F 技术专题eat rues论文引用格式：贺倩. 人工智能技术发展研究J. 现代电信科技，2016,46（2）：18-21+27.HE Qian. Development of artificial intelligence technologyJ. Modern Science development trend; application; industry1 引言产生活提供了良好的基石，进一步促成了人工智能技术的应用和推广。目前人工智能作为一种前沿学科在整个计算机目前对于人工智能的定义还存在一定的争论，科学领域正处于被极度关注的情况。一方面，因为在学术界通常还区分为“强人工智能”和“弱人工智现如今科技的飞速发展使得人们生活的需求在不断能”两个定义。其中弱人工智能是基于数学进行问题变化，单纯的计算机技术似乎已经无法满足人们的求解的机器学习算法，程序设计者预测会出现的情需求。计算机不仅要提供更加智能化的服务，而且况，然后做出应对方案，由机器判断符合条件与否并还要提供更加人性化的服务，只有这样才能逐渐满加以执行。而强人工智能要求程序有自己的思维，能足人们日益增长的使用需求。另一方面，因为科学够理解外部事物并自发做出决策甚至行动，其表现进展的有利条件已经给人工智能技术进入人们的生就像一个“人”一样，甚至很可能比人的反应更杰出、18 April 2016 Vol.46 No.2M 现代电信科技 ODERN SCIENCE ?=A=D =图 1 人工智能发展历程2016 年 4 月 第 46 卷 第 2 期19F 技术专题eat rues国际人工智能技术与应用的发展主要由几个主要的互联网公司进行推动。谷歌公司：基于人工神经网络进行研究，开发出了一种新型的学习算法，能够模仿人脑学习和记忆的原理，并且能够对数据进行归纳整理以及进一步预测推断等能力。在自动驾驶领域，2016 年 3 月，谷歌公司研制的自动驾驶汽车成功完成总计约 150 万英里的路测。而在语音识别领域和图像识别领域，其开发算法的精准度得到了进一步的提升。Facebook 公司：致力于通过人工智能技术进行用户数据分析以提升用户体验，主要布局基于用户信息和关系的人工智能算法演进，同时关注于图像识别和自然语言处理，其脸部识别算法的准确度已达到 97%。IBM 公司：依托自身计算基础重点部署大规模计算能力，研制能模拟人类大脑的芯片，该芯片有一百万个神经元，2.56 亿个神经突触和 4 096 个神经突触内核2。除此之外，近年国际上已经陆续开展了人脑模拟和研究的计划，一方面通过模拟人脑促进医学进展，另一方面通过研究人脑的学习机制助推学习算法、人机交互以及神经计算的进一步发展。2.3国内发展态势目前我国的互联网企业中阿里巴巴和腾讯把更多的精力放在了横向圈地动作上，以求获得更多的连接面，百度则持续以技术为核心，聚焦纵向，进行人工智能和深度学习领域的布局。百度云结合深度学习技术提供的人脸识别及检索技术，使用类似人脑思维的方式去识别、搜索图片中的物体和其他内容。语音识别系统可以在嘈杂环境下实现将近 81% 的辨识准确率。同时百度已经建成称为“百度大脑”的大规模深度神经网络，目前可以理解分析 200 亿个参数，达到了两到三岁儿童的智力水平。纵观我国人工智能技术与产业发展，中科院自动化所、清华大学、百度、科大讯飞等科研机构和公司均已经开展深度学习理论算法、建模等方面的研究，有关人脑网络结构与认知结构的研究也开始开展。国防科技大学、中航科工、百度、科大讯飞等企业的部分人工智能相关技术开始实现产品化应用。3 人工智能核心技术分析3.1 数据挖掘与学习当面对大量的数据需要进行深度数据挖掘、明晰数据之间的联系时，通常采用的方法是人工智能的一个重要分支机器学习。机器学习是研究如何使用计算机模拟或实现人类的学习活动。基于人工神经网络的深度学习目前已经广泛应用，正是由于神经网络具有多神经元、分布式计算性能、多层深度反馈调整等优势，才能够针对海量数据进行计算和分析，通过数据训练形成模型，其自主学习的特性，非常适用于基于智能关联的海量搜索。3.2 知识和数据智能处理知识处理时使用最多的技术是专家系统。它将探讨一般的思维方法转入到运用专门知识求解专门问题，实现了人工智能从理论研究向实际应用的重大突破。专家系统可看作一类具有专门知识的计算机智能程序系统，它能运用特定领域中专家提供的专门知识和经验，并采用人工智能中的推理技术来求解和模拟通常由专家才能解决的各种复杂问题3。3.3人机交互人机交互中主要应用到的技术包括机器人学和模式识别技术。机器人是模拟人行为的机械，是当前智能化领域发展较为先进的技术。而人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式。其主要的研究对象是计算机模式识别系统，20 April 2016 Vol.46 No.2M 现代电信科技 ODERN SCIENCE & TECHNOLOGY OF TELECOM M UNICATIONS也就是让计算机系统能够模拟人类通过感觉器官对外界产生的各种感知能力。4 人工智能应用和产业发展分析4.1 自动驾驶自动驾驶系统是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它利用车载传感器来感知车辆周围环境，并根据感知信息获得的道路、车辆位置和障碍物信息，依靠车内智能驾驶仪进行控制车辆的转向和速度，从而使车辆能够实现安全行驶4。随着人工智能、自动控制、定位技术以及传感器技术等领域的飞速发展，汽车逐渐向以智能化为核心的轮式机器人的发展，人与车、车与车、车与物的交互方式逐渐改变。自动驾驶及其相关领域在国外起步较早，也有了一定的研究基础。汽车制造商如宝马公司在 2009 年就启动对于自动驾驶汽车的研发，在 2011 年其原型车就已经完成了高速公路测试。互联网公司如谷歌从 2005 年开始研究自动驾驶技术，经过多年研发技术已经相对成熟，2015 推出完全通过软件和传感器实现自动驾驶的汽车。在国内，百度是主要进行自动驾驶研究的公司，百度基于地图服务、深度学习技术、图像识别技术，计算视觉等方面的积累优势，与宝马公司共同合作研发智能自动驾驶汽车，并在 2015 年已完成实际道路的上路测试。4.2 自然语言处理自然语言处理的主要目标是让人类语言能够更容易被计算机识别、操作，其主要应用包括信息抽取、机器翻译、摘要、搜索及人机交互等5。在一个自然语言处理系统中,识别率并不是唯一的指标，识别率的好坏不能完全决定自然语言处理平台的性能。对于整个系统来说，文字和语言的识别应具有学习能力，基于自主学习的自然语言处理系统才能具有良好的自适应性、跨平台性以及跨语种性。所以，从 2006 年开始，研究者们开始利用深层神经网络在大规模无标注语言源上进行无监督学习，在形式上把每个词表示成一个固定维数的向量，当作词的本身特征，在此特征基础上，进行架构设计、分词标注、分块、命名实体识别、训练网络及语义角色标注等操作。以这样的方法进行自然语言处理可以实现高计算速度的大数据处理，而如果使用多任务模式进行计算还能进一步提升系统的计算和处理速度。4.3 图像识别时至今日，图像和视频已成为互联网主要的信息媒介形式之一，图像识别也随之成为各种互联网应用逐渐开始关注的技术领域，其中两个核心问题是图像分类和物体检测。图像分类是对图像整体的语义内容进行类别判定。物体检测是定位图像中特定物体出现的区域并对其类别进行判定。与图像分类相比，物体检测更加关注图像的局部区域和特定的物体类别集合，通常被视为更加复杂的图像识别问题。两项技术在围绕图像内容的信息检索、广告投放、用户分析、商品推荐等互联网应用中大有用武之地。目前，百度采用深度卷积神经网络作为模型，并在构建的近 1 亿图片样本上进行端到端的学习，已经可以识别超过 5 万的标签，在已知公开报道的同级别模型中，该模型性能远超公开的性能指标。除此之外，目前百度还正在进行图像的自然语言描述方面研究。利用百度的深度学习能力，结合卷积神经网络和递归神经网络技术百度成功地实现将图像内容生成自然语言的描述性句子或段落，从而在高层语义层面建立了图像和自然语言之间的桥梁。4.4 智能机器人智能机器人的研制始于 20 世纪 90 年代末，并迅速开展相关研究工作。2005 年，意大利比萨大学研制出表情机器人 FACE，并将其应用于自闭症辅助治疗等领域。（下转第 27 页）2016 年 4 月 第 46 卷 第 2 期21M 现代电信科技 ODERN SCIENCE & TECHNOLOGY OF TELECOM M UNICATIONS总之，政府职能部门应以监管为核心，加强政府与企业、企业与市场、企业上下游的协作，打通新型智能终端产业链。在助力优质企业成长的同时，打击黑色产业链，大幅度降低安全事件的发生概率，发展新型智能终端良性生态系统，构建网络空间命运共同体。参考文献12014 绿盟科技 DDoS 威胁报告 EB/OL. 2015-03-05. http:/www. nsfocus.com.cn/content/details_62_1091.html.2Denis Foo Kune,John Backes, Shane S. Clark, et al. Ghost Talk: Mit-igating EMI Signal Injection Attacks against Analog Sensors C. 2013 IEEE Symposium on Security and Privacy, San Francisco, CA, USA, MAY 19-22,2013.3 Nadia Heninger, Zakir Durumeric, Eric Wustrow, et al. Mining YourPs and Qs: Detection of WidespreadWeak Keys in Network Devices”C. Proc. 21st USENIX Security Symposium, Bellevue, WA, USA, Au-gust, 2012.4 腾讯安全中心 . ZigBee 安全探究 EB/OL. 2015-08-10. http:/drops.wooyun.org/tips/7839.5赵 婷 婷 . 全 球 首 例 ！ 菲 克 因 黑 客 风 险 召 回 140 万 辆 EB/OL. 2015-07-27. http:/www.pcauto.com.cn/news/679/6792313. html.6解放军全军禁用智能穿戴设备EB/OL. 2015/05/20.http:/digi.163. com/15/0520/10/AQ25AH4F00162Q5T.html.7 网 络 安 全 法 （草 案）EB/OL.2015/07/06. http:/www.npc.gov. cn/npc/xinwen/lfgz/flca/2015-07/06/content_1940614.htm.作者简介罗璎珞：注册信息系统安全专家（CISSP），从事网络安全与智能终端制造行业十余年，多次承担运营商安全风险评估和加固项目，现就职于中国信息通信研究院泰尔终端实验室信息安全部，主要从事移动互联网安全相关研究。潘 娟：高级工程师，硕士，毕业于北京邮电大学信息通信工程学院，现任中国信息通信研究院泰尔终端实验室信息安全部主任，主要从事移动互联网安全、业务应用、终端机卡接口、移动支付等相关技术研究、标准编写、测试平台搭建的工作，在各类学术期刊上