人工智慧利弊論文
自2016年3月AlphaGo戰勝世界圍棋冠軍李世石，人工智慧也越來越成為社會關注的焦點，伴隨著人工智慧應用的普及以及各界人士對人工智慧未來的猜測，進而引發的人工智慧威脅論也被社會各界人士所討論。以下是小編整理分享的的相關資料，歡迎閱讀!
篇一
摘 要：自2016年3月AlphaGo戰勝世界圍棋冠軍李世石，人工智慧也越來越成為社會關注的焦點，伴隨著人工智慧應用的普及以及各界人士對人工智慧未來的猜測，進而引發的人工智慧威脅論也被社會各界人士所討論。該文首先介紹了人工智慧的發展歷程，繼而剖析了人工智慧的核心部分情感計算機制以及其與人類的關係進行了分析，接著介紹了目前常用的機器學習部分相關理論，最後分析了對人工智慧的思考這五個方面進行了總結綜述。
關鍵詞：人工智慧 機器 學習 情感識別
中圖分類號：TP18 文獻標識碼：A 文章編號：1674-098X***2016***06***a***-0077-02
人工智慧是一門涵蓋多學科知識，而又被當今社會廣泛應用於多領域，給人帶來便捷、高效的同時，又讓業界為其擔心的交叉學科知識的綜合產物。隨著各種智慧機器人開始服務於各大領域，有超強力量的機械手臂，高效解決問題的專家系統，公眾日常可接觸到的可穿戴智慧裝置，從智慧手機到各類功能的3D列印技術，從谷歌眼鏡到全息投影，各類機器裝置如雨後春筍不斷湧出。
1 人工智慧的發展
“人工智慧”簡稱AI，是集心理認知，機器學習，情感識別，人機互動以及資料儲存、決策等於一身的多學科技術。其最早被提出是由McCarthy在20世紀中葉的達特茅斯會議上，這也成為人工智慧正式誕生的標誌。在人工智慧經歷兩個低谷後的最近一個階段，從1993年開始，人工智慧其實取得了一些里程碑似的成果。比如在1997年，國際象棋冠軍卡斯帕羅夫被深藍戰勝;英國皇家學會舉行的“2014圖靈測試”中“尤金・古斯特曼”第一次“通過”圖靈測試，而這一天恰為電腦科學之父阿蘭・圖靈***Alan Turing***逝世60週年紀念日。2015年以來，“人工智慧”開始成為諸多業界人士關注的焦點之一。2016年3月AlphaGo在首爾以4∶1戰勝圍棋世界冠軍李世石，繼而引發了人工智慧將如何改變人類社會的思考。
2 從AlphaGo看人工智慧的“情感機制”與人類的關係
機器學習演算法的本質是選擇一個萬能函式建立預測模型[1]。首先使用者輸入大量訓練樣本資料，機器對模型進行訓練，選擇可以使預測的模型達到最優的引數集，從而使模型能夠更好地擬合訓練樣本資料的空間分佈[2]。谷歌公司在訓練AlphaGo時，收集了20萬職業圍棋高手的對局，在經過不同版本AlphaGo之間的自我對弈，生成了3 000多萬個對局，包含了人類圍棋領域所積累的所有豐富和全面的知識與經驗。相比IBM“深藍”戰勝國際象棋卡斯帕羅夫，其依靠了強大的運算能力取得了勝利，AlphaGo的最大進步是從“計算加記憶”進化到“擬合加記憶”法則[2]。智慧裝置具有了海量資料儲存和高速的計算本領，人機互動***human-computer interaction***系統研發過程遇到的瓶頸仍是識別和表達情感方面。
情感在人際交往中扮演著重要的角色，情緒的識別主要是識別人類傳遞情緒的訊號。既可以通過語言直接傳遞，也可以通過語調、面目表情、姿勢等進行表達。機器具有智慧，“情感”是十分重要的一環。這要求機器具有對認知的解釋與建構，而認知的關鍵問題則是自主和情感意識。
對人工智慧的威脅霍金總結說：“人工智慧在短時間內發展取決於應用它的人，長遠來看到底其能否被控制是我們需要關注的內容。”針對人類對於“人工智慧終將超越人類”的擔憂可以概括為以下兩點：***1***蠹生於木，而反食於木。恰如部分美國科幻片中所展現的場景，人類創造的機器因被賦予人類情感智力而脫離人類控制。***2***機器因其具有人類互動的情感且很少產生人工失誤而逐漸取代人類的勞動，致使人類無用武之地而待業失業。從技術飛速發展過程來看，智慧裝置的應用往往只是其在某一功能極大化的使用，如，專家系統其解決的只是某一領域內複雜問題解決方案的決策提供;虛擬現實技術是生活場景的實體化展現，以方便使用者更好地體驗現實場景;服務領域的機器人，提供的只是某一行業的服務，恰如汽車提供的只是快速的代步工具而不能與人交流一樣，智慧機器只是發揮其某一單方面的優勢，從而更好地輔助人類完成特定的工作。在未來社會，那些簡單重複性的勞動將被機器所取代;此外，還有一些通過大量資料進行判別決策類的輸出，從而更好地為人類提供建議;同時對社會生活中重大事變、複雜工業系統中的故障處理，這些存在危險的領域中有智慧裝置的存在其實質是對人類安全及人類價值的禮遇;而對於那些與人交流密切的服務領域內，則更需要人與人的溝通，才能更好地服務於人。這些機器的存在解放了人的身體，進而可以使人類投入更多精力在科研領域。而人工智慧與人類之間的關係，可以用“共存”一詞進行概括，即按勞分配，取長補短[2]。
3 機器學習理論
目前最受社會關注的智慧演算法，當屬日本學者福島教授基於Hubel Wiese的視覺認知模型提出的卷積神經網路模型***Convolution Neural Network，CNN***，是一種深度監督學習下的機器學習模型。深度學習的概念來源於人工神經網路，常見的深度學習演算法包括：受限波爾茲曼機***Restricted Boltzmann Machine，RBN***，Deep Belief Networks***DBN***，卷積網路***Convolutional Network***，堆疊式自動編碼器***Stacked Auto-encoders***。該演算法的提出是為解決起初基於1943年，美國心理學家W.S.McCulloch和數學家W.A.Pitts生物神經元計算模型***M-P***[2]的早期人工神經網路中，網路層超過4層後，用傳統反向傳遞演算法訓練而無法收斂的問題而提出。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成高層屬性類別或特徵，從而發現數據的分佈特徵。重要的人工神經網路演算法包括：感知器神經網路***Perceptron Neural Network***，反向傳遞***Back Propagation***，Hopfield網路，自組織對映***Self-Organizing Map，SOM***，學習向量量化***Learning Vector Quantization，LVQ***。
簡單介紹一下神經網路：
對應公式為，通過不同權重的多輸入，得到輸出，該單元也被稱為邏輯迴歸模型。當多個單元相互關聯，並進行分層後即形成了神經網路模型。
4 人工智慧的未來
當前，人才輩出的社會促進技術手段的不斷創新，大資料，物聯網，虛擬現實、雲端計算等技術發展與機器人人工智慧領域不斷融合發展，這無疑將推動產業方式發生改變。
而針對人工智慧威脅論，李開復老師針對機器越發智慧化而帶給人類的危機表示：人工智慧的真實危機在於未來機器將養活無所事事的人。這也在激勵著人類，機器的智慧，在代替人類部分勞動後，需要我們潛心於高科技的發展，進而不被社會所淘汰。斯特羅斯說“人工智慧之於人類，最需要擔心的是其自發意識。無人機並不能殺人，指導無人機的座標並投射地獄火導彈的人才能殺人。”這一說法表明其認為人類已經生活在後人工智慧世界了，但人們還沒有意識到人工智慧都是我們的代理人。這足以表明，人工智慧產品的設計，一方面是為人類帶來了更加綠色，智慧，方便的生活方式，而另一方面其法律規範意識，以及人才價值觀及道德的培養更值得社會關注。
參考文獻
[1] 於玲，吳鐵軍.LS-Ensem：一種用於迴歸的整合演算法[J].計算機學報，2006***5***：719-726.
[2] 劉偉.關於人工智慧若干重要問題的思考[J].學術前沿，2016***7***：6-11.
[3] 龔怡巨集.人工智慧是否終將超越人類智慧[J].學術前沿，2016***7***：12-21.
下一頁分享更優秀的<<<