人工智能報(bào)告

1、人工智能報(bào)告論人工智能的應(yīng)用及發(fā)展姓名：*學(xué)號：*班級：計(jì)算機(jī)1202學(xué)院：計(jì)算機(jī)與通信工程學(xué)院老師：*人工智能的應(yīng)用及發(fā)展摘要：人工智能(ArtficialIntelligence)是研究開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器或一種能夠模仿人類智能的智能軟件。該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。它的出現(xiàn)及所取得的成就引起了人們的高度重視，并取得了很高的評價(jià)。關(guān)鍵詞：人工智能發(fā)展；機(jī)器人；專家系統(tǒng)；模式識別一、

2、要解決的問題人工智能是計(jì)算機(jī)科學(xué)的一個分支，是一門研究運(yùn)用計(jì)算機(jī)模擬和延伸人腦功能的綜合性學(xué)科。但這種模擬人腦的過程是非常困難的。事實(shí)是，人類對于自身所具有的智能了解的不夠，加上人類智能所表現(xiàn)的邏輯相當(dāng)復(fù)雜，目前人們無法使用一種統(tǒng)一的、可行的且簡潔的方式來表達(dá)這種復(fù)雜邏輯，并把它組織成能夠讓機(jī)器識別的形式；而且人們在研究人工智能時(shí)，其所涉及的知識范圍逐漸擴(kuò)大，起初有數(shù)學(xué)、語言學(xué)、哲學(xué)、圖形學(xué)、邏輯學(xué)、神經(jīng)學(xué)、計(jì)算機(jī)學(xué)、控制學(xué)、信息學(xué)等，后來又增加到心理學(xué)、行為學(xué)、仿生學(xué)、思維學(xué)等，研究領(lǐng)域逐漸涉及人類本身智能所表現(xiàn)的范圍。其迫切需要解決的問題是：如何使一個軟件系統(tǒng)或硬件機(jī)器具有人類的知識和行為

3、，并具有學(xué)習(xí)、推理判斷來解決問題、記憶知識和了解人類自然語言的能力。也就是如何使機(jī)器具有智能。人們通過觀察自身的智能行為，總結(jié)出人工智能的產(chǎn)生過程：對于人類因問題和事物所引起的刺激和反應(yīng)，以及因此所引發(fā)的推理、解問題、學(xué)習(xí)、判斷及思考決策等過程，將這些過程分解成一些基本步驟，再透過程序設(shè)計(jì)，將這些人類解問題的過程模組化或公式化，使得電腦能夠有一個結(jié)構(gòu)的方法來設(shè)計(jì)或應(yīng)付更復(fù)雜的問題。這套能夠應(yīng)付問題的軟體系統(tǒng)，即稱之為人工智能系統(tǒng)。目前的人工智能系統(tǒng)只能處理一些特定領(lǐng)域的特定復(fù)雜問題，還無法解決人類大多數(shù)的復(fù)雜問題。二、研究范圍現(xiàn)在，人工智能已構(gòu)成信息技術(shù)領(lǐng)域的一個重要的學(xué)科。該學(xué)科研究如何使機(jī)

4、器具有智能或者說如何利用計(jì)算機(jī)實(shí)現(xiàn)智能的理論、方法和技術(shù)，所以，人工智能既屬于計(jì)算機(jī)科學(xué)技術(shù)的一個前沿領(lǐng)域，也屬于信息處理和自動化技術(shù)的一個前沿領(lǐng)域。但由于其研究內(nèi)容涉及到“智能”，因此，人工智能不僅局限于計(jì)算機(jī)、信息和自動化等學(xué)科，還涉及到智能學(xué)科、認(rèn)知科學(xué)、語言學(xué)、邏輯學(xué)、教育科學(xué)、系統(tǒng)教學(xué)、數(shù)理科學(xué)等眾多學(xué)科領(lǐng)域。人工智能是一門綜合性的交叉學(xué)科和邊緣學(xué)科。當(dāng)然，就機(jī)器人這一方面而言，日本已走在世界最前面，其發(fā)明的機(jī)器人在模擬人類行為、語言識別上表現(xiàn)的相當(dāng)突出。三、研究內(nèi)容為了解決如何使得機(jī)器擁有智能這一根本性問題，人們企圖在各個可以體現(xiàn)智能的方面尋求突破，其研究的內(nèi)容有搜索與求解、學(xué)習(xí)與

5、發(fā)現(xiàn)、知識與推理、感知與交流、記憶與聯(lián)想等體現(xiàn)人類智能的方面。從研究的對象來看，人工智能涉及三個方面：1、能說會道的計(jì)算機(jī)程序，即自然語言處理領(lǐng)域；2、研制、設(shè)計(jì)出可以模擬人類感官（視覺、聽覺）的機(jī)器，以便同人類進(jìn)行交流、識別變化的環(huán)境；3、開發(fā)可以識別并模仿人類行為的程序。當(dāng)然，從研究的方面來講，人工智能劃分理論研究和工程研究。前者，研究如何理解人和機(jī)器智能的理論，探索出如何可以開發(fā)人工智能產(chǎn)品的方法；后者研究如何設(shè)計(jì)、開發(fā)智能產(chǎn)品。兩者彼此依賴，相互促進(jìn)。四、技術(shù)特征作為一個智能產(chǎn)品，其所具備的特征有：1、具有搜索功能。采用一定搜索策略可以快速地找到答案，甚至在特定要求下找出最優(yōu)解或所有解

6、。2、知識表示能力?？梢员硎疽恍┎痪_的、模糊的知識（適合表示多媒體數(shù)據(jù)）。3、一定的推理功能?？梢詮慕o定的實(shí)事、前題中找出答案、發(fā)現(xiàn)知識。4、抽象功能。抽象用以區(qū)分重要與非重要的特征，借助抽象可將處理問題中的重要特征和變式與大量非重要特征和變式區(qū)分開來，使處理變得更有效、更靈活。對用戶來說，往往只需要敘述“是什么問題”，“要做什么”，而把“怎么做”留給智能程序來完成。5、語音識別功能及模糊信息處理能力。有處理不精確和模糊信息的能力。當(dāng)然，就目前技術(shù)而言，已有一些公司開發(fā)了一些具有部分上述特征的產(chǎn)品。百度搜索具有強(qiáng)大的搜索功能，在其龐大的數(shù)據(jù)庫中，如果不采用人工智能的搜索方法，其搜索速度是無法

7、滿足用戶需求的；win7自帶的語音識別功能，智能手機(jī)上輸入工具中的語音輸入功能。五、應(yīng)用方面5.1 符號計(jì)算計(jì)算機(jī)代數(shù)系統(tǒng)的優(yōu)越性主要在于它能夠進(jìn)行大規(guī)模的代數(shù)運(yùn)算。通常我們用筆和紙進(jìn)行代數(shù)運(yùn)算只能處理符號較少的算式，當(dāng)算式的符號上升到百位數(shù)后，手工計(jì)算就很困難了，這時(shí)用計(jì)算機(jī)代數(shù)系統(tǒng)進(jìn)行運(yùn)算就可以做到準(zhǔn)確，快捷,有效。現(xiàn)在符號計(jì)算軟件有一些共同的特點(diǎn)就是在可以進(jìn)行符號運(yùn)算、數(shù)值計(jì)算和圖形顯示等同時(shí)，還具有高效的可編程功能。在操作界面上一般都支持交互式處理，人們通過鍵盤輸入命令，計(jì)算機(jī)處理后即顯示結(jié)果。并且人機(jī)界面友好，命令輸入方便靈活很容易尋求幫助。5.2 模式識別計(jì)算機(jī)識別的顯著特點(diǎn)是速度

8、快、準(zhǔn)確性和效率高。識別過程與人類的學(xué)習(xí)過程相似。以“漢字識別”為例：首先將漢字圖象進(jìn)行處理，抽取主要表達(dá)特征并將其特征與漢字的代碼存在計(jì)算機(jī)中。就象把老師教我們這個字叫什么、如何寫的知識記憶在大腦中。這一過程叫做“訓(xùn)練”。識別過程就是將輸入的漢字圖像經(jīng)處理后與計(jì)算機(jī)中所保存的全部漢字進(jìn)行比較，找出最相近的字作為識別結(jié)果,這一過程叫做“匹配”，包括：語音識別，圖像識別，指紋識別，手寫字符識別，車牌識別，人臉識別等。5.3 機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。幾十年來，國內(nèi)外許多專家、學(xué)者為機(jī)器翻譯的研究付出了大量的心

9、血和汗水。雖然至今還沒有一個實(shí)用、全面、高質(zhì)量的自動翻譯系統(tǒng)出現(xiàn)，不過也取得了很大的進(jìn)展，特別是作為人們的輔助翻譯工具，例如：Google翻譯，百度翻譯，有道翻譯等，機(jī)器翻譯已經(jīng)得到大多數(shù)人的認(rèn)可。5.4 專家系統(tǒng)專家系統(tǒng)是一個智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個領(lǐng)域知識與經(jīng)驗(yàn)，能夠利用人類專家的知識和解決問題的方法來解決該領(lǐng)域的問題。也就是說，專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗(yàn)的程序系統(tǒng)，根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復(fù)雜問題。當(dāng)前的研究涉及有關(guān)專家系統(tǒng)設(shè)計(jì)的各種問題。這些系統(tǒng)是在某個領(lǐng)域的專家（他

10、可能無法明確表達(dá)他的全部知識）與系統(tǒng)設(shè)計(jì)者之間經(jīng)過艱苦的反復(fù)交換意見之后建立起來的。專家系統(tǒng)和傳統(tǒng)的計(jì)算機(jī)程序最本質(zhì)的不同之處在于專家系統(tǒng)所要解決的問題一般沒有算法解，并且經(jīng)常要在不完全、不精確或不確定的信息基礎(chǔ)上作出結(jié)論。專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等。高性能的專家系統(tǒng)也已經(jīng)從學(xué)術(shù)研究開始進(jìn)入實(shí)際應(yīng)用研究。隨著人工智能整體水平的提高，專家系統(tǒng)也獲得發(fā)展。正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的方法，而且采用基于模型的原理。5.5 人工神經(jīng)網(wǎng)絡(luò)在考慮如何使得機(jī)器具備人類的智能時(shí)，有些

11、學(xué)者考慮到人類大腦中存在復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，于是他們認(rèn)為可以模仿人腦神經(jīng)制造具有思維能力的計(jì)算機(jī)，即神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)?，F(xiàn)在，神經(jīng)網(wǎng)絡(luò)已在模式識別、圖象處理、組合優(yōu)化、自動控制、信息處理、機(jī)器人學(xué)和人工智能的其它領(lǐng)域獲得日益廣泛的應(yīng)用。六、發(fā)展方面從我國人工智能的歷史來看，在我國現(xiàn)代歸納邏輯興起于20世紀(jì)80年代初。80年代中期到90年代中期，對現(xiàn)代歸納邏輯的研究是邏輯學(xué)界的熱點(diǎn)之一。學(xué)者們把歸納邏輯的相關(guān)知識與人工智能相結(jié)合的研究取得了一定進(jìn)展。但歸納邏輯發(fā)展到現(xiàn)階段還很不成熟，還需要進(jìn)一步研究和發(fā)展。有的學(xué)者指出，為了在機(jī)器的智能模擬中克服對歸納模擬的困難，應(yīng)該將歸納邏輯等有關(guān)的基礎(chǔ)理論研究與

12、機(jī)器學(xué)習(xí)、不確定推理和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型與歸納學(xué)習(xí)中已有的成果結(jié)合起來，這樣才能在已有的歸納學(xué)習(xí)成果上，在機(jī)器歸納和機(jī)器發(fā)現(xiàn)上取得新的突破和進(jìn)展。當(dāng)對人工智能的研究由數(shù)據(jù)處理轉(zhuǎn)入知識處理時(shí)，對歸納邏輯系統(tǒng)進(jìn)行深入的研究就是必要的了，這是一個極有價(jià)值且極富挑戰(zhàn)性和前沿性的研究課但實(shí)際上，目前我國在人工智能的理論方面還是依賴于國外的理論，甚至可以說在人工智能方面，我國目前還沒有研究出突破性的理論。大部分學(xué)者都是在跟隨國外學(xué)者的腳步，無法獨(dú)立研究，形成了嚴(yán)重的依賴性。盡管我國也有些公司研究出了一些產(chǎn)品，但嚴(yán)重依賴于國外的技術(shù)專利，使得研究利潤大打折扣，甚至受制于那些技術(shù)，從而無法進(jìn)行突破性的研究。正因

13、如此，我國應(yīng)鼓勵技術(shù)人員和研究人員大膽創(chuàng)新，獨(dú)立創(chuàng)新。而目前，市場上人工智能產(chǎn)品無論是質(zhì)量或數(shù)量，還無法滿足社會的需求；或者說，現(xiàn)在的人工智能產(chǎn)品還是初級產(chǎn)品，在這個新領(lǐng)域里，還需要各種創(chuàng)新性的理論來支撐更為高級的產(chǎn)品的開發(fā)。七、結(jié)語人工智能研究將是21世紀(jì)早期邏輯學(xué)發(fā)展的主要動力源泉。人工智能研究必須建立在歸納邏輯基礎(chǔ)之上，從而達(dá)到多領(lǐng)域交叉合作來共同促進(jìn)人工智能研究的廣泛而深遠(yuǎn)的發(fā)展。我們現(xiàn)在所涉及的基于歸納邏輯的人工智能以及機(jī)器學(xué)習(xí)和歸納學(xué)習(xí)的系統(tǒng)研究還處于初級階段。正如王雨田教授所說，在未來的計(jì)算機(jī)歸納學(xué)習(xí)或發(fā)現(xiàn)的研究中，將歸納邏輯的某些理論方法或系統(tǒng)與機(jī)器學(xué)習(xí)、不確定性推理、神經(jīng)網(wǎng)絡(luò)中對歸納邏輯的研究適當(dāng)“接”起來，以改進(jìn)并逐步革新現(xiàn)有的歸納學(xué)習(xí)系統(tǒng)，促使機(jī)器學(xué)習(xí)中歸納學(xué)習(xí)的基礎(chǔ)理論形成，并進(jìn)一步從事歸納發(fā)現(xiàn)與歸納學(xué)習(xí)的基礎(chǔ)理論與系統(tǒng)的研究開發(fā)，這是人工智能科學(xué)研究中的一項(xiàng)重大任務(wù)。八、參考文獻(xiàn)：1孫沛.計(jì)算機(jī)輔助教