時間：2023-07-25 09:25:06
序論：速發表網結合其深厚的文秘經驗，特別為您篩選了11篇人工智能發展前景范文。如果您需要更多原創資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
一、人工智能的定義
“人工智能”(ArtificialIntelligence)一詞最初是在1956年Dartmouth學會上提出的。人工智能是指研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。目前能夠用來研究人工智能的主要物質手段以及能夠實現人工智能技術的機器就是計算機，人工智能的發展歷史是和計算機科學與技術的發展史聯系在一起的。
人工智能理論進入21世紀，正醞釀著新的突破，人工智能的研究成果將能夠創造出更多更高級的智能“制品”，并使之在越來越多的領域超越人類智能，人工智能將為發展國民經濟和改善人類生活做出更大貢獻。
二、人工智能的應用領域
1.在管理系統中的應用
(1)人工智能應用于企業管理的意義主要不在于提高效率，而是用計算機實現人們非常需要做，但工業工程信息技術是靠人工卻做不了或是很難做到的事情。在《談談人工智能在企業管理中的應用》一文中劉玉然指出把人工智能應用于企業管理中，以數據管理和處理為中心，圍繞企業的核心業務和主導流程建立若干個主題數據庫，而所有的應用系統應該圍繞主題數據庫來建立和運行。換句話說，就是將企業各部門的數據進行統一集成管理，搭建人工智能的應用平臺，使之成為企業管理與決策中的關鍵因子。
(2)智能教學系統(ITS)是人工智能與教育結合的主要形式，也是今后教學系統的發展方向。信息技術的飛速發展以及新的教學系統開發模式的提出和不斷完善，推動人們綜合運用超媒體技術、網絡基礎和人工智能技術區開發新的教學系統，計算機智能教學系統就是其中的典型代表。計算機智能教學系統包含學生模塊、教師模塊，體現了教學系統開發的全部內容，擁有著不可比擬的優勢和極大的吸引力。
2.在工程領域的應用
(1)醫學專家系統是人工智能和專家系統理論和技術在醫學領域的重要應用，具有極大的科研和應用價值，它可以幫助醫生解決復雜的醫學問題，作為醫生診斷、治療的輔助工具。事實上，早在1982年，美國匹茲堡大學的Miller就發表了著名的作為內科醫生咨詢的Internist2Ⅰ內科計算機輔助診斷系統的研究成果，由此，掀起了醫學智能系統開發與應用的。目前，醫學智能系統已通過其在醫學影像方面的重要作用，從而應用于內科、骨科等多個醫學領域中，并在不斷發展完善中。
(2)地質勘探、石油化工等領域是人工智能的主要作用發揮領地。1978年美國斯坦福國際研究所就研發制成礦藏勘探和評價專家系統“PROSPECTOR”，該系統用于勘探評價、區域資源估值和鉆井井位選擇等，是工業領域的首個人工智能專家系統，其發現了一個鉬礦沉積，價值超過1億美元。
3.在技術研究中的應用
(1)在超聲無損檢測(NDT)與無損評價(NDE)領域中，目前主要廣泛采用專家系統方法對超聲損傷(UT)中缺陷的性質、形狀和大小進行判斷和歸類；專家運用超聲無損檢測儀器，以其高精度的運算、控制和邏輯判斷力代替大量人的體力與腦力勞動，減少了任務因素造成的無擦，提高了檢測的可靠性，實現了超聲檢測和評價的自動化、智能化。
(2)人工智能在電子技術領域的應用可謂由來已久。隨著網絡的迅速發展，網絡技術的安全是我們關心的重點，因此我們必須在傳統技術的基礎上進行網絡安全技術的改進和變更，大力發展數據挖掘技術、人工免疫技術等高效的AI技術，開發更高級AI通用和專用語言，和應用環境以及開發專用機器，而與人工智能技術則為我們提供了可能性。
三、人工智能的發展方向
1.專家系統是目前人工智能中最活躍、最有成效的一個研究領域，它是一種具有特定領域內大量知識與經驗的程序系統。近年來，在“專家系統”或“知識工程”的研究中已出現了成功和有效應用人工智能技術的趨勢。人類專家由于具有豐富的知識，所以才能達到優異的解決問題的能力。那么計算機程序如果能體現和應用這些知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發現推理過程中出現的差錯，現在這一點已被證實。
2.智能信息檢索技術的飛速發展。人工智能在網絡信息檢索中的應用，主要表現在:(1)如何利用計算機軟硬件系統模仿、延伸與擴展人類智能的理論、方法和技術。(2)由于網絡知識信息既包括規律性的知識，如一般原理概念，也包括大量的經驗知識這些知識不可避免地帶有模糊性、隨機性、不可靠性等不確定性因素對其進行推理，需要利用人工智能的研究成果。
3.SOAr是一種通用智能體系結構，其始終處在人工智能研究的前沿，已顯示出強大的問題求解能力，它認為機器人的開發是人工智能應用的重要領域。在它的研究中突出4個概念:(1)所處的境遇機器人不涉及抽象的描述，而是處在直接影響系統的行為的境地。(2)具體化機器人有軀干，有直接來自周圍世界的經驗，他們的感官起作用后會有反饋。(3)智能的來源不僅僅是限于計算裝置，也是由于與周圍進行交互的動態決定。(4)浮現從系統與周圍世界的交互以及有時候系統的部件間的交互浮現出智能。目前，國內外不少學者都對機器人足球系統頗感興趣，足球機器人涉及機器人學、人工智能以及人工生命、智能控制等多個領域。足球機器人系統本身既是一個典型的多智能體系統，是一個多機器人協作自治系統，同時又為它們的理論研究和模型測試提供一個標準的實驗平臺。
參考文獻：
[1]元慧.議當代人工智能的應用領域和發展狀況[J].福建電腦，2008.
[2]劉玉然.談談人工智能在企業管理中的應用[J].價值工程，2003.
[3]焦加麟，徐良賢，戴克昌.人工智能在智能教學系統中的應用[J].計算機仿真，2003，(8).
[4]周明正.人工智能在醫學專家系統中的應用[J].科技信息，2007.
[5]張海燕，劉鎮清.人工智能及其在超聲無損檢測中的應用[J].無損檢測，2001，(8).
中圖分類號：TP391 文獻標識碼：A
0.引言
2016年3月15日，備受矚目的“人機大戰”終于落下帷幕，最終Google公司開發的“AlphaGo”以4∶1戰勝了韓國九段棋手李世h。毫無疑問，這是人工智能歷史上一個具有里程碑式的大事件。大家一致認為，人工智能已經上升到了一個新的高度。
這次勝利與1997年IBM公司的“深藍”戰勝國際象棋世界冠軍卡斯帕羅不同。主要表現在兩個方面：
（1）AlphaGo的勝利并非僅僅依賴強悍的計算能力和龐大的棋譜數據庫取勝，而是AlphaGo已經擁有了深度學習的能力，能夠學習已經對弈過的棋盤，并在練習和實戰中不斷學習和積累經驗。
（2）圍棋比國際象棋更加復雜，圍棋棋盤有361個點，其分支因子無窮無盡，19×19格圍棋的合法棋局數的所有可能性是冪為171的指數，這樣的計算量相當巨大。英國圍棋聯盟裁判托比表示：“圍棋是世界上最為復雜的智力游戲，它簡單的規則加深了棋局的復雜性”。因此，進入圍棋領域一直被認為是目前人工智能的最大挑戰。
簡而言之，AlphaGo取得勝利的一個很重要的方面就是它擁有強大的“學習”能力。深度學習是源于人工神經網絡的研究，得益于大數據和互聯網技術。本文就從人工智能的發展歷程與現狀入手，在此基礎上分析了人工智能的未來發展前景。
1.人工智能的發展歷程
AlphaGo的勝利表明，人工智能發展到今天，已經取得了很多卓越的成果。但是，其發展不是一帆風順的，人工智能是一個不斷進步，并且至今仍在取得不斷突破的學科。回顧人工智能的發展歷程，可大致分為孕育、形成、暗淡、知識應用和集成發展五大時期。
孕育期：1956年以前，數學、邏輯、計算機等理論和技術方面的研究為人工智能的出現奠定了基礎。德國數學家和哲學家萊布尼茨把形式邏輯符號化，奠定了數理邏輯的基礎。英國數學家圖靈在1936年創立了自動機理論（亦稱圖靈機），1950年在其著作《計算機與智能》中首次提出“機器也能思維”，被譽為“人工智能之父”。總之，這些人為人工智能的孕育和產生做出了巨大的貢獻。
形成期：1956年夏季，在美國達特茅斯大學舉辦了長達2個多月的研討會，熱烈地討論用機器模擬人類智能的問題。該次會議首次使用了“人工智能”這一術語。這是人類歷史上第一次人工智能研討會，標志著人工智能學科的誕生。其后的十幾年是人工智能的黃金時期。在接下來的幾年中，在眾多科學家的努力下，人工智能取得了矚目的突破，也在當時形成了廣泛的樂觀思潮。
暗淡期：20世紀70年代初，即使最杰出的AI程序也只能解決問題中最簡單的部分，發展遇到瓶頸也就是說所有的AI程序都只是“玩具”，無法解決更為復雜的問題。隨著AI遭遇批評，對AI提供資助的機構也逐漸停止了部分AI的資助。資金上的困難使得AI的研究方向縮窄，缺少了以往的自由探索。
知識應用期：在80年代，“專家系統”（Expect System）成為了人工智能中一個非常主流的分支。“專家系統”是一種程序，為計算機提供特定領域的專門知識和經驗，計算機就能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。不同領域的專家系統基本都是由知識庫、數據庫、推理機、解釋機制、知識獲取等部分組成。
集成發展期：得益于互聯網的蓬勃發展、計算機性能的突飛猛進、分布式系統的廣泛應用以及人工智能多分支的協同發展，人工智能在這一階段飛速發展。尤其是隨著深度學習和人工神經網絡研究的不斷深入，人工智能在近幾十年中取得了長足的進步，取得了令人矚目的成就。
人工智能發展到今天，出現了很多令人矚目的研究成果。AlphaGo的勝利就是基于這些研究成果的一個里程碑。當前人工智能的研究熱點主要集中在自然語言處理、機器學習、人工神經網絡等領域。
2.人工智能l展現狀與前景
人工智能當前有很多重要的研究領域和分支。目前，越來越多的AI項目依賴于分布式系統，而當前研究的普遍熱點則集中于自然語言處理、機器學習和人工神經網絡等領域。
自然語言處理：自然語言處理（Natural Language Processing，簡稱NLP），是語言學與人工智能的交叉學科，其主要功能就是實現讓機器明白人類的語言，這需要將人類的自然語言轉化為計算機能夠處理的機器語言。
自然語言處理主要包括詞法分析、句法分析和語義分析三大部分。詞法分析的核心就是分詞處理，即單詞的邊界處理。句法分析就是對自然語言中句子的結構、語法進行分析如辨別疑問句和感嘆句等。而語義分析則注重情感分析和整個段落的上下文分析，辨別一些字詞在不同的上下文定的語義和情感態度。
當前自然語言的處理主要有兩大方向。一種是基于句法-語義規則的理性主義理論，該理論認為需要為計算機制定一系列的規則，計算機在規則下進行推理與判斷。因此其技術路線是一系列的人為的語料建設與規則制定。第二種是基于統計學習的經驗主義理論，這種理論在最近受到普遍推崇。該理論讓計算機自己通過學習并進行統計推斷的方式不停地從數據中“學習”語言，試圖刻畫真實世界的語言現象，從數據中統計語言的規律。
機器學習：機器學習（Machine Learning）是近20年來興起的人工智能一大重要領域。其主要是指通過讓計算機在數據中自動分析獲得規律，從而獲取“自我學習”的能力，并利用規律對未知數據進行判斷和預測的方法。
機器學致可以分為有監督的學習和無監督的學習。有監督的學習是從給定的訓練數據集中練出一個函數和目標，當有新的數據到來時，可以由訓練得到函數預測目標。有監督的學習要求訓練集同時有輸入和輸出，也就是所謂的特征和目標。而依據預測的結果是離散的還是連續的，將有監督的學習分為兩大問題，即統計分類問題和回歸分析問題。統計分類的預測結果是離散的，如腫瘤是良性還是惡性等；而回歸分析問題目標是連續的，如天氣、股價等的預測。
無監督學習的訓練集則沒有人為標注的結果，這就需要計算機去發現數據間的聯系并用來分類等。一種常見的無監督學習是聚類分析（Cluster Analysis），它是將相似的對象通過靜態分類的方法分成不同的組別或者是特定的子集，讓同一個子集中的數據對象都有一些相似的屬性，比較常用的聚類方法是簡潔并快速的“K-均值”聚類算法。它基于K個中心并對距離這些中心最近的數據對象進行分類。
機器學習還包括如半監督學習和增強學習等類別。總而言之，機器學習是研究如何使用機器來模擬人類學習活動的一門學科，而其應用隨著人工智能研究領域的深入也變得越來越廣泛，如模式識別、計算機視覺、語音識別、推薦算法等領域越來越廣泛地應用到了機器學習中。
人工神經網絡：在腦神經科學領域，人們認為人類的意識及智能行為，都是通過巨大的神經網絡傳遞的，每個神經細胞通過突出與其他神經細胞連接，當通過突觸的信號強度超過某個閾值時，神經細胞便會進入激活狀態，向所連接的神經細胞一層層傳遞信號。于1943年提出的基于生物神經元的M-P模型的主要思想就是將神經元抽象為一個多輸入單輸出的信息處理單元，并通過傳遞函數f對輸入x1，x2…，xn進行處理并模擬神經細胞的激活模式。主要的傳遞函數有階躍型、線性型和S型。
在此基礎上，對神經網絡算法的研究又有諸多進展。日本的福島教授于1983年基于視覺認知模型提出了卷積神經網絡計算模型。通過學習訓練獲取到卷積運算中所使用的卷積系數，并通過不同層次與自由度的變化，可以得到較為優化的計算結果。而AlphaGo也正是采用了這種深度卷積神經網絡（DCNN）模型，提高了AlphaGo的視覺分類能力，也就是所謂的“棋感”，增強了其對全盤決策和把握的能力。
3.人工智能的發展前景
總體來看，人工智能的應用經歷了博弈、感知、決策和反饋這幾個里程碑。在以上4個領域中，既是縱向發展的過程，也是橫向不斷改進的過程。
人工智能在博弈階段，主要是實現邏輯推理等功能，隨著計算機處理能力的進步以及深度學習等算法的改進，機器擁有了越來越強的邏輯與對弈能力。在感知領域，隨著自然語言處理的進步，機器已經基本能對人類的語音與語言進行感知，并且能夠已經對現實世界進行視覺上的感知。基于大數據的處理和機器學習的發展，機器已經能夠對周圍的環境進行認知，例如微軟的Kinect就能夠準確的對人的肢體動作進行判斷。該領域的主要實現還包括蘋果的Siri，谷歌大腦以及無人駕駛汽車中的各種傳感器等。在以上兩個階段的基礎上，機器擁有了一定的決策和反饋的能力。無人駕駛汽車的蓬勃發展就是這兩個里程碑很好的例證。Google的無人駕駛汽車通過各種傳感器對周圍的環境進行感知并處理人類的語言等指令，利用所收集的信息進行最后的決策，比如操作方向盤、剎車等。
人工智能已經滲透到生活中的各個領域。機器已經能識別語音、人臉以及視頻內容等，從而實現各種人際交互的場景。在醫學領域，人工智能可以實現自動讀片和輔助診斷以及個性化t療和基因排序等功能。在教育領域，機器也承擔了越來越多的輔助教育，智能交互的功能。在交通領域，一方面無人車的發展表明無人駕駛是一個可以期待的未來，另一方面人工智能能夠帶來更加通暢和智能的交通。另外人工智能在安防、金融等領域也有非常廣闊的發展前景。總之，人工智能在一些具有重復性的和具備簡單決策的領域已經是一種非常重要的工具，用來幫助人們解決問題，創造價值。
參考文獻
關鍵詞：機械電子工程；人工智能；關系
機械工程的每一次發展都帶動了工業生產水平的顯著提升，機械電子工程通過融入電子技術，使其突破了機械工程的局限性，能夠完成傳統機械工程難以完成的復雜工作任務，同時也降低了對人員操作的依賴性。隨著機械電子工程的不斷成熟以及人工智能的快速發展，兩者的結合應用得到了廣泛重視，機械電子工程的智能化方向發展，將使其技術水平得到進一步提升，滿足工業生產對機械設備的多元化需求。
1機械電子工程的發展過程及技術特點
1.1發展歷程
機械電子工程在其發展的最初階段，沒有受到相關產業的高度重視，由于缺乏資源支持，技術水平提升緩慢，許多機械電子產品都需要通過手工制作，使其發展受到較大限制。隨著機械電子工程的工業化水平不斷提升，其技術價值逐漸顯露出來，通過機械技術與電子技術的相互結合，能夠有效提升傳統機械產品的功能和性能。因此機械電子工程逐漸開始受到重視，并實現了流水線生產。但從目前生產規模和生產水平來看，雖然我國引進了國外標準生產線，但生產能力與市場需求相比還較為落后。
1.2技術特點
機械電子工程的主要特點是綜合性強，具有跨學科性，涉及到機械、電子技術等多個領域，雖然在設計環節仍以機械為主，但電子技術和信息技術發揮出了越來越重要的作用。還需要根據系統配置需求和生產目標，綜合利用其它科學技術。因此，在機械電子工程的設計過程中，通常采用從上至下的設計策略，將不同領域的技術模塊相互結合，實現設計中產品的功能和性能要求。相比于傳統機械產品，應用多門先進技術的機械電子產品在外觀結構上更加小巧、精致，內部結構更加復雜，產品功能和性能都得到了極大提升。
2人工智能的三個發展階段及發展前景
2.1三個發展階段
截止到目前為止，人工智能歷經了三個發展階段，在其技術萌芽階段，人工智能發展緩慢，但是在這一階段為人工智能的后續發展積累了大量的寶貴經驗。第一臺超級計算機的誕生加快了人工智能的發展速度，但是在該階段的研究仍未取得實質性進展。從1956年開始，隨著人工智能命題的首次提出，人工智能進入第一個發展階段，其基本原理和博弈原理得到證明，解放了技術思想，為人工智能的后續發展提供了強有力的理論支持。1977年，第五屆人工智能會議的成功召開使人工智能進入第二發展階段，其技術應用得到快速發展，并與實際生產相結合，取得了重要的實際應用價值。近年來，人工智能的發展受到了越來越多的關注，具有良好的發展前景。
2.2發展前景
人工智能以計算機為依托，不斷延伸自身的智能性，深度挖掘計算機功能的各種可能，是21世紀以來最具有發展前景的學科之一。人工智能學科以計算機技術為基礎，立足于心理學、信息論等多個領域知識，吸收了許多其他學科的特點，同時也推動了其他學科的更好發展，是一門極具發展潛力的前沿學科。人工智能技術在機械電子工程領域的應用，將彌補機械電子工程的不足，促進機械電子工程的更好發展。
3機械電子工程與人工智能的關系探究
3.1應用差異性
人工智能的應用需要以計算機網絡系統為依托，因此無法通過其他途徑在機械電子工程中得到應用只有對網絡系統進行人工的指令轉變，才能在機械電子工程中實現智能化控制。而計算機網絡系統的運行是以數據分析和計算為基礎的，一旦在數據處理過程中出現問題，就會導致人工智能控制失誤，進而導致機械電子工程的網絡系統發生崩潰。因此，人工智能在機械電子工程中具有一定的應用差異性。
3.2綜合性補充
機械電子工程采用模塊化設計方式，每個模塊的功能特點較為固定，而現代機械電子工程對其功能的多元化需求不斷提高，一些綜合需要人工智能提供支持。因此，人工智能技術可以對機械電子工程進行綜合性補充，通過其自身的綜合操作功能，為機械電子工程的多元化工程實現提供輔助。比如目前較為成熟的模型推理系統就是兩者相互結合的典型例子，也是人工智能技術在機械電子工程中應用的正確方法。目前人工智能中神經網絡系統通過對人體神經進行模仿，使其技術水平更進一步，在機械電子工程中的應用，可以實現對機械電子工程各個功能模塊的完整控制，使二者更加完美的結合。
3.3不穩定性處理及精度控制
不穩定性是機械電子工程存在的主要缺陷之一，其系統本質以及輸入、輸出關系決定了機械電子工程的不穩定性，對其各項功能的實現及正常使用產生較大的負面影響。在傳統的機械電子工程中，主要采用解析法對系統的不穩定性進行調節控制，但這種控制方法無法做到精確控制，因此對不穩定性的調節能力有限。人工智能技術以計算機技術為基礎，能夠實現對數據的準確、高效處理，可以很好的彌補機械電子工程的這一缺陷。可以采用人工職能的神經模式對機械電子系統進行精確化控制，為系統的穩定運行提供保障。
4結束語
綜上所述，機械電子工程與人工智能都經歷了較為漫長的發展過程，都整合了大量相關學科，具有較強的綜合性。針對于電子機械工程目前存在的功能多元化需求和系統不穩定性缺陷，人工智能技術可以對其進行有效彌補，促進機械電子工程的更好發展。因此，應加大力度促進機械電子工程與人工智能的相互融合，使人工智能技術在機械電子工程領域得到更加廣泛的應用。
參考文獻
[1]吳昊年,楊文.芻議機械電子工程與人工智能之間的關系[J].電子技術與軟件工程,2015(15):130.
[2]王一楠.試論機械電子工程與人工智能的整合思路構建[J].科技風,2015(21):154.
[3]溫偉華.人工智能技術在機械電子工程領域的應用[J].自動化與儀器儀表,2016(02):96-97.
1 機械電子工程概述
1.1 機械電子工程的定義
機械電子工程與其他相關學科之間有著緊密的聯系，結合了各學科的優點，是一門比較復雜的綜合性學科。機械電子工程以電子、機械、計算機技術為核心，通過科學合理的設計將各個模塊優點發揮到最大。雖然機械電子技術需要運用各方面知識，但是機械電子產品的內部結構并不復雜，只需要將一些簡單的機械電子元件按照規劃進行科學的組合，就可以最大限度的提高產品的性能，減少成本的投入，在提高產品質量的同時提高企業的經濟效益。
1.2 機械電子工程的發展
在機械電子工程發展的初期，人們并沒有認識到機械電子工程的廣闊的發展前景，由于缺乏必要的資源支持，機械電子工程的技術水平也極低，機械電子產品主要以手工制作為主，其工業化水平十分低下，機械電子工程的發展受到了極大的限制。隨著機械電子工程的重要性日益凸顯和其市場需求的擴大，人們開始重視對機械電子工程技術的開發，為了進一步提高其生產效率，機械電子工程逐漸實現在機械工業中的應用，并獲得了飛速的發展。隨著機械電子工程與機械工業的結合，實現了機械電子產品的流水線的生產，促進了生產水平的提高，提高了生產效率，可以實現機械電子產品可以在短時間內投入市場。但是目前我國主要引進國外的標準生產線，產品的生產模式與我國實際的生產需求差距很多，生產線本身的靈活性極弱，生產出的產品并不能夠滿足國內市場的需求。為了促進機械電子工程的進一步發展，需要結合我國國內市場的實際需求，將機械電子工程與人工智能相結合，充分發揮機械電子工程的優點，逐步實現其產業化與智能化。
2 人工智能概述
2.1 人工智能的學科定義
人工智能通過計算機的使用極大的延伸了自身的智能，主要通過對計算機功能的深入研究得到的一門學科，這門學科具有極大的發展前景，是21世紀的最重要的學科之一。計算機技術的發展是人工智能學科得以發展的關鍵，因此計算機技術是人工智能學科的基礎。但是人工智能學科并不是單一涉及到一門學科，此外還與信息論、心理學、控制論等多個學科存在著交叉關系，因此，人工智能學科吸收了其他各個學科的優點，具有極強的發展潛力。
2.2 人工智能的發展階段
2.2.1 萌芽階段
隨著世界第一臺計算器的誕生標志著人工智能研究之路的開始，但是這個階段的發展十分緩慢，但是這個階段為人工智能的研究積累了大量的經驗。直到世界第一臺計算機誕生之后，加快了人工智能研究的角度，依舊沒有取得實質性進展。所以這個階段屬于經驗積累階段，為之后發展奠定基礎。
2.2.2 第一個發展階段
1956年“人工智能”命題的提出標志著人工智能的發展進入了第一個高峰期。這個階段主要是博弈、和基本原理的證明，這個階段最大的貢獻大大解放了人們的思想，為之后的發展提供了理論支持。
2.2.3 第二個發展階段
人工智能第二個發展階段的標志是1977年全球第五屆人工智能會議的召開，經過這個會議逐漸促使了人工智能與實際生產的結合，使人工智能獲得了一個巨大的飛躍，使其進入了知識層面的發展。
3 機械電子工程與人工智能的關系
隨著社會信息化的進一步推進，為機械電子工程技術的發展帶來了契機，人工智能的加入為了機械電子工程的發展開拓了巨大的發展空間。傳統的機械電子系統，缺乏必要的穩定性，面對逐漸增多的信息量，單純通過人工的方式進行處理顯得力不從心，急需要一種可以處理多種不同類別信息的技術。在這種情況下人工智能的加入為機械電子工程的發展提供了巨大支持。人工智能通過建立相關模型、控制模型，實現對信息的處理，最終根據處理的信息能夠很好的完成故障的診斷。除此之外人工智能使用模糊推力系統和神經網絡系統這兩種方法實現了對系統的數據信息進行全面的描述，最終實現對機械電子系統的科學合理的控制。
在人工智能漫長的發展過程中，每個階段的發展都十分緩慢，并沒有實現人工智能的實質性的變革。但是隨著人工智能與機械電子工程逐漸結合之后，形成了由量變到質變的巨大飛躍，使世界進入了機械電子工程時代。隨著人工智能在機械電子工程領域的廣泛應用，人工智能逐漸形成了神經網絡系統和模糊邏輯系統，通過這兩個系統對人類的思維模式進行模擬來解決多變的工程應用問題。人工智能在機械電子工程中的廣泛應用過程中逐步完善了自身的缺陷，為自身的發展提供了一個新的發展路徑。
首屆世界智能大會6月28日至6月30日在天津舉行。6月29日，馬云、李彥宏、柳傳志等行業大咖分享了對于人工智能等最新科技的觀點。同時，在開幕式演講中，全國政協副主席、科技部部長萬鋼透露，最近新一代人工智能發展規劃已編制完成，該規劃對直到2030年的中國人工智能產業進行系統部署，包括與此相關的人工智能重大科技項目。規劃將于近日向全社會公布。
點評：公開信息顯示，目前我國人工智能已上升到國家戰略，并于今年3月首次寫入政府工作報告。據預測，2020年全球人工智能市場規模將超過1000億美元，年均增速約為20%，我國人工智能市場規模也將達到百億美元量級，年均增速超過50%，行業發展前景極為廣闊。近幾年，智能制造被不斷的提及，而隨著互聯網、智能科技與傳統行業融合創新發展，智能科技更是在除制造業外的，教育、醫療、農業等各個領域發揮重要功效。在此基礎上，世界智能大會旨在打造世界級先進智能科技成果平臺、創新合作平臺、產業聚集平臺和投融資對接平臺，展現全球領先的前沿科技新成果。此次大會的專題活動覆蓋了深度學習、智能制造、人工智能、智能駕駛、智慧安防等多領域。近期A股市場上，受世界智能大會舉行的利好影響，A股市場人工智能概念板塊表現活躍，關注標的股：科大訊飛、恒生電子、東方網力、佳都科技、工大高新等。
6月份信貸增量以及M2同比增速等成為市場關注的焦點。對此，機構普遍認為，6月份新增信貸增量或超萬億元，M2同比增速或繼續回落將至9%。華泰證券首席宏觀研究員李超認為，5月份信貸增量維持不變的情況下，社融出現了邊際減緩跡象。監管趨于嚴格的背景下，銀行的表外業務回歸表內將會是未來一大趨勢，同時居民按揭韌性強，融資利率繼續上行大背景下，銀行也樂于擴張表內業務。6月份這一趨勢將會繼續延續，預計6月份的新增貸款在12000億元左右，與之對應的社融新增則在13000億元左右，整個社會融資更多的依賴銀行表內貸款。當然，也有部分機構較為悲觀。交通銀行金融研究中心近日的報告稱，總體來看，居民房貸的回落以及金融機構主動調降跨季前資產增速，將很大程度主導6月份貸款增量回落。
施農業是集種植、農業裝備等多領域為一體的系統工程，是一種在人為可控環境下進行的高效農業生產方式，具有成套的生產技術、完整的設施裝備和生產規范[1]。近幾年，隨著信息技術的發展，物聯網技術逐漸被應用到農業生產和科研中，這是現代農業依托新型信息化應用的一次進步[2]。本文結合人工智能研究成果，著重介紹人工智能技術在設施農業種植領域方面的應用前景，根據設施農業產前、產中、產后3個階段，對現有研究成果進行了闡述。
人工智能概述
“人工智能”一詞是1956年在Dartmouth學會上提出。從那以后，研究者們發展了眾多理論和原理，人工智能的概念也隨之擴展。人工智能（Artificial Intelligence），英文縮寫為AI，它是研究用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的新型科學技術[3]。
作為計算機科學的一個重要分支，人工智能技術著眼于探索智能的實質，模擬智能行為，最終制造出能以人類智能相似的方式做出反應的智能機器。著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科，即怎樣表示知識以及怎樣獲得知識并使用知識的科學。”而另一位美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”@些說法反映了人工智能學科的基本思想和基本內容。人工智能自誕生以來，理論和技術日益成熟，應用領域不斷擴大，可以設想，未來應用了人工智能的科技產品，將會是人類智慧的“容器”。
隨著人工智能技術的日益成熟，人們意識到人類已經具備了設計和建造智慧型設施農業所需的硬件和軟件技術條件，結合設施農業高投入高產出，資金、技術、勞動力密集型的特點，完成工廠化農業生產已經不是夢想[4]。依靠人工智能技術，作物可以在適宜的溫度、濕度、光照、水肥等設施環境下，生產優質、高產的農產品，擺脫對自然環境的依賴，實現設施生產的高度智能化，提高農業生產的效率，降低勞動成本[5]。
人工智能在設施農業領域的應用
人工智能技術在產前階段的應用
在設施農業產前階段，憑借人工智能技術可對土壤、灌溉水量需求、作物品種質量鑒別等方面做出分析和評估，為農民做出科學指導，對后續的農業生產起到很好的保障作用。
土壤分析是農業產前階段最重要的工作之一，是實現定量施肥、宜栽作物選擇、經濟效益分析等工作的重要前提[6]。在土壤分析等農業生產智能分析系統中，應用最廣泛的技術就是人工神經網絡（簡稱ANN）。ANN是模擬人腦神經元連接的，由大量簡單處理單元經廣泛并互連形成的一種網絡系統，它可以實現對人腦系統的簡化、抽象和模擬，具有人腦功能的許多基本特征。目前可以通過該技術分析土壤性質特征，并將其與宜栽作物品種間建立關聯模型。土壤性質特征的探測主要是借助非侵入性的探地雷達成像技術，然后利用神經網絡技術在無人指導的情況下對土壤進行分類研究，進而建立起土壤類別與宜栽作物的關聯關系；土壤表層的黏土含量也可通過人工智能方法預測，該技術通過分析電磁感應土壤傳感器獲取的信號，使用深度加權方法從中提取土壤表層質地信息，然后使用ANN預測土壤表層的黏土含量。
傳統農業對灌溉用水的使用量往往依靠經驗，無法根據環境變化進行精確調節，對多目標灌溉規劃問題也無能為力。人工智能技術可幫助人們選擇合適的水源對作物進行灌溉，保證作物用水量，大大減輕灌溉問題對作物產量造成的不良影響。在美國，有專家研制出一個隱層的反饋前向ANN模型和一個位于科羅拉多州地區阿肯色河流域的消費使用模型，使用它們可勘察區域氣候變化對灌溉用水供應和需求可能產生的影響。在灌溉項目研究中，為了選擇最好的折中灌溉規劃策略，還可基于多目標線性規劃優化，利用神經網絡將非支配的灌溉規劃策略加以分類，將這些策略分為若干個小類別。結果表明，在對多目標灌溉規劃問題加以建模時，綜合模型方法是有效的。
人工智能技術在產中階段的應用
在設施農業產中階段，主要應用是農業專家系統、人工神經網絡技術、農業機器人等。這些技術能夠幫助農民更科學地種植農作物并對溫室大棚進行合理的管理，指導農民科學種植，提高作物產量。這些人工智能技術的使用推進了農業現代化的發展，提高了農業生產的效率，使農業生產更加機械化、自動化、規范化。
專家系統是指應用于某一專門領域，擁有該領域相當數量的專家級知識，能模擬專家的思維，能達到專家級水平，能像專家一樣解決困難和復雜問題的計算機（軟件）系統。國際上農業專家系統的研究始于20世紀70年代末期的美國，1983年日本千葉大學研制出MTCCS（番茄病蟲害診斷專家系統），到了20世紀80年代中期，農業專家系統不再是單一的病蟲害診斷系統，美國、日本、中國等國家也相繼轉向開發涉及農業生產管理、經濟分析、生態環境等方面的農業專家系統。農業科研人員把人工智能中的專家系統技術應用到農業生產中，開發出了農業專家系統。它可代替農業專家走進生產溫室，在各地區具體指導農民科學種植農作物，這是科技普及的一項重大突破。
在設施生產中可以使用機器人來代替農民進行作物采收，不僅可以降低勞動成本，也可以提高工作效率。Wolfgang Heinemann等人研發出的具有獨特設計結構的采收機器人，該機器人可以在無需人類干擾的情況下自動采收白蘆筍。為了保證機器人能夠精確行進，它使用了2個獨立的速度控制輪和級聯控制結構（其中包含了一個內部的定位誤差控制器和一個外部的橫向偏置控制器）。借助PID算法①，機器人系統可以分析自己的運動軌跡，優化驅動電機的控制參數，保證系統能夠穩定自主的運行。
在中國，應用人工智能技術的智能雜草識別噴霧系統已經得到了長足發展。圖像分析系統通過分析田間圖像的顏色模型，根據色差分量②顏色特征實現雜草實時識別，并基于Canny算子對識別到的雜草進行邊緣檢測，提取其特征參數，配合超生測距等技術可以精確控制噴頭位置及用藥量[7]。該技術的應用可以大大提高除草劑的經濟性，對保護環境也大有益處。
人工智能技術在產后階段的應用
人工智能技術在設施農業產后階段也有相當多的應用前景。
在農產品分類方面人工智能技術能提供很好的支持。張嘏偉[8]等提出了一種基于圖像識別的番茄分類方法，該方法根據番茄的表面缺陷、顏色、形狀和大小，使用遺傳算法訓練的多層前饋神經網絡對番茄進行分類，并與BP訓練神經網絡③進行了比較。結果表明，遺傳算法在訓練次數和準確性上都具有優勢。謝靜[9]等對圖像識別分類中的圖像預處理方法進行了研究，包括圖像噪聲去除方法、圖像分割方法、邊緣提取方法等。提出了使用改進的canny算法④和當量直徑法相結合來檢測水果大小的新思路，并使用模糊聚類方法處理gabor濾波器提取水果表面缺陷特征，對水果表面缺陷進行了分類。
隨著社會的發展，人民生活水平的提高，廣大消費者及國家都對食品安全問題越來越重視，農產品質量檢測方法也在不斷進步。圖像識別、電子鼻等技術都應用在了農產品檢測中。李洪濤[10]等利用人工嗅覺裝置，模擬人的嗅覺形成過程分析、識別和檢測農產品在腐敗過程中釋放的不同特征氣體。其制作了小型化的傳感器陣列并利用半導體制冷片搭建了一個PID溫度控制系統，保證傳感器正常工作的溫度及濕度。在當前技術的發展下，科學家們以彩色計算機視覺系統為重要技術手段，綜合運用圖像處理、人工神經網絡、遺傳算法、模擬退火算法以及決策樹、專家系統等人工智能領域的技術，研究出了眾多實現農產品品質檢測和自動分級的新方法。
草莓、葡萄等農產品很容易破損和受傷，依靠人工采摘和搬運，不僅增加了勞動成本，也影響農產品采摘后的品質。結合磁流變（MR）流體技術，工程師們設計出了一種可用于搬運農產品的磁機器人手爪，該手爪經過精確設計，可以搬運胡蘿卜、草莓、西蘭花和葡萄等不同形狀食品，而且不會在食物表面留下任何淤痕和凹陷。為了讓機器人手爪更為快速、準確地工作，在磁流變手爪的基礎上結合力傳感技術開發出了更為靈活、智能的新型手爪。該手爪可在410～530 ms內抓握50～700 g重量的農作物，還能顯著減少細菌的交叉感染。
人工智能發展前景
近年來，人工智能技術已經取得了長足的進步，語音識別、自然語言識別、計算機視覺、自動推理、數據挖掘、機器學習以及機器人學都在蓬勃發展。人工智能的未來就是在智能感知的前提下，結合大數據技術自主學習，橢人們做出決策、代替重復性工作。在農業方面出現全天候全自動平臺，實現農業生產的全自動化[11]。物聯網技術在設施農業中已經得到普及，在溫室大棚中的大量智能傳感器是機器感知的基礎，而感知則是智能實現的前提之一，通過感知，農業數據源源不斷地匯集在一起。云計算的發展為大數據存儲和大規模并行計算提供了可能[12]，而數據則是機器學習的書本。設施農業是物聯網、云計算、人工智能三大技術結合應用的領域之一，它們的結合顛覆了傳統農業生產方式。
面對眾多的新技術、新成果，把它們投入到生產中去才是關鍵。如何讓技術能夠適應中國復雜的農業生產環境，同時還要面對不同知識水平的用戶，這些都是人工智能技術、云計算技術等高新技術在農業生產中所面臨的問題。設施農業高產出高投入的特點，正適合應用這些新技術，這樣既可以讓新技術有實踐的機會，又可以讓其他涉農用戶對新技術有直觀的感知，這對技術進步和技術推廣都很有幫助[13]。
人工智能技術雖然前景光明，但其應用的研究才剛剛起步，離目標還很遠。未來，人工智能技術可以更好地為人們服務，改善人們的生活，并帶來巨大的社會和經濟效益[14]。在人工智能的引領下，農業已邁入數字和信息化的嶄新時代，借助其技術優勢來提高農業生產的經濟效益，是全面實現農業生產現代化、智能化、信息化的必由之路。
參考文獻
[1]李雪，肖淑蘭，趙文忠，等.信息技術在農業領域的應用分析[J].東北農業大學學報，2008，39（3）：125-128.
[2]施連敏，陳志峰，蓋之華，等.物聯網在智慧農業中的應用[J].農機化研究，2013（6）：250-252.
[3]劉現，鄭回勇，施能強，等.人工智能在農業生產中的應用進展[J].福建農業學報，2013，28（6）：609-614.
[4]姜芳，曾碧翼.設施農業物聯網技術的應用探討與發展建議[J].農業網絡信息，2013（5）：10-12.
[5]陳超，張敏，宋吉軒，等.我國設施農業現狀與發展對策分析[J].河北農業科學，2008，12（11）：99-101.
[6]鄒承俊.物聯網技術在蔬菜溫室大棚生產中的應用[J].物聯網技術，2013（8）：18-24.
[7]石禮娟.基于可見光/近紅外光譜的稻米質量快速無損檢測研究[D].武漢：華中農業大學，2011.
[8]張嘏偉.計算機視覺系統在番茄品質識別與分類中的研究[D].保定：河北農業大學，2005.
[9]謝靜.基于計算機視覺的蘋果自動分級方法研究[D].合肥：安徽農業大學，2011.
[10]李洪濤.基于農產品品質檢測的專用電子鼻系統的設計與研究[D].杭州：浙江大學，2010.
[11]張震，劉學瑜.我國設施農業發展現狀與對策[J].農業經濟問題，2015（5）：64-70.
人工智能經過60年的發展，經歷了不同的發展階段，在50年代末60年代初，當時的預測是，2020年上個世紀末機器人可能達到人的水平，到目前來看我們已經取得了很大的進步。當時看似不切實際的期望，后來有了初步的進展，進而研討如何使得人工智能更加有活力，后來發現還是應該與應用相結合，因此才有了各種發展歷程。到了70年代，開創了人工智能新應用的局面，解決了一些大的問題，后來也經歷過低迷的發展期。今天，人工智能進入了蓬勃發展期，這是我個人對于人工智能近60年的劃分，可以劃分為六個階段。
回顧人工智能60年的發展，我總結了五點啟示。第一，聽起來好像是高大上的說法，任何一個學科發展都有規律，尊重學科的發展規律是科學技術發展的前提。第二，基礎研究是科技可持續發展的基石，這是顯而易見的。第三，應用需求是科技創新的不竭之源。沒有各種專家的出現，不可能有70年代到80年代人工智能的發展。第四，學科交叉是創新突破的捷徑，第五，寬容失敗，創新應該寬容，因為創新不可能每次都成功。這是我回顧60年人工智能發展得到的啟示。所以盡管人工智能近60年的發展道路非常曲折和坎坷，但是發展到今天無論是理論創新還是各種應用，尤其是今天，應該說精彩紛呈。其實現在大家用的手機都有人工智能，所以人工智能發展前景非常好。人工智能的發展現狀
第一，互聯網和大數據推動人工智能已經進入了新的春天，這是現狀。所以大數據對人工智能既有取巧，又提供了深度學習所需要的眾多數據，通俗的講就是人類學習的越多，見的越多，創新就會越多，機器學習也是一樣。
第二，有人把大數據比喻成石油，我覺得不太貼切，只是原油加汽油。大數據本身并沒有價值，只有通過深加工以后才能升值。如果不對大數據進行及時處理，它就會起負作用。怎么處理，我認為人工智能是對互聯網大數據的一個破解。人工智能是新的發展，內部都有科學發展規律。專業人工智能突破，我把專業人工智能定義為面向特定領域的人工智能，比如說它就是圖像識別，或者用來識別語音，這個領域的知識比較豐富，功能需求比較單一，發展會很好。
除了人工智能還有智能控制技術。比如自動化、Google的無人駕駛汽車。智能機器人用的是語音識別，語音技術，他們說中文，英文、少數民族語都沒問題。語言方面，會說、會聽、語音翻譯、理解。視覺方面也不錯，人臉識別，這還是好幾年的CS系統，甚至把燈關了，它的識別效果也不錯。人臉識別現在比較火，前不久馬云在德國說用人臉識別來刷臉支付。當然不是說人臉識別不好，有時候雙胞胎識別不了，兒子和父親也區別不開。
第三，通用人工智能依然任重道遠。人工智能機器很難說比人還聰明，人的大腦既可以識別圖像，也可以識別聽音樂和語音。既可以擦地、拖地，也可以擦桌子，一腦同用。現有的人工智能系統，可以說有智能沒智慧。智慧是比智能更高的、有悟性的。有智商沒有情商，對任何情感沒有察覺。
第四，人工智能產業化應用蓬勃發展，短短5年時間內，在這個領域的投資已將近1900多萬美元，這個領域好找工作。
第五，企業巨頭搶灘布局人工智能產業鏈，大家都在找前景，說明它很火。
第六，人工智能已經上升到國家戰略高度。德國工業4.0是2013年提出來的，它的主題就是三個智能，智能工場、智能工業、智能布局。
第七，人工智能的社會影響已引起廣泛關注，被認為是本世紀最偉大的科學家之一――霍金，他說人工智能或將威脅人類生存。他是人工智能最直接的受益者。因為身體的原因，他的發聲完全通過語音合成。
人工智能的發展趨勢
第一，人工智能將使原來的不能變為可能，人類社會形態從農業社會進入工業社會到信息社會是三個階段，下一階段進入更高的系統就是智能系統。這是引領，是人類文明發展的趨勢，也是社會形態的發展方向，所以我認為人工智能將是大勢所趨。
第二，人工智能引領機器革命。第一次機器革命是大數據。第二次機器革命是拓展。
第三，人工智能將重塑產業格局。這是大的發展趨勢。“智能+X”將成為萬眾創新的時尚和潮流。
第四，人工智能將對社會結構產生重大影響，人機協作與共存將成為人類社會結構的新常態。
第五，人工智能將促進信息科技與腦認知科學的深度交叉。對人腦進一步的挖掘和發現，這里面孕育著信息科技的重大變革。
第六，人工智能將與人類智能互補融合，人工智能和人類智能僅一字之差，混合智能將在未來有廣闊的應用前景，或者說混合智能是未來智能科學的發展方向。
最后，人工智能社會學將提上議事日程。水能載舟，亦能覆舟，甚至有的時候是魔鬼，走的好把握的好了魔鬼就不會出現。盡管在我們看到的未來人工智能還難以超越人類，但是它對人類社會影響反響很大，這是大的科技革命。
中圖分類號：TM73 文獻標識碼：A
電力電網調度系統對電力系統而言是至關重要的，在電力系統初具雛形時，由于科技落后，電力電網調度系統不是智能的，是由工作人員通過打電話的方法了解各個電力站的運行狀況，如果發現電力站的運行發生異常狀況，就會憑借工作人員的經驗，對發生的異常狀況進行處理。現如今，科技水平不斷發展，自動化技術也不斷地更新，電力電網的智能調度系統在電力系統中也得到了應用，并取得了一定的成效。與傳統電網系統相比，電力電網的智能調度系統不是孤立存在的，它是一個實時動態的系統，可以有效地進行分析和調控電力系統，當電力站發生故障時，電力電網的智能調度系統可以更加精準和及時地對故障分析和處理，更加快捷方便，可以更全面地了解電力電網的運行狀況。
一、電力電網智能調度系統概述
（一）電網調度系統自動化的現狀和前景
在科學技術不斷發展的今天，電網調度系統已由最初單純獲取電力系統的數據轉換為全面了解電力電網的運行狀況，成為了能量管理系統。雖然我國科學技術水平在不斷的發展，但是技術理論仍然不是很先進，導致電網調度系統的自動化和智能化程度仍然不是很高。因此，如何更好地運用現代科學技術，完善電力電網的智能調度系統，使電力電網的智能調度系統更加高效便捷，實現真正的智能，這將是電力系統的未來趨勢。
（二）電力電網系統智能調度的概念
電力電網系統智能調度就是指調度系統可以對電力系統的電網的每個狀態進行自動獲取，綜合了解其中的變化，協助電力調度員的管理，使電力調度員操作更加便捷精準，便于獲取最好的方案，從而保證電網的安全運作。電力電網系統智能調度系統的功能不單單是基礎的電力系統的穩態分析，在電力系統發生突如其來的故障時還應該具有一定的分析功能，可以及時幫助電力調度員解決故障，并且還應該可以兼容日益發展的運行系統。新型的電力電網系統智能系統比如今使用于電力系統中的調度系統更加復雜，更加龐大。新型的電力電網系統智能系統不單單需要電力系統中各個系統相互獨立，卻有相互統一，各個系統間可以互相幫助，除此之外，還要求新型的電力電網系統智能系統有兼容第三方軟件的能力，該系統的最終構架應該是一種開放式的軟件體系。
二、 人工智能在電網調度系統中的應用
（一）人工智能的概念
人工智能又名機器智能，融合了計算機科學、數理邏輯、控制論、信息論、神經生物學以及語言學等多門學科的知識理論，最終發展而成的一門綜合性學科。人工智能的主要目標就是運用人類的智慧，使計算機系統日益的先進，逐漸使計算機系統表現出人類的一些基本智能行為。科學家進行了大量的科研實驗，實驗結果表明，人工智能技術發展的速度也越來越快，已經廣泛地應用與各行各業，并發揮了顯著的效果。不可否認，人工智能必將是未來的發展趨勢。
（二）人工智能系統方法分類
二十世紀八十年代初，人工智能技術剛剛崛起，不斷地應用于電力系統以及電力系統的相關行業中，主要原因如下：
1電力系統在當時那個年代就已經擁有了很大的規模，數據處理十分的繁瑣，并且系統要求動態實時性，憑借當時的計算機水平根本沒有辦法快速獲取計算結果，嚴重拖累了電力系統的工作效率。
2電力系統的非線性根本沒有辦法憑借當時的計算機水平建立出精確的線性數學模型。
3由于當時科學技術水平不是很發達，大多數人對電力系統不是十分了解最終導致電力系統行業中存在很多模棱兩可的問題。
4由于當時科學技術水平不是很發達，很多電力系統的專家只能根據自己的經驗對電力系統進行分析，根本無法運用精確的數學進行描述。與傳統的計算不同，人工智能算法是以解決知識中所存在的問題的方法為基礎，解決了傳統計算方法的缺點。因此，人工智能應用于實際的電力系統中是十分必要的。
（三）人工智能在電網調度系統中的應用以及方法：
1 專家系統
在二十世紀六十年代，專家系統作為人工智能在電網調度系統中的應用的重要分支開始興起，專家系統顧名思義，這個系統擁有極其接近人類思維模式的智能系統，可以很好地進行分析和推理，就猶如一些擁有豐富經驗和淵博知識的專家，在特定的區域里憑借區域內固有的數據庫對問題進行合理的分析，最終提出適當的問題解決方案。在專家系統應用于電力電網調度系統中，應該包括電網的管理、對電力系統進行綜合的監測作用、對故障進行分析并及時提供解決意見等。
2 人工神經網絡
人工神經網絡顧名思義，就是一種類似于人類大腦的神經網絡，人工神經網絡可以對給與的信息進行適當合理的分析，并且處理，最終演變成數學模型，人工神經網絡的本身就是對自然界某種算法或者函數的逼近，也可能是一種邏輯表達方式。人工智能神經網絡與人類的大腦十分相似，具有一定的自學和聯想能力，可以快速地根據特定的規律推算出大致的結果。人工神經網絡已經廣泛應用于人工電力電網系統的動態控制與診斷、狀態數據估計等很多的相關領域，并取得了一定的成效，而其中的人工神經網絡的預測估計分析技術已經十分的完善。
3 遺傳算法
遺傳算法就是根據達爾文生物種族進化論中遺傳機制和自然選擇學機理的生物進化過程進行模擬最終獲取相應的計算模型，遺傳算法可以通過模擬自然進化過程分析獲取最好的解決方案。具體方法如下：
（1）選取一定數量的候選集。
（2）根據一定的條件，計算出這些候選集的應用范圍。
（3）根據計算所得的應用范圍適來確定符合應用范圍的候選集。
（4）加工處理符合應用范圍的候選集，最終形成新的候選集。
在整個遺傳學算法中，達爾文自然選擇學機理中的“適者生存”一直貫穿始終，遺傳算法憑借自身十分優異的計算和處理功能，已經廣泛地應用于電力電網系統中。
4 Agent技術
Agent技術是一種智能計算實體，在分布式系統中擁有靈活性、主動性、反應性、交互性和自主性。Agent體系結構是一種自主行為實體，單純憑借現今的計算機水平，很難準確對Agent體系結構進行描述，其大略可分為三種類型，是混合式體系結構、反應式體系結構和審慎式體系結構。如今，反應式體系結構是其中主要的研究對象，事件處理系統、方法集合和內部狀態集組成了反應式體系結構。具備良好適應性和開放性的Agent技術作為在新一代調度自動化系統，發展前景不可小視。
對于同類發電機組而言，綜合考量其安全性能、經濟效益和環保指標等要素，可以分別表示出機組的可靠性能R、經濟效益標準E、環境標準D，以及熱電比例H，依次用a表示其權值。那么可以得出：I=a*（R+E+D+H），其中每個權值的和為1。
設定機組工作的經濟程度與出力之間的關系為函數E（P），那么用來指代系統經濟性能的公式可以表示成：E=E（P max）/ P max。
系統的環保性指標可以用單位排放的污染氣體總量來表示；系統的熱電比是將單位出力表示為熱量數值，設定熱電之間轉化的關系函數H（P），那么可以得出：H=H（P max）/ P max。
（四）Agent技術的發展前景
分布式的Agent技術就是將能量管理系統模塊封裝成Agent，使智能電網調度擁有更強的自治性和可移植性，從而在一定程度上解決了智能電網調度的一些問題。現如今，學者對人工智能技術不斷深入地研究，從而使其更加廣泛地應用于電力系統中，并取得了一定的效果。在科學技術不斷發展的背景下，Agent技術一定會擁有更廣闊的前景。
三、 國內外電力電網智能調度系統的研究現狀
在二十世紀九十年代，Dy-Liacco作為“現代能量控制中心”概念的創始人，十分全面地論述建立了電力電網智能調度系統的文獻，在文中提到想要解決電力系統中存在的一些問題，應該用智能機器調度員替代人工調度員，除此之外，文中還提到要綜合仿真培訓和自動學習等功能，從而使電力電網自動運行。在我國，盧強院士最先提出了“數字電力系統”的概念，主要講訴的是正常情況下電力電網智能調度系統對電力系統的監管的分析的功能等；華北電力大學的楊以涵教授則帶領自己的科研組進行電力系統的研究，基于“數字電力系統”的概念，分析電力系統中電網會出現的故障，以及安全方面等進行了探討，最終形成了建立以分析和解決電網故障的“調度機器人”的思維模式。
結語
綜上所述，電力電網調度系統對電力系統而言是至關重要的，電力電網的智能調度系統是一個實時動態的系統，可以有效地進行分析和調控電力系統，當電力站發生故障時，電力電網的智能調度系統可以更加精準和及時地對故障分析和處理，更加快捷方便，可以更全面地了解電力電網的運行狀況。本文對電力電網智能調度系統做了簡單的介紹，對電力電網智能調度系統的具體應用進行了探討，希望本文可以給相關電力電網工作者甚至是研究者帶來一定的參考作用，使電力電網的智能調度系統更加完善，可以更好地應用于電力系統中。
參考文獻
如果說互聯網金融已經開始動搖傳統金融的根基，那么金融科技將徹底顛覆傳統金融的所有領域。圍棋是最復雜、需要開動最強大腦的比賽，而人工智能卻能輕易戰勝世界冠軍，那么金融領域包括分析師等最高端崗位都可能被人工智能取代。
金融分析師面臨的挑戰
金融數據服務商Kensho創始人預計，到2026年，有33%～50%的金融業工作人員會失去工作，他們的工作將被電腦所取代，這其中就包括金融業高端服務的金融分析師。而特許金融分析師協會（CFA協會）是通過考試來“生產”世界上最權威、最專業金融分析師的搖籃。CFA證書是投資從業者的“黃金標準”。投資從業者希望通過獲得CFA認證，可以更深入地了解市場，獲得更好的工作崗位和更高的薪酬。
如果人工智能替代金融分析師崗位，那么不遠的將來CFA證書或許將一文不值，CFA協會也將最終被人工智能金融所淘汰。全球金融分析師包括CFA證書持有者都正面臨空前的危機。他們的危機同樣是CFA協會的危機。這促使CFA協會主動出擊，主動擁抱人工智能金融。
CFA協會將人工智能等內容加入考綱，希望持證人能充分利用人工智能指導投資決策。近期，CFA協會分管資格認證的執行董事Steve Horan稱，協會計劃將人工智能、智能投顧以及大數據分析方法納入CFA考試大綱，新的知識點將在2019年CFA考試中出現。
CFA考試納入人工智能等內容能否起作用
實際上，即使納入大綱也不一定能夠挽救金融分析師及其組織的命運。因為人工智能不僅被引入到金融行業，而且正在對各行各業，甚至是有些看似非常高大上的行業構成嚴重沖擊。我們不妨看幾個例子。
2016年，最熱鬧的事件莫過于谷歌Alpha Go大戰李世石。但不為眾人所知的是，2016年IBM的沃森（Waston）通過閱讀醫學文獻，成功救治了一位日本患者。也就是說醫生這個職業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。摩根大通設計了一款金融合同解析軟件COIN。這款軟件上線半年多，此前律師和貸款人員每年消耗36萬小時才能完成的工作，如今COIN只需幾秒。
金融數據服務商Kensho的程序可以迅速告知人們，在發生沖突的時候，石油、貨幣等各類資產，在過往是如何表現的。Kensho開發的程序做這份工作只需要1分鐘，而分析師們需要40個小時，且這些分析師還拿著35萬～50萬美元的薪水。
目前，歐洲地區、美國、日本正在研究能夠讀研報、分析研報的沃森，它既能跟蹤市場資訊與價格波動，又能眨眼之間就告訴投資者什么時候買入什么股票。最可怕的是，它不會抱怨，不會要求加薪。
一個報道的描述非常形象：當你在吃飯的時候，機器人在讀研報；當你在喝咖啡的時候，機器人在讀研報。機器人不會疲憊，不用休息，可以通宵達旦。對于分析常用的股票估值模型，人工智能用了之后更快，用得更嗜貳
從被動應對到主動變革
DOI：10.16640/ki.37-1222/t.2017.07.119
0 簡介
人工智能（（Artificial Intelligence）），它是一門新的技術科學，主要用于模擬、延伸以及擴展人類的智能的方法、理論、技術以及應用系統。人工智能主要就是對人類的思維、意識的信息過程的合理化的模擬。人工智能它并不是人的智能，但是，它卻能像人那樣的思考，而且也可能會超過人類的智能。總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些復雜工作。
1 人工智能的運用現狀
目前，在很多方面人工智能有著運用，其中一個主要表現就是全球人工智能公司數量在急劇的增加，專家系統在目前來看是在人工智能各領域中最為活躍，且最為有成效的一個領域。它是一類基于知識的系統，并可以解決那些一般僅有專家才能夠解決的復雜問題。我們這樣定義專家系統：專家系統是一種具有特定領域內大量知識與經驗的程序系統，它是基于程序系統依靠人工智能技術，來模擬人類專家求解復雜問題的過程，大多情況下，專家系統的水平甚至可以超過人類專家。專家系統的基本結構圖如下圖所示：
2 人工智能的影響
人工智能對經濟的影響：人工智能的的確確會影響到社會、生活、文化的方方面面，特別是對于實體經濟將來會有巨大的影響。以后，每個行業幾乎都會產生顛覆性的變化。在人工智能的研究上，中國并不落后，將來的中國一定可以從中獲得非常大的收益。一成功的專家系統可以為它的用戶帶來很明顯的經濟效益。用比較經濟的辦法執行任務而不需要具有經驗的專家，從而極大地減少開支。專家系統深入各行各業，帶來巨大的宏觀效益，促進了IT網絡工業的發展。
人工智能對文化的影響：在人工智能原理的基礎上，人們通常情況下會應用人工智能的概念來描述他們的日常狀態和求解問題的過程。人工智能可以擴大人們知識交流的概念集合，描述我們所見所聞的方法以及描述我們信念的新方法；人工智能技術為人類的文化生活提供了巨大的便利。如圖像處理技術必將會對圖形藝術和社會教育部門等產生深遠影響。比如現有的智力游戲機將會發展成具有更高智能的一種文化娛樂手段。隨著技術的進步，這種影響會越來越明顯地表現出來。當然，還有一些影響可能是我們目前難以預測的。但可以肯定，人工智能將對人類的物質文明以及精神文明產生更大的影響。
人工智能對社會的的影響：一方面，AI為人類文化生活提供了一種新的模式。現有的游戲將逐步發展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應用已經深入到各大游戲制造商的開發中。另一方面，人工智能能夠代替人類進行各種腦力勞動，所以，從某種意義上來講，這將會使一部分人失去發展的機遇，甚至可能失業。由于人工智能在科技以及工程中的應用，一部分人可能會失去介入信息處理活動的機會，甚至不得已而改變自己的工作方式；人工智能還可能會威脅到人類的精神。一般人們覺得人類與機器的區別就是人類具有感知精神，但如果有一天，這些相信只有人才具有感知精神的人也開始相信機器能夠思維和創作，那他們就會感到失望，甚至于感到威脅。他們會擔心：有朝一日，智能機器的人工智能可能會超過人類的自然智能，從而使人類淪為智能機器的奴隸。
3 人工智能的發展趨勢
有機構預測，2017年人工智能投資將同比增長300%以上，在技術上將會更迅猛發展，工控自動化商城的智能語音、智能圖像、自然語言以及深度學習等技術越來越成熟，就像空氣和水一樣將會逐步地滲透到我們的日常生活。行業專家關于2017年人工智能的發展方向主要有以下幾點：（1）機器學習目前正在被應用在更復雜的任務以及更多領域中，且被更多的人作為挖掘數據的方式。無監督的學習會取得更多進展，但也存在很大的挑戰，故在這一方面離人類的能力還是差得很遠的。計算機在理解和生成自然語言方面，預計最先會在聊天機器人和其他對話系統上落地。 （2）深度學習、其他的機器學習、人工智能技術的混用，是成熟技術的典型標志。將深度學習應用到醫療領域中（醫療圖像、臨床數據、基因組數據等），各種類型數據上的研究以及成果將會大大的增加。 （3）聊天機器人和自動駕駛汽車可能會取得較大的進展，預計更多人類基準將會被打破，特別是那些基于視覺以及適合卷積神經網絡的挑戰。而非視覺特征創建和時間感知方法將會變得更加頻繁、更加富有成果。
4 結論
人工智能是人類長久以來的夢想，同時也是一門富有挑戰性的學科。盡管人工智能帶來很多問題，但當人類堅持把人工智能只用于造福人類，人工智能推動人類社會文明進步將毋庸置疑。就像所有的學科一樣，人工智能也會經歷各種挫折，但只要我們有信心、 有毅力，人工智能終將成為現實，融入到我們生活的方方面面，為我們的生活帶來更大的改變。
參考文獻：
[1]朱祝武.人工智能發展綜述[J].中國西部科技，2011，10（17）：8-10.
【關鍵詞】
人工智能；計算機網絡技術；運用
引言
到目前為止，我國的很多領域都已經開始了人工智能技術的應用，人工智能的技術應用大大方便了我們的生活，同時，也實現了生產和服務領域的革新和進步，對我國整體的科技進步和發展發揮了重要作用。
1人工智能簡介
1.1概念
人工智能是在近些年逐步興起和開始被大家熟知的技術名詞，人工智能主要應用在人工模擬操控以及實現人的智能性擴展和延伸，人工智能綜合了相關領域的智能性技術、智能操作方法以及智能技術應用，屬于一門綜合性較強的技術類應用科學。屬于一門獨立的新型技術學科。人工智能主要的應用載體為計算機，通過技術研究嘗試實現計算機實體發揮出人的智能，實現對人的智能性模擬應用，智能性延伸和擴展。從根本上來講就是尋求高應用技能的計算機，通過科學的設計和新型的建造方式實現計算機應用系統的高智能水平發揮。人工智能的概念是以人類智能為參考的，主要的應用方法是利用人工技術，通過人類智能行為的計算機開發和引入，綜合性研究的科學載體。近些年來，伴隨著計算機軟硬件的技術更新發展速度不斷加快，計算機的實際應用速度和效率不斷提高、實際的資源存儲能力不斷提高，同時，實際的網絡技術普及促使電子類產品價格不斷下降，許多人工無法短時間內快速完成的任務通過計算機已經可以輕松搞定，人工智能也由此擁有了更多的現實應用能力和基礎。目前，我國的人工智能研究主要集中在三個重要領域，其中包括了智能化的接口設計、智能化的數據搜索以及智能化的主體系統研究[1]。
1.2接口技術研究
為了實現更加便捷自然的人工智能交流技術應用，智能接口技術的研究在近些年來越來越受到關注。數據的提煉和有效信息的挖掘技術需要從大量模糊和隨機的數據中進行有效信息提取，從而實現對潛在和隱含信息中有價值數據的搜索和提煉的過程。所以，這一過程就需要搜索的主體具有一定的意念、選擇性能力以及辨識方法，屬于一個智能化的概念主體。同時具有明顯的自主性特征。通過對人類大腦智能化識別以及模糊數據處理功能模仿，實現智能化計算機的應用。未來，人工智能將會在人工神經網絡中進一步應用和普及，成為未來可具發展潛力的全新領域。在人工智能技術應用過程中，包含了語言信息自動處理、定理化的自動證明以及智能化信息檢索和問題解答等等。所以，人工智能應用中人機關系的變化將會進一步對人們生活方式以及生產模式產生重要影響，成為整體信息技術發展的新方向和新課題。在新的發展階段，人工智能也將擁有新的應用領域需要出現[2]。
2人工智能在網絡技術中的應用
在網絡安全領域，人工智能技術應用也逐步廣泛發展起來。互聯網信息時代人們的交流和聯系日益密切起來。人們的生產生活也因此大為便捷。但是，信息交流溝通的便利性加大的同時也必然引起網絡信息的安全系數降低，網絡安全隱患多種多樣。所以，人工智能技術的網絡安全維護應用將成為重要的突破口，大大提高網絡安全系數，同時實現網絡安全性能的提高，對用戶的信息安全進行充分保護。人工智能最突出的特點就是對于不確定性信息以及不可知性信息的理解以及整合能力較高，這些都是可利用在網絡安全維護中的重要技術優勢。能夠很好的對入網訪問者進行智能識別，提高信息的安全和穩定性[3]。同時，人工智能技術還可以很好的應用到計算機網絡信息服務領域中，一般被稱為智能信息處理技術，通過這一技術的融合可以有效提高人工智能的個性化任務設置，豐富實用方式，提高綜合服務水平。在軟件方面，各類新型開發工具都在不斷應用，人工智能的領域化拓展速度不斷加快，在硬件方面，技術革新帶來了性能的不斷提高，同時價格也在不斷降低。
3結論
綜上所述，我國的人工智能科學技術在很多領域的應用已經得到了很大的突破，科學技術與計算機網絡都是在人工智能發展過程中得到自身應用拓展的重要組成。通過以人工智能計算機網絡應用模式的分析和研究，進一步為人工智能的未來發展提供理論研究和參考價值。
作者：谷世紅 畢然 單位：石家莊信息工程職業學院
參考文獻
