人工智能_11.pdfVIP

人工智能 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也 不大。有时会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造 人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是 “智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind） （包括无意识的思维 （unconscious_mind）等等问题。人唯一了解的智能是人本身的智能， 这是普遍认同的观点。但是人类对自身智能的理解都非常有限，对构成人的智能的必要元素 也了解有限，所以就很难定义什么是 “人工”制造的“智能”了。因此人工智能的研究往往 涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能 相关的研究课题。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。 人工智能的内容 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。 知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用 的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。 常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不 同角度来表达常识和处理常识的。 问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法，相应地有 多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的 基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来 提出了多种非演泽的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎 推理和受限推理等。 搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一个推理步骤 中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发 式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的 搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开 始注意那些具有百万节点的超大规模的搜索问题。 机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获 取新知识的过程，按照学习机制的不同，主要有归纳学习、分析学习、连接机制学习 和遗传学习等。 知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知 1 识量较大而又有多种表示方法时，知识的合理组织与管理是重要的。推理机在问题求 解时，规定使用知识的基本方法和策略，推理过程中为记录结果或通信需设数据库或 采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识，则这样 的知识系统称为专家系统。为适应复杂问题的求解需要，单一的专家系统向多主体的 分布式人工智能系统发展，这时知识共享、主体间的协作、矛盾的出现和处理将是研 究的关键问题。 人工智能-人工智能简史 自古以来，人类就力图根据认识水平和当时的技术条件，企图用机器来代替人的部分脑力劳 动，以提高征服自然的能力。公元850年，古希腊就有制造机器人帮助人们劳动的神话传说。 在中国公元前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幻想。 随着历史的发展，到十二世纪末至十三世纪初年间，西班牙的神学家和逻辑学家Romen Luee 试图制造能解决各种问题的通用逻辑机。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 在这台加法器的基础上发展并制成了进行全部四则运算的计算器。十九世纪英 国数学和力学家C.Babbage 致力于差分机和分析机的研究，虽因条件限制未能完全实现，但 其设计思想不愧为当时人工智能最高成就。 进入21世纪后，人工智能相继出现若干开创性的工作。1936年，年仅24 岁的英国数 学家A.M.Turing在他的一篇理想计算机的论文中，就提出了著名的图林机模型，1945年 他进一步论述了电子数字计算机设计思想，1950年他又在计算机能思维吗？一