單擊此處編輯母版標(biāo)題樣式,,單擊此處編輯母版文本樣式,,第二級(jí),,第三級(jí),,第四級(jí),,第五級(jí),,,*,,第 1 章 人工智能概述,第 1 章 人工智能概述,1.1 什么是人工智能,,1.2 人工智能的研究意義、目標(biāo)和策略,,1.3 人工智能的學(xué)科范疇,,1.4 人工智能的研究?jī)?nèi)容,,1.5 人工智能的研究途徑與方法,,1.6 人工智能的基本技術(shù),,,1.7 人工智能的應(yīng)用,,1.8 人工智能的分支領(lǐng)域與研究方向,,1.9 人工智能的發(fā)展概況,,習(xí)題一,,1.1,什么是人工智能,,1.1.1 人工智能概念的一般描述,,顧名思義,人工智能就是人造智能, 其英文表示是,“,Artificial Intelligence,”,,,簡(jiǎn)稱,AI。,“,人工智能,”,一詞目前是指用計(jì)算機(jī)模擬或?qū)崿F(xiàn)的智能, 因此人工智能又稱機(jī)器智能。 當(dāng)然, 這只是對(duì)人工智能的字面解釋或一般解釋。關(guān)于人工智能的科學(xué)定義, 學(xué)術(shù)界目前還沒(méi)有統(tǒng)一的認(rèn)識(shí)。下面是部分學(xué)者對(duì)人工智能概念的描述, 可以看做是他們各自對(duì)人工智能所下的定義。 ,,,——,人工智能是那些與人的思維相關(guān)的活動(dòng), 諸如決策、 問(wèn)題求解和學(xué)習(xí)等的自動(dòng)化(,Bellman, 1978,年)。,,,——,人工智能是一種計(jì)算機(jī)能夠思維, 使機(jī)器具有智力的激動(dòng)人心的新嘗試(,Haugeland,,1985,年)。,,,——,人工智能是研究如何讓計(jì)算機(jī)做現(xiàn)階段只有人才能做得好的事情(,Rich Knight, 1991,年)。,,——人工智能是那些使知覺(jué)、,,推理和行為成為可能的計(jì)算的研究,(,Winston, 1992,年,),。,,,,——,廣義地講, 人工智能是關(guān)于人造物的智能行為, 而智能行為包括知覺(jué)、推理、學(xué)習(xí)、交流和在復(fù)雜環(huán)境中的行為(,Nilsson, 1998,年)。 ,,,——,Stuart Russell,和,Peter,Norvig,則把已有的一些人工智能定義分為4類: 像人一樣思考的系統(tǒng)、 像人一樣行動(dòng)的系統(tǒng)、 理性地思考的系統(tǒng)、 理性地行動(dòng)的系統(tǒng)(2003年)。 ,,可以看出, 這些定義雖然都指出了人工智能的一些特征, 但用它們卻難以界定一臺(tái)計(jì)算機(jī)是否具有智能。因?yàn)橐缍C(jī)器是否具有智能, 必然要涉及到什么是智能的問(wèn)題,但這卻是一個(gè)難以準(zhǔn)確回答的問(wèn)題。所以,盡管人們給出了關(guān)于人工智能的不少說(shuō)法, 但都沒(méi)有,完全或嚴(yán)格地用智能的內(nèi)涵或外延來(lái)定義人工智能。,,,1.1.2 圖靈測(cè)試和中文屋子,,關(guān)于如何界定機(jī)器智能, 早在人工智能學(xué)科還未正式誕生之前的1950年, 計(jì)算機(jī)科學(xué)創(chuàng)始人之一的英國(guó)數(shù)學(xué)家阿蘭,·,圖靈(,Alan Turing),就提出了現(xiàn)稱為,“,圖靈測(cè)試,”,(,Turing Test),的方法。簡(jiǎn)單來(lái)講, 圖靈測(cè)試的做法是: 讓一位測(cè)試者分別與一臺(tái)計(jì)算機(jī)和一個(gè)人進(jìn)行交談(當(dāng)時(shí)是用電傳打字機(jī)), 而測(cè)試者事先并不知道哪一個(gè)被測(cè)者是人, 哪一個(gè)是計(jì)算機(jī)。 如果交談后測(cè)試者分不出哪一個(gè)被測(cè)者是人, 哪一個(gè)是計(jì)算機(jī), 則可以認(rèn)為這臺(tái)被測(cè)的計(jì)算,機(jī)具有智能。,,,對(duì)于,“,圖靈測(cè)試,”,, 美國(guó)哲學(xué)家約翰,·,西爾勒(,John,Searle,, 1980,年)提出了異議。他用一個(gè)現(xiàn)在稱為,“,中文屋子,”,的假設(shè), 試圖說(shuō)明即便是一臺(tái)計(jì)算機(jī)通過(guò)了圖靈測(cè)試, 也不能說(shuō)它就真的具有智能。中文屋子假設(shè)是說(shuō): 有一臺(tái)計(jì)算機(jī)閱讀了一段故事并且能正確回答相關(guān)問(wèn)題, 這樣這臺(tái)計(jì)算就通過(guò)了圖靈測(cè)試。而西爾勒設(shè)想將這段故事和問(wèn)題改用中文描述(因?yàn)樗救瞬欢形?, 然后將自己封閉在一個(gè)屋子里, 代替計(jì)算機(jī)閱讀這段故事并且回答相關(guān)問(wèn)題。描述這段故事和問(wèn)題的一連串中文符號(hào)只能通過(guò)一個(gè)很小的縫隙被送到屋子里。 西爾勒則完全按照原先計(jì)算機(jī)程序的處理方式和過(guò)程(如符號(hào)匹配、查找、照抄等)對(duì)這些符號(hào)串進(jìn)行操作, 然后把得到的結(jié)果即問(wèn)題答案通過(guò)小縫隙送出去。 西爾勒認(rèn)為盡管計(jì)算機(jī)用這種符號(hào)處理方式也能正確回答問(wèn)題, 并且也可通過(guò)圖靈測(cè)試, 但仍然不,能說(shuō)計(jì)算機(jī)就有了智能。,,,1.1.3 腦智能和群智能,,,群智能是有別于腦智能的。 事實(shí)上, 它們是屬于不同層次的智能。腦智能是一種個(gè)體智能,(Individual Intelligence,II),,而群智能是一種社會(huì)智能,(Social Intelligence,SI),,或者說(shuō)是系統(tǒng)智能,(System Intelligence,SI)。,但對(duì)于人腦來(lái)說(shuō), 宏觀心理(或者語(yǔ)言)層次上的腦智能與神經(jīng)元層次上的群智能又有密切的關(guān)系,——,正是微觀生理層次上低級(jí)的神經(jīng)元的群智能形成了宏觀心理層次上高級(jí)的腦智能(但二者之間的具體關(guān),系如何,,,卻仍然是個(gè)迷,,,這個(gè)問(wèn)題的解決需要借助于系統(tǒng)科學(xué),),。,,,1.1.4 符號(hào)智能和計(jì)算智能,,1.,符號(hào)智能,,符號(hào)智能就是符號(hào)人工智能, 它是模擬腦智能的人工智能, 也就是所說(shuō)的傳統(tǒng)人工智能或經(jīng)典人工智能。 符號(hào)智能以符號(hào)形式的知識(shí)和信息為基礎(chǔ), 主要通過(guò)邏輯推理，運(yùn)用知識(shí)進(jìn)行問(wèn)題求解。符號(hào)智能的主要內(nèi)容包括知識(shí)獲取(,knowledge acquisition)、,知識(shí)表示(,knowledge representation)、,,知識(shí)組織與管理和知識(shí)運(yùn)用等技術(shù),(,這些構(gòu)成了所謂的知識(shí)工程,(,Knowledge Engineering, KE)),以及基于知識(shí)的智能系統(tǒng)等。,,,,2. 計(jì)算智能,,計(jì)算智能就是計(jì)算人工智能, 它是模擬群智能的人工智能。計(jì)算智能以數(shù)值數(shù)據(jù)為基礎(chǔ), 主,要通過(guò)數(shù)值計(jì)算，運(yùn)用算法進(jìn)行問(wèn)題求解。,,計(jì)算智能的主要內(nèi)容包括,:,神經(jīng)計(jì)算,(,Neural Computation, NC),、,,進(jìn)化計(jì)算,(,亦稱演化計(jì)算,,,Evolutionary Computation, EC,,包括遺傳算法,(,Genetic Algorithm, GA),、,,進(jìn)化規(guī)劃,(,Evolutionary Planning, EP),、,進(jìn)化策略,(,Evolutionary Strategies, ES),等,),、免疫計(jì)算,(,immune computation),、,,粒群算法,(,Particle Swarm Algorithm, PSA),、,,蟻群算法,(,Ant Colony Algorithm, ACA),、,,自然計(jì)算,(,Natural Computation, NC),以及人工生命,(,Artificial Life, AL),等。,,計(jì)算智能主要研究各類優(yōu)化搜索算法,,,是當(dāng)前人工智能學(xué)科中一個(gè)十分活躍的分支領(lǐng)域。,,,1.2,人工智能的研究意義、目標(biāo)和策略,,1.2.1 為什么要研究人工智能,,我們知道, 計(jì)算機(jī)是迄今為止最有效的信息處理工具, 以至于人們稱它為,“,電腦,”,。 但現(xiàn)在的普通計(jì)算機(jī)系統(tǒng)的智能還相當(dāng)?shù)拖? 譬如缺乏自適應(yīng)、自學(xué)習(xí)、自優(yōu)化等能力, 也缺乏社會(huì)常識(shí)或?qū)I(yè)知識(shí)等, 而只能是被動(dòng)地按照人們?yōu)樗孪劝才藕玫墓ぷ鞑襟E進(jìn)行工作。因而它的功能和作用就受到很大的限制,難以滿足越來(lái)越復(fù)雜和越來(lái)越廣泛的社會(huì)需求。既然計(jì)算機(jī)和人腦一樣都可進(jìn)行信息處理, 那么是否能讓計(jì)算機(jī)同人腦一樣也具有智能呢？這正是人,們研究人工智能的初衷。,,,研究人工智能也是當(dāng)前信息化社會(huì)的迫切要求。我們知道, 人類社會(huì)現(xiàn)在已經(jīng)進(jìn)入了信息化時(shí)代。信息化的進(jìn)一步發(fā)展, 就必須有智能技術(shù)的支持。例如, 當(dāng)前迅速發(fā)展著的互聯(lián)網(wǎng)(,Internet)、,萬(wàn)維網(wǎng)(,WWW),和網(wǎng)格(,Grid),就強(qiáng)烈地需要智能技術(shù)的支持。也就是說(shuō),人工智能技術(shù)在,Internet、 WWW,和,Grid,上將發(fā)揮重要作用。 ,,智能化也是自動(dòng)化發(fā)展的必然趨勢(shì)。自動(dòng)化發(fā)展到一定水平, 再向前發(fā)展就必然是智能化。事實(shí)上,智能化將是繼機(jī)械化、自動(dòng)化之后, 人類生產(chǎn)和生活中的又一個(gè)技術(shù)特征,。,,,1.2.2 人工智能的研究目標(biāo)和策略,,人工智能作為一門(mén)學(xué)科, 其研究目標(biāo)就是制造智能機(jī)器和智能系統(tǒng), 實(shí)現(xiàn)智能化社會(huì)。具體來(lái)講, 就是要使計(jì)算機(jī)不僅具有腦智能和群智能, 還要具有看、聽(tīng)、說(shuō)、寫(xiě)等感知和交流能力。 簡(jiǎn)言之, 就是要使計(jì)算機(jī)具有自主發(fā)現(xiàn)規(guī)律、解決問(wèn)題和發(fā)明創(chuàng)造的能力, 從而大大擴(kuò)展和延伸人的智能,實(shí)現(xiàn)人類社會(huì)的全面智能化。 ,,人工智能學(xué)科的研究策略則是先部分地或某種程度地實(shí)現(xiàn)機(jī)器的智能,并運(yùn)用智能技術(shù)解決各種實(shí)際問(wèn)題特別是工程問(wèn)題, 從而使現(xiàn)有的計(jì)算機(jī)更靈活、更好用和更有用,成為人類的智能化信息處,理工具,,,從而逐步擴(kuò)展和不斷延伸人的智能,,,逐步實(shí)現(xiàn)智能化。,,,1.3,人工智能的學(xué)科范疇,,現(xiàn)在, 人工智能已構(gòu)成信息技術(shù)領(lǐng)域的一個(gè)重要學(xué)科。 因?yàn)樵搶W(xué)科研究的是如何使機(jī)器(計(jì)算機(jī))具有智能或者說(shuō)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, 當(dāng)前的人工智能既屬于計(jì)算機(jī)科學(xué)技術(shù)的一個(gè)前沿領(lǐng)域, 也屬于信息處理和自動(dòng)化技術(shù)的一個(gè)前沿領(lǐng)域。但由于其研究?jī)?nèi)容涉及到,“,智能,”,, 因此,人工智能又不局限于計(jì)算機(jī)、信息和自動(dòng)化等學(xué)科, 還涉及到智能科學(xué)、認(rèn)知科學(xué)、心理科學(xué)、腦及神經(jīng)科學(xué)、生命科學(xué)、語(yǔ)言學(xué)、邏輯學(xué)、行為科學(xué)、教育科學(xué)、系統(tǒng)科學(xué)、數(shù)理科學(xué)以及控制論、哲學(xué)甚至經(jīng)濟(jì)學(xué)等眾多學(xué),科領(lǐng)域。,,所以,,,人工智能實(shí)際上是一門(mén)綜合性的交叉學(xué)科和邊緣學(xué)科。,,,1.4,人工智能的研究?jī)?nèi)容,,1.4.1 搜索與求解,,所謂搜索, 就是為了達(dá)到某一目標(biāo)而多次地進(jìn)行某種操作、 運(yùn)算、 推理或計(jì)算的過(guò)程。事實(shí)上, 搜索是人在求解問(wèn)題時(shí)而不知現(xiàn)成解法的情況下所采用的一種普遍方法。 這可以看做是人類和其他生物所具有的一種元知識(shí)。 另一方面, 人工智能的研究實(shí)踐也表明, 許多問(wèn)題(包括智力問(wèn)題和實(shí)際工程問(wèn)題)的求解都可以描述為或者歸結(jié)為對(duì)某種圖或空間的搜索問(wèn)題。進(jìn)一步人們發(fā)現(xiàn), 許多智能活動(dòng)(包括腦智能和群智能)的過(guò)程, 甚至幾乎所有智能活動(dòng)的過(guò)程,都可以看做或者抽象為一個(gè)基于搜索的問(wèn)題求解過(guò)程。因此, 搜索技術(shù)就成為,人工智能最基本的研究?jī)?nèi)容。,,,1.4.2 學(xué)習(xí)與發(fā)現(xiàn),,學(xué)習(xí)與發(fā)現(xiàn)是指機(jī)器的知識(shí)學(xué)習(xí)和規(guī)律發(fā)現(xiàn)。事實(shí)上, 經(jīng)驗(yàn)積累能力、 規(guī)律發(fā)現(xiàn)能力和知識(shí)學(xué)習(xí)能力都是智能的表現(xiàn)。 那么, 要實(shí)現(xiàn)人工智能就應(yīng)該賦予機(jī)器這些能力。 因此, 關(guān)于機(jī)器的學(xué)習(xí),和發(fā)現(xiàn)技術(shù)就是人工智能的重要研究?jī)?nèi)容。,,,1.4.3 知識(shí)與推理,,,我們知道,“,知識(shí)就是力量,”,。在人工智能中, 人們則更進(jìn)一步領(lǐng)略到了這句話的深刻內(nèi)涵。的確, 對(duì)智能來(lái)說(shuō), 知識(shí)太重要了, 以致可以說(shuō),“,知識(shí)就是智能,”,。事實(shí)上, 能發(fā)現(xiàn)客觀規(guī)律是一種有智能的表現(xiàn), 能運(yùn)用知識(shí)解決問(wèn)題也是有智能的表現(xiàn), 而且是最為基本的一種表現(xiàn)。而發(fā)現(xiàn)規(guī)律和運(yùn)用知識(shí)本身還需要知識(shí)。 因此可以說(shuō), 知識(shí)是智能的基礎(chǔ)和源泉。所以, 要實(shí)現(xiàn)人工智能, 計(jì)算機(jī)就必須擁有知識(shí)和運(yùn)用知識(shí)的能力。 為此, 就要研究面向機(jī)器的知識(shí)表示形式和基于各種表示的機(jī)器推理技術(shù)。知識(shí)表示要求便于計(jì)算機(jī)的接受、存儲(chǔ)、處理和運(yùn)用, 機(jī)器的推理方式與知識(shí)的表示又息息相關(guān)。由于推理是人腦的一個(gè)基本功能和重要功能, 因此, 在符號(hào)智能中幾乎處處都與推理有關(guān)。,,1.4.4 發(fā)明與創(chuàng)造,,這里的發(fā)明創(chuàng)造是廣義的, 它既包括我們通常所說(shuō)的發(fā)明創(chuàng)造,如機(jī)器、儀器、設(shè)備等的發(fā)明和革新, 也包括創(chuàng)新性軟件、方案、規(guī)劃、設(shè)計(jì)等的研制和技術(shù)、方法的創(chuàng)新以及文學(xué)、藝術(shù)的創(chuàng)作, 還包括思想、理論、法規(guī)的建立和創(chuàng)新等等。我們知道, 發(fā)明創(chuàng)造不僅需要知識(shí)和推理, 還需要想象和靈感。 它不僅需要邏輯思維, 而且還需要形象思維。 所以, 這個(gè)領(lǐng)域應(yīng)該說(shuō)是人工智能中最富挑戰(zhàn)性的一個(gè)研究領(lǐng)域。目前,人們?cè)谶@一領(lǐng)域已經(jīng)開(kāi)展了一些工作, 并取得了一些成果, 例如已展開(kāi)了關(guān)于形象信息的認(rèn)知理論、計(jì)算模型和應(yīng)用技術(shù)的研究, 已開(kāi)發(fā)出了計(jì)算機(jī)輔助創(chuàng)新軟件, 還嘗試用計(jì)算機(jī)進(jìn)行文藝創(chuàng)作等等。但總的來(lái)講, 原創(chuàng)性的機(jī)器發(fā)明,創(chuàng)造進(jìn)展甚微,,,甚至還是空白。,,,1.4.5 感知與交流,,感知與交流是指計(jì)算機(jī)對(duì)外部信息的直接感知和人機(jī)之間、 智能體之間的直接信息交流。機(jī)器感知就是計(jì)算機(jī)直接,“,感覺(jué),”,周?chē)澜? 就像人一樣通過(guò),“,感覺(jué)器官,”,直接從外界獲取信息, 如通過(guò)視覺(jué)器官獲取圖形、 圖像信息, 通過(guò)聽(tīng)覺(jué)器官獲取聲音信息。所以, 機(jī)器感知包括計(jì)算機(jī)視覺(jué)、聽(tīng)覺(jué)等各種感覺(jué)能力。機(jī)器信息交流涉及通信和自然語(yǔ)言處理等技術(shù)。 自然語(yǔ)言處理又包括自然語(yǔ)言理解和表達(dá)。感知和交流是擬人化智能個(gè)體或智能系統(tǒng)(如,Agent,和智能機(jī)器人)所,不可缺少的功能組成部分,,,所以這也是人工智能的研究?jī)?nèi)容之一。,,,1.4.6 記憶與聯(lián)想,,記憶是智能的基本條件, 不管是腦智能還是群智能, 都以記憶為基礎(chǔ)。 記憶也是人腦的基本功能之一。 在人腦中, 伴隨著記憶的就是聯(lián)想, 聯(lián)想是人腦的奧秘之一。 ,,計(jì)算機(jī)要模擬人腦的思維就必須具有聯(lián)想功能。 要實(shí)現(xiàn)聯(lián)想無(wú)非就是建立事物之間的聯(lián)系。在機(jī)器世界里面就是有關(guān)數(shù)據(jù)、信息或知識(shí)之間的聯(lián)系。當(dāng)然, 建立這種聯(lián)系的辦法很多,比如用指針、函數(shù)、鏈表等等。 我們通常的信息查詢就是這樣做的。但傳統(tǒng)方法實(shí)現(xiàn)的聯(lián)想, 只能對(duì)于那些完整的、 確定的(輸入)信息, 聯(lián)想起(輸出)有關(guān)的信息。這種,“,聯(lián)想,”,與人腦的聯(lián)想功能相差甚遠(yuǎn)。人腦能對(duì)那些殘缺的、失真的、變形的輸入信息, 仍然可以快速準(zhǔn)確地輸出聯(lián)想響應(yīng)。,,從機(jī)器內(nèi)部的實(shí)現(xiàn)方法來(lái)看, 傳統(tǒng)的信息查詢是基于傳統(tǒng)計(jì)算機(jī)的按地址存取方式進(jìn)行的。而研究表明, 人腦的聯(lián)想功能是基于神經(jīng)網(wǎng)絡(luò)的按內(nèi)容記憶方式進(jìn)行的。 也就是說(shuō), 只要是內(nèi)容相關(guān)的事情, 不管在哪里(與存儲(chǔ)地址無(wú)關(guān)), 都可由其相關(guān)的內(nèi)容被想起。例如, 蘋(píng)果這一概念, 一般有形狀、大小、顏色等特征, 我們所要介紹的內(nèi)容記憶方式就是,由形狀,(,比如蘋(píng)果是圓形的,),想起顏色、,,大小等特征,,,而不需要關(guān)心其內(nèi)部地址。,,,當(dāng)前,在機(jī)器聯(lián)想功能的研究中, 人們就是利用這種按內(nèi)容記憶原理,采用一種稱為,“,聯(lián)想存儲(chǔ),”,的技術(shù)來(lái)實(shí)現(xiàn)聯(lián)想功能。 聯(lián)想存儲(chǔ)的特點(diǎn)是: ,,,——,可以存儲(chǔ)許多相關(guān)(激勵(lì), 響應(yīng))模式對(duì)。,,,——,通過(guò)自組織過(guò)程可以完成這種存儲(chǔ)。,,,——,以分布、 穩(wěn)健的方式(可能會(huì)有很高的冗余度)存儲(chǔ)信息。,,,——,可以根據(jù)接收到的相關(guān)激勵(lì)模式產(chǎn)生并輸出適當(dāng)?shù)捻憫?yīng)模式。,,,——,即使輸入激勵(lì)模式失真或不完全時(shí), 仍然可以產(chǎn)生正確的響應(yīng)模式。,,,——可在原存儲(chǔ)中加入新的存儲(chǔ)模式。,,,1.4.7 系統(tǒng)與建造,,系統(tǒng)與建造是指智能系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)技術(shù)。它包括智能系統(tǒng)的分類、硬/軟件體系結(jié)構(gòu)、設(shè)計(jì)方法、實(shí)現(xiàn)語(yǔ)言工具與環(huán)境等。由于人工智能一般總要以某種系統(tǒng)的形式來(lái)表現(xiàn)和應(yīng)用, 因此關(guān)于,智能系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)技術(shù)也是人工智能的研究?jī)?nèi)容之一。,,,1.4.8 應(yīng)用與工程,,應(yīng)用與工程是指人工智能的應(yīng)用和工程研究, 這是人工智能技術(shù)與實(shí)際應(yīng)用的接口。它主要研究人工智能的應(yīng)用領(lǐng)域、 應(yīng)用形式、具體應(yīng)用工程項(xiàng)目等。 其研究?jī)?nèi)容涉及問(wèn)題的分析、 識(shí)別和表,示,,,相應(yīng)求解方法和技術(shù)的選擇等。,,,1.5,人工智能的研究途徑與方法,,1.5.1 心理模擬, 符號(hào)推演,,,“,心理模擬, 符號(hào)推演,”,就是從人腦的宏觀心理層面入手, 以智能行為的心理模型為依據(jù), 將問(wèn)題或知識(shí)表,示成某種邏輯網(wǎng)絡(luò),,,采用符號(hào)推演的方法,,,模擬人腦的邏輯思維過(guò)程,,,實(shí)現(xiàn)人工智能。,,,采用這一途徑與方法的原因是: ① 人腦的可意識(shí)到的思維活動(dòng)是在心理層面上進(jìn)行的(如我們的記憶、聯(lián)想、推理、 計(jì)算、 思考等思維過(guò)程都是一些心理活動(dòng)), 心理層面上的思維過(guò)程是可以用語(yǔ)言符號(hào)顯式表達(dá)的, 從而人的智能行為就可以用邏輯來(lái)建模。 ② 心理學(xué)、邏輯學(xué)、 語(yǔ)言學(xué)等實(shí)際上也是建立在人腦的心理層面上的, 從而這些學(xué)科的一些現(xiàn)成理論和方法就可供人工智能參考或直接使用。 ③ 當(dāng)前的數(shù)字計(jì)算機(jī)可以方便地實(shí)現(xiàn)語(yǔ)言符號(hào)型知識(shí)的表示和處理。 ④ 可以直接運(yùn)用人類已有顯式知識(shí)(包括理論知識(shí)和經(jīng)驗(yàn)知識(shí))直接建立基,于知識(shí)的智能系統(tǒng)。,,,基于心理模擬和符號(hào)推演的人工智能研究, 被稱為心理學(xué)派、邏輯學(xué)派、符號(hào)主義。早期的代表人物有紐厄爾(,Allen Newell)、,肖(,Shaw)、,西蒙(,Herbert Simon),等, 后來(lái)還有費(fèi)根寶姆(,E. A.,Feigenbaum,)、,尼爾遜(,Nilsson),等。 其代表性的理念是所謂的,“,物理符號(hào)系統(tǒng)假設(shè),”,, 即認(rèn)為人對(duì)客觀世界的認(rèn)知基元是符號(hào), 認(rèn)知過(guò)程就是符號(hào)處理的過(guò)程;而計(jì)算機(jī)也可以處理符號(hào), 所以就可以用計(jì)算機(jī)通過(guò)符號(hào)推演的方式來(lái)模擬人的邏輯思維過(guò)程,,實(shí)現(xiàn)人工智能。,,,符號(hào)推演法是人工智能研究中最早使用的方法之一。人工智能的許多重要成果也都是用該方法取得的, 如自動(dòng)推理、定理證明、問(wèn)題求解、 機(jī)器博弈、專家系統(tǒng)等等。由于這種方法模擬人腦的邏輯思維, 利用顯式的知識(shí)和推理來(lái)解決問(wèn)題, 因此, 它擅長(zhǎng)實(shí)現(xiàn)人腦的高級(jí)認(rèn)知,功能,,,如推理、,,決策等。,,,1.5.2 生理模擬, 神經(jīng)計(jì)算,,,“,生理模擬, 神經(jīng)計(jì)算,”,就是從人腦的生理層面, 即微觀結(jié)構(gòu)和工作機(jī)理入手, 以智能行為的生理模型為依據(jù),采用數(shù)值計(jì)算的方法, 模擬腦神經(jīng)網(wǎng)絡(luò)的工作過(guò)程, 實(shí)現(xiàn)人工智能。 具體來(lái)講, 就是用人工神經(jīng)網(wǎng)絡(luò)作為信息和知識(shí)的載體,用稱為神經(jīng)計(jì)算的數(shù)值計(jì)算方法來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)的學(xué)習(xí)、記憶、聯(lián)想、 識(shí)別和推理等功能。 ,,我們知道,人腦的生理結(jié)構(gòu)是由大約10,11,～10,12,個(gè)神經(jīng)元(細(xì)胞)組成的神經(jīng)網(wǎng)絡(luò), 而且是一個(gè)動(dòng)態(tài)的、開(kāi)放的、高度復(fù)雜的巨系統(tǒng), 以致于人們至今對(duì)它的生理結(jié)構(gòu)和工作機(jī)理還未完全弄清楚。 因此, 對(duì)人腦的真正和完全模擬, 一時(shí)還難以辦到。 所以, 目前的生理模擬只是對(duì)人腦的局部或近似模擬, 也就是從群智能的層面進(jìn)行模擬, 實(shí)現(xiàn)人工智能。 ,,這種方法一般是通過(guò)神經(jīng)網(wǎng)絡(luò)的,“,自學(xué)習(xí),”,獲得知識(shí), 再利用知識(shí)解決問(wèn)題。神經(jīng)網(wǎng)絡(luò)具有高度的并行分布性、 很強(qiáng)的魯棒性和容錯(cuò)性。 它擅長(zhǎng)模擬人腦的形象思維, 便于實(shí)現(xiàn)人腦的,低級(jí)感知功能,,,例如圖像、,,聲音信息的識(shí)別和處理。,,,生理模擬和神經(jīng)計(jì)算的方法早在20世紀(jì)40年代就已出現(xiàn), 但由于種種原因而發(fā)展緩慢, 甚至一度出現(xiàn)低潮, 直到80年代中期才重新崛起, 現(xiàn)已成為人工智能研究中不可或缺的重要途徑與方法。 ,,采用生理模擬和神經(jīng)計(jì)算方法的人工智能研究, 被稱為生理學(xué)派、 連接主義。其代表人,物有,McCulloch, Pitts, F.,Rosenblatt,, T.,Kohonen,, J.,Hopfield,等。,,,1.5.3 行為模擬, 控制進(jìn)化,,還有一種基于,“,感知-行為,”,模型的研究途徑和方法,我們稱其為行為模擬法。這種方法是用模擬人和動(dòng)物在與環(huán)境的交互、 控制過(guò)程中的智能活動(dòng)和行為特性, 如反應(yīng)、適應(yīng)、學(xué)習(xí)、 尋優(yōu)等, 來(lái)研究和實(shí)現(xiàn)人工智能?；谶@一方法研究人工智能的典型代表要算,MIT,的,R.Brooks,教授, 他研制的六足行走機(jī)器人(亦稱為人造昆蟲(chóng)或機(jī)器蟲(chóng)), 曾引起人工智能界的轟動(dòng)。 這個(gè)機(jī)器蟲(chóng)可以看做是新一代的,“,控制論動(dòng)物,”,, 它具有一定的適應(yīng)能力, 是一個(gè)運(yùn)用行為模擬即控制進(jìn)化方法研究人工智能的代表作。,,事實(shí)上,,R.Brooks,教授的工作代表了稱為,“,現(xiàn)場(chǎng)(,situated)AI,”,的人工智能新方向。 現(xiàn)場(chǎng),AI,強(qiáng)調(diào)智能系統(tǒng)與環(huán)境的交互, 認(rèn)為智能取決于感知和行動(dòng), 智能行為可以不需要知識(shí), 提出,“,沒(méi)有表示的智能,”,,,“,沒(méi)有推理的智能,”,的觀點(diǎn), 主張智能行為的,“,感知-動(dòng)作,”,模式, 認(rèn)為人的智能、機(jī)器智能可以逐步進(jìn)化, 但只能在現(xiàn)實(shí)世界中與周?chē)h(huán)境的交互中體現(xiàn)出來(lái)。智能只能放,在環(huán)境中才是真正的智能,,,智能的高低主要表現(xiàn)在對(duì)環(huán)境的適應(yīng)性上。,,基于行為模擬方法的人工智能研究, 被稱為行為主義、 進(jìn)化主義、控制論學(xué)派。行為主義曾強(qiáng)烈地批評(píng)傳統(tǒng)的人工智能(主要指符號(hào)主義, 也涉及連接主義)對(duì)真實(shí)世界的客觀事物和復(fù)雜境遇, 作了虛假的、過(guò)分簡(jiǎn)化的抽象。沿著這一途徑, 人們研制具有自學(xué)習(xí)、自適應(yīng)、自組織特性的智能控制系統(tǒng)和智能機(jī)器人, 進(jìn)一步展開(kāi)了人工生命,(,AL),的研究。,,,1.5.4 群體模擬, 仿生計(jì)算,,,“,群體模擬, 仿生計(jì)算,”,就是模擬生物群落的群體智能行為, 從而實(shí)現(xiàn)人工智能。例如,模擬生物種群有性繁殖和自然選擇現(xiàn)象而出現(xiàn)的遺傳算法, 進(jìn)而發(fā)展為進(jìn)化計(jì)算; 模擬人體免疫細(xì)胞群而出現(xiàn)的免疫計(jì)算、 免疫克隆計(jì)算及人工免疫系統(tǒng); 模擬螞蟻群體覓食活動(dòng)過(guò)程的蟻群算法; 模擬鳥(niǎo)群飛翔的粒群算法和模擬魚(yú)群活動(dòng)的魚(yú)群算法等等。這些算法在解決組合優(yōu)化等問(wèn)題中表現(xiàn)出卓越的性能。而對(duì)這些群體智慧的模擬是通過(guò)一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來(lái)實(shí)現(xiàn)的, 所以我們統(tǒng)稱其為仿生計(jì)算。,,仿生計(jì)算的特點(diǎn)是,其成果可以直接付諸應(yīng)用, 解決工程問(wèn)題和實(shí)際問(wèn)題。,,1.5.5 博采廣鑒, 自然計(jì)算,,其實(shí), 人工智能的這些研究途徑和方法的出現(xiàn)并非偶然。 因?yàn)橹两袢藗儗?duì)智能的科學(xué)原理還未完全弄清楚, 所以在這種情況下研究和實(shí)現(xiàn)人工智能的一個(gè)自然的思路就是模擬自然智能。 起初, 人們知道自然智能源于人腦, 于是, 模擬人腦智能就是研究人工智能的一個(gè)首要途徑和方法。 后來(lái), 人們發(fā)現(xiàn)一些生命群體的群體行為也會(huì)表現(xiàn)出某些智能, 于是, 模擬這些群體智能, 就成了研究人工智能的又一個(gè)重要途徑和方法。 現(xiàn)在,人們則進(jìn)一步從生命、生態(tài)、系統(tǒng)、社會(huì)、數(shù)學(xué)、 物理、化學(xué)、 甚至經(jīng)濟(jì)等眾多學(xué)科和領(lǐng)域,尋找啟發(fā)和靈感,,,展開(kāi)人工智能的研究。,,,例如, 人們從熱力學(xué)和統(tǒng)計(jì)物理學(xué)所描述的高溫固體材料冷卻時(shí), 其原子的排列結(jié)構(gòu)與能量的關(guān)系中得到啟發(fā), 提出了,“,模擬退火算法,”,。 該算法已是解決優(yōu)化搜索問(wèn)題的有效算法之一。又如,人們從量子物理學(xué)中的自旋和統(tǒng)計(jì)機(jī)理中得到啟發(fā), 而提出了量子聚類算法。再如,1994年阿德曼(,Addman,),使用現(xiàn)代分子生物技術(shù), 提出了解決哈密頓路徑問(wèn)題的,DNA,分子計(jì)算方,法,,,并在試管里求出了此問(wèn)題的解。,,,這些方法一般稱為自然計(jì)算(,NC)。,自然計(jì)算就是模仿或借鑒自然界的某種機(jī)理而設(shè)計(jì)計(jì)算模型, 這類計(jì)算模型通常是一類具有自適應(yīng)、自組織、自學(xué)習(xí)、自尋優(yōu)能力的算法。 如神經(jīng)計(jì)算、進(jìn)化計(jì)算、免疫計(jì)算、生態(tài)計(jì)算、 量子計(jì)算、分子計(jì)算、,DNA,計(jì)算和復(fù)雜自適應(yīng)系統(tǒng)等都屬于自然計(jì)算。 自然計(jì)算實(shí)際是傳統(tǒng)計(jì)算的擴(kuò)展, 它是自然科學(xué)和計(jì)算科學(xué)相交叉而產(chǎn)生的研究領(lǐng)域, 目前正方興未艾。自然計(jì)算能夠解決傳統(tǒng)計(jì)算方法難于解決的各種復(fù)雜問(wèn)題,在大規(guī)模復(fù)雜系統(tǒng)的最優(yōu)化設(shè)計(jì)、優(yōu)化控制、網(wǎng)絡(luò)安全,、創(chuàng)造性設(shè)計(jì)等領(lǐng)域具有很好的應(yīng)用前景。,,,1.5.6 原理分析, 數(shù)學(xué)建模,,,“,原理分析, 數(shù)學(xué)建模,”,就是通過(guò)對(duì)智能本質(zhì)和原理的分析, 直接采用某種數(shù)學(xué)方法來(lái)建立智能行為模型。例如,人們用概率統(tǒng)計(jì)原理(特別是貝葉斯定理)處理不確定性信息和知識(shí), 建立了統(tǒng)計(jì)模式識(shí)別、統(tǒng)計(jì)機(jī)器學(xué)習(xí)和不確定性推理的一系列原理和方法。又如, 人們用數(shù)學(xué)中的距離、空間、 函數(shù)、變換等概念和方法, 開(kāi)發(fā)了幾何分類、支持向量機(jī)等模式識(shí)別和機(jī)器學(xué)習(xí)的原理和方法。人工智能的這一研究途徑和方法的特點(diǎn)也就是純粹用人的智能去實(shí)現(xiàn)機(jī)器智能。 ,,1.6,人工智能的基本技術(shù),,盡管人工智能可分為符號(hào)智能和計(jì)算智能, 但二者仍有許多共同或相似之處, 其中最顯著的相似之處是: ,,(1) 二者都涉及表示和運(yùn)算。,,(2) 二者都是通過(guò)搜索進(jìn)行問(wèn)題求解的。 ,,1.7,人工智能的應(yīng)用,,1.7.1 難題求解,,這里的難題, 主要指那些沒(méi)有算法解,或雖有算法解但在現(xiàn)有機(jī)器上無(wú)法實(shí)施或無(wú)法完成的困難問(wèn)題,例如智力性問(wèn)題中的梵塔問(wèn)題、,n,皇后問(wèn)題、旅行商問(wèn)題、博弈問(wèn)題等等,就是這樣的難題。又如, 現(xiàn)實(shí)世界中復(fù)雜的路徑規(guī)劃、車(chē)輛調(diào)度、電力調(diào)度、資源分配、任務(wù)分配、系統(tǒng)配置、地質(zhì)分析、數(shù)據(jù)解釋、天氣預(yù)報(bào)、市場(chǎng)預(yù)測(cè)、股市分析、疾病診斷、故障診斷、軍事指揮、 機(jī)器人行動(dòng)規(guī)劃等等, 也是這樣的難題。在這些難題中,有些是組合數(shù)學(xué)理論中所稱的非確定型多項(xiàng)式(,Nondeterministic,Polynomial, NP),問(wèn)題或,NP,完全(,Nondeterministic,Polynomial Complete,NPC),問(wèn)題。,NP,問(wèn)題是指那些既不能證明其算法復(fù)雜性超出多項(xiàng)式界, 但又未找到有效算法的一類問(wèn)題。,,研究工程難題的求解是人工智能的重要課題, 而研究智力難題的求解則具有雙重意義: 一方面, 可以找到解決這些難題的途徑; 另一方面, 由解決這些難題而發(fā)展起來(lái)的一些技術(shù)和方法可用于人工智能的其他領(lǐng)域。這也正是人工智能研究初期, 研究?jī)?nèi)容基本上都集中于游戲世界的智力性問(wèn)題的重要原因， 例如博弈問(wèn)題就可為搜索策略、機(jī)器學(xué)習(xí)等研究提供很好,的實(shí)際背景。,,,1.7.2 自動(dòng)規(guī)劃、 調(diào)度與配置,,在上述的難題求解中,規(guī)劃、調(diào)度與配置問(wèn)題是實(shí)用性、 工程性最強(qiáng)的一類問(wèn)題。規(guī)劃一般指設(shè)計(jì)制定一個(gè)行動(dòng)序列, 例如機(jī)器人行動(dòng)規(guī)劃、交通路線規(guī)劃。調(diào)度就是一種任務(wù)分派或者安排, 例如車(chē)輛調(diào)度、電力調(diào)度、資源分配、任務(wù)分配。調(diào)度的數(shù)學(xué)本質(zhì)是給出兩個(gè)集合間的一個(gè)映射。配置則是設(shè)計(jì)合理的部件組合結(jié)構(gòu),即空間布局, 例如資源配置、 系統(tǒng)配置、設(shè)備或設(shè)施配置。 ,,從問(wèn)題求解角度看, 規(guī)劃、調(diào)度、配置三者又有一定的內(nèi)在聯(lián)系, 有時(shí)甚至可以互相轉(zhuǎn)化,。,事實(shí)上, 它們都屬于人工智能的經(jīng)典問(wèn)題之一的約束滿足問(wèn)題(,Constraint Satisfaction Problems,CSP)。,這類問(wèn)題的解決體現(xiàn)了計(jì)算機(jī)的創(chuàng)造性, 所以, 規(guī)劃、調(diào)度、配置問(wèn),題求解也是人工智能的一個(gè)重要研究領(lǐng)域。,,,1.7.3 機(jī)器定理證明,,,機(jī)器定理證明也是人工智能的一個(gè)重要的研究課題,它也是人工智能最早的研究領(lǐng)域之一。定理證明是最典型的邏輯推理問(wèn)題, 它在發(fā)展人工智能方法上起過(guò)重大作用。 如關(guān)于謂詞演算中推理過(guò)程機(jī)械化的研究, 幫助我們更清楚地了解到某些機(jī)械化推理技術(shù)的組成情況。很多非數(shù)學(xué)領(lǐng)域的任務(wù)如醫(yī)療診斷、信息檢索、規(guī)劃制定和難題求解, 都可以轉(zhuǎn)化成一個(gè)定理,證明問(wèn)題。所以機(jī)器定理證明的研究具有普遍的意義。,,,機(jī)器定理證明的方法主要有四類: ,,(1) 自然演繹法, 其基本思想是依據(jù)推理規(guī)則, 從前提和公理中可以推出許多定理,如果待證的定理恰在其中, 則定理得證。 ,,(2) 判定法,即對(duì)一類問(wèn)題找出統(tǒng)一的計(jì)算機(jī)上可實(shí)現(xiàn)的算法解。在這方面一個(gè)著名的成果是我國(guó)數(shù)學(xué)家吳文俊教授1977年提出的初等幾何定理證明方法。 ,,(3) 定理證明器, 它研究一切可判定問(wèn)題的證明方法。,,(4) 計(jì)算機(jī)輔助證明,它是以計(jì)算機(jī)為輔助工具, 利用機(jī)器的高速度和大容量,幫助人,完成手工證明中難以完成的大量計(jì)算、推理和窮舉。,,,1.7.4 自動(dòng)程序設(shè)計(jì),,自動(dòng)程序設(shè)計(jì)就是讓計(jì)算機(jī)設(shè)計(jì)程序。具體來(lái)講,就是人只要給出關(guān)于某程序要求的非常高級(jí)的描述,計(jì)算機(jī)就會(huì)自動(dòng)生成一個(gè)能完成這個(gè)要求目標(biāo)的具體程序。 所以, 這相當(dāng)于給機(jī)器配置了一個(gè),“,超級(jí)編譯系統(tǒng),”,, 它能夠?qū)Ω呒?jí)描述進(jìn)行處理, 通過(guò)規(guī)劃過(guò)程, 生成所需的程序。但這只是自動(dòng)程序設(shè)計(jì)的主要內(nèi)容, 它實(shí)際是程序的自動(dòng)綜合。自動(dòng)程序設(shè)計(jì)還包括程序自動(dòng)驗(yàn)證, 即自動(dòng)證明所設(shè)計(jì)程序的正確性。這樣, 自動(dòng)程序設(shè)計(jì)也是人工智能和,軟件工程相結(jié)合的研究課題。,,,1.7.5 機(jī)器翻譯,,機(jī)器翻譯就是完全用計(jì)算機(jī)作為兩種語(yǔ)言之間的翻譯。 機(jī)器翻譯由來(lái)已久,早在電子計(jì)算機(jī)問(wèn)世不久, 就有人提出了機(jī)器翻譯的設(shè)想, 隨后就開(kāi)始了這方面的研究。當(dāng)時(shí)人們總以為只要用一部雙向詞典及一些語(yǔ)法知識(shí)就可以實(shí)現(xiàn)兩種語(yǔ)言文字間的機(jī)器互譯,結(jié)果遇到了挫折。例如當(dāng)把,“,光陰似箭,”,的英語(yǔ)句子,“,Time flies like an arrow,”,翻譯成日語(yǔ),然后再翻譯回來(lái)的時(shí)候, 竟變成了,“,蒼蠅喜歡箭,”,;又如, 當(dāng)把,“,心有余而力不足,”,的英語(yǔ)句子,“,The spirit is willing but the flesh is weak,”,翻譯成俄語(yǔ), 然后再翻譯回來(lái)時(shí)竟變成了,“,酒是好的,肉變質(zhì)了,”,,即,“,The wine is good but the meat is spoiled,”,。,,這些問(wèn)題的出現(xiàn)才使人們發(fā)現(xiàn), 機(jī)器翻譯并非想像的那么簡(jiǎn)單,并使得人們認(rèn)識(shí)到, 單純地依靠,“,查字典,”,的方法不可能解決翻譯問(wèn)題,只有在對(duì)語(yǔ)義理解的基礎(chǔ)上,才能做到真正的翻譯, 所以機(jī),器翻譯的真正實(shí)現(xiàn),,,還要靠自然語(yǔ)言理解方面的突破。,,,1.7.6 智能控制,,智能控制就是把人工智能技術(shù)引入控制領(lǐng)域, 建立智能控制系統(tǒng)。智能控制具有兩個(gè)顯著的特點(diǎn): 第一, 智能控制是同時(shí)具有知識(shí)表示的非數(shù)學(xué)廣義世界模型和傳統(tǒng)數(shù)學(xué)模型混合表示的控制過(guò)程, 也往往是含有復(fù)雜性、不完全性、模糊性或不確定性以及不存在已知算法的過(guò)程, 并以知識(shí)進(jìn)行推理, 以啟發(fā)來(lái)引導(dǎo)求解過(guò)程; 第二, 智能控制的核心在高層控制, 即組織級(jí)控制, 其任務(wù)在于對(duì)實(shí)際環(huán)境或過(guò)程進(jìn)行組織, 即決策與,規(guī)劃,,,以實(shí)現(xiàn)廣義問(wèn)題求解。,,,智能控制系統(tǒng)的智能可歸納為以下幾方面: ,,(1) 先驗(yàn)智能: 有關(guān)控制對(duì)象及干擾的先驗(yàn)知識(shí), 可以從一開(kāi)始就考慮在控制系統(tǒng)的設(shè)計(jì)中。,,(2) 反應(yīng)性智能: 在實(shí)時(shí)監(jiān)控、 辨識(shí)及診斷的基礎(chǔ)上, 對(duì)系統(tǒng)及環(huán)境變化的正確反應(yīng)能力。,,(3) 優(yōu)化智能: 包括對(duì)系統(tǒng)性能的先驗(yàn)性優(yōu)化及反應(yīng)性優(yōu)化。,,(4),組織與協(xié)調(diào)智能,:,表現(xiàn)為對(duì)并行耦合任務(wù)或子系統(tǒng)之間的有效管理與協(xié)調(diào)。,,,智能控制的開(kāi)發(fā), 目前認(rèn)為有以下途徑: ,,,——,基于專家系統(tǒng)的專家智能控制。,,,——,基于模糊推理和計(jì)算的模糊控制。,,,——,基于人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)控制。,,,——綜合以上三種方法的綜合型智能控制。,,,1.7.7 智能管理,,智能管理就是把人工智能技術(shù)引入管理領(lǐng)域, 建立智能管理系統(tǒng)。 智能管理是現(xiàn)代管理科學(xué)技術(shù)發(fā)展的新動(dòng)向。 智能管理是人工智能與管理科學(xué)、系統(tǒng)工程、計(jì)算機(jī)技術(shù)及通信技術(shù)等多學(xué)科、多技術(shù)互相結(jié)合、互相滲透而產(chǎn)生的一門(mén)新技術(shù)、新學(xué)科。它研究如何提高計(jì)算機(jī)管理系統(tǒng)的智能水平, 以及智能管理系統(tǒng)的設(shè)計(jì)理論、方法與實(shí)現(xiàn)技術(shù)。 ,,智能管理系統(tǒng)是在管理信息系統(tǒng)、辦公自動(dòng)化系統(tǒng)、決策支持系統(tǒng)的功能集成和技術(shù)集成的基礎(chǔ)上, 應(yīng)用人工智能專家系統(tǒng)、知識(shí)工程、模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)等方法和技術(shù),,進(jìn)行智能化、集成化、協(xié)調(diào)化,,,設(shè)計(jì)和實(shí)現(xiàn)的新一代的計(jì)算機(jī)管理系統(tǒng)。,,,1.7.8 智能決策,,智能決策就是把人工智能技術(shù)引入決策過(guò)程, 建立智能決策支持系統(tǒng)。 智能決策支持系統(tǒng)是在20世紀(jì)80年代初提出來(lái)的。它是決策支持系統(tǒng)與人工智能, 特別是專家系統(tǒng)相結(jié)合的產(chǎn)物。它既充分發(fā)揮了傳統(tǒng)決策支持系統(tǒng)中數(shù)值分析的優(yōu)勢(shì),也充分發(fā)揮了專家系統(tǒng)中知識(shí)及知識(shí)處理的特長(zhǎng), 既可以進(jìn)行定量分析, 又可以進(jìn)行定性分析, 能有效地解決半結(jié)構(gòu)化和,非結(jié)構(gòu)化的問(wèn)題,,,從而擴(kuò)大了決策支持系統(tǒng)的范圍,,,提高了決策支持系統(tǒng)的能力。,,,智能決策支持系統(tǒng)是在傳統(tǒng)決策支持系統(tǒng)的基礎(chǔ)上發(fā)展起來(lái)的, 由傳統(tǒng)決策支持系統(tǒng)再加上相應(yīng)的智能部件就構(gòu)成了智能決策支持系統(tǒng)。 智能部件可以有多種模式, 例如專家系統(tǒng)模式、知識(shí)庫(kù)系統(tǒng)模式等。專家系統(tǒng)模式是把專家系統(tǒng)作為智能部件, 這是目前比較流行的一種模式。 該模式適合于以知識(shí)處理為主的問(wèn)題, 但它與決策支持系統(tǒng)的接口比較困難。知識(shí)庫(kù)系統(tǒng)模式是以知識(shí)庫(kù)作為智能部件。在這種情況下, 決策支持系統(tǒng)就是由模型庫(kù)、方法庫(kù)、數(shù)據(jù)庫(kù)、知識(shí)庫(kù)組成的四庫(kù)系統(tǒng)。這種模式接口比較容易實(shí)現(xiàn), 其整體性能也較,好。,,,一般來(lái)說(shuō), 智能部件中可以包含如下一些知識(shí): ,,,——,建立決策模型和評(píng)價(jià)模型的知識(shí)。 ,,,——,如何形成候選方案的知識(shí)。 ,,,——,建立評(píng)價(jià)標(biāo)準(zhǔn)的知識(shí)。 ,,,——,如何修正候選方案, 從而得到更好候選方案的知識(shí)。,,,——完善數(shù)據(jù)庫(kù),,,改進(jìn)對(duì)它的操作及維護(hù)的知識(shí)。,,,1.7.9 智能通信,,智能通信就是把人工智能技術(shù)引入通信領(lǐng)域, 建立智能通信系統(tǒng)。智能通信就是在通信系統(tǒng)的各個(gè)層次和環(huán)節(jié)上實(shí)現(xiàn)智能化。例如在通信網(wǎng)的構(gòu)建、 網(wǎng)管與網(wǎng)控、轉(zhuǎn)接、信息傳輸與轉(zhuǎn)換等環(huán)節(jié), 都可實(shí)現(xiàn)智能化。這樣,網(wǎng)絡(luò)就可運(yùn)行在最佳狀態(tài), 使呆板的網(wǎng)變成活化,的網(wǎng),,,使其具有自適應(yīng)、,,自組織、,,自學(xué)習(xí)、,,自修復(fù)等功能。,,,1.7.10 智能仿真,,利用人工智能技術(shù)能對(duì)整個(gè)仿真過(guò)程(包括建模、 實(shí)驗(yàn)運(yùn)行及結(jié)果分析)進(jìn)行指導(dǎo),能改善仿真模型的描述能力, 在仿真模型中引進(jìn)知識(shí)表示將為研究面向目標(biāo)的建模語(yǔ)言打下基礎(chǔ), 提高仿真工具面向用戶、面向問(wèn)題的能力。 從另一方面來(lái)講, 仿真與人工智能相結(jié)合可使仿真更有效地用于決策, 更好地用于分析、 設(shè)計(jì)及評(píng)價(jià)知識(shí)庫(kù)系統(tǒng), 從而推動(dòng)人工智能技術(shù)的發(fā)展。 正是基于這些方面, 近年來(lái), 將人工智能特別是專家系統(tǒng)與仿真相結(jié)合, 就成,為仿真領(lǐng)域中一個(gè)十分重要的研究方向,,,引起了大批仿真專家的關(guān)注。,,,1.7.11 智能,CAD,,,智能,CAD(,簡(jiǎn)稱,ICAD),就是把人工智能技術(shù)引入計(jì)算機(jī)輔助設(shè)計(jì)領(lǐng)域, 建立智能,CAD,系統(tǒng)。 事實(shí)上,,AI,幾乎可以應(yīng)用到,CAD,技術(shù)的各個(gè)方面, 從目前發(fā)展的趨勢(shì)來(lái)看, 至少有以下四個(gè)方面: ,,(1) 設(shè)計(jì)自動(dòng)化。,,(2) 智能交互。 ,,(3) 智能圖形學(xué)。 ,,(4),自動(dòng)數(shù)據(jù)采集。,,,從具體技術(shù)來(lái)看,,ICAD,技術(shù)大致可分為以下幾種方法:,,(1) 規(guī)則生成法。 ,,(2) 約束滿足方法。 ,,(3) 搜索法。 ,,(4) 知識(shí)工程方法。 ,,(5),形象思維方法。,,,1.7.12 智能制造,,智能制造就是在數(shù)控技術(shù)、 柔性制造技術(shù)和計(jì)算機(jī)集成制造技術(shù)的基礎(chǔ)上, 引入智能技術(shù)。智能制造系統(tǒng)由智能加工中心、材料傳送檢測(cè)和實(shí)驗(yàn)裝置等智能設(shè)備組成。它具有一定的自組織、 自學(xué)習(xí)和自適應(yīng)能力,能在不可預(yù)測(cè)的環(huán)境下, 基于不確定、不精確、不完,全的信息,,,完成擬人的制造任務(wù),,,形成高度自動(dòng)化生產(chǎn)。,,,1.7.13 智能,CAI,,,,智能,CAI,就是把人工智能技術(shù)引入計(jì)算機(jī)輔助教學(xué)領(lǐng)域, 建立智能,CAI,系統(tǒng), 即,ICAI。ICAI,的特點(diǎn)是能對(duì)學(xué)生因才施教地進(jìn)行指導(dǎo)。 為此,,ICAI,應(yīng)具備下列智能特征: ,,,——,自動(dòng)生成各種問(wèn)題與練習(xí)。 ,,,——,根據(jù)學(xué)生的水平和學(xué)習(xí)情況自動(dòng)選擇與調(diào)整教學(xué)內(nèi)容和進(jìn)度。 ,,,——,在理解教學(xué)內(nèi)容的基礎(chǔ)上自動(dòng)解決問(wèn)題生成解答。 ,,,——具有自然語(yǔ)言的生成和理解能力。,,,,——,對(duì)教學(xué)內(nèi)容有解釋咨詢能力。 ,,,——,能診斷學(xué)生錯(cuò)誤, 分析原因并采取糾正措施。 ,,,——,能評(píng)價(jià)學(xué)生的學(xué)習(xí)行為。 ,,,——,能不斷地在教學(xué)中改善教學(xué)策略。 ,,為了實(shí)現(xiàn)上述,ICAI,系統(tǒng), 一般把整個(gè)系統(tǒng)分成專門(mén)知識(shí)、 教導(dǎo)策略和學(xué)生模型等三個(gè),基本模塊和一個(gè)自然語(yǔ)言的智能接口。,,,1.7.14 智能人機(jī)接口,,智能人機(jī)接口就是智能化的人機(jī)交互界面, 也就是將人工智能技術(shù)應(yīng)用于計(jì)算機(jī)與人的交互界面, 使人機(jī)界面更加靈性化、擬人化、個(gè)性化。顯然, 這也是當(dāng)前人機(jī)交互的迫切需要和人機(jī)接口技術(shù)發(fā)展的必然趨勢(shì)。 事實(shí)上, 智能人機(jī)接口已成為計(jì)算機(jī)、網(wǎng)絡(luò)和人工智能等學(xué)科共同關(guān)注和通力合作的研究課題。該課題涉及到機(jī)器感知特別是圖形圖像識(shí)別與理解、 語(yǔ)音識(shí)別、,自然語(yǔ)言處理、,,機(jī)器翻譯等諸多,AI,技術(shù),,,另外,,,還涉及到多媒體、,,虛擬現(xiàn)實(shí)等技術(shù)。,,,1.7.15 模式識(shí)別,,識(shí)別是人和生物的基本智能信息處理能力之一。 事實(shí)上, 我們幾乎無(wú)時(shí)無(wú)刻都在對(duì)周?chē)澜邕M(jìn)行著識(shí)別。而所謂模式識(shí)別, 則指的是用計(jì)算機(jī)進(jìn)行物體識(shí)別。這里的物體一般指文字、符號(hào)、圖形、 圖像、語(yǔ)音、聲音及傳感器信息等形式的實(shí)體對(duì)象,而并不包括概念、思想、意識(shí)等抽象或虛擬對(duì)象, 后者的識(shí)別屬于心理、認(rèn)知及哲學(xué)等學(xué)科的研究范疇。也就是說(shuō), 這里所說(shuō)的模式識(shí)別是狹義的模式識(shí)別,它是人和生物的感知能力在計(jì)算機(jī)上的模擬和擴(kuò)展。經(jīng)過(guò)多年的研究, 模式識(shí)別已發(fā)展成為一個(gè)獨(dú)立的學(xué)科, 其應(yīng)用十分廣泛, 諸如信息、遙感、醫(yī)學(xué)、影像、安全、軍事等領(lǐng)域, 模式識(shí)別已經(jīng)取得了重要成效, 特別是基于模,式識(shí)別而出現(xiàn)的生物認(rèn)證、數(shù)字水印等新技術(shù)正方興未艾。,,,1.7.16 數(shù)據(jù)挖掘與數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn),,數(shù)據(jù)挖掘(也稱數(shù)據(jù)開(kāi)采、 數(shù)據(jù)采掘等)和數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)的本質(zhì)含義是一樣的, 只是前者主要流行于統(tǒng)計(jì)、 數(shù)據(jù)分析、 數(shù)據(jù)庫(kù)和信息系統(tǒng)等領(lǐng)域, 后者則主要流行于人工智能和機(jī)器學(xué)習(xí)等領(lǐng)域, 所以現(xiàn)在有關(guān)文獻(xiàn)中一般都把二者同時(shí)列出。 ,,DM,與,KDD,現(xiàn)已成為人工智能應(yīng)用的一個(gè)熱門(mén)領(lǐng)域和研究方向, 其涉及范圍非常廣泛, 如企業(yè),數(shù)據(jù)、商業(yè)數(shù)據(jù)、,,科學(xué)實(shí)驗(yàn)數(shù)據(jù)、,,管理決策數(shù)據(jù)、,,Web,數(shù)據(jù)等的挖掘和發(fā)現(xiàn)。,,,1.7.17 計(jì)算機(jī)輔助創(chuàng)新,,,計(jì)算機(jī)輔助創(chuàng)新(,Computer Aided Innovation, CAI),是以,“,發(fā)明問(wèn)題解決理論(,TRIZ),”,為基礎(chǔ), 結(jié)合本體論(,Ontology)、,現(xiàn)代設(shè)計(jì)方法學(xué)、計(jì)算機(jī)技術(shù)而形成的一種用于技術(shù)創(chuàng)新的新手段。 近年來(lái),,CAI,在歐美國(guó)家迅速發(fā)展, 成為新產(chǎn)品開(kāi)發(fā)中的一項(xiàng)關(guān)鍵性基礎(chǔ)技術(shù)。,計(jì)算機(jī)輔助創(chuàng)新可以看做是機(jī)器發(fā)明創(chuàng)造的初級(jí)形式。,,,TRIZ,是由俄語(yǔ)拼寫(xiě)的單詞首字母組成, 用英語(yǔ)也可縮寫(xiě)為,TIPS(Theory of Inventive Problem Solving)。 TRIZ,的基本原理是: 企業(yè)和科學(xué)技術(shù)領(lǐng)域中的問(wèn)題和解決方案是重復(fù)出現(xiàn)的; 企業(yè)和科學(xué)技術(shù)領(lǐng)域的發(fā)展變化也是重復(fù)出現(xiàn)的; 高水平的創(chuàng)新活動(dòng)經(jīng)常應(yīng)用到專業(yè)領(lǐng)域以外的科學(xué)知識(shí)。因此技術(shù)系統(tǒng)的進(jìn)化遵循客觀的法則群, 人們可以應(yīng)用這些進(jìn)化法則預(yù)測(cè)產(chǎn)品的未來(lái)發(fā)展趨勢(shì), 把握新產(chǎn)品的開(kāi)發(fā)方向。 在解決技術(shù)問(wèn)題時(shí), 如果不明確應(yīng)該使用哪些科學(xué)原理法則, 則很難找到問(wèn)題的解決對(duì)策。,TRIZ,就是提供解決問(wèn)題的科學(xué)原理并指明解決問(wèn)題的探索方向的有效工具。,,基于,TRIZ,,人們已經(jīng)開(kāi)發(fā)出了不少計(jì)算機(jī)輔助創(chuàng)新軟件, 例如: ,,,——,發(fā)明機(jī)器(,Invention Machine),公司開(kāi)發(fā)出,TechOptimizer,就是一個(gè)計(jì)算機(jī)輔助創(chuàng)新軟件系統(tǒng)。,TechOptimizer,軟件是基于知識(shí)的創(chuàng)新工具, 它以,TRIZ,為基礎(chǔ), 結(jié)合現(xiàn)代設(shè)計(jì)方法學(xué)、計(jì)算機(jī)輔助技術(shù)及多學(xué)科領(lǐng)域的知識(shí), 以分析解決產(chǎn)品及其制造過(guò)程中遇到的矛盾為出發(fā)點(diǎn), 從而可解決新產(chǎn)品開(kāi)發(fā)過(guò)程中遇到的技術(shù)難題而實(shí)現(xiàn)創(chuàng)新, 并可為工程技術(shù)領(lǐng)域新產(chǎn)品,、,,新技術(shù)的創(chuàng)新提供科學(xué)的理論指導(dǎo),,,并指明探索方向。,,,,,,——,IWINT, Inc.(,億維訊)公司的計(jì)算機(jī)輔助創(chuàng)新設(shè)計(jì)平臺(tái)(,Pro/Innovator),,它基于,TRIZ,將發(fā)明創(chuàng)造方法學(xué)、 現(xiàn)代設(shè)計(jì)方法學(xué)與計(jì)算機(jī)軟件技術(shù)融為一體。它能夠幫助設(shè)計(jì)者在概念設(shè)計(jì)階段有效地利用多學(xué)科領(lǐng)域的知識(shí), 打破思維定勢(shì)、拓寬思路、準(zhǔn)確發(fā)現(xiàn)現(xiàn)有技術(shù)中存在的問(wèn)題, 找到創(chuàng)新性的解決方案,保證產(chǎn)品開(kāi)發(fā)設(shè)計(jì)方向正確的同時(shí)實(shí)現(xiàn)創(chuàng)新。 它已成為全球研究機(jī)構(gòu)、知名大學(xué)、企業(yè)解決工程技術(shù)難題、 實(shí)現(xiàn)創(chuàng)新的有效工具。這種基于知識(shí)的創(chuàng)新工具能幫助技術(shù)人員在不同工程領(lǐng)域產(chǎn)品的方案設(shè)計(jì)階段, 根據(jù)市場(chǎng)需求, 正確地發(fā)現(xiàn)并迅速解決產(chǎn)品開(kāi)發(fā)中的關(guān)鍵問(wèn)題, 高質(zhì)量、 高效率地提出可行的創(chuàng)新設(shè)計(jì)方案, 并將設(shè)計(jì)引向正確方向, 為廣大企業(yè)提高自主創(chuàng)新能力和實(shí)現(xiàn)系統(tǒng)化創(chuàng)新提供行之有效的方法和方,便實(shí)用的創(chuàng)新工具。,,,,——,基于知識(shí)發(fā)現(xiàn)的計(jì)算機(jī)輔助創(chuàng)新智能系統(tǒng)(,CAIISKD),,這是國(guó)內(nèi)學(xué)者研制的一個(gè)以創(chuàng)新工程與價(jià)值工程為理論基礎(chǔ), 以知識(shí)發(fā)現(xiàn)為技術(shù)手段, 以專家求解問(wèn)題的認(rèn)知過(guò)程為主線,,以人機(jī)交互為貫穿的多層遞階、綜合集成的計(jì)算機(jī)輔助創(chuàng)新智能系統(tǒng)。,,,1.7.18 計(jì)算機(jī)文藝創(chuàng)作,,在文藝創(chuàng)作方面, 人們也嘗試開(kāi)發(fā)和運(yùn)用人工智能技術(shù)。 事實(shí)上, 現(xiàn)在計(jì)算機(jī)創(chuàng)作的詩(shī)詞,、小說(shuō)、樂(lè)曲、繪畫(huà)時(shí)有報(bào)道,,,例如下面的兩首“古詩(shī)”就是計(jì)算機(jī)創(chuàng)作的。,,云　松,,,鑾仙玉骨寒, ,,松虬雪友繁。 ,,大千收眼底, ,,斯調(diào)不同凡。,,,(無(wú)題) ,,白沙平舟夜?jié)?,,春日曉露路相逢。,,朱樓寒雨離歌淚,,,不堪腸斷雨乘風(fēng)。,,下面的這篇小說(shuō)也是計(jì)算機(jī)創(chuàng)作的。 ,,Betrayal,,Dave Striver loved the university. He loved its ivycovered,clocktowers,, its ancient and sturdy brick, and its sunsplashed verdant greens and eager youth. He also loved the fact that the university is free of the stark unforgiving trials of the business world - only this,isn,’,t a fact: Academia has its own tests,and some are as merciless as any in the marketplace. A prime example is the dissertation defense: To earn the PhD,to become a doctor,one must pass an oral examinat,ion on one's dissertation. This was a test Professor Edward Hart enjoyed giving.,,,Dave wanted desperately to be a doctor. But he needed the signatures of three people on the first page of his dissertation, the priceless inscriptions that, together, would certify that he had passed his defense. One of the signatures had to come from Professor Hart, and Hart had often said - to others and to himself that he was honored to help Dave secure his well-earned dream.,,Well before the defense,Striver gave Hart a penultimate copy of his thesis. Hart read it and told Dave that it was absolutely first rate,and that he would gladly sign it at the defense.They even shook hands in Hart,’,s booklined office. Dave noticed that Hart,’,s eyes were bright and trustful,and his bearing paternal,.,,,At the defense,Dave thought that he eloquently summarized chapter 3 of his dissertation. There were two questions, one from Professor Rodman and one from Dr.,Teer,;Dave answered both, apparently to everyone,’,s satisfaction.There were no further objections.,,Professor Rodman signed. He slid the tome to,Teer,; she too signed,and then slid it in front of Hart. Hart,didn,’,t move.,,,“,Ed?,”,Rodman said. ,,Hart still sat motionless.Dave felt slightly dizzy.,,,“,Edward, are you going to sign?,”,,,Later,Hart sat alone in his office in his big leather chair,saddened by Dave,’,s failure. He tried to think of ways he could help Dave achieve his dream.,,其中文譯文為,,背,,叛,,戴夫,·,斯特賴維爾喜愛(ài)這所大學(xué)。他喜愛(ài)校園里爬滿常青藤的鐘樓,那古色古香而又堅(jiān)固的磚塊, 還有那灑滿陽(yáng)光的碧綠草坪和熱情的年輕人。 使他感到欣慰的還有這樣一件事, 即大學(xué)里完全沒(méi)有商場(chǎng)上那些冷酷無(wú)情的考驗(yàn),——,但事實(shí)恰恰并非如此: 做學(xué)問(wèn)也要通過(guò)考試, 而且有的考試與市場(chǎng)上的考驗(yàn)一樣不留情面。最好的例子就是論文答辯: 為了取得博士學(xué)位,為了成為博士, 博士生必須通過(guò)論文的口試,愛(ài)德華,·,哈特教授就喜歡主持這樣的答辯考試,。,,,戴夫迫切希望成為一名博士。但他需要讓３個(gè)人在他論文的第一頁(yè)上簽上他們的名字, 這３個(gè)千金難買(mǎi)的簽名能夠證明他通過(guò)了答辯。 其中一個(gè)簽名是哈特教授的。 哈特常常對(duì)戴夫本人和其他人說(shuō), 對(duì)于幫助戴夫?qū)崿F(xiàn)他應(yīng)該有的夢(mèng)想, 他感到很榮幸。 ,,答辯之前,斯特賴維爾早早給哈特送去了他論文的倒數(shù)第二稿。 哈特閱讀后告訴戴夫, 論文水平絕對(duì)一流, 答辯時(shí)他會(huì)很高興地在論文上簽名。在哈特那四壁擺滿書(shū)櫥的辦公室里,,兩人甚至還握了手。戴夫注意到,,,哈特兩眼放光,,,充滿信任,,,神情宛如慈父一般。,,,在答辯時(shí), 戴夫覺(jué)得自己流利地概括了論文的第三章。 評(píng)審者提了兩個(gè)問(wèn)題, 一個(gè)是羅德曼教授提的, 另一個(gè)是蒂爾博士提的。 戴夫分別做了回答, 并且顯然讓每個(gè)人都心悅誠(chéng)服, 再?zèng)]有人提出異議。 ,,羅德曼教授簽了名。他把論文推給蒂爾,她也簽上了名字, 接著便把本子推到了哈特跟前。哈特沒(méi)有動(dòng)。,,,“,愛(ài)德華？,”,羅德曼問(wèn)道。 ,,哈特仍然坐在那兒,毫無(wú)表情。戴夫感到有點(diǎn)眩暈。,“,愛(ài)德華,你打算簽名嗎？,”,,,過(guò)后, 哈特一個(gè)人呆在辦公室里, 坐在那張寬大的皮椅里, 他為戴夫未能通過(guò)答辯感到難過(guò),。他試圖想出幫助戴夫?qū)崿F(xiàn)他夢(mèng)想的辦法。,,,1.7.19 機(jī)器博弈,,機(jī)器博弈是人工智能最早的研究領(lǐng)域之一, 而且一直久經(jīng)不衰。 ,,早在人工智能學(xué)科建立的當(dāng)年,——,1956年, 塞繆爾就研制成功了一個(gè)跳棋程序。三年后的1959年, 裝有這個(gè)程序的計(jì)算機(jī)就擊敗了塞繆爾本人,1962年又擊敗了美國(guó)一個(gè)州的冠軍。1997年,IBM,的,“,深藍(lán),”,計(jì)算機(jī)以2勝3平1負(fù)的戰(zhàn)績(jī)擊敗了蟬聯(lián)12年之久的世界國(guó)際象棋冠軍加里,·,卡斯帕羅夫, 轟動(dòng)了全世界。 2001年, 德國(guó)的,“,更弗里茨,”,國(guó)際象棋軟件更是擊敗了當(dāng)時(shí)世界排名前10位棋手中的9位, 計(jì)算機(jī)的搜索速度達(dá)到創(chuàng)紀(jì)錄的600萬(wàn)步每秒。 ,,機(jī)器人足球賽是機(jī)器博弈的另一個(gè)戰(zhàn)場(chǎng)。 近年來(lái), 國(guó)際大賽不斷, 盛況空前。