發(fā)布時間:2023-06-07 15:34:59
序言:寫作是分享個人見解和探索未知領(lǐng)域的橋梁,我們?yōu)槟x了8篇的人工智能研究綜述樣本,期待這些樣本能夠?yàn)槟峁┴S富的參考和啟發(fā),請盡情閱讀。
人工智能是信息時代的一大特點(diǎn)之一,也是人類認(rèn)識世界和改變世界的一大成果,是人類客觀能力發(fā)展的高峰。本文的研究旨在從理論的角度對人工智能的相關(guān)概念和發(fā)展歷程進(jìn)行闡述,對人工智能的現(xiàn)階段研究進(jìn)行介紹,對已有的人工智能研究成果進(jìn)行簡要的分析。以期能夠更好地促進(jìn)人工智能的階段性發(fā)展,幫助其在社會中的應(yīng)用和發(fā)展。
【關(guān)鍵詞】人工智能 發(fā)展 應(yīng)用
人工智能是產(chǎn)生于20世紀(jì)50年代的一門綜合高科技學(xué)科,它將機(jī)器智能和智能機(jī)器的概念和技術(shù)進(jìn)行了融合,應(yīng)用過程涉及了信息科學(xué)、心理學(xué)、思維科學(xué)、生物科學(xué)、認(rèn)知科學(xué)以及系統(tǒng)科學(xué)等多種學(xué)科,隨著近些年的不斷發(fā)展和進(jìn)步,已經(jīng)在社會中的很多地方得以應(yīng)用,向著多元化的方向發(fā)展,例如,在博弈、智能機(jī)器人、模式識別、自動程序設(shè)計(jì)、知識處理、自然語言處理、專家系統(tǒng)、自動定理證明、知識庫等方面,人工智能都已經(jīng)取得了很高的成就,備受世人關(guān)注。
1 人工智能概述
人工智能,又稱為AI,是Artificial Intelligence的簡稱。可以算作是計(jì)算機(jī)科學(xué)的一個分支,是在1956年的Dartmouth 學(xué)會上由McCarthy正式提出的,之后便躋身于世界三大尖端技術(shù)之一。很多學(xué)者都將人工智能定義為通過研究使計(jì)算機(jī)來完成之前只有人才能完成的智能屬性較高的工作。但是關(guān)于人工智能的最完整定義,當(dāng)前業(yè)內(nèi)還存在一定的正義,尚未形成統(tǒng)一的結(jié)果,但是所有的這些說法都能夠反映出人工智能的基本內(nèi)容和基本思想,因此在本文中,筆者將其概念整理為:研究人類智能活動的規(guī)律,構(gòu)造具有一定智能行為的人工系統(tǒng)。
2 人工智能的發(fā)展
人工智能的發(fā)展最早始于20世紀(jì)50年代,并在20世紀(jì)60年代更加壯大,形成了人工智能的初級階段。這一時期的研究偏向于運(yùn)用領(lǐng)域知識和啟發(fā)式思維發(fā)展,編寫相關(guān)的智能計(jì)算機(jī)程序,為現(xiàn)代的計(jì)算機(jī)理論奠定一定的基礎(chǔ)。從1963年之后,人工智能便進(jìn)入了研究的第二階段,人類嘗試用自然語言通訊,實(shí)現(xiàn)了計(jì)算機(jī)對自然語言的理解,并將分析圖像和圖形處理變得可行。70年代中,在進(jìn)行了大量的研究和探索后,一些專家級的程序系統(tǒng)相繼出現(xiàn),在各個領(lǐng)域得到運(yùn)用。80年代,人工智能進(jìn)入到以知識為中心的發(fā)展階段,更多的人開始注意到模擬智能中知識的重要性,圍繞這一現(xiàn)象進(jìn)行了更多的研究和探索?,F(xiàn)如今,人工智能的發(fā)展正在朝著大型分布式人工智能及多專家協(xié)同系統(tǒng)、并行推理、多種專家系統(tǒng)開發(fā)工具,以及大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下的多智能體協(xié)同系統(tǒng)等方向發(fā)展。
3 人工智能的研究與應(yīng)用
3.1 問題求解
求解問題往往是人工智能發(fā)展的第一步。一般過程是將復(fù)雜問題分成一些較簡單的子問題,通過解決子問題的基本技術(shù)完成人工智能基本技術(shù)的組成。當(dāng)前依然存在一些未真正解決額問題,例如問題的表示也成為問題的原概念在表述時往往存在解決不了的問題,這邊構(gòu)成了人類發(fā)展人工智能過程中的主要工作內(nèi)容。
3.2 專家系統(tǒng)
專家系統(tǒng)也是研究人工智能的重要分支,這一理論能夠?qū)⑺芯康膯栴}轉(zhuǎn)化為知識求解的專門問題,從而實(shí)現(xiàn)人工智能從理論研究到實(shí)際應(yīng)用的重要過度。專家系統(tǒng)可以看作是一種智能的軟件,通過啟發(fā)式方法對一般難以解決的問題進(jìn)行求解,在不完全、不精確的信息背景下做出結(jié)論。專家系統(tǒng)的基本結(jié)構(gòu)如圖1所示。
3.3 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是對計(jì)算機(jī)模擬人類活動并實(shí)現(xiàn)人類活動而進(jìn)行研究的過程。它是在專家系統(tǒng)之后出現(xiàn)的人工智能另一重要領(lǐng)域,是計(jì)算機(jī)能夠有智能屬性的根本途徑,具有很高的重要性。
3.4 神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)是由數(shù)量巨大的神經(jīng)元互相連接組成的,也可稱作類神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)通過大量節(jié)點(diǎn)之間的相互連接構(gòu)成運(yùn)算模型,通過模擬人的大腦的基本運(yùn)算機(jī)制和機(jī)理來實(shí)現(xiàn)特定方面的功能。
3.5 模式識別
模式識別是指通過計(jì)算機(jī)技術(shù)讓計(jì)算機(jī)代替人類進(jìn)行感知和識別。計(jì)算機(jī)模式識別系統(tǒng)能夠讓計(jì)算機(jī)在模擬人類感覺器官功能的幫助下對外界形成感知能力。隨著模式識別的發(fā)展和壯大,量子計(jì)算機(jī)技術(shù)也已經(jīng)在模式識別系統(tǒng)中得到運(yùn)用。早期的模式識別系統(tǒng)僅僅是針對文字或二維圖像,但是隨著技術(shù)的進(jìn)步,對三維景物的識別方面也已經(jīng)有了重大突破,并已經(jīng)延伸到活動物體的識別和分析,取得了長足的進(jìn)步。
4 結(jié)束語
作為一門偉大的科學(xué)成就,人工智能的誕生無疑成為20世紀(jì)最重要的技術(shù)之一,而它也必將成為未來發(fā)展的主導(dǎo)學(xué)科之一。當(dāng)前,人工智能的一些研究成果已經(jīng)在國民生活和生產(chǎn)中得到了廣泛的應(yīng)用,隨著信息時代網(wǎng)絡(luò)技術(shù)和知識經(jīng)濟(jì)的不斷發(fā)展,人工智能的技術(shù)成果必將受到更多的重視,得到更廣泛的應(yīng)用,更多的推動社會和科技的進(jìn)步和發(fā)展,為人類的生活發(fā)揮更多的作用。
參考文獻(xiàn)
[1]魏金河.人工智能能否完全替代人類智能[J]. 創(chuàng)新科技,2007(08).
[2]錢鐵云.人工智能是否可以超越人類智能?―計(jì)算機(jī)和人腦、算法和思維的關(guān)系[J].科學(xué)技術(shù)與辯證法,2004(05).
[3]雷?庫茲韋爾,盛楊燕.如何創(chuàng)造思維:人類思想所揭示出的奧秘[J].中國科技信息,2014(08).
[4]蔡曙山.哲學(xué)家如何理解人工智能―塞爾的“中文房間爭論”及其意義[J].自然辯證法研究,2001(11).
[5]張妮,徐文尚,王文文.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].煤礦機(jī)械,2009(02).
關(guān)鍵詞:新一代計(jì)算機(jī);人工智能技術(shù);發(fā)展趨勢
“人工智能”是在1956年的Dartmouth學(xué)會上提出的,英文縮寫是AI。它是計(jì)算機(jī)科學(xué)等多種學(xué)科互相滲透而發(fā)展起來的綜合性、交叉性學(xué)科。從計(jì)算機(jī)應(yīng)用系統(tǒng)的角度出發(fā),人工智能是研究如何模擬人類智能活動,使機(jī)器能夠勝任一些需要人類智能才能完成的復(fù)雜工作,以延伸人類智能的科學(xué)。
二、人工智能技術(shù)的發(fā)展?fàn)顩r
隨著計(jì)算機(jī)、信息和并行程序設(shè)計(jì)技術(shù)的發(fā)展,人工智能的研究已經(jīng)發(fā)展成為智能體系的研究。到目前為止,人工智能程序已經(jīng)知道考慮他們要解決的問題,從而尋找比較好的答案。智能體體系可以被認(rèn)為是智能體的軟件工程模型,智能體語言是智能體的軟件系統(tǒng)。在我國,智能體技術(shù)多被應(yīng)用到處理具有異構(gòu)、布、態(tài)、規(guī)模及自主性的系統(tǒng)中,如Internet,是人工智能技術(shù)的新應(yīng)用。
目前,人工智能技術(shù)在美國等歐洲國家仍保持非??斓陌l(fā)展速度。在人工智能技術(shù)領(lǐng)域十分活躍的IBM公司,已經(jīng)為加州勞倫斯利佛摩爾國家實(shí)驗(yàn)室制造了號稱具有人腦的千分之一智力能力的ASCIWhite電腦。據(jù)稱,其正在開發(fā)的更為強(qiáng)大的blue jean電腦的智力水平將與人腦相當(dāng)。
三、新一代計(jì)算機(jī)和人工智能技術(shù)的應(yīng)用
隨著人工智能技術(shù)的不斷發(fā)展,越來越多的技術(shù)發(fā)展都涉及到人工智能,人工智能已經(jīng)被廣泛應(yīng)用到許多領(lǐng)域。
(一)人工智能技術(shù)在計(jì)算機(jī)符號計(jì)算中的應(yīng)用
計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,通常分為純數(shù)值的計(jì)算和符號計(jì)算兩種。其中符號計(jì)算是一種智能化的計(jì)算。隨著新一代計(jì)算機(jī)的開發(fā)和普及以及人工智能技術(shù)的發(fā)展,多種功能計(jì)算機(jī)代數(shù)系統(tǒng)軟件相繼出現(xiàn),都是用C語言寫成的,可以在絕大多數(shù)計(jì)算機(jī)上使用。
(二)人工智能技術(shù)在計(jì)算機(jī)模式識別中的應(yīng)用
計(jì)算機(jī)用數(shù)學(xué)方法研究模式的自動處理就是模式識別。用計(jì)算機(jī)實(shí)現(xiàn)模式的自動識別和判斷,是利用人工智能技術(shù)開發(fā)智能機(jī)器的關(guān)鍵,計(jì)算機(jī)模式識別的特點(diǎn)是效率高,速度快,準(zhǔn)確率高,也為人類認(rèn)識自身智能提供了有利線索。
(三)計(jì)算機(jī)的機(jī)器翻譯
計(jì)算機(jī)把一種語言轉(zhuǎn)變?yōu)榱硪环N語言的過程就是機(jī)器翻譯。目前,我國的機(jī)器翻譯軟件的翻譯特點(diǎn),大致可以分為三類:詞典翻譯、漢化翻譯和專業(yè)翻譯。詞典翻譯軟件可以迅速查詢英文單詞或詞組的詞義,并提供發(fā)音;漢化翻譯軟件提出“智能漢化”的概念,輔助翻譯作用更加明顯。
(四)人工智能技術(shù)在計(jì)算機(jī)機(jī)器學(xué)習(xí)中的應(yīng)用
計(jì)算機(jī)的機(jī)器學(xué)習(xí)主要研究如何使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)能力。機(jī)器學(xué)習(xí)是機(jī)器具有智能能力的重要標(biāo)志,也是機(jī)器獲取知識的根本途徑。機(jī)器學(xué)習(xí)是一個難度較大的研究領(lǐng)域,它與認(rèn)知科學(xué)和邏輯學(xué)等學(xué)科都有著密切的聯(lián)系,并對人工智能的其他分支也會起到重要的推動作用。
(五)人工智能技術(shù)在計(jì)算機(jī)問題求解中應(yīng)用
人工智能技術(shù)在今天的計(jì)算機(jī)程序已能夠達(dá)到各種方盤棋和國際象棋的錦標(biāo)賽水平。但是,尚未解決包括人類棋手的表達(dá)能力和洞察能力等。人們通常都能根據(jù)具體問題找到思考問題和解決問題的辦法,目前,人工智能技術(shù)已能通過計(jì)算機(jī)程序知道如何考慮要解決的問題,尋找較為準(zhǔn)確的解答方法。
(六)人工智能技術(shù)在計(jì)算機(jī)推理證明中應(yīng)用
邏輯推理在人工智能研究中是最持久的探究領(lǐng)域之一,其別重要的是,通過找到合理準(zhǔn)確的方法,集中注意力在大型數(shù)據(jù)庫中的有效事實(shí)上,關(guān)注可信證明,并在出現(xiàn)新信息時適時修正這些證明。因此,在人工智能方法的研究中,定理證明是一個極其重要的論題。
(七)人工智能技術(shù)在計(jì)算機(jī)語言處理中的應(yīng)用
自然語言處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過多年艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的成果。目前該領(lǐng)域的主要課題是:計(jì)算機(jī)系統(tǒng)如何以主題和對話情境為基礎(chǔ),注重大量的常識——世界知識和期望作用,生成和理解自然語言。這是一個極其復(fù)雜的編碼和解碼問題。
(八)人工智能技術(shù)在計(jì)算機(jī)專家系統(tǒng)中的應(yīng)用
專家系統(tǒng)是人工智能技術(shù)中最活躍、最有成效的研究領(lǐng)域,是具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗(yàn)的程序系統(tǒng),已出現(xiàn)成功應(yīng)用人工智能技術(shù)的趨勢。計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用人類知識,就應(yīng)該可以幫忙解決問題,而且能發(fā)現(xiàn)人類專家在推理過程中出現(xiàn)的差錯。
四、新一代計(jì)算機(jī)和人工智能技術(shù)的發(fā)展趨勢
新一代計(jì)算機(jī)和人工智能技術(shù)的發(fā)展?jié)摿薮螅渥鳛橐粋€整體的研究才剛剛開始。人工智能技術(shù)的發(fā)展總是超乎人們的想象,要準(zhǔn)確地預(yù)測人工智能的未來,從目前一些前瞻性的研究中可以看出,未來人工智能技術(shù)可能會朝以下幾個方向發(fā)展:模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。
(1)自動推理是新一代計(jì)算機(jī)和人工智能技術(shù)最經(jīng)典的研究分支,其基本理論是新一代計(jì)算機(jī)和人工智能技術(shù)其它分支的共同基礎(chǔ)。其中知識系統(tǒng)的動態(tài)演化特征及可行性推理的研究,是最新的熱點(diǎn),很有可能取得突破。
(2)機(jī)器學(xué)習(xí)的研究使得許多新的學(xué)習(xí)方法相繼問世,并獲得了成功應(yīng)用。但是也應(yīng)看到,現(xiàn)有的機(jī)器學(xué)習(xí)方法尚不夠有效,尋求一種新的方法,以解決新一代計(jì)算機(jī)和人工智能技術(shù)研究中的在線學(xué)習(xí)問題,是研究人員共同關(guān)心的問題。
(3)自然語言處理是新一代計(jì)算機(jī)和人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。智能信息檢索技術(shù)近年來已成為新一代計(jì)算機(jī)和人工智能技術(shù)的一個獨(dú)立研究分支,將新一代計(jì)算機(jī)和人工智能技術(shù)應(yīng)用于計(jì)算機(jī)科學(xué)與技術(shù)領(lǐng)域的研究,是人工智能走向應(yīng)用的突破口。
五、結(jié)束語
很多新一代計(jì)算機(jī)和人工智能技術(shù)研究的成果已經(jīng)進(jìn)入人們的日常生活。未來,人工智能技術(shù)的發(fā)展將會給人類的知識、思考、生活、工作和教育產(chǎn)生巨大的影響,在人類的生活中占據(jù)一席之地,成為人類生活的伙伴。
參考文獻(xiàn):
[1]吳艷.關(guān)于“人工智能”技術(shù)發(fā)展的思考[J].和田師范??茖W(xué)校學(xué)報(bào).2010.
[關(guān)鍵詞]人工智能;智能化營銷;消費(fèi)體驗(yàn);消費(fèi)體驗(yàn)?zāi)P?/p>
[DOI]1013939/jcnkizgsc201711213
1相關(guān)概念界定
11“消費(fèi)體驗(yàn)”的定義
目前的消費(fèi)類型主要分為功能型消費(fèi)和體驗(yàn)型消費(fèi),和傳統(tǒng)的功能型消費(fèi)不同的是,體驗(yàn)型消費(fèi)的重點(diǎn)不僅僅是購買商品,購物的過程同樣受到關(guān)注。在體驗(yàn)式消費(fèi)中,消費(fèi)者通過看、聽、觸摸等感官感受來感知產(chǎn)品和品牌內(nèi)涵。消費(fèi)體驗(yàn)就是體驗(yàn)型消費(fèi)中的重要部分。
方征(2007)認(rèn)為,消費(fèi)體驗(yàn)是一種超乎有形產(chǎn)品或服務(wù)的非凡感受或情感,而這種感受或情感的來源是由消費(fèi)者主動追求或消費(fèi)者間互動而成的。
12“人工智能”的定義
人工智能(Artificial Intelligence,AI),是計(jì)算機(jī)技術(shù)領(lǐng)域的一個重要研究部分,至今已經(jīng)過了一個多世紀(jì)的發(fā)展。斯圖爾特?羅素(2013)認(rèn)為,人工智能是一種類人行為,類人思考,理性的思考,理性的行動。人工智能工程師張思楠認(rèn)為,人工智能的重點(diǎn)應(yīng)在“智能”上,他認(rèn)為“智能”是一種獲取知識的能力。在他看來,人工智能即由人類造的智能實(shí)體,這種智能實(shí)體,只是在標(biāo)準(zhǔn)和功能上要求與人的思考與認(rèn)識水平相近或是超越人類。美國MIT大學(xué)Winston教授(2012)認(rèn)為:人工智能是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能的工作。目前“人工智能”的定義仍未統(tǒng)一,但關(guān)于人工智能的基本內(nèi)容已經(jīng)形成共識,因此筆者認(rèn)為人工智能可以理解為利用人工手段,通過機(jī)器模范人的思維與行為,并對其進(jìn)行拓展。
2文獻(xiàn)綜述
對現(xiàn)有的文獻(xiàn)進(jìn)行研究后發(fā)現(xiàn),目前對消費(fèi)體驗(yàn)的研究已經(jīng)趨于成熟。而人工智能在國內(nèi)作為一個新興事物,其研究仍處于起步階段。
菲利普?科特勒在《市場營銷》(2003)一書中提到,產(chǎn)品策劃者需要考慮產(chǎn)品和服務(wù)的三個層次,每一個層次都會增加消費(fèi)者價(jià)值。第一層是:顧客核心價(jià)值;第二層是:產(chǎn)品策劃者必須圍繞產(chǎn)品的核心利益,構(gòu)造一個實(shí)體產(chǎn)品;第三層是:產(chǎn)品策劃者還要向顧客提供一些附加服務(wù)的利益,以便圍繞核心利益和實(shí)體產(chǎn)品構(gòu)造擴(kuò)展產(chǎn)品。如今,我們正處于新一輪的消費(fèi)升級階段,在這一階段,第三層內(nèi)容格外受到重視。這也就意味著消費(fèi)者在消費(fèi)時會更加注重售前與售后服務(wù)和連帶性消費(fèi)體驗(yàn)。菲利普?科特勒的產(chǎn)品與服務(wù)層次見下圖。
在現(xiàn)有的相關(guān)研究中,不同學(xué)者提出了不同的消費(fèi)體驗(yàn)?zāi)P汀?/p>
方征(2007)總結(jié)了幾種消費(fèi)模型:Holbrook提出的體驗(yàn)觀點(diǎn)ES表;Pine和Gilmore將體驗(yàn)的運(yùn)作分為兩大構(gòu)成及四種類型;而Schmitt認(rèn)為,要想給予消費(fèi)者滿意的消費(fèi)體驗(yàn),最重要的任務(wù)是為消費(fèi)者創(chuàng)造不同的體驗(yàn)形式。由此提出了戰(zhàn)略體驗(yàn)?zāi)P?,將消費(fèi)體驗(yàn)分為感官體驗(yàn)、情感體驗(yàn)、思考體驗(yàn)、行動體驗(yàn)和關(guān)聯(lián)體驗(yàn)五個維度。本文也將以此模型為基礎(chǔ),探討人工智能是如何提升消費(fèi)體驗(yàn)的。
吳秋蓉(2011)認(rèn)為,戰(zhàn)略體驗(yàn)?zāi)P偷奈鍌€維度可以分為個人體驗(yàn)(感官、情感和思考體驗(yàn))與共享體驗(yàn)(行動和關(guān)聯(lián)體驗(yàn))。他認(rèn)為個人體驗(yàn)是即時性的,形成的時間比較短,容易被感受到,但會隨著時間的流逝而逐漸消退,常常被外界的環(huán)境刺激誘發(fā);而共享體驗(yàn)是在與人的互動過程中形成,而且需要一定時間的積累,這種體驗(yàn)不容易被感受到。
在有關(guān)人工智能的研究中,人工智能和營銷的結(jié)合的研究多停留在現(xiàn)狀的描述和案例分析層次。
丁道師(2016)以百度為案例,探討了人工智能為品牌帶來的價(jià)值。他認(rèn)為人工智能為品牌帶來了新的營銷價(jià)值,同時人工智能在場景營銷中的應(yīng)用能夠幫助提升用戶價(jià)值。谷虹(2016)在文中將人工智能與品牌結(jié)合,提出人工智能將推動“品牌智能”的發(fā)展,品牌將從前智能階段進(jìn)化到高級智能階段。韓思齊(2016)提出,在人工智能時代,營銷開始向智能化發(fā)展,營銷活動的智能化體現(xiàn)在:人工智能優(yōu)化營銷數(shù)據(jù)搜集和處理方式、人工智能提供個性化的營銷策略、人工智能改變廣告投放方式三個方面。從現(xiàn)有的人工智能相關(guān)研究上來看,大多數(shù)學(xué)者都已經(jīng)意識到人工智能為營銷帶來的改變,同時提到人工智能對用戶體驗(yàn)和價(jià)值都有提升,但卻沒有文章對其進(jìn)行系統(tǒng)的論述。
3人工智能創(chuàng)造全新消費(fèi)體驗(yàn)
2016年成為中國智能化營銷的元年,人工智能更好地理解市場、聯(lián)系市場,從而為消費(fèi)者創(chuàng)造更好的體驗(yàn)。在營銷領(lǐng)域,人工智能的三種革命性技術(shù)將極大地改變消費(fèi)體驗(yàn):以準(zhǔn)確預(yù)測和個性化服務(wù)為主要應(yīng)用場景的數(shù)據(jù)洞察技術(shù)、以虛擬現(xiàn)實(shí)、數(shù)字語音交互推動的互動技術(shù)、以云計(jì)算、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的基礎(chǔ)技術(shù)。
31數(shù)據(jù)洞察技術(shù)――了解消費(fèi)者需求
隨著大數(shù)據(jù)技術(shù)的發(fā)展,企業(yè)和品牌可以通過獲得大量的數(shù)據(jù)來更好地理解自己的商業(yè),并改善消費(fèi)者的購物體驗(yàn)。而在智能化時代,人工智能和大數(shù)據(jù)的結(jié)合,讓被營銷人員忽略的“暗數(shù)據(jù)”開始發(fā)揮作用,在加快個性化服務(wù)發(fā)展的同時,更加準(zhǔn)確地預(yù)測消費(fèi)者需求。
IBM的Watson,作為目前最出名的人工智能系統(tǒng),擁有最新的消費(fèi)者-產(chǎn)品配對的大數(shù)據(jù)技術(shù),并且與全球眾多銷售品牌進(jìn)行合作,提品服務(wù)。戶外服裝品牌The North Face利用Watson打造全新的購物體驗(yàn)。消費(fèi)者在購買The North Face產(chǎn)品時,Watson會提出一系列問題,并根據(jù)消費(fèi)者對這些問題的回答篩選出相應(yīng)的產(chǎn)品,從而最大限度地滿足消M者需求。
The North Face采用的是文本分析技術(shù),但社交網(wǎng)絡(luò)和智能手機(jī)的發(fā)展帶來了海量圖片信息,圖像識別與數(shù)據(jù)處理技術(shù)的結(jié)合將成為人工智能另一個發(fā)展方向。這項(xiàng)技術(shù)通過捕捉消費(fèi)者上傳的圖片并進(jìn)行深度理解,豐富用戶畫像,使得營銷者對消費(fèi)者的洞察更加立體。
管理大師彼得?德魯克認(rèn)為,營銷的終極目的是充分洞察和了解顧客,通過人工智能技術(shù)對文本和圖片信息進(jìn)行深度分析,使得營銷人員能夠更加準(zhǔn)確地了解消費(fèi)者需求,滿足消費(fèi)者需求,增強(qiáng)消費(fèi)者在消費(fèi)時積極的情感體驗(yàn),引發(fā)消費(fèi)者的內(nèi)在情緒,使消費(fèi)者在不知不覺中融入品牌所創(chuàng)造的氛圍中,并在不斷的接觸中增強(qiáng)對品牌的好感度。
32互動技術(shù)――激起消費(fèi)者心流體驗(yàn)
營銷從最開始的圖文時代到視頻時代,其目的都是為了通過尋找新的信息載體來提升消費(fèi)者觀看廣告的體驗(yàn),更加主動地接受廣告信息。而如今的人工智能與VR技術(shù)的結(jié)合,通過互動感和沉浸感成為吸引消費(fèi)者的最大法寶。隨著VR和人工智能技術(shù)的日漸成熟,將營銷推向一個全新的階段。
2016年,我國最大的VR看房平臺“無憂我房”推出了人工智能銷售――Hugo。消費(fèi)者通過戴上VR設(shè)備,操作手操柄喚出AI,并向其提問,AI通過記錄消費(fèi)者的相關(guān)數(shù)據(jù),包括房屋不同位置停留時間、語音語調(diào)等來形成客戶分析表,分析客戶購房意向和實(shí)力并對客戶進(jìn)行分級。Hugo通過將人工智能與VR結(jié)合,為購房者提供了更良好的購房體驗(yàn),并推動房地產(chǎn)行業(yè)進(jìn)入科技營銷時代。
同時,人工智能和VR技術(shù)還將應(yīng)用于食品行業(yè)。百度和伊利聯(lián)合推出的“度密看伊利”VR體驗(yàn)活動,將人工智能與VR結(jié)合,消費(fèi)者通過手機(jī)百度就可以“親臨”牧場,體驗(yàn)加工廠。百度還和伊利聯(lián)合定制了紙盒版VR眼鏡,消費(fèi)者可以通過VR設(shè)備進(jìn)入VR模式,將可視化引進(jìn)食品行業(yè),為消費(fèi)者提供更真實(shí)有趣的消費(fèi)體驗(yàn)。
除了VR營銷外,人工智能還應(yīng)用在語音互動廣告技術(shù)方面。優(yōu)數(shù)科技的一款智能軟件可以幫助用戶跳過片頭。例如,在視頻的片頭廣告中設(shè)置一系列問題,用戶在觀看廣告的同時可以利用語音與廣告進(jìn)行交互,答對問題就能夠跳過片頭。通過這一方法,用戶在節(jié)省時間的同時還能夠了解到品牌和產(chǎn)品信息。在這一過程中,用戶會融入自己的思考體驗(yàn),從而加深對品牌的認(rèn)知與記憶。
一直以來,京東憑借其極速物流而獲得大量用戶青睞。但最近,京東的技術(shù)研發(fā)體系不斷在智能技術(shù)上發(fā)力,期望構(gòu)建一智能電商王國。在看到語音交互的趨勢后,京東通過叮咚智能音箱,將語音技術(shù)、電商服務(wù)、人工智能技術(shù)相結(jié)合,實(shí)現(xiàn)語音購物體驗(yàn)。消費(fèi)者可以通過該設(shè)備完成訂單追蹤、查詢商品信息和下單指令。京東通過將語音交互入口和互聯(lián)網(wǎng)結(jié)合,拓展了購物空間和人群,并提供更為便捷的購物方式。
在人工智能的互動技術(shù)下,傳統(tǒng)的營銷方式正在改變,品牌不再是冰冷的一個標(biāo)志,消費(fèi)的過程也不再是一成不變的過程的重復(fù)。人工智能的互動技術(shù)將營銷引入了一個全新的領(lǐng)域,通過與消費(fèi)者進(jìn)行互動,使消費(fèi)者在互動中進(jìn)行思考,激起消費(fèi)者的心流體驗(yàn),提升消費(fèi)者在消費(fèi)過程中的情感與思考體驗(yàn)。
33基礎(chǔ)技術(shù)――打造會話式互動
Forrester、埃森哲和德勤都在其2017新技術(shù)趨勢報(bào)告中提到了“對話營銷”一詞。這意味著營銷已經(jīng)開始從“社會化營銷”向“對話營銷”轉(zhuǎn)變。在Forrester的消費(fèi)趨勢報(bào)告中寫到,如今的消費(fèi)者更傾向于自動化的消費(fèi)體驗(yàn),自己解決問題。同時,社交媒體的創(chuàng)意廣告對消費(fèi)者將不再具有明顯的吸引力,而一對一的營銷模式才是消費(fèi)者更能接受的?!皩υ挔I銷”帶來的是會話式互動,會給消費(fèi)者帶來更好的消費(fèi)體驗(yàn)。
很多具有前瞻性的企業(yè)已經(jīng)開始利用會話式互動來提升消費(fèi)者的消費(fèi)體驗(yàn)。2016年4月,上海肯德基選擇與百度的“度秘機(jī)器人”進(jìn)行合作,聯(lián)合推出智能概念店“KFC original+”“度密機(jī)器人”在體驗(yàn)店中幫助消費(fèi)者完成以點(diǎn)餐為主的服務(wù)。例如,在點(diǎn)餐區(qū)域,消費(fèi)者可以利用機(jī)器人完成點(diǎn)餐活動;在全息投影區(qū)域,消費(fèi)者通過機(jī)器人可以看到肯德基食品的制作過程?!岸让貦C(jī)器人”與肯德基的結(jié)合是基于特定場景的消費(fèi)者服務(wù),肯德基與智能機(jī)器人的結(jié)合,不僅為消費(fèi)者帶來一對一的服務(wù)和新鮮便捷的消費(fèi)體驗(yàn),還通過這種一對一的會話式互動,以消費(fèi)者樂于接受的方式加深品牌印象,并為肯德基貼上“智能化”的標(biāo)簽。
作為一家電商企業(yè),亞馬遜也在智能化方面推陳出新。作為亞馬遜智能家具的入口產(chǎn)品,智能音箱Echo的基本功能就是語音購物,語音選購商品,并進(jìn)行語音支付,并且支持重新買你以前買過的東西。Echo通過內(nèi)置的Alexa人工智能服務(wù)來完成消費(fèi)者的每一個口令,整合購物的每一個環(huán)節(jié)。同時,它還包括外賣、優(yōu)步等O2O服務(wù),增加消費(fèi)的便捷性。Echo通過提供一對一服務(wù)滿足消費(fèi)者需求并與其進(jìn)行互動,而其背后代表的亞馬遜品牌也在消費(fèi)者與Echo的對話中進(jìn)行隱形的互動。
任何消費(fèi)體驗(yàn)的提升都在于如何滿足消費(fèi)者需求。人工智能對產(chǎn)品帶來的一個深刻的影響,是從單一功能的極致轉(zhuǎn)向連續(xù)場景的整合,可以讓用戶以較低的成本和較短的時間解決不同場景的需求。亞馬遜的智能音箱和“度秘機(jī)器人”可以在與消費(fèi)者的對話中輕松地滿足消費(fèi)者的需求,在提升消費(fèi)者情感體驗(yàn)的同時與消費(fèi)者進(jìn)行互動,保持行動體驗(yàn)。
4結(jié)論
人工智能已經(jīng)從計(jì)算機(jī)領(lǐng)域滲透營銷領(lǐng)域,人工智能和營銷結(jié)合所產(chǎn)生的富有創(chuàng)意且沉浸式的內(nèi)容、互動的場景都為消費(fèi)者創(chuàng)造了更好的消費(fèi)體驗(yàn)。首先,在產(chǎn)品設(shè)計(jì)上更具有科技感,刺激消費(fèi)者的感官體驗(yàn);其次,通過一系列的產(chǎn)品設(shè)計(jì)和服務(wù)優(yōu)化消費(fèi)者消費(fèi)過程,增加消費(fèi)者在消費(fèi)時愉悅的感受,提升消費(fèi)者情感體驗(yàn);最后,將產(chǎn)品與人工智能結(jié)合,在互動中提升消費(fèi)者的思考與行動體驗(yàn)。但是,在對人工智能產(chǎn)品進(jìn)行分析后發(fā)現(xiàn),大部分產(chǎn)品都致力于提升消費(fèi)者的情感、思考和行動體驗(yàn),而關(guān)聯(lián)體驗(yàn)卻被忽略,大部分產(chǎn)品的社交屬性并不明顯。在人工智能時代,智能產(chǎn)品的社交化發(fā)展也許會成為下一個趨勢。
雖然人工智能可以幫助品牌在多個方面提高營銷效果,但若想營銷完全智能化,筆者認(rèn)為目前是不可能的。菲利普?科特勒認(rèn)為,市場營銷是個人和集體通過創(chuàng)造并同他人交換產(chǎn)品和價(jià)值以滿足需求和欲望的一種社會和管理過程。他認(rèn)為,營銷的目的都是為了發(fā)現(xiàn)用戶需求和激發(fā)欲望,而消費(fèi)者的欲望很難用機(jī)器捕捉。同時,激發(fā)和滿足欲望少不了營銷溝通,而營銷溝通是雙向互動行為,在目前是無法完全由人工智能代替的。因此,智能化雖然是營銷發(fā)展的新方向,但完全的營銷智能化還有很長的路要走。
參考文獻(xiàn):
[1] 方征消費(fèi)體驗(yàn)研究概覽[J].湖北第二師范學(xué)院學(xué)報(bào),2007,24(7):73-74
[2]Russell,Norvig人工智能:一種現(xiàn)代方法[M].2版北京:人民郵電出版社,2010
[3] 鄒蕾,張先鋒人工智能及其發(fā)展應(yīng)用[J].信息網(wǎng)絡(luò)安全,2012(2):11-13
[4] 科特勒,俞利軍現(xiàn)代營銷學(xué)之父菲利普科特勒經(jīng)典譯叢:市場營銷[M].北京:華夏出版社,2003
關(guān)鍵詞:AlphaGo;人工智能;圍棋;未來展望
中圖分類號:TP18 文獻(xiàn)標(biāo)識碼:A 文章編號:1671-2064(2017)07-0193-02
1 圍棋與人工智能
圍棋作為中國傳統(tǒng)四大藝術(shù)之一,擁有著幾千年的悠久歷史。圍棋棋盤由19條橫線和19條豎線組成,共有19*19=361個交叉點(diǎn),圍棋子分為黑白兩種顏色,對弈雙方各執(zhí)一色,輪流將一枚棋子下在縱橫交叉點(diǎn)上,終局時,棋子圍上交叉點(diǎn)數(shù)目最多的一方獲勝。圍棋棋盤上每一個縱橫交叉點(diǎn)都有三種可能性:落黑子、落白子、留空,所以圍棋擁有高達(dá)3^361種局面;圍棋的每個回合有250種可能,一盤棋可長達(dá)150回合,所以圍棋的計(jì)算復(fù)雜度為250^150,約為10^170,然而全宇宙可觀測的原子數(shù)量只有10^80,這足以體現(xiàn)圍棋博弈的復(fù)雜性和多變性。
人工智能(Artificial Intelligence,AI)主要研究人類思維、行動中那些尚未算法化的功能行為,使機(jī)器像人的大腦一樣思考、行動。長期以來,圍棋作為一種智力博弈游戲,以其變化莫測的博弈局面,高度體現(xiàn)了人類的智慧,為人工智能研究提供了一個很好的測試平臺,圍棋人工智能也是人工智能領(lǐng)域的一個重要挑戰(zhàn)。
傳統(tǒng)的計(jì)算機(jī)下棋程序的基本原理,是通過有限步數(shù)的搜索樹,即采用數(shù)學(xué)和邏輯推理方法,把每一種可能的路徑都走一遍,從中選舉出最優(yōu)路徑,使得棋局勝算最大。這種下棋思路是充分發(fā)揮計(jì)算機(jī)運(yùn)算速度快、運(yùn)算量大等優(yōu)勢的“暴力搜索法”,是人類在對弈規(guī)定的時間限制內(nèi)無法做到的。但是由于圍棋局面數(shù)量太大,這樣的運(yùn)算量對于計(jì)算機(jī)來講也是相當(dāng)之大,目前的計(jì)算機(jī)硬件無法在對弈規(guī)定的時間內(nèi),使用計(jì)算機(jī)占絕對優(yōu)勢的“暴力搜索法”完成圍棋所有局面的擇優(yōu),所以這樣的下棋思路不適用于圍棋對弈。
搜索量巨大的問題一直困擾著圍棋人工智能,使其發(fā)展停滯不前,直到2006年, 蒙特卡羅樹搜索的應(yīng)用出現(xiàn),才使得圍棋人工智能進(jìn)入了嶄新的階段,現(xiàn)代圍棋人工智能的主要算法是基于蒙特卡洛樹的優(yōu)化搜索。
2 圍棋人工智能基本原理
目前圍棋人工智能最杰出的代表,是由谷歌旗下人工智能公司DeepMind創(chuàng)造的AlphaGo圍棋人工智能系統(tǒng)。它在與人類頂級圍棋棋手的對弈中充分發(fā)揮了其搜索和計(jì)算的優(yōu)勢,幾乎在圍棋界立于不敗之地。
AlphaGo系統(tǒng)的基本原理是將深度強(qiáng)化學(xué)習(xí)方法與蒙特卡洛樹搜索結(jié)合,使用有監(jiān)督學(xué)習(xí)策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò),極大減少了搜索空間,即在搜索過程中的計(jì)算量,提高了對棋局估計(jì)的準(zhǔn)確度。
2.1 深度強(qiáng)化學(xué)習(xí)方法
深度學(xué)習(xí)源于人工神經(jīng)網(wǎng)絡(luò)的研究,人類大量的視覺聽覺信號的感知處理都是下意識的,是基于大腦皮層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法,通過模擬大腦皮層推斷分析數(shù)據(jù)的復(fù)雜層狀網(wǎng)絡(luò)結(jié)構(gòu),使用包含復(fù)雜結(jié)構(gòu)或由多重非線性變換構(gòu)成的多個處理層對數(shù)據(jù)進(jìn)行高層抽象,其過程類似于人們識別物體標(biāo)注圖片?,F(xiàn)如今,應(yīng)用最廣泛的深度學(xué)習(xí)模型包括:卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、堆棧自編碼網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)等。
強(qiáng)化學(xué)習(xí)源于動物學(xué)習(xí)、參數(shù)擾動自適應(yīng)控制等理論,通過模擬生物對環(huán)境以試錯的方式進(jìn)行交互達(dá)到對環(huán)境的最優(yōu)適應(yīng)的方式,通過不斷地反復(fù)試驗(yàn),將變化無常的動態(tài)情況與對應(yīng)動作相匹配。強(qiáng)化學(xué)習(xí)系統(tǒng)設(shè)置狀態(tài)、動作、狀態(tài)轉(zhuǎn)移概率和獎賞四個部分,在當(dāng)前狀態(tài)下根據(jù)策略選擇動作,執(zhí)行該過程并以當(dāng)前轉(zhuǎn)移概率轉(zhuǎn)移到下一狀態(tài),同時接收環(huán)境反饋回來的獎賞,最終通過調(diào)整策略來最大化累積獎賞。
深度學(xué)習(xí)具有較強(qiáng)的感知能力,但缺乏一定的決策能力;強(qiáng)化學(xué)習(xí)具有決策能力,同樣對感知問題無能為力。深度強(qiáng)化學(xué)習(xí)方法是將具有感知能力的深度學(xué)習(xí)和具有決策能力的強(qiáng)化學(xué)習(xí)結(jié)合起來,優(yōu)勢互補(bǔ),用深度學(xué)習(xí)進(jìn)行感知,從環(huán)境中獲取目標(biāo)觀測信息,提供當(dāng)前環(huán)境下的狀態(tài)信息;然后用強(qiáng)化學(xué)習(xí)進(jìn)行決策,將當(dāng)前狀態(tài)映射到相應(yīng)動作,基于初期匯報(bào)評判動作價(jià)值。
深度強(qiáng)化學(xué)習(xí)為復(fù)雜系統(tǒng)的感知決策問題提供了一種全新的解決思路。
2.2 蒙特卡洛樹搜索
蒙特卡洛樹搜索是將蒙特卡洛方法與樹搜索相結(jié)合形成的一種搜索方法。所謂蒙特卡洛方法是一種以概率統(tǒng)計(jì)理論為指導(dǎo)的強(qiáng)化學(xué)習(xí)方法,它通常解決某些隨機(jī)事件出現(xiàn)的概率問題,或者是某隨機(jī)變量的期望值等數(shù)字特征問題。通過與環(huán)境的交互,從所采集的樣本中學(xué)習(xí),獲得關(guān)于決策過程的狀態(tài)、動作和獎賞的大量數(shù)據(jù),最后計(jì)算出累積獎賞的平均值。
蒙特卡洛樹搜索算法是一種用于解決完美信息博弈(perfect information games,沒有任何信息被隱藏的游戲)的方法,主要包含選擇(Selection)、擴(kuò)展(Expansion)、模擬(Simulation)和反向傳播(Backpropagation)四個步驟。
2.3 策略網(wǎng)絡(luò)與價(jià)值網(wǎng)絡(luò)
AlphaGo系統(tǒng)擁有基于蒙特卡洛樹搜索方法的策略網(wǎng)絡(luò)(Policy Network)和價(jià)值網(wǎng)絡(luò)(Value Network)兩個不同的神經(jīng)網(wǎng)絡(luò)大腦,充分借鑒人類棋手的下棋模式,用策略網(wǎng)絡(luò)來模擬人類的“棋感”,用價(jià)值網(wǎng)絡(luò)來模擬人類對棋盤盤面的綜合評估。
AlphaGo系統(tǒng)主要采用有監(jiān)督學(xué)習(xí)策略網(wǎng)絡(luò),通過觀察棋盤布局,進(jìn)行棋路搜索,得到下一步合法落子行動的概率分布,從中找到最優(yōu)的一步落子位置,做落子選擇。DeepMind團(tuán)隊(duì)使用棋圣堂圍棋服務(wù)器上3000萬個專業(yè)棋手對弈棋譜的落子數(shù)據(jù),來預(yù)測棋手的落子情況。期間,系統(tǒng)進(jìn)行上百萬次的對弈嘗試,進(jìn)行強(qiáng)化學(xué)習(xí),將每一個棋局進(jìn)行到底,不斷積累“經(jīng)驗(yàn)”,學(xué)會贏面最大的棋路走法,最終達(dá)到頂級圍棋棋手的落子分析能力。而AlphaGo的價(jià)值網(wǎng)絡(luò)使用百萬次對弈中產(chǎn)生的棋譜,根據(jù)最終的勝負(fù)結(jié)果來進(jìn)行價(jià)值網(wǎng)絡(luò)訓(xùn)練,預(yù)測每一次落子選擇后贏棋的可能性,通過整體局面的判斷來幫助策略網(wǎng)絡(luò)完成落子選擇。
3 圍棋人工智能意義
經(jīng)過比賽測試證明,AlphaGo系統(tǒng)的圍棋對弈能力已經(jīng)達(dá)到世界頂級棋手水平。一直以來,圍棋因?yàn)閺?fù)雜的落子選擇和巨大的搜索空間使得圍棋人工智能在人工智能領(lǐng)域成為一個具有代表性的難度挑戰(zhàn)。目前的硬件水平面對如此巨大的搜索空間顯得束手無策,AlphaGo系統(tǒng)基于有監(jiān)督學(xué)習(xí)的策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)大大減少搜索空間,在訓(xùn)練中開創(chuàng)性地使用深度強(qiáng)化學(xué)習(xí),然后結(jié)合蒙特卡洛樹搜索方法,使得系統(tǒng)自學(xué)習(xí)能力大大提高,并且AlphaGo系統(tǒng)在與人類頂級棋手對弈中取得的連勝卓越成績,櫧湓諶斯ぶ悄芰煊虻於了堅(jiān)實(shí)的里程碑地位。
雖然圍棋人工智能取得了如此優(yōu)秀的成績,但是也僅僅是它在既定規(guī)則內(nèi)的計(jì)算處理能力遠(yuǎn)遠(yuǎn)超過了人類的現(xiàn)有水平,并且還有有待提高和完善的地方。在人類的其他能力中,例如情感、思維、溝通等等領(lǐng)域,目前的人工智能水平是遠(yuǎn)遠(yuǎn)達(dá)不到的。但是隨著科技的進(jìn)步和人類在人工智能領(lǐng)域的研究深入,人工智能與人類的差距會逐漸減小,像圍棋人機(jī)大戰(zhàn)人工智能連勝人類這樣的例子也可能在其他領(lǐng)域發(fā)生,這就意味著人工智能的發(fā)展前景十分可觀。
4 結(jié)語
人類和人工智能共同探索圍棋世界的大幕即將拉開,讓人類棋手結(jié)合人工智能,邁進(jìn)全新人機(jī)共同學(xué)習(xí)交流的領(lǐng)域,進(jìn)行一次新的圍棋革命,探索圍棋真理更高的境界。
參考文獻(xiàn)
Abstract: Knowledge representation is one of the central topics in artificial intelligence. Conceptual Structure is a new and effective knowledge representation method and Conceptual Graph is a concrete semantic model supported Conceptual Structure thoughts. This paper discussed the relation between Conceptual Structure and Conceptual Graph, the method and features of Knowledge representation about Conceptual Graph. Finally, it elaborated the application of Conceptual Graph in Chinese information processing.
關(guān)鍵詞:知識表示;概念結(jié)構(gòu);概念圖;語義
Key words: knowledge representation;conceptual structure;conceptual graph;semantic
中圖分類號:TP391 文獻(xiàn)標(biāo)識碼:A文章編號:1006-4311(2010)26-0145-02
0引言
知識是人類智能的基礎(chǔ),知識的表示是人工智能學(xué)科研究的三個主要問題之一[1]。人工智能經(jīng)過半個多世紀(jì)的發(fā)展,研究出了多種知識表示方法,如一階謂詞邏輯、規(guī)則、框架、語義網(wǎng)絡(luò)等。這些方法對于描述特定領(lǐng)域的問題求解已足夠了,并已得到廣泛的應(yīng)用,但傳統(tǒng)的知識表示方法就不能確切地表達(dá)語義問題。因此,傳統(tǒng)的知識表達(dá)方法能力還很有限,知識表示仍是很久以來人工智能研究的中心課題,還需要相當(dāng)深入的研究。概念結(jié)構(gòu)理論的出現(xiàn)為知識表示研究帶來了一種新的思路。概念結(jié)構(gòu)(Conceptual Structure)是一種以語言學(xué)、心理學(xué)、哲學(xué)、邏輯學(xué)和數(shù)學(xué)為基礎(chǔ)的新的知識表示方法,是由美國的計(jì)算機(jī)科學(xué)家John F.Sowa在1984年首先提出的,己被從理論上證明了優(yōu)于其它傳統(tǒng)的知識表達(dá)方法。它擴(kuò)展了人工智能的知識表達(dá)方法,對于信息時代從以數(shù)據(jù)處理為主的低級階段向以知識處理為主的高級階段的轉(zhuǎn)變和發(fā)展具有決定性的意義[2]。
概念圖(Conceptual Graph)是支持概念結(jié)構(gòu)思想的一個具體的語義模型,概念結(jié)構(gòu)理論及應(yīng)用就是基于概念圖發(fā)展起來的,也就是說概念圖是概念結(jié)構(gòu)思想的載體,通過它來發(fā)展、傳播、帶動知識表示領(lǐng)域、乃至整個人工智能領(lǐng)域的研究與進(jìn)步。概念圖的發(fā)展經(jīng)歷了二十幾個春秋,“Conceptual Structures: Information Processing in Mind and Machine reading”(sowa1984)揭開了概念結(jié)構(gòu)的序幕,“conceptual graphsfor a database inference”(Sowa1986)奠定了概念圖應(yīng)用的基礎(chǔ)。隨后,IBM公司投入了大量人力和物力,潛心研究,出現(xiàn)了一個又一個的成果。國內(nèi)從90年代開始,西北大學(xué)、西北工業(yè)大學(xué)也進(jìn)行了探索性研究[2]。
1概念圖的知識表示
概念圖是一種描述復(fù)雜對象結(jié)構(gòu)的知識表示工具,其思想來源于C.S.Pierce的存在圖和菲爾墨的語義網(wǎng)絡(luò),是以圖形表示的一種有向連通圖,它包括兩種結(jié)點(diǎn):概念結(jié)點(diǎn)和概念關(guān)系結(jié)點(diǎn),弧的方向代表概念結(jié)點(diǎn)和概念關(guān)系結(jié)點(diǎn)之間的聯(lián)系。概念結(jié)點(diǎn)表示問題領(lǐng)域中的一個具體的或抽象的實(shí)體,概念關(guān)系結(jié)點(diǎn)指出一種涉及一個或多個概念結(jié)點(diǎn)的關(guān)系[3],如動作(AGNT: AGENT),對象(OBJ: OBJECT),材料(MATR: MATERIAL),具有(POSS: POSSESSES),地點(diǎn)(LOC: LOCATE),狀態(tài)(STAT: STATUS),部分(PART),方式(MANR: MANNER),工具(INST: INSTRUMENT)等。在概念圖中,概念結(jié)點(diǎn)用一個矩形表示,概念關(guān)系結(jié)點(diǎn)用橢圓表示,有向弧標(biāo)出了概念關(guān)系結(jié)點(diǎn)所鄰接的概念結(jié)點(diǎn)。每個概念圖可以表示一個命題,典型的知識庫將包含大量這樣的圖。例如:A girl, Sue is eating pie fast. 其概念圖如下所示。概念圖上可以進(jìn)行拷貝、限制、連接和化簡操作,產(chǎn)生新的概念圖。
概念圖是基于語義網(wǎng)絡(luò)的邏輯系統(tǒng),用它來進(jìn)行知識表達(dá)不但直觀易懂,而且易于操作,通過對概念圖進(jìn)行各種操作,能產(chǎn)生新的概念關(guān)聯(lián)和推理規(guī)則。此外,概念圖還能直接和自然語言建立映射關(guān)系。概念圖所具有的這些優(yōu)點(diǎn)使它更適合于表達(dá)概念結(jié)構(gòu)。
2概念圖的特點(diǎn)
概念圖使用帶標(biāo)號的結(jié)點(diǎn)和連接這些結(jié)點(diǎn)間的帶標(biāo)號的弧表示知識,屬于語義網(wǎng)絡(luò)的范疇,其理論建立在謂詞邏輯上,能完全與自然語言相互翻譯,表示出自然語言的語義[5]。概念圖同其他知識表示方法相比,具有更直接的同自然語言之間的映射,圖形化表示、可讀性更佳,比邏輯公式更直觀的特點(diǎn)。概念圖具有結(jié)構(gòu)簡單、易讀、表示范圍廣、能夠確切地表示自然語言的語義、數(shù)學(xué)基礎(chǔ)嚴(yán)密等優(yōu)點(diǎn),代表了知識表示的發(fā)展趨勢。
概念圖與經(jīng)典的知識表示方法相比,更符合人類的思維和語言習(xí)慣,但是它只能表達(dá)一些簡單的概念關(guān)系,并不適合于表達(dá)包含復(fù)雜概念結(jié)構(gòu)的常識性知識。用概念圖進(jìn)行知識表示需要分析知識的結(jié)構(gòu),所以其獲取過程要有領(lǐng)域?qū)<业膮⑴c,還不能通過一個智能系統(tǒng)自動獲取。此外,對于一個復(fù)雜的問題求解而言,這種基于概念圖的推理容易產(chǎn)生冗余或者導(dǎo)致推理結(jié)果的不一致。因此,基于概念圖的智能系統(tǒng)只能進(jìn)行一些簡單的問題求解,而對于包含大量的復(fù)雜概念關(guān)聯(lián)的常識性問題求解,概念圖還不能勝任。
3概念圖的應(yīng)用
概念圖的理論自從被提出來后,受到很多研究者的青睞并將它應(yīng)用到不同領(lǐng)域,例如知識工程、信息檢索等,在自然語言處理方面尤其語義理解方面具有廣泛的應(yīng)用。不少研究者基于概念圖進(jìn)行了研究與探索,并取得了一些成果。例如,殷亞玲[4]提出了一種基于概念圖的相關(guān)反饋技術(shù),采用概念圖的知識表示方式描述概念之間關(guān)系,從語義的層次上進(jìn)行相似度判斷,擴(kuò)展查詢式。朱海平[5]以概念圖作為語義表示,研究了基于概念圖匹配的語義檢索。楊選選[6]提出的基于語義角色和概念圖的信息抽取模型,是在語義層面上對信息抽取的嘗試。它將淺層的語義信息應(yīng)用于場景識別和抽取模式兩個層次上,并通過概念圖將句子的語義形式化、可計(jì)算化。劉培奇[7]結(jié)合主觀題中簡答題的人工批改過程,提出以概念圖理論為基礎(chǔ)的模糊含權(quán)概念圖知識表示方法;從漢語自然語言理解的語義分析角度研究了特定課程主觀題自動閱卷問題。
4小結(jié)
人工智能領(lǐng)域中絕大多數(shù)知識表示方法都直接或間接地涉及到概念結(jié)構(gòu),概念結(jié)構(gòu)是人類認(rèn)知能力的重要來源,現(xiàn)代的知識表示方法會越來越重視概念結(jié)構(gòu)。概念圖是一種有力的知識表示工具,能完全描述自然語言所表達(dá)的意思,實(shí)現(xiàn)與自然語言的互譯。我們相信對概念結(jié)構(gòu)和概念圖的深入研究必將對解決自然語言理解方面的難題產(chǎn)生重要貢獻(xiàn)和促進(jìn)作用。
參考文獻(xiàn):
[1]張仰森,黃改娟.人工智能教程[M].北京:高等教育出版社,2008.03.
[2]張蕾,李學(xué)良.概念結(jié)構(gòu)及其應(yīng)用[D].西北工業(yè)大學(xué)博士論文,2001.05.
[3]賀文,危輝.概念結(jié)構(gòu)研究綜述[J].計(jì)算機(jī)應(yīng)用與軟件,2010,27(1):156-159.
[4]殷亞玲,張蕾.基于概念圖的相關(guān)反饋系統(tǒng)的研究與實(shí)現(xiàn)[D].西北大學(xué)碩士論文,2006.07.
[5]朱海平,俞勇.基于概念圖匹配的語義搜索[D].上海交通大學(xué)博士論文,2006.10.
【關(guān)鍵詞】無人駕駛 腦控汽車 發(fā)展前景
1 前言
近些年,隨著汽車工業(yè)的快速發(fā)展,汽車駕駛已經(jīng)是現(xiàn)代人需要掌握的基本技能之一,在其拓展普及的同時,安全駕駛成為了現(xiàn)代社會最關(guān)注的焦點(diǎn)之一。所謂的安全駕駛就是要杜絕在汽車駕駛過程中存在安全隱患的行為,其中不安全駕駛包括:酒后駕駛、超速行駛、疲勞駕駛[1]、大燈晃眼、闖紅黃燈、違法超車、急停急剎、隨意變道、駕駛打電話、不系安全帶等容易致使事故發(fā)生的行為。汽車所帶來的安全問題多數(shù)出自駕駛司機(jī)的個人行為和個人原因,因此以人工智能輔助或者替代駕駛者駕駛汽車成為了汽車智能駕駛技術(shù)研究的主要趨勢。
2 無人駕駛汽車的發(fā)展現(xiàn)狀
2.1 國外駕駛汽車的研發(fā)狀況
從上世紀(jì)開始國外就開始進(jìn)行了無人駕駛汽車的研究[2][3]。所謂無人駕駛,是通過為車輛裝配多種感應(yīng)設(shè)備,包括車載傳感器、GPS和攝像頭等,配合車內(nèi)的智能軟件,如自適應(yīng)巡航控制系統(tǒng)(ACC)等實(shí)現(xiàn)脫離駕駛員的自動駕駛汽車[4]。國外著名汽車企業(yè)及IT行業(yè)巨頭谷歌都競相亮相其在無人駕駛汽車技術(shù)研究的成果。截至目前,谷歌的無人駕駛汽車已問世6年多,這期間發(fā)生了14起事故,僅一次造成人員受傷[5];德國梅賽德斯奔馳的無人駕駛卡車在德國的Autobahn8公路上已經(jīng)啟動了上路測試,這是量產(chǎn)版自動駕駛卡車首次在高速公路上進(jìn)行行駛;據(jù)英國《每日電訊報(bào)》15年2月11日消息,奧迪方面確認(rèn)其首款采用無人駕駛技術(shù)的車型將于2017年上市。另外各大汽車制造商以及相關(guān)科技巨頭表示無人汽車在2020年可以推出商用。美國內(nèi)華達(dá)、加利福尼亞、佛羅里達(dá)及密歇根州為谷歌、奧迪等正在開發(fā)的無人駕駛車發(fā)放了公路試驗(yàn)牌照。這表明了一點(diǎn):使用人工智能替代駕駛員來駕駛汽車被各大發(fā)達(dá)國家與科技巨頭認(rèn)可。這是因?yàn)闊o人駕駛汽車經(jīng)過精密計(jì)算,由系統(tǒng)精確控制,在一般條件下,比真人駕駛應(yīng)該更加安全可靠。無人駕駛汽車至少不會犯情緒上的錯誤,不會因?yàn)樾锞啤⑸鷼?、郁悶等精神原因而造成汽車失控,也不會因?yàn)槿硕唷⒙氛?、彎多等?fù)雜路況而緊張,造成誤操作。對長途行駛而言,無人駕駛汽車不會出現(xiàn)疲勞駕駛。在城市道路中,無人駕駛汽車不會闖紅燈、逆行。在有限速標(biāo)記的道路上,無人駕駛汽車會嚴(yán)格遵守規(guī)定,不會超速行駛。
2.2 國內(nèi)駕駛汽車的研發(fā)狀況
我國關(guān)于無人駕駛汽車的研究相對國外起步較晚,但是發(fā)展迅速。十幾年前,國防科技大學(xué)已經(jīng)開始對一款紅旗轎車進(jìn)行相應(yīng)改裝,研制出了紅旗HQ3智能無人車,能實(shí)時處理岔道、斑馬線和虛線;對車體姿態(tài)變動,自然光照變化及樹木、路橋陰影都具有較強(qiáng)的自適應(yīng)力。HQ3,其“大腦”是藏在后備廂里的計(jì)算機(jī)設(shè)備,車輛沒有GPS 等導(dǎo)航設(shè)備,完全是利用自身的“環(huán)境傳感器”來識別道路標(biāo)線,進(jìn)而依靠車載的智能行為決策和控制系統(tǒng),實(shí)現(xiàn)正常匯入高速公路的密集車流中自主駕駛。于2011年,紅旗HQ3智能無人車首次在復(fù)雜路況下公開進(jìn)行無人駕駛的測試,并完成了從長沙至武漢近300公里高速公路路試。除了無人駕駛汽車的研究外,南開大學(xué)計(jì)算機(jī)與控制工程學(xué)院段峰副教授的研究團(tuán)隊(duì)與長城汽車共同合作研發(fā) “腦控汽車”,這項(xiàng)研究通過腦電設(shè)備, 捕捉人在集中注意力時產(chǎn)生的腦電信號, 利用腦電信號識別系統(tǒng)分析人的驅(qū)車意圖并向汽車發(fā)送操控指令, 以此實(shí)現(xiàn)人腦控制汽車的目的[6]。“腦控汽車” 顛覆了手腳并用的駕車方式,它可以利用人腦進(jìn)行汽車操控并低速行駛, 但離真正投入生產(chǎn)使用還需要一定時間。由此可以看出我國在研究人工智能“替代”的同時也涉及“輔助”研究,將人工智能應(yīng)用于汽車駕駛技術(shù)方面更為廣泛。
3 智能駕駛研究中遇到的問題
無人駕駛汽車在其優(yōu)勢凸顯的同時也更加暴露出其問題。無人駕駛汽車的問題包括局限性高、人文接受程度問題和安全防御性低等。
3.1 局限性高
無人駕駛汽車在其“視覺能力”方面無法達(dá)到人腦的高度,其傳感器通過紅外攝像和普通攝像兩種技術(shù)完成道路環(huán)境的收集。當(dāng)車輛在人口密集的樓房建筑區(qū)、事故區(qū)域或者其他有人通過通用手勢信號來指揮車輛在此區(qū)域通行時,無人汽車將遇到判斷難題。另外,道路存在信號標(biāo)志老舊變形等情況出現(xiàn),無人汽車可能產(chǎn)生誤識或者漏識,造成不必要的事故。
3.2 人文接受程度問題
社會對無人駕駛汽車依然存在諸多疑問,如當(dāng)無人駕駛汽車行駛在這個人口稠密的世界時, 發(fā)現(xiàn)已經(jīng)無法避免事故的發(fā)生時,智能計(jì)算機(jī)應(yīng)該選擇沖向馬路的行人還是直接撞擊迎面而來的車輛?在受到外部虛擬網(wǎng)絡(luò)攻擊后是否還可以維持完全駕駛?未被Google或GPS完全測繪的道路如何行使等。無人駕駛汽車在法律法規(guī)方面同樣存在極大的挑戰(zhàn)。如產(chǎn)品責(zé)任,立法和多重管轄權(quán)等。無人汽車與有人汽車發(fā)生事故責(zé)任判定和無人汽車之間發(fā)生事故責(zé)任判定等。
3.3 安全防御性低
軟件安全公司Security Innovation首席科學(xué)家喬納桑?佩蒂特(Jonathan Petit)表示,大部分無人駕駛汽車探測障礙物的激光雷達(dá)系統(tǒng)只需一個成本不到60美元的裝置即可破解。佩蒂特表示,通過這一裝置,黑客可以在任何位置設(shè)置實(shí)際并不存在的汽車、行人,或是墻壁,導(dǎo)致無人駕駛汽車的行駛速度放慢,甚至寸步難行。其相關(guān)論文已在歐洲黑帽安全大會上發(fā)表。
4 智能駕駛的發(fā)展前景
智能駕駛是通過人工智能輔助或代替人進(jìn)行汽車駕駛行為,它可以彌補(bǔ)人類駕駛員會存在的缺陷。經(jīng)過大量的研究和發(fā)展,智能駕駛所需的各種傳感器、計(jì)算機(jī)的性能和技術(shù)等方面取得了極大進(jìn)步,成本也在逐步降低。
從人工智能和汽車駕駛結(jié)合的長遠(yuǎn)發(fā)展角度來看,純智能的無人駕駛應(yīng)為未來駕駛的主要方式,即使在當(dāng)前基于貝葉斯、決策樹和人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)的方法被運(yùn)用在無人駕駛的行為識別和行為決策的技術(shù)環(huán)境下,我們也可以考慮設(shè)立專門的行駛路線保證無人駕駛汽車的應(yīng)用推廣。在馮諾依曼體系結(jié)構(gòu)下面向駕駛行為的機(jī)器學(xué)習(xí),一直以來都是智能車領(lǐng)域的“瓶頸”。隨著國際“類腦”研究的興起,我國也上線了“中國腦計(jì)劃”,但畢竟類腦計(jì)算還僅從理論階段開始向前邁步,類腦計(jì)算機(jī)仍難以得到實(shí)現(xiàn)和應(yīng)用。
從當(dāng)前智能駕駛的技術(shù)角度來看,相對于無人汽車,腦控汽車的發(fā)展可能更加適合。這是因?yàn)闊o人駕駛汽車的計(jì)算機(jī)系統(tǒng)目前還無法達(dá)到類腦計(jì)算機(jī)體系的高度,因此很難做到像人腦一樣思考問題,難以較好處理駕駛過程中各種各樣的突發(fā)問題和針對無人駕駛做出的阻礙或破壞行為。
因此提高人工智能在輔助方面的全面完善是全面實(shí)施無人駕駛的必經(jīng)之路?,F(xiàn)在的家用汽車基本配備雷達(dá)輔助系統(tǒng),該系統(tǒng)可以不斷監(jiān)控周圍的交通狀況,可以用發(fā)聲頻率提示本車與可能碰撞物體的距離,也可以確定與前車距離以及前車行駛速度,如與前車距離明顯低于安全距離,系統(tǒng)會向駕駛者發(fā)送聽覺警報(bào)。目前奔馳的主動式駐車輔助系統(tǒng)能夠在主動轉(zhuǎn)向和制動功能干預(yù)下自動泊車。并且,在車輛通過自動駐車輔助系統(tǒng)停入平行車位后,該系統(tǒng)也可以在自動轉(zhuǎn)向和制動控制功能的幫助下,讓車輛完全自動地駛出平行車位。
在此基礎(chǔ)之上,我們可以在擴(kuò)大自然語言處理等人機(jī)交互方式在人為干預(yù)下“釋放雙手”的模式上加大科研力度,如:語音操控、腦控汽車或類似飛機(jī)自動與手動駕駛切換等智能駕駛方式。其中語音操控汽車可以通過語言指令如“倒庫”“直行”或“開啟雨刷”等自然語言實(shí)現(xiàn)汽車系統(tǒng)的自動處理并通過車輛配置的傳感器和攝像頭等硬件付出行動來響應(yīng)命令的方式來實(shí)現(xiàn)語音操控汽車的智能模式。因?yàn)橛旭{駛員的加入會使智能汽車的行駛方式更加靈活多變,適合于當(dāng)前復(fù)雜的交通環(huán)境,滿足社會法律和倫理觀念的接受要求,所以提高人工智能在輔助方面的研究應(yīng)用的價(jià)值更加巨大。
參考文獻(xiàn):
[1]朱盛鐳.未來智能汽車產(chǎn)業(yè)發(fā)展趨勢[J].上海汽車,2015(08).
[2]鄭寶成.智能汽車及其新技術(shù)發(fā)展研究[J].科技創(chuàng)新與應(yīng)用,2015(17).
[3]馮學(xué)強(qiáng),張良旭,劉志宗.無人駕駛汽車的發(fā)展綜述[J].山東工業(yè)技術(shù),2015(05).
[4]辛煜,梁華為,梅濤 等.基于激光傳感器的無人駕駛汽車動態(tài)障礙物檢測及表示方法[J]. 機(jī)器人,2014(06).
[5]關(guān)天瑜.谷歌無人駕駛汽車再次追尾[J].計(jì)算機(jī)與網(wǎng)絡(luò),2015(15).
[6]張建新,喬仁銘.“腦控汽車”在南開大學(xué)“開跑”[J].農(nóng)家參謀,2015(08).
[7]陳慧,涂強(qiáng),范正帥,王琳. 互聯(lián)智能汽車關(guān)鍵技術(shù)與發(fā)展趨勢[J].中國集成電路,2015(06).
[8]賈祝廣,孫效玉,王斌,張維國.無人駕駛技術(shù)研究及展望[J].礦業(yè)裝備,2014(05).
[9]楊帆.無人駕駛汽車的發(fā)展現(xiàn)狀和展望[J].上海汽車,2014(03).
[10]李崇寒,彭鑫.無人駕駛汽車:可行還是不可行?[J].今日科苑,2011(12).
[11]喬維高,徐學(xué)進(jìn).無人駕駛汽車的發(fā)展現(xiàn)狀及方向[J].上海汽車,2007(07).
[12]王握文.時速75.6km──國產(chǎn)無人駕駛汽車創(chuàng)新時速[J].中國科技月報(bào),2000(07).
[13]林一平.無人駕駛汽車逐步進(jìn)入實(shí)用化[J].專用汽車,2000(02).
[14]林一平.新世紀(jì)的無人駕駛汽車[J].交通與運(yùn)輸,2000(02).
[15]閆民.無人駕駛汽車的研究現(xiàn)狀及發(fā)展方向[J].汽車維修,2003(02).
[16]林一平.不斷創(chuàng)新發(fā)展的現(xiàn)代無人駕駛汽車[J].專用汽車,2003(01).
[17]薛福連.自動控制高速公路上的無人駕駛汽車[J].汽車運(yùn)用,2006(04).
[18]呂宏,劉大力,孫嘉燕.從無人駕駛汽車奔赴世博會看未來汽車[J].機(jī)電產(chǎn)品開發(fā)與創(chuàng)新,2010(06).
[19]邊疆,赫玉瑩,王貫安.無人駕駛車圖像采集的失真矯正[J].中國科技信息,2014(09).
[20]宋世春.初露頭角的無人駕駛汽車[J].國外自動化,1980(04).
1電氣工程自動化控制的應(yīng)用現(xiàn)狀
實(shí)現(xiàn)自動化生產(chǎn),提高產(chǎn)品設(shè)備性能一直是我國電氣工程自動化領(lǐng)域發(fā)展的趨勢。在我國的電子工程自動化技術(shù)領(lǐng)域,經(jīng)過幾十年的發(fā)展,我國的電氣工程自動化技術(shù)應(yīng)用越來越得到普及,目前應(yīng)用于電氣自動化工程的主要有分布式控制系統(tǒng)DCS(distributedcontrolsystem)系統(tǒng)、WindowsNT和IE語言系統(tǒng)、集中控制下的自動控制系統(tǒng)以及信息集成化的電氣自動化控制系統(tǒng)[2]。分布式控制系統(tǒng)DCS具有實(shí)時性和擴(kuò)充性等優(yōu)點(diǎn),但采用的是傳統(tǒng)的儀表,增加了后期維護(hù)和維修的困難;WindowsNT和IE語言系統(tǒng)使得電氣工程設(shè)備可視化、集成化,容易操作,后期維修較為容易;集中控制下的自動控制系統(tǒng),運(yùn)行速度較為緩慢,大量監(jiān)控設(shè)備的投入,減小了主機(jī)的空間,影響了自動控制系統(tǒng)的性能,所以說可靠性較低;息集成化的電氣自動化控制系統(tǒng),則是通過信息化的瀏覽器進(jìn)行操作,便于及時了解第一時間的信息,進(jìn)行整理和分析[3]??梢哉f,我國電氣工程自動化控制市場,正在結(jié)合我國自身的實(shí)際情況,發(fā)揮優(yōu)勢,進(jìn)行科學(xué)技術(shù)研發(fā),促進(jìn)電氣工程自動化控制市場逐步地成熟。
2智能化技術(shù)及其在電氣工程自動化控制中的應(yīng)用優(yōu)勢
2.1提高自動化控制性能,促進(jìn)電氣工程自動化統(tǒng)一智能化技術(shù)擁有計(jì)算機(jī)強(qiáng)大的編程,算法精確,設(shè)計(jì)優(yōu)良,能夠提高自動化控制性能,促進(jìn)電氣工程自動化統(tǒng)一[4]。在電氣設(shè)備儀器的生產(chǎn)中,智能化技術(shù)能夠根據(jù)設(shè)備的需要,設(shè)計(jì)出精準(zhǔn)的算法,可以大大地提高設(shè)備自動化控制的效率和準(zhǔn)確率,如此一來,則可以降低電氣工程自動化中人力和物力的投入,有效降低成本。
2.2簡化電氣工程自動化模型,操作簡便在電氣工程自動化控制環(huán)節(jié)中引進(jìn)智能化技術(shù)能夠有效避免因提前建立相應(yīng)的控制模型,造成模型建立的參數(shù)出現(xiàn)差錯的概率。可以說智能化技術(shù)應(yīng)用到電氣工程自動化控制,簡化了電氣工程自動化模型,防止了不可預(yù)見因素對電氣工程自動化控制的影響,且操作簡便,提高了設(shè)備自動化控制的效率和準(zhǔn)確率[5]。
2.3具有高精度高效化的特點(diǎn),誤差小智能化技術(shù),如高速的CPU芯片、RISC芯片、多CPU控制系統(tǒng)等應(yīng)用到電氣工程自動化控制環(huán)節(jié),具有高精度高效化的特點(diǎn),誤差小的優(yōu)點(diǎn),大大提高了電氣工程自動化控制系統(tǒng)的精度和效率,有利于提高電氣產(chǎn)品的質(zhì)量,減少了電氣工程自動控制環(huán)節(jié)中的出錯率[6],從而促進(jìn)電氣行業(yè)的發(fā)展。
3智能化技術(shù)在電氣工程自動化控制中的具體應(yīng)用
3.1智能化技術(shù)電氣設(shè)備中的應(yīng)用傳統(tǒng)的電氣自動化是需要對電氣設(shè)備進(jìn)行控制模型的設(shè)計(jì),智能化電氣控制器打破了傳統(tǒng)的自動化控制。智能化技術(shù)具體應(yīng)用到電氣工程自動化控制中,能夠根據(jù)自動化設(shè)備的要求,參照精確的算法,快速解決電氣工程自動化的繁瑣計(jì)算和模擬過程,大大提高了工作效率,縮短設(shè)計(jì)周期,而設(shè)計(jì)出來的電氣設(shè)備產(chǎn)品,相比傳統(tǒng)的電氣設(shè)備產(chǎn)品,實(shí)用性和科學(xué)性均高。
3.2智能化技術(shù)在電氣控制中的應(yīng)用智能化技術(shù)在電氣工程自動化中的應(yīng)用主要包括專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)控制、模糊控制三種方法。在進(jìn)行智能操作的過程中,操作人員可以直接通過軟件遠(yuǎn)程操控,精確調(diào)節(jié)設(shè)備使用中的各類參數(shù),另外能夠利用人工智能實(shí)現(xiàn)對電氣設(shè)備的監(jiān)控和保護(hù),若電氣設(shè)備負(fù)荷工作或停機(jī),則可以發(fā)出保護(hù)性指令,防止電氣設(shè)備損壞。另外,智能化技術(shù)能夠?qū)﹄娏υO(shè)備進(jìn)行有效地監(jiān)控和控制[7],可以預(yù)先根據(jù)設(shè)備自動化的要求輸入算法,對電氣設(shè)備開關(guān)量、模擬量數(shù)據(jù)的采集和整理工作,在線分析數(shù)據(jù),進(jìn)行實(shí)時的信息檢索和存儲。
3.3智能化技術(shù)在設(shè)備故障的診斷與修復(fù)中的應(yīng)用傳統(tǒng)的電氣工程自動化控制系統(tǒng),存在很多的缺點(diǎn),造成電氣工程自動化控制系統(tǒng)后期的故障診斷和修復(fù)較為困難。智能化技術(shù)在設(shè)備故障的診斷與修復(fù)的應(yīng)用,主要體現(xiàn)在對電力系統(tǒng)中故障進(jìn)行定位分析,提前準(zhǔn)備預(yù)防措施,減小機(jī)器發(fā)生故障帶來的損失,且相比常規(guī)的人為診斷,可以大大提高診斷的準(zhǔn)確性和解決效率。電氣工程自動化中的故障診斷部分主要利用人工智能中的模糊理論、人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)對電氣工程設(shè)備,如變壓器、發(fā)電機(jī)以及發(fā)動機(jī)等進(jìn)行故障診斷。
4討論與建議
關(guān)鍵詞:電力系統(tǒng);人工智能;繼電保護(hù);應(yīng)用;
1引言
近年來,隨著人工智能理論技術(shù)的不斷發(fā)展,以模糊技術(shù)、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法為代表的智能理論方法在電力系統(tǒng)領(lǐng)域得到了十分廣泛的應(yīng)用。眾所周知,電力系統(tǒng)是由各類發(fā)電裝置、輸配電線路、變壓器以及用電裝置等一系列單元組合而成的大規(guī)模動態(tài)系統(tǒng),電力系統(tǒng)本質(zhì)上是一個非線性動態(tài)大系統(tǒng),存在著許多極為復(fù)雜的工程計(jì)算和非線性優(yōu)化問題,例如:電力網(wǎng)絡(luò)的無功優(yōu)化調(diào)度電力系統(tǒng)規(guī)劃運(yùn)行、發(fā)電機(jī)組的優(yōu)化組合、電力系統(tǒng)最優(yōu)潮流計(jì)算、電力市場的交易定價(jià)等一系列問題。而這些問題都是多參數(shù),多約束的非凸優(yōu)化問題。長期以來,電力系統(tǒng)自動化研究者一直在尋找高效可靠的方法來解決這些問題。然而有許多電力系統(tǒng)中存在的問題無法得到快速與精確的結(jié)果。其主要原因在于:
(1)電力系統(tǒng)中的有些向題還無法建立精確切實(shí)的數(shù)學(xué)模型,包括不能完全用數(shù)學(xué)來表示反映問題實(shí)質(zhì)的約束條件。
(2)隨著問題的規(guī)模和復(fù)雜程度的增加,利用現(xiàn)有的算法和計(jì)算機(jī)條件,無法在較短的時問內(nèi)獲得滿意的計(jì)算結(jié)果。
(3)許多問題的條件具有模糊性,對干系統(tǒng)的了解還不夠精確,此外在求解問題的過程中需要專家的知識經(jīng)驗(yàn)。這些都無法用精確的數(shù)學(xué)形式表示出來。
與傳統(tǒng)的計(jì)算方法相比較,人工智能方法對于復(fù)雜的非線性系統(tǒng)問題求解有著極大的優(yōu)勢。它彌補(bǔ)了傳統(tǒng)方法的單純依靠數(shù)學(xué)求解的不足,解決了某些傳統(tǒng)計(jì)算方法難于求解或不能解決的問題。
2人工智能技術(shù)在繼電保護(hù)中的應(yīng)用
2.1計(jì)算機(jī)化
隨著計(jì)算機(jī)硬件的迅猛發(fā)展,微機(jī)保護(hù)硬件也在不斷發(fā)展。某電力學(xué)院研制的微機(jī)線路保護(hù)硬件已經(jīng)歷了3個發(fā)展階段:從8位單CPU結(jié)構(gòu)的微機(jī)保護(hù)問世,不到5年時間就發(fā)展到多CPU結(jié)構(gòu),后又發(fā)展到總線不出模塊的大模塊結(jié)構(gòu),性能大大提高,得到了廣泛應(yīng)用。
某電力自動化研究院一開始就研制了16化CPU為基礎(chǔ)的微機(jī)線路保護(hù),已得到大面積推廣,目前也在研究32位保護(hù)硬件系統(tǒng)。某大學(xué)研制的微機(jī)主設(shè)備保護(hù)的硬件也經(jīng)過了多次改進(jìn)和提高。某大學(xué)一開始即研制以16位多CPU為基礎(chǔ)的微機(jī)線路保護(hù),1988年即開始研究以32位數(shù)字信號處理器(DSP)為基礎(chǔ)的保護(hù)、控制、測量一體化微機(jī)裝置,目前已與某電自動化設(shè)備公可合作研制成一種功能齊全的32位大模塊,一個模塊就是一一個小型計(jì)算機(jī)。采用32位微機(jī)芯片并非只著眼干精度,因?yàn)榫仁蹵/D轉(zhuǎn)換器分辨率的限制,趟過l6位時在轉(zhuǎn)換速度和成本方面都是難以接受的;更重要的是32位微機(jī)芯片具有很高的集成度,很高的工作頻率和計(jì)算速度,很大的尋址空間,豐富的指令系統(tǒng)和較多的輸入輸出口,CPU的寄存器、數(shù)據(jù)總線、地址總線足32位的,具有存儲器管理功能、存儲器保護(hù)功能和任務(wù)轉(zhuǎn)換功能,并將高速緩存(Cache)和浮點(diǎn)數(shù)部件都集成在CPU內(nèi)。
電力系統(tǒng)對微機(jī)保護(hù)的要求不斷提高,除了保護(hù)的基本功能外,還應(yīng)具有大容故障信息和數(shù)據(jù)的長期存放空間,快速的數(shù)據(jù)處理功能,強(qiáng)大的通信能力,與其它保護(hù)、控制裝置和調(diào)度
聯(lián)網(wǎng)以共享全系統(tǒng)數(shù)據(jù)、信息和網(wǎng)絡(luò)資源的能力,高級語言編程等。這就要求微機(jī)保護(hù)裝置具有相當(dāng)于一臺PC機(jī)的功能?,F(xiàn)在,同微機(jī)保護(hù)裝大小相似的工控機(jī)的功能、速度、存儲容量大大超過了當(dāng)年的小型機(jī),因此,用成套工控機(jī)作成繼電保護(hù)的時機(jī)已經(jīng)成熟,這將是微機(jī)保護(hù)的發(fā)展方向之一。某大學(xué)已研制成用同微機(jī)保護(hù)裝置結(jié)構(gòu)完全相同的一種工控機(jī)加以改造作成的繼電保護(hù)裝置。這種裝置的優(yōu)點(diǎn)有:①具有486PC機(jī)的全部功能,能滿足對當(dāng)前和未來微機(jī)保護(hù)的各種功能要求。⑦尺寸和結(jié)構(gòu)與目前的微機(jī)保護(hù)裝置相似,工藝精良、防震、防過熱、防電磁干擾能力強(qiáng),可運(yùn)行于非常惡劣的工作環(huán)境,成本可接受。③采用STD總線或PC總線,硬件模塊化,對于不同的保護(hù)可任意選用不同模塊,配置靈活、容易擴(kuò)展。
繼電保護(hù)裝置的微機(jī)化、計(jì)算機(jī)化是不可逆轉(zhuǎn)的發(fā)展趨勢。但對如何更好地滿足電力系統(tǒng)要求,如何進(jìn)一步提高繼電保護(hù)的可靠性,如何取得更大的經(jīng)濟(jì)效益和社會效益,尚須進(jìn)行具體深入的研究。
2.2人工神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過程的信息處理系統(tǒng)。它以其諸多優(yōu)點(diǎn),如并行分布處理、自適應(yīng)、聯(lián)想記憶等,在智能保護(hù)中受到越來越廣泛的重視,而且已顯示出巨大的潛力,并為智能化繼電保護(hù)的研究開辟了一條新途徑。應(yīng)用ANN技術(shù)實(shí)現(xiàn)故障診斷不同于ES診斷方法。ANN方法通過現(xiàn)場大量的標(biāo)準(zhǔn)樣本學(xué)習(xí)與訓(xùn)練,不斷調(diào)整ANN中的連接權(quán)和閡值,使獲取的知識隱式分布在整個網(wǎng)絡(luò)上,并實(shí)現(xiàn)ANN的模式記憶。因此ANN具有強(qiáng)大的知識獲取能力,并能有效的處理含噪聲數(shù)據(jù),彌補(bǔ)了ES方法的不足。
神經(jīng)網(wǎng)絡(luò)是一種非線性映射的方法,很多難以列出方程式或難以求解的復(fù)雜的非線性問題,應(yīng)用神經(jīng)網(wǎng)絡(luò)方法則可迎刃而解,因此在繼電保護(hù)中也得到越來越多的應(yīng)用,例如在輸電線兩側(cè)系統(tǒng)電勢角度擺開情況下發(fā)生經(jīng)過渡電阻的短路就是一非線性問題,距離保護(hù)很難正確作出故障位置的判別,從而造成誤動或拒動;如果用神經(jīng)網(wǎng)絡(luò)方法,經(jīng)過大量故障樣本的訓(xùn)練,只要樣本集中充分考慮了各種情況,則在發(fā)生任何故障時都可正確判別。近幾年來,電力系統(tǒng)繼電保護(hù)領(lǐng)域內(nèi)出現(xiàn)了用人工神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)故障類型的判別、故障距離的測定、方向保護(hù)、主設(shè)備保護(hù)等。用人工神經(jīng)網(wǎng)絡(luò)原理來實(shí)現(xiàn)高壓輸電線的方向保護(hù),提出用BP模型作為方向保護(hù)的方向判別元件。研究結(jié)果表明,該方向判別元件能準(zhǔn)確、快速地判別出故障的方向?;谏窠?jīng)網(wǎng)絡(luò)的繼電保護(hù)系統(tǒng)的優(yōu)越性;論證了由單層感知器網(wǎng)絡(luò)或TH網(wǎng)絡(luò)可以實(shí)現(xiàn)最小二乘算法,這兩種網(wǎng)絡(luò)都可以在極短的時間(數(shù)納秒或幾百納秒)內(nèi)完成全部運(yùn)算;給出了電流繼電器、圓特性以及四邊型特性阻抗繼電器的神經(jīng)網(wǎng)絡(luò)模型,并證明了三種模型都具有很強(qiáng)的自適應(yīng)性?;谌斯ど窠?jīng)網(wǎng)絡(luò)的智能型自適應(yīng)繼電保護(hù)原理,利用了比傳統(tǒng)保護(hù)多得多的信息量。它比傳統(tǒng)保護(hù)能區(qū)分更多的故障類型,提高了繼電保護(hù)的適用范圍,從原理上解決了經(jīng)高阻抗的短路故障保護(hù)問題。利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自適應(yīng)電流保護(hù)的方法。該方法充分利用了人工神經(jīng)網(wǎng)絡(luò)所具有的強(qiáng)大的自適應(yīng)能力,學(xué)習(xí)能力和模式識別能力,實(shí)現(xiàn)對電力系統(tǒng)中的各種故障情況的識別,解決電流保護(hù)中的靈敏度補(bǔ)償和故障方向識別問題,使電流保護(hù)對正方向各種故障都有足夠的保護(hù)范圍,而對反方向的各種故障實(shí)行閉鎖,從而實(shí)現(xiàn)電流保護(hù)的自適應(yīng)。
利用神經(jīng)網(wǎng)絡(luò)可以在一定程度上提高故障診斷效率,解決用常規(guī)繼電保護(hù)方法難以解決的問題,但該方法也存在“性能取決于樣本是否完備、不擅長處理啟發(fā)性的知識、訓(xùn)練時容易陷入局部最小”等問題。由于專家系統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法在許多方面可以協(xié)調(diào)工作、互為補(bǔ)充,因此,如何取長補(bǔ)短將神經(jīng)網(wǎng)絡(luò)技術(shù)與故障診斷專家系統(tǒng)融為一體,以彌補(bǔ)診斷中的不足,并提供新的診斷技術(shù)和方法,具有很大的潛力和廣闊的前景,是值得我們深入探討和研究的。
2.3模糊理論(Fuzzy Sets Theory)的應(yīng)用
模糊邏輯能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似計(jì)算。近幾年來,模糊集理論在電力系統(tǒng)中的諸多應(yīng)用領(lǐng)域取得了飛速進(jìn)展,包括了潮流計(jì)算、系統(tǒng)規(guī)劃、模糊控制等方面。例如對干負(fù)荷變化和電力生產(chǎn)的不確定性,就可運(yùn)用模糊值來表示某不確定負(fù)荷在實(shí)際集合中的隸屬函數(shù),建立起電力系統(tǒng)最優(yōu)潮流的模糊模型。
傳統(tǒng)無功電壓優(yōu)化算法一般是單目標(biāo)優(yōu)化問題,并沒有考慮有功網(wǎng)損的降低和限制控制量調(diào)節(jié)數(shù)最少,而且在處理電壓約束時,未考慮“軟約束”特性。可引入模糊線性規(guī)劃算法以解決這一問題。為很好地協(xié)調(diào)降低網(wǎng)損、限制調(diào)節(jié)量和確保節(jié)點(diǎn)電壓裕度三者的關(guān)系,在有限控制量調(diào)節(jié)的前題下,可實(shí)現(xiàn)校正違界電壓、降低系統(tǒng)網(wǎng)損和確保所有節(jié)點(diǎn)電壓留有一定的裕度。利用模糊綜合評判的方法對電能質(zhì)量進(jìn)行綜合評價(jià)的二級評判法。
2.4遺傳算法(Genetic Algorithms,GA)的應(yīng)用
遺傳算法是基于自然選擇和遺傳機(jī)制,在計(jì)算機(jī)上模擬生物進(jìn)化機(jī)制的尋優(yōu)搜索算法。他能在復(fù)雜而龐大的搜索空間中自適應(yīng)的搜索,尋找出最優(yōu)或準(zhǔn)最優(yōu)解,且算法簡單,適用,魯棒性強(qiáng)。遺傳算法對待求解問題幾乎沒有什么限制,也不涉及常規(guī)優(yōu)化問題求解的復(fù)雜數(shù)學(xué)過程,并能夠得到全局最優(yōu)解或局部最優(yōu)解集,這是他優(yōu)于傳統(tǒng)優(yōu)化技術(shù)之處。遺傳算法從優(yōu)化的角度出發(fā)基本上可以解決故障診斷問題,尤其是在復(fù)故障或存在保護(hù)、斷路器誤動作的情況下,能夠給出全局最優(yōu)或局部最優(yōu)的多個可能的診斷結(jié)果。但是如何建立合理的輸電網(wǎng)絡(luò)故障診斷模型是使用遺傳算法的主要“瓶頸”。如果能夠建立合理的數(shù)學(xué)模型,那么不僅可以使用遺傳算法解決故障診斷問題,還可以使用其他類似的啟發(fā)式優(yōu)化算法解決故障診斷問題。
3智能方法的綜合應(yīng)用
每種智能控制方法都有其內(nèi)在的局限性,難以滿足處理電力系統(tǒng)實(shí)際復(fù)雜問題的需要。如何將這些控制方法結(jié)合起來形成一種綜合的智能控制,使綜合的智能控制系統(tǒng)能夠體現(xiàn)出各種控制方法的優(yōu)勢而盡量避免各自的不足,綜合利用模糊理論及人工神經(jīng)網(wǎng)絡(luò)各自的特點(diǎn)形成的模糊神經(jīng)網(wǎng)絡(luò)成為提高電力系統(tǒng)的可靠性、快速性、靈敏性及選擇性的主要研究方向。結(jié)合ES和ANN實(shí)現(xiàn)對以變電站故障診斷為基礎(chǔ)的分層分布時故障診斷系統(tǒng)。基于模糊理論與神經(jīng)網(wǎng)絡(luò)理論,根據(jù)特征氣體法和改良IEC三比值法,建立了模糊神
經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型。該模型有效的處理了故障診斷中的不確定因素,并具有較強(qiáng)的知識獲取能力。從基于人類思維發(fā)展模式的角度,融合設(shè)備故障診斷的ES和ANN模型,構(gòu)造了電力變壓器的故障診斷分析系統(tǒng)。
綜上所述,將不同的人工智能技術(shù)結(jié)合在一起。分析不確定因素對智能診斷系統(tǒng)的影響.從而提高診斷的準(zhǔn)確率,是今后智能診斷的發(fā)展方向。
4結(jié)語
人工智能技術(shù)在電力系統(tǒng)的應(yīng)用中已經(jīng)獲得了良好的發(fā)展。然而在我國,人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用研究才剛剛開始。隨著我國電力系統(tǒng)的持續(xù)發(fā)展,電力系統(tǒng)數(shù)據(jù)總量的不斷增加,管理上復(fù)雜程度的大幅度增長,以及市場競爭的影響和加大,為人工智能技術(shù)在電力系統(tǒng)的應(yīng)用提供了廣闊前景??梢灶A(yù)見,加強(qiáng)智能科學(xué)在電網(wǎng)中的科研和應(yīng)用,將能更好的保證電網(wǎng)安全穩(wěn)定經(jīng)濟(jì)運(yùn)行。
參考文獻(xiàn)
[1]韓富春,王娟娟;基于神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)狀態(tài)估計(jì)[J];電力系統(tǒng)及其自動化學(xué)報(bào),2002(6):49-51.