Abstract: Based on the human brain and man-made and its intelligent problems given a general review, in theory, academic and specific software and engineering applications in all aspects of the road map, put the medical, psychological, behavioral science, system science and artificial intelligence and so on disciplines integration and collaboration, in the original automation science and technology (or computer science and technology) within the framework of artificial intelligence based point, let go of the field of vision, innovation of Chinese characteristics of the artificial intelligence industry.

Keywords: Human intelligence  Artificial intelligence  Internet + application

【中图分类号】TP18 【文献标识码】A 文章编号1606-5123（2017）10-0000-00

1 前言

在“在互联网+”的热潮中，人工智能产业发展很快。在2016年里，国家发改委、科技部、工信部、中央网信办发表了《“互联网+”人工智能三年行动实施方案》，该方案提出了三个任务，九大重点工程，开启千亿元级的人工智能市场应用规模，在重点领域培育若干全球领先的人工智能骨干企业。在2017年3月的两会上，人工智能仍然是榜上有名。我们从事自动化技术和智慧工厂业务的人们，要乘此春风，努力把互联网、云计算、大数据等技术与人工智能技术结合，为各行业的创新，人们提供各种基础性部件，诸如人工智能算法、软件模块、嵌入式系统、通信接口等。本文算是抛砖引玉、科学普及吧！

2 人类的智能

 人类在医学、解剖学、心理学的的研究基础上，特别是近10多年来，无损伤、大面积检测脑活动的技术有了突破性进展，正电子发射断层照相技术(PET)、功能磁成像(FMI)即脑电图、脑磁图技术等，使得识别、记忆、想象等方面，已经为人类在精神和脑部临床诊断和探索脑的秘密方面产生了巨大的作用。本意先概述一下人的神经系统和精神活动为主。

 人用眼、耳、鼻、舌、身等感觉器官，把客观事物的信息传入神经元，中枢神经元。把刺激信号传入大脑皮层，经综合分析……发出冲动(指令信号)，经脑干或脊髓，由运动神经的传出纤维(传出神经元)传至效应器，产生各种反应。

实际神经系统可分为中枢神经系统和周围神经系统。中枢神经系统是神经系统的司令部，包括脑和脊髓等，脑又分为大脑、小脑、间脑和脑干四部分。周围神经系统是由脑干发出的12对脑神经和脊髓发出的31对脊神经组成，它们广泛分布于全身各处，能感受体内外的各种变化并传达各级司令部下达的各种指令。在周围神经系统中，又把管理内脏活动的神经特称为植物性神经，根据它的功能，又分为交感、副交感两种神经，它能调节内脏平滑肌的收缩，使体内外保持相对平衡，提高人体适应自然界的能力。

大脑是人体的最高司令部，大脑皮层表面层可达2200cm²，有约140亿个神经细胞体，其内主要有听小区、视小区、嗅小区、语言区、躯体感觉区、躯体运动区等，大脑对人体管理，是一种交叉倒置的系统，大脑两侧半球的功能有一定分工，绝大多数的人左半球为管理语言功能，右侧半球为管理非语词性认识功能，如空间辨认、音乐欣赏分辨等。此外，小脑使动作协调准确；间脑的功能是：丘脑是大脑皮层以下的感觉中枢，控制着体温、摄取食物和平衡等生理活动，及对人的愉快、温和、发怒、恐惧等情绪有密切关系，另外就是通过下丘脑对垂体进行影响，以调节垂体的激素分泌，对全身内分泌活动进行调节；脑干维系生命基本活动，本文从略。

无论研究人类的精神活动、心理过程或智能，都应在上述神经系统的物质基础上全面协调的、统一的进行研究。为了阐述方便，下面只是从功能上人为的分成感觉和知觉、记忆、思维三大块头来说明。

2.1 感觉和知觉

感觉是较复杂的感受，即对感觉到的东西综合认识，反映事物的整体和事物间的联系。

通过本节开头所说的PET和FMRI无损伤大面积监测脑活动技术，证明了视觉信息加工中枢机制和物体识别、面貌识别机制中关键结论，如视网膜向大脑中枢的序列等级加工和平行加工并存，视觉刺激的不同属性在分离的通道内传递和加工；大脑皮层的区域性功能特化，每一区着重处理刺激的一种属性或特征；通过分布在脑各处的特征检测神经元(群)的同步振荡实现特征的组接，构成景物分离和物体识别的重要环节；在人识别面貌的能力和识别物体能力分离的基础上进一步证明人面部选择区为280mm³，住于右侧梭状回(和/或其临近的沟)。

2.2 记忆

记忆是贮存于脑内所有人信息的总和，是以往经验的再现，包括对物的识记，保持和再现三个环节。识记是通过学习在大脑留下痕迹的过程；将识记后的痕迹贮存于大脑中的过程称为保持，保持就是知识的积累；再认和再现是记忆的两种表现形式，再现的反面是遗忘。

工作记忆是维持信息表象于活跃状态，以便于进一步利用的过程，或者说是当前输入的信息或长期记忆中提取出的信息的短时储存过程。已证明工作记忆与前额叶皮层有关。FMRI方法研究表明，在选择不同位置上的图形时，受试者右侧前额叶的交级部位活动加强，即空间信息存于前额叶较高区域；但当受试者执行需分析推理的较难任务时，其双侧大面积前额叶活动加强。这些证明脑的多种过程有条不紊。

关于网络记忆的概念，指出人们现在正由记忆系统的记忆概念转变。提出使人感知或运动的系统同时也负责知觉记忆和运动记忆，回忆、识别和工作记忆主要是通过联想再激活记忆网络实现的。提示工作记忆涉及到分布的神经系统，即一个记忆网络。

2.3 思维

思维是人脑对客观事物的间接概括的反映，这是人类最重要的心理功能，是认识的高级阶段。思维的特征是间接性和概括性。间接性是指思维活动，是利用已有的只是为媒介，不依靠实际的物体来进行的；概括性是指它反映事物的本质和事物的内部联系，这其中有一个关联词，就是“概念”，这是事物中抽象出来的本质的属性。人的思维过程，包括分析、综合、比较、抽象、概括、判断和推理。人们借助词语来进行概括的反映而形成概念。概念是进一步进行判断和推理。推理又分出归纳和演绎两种，前者是从特殊事例到一般原理的推理；后者是从一般原理到特殊事例的推理。

思维的沿伸有睡眠和做梦、情感和情绪、注意(有选择地指向某一特定对象的心里活动)、意志和行动、理想、意识等。在人类智能中智力和智力测验，是大家关注的。智力包括感知、记忆能力、抽象概括能力和独创性解决问题(创新)的能力，智力除遗传因素外，环境和教育或称为学习，是作用很大的。智力测验的方法有多种，对儿童智力测验通常用的为在比奈—西蒙智力测验表基础上，美国修订的斯坦福—比奈量表和韦克斯勒量表。智商(IQ)是智力商数的简称，是心理年龄除以实际年龄，再乘以100所得的数值，一般是90-100为正常智力。

思维的心理、生理研究，是重中之重，PET的研究在想象(Imagine)的神经基础方面已有一定成果，如当受试者想象运动动作外和想象图形会分别引起皮层背侧视区和腹侧视区活动加强，单个神经元记录也表明做联想记忆操作时，颞下皮层神经元在特定图形刺激下活动加强，还有研究表明视觉想象和视觉一样在初级视皮层形成拓扑表象。总之多级通道还有大量返回纤维联系，对想象、回忆等过程中起重要作用。这些年在学习和记忆方面的研究，更是需求迫切，关于年轻人的教育和老年人的医疗和养老保健，更是实用课题很多，如自适应产生式系统已经揭示了人子啊学习过程中的一些重要的现象和规律，用于教学和改善老年人老化过程等方面，取得了一定的效果。

总之，对人类智能的初步研究，已经知道神经系统是如此精密复杂，系统庞大和功能强大，我们要化大力气去研究它。我们要记住，实现机器智能化和使人工智能适用于人们的生活和产生诸方面这个目的，只是其中的一部分。倒过来，人工智能的研究，去促进人类神经系统和大脑的研究，也是非常重要的，我们要把人工智能作为工具，去促进人类智能的研究。

3 人工智能和其他学科

在自动化科学技术之下，与古典控制理论、现代控制理论等平行的“人工智能”，下面又分自动机理论。知识工程(应用人工智能)，模式识别、专家系统、广义问题求解学、自然语言理解、自动程序设计等。通过这些年的发展，人工智能学科虽然受到重视，机器人视觉、智能机器人、机器人规划等门类纳入其中；现代控制理论中智能控制等纳入其中；更有数学中模糊性数学及现代控制理论中模糊控制理论等也纳入其中。这些年，无人机(飞行器)，无人汽车等大量创新实践，也使人工智能这个学科增加了很多学术课题，所以人工智能学科将会得到很大发展，从而也促进人工智能产业的发展。这些交叉学科的加入，将使人工智能前途无限好！

人工智能探求人脑的思维过程和模拟人类智能，研究将人类的脑力劳动外延到某种物理装置的原理和实现的科学。人工智能就是机器(计算机)执行某些与人的智能有关的复杂功能(如判断、模式识别。理解、学习、规划和问题求解等)的能力。人工智能的任务是用机器去部分的代替人的脑力劳动。

人工智能虽没有形成统一的理论，研究内容包括自然语言处理、自动定理证明、智能数据检索系统、视觉系统、问题求解、人工智能方法和程序语言及自动程序设计等，另一类研究内容包括：识别动物的神经系统的工作原理，尤其是认识人类大脑的思维活动原理和具体的结构功能，及对神经元的模型和对生物有目的活动的宏观模拟即进化过程模拟，这用数学分析和逻辑代数、特别是有眼自动机理论等数学工具。下面分六项进行介绍。

3.1 模式识别

模式识别(Pattern recognition)是研究各种物理对象或过程的学科。作为模式，主要有研究声音、字符、图像、细胞涂层等模式，虽然物理性质可能不同，但具有一定共同性。目前主要有三种识别途径，即图像识别系统、文字识别系统、语言识别系统，具体采用统计方法和语言结构方法。统计方法着眼于找出能反映模式特点的某种特征度量，用特征空间中的向量代表所研究的模式。语言结构方法着眼于模式的结构信息，使复杂的模式用简单的子模式构成，子模式又由更简单的子模式构成等。

3.2 自然语言理解

自然语言理解(Natural language understanding)是研究利用计算机自动理解书面或有声语言的学科。与文字识别和语言识别系统结合起来进行书面语言和有声语言的识别与理解。主要研究内容有句法分析、语义分析、转移网络、格语法、概念相关理论。还有一种语用学，在自然语言理解中有广泛的应用。语言合成的基本原理是把发音过程分成若干要素，不同语音对应着不同的要素值，根据要表达的自然语言，可以控制语音合成器讲话。

3.3 专家系统

专家系统(Expert System)是研究利用专家推理方法处理需要由专家来分析和判断的问题的软件科学，“专家系统”是用在计算机内的专家知识，解决过去需要专家才能解决的现实问题的计算机系统。专家系统由知识库、全局数据库、推理机、解释部门、知识获取部分组成。专家系统的主要研究内容有知识获取、知识表示方法、推理机制等。专家系统应用非常广泛，不同专业知识和经验就构成了不同的专家系统，如用于化合物化学结构分析的DENDRAL系统等。

3.4 知识工程

与专家系统学科相关的还有知识工程(Knowledge Engineering)或称应用人工智能。它研究对象是计算机的知识模拟、自动求解及专家系统。它以人工智能研究结果的应用为目的，中心课题是构造专家系统，使专家系统能解决高水平的难题。主要内容有知识的表示、知识推理、知识的获取。知识的获取包括获取知识的辅助系统的学习系统；还包括如何系统化。结构化知识，并送到知识库，如何保持知识库内的知识完全性和一致关系，如何提交知识库本身学习能力等。

3.5 模糊控制理论

模糊控制理论(Fuzzy Control Theory)是研究应用模糊集合理论，并通过计算来模拟人脑的思维方式及人的控制行为，对难于建立精确数学模型的复杂系统实现自助控制的科学。研究的主要内容有：①模糊集合、隶属函数、模糊关系、模糊矩阵、模糊语言变量、模糊逻辑及模糊推理；②模糊自动控制系统的组成及模糊控制原理；③模糊控制器的设计；④模糊控制器的建模、模糊控制器的建模、模糊系统辨识及模糊预报问题；⑤自追应模糊控制、自组织模糊控制、自组织模糊控制、自学习模糊控制及专家模糊控制。模糊智能控制问题；⑥模糊控制系统的设计、性能指标及稳定性分析理论；⑦模糊控制理论的工程应用。其中前几项内容可以在数学、模糊拓扑学、模糊群论中找到。

3.6 机器人视觉

机器人视觉(Robot vision)它是研究计算机视觉(或“机器视觉”)在机器人技术中的应用，它作为一种手段识别对象物，测定它的位置和姿态，研究内容包括图像处理、图像识别和图像理解。图像处理主要是用来改善图像质量，对视觉信息处理，便于图像识别，包括图像编码、增强、压缩变换、复原和分割等；图像识别是在分割基础上提取图像特征、测量某些参数、结构分类和对图像进行描述；图像理解是在处理和识别的基础上获取表达源世界的描述。

近十多年来，从学科上看来，各种算法种类在增加，研究进程在深入，特别是各种人工智能用传感器在发展，神经元网络、自学习、自组织、自适应、自恢复、进化算法。遗传算法等方面都形成了规模，更有深度学习及超级计算等新的成果等，使他在人工智能领域中，一座座山峰被人们攻克，使人工智能学科得到大发展。

4 人工智能的应用

4.1 互联网+

（1）《“互联网+”人工智能三年行动实施方案》中，提出了三个方面的主要任务，这三个方面是：培育反战人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平。其中第一方面任务是产业化打基础和抓共性技术的，尤其重要。如加快建设文献、语言、图像、视频地图等多种类数据的流量训练资源和基础资源服务公共平台；建设支撑超大规模深度学习的新型计算集群；建立完善产业公共服务平台。又如研究网络安全周期服务；提供云网端一体化、综合性安全服务。进一步推进计算机视觉、智能语言处理、生物特征识别、自然语言理解、智能决策控制以及新型人机交互等关键技术的研发和产业化。这些都是人工智能的应用的基础和关键的首要任务。

4.2 基本路径

在“工业软件推进智能制造的原动力”一文中，提出人造系统走向智能化有三个基本路径：

(1)数字化一切可以数字化的事物，基本做法是在物理设备中嵌入数字化计算内核。

(2)网联一切可以联接的事物，基本做法是把不同要素以网络形式联接起来，做到物质、能量、信息、意识联接。

(3)加速知识流动，形成知识泛在基本做法是把人的思维过程与思考结果沉淀成为知识和算法，知识和算法嵌入芯片，芯片嵌入硬件，硬件嵌入物理设备。最终是数据有序、自由的流动。数据承载了信息，信息承载了知识，知识触发和形成了智能。在网络无处不在、知识在任何场景下以数字化形式调用条件下，则可以做到：用尽可能多的数据流动，与尽可能少的成本物耗，来满足批量生产和个性化定制的需求。

这些就是智能化的实质。我们从事人工智能产业的人，应走这样的路径，实现智能化。

在20多年前已出现神经元芯片(Neuron Chip)，它由Echelon公司与Motorola、Toshiba等公司开发，芯片内有3个CPU，提供通讯、I/O功能及Newronc编程语言，可形成LON网络，作为现场总线可与互联网相连。开发者当初就有人工智能与神经元相联系的思路，可谓善哉！现今人们，应不忘初心，继续努力，前赴后继，达到黄金的彼岸。据说我国现已有了自己的人工智能芯片，希望早见成效。

4.3 深度学习

关于深度学习，是机器学习研究中的一个新的领域，2006年多伦多大学Geffrey Hionton和他的学生们在《科学》杂志发表论文以来持续升温，2010年美国国防部先进研究项目局首次资助深度学习，2011年微软公司在语音识别领域取级突破性进展，2012年深度学习被应用于著名生物制药公司默克的分子药性预测问题，从各类分子中学习发现那些可能成为药物的分子，获得世界上最好的效果。近几年很多行业成果颇多，现在这号处理、图形图像，视频、天气预报、生物信息学、网络搜索等都有“深度学习+超级计算”的身影，如现在肿瘤图像识别领域识别速度和精度级到大幅提升。由于深度学习带来的各项突破，包括应用于蛋白质分析等生物和医药领域取中汲取成果，及计算机视觉发展推动了下一代智能汽车的不断完善，都预示着深度学习不仅成为新一代信息科学研究的主流方法，更逐渐演变为一项核心通用技术和基础技术，有可能引爆新的经济增长点，对社会产生深远影响。

与浅层学习不同，深度学习源于人工神经网络多隐层的多层感知器也就是深度学习结构通常有5层、6层，甚至10多层的隐层节点，明确突出了特征学习的重要性，通过逐层特征变换，将样本在原空间的特征表亦变换到一个新特征空间，从而使分类或预测更加容易。与人工规则更加容易。与人工规划构造特征的方法相比，利用大数据俩学习特征，更能够刻画数据的丰富内在信息。深度学习神经网络是向终极智能探索的一小步，我们要将研究人类智能和人工智能相结合，来推动智慧的进步，造福人类。

4.4 语音识别

语言识别技术在前文中多处已提到，除模式识别、自然语言理解(处理)外，还与概率论、信息、发声机理和听觉机理等有关外，1960年代，人工神经网络(ANN)被引入，出现了线性预测编码(LPC)和动态时间规整技术，产生了隐马尔科夫模型(Hidden Markov model，HMM)，采用了统计模式识别技术。对应系统由以下基本模块组成：信号处理及特征提取模块、统计声学模型、发音词典、语言模型、解码器等。近20年大量实践，语音识别技术将作为人机接口的关键技术，与语音合成技术结合逐步甩掉键盘，通过语音与机器交流。2002年中科院自动化所及其所属的模式科技(Pattek)公司推出了面向不同计算平台和应用的“天语”中文语言系列产品—Pattek ASR，结束了中文语音识别产品自1998年以来一直由国外公司垄断的历史。深度学习在语言识别方面的应用，成绩斐然，如2013年6月18日微软宣布，已经研发出一种新型语音识别技术，可提供“接近即时”语音至文本的变换服务，比目前的语言识别技术快两倍，同时准确率提高了15%。

4.5 医疗诊断

在医疗领域的应用，除了上面说到的医药方面和肿瘤图像识别之外，主要是医疗诊断领域的医疗专家系统(Medical Expert system，MES)，我国在二十世纪50年代就出现了，经过时代变迁，医疗智能诊断系统出现，即人工神经网络专家系统进行有效综合，它做到知识获取的特点是，向现实世界学习，它是将大量的样本(病例)，通过特定的学习计算法得到网络各种神经元之间的连接而获得。目前人工智能技术在医学诊断中应用的难题为：知识获取难、推理速度慢、自学习和自适应能力差。但医学专家们对人工神经网络(Artificial Neural Networks，ANN)所具有的学习，记忆和归纳功能在医学领域的应用，前景看好！

中医专家系统中知识挖掘是一个吸引人们的课题，“辩证论治”中的“证”字具有模糊性、不确定性的特点，主观性强，ANN的应用可以替代部分“辩证”过程。ANN中BP网络是一种前向网络，具有优良的自学习功能，可以通过误差的反向传播方法，对照已知样本进行反复训练，调整网络权值，直至网络的I/O关系在某一训练指标下接近样本。又中医舌诊研究，结合摄像机、显示器的输入输出三刺激值特征化，并采用动量法和学习率进行自适应调止，有效地抑制网络陷入局部极小或“假饱和”现象，构建了一个“中医舌诊八纲辨症”神经网络知识库。此外还有脉象研究(包括海洛因吸食者的脉象)、证候研究(包括糖尿病及心肌梗塞、心纹痛等多种)等。

在医学影像诊断中应用也收获颇丰，很多制药医学专家系统发展的因素也相继得到解决，应用到医学影像方面的初级特征提取技术和成像设备(CT、MRT、PET、X线、超声等)得到广泛应用和研究。

中国是人口大国，又是全民医保体制，所以作为公共资源的医疗、医药领域的人工智能应用问题，不可小觑。

4.6 智能制造

人工智能在机械领域的应用：作为机械产品与人工智能有关的产品和机械制造有关的工艺过程领域很广，这是通常说“智能制造”，它是通用的制造技术，更应首先用于人工智能相关产品的制造。目前的人工智能产品有机器人。电子工业相关产品(包括智能终端如手机等)、与交通有关的智能汽车、无人飞行器(无人机)及轨道交通相关的设备，可穿戴智能设备、家居控制系统和智能建筑设备、各种大型机械设备的安全和故障诊断监控系统等。机械产品的制造流程有关过程都与人工智能应用有关，其中包括机械设计、机械制造、机械电子、故障诊断及全生命周期管理等。应用方法有专家系统、人工神经网络、模糊集理论、启发式搜索等，这4种主要工具，在机械制造领域应用都有一定局限，所以混合智能将成为新的发展趋势。

人工智能机械产品中，智能机器人与人工智能关系最密切，目前机器人产品中工业机器人，从运动控制角度看，还是多采用经典的闭环PID控制和开环的顺序控制等方式，今后在必要的场合应该采用模糊控制、神经网络控制等，一般人工智能应用是从感知、思维、行为三个层次和机器智能、智能机器两个方面，来研究模拟、延伸与扩展人的智能，包括理论、方法、技术及其应用等。

机器人人工智能要解决的主要的三个问题是：识别过程，即外界输入信息向概念逻辑信息转译，将动态、静态图像、声音、语言、文字、触觉、味觉等信息转化为形式化(大脑中的信息存储形式)的概念逻辑信息；智能运算过程，即输入信息刺激自我学习、信息检索、逻辑判断、决策、并产生相应反应；控制过程，即将需要输出的反应转译为肢体运动和媒介信息。现在的机器人前两项较弱，所以人工智能要重点在这两个方面发展。这些年发展了协作型机器人，便于操作人员与机器人一起协作工作。今后机器人大量使用，体力劳动的工人将会较多退出原来的工作岗位，有人提出智能机器人在实际生产线上使用，应适当收税，以补贴失业人员，这些建议还应从长计议。又有人提出，对人工智能的实体机器人应不能拥有感情等类高级思维等，此想法虽然超前，但这也是为了促进机器人事业的长远发展。

此外，人工智能在教育中的应用，虚拟现实(VR)的应用，特别是在医学领域的应用，方兴未艾，请读者自己浏览相关资料。

人脑和人工智能的研究更要与“系统科学”结合，或者说“系统科学”的研究要与脑科学和人工智能科学相结合，特别对复杂巨系统的研究，要结合金融、电子商务、社会管理、衣食住行民生管理等现实问题，让人工智能在其中大显身手，造福于人类。

5 结束语

近20-30年来，随着信息化的进程，知识经济、人脑工程、人工智能以及相关学科都有了很大的发展。世纪之交，提出了21世纪为“脑的世纪”，更有认识脑、保护脑、创造脑的提法，所以在21世纪的2016年提出开启千亿元级的人工智能市场的目标，具有前瞻性现实意义。

参考文献（略）