人工智能的研究与应用现状

更新时间：2024-04-27 20:34:01 阅读量：综合文库文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

人工智能的研究与应用现状

南开大学信息技术科学学院智能科学与技术师浩宸 1010645

摘要

使机器具有自主能动能力这一愿望，从古希腊甚至古埃及的神话传说开始就一直延续至今：亚里士多德（公元前384-322年）的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐；中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器；近代“人工智能”（Artificial Intelligence）这个概念的提出最早是在1956年Dartmouth学会，当时数字计算机研制成果显著，对编写有原始推理思想的程序有质的帮助；今天的各国在智能研究领域都有了重大发展，波士顿动力公司研制的大狗机器人bigdog。因而，还可以认为，人工智能的研究目标是使机器模仿人的行为计算机模仿人脑的推理，学习，思考和规划等思维活动。文章还介绍了早期的专家系统：大多数是用规则推理的方法, 如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR 专家系统等。众所周知，人类大脑的组织结构和运行机制有其绝妙的特点，从模仿人脑智能的角度出发，来探寻新的信息表示、储存和处理方式，设计全新的计算机处理结构模型，构建一种更接近人类智能的信息处理系统来解决实际工程和科学研究领域中难以解决的问题，一定能够极大推动科研进步，这些促成了人工神经网络（ANN）的出现。

关键词：人工智能博弈专家系统人工神经网络模式识别自言语言理解翻译机

引言：这篇文章主要介绍了人工智能的产生与发展，并对人工智能领域一部分研究成果进行分析介绍。附录是观看网络公开课的笔记，作者希望通过学习进一步提升理解。

1．1人工智能简介

使机器具有自主能动能力这一愿望，从古希腊甚至古埃及的神话传说开始就一直延续至今：亚里士多德（公元前384-322年）的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐；中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器；近代“人工智能”（Artificial Intelligence）这个概念的提出最早是在1956年Dartmouth学会，当时数字计算机研制成果显著，对编写有原始推理思想的程序有质的帮助；今天的各国在智能研究领域都有了重大发展，波士顿动力公司研制的大狗机器人bigdog。广义来讲，人工智能就是人造物的智能行为。人工智能的发展往往依靠计算机科学和认知科学的发展，在不同的发展阶段，对于人工智能有不同的理解，其概念也随之拓展。人工智能是计算机科学的一个分支，是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理，制造类似于人脑的智能计算机，以及使计算机更巧妙些实现高层次的应用。它涉及到计算机科学，心理学，哲学和语言学学科。总的目标是增强人的智能

进而我们需要了解什么是智能。

智能是一种能够认识客观事物和运用知识解决问题的综合能力。智能的四个特征：具有感知

能力，具有记忆和思维能力，具有学习和自适应的能力，具有行为能力。智能是客观世界中解决实际问题的能力，这种能力就是各个科学领域中的“知识”，以及交叉学科的灵活应用。因而，还可以认为，人工智能的研究目标是使机器模仿人的行为计算机模仿人脑的推理，学习，思考和规划等思维活动。

概括而言，人工智能是研究如何让计算机做现阶段只有人才能做好的事情。因为“智能”是关于解决问题能力的知识，所以从使用观点看，人工智能是关于知识的科学，它包含三个怎样，即怎样表示知识，怎样获取知识，怎样使用知识。 2人工智能的体现形式和研究领域 2.1博弈

博弈论，又称对策论，是使用严谨的数学模型研究冲突对抗条件下最优决策问题的理论。博弈思想在人工智能方面最早体现在计算机游戏方面，最早的计算机游戏（computer game）指的就是下棋, 为了设计可以和人类竞争甚至战胜人类的程序，人们便开始研究如何使得计算机可以学习人类的思维模式，具备与人类一样的博弈能力。博弈的过程包含着对问题的表示、分解、搜索和归纳这四个重要问题。计算机棋类博弈基本属于完全信息的动态博弈。也就是对弈双方不仅清楚当前的局面，了解对手以往的着数，而且了解对手接下来可能采取的着数。尽管双方可能采取的着法数以十计、百计，但毕竟还是有限的。计算机可以通过展开一颗根在上、叶在下的庞大的博弈树描述这一对弈过程。再利用自身在时间和空间上的强大能力，进行巧妙的搜索，从而找到可行解及近优解，亦即给出当前的着法。显然，计算机的搜索能力是计算机智力水平的重要体现。搜索算法是机器“思维”的核心。包括着法生成，博弈树展开，各种剪枝搜索和各种启发式搜索。显而易见，搜索算法的设计和编写过程处处体现着人工智能的思想。机器博弈是既简单方便、经济实用，又丰富内涵、变化无穷的思维逻辑研究载体。个把小时就可以下一盘棋，就可以对电脑的“智能”进行测试，而且可以悔棋、重试、复盘，可以一步步地发现电脑与人脑功能的差距，从而不断提高电脑的智力水平。毫无疑问的是，机器博弈的研究可以显著推动人工智能的发展。 2.2专家系统

专家系统是一种具有大量专门知识和经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。专家系统是目前人工智能中最活跃，最有成效的一个研究领域，它是一种基于知识的系统，它从人类专家那里获得知识，并用来解决只有专家才能解决困难问题辅助教学系统。人工智能专家系统常由知识库、是推理机等构成。推理机主要决定哪些规则满足事实或目标，并授予规则优先级，然后执行最高优先级规则来进行逻辑推理。知识获取机为用户建立的一个知识自动输入的确定方法。匹配模块是该人工智能专家系统的核心部分，匹配功能的实现关系到整个程序的实现，解释模块以及结果处理都依赖于它的执行结果。其过程如下图所示：

目前已研究的专家系统模型有很多种。其中较为流行的有如下几种： 2.2.1 基于规则的专家系统

基于规则推理( Rule Based Reasoning, RBR) 的方法是根据以往专家诊断的经验, 将其归纳成规则, 通过启发式经验知识进行推理。早期的专家系统大多数是用规则推理的方法, 如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR 专家系统等。 2.2. 2 基于案例的专家系统

基于案例推理( Case Based Reasoning, CBR) 的方法就是通过搜索曾经成功解决过的类似问题, 比较新、旧问题之间的特征、发生背景等差异, 重新使用或参考以前的知识和信息, 达到最终解决新问题的方法。第一个真正意义上的基于案例的专家系统是1983 年由耶鲁大学Janet Kolodner 教授领导开发的CYRUS 系统。它以Schank的动态存储模型和问题求解的MOP( Memory Organized Packet)理论为基础, 做与旅行相关的咨询工作。

2.2. 3 基于框架的专家系统

框架( Frame) 是将某类对象的所有知识组织在一起的一种通用数据结构, 而相互关联的框架连接组成框架系统。

框架表示法最突出的特点是善于表达结构性的知识, 且具有良好的继承性和自然性。因此, 基于框架的专家系统适合于具有固定格式的事物、动作或事件。

2.2. 4 基于模糊逻辑的专家系统

和二值的波尔逻辑不同，模糊逻辑是多值的。它处理归属的程度和可信的程度。模糊逻辑使用介于0（完全为假）和1（完全为真）之间逻辑值得连续区间。与非黑即白不同，它使用颜色的色谱，可以接受同时部分为真和部分未假的事物。

基于模糊逻辑的专家系统的优点在于[ 18] : ① 具有专家水平的专门知识, 能表现专家技能和高度的技巧以及有足够的鲁棒性; ②能进行有效的推理, 具有启发性, 能够运用人类专家的经验和知识进行启发性的搜索、试探性的推理; ③具有灵活性和透明性。但是, 模糊推理

知识获取困难, 尤其是征兆的模糊关系较难确定, 且系统的推理能力依赖模糊知识库, 学习能力差, 容易发生错误。由于模糊语言变量是用隶属函数表示的,实现语言变量与隶属函数之间的转换是一个难点。

2.2. 5 基于D-S 证据理论的专家系统

证据理论是由Dempster于1967年首先提出，由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer 证据理论(D-S证据理论)，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。作为一种不确定推理方法，证据理论的主要特点是：满足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力.。当约束限制为严格的概率时, 它就成为概率论。 2.2. 6 基于Web的专家系统

基于Web的专家系统是Web数据交换技术与传统专家系统集成所得到的一种先进专家系统。它利用Web浏览器实现人机交互，基于Web专家系统中的各类用户都可通过浏览器访问专家系统。从结构上，它由浏览器、应用服务器和数据库服务器三个层次所组成，包括Web接口、推理机、知识库、数据库和解释器。

2.3模式识别广义地说，存在于时间和空间中可观察的事物，如果我们可以区别他们是否相同或者是否相似，都可以称之为模式。但需要注意的是，模式并不是指向事物本身，而是我们从事物获得的信息。因此，模式往往表现为具有时间或空间分布的信息。人们为了掌握客观事物，按事物相似的程度组成类别。模式识别的作用和目的就在于面对某一具体事物时将其正确的归入某一类别。

模式识别系统有两个过程组成，即设计和实现。设计是指用一定数量的样本（训练集或学习集）进行分类器的设计。实现是指用所涉及的分类器对待识别的样本进行分类决策。基于统计方法的模式识别系统主要由4个部分组成：数据获取，预处理，特征提取和选择，分类决策，如下图所示

概括地说，模式识别中的最基本的问题是解决模式的分类。较全面的看，是研究模式的描述、分析、分类、理解和综合。更高层次的模式识别应该还包括对模式的学习、判断、自适应、自寻优和自动发现规律等。

所以，模式识别在某种意义上和人工智能中的“学习”“概念形成”相近。模式识别与及其职能的结合将开辟广阔的应用前景。

2.4人工神经网络

众所周知，人类大脑的组织结构和运行机制有其绝妙的特点，从模仿人脑智能的角度出发，来探寻新的信息表示、储存和处理方式，设计全新的计算机处理结构模型，构建一种更接近人类智能的信息处理系统来解决实际工程和科学研究领域中难以解决的问题，一定能够极大推动科研进步，这些促成了人工神经网络（ANN）的出现。简单的说，ANN是模仿人脑工作方式而设计的一种机器，它可用电子或光电元件实现，还可以用软件在计算机上进行仿真模拟，甚至最新的研究成果显示人类已经使用DNA在试管中制造出了首个人造神经网络（这个相互作用的分子组成的电路能像人脑一样，基于不完整的模式进行回）；人工神经网络具

有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。

神经网络发展很快，已经被广泛应用在市场的方方面面。 2.5自然语言理解

自然语言理解一直是智能领域研究的重要课题之一，因为自然语言本身具有独特的魅力，其一，如果计算机能够理解自然语言，那么人机交互将变得前所未有的畅通，那将是对计算机技术的重大突破，其二，创造和使用自然语言是人类几千年智慧的结晶，研究自然语言更有助于解开人工智能的奥秘。

对自然语言的理解，有以下四条准则：问答、文摘生成、释义、翻译。与之对应就可以得到，自然语言理解的处理过程为：语言形式化描述、处理算法设计、处理算法实现和评估。其中语言形式化描述就是通过对自然语言自身规律进行研究，进而采用数学的方法将其描述出来，以便于计算机处理，也可认为是对自然语言进行数学建模。处理的算法设计就是将数学形式化描述的语言变换为计算机可操作、控制的对象。处理算法实现和评估就是通过程序设计语言(如C语言)将算法实现出来，并对其性能和功能进行评估。自然语言理解的智能应用主要体现在翻译方面。 3.1 人工智能与人类智能见附录

附录观看中南大学视频公开课《人工智能PK人类智能》的课程笔记

该视频课程精选人工智能领域中一些具有代表性的内容进行介绍，包括人工智能的起源、发展等历史，以及在人工智能领域影响最大的三大学派和他们的认知观，人工智能的研究目标、研究内容和研究方法等；另外，对机器人学与机器人技术进行了阐述；最后，对人工智能的最新发展进行介绍，包括目前的研究热点计算智能和群智能技术等。

授课教授：蔡自兴教授，1962年7月毕业于西安交通大学机电工程系工业电气自动化专业。已从事自动控制、计算机科学技术等教学和科研工作50年。蔡教授主要从事智能系统、人工智能、智能控制、智能机器人研究。在智能系统、机器人学和自动控制等学科领域具有很高的知名度,是我国智能控制、人工智能、机器人学诸学科的学术带头人之一,为我国智能科学技术的发展做出重要贡献,被誉为“中国智能控制的奠基者”和“中国人工智能教学第一人”。

第一讲人工智能的诞生

人会做梦，为了美梦成真

300年前的蒸汽机开始，机器代替人的体力劳动；为了使机器代替人的脑力劳动，20世纪40年代发明计算机，50年代人工智能出现为人类实现脑力劳动自动化和减轻脑力劳动强度提供了基础

人工智能的出现是人类心理上出现恐惧。人工智能不是生命只是机器什么是智能

自然智能：很复杂很难定义，人的大脑有千亿个神经元，很复杂人工智能：是人工制品的一种，机器人不等于人工智能

什么是人工智能

知识与智能以及智能机器（能够在各类环境中自主的或交互的执行各种拟人任务的机器）一般解释：人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能、计算机智能。其他定义：（能力角度）智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、正面、识别、感知、理解和学习等思维活动，叫做人工智能。

人工智能的发展

孕育期——形成期——暗淡期——知识应用期(专家系统)——集成发展期（人工神经网路）人类智能与人工智能的关系

人工智能一个最传统的学派叫符号主义，认为物理处理系统具有出入输出存储复制建立符号结构等功能，所以可以把人看做一个智能信息处理系统。物理符号系统的假设

任何一个物理符号系统如果是有智能的，则肯定能执行对符号的输入、输出、存储、复制、条件转移和建立符号结构这样6种操作。反之，能执行这6种操作的任何系统，也就一定能够表现出智能。

根据这个假设，我们可以推出以下结论：（1）人是具有智能的，因此人是一个物理符号系统；（2）计算机是一个物理符号系统，因此它必具有智能；（3）计算机能模拟人，或者说能模拟人的大脑功能。

第二讲人工智能的学派

人工智能的学派 1、符号主义

原理：物理符号系统假设和有限和理性原理起源：源于数理逻辑和逻辑推理 2、连接主义

原理：神经网络及神经间的连接机制与学习算法起源：源于仿生学，特别是对人脑的研究 3.行为主义

原理：控制论及感知——动作型控制系统起源：控制论

学派间的争论

不同学派间的争论导致对人工智能技术路线的争论。有专用路线通用路线硬件路线软件路线