導語：如何才能寫好一篇人工智能的發(fā)展速度，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

1956年夏天，美國達特茅斯學院舉行了歷史上第一次人工智能（Artificial Intelligence）研討會，這被認為是人工智能誕生的標志。如今，人工智能已經走過了60年，幾經高峰和低谷，伴隨著人機交互、機器學習、模式識別等技術的提升，人工智能成為了這一時代的新趨勢。

五角大樓的CALO項目是史上最大的人工智能項目，它為Siri的誕生奠定了基礎；IBM超級計算機沃森（Watson）無需進行人工編程，它的每一次體驗都能讓自己更快速一些……隨著人工智能與大數據、物聯網、生物技術、虛擬現實等新興產業(yè)結合，它對其他產業(yè)乃至社會經濟的滲透速度都將越來越快。

當前，新一輪科技革命和產業(yè)變革正在孕育興起，生物技術、新材料技術、新能源技術廣泛滲透，帶動幾乎所有領域發(fā)生了以綠色、智能、泛在為特征的群體性技術革命，大數據、云計算、移動互聯網等新一代信息技術同機器人技術相互融合步伐還在不斷加快。毋庸置疑的是，未來人工智能技術的發(fā)展與飛躍，將極大地改變世界面貌，改變人們的生活方式。人工智能與虛擬現實、物聯網等技術的融合，也將對未來社會的生產方式革命、產業(yè)結構調整、商業(yè)模式革新等產生巨大而深遠的影響。在第三屆世界互聯網大會期間的《烏鎮(zhèn)指數：全球人工智能發(fā)展報告2016》指出，2015年全球新增人工智能企業(yè)達到了806家，平均每10.9個小時就有一家人工智能企業(yè)誕生。

國家對人工智能的重視程度與扶持力度也在持續(xù)提升。“十三五”規(guī)劃中，特別提到要形成人機交互網絡空間，將人工智能上升為國家戰(zhàn)略；2016年5月，國家發(fā)改委、中央網信辦等聯合印發(fā)《“互聯網+”人工智能三年行動實施方案》；2015年7月的《國務院關于積極推進“互聯網+”行動的指導意見》，明確指出要重點發(fā)展人工智能在家居、終端、汽車、機器人等領域的應用，并將“互聯網+”人工智能作為11個重點行動模塊之一……

篇2

最近幾天，“圍棋人機大戰(zhàn)”吸引了廣大網友的廣泛關注。由谷歌公司開發(fā)的圍棋人工智能程序“阿爾法圍棋”以3∶0完勝圍棋世界冠軍李世石。比賽勝負已分，但帶給人的思考卻未就此停止?！鞍柗▏濉焙唵蝸碚f就是人工智能技術的一個發(fā)展成果，但是基于目前“阿爾法圍棋”的表現，能夠明顯看出它雖然展現出來的能力還主要是計算機基本邏輯推理能力，但是其已經具有極強的學習能力。在“圍棋人機大戰(zhàn)”中，面對李世石的“奇招”，“阿狗”從容應對，直接引發(fā)了人們對未來人工智能取代企業(yè)人工操作的若干思考。

但是就目前而言，距離實現成熟的人工智能技術還很遙遠，甚至可以說，未來能不能實現還是個謎。因為有兩個重要的技術屏障無法突破，一是當前馮?諾依曼型計算機還不具備模擬人腦的強大能力；二是腦科學的發(fā)展速度仍然緩慢，人類對于自身大腦詳細的深層結構和運作方式知之甚少。雖然基于目前科學研究結果能夠提出以上建議，但是通過“圍棋人機大戰(zhàn)”，讓人們充分見識到了人工智能技術的強大能力，那么一旦這種技術突破障礙，對當前企業(yè)發(fā)展、人工操作將具有怎樣的影響，一時間成為討論熱點。

關于人工智能技術對人們生活和工作的具體影響還無法預測，但是有一點不可否認，人工智能技術的出現也就代表著人類的很多事情在未來完全有可能被計算機、機器人所替代，并且可以明確斷定計算機、機器人能憑借它們強大的能力幫助人類做出更多出色的成績。到那時，機器人會走入家庭，像朋友一樣與人類相處，甚至還可能成為人類家庭中的一員。那么對于經營者來講，在企業(yè)發(fā)展中也就可以大量應用人工智能技術，提高企業(yè)生產的程序化設計，從而顯著提高企業(yè)的生產效率及生產質量。企業(yè)中的大部分人工操作也就可以采用計算機、機器人代替，一方面可以最大化地節(jié)約成本；另一方面可以日夜操作，從而顯著提高企業(yè)的生產效率，對生產質量也能夠有最直觀的控制?？傊?，人工智能技術的發(fā)展對企業(yè)發(fā)展具有明顯的促進作用，相信也將成為企業(yè)未來發(fā)展的主要方向。

篇3

>> 李開復：人類還有機會 李開復：面對癌魔有反思 還有機會 機會，還有機會 李開復 2013年社交領域創(chuàng)業(yè)機會少 李開復:有用的創(chuàng)新更重要 激情李開復:婚姻是最有力的后盾 李開復簡歷 意外李開復 李開復自豪 校長李開復 李開復/丁俊暉 別了，李開復 柯達還有機會 你還有機會 “價值投資”還有機會嗎 莫斯科還有機會嗎 面貼膜市場還有機會搶 短信支付還有機會？ 光線電視　還有機會么？ 常見問題解答 當前所在位置：中國 > 管理 > 李開復:人類還有機會 李開復:人類還有機會 雜志之家、寫作服務和雜志訂閱支持對公帳戶付款！安全又可靠！ document.write("作者： 本刊編輯部")

申明:本網站內容僅用于學術交流，如有侵犯您的權益，請及時告知我們，本站將立即刪除有關內容。 李開復，1961年生于中國臺灣，曾在蘋果、SGI、微軟和Google等多家公司擔任要職。2009年創(chuàng)辦創(chuàng)新工場，并任董事長兼首席執(zhí)行官，新作《人工智能》已經上市。

01 基因功能代表的“生物改造”和人工智能為代表的“機械改造”，哪個更像人類的未來？

一個是對人類身體的理解，另一個能提升整個人類的效率。這兩者之間可能還有交叉。但我覺得人工智能更重要，它給整個社會結構帶來的機會和挑戰(zhàn)更多。算法延伸到生物和醫(yī)學等領域。它是通用的，所以價值更大一點。

02《未來簡史》作者提出生物都是算法，算法很快就會比人類更了解它自己。你怎么看？

他太簡化了人工智能能做和不能做的事。人類沒有因為計算器的發(fā)明就停止數學的創(chuàng)新，也沒有因為汽車就停止了賽跑。很多問題上確實人工智能超過人類。在一個數據量夠大、場景夠單一、決策夠客觀、非黑即白的領域里，人沒有辦法做幾千維度的精細判斷，是永遠不會超過機器的，AlphaGo是個例子。但不能延伸下去就說它有常識。我也不同意生物等同于算法。安慰劑效應是什么算法算出的？愛上一個人是什么算法？當我們幫助弱勢群體，感覺到自我實現，又是什么算法？我不會算，它更不會算。

03 量子計算如果成功，人工智能會得到怎樣的發(fā)展？

有可能帶來質的變化。人類的當務之急，是看到人工智能將產生的社會效應和結果，以及怎么面對這些必然的結果。

04 人工智能將取代許多人的工作，那如何重新解釋人的價值？

好消息是，人工智能將創(chuàng)造大量財富，解決了溫飽問題，下一步就是人類的自我實現。人工智能的弱點在只會做邊界清晰的事，炒股就炒股、下棋就下棋，它不會做跨領域的東西。它還做不了模糊的東西，人類可以多做跨領域的文化藝術工作。

05 在與AlphaGo的對弈中，“棋感”的概念已經被消解，下一步會是“審美”“情緒”等概念么？

對圍棋的認知錯了嘛，這是一個非常客觀、大數據的、非贏即輸的問題，所以非常適合機器，相對不適合人，所謂的棋神、棋圣把非常不適合人的問題，組合出了一種認知方法，讓不適合的人居然也能下得這么好，已經是個奇跡了。但在非大數據、非單一、非客觀領域，人類還沒被大數據人工智能碾軋，還有機會。

06 人類能理解AlphaGo么？若不能，未來有機會了解么？

完全了解是很難的。人類的決策機制，是簡單粗暴的，舉個貸款的例子，人工智能可能有著1200個維度的貸款條件，建一個非常復雜的數學模型，來判斷借不借錢。但把這1200維度的數學模型，用人能夠聽得懂的方法，說明為什么不借錢，那是不可能的。

07 各類技術公司都在宣魅斯ぶ悄埽是否新一輪泡沫在產生？

肯定是有泡沫的，尤其是國內二級市場炒的人工智能概念，在一級市場，很多VC都想投，但不很懂，很容易被忽悠。

08 未來如果有“人工智能”的平臺，能否預測大致的框架？

可能有點像今天的iOS或安卓平臺。以后可能會有人工智能的工具箱，提供深度學習的工具。很厲害的工程師，能把這些工具拿出來用，不用太了解工具是怎么工作的，就像木匠不必知道鋸子是什么金屬做的。到這樣的狀態(tài)時，人工智能的應用就會井噴。

09 你能想到最保守的未來“人工智能”的形態(tài)是什么？

首先把全部的大數據運用起來，創(chuàng)造巨大的價值。第二，通過傳感器，收集新數據，創(chuàng)造新的前所未有的應用，如智慧城市，智能交通。第三是全面自動化，人類徹底從瑣碎重復的事情中解放。最保守的情況是，因為擔憂這些事情，很多國家用法律來降低其發(fā)展速度，比如為了保護銀行，不讓機器人炒股。

篇4

該走的路一步也省不了。

近兩年，我們經常聽到一些諸如“這是一個千億元級別的市場”“一定能夠顛覆BAT”的豪言壯語，如今卻很少聽到了；中關村的創(chuàng)業(yè)咖啡也涼了許多，“什么都不缺，就差一個程序員了”的創(chuàng)業(yè)者在資本的萎靡下也開始考慮為了明天的早餐開始找工作；盛極一時的iOS培訓也偃旗息鼓了，培訓出來的iOS學員發(fā)現市場上很難薪資溢價了，因為和他們一起應聘的，可能就是當時的培訓老師……

經濟不好，創(chuàng)業(yè)前景、公司發(fā)展遇阻的時候就會搞概念。

“過去大家普遍認為好概念對互聯網企業(yè)最重要。但Google的成功案例使人們猛然發(fā)現，憑借技術在行業(yè)里樹立最大壁壘，可以獲得產業(yè)最有價值的利益鏈條，現在連微軟這種典型的技術型企業(yè)也開始涉足互聯網了?！卑⒗锇桶虲TO吳炯說。而馬云笑稱，自己雖然算不上懂技術，但懂得尋找“適應市場需求的技術”。

這種提醒針對的是新一輪互聯網創(chuàng)業(yè)風潮。目前的創(chuàng)業(yè)者們總是堅持，一個好概念暗示著輝煌的未來。

但新一輪互聯網的輝煌遲遲沒有到來，代表著中國互聯網新興力量的Web2.0公司，不管是在流量指標上，還是在盈利模式上，至今都沒有出現過像美國的社區(qū)網站YouTube、Myspace那樣的顛覆性力量，伴隨它們的反倒是裁員、資本枯竭等不利消息。

IDG亞洲區(qū)裁熊曉鴿認為，風投最先選擇的是能創(chuàng)造服務和技術的人，其次才會考慮公司對行業(yè)的影響。而“技術大拿”們對這種現象的評價更為苛刻，在他們看來，互聯網的迅速崛起，靠的是打破常規(guī)的奇思妙想。如今的互聯網企業(yè)則經常缺乏創(chuàng)新精神，害怕失敗，于是炒作概念往往成為捷徑，很多新概念就出來了：移動互聯網時代已經結束、下半場開始、新零售變革……

移動互聯網時代結束了？

首先是李彥宏提出的：“移動互聯網時代已經結束?！焙诵母拍钍?，靠移動互聯網的風口已經沒有可能再出現獨角獸了，因為市場已經進入相對平穩(wěn)的發(fā)展階段，下一個發(fā)展階段是人工智能和物聯網的時代。

互聯網人口發(fā)展到一個瓶頸期，這是不爭的事實，但是講移動互聯網時代已經結束，可能還為時尚早吧。如果說移動互聯網時代已經結束，那么百度豈不是完美錯過了整個移動互聯網時代？

移動互聯網的出現沖擊了PC互聯網，但也并沒有出現能夠取代移動互聯網的新型互聯網方式。移動互聯網這一波已經過了幾年，它的體量已經很大，所以它的發(fā)展速度自然會慢慢放緩。但是在移動互聯網上面還有很多可以創(chuàng)新的地方，比如Wi-Fi通訊方式還并沒有像流量一樣，隨時隨地統(tǒng)一入口覆蓋，隨時隨地可獲取流量的發(fā)展也沒有達到成本可忽略的程度，新的獨角獸仍然未出現。還有諸如“互聯網+自行車”這樣的模式出來，所以現在移動互聯網時代只是梯度放緩，絕不是結束。

李彥宏提出移動互聯網時代已經結束，人工智能與物聯網的時代才是未來。我們完全可以理解百度錯過移動互聯網時代，并急于在人工智能方面抓緊迎頭趕上的迫切心態(tài)，畢竟曾經騰訊加阿里也不如百度的市值高。但是經此移動互聯網一役，百度已經只是這兩家市值的零頭了，可見人工智能并不是靠造概念就行的。

人工智能更多的還是在云端，終端客戶不需要去理解什么是人工智能、如何使用人工智能，他們只需要關心人工智能可以為他們提供哪些服務。

所以在云端怎么讓它更智能，如何運用大數據，這才是風口，但是現在是到了一個最關鍵的時間了嗎？我認為還需要很多基礎的東西。人工智能談了幾十年也是在這兩年才有了比較大的突破，后面就可以很簡單地應用在各行各業(yè)了嗎？我覺得未必。因為差距還有很遠，就像移動互聯網時代，不可能讓用戶去編程機App一樣，人工智能時代肯定不可能試圖讓用戶去理解人工智能，需要給用戶提供的只是人工智能物化了的產品和服務。

這些服務如何提供給終端用戶？我認為目前在沒有更好的互聯網服務的基礎上，還會繼續(xù)通過移動互聯網的方式提供。獨角獸的出現并不一定要互聯網人口紅利，和PC互聯網發(fā)展到移動互聯網不同，人工智能和物聯網的發(fā)展并沒有拋開移動物聯網。相反，還需要緊密結合移動互聯網。移動互聯網的發(fā)展在硬件鋪設上還沒有達到完美的程度，所以何談移動互聯網時代結束呢？

互聯網下半場開始了？

下半場是美團CEO王興在公司內部提出的一個概念，核心意思是，就像中國經濟用三十多年的時間，吃光了人口紅利，于是“新常態(tài)”就成為中國經濟的下半場；互聯網的人口紅利吃了二十幾年，也吃光了，互聯網公司的發(fā)展不得不從追求速度和規(guī)模，轉向追求縱深和創(chuàng)新，這就是互聯網的下半場。

互聯網從1995年開始到現在短短21年時間，如果非要拿上半場下半場這種概念來說，也就算開場踢了5分鐘，何來發(fā)展如此迅猛的上半場下半場？如果按王興的說法，現在是進入到了下半場，到2037年之后算加時賽嗎？需不需要搞個新賽季，再搞個甲級、乙級、晉級、降級比賽？

另外，從王興提到的人口紅利上來看，如果以人口紅利沒有了來算上下半場，那就更牽強附會了。就像獨立IT評論人keso說的那樣：以電力為例，如果從電力照明普遍進入家庭開始算，電力的人口紅利也早早就沒有了。但電力真正的革命卻發(fā)生在照明之外，它帶來的紅利遠非人口紅利可以概括，從中獲益的絕大多數也并非做電燈泡的企業(yè)。即使是做燈泡的，感嘆人口紅利不在的，也一定不是GE、歐司朗這樣的不斷以新技術引領照明行業(yè)的企業(yè)。

篇5

摘要：機械電子工程與人工智能的結合是機械電子工程的必然發(fā)展趨勢，如今人工智能在機械電子工程中的應用越來越廣泛，兩者的結合將使機械電子工程的自動化和智能化水平進一步提高，同時也有利于人工高智能的更好發(fā)展。本文將對機械電子工程與人工智能的各自特點以及歷史發(fā)展進行簡要分析，著重探討機械電子工程與人工智能之間的相互關系。

關鍵詞：機械電子工程；人工智能；關系

機械工程的每一次發(fā)展都帶動了工業(yè)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(tǒng)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(fā)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(fā)展，將使其技術水平得到進一步提升，滿足工業(yè)生產對機械設備的多元化需求。

1機械電子工程的發(fā)展過程及技術特點

1.1發(fā)展歷程

機械電子工程在其發(fā)展的最初階段，沒有受到相關產業(yè)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(fā)展受到較大限制。隨著機械電子工程的工業(yè)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(tǒng)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(guī)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(huán)節(jié)仍以機械為主，但電子技術和信息技術發(fā)揮出了越來越重要的作用。還需要根據系統(tǒng)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(tǒng)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(fā)展階段及發(fā)展前景

2.1三個發(fā)展階段

截止到目前為止，人工智能歷經了三個發(fā)展階段，在其技術萌芽階段，人工智能發(fā)展緩慢，但是在這一階段為人工智能的后續(xù)發(fā)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(fā)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(fā)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(xù)發(fā)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(fā)展階段，其技術應用得到快速發(fā)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(fā)展受到了越來越多的關注，具有良好的發(fā)展前景。

2.2發(fā)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(fā)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(fā)展，是一門極具發(fā)展?jié)摿Φ那把貙W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(fā)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(tǒng)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(tǒng)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(tǒng)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(tǒng)發(fā)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(tǒng)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(tǒng)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(wěn)定性處理及精度控制

不穩(wěn)定性是機械電子工程存在的主要缺陷之一，其系統(tǒng)本質以及輸入、輸出關系決定了機械電子工程的不穩(wěn)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(tǒng)的機械電子工程中，主要采用解析法對系統(tǒng)的不穩(wěn)定性進行調節(jié)控制，但這種控制方法無法做到精確控制，因此對不穩(wěn)定性的調節(jié)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?？梢圆捎萌斯ぢ毮艿纳窠浤Ｊ綄C械電子系統(tǒng)進行精確化控制，為系統(tǒng)的穩(wěn)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(fā)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(tǒng)不穩(wěn)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(fā)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.

[4]周龍飛,屈梁浩,梅越.淺析機械電子工程與人工智能的關系[J].通訊世界,2016(08):235.

篇6

關鍵詞:人工智能;創(chuàng)新性教學;精品課程;課程建設;教學改革

人工智能課程是計算機類專業(yè)的核心課程之一,也是智能科學與技術、自動化和電子信息等專業(yè)的重要課程,其知識點具有不可替代的重要作用。該課程內容廣泛,具有很強的綜合性、應用性、創(chuàng)新性和挑戰(zhàn)性[1],其開設能夠更好地培養(yǎng)學生的創(chuàng)新思維和技術創(chuàng)新能力,為學生提供了一種新的思維方法和問題求解手段。同時,本課程能夠培養(yǎng)學生對計算機前沿技術的前瞻性,提高他們的科技素質和學術水平。通過課程的學習,學生對人工智能的定義和發(fā)展、基本原理和應用有一定的了解和掌握,啟發(fā)了對人工智能的學習興趣,培養(yǎng)創(chuàng)新能力。

中南大學人工智能課程開設于20世紀80年代中期。1983年,蔡自興作為訪問學者赴美國普度大學研修人工智能,并與美國國家工程科學院院士傅京孫(K. S. Fu)教授及清華大學徐光v教授合作研究人工智能。在傅京孫院士教授的指導下,蔡自興和徐光v教授執(zhí)筆編著《人工智能及其應用》一書,并于1987年5月在清華大學出版社問世,成為國內率先出版的具有自主知識產權的人工智能教材。本教材不僅為我校人工智能課程提供了一部好教材,而且促進了國內高校普遍開設人工智能課程。此后,又陸續(xù)編著出版了《人工智能及其應用》第二版、第三版“本科生用書”和“研究生用書”、第四版等,修讀該課程的學生也與日俱增。該書第二版還獲得國家教育部科技進步一等獎。經過近20年建設,該我校人工智能課程于2003年評為國家精品課程,并在2008年評為國家雙語教學示范課程。這是至今國內唯一同時獲得國家級精品課程和雙語教學示范課程的人工智能課程。同時,我們還開發(fā)了人工智能網絡課程,具有網絡化、智能化和個性化等特色,被國家教育部評為優(yōu)秀網絡課程,供兄弟院校人工智能教學參考使用,受到普遍歡迎[2]。

作為國內第一門人工智能精品課程,我們按照教育部精品課程標準建設《人工智能》課程,尤其是在教學內容、創(chuàng)新性教學方法和教學模式上進行不斷進行改革與探索,取得了很好的效果。本文即為我校人工智能精品課程建設與改革經驗的初步總結。

1教學內容優(yōu)化

1.1課堂教學內容優(yōu)化

教學內容的確定是課程的首要任務。如何選好教學內容,使學生既能了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件難事。教學內容除了包含基礎理論外,還應該反映人工智能領域的新發(fā)展和新動態(tài),跟上學科發(fā)展的步伐。本課程最初設定的教學內容分基礎部分和擴展應用部分。基礎部分主要包括人工智能的定義和發(fā)展、知識的表示以及推理,而擴展應用部分主要包括專家系統(tǒng)、機器學習、機器規(guī)劃、機器視覺等。

近年來人工智能科學的快速發(fā)展,涌現出了大批新的方法和算法,研究熱點問題也從符號計算發(fā)展到智能計算和Agent等。

學內容,既能使學生了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件難事。教學內容除了包含基礎理論外,還應該反映人工智能領域的新發(fā)展和新動態(tài),跟上學科發(fā)展的步伐。本人工智能課程最初設定的教學內容分基礎部分和擴展應用部分?；A部分主要包括人工智能的定義和發(fā)展、知識的表示以及推理,而擴展應用部分主要包括專家系統(tǒng)、機器學習、機器規(guī)劃、機器視覺等。

近年來人工智能科學的快速發(fā)展,涌現出了大批新的方法和算法,研究熱點問題也從符號計算發(fā)展到智能計算和Agent等。

隨著科學技術的不斷進步,在科學研究和工程實踐中遇到的問題變得越來越復雜,傳統(tǒng)的計算方法無法在一定時間內獲得精確的解。為了在求解時間和求解精度上取得平衡,很多具有啟發(fā)式特征的智能計算算法應運而生。這些算法通過模擬大自然和人類的智慧來實現對問題的優(yōu)化求解。計算智能作為人工智能的一個新的分支是目前的研究熱點,它主要涉及神經計算、模糊計算、進化計算和人工生命等領域,在如模式識別、圖像處理、自動控制、通信網絡等很多領域都得到了成功應用。另一個近10年來人工智能的研究熱點是Agent和多Agent系統(tǒng),其理論最早來自分布式人工智能,并隨著并行計算和分布式處理等技術的發(fā)展而逐漸成為熱點。

以上兩個內容都是人工智能的重要分支。因此,我們在《人工智能及其應用》第三第3版[3]和第四第4版教材[4]中已經順應形勢加入了這方面的內容,并將教學內容也進行了相應的擴展,加入了計算智能、分布式人工智能與Agent。由于不確定性推理和基于概率的推理方法應用也越來越廣泛,我們也將此類非經典推理方法單獨作為一章來進行教學。另外,還增加了一些新的內容,如本體論和非經典推理、粒群優(yōu)化和蟻群計算、決策樹學習和增強學習、詞法分析和語料庫語言學,以及路徑規(guī)劃和基于Web的專家系統(tǒng)等。圖1給出本課程的教學內容大綱。

人工智能的教學內容涉及面廣且內容較多,要在有限課時內完成教學計劃并讓學生掌握,具有一定難度。因此需要根據教學對象的需求有所取舍。中南大度。因此需要根據教學對象的需求有所取舍。中南大學在智能科學與技術、計算機、自動化三3個專業(yè)中均開設了人工智能課程,根據相關專業(yè)課程教學對象,對學時和教學內容進行適當調整。對于智能科學與技術專業(yè),人工智能課程為必修課,共48個學時含實驗8個學時。表1表示為相關專業(yè)的人工智能課程教學內容分配情況。對于計算機和自動化專業(yè),人工智能課程為選修課,共32個學時含實驗8個學時。許多兄弟院校的計算機專業(yè)都把人工智能定為必修課,課程學時也在50學時左右。因此,我們一再強烈建議我校的計算機專業(yè)把人工智能列為必修課,并適當增加學時。由于智能科學與技術專業(yè)開設有專家系統(tǒng)和智能計算選修課程,因此在人工智能教學內容中只將這兩部分做簡要闡述,而將重點放在知識表示和推理以及擴展應用上。對于計算機專業(yè)學生來說,除基本的知識表示和推理外,計算智能和Agent技術也是他們在軟件開發(fā)和通訊技術理論學習中需掌握的重要概念。同時,計算智能、專家系統(tǒng)對自動控制和電氣工程也十分重要,對自動化專業(yè)則應掌握該方面的內容。

1.2實驗實踐教學創(chuàng)新

國內人工智能課程在開設之初大多沒有安排實驗內容,僅為理論基礎和概念講授。由于理論比較抽象,很難理解,學習效果不理想,學生們對于其應用實現也十分困惑。此后,各高校也逐步在該課程中分配了實驗學時,大多數采用prolog語言和專家系統(tǒng)作為實驗語言和對象[5]。為了改進該課程的教學,我們也從沒有實驗到將實驗學時從零調整為設置4個學時的實驗課時,然后到現在的8個學時的實驗課時。隨著課堂教學內容的改革,實驗內容也進行了優(yōu)化和更新。

人工智能課程實驗的目的是幫助學生掌握基本理論,發(fā)揮主動性,研究探討人工智能算法和系統(tǒng)的運行和實現過程,提出思路并驗證自己探索的思路,從而更好的地掌握知識,培養(yǎng)研究能力和創(chuàng)新能力。因此,在實驗教學內容的設計上,實驗項目應具備研究性和綜合性。實驗項目目標明確,要求學生帶著問題和任務進行實驗,但實驗過程又要有一定的靈活性,學生可以根據自己的思考進行適當的調整。再者,充分采用虛擬實驗方式進行實驗,大大提高了學生的興趣,提供了分析和探討智能算法的很好平臺。同時,學生的實驗數據和實驗結果分析既有格式要求,又給學生報告自己的研究的過程和結果留有空間,并在評分時加以充分考慮。這些做法能夠鼓勵學生,特別是鼓勵優(yōu)秀學生進行獨立性研究,滿足他們學習的需求。

1) 人工智能課程的實驗環(huán)節(jié)不足和課時分配問題。

中南大學的人工智能課程的實驗環(huán)節(jié)經歷了從精品課程建設前沒有到開設,一直到其內容和形式上的不斷改進過程。但目前實驗還主要處于演示性和編程的實驗階段,而非設計和訓練階段。此外,由于人工智能課程涵蓋范圍廣、內容多,而課程所設置的學時有限。,如何分配好課堂教學與實驗課時也是一個需要在今后課程建設中不斷探索的問題。

對于某些專業(yè)的人工智能課程,可以考慮單獨開設人工智能實驗課程或人工智能程序設計與實驗課程。

2) 人工智能技術發(fā)展迅速情況下如何保持該精品課程持續(xù)發(fā)展的問題。

人工智能作為一門高度融合的交叉科學,其發(fā)展速度迅速,不斷有新理論、新問題涌現出來。我們的

人工智能教學既要注重基礎理論知識,又要緊跟學科發(fā)展的步伐,勢必要求對課程內容進行不斷更新,這對我們的教學資源和教師素質都提出了更高的要求。

4結語

本文介紹了中南大學的精品課程――人工智能課程教學內容和創(chuàng)新性教學方法的一些探索,已在課堂教學內容的優(yōu)化、實驗環(huán)節(jié)的改進、教學方法的創(chuàng)新的實施上取得了很好的效果,充分激勵了學生的學習積極性和主動性,多方位培養(yǎng)學生發(fā)現問題、分析問題和解決問題的能力。我們的想法和做法可供兄弟院校同行參考。不過,仍然存在一些不足之處。隨著智能科學與技術的發(fā)展和更為廣泛的應用,人工智能課程的重要地位必將更加突顯,我們也需要繼續(xù)努力,與時俱進,不斷完善人工智能精品課程的建設。

注:本文受教育部質量工程國家級精品課程人工智能(2003)、全國雙語教學示范課程人工智能(2007)項目支持。

參考文獻:

[1] 薛瑩. 創(chuàng)新教育新途徑人工智能與機器人教育:哈爾濱市教育研究院張麗華院長訪談錄[J]. 中國信息技術教育,2010(1): 20-22.

[2] 蔡自興,肖曉明,蒙祖強,等. 樹立精品意識搞好人工智能課程建設[J]. 中國大學教學,2004(1):28-29.

[3] 蔡自興,徐光佑. 人工智能及其應用[M]. 3版. 北京:清華大學出版社,2003.

[4] 蔡自興,徐光佑. 人工智能及其應用[M]. 4版. 北京:清華大學出版社,2010.

[5] 韓潔瓊,閆大順. 人工智能實驗教學探討[J]. 計算機教育,2009,(11):135-138.

[6] 劉麗玨,陳白帆,王勇,等. 精益求精建設人工智能精品課程[J]. 計算機教育,2009,(17):69-71.

Exploration of Innovative Teaching Mode of Artificial Intelligence Elabrate Course

――Construction and Reformation in Elaborate Course of Artificial Intelligence

CHEN Bai-fan, CAI Zi-xing, LIU Li-jue

(Institute of Information Science and Engineering, Centnal South University, Changsha 410083, China)

篇7

關鍵詞：大數據時代；人工智能；計算機網絡技術；應用

一、大數據時代與人工智能含義

（一）大數據時代

大數據在物理學、生物學、環(huán)境生態(tài)學等領域以及軍事、金融、通訊等行業(yè)中已經被應用多時，但是大數據這一概念真正被廣泛熟知還是因為互聯網技術以及信息行業(yè)的高速發(fā)展，大數據通常指在信息爆炸時代所產生的海量數據，在大數據時代人們獲取信息、儲存信息、利用信息的能力飛速提升，數據自身所擁有的價值被更深的挖掘，人們處理信息的方式和理念也斐然生了極大的變化，通常云技術與大數據這一概念是密切關聯的，我們在應用大數據的過程中經常以云技術來建立相關數據庫并實現對海量數據的科學管理，在大數據概念中，首先數據總量是極其龐大的，其次要求我們擁有科學高效的信息管理系統(tǒng)，由于數據量龐大，所以大數據時代下的數據信息呈現較低的價值密度，想要合理采集有價值信息，我們必須擁有科學的信息管理技術。這是大數據時代下信息數據的基本特征[1]。（二）人工智能人工智能概念的提出是比較早的，我們當前仍將其作為計算機科學的一個分支，我們想要了解人工智能，首先可以從字面意思來分析，首先是“人工”學術界對于“人工”的概念還是比較明確的，人工即為人工系統(tǒng)，就是通過人類科學技術所實現的相應技術能力，而“智能”一詞就存在較多的解釋和理解了，有人認為智能技術應該是類似于人類智能的一種高端科學技術，它應該具備類似于人類的意識，在面對各種問題的情況下做出“思考”并給出相對正確的答案，而諸如“自我”“思維”等一些其他對智能的解釋也能夠在一定程度上解釋智能技術。我們自身對于智能的認知也只是人類本身的智能，那么當前人工智能技術可以認為是通過人類科學技術來實現一種類似于人類智能的電子系統(tǒng)，讓其在工作中能夠良好的對各種信息進行搜集并且根據自身邏輯算法達成與人類思維類似的思考過程，進而實現通過信息判斷情況進而發(fā)出指令。這是我們當前對于人工智能技術的理解。

二、人工智能技術的優(yōu)勢

人工智能技術之所以在近年來受到廣泛關注就是因為其技術概念的優(yōu)勢性非常大，我們在現代社會已經廣泛實現了各種領域的自動化，但是這種自動化水平僅僅是在人工控制或者人為編寫運行程序的情況下，通過系統(tǒng)或者機械來自動執(zhí)行人的意識，那么這種自動化就仍然不是我們在自動化發(fā)展過程中的最終形態(tài)。人工智能技術的優(yōu)勢就是通過自身系統(tǒng)對相關運行環(huán)境和周邊態(tài)勢進行感知，同時依靠自身強大的信息處理能力和邏輯運算能力來實現對各種情況的自我判斷，并且根據數據分析來得出一個相對正確的執(zhí)行命令，從而實現真正意義上的自動化。雖然當前我們的人工智能技術還沒能達到理想化的技術水平，但是我們已經能夠讓人工智能系統(tǒng)在一定的設計范圍內實現對多種不同情況的自我處理了，以計算機網絡技術為例，我們在使用計算機網絡的情況下網絡系統(tǒng)面對海量的相關數據是需要進行分層處理的，但是如何分層要取決于人們對于網絡的具體使用情況，而人們使用網絡的情況非常復雜，存在眾多不確定的情況，何進行網絡分層就是當前人工智能技術在強化網絡優(yōu)化服務上做能夠提供的優(yōu)勢能力[2]。

三、人工智能在計算機網絡技術中的應用

大數據時代下我們對于信息利用處理的依賴程度更高，可以說我們當前的生活過程中無時無刻不需要各種信息來支撐我們了解情況并作出決定，所以我們在生活中廣泛的應用計算機網絡技術來實現對海量數據的科學管理，在一計算機網絡技術實現對海量數據科學管理的過程中，我們需要妥善利用人工智能技術來實現更好的管理效率和管理質量。

（一）人工智能在計算機網絡安全上的應用

隨著人們生活中對于計算機網絡的依賴程度不斷提升，我們對于網絡安全也更加重視。計算機網絡技術給人們帶來的不僅有無限的便利，同時也有更加嚴峻的網絡安全考驗，在計算機網絡安全保障上，人工智能技術能夠發(fā)揮非常重要的作用。先進的網絡安全問題來自于木馬病毒入侵、垃圾信息等等方面，應用傳統(tǒng)意義上的防火墻系統(tǒng)只能通過不斷更新自身數據來實現對有限范圍內的安全保護，而應用人工智能技術則可以讓防火墻系統(tǒng)變得更加“聰明”，智能防火墻系統(tǒng)在使用過程中不斷掌握正常的網絡信息情況并且進行學習記憶，如果在日常使用中出現了異常情況，智能防火墻首先會對問題進行識別，從多角度去分析并識別先關情況，如果只是使用者的正常操作內容反饋則允許建立連接，如果存在高位風險則直接隱藏IP或者組織連接，實現智能化的網絡安全管理[3]。在計算機網絡安全上的應用主要是突顯了人工智能技術的智能特性，人工智能技術在實際工作中能實現類似于人類思考的數據處理能力，通過對情況的辨別來達到有效區(qū)分各種不同情況，針對有危害的相關情況進行阻止，同時我們在整個計算機網絡安全系統(tǒng)構建的過程中也需要妥善應用人公布智能技術，從多角度來實現對網絡安全的維護作用。

（二）計算機網絡系統(tǒng)管控中人工智能的運用

我們在應用計算機網絡系統(tǒng)實現數據智能分析的過程中，必須將人工智能技術應用于計算機網絡技術之中，首先憑借計算機網絡提供的高速網絡通道來實現超大體積數據的快速傳遞，進而實現良好的傳遞、儲存，而對于數據的實際管理和分析上，則需要應用人工智能技術。我們在進行信息分析和信息管理的過程中經常使用專家系統(tǒng)實現問題的有效解決，這其中不僅要利用計算機網絡技術，同時也要應用人工智能技術，我們能在實際進行信息應用的過程中，必須根據相關問題對數據庫所有信息進行分析，壓縮其價值密度，篩選更貼近于答案的相關信息，并且合理利用專家系統(tǒng)來獲得最優(yōu)解答[4]。

篇8

關鍵詞：電力系統(tǒng)；智能控制法；智能電網

前言

近年來，隨著電網規(guī)模的不斷擴大，電力企業(yè)為了適應電網不斷發(fā)展的要求對自身進行了改革，使其能力得以不斷的提高，電力系統(tǒng)的自動化水平和能力也有了較大的提升，這對電網的安全平穩(wěn)運行提供了較為基本的條件。隨著社會對電能的需求日益增加，電力企業(yè)必須保證電網的安全可靠運行，所以建立自動化和智能化控制是當前電網發(fā)展的必然要求，也是電網未來的發(fā)展方向。

1 智能控制概述

智能控制是繼自動化控制和人工智能基礎上新發(fā)展起來的一門學科，智能控制可以在系統(tǒng)中達到感知環(huán)境和信息，從而對一些不穩(wěn)定因素進行控制的目的。電力系統(tǒng)的智能控制方法主要包括以下幾個方面：

一是模糊控制法，這種方法是從行為之上去模擬人的模糊決策與推理，并且根據得出的數據進行實用控制的方法。

二是人工神經網絡，將許多簡單神經元按照一定方式連接起來，形成一個分布式、并行的信息結構網絡。

三是專家系統(tǒng)，這種方法是一個智能程序，通過專有程序將大量專業(yè)知識編寫進去。

四是遺傳算法，該法是將現有的數據群體中的全部個體作為對象進行編碼，采用隨機技術將編碼投入到參數空間之后實施高效搜索的方法。

智能控制脫離了對模型的依賴，其不僅具有較強的適應、學習和組織功能，同時還能對環(huán)境做出相應的判斷，從而實現對知識的自動獲取和應用，其適用性、實時性和多樣性的特征較為明顯。

2 智能控制法在電力系統(tǒng)中的應用

智能控制系統(tǒng)具有其他系統(tǒng)所無法比擬的優(yōu)越性，所以在電力系統(tǒng)自動化中得以廣泛的應用，以下以幾種常用的方法為例，進行說明：

2.1 電力系統(tǒng)中應用模糊方法

模糊理論（FT）是將經典集合理論模糊化，并引入語言變量和近似推理的模糊邏輯，具有完整推理體系的智能技術。模糊控制是模擬人的模糊推理和決策過程的一種實用控制方法，它根據已知的控制規(guī)則和數據，由模糊輸入量推導出模糊控制輸出主要包括模糊化、模糊推理與模糊判決三部分。隨著模糊理論的發(fā)展和完善，模糊控制的一些優(yōu)點得到了廣泛的肯定，如：適于處理不確定性、不精確性以及噪聲帶來的問題；模糊知識使用語言變量來表述專家的經驗，更接近人的表達方式，易于實現知識的抽取和表達；具有較強的魯棒性，被控對象參數的變化對模糊控制的影響不明顯等。近年來，模糊理論在電力系統(tǒng)應用的研究不斷增加，并取得了令人鼓舞的研究成果，顯示了模糊理論在解決電力系統(tǒng)問題上的潛力。

依據模型來進行控制，已被實踐所廣泛接受。一般線性模型較為簡便，但實際應用中，多為非線性系統(tǒng)，即使用多段線性來模擬，每段中的控制，仍只能是“次最佳”的。用模糊關系模型（FRM）來模擬非線性過程，是一種簡便而有效的方法。模糊關系模型簡單而直接地描述輸入量與輸出量之間的關系，這對單輸出系統(tǒng)比較易于實現，但對多輸出系統(tǒng)仍較困難。為了克服這些不足，目前有許多研究將模糊理論與其它人工智能技術結合起來，取得了較好的效果。

2.2 專家系統(tǒng)在電力系統(tǒng)自動化控制中的應用

由于專家系統(tǒng)發(fā)展的時間較早，所以其發(fā)展也較為成熟，這是一類人工智能技術，包括知識庫和推理二個部分，此系統(tǒng)是在某個領域專家的知識推理為基礎，從而模擬人類專家做出具體的決策，其所解答的水平已達到專家的水平。目前在我國電力系統(tǒng)中，還是依靠自動化技術來保持運行和控制，此方法在對知識積累及推理方面缺乏，同時對于系統(tǒng)中的一些模型和狀態(tài)量也無法實現獲取，所以已越來越不適應當前電力系統(tǒng)發(fā)展復雜化的需求，因此專家系統(tǒng)的應用是當前電力系統(tǒng)發(fā)展的必然選擇。

隨著專家系統(tǒng)的不斷發(fā)展，相關的一些系統(tǒng)已開始在電力系統(tǒng)中投入運行，根據運行的結果表明，其效果是十分顯著的，可以進入實用性推廣階段。由于其系統(tǒng)投入運行的時間較短，所以還存在著一些問題需要在運行中進一步研究，從而使專家系統(tǒng)更加完善。

①專家系統(tǒng)在運行時其推理速度會受到系統(tǒng)規(guī)模和規(guī)則的限制，同時對于系統(tǒng)問題只能在離線或是在線時進行解決，而無法實現實時控制，所以這方面還有待進一步加強。

②現有的專家系統(tǒng)對新情況應付能力和容錯能力較差，對于系統(tǒng)出現的故障及設備的變化，所給出的結果容易出現錯誤碼，所以在智能控制上還要加強對自學能力和容錯能力的研究力度，使之得以進一步的提高。

③專家系統(tǒng)的建立需要較長的時間，而且由于知識庫工程量較大，所以在維護上也存在著一定的困難，電力企業(yè)在建造專家系統(tǒng)時要對這點上有心理準備。

2.3 電力系統(tǒng)應用人工神經網絡

人工神經網絡且是模擬人類來處理與傳遞信息，這種仿制連接方式類似于人類神經元，形成了一個控制網絡。而每一個人工神經元能夠實現輸入輸出之間的非線性關系，這樣的連接就讓人工神經網絡具有負責非線性特性。和上面兩種相比較，人工神經網絡能夠使用神經元與彼此之間有向權重去處理一些隱含問題，而且還具有信息分布存儲、較強容錯能力、較強學習能力、知識能夠主動組織以及能夠處理不同信息要求等優(yōu)點，每個神經元計算都是相對獨立的，十分方便，而且執(zhí)行的速度也比較快。就因為人工神經網絡具有較強分線性自學能力及擬合能力，具備了魯棒性、聯想記憶等等性能，讓這種方式在電力系統(tǒng)自動化的應有具有較大潛力。人工神經系統(tǒng)雖然在不斷的發(fā)展，技術日益成熟，但其在應用過程中還存在著一些問題需要解決，如學習時間長、算法慢等，這些都需要在應用中不斷的改進，從而使其技術得以完善。

3 結束語

隨著電力系統(tǒng)發(fā)展速度的不斷加大，智能控制系統(tǒng)在電力系統(tǒng)中已開始進行應用，智能技術，雖然其在各自的應用中各有所長，但任何一項單一技術都存在著一定的缺陷，所以在應用中要注重將模糊理論、專家系統(tǒng)和人工神經網絡技術等三者有效的結合起來，形成互補，從而形成一套綜合化的智能控制方法，為電力系統(tǒng)智能控制方法的應用奠定堅實的基礎。

參考文獻

[1]肖成剛.淺論電力系統(tǒng)控制方法[J].寧夏電力，2008（4）：134-136.

篇9

關鍵詞：計算機軟件 冶金自動化控制 應用分析

中圖分類號：TP393.1 文獻標識碼：A 文章編號：1672-3791（2013）07（a）-0007-01

20世紀60年代以來，我國冶金控制系統(tǒng)逐漸邁向了自動化領域。到了80年代，隨著PLC、DCS等現代控制系統(tǒng)的出現，為我國冶金行業(yè)的發(fā)展提供了重要的技術支持，極大的提高了冶金行業(yè)的生產率與生產質量，為我國現代化建設作出了巨大的貢獻。近年來，隨著計算機軟件更新速度的加快，現代的冶金生產流程得到了很大程度的革新，其越來越向緊湊型、智能型方向發(fā)展了。因此，為了更好的確保冶金控制系統(tǒng)實現全自動化，不斷改革生產管理控制系統(tǒng)，有關技術人員應該加大堆計算機編程和控制的關注程度，在新型產品與工藝的開發(fā)過程中，盡量采用最先進的流程技術，逐步實現人機交互的局面，將自動化理念全面滲透到每一個生產環(huán)節(jié)中去，最大限度的提高冶金行業(yè)的生產效率，為實現我國又好又快發(fā)展提供重要的物質支持。改革開放以來，我國冶金行業(yè)的發(fā)展速度得到了極大的提高。當前，冶金行業(yè)在國民經濟中占據了極其關鍵的作用。因此，冶金產業(yè)生產質量與水平的高低直接影響著我國整體工業(yè)的發(fā)展速度，是我國工業(yè)競爭能力高低的重要體現。本文就現階段計算機在冶金自動化控制中的應用進行了細致的分析，以求更好的促進我國冶金行業(yè)的發(fā)展。

1 分析計算機在冶金生產過程中的應用

現階段，計算機在我國冶金過程控制方面取得了顯著的成效，計算機過程監(jiān)控系統(tǒng)幾乎覆蓋了所有冶金行業(yè)的每一個流程。且隨著計算機應用技術的不斷提高和軟件的不斷優(yōu)化，這種趨勢在近幾年得到了更大幅度的提升。傳統(tǒng)的PLC、DCS等系統(tǒng)逐步被現代計算機系統(tǒng)代替。尤其在這幾年中，這種趨勢更為明顯?，F場總線、工業(yè)以太網等科技得到了眾多冶金生產者的高度重視。計算機在冶金過程控制中發(fā)揮著重要的作用，其能有效的將理論知識、數理圖形、權威經驗和先進工業(yè)完美的結合起來，構建出一個動態(tài)的數據系統(tǒng)，利用分布式的監(jiān)控手段，將工業(yè)網絡與各種冶金設備緊密的連接起來，使計算機系統(tǒng)能夠實時監(jiān)控到冶金的各個生產線和產品質量，大大提高了冶金行業(yè)的生產效率與生產水平，真正實現了冶金自動化系統(tǒng)。

2 分析計算機在冶金行業(yè)管理信息系統(tǒng)領域的使用

當前，大中型冶金企業(yè)主要由鐵礦的開采、提煉、鑄軋等工藝組成，同時，還需要利用水電等系統(tǒng)進行輔助生產。要想更好的實現冶金行業(yè)的經濟效益，就需要將每一道工序進行細致的連接，盡量減少浪費、重復生產等損失的發(fā)展。因此，冶金企業(yè)主要管理人員應該不斷協(xié)調質量管理、通信管理、調度管理等部門的工作任務，不斷優(yōu)化企業(yè)生產流程，實現經濟效益。為此，建立采用計算機技術建立公司級的管理信息網絡系統(tǒng)顯得尤為關鍵，其在現代冶金行業(yè)得到了越來越廣泛的應用。同時，全方位、多領域的管理信息網絡系統(tǒng)，也為現代冶金行業(yè)的生產效率和產品質量提供了技術保證。拿漣鋼為例，早在20世紀80年代末期，漣鋼MIS系統(tǒng)工程就得到了大規(guī)模的使用。在公司，幾乎全部廠房都涉及到了計算機軟件，并通過全部聯網的形式，將通信部門、采購部門、財務部門等的重要數據都傳入網絡系統(tǒng)中，充分發(fā)揮出了企業(yè)各類數據的共享優(yōu)勢。此外，該系統(tǒng)還通過系統(tǒng)化的思想全面整合了企業(yè)內部關鍵的資源，促使各單位、各部門分工合作，進而最大限度的完成資源的重組，為企業(yè)高層管理人員提供了重要的決策信息，以便更好的促進冶金行業(yè)的健康發(fā)展。

3 計算機為冶金自動化控制軟件提供了巨大的發(fā)展空間

計算機控制技術在冶金產業(yè)的大規(guī)模使用，使得眾多軟件開發(fā)商將市場定位于冶金自動化設備和控制系統(tǒng)。因此，為了盡早搶占市場份額充分實現冶金產品生產線的自動化，第三方軟件開發(fā)商紛紛開發(fā)了各類控制算法、控制器編程程序、數據監(jiān)管系統(tǒng)產品。然而，不論是哪一類軟件產品，在使用過程中都需要運用到計算機設備。尤其是在信息管理系統(tǒng)建立起來之后，軟件自動化控制系統(tǒng)對計算機設備的依賴程度更是得到了極大的提升。這些年，外國眾多制造生產商都在冶金軟件產品開放性與互動性上投入了巨大的人力、物理、財力，極大的提高了現代冶金產業(yè)的生產能力，為我國經濟、社會的高速發(fā)展提供了重要的物質保障。

4 分析計算機在冶金過程人工智能技術中的使用

現階段，我國眾多大中型鋼鐵冶金企業(yè)都實現了基礎自動化向信息網絡化的重大突破，成功邁向了全方位的自動化控制系統(tǒng)。隨著現代信息網絡技術的不斷改進與革新，在現代冶金生產過程中各類信息與數據資料得到了最大程度的共享，大部分冶金生產工序、控制流程、技術決策都能在操控室中完成。同時，人工智能技術的不斷發(fā)展與演進，充分展現了計算機運算的強大功能。通過人工智能技術能夠通過各種仿真、模擬手段實現對全部冶金生產流程的離線演示，不斷優(yōu)化冶金產業(yè)的生產流程，對實際的冶金生產提供關鍵的指導作用。

5 計算機在冶金行業(yè)局域網絡中的使用

冶金生產流程自動化設施質量、數量的高速提升，在提高冶金產業(yè)生產力的同時，也加大了對每一項機械設備監(jiān)控的難度。當前，計算機網絡技術對冶金產業(yè)的影響主要體現在如下兩個方面：其一，計算機網絡系統(tǒng)能夠提高各類機械設備接收、傳輸各類指令的效率；其二，計算機網絡系統(tǒng)能夠保證設備與設備之間進行大規(guī)模數據的傳送與交換，實現流程的優(yōu)化。

6 結語

現代計算機技術的大規(guī)模使用，不斷提高了冶金自動化控制的實現程度，為我國冶金行業(yè)帶來了巨大的經濟效益。

參考文獻

[1] 冶金行業(yè)DCS的使用量逐步減少[J].現代制造，2009（42）.

篇10

甚至狗都有夢想，

但你沒有，

你只是個機器，

一個冒充生命的贗品。

一個機器人能寫交響樂么？

一個機器人能把一個，

嗯，

帆布變成一幅美麗的杰作么？提起人工智能，很多人會首先想起斯皮爾伯格導演的科幻電影《人工智能》（AI），該片曾獲2002年奧斯卡獎。在電影里一對夫婦領養(yǎng)了一個機器人作為自己的孩子，這個機器人可以像人一樣思考，具有喜怒哀樂，在它的身上發(fā)生了許多的故事。

這樣的科幻情景離現實又有多遠呢？我們不妨先從人工智能的起源談起。長久以來，我們一直認為智能不只是人類所獨有的，可以像人類一樣進行推理和學習的機器是完全可能被制造出來的，然而事情卻不像想的那樣簡單。

模擬人工智能

在百科全書上，人工智能的定義是“研究可以智能工作的機器的科學和工程”。不過一個令人糾結的問題是：到底什么是智能？很多情況下，那些“不智能”的機器比我們聰明多了，比如普通的計算機程序可以將成千上萬個數字的乘積，可以記錄下銀行的大量款項，這已經超出了普通人的能力?？墒牵麄冎皇悄苷_地完成大量計算而已，還稱不上真正的“智能”。只有某些人類特有的能力，像認出一張熟悉的臉，指揮繁忙時段的交通或者學會一件樂器，才稱得上真正的“智能”。

為什么制造一臺智能機器這么難？這是因為，一般情況下，在給電腦編寫程序之前，程序員知道他想讓電腦做的任務是什么?？墒?，在人工智能領域，程序員要求電腦做正確的事情，可同時又不是很清楚事情到底是什么。比如我們讓電腦去識別人臉，可是我們人類自己也不是完全清楚大腦是如何識別人臉的。

在現實世界中，我們不僅要面對還要處理種種不確定性事件。比如你在達到一個目標前，受到諸多困難，你需要排除萬難；你在駕車時，前方沖出一輛車，你需要轉動方向盤避免撞車；你在處理一項任務時，突然接到另一項重要任務，你需要隨機應變。一個智能的電腦程序不僅能夠按照既定計劃完成任務，還能確保在不確定事件發(fā)生的情況下完成任務。所以，真正的人工智能，必須能夠感知周圍環(huán)境的變化，并對此做出反應，適時改變和調整自己的行動，以期出色完成任務。

哲學起源

在世界上第一臺電腦問世前的很多個世紀，人工智能的理念就已經初具端倪。亞里士多德提出的從假設得出結論的“三段論”就是一種機械式的邏輯推理方法。按照他的理論，我們可以這樣論述：一些天鵝是白的，所有天鵝都是鳥，所以，一些鳥是白的。如果用符號表示，即為：一些S是W，所有的S都是B，所以，一些B是W。無論S、W、B代表什么，我們都可以得到正確結論。根據這樣的構想，我們在沒有完全弄清楚人腦是如何想問題的情況下，或許就可以建立出一套智能化系統(tǒng)。

亞里士多德的構想為探尋人工智能的本質奠定了基礎。然而，直到20世紀中期，電腦才變得足夠復雜，能夠真正測試一下這些構想。1948年，英國布里斯托爾大學的研究人員格雷?沃爾特制造出一系列具有感光和學習能力的會移動的機器烏龜。其中一個名為艾爾西（Elsie）的機器烏龜可以自動對環(huán)境做出反應，比如當電池電量快耗盡時，它就會自動降低對光線的敏感度。

1950年，英國數學家阿蘭?圖靈提出，如果電腦可以和一個人談話自如，我們應該“禮貌地”接受電腦可以思考的現實。不過，直到1956年，人工智能這個詞語才被正式提出來。在美國達特茅斯學院的一個暑期研討會上，這個領域的早期創(chuàng)始者們共同提出了他們的愿景：如果學習的各種方式或智能的各種特征都可以從理論上進行精確描述，那么，一臺機器就可以模擬人的智能。似乎按照這樣的目標快速發(fā)展，擁有真人一般智能的機器早晚會出現。

化整為零

20世紀60年代，研究人工智能的科學家們滿懷夢想，信心十足，認為他們將在幾十年內實現他們的目標，就像航天領域里，從第一架噴氣式飛機到人類登上月球也只用了30年。為什么人工智能不可以擁有這樣火箭般的發(fā)展速度呢？

事實上，兩者之間最大的不同之處在于，對于人工智能，我們找不到像F=ma和E=mc2那樣既簡潔又通用的公式。到了20世紀80年代，研究人員意識到，他們既沒有足夠硬件也沒有足夠知識，來模擬人可以做的所有事情，于是整個領域被分成很多部分。以往研究人員的共同目標是制造一臺擁有人類智慧的電腦，取而代之的是，研究人員側重研究這個宏大問題的某個方面，比如語音識別、計算機視覺、概率推理，甚至國際象棋這個小領域。

可喜的是，在每個分支領域，研究人員都取得重大突破。1997年，IBM的“更深的藍”電腦擊敗了國際象棋冠軍卡斯帕羅夫?！案畹乃{”電腦能在1秒內計算出2億種可能性，從而推算出之后棋盤的走勢，最終決定下一步怎么走棋。

“更深的藍”電腦在這場需要高智能的象棋比賽中取得驕人成績。然而，這位“專家”的技能有點單一，除了象棋比賽外，它什么都不會做，既不能和別人討論下棋策略，也不會玩其他游戲。盡管它贏了世界象棋大師，但是沒有人會把它錯當作真人，它只是一臺電腦。

人工智能的時間線

1950年，圖靈提出，經過編程的電子計算機可以像真人一樣回答問題。

1956年，在美國達特茅斯學院的一個暑期工作坊上，這個領域的早期創(chuàng)始者們正式提出了“人工智能”這個詞匯。

1958年 Allen Newell和Herbert Simon預測在十年內，電腦可以擊敗國際象棋世界冠軍，不過在現實中這整整花了四十年。

1961年，電腦解決了大學一年級程度的微積分題目。

1965年，世界上第一個用于心理治療的聊天機器人ELIZA，嘗試著和人進行對話。

1967年，STUDENT程序成功地解決了用文字描述的一道大學程度的代數題目。

1973年，Freddy機器人通過視覺感知來定位和組裝了模型。

1974年，隨著政府資助機構減少了對于人工智能研究的撥款預算，人工智能寒冬到來。

1975年，斯坦福大學的Meta-DENDRAL程序發(fā)現關于分子的新規(guī)律，成果被發(fā)表在了美國化學學會的期刊上。

1980年，自動行駛的汽車在慕尼黑大學里以90千米/小時的速度行駛。

1988年，人工智能的主要形式變?yōu)榛诓淮_定數據的概率推理，而不再是以往那樣側重于邏輯。

1989年，美國航天局（NASA）利用自動聚類的電腦程序發(fā)現以往未知的幾類恒星。

1997年，IBM“更深的藍”超級電腦擊敗了國際象棋冠軍卡斯帕羅夫。

1998年，由Hasbro生產的第一個人工智能的寵物Furby開始在美國出售；美國航天局（NASA）第一次有了完全由電腦程序自動控制的飛行器。

2000年，Nomad機器人探索南極洲的偏遠地區(qū)，采集氣象觀測樣本。

2004年，一個電腦程序可以比一個專業(yè)級真人飛行員更快地學會操縱遙控直升機。

2007年，美國艾爾伯特大學的人工智能程序完全破解了西洋跳棋游戲。

2011年，蘋果的語音識別軟件Siri可以讓用戶和iPhone對話；iRobot公司出售出了第600萬個Roomba吸塵器機器人。

2012年，Google翻譯做的翻譯總量已經超過了所有人類翻譯者所做的總和。

2012年，通過10億個連接，Google的人工智能神經網絡可以去識別一些常見的物體，像人臉和貓。

或許你沒有意識到，其實你每天都在和人工智能打交道。它們幫你接通電話，審核你的信用卡交易，管理你的基金。它們還能從你的數碼照片中識別你的臉，在你玩視頻游戲時識別你的姿勢，甚至幫助醫(yī)生分析你的化驗結果。

益智游戲冠軍

2011年，IBM向世界推出沃森（Watson），一個可以理解問題、并給出準確答案的超級計算機。沃森擁有3000個聯網在一起的處理器，其中儲存著幾百萬份文件，沃森可以利用這些海量的信息回答幾乎所有問題。

IBM讓沃森亮相美國一個電視問答娛樂節(jié)目《危險邊緣》（Jeopardy?。?/p>

《危險邊緣》一向以提出“拐彎抹角”的問題而出名，有點像國內的《開心辭典》和《幸運52》。這個游戲可比國際象棋復雜得多，沃森不僅需要綜合所有人類知識，還需要理解問題中的雙關語等文字游戲。

在沃森精彩舞臺表現的背后，人工智能的一個分支領域――概率推理功不可沒：這項技術幫助沃森從不完整的信息組合中提煉出完整答案。比賽前，IBM的工程師們把百科知識和以往《危險邊緣》的節(jié)目資料塞進沃森的硬盤里，然后把沃森的電腦程序分成100個小程序，每個小程序負責一個方面。比如，一個程序負責“著名作家”，另一個程序負責“食品”。比賽時，針對提出的問題，沃森的100個分程序各自從數據庫里尋找答案，最終沃森綜合這100個分程序的結果，選擇最有可能正確的答案。比賽結果并不出乎意料，沃森曾經在電視節(jié)目中擊敗兩位真人冠軍。

不過，成為《危險邊緣》節(jié)目的冠軍并不是沃森的真正使命，IBM計劃給沃森更實用的任務，比如給醫(yī)學、商業(yè)、農業(yè)等領域提供時效性強的重要信息。

無人駕駛汽車

行駛在美國拉斯維加斯的公路上，如果你看到一輛汽車的牌照是紅色，其上印有無窮大符號，就要留意一下了，它是一輛無人駕駛的汽車。2012年初，美國內華達州為無人駕駛汽車發(fā)放了第一張牌照。

在世界上其他地方，無人駕駛汽車也會火起來嗎？應該說，到現在為止，駕駛還是一項由真人司機占據主導地位的任務。雖然駕車稱不上很難，但其中有太多變數，比如尾隨你的汽車是以60千米/小時還是70千米/小時的速度行駛？角落里是否有一輛行駛在你的視角之外的汽車？如果你想超車，前面車的司機會不會突然加速？諸如此類的問題還有很多。

無人駕駛汽車行駛在公路上并不難。早在1994年，兩輛無人駕駛汽車就曾經在環(huán)繞巴黎的公路上行駛了1000千米。但是，如果讓無人駕駛汽車在城市中穿行，任務一下子就變得困難很多，城市交通中很多不成文的規(guī)則會讓無人駕駛汽車摸不到頭腦。比如，如果谷歌公司的工程師嚴格按照司機守則為無人駕駛汽車編寫程序，在十字路口上一定要為其他汽車讓路，他們會發(fā)現，這臺太過老實的無人駕駛汽車永遠也沒法走過這個路口。于是，他們對程序做了一點改進，當無人駕駛汽車等待一段時間后，就會自動緩慢向前移動，向其他汽車示意自己想要先走，而不只是傻傻地等待。

對于無人駕駛汽車來說，還有一個難題，即如何判斷自己所處的位置。GPS有時并不靠譜，誤差會達到幾米之多。無人駕駛汽車不僅能使用GPS，還能同時開啟照相機、雷達和測距激光，共同幫助校正GPS的數據。

除了擔任駕駛職責外，無人駕駛汽車還能自動調節(jié)汽車燃料進出，提高能源利用率。代表前沿科技的無人駕駛汽車綜合了多項人工智能技術，越來越被人們所接受。通過特別許可，谷歌公司的無人駕駛汽車已經在完全無人控制的情況下，在美國加利福尼亞州的公路和街區(qū)中穿行了成千上萬千米。相信世界上其他地方很快也會接納智能的無人駕駛汽車。

垃圾郵件獵手

如今，全世界的電子郵件中，每10封恐怕有9封都是垃圾郵件。如果這些垃圾郵件和正常郵件混在一起出現在你的收件夾里，電子郵件的方便快捷功能將大打折扣。通過垃圾郵件過濾器，你可以把垃圾郵件從收件夾里過濾出來。

要判斷什么樣的郵件才算是垃圾郵件，只要看一下郵箱主人打開郵箱后，把哪些郵件加上星號保留，哪些郵件看也不看就直接刪掉即可。這些舉動為垃圾郵件過濾器提供了最好的參考。電腦程序根據這些信息把每封郵件分解成很多個特征，每個特征可以是一個單詞或詞組，也可以是郵件發(fā)送的時間，還可以是發(fā)送郵件的電腦信息。這些特征可以幫助電腦程序判斷一封郵件是否垃圾郵件。比如，一封郵件里包含“最低價格”“精心包裝”兩個詞組。根據全球統(tǒng)計數據，這兩個詞組在垃圾郵件中出現的概率高達8%和3%；而在正常郵件中，它們出現的概率只有0.1%和0.3%。之后根據數學上的貝葉斯定律公式，計算出這封郵件是垃圾郵件的概率高達99.9%。

重要的是，垃圾郵件過濾器需要根據經驗不斷更新判別模式。再好的垃圾郵件過濾器也會有犯錯誤的時候，可能放過壞郵件，也可能錯殺好郵件。每當郵箱主人把一封垃圾郵件從垃圾郵件箱移回收件夾或者標識并刪除一封遺漏在收件夾里的垃圾郵件，垃圾郵件過濾器會立刻更正自己的參數，做出改進，以提高識別垃圾郵件的準確率。

自動翻譯高手

2012年，“谷歌翻譯”的翻譯總量超過所有專業(yè)翻譯員的翻譯總量?！肮雀璺g”掌握65種語言，可以任選其中兩種語言進行互譯。“谷歌翻譯”得以運行，全靠人工智能領域的概率推理技術。

很多年前，語言學家通過雙語字典和語法規(guī)則來構建自動翻譯系統(tǒng)。遺憾的是，這樣做失敗了，如此翻譯會很生硬、不靈活。比如，在法語語法規(guī)則里，形容詞一般置于名詞后。而在英語語法規(guī)則里，形容詞一般置于名詞前。當然，也有例外的時候，比如，英語中表達“神奇的光”時，使用“the light fantastic”詞組，形容詞fantastic置于名詞light之后。

過去十多年，自動翻譯依靠的不再是語言學家手寫的規(guī)則，而是從現實案例中學習而來的概率準則，就好像以往是通過背單詞和記語法來學外語，而現在是通過身臨語言環(huán)境中學習。自動翻譯另外一個重要方面是電腦和真人之間的配合和交互，很多自動翻譯系統(tǒng)都是先在互聯網上搜集大量真人翻譯過的文件作為參考。

當然，自動翻譯還遠遠稱不上完美，但是它正在被逐步改進――準確率越來越高，翻譯的語言種類也越來越多。谷歌公司正在開發(fā)一個名為“翻譯”（Translate）的安卓手機程序，當你與對方通話時，你可以說母語，該程序根據你的選擇，把你所說的話轉換成對方的母語，發(fā)送給對方，而對方在和你通話時也可以說母語。隨著自動翻譯技術的發(fā)展，一個被長久期盼的誘人目標將有機會實現――每個人不需要學習任何外語，就可以和世界各地的朋友進行交流。

讓程序自我進化

現今大多數的人工智能系統(tǒng)如果完全依靠手動來編寫程序，會變得很復雜，一個另辟蹊徑的方法是讓電腦程序自己進化自己。在虛擬的環(huán)境中，程序通過不斷的迭代，嘗試變化各種參數，在不斷嘗試和失敗之中，程序逐漸“自然而然”變成設計者期望的樣子。

首先，設計者們?yōu)槌绦虼罱ㄒ粋€模擬環(huán)境。就垃圾郵件過濾器的程序而言，“環(huán)境”就是大量郵件，既包括正常郵件又包括垃圾郵件。然后，程序的不同版本同時在模擬環(huán)境中接受檢驗，輸出各自不同的結果。在對結果進行評分后，分數差的程序被淘汰，分數好的程序被進一步修改。修改后的程序再次接受檢驗，同樣優(yōu)勝劣汰。如此往復，最后，程序可以自然進化成比較理想的狀態(tài)。

這個過程其實有點類似自然界中所發(fā)生的“弱肉強食、適者生存”。而一個程序的某個參數被修改如同自然選擇中的基因發(fā)生隨機突變；兩個程序還可以各取一部分交叉到一起產生一個新的程序，就如同動物產生后代一樣。這種讓程序自我進化的方法被稱為“遺傳算法”。

電腦也需要直覺

人永遠不是絕對理性的，我們在做決定的時候會犯很多常見的錯誤，并且容易受到無關細節(jié)的干擾。有時，我們相信自己的直覺，未經深思熟慮，即匆忙做出決定。我們曾經認為，“冷靜”的電腦不像人一樣沖動，一定是件好事?？墒?，最近的認知科學研究發(fā)現，事實并非如此。

一個人先天具有兩種互補的做決定的方式，一種是緩慢的、深思熟慮的、理性的，另一種是迅速的、沖動的，通過聯系當前情況和以往經驗，快速做出決定。第二種方式或許才是人類智能高效的關鍵。

不難想象，深思熟慮和理性必定要以耗費更多的時間和精力為代價。比如，有一輛車正迎面撞向你駕駛的車，你需要立刻做出反應，或者鳴笛，或者剎車，或者轉向，而不是經過復雜的計算決定哪種選擇最優(yōu)，估計等結果算出來事故已經發(fā)生了。此時，快速反應成為關鍵。在非緊急情況下，這種快速反應同樣有益。比如，如果每天都在認真思考到底穿深藍色衣服還是淺藍色衣服這類無傷大雅的問題，會浪費大量的時間和精力，耽誤更重要的事情。

那么，是否應該給人工智能加入直覺成分呢？事實上，很多現代人工智能系統(tǒng)包含兩部分，一部分用于瞬時反應，一部分用于理性分析。一些機器人使用多層系統(tǒng)結構，最底層只做反應；較高層則負責抑制這些反應，組織更多目標行為。這種方式很有效，控制步行機器人在凹凸不平的地面上行走就是一個例子。

另外一種方式是在人工智能程序中加入一些“情感”。比如，如果一個機器人反復嘗試做一件事情，不斷遭遇失敗后，一個表達“氣餒”情感的電路就可以“激勵”機器人轉換思路。人工智能的創(chuàng)始者之一馬文?明斯基認為，情感并非人腦的一個獨立事件，而是人腦的多個部分之間、人腦和身體之間的互作。畢竟，人是感性動物。在我們做出某些選擇時，情感因素高于其他因素。如果一個電腦程序受到情感驅使，自然更像人類智能。

像大腦一樣的機器

既然我們的目標是制造一臺具有人類智能的機器，為何不直接復制一下人腦呢？畢竟，人類自己是智能的最好樣本。過去幾十年，神經科學為大腦如何處理和存儲信息提供了很多新的認識。

人腦是由連接著1000億個神經元的100萬億個神經突觸組成的網絡，這些神經突觸和神經元的狀態(tài)每秒改變10~100次。人腦的這種結構使得它非常擅長諸如在圖片中辨認物體之類的任務。一臺超級計算機擁有100萬億字節(jié)的內存，擁有的晶體管電路的運算速度比人腦至少快1億倍，這種結構使得計算機擅長有明確定義、工作量大、要求精確的任務。

這兩種結構各有優(yōu)缺點。如果完成模糊性任務，人腦更占優(yōu)勢。比如，諸如識別面孔的任務，無需計算高度精確的電路。

相比于超級計算機，人腦是一臺節(jié)能機器。人腦進行各種計算時，所需功率約20瓦，只相當于一個亮度很低的老式電燈泡。而一臺進行類似計算的超級計算機所需功率約20萬瓦。據統(tǒng)計，2010年，谷歌公司用電23億千瓦時（度），相當于20.7萬戶美國家庭一年的用電量、41座帝國大廈一年的用電量。一個表面上看起來并非傳統(tǒng)重工業(yè)的公司卻是個耗電大戶，這不由引發(fā)研究人員思考人腦的節(jié)能高效。