时间:2023-07-25 09:25:06
序论:速发表网结合其深厚的文秘经验,特别为您筛选了11篇人工智能发展前景范文。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!
一、人工智能的定义
“人工智能”(ArtificialIntelligence)一词最初是在1956年Dartmouth学会上提出的。人工智能是指研究、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。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。
人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。
二、人工智能的应用领域
1.在管理系统中的应用
(1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。
(2)智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。计算机智能教学系统包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。
2.在工程领域的应用
(1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了著名的作为内科医生咨询的Internist2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。
(2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。
3.在技术研究中的应用
(1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。
(2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。
三、人工智能的发展方向
1.专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。
2.智能信息检索技术的飞速发展。人工智能在网络信息检索中的应用,主要表现在:(1)如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术。(2)由于网络知识信息既包括规律性的知识,如一般原理概念,也包括大量的经验知识这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素对其进行推理,需要利用人工智能的研究成果。
3.SOAr是一种通用智能体系结构,其始终处在人工智能研究的前沿,已显示出强大的问题求解能力,它认为机器人的开发是人工智能应用的重要领域。在它的研究中突出4个概念:(1)所处的境遇机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。(2)具体化机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后会有反馈。(3)智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。(4)浮现从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。目前,国内外不少学者都对机器人足球系统颇感兴趣,足球机器人涉及机器人学、人工智能以及人工生命、智能控制等多个领域。足球机器人系统本身既是一个典型的多智能体系统,是一个多机器人协作自治系统,同时又为它们的理论研究和模型测试提供一个标准的实验平台。
参考文献:
[1]元慧.议当代人工智能的应用领域和发展状况[J].福建电脑,2008.
[2]刘玉然.谈谈人工智能在企业管理中的应用[J].价值工程,2003.
[3]焦加麟,徐良贤,戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真,2003,(8).
[4]周明正.人工智能在医学专家系统中的应用[J].科技信息,2007.
[5]张海燕,刘镇清.人工智能及其在超声无损检测中的应用[J].无损检测,2001,(8).
中图分类号:TP391 文献标识码:A
0.引言
2016年3月15日,备受瞩目的“人机大战”终于落下帷幕,最终Google公司开发的“AlphaGo”以4∶1战胜了韩国九段棋手李世h。毫无疑问,这是人工智能历史上一个具有里程碑式的大事件。大家一致认为,人工智能已经上升到了一个新的高度。
这次胜利与1997年IBM公司的“深蓝”战胜国际象棋世界冠军卡斯帕罗不同。主要表现在两个方面:
(1)AlphaGo的胜利并非仅仅依赖强悍的计算能力和庞大的棋谱数据库取胜,而是AlphaGo已经拥有了深度学习的能力,能够学习已经对弈过的棋盘,并在练习和实战中不断学习和积累经验。
(2)围棋比国际象棋更加复杂,围棋棋盘有361个点,其分支因子无穷无尽,19×19格围棋的合法棋局数的所有可能性是幂为171的指数,这样的计算量相当巨大。英国围棋联盟裁判托比表示:“围棋是世界上最为复杂的智力游戏,它简单的规则加深了棋局的复杂性”。因此,进入围棋领域一直被认为是目前人工智能的最大挑战。
简而言之,AlphaGo取得胜利的一个很重要的方面就是它拥有强大的“学习”能力。深度学习是源于人工神经网络的研究,得益于大数据和互联网技术。本文就从人工智能的发展历程与现状入手,在此基础上分析了人工智能的未来发展前景。
1.人工智能的发展历程
AlphaGo的胜利表明,人工智能发展到今天,已经取得了很多卓越的成果。但是,其发展不是一帆风顺的,人工智能是一个不断进步,并且至今仍在取得不断突破的学科。回顾人工智能的发展历程,可大致分为孕育、形成、暗淡、知识应用和集成发展五大时期。
孕育期:1956年以前,数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化,奠定了数理逻辑的基础。英国数学家图灵在1936年创立了自动机理论(亦称图灵机),1950年在其著作《计算机与智能》中首次提出“机器也能思维”,被誉为“人工智能之父”。总之,这些人为人工智能的孕育和产生做出了巨大的贡献。
形成期:1956年夏季,在美国达特茅斯大学举办了长达2个多月的研讨会,热烈地讨论用机器模拟人类智能的问题。该次会议首次使用了“人工智能”这一术语。这是人类历史上第一次人工智能研讨会,标志着人工智能学科的诞生。其后的十几年是人工智能的黄金时期。在接下来的几年中,在众多科学家的努力下,人工智能取得了瞩目的突破,也在当时形成了广泛的乐观思潮。
暗淡期:20世纪70年代初,即使最杰出的AI程序也只能解决问题中最简单的部分,发展遇到瓶颈也就是说所有的AI程序都只是“玩具”,无法解决更为复杂的问题。随着AI遭遇批评,对AI提供资助的机构也逐渐停止了部分AI的资助。资金上的困难使得AI的研究方向缩窄,缺少了以往的自由探索。
知识应用期:在80年代,“专家系统”(Expect System)成为了人工智能中一个非常主流的分支。“专家系统”是一种程序,为计算机提供特定领域的专门知识和经验,计算机就能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。不同领域的专家系统基本都是由知识库、数据库、推理机、解释机制、知识获取等部分组成。
集成发展期:得益于互联网的蓬勃发展、计算机性能的突飞猛进、分布式系统的广泛应用以及人工智能多分支的协同发展,人工智能在这一阶段飞速发展。尤其是随着深度学习和人工神经网络研究的不断深入,人工智能在近几十年中取得了长足的进步,取得了令人瞩目的成就。
人工智能发展到今天,出现了很多令人瞩目的研究成果。AlphaGo的胜利就是基于这些研究成果的一个里程碑。当前人工智能的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。
2.人工智能l展现状与前景
人工智能当前有很多重要的研究领域和分支。目前,越来越多的AI项目依赖于分布式系统,而当前研究的普遍热点则集中于自然语言处理、机器学习和人工神经网络等领域。
自然语言处理:自然语言处理(Natural Language Processing,简称NLP),是语言学与人工智能的交叉学科,其主要功能就是实现让机器明白人类的语言,这需要将人类的自然语言转化为计算机能够处理的机器语言。
自然语言处理主要包括词法分析、句法分析和语义分析三大部分。词法分析的核心就是分词处理,即单词的边界处理。句法分析就是对自然语言中句子的结构、语法进行分析如辨别疑问句和感叹句等。而语义分析则注重情感分析和整个段落的上下文分析,辨别一些字词在不同的上下文定的语义和情感态度。
当前自然语言的处理主要有两大方向。一种是基于句法-语义规则的理性主义理论,该理论认为需要为计算机制定一系列的规则,计算机在规则下进行推理与判断。因此其技术路线是一系列的人为的语料建设与规则制定。第二种是基于统计学习的经验主义理论,这种理论在最近受到普遍推崇。该理论让计算机自己通过学习并进行统计推断的方式不停地从数据中“学习”语言,试图刻画真实世界的语言现象,从数据中统计语言的规律。
机器学习:机器学习(Machine Learning)是近20年来兴起的人工智能一大重要领域。其主要是指通过让计算机在数据中自动分析获得规律,从而获取“自我学习”的能力,并利用规律对未知数据进行判断和预测的方法。
机器学致可以分为有监督的学习和无监督的学习。有监督的学习是从给定的训练数据集中练出一个函数和目标,当有新的数据到来时,可以由训练得到函数预测目标。有监督的学习要求训练集同时有输入和输出,也就是所谓的特征和目标。而依据预测的结果是离散的还是连续的,将有监督的学习分为两大问题,即统计分类问题和回归分析问题。统计分类的预测结果是离散的,如肿瘤是良性还是恶性等;而回归分析问题目标是连续的,如天气、股价等的预测。
无监督学习的训练集则没有人为标注的结果,这就需要计算机去发现数据间的联系并用来分类等。一种常见的无监督学习是聚类分析(Cluster Analysis),它是将相似的对象通过静态分类的方法分成不同的组别或者是特定的子集,让同一个子集中的数据对象都有一些相似的属性,比较常用的聚类方法是简洁并快速的“K-均值”聚类算法。它基于K个中心并对距离这些中心最近的数据对象进行分类。
机器学习还包括如半监督学习和增强学习等类别。总而言之,机器学习是研究如何使用机器来模拟人类学习活动的一门学科,而其应用随着人工智能研究领域的深入也变得越来越广泛,如模式识别、计算机视觉、语音识别、推荐算法等领域越来越广泛地应用到了机器学习中。
人工神经网络:在脑神经科学领域,人们认为人类的意识及智能行为,都是通过巨大的神经网络传递的,每个神经细胞通过突出与其他神经细胞连接,当通过突触的信号强度超过某个阈值时,神经细胞便会进入激活状态,向所连接的神经细胞一层层传递信号。于1943年提出的基于生物神经元的M-P模型的主要思想就是将神经元抽象为一个多输入单输出的信息处理单元,并通过传递函数f对输入x1,x2…,xn进行处理并模拟神经细胞的激活模式。主要的传递函数有阶跃型、线性型和S型。
在此基础上,对神经网络算法的研究又有诸多进展。日本的福岛教授于1983年基于视觉认知模型提出了卷积神经网络计算模型。通过学习训练获取到卷积运算中所使用的卷积系数,并通过不同层次与自由度的变化,可以得到较为优化的计算结果。而AlphaGo也正是采用了这种深度卷积神经网络(DCNN)模型,提高了AlphaGo的视觉分类能力,也就是所谓的“棋感”,增强了其对全盘决策和把握的能力。
3.人工智能的发展前景
总体来看,人工智能的应用经历了博弈、感知、决策和反馈这几个里程碑。在以上4个领域中,既是纵向发展的过程,也是横向不断改进的过程。
人工智能在博弈阶段,主要是实现逻辑推理等功能,随着计算机处理能力的进步以及深度学习等算法的改进,机器拥有了越来越强的逻辑与对弈能力。在感知领域,随着自然语言处理的进步,机器已经基本能对人类的语音与语言进行感知,并且能够已经对现实世界进行视觉上的感知。基于大数据的处理和机器学习的发展,机器已经能够对周围的环境进行认知,例如微软的Kinect就能够准确的对人的肢体动作进行判断。该领域的主要实现还包括苹果的Siri,谷歌大脑以及无人驾驶汽车中的各种传感器等。在以上两个阶段的基础上,机器拥有了一定的决策和反馈的能力。无人驾驶汽车的蓬勃发展就是这两个里程碑很好的例证。Google的无人驾驶汽车通过各种传感器对周围的环境进行感知并处理人类的语言等指令,利用所收集的信息进行最后的决策,比如操作方向盘、刹车等。
人工智能已经渗透到生活中的各个领域。机器已经能识别语音、人脸以及视频内容等,从而实现各种人际交互的场景。在医学领域,人工智能可以实现自动读片和辅助诊断以及个性化t疗和基因排序等功能。在教育领域,机器也承担了越来越多的辅助教育,智能交互的功能。在交通领域,一方面无人车的发展表明无人驾驶是一个可以期待的未来,另一方面人工智能能够带来更加通畅和智能的交通。另外人工智能在安防、金融等领域也有非常广阔的发展前景。总之,人工智能在一些具有重复性的和具备简单决策的领域已经是一种非常重要的工具,用来帮助人们解决问题,创造价值。
参考文献
关键词:机械电子工程;人工智能;关系
机械工程的每一次发展都带动了工业生产水平的显著提升,机械电子工程通过融入电子技术,使其突破了机械工程的局限性,能够完成传统机械工程难以完成的复杂工作任务,同时也降低了对人员操作的依赖性。随着机械电子工程的不断成熟以及人工智能的快速发展,两者的结合应用得到了广泛重视,机械电子工程的智能化方向发展,将使其技术水平得到进一步提升,满足工业生产对机械设备的多元化需求。
1机械电子工程的发展过程及技术特点
1.1发展历程
机械电子工程在其发展的最初阶段,没有受到相关产业的高度重视,由于缺乏资源支持,技术水平提升缓慢,许多机械电子产品都需要通过手工制作,使其发展受到较大限制。随着机械电子工程的工业化水平不断提升,其技术价值逐渐显露出来,通过机械技术与电子技术的相互结合,能够有效提升传统机械产品的功能和性能。因此机械电子工程逐渐开始受到重视,并实现了流水线生产。但从目前生产规模和生产水平来看,虽然我国引进了国外标准生产线,但生产能力与市场需求相比还较为落后。
1.2技术特点
机械电子工程的主要特点是综合性强,具有跨学科性,涉及到机械、电子技术等多个领域,虽然在设计环节仍以机械为主,但电子技术和信息技术发挥出了越来越重要的作用。还需要根据系统配置需求和生产目标,综合利用其它科学技术。因此,在机械电子工程的设计过程中,通常采用从上至下的设计策略,将不同领域的技术模块相互结合,实现设计中产品的功能和性能要求。相比于传统机械产品,应用多门先进技术的机械电子产品在外观结构上更加小巧、精致,内部结构更加复杂,产品功能和性能都得到了极大提升。
2人工智能的三个发展阶段及发展前景
2.1三个发展阶段
截止到目前为止,人工智能历经了三个发展阶段,在其技术萌芽阶段,人工智能发展缓慢,但是在这一阶段为人工智能的后续发展积累了大量的宝贵经验。第一台超级计算机的诞生加快了人工智能的发展速度,但是在该阶段的研究仍未取得实质性进展。从1956年开始,随着人工智能命题的首次提出,人工智能进入第一个发展阶段,其基本原理和博弈原理得到证明,解放了技术思想,为人工智能的后续发展提供了强有力的理论支持。1977年,第五届人工智能会议的成功召开使人工智能进入第二发展阶段,其技术应用得到快速发展,并与实际生产相结合,取得了重要的实际应用价值。近年来,人工智能的发展受到了越来越多的关注,具有良好的发展前景。
2.2发展前景
人工智能以计算机为依托,不断延伸自身的智能性,深度挖掘计算机功能的各种可能,是21世纪以来最具有发展前景的学科之一。人工智能学科以计算机技术为基础,立足于心理学、信息论等多个领域知识,吸收了许多其他学科的特点,同时也推动了其他学科的更好发展,是一门极具发展潜力的前沿学科。人工智能技术在机械电子工程领域的应用,将弥补机械电子工程的不足,促进机械电子工程的更好发展。
3机械电子工程与人工智能的关系探究
3.1应用差异性
人工智能的应用需要以计算机网络系统为依托,因此无法通过其他途径在机械电子工程中得到应用只有对网络系统进行人工的指令转变,才能在机械电子工程中实现智能化控制。而计算机网络系统的运行是以数据分析和计算为基础的,一旦在数据处理过程中出现问题,就会导致人工智能控制失误,进而导致机械电子工程的网络系统发生崩溃。因此,人工智能在机械电子工程中具有一定的应用差异性。
3.2综合性补充
机械电子工程采用模块化设计方式,每个模块的功能特点较为固定,而现代机械电子工程对其功能的多元化需求不断提高,一些综合需要人工智能提供支持。因此,人工智能技术可以对机械电子工程进行综合性补充,通过其自身的综合操作功能,为机械电子工程的多元化工程实现提供辅助。比如目前较为成熟的模型推理系统就是两者相互结合的典型例子,也是人工智能技术在机械电子工程中应用的正确方法。目前人工智能中神经网络系统通过对人体神经进行模仿,使其技术水平更进一步,在机械电子工程中的应用,可以实现对机械电子工程各个功能模块的完整控制,使二者更加完美的结合。
3.3不稳定性处理及精度控制
不稳定性是机械电子工程存在的主要缺陷之一,其系统本质以及输入、输出关系决定了机械电子工程的不稳定性,对其各项功能的实现及正常使用产生较大的负面影响。在传统的机械电子工程中,主要采用解析法对系统的不稳定性进行调节控制,但这种控制方法无法做到精确控制,因此对不稳定性的调节能力有限。人工智能技术以计算机技术为基础,能够实现对数据的准确、高效处理,可以很好的弥补机械电子工程的这一缺陷。可以采用人工职能的神经模式对机械电子系统进行精确化控制,为系统的稳定运行提供保障。
4结束语
综上所述,机械电子工程与人工智能都经历了较为漫长的发展过程,都整合了大量相关学科,具有较强的综合性。针对于电子机械工程目前存在的功能多元化需求和系统不稳定性缺陷,人工智能技术可以对其进行有效弥补,促进机械电子工程的更好发展。因此,应加大力度促进机械电子工程与人工智能的相互融合,使人工智能技术在机械电子工程领域得到更加广泛的应用。
参考文献
[1]吴昊年,杨文.刍议机械电子工程与人工智能之间的关系[J].电子技术与软件工程,2015(15):130.
[2]王一楠.试论机械电子工程与人工智能的整合思路构建[J].科技风,2015(21):154.
[3]温伟华.人工智能技术在机械电子工程领域的应用[J].自动化与仪器仪表,2016(02):96-97.
1 机械电子工程概述
1.1 机械电子工程的定义
机械电子工程与其他相关学科之间有着紧密的联系,结合了各学科的优点,是一门比较复杂的综合性学科。机械电子工程以电子、机械、计算机技术为核心,通过科学合理的设计将各个模块优点发挥到最大。虽然机械电子技术需要运用各方面知识,但是机械电子产品的内部结构并不复杂,只需要将一些简单的机械电子元件按照规划进行科学的组合,就可以最大限度的提高产品的性能,减少成本的投入,在提高产品质量的同时提高企业的经济效益。
1.2 机械电子工程的发展
在机械电子工程发展的初期,人们并没有认识到机械电子工程的广阔的发展前景,由于缺乏必要的资源支持,机械电子工程的技术水平也极低,机械电子产品主要以手工制作为主,其工业化水平十分低下,机械电子工程的发展受到了极大的限制。随着机械电子工程的重要性日益凸显和其市场需求的扩大,人们开始重视对机械电子工程技术的开发,为了进一步提高其生产效率,机械电子工程逐渐实现在机械工业中的应用,并获得了飞速的发展。随着机械电子工程与机械工业的结合,实现了机械电子产品的流水线的生产,促进了生产水平的提高,提高了生产效率,可以实现机械电子产品可以在短时间内投入市场。但是目前我国主要引进国外的标准生产线,产品的生产模式与我国实际的生产需求差距很多,生产线本身的灵活性极弱,生产出的产品并不能够满足国内市场的需求。为了促进机械电子工程的进一步发展,需要结合我国国内市场的实际需求,将机械电子工程与人工智能相结合,充分发挥机械电子工程的优点,逐步实现其产业化与智能化。
2 人工智能概述
2.1 人工智能的学科定义
人工智能通过计算机的使用极大的延伸了自身的智能,主要通过对计算机功能的深入研究得到的一门学科,这门学科具有极大的发展前景,是21世纪的最重要的学科之一。计算机技术的发展是人工智能学科得以发展的关键,因此计算机技术是人工智能学科的基础。但是人工智能学科并不是单一涉及到一门学科,此外还与信息论、心理学、控制论等多个学科存在着交叉关系,因此,人工智能学科吸收了其他各个学科的优点,具有极强的发展潜力。
2.2 人工智能的发展阶段
2.2.1 萌芽阶段
随着世界第一台计算器的诞生标志着人工智能研究之路的开始,但是这个阶段的发展十分缓慢,但是这个阶段为人工智能的研究积累了大量的经验。直到世界第一台计算机诞生之后,加快了人工智能研究的角度,依旧没有取得实质性进展。所以这个阶段属于经验积累阶段,为之后发展奠定基础。
2.2.2 第一个发展阶段
1956年“人工智能”命题的提出标志着人工智能的发展进入了第一个高峰期。这个阶段主要是博弈、和基本原理的证明,这个阶段最大的贡献大大解放了人们的思想,为之后的发展提供了理论支持。
2.2.3 第二个发展阶段
人工智能第二个发展阶段的标志是1977年全球第五届人工智能会议的召开,经过这个会议逐渐促使了人工智能与实际生产的结合,使人工智能获得了一个巨大的飞跃,使其进入了知识层面的发展。
3 机械电子工程与人工智能的关系
随着社会信息化的进一步推进,为机械电子工程技术的发展带来了契机,人工智能的加入为了机械电子工程的发展开拓了巨大的发展空间。传统的机械电子系统,缺乏必要的稳定性,面对逐渐增多的信息量,单纯通过人工的方式进行处理显得力不从心,急需要一种可以处理多种不同类别信息的技术。在这种情况下人工智能的加入为机械电子工程的发展提供了巨大支持。人工智能通过建立相关模型、控制模型,实现对信息的处理,最终根据处理的信息能够很好的完成故障的诊断。除此之外人工智能使用模糊推力系统和神经网络系统这两种方法实现了对系统的数据信息进行全面的描述,最终实现对机械电子系统的科学合理的控制。
在人工智能漫长的发展过程中,每个阶段的发展都十分缓慢,并没有实现人工智能的实质性的变革。但是随着人工智能与机械电子工程逐渐结合之后,形成了由量变到质变的巨大飞跃,使世界进入了机械电子工程时代。随着人工智能在机械电子工程领域的广泛应用,人工智能逐渐形成了神经网络系统和模糊逻辑系统,通过这两个系统对人类的思维模式进行模拟来解决多变的工程应用问题。人工智能在机械电子工程中的广泛应用过程中逐步完善了自身的缺陷,为自身的发展提供了一个新的发展路径。
首届世界智能大会6月28日至6月30日在天津举行。6月29日,马云、李彦宏、柳传志等行业大咖分享了对于人工智能等最新科技的观点。同时,在开幕式演讲中,全国政协副主席、科技部部长万钢透露,最近新一代人工智能发展规划已编制完成,该规划对直到2030年的中国人工智能产业进行系统部署,包括与此相关的人工智能重大科技项目。规划将于近日向全社会公布。
点评:公开信息显示,目前我国人工智能已上升到国家战略,并于今年3月首次写入政府工作报告。据预测,2020年全球人工智能市场规模将超过1000亿美元,年均增速约为20%,我国人工智能市场规模也将达到百亿美元量级,年均增速超过50%,行业发展前景极为广阔。近几年,智能制造被不断的提及,而随着互联网、智能科技与传统行业融合创新发展,智能科技更是在除制造业外的,教育、医疗、农业等各个领域发挥重要功效。在此基础上,世界智能大会旨在打造世界级先进智能科技成果平台、创新合作平台、产业聚集平台和投融资对接平台,展现全球领先的前沿科技新成果。此次大会的专题活动覆盖了深度学习、智能制造、人工智能、智能驾驶、智慧安防等多领域。近期A股市场上,受世界智能大会举行的利好影响,A股市场人工智能概念板块表现活跃,关注标的股:科大讯飞、恒生电子、东方网力、佳都科技、工大高新等。
6月份信贷增量以及M2同比增速等成为市场关注的焦点。对此,机构普遍认为,6月份新增信贷增量或超万亿元,M2同比增速或继续回落将至9%。华泰证券首席宏观研究员李超认为,5月份信贷增量维持不变的情况下,社融出现了边际减缓迹象。监管趋于严格的背景下,银行的表外业务回归表内将会是未来一大趋势,同时居民按揭韧性强,融资利率继续上行大背景下,银行也乐于扩张表内业务。6月份这一趋势将会继续延续,预计6月份的新增贷款在12000亿元左右,与之对应的社融新增则在13000亿元左右,整个社会融资更多的依赖银行表内贷款。当然,也有部分机构较为悲观。交通银行金融研究中心近日的报告称,总体来看,居民房贷的回落以及金融机构主动调降跨季前资产增速,将很大程度主导6月份贷款增量回落。
施农业是集种植、农业装备等多领域为一体的系统工程,是一种在人为可控环境下进行的高效农业生产方式,具有成套的生产技术、完整的设施装备和生产规范[1]。近几年,随着信息技术的发展,物联网技术逐渐被应用到农业生产和科研中,这是现代农业依托新型信息化应用的一次进步[2]。本文结合人工智能研究成果,着重介绍人工智能技术在设施农业种植领域方面的应用前景,根据设施农业产前、产中、产后3个阶段,对现有研究成果进行了阐述。
人工智能概述
“人工智能”一词是1956年在Dartmouth学会上提出。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能(Artificial Intelligence),英文缩写为AI,它是研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新型科学技术[3]。
作为计算机科学的一个重要分支,人工智能技术着眼于探索智能的实质,模拟智能行为,最终制造出能以人类智能相似的方式做出反应的智能机器。著名的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下了这样一个定义:“人工智能是关于知识的学科,即怎样表示知识以及怎样获得知识并使用知识的科学。”而另一位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计算机去做过去只有人才能做的智能工作。”@些说法反映了人工智能学科的基本思想和基本内容。人工智能自诞生以来,理论和技术日益成熟,应用领域不断扩大,可以设想,未来应用了人工智能的科技产品,将会是人类智慧的“容器”。
随着人工智能技术的日益成熟,人们意识到人类已经具备了设计和建造智慧型设施农业所需的硬件和软件技术条件,结合设施农业高投入高产出,资金、技术、劳动力密集型的特点,完成工厂化农业生产已经不是梦想[4]。依靠人工智能技术,作物可以在适宜的温度、湿度、光照、水肥等设施环境下,生产优质、高产的农产品,摆脱对自然环境的依赖,实现设施生产的高度智能化,提高农业生产的效率,降低劳动成本[5]。
人工智能在设施农业领域的应用
人工智能技术在产前阶段的应用
在设施农业产前阶段,凭借人工智能技术可对土壤、灌溉水量需求、作物品种质量鉴别等方面做出分析和评估,为农民做出科学指导,对后续的农业生产起到很好的保障作用。
土壤分析是农业产前阶段最重要的工作之一,是实现定量施肥、宜栽作物选择、经济效益分析等工作的重要前提[6]。在土壤分析等农业生产智能分析系统中,应用最广泛的技术就是人工神经网络(简称ANN)。ANN是模拟人脑神经元连接的,由大量简单处理单元经广泛并互连形成的一种网络系统,它可以实现对人脑系统的简化、抽象和模拟,具有人脑功能的许多基本特征。目前可以通过该技术分析土壤性质特征,并将其与宜栽作物品种间建立关联模型。土壤性质特征的探测主要是借助非侵入性的探地雷达成像技术,然后利用神经网络技术在无人指导的情况下对土壤进行分类研究,进而建立起土壤类别与宜栽作物的关联关系;土壤表层的黏土含量也可通过人工智能方法预测,该技术通过分析电磁感应土壤传感器获取的信号,使用深度加权方法从中提取土壤表层质地信息,然后使用ANN预测土壤表层的黏土含量。
传统农业对灌溉用水的使用量往往依靠经验,无法根据环境变化进行精确调节,对多目标灌溉规划问题也无能为力。人工智能技术可帮助人们选择合适的水源对作物进行灌溉,保证作物用水量,大大减轻灌溉问题对作物产量造成的不良影响。在美国,有专家研制出一个隐层的反馈前向ANN模型和一个位于科罗拉多州地区阿肯色河流域的消费使用模型,使用它们可勘察区域气候变化对灌溉用水供应和需求可能产生的影响。在灌溉项目研究中,为了选择最好的折中灌溉规划策略,还可基于多目标线性规划优化,利用神经网络将非支配的灌溉规划策略加以分类,将这些策略分为若干个小类别。结果表明,在对多目标灌溉规划问题加以建模时,综合模型方法是有效的。
人工智能技术在产中阶段的应用
在设施农业产中阶段,主要应用是农业专家系统、人工神经网络技术、农业机器人等。这些技术能够帮助农民更科学地种植农作物并对温室大棚进行合理的管理,指导农民科学种植,提高作物产量。这些人工智能技术的使用推进了农业现代化的发展,提高了农业生产的效率,使农业生产更加机械化、自动化、规范化。
专家系统是指应用于某一专门领域,拥有该领域相当数量的专家级知识,能模拟专家的思维,能达到专家级水平,能像专家一样解决困难和复杂问题的计算机(软件)系统。国际上农业专家系统的研究始于20世纪70年代末期的美国,1983年日本千叶大学研制出MTCCS(番茄病虫害诊断专家系统),到了20世纪80年代中期,农业专家系统不再是单一的病虫害诊断系统,美国、日本、中国等国家也相继转向开发涉及农业生产管理、经济分析、生态环境等方面的农业专家系统。农业科研人员把人工智能中的专家系统技术应用到农业生产中,开发出了农业专家系统。它可代替农业专家走进生产温室,在各地区具体指导农民科学种植农作物,这是科技普及的一项重大突破。
在设施生产中可以使用机器人来代替农民进行作物采收,不仅可以降低劳动成本,也可以提高工作效率。Wolfgang Heinemann等人研发出的具有独特设计结构的采收机器人,该机器人可以在无需人类干扰的情况下自动采收白芦笋。为了保证机器人能够精确行进,它使用了2个独立的速度控制轮和级联控制结构(其中包含了一个内部的定位误差控制器和一个外部的横向偏置控制器)。借助PID算法①,机器人系统可以分析自己的运动轨迹,优化驱动电机的控制参数,保证系统能够稳定自主的运行。
在中国,应用人工智能技术的智能杂草识别喷雾系统已经得到了长足发展。图像分析系统通过分析田间图像的颜色模型,根据色差分量②颜色特征实现杂草实时识别,并基于Canny算子对识别到的杂草进行边缘检测,提取其特征参数,配合超生测距等技术可以精确控制喷头位置及用药量[7]。该技术的应用可以大大提高除草剂的经济性,对保护环境也大有益处。
人工智能技术在产后阶段的应用
人工智能技术在设施农业产后阶段也有相当多的应用前景。
在农产品分类方面人工智能技术能提供很好的支持。张嘏伟[8]等提出了一种基于图像识别的番茄分类方法,该方法根据番茄的表面缺陷、颜色、形状和大小,使用遗传算法训练的多层前馈神经网络对番茄进行分类,并与BP训练神经网络③进行了比较。结果表明,遗传算法在训练次数和准确性上都具有优势。谢静[9]等对图像识别分类中的图像预处理方法进行了研究,包括图像噪声去除方法、图像分割方法、边缘提取方法等。提出了使用改进的canny算法④和当量直径法相结合来检测水果大小的新思路,并使用模糊聚类方法处理gabor滤波器提取水果表面缺陷特征,对水果表面缺陷进行了分类。
随着社会的发展,人民生活水平的提高,广大消费者及国家都对食品安全问题越来越重视,农产品质量检测方法也在不断进步。图像识别、电子鼻等技术都应用在了农产品检测中。李洪涛[10]等利用人工嗅觉装置,模拟人的嗅觉形成过程分析、识别和检测农产品在腐败过程中释放的不同特征气体。其制作了小型化的传感器阵列并利用半导体制冷片搭建了一个PID温度控制系统,保证传感器正常工作的温度及湿度。在当前技术的发展下,科学家们以彩色计算机视觉系统为重要技术手段,综合运用图像处理、人工神经网络、遗传算法、模拟退火算法以及决策树、专家系统等人工智能领域的技术,研究出了众多实现农产品品质检测和自动分级的新方法。
草莓、葡萄等农产品很容易破损和受伤,依靠人工采摘和搬运,不仅增加了劳动成本,也影响农产品采摘后的品质。结合磁流变(MR)流体技术,工程师们设计出了一种可用于搬运农产品的磁机器人手爪,该手爪经过精确设计,可以搬运胡萝卜、草莓、西兰花和葡萄等不同形状食品,而且不会在食物表面留下任何淤痕和凹陷。为了让机器人手爪更为快速、准确地工作,在磁流变手爪的基础上结合力传感技术开发出了更为灵活、智能的新型手爪。该手爪可在410~530 ms内抓握50~700 g重量的农作物,还能显著减少细菌的交叉感染。
人工智能发展前景
近年来,人工智能技术已经取得了长足的进步,语音识别、自然语言识别、计算机视觉、自动推理、数据挖掘、机器学习以及机器人学都在蓬勃发展。人工智能的未来就是在智能感知的前提下,结合大数据技术自主学习,椭人们做出决策、代替重复性工作。在农业方面出现全天候全自动平台,实现农业生产的全自动化[11]。物联网技术在设施农业中已经得到普及,在温室大棚中的大量智能传感器是机器感知的基础,而感知则是智能实现的前提之一,通过感知,农业数据源源不断地汇集在一起。云计算的发展为大数据存储和大规模并行计算提供了可能[12],而数据则是机器学习的书本。设施农业是物联网、云计算、人工智能三大技术结合应用的领域之一,它们的结合颠覆了传统农业生产方式。
面对众多的新技术、新成果,把它们投入到生产中去才是关键。如何让技术能够适应中国复杂的农业生产环境,同时还要面对不同知识水平的用户,这些都是人工智能技术、云计算技术等高新技术在农业生产中所面临的问题。设施农业高产出高投入的特点,正适合应用这些新技术,这样既可以让新技术有实践的机会,又可以让其他涉农用户对新技术有直观的感知,这对技术进步和技术推广都很有帮助[13]。
人工智能技术虽然前景光明,但其应用的研究才刚刚起步,离目标还很远。未来,人工智能技术可以更好地为人们服务,改善人们的生活,并带来巨大的社会和经济效益[14]。在人工智能的引领下,农业已迈入数字和信息化的崭新时代,借助其技术优势来提高农业生产的经济效益,是全面实现农业生产现代化、智能化、信息化的必由之路。
参考文献
[1]李雪,肖淑兰,赵文忠,等.信息技术在农业领域的应用分析[J].东北农业大学学报,2008,39(3):125-128.
[2]施连敏,陈志峰,盖之华,等.物联网在智慧农业中的应用[J].农机化研究,2013(6):250-252.
[3]刘现,郑回勇,施能强,等.人工智能在农业生产中的应用进展[J].福建农业学报,2013,28(6):609-614.
[4]姜芳,曾碧翼.设施农业物联网技术的应用探讨与发展建议[J].农业网络信息,2013(5):10-12.
[5]陈超,张敏,宋吉轩,等.我国设施农业现状与发展对策分析[J].河北农业科学,2008,12(11):99-101.
[6]邹承俊.物联网技术在蔬菜温室大棚生产中的应用[J].物联网技术,2013(8):18-24.
[7]石礼娟.基于可见光/近红外光谱的稻米质量快速无损检测研究[D].武汉:华中农业大学,2011.
[8]张嘏伟.计算机视觉系统在番茄品质识别与分类中的研究[D].保定:河北农业大学,2005.
[9]谢静.基于计算机视觉的苹果自动分级方法研究[D].合肥:安徽农业大学,2011.
[10]李洪涛.基于农产品品质检测的专用电子鼻系统的设计与研究[D].杭州:浙江大学,2010.
[11]张震,刘学瑜.我国设施农业发展现状与对策[J].农业经济问题,2015(5):64-70.
人工智能经过60年的发展,经历了不同的发展阶段,在50年代末60年代初,当时的预测是,2020年上个世纪末机器人可能达到人的水平,到目前来看我们已经取得了很大的进步。当时看似不切实际的期望,后来有了初步的进展,进而研讨如何使得人工智能更加有活力,后来发现还是应该与应用相结合,因此才有了各种发展历程。到了70年代,开创了人工智能新应用的局面,解决了一些大的问题,后来也经历过低迷的发展期。今天,人工智能进入了蓬勃发展期,这是我个人对于人工智能近60年的划分,可以划分为六个阶段。
回顾人工智能60年的发展,我总结了五点启示。第一,听起来好像是高大上的说法,任何一个学科发展都有规律,尊重学科的发展规律是科学技术发展的前提。第二,基础研究是科技可持续发展的基石,这是显而易见的。第三,应用需求是科技创新的不竭之源。没有各种专家的出现,不可能有70年代到80年代人工智能的发展。第四,学科交叉是创新突破的捷径,第五,宽容失败,创新应该宽容,因为创新不可能每次都成功。这是我回顾60年人工智能发展得到的启示。所以尽管人工智能近60年的发展道路非常曲折和坎坷,但是发展到今天无论是理论创新还是各种应用,尤其是今天,应该说精彩纷呈。其实现在大家用的手机都有人工智能,所以人工智能发展前景非常好。人工智能的发展现状
第一,互联网和大数据推动人工智能已经进入了新的春天,这是现状。所以大数据对人工智能既有取巧,又提供了深度学习所需要的众多数据,通俗的讲就是人类学习的越多,见的越多,创新就会越多,机器学习也是一样。
第二,有人把大数据比喻成石油,我觉得不太贴切,只是原油加汽油。大数据本身并没有价值,只有通过深加工以后才能升值。如果不对大数据进行及时处理,它就会起负作用。怎么处理,我认为人工智能是对互联网大数据的一个破解。人工智能是新的发展,内部都有科学发展规律。专业人工智能突破,我把专业人工智能定义为面向特定领域的人工智能,比如说它就是图像识别,或者用来识别语音,这个领域的知识比较丰富,功能需求比较单一,发展会很好。
除了人工智能还有智能控制技术。比如自动化、Google的无人驾驶汽车。智能机器人用的是语音识别,语音技术,他们说中文,英文、少数民族语都没问题。语言方面,会说、会听、语音翻译、理解。视觉方面也不错,人脸识别,这还是好几年的CS系统,甚至把灯关了,它的识别效果也不错。人脸识别现在比较火,前不久马云在德国说用人脸识别来刷脸支付。当然不是说人脸识别不好,有时候双胞胎识别不了,儿子和父亲也区别不开。
第三,通用人工智能依然任重道远。人工智能机器很难说比人还聪明,人的大脑既可以识别图像,也可以识别听音乐和语音。既可以擦地、拖地,也可以擦桌子,一脑同用。现有的人工智能系统,可以说有智能没智慧。智慧是比智能更高的、有悟性的。有智商没有情商,对任何情感没有察觉。
第四,人工智能产业化应用蓬勃发展,短短5年时间内,在这个领域的投资已将近1900多万美元,这个领域好找工作。
第五,企业巨头抢滩布局人工智能产业链,大家都在找前景,说明它很火。
第六,人工智能已经上升到国家战略高度。德国工业4.0是2013年提出来的,它的主题就是三个智能,智能工场、智能工业、智能布局。
第七,人工智能的社会影响已引起广泛关注,被认为是本世纪最伟大的科学家之一――霍金,他说人工智能或将威胁人类生存。他是人工智能最直接的受益者。因为身体的原因,他的发声完全通过语音合成。
人工智能的发展趋势
第一,人工智能将使原来的不能变为可能,人类社会形态从农业社会进入工业社会到信息社会是三个阶段,下一阶段进入更高的系统就是智能系统。这是引领,是人类文明发展的趋势,也是社会形态的发展方向,所以我认为人工智能将是大势所趋。
第二,人工智能引领机器革命。第一次机器革命是大数据。第二次机器革命是拓展。
第三,人工智能将重塑产业格局。这是大的发展趋势。“智能+X”将成为万众创新的时尚和潮流。
第四,人工智能将对社会结构产生重大影响,人机协作与共存将成为人类社会结构的新常态。
第五,人工智能将促进信息科技与脑认知科学的深度交叉。对人脑进一步的挖掘和发现,这里面孕育着信息科技的重大变革。
第六,人工智能将与人类智能互补融合,人工智能和人类智能仅一字之差,混合智能将在未来有广阔的应用前景,或者说混合智能是未来智能科学的发展方向。
最后,人工智能社会学将提上议事日程。水能载舟,亦能覆舟,甚至有的时候是魔鬼,走的好把握的好了魔鬼就不会出现。尽管在我们看到的未来人工智能还难以超越人类,但是它对人类社会影响反响很大,这是大的科技革命。
中图分类号:TM73 文献标识码:A
电力电网调度系统对电力系统而言是至关重要的,在电力系统初具雏形时,由于科技落后,电力电网调度系统不是智能的,是由工作人员通过打电话的方法了解各个电力站的运行状况,如果发现电力站的运行发生异常状况,就会凭借工作人员的经验,对发生的异常状况进行处理。现如今,科技水平不断发展,自动化技术也不断地更新,电力电网的智能调度系统在电力系统中也得到了应用,并取得了一定的成效。与传统电网系统相比,电力电网的智能调度系统不是孤立存在的,它是一个实时动态的系统,可以有效地进行分析和调控电力系统,当电力站发生故障时,电力电网的智能调度系统可以更加精准和及时地对故障分析和处理,更加快捷方便,可以更全面地了解电力电网的运行状况。
一、电力电网智能调度系统概述
(一)电网调度系统自动化的现状和前景
在科学技术不断发展的今天,电网调度系统已由最初单纯获取电力系统的数据转换为全面了解电力电网的运行状况,成为了能量管理系统。虽然我国科学技术水平在不断的发展,但是技术理论仍然不是很先进,导致电网调度系统的自动化和智能化程度仍然不是很高。因此,如何更好地运用现代科学技术,完善电力电网的智能调度系统,使电力电网的智能调度系统更加高效便捷,实现真正的智能,这将是电力系统的未来趋势。
(二)电力电网系统智能调度的概念
电力电网系统智能调度就是指调度系统可以对电力系统的电网的每个状态进行自动获取,综合了解其中的变化,协助电力调度员的管理,使电力调度员操作更加便捷精准,便于获取最好的方案,从而保证电网的安全运作。电力电网系统智能调度系统的功能不单单是基础的电力系统的稳态分析,在电力系统发生突如其来的故障时还应该具有一定的分析功能,可以及时帮助电力调度员解决故障,并且还应该可以兼容日益发展的运行系统。新型的电力电网系统智能系统比如今使用于电力系统中的调度系统更加复杂,更加庞大。新型的电力电网系统智能系统不单单需要电力系统中各个系统相互独立,却有相互统一,各个系统间可以互相帮助,除此之外,还要求新型的电力电网系统智能系统有兼容第三方软件的能力,该系统的最终构架应该是一种开放式的软件体系。
二、 人工智能在电网调度系统中的应用
(一)人工智能的概念
人工智能又名机器智能,融合了计算机科学、数理逻辑、控制论、信息论、神经生物学以及语言学等多门学科的知识理论,最终发展而成的一门综合性学科。人工智能的主要目标就是运用人类的智慧,使计算机系统日益的先进,逐渐使计算机系统表现出人类的一些基本智能行为。科学家进行了大量的科研实验,实验结果表明,人工智能技术发展的速度也越来越快,已经广泛地应用与各行各业,并发挥了显著的效果。不可否认,人工智能必将是未来的发展趋势。
(二)人工智能系统方法分类
二十世纪八十年代初,人工智能技术刚刚崛起,不断地应用于电力系统以及电力系统的相关行业中,主要原因如下:
1电力系统在当时那个年代就已经拥有了很大的规模,数据处理十分的繁琐,并且系统要求动态实时性,凭借当时的计算机水平根本没有办法快速获取计算结果,严重拖累了电力系统的工作效率。
2电力系统的非线性根本没有办法凭借当时的计算机水平建立出精确的线性数学模型。
3由于当时科学技术水平不是很发达,大多数人对电力系统不是十分了解最终导致电力系统行业中存在很多模棱两可的问题。
4由于当时科学技术水平不是很发达,很多电力系统的专家只能根据自己的经验对电力系统进行分析,根本无法运用精确的数学进行描述。与传统的计算不同,人工智能算法是以解决知识中所存在的问题的方法为基础,解决了传统计算方法的缺点。因此,人工智能应用于实际的电力系统中是十分必要的。
(三)人工智能在电网调度系统中的应用以及方法:
1 专家系统
在二十世纪六十年代,专家系统作为人工智能在电网调度系统中的应用的重要分支开始兴起,专家系统顾名思义,这个系统拥有极其接近人类思维模式的智能系统,可以很好地进行分析和推理,就犹如一些拥有丰富经验和渊博知识的专家,在特定的区域里凭借区域内固有的数据库对问题进行合理的分析,最终提出适当的问题解决方案。在专家系统应用于电力电网调度系统中,应该包括电网的管理、对电力系统进行综合的监测作用、对故障进行分析并及时提供解决意见等。
2 人工神经网络
人工神经网络顾名思义,就是一种类似于人类大脑的神经网络,人工神经网络可以对给与的信息进行适当合理的分析,并且处理,最终演变成数学模型,人工神经网络的本身就是对自然界某种算法或者函数的逼近,也可能是一种逻辑表达方式。人工智能神经网络与人类的大脑十分相似,具有一定的自学和联想能力,可以快速地根据特定的规律推算出大致的结果。人工神经网络已经广泛应用于人工电力电网系统的动态控制与诊断、状态数据估计等很多的相关领域,并取得了一定的成效,而其中的人工神经网络的预测估计分析技术已经十分的完善。
3 遗传算法
遗传算法就是根据达尔文生物种族进化论中遗传机制和自然选择学机理的生物进化过程进行模拟最终获取相应的计算模型,遗传算法可以通过模拟自然进化过程分析获取最好的解决方案。具体方法如下:
(1)选取一定数量的候选集。
(2)根据一定的条件,计算出这些候选集的应用范围。
(3)根据计算所得的应用范围适来确定符合应用范围的候选集。
(4)加工处理符合应用范围的候选集,最终形成新的候选集。
在整个遗传学算法中,达尔文自然选择学机理中的“适者生存”一直贯穿始终,遗传算法凭借自身十分优异的计算和处理功能,已经广泛地应用于电力电网系统中。
4 Agent技术
Agent技术是一种智能计算实体,在分布式系统中拥有灵活性、主动性、反应性、交互性和自主性。Agent体系结构是一种自主行为实体,单纯凭借现今的计算机水平,很难准确对Agent体系结构进行描述,其大略可分为三种类型,是混合式体系结构、反应式体系结构和审慎式体系结构。如今,反应式体系结构是其中主要的研究对象,事件处理系统、方法集合和内部状态集组成了反应式体系结构。具备良好适应性和开放性的Agent技术作为在新一代调度自动化系统,发展前景不可小视。
对于同类发电机组而言,综合考量其安全性能、经济效益和环保指标等要素,可以分别表示出机组的可靠性能R、经济效益标准E、环境标准D,以及热电比例H,依次用a表示其权值。那么可以得出:I=a*(R+E+D+H),其中每个权值的和为1。
设定机组工作的经济程度与出力之间的关系为函数E(P),那么用来指代系统经济性能的公式可以表示成:E=E(P max)/ P max。
系统的环保性指标可以用单位排放的污染气体总量来表示;系统的热电比是将单位出力表示为热量数值,设定热电之间转化的关系函数H(P),那么可以得出:H=H(P max)/ P max。
(四)Agent技术的发展前景
分布式的Agent技术就是将能量管理系统模块封装成Agent,使智能电网调度拥有更强的自治性和可移植性,从而在一定程度上解决了智能电网调度的一些问题。现如今,学者对人工智能技术不断深入地研究,从而使其更加广泛地应用于电力系统中,并取得了一定的效果。在科学技术不断发展的背景下,Agent技术一定会拥有更广阔的前景。
三、 国内外电力电网智能调度系统的研究现状
在二十世纪九十年代,Dy-Liacco作为“现代能量控制中心”概念的创始人,十分全面地论述建立了电力电网智能调度系统的文献,在文中提到想要解决电力系统中存在的一些问题,应该用智能机器调度员替代人工调度员,除此之外,文中还提到要综合仿真培训和自动学习等功能,从而使电力电网自动运行。在我国,卢强院士最先提出了“数字电力系统”的概念,主要讲诉的是正常情况下电力电网智能调度系统对电力系统的监管的分析的功能等;华北电力大学的杨以涵教授则带领自己的科研组进行电力系统的研究,基于“数字电力系统”的概念,分析电力系统中电网会出现的故障,以及安全方面等进行了探讨,最终形成了建立以分析和解决电网故障的“调度机器人”的思维模式。
结语
综上所述,电力电网调度系统对电力系统而言是至关重要的,电力电网的智能调度系统是一个实时动态的系统,可以有效地进行分析和调控电力系统,当电力站发生故障时,电力电网的智能调度系统可以更加精准和及时地对故障分析和处理,更加快捷方便,可以更全面地了解电力电网的运行状况。本文对电力电网智能调度系统做了简单的介绍,对电力电网智能调度系统的具体应用进行了探讨,希望本文可以给相关电力电网工作者甚至是研究者带来一定的参考作用,使电力电网的智能调度系统更加完善,可以更好地应用于电力系统中。
参考文献
如果说互联网金融已经开始动摇传统金融的根基,那么金融科技将彻底颠覆传统金融的所有领域。围棋是最复杂、需要开动最强大脑的比赛,而人工智能却能轻易战胜世界冠军,那么金融领域包括分析师等最高端岗位都可能被人工智能取代。
金融分析师面临的挑战
金融数据服务商Kensho创始人预计,到2026年,有33%~50%的金融业工作人员会失去工作,他们的工作将被电脑所取代,这其中就包括金融业高端服务的金融分析师。而特许金融分析师协会(CFA协会)是通过考试来“生产”世界上最权威、最专业金融分析师的摇篮。CFA证书是投资从业者的“黄金标准”。投资从业者希望通过获得CFA认证,可以更深入地了解市场,获得更好的工作岗位和更高的薪酬。
如果人工智能替代金融分析师岗位,那么不远的将来CFA证书或许将一文不值,CFA协会也将最终被人工智能金融所淘汰。全球金融分析师包括CFA证书持有者都正面临空前的危机。他们的危机同样是CFA协会的危机。这促使CFA协会主动出击,主动拥抱人工智能金融。
CFA协会将人工智能等内容加入考纲,希望持证人能充分利用人工智能指导投资决策。近期,CFA协会分管资格认证的执行董事Steve Horan称,协会计划将人工智能、智能投顾以及大数据分析方法纳入CFA考试大纲,新的知识点将在2019年CFA考试中出现。
CFA考试纳入人工智能等内容能否起作用
实际上,即使纳入大纲也不一定能够挽救金融分析师及其组织的命运。因为人工智能不仅被引入到金融行业,而且正在对各行各业,甚至是有些看似非常高大上的行业构成严重冲击。我们不妨看几个例子。
2016年,最热闹的事件莫过于谷歌Alpha Go大战李世石。但不为众人所知的是,2016年IBM的沃森(Waston)通过阅读医学文献,成功救治了一位日本患者。也就是说医生这个职业被人工智能取代的可能也非常大。
法律工作者似乎也不能幸免。摩根大通设计了一款金融合同解析软件COIN。这款软件上线半年多,此前律师和贷款人员每年消耗36万小时才能完成的工作,如今COIN只需几秒。
金融数据服务商Kensho的程序可以迅速告知人们,在发生冲突的时候,石油、货币等各类资产,在过往是如何表现的。Kensho开发的程序做这份工作只需要1分钟,而分析师们需要40个小时,且这些分析师还拿着35万~50万美元的薪水。
目前,欧洲地区、美国、日本正在研究能够读研报、分析研报的沃森,它既能跟踪市场资讯与价格波动,又能眨眼之间就告诉投资者什么时候买入什么股票。最可怕的是,它不会抱怨,不会要求加薪。
一个报道的描述非常形象:当你在吃饭的时候,机器人在读研报;当你在喝咖啡的时候,机器人在读研报。机器人不会疲惫,不用休息,可以通宵达旦。对于分析常用的股票估值模型,人工智能用了之后更快,用得更嗜贰
从被动应对到主动变革
DOI:10.16640/ki.37-1222/t.2017.07.119
0 简介
人工智能((Artificial Intelligence)),它是一门新的技术科学,主要用于模拟、延伸以及扩展人类的智能的方法、理论、技术以及应用系统。人工智能主要就是对人类的思维、意识的信息过程的合理化的模拟。人工智能它并不是人的智能,但是,它却能像人那样的思考,而且也可能会超过人类的智能。总的说来,人工智能研究的一个主要目标是使机器能够胜任一些复杂工作。
1 人工智能的运用现状
目前,在很多方面人工智能有着运用,其中一个主要表现就是全球人工智能公司数量在急剧的增加,专家系统在目前来看是在人工智能各领域中最为活跃,且最为有成效的一个领域。它是一类基于知识的系统,并可以解决那些一般仅有专家才能够解决的复杂问题。我们这样定义专家系统:专家系统是一种具有特定领域内大量知识与经验的程序系统,它是基于程序系统依靠人工智能技术,来模拟人类专家求解复杂问题的过程,大多情况下,专家系统的水平甚至可以超过人类专家。专家系统的基本结构图如下图所示:
2 人工智能的影响
人工智能对经济的影响:人工智能的的确确会影响到社会、生活、文化的方方面面,特别是对于实体经济将来会有巨大的影响。以后,每个行业几乎都会产生颠覆性的变化。在人工智能的研究上,中国并不落后,将来的中国一定可以从中获得非常大的收益。一成功的专家系统可以为它的用户带来很明显的经济效益。用比较经济的办法执行任务而不需要具有经验的专家,从而极大地减少开支。专家系统深入各行各业,带来巨大的宏观效益,促进了IT网络工业的发展。
人工智能对文化的影响:在人工智能原理的基础上,人们通常情况下会应用人工智能的概念来描述他们的日常状态和求解问题的过程。人工智能可以扩大人们知识交流的概念集合,描述我们所见所闻的方法以及描述我们信念的新方法;人工智能技术为人类的文化生活提供了巨大的便利。如图像处理技术必将会对图形艺术和社会教育部门等产生深远影响。比如现有的智力游戏机将会发展成具有更高智能的一种文化娱乐手段。随着技术的进步,这种影响会越来越明显地表现出来。当然,还有一些影响可能是我们目前难以预测的。但可以肯定,人工智能将对人类的物质文明以及精神文明产生更大的影响。
人工智能对社会的的影响:一方面,AI为人类文化生活提供了一种新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段,今天,游戏中的人工智能应用已经深入到各大游戏制造商的开发中。另一方面,人工智能能够代替人类进行各种脑力劳动,所以,从某种意义上来讲,这将会使一部分人失去发展的机遇,甚至可能失业。由于人工智能在科技以及工程中的应用,一部分人可能会失去介入信息处理活动的机会,甚至不得已而改变自己的工作方式;人工智能还可能会威胁到人类的精神。一般人们觉得人类与机器的区别就是人类具有感知精神,但如果有一天,这些相信只有人才具有感知精神的人也开始相信机器能够思维和创作,那他们就会感到失望,甚至于感到威胁。他们会担心:有朝一日,智能机器的人工智能可能会超过人类的自然智能,从而使人类沦为智能机器的奴隶。
3 人工智能的发展趋势
有机构预测,2017年人工智能投资将同比增长300%以上,在技术上将会更迅猛发展,工控自动化商城的智能语音、智能图像、自然语言以及深度学习等技术越来越成熟,就像空气和水一样将会逐步地渗透到我们的日常生活。行业专家关于2017年人工智能的发展方向主要有以下几点:(1)机器学习目前正在被应用在更复杂的任务以及更多领域中,且被更多的人作为挖掘数据的方式。无监督的学习会取得更多进展,但也存在很大的挑战,故在这一方面离人类的能力还是差得很远的。计算机在理解和生成自然语言方面,预计最先会在聊天机器人和其他对话系统上落地。 (2)深度学习、其他的机器学习、人工智能技术的混用,是成熟技术的典型标志。将深度学习应用到医疗领域中(医疗图像、临床数据、基因组数据等),各种类型数据上的研究以及成果将会大大的增加。 (3)聊天机器人和自动驾驶汽车可能会取得较大的进展,预计更多人类基准将会被打破,特别是那些基于视觉以及适合卷积神经网络的挑战。而非视觉特征创建和时间感知方法将会变得更加频繁、更加富有成果。
4 结论
人工智能是人类长久以来的梦想,同时也是一门富有挑战性的学科。尽管人工智能带来很多问题,但当人类坚持把人工智能只用于造福人类,人工智能推动人类社会文明进步将毋庸置疑。就像所有的学科一样,人工智能也会经历各种挫折,但只要我们有信心、 有毅力,人工智能终将成为现实,融入到我们生活的方方面面,为我们的生活带来更大的改变。
参考文献:
[1]朱祝武.人工智能发展综述[J].中国西部科技,2011,10(17):8-10.
【关键词】
人工智能;计算机网络技术;运用
引言
到目前为止,我国的很多领域都已经开始了人工智能技术的应用,人工智能的技术应用大大方便了我们的生活,同时,也实现了生产和服务领域的革新和进步,对我国整体的科技进步和发展发挥了重要作用。
1人工智能简介
1.1概念
人工智能是在近些年逐步兴起和开始被大家熟知的技术名词,人工智能主要应用在人工模拟操控以及实现人的智能性扩展和延伸,人工智能综合了相关领域的智能性技术、智能操作方法以及智能技术应用,属于一门综合性较强的技术类应用科学。属于一门独立的新型技术学科。人工智能主要的应用载体为计算机,通过技术研究尝试实现计算机实体发挥出人的智能,实现对人的智能性模拟应用,智能性延伸和扩展。从根本上来讲就是寻求高应用技能的计算机,通过科学的设计和新型的建造方式实现计算机应用系统的高智能水平发挥。人工智能的概念是以人类智能为参考的,主要的应用方法是利用人工技术,通过人类智能行为的计算机开发和引入,综合性研究的科学载体。近些年来,伴随着计算机软硬件的技术更新发展速度不断加快,计算机的实际应用速度和效率不断提高、实际的资源存储能力不断提高,同时,实际的网络技术普及促使电子类产品价格不断下降,许多人工无法短时间内快速完成的任务通过计算机已经可以轻松搞定,人工智能也由此拥有了更多的现实应用能力和基础。目前,我国的人工智能研究主要集中在三个重要领域,其中包括了智能化的接口设计、智能化的数据搜索以及智能化的主体系统研究[1]。
1.2接口技术研究
为了实现更加便捷自然的人工智能交流技术应用,智能接口技术的研究在近些年来越来越受到关注。数据的提炼和有效信息的挖掘技术需要从大量模糊和随机的数据中进行有效信息提取,从而实现对潜在和隐含信息中有价值数据的搜索和提炼的过程。所以,这一过程就需要搜索的主体具有一定的意念、选择性能力以及辨识方法,属于一个智能化的概念主体。同时具有明显的自主性特征。通过对人类大脑智能化识别以及模糊数据处理功能模仿,实现智能化计算机的应用。未来,人工智能将会在人工神经网络中进一步应用和普及,成为未来可具发展潜力的全新领域。在人工智能技术应用过程中,包含了语言信息自动处理、定理化的自动证明以及智能化信息检索和问题解答等等。所以,人工智能应用中人机关系的变化将会进一步对人们生活方式以及生产模式产生重要影响,成为整体信息技术发展的新方向和新课题。在新的发展阶段,人工智能也将拥有新的应用领域需要出现[2]。
2人工智能在网络技术中的应用
在网络安全领域,人工智能技术应用也逐步广泛发展起来。互联网信息时代人们的交流和联系日益密切起来。人们的生产生活也因此大为便捷。但是,信息交流沟通的便利性加大的同时也必然引起网络信息的安全系数降低,网络安全隐患多种多样。所以,人工智能技术的网络安全维护应用将成为重要的突破口,大大提高网络安全系数,同时实现网络安全性能的提高,对用户的信息安全进行充分保护。人工智能最突出的特点就是对于不确定性信息以及不可知性信息的理解以及整合能力较高,这些都是可利用在网络安全维护中的重要技术优势。能够很好的对入网访问者进行智能识别,提高信息的安全和稳定性[3]。同时,人工智能技术还可以很好的应用到计算机网络信息服务领域中,一般被称为智能信息处理技术,通过这一技术的融合可以有效提高人工智能的个性化任务设置,丰富实用方式,提高综合服务水平。在软件方面,各类新型开发工具都在不断应用,人工智能的领域化拓展速度不断加快,在硬件方面,技术革新带来了性能的不断提高,同时价格也在不断降低。
3结论
综上所述,我国的人工智能科学技术在很多领域的应用已经得到了很大的突破,科学技术与计算机网络都是在人工智能发展过程中得到自身应用拓展的重要组成。通过以人工智能计算机网络应用模式的分析和研究,进一步为人工智能的未来发展提供理论研究和参考价值。
作者:谷世红 毕然 单位:石家庄信息工程职业学院
参考文献