智能系统工程，智能化系统工程

智能工程(智能工程与管理)
"1.人工智能的内涵“2。人工智能的发展趋势”
改编自：《智能制造实践指南》(作者：张贺芳徐智英智能工程黄培智能工程)
这本书正在编辑中，很快就会出版。请关注“智造园”立即获取新书出版信息~
人工智能的概念最早提出于20世纪50年代，至今已有60多年的历史。然而，直到最近几年，人工智能才迎来爆发式增长。主要原因在于物联网、大数据、云计算等技术日益成熟。这些技术的有机结合带动了人工智能技术的不断发展，取得了实质性的进步。
人工智能是研究和发展能够模拟、扩展和拓展人类智能的理论、方法、技术和应用系统的一门新技术科学。研究的目的是让智能机器监听(语音识别、机器翻译等)。)，参见(图像识别、字符识别等)。)，说话(语音合成、人机对话等)。)，思考(人机游戏、定理证明等)。)和学习(机器学习)。
具体来说，人工智能是通过五大基础技术来实现的：信息感知与获取技术，即从外界获取有用信息，主要包括感知、测量、信息检索等技术，是人类感觉器官的延伸。信息传输和存储技术，即信息交换和信息共享，主要包括通信和存储技术，是人类神经系统功能的延伸。信息处理与认知技术，即把信息提炼为知识，主要包括计算技术和智能技术，是人类思维器官认知功能的延伸。信息合成与再生技术，即将知识转化为解决问题的策略，主要包括智能决策技术，是人类思维器官决策功能的延伸。信息转换与执行技术，即将智能策略转化为解决问题的智能行为，主要包括控制技术，是人体效应器器官(动作器官)功能的延伸。
人工智能的主要功能可以概括为以下四个方面：
(1)机器感知：感知是感觉和知觉的总称，是客观事物通过感官在人脑中的直接反映。机器感知是研究如何用机器或计算机模拟、扩展和扩展人的感知或认知能力，包括机器视觉、机器听觉、机器触觉等。机器感知是由多个传感器采集、复杂程序处理的大规模信息处理系统。
(2)机器思维：大脑的思维活动是人类智力的源泉，没有它就没有人类的智力。机器感知主要通过机器思维来实现，是指对机器内部和外部的各种工作信息进行有目的的处理。
(3)机器学习：学习是获取具有特定目标的知识的过程，也是人类智力的主要标志和获取知识的基本手段。学习的特点是不断建立和修改新的知识结构。机器学习是计算机自动获取新事实和新推理算法的基本方式。
(4)机器行为：行为是生物体适应环境变化的主要手段。机器行为研究如何利用机器来模拟、扩展和拓展人的智能行为，包括自然语言生成、机器人动作规划、机器人协调控制等。
对于人工智能来说，其关键技术包括算法、软件框架和芯片。算法是推动人工智能发展的重要动力。算法通过封装应用到软件框架中，芯片是支撑算法计算能力的关键基础硬件。
1)算法
人工智能涉及的算法主要分为回归、分类和聚类[1]。近年来，以深度学习算法为代表的人工智能技术在多个领域取得了突破，但这类算法并不完善。目前，阿尔戈里奇
软件框架是算法模型工具库的集合，可供各种开发人员使用。目前，软件框架有两种形式：开源和闭源。主流的软件框架基本上都是开源的。内容方面，行业内主要有两大类：深度学习训练软件框架和推理软件框架。其中，基于深度学习的训练框架主要实现海量数据的读取、处理和训练。目前主流的深度学习训练软件框架主要有TensorFlow、MXNet、Caffe、PaddlePaddle等。在终端端设备性能、功耗等因素受限的场景应用中，也有很多开源的终端端软件框架，如Caffe2go、TensorFlow Lite等。
3)芯片
人工智能算法的实现需要强大计算能力的支持，尤其是深度学习算法的大规模使用，对计算能力提出了更高的要求。
从应用场景来看，人工智能(AI)芯片主要有两个方向，一是部署在数据中心的云，二是部署在消费终端的终端。从功能上看，AI芯片主要用于训练和推理。训练要求极高的计算性能，高精度，能够处理海量数据，并具有一定的通用性，从而完成各种学习任务。推理，相对来说，在特定场景下不要求高性能、低精度、低通用性，所以可以完成特定的任务。
从技术架构来看，AI芯片有四种类型：一是通用芯片，如GPU智能工程；二是以FPGA(现场可编程门阵列)为代表的半定制芯片，如FPGA沈剑理工大学；三是ASIC(专用集成电路)全定制芯片，如谷歌的TPU；第四，类脑芯片。培训环节，GPU、FPGA、ASIC可以使用。用于终端推理的计算芯片主要是ASIC。
从1943年神经网络理论研究开始，到1956年达特茅斯会议提出“人工智能”概念，到现在，人工智能经历了一个早期的研究热潮，一个因实现困难而导致的寒冬，以及近年来再次爆发的几个阶段[2](如表1所示)。
表1人工智能发展的主要事件

人工智能迎来爆发式的增长离不开物联网、大数据、云计算等技术的快速发展，物联网使得大量数据能够被实时获取，大数据为深度学习提供了数据资源及算法支撑，云计算则为人工智能提供了开放平台。这些技术的有机结合，驱动着人工智能技术不断发展，并取得了实质性的进展。尤其是2016年3月AlphaGo与李世石的人机大战，将人工智能推到了风口浪尖，引爆了新一轮的人工智能热潮。关于人工智能的研究和应用开始遍地开花，人工智能产业迎来爆发式增长，产业规模迅速扩大。

人工智能对社会和经济影响的日益凸显，各国政府也先后出台了对人工智能发展的政策，并将其上升到国家战略的高度。图1是包括美国、中国和欧盟在内的多国和地区颁布的国家层面的人工智能发展政策。

图1 各国人工智能最新政策（来源：政府工作报告，公开资料，德勤研究）

目前，随着人工智能技术的日臻完善，在技术层面，AutoML 等工具的出现降低了深度学习的技术门槛；在硬件层面，各种专用芯片的涌现为深度学习的大规模应用提供了算力支持；物联网、量子计算、5G 等相关技术的发展也为深度学习在产业的渗透提供了诸多便利。

伴随着国内外科技巨头对人工智能技术研发的持续投入，以深度学习为框架的开源平台极大降低了人工智能技术的开发门槛，有效提高了人工智能应用的质量和效率。未来，各行各业将会大规模应用深度学习技术实施创新，加快产业转型和升级的节奏。其次，自动机器学习 AutoML 的快速发展将大大降低机器学习成本，扩大人工智能应用普及率；多模态深度语义理解将进一步成熟并得到更广泛应用。

在硬件上，人工智能芯片将逐渐大规模落地。端侧人工智能芯片将会显现出更加低成本化、专业化以及系统集成化的重要特征。同时，NPU将成为下一代端侧通用CPU芯片的基本模块，未来越来越多的端侧CPU芯片都会以深度学习为核心支撑进行全新的芯片规划。

此外，随着 5G 和边缘计算的融合发展，算力将突破云计算中心的边界，向万物蔓延，将会产生一个个泛分布式计算平台，对时间和空间的洞察将成为新一代物联网平台的基础能力。这也将促进物联网与能源、电力、工业、物流、医疗、智能城市等更多场景发生融合，创造出更大的价值。在量子计算方面，可编程的中等规模有噪量子设备的性能会得到进一步提升并初步具备纠错能力，最终将可运行具有一定实用价值的量子算法，量子人工智能的实际应用也将得到极大助力。未来也将会涌现一大批高质量的量子计算平台和软件，人工智能技术将与之实现深度融合。

[1]中国信息通信研究院,中国人工智能产业发展联盟.人工智能发展白皮书技术架构篇（2018年）[R].北京:中国信息通信研究院，中国人工智能产业发展联盟,2018.

[2] 彭健.人工智能的关键性技术[J].互联网经济,2018(12):46-51.

来源：智造苑

中国工程科技知识中心（以下简称”知识中心”）是经国家批准建设的国家工程科技领域公益性、开放式的知识资源集成和服务平台建设项目，是国家信息化建设的重要组成部分。

知识中心建设以满足国家经济科技发展需要为总体目标，通过汇聚和整合我国工程科技相关领域的数据资源，以资源为基础、以技术为支撑、以专家为骨干、以需求为牵引，建立集中管理、分布运维的知识中心服务平台。

知识中心以为国家工程科技领域重大决策、重大工程科技活动、企业创新与人才培养提供信息支撑和知识服务为宗旨，最终建设成为国际先进、国内领先、具有广泛影响力的工程科技领域信息汇聚中心、数据挖掘中心和知识服务中心。

中国工程科技知识中心公众号：知领

中国工程科技知识中心微博：知领直播