基于深度学习的程序生成与补全技术研究进展

自动化软件开发一直是软件工程领域的研究热点.目前,互联网技术促进了开源软件和开源社区的发展,这些大规模的代码和数据成为自动化软件开发的机遇.与此同时,深度学习也在软件工程领域开始得到应用.如何将深度学习技术用于大规模代码的学习,并实现机器自动编写程序,是人工智能与软件工程领域的共同期望.机器自动编写程序,辅助甚至在一定程度上代替程序员开发程序,极大地减轻了程序员的开发负担,提高了软件开发的效率和质量.目前,基于深度学习方法自动编写程序主要从两个方面实现：程序生成和代码补全.对这两个方面的应用以及主要涉及的深度学习模型进行了介绍.     

程序智能合成技术研究进展

近年,随着信息技术快速发展,软件重要性与日俱增,极大地推动了国民经济的发展.然而,由于软件业务形态越来越复杂和需求变化越来越快,软件的开发和维护成本急剧增加,迫切需要探索新的软件开发模式和技术.目前各行业在软件活动中积累了规模巨大的软件代码和数据,这些软件资产为软件智能化开发建立了数据基础.与此同时,深度学习等人工智能技术在多领域取得的成功应用,促使研究者考虑使用智能化技术与软件工程技术相结合解决程序自动生成问题.程序智能合成方法是程序自动生成的新途径,通过实现软件开发过程自动化,提高软件生产率.本文首先分析了软件工程发展历程及挑战.进而研究了智能化程序合成技术领域的研究布局,以及各方法的优势和劣势.最后,对程序智能合成技术加以总结并给出了未来研究建议.     

让未来世界透明可解释的智能软件技术与方法

<正>人工智能作为计算机科学最活跃的研究领域,在为人类持续创造新的惊喜的同时,也带来了关于可信性与可解释性的问题与挑战。2022年11月27日,中国软件大会“面向可解释人工智能的软件工程方法与技术”论坛在线上召开。论坛联合主席石川教授应邀作了题为“异质图神经网络及其在软件工程领域的应用思考”的特邀报告,分享了他在异质图神经网络模型领域的最新研究进展,着重介绍了将现实复杂交互系统建模为图结构,并通过异质图神经网络进行预测分析的模型、系统和应用的新研究成果。论坛联合主席邢颖副教授应邀为本专题撰写《基于可解释性人工智能的软件工程技术方法综述》,分享了她对可解释性人工智能基本概念以及模型可解释性评估的理解,从软件工程研究者的角度分析了恶意软件检测、高风险组件检测、软件负载分配、二进制代码相似性分析等通过可解释AI提升智能软件系统可信度的方法,展望了软件工程与可解释人工智能相结合的重要研究方向。     

面向Agent软件工程技术研究

面向Agent软件工程技术是软件工程和人工智能领域最重要的新技术之一.同现有其他软件工程模式相比,Agent提供了一种对软件实体的更高层次的抽象模型,同时,面向Agent软件工程也为我们提供了分析和设计复杂分布式软件系统的一种新途径.本文详细地研究了面向Agent软件工程的主要建模技术和方法,并提出了基于多Agent的软件工程技术.     

信通院发布《人工智能发展白皮书-技术架构篇(2018年)》

9月6日,中国信息通信研究院(以下简称信通院)与中国人工智能产业发展联盟联合发布研究成果《人工智能发展白皮书-技术架构篇(2018年)》(以下简称《白皮书》)。据介绍,《白皮书》以深度学习算法驱动的人工智能技术为主线,首先对人工智能发展的技术历史进行简单回顾,阐述深度学习带动本轮人工智能产业发展的根本原因;第二,围绕算法、数据和算力(计算能力)“三驾马车”,分析机器学习算法、人工智能加速芯片、训练及推断数据、软件框架、编译器等基础技术的基本情况、现状和特点;第三,系统梳理了基于深度学习的智能语音、计算机视觉、自然语言理解这三大基础应用技术及其发展的现状、应用领域;第四,提出了目前基于深度学习的人工智能技术发展问题和趋势。     

基于深度学习的军事情报智能推荐技术研究

军事情报推荐系统是帮助指挥员快速获取情报信息的有力工具,深度学习技术是人工智能领域的研究热点,基于深度学习的智能推荐技术已成为军事情报领域应用与研究的重点方向。本文介绍了情报推荐技术的军事背景与一般框架,系统梳理了5种典型的基于深度学习的推荐算法,对各类技术在不同应用场景下的主要优缺点进行了对比;最后总结了基于深度学习的智能推荐算法在军事情报中的具体应用,并根据军事情报智能推荐的特点,提出未来可能的研究方向,为后期研究提供依据与参考。     

人工智能在基础教育中的创新应用

人工智能是开启未来智能世界的钥匙,也是未来科技发展的制高点。近年来,随着大数据智能、深度学习、类脑智能、自主控制和群体学习等新一代人工智能技术的发展,人工智能迎来了新一轮爆发,走入大众视野,改变着各行各业。     

基于AI+IOT的智慧家居系统

利用人工智能技术和深度学习算法,设计开发了基于AI+IOT的智慧家居系统。基于百度提供的免费的语音识别云平台,该系统使用ZigBee网络,对家居环境数据进行采集、分析,并通过物联网技术和人工智能技术实现远程语音控制各种家电的功能。基于深度学习,系统通过百度语音识别技术对自然语言进行语音识别,通过搭建系统编译环境成功融合了AI技术和IOT技术实现了具有语音控制功能的智能家居系统,致力于为人们提供更加便捷智能的生活。     

深度学习方法在软件分析中的应用

大数据时代下迅速兴起的深度学习已在计算机视觉等多个领域取得了重大进展。近年来,随着软件制品的积累,这一方法也开始在软件工程领域发挥重要作用。概述了利用深度学习处理不同软件分析任务的研究进展,总结了主要研究方向和应用特点。目前已有一批重要成果发表,相关研究热度呈现上升趋势。最后探讨了现有深度学习技术在应用时的一些局限性与问题。     

Windows平台恶意软件智能检测综述

近年来,恶意软件给信息技术的发展带来了很多负面的影响.为了解决这一问题,如何有效检测恶意软件则一直备受关注.随着人工智能的迅速发展,机器学习与深度学习技术逐渐被引入到恶意软件的检测中,这类技术称之为恶意软件智能检测技术.相比于传统的检测方法,由于人工智能技术的应用,智能检测技术不需要人工制定检测规则.此外,具有更强的泛化能力,能够更好地检测先前未见过的恶意软件.恶意软件智能检测已经成为当前检测领域的研究热点.主要介绍了当前的恶意软件智能检测相关工作,包含了智能检测所需的主要环节.从智能检测中常用的特征、如何进行特征处理、智能检测中常用的分类器、当前恶意软件智能检测所面临的主要问题4个方面对智能检测相关工作进行了系统地阐述与分类.最后,总结了先前智能检测相关工作,阐明了未来潜在的研究方向,旨在能够助力恶意软件智能检测的发展.     

智能可视化与可视分析

可视化与可视分析已成为众多领域中结合人类智能与机器智能协同理解、分析数据的常见手段。人工智能可以通过对大数据的学习分析提高数据质量,捕捉关键信息,并选取最有效的视觉呈现方式,从而使用户更快、更准确、更全面地从可视化中理解数据。利用人工智能方法,交互式可视化系统也能更好地学习用户习惯及用户意图,推荐符合用户需求的可视化形式、交互操作和数据特征,从而降低用户探索的学习及时间成本,提高交互分析的效率。人工智能方法在可视化中的应用受到了极大关注,产生了大量学术成果。本文从最新工作出发,探讨人工智能在可视化流程的关键步骤中的作用。包括如何智能地表示和管理数据、如何辅助用户快速创建和定制可视化、如何通过人工智能扩展交互手段及提高交互效率、如何借助人工智能辅助数据的交互分析等。具体而言,本文详细梳理每个步骤中需要完成的任务及解决思路,介绍相应的人工智能方法（如深度网络结构）,并以图表数据为例介绍智能可视化与可视分析的应用,最后讨论智能可视化方法的发展趋势,展望未来的研究方向及应用场景。     

基于知识图谱的智能问答研究综述

基于知识图谱的问答是近年来研究热点,从基于模板、语义解析、深度学习、知识图谱嵌入四方面介绍基于知识图谱智能问答实现,归纳了各类方法的优缺点,及尚未解决的关键问题。结合当前人工智能技术发展,重点介绍了基于深度学习的智能问答,有助于更多研究者投身于智能问答研究,根据不同行业需求研发适用于不同领域的问答系统,提高社会智能化信息服务水平。     

第三届Agent理论与应用学术会议（Agent2010）征文通知

主办：中国计算机学会人工智能与模式识别专业委员会 承办：国防科学技术大学计算机学院 Agent理论、技术和应用的研究近年来在人工智能、软件工程、信息系统、分布计算、人机交互等领域非常活跃,它日趋与软件工程、信息系统、面向服务计算、数据挖掘、网格计算、对等计算、自治计算和通讯、模拟仿真、自适应和自组织系统等方面的研究相融合,通过交叉和借鉴其它学科知识,为复杂、灵活和具有智能特征的计算机系统开发提供基础理论和关键技术。     

从智能模拟到智能工程：论人工智能研究范式的转变

本文从人工智能涉及的一些基本概念入手,分析了基于智能模拟的研究范式的局限性,提出了一种更加实用的、工程化的研究范式：智能工程。这种研究范式强调机器智能行为的开发,特别是人机合作的智能系统的开发。它以传统人工智能理论、控制论、系统论、ａｇｅｎｔ理论、软件工程为基础,以Ｉｎｔｅｒｎｅｔ、Ｉｎｔｒａｎｅｔ为应用的舞台。人工智能的理论和实践也表明,这种基于智能工程的研究范式是符合人工智能发展趋势的。     

第三届Agent理论与应用学术会议（Agent2010）征文通知

主办：中国计算机学会人工智能与模式识别专业委员会 承办：国防科学技术大学计算机学院 Agent理论、技术和应用的研究近年来在人工智能、软件工程、信息系统、分布计算、人机交互等领域非常活跃．它日趋与软件工程、信息系统、面向服务计算、数据挖掘、网格计算、对等计算、自治计算和通讯、模拟仿真、自适应和自组织系统等方面的研究相融合,通过交叉和借鉴其它学科知识,为复杂、灵活和具有智能特征的计算机系统开发提供基础理论和关键技术．     

基于人工智能的医院信息系统集成与性能优化

本文基于人工智能探讨医院信息系统集成与性能优化的问题,通过引入深度学习技术,实现对医疗数据的智能分析,提升诊断和治疗效率。实验结果表明,基于人工智能的医院信息系统集成与性能优化方法在不同规模的医疗机构中实现了显著的性能提升,为医疗服务的提升和升级提供了可行的技术支持。     

深度强化学习进展: 从AlphaGo到AlphaGo Zero

2016年初,AlphaGo战胜李世石成为人工智能的里程碑事件.其核心技术深度强化学习受到人们的广泛关注和研究,取得了丰硕的理论和应用成果.并进一步研发出算法形式更为简洁的AlphaGo Zero,其采用完全不基于人类经验的自学习算法,完胜AlphaGo,再一次刷新人们对深度强化学习的认知.深度强化学习结合了深度学习和强化学习的优势,可以在复杂高维的状态动作空间中进行端到端的感知决策.本文主要介绍了从AlphaGo到AlphaGo Zero的深度强化学习的研究进展.首先回顾对深度强化学习的成功作出突出贡献的主要算法,包括深度Q网络算法、A3C算法、策略梯度算法及其他算法的相应扩展.然后给出AlphaGo Zero的详细介绍和讨论,分析其对人工智能的巨大推动作用.并介绍了深度强化学习在游戏、机器人、自然语言处理、智能驾驶、智能医疗等领域的应用进展,以及相关资源进展.最后探讨了深度强化学习的发展展望,以及对其他潜在领域的人工智能发展的启发意义.     

自然语言处理中的深度学习分析方法及应用

人工智能设备在进行自然语言处理时,需要通过神经网络的方式进行特征自学习,随着技术发展,自学习在特征提取和选择上有了长足突破。本文在对人工智能深度学习分析方法进行研究中,对当前阶段的人工智能自学习方式进行了充分论述,借助于前馈神经网络和递归神经网络的论述,总结人工智能在自然语言处理中的深度学习方法。随后,借助对深度神经网络模型的建设,对深度学习分析方法的应用方式进行阐述。     

第三届Agent理论与应用学术会议(Agent2010)征文通知

Agent理论、技术和应用的研究近年来在人工智能、软件工程、信息系统、分布计算、人机交互等领域非常活跃,它日趋与软件工程、信息系统、面向服务计算、数据挖掘、网格计算、对等计算、自治计算和通讯、模拟仿真、自适应和自组织系统等方面的研究相融合,通过交叉和借鉴其他学科知识,为复杂、灵活和具有智能特征的计算机系统开发提供基础理论和关键技术．     

人工智能的行为智能和产品智能

本文从人工智能（AI）2.0中的行为智能及其视野三拓展,崛起中的产品智能,智能机器人、无人系统、产品智能化三者协作发展等3个方面进行阐述,明确了人工智能的重要研究领域,分析了人机融合增强智能,指出了产品智能化实现方向,为发挥人工智能在产业升级、产品开发、服务创新等方面的技术优势,促进人工智能同一、二、三产业深度融合,以人工智能技术推动各产业变革等提供参考和借鉴。