人工智能的概念已經(jīng)提出來有60年的時間了，最早的定義是通過計算機編程使機器實現(xiàn)類人智能行為，現(xiàn)在人工智能技術(shù)已經(jīng)被普遍使用到生活中，并極大的提高了人們的生活品質(zhì)。隨著互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)、云技術(shù)的應(yīng)用，互聯(lián)網(wǎng)搜索、語音識別、人機交互等技術(shù)已經(jīng)日益精進，并互相交叉使用。但是人工智能的發(fā)展，還有好多未知的問題等待我們?nèi)ソ鉀Q。
模式識別是指對表征物體或現(xiàn)象的各種形式數(shù)據(jù)（主要是感知數(shù)據(jù)，如圖像、視頻、語音等）進行處理和分析，以對物體或現(xiàn)象進行描述、分類和解釋的過程，是信息科學(xué)和人工智能的重要組成部分?！半S著計算機硬件的發(fā)展，模式識別的關(guān)注度不斷提高，模式識別技術(shù)發(fā)展也日臻完善，在許多領(lǐng)域中已有成功應(yīng)用，金融、安全、醫(yī)學(xué)、航空、互聯(lián)網(wǎng)、工業(yè)產(chǎn)品檢測等領(lǐng)域中都滲透著模式識別技術(shù)。
模式識別有2個層面的含義：一是生物體（主要是人腦）感知環(huán)境的模式識別能力與機理，屬于心理學(xué)和認(rèn)知科學(xué)范疇；二是面向智能模擬和應(yīng)用，研究計算機實現(xiàn)模式識別的理論和方法，屬于信息科學(xué)和計算機科學(xué)領(lǐng)域的范疇。模式識別基礎(chǔ)理論（模式表示與分類、機器學(xué)習(xí)等）、視覺信息處理（圖像處理和計算機視覺）、語音語言信息處理（語音識別、自然語言處理、機器翻譯等）是模式識別領(lǐng)域的三大主要研究方向。模式識別是人工智能的一個分支領(lǐng)域。人工智能是通過計算使機器模擬人的智能行為，主要包括感知、思維（推理、決策）、動作、學(xué)習(xí)，而模式識別主要研究的就是感知行為。在人的5大感知行為（視覺、聽覺、嗅覺、味覺、觸覺）中，視覺、聽覺和觸覺是人工智能領(lǐng)域研究較多的方向。模式識別領(lǐng)域主要研究的是視覺和聽覺，而觸覺主要是跟機器人結(jié)合。文字識別、互聯(lián)網(wǎng)有害信息檢測、語音識別、生物特征識別（虹膜識別、指紋識別、掌紋識別、人臉識別等）都是目前發(fā)展較為成熟的模式識別技術(shù)。
模式識別和人工智能在20世紀(jì)60年代分離為不同的領(lǐng)域，21世紀(jì)以來出現(xiàn)重新融合的跡象。近年來，深度學(xué)習(xí)和大數(shù)據(jù)的出現(xiàn)推動了模式識別的快速發(fā)展，但這一領(lǐng)域還有巨大進步空間，一方面基礎(chǔ)理論研究進展不大，另一方面有很多挑戰(zhàn)性應(yīng)用問題有待解決。對于模式識別的未來，目前以深度學(xué)習(xí)為代表的主流方法有3個明顯的不足：一是需要大量的標(biāo)記樣本進行監(jiān)督學(xué)習(xí)，這勢必增加模式識別系統(tǒng)開發(fā)中的人工成本；二是模式識別系統(tǒng)的自適應(yīng)能力差，不像人的知識和識別能力是隨著環(huán)境不斷進化的；三是模式識別一般只進行分類，沒有對模式對象的結(jié)構(gòu)解釋。
機器學(xué)習(xí)是人工智能的一個重要方面，簡單來講，它是使機器通過從數(shù)據(jù)學(xué)習(xí)獲得模型和知識（也就是獲得智能）的過程。深度學(xué)習(xí)（deep learning）是機器學(xué)習(xí)的一個新的分支和一類重要方法，其主要思想是對多層人工神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)獲得自動特征提取和模式識別能力。在劉成林看來，深度學(xué)習(xí)快速發(fā)展和廣泛應(yīng)用主要得益于3方面的基礎(chǔ)：一是深度學(xué)習(xí)理論和算法的提出，二是計算能力（主要是GPU并行計算）快速提高，三是大數(shù)據(jù)的出現(xiàn)。
隨著計算機科學(xué)、神經(jīng)科學(xué)和神經(jīng)網(wǎng)絡(luò)理論的發(fā)展，面對大數(shù)據(jù)時代對智能計算的需求，以及傳統(tǒng)人工智能速度學(xué)習(xí)方法的不足，科學(xué)家開始將研究重點投向類腦智能，即腦啟發(fā)的智能（brain-inspired intelligence）。從目前研究情況來看，人類對大腦神經(jīng)結(jié)構(gòu)和功能的研究有了很大的進步，同時認(rèn)知科學(xué)領(lǐng)域?qū)θ说闹悄苄袨椋ò▽W(xué)習(xí)、記憶、注意、推理、決策等）機理有深入研究。這使得從大腦神經(jīng)系統(tǒng)結(jié)構(gòu)和認(rèn)知行為機理獲得啟發(fā)，研制具有更強信息表示、處理和學(xué)習(xí)能力的智能計算模型與算法成為可能。類腦智能就是以計算建模為手段，受腦神經(jīng)機理和認(rèn)知行為機理啟發(fā)，并通過軟硬件協(xié)同實現(xiàn)的機器智能。類腦智能系統(tǒng)在信息處理機制上類腦，認(rèn)知行為和智能水平上類人，其目標(biāo)是使機器以類腦的方式實現(xiàn)各種人類具有的認(rèn)知能力及其協(xié)同機制，最終達到或超越人類智能水平。
硬件方面的研究主要是研發(fā)類腦新型計算芯片，如神經(jīng)網(wǎng)絡(luò)計算芯片，目標(biāo)是相比當(dāng)前的CPU和GPU計算架構(gòu)，提高計算效率和降低能耗。目前人工神經(jīng)網(wǎng)絡(luò)主要在通用計算機上編程來實現(xiàn)，能耗比較高。例如一臺計算機的功率大概是200~300 W，一臺GPU服務(wù)器的能耗至少是2000 W，而人腦的功耗只有20 W。所以說，計算機實現(xiàn)大規(guī)模人工神經(jīng)網(wǎng)絡(luò)的能耗非常高，因此研發(fā)新型的神經(jīng)網(wǎng)絡(luò)計算芯片，降低能耗，具有重要的現(xiàn)實意義。
提到未來的類腦智能研究，研究者認(rèn)為應(yīng)該在結(jié)構(gòu)類腦和行為類人方面更加深入。目前不管是神經(jīng)結(jié)構(gòu)模擬還是學(xué)習(xí)行為模擬都是比較粗淺的。以學(xué)習(xí)為例，當(dāng)前主流的監(jiān)督學(xué)習(xí)是比較“粗暴”的學(xué)習(xí)方式，即一次性給予大量的類別標(biāo)記數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，而要收集大量標(biāo)記數(shù)據(jù)是要付出很大代價的。人腦的學(xué)習(xí)具有很強的靈活性，從小樣本開始，不斷地隨環(huán)境自適應(yīng)。這種學(xué)習(xí)靈活性應(yīng)該是未來機器學(xué)習(xí)的一個主要研究目標(biāo)。
當(dāng)然，任何科技領(lǐng)域的成果都是為了人類生活的改善而言的，MES制造執(zhí)行系統(tǒng)也是不斷的日趨完善，實現(xiàn)個性化的MES系統(tǒng)解決方案是需要不斷的融合現(xiàn)有的科學(xué)技術(shù)為基礎(chǔ)。
了解更多>>>乾元坤和成功案例