传统学科结合AI成功发表一区论文，漫话“科研万金油AI”
当前很多学科都有与人工智能相结合的细分方向，近几年人工智能在传统学科领域的应用和研究也开始逐渐成为一个新的趋势，借助于人工智能来实现创新也是当前很多非计算机专业研究生的选择。
文末，笔者向大家分享一本书——《漫话人工智能》，作者坂本真树是人工智能学会杂志编委，介绍了人工智能的方方面面，包括AI的历史、现状、未来、发展、工作原理、应用实例。这本书旨在令完全不了解人工智能的读者也能轻松阅读并学习。这本书让严肃的语言变得亲近可爱，妙趣横生的插图让这本书简单易懂，笔者觉得这是一本值得各个学科领域、各个年龄段的人都可以阅读的书。
最新一区论文
这篇论文是由北京林业大学林学院的老师和学生们发表的地球科学类论文“A machine learning algorithm to detect pine wilt disease using UAV-based hyperspectral imagery and LiDAR data at the tree level”——一种利用基于无人机的高光谱图像和激光雷达数据来检测松树枯萎病的机器学习算法。
论文下载地址如下：
https://doi.org/10.1016/j.jag.2021.102363
有相关专业或者感兴趣的读者可以自行下载！
这篇论文是4月13日被接受，5月10日线上见刊。
- Received 13 April 2021,
- Revised 9 May 2021,
- Accepted 10 May 2021,
- Available online 23 May 2021.
这篇论文的Acknowledgements部分，作者对投必得润色编辑服务予以致谢！我们由衷感谢作者团队对我们的信任和支持！下图是这篇SCI论文作者对投必得的致谢。
作者&单位
这篇论文的作者是北京林业大学林学院的老师和学生们！
林学院是北京林业大学具有鲜明特色的研究型学院，是学校历史最久、师资最强、培养人才最多的传统和优势学院，也是我国林业行业人才培养、科学研究和产学研联合的核心基地。学院在编教职工126人，其中教授41人，副教授34人，讲师30人，多人在学术团体担任副理事长以上职务。学院设有林学类（林学专业、林学专业城市林业方向、林学专业森林防火方向、森林保护专业）、草业科学、地理信息系统等6个本科专业或专业方向。
期刊情报
接下来我们用投必得的iJournal期刊查询与选择平台
（https://ijournal.topeditsci.com/home）来查看一下这本期刊的详细信息。
International Journal of Applied Earth Observation and Geoinformation(国际应用对地观测与地理信息杂志)在中科院分区中为地球科学大类1区顶刊，主要刊发遥感对地观测数据在环境与资源方面的应用论文。该期刊是由Elsevier出版发行的，2020年实时影响因子是5.933，JCR分区Q2，中科院1区。
iJournal提供了期刊影响因子预测功能，欢迎大家关注和使用！
人工智能是什么
人们研究人工智能的目标不是知道人类在做什么，而是要通过人工（从工程学角度）实现人的智能。这里比较有名的一个实验是图灵测试（模仿游戏）：测试者由人类担任，测试者与搭载人工智能得计算机进行五分钟的对话。然后判断对方是人类还是人工智能。2014年俄罗斯研发的人工智能Eugene Goostman通过了图灵测试。人类基于人工智能拍摄了很多电影，例如机械姬、终结者、她、超越那一天等。这里笔者推荐大家看看英国电脑科学家图灵的传记电影《模仿游戏》。
人工智能（Artificial Intelligence）是1966年夏天，于达特茅斯会议提出的。1946年，电子数字积分计算机ENIAC面世。1951年，明斯基制造了神经网络学习机器硬件，是世界上第一个自主学习的人工智能。
人工智能的发展经历了3次人工智能热潮。人工智能的等级可以分为5级。
人工智能不具备与外界相互作用的身体，也没有捕获信息的五官，无法理解所谓的常识或隐含的意思，无法发挥出引导人行动的领导力，不能拥有真正的心。
通用人工智能主要专注于研制像人一样思考、像人一样从事多种用途的机器：大脑新皮质（负责诸如视觉、听觉、语言、计算和计划之类的处理工作）——无监督学习；大脑基底核（尽量做对自己有益的事，不做无益之事）——强化学习；小脑（简单的神经回路）——监督学习。
容易导入人工智能的事物
人类通过五感获取信息，计算机以各种文件格式捕获信息。各种数据以文件形式存储在计算机中。计算机易于处理的语言、动画和音频之类的信息，也可以很好地应用于人工智能中。
图像识别竞赛ILSVRC（ImageNet Large Scale Visual Recognition Challenge）是近年来机器视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平。ImageNet数据集是ILSVRC竞赛使用的是数据集，由斯坦福大学李飞飞教授主导，ImageNet包含了超过1400万张照片。人工智能通过机器学习的途径学习1000万张照片，再用其中15万张照片进行测试，识别正确率最高的获胜。
（ImageNet概述图，图源百度百科）
2012年，基于深度学习的图像识别技术在这个比赛上正式发布。GPU技术的进步也为计算机能力的迅速发展做出了贡献。除了物体识别，人工智能也逐渐实现只有人类在才能做到的“质感识别”。目前人脸识别技术可以说与人眼视觉相当，甚至能够超过人眼的视觉能力。
不容易导入人工智能的事物
人工智能能够正确地获得语音和文字信息，但是很难读懂其中所要表达的含义。2011年日本国立情报研究所主导的Torobo-kun机器人理科数学成绩优秀，但是需要深刻理解语言含义的考试中表现平平，最终放弃了自己的东大梦想。2021年6月1日，清华大学计算机系知识工程实验室开发了中国首个原创虚拟学生—华智冰。华智冰背后依托的是中国“悟道”超大规模人工智能模型。
（华智冰概述图，图源百度百科）
人类通过视觉、听觉、嗅觉、味觉、触觉获取外界信息，人工智能只有视觉和听觉。人工智能的味觉是运用人工智能本身的语言信息处理能力推测人类最有可能喜欢的菜品。人工智能的嗅觉通过遥感系统感应大气中的气味进行识别。智能传感器可以感知天然气泄露，识别气味的人工智能研究较少。人工智能研究和机器人研究的交叉领域中，人形机器人研究领域非常重视触觉。人工智能的触觉需要触觉传感器表面能够拉伸和收缩，触觉研究是难点。将触觉感受用语言表示，人工智能也能间接拥有触觉。
写在最后
以上便是笔者对《漫话人工智能》前3章内容的总结，下一期会分享这本书的后半部分：“人工智能是怎样从信息中学习的？”和“人工智能的应用实例“。
《漫话人工智能：坂本真树老师带你轻松读懂人工智能》阅读笔记完整版思维导图分享链接：https://mm.edrawsoft.cn/wx.html?work_id=128465