人工智能學術講座論文.pdfVIP

學術講座論文學術講座論文 學院：計算機與信息技術學院 年級：2009 級 專業(yè)：軟件工程 課程名稱：學術講座 學號： 姓名： 人工智能人工智能 摘要摘要幾個世紀以來，人類依靠其智慧，發(fā)明了許多機器，使人類能夠從許多體力勞動 中解放出來。 現(xiàn)在， 有了電腦， 電腦是一個信息處理的工具、 人腦也是一個信息處理的器官。 那么，在用電腦代替人腦的部分功能，用電腦模擬思維、產(chǎn)生智能行為方面，能否取得同樣 巨大的成功呢? 這是信息時代必然會提出的問題。 社會需求與科技的發(fā)展， 呼喚著一個新學 科的誕生。19 世紀以來數(shù)理邏輯、自動機理論、控制論、信息論、仿生學、心理學、電 腦等科學技術的發(fā)展， 為一個新科的誕生準備了思想、 理論與物質(zhì)基礎。 在這一背景下， 1956 年美國的一些科學家， 包括心理學家、數(shù)學家、計算機學家、信息論學家在美國一所大學 舉辦討論會，正式提出了人工智能。 關鍵詞關鍵詞人工智能計算機數(shù)學傳輸信息數(shù)據(jù)傳送 引言引言：人工智能是 20 世紀 50 年代中期興起的一門新興邊緣科學，它既是計算機科學 的一個分支，又是計算機科學、控制論、信息論、語言學、神經(jīng)生理學、心理學、數(shù)學、哲 學等多種學科相互滲透而發(fā)展起來的綜合性學科。 人工智能又稱為智能模擬， 是用計算機系 統(tǒng)模仿人類的感知、思維、推理等思維活動。它研究和應用的領域包括模式識別、自然語言 理解與生成、專家系統(tǒng)、自動程序設計、定理證明、聯(lián)想與思維的機理、數(shù)據(jù)智能檢索等。 一、人工智能簡介：一、人工智能簡介： 人工智能是指研究如何用計算機去模擬、延伸和擴展人的智能;如何使計算機變得更聰 敏、更能干;如何設計和制造具有更高智能水平的計算機的理論、方法、技術及應用系統(tǒng)的 一門新興的科學技術。 人工智能研究與計算機軟件開發(fā)有著不可分割的關系， 一方面各種人工智能要用計算機 軟件實現(xiàn);另一方面許多計算機軟件也要應用人工智能的理論、方法和技術去開發(fā)，例如專 家智能系統(tǒng)、計算機故障診斷、計算機財會、計算機游戲等軟件。 人的智能體現(xiàn)在思維、感知、行為三個層次，因此，計算機人工智能也要研究解決這三 個層次的問題。 (1)機器思維。具體講是計算機思維、計算機學習、計算機診斷、計算機輔助設計、計 算機證明疑難算例、計算機編程、計算機下棋、計算機作曲、計算機繪畫等等。 (2)機器感知。讓計算機像人一樣能感覺到氣味、顏色、觸覺。 (3)機器行為。研究計算機模擬、延伸和擴展人的智能行為，例如語言、動作、智能監(jiān) 測、智能控制等行為。 人工智能的應用十分廣泛，如智能控制、智能管理、智能設計、智能優(yōu)化、智能材料、 智能家電、智能系統(tǒng)工程、智能經(jīng)濟、智能通信、智能商務等等。 人工智能發(fā)展的方向是:把握知識經(jīng)濟時代的新機遇，跟蹤知識經(jīng)濟發(fā)展新需求，借鑒 并發(fā)展知識工程的方法和技術，為知識經(jīng)濟全過程服務。 “知識工程”是人工智能領域內(nèi)的應用系統(tǒng)工程，是基于知識獲取、知識表達、知識傳 輸、知識存儲、知識推理等方法和技術的知識應用體系。由于知識的復雜性、多變性、主動 性、不確切性等特點，除了運用已有的知識工程方法和技術外，還必須根據(jù)知識的特點和需 求，進一步發(fā)展知識工程的新方法和新技術。 二、人工智能的發(fā)展：二、人工智能的發(fā)展： 1. 萌芽期（萌芽期（1956 年以前）年以前） 自古以來， 人類就力圖根據(jù)認識水平和當時的技術條件， 企圖用機器來代替人的部分腦 力勞動，以提高征服自然的能力。公元 850 年，古希臘就有制造機器人幫助人們勞動的神 話傳說。在我國公元前 900 多年，也有歌舞機器人傳說的記載，這說明古代人就有人工智 能的幻想。 隨著歷史的發(fā)展， 到十二世紀末至十三世紀初年間， 西班牙的神學家和邏輯學家 Romen Luee 試圖制造能解決各種問題的通用邏輯機。十七世紀法國物理學家和數(shù)學家 B.Pascal 制 成了世界上第一臺會演算的機械加法器并獲得實際應用。隨后德國數(shù)學家和哲學家 G.W.Leibniz 在這臺加法器的基礎上發(fā)展并制成了進行全部四則運算的計算器。他還提出了 邏輯機的設計思想，即通過符號體系，對對象的特征進行推理，這種“萬能符號“和“推理計 算“的思想是現(xiàn)代化“思考“機器的萌芽，因而他曾被后人譽為數(shù)理邏輯的第一個奠基人。十 九世紀英國數(shù)學和力學家 C.Babbage 致力于差分機和分析機的研究，雖因條件限制未能完 全實現(xiàn)，但其設計思想不愧為當時人工智能最高成就。 進入本世紀后，人工智能相繼出現(xiàn)若干開創(chuàng)性的工作。1936 年，年僅 24 歲的英國數(shù)學 家 A.M.Turing 在他的一篇“理想計算機“的論文中，就提出了著名的圖林機模型，1945 年他 進一步論述了電子數(shù)字計算機設計思想，1950 年他又在“計算機能思維嗎？“一文中提出了 機器能夠思維的論述，可以說這些都是圖靈為人工智能所作的杰出貢獻。1938 年德國青年 工程師 Zuse 研制成了第一臺累計數(shù)字計算機 Z-1， 后來又進行了改進， 到 1945 年他又發(fā)明 了 Planka.kel 程序語言。 2. 形成時期（形成時期（1956-1961） 1956 年在美國的 Dartmouth 大學的一次歷史性的聚會被認為是人工智能學科正式誕生 的標志，從此在美國開始形成了以人工智能為研究目標的幾個研究組：如 Newell 和 Simon 的 Carnegie-RAND 協(xié)作組；Samuel 和 Gelernter 的 IBM 公司工程課題研究組；Minsky 和 McCarthy 的 MIT 研究組等，這一時期人工智能的研究工作主要在下述幾個方面。 1957 年 A.Newell、J.Shaw 和 H.Simon 等人的心理學小組編制出一個稱為邏輯理論機 LT(The Logic Theory Machine)的數(shù)學定理證明程序，當時該程序證明了 B.A.W.Russell 和 A.N.Whitehead 的“數(shù)學原理“一書第二章中的 38 個定理（1963 年修訂的程序在大機器上終 于證完了該章中全部 52 個定理）。后來他們又揭示了人在解題時的思維過程大致可歸結為 三個階段： （1） 先想出大致的解題計劃； （2） 根據(jù)記憶中的公理、定理和推理規(guī)則組織解題過程； （3） 進行方法和目的分析，修正解題計劃。 這種思維活動不僅解數(shù)學題時如此，解決其他問題時也大致如此?；谶@一思想，他們 于 1960 年又編制了能解十種類型不同課題的通用問題求解程序 GPS（General Problem Solving）。另外他們還發(fā)明了編程的表處理技術和 NSS 國際象棋機。和這些工作有聯(lián)系的 Newell 關于自適應象棋機的論文和 Simon 關于問題求解和決策過程中合理選擇和環(huán)境影響 的行為理論的論文，也是當時信息處理研究方面的巨大成就。 3. 發(fā)展時期（發(fā)展時期（1961 年以后）年以后） 六十年代以來，人工智能的研究活動越來越受到重視。為了揭示智能的有關原理，研究 者們相繼對問題求解、博弈、定理證明、程序設計、機器視覺、自然語言理解等領域的課題 進行了深入的研究。幾十年來，不僅使研究課題有所擴展和深入，而且還逐漸搞清了這些課 題共同的基本核心問題以及它們和其他學科間的相互關系。1974 年 N.J.Nillson 對發(fā)展時期 的一些工作寫過一篇綜述論文，他把人工智能的研究歸納為四個核心課題和八個應用課題， 并分別對它們進行論述。 這一時期中某些課題曾出現(xiàn)一些較有代表性的工作，1965 年 J.A.Robinson 提出了歸結 （消解）原理，推動了自動定理證明這一課題的發(fā)展。70 年代初，T.Winograd、R.C.Schank 和 R.F.Simmon 等人在自然語言理解方面做了許多發(fā)展工作，較重要的成就是 Winograd 提 出的積木世界中理解自然語言的程序。關于知識表示技術有 C.Green（1996 年）的一階謂 詞演算語句，M.R.Quillian(1996 年)的語義記憶的網(wǎng)絡結構，R.F.Simmon（1973 年）等人 的語義網(wǎng)結構，R.C.Schank（1972 年）的概念網(wǎng)結構，M.Minsky(1974 年)的框架系統(tǒng)的分 層組織結構等。關于專家系統(tǒng)自 1965 年研制 DENDRAL 系統(tǒng)以來，一直受到人們的重視， 這是人工智能走向?qū)嶋H應用最引人注目的課題。 從 80 年代中期開始，經(jīng)歷了 10 多年的低潮之后，有關人工神經(jīng)元網(wǎng)絡的研究取得了 突破性的進展。1982 年生物物理學家 Hopfield 提出了一種新的全互聯(lián)的神經(jīng)元網(wǎng)絡模型， 被稱為 Hopfield 模型。利用該模型的能量單調(diào)下降特性，可用于求解優(yōu)化問題的近似計算。 1985 年 Hopfield 利用這種模型成功地求解了“旅行商（TSP）“問題。1986 年 Rumelhart 提 出了反向傳播（back propagation-BP）學習算法，解決了多層人工神經(jīng)元網(wǎng)絡的學習問題， 成為廣泛應用的神經(jīng)元網(wǎng)絡學習算法。從此，掀起了新的人工神經(jīng)元網(wǎng)絡的研究熱潮，提出 了很多新的神經(jīng)元網(wǎng)絡模型，并被廣泛的應用于模式識別、故障診斷、預測和智能控制等多 個領域。 美國是人工智能的發(fā)源地， 隨著人工智能的發(fā)展， 世界各國有關學者也都相繼加入這一 行列，英國在 60 年代就起步人工智能的研究，到 70 年代，在愛丁堡大學還成立了“人工智 能“系。日本和西歐一些國家雖起步較晚，但發(fā)展都較快，蘇聯(lián)對人工智能研究也開始予以 重視。 我國是從 1978 年才開始人工智能課題的研究，主要在定理證明、 漢語自然語言理解、 機器人及專家系統(tǒng)方面設立課題， 并取得一些初步成果。 我國也先后成立中國人工智能學會、 中國計算機學會人工智能和模式識別專業(yè)委員會和中國自動化學會模式識別與機器智能專 業(yè)委員會等學術團體， 開展這方面的學術交流。 此外國家還著手興建了若干個與人工智能研 究有關的國家重點實驗室， 這些都將促進我國人工智能的研究， 為這一學科的發(fā)展作出貢獻。 近年來，人工智能在很多方面取得了新的進展，尤其是隨著因特網(wǎng)的普及和應用，對人 工智能的需求，變得越來越迫切，也給人工智能的研究提供了新的廣泛的舞臺。 三、人工智能未來的趨勢：三、人工智能未來的趨勢： 人工智能的兩大目標就是能理解人類的智能,使計算機用途更廣泛。許多研究者認為:智 能機器的關鍵總是如何表達知識,從而使計算機能用這種知識將知識具體應用在計算機程序 中雖然必要,但很困難。即使回答日常生活中的極簡單的問題,也需要大量的知識,而且其中許 多知識我們是不知道的。 現(xiàn)在主要有兩種類型的機器人:工業(yè)機器人和智能機器人。這兩種類型都是人工智能研 究者的研究范圍,但重點在智能機器人上。他們集中力量研究感覺上的認識,以及這些認識 如何用計算機來表達,人們已經(jīng)研制出計算機輔助視覺和聽覺裝置、計算機輔助活動肢體和 其他用微機控制的假體裝置。用智能機器人來探查海底和太空的奧秘更為實際,因為在這些 環(huán)境中工作既艱難又危險。研制一種不需要人參與就能完成探索工作的智能機器人,以便讓 他們到宇宙空間去探索。由于這項工作遠離地球,用人類控制的機器人就不適宜了。現(xiàn)在美 國國家航空和航天局使用的機器人是完全獨立的,它能采集巖石,收集土壤和其它勘探的研究 項目,這些工作都不用人指揮。 計算機目前還沒能完全理解語言的復雜和細微的差別。至于自然語言的計算機翻譯器, 在初期研制階段,對算法上規(guī)范化的句子,就已經(jīng)顯示出相當高的理解力和造句能力。不過, 在抓住句子的意思這一點上,還未獲得過顯著的成就。我們懂得的東西大量來自上下文關系 和我們的知識。人們的生活中,個人、社會和文化見解對句子上附著的意義施加了很大的影 響,試圖定量表示人類對語言的理解無疑是人工智能研究領域中最復雜的問題之一。 在人工智能研究中,使用計算機產(chǎn)生了很多意義深遠的課題。通過人工智能的研究,人們 對人類的精神能力和身體能力都有了更深入的了解。在工業(yè)上,人工智能專家們已研制出工 業(yè)機器人和智能機器人,以便完成單調(diào)、危險及困難的工作。使人類解放出來,把他們的時間 更有效地用于創(chuàng)造性的研究、設計,以及人們之間的相互交往等人類特有的活動中去,這便是 人工智能各種應用的推動力。在醫(yī)學和其它高級科學技術領域內(nèi),由于人工智能的進展,那些 離開計算機就解決不了的難題正獲得解決。 人工智能研究工作的進展和困難將會極大地影響人工智能研究的未來。 計算機體積的縮 小和成本的下降對人工智能的影響不是最重要的,發(fā)展的主要限制來自軟件。語文障礙的克 服,或者在什么時候克服,無疑將是今后發(fā)展人工智能的關鍵。正如我們所看到的那樣,為了使 計算機理解自然語言,并具有智能行為,必須使探索、知識表達,自然語言等主要研究領域結合 起來,形成一個系統(tǒng)。與此同時人工