论文《人工智能》---文献检索结课作业.docx

人工智能
【摘要】：人工智能是一门极富挑战性的科学，但也是一门边沿学科。它属于自然科学和社会科学的交叉。涉及的学科主要有哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等。人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等.蔡自兴，徐光祐.人工智能及其应用.北京：清华大学出版社，2010
。 
【关键词】：人工智能；应用领域；发展方向；人工检索。
1．人工智能描述
人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学元慧·议当人工智能的应用领域与发展状态〖Ｊ〗．2008
。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理计算机视觉、智能机器人、自动程序设计等方。
2.国内外发展现状
世界各国都前赴后继地奔跑在研究利用人工智能这条新路上，特别是美国和日本已经逐步发展成为了人工智能强国。我国人工智能研究起步较晚。纳入国家计划的研究（智能模拟）始于1978年，1984年召开了智能计算机及其系统的全国学术研讨会,1986年起把智能计算机系统、智能机器人和智能信息处理（含模拟 识别)等重大项目列为国家高技术研究计划，1993年起，又把智能10控制和智能自动化等项目列入国家科技攀登计划。1981年起，相继 成立了中国人工智能学会，全国高校人工智能专业委员会、中国计算机学会人工智能与模式识别专业委员会等。1989年首次召开的中国人工智能控制联合会议（cjcai）至今已召开多次。已有多部国内自编的人工智能专著和教材公开出版。《模拟识别与人工智能》杂志已于1987年创刊。我国近年来许多单位都紧跟世界研究潮流，开展了对知识发现、数据挖掘、多agent系统、模式识别、智能机器人、自然语言处理和自动推理等多领域的研究与开发工作，并取得了一定的进展。当前，我国已有数以万计的科技人员和大学师生从事不同层次的人工智能研究与学习，人工智能研究已经在我国深入开展。尽管中国人工智能学科起步晚，但在理论研究方面已赶超日本、追平美国，完全达到了世界领跑水平，特别是中国科学家协同配合国外传统研究方法，开发出的新的综合创新性研究体系，为国际人工智能科学发展做出了突出贡献。中国科学家提出的仿生识别方法、可拓学理论等在全球可谓独树一帜，能够较好地处理过去在人工智能方面难以解决的矛盾问题，并已逐步替代之前的模拟人体结构理论等，成为全球实验室优先采用的研究方法。我国虽然在人工智能的软件方面水平不低，但在硬件、机器制造方面水平还不高，和日本等应用水平和普及度都较高的国家相比，中国还处于一个‘很初级’的阶段。这并不代表我们不能开发出具有 强大功能的机器人，事实上我国的实验室研究生产水平已经完全可以制造出与日本同等水平的人工智能成果。当前影响我国人工智能应用发展的原因主要是，工业化生产水平相比于美日还存在较大差距,对资源和能源的消耗也都难以达到需求，此外，一项先进的人工智能成果在刚开始投入市场生产时需要较高的成本，这对于我国一些普通家庭来说还属于奢侈品，因此在市场需求和推广上也难以跟上国外的脚步。虽然有差距，但是也在不断的进行努力和尝试。在2006年中国就曾经进行过一次中国象棋的人机大战，其过程和效果堪比美 国的深蓝人机竞赛，另外，以哈工大为首的国内众多高校的人工智能研发水平近年来发展迅猛，在一些国际水平的机器人足球赛、机器人起重大赛等人工智能竞赛中都取得了优异的成绩。
3.人工智能的应用前景
人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，籍此使读者对我们身边的人工智能应用有一个感性的认识。
3.1符号计算
计算机最主要的用途之一就是科学计算,科学计算可分为两类:一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;。另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。。早在50年代末,人们就开始对此研究。进入80年代后,随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形式的数学处理。
计算机代数系统的优越性主要在于它能够进行大规模的代数运算。通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后,手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。并且人机界面友好,命令输入方便灵活,很容易寻求帮助。
尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令，有一定的局限性。首先,多数计算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的内存和较长的计算时间,而精确的代数运算以时间和空间为代价的。第二个问题是用计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran语言算同样的问题慢百倍甚至千倍。另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域未能被计算机代数系统涉及。计算机代数系统仍在不断地发展、完善之中。
3.2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。这里,我们把环境与客体统称为“模式”,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 Troxel. Rethinking networking architectures for cognitivecontrol. In Microsoft Research's Cognitive WirelessNetworking Summit. Snoqualmie, WA, 2008.
。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别.曾雪峰·论人工智能的研究与发展〖Ｊ〗·现代工业·2009（13）
。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别系统 (Optical Character Recognition，OCR)、语音识别系统等。
  计算机识别的显著特点是速度快、准确性和效率高。识别过程与人类的学习过程相似。以“汉字识别”为例：首先将汉字图象进行处理，抽取主要表达特征并将其特征与汉字的代码存在计算机中。就像把老师教我们这个字叫什么、如何写的知识记忆在大脑中。这一过程叫做“训练”。识别过程就是将输入的汉字图像经处理后与计算机中所保存的全部汉字进行比较，找出最相近的字作为识别结果,这一过程叫做“匹配”。
语音识别就是让计算机能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。其中，中文部分的实验平台设立在中国科学院自动化所的模式识别国家重点实验室，这是口语翻译研究跨入世界领先水平的标志。该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等与“老外”通话。    
指纹是人体的一个重要特征，具有唯一性。北京大学有关专家对数字图像的离散几何性质进行了深入研究，建立了从指纹灰度图像精确计算纹线局部方向、进而提取指纹特征信息的理论与算法，随后研究成功了适于民用身份鉴定的全自动指纹鉴定系统，以及适于公安刑事侦破的指纹鉴定系统。从而开创了我国指纹自动识别系统应用的先河。北大指纹自动识别系统的推出，使我国公安干警从指纹查对的繁重人工处理中解放出来。浙江省从1997年开始使用北大指纹自动识别系统，采取省地（市）二级建库、省地（市）县三级查询的方式，形成了独特的”浙江模式”。省公安厅现已建立了100多万人的指纹库，是目前国内的第二大库。在100多万人的指纹库中，检索一枚现场指纹仅需4分钟左右。2000年浙江省用指纹自动识别系统直接破案3063起，连带破案12000多起。破案率为全国第一，并遥遥领先于国内其它指纹识别系统，被公安部树为指纹系统建设应用样板。
这里介绍一个综合应用的例子，一汽集团公司与国防科技大学最近合作研制成功”红旗轿车自主驾驶系统”（即无人驾驶系统），它标志着我国研制高速智能汽车的能力已达到当今世界先进水平。汽车自主驾驶技术是集模式识别、智能控制、计算机学和汽车操纵动力学等多门学科于一体的综合性技术，代表着一个国家控制技术的水平。红旗车自主驾驶系统采用计算机视觉导航方式，并采用仿人控制，实现了对红旗车的操纵控制 L. Tesler. Adages & Coinages, 2011. Tesler Consulting/Adages andCoinages.html, cited 29 March 2011.
。首先，摄像机将车前方的道路和车辆行驶情况输入到图像处理和图像识别系统。该系统识别出道路状况、前方车辆的相对距离和相对车速。接着，路径规划系统根据这些信息规划出一条合适路径，即决定如何开车。然后，路径跟踪系统根据需跟踪的路径，结合车辆行驶状态参数和车辆驾驶动力学约束，形成控制命令，控制方向盘和油门开启机构产生相应动作，使汽车按照规划好的路径前进，即按自主驾驶系统的规划路径前进。　
3.3专家系统
专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。
为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。
开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用.宋绍云，仲涛.BP人工神经网络的新型算法.人工智能及识别技术,2009,5(5)
。随着计算机科学技术整体水平的提高，分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。
3.4 机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类 Troxel. Rethinking networking architectures for cognitivecontrol. In Microsoft Research's Cognitive WirelessNetworking Summit. Snoqualmie, WA, 2008.
。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。
    机器翻译：
    1.一句一句处理，上下文缺乏联系；
    2.对源语言的分析只是求解句法关系，完全不是意义上的理解；
    3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；
    4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；
    5.翻译只是句法结构的和词汇的机械对应。
    人工翻译：
    1.一般会先通读全文，会前后照应；
    2.对源语言是求得意义上的理解；
    3.只有专业翻译人员，而没有万能翻译人员；
    4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；
    5.翻译是一个再创造的过程。
在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软件。如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成 V. Sesum-Cavic and E. Kuhn. Applying swarm intelligence algorithms for dynamic load balancing to a cloud based call center. In IEEE Self-Adaptive and Self-Organizing Systems Workshop on Self-Adaptive Networking,pages 42 {49. (New York, NY: IEEE Press),2010.
。这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。
机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。随着因特网的普及与发展，机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人。国际上有关专家分析认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历15年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判断”的情况下，机器翻译要想达到100%的准确率是不可能的。
4 人工智能的相关研究内容
人工智能的早起发展和研究可分为以下几个阶段：
第一阶段：50年代人工智能的兴起和冷落：人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。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：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。 DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音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。并且，1969年成立了国际人工智能联合会议（International Joint Conferences on Artificial Intelligence即IJCAI）。
第三阶段：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KIPS”，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。
第四阶段：80年代末，神经网络飞速发展。 1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段：90年代，人工智能出现新的研究高潮.由于网络技术特别是国际互连网的技术发展，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，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。
　　人工智能的近期研究目标在于建造智能计算机，用以代替人类从事脑力劳动，即使现有的计算机更聪明更有用。正是根据这一近期研究目标，我们才把人工智能理解为计算机科学的一个分支。人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机(automata)模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。
　　在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。
人工智能研究尚存在不少问题，这主要表现在下列几个方面：
4.1 宏观与微观隔离
一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象；另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远，中间还有许多层次未予研究，无法把宏观与微观有机地结合起来和相互渗透。
4.2 全局与局部割裂
人类智能是脑系统的整体效应，有着丰富的层次和多个侧面。但是，符号主义只抓住人脑的抽象思维特性；连接主义只模仿人的形象思维特性；行为主义则着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。必须从多层次、多因素、多维和全局观点来研究智能，才能克服上述局限性。
4.3 理论和实际脱节
大脑的实际工作，在宏观上我们已知道得不少；但是智能的千姿百态，变幻莫测，复杂得难以理出清晰的头绪。在微观上，我们对大脑的工作机制却知之甚少，似是而非，使我们难以找出规律。在这种背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出“智能”就算相当成功了。
　　上述存在问题和其它问题说明，人脑的结构和功能要比人们想象的复杂得多，人工智能研究面临的困难要比我们估计的重大得多，人工智能研究的任务要比我们讨论过的艰巨得多。同时也说明，要从根本上了解人脑的结构和功能，解决面临的难题，完成人工智能的研究任务，需要寻找和建立更新的人工智能框架和理论体系，打下人工智能进一步发展的理论基础。
我们至少需要经过几代人的持续奋斗，进行多学科联合协作研究，才可能基本上解开“智能”之谜，使人工智能理论达到一个更高的水平。
5.关键技术
5.1.智能机器人
机器人和机器人学是人工智能研究的另一个重要的应用领域，促进了许多人工智能思想的发展，由它衍生而来的一些技术可用来模拟现实世界的状态，描述从一种状态到另一种状态的变化过程，而且对于规划如何产生动作序列以及监督规划执行提供了较好的帮助。机器人的应用范围越来越广，已开始走向第三产业，如商业中心、办公室自动化等。目前机器人学的研究方向主要是研制智能机器人。智能机器人将极大地扩展机器人应用领域。智能机器人本身能够认识工作环境、工作对象及其状态，根据人给予的指令和自身的知识，独立决定工作方式，由操作机构和移动机构实现任务，并能适应工作环境的变化 K. Z. Haigh, T. S. Hussain, C. Partridge, and G. D.Troxel. Rethinking networking architectures for cognitivecontrol. In Microsoft Research's Cognitive WirelessNetworking Summit. Snoqualmie, WA, 2008.
。智能机器人只要告诉它做什么，而不用告诉怎么做。它共有四种基本功能，分别是：(1)运动功能，类似于人的手、臂和腿的基本功能，对外界环境施加作用。(2)感知功能，获取外界信息的功能。(3)思维功能，求解问题的认识、判断、推理的功能。(4)人机通信功能，理解指示，输出内部状态，与人进行信息交流的功能。智能机器人是以一种“认知——适应”方式进行操作的.智能机器人. 华南理工大学出版社。2008年01月
。
5.2模式识别与智能系统
　 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。
5.3计算机感知
感知问题是人工智能的一个经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科领域，具体包括计算机视觉和声音处理等。感知问题的关键是必须把数量巨大的感知数据以一种易于处理的精练的方式，进行简练、有效的表征和描述。对计算机视觉做出卓越贡献的是马尔(D.Marr)教授，他认为视觉是一个复杂的信息处理过程，并有不同的信息表达方式和不同层次的处理过程，而最终的目的是实现计算机对外部世界的描述 V. Sesum-Cavic and E. Kuhn. Applying swarm intelligence algorithms for dynamic load balancing to a cloud based call center. In IEEE Self-Adaptive and Self-Organizing Systems Workshop on Self-Adaptive Networking,pages 42 {49. (New York, NY: IEEE Press),2010.

。由此，他提出了三十层次的研究方法，包括计算理论、算法和硬件实现。他的理论奠定了计算机视觉研究的理论基础，并明确指出了研究内容和研究目标。目前，计算机视觉已在图像处理、立体与运动视觉、三维物体建模和识别等方面取得了很大的进展，但离建构一个实用的计算机视觉系统还有很大的距离。
5.4计算机神经网络
具有模仿人的大脑判断能力和适应能力、可并行处理多种数据功能的神经网络计算机，可以判断对象的性质与状态，并能采取相应的行动，而且可同时并行处理实时变化的大量数据，并引出结论。神经电脑除有许多处理器外，还有类似神经的节点，每个节点与许多点相连。若把每一步运算分配给每台微处理器，它们同时运算，其信息处理速度和智能会大大提高。神经电子计算机的信息不是存在存储器中，而是存储在神经元之间的联络网中。若有节点断裂，电脑仍有重建资料的能力，它还具有联想记忆、视觉和声音识别能力。
5.5机器翻译
机器翻译（MachineTranslation，经常简写为MT）属于计算语言学（ComputationalLinguistics）的范畴，其研究借由计算机程序将文字或演说从一种自然语言翻译成另一种自然语言。简单来说，机器翻译是通过将一个自然语言的字辞取代成另一个语言的字辞。借由使用语料库的技术，可达成更加复杂的自动翻译，包含可更佳的处理不同的文法结构、词汇辨识、惯用语的对应等。机器翻译软件通常可允许针对特定领域或是专业（例如天气预报）来加以客制化，目的在于将词汇的取代缩小于该特定领域的专有名词上，以借此改进翻译的结果。这样的技术针对一些使用较正规或是较制式化陈述方式的领域来说特别有效。例如像是政府机关或是法律相关文件，这类型的文句通常皆比起一般的文句来的正式与制式化，其机器翻译的结果往往比起像是日常生活的对话这种非正式文件要来的好。
5.6数字图像处理
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有去除噪声、图像增强、复原、分割、提取特征、编码、压缩等陈宗海. 系统仿真技术及其应用，中国科学技术大学出版社。2009年07月
。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。

6.参考文献：
[1]曾雪峰·论人工智能的研究与发展〖Ｊ〗·现代工业·2009（13）
[2]元慧·议当人工智能的应用领域与发展状态〖Ｊ〗．2008
[3]蔡自兴，徐光祐.人工智能及其应用.北京：清华大学出版社，2010
[4]宋绍云，仲涛.BP人工神经网络的新型算法.人工智能及识别技术,2009,5(5)
[5]陈宗海. 系统仿真技术及其应用，中国科学技术大学出版社。2009年07月
[6]智能机器人. 华南理工大学出版社。2008年01月
[7]Paolo Dario, Eugenio Guglielmelli, et al. Robotic for Medical Applications. IEEE Robotics and Automation Magazine, September 2009: 44-56.
[8]V. Sesum-Cavic and E. Kuhn. Applying swarm intelligence algorithms for dynamic load balancing to a cloud based call center. In IEEE Self-Adaptive and Self-Organizing Systems Workshop on Self-Adaptive Networking,pages 42 {49. (New York, NY: IEEE Press),2010.
[9]J. Tapiador and J. Clark. Learning autonomic security recon_guration policies. In Computer and Information Technology (CIT), 2010 IEEE 10th International Conferenceon, pages 902{909, 2010.
[10]L. Tesler. Adages & Coinages, 2011. Tesler Consulting/Adages andCoinages.html, cited 29 March 2011.
[11]Y. Vigfusson, A. Silberstein, B. F. Cooper, and R. Fonseca.Adaptively parallelizing distributed range queries.Proc. VLDB Endowment, 2:682{693, August 2009.
[12]S. J. H. Yang, J. Zhang, L. Lin, and J. J. P. Tsai. Improvingpeer-to-peer search performance through intelligentsocial search. Expert Systems with Applications,36(7):10312{10324, September 2009.
[13]T. Newman, J. Evans, and A. Wyglinski. Recon_guration,adaptation and optimization. In A. M. Wyglinski,M. Nekovee, and T. Hou, editors, Cognitive Radio Communications and Networks: Principles and Practice.(New York, NY: Elsevier/North Holland), 2009.
[14]K. Z. Haigh, T. S. Hussain, C. Partridge, and G. D.Troxel. Rethinking networking architectures for cognitivecontrol. In Microsoft Research's Cognitive WirelessNetworking Summit. Snoqualmie, WA, 2008.
[15]R. Chadha and C.-Y. Chiang. Drama: Distributed policymanagement for MANETs. In IEEE Workshop on Policiesfor Distributed Systems and Networks, pages 235{237, June 2008.
[16]E. Elkind and K. Leyton-Brown. Introduction to the aimagazine special issue on algorithmic game theory. AIMagazine, Winter, 2010.
[17]S. J. H. Yang, J. Zhang, L. Lin, and J. J. P. Tsai. Improvingpeer-to-peer search performance through intelligentsocial search. Expert Systems with Applications,36(7):10312{10324, September 2009.

7.引文报考
查阅的文献为：
标题: KABOOM! A new suffix array based algorithm for clustering expression data DEC 15 2011.
作者: Hazelhurst, Scott ; Liptak, Zsuzsanna