人工智能的应用领域.pptVIP

人工智能 杨万斗 1.4 人工智能的应用领域 1.博弈 2.自动定理证明 3.专家系统 4.自然语言理解 5.机器视觉 6.自动程序设计 7.机器人学 8.机器学习 9.人工神经网络 10.智能决策支持 系统 11.智能检索 12.分布式人工智 能与Agent 13.数据挖掘与知 识发现 14.系统与语言工 具 1.博弈(Game Playing) 诸如下棋、打牌、战争等一类竞争性的智能活动称为博弈。到目前为止，AI对博弈的研究多以下棋为对象，但其目的并不是为了让计算机与人下棋，而主要是为了给人工智能研究提供一个试验场地，对AI的有关技术进行检验，从而也促进这些技术的发展。 著名的老一辈AI学者像Simon、Newell、Shaw等都深入研究过下棋程序，不少AI问题求解技术，如状态空间搜索方法，也来源于下棋程序的研究。按AI术语，棋盘的棋子布局称为一个状态，所有可能的状态构成状态空间。显然状态空间是很大的，需有效的搜索方法去从中搜索解答。 国际象棋人机对抗史 1966年下棋程序只达到C级专业棋手水平，到1982年已可达大师级。 1985年美国的一个称为Hitech的下棋程序，基于VLSI并行结构硬件，可达特级大师水平。 1988年由CMU的两个学生设计的“Deep Thought”，在美国的一次锦标赛中胜击败丹麦特级大师拉尔森。 1997年由IBM公司研制的超级计算机“Deeper Blue”，在与国际象棋冠军卡斯帕罗夫的六盘对弈中，取得2胜3平1负的战绩，卡斯帕罗夫要求重赛，但没有得到回应。 国际象棋人机对抗史（续） 2003年1至2月由两位以色列电脑专家研究出的“Deep Junior”与卡斯帕罗夫举行人机大战，双方3比3战平, 也使人与电脑程序究竟谁更厉害的争论暂时不能得出最后结论。 在2004年6月举行的中国首届国际象棋“人机对话”中，棋后诸宸在与“紫光之星”的两次对局中，都因超时被判负。 这些人机大战表明：可以通过人脑与电脑协同工作,以人-机结合的模式,为解决复杂系统问题寻找解决方案。鉴于下棋需要高级的智能，计算机下棋程序的进展可视为人工智能研究的重大成就。 电脑围棋 中山大学的陈志行教授所设计的 “手谈”在多次国际电脑围棋赛取得冠军。 我校张连蓬教授也从事电脑围棋方面的研究，曾取得国际第7和国内第3的好成绩。 但在围棋方面取得的成绩非常有限，学者们20多年的辛勤研究、应昌期先生百万美元的悬赏及十多年的国际电脑围棋赛，所得的成果—电脑围棋只能达到业余初级的水平，业余初段可以让它7～8个子。 为什么电脑围棋和电脑国际象棋的水平存在如此大的区别呢？这种现象只能说明，要么是目前在电脑围棋程序采用的人工智能技术太少，要么是人工智能技术在围棋面前还是十分的幼稚与苍白。 围棋和国际象棋的比较 2. 自动定理证明 利用计算机进行ATP是AI研究中的一个重要方向，在发展AI方法上起过重大的作用。很多非数学领域的任务，都可以转化为一个定理证明问题。 目前，自动定理证明的常用方法有3大类： 自然演绎法：其基本思想是依据推理规则，从前提和公理中可以推出许多定理，如果待证明的定理恰好在其中，则定理得证。 判定法：即对一类特定的问题找出统一的、可在计算机上实现的算法解 。如吴文俊的“吴方法”。 定理证明器：是研究一切可判定问题的证明方法。它的基础是1965年Robinson提出的归结原理。 3.专家系统(Expert Systems) 专家系统是一个计算机智能软件系统，它运用特定领域的专门知识，通过推理来模拟解决通常由人类专家才能解决的各种复杂、具体的问题，其解决问题的能力达到与领域专家同等水平。 专家系统的研究起源于前述的DENDRAL系统，它和后来研制的MYCIN系统一起推动了专家系统技术的大发展。进入20世纪80年代后期，专家系统加快了其实用化步伐。 例如据1988年美国的一份统计资料讲：1987年得到实用的专家系统为50个，而1988年则达1400个，至于声称在研制开发中的专家系统就更多了。 成功案例1－American Express公司研制的专家系统AA和CA 长期以来，该公司提供的信用卡服务面临恶性透支和欺骗行为等问题，致使公司每年蒙受高达1亿美元的损失。为此，判断持卡人是否正当使用信用卡成为迫切需解决的问题。 如何在90秒的时间内对多达16屏幕的信用卡记录进行审查？人工审查是不可能的。所以公司于1988年研制了AA系统来帮助做信用卡审查工作，获得了巨大成功，每年可为公司挽回损失近2700万美元。 1991年公司又研制了CA系统来审查AA系统决策的合理性，以求提高AA系统的可靠性。作为这两个专家系统联合工作的结果，公司几乎每年可挽回5000万美元的损失