时间：2023-08-24 17:14:47
导语：在人工智能发展前景的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
摘要：机械电子工程与人工智能的结合是机械电子工程的必然发展趋势，如今人工智能在机械电子工程中的应用越来越广泛，两者的结合将使机械电子工程的自动化和智能化水平进一步提高，同时也有利于人工高智能的更好发展。本文将对机械电子工程与人工智能的各自特点以及历史发展进行简要分析，着重探讨机械电子工程与人工智能之间的相互关系。
关键词：机械电子工程；人工智能；关系
机械工程的每一次发展都带动了工业生产水平的显著提升，机械电子工程通过融入电子技术，使其突破了机械工程的局限性，能够完成传统机械工程难以完成的复杂工作任务，同时也降低了对人员操作的依赖性。随着机械电子工程的不断成熟以及人工智能的快速发展，两者的结合应用得到了广泛重视，机械电子工程的智能化方向发展，将使其技术水平得到进一步提升，满足工业生产对机械设备的多元化需求。
1机械电子工程的发展过程及技术特点
1.1发展历程
机械电子工程在其发展的最初阶段，没有受到相关产业的高度重视，由于缺乏资源支持，技术水平提升缓慢，许多机械电子产品都需要通过手工制作，使其发展受到较大限制。随着机械电子工程的工业化水平不断提升，其技术价值逐渐显露出来，通过机械技术与电子技术的相互结合，能够有效提升传统机械产品的功能和性能。因此机械电子工程逐渐开始受到重视，并实现了流水线生产。但从目前生产规模和生产水平来看，虽然我国引进了国外标准生产线，但生产能力与市场需求相比还较为落后。
1.2技术特点
机械电子工程的主要特点是综合性强，具有跨学科性，涉及到机械、电子技术等多个领域，虽然在设计环节仍以机械为主，但电子技术和信息技术发挥出了越来越重要的作用。还需要根据系统配置需求和生产目标，综合利用其它科学技术。因此，在机械电子工程的设计过程中，通常采用从上至下的设计策略，将不同领域的技术模块相互结合，实现设计中产品的功能和性能要求。相比于传统机械产品，应用多门先进技术的机械电子产品在外观结构上更加小巧、精致，内部结构更加复杂，产品功能和性能都得到了极大提升。
2人工智能的三个发展阶段及发展前景
2.1三个发展阶段
截止到目前为止，人工智能历经了三个发展阶段，在其技术萌芽阶段，人工智能发展缓慢，但是在这一阶段为人工智能的后续发展积累了大量的宝贵经验。第一台超级计算机的诞生加快了人工智能的发展速度，但是在该阶段的研究仍未取得实质性进展。从1956年开始，随着人工智能命题的首次提出，人工智能进入第一个发展阶段，其基本原理和博弈原理得到证明，解放了技术思想，为人工智能的后续发展提供了强有力的理论支持。1977年，第五届人工智能会议的成功召开使人工智能进入第二发展阶段，其技术应用得到快速发展，并与实际生产相结合，取得了重要的实际应用价值。近年来，人工智能的发展受到了越来越多的关注，具有良好的发展前景。
2.2发展前景
人工智能以计算机为依托，不断延伸自身的智能性，深度挖掘计算机功能的各种可能，是21世纪以来最具有发展前景的学科之一。人工智能学科以计算机技术为基础，立足于心理学、信息论等多个领域知识，吸收了许多其他学科的特点，同时也推动了其他学科的更好发展，是一门极具发展潜力的前沿学科。人工智能技术在机械电子工程领域的应用，将弥补机械电子工程的不足，促进机械电子工程的更好发展。
3机械电子工程与人工智能的关系探究
3.1应用差异性
人工智能的应用需要以计算机网络系统为依托，因此无法通过其他途径在机械电子工程中得到应用只有对网络系统进行人工的指令转变，才能在机械电子工程中实现智能化控制。而计算机网络系统的运行是以数据分析和计算为基础的，一旦在数据处理过程中出现问题，就会导致人工智能控制失误，进而导致机械电子工程的网络系统发生崩溃。因此，人工智能在机械电子工程中具有一定的应用差异性。
3.2综合性补充
机械电子工程采用模块化设计方式，每个模块的功能特点较为固定，而现代机械电子工程对其功能的多元化需求不断提高，一些综合需要人工智能提供支持。因此，人工智能技术可以对机械电子工程进行综合性补充，通过其自身的综合操作功能，为机械电子工程的多元化工程实现提供辅助。比如目前较为成熟的模型推理系统就是两者相互结合的典型例子，也是人工智能技术在机械电子工程中应用的正确方法。目前人工智能中神经网络系统通过对人体神经进行模仿，使其技术水平更进一步，在机械电子工程中的应用，可以实现对机械电子工程各个功能模块的完整控制，使二者更加完美的结合。
3.3不稳定性处理及精度控制
不稳定性是机械电子工程存在的主要缺陷之一，其系统本质以及输入、输出关系决定了机械电子工程的不稳定性，对其各项功能的实现及正常使用产生较大的负面影响。在传统的机械电子工程中，主要采用解析法对系统的不稳定性进行调节控制，但这种控制方法无法做到精确控制，因此对不稳定性的调节能力有限。人工智能技术以计算机技术为基础，能够实现对数据的准确、高效处理，可以很好的弥补机械电子工程的这一缺陷。可以采用人工职能的神经模式对机械电子系统进行精确化控制，为系统的稳定运行提供保障。
4结束语
综上所述，机械电子工程与人工智能都经历了较为漫长的发展过程，都整合了大量相关学科，具有较强的综合性。针对于电子机械工程目前存在的功能多元化需求和系统不稳定性缺陷，人工智能技术可以对其进行有效弥补，促进机械电子工程的更好发展。因此，应加大力度促进机械电子工程与人工智能的相互融合，使人工智能技术在机械电子工程领域得到更加广泛的应用。
参考文献
[1]吴昊年,杨文.刍议机械电子工程与人工智能之间的关系[J].电子技术与软件工程,2015(15):130.
[2]王一楠.试论机械电子工程与人工智能的整合思路构建[J].科技风,2015(21):154.
[3]温伟华.人工智能技术在机械电子工程领域的应用[J].自动化与仪器仪表,2016(02):96-97.
[4]周龙飞,屈梁浩,梅越.浅析机械电子工程与人工智能的关系[J].通讯世界,2016(08):235.
【摘要】2016年是“十三五”的开局之年，也是全面建成小康社会决胜阶段的开局之年，设施农业产业将面临更多的机遇和挑战。在以往的研究中，针对物联网对设施农业影响的研究比较多，本文将以人工智能在设施农业领域应用为视角，分析人工智能对设施农业的潜在发展优势。
施农业是集种植、农业装备等多领域为一体的系统工程，是一种在人为可控环境下进行的高效农业生产方式，具有成套的生产技术、完整的设施装备和生产规范[1]。近几年，随着信息技术的发展，物联网技术逐渐被应用到农业生产和科研中，这是现代农业依托新型信息化应用的一次进步[2]。本文结合人工智能研究成果，着重介绍人工智能技术在设施农业种植领域方面的应用前景，根据设施农业产前、产中、产后3个阶段，对现有研究成果进行了阐述。
人工智能概述
“人工智能”一词是1956年在Dartmouth学会上提出。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI，它是研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新型科学技术[3]。
作为计算机科学的一个重要分支，人工智能技术着眼于探索智能的实质，模拟智能行为，最终制造出能以人类智能相似的方式做出反应的智能机器。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科，即怎样表示知识以及怎样获得知识并使用知识的科学。”而另一位美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”@些说法反映了人工智能学科的基本思想和基本内容。人工智能自诞生以来，理论和技术日益成熟，应用领域不断扩大，可以设想，未来应用了人工智能的科技产品，将会是人类智慧的“容器”。
随着人工智能技术的日益成熟，人们意识到人类已经具备了设计和建造智慧型设施农业所需的硬件和软件技术条件，结合设施农业高投入高产出，资金、技术、劳动力密集型的特点，完成工厂化农业生产已经不是梦想[4]。依靠人工智能技术，作物可以在适宜的温度、湿度、光照、水肥等设施环境下，生产优质、高产的农产品，摆脱对自然环境的依赖，实现设施生产的高度智能化，提高农业生产的效率，降低劳动成本[5]。
人工智能在设施农业领域的应用
人工智能技术在产前阶段的应用
在设施农业产前阶段，凭借人工智能技术可对土壤、灌溉水量需求、作物品种质量鉴别等方面做出分析和评估，为农民做出科学指导，对后续的农业生产起到很好的保障作用。
土壤分析是农业产前阶段最重要的工作之一，是实现定量施肥、宜栽作物选择、经济效益分析等工作的重要前提[6]。在土壤分析等农业生产智能分析系统中，应用最广泛的技术就是人工神经网络（简称ANN）。ANN是模拟人脑神经元连接的，由大量简单处理单元经广泛并互连形成的一种网络系统，它可以实现对人脑系统的简化、抽象和模拟，具有人脑功能的许多基本特征。目前可以通过该技术分析土壤性质特征，并将其与宜栽作物品种间建立关联模型。土壤性质特征的探测主要是借助非侵入性的探地雷达成像技术，然后利用神经网络技术在无人指导的情况下对土壤进行分类研究，进而建立起土壤类别与宜栽作物的关联关系；土壤表层的黏土含量也可通过人工智能方法预测，该技术通过分析电磁感应土壤传感器获取的信号，使用深度加权方法从中提取土壤表层质地信息，然后使用ANN预测土壤表层的黏土含量。
传统农业对灌溉用水的使用量往往依靠经验，无法根据环境变化进行精确调节，对多目标灌溉规划问题也无能为力。人工智能技术可帮助人们选择合适的水源对作物进行灌溉，保证作物用水量，大大减轻灌溉问题对作物产量造成的不良影响。在美国，有专家研制出一个隐层的反馈前向ANN模型和一个位于科罗拉多州地区阿肯色河流域的消费使用模型，使用它们可勘察区域气候变化对灌溉用水供应和需求可能产生的影响。在灌溉项目研究中，为了选择最好的折中灌溉规划策略，还可基于多目标线性规划优化，利用神经网络将非支配的灌溉规划策略加以分类，将这些策略分为若干个小类别。结果表明，在对多目标灌溉规划问题加以建模时，综合模型方法是有效的。
人工智能技术在产中阶段的应用
在设施农业产中阶段，主要应用是农业专家系统、人工神经网络技术、农业机器人等。这些技术能够帮助农民更科学地种植农作物并对温室大棚进行合理的管理，指导农民科学种植，提高作物产量。这些人工智能技术的使用推进了农业现代化的发展，提高了农业生产的效率，使农业生产更加机械化、自动化、规范化。
专家系统是指应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂问题的计算机（软件）系统。国际上农业专家系统的研究始于20世纪70年代末期的美国，1983年日本千叶大学研制出MTCCS（番茄病虫害诊断专家系统），到了20世纪80年代中期，农业专家系统不再是单一的病虫害诊断系统，美国、日本、中国等国家也相继转向开发涉及农业生产管理、经济分析、生态环境等方面的农业专家系统。农业科研人员把人工智能中的专家系统技术应用到农业生产中，开发出了农业专家系统。它可代替农业专家走进生产温室，在各地区具体指导农民科学种植农作物，这是科技普及的一项重大突破。
在设施生产中可以使用机器人来代替农民进行作物采收，不仅可以降低劳动成本，也可以提高工作效率。Wolfgang Heinemann等人研发出的具有独特设计结构的采收机器人，该机器人可以在无需人类干扰的情况下自动采收白芦笋。为了保证机器人能够精确行进，它使用了2个独立的速度控制轮和级联控制结构（其中包含了一个内部的定位误差控制器和一个外部的横向偏置控制器）。借助PID算法①，机器人系统可以分析自己的运动轨迹，优化驱动电机的控制参数，保证系统能够稳定自主的运行。
在中国，应用人工智能技术的智能杂草识别喷雾系统已经得到了长足发展。图像分析系统通过分析田间图像的颜色模型，根据色差分量②颜色特征实现杂草实时识别，并基于Canny算子对识别到的杂草进行边缘检测，提取其特征参数，配合超生测距等技术可以精确控制喷头位置及用药量[7]。该技术的应用可以大大提高除草剂的经济性，对保护环境也大有益处。
人工智能技术在产后阶段的应用
人工智能技术在设施农业产后阶段也有相当多的应用前景。
在农产品分类方面人工智能技术能提供很好的支持。张嘏伟[8]等提出了一种基于图像识别的番茄分类方法，该方法根据番茄的表面缺陷、颜色、形状和大小，使用遗传算法训练的多层前馈神经网络对番茄进行分类，并与BP训练神经网络③进行了比较。结果表明，遗传算法在训练次数和准确性上都具有优势。谢静[9]等对图像识别分类中的图像预处理方法进行了研究，包括图像噪声去除方法、图像分割方法、边缘提取方法等。提出了使用改进的canny算法④和当量直径法相结合来检测水果大小的新思路，并使用模糊聚类方法处理gabor滤波器提取水果表面缺陷特征，对水果表面缺陷进行了分类。
随着社会的发展，人民生活水平的提高，广大消费者及国家都对食品安全问题越来越重视，农产品质量检测方法也在不断进步。图像识别、电子鼻等技术都应用在了农产品检测中。李洪涛[10]等利用人工嗅觉装置，模拟人的嗅觉形成过程分析、识别和检测农产品在腐败过程中释放的不同特征气体。其制作了小型化的传感器阵列并利用半导体制冷片搭建了一个PID温度控制系统，保证传感器正常工作的温度及湿度。在当前技术的发展下，科学家们以彩色计算机视觉系统为重要技术手段，综合运用图像处理、人工神经网络、遗传算法、模拟退火算法以及决策树、专家系统等人工智能领域的技术，研究出了众多实现农产品品质检测和自动分级的新方法。
草莓、葡萄等农产品很容易破损和受伤，依靠人工采摘和搬运，不仅增加了劳动成本，也影响农产品采摘后的品质。结合磁流变（MR）流体技术，工程师们设计出了一种可用于搬运农产品的磁机器人手爪，该手爪经过精确设计，可以搬运胡萝卜、草莓、西兰花和葡萄等不同形状食品，而且不会在食物表面留下任何淤痕和凹陷。为了让机器人手爪更为快速、准确地工作，在磁流变手爪的基础上结合力传感技术开发出了更为灵活、智能的新型手爪。该手爪可在410～530 ms内抓握50～700 g重量的农作物，还能显著减少细菌的交叉感染。
人工智能发展前景
近年来，人工智能技术已经取得了长足的进步，语音识别、自然语言识别、计算机视觉、自动推理、数据挖掘、机器学习以及机器人学都在蓬勃发展。人工智能的未来就是在智能感知的前提下，结合大数据技术自主学习，椭人们做出决策、代替重复性工作。在农业方面出现全天候全自动平台，实现农业生产的全自动化[11]。物联网技术在设施农业中已经得到普及，在温室大棚中的大量智能传感器是机器感知的基础，而感知则是智能实现的前提之一，通过感知，农业数据源源不断地汇集在一起。云计算的发展为大数据存储和大规模并行计算提供了可能[12]，而数据则是机器学习的书本。设施农业是物联网、云计算、人工智能三大技术结合应用的领域之一，它们的结合颠覆了传统农业生产方式。
面对众多的新技术、新成果，把它们投入到生产中去才是关键。如何让技术能够适应中国复杂的农业生产环境，同时还要面对不同知识水平的用户，这些都是人工智能技术、云计算技术等高新技术在农业生产中所面临的问题。设施农业高产出高投入的特点，正适合应用这些新技术，这样既可以让新技术有实践的机会，又可以让其他涉农用户对新技术有直观的感知，这对技术进步和技术推广都很有帮助[13]。
人工智能技术虽然前景光明，但其应用的研究才刚刚起步，离目标还很远。未来，人工智能技术可以更好地为人们服务，改善人们的生活，并带来巨大的社会和经济效益[14]。在人工智能的引领下，农业已迈入数字和信息化的崭新时代，借助其技术优势来提高农业生产的经济效益，是全面实现农业生产现代化、智能化、信息化的必由之路。
参考文献
[1]李雪，肖淑兰，赵文忠，等.信息技术在农业领域的应用分析[J].东北农业大学学报，2008，39（3）：125-128.
[2]施连敏，陈志峰，盖之华，等.物联网在智慧农业中的应用[J].农机化研究，2013（6）：250-252.
[3]刘现，郑回勇，施能强，等.人工智能在农业生产中的应用进展[J].福建农业学报，2013，28（6）：609-614.
[4]姜芳，曾碧翼.设施农业物联网技术的应用探讨与发展建议[J].农业网络信息，2013（5）：10-12.
[5]陈超，张敏，宋吉轩，等.我国设施农业现状与发展对策分析[J].河北农业科学，2008，12（11）：99-101.
[6]邹承俊.物联网技术在蔬菜温室大棚生产中的应用[J].物联网技术，2013（8）：18-24.
[7]石礼娟.基于可见光/近红外光谱的稻米质量快速无损检测研究[D].武汉：华中农业大学，2011.
[8]张嘏伟.计算机视觉系统在番茄品质识别与分类中的研究[D].保定：河北农业大学，2005.
[9]谢静.基于计算机视觉的苹果自动分级方法研究[D].合肥：安徽农业大学，2011.
[10]李洪涛.基于农产品品质检测的专用电子鼻系统的设计与研究[D].杭州：浙江大学，2010.
[11]张震，刘学瑜.我国设施农业发展现状与对策[J].农业经济问题，2015（5）：64-70.
[12]施连敏.物联网在智慧农业中的应用[J].农机化研究，2013（6）：250-252.
目前，金融科技如火如荼。金融智能化正在改变甚至颠覆整个金融行业。这种对传统金融的颠覆与改造也许比预想的来得早、来得快。
如果说互联网金融已经开始动摇传统金融的根基，那么金融科技将彻底颠覆传统金融的所有领域。围棋是最复杂、需要开动最强大脑的比赛，而人工智能却能轻易战胜世界冠军，那么金融领域包括分析师等最高端岗位都可能被人工智能取代。
金融分析师面临的挑战
金融数据服务商Kensho创始人预计，到2026年，有33%～50%的金融业工作人员会失去工作，他们的工作将被电脑所取代，这其中就包括金融业高端服务的金融分析师。而特许金融分析师协会（CFA协会）是通过考试来“生产”世界上最权威、最专业金融分析师的摇篮。CFA证书是投资从业者的“黄金标准”。投资从业者希望通过获得CFA认证，可以更深入地了解市场，获得更好的工作岗位和更高的薪酬。
如果人工智能替代金融分析师岗位，那么不远的将来CFA证书或许将一文不值，CFA协会也将最终被人工智能金融所淘汰。全球金融分析师包括CFA证书持有者都正面临空前的危机。他们的危机同样是CFA协会的危机。这促使CFA协会主动出击，主动拥抱人工智能金融。
CFA协会将人工智能等内容加入考纲，希望持证人能充分利用人工智能指导投资决策。近期，CFA协会分管资格认证的执行董事Steve Horan称，协会计划将人工智能、智能投顾以及大数据分析方法纳入CFA考试大纲，新的知识点将在2019年CFA考试中出现。
CFA考试纳入人工智能等内容能否起作用
实际上，即使纳入大纲也不一定能够挽救金融分析师及其组织的命运。因为人工智能不仅被引入到金融行业，而且正在对各行各业，甚至是有些看似非常高大上的行业构成严重冲击。我们不妨看几个例子。
2016年，最热闹的事件莫过于谷歌Alpha Go大战李世石。但不为众人所知的是，2016年IBM的沃森（Waston）通过阅读医学文献，成功救治了一位日本患者。也就是说医生这个职业被人工智能取代的可能也非常大。
法律工作者似乎也不能幸免。摩根大通设计了一款金融合同解析软件COIN。这款软件上线半年多，此前律师和贷款人员每年消耗36万小时才能完成的工作，如今COIN只需几秒。
金融数据服务商Kensho的程序可以迅速告知人们，在发生冲突的时候，石油、货币等各类资产，在过往是如何表现的。Kensho开发的程序做这份工作只需要1分钟，而分析师们需要40个小时，且这些分析师还拿着35万～50万美元的薪水。
目前，欧洲地区、美国、日本正在研究能够读研报、分析研报的沃森，它既能跟踪市场资讯与价格波动，又能眨眼之间就告诉投资者什么时候买入什么股票。最可怕的是，它不会抱怨，不会要求加薪。
一个报道的描述非常形象：当你在吃饭的时候，机器人在读研报；当你在喝咖啡的时候，机器人在读研报。机器人不会疲惫，不用休息，可以通宵达旦。对于分析常用的股票估值模型，人工智能用了之后更快，用得更嗜贰
从被动应对到主动变革
无论如何，金融科技正在快速到来，无论你愿意不愿意，承认不承认，它正在向金融业最高级群体的金融分析师走来。其他群体基本无一幸免。
关键词：人工智能；计算机科学；发展方向
中图分类号：TP18
文献标识码：A
文章编号：1672-8198(2009)13-0248-02
1 人工智能的定义
人工智能(Artificial Intelligence，AI)，是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有“直觉的方程式”，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
2 人工智能的应用领域
2.1 人工智能在管理及教学系统中的应用
人工智能在企业管理中的应用。刘玉然在《谈谈人工智能在企业管理中的应用》一文中提到把人工智能应用于企业管理中，认为要做的工作就是搞清楚人的智能和人工智能的关系，了解人工智能的外延和内涵，搭建人工智能的应用平台，搞好企业智能化软件的开发工作，这样，人工智能就能在企业决策中起到关键的作用。
人工智能在智能教学系统中的应用。焦加麟，徐良贤，戴克昌(2003)在总结国际上相关研究成果的基础上，结合其在开发智能多媒体汉德语言教学系统《二十一世纪汉语》的过程中累积的实践经验，介绍了智能教学系统的历史、结构和主要技术，着重讨论了人工智能技术与方法在其中的应用，并指出了当今这个领域上存在的一些问题。
2.2 人工智能专家系统在工程领域的应用
人工智能专家系统在医学中的应用。国外最早将人工智能应用于医疗诊断的是MYCIN专家系统。1982年，美国Pittsburgh大学Miller发表了著名的作为内科医生咨询的Internist 2I内科计算机辅助诊断系统的研究成果，1977年改进为Internist 2Ⅱ，经过改进后成为现在的CAU-CEUS，1991年美国哈佛医学院Barnett等开发的DEX-PLAIN，包含有2200种疾病和8000种症状。我国研制基于人工智能的专家系统始于上世纪70年代末，但是发展很快。早期的有北京中医学院研制成“关幼波肝炎医疗专家系统”，它是模拟著名老中医关幼波大夫对肝病诊治的程序。上世纪80年代初，福建中医学院与福建计算机中心研制的林如高骨伤计算机诊疗系统。其他如厦门大学、重庆大学、河南医科大学、长春大学等高等院校和其他研究机构开发了基于人工智能的医学计算机专家系统，并成功应用于临床。
人工智能在矿业中的应用。与矿业有关的第一个人工智能专家系统是1978年美国斯坦福国际研究所的矿藏勘探和评价专家系统PROSPECTOR，用于勘探评价、区域资源估值和钻井井位选择等。20世纪80年代以来，美国矿山局匹兹堡研究中心与其它单位合作开发了预防煤矿巷道底臌、瓦斯治理和煤尘控制的专家系统；弗尼吉亚理工学院及州立大学研制了模拟连续开采过程中开采、装载、运输、顶板锚固和设备检查专家系统Consim；阿拉斯加大学编写了地下煤矿采矿方法选择专家系统。
2.3 人工智能在技术研究中的应用
人工智能在超声无损检测中的应用。在超声无损检测(NDT)与无损评价(NDE)领域中，目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质，形状和大小进行判断和归类；专家在传统超声无损检测与智能超声无损检测之间架起了一座桥梁，它能把一般的探伤人员变成技术熟练。经验丰富的专家。所以在实际应用中这种智能超声无损检测有很大的价值。
人工智能在电子技术方面的应用。沈显庆认为可以把人工智能和仿真技术相结合，以单片机硬件电路为专家系统的知识来源，建立单片机硬件配置专家系统，进行故障诊断，以提高纠错能力。人工智能技术也被引入到了计算机网络领域，计算机网络安全管理的常用技术是防火墙技术，而防火墙的核心部分就是入侵检测技术。随着网络的迅速发展，各种入侵手段也在层出不穷，单凭传统的防范手段已远远不能满足现实的需要，把人工智能技术应用到网络安全管理领域，大大提高了它的安全性。马秀荣等在《简述人工智能技术在网络安全管理中的应用》一文中具体介绍了如何把人工智能技术应用于计算机网络安全管理中，起到了很好的安全防范作用。
3 人工智能的发展方向
3.1 人工智能的发展现状
国外发展现状。目前，AI技术在美国、欧洲和日本发展很快。在AI技术领域十分活跃的IBM公司。已经为加州劳伦斯・利佛摩尔国家实验室制造了号称具有人脑的千分之一的智力能力的“ASCII White”电脑，而且正在开发的更为强大的新超级电脑――“蓝色牛仔(blue jean)”，据其研究主任保罗・霍恩称，预计“蓝色牛仔”的智力水平将大致与人脑相当。麻省理工学院的AI实验室进行一个的代号为cog的项目。cog计划意图赋予机器人以人类的行为，该实验的一个项目是让机器人捕捉眼睛的移动和面部表情，另一个项目是让机器人抓住从它眼前经过的东西，还有一个项目则是让机器人学会聆听音乐的节奏并将其在鼓上演奏出来。由于人工智能有着广大的发展前景，巨大的发展市场被各国和各公司所看好。除了IBM等公司继续在AI技术上大量投入，以保证其领先地位外，其他公司在人工智能的分支研究方面，也保持着一定的投入比例。微软公司总裁比尔・盖茨在美国华盛顿召开的AI(人工智能)国际会议上进行了主题演讲，称微软研究院目前正致力于AI的基础技术与应用技术的研究，其对象包括自我决定、表达知识与信息、信息检索、机械学习、数据采集、自然语言、语音笔迹识别等。
我国人工智能的研究现状。很长一段时间以来，机械
和自动控制专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。中国国际科技大学在国家863计划和自然科学基金支持下，一直从事两足步行机器人、类人性机器人的研究开发，在1990年成功研制出我国第一台两足步行机器人的基础上，经过科研10年攻关，于2000年11月，又成功研制成我国第一台类人性机器人。它有人一样的身躯、四肢、头颈、眼睛，并具备了一定的语言功能。它的行走频率从过去的每六秒一步，加快到每秒两步；从只能平静地静态不行，到能快速自如的动态步行；从只能在已知的环境中步行，到可在小偏差、不确定环境中行走，取得了机器人神经网络系统、生理视觉系统、双手协调系统、手指控制系统等多项重大研究成果。
3.2 人工智能发展方向
在信息检索中的应用。人工智能在网络信息检索中的应用，主要表现在：①如何利用计算机软硬件系统模仿、延伸与扩展人类智能的理论、方法和技术，包括机器感知、机器思维、机器行为，即知识获取、知识处理、知识利用的过程。②由于网络知识信息既包括规律性的知识，如一般原理概念，也包括大量的经验知识，这些知识不可避免地带有模糊性、随机性、不可靠性等不确定性因素，对其进行推理，需要利用人工智能的研究成果。
基于专家系统的入侵检测方法。入侵检测中的专家系统是网络安全专家对可疑行为的分析后得到的一套推理规则。一个基于规则的专家系统能够在专家的指导下，随着经验的积累而利用自学习能力进行规则的扩充和修正，专家系统对历史记录的依赖性相对于统计方法较小，因此适应性较强，可以较灵活地适应广普的安全策略和检测要求。这是人工智能发展的一个主要方向。
人工智能在机器人中的应用。机器人足球系统是目前进行人工智能体系统研究的热点，其即高科技和娱乐性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球比赛过程中机器人之间的协作和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用，随着人工智能理论的进一步发展，将使机器人足球有长足的发展。
关键词：电力系统；人工智能；运行
作者简介：郭云川（1971-），男，四川达川人，国网四川省电力公司攀枝花供电公司，工程师。（四川 攀枝花 617067）
中图分类号：TM73 文献标识码：A 文章编号：1007-0079（2013）27-0204-02
电力系统内部非常复杂，涉及到大量的数据和信息，人工管理不但费时费力，还容易出现差错。而人工智能技术却能够解决这些问题，在将来，我国的电力系统必定会往智能化、自动化的方向发展。
一、人工智能技术概述
人工智能技术集脑科学、神经学、信息技术为一体，目前广泛运用于多个领域，同时也是近年来科技领域的一个研究热点。它通过对人脑的原理和行为进行模仿，从而研制出一种自动化的机器，这种机器能分析、识别、发现问题。很多电力企业都运用了这种技术，它提高了电力运行的效率，减少了故障发生的机率，还节约了人力、物力、财力。同时，它也能解决电力系统中非常复杂的问题，比如非线性映射。不仅如此，它还被继电保护所应用。人工智能技术中的神经网络方法，通过采集大量的故障样本，使设备对故障有一定的印象。因此，在发生故障的时候，设备能够快速反应并且发出警报。
二、人工智能技术的种类
1.人工神经网络
人工神经网络是人工智能技术中的一种，它的非线性问题非常复杂，这种技术主要是用在继电保护上，它是通过模仿人的神经系统而研制出来的。此外，人工神经网络还具有比较快的反应能力，能够及时对电力系统进行监控、评估等等。即便是发生了故障，它也能够进行快速的判断，并且对故障的距离、情况等一一进行探测。
2.智能模糊逻辑
智能模糊逻辑通过运用模糊理论，输入变量，建立数学模型，能够很好地对电力系统进行规划，并且诊断电力系统故障。如今，智能模糊逻辑已经成为了一种比较成熟和完善的人工智能技术，广泛应用于电力系统当中。
3.遗传算法
遗传算法的理论基础是数学模型，它通过借鉴自然遗传机制的随机搜索算法，从而对群体和个体之间的信息进行交换。一般情况下，电力系统中比较难的非线性问题都是采用遗传算法来解决。
4.混合技术
所谓的混合技术，就是将遗传算法、人工神经网络、智能模糊逻辑等几种技术合在一起，因为上面所说的几种方法有一定的局限性，甚至还有一些难以克服的缺陷。将这些技术合在一起，就能够更好地解决电力系统中的问题。
三、人工智能技术的特点
1.优点
（1）并行性。该技术具有高度的并行性，因为它的内部由多个简单处理单元组成，这些小单元虽然比较简单，但是处理能力却很高。不仅如此，这些小单元相组合，还能够处理并行活动，对信息的处理速度更是惊人。
（2）记忆性。人工智能技术也具有记忆性，因为它能够对信息进行记忆，然后将这些记忆信息存储在权值当中。从这些权值中就可以看出电力系统中的信息。另外，它还能对信息进行特征提取、特殊处理，给电力系统的工作带来了很大的方便。
（3）非线性全局作用。这种技术中的神经元能够接受其他神经元的输入，并且经过并行网络产生输出，从而对其他的神经元造成一定的影响。整个电力系统是相互制约、相互影响的，这样就可以达到非线性映射，从而表现出一种集体性的行为。
2.缺点
（1）需要较长训练时间。对于一些比较复杂的问题，遗传算法需要进行较长时间的训练。这是因为其学习的速率太慢。
（2）训练的难度较大。如果网络出现了故障，或者权值调得过大，就会使人工智能中的加权总和增加，从而导致导数非常小，而网络权值的调节过程也会随之而停顿。因此，训练的难度较大。
四、电力系统运行中人工智能的具体应用
电力系统中有很多非线性问题，里面的方程式也有一定复杂性和系统性，但是可以应用人工智能技术来解决这些问题。
1.人工神经网络在继电保护中的应用
过去的继电保护装置是运用的普通计算机，后来开始运用人工神经网络，因为这种技术比普通的计算机更加可靠和稳定。在运行过程中，人工神经网络的运行效率非常高，而且速度也很快，不仅如此，人工神经网络还可以实现精准度比较高的算法，从而更好地保护电力系统。
人工神经网络中又包括三个部分，这三个部分分别是前置信号处理子系统、故障区域判定子系统以及故障判定网络。在操作之前，先要对输电线路旁边的电流、电压信号进行处理，从而得到一些数据。之后再把故障的特征输入故障区域判定子系统当中，这样就可以判断系统的故障了。最后再使用第三部分的故障判定网络对故障的性质进行分析。
第一个部分是前置信号处理子系统，要采取合适频率来对继电保护中的电流、电压进行采集，收集到了故障样本之后再将其输入到处理信号的子网络当中，对其进行处理。最后再将刚才的电流、电压的特征进行输出。
第二个部分是故障区域判定子系统，这个系统能够对故障进行判定，用于快速判定故障发生的位置，从而对故障采取合理的解决措施。电力系统发生故障是不可避免的，系统运行了一段时间之后，难免会出现问题，比如金属故障、非线性故障、设备故障等等。
第三个部分是故障判定网络，这个部分会自动对发生的故障进行分析，它有三个层面和节点。必须在其中输入电力系统中的突变量，然后再对得到的这些值进行处理。
2.人工智能算法在电力系统运行中的应用
人工智能算法主要的原理是无功优化，通过无功优化，能够提高电力运行效率，使电力传输达到一个最佳的状态。
人工智能算法采取记忆指导搜索的办法来提高搜索速度，从而使全局达到最优的状态。它还有禁忌搜索方法，这种方法在跳出局部方面有很大的优势。此外，它还能解决多变量、非线性、离散性的问题，而且操作手法简单，易于使用。
3.模糊理论在电力系统运行中的应用
模糊理论突破了经典集合中的一些概念，它采用的是模糊搜索的原理来对一些不明确、不精准的事情和现象进行分析。首先要在其中加入一些近似推理的模糊逻辑和引入语言变量，从而对事情和现象进行分析与描述。如今，这种模糊理论已经具有比较成熟的技术，它的应用已经相当广泛，遍及多个行业、多个领域。电力系统中有非线性，而线路通过非线性的时候，就会产生一些分量，这些分量能够重叠在故障上面，并且不会被消除掉。而模糊理论中的技术可以消除输电线路中互相影响的现象，使之相互独立。
4.专家系统在电力系统运行中的应用
专家系统也是人工智能中的一种，它在很多年前就开始被应用。同时，它还能解决电力系统中的疑难问题，并且提高运行效率和解决问题的速度。
与上面的几种人工智能技术相比，专家系统同样能够保护电力、控制电力、规划电力。此外，它还能够支持消息发送、防止停电、移除一些负荷较大的设备，从而降低电力系统运行的负荷。因此，专家系统可以说是一种比较可靠、技术含量较高的电力保护系统，适宜被大力推广和使用。
五、人工智能在电力系统中的发展与前景
目前，人工智能在电力系统运行中得到了广泛应用，随着经济发展和社会进步，人们对供电的质量和要求也越来越高，这使得电力企业必须采取科学的手段来提高电力系统的运行效率，应用新方法来解决问题，促进电力的发展，并且运行更加方便简单、易于操作。这也是人工智能在电力系统中的发展与前景。
在将来，电力系统还会不断发展，因为其复杂性在不断提高，所以一些影响因素也会随之而产生，再加上人工管理的方法容易出差错。因此，电力企业必须使用人工智能的技术和方法。人工智能技术仍然在开发当中，技术人员在原有的技术基础上对其进行改进和完善，这样不但能够提高技术，还能够为电力系统的发展提供新的活力。
六、总结与体会
人工智能技术已被大部分电力企业所应用，这种技术不但能为电力企业节省人力、财力、物力，还能提高供电质量，其发展前景非常可观。未来，这种技术将会越来越成熟，并且变得容易操作、方便，从而为电力企业和广大用户提供更优质的服务。
参考文献：
[1]田秀梅.人工智能在电力系统故障诊断中的应用[J].电子技术，
2011，38（1）：31-32.
[2]占才亮.人工智能技术在电力系统故障诊断中的应用[J].广东电力，2011，24（9）：87-92.
[3]李玲敏.现代人工智能方法在电力系统无功优化中的应用情况分析[J].大科技：科技天地，2011，（21）：191-192.
[4]韩祯祥，文福拴.人工智能及其在电力系统中的应用：从专家系统到人工神经元网络[J].电力系统自动化，1991，15（3）：5-15.
关键词：人工智能；教育；应用；问题
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2012）03-0159-02
人工智能是研究如何构造智能机器（智能计算机）或智能系统，使其模拟、延伸、扩展人类智能的学科。随着人工智能的理论与技术在社会各个领域的广泛应用，其在教育领域内的应用也越来越受到重视，并取得了一定的研究成果。
一、人工智能教育应用的主要形式
人工智能在教育领域应用的最直接结果就是诞生了智能教学系统。智能教学系统是以计算机辅助教学为基础而兴起的，它是以学生为中心，以计算机为媒介，利用计算机模拟教学专家的思维过程而形成的开放式人机交互系统。目前，智能教学系统已成为人工智能在教育中应用的主要形式。智能教学系统主要是在知识表示、推理方法和自然语言理解等方面应用了人工智能原理。由于它综合了知识专家、教师与学生三者的活动，因此，与之相对应的，智能教学系统一般分成知识库、教学策略和学生模型三个基本模块，再加上一个自然语言智能接口。智能教学系统的功能具体来说有以下几条：了解每个学生的学习能力、认知特点和当前知识水平；能根据学生的不同特点选择适当的教学内容和教学方法，并可对学生进行有针对性的个别指导；允许学生用自然语言与“计算机导师”进行人机对话。智能教学系统的设计不仅要有计算机科学的知识，还需要有教育科学的理论指导。
二、人工智能在教育中应用的局限性分析
1.阻碍人工智能发展的关键因素。在人工智能的发展中，一直存在着对“计算机是否能代替人脑甚至超过人脑”的问题的讨论，实际上，以电子计算机为主要工具模拟人的某些思维活动而产生的人工智能是有局限的。①计算机处理问题的根本原理。要计算机解决某种问题，有三个基本的前提：必须把问题形式化；问题还必须是可计算的，即要有一定的算法；问题必须有合理的复杂度，即要避免指数爆炸。由于人的智能活动不能完全形式化，因此，机器就不能将人脑的智力活动全部复制出来。电子计算机最终只能把握0、1这两个开关代码，遇到不能形式化、不能找到算法或不能程序化的任务，计算机则难以执行。②人和机器之间的根本区别。智能模拟利用了人和机器的共性，即两者都是一个信息转换系统，但两者之间存在着不容忽视的本质区别。智能模拟与天然智能属于两种不同的进化系统，人类的智能是人类社会实践的产物，机器的智能是机械制造的结果。大脑和电脑的组织结构也不相同，两者属于两种不同的运动过程，前者是复杂的生理--心理过程，后者是机械--物理过程。智能模拟可以在局部上超过天然智能，但是，模拟的根本方法是功能模拟法，两个系统在结构和实际过程上是不一样的。智能模拟不具有人的思维的社会性，不具有主观世界。
2.人工智能在教育中应用的局限。就目前人工智能的发展水平以及人工智能本身的特点而言，它在教育中的应用也是有其局限性的。①与学生之间无法畅通交流。教育本质上是一种“交互”活动，而智能教学系统无法实现最充分、最真实的交互。目前自然语言理解的研究成果非常有限，远不能达到人人交流的要求。此外，就态度、品德、情感等教育问题而言，机器只能通过学生输入计算机的信息来判断其掌握和内化程度，而无法像人类教师通过自然状态的交流和观察来判断学生的真实情况，因此，“机器智能”很容易被蒙蔽“双眼”，无法做到像人与人之间那样自然畅通的交流。②决策和推理机制不完善。智能教学系统的关键智能所在是其决策和推理机制，即“教学策略”模块根据不同学生的具体情况通过推理做出灵活决策，这种决策基于学生模块提供的有关学生的知识水平、认知特点和学习风格，而这些不能完全被形式化。同时，随着教育理念的不断更新以及教学模式和教学方法的不断改进，系统所应用的教学策略模块用于评估和判断学生学习过程的能力是有限的。③人工智能并非适合所有的学习领域。根据加涅的学习结果分类，学习分为言语信息、智慧技能、认知策略、动作技能和态度五类。言语信息分为符号学习、事实学习和有组织的知识学习，这些属于可形式化内容，适用于智能教学系统；智慧技能分为辨别、具体概念、定义性概念、规则和高级规则，其中前四项属于可形式化内容，适用于智能教学系统，而高级规则属于复杂――形式化内容，部分内容不适用于智能教学系统；动作技能和态度领域的学习，在其认知成分中可以使用智能教学系统，但情感和行为成分等非形式化内容，则难以用智能教学系统来实现。因此，并不是所有的学习领域都适用于智能教学系统。智能教学系统在教育中应用的重点应放在认知领域中的符号学习、事实学习和有组织的知识学习、辨别、具体概念、定义性概念以及规则这些学习内容上。
三、人工智能教育应用的发展方向
近年来，随着计算机技术、网络技术、人工智能技术以及现代教育教学理论的发展，人工智能在教育中应用的发展呈现出以下几个趋势。
1.开始突破单一的个别化教学模式。长期以来，计算机辅助教学系统和智能教学系统都是强调个别化教学模式，这种模式在发挥学生的学习积极性、主动性和进行因人而异的指导等方面确实有许多优点。但是，随着认知学习理论研究的进展，人们发现在计算机辅助教学系统和智能教学系统中只强调个别化是不够的，在某些场合（例如问题求解）采用协作方式往往更能奏效。因此，近年来在智能教学系统中，协作型教学模式得到越来越多的重视和研究。
2.智能教学系统日益与超媒体技术相结合。超媒体系统具有良好的开发环境、灵活方便的用户界面以及图、文、声并茂的特点，而且其信息的组织方式与人类认知的联想记忆习惯相符，已成为目前一种最理想的信息载体和最有效的信息组织与信息管理技术，在许多领域尤其是教育领域有广阔的应用前景。把超媒体技术引入智能教学系统，从而发展成为智能超媒体辅助教学系统，可以大大改善计算机辅助教学系统的教学环境，激发学生的学习积极性，从而显著提高教学效果。
3.智能教学系统与网络的关系日益密切。网络的应用和普及为远程教育和终身教育提供了一个良好的空间。当前，智能教学与多媒体网络的结合成为人工智能在教育中应用的一个势不可挡的发展趋势。
4.传统人工智能与神经网络模糊决策机制相结合。传统人工智能从宏观角度开展认知模拟，可以部分地模拟人类的逻辑思维过程，而神经网络模糊决策机制从微观方面进行认知模拟，着力实现模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。今后将探索一种新的智能处理模型：把神经网络的模糊决策机制和符号专家系统的推理能力结合起来，利用多重知识源、多种模型进行复合协同处理。如果上述技术能够成熟运用，那将对人工智能的发展及其在教育中的应用起到决定性的作用。
参考文献：
[1]王士同.人工智能教程[M].北京：电子工业出版社，2001.
[2]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社，1998.
[3]何克抗.计算机辅助教育[M].北京：高等教育出版社，1997.
[4]徐鹏，王以宁.国内人工智能教育应用研究现状与反思[J].现代远距离教育，2009，（5）：3-5.
关键词：电气工程；智能化；应用；发展
前言
在新世纪到来之际，各项经济不断进步，科技不断发展，使电气工程不断融入新的技术并应用到多个领域。在传统的电气工程中，存在技术与工艺的不完善，制约着电气工程的发展，导致经济效益的过低。新时代，计算机网络技术的大范围应用带动了电气工程的发展，电气工程不断被广泛的网络资源所影响，将计算机技术不断应用，实现了信息化的发展。在电气工程自动化的发展中，运用计算机技术进行各个系统的掌控，将GPS等高端技术的应用，实现了智能化、信息化的发展趋势。但是，目前的电气工程智能化处于刚刚起步阶段，很多控制技术还不够完善，以及各个管理体制的缺乏，制约着电气工程智能化的发展，因此，坚强智能化电气工程的管理，尤为重要。
1 智能化技术概述
1.1 智能化技术的应用
社会经济及科技的不断发展，使市场竞争不断激烈，智能化技术的应用能够适应市场竞争，并占据有利的地位。目前，智能化技术被大量应用在人们的生产生活当中，并为社会的发展提供了可靠的技术基础。智能化的应用给个耳光领域带来的优势主要包括：
（1）增加可靠性能。智能化技术的应用，大大节省了电气工程企业的人力物力的投入，减少了资金的投入。同时，减少了设备的使用率，实现高效性的发展，为企业节省了成本。（2）使操作简单。智能化技术的应用，能够将各项操作简易化，减少了人力的使用，并使工作效率大大提高，促进工作环境的改善，枯萎电气工程的各项作业的操作提供高效率与高质量的效果。（3）降低施工难度。在施工过程中，由于工程施工的复杂性与危险性，一部分操作无法进行，智能化技术的应用，能够使工程难以操作的部分运用智能化的技术进行操作，实现了人为不能操作的作业，保证工程质量与施工安全。（4）工程故障的诊断。智能化技术的应用，能够将工程中故障进行智能化的监督与分析，并有效反映故障的原因及具体情况，提高了故障解决的效率，增加了工程进度。
1.2 智能化技术的理论基础
1956年人工智能被首次提出后，它的主要作用是让机器拥有人工智能，使其可以独立完成一些高难度、高危险的工作，被广泛应用于各行各业中。智能化技术在电气工程自动化控制领域中的应用原理是通过模仿人类大脑进行计算机编程，完成信息的收集、处理与分析、反馈的内容要求。大量事实证明，智能化技术在电器工程自动化控制领域中取得了一定的成效，它提高了工作效率，降低了工程的成本，降低了控制人员的劳动强度，有效地节省了人力资源，提高了工程的质量，保障了人们的生命安全。
2 智能化技术在电气工程自动化控制中的具体应用
科学技术的不断发展，促进了人工智能技术的迅猛发展，在各行各业中，计算机的人工智能操作技术逐渐取代了手工操作，特别是在电气工程自动化控制领域。智能化技术在电气工程自动化控制中主要包括故障诊断、智能控制和优化设计三个方面的内容。
2.1 智能化技术在故障诊断中的应用
电气工程自动化系统在运行过程中不可避免地会发生电气设备故障的问题，之所以出现故障，就是因为人们很难发现设备发生故障前一些预兆。因此，在电气工程自动化控制中引进智能化技术，发挥智能化技术的优势对设备故障进行全面、准确的诊断。应用智能化技术对故障诊断的方式就是通过分析变压器中渗漏油的分解出来的气体，确定变压器发生故障的主要范围，然后在这个范围中找出设备故障的具置并及时安排维修人员进行检修。
2.2 智能化技术在智能控制中的应用
电气工程自动化控制中会存在一些高难度、高危险的工作，将智能化技术应用于电气工程自动化控制工作中，让人工智能操作代替人为操作，实现电气工程自动化控制的无人操作、远程操作，达到智能操作的高效化和自主化的目的，智能化技术为智能化控制提供了良好的发展空间。
2.3 智能化技术在优化设计中的应用
电气设备设计程序复杂，设计人员需要具备电路、电机、电力电子技术、电磁场、变压器等相关方面的知识。由于传统的手工设计方式，会存在方案达标率低、修改难度大的问题，需要花费大量的人力、物力、财力。而人工智能技术的应用，利用计算机软件来完成方案的设计，如CAD图纸设计软件，解决了人脑难以解决的复杂计算过程的问题，不仅可以提高方案的质量和使用性能，还可以大大减少设计所需的时间。
3 电气工程自动化智能化技术的发展前景
3.1 性能发展方向
智能化技术在电气工程自动化控制中的应用，使其朝向高速度、高精度、高效化的方向发展。速度、精度、效率是衡量电气工程自动化水平的关键性指标，在电气工程自动化控制中结合智能化技术，可以实现电力系统的高速度、高精度、高效化。
3.2 功能发展方向
增强智能化技术在电气工程自动化控制中的功能作用，要充分利用用户界面图形化、科学计算可视化、内装高性能PLC、多媒体技术等要素。智能化的图形用户界面使得人们可以通过窗口和菜单进行简单的操作，极大地方便了非专业用户的使用。在电气工程自动化控制领域，利用可视化技术，如CAD设计技术，极大地缩短了产品设计周期，提高产品质量同时降低了成本。在电气工程自动化控制系统中内装高性能PLC，可以方便用户进行编辑修改，从而建立自己的应用程序。将多媒体技术应用于电气工程自动化控制领域中，可以对信息进行智能化、综合化的处理。
3.3 体系结构的发展
智能化技术可以使电气工程自动化的体系结合向集成化、模块化、网络化的方向发展。LED显示技术，科技含量高、体积小、质量轻，可以以超大尺寸的形式显示信息，很大程度地提高电气工程自动化相关显示器的性能，提高了集成电路的密度。应用智能化技术实现电力系统的模块化，这利于实现电气工程自动化控制系统的标准化和集成化。
结束语
智能化技术在各行各业都得到了应用，特别是在电气工程自动化控制领域。人工智能理论为智能化技术发展奠定了理论基础，电气工程自动化智能化技术的应用一定要清楚了解人工智能理论的要点，这样才能将智能化技术用在实处，实现自动化控制，有效地提高电气工程企业产品的竞争力和经济效益。电气工程自动化的智能化技术发展前景广阔，在电气工程自动化工作中，要不断总结经验，进一步促进我国电气工程自动化的发展。
参考文献
关键词：人工智能；智能家居；智能音箱
一、相关概念
（一）人工智能。人工智能是一门研究、理解和模拟人类智能，并且发现其内在规律的学科。它是计算机科学的一个分支，试图发现智能的实质，并创造出一种以人类思考的方式做出相似反映的智能机器。同时，它又是计算机知识、心理学知识和哲学知识的集合，模拟人的意识和思维过程，让机器能够做到只有人类智慧才能做到的复杂的事项。
（二）智能家居。智能家居是嵌入式技术、通信技术和网络技术的集合，通过系统将各种家居与人们的居家生活紧密结合，以提高人们生活的舒适感和安全感。随着人工智能的迅猛发展，智能家居正与人工智能紧密结合，让消费者享受到更人性化的居家体验。
二、文献综述
欧阳婷梓研究了人工智能对智能家居的影响，认为人工智能应用的落地将会使智能家居产业升级，同时还指出Al技术还有待突破，市场决定人工智能能否再次爆发。荣华英和兼国恩研究了人工智能发展背景下国际智能家居行业贸易发展前景，认为国际智能家居行业贸易将朝智能产品设计、智能生产制造、智能高效物流和智能商业服务方向发展。吴斌在研究我国智能家居系统发展存在的问题时，指出要制定行业标准体系，降低系统成本并完善售后服务。
观察现有研究，发现有关人工智能时代下智能家居行业发展的研究仍相对较少，本文指出Al对智能家居行业发展的影响，指出未来发展机遇，并预测未来该行业的发展趋势，对行业发展具有指导意义。
三、智能家居行业发展现状
（一）国际智能家居行业发展现状。美国的Amazon Echo、Google Home和Apple HomeKit占据了国外的智能家居语音控制平台市场，Contro14 利用Zigbee技术可以与世界知名品牌的家电产品连接，控制各种设备和系统；英国的Laing Homt公司早在2000年建立了“智能家居”示范街，给每栋房子都装上了智能管理系统，近年也在国内建立起了一些智能家居体验式展厅；日本软银生产的Pepper人形情感机器人能够读懂人类的情感，并做出相应的反映，在各种场合为人们服务，松下于2017年“Panasonic Home+全屋智能”战略，让全屋各个部分的功能都智能化；德国的Apartimentum未来型公寓将物联网应用和先进科技结合起来让住户的生活更加简洁舒适。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示智能家居市场规模逐年上涨，但增长速度开始放缓，随着人工智能的发展，行业开始进入技术融合，技术沉淀打造更加智能的家居用品的阶段，2016～2018年全球智能家居市场规模变化如图1所示。
（二）国内智能家居行业发展现状。2012年智能家居行业进入快速发展期，深受大众追捧，但进入2015年，销售增速开始放缓，随着政策的扶持，2016年市场规模增速开始上涨。工信部数据显示，我国物联网产业规模发展迅速，2010年规模超过2，600亿元，2015年达到7，500亿元，2020年产业规模将突破15，000亿元，物联网在智能家居、智能社区和智慧城市等领域发展愈发强劲。面对如此红利，相关企业加快布局，海尔建立U-home平台、美的建立M-Smart平台、阿里巴巴建立人工智能实验室并了智能音箱等产品。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示，未来几年智能家居市场规模持续上涨，市场前景看好，市场规模增长情况如图2所示。
智能家居产业错综复杂，涉及众多产品，根据目前各企业涉及的领域，大致分为六个流派：以海尔、美的为代表的传统家电企业，通过将原有的产品智能化提高销售；以阿里巴巴和京东为代表的互联网企业，通过自产智能硬件或与传统家电企业建立合作涉足智能家居行业；以华为和小米为代表的手机硬件企业，通过研发软件、生产硬件和建立智能家居生态系统进军智能家居行业；以Honeywell、Bosch和松下为代表的安防企业，在本身安防设备的基础上智能化，占据智能家居安防市场；以Amazon Echo和Google Home为代表的国外智能家居企业，通过语音识别和人工智能技术进军国内市场；以及一些提供云平台服务和小型硬件的供应商。
四、当前智能家居行业面临的问题
（一）缺乏规范统一的标准。在整个智能家居产业中，至今还没有制定统一的标准，导致各大公司各行其道，各自开发自己的系统，与其他厂商开发出来的系统并不兼容，目前具有代表性的是谷歌、苹果、微软加入了高通主导的AllSeen联盟，英特尔、三星、戴尔等公司组成了智能家居设备标准联盟OIC。之后，谷歌在收购Nest之后力推Thread，苹果自家提出Homekit。一方面用户的智能体验降低；另一方面加重了用户的转换成本。而人工智能是一项复杂的产业，它不是一两家公司就能经营好的，它需要各领域的公司参与进来研发技术、搭建平台、生产终端，各司其职，并用统一的标准将各个环节连接起来。
（二）缺乏人性化的伪智能。目前，智能家居产品大多通过手机来实现，但有些厂商以“智能”为噱头，将原本简单的操作强加到手机上，使得手机承担较多的功能。然而，除了年轻人对智能手机的操作较为熟悉，其他用户面对复杂的“智能”操作只能望而却步，严重缺乏人性化设计。
（三）需求低且价格高。一方面智能家居概念映入人们眼帘的时间较短，人们对智能家居还不太了解；另一方面智能家居智能化水平不高，操作复杂，运行过程中经常出错，严重打击了消费者的体验。同时，目前的技术水平有限，技术和产品的研发需要较高的研发费用，加上日常的维护费用，导致智能家居的消费价格偏高，打击了消费者的购买欲望。
（四）信息安全存在隐患。物联网信息传输过程中，个人信息极易被黑客窃取，不法分子通过这些个人信息进一步窃取用户的财产，会造成巨大的社会不稳定，对智能家居未来发展构成巨大威胁。如果智能家居产业在未来想占据较大一部分家居市场，就必须克服信息安全问题，加大信息的监管力度。
五、Al助力智能家居行业发展
（一）AI与智能家居结合进入最终状态。经过几十年的发展，智能家居经过了用App远程控制家电的单品智能化和多个电器间相互感应的智能互动两个阶段，以上两个阶段均为弱智能阶段，得通过手机来操作。而第三阶段是家居产品与人工智能的深入结合，赋予家居产品人性化，摆脱手机的操控，通过自主学习、主动记忆、自主决策为用户提供舒适的生活。
（二）提升全新的交互体验。语音交流以其与人交流的亲和感，成为当今最流行的人机交互方式。人类通过语音给机器下达指令，机器通过语音识别执行指令。近几年，语音识别技术取得重大突破，语音识别准确率达到97%以上。而智能音箱具有语音交互、提供音乐和有声读物等媒体内容、提供多种互联网服务以及可以对智能家居进行控制等功能，深受大众追捧，因而被称为智能家居的入口。为抢占智能家居的入口，互联网各大巨头纷纷加紧研究抢占市场。2014年11月，亚马逊推出智能音箱Echo，至今已有几千万的销量，随后谷歌推出GoogleHome，微软推出Cortana，紧接着国内的京东推出叮咚音箱，阿里巴巴也推出了“天猫精灵”，小米推出“小爱同学”。
（三）提供更安全、可控的应用环境。传统的密码输入和保护方式已经不再满足人们对操作便捷性和安全性的要求，于是推动了人们对生物识别技术的开发。生物识别是指通过计算机与生物传感器等高科技结合，提取人固有的生理特征和行为特征，以鉴定个人身份。目前人脸识别、指纹识别和虹膜识别已经得到广泛的应用。为达到更高的安全水准，通过红外线照射获取手指静脉图像的指静脉技术也在紧密研究当中，极大地迎合了人们对智慧生活的追求。
六、我国智能家居发展的机遇
（一）我国加速进入老龄化社会，智能家居需求增大。因为工作关系很多子女与父母在异地生活，难以妥善地照顾好父母的生活，而智能家居可以方便老人们的日常生活，提高老年人的生活质量，加上多年财富的积累，老年人的经济实力比年轻人要高，随着老龄化进程的加快，老年人人口的比例将加重，多重原因结合起来支撑起了未来潜在的市场需求。
（二）“智能家居”概念将越来越普及。通过前些年“智能家居”概念的炒作，各大新闻客户端、网站的转载宣传，让越来越多的人认识了解到智能家居的相关概念。近些年各大浏览器对“智能家居”关键词的搜索数量大幅度增长，随着科学技术的发展，人们对智能家居产品的信赖感也在增强。如今人们购买家具，对房屋进行装修也会考虑适当引进智能家居的相关元素进入日常的起居中。
（三）居民收入增多，消费价格将降低。随着经济的不断发展，人们的收入也在逐年上涨，到2020年我国将全面建成小康社会，届时人们的收入水平将会大幅增长，相比2010年翻一番。经济增长的同时，科技也在飞速发展，技术水平的不断完善降低了智能家居产品的成本，同时电信运营商的网络费用也在下调，日常的运营维护成本也在下降，消费者的消费成本将会大幅下降，市场需求将会激增，市场规模将会扩大。
（四）政策扶持，发展道路顺畅。智能家居产业发展被写入政府工作报告，政府相继出台《“互联网+”人工智能三年行动实施方案》、《智能制造工程实施指南（2016-2020年）》、《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等指导性文件，促进智能家居、智能机器人、智能制造装备等领域产业发展。并成立“中国人工智能产业创新联盟”和“人工智能产业技术创新战略联盟”，把涉及人工智能领域的所有环节全面整合，扫除阻碍人工智能发展的一切障碍。
七、我国智能家居行业未来发展趋势
（一）标准日趋统一。当智能家居行业依旧遵循现在的发展方式，各企业各行其道，系统间互不兼容，消费者将会对该行业产生疲倦，未来市场规模可能难以扩大。除非出现一家领导性标杆企业，拥有自己的系统，能够生产出所有类别的智能家居产品，用户对该企业提供的方方面面都很满意，进而垄断了整个智能家居市场。很显然，出现这种情况的概率很小，没有一家企业可以力挽狂澜，所以市场逼着企业间建立起统一的标准，为用户提供便捷舒适的生活体验。
（二）AI与智能家居的完美融合。人工智能在智能家居领域的广泛应用已是大势所趋，只有智能家居与人工智能的完美结合才会让人们的生活更加便捷。未来智能家居将会更加智能化、人性化，能够准确抓住用户的喜好提供相应的服务，根据用户的工作安排相应的行程。一整套智能家居系统犹如一个智能管家，在最优的时间提供最优的服务。
（三）个人信息更加安全。个人信息的安全是制约智能家居市场规模扩大的又一要素，因此行业内将建立起一套世界领先的信息安全标准，并且该标准能够和各地的法律法规衔接好，收集到的数据能够安全地储存好，能够记录数据的产生时间地点等情况，以便需要的时候能够查证。
八、结语
人工智能时代下智能家居行业仍将在相当的一段时间处于一个无统一标准、需求低、价格高的阶段，但随着老龄化进程的加快，智能家居概念的逐渐普及、居民收入不断增加、产品价格的不断下降，智能家居产品的市场需求将会逐渐增长，将促使企业间制定规范统一的标准，人工智能将会与智能家居完美结合，为用户提供更加舒适便捷的生活。
（来源：合作经济与科技 文/陈功正 王腾 陆畅 王蕴鑫 陈黎阳 编选：电子商务研究中心）
主要参考文献
［1］陈晋.人工智能技术发展的伦理困境研究［D］.吉林大学，2016.
［2］邓中祚.智能家居控制系统设计与实现［D］.哈尔滨工业大学，2015.
［3］欧阳婷梓.人工智能能否成为智能家居的强心剂［J］.通信企业管理，2018.1.
1列举人工智能的研究内容
1.1模式识别
在对人工智能系统研究的过程中，对其模式识别版块的研究，实质上就是借用计算机技术，将人体对外界环境的感知功能以某种程序规整到计算机体系中，从而构建出智能化识别系统。[1]计算机体系可以将个体感知与识别能力呈现出来，在自体数据库信息资源的协助下，将文字、表格、声音以及图式等内容显现出来。人工智能系统中的模式识别通常要经历数据信息收集、预处理、基元提取、模式分类等流程。
1.2机器视觉
这一人工智能技术是在模式识别基础上发展起来的，其最大的功效是可以将人体视觉的识别功能虚拟化构建出来，在模仿人类对事物的理解功能上也体现出一定的优越性。对机器视觉功能的深入，在打破原有技术局限性方面有所建树，同时也使其演变成一门独立性较强的学科，在发展的进程中向更深层次延展。在对机器视觉研究过程中，工作运行的方向大多数是对个体视觉的模拟，确保机器人系统顺利的洞察与掌握生态景观等不同信息，对其进行深度探究从而构建出具有图像机器视觉效应，此时机器人自体具备了人的视觉功效，在立体视觉、视觉检验、动态图像分析等形式运行的进程中，机器人能够自行的对外部图像的内涵进行理解与挖掘，继而将反映机器人运转状态的信息资源提供给机器人运控控制系统。
1.3机器学习
机器学习可以被视为智能化发展的重要技术，最大的特色是对个体智力进行模仿从而达到获取知识资源的目标，此时机器人能够为人类提供更为优质的服务。在经济全球化时代中，人类对机器人工作质量提出更高的标准，这就要求机器人不断的学习新知，对自体属性进行科学的调整，实现在复杂化环境中高效运转这一伟大目标。机器学习的功效可以在以下几个方面体现出来：一是强化机器人在多变环境中的适应能力，顺利的采集大批量的信息资源并对其进行精确分析；三是借助学习环节机器人可以强化自体智能化档次，对多变的环境做出科学的回应，及时处理紧急问题；三是机器学习环节的启动，可以协助机器人设计者实现优化设计效果这一目标，节省了人力资源，降低了生产成本，最终辅助机器人实现优化运行效率这一终极目标。
2人工智能在智能机械人领域中的具体应用
2.1人工神经网络在机器人定位与导航中的应用
人工神经网络是在生物神经系统之上发展起来的一种对信息资源处理的方式，其独特之处在于能够处理那些无法用模型或者是相关规范概述的程序与体系，在解说非线性系统的结构与性能等方面体现出一定的统一性；具备着融合多元信息资源的性能，人工神经网络最常见的结构如图1所示。该类人工智能在移动机器人定位和导向环节具有较高的应用频率，主要得力于移动机器人多传感器信息整合借助了神经网络的诸多性质，此时机器人外部传感器的信息资源演变人工神经网络的传送处理目标体，这样操纵人员就可以顺利的获取到与移动机器人自体方位相关的信息资料，同时对阻碍物的位置、形状以及大小有一个较为确切的评估，在人工智能的协助下移动机器人顺利的躲避障碍物并且自置也明确化。
众所周知，摄像机标定为移动机器人视觉体系的重要版块，摄像机参数明确的过程便是智能机器人内部几何和光电参数整合的过程，同时其自体坐标系和外界坐标系两者的相对方位也体现出明确性，国内相关学者借用人工神经网络顺利实现上述目标。具体是在人工神经网络的协助下，直接采集到智能机器人摄像机呈现的图像信息资源，继而建设三维坐标系（x，y，z），从而明确摄像机内部几何与光电参数、自体坐标系与外界坐标系之间的关联性。如图1所示，人工神经网络首层为输入层，次层为隐含层，末层为输出层。[2]隐含层与输出层神经元的类型分别是S型激活函數以及线性激活函数，网络输入层则是移动机器人目的点在3个摄像机内所有的图像信息资源，输出层构建的坐标系类型为三维世界坐标。人工神经网络在移动机器人运作进程中的应用，能够使操作人员获得到与目标物在三维空间内较为精确的位置信息资料，在人工智能的协助下，智能机器人在方向引导过程中能够使障碍点的方位更加明确化，轨迹追踪这一目标也得以实现。
2.2专家系统在机器人控制中的应用
人类对机器人控制理论的研究脚步从未停歇过，也取得了令人欣慰的科研成绩，致使大部分机器人控制方法均是在某些数学模型上发展起来的。基于智能机器人具有非线性、顺变性、多关节耦合性等动力学特性，为数学模型参数与类别的确定设置了较大的难度系数。并且在动态式数学模型在应用过程中准确性受到智能机器人位置变动而发生变更的现状，导致庞大的计算任务难以在该方法的协助下完成。在这种局势下，智能控制理念被提出来了，其能够对个体行为方式进行模拟，而不需要大批量数学模型与公式的协助。目前智能控制与人工智能领域的多个结构产生关联，常见的有专家系统、神经网络、模糊控制等。
2.3进化算法在机器人路径设计中的应用
路径设计是智能机器人领域一直被研究的专题。基于路径设计是智能机器人构建的重要成分这一实况，路径设计的宗旨是协助移动机器人在某些因素的制约下，能够顺利探寻出一条从初始状态到终极状态的优良型、无碰撞型的路径。在智能机器人路径的设计方面，众多学者开展了大量的探究工作，并研发出一些方式方法。
在人工智能领域不断延展的进程中，计算智能与进化智能法先后被开发出来，遗传算法与蚁群等算法也陆续被提出与应用，从而使智能机器人路径设计工作的实效性有所保障。特别是遗传算法在机器人路径设计环节中的运用，使机器人智能化水平更上一层楼，此时其运行的轨迹基本上与预期效果相吻合。有研究人员应用遗传算法的过程中不断对其实施改良措施，并积极在陌生环境中，借用动态化手段对机器人路径进行设计规划，此时其借用遗传算法体系中路点坐标值可变长染色体编码方法，创建出涵盖障碍物排斥子函数项的代价函数。这一人工智能形式在智能机器人领域中的应用，确保路径设计环节中的地图信息资源顺利融合进遗传操纵进程中。在对遗传算法不断应用与改进的过程中，研究人员积极对被设计的机器人路径应用形式进行深层次的研究，开发出两种遗传算子，即交叉算子与变异算子，在多样化进化算法的协助下，智能机器人在运转的过程中在对路径探寻之时取得了最佳效果，从而使移动机器人运行的效率得到切实的保障，当然，使移动机器人路径设计工作获得更大的发展空间也是毋庸置疑的事实。
3人工智能的发展前景
在知识经济一体化时代中，人工智能发展体现出高效性，应用环节上体现出管理广泛性，这不在人类预期范围之内的，所以说人类在预测电子科技、人工智能以及机器人发展趋势上存在较大的难度系数。现阶段，人工智能机器人的推理功能水平已经提高到一定的档次，但是机器人学习与想象功能的研制依然处于开发阶段，在智能机器人的创造方面，科研人员工作的难点是仿照人脑右脑模糊功能以及整个大脑的处理功能。[4]现阶段，人工智能领域不断被拓宽，可以间接的推测出其在机器人中的应用比例不断加大，众多人工智能产品已经在人类实际生活中得到切实的应用，并取得了良好的应用成效。可以推测的是，在未来的发展中，电子科技人工智能的开发与应用将使给人类的生产生活发生巨大的变化。人工智能在发展的进程中将会积极借鉴计算机技术，从而确保人工智能理论等方面研究的深入性。国内一人工智能企业也将会不断强化自体实力自身实力，从多个方面强化智能机器人实效性，使其为社会经济的发展提供更大的能量。
4结束语
总之，在电子科技迅猛发展的时代中，人工智能将会在智能计算机领域获得更大的应用空间。相关技术开发部门也应该紧随时展的脚步，对人工智能系统进行改造与优化，从而确保机器人能够在复杂多变的环境中协助人类完成高难度的工作任务，为社会经济的保值增值贡献力量。
参考文献
[1] 赵绍充.基于人工智能的流水线智能机器人设计与验证[J].中国战略新兴产业，2016（28）：71-75.
[2] 沈小波，韩舒淋.人工智能等技术重塑机器人产业后者迎来大机会[J].信息与电脑（理论版），2016（17）：8-14.
[3] 吴伟国.面向作业与人工智能的仿人机器人研究进展[J].哈尔滨工业大学学报，2015（7）：1-19.