人工智能1.doc

第一篇 人工智能的概述
1.1 人工智能概念的一般描述和定义
人工智能就是人造智能，英文表示是“Artificial Intelligence”，简称 AI 。下面是部分学者对人工智能带你案的描述，可以看做是他们各自对人工智能所下的定义。
（1）、人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化。
（2）、人工智能十一中计算机能够思维，是极其具有智力的激动人心的新尝试
（3）、人工智能是研究如何让计算机做现阶段只有人才能做得好的事情。
（4）、人工智能是那些使知觉、推理和行为成为可能的计算的研究。
（5）、广义地讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为。
定义：
（1）、学科方面：人工智能是计算机科学中涉及研究，设计和应用智能机器的一个分支。其近期的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术
（2）、能力方面：人工智能机器所指向的通常与人类智能有关的智能行为，例如：判断、证明、推理、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
1.2人工智能的研究意义、目标和策略
（1）、意义：
研究人工智能也是当前信息化社会的迫切要求。我们知道，人类社会现在已经进入了信息化时代。信息化的进一步发展，就必须有智能技术的支持。例如：当前迅速发展着的互联网、万维网和网络就强烈地需要智能技术的支持。也就是说，人工智能技术在Internet、WWW、和Grid上将发挥重要作用。
另外，研究人工智能，对于探索人类自身智能的奥秘也可提供有益的帮助。因为我们可以通过电脑对人脑进行模拟，从而揭示人脑的工作原理，发现自然智能的渊源。事实上，现在有一门成为“计算神经科学”的科学正迅速崛起，它从整体水平、细胞水平和分子水平对大脑进行模拟研究，以揭示其职能活动的极力和规律。
（2）、目标和策略：
研究目标就是制造智能机器和智能系统，实现智能化社会。就是要使计算机具有自主发现规律、解决问题和发明创造的能力，从而大大扩展和延伸人的智能，实现人类社会的全面智能化。
但是由于理论和技术原因，这一宏伟目标一时还难以完全实现。因此，人工智能科学的研究策略是先部分的或某种程度地实现奇迹的智能，并运用智能技术解决各种实际问题特别是工程问题，从而使现有的计算机更灵活，更好用和更有用，成为人类的智能化信息处理工具，从而逐步扩展和不断延伸人的智能，逐步实现智能化。
1.3 人工智能的主要研究内容
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、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
人工智能的应用领域和发展前景
2.1 研究领域
人工智能的发展方向，是力求使智能系统会分析，自适应并做出自己的决策。
应用：在工业上应用于某些计算系统和传感系统中。例如神经系统：有三台机子共同承担某项工作，当有一台坏了，另外的两台自动分担坏掉的这台机子的任务。传感器探测方面：探测范围发生了变化，传感器会自动适应等等。
现状：目前还只能做到通过简单的学习，系统会自动记住并适应，也能做简单的分析。现在我国可以人工芯片植入控制鸽子行为。它国有人凭意念控制电脑操作。
（1） 随着AI技术的发展，现代几乎各种技术的发展都涉及到了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括：
1）符号计算 2）模式识别 3）机器翻译 4)机器学习
5)问题求解 6)逻辑推理与定理证明
7)自然语言处理 8)分布式人工智能
9)计算机视觉 10)智能信息检索技术 11)专家系统
（2）【应用领域】 智能控制，机器人学，语言和图像理解，遗传编程。
（3） 1. 人工智能技术在选煤领域的应用
人工智能技术在选煤领域应用的概况 ,对主要研究成果“选煤厂设计专家系统”、“选煤厂管理专家系统”、“智能型选煤设备图形数据库”等的功能、实现方式进行了论述 ,并在知识表达、
2. 人工智能在传感器领域的应用
遗传算法人工智能作为一门正在迅速发展的学科 ,已被广泛地应用于传感器领域。人工智能与传感器技术相结合构成新型的智能传感器 提高了传感器的智能水平 ,是智能传感器发展的一个方向。
3. 人工神经网络在暖通空调领域的应用研究发展
在如认识科学、神经科学、计算机科学、物理科学及工程应用等众多领域已形成了很多ANN的应用研究分支。人工神经网络就是模仿人脑神经系统,以一种简单计算—处理单元(神经元)为节点,采用某种网络拓扑结构构成的活动网络。
2.2 发展前景
人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCI White电脑，号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”（Blue Jean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当
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，从目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。
(1)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Internet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 I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。
人工智能一直处于计算机技术的前沿，其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。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活。
研究主流与先进的技术和应用
研究主流
人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
【实际应用】机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。
【涉及学科】哲学和认知科学，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，
【研究范畴自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
先进技术和应用
(1)人工智能在军事中的应用
美军的沙漠风暴行动：90年代处的沙漠风暴行动是人工智能技术在军事中应用的一个成功典范。从最简单的货物空运，到复杂的行动协调，都由面向人工智能技术的专家系统来完成。另外先进的巡航导弹也采用了人工智能体领域的机器人和机器视觉技术。在这其中的两个计划：Pilot Associate Project (电子领航员)和Battle Management System Project(军事专家系统)，是人工智能技术成功应用的范例。
在未来的21世纪，人工智能技术在军事仓储中的进一步开发应用，将出现各种智能化仓储机械，如在自动导向车和智能用车中应用专家系统确定行走路线和运行方案；在物料存取过程中，应用专家系统指挥机器人进行入架和出架操作；将多媒体技术和专家系统，应用于仓储机械人员培训、操作指导、远程现场监视、异地故障分析和诊断等。随着时间的推移，智能化仓储设备将更多、更加趋于完善，仓储机械更安全、更可靠。
机器人活跃于仓储领域。经过30多年的研究．机器人已发展到第三代----智能机器人。它装有多种传感器，能识别作业环境．能自主决策，具有人类大脑的部分功能，且动作灵活，是人工智能技术发展到高级阶段的产物，目前，全世界已有各种类型、各种用途的机器人达百万台。

随着人工智能技术和机器人技术的飞速发展，机器人将在军事仓储领域得到广泛应用。例如，用于仓库作业，从事搬运弹药和各种危险作业。美国奥德蒂斯公司研制的“章鱼”式六腿机器人，在静止时能做起935公斤重，行走时能搬运409公斤重的弹药；用于战场上执行多种后勤保障任务，在比较危险的环境中前送后运作战物资；机器人“哨兵”用于仓库警戒巡逻，可代替普通士兵巡逻、放哨。

人机对弈
1996年2月10～17日， Garry Kasparov以4：2战胜“深蓝” （Deep Blue
1997年5月3～11日， Garry Kasparov以3.5：2.5输于改进后的“深蓝” 。
2003年2月Garry Kasparov 3:3战平 “小深”(Deep Junior)。
2003年11月Garry Kasparov 2:2战平 “X3D德国人” (X3D-Fritz )。
模式识别
指纹识别 人脸识别 语音识别 文字识别 图像识别 车牌识别
知识工程
以知识本身为处理对象，研究如何运用人工智能和软件技术，设计、构造和维护知识系统
专家系统
智能搜索引擎 计算机视觉和图像处理 机器翻译和自然语言理解 数据挖掘和知识发现
FPGA——人工智能的未来
问题溯源
人工智能理论是随着数字计算机的出现应运而生的。人们对于计算机这种具有高速运算能力和大规模数据吞吐量的机器充满了希望。在电子制造业高速发展的几十年来，计算机的硬件水平倍数级攀升。在其间，人们发明了多媒体音频处理，电子游戏，网络通信，手机和各种电子终端。然而，人工智能的进展却微乎其微，若将现今的智能设备与二十年前的机器对比，发现没有多大长进。相比于硬件摩尔定律式的发展，人工智能领域的发展可以说是微乎其微。白白枉费了计算机工程师几十年的辛劳。
“电脑”，“智能手机”实际上都只是指令执行器，生硬到不能产生随机数。这些东西无脑亦无智。对智能词语的滥用一方面表现了人们对人工智能的期待，另一方面也说明了对计算机的误解，认为只要计算机足够快，他就能拥有人一样的智能。那么智能产生的前提是什么？我们怎么能够保证智能在计算机上一定能够实现？
而在另一个领域，近些年来随着微电子制造业的迅猛发展，FPGA/CPLD等大规模集成数字逻辑芯片相继出现，它可以将数以万计的逻辑门电路以可编程的方式烧写到单一芯片中。其最大的特点是大规模的对等逻辑。然而，这个特征并没有得到充分的发挥，业界的应用方向无非是用它烧写若干个软CPU核，甚至外加DSP核，连同周边的数字逻辑实现一个专用计算机，准确地将是嵌入式系统，在此CPU上运行μclinux或者WindowsCE操作系统，让它像计算机一样工作。然而，FPGA用作此用效率并不高，其应用方向的迷茫促使我们思考：FPGA的特点究竟能够做什么？
二、 现有技术为什么不适于研究人工智能
现有的人工智能方式主要是利用数学公式将特征事物通过数学建模转换为数学模型，比如神经网络的模型，利用特定的运算手段求解，并通过计算机编程实现运算过程。这种方法可以收到一定的效果，但是由于模型过于简单，运算量过大，使得智能几乎不可能实现。
那么数学手段为什么很难推演智能呢？数学是一个独立于自然界的一个自洽的运算体系，变量之间的约束关系构成了数学公式，然而这些公式中能够被求解的大多是多数入变量，单输出变量的公式，即使是利用矩阵的方法，最多也只能处理实数集合。但是，如果需要进行运算的是一个复杂的数据结构体，就显得颇为繁琐，比如人包括头部和身体，头部包括五官和大脑等，五官的任何一个还有其内部结构。这样的数据格式，任何数学公式对它的演算都必将使繁琐的。何况如果数据单元的各个数据之间还有许多牵连的话就更加无法表达了。然而，生活中映射到我们大脑中的很多事物都具有很复杂的特征，特征来源于不同方面（颜色，形状），特征之间含有复杂的层次关系，这些特征彼此联系，这样的特征集合作为数据输入进行数学运算将是难以得出结论的。
其次是计算机的模拟问题，虽然计算机有很快的处理速度，我们的大脑在信号的传递速度上比计算机慢大概一百万倍。有个很有趣的法则，叫做一百步法则，是说一秒钟之内，你所做出的判断实际上最多经历了大脑中的一百个神经元的链条，它的传播速度使得信号只可能走这么远，但是我们一秒钟之内完全可以辨认出熟人的面孔，如果将这个工作交给计算机，几万行指令都不能实现。其根本原因其一是大脑的处理结构是对等的，然而计算机是专有的，不同的区域由自己专门的任务。比如中央处理器，内存，显示卡等，中央处理器内部的结构也是专有化的。其二是处理的非并行，典型的微机只有一个核心处理单元（ALU），每一个时刻，只允许有一条指令通过，无论其运转频率有多高。如果想让计算机处理并发事件，那么其唯一的办法就是分时处理。即在不同的时间段处理不同的任务。现今的多核处理架构虽然可以进行少量的并行，但是其结构体系的功能专有化并没有任何改变。
然而对于大脑，从硬件结构上讲，是由大规模的对等结构组成，这个体系中的每一个处理单元的作用微乎其微，然而，正是这种规模化的协同并行处理使得其具有智能。
诸如上述，如果实现人工智能，就必须从大脑的结构出发，从大脑的基本处理方法出发，真正理解大脑的工作原理是开发人工智能机器的必由之路。
三、 大脑新皮层物理结构探究
<1>神经元
神经元由细胞体、树突和轴突组成，树突用于接收信号，轴突用于发送信号。
<2>一小撮神经元——自匹配记忆体
“自匹配记忆”理论证明了神经元之间的精确连接能够带来记忆。
自匹配记忆由相互连接的简单神经元构成，它们之间的连接方式不同，其中涉及大量的反馈，这种神经元在达到某个临界点时可以自动激活，当一种模式施加在人工神经元之后，他们就会对这种模式形成记忆，这种记忆叫做自匹配记忆。
<3>大规模的神经元互连——大脑新皮层
大脑皮层有众多神经元组成。其物理结构按照其细胞种类不同可分为六层，L1主要由平行延展的轴突组成，L2，L3层由锥体细胞的神经元构成，L4有一种星形细胞，L5层除含有正常的锥体细胞外，还含有巨大的金字塔形细胞，L6层也有些独特的神经元。形成皮层的最大一类是金字塔形神经元，占细胞数量的4/5。除最上层有长达几千米的轴突区几乎没有细胞外其他五层中都有金字塔形神经元，它与自己最近的神经元相连，并伸出长长的轴突，向旁边的大脑皮层延伸，甚至可到达较低的大脑结构——丘脑。一个标准的金字塔形神经元有几千个突触。他们的密度极大且个体极小，保守估算一下，一个普通金字塔形神经元有一千个突触，大脑皮层就有大概30兆个突触，这些突触用来运行所有的推理和提供记忆。
更深一步的大脑功能的研究，提供了许多很重要的结论，我们主要关注蒙卡斯尔的单一皮层算法
<4>结构对等性与单一算法理论
“大脑皮层在外表和结构上惊人的相似，不论是主管视觉输入的区域，主管触觉的区域，控制肌肉的区域，布罗卡语言区域还是其他，实际上结构完全一样。”同时，我们推测“既然这些区域是相同的，那么他们在实际中所发挥的作用也可能是相同的，而且大脑皮层完成各个功能所使用的方法也是相同的。”也就是说“大脑皮层各个功能区域都遵循着一个共同的算法”同时，实验证实“进入大脑皮层的输入信息是基本相同的”，无论来自什么感觉器官。所以，如果某个算法只能用于处理视觉，而不能处理听觉的话，它就不应该是智能的算法，我们必须找出一种方法，使之对于任意的输入都能做出合理的令人满意的输出，尽管它可能并不擅长计算和批量无损记忆。同时，我们也只需要研究这一种方法，就应该能够对所有的输入设备服务，也就能够驱动所有的外围设备，而不需要专门的驱动，这方面计算机几乎不可能做的，计算机的每一个外设都需要特制的驱动，完成任何一个任务都需要特制的算法程序。同时，对于大脑结构的令人惊讶的对等性，于计算机而言，也是完全不同。四、 FPGA的物理结构
早在1943年，神经生理学家Warren McCulloch和数学家Walter Pitts解释了神经元是如何数字化工作的，他们认为：大脑神经元的工作原理和电路的逻辑门是一样的。用精确的方式可以将神经元连接起来，以实现逻辑功能，可以把神经元想象成生物上的逻辑门，这样，我们可以大胆想象，大脑是由“and”，“or”等逻辑门及其他类的逻辑节点构成的，和数字逻辑相似。大有可能大脑的神经元就是这样工作的。虽然由于当时的条件所限，他们的理论只能归咎于一种设想。但他却表明，神经网络的逻辑电路化是可能的。现今，最适合的实验平台已经到来，那就是FPGA芯片。
基于FPGA的人工智能实现路线图

<1> 实现可行性分析，即证明所有逻辑都可以通过数字电路实现.
<2> 实现垂直柱模型,可以对标准输入做出正确反应.
<3> 实现多层结构,能做出对标准输入的恒定表征.
<4> 实现自主学习与训练,可以通过外界输入更改译码逻辑
<5> 实现对于音频的识别
<6> 实现简单的输出控制
<7> 实现对简单视频的识别
<8> 逻辑结构优化,使之精度提高
<9> 制作实用化产品样机
<10>进行更多领域的更复杂的信号训练,研究并改进其智能能力
将来智能机器的想象
智能机器不必像人一样,具备两只眼睛和两个耳朵,根据大脑皮层统一算法原理,我们可以利用先进任何的传感设备作为输入,因为他不需要做特定驱动,同时,他的输出也不一定是身躯,而也许是某架无人飞机的操纵杆或者流水线上的机器手臂。然而，他的核心处理结构应该和新大脑是类似的，比如有多层处理结构和记忆——预测能力。他的硬件只是提供了智能的基础，它的有价值的输出是通过训练得到的，要想让他为我们服务，我们必须对它进行训练。机器没有人一样的成长经历，因此，很可能没有人一样的情感，它的思维和行为方式可能于我们人类完全不同，但是我们需要智能机器，就像今日的家用电器一样，在不久的将来，人工智能设备将遍布于世界的每个角落，走进千家万户，走进我们的生活。请大家相信，如果按照正常的研究阶段来推断，我们离目标并不遥远，也许只需等待几年抑或十几年，这个领域即将腾飞。如果有兴趣，不妨投入到这个领域的建设中来，相信你将大有发展。让我们大家拭目以待！
参考文献：

1.《人工智能技术导论》
2.《中国社会科学》
3.中国知网
4.电子工程信息论坛