人工智能小論文
人工智能小論文
工智能的研究方向、領(lǐng)域和應用領(lǐng)域 摘要：人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。 人工智能的研究方向、研究領(lǐng)域、應用領(lǐng)域值得我們關(guān)注和探討。
下面是學習啦小編整理的人工智能小論文，歡迎閱讀!!!!!
人工智能小論文篇一
摘要：隨著科學技術(shù)的發(fā)展， 我們身邊的許多東西都已經(jīng)發(fā)展到了智能時代，電視是智能的，手機是智能的，智能冰箱，智能空調(diào)，智能掃地機器人，智能穿戴設備等等。智能產(chǎn)品已經(jīng)滲入到人類生活的許多方面，改變著我們的生活方式，影響著我們的生活。隨著人工智能的不斷發(fā)展，相信它在將來將會有更廣泛的運用，人類將會進入到一個嶄新的智能時代。
關(guān)鍵詞：人工智能 發(fā)展 運用
1. 簡介 人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。 人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應用領(lǐng)域也不斷擴大，可以設想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。
人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領(lǐng)域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。
2. 人工智能的發(fā)展史
第一階段：20世紀50年代人工智能的興起和冷落。1956年夏天，美國的酒味心理學家、數(shù)學家、計算機科學家、信息論學家和神經(jīng)學家在達特茅斯大學舉辦了一次長達兩個月的研討會，討論關(guān)于機器智能的有關(guān)問題。與會者提議證實采用“人工智能”這一術(shù)語。這次會議具有重要的歷史意義，它標志著人工智能學科的誕生。。在這期間，人工智能的研究取得了許多令人矚目的成就，如機器定理證明、跳棋程序、LISP表處理語言等。由于揭發(fā)推理能力有限，以及其翻譯失敗等，是人工智能走入低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。
第二階段：20世界60年代末到70年代，專家系統(tǒng)的出現(xiàn)使人工智能研究出現(xiàn)新高潮，DENDAL化學質(zhì)譜分析系統(tǒng)、MTCIN疾病診斷和治療系統(tǒng)、PROSPECTIOR探礦系統(tǒng)，Hearsay-II語言理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將仍能夠智能引向?qū)嵱没?969年召開的第一屆國際人工智能聯(lián)合會議，標志著人工智能這一新興學科得到了世界的承認。1968年“歸結(jié)推理方法”的出現(xiàn)，
在當時曾被說成是重大突破，可這些都未能成為現(xiàn)實。知道1977年費根鮑姆提出了“知識工程”概念，知識表示，知識利用和知識獲取則為人工智系統(tǒng)的三個基本問題。
第三階段：20世紀80年代，隨著第五代計算機的研制，人工智能得到了很大發(fā)展。日本1982年開始了“第五代計算機研制計劃”，即“知識信息處理計算機系統(tǒng)LIPS”，其目的是使邏輯推理達到數(shù)值運算那么快。雖然，此計劃最終失敗，但它的開展形成了一股研究人工智能的狂潮。
第四階段：20世紀80年代末，精神網(wǎng)絡飛速發(fā)展。1987年，美國召開第一次精神網(wǎng)絡國際會議，宣告了這一新學科的誕生。此后，各國在精神網(wǎng)絡方面的投資逐漸增大，精神網(wǎng)絡迅速發(fā)展起來。
第五階段：20世紀90年代，人工智能出現(xiàn)了新的研究高潮。由于網(wǎng)絡技術(shù)特別是國際互聯(lián)網(wǎng)的技術(shù)發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡環(huán)境下的分布式人工智能研究。不僅研究基于同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智能面向?qū)嵱谩?/p>
3. 人工智能的研究領(lǐng)域
主要研究領(lǐng)域有專家系統(tǒng)，機器學習，模式識別，自然語言理解，自動定理證明，自動程序設計，機器人學，博弈，智能決定支持系統(tǒng)和人工神經(jīng)網(wǎng)絡。人工智能是一種外向型的學科，它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數(shù)學基礎(chǔ)，哲學和生物學基礎(chǔ)，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。因為人工智能的研究領(lǐng)域十分廣闊，它總的來說是面向應用的，也就說什么地方有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。
4. 人工智能的具體運用
人工智能在許多方面都有著運用，專家系統(tǒng)是目前人工智能中最活躍，最有成效的一個研究領(lǐng)域，它是一種基于知識的系統(tǒng)，它從人類專家那里獲得知識，并用來解決只有專家才能解決的困難問題。這樣定義專家系統(tǒng)：專家系統(tǒng)是一種具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的程序系統(tǒng)，它應用人工智能技術(shù)、模擬人類專家求解問題的思維過程求解領(lǐng)域內(nèi)的各種問題，其水平可以達到甚至超過人類專家的水平。專家系統(tǒng)是在關(guān)于人工智能的研究處于低潮時提出來的，由它的出現(xiàn)及其所顯示出來的巨大潛能不僅使人工智能擺脫了困境，而且走上了發(fā)展時期。專家系統(tǒng)的分類有解釋型，診斷型，預測型，設計型，規(guī)劃型，控制型，監(jiān)測型，維修型，教育型和調(diào)試型，而從體系上說它可分為集中式專家系統(tǒng)，分布式專家系統(tǒng)，神經(jīng)網(wǎng)絡專家系統(tǒng)，符號系統(tǒng)與神經(jīng)網(wǎng)絡結(jié)合的專家系統(tǒng)。宏觀與微觀隔離。一方面是哲學、認知科學、思維科學和心理學等學科所研究的智能層次太高、太抽象;另一方面是人工智能邏輯符號、神經(jīng)網(wǎng)絡和行為主義所研究的智能層次太低。這兩方面之間相距太遠，中間還有許多層次未予研究，無法把宏觀與微觀有機地結(jié)合起來和相互滲透。
全局與局部割裂。人類智能是腦系統(tǒng)的整體效應，有著豐富的層次和多個側(cè)面。但是，符號主義只抓住人腦的抽象思維特性;連接主義只模仿人的形象思維特性;行為主義則著眼于人類智能行為特性及其進化過程。它們存在明顯的局限性。必須從多層次、多因素、多維和全局觀點來研究智能，才能克服上述局限性。
理論和實際脫節(jié)。大腦的實際工作，在宏觀上我們已知道得不少;但是智能的千姿百態(tài)，變幻莫測，復雜得難以理出清晰的頭緒。在微觀上，我們對大腦的工作機制卻知之甚少，似是而非，使我們難以找出規(guī)律。在這種背景下提出的各種人工智能理論，只是部分人的主觀猜想，能在某些方面表現(xiàn)出”智能”就算相當成功了。上述存在問題和其它問題說明，人腦的結(jié)構(gòu)和功能要比人們想象的復雜得多，人工智能研究面臨的困難要比我們估計的重大得多，人工智能研究的任務要比我們討論過的艱巨得多。同時也說明，要從根本上了解人腦的結(jié)構(gòu)和功能，解決面臨的難題，完成人 工智能的研究任務，需要尋找和建立更新的人工智能框架和理論體系，打下人工智能進一步發(fā)展的理論基礎(chǔ)。我們至少需要經(jīng)過幾代人的持續(xù)奮斗，進行多學科聯(lián)合協(xié)作研究，才可能基本上解開”智能”之謎，使人工智能理論達到一個更高的水平。
5 結(jié)論
發(fā)展至今，人工智能已在人類生活中扮演著一個非常重要的角色，許多人的生活都已經(jīng)離不開人工智能產(chǎn)品，它對人們的生活產(chǎn)生了巨大的影響。隨著人工智能的不斷研究與發(fā)展，相信在未來的將來，他將會給我們的生活帶來更大的改變，到時候人類將正真進入到一個人工智能時代，涌現(xiàn)出更多的人工智能產(chǎn)品，給人類生活帶來更大方便。
人工智能小論文篇二
人工智能(Artificial Intelligence, AI)是20世紀50年代中期興起的一門新興邊緣科學，它既是計算機科學的一個分支，又是計算機科學、控制論、信息論、語言學、神經(jīng)生理學、心理學、數(shù)學、哲學等多種學科相互滲透而發(fā)展起來的綜合性學科。人工智能又稱為智能模擬，是用計算機系統(tǒng)模仿人類的感知、思維、推理等思維活動。它研究和應用的領(lǐng)域包括模式識別、自然語言理解與生成、專家系統(tǒng)、自動程序設計、定理證明、聯(lián)想與思維的機理、數(shù)據(jù)智能檢索等。例如，用計算機模擬人腦的部分功能進行學習、推理、聯(lián)想和決策;模擬醫(yī)生給病人診病的醫(yī)療診斷專家系統(tǒng);機械手與機器人的研究和應用等。
人工智能開拓者是羅伯特·維納。1940年他創(chuàng)立了控制和傳遞。維納認為計算機在組織和傳遞信息方面可能比人類更準確。從理論上講,計算機在控制周圍環(huán)境和外界通訊時會比人類更準確人工智能領(lǐng)域的研究是從1956年正式開始的，這一年在達特茅斯大學召開的會議上正式使用了"人工智能"(artificial intelligence，ai)這個術(shù)語。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語言理解、博弈、自動程序設計、專家系統(tǒng)、學習以及機器人學等多個角度展開了研究，已經(jīng)建立了一些具有不同程度人工智能的計算機系統(tǒng)，例如能夠求解微分方程、設計分析集成電路、合成人類自然語言，而進行情報檢索，提供語音識別、手寫體識別的多模式接口，應用于疾病診斷的專家系統(tǒng)以及控制太空飛行器和水下機器人更加貼近我們的生活。我們熟知的ibm的"深藍"在棋盤上擊敗了國際象棋大師卡斯帕羅夫就是比較突出的例子。
人類進化以來,為了擴大自身的能力,已經(jīng)發(fā)明了很多不同的工具,如:棍棒、斧子、犁、軋棉機、蒸汽機、無線電收音機和電視機等。早在13世紀,就曾提出過自動機器或機器人的設想。從17世紀到18世紀,機械自動裝置變得普遍起來,當時出現(xiàn)了能跳舞或能演雜技的娃娃,它們附在發(fā)出樂曲的小盒子和時鐘上,隨著19世紀的工業(yè)和20世紀初葉自動化工廠的出現(xiàn),人們擔心機器會取代人。早期的科學幻想小說重復出現(xiàn)機器人接管世界的題材。直到50年代出現(xiàn)了電子計算機,人們可以進行加減運算,完成以前只有人類才能完成的活動。例如分類、比較,根據(jù)先前的結(jié)果改變自己的工作程序等等。
但早期的計算機體積大,可靠性差,價格昂貴,因而人們認為要計算機模擬人工智能的嘗試是注定要失敗的。很早以前,人們就對自動化機器的理論有過重大的貢獻。其中最突出的是卓越的數(shù)學家諾依曼。諾依曼認為,人類神經(jīng)系統(tǒng)與計算機的電子電路有許多相似之處。人類的神經(jīng)系統(tǒng)通過刺激或休止(稱為神經(jīng)動脈)來傳遞信息,而計算機用類似的二進制碼“0”或“1”傳輸信息,數(shù)碼“1”在計算機內(nèi)部表示“通”狀態(tài),就象刺激神經(jīng)細胞,數(shù)碼“0”則表示“斷”狀態(tài),就象神經(jīng)細胞未受到刺激一樣。在我們?nèi)粘Ｉ钪?無論是看、聽、觸摸,都是用和計算機二進制碼十分相似的雙態(tài)碼來傳輸信息的。
當然，人工智能的發(fā)展也并不是一帆風順的，也曾因計算機計算能力的限制無法模仿人腦的思考以及與實際需求的差距過遠而走入低谷，但是隨著硬件和軟件的發(fā)展，計算機的運算能力在以指數(shù)級增長，同時網(wǎng)絡技術(shù)蓬勃興起，確保計算機已經(jīng)具備了足夠的條件來運行一些要求更高的ai軟件，而且現(xiàn)在的ai具備了更多的現(xiàn)實應用的基礎(chǔ)。90年代以來，人工智能研究又出現(xiàn)了新的高潮
最初,人工智能實驗都是游戲性質(zhì)的,主要是下棋一類的游戲。代寫論文選擇游戲作為實驗內(nèi)容并非出于消遣,而是由于它與其它解決問題的方法有頗多的相似之處。做游戲時,必須判斷和決定多種選擇,需作短計劃和長安排。一般都有進攻戰(zhàn)略和防御戰(zhàn)略;必須遵照一定的規(guī)則。要想取得一場游戲的勝利,就必須設法做到失的最少得的最多。游戲中出現(xiàn)的各種情況都需作出判斷和抉擇,這如同日常生活中經(jīng)常遇到的問題。作出抉擇需要聰明和智慧。在人類解決方法的研究方面,計算機是一個極好的工具。
人工智能的兩大目標就是能理解人類的智能,使計算機用途更廣泛。許多研究者認為:智能機器的關(guān)鍵總是如何表達知識,從而使計算機能用這種知識將知識具體應用在計算機程序中雖然必要,但很困難。即使回答日常生活中的極簡單的問題,也需要大量的知識,而且其中許多知識我們是不知道的。
現(xiàn)在主要有兩種類型的機器人:工業(yè)機器人和智能機器人。這兩種類型都是人工智能研究者的研究范圍,但重點在智能機器人上。他們集中力量 研究感覺上的認識,以及這些認識如何用計算機來表達,人們已經(jīng)研制出計算機輔助視覺和聽覺裝置、計算機輔助活動肢體和其他用微機控制的假體裝置。用智能機器人來探查海底和太空的奧秘更為實際,因為在這些環(huán)境中工作既艱難又危險。研制一種不需要人參與就能完成探索工作的智能機器人,以便讓他們到宇宙空間去探索。由于這項工作遠離地球,用人類控制的機器人就不適宜了?，F(xiàn)在美國國家航空和航天局使用的機器人是完全獨立的,它能采集巖石,收集土壤和其它勘探的研究項目,這些工作都不用人指揮。無論如何,在真正智能化的自主機器人制成之前,研究者們必須首先更深入地掌握、控制人類行為過程的奧秘。通過計算機科學家、神經(jīng)學家、生理學家的共同努力,我們已逐漸對人類的視聽、觸摸、感覺和四肢移動的方法有了更深的了解。但是,還留下一個最困難的、或許也是最重要的領(lǐng)域需要征服———這就是語言。
計算機目前還沒能完全理解語言的復雜和細微的差別。至于自然語言的計算機翻譯器,在初期研制階段,對算法上規(guī)范化的句子,就已經(jīng)顯示出相當高的理解力和造句能力。不過,在抓住句子的意思這一點上,還未獲得過顯著的成就。我們懂得的東西大量來自上下文關(guān)系和我們的知識。人們的生活中,個人、社會和文化見解對句子上附著的意義施加了很大的影響,試圖定量表示人類對語言的理解無疑是人工智能研究領(lǐng)域中最復雜的問題之一。
在人工智能研究中,使用計算機產(chǎn)生了很多意義深遠的課題。通過人工智能的研究,人們對人類的精神能力和身體能力都有了更深入的了解。在工業(yè)上,人工智能專家們已研制出工業(yè)機器人和智能機器人,以便完成單調(diào)、危險及困難的工作。使人類解放出來,把他們的時間更有效地用于創(chuàng)造性的研究、設計,以及人們之間的相互交往等人類特有的活動中去,這便是人工智能各種應用的推動力。在醫(yī)學和其它高級科學技術(shù)領(lǐng)域內(nèi),由于人工智能的進展,那些離開計算機就解決不了的難題正獲得解決。
人工智能研究工作的進展和困難將會極大地影響人工智能研究的未來。計算機體積的縮小和成本的下降對人工智能的影響不是最重要的,發(fā)展的主要限制來自軟件。語文障礙的克服,或者在什么時候克服,無疑將是今后發(fā)展人工智能的關(guān)鍵。正如我們所看到的那樣,為了使計算機理解自然語言,并具有智能行為,必須使探索、知識表達,自然語言等主要研究領(lǐng)域結(jié)合起來,形成一個系統(tǒng)。與此同時人工智能的研究將繼續(xù)對許多學科產(chǎn)生深遠的影響。
人工智能小論文篇三
計算機研究的最終目標是人工智能。最開始接觸人工智能是在大街上看見人擺著一臺電腦，邊上的招牌上寫著“電腦算命”，當時電腦還沒普及，很多人都圍著那個人，當時覺得很神奇，后來開始接觸電腦覺得那只是一個人開發(fā)出來的軟件，再后來接觸了程序，當時那個算命系統(tǒng)也毫無神秘感了。那也算人工智能吧。當代人類對人工智能的研究還停留在非常初級階段。人工智能(ArtificialIntelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方做出反應的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。相對硬件的發(fā)展速度人工智能的進展也比較慢。要想達到動物那么智能還需要長的一段時間，比如說斗地主游戲。玩家在線對戰(zhàn)很容易實現(xiàn)，試了很多個版本的斗地主但計算機都玩的很差。斗地主的算法用程序比象棋更難實現(xiàn)，牌的變化和還要和另一名玩家合作。象棋程序要增加學習功能很簡單，但斗地主給一個學習功能也不好怎么學習了。
一個人機對戰(zhàn)的軟件必須由兩方面的人來解決，比如說象棋首先要一個比較懂象棋的人，還需要程序員理解懂象棋的人走法，然后轉(zhuǎn)化為程序。象棋軟件的靈活程度就由這兩個領(lǐng)域的人決定。還有圖像識別也是很難做到的事情，當然要是真的能實現(xiàn)那也會帶來新的問題，比如我的驗證碼將會沒有用了。現(xiàn)在來說任何一個動物都比計算機智能的多。人工智能發(fā)展是一個非常我們還有很長的路要走。
專家系統(tǒng)是人工智能應用研究的主要領(lǐng)域。專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題，簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。
20世紀60年代初，出現(xiàn)了運用邏輯學和模擬心理活動的一些通用問題求解程序，它們可以證明定理和進行邏輯推理。但是這些通用方法無法解決大的實際問題，很難把實際問題改造成適合于計算機解決的形式，并且對于解題所需的巨大的搜索空間也難于處理。
1965年，f.a.費根鮑姆等人在總結(jié)通用問題求解系統(tǒng)的成功與失敗經(jīng)驗的基礎(chǔ)上，結(jié)合化學領(lǐng)域的專門知識，研制了世界上第一個專家系統(tǒng)dendral，可以推斷化學分子結(jié)構(gòu)。20多年來，知識工程的研究，專家系統(tǒng)的理論和技術(shù)不斷發(fā)展，應用滲透到幾乎各個領(lǐng)域，包括化學、數(shù)學、物理、生物、醫(yī)學、農(nóng)業(yè)、氣象、地質(zhì)勘探、軍事、工程技術(shù)、法律、商業(yè)、空間技術(shù)、自動控制、計算機設計和制造等眾多領(lǐng)域，開發(fā)了幾千個的專家系統(tǒng)，其中不少在功能上已達到，甚至超過同領(lǐng)域中人類專家的水平，并在實際應用中產(chǎn)生了巨大的經(jīng)濟效益。
人機界面是系統(tǒng)與用戶進行交流時的界面。通過該界面，用戶輸入基本信息、回答系統(tǒng)提出的相關(guān)問題，并輸出推理結(jié)果及相關(guān)的解釋等。以前在互聯(lián)網(wǎng)迅速發(fā)展的時代誕生了義批互聯(lián)網(wǎng)公司。未來將來是物聯(lián)網(wǎng)和云計算的時代，一個企業(yè)的生存之道。360安全衛(wèi)士中有一個專家系統(tǒng)。當用戶電腦出現(xiàn)問題時打開專家系統(tǒng)的程序，然后就出現(xiàn)了一個聊天界面用戶，用戶再往里描述自己的問題，專家再處理幾秒。然后再提出一個建議，假如用戶認為建議是對的就點擊那個鏈接，然后就啟動的客戶機上的程序進行修復問題。
當然人的描述不一定很清楚系統(tǒng)也不一定能了解。當系統(tǒng)不能了解時系統(tǒng)會將描述提交給人，由人來理解，工作人員會給出結(jié)果，然后系統(tǒng)也會記下來，下次有客戶描述時就可以給出結(jié)果了。
綜合數(shù)據(jù)庫專門用于存儲推理過程中所需的原始數(shù)據(jù)、中間結(jié)果和最終結(jié)論，往往是作為暫時的存儲區(qū)。解釋器能夠根據(jù)用戶的提問，對結(jié)論、求解過程做出說明，因而使專家系統(tǒng)更具有人情味。比如中國移動的那個短信平臺就比較有人情味。發(fā)一些聊天的短信過去，它的回信也比較有意思。知識獲取是專家系統(tǒng)知識庫是否優(yōu)越的關(guān)鍵，也是專家系統(tǒng)設計的“瓶頸”問題，通過知識獲取，可以擴充和修改知識庫中的內(nèi)容，也可以實現(xiàn)自動學習功能。專家那個知識庫會根據(jù)用戶的情況而修改和增加知識。當然這個系統(tǒng)還是有很多不足的，首先系統(tǒng)無法理解一些不好描述的問題，解決問的方法也局限在360安全衛(wèi)士所能解決的功能，自己順著360安全衛(wèi)士界面找也能找到解決問題的功能按鈕，或許還找的明白些。首先一般自己不會找的大部分是不太會使用電腦的，萬一那個專家推薦的解決方法是錯誤的，那用戶卻信了“專家”，然后使電腦的問題更嚴重。這也是專家系統(tǒng)的不足，也是人工智能當前的發(fā)展還處于初級階段。未來發(fā)展的專家系統(tǒng)，能經(jīng)由感應器直接由外界接受資料，也可由系統(tǒng)外的知識庫獲得資料，在推理機中除推理外，上能擬定規(guī)劃，仿真問題狀況等。知識庫所存的不只是靜態(tài)的推論規(guī)則與事實，更有規(guī)劃、分類、結(jié)構(gòu)模式及行為模式等動態(tài)知識。
或許能實現(xiàn)機器人看病而不會將病人診死，人病了就直接和機器人接觸然后機器人就可以根據(jù)病人的情況和描述來開藥、打針甚至做手術(shù)。當然這還有很長一段路要行走。剛開始的時候誰還敢直接讓機器人看病，這必須要這項技術(shù)成熟了才能真正在醫(yī)院中使用。這些事由機器人來做那那些真正的專家不就沒了工作嗎?等真正能實現(xiàn)這個的時候那專家也只要享受了。