人工智能

人工智能

首先，对人工智能进行一下概述。

人工智能是当前科学技术发展中的一门综合性前沿学科，是计算机科学与技术领域的一个重要研究方向。它延伸了人脑的功能，实现了脑力劳动的自动化。

人工智能主要研究如何研究用机器来模拟和实现人类的智能行为，是在计算机、控制论、信息论、心理学等多种学科相互渗透的基础上发展起来的一门新兴边缘学科，自1965年诞生以来在很多领域取得广泛应用。

一、人工智能的基本概念

要了解什么是人工智能，先来看看什么是智能。

我们通常意义的智能是指自然智能，在我们的日常生活、学习、工作中无不展现淋漓，近年来由于对人脑研究的深入，我们对智能有了一定的认识。当前，学术界一般认为智能是知识与智力的总和。其中，知识是一切智能行为的基础，智利是获取知识并运用知识求解问题的能力。智能具有以下特征：感知能力，具有记忆与思维能力，具有学习与自适应能力，具有行为能力。

“人工智能”的含义，是由图灵提出来的，他的“图灵测试”形象地指出了什么是人工智能以及机器应该达到的标准。虽然如今还没有准确的定义，但仍能确定人工智能是一门研究如何构造智能机器（智能计算机）或系统，使它能模拟、延伸、扩展人类智能的学科，

以解决过去人类专家才能处理的问题。

人工智能的表现形式就是将抽象思维用计算机加以模拟。为实现须满足以下三个基本前提：（1）求解问题形式化，即建立形式系统，规定要用的符号；规定规则对符号进行加工直到得到符合要求的字符串。（2）必须有可行的算法，即对已形式化的问题，找到算法模拟或代替人脑的思维。（3）问题需要有合理的复杂度，即避免组合爆炸，技巧失灵。

就目前的发展来讲，模拟认知行为和模拟思维行为的相关领域都取得了比较显著的成果，但不得不承认计算机的席位仍处于比较初级的阶段，与人的思维差距很大。

二、人工智能的研究方法

人工智能研究有什么特点？并由此形成什么研究途径呢？

人工智能学科的不成熟决定它要借助多学科理论，依靠智能程序构造模拟人类智能的智能系统。

另外人工智能以知识为研究主体，不同于程序以数据为研究对象，任何一个智能系统的活动都是获取知识和运用知识的过程。另一特点是智能系统采用启发式的推理方式而不是常规的算法，有较高的求解效率，还有，智能系统的控制系统和知识领域通常是分离的，允许出现不正确的答案。

人类对智能本身的不同的理解和认识，以及从不同的途径认识和模拟人类的智能行为，产生了不同的人工智能研究方法与学派，主要

分为以下几类：

（1）符号主义学派：理论基础是物理符号系统假设和有限合理性原理，用于模拟人类求解问题的心理过程，核心思想：物理符号系统具备必要且足够的方法来实现普通的智能行为。人工智能的大部分研究成果都基于此方法，缺点是过分依靠逻辑推理和符号的正确性，忽视形象思维。

（2）行为主义学派：基于控制论和“动作—感知”型控制系统的人工智能派。认为智能行为是由“信号处理”而非“符号处理”产生的，只能体现在世界中，通过与周围环境交互而表现出来。这种基于行为进化的观点开辟了人工智能研究的新途径，特别是为机器人的研究开辟了一种新的方法。缺点：难度大，某种意义上来说只是幻想。

（3）连接主义学派：以网络连接为基础，属于非符号处理方法。这种方法研究能进行非程序的、可适应环境变化的、类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。该方法适合模拟人的形象思维，在图像处理、模式识别领域或重要突破和应用，但不适合逻辑思维过程，理论上的研究也有一定的难度。

综上，各研究途径各有利弊，若将符号方法和连接机制结合起来，能达到取长补短的目的，这种趋势也从模拟人类智能的角度有根可寻。当前，符号处理系统和神经网络模型的结合已经成为一个重要的研究方向，如模糊神经网络系统。

三、人工智能的研究目标

人工智能的一个长期目标就是发明出可以像人一样的智能机器；另一个目标是探讨智能的激励，研究这些智能行为是否存在于机器、人类或其它动物中。人工智能研究的根本目标是使它不仅能模拟而且可以延伸、拓展人的智能。近期来说，是使现有的电子数字计算机更聪明、更实用，使它不仅能进行一般的数值计算机非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。针对这一目标，目前研究开发了专家系统、机器翻译系统、模式识别系统、机器学习系统、机器人等。

四、人工智能研究的基本内容

作为一门新兴边缘学科，人工智能的研究重点随着时间的推移也在发生着很大的变化，但其以思维与智能为核心，形成具有自身特点的学科体系，基本研究内容主要包括以下几个方面：

1．机器学习：既让计算机能够像人一样自动的获取新知识，并在实践中不断的完善自我和增强能力。机器学习是极其具有智能的根本途径，也是人工智能研究的核心问题之一，尚处于初级阶段，该领域的研究工作主要围绕三个方面：

（1）面向任务的研究（研究和分析改进一组预定任务执行性能的学习系统）；

（2）模型研究（研究人类学习过程并进行计算机模拟）；

（3）理论分析（从理论上探索可能的学习方法和独立与应用领

域的算法）。

2.知识获取：即从给定的知识库中产生新的知识，根据已有的知识建立动态数据结构，从环境中学习知识并精炼知识。

3.智能搜索：一般的搜索问题具有确定性的特点，即访问搜索空间元素的顺序是已知的，人工智能中的搜索问题是不确定的，有本身的智能搜索算法。

4.知识表示和推理：

人工智能求解问题的过程通常是一个推理的过程，是从一个或多个初始状态推理到一个预先定义的目标状态。为了提高推理系统的效率，需减少推理过程中间状态既减少对知识库中知识的存取，这就需要一个组织良好并完整的知识库。

5.规划：

规划是为人或机器设计按时间顺序的合理活动序列。处理的是解决问题的一种方法，即如何从已知的初始状态成功达到目标状态。目前自动规划方法在机器人和自动导航系统中已得到运用。

6．软计算：

软计算一般用于缺乏足够的先验知识，只有相关的数据和记录的问题，是临近的相关学科共有的计算方法和技术的总汇。通常包括模糊计算、神经计算、进化计算三个主要方面，分别涉及模糊逻辑、人工神经网络和遗传算法三大重要工具。

7.智能系统以智能计算机的构造技术：

为实现人工智能的研究目标，就得建立智能系统与智能计算机，

为此需要开展对智能计算机的模型、系统分析与构造技术、建立工具及语言等的研究。

五、人工智能的发展历程

要充分了解人工智能，我们不得不回顾其发展历程，大致可分为以下四个阶段：

1.孕育期（19343~1955）

这一时期是计算机刚起步的时期，为人工智能的正式诞生提供了必要的条件和基础。

2.人工智能基础技术的研究和形成（1956~1970）

“逻辑理论机”的诞生将计算机的一般应用同人工智能的清楚的划分，随后，经过各方研究发展以及对人类解决问题方法的分析，定理的机器证明成了人工智能研究的基本课题之一，同时，这一阶段也产生了专家系统的萌芽。

3.发展和实用阶段（1971~1980）

20世纪70年代，人工智能研究者开始利用过去的研究成果，提出新的知识表示技术，搜索技术日趋成熟，人工智能和其他领域发生了密切的联系，大量的科研成果正是自然语言理解、计算机视觉和专家系统是可行的，尤其是专家系统，大大提高了相关领域的工作效率与工作质量。

4.知识工程与专家系统（1980~）

20世纪80年代，人工智能研究已进入了他的黄金时代，研究成

果层出不穷，特别是当前人工智能的三个主要研究领域：自然语言处理、计算机视觉和机器人学、知识工程，得到了迅速的发展，目前在这三个领域中的商业性应用和产品数不胜数。

5.人工智能成为科学（1986~）

这一时期，人工智能开始接受控制论、统计学等原先被放弃的领域，在方法论、语音识别领域、神经元网络领域等方面，人工智能作为坚实的科学方法发挥着举足轻重的作用。

六、人工智能的主要研究与应用理论

接下来，具体的谈谈人工智能应用的领域。主要的有以下几种：

1.专家系统：

产于20世纪60年代中期，是目前人工智能中最活跃、最有成效的一个研究领域。

专家系统是一种具有特定领域内大量知识和经验的程序系统，它应用人工智能技术、模拟人类专家解决问题的方法求解领域内的各种问题，通常包括人机接口、知识库、数据库和推理机四个部分。

专家系统的应用涉及各个领域，产生了巨大的社会、经济效益，新一代的专家系统有分布式专家系统和协同式专家系统。

2.机器学习

如果一个系统能够通过执行某个过程而使其内部知识结构不断建立和修改，外部性能不断完善，则这一过程就是学习。

学习是人类智能的重要体现，自然而然，也就成为了人工智能研

究的核心问题之一。机器学习主要有三方面的研究，即人类学习机理的研究，学习方法的研究以及建立面向具体任务的学习系统。它与脑科学、神经心理学等都存在相当紧密的联系。

3.机器人

机器人技术是在一系列学科的基础上发展起来的一种综合性技术。通俗的说，机器人就是可模拟人类行为的机器。

早期的机器人研究侧重于应用，用程序控制，完全按照事先的安排和流程进行工作，不能适应环境的变化，随着人工智能技术的发展，自适应性机器人应运而生，并且在不断的改进发展之下进入各个领域，不难预见其光明的未来。

4.计算机视觉

计算机视觉是研究在复杂的环境中运动及识别需要何种信息，以及如何从图像中获取这些信息的科学领域，就是通过图像来理解所摄对象的各个属性。目前，计算机视觉在图像、图形识别系统，航天与军事应用，医学应用，工业监测系统方面都有重要的应用。毫无疑问，计算机视觉的发展将为智能系统的发展奠定基础。

5.人工神经网络

人工神经网络是用大量简单处理单元广泛连接而组成的人工网络，模拟了大脑神经系统的结构和功能，在处理直觉、形象思维方面具有更好的效果。

6.自然语言理解

即就是研究如何让计算机理解人类自然语言。目标就是让计算机

正确理解人们所用语言的含义，对语言进行摘要并复述，以及进行不同国家间语言的转换。

自然语言语法灵活、与语境相关性大的特点决定了机器处理自然语言的难度，目前，基于语料库的自然语言理解方法虽取得了一定的进展，但还形成不了系统，需进一步研究。

7.智能搜索

传统的智能搜索引擎大多采用基于关键词的匹配技术，欠缺知识处理能力和理解能力，无用信息过多。智能搜索技术目的是通过模糊搜索、概念搜索等技术，使检索时能根据词义进行搜索，明显提高搜索的准确性和全面性。自然语言的理解以及答案范围的不确定性是智能搜索技术的主要障碍。