人工智能研究現(xiàn)狀綜述
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工智能研究現(xiàn)狀綜述范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。
人工智能研究現(xiàn)狀綜述范文第1篇
>> 研究生人工智能系列課程教學(xué)改革 研究生人工智能課程教學(xué)探索 研究生“人工智能”課程教學(xué)改革探索 人工智能實驗課教學(xué)改革研究 人工智能課程全英文教學(xué)改革 創(chuàng)新型人工智能教學(xué)改革與實踐 《人工智能》碩士課程教學(xué)改革的研究與實踐 落實科學(xué)發(fā)展觀,深化“人工智能”課程的教學(xué)改革 面向人工智能的信息管理與信息系統(tǒng)專業(yè)教學(xué)改革 人工智能課程教學(xué)方法研究 人工智能的應(yīng)用研究 日本巨資扶持人工智能研究 人工智能系列課程研究 高中人工智能教學(xué)初探 《人工智能》雙語教學(xué)初索 人工智能雙語教學(xué)建設(shè) 人工智能實驗教學(xué)探討 “人工智能”之父 人工智能 AI人工智能 常見問題解答 當前所在位置：l(美國人工智能協(xié)會)、caiac.ca/(加拿大人工智能協(xié)會)等，它們包括了學(xué)科前沿動態(tài)、討論交流及大量的代碼資源等。通過使用這些資源，學(xué)員可及時了解人工智能最新發(fā)展動態(tài)，進行人工智能程序設(shè)計的交流及對一些問題進行較為深入的探討。
2教學(xué)方法研究
研究生教學(xué)應(yīng)更突出學(xué)生的主體地位，注重發(fā)揮其學(xué)習(xí)的主動性和自覺性，為此，課程組結(jié)合課程特點，在教學(xué)方法進行了如下探索。
2.1加強教學(xué)設(shè)計
教學(xué)設(shè)計就是對教學(xué)活動進行系統(tǒng)計劃的過程, 是教什么(課程內(nèi)容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學(xué)過程中，每節(jié)課授課前，堅持集體備課的原則，由課程組集體討論選定授課內(nèi)容，補充閱讀文獻，根據(jù)授課對象與課程內(nèi)容特點，確定課堂組織方式，采用的授課方式以研討式教學(xué)為主，給合講授、實驗、自學(xué)等。
2.2抓好課堂教學(xué)環(huán)節(jié)
教學(xué)方法與教學(xué)手段是保證課堂教學(xué)效果的關(guān)鍵。本課程授課對象主要為碩士研究生，他們的接受能力較強，有一定的求知欲。由于學(xué)員人數(shù)較少，授課方式可靈活組織。教室有完備的多媒體設(shè)備，基本的軟件實驗環(huán)境，教學(xué)過程可采用靈活教學(xué)方法、多種教學(xué)手段，提高教學(xué)效率，保證授課質(zhì)量。
1) 以研討式為主的教學(xué)方式。研究生教學(xué)應(yīng)堅持學(xué)術(shù)研究為導(dǎo)向，發(fā)揮學(xué)員在學(xué)習(xí)過程中的主動性和自覺性。由于研究生學(xué)員有一定的學(xué)習(xí)基礎(chǔ)與自學(xué)能力，教員可以在課前給學(xué)員布置預(yù)習(xí)內(nèi)容，學(xué)員通過查閱資料、分析整理進而形成自己的觀點，使在課堂教學(xué)中師生互動交流成為可能，改變傳統(tǒng)的教員講，學(xué)員聽的灌輸式教學(xué)方式。研討式教學(xué)也有力于培養(yǎng)學(xué)員積極思考、創(chuàng)新思維的習(xí)慣與能力。
2) 教學(xué)手段的信息化。人工智能原理教學(xué)一個突出矛盾是知識點多、內(nèi)容抽象、理論性強，但學(xué)時較少，因此，必須發(fā)揮現(xiàn)代教學(xué)手段的作用，提高教學(xué)效率。為此，課程組對每節(jié)課都精心設(shè)計了教學(xué)課件，課堂教學(xué)中以課件為主，輔以板書，充分利用多媒體信息量大、直觀等優(yōu)點，改善教學(xué)效果；引入教學(xué)聲像資料，便于學(xué)員課下學(xué)習(xí)；設(shè)計演示程序，使部分比較抽象、不易于理解的內(nèi)容，如子句歸結(jié)、搜索策略更形象直觀，易于學(xué)習(xí)和掌握。
3注重培養(yǎng)學(xué)員學(xué)術(shù)研究能力
學(xué)術(shù)能力是指專門對某一學(xué)問進行系統(tǒng)的哲理或理論研究的能力，它不僅包括思辨的方面，還包括實踐及感性的敏感力等方面。研究生階段學(xué)習(xí)的一個突出特點是要求學(xué)習(xí)的主體――研究生必須具備研究的能力[3]。論文寫作是培養(yǎng)、鍛煉、提高研究生的學(xué)術(shù)能力的重要途徑，在教學(xué)實施過程中，要求每個專題學(xué)習(xí)結(jié)束后，都要提交一份格式符合期刊發(fā)表要求的總結(jié)報告，題目可自行選定，也可由教員指定；內(nèi)容既可以是人工智能該專題某一算法的實現(xiàn)，也可以是對某一問題的進一步研究，或者是對該專題最新研究進展的綜述。教員重點在以下幾個方面予以指導(dǎo)。
1) 選題準確。要求選題不能過于宏大，應(yīng)以小題目反映大問題，具有一定的可研究性為宜。
2) 研究內(nèi)容。研究目標明確，方法恰當，能夠提出自己的見解，所提觀點正確。
3) 論文結(jié)構(gòu)。結(jié)構(gòu)清晰、完整，論述嚴謹，表達規(guī)范。
4) 占有文獻豐富。撰寫過程中要有意識培養(yǎng)學(xué)員查閱科技文獻的能力，要求查閱反映最新研究成果的權(quán)威文獻。
4加強實驗環(huán)節(jié)教學(xué)
人工智能教學(xué)在進行各種理論知識講授的同時，還應(yīng)重視實踐教學(xué)，把抽象的知識轉(zhuǎn)化為形象、直觀的實驗，讓學(xué)員真正理解人工智能的概念、本質(zhì)、研究目標，從而提高學(xué)員多角度思維的能力和邏輯推理能力，進一步了解信息技術(shù)、計算機技術(shù)發(fā)展的前沿，培養(yǎng)他們對人工智能研究的興趣，激發(fā)對人工智能技術(shù)未來的追求。為此，課程組借鑒國內(nèi)外知名大學(xué)人工智能實驗教學(xué)經(jīng)驗，編寫了《人工智能原理實驗指導(dǎo)書》，圍繞問題表示、經(jīng)典邏輯推理、不確定推理、搜索策略及簡單專家系統(tǒng)實現(xiàn)等教學(xué)內(nèi)容提供了7組實驗供學(xué)員選擇。
例如，在狀態(tài)空間搜索一節(jié)教學(xué)過程中，先完成理論部分的教學(xué)，使學(xué)員對狀態(tài)空間基本概念、問題表示及求解方法有一個準確的認識，然后進行實驗教學(xué)。由學(xué)員自主完成重排九宮問題求解的程序，初始狀態(tài)和目標狀態(tài)如圖1所示，調(diào)整的規(guī)則是，每次只能將與空格(左、上、下、右)相鄰的一個數(shù)字平移到空格中[4]。實驗過程重點指導(dǎo)學(xué)員掌握狀態(tài)空間進行問題求解的關(guān)鍵步驟：問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序?qū)崿F(xiàn)的數(shù)據(jù)結(jié)構(gòu)，基本信息有初始狀態(tài)集合、操作符集合、目標檢測及路徑費用函數(shù)，數(shù)據(jù)結(jié)構(gòu)可采用向量、鏈表等形式；搜索策略可分為盲目式搜索和啟發(fā)式搜索，可按照先易后難的原則，先實現(xiàn)盲目搜索中的廣度優(yōu)先及深度優(yōu)先搜索，在此基礎(chǔ)上再定義估價函數(shù)實現(xiàn)啟發(fā)式搜索。而在啟發(fā)式搜索實現(xiàn)過程中，又可以通過定義不同的啟發(fā)函數(shù)：如某狀態(tài)格局與目標節(jié)點格局不相同的牌數(shù)、不在目標位置的牌距目標位置的距離之和等加以比較，準確理解啟發(fā)函數(shù)的意義。通過實驗，學(xué)員加深了對課堂講授的理論知識的理解，能夠熟練地將狀態(tài)空間法運用于實際問題的求解，提高了工程實踐能力。
實驗教學(xué)組織方式可根據(jù)具體的實驗內(nèi)容特點，采用上機編程實驗、演示程序驗證、模擬平臺開發(fā)、分組討論等多種形式進行。
5適度開展雙語教學(xué)
研究生的英語基礎(chǔ)普遍較好，基本都通過了國家公共英語四級考試，部分學(xué)員通過了六級考試，加之在本科階段還開設(shè)了專業(yè)英語課程，因此，在培養(yǎng)研究生人工智能知識的同時，我們要提高學(xué)員閱讀原版英文資料、用英語進行簡單科技寫作及對外學(xué)術(shù)交流的能力，適度開展雙語教學(xué)，對此，我們可采取以下基本方式。
1) 專業(yè)術(shù)語全部用英語表示。
在教學(xué)過程中用英語表達人工智能原理中的專業(yè)術(shù)語和主要概念，如Knowledge Representation(知識表示)、Depth-First Search(深度優(yōu)先搜索)、Breadth- First Search(廣度優(yōu)先搜索)等。
2) 以英文原版教材為教學(xué)參考書。
選定機械工業(yè)出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書，該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點，又給出所有技術(shù)的實用指南[5]。”
3) 加強英文文獻的閱讀。
在課程論文撰寫時，要求閱讀一定數(shù)量的外文文獻；在討論課中，鼓勵學(xué)員使用英語進行討論。
經(jīng)過課程學(xué)習(xí)，學(xué)員都能準確掌握人工智能學(xué)科專業(yè)詞匯，英文運用能力得到一定提高，能較自如地閱讀原版英文專業(yè)資料，為進一步用英文進行學(xué)術(shù)交流及學(xué)術(shù)論文寫作打下基礎(chǔ)。
6考試與成績評定改革
考核方式采用傳統(tǒng)的試卷與課程論文、實踐環(huán)節(jié)等三部分組成，全面考查學(xué)員對基礎(chǔ)理論知識掌握情況以及理論聯(lián)系實際的能力，其中試卷占70%，課程論文占10%，實踐環(huán)節(jié)占20%。課程論文題目不作限制，由學(xué)員在課程學(xué)習(xí)階段結(jié)合某一專題選定題目，課程論文以選題意義、研究內(nèi)容、論文結(jié)構(gòu)、參考文獻及撰寫規(guī)范等指標為評價依據(jù)；實驗成績采用實驗過程考查、實驗結(jié)果驗收和實驗報告評閱相結(jié)合的考核方法，綜合評定。這樣做不但考核了學(xué)員人工智能基本理論掌握情況，也反映了學(xué)員的學(xué)術(shù)研究能力和工程實踐能力。同時，考核結(jié)合實際教學(xué)進程，改變了單一課終總結(jié)性考核的弊端。
7結(jié)語
經(jīng)過課程組近兩年的教學(xué)方法研究與教學(xué)實踐，研究生人工智能原理課程教學(xué)收到較好的效果，但仍存在一些問題，如在課堂討論環(huán)節(jié)，個別學(xué)員準備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻綜述不夠全面、準確，論文格式不夠規(guī)范等。在今后的授課中，課程組將根據(jù)授課研究生人數(shù)較少的特點，采取明確每名學(xué)員預(yù)習(xí)重點、加強課程論文交流等方式予以改進，力求取得更好的教學(xué)效果。同時，進一步充分利用便利的校園網(wǎng)平臺，開展“人工智能原理”網(wǎng)絡(luò)課程建設(shè)，購買或自主開發(fā)網(wǎng)絡(luò)教學(xué)資源，引導(dǎo)學(xué)員利用網(wǎng)絡(luò)資源進行個性化自主學(xué)習(xí)，增強教學(xué)過程的信息化程度。
參考文獻：
[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學(xué)出版社,2002:1.
[2] 李志厚. 國外教學(xué)設(shè)計研究現(xiàn)狀與發(fā)展趨勢[J]. 外國教育研究,1998(1):6-10.
[3] 肖川,胡樂樂. 論研究生學(xué)術(shù)能力的培養(yǎng)[J]. 學(xué)位與研究生教育,2006(9):1-5.
[4] 周金海. 人工智能學(xué)習(xí)輔導(dǎo)與實驗指導(dǎo)[M]. 北京:清華大學(xué)出版社,2008:204.
[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業(yè)出版社,2009:754.
Reform on Postgradrates Artificial Intelligence Course Teaching
TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei
(Department of Computer Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)
人工智能研究現(xiàn)狀綜述范文第2篇
【關(guān)鍵詞】無人駕駛 腦控汽車 發(fā)展前景
1 前言
近些年，隨著汽車工業(yè)的快速發(fā)展，汽車駕駛已經(jīng)是現(xiàn)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(xiàn)代社會最關(guān)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(fā)生的行為。汽車所帶來的安全問題多數(shù)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(shù)研究的主要趨勢。
2 無人駕駛汽車的發(fā)展現(xiàn)狀
2.1 國外駕駛汽車的研發(fā)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(yīng)設(shè)備，包括車載傳感器、GPS和攝像頭等，配合車內(nèi)的智能軟件，如自適應(yīng)巡航控制系統(tǒng)（ACC）等實現(xiàn)脫離駕駛員的自動駕駛汽車[4]。國外著名汽車企業(yè)及IT行業(yè)巨頭谷歌都競相亮相其在無人駕駛汽車技術(shù)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(fā)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(jīng)啟動了上路測試，這是量產(chǎn)版自動駕駛卡車首次在高速公路上進行行駛；據(jù)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(shù)的車型將于2017年上市。另外各大汽車制造商以及相關(guān)科技巨頭表示無人汽車在2020年可以推出商用。美國內(nèi)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(fā)的無人駕駛車發(fā)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(fā)達國家與科技巨頭認可。這是因為無人駕駛汽車經(jīng)過精密計算，由系統(tǒng)精確控制，在一般條件下，比真人駕駛應(yīng)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(fù)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(xiàn)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(guī)定，不會超速行駛。
2.2 國內(nèi)駕駛汽車的研發(fā)狀況
我國關(guān)于無人駕駛汽車的研究相對國外起步較晚，但是發(fā)展迅速。十幾年前，國防科技大學(xué)已經(jīng)開始對一款紅旗轎車進行相應(yīng)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(tài)變動，自然光照變化及樹木、路橋陰影都具有較強的自適應(yīng)力。HQ3，其“大腦”是藏在后備廂里的計算機設(shè)備，車輛沒有GPS 等導(dǎo)航設(shè)備，完全是利用自身的“環(huán)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(tǒng)，實現(xiàn)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(fù)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(xué)計算機與控制工程學(xué)院段峰副教授的研究團隊與長城汽車共同合作研發(fā) “腦控汽車”，這項研究通過腦電設(shè)備， 捕捉人在集中注意力時產(chǎn)生的腦電信號， 利用腦電信號識別系統(tǒng)分析人的驅(qū)車意圖并向汽車發(fā)送操控指令， 以此實現(xiàn)人腦控制汽車的目的[6]。“腦控汽車” 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(chǎn)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(yīng)用于汽車駕駛技術(shù)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(yōu)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(shù)完成道路環(huán)境的收集。當車輛在人口密集的樓房建筑區(qū)、事故區(qū)域或者其他有人通過通用手勢信號來指揮車輛在此區(qū)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(xiàn)，無人汽車可能產(chǎn)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(fā)現(xiàn)已經(jīng)無法避免事故的發(fā)生時，智能計算機應(yīng)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(wǎng)絡(luò)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(guī)方面同樣存在極大的挑戰(zhàn)。如產(chǎn)品責(zé)任，立法和多重管轄權(quán)等。無人汽車與有人汽車發(fā)生事故責(zé)任判定和無人汽車之間發(fā)生事故責(zé)任判定等。
3.3 安全防御性低
軟件安全公司Security Innovation首席科學(xué)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(tǒng)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(shè)置實際并不存在的汽車、行人，或是墻壁，導(dǎo)致無人駕駛汽車的行駛速度放慢，甚至寸步難行。其相關(guān)論文已在歐洲黑帽安全大會上發(fā)表。
4 智能駕駛的發(fā)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(jīng)過大量的研究和發(fā)展，智能駕駛所需的各種傳感器、計算機的性能和技術(shù)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(jié)合的長遠發(fā)展角度來看，純智能的無人駕駛應(yīng)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(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)的方法被運用在無人駕駛的行為識別和行為決策的技術(shù)環(huán)境下，我們也可以考慮設(shè)立專門的行駛路線保證無人駕駛汽車的應(yīng)用推廣。在馮諾依曼體系結(jié)構(gòu)下面向駕駛行為的機器學(xué)習(xí)，一直以來都是智能車領(lǐng)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(xiàn)和應(yīng)用。
從當前智能駕駛的技術(shù)角度來看，相對于無人汽車，腦控汽車的發(fā)展可能更加適合。這是因為無人駕駛汽車的計算機系統(tǒng)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(fā)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(jīng)之路。現(xiàn)在的家用汽車基本配備雷達輔助系統(tǒng)，該系統(tǒng)可以不斷監(jiān)控周圍的交通狀況，可以用發(fā)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(tǒng)會向駕駛者發(fā)送聽覺警報。目前奔馳的主動式駐車輔助系統(tǒng)能夠在主動轉(zhuǎn)向和制動功能干預(yù)下自動泊車。并且，在車輛通過自動駐車輔助系統(tǒng)停入平行車位后，該系統(tǒng)也可以在自動轉(zhuǎn)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(chǔ)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(yù)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(xiàn)汽車系統(tǒng)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(yīng)命令的方式來實現(xiàn)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(fù)雜的交通環(huán)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(yīng)用的價值更加巨大。
參考文獻：
[1]朱盛鐳.未來智能汽車產(chǎn)業(yè)發(fā)展趨勢[J].上海汽車，2015（08）.
[2]鄭寶成.智能汽車及其新技術(shù)發(fā)展研究[J].科技創(chuàng)新與應(yīng)用，2015（17）.
[3]馮學(xué)強，張良旭，劉志宗.無人駕駛汽車的發(fā)展綜述[J].山東工業(yè)技術(shù)，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(tài)障礙物檢測及表示方法[J]. 機器人，2014（06）.
[5]關(guān)天瑜.谷歌無人駕駛汽車再次追尾[J].計算機與網(wǎng)絡(luò)，2015（15）.
[6]張建新，喬仁銘.“腦控汽車”在南開大學(xué)“開跑”[J].農(nóng)家參謀，2015（08）.
[7]陳慧，涂強，范正帥，王琳. 互聯(lián)智能汽車關(guān)鍵技術(shù)與發(fā)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(shù)研究及展望[J].礦業(yè)裝備，2014（05）.
[9]楊帆.無人駕駛汽車的發(fā)展現(xiàn)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(xué)進.無人駕駛汽車的發(fā)展現(xiàn)狀及方向[J].上海汽車，2007（07）.
[12]王握文.時速75.6km──國產(chǎn)無人駕駛汽車創(chuàng)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(xiàn)狀及發(fā)展方向[J].汽車維修，2003（02）.
[16]林一平.不斷創(chuàng)新發(fā)展的現(xiàn)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(chǎn)品開發(fā)與創(chuàng)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）.
人工智能研究現(xiàn)狀綜述范文第3篇
關(guān)鍵詞：智能機器人;發(fā)展現(xiàn)狀;應(yīng)用;趨勢
1.國內(nèi)外的發(fā)展現(xiàn)狀綜述
1.1智能機器人的發(fā)展現(xiàn)狀
智能移動機器人是第三代機器人，這種機器人帶有多種傳感器，能夠?qū)⒍喾N傳感器得到的信息進行融合，能夠有效的適應(yīng)變化的環(huán)境，具有很強的自適應(yīng)能力、學(xué)習(xí)能力和自治能力。
目前研制中的智能機器人智能水平并不高，只能說是智能移動機器人的初級階段。智能移動機器人研究中當前的核心問題有兩個方面;一方面是，提高自主機器人的自主性，這是就智能移動機器人與人的關(guān)系而言，既希望智能移動機器人進一步獨立于人，具有更為友善的人機界面。從長遠來說，希望操作人員只要給出要完成的任務(wù)，而機器自動形成完成該任務(wù)的步驟，并自動完成它。另一方面是，提高智能移動機器人的適應(yīng)性，提高智能移動機器人適應(yīng)環(huán)境變化的能力，這就是智能移動機器人與環(huán)境的關(guān)系而言，希望加強它們之間的交互關(guān)系。
在各國的智能移動機器人發(fā)展中，美國的智能移動機器人技術(shù)在國際上一直處于領(lǐng)先地位，其技術(shù)全面、先進、適應(yīng)性也很強，性能可靠、功能全面、精確度高，其視覺、觸覺等人工智能技術(shù)已在航天、汽車工業(yè)中廣泛應(yīng)用。日本由于一系列扶植政策，各類機器人包括智能移動機器人的發(fā)展迅速。歐洲各國在智能移動機器人的研究和應(yīng)用在世界上處于公認的領(lǐng)先地位。中國起步較晚，而后進入了大力發(fā)展的時期，以期以機器人為媒介物推動整個制造業(yè)的改變，推動整個高技術(shù)產(chǎn)業(yè)的壯大。
2.智能機器人的應(yīng)用
現(xiàn)階段機器人在某些人類不能到達的地方的應(yīng)用比較廣泛，人們稱其為特種機器人。消防機器人屬于特種機器人范疇，它作為特種消防設(shè)備可以替代消防隊員接近火災(zāi)現(xiàn)場實施有效的滅火救援作業(yè)，開展各項火場偵查任務(wù)，尤其是在危險性大或者消防隊員不易接近的場合，消防機器人的應(yīng)用將大大提高消防部門撲滅火災(zāi)的能力，對減少國家財產(chǎn)損失和滅火救援人員的傷亡具有重要作用，消防機器人的應(yīng)用將大大提高消防部門撲滅惡性火災(zāi)的能力。
在航空領(lǐng)域里，人們也開發(fā)并應(yīng)用了高靈敏度仿人機器人來完成一些復(fù)雜的工作。約翰遜航航天中心的軟件設(shè)計、機器人技術(shù)以及仿真部門聯(lián)合美國國防部高等研究計劃局在10年前就已經(jīng)制造出了為太空之旅而設(shè)計的仿人機器宇航員。在過去的十年里，美國國家航空航天局已經(jīng)在制造為太空應(yīng)用的機器人技術(shù)方面積蓄了豐富的專業(yè)技術(shù)。通過應(yīng)用先進的控制、感應(yīng)和攝像技術(shù)，通過與美國國家航空航天局的科學(xué)家根據(jù)太空行動協(xié)議在休斯敦約翰航天中心共同開發(fā)一款的全新的高靈敏度的仿人機器人。它用來與人類共同并肩工作，幫助通用生產(chǎn)更加安全的汽車和建設(shè)更加安全的生產(chǎn)工廠，協(xié)助美國國家航空航天局的宇航員完成一些危險的太空工作。
在國防領(lǐng)域中，軍用智能移動機器人得到了前所未有的重視和發(fā)展，近年來，美英等國研制出第二代軍用智能移動機器人，其特點是采用自主控制方式，能完成偵察、作戰(zhàn)和后勤支援等任務(wù)，在戰(zhàn)場上有看、嗅等能力，能夠自動跟蹤地形和選擇道路，具有自動搜索、識別和消滅敵方目標的功能。如美國的Navplab自主導(dǎo)航車，SSV自主地面戰(zhàn)車等。在未來的軍事智能移動機器人中，還會有智能戰(zhàn)斗機器人、智能偵察機器人、智能工兵機器人、智能運輸機器人等等，成為國防裝備中的新亮點。
3.智能機器人發(fā)展趨勢展望
智能機器人具有廣闊的發(fā)展前景，目前機器人的研究正處于第三代智能移動機器人階段，盡管國內(nèi)外對此的研究已經(jīng)取得了許多成果，但其智能化水平仍然不盡人意。未來的智能移動機器人應(yīng)當在以下幾個方面著力發(fā)展;面向任務(wù)，由于目前人工智能還不能提供實現(xiàn)智能機的完整理論和方法，已有的人工智能技術(shù)大多數(shù)要依賴領(lǐng)域知識，因此當我們把機器要完成的任務(wù)加以限定，及發(fā)展面向任務(wù)的特種機器人，那么已有的人工智能技術(shù)就能發(fā)揮作用，使開發(fā)這種類型的智能移動機器人成為可能;傳感技術(shù)和集成技術(shù)，在現(xiàn)有傳感器的基礎(chǔ)上發(fā)展更好、更先進的處理方法和實現(xiàn)手段，或者尋找新型傳感器，同時提高集成技術(shù)，增加信息的融合;機器人網(wǎng)絡(luò)化，利用通信網(wǎng)絡(luò)技術(shù)將各中機器人連接到計算機網(wǎng)絡(luò)上，并通過網(wǎng)絡(luò)對計算機實現(xiàn)有效的控制;智能控制中的軟計算方法與傳統(tǒng)的計算方法相比，已模糊邏輯、基于概率論的推理、神經(jīng)網(wǎng)絡(luò)、遺傳算法和混沌為代表的軟計算技術(shù)具有更高的魯棒性、易用性及計算的低耗費性等優(yōu)點。應(yīng)用到機器人技術(shù)中，可以提高其問題求解速度，較好的處理多變量、非線性系統(tǒng)的問題;機器學(xué)習(xí)，各種機器學(xué)習(xí)算法的出現(xiàn)推動了人工智能的發(fā)展強化學(xué)習(xí)、蟻群算法、免疫算法等可以用到機器人系統(tǒng)中，使其具有類似人的學(xué)習(xí)能力，以適應(yīng)日益復(fù)雜的、不確定和非結(jié)構(gòu)化的環(huán)境;智能人機接口，人機交互的需求越來越向簡單化、多樣化、智能化、人性化方向發(fā)展;因此需要研究并設(shè)計各種智能人機接口如多語種語音，自然語言理解、圖像、手寫字識別等，以更好地適應(yīng)不同的用戶和不同的應(yīng)用任務(wù)，提高人與機器人交互的和諧性;多機器人協(xié)調(diào)作業(yè)，組織和控制多個機器人來協(xié)作完成單機器人無法完成的復(fù)雜任務(wù)，在復(fù)雜未知環(huán)境下實現(xiàn)實時推理反應(yīng)以及交互的群體決策和操作。
4.建議和設(shè)想
雖然智能機器人有著非常廣泛的應(yīng)用范圍和無可限量的發(fā)展前景，但是也有很多不足之處。首先，由于智能機械采用大量高科技元件，導(dǎo)致成本較高。這大大限制了智能機器人大應(yīng)用范圍，影響了智能機械的推廣和普及，很難實現(xiàn)規(guī)模化生產(chǎn)。其次，較易損壞，由于各部件本身精密細致，鏈接精巧繁多，即使一個小小的錯誤總會對整個機械運動情況有影響，因此，智能機器人用于實際應(yīng)用不能達到像傳統(tǒng)機械那樣經(jīng)久耐用。再次，維修困難，一個零件損壞時不能像傳統(tǒng)零件那樣容易找到替換零件，這也影響了智能機器人的推廣應(yīng)用。今后我們可以去尋找一種新型材料，實現(xiàn)批量生產(chǎn)，降低生產(chǎn)成本。突破智能機器人的發(fā)展瓶頸。
人工智能研究現(xiàn)狀綜述范文第4篇
【關(guān)鍵詞】機電一體化 發(fā)展趨勢 傳感器
一、機電一體化的產(chǎn)生與應(yīng)用
20世紀60年代以來，人們利用電子技術(shù)的初步成果來完善機械產(chǎn)品的性能后，刺激了機械產(chǎn)品與電子技術(shù)的結(jié)合。計算機技術(shù)、控制技術(shù)、通信技術(shù)的發(fā)展，為機電一體化的發(fā)展更進一步奠定了技術(shù)基礎(chǔ)。20世紀80年代末期，機電一體化技術(shù)和產(chǎn)品得到了極大發(fā)展。各國均開始對機電一體化技術(shù)和產(chǎn)品給以很大的關(guān)注和支持，20世紀90年代后期，開始了機電一體化技術(shù)向智能化方向邁進的新階段，機電一體化進入了深入發(fā)展時期。光學(xué)、通信技術(shù)等進入了機電一體化，微細加工技術(shù)也在機電一體化中展露頭腳，出現(xiàn)了光機電一體化和微機電一體化等新分支。我國從20世紀80年代開始開展機電一體化研究和應(yīng)用。取得了一定成果，它的發(fā)展和進步依賴并促進相關(guān)技術(shù)的發(fā)展和進步。機電一體化已成為一門有著自身體系的新型學(xué)科，隨著科學(xué)技術(shù)的不斷發(fā)展，還將被賦予新的內(nèi)容。
二、機電一體化的發(fā)展現(xiàn)狀
機電一體化的發(fā)展大體可以分為3個階段。20世紀60年代以前為第一階段，這一階段稱為初級階段。在這一時期，人們利用電子技術(shù)的初步成果來完善機械產(chǎn)品的性能。特別是在第二次世界大戰(zhàn)期間，戰(zhàn)爭刺激了機械產(chǎn)品與電子技術(shù)的結(jié)合，這些機電結(jié)合的軍用技術(shù)，戰(zhàn)后轉(zhuǎn)為民用，對戰(zhàn)后經(jīng)濟的恢復(fù)起了積極的作用。那時研制和開發(fā)從總體上看還處于自發(fā)狀態(tài)。由于當時電子技術(shù)的發(fā)展尚未達到一定水平，機械技術(shù)與電子技術(shù)的結(jié)合還不可能廣泛和深入發(fā)展，已經(jīng)開發(fā)的產(chǎn)品也無法大量推廣。
20世紀70年代～80年代為第二階段，可稱為蓬勃發(fā)展階段。這一時期，計算機技術(shù)、控制技術(shù)、通信技術(shù)的發(fā)展，為機電一體化的發(fā)展奠定了技術(shù)基礎(chǔ)。大規(guī)模、超大規(guī)模集成電路和微型計算機的迅猛發(fā)展，為機電一體化的發(fā)展提供了充分的物質(zhì)基礎(chǔ)。
20世紀90年代后期，開始了機電一體化技術(shù)向智能化方向邁進的新階段，機電一體化進入深入發(fā)展時期。一方面，光學(xué)、通信技術(shù)等進入了機電一體化，微細加工技術(shù)也在機電一體化中展露頭腳，出現(xiàn)了光機電一體化和微機電一體化等新分支；另一方面對機電一體化系統(tǒng)的建模設(shè)計、分析和集成方法、機電一體化的學(xué)科體系和發(fā)展趨勢都進行了深入研究。同時，由于人工智能技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)及光纖技術(shù)等領(lǐng)域取得的巨大進步，更為機電一體化技術(shù)開辟了發(fā)展的廣闊天地。這些研究，將促使機電一體化進一步建立完整的基礎(chǔ)和逐漸形成完整的科學(xué)體系。我國是從20世紀80年代初才開始在這方面研究和應(yīng)用。國務(wù)院成立了機電一體化領(lǐng)導(dǎo)小組并將該技術(shù)列為“863計劃”中。在制定“九五”規(guī)劃和2010年發(fā)展綱要時充分考慮了國際上關(guān)于機電一體化技術(shù)的發(fā)展動向和由此可能帶來的影響。許多大專院校、研究機構(gòu)及一些大中型企業(yè)對這一技術(shù)的發(fā)展及應(yīng)用也做了大量的工作，雖然取得了一定成果，但與日本等先進國家相比仍有相當差距。
三、機電一體化的發(fā)展趨勢
(一)智能化趨勢
智能化是21世紀機電一體化技術(shù)發(fā)展的一個重要發(fā)展方向。人工智能在機電一體化建設(shè)者的研究日益得到重視，機器人與數(shù)控機床的智能化就是重要應(yīng)用。這里所說的“智能化”是對機器行為的描述，是在控制理論的基礎(chǔ)上，吸收人工智能、運籌學(xué)、計算機科學(xué)、模糊數(shù)學(xué)、心理學(xué)、生理學(xué)和混沌動力學(xué)等新思想、新方法，模擬人類智能，使它具有判斷推理、邏輯思維、自主決策等能力，以求得到更高的控制目標。機電一體化產(chǎn)品不可能具有與人完全相同的智能。但是，高性能、高速的微處理器使機電一體化產(chǎn)品賦有低級智能或人的部分智能。
(二)模塊化趨勢
模塊化是一項重要而艱巨的工程。由于機電一體化產(chǎn)品種類和生產(chǎn)廠家繁多，研制和開發(fā)具有標準機械接口、電氣接口、動力接口、環(huán)境接口的機電一體化產(chǎn)品單元是一項十分復(fù)雜但又是非常重要的事。如研制集減速、智能調(diào)速、電機于一體的動力單元，具有視覺、圖像處理、識別和測距等功能的控制單元，以及各種能完成典型操作的機械裝置。這樣可利用標準單元迅速開發(fā)出新產(chǎn)品，也可以擴大生產(chǎn)規(guī)模，制定各項標準，以便各部件、單元的匹配和接口。從電氣產(chǎn)品的標準化、系列化帶來的好處可以肯定，無論是對生產(chǎn)標準機電一體化單元的企業(yè)還是對生產(chǎn)機電一體化產(chǎn)品的企業(yè)，規(guī)模化將給機電一體化企業(yè)帶來美好的前程。
(三)網(wǎng)絡(luò)化趨勢
計算機技術(shù)等的突出成就是網(wǎng)絡(luò)技術(shù)。網(wǎng)絡(luò)技術(shù)的興起和飛速發(fā)展給科學(xué)技術(shù)、工業(yè)生產(chǎn)等領(lǐng)域都帶來了巨大的變革。各種網(wǎng)絡(luò)將全球經(jīng)濟、生產(chǎn)連成一片，企業(yè)間的競爭也將全球化。現(xiàn)場總線和局域網(wǎng)技術(shù)使家用電器網(wǎng)絡(luò)化已成大勢，利用家庭網(wǎng)絡(luò)將各種家用電器連接成以計算機為中心的計算機集成家電系統(tǒng)，使人們在家里分享各種高技術(shù)帶來的便利與快樂，因此機電一體化產(chǎn)品朝著網(wǎng)絡(luò)化方向發(fā)展是為大勢所趨。
人工智能研究現(xiàn)狀綜述范文第5篇
關(guān)鍵詞：知識管理；知識作業(yè)；工效學(xué)；作業(yè)效率；人工智能
一、問題的提出
知識經(jīng)濟時代的到來使得腦力勞動者大量涌現(xiàn)，知識管理作為知識經(jīng)濟時代的管理（知識管理的廣義定義）已成為企業(yè)實踐和管理學(xué)理論研究關(guān)注的焦點。不少企業(yè)特別是以知識工作者為主的企業(yè)，如：惠普、麥肯錫、清華同方等，已經(jīng)通過建立知識庫、內(nèi)部信息網(wǎng)絡(luò)建設(shè)等知識管理手段極大地提高了企業(yè)運行的效率。然而值得注意的是，目前相關(guān)研究和實踐大多僅關(guān)注對于知識這種資源的管理（知識管理的狹義定義）。即便是在這樣一種狹義上的研究也主要“側(cè)重于對知識管理的定義、目標和內(nèi)容、策略與原則以及能支持知識管理的信息技術(shù)進行討論，而對知識管理的具體方法與手段既沒有展開，也沒有進行系統(tǒng)研究。”
應(yīng)當指出，信息化建設(shè)對知識資源的管理是知識管理中非常重要的部分，但還不是問題的全部。事實上，在實踐中已經(jīng)有不少企業(yè)由于片面強調(diào)構(gòu)建企業(yè)內(nèi)部知識共享平臺，建立管理信息系統(tǒng)等技術(shù)手段，而忽略企業(yè)管理中一些更為基本的問題從而導(dǎo)致其信息化建設(shè)失敗，不但沒有增強企業(yè)的競爭力，反而成為企業(yè)管理者和員工的負擔(dān)。在這方面，為數(shù)不少的失敗的ERP案例就是典型的例子。
管理的基礎(chǔ)問題和核心問題向來是并將永遠是工作效率的問題。盡管在經(jīng)濟、社會發(fā)展的不同時期，組織系統(tǒng)的輸入和輸出內(nèi)容可能完全不同，但人們管理的目的和本質(zhì)總是追求最少的輸入和盡可能多的輸出（經(jīng)濟效益或社會效益）。在組織效率中，最為基礎(chǔ)的問題是各項作業(yè)的效率。100年前，正是基于對體力勞動作業(yè)效率的追求和研究，使得管理從經(jīng)驗管理走向科學(xué)管理，從而極大地提高了勞動生產(chǎn)率。因此要提高企業(yè)效率、實現(xiàn)管理的目標就必須關(guān)注企業(yè)生產(chǎn)的作業(yè)過程以及這些作業(yè)過程中的工作效率問題。
在知識經(jīng)濟時代，知識作業(yè)取代體力勞動作業(yè)成為最普遍的勞動方式。因而在知識管理中，最基礎(chǔ)和核心的問題應(yīng)當是腦力勞動的工作效率（知識作業(yè)工效）問題。為此，應(yīng)深入知識作業(yè)過程進行工作效率研究，否則，如果忽視知識管理中的基礎(chǔ)性問題而片面強調(diào)外部的技術(shù)工具和手段，企業(yè)將難以從知識管理中真正獲益。而深入作業(yè)過程進行研究正是工效學(xué)的基本研究方式，知識作業(yè)的工效問題既是知識管理的基礎(chǔ)問題也是工效學(xué)研究應(yīng)當關(guān)注的問題。工效學(xué)應(yīng)開拓其在知識管理的基礎(chǔ)性領(lǐng)域——知識作業(yè)工效的研究，迎接知識經(jīng)濟時代提出的挑戰(zhàn)。但目前的工效學(xué)的關(guān)注焦點仍在于對操作性體力勞動的效率以及人與機器、環(huán)境的適應(yīng)性研究。即便是涉及知識管理，也大多只從環(huán)境對知識工作者身心健康的影響等如何提高腦力勞動者的工作舒適度這樣一些角度進行探討。這一領(lǐng)域的發(fā)展與知識經(jīng)濟的時代環(huán)境極不協(xié)調(diào)。知識管理的需要以及工效學(xué)本身的發(fā)展要求盡快將工效學(xué)的關(guān)注焦點轉(zhuǎn)移到以腦力勞動為基礎(chǔ)的知識作業(yè)過程研究中來。
二、知識作業(yè)工效學(xué)研究的可行性和基本技術(shù)思路
1．知識作業(yè)工效學(xué)研究的可行性。
對知識作業(yè)效率的工效學(xué)研究就是要深入知識作業(yè)的過程，從作業(yè)效率的角度研究人如何能夠更有效地對知識信息和相關(guān)物質(zhì)資料進行接收，加工與輸出，特別不能忽視的是中間的加工過程。由于腦力勞動的復(fù)雜性、內(nèi)隱性、差異性以及難以定量等問題的影響，目前國內(nèi)外對腦力勞動的研究還只停留在心理學(xué)方面的基礎(chǔ)性研究以及在人工智能研究方面的應(yīng)用。在管理學(xué)理論和管理實踐應(yīng)用中，人們大多將知識作業(yè)過程當作一個“黑箱”，通過關(guān)注“黑箱”兩端的輸入和輸出，并憑借外部技術(shù)手段來提高其輸出，忽略或者說是有意回避了中間的過程（由于腦力勞動過程的復(fù)雜性以及相關(guān)基礎(chǔ)性理論研究的不成熟）。
知識作業(yè)過程的研究雖然復(fù)雜，但從目前的“人工智能”和“腦力勞動機械化”的研究現(xiàn)狀來看，深入人腦思維過程對知識作業(yè)進行研究仍然可行。所謂“腦力勞動機械化”是由首屆國家最高科學(xué)技術(shù)獎獲得者吳文俊院士提出的：“用機器代替體力勞動作為人手的延伸可以稱之為體力勞動的機械化，用某種設(shè)備代替腦力勞動作為人腦的延伸可以稱為腦力勞動的機械化”。它實際上是人工智能的一個方面。從目前看來，人工智能的研究正在不斷取得突破性的進展。人工智能就其本質(zhì)講是對人們已知的、有規(guī)律性的思維和行為的模仿，知識作業(yè)中人的思維和行為正有此規(guī)律性，因而從某種程度上講人工智能事實上已經(jīng)對知識作業(yè)過程進行了模仿，而這一模仿必然建立在對腦力勞動作業(yè)過程進行研究并最終標準化、程序化的基礎(chǔ)上。由此，我們可以預(yù)見，知識作業(yè)的過程雖然復(fù)雜，但打開知識作業(yè)過程這一黑箱，深入黑箱進行研究，把黑箱變成“灰箱（greybox）”以至“白箱（whitebox）并非不可能之事。
2．知識作業(yè)工效學(xué)研究的技術(shù)思路。
如何進行知識作業(yè)的工效學(xué)研究？追尋管理學(xué)和工效學(xué)的發(fā)展史，人們可以發(fā)現(xiàn)：100多年前，泰勒（Taylor）的“時間-動作研究”(timeandmotionstudies)建立了以時間和動作研究設(shè)立的工作標準，推動了管理各項工作科學(xué)化進程，開工效學(xué)研究之先河并使傳統(tǒng)的經(jīng)驗管理步入科學(xué)的殿堂。1912年著名的美國效率專家吉爾布雷思（Gilbreth）在美國機械工程師學(xué)會上首次發(fā)表《細微動作研究》，從眾多的操作性作業(yè)活動中分離、抽取出18種一般操作活動動作要素（簡稱動素）。1930年美國康奈爾大學(xué)莫金遜以一種新的概念——“工作簡化”，把科學(xué)管理的技術(shù)思路由工廠作業(yè)擴大到行政事務(wù)管理、商業(yè)、醫(yī)院等各個領(lǐng)域。這些開創(chuàng)性基礎(chǔ)研究工作，奠定了一條對作業(yè)進行“細分簡化標準化”的研究思路，為提高作業(yè)效率和管理效率奠定了理論基礎(chǔ)和技術(shù)思路，他們的成果至今還是管理學(xué)、工效學(xué)方面教科書的經(jīng)典理論。
100年來，沿著經(jīng)典科學(xué)管理奠定的“細分簡化標準化”研究思路，圍繞著如何提高工作效率和管理效率等核心問題，研究者們深入作業(yè)過程和管理過程進行大量研究，大大提高了生產(chǎn)和管理效率。隨著社會和科學(xué)技術(shù)的飛速發(fā)展，知識經(jīng)濟時代的到來使人類勞動和工作方式已發(fā)生根本性轉(zhuǎn)變，以體力為主的操作性作業(yè)的“時間——動作”分析和動作要素分析等經(jīng)典理論與方法已不能滿足以腦力勞動為支撐的知識作業(yè)研究的需要。然而，盡管經(jīng)典科學(xué)管理與現(xiàn)代管理研究的對象有著本質(zhì)的差異，經(jīng)典科學(xué)管理深入作業(yè)過程和管理過程“細分簡化標準化”的研究思路，仍是研究知識作業(yè)（腦力勞動）工效可以借鑒的基本學(xué)術(shù)思路。這對于知識作業(yè)工效問題的研究具有理論方法和實現(xiàn)技術(shù)上的繼承性和延伸性，是在新的領(lǐng)域內(nèi)的深入，也是對一般工程操作研究在知識作業(yè)研究方面的提升與拓展。人工智能研究所取得的成就充分說明了對某些腦力勞動進行標準化研究的可行性。如同對操作性作業(yè)的分析與研究一樣，通過對知識作業(yè)過程的研究，也可以類似于“時間——動作”研究和動作要素分析的基本理論方法和技術(shù)思路為指導(dǎo)，分解知識作業(yè)，抽取與定義知識作業(yè)的工作要素，探討知識作業(yè)的一般環(huán)節(jié)、程序、過程，合理地組織知識作業(yè)的工作要素并再設(shè)計標準化作業(yè)方式，以科學(xué)地提高知識作業(yè)的工作效率和基于個體工作效率的管理效率。
三、知識作業(yè)的工效學(xué)研究對知識管理的基礎(chǔ)性意義
工效學(xué)注重通過作業(yè)過程研究來提高系統(tǒng)效率，其基于作業(yè)過程的研究成果曾極大地豐富了管理學(xué)的內(nèi)容，許多成果成為管理實踐中的基礎(chǔ)性要求。可以預(yù)見，在知識經(jīng)濟時代，注重知識作業(yè)的效率研究將同樣有助于這一時代的管理實踐，并如同對體力勞動的作業(yè)研究是傳統(tǒng)管理（相對于知識管理）的基礎(chǔ)一樣，知識作業(yè)的效率研究必將奠定知識管理的基礎(chǔ)。
知識作業(yè)的工效學(xué)研究對于知識管理具有基礎(chǔ)性意義。其一：它可以提供較全面的知識工作職業(yè)分類標準，目前國內(nèi)外還沒有這樣的一個分類標準（現(xiàn)有的分類標準涉及知識型職業(yè)較少，大多為技能型職業(yè)。可參見《中華人民共和國職業(yè)分類大典》）。要建立這樣一個分類標準，就必須深入各種知識作業(yè)過程，考察、細分和比較各職業(yè)之間的相對作業(yè)難度，從而建立他們之間可比較的等級劃分標準，給知識工作者一個社會化的價值評估標準。這將有利于更科學(xué)地定義腦力勞動和評價腦力勞動的價值，為企業(yè)聘用人才，激勵人才提供標準，對于社會對人才的培育以及人才自身的成長將起到積極的引導(dǎo)作用；其二：如同泰勒對體力勞動的“時間——動作”研究為體力勞動提供標準動作從而提高了傳統(tǒng)生產(chǎn)方式下的社會勞動生產(chǎn)率一樣，對知識作業(yè)的工效學(xué)研究可以為一些重復(fù)性腦力勞動設(shè)定標準化“操作程序”（從某種程度上講這就是這些腦力勞動機械化的前提），從而極大地提高這些腦力勞動的工作效率。控制理論的奠基人美國數(shù)學(xué)家N．Wieaer曾說過：“第一次工業(yè)革命是人手由于機器競爭而貶值，現(xiàn)在的工業(yè)革命便在于人腦的貶值，至少人腦所起的較簡單的較具有常規(guī)性質(zhì)的判斷作用將要貶值”。可以預(yù)見，在腦力勞動作為主要勞動方式的知識經(jīng)濟時代，通過知識作業(yè)的工效學(xué)研究，使一部分重復(fù)性腦力勞動程序化（貶值）將為整個社會勞動效率的提升起到基礎(chǔ)性作用。
參考文獻：
1．左美云．國內(nèi)外企業(yè)知識管理綜述．科學(xué)決策，2000，（3）：32－37．
