前言：中文期刊网精心挑选了人工智能技术综述范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能技术综述范文1
【关键词】无人驾驶 脑控汽车 发展前景
1 前言
近些年，随着汽车工业的快速发展，汽车驾驶已经是现代人需要掌握的基本技能之一，在其拓展普及的同时，安全驾驶成为了现代社会最关注的焦点之一。所谓的安全驾驶就是要杜绝在汽车驾驶过程中存在安全隐患的行为，其中不安全驾驶包括：酒后驾驶、超速行驶、疲劳驾驶[1]、大灯晃眼、闯红黄灯、违法超车、急停急刹、随意变道、驾驶打电话、不系安全带等容易致使事故发生的行为。汽车所带来的安全问题多数出自驾驶司机的个人行为和个人原因，因此以人工智能辅助或者替代驾驶者驾驶汽车成为了汽车智能驾驶技术研究的主要趋势。
2 无人驾驶汽车的发展现状
2.1 国外驾驶汽车的研发状况
从上世纪开始国外就开始进行了无人驾驶汽车的研究[2][3]。所谓无人驾驶，是通过为车辆装配多种感应设备，包括车载传感器、GPS和摄像头等，配合车内的智能软件，如自适应巡航控制系统（ACC）等实现脱离驾驶员的自动驾驶汽车[4]。国外著名汽车企业及IT行业巨头谷歌都竞相亮相其在无人驾驶汽车技术研究的成果。截至目前，谷歌的无人驾驶汽车已问世6年多，这期间发生了14起事故，仅一次造成人员受伤[5]；德国梅赛德斯奔驰的无人驾驶卡车在德国的Autobahn8公路上已经启动了上路测试，这是量产版自动驾驶卡车首次在高速公路上进行行驶；据英国《每日电讯报》15年2月11日消息，奥迪方面确认其首款采用无人驾驶技术的车型将于2017年上市。另外各大汽车制造商以及相关科技巨头表示无人汽车在2020年可以推出商用。美国内华达、加利福尼亚、佛罗里达及密歇根州为谷歌、奥迪等正在开发的无人驾驶车发放了公路试验牌照。这表明了一点：使用人工智能替代驾驶员来驾驶汽车被各大发达国家与科技巨头认可。这是因为无人驾驶汽车经过精密计算，由系统精确控制，在一般条件下，比真人驾驶应该更加安全可靠。无人驾驶汽车至少不会犯情绪上的错误，不会因为酗酒、生气、郁闷等精神原因而造成汽车失控，也不会因为人多、路窄、弯多等复杂路况而紧张，造成误操作。对长途行驶而言，无人驾驶汽车不会出现疲劳驾驶。在城市道路中，无人驾驶汽车不会闯红灯、逆行。在有限速标记的道路上，无人驾驶汽车会严格遵守规定，不会超速行驶。
2.2 国内驾驶汽车的研发状况
我国关于无人驾驶汽车的研究相对国外起步较晚，但是发展迅速。十几年前，国防科技大学已经开始对一款红旗轿车进行相应改装，研制出了红旗HQ3智能无人车，能实时处理岔道、斑马线和虚线；对车体姿态变动，自然光照变化及树木、路桥阴影都具有较强的自适应力。HQ3，其“大脑”是藏在后备厢里的计算机设备，车辆没有GPS 等导航设备，完全是利用自身的“环境传感器”来识别道路标线，进而依靠车载的智能行为决策和控制系统，实现正常汇入高速公路的密集车流中自主驾驶。于2011年，红旗HQ3智能无人车首次在复杂路况下公开进行无人驾驶的测试，并完成了从长沙至武汉近300公里高速公路路试。除了无人驾驶汽车的研究外，南开大学计算机与控制工程学院段峰副教授的研究团队与长城汽车共同合作研发 “脑控汽车”，这项研究通过脑电设备， 捕捉人在集中注意力时产生的脑电信号， 利用脑电信号识别系统分析人的驱车意图并向汽车发送操控指令， 以此实现人脑控制汽车的目的[6]。“脑控汽车” 颠覆了手脚并用的驾车方式，它可以利用人脑进行汽车操控并低速行驶， 但离真正投入生产使用还需要一定时间。由此可以看出我国在研究人工智能“替代”的同时也涉及“辅助”研究，将人工智能应用于汽车驾驶技术方面更为广泛。
3 智能驾驶研究中遇到的问题
无人驾驶汽车在其优势凸显的同时也更加暴露出其问题。无人驾驶汽车的问题包括局限性高、人文接受程度问题和安全防御性低等。
3.1 局限性高
无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。
3.2 人文接受程度问题
社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时， 发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。
3.3 安全防御性低
软件安全公司Security Innovation首席科学家乔纳桑・佩蒂特（Jonathan Petit）表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表。
4 智能驾驶的发展前景
智能驾驶是通过人工智能辅助或代替人进行汽车驾驶行为，它可以弥补人类驾驶员会存在的缺陷。经过大量的研究和发展，智能驾驶所需的各种传感器、计算机的性能和技术等方面取得了极大进步，成本也在逐步降低。
从人工智能和汽车驾驶结合的长远发展角度来看，纯智能的无人驾驶应为未来驾驶的主要方式，即使在当前基于贝叶斯、决策树和人工神经网络等机器学习的方法被运用在无人驾驶的行为识别和行为决策的技术环境下，我们也可以考虑设立专门的行驶路线保证无人驾驶汽车的应用推广。在冯诺依曼体系结构下面向驾驶行为的机器学习，一直以来都是智能车领域的“瓶颈”。随着国际“类脑”研究的兴起，我国也上线了“中国脑计划”，但毕竟类脑计算还仅从理论阶段开始向前迈步，类脑计算机仍难以得到实现和应用。
从当前智能驾驶的技术角度来看，相对于无人汽车，脑控汽车的发展可能更加适合。这是因为无人驾驶汽车的计算机系统目前还无法达到类脑计算机体系的高度，因此很难做到像人脑一样思考问题，难以较好处理驾驶过程中各种各样的突发问题和针对无人驾驶做出的阻碍或破坏行为。
因此提高人工智能在辅助方面的全面完善是全面实施无人驾驶的必经之路。现在的家用汽车基本配备雷达辅助系统，该系统可以不断监控周围的交通状况，可以用发声频率提示本车与可能碰撞物体的距离，也可以确定与前车距离以及前车行驶速度，如与前车距离明显低于安全距离，系统会向驾驶者发送听觉警报。目前奔驰的主动式驻车辅助系统能够在主动转向和制动功能干预下自动泊车。并且，在车辆通过自动驻车辅助系统停入平行车位后，该系统也可以在自动转向和制动控制功能的帮助下，让车辆完全自动地驶出平行车位。
在此基础之上，我们可以在扩大自然语言处理等人机交互方式在人为干预下“释放双手”的模式上加大科研力度，如：语音操控、脑控汽车或类似飞机自动与手动驾驶切换等智能驾驶方式。其中语音操控汽车可以通过语言指令如“倒库”“直行”或“开启雨刷”等自然语言实现汽车系统的自动处理并通过车辆配置的传感器和摄像头等硬件付出行动来响应命令的方式来实现语音操控汽车的智能模式。因为有驾驶员的加入会使智能汽车的行驶方式更加灵活多变，适合于当前复杂的交通环境，满足社会法律和伦理观念的接受要求，所以提高人工智能在辅助方面的研究应用的价值更加巨大。
参考文献：
[1]朱盛镭.未来智能汽车产业发展趋势[J].上海汽车，2015（08）.
[2]郑宝成.智能汽车及其新技术发展研究[J].科技创新与应用，2015（17）.
[3]冯学强，张良旭，刘志宗.无人驾驶汽车的发展综述[J].山东工业技术，2015（05）.
[4]辛煜，梁华为，梅涛 等.基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法[J]. 机器人，2014（06）.
[5]关天瑜.谷歌无人驾驶汽车再次追尾[J].计算机与网络，2015（15）.
[6]张建新，乔仁铭.“脑控汽车”在南开大学“开跑”[J].农家参谋，2015（08）.
[7]陈慧，涂强，范正帅，王琳. 互联智能汽车关键技术与发展趋势[J].中国集成电路，2015（06）.
[8]贾祝广，孙效玉，王斌，张维国.无人驾驶技术研究及展望[J].矿业装备，2014（05）.
[9]杨帆.无人驾驶汽车的发展现状和展望[J].上海汽车，2014（03）.
[10]李崇寒，彭鑫.无人驾驶汽车：可行还是不可行？[J].今日科苑，2011（12）.
[11]乔维高，徐学进.无人驾驶汽车的发展现状及方向[J].上海汽车，2007（07）.
[12]王握文.时速75.6km──国产无人驾驶汽车创新时速[J].中国科技月报，2000（07）.
[13]林一平.无人驾驶汽车逐步进入实用化[J].专用汽车，2000（02）.
[14]林一平.新世纪的无人驾驶汽车[J].交通与运输，2000（02）.
[15]闫民.无人驾驶汽车的研究现状及发展方向[J].汽车维修，2003（02）.
[16]林一平.不断创新发展的现代无人驾驶汽车[J].专用汽车，2003（01）.
[17]薛福连.自动控制高速公路上的无人驾驶汽车[J].汽车运用，2006（04）.
[18]吕宏，刘大力，孙嘉燕.从无人驾驶汽车奔赴世博会看未来汽车[J].机电产品开发与创新，2010（06）.
[19]边疆，赫玉莹，王贯安.无人驾驶车图像采集的失真矫正[J].中国科技信息，2014（09）.
[20]宋世春.初露头角的无人驾驶汽车[J].国外自动化，1980（04）.
人工智能技术综述范文2
关键词：新一代计算机；人工智能技术；发展趋势
“人工智能”是在1956年的Dartmouth学会上提出的，英文缩写是AI。它是计算机科学等多种学科互相渗透而发展起来的综合性、交叉性学科。从计算机应用系统的角度出发，人工智能是研究如何模拟人类智能活动，使机器能够胜任一些需要人类智能才能完成的复杂工作，以延伸人类智能的科学。
二、人工智能技术的发展状况
随着计算机、信息和并行程序设计技术的发展，人工智能的研究已经发展成为智能体系的研究。到目前为止，人工智能程序已经知道考虑他们要解决的问题，从而寻找比较好的答案。智能体体系可以被认为是智能体的软件工程模型，智能体语言是智能体的软件系统。在我国，智能体技术多被应用到处理具有异构、布、态、规模及自主性的系统中，如Internet，是人工智能技术的新应用。
目前，人工智能技术在美国等欧洲国家仍保持非常快的发展速度。在人工智能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智力能力的ASCIWhite电脑。据称，其正在开发的更为强大的blue jean电脑的智力水平将与人脑相当。
三、新一代计算机和人工智能技术的应用
随着人工智能技术的不断发展，越来越多的技术发展都涉及到人工智能，人工智能已经被广泛应用到许多领域。
（一）人工智能技术在计算机符号计算中的应用
计算机最主要的用途之一就是科学计算，通常分为纯数值的计算和符号计算两种。其中符号计算是一种智能化的计算。随着新一代计算机的开发和普及以及人工智能技术的发展，多种功能计算机代数系统软件相继出现，都是用C语言写成的，可以在绝大多数计算机上使用。
（二）人工智能技术在计算机模式识别中的应用
计算机用数学方法研究模式的自动处理就是模式识别。用计算机实现模式的自动识别和判断，是利用人工智能技术开发智能机器的关键，计算机模式识别的特点是效率高，速度快，准确率高，也为人类认识自身智能提供了有利线索。
（三）计算机的机器翻译
计算机把一种语言转变为另一种语言的过程就是机器翻译。目前，我国的机器翻译软件的翻译特点，大致可以分为三类：词典翻译、汉化翻译和专业翻译。词典翻译软件可以迅速查询英文单词或词组的词义，并提供发音；汉化翻译软件提出“智能汉化”的概念，辅助翻译作用更加明显。
（四）人工智能技术在计算机机器学习中的应用
计算机的机器学习主要研究如何使计算机能够模拟或实现人类的学习能力。机器学习是机器具有智能能力的重要标志，也是机器获取知识的根本途径。机器学习是一个难度较大的研究领域，它与认知科学和逻辑学等学科都有着密切的联系，并对人工智能的其他分支也会起到重要的推动作用。
（五）人工智能技术在计算机问题求解中应用
人工智能技术在今天的计算机程序已能够达到各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手的表达能力和洞察能力等。人们通常都能根据具体问题找到思考问题和解决问题的办法，目前，人工智能技术已能通过计算机程序知道如何考虑要解决的问题，寻找较为准确的解答方法。
（六）人工智能技术在计算机推理证明中应用
逻辑推理在人工智能研究中是最持久的探究领域之一，其别重要的是，通过找到合理准确的方法，集中注意力在大型数据库中的有效事实上，关注可信证明，并在出现新信息时适时修正这些证明。因此，在人工智能方法的研究中，定理证明是一个极其重要的论题。
（七）人工智能技术在计算机语言处理中的应用
自然语言处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人瞩目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。
（八）人工智能技术在计算机专家系统中的应用
专家系统是人工智能技术中最活跃、最有成效的研究领域，是具有特定领域内大量知识与经验的程序系统，已出现成功应用人工智能技术的趋势。计算机程序如果能体现和应用人类知识，就应该可以帮忙解决问题，而且能发现人类专家在推理过程中出现的差错。
四、新一代计算机和人工智能技术的发展趋势
新一代计算机和人工智能技术的发展潜力巨大，其作为一个整体的研究才刚刚开始。人工智能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，从目前一些前瞻性的研究中可以看出，未来人工智能技术可能会朝以下几个方向发展：模糊处理、并行化、神经网络和机器情感。
（1）自动推理是新一代计算机和人工智能技术最经典的研究分支，其基本理论是新一代计算机和人工智能技术其它分支的共同基础。其中知识系统的动态演化特征及可行性推理的研究，是最新的热点，很有可能取得突破。
（2）机器学习的研究使得许多新的学习方法相继问世，并获得了成功应用。但是也应看到，现有的机器学习方法尚不够有效，寻求一种新的方法，以解决新一代计算机和人工智能技术研究中的在线学习问题，是研究人员共同关心的问题。
（3）自然语言处理是新一代计算机和人工智能技术应用于实际领域的典型范例，这一领域已获得了大量令人瞩目的理论与应用成果。智能信息检索技术近年来已成为新一代计算机和人工智能技术的一个独立研究分支，将新一代计算机和人工智能技术应用于计算机科学与技术领域的研究，是人工智能走向应用的突破口。
五、结束语
很多新一代计算机和人工智能技术研究的成果已经进入人们的日常生活。未来，人工智能技术的发展将会给人类的知识、思考、生活、工作和教育产生巨大的影响，在人类的生活中占据一席之地，成为人类生活的伙伴。
参考文献：
[1]吴艳.关于“人工智能”技术发展的思考[J].和田师范专科学校学报.2010.
人工智能技术综述范文3
DOI：10.14163/j.cnki.11-5547/r.2017.13.084
手术是指医生用医疗器械对患者身体局部进行切除、缝合等治疗的过程， 目的在于维持患者的生命健康[1]。丙泊酚复合瑞芬太尼是临床进行全麻的常用药物， 麻醉效果好， 对患者术后恢复无明显抑制作用[2]。但患者常因手术引起不同程度的应激反应， 且患者因全麻而陷入昏迷， 神经、免疫等机体功能进入短暂的抑制期， 而过度应激产生的病理反应不仅影响手术效果， 还对机体免疫及认知功能恢复造成明显影响[3]。故为减轻全麻手术患者应激反应， 促进认知功能恢复， 本研究在丙泊酚复合瑞芬太尼全麻手术患者围手术期实施综合护理。现将结果示下。
1 资料与方法
1. 1 一般资料 选取2015年5月～2016年5月本院112例行全麻手术的患者， 随机分为对照组和研究组， 各56例。所有患者均对本研究知情， 且无对所用药物不耐受及严重功能损伤者。对照组男34例， 女22例；年龄32～68岁， 平均年龄（50.6±5.8）岁。研究组男32例， 女例24例；年龄32～68岁， 平均年龄（51.4±5.5）岁。两组患者一般资料比较差异无统计学意义（P>0.05）， 具有可比性。
1. 2 方法 两组患者均采用丙泊酚复合瑞芬太尼进行麻醉。对照组在围手术期进行常规护理， 如帮助患者做好术前准备、术中密切监测生命指标、术后指导患者正确卧位等。研究组在常规护理基础上实施综合护理， 措施如下：①术前护理。采用多种方式进行心理疏导及健康教育， 并进行合理饮食调理。②术中护理。严格控制室温及湿度， 并进行适量补液， 及时关注医生患者情况， 以便及时处理。③术后护理。采用多种方式改善患者心理状态， 转移注意力， 减轻伤口疼痛；保障各导管通畅、清洁；密切注意伤口愈合情况， 对常见并发症进行预防护理；进行饮食调理、早期运动指导。
1. 3 观察指标及评价标准 对比分析两组应激反应程度及认知功能恢?颓榭觥S?激反应程度评定：根据氧化应激指标LPO水平进行评估， 应激指标水平越高则应激反应程度越深。认知功能评定：应用MMSE[4]评估患者的认知功能， 共30分， 分数越高则恢复越好。
1. 4 统计学方法 采用SPSS20.0统计学软件对数据进行统计分析。计量资料以均数± 标准差（ x-±s）表示， 采用t检验；计数资料以率（%）表示， 采用χ2 检验。P
2 结果
2. 1 应激反应 对照组术后LPO水平明显高于研究组， 差异有统计学意义（P
2. 2 认知功能 对照组术前MMSE评分为（28.5±1.4）分， 研究组为（28.4±1.5）分， 两组术前MMSE评分对比差异无统计学意义（t=0.365， P>0.05）。术后1 d及3 d， 对照组MMSE评分分别为（24.4±1.5）分和（26.4±1.3）分， 低于研究组的（26.2±1.3）分和（27.6±1.1）分， 差异有统计学意义（t=7.540、6.152， P
3 讨论
LPO为氧化应激指标， 机体过度应激将导致LPO升高， 可对细胞及细胞膜的功能和结构造成多种损伤， 直接导致大脑神经功能损伤， 同时引起多种血管功能损伤， 促使脑供血不足而导致损伤[5， 6]。
人工智能技术综述范文4
2017年7月，国务院印发《新一代人工智能发展规划》，不仅对人工智能的发展做出了战略性部署，还确立了“三步走”的政策目标，力争到2030年将我国建设成为世界主要的人工智能创新中心。[1]值得注意的是，此次规划不仅仅只是技术或产业发展规划，还同时包括了社会建设、制度重构、全球治理等方方面面的内容。之所以如此，是由于人工智能技术本身具有通用性和基础性。换句话说，为助推人工智能时代的崛起，我们面对的任务不是实现某一个专业领域或产业领域内的颠覆性技术突破，而是大力推动源于技术发展而引发的综合性变革。
也正因为如此，人工智能发展进程中所面临的挑战才不仅仅局限于技术或产业领域，而更多体现在经济、社会、政治领域的公共政策选择上。首先，普遍建立在科层制基础上的公共事务治理结构，是否能够适应技术发展和应用过程中所大规模激发的不确定性和不可预知性?再者，长久以来围绕人类行为的规制制度，是否同样能够适应以数据、算法为主体的应用环境?最后，如何构建新的治理体系和治理工具来应对伴随人工智能发展而兴起的新的经济、社会、政治问题?
应对上述挑战并不完全取决于技术发展或商业创新本身，而更多依赖于我们的公共政策选择。本文试图在分析人工智能发展逻辑及其所引发的风险挑战的基础上，对人工智能时代的公共政策选择做出分析，并讨论未来改革的可能路径，这也就构成了人工智能治理的三个基本问题。具体而言，人工智能本身成为治理对象，其发展与应用构成了治理挑战，而在此基础上如何做出公共政策选择便是未来治理变革的方向。
全文共分为四个部分：第一部分将探讨人工智能的概念及特征，并进而对其发展逻辑进行阐述。作为一项颠覆性技术创新，其本身的技术门槛对决策者而言构成了挑战，梳理并捋清人工智能的本质内涵因而成为制定相关公共政策的前提;第二部分将着重分析人工智能时代崛起所带来的治理挑战，主要包括三个方面，即传统科层治理结构应对人工智能新的生产模式的滞后性、建基于行为因果关系之上的传统治理逻辑应对人工智能新主体的不适用性，以及人工智能发展所引发的新议题的治理空白;面对上述挑战，各国都出台了相关政策，本文第三部分对此进行了综述性对比分析，并指出了其进步意义所在。需要指出的是，尽管各国的政策目标都试图追求人工智能发展与监管的二维平衡，但由于缺乏对人工智能内涵及其发展逻辑的完整认识，当前的公共政策选择有失综合性;本文第四部分将提出新的治理思路以及公共政策选择的其他可能路径，以推动围绕人工智能治理的相关公共政策议题的深入讨论。
一、人工智能的概念及技术发展逻辑：算法与数据
伴随着人工智能技术的快速发展，尤其是其近年来在棋类对弈、自动驾驶、人脸识别等领域的广泛应用，围绕人工智能所可能引发的社会变革产生了激烈争论。在一方面，以霍金[2]、马斯克[3]、比尔-盖茨[4]、赫拉利[5]为代表的诸多人士呼吁加强监管，警惕“人工智能成为人类文明史的终结”;在另一方面，包括奥巴马[6]在内的政治家、学者又认为应该放松监管，充分释放人工智能的技术潜力以造福社会。未来发展的不确定性固然是引发当前争论的重要原因之一，但围绕“人工智能”概念内涵理解的不同，以及对其发展逻辑认识的不清晰，可能也同样严重地加剧了人们的分歧。正因为此，廓清人工智能的概念内涵和发展逻辑不仅是回应争论的需要，也是进一步提出公共政策建议的前提。
就相关研究领域而言，人们对于“人工智能”这一概念的定义并未形成普遍共识。计算机领域的先驱阿兰-图灵曾在《计算机器与智能》一文中提出，重要的不是机器模仿人类思维过程的能力，而是机器重复人类思维外在表现行为的能力。[7]正是由此理解出发，著名的“图灵测试”方案被提出。但如同斯坦福大学计算机系教授约翰·麦卡锡所指出的，“图灵测试”仅仅只是“人工智能”概念的一部分，不模仿人类但同时也能完成相关行为的机器同样应被视为“智能”的。[8]事实上，约翰·麦卡锡正是现代人工智能概念的提出者。在他看来，“智能”关乎完成某种目标的行为“机制”，而机器既可以通过模仿人来实现行为机制，也可以自由地使用任何办法来创造行为机制。[9]由此，我们便得到了人工智能领域另一个非常重要的概念——“机器学习”。
人工智能研究的目标是使机器达到人类级别的智能能力，而其中最重要的便是学习能力。[10]因此，尽管“机器学习”是“人工智能”的子域，但很多时候我们都将这两个概念等同起来。[11]就实现过程而言，机器学习是指利用某些算法指导计算机利用已知数据得出适当模型，并利用此模型对新的情境给出判断，从而完成行为机制的过程。此处需要强调一下机器学习算法与传统算法的差异。算法本质上就是一系列指令，告诉计算机该做什么。对于传统算法而言，其往往事无巨细地规定好了机器在既定条件下的既定动作;机器学习算法却是通过对已有数据的“学习”，使机器能够在与历史数据不同的新情境下做出判断。以机器人行走的实现为例，传统算法下，程序员要仔细规定好机器人在既定环境下每一个动作的实现流程;而机器学习算法下，程序员要做的则是使计算机分析并模拟人类的行走动作，以使其即使在完全陌生的环境中也能实现行走。
由此，我们可以对“人工智能”设定一个“工作定义”以方便进一步的讨论：人工智能是建立在现代算法基础上，以历史数据为支撑，而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统。这一概念尽管可能仍不完善，但它突出了人工智能技术发展和应用的两大基石——算法与数据，有助于讨论人工智能的治理问题。
首先，算法即是规则，它不仅确立了机器所试图实现的目标，同时也指出了实现目标的路径与方法。就人工智能当前的技术发展史而言，算法主要可被划分为五个类别：符号学派、联接学派、进化学派、类推学派和贝叶斯学派。[12]每个学派都遵循不同的逻辑、以不同的理念实现了人工智能(也即“机器学习”)的过程。举例而言，“符号学派”将所有的信息处理简化为对符号的操纵，由此学习过程被简化(抽象)为基于数据和假设的规则归纳过程。在数据(即历史事实)和已有知识(即预先设定的条件)的基础上，符号学派通过“提出假设-数据验证-进一步提出新假设-归纳新规则”的过程来训练机器的学习能力，并由此实现在新环境下的决策判断。
从对“符号学派”的描述中可以发现，机器学习模型成功的关键不仅是算法，还有数据。数据的缺失和预设条件的不合理将直接影响机器学习的输出(就符号学派而言，即决策规则的归纳)。最明显体现这一问题的例子便是罗素的“归纳主义者火鸡”问题：火鸡在观察10天(数据集不完整)之后得出结论(代表预设条件不合理，超过10个确认数据即接受规则)，主人会在每天早上9点给它喂食;但接下来是平安夜的早餐，主人没有喂它而是宰了它。
所有算法类型尽管理念不同，但模型成功的关键都聚焦于“算法”和“数据”。事实上，如果跳出具体学派的思维束缚，每种机器学习算法都可被概括为“表示方法、评估、优化”这三个部分。[13]尽管机器可以不断的自我优化以提升学习能力，且原则上可以学习任何东西，但评估的方法和原则(算法)以及用以评估的数据(数据)都是人为决定的——而这也正是人工智能治理的关键所在。算法与数据不仅是人工智能发展逻辑的基石，其同样是治理的对象和关键。
总而言之，围绕“人工智能是否会取代人类”的争论事实上并无太大意义，更重要的反而是在廓清人工智能的内涵并理解其发展逻辑之后，回答“治理什么”和“如何治理”的问题。就此而言，明确治理对象为算法和数据无疑是重要的一步。但接下来的重要问题仍然在于，人工智能时代的崛起所带来的治理挑战究竟是什么?当前的制度设计是否能够对其做出有效应对?如果答案是否定的，我们又该如何重构治理体系以迎接人工智能时代的崛起?本文余下部分将对此做进一步的阐述。
二、人工智能时代崛起的治理挑战
不同于其他颠覆性技术，人工智能的发展并不局限于某一特定产业，而是能够支撑所有产业变革的通用型技术。也正因为此，其具有广泛的社会溢出效应，在政治、经济、社会等各个领域都会带来深刻变革，并将同时引发治理方面的挑战。具体而言，挑战主要体现在以下三个方面。
首先，治理结构的僵化性，即传统的科层制治理结构可能难以应对人工智能快速发展而形成的开放性和不确定性。之所以需要对人工智能加以监管，原因在于其可能成为公共危险的源头，例如当自动驾驶技术普及之后，一旦出现问题，便可能导致大规模的连续性伤害。但不同机、大型水坝、原子核科技等二十世纪的公共危险源，人工智能的发展具有极强的开放性，任何一个程序员或公司都可以毫无门槛的进行人工智能程序的开发与应用。这一方面是由于互联网时代的到来，使得基于代码的生产门槛被大大降低[14];另一方面，这也是人工智能本身发展规律的需要。正如前文所提到，唯有大规模的数据输入才可能得到较好的机器学习结果，因此将人工智能的平台(也即算法)以开源形式公开出来，以使更多的人在不同场景之下加以利用并由此吸收更多、更完备的数据以完善算法本身，就成为了大多数人工智能公司的必然选择。与此同时，人工智能生产模式的开放性也必然带来发展的不确定性，在缺乏有效约束或引导的情况下，人工智能的发展很可能走向歧途。面对这一新形势，传统的、基于科层制的治理结构显然难以做出有效应对。一方面，政府试图全范围覆盖的事前监管已经成为不可能，开放的人工智能生产网络使得监管机构几乎找不到监管对象;另一方面，由上至下的权威结构既不能传递给生产者，信息不对称问题的加剧还可能导致监管行为走向反面。调整治理结构与治理逻辑，并形成适应具有开放性、不确定性特征的人工智能生产模式，是当前面临的治理挑战之一。
再者，治理方法的滞后性，即长久以来建立在人类行为因果关系基础上的法律规制体系，可能难以适用于以算法、数据为主体的应用环境。人工智能的价值并不在于模仿人类行为，而是其具备自主的学习和决策能力;正因为如此，人工智能技术才不能简单地理解为其创造者(即人)意志的表达。程序员给出的只是学习规则，但真正做出决策的是基于大规模数据训练后的算法本身，而这一结果与程序员的意志并无直接因果关联。事实上也正由于这个特点，AlphaGo才可能连续击败围棋冠军，而其设计者却并非围棋顶尖大师。也正是在这个意义上，我们才回到了福柯所言的“技术的主体性”概念。在他看来，“技术并不仅仅是工具，或者不仅仅是达到目的的手段;相反，其是政治行动者，手段与目的密不可分”。[15]就此而言，长久以来通过探究行为与后果之因果关系来规范人的行为的法律规制体系，便可能遭遇窘境：如果将人工智能所造成的侵权行为归咎于其设计者，无疑不具有说服力;但如果要归咎于人工智能本身，我们又该如何问责一个机器呢?由此，如何应对以算法、数据为核心的技术主体所带来的公共责任分配问题，是当前面临的第二个治理挑战。
最后，治理范围的狭隘性，即对于受人工智能发展冲击而引发的新的社会议题，需要构建新的治理体系和发展新的治理工具。人工智能发展所引发的治理挑战不仅仅体现在现有体系的不适应上，同时还有新议题所面临的治理空白问题。具体而言，这又主要包括以下议题：算法是否能够享有言论自由的宪法保护，数据的权属关系究竟如何界定，如何缓解人工智能所可能加剧的不平等现象，以及如何平衡人工智能的发展与失业问题。在人工智能时代之前，上述问题并不存在，或者说并不突出;但伴随着人工智能的快速发展和应用普及，它们的重要性便日渐显著。以最为人所关注的失业问题为例，就技术可能性来说，人工智能和机器人的广泛应用代替人工劳动，已是一个不可否定的事实了。无论是新闻记者，还是股市分析员，甚至是法律工作者，其都有可能为机器所取代。在一个“充分自动化(Full Automation)”的世界中，如何重新认识劳动与福利保障的关系、重构劳动和福利保障制度，便成为最迫切需要解决的治理挑战之一。[16]
上述三方面共同构成了人工智能时代崛起所带来的治理挑战。面对这些挑战，各国也做出了相应的公共政策选择。本文第三部分将对各国人工智能的治理政策进行对比性分析。在此基础上，第四部分将提出本文的政策建议。
三、各国人工智能治理政策及监管路径综述
人工智能时代的崛起作为一种普遍现象，其所引发的治理挑战是各国面临的共同问题，各国也陆续出台了相关公共政策以试图推动并规范人工智能的快速发展。
美国于2016年同时颁布了《国家人工智能研究与发展战略规划》和《为人工智能的未来做好准备》两个国家级政策框架，前者侧重从技术角度指出美国人工智能战略的目的、愿景和重点方向，而后者则更多从治理角度探讨政府在促进创新、保障公共安全方面所应扮演的角色和作用。就具体的监管政策而言，《为人工智能的未来做好准备》提出了一般性的应对方法，强调基于风险评估和成本-收益考量的原则以决定是否对人工智能技术的研发与应用施以监管负担。[17]日本同样于2016年出台了《第五期(2016～2020年度)科学技术基本计划》，提出了“超智能社会5.0”的概念，强调通过推动数据标准化、建设社会服务平台、协调发展多领域智能系统等各方面工作促进人工智能的发展和应用。[18]
尽管美国和日本的政策着力点不同，但其共有的特点是对人工智能的发展及其所引发的挑战持普遍的包容与开放态度。就当前的政策框架而言，美日两国的政策目标更倾斜于推动技术创新、保持其国家竞争力的优势地位;当涉及对人工智能所可能引发的公共问题施以监管时，其政策选择也更倾向于遵循“无需批准式(permissionless)”的监管逻辑，即强调除非有充分案例证明其危害性，新技术和新商业模式默认为都是被允许的。[19]至于人工智能的发展对个人数据隐私、社会公共安全的潜在威胁，尽管两国的政策框架都有所涉及，却并非其政策重心——相比之下，英国、法国则采取了不同的政策路径。
英国政府2016年了《人工智能：未来决策制定的机遇与影响》，对人工智能的变革性影响以及如何利用人工智能做出了阐述与规划，尤其关注到了人工智能发展所带来的法律和伦理风险。在该报告中，英国政府强调了机器学习与个人数据相结合而对个人自由及隐私等基本权利所带来的影响，明确了对使用人工智能所制定出的决策采用问责的概念和机制，并同时在算法透明度、算法一致性、风险分配等具体政策方面做出了规定。[20]与英国类似，法国在2017年的《人工智能战略》中延续了其在2006年通过的《信息社会法案》的立法精神，同样强调加强对新技术的“共同调控”，以在享有技术发展所带来的福利改进的同时，充分保护个人权利和公共利益。[21]与美日相比，英法的公共政策更偏向于“审慎监管(precautionary)”的政策逻辑，即强调新技术或新的商业模式只有在开发者证明其无害的前提下才被允许使用。[22]
在本文看来，无论是“无需批准式监管”还是“审慎监管”，在应对人工智能时代崛起所带来的治理挑战方面都有其可取之处：前者侧重于推动创新，而后者则因重视安全而更显稳健。但需要指出的是，这两种监管路径的不足却也十分明显。正如前文第二部分所指出，一方面，快速迭代的技术发展与商业模式创新必将引发新的社会议题，无论是算法是否受到言论自由的权利保护还是普遍失业对社会形成的挑战，它们都在客观上要求公共政策做出应对，而非片面的“无需批准式监管”能够处理。更重要的是，“无需批准式监管”的潜在假设是事后监管的有效性;然而，在事实上，正如2010年5月6日美国道琼斯工业指数“瞬间崩盘”事件所揭示的，即使单个电子交易程序合规运行，当各个系统行为聚合在一起时反而却造成了更大的危机。[23]在此种情形下，依赖于合规性判断的“事后监管”基本上难以有效实施。另一方面，人工智能本身的自主性和主体性使得建立在人类行为因果关系基础上的“审慎监管”逻辑存在天然缺陷：既然人类无法预知人工智能系统可能的行为或决策，开发者又如何证明人工智能系统的无害性?
正如本文所反复强调的，人工智能与其他革命性技术的不同之处，正是在于其所带来的社会冲击的综合性和基础性。人工智能并非单个领域、单个产业的技术突破，而是对于社会运行状态的根本性变革;人工智能时代的崛起也并非一夜之功，而是建立在计算机革命、互联网革命直至数字革命基础上的“奇点”变革。因此，面对人工智能时代崛起所带来的治理挑战，我们同样应该制定综合性的公共政策框架，而非仅仅沿袭传统治理逻辑，例如只是针对具体议题在“创新”与“安全”这个二元维度下进行艰难选择。本文在第四部分从承认技术的主体性、重构社会治理制度、推进人工智能全球治理这三方面提出了政策建议，并希望以此推动更深入地围绕人工智能时代公共政策选择的研究与讨论。
四、人工智能时代的公共政策选择
《新一代人工智能发展规划》明确提出了到2030年我国人工智能发展的“三步走”目标，而在每一个阶段，人工智能法律法规、伦理规范和政策体系的逐步建立与完善都是必不可少的重要内容。面对人工智能时代崛起的治理挑战，究竟应该如何重构治理体系、创新治理机制、发展治理工具，是摆在决策者面前的重要难题。本文基于对人工智能基本概念和发展逻辑的梳理分析，结合各国已有政策的对比分析，提出以下三方面的改革思路，以为人工智能时代的公共选择提供参考。
第一，人工智能发展的基石是算法与数据，建立并完善围绕算法和数据的治理体系与治理机制，是人工智能时代公共政策选择的首要命题，也是应对治理挑战、赋予算法和数据以主体性的必然要求。(1)就算法治理而言，涉及的核心议题是算法的制定权及相应的监督程序问题。算法作为人工智能时代的主要规则，究竟谁有权并通过何种程序来加以制定，谁来对其进行监督且又如何监督?长久以来公众针对社交媒体脸书(Facebook)的质疑正体现了这一问题的重要性：公众如何相信脸书向用户自动推荐的新闻内容不会掺杂特殊利益的取向?[24]当越来越多的人依赖定制化的新闻推送时，人工智能甚至会影响到总统选举。也正因为此，包括透明要求、开源要求在内的诸多治理原则，应当被纳入到算法治理相关议题的考虑之中。(2)就数据治理而言，伴随着人工智能越来越多地依赖于大规模数据的收集与利用，个人隐私的保护、数据价值的分配、数据安全等相关议题也必将成为公共政策的焦点。如何平衡不同价值需求、规范数据的分享与应用，也同样成为人工智能时代公共政策选择的另一重要抓手。
第二，创新社会治理制度，进一步完善社会保障体系，在最大程度上缓解人工智能发展所可能带来的不确定性冲击。与历史上的技术革命类似，人工智能的发展同样会导致利益的分化与重构，而如何保证技术革命成本的承受者得到最大限度的弥补并使所有人都享有技术发展的“获得感”，不仅是社会发展公平、正义的必然要求，也是促进技术革命更快完成的催化剂。就此而言，在人工智能相关公共政策的考量中，我们不仅应该关注产业和经济政策，同时也应该关注社会政策，因为只有后者的完善才能够控制工人或企业家所承担的风险，并帮助他们判断是否支持或抵制变革的发生。就具体的政策设计来说，为缓解人工智能所可能带来的失业潮，基本收入制度的普遍建立可能应该被提上讨论议程了。“基本收入”是指政治共同体(如国家)向所有成员不加任何限制条件地支付一定数额的收入，以满足其基本生活的需求。尽管存在“养懒汉”的质疑，但有研究者已指出，自18世纪就开始构想的基本收入制度很有可能反过来促进就业。[25]芬兰政府已经于2017年初开始了相关实验，美国的一些州、瑞士也做出了一定探索。在人工智能时代尚未完全展现其“狰容”之前，创新社会治理机制、完善社会保障体系，可能是平衡技术创新与社会风险的最佳路径。
第三，构建人工智能全球治理机制，以多种形式促进人工智能重大国际共性问题的解决，共同应对开放性人工智能生产模式的全球性挑战。人工智能的发展具有开放性和不确定性的特征，生产门槛的降低使得人工智能技术研发的跨国流动性很强，相关标准的制定、开放平台的搭建、共享合作框架的形成，无不要求构建相应的全球治理机制。另一方面，跨境数据流动在广度和深度上的快速发展成为了人工智能技术进步的直接推动力，但各国数据规制制度的巨大差异在制约跨境数据流动进一步发展的同时，也将影响人工智能时代的全面到来。[26]故此，创新全球治理机制，在承认各国制度差异的前提下寻找合作共享的可能性，便成为人工智能时代公共政策选择的重要考量之一。就具体的机制设计而言，可以在人工智能全球治理机制的构建中引入多利益相关模式;另一方面，为防止巨头垄断的形成，充分发挥主权国家作用的多边主义模式同样不可忽视。作为影响深远的基础性技术变革，互联网全球治理机制的经验和教训值得人工智能发展所借鉴。
上述三方面从整体上对人工智能时代的公共政策框架做出了阐述。与传统政策局限于“创新”与“安全”之间做出二维选择不同，本文以更综合的视角提出了未来公共政策选择的可能路径。就其内在联系来讲，建立并完善围绕算法和数据的治理体系是起点，其将重构人工智能时代的规则与制度;创新社会治理机制并完善社会保障体系是底线，其将缓解人工智能所带来的影响与波动;构建全球治理机制则成为了制度性的基础设施，推动各国在此之上共同走向人工智能时代的“人类命运共同体”。
五、结语
在经历了60余年的发展之后，人工智能终于在互联网、大数据、机器学习等诸多技术取得突破的基础上实现了腾飞。在未来的人类生活中，人工智能也必将扮演越来越重要的角色。对于这样的图景，我们自不必惊慌，但却也不可掉以轻心。对于人工智能的治理，找到正确的方向并采取合理的措施，正是当下所应该重视的政策议题。而本文的主旨也正在于此：打破长久以来人们对于人工智能的“笼统”式担忧，指出人工智能技术发展的技术逻辑及其所引发的治理挑战，并在此基础上提出相应的政策选择。人工智能治理的这三个基本问题，是重构治理体系、创新治理机制、发展治理工具所必须思考的前提。伴随着我国国家层面战略规划的出台，我国人工智能的发展也必将跃上新台阶。在此背景下，深入探讨人工智能治理的相关公共政策议题，对于助推一个人工智能时代的崛起而言，既有其必要性，也有其迫切性。（来源：中国行政管理 文/贾开 蒋余浩 编选：中国电子商务研究中心）
[参考文献]
[1]国务院关于印发新一代人工智能发展规划的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者终结人类文明[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.人类简史[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]佩德罗-多明戈斯.终极算法：机器学习和人工智能如何重塑世界[M].黄芳萍译.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.“日本推动实现超智能社会‘社会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.大数据产业在法国的发展及应用[N].学习时报，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普兰.人工智能时代：人机共生下财富、工作与思维的大未来[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).
人工智能技术综述范文5
关键词：空调；制冷系统；节能设计
1 影响空调制冷能耗的主要因素
由于投资初期已经决定了压缩机的效率，因此对空调制冷系统产生直接影响的因素主要包括以下几个方面：首先温差。一般情况下蒸发器内制冷剂蒸发的温度必须低于空气温度，才能将机房中的热能转给制冷剂，压缩机再将挥发成气体状态的制冷剂吸走，促使蒸发器的压力保持平衡状态，整个过程中由于温度会升高，所以空调的制冷效果也受到直接影响。在制冷空调系统中，制冷工作时的能耗、空调的投资成本来决定实际温差的大小。其次，膨胀阀开启度。要对膨胀阀的过热度进行定期检测，参照相关说明书对其开启度进行调整，使其过热度保持在5℃～8℃的范围内。最后，一般情况下风冷式冷凝器比较常用，其结构包括多组盘管，且为增加空气面的热传面积，盘管外还添加肋片，并且风机转动加速空气流动，以保证空气面的传热效果。由于肋片间距相对较小，且空调运行时间长，冷凝器翅片上容易附着杂物，导致冷凝器热阻增加，从而影响其冷凝效果，增加电能消耗。
2 制冷系统的节能设计
2.1 合理选择设备
首先要尽量降低压缩机的消耗功率，保证压缩机的工作效果。如果是变频空调系统，还要注意合理选择压缩机的运转频率，保证其处于额定状态下运行；其次，要保证热交换器的性能。从某种程度上讲，制冷剂的冷凝压与蒸发压是由热交换器的性能来决定的，即冷凝压越低、蒸发压越高，则压缩机就会获得比较小的功耗，反之则功耗会增加。因此要保证热交换器的高性能才能进一步降低冷凝压、提高蒸发压。
2.2 合理选择设计参数
一方面要掌握合适的风机风量。因为风机的风量与压缩机的输入功率成反比关系，即风机风量越大，压缩机输入功率就越小，相应的会增加风机的输入功率。因此要保证风机风量选择的合理性。设计过程中，如果系统规模已经确定，则根据噪声的最大上限值所确定的风量即为风机风量；对于变频空调而言，由于在整个系统的输入功率中，风机的输入功率所占比重较大，尤其是室外空调，因此在选择实际风机风量时要小于额定模式中的风量。另一方面，要减少压力损失。热交换器的性能、风机的风量决定了冷凝压力和蒸发压力，而这两个参数又对压缩功耗产生直接影响，由于从压缩机排气口到冷凝器入口、再从蒸发器出口到压缩机吸气口会产生压力损失，从而对压缩功耗产生影响，因此要尽可能降低压力损失。
2.3 合理选择适用的节能措施
首先利用设备自动控制技术实现空调末端设备的控制。一般情况下通风系统均有自控功能，其可以实现对空调末端一系列设备运行状态的实时监测与控制，比如新风机、回风机、变风量风机及风机盘管等，从而降低整个空调系统的功耗。自动控制技术是利用直接数字控制器，对检测到的设备运行数据进行分析，实现对设备的数字化控制。其次，对于中央空调系统而言，可以利用变频技术对其水泵及风机进行控制。变频器可以准确采集到空调中的相关运行数据，比如水压差或温差等，然后对水泵及风机进行直接数字调节，降低空调的电能消，实现节能目标。最后，还可以采用动态变流量控制技术。制冷空调运行过程中负荷发生变化在所难免，利用动态变流量控制技术可以对系统采集数据进行模糊运算，对冷水机组及冷动风机的运行状态参数进行实时调节、控制，促使冷水机组的工作状态发生改变，包括冷冻水、冷却水的流量、冷却风机的风量等各项参数，保证冷水机组处于最佳的运行状态。当冷水机组处于运行状态时，系统还可以对采集到的数据进行模糊运算，分析出合理的控制参数，再将这些参数分别传送至冷水机组、冷冻水控制子系统、冷却水控制子系统及冷却风控制子系统等，以保证整个系统均处于平衡的运行状态，最终实现节能降耗的目标。
3 制冷空调系统中新型节能技术的应用
随着科学技术的不断进步，越来越多的新型节能技术被广泛应用于制冷空调系统中，下面主要介绍两种：一是热声制冷技术，该技术是本世纪初出现的一种新型制冷技术，相比传统的蒸汽压缩式制冷系统，热声机的优势十分突出：比如该技术采用的是惰性气体或相关混合物作为工质，无需使用制冷剂，最大程度上降低制冷剂对臭氧层的破坏，加重温室效应；并且热声制冷技术结构简单、可靠性强，无需使用贵重材料，大大降低了投资成本；此外，其设备结构中不存在振荡的活塞、油密封、等运动部件，大幅增加了其使用寿命。与传统制冷系统相比，可以说热声制冷技术近乎完美，因此可以断言，其将成为新一代制冷技术的发展方向。
另外一种即是人工智能技术。可以说人工智能技术的出现与发展是当代科学技术进步的里程碑。现在人工智能的应用领域还局限于智能控制、故障检测及诊断、负荷预测等，尽管其可以克服传统仿真技术的诸多不足之处，但是短期内其部分功能仍然无法达到仿真技术能够实现的效果。因此，在制冷空调应用领域，可以将人工智能与传统仿真技术互相结合应用，实现智能化仿真，二者取长补短、相辅相成，因此仿真技术与人工智能技术可以在理人论上为制冷空调的准确控制提供可靠依据。制冷系统实现计算机自动控制，可以最大程度上保证控制器的冷量输出，更加安全、可靠，并且可以保证空调系统处于最佳的经济状态运行。由此可见，空调系统的控制中，加入一系列的自适应控制与智能控制方法，与常规控制系统相比，智能控制系统会获得更高的能效比。
参考文献
[1]李军，朱冬生，赵朝晖.太阳能吸附式空调的研究与展望[J].流体机械，2011，32（7）：61-64.
[2]张万路.关于中央空调系统余热节能技改后测试评价指标的探讨[J].计量技术，2013，5（4）：15-17.
[3]何先成.变频技术在制冷空调系统中的应用及节能分析[J].机电工程技术，2013，7（4）：64-66.
人工智能技术综述范文6
关键词：电力系统；人工智能；继电保护；应用；
1引言
近年来，随着人工智能理论技术的不断发展，以模糊技术、人工神经网络和遗传算法为代表的智能理论方法在电力系统领域得到了十分广泛的应用。众所周知，电力系统是由各类发电装置、输配电线路、变压器以及用电装置等一系列单元组合而成的大规模动态系统，电力系统本质上是一个非线性动态大系统，存在着许多极为复杂的工程计算和非线性优化问题，例如：电力网络的无功优化调度电力系统规划运行、发电机组的优化组合、电力系统最优潮流计算、电力市场的交易定价等一系列问题。而这些问题都是多参数，多约束的非凸优化问题。长期以来，电力系统自动化研究者一直在寻找高效可靠的方法来解决这些问题。然而有许多电力系统中存在的问题无法得到快速与精确的结果。其主要原因在于：
(1)电力系统中的有些向题还无法建立精确切实的数学模型，包括不能完全用数学来表示反映问题实质的约束条件。
(2)随着问题的规模和复杂程度的增加，利用现有的算法和计算机条件，无法在较短的时问内获得满意的计算结果。
(3)许多问题的条件具有模糊性，对干系统的了解还不够精确，此外在求解问题的过程中需要专家的知识经验。这些都无法用精确的数学形式表示出来。
与传统的计算方法相比较，人工智能方法对于复杂的非线性系统问题求解有着极大的优势。它弥补了传统方法的单纯依靠数学求解的不足，解决了某些传统计算方法难于求解或不能解决的问题。
2人工智能技术在继电保护中的应用
2．1计算机化
随着计算机硬件的迅猛发展，微机保护硬件也在不断发展。某电力学院研制的微机线路保护硬件已经历了3个发展阶段：从8位单CPU结构的微机保护问世，不到5年时间就发展到多CPU结构，后又发展到总线不出模块的大模块结构，性能大大提高，得到了广泛应用。
某电力自动化研究院一开始就研制了16化CPU为基础的微机线路保护，已得到大面积推广，目前也在研究32位保护硬件系统。某大学研制的微机主设备保护的硬件也经过了多次改进和提高。某大学一开始即研制以16位多CPU为基础的微机线路保护，1988年即开始研究以32位数字信号处理器(DSP)为基础的保护、控制、测量一体化微机装置，目前已与某电自动化设备公可合作研制成一种功能齐全的32位大模块，一个模块就是一一个小型计算机。采用32位微机芯片并非只着眼干精度，因为精度受A／D转换器分辨率的限制，趟过l6位时在转换速度和成本方面都是难以接受的；更重要的是32位微机芯片具有很高的集成度，很高的工作频率和计算速度，很大的寻址空间，丰富的指令系统和较多的输入输出口，CPU的寄存器、数据总线、地址总线足32位的，具有存储器管理功能、存储器保护功能和任务转换功能，并将高速缓存(Cache)和浮点数部件都集成在CPU内。
电力系统对微机保护的要求不断提高，除了保护的基本功能外，还应具有大容故障信息和数据的长期存放空间，快速的数据处理功能，强大的通信能力，与其它保护、控制装置和调度
联网以共享全系统数据、信息和网络资源的能力，高级语言编程等。这就要求微机保护装置具有相当于一台PC机的功能。现在，同微机保护装大小相似的工控机的功能、速度、存储容量大大超过了当年的小型机，因此，用成套工控机作成继电保护的时机已经成熟，这将是微机保护的发展方向之一。某大学已研制成用同微机保护装置结构完全相同的一种工控机加以改造作成的继电保护装置。这种装置的优点有：①具有486PC机的全部功能，能满足对当前和未来微机保护的各种功能要求。⑦尺寸和结构与目前的微机保护装置相似，工艺精良、防震、防过热、防电磁干扰能力强，可运行于非常恶劣的工作环境，成本可接受。③采用STD总线或PC总线，硬件模块化，对于不同的保护可任意选用不同模块，配置灵活、容易扩展。
继电保护装置的微机化、计算机化是不可逆转的发展趋势。但对如何更好地满足电力系统要求，如何进一步提高继电保护的可靠性，如何取得更大的经济效益和社会效益，尚须进行具体深入的研究。
2．2人工神经网络
人工神经网络(ANN)是模拟人脑组织结构和人类认知过程的信息处理系统。它以其诸多优点，如并行分布处理、自适应、联想记忆等，在智能保护中受到越来越广泛的重视，而且已显示出巨大的潜力，并为智能化继电保护的研究开辟了一条新途径。应用ANN技术实现故障诊断不同于ES诊断方法。ANN方法通过现场大量的标准样本学习与训练，不断调整ANN中的连接权和阂值，使获取的知识隐式分布在整个网络上，并实现ANN的模式记忆。因此ANN具有强大的知识获取能力，并能有效的处理含噪声数据，弥补了ES方法的不足。
神经网络是一种非线性映射的方法，很多难以列出方程式或难以求解的复杂的非线性问题，应用神经网络方法则可迎刃而解，因此在继电保护中也得到越来越多的应用，例如在输电线两侧系统电势角度摆开情况下发生经过渡电阻的短路就是一非线性问题，距离保护很难正确作出故障位置的判别，从而造成误动或拒动；如果用神经网络方法，经过大量故障样本的训练，只要样本集中充分考虑了各种情况，则在发生任何故障时都可正确判别。近几年来，电力系统继电保护领域内出现了用人工神经网络来实现故障类型的判别、故障距离的测定、方向保护、主设备保护等。用人工神经网络原理来实现高压输电线的方向保护，提出用BP模型作为方向保护的方向判别元件。研究结果表明，该方向判别元件能准确、快速地判别出故障的方向。基于神经网络的继电保护系统的优越性；论证了由单层感知器网络或TH网络可以实现最小二乘算法，这两种网络都可以在极短的时间(数纳秒或几百纳秒)内完成全部运算；给出了电流继电器、圆特性以及四边型特性阻抗继电器的神经网络模型，并证明了三种模型都具有很强的自适应性。基于人工神经网络的智能型自适应继电保护原理，利用了比传统保护多得多的信息量。它比传统保护能区分更多的故障类型，提高了继电保护的适用范围，从原理上解决了经高阻抗的短路故障保护问题。利用人工神经网络实现自适应电流保护的方法。该方法充分利用了人工神经网络所具有的强大的自适应能力，学习能力和模式识别能力，实现对电力系统中的各种故障情况的识别，解决电流保护中的灵敏度补偿和故障方向识别问题，使电流保护对正方向各种故障都有足够的保护范围，而对反方向的各种故障实行闭锁，从而实现电流保护的自适应。
利用神经网络可以在一定程度上提高故障诊断效率，解决用常规继电保护方法难以解决的问题，但该方法也存在“性能取决于样本是否完备、不擅长处理启发性的知识、训练时容易陷入局部最小”等问题。由于专家系统方法与神经网络方法在许多方面可以协调工作、互为补充，因此，如何取长补短将神经网络技术与故障诊断专家系统融为一体，以弥补诊断中的不足，并提供新的诊断技术和方法，具有很大的潜力和广阔的前景，是值得我们深入探讨和研究的。
2．3模糊理论(Fuzzy Sets Theory)的应用
模糊逻辑能够完成传统数学方法难以做到的近似计算。近几年来，模糊集理论在电力系统中的诸多应用领域取得了飞速进展，包括了潮流计算、系统规划、模糊控制等方面。例如对干负荷变化和电力生产的不确定性，就可运用模糊值来表示某不确定负荷在实际集合中的隶属函数，建立起电力系统最优潮流的模糊模型。
传统无功电压优化算法一般是单目标优化问题，并没有考虑有功网损的降低和限制控制量调节数最少，而且在处理电压约束时，未考虑“软约束”特性。可引入模糊线性规划算法以解决这一问题。为很好地协调降低网损、限制调节量和确保节点电压裕度三者的关系，在有限控制量调节的前题下，可实现校正违界电压、降低系统网损和确保所有节点电压留有一定的裕度。利用模糊综合评判的方法对电能质量进行综合评价的二级评判法。
2．4遗传算法(Genetic Algorithms,GA)的应用
遗传算法是基于自然选择和遗传机制，在计算机上模拟生物进化机制的寻优搜索算法。他能在复杂而庞大的搜索空间中自适应的搜索，寻找出最优或准最优解，且算法简单，适用，鲁棒性强。遗传算法对待求解问题几乎没有什么限制，也不涉及常规优化问题求解的复杂数学过程，并能够得到全局最优解或局部最优解集，这是他优于传统优化技术之处。遗传算法从优化的角度出发基本上可以解决故障诊断问题，尤其是在复故障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可能的诊断结果。但是如何建立合理的输电网络故障诊断模型是使用遗传算法的主要“瓶颈”。如果能够建立合理的数学模型，那么不仅可以使用遗传算法解决故障诊断问题，还可以使用其他类似的启发式优化算法解决故障诊断问题。
3智能方法的综合应用
每种智能控制方法都有其内在的局限性，难以满足处理电力系统实际复杂问题的需要。如何将这些控制方法结合起来形成一种综合的智能控制，使综合的智能控制系统能够体现出各种控制方法的优势而尽量避免各自的不足，综合利用模糊理论及人工神经网络各自的特点形成的模糊神经网络成为提高电力系统的可靠性、快速性、灵敏性及选择性的主要研究方向。结合ES和ANN实现对以变电站故障诊断为基础的分层分布时故障诊断系统。基于模糊理论与神经网络理论，根据特征气体法和改良IEC三比值法，建立了模糊神
经网络的变压器故障诊断模型。该模型有效的处理了故障诊断中的不确定因素，并具有较强的知识获取能力。从基于人类思维发展模式的角度，融合设备故障诊断的ES和ANN模型，构造了电力变压器的故障诊断分析系统。
综上所述，将不同的人工智能技术结合在一起。分析不确定因素对智能诊断系统的影响．从而提高诊断的准确率，是今后智能诊断的发展方向。
4结语
人工智能技术在电力系统的应用中已经获得了良好的发展。然而在我国，人工智能技术在电力系统中的应用研究才刚刚开始。随着我国电力系统的持续发展，电力系统数据总量的不断增加，管理上复杂程度的大幅度增长，以及市场竞争的影响和加大，为人工智能技术在电力系统的应用提供了广阔前景。可以预见，加强智能科学在电网中的科研和应用，将能更好的保证电网安全稳定经济运行。
参考文献
[1]韩富春，王娟娟；基于神经网络的电力系统状态估计[J]；电力系统及其自动化学报，2002(6)：49-51．
