浅谈人工智能技术的发展

篇一：浅谈人工智能技术的发展

浅谈人工智能技术的发展

摘要：自从计算机诞生以来，计算机的发展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前对于计算机科学的研究已经出现了很多的分支，其中的人工智能在整个计算机科学领域中也是一个十分热门的课题。本文从人工智能的概念开始，对人工智能的发展进行讲述，并从哲学的角度对人工智能能否超过人的智能这个问题进行了分析。

关键词：人工智能 发展 智能

1、人工智能的概念

人工智能（Artificial Intelligence，简称AI）是计算机科学的一个分支，它探究智能的实质，并以制造一种能以人类智能相类似的方式做出反应的智能机器为目的。人工智能的产生和发展首先是一场思维科学的革命，它的产生和发展一定程度上依赖于思维科学的革命，同时它也对人类的思维方式和方法产生了深刻的变革。人工智能是与哲学关系最为紧密的科学话题，它集合了来自认知心理学、语言学、神经科学、逻辑学、数学、计算机科学、机器人学、经济学、社会学等等学科的研究成果。过去的半个多世纪以来人工智能在人类认识自身及改造世界的道路上扮演了重要角色。一直以来，对人工智能研究存在两种态度：强人工智能和弱人工智能，前者认为AI可以达到具备思维理解的程度，可以具有真正的智能；后者认为研究AI只是通过它来探索人类认知，其智能只是模仿的不完全的智能。

2、人工智能的发展

对于人工智能的研究一共可以分为五个阶段。

第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、跳棋程序、LISP语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：对问题求解的方法过度重视，而忽视了知识重要性。

第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向高潮。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。

第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。

第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学诞生的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。

第五个阶段是20世纪90年代后。网络技术的出现和发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研

篇二：浅谈人工智能的发展

浅谈人工智能的发展

摘要：人工智能是20 世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。本文叙述人工智能的起源与发展，总结了人工智能研究现状，重点介绍下人工智能目前应用领域，分析热点的人工智能技术和方法。最后展望了人工智能的未来发展。

关键词：人工智能 计算机科学 应用领域 技术 方法

一．人工智能发展历史过程

1．初期期

公元850年，古希腊就有制造机器人帮助人们劳动的神话传说。在我国公元前900多年，也有歌舞机器人传说的记载，这说明古代人就有人工智能的幻想。随着历史的发，西班牙的神学家和逻辑学家Romen Luee试图制造能解决各种问题的通用逻辑机。十七世纪法国物理学家和数学家B.Pascal制成了世界上第一台会演算的机械加法器并获得实际应用。随后德国数学家和哲学家G.W.Leibniz在这台加法器的基础上发展并制成了进行全部四则运算的计算器。

2．形成时期

1956年在美国的Dartmouth大学的一次历史性的聚会被认为是人工智能学科正式诞生的标志。

1957年A.Newell、J.Shaw和H.Simon等人的心理学小组编制出一个称为逻辑理论机LT(The Logic Theory Machine)的数学定理证明程序，后来又揭示了人在解题时的思维过程大致可归结为三大阶段。

1956年Samuel研究的具有自学习、自组织、自适应能力的西洋跳棋程序是IBM小组有影响的工作，这个程序可以像一个优秀棋手那样，向前看几步来下棋。它还能学习

棋谱，在分析大约175000幅不同棋局后，可猜测出书上所有推荐的走步，准确度达48％，这是机器模拟人类学习过程卓有成就的探索。

1959年McCarthy发明的表（符号）处理语言LISP，成为人工智能程序设计的主要语言。

3．发展时期

六十年代以来，人工智能的研究活动越来越受到重视。1974年N.J.Nillson对发展时期的一些工作写过一篇综述论文，他把人工智能的研究归纳为四个核心课题和八个应用课题，并分别对它们进行论述。

从80年代中期开始，有关人工神经元网络的研究取得了突破性的进展。1982年生物物理学家Hopfield提出了一种新的全互联的神经元网络模型，被称为Hopfield模型。1985年Hopfield利用这种模型成功地求解了"旅行商（TSP）"问题。1986年Rumelhart提出了反向传播（back propagation-BP）学习算法，解决了多层人工神经元网络的学习问题，成为广泛应用的神经元网络学习算法。

随着人工智能的发展，世界各国有关学者也都相继加入这一行列，我国是从1978年才开始人工智能课题的研究，主要在定理证明、汉语自然语言理解、机器人及专家系统方面设立课题，并取得一些初步成果。

近年来，人工智能在很多方面取得了新的进展，尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的广泛的舞台。

二.人工智能的现状发展

1．人工智能研究的领域

（1）专家系统

专家系统是依靠人类专家已有的知识建立起来的知识系统，目前专家系统是人工智能研究中开展最早，成效最多的领域。广泛应用于医疗诊断、地质勘探、石油化工等各方面。是在特定的领域内具有相应的知识和经验的程序系统，应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平。

（2）机器学习

要使计算机具有知识要么将知识表示为计算机可以接受的方式输入计算机，要么使计算机本身有获得知识的能力，并在实践中不断总结、完善，这种方式称为机器学习。机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；二是研究机器学习的方法以及建立针对具体任务的学习系统。机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。

（3）模式识别

模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。如识别物体、地形、图像、字体等。在日常生活各方面以及军事上都有广泛的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。

（4）机器人学

机器人是一种能模拟人的行为的机械，对机器人的研究经历了三代的发展过程。 第一代程序控制机器人。第二代自适应机器人。第三代智能机器人。

（5）智能决策支持系统

决策支持系统是属于管理科学的范畴，与“知识－智能”有着极其密切的关系。８０ 年代专家系统在许多方面取得成功，将人工智能中特别是智能和知识处理技术应用于决策支持系统，扩大了决策支持系统的应用范围，提高了系统解决问题的能力，这就成为智能决策支持系统。

2．人工智能的领域应用

（1）遗传算法在岩石领域的应用

岩石边坡等地表工程一般具有规模大、介质多、初始地应力场复杂、监控与施工难以同步进行等特点。所以，在岩石边坡位移反分析中，研究人员选用了遗传算法。

（2）人工神经网络在电力系统中的应用

要保证电力系统的安全运行和实现电力设备有定期检修转变为状态检修，如何准确地进行电力设备的故障诊断，一直是最需解决的问题之一，而这类故障的征兆错综复杂，往往呈现出非线性和不确定性，很难用某一确定的逻辑或算法进行识别，而这种识别恰

好是人工神经网络所擅长的。人工神经网络的大规模并行处理功能适应于电力系统的潮流计算，我们可以利用系统运行模式向人工神经网络提供训练样本，并用灵敏度分析提高计算精度，从而有效压缩样本空间，为算法的快速性提供了保障。

（3）专家系统在机械领域中的应用

专家系统是人工智能的主要分支之一，它的核心内容包括：知识库、知识获取、推理和解释部分。专家系统按其知识表达方式的不同可分为基于规则的和基于框架的专家系统；按其推理方式的不同可分为正向推理和逆向推理。在知识表达方面，利用产生式规则进行知识表达，一方面得益于现有人工智能语言，另一方面是它的表达合乎人的心理逻辑，便于进行知识获取，利于人们接受，利用框架进行知识表达得到了越来越多的应用。在诊断推理方面，主要表现在对推理逻辑和推理模型的研究，在人工智能领域，存在着许多推理逻辑，在专家系统中广泛使用模糊推理逻辑降低系统复杂性，在故障诊断上能产生很好的结果。

3.人工智能研究的方法

（1）结构模拟。

神经计算，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。结构模拟法也就是基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能。采用结构模拟，运用神经网络和神经计算的方法研究人工智能者，被称为生理学派、连接主义。

(2)功能模拟。

符号推演，就是在当前数字计算机上，对人脑从功能上进行模拟，实现人工智能。功能模拟法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。以功能模拟和符号推演研究人工智能者，被称为心理学派、逻辑学派、符号主义。

(3)行为模拟。

控制进化，就是模拟人在控制过程中的智能活动和行为特性。以行为模拟方法研究人工智能者，被称为行为主义、进化主义、控制论学派。

4.人工智能未来展望

(1) 模式识别。

模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。随着计算机技术的发展，人类有可能研究复杂的信息处理过程，用计算机实现模式( 文字、声音、人物、物体等) 的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索

(2) 人工神经网络和机器情感。

人工智能的基本思想已经在许多领域中得到应用。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。

(3)应用到各种高难度的操作上，从而取代人类的一些行为，造就人类幸福。

例如，海洋环境保护，各类能源开发，太空的研究等等。

5．结束语

半个世纪以来，人工智能发展极其迅速，专家系统、智能控制，在短短的10余年里就发展成熟。如何更深入的研究人工智能技术并为多领域的发展带来经济效益是目前我们所面临的重大课题。现在，人们尝试在不同领域应用人工智能技术，但遇到许多难题，例如：语音识别，它要求高数据传输速率和即时响应，并且实现智能行为的基本要求，包括实时要求、搜索大量知识、容忍错误与不精确适用语言以及从例子中学习等。，一旦这些技术很好的应用于各个领域，会带来可观的经济效益和社会效益，为我国国民经济和人民生活做出巨大的贡献。

篇三：浅谈人工智能与计算机

浅谈人工智能与计算机

王晨浩

计算机1506班201526810617

摘 要 人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向.人工智能作为计算机学科的一个分支,有其自身的特点,现已在社会生活各个领域都有应用,并将有更为广阔的发展前景。

关键词人工智能 / 发展 / 应用/ 机器人 / 智能研究 / 计算机学科

1．引言

在进入了二十一世纪之后，信息科学技术的发展越来越受到人们的重视，重视程度也超越了以往的任何时候。正是因为这样，人工智能技术的发展在进入新的世纪之后也有了非常快速的进步，那么，这项技术作为一种比较高端的信息科学技术，它主要是通过借助计算机的各种功能来非常形象的模拟我们人类的思维方式和思维结果，从而使人类的各种思维活动可以在计算机的程序当中得以实现[1]。

2．人工智能的发展概述

人工智能的研究经历了以下几个阶段： 第一阶段：20世纪50年代人T智能的兴起和冷落。人工 智能概念首次提出后，出现了一批显著的成果，如机器定理 证明、跳棋程序、LISP表处理语言等。但由于揭发推理能力 有限，以及其翻泽失败等，使人工智能走入低谷。这一阶段 的特点是：重视问题求解的方法，忽视知识重要性。 第二阶段：20世纪60年代末到70年代，专家系统出现使 人工智能研究出现新高潮，DENDAI。化学质谱分析系统、 MTCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统， Hearsay-II语言理解系统等专家系统的研究和开发，将人工 智能引向了实用化。1969年成立了国际人工智能联合会。 第三阶段：20世纪80年代，随着第五代计算机的研 制，人工智能得到了很大发展。日本1982年开始了“第五 代计算机研制计划”，即“知识信息处理计算机系统 LIPS”，其目的是使逻辑推理达到数值运算那么快。虽然 此计划最终失败，但它的开展形成了一股研究人工智能的 热潮一 第四阶段：20世纪80年代末，精神网络飞速发展。 1987年，美国召开第一次精神网络国际会议，宣告了这一 新学科的诞生。此后，各国在精神网络方面的投资逐渐增 大，精神网络迅速发展起来。 第五阶段：20世纪90年代，人工智能出现新的研究高 潮。由于网络技术特别是嗣际互联网的技术发展，人工智 能开始由单个智能主体研究转向基于网络环境下的分布式 人工智能研

究。不仅研究基于同一目标的分布式问题求 解，而目．研究多个智能主体的多目标问题求解，将人工智 能面向实用。 人工智能研究范畴有自然语言处理、知识表现、智能 搜索、推理、知识获得、组合调度问题，感知问题，模式 识别，逻辑程序设计，软计算，不精确和小确定的管理， 人工生命精神网络，复杂系统等。[2]

3．人工智能的应用领域

? 虚拟现实在问题求解中的应用

人工智能的第一大成就是下棋，在下棋程序中应用的某些技术 如向前看几步 把困难的问题分解成一些较容易的子问题 发展成为搜索和问题归纳这样的人工智能 基本技术 今天的计算机程序已能够达到下各种方盘棋和国际 象棋的锦标赛水平 但是 尚未解决包括人类棋手具有的但尚不 能明确表达的能力 如国际象棋大师们洞察棋局的能力 另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择人们常能找到某种思考问题的方法，从而使求解变为解决该问题到目前为止人工智能程序已能知道如何考虑它们要解决的问题 。

? 虚拟现实在物景分析中的应用 [3]

计算机视觉已从模式识别的一个研究领域发展为一门独立 的学科。视觉是感知问题之一。整个感知问题的要点是形成一个 精练的表示．以表示难以处理的、极其庞大的未经加工的输入数 据。最终表示的性质和质量取决于感知系统的目标。机器视觉的 前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变 视觉、三维景物的建模与识别、实时图像压缩传送和复原、多光谱 和彩色图像的处理与解释等。机器视觉已在机器人装配、卫星图 像处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等 领域获得极为广泛的应用。

? 虚拟现实在知识库系统中的应用[4]

知识库系统也叫数据库系统。是储存某学科大量事实的计算 机软件系统．它们可以回答用户提出的有关该学科的各种问题。 知识库系统的设计是计算机科学的一个活跃的分支。为了有效地 表示、储存和检索大量事实，已经发展了许多技术。但是在设计智 能信息检索系统时还是遇到很多问题。包括对自然语言的理解： 根据储存的事实演绎答案的问题、理解询问和演绎答案所需要的 知识都可能超出该学科领域数据库所表示的知识。

? 虚拟现实在专家系统中的应用 [5]

专家系统是一个智能计算机程序系统．其内部具有大量专家 水平的某个领域知识与经验．能够

利用人类专家的知识和解决问 题的方法来解决该领域的问题。也就是说．专家系统是一个具有大 量专门知识与经验的程序系统．它应用人工智能技术．根据某个领 域一个或多个人类专家提供的知识和经验进行推理和判断．模拟人 类专家的决策过程。以解决那些需要专家决定的复杂问题。现有的 专家系统都局限在一定范围内．而且没有人类那种能够知道自己什 么时候可能出错的感觉．新的研究包括应用专家系统来教初学者． 以及请教有经验的专业人员。专家系统和传统的计算机程序本质的 不同之处在于．专家系统所要解决的问题一般没有算法解．并且经 常要在不完全、不精确或不确定的信息基础上做出结论。它可以解 决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和 控制等。新一代专家系统有分布式专家系统和协同式专家系统等． 它们不但采用基于规则的方法。而且还采用基于模型的原理．

4.目前人工智能发展中所面临的难题[6]

人工智能(AI)学科自1956年诞生至今已走过50多个年头。就研究 解释和模拟人类智能、智能行为及其规律这一总目标来说，已经迈出了 可喜的一步，某些领域已取得r相当的进展。但从整个发展的过程来 看，人工智能发展曲折，而且还面临不少难题，主要有以下几个方面：

? 计算机博弈的困难

博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或 智力竞争上。博弈不仅存在于下棋之中，而且存在于政治、经济、军事和 生物的斗智和竞争之中。尽管西洋跳棋和国际象棋的计算机程序已经 达到了相当高的水平，然而计算机博弈依然面llfli着巨大的困难。这主要 表现在以下两个方面的『口j题：其一是组合爆炸问题，状态空间法是人工 智能中基本的形式化方法。若用博弈树来表示状态空间，对于几种常见 的棋类，其状态空间都大得惊人，例如，西洋跳棋为10的40次方，国际 象棋为lO的120次方，围棋则是lO的700次方。如此巨大的状态空 间，现有计算机是很难忍受的。其二是现在的博弈程序往往是针对二人 对弈、棋局公开、有确定走步的一类棋类进行研制的。而对于多人对弈、 随机性的博弈这类问题，至少目前计算机还是难以模拟实现的。

? 机器翻译所面临的问题

在计算机诞生的初期，有人提出了用计算机实现自动翻译的设想。 目前机器翻译所面临的问题仍然

是1964年语言学家黑列尔所说的构 成句子的单词和歧义性问题。歧义性问题一直是自然语言理解(NLU) 中的一大难关。同样一个句子在不同的场合使用，其含义的差异是司空 见惯的。因此，要消除歧义性就要对原文的每一个句子及其上下文进行 分析理解，寻找导致歧义的词和词组在上下文中的准确意义。然而，计 算机却往往孤立地将句子作为理解单位。另外，即使对原文有了一定的 理解，理解的意义如何有效地在计算机里表示出来也存在问题。目前的 NI．u系统几乎不能随着时问的增长而增强理解力，系统的理解大都局 限于表层上，没有深层的推敲，没有学习，没有记忆，更没有归纳。导致 这种结果的原因是计算机本身结构和研究方法的问题。现在NLU的研 究方法很不成熟，大多数研究局限在语言这一单独的领域。而没有对人 们是如何理解语言这个问题做深入有效的探讨。 ? 自动定理证明和GP的局限

自动定理证明的代表性工作是1965年鲁宾逊提出的归结原理。归 结原理虽然简单易行，但它所采用的方法是演绎，而这种形式上的演绎 与人类自然演绎推理方法是截然不同的。基于归结原理演绎推理要求 把逻辑公式转化为子句集合，从而丧失了其固有的逻辑蕴含语义。前面 曾提到过的GPS是企图实现一种不依赖于领域知识求解人工智能问题 的通用方法。GPS想摆脱对问题内部表达形式的依赖，但是问题的内部 表达形式的合理件是与领域知识密切相关的。不管是用一阶谓词逻辑 进行定理证明的归结原理。还是求解人工智能问题的通用方法GPS，都 可以从中分析出表达能力的局限性，而这种局限性使得它们缩小了其 自身的应用范围。

? 模式识别的困惑

虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的 已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制 是全然不同的。人的识别手段、形象思维能力，是任何最先进的计算机 识别系统望尘莫及的，另一方面，在现实世界中，生活并不是一项结构严 密的任务，一般家畜都能轻而易举地对付，但机器不会，这并不是说它 们永远不会，而是说目前不会。 加

5人工智能的发展前景

? 人工智能的发展趋势[7]

技术的发展总是超乎人们的想象。要准确地预测人工智能的未来 是不可能的。但是，从日前的一些前瞻性研究可以看出，未来人工智能 可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。

? 人工智能的发展潜力巨大 [8]

（1）人工智能作为一个整体的研究才刚刚开始，离我们的目标还很遥 远，但人工智能在某些方面将会有大的突破。 自动推理是人工智能最经典的研究分支。其基本理论是人工智 能其它分支的共同基础。一直以来自动推理都是人工智能研究的最热 门内容之一，其中知识系统的动态演化特征及可行性推理的研究是最 新的热点，很有可能取得大的突破。

(2)机器学习的研究取得长足的发展。许多新的学习方法相继问世 并获得了成功的应用，如增强学习算法、reinforcement learning等。也应看 到，现有的方法处理在线学习方面尚不够有效，寻求一种新的方法．以解 决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是 研究人员共同关心的问题，相信不久会在这些方面取得突破。

(3)自然语言处理是AI技术应用于实际领域的典型范例，经过A I 研究人员的艰苦努力，这一领域已获得了大量令人瞩目的理论与应用成 果。许多产品已经进入了众多领域。智能信息检索技术在Intemet技术 的影响下。近年来迅猛发展，已经成为了AI的一个独立研究分支。由于 信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研 究的课题，将A l技术应用于这一领域的研究是人工智能走向应用的契 机与突破口。从近年的人工智能发展来看，这方面的研究已取得了可喜 的进展。

6.目前人工智能计算机发展的局限[9]

图灵测试的公布使人们对人工智能计算机不久即将出现充满 了信心。然而从上世纪80年代至今，人们还未见到人工智能计算 机的影子。人工智能计算机的研制行动可谓是自计算机发明以来 最激动人心的大行动，也是一个无奈的失败，失败的原因何在? 第一代至第四代计算机都采用冯·诺依曼结构，这种计算机 是数字式计算机，适用于数字计算，而对图像、声音之类的模拟 信号的处理却无能为力。人工智能计算机的设计突破了传统的 冯·诺依曼结构，在对模拟型号的处理上也能发挥得淋漓尽致。 目前，已有无数科学工作者在计算机处理模拟信号方面取得了一 定的进展，然而与大脑的思维相比仍然相差甚远。近些年来，随 着脑科学、神经心理学等研究的进展，对人脑的结构和功能积累 了一些初步认识，但对整个神经系统的内部结构和作用机制，特 别是脑的功能原理还没有完全搞清楚，有待进一步地探索。时至 今日，我们还不知道大脑是怎样处理信号的。正因如此，我们不 可能研制出一种能模拟人的思维的人工智能计算机。也就是说要 想研制出理想中的第五代计算机，必须首先研究清楚大脑是如何 处理信号的，这就是目前人工智能计算机发展的瓶颈。

7.结论[10]

人工智能一直处于计算机技术的前沿．人工智能研究的理论 和发现在很大程度上将决定计算机技术

本文来源：https://www.bwwdw.com/article/f8z5.html