浅谈人工智能技术的发展.doc

浅谈人工智能技术的开展 篇一：浅谈人工智能技术的开展 浅谈人工智能技术的开展 摘要：自从计算机诞生以来，计算机的开展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前关于计算机科学的研究已经出现了特别多的分支，其中的人工智能在整个计算机科学领域中也是一个十分抢手的课题。本文从人工智能的概念开场，对人工智能的开展进展讲述，并从哲学的角度对人工智能能否超过人的智能这个征询题进展了分析。 关键词：人工智能 开展 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，它探究智能的本质，并以制造一种能以人类智能相类似的方式做出反响的智能机器为目的。人工智能的产生和开展首先是一场思维科学的革命，它的产生和开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化的变革。人工智能是与哲学关系最为严密的科学话题，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本身及改造世界的道路上扮演了重要角色。不断以来，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能够到达具备思维理解的程度，能够具有真正的智能；后者认为研究AI只是通过它来探究人类认知，其智能只是模仿的不完全的智能。 2、人工智能的开展 关于人工智能的研究一共能够分为五个阶段。 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，人工智能的概念初次被提出，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，特别多地点都存在着缺陷，在加上对自然语言的翻译失败等诸多缘故，人工智能的开展一度堕入低谷。同时在这一个阶段的人工智能研究有一个十明晰显的特点：对征询题求解的方法过度注重，而无视了知识重要性。 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。其中比拟著名的专家系统有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，人工智能的研究也获得了极大的进展。日本为了能够使推理的速度到达数值运算的速度那么快，于1982年开场了“第五代计算机研制打算”。这个打算尽管最终结果是以失败完毕，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场逐步的增加。 第五个阶段是20世纪90年代后。网络技术的出现和开展，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场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的的分布式征询题求解进展研究，同时还对多个智能主体的多目的征询题求解进展研篇二：浅谈人工智能的开展 浅谈人工智能的开展 摘要：人工智能是20 世纪计算机科学开展的严峻成就，在许多领域有着广泛的应用。本文表达人工智能的起源与开展，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今后开展。 关键词：人工智能 计算机科学 应用领域 技术 方法 一人工智能开展历史过程 1初期期 公元850年，古希腊就有制造机器人协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梦想。随着历史的发，西班牙的神学家和逻辑学家Romen Luee试图制造能处理各种征询题的通用逻辑机。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在这台加法器的根底上开展并制成了进展全部四那么运算的计算器。 2构成时期 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，后来又提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、自习惯才能的西洋跳棋程序是IBM小组有阻碍的工作，这个程序能够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，可猜想出书上所有推荐的走步，精确度达48，这是机器模仿人类学习过程卓有成就的探究。 1959年McCarthy制造的表（符号）处理语言LISP，成为人工智能程序的主要语言。 3开展时期 六十年代以来，人工智能的研究活动越来越遭到注重。1974年N.J.Nillson对开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，并分别对它们进展阐述。 从80年代中期开场，有关人工神经元网络的研究获得了打破性的进展。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）征询题。1986年Rumelhart提出了反向传播（back propagation-BP）学习算法，处理了多层人工神经元网络的学习征询题，成为广泛应用的神经元网络学习算法。 随着人工智能的开展，世界各国有关学者也都相继参加这一行列，我国是从1978年才开场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，并获得一些初步成果。 近年来，人工智能在特别多方面获得了新的进展，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。 1人工智能研究的领域 （1）专家系统 专家系统是依托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历的程序系统，应用人工智能技术、模仿人类专家处理征询题时的思维过程，来求解领域内的各种征询题，到达或接近专家的水平。 （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能够接受的方式输入计算机，要么使计算机本身有获得知识的才能，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展：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详细任务的学习系统。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根底上的。 （3）方式识别 方式识别是研究如何使机器具有感知才能，主要研究视觉方式和听觉方式的识别。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处。近年来迅速开展起来应用模糊数学方式、人工神经网络方式的方法逐步取代传统的用统计方式和构造方式的识别方法。 （4）机器人学 机器人是一种能模仿人的行为的机械，对机器人的研究经历了三代的开展过程。 第一代程序操纵机器人。第二代自习惯机器人。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治理科学的范畴，与“知识智能”有着极其亲切的关系。 年代专家系统在许多方面获得成功，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，提高了系统处理征询题的才能，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展等特点。因而，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 要保证电力系统的平安运转和实现电力设备有定期检修转变为状态检修，如何精确地进展电力设备的缺点诊断，不断是最需处理的征询题之一，而这类缺点的征兆错综复杂，往往呈现出非线性和不确定性，特别难用某一确定的逻辑或算法进展识别，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习惯于电力系统的潮流计算，我们能够利用系统运转方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那么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，利用产生式规那么进展知识表达，一方面得益于现有人工智能语言，另一方面是它的表达符合人的心理逻辑，便于进展知识获取，利于人们接受，利用框架进展知识表达得到了越来越多的应用。在诊断推理方面，主要表如今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，在缺点诊断上能产生特别好的结果。 （1）构造模仿。 神经计算，确实是按照人脑的生理构造和工作机理，实现计算机的智能，即人工智能。构造模仿法也确实是基于人脑的生理模型，采纳数值计算的方法，从微观上来模仿人脑，实现机器智能。采纳构造模仿，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)功能模仿。 符号推演，确实是在当前数字计算机上，对人脑从功能上进展模仿，实现人工智能。功能模仿法确实是以人脑的心理模型，将征询题或知识表示成某种逻辑网络，采纳符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模仿人脑的思维，实现机器智能。以功能模仿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)行为模仿。 操纵进化，确实是模仿人在操纵过程中的智能活动和行为特性。以行为模仿方法研究人工智能者，被称为行为主义、进化主义、操纵论学派。 (1) 方式识别。 方式识别确实是通过计算机用数学技术方法来研究方式的自动处理和判读。随着计算机技术的开展，人类有可能研究复杂的信息处理过程，用计算机实现方式( 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打破口，也为人类认识本身智能提供线索 (2) 人工神经网络和机器情感。 人工智能的根本思想已经在许多领域中得到应用。人工神经网络是今后人工智能应用的新领域，今后智能计算机的构成可能确实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完毕语 半个世纪以来，人工智能开展极其迅速，专家系统、智能操纵，在短短的10余年里就开展成熟。如何更深化的研究人工智能技术并为多领域的开展带来经济效益是目前我们所面临的严峻课题。如今，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，同时实现智能行为的根本要求，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。，一旦这些技术特别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宏大的奉献。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 人工智能不断处于计算机技术的前沿，人工智能研究的理论和发如今特别大程度上将决定计算机技术的开展方向.人工智能作为计算机学科的一个分支,有其本身的特点,现已在社会生活各个领域都有应用,并将有更为宽阔的开展前景。 关键词人工智能 / 开展 / 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，信息科学技术的开展越来越遭到人们的注重，注重程度也超越了以往的任何时候。正是由于如此，人工智能技术的开展在进入新的世纪之后也有了特别快速的进步，那么，这项技术作为一种比拟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特别形象的模仿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能够在计算机的程序当中得以实现1。 2人工智能的开展概述 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 智能概念初次提出后，出现了一批明显的成果，如机器定理 证明、跳棋程序、LISP表处理语言等。但由于揭露推理才能 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：注重征询题求解的方法，无视知识重要性。 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 智能引向了有用化。1969年成立了国际人工智能结合会。 第三阶段：20世纪80年代，随着第五代计算机的研 制，人工智能得到了特别大开展。日本1982年开场了“第五 代计算机研制打算”，即“知识信息处理计算机系统 LIPS”，其目的是使逻辑推理到达数值运算那么快。尽管 此打算最终失败，但它的开展构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，精神网络飞速开展。 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步增 大，精神网络迅速开展起来。 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开展，人工智 能开场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的的分布式征询题求 解，而目研究多个智能主体的多目的征询题求解，将人工智 能面向有用。 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、组合调度征询题，感知征询题，方式 识别，逻辑程序设计，软计算，不精确和小确定的治理， 人工生命精神网络，复杂系统等。2 3人工智能的应用领域 ? 虚拟现实在征询题求解中的应用 人工智能的第一大成确实是下棋，在下棋程序中应用的某些技术 如向前看几步 把困难的征询题分解成一些较容易的子征询题 开展成为搜索和征询题归纳如此的人工智能 根本技术 今天的计算机程序已能够到达下各种方盘棋和国际 象棋的锦标赛水平 但是 尚未处理包括人类棋手具有的但尚不 能明确表达的才能 如国际象棋大师们洞察棋局的才能 另一个征询题是涉及征询题的原概念，在人工智能中叫征询题表示的选择人们常能找到某种考虑征询题的方法，从而使求解变为处理该征询题到目前为止人工智能程序已能明白如何考虑它们要处理的征询题 。 ? 虚拟现实在物景分析中的应用 3 计算机视觉已从方式识别的一个研究领域开展为一门独立 的学科。视觉是感知征询题之一。整个感知征询题的要点是构成一个 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的。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 机软件系统它们能够答复用户提出的有关该学科的各种征询题。 知识库系统的设计是计算机科学的一个爽朗的分支。为了有效地 表示、储存和检索大量事实，已经开展了许多技术。但是在设计智 能信息检索系统时仍然遇到特别多征询题。包括对自然语言的理解： 按照储存的事实演绎的征询题、理解询征询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历能够利用人类专家的知识和处理征询 题的方法来处理该领域的征询题。也确实是说专家系统是一个具有大 量专门知识与经历的程序系统它应用人工智能技术按照某个领 域一个或多个人类专家提供的知识和经历进展推理和推断模仿人 类专家的决策过程。以处理那些需要专家决定的复杂征询题。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明白本人什 么时候可能出错的感受新的研究包括应用专家系统来教初学者 以及请教有经历的专业人员。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处理的征询题一般没有算法解同时经 常要在不完全、不精确或不确定的信息根底上做出结论。它能够解 决的征询题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和 操纵等。新一代专家系统有分布式专家系统和协同式专家系统等 它们不但采纳基于规那么的方法。而且还采纳基于模型的原理 4.目前人工智能开展中所面临的难题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 解释和模仿人类智能、智能行为及其规律这一总目的来说，已经迈出了 可喜的一步，某些领域已获得r相当的进展。但从整个开展的过程来 看，人工智能开展曲折，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，它表如今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 到达了相当高的水平，然而计算机博弈仍然面llfli着宏大的困难。这主要 表如今以下两个方面的口j题：其一是组合爆炸征询题，状态空间法是人工 智能中根本的方式化方法。假设用博弈树来表示状态空间，关于几种常见 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，围棋那么是lO的700次方。如此宏大的状态空 间，现有计算机是特别难忍耐的。其二是如今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展研制的。而关于多人对弈、 随机性的博弈这类征询题，至少目前计算机仍然难以模仿实现的。 ? 机器翻译所面临的征询题 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征询题仍然是1964年语言学家黑列尔所说的构 成的单词和歧义性征询题。歧义性征询题不断是自然语言理解(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。因而，要消除歧义性就要对原文的每一个句子及其上下文进展 分析理解，寻找导致歧义的词和词组在上下文中的精确意义。然而，计 算机却往往孤立地将句子作为理解单位。另外，即便对原文有了一定的 理解，理解的意义如何有效地在计算机里表示出来也存在征询题。目前的 NIu系统几乎不能随着时征询的增长而加强理解力，系统的理解大都局 限于表层上，没有深层的揣摩，没有学习，没有经历，更没有归纳。导致 这种结果的缘故是计算机本身构造和研究方法的征询题。如今NLU的研 究方法特别不成熟，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征询题做深化有效的讨论。 ? 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 结原理尽管简单易行，但它所采纳的方法是演绎，而这种方式上的演绎 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包含语义。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征询题 的通用方法。GPS想摆脱对征询题内部表达方式的依赖，但是征询题的内部 表达方式的合理件是与领域知识亲切相关的。不管是用一阶谓词逻辑 进展定理证明的归结原理。仍然求解人工智能征询题的通用方法GPS，都 能够从中分析出表达才能的局限性，而这种局限性使得它们缩小了其 本身的应用范围。 ? 方式识别的困惑 尽管使用计算机进展方式识别的研究与开发已获得大量成果，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、形象思维才能，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，生活并不是一项构造严 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人工智能的开展前景 ? 人工智能的开展趋势7 技术的开展总是超乎人们的想象。要精确地预测人工智能的今后 是不可能的。但是，从日前的一些前瞻性研究能够看出，今后人工智能 可能会向以下几个方面开展：模糊处理、并行化、神经网络和机器情感。 ? 人工智能的开展潜力宏大 8（1）人工智能作为一个整体的研究才刚刚开场，离我们的目的还特别遥 远，但人工智能在某些方面将会有大的打破。 自动推理是人工智能最经典的研究分支。其根本理论是人工智 能其它分支的共同根底。不断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，特别有可能获得大的打破。 (2)机器学习的研究获得长足的开展。许多新的学习方法相继征询世 并获得了成功的应用，如加强学习算法、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 决挪动机器人、自主agent、智能信息存取等研究中的在线学习征询题是 研究人员共同关怀的征询题，相信不久会在这些方面获得打破。 (3)自然语言处理是AI技术应用于实际领域的典型范例，通过A I 研究人员的艰辛努力，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 的阻碍下。近年来迅猛开展，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 机与打破口。从近年的人工智能开展来看，这方面的研究已获得了可喜 的进展。 6.目前人工智能计算机开展的局限9 图灵测试的公布使人们对人工智能计算机不久立即出现充满 了决心。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制造以来 最激动人心的大行动，也是一个无奈的失败，失败的缘故何在? 第一代至第四代计算机都采纳冯诺依曼构造，这种计算机 是数字式计算机，适用于数字计算，而对图像、声音之类的模仿 信号的处理却无能为力。人工智能计算机的设计打破了传统的 冯诺依曼构造，在对模仿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仿信号方面获得了一 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，对人脑的构造和功能积累 了一些初步认识，但对整个神经系统的内部构造和作用机制，特 别是脑的功能原理还没有完全搞明晰，有待进一步地探究。时至 今日，我们还不明白大脑是如何样处理信号的。正因如此，我们不 可能研制出一种能模仿人的思维的人工智能计算机。也确实是说要 想研制出理想中的第五代计算机，必须首先研究明晰大脑是如何 处理信号的，这确实是目前人工智能计算机开展的瓶颈。 7.结论10 人工智能不断处于计算机技术的前沿人工智能研究的理论 和发如今特别大程度上将决定计算机技术