。“智能科學與技術”就應被分為“智能科學”與“智能技術”。
智能是某種行為主體所具有的能力和所表現的行為。這種具有智能的行為主體目前(也許永遠)只有兩類：生物(其中主要是人類)和機器。若以人類代表生物，智能就有兩種表現形態，人類智能(human intelligence)和人工智能(artificial intelligence)，后者是對前者的模仿與延展。
科學是為了獲得所考察對象的知識體系，技術則是依據某種原理設計制造各種人工系統。由此，“人類智能科學”、“人工智能科學”、“人工智能技術”是無歧義的，而“人類智能技術”就不成立(確切地說，是間接地通過“人工智能技術”的方式表現出來)。
基于上述分析，“智能科學與技術”的語義由三部分構成，“關于人類智能的科學”、“關于人工智能的科學”和“應用人工智能的技術”。根據慣常的教育與研究分工，前者是心理科學領域的重點所在，后二者則是信息科學領域的前沿方向。目前國內所開辦的“智能科學與技術”專業教育大多屬于理工科本科，其側重所在自然是“人工智能”。
支撐著“智能科學與技術”及其三部分構成的關鍵概念是“智能”、“科學”與“技術”，對其進行深入剖析有助于推演出“智能科學與技術的知識體系”。
3 關鍵概念的剖析
3.1 “智”對應于Intelligence
漢語中的“智”是“知”的后起字，而“知”是“出于口者疾如矢也”，意指認識的事物可以脫口而出。“知”添加了“曰”即為“智”，再清楚不過，“智，知而道出也”。智，就是人們日常口語中的“知道”。
英語中的Intelligence源于拉丁語的動詞intellegere，意思是to understand。而intellegere是inter(interl與legere(to choose)的合成詞，故它所表達的是“在推理基礎上的理解”。
可見，漢語的“智”關注知識(識，知也。《說文》)及其共享；英文的Intelligence則強調知識及其可靠來源。有所差異并不妨礙將不同文化系統中的這兩個概念對應起來。
3.2 “智”的派生詞
盡管語義十分貼切，卻不可將Intelligence直接漢譯為“智”。在現代漢語中，單字形式的名詞一般不用于表達抽象概念，因為單音節的高頻率使用在言語交流中難以通暢順口。通常都是采用雙字形式的名詞。“智”需要再添加一字。處理的辦法無非兩類，同義重復或附加意義。前者生成的是“智慧”，后者得到的是“智能”和“智力”。
智慧之“慧”，一方面與“智”同義(知或謂之慧。《方言》)，另一方面又與佛教名詞“般若”(Praina)相連，在中國的文化傳統中，佛是高深至上的，這樣，智慧的真理性就毋庸置疑。作為漢語詞匯的“智慧”固定下來之后，除了與英文的Intelligence相對應，還與英文的wisdom(wise“聰明的”+dom“性質或狀態”)相一致。更重要的是，wisdom就是希臘語的sophy，由此構成了philosophia(英文philosophy)。“智慧”連接著中國的佛教(與中國哲學相通)和西方的哲學。智慧是哲學層面的。
“智能”和“智力”都是“智的能力”的簡稱。推敲其中的意味饒是有趣。作為物理學概念的“能”和“力”，二者是一種源流關系，因而在漢語的習慣中，“能”更本質，“力”則外顯，暗含著有高下之分。這樣，智能有“智能人”、“智能機器”、“智能科學”等，智力則是“智力游戲”、“智力玩具”、“智力商數”等。層次的感覺是明顯的。智能和智力是科學層面的。
“智”的派生詞最常用的有三個：智慧、智能和智力，它們均可英譯為Intelligence，但在漢語中分別屬于三個層次，即哲學領域、科學領域(較高層次)和科學領域(較低層次)。
3.3 關鍵概念的文化比較
將與“智”相關的中文概念和與Intelligence相關的英文概念進行對比，可看出中西方文化的相通與差異，有助于更深刻明晰地理解“智能”的語義。表1是基于英語概念的文化比較。從中可見，“智能”較高于“智力”在西方文化中表現為對現在分詞的偏愛。
表2是基于漢語概念的文化比較。英語的Intelligence可以籠統地表示漢語的“智、智慧、智能、智力”。現限定“構建智能科學與技術的知識體系”是一項科學研究(即不考慮“智慧”)，再用“智能”作為“智能”和“智力”的統稱，這樣，“智能”就成為將要繼續討論的唯一概念。
3.4 智能之“能”
前已闡明，智能就是“智的能力”。這種能力究竟為何，學者們曾有過大量的討論。其中一種通俗簡潔的表述 被包含于后者之中。在人工智能中將二者分開，緣于它們的對象不同，前者針對的是自然界，后者則面向人類已有的知識積累。“推理”是生命體存在的基本前提。所以，關于人工智能的科學只有兩個分支：機器感知／發現理論(派生于人的認識論)和機器推理理論(基于人腦推理理論的討論)。
(4)應用人工智能的技術。第3.6節說明，技術就是應用手段、技能和方法設計與制造人工系統。圖4模型所示意要設計與制造的人工系統只有專家系統和機器人。所以，應用人工智能的技術主要有兩個：專家系統技術和機器人技術。
(5)基于現狀的人工智能科學與人工智能技術的內容調整。前面將“機器感知”和“知識發現”歸于科學范疇，其根據就是因為它們均是客觀存在。然而，現在的“機器感知”還非常簡單，對于諸如表情、語氣等稍微復雜的客觀現象就無能為力：“知識發現”也主要依賴于基于語法的關鍵詞匹配，而對于如何有效地理解語義特別是語用還差得很遠。鑒于如此現狀，將“機器感知”和“知識發現”歸于技術更合適一些。
(6)智能科學與技術的知識體系。集成上述的觀點可得圖5所示的知識體系。理論是概念、原理的體系(《辭海》)，本身就是知識體系。技術包括手段、技能和方法，也是知識或知識指導下的操作。所以，智能科學與技術的知識體系由兩個理論和四種技術構成。
圖5的表示是粗線條的。正是因為它沒有將與“智能”有關的科學理論和技術方法全部羅列出來，才有了一個簡潔的框架，以便在此基礎上進一步細分和添加，最終形成一個系統的圖景。
6 “智能科學與技術”專業教育的課程體系
“智能科學與技術”專業教育的使命就是將圖5所示的知識體系教授給本科生或研究生。學校教育總是以課程方式進行的。智能科學與技術的知識體系必須轉化為課程體系。基于圖5所示模型、兼顧目前大學課程設置的現狀、特別是參照國內學者的研究成果和國內率先開辦智能科學與技術專業的大學的探索性經驗，提出“智能科學與技術專業教育的課程體系”的一種方案，見表3。
如表3所示，“智能科學與技術”專業的課程設置對應于智能科學與技術知識體系的主要內容(見圖5)，共六門主干課程：
(1)“腦與認知科學”。包括“腦科學”與“認知科學”。
(2)“機器學習”。推理是學習過程中所采用的主要方法，機器學習包含機器推理，在一般意義上可以認為二者同義。目前講授機器學習的大學課程主要有：“機器學習”、“模式識別”(是實現機器學習的一種方法)、“計算智能”。后者包括“模糊計算”、“神經計算”、“進化計算”，講授一些具有前沿性的理論與方法。
(3)“機器感知”。包括“機器視覺”模仿人類的視覺、“計算機語音技術”模仿人類的聽覺、“自然語言理解”模仿人類對語言與文字的理解。
(4)“知識發現”。包括“信息檢索”和“數據挖掘”，前者在數據庫中進行關鍵字匹配、在萬維網上進行關鍵字匹配、在語義網上進行語義匹配以獲取所需要的信息，后者將信息組織到數據倉庫中以便尋求信息之間的規律性關聯即獲得知識。
(5)“專家系統”。該課程所講授的內容包括管理信息系統、專家系統、決策支持系統、多Agent系統。它們是人工智能為人類提供的實用型信息產品。
(6)“機器人”。利用機器來獲得身心的解放與擴展是人類的夢想和永遠的追求。擬人機器的設計與制造涉及諸多學科，在大學的專業教育中只能講授一些基礎概念。
可以將整個“智能科學與技術的知識體系”看作是一個對知識進行“輸入一加工一輸出”的結構。由表3可見，與知識輸入有關的是“機器感知技術”和“知識發現技術”；與知識加工有關的是“腦科學理論”和“機器推理理論”；與知識輸出有關的是“專家系統技術”和“機器人技術”。在智能科學與技術學科中，分工專門研究知識輸入、知識加工、知識輸出，就構成了其三個主要的研究方向：知識處理、智能理論與方法、智能系統與應用(如表3所示)。
7 結論
(1)智能科學與技術是人類智能科學、人工智能科學和人工智能技術的總稱。技術的標志是用于設計與制造人工系統，因而“人類智能技術”并不直接存在。
(2)“智能”是“智的能力”的統稱。中文的“智”之本義是“知而道出”，與英文的Intelligence(本義“推理基礎上的理解”)盡管側重不同，仍被認為語義相等。現代漢語不習慣單字形式的概念，“智”便有了三個常用派生名詞“智慧”、“智能”和“智力”。前者屬于哲學概念：后二者屬于科學對象，是“智的能力”的兩種不同簡稱，亦有層次高下之分。在科學領域，“智能”通常涵蓋“智能”和“智力”。
(3)智能科學是指，認知智能事實、歸納智能規律、總結智能理論。
(4)智能技術是指，設計與制造人工智能系統的手段、技能和方法。
(5)智能(intelligence)應該是“能智”。即能知、能日、能推理、能理解、能應用。
(6)智能是以知識為主線的三個環節的序貫過程。智能表現為知識在知識獲取、知識推理、知識應用三類活動中的定向流動和逐級提升。
(7)智能首先遇到的問題是知識表示。人類智能的知識表示是在文化傳承中自然實現的，而人工智能的知識表示則依賴于專門的人為規定。這樣，智能的內容就有四個部分：知識表示、知識獲取、知識推理、知識應用。
(8)智能最簡明最本質的定義是：知識+推理。人類智能的特征是，知識用自然語言表示、推理在人腦中進行；人工智能的特征是，知識用機器語言表示、推理用機器實現。
(9)人類智能的內容主要有五個：感官感知、信息檢索、人腦推理、實際問題解決方案、實際問題解決方案的執行。
(10)人工智能是對人類智能的模仿與延伸，其主要內容也相應有五個：機器感知、知識發現、機器推理、專家系統、機器人。
(11)智能科學與技術的知識體系由兩個理論和四種技術構成。智能科學與技術的知識體系涉及關于人類智能的科學、關于人工智能的科學、應用人工智能的技術，具體有腦科學理論、機器推理理論、機器感知技術、知識發現技術、專家系統技術、機器人技術。
第5篇：人工智能技術含義范文
這些前后端的人工智能技術在應用又可分為四類：語音識別、圖像識別、自然語言處理和用戶畫像。那么在這四類具體應用的實現上AI技術給我們生活帶來哪些便利，同時存在哪些局限？下面一一來解構：
一、語音識別
語音識別
語音識別有兩個技術方向，一個是語音的識別，另一個是語音的合成。
語音識別是指我們自然發出的聲音需要機器轉換成語言符號，通過識別和理解過程把語音信號轉變為響應的文本或命令，然后再與我們交互。語音識別技術可以應用在電話銷售上，例如：公司新人特別多，沒有經驗，拿到單子的可能性很低。怎么才能讓新人也能有很優秀的銷售能力呢？過去的做法是，把經驗總結成冊子，讓新人去背，很容易就忘了。但如果有了高精度的語音識別能力，就能識別出客戶在問什么，然后在屏幕上告訴新人，該怎么回答這個問題。
語音識別的第二個方向是語音的合成，是指機器把文字轉換成語音，并且能夠根據個人需求定制語音，然后念出來。以前的聲音是那種勻速的、沒有語調起伏的機器聲音，現在能用比較自然的人聲。語音合成能模擬任何一個你喜歡的人的說話方式，可以做到每個人聽的東西都不一樣。我們駕車經常使用的百度導航里李彥宏的聲音就是語音合成的結果。
盡管深度學習被引入語音識別后，識別率迅速提升到95%，但要將ASR（自動語音識別）從僅在大部分時間適用于一部分人發展到在任何時候適用于任何人，仍然是不現實的。一個無法突破的問題就是語義錯誤。例如：生活在南京的人都知道有個地方叫卡子門（kazimen），但是百度導航在理解卡子門的時候，會分詞為：“卡子-門”，結果卡子門（kazimen）就被讀成了卡子門（qiazimen）。
二、圖像識別
計算機視覺
圖像識別就是我們常說的計算機視覺（CV）。常用在：印刷文字識別、人臉識別、五官定位、人臉對比與驗證、人臉檢索、圖片標簽、身份證光學字符識別（OCR）、名片OCR識別等領域。
人類認識了解世界的信息中大部分來自視覺，同樣，計算機視覺也成了機器認知世界的基礎，其終極目的就是讓計算機能像人一樣“看懂世界”。目前計算機視覺在人臉識別、圖像識別、增強現實等方面有很好的應用，但也存在一定的挑戰。我們就拿谷歌的無人駕駛來說，通過機器視覺識別的技術路徑在現階段，仍有完全無法逾越的技術難題。
不談算法，圖像的攝取精度就是難關，即使最頂級的攝像設備都無法達到人眼的細節獲取能力，看看最頂級的哈蘇相機配合最頂級鏡頭，在夜晚街頭短曝光時間下拍的照片，對比人眼看到的圖像就能看到差異，這還不談經濟上可行的低成本攝像設備，視覺識別自動駕駛這個系統，眼睛就是近視眼。
而且如果下雨，灰塵等對分辨的影響都是很難解決的bug。如果配合雷達的話又有邏輯判斷優先的問題，信攝像頭，還是信雷達？會不會誤報？而作為激光雷達，如果單純的車身自己也有同樣的邏輯判斷的問題，什么樣的東西是有威脅的，什么是無威脅的。什么是潛在的威脅，這都不是計算機視覺這種單一智能所能解決的。因為預測未來的感知能力，是人與機器最大的區別。
三、自然語言處理（NLP）
賢二機器僧
自然語言是人類智慧的結晶。自然語言處理（NLP）是人工智能中最為困難的問題之一。由于理解自然語言，需要關于外在世界的廣泛知識以及運用操作這些知識的能力，自然語言認知，同時也被視為一個人工智能完備（AI-complete）的問題。
舉個例子，我們以前用鍵盤，鼠標，觸摸屏去和設備互動。但是現在你操作設備，只需沖著智能音箱說：請給我的手機充值100元即可。雖然這種功能在阿里的天貓精靈上已經實現了，但實現的前提是天貓精靈APP上已經錄有你的聲紋，并且你的手機號碼，及支付密碼已經預先在APP端設置好，否則機器沒有辦法理解我是誰、給誰的手機充值100元話費。
其次，自然語言處理背后所依賴的是傳統的問答系統技術，即Question Answering（QA）。QA技術是自然語言處理中非常重要的一個研究方向，原理是：對于輸入的問題首先做句法分析，從而理解問題或者指令的結構和意圖。比如如果用戶問的問題是某人出生在哪兒，那么機器需要先對這句話進行解析，進而了解所要回答的應當是一個地點，并且這個地點應當滿足某人出生與此的條件。
當我們能夠準確地了解到用戶提問的意圖并能根據機器可以理解的方式重新組織之后，就需要尋找答案。為了實現這一目的，QA系統的背后都存在一個龐大的數據庫（也就是知識庫），這個數據庫中存儲著所有的指令對應的行為或者問題對應的答案，當系統在數據庫中搜索到了自己要做什么或者回答什么的時候，就可以將答案反饋給用戶，或者直接實現用戶的指令。當然，如果數據庫的規模實在有限，有一個兜底的方法就是基于信息檢索來返回答案，即將用戶的輸入提取出關鍵詞然后求助于搜索引擎返回相關的內容再返回給用戶，由于互聯網無所不包，因此結果一般也尚可接受。
自然語言處理這塊相關落地的產品就很多啦。典型的代表就是聊天機器人，其中一類是以Siri、Amazon Echo、微軟小娜、阿里天貓精靈、小米小AI音箱等為代表，偏向于工具性的服務型機器人。另一類則是以微軟小冰為代表的娛樂型機器人。第一類聊天機器人，以完成任務或回答事實性問題為導向，譬如你問天貓精靈“今天的天氣如何？”，或者給“小愛同學”下達“關閉臥室臺燈”等指令。第二類則以閑聊為導向，并不需要給出某一個事實性問題的解答，只要交談自如、博君一笑即可。比如：北京龍泉寺的賢二機器僧。
四、用戶畫像
碟中諜6：全面瓦解
用戶畫像是根據用戶社會屬性、生活習慣和消費行為等信息/數據而抽象出的一個標簽化的用戶模型。構建用戶畫像的核心工作即是給用戶貼“標簽”——用數據來描述人的行為和特征，而標簽是通過對用戶信息分析而來的高度簡練的特征標識。
用戶畫像在商業領域應用的非常廣泛。拿百度舉例。百度現在識別了將近10億用戶，用了幾千萬個細分標簽給用戶分類，比如性別、年齡、地理位置，還有這個人在金融領域的情況，在旅游方面有什么愛好等等。這些東西合在一起，就組成了用戶畫像。百度就知道你是什么樣的人，喜歡什么樣的東西。比如，今年暑期檔將要上映的電影《碟中諜6：全面瓦解》，在宣傳的時候把人群分成了三類，一類是不管怎樣都要看的，一類是不管怎么都不會看的，第三類是可能會進電影院的。宣傳方就會使用百度大腦的用戶畫像功能，識別出第三類人群，對這類觀眾進行定向宣傳。
人工智能在用戶畫像里最重要的作用就是找到相關性，給用戶打標簽。用戶標簽是表達人的基本屬性、行為傾向、興趣偏好等某一個維度的數據標識，它是一種相關性很強的關鍵字，可以簡潔的描述和分類人群。比如好人和壞人、90后80后，星座、白領等。具體流程一般是從紛亂復雜、瑣碎的用戶行為流（日志）中挖掘用戶在一段時間內比較穩定的特征，即給用戶打上標簽。
舉例來說，如果你經常購買一些紙尿褲，那么電商網站即可根據母嬰購買的情況替你打上標簽“有孩子”，甚至還可以判斷出你孩子大概的年齡，貼上“有1-4歲的孩子”這樣更為具體的標簽，而這些所有給你貼的標簽組，就成了你的用戶畫像，也可以說用戶畫像就是判斷一個人是什么樣的人。但是今天的人工智能雖然能夠找到相關性，但是卻無法找到內在的邏輯，因此容易把前提和結論搞反了。比如根據大數據的統計，喝咖啡的人比不喝咖啡的人長壽。但大數據沒告訴大家喝咖啡是不是原因，或許是生活水平高的人才有錢、有時間喝咖啡。所以真實的情況是長壽的人喝咖啡。
五、人工智能算法
深度學習算法
說完了語音識別、圖像識別和自然語言處理這些涉及交互的前端人工智能技術， 我們再來說說后端人工智能技術。后端的人工智能技術指的就是人工智能的核心算法，包括深度學習算法、記憶預測模型算法等。
首先，我們來說說深度學習算法。我們知道2016年是人工智能爆發的一年，先有AlphaGo戰勝李世石，到了年底又有Master連勝60場，橫掃中日韓圍棋高手，一時間輿論為之震驚。這個Alpha Go背后的DeepMind團隊，用的就是深度增強式學習，這是深層神經網絡用于決策領域的成果。深度學習是機器學習的一個新領域，普遍認為深度學習的開創者是加拿大多倫多大學一位叫Geoffrey Hinton的教授，他是一位“神經科學家+計算機科學家”，他認為大腦是用全息的方式存儲外界世界信息的，并且從上世紀80年代就開始研究用計算機系統架構來模擬人類大腦，就是我們今天說的深度學習的原型。
今天我們可以這樣理解深度學習算法，深度學習就是運用神經網絡一層又一層的計算來找到最優的參數，再結合參數去做出未來的決定。出發點在于建立、模擬人腦進行分析學習的神經網絡。深度學習的整個學習過程中，幾乎可以做到直接把海量數據投放到算法中，讓數據自己說話，系統會自動從數據中學習。從輸入到輸出是一個完全自動的過程。深度學習算法現在被設計成實現設計者既定目標的工具。比如，AlphaGo的目標就是去贏得圍棋比賽，而不是去開車或干其他事情。AlphaGo不能自己設定自己的目標，如果要完成另一個目標，就需要設計另一種機器。當然人工智能有N多條路，深度學習算法是目前人工智能算法里表現最好的。但深度學習并不是一上來就好的，讓深度學習崛起還有兩個華人：
一個就是斯坦福的教授，也是后來谷歌大腦的創始人吳恩達教授，因為他發現深度學習需要有更強的計算能力，所以他找到了英偉達的GPU（Graphics Processing Unit，圖形處理單元），使得計算能力提升了上百倍。
另外一個人也是斯坦福的教授李飛飛，她建立了一個圖像識別資料庫。而且這個庫里面的所有的圖像都是標注過的，也就是說，如果圖里有山就會標注出山，如果有樹就標注出樹。這樣的話，你可以用這個圖形庫來訓練人工智能系統，看它能不能識別出來這個圖形庫上面所標注的這些元素。經過這個圖像庫的訓練，就可以訓練出視覺能力超過人的人工智能系統。
但是千萬不要以為深度學習達到今天的水平就是無敵了，甚至可以超越人類了。深度學習發展起來的人工智能系統存在一個明顯的缺陷，就是他的過程無法描述，機器不能用人的語言說出來它是怎么做到的。例如，Alpha Go打敗了李世石，你要問AlphaGo是為什么走這步棋，它是答不上來的。也就是說，我們沒辦法知道機器做事情的動機和理由。
要想更好的認識到人工智能算法的局限性，需要引入一個概念，就是認知復雜度。什么是認知復雜度呢？就是指你建構“客觀”世界的能力。認知復雜度高的人，善于同時用互補，或者互不相容的概念來理解客觀世界，因為真實世界本身就不是非黑即白的。那么對于機器來說，“認知計算”和“人工智能”有啥關系呢？人工智能的未來一般被分為三個發展方向：人搞定機器、機器搞定人和“人機共生”。而以“人機共生”為目標的人工智能，就是認知計算。IBM在認知計算領域獲得了大量經驗，并且總結了認知計算的三個能力，分別是交流、決策，和發現。
（1）交流
第一個能力是交流，認知計算可以處理非結構性的問題。很多用Siri的人，只會把這當成娛樂功能，因為它不能保證交流內容的準確性，有時Siri根本接不上你的話，因為你的話對它來說太復雜了。這個只能算作人工智能比較初始的狀態。
而認知計算可以完全模仿人類的認知，你可以把它當做一個孩子。就好像孩子周圍有一群逗他玩的大人，有人告訴孩子1+1=2，也有人說1+1=3。但是隨著孩子的成長，他自己會明白1+1=2才是對的。這就是非結構性問題。早期的人工智能只能學會別人教給他的知識，但是認知計算可以處理模糊的，甚至是自相矛盾的信息。
（2）決策
第二個能力是決策，我們都知道人工智能可以分析復雜的邏輯，然后做出決策。認知計算可以更進一步，根據新的信息來調整自己的決策。更厲害的是，認知系統所做的決策是沒有偏見的，而“毫無偏見的決策”對人類來說幾乎是一件不可能的事。比如說治療癌癥，這是典型的醫療決策場景。
癌癥之所以難治，一方面由于這種疾病太過復雜，另一方面，醫生如果不能及時發現患者的癌癥信號，可能會延誤患者的治療，或者導致診斷錯誤。而認知計算可以綜合分析復雜的醫療數據，還可以在醫生語言的上下文中解析含義，最后提出它的建議。
這就大大減少了醫生查病歷的時間，讓醫生能將更多的時間用在患者身上。2016年8月，《東京新聞》報道說，IBM研發的認知計算機器人“沃森”，就學習了海量的醫學論文，只用了10分鐘，就為一名患者診斷出了很難判斷的白血病類型，還向東京大學醫科學研究所提出了適當的治療方案。
（3）發現
第三個能力是發現，認知計算能發現新事物和新連接，填補人類思維的空白。比如在競爭激烈的餐飲業，怎樣才能做出令顧客滿意的新菜品呢？
認知系統可以整合區域知識、文化知識，還有各種食物搭配理論，幫助用戶發現想象不到的美食搭配。比如突然有一天，它會告訴你：用鹵煮的配方做個披薩，可能很合你的胃口。你照著一做，發現還不錯！實際上，從2015年開始，IBM開發的“沃森大廚”，就已經學習了35000多種經典食譜，然后通過分析海量的食材搭配，結合化學、營養學等方面數據，為廚師和美食家帶來了超出人類想象的新型食譜。
認知計算可以幫助我們更好的交流、決策和發現。但是人工智能依然有很多做不到的。例如：抽象能力，自我意識，審美，情感等。
第6篇：人工智能技術含義范文
懶人推動了科技的發展，因為懶人很多，而迎合懶人需求的新技術和新產品總是能不出意外地火起來，成為人們生活中的必備品，小到遙控器、數碼相機，大到洗衣機、電梯。無一例外，它們都是用聰明的點子去成全懶人的懶法。
人工智能是這么個套路，從20世紀50年代一路走來，它一直是計算機科學的一個重要分支――1956年，美國達特茅斯大學助教、后被人尊為“人工智能之父”的約翰?麥卡錫、哈佛大學馬文?明斯基、貝爾實驗室香農、IBM信息研究中心內森?羅切斯特一起發起了著名的“達特茅斯會議”，正式確定了人工智能的概念，從此，一個嶄新的學科誕生。人工智能越來越具備人腦的思維能力，直接的后果就是機器越來越聰明了，人類可以偷懶少操心了。從理論轉化為實踐，從實驗室走到流水線，當人工智能與消費類電子產品完美地結合起來，人們期待著它能從實驗室里冷冰冰的機器人變成身邊貼心的幫手。
遠不止語音識別的Siri
10月5日，在iPhone 4S的會上，蘋果把Siri語音助理放在壓軸的位置，與會的主題“Let’s Talk iPhone”絲絲相扣。蘋果iOS軟件高級副總裁斯科特?佛斯特在臺上的演示過程很簡單――他問Siri：“今天天氣如何？”Siri回答：“以下是今天的天氣預報……”
有人把對iPhone 5沒有出現的失望遷怒到Siri身上，說它不過就是一個語音識別程序，并預言iPhone 4S會反響平平，銷量會讓蘋果很失望。可事實并非如此，Siri成了網絡紅人，各種“調戲”Siri的段子層出不窮，越來越多的人驚嘆Siri怎么這么聰明和能干，而iPhone 4S的首批發貨數量高達400萬臺，創下了iPhone出貨量的記錄。
所以，千萬別以為Siri和之前IBM ViaVoice、Android系統里鼎鼎大名的Voice Action，以及國產的金立語音王一樣，盡管這些語音識別模塊的識別引擎很強大，識別度很高，但它門仍然要求被識別的語音符合特定的語法，基于常用對話的記錄而進行模糊識別和匹配。Siri則不同，它能根據語句的含義而不僅僅是字面意思做出合乎人類邏輯的回答和反應。
來看看蘋果粉絲以各種話來逗Siri的結果――“我想自殺！”“我找到了4家精神健康機構，其中3家在你附近”；“你會和我結婚嗎？”“我的終端用戶授權協議中可不包含結婚哦，我道歉。”在一笑過后，用戶必須承認，Siri已經具備了相當的邏輯推理能力。
Siri的本事不限于回答問題。首個iPhone 4S的廣告顯示出，Siri在現實生活中的應用很廣，它會通過谷歌地圖查找到用戶附近醫院的位置，教用戶如何系領帶，為用戶查詢天氣情況，對用戶進行方位提醒，使用iPhone的應用播放音樂，設置鬧鈴，發送短信等。看來盡管蘋果出于謹慎，在揭幕Siri時，給它打上了Beta的標簽，但Siri成為蘋果產品的主打牌已是昭然的事實。
值得一提的是，Siri已經有了模仿者，目前已經有一款Android版的類似應用Iris。明眼人肯定能看出來Iris就是倒序的Siri。暫且不論這么做是否合法，但如此緊隨腳步的模仿，說明Siri極有可能讓人工智能成為消費電子設備必備的功能：用戶懶得去做什么，交給Siri就好了。
后續的可能
Siri如此厲害，是因為它背后不僅僅是蘋果，還有維基百科和智能搜索引擎Wolfram Alpha。而且，Siri實際上是蘋果蓄謀已久的長遠規劃。
翻出25年前， 蘋果播放的視頻“What if”，可以發現Knowledge Navigator的身影。按照蘋果的描述，Knowledge Navigator能夠提醒用戶赴約，幫助用戶查找和共享文件，支持雙向視頻會議。Knowledge Navigator承載了蘋果的太多夢想。
2010年4月28日，蘋果提交給聯邦貿易委員會的材料，顯示蘋果已經收購應用開發商Siri。在這筆收購中，蘋果支付給Siri的費用約為2億美元――Siri成員在接受《華爾街日報》采訪時稱“蘋果的出價高得讓人無法拒絕”。
當時就有分析師羅伯特斯?科博認為，Siri提供的服務是“網絡的未來”。Siri樣進行自我介紹：“把事情搞定的新方法，就是問Siri。沒有無止境的點擊鏈接，直接返回結果。把任務交給Siri，然后休息。”
有必要介紹下Wolfram Alpha，它是Siri的強大后盾。2009年，它就被稱為知識引擎，當別的搜索引擎是按照“打開搜索引擎主頁 輸入查詢關鍵字 搜索引擎返回網頁鏈接 在一堆網頁鏈接里找到想要的信息”這么個流程為用戶提供搜素服務時，Wolfram Alpha能夠直接返回針對問題的有效答案。這種模式被業界認為是下一代搜索引擎的發展方向，也難怪它被稱為“谷歌殺手”，足以讓谷歌心有戚戚焉。
Siri有了Wolfram Alpha的支持，就具備語音搜索的功能了。搜索流程簡化為“跟 Siri 對話 得到結果”，盡管在后臺的工作依然很繁復：語音識別 智能分析 了解用戶意圖 調用本地應用或者網絡服務的應用 整合結果，把最合適的內容呈現給用戶。
業界流傳著蘋果與谷歌的恩怨：按照心照不宣的默契，蘋果沒有涉足搜索，而谷歌卻咄咄逼人，侵占終端操作系統疆土。這下，蘋果真正反擊了。
分析師山農?克勞斯在一份研究報告中指出，不出意外的話， Siri不久后還可能被應用到Macintosh、Apple TV和iPad等多款蘋果產品中。
而喬布斯對他自傳的授權作者沃爾特?艾薩克森說：“我希望創造一款這樣的電視機，整合DVD播放機、有線電視頻道，還能與用戶各種設備及云存儲賬戶同步。這款電視還會呈現出最簡潔的用戶界面……總之，能超出你的想像。我終于實現了。”以喬布斯極度追求完美的個性，他的宣言“我實現了”意味著什么不言自明。一個簡單的猜想是，蘋果TV不會有遙控器，取而代之的是Siri。
有人工智能有勝算
“達特茅斯會議”聚集了當時最有名的人工智能學者，衣缽相傳，至今人工智能領域重要的研究基地仍與那次會議的參與者息息相關：麻省理工學院（馬文?明斯基創建麻省理工學院人工智能實驗室）、斯坦福（約翰?麥卡錫曾任斯坦福人工智能實驗室主任）、卡內基?梅隆大學（1975年，圖靈獎授予卡內基?梅隆教授艾倫?紐厄爾和赫伯特?西蒙）以及IBM（內森?羅切斯特）。
1997年，IBM“深藍”超級計算機和國際象棋世界冠軍卡斯帕羅夫的比賽吸引了足夠多人的眼球。2011年，IBM超級計算機沃森在美國電視智力答題節目《危險邊緣》（Jeopardy）中上演了人機大戰，并最終擊敗兩位人類冠軍，贏得最后的勝利。不過這些人工智能的成果目前還停留在實驗室階段，是讓人來開眼界的。
另一個在消費電子領域成功結合人工智能技術的當屬微軟Kinect。不同于Siri，Kinect只認用戶的動作輸入，讓用戶直接用身體控制游戲，之前的游戲手柄統統可以丟掉。這一點很關鍵，史蒂芬?斯皮爾伯格說過，只要玩家手中還有一個控制器，就無法在感情上被完全調動起來。
第7篇：人工智能技術含義范文
在本文中，我們將重點關注在市場上取得良好發展的技術趨勢，一起討論2018年下半年的重大技術突破。
1.人工智能將重塑市場戰略
人工智能為業務運營帶來大改變，利用先進技術與軟件的力量重塑整個行業。一些公司現在特別贊賞他們的業務實施人工智能戰略的價值，并且AI的重大技術飛躍也正在進行中。擁有超過100，000名員工的巨頭公司更希望實施人工智能戰略，但對他們來說，該過程更具挑戰性與價值。 2018年將成為領先企業將人工智能應用納入其戰略和組織發展的一年。此外，算法市場也有潛力，工程師或公司創建的最佳解決方案可以共享，購買和部署，供組織個人使用。
過去很難相信的想法正在變得真實，機器學習與人工智能技術使每個企業都變成數據驅動，每個行業都變得更加智能化。
經過多年的原型和創意背景研究，新的解決方案將令人嘆為觀止。為患病的人們提供虛擬援助，計算藥理藥藥以及遺傳學研究讓人們看到了醫學中更令人驚奇的案例。不同行業的自動化，機器人化和數據管理給行業帶來重大變化。醫療保健、建筑、銀行、金融、制造業等等，每個現有之行業都將被重塑。
2.區塊鏈將為行業提供新機遇
現在每個人都在談論區塊鏈，這是一種革命性的分布式技術，可以存儲和交換加密貨幣的數據塊。區塊鏈是一個分布式數據庫，其中包含交易和智能合約的數字存儲器。區塊鏈存儲一個不斷增長的有序記錄序列，這稱為塊，每個記錄包含一個時間戳和前一個塊的哈希鏈接。區塊鏈在數字交易領域具有令人無限想像的空間，這一切將在2018年開辟新的商業機會。
該項技術打開了在其它領域中的各種應用，更多新的可能性。由于社會責任和安全性在互聯網上的需求日益增強，區塊鏈技術變得越來越重要。在使用區塊鏈的系統中，幾乎不可能偽造任何數字交易，所以這種系統的可信度肯定最高的。這種方法可以成為企業和初創公司中顛覆性數字業務的基礎，以前在線下運營的公司將能把流程完全轉化為數字化環境。（來源微信號數字化企業）
業務需要考慮區塊鏈風險和機會，并分析該技術如何影響用戶（客戶）之行為。
隨著在金融服務行業中區塊鏈的炒作將放緩，我們將看到更多政府機構，醫療保健，制造業和其它行業的潛在實例出現。例如，區塊鏈對知識產權管理有著巨大的影響，在防止版權侵權方面開辟了新的見解。 Blockai，Pixsy，Mediachain和Exof of Existence等網站平臺打算將區塊鏈技術應用于到該領域。
3.隱私安全的新方法即將來臨
“道高一尺，魔高一丈”。技術發展提升了數據的重要性，因此黑客技術也變得越來越先進。連接到互聯網的設備數量的增加，這會產生更多的數據，使其更容易受到攻擊的機率更多。物聯網中的小工具越來越受歡迎并被廣泛使用，但它們在數據隱私方面仍然不是很安全。任何大型企業都經常受到黑客攻擊的威脅，就像Uber和Verizon在2017年發生的那種問題。
幸運的是，這些解決方案是可以達成的，今年我們將看到數據保護服務的巨大改進。機器學習將確保數據安全，概率性預測方法是下一步的安全趨勢。實施行為分析等技術可以檢測和阻止能夠繞過保護系統的攻擊。 另外，區塊鏈將我們的注意力引向一個名為Zero Knowledge Proof的新技術，此技術將在2018年進一步發展，它使用數學技術確保用戶隱私的交易。另一種新的安全方法稱為CARTA（持續適應風險和信任評估），它基于對潛在風險和信任程度的持續評估，以適應各種情況。該方法適用于所有業務參與者：從公司的開發人員到合作伙伴。
雖然我們的安全性仍比較脆弱，但有很多有前景的解決方案可以為我們的生活帶來更好的隱私保護。
4.物聯網將更加智能
智能物品將成為日常設備普及，它與人、環境進行更智能的互動。這些東西在不受控制的現實條件下半自動或自主地運行，而無需人為干預。
很多年來，智能產品一直備受關注，并且不斷擴展和增強，它們將影響另一個全球趨勢，這就是物聯網。
未來將有一個協作智能網絡，其中多個智能設備將協同工作，充分發揮物聯網的潛力。通過有線和無線通信渠道連接到全球互聯網，物聯網設備將變成一個大型集成系統，推動人機交互的重大轉變。人工智能與物聯網的融合帶來了創造智能家居和智慧城市的全新技術。
5.深度學習將更快，大數據收集更好
如今，深度學習面臨著大數據收集和計算復雜性相關的技術挑戰。目前業界正在開發硬件創新技術以加速深度學習實驗，例如具有更多內核和不同架構形式的新GPU。根據GE研究院的高級信息科學家Marc Edgar的說法，深度培訓將在未來 3到5年內將軟件解決方案的開發時間從幾個月縮短到幾天，這將改善功能特性，提高生產率并有效降低產品成本。
目前，大多數大公司都意識到大數據收集的重要性及其對業務有效性的價值影響。在未來一年內，更多公司將開始使用更多數據，這取決于結合不同數據的能力。（來源微信號數字化企業）
2018年，更多公司將通過CRM，任務系統，BMP和DMP以及全渠道平臺收集客戶數據，像LIDAR這樣的專用傳感器上收集數據的普及也在增加。將現有系統與所有類型的客戶數據集成到一個信息池中肯定會有趨勢。初創公司將繼續創建收集和使用數據的新方法，從而進一步降低成本。
6. AI模型能自動構建與優化
自Google去年推出AutoML以來，使用人工智能工具加速構建和調整模型的過程正在迅速普及。這種人工智能開發的新方法允許自動化機器學習模型的設計，并且無需人工輸入即可構建模型，從而讓其中一個AI成為另一個AI的架構師。
2018年下半年，預計商業AutoML軟件包的普及和AutoML集成到大型機器學習平臺將進一步增長。
在AutoML之后，有一個名為NASNet的計算機視覺算法，用于實時識別視頻流中的對象。使用AutoML實現的NASNet上的“強化學習”可以訓練模型，與需要人工輸入的算法相比，人類顯示更好的結果變得無關緊要。
這些技術發展，明顯拓寬了機器學習的視野，并將在未來幾年完全重塑模型建設的方法。
7. CDO職位持續走高
首席數據官（CDO）和其它專業人員越來越多地參與公司高層管理，從而改變他們的數據管理方法。 CDO將是創新和差異化的驅動力：會徹底改變現有的商業模式，改善與目標受眾與企業溝通，并探尋改善業務績效的新機會。雖然這個角色很新，但不論在國內外它已向主流邁進。據Gartner公司調查稱，到2019年，CDO職位將出現在90％的大型組織中，因為是新角色，也許只有一半的人會成功。這需要強大的個人品質，對責任的深度理解和突破潛在障礙，這才是取得成功的關鍵。還有一個重要的步驟來釋放CDO的全部潛力：企業可以考慮將IT部門分別劃分為“I”和“T”兩部分，CDO應該在負責信息管理的團隊中起帶頭作用。（來源微信號數字化企業）
8.AI道德爭論會爆發
隨著人工智能行業在日常生活中執行各種任務和行動方面取得重大進展，人們就道德，責任和人際交流提出了問題。如果人工智能使用了非法行為，誰將受到指責？AI機器人是否需要遵守法律規定？它們要接管所有人類工作嗎？
前兩個問題中，假設有一天機器人被法律承認為人類，可以承擔責任或因其行為而受到懲罰，這種觀點還需要幾年的時間，但關于AI道德的爭論已經在升溫，考慮到不同的可能性，科學家們正試圖找到關于機器人權利與責任的妥協方案。
大可放心，機器人占領所有工作場所的可能性接近于零。當然，人工智能行業的發展速度非常快，但是它仍然處于起步階段。
2018年下半年，圍繞這個問題的討論還會持續。當我們深入討論這個主題，了解如何與人工智能互動，并忠于這個事實，關于機器人接管地球的神話相信會被驅散。
9.沒有具體的命令：增長的NLP
在客戶服務中使用聊天機器人即將到來，這是2018年的主要趨勢之一。在2018年下半年，機器將需要能夠識別用戶訪問的細微差別，用戶希望通過提問和以自然語言發出命令來獲得聊天軟件的響應，而無需考慮“正確”的詢問方式。 NLP的發展與計算機程序的整合將是2018年最激動人心的挑戰之一，我們對此抱有很高的期望。
對于習慣于理解特定命令語言的計算機來說，對于人類來說，理解語音語調，情感色彩和多重含義的語言似乎是一項艱巨的任務。這些復雜的算法需要許多預測模型和計算步驟，所有步驟都在一秒鐘內完成，這些計算都發生在云中。
在NLP的幫助下，人們提出更多問題，都會快速獲得機器返回合適的答案，甚至比人的回答有更好的見解。
10.沒有人類數據，AI自學更加自信
當人工智能第一次發明以來，該領域的發展速度超出了人們的預期。專家們曾經預測，到2027年人工智能將在圍棋游戲中擊敗人類，但是它提前發生了10年 - 2017年。算法AlphaGo Zero只用了40天就成為人類歷史上最好的圍棋玩家，它在沒有任何人類數據輸入的情況下進行自我學習，并且制定了人類玩家無法實現的策略。
2019年，一個更發達的，自學成才的人工智能與人類的競賽會繼續展開。我們期待AI在解決許多人類問題方面取得更多突破，如決策，業務開發和科學模型，識別對象，情感與演講，以及重新塑造客戶體驗。
此外，我們更希望AI能夠比人們做得更好，更快，成本更低地應對這些任務。算法之自學能力能將AI應用到人類生活的更多領域。（來源微信號數字化企業）
總體上講，2018年在技術創新方面會取得重大進展。開發者將見證更快，更精確的機器學習和AI應用程序，包括一些新的令人興奮的發展。
第8篇：人工智能技術含義范文
而萬眾矚目的人機世紀大決戰在今天中午正式拉開帷幕，由谷歌派出的人工智能界選手AlphaGo將開始對弈人類派出的韓國棋手李世石，他們將在首爾四季酒店舉行五盤比賽。據悉，AlphaGo一共將與李世石進行5場比賽，首場比賽于北京時間3月9日中午12點在韓國首爾四季酒店舉行。第二場到第五場比賽分別將在10日、12日、13日、15日舉行。除了設有100萬美元的獎金外，如果AlphaGo勝出，這意味著人工智能真正里程碑式的勝利。
目前第一場比賽已經結束，AlphaGO取得人機大戰首局的勝利，取得1-0的領先。
先來了解一下對弈雙方的資料：
機器人代表方——AlphaGo
AlphaGo是谷歌Google DeepMind實驗室出品的一款機器人。事實上，它并不是普通意義上的智能機器人，而是一個擁有自我學習和進化能力的智能系統。
“阿爾法”的核心是兩種不同的深度神經網絡——“決策網絡”和“價值網絡”。其中，“決策網絡”負責減少搜索寬度，排除明顯的錯誤，選擇下一步走法；“價值網絡”則負責減少搜索深度，通過對局勢的判斷，在明顯劣勢下果斷拋棄某些路線，不用每條道算到黑。通過這兩個網絡分析局面，“阿爾法”會更像一個人類棋手，會在下棋時分析每一步的風險系數，比如在未來20步的N種情況下，它立即就能判斷出如何落子的勝率最高。
“阿爾法”還擁有像人類一樣的學習和進化能力，一個棋手可能一年只能下1000多盤棋，而“阿爾法”一天就能下100萬盤。
人類代表方——李世石
作為最近10年來獲得世界冠軍頭銜最多的圍棋棋手，李世石被看做最能代表人類挑戰電腦的頂尖棋手。截至目前，李世石共獲得14個個人賽世界冠軍，僅次于獲得18個冠軍的李昌鎬，遙遙領先其他國家的棋手。
出生于1983年的李世石已經33歲了，對于一名棋手來說，33歲顯然已經不年輕了，但李世石依然活躍在世界棋壇的第一線，任何棋手面對他，都不敢輕言取勝，即使李世石剛輸了農心杯世界圍棋團體賽。
此次比賽意味著什么？
棋類游戲一直被視為頂級人類智力的試金石。人工智能與人類棋手的對抗一直在上演，此前在三子棋、跳棋和國際象棋等棋類上，計算機程序都曾打敗過人類，從上世紀90年代中期戰勝全世界跳棋頂尖高手的Chinook程序，到IBM公司研發的超級計算機“深藍”在1997年第一次戰勝了國際象棋冠軍卡斯帕羅夫。
但相比擁有2500多年歷史的圍棋而言，國際象棋的算法要簡單得多。圍棋每回合的可能性更多，共有250種可能，一盤棋可以長達150回合。同時，圍棋有“3的361次方”種局面，而可觀測到的宇宙，原子數量才“10的80次方”。
按照技術的發展速度，一般認為至少還需要10年才能實現人工智能在圍棋上戰勝人類職業選手，所以AlphaGo此次能否戰勝李世石有著歷史性的意義。
雙方怎么看勝負？
Google：終究都是人類的勝利
3月8日，對弈“雙方”在首爾舉行了賽前最后一場記者見面會。會上相關方對這場比賽是怎么期待的呢？
谷歌董事會執行主席埃里克·施密特說：“這次對決無論哪方笑到最后，終究都是人類的勝利，人類的智慧又向前邁出一步，我們的世界將更加美好。”
“正因為人類的努力，才讓機器學習有了現在的進展和突破。當前，我們已經在通過多種方式利用人工智能技術，如圖片搜索、在線翻譯和視頻等。”
谷歌“深度思維”公司CEO德米什·哈薩比斯說：“‘阿爾法圍棋’的優點是不會疲勞和害怕。它經過多次測試，性能出眾，但應該還存在沒被發現的弱點。我希望通過此次比賽暴露出它的弱點。”
李世石：有信心取勝，但要格外小心
李世石在記者會上表示，他認為到目前為止還是人類比人工智能強。李世石說：“即使‘阿爾法圍棋’戰勝了歐洲冠軍，但我認為到目前為止還是人類比人工智能強。不過聽到人工智能具有了類似人類的直覺判斷能力，我倒感到有些緊張，恐怕我以5比0戰勝它有點兒夠嗆，因為人類下棋時會有失誤。”李世石還表示，“阿爾法”模仿人類的直覺判斷程度約為80%，但運算速度優于自己，所以要格外小心。
當被問及如果輸掉首盤接下來比賽會不會受影響，李世石回答，在與人對局中首盤輸掉的時候很多，這次與人工智能對弈即使輸掉首盤也不太會對接下來的比賽有影響，自己也肯定會從與人工智能的對弈中學到很多。
他表示，“之所以接受機器的挑戰，是因為聽到歐洲冠軍被擊敗感到震驚。如果我失敗，可能會對圍棋的流行造成影響，但人工智能擊敗人類是不可避免的事情。”
總之，從以上三位的言論似乎可以看出，盡管是雙方激烈對弈，但李世石與谷歌方面似乎有一種深層的共識，那就是——AlphaGo現在無疑還有很多弱點，但是假以時日，它肯定能戰勝人類選手。
最后，創客君帶大家普及一下什么是人工智能？
人工智能(Artificial Intelligence，英文縮寫為AI)其實就是對人的意識、思維的信息過程的模擬，而人工智能機器人就是像人類一樣具有自我意識的機器人。它是一門研究、開發用于模擬、延伸和擴展人的智能的理論及應用系統的技術科學，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
人工智能是計算機科學的一個重要分支，是一個極富挑戰性的科學領域，它由不同的領域組成，如機器學習，計算機視覺等，是一門包括十分廣泛的科學，今天我們就來著重聊聊它其中一個重要分支，人工智能機器人。
20世紀50年代中期：人工智能學誕生
要說人工智能機器人，那不得不提阿西莫夫，他提出“機器人三定律”，后來成為學術界默認的研發原則。
定律1：機器人必須遵循人的命令，除非違背第一定律。
定律2：機器人不得傷害人，亦不得因不作為而致人傷害。
定律3：機器人必須保護自己，除非違背第一或第二定律。
1956年達特茅斯會議：AI的誕生
1956年夏天，眾多行業科學家在美國達特莫斯大學舉行了為期兩個月的學術討論會，從不同學科的角度探討人類各種學習和其他職能特征的基礎，并探討用機器模擬人類智能等問題，并首次提出了人工智能的術語，達特矛斯會議上AI的名稱和任務得以確定，同時出現了最初的成就和最早的一批研究者，因此這一事件被廣泛承認為AI誕生的標志。
50年代早期人們才注意到人類智能與機器之間的聯系
雖然計算機為AI提供了必要的技術基礎，但直到50年代早期人們才注意到人類智能與機器之間的聯系。Norbert Wiener是最早研究反饋理論的美國人之一，最熟悉的反饋控制的例子是自動調溫器，它將收集到的房間溫度與希望的溫度比較，并做出反應將加熱器開大或關小，從而控制環境溫度。這項發現對早期AI的發展影響很大。
第一代機器人：示教再現型機器人
這類機器人是通過一個計算機來控制一個多自由度的機械，通過示教存儲程序和信息，工作時把信息讀取出來，然后發出指令，這樣的話機器人可以根據人當時示教的結果，再現這種動作，該類機器人的特點是它對外界的環境沒有感知。
1962年，掀起了全世界對機器人研究的熱潮
1962年，美國AMF公司生產出“VERSTRAN”(意思是萬能搬運)，與Unimation公司生產的Unimate成為真正商業化的工業機器人，并出口到世界各國，掀起了全世界對機器人研究的熱潮。
1965年，興起研究第二代帶傳感器、“有感覺”的機器人，并向人工智能進發
1965年，約翰·霍普金斯大學應用物理實驗室研制出Beast機器人。Beast已經能通過聲納系統、光電管等裝置，根據環境校正自己的位置。20世紀60年代中期開始，美國麻省理工學院、斯坦福大學、英國愛丁堡大學等陸續成立了機器人實驗室。
(1965年，約翰·霍普金斯大學應用物理實驗室研制出Beast機器人)
第二代智能機器人：帶感覺的機器人
這種帶感覺的機器人是類似人在某種功能的感覺。比如：力覺、觸覺和聽覺，來判斷力的大小和滑動的情況。
1968年，世界第一臺智能機器人誕生
1968年，美國斯坦福研究所公布他們研發成功的機器人Shakey。它帶有視覺傳感器，能根據人的指令發現并抓取積木，不過控制它的計算機有一個房間那么大，可以算是世界第一臺智能機器人。
1978年，美國Unimation公司推出通用工業機器人PUMA，這標志著工業機器人技術已經完全成熟。PUMA至今仍然工作在工廠第一線。
(1978年，美國Unimation公司推出通用工業機器人PUMA，標志工業機器人技術完全成熟)
不演化嶄新能力：二代人工智能機器人
2002年美國iRobot公司推出了吸塵器機器人Roomba
2002年美國iRobot公司推出了吸塵器機器人Roomba，它能避開障礙，自動設計行進路線，還能在電量不足時，自動駛向充電座。Roomba是目前世界上銷量較大的家用機器人。
(2002年美國iRobot公司推出了吸塵器機器人Roomba)
2006年6月，微軟公司推出Microsoft Robotics Studio，機器人模塊化、平臺統一化的趨勢越來越明顯，比爾·蓋茨預言，家用機器人很快
(2006年6月，微軟公司推出Microsoft Robotics Studio)
2012年，機器宇航員
“發現號”航天飛機(Discovery)的最后一項太空任務是將首臺人形機器人送入國際空間站。這位機器宇航員被命名為“R2”，它的活動范圍接近于人類，并可以執行那些對人類宇航員來說太過危險的任務。
第三代機器人：最高階段智能機器人
理想中所追求的最高階段，智能機器人，只要告訴它做什么，它就能完成，目前的發展還是相對的只是在局部的概念和含義。
2014年6月7日首次通過了圖靈測試
英國的計算機科學之父阿蘭·圖靈在1950年提出了著名的“圖靈測試”理論，能夠通過測試的就是人工智能機器人，之后雖然無數的機器人在測試中失敗，但是在2014年6月7日阿蘭·圖靈逝世60周年紀念日那天，在英國皇家學會舉行的“2014圖靈測試”大會上，聊天程序“尤金·古斯特曼”(Eugene Goostman)首次通過了圖靈測試。
(2014年6月7日首次通過了圖靈測試，預示著人工智能進入全新時代)
從現實的角度講，人工智能從誕生以來，理論和技術日益成熟，應用領域不斷擴大，可以設想，未來如電影中人工智能機器人的出現，并非天方夜譚。
(裘·德洛在電影《人工智能》里演了一個機器情人，迷倒了大批的少女)
(去年大熱的《機械姬》講的就是人工智能如何復仇的故事)
可是你是否細想過你需要的人工智能是不是真的越接近人越好？
如果說“智能”意味著特有的自覺意識、瘋狂的自省循環以及凌亂的自我意識流，那么人工智能將很可能造成一系列的混亂狀況。
在去年大熱的《必然》一書中，凱文·凱利在其中的“知化”章節專門提及了人工智能未來的發展方向。他認為隨著人工智能的發展，可能要設計一些手段阻止它們擁有意識，而未來宣傳最優質的人工智能時，很可能給它打上“無意識”的標簽。
第9篇：人工智能技術含義范文
關鍵詞：智能建筑；工程監理
近年來隨著智能建筑的迅猛發展，智能建筑工程監理也日益成為工程監理的一個課題，成為工程建設的一個焦點。同時，智能建筑工程涉及管理部門多，跨專業多，新技術、新產品推出快，監理人員應如何應對？下面筆者結合自己的一些工程監理經驗及思考談一下智能建筑工程監理的幾個重點。
一、監理人員應深刻理解智能建筑和智能建筑工程的含義。
1.智能建筑的由來
1984年1月，美國哈特福德市將一座舊金融大廈進行改建，實質是在傳統建筑的基礎上增加了大量的自動化系統。改建后的大廈，稱之為都市大廈。智能建筑這一名稱從此出現。從第一座智能建筑誕生到現在，世界范圍內，包括中國，智能建筑得到了長足的發展。
2.什么是智能建筑
智能建筑是通過信息技術、自動控制技術、人工智能技術等與傳統建筑技術的結合，使傳統建筑具備一定程度的自動化和人工智能化，能夠自動或智能化地實現和提高安全、便捷、舒適、節能、環保、美觀等傳統建筑要求的建筑物，以及提供傳統建筑物所不能提供的服務。智能建筑是建筑技術與信息技術、自動控制技術、人工智能技術等結合的產物,是有智能化集成系統的建筑。
3.智能建筑與傳統建筑的區別
因為無論哪種建筑物都是供人使用的，而對安全、便捷、舒適等的要求內在的存在于建筑的使用要求、建設、設計、施工等內容中，并非智能建筑所特有。智能建筑與傳統建筑的根本區別在于實現這些功能的方式和能力的不同。
從理論上說，智能建筑是具備一定程度的自動化和人工智能的建筑。若把智能建筑比作一個人的話，目前建筑中的信息中心機房就是大腦，綜合布線是神經系統，各類監視系統和傳感器類似于人類的感官系統，各類執行機構則相當于人類的手和腳。
4.什么是智能建筑工程？
智能建筑工程是使傳統建筑具備智能化的的工程，是整個建筑工程的一個有機組成部分。在（GB50300-2001）中，智能建筑工程被列為建筑工程的九個分部工程之一，包含通信網絡系統、辦公自動化系統、建筑設備監控系統、火災報警及消防聯動系統、安全防范系統、綜合布線系統、智能化集成系統、電源與接地、環境、住宅（小區）智能化系統共10個子分部工程，每個子分部工程又包含若干分項工程，共38項。其功能是實現建筑物的智能化，或增加傳統建筑所無法實現的智能化功能。
5.智能建筑工程與信息工程的區別
智能建筑工程和信息工程都包含大量的信息技術和設備，但智能建筑工程是建筑工程的有機組成部分，應該是一個與結構、裝飾、安裝等專業并列的專業，這是智能建筑工程與信息工程的根本區別，不具備這個特點的弱電工程不能稱之為智能建筑工程，而應當歸于其它行業，如信息產業工程、機器人產業工程等。
二、專業監理人員要具備一定的綜合素質。
1.要具備較強的弱電專業知識。由于智能建筑工程涉及大量的弱電設備及軟件，作為專業監理人員必須具備較強的弱電專業知識。當然，監理工程師很難做到樣樣精通，主要應掌握各系統、設備和軟件的外部特性，重點是功能特點、調試方法、安裝要求、接口界面和安裝環境、系統接地等內容。
2.要具備一定的土建、安裝、裝飾等建筑施工知識。由于智能建筑工程施工必然伴隨與其它建筑專業的交叉配合施工，因此，要求監理人員還要具備一定的土建、安裝、裝飾等建筑施工知識。
3.要具有較為豐富的工程實踐經驗。
4.要具備較強的工程綜合管理能力。
三、監理人員要了解所監理項目的具體智能化功能需求。
智能建筑依據使用功能不同可以分為辦公建筑、商業建筑、文化建筑、媒體建筑、體育建筑、醫院建筑、學校建筑、交通建筑、住宅建筑、通用工業建筑等若干類，就算同一類建筑對建筑的智能化需求也不盡相同。監理人員必須深入了解所監理項目的設計意圖、業主要求，掌握項目的功能特點。只有這樣才能有針對性地做好智能建筑工程的監理工作。
四、監理人員應了解智能建筑工程的特點。
智能建筑工程有著與傳統建筑工程不同的一些特點，工程監理人員只有充分了解這些特點，才能有針對性地高效率地進行監理工作。
1.設計單位與施工單位的一體化
由于智能建筑工程專業性強、發展快，一般設計院對此類專業人才較為缺乏，往往將此專業設計留待施工單位深化設計，施工招標也往往將設計和施工一起發包。因此實際施工時設計和施工經常是一個單位。施工單位有可能從自身的利益出發進行設計，這要求監理人員站在業主的角度對工程設計進行審核把關。
2.涉及管理部門多
智能建筑工程建設除按照傳統工程一樣要接受建設主管部門管理、遵守相關建設法律法規外，部分專業還要接受一些其它部門的管理。
消防工程的設計、施工、驗收要接受當地消防局的管理，消防驗收要由消防局按照相關法律、法規的要求進行消防驗收，合格后方可使用；
安全防范工程的設計、施工、驗收要接受當地公安局的管理，安全防范工程驗收要由公安局按照相關法律、法規的要求驗收合格后方能投入使用。
衛星電視按照《衛星電視廣播地面接收設施管理規定》（國務院第129號令）申請驗收。
監理人員應積極協助業主按照相關要求履行建設程序，以免業主因不了解相關要求而造成不必要的損失。
3.專業性系統功能檢測多
智能建筑工程的系統多、功能復雜，且專業性強，其功能是否達標需要由專業人員并配備專門儀器檢測。根據檢測要求，一般將智能建筑工程大致分為以下系統：
通信網絡系統、辦公自動化系統、建筑設備監控系統、火災報警及消防聯動系統、安全防范系統、綜合布線系統、智能化集成系統、電源與接地、環境、住宅（小區）智能化系統等。每一系統又可能包含若干個子系統。
監理人員必須通過對一個個系統進行專業化的檢測來檢驗工程是否合格，不能僅憑感官認識來判斷。
4.系統復雜，調試運行周期長，工作量大。
智能建筑系統往往功能復雜、涉及其它專業多，因此往往需要較長的時間調試運行。
監理人員必須充分考慮到智能建筑系統的復雜性和系統調試周期長的特點對工程工期的影響，積極采取必要措施以免影響整個工程的竣工驗收。
