人工智能作为计算机科学的一个支点，它在信息时代中发挥着重要的作用。在人工智能中，很多学者认为人工智能只是从计算机系统中衍生出的一系列程序，但是在目前的人工智能概述中，还有一套完全合理的人工智能概述，需要进行更进一步的考证，这样才能完全使人工智能概述成形。

　　人工智能的发展历程

　　在上个世纪五十年代，人工智能就已经出现了，经过十年的时间发展，人工智能在上个世纪六十年代的时候，得到了不错的发展，形成了人工智能发展的初级阶段。在上个世纪六十年代的时候，人工智能初级阶段的发展主要是运用领域知识和启发式思维发展。领域知识和启发式思维发展主要是为现在计算机理论做一个良好的铺垫。

　　图：人工智能发展历程

　　经历了上个世纪六十年代的人工智能初级阶段之后，迎来的是人工智能研究的第二个阶段，这个阶段的研究是从1964年开始。在人工智能研究的第二个阶段，这个阶段主要是人们对自然语言的理解，通过对自然语言的理解来达成一种图像和图片的处理。在上个世纪八十年代之后，人工智能的发展将迎来第三次发展，这次发展主要是以信息知识为中心，所以人工智能开始以模拟知识为中心，运用知识的模拟使得人工智能在发展研究上更深一步。在现在的人工智能的研究中，人工智能的发展方向主要是向多元化的人工智能系统发展，以便人工智能系统在信息时代的发展道路上更加完善。

　　人工智能的关键技术

　　○专家系统

　　在人工智能的研究与应用中，专家系统是必不可少的，因为有了这种专家系统，才能使得人工智能在问题求解的方面，更加具有专业性，对问题的解析更加的专业。通常人工智能有了这种专家系统，更多问题的得到了解决，实现人工智能理论的研究向人工智能实际运用的研究的一个成功性转换。在人工智能技术发展及应用中，专家系统相当于就是一个信息类软件，这个软件对信息和背景的查询起到了非常好的作用，可以对一些不明确的信息和不明确的背景起到一个结论性的查询。专家系统在人工智能领域中起到了关键性的作用。

　　图：人工智能的关键技术

　　○机器学习

　　在人工智能技术发展中，机器学习起到了关键性的作用，人工智能 通过机器学习来提高人工智能系统的模拟性。在人工智能技术的发展中，只有通过对人工智能机器进行不断的学习，才能使得人工智能机器系统逐渐得到完善，使得人工智能机器在研究人类的一系列活动时，能够更加准确。而且人工智能机器也会通过学习来改变自己的一些不足，通过学习来优化人工智能的方案性。人工智能在经过机器性的学习后，许多问题也得到了解化，而且问题的解答更具有专业性和背景性，人工智能技术在机器学习之后，针对一些专家系统，更是对一些不明确的背景起到了一个结论性的查询。所以，机器学习在人工智能技术发展及应用分析中，起到了关键性的作用。 神经网络 神经网络主要是人的所有神经组织所形成的一个网状结构，在这个网状似的结构中，所有的神经组织都是相互关联的，神经网络也就是所有神经组织的集合区域。在人工智能技术的发展及应用分析中，通过利用神经网络来实现人工智能的大脑模拟，让人工智能系统尽可能达到与人的大脑相匹配，让人工智能与常人的思维空间一样，甚至超过常人的思维。在人工智能的神经网络模拟中，通过神经网络的各个支点来达成一种运算模型，在这个运算中，主要是利用人的大脑的一些基本运算机制和机理来实现人工智能的模拟运算。所以，在人工智能技术发展及应用分析中，人工神经网络在人工智能技术发展研究中占有重要地位。

　　○模式识别

　　在人工智能技术的发展及应用分析中，模式识别就是通过人工智能来 代替人的感知和识别，所以模式识别是一个很重要的技术领域，而且还是 一项较高的科技领域。在人工智能技术发展及应用分析中，模式识别可以很好地帮助计算机系统来识别外界的一种感知能力，所以模式识别在计算机运行系统中属于人工智能技术发展中重要的结构。 在人工智能技术的发展中，模式识别也随着社会的进步在不断地发展和壮大，量子计算机技术已经逐渐运用到人工智能模式识别系统中去。我们知道，在早期的模式识别系统中，模式识别只是针对于一些文字和二维 图像，随着科技不断地发展和进步，模式识别系统也在逐渐得到发展，从 最开始的文字和二维图像到对三维景物的识别，到现在模式识别系统已经 可以对活体物体进行识别和分析。所以，模式识别在随着科技的发展而发展，模式识别系统也在人工智能领域逐渐发展和强大起来，对人工智能起到了关键性的作用。

　　○生成式人工智能

　　伴随基于大模型发展的各类应用的爆发，尤其是生成式AI，为用户提供突破性的创新机会，打破了创造和艺术是人类专属领域的局面。AI 不再仅仅是“分类”，而且开始进行“生成”，促使大模型带来的价值进一步升级到人类生产力工具的颠覆式革新。

　　生成式人工智能是指利用机器学习技术让计算机自动生成不同模态(比如文本，图片，语音等)高质量数据的方法。尽管过去几十年的人工智能研究迭代出了无数的生成模型，但生成式人工智能被当成一种新的算力来讨论还要从以GPT3为代表的大预训练语言模型算起。

　　生成式人工智能所涉及的技术非常综合且广泛，但就其核心文本生成而言，主要依赖于两个重要技术：生成式预训练(Generative Pre-training)和提示学习(Prompting Method)。生成式预训练负责海量数据的向量化存储问题，提示学习则提供了一种可以通过自然语言描述对存储数据进行灵活读取的能力。这两种技术的结合，革新了人类对数据存储和读取方式的方式，也催生出了一种新的人机交互接口：自然语言接口(Natural Language Interface)，其带来的蝴蝶效应体现在了各个方面。

　　图：生产式AI的分类

　　人工智能发展面临的问题

　　1、基础创新投入产量问题

　　我国人工智能领域的基础创新投入严重不足。从企业研发创新看，中国人工智能企业的创新研发支出仍远远落后于美国、欧洲和日本。据统 计，美国人工智能领域企业投入的科技研发费用占据了全球科技支出的61%，我国人工智能领域企业研发支出虽然快速增加，增速达到34%，但 实际占据的全球科技支出份额明显小于美国。从人工智能知识产权保有量 看，我国各类实体拥有的人工智能专利总量超过3万件，位居世界第一，但中 国相关企业拥有的人工智能相关专利多为门槛较低的实用新型专利，发明专利仅占专利申请总量的23%。

　　同时，根据世界知识产权组织的数据，我国企业拥有的95%的人工智能设计专利和61%的人工智能实用新型专利将会在5年后失效，相比之下，美国85.6%的人工智能专利技术在5年后仍在支付维护费用。2021年，我国需要在人工智能基础研究与创新，打造核心关键技术长板、加强知识产权保护方面加大投入力度。我国人工智能产业的算力算法核心基础相对薄弱。我国人工智能发展在数据规模和算法集成应用上都走在世界前列，但在人工智能基础算力方面，能提供国产化算力支持的企业还不多。

　　在人工智能的算力支持方面，IBM、HPE、戴尔等国际巨头稳居全球服务器市场前三位，浪潮、联想、新华三、华为等国内企业市场份额有限；国内人工智能芯片厂商需要大量依靠高通、英伟达、amd、赛灵思、美满电子、emc、安华高、联发科等国际巨头供货，中科寒武纪等国内企业发展刚刚起步。

　　在人工智能算法方面，主流框架与数据集领域国内外企业龙头企业 包括谷歌、脸书、亚马逊、微软等，深度学习主流框架Tensorflow、Caffe 等均为美国企业或机构掌握，百度、第四范式旷视科技等国内企业的算法 框架和数据集尚未得到业界的广泛认可和应用。2021年，我国需要进一步部署加强人工智能基础设施建设，并重视国内人工智能算法框架的创新推广。

　  2、产业脱节问题

　　其次是“高端”的AI技术与“中低端”的产业之间存在脱节现象。相对于庞大的经济体量，目前我国人工智能推广应用有限，仍有不小提升空间。人工智能技术与企业业务需求存在鸿沟，尤其是传统企业的整体智能化程度偏低。以制造业为例，业务信息化水平不足造成的场景数据获取困难，研发投入大和交付周期长，成为一部分企业利用AI进行转型升级的制约因素。

　　3、研发与成果转化率问题

　　产学研合作密切度待提升，成果转化率不高。一方面高水平、跨行业复合型人才稀缺。当前我国人工智能产业发展迅速，但人才尤其是高水平、资深人才规模较小，难以满足行业发展需求。我国人工智能基础环节薄弱，与缺少顶级基础研究人才有直接关系。市场上缺少既了解行业又掌握人工智能关键技术，还能够进行应用开发的复合型人才。另一方面，对我国人工智能产业而言，高校、科研院所、企业之间如何实现密切合作的问题亟待解决。现有产学研合作培养模式较为单一，高校、科研院所、企业之间的合作多为自发性短期行为，缺乏顶层统筹以及可持续运行机制。

　    4、数据规范使用问题

　　当前数据使用不规范问题较为突出，安全问题逐渐显现。人工智能技术在造福人类的同时，也引发了诸多安全问题，以算法战、深度伪造为代表的人工智能技术滥用，给经济社会带来严重负面影响。算法战指的是将人工智能算法、机器学习等技术全面应用于对敌作战中的情报收集、武器装备、战场勘测、指挥协同、决策制定等环节，核心目标是利用人工智能技术提升军事作战能力；深度伪造是一种基于深度学习的人物图像合成技术，随着人工智能算法开源不断推进，深度伪造技术门槛正在不断降低，非专业人员已经可以利用简单开源代码快速制作出以假乱真的视频和图像。20年以来，基于人工智能的算法和深度学习的伪造正在扩大影响，形成网络暴力、破坏政治选举、扰乱外交关系等问题的出现，并给社会和国家带来极大风险。上述对人工智能技术的滥用给我国家安全、产业安全、社会经济安全带来巨大风险，需提前预防可能风险，并寻求国际支持。

　　人工智能未来发展趋势

　　人工智能是新一轮科技革命及产业革命重要的着力点，人工智能的发展对国家经济结构的转型升级有着重要的意义。虽然人工智能已经发展了60多年，涉及到许多领域之中，但就目前的情况而言，人工智能发展过程中还有许多问题亟待解决，未来还有很长一段路要走。

　　人工智能，顾名思义即人造的智能，是认知学科、逻辑学、计算机 科学等学科交叉形成的一种新型的科学技术，人工智能研究的重要目标就是使机器能够表现出类似人类的智慧，具有智能行为。在人工智能研究的过程中，机器学习是行业研究的核心，也是人工智能目标实现的最根本途径，是当前人工智能发展的主要瓶颈。

　　以当下的大热的生成式人工智能为例，其应用如自然语言处理、图像识别和创作、建筑设计、游戏设计、音乐创作等将覆盖到千行百业，随着场景的拓展与应用的成熟，将呈现智能化、个性化、高效化的特征，并与人们进行更好的交互与合作。

　　人工智能已经发展了很长时间，它在未来的发展问题是该学科有关研究人员讨论的重点，从现阶段的发展情况来说，未来人工智能可实现更好地为人们服务。人工智能属于全世界科研发展的前沿技术，发展过程中与信息技术、计算机技术、精密制造技术、互联网技术密切相关，对各行业、各领域的发展都有一定的影响。