前言：中文期刊網精心挑選了人工智能技術綜述范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能技術綜述范文1
【關鍵詞】無人駕駛 腦控汽車 發展前景
1 前言
近些年，隨著汽車工業的快速發展，汽車駕駛已經是現代人需要掌握的基本技能之一，在其拓展普及的同時，安全駕駛成為了現代社會最關注的焦點之一。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生的行為。汽車所帶來的安全問題多數出自駕駛司機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研究的主要趨勢。
2 無人駕駛汽車的發展現狀
2.1 國外駕駛汽車的研發狀況
從上世紀開始國外就開始進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設備，包括車載傳感器、GPS和攝像頭等，配合車內的智能軟件，如自適應巡航控制系統（ACC）等實現脫離駕駛員的自動駕駛汽車[4]。國外著名汽車企業及IT行業巨頭谷歌都競相亮相其在無人駕駛汽車技術研究的成果。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公路上已經啟動了上路測試，這是量產版自動駕駛卡車首次在高速公路上進行行駛；據英國《每日電訊報》15年2月11日消息，奧迪方面確認其首款采用無人駕駛技術的車型將于2017年上市。另外各大汽車制造商以及相關科技巨頭表示無人汽車在2020年可以推出商用。美國內華達、加利福尼亞、佛羅里達及密歇根州為谷歌、奧迪等正在開發的無人駕駛車發放了公路試驗牌照。這表明了一點：使用人工智能替代駕駛員來駕駛汽車被各大發達國家與科技巨頭認可。這是因為無人駕駛汽車經過精密計算，由系統精確控制，在一般條件下，比真人駕駛應該更加安全可靠。無人駕駛汽車至少不會犯情緒上的錯誤，不會因為酗酒、生氣、郁悶等精神原因而造成汽車失控，也不會因為人多、路窄、彎多等復雜路況而緊張，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。在有限速標記的道路上，無人駕駛汽車會嚴格遵守規定，不會超速行駛。
2.2 國內駕駛汽車的研發狀況
我國關于無人駕駛汽車的研究相對國外起步較晚，但是發展迅速。十幾年前，國防科技大學已經開始對一款紅旗轎車進行相應改裝，研制出了紅旗HQ3智能無人車，能實時處理岔道、斑馬線和虛線；對車體姿態變動，自然光照變化及樹木、路橋陰影都具有較強的自適應力。HQ3，其“大腦”是藏在后備廂里的計算機設備，車輛沒有GPS 等導航設備，完全是利用自身的“環境傳感器”來識別道路標線，進而依靠車載的智能行為決策和控制系統，實現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雜路況下公開進行無人駕駛的測試，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，南開大學計算機與控制工程學院段峰副教授的研究團隊與長城汽車共同合作研發 “腦控汽車”，這項研究通過腦電設備， 捕捉人在集中注意力時產生的腦電信號， 利用腦電信號識別系統分析人的驅車意圖并向汽車發送操控指令， 以此實現人腦控制汽車的目的[6]?！澳X控汽車” 顛覆了手腳并用的駕車方式，它可以利用人腦進行汽車操控并低速行駛， 但離真正投入生產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，將人工智能應用于汽車駕駛技術方面更為廣泛。
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完成道路環境的收集。當車輛在人口密集的樓房建筑區、事故區域或者其他有人通過通用手勢信號來指揮車輛在此區域通行時，無人汽車將遇到判斷難題。另外，道路存在信號標志老舊變形等情況出現，無人汽車可能產生誤識或者漏識，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，如當無人駕駛汽車行駛在這個人口稠密的世界時， 發現已經無法避免事故的發生時，智能計算機應該選擇沖向馬路的行人還是直接撞擊迎面而來的車輛？在受到外部虛擬網絡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方面同樣存在極大的挑戰。如產品責任，立法和多重管轄權等。無人汽車與有人汽車發生事故責任判定和無人汽車之間發生事故責任判定等。
3.3 安全防御性低
軟件安全公司Security Innovation首席科學家喬納桑?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系統只需一個成本不到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置實際并不存在的汽車、行人，或是墻壁，導致無人駕駛汽車的行駛速度放慢，甚至寸步難行。其相關論文已在歐洲黑帽安全大會上發表。
4 智能駕駛的發展前景
智能駕駛是通過人工智能輔助或代替人進行汽車駕駛行為，它可以彌補人類駕駛員會存在的缺陷。經過大量的研究和發展，智能駕駛所需的各種傳感器、計算機的性能和技術等方面取得了極大進步，成本也在逐步降低。
從人工智能和汽車駕駛結合的長遠發展角度來看，純智能的無人駕駛應為未來駕駛的主要方式，即使在當前基于貝葉斯、決策樹和人工神經網絡等機器學習的方法被運用在無人駕駛的行為識別和行為決策的技術環境下，我們也可以考慮設立專門的行駛路線保證無人駕駛汽車的應用推廣。在馮諾依曼體系結構下面向駕駛行為的機器學習，一直以來都是智能車領域的“瓶頸”。隨著國際“類腦”研究的興起，我國也上線了“中國腦計劃”，但畢竟類腦計算還僅從理論階段開始向前邁步，類腦計算機仍難以得到實現和應用。
從當前智能駕駛的技術角度來看，相對于無人汽車，腦控汽車的發展可能更加適合。這是因為無人駕駛汽車的計算機系統目前還無法達到類腦計算機體系的高度，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施無人駕駛的必經之路?，F在的家用汽車基本配備雷達輔助系統，該系統可以不斷監控周圍的交通狀況，可以用發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，系統會向駕駛者發送聽覺警報。目前奔馳的主動式駐車輔助系統能夠在主動轉向和制動功能干預下自動泊車。并且，在車輛通過自動駐車輔助系統停入平行車位后，該系統也可以在自動轉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。
在此基礎之上，我們可以在擴大自然語言處理等人機交互方式在人為干預下“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”等自然語言實現汽車系統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命令的方式來實現語音操控汽車的智能模式。因為有駕駛員的加入會使智能汽車的行駛方式更加靈活多變，適合于當前復雜的交通環境，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用的價值更加巨大。
參考文獻：
[1]朱盛鐳.未來智能汽車產業發展趨勢[J].上海汽車，2015（08）.
[2]鄭寶成.智能汽車及其新技術發展研究[J].科技創新與應用，2015（17）.
[3]馮學強，張良旭，劉志宗.無人駕駛汽車的發展綜述[J].山東工業技術，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障礙物檢測及表示方法[J]. 機器人，2014（06）.
[5]關天瑜.谷歌無人駕駛汽車再次追尾[J].計算機與網絡，2015（15）.
[6]張建新，喬仁銘.“腦控汽車”在南開大學“開跑”[J].農家參謀，2015（08）.
[7]陳慧，涂強，范正帥，王琳. 互聯智能汽車關鍵技術與發展趨勢[J].中國集成電路，2015（06）.
[8]賈祝廣，孫效玉，王斌，張維國.無人駕駛技術研究及展望[J].礦業裝備，2014（05）.
[9]楊帆.無人駕駛汽車的發展現狀和展望[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，徐學進.無人駕駛汽車的發展現狀及方向[J].上海汽車，2007（07）.
[12]王握文.時速75.6km──國產無人駕駛汽車創新時速[J].中國科技月報，2000（07）.
[13]林一平.無人駕駛汽車逐步進入實用化[J].專用汽車，2000（02）.
[14]林一平.新世紀的無人駕駛汽車[J].交通與運輸，2000（02）.
[15]閆民.無人駕駛汽車的研究現狀及發展方向[J].汽車維修，2003（02）.
[16]林一平.不斷創新發展的現代無人駕駛汽車[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].機電產品開發與創新，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）.
人工智能技術綜述范文2
關鍵詞：新一代計算機；人工智能技術；發展趨勢
“人工智能”是在1956年的Dartmouth學會上提出的，英文縮寫是AI。它是計算機科學等多種學科互相滲透而發展起來的綜合性、交叉性學科。從計算機應用系統的角度出發，人工智能是研究如何模擬人類智能活動，使機器能夠勝任一些需要人類智能才能完成的復雜工作，以延伸人類智能的科學。
二、人工智能技術的發展狀況
隨著計算機、信息和并行程序設計技術的發展，人工智能的研究已經發展成為智能體系的研究。到目前為止，人工智能程序已經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。在我國，智能體技術多被應用到處理具有異構、布、態、規模及自主性的系統中，如Internet，是人工智能技術的新應用。
目前，人工智能技術在美國等歐洲國家仍保持非?？斓陌l展速度。在人工智能技術領域十分活躍的IBM公司，已經為加州勞倫斯利佛摩爾國家實驗室制造了號稱具有人腦的千分之一智力能力的ASCIWhite電腦。據稱，其正在開發的更為強大的blue jean電腦的智力水平將與人腦相當。
三、新一代計算機和人工智能技術的應用
隨著人工智能技術的不斷發展，越來越多的技術發展都涉及到人工智能，人工智能已經被廣泛應用到許多領域。
（一）人工智能技術在計算機符號計算中的應用
計算機最主要的用途之一就是科學計算，通常分為純數值的計算和符號計算兩種。其中符號計算是一種智能化的計算。隨著新一代計算機的開發和普及以及人工智能技術的發展，多種功能計算機代數系統軟件相繼出現，都是用C語言寫成的，可以在絕大多數計算機上使用。
（二）人工智能技術在計算機模式識別中的應用
計算機用數學方法研究模式的自動處理就是模式識別。用計算機實現模式的自動識別和判斷，是利用人工智能技術開發智能機器的關鍵，計算機模式識別的特點是效率高，速度快，準確率高，也為人類認識自身智能提供了有利線索。
（三）計算機的機器翻譯
計算機把一種語言轉變為另一種語言的過程就是機器翻譯。目前，我國的機器翻譯軟件的翻譯特點，大致可以分為三類：詞典翻譯、漢化翻譯和專業翻譯。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）人工智能技術在計算機機器學習中的應用
計算機的機器學習主要研究如何使計算機能夠模擬或實現人類的學習能力。機器學習是機器具有智能能力的重要標志，也是機器獲取知識的根本途徑。機器學習是一個難度較大的研究領域，它與認知科學和邏輯學等學科都有著密切的聯系，并對人工智能的其他分支也會起到重要的推動作用。
（五）人工智能技術在計算機問題求解中應用
人工智能技術在今天的計算機程序已能夠達到各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手的表達能力和洞察能力等。人們通常都能根據具體問題找到思考問題和解決問題的辦法，目前，人工智能技術已能通過計算機程序知道如何考慮要解決的問題，尋找較為準確的解答方法。
（六）人工智能技術在計算機推理證明中應用
邏輯推理在人工智能研究中是最持久的探究領域之一，其別重要的是，通過找到合理準確的方法，集中注意力在大型數據庫中的有效事實上，關注可信證明，并在出現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）人工智能技術在計算機語言處理中的應用
自然語言處理是人工智能技術應用于實際領域的典型范例，經過多年艱苦努力，這一領域已獲得了大量令人矚目的成果。目前該領域的主要課題是：計算機系統如何以主題和對話情境為基礎，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。這是一個極其復雜的編碼和解碼問題。
（八）人工智能技術在計算機專家系統中的應用
專家系統是人工智能技術中最活躍、最有成效的研究領域，是具有特定領域內大量知識與經驗的程序系統，已出現成功應用人工智能技術的趨勢。計算機程序如果能體現和應用人類知識，就應該可以幫忙解決問題，而且能發現人類專家在推理過程中出現的差錯。
四、新一代計算機和人工智能技術的發展趨勢
新一代計算機和人工智能技術的發展潛力巨大，其作為一個整體的研究才剛剛開始。人工智能技術的發展總是超乎人們的想象，要準確地預測人工智能的未來，從目前一些前瞻性的研究中可以看出，未來人工智能技術可能會朝以下幾個方向發展：模糊處理、并行化、神經網絡和機器情感。
（1）自動推理是新一代計算機和人工智能技術最經典的研究分支，其基本理論是新一代計算機和人工智能技術其它分支的共同基礎。其中知識系統的動態演化特征及可行性推理的研究，是最新的熱點，很有可能取得突破。
（2）機器學習的研究使得許多新的學習方法相繼問世，并獲得了成功應用。但是也應看到，現有的機器學習方法尚不夠有效，尋求一種新的方法，以解決新一代計算機和人工智能技術研究中的在線學習問題，是研究人員共同關心的問題。
（3）自然語言處理是新一代計算機和人工智能技術應用于實際領域的典型范例，這一領域已獲得了大量令人矚目的理論與應用成果。智能信息檢索技術近年來已成為新一代計算機和人工智能技術的一個獨立研究分支，將新一代計算機和人工智能技術應用于計算機科學與技術領域的研究，是人工智能走向應用的突破口。
五、結束語
很多新一代計算機和人工智能技術研究的成果已經進入人們的日常生活。未來，人工智能技術的發展將會給人類的知識、思考、生活、工作和教育產生巨大的影響，在人類的生活中占據一席之地，成為人類生活的伙伴。
參考文獻：
[1]吳艷.關于“人工智能”技術發展的思考[J].和田師范?？茖W校學報.2010.
人工智能技術綜述范文3
DOI：10.14163/j.cnki.11-5547/r.2017.13.084
手術是指醫生用醫療器械對患者身體局部進行切除、縫合等治療的過程， 目的在于維持患者的生命健康[1]。丙泊酚復合瑞芬太尼是臨床進行全麻的常用藥物， 麻醉效果好， 對患者術后恢復無明顯抑制作用[2]。但患者常因手術引起不同程度的應激反應， 且患者因全麻而陷入昏迷， 神經、免疫等機體功能進入短暫的抑制期， 而過度應激產生的病理反應不僅影響手術效果， 還對機體免疫及認知功能恢復造成明顯影響[3]。故為減輕全麻手術患者應激反應， 促進認知功能恢復， 本研究在丙泊酚復合瑞芬太尼全麻手術患者圍手術期實施綜合護理。現將結果示下。
1 資料與方法
1. 1 一般資料 選取2015年5月～2016年5月本院112例行全麻手術的患者， 隨機分為對照組和研究組， 各56例。所有患者均對本研究知情， 且無對所用藥物不耐受及嚴重功能損傷者。對照組男34例， 女22例；年齡32～68歲， 平均年齡（50.6±5.8）歲。研究組男32例， 女例24例；年齡32～68歲， 平均年齡（51.4±5.5）歲。兩組患者一般資料比較差異無統計學意義（P>0.05）， 具有可比性。
1. 2 方法 兩組患者均采用丙泊酚復合瑞芬太尼進行麻醉。對照組在圍手術期進行常規護理， 如幫助患者做好術前準備、術中密切監測生命指標、術后指導患者正確臥位等。研究組在常規護理基礎上實施綜合護理， 措施如下：①術前護理。采用多種方式進行心理疏導及健康教育， 并進行合理飲食調理。②術中護理。嚴格控制室溫及濕度， 并進行適量補液， 及時關注醫生患者情況， 以便及時處理。③術后護理。采用多種方式改善患者心理狀態， 轉移注意力， 減輕傷口疼痛；保障各導管通暢、清潔；密切注意傷口愈合情況， 對常見并發癥進行預防護理；進行飲食調理、早期運動指導。
1. 3 觀察指標及評價標準 對比分析兩組應激反應程度及認知功能恢?頹榭觥S?激反應程度評定：根據氧化應激指標LPO水平進行評估， 應激指標水平越高則應激反應程度越深。認知功能評定：應用MMSE[4]評估患者的認知功能， 共30分， 分數越高則恢復越好。
1. 4 統計學方法 采用SPSS20.0統計學軟件對數據進行統計分析。計量資料以均數± 標準差（ x-±s）表示， 采用t檢驗；計數資料以率（%）表示， 采用χ2 檢驗。P
2 結果
2. 1 應激反應 對照組術后LPO水平明顯高于研究組， 差異有統計學意義（P
2. 2 認知功能 對照組術前MMSE評分為（28.5±1.4）分， 研究組為（28.4±1.5）分， 兩組術前MMSE評分對比差異無統計學意義（t=0.365， P>0.05）。術后1 d及3 d， 對照組MMSE評分分別為（24.4±1.5）分和（26.4±1.3）分， 低于研究組的（26.2±1.3）分和（27.6±1.1）分， 差異有統計學意義（t=7.540、6.152， P
3 討論
LPO為氧化應激指標， 機體過度應激將導致LPO升高， 可對細胞及細胞膜的功能和結構造成多種損傷， 直接導致大腦神經功能損傷， 同時引起多種血管功能損傷， 促使腦供血不足而導致損傷[5， 6]。
人工智能技術綜述范文4
2017年7月，國務院印發《新一代人工智能發展規劃》，不僅對人工智能的發展做出了戰略性部署，還確立了“三步走”的政策目標，力爭到2030年將我國建設成為世界主要的人工智能創新中心。[1]值得注意的是，此次規劃不僅僅只是技術或產業發展規劃，還同時包括了社會建設、制度重構、全球治理等方方面面的內容。之所以如此，是由于人工智能技術本身具有通用性和基礎性。換句話說，為助推人工智能時代的崛起，我們面對的任務不是實現某一個專業領域或產業領域內的顛覆性技術突破，而是大力推動源于技術發展而引發的綜合性變革。
也正因為如此，人工智能發展進程中所面臨的挑戰才不僅僅局限于技術或產業領域，而更多體現在經濟、社會、政治領域的公共政策選擇上。首先，普遍建立在科層制基礎上的公共事務治理結構，是否能夠適應技術發展和應用過程中所大規模激發的不確定性和不可預知性?再者，長久以來圍繞人類行為的規制制度，是否同樣能夠適應以數據、算法為主體的應用環境?最后，如何構建新的治理體系和治理工具來應對伴隨人工智能發展而興起的新的經濟、社會、政治問題?
應對上述挑戰并不完全取決于技術發展或商業創新本身，而更多依賴于我們的公共政策選擇。本文試圖在分析人工智能發展邏輯及其所引發的風險挑戰的基礎上，對人工智能時代的公共政策選擇做出分析，并討論未來改革的可能路徑，這也就構成了人工智能治理的三個基本問題。具體而言，人工智能本身成為治理對象，其發展與應用構成了治理挑戰，而在此基礎上如何做出公共政策選擇便是未來治理變革的方向。
全文共分為四個部分：第一部分將探討人工智能的概念及特征，并進而對其發展邏輯進行闡述。作為一項顛覆性技術創新，其本身的技術門檻對決策者而言構成了挑戰，梳理并捋清人工智能的本質內涵因而成為制定相關公共政策的前提;第二部分將著重分析人工智能時代崛起所帶來的治理挑戰，主要包括三個方面，即傳統科層治理結構應對人工智能新的生產模式的滯后性、建基于行為因果關系之上的傳統治理邏輯應對人工智能新主體的不適用性，以及人工智能發展所引發的新議題的治理空白;面對上述挑戰，各國都出臺了相關政策，本文第三部分對此進行了綜述性對比分析，并指出了其進步意義所在。需要指出的是，盡管各國的政策目標都試圖追求人工智能發展與監管的二維平衡，但由于缺乏對人工智能內涵及其發展邏輯的完整認識，當前的公共政策選擇有失綜合性;本文第四部分將提出新的治理思路以及公共政策選擇的其他可能路徑，以推動圍繞人工智能治理的相關公共政策議題的深入討論。
一、人工智能的概念及技術發展邏輯：算法與數據
伴隨著人工智能技術的快速發展，尤其是其近年來在棋類對弈、自動駕駛、人臉識別等領域的廣泛應用，圍繞人工智能所可能引發的社會變革產生了激烈爭論。在一方面，以霍金[2]、馬斯克[3]、比爾-蓋茨[4]、赫拉利[5]為代表的諸多人士呼吁加強監管，警惕“人工智能成為人類文明史的終結”;在另一方面，包括奧巴馬[6]在內的政治家、學者又認為應該放松監管，充分釋放人工智能的技術潛力以造福社會。未來發展的不確定性固然是引發當前爭論的重要原因之一，但圍繞“人工智能”概念內涵理解的不同，以及對其發展邏輯認識的不清晰，可能也同樣嚴重地加劇了人們的分歧。正因為此，廓清人工智能的概念內涵和發展邏輯不僅是回應爭論的需要，也是進一步提出公共政策建議的前提。
就相關研究領域而言，人們對于“人工智能”這一概念的定義并未形成普遍共識。計算機領域的先驅阿蘭-圖靈曾在《計算機器與智能》一文中提出，重要的不是機器模仿人類思維過程的能力，而是機器重復人類思維外在表現行為的能力。[7]正是由此理解出發，著名的“圖靈測試”方案被提出。但如同斯坦福大學計算機系教授約翰·麥卡錫所指出的，“圖靈測試”僅僅只是“人工智能”概念的一部分，不模仿人類但同時也能完成相關行為的機器同樣應被視為“智能”的。[8]事實上，約翰·麥卡錫正是現代人工智能概念的提出者。在他看來，“智能”關乎完成某種目標的行為“機制”，而機器既可以通過模仿人來實現行為機制，也可以自由地使用任何辦法來創造行為機制。[9]由此，我們便得到了人工智能領域另一個非常重要的概念——“機器學習”。
人工智能研究的目標是使機器達到人類級別的智能能力，而其中最重要的便是學習能力。[10]因此，盡管“機器學習”是“人工智能”的子域，但很多時候我們都將這兩個概念等同起來。[11]就實現過程而言，機器學習是指利用某些算法指導計算機利用已知數據得出適當模型，并利用此模型對新的情境給出判斷，從而完成行為機制的過程。此處需要強調一下機器學習算法與傳統算法的差異。算法本質上就是一系列指令，告訴計算機該做什么。對于傳統算法而言，其往往事無巨細地規定好了機器在既定條件下的既定動作;機器學習算法卻是通過對已有數據的“學習”，使機器能夠在與歷史數據不同的新情境下做出判斷。以機器人行走的實現為例，傳統算法下，程序員要仔細規定好機器人在既定環境下每一個動作的實現流程;而機器學習算法下，程序員要做的則是使計算機分析并模擬人類的行走動作，以使其即使在完全陌生的環境中也能實現行走。
由此，我們可以對“人工智能”設定一個“工作定義”以方便進一步的討論：人工智能是建立在現代算法基礎上，以歷史數據為支撐，而形成的具有感知、推理、學習、決策等思維活動并能夠按照一定目標完成相應行為的計算系統。這一概念盡管可能仍不完善，但它突出了人工智能技術發展和應用的兩大基石——算法與數據，有助于討論人工智能的治理問題。
首先，算法即是規則，它不僅確立了機器所試圖實現的目標，同時也指出了實現目標的路徑與方法。就人工智能當前的技術發展史而言，算法主要可被劃分為五個類別：符號學派、聯接學派、進化學派、類推學派和貝葉斯學派。[12]每個學派都遵循不同的邏輯、以不同的理念實現了人工智能(也即“機器學習”)的過程。舉例而言，“符號學派”將所有的信息處理簡化為對符號的操縱，由此學習過程被簡化(抽象)為基于數據和假設的規則歸納過程。在數據(即歷史事實)和已有知識(即預先設定的條件)的基礎上，符號學派通過“提出假設-數據驗證-進一步提出新假設-歸納新規則”的過程來訓練機器的學習能力，并由此實現在新環境下的決策判斷。
從對“符號學派”的描述中可以發現，機器學習模型成功的關鍵不僅是算法，還有數據。數據的缺失和預設條件的不合理將直接影響機器學習的輸出(就符號學派而言，即決策規則的歸納)。最明顯體現這一問題的例子便是羅素的“歸納主義者火雞”問題：火雞在觀察10天(數據集不完整)之后得出結論(代表預設條件不合理，超過10個確認數據即接受規則)，主人會在每天早上9點給它喂食;但接下來是平安夜的早餐，主人沒有喂它而是宰了它。
所有算法類型盡管理念不同，但模型成功的關鍵都聚焦于“算法”和“數據”。事實上，如果跳出具體學派的思維束縛，每種機器學習算法都可被概括為“表示方法、評估、優化”這三個部分。[13]盡管機器可以不斷的自我優化以提升學習能力，且原則上可以學習任何東西，但評估的方法和原則(算法)以及用以評估的數據(數據)都是人為決定的——而這也正是人工智能治理的關鍵所在。算法與數據不僅是人工智能發展邏輯的基石，其同樣是治理的對象和關鍵。
總而言之，圍繞“人工智能是否會取代人類”的爭論事實上并無太大意義，更重要的反而是在廓清人工智能的內涵并理解其發展邏輯之后，回答“治理什么”和“如何治理”的問題。就此而言，明確治理對象為算法和數據無疑是重要的一步。但接下來的重要問題仍然在于，人工智能時代的崛起所帶來的治理挑戰究竟是什么?當前的制度設計是否能夠對其做出有效應對?如果答案是否定的，我們又該如何重構治理體系以迎接人工智能時代的崛起?本文余下部分將對此做進一步的闡述。
二、人工智能時代崛起的治理挑戰
不同于其他顛覆性技術，人工智能的發展并不局限于某一特定產業，而是能夠支撐所有產業變革的通用型技術。也正因為此，其具有廣泛的社會溢出效應，在政治、經濟、社會等各個領域都會帶來深刻變革，并將同時引發治理方面的挑戰。具體而言，挑戰主要體現在以下三個方面。
首先，治理結構的僵化性，即傳統的科層制治理結構可能難以應對人工智能快速發展而形成的開放性和不確定性。之所以需要對人工智能加以監管，原因在于其可能成為公共危險的源頭，例如當自動駕駛技術普及之后，一旦出現問題，便可能導致大規模的連續性傷害。但不同機、大型水壩、原子核科技等二十世紀的公共危險源，人工智能的發展具有極強的開放性，任何一個程序員或公司都可以毫無門檻的進行人工智能程序的開發與應用。這一方面是由于互聯網時代的到來，使得基于代碼的生產門檻被大大降低[14];另一方面，這也是人工智能本身發展規律的需要。正如前文所提到，唯有大規模的數據輸入才可能得到較好的機器學習結果，因此將人工智能的平臺(也即算法)以開源形式公開出來，以使更多的人在不同場景之下加以利用并由此吸收更多、更完備的數據以完善算法本身，就成為了大多數人工智能公司的必然選擇。與此同時，人工智能生產模式的開放性也必然帶來發展的不確定性，在缺乏有效約束或引導的情況下，人工智能的發展很可能走向歧途。面對這一新形勢，傳統的、基于科層制的治理結構顯然難以做出有效應對。一方面，政府試圖全范圍覆蓋的事前監管已經成為不可能，開放的人工智能生產網絡使得監管機構幾乎找不到監管對象;另一方面，由上至下的權威結構既不能傳遞給生產者，信息不對稱問題的加劇還可能導致監管行為走向反面。調整治理結構與治理邏輯，并形成適應具有開放性、不確定性特征的人工智能生產模式，是當前面臨的治理挑戰之一。
再者，治理方法的滯后性，即長久以來建立在人類行為因果關系基礎上的法律規制體系，可能難以適用于以算法、數據為主體的應用環境。人工智能的價值并不在于模仿人類行為，而是其具備自主的學習和決策能力;正因為如此，人工智能技術才不能簡單地理解為其創造者(即人)意志的表達。程序員給出的只是學習規則，但真正做出決策的是基于大規模數據訓練后的算法本身，而這一結果與程序員的意志并無直接因果關聯。事實上也正由于這個特點，AlphaGo才可能連續擊敗圍棋冠軍，而其設計者卻并非圍棋頂尖大師。也正是在這個意義上，我們才回到了?？滤缘摹凹夹g的主體性”概念。在他看來，“技術并不僅僅是工具，或者不僅僅是達到目的的手段;相反，其是政治行動者，手段與目的密不可分”。[15]就此而言，長久以來通過探究行為與后果之因果關系來規范人的行為的法律規制體系，便可能遭遇窘境：如果將人工智能所造成的侵權行為歸咎于其設計者，無疑不具有說服力;但如果要歸咎于人工智能本身，我們又該如何問責一個機器呢?由此，如何應對以算法、數據為核心的技術主體所帶來的公共責任分配問題，是當前面臨的第二個治理挑戰。
最后，治理范圍的狹隘性，即對于受人工智能發展沖擊而引發的新的社會議題，需要構建新的治理體系和發展新的治理工具。人工智能發展所引發的治理挑戰不僅僅體現在現有體系的不適應上，同時還有新議題所面臨的治理空白問題。具體而言，這又主要包括以下議題：算法是否能夠享有言論自由的憲法保護，數據的權屬關系究竟如何界定，如何緩解人工智能所可能加劇的不平等現象，以及如何平衡人工智能的發展與失業問題。在人工智能時代之前，上述問題并不存在，或者說并不突出;但伴隨著人工智能的快速發展和應用普及，它們的重要性便日漸顯著。以最為人所關注的失業問題為例，就技術可能性來說，人工智能和機器人的廣泛應用代替人工勞動，已是一個不可否定的事實了。無論是新聞記者，還是股市分析員，甚至是法律工作者，其都有可能為機器所取代。在一個“充分自動化(Full Automation)”的世界中，如何重新認識勞動與福利保障的關系、重構勞動和福利保障制度，便成為最迫切需要解決的治理挑戰之一。[16]
上述三方面共同構成了人工智能時代崛起所帶來的治理挑戰。面對這些挑戰，各國也做出了相應的公共政策選擇。本文第三部分將對各國人工智能的治理政策進行對比性分析。在此基礎上，第四部分將提出本文的政策建議。
三、各國人工智能治理政策及監管路徑綜述
人工智能時代的崛起作為一種普遍現象，其所引發的治理挑戰是各國面臨的共同問題，各國也陸續出臺了相關公共政策以試圖推動并規范人工智能的快速發展。
美國于2016年同時頒布了《國家人工智能研究與發展戰略規劃》和《為人工智能的未來做好準備》兩個國家級政策框架，前者側重從技術角度指出美國人工智能戰略的目的、愿景和重點方向，而后者則更多從治理角度探討政府在促進創新、保障公共安全方面所應扮演的角色和作用。就具體的監管政策而言，《為人工智能的未來做好準備》提出了一般性的應對方法，強調基于風險評估和成本-收益考量的原則以決定是否對人工智能技術的研發與應用施以監管負擔。[17]日本同樣于2016年出臺了《第五期(2016～2020年度)科學技術基本計劃》，提出了“超智能社會5.0”的概念，強調通過推動數據標準化、建設社會服務平臺、協調發展多領域智能系統等各方面工作促進人工智能的發展和應用。[18]
盡管美國和日本的政策著力點不同，但其共有的特點是對人工智能的發展及其所引發的挑戰持普遍的包容與開放態度。就當前的政策框架而言，美日兩國的政策目標更傾斜于推動技術創新、保持其國家競爭力的優勢地位;當涉及對人工智能所可能引發的公共問題施以監管時，其政策選擇也更傾向于遵循“無需批準式(permissionless)”的監管邏輯，即強調除非有充分案例證明其危害性，新技術和新商業模式默認為都是被允許的。[19]至于人工智能的發展對個人數據隱私、社會公共安全的潛在威脅，盡管兩國的政策框架都有所涉及，卻并非其政策重心——相比之下，英國、法國則采取了不同的政策路徑。
英國政府2016年了《人工智能：未來決策制定的機遇與影響》，對人工智能的變革性影響以及如何利用人工智能做出了闡述與規劃，尤其關注到了人工智能發展所帶來的法律和倫理風險。在該報告中，英國政府強調了機器學習與個人數據相結合而對個人自由及隱私等基本權利所帶來的影響，明確了對使用人工智能所制定出的決策采用問責的概念和機制，并同時在算法透明度、算法一致性、風險分配等具體政策方面做出了規定。[20]與英國類似，法國在2017年的《人工智能戰略》中延續了其在2006年通過的《信息社會法案》的立法精神，同樣強調加強對新技術的“共同調控”，以在享有技術發展所帶來的福利改進的同時，充分保護個人權利和公共利益。[21]與美日相比，英法的公共政策更偏向于“審慎監管(precautionary)”的政策邏輯，即強調新技術或新的商業模式只有在開發者證明其無害的前提下才被允許使用。[22]
在本文看來，無論是“無需批準式監管”還是“審慎監管”，在應對人工智能時代崛起所帶來的治理挑戰方面都有其可取之處：前者側重于推動創新，而后者則因重視安全而更顯穩健。但需要指出的是，這兩種監管路徑的不足卻也十分明顯。正如前文第二部分所指出，一方面，快速迭代的技術發展與商業模式創新必將引發新的社會議題，無論是算法是否受到言論自由的權利保護還是普遍失業對社會形成的挑戰，它們都在客觀上要求公共政策做出應對，而非片面的“無需批準式監管”能夠處理。更重要的是，“無需批準式監管”的潛在假設是事后監管的有效性;然而，在事實上，正如2010年5月6日美國道瓊斯工業指數“瞬間崩盤”事件所揭示的，即使單個電子交易程序合規運行，當各個系統行為聚合在一起時反而卻造成了更大的危機。[23]在此種情形下，依賴于合規性判斷的“事后監管”基本上難以有效實施。另一方面，人工智能本身的自主性和主體性使得建立在人類行為因果關系基礎上的“審慎監管”邏輯存在天然缺陷：既然人類無法預知人工智能系統可能的行為或決策，開發者又如何證明人工智能系統的無害性?
正如本文所反復強調的，人工智能與其他革命性技術的不同之處，正是在于其所帶來的社會沖擊的綜合性和基礎性。人工智能并非單個領域、單個產業的技術突破，而是對于社會運行狀態的根本性變革;人工智能時代的崛起也并非一夜之功，而是建立在計算機革命、互聯網革命直至數字革命基礎上的“奇點”變革。因此，面對人工智能時代崛起所帶來的治理挑戰，我們同樣應該制定綜合性的公共政策框架，而非僅僅沿襲傳統治理邏輯，例如只是針對具體議題在“創新”與“安全”這個二元維度下進行艱難選擇。本文在第四部分從承認技術的主體性、重構社會治理制度、推進人工智能全球治理這三方面提出了政策建議，并希望以此推動更深入地圍繞人工智能時代公共政策選擇的研究與討論。
四、人工智能時代的公共政策選擇
《新一代人工智能發展規劃》明確提出了到2030年我國人工智能發展的“三步走”目標，而在每一個階段，人工智能法律法規、倫理規范和政策體系的逐步建立與完善都是必不可少的重要內容。面對人工智能時代崛起的治理挑戰，究竟應該如何重構治理體系、創新治理機制、發展治理工具，是擺在決策者面前的重要難題。本文基于對人工智能基本概念和發展邏輯的梳理分析，結合各國已有政策的對比分析，提出以下三方面的改革思路，以為人工智能時代的公共選擇提供參考。
第一，人工智能發展的基石是算法與數據，建立并完善圍繞算法和數據的治理體系與治理機制，是人工智能時代公共政策選擇的首要命題，也是應對治理挑戰、賦予算法和數據以主體性的必然要求。(1)就算法治理而言，涉及的核心議題是算法的制定權及相應的監督程序問題。算法作為人工智能時代的主要規則，究竟誰有權并通過何種程序來加以制定，誰來對其進行監督且又如何監督?長久以來公眾針對社交媒體臉書(Facebook)的質疑正體現了這一問題的重要性：公眾如何相信臉書向用戶自動推薦的新聞內容不會摻雜特殊利益的取向?[24]當越來越多的人依賴定制化的新聞推送時，人工智能甚至會影響到總統選舉。也正因為此，包括透明要求、開源要求在內的諸多治理原則，應當被納入到算法治理相關議題的考慮之中。(2)就數據治理而言，伴隨著人工智能越來越多地依賴于大規模數據的收集與利用，個人隱私的保護、數據價值的分配、數據安全等相關議題也必將成為公共政策的焦點。如何平衡不同價值需求、規范數據的分享與應用，也同樣成為人工智能時代公共政策選擇的另一重要抓手。
第二，創新社會治理制度，進一步完善社會保障體系，在最大程度上緩解人工智能發展所可能帶來的不確定性沖擊。與歷史上的技術革命類似，人工智能的發展同樣會導致利益的分化與重構，而如何保證技術革命成本的承受者得到最大限度的彌補并使所有人都享有技術發展的“獲得感”，不僅是社會發展公平、正義的必然要求，也是促進技術革命更快完成的催化劑。就此而言，在人工智能相關公共政策的考量中，我們不僅應該關注產業和經濟政策，同時也應該關注社會政策，因為只有后者的完善才能夠控制工人或企業家所承擔的風險，并幫助他們判斷是否支持或抵制變革的發生。就具體的政策設計來說，為緩解人工智能所可能帶來的失業潮，基本收入制度的普遍建立可能應該被提上討論議程了?！盎臼杖搿笔侵刚喂餐w(如國家)向所有成員不加任何限制條件地支付一定數額的收入，以滿足其基本生活的需求。盡管存在“養懶漢”的質疑，但有研究者已指出，自18世紀就開始構想的基本收入制度很有可能反過來促進就業。[25]芬蘭政府已經于2017年初開始了相關實驗，美國的一些州、瑞士也做出了一定探索。在人工智能時代尚未完全展現其“猙容”之前，創新社會治理機制、完善社會保障體系，可能是平衡技術創新與社會風險的最佳路徑。
第三，構建人工智能全球治理機制，以多種形式促進人工智能重大國際共性問題的解決，共同應對開放性人工智能生產模式的全球性挑戰。人工智能的發展具有開放性和不確定性的特征，生產門檻的降低使得人工智能技術研發的跨國流動性很強，相關標準的制定、開放平臺的搭建、共享合作框架的形成，無不要求構建相應的全球治理機制。另一方面，跨境數據流動在廣度和深度上的快速發展成為了人工智能技術進步的直接推動力，但各國數據規制制度的巨大差異在制約跨境數據流動進一步發展的同時，也將影響人工智能時代的全面到來。[26]故此，創新全球治理機制，在承認各國制度差異的前提下尋找合作共享的可能性，便成為人工智能時代公共政策選擇的重要考量之一。就具體的機制設計而言，可以在人工智能全球治理機制的構建中引入多利益相關模式;另一方面，為防止巨頭壟斷的形成，充分發揮主權國家作用的多邊主義模式同樣不可忽視。作為影響深遠的基礎性技術變革，互聯網全球治理機制的經驗和教訓值得人工智能發展所借鑒。
上述三方面從整體上對人工智能時代的公共政策框架做出了闡述。與傳統政策局限于“創新”與“安全”之間做出二維選擇不同，本文以更綜合的視角提出了未來公共政策選擇的可能路徑。就其內在聯系來講，建立并完善圍繞算法和數據的治理體系是起點，其將重構人工智能時代的規則與制度;創新社會治理機制并完善社會保障體系是底線，其將緩解人工智能所帶來的影響與波動;構建全球治理機制則成為了制度性的基礎設施，推動各國在此之上共同走向人工智能時代的“人類命運共同體”。
五、結語
在經歷了60余年的發展之后，人工智能終于在互聯網、大數據、機器學習等諸多技術取得突破的基礎上實現了騰飛。在未來的人類生活中，人工智能也必將扮演越來越重要的角色。對于這樣的圖景，我們自不必驚慌，但卻也不可掉以輕心。對于人工智能的治理，找到正確的方向并采取合理的措施，正是當下所應該重視的政策議題。而本文的主旨也正在于此：打破長久以來人們對于人工智能的“籠統”式擔憂，指出人工智能技術發展的技術邏輯及其所引發的治理挑戰，并在此基礎上提出相應的政策選擇。人工智能治理的這三個基本問題，是重構治理體系、創新治理機制、發展治理工具所必須思考的前提。伴隨著我國國家層面戰略規劃的出臺，我國人工智能的發展也必將躍上新臺階。在此背景下，深入探討人工智能治理的相關公共政策議題，對于助推一個人工智能時代的崛起而言，既有其必要性，也有其迫切性。（來源：中國行政管理 文/賈開 蔣余浩 編選：中國電子商務研究中心）
[參考文獻]
[1]國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者終結人類文明[EB/OL].http：//raincent.com/content-10-7672-1.html.
[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.
[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.
[5] [以]赫拉利.人類簡史[M].北京：中信出版社，2014.
[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.
[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).
[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.
[11] [12][13] [美]佩德羅-多明戈斯.終極算法：機器學習和人工智能如何重塑世界[M].黃芳萍譯.北京：中信出版社，2016.
[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.
[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，FR，Gallimard，1975.
[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.
[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.
[18]薛亮.“日本推動實現超智能社會‘社會5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.
[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.
[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.
[21]周衍冰.大數據產業在法國的發展及應用[N].學習時報，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普蘭.人工智能時代：人機共生下財富、工作與思維的大未來[M].杭州浙江人民出版社，2016.
[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.
[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).
人工智能技術綜述范文5
關鍵詞：空調；制冷系統；節能設計
1 影響空調制冷能耗的主要因素
由于投資初期已經決定了壓縮機的效率，因此對空調制冷系統產生直接影響的因素主要包括以下幾個方面：首先溫差。一般情況下蒸發器內制冷劑蒸發的溫度必須低于空氣溫度，才能將機房中的熱能轉給制冷劑，壓縮機再將揮發成氣體狀態的制冷劑吸走，促使蒸發器的壓力保持平衡狀態，整個過程中由于溫度會升高，所以空調的制冷效果也受到直接影響。在制冷空調系統中，制冷工作時的能耗、空調的投資成本來決定實際溫差的大小。其次，膨脹閥開啟度。要對膨脹閥的過熱度進行定期檢測，參照相關說明書對其開啟度進行調整，使其過熱度保持在5℃～8℃的范圍內。最后，一般情況下風冷式冷凝器比較常用，其結構包括多組盤管，且為增加空氣面的熱傳面積，盤管外還添加肋片，并且風機轉動加速空氣流動，以保證空氣面的傳熱效果。由于肋片間距相對較小，且空調運行時間長，冷凝器翅片上容易附著雜物，導致冷凝器熱阻增加，從而影響其冷凝效果，增加電能消耗。
2 制冷系統的節能設計
2.1 合理選擇設備
首先要盡量降低壓縮機的消耗功率，保證壓縮機的工作效果。如果是變頻空調系統，還要注意合理選擇壓縮機的運轉頻率，保證其處于額定狀態下運行；其次，要保證熱交換器的性能。從某種程度上講，制冷劑的冷凝壓與蒸發壓是由熱交換器的性能來決定的，即冷凝壓越低、蒸發壓越高，則壓縮機就會獲得比較小的功耗，反之則功耗會增加。因此要保證熱交換器的高性能才能進一步降低冷凝壓、提高蒸發壓。
2.2 合理選擇設計參數
一方面要掌握合適的風機風量。因為風機的風量與壓縮機的輸入功率成反比關系，即風機風量越大，壓縮機輸入功率就越小，相應的會增加風機的輸入功率。因此要保證風機風量選擇的合理性。設計過程中，如果系統規模已經確定，則根據噪聲的最大上限值所確定的風量即為風機風量；對于變頻空調而言，由于在整個系統的輸入功率中，風機的輸入功率所占比重較大，尤其是室外空調，因此在選擇實際風機風量時要小于額定模式中的風量。另一方面，要減少壓力損失。熱交換器的性能、風機的風量決定了冷凝壓力和蒸發壓力，而這兩個參數又對壓縮功耗產生直接影響，由于從壓縮機排氣口到冷凝器入口、再從蒸發器出口到壓縮機吸氣口會產生壓力損失，從而對壓縮功耗產生影響，因此要盡可能降低壓力損失。
2.3 合理選擇適用的節能措施
首先利用設備自動控制技術實現空調末端設備的控制。一般情況下通風系統均有自控功能，其可以實現對空調末端一系列設備運行狀態的實時監測與控制，比如新風機、回風機、變風量風機及風機盤管等，從而降低整個空調系統的功耗。自動控制技術是利用直接數字控制器，對檢測到的設備運行數據進行分析，實現對設備的數字化控制。其次，對于中央空調系統而言，可以利用變頻技術對其水泵及風機進行控制。變頻器可以準確采集到空調中的相關運行數據，比如水壓差或溫差等，然后對水泵及風機進行直接數字調節，降低空調的電能消，實現節能目標。最后，還可以采用動態變流量控制技術。制冷空調運行過程中負荷發生變化在所難免，利用動態變流量控制技術可以對系統采集數據進行模糊運算，對冷水機組及冷動風機的運行狀態參數進行實時調節、控制，促使冷水機組的工作狀態發生改變，包括冷凍水、冷卻水的流量、冷卻風機的風量等各項參數，保證冷水機組處于最佳的運行狀態。當冷水機組處于運行狀態時，系統還可以對采集到的數據進行模糊運算，分析出合理的控制參數，再將這些參數分別傳送至冷水機組、冷凍水控制子系統、冷卻水控制子系統及冷卻風控制子系統等，以保證整個系統均處于平衡的運行狀態，最終實現節能降耗的目標。
3 制冷空調系統中新型節能技術的應用
隨著科學技術的不斷進步，越來越多的新型節能技術被廣泛應用于制冷空調系統中，下面主要介紹兩種：一是熱聲制冷技術，該技術是本世紀初出現的一種新型制冷技術，相比傳統的蒸汽壓縮式制冷系統，熱聲機的優勢十分突出：比如該技術采用的是惰性氣體或相關混合物作為工質，無需使用制冷劑，最大程度上降低制冷劑對臭氧層的破壞，加重溫室效應；并且熱聲制冷技術結構簡單、可靠性強，無需使用貴重材料，大大降低了投資成本；此外，其設備結構中不存在振蕩的活塞、油密封、等運動部件，大幅增加了其使用壽命。與傳統制冷系統相比，可以說熱聲制冷技術近乎完美，因此可以斷言，其將成為新一代制冷技術的發展方向。
另外一種即是人工智能技術?？梢哉f人工智能技術的出現與發展是當代科學技術進步的里程碑?，F在人工智能的應用領域還局限于智能控制、故障檢測及診斷、負荷預測等，盡管其可以克服傳統仿真技術的諸多不足之處，但是短期內其部分功能仍然無法達到仿真技術能夠實現的效果。因此，在制冷空調應用領域，可以將人工智能與傳統仿真技術互相結合應用，實現智能化仿真，二者取長補短、相輔相成，因此仿真技術與人工智能技術可以在理人論上為制冷空調的準確控制提供可靠依據。制冷系統實現計算機自動控制，可以最大程度上保證控制器的冷量輸出，更加安全、可靠，并且可以保證空調系統處于最佳的經濟狀態運行。由此可見，空調系統的控制中，加入一系列的自適應控制與智能控制方法，與常規控制系統相比，智能控制系統會獲得更高的能效比。
參考文獻
[1]李軍，朱冬生，趙朝暉.太陽能吸附式空調的研究與展望[J].流體機械，2011，32（7）：61-64.
[2]張萬路.關于中央空調系統余熱節能技改后測試評價指標的探討[J].計量技術，2013，5（4）：15-17.
[3]何先成.變頻技術在制冷空調系統中的應用及節能分析[J].機電工程技術，2013，7（4）：64-66.
人工智能技術綜述范文6
關鍵詞：電力系統；人工智能；繼電保護；應用；
1引言
近年來，隨著人工智能理論技術的不斷發展，以模糊技術、人工神經網絡和遺傳算法為代表的智能理論方法在電力系統領域得到了十分廣泛的應用。眾所周知，電力系統是由各類發電裝置、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模動態系統，電力系統本質上是一個非線性動態大系統，存在著許多極為復雜的工程計算和非線性優化問題，例如：電力網絡的無功優化調度電力系統規劃運行、發電機組的優化組合、電力系統最優潮流計算、電力市場的交易定價等一系列問題。而這些問題都是多參數，多約束的非凸優化問題。長期以來，電力系統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中存在的問題無法得到快速與精確的結果。其主要原因在于：
(1)電力系統中的有些向題還無法建立精確切實的數學模型，包括不能完全用數學來表示反映問題實質的約束條件。
(2)隨著問題的規模和復雜程度的增加，利用現有的算法和計算機條件，無法在較短的時問內獲得滿意的計算結果。
(3)許多問題的條件具有模糊性，對干系統的了解還不夠精確，此外在求解問題的過程中需要專家的知識經驗。這些都無法用精確的數學形式表示出來。
與傳統的計算方法相比較，人工智能方法對于復雜的非線性系統問題求解有著極大的優勢。它彌補了傳統方法的單純依靠數學求解的不足，解決了某些傳統計算方法難于求解或不能解決的問題。
2人工智能技術在繼電保護中的應用
2．1計算機化
隨著計算機硬件的迅猛發展，微機保護硬件也在不斷發展。某電力學院研制的微機線路保護硬件已經歷了3個發展階段：從8位單CPU結構的微機保護問世，不到5年時間就發展到多CPU結構，后又發展到總線不出模塊的大模塊結構，性能大大提高，得到了廣泛應用。
某電力自動化研究院一開始就研制了16化CPU為基礎的微機線路保護，已得到大面積推廣，目前也在研究32位保護硬件系統。某大學研制的微機主設備保護的硬件也經過了多次改進和提高。某大學一開始即研制以16位多CPU為基礎的微機線路保護，1988年即開始研究以32位數字信號處理器(DSP)為基礎的保護、控制、測量一體化微機裝置，目前已與某電自動化設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算機。采用32位微機芯片并非只著眼干精度，因為精度受A／D轉換器分辨率的限制，趟過l6位時在轉換速度和成本方面都是難以接受的；更重要的是32位微機芯片具有很高的集成度，很高的工作頻率和計算速度，很大的尋址空間，豐富的指令系統和較多的輸入輸出口，CPU的寄存器、數據總線、地址總線足32位的，具有存儲器管理功能、存儲器保護功能和任務轉換功能，并將高速緩存(Cache)和浮點數部件都集成在CPU內。
電力系統對微機保護的要求不斷提高，除了保護的基本功能外，還應具有大容故障信息和數據的長期存放空間，快速的數據處理功能，強大的通信能力，與其它保護、控制裝置和調度
聯網以共享全系統數據、信息和網絡資源的能力，高級語言編程等。這就要求微機保護裝置具有相當于一臺PC機的功能?，F在，同微機保護裝大小相似的工控機的功能、速度、存儲容量大大超過了當年的小型機，因此，用成套工控機作成繼電保護的時機已經成熟，這將是微機保護的發展方向之一。某大學已研制成用同微機保護裝置結構完全相同的一種工控機加以改造作成的繼電保護裝置。這種裝置的優點有：①具有486PC機的全部功能，能滿足對當前和未來微機保護的各種功能要求。⑦尺寸和結構與目前的微機保護裝置相似，工藝精良、防震、防過熱、防電磁干擾能力強，可運行于非常惡劣的工作環境，成本可接受。③采用STD總線或PC總線，硬件模塊化，對于不同的保護可任意選用不同模塊，配置靈活、容易擴展。
繼電保護裝置的微機化、計算機化是不可逆轉的發展趨勢。但對如何更好地滿足電力系統要求，如何進一步提高繼電保護的可靠性，如何取得更大的經濟效益和社會效益，尚須進行具體深入的研究。
2．2人工神經網絡
人工神經網絡(ANN)是模擬人腦組織結構和人類認知過程的信息處理系統。它以其諸多優點，如并行分布處理、自適應、聯想記憶等，在智能保護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的研究開辟了一條新途徑。應用ANN技術實現故障診斷不同于ES診斷方法。ANN方法通過現場大量的標準樣本學習與訓練，不斷調整ANN中的連接權和閡值，使獲取的知識隱式分布在整個網絡上，并實現ANN的模式記憶。因此ANN具有強大的知識獲取能力，并能有效的處理含噪聲數據，彌補了ES方法的不足。
神經網絡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雜的非線性問題，應用神經網絡方法則可迎刃而解，因此在繼電保護中也得到越來越多的應用，例如在輸電線兩側系統電勢角度擺開情況下發生經過渡電阻的短路就是一非線性問題，距離保護很難正確作出故障位置的判別，從而造成誤動或拒動；如果用神經網絡方法，經過大量故障樣本的訓練，只要樣本集中充分考慮了各種情況，則在發生任何故障時都可正確判別。近幾年來，電力系統繼電保護領域內出現了用人工神經網絡來實現故障類型的判別、故障距離的測定、方向保護、主設備保護等。用人工神經網絡原理來實現高壓輸電線的方向保護，提出用BP模型作為方向保護的方向判別元件。研究結果表明，該方向判別元件能準確、快速地判別出故障的方向?；谏窠浘W絡的繼電保護系統的優越性；論證了由單層感知器網絡或TH網絡可以實現最小二乘算法，這兩種網絡都可以在極短的時間(數納秒或幾百納秒)內完成全部運算；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網絡模型，并證明了三種模型都具有很強的自適應性。基于人工神經網絡的智能型自適應繼電保護原理，利用了比傳統保護多得多的信息量。它比傳統保護能區分更多的故障類型，提高了繼電保護的適用范圍，從原理上解決了經高阻抗的短路故障保護問題。利用人工神經網絡實現自適應電流保護的方法。該方法充分利用了人工神經網絡所具有的強大的自適應能力，學習能力和模式識別能力，實現對電力系統中的各種故障情況的識別，解決電流保護中的靈敏度補償和故障方向識別問題，使電流保護對正方向各種故障都有足夠的保護范圍，而對反方向的各種故障實行閉鎖，從而實現電流保護的自適應。
利用神經網絡可以在一定程度上提高故障診斷效率，解決用常規繼電保護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、不擅長處理啟發性的知識、訓練時容易陷入局部最小”等問題。由于專家系統方法與神經網絡方法在許多方面可以協調工作、互為補充，因此，如何取長補短將神經網絡技術與故障診斷專家系統融為一體，以彌補診斷中的不足，并提供新的診斷技術和方法，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)的應用
模糊邏輯能夠完成傳統數學方法難以做到的近似計算。近幾年來，模糊集理論在電力系統中的諸多應用領域取得了飛速進展，包括了潮流計算、系統規劃、模糊控制等方面。例如對干負荷變化和電力生產的不確定性，就可運用模糊值來表示某不確定負荷在實際集合中的隸屬函數，建立起電力系統最優潮流的模糊模型。
傳統無功電壓優化算法一般是單目標優化問題，并沒有考慮有功網損的降低和限制控制量調節數最少，而且在處理電壓約束時，未考慮“軟約束”特性。可引入模糊線性規劃算法以解決這一問題。為很好地協調降低網損、限制調節量和確保節點電壓裕度三者的關系，在有限控制量調節的前題下，可實現校正違界電壓、降低系統網損和確保所有節點電壓留有一定的裕度。利用模糊綜合評判的方法對電能質量進行綜合評價的二級評判法。
2．4遺傳算法(Genetic Algorithms,GA)的應用
遺傳算法是基于自然選擇和遺傳機制，在計算機上模擬生物進化機制的尋優搜索算法。他能在復雜而龐大的搜索空間中自適應的搜索，尋找出最優或準最優解，且算法簡單，適用，魯棒性強。遺傳算法對待求解問題幾乎沒有什么限制，也不涉及常規優化問題求解的復雜數學過程，并能夠得到全局最優解或局部最優解集，這是他優于傳統優化技術之處。遺傳算法從優化的角度出發基本上可以解決故障診斷問題，尤其是在復故障或存在保護、斷路器誤動作的情況下，能夠給出全局最優或局部最優的多個可能的診斷結果。但是如何建立合理的輸電網絡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學模型，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式優化算法解決故障診斷問題。
3智能方法的綜合應用
每種智能控制方法都有其內在的局限性，難以滿足處理電力系統實際復雜問題的需要。如何將這些控制方法結合起來形成一種綜合的智能控制，使綜合的智能控制系統能夠體現出各種控制方法的優勢而盡量避免各自的不足，綜合利用模糊理論及人工神經網絡各自的特點形成的模糊神經網絡成為提高電力系統的可靠性、快速性、靈敏性及選擇性的主要研究方向。結合ES和ANN實現對以變電站故障診斷為基礎的分層分布時故障診斷系統?；谀：碚撆c神經網絡理論，根據特征氣體法和改良IEC三比值法，建立了模糊神
經網絡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，并具有較強的知識獲取能力。從基于人類思維發展模式的角度，融合設備故障診斷的ES和ANN模型，構造了電力變壓器的故障診斷分析系統。
綜上所述，將不同的人工智能技術結合在一起。分析不確定因素對智能診斷系統的影響．從而提高診斷的準確率，是今后智能診斷的發展方向。
4結語
人工智能技術在電力系統的應用中已經獲得了良好的發展。然而在我國，人工智能技術在電力系統中的應用研究才剛剛開始。隨著我國電力系統的持續發展，電力系統數據總量的不斷增加，管理上復雜程度的大幅度增長，以及市場競爭的影響和加大，為人工智能技術在電力系統的應用提供了廣闊前景?？梢灶A見，加強智能科學在電網中的科研和應用，將能更好的保證電網安全穩定經濟運行。
參考文獻
[1]韓富春，王娟娟；基于神經網絡的電力系統狀態估計[J]；電力系統及其自動化學報，2002(6)：49-51．
