時間：2023-06-15 09:27:37
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇人工智能發展前景，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
中圖分類號：TP391 文獻標識碼：A
0.引言
2016年3月15日，備受矚目的“人機大戰”終于落下帷幕，最終Google公司開發的“AlphaGo”以4∶1戰勝了韓國九段棋手李世h。毫無疑問，這是人工智能歷史上一個具有里程碑式的大事件。大家一致認為，人工智能已經上升到了一個新的高度。
這次勝利與1997年IBM公司的“深藍”戰勝國際象棋世界冠軍卡斯帕羅不同。主要表現在兩個方面：
（1）AlphaGo的勝利并非僅僅依賴強悍的計算能力和龐大的棋譜數據庫取勝，而是AlphaGo已經擁有了深度學習的能力，能夠學習已經對弈過的棋盤，并在練習和實戰中不斷學習和積累經驗。
（2）圍棋比國際象棋更加復雜，圍棋棋盤有361個點，其分支因子無窮無盡，19×19格圍棋的合法棋局數的所有可能性是冪為171的指數，這樣的計算量相當巨大。英國圍棋聯盟裁判托比表示：“圍棋是世界上最為復雜的智力游戲，它簡單的規則加深了棋局的復雜性”。因此，進入圍棋領域一直被認為是目前人工智能的最大挑戰。
簡而言之，AlphaGo取得勝利的一個很重要的方面就是它擁有強大的“學習”能力。深度學習是源于人工神經網絡的研究，得益于大數據和互聯網技術。本文就從人工智能的發展歷程與現狀入手，在此基礎上分析了人工智能的未來發展前景。
1.人工智能的發展歷程
AlphaGo的勝利表明，人工智能發展到今天，已經取得了很多卓越的成果。但是，其發展不是一帆風順的，人工智能是一個不斷進步，并且至今仍在取得不斷突破的學科。回顧人工智能的發展歷程，可大致分為孕育、形成、暗淡、知識應用和集成發展五大時期。
孕育期：1956年以前，數學、邏輯、計算機等理論和技術方面的研究為人工智能的出現奠定了基礎。德國數學家和哲學家萊布尼茨把形式邏輯符號化，奠定了數理邏輯的基礎。英國數學家圖靈在1936年創立了自動機理論（亦稱圖靈機），1950年在其著作《計算機與智能》中首次提出“機器也能思維”，被譽為“人工智能之父”。總之，這些人為人工智能的孕育和產生做出了巨大的貢獻。
形成期：1956年夏季，在美國達特茅斯大學舉辦了長達2個多月的研討會，熱烈地討論用機器模擬人類智能的問題。該次會議首次使用了“人工智能”這一術語。這是人類歷史上第一次人工智能研討會，標志著人工智能學科的誕生。其后的十幾年是人工智能的黃金時期。在接下來的幾年中，在眾多科學家的努力下，人工智能取得了矚目的突破，也在當時形成了廣泛的樂觀思潮。
暗淡期：20世紀70年代初，即使最杰出的AI程序也只能解決問題中最簡單的部分，發展遇到瓶頸也就是說所有的AI程序都只是“玩具”，無法解決更為復雜的問題。隨著AI遭遇批評，對AI提供資助的機構也逐漸停止了部分AI的資助。資金上的困難使得AI的研究方向縮窄，缺少了以往的自由探索。
知識應用期：在80年代，“專家系統”（Expect System）成為了人工智能中一個非常主流的分支。“專家系統”是一種程序，為計算機提供特定領域的專門知識和經驗，計算機就能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。不同領域的專家系統基本都是由知識庫、數據庫、推理機、解釋機制、知識獲取等部分組成。
集成發展期：得益于互聯網的蓬勃發展、計算機性能的突飛猛進、分布式系統的廣泛應用以及人工智能多分支的協同發展，人工智能在這一階段飛速發展。尤其是隨著深度學習和人工神經網絡研究的不斷深入，人工智能在近幾十年中取得了長足的進步，取得了令人矚目的成就。
人工智能發展到今天，出現了很多令人矚目的研究成果。AlphaGo的勝利就是基于這些研究成果的一個里程碑。當前人工智能的研究熱點主要集中在自然語言處理、機器學習、人工神經網絡等領域。
2.人工智能l展現狀與前景
人工智能當前有很多重要的研究領域和分支。目前，越來越多的AI項目依賴于分布式系統，而當前研究的普遍熱點則集中于自然語言處理、機器學習和人工神經網絡等領域。
自然語言處理：自然語言處理（Natural Language Processing，簡稱NLP），是語言學與人工智能的交叉學科，其主要功能就是實現讓機器明白人類的語言，這需要將人類的自然語言轉化為計算機能夠處理的機器語言。
自然語言處理主要包括詞法分析、句法分析和語義分析三大部分。詞法分析的核心就是分詞處理，即單詞的邊界處理。句法分析就是對自然語言中句子的結構、語法進行分析如辨別疑問句和感嘆句等。而語義分析則注重情感分析和整個段落的上下文分析，辨別一些字詞在不同的上下文定的語義和情感態度。
當前自然語言的處理主要有兩大方向。一種是基于句法-語義規則的理性主義理論，該理論認為需要為計算機制定一系列的規則，計算機在規則下進行推理與判斷。因此其技術路線是一系列的人為的語料建設與規則制定。第二種是基于統計學習的經驗主義理論，這種理論在最近受到普遍推崇。該理論讓計算機自己通過學習并進行統計推斷的方式不停地從數據中“學習”語言，試圖刻畫真實世界的語言現象，從數據中統計語言的規律。
機器學習：機器學習（Machine Learning）是近20年來興起的人工智能一大重要領域。其主要是指通過讓計算機在數據中自動分析獲得規律，從而獲取“自我學習”的能力，并利用規律對未知數據進行判斷和預測的方法。
機器學致可以分為有監督的學習和無監督的學習。有監督的學習是從給定的訓練數據集中練出一個函數和目標，當有新的數據到來時，可以由訓練得到函數預測目標。有監督的學習要求訓練集同時有輸入和輸出，也就是所謂的特征和目標。而依據預測的結果是離散的還是連續的，將有監督的學習分為兩大問題，即統計分類問題和回歸分析問題。統計分類的預測結果是離散的，如腫瘤是良性還是惡性等；而回歸分析問題目標是連續的，如天氣、股價等的預測。
無監督學習的訓練集則沒有人為標注的結果，這就需要計算機去發現數據間的聯系并用來分類等。一種常見的無監督學習是聚類分析（Cluster Analysis），它是將相似的對象通過靜態分類的方法分成不同的組別或者是特定的子集，讓同一個子集中的數據對象都有一些相似的屬性，比較常用的聚類方法是簡潔并快速的“K-均值”聚類算法。它基于K個中心并對距離這些中心最近的數據對象進行分類。
機器學習還包括如半監督學習和增強學習等類別。總而言之，機器學習是研究如何使用機器來模擬人類學習活動的一門學科，而其應用隨著人工智能研究領域的深入也變得越來越廣泛，如模式識別、計算機視覺、語音識別、推薦算法等領域越來越廣泛地應用到了機器學習中。
人工神經網絡：在腦神經科學領域，人們認為人類的意識及智能行為，都是通過巨大的神經網絡傳遞的，每個神經細胞通過突出與其他神經細胞連接，當通過突觸的信號強度超過某個閾值時，神經細胞便會進入激活狀態，向所連接的神經細胞一層層傳遞信號。于1943年提出的基于生物神經元的M-P模型的主要思想就是將神經元抽象為一個多輸入單輸出的信息處理單元，并通過傳遞函數f對輸入x1，x2…，xn進行處理并模擬神經細胞的激活模式。主要的傳遞函數有階躍型、線性型和S型。
在此基礎上，對神經網絡算法的研究又有諸多進展。日本的福島教授于1983年基于視覺認知模型提出了卷積神經網絡計算模型。通過學習訓練獲取到卷積運算中所使用的卷積系數，并通過不同層次與自由度的變化，可以得到較為優化的計算結果。而AlphaGo也正是采用了這種深度卷積神經網絡（DCNN）模型，提高了AlphaGo的視覺分類能力，也就是所謂的“棋感”，增強了其對全盤決策和把握的能力。
3.人工智能的發展前景
總體來看，人工智能的應用經歷了博弈、感知、決策和反饋這幾個里程碑。在以上4個領域中，既是縱向發展的過程，也是橫向不斷改進的過程。
人工智能在博弈階段，主要是實現邏輯推理等功能，隨著計算機處理能力的進步以及深度學習等算法的改進，機器擁有了越來越強的邏輯與對弈能力。在感知領域，隨著自然語言處理的進步，機器已經基本能對人類的語音與語言進行感知，并且能夠已經對現實世界進行視覺上的感知。基于大數據的處理和機器學習的發展，機器已經能夠對周圍的環境進行認知，例如微軟的Kinect就能夠準確的對人的肢體動作進行判斷。該領域的主要實現還包括蘋果的Siri，谷歌大腦以及無人駕駛汽車中的各種傳感器等。在以上兩個階段的基礎上，機器擁有了一定的決策和反饋的能力。無人駕駛汽車的蓬勃發展就是這兩個里程碑很好的例證。Google的無人駕駛汽車通過各種傳感器對周圍的環境進行感知并處理人類的語言等指令，利用所收集的信息進行最后的決策，比如操作方向盤、剎車等。
人工智能已經滲透到生活中的各個領域。機器已經能識別語音、人臉以及視頻內容等，從而實現各種人際交互的場景。在醫學領域，人工智能可以實現自動讀片和輔助診斷以及個性化t療和基因排序等功能。在教育領域，機器也承擔了越來越多的輔助教育，智能交互的功能。在交通領域，一方面無人車的發展表明無人駕駛是一個可以期待的未來，另一方面人工智能能夠帶來更加通暢和智能的交通。另外人工智能在安防、金融等領域也有非常廣闊的發展前景。總之，人工智能在一些具有重復性的和具備簡單決策的領域已經是一種非常重要的工具，用來幫助人們解決問題，創造價值。
參考文獻
[1]阮曉東.從AlphaGo的勝利看人工智能的未來[J].新經濟導刊，2016 （6）：69-74.
一、財務共享模式的認識
跨國、跨地區或分支機構較多的大型企業集團，面臨著低附加值的財務工作占用大量人員、財務與企業發展戰略協同度較低、會計處理缺乏統一標準及口徑、信息質量低等問題，為了解決這些問題，提高企業的風險和財務管控能力，財務共享服務模式應運而生。
財務共享模式是把整個財務職能做一個切分，把會計基礎核算等低附加值的事務性作業剝離出來，運用計算機、網絡通信等現代信息技術，在一個或多個地點對人員、流程和技術等核心要素進行整合，將具有規模經濟屬性和范圍經濟屬性的財務業務集中在一塊進行處理，實現優化流程，規范管理，降成增效等目標。其本質不是簡單的財務人員和帳套的集中，而是將經營活動數據轉化為信息，變成財務服務產品，提高企業整體效率，實現信息的共享，讓企業不受時間和空間的限制，根據自己的需求及時、準確的使用系統，獲取信息。
企業在財務共享模式的實施中不應該僅僅著眼于降低費用報銷、財務核算等的簡單的人工成本，應該更多的關注信息流的整合與共享，利用經營大數據，算大帳，對公司的各個產品經營情況、業務開展情況、項目成本收益情況、設置人員和部門組織的效益情況進行事中的控制和事后分析。實現業務驅動財務，財務控制業務、評估業務、指導業務，真正做到業務財務融合，提高企業的整體經濟利益。
二、目前財務共享模式的不足
財務共享模式有諸多顯而易見的優點，但也存在不足，特別是目前的財務共享中心模式。對于優點，本文不做過多的累述，主要分析幾點不足：
一是信息溝通風險，目前的財務共享模式多采用的是遠程集中服務，各分支機構處在不同地區，財務信息在由各分支結構傳遞到財務共享服務中心時，存在溝通不暢，信息理解不對稱，不完整等現象，以及由于信息系統本身的缺陷，造成數據丟失等信息安全問題。
二是企業文化風險，財務共享中心將打破原有的組織結構，帶來人動和權責的重新劃分，存在內部分支機構管理層認可度低以及抵觸情緒，業務推廣困難。業務模式由從前分支機構的財務部門自行處理全部業務，改為財務共享中心與分支機構共同承擔，兩者權責難以分清，相互推諉扯皮，影響整體工作效率。
三是管理脫節風險，財務共享中心的財務人員多采用標準化、流程化的業務處理方式，難以滿足分支機構的個性化需求，企業實際業務活動會為了滿足財務共享中心標準化的流程而調整變通，扭曲業務實質，造成業務數據不真實，影響最終決策。同時，財務共享模式不直接接觸分支機構所在地的稅務機關、政府部門，不便于及時了解地方性的?收優惠政策和地方法規要求，使企業增加沒有享受到稅收優惠政策的機會成本和違反地方法規的違規風險。
四是人才建設風險，財務共享模式將財務業務流程細化分解，程式化、機械化的工作內容多，好比財務數據流水生產線，每天重復相同的工作，從業人員業務能力提升與職位晉升空間十分有限，導致新進員工任職時間短，離職率高，流動性大。同時，從業人員不能深入了解企業的業務及情況，進而造成企業高級財務管理人員缺失。
三、人工智能與財務共享模式的融合
人工智能是使用計算機來模擬人的某些思維過程和智能行為的學科，具有感知能力、記憶與思維能力、歸納與演繹能力、學習能力以及行為能力的特點，應用范圍廣泛。就該技術目前的發展狀況來說，其在財務管理領域的應用，完全可以取代一部分程序性、模式化的會計工作，自動識別成本費用的合理性、合規性，選擇會計核算要素，整理分析數據，也就是取代目前財務共享中心的主要工作。
【關鍵詞】計算機 人工智能技術 系統
人工智能（Artificial Intelligence）是研究使計算機模擬人的學習、推理、思考、規劃等思維過程和智能行為的學科，用過對計算機實現智能的原理的研究，制造出類似于人腦智能的計算機，使計算機實現更高層次的應用。隨著信息技術的發展和網絡的廣泛普及，人們教育觀念正在悄然改變，新型的教育模式正在成形，計算機網絡遠程教育迅速發展，然而由于計算機網絡遠程教育發展尚不成熟，實際應用過程中存在諸多問題，而人工智能的引入，則使計算機網絡教育水平提升到一個全新的發展臺階，并展現了其廣闊的發展前景[1]。
一、人工智能技術概況
人工智能是通過研究人的智慧機理和思維過程，利用計算機體現和模擬人的智能行為。人工智能自其正式提出至今短短幾十年內取得飛速的發展，已經成為一種成熟的工具。由于人工智能的效用堪比人的智慧，在進行信息分析處理時可以采取語音識別，實現人機對話，所以其應用范圍自其發展以來逐步向諸多領域擴展，如醫學、建筑學、地質學、機械等，而其研究課題也不斷深入，如專家系統、機器人、自然語言處理系統、博弈等。人工智能具有理解經驗并從中學習、辨別模糊或互相矛盾的信息、快速而成功地對新環境做出反應、在解決問題時使用推理進行有效的推導、能處理復雜的情況、應用知識控制環境等諸多能力。人工智能是一個知識信息系統，知識在人工智能中占據重要的地位，計算機的智能只有通過對知識的發現、儲存、學習、推理和決策才能展現出來。人工智能主要有以下優勢：首先，由于知識儲存與計算機系統中，為人們知識傳播和復制帶來了極大的便利，計算機網絡技術的發展，使知識的傳播和復制突破時間和空間的限制，為人們帶來無限的知識共享。其次，人工智能系統拓展了知識信息獲取渠道，同時在某些任務處理的質量和速度上，人工智能展現的能力驚人的能力，遠非人類所能及[2]。
二、人工智能技術在計算機網絡教育中的應用
（一）智能決策支持系統
智能決策支持系統（IntelligentDecision Support System）是由決策支持系統與人工智能結合的產物，在網絡教育領域的應用展現出廣闊的發展前景。智能決策支持系統在數字圖書館中的應用，則使得決策目標和進行問題的識別更加明確，幫助決策者建立起完善的決策模型，提供多種備選方案，同時對各種備選方案進行選擇、優化、比較、分析，從而使決策者的決策更加準確、有效[3]。
（二）智能教學專家系統
智能教學專家系統ITES（Intelligent Teaching Expert System）是傳統CAI系統轉向的主要方向，是一種開放式交互教學系統，通過智能教學專家系統利用計算機對專家教授教學思維的模擬，從而為教學提供一個良好的智能環境。一方面，學生可以通過智能專家系統獲取知識，另一方面，智能教學專家系統能根據學生的具體實際情況（包括知識儲備、能力、學習方式等）進行知識傳授，從而使教學效果大大提升。在智能教學專家系統中，智能計算機輔助教學占據重要地位，具有以下智能：首先，自動生成各種問題和練習，并在教學內容理解的基礎上，形成問題解決方案，同時還能自動生成和理解自然語言；其次，能根據學生的自身實際情況，對學生的學習內容和教學進度進行合理調整，并對教學內容具有解釋咨詢的能力；再次，能對學生的錯誤進行判斷，評價學生學習行為，并幫助學生糾正錯誤，同時使自身教學策略得到完善。
（三）智能導學系統
智能導學系統（Intelligent Induct-learning System）是現代繼續安吉網絡教育系統的重要組成部分，是實現計算機網絡教育項目的保障。通過智能導學系統，能為學生提供一個良好的學習環境，并能快速地獲取其所需要的各種資源，從而使學習者獲得學習的全方位服務，進而達到學習的成功。智能Agent技術的智能導學系統，可根據學生的具體情況制定符合學生實際的導學策略，并為學生提供個性化、針對性的服務。在這種導學策略下，系統不僅能自動生成各種問題和解決方案，并且能合理規劃、調整學習內容和進度，同時能針對信息反饋內容及時修正導學策略，使導學策略更加合理科學[4]。除了上述3各種系統在計算教學中的應用，還有智能仿真技術（Intelligent Simulation Technology）、智能硬件網絡IHN（Intelligent Hardware Network）、智能網絡組卷系統INES （Intelligent Network Examine System）、智能信息檢索引擎 （Intelligence Information Retrieval Engine）等系統在計算機網絡教學中應用，這些人工智能在計算機網絡教學中的應用，共同推進了計算機網絡教學的發展。
三、結語
計算機網絡教育中加強對人工智能技術的引入，使我國現代計算機網絡教育呈現蓬勃發展的態勢，通過多種智能系統的應用，使計算機網絡教育的學習環境得到極大的改善，計算機網絡教育的時空制約進一步突破，大大延伸了計算機網絡教育的服務領域。隨著人工智能技術在計算機網絡教育中應用的深入研究和發展，未來計算機網絡教育的個性化將會更加突出，遠程教育也將實現更好的發展。
參考文獻：
[1]潘瑞玲，余輪.具有Agent功能的遠程教育系統的設計[J]. 福州大學學報（自然科學版）. 2012（03）：105-106.
[2]何丕廉，蘇成君，郝禎亮.網上虛擬教室中筆記系統的設計與實現[J]. 計算機工程與應用. 2011（18）：239-241.
首屆世界智能大會6月28日至6月30日在天津舉行。6月29日，馬云、李彥宏、柳傳志等行業大咖分享了對于人工智能等最新科技的觀點。同時，在開幕式演講中，全國政協副主席、科技部部長萬鋼透露，最近新一代人工智能發展規劃已編制完成，該規劃對直到2030年的中國人工智能產業進行系統部署，包括與此相關的人工智能重大科技項目。規劃將于近日向全社會公布。
點評：公開信息顯示，目前我國人工智能已上升到國家戰略，并于今年3月首次寫入政府工作報告。據預測，2020年全球人工智能市場規模將超過1000億美元，年均增速約為20%，我國人工智能市場規模也將達到百億美元量級，年均增速超過50%，行業發展前景極為廣闊。近幾年，智能制造被不斷的提及，而隨著互聯網、智能科技與傳統行業融合創新發展，智能科技更是在除制造業外的，教育、醫療、農業等各個領域發揮重要功效。在此基礎上，世界智能大會旨在打造世界級先進智能科技成果平臺、創新合作平臺、產業聚集平臺和投融資對接平臺，展現全球領先的前沿科技新成果。此次大會的專題活動覆蓋了深度學習、智能制造、人工智能、智能駕駛、智慧安防等多領域。近期A股市場上，受世界智能大會舉行的利好影響，A股市場人工智能概念板塊表現活躍，關注標的股：科大訊飛、恒生電子、東方網力、佳都科技、工大高新等。
6月份信貸增量以及M2同比增速等成為市場關注的焦點。對此，機構普遍認為，6月份新增信貸增量或超萬億元，M2同比增速或繼續回落將至9%。華泰證券首席宏觀研究員李超認為，5月份信貸增量維持不變的情況下，社融出現了邊際減緩跡象。監管趨于嚴格的背景下，銀行的表外業務回歸表內將會是未來一大趨勢，同時居民按揭韌性強，融資利率繼續上行大背景下，銀行也樂于擴張表內業務。6月份這一趨勢將會繼續延續，預計6月份的新增貸款在12000億元左右，與之對應的社融新增則在13000億元左右，整個社會融資更多的依賴銀行表內貸款。當然，也有部分機構較為悲觀。交通銀行金融研究中心近日的報告稱，總體來看，居民房貸的回落以及金融機構主動調降跨季前資產增速，將很大程度主導6月份貸款增量回落。
【關鍵字】嵌入式軟件；發展現狀；前景
一、嵌入式軟件技術快速發展的意義
嵌入式軟件技術主要是和嵌入式系統共同發展，嵌入式硬件系統主要是指嵌入式微處理器、外設等，而嵌入式軟件主要是依托嵌入式硬件設備，為嵌入式系統提供良好的操作系統和軟件。先通過芯片開發，并加強了嵌入式系統的軟件設計，然后將其應用在實際的電子設備工業生產中。嵌入式軟件技術作為整個系統的控制中心，是一套獨立運行的計算機系統，重點在于軟件和硬件的協調工作，并在此基礎上完成指定計劃。從嵌入式軟件技術本身的主要特點是實用性強，靈活度高，軟件系統小巧而成熟，可以直接嵌入在PC終端，使用便捷。鑒于嵌入式軟件技術具有諸多優點，在生活和工業生產中得到了非常廣泛的應用，比如在智能家居、汽車智能化控制、智能手機等產品中都可以看到嵌入式軟件技術的應用，可以說人們的生活依然無法離開嵌入式軟件技術。
二、嵌入式軟件技術發展現狀
由于互聯網技術的快速發展以及市場對智能化生活產品需求的快速增長，促使我國嵌入式系統快速發展。不僅僅在智能家居、智能化汽車等方面具有非常廣闊的市場前景。同時在通信、消費電子以及工業生產的方面也得到了廣泛的應用。特別是智能手機的快速發展，帶動了整個消費市場的快速發展。并且以智能手機為控制終端的智能家居的興起，讓嵌入式軟件的應用領域得到了進一步的擴展。除此之外，嵌入式軟件技術還在工業智能化控制、金融交易、電子醫療、交通智能化控制等方面得到了廣泛的應用。現如今，我國電子化、信息化、智能化發產業發展十分迅速，互聯網技術下嵌入式軟件自身的優勢得以體現。其成本低、規模小、使用簡單、人機交流方便等優勢逐漸體現出來，并在智能化領域中得到了廣泛的應用，為人們的生活和生產帶來了諸多便捷之處。但是就我國嵌入式軟件技術發展程度來看，還存在一些問題需要在未來結合其他方面共同創新，促進我國智能化相關產業的進一步發展。
三、嵌入式軟件技術的發展前景
3.1嵌入式軟件技術的無線網絡發展
這目前來說，我國許多領域中都有嵌入式軟件技術的應用，而想要滿足人們不斷提升的需求，就應該不斷的發展嵌入式軟件技術。其中，隨著互聯網技術的快速發展，遠程無線控制成為了許多行業對于控制系統的新要求。因此，將嵌入式軟件技術和互聯網無線通信技術相結合，發展無線操控系統，實現穩定可靠的遠程操控系統是未來嵌入式軟件技術發展的方向之一。
3.2嵌入式軟件系統在人工智能中的應用
隨著科技和經濟的快速發展，人們對于人工智能的需求越來越多，對于人工智能的要求越來越高。嵌入式軟件技術的開發應用一定程度滿足了人們對于某些領域智能化的需求。然而要想要提升人工智能的適用性和應用性，就應該根據人們的需求，強化嵌入式軟件系統在人工智能方面的應用。將人們對于人工智能的需求以及嵌入式軟件系統的發展相結合，促使嵌入式系統在更多的人工智能領域中的應用。使其應用不僅僅局限于智能手機、智能家居，應該逐漸擴展到智能醫療、智能交通、智能工業等方。
四、總結
隨著科技的不斷發展，嵌入式軟件在智能化領域的應用越來越廣泛，對人們日常生活的影響將越來越大，傳統的生活、生產工作方式需要與時俱進，因此在將來嵌入式產業將會逐漸涉及到生活和生產的方方面面。嵌入式軟件系統不僅僅在智能家居、自動化工業等方面得到大量應用，同時也會向著無線網絡控制方向發展，成為我國智能化、自動化計算機軟件產業中不可或缺的重要技術。嵌入式軟件技術在日常生活領域中的應用，將大大提升人們生活質量，改善工業生產效率，促進我國國民經濟發展。
參考文獻
[1]張琦.嵌入式軟件技術的現狀與發展趨勢研究[J].科技創新與應用,2017,05:89-91.
[2]孫高峰.淺談嵌入式軟件技術的現狀與發展動向[J].煙臺職業學院學報,2013,02:74-76.
[3]高立軍.嵌入式軟件技術的現狀與發展動向[J].信息系統工程,2016,01:126.
[4]熊光澤,羅蕾.嵌入式軟件技術的現狀與發展動向[J].計算機應用,2000,07:1-3.
關鍵詞：人工智能；網絡教育；應用；前景
中圖分類號：TP18
“人工智能”一詞最早是在20世紀50年代末期在Dartmouth學會上提出的。它是計算機技術的一個分支學科，但又同時包含了很多領域的不同學科，例如生物信息學、機械理論學、數理推論、語言文化等，它的研究領域非常的廣泛，包括機器翻譯研究、智能控制研究、專家系統學、機器人研究、語言和圖像理解研究、遺傳編程研究、自動程序設計研究、航天科學與應用、龐大的信息處理、儲存、管理研究。此后，越來越多的科研人員開始了對人工智能技術的研究。國際上比較先進的研究機構有麻省理工學院、斯坦福大學、加州大學伯克利分校、賓夕法尼亞大學、耶魯大學、德國人工智能研究中心、索尼公司等，中國的先進研究機構主要有清華大學、北京紫光優藍機器人技術有限公司、中國科學院先進技術研究院、北京大學、南京理工大學、哈爾濱工業大學、中國科學技術大學、北京郵電大學等幾十家機構。
目前，將人工智能應用在網絡教育中是很多研究者關注的熱點，在近些年的研究中取得了很大的進步，取得了一些先進的成果，但是在研究中也遇到了一些問題，需要研究人員進行解決并創新。本文首先介紹了網絡教育的現狀，探討了人工智能在網絡教育中的應用，通過研究提出了做好人工智能在網絡教育中應用的有效措施，最后對人工智能在網絡教育中的發展前景進行展望。
1 網絡教育的現狀
隨著信息技術和網絡技術的不斷發展，人們對教育的觀念以及接受教育的方式發生了巨大的改變，“網絡教育文化”日趨成熟。網絡的發展給傳統的教育模式帶來新的挑戰，它除了將傳統教育模式的一些顯著不足進行了改變以外，同時使教學更富有吸引力和生氣，吸引更多的人愿意到Internet教學中來學習自己想要的知識，他們可以不受時間、空間、身份的限制，到這個虛擬的課堂來進行“充電”。但在當前，網絡教育還在初級的發展階段，在實際的推廣和應用中還存在著一些問題：
（1）在網絡遠程教育的過程中，支持學習的服務系統沒有很好的滿足學習者的要求，引導學習者學習的手段和給學習者答疑的方法都比較落后，服務的方式受到一些客觀因素的限制；
（2）網絡實驗教學中有很的問題存在，例如空間的分散性差，時間的流動性和自主性差，除此之外，便攜性也比較差等；
（3）目前，雖然網絡教育中進行的考試具有開放性，但是考試的公平公正性、考試類型的科學性、出題的權威性都很難保證；
（4）目前來看，網絡系統本身具有了信息查詢能力，但這種查詢的能力是很有限的。
2 人工智能在網絡教育中的應用
2.1 智能決策支持系統
智能決策支持系統是在1980年左右由美國的研究大師波恩切克提出來的，是決策支持系統與人工智能技術相結合的產物。目前，由于智能決策支持系統的不斷發展和創新，在網絡教育的應用和研究方面表現出很強的發展潛力。例如，智能決策支持系統在數字和移動圖書館中的得到了廣泛的應用，該系統能夠為數字圖書館的管理人員提供決策和管理所需的數據、信息，幫助他們明確決策和管理的目標，通過建立決策模型并加以修改或完善，為數字圖書館正確、有效的管理和決策提供必要的支持。
2.2 智能教學系統
智能教學系統是在1970年以后迅速發展起來的，可以為學習者提供一種智能的授課環境，它將計算機的模擬功能來體現在整個教學過程中，使用人工智能技術和多媒體技術等先進的教學手段，共同形成一個交互式的開放的教學系統，在這個學習系統中，學生可以主動的獲取學習知識，系統可以根據學習者的個人情況來進行合理和科學的教學，以達到最佳的、理想的教學效果。
2.3 智能導學系統
支持服務是現代計算機網絡教育系統的重要構成要素。建立和維持一個高效靈活、強有力的支持服務子系統是有效地開發、管理和實施計算機網絡教育項目的保證。智能導學系統可以創造一個優良的學習環境，使學習者方便快捷地調用各種資源，以獲得學習的成功。
2.4 智能硬件網絡
智能網是20世紀80年代初期興起的研究課題。隨著網絡的日益普及，通過網絡進行學習，不僅要求多媒體綜合化的信息處理能力，而且要求網絡能夠提供高級信息處理能力。就目前的狀況而言，對現有的計算機教育網絡賦予其一定的“智能”，從硬件性能本身加以提升是一種不乏遠見的選擇。
3 做好人工智能在網絡教育中應用的有效措施
3.1 加大資金的支持
對于做好人工智能在網絡教育中的應用工作，絕對離不開資金的支持，因此各級政府部門應該做好相關的預算，落實好國家對于支持人工智能技術的相關政策，對于在人工智能技術發展中做出突出貢獻的企業和科研單位要給予一定的資金支持，支持這些企業、科研單位的研究工作，促進人工智能在網絡教育中更好的發展和應用。
3.2 加快人員培訓工作，建立技術研究團隊
人工智能在網絡教育中的應用工作具有技術性、專業性強等很多特征，因此，必須培養一批高素質的人工智能專業人才，同時還要對這些人員進行全面的業務培訓，使得這些人員既要懂管理，又要精通人工智能的專業知識，通過全面的業務培訓和人才引進，建立人工智能的技術研究團隊，使得這些人的才能得到很好的發揮，在人工智能方面有所創新，保證人工智能在網絡教育中得到更好的應用。
3.3 加強和先進研究機構的合作
在人工智能技術研究方面，美國、英國、德國等國家都走在世界的前列，而我國的人工智能技術研究的能力較低，與上述發達國家相比還存在一定的差距。因此，如何縮小這種差距，實現人工智能在網絡教育中更好的應用，就需要我們的研究人員加強專業知識的學習，和這些國家的先進研究機構進行有效的溝通和聯系，借鑒其先進的研究經驗，根據自己的實際需要，進行一些實際的合作。
4 結束語
由于人工智能技術本身存在著巨大的優勢，人工智能網絡技術也會不斷地進行發展而趨于成熟，這將極大地改善并且優化網絡教育的學習環境，全面提升網絡教育的整體教學質量，并有望增強網絡教育的全面開放性。為了做好人工智能在網絡教育中的應用，需要加大資金的支持，加快人員培訓工作，建立技術研究團隊，加強和先進研究機構的合作，使網絡學習的支持服務更加人性化和擬人化，更加體現以人為本的關懷精神。
參考文獻：
[1]呂生榮.淺談人工智能在計算機輔助教學中的應用[J].科技資訊，2009（01）：198.
[2]張園.人工智能技術在計算機輔助教學中的應用研究[J].科技資訊，2007（34）：108-109.
[3]陸志一，吳學慶.計算機未來的發展趨勢[J].黑龍江科技信息，2008（04）.
[4]張瑞.計算機科學與技術的發展趨勢探析[J].制造業自動化，2010（08）.
[5]何月瑤.計算機技術發展態勢分析[J].科技創業月刊，2007（05）.
關鍵詞：智能電網；智能調度系統；電力電網
中圖分類號：TM73 文獻標識碼：A
電力電網調度系統對電力系統而言是至關重要的，在電力系統初具雛形時，由于科技落后，電力電網調度系統不是智能的，是由工作人員通過打電話的方法了解各個電力站的運行狀況，如果發現電力站的運行發生異常狀況，就會憑借工作人員的經驗，對發生的異常狀況進行處理。現如今，科技水平不斷發展，自動化技術也不斷地更新，電力電網的智能調度系統在電力系統中也得到了應用，并取得了一定的成效。與傳統電網系統相比，電力電網的智能調度系統不是孤立存在的，它是一個實時動態的系統，可以有效地進行分析和調控電力系統，當電力站發生故障時，電力電網的智能調度系統可以更加精準和及時地對故障分析和處理，更加快捷方便，可以更全面地了解電力電網的運行狀況。
一、電力電網智能調度系統概述
（一）電網調度系統自動化的現狀和前景
在科學技術不斷發展的今天，電網調度系統已由最初單純獲取電力系統的數據轉換為全面了解電力電網的運行狀況，成為了能量管理系統。雖然我國科學技術水平在不斷的發展，但是技術理論仍然不是很先進，導致電網調度系統的自動化和智能化程度仍然不是很高。因此，如何更好地運用現代科學技術，完善電力電網的智能調度系統，使電力電網的智能調度系統更加高效便捷，實現真正的智能，這將是電力系統的未來趨勢。
（二）電力電網系統智能調度的概念
電力電網系統智能調度就是指調度系統可以對電力系統的電網的每個狀態進行自動獲取，綜合了解其中的變化，協助電力調度員的管理，使電力調度員操作更加便捷精準，便于獲取最好的方案，從而保證電網的安全運作。電力電網系統智能調度系統的功能不單單是基礎的電力系統的穩態分析，在電力系統發生突如其來的故障時還應該具有一定的分析功能，可以及時幫助電力調度員解決故障，并且還應該可以兼容日益發展的運行系統。新型的電力電網系統智能系統比如今使用于電力系統中的調度系統更加復雜，更加龐大。新型的電力電網系統智能系統不單單需要電力系統中各個系統相互獨立，卻有相互統一，各個系統間可以互相幫助，除此之外，還要求新型的電力電網系統智能系統有兼容第三方軟件的能力，該系統的最終構架應該是一種開放式的軟件體系。
二、 人工智能在電網調度系統中的應用
（一）人工智能的概念
人工智能又名機器智能，融合了計算機科學、數理邏輯、控制論、信息論、神經生物學以及語言學等多門學科的知識理論，最終發展而成的一門綜合性學科。人工智能的主要目標就是運用人類的智慧，使計算機系統日益的先進，逐漸使計算機系統表現出人類的一些基本智能行為。科學家進行了大量的科研實驗，實驗結果表明，人工智能技術發展的速度也越來越快，已經廣泛地應用與各行各業，并發揮了顯著的效果。不可否認，人工智能必將是未來的發展趨勢。
（二）人工智能系統方法分類
二十世紀八十年代初，人工智能技術剛剛崛起，不斷地應用于電力系統以及電力系統的相關行業中，主要原因如下：
1電力系統在當時那個年代就已經擁有了很大的規模，數據處理十分的繁瑣，并且系統要求動態實時性，憑借當時的計算機水平根本沒有辦法快速獲取計算結果，嚴重拖累了電力系統的工作效率。
2電力系統的非線性根本沒有辦法憑借當時的計算機水平建立出精確的線性數學模型。
3由于當時科學技術水平不是很發達，大多數人對電力系統不是十分了解最終導致電力系統行業中存在很多模棱兩可的問題。
4由于當時科學技術水平不是很發達，很多電力系統的專家只能根據自己的經驗對電力系統進行分析，根本無法運用精確的數學進行描述。與傳統的計算不同，人工智能算法是以解決知識中所存在的問題的方法為基礎，解決了傳統計算方法的缺點。因此，人工智能應用于實際的電力系統中是十分必要的。
（三）人工智能在電網調度系統中的應用以及方法：
1 專家系統
在二十世紀六十年代，專家系統作為人工智能在電網調度系統中的應用的重要分支開始興起，專家系統顧名思義，這個系統擁有極其接近人類思維模式的智能系統，可以很好地進行分析和推理，就猶如一些擁有豐富經驗和淵博知識的專家，在特定的區域里憑借區域內固有的數據庫對問題進行合理的分析，最終提出適當的問題解決方案。在專家系統應用于電力電網調度系統中，應該包括電網的管理、對電力系統進行綜合的監測作用、對故障進行分析并及時提供解決意見等。
2 人工神經網絡
人工神經網絡顧名思義，就是一種類似于人類大腦的神經網絡，人工神經網絡可以對給與的信息進行適當合理的分析，并且處理，最終演變成數學模型，人工神經網絡的本身就是對自然界某種算法或者函數的逼近，也可能是一種邏輯表達方式。人工智能神經網絡與人類的大腦十分相似，具有一定的自學和聯想能力，可以快速地根據特定的規律推算出大致的結果。人工神經網絡已經廣泛應用于人工電力電網系統的動態控制與診斷、狀態數據估計等很多的相關領域，并取得了一定的成效，而其中的人工神經網絡的預測估計分析技術已經十分的完善。
3 遺傳算法
遺傳算法就是根據達爾文生物種族進化論中遺傳機制和自然選擇學機理的生物進化過程進行模擬最終獲取相應的計算模型，遺傳算法可以通過模擬自然進化過程分析獲取最好的解決方案。具體方法如下：
（1）選取一定數量的候選集。
（2）根據一定的條件，計算出這些候選集的應用范圍。
（3）根據計算所得的應用范圍適來確定符合應用范圍的候選集。
（4）加工處理符合應用范圍的候選集，最終形成新的候選集。
在整個遺傳學算法中，達爾文自然選擇學機理中的“適者生存”一直貫穿始終，遺傳算法憑借自身十分優異的計算和處理功能，已經廣泛地應用于電力電網系統中。
4 Agent技術
Agent技術是一種智能計算實體，在分布式系統中擁有靈活性、主動性、反應性、交互性和自主性。Agent體系結構是一種自主行為實體，單純憑借現今的計算機水平，很難準確對Agent體系結構進行描述，其大略可分為三種類型，是混合式體系結構、反應式體系結構和審慎式體系結構。如今，反應式體系結構是其中主要的研究對象，事件處理系統、方法集合和內部狀態集組成了反應式體系結構。具備良好適應性和開放性的Agent技術作為在新一代調度自動化系統，發展前景不可小視。
對于同類發電機組而言，綜合考量其安全性能、經濟效益和環保指標等要素，可以分別表示出機組的可靠性能R、經濟效益標準E、環境標準D，以及熱電比例H，依次用a表示其權值。那么可以得出：I=a*（R+E+D+H），其中每個權值的和為1。
設定機組工作的經濟程度與出力之間的關系為函數E（P），那么用來指代系統經濟性能的公式可以表示成：E=E（P max）/ P max。
系統的環保性指標可以用單位排放的污染氣體總量來表示；系統的熱電比是將單位出力表示為熱量數值，設定熱電之間轉化的關系函數H（P），那么可以得出：H=H（P max）/ P max。
（四）Agent技術的發展前景
分布式的Agent技術就是將能量管理系統模塊封裝成Agent，使智能電網調度擁有更強的自治性和可移植性，從而在一定程度上解決了智能電網調度的一些問題。現如今，學者對人工智能技術不斷深入地研究，從而使其更加廣泛地應用于電力系統中，并取得了一定的效果。在科學技術不斷發展的背景下，Agent技術一定會擁有更廣闊的前景。
三、 國內外電力電網智能調度系統的研究現狀
在二十世紀九十年代，Dy-Liacco作為“現代能量控制中心”概念的創始人，十分全面地論述建立了電力電網智能調度系統的文獻，在文中提到想要解決電力系統中存在的一些問題，應該用智能機器調度員替代人工調度員，除此之外，文中還提到要綜合仿真培訓和自動學習等功能，從而使電力電網自動運行。在我國，盧強院士最先提出了“數字電力系統”的概念，主要講訴的是正常情況下電力電網智能調度系統對電力系統的監管的分析的功能等；華北電力大學的楊以涵教授則帶領自己的科研組進行電力系統的研究，基于“數字電力系統”的概念，分析電力系統中電網會出現的故障，以及安全方面等進行了探討，最終形成了建立以分析和解決電網故障的“調度機器人”的思維模式。
結語
綜上所述，電力電網調度系統對電力系統而言是至關重要的，電力電網的智能調度系統是一個實時動態的系統，可以有效地進行分析和調控電力系統，當電力站發生故障時，電力電網的智能調度系統可以更加精準和及時地對故障分析和處理，更加快捷方便，可以更全面地了解電力電網的運行狀況。本文對電力電網智能調度系統做了簡單的介紹，對電力電網智能調度系統的具體應用進行了探討，希望本文可以給相關電力電網工作者甚至是研究者帶來一定的參考作用，使電力電網的智能調度系統更加完善，可以更好地應用于電力系統中。
參考文獻
[1]狄以偉.面向未來智能電網的智能調度研究[D].濟南：山東大學，2010.
汽車智能化三大核心：優秀算法、海量數據、計算能力。1、海量數據角度，按萬輛自動駕駛規模計算，單車每小時產生100GB數據，云平臺每天收集數十PB數據；2、計算能力發展角度，預計到2030年全球云的處理能力將超過所有人腦處理能力，車載計算每幀處理時間50ms以下；3、優秀算法帶來突破性進展，深度學習出現后錯判率大幅下降、算法效率快速提升。
制約無人駕駛發展的因素正在逐步消除。第一是法律制約，聯合國、美國等都已經針對無人駕駛逐步建立相應的法律法規，在國家鼓勵互聯網+的背景下，未來中國的法律開放程度可能會超過美國；第二是成本因素，全自動駕駛所使用的激光雷達目前成本極高，達到50-70萬元/個，未來5-10年量產后單價有望下降至1000-1500美元。
百度無人車的核心是基于人工智能的汽車大腦。目前汽車大腦可分為汽車提供高精度地圖、高精定位、智能感知、智能控制的自動駕駛整體解決方案。百度汽車大腦研發基于人工智能，其擁有國內最早的自主深度學習平臺Paddle，已廣泛應用于百度的眾多產品；基于深度學習的百度人臉識別技術在LFW上取得世界第一的識別精度；基于深度學習的OCR技術在ICDAR測試集取得世界第一的識別精度。
投資建議：
1、無人駕駛作為汽車行業未來的發展趨勢，其所帶來的產業變革和巨大機遇已經成為業內外共識，同時也是我國汽車產業彎道超車的絕佳機遇。百度以人工智能為核心的無人駕駛技術進展超市場預期，此外限制無人駕駛大規模推廣的法律、成本等因素也有望逐步解決，我們非常看好無人駕駛的發展前景，重點關注東軟集團、四維圖新、千方科技、雙林股份、索菱股份、捷順科技、數字政通、安居寶等。
