自2016年3月AlphaGo战胜世界围棋冠军李世石以来，人工智能日益成为社会关注的焦点。随着人工智能应用的普及和各界人士对人工智能未来的猜测，由其引发的人工智能威胁论也受到了各界人士的讨论。以下是边肖整理分享的人工智能评论论文相关资料。欢迎阅读！
人工智能评论论文第一部分
摘要：自2016年3月AlphaGo战胜世界围棋冠军李世石以来，人工智能日益成为社会关注的焦点。随着人工智能应用的普及和各界人士对人工智能未来的猜测，由此引发的人工智能威胁论也受到了各界人士的讨论。本文首先介绍了人工智能的发展，然后分析了人工智能的核心部分——情感计算机制，以及它与人类的关系，然后介绍了一些常用的机器学习理论，最后分析了人工智能的思维。
关键词：人工智能机器学习情感识别
中国图书馆分类号：TP18文献识别码：A篇号：1674-098X(2016)06(a)-0077-02
人工智能是跨学科知识的综合产物，涵盖多学科知识，广泛应用于当今社会的诸多领域。它给人们带来了便捷和高效，也让业界为之担忧。随着各种智能机器人开始服务于各个领域，比如超级强大的机械臂、高效解决问题的专家系统、大众可穿戴的智能设备，从智能手机到各种功能的3D打印技术，从谷歌眼镜到全息投影，各种机器和设备如雨后春笋般涌现。
1人工智能的发展
“人工智能”，简称AI，是一门集心理认知、机器学习、情感识别、人机交互、数据存储和决策于一体的多学科技术。它由麦卡锡在20世纪中期的达特茅斯会议上首次提出，这也成为人工智能正式诞生的标志。在人工智能两个低谷之后的最新阶段，从1993年开始，人工智能实际上取得了一些里程碑式的成就。比如1997年国际象棋冠军卡斯帕罗夫被深蓝击败；尤金古斯曼(Eugene Gustmann)在英国皇家学会举办的2014年图灵测试中首次“通过”图灵测试，而这一天恰好是计算机科学之父艾伦图灵逝世60周年。从2015年开始，“人工智能”成为很多业内人士关注的焦点之一。2016年3月，AlphaGo在首尔以4: 1击败围棋世界冠军李世石，引发了人们对人工智能将如何改变人类社会的思考。
2从AlphaGo看人工智能的“情感机制”与人类的关系
机器学习算法的本质是选择一个普适函数来建立预测模型[1]。首先，用户输入大量训练样本数据，机器对模型进行训练，选择能使预测模型达到最优水平的参数集，使模型更好地拟合训练样本数据的空间分布[2]。在训练AlphaGo的时候，谷歌收集了20万场职业围棋高手的比赛。经过AlphaGo不同版本之间的自我对弈，产生了超过3000万次的匹配，其中包含了人类围棋领域积累的所有丰富而全面的知识和经验。相比IBM的“深蓝”战胜国际象棋卡斯帕罗夫，它是凭借强大的计算能力取胜的。AlphaGo最大的进步是从“计算加记忆”进化到“拟合加记忆”规则[2]。智能设备具有海量数据存储和高速计算能力，人机交互系统研发遇到的瓶颈仍然是情感的识别和表达。
情感在人际交往中起着重要的作用，对情感的识别主要是对人类情感的信号进行识别。可以通过语言直接传达，也可以通过语调、面部表情、姿势等来表达。机器是智能的，“情感”是很重要的一部分。这需要机器来解释
对人工智能的威胁霍金总结道：“人工智能在短时间内的发展取决于应用它的人。能否长期控制，才是我们需要关注的。”人类对于“人工智能终将超越人类”的担忧，可以归纳为以下两点：(1)甲虫生于木头，却以木头为食。就像一些美国科幻片里展示的场景，人类创造的机器，因为被赋予了人类的情商，所以不受人类控制。(2)机器逐渐取代人类劳动，是因为它们具有人类的交互情感，很少产生人类的错误，造成人类的无用之地和失业。从技术的快速发展来看，智能设备的应用往往只是某项功能的最大化。比如，专家系统只解决某一领域复杂问题解决方案的决策；虚拟现实技术是生活场景的物化，让用户更好地体验真实场景。服务领域的机器人只提供某个行业的服务，就像汽车只提供快捷的交通工具，不能与人交流一样。智能机器只有充分发挥其单方面的优势，才能更好地辅助人类完成特定的工作。未来社会，那些简单重复的劳动将被机器取代；此外，还有一些通过大量数据进行决策的输出，从而为人类提供更好的建议；同时，处理社会生活中的重大事件和复杂工业系统中的故障，智能设备在这些危险区域的存在，本质上是对人的安全和人的价值的礼遇；对于那些与人交流密切的服务领域，为了更好地为人们服务，人与人之间的交流就更加必要了。这些机器的存在解放了人类的身体，进而使人类能够将更多的精力投入到科学研究中。而人工智能与人类的关系可以用“共存”二字来概括，即按劳分配，取长补短[2]。
3机器学习理论
目前社会上最受关注的智能算法是日本学者福岛教授基于Hubel Wiese的视觉认知模型提出的卷积神经网络(CNN)模型，这是一种深度监督学习下的机器学习模型。深度学习的概念来自人工神经网络。常见的深度学习算法包括：受限玻尔兹曼机器(RBN)、深度信念网络(DBN)、卷积网络和堆叠自动编码器。该算法的提出是为了解决早期人工神经网络，最初是基于1943年美国心理学家W.S.McCulloch和数学家W.A.Pitts的生物神经元计算模型(M-P)[2]，在网络层超过四层后无法收敛的问题，采用传统的反向传播算法进行训练。具有多个隐藏层的多层感知器是一种深度学习结构。深度学习通过组合低层特征形成高层属性类别或特征，从而发现数据的分布特征。重要的人工神经网络算法包括：感知器神经网络、反向传播、Hopfield网络、自组织映射(SOM)和学习矢量量化(LVQ)。
简要介绍神经网络：
对应的公式是通过多个不同权重的输入得到输出。这个单元也叫逻辑回归模型。当多个单元相互关联并分层时，就形成了一个神经网络模型。
4人工智能的未来
当前，人才济济的社会推动着技术手段的不断创新，大数据、物联网、虚拟现实、云计算等技术的发展与机器人人工智能领域不断融合，这无疑将推动产业模式的变革。
针对人工智能威胁论，李开复老师表示，人工智能真正的危机是机器未来会养活无所事事的人。这也是在激发人类和机器的智能。取代部分人类劳动力后，我们需要致力于高科技的发展，才不会被社会淘汰。罗斯说，“人工智能最需要担心的是它的自发意识。无人机不能杀人。引导无人机坐标，投射地狱火导弹的人可以杀人。”这种说法说明它认为人类已经生活在后AI世界，但是人们还没有意识到AI是我们的代理人。这足以说明，人工智能产品的设计，一方面为人类带来了更绿色、更智能、更便捷的生活方式，另一方面，其法律规范意识和人才价值道德的培养更值得社会关注。
参考
[1]郁玲，武铁军。LS-Ensem:一种集成的回归算法[J].中国计算机学报，2006 (5): 719-726。
[2]刘维。对人工智能若干重要问题的思考[J]。学术前沿，2016 (7): 6-11。
[3]龚。人工智能最终会超越人类智能吗[J]。学术前沿，2016 (7): 12-21。
在下一页，分享一篇关于更好的人工智能的综述论文。
