人工智能-第1章绪论讲解.pptVIP

* 这里所要讨论的各种智能特性之间也是相互关联的，把它们分开来介绍只是为了便于指出现有的人工智能程序能够做些什么和还不能做什么。 大多数人工智能研究课题都涉及许多智能领域。 四个方面 智能感知 智能推理 智能学习 智能行动 * 1.4.1智能感知 (1) 模式识别 模式识别研究主要集中在： 研究生物体是如何感知对象的， 在给定的任务下，如何用计算机来实现模式识别的理论和方法。 模式识别的方法有感知机、统计决策方法、基于基元关系的句法识别方法和人工神经元网络方法。 计算机模式识别系统由三部分组成： 数据采集 数据处理 分类决策或模型匹配 * 模式识别研究工作 文字和二维图像的识别 解释和描述复杂的三维景物（积木世界） 活动目标的识别和分析，它是景物分析走向实用化研究的一个标志。 * 语音识别技术 始于20世纪50年代初期。 1952年，美国贝尔实验室的Davis等人成功地进行了0-90个数字的语音识别实验，其后由于当时技术上的困难，研究进展缓慢，直到1962年才由日本研制成功第一个连续多位数字语音识别装置。 20世纪70年代以来，各种语音识别装置相继出现，性能良好的能够识别单词的声音识别系统已进入实用阶段。 神经网络用于语音识别也已取得成功。 * 神经网络方法已经成功地应用于 手写字符的识别、 汽车牌照的识别、 指纹识别、 语音识别等方面。 模式识别已经在 天气预报、 卫星航空图片解释、 工业产品检测、 字符识别、 语音识别、 指纹识别、 医学图像分析等许多方面得到了成功的应用。 * (2) 自然语言处理 自然语言处理是用计算机对人类的书面和口头形式的自然语言信息进行处理加工的技术，它涉及 语言学、 数学和 计算机科学等多学科知识领域。 * 自然语言处理的主要任务在于建立各种自然语言处理系统，如： 文字自动识别系统、 语音自动识别系统、 语音自动合成系统、 电子词典、 机器翻译系统、 自然语言人机接口系统、 自然语言辅助教学系统、 自然语言信息检索系统、 自动文摘系统、 自动索引系统、 自动校对系统等。 * 自然语言在以下四个方面与人工语言有很大差异： (1)自然语言中充满歧义； (2)自然语言的结构复杂多样； (3)自然语言的语义表达千变万化，至今还没有一种简单而通用的途径来描述它； (4)自然语言的结构和语义之间有着千丝万缕的、错综复杂的联系。 自然语言处理的研究有两大主流： 面向机器翻译的自然语言处理； 面向人机接口的自然语言处理。 * 20世纪90年代，在自然语言处理中，开始把大规模真实文本的处理作为今后的战略目标，形成了词汇主义，引入了语料库方法，包括统计方法、基于实例的方法以及通过语料加工使语料库转变为语言知识库的方法等。 判断计算机系统是否真正“理解”了自然语言的标准有： 问答 释义 文摘生成 翻译 * 自然语言理解的研究大体上经历了三个时期： 关键词匹配技术 句法-语义分析方法 走向实用化和工程开发 目前可以将任意输入的源语言的句子作为处理对象的机器翻译系统的实现方式大致可分为三类： 直接方式 转换方式 中间语言方式 * 近年来，又出现了一种全新的基于实例的方法。 这种方法的基础是大规模的双语对译语料库，同时需要开发最佳匹配检索技术和适当的调整机制。 随着语料库语言学的发展，基于实例的机器翻译方法将显示出它的优势。 电子词典是机器翻译系统的低级形式。 机器翻译系统性能及其译文质量的评价问题也是机器翻译领域的一个重要研究课题。 * (3) 计算机视觉 计算机视觉旨在对描述景物的一幅或多幅图像的数据经计算机处理，以实现类似于人的视觉感知功能。 数字图像(光学图像) 距离图像(激光或超声测距) 数据融合(多种传感器) * 计算机视觉的基本方法是： （1）获取灰度图像； （2）从图像中提取边缘、周长、惯性矩等特征； （3）从描述已知物体的特征库中选择特征匹配最好的相应结果。 * 计算机视觉通常可分为低层视觉与高层视觉两类。 低层视觉主要执行预处理功能，如边缘检测、动目标检测、纹理分析，通过阴影获得形状、立体造型、曲面色彩等，其目的是使被观察的对象更突现出来。 高层视觉则主要是理解所观察的形象。 * 计算机视觉的应用: 条形码识别系统 指纹自动鉴定系统 文字识别系统 生物医学图像分析和遥感图片自动解释系统 无损探伤系统 计算机视觉还曾用于在海湾战争中使用过的战斧式巡航导弹的制导。 * （4）情感计算 “情感计算”的目标是赋予计算机感知、理解以及表达情感的能力。 * 1.4.2智能推理 (1) 概述 对推理的研究往往涉及到对逻辑的研究。逻辑是人脑思维的规律，从而也是推理的理论基础。机器推理或人工智能用到的逻辑，主要包括经典逻辑中的谓词逻辑和由它经某种扩充、发展而来的各种逻辑。 Prolog