时间：2023-06-15 09:27:37
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇人工智能发展前景，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
中图分类号：TP391 文献标识码：A
0.引言
2016年3月15日，备受瞩目的“人机大战”终于落下帷幕，最终Google公司开发的“AlphaGo”以4∶1战胜了韩国九段棋手李世h。毫无疑问，这是人工智能历史上一个具有里程碑式的大事件。大家一致认为，人工智能已经上升到了一个新的高度。
这次胜利与1997年IBM公司的“深蓝”战胜国际象棋世界冠军卡斯帕罗不同。主要表现在两个方面：
（1）AlphaGo的胜利并非仅仅依赖强悍的计算能力和庞大的棋谱数据库取胜，而是AlphaGo已经拥有了深度学习的能力，能够学习已经对弈过的棋盘，并在练习和实战中不断学习和积累经验。
（2）围棋比国际象棋更加复杂，围棋棋盘有361个点，其分支因子无穷无尽，19×19格围棋的合法棋局数的所有可能性是幂为171的指数，这样的计算量相当巨大。英国围棋联盟裁判托比表示：“围棋是世界上最为复杂的智力游戏，它简单的规则加深了棋局的复杂性”。因此，进入围棋领域一直被认为是目前人工智能的最大挑战。
简而言之，AlphaGo取得胜利的一个很重要的方面就是它拥有强大的“学习”能力。深度学习是源于人工神经网络的研究，得益于大数据和互联网技术。本文就从人工智能的发展历程与现状入手，在此基础上分析了人工智能的未来发展前景。
1.人工智能的发展历程
AlphaGo的胜利表明，人工智能发展到今天，已经取得了很多卓越的成果。但是，其发展不是一帆风顺的，人工智能是一个不断进步，并且至今仍在取得不断突破的学科。回顾人工智能的发展历程，可大致分为孕育、形成、暗淡、知识应用和集成发展五大时期。
孕育期：1956年以前，数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化，奠定了数理逻辑的基础。英国数学家图灵在1936年创立了自动机理论（亦称图灵机），1950年在其著作《计算机与智能》中首次提出“机器也能思维”，被誉为“人工智能之父”。总之，这些人为人工智能的孕育和产生做出了巨大的贡献。
形成期：1956年夏季，在美国达特茅斯大学举办了长达2个多月的研讨会，热烈地讨论用机器模拟人类智能的问题。该次会议首次使用了“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生。其后的十几年是人工智能的黄金时期。在接下来的几年中，在众多科学家的努力下，人工智能取得了瞩目的突破，也在当时形成了广泛的乐观思潮。
暗淡期：20世纪70年代初，即使最杰出的AI程序也只能解决问题中最简单的部分，发展遇到瓶颈也就是说所有的AI程序都只是“玩具”，无法解决更为复杂的问题。随着AI遭遇批评，对AI提供资助的机构也逐渐停止了部分AI的资助。资金上的困难使得AI的研究方向缩窄，缺少了以往的自由探索。
知识应用期：在80年代，“专家系统”（Expect System）成为了人工智能中一个非常主流的分支。“专家系统”是一种程序，为计算机提供特定领域的专门知识和经验，计算机就能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。不同领域的专家系统基本都是由知识库、数据库、推理机、解释机制、知识获取等部分组成。
集成发展期：得益于互联网的蓬勃发展、计算机性能的突飞猛进、分布式系统的广泛应用以及人工智能多分支的协同发展，人工智能在这一阶段飞速发展。尤其是随着深度学习和人工神经网络研究的不断深入，人工智能在近几十年中取得了长足的进步，取得了令人瞩目的成就。
人工智能发展到今天，出现了很多令人瞩目的研究成果。AlphaGo的胜利就是基于这些研究成果的一个里程碑。当前人工智能的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。
2.人工智能l展现状与前景
人工智能当前有很多重要的研究领域和分支。目前，越来越多的AI项目依赖于分布式系统，而当前研究的普遍热点则集中于自然语言处理、机器学习和人工神经网络等领域。
自然语言处理：自然语言处理（Natural Language Processing，简称NLP），是语言学与人工智能的交叉学科，其主要功能就是实现让机器明白人类的语言，这需要将人类的自然语言转化为计算机能够处理的机器语言。
自然语言处理主要包括词法分析、句法分析和语义分析三大部分。词法分析的核心就是分词处理，即单词的边界处理。句法分析就是对自然语言中句子的结构、语法进行分析如辨别疑问句和感叹句等。而语义分析则注重情感分析和整个段落的上下文分析，辨别一些字词在不同的上下文定的语义和情感态度。
当前自然语言的处理主要有两大方向。一种是基于句法-语义规则的理性主义理论，该理论认为需要为计算机制定一系列的规则，计算机在规则下进行推理与判断。因此其技术路线是一系列的人为的语料建设与规则制定。第二种是基于统计学习的经验主义理论，这种理论在最近受到普遍推崇。该理论让计算机自己通过学习并进行统计推断的方式不停地从数据中“学习”语言，试图刻画真实世界的语言现象，从数据中统计语言的规律。
机器学习：机器学习（Machine Learning）是近20年来兴起的人工智能一大重要领域。其主要是指通过让计算机在数据中自动分析获得规律，从而获取“自我学习”的能力，并利用规律对未知数据进行判断和预测的方法。
机器学致可以分为有监督的学习和无监督的学习。有监督的学习是从给定的训练数据集中练出一个函数和目标，当有新的数据到来时，可以由训练得到函数预测目标。有监督的学习要求训练集同时有输入和输出，也就是所谓的特征和目标。而依据预测的结果是离散的还是连续的，将有监督的学习分为两大问题，即统计分类问题和回归分析问题。统计分类的预测结果是离散的，如肿瘤是良性还是恶性等；而回归分析问题目标是连续的，如天气、股价等的预测。
无监督学习的训练集则没有人为标注的结果，这就需要计算机去发现数据间的联系并用来分类等。一种常见的无监督学习是聚类分析（Cluster Analysis），它是将相似的对象通过静态分类的方法分成不同的组别或者是特定的子集，让同一个子集中的数据对象都有一些相似的属性，比较常用的聚类方法是简洁并快速的“K-均值”聚类算法。它基于K个中心并对距离这些中心最近的数据对象进行分类。
机器学习还包括如半监督学习和增强学习等类别。总而言之，机器学习是研究如何使用机器来模拟人类学习活动的一门学科，而其应用随着人工智能研究领域的深入也变得越来越广泛，如模式识别、计算机视觉、语音识别、推荐算法等领域越来越广泛地应用到了机器学习中。
人工神经网络：在脑神经科学领域，人们认为人类的意识及智能行为，都是通过巨大的神经网络传递的，每个神经细胞通过突出与其他神经细胞连接，当通过突触的信号强度超过某个阈值时，神经细胞便会进入激活状态，向所连接的神经细胞一层层传递信号。于1943年提出的基于生物神经元的M-P模型的主要思想就是将神经元抽象为一个多输入单输出的信息处理单元，并通过传递函数f对输入x1，x2…，xn进行处理并模拟神经细胞的激活模式。主要的传递函数有阶跃型、线性型和S型。
在此基础上，对神经网络算法的研究又有诸多进展。日本的福岛教授于1983年基于视觉认知模型提出了卷积神经网络计算模型。通过学习训练获取到卷积运算中所使用的卷积系数，并通过不同层次与自由度的变化，可以得到较为优化的计算结果。而AlphaGo也正是采用了这种深度卷积神经网络（DCNN）模型，提高了AlphaGo的视觉分类能力，也就是所谓的“棋感”，增强了其对全盘决策和把握的能力。
3.人工智能的发展前景
总体来看，人工智能的应用经历了博弈、感知、决策和反馈这几个里程碑。在以上4个领域中，既是纵向发展的过程，也是横向不断改进的过程。
人工智能在博弈阶段，主要是实现逻辑推理等功能，随着计算机处理能力的进步以及深度学习等算法的改进，机器拥有了越来越强的逻辑与对弈能力。在感知领域，随着自然语言处理的进步，机器已经基本能对人类的语音与语言进行感知，并且能够已经对现实世界进行视觉上的感知。基于大数据的处理和机器学习的发展，机器已经能够对周围的环境进行认知，例如微软的Kinect就能够准确的对人的肢体动作进行判断。该领域的主要实现还包括苹果的Siri，谷歌大脑以及无人驾驶汽车中的各种传感器等。在以上两个阶段的基础上，机器拥有了一定的决策和反馈的能力。无人驾驶汽车的蓬勃发展就是这两个里程碑很好的例证。Google的无人驾驶汽车通过各种传感器对周围的环境进行感知并处理人类的语言等指令，利用所收集的信息进行最后的决策，比如操作方向盘、刹车等。
人工智能已经渗透到生活中的各个领域。机器已经能识别语音、人脸以及视频内容等，从而实现各种人际交互的场景。在医学领域，人工智能可以实现自动读片和辅助诊断以及个性化t疗和基因排序等功能。在教育领域，机器也承担了越来越多的辅助教育，智能交互的功能。在交通领域，一方面无人车的发展表明无人驾驶是一个可以期待的未来，另一方面人工智能能够带来更加通畅和智能的交通。另外人工智能在安防、金融等领域也有非常广阔的发展前景。总之，人工智能在一些具有重复性的和具备简单决策的领域已经是一种非常重要的工具，用来帮助人们解决问题，创造价值。
参考文献
[1]阮晓东.从AlphaGo的胜利看人工智能的未来[J].新经济导刊，2016 （6）：69-74.
一、财务共享模式的认识
跨国、跨地区或分支机构较多的大型企业集团，面临着低附加值的财务工作占用大量人员、财务与企业发展战略协同度较低、会计处理缺乏统一标准及口径、信息质量低等问题，为了解决这些问题，提高企业的风险和财务管控能力，财务共享服务模式应运而生。
财务共享模式是把整个财务职能做一个切分，把会计基础核算等低附加值的事务性作业剥离出来，运用计算机、网络通信等现代信息技术，在一个或多个地点对人员、流程和技术等核心要素进行整合，将具有规模经济属性和范围经济属性的财务业务集中在一块进行处理，实现优化流程，规范管理，降成增效等目标。其本质不是简单的财务人员和帐套的集中，而是将经营活动数据转化为信息，变成财务服务产品，提高企业整体效率，实现信息的共享，让企业不受时间和空间的限制，根据自己的需求及时、准确的使用系统，获取信息。
企业在财务共享模式的实施中不应该仅仅着眼于降低费用报销、财务核算等的简单的人工成本，应该更多的关注信息流的整合与共享，利用经营大数据，算大帐，对公司的各个产品经营情况、业务开展情况、项目成本收益情况、设置人员和部门组织的效益情况进行事中的控制和事后分析。实现业务驱动财务，财务控制业务、评估业务、指导业务，真正做到业务财务融合，提高企业的整体经济利益。
二、目前财务共享模式的不足
财务共享模式有诸多显而易见的优点，但也存在不足，特别是目前的财务共享中心模式。对于优点，本文不做过多的累述，主要分析几点不足：
一是信息沟通风险，目前的财务共享模式多采用的是远程集中服务，各分支机构处在不同地区，财务信息在由各分支结构传递到财务共享服务中心时，存在沟通不畅，信息理解不对称，不完整等现象，以及由于信息系统本身的缺陷，造成数据丢失等信息安全问题。
二是企业文化风险，财务共享中心将打破原有的组织结构，带来人动和权责的重新划分，存在内部分支机构管理层认可度低以及抵触情绪，业务推广困难。业务模式由从前分支机构的财务部门自行处理全部业务，改为财务共享中心与分支机构共同承担，两者权责难以分清，相互推诿扯皮，影响整体工作效率。
三是管理脱节风险，财务共享中心的财务人员多采用标准化、流程化的业务处理方式，难以满足分支机构的个性化需求，企业实际业务活动会为了满足财务共享中心标准化的流程而调整变通，扭曲业务实质，造成业务数据不真实，影响最终决策。同时，财务共享模式不直接接触分支机构所在地的税务机关、政府部门，不便于及时了解地方性的?收优惠政策和地方法规要求，使企业增加没有享受到税收优惠政策的机会成本和违反地方法规的违规风险。
四是人才建设风险，财务共享模式将财务业务流程细化分解，程式化、机械化的工作内容多，好比财务数据流水生产线，每天重复相同的工作，从业人员业务能力提升与职位晋升空间十分有限，导致新进员工任职时间短，离职率高，流动性大。同时，从业人员不能深入了解企业的业务及情况，进而造成企业高级财务管理人员缺失。
三、人工智能与财务共享模式的融合
人工智能是使用计算机来模拟人的某些思维过程和智能行为的学科，具有感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力的特点，应用范围广泛。就该技术目前的发展状况来说，其在财务管理领域的应用，完全可以取代一部分程序性、模式化的会计工作，自动识别成本费用的合理性、合规性，选择会计核算要素，整理分析数据，也就是取代目前财务共享中心的主要工作。
【关键词】计算机 人工智能技术 系统
人工智能（Artificial Intelligence）是研究使计算机模拟人的学习、推理、思考、规划等思维过程和智能行为的学科，用过对计算机实现智能的原理的研究，制造出类似于人脑智能的计算机，使计算机实现更高层次的应用。随着信息技术的发展和网络的广泛普及，人们教育观念正在悄然改变，新型的教育模式正在成形，计算机网络远程教育迅速发展，然而由于计算机网络远程教育发展尚不成熟，实际应用过程中存在诸多问题，而人工智能的引入，则使计算机网络教育水平提升到一个全新的发展台阶，并展现了其广阔的发展前景[1]。
一、人工智能技术概况
人工智能是通过研究人的智慧机理和思维过程，利用计算机体现和模拟人的智能行为。人工智能自其正式提出至今短短几十年内取得飞速的发展，已经成为一种成熟的工具。由于人工智能的效用堪比人的智慧，在进行信息分析处理时可以采取语音识别，实现人机对话，所以其应用范围自其发展以来逐步向诸多领域扩展，如医学、建筑学、地质学、机械等，而其研究课题也不断深入，如专家系统、机器人、自然语言处理系统、博弈等。人工智能具有理解经验并从中学习、辨别模糊或互相矛盾的信息、快速而成功地对新环境做出反应、在解决问题时使用推理进行有效的推导、能处理复杂的情况、应用知识控制环境等诸多能力。人工智能是一个知识信息系统，知识在人工智能中占据重要的地位，计算机的智能只有通过对知识的发现、储存、学习、推理和决策才能展现出来。人工智能主要有以下优势：首先，由于知识储存与计算机系统中，为人们知识传播和复制带来了极大的便利，计算机网络技术的发展，使知识的传播和复制突破时间和空间的限制，为人们带来无限的知识共享。其次，人工智能系统拓展了知识信息获取渠道，同时在某些任务处理的质量和速度上，人工智能展现的能力惊人的能力，远非人类所能及[2]。
二、人工智能技术在计算机网络教育中的应用
（一）智能决策支持系统
智能决策支持系统（IntelligentDecision Support System）是由决策支持系统与人工智能结合的产物，在网络教育领域的应用展现出广阔的发展前景。智能决策支持系统在数字图书馆中的应用，则使得决策目标和进行问题的识别更加明确，帮助决策者建立起完善的决策模型，提供多种备选方案，同时对各种备选方案进行选择、优化、比较、分析，从而使决策者的决策更加准确、有效[3]。
（二）智能教学专家系统
智能教学专家系统ITES（Intelligent Teaching Expert System）是传统CAI系统转向的主要方向，是一种开放式交互教学系统，通过智能教学专家系统利用计算机对专家教授教学思维的模拟，从而为教学提供一个良好的智能环境。一方面，学生可以通过智能专家系统获取知识，另一方面，智能教学专家系统能根据学生的具体实际情况（包括知识储备、能力、学习方式等）进行知识传授，从而使教学效果大大提升。在智能教学专家系统中，智能计算机辅助教学占据重要地位，具有以下智能：首先，自动生成各种问题和练习，并在教学内容理解的基础上，形成问题解决方案，同时还能自动生成和理解自然语言；其次，能根据学生的自身实际情况，对学生的学习内容和教学进度进行合理调整，并对教学内容具有解释咨询的能力；再次，能对学生的错误进行判断，评价学生学习行为，并帮助学生纠正错误，同时使自身教学策略得到完善。
（三）智能导学系统
智能导学系统（Intelligent Induct-learning System）是现代继续安吉网络教育系统的重要组成部分，是实现计算机网络教育项目的保障。通过智能导学系统，能为学生提供一个良好的学习环境，并能快速地获取其所需要的各种资源，从而使学习者获得学习的全方位服务，进而达到学习的成功。智能Agent技术的智能导学系统，可根据学生的具体情况制定符合学生实际的导学策略，并为学生提供个性化、针对性的服务。在这种导学策略下，系统不仅能自动生成各种问题和解决方案，并且能合理规划、调整学习内容和进度，同时能针对信息反馈内容及时修正导学策略，使导学策略更加合理科学[4]。除了上述3各种系统在计算教学中的应用，还有智能仿真技术（Intelligent Simulation Technology）、智能硬件网络IHN（Intelligent Hardware Network）、智能网络组卷系统INES （Intelligent Network Examine System）、智能信息检索引擎 （Intelligence Information Retrieval Engine）等系统在计算机网络教学中应用，这些人工智能在计算机网络教学中的应用，共同推进了计算机网络教学的发展。
三、结语
计算机网络教育中加强对人工智能技术的引入，使我国现代计算机网络教育呈现蓬勃发展的态势，通过多种智能系统的应用，使计算机网络教育的学习环境得到极大的改善，计算机网络教育的时空制约进一步突破，大大延伸了计算机网络教育的服务领域。随着人工智能技术在计算机网络教育中应用的深入研究和发展，未来计算机网络教育的个性化将会更加突出，远程教育也将实现更好的发展。
参考文献：
[1]潘瑞玲，余轮.具有Agent功能的远程教育系统的设计[J]. 福州大学学报（自然科学版）. 2012（03）：105-106.
[2]何丕廉，苏成君，郝祯亮.网上虚拟教室中笔记系统的设计与实现[J]. 计算机工程与应用. 2011（18）：239-241.
首届世界智能大会6月28日至6月30日在天津举行。6月29日，马云、李彦宏、柳传志等行业大咖分享了对于人工智能等最新科技的观点。同时，在开幕式演讲中，全国政协副主席、科技部部长万钢透露，最近新一代人工智能发展规划已编制完成，该规划对直到2030年的中国人工智能产业进行系统部署，包括与此相关的人工智能重大科技项目。规划将于近日向全社会公布。
点评：公开信息显示，目前我国人工智能已上升到国家战略，并于今年3月首次写入政府工作报告。据预测，2020年全球人工智能市场规模将超过1000亿美元，年均增速约为20%，我国人工智能市场规模也将达到百亿美元量级，年均增速超过50%，行业发展前景极为广阔。近几年，智能制造被不断的提及，而随着互联网、智能科技与传统行业融合创新发展，智能科技更是在除制造业外的，教育、医疗、农业等各个领域发挥重要功效。在此基础上，世界智能大会旨在打造世界级先进智能科技成果平台、创新合作平台、产业聚集平台和投融资对接平台，展现全球领先的前沿科技新成果。此次大会的专题活动覆盖了深度学习、智能制造、人工智能、智能驾驶、智慧安防等多领域。近期A股市场上，受世界智能大会举行的利好影响，A股市场人工智能概念板块表现活跃，关注标的股：科大讯飞、恒生电子、东方网力、佳都科技、工大高新等。
6月份信贷增量以及M2同比增速等成为市场关注的焦点。对此，机构普遍认为，6月份新增信贷增量或超万亿元，M2同比增速或继续回落将至9%。华泰证券首席宏观研究员李超认为，5月份信贷增量维持不变的情况下，社融出现了边际减缓迹象。监管趋于严格的背景下，银行的表外业务回归表内将会是未来一大趋势，同时居民按揭韧性强，融资利率继续上行大背景下，银行也乐于扩张表内业务。6月份这一趋势将会继续延续，预计6月份的新增贷款在12000亿元左右，与之对应的社融新增则在13000亿元左右，整个社会融资更多的依赖银行表内贷款。当然，也有部分机构较为悲观。交通银行金融研究中心近日的报告称，总体来看，居民房贷的回落以及金融机构主动调降跨季前资产增速，将很大程度主导6月份贷款增量回落。
【关键字】嵌入式软件；发展现状；前景
一、嵌入式软件技术快速发展的意义
嵌入式软件技术主要是和嵌入式系统共同发展，嵌入式硬件系统主要是指嵌入式微处理器、外设等，而嵌入式软件主要是依托嵌入式硬件设备，为嵌入式系统提供良好的操作系统和软件。先通过芯片开发，并加强了嵌入式系统的软件设计，然后将其应用在实际的电子设备工业生产中。嵌入式软件技术作为整个系统的控制中心，是一套独立运行的计算机系统，重点在于软件和硬件的协调工作，并在此基础上完成指定计划。从嵌入式软件技术本身的主要特点是实用性强，灵活度高，软件系统小巧而成熟，可以直接嵌入在PC终端，使用便捷。鉴于嵌入式软件技术具有诸多优点，在生活和工业生产中得到了非常广泛的应用，比如在智能家居、汽车智能化控制、智能手机等产品中都可以看到嵌入式软件技术的应用，可以说人们的生活依然无法离开嵌入式软件技术。
二、嵌入式软件技术发展现状
由于互联网技术的快速发展以及市场对智能化生活产品需求的快速增长，促使我国嵌入式系统快速发展。不仅仅在智能家居、智能化汽车等方面具有非常广阔的市场前景。同时在通信、消费电子以及工业生产的方面也得到了广泛的应用。特别是智能手机的快速发展，带动了整个消费市场的快速发展。并且以智能手机为控制终端的智能家居的兴起，让嵌入式软件的应用领域得到了进一步的扩展。除此之外，嵌入式软件技术还在工业智能化控制、金融交易、电子医疗、交通智能化控制等方面得到了广泛的应用。现如今，我国电子化、信息化、智能化发产业发展十分迅速，互联网技术下嵌入式软件自身的优势得以体现。其成本低、规模小、使用简单、人机交流方便等优势逐渐体现出来，并在智能化领域中得到了广泛的应用，为人们的生活和生产带来了诸多便捷之处。但是就我国嵌入式软件技术发展程度来看，还存在一些问题需要在未来结合其他方面共同创新，促进我国智能化相关产业的进一步发展。
三、嵌入式软件技术的发展前景
3.1嵌入式软件技术的无线网络发展
这目前来说，我国许多领域中都有嵌入式软件技术的应用，而想要满足人们不断提升的需求，就应该不断的发展嵌入式软件技术。其中，随着互联网技术的快速发展，远程无线控制成为了许多行业对于控制系统的新要求。因此，将嵌入式软件技术和互联网无线通信技术相结合，发展无线操控系统，实现稳定可靠的远程操控系统是未来嵌入式软件技术发展的方向之一。
3.2嵌入式软件系统在人工智能中的应用
随着科技和经济的快速发展，人们对于人工智能的需求越来越多，对于人工智能的要求越来越高。嵌入式软件技术的开发应用一定程度满足了人们对于某些领域智能化的需求。然而要想要提升人工智能的适用性和应用性，就应该根据人们的需求，强化嵌入式软件系统在人工智能方面的应用。将人们对于人工智能的需求以及嵌入式软件系统的发展相结合，促使嵌入式系统在更多的人工智能领域中的应用。使其应用不仅仅局限于智能手机、智能家居，应该逐渐扩展到智能医疗、智能交通、智能工业等方。
四、总结
随着科技的不断发展，嵌入式软件在智能化领域的应用越来越广泛，对人们日常生活的影响将越来越大，传统的生活、生产工作方式需要与时俱进，因此在将来嵌入式产业将会逐渐涉及到生活和生产的方方面面。嵌入式软件系统不仅仅在智能家居、自动化工业等方面得到大量应用，同时也会向着无线网络控制方向发展，成为我国智能化、自动化计算机软件产业中不可或缺的重要技术。嵌入式软件技术在日常生活领域中的应用，将大大提升人们生活质量，改善工业生产效率，促进我国国民经济发展。
参考文献
[1]张琦.嵌入式软件技术的现状与发展趋势研究[J].科技创新与应用,2017,05:89-91.
[2]孙高峰.浅谈嵌入式软件技术的现状与发展动向[J].烟台职业学院学报,2013,02:74-76.
[3]高立军.嵌入式软件技术的现状与发展动向[J].信息系统工程,2016,01:126.
[4]熊光泽,罗蕾.嵌入式软件技术的现状与发展动向[J].计算机应用,2000,07:1-3.
关键词：人工智能；网络教育；应用；前景
中图分类号：TP18
“人工智能”一词最早是在20世纪50年代末期在Dartmouth学会上提出的。它是计算机技术的一个分支学科，但又同时包含了很多领域的不同学科，例如生物信息学、机械理论学、数理推论、语言文化等，它的研究领域非常的广泛，包括机器翻译研究、智能控制研究、专家系统学、机器人研究、语言和图像理解研究、遗传编程研究、自动程序设计研究、航天科学与应用、庞大的信息处理、储存、管理研究。此后，越来越多的科研人员开始了对人工智能技术的研究。国际上比较先进的研究机构有麻省理工学院、斯坦福大学、加州大学伯克利分校、宾夕法尼亚大学、耶鲁大学、德国人工智能研究中心、索尼公司等，中国的先进研究机构主要有清华大学、北京紫光优蓝机器人技术有限公司、中国科学院先进技术研究院、北京大学、南京理工大学、哈尔滨工业大学、中国科学技术大学、北京邮电大学等几十家机构。
目前，将人工智能应用在网络教育中是很多研究者关注的热点，在近些年的研究中取得了很大的进步，取得了一些先进的成果，但是在研究中也遇到了一些问题，需要研究人员进行解决并创新。本文首先介绍了网络教育的现状，探讨了人工智能在网络教育中的应用，通过研究提出了做好人工智能在网络教育中应用的有效措施，最后对人工智能在网络教育中的发展前景进行展望。
1 网络教育的现状
随着信息技术和网络技术的不断发展，人们对教育的观念以及接受教育的方式发生了巨大的改变，“网络教育文化”日趋成熟。网络的发展给传统的教育模式带来新的挑战，它除了将传统教育模式的一些显著不足进行了改变以外，同时使教学更富有吸引力和生气，吸引更多的人愿意到Internet教学中来学习自己想要的知识，他们可以不受时间、空间、身份的限制，到这个虚拟的课堂来进行“充电”。但在当前，网络教育还在初级的发展阶段，在实际的推广和应用中还存在着一些问题：
（1）在网络远程教育的过程中，支持学习的服务系统没有很好的满足学习者的要求，引导学习者学习的手段和给学习者答疑的方法都比较落后，服务的方式受到一些客观因素的限制；
（2）网络实验教学中有很的问题存在，例如空间的分散性差，时间的流动性和自主性差，除此之外，便携性也比较差等；
（3）目前，虽然网络教育中进行的考试具有开放性，但是考试的公平公正性、考试类型的科学性、出题的权威性都很难保证；
（4）目前来看，网络系统本身具有了信息查询能力，但这种查询的能力是很有限的。
2 人工智能在网络教育中的应用
2.1 智能决策支持系统
智能决策支持系统是在1980年左右由美国的研究大师波恩切克提出来的，是决策支持系统与人工智能技术相结合的产物。目前，由于智能决策支持系统的不断发展和创新，在网络教育的应用和研究方面表现出很强的发展潜力。例如，智能决策支持系统在数字和移动图书馆中的得到了广泛的应用，该系统能够为数字图书馆的管理人员提供决策和管理所需的数据、信息，帮助他们明确决策和管理的目标，通过建立决策模型并加以修改或完善，为数字图书馆正确、有效的管理和决策提供必要的支持。
2.2 智能教学系统
智能教学系统是在1970年以后迅速发展起来的，可以为学习者提供一种智能的授课环境，它将计算机的模拟功能来体现在整个教学过程中，使用人工智能技术和多媒体技术等先进的教学手段，共同形成一个交互式的开放的教学系统，在这个学习系统中，学生可以主动的获取学习知识，系统可以根据学习者的个人情况来进行合理和科学的教学，以达到最佳的、理想的教学效果。
2.3 智能导学系统
支持服务是现代计算机网络教育系统的重要构成要素。建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施计算机网络教育项目的保证。智能导学系统可以创造一个优良的学习环境，使学习者方便快捷地调用各种资源，以获得学习的成功。
2.4 智能硬件网络
智能网是20世纪80年代初期兴起的研究课题。随着网络的日益普及，通过网络进行学习，不仅要求多媒体综合化的信息处理能力，而且要求网络能够提供高级信息处理能力。就目前的状况而言，对现有的计算机教育网络赋予其一定的“智能”，从硬件性能本身加以提升是一种不乏远见的选择。
3 做好人工智能在网络教育中应用的有效措施
3.1 加大资金的支持
对于做好人工智能在网络教育中的应用工作，绝对离不开资金的支持，因此各级政府部门应该做好相关的预算，落实好国家对于支持人工智能技术的相关政策，对于在人工智能技术发展中做出突出贡献的企业和科研单位要给予一定的资金支持，支持这些企业、科研单位的研究工作，促进人工智能在网络教育中更好的发展和应用。
3.2 加快人员培训工作，建立技术研究团队
人工智能在网络教育中的应用工作具有技术性、专业性强等很多特征，因此，必须培养一批高素质的人工智能专业人才，同时还要对这些人员进行全面的业务培训，使得这些人员既要懂管理，又要精通人工智能的专业知识，通过全面的业务培训和人才引进，建立人工智能的技术研究团队，使得这些人的才能得到很好的发挥，在人工智能方面有所创新，保证人工智能在网络教育中得到更好的应用。
3.3 加强和先进研究机构的合作
在人工智能技术研究方面，美国、英国、德国等国家都走在世界的前列，而我国的人工智能技术研究的能力较低，与上述发达国家相比还存在一定的差距。因此，如何缩小这种差距，实现人工智能在网络教育中更好的应用，就需要我们的研究人员加强专业知识的学习，和这些国家的先进研究机构进行有效的沟通和联系，借鉴其先进的研究经验，根据自己的实际需要，进行一些实际的合作。
4 结束语
由于人工智能技术本身存在着巨大的优势，人工智能网络技术也会不断地进行发展而趋于成熟，这将极大地改善并且优化网络教育的学习环境，全面提升网络教育的整体教学质量，并有望增强网络教育的全面开放性。为了做好人工智能在网络教育中的应用，需要加大资金的支持，加快人员培训工作，建立技术研究团队，加强和先进研究机构的合作，使网络学习的支持服务更加人性化和拟人化，更加体现以人为本的关怀精神。
参考文献：
[1]吕生荣.浅谈人工智能在计算机辅助教学中的应用[J].科技资讯，2009（01）：198.
[2]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯，2007（34）：108-109.
[3]陆志一，吴学庆.计算机未来的发展趋势[J].黑龙江科技信息，2008（04）.
[4]张瑞.计算机科学与技术的发展趋势探析[J].制造业自动化，2010（08）.
[5]何月瑶.计算机技术发展态势分析[J].科技创业月刊，2007（05）.
关键词：智能电网；智能调度系统；电力电网
中图分类号：TM73 文献标识码：A
电力电网调度系统对电力系统而言是至关重要的，在电力系统初具雏形时，由于科技落后，电力电网调度系统不是智能的，是由工作人员通过打电话的方法了解各个电力站的运行状况，如果发现电力站的运行发生异常状况，就会凭借工作人员的经验，对发生的异常状况进行处理。现如今，科技水平不断发展，自动化技术也不断地更新，电力电网的智能调度系统在电力系统中也得到了应用，并取得了一定的成效。与传统电网系统相比，电力电网的智能调度系统不是孤立存在的，它是一个实时动态的系统，可以有效地进行分析和调控电力系统，当电力站发生故障时，电力电网的智能调度系统可以更加精准和及时地对故障分析和处理，更加快捷方便，可以更全面地了解电力电网的运行状况。
一、电力电网智能调度系统概述
（一）电网调度系统自动化的现状和前景
在科学技术不断发展的今天，电网调度系统已由最初单纯获取电力系统的数据转换为全面了解电力电网的运行状况，成为了能量管理系统。虽然我国科学技术水平在不断的发展，但是技术理论仍然不是很先进，导致电网调度系统的自动化和智能化程度仍然不是很高。因此，如何更好地运用现代科学技术，完善电力电网的智能调度系统，使电力电网的智能调度系统更加高效便捷，实现真正的智能，这将是电力系统的未来趋势。
（二）电力电网系统智能调度的概念
电力电网系统智能调度就是指调度系统可以对电力系统的电网的每个状态进行自动获取，综合了解其中的变化，协助电力调度员的管理，使电力调度员操作更加便捷精准，便于获取最好的方案，从而保证电网的安全运作。电力电网系统智能调度系统的功能不单单是基础的电力系统的稳态分析，在电力系统发生突如其来的故障时还应该具有一定的分析功能，可以及时帮助电力调度员解决故障，并且还应该可以兼容日益发展的运行系统。新型的电力电网系统智能系统比如今使用于电力系统中的调度系统更加复杂，更加庞大。新型的电力电网系统智能系统不单单需要电力系统中各个系统相互独立，却有相互统一，各个系统间可以互相帮助，除此之外，还要求新型的电力电网系统智能系统有兼容第三方软件的能力，该系统的最终构架应该是一种开放式的软件体系。
二、 人工智能在电网调度系统中的应用
（一）人工智能的概念
人工智能又名机器智能，融合了计算机科学、数理逻辑、控制论、信息论、神经生物学以及语言学等多门学科的知识理论，最终发展而成的一门综合性学科。人工智能的主要目标就是运用人类的智慧，使计算机系统日益的先进，逐渐使计算机系统表现出人类的一些基本智能行为。科学家进行了大量的科研实验，实验结果表明，人工智能技术发展的速度也越来越快，已经广泛地应用与各行各业，并发挥了显著的效果。不可否认，人工智能必将是未来的发展趋势。
（二）人工智能系统方法分类
二十世纪八十年代初，人工智能技术刚刚崛起，不断地应用于电力系统以及电力系统的相关行业中，主要原因如下：
1电力系统在当时那个年代就已经拥有了很大的规模，数据处理十分的繁琐，并且系统要求动态实时性，凭借当时的计算机水平根本没有办法快速获取计算结果，严重拖累了电力系统的工作效率。
2电力系统的非线性根本没有办法凭借当时的计算机水平建立出精确的线性数学模型。
3由于当时科学技术水平不是很发达，大多数人对电力系统不是十分了解最终导致电力系统行业中存在很多模棱两可的问题。
4由于当时科学技术水平不是很发达，很多电力系统的专家只能根据自己的经验对电力系统进行分析，根本无法运用精确的数学进行描述。与传统的计算不同，人工智能算法是以解决知识中所存在的问题的方法为基础，解决了传统计算方法的缺点。因此，人工智能应用于实际的电力系统中是十分必要的。
（三）人工智能在电网调度系统中的应用以及方法：
1 专家系统
在二十世纪六十年代，专家系统作为人工智能在电网调度系统中的应用的重要分支开始兴起，专家系统顾名思义，这个系统拥有极其接近人类思维模式的智能系统，可以很好地进行分析和推理，就犹如一些拥有丰富经验和渊博知识的专家，在特定的区域里凭借区域内固有的数据库对问题进行合理的分析，最终提出适当的问题解决方案。在专家系统应用于电力电网调度系统中，应该包括电网的管理、对电力系统进行综合的监测作用、对故障进行分析并及时提供解决意见等。
2 人工神经网络
人工神经网络顾名思义，就是一种类似于人类大脑的神经网络，人工神经网络可以对给与的信息进行适当合理的分析，并且处理，最终演变成数学模型，人工神经网络的本身就是对自然界某种算法或者函数的逼近，也可能是一种逻辑表达方式。人工智能神经网络与人类的大脑十分相似，具有一定的自学和联想能力，可以快速地根据特定的规律推算出大致的结果。人工神经网络已经广泛应用于人工电力电网系统的动态控制与诊断、状态数据估计等很多的相关领域，并取得了一定的成效，而其中的人工神经网络的预测估计分析技术已经十分的完善。
3 遗传算法
遗传算法就是根据达尔文生物种族进化论中遗传机制和自然选择学机理的生物进化过程进行模拟最终获取相应的计算模型，遗传算法可以通过模拟自然进化过程分析获取最好的解决方案。具体方法如下：
（1）选取一定数量的候选集。
（2）根据一定的条件，计算出这些候选集的应用范围。
（3）根据计算所得的应用范围适来确定符合应用范围的候选集。
（4）加工处理符合应用范围的候选集，最终形成新的候选集。
在整个遗传学算法中，达尔文自然选择学机理中的“适者生存”一直贯穿始终，遗传算法凭借自身十分优异的计算和处理功能，已经广泛地应用于电力电网系统中。
4 Agent技术
Agent技术是一种智能计算实体，在分布式系统中拥有灵活性、主动性、反应性、交互性和自主性。Agent体系结构是一种自主行为实体，单纯凭借现今的计算机水平，很难准确对Agent体系结构进行描述，其大略可分为三种类型，是混合式体系结构、反应式体系结构和审慎式体系结构。如今，反应式体系结构是其中主要的研究对象，事件处理系统、方法集合和内部状态集组成了反应式体系结构。具备良好适应性和开放性的Agent技术作为在新一代调度自动化系统，发展前景不可小视。
对于同类发电机组而言，综合考量其安全性能、经济效益和环保指标等要素，可以分别表示出机组的可靠性能R、经济效益标准E、环境标准D，以及热电比例H，依次用a表示其权值。那么可以得出：I=a*（R+E+D+H），其中每个权值的和为1。
设定机组工作的经济程度与出力之间的关系为函数E（P），那么用来指代系统经济性能的公式可以表示成：E=E（P max）/ P max。
系统的环保性指标可以用单位排放的污染气体总量来表示；系统的热电比是将单位出力表示为热量数值，设定热电之间转化的关系函数H（P），那么可以得出：H=H（P max）/ P max。
（四）Agent技术的发展前景
分布式的Agent技术就是将能量管理系统模块封装成Agent，使智能电网调度拥有更强的自治性和可移植性，从而在一定程度上解决了智能电网调度的一些问题。现如今，学者对人工智能技术不断深入地研究，从而使其更加广泛地应用于电力系统中，并取得了一定的效果。在科学技术不断发展的背景下，Agent技术一定会拥有更广阔的前景。
三、 国内外电力电网智能调度系统的研究现状
在二十世纪九十年代，Dy-Liacco作为“现代能量控制中心”概念的创始人，十分全面地论述建立了电力电网智能调度系统的文献，在文中提到想要解决电力系统中存在的一些问题，应该用智能机器调度员替代人工调度员，除此之外，文中还提到要综合仿真培训和自动学习等功能，从而使电力电网自动运行。在我国，卢强院士最先提出了“数字电力系统”的概念，主要讲诉的是正常情况下电力电网智能调度系统对电力系统的监管的分析的功能等；华北电力大学的杨以涵教授则带领自己的科研组进行电力系统的研究，基于“数字电力系统”的概念，分析电力系统中电网会出现的故障，以及安全方面等进行了探讨，最终形成了建立以分析和解决电网故障的“调度机器人”的思维模式。
结语
综上所述，电力电网调度系统对电力系统而言是至关重要的，电力电网的智能调度系统是一个实时动态的系统，可以有效地进行分析和调控电力系统，当电力站发生故障时，电力电网的智能调度系统可以更加精准和及时地对故障分析和处理，更加快捷方便，可以更全面地了解电力电网的运行状况。本文对电力电网智能调度系统做了简单的介绍，对电力电网智能调度系统的具体应用进行了探讨，希望本文可以给相关电力电网工作者甚至是研究者带来一定的参考作用，使电力电网的智能调度系统更加完善，可以更好地应用于电力系统中。
参考文献
[1]狄以伟.面向未来智能电网的智能调度研究[D].济南：山东大学，2010.
汽车智能化三大核心：优秀算法、海量数据、计算能力。1、海量数据角度，按万辆自动驾驶规模计算，单车每小时产生100GB数据，云平台每天收集数十PB数据；2、计算能力发展角度，预计到2030年全球云的处理能力将超过所有人脑处理能力，车载计算每帧处理时间50ms以下；3、优秀算法带来突破性进展，深度学习出现后错判率大幅下降、算法效率快速提升。
制约无人驾驶发展的因素正在逐步消除。第一是法律制约，联合国、美国等都已经针对无人驾驶逐步建立相应的法律法规，在国家鼓励互联网+的背景下，未来中国的法律开放程度可能会超过美国；第二是成本因素，全自动驾驶所使用的激光雷达目前成本极高，达到50-70万元/个，未来5-10年量产后单价有望下降至1000-1500美元。
百度无人车的核心是基于人工智能的汽车大脑。目前汽车大脑可分为汽车提供高精度地图、高精定位、智能感知、智能控制的自动驾驶整体解决方案。百度汽车大脑研发基于人工智能，其拥有国内最早的自主深度学习平台Paddle，已广泛应用于百度的众多产品；基于深度学习的百度人脸识别技术在LFW上取得世界第一的识别精度；基于深度学习的OCR技术在ICDAR测试集取得世界第一的识别精度。
投资建议：
1、无人驾驶作为汽车行业未来的发展趋势，其所带来的产业变革和巨大机遇已经成为业内外共识，同时也是我国汽车产业弯道超车的绝佳机遇。百度以人工智能为核心的无人驾驶技术进展超市场预期，此外限制无人驾驶大规模推广的法律、成本等因素也有望逐步解决，我们非常看好无人驾驶的发展前景，重点关注东软集团、四维图新、千方科技、双林股份、索菱股份、捷顺科技、数字政通、安居宝等。
购物车(0)
