精選人工智能的論文集合匯總(四篇)

每個(gè)人都曾試圖在平淡的學(xué)習(xí)、工作和生活中寫一篇文章。寫作是培養(yǎng)人的觀察、聯(lián)想、想象、思維和記憶的重要手段。范文怎么寫才能發(fā)揮它最大的作用呢？下面是小編為大家收集的優(yōu)秀范文，供大家參考借鑒，希望可以幫助到有需要的朋友。

精選人工智能的論文集合匯總一

１、促進(jìn)教育方式的變革，培養(yǎng)學(xué)生的綜合能力

在機(jī)器人教育中，課堂以學(xué)生為中心，教師作為指導(dǎo)者提供學(xué)習(xí)材料和建議，學(xué)生必須自己去學(xué)習(xí)知識(shí)，構(gòu)建知識(shí)體系，提出自己的解決方案，從而有效培養(yǎng)了動(dòng)手能力、學(xué)生創(chuàng)新思維能力。

２、有效激發(fā)學(xué)習(xí)興趣、動(dòng)機(jī)“寓教于樂”是我們教育追求的目標(biāo)。這也是當(dāng)前教育游戲成為當(dāng)前研究熱點(diǎn)一個(gè)原因。學(xué)習(xí)興趣是學(xué)生的學(xué)習(xí)成功重要因素。機(jī)器人教育可以通過比賽形式，得到周圍環(huán)境的認(rèn)可和贊賞，能夠激發(fā)學(xué)生學(xué)習(xí)的興趣，激發(fā)學(xué)生的斗志和拼博精神。

３、培養(yǎng)學(xué)生的團(tuán)隊(duì)協(xié)作能力

機(jī)器人教育中大多以小組形式開始，機(jī)器人的學(xué)習(xí)、競賽實(shí)際上是一個(gè)團(tuán)體學(xué)習(xí)的過程。它需要學(xué)習(xí)者團(tuán)結(jié)協(xié)作，包容小組其他成員的缺點(diǎn)和不足，能夠與他人進(jìn)行有效溝通與交流。在實(shí)踐鍛煉中提高自己的團(tuán)隊(duì)協(xié)作能力，其效果比普通的教育方式、方法更加有效。

４、擴(kuò)大知識(shí)面，轉(zhuǎn)換思維方式

在機(jī)器人的學(xué)習(xí)過程中，通過制作機(jī)器人過程中的實(shí)際問題解決，可以學(xué)到模擬電路、力學(xué)等方面知識(shí)，不但對物理學(xué)科、計(jì)算機(jī)學(xué)科的教學(xué)起到促進(jìn)作用，同時(shí)也擴(kuò)大、加深了學(xué)生科學(xué)知識(shí)；通過完成任務(wù)和模擬項(xiàng)目使學(xué)生在為機(jī)器人擴(kuò)充接口的過程中學(xué)習(xí)有關(guān)數(shù)字電路方面的知識(shí)；通過為機(jī)器人編寫程序，不但學(xué)到計(jì)算機(jī)編程語言、算法等顯性知識(shí)，更有意義的是通過為機(jī)器人編寫程序?qū)W到科學(xué)而高效的思維方式，邏輯判斷思維、系統(tǒng)思維等隱性知識(shí)

考慮到中小學(xué)生和機(jī)器人課程的特點(diǎn)，為培養(yǎng)學(xué)生的綜合設(shè)計(jì)能力和創(chuàng)新能力，本人認(rèn)為機(jī)器人教學(xué)應(yīng)該在教學(xué)內(nèi)容、教學(xué)方法、教學(xué)組織方面一改其它課程的教學(xué)模式，走出一條新的路子來。

1、教學(xué)內(nèi)容：機(jī)器人教學(xué)應(yīng)注意學(xué)生知識(shí)廣度的學(xué)習(xí)。雖然僅通過一門課程來擴(kuò)充學(xué)生的知識(shí)面效果有限，但是由于機(jī)器人的設(shè)計(jì)涉及到光機(jī)電一體化、自動(dòng)控制、人工智能等多方面問題，既有硬件設(shè)計(jì)也有軟件設(shè)計(jì)，所以是讓學(xué)生了解和掌握大量知識(shí)的絕好機(jī)會(huì)。知識(shí)不追求深度，只要求廣度。例如在確定教學(xué)內(nèi)容時(shí)，注意力不要僅放在競賽用輪式成品機(jī)器人上，還應(yīng)該關(guān)注單片機(jī)、嵌入式cpu、各種傳感器、電機(jī)、機(jī)械部件等軟硬件技術(shù)在機(jī)器人和自動(dòng)化技術(shù)上的應(yīng)用。

2、教學(xué)方法：應(yīng)根據(jù)學(xué)段和學(xué)科情況選擇不同的綜合設(shè)計(jì)教學(xué)方法。如：小學(xué)階段可讓學(xué)生完成輪式競賽用機(jī)器人的功能模塊組裝的設(shè)計(jì)；初中階段可進(jìn)行生活與學(xué)習(xí)中實(shí)用機(jī)器人的創(chuàng)意設(shè)計(jì)；高中信息技術(shù)課中可重點(diǎn)對機(jī)器人智能軟件算法進(jìn)行設(shè)計(jì)；而高中通用技術(shù)課中可重點(diǎn)對機(jī)器人的電氣部分、傳感器部分、動(dòng)力部分和機(jī)械部分進(jìn)行相關(guān)設(shè)計(jì)。總之，教學(xué)方法應(yīng)該側(cè)重綜合設(shè)計(jì)，而不是放在問題的分析上。

3、教學(xué)組織機(jī)器人教學(xué)應(yīng)事先營造好供學(xué)生動(dòng)手動(dòng)腦進(jìn)行設(shè)計(jì)活動(dòng)的環(huán)境。提供必要的設(shè)備和工具（包括工具軟件），組織學(xué)生進(jìn)行探究式學(xué)習(xí)，特別應(yīng)注意探究式學(xué)習(xí)三個(gè)要素（任務(wù)驅(qū)動(dòng)、協(xié)作學(xué)習(xí)、教師引導(dǎo)）的構(gòu)成，讓學(xué)生能夠充分化動(dòng)手。同時(shí)，還應(yīng)提倡設(shè)計(jì)過程的規(guī)范化，用于提高學(xué)生的綜合設(shè)計(jì)能力。教學(xué)活動(dòng)不僅在課堂上進(jìn)行，還應(yīng)組織學(xué)生在課余時(shí)間做適當(dāng)?shù)墓ぷ鳎员ＷC教學(xué)的完整性和有效性。

教育機(jī)器人活動(dòng)受到越來越多的師生歡迎，教育機(jī)器人必將為我國的素質(zhì)教育做出應(yīng)有的貢獻(xiàn)，教育機(jī)器人的前途是光明的。

精選人工智能的論文集合匯總二

第一章緒論

知識(shí)是一切智能行為的基礎(chǔ)，智力是獲取知識(shí)并運(yùn)用知識(shí)求解問題的能力。

如此反復(fù)進(jìn)行，若出現(xiàn)空子句，則終止歸結(jié)，此時(shí)就證明了q為真。

為推理機(jī)提供求解問題所需的知識(shí)。知識(shí)庫管理系統(tǒng)負(fù)責(zé)對知識(shí)庫中的知識(shí)進(jìn)行組織、檢索、維護(hù)等。推理機(jī)是專家系統(tǒng)的“思維”機(jī)構(gòu)，是構(gòu)成專家系統(tǒng)的核心部分。任務(wù)是模擬領(lǐng)域?qū)＜业乃季S過程，并執(zhí)行對問題的求解。

習(xí)能力與自適應(yīng)能力;具有行為能力。

它是人類智能在計(jì)算機(jī)上實(shí)現(xiàn)的模擬。 第五章不確定與非單調(diào)推理

運(yùn)用不確定的知識(shí)，最終推出具有一定程度的不確定性但卻是合理或者近乎合理的結(jié)論的思維過程。

數(shù)據(jù)庫用于存放用戶提供的初始事實(shí)、問題描述以及系統(tǒng)運(yùn)行過程中得到的工作存儲(chǔ)器。數(shù)據(jù)庫管理系統(tǒng)是用來對數(shù)據(jù)庫進(jìn)行管理。解釋機(jī)構(gòu)能夠?qū)ψ约旱男袨樽鞒鼋?/p>

釋，能跟蹤并記錄推理過程。

近期目標(biāo)

是在現(xiàn)有的電子數(shù)字計(jì)算機(jī)上實(shí)現(xiàn)人類智能的部分模擬，構(gòu)造分別用于不同目的的智能系統(tǒng)。

量度、不確定性匹配算法及閾值的選擇、組合證據(jù)不確定的算法、不確定性的傳遞算法、結(jié)論不確定性的合成等重

為何是“瓶頸”問題：由于

目前獲取知識(shí)的手段還沒有完全實(shí)現(xiàn)自動(dòng)化，許多工作還要用手工方法完成。

學(xué)習(xí)、機(jī)器行為、智能系統(tǒng)及智能計(jì)算機(jī)的構(gòu)造技術(shù)。

臨的問題就行如何物理的安排這些知識(shí)，并建立起邏輯上的聯(lián)系，稱這一工作為知識(shí)的組織。遵守的原則：選用的組織方式應(yīng)使知識(shí)具有相對獨(dú)立性、便于對知識(shí)的搜索、便于對知識(shí)進(jìn)行維護(hù)及管理、便于內(nèi)存與外存的交換、便于在知識(shí)庫中同時(shí)存儲(chǔ)有多種模式表示的知識(shí)、盡量節(jié)省存儲(chǔ)空間。

精選人工智能的論文集合匯總?cè)?/h3>

“人工智能”（artificial intelligence）簡稱ai。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能研究如何用計(jì)算機(jī)去模擬、延伸和擴(kuò)展人的智能；如何把計(jì)算機(jī)用得更聰明；如何設(shè)計(jì)和建造具有高智能水平的計(jì)算機(jī)應(yīng)用系統(tǒng)；如何設(shè)計(jì)和制造更聰明的計(jì)算機(jī)以及智能水平更高的智能計(jì)算機(jī)等。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，人工智能是計(jì)算機(jī)科學(xué)技術(shù)的前沿科技領(lǐng)域。

人工智能與計(jì)算機(jī)軟件有密切的關(guān)系。一方面，各種人工智能應(yīng)用系統(tǒng)都要用計(jì)算機(jī)軟件去實(shí)現(xiàn)，另一方面，許多聰明的計(jì)算機(jī)軟件也應(yīng)用了人工智能的理論方法和技術(shù)。例如，專家系統(tǒng)軟件，機(jī)器博弈軟件等。但是，人工智能不等于軟件，除了軟件以外，還有硬件及其他自動(dòng)化和通信設(shè)備。

人工智能雖然是計(jì)算機(jī)科學(xué)的一個(gè)分支，但它的研究卻不僅涉及到計(jì)算機(jī)科學(xué)，而且還涉及到腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)、邏輯學(xué)、認(rèn)知（思維）科學(xué)、行為科學(xué)和數(shù)學(xué)以及信息論、控制論和系統(tǒng)論等許多學(xué)科領(lǐng)域。因此，人工智能實(shí)際上是一門綜合性的交叉學(xué)科和邊緣學(xué)科。

傳統(tǒng)人工智能主要運(yùn)用知識(shí)進(jìn)行問題求解。從實(shí)用觀點(diǎn)看，人工智能是一門知識(shí)工程學(xué)：以知識(shí)為對象，研究知識(shí)的表示方法、知識(shí)的運(yùn)用和知識(shí)獲取。

人工智能從1956年提出以來取得了很大的進(jìn)展和成功。1976年newell 和simon提出了物理符號(hào)系統(tǒng)假設(shè)，認(rèn)為物理符號(hào)系統(tǒng)是表現(xiàn)智能行為必要和充分的條件。這樣，可以把任何信息加工系統(tǒng)看成是一個(gè)具體的物理系統(tǒng)，如人的神經(jīng)系統(tǒng)、計(jì)算機(jī)的構(gòu)造系統(tǒng)等。80年代newell 等又致力于soar系統(tǒng)的研究。soar系統(tǒng)是以知識(shí)塊(chunking)理論為基礎(chǔ)，利用基于規(guī)則的記憶，獲取搜索控制知識(shí)和操作符，實(shí)現(xiàn)通用問題求解。minsky從心理學(xué)的研究出發(fā)，認(rèn)為人們在他們?nèi)粘５恼J(rèn)識(shí)活動(dòng)中，使用了大批從以前的經(jīng)驗(yàn)中獲取并經(jīng)過整理的知識(shí)。該知識(shí)是以一種類似框架的結(jié)構(gòu)記存在人腦中。因此，在70年代他提出了框架知識(shí)表示方法。到80年代，minsky認(rèn)為人的智能，根本不存在統(tǒng)一的理論。1985年，他發(fā)表了一本著名的書《society of mind(思維社會(huì))》。書中指出思維社會(huì)是由大量具有某種思維能力的單元組成的復(fù)雜社會(huì)。以mccarthy和nilsson等為代表，主張用邏輯來研究人工智能，即用形式化的方法描述客觀世界。邏輯學(xué)派在人工智能研究中，強(qiáng)調(diào)的是概念化知識(shí)表示、模型論語義、演繹推理等。 mccarthy主張任何事物都可以用統(tǒng)一的邏輯框架來表示，在常識(shí)推理中以非單調(diào)邏輯為中心。傳統(tǒng)的人工智能研究思路是“自上而下”式的，它的目標(biāo)是讓機(jī)器模仿人，認(rèn)為人腦的思維活動(dòng)可以通過一些公式和規(guī)則來定義，因此希望通過把人類的思維方式翻譯成程序語言輸入機(jī)器，來使機(jī)器有朝一日產(chǎn)生像人類一樣的思維能力。這一理論指導(dǎo)了早期人工智能的研究。

近年來神經(jīng)生理學(xué)和腦科學(xué)的研究成果表明，腦的感知部分，包括視覺、聽覺、運(yùn)動(dòng)等腦皮層區(qū)不僅具有輸入/輸出通道的功能，而且具有直接參與思維的功能。智能不僅是運(yùn)用知識(shí)，通過推理解決問題，智能也處于感知通道。

1990年史忠植提出了人類思維的層次模型，表明人類思維有感知思維、形象思維、抽象思維，并構(gòu)成層次關(guān)系。感知思維是簡單的思維形態(tài)，它通過人的眼、耳、鼻、舌、身感知器官產(chǎn)生表象，形成初級的思維。感知思維中知覺的表達(dá)是關(guān)鍵。形象思維主要是用典型化的方法進(jìn)行概括，并用形象材料來思維，可以高度并行處理。抽象思維以物理符號(hào)系統(tǒng)為理論基礎(chǔ)，用語言表述抽象的概念。由于注意的作用，使其處理基本上是串行的.

精選人工智能的論文集合匯總四

人工智能技術(shù)

摘要

自上世紀(jì)五十年代以來，經(jīng)過了幾個(gè)階段的不斷探索和發(fā)展，人工智能在模式識(shí)別、知識(shí)工程、機(jī)器人等領(lǐng)域已經(jīng)取得重大成就，但是離真正意義上的的人類智能還相差甚遠(yuǎn)。但是進(jìn)入新世紀(jì)以來，隨著信息技術(shù)的快速進(jìn)步，與人工智能相關(guān)的技術(shù)水平也得到了相應(yīng)的提高。尤其是隨著因特網(wǎng)的普及和應(yīng)用，對人工智能的需求，變得越來越迫切，也給人工智能的研究提供了新的更加廣泛的舞臺(tái)。

定義(artificial intelligence) ，英文縮寫為ai。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)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(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。

人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認(rèn)為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一。這是因?yàn)榻陙硭@得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個(gè)獨(dú)立的分支，無論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。著名的美國斯坦福大學(xué)人工智能研究中心尼爾遜教授對人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科――怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)。”而另一個(gè)美國麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作。”這些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。

ai的開端

實(shí)際應(yīng)用 機(jī)器視覺:指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng),智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，還有航天應(yīng)用等。

學(xué)科范疇 人工智能是一門邊沿學(xué)科，屬于自然科學(xué)和社會(huì)科學(xué)的交叉。

涉及學(xué)科 哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論，仿生學(xué)，

研究范疇 自然語言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)，軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法 人類思維方式

應(yīng)用領(lǐng)域 智能控制，機(jī)器人學(xué)，語言和圖像理解，遺傳編程 機(jī)器人工廠

安全問題目前人工智能還在研究中，但有學(xué)者認(rèn)為讓計(jì)算機(jī)擁有智商是很危險(xiǎn)的，它可能會(huì)反抗人類。這種隱患也在多部電影中發(fā)生過。

:

孕育階段:古希臘的aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法。“知識(shí)就是力量”德國數(shù)學(xué)家、哲學(xué)家leibnitz（布萊尼茲）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號(hào)化，從而能對人的思維進(jìn)行運(yùn) 算和推理。做出了能做四則運(yùn)算的手搖計(jì)算機(jī)英國數(shù)學(xué)家、邏輯學(xué)家boole（布爾）（1815-1864）實(shí)現(xiàn)了布萊尼茨 的思維符號(hào)化和數(shù)學(xué)化的思想,提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。

第一階段: 50 年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機(jī)器定理證明、跳棋程序、通用問題s 求解程序lisp表處理語言等。但由于消解法推理能力的有限，以及機(jī)器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點(diǎn)是：重視問題求解的方法，忽視知識(shí)重要性。

第二階段: 60 年代末到70 年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮dendral 化學(xué)質(zhì)譜分析系統(tǒng)、mycin 疾病診斷和治療系統(tǒng)、prospectior 探礦系統(tǒng)、hearsay-ii 語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實(shí)用化。并且，1969 年成立了國際人工智能聯(lián)合會(huì)議（international joint conferences onartificial intelligence 即ijcai）。

第三階段: 80 年代，隨著第五代計(jì)算機(jī)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(jì)算機(jī)研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)k i p s”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。雖然此計(jì)劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。

第四階段: 80 年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展1987 年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會(huì)議，宣告了這一新學(xué)科的誕生。此后，各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。

第五階段: 90 年代，人工智能出現(xiàn)新的研究高潮由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標(biāo)的分布式問題求解，而且研究多個(gè)智能主體的多目標(biāo)問題求解，將人工智能更面向?qū)嵱谩Ａ硗猓捎趆opfield 多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會(huì)生活的各個(gè)領(lǐng)域。

三大學(xué)派

20世紀(jì)80年代到本世紀(jì)初人工智能研究形成了三大學(xué)派：

隨著人工神經(jīng)網(wǎng)絡(luò)的再度興起和布魯克（）的機(jī)器蟲的出現(xiàn)，人工智能研究形成了符號(hào)主義、連接主義和行為主義三大學(xué)派。

符號(hào)主義學(xué)派

是指基于符號(hào)運(yùn)算的人工智能學(xué)派，他們認(rèn)為知識(shí)可以用符號(hào)來表示，認(rèn)知可以通過符號(hào)運(yùn)算來實(shí)現(xiàn)。例如，專家系統(tǒng)等。

連接主義學(xué)派

是指神經(jīng)網(wǎng)絡(luò)學(xué)派，在神經(jīng)網(wǎng)絡(luò)方面，繼魯梅爾哈特研制出bp網(wǎng)絡(luò)之后，1987年，首屆國際人工神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會(huì)在美國的圣迭戈（san-diego）舉行，掀起了人工神經(jīng)網(wǎng)絡(luò)的第二次高潮。之后，隨著模糊邏輯和進(jìn)化計(jì)算的逐步成熟，又形成了“計(jì)算智能”這個(gè)統(tǒng)一的學(xué)科范疇。

行為主義學(xué)派

是指進(jìn)化主義學(xué)派，在行為模擬方面，麻省理工學(xué)院的布魯克教授1991年研制成功了能在未知的動(dòng)態(tài)環(huán)境中漫游的有6條腿的機(jī)器蟲。

三大學(xué)派的綜合集成

隨著研究和應(yīng)用的深入，人們又逐步認(rèn)識(shí)到，三個(gè)學(xué)派各有所長，各有所短，應(yīng)相互結(jié)合、取長補(bǔ)短，綜合集成。

人工智能的基本方法

人工智能的基本方法有以下幾種：

1、啟發(fā)式搜索：人們解決問題的基本方法是方案--試驗(yàn)法，對各種可能的方案進(jìn)行試驗(yàn)，直至找到正確的方案。搜索策略有盲目搜索、啟發(fā)式搜索之分。盲目搜索是對可能方案進(jìn)行順序的試驗(yàn)；啟發(fā)式搜索是依照經(jīng)驗(yàn)或某種啟發(fā)式信息，摒棄希望不大的搜索方向。啟發(fā)式搜索大大加快搜索過程，使得人們處理問題效率得到提高。

2、規(guī)劃：人們待解決的問題一般可以分解轉(zhuǎn)化為若干小問題，對于每個(gè)小問題還可以進(jìn)行分解。由于解決小問題的搜索大為減少，使得原問題的復(fù)雜度降低，問題的解決得到簡化。規(guī)劃要依靠啟發(fā)式信息，成功與否，很大程度上決定于啟發(fā)信息的可靠程度。

3、知識(shí)的表達(dá)技術(shù)：知識(shí)在計(jì)算機(jī)內(nèi)的表達(dá)方式是用計(jì)算機(jī)模擬人類智能必須解決的重要問題。問題解決的關(guān)鍵是如何把各類知識(shí)進(jìn)行編碼、存儲(chǔ)；如何快速尋找需要的知識(shí)；如何對知識(shí)進(jìn)行運(yùn)算、推理；如何對知識(shí)進(jìn)行更新、修改。

人工智能的研究領(lǐng)域

隨著ai技術(shù)的發(fā)展，現(xiàn)代幾乎各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)，可以說人工智能已經(jīng)廣泛應(yīng)用到許多領(lǐng)域，其典型的包括：

1符號(hào)計(jì)算

計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類:一類是純數(shù)值的計(jì)算,例如求函數(shù)的值;另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì)算,處理的是符號(hào)。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式、函數(shù)、集合等。隨著計(jì)算機(jī)的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件,其中mathematic和maple是它們的代表。由于它們都是用c語言寫成的,所以可以在絕大多數(shù)計(jì)算機(jī)上使用。2模式識(shí)別

模式識(shí)別就是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”。用計(jì)算機(jī)實(shí)現(xiàn)模式（文字、聲音、人物、物體等）的自動(dòng)識(shí)別，是開發(fā)智能機(jī)器的一個(gè)關(guān)鍵的突破口，也為人類認(rèn)識(shí)自身智能提供線索。計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、準(zhǔn)確性和效率高。識(shí)別過程與人類的學(xué)習(xí)過程相似，以“語音識(shí)別”為例：語音識(shí)別就是讓計(jì)算機(jī)能聽懂人說的話，一個(gè)重要的例子就是七國語言（英、日、意、韓、法、德、中）口語自動(dòng)翻譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國預(yù)定旅館、購買機(jī)票、在餐館對話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。

3機(jī)器翻譯

機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)目前，國內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件的代表是“金山詞霸”，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。

4機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是機(jī)器具有智能的重要標(biāo)志，同時(shí)也是機(jī)器獲取知識(shí)的根本途徑。有人認(rèn)為，一個(gè)計(jì)算機(jī)系統(tǒng)如果不具備學(xué)習(xí)功能，就不能稱其為智能系統(tǒng)。機(jī)器學(xué)習(xí)主要研究如何使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)功能。機(jī)器學(xué)習(xí)是一個(gè)難度較大的研究領(lǐng)域，它與認(rèn)知科學(xué)、神經(jīng)心理學(xué)、邏輯學(xué)等學(xué)科都有著密切的聯(lián)系，并對人工智能的其他分支，如專家系統(tǒng)、自然語言理解、自動(dòng)推理、智能機(jī)器人、計(jì)算機(jī)視覺、計(jì)算機(jī)聽覺等方面，也會(huì)起到重要的推動(dòng)作用。

5問題求解

人工智能的第一大成就是下棋程序,在下棋程序中應(yīng)用的某些技術(shù),今天的計(jì)算機(jī)程序已能夠達(dá)到下各種方盤棋和國際象棋的錦標(biāo)賽水平。但是,尚未解決包括人類棋手具有但尚不能明確表達(dá)的能力，如國際象棋大師們洞察棋局的能力。另一個(gè)問題是涉及問題的原概念,在人工智能中叫問題表示的選擇,人們常能找到某種思考問題的方法,從而使求解變易而解決該問題。到目前為止,人工智能程序已能知道如何考慮它們要解決的問題,即搜索解答空間,尋找較優(yōu)解答。

6邏輯推理與定理證明

邏輯推理是人工智能研究中最持久的領(lǐng)域之一,其中特別重要的是要找到一些方法,只把注意力集中在一個(gè)大型的數(shù)據(jù)庫中的有關(guān)事實(shí)上,留意可信的證明,并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此,在人工智能方法的研究中，定理證明是一個(gè)極其重要的論題。

7自然語言處理

自然語言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過多年艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的成果。目前該領(lǐng)域的主要課題是:計(jì)算機(jī)系統(tǒng)如何以主題和對話情境為基礎(chǔ),注重大量的常識(shí)———世界知識(shí)和期望作用,生成和理解自然語言。這是一個(gè)極其復(fù)雜的編碼和解碼問題。

8分布式人工智能

分布式人工智能在20世紀(jì)70年代后期出現(xiàn)，是人工智能研究的一個(gè)重要分支。分布式人工智能系統(tǒng)一般由多個(gè)agent（智能體）組成，每一個(gè)agent又是一個(gè)半自治系統(tǒng)，agent之間以及agent與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并通過交互來完成問題求解。

9計(jì)算機(jī)視覺

計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科，其主要研究目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對這些信息的描述、存儲(chǔ)、識(shí)別與理解。目前，計(jì)算機(jī)視覺已在人類社會(huì)的許多領(lǐng)域得到成功應(yīng)用。例如，在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等；在航天與軍事方面有衛(wèi)星圖像處理、飛行器跟蹤、成像精確制導(dǎo)、景物識(shí)別、目標(biāo)檢測等；在醫(yī)學(xué)方面有圖像的臟器重建、醫(yī)學(xué)圖像分析等；在工業(yè)方面有各種監(jiān)測系統(tǒng)和生產(chǎn)過程監(jiān)控系統(tǒng)等。

10智能信息檢索技術(shù)

信息獲取和精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實(shí)際應(yīng)用的契機(jī)與突破口。

11專家系統(tǒng)

專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來,在“專家系統(tǒng)”或“知識(shí)工程”的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢。人類專家由于具有豐富的知識(shí),所以才能達(dá)到優(yōu)異地解決問題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用這些知識(shí),也應(yīng)該能解決人類專家所解決的問題,而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯(cuò),現(xiàn)在這一點(diǎn)已被證實(shí)。如在礦物勘測、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面,專家系統(tǒng)已經(jīng)達(dá)到了人類專家的水平。

?1.在管理系統(tǒng)中的應(yīng)用?

(1)人工智能應(yīng)用于企業(yè)管理的意義主要不在于提高效率,而是用計(jì)算機(jī)實(shí)現(xiàn)人們非常需要做,但工業(yè)工程信息技術(shù)是靠人工卻做不了或是很難做到的事情。在《談?wù)勅斯ぶ悄茉谄髽I(yè)管理中的應(yīng)用》一文中劉玉然指出把人工智能應(yīng)用于企業(yè)管理中,以數(shù)據(jù)管理和處理為中心,圍繞企業(yè)的核心業(yè)務(wù)和主導(dǎo)流程建立若干個(gè)主題數(shù)據(jù)庫,而所有的應(yīng)用系統(tǒng)應(yīng)該圍繞主題數(shù)據(jù)庫來建立和運(yùn)行。換句話說,就是將企業(yè)各部門的數(shù)據(jù)進(jìn)行統(tǒng)一集成管理,搭建人工智能的應(yīng)用平臺(tái),使之成為企業(yè)管理與決策中的關(guān)鍵因子。

2.在工程領(lǐng)域的應(yīng)用?

(1)醫(yī)學(xué)專家系統(tǒng)是人工智能和專家系統(tǒng)理論和技術(shù)在醫(yī)學(xué)領(lǐng)域的重要應(yīng)用,具有極大的科研和應(yīng)用價(jià)值,它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題,作為醫(yī)生診斷、治療的輔助工具。事實(shí)上,早在1982年,美國匹茲堡大學(xué)的miller就發(fā)表了著名的作為內(nèi)科醫(yī)生咨詢的internist 2ⅰ內(nèi)科計(jì)算機(jī)輔助診斷系統(tǒng)的研究成果,由此,掀起了醫(yī)學(xué)智能系統(tǒng)開發(fā)與應(yīng)用的高潮。目前,醫(yī)學(xué)智能系統(tǒng)已通過其在醫(yī)學(xué)影像方面的重要作用,從而應(yīng)用于內(nèi)科、骨科等多個(gè)醫(yī)學(xué)領(lǐng)域中,并在不斷發(fā)展完善中。?

(2)地質(zhì)勘探、石油化工等領(lǐng)域是人工智能的主要作用發(fā)揮領(lǐng)地。1978年美國斯坦福國際研究所就研發(fā)制成礦藏勘探和評價(jià)專家系統(tǒng)“prospector”,該系統(tǒng)于勘探評價(jià)、區(qū)域資源估值和鉆井井位選擇等,是工業(yè)領(lǐng)域的首個(gè)人工智能專系統(tǒng),其發(fā)現(xiàn)了一個(gè)鉬礦沉積,價(jià)值超過1億美元。

3.在技術(shù)研究中的應(yīng)用

(1)在超聲無損檢測(ndt)與無損評價(jià)(nde)領(lǐng)域中,目前主要廣泛采用專家系統(tǒng)方法對超聲損傷(ut)中缺陷的性質(zhì)、形狀和大小進(jìn)行判斷和歸類;專家運(yùn)用超聲無損檢測儀器,以其高精度的運(yùn)算、控制和邏輯判斷力代替大量人的體力與腦力勞動(dòng),減少了任務(wù)因素造成的無擦,提高了檢測的可靠性,實(shí)現(xiàn)了超聲檢測和評價(jià)的自動(dòng)化、智能化。

(2)人工智能在電子技術(shù)領(lǐng)域的應(yīng)用可謂由來已久。隨著網(wǎng)絡(luò)的迅速發(fā)展,網(wǎng)絡(luò)技術(shù)的安全是我們關(guān)心的重點(diǎn),因此我們必須在傳統(tǒng)技術(shù)的基礎(chǔ)上進(jìn)行網(wǎng)絡(luò)安全技術(shù)的改進(jìn)和變更,大力發(fā)展數(shù)據(jù)挖掘技術(shù)、人工免疫技術(shù)等高效的ai技術(shù),開發(fā)更高級ai通用和專用語言,和應(yīng)用環(huán)境以及開發(fā)專用機(jī)器,而與人工智能技術(shù)則為我們提供了可能性。

人工智能與機(jī)電一體化系統(tǒng)的統(tǒng)一

近幾十年來， 人工智能得到了長足的發(fā)展， 譬如，ibm 公司制造的深藍(lán)計(jì)算機(jī)運(yùn)用人工智能于1997年5月， 戰(zhàn)勝了國際象棋冠軍卡斯帕洛夫。人工智能用于機(jī)電一體化是機(jī)電一體化發(fā)展的方向之一。這種智能主要通過控制技術(shù)加以設(shè)計(jì)和實(shí)現(xiàn)， 即由機(jī)電一體化系統(tǒng)中的控制系統(tǒng)來具體實(shí)現(xiàn)。

專家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)控制、學(xué)習(xí)控制和分層遞階是目前人工智能研究主要的幾個(gè)領(lǐng)域， 它們各自發(fā)展， 又相互滲透， 走向結(jié)合。其中， 前三個(gè)領(lǐng)域是目前機(jī)電一體系統(tǒng)實(shí)現(xiàn)智能化的較成熟的領(lǐng)域。

一，自從第一個(gè)專家系統(tǒng)于1968年問世以來， 經(jīng)過30多年的發(fā)展， 專家系統(tǒng)已經(jīng)成為人工智能應(yīng)用最活躍的領(lǐng)域。已經(jīng)從最初的應(yīng)用于醫(yī)療、科技等領(lǐng)域， 向財(cái)政、金融、保險(xiǎn)、商業(yè)和法律方向擴(kuò)展， 下面就與機(jī)電一體化有關(guān)的應(yīng)用予以探討。

1、在裝配制造業(yè)的應(yīng)用：產(chǎn)品的生產(chǎn)， 總是用零件來構(gòu)造的， 將不同的零件一起裝配成一種新產(chǎn)品， 叫做配里任務(wù)。專家系統(tǒng)應(yīng)用于裝配制造方面可以取得可觀的經(jīng)濟(jì)效益。比如， dec公司的專家系統(tǒng)xcon， 是應(yīng)用于計(jì)算機(jī)配置的第一個(gè)專家系統(tǒng)， 現(xiàn)在每年為dec公司盈利1、5億美元

2、在設(shè)備故障診斷中的應(yīng)用：專家系統(tǒng)用于設(shè)備故障診斷， 特別是針對大型的結(jié)構(gòu)、復(fù)雜的故障診斷， 可以盡快找到故障， 大大縮短檢修時(shí)間， 有很多成功的例子， 比如美國西屋電氣公司研制的gen一aid專家系統(tǒng)， 已經(jīng)成功地應(yīng)用于診斷汽輪發(fā)動(dòng)機(jī)的故障。ibm公司也曾經(jīng)為其ibmatpc機(jī)配備了一個(gè)專家系統(tǒng)， 用來精確定位系統(tǒng)故障。

3、在控制方面的應(yīng)用：專家系統(tǒng)可以在機(jī)電一體化設(shè)備控制方面發(fā)揮作用， 在伺服控制、數(shù)控機(jī)床、加工中心以及其它控制領(lǐng)域， 已取得了進(jìn)展。在這方面成功的例子如at&t公司為控制機(jī)械手， 研制出在單個(gè)芯片上實(shí)現(xiàn)的專家系統(tǒng)。最早的芯片包括16條規(guī)則的rom， 控制器以及處理數(shù)據(jù)與規(guī)則的推理機(jī)。采用2。5um線寬的cmos工作， 最初只使用了芯片面積的四分之一， 改用1。5um線寬后可容納256條規(guī)則， 建立規(guī)則時(shí)采用模糊邏輯， 執(zhí)行速度可達(dá)到80000lisp， 比常規(guī)專家系統(tǒng)快1000倍。盡管大型專家系統(tǒng)的造價(jià)是很昂貴的，但其經(jīng)濟(jì)效益大， 通常一年之內(nèi)可收回成本。因此， 專家系統(tǒng)在機(jī)電一體化中的應(yīng)用前景十分廣闊。

二，屬于模糊概念的全體對象稱為模糊集合。例如， 說“ xx是青年人。” 這個(gè)青年

就是模糊集合。基于模糊集合基礎(chǔ)之上的邏輯與控制稱為模糊邏輯與控制。它可用較少的代價(jià)傳遞足夠的信息， 并能對復(fù)雜事物做出高效率的判斷和處理。模糊控制對某些參數(shù)變化不敏感。由于模糊控制器的決定往往要根據(jù)十幾條甚至數(shù)十條規(guī)則才能做出， 如果由于傳感器或元器件出故障而導(dǎo)致某些規(guī)則失誤， 其它規(guī)則可起補(bǔ)償作用， 從而使輸出保持連續(xù)平滑。所以， 模糊控制較適用于一些要求魯棒性能好的機(jī)電一體化系統(tǒng)中。

三，人工神經(jīng)網(wǎng)絡(luò)能模擬人類大量腦細(xì)胞的高度連接， 當(dāng)有輸人信號(hào)將神經(jīng)元激活時(shí)，經(jīng)過神經(jīng)回路產(chǎn)生輸出。神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力和聯(lián)想記憶， 它經(jīng)過學(xué)習(xí)能在輸人信號(hào)后產(chǎn)生預(yù)期的輸出。如果某一信息回路沒學(xué)習(xí)過， 它也能得出合理的輸出。人工神經(jīng)網(wǎng)絡(luò)在機(jī)電一體化系統(tǒng)應(yīng)用中有明顯進(jìn)展， 與專家系統(tǒng)、模糊邏輯結(jié)合起來是重點(diǎn)的發(fā)展方向。用于機(jī)電一體化系統(tǒng)中的現(xiàn)場總線lonworks， 其核心技術(shù)就是采用神經(jīng)元芯片。這種芯片內(nèi)部裝有3個(gè)微處理器:mac處理器完成介質(zhì)訪問控制;網(wǎng)絡(luò)處理器完成iso/osi參考模型的3一6層網(wǎng)絡(luò)協(xié)議;應(yīng)用處理器完成用戶現(xiàn)場控制應(yīng)用。它們之間通過公用存儲(chǔ)器傳遞數(shù)據(jù)。該神經(jīng)元芯片還具有多種i/o和時(shí)間計(jì)算器等。一個(gè)小小的神經(jīng)元芯片， 不僅具有強(qiáng)大的通信功能，還集控制和數(shù)據(jù)于一體。在某些情況下， 此芯片再配以其它一些器件， 就可承擔(dān)集散控制系統(tǒng)中一個(gè)獨(dú)立控制單元的任務(wù)。

總之， 專家系統(tǒng)、模糊邏輯與人工神經(jīng)網(wǎng)絡(luò)三者， 不僅各自發(fā)揮其獨(dú)特的作用還日益走上綜合集成形成全新的技術(shù)， 進(jìn)一步提高機(jī)電一體化系統(tǒng)的智能化水平， 并不斷擴(kuò)展其應(yīng)用水平。

目前人工智能發(fā)展中所面臨的難題

人工智能(ai)學(xué)科自1956年誕生至今已走過50多個(gè)年頭,就研究解釋和模擬人類智能、智能行為及其規(guī)律這一總目標(biāo)來說,已經(jīng)邁出了可喜的一步,某些領(lǐng)域已取得了相當(dāng)?shù)倪M(jìn)展。但從整個(gè)發(fā)展的過程來看,人工智能發(fā)展曲折,而且還面臨不少難題，主要有以下幾個(gè)方面：

1計(jì)算機(jī)博弈的困難

博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對自然界事物的對策或智力競爭上。博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競爭之中。盡管西洋跳棋和國際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平,然而計(jì)算機(jī)博弈依然面臨著巨大的困難。這主要表現(xiàn)在以下兩個(gè)方面的問題：其一是組合爆炸問題,狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹來表示狀態(tài)空間,對于幾種常見的棋類,其狀態(tài)空間都大得驚人,例如,西洋跳棋為10的40次方,國際象棋為10的120次方,圍棋則是10的700次方。如此巨大的狀態(tài)空間,現(xiàn)有計(jì)算機(jī)是很難忍受的。其二是現(xiàn)在的博弈程序往往是針對二人對弈、棋局公開、有確定走步的一類棋類進(jìn)行研制的。而對于多人對弈、隨機(jī)性的博弈這類問題,至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。

2機(jī)器翻譯所面臨的問題

在計(jì)算機(jī)誕生的初期,有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器翻譯所面臨的問題仍然是1964年語言學(xué)家黑列爾所說的構(gòu)成句子的單詞和歧義性問題。歧義性問題一直是自然語言理解(nlu)中的一大難關(guān)。同樣一個(gè)句子在不同的場合使用,其含義的差異是司空見慣的。因此,要消除歧義性就要對原文的每一個(gè)句子及其上下文進(jìn)行分析理解,尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意義。然而,計(jì)算機(jī)卻往往孤立地將句子作為理解單位。另外,即使對原文有了一定的理解,理解的意義如何有效地在計(jì)算機(jī)里表示出來也存在問題。目前的nlu系統(tǒng)幾乎不能隨著時(shí)間的增長而增強(qiáng)理解力,系統(tǒng)的理解大都局限于表層上,沒有深層的推敲,沒有學(xué)習(xí),沒有記憶,更沒有歸納。導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)和研究方法的問題。現(xiàn)在nlu的研究方法很不成熟,大多數(shù)研究局限在語言這一單獨(dú)的領(lǐng)域,而沒有對人們是如何理解語言這個(gè)問題做深入有效的探討。

3自動(dòng)定理證明和gps的局限

自動(dòng)定理證明的代表性工作是1965年魯賓遜提出的歸結(jié)原理。歸結(jié)原理雖然簡單易行,但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的。基于歸結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合,從而喪失了其固有的邏輯蘊(yùn)含語義。gps是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí)求解人工智能問題的通用方法。gps想擺脫對問題內(nèi)部表達(dá)形式的依賴,但是問題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理,還是求解人工智能問題的通用方法gps,都可以從中分析出表達(dá)能力的局限性,而這種局限性使得它們縮小了其自身的應(yīng)用范圍。

4模式識(shí)別的困惑

雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果,有的已成為產(chǎn)品投入實(shí)際應(yīng)用,但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的。人的識(shí)別手段、形象思維能力,是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的,另一方面,在現(xiàn)實(shí)世界中,生活并不是一項(xiàng)結(jié)構(gòu)嚴(yán)密的任務(wù)，一般家畜都能輕而易舉地對付,但機(jī)器不會(huì),這并不是說它們永遠(yuǎn)不會(huì),而是說目前不會(huì)。

人工智能的發(fā)展前景

1人工智能的發(fā)展趨勢

技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出，未來人工智能可能會(huì)向以下幾個(gè)方面發(fā)展:模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。

2人工智能的發(fā)展?jié)摿薮?/p>

人工智能作為一個(gè)整體的研究才剛剛開始,離我們的目標(biāo)還很遙遠(yuǎn)，但人工智能在某些方面將會(huì)有大的突破。

(1)自動(dòng)推理是人工智能最經(jīng)典的研究分支,其基本理論是人工智能其它分支的共同基礎(chǔ)。一直以來自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一,其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn),很有可能取得大的突破。

(2)機(jī)器學(xué)習(xí)的研究取得長足的發(fā)展。許多新的學(xué)習(xí)方法相繼問世并獲得了成功的應(yīng)用,如增強(qiáng)學(xué)習(xí)算法、reinforcement learning等。也應(yīng)看到,現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效,尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題,相信不久會(huì)在這些方面取得突破。

(3)自然語言處理是ai技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過a i研究人員的艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。許多產(chǎn)品已經(jīng)進(jìn)入了眾多領(lǐng)域。智能信息檢索技術(shù)在internet技術(shù)的影響下,近年來迅猛發(fā)展,已經(jīng)成為了ai的一個(gè)獨(dú)立研究分支。由于信息獲取與精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將a i技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向應(yīng)用的契機(jī)與突破口。從近年的人工智能發(fā)展來看,這方面的研究已取得了可喜的進(jìn)展。

本世紀(jì)初以來一個(gè)以人工智能為核心，以自然智能、人工智能、集成智能為一體的新的智能科學(xué)技術(shù)學(xué)科正在逐步興起，并引起了人們的極大關(guān)注。該學(xué)科研究的主要特征包括以下幾個(gè)方面：

(1) 由對人工智能的單一研究走向以自然智能、人工智能、集成智能為一體的協(xié)同研究；

(2) 由人工智能學(xué)科的獨(dú)立研究走向重視與腦科學(xué)、認(rèn)知科學(xué)、等學(xué)科的交叉研究；

(3) 由多個(gè)不同學(xué)派的獨(dú)立研究走向多學(xué)派的綜合研究；

(4) 由對個(gè)體、集中智能的研究走向?qū)θ后w、分布智能的研究。

結(jié)語

人工智能誕生50多年來， 在崎嶇不平的道路上取得了可喜的進(jìn)展， 特別與機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、專家系統(tǒng)、自然語言處理、模式識(shí)別、規(guī)劃和機(jī)器人等相關(guān)的應(yīng)用帶來了良好的經(jīng)濟(jì)效益和社會(huì)效益。廣泛使用的互聯(lián)網(wǎng)也正在探索應(yīng)用知識(shí)表示和推理，構(gòu)建語義web， 提高互聯(lián)網(wǎng)信息的效用率。

人工智能的長期目標(biāo)是建立人類水平的人工智能，由腦科學(xué)、認(rèn)知科學(xué)、人工智能等共同研究，形成交叉學(xué)科智能科學(xué)。腦科學(xué)從分子水平、細(xì)胞水平、行為水平研究自然智能機(jī)理，建立腦模型，揭示人腦的本質(zhì)。認(rèn)知科學(xué)是研究人類感知、學(xué)習(xí)、記憶、思維、意識(shí)等人腦心智活動(dòng)過程的科學(xué)。人工智能研究用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)機(jī)器智能。智能科學(xué)不僅要進(jìn)行功能仿真， 而且要從機(jī)理上研究，探索智能的新概念、新理論、新方法。

人工智能的研究一旦取得突破性進(jìn)展，將會(huì)對信息時(shí)代產(chǎn)生重大影響，對人類文明產(chǎn)生重大影響。科學(xué)發(fā)展到今天，一方面是高度分化，學(xué)科在不斷細(xì)分，新學(xué)科、新領(lǐng)域不斷產(chǎn)生; 另一方面是學(xué)科的高度融合，更多地呈現(xiàn)交叉和綜合的趨勢，新興學(xué)科和交叉學(xué)科不斷涌現(xiàn)。大學(xué)科交叉的這種普遍趨勢，在人工智能學(xué)科方面表現(xiàn)尤其突出。由腦科學(xué)、認(rèn)知科學(xué)、人工智能等共同研究智能的本質(zhì)和機(jī)理，形成交叉學(xué)科智能科學(xué)。學(xué)科交叉將催生更多的研究成果，對于人工智能學(xué)科整體而言，要有所突破，需要多個(gè)學(xué)科合作協(xié)同，在交叉學(xué)科研究中實(shí)現(xiàn)創(chuàng)新。

ok3w_ads("s007");