人工智能（AI）论文摘要：人工智能是研究如何利用计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机智能的原理、制造类似人脑智能的计算机以及实现计算机更高层次的应用等。人工智能会涉及到计算机科学、心理学、哲学、语言学等学科，可以说几乎涵盖了自然科学和社会科学的所有学科，其范围已经远远超出了计算机科学的范围。人工智能与思维科学的关系是实践与理论的关系，人工智能处于思维科学的技术应用层面，是思维科学的一个应用分支。从思维的角度看，人工智能不仅限于逻辑思维，还需要考虑形象思维、灵感思维等，推动人工智能的突破性发展。数学常常被认为是许多学科的基础科学，数学也进入了语言、思维等领域，人工智能学科也必须借用数学工具。 数学不仅在标准逻辑、模糊数学中发挥作用，而且进入了人工智能学科，它们会互相促进，更快地发展。 关键词：人工智能 智能现状 应用趋势 发展 1.引言 人工智能（AI）是计算机科学的一个分支，自20世纪70年代以来，被誉为世界三大前沿技术之一（空间技术、能源技术、人工智能），也被认为是21世纪三大前沿技术之一（基因工程、纳米科学、人工智能）。
这是因为它在近三十年中发展很快，在许多学科中得到了广泛的应用，取得了丰硕的成果，人工智能逐渐成为一个独立的分支，并在理论和实践上形成了体系。 2.计算机与智能 通常我们在使用计算机时，不但要告诉计算机要做什么，而且还要详细而正确地告诉计算机怎样做。也就是说，人们要根据任务的要求，用适当的计算机语言编写出针对该任务的应用程序，然后才能用计算机去完成任务。其实这是人完全控制计算机，计算机中并不存在“智能”。从字面上理解，“人工智能”就是用人工的方法在计算机上实现人的智能，或者说，人使计算机具有像人一样的智能。 3.人工智能的研究领域 目前，人工智能的研究是与具体领域相结合的，基本上有以下几个领域； 专家系统 专家系统是在人类专家已有知识的基础上建立起来的知识体系。 目前，专家系统是人工智能研究中最早、最活跃、最有效的领域，广泛应用于医疗诊断、地质勘探、石油化工、军事、文化教育等领域。它是具有相应特定领域知识和经验的程序系统，利用人工智能技术模拟人类专家解决问题时的思维过程，解决该领域各种问题并达到或接近专家的水平。机器学习使计算机拥有知识的途径一般有两种：一是知识工程师把有关知识概括、组织起来，以计算机可以接受和处理的方式表达出来并输入计算机。
另一类是使计算机本身能够获得知识，它能学习人类已有的知识，并在实践过程中不断总结、完善，这种方法就叫机器学习。机器学习的研究主要在以下三个方面进行：一是研究人类学习的机制和人脑思维的过程；以及机器学习的方法；以及针对具体任务建立学习系统。机器学习的研究是建立在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多个学科的基础上的，依靠这些学科共同发展，目前已取得很大进展，但问题还没有完全解决。模式识别模式识别是研究如何使机器具有感知能力，主要研究对视觉模式和听觉模式的识别。如识别物体、地形、图像、字体（如签名）等。在日常生活的各个方面和军事上都有着广泛的用途。 近年来，模糊数学模型和人工神经网络模型的应用发展迅速，逐渐取代了传统的采用统计模型和结构模型的识别方法。特别是神经网络方法在模式识别方面取得了很大的进展。理解自然语言如果计算机能“听懂”人类的语言（如汉语、英语等），就能直接用口语操作计算机，给人们带来很大的方便。计算机理解自然语言的研究有以下三个目标：一是使计算机能正确理解人类自然语言输入的信息，并能对输入的信息正确地答复（或响应）；二是使计算机能对输入的信息产生相应的摘要，复述输入的内容。
第三，计算机能把输入的自然语言翻译成另一种所需的语言，比如把中文翻译成英文，或者把英文翻译成中文。目前，人们对计算机自动翻译文字或语言的研究已经做了很多尝试，但还没有找到最好的方法，需要进一步的深入探索。4.人工智能与软件工程的联系浅谈4.1知识具有很大的不确定性很多科学家和研究人员认为，这个世界最吸引人的地方就是它具有不确定性。但是，目前很多人在研究知识的确定性，却很少有人研究知识的不确定性。因此，深入发掘人工智能的不确定性，首先要研究知识的不确定性。常识知识和语言不确定性是知识不确定性的重要组成部分。常识知识是元知识，属于知识中的知识。常识知识对应的概念表达了明显的模糊性和随机性、不确定性，它可以很好地利用自然语言。由于知识的不确定性，人们必然会进一步研究人工智能的不确定性。 当前人工智能科学家的一个重要任务就是利用机器模拟人的认知以及人类对客观世界的认知，使机器也具备一定的不确定性智能，即主要通过对不确定性知识的模拟和处理，应用并发现不确定性中存在的规律.4.2软件工程的不确定性与过程模拟首先是软件工程的过程模拟，通过对企业的产品特点、生产周期、业务范围、企业管理、规模等方面进行分析，找出企业的特点，从而提高企业的软件质量和生产率，从而更好地创造出将软件质量控制与软件管理相集成的解决方案，在较长的一段时间内不断提高产品质量.
总体上，软件工程过程可以分为项目管理、软件开发过程和组织管理三个方面，该模型可以重点关注软件的恢复控制、企业的组织管理和软件的工程开发项目管理，是全面实施和改进软件过程的核心模型。由于软件工程过程模型并不是孤立的、静止的，为了实现整个模型的不断发展和螺旋上升的趋势，我们将从企业的三个方面对其进行改造和深化。因此可以得出软件工程模型属于动态的持续优化模型的结论。其次，存在许多不确定的问题和因素。首先，软件质量存在不确定性。该技术主要包括对象的设计、分析、实现等方面，是计算机软件工程的主流，软件质量与计算机的操作和配置有着重要的关系。由于对象本身具有多态性和可继承性等特性，面向对象的方法和技术逐渐成为提高软件的可移植性、继承性和功能性的有效手段。 但是软件质量已经变得越来越难以控制，不仅仅是因为近年来软件复杂度的增加，还因为软件规模的不断扩大。其次，人利用软件工程的不确定性。在软件工程中各项任务的运作中，人是一个非常重要的因素，因为软件工程的运作涵盖了太多的软件生产工序，而每个工序实现的人机交互的变化，形成不同程度的影响。所以软件工程中人的工作存在着绝对的不确定性。要解决这些问题，就需要将不确定因素引入人工智能，进行更好的量化评价和量化考核，使其更好地参与到软件质量的评价和管理过程中。
5、人工智能的应用人工智能技术已经来到我们身边，我们经常接触到的Siri和安卓设备上的语音助手就是最好的两个例子。短期内，谷歌的产品将是哈萨比斯研究成果最早的受益者，尽管个性化产品、智能搜索、YouTube、智能语音和面部识别等并不严格属于人工智能的范畴。“只是软件，对吧？”哈萨比斯笑着说，“不管怎么说，这都是能起作用的东西。”从更长远的角度来看，哈萨比斯正在开发的技术涵盖的不仅仅是情感机器人和智能手机，也不仅仅是谷歌一家。不甘落后的Facebook、微软、苹果等科技巨头也在吸纳人工智能领域的人才，这些公司已经在这个领域投入了数十亿美元。人工智能技术带来的颠覆性势必会超出所有人的想象。的确，这一切听起来有些雄心勃勃。大多数人工智能系统都比较狭窄，预先编程好的媒介只能处理特定领域的任务，并不擅长其他领域。 因此，尽管 IBM 的“深蓝”计算机能够在围棋比赛中击败世界冠军加里·卡斯帕罗夫，但在三子棋游戏中它甚至无法打败一个三岁的小孩。
这次哈萨比斯计划从人脑中汲取灵感，希望创造出第一台多功能、能自主学习的人工智能机器。这种机器使用的算法非常灵活，能适应周围的环境，也就是说它就像生物系统一样可以学习，只要接触到原始声音数据，就可以从头学习技能。这种技术被称为“人工智能通用技术” 6.未来发展与展望 我个人认为人工智能未来可能朝以下几个方向发展：模糊处理、并行化、神经网络和机器情感，因为人工智能的推理功能已经被突破，学习和联想功能正在研究中。下一步是模仿人类右脑的模糊处理功能和整个大脑的并行处理功能。人工神经网络是未来人工智能应用的一个新领域。 如今，人工智能研究的很多成果已经进入人们的日常生活。一些苹果、IBM兼容机的应用软件，如语音和文字识别等都可以购买；利用模糊逻辑，AI技术简化了摄像设备。 我相信未来人工智能技术的发展将对人们的生活、工作和教育产生更大的影响。
