人工智能的利与弊论文 人工智能学术论文(实用10篇)

在日常的学习、工作、生活中，肯定对各类范文都很熟悉吧。范文怎么写才能发挥它最大的作用呢？这里我整理了一些优秀的范文，希望对大家有所帮助，下面我们就来了解一下吧。

人工智能的利与弊论文 人工智能学术论文(实用10篇)

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档

人工智能的利与弊论文篇一

语言文学专业学术论文具有突出的学术性，它只能把学术问题当作自己的论题，把学术成果当作自己的描述对象，把学术见解作为自己的核心内容。它以学术性区别于一般的社会理论文章和政治理论文章。学术是有系统、较专门的学问，它往往以学科的形式表现出来。人们通常将学科分为自然科学和社会科学两大类。两大类又可逐层划分下去。如社会科学可以分为哲学、政治、经济、法律、历史、语言文学等，语言文学又可划分出语言、文学，文学又可以划分出文学理论、文学史，文学史又可以分为中外文学史，中外文学史又可以划阶段、设专题。分工越细，学问也就越专门化。但一切专门化的学问，又隶属于它的上级学科。语言文学专业学术论文所研究的，就是这些专门化的学问。语言文学专业学术论文所要研究和解决的问题，是这些专业知识中的某一问题。

(二)独创性

人工智能的利与弊论文篇二

〔摘要〕人工智能飞速发展，正在改变人类生活，推动人类进步。人工智能学者从认知科学、心灵哲学以及控制论等不同视角对人工智能进行研究，但对于人工智能哲学根源的追溯与厘清较少。古希腊毕达哥拉斯主义的数论思想、亚里士多德演绎逻辑系统与分析哲学中的逻辑分析与语言分析方法以及简单性哲学原则为人工智能研究纲领、研究框架以及研究方法等奠定了基础，哲学核心问题决定了人工智能的研究进路。只有对人工智能的哲学思想源流进行追溯与探究，才能理解人工智能的理论基础，以更好地把握人工智能的发展规律并合理预测人工智能的发展趋势。

〔关键词〕人工智能，数论，简单性原则

人工智能发展如火如荼，学者除了对人工智能技术本质、人工智能社会影响、发展路径及伦理问题等进行研究之外，还关注人工智能中的哲学问题。对人工智能的研究不能仅仅局限于技术层面及科学基础层面的反思，也要涉及对人工智能的哲学思考。博登指出：“在科学家族中，没有一门学科比ai与哲学的关系更密切。”〔1〕3人工智能与哲学紧密联系，特别是心灵哲学与语言哲学，认知科学与认知心理学等学科也为人工智能发展奠定了科学基础。迄今为止，对于人工智能哲学的研究还没有形成完整的理论体系，学者多从哲学视角对人工智能中的问题进行探讨，从哲学思想源流挖掘人工智能基础的著述不多。笔者尝试从人工智能的数论基础、逻辑学、分析哲学基础以及简单性原则等视角分析人工智能的哲学思想根源。

人工智能先驱西蒙与纽维尔作为人工智能符号主义（symbolicism）学派的代表，他们的研究着眼于计算机程序的逻辑结构、符号操作系统以及编程语言，这与古希腊哲学家毕达哥拉斯学派的“数论”思想一脉相承。在毕达哥拉斯看来，数是万物的本原，万物皆数。“按照普罗克洛在《欧几里德〈几何原理〉注释》中，‘数学’这个词也是毕达哥拉斯学派首先使用的”〔2〕268。毕达哥拉斯将科学研究的基础建构在数学的基础之上。毕达哥拉斯哲学思想的核心即“数”是万物的本原。按照毕达哥拉斯的数论思想，与其说水、火、土等都是万物的本原，不如用一个简单词“数”来解释万物的存在。

“数是万物的本原”包含着万物之中存在着某种数量关系的含义，不管是天体结构、音阶音律以及建筑結构等万物都存在数量关系。毕达哥拉斯学派认为数是宇宙的元素，科学研究就是寻找纷繁复杂现象之后的数量关系。例如，物理学是研究事物运动方面的数量关系，几何学是研究事物点、线、面、体之间的数量关系等。他们将事物的本质归结为数的规律，认为事物的本质就是数。按照亚里士多德“四因说”来看，毕达哥拉斯的“数”既是构成事物的形式因，又是构成事物的质料因。质料因指的是构成事物的原始质料，就好比建造房屋用的砖木石瓦，形式因即构成事物的样式和原型，就好比造房屋的图纸或建筑师头脑里的房屋原型。这样的思想家（毕达哥拉斯主义学派）认为数既是事物的质料、同时又是形成事物的变化和它们的不变状态的形式”〔3〕21-22。因此，数对于事物来说，既是质料因又是形式因。

毕达哥拉斯的哲学思想还表现在数的和谐论。他认为万物包括宇宙在内都由数构成，并且万物可以还原为数;他还认为宇宙是和谐的，并把和谐的宇宙称为“科斯摩斯”。科斯摩斯原意就是“秩序”的意思，认为世界存在内在秩序与内在规律，人类可以通过数量之间的关系找到世界的既定秩序。

毕达哥拉斯的“万物皆数，数之和谐”思想既具有本体论含义，也具有方法论意味。他的哲学思想影响了古希腊科学的发展，亚里士多德的逻辑学体系、欧几里德的几何学体系、托勒密的天文学体系、盖伦的医学体系这四大古希腊的科学成就皆受毕达哥拉斯主义哲学思想的影响。不但如此，毕达哥拉斯的哲学思想还影响了西方整个自然科学的发展。达芬奇、哥白尼、开普勒、伽利略、牛顿等人都自称是“毕达哥拉斯主义者”。达芬奇认为天体是一架服从确定自然法则的机器，自然界有确定的规律;15-16世纪带有毕达哥拉斯主义成分的新柏拉图主义者把自然事物的行为解释成数学结构;哥白尼日心说体系的理论基础也是依据毕达哥拉斯主义哲学理论来构造行星运动简单、和谐的天体几何学模型;开普勒认为自己是毕达哥拉斯主义者，他的目标就是追求造物主心中数的和谐;伽利略也是毕达哥拉斯主义的追随者，他认为“自然之书是用数学语言书写的”，自然的真理存在于数学事实中。毕达哥拉斯的数论思想还影响了莱布尼兹。莱布尼茨有一个梦想，就是给出一套理想符号系统或语言和确定的语言变换或演算规则，把日常问题转变成理想语言，利用演算规则清楚地求解问题的答案。在此基础上，莱布尼兹提出“通用机”的天才设想。莱布尼茨尝试发明人工智能通用机，他设计出一种二进制计算法，用二进制数代替原来的十进制数，二进制数即“1”和“0”。莱布尼兹虽然制作出了简单机器，但其只能进行简单的算术计算，还不是莱布尼兹设想的能够进行复杂数据处理的通用机。尽管如此，莱布尼兹思想还是影响了整个计算机系统的发展。

图灵与冯·诺依曼的人工智能机器也受毕达哥拉斯主义数论的影响，他们运用数的和谐以及数量关系的计算尝试让“莱布尼兹之梦”在现实生活中得以实现。图灵通过基本的数学运算将数学运算符号化为运算符，并用一个无限长纸带来表述计算过程，制造出了图灵机，这就是莱布尼茨所说的“通用机”。图灵认为人脑类似通用机，图灵提出一台计算机在多大程度上可以模仿人的活动，进而提出“机器能否思维”这个哲学问题。图灵坚持通过特定算法程序，把可计算的数量关系都转化为由一台图灵机来计算。冯·诺依曼指导发明第一台基于运算器与存储器的计算机，他为图灵通用机设计出一个物理模型——edvac，edvac可以执行加、减、乘、除等数学操作。与图灵一样，冯·诺依曼把人脑与机器类比，机器通过存储器储存数据，通过数学规则设计出把思维当成数据的程序，通过简单、和谐的数字制造出能进行复杂数字处理的机器。不管是图灵的通用机还是冯·诺依曼的edvac都是为了解决“莱布尼兹之梦”，其哲学思想均根源于毕达哥拉斯的“数论”哲学思想。除了图灵与莱布尼茨，纽维尔与西蒙等符号主义人工智能先驱也认为，不管是人类智能还是机器智能都是根据确定的或者规范的规则来进行符号操作的。不但如此，基于认知模拟的强人工智能也把心理状态作为计算状态，所谓认知就是计算，这是对基于数论的计算主义教条的信仰，人类智能类似于信息处理系统。联结主义人工智能不同于符号主义人工智能，它否认智能行为来自于在形式规则下对符号进行操作的观点，“符号主义人工智能中的信息处理包括明确的应用和形式规则，但是联结主义人工智能没有这样的规则”〔4〕1366-1367。与符号主义人工智能不同，联结主义人工智能的工作原理是寻找神经网络及其间的联结机制及学习算法。虽然联结主义与符号主义人工智能有区别，但联结主义人工智能与符号主义人工智能的共同假设都是把认知看作信息处理，且信息处理都具有可计算性。可见，毕达哥拉斯的“万物皆数，数之和谐”思想为符号主义人工智能与联结主义人工智能的发展奠定了基础。

除了毕达哥拉斯的数论思想，古希腊亚里士多德的演绎逻辑系统也是人工智能的哲学思想源泉。人工智能符號主义学派也称为逻辑主义学派，可见逻辑思想在人工智能发展中的重要地位与作用。即使是深受胡塞尔后期的现象学、海德格尔的存在现象学和梅洛-庞蒂的知觉现象学影响的人工智能专家德雷福斯，也肯定演绎逻辑以及形式系统在人工智能发展中的作用。在德雷福斯看来，符号主义人工智能的基础是逻辑学，是哲学中的理性主义。人工智能的主要设想是可以运用计算机的逻辑运算来模拟人类思考的过程。图灵尝试依靠逻辑发明通用机，“我希望数字计算机能够最终激起人们对符号逻辑的极大兴趣……人与这些机器进行交流的语言……构成一种符号逻辑”〔5〕288。马丁·戴维斯直接把符号主义学派的源头追溯到亚里士多德，“把逻辑推理简化为形式的努力可以追溯到亚里士多德”〔6〕200。亚里士多德是逻辑学的创始人，他认为逻辑学是获得真正知识的重要工具，逻辑学是哲学的基础。亚里士多德注重演绎推理，特别重视三段论推理，他认为三段论推理是一切思维运动的基本形式。三段论是一种典型的演绎推理模式，它由普遍性公理和推理规则经过严密的逻辑论证得出必然性结论。图灵的通用机以及符号主义人工智能的根本基础，都可以归结为逻辑或者演绎推理。

集逻辑分析方法与语言分析方法于一体的分析哲学也是人工智能的思想源泉，分析哲学把逻辑学看作一切学科的基础，数学的基础也是逻辑学，数学也要用逻辑符号来表示。分析哲学产生于20世纪初，代表人物是石里克与卡尔纳普等人，其理论来源于英国的经验论者休谟、法国的实证主义者孔德、英国的逻辑主义者密尔和哲学家与心理学家马赫等人的观点。弗雷格的《算术基础》、罗素与怀特海合著的《数学原理》、石里克的《普通认识论》以及维特根斯坦的《逻辑哲学论》是分析哲学的代表著作。分析哲学的基本观点是：哲学的任务是对知识进行分析，强调通过对语言的逻辑分析来消除形而上学问题，认为一切综合命题都以经验为基础等。分析哲学家认为一切科学研究必须从经验出发，哲学的主要任务是运用现代数理逻辑和语言分析把复杂的概念分析为简单的概念，分析哲学家想通过对语言的逻辑分析澄清语句、语词的意义，通过语义上升，抛弃含混、模糊、有歧义的自然语言，把自然语言的语句转换成逻辑命题，通过分析逻辑命题的意义清除伪哲学问题，达到拒斥形而上学的目的。分析哲学注重逻辑分析与语言分析，强调语言分析的重要性，分析哲学把科学的任务界定为发现真理，而逻辑的任务在于识别真理的规律。罗素立足于把哲学建成严密的科学，哲学像科学一样可以获得真理性的知识。在罗素看来，哲学和科学只有程度之分，没有本质区别。哲学问题都是逻辑问题，逻辑问题就是科学问题。对科学问题进行分析还原之后，如果这个问题是逻辑问题，则它是哲学问题，否则就不是哲学问题。因此，逻辑是哲学的基础。通过逻辑分析进行还原涉及语言，那么，所有哲学问题命题都是语言表达式，语言结构是逻辑结构，是科学命题的真正的逻辑形式。

罗素的逻辑原子论从本体论角度坚持奥卡姆剃刀的最小化原则，从语言角度上坚持思维经济原则，语言表述坚持最小词汇量原则。“如无必要，勿增实体”。罗素从逻辑学角度坚持逻辑前提或者公理最小化原则，“宁可构造，勿要推论”。根据公理与推理规则建构的逻辑学公理系统影响了图灵、冯·诺依曼及其以后的人工智能专家。冯·诺依曼致力于为新机器设计逻辑方案，戈德斯坦把冯·诺依曼看成将逻辑应用于计算机的第一人，“据我所知，冯·诺依曼是一个清楚地懂得计算机本质上执行的是逻辑功能的人”〔7〕69。冯·诺依曼在edvac的报告中也提到，不但从数学的观点，而且从工程史和逻辑学家的观点来探讨大规模计算的机器。在人工智能哲学先驱德雷福斯看来，自从古希腊人发明了逻辑与几何，就把一切推理归结为计算。人工智能中符号主义的基础是逻辑学，是哲学中的理性主义、还原论传统。他们把计算机看成操作思想符号的系统，试图用计算机来表达对世界的形式表述。心灵与计算机都是物理符号系统。在德雷福斯看来，“伽利略发现人们可以忽略的品质和技术上的考虑，从而能找到一种用来描写物质运动的纯形式化系统，同样我们可以设想，一位研究人类行为的伽利略可能会把所有语义上的考虑（对意义的依赖），变成为句法（形式化）操作技巧”〔8〕76。人工智能的代表人物数理逻辑学家皮茨与生理学家麦卡洛克撰写了《神经活动中内在观念的逻辑运算》，他们的思想受到罗素与怀特海《数学原理》的启发，坚持把一切数学还原为逻辑，甚至神经网络也可以用逻辑来表达。德雷福斯认为人工智能的发展建立在四种假设之上，即生物学假设、心理学假设、本体论假设以及认识论假设。其中认识论假设指的是一切知识都可被形式化，可以被编码成数字形式;本体论假设指的是存在一组在逻辑上相互独立的事实，知识可以被编入计算机程序。纽维尔认为：“人工智能科学家把计算机看成操作符号的机器，他们认为，重要的是每一样东西都可以经编码成为符号，数字也不例外。”〔9〕196在符号主义者看来，符号是人类认识外部世界的基本单元。人工智能的逻辑学派将人的认识对象通过数学逻辑的方式抽象为符号，利用计算机的程序符号来模拟人认知世界的过程。符号主义学派主要依靠计算机的逻辑符号来模拟人的认知过程。人工智能的重量级人物纽维尔与西蒙构造了第一个真正意义的人工智能程序，称之为“逻辑专家”，可见人工智能专家受逻辑学思想影响之深，“任何表现出一般智能的系统，都可以证明是一个物理符号系统”〔10〕41。西蒙与纽维尔认为，作为一般的智能行为，物理符号系统具有的计算手段既是必要的也是充分的。纽维尔与西蒙把其理论来源追溯到分析哲学家弗雷格、罗素与怀特海，“该假设的起源要追溯到弗雷格、怀特海与罗素就形式化逻辑提出的方案：以逻辑方式获取基本的概念式数学观念，把证明和演绎观念置于可靠的根基上”〔11〕。德雷福斯认为，真正的专家解决问题是诉诸直觉与整体性，在此基础上对人工智能的认识论假设与本体论假设进行批判，但他同意专家系统必须使用某种类型的概论度量的逻辑标准，“认知模拟的先驱者们——已经继承了霍布斯推理就是计算的主张，笛卡尔的心理表述、莱布尼兹的‘普遍文字’的思想——所有知识都可以在一组初始概念中得到表示”〔11〕。正如德雷福斯所言，“人工智能就是试图找到主体（人或计算机）中的哲学本原元素和逻辑关系”〔12〕。可见，人工智能与逻辑学特别是分析哲学紧密相关，逻辑学与分析哲学是人工智能的一个重要思想来源。

古希腊先哲用简单的物质元素探索世界的本原。例如，泰勒斯把世界的本原归结为水，赫拉克利特把世界的本原归结为火，德谟克利特把世界的本原归结为原子，认为世界由不可分的原子构成。他认为，万事万物都可以还原为不可分最小微粒——原子，世界是由原子构成的。复杂的事物由简单的事物构成，万事万物都由不可分的基本粒子构成。世界由最基本的粒子构成，复杂对象由基本粒子构成，基本粒子决定了宇宙的性质。

简单性哲学原则不但用简单元素追溯世界的本原，还致力于用力学解释自然现象。不管是物理规律、化学规律、生物规律，甚至是社会规律都可以用力学解释。哥白尼的日心说体系之所以取得科学界的支持也不是因为其解释力强，而是因为其遵循了简单性原则，从而取代了托勒密繁琐的本轮-均轮模型。牛顿的力学三定律就立足于简单性原则，用力来解释所有运动。按照简单性哲学原则，人与动物都是由简单的粒子构成，人与动物没有根本区别，人与机器也没有本质区别，甚至可以说“人就是机器”。1747年，拉·梅特里发表了《人是机器》这一哲学巨著，提出“人是动物，因而也是机器，不过是更复杂的机器罢了”〔14〕69。笛卡尔把人体看作是与机械相类似，用机械的旋涡来解释天体运动问题，他认为宇宙是一架机器，机械运动是唯一的运动规律。牛顿、开普勒、伽利略等都力图建立严密的力学体系来正确描述宏观物理运动，甚至是天体运动。爱因斯坦试图用公理化方法把自然界描绘成物质在时空中运动的统一体，德国物理学家海森堡也认为简单性原则可以作为科学假说可接受性的标准。

不仅自然界的规律可以用力学表示，而且社会关系也可以用力学表示。孔德提出社会动力学和社会静力学概念，社会动力学又称为社会物理学，立足于运用力学规律分析社会关系。1950年，斯宾塞出版《社会静力学》，把事物的基本规律看作“力的恒久性规律”（thelawofpersistenceofforce）。“人是机器”的观点启发人工智能先驱开始了构造具有人类智能机器的探索。

主体与客体的关系在哲学史上占居重要地位，是哲学研究中的核心問题，也是哲学史上诸多学派的思想源头。古希腊米利都学派的泰勒斯探索万物本源的时候就开始关注主体如何认识客体，关注主体与客体的关系，普罗泰戈拉提出的命题“人是万物的尺度”包括了主客二分思维的萌芽，笛卡尔的精神和物质相互独立的二元论思想暗含着主体和客体截然二分的思想。人们一般认为，只有人类才能成为主体，人之外的世界是客体。那主客二分的标准是什么呢？人之所以为主体的标准又是什么呢？有的学者认为只有主体才具有意向性，客体不具有意向性，客体只是主体认识的对象。主体一般具有独立意识或者个体经验。哲学意义的认识论指的是个体对知识和知识获得所持有的信念，主要包括知识结构、知识本质、知识来源和知识判断的信念等内容，主体与客体的关系问题是哲学的核心问题。认识论中的可知论与不可知论是研究主体之外的客体是否可知，唯心主义与唯物主义的区分以及各种不同的哲学流派的分野都基于主体与客体截然二分的哲学基础，哲学史上，各大流派都曾经把主客关系作为研究的切入点。

人工智能是赋予机器智能，让机器可以模拟或者代替人类的某种智能。人工智能基于不同的哲学理念有不同的研究进路，人工智能发展史上不同思想的对立也是基于对于主体与客体关系的哲学思考。一般来讲，人工智能可分为三种进路，即符号主义进路、联结主义进路以及行为主义进路。人工智能符号主义进路把人类的认知过程看成符号计算过程，人类认知是物理符号系统，人工智能先驱德雷福斯（s）认为，人工智能研究者其实与炼金术师一样，也是对一些符号进行不同的处理。因此，在人工智能的符号主义看来，人与机器没有本质区别，人类的心智同样可以还原成符号计算。德雷福斯在《计算机不能做什么：人工智能的极限》中提出，人工智能机器是基于生物学假设、心理学假设、认识论假设以及本体论假设基础之上的。“生物学假设：在某一运算水平上，大脑与计算机一样，以离散的运算方式加工信息;心理学假设：大脑被看作一种按照形式规则加工信息单位的装置;认识论假设：一切知识都可被形式化，可以被编码成数字形式;本体论假设：存在是一组在逻辑上相互独立的事实，知识可以被编入计算机程序”〔17〕156。从德雷福斯关于人工智能的四个假设中我们可以看出，人工智能与人类一样都是对信息加工和处理的工具，从这个意义上讲，主体与客体之间没有本质的区别。主体与客体不能截然二分，之所以对主体和客体进行区分，表明人类对于自身的认知规律和智能结构没有真正揭示。

人工智能的联结主义进路，又称为仿生学派或生理学派，认为人工智能源于仿生学，特别是对人脑模型的研究，其主要原理为神经网络及神经网络间的连接机制与学习算法。联结主义起初是用软件模拟神经网络，后来发展到用硬件模拟神经网络。其理论假设是人与机器如果具有同样的结构应该具有同样的功能，可以通过研究人脑的物理结构从而制造出类似人脑的机器。在联结主义看来，人与机器结构相同，人脑与计算机程序运行模式相同，则功能相同。纽维尔（allennewell）认为，智能的计算机程序可以被用来模拟人类的思维过程。联结主义失败的原因是人脑的结构并不像人工智能研究者们在电脑上模拟一样，人类的大脑是将物理事实与知觉过程所连接的客观事实，而不只是对信息进行加工的一台机器。人与机器不同，机器不具有人类的精神状态和意识。人类的精神状态和意识是否由人脑结构决定呢？人类精神状态和意识是先验存在还是后天习得仍然是认知科学研究的难题。因此，通过神经网络让机器模拟人类智能行不通。通过对人工智能的符号主义和联结主义的分析我们发现，主体与客体区别的必要性得以彰显，人的主体性地位不能动摇。

人工智能的行为主义进路，又称为人工智能的进化主义或控制论学派，其原理为维纳和麦克洛克等学者的控制论思想及感知-动作型控制系统。研究重点是模拟人在控制过程中的智能行为和作用，如对自适应、自组织和自学习等的研究。人工智能行为主义学派的代表布鲁克斯（rodneybrooks）研制的“六足机器人”实质上是一个基于感知-动作模式模拟昆虫行为的控制系统，能够适应外界的环境，但这样的机器人也不具有人类的感知与认知能力，主体与客体之间还是可以严格区分。人工智能的目标从技术层面来讲是制造出对人类有益的智能机器，从哲学层面来讲，就是利用人工智能概念和模型，通过机器模拟人类智能来推动哲学核心思想主客二分问题的研究，借此解决哲学上的身心问题、意识难题等问题。哲学的核心问题与人工智能的研究是相互促进的。

综上所述，人工智能技术的发展有其哲学根源，根源于数是万物本源思想、万物皆数思想以及数的简单、和谐思想，还根源于亚里士多德的逻辑思想以及分析哲学的逻辑分析研究方法。在众多哲学思想中，简单性原则是人工智能的哲学思想源泉。人工智能就是计算机用逻辑方法把思维还原为简单数字来模拟人脑的过程。人工智能发展是思维的革命，人工智能涉及信息与计算的本体地位和方法论问题，人工智能的发展迫使哲学家们对思维的存在形式进行深入研究，从而把形而上的论证变成可操作的过程。人工智能的目标是通过计算机实现机器模仿人类智能，人工智能的发展直接指向哲学的中心问题。例如，意向性问题、形式化问题、身心问题等。对于人工智能的哲学基础溯源有利于推动哲学的进步与发展，也可以拓展对于传统哲学问题的研究。只有对人工智能的哲学思想基础进行追溯与探源，才能为人工智能工作者提供思想源泉，从而更好地理解与把握人工智能的理论基础、发现人工智能的发展规律以及预测人工智能的发展趋势、把握人工智能的发展方向。

参考文献：

〔1〕玛格丽特·博登.人工智能哲学〔m〕.刘西瑞，王汉琦，译.上海：上海译文出版社，2001.

〔2〕汪子嵩，等.希腊哲学史〔m〕.北京：人民出版社，2004.

〔3〕亚里士多德.形而上学〔m〕.李真，译.上海：上海人民出版社，1995.〔4〕安东尼·梅耶斯.爱思唯尔科学哲学手册〔m〕.张培富，等译.北京：北京師范大学出版社，2015.

〔5〕〔m〕.northholland，amsterdam：macmillanmagazinesltd，1992.

〔6〕davis，soflogic：mathematiciansandtheoriginofthecomputer〔m〕.newyork：&，2001.

人工智能的利与弊论文篇三

十九世纪末到二十世纪以来科学技术得到了飞速的发展，在这个时期里很多学科都得到了提高和补充，学科间的关系也越来越密切，一系列利好因素的共同作用下，机械电子工程学得以产生并发展。

顾名思义，机械电子工程就是电子信息技术与传统的机械技术的一个结合，充分的发挥了两个不同学科在技术上的共同点，达到了物理上和信息功能上的连结。这是一个跨学科的尝试，更是一个挑战，它可以将所有的机械工程信息进行分析，达到智能化的目的。虽然依旧属于机械工程行业，但是显然已经拥有了自己的特点。

1）不同的设计方法

机械电子工程与传统工程相比，已经不是单一的一个学科，它已经发展成为了有很多技术和科学共同组成的一个新学科，并且在工程设计上充分的吸纳了信息技术、机械技术，并为了使工程的各模块结构布局更加完整，设计人员一般都会采取自上而下的设计方法。

2）产品上的差异

2机械电子工程的发展过程

机械电子工程学并不是一个孤立的学科，它与很多工程和技术都有着密切的联系，是机械工程学科和电子信息工程、智能管理技术共同作用下，形成的一个新的发展体系。在信息系统不断完善的过程中，机械电子工程体系也更加完善，并日益成熟。机械电子工程学的发展历程主要是这样的几个方面：

1）机械电子工程学的开端

机械电子工程学在刚起步的阶段，其主要的生产形式是手工生产，此时社会的生产能力很低，没有充足的劳动力资源，发展生产力变得异常艰辛。为了改变这样一个窘迫的状况，科学家进行了大量的研究和尝试，在一次次的失败中，机械工程终于得到了一定的发展。

2）机械电子工程学的高速发展阶段

在经历了起初艰难的开始阶段以后，机械电子工程迎来了高速发展时期，随着标准件生产在同一的流水线下得以实现，这一时期的生产已经具备了一定的标准，并且极大地刺激了生产力的发展。但是这样的生产模式并不是没有缺点的，生产的过程过于标准，使产品过于单一，满足不了不同用户和社会不断变化的需要。

3）机械电子工程的成熟阶段

经过了多年的发展，机械电子工程产业已经形成了一定的体系，并与现代化科学技术有了一定的融合，进入了现代机械电子发展阶段。归根结底，机械电子工程的发展是为了满足社会工作和生活的需要，现代社会工作节奏加快，生产也更加灵活，对机械电子工程提出了更高的要求，机械电子行业的特点是柔性制造，这也为机械电子同信息化社会的融合创造了条件。

3人工智能在机械电子工程的运用

人类社会的发展始终离不开能源、信息。在古代，生产力水平及其低下，人们对信息的获取能力也十分有限，能源和物质是维持人类生产生活的必需品。长久以来，人类往往都没有认识到信息的作用。随着人类文明的不断发展，生产力水平的不断提高人类对信息的概念逐渐了解，同时也产生了对信息的需求，信息的价值逐渐被发现。

随着电子计算机技术的逐渐应用，人类的生活发生了质的变化，人类社会至此进入了高科技的信息时代。人工智能系统作为电子技术发展的产物，在近两年出现，并且迅速的应用到了机械电子工程领域。

电子信息技术在方便快捷的同时，也存在一定的弊端，比如缺乏一定的稳定性，这使机械信息系统在输入和输出上就会变得十分混乱，并且不利于描述。以往的描述方法一般包括：建设规则库、推导数学方程、学习并生成知识。

一般的解析方法都比较精密、准确，但是应用范围十分有限，只能应用于比较简单的系统，而对比较繁琐复杂的体系，却不能够提供完整的解析式，必须依靠人工操作才能实现。随着人们对系统的要求越来越高，处理的信息变得复杂多样，信息的内容不仅包括数据的形式，也出现了数字信息和语言信息等新形式。为了适应时代形势的发展，人工智能处理方式以其复杂、不确定的特点成为了解析数学的新方法、新手段。

人工智能处理体系一般是这样进行分类的，模糊推理体系和神经网络体系。这两个系统存在着联系，也有所不同。模糊推理系统一般通过对大脑功能进行模拟，从而分析出语言的信号;而神经网络系统模拟的却是大脑的结构，通过对数字信号的处理得出参考数值。

1）模糊推理体系和神经网络体系的相同点

我们可以说，模糊推理体系和神经网络体系都是利用网络结构，然后在某一精度上趋近一个函数。

2）模糊推理体系和神经网络体系的不同点

（1）映射方式

在映射方式的运用方面，模糊推理系统运用域和域之间的映射，神经网络体系则是点到点的映射。

（2）物理性质

模糊推理体系与神经网络体系相比拥有更明确的物理性质。

（3）计算量和计算精度

模糊推理体系没有固定的连接，计算量和计算精度都十分有限，神经网络体系则很好的克服了这一点，在输入的过程中使每个神经元相互作用，大大的提高了计算量，并且能够保证较高的输出精度。

（4）储存方式

在储存信息的过程中，模糊推理体系采用的是比较规则的方式，神经网络体系则是利用分布式对信息进行储存。

社会作为一个不断发展变化的有机结合体，单一的处理手段是无法满足人类发展的需要的。为此，智能系统研究专家开始了对综合智能系统的开发与探索。综合智能系统是对以往人工智能体系的继承和发展，它能够融合以往两种智能体系的优点，使数学描述变得更加全面。

4结论

机械电子工程产业发展是我国工业信息化过程的一个写照，在工程制造的过程中充分利用现代化科学技术的巨大优势，实现了生产力的提高，满足社会发展的需求，机械电子工程和人工智能和完美结合实现了不同学科之间的融合，为工业信息化的发展提供了成功经验和新思路。

人工智能的利与弊论文篇四

摘要:在航空业的发展中，人工智能技术起着积极的促进作用。本文介绍了空中交通管理中的人工智能理论及方法运用，为优化空中交通流量管理系统提供理论依据，更好地服务于空管系统。

关键词:人工智能；空中交通；管理

人工智能，即artificialintelligence，是计算机科学的一个分支，研究对人的意识及思维的信息过程的模拟并对其进行延伸和扩展，通过了解人类智能，研究出类似的反应的智能机器。随着计算机技术的发展，人工智能越来越多的运用于民航的各个方面，如飞行间隔的控制，空中流量的预测，飞行冲突的调配。但随着民航业的飞速发展，飞行流量日益增大，需要将人工智能技术有效运用于空中交通流量管理中，建立人工智能辅助系统，扩大空域容量，优化空中交通流量，提升空管秩序。

1空中交通流量管理探讨

在空中交通流量管理（airtrafficflowcontrolmanagement）中，空中交通流量是指单位时间和空间通过的航空器数量。通过优化空中交通流量，将空中交通管制服务与机场、航路有效结合，减少延误，提高机场和空域的利用率。从时间角度上，空中交通流量管理可以分为航路流量管理和机场终端区流量管理两部分，从时间上又可划分为战略流量管理，预战术流量管理和战术流量管理。当航空器数量饱和时就要对航空器进行流量控制，目前的常用的控制措施如下：1）地面等待，最主要的空中交通流量管理措施，本着地面让空中的原则，对地面航空器的起飞时间进行限制；2）空中等待，航空器在航路上或终端区规定的等待点或没有冲突的临时等待点进行盘旋等待；3）更改航路等待，当航路航线的容量饱和时，航空器可以通过选择其他航路航线；4）控制航路间隔，通过对航空器进入空域的间隔进行限制，来达到流量管理的目的，吸收部分拥挤的流量。

2人工智能的应用研究探讨

agent在人工智能的研究中，指能自主活动的软件或者硬件实体，目前国内普遍翻译为智能体。在人工智能中，设计关键智能体，对于研究人工智能的应用是非常重要的。在空中交通流量管理中，设计如下关键智能体：航班智能体、航路智能体和机场终端区智能体。航班智能体的属性有高度、速度、上升/下降率、起飞机场、目的地等。航班智能体可以与区域内或终端区的其他航班智能体建立通信，通过获取航班信息和逻辑判断，结合周围环境与自身状况，指导控制自身行为。如果航班智能体需要做出相应的调整如改变高度航向等，需要给上级的航路智能体或机场终端区智能体发出申请，上级智能体批准后，航班智能体才能采取相应的调整，作出相应的控制行为，才能通过交互环境反馈相应结果。在实际工作中，这个过程是通过空中交通管制员指挥航空器实现的。空中交通管制员在实际指挥工作中，需要结合当时的空中交通状况和自身的经验知识。航路智能体的主要属性有航路的`高度、宽度、容量等。航路智能体需要对航班智能体进行指挥，管理航路上的智能体，同时与其他航路智能体和机场终端区智能体进行通信，对航班智能体进入和离开航路的时机进行协调，记录流量信息并报告给上级流量管理部门，接收上级智能体的指令。在航班智能体进入航路之前首先要进行容量评估。通过评估后的航班智能体回收到航路智能体发出的放行许可才能进入航路。如果没有通过容量评估，则要向上级智能体发送将流量限制的申请，发布流量限制后航路就不能批准航班智能体的进入，通过减少航班智能体的数量，控制航路交通流量。机场终端区智能体：在实际工作中，机场终端区的航班管理包括管制指挥、流量控制、地面场面监视、进离场等，难度较大。终端区智能体（通常运行中为塔台管制）首先要处理所收到的信息，如天气雷达信息、地面运行信息和情报信息等等，结合已有知识开展机场的容量评估。如遇到低云低能见度、雷雨等天气时可以调低终端区/机场容量，对进入离开的航空器进行限制。通过容量评估，塔台会给航班智能体一个slottime，航班智能体按照塔台的slottime起飞或降落，从而达到流量控制。如果没有通过容量评估，则需要通过上级的智能体批准，发布流量控制，限制终端区的流量，通过控制进入或离开的航空器数量达到流量限制的目的。机场终端区智能体（塔台）对终端区的航空器进行管理，还需要与航路智能体和平级的终端去智能体进行通信，对航班进出的slottime进行协调，并将流量管理信息报告给上级流量管理部门，接收上级智能体的命令。如果出现拥堵机场终端区智能体需要通过一些措施来管理流量，如分配slottime、指挥航空器地面或空中盘旋等待。

3结论

综上所述，以往在模拟空中交通流量进行研究的时候，首先制定流量控制信息，再在系统模拟航班飞行计划。这样的模拟过程不能解决容量告警问题。如果流量控制不合理，只能重新设定流控信息，再次进行模拟，因而加大模拟过程的工作量。而通过智能体的运用，可以在模拟中不断调整智能体来模拟空中流量，增加了模拟流量过程中的灵活性，将人工智能运用于模拟中，借助智能体来模拟空中流量，可以更好的分析空中交通流量问题。

参考文献

[2]甘鑫鑫基于多agent的空中交通协同流量管理研究[j].科学与财富，20xx（30）：278.

[5]陈言俊，刘甜甜.人工智能与机器人.[6]黄昱斌.基于multi-agent的空中交通流量的探究[j].科技创新与应用，20xx（14）：57-57.

人工智能的利与弊论文篇五

在航空业的发展中，人工智能技术起着积极的促进作用。本文介绍了空中交通管理中的人工智能理论及方法运用，为优化空中交通流量管理系统提供理论依据，更好地服务于空管系统。

人工智能；空中交通；管理

人工智能，即artificialintelligence，是计算机科学的一个分支，研究对人的意识及思维的信息过程的模拟并对其进行延伸和扩展，通过了解人类智能，研究出类似的反应的智能机器。随着计算机技术的发展，人工智能越来越多的运用于民航的各个方面，如飞行间隔的控制，空中流量的预测，飞行冲突的调配。但随着民航业的飞速发展，飞行流量日益增大，需要将人工智能技术有效运用于空中交通流量管理中，建立人工智能辅助系统，扩大空域容量，优化空中交通流量，提升空管秩序。

在空中交通流量管理（airtrafficflowcontrolmanagement）中，空中交通流量是指单位时间和空间通过的航空器数量。通过优化空中交通流量，将空中交通管制服务与机场、航路有效结合，减少延误，提高机场和空域的.利用率。从时间角度上，空中交通流量管理可以分为航路流量管理和机场终端区流量管理两部分，从时间上又可划分为战略流量管理，预战术流量管理和战术流量管理。当航空器数量饱和时就要对航空器进行流量控制，目前的常用的控制措施如下：1）地面等待，最主要的空中交通流量管理措施，本着地面让空中的原则，对地面航空器的起飞时间进行限制；2）空中等待，航空器在航路上或终端区规定的等待点或没有冲突的临时等待点进行盘旋等待；3）更改航路等待，当航路航线的容量饱和时，航空器可以通过选择其他航路航线；4）控制航路间隔，通过对航空器进入空域的间隔进行限制，来达到流量管理的目的，吸收部分拥挤的流量。

agent在人工智能的研究中，指能自主活动的软件或者硬件实体，目前国内普遍翻译为智能体。在人工智能中，设计关键智能体，对于研究人工智能的应用是非常重要的。在空中交通流量管理中，设计如下关键智能体：航班智能体、航路智能体和机场终端区智能体。航班智能体的属性有高度、速度、上升/下降率、起飞机场、目的地等。航班智能体可以与区域内或终端区的其他航班智能体建立通信，通过获取航班信息和逻辑判断，结合周围环境与自身状况，指导控制自身行为。如果航班智能体需要做出相应的调整如改变高度航向等，需要给上级的航路智能体或机场终端区智能体发出申请，上级智能体批准后，航班智能体才能采取相应的调整，作出相应的控制行为，才能通过交互环境反馈相应结果。在实际工作中，这个过程是通过空中交通管制员指挥航空器实现的。空中交通管制员在实际指挥工作中，需要结合当时的空中交通状况和自身的经验知识。航路智能体的主要属性有航路的高度、宽度、容量等。航路智能体需要对航班智能体进行指挥，管理航路上的智能体，同时与其他航路智能体和机场终端区智能体进行通信，对航班智能体进入和离开航路的时机进行协调，记录流量信息并报告给上级流量管理部门，接收上级智能体的指令。在航班智能体进入航路之前首先要进行容量评估。通过评估后的航班智能体回收到航路智能体发出的放行许可才能进入航路。如果没有通过容量评估，则要向上级智能体发送将流量限制的申请，发布流量限制后航路就不能批准航班智能体的进入，通过减少航班智能体的数量，控制航路交通流量。机场终端区智能体：在实际工作中，机场终端区的航班管理包括管制指挥、流量控制、地面场面监视、进离场等，难度较大。终端区智能体（通常运行中为塔台管制）首先要处理所收到的信息，如天气雷达信息、地面运行信息和情报信息等等，结合已有知识开展机场的容量评估。如遇到低云低能见度、雷雨等天气时可以调低终端区/机场容量，对进入离开的航空器进行限制。通过容量评估，塔台会给航班智能体一个slottime，航班智能体按照塔台的slottime起飞或降落，从而达到流量控制。如果没有通过容量评估，则需要通过上级的智能体批准，发布流量控制，限制终端区的流量，通过控制进入或离开的航空器数量达到流量限制的目的。机场终端区智能体（塔台）对终端区的航空器进行管理，还需要与航路智能体和平级的终端去智能体进行通信，对航班进出的slottime进行协调，并将流量管理信息报告给上级流量管理部门，接收上级智能体的命令。如果出现拥堵机场终端区智能体需要通过一些措施来管理流量，如分配slottime、指挥航空器地面或空中盘旋等待。

综上所述，以往在模拟空中交通流量进行研究的时候，首先制定流量控制信息，再在系统模拟航班飞行计划。这样的模拟过程不能解决容量告警问题。如果流量控制不合理，只能重新设定流控信息，再次进行模拟，因而加大模拟过程的工作量。而通过智能体的运用，可以在模拟中不断调整智能体来模拟空中流量，增加了模拟流量过程中的灵活性，将人工智能运用于模拟中，借助智能体来模拟空中流量，可以更好的分析空中交通流量问题。

[2]甘鑫鑫基于多agent的空中交通协同流量管理研究[j].科学与财富，2015（30）：278.

[5]陈言俊，刘甜甜.人工智能与机器人.[6]黄昱斌.基于multi-agent的空中交通流量的探究[j].科技创新与应用，2015（14）：57-57.

人工智能的利与弊论文篇六

人工智能（artificialintelligence），英文缩写为ai，也称机器智能。“人工智能”一词最初是在1956年的dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能与人类智能相似的方式做出反应的智能机器。人工智能的发展史是和计算机科学与技术的发展史联系在一起的，目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机，人工智能在21世纪必将为发展国民经济和改善人类生活做出更大的贡献。

事物的发展都是曲折的，人工智能的发展也是如此。人工智能的发展历程大致可以划分为以下五个阶段：

第一阶段：20世纪50年代，人工智能的兴起和冷落。人工智能概念在1956年首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、lisp表处理语言等。但是由于消解法推理能力有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是重视问题求解的方法，而忽视了知识的重要性。

第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。dendral化学质谱分析系统、mycin疾病诊断和治疗系统、prospectior探矿系统、hearsay—ii语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（internationaljointconferencesonartificialintelligence即ijcai）。

第三阶段：80年代，随着第五代计算机的研制，人工智能得到了飞速的发展。日本在1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统kips”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。

第四阶段：80年代末，神经网络飞速发展，。1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。

第五阶段：90年代，人工智能出现新的研究高潮。由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。

1、人工智能在管理系统中的应用

人工智能应用于企业管理的意义主要不在于提高效率，而是用计算机实现人们非常需要做，但工业工程信息技术是靠人工却做不了或是很难做到的事情。把人工智能应用于企业管理中，以数据管理和处理为中心，围绕企业的核心业务和主导流程建立若干个主题数据库，而所有的应用系统应该围绕主题数据库来建立和运行。也就是说，将企业各部门的数据进行统一集成管理，搭建人工智能的应用平台，使之成为企业管理与决策中的关键因子，这些正体现了人工智能在企业管理中的巨大价值。

2、人工智能在工程领域中的应用

人工智能在地质勘探、石油化工等工程领域也发挥着非常重要的作用。早在1978年，美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“prospector”，该系统用于勘探评价、区域资源估值和钻井井位选择等，是工程领域的首个人工智能专家系统，其发现了一个钼矿沉积，价值超过1亿美元。

3、人工智能在技术研究中的应用

人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展，网络技术的安全已经成了人们关心的重点，因此必须在传统技术的基础上进行网络安全技术的`改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的ai技术，开发更高级的ai通用与专用语言和应用环境以及开发专用机器，而人工智能技术则为其提供了一定的可能。

人工智能的近期研究目标在于建造智能计算机，用以代替人类去从事各种复杂的脑力劳动。正是根据这一近期研究目标，人们才把人工智能理解为计算机科学的一个分支。当然，人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机（automata）模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。如今，人工智能已经进入了21世纪，其必将为发展国民经济和改善人类生活做出更大的贡献。但是，从人工智能目前的发展现状来看，其研究也存在一定的问题，这些主要表现在以下三个方面：

1、宏观与微观隔离

一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象;另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远，中间还有许多层次尚待研究，目前还无法把宏观与微观有机地结合起来和相互渗透。

2、全局与局部割裂

人工智能是脑系统的整体效应，有着丰富的层次和多个侧面。但是，符号主义只抓住人脑的抽象思维特性;连接主义只模仿人的形象思维特性;行为主义则着眼于人类智能行为特性及其进化过程。这就导致了三者之间存在着明显的局限性。因此，必须从多层次、多因素、多维和全局观点来研究人工智能，才能克服上述局限。

3、理论与实际脱节

大脑的实际工作，在宏观上已知道不少;但是智能的千姿百态，变幻莫测，复杂的难以理出头绪。在微观上，我们对大脑的工作机制知之甚少，似是而非，这也使我们难以找出规律。在这种背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出“智能”就已经算是相当的成功。

人工智能一直处于计算机技术的前沿，其研究的理论和发现在很大程度上将决定计算机技术的发展方向。人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。因此，要想从根本上了解人脑的结构和功能，完成人工智能的研究任务，就必须去寻找和建立更新的人工智能框架和理论体系，进而为人工智能的进一步发展奠定坚实的理论基础。我们坚信在不久的将来，人工智能技术的应用与发展必将会给人们的生活、工作和教育等带来更大的影响。

人工智能的利与弊论文篇七

（一）人工智能的发展

1950年，艾伦，麦席森，图灵发表了一篇划时代之作《制作机器会思考吗？》里面提出了测试机器是否具有智能的方法，并因此摘得“人工智能之父”的桂冠。约翰，麦卡锡在1956年的达特茅斯学术会议上，第一次提出人工智能（artificialintelligence，ai）。1997年，ibm公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。2017年7月，国务院印发了《新一代人工智能发展规划》，这是我国首个面向2030年的人工智能技术的战略发展蓝图，也表现出我国对发展人工智能技术的重视与支持，同时，人工智能人选“2017年度中国媒体十大流行语”。

人工智能是计算机科学的一个分支，可以对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

（二）人工智能的意义

人工智能在会计、审计、税务等行业的广泛运用，使得传统、简单、重复性的基础会计工作岗位将面临被智能化取代，人工智能已成为促进会计行业转型发展的重要推手。近三年来，德勤、普华永道、安永、毕马威4大国际会计师事务所通过利用财务机器人进行会计、审计等工作，使得数据的准确性、工作效率、管理决策水平等明显提升，由此可见，人工智能早已潜移默化的影响到了会计工作的方方面面。

（一）会计工作效率提高了。人工智能技术与财务管理系统的对接，实现了系统自动识别票据、生成会计记账凭证、记录明细账户以及生成总账和各类报表。作业过程中系统按时间顺序记录每笔业务，对每一笔账务进行核实和验证。财务机器人还实现了信息的语音、扫描录入，财务软件可自动生成证、帐、表，这将更加高效准确地完成基础会计核算工作，提高此项工作的效率，会计人员因此节省了大量用于基础核算工作的时间，从而能将更多的精力投入在企业内部管理型的工作上，同时又提高了管理工作的效率。

（二）会计信息质量提高了。受自身能力、专业素质以及外部环境等因素的影响，会计信息数据的滞后性和人为失误在所难免。人工智能将会计模型和方法程序化，它既减少了人为失误又极大地提升了数据处理能力，工作重心逐渐转向数据的挖掘、分析等重要环节和高附加值工作中，同时，会计档案由纸质变成电子档案更便于信息系统的管理、流程化的管理和监控，避免了人工作业的失误以及造假的可能，数据信息和记录的真实性和精准度得到保证。

（三）会计职能重心转移了。人工智能虽然可以替人做一些简单、繁冗、重复性的基础会计工作，但并不能完全替代会计人员，随着人工智能与会计信息系统的不断结合，从事简单记账工作的初级会计人员将会越来越少，而中高级会计人员将会集中于行业中涉及分析、预测和统筹的领域。因而会计职能的重心将向预测、决策、规划、控制、评价等目前人工智能无法取代的管理会计的职能转移。

（四）会计人员从业压力加大了。随着人工智能被引入到会计行业中，一方面，简单的会计核算工作将被智能化财务软件逐步替代，普通核算类型工作的岗位势必减少，基层会计人员面临失业的压力：另一方面，由于财务软件能够高效完成基础财务工作，企业更需要财会人员发挥管理会计的职能，会计从业人员需要将工作重心转移到决策分析和经营管理上，使其有从财务会计到管理会计转型的压力。

人工智能的发展与应用是社会经济发展过程中的必然产物，它的到来就像一把双刃剑，虽然可以对会计行业整体工作效率与工作方式带来提升，但是人工智是不能完全代替会计人员的工作的。比如，智能化的设备无法完全替代充满人情味的服务。李开复也指出，社交能力强、应变能力强、协商能力强的人，永远不会被人工智能取代。人类的感情，想象、创造等特质也是人工智能所无法企及的。所以，对于会计从业人员而言，人工智能只是一种行业对于自身的探索以及进步，顺应这种变化，会计人员应当认清挑战，抓住机遇。

一方面，会计从业人员应调整好心态，快速适应行业的变革，重新找回自己的价值。努力提升自己的专业分析能力和管理能力，成为人工智能代替不了的高级会计工作者。比如：财务战略制定，纳税筹划，风险控制，合理避税、财务分析等。同时，向复合型人才发展。正如任正非所说，称职的cfo应随时可以接任ceo。会计人员应当开阔眼界，放大格局，不能只着眼于本职工作，还应该了解工作其他岗位的工作内容，比如销售类、生产类等部门的业务，提高自己的企业价值以及行业地位，做一名复合型人才。

另一方面，人工智能技术在财会领域的突破离不开懂会计知识的专业人员的配合，财务人员要努力学习新技能，加强计算机、信息技术的知识储备，协助人工智能会计信息系统的研发，担当人工智能会计系统的设计者和监督者。

参考文献：

[1]闰钰.企业人工智能时代下对会计行业的思考[j].商场现代化.2018（1z）

[2]杨秀琴.浅议人工智能时代财务会计与管理会计的融合发展趋势[j].现代商业.2018（18）

[3]李牧阳，运用给会计行业带来的问题和思考[j]，中国管理信息化.2019（42）

人工智能的利与弊论文篇八

在二十一世纪的将来，宁波市室验小学的中心，有一座巨大的建筑物――大本钟。

这不是大本钟的仿照，而是一座高科技的智能教学楼。这座楼分成一个个小小的圆，那是一个个教室。现在，可以让你见识见识所谓的“高科技”啦。走上楼梯，来到四（五）班的教室门口，门口摆着好多双鞋，不用惊奇，教室是圆的，固然得穿特别的鞋啦。在门框上，有一个指甲大小的洞，那是微形录像头，假如你晚到了便会自动发信息给教师，以防你不诚恳，偷偷溜进来。教室的中心有一大个一大个的沙包，那是学生座椅，你任凭怎么坐都可以，由于它有一个芯片，可以测你的心理，只要在听课就可以。假如没听课，它就会像一把扎满钉子的“活火山”，把你弄得苦痛不堪。教室里没有桌子，一人一个平板电脑，教师讲课的板书占一半，不用怕看不见，在为可以放大。另一半是录像机，把教师讲的课全程录像。

教室前面的讲台更牛，还有那个“大本钟”语。数教师（包括全部教师）要拖课，那把教室建成大本钟干吗？钟一响，学生倒安平稳稳的，教师在讲台上却被震得象在12级地震现场，五脏六腑都“蹦”了出来。假如学生很喜爱，只要在“课后评分”地方点一个好，教师就会留下来。“墙”上的黑板也有芯片，教师不用找文件，心里一想，文件就会立即翻开。芯片还能识别人。同学假如在动，不到5秒，电脑就会自动关机，以防坏掉。黑板角落一个个白色的，上面画有图案的是教室按扭，一按，相应的教室布置，让同学们和教师不会为没有教室而苦恼。

教室后边的图书角也很奇妙。想到什么书，什么书就会被推出一个角，不用我们一本本地找了。图书角的边上有一个生物角，透亮的玻璃里一个“动物园”一样的地方。每天都会引来很多奇怪的眼睛，里面除了凶狠的野兽，其它动物几乎都不缺。进入边上的“更衣室”，一套适合你的衣服就穿在了你身上，再走进“迷你动物园”，边上不是透亮的了，而是一望无际的“动物天堂”。尽管知道这是幻觉，但学是很吸引人。走近那些动物，衣服起了作用，让人听懂了它们的语言，还能和它们沟通呢！

不止这些呢，节日里，“天花板”上的灯会身出五彩的`光线，平常只会在摔倒时变软的“地板”现在一不当心踩着了哪块，“砰”地一下就会炸出五色的彩带，立即又自动恢复，为节日增加不少乐趣。

噢，差点遗忘了，教室是园的，真正的目的就是不让教师体罚学生。由于那把“沙包椅”已经起到这个作用了啦！

这样一个智能教室，肯定会在21世纪被创造出来让我们用的。我们肯定要去研发出这种高科技的智能教室。

人工智能的利与弊论文篇九

人工智能的利与弊论文篇十

长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(mit)、卡内基-梅隆大学(cmu)到ibm公司，再到日本的本田公司、sony公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着ai技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(a.i.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。

在本期技术专题中，中国科学院计算技术研究所智能信息处理开放实验室的几位研究人员将引领我们走近人工智能这一充满挑战与机遇的领域。

"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。intelegere是从中进行选择，进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machineswhothinks,1979)中所提出的:在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵(turing)提出了"自动机"理论，把研究会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。

人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificialintelligence，ai)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的ibm的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运行一些要求更高的ai软件，而且现在的ai具备了更多的现实应用的基础。90年代以来，人工智能研究又出现了新的高潮。

我们有幸采访了中国科学院计算技术研究所智能信息处理开放实验室史忠植研究员，请他和他的实验室成员引领我们走近人工智能这个让普通人感到深奥却又具有无穷魅力的领域。

问:目前人工智能研究出现了新的高潮，那么现在有哪些新的研究热点和实际应用呢？

答:ai研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的`不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是:智能接口、数据挖掘、主体及多主体系统。

智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱:数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。

主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。

答:我国开始"863计划"时，正值全世界的人工智能热潮。"863-306"主题的名称是"智能计算机系统"，其任务就是在充分发掘现有计算机潜力的基础上，分析现有计算机在应用中的缺陷和"瓶颈"，用人工智能技术克服这些问题，建立起更为和谐的人-机环境。经过十几年来的努力，我们缩短了我国人工智能技术与世界先进水平的差距，也为未来的发展奠定了技术和人才基础。

但是也应该看到目前我国人工智能研究中还存在一些问题，其特点是:课题比较分散，应用项目偏多、基础研究比例略少、理论研究与实际应用需求结合不够紧密。选题时，容易跟着国外的选题走;立项论证时，惯于考虑国外怎么做;落实项目时，又往往顾及面面俱到，大而全;再加上受研究经费的限制，所以很多课题既没有取得理论上的突破，也没有太大的实际应用价值。

今后，基础研究的比例应该适当提高，同时人工智能研究一定要与应用需求相结合。科学研究讲创新，而创新必须接受应用和市场的检验。因此，我们不仅要善于找到解决问题的答案，更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。

问:请您预测一下人工智能将来会向哪些方面发展？

答:技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展:模糊处理、并行化、神经网络和机器情感。

目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是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。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明:情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。

人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。

人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。

在一年一度at&t实验室举行的机器人足球赛中，每支球队的"球员"都装备上了ai软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白有些情况下不能死守岗位。尽管现在的ai技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。

这种ai机器人组队打比赛看似无聊，但是有很强的现实意义。因为通过这类活动可以加强机器之间的协作能力。我们知道，internet是由无数台服务器和无数台路由器组成的，路由器的作用就是为各自的数据选择通道并加以传送，如果利用一些智能化的路由器很好地协作，就能分析出传输数据的最佳路径，从而可以大大减少网络堵塞。

我国也已经在大学中开展了机器人足球赛，有很多学校组队参加，引起了大学生对人工智能研究的兴趣。

安放于加州劳伦斯·利佛摩尔国家实验室的asciwhite电脑，是ibm制造的世界最快的超级电脑，但其智力能力也仅为人脑的千分之一。现在，ibm正在开发能力更为强大的新超级电脑--"蓝色牛仔"(bluejean)。据其研究主任保罗·霍恩称，预计于4年后诞生的"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。