人(rén)工(gōng)智能(néng)在未來的應用亮點

• 2020/12/21

什麽是人(rén)工(gōng)智能(néng)？簡單講就是用計算機實現人(rén)的頭腦功能(néng)，既通(tōng)過計算機實現人(rén)的頭腦思維所産生的效果，人(rén)工(gōng)智能(néng)算法所要(yào)處理的問(wèn)題，以及處理後的結果是不可(kě)預測的。

目前之所以在社會上(shàng)把普通(tōng)的模式識别，機器人(rén)技術(shù)混同于人(rén)工(gōng)智能(néng)，其根本原因就是對人(rén)工(gōng)智能(néng)的概念不清楚，因此把一(yī)切先進的技術(shù)統統歸屬于人(rén)工(gōng)智能(néng)，這(zhè)反而會影響人(rén)工(gōng)智能(néng)的發展。

人(rén)工(gōng)智能(néng)在未來的應用亮點

1、三維立體移動目标識别

20多年(nián)前在我們的研究室裏有一(yī)個三維移動物(wù)體識别課題組，當時(shí)從(cóng)事這(zhè)個研究的所有人(rén)都(dōu)知道(dào)，三維移動物(wù)體識别技術(shù)是應用于軍事方面。1991年(nián)海(hǎi)灣戰争爆發後，曾經有這(zhè)樣的媒體曝光(guāng)，美國(guó)的載有導彈的戰機曾經對準一(yī)列民用火(huǒ)車發射導彈，但(dàn)是很(hěn)萬幸沒有擊中火(huǒ)車。2003年(nián)第二次海(hǎi)灣戰争中，媒體再一(yī)次報道(dào)出美國(guó)的載有導彈的戰機對準一(yī)列民用火(huǒ)車發射導彈，準确的将這(zhè)列火(huǒ)車擊毀造成大量的傷亡，面對手無寸鐵的乘客所坐(zuò)的火(huǒ)車，接連兩次的發射導彈如(rú)此殘忍其目的何在？研究三維移動物(wù)體識别的研究者深知，美國(guó)是在展示其三維移動物(wù)體識别的技術(shù)，因為(wèi)使用GPS定位技術(shù)隻能(néng)對固定目标進行(xíng)跟蹤，對于移動目标必須依靠三維移動物(wù)體識别技術(shù)。

在1991年(nián)的第一(yī)次海(hǎi)灣戰争中使用的三維移動物(wù)體識别技術(shù)是通(tōng)過将三維物(wù)體的三個方向上(shàng)的圖像輪廓的特征向量值進行(xíng)登錄，在識别三維移動物(wù)體時(shí)，把攝取到的三維物(wù)體的任何角度的圖像的輪廓的特征向量值與登錄的特征向量值進行(xíng)比對，求出近似值，這(zhè)種算法在正常情況下(xià)會得到比較好的識别結果，但(dàn)是，在正式的戰争環境下(xià)，周圍炮火(huǒ)濃濃，硝煙彌漫，所攝取的移動物(wù)體的圖像幹擾很(hěn)大，尤其是通(tōng)過輪廓識别圖像本身違背了(le)信息學的原理，用一(yī)維的方法識别二維圖像，由于信息量不夠，如(rú)果圖像的輪廓部分有一(yī)點幹擾，就會出現截然不同的識别結果。因此，在第一(yī)次海(hǎi)灣戰争中美國(guó)試驗打擊移動目标的結果沒有達到預期的效果是可(kě)以理解的。

在2003年(nián)的第二次海(hǎi)灣戰争中，在移動物(wù)體識别技術(shù)中導入了(le)人(rén)工(gōng)智能(néng)算法，可(kě)針對由于惡劣的環境造成圖像的嚴重幹擾的情況下(xià)，可(kě)以非常準确的打擊移動目标。

當前通(tōng)過無人(rén)駕駛飛機對地(dì)形地(dì)貌的測繪，自(zì)動搜索遇難人(rén)員(yuán)等都(dōu)需要(yào)具有人(rén)工(gōng)智能(néng)的三維移動物(wù)體的識别産品，這(zhè)樣的高端技術(shù)産業具有很(hěn)高的商業價值。

2、自(zì)動股票交易基金(jīn)對沖以及金(jīn)融預測

在社會上(shàng)最具有價值的技術(shù)是預測技術(shù)，因為(wèi)正确的預測股市将可(kě)獲得巨額财富，然而事與願違正确預估股市結果的算法卻并不能(néng)滿足人(rén)們的需要(yào)，因此，在預測方法上(shàng)哪怕有一(yī)點技術(shù)進步都(dōu)将是非常重要(yào)的，美國(guó)的一(yī)些号稱軍事機密的預測算法，在公開(kāi)後我們會感到這(zhè)些算法即使在當時(shí)并沒有想象之中的那(nà)種高水平的技術(shù)進步。

但(dàn)是進入人(rén)工(gōng)智能(néng)的時(shí)代，預測技術(shù)将展現突出的颠覆性的效果，首先在最佳預測的概念上(shàng)顯示其進步性，以往人(rén)們渴望着得到一(yī)個最佳的預測值，然而，根據數(shù)學上(shàng)的最佳化的理論，最佳化解一(yī)定是建立在給出的某一(yī)邊界條件上(shàng)的最佳化。人(rén)工(gōng)智能(néng)的最佳化預測值就是建立在預測者對社會諸因素的了(le)解，對預測目标的認識程度，以及個人(rén)的智力情況等等諸因素以及諸條件的影響為(wèi)邊界條件所得到的最佳化值，而且這(zhè)個最佳化的值一(yī)定是超越人(rén)的本身所能(néng)得到的解，這(zhè)将把預測理論推向了(le)最高階段。

首先人(rén)工(gōng)智能(néng)所以能(néng)在最佳化預測上(shàng)具有突破性，其一(yī)是運用了(le)概率自(zì)組織理論，颠覆了(le)傳統的統計學的預測。其二是運用了(le)模糊數(shù)學的空間(jiān)映射理論，可(kě)以把預測者對社會諸因素與預測對象的關系的認識通(tōng)過Membership函數(shù)定式溝建成社會模型，可(kě)以把有關對預測産生效果的社會學，哲學，曆史學甚至易學中所提煉出的經驗在人(rén)工(gōng)智能(néng)的最佳化預測系統中都(dōu)可(kě)以定式，都(dōu)可(kě)以起到對最佳化預測的作(zuò)用。其三是可(kě)以建立社會性的專家系統，針對預測對象建立大型的社會性的大專家庫。其四是利用傳統的相關分析，回歸分析等算法。一(yī)句話在人(rén)工(gōng)智能(néng)的最佳化預測系統中是将所有與預測有關的算法，知識以及信息全部利用起來。

人(rén)工(gōng)智能(néng)最佳化系統不是将這(zhè)些算法分離的進行(xíng)計算，而是構建成一(yī)個最佳化決策平台，各種不同的算法的計算結果是融合在一(yī)起的，相互驗證，信息彼此共享，并通(tōng)過機器學習算法最終進行(xíng)自(zì)組織運算，去僞存真從(cóng)而獲得超越統計學的計算結果，從(cóng)而得出最大概率的預測值。導入了(le)人(rén)工(gōng)智能(néng)的決策平台，将上(shàng)述所有可(kě)以對預測起作(zuò)用的因素通(tōng)過新型的超深度學習的算法進行(xíng)如(rú)同人(rén)的神經系統那(nà)樣對各種數(shù)據進行(xíng)整合，以及如(rú)同人(rén)的大腦那(nà)樣對預測結果的判斷，對已經發生的數(shù)據同該系統的各個算法所得出的結果進行(xíng)自(zì)動評價，自(zì)動的修正系統的各種參數(shù)，平衡各種因素的影響的實際效果，實現自(zì)動的知識更新以及知識積累。這(zhè)些都(dōu)是在自(zì)動的基礎上(shàng)瞬間(jiān)實現的，在這(zhè)個平台上(shàng)預測結果包括股票交易，基金(jīn)對沖都(dōu)是自(zì)動的進行(xíng)。從(cóng)另一(yī)方面，作(zuò)為(wèi)系統尚需人(rén)為(wèi)處理的功能(néng)，運行(xíng)時(shí)可(kě)以不斷的根據操作(zuò)者對預測因素的認識的提高，人(rén)為(wèi)的修正各種因素的數(shù)值，或增加信息，增加預測要(yào)素，或重新調整預測戰略的框架等使預測水平不斷提高。這(zhè)樣的系統所能(néng)正确預測是來源于人(rén)的頭腦的智慧，但(dàn)是在高速處理果斷決策上(shàng)是人(rén)類望塵莫及的，這(zhè)樣的系統一(yī)定會在自(zì)動股票交易基金(jīn)對沖以及金(jīn)融預測上(shàng)發揮不可(kě)估量的作(zuò)用。

3、汽車自(zì)動駕駛

導入人(rén)工(gōng)智能(néng)理論的汽車自(zì)動駕駛系統是當前産業界最為(wèi)關注的應用課題。在這(zhè)個應用領域中其一(yī)是導入人(rén)工(gōng)智能(néng)的機器學習理論的模式識别系統，可(kě)以在線的将路況信息自(zì)動的識别出，供自(zì)動駕駛系統作(zuò)為(wèi)汽車運行(xíng)的依據，其二是導入人(rén)工(gōng)智能(néng)的汽車自(zì)動運行(xíng)系統，汽車自(zì)動駕駛為(wèi)什麽需要(yào)人(rén)工(gōng)智能(néng)，可(kě)以刹車控制為(wèi)例，首先汽車不可(kě)能(néng)以一(yī)個速度運行(xíng)，當需要(yào)停止在某位置上(shàng)時(shí)有好多情況，熟練的駕駛員(yuán)有時(shí)會不睬刹車直接停在需要(yào)的位置，有時(shí)會輕輕地(dì)踩一(yī)下(xià)刹車，也可(kě)能(néng)會使勁踩一(yī)下(xià)刹車等等，會有很(hěn)多的情況，這(zhè)樣的控制問(wèn)題是目前所有的傳統自(zì)動控制理論不可(kě)解決的，導入人(rén)工(gōng)智能(néng)的模糊推論技術(shù)就可(kě)以把熟練的駕駛員(yuán)的經驗通(tōng)過Membership函數(shù)定式，再按照模糊推論的算法實現同熟練駕駛員(yuán)接近的自(zì)動駕駛控制。

這(zhè)裏舉出的僅僅是刹車控制，在實際道(dào)路上(shàng)的自(zì)動駕駛還有更複雜(zá)的控制問(wèn)題，因此導入人(rén)工(gōng)智能(néng)算法勢在必行(xíng)。

4、ITC圖像變換代碼

随着代碼技術(shù)的進化，當今已發展到無需事先設計出代碼符号，構成代碼圖形以求得到穩定的識别結果。在人(rén)工(gōng)智能(néng)的算法下(xià)，依據自(zì)然的紙(zhǐ)紋，聲紋，自(zì)然的圖像甚至生體信息都(dōu)可(kě)以直接變換成代碼。

近年(nián)社會上(shàng)流行(xíng)的AR技術(shù)，可(kě)以通(tōng)過手機拍照某一(yī)個印刷圖像，就可(kě)以上(shàng)網連接某一(yī)網站。由于這(zhè)種技術(shù)可(kě)以從(cóng)網絡上(shàng)下(xià)載開(kāi)源程序，所以迅速普及。但(dàn)是AR技術(shù)是通(tōng)過圖像識别的算法，識别結果是一(yī)個占用十幾兆內(nèi)存的文件，不利于網絡操作(zuò)，以及大量的圖像的應用。

從(cóng)另一(yī)個角度，谷歌(gē)眼鏡，圖像檢索都(dōu)需要(yào)通(tōng)過拍攝一(yī)個圖像就可(kě)直接上(shàng)網，或進行(xíng)網絡檢索。一(yī)個ITC（ImageToCode）技術(shù)應運而生，運用空間(jiān)映射的算法可(kě)以把圖像的某些特征構造成圖像的特征向量，再通(tōng)過概率尺度自(zì)組織的算法組織成一(yī)個1036的代碼。實現了(le)将任何一(yī)個圖像經過移動終端的拍攝就可(kě)成為(wèi)一(yī)個代碼，也就是說可(kě)以把任何圖像直接作(zuò)為(wèi)二維碼使用，這(zhè)一(yī)成果可(kě)以讓任何商品标識在無需任何處理的情況下(xià)成為(wèi)一(yī)個二維碼，可(kě)以使世界上(shàng)的所有産品，在一(yī)夜之中都(dōu)可(kě)以連接到網上(shàng)去，不破壞商品标識的美觀。可(kě)以實現谷歌(gē)眼鏡看(kàn)到任何圖像都(dōu)可(kě)以連接網絡的設想，可(kě)以實現通(tōng)過手機拍照任何商品圖像就可(kě)直接在網上(shàng)檢索該商品，促進網絡銷售的發展，再有對于目前的VR産品的發展将起到重要(yào)作(zuò)用等等。與傳統的AR相比具有代碼容量在10萬分之一(yī)，便于手機終端識别，占用服務器容量小，檢索速度快(kuài)的特點，适于國(guó)際性的大範圍，大容量的應用。

人(rén)工(gōng)智能(néng)不僅具有以上(shàng)的應用亮點，在各行(xíng)各業都(dōu)将發揮其重要(yào)的應用前景，在此不一(yī)一(yī)列舉了(le)。