第1-10共10章-人工智能.ppt

<p>,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/10/10,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/10/10,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/10/10,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2021/10/10,*,2021/10/10,1,第,1,章绪论,【,主要内容,】,1.1,什么是人工智能,1.2,人工智能的发展,1.3,人工智能的研究方法,1.4,人工智能研究的,应用领域,2021/10/10,2,1.1,什么是人工智能,【,现工智,现代人工智能（,Artificial Intelligence,，简称,AI,），一般认为起源于美国,1956,年夏季的达特茅斯会议，在这次会议上，,John McCarthy,第一次提出了,“,Artificial Intelligence,”,这个词。,约翰,麦卡锡（,John McCarthy,）,人工智能之父,首次提出,AI,的概念,LISP,语言的发明人,2021/10/10,3,1.1,什么是人工智能,人工智能,(,Artificial Intelligence,，,简记为,AI),是当前科学技术迅速发展及新思想、新理论、新技术不断涌现的形势下产生的一个学科，也是一门涉及数学、计算机科学、哲学、认知心理学和心理学、信息论、控制论等学科的交叉和边缘学科。,本章的主要任务是讨论智能、人工智能的基本概念，并对人工智能的发展历史、研究内容、研究途径及应用领域进行简要的讨论。,2021/10/10,4,1.1,什么是人工智能,人工,人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的麦卡锡在,1956,年的达特矛斯会议上提出的：,“,人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样,”,。总体来讲，目前对人工智能的定义大多可划分为四类，即机器,“,类人思维,”,、,“,类人行为,”,、,“,理性思维,”,和,“,理性行为,”,。,2021/10/10,5,1.1,什么是人工智能,【,图灵测试,】,1950年，阿兰,图灵(,Alan Turing),提出图灵测试，为智能提供一个满足可操作要求的定义。图灵测试用人类的表现来衡量假设的智能机器的表现，这无疑是评价智能行为的最好且唯一的标准。,2021/10/10,6,1.1,什么是人工智能,图灵测试的基本过程,图灵称为“模仿游戏”的测试是这样进行的:将一个人与一台机器置于一间房间中，而与另外一个人分隔开来，并把后一个人称为询问者。询问者不能直接见到屋中任一方，也不能与他们说话，因此，他不知道到底哪一个实体是机器，只可以通过一个类似终端的文本设备与他们联系。,然后,让询问者仅根据通过这个仪器提问收到的答案辨别出哪个是计算机，哪个是人。如果询问者不能区别出机器和人，那么根据图灵的理论，就可以认为这个机器是智能的。,2021/10/10,7,1.1,什么是人工智能,一台机器要通过图灵测试，它需要有下面的能力：,自然语言处理:实现用自然语言与计算机进行交流;,知识表示:存储它知道的或听到的、看到的；,自动推理：能根据存储的信息回答问题，并提出新的结论；,机器学习：能适应新的环境，并能检测和推断新的模式；,计算机视觉：可以感知物体；,机器人技术：可以操纵和移动物体。,2021/10/10,8,1.1,什么是人工智能,图灵测试的重要特征,：,它给出了一个客观的智能概念，也就是根据对一系列特定问题的反应来决定是否是智能体的行为。这为判断智能提供了一个标准，从而避免了有关部门智能：“真正”特征的必然争论。,这项实验使我们免于受到诸如以下目前无法回答的问题的牵制：计算机使用的内部处理方法是否恰当或者机器是否是否真的意识到其动作。,通过使询问者只关注回答问题的内容，消除了有利于生物体的偏置。,2021/10/10,9,1.1,什么是人工智能,人工智能（,AI,）是一门正在发展中的综合性前沿学科，它由计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科相互渗透而发展起来。,人工智能研究的近期目标：是使现有的计算机不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。,人工智能的最终目标是建立关于智能的理论和让智能机器达到人类的智能水平（人工智能体）。,2021/10/10,10,1.2,人工智能的发展,图灵,于,1936,年提出了一种理想计算机的数学模型，后世通称之为图灵机。现已公认，所有可计算函数都能用图灵机计算，这就是所谓,C,hurch-Turing,论题。,Turing,的这项工作为后来出现的电子计算机建立了理论根据。,1950,年,10,月，图灵发表了题为,“,机器能思考吗？,”,的论文，在计算机科学界引起巨大震撼，为人工智能的创立奠定了基础。,人工智能的孕育期,2021/10/10,11,1.2,人工智能的发展,McCulloch,，,美国神经生理学家。他和,Pitts,一起，在,1943,年建成了第一个神经网络数学模型。,McCulloch,和,Pitts,的理论开创了微观人工智能，即用模拟人脑来实现智能的研究。,Wiener(,维纳,),，美国数学家。他,于,1948,年发表,的控制论（,Cybernetics,或动物与机器中的控制与通信）论文，不但开创了近代控制论，而且为人工智能的行为主义学派树立了信息的里程碑。,Shannon(,香农,),，,美国数学家。他于,1948,年发表了通讯的数学理论，这是一个标志，代表了一门新学科,信息论,的诞生。信息论对心理学产生了很大的影响，而心理学又是人工智能研究的重要支柱。,人工智能的孕育期,2021/10/10,12,1.2,人工智能的发展,人工智能的摇篮期,1956,年夏季，人工智能（,AI,）作为一门独立的学科正式诞生在达特茅斯大学召开的世界上第一次人工智能大会。经,McCarthy,提议，在会上正式决定使用人工智能一词来概括这个研究方向。,McCarthy,人工智能之父,会议参加者：,Minsky(,哈佛大学数学神经学家,),Rochester(IBM,公司信息研究中心负责人,),Shannon(,香农,)(,贝尔实验室信息部数学研究员,),T.Moore(,摩尔,),和,A.Samuel(,塞缪尔,)(IBM,公司,),A.Newell(,艾伦,.,纽厄尔,),H.A.Simon(,西蒙,),2021/10/10,13,1.2,人工智能的发展,自这次会议之后的,10,多年间，人工智能的研究取得了许多引人注目的成就。,1956,年，,NeweIl,和,Simon,等人首先取得突破，他们编制的程序,Logic Theorist,证明了数学原理第二章中的,38,条定理,。,后来经过改进，又于,1963,年证明了该章中的全部,52,条定理。这一工作受到了人们的高度评价,，,被认为是计算机模拟人的高级思维活动的一个重大成果,，,是人工智能的真正开端。,从1957年开始，,Newell，Shaw,和,Simon,等人就开始研究一种不依赖于具体领域的通用解题程序，称为,GPS,(General Problem Solver),。,GPS,的研究前后持续了,10,年,，,最后的版本发表于,1969,年。,人工智能的摇篮期,2021/10/10,14,1.2,人工智能的发展,人工智能的形成期,在逻辑学方面，鲁滨逊,(J,A,Robinson),发表了使用逻辑表达式表示的公理，机械地证明给定的逻辑表达式的方法，它被称为归结原理，对后来的自动定理证明和问题求解的研究产生了很大的影响。现在有名的程序设计语言,PROLOG,也是以归纳原理为基础的。,2021/10/10,15,1.2,人工智能的发展,人工智能的形成期,在这个时期最大的人工智能研究成果是涉及语义处理的自然语言处理,(,英语,),的研究。,MIT,的研究生威诺格拉德,(T,Winograd),开发了能够在机器人世界进行会活的自然语言系统,SHRDLU,。它不仅能分析语法，而且能够分析语义解释不明确的句子，对提问通过推理进行回答。恰好在第一届人工智能国际会议召开之际，人工智能作为一个学术领域得到了承认。,MIT,、斯坦福大学和,CMU,被称为人工智能和计算机科学的三大中心。,2021/10/10,16,1.2,人工智能的发展,人工智能的发展期,1972,年，法国马赛大学,A.Cohermer,和他领导的研究小组研制成功第一个,PROLOG,系统，成为了继,LISP,语言之后的另一种重要的人工智能程序语言；,1972年，斯坦福大学的,E.H.Shortliffe,研制了用于诊断和治疗感染性疾病的专家系统,MYCIN。,1974,年，,Minsky,提出了框架理论；,Shortliffe,于,1975,年提出并在,IMYCIN,中应用了不精确推理；,Duda,于,1976,年提出并在,PROSPECTOR,中应用的贝叶斯方法等等。,1977,年，第五届国际人工智能联合会(,5thIJCAI),上，,Feigenbaum,教授在一篇题为,人工智能的艺术：知识工程课题及实例研究,的特约文章中，系统地阐述了专家系统的思想，并提出了知识工程,(Knowledge Engineering),的概念。,2021/10/10,17,1.2,人工智能的发展,他说；“人工智能研究的知识表示和知识利用的理论，不能直接地用于解决复杂的实际问题。知识工程师必须把专家的知识变换成易于计算机处理的形式加以存储。计算机系统通过利用知识进行推理来解决实际问题。”从此之后，处理专家知识的知识工程和利用知识工程的应用系统,(,专家系统,),大量涌现。专家系统可以预测在一定条件下某种解的概率。由于当时计算机已有巨大容量，专家系统有可能从数据中得出规律。专家系统的市场应用很广。十年间，专家系统被用于股市预测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等。这一切都因为专家系统存储规律和信息的能力而成为可能。,人工智能的发展期,2021/10/10,18,1.2,人工智能的发展,人工智能的实用期,进入,20,世纪,80,年代后，专家系统的开发已经走出实验室,，,成为软件产业的一个新分支：知识产业。有人估计，这方面的专业公司正以差不多每周新开张一个的速度发展着。,现在,，,大多数人工智能专家都承认，知识工程是,20,世纪七八十年代人工智能研究中最有成就的分支之一，它在恢复和推进人工智能的社会形象方面起了很大的作用。,2021/10/10,19,1.2,人工智能的发展,作为典型的人工智能产品最早要数,LISP,机。其作用是用高速专用工作站把以往在大型计算机上运行的人工智能语言,LISP,加以实现。在,MIT,从,1975,年左右开始试制,LISP,机。作为一个副产品，一部分研究者成立了公司，最先把,LISP,机商品化。美国主要的人工智能研究所最先购入,LISP,机，用户的范围逐渐扩大。再者，各种程序设计语言也商品化了。除此之外，还有作为人机接口的自然语言软件,(,英语,),、,CAI(Computer Aided Instruction),、具有视觉的机器人等。在各公司内部使用的产品中，,GE,公司的机车故障诊断系统和,DEC,公司的计算机构成的辅助系统是很有名的。,人工智能的实用期,2021/10/10,20,1.2,人工智能的发展,然而,，,随着专家系统应用的不断深入,，,专家系统自身存在的知识获取难、知识领域窄、推理能力弱、智能水平低、没有分布式功能、实用性差等等问题逐步暴露出来。,日本、美国、英国和欧洲所制订的那些针对人工智能的大型计划多数执行到,20,世纪,80,年代中期就开始面临重重困难,，,已经看出达不到预想的目标1992,年，,FGCS,正式宣告失败。,进一步分析便发现,，,这些困难不只是个别项目的制定有问题,，,而是涉及人工智能研究的根本性问题。,人工智能的实用期,2021/10/10,21,1.2,人工智能的发展,总的来讲是两个问题,：,一是所谓的交互,(Interaction),问题,，,即传统方法只能模拟人类深思熟虑的行为,，,而不包括人与环境的交互行为,；,另一个问题是扩展,(Scaling up),问题,，,即所谓的大规模的问题,，,传统人工智能方法只适合于建造领域狭窄的专家系统,，,不能把这种方法简单地推广到规模更大、领域更宽的复杂系统中去。,这些计划的失败,，,对人工智能的发展是一个挫折。,于是到了,20,世纪,80,年代中期，,AI,特别是专家系统热大大降温。进而导致了一部分人对,AI,前景持悲观态度，甚至有人提出,AI,的冬天已经来临。,人工智能的实用期,2021/10/10,22,1.2,人工智能的发展,人工智能稳步增长期,尽管,20,世纪,80,年代中期,AI,研究的淘金热跌到谷底,，,但大部分,AI,研究者都还保持着清醒的头脑。一些老资格的学者早就呼吁不要过于渲染,AI,的威力,，,应多做些脚踏实地的工作。甚至在这个淘金热来到时就已预言其很快就会降温,。,也正是在这批人的领导下,，,大量扎实的研究工作接连不断地进行,，,从而使,AI,技术和方法论的发展始终保持了较高的速度。,2021/10/10,23,1.2,人工智能的发展,20,世纪,80,年代中期的降温并不意味着,AI,研究停滞不前或遭受重大挫折,，,因为过高的期望未达到是预料中的事,，,不能认为是受到挫折。自那以来,，,AI,研究进入稳健的线性增长时期,，,而人工智能技术的实用化进程也步入成熟时期。,人工智能稳步增长期,2021/10/10,24,1.3,人工智能的研究方法,近年来,AI,研究形成三种不同的研究学派：,符号主义,（,AI,研究的传统观点）,联接主义：,神经网络及神经网络间的连接机制与学习算法,行为主义,：智能行为的基础是“感知,-,行动”，是在与环境的交互作用中表现出来的。,2021/10/10,25,1.3,人工智能的研究方法,符号主义,符号主义以符号处理为核心的方法，又称为自上而下和符号主义,起源于,GPS,用于模拟人类问题求解过程的心理过程,逐渐形成为物理符号系统,。,AI的目标就是实现机器智能,而计算机自身具有符号处理功能,它本身就蕴含着推理能力,因而可能够方便地模拟逻辑思维过程,。符号主义认为：人类智能的基本单元是符号，认知过程就是符号操作过程，从而思维就是符号计算,2021/10/10,26,1.3,人工智能的研究方法,主要特征:,(1)立足于逻辑运算和符号操作,适合于模拟 人的逻辑思维过程,解决需要逻辑推理的复杂问题。,(2)知识可用显示的符号表示,在已知基本规则的情况下,无需输入大量的细节知识。,(3)便于模块化,当个别事实发生变化时,易于修改。,(4)能与传统的符号数据库进行连接。,(5)可对推理结论进行解释,便于对各种可能性进行选择。,2021/10/10,27,1.3,人工智能的研究方法,符号主义,缺点：,可以解决逻辑思维,但对于形象思维难于模拟信息表示成符号后,并在处理或转换时,信息有丢失的情况。,2021/10/10,28,1.3,人工智能的研究方法,连接主义以网络连接为主的连接机制方法。又称为自下而上和连接主义,属于非符号处理范畴。在现实中，人们并不仅仅依靠逻辑推理来求解问题，有时非逻辑推理还其着非常重要的作用。,2021/10/10,29,1.3,人工智能的研究方法,连接主义,主要特征:,(1)通过神经元之间的并行协作实现信息处理,处理过程具有并行性,动态性,全局性,(2)可以实现联想的功能,便于对有噪声的信息进行处理,(3)可以通过对神经元之间连接强度的调整实现学习和分类等,(4)适合模拟人类的形象思维过程,(5)求解问题时,可以较快的得到一个近似解,2021/10/10,30,1.3,人工智能的研究方法,连接主义,缺点：,(1),不适合于解决逻辑思维,(2),体现结构固定和组成方案单一的系统也不适合多种知识的开发,2021/10/10,31,1.3,人工智能的研究方法,行为主义又称为进化主义或控制论学派，是基于控制论和,“,动作-感知,”,型控制系统的人工智能学派，属于非符号处理方法,行为基本观点可以概括为：,1、知识和形式化表达和模型化方法是人工智能的重要障碍之一；,2、智能取决于感知和行动，应直接利用机器对环境作用后，环境对作用的响应为原形,3、智能行为只能现实在世界中与周围环境交互作用而表现出来,4、人工智能可以像人类智能一样逐步进化，分阶段发展和增强。,2021/10/10,32,1.3,人工智能的研究方法,这种观点认为人工智能起源于控制论,，,智能取决于感知和行动,(,所以被称为行为主义,),，,它不需要知识、不需要表示、不需要推理。,其代表人是布鲁克,(R.A.Brooks),，他的观点是：,人的本质能力是在动态环境中的行为能力、对外界事物的感知能力、维持生命和繁衍生息的能力,，,正是这些能力对智能的发展提供了基础,，,因此智能行为只能在与现实世界的环境交互作用中表现出来,，,这似乎符合达尔文的进化论,，,即人工智能也会像人类智能一样通过逐步进化而实现,(,所以称为进化主义,),，,而不需要有知识表示和知识推理,。,行为主义,2021/10/10,33,1.3,人工智能的研究方法,Brooks,的代表性成果是他所研制的6足机器虫。,Brooks,认为要求机器人像人一样去思维太困难了,，,在做一个像样的机器人之前,，,不如先做一个像样的机器虫,，,由机器虫慢慢进化,，,或许可以做出机器人。于是他在,MIT,的,AI,实验室研制成功了一个由,150,个传感器和,23,个执行器构成的像煌虫一样能做,6,足行走的机器人实验系统。这个机器虫虽然不具有像人那样的推理、规划能力,但其应付复杂环境的能力却大大超过了原有的机器人,在自然,(,非结构化,),环境下,，,具有灵活的防碰撞和漫游行为,。,目前这一观点尚未形成完整的理论体系，有待进一步研究，但由于它与人们的传统看法完全不同，因而引起了人工智能界的注意。,2021/10/10,34,1.4,人工智能的应用领域,人工智能研究的主要内容包括机器学习、问题求解、,专家,系统,、模式识别、自然语言处理、,智能决策支持系统、,人工神经网络、自动定理证明、机器学习等广泛内容。,2021/10/10,35,1.4,人工智能的应用领域,机器学习,机器学习就是让计算机能够像人那样自动获取新知识,，,并在实践中不断地完善自我和增强能力,，,使得系统在下一次执行同样任务或类似的任务时,，,会比现在做得更好或效率更高,。,机器学习的研究一方面可以使机器能自动获取知识,，,赋予机器更多的智能,；,另一方面可以进一步揭示人类思维规律和学习奥秘,，,帮助人们提高学习效率。机器学习的研究还会对记忆存储模式、信息输入方式及计算机体系结构产生重大影响。,机器学习主要有机械学习、归纳学习、类比学习、解释学习、发现学习、遗传学习和连接学习等。,2021/10/10,36,机器学习的研究尚处于初级阶段,，,但却是一个必须大力开展研究的领域。只有机器学习的研究取得进展,，,人工智能和知识工程才会取得重大突破。,1.4,人工智能的应用领域,机器学习,2021/10/10,37,1.4,人工智能,的应用领域,问题求解,人工智能的第一大成就是能够求解难题的下棋,(,如象棋,),程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。另一种问题求解程序是把各种数学公式符号汇编在一起，使其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。,2021/10/10,38,1.4,人工智能的应用领域,专家系统是一个计算机智能软件系统,，,它运用特定领域的专门知识,，,通过推理来模拟解决通常由人类专家才能解决的各种复杂、具体的问题,，,其解决问题的能力达到与领域专家同等水平。,专家系统的研究起源于前述的,DENDRAL,系统,，,它和后来研制的,MYCIN,系统一起推动了专家系统技术的大发展。进入,20,世纪,80,年代后期,，,专家系统加快了其实用化步伐,。,例如据,1988,年美国的一份统计资料讲,：,1987,年得到实用的专家系统为,50,个,，,而,1988,年则达,1400,个,，,至于声称在研制开发中的专家系统就更多了,。,专家系统,2021/10/10,39,成功案例,American Express,公司研制的专家系统,AA,和,CA,长期以来，该公司提供的信用卡服务面临恶性透支和欺骗行为,等,问题，致使公司每年蒙受高达,1,亿美元的损失,。,为此，判断持卡人是否正当使用信用卡成为迫切需解决的问题。,如何在,90,秒的时间内对多达,16,屏幕的信用卡记录进行审查？人工审查是不可能的。,所以公司于,1988,年研制了,AA,系统来帮助做信用卡审查工作，获得了巨大成功，每年可为公司挽回损失近,2700,万美元。,1991,年公司又研制了,CA,系统来审查,AA,系统决策的合理性,，,以求提高,AA,系统的可靠性,。,作为这两个专家系统联合工作的结果,，,公司几乎每年可挽回,5000,万美元的损失。,CA,系统的开发涉及到美国司法的复杂性,50,个州各自颁布差异很大的信用法律，知识处理技术正好大有用武之地。,1.4,人工智能的应用领域,2021/10/10,40,1.4,人工智能的应用领域,目前,，,专家系统已广泛用于工业、农业、医疗、地质、气象、交通、军事、教育、空间技术、信息管理等各方面,，,大大提高了工作效率和工作质量,，,创造了可观的经济效益和积极的社会效益。,今后专家系统研究的重点课题是,：,如何克服专家系统的脆弱性,，,提高鲁棒性,，,浅层知识与深层知识推理的结合,，,多专家系统协作求解,，,自动知识获取等。,2021/10/10,41,1.4,人工智能的应用领域,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（如签字）等。模式识别是一个不断发展的新学科它的理论基础和研究范围也在不断发展。随着生物医学对人类大脑的初步认识，模拟人脑构造的计算机实验即人工神经网络方法早在,20,世纪,50,年代末和,60,年代初就已经开始。在日常生活各方面以及军事上都有广大的用途。至今，在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。,模式识别,2021/10/10,42,1.4,人工智能的应用领域,如果能让计算机,“,听懂,”,、,“,看懂,”,人类自身的语言,(,如汉语、英语、法语等,),，,那将使更多的人可以使用计算机,，,大大提高计算机的利用率。自然语言理解就是研究如何让计算机理解人类自然语言的一个研究领域。,自然语言理解是指机器能够执行人类所期望的,以下,语言功能,：,回答有关提问,(question-answering),；,摘要生成和文本释义,(Summarizing and paraphrase),；,翻译,(translation),。,自然语言处理,2021/10/10,43,1.4,人工智能的应用领域,IDSS,是将,AI,技术引入,DSS,而形成的一种新型信息系统。它是以信息技术为手段，应用管理科学、计算机科学及有关学科的理论与方法，针对半结构化和非结构化的决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行分析比较等方式，为管理者做出决策提供帮助的智能型人机互助式信息系统。,在席卷全球的信息革命浪潮中，,IDSS,作为,DSS,研究的热点和主要发展方向，引起了国内外学术界和企业界的极大重视。,智能决策支持系统,2021/10/10,44,1.4,人工智能的应用领域,人工神经网络是一个用大量称做人工神经元的简单处理单元经广泛连接而组成的人工网络,，,用来模拟大脑神经系统的结构和功能,。,人工神经网络的研究始于,20,世纪,40,年代。,1943,年,，,生理学家,W.McCulloch,和数理逻辑学家,W.Pitts,提出了形式神经元的数学模型,(M-P,模型,),，,从此开创了将数理科学与认知科学结合,，,探索人脑奥秘的过程。,人工神经网络,2021/10/10,45,1.4,人工智能的应用领域,在经历了几十年的曲折发展道路之后,，,到了,20,世纪,80,年代,，,Hopfield,在神经网络建模及应用方面提出了,Hopfield,神经网络模型,，,以及,Rumelhart,等,提出了多层网络中的反向传播,(B-P),算法,，,使神经网络的研究再次出现高潮,，,步入鼎盛时期,，,取得了许多研究成果。,2021/10/10,46,1.4,人工智能的应用领域,自动定理证明,利用计算机进行,ATP,是,AI,研究中的一个重要方向,，,在发展,AI,方法上起过重大的作用。很多非数学领域的任务,，,都可以转化为一个定理证明问题。目前,，,自动定理证明的常用方法有,3,大类,：自然演绎法；判定法；定理证明器。,自然演绎法,：,其基本思想是依据推理规则,，,从前提和,公理中可以推出许多定理,，,如果待证明的定理恰好在,其中,，,则定理得证。,2021/10/10,47,1.4,人工智能的应用领域,自动定理证明,定理证明器：,是研究一切可判定问题的证明方法。它的基础是,1965,年,Robinson,提出的归结原理。,判定法,：,即对一类特定的问题找出统一的、可在计算机上实现的算法解,。如吴文俊的,“,吴方法,”,。,2021/10/10,48,1.4,人工智能的应用领域,机器人学是在社会对机器人的需求和机器人技术的迅速发展的基础上，形成的一个多学科高度交叉的前沿学科。,它所导致的一些技术可用来模拟世界的状态，用来描述从一种世界状态转变为另一种世界状态的过程。它对于怎样产生动作序列的规划以及怎样监督这些规划的执行有较好的理解。,目前研制出来的机器人一般是针对具体领域的，如工业机器人、,井,下机器人、宇宙机器人等,，,特别应用在一些环境比较危险、人们难以胜任的工作场合,。,机器人学,2021/10/10,49,1.4,人工智能的应用领域,随着计算机技术的快速发展，人工智能的研究近几年来也取得了很多新的进展，许多的研究领域不断出现，例如数据挖掘、网络信息过滤等都是一些新型的研究领域。随着科学技术的发展，人工智能各研究领域间联系将更加紧密，互相渗透，这种融合与渗透必将促进人工智能研究的发展，促使其走向实际应用。,2021/10/10,50,</p>