时间:2023-06-08 09:15:54
序论:速发表网结合其深厚的文秘经验,特别为您筛选了11篇人工智能研究综述范文。如果您需要更多原创资料,欢迎随时与我们的客服老师联系,希望您能从中汲取灵感和知识!
中图分类号:TP18 文献标识码:A 文章编号:1003-9082 (2017) 04-0234-01
引言
人类自从工业革命结束之后,就已然开始了对人工智能的探索,究其本质,实际上就是对人的思维进行模仿,以此代替人类工作。人工智能的探索最早可以追溯到图灵时期,那时图灵就希望未来的智能系统能够像人一样思考。在20世纪五十年代,人工智能被首次确定为一个新兴的学科,并吸引了大批的学者投入到该领域的研究当中。经过长时间的探索和尝试,人工智能的许多重要基本理论已经形成,如模式识别、特征表示与推理、机器学习的相关理论和算法等等。进入二十一世纪以来,随着深度学习与卷积神经网络的发展,人工智能再一次成为研究热点。人工智能技术与基因过程、纳米科学并列为二十一世纪的三大尖端技术, 并且人工智能涉及的学科多,社会应用广泛,对其原理和本质的理解也更为复杂。 一、人工智能的发展历程
回顾人工智能的产生与发展过程 ,可以将其分为:初期形成阶段,综合发展阶段和应用阶段。
1.初期形成阶段
人工智能这一思想最早的提出是基于对人脑神经元模型的抽象。其早期工作被认为是由美国的神经学家和控制论学者 Warren McCulloch与Walter Pitts共同完成的。在1951年,两名普林斯顿大学的研究生制造出了第一台人工神经元计算机。而其真正作为一个新的概念被提出是在1956年举行的达茅斯会议上。由麦卡锡提议并正式采用了“人工智能”(Artificial Intelligence)砻枋稣庖谎芯咳绾斡没器来模拟人类智能的新兴学科。1969年的国际人工智能联合会议标志着人工智能得到了国际的认可。至此,人工智能这一概念初步形成,也逐渐吸引了从事数学、生物、计算机、神经科学等相关学科的学者参与该领域的研究。
2.综合发展阶段
1.7 7年, 费根鲍姆在第五届国际人工智能联合会议上正式提出了“知识工程”这一概念。而后其对应的专家系统得到发展,许多智能系统纷纷被推出,并应用到了人类生活的方方面面。20世纪80年代以来,专家系统逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式, 并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等等。在专家系统的发展过程中,人工智能得到了较为系统和全面的综合发展,并能够在一些具体的任务中接近甚至超过人类专家的水平。
3.应用阶段
进入二十一世纪以后,由于深度人工神经网络的提出,并在图像分类与识别的任务上远远超过了传统的方法,人工智能掀起了前所未有的。2006年,由加拿大多伦多大学的Geoffery Hinton及其学生在《Science》杂志上发表文章,其中首次提到了深度学习这一思想,实现对数据的分级表达,降低了经典神经网络的训练难度。并随后提出了如深度卷积神经网络(Convolutional Neural Network, CNN),以及区域卷积神经网络(Region-based Convolutional Neural Network, R-CNN),等等新的网络训练结构,使得训练和测试的效率得到大幅提升,识别准确率也显著提高。
二、人工智能核心技术
人工智能由于其涉及的领域较多,内容复杂,因此在不同的应用场景涉及到许多核心技术,这其中如专家系统、机器学习、模式识别、人工神经网络等是最重要也是发展较为完善的几个核心技术。
1.专家系统
专家系统是一类具有专门知识和经验的计算机智能程序系统,通过对人类专家的问题求解能力建模,采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题,达到具有与专家同等解决问题能力的水平。对专家系统的研究,是人工智能中开展得较为全面、系统且已经取得广泛应用的技术。许多成熟而先进的专家系统已经被应用在如医疗诊断、地质勘测、文化教育等方面。
2.机器学习
机器学习是一个让计算机在非精确编程下进行活动的科学,也就是机器自己获取知识。起初,机器学习被大量应用在图像识别等学习任务中,后来,机器学习不再限于识别字符、图像中的某个目标,而是将其应用到机器人、基因数据的分析甚至是金融市场的预测中。在机器学习的发展过程中,先后诞生了如凸优化、核方法、支持向量机、Boosting算法等等一系列经典的机器学习方法和理论。机器学习也是人工智能研究中最为重要的核心方向。
3.模式识别
模式识别是研究如何使机器具有感知能力 ,主要研究图像和语音等的识别。其经典算法包括如k-means,主成分分析(PCA),贝叶斯分类器等等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的基于统计学习的识别方法。图形识别方面例如识别各种印刷体和某些手写体文字,识别指纹、癌细胞等技术已经进入实际应用。语音识别主要研究各种语音信号的分类,和自然语言理解等等。模式识别技术是人工智能的一大应用领域,其非常热门的如人脸识别、手势识别等等对人们的生活有着十分直接的影响。
4.人工神经网络
人工神经网络是在研究人脑的结构中得到启发, 试图用大量的处理单元模仿人脑神经系统工程结构和工作机理。而近年来发展的深度卷积神经网络(Convolutional neural networks, CNNs)具有更复杂的网络结构,与经典的机器学习算法相比在大数据的训练下有着更强的特征学习和表达能力。含有多个隐含层的神经网络能够对输入原始数据有更抽象喝更本质的表述,从而有利于解决特征可视化以及分类问题。另外,通过实现“逐层初始化”这一方法,实现对输入数据的分级表达,可以有效降低神经网络的训练难度。目前的神经网络在图像识别任务中取得了十分明显的进展,基于CNN的图像识别技术也一直是学术界与工业界一致追捧的热点。
三、机器人情感获得
1.智能C器人现状
目前智能机器人的研究还主要基于智能控制技术,通过预先定义好的机器人行动规则,编程实现复杂的自动控制,完成机器人的移动过程。而人类进行动作、行为的学习主要是通过模仿及与环境的交互。从这个意义上说,目前智能机器人还不具有类脑的多模态感知及基于感知信息的类脑自主决策能力。在运动机制方面,目前几乎所有的智能机器人都不具备类人的外周神经系统,其灵活性和自适应性与人类运动系统还具有较大差距。
2.机器人情感获得的可能性
人脑是在与外界永不停息的交互中,在高度发达的神经系统的处理下获得情感。智能机器人在不断的机器学习和大数据处理中,中枢处理系统不断地自我更新、升级,便具备了获得情感的可能性及几率。不断地更新、升级的过程类似于生物的进化历程,也就是说,智能机器人有充分的可能性获得与人类同等丰富的情感世界。
3.机器人获得情感的利弊
机器人获得情感在理论可行的情况下,伴之而来的利弊则众说纷纭。一方面,拥有丰富情感世界的机器人可以带来更多人性化的服务,人机合作也可进行地更加深入,可以为人类带来更为逼真的体验和享受。人类或可与智能机器人携手共创一个和谐世界。但是另一方面,在机器人获得情感时,机器人是否能彻底贯彻人类命令及协议的担忧也迎面而来。
4.规避机器人情感获得的风险
规避智能机器人获得情感的风险应预备强制措施。首先要设计完备的智能机器人情感协议,将威胁泯灭于未然。其次,应控制智能机器人的能源获得,以限制其自主活动的能力,杜绝其建立独立体系的可能。最后,要掌控核心武器,必要时强行停止运行、回收、甚至销毁智能机器人。
三、总结
本文梳理了人工智能的发展历程与核心技术,可以毋庸置疑地说,人工智能具有极其广阔的应用前景,但也伴随着极大的风险。回顾其发展历程,我们有理由充分相信,在未来人工智能的技术会不断完善,难题会被攻克。作为世界上最热门的领域之一,在合理有效规避其风险的同时,获得情感的智能机器人会造福人类,并极大地帮助人们的社会生活。
参考文献
[1]韩晔彤.人工智能技术发展及应用研究综述[J].电子制作,2016,(12):95.
[2]曾毅,刘成林,谭铁牛.类脑智能研究的回顾与展望[J].计算机学报,2016,(01):212-222.
2教学方法研究
研究生教学应更突出学生的主体地位,注重发挥其学习的主动性和自觉性,为此,课程组结合课程特点,在教学方法进行了如下探索。
2.1加强教学设计
教学设计就是对教学活动进行系统计划的过程, 是教什么(课程内容)及怎么教(组织、方法、策略、手段及其他传媒工具的使用等)的过程[2]。在教学过程中,每节课授课前,坚持集体备课的原则,由课程组集体讨论选定授课内容,补充阅读文献,根据授课对象与课程内容特点,确定课堂组织方式,采用的授课方式以研讨式教学为主,给合讲授、实验、自学等。
2.2抓好课堂教学环节
教学方法与教学手段是保证课堂教学效果的关键。本课程授课对象主要为硕士研究生,他们的接受能力较强,有一定的求知欲。由于学员人数较少,授课方式可灵活组织。教室有完备的多媒体设备,基本的软件实验环境,教学过程可采用灵活教学方法、多种教学手段,提高教学效率,保证授课质量。
1) 以研讨式为主的教学方式。研究生教学应坚持学术研究为导向,发挥学员在学习过程中的主动性和自觉性。由于研究生学员有一定的学习基础与自学能力,教员可以在课前给学员布置预习内容,学员通过查阅资料、分析整理进而形成自己的观点,使在课堂教学中师生互动交流成为可能,改变传统的教员讲,学员听的灌输式教学方式。研讨式教学也有力于培养学员积极思考、创新思维的习惯与能力。
2) 教学手段的信息化。人工智能原理教学一个突出矛盾是知识点多、内容抽象、理论性强,但学时较少,因此,必须发挥现代教学手段的作用,提高教学效率。为此,课程组对每节课都精心设计了教学课件,课堂教学中以课件为主,辅以板书,充分利用多媒体信息量大、直观等优点,改善教学效果;引入教学声像资料,便于学员课下学习;设计演示程序,使部分比较抽象、不易于理解的内容,如子句归结、搜索策略更形象直观,易于学习和掌握。
3注重培养学员学术研究能力
学术能力是指专门对某一学问进行系统的哲理或理论研究的能力,它不仅包括思辨的方面,还包括实践及感性的敏感力等方面。研究生阶段学习的一个突出特点是要求学习的主体――研究生必须具备研究的能力[3]。论文写作是培养、锻炼、提高研究生的学术能力的重要途径,在教学实施过程中,要求每个专题学习结束后,都要提交一份格式符合期刊发表要求的总结报告,题目可自行选定,也可由教员指定;内容既可以是人工智能该专题某一算法的实现,也可以是对某一问题的进一步研究,或者是对该专题最新研究进展的综述。教员重点在以下几个方面予以指导。
1) 选题准确。要求选题不能过于宏大,应以小题目反映大问题,具有一定的可研究性为宜。
2) 研究内容。研究目标明确,方法恰当,能够提出自己的见解,所提观点正确。
3) 论文结构。结构清晰、完整,论述严谨,表达规范。
4) 占有文献丰富。撰写过程中要有意识培养学员查阅科技文献的能力,要求查阅反映最新研究成果的权威文献。
4加强实验环节教学
人工智能教学在进行各种理论知识讲授的同时,还应重视实践教学,把抽象的知识转化为形象、直观的实验,让学员真正理解人工智能的概念、本质、研究目标,从而提高学员多角度思维的能力和逻辑推理能力,进一步了解信息技术、计算机技术发展的前沿,培养他们对人工智能研究的兴趣,激发对人工智能技术未来的追求。为此,课程组借鉴国内外知名大学人工智能实验教学经验,编写了《人工智能原理实验指导书》,围绕问题表示、经典逻辑推理、不确定推理、搜索策略及简单专家系统实现等教学内容提供了7组实验供学员选择。
例如,在状态空间搜索一节教学过程中,先完成理论部分的教学,使学员对状态空间基本概念、问题表示及求解方法有一个准确的认识,然后进行实验教学。由学员自主完成重排九宫问题求解的程序,初始状态和目标状态如图1所示,调整的规则是,每次只能将与空格(左、上、下、右)相邻的一个数字平移到空格中[4]。实验过程重点指导学员掌握状态空间进行问题求解的关键步骤:问题表示和搜索策略。问题表示就是要确定该问题的基本信息及程序实现的数据结构,基本信息有初始状态集合、操作符集合、目标检测及路径费用函数,数据结构可采用向量、链表等形式;搜索策略可分为盲目式搜索和启发式搜索,可按照先易后难的原则,先实现盲目搜索中的广度优先及深度优先搜索,在此基础上再定义估价函数实现启发式搜索。而在启发式搜索实现过程中,又可以通过定义不同的启发函数:如某状态格局与目标节点格局不相同的牌数、不在目标位置的牌距目标位置的距离之和等加以比较,准确理解启发函数的意义。通过实验,学员加深了对课堂讲授的理论知识的理解,能够熟练地将状态空间法运用于实际问题的求解,提高了工程实践能力。
实验教学组织方式可根据具体的实验内容特点,采用上机编程实验、演示程序验证、模拟平台开发、分组讨论等多种形式进行。
5适度开展双语教学
研究生的英语基础普遍较好,基本都通过了国家公共英语四级考试,部分学员通过了六级考试,加之在本科阶段还开设了专业英语课程,因此,在培养研究生人工智能知识的同时,我们要提高学员阅读原版英文资料、用英语进行简单科技写作及对外学术交流的能力,适度开展双语教学,对此,我们可采取以下基本方式。
1) 专业术语全部用英语表示。
在教学过程中用英语表达人工智能原理中的专业术语和主要概念,如Knowledge Representation(知识表示)、Depth-First Search(深度优先搜索)、Breadth- First Search(广度优先搜索)等。
2) 以英文原版教材为教学参考书。
选定机械工业出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》为参考书,该书“是人工智能课程的完美补充。它既能给读者以历史的观点,又给出所有技术的实用指南[5]。”
3) 加强英文文献的阅读。
在课程论文撰写时,要求阅读一定数量的外文文献;在讨论课中,鼓励学员使用英语进行讨论。
经过课程学习,学员都能准确掌握人工智能学科专业词汇,英文运用能力得到一定提高,能较自如地阅读原版英文专业资料,为进一步用英文进行学术交流及学术论文写作打下基础。
6考试与成绩评定改革
考核方式采用传统的试卷与课程论文、实践环节等三部分组成,全面考查学员对基础理论知识掌握情况以及理论联系实际的能力,其中试卷占70%,课程论文占10%,实践环节占20%。课程论文题目不作限制,由学员在课程学习阶段结合某一专题选定题目,课程论文以选题意义、研究内容、论文结构、参考文献及撰写规范等指标为评价依据;实验成绩采用实验过程考查、实验结果验收和实验报告评阅相结合的考核方法,综合评定。这样做不但考核了学员人工智能基本理论掌握情况,也反映了学员的学术研究能力和工程实践能力。同时,考核结合实际教学进程,改变了单一课终总结性考核的弊端。
7结语
经过课程组近两年的教学方法研究与教学实践,研究生人工智能原理课程教学收到较好的效果,但仍存在一些问题,如在课堂讨论环节,个别学员准备不充分、讨论不够深入;课程论文撰写选题随意,文献综述不够全面、准确,论文格式不够规范等。在今后的授课中,课程组将根据授课研究生人数较少的特点,采取明确每名学员预习重点、加强课程论文交流等方式予以改进,力求取得更好的教学效果。同时,进一步充分利用便利的校园网平台,开展“人工智能原理”网络课程建设,购买或自主开发网络教学资源,引导学员利用网络资源进行个性化自主学习,增强教学过程的信息化程度。
参考文献:
[1] 王永庆. 人工智能原理与方法[M]. 西安:西安交通大学出版社,2002:1.
[2] 李志厚. 国外教学设计研究现状与发展趋势[J]. 外国教育研究,1998(1):6-10.
[3] 肖川,胡乐乐. 论研究生学术能力的培养[J]. 学位与研究生教育,2006(9):1-5.
[4] 周金海. 人工智能学习辅导与实验指导[M]. 北京:清华大学出版社,2008:204.
[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:机械工业出版社,2009:754.
Reform on Postgradrates Artificial Intelligence Course Teaching
TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei
中图分类号:V355 文献标识码:A 文章编号:1671—7597(2013)041-118-01
1 研究背景
随着时代的发展,计算机技术因其优越性在多个领域得到广泛应用。“计算机学科的一个重要分支就是人工智能,它与基因工程、纳米科学被列为21世纪三大尖端技术”,它为人工智能技术在航空业的应用创造了条件。现代航空业的迅猛发展,带来空中交通流量的飞速增长。目前,航空业经常出现空中交通堵塞、拥挤等现象,迫切需要引进先进的技术手段,提升空中交通技术,改进管理手段,有效提升空域容量与空间利用率。
根据空中交通管理的理论特点,以及空中交通管理技术特点,人工智能技术在空中交通管理中的应用研究逐渐引起了人们的重视,并取得较大发展。人工神经网络在空中交通流量预测、飞行间隔控制、飞行冲突智能调配等方面的研究初见成效。但我国空中飞行流量需求的日益增大,迫切需要将人工智能技术有效运用到空中交通管理中,建立人工智能空中交通管理辅助系统,真正实现类似专家功能的新型空中交通管理系统。本文基于这样的认识,尝试将人工智能技术应用到空中交通管理系统中,有效提升空中交通的空域容量,使空中交通更加有序,更好地服务于积极社会的发展,提升人们的生活质量。
2 人工智能技术概况阐述
“人工智能也称机器智能,它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的”从计算机应用系统的层面来理解,人工智能研究的主要内容是如何制造出人造的智能机器,以及人造的智能系统,具备模拟人类智能活动的能力,从而延伸人们智能的一门科学。
人工智能领域的研究始于1956年,“人工智能”这个术语第一次出现于达特茅斯大学召开的一次会议上。随后人们逐渐在问题求解、自然语言理解、自动程序设计、专家系统、逻辑推理与定理证明、博弈、学习以及机器人学等领域展开研究,成功建立了具有一定程度的人工智能计算机系统。随着研究的不断深入,人工智能理论得到不断的丰富与发展。随着计算机硬件的快速发展,计算机的存储容量不断扩大、运行速度不断提高、价格低廉,人工智能技术的发展将会给人们的生活、工作等带来更大的影响。
3 空中交通管理人工智能系统构成简述
人工智能技术在空中交通管理中的应用有助于建立人工智能辅助系统,建立新的空中交通管理模式。“但不要忘记采用不同的技术和运作概念也会带来不同的空中交通管理模式,特别在新技术层出不穷的今天,我们更不能忽略这个方面。”,它能使空中交通流量管理高效、有序、安全,有效提升空中交通的空间与时间利用率,对空中飞行冲突进行有效的预测与解决。空中交通管理的核心是科学合理安排空中交通流量。飞行流量的智能化管理、飞行冲突的预测、飞行冲突的解决等方面是人工智能辅助系统研究的侧重点。空中交通管理人工智能辅助系统由飞行流量管理模块、冲突探测与解脱模块、辅助决策模块等三个附属系统构成。这几个模块间的关系是在冲突探测与解脱模块与飞行流量管理模块之中渗透辅助决策模块,最终形成智能飞行流量管理、智能冲突探测与解脱模块系统,它们能够为空中管制员提供有效的决策辅助信息,切实减轻空中管制员的工作负担,提高空中飞行的安全性与管制效率。
4 空中交通管理人工智能辅助系统的实现方式
4.1 飞行流量管理辅助决策的实现
人工智能系统飞行流量管理模块主要将空域资源“空闲”的概念与A算法与辅助决策进行结合。其具体操作过程是根据飞行流量管理数据库,储存或读取数据,计算流量,预测冲突,依据基本容量模型,建立A算法数学模型,对空中航班进行动态与静态排序,最终完成人工智能技术对空中飞行流量的辅助决策作用。
建立准确客观的飞行流量管理数据库非常重要。这些原始数据必须可靠、准确、及时,因为它直接影响到辅助决策的有效性;开放数据库间的互连主要依靠ODBC ,它是数据库之间连接的标准,为SQL语言的存取提供标准接口;再依据数据库的信息,运用飞行动力学知识计算出飞机在具体时间应该到达的位置,以及到达具置的准确时间,合理的安排飞行架次;飞行流量冲突预测主要通过将流量与相应的容量比较,列出具体的冲突时间、冲突地点、存在冲突的飞机架次;最后调整航班与起降,对冲突航班及时调整,确保交汇点、航路、机场、管制区等畅通。人工智能中的A 算法可以有效针对基本容量模型对飞机进行排序,对飞行计划的来源、内容及状态转化等进行研究,生动模拟飞行计划实施过程。“空闲”概念可以使冲突航班时刻调整在受限区域内。
4.2 飞行冲突探测与解脱辅助决策的实现
飞行冲突探测与解脱辅助决策系统能够向空管员提供高效的避撞辅助方案,有效弥补管制员决策过程中的不足,对飞行冲突情况进行分析,寻找出积极的解脱方案。
飞行冲突探测与解脱辅助决策系统推理过程大致包括以下几个方面:突中航空器、突中航空器优先等级评估、冲突类别评定、避撞应对方案、建立避撞路线。推理选择最主要的过程是推理机制,为了完成推理过程,该系统中还必须包括一系列的规则:航空器优先级别评定规则、避撞方案确定规则、避撞空管规则、建立避撞路线规则等;还要建立层次型结构及模块化知识库,确保避撞推理的有效运作,保证知识库得到有效维护,并且能够及时的更新。
5 结束语
人工智能技术在空中交通管理中的应用,必将使空中交通管理更高效、更安全、更有序,必将最大程度的提升空域的利用效率。人工智能技术的应用领域是广泛的,相信随着人们对人工智能技术研究的不断深入,人工智能技术必将在更多方面提供智能化辅助管理服务,使人工智能技术不断的服务于社会经济,服务于人们的需要。
参考文献
人工智能技术可以说是计算机技术、信息论、心理学以及语言学等诸多学科彼此联系与交叉之后形成的一门全新的学科。近年来,随着全球范围内计算机技术的持续发展,计算机的形象也出现了新的变化。主要表现在人机交互的场景变得愈来愈普遍,计算机被人们赋予了更加多的智能性因素。因为人们将最新计算机技术运用到了诸多学科,对这部分学科的认知也进入到了全新的发展期,从而推动了诸多新研究成果的持续出现。比如,围棋人机大战之中人工智能“阿尔法狗”的轻松取胜、人类大脑奥秘的发现、单一器官克隆的实现等。鉴于计算机这一人类诞生以来所发明的最为重要工具的持续发展,大量新知识、新理论持续涌现,促使人类一定要对其开展全面分析与研究。因为近些年来生物学、神经生理学等各种新研究成果的产生,让人工智能和人类智能的相互关系引发了人们越来越多的探讨。
一、人工智能概述
人工智能(简称AI),又被称为机器智能,是在上个世纪五十年代的Dartmouth学会当中被首次提出的,是计算机科学的重要分支之一。当前能用以研究人工智能的重要物质手段和能实现人工智能技术的主要设备即为计算机。人工智能是通过研究让计算机全面模拟人类思维的过程以及学习、推理和思考等功能的学科,包含了计算机智能的产生原理、形成与人脑智能近似的电脑等,从而让计算机能够真正实现更加高层次、更加高水平的实践运用。人工智能的本质其实是对人类思维中信息过程的一种模拟。对人类思维所进行的模拟主要可通过两条道路来开展,其一为实现结构上的模拟,也就是模拟人类大脑的结构,从而制造出类似于人脑的一种智能化机器。这一设想在实践中被证明为无法实现,这是由于人类对自身大脑和思维的过程还未能形成清晰而又明确的认知;其二是实现功能上的模拟,也就是放弃对人类脑部结构的仿真性模拟,转而从功能角度对人类大脑的思考过程加以模拟。如今人工智能所进行的努力就是对人脑功能的一种模拟。
二、人工智能发展状况分析
(一)全球人工智能发展现状
目前,人工智能技术已经在美国、欧洲以及日本等发达国家得到了迅速发展。在人工智能技术研究中非常突出的美国IBM 公司已为加利福尼亚州的劳伦斯?利弗摩尔实验室研制出了具有人脑智力能力的ASCII White电脑和蓝色牛仔电脑。据披露,后者的智力水平大体上和人脑等同。美国麻省理工学院的人工智能实验室则在实施一个代号是cog的新型项目。该项目希望能够给予人工智能以类似于人类的行为。这一项目的项目之一就是让人工智能的研究成果来捕捉人类眼睛的移动状况以及面部的表情,而另外一个项目则是让人工智能机器人抓住从其眼前所经过的物体。此外,还有一个研究项目是让机器人能够学会倾听音乐节奏,并且把其所听到的音乐旋律通过乐器加以演奏。因为人工智能具备了非常广阔的开发前景,其庞大的发展市场始终为全球各国以及各大企业所一致看好。除美国IBM公司继续在人工智能技术上投入大量资金来确保其在这一领域具有全球领先的地位之外,别的跨国巨头也在人工智能领域之中投入了相当多的资金。比如,世界首富美国微软公司前总裁比尔?盖茨就曾经在美国召开的人工智能国际会议之中作了人工智能方面的专题演讲。其所演讲的主要内容是称微软公司正在致力于推动人工智能基础技术和实用技术之研究,其主要研究领域涵盖了自我决定、知识和信息检索、数据搜集、自然语言以及语音笔迹识别等各项内容。
(二)我国人工智能发展现状
可以说,相当长一个时期以来,我国人工智能研究界的主要探究方向都是把研发具备了人类各种行为特点的高度类人性的机器人作为始终坚持的奋斗目标。在我国机械制造与自动控制专家学者们的努力下,在国家863计划以及国家自然科学基金的大力支持之下,我国的两足步行机器人研究与类人性机器人研究均取得了相当大的进展。早在上个世纪九十年代初,我国就成功地研制出了国内首台两足步行机器人,其后又通过长达十年时间的刻苦攻关,在本世纪初,终于成功地研发出了国内首台类人性机器人。这种机器人拥有和人一般大小的身躯、四肢以及眼睛等,而且还具备了相当强的语言对话能力。其行走之频率也从以往的每六秒钟走一步发展到了每秒钟能够走两步,从以往只能静态地站立到如今能够快速而又自如地进行动态行走,从以往只能够在已知环境下步行到如今可以在不确定的环境中探索前行,而且还取得了人工智能机器人神经网络、生理视觉、双手协调以及手指控制等系统开发的多项人工智能领域重大科研成果。
三、人工智能的未来发展趋势
技术的不断发展往往会超出人类最初的想象,要想能够精确入微地得出人工智能的今后具体发展趋势是不可能做到的任务。然而,从当前人工智能研究界所实施的一部分前瞻性研究之中即可看出,今后人工智能有可能会朝着智能模糊处理化、人工智能并行化、神经网络化与机器情感化等方向加以发展,人工智能具有非常大的发展空间与发展潜力。实事求是地说,将人工智能作为整体加以研究尚处于起步阶段,离人类所设定的目标尚有相当遥远的距离,人工智能在以下方面可能还会有新的更大的发展与突破。一是自动推理取得新的发展。自动推理是人工智能研究领域之中最为经典的研究分支之一。其主要理论是人工智能别的分支所具有的十分重要的共同基础。长时间以来,自动推理均属于人工智能研究领域最为热门的研究项目,其中对机器人知识系统动态化演化的特点和可行性的推理所进行的研究,笔者觉得将会是全新的研究热点,而且非常有可能在今后获得新的成绩,而且还会是相当巨大的突破。二是人工智能机器学习研究能够获得长足的进展。如今,诸多新型学习方法不断出现,而且相继获得了研究的进展,比如,增强学习算法就是其中的典型,而reinforcement learning也取得了重要的突破。但是,笔者也发现,如今研究中所得出的学习方法处理还存在不足之处,也就是具有更大的发展空间,尤其是在人工智能在线学习上显得有效性不够,十分需要找到一种全新的学习方法来解决诸多移动机器人、自主agent以及智能信息存取等目前人工智能研究中的问题。可以说,在线学习问题已经成为人工智能研究界人士都十分关心的重要问题,相信随着时间的推移和研究的深入,今后将会在以上这些方面获得突破性进展。三是自然语言处理。这一技术是人工智能技g运用到现实领域之中的一个典型示范例子。通过人工智能研究领域工作者艰苦卓绝的努力,该领域目前已经获得了诸多让人瞩目的理论和运用成果。各类人工智能领域之中的新产品已进到了各个领域之中。比如,智能信息检索技术就在互联网技术的大力影响下,近些年来得到了极其快速的发展,如今已成为了人工智能领域之中的重要的研究分支之一。因为信息的获取和纯化精化技术已经成为当前一个时期计算机研究技术之中十分需要深入探究的课题之一,所以,把人工智能技术的相关内容引入到该领域之中,将会是人工智能从理论研究转为实践运用的一个重要契机和突破口。从近些年来我国人工智能领域的发展实践来看,在此方面的探究已经取得了一些让人激动的成果。笔者相信通过今后的持续的研究,一定能够取得更大的突破,让人工智能能够真正做到造福于民。
四、结束语
总之,人工智能始终处在计算机研究技术的前端,其研究进展在相当大的程度上会决定计算机技术今后的发展趋势。人工智能只是人类工具的一种延长,无法替代人类的大脑,这一点从其诞生之日起就已确定。虽然人工智能无法对人类的智能造成挑战,但是随着人类对于人工智能的研究进一步深化,人工智能还会越来越接近于人类的智能。人工智这一人类智能客体化后之产物,其功效依然会受到人类智能之控制。如今已有大量人工智能的科研成果进入人类的现实生活之中。今后,人工智能的持续发展必然会对人类的生活与工作等带来更加巨大的影响。
参考文献:
[1]史忠植,王文杰. 人工智能[M]. 北京:国防工业出版社,2007.
[2]周以真. 计算思维[J]. 中国计算机学会通讯,2007(3).
0 引言
随着经济的快速发展,人们生活水平得到了较好的改善。经济的繁荣使得我国工业水平正在不断提高。在社会主义市场经济环境下,竞争机制不断完善和发展,各企业要想在竞争激烈的市场环境中稳定发展,提高企业自身的工作效益非常重要,而人工智能在提高企业经济效益上有着重要作用。随着科学技术的不断发展,人工智能技术不断成熟并广泛的应用在电气工程自动化中,有效的提高了电气工程自动化的效率,为企业的发展带来了良好的经济效益。
1 人工智能概述
人工智能也可以称作为机器智能,是人类对自然改造做制造出来的系统所表现出来的职能,人工智能是以计算机技术为依靠的。从某种意义上将,人工智能就是沿用人工的方法和技术,以人类的智慧为模型,实现机器智能化的发展。人工智能的产生是随着科学技术的发展而发展的,是人类与计算机技术发展的产物结晶。科学技术是第一生产力,随着科学技术的不断发展,人工智能的发展已经超越了计算机这一门学科。心理学、计算机学科、哲学、物理学等众多学科都与人工智能有着密切的关系。
2 电气工程中实现人工智能控制的意义
在我国,是一个能源消耗大国,工业的发展,使得在人力上、物力上、财力上的投入不断增加,近年来,我国电气工程事业得到了飞速发展,为了满足人们日益增长的物质文化需求,适应经济快速发展的步伐,在竞争激烈的市场环境中,电气工程面临着巨大的挑战。随着科学技术的不断发展,人工智能逐渐进入到人们的视野,并且所担任的角色也来越重要。人工智能在电气工程中所扮演的角色尤为重要。当前我国电气工程很容易出现设备故障,经济效益低下,为了改变这些状况,在市场环境中长远生存下去,利用人工智能技术已经迫在眉睫了。在电气工程中,利用人工智能,可以实现智能化作业,在电气设备上实现智能化自我检修,防止出现设备故障,从而提高设备的工作效率,给电气工程事业带来经济效益[1]。
3 人工智能在电气工程自动化控制技术中的应用
在我国电气工程中,运用人工智能作业,可以有效的提高智能化作业水平,在作业过程中,可以自行的对机械设备进行检查,从而加大对电气工程自动化作业的控制,提高电气工程自动化作业水平。下面就以火力发电工程为例,来分析人工智能在工程中自动化的控制技术。
3.1火力发电的原理
火力发电系统中主要由燃烧供给系统、给水系统、蒸汽系统、冷却系统、发电系统等主要部件构成。火力发电是指利用石油、煤和天然气等燃料燃烧时所产生的热能来加热水,使水变成高温、高压水汽,然后再由水蒸气推动发电器来发电。热电厂为火力发电厂,采用煤炭作为一次能源,利用皮带传送技术,向锅炉输送经处理过的煤粉,煤粉燃烧加热锅炉使锅炉中的水变为水蒸汽,经一次加热之后,水蒸汽进入高压缸。为了提高热效率,应对水蒸汽进行二次加热,水蒸汽进入中压缸。通过利用中压缸的蒸汽去推动汽轮发电机发电。从中压缸引出进入对称的低压缸。已经作过功的蒸汽一部分从中间段抽出供给炼油、化肥等兄弟企业,其余部分流经凝汽器水冷,成为40度左右的饱和水作为再利用水。40度左右的饱和水经过凝结水泵,经过低压加热器到除氧器中,此时为160度左右的饱和水,经过除氧器除氧,利用给水泵送入高压加热器中,其中高压加热器利用再加热蒸汽作为加热燃料,最后流入锅炉进行再次利用。以上就是一次生产流程[2]。
3.2产品设计人工智能化控制
在火力发电场中,电气设备的设计是一个非常艰难的过程,设备性能的好坏直接影响到了发电系统的整体效果,要想保障火力发电系统的正常使用,产品设计的科学性很重要。人工智能利用计算机科学技术,经过模型设计,计算出电力系统做需要产品的规格,从而提高了工作效率,缩短了设计的周期,在发电系统中便利统一指导和管理[3]。
3.3经济运行人工智能化控制
随着计算机技术的发展,在火力发电厂中,运用计算机技术实现火力发电各系统之间的监控,而人工智能集合了计算机技术与人类的智慧于一体,在火力发电厂中,利用人工智能可以计算出火力发电厂各个系统运行的功率,单位的流量。火力发电厂场中,各个分系统之间是相互联系的,利用人工智能,能够计算出会理系统所需要的燃料,蒸汽系统中的水温变化情况,已经发电成效,对火力发电系统中各个子系统都能够有效的控制起来,从而保障火力发电厂经济运行[4]。
3.4机械设备人工智能化控制
火力发电厂所需要的设备较多,所要投入的人力也较大,一般都是一个子系统由两到三个人监控,发电系统能够正常运行。通过计算机监控技术,只要一个中央控制系统就能对发电系统的各个子系统中进行人工智能操作,不仅能够节省大量的人力,还能针对设备故障进行自动化检修,保障设备运行的效率,实现人工智能化控制[5]。
4 结语
随着我国科学技术的不断发展,人工智能已经逐渐成熟起来,并且广泛应用在当前企业的经营活动中。伴随着电气工程规模不断的扩大,电气自动化技术在电气工程中的作用也越来越大。在社会主义市场经济当中,随着市场竞争越来越激烈,我国电气工程要想在市场中取得发展,不断满足现代化经济快速发展的需要,就必须提高电气工程自动化的办公效率,利用人工智能技术,对企业办公实行自动化控制,从而有效的改善电气工程运行环境,提高经济效益,促进经济发展。
【参考文献】
[1]徐志国.人工智能(AI)在电力系统中的应用[J].现代电子技术,2013,06(21):24―25.
[2]王同文,管霖,张尧.人工智能技术在电网稳定评估中的应用综述[J].电网技术,2011,01(12):136―137.
[3]李华勇,王诗明,王华.电网智能操作票管理系统的研制与开发[J].江西电力,2012,10(06):104―105.
[4]毛钢元,刘志国.智能控制系统设计方法的比较研究[J].淮阴工学院学报,2010,10(05):198―199.
【关键词】人工智能 应用 发展前景
现如今,科技的飞速发展使得人们生活的需求也在不断的变化,单纯的计算机技术似乎已经无法满足人们的需求。计算机不仅要提供更加智能化的服务,而且还要提供更加人性化的服务,只有这样才能逐渐满足人们日益增长的需求。随着人工智能技术的不断发展与完善,它在社会、生活等各个领域中的应用和影响也越来越大,而且相对于其他技术也有着更大的发展空间与发展前景。
1 人工智能的定义
人工智能并不是近些年才出现的新名词。早在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上就已经提出了“人工智能”这个词。美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能的定义是:“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的学科”。而美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使用计算机去做过去只有人才能做到的智能工作”。由于人类的智能存在并不是单方面的,对于智能的研究很可能是多方面共同作用的结果,而且不同学科有不同的研究背景和不同的研究环境,对人工智能的理解不同,提出的观点也不同。这就导致了目前对人工智能的定义还没有一个统一的标准。
人工智能作为一门学科,它综合了计算机科学、心理学、生理学以及语言学等多种学科,是一门非常具有挑战性的综合型技术。人工智能技术的研究目的是为了让机器等设备能够代替人类或者人类专家来处理一些相对复杂的问题,因此也被称为机器智能。人工智能是相对于人类智能和自然智能而言的智能,使机器设备等通过对人类智能活动的模仿、延伸和扩展,实现某些机器思维,完成操作者的命令。
2 人工智能的应用简介
2.1 人工智能在模式识别中的应用
数字识别、汉字识别和语音识别使用的技术是人工智能中的神经网络技术,神经网络具有学习能力和快速并行实现的特点。汉字识别的难度相对于数字识别来说要复杂的多,困难的多,影响其正确识别的因素很多。以一套汉字识别系统为例――“汉王笔”,这是一套在手写板上书写的汉字联机输入计算机的汉字识别系统,是由中科院自动化研究所汉王公司开发的。语音识别在生活中并不陌生,目前很多移动端的应用程序中就有关于语音识别的应用。其中人工智能在语音识别中的应用代表之一是七国(英、日、意、德、法、韩、中)语言口语自动翻译系统。
人脸识别也是人工智能在模式识别中的重要应用。人脸识别主要是机器等设备基于人脸特征进行身份验证,相比其它人体生物特征的识别来说更加直接、精确度高。目前具有代表性的产品之一是汉王人脸通,它可以在无光线条件下进行人脸的识别,还可以利用高精度3D打印技术打印人脸的识别。汉王人脸通目前可以实现对易容的识别,同卵双胞胎、同卵三胞胎的识别。
2.2 人工智能在计算机网络技术中的应用
人工智能在计算机网络技术中的应用基本满足了人们对计算机等设备提出的智能化、人性化服务的需求。人工智能技术在计算机网络技术中的应用不胜枚举,此处仅是简要介绍人工智能在网络安全管理领域中的主要应用。下面以智能防火墙技术、入侵检测、智能型反垃圾邮件系统对用户邮箱的保护为例进行简要说明。
智能化防火墙系统采用智能化识别技术,如记忆、统计、概率以及策略等方法对数据进行识别和处理。采用智能化识别技术的目的主要是为了减少了计算机在进行匹配检查过程中所要进行的庞大计算。智能防火墙系统有效的解决了普通防御软件拒绝服务等问题,并且还有效的遏制病毒传播与入侵。
入侵检测是防火墙技术核心组成部分,入侵检测技术主要是通过采集数据、筛选数据、数据分类和处理等过程,及时向用户报告当前安全状态。人工智能技术在入侵检测中较为广泛的应用例子有专家系统、模糊识别系统以及人工神经网络等。
智能型反垃圾邮件系统可以在不影响用户信息安全的基础上,对用户邮件进行有效检测,并及时提醒用户存在可能危害系统的垃圾信息。
2.3 人工智能在远程教育中的应用
新西兰的研究人员制作出了一个“虚拟教师”――Dubbed Eve,“他”能根据远程学生的情绪状态做出适当的反应。Dubbed Eve三维动画教师是计算机科学中人工智能技术的实践应用。Eve的设计目的是以一对一的方式教8岁大小的孩子数学。Eve不仅可以接受孩子的提问、反馈、给出相应的答案,还能和孩子一起讨论问题,并能表现相应的情感。也能使用响应系统的基本信息判断孩子的反应,并从孩子的反应中相应的调整自己。为了制作出Eve,研究人员观察了教师和学生之间在真实生活中的交互情形,抓取了数千张面部表情、手势、身体语言等图片,编制了Eve的响应系统程序。基于人工智能的响应系统程序与嵌入式设备配合,机器设备能感知学生的情绪和其它生物信号、识别面部表情以及身体语言等。
3 人工智能的发展前景
情感能力对于计算机与人的交互至关重要,如何赋予计算机情感能力将是人工智能技术的发展前景。当前国际人工智能领域对人工智能和认知领域的研究日趋活跃。有能力感知和适应人来情绪的计算机程序,将作为未来发展的必要趋势。
智能家居也是未来人工智能技术在生活中应用的发展前景。基于人工智能技术的无线传感装置可以实现通过各类集成化的微型传感器协作地实时监测、感知和采集环境信息,可以更好的提升现代住房的安全、舒适。还可以通过物联网等方式实现用户在异地对智能家居系统的远程查询和调控。人工智能技术在生活中的应用很大程度上为人民提供了方便舒适的生活环境,也是未来的发展趋势。
4 总结
人工智能技术除了在模式识别和计算机网络技术中的应用之外,在工业生产、军事、农业生产、企业等各个领域当中都有了广泛的应用。人工智能技术不仅带动了新型处理技术的推广,而且还会延伸更多新型技术的发展。随着人工智能技术的不断完善与发展,它将在今后的社会、生活中发挥更大的作用。
参考文献
[1] 张妮,徐文尚,王文文. 人工智能技术发展及应用研究综述[J].煤矿机械,2009,30:4-6.
[2] 刘合鸣.论人工智能的研究与发展[J].科学实践,2010,248-249.
[3] 曾雪峰. 论人工智能的研究与发展[J].现代商贸工业, 2009,13:248-249.
[4] 张彬.探讨人工智能在计算机网络技术中的应用[J].软件, 2012,11:265-266.
[5] 陕粉丽.人工智能在模式识别方面的应用[J].长治学院学报, 2007,24:39-32.
and Language in
Embodied Agents
2010
Hardback
ISBN9783642012495
Nolfi 等著
交流和语言的本质及其发展演变目前依然是科学界的一个难题。随着人工智能技术的不断发展,“怎样使多个人工智能体之间进行类似于人类或其他动物一样的交流”成为一个重要的研究热点,吸引了越来越多学者的兴趣。这个领域的研究将使我们了解交流产生的根源及其演变过程,使我们能制造可以进行沟通的人工智能来解决目前遇到的诸多问题。本书对这一领域的研究进行了全面的介绍和分析,介绍了这个领域的基本理论和常用分析研究方法,还分析了该技术的应用前景和本领域的发展方向。书中还给出了若干具体的实验过程,介绍了常用的软硬件工具。
本书除第1章外共有五部分组成,1.交流和语言发展的研究综述;第二部分交流和语言的理论分析,包括第2-6章,主要介绍了人类语言的几个特点,随着历史的变迁,个体交流和语言研究常用的理论、语法体系的形成和发展等。第二部分交流的演变,包括第7-12章,主要介绍了仿真智能体的交流方式的演变,促使交流产生的环境因素,怎么解决交流中遇到的问题,多智能体体系中信息的传递与获取,多智能体之间交流产生的演变的条件等。第三部分语言的发展演变,包括第13-16章,主要介绍了应用于仿真智能体的语言体系模型的建立及其面临的挑战,介绍了一些相关实验,介绍了一些语言游戏的数学模型等。第四部分结论,含第17章,表达和交流的人,旨在构建坚固的理论模型和方法框架。第五部分附录,含第18-20章,本书研究工作用到的软硬件工具。
本书的主要作者Stefano Nolfi是意大利国家研究理事会认知科学研究中心的资深科学家,领导着自主式机器人实验室,并且是进化机器人学的创始人。本书适用于认知领域、人工生命、人工智能和语言学等领域科研工作者、研究生和教师。
刘军涛,助理研究员
一、引言
随着人工智能技术的快速发展,越来越多的企业将人工智能技术应用到企业的日常生产经营活动中来。NarrativeScience和国家商业研究所的报告显示,在2016年仅有38%的企业表示引用了人工智能技术,而到了2017年这一数字迅速增长到了61%。与此同时人工智能技术在营销领域的应用也越来越广泛,在零售行业,人工智能可以通过自我学习,为消费者添加标签,描绘用户画像;在网络消费场景,智能人工助理可以帮助营销人员及时在线回答用户问题。人工智能的应用让消费者与企业的互动更加频繁,这也给企业营销活动本身带来了如隐私泄露、过度营销、用户倦怠等问题。如何正确处理人工智能技术在营销领域的应用问题,成为了学者们日益关注的重点。以往的研究已经从人工智能营销的技术基础、概念、隐私担忧等方面进行了分析,本文将从人工智能营销的内涵、趋势、挑战等方面进行梳理研究,希望能够对人工智能态势下的市场营销有更加全面的认识,为企业应对人工智能营销活动中的问题提供有价值的参考。
二、人工智能态势下的市场营销
(一)智能营销的内涵
智能营销,是伴随着人工智能应用的发展而产生的一个新的营销概念。智能营销不等同于电子营销,它是建立在大数据、人工智能、云计算等综合技术基础上的一种智能化运作模式(汪涛2014),是可以模仿营销人员的部分行为活动的过程。随着人工智能技术在营销领域的应用,智能化的设备通过仿真、思考、行动等模式完成了营销人员所需要进行的一部分工作,深刻改变了营销思维和方式。作为智能经济条件下的新产物,目前学者们对智能营销还没有形成一致的概念界定。但是随着对人工智能的逐步深入了解,业界逐渐形成了一种共识,即它是企业借助计算机网络、移动互联网等智能技术来进行营销活动的各种新思维、新方法、新工具的一种创新营销新概念(常亚平2018),它包括智能识别、智能存储、智能执行等多个方面。
(二)智能营销的技术基础
人工智能营销的兴起离不开技术的支持,根据以往文献的研究,可以将智能营销发展的技术基础大致归为三个方面:首先,移动互联网和5G技术为智能营销发展提供了海量数据来源的保障。智能营销发展的重要基础就是数据,持续可靠的数据获取是智能营销所需的核心技术之一。随着移动互联网和5G技术的发展,营销活动借助虚拟现实技术、仿真技术、人工生物智能技术广泛深入到消费者的工作、娱乐、生活、消费等日常行为活动中,全方位地记录了消费者的行为数据,为智能营销的后续分析处理工作提供了海量的数据信息来源。其次,云计算帮助智能营销完成了复杂的数据计算和处理分析。移动互联网时代,大数据的发展使网络数据成几何倍增长,如何计算和处理分析这些海量数据成为了智能营销发展所必须解决的重要问题。云计算技术凭借强大的数据计算能力,很好地解决了人工智能技术应用过程中的海量数据处理问题,通过多维度数据的连接实现了万物互联,从而使消费者和智能设备的交互体验更加完善,营销场景也因及时准确的数据分析而更加智慧化。最后,人工智能商业化应用技术为智能营销发展提供了网络应用环境。德勤2019年《全球人工智能发展白皮书》显示,当前人工智能技术已进入全方位商业化阶段,并预测全球人工智能市场在未来几年会经历现象级增长(钱明辉2019)。我国也出台了相应政策来支持人工智能商业化应用的发展,2019年我国从事人工智能业务企业数量居全球第二。人工智能商业化的发展环境以及人工智能商业化应用技术的支持,为智能营销的发展创造了良好的外部网络应用环境。
(三)人工智能在营销中的应用体现
人工智能技术在营销中的应用,使营销活动体现出了新的特点,如:视觉、听觉、触觉等多种形态的新互动方式、个性化需求的预测等。根据营销活动的不同过程阶段,可以从四个方面来分析人工智能在营销中的应用体现。1.营销调查研究阶段。营销调查研究是营销活动的起点,通过提前的调研企业可以了解市场占有情况、消费者意愿、目标消费群体需求等重要信息。大数据技术以及人工智能技术的应用,极大地提高了企业营销活动前期的营销调研效率。消费者在各种生活消费场景中会留下自己的痕迹和使用信息,人工智能技术会帮助企业将海量的用户数据进行归类,如账户数据、交易数据、浏览数据等,并利用这些数据进行用户画像,从而准确分析出消费者的日常消费偏好、消费方式等信息,帮助营销人员获取营销调研后的第一手分类数据。2.营销策略的制定阶段。人工智能技术从全网智能抓取相关数据进行分析,并智能分析出最新热度关注点,帮助营销人员完成寻找吸引消费者的创新点环节,摆脱了以往只依赖于营销人员自身经验判断和小范围营销调研结果的限制。同时借助仿真技术、生物识别等技术,人工智能技术所创造的“人工脑”可以完成营销策略制定过程中的一部分思考工作,如创意筛选、优化等方面。3.营销执行阶段。以往的营销推广活动,需要营销人员提前进行宣传媒介的选择并且派大量人员进行实地配合,受限于地点、经费等外部因素。而人工智能技术根据网络热度数据分析,自行筛选出适合企业产品宣传的网络平台,并且根据用户使用偏好数据测算出适合的营销时间点、次数等,在用户进行相关网络访问时个性化推送符合该用户需求特征的营销方案,如喜马拉雅会根据用户年龄、性别、收听历史记录等自动推送相关收听图书资源和购买活动等。4.营销效果的评估阶段。以前的营销活动效果评估需要事后进行监测,而人工智能技术的应用帮助企业实现了实时监测,系统自动在全网络进行相关内容的数据抓取和分析处理,并将监测效果及时反馈给营销人员,方便营销人员根据消费者反应及时修改营销方案,降低了突发事件对企业营销活动的影响。
三、人工智能带来的营销管理新趋势
人工智能技术在营销领域的应用深刻地改变了企业的营销思维和营销方式,也让营销管理活动有了新发展,对于人工智能带来的营销管理新趋势可以从下面几个方面来理解:一是技术驱动营销变革。智能技术将成为下一代营销变革的新支撑。目前,仿真技术和人工生物智能技术的初步使用已经能够帮助智能设备进行部分营销工作中的思考问题。营销专家智能系统可以实现专业知识的传递和学习,在营销专家的训练下智能系统会增长解决问题所需的知识,并向用户提供解决问题的办法。电子自动订货系统,会根据企业线上线下的销售数据自动进行分析,智能识别畅销品和滞销品,并根据实际情况自动交换订单信息,减少营销人员在了解销售状况和消费者偏好等信息时所投入的时间成本。人工智能技术的应用带来了营销理念、方法、手段、工具等各个方面的改变,未来如何利用好人工智能技术来帮助企业进行营销活动是营销人员需要关注的重点。二是营销方式的多元化和营销推荐的大规模定制化。人工智能技术的应用给营销方式带来了巨大的变革,短视频营销、直播营销等新型营销方式使企业营销活动不再局限于传统线下和网络页面广告等方式。这种多元化的智能营销方式,可以更加广泛深入地获取消费者的各种使用数据信息,如抖音小视频会根据用户关注信息来自动推送相关产品宣传视频。智能化的营销方式让大规模定制化成为可能,企业可以借助智能技术和数据处理技术实现对每个用户的精准识别与记录,从而为其个性化推荐相关信息,实现营销个性化的批量自动生产。三是“AI+”智慧营销带来的跨场景营销。“AI+短视频”营销、“AI+KOL”的粉丝营销等不同营销策略,在人工智能技术的支持下各自发挥所长,应用到营销活动的各个环节当中。“AI+”的使用增强了消费者的互动体验感和真实感,如唯品会的智能试装功能可以帮消费者实现线上虚拟体验,大大提升了消费者从“看”到“买”的效率,缩短了购买转化时间。在移动互联网时代,消费场景碎片化、消费行为流动化,人工智能技术的使用可以帮助企业处理复杂的消费使用数据,系统整合消费者在不同场景的多维行为数据,从而精准识别不同消费个体在不同消费场景下的差异化需求,结合消费者的实时场景,为消费者适时提供跨场景的营销服务,突破圈层和场景的限制,扩大营销推广范围,提升企业的56品牌宣传度。四是基于智能识别、语音互动等技术的线上线下一体化智慧营销。根据2018年人工智能应用行业报告,目前人工智能技术已经可以应用到零售的全链条环节,既可以线上进行用户画像和精准个性化推荐,也可以线下智能物流、智能选址、优化消费者行为分析和商品运营环节等,这种线上线下一体化智慧营销,需要完整的人工智能技术体系的支持。通过分析消费者轨迹数据、可穿戴智能设备的身体数据以及社交消费平台数据等信息,利用线上线下信息的同步传输、人脸识别等技术,人工智能可以及时捕捉消费者行为及心理需求,并实现精准匹配。
四、人工智能时代市场营销面临的挑战
人工智能技术在营销领域的应用给企业和消费者都带来了极大的便利,但是技术都是具有两面性的,我们必须理性对待人工智能技术,正视人工智能应用过程中产生的问题。根据以往文献的研究,可以从以下几个方面来认识人工智能时代市场营销面临的挑战。一是人工智能背景下复合型营销人才的不足,带来的技术和营销的进一步对接问题。当前,智能营销领域的一个显著问题就是技术与营销的进一步深度衔接问题,懂技术、懂市场的复合型人才的不足使得企业在应用人工智能过程中出现很大障碍。一些机构掌握着最新智能技术,积累了海量数据;而另一些机构则了解市场,不掌握技术,技术应用与市场营销之间的衔接出现了隔阂。人工智能技术在营销的应用给所有领域的营销人员都带来了挑战,人才和工作需求双向失衡。企业必须培养复合型的营销人才,引进新技术培训课程,提升现有营销人员的整体技术素质,从而帮助企业解决智能技术与营销的进一步对接问题。二是人工智能营销过程中暴露的数据隐私保护和流量造假问题。各种数据隐私新闻案件的曝光,让越来越多的用户对新技术的使用保持着高度敏感。大量未经用户本人同意的数据非法监测和解读严重干扰着消费者的日常生活,一些企业甚至利用智能技术对用户个人信息进行预测分析来以此获取用户隐私。而流量数据造假问题更是进一步瓦解了消费者对网络消费活动的信任,一些企业为了短期的盈利,利用内容剪切等网络工具打造虚假流量信息,给消费者带来了误导,同时也严重干扰了正常的市场竞争秩序。为了能够让企业更有效地推进人工智能技术与营销活动的衔接,必须及时惩治非法获取消费者隐私的企业,营造良好的网络使用环境,同时企业也要在内部加强管理,提升营销人员的道德素养。三是全方位人工智能营销环境下的消费者心理倦怠问题。人工智能技术可以给消费者推荐各种个性化信息,但这种根据消费者使用痕迹来进行持续性的精准推荐很难不让消费者产生厌倦心理。随时随地的广告推荐、跨屏的无广告拦截、用户浏览记录的跟踪推荐等行为,在智能技术的推动下变得更加自动频繁。虽然人工智能技术可以帮助企业精准分析用户数据,但数据也不能完全反映消费者的内心,企业要避免对智能技术的完全盲从,以防消费者产生厌倦心理。营销活动是对人进行的活动,因此企业也要关注营销人员的营销经验,不能以技术决定一切,要将技术与人的主观感受相结合,真正做到从消费者本身需求出发。
五、结论
人工智能在营销领域的应用目前还处于初步发展期,企业在应用人工智能技术时必须理性看待人工智能技术。既要看到人工智能给企业营销带来的数据分析、精准识别等便利,也要看到人工智能应用带来的技术陷阱、用户隐私等问题。当然,人工智能技术在营销领域的应用未来还将有更进一步的发展,企业也要及时进行探索研究。本文仅从理论层面梳理分析了人工智能在营销领域应用的相关问题,未来还可以在其他方面进行深入研究:如何更好地解决人工智能应用过程中带来的隐私泄露问题,从而提升消费者的使用体验;人工智能的特征如何对消费者的行为产生影响;智能互动方式的改变对营销活动的影响,等等。
参考文献:
[1]高山行,刘嘉慧.人工智能对企业管理理论的冲击及应对[J].科学学研究,2018(11).
[2]常亚平,王良燕,黄劲松,等.3D(大数据、数字化和发展中)背景下的营销战略与转型专栏介绍[J].管理科学,2018(5):1-2.
[3]Shankarv.Howartificialintelligence(AI)isreshapingretailing[J].JournalofRetailing,2018,94(4):vi-xi.
[4]汪涛,谢志鹏.拟人化营销研究综述.外国经济与管理,2014(1):38-45.
[5]Wangtao,XIEZhipeng.Areviewoftheliteratureofper-sonificationmarketing[J].ForeignEconomics,Manage-ment,2014(1):38-45.
[6]钱明辉,徐志轩.基于机器学习的消费者品牌决策偏好动态识别与效果验证研究[J].南开管理评论,2019(3):66-76.
也正因为如此,人工智能发展进程中所面临的挑战才不仅仅局限于技术或产业领域,而更多体现在经济、社会、政治领域的公共政策选择上。首先,普遍建立在科层制基础上的公共事务治理结构,是否能够适应技术发展和应用过程中所大规模激发的不确定性和不可预知性?再者,长久以来围绕人类行为的规制制度,是否同样能够适应以数据、算法为主体的应用环境?最后,如何构建新的治理体系和治理工具来应对伴随人工智能发展而兴起的新的经济、社会、政治问题?
应对上述挑战并不完全取决于技术发展或商业创新本身,而更多依赖于我们的公共政策选择。本文试图在分析人工智能发展逻辑及其所引发的风险挑战的基础上,对人工智能时代的公共政策选择做出分析,并讨论未来改革的可能路径,这也就构成了人工智能治理的三个基本问题。具体而言,人工智能本身成为治理对象,其发展与应用构成了治理挑战,而在此基础上如何做出公共政策选择便是未来治理变革的方向。
全文共分为四个部分:第一部分将探讨人工智能的概念及特征,并进而对其发展逻辑进行阐述。作为一项颠覆性技术创新,其本身的技术门槛对决策者而言构成了挑战,梳理并捋清人工智能的本质内涵因而成为制定相关公共政策的前提;第二部分将着重分析人工智能时代崛起所带来的治理挑战,主要包括三个方面,即传统科层治理结构应对人工智能新的生产模式的滞后性、建基于行为因果关系之上的传统治理逻辑应对人工智能新主体的不适用性,以及人工智能发展所引发的新议题的治理空白;面对上述挑战,各国都出台了相关政策,本文第三部分对此进行了综述性对比分析,并指出了其进步意义所在。需要指出的是,尽管各国的政策目标都试图追求人工智能发展与监管的二维平衡,但由于缺乏对人工智能内涵及其发展逻辑的完整认识,当前的公共政策选择有失综合性;本文第四部分将提出新的治理思路以及公共政策选择的其他可能路径,以推动围绕人工智能治理的相关公共政策议题的深入讨论。
一、人工智能的概念及技术发展逻辑:算法与数据
伴随着人工智能技术的快速发展,尤其是其近年来在棋类对弈、自动驾驶、人脸识别等领域的广泛应用,围绕人工智能所可能引发的社会变革产生了激烈争论。在一方面,以霍金[2]、马斯克[3]、比尔-盖茨[4]、赫拉利[5]为代表的诸多人士呼吁加强监管,警惕“人工智能成为人类文明史的终结”;在另一方面,包括奥巴马[6]在内的政治家、学者又认为应该放松监管,充分释放人工智能的技术潜力以造福社会。未来发展的不确定性固然是引发当前争论的重要原因之一,但围绕“人工智能”概念内涵理解的不同,以及对其发展逻辑认识的不清晰,可能也同样严重地加剧了人们的分歧。正因为此,廓清人工智能的概念内涵和发展逻辑不仅是回应争论的需要,也是进一步提出公共政策建议的前提。
就相关研究领域而言,人们对于“人工智能”这一概念的定义并未形成普遍共识。计算机领域的先驱阿兰-图灵曾在《计算机器与智能》一文中提出,重要的不是机器模仿人类思维过程的能力,而是机器重复人类思维外在表现行为的能力。[7]正是由此理解出发,著名的“图灵测试”方案被提出。但如同斯坦福大学计算机系教授约翰·麦卡锡所指出的,“图灵测试”仅仅只是“人工智能”概念的一部分,不模仿人类但同时也能完成相关行为的机器同样应被视为“智能”的。[8]事实上,约翰·麦卡锡正是现代人工智能概念的提出者。在他看来,“智能”关乎完成某种目标的行为“机制”,而机器既可以通过模仿人来实现行为机制,也可以自由地使用任何办法来创造行为机制。[9]由此,我们便得到了人工智能领域另一个非常重要的概念——“机器学习”。
人工智能研究的目标是使机器达到人类级别的智能能力,而其中最重要的便是学习能力。[10]因此,尽管“机器学习”是“人工智能”的子域,但很多时候我们都将这两个概念等同起来。[11]就实现过程而言,机器学习是指利用某些算法指导计算机利用已知数据得出适当模型,并利用此模型对新的情境给出判断,从而完成行为机制的过程。此处需要强调一下机器学习算法与传统算法的差异。算法本质上就是一系列指令,告诉计算机该做什么。对于传统算法而言,其往往事无巨细地规定好了机器在既定条件下的既定动作;机器学习算法却是通过对已有数据的“学习”,使机器能够在与历史数据不同的新情境下做出判断。以机器人行走的实现为例,传统算法下,程序员要仔细规定好机器人在既定环境下每一个动作的实现流程;而机器学习算法下,程序员要做的则是使计算机分析并模拟人类的行走动作,以使其即使在完全陌生的环境中也能实现行走。
由此,我们可以对“人工智能”设定一个“工作定义”以方便进一步的讨论:人工智能是建立在现代算法基础上,以历史数据为支撑,而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统。这一概念尽管可能仍不完善,但它突出了人工智能技术发展和应用的两大基石——算法与数据,有助于讨论人工智能的治理问题。
首先,算法即是规则,它不仅确立了机器所试图实现的目标,同时也指出了实现目标的路径与方法。就人工智能当前的技术发展史而言,算法主要可被划分为五个类别:符号学派、联接学派、进化学派、类推学派和贝叶斯学派。[12]每个学派都遵循不同的逻辑、以不同的理念实现了人工智能(也即“机器学习”)的过程。举例而言,“符号学派”将所有的信息处理简化为对符号的操纵,由此学习过程被简化(抽象)为基于数据和假设的规则归纳过程。在数据(即历史事实)和已有知识(即预先设定的条件)的基础上,符号学派通过“提出假设-数据验证-进一步提出新假设-归纳新规则”的过程来训练机器的学习能力,并由此实现在新环境下的决策判断。
从对“符号学派”的描述中可以发现,机器学习模型成功的关键不仅是算法,还有数据。数据的缺失和预设条件的不合理将直接影响机器学习的输出(就符号学派而言,即决策规则的归纳)。最明显体现这一问题的例子便是罗素的“归纳主义者火鸡”问题:火鸡在观察10天(数据集不完整)之后得出结论(代表预设条件不合理,超过10个确认数据即接受规则),主人会在每天早上9点给它喂食;但接下来是平安夜的早餐,主人没有喂它而是宰了它。
所有算法类型尽管理念不同,但模型成功的关键都聚焦于“算法”和“数据”。事实上,如果跳出具体学派的思维束缚,每种机器学习算法都可被概括为“表示方法、评估、优化”这三个部分。[13]尽管机器可以不断的自我优化以提升学习能力,且原则上可以学习任何东西,但评估的方法和原则(算法)以及用以评估的数据(数据)都是人为决定的——而这也正是人工智能治理的关键所在。算法与数据不仅是人工智能发展逻辑的基石,其同样是治理的对象和关键。
总而言之,围绕“人工智能是否会取代人类”的争论事实上并无太大意义,更重要的反而是在廓清人工智能的内涵并理解其发展逻辑之后,回答“治理什么”和“如何治理”的问题。就此而言,明确治理对象为算法和数据无疑是重要的一步。但接下来的重要问题仍然在于,人工智能时代的崛起所带来的治理挑战究竟是什么?当前的制度设计是否能够对其做出有效应对?如果答案是否定的,我们又该如何重构治理体系以迎接人工智能时代的崛起?本文余下部分将对此做进一步的阐述。
二、人工智能时代崛起的治理挑战
不同于其他颠覆性技术,人工智能的发展并不局限于某一特定产业,而是能够支撑所有产业变革的通用型技术。也正因为此,其具有广泛的社会溢出效应,在政治、经济、社会等各个领域都会带来深刻变革,并将同时引发治理方面的挑战。具体而言,挑战主要体现在以下三个方面。
首先,治理结构的僵化性,即传统的科层制治理结构可能难以应对人工智能快速发展而形成的开放性和不确定性。之所以需要对人工智能加以监管,原因在于其可能成为公共危险的源头,例如当自动驾驶技术普及之后,一旦出现问题,便可能导致大规模的连续性伤害。但不同机、大型水坝、原子核科技等二十世纪的公共危险源,人工智能的发展具有极强的开放性,任何一个程序员或公司都可以毫无门槛的进行人工智能程序的开发与应用。这一方面是由于互联网时代的到来,使得基于代码的生产门槛被大大降低[14];另一方面,这也是人工智能本身发展规律的需要。正如前文所提到,唯有大规模的数据输入才可能得到较好的机器学习结果,因此将人工智能的平台(也即算法)以开源形式公开出来,以使更多的人在不同场景之下加以利用并由此吸收更多、更完备的数据以完善算法本身,就成为了大多数人工智能公司的必然选择。与此同时,人工智能生产模式的开放性也必然带来发展的不确定性,在缺乏有效约束或引导的情况下,人工智能的发展很可能走向歧途。面对这一新形势,传统的、基于科层制的治理结构显然难以做出有效应对。一方面,政府试图全范围覆盖的事前监管已经成为不可能,开放的人工智能生产网络使得监管机构几乎找不到监管对象;另一方面,由上至下的权威结构既不能传递给生产者,信息不对称问题的加剧还可能导致监管行为走向反面。调整治理结构与治理逻辑,并形成适应具有开放性、不确定性特征的人工智能生产模式,是当前面临的治理挑战之一。
再者,治理方法的滞后性,即长久以来建立在人类行为因果关系基础上的法律规制体系,可能难以适用于以算法、数据为主体的应用环境。人工智能的价值并不在于模仿人类行为,而是其具备自主的学习和决策能力;正因为如此,人工智能技术才不能简单地理解为其创造者(即人)意志的表达。程序员给出的只是学习规则,但真正做出决策的是基于大规模数据训练后的算法本身,而这一结果与程序员的意志并无直接因果关联。事实上也正由于这个特点,AlphaGo才可能连续击败围棋冠军,而其设计者却并非围棋顶尖大师。也正是在这个意义上,我们才回到了福柯所言的“技术的主体性”概念。在他看来,“技术并不仅仅是工具,或者不仅仅是达到目的的手段;相反,其是政治行动者,手段与目的密不可分”。[15]就此而言,长久以来通过探究行为与后果之因果关系来规范人的行为的法律规制体系,便可能遭遇窘境:如果将人工智能所造成的侵权行为归咎于其设计者,无疑不具有说服力;但如果要归咎于人工智能本身,我们又该如何问责一个机器呢?由此,如何应对以算法、数据为核心的技术主体所带来的公共责任分配问题,是当前面临的第二个治理挑战。
最后,治理范围的狭隘性,即对于受人工智能发展冲击而引发的新的社会议题,需要构建新的治理体系和发展新的治理工具。人工智能发展所引发的治理挑战不仅仅体现在现有体系的不适应上,同时还有新议题所面临的治理空白问题。具体而言,这又主要包括以下议题:算法是否能够享有言论自由的宪法保护,数据的权属关系究竟如何界定,如何缓解人工智能所可能加剧的不平等现象,以及如何平衡人工智能的发展与失业问题。在人工智能时代之前,上述问题并不存在,或者说并不突出;但伴随着人工智能的快速发展和应用普及,它们的重要性便日渐显著。以最为人所关注的失业问题为例,就技术可能性来说,人工智能和机器人的广泛应用代替人工劳动,已是一个不可否定的事实了。无论是新闻记者,还是股市分析员,甚至是法律工作者,其都有可能为机器所取代。在一个“充分自动化(Full Automation)”的世界中,如何重新认识劳动与福利保障的关系、重构劳动和福利保障制度,便成为最迫切需要解决的治理挑战之一。[16]
上述三方面共同构成了人工智能时代崛起所带来的治理挑战。面对这些挑战,各国也做出了相应的公共政策选择。本文第三部分将对各国人工智能的治理政策进行对比性分析。在此基础上,第四部分将提出本文的政策建议。
三、各国人工智能治理政策及监管路径综述
人工智能时代的崛起作为一种普遍现象,其所引发的治理挑战是各国面临的共同问题,各国也陆续出台了相关公共政策以试图推动并规范人工智能的快速发展。
美国于2016年同时颁布了《国家人工智能研究与发展战略规划》和《为人工智能的未来做好准备》两个国家级政策框架,前者侧重从技术角度指出美国人工智能战略的目的、愿景和重点方向,而后者则更多从治理角度探讨政府在促进创新、保障公共安全方面所应扮演的角色和作用。就具体的监管政策而言,《为人工智能的未来做好准备》提出了一般性的应对方法,强调基于风险评估和成本-收益考量的原则以决定是否对人工智能技术的研发与应用施以监管负担。[17]日本同样于2016年出台了《第五期(2016~2020年度)科学技术基本计划》,提出了“超智能社会5.0”的概念,强调通过推动数据标准化、建设社会服务平台、协调发展多领域智能系统等各方面工作促进人工智能的发展和应用。[18]
尽管美国和日本的政策着力点不同,但其共有的特点是对人工智能的发展及其所引发的挑战持普遍的包容与开放态度。就当前的政策框架而言,美日两国的政策目标更倾斜于推动技术创新、保持其国家竞争力的优势地位;当涉及对人工智能所可能引发的公共问题施以监管时,其政策选择也更倾向于遵循“无需批准式(permissionless)”的监管逻辑,即强调除非有充分案例证明其危害性,新技术和新商业模式默认为都是被允许的。[19]至于人工智能的发展对个人数据隐私、社会公共安全的潜在威胁,尽管两国的政策框架都有所涉及,却并非其政策重心——相比之下,英国、法国则采取了不同的政策路径。
英国政府2016年了《人工智能:未来决策制定的机遇与影响》,对人工智能的变革性影响以及如何利用人工智能做出了阐述与规划,尤其关注到了人工智能发展所带来的法律和伦理风险。在该报告中,英国政府强调了机器学习与个人数据相结合而对个人自由及隐私等基本权利所带来的影响,明确了对使用人工智能所制定出的决策采用问责的概念和机制,并同时在算法透明度、算法一致性、风险分配等具体政策方面做出了规定。[20]与英国类似,法国在2017年的《人工智能战略》中延续了其在2006年通过的《信息社会法案》的立法精神,同样强调加强对新技术的“共同调控”,以在享有技术发展所带来的福利改进的同时,充分保护个人权利和公共利益。[21]与美日相比,英法的公共政策更偏向于“审慎监管(precautionary)”的政策逻辑,即强调新技术或新的商业模式只有在开发者证明其无害的前提下才被允许使用。[22]
在本文看来,无论是“无需批准式监管”还是“审慎监管”,在应对人工智能时代崛起所带来的治理挑战方面都有其可取之处:前者侧重于推动创新,而后者则因重视安全而更显稳健。但需要指出的是,这两种监管路径的不足却也十分明显。正如前文第二部分所指出,一方面,快速迭代的技术发展与商业模式创新必将引发新的社会议题,无论是算法是否受到言论自由的权利保护还是普遍失业对社会形成的挑战,它们都在客观上要求公共政策做出应对,而非片面的“无需批准式监管”能够处理。更重要的是,“无需批准式监管”的潜在假设是事后监管的有效性;然而,在事实上,正如2010年5月6日美国道琼斯工业指数“瞬间崩盘”事件所揭示的,即使单个电子交易程序合规运行,当各个系统行为聚合在一起时反而却造成了更大的危机。[23]在此种情形下,依赖于合规性判断的“事后监管”基本上难以有效实施。另一方面,人工智能本身的自主性和主体性使得建立在人类行为因果关系基础上的“审慎监管”逻辑存在天然缺陷:既然人类无法预知人工智能系统可能的行为或决策,开发者又如何证明人工智能系统的无害性?
正如本文所反复强调的,人工智能与其他革命性技术的不同之处,正是在于其所带来的社会冲击的综合性和基础性。人工智能并非单个领域、单个产业的技术突破,而是对于社会运行状态的根本性变革;人工智能时代的崛起也并非一夜之功,而是建立在计算机革命、互联网革命直至数字革命基础上的“奇点”变革。因此,面对人工智能时代崛起所带来的治理挑战,我们同样应该制定综合性的公共政策框架,而非仅仅沿袭传统治理逻辑,例如只是针对具体议题在“创新”与“安全”这个二元维度下进行艰难选择。本文在第四部分从承认技术的主体性、重构社会治理制度、推进人工智能全球治理这三方面提出了政策建议,并希望以此推动更深入地围绕人工智能时代公共政策选择的研究与讨论。
四、人工智能时代的公共政策选择
《新一代人工智能发展规划》明确提出了到2030年我国人工智能发展的“三步走”目标,而在每一个阶段,人工智能法律法规、伦理规范和政策体系的逐步建立与完善都是必不可少的重要内容。面对人工智能时代崛起的治理挑战,究竟应该如何重构治理体系、创新治理机制、发展治理工具,是摆在决策者面前的重要难题。本文基于对人工智能基本概念和发展逻辑的梳理分析,结合各国已有政策的对比分析,提出以下三方面的改革思路,以为人工智能时代的公共选择提供参考。
第一,人工智能发展的基石是算法与数据,建立并完善围绕算法和数据的治理体系与治理机制,是人工智能时代公共政策选择的首要命题,也是应对治理挑战、赋予算法和数据以主体性的必然要求。(1)就算法治理而言,涉及的核心议题是算法的制定权及相应的监督程序问题。算法作为人工智能时代的主要规则,究竟谁有权并通过何种程序来加以制定,谁来对其进行监督且又如何监督?长久以来公众针对社交媒体脸书(Facebook)的质疑正体现了这一问题的重要性:公众如何相信脸书向用户自动推荐的新闻内容不会掺杂特殊利益的取向?[24]当越来越多的人依赖定制化的新闻推送时,人工智能甚至会影响到总统选举。也正因为此,包括透明要求、开源要求在内的诸多治理原则,应当被纳入到算法治理相关议题的考虑之中。(2)就数据治理而言,伴随着人工智能越来越多地依赖于大规模数据的收集与利用,个人隐私的保护、数据价值的分配、数据安全等相关议题也必将成为公共政策的焦点。如何平衡不同价值需求、规范数据的分享与应用,也同样成为人工智能时代公共政策选择的另一重要抓手。
第二,创新社会治理制度,进一步完善社会保障体系,在最大程度上缓解人工智能发展所可能带来的不确定性冲击。与历史上的技术革命类似,人工智能的发展同样会导致利益的分化与重构,而如何保证技术革命成本的承受者得到最大限度的弥补并使所有人都享有技术发展的“获得感”,不仅是社会发展公平、正义的必然要求,也是促进技术革命更快完成的催化剂。就此而言,在人工智能相关公共政策的考量中,我们不仅应该关注产业和经济政策,同时也应该关注社会政策,因为只有后者的完善才能够控制工人或企业家所承担的风险,并帮助他们判断是否支持或抵制变革的发生。就具体的政策设计来说,为缓解人工智能所可能带来的失业潮,基本收入制度的普遍建立可能应该被提上讨论议程了。“基本收入”是指政治共同体(如国家)向所有成员不加任何限制条件地支付一定数额的收入,以满足其基本生活的需求。尽管存在“养懒汉”的质疑,但有研究者已指出,自18世纪就开始构想的基本收入制度很有可能反过来促进就业。[25]芬兰政府已经于2017年初开始了相关实验,美国的一些州、瑞士也做出了一定探索。在人工智能时代尚未完全展现其“狰容”之前,创新社会治理机制、完善社会保障体系,可能是平衡技术创新与社会风险的最佳路径。
第三,构建人工智能全球治理机制,以多种形式促进人工智能重大国际共性问题的解决,共同应对开放性人工智能生产模式的全球性挑战。人工智能的发展具有开放性和不确定性的特征,生产门槛的降低使得人工智能技术研发的跨国流动性很强,相关标准的制定、开放平台的搭建、共享合作框架的形成,无不要求构建相应的全球治理机制。另一方面,跨境数据流动在广度和深度上的快速发展成为了人工智能技术进步的直接推动力,但各国数据规制制度的巨大差异在制约跨境数据流动进一步发展的同时,也将影响人工智能时代的全面到来。[26]故此,创新全球治理机制,在承认各国制度差异的前提下寻找合作共享的可能性,便成为人工智能时代公共政策选择的重要考量之一。就具体的机制设计而言,可以在人工智能全球治理机制的构建中引入多利益相关模式;另一方面,为防止巨头垄断的形成,充分发挥主权国家作用的多边主义模式同样不可忽视。作为影响深远的基础性技术变革,互联网全球治理机制的经验和教训值得人工智能发展所借鉴。
上述三方面从整体上对人工智能时代的公共政策框架做出了阐述。与传统政策局限于“创新”与“安全”之间做出二维选择不同,本文以更综合的视角提出了未来公共政策选择的可能路径。就其内在联系来讲,建立并完善围绕算法和数据的治理体系是起点,其将重构人工智能时代的规则与制度;创新社会治理机制并完善社会保障体系是底线,其将缓解人工智能所带来的影响与波动;构建全球治理机制则成为了制度性的基础设施,推动各国在此之上共同走向人工智能时代的“人类命运共同体”。
五、结语
在经历了60余年的发展之后,人工智能终于在互联网、大数据、机器学习等诸多技术取得突破的基础上实现了腾飞。在未来的人类生活中,人工智能也必将扮演越来越重要的角色。对于这样的图景,我们自不必惊慌,但却也不可掉以轻心。对于人工智能的治理,找到正确的方向并采取合理的措施,正是当下所应该重视的政策议题。而本文的主旨也正在于此:打破长久以来人们对于人工智能的“笼统”式担忧,指出人工智能技术发展的技术逻辑及其所引发的治理挑战,并在此基础上提出相应的政策选择。人工智能治理的这三个基本问题,是重构治理体系、创新治理机制、发展治理工具所必须思考的前提。伴随着我国国家层面战略规划的出台,我国人工智能的发展也必将跃上新台阶。在此背景下,深入探讨人工智能治理的相关公共政策议题,对于助推一个人工智能时代的崛起而言,既有其必要性,也有其迫切性。(来源:中国行政管理 文/贾开 蒋余浩 编选:中国电子商务研究中心)
[参考文献]
[1]国务院关于印发新一代人工智能发展规划的通知[EB/OL]. http://gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者终结人类文明[EB/OL].http://raincent.com/content-10-7672-1.html.
[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https://theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.
[4] Microsoft's Bill Gates Insists AI is A Threat. http://bbc.com/news/31047780. 2017-8-14.
[5] [以]赫拉利.人类简史[M].北京:中信出版社,2014.
[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https://wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.
[7] Turing,A. M. Computing Machinery and Intelligence. Mind,1950,59(236).
[8] [9][10] McCarthy,J.What is Artificial Intelligence. URL:http://www-formal.stanford.edu/jmc/whatisai/whatisai.html.
[11] [12][13] [美]佩德罗-多明戈斯.终极算法:机器学习和人工智能如何重塑世界[M].黄芳萍译.北京:中信出版社,2016.
[14] Benkler,Y. The Wealth of Networks:How Social Production Transforms Markets and Freedom. Yale University Press,2006.
[15] Foucoult,M. Discipline and Punish. A. Sheridan,Tr.,Paris,FR,Gallimard,1975.
[16] Srnicek,N.,& Williams,A. The Future isn't Working. Juncture,2015,22(3):243-247.
[17] Preparing for the Future of Artificial Intelligence. https://obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.
[18]薛亮.“日本推动实现超智能社会‘社会5.0’”[EB/OL]. http://istis.sh.cn/list/list.aspx?id=10535.
[19] Thierer,A. Permissionless Innovation:The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University,2016.
[20] Artificial Intelligence:Opportunities and Implications for the Future of Decision Making.https://gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.
[21]周衍冰.大数据产业在法国的发展及应用[N].学习时报,2014-11-03.
[22] Thierer,A. D.,& Watney,C. J. Comment on the Federal Automated Vehicles Policy,2016.
[23] [美]杰瑞·卡普兰.人工智能时代:人机共生下财富、工作与思维的大未来[M].杭州浙江人民出版社,2016.
[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http://spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.
一、相关概念
(一)人工智能。人工智能是一门研究、理解和模拟人类智能,并且发现其内在规律的学科。它是计算机科学的一个分支,试图发现智能的实质,并创造出一种以人类思考的方式做出相似反映的智能机器。同时,它又是计算机知识、心理学知识和哲学知识的集合,模拟人的意识和思维过程,让机器能够做到只有人类智慧才能做到的复杂的事项。
(二)智能家居。智能家居是嵌入式技术、通信技术和网络技术的集合,通过系统将各种家居与人们的居家生活紧密结合,以提高人们生活的舒适感和安全感。随着人工智能的迅猛发展,智能家居正与人工智能紧密结合,让消费者享受到更人性化的居家体验。
二、文献综述
欧阳婷梓研究了人工智能对智能家居的影响,认为人工智能应用的落地将会使智能家居产业升级,同时还指出Al技术还有待突破,市场决定人工智能能否再次爆发。荣华英和兼国恩研究了人工智能发展背景下国际智能家居行业贸易发展前景,认为国际智能家居行业贸易将朝智能产品设计、智能生产制造、智能高效物流和智能商业服务方向发展。吴斌在研究我国智能家居系统发展存在的问题时,指出要制定行业标准体系,降低系统成本并完善售后服务。
观察现有研究,发现有关人工智能时代下智能家居行业发展的研究仍相对较少,本文指出Al对智能家居行业发展的影响,指出未来发展机遇,并预测未来该行业的发展趋势,对行业发展具有指导意义。
三、智能家居行业发展现状
(一)国际智能家居行业发展现状。美国的Amazon Echo、Google Home和Apple HomeKit占据了国外的智能家居语音控制平台市场,Contro14 利用Zigbee技术可以与世界知名品牌的家电产品连接,控制各种设备和系统;英国的Laing Homt公司早在2000年建立了“智能家居”示范街,给每栋房子都装上了智能管理系统,近年也在国内建立起了一些智能家居体验式展厅;日本软银生产的Pepper人形情感机器人能够读懂人类的情感,并做出相应的反映,在各种场合为人们服务,松下于2017年“Panasonic Home+全屋智能”战略,让全屋各个部分的功能都智能化;德国的Apartimentum未来型公寓将物联网应用和先进科技结合起来让住户的生活更加简洁舒适。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示智能家居市场规模逐年上涨,但增长速度开始放缓,随着人工智能的发展,行业开始进入技术融合,技术沉淀打造更加智能的家居用品的阶段,2016~2018年全球智能家居市场规模变化如图1所示。
(二)国内智能家居行业发展现状。2012年智能家居行业进入快速发展期,深受大众追捧,但进入2015年,销售增速开始放缓,随着政策的扶持,2016年市场规模增速开始上涨。工信部数据显示,我国物联网产业规模发展迅速,2010年规模超过2,600亿元,2015年达到7,500亿元,2020年产业规模将突破15,000亿元,物联网在智能家居、智能社区和智慧城市等领域发展愈发强劲。面对如此红利,相关企业加快布局,海尔建立U-home平台、美的建立M-Smart平台、阿里巴巴建立人工智能实验室并了智能音箱等产品。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示,未来几年智能家居市场规模持续上涨,市场前景看好,市场规模增长情况如图2所示。
智能家居产业错综复杂,涉及众多产品,根据目前各企业涉及的领域,大致分为六个流派:以海尔、美的为代表的传统家电企业,通过将原有的产品智能化提高销售;以阿里巴巴和京东为代表的互联网企业,通过自产智能硬件或与传统家电企业建立合作涉足智能家居行业;以华为和小米为代表的手机硬件企业,通过研发软件、生产硬件和建立智能家居生态系统进军智能家居行业;以Honeywell、Bosch和松下为代表的安防企业,在本身安防设备的基础上智能化,占据智能家居安防市场;以Amazon Echo和Google Home为代表的国外智能家居企业,通过语音识别和人工智能技术进军国内市场;以及一些提供云平台服务和小型硬件的供应商。
四、当前智能家居行业面临的问题
(一)缺乏规范统一的标准。在整个智能家居产业中,至今还没有制定统一的标准,导致各大公司各行其道,各自开发自己的系统,与其他厂商开发出来的系统并不兼容,目前具有代表性的是谷歌、苹果、微软加入了高通主导的AllSeen联盟,英特尔、三星、戴尔等公司组成了智能家居设备标准联盟OIC。之后,谷歌在收购Nest之后力推Thread,苹果自家提出Homekit。一方面用户的智能体验降低;另一方面加重了用户的转换成本。而人工智能是一项复杂的产业,它不是一两家公司就能经营好的,它需要各领域的公司参与进来研发技术、搭建平台、生产终端,各司其职,并用统一的标准将各个环节连接起来。
(二)缺乏人性化的伪智能。目前,智能家居产品大多通过手机来实现,但有些厂商以“智能”为噱头,将原本简单的操作强加到手机上,使得手机承担较多的功能。然而,除了年轻人对智能手机的操作较为熟悉,其他用户面对复杂的“智能”操作只能望而却步,严重缺乏人性化设计。
(三)需求低且价格高。一方面智能家居概念映入人们眼帘的时间较短,人们对智能家居还不太了解;另一方面智能家居智能化水平不高,操作复杂,运行过程中经常出错,严重打击了消费者的体验。同时,目前的技术水平有限,技术和产品的研发需要较高的研发费用,加上日常的维护费用,导致智能家居的消费价格偏高,打击了消费者的购买欲望。
(四)信息安全存在隐患。物联网信息传输过程中,个人信息极易被黑客窃取,不法分子通过这些个人信息进一步窃取用户的财产,会造成巨大的社会不稳定,对智能家居未来发展构成巨大威胁。如果智能家居产业在未来想占据较大一部分家居市场,就必须克服信息安全问题,加大信息的监管力度。
五、Al助力智能家居行业发展
(一)AI与智能家居结合进入最终状态。经过几十年的发展,智能家居经过了用App远程控制家电的单品智能化和多个电器间相互感应的智能互动两个阶段,以上两个阶段均为弱智能阶段,得通过手机来操作。而第三阶段是家居产品与人工智能的深入结合,赋予家居产品人性化,摆脱手机的操控,通过自主学习、主动记忆、自主决策为用户提供舒适的生活。
(二)提升全新的交互体验。语音交流以其与人交流的亲和感,成为当今最流行的人机交互方式。人类通过语音给机器下达指令,机器通过语音识别执行指令。近几年,语音识别技术取得重大突破,语音识别准确率达到97%以上。而智能音箱具有语音交互、提供音乐和有声读物等媒体内容、提供多种互联网服务以及可以对智能家居进行控制等功能,深受大众追捧,因而被称为智能家居的入口。为抢占智能家居的入口,互联网各大巨头纷纷加紧研究抢占市场。2014年11月,亚马逊推出智能音箱Echo,至今已有几千万的销量,随后谷歌推出GoogleHome,微软推出Cortana,紧接着国内的京东推出叮咚音箱,阿里巴巴也推出了“天猫精灵”,小米推出“小爱同学”。
(三)提供更安全、可控的应用环境。传统的密码输入和保护方式已经不再满足人们对操作便捷性和安全性的要求,于是推动了人们对生物识别技术的开发。生物识别是指通过计算机与生物传感器等高科技结合,提取人固有的生理特征和行为特征,以鉴定个人身份。目前人脸识别、指纹识别和虹膜识别已经得到广泛的应用。为达到更高的安全水准,通过红外线照射获取手指静脉图像的指静脉技术也在紧密研究当中,极大地迎合了人们对智慧生活的追求。
六、我国智能家居发展的机遇
(一)我国加速进入老龄化社会,智能家居需求增大。因为工作关系很多子女与父母在异地生活,难以妥善地照顾好父母的生活,而智能家居可以方便老人们的日常生活,提高老年人的生活质量,加上多年财富的积累,老年人的经济实力比年轻人要高,随着老龄化进程的加快,老年人人口的比例将加重,多重原因结合起来支撑起了未来潜在的市场需求。
(二)“智能家居”概念将越来越普及。通过前些年“智能家居”概念的炒作,各大新闻客户端、网站的转载宣传,让越来越多的人认识了解到智能家居的相关概念。近些年各大浏览器对“智能家居”关键词的搜索数量大幅度增长,随着科学技术的发展,人们对智能家居产品的信赖感也在增强。如今人们购买家具,对房屋进行装修也会考虑适当引进智能家居的相关元素进入日常的起居中。
(三)居民收入增多,消费价格将降低。随着经济的不断发展,人们的收入也在逐年上涨,到2020年我国将全面建成小康社会,届时人们的收入水平将会大幅增长,相比2010年翻一番。经济增长的同时,科技也在飞速发展,技术水平的不断完善降低了智能家居产品的成本,同时电信运营商的网络费用也在下调,日常的运营维护成本也在下降,消费者的消费成本将会大幅下降,市场需求将会激增,市场规模将会扩大。
(四)政策扶持,发展道路顺畅。智能家居产业发展被写入政府工作报告,政府相继出台《“互联网+”人工智能三年行动实施方案》、《智能制造工程实施指南(2016-2020年)》、《促进新一代人工智能产业发展三年行动计划(2018-2020年)》等指导性文件,促进智能家居、智能机器人、智能制造装备等领域产业发展。并成立“中国人工智能产业创新联盟”和“人工智能产业技术创新战略联盟”,把涉及人工智能领域的所有环节全面整合,扫除阻碍人工智能发展的一切障碍。
七、我国智能家居行业未来发展趋势
(一)标准日趋统一。当智能家居行业依旧遵循现在的发展方式,各企业各行其道,系统间互不兼容,消费者将会对该行业产生疲倦,未来市场规模可能难以扩大。除非出现一家领导性标杆企业,拥有自己的系统,能够生产出所有类别的智能家居产品,用户对该企业提供的方方面面都很满意,进而垄断了整个智能家居市场。很显然,出现这种情况的概率很小,没有一家企业可以力挽狂澜,所以市场逼着企业间建立起统一的标准,为用户提供便捷舒适的生活体验。
(二)AI与智能家居的完美融合。人工智能在智能家居领域的广泛应用已是大势所趋,只有智能家居与人工智能的完美结合才会让人们的生活更加便捷。未来智能家居将会更加智能化、人性化,能够准确抓住用户的喜好提供相应的服务,根据用户的工作安排相应的行程。一整套智能家居系统犹如一个智能管家,在最优的时间提供最优的服务。
(三)个人信息更加安全。个人信息的安全是制约智能家居市场规模扩大的又一要素,因此行业内将建立起一套世界领先的信息安全标准,并且该标准能够和各地的法律法规衔接好,收集到的数据能够安全地储存好,能够记录数据的产生时间地点等情况,以便需要的时候能够查证。
八、结语
人工智能时代下智能家居行业仍将在相当的一段时间处于一个无统一标准、需求低、价格高的阶段,但随着老龄化进程的加快,智能家居概念的逐渐普及、居民收入不断增加、产品价格的不断下降,智能家居产品的市场需求将会逐渐增长,将促使企业间制定规范统一的标准,人工智能将会与智能家居完美结合,为用户提供更加舒适便捷的生活。
(来源:合作经济与科技 文/陈功正 王腾 陆畅 王蕴鑫 陈黎阳 编选:电子商务研究中心)
主要参考文献
[1]陈晋.人工智能技术发展的伦理困境研究[D].吉林大学,2016.
[2]邓中祚.智能家居控制系统设计与实现[D].哈尔滨工业大学,2015.
中图分类号:TM73 文献标识码:A 文章编号:2095-1302(2013)01-0032-05
0 引 言
智能电网是当今世界电力系统发展的重大变革,也是21世纪电力系统的重大科技创新和发展趋势。2003年,美国“未来能源联盟”首次提出智能电网的概念。同年,美国能源部了“Grid 2030”设想[1],将美国的未来电力系统描述为一个完全自动化的电力传输网络,能够监视和控制每个用户和电网节点,保证从电厂到终端用户整个输配电过程中所有节点之间的信息和电能的双向流动。2005年,欧洲技术论坛(ETP)提出了“Smart Grid”概念[2],计划通过智能电网的建设,向所有用户提供高度可靠、经济有效的电能,充分开发利用大型集中发电机和小型分布式电源,提高电网公司运营效率,降低电能价格,加强与客户的互动,应对来自市场、安全和电能质量、环境等方面的压力。
国内也高度重视智能电网建设。2010年6月7日,总书记在两院院士大会上的讲话中提出,要“构建覆盖城乡的智能、高效、可靠的电网体系”。国家科技部于2009年11月24日的《关于加快我国智能电网技术发展的报告》中提出了明确的目标和任务。国家电网公司于2009年5月了“坚强智能电网”愿景及建设路线图。南方电网有限责任公司在2010年7月提出了“建设一个覆盖城乡的智能、高效、可靠的绿色电网”的目标。2011年2月,陕西省地方电力(集团)有限公司作为专业的配电网公司,联合清华大学提出了建设“多指标自趋优”智能配电网的目标。
智能电网涉及能源、环境、社会、经济和管理等多个学科,由于其具备系统工程和创新技术的特点,目前智能电网的研究趋向发散,对智能电网的认识多从企业自身出发,尚未收敛到智能电网本质的研究,影响和干扰了对智能电网发展方向的研判。本文在分析国内外智能电网相关研究的基础上,结合实践应用,溯源了智能电网的本质——智能,提出了智能电网分代标准,建立了智能电网分代模型,探讨了智能电网分代的社会经济意义。
1 国外智能电网分代研究状况
分代研究在计算机和战斗机等领域已经取得了共识。计算机按照所采用的电子元件,历经了电子管计算机、晶体管计算机、集成电路计算机、大规模集成电路计算机,现在正在研发信息获取、存储、处理、通信与人工智能相结合的第五代计算机。20世纪40年代中期,以喷气式发动机为动力的战斗机出现后,按时代和技术水平,战斗机历经三代,目前正在研制第四代战斗机。
由于智能电网尚未大规模应用,与计算机、作战飞机等其他领域分代研究更注重“回头看”的方法不同,智能电网分代更注重“向前看”,这个特点导致智能电网分层次、分步骤、分阶段的研究异彩纷呈,莫衷一是。国外智能电网分代的相关研究综述如下。
1.1 智能电网演进模型
2010年1月,加拿大学者Hassan Farhangi从功能和投资回报率(ROI)两个维度,提出了如图1所示的智能电网的演进模型[3]。他认为,由于化石燃料的成本猛增,电力公司无法扩大发电能力以满足用户对电能不断上升的需求,只有从配电网着手,加强需求侧管理,才能保障电力公司拥有较高的ROI水平。模型表示,智能电网最初的投资用来满足计量设备由机电式到单向自动抄表(AMR)的功能转变,AMR具有节约人力以及时间成本的优势,但是由于其只具有单向通信能力,无法支持电力公司依据从电表获取数据采取调控措施。高级计量架构(AMI)能够提供双向的通信系统,旨在为电力公司提供实时的能耗数据,允许客户以价格为基础,对能源使用做出选择。智能电网演进的最终目标是分布式控制与微网相结合的互联电网。
1.2 智能电网持续发展理论
2011年7月,美国GridNet公司执行副总裁兼首席战略官Andres Carvallo和能源与IT行业学者John Cooper合作出版了“The Advanced Smart Grid — Edge Power Driving Sustainability”一书,提出了智能电网持续发展理论[4]。书中认为第一代智能电网(Smart Grid 1.0)实现了发电厂到终端计量设备的电流与信息流的传输,典型的第一代智能电网是美国科罗拉多州博尔德市智能电网的建设。下一代智能电网(Smart Grid 2.0)将是一个集成的、先进的智能电网体系,从战略上进行顶层设计,在组织、运行、系统集成与建模等多个维度进行柔性规划,下一代智能电网的一些技术已经在美国奥斯汀市智能电网研究项目Pecan Street中浮现。书中对第三代智能电网(Smart Grid 3.0)进行了展望,并将其定义为一个基于互联网络的重新设计的能源系统。
1.3 智能电网层次理论
IBM高级电力专家Martin Hauske认为智能电网的基本概念有3个主要元素:首先是广泛连接资产与设备的传感器;其次是数据的搜集与整合体系;最后是依据数据进行相关分析,以优化运行和管理的能力。与之对应,智能电网也就有三个层面的含义[5]:首先是利用传感器对发电、输电、配电、供电等关键设备的运行状况进行实时监控;然后将获得的数据通过网络系统进行收集、整合;最后通过对数据的分析、挖掘,达到对整个电力系统运行的优化管理。因此,智能电网可以被认为是通过传感器把各种设备、资产连接到一起,形成一个客户服务总线,通过对信息进行整合分析,从而降低成本,提高效率和可靠性,促进管理和运行达到最优化。
1.4 智能电网成熟度模型
智能电网成熟度模型是IBM、美国生产力和质量中心(APQC)及全球智能电网联盟(GIUNC)合作研究的成果[6]。智能电网的成熟度分为5个阶段:第1阶段,只有对智能电网的设想,主要工作是对技术的试验和评价,以及建立业务模型;第2阶段,企业在至少一个智能电网的重要业务领域进行投资和实施;第3阶段,企业对智能电网的组成部分进行重新配置,实现业务领域整合或产业链升级;第4阶段,实现企业范围的跨业务综合观测及综合控制,力争形成新的经济或商业模式;第5阶段,企业有能力在新的业务、运行、环境等机会出现时,充分利用并发展壮大。
综观国外的相关研究,智能电网演进模型以计量系统为主线,没有加入交易环节,同时忽视了人工智能在电网中的应用。智能电网持续发展理论有对智能电网分代以及各代相应功能的描述,但是缺乏对智能电网本质的分析,特别是对三代智能电网核心的描述。智能电网层次理论以传感器为基础,触及到智能电网的基本,但是数据收集与整合体系等没有体现人这一重要因素的参与,理论阐述不够全面。智能电网成熟度模型实质上是智能电网的推进步骤。因此,上述研究都没有涉及智能电网的本质。
2 智能电网的本质——智能
对国外智能电网的研究和实践进行分析,能够为国内的相关研究带来启示和借鉴。从人类认识事物的基本方法来看,对智能电网进行分代研究,必然要从智能电网的本质着手。智能电网可以认为是人工智能在传统电网中的应用,而人工智能又起源于人类智能,因此,必须从人类智能出发,探求智能电网的本质——智能。
2.1 人类智能的发展阶段
人类智能经历了从初级到高级、从简单到复杂的演化过程。这种过程只在个体的前十几年表现得尤为突出,正是这一过程决定了每个人一生智能水平的高低,也决定了人类群体智能水平的多样性。
1983年,美国学者Howard Gardner提出多元智能理论,将智能分为语言智能、数学逻辑智能、空间智能、身体运动智能、音乐智能、人际智能、自我认知智能、自然认知智能等8个方面。瑞士心理学家Jean Piaget从时间维度对人类智能演化规律做出经典总结,提出了人类智能发展理论[7],将个体从出生到青年时期的智能发展水平分为感知运动阶段、前运算阶段、具体运算阶段和形式运算阶段。
虽然多元智能理论并不着眼于各个智能在个体层面的发展顺序,但是结合Jean Piaget的认知发展理论,同时根据Howard Gardner对每种智能概念的描述,可以对智能的8个组成部分以发展为时序,在多元维度上进行归类。在感知运动阶段,空间智能和音乐智能是人类智能重点发展的部分;到了前运算阶段,语言智能和身体运动智能在儿童身上表现较为明显;数学逻辑能力和自我认知能力在具体运算阶段得到了迅速发展;最后,从青少年阶段开始,终其一生,对自然的认知,人际交往能力随着阅历的丰富、经验的积累而日趋成熟。
2.2 人工智能是对人类智能的模拟、延伸和扩展
人类智能的演进规律遵循着Jean Piaget的人类智能发展理论,这些研究成果也深刻地影响着另一个与之紧密相关的学科,即以计算机为基础的人工智能的研究。人工智能最初被定义为“让机器的行为看起来就像人所表现出的智能行为一样”,到后期逐渐演变为让机器拥有自己的思维。对比人类智能发展的历程,人工智能的演进呈现出与之相似的路径。
(1) 人工智能发展的初级阶段是对人类智能的模拟。通过传感器远程传送信号,需要操作者通过计算机终端控制机器执行动作,这类似于人类智能的感知运动阶段,具体的应用如排爆机器人、勘探机器人等。
(2) 人工智能发展的中级阶段是对人类智能的延伸。着眼于通过程序算法实现机器的逻辑运算和自我认知能力,类似于人类智能的前运算和具体运算阶段。智能机器人通过处理器分析传感器收集的信息,在无人操控的状态下执行动作。有些智能机器人还能通过对人类语言的识别和模拟实现与人类的语言交流,如日本的ASIMO智能机器人,可以通过“脑—机”系统达到人类思维直接控制机器人的效果。
(3) 人工智能的更高阶段,智能将成为一种系统层面的应用。人工智能体现出自我思维和机器情感等人类特有的能力,通过自我思维产生对外部环境的认识,通过机器感情与外部环境产生更为复杂的交互,这些能力使得人工智能发生了从模拟、延伸到扩展人类智能的突破。
2.3 智能电网是人工智能在传统电网中的应用
智能电网建立在电力电子技术、传感与测量技术、控制仿真决策技术、信息与通信技术、人工智能技术等基础技术之上,以实现发电、储能、输电、配电、用电等环节的智能化为目的。其中,人工智能技术在推动智能电网发展中起着重要作用。
(1) 人工智能的应用能够推动整个电力系统的发展。传统电网存在大量非线性的、模糊的、不确定、不精确、不完全真值的问题,人工智能技术应用的目的就是解决上述问题。基于人工智能的电网故障检测与诊断、具有灵活自愈功能的配电自动化等技术的应用表明,在期望能取得低代价的解决方法和鲁棒性方面,人工智能的应用显著改善了传统电网对不确定、高度非线性环境的适应能力。
(2) 人工智能技术的应用体现了智能电网的本质。智能电网的本质是智能,现代人工智能技术是对人类智能的模拟,因而人工智能的应用是电网“智能化”的根本体现,人工智能技术应用使智能电网回归到了它的本质——智能。从这种意义上说,人工智能技术是否应用是评价一个电网是不是智能电网的基本依据。
(3) 人工智能技术在电网中的应用程度体现了智能电网区别于传统电网的特征。传统电网未能完整地体现人工智能“感知、思维、行为”三要素,导致人的参与程度较低,传统电网始终徘徊在由工业化主导的阶段,在信息化与工业化融合时,遇到了重重困难。智能电网中,人工智能技术的广泛应用将使得电网逐步具有模拟人类智能的能力,从而减少人的参与程度。
(4) 未来智能电网的发展中,人工智能是推动智能电网跃进发展的革命性力量。未来智能电网将是一个具有自预测、自诊断、自愈、自组织和自管理特性的电网。智能电网的跃进发展将主要依靠电网的自学习能力,人的干预将退居其次。人工智能的应用,使得电网的自学习成为可能。在可以预见的将来,除了人工智能技术,其他技术均无法有效增强电网的自学习能力。
3 智能电网分代原则、标准与模型
以上分析了智能电网的本质,以下在智能电网的本质基础上提出智能电网分代的原则、标准以及智能电网分代模型。
3.1 智能电网分代原则
智能电网分代必须遵循以下原则:
(1) 惟一性原则:下一代和上一代的智能电网必须按照智能电网的本质进行划分。
(2) 革命性原则:下一代智能电网必须在整体,而不是局部取得标志性进展和突破。
(3) 连续性原则:下一代智能电网发展的关键要素必须蕴含在上一代智能电网的发展过程中。
3.2 智能电网分代标准
智能电网的本质是智能。人工智能是人类智能应用于传统电网的纽带,人工智能将人类智能的8个方面归纳为“感知、行为、思维”3个要素,上述3个要素也是智能电网分代的标准。
感知是客观事物通过感觉器官在大脑中的直接反映。在多元智能的8个方面中,感知体现语言智能、空间智能、音乐智能。感知在人工智能技术中的体现有语音识别、机器视觉等。
行为是器官对外界刺激所产生的反应。行为体现身体运动智能,行为在人工智能技术中的体现有机器人学、智能控制等。
思维是主体处理信息及意识的活动。思维体现数学逻辑智能、人际智能、自我认知智能、自然认知智能,思维在人工智能技术中的体现有知识系统、专家系统、神经网络、进化计算等。
3.3 智能电网分代模型
智能电网发展的各阶段均须具备人工智能3个要素的全部或部分,不具备3个要素的电网属于传统电网。依据3个要素在传统电网中渗透与融合的深度和广度,建立智能电网分代模型如图2所示。
图2中将智能电网划分为具有以下特征的三代智能电网:
(1) 第一代智能电网:自感知智能电网(Self-sensing Smart Grid)。第一代智能电网在传统电网的基础上具备自主感知能力,是人工智能在电网中应用的初级阶段。智能电网关键设备能够自主感知电属性(负荷等)和电相关属性(温度等)的变化,需要人参与进行决策并采取行动,第一代智能电网只具备简单的自主决策和初级的自主行为能力。典型的自感知智能电网设备及系统如电子式及光学式互感器、智能环网柜、智能在线监测系统、智能终端等。
(2) 第二代智能电网:自适应智能电网(Adaptive Smart Grid)。第二代智能电网在第一代智能电网自主感知能力的基础上,具备一定的自主决策能力和自主行为能力,是人工智能在电网中应用的中级阶段,较少需要人参与就能根据感知结果进行决策并采取行动。这种感知、决策和行为是独立的,即只在单一设备或系统局部的感知域内进行决策并根据决策结果驱动单一设备或系统局部采取行动,以达到局部最优。典型的自适应智能电网应用系统如智能调度系统、智能自愈系统等。
(3) 第三代智能电网:自趋优智能电网(Self-approximate-optimization Smart Grid)。第三代智能电网在第二代智能电网自主决策和自主行为能力的基础上,是人工智能在电网中应用的高级阶段,更少需要或不需要人参与就能根据感知结果进行决策并采取行动。这种感知、决策和行为是系统的、全局的,即在整个系统感知域(或子集)内进行决策并根据决策结果驱动相关(部分或全部)设备采取行动,使得电网自身状态趋向最优。目前,已经提出来的自趋优智能电网如智能广域机器人(Smart Wide Area Robot,Smart-WAR)[8]。
4 智能电网分代的社会经济意义
技术创新与人类解放之间的历史发展进程表明,人的劳动方式在逐渐变化,技术创新使人在生产劳动中逐渐从事必躬亲的执行者演变成监督者、命令者,这种角色的演变,反映出技术创新在人的实践过程中所具备的强大能动作用。智能电网作为当前电网行业最重要的技术创新形式,同样发挥着着解放人类劳动的作用,亦即电网运行中人的参与程度不断减弱。
第一代智能电网通过技术创新实现自我感知,不但极大地拓展了认知的深度和广度,而且还使人的身体在一定程度上获得了解放。
第二代智能电网通过技术创新实现自我行为,将会极大地减轻人的劳动强度,甚至取代了劳动者在电网运行过程中仅有的操作、监督和控制工作,使人得以在很大程度上从体力劳动中解放出来。
第三代智能电网通过技术创新实现自我思维,“电脑”开始代替“人脑”控制电网运行,机器人劳动取代人的劳动,使人的活动逐渐从电网运行中淡出,这将使人的思维劳动强度得以极大的减轻。
以智能电网建设为标志的技术创新为电力产业提升运行管理水平,开发新产品和服务,以及延伸整个产业链奠定了坚实的技术基础。随着技术手段的革新与经营管理模式的转变,电力产业尤其是电网企业的供给可能性边界将极大扩展,不仅能够满足目前存在的潜在需求,而且还能在未来引领和创造新的需求,在供需双方良性互动的作用下,电力产业将不断优化升级,产业整体影响力和竞争力都会获得显著的提升。
5 结 语
智能电网分代是一个全新的课题,但是分代研究在计算机等其他领域并不鲜见,对这些领域进行分代的目的是通过研究“上一代是什么”来推测“下一代是什么”,因此有必要通过分代研究来预测和引导智能电网的发展方向。与其他领域分代研究更注重“回头看”的方法不同,智能电网尚未大规模应用,分代更注重“向前看”,正是人类智能与人工智能的发展规律,奠定了我们“向前看”的基础。未来,伴随智能电网的深入推进,实践应用总结出的成果和经验,将有助于深化对智能电网本质的认识,理论的可行性与实践的迫切要求,也必将对智能电网分代研究起到促进作用。
参 考 文 献
[1] US Department of Energy. Grid 2030: A national vision for electricity's second 100 years[R].USA: US Department of Energy Initiative, 2003.
[2] European Commission. European technology platform smartgrids: vision and strategy for Europe's electricity networks of the future[EB/OL]. [2012-09-20]. http://ec.europa.eu/research/energy/pdf/smartgrids_en.pdf.
[3] FARHANGI Hassan. The path of the smart grid [J]. IEEE Power and Energy Magazine, 2010, 8(1): 18-28.
[4] CARVALLO Andres, COOPER John. The advanced smart grid: edge power driving sustainability [M]. Boston: Artech House Publishers, 2011.
[5] IBM论坛2009. 点亮智慧的地球[EB/OL]. [2012-09-25]. http:///cn/forum2009/wisdom.shtml.