第一篇：人工智能AI 機(jī)器人路徑問題解讀
%%人工智能 機(jī)器人路徑問題 function GoodACARPP123 %% n--循環(huán)次數(shù) %% m--螞蟻個(gè)數(shù) %% a--小方格象素的邊長 %% s--起始點(diǎn)(最短路徑的起始點(diǎn))%% e--終止點(diǎn)(最短路徑的目的點(diǎn))%% R--路線矩陣 %% G--地形圖矩陣 %% L--路徑長度矩陣 %% P--選擇概率向量 %% Q--信息素增強(qiáng)系數(shù) %% D--問題節(jié)點(diǎn)矩陣 %% DD--鄰接節(jié)點(diǎn)矩陣 %% DL--已訪問的節(jié)點(diǎn) %% DN--待訪問的節(jié)點(diǎn) %% DT--要訪問的節(jié)點(diǎn) %% ex--終止點(diǎn)橫坐標(biāo) %% ey--終止點(diǎn)縱坐標(biāo) %% nn--問題的規(guī)模(象素個(gè)數(shù))%% inf--無窮大(infinite)%% Tau--信息素矩陣 %% rou--信息素蒸發(fā)系數(shù) %% Ant--螞蟻初始位置
%% alpha--表征信息素重要程度的參數(shù) %% beta--表征啟發(fā)式因子重要程度的參數(shù) %% Eta--啟發(fā)因子矩陣(這里設(shè)為距離的倒數(shù))%% Deltatau--信息素增量矩陣
%% Tabootk--禁忌表矩陣(存儲(chǔ)并記錄第t次循環(huán)第k只螞蟻的已走路徑)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% clc clear all close all %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%G地形圖為01矩陣%%1表示障礙物%% G=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 1 0 0 1 1 1 0 1 1 1 1 0 0 0 0 0 0;
0 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0;
0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0;
0 0 1 1 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0;
0 0 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 1 1 1 0 1 1 0 0 0 0 0 1 1 0;
0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 1 1 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% gm=size(G,1);%%求矩陣G的行數(shù)%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% s=1;a=1;Q=1;
m=25;n=50;
e=gm*gm;alpha=1;
beta=7;
rou=0.3;
mint=0;mink=0;D=G2D(G);mintk=inf;Tau=ones(gm*gm,gm*gm);%%初始化信息素矩陣(認(rèn)為前面的覓食活動(dòng)中有殘留的信息素)%% Tau=8.*Tau;%%初始化信息素矩陣(認(rèn)為前面的覓食活動(dòng)中有殘留的信息素)%% nn=size(D,1);ex=a*(mod(e,gm)-0.5);if ex==-0.5
ex=gm-0.5;end ey=a*(gm+0.5-ceil(e/gm));ee=[ex,ey] Eta=zeros(nn);%%下面構(gòu)造啟發(fā)式信息矩陣%% for i=1:nn
ix=a*(mod(i,gm)-0.5);
if ix==-0.5
ix=gm-0.5;
end
iy=a*(gm+0.5-ceil(i/gm));
if i~=e
%啟發(fā)式信息取為當(dāng)前點(diǎn)至目標(biāo)點(diǎn)(終點(diǎn))直線距離的倒數(shù)%%
Eta(i)=1/((ix-ex)^2+(iy-ey)^2)^0.5;
else
Eta(i)=100;
end end R=cell(n,m);%%用細(xì)胞結(jié)構(gòu)存儲(chǔ)每次循環(huán)每只螞蟻的爬行路線%% L=zeros(n,m);%%用矩陣存儲(chǔ)每次循環(huán)每只螞蟻爬行路線的總長度%% %%啟動(dòng)t輪螞蟻覓食活動(dòng)%%每輪派出m只螞蟻%% for t=1:n
for k=1:m
%%第一步：狀態(tài)初始化%%
w=s;%%當(dāng)前節(jié)點(diǎn)初始化為起始點(diǎn)%%
Path=s;%%爬行路線向量初始化%%
pathlen=0;%%爬行路線長度初始化%%
Tabootk=ones(nn);%%禁忌表初始化%%
Tabootk(s)=0;%%已經(jīng)在初始點(diǎn)了%%因此要排除%%
DD=D;%%鄰接矩陣初始化%%
%%第二步：下一步可以前往的節(jié)點(diǎn)%%
DL=DD(w,:);
DLF=find(DL);
for j=1:length(DLF)
if Tabootk(DLF(j))==0
DL(DLF(j))=0;
end
end
DN=find(DL);
dnum=length(DN);%%可選節(jié)點(diǎn)的個(gè)數(shù)%%
%%覓食停止條件：螞蟻未遇到食物或者陷入死胡同%%
while w~=e&&dnum>=1
%%第三步：轉(zhuǎn)輪賭法選擇下一步怎么走%%
P=zeros(dnum);
for i=1:dnum
P(i)=(Tau(w,DN(i))^alpha)*((Eta(DN(i)))^beta);
end
P=P/sum(P);
Pcum=cumsum(P);%%計(jì)算累計(jì)概率分布%%
DS=find(Pcum>=rand);
DT=DN(DS(1));
%%第四步：狀態(tài)更新和記錄%%
Path=[Path,DT];%%路徑增加%%
pathlen=pathlen+DD(w,DT);%%路徑長度增加%%
w=DT;%%螞蟻移動(dòng)到下一個(gè)節(jié)點(diǎn)%%
for ki=1:nn
if Tabootk(ki)==0
DD(w,ki)=0;
DD(ki,w)=0;
end
end
Tabootk(w)=0;%%已訪問過的節(jié)點(diǎn)從禁忌表中刪除%%
DL=DD(w,:);
DLF=find(DL);
for j=1:length(DLF)
if Tabootk(DLF(j))==0
DL(j)=0;
end
end
DN=find(DL);
dnum=length(DN);%可選節(jié)點(diǎn)的個(gè)數(shù)
end
%% 第五步：記下每一代每一只螞蟻的覓食路線和路線長度
R{t,k}=Path;
if Path(end)==e
L(t,k)=pathlen;
if pathlen mint=t; mink=k; mintk=pathlen; end else PL(t,k)=0; end end %%第六步：更新信息素%% Deltatau=zeros(nn,nn);%%信息素更新量初始化%% for k=1:m if L(t,k) Route=R{t,k}; rnum=length(Route)-1;%%跳數(shù)%% for j=1:rnum x=Route(j); y=Route(j+1); Deltatau(x,y)=Deltatau(x,y)+Q/L(t,k); Deltatau(y,x)=Deltatau(y,x)+Q/L(t,k); end end end Tau=(1-rou).*Tau+Deltatau;%信息素?fù)]發(fā)一部分，新增加一部分 end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%繪收斂曲線圖%% Lenmin=zeros(n);for t=1:n Lt=L(t,:); FLt=find(Lt); LFLt=Lt(FLt); Lenmin(t)=min(LFLt);end figure(1)plot(Lenmin)hold on grid on xlabel('循環(huán)次數(shù)');ylabel('每次循環(huán)后路徑長度');title('收斂曲線（最小路徑長度與循環(huán)次數(shù)關(guān)系曲線）');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%繪每次循環(huán)螞蟻爬行路線圖%% figure(2)gm=size(G,1); axis([0,gm,0,gm])for i=1:gm for j=1:gm if G(i,j)==1 x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0,0,0]); hold on else x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]); hold on end end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% for t=1:n Lt=L(t,:); minlen=min(Lt); FLt=find(Lt==minlen); k=FLt(1); Route=R{t,k}; Rx=Route; Ry=Route; for i=1:length(Route) Rx(i)=a*(mod(Route(i),gm)-0.5); if Rx(i)==-0.5 Rx(i)=gm-0.5; end Ry(i)=a*(gm+0.5-ceil(Route(i)/gm)); end plot(Rx,Ry) hold on end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%繪最優(yōu)爬行路線圖%% figure(3)gm=size(G,1);axis([0,gm,0,gm])for i=1:gm for j=1:gm if G(i,j)==1 x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0,0,0]);%%向左下角畫黑色矩形填充%% hold on else x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);%%向左下角畫白色矩形填充%% hold on end end end %%顏色矩陣[R,G,B]%%[1,1,1]為白色%%[0,0,0]為黑色%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% hold on Route=R{mint,mink};Rx=Route;Ry=Route;for i=1:length(Route) Rx(i)=a*(mod(Route(i),gm)-0.5); if Rx(i)==-0.5 Rx(i)=gm-0.5; end Ry(i)=a*(gm+0.5-ceil(Route(i)/gm));end plot(Rx,Ry)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function D=G2D(G)gm=size(G,1);D=zeros(gm*gm,gm*gm);for i=1:gm for j=1:gm if G(i,j)==0 for ii=1:gm for jj=1:gm if G(ii,jj)==0 im=abs(i-ii);jn=abs(j-jj); if im+jn==1||(im==1&&jn==1)%%找出G(i,j)上下左右鄰近點(diǎn)%% D((i-1)*gm+j,(ii-1)*gm+jj)=(im+jn)^0.5; end end end end end end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 讀書的好處 1、行萬里路，讀萬卷書。 2、書山有路勤為徑，學(xué)海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的?！_(dá)爾文 5、少壯不努力，老大徒悲傷。 6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。——顏真卿 7、寶劍鋒從磨礪出，梅花香自苦寒來。 8、讀書要三到：心到、眼到、口到 9、玉不琢、不成器，人不學(xué)、不知義。 10、一日無書，百事荒廢。——陳壽 11、書是人類進(jìn)步的階梯。 12、一日不讀口生，一日不寫手生。 13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p> 14、書到用時(shí)方恨少、事非經(jīng)過不知難?！懹?/p> 15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p> 17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p> 18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光。——?jiǎng)⑾?/p> 19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p> 20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p> 《人工智能》賞析 一、背景情況： 沖著斯匹爾伯格的大名和《人工智能》的片名而去影院的觀眾多半會(huì)大吃一驚。不錯(cuò)，《人工智能》的取名酷似斯氏的名作《外星人》，兩部都屬于科幻影片，片名都可以簡化為短短兩個(gè)字母：《人工智能》是《A.I.》，即“artificial intelligence”的縮寫；《外星人》為《E.T.》，乃“extra-terrestrial”的縮寫。但《人工智能》沒有一股暖流涌上心頭的溫馨，從情節(jié)上看，它幾乎是《外星人》的對(duì)立面?！锻庑侨恕分械男『⑶Х桨儆?jì)把古怪的外星人送回家；《人工智能》中的人類卻把可愛的機(jī)器人小孩拋棄在森林里。原來，這是一部披著斯匹爾伯格外衣的斯坦利．庫布里克作品。 （庫布里克介紹：主要作品：《閃靈》、《斯巴達(dá)克思》、《巴里林登》、《全金屬外殼》等。1962年的《奇愛博士》、1968年的《2001年漫游太空》及1971年的《發(fā)條桔子》合稱為庫布里克的“科幻電影三部曲”。其中《2001年漫游太空》進(jìn)入百年電影史上十大經(jīng)典。他的作品探索性很強(qiáng)，著重闡述哲學(xué)思想，不斷探求人類的發(fā)展方向，多為警世之作，充滿悲觀主義色彩，是一個(gè)勇于堅(jiān)持自我的有性格的導(dǎo)演。60年代移居英國。深居簡出，1999年病逝） 庫布里克和斯皮爾伯格是于1979年在倫敦相識(shí)的,庫布里克當(dāng)時(shí)已買下布里安．阿爾迪斯1969年發(fā)表的短篇小說《流行了一整個(gè)夏天的超級(jí)玩具》，很想把它改編成電影，但苦于無法解決大量高科技問題，便擱置了下來。又有一說是，庫布里克是受了斯皮爾伯格的《E.T.》一片的啟發(fā)，才想到根據(jù)阿爾迪斯的故事拍攝一部“描述一個(gè)具有人工智能的孩子極想愛他的真人‘母親’的科幻片”，甚至還提請斯皮爾伯格執(zhí)導(dǎo)此片。庫布里克在拍攝《大開眼戒》（Eyes Wide Shut）期間曾與斯皮爾伯格討論過《人工智能》的拍攝計(jì)劃。當(dāng)時(shí)預(yù)計(jì)完成《大開眼戒》后就要開拍，不料前年大師剪完《大開眼戒》的預(yù)告片后就撒手人間，結(jié)果他的好友史蒂芬．斯皮爾伯格接手，斯皮爾伯格僅用三個(gè)月就親自寫出了電影劇本，又用了三個(gè)月便拍成了影片。 人們對(duì)《人工智能》的關(guān)注，概括地說，就是兩位大師的相加的結(jié)果是2（超級(jí)大師的曠世之作）還是0（由于缺乏兼容性而淪為失敗之作）。影片上映之后，給出2或0答案的人不多，人們更感興趣的是到影片中去尋找兩位大師各自留下的印記。 斯皮爾伯格編劇導(dǎo)演的《人工智能》究竟保留了多少庫布里克的原意，因?yàn)闊o法看到庫布里克編寫的劇本，只能在影片中看到一些影子。許多影評(píng)人批評(píng)斯皮爾伯格給影片設(shè)計(jì)了一個(gè)斯皮爾伯格式的結(jié)局，從而大賺觀眾的眼淚。不過，除去斯皮爾伯格有意使用了庫布里克的電影手法外，在影片深層面上似乎還保存了庫布里克那種哲學(xué)式的思考。斯皮爾伯格無疑使影片在畫面上變得更為好看。但如果探究這兩位導(dǎo)演最終會(huì)對(duì)影片影響的不同，要看這兩位導(dǎo)演本身的差異。從某種意義上來說，庫布里克是傾向于哲學(xué)層面的電影導(dǎo)演，斯皮爾伯格則是傾向于技術(shù)層面的導(dǎo)演。 看銀幕上的成品，《人工智能》應(yīng)該非常忠實(shí)庫布里克的原意。庫氏的作品向來需要“遠(yuǎn)距離”欣賞，在推出的當(dāng)年，不僅普通觀眾反應(yīng)平平，連奧斯卡評(píng)委都不太賞識(shí)；但時(shí)間越長，這些作品的生命力越加旺盛。人們驚嘆它們的深刻思想性和高超藝術(shù)性，忘記了這些不朽名片在當(dāng)初都屬于“有爭議”的作品。 斯匹爾伯格則屬于那種“遠(yuǎn)近咸宜”的電影大師，他的商業(yè)片屢屢破票房記錄，他的藝術(shù)片能震懾任何階層的觀眾，讓每個(gè)人都潸然淚下。 兩個(gè)長相截然不同的父母生出來的孩子，如果長得好看，父親那一方會(huì)認(rèn)為小孩像父親，母親那一方會(huì)說像母親；如果認(rèn)為不好看，則自然把罪責(zé)推給對(duì)方。庫布里克的崇拜者可能會(huì)不喜歡斯匹爾伯格的處理，斯氏的追隨者可能會(huì)覺得影片不夠親切煽情。有矛盾是必然的，人們說庫布里克是冷酷的，因?yàn)樗冀K在批判著人性的丑陋和靈魂的罪惡。所以，斯皮爾博格的接拍《AI》，很多人不為看好，認(rèn)為會(huì)失去庫布里克的原有內(nèi)涵。但是斯皮爾博格此次是殘酷的。他讓大衛(wèi)實(shí)現(xiàn)了愿望，卻讓他只快樂了一天，然后必須獨(dú)自面對(duì)無窮無盡的漫長歲月！機(jī)器是無所謂的，但是人呢？ 因此，它會(huì)讓期待一個(gè)優(yōu)美童話的觀眾失望。喜歡看麻痹神經(jīng)、刺激感官、過山車之旅似的好萊塢大片的觀眾也肯定會(huì)失望。它讓按部就班套用現(xiàn)存審美準(zhǔn)則的人覺得渾身不舒服。 二、本片主題（欣賞本片） 莫尼卡在兒子康復(fù)無望、企盼得到一個(gè)能交流感情的兒子的心情下，終于打開了大衛(wèi)“愛的源泉”。這時(shí)，大衛(wèi)那原本光滑得像木雕的臉上，閃過一絲微妙的“復(fù)活”表情，他開口叫了一聲“媽媽”。 這一剎那，不僅大衛(wèi)的性質(zhì)變了，影片的主題也顯現(xiàn)了。大衛(wèi)只是一個(gè)會(huì)叫“媽媽”的機(jī)器人嗎？他的愛只是一個(gè)程序的體現(xiàn)嗎？人的本質(zhì)究竟是什么？是有機(jī)體還是人性？當(dāng)造物主要求被造者付出無條件的愛時(shí)，造物主對(duì)被造者有什么樣的責(zé)任？更直接的議題是：在人和機(jī)器、真和假之間存在著一道清晰的鴻溝嗎？ 這個(gè)問題也就是劇一開始會(huì)議上那個(gè)工程師所問的：當(dāng)我們的機(jī)器人的程序被設(shè)計(jì)為要愛人類，那么我們?nèi)祟愂欠駪?yīng)該、或者有責(zé)任去以愛去回饋機(jī)器人呢？ 導(dǎo)演并不打算急著回答這個(gè)問題。他只是把David（那個(gè)有人工智能的機(jī)器人）引到了一對(duì)夫婦的家里，以觀后效。 夫婦的兒子終于被治好了。由于他的歸來，David的日子漸漸不好過了。他覺得David剝奪了他應(yīng)得的“愛”。他設(shè)計(jì)出了一系列的陰謀，讓父母們對(duì)David產(chǎn)生不信任，并覺得他會(huì)對(duì)他們生命的生命安全產(chǎn)生威脅。在這里，我們看到了人性丑惡的一方面，嫉妒，猜忌，還有自私。我覺得母親的對(duì)David的愛本身就是有保留的，而且是自私的。這種所謂的自私，實(shí)際上是一種欲望，一種欲求需要。當(dāng)面臨選擇的時(shí)候，母親義無返顧地，不加分析地，“正確”地站到兒子的一邊。她的理由很簡單：第一，那是她的親生兒子；第二，David不是真正的人。可憐的David，他只不過是一個(gè)替代品，只不過是一種發(fā)泄所謂的“愛”的欲望的工具而已。從某種角度而言，David跟玩物、隱形眼鏡，甚至安全套一樣，“用完即棄”。因此，令人懷疑母親早前對(duì)David的照顧是不是愛？是真愛還是假愛？ 接著，影片展現(xiàn)了未來世界機(jī)器人悲慘生活的情景，他們只是想使用廢舊零件來茍且殘存，延續(xù)“生命”。但人類還是不甘心，要將他們趕盡殺絕。David也被捕獲了，他遇到了“男公關(guān)”機(jī)器人。人們要將這些機(jī)器人處決，但處決的過程既殘忍而又像是馬戲表演。因?yàn)?，人們要買票進(jìn)場，而且觀看屠殺的還有很多孩子。 人們極盡想象、殘忍之能事，機(jī)器人們的“死法”千奇百怪。人們在這種殘酷無情的毀滅中獲得樂趣。這時(shí)候電影的主題被強(qiáng)化了：作為機(jī)器人的創(chuàng)造者，人類并不愿意對(duì)這些電子產(chǎn)品付出真愛，在人們眼里他們僅僅是玩偶，侍女，奶媽，仆人，性工具??。無論那時(shí)候的機(jī)器人被制作的如何逼真，人類都無法將他們當(dāng)作整個(gè)社會(huì)的一分子。當(dāng)人們需要他們的時(shí)候他們就是我們的朋友，不需要他們的時(shí)候便可以被遺棄被破壞?？此茦O度發(fā)達(dá)文明的人類社會(huì)仿佛倒退到了野蠻的奴隸社會(huì)。這使我聯(lián)想到了如今的克隆技術(shù)——如果人類將克隆人當(dāng)成一種工具，那將是多么可怕的一件事情！ 你若覺得此處觀眾席上的奧嘎太過殘忍，不夠真實(shí)，他們其實(shí)是莫尼卡一家的變異。我們?nèi)缒芾斫饽峥蔷哂腥饲槲兜钠缫曅袨?，進(jìn)一步想象那些具有滅絕性的歧視行為也就不難了。 于此同時(shí)，機(jī)器人正往“人”的概念行走，舞男喬和大衛(wèi)懂得了只有屬于“人類”才有的親情和友情。而“人”卻一步步走向死亡的結(jié)局。 大衛(wèi)來到一幢高樓，找到了一家公司，見到了他真正的“父母親”，即Cybertronics公司的教授。當(dāng)教授前去召集員工時(shí)，大衛(wèi)發(fā)現(xiàn)了一排排跟他長得一模一樣的麥卡小孩。正如教授所說，他不是獨(dú)一無二的，但他是“頭一個(gè)”。此時(shí)，大衛(wèi)具有了只有“人”才有的“人生觀”，而且，他的“人生觀”受到挑戰(zhàn)：所有的父母都說自己的孩子是獨(dú)一無 二、舉世無雙的，但他只是一個(gè)可以不斷復(fù)制的生產(chǎn)線產(chǎn)品?！皨寢尅痹趺磿?huì)愛他呢？他坐在窗臺(tái)上思量著，絕望地跳進(jìn)汪洋中。 自此，至少從另一意義上說，大衛(wèi)已由機(jī)器異化成了人。他執(zhí)著地追求著愛，人類的愛。 即使面對(duì)如此殘酷的現(xiàn)實(shí)，大衛(wèi)也始終沒有放棄他的追求——他仍然想成為一個(gè)真正意義上的人。 2000年后，人類滅亡，外星人來到地球，雖然無法將一個(gè)機(jī)器人變?yōu)橐粋€(gè)真正的人，卻可以幫助大衛(wèi)克隆出了“莫尼卡”，只是被克隆的人只能活一天，大衛(wèi)終于又和“莫尼卡”在一起了??我時(shí)常在想：這是一個(gè)怎樣的結(jié)局？美好的嗎？悲慘的嗎？被克隆出來的莫尼卡是一個(gè)沒有記憶的人。也許只有這樣，莫尼卡才會(huì)把大衛(wèi)當(dāng)成自己的同類。而大衛(wèi)也會(huì)因此而得到莫尼卡的愛，從這個(gè)角度上來說，結(jié)尾算是以喜劇收場。然而從另外一個(gè)層面上說，這樣的結(jié)局無形中又陷入了一個(gè)怪圈：二者的位置被完全替換了——此時(shí)的大衛(wèi)正像以前的莫尼卡，而眼前這個(gè)克隆人更如同以前的大衛(wèi)只是一個(gè)替代品而已，這是不是同時(shí)意味著又一個(gè)悲劇的開始呢？影片只好將開始探討的那個(gè)問題留給了觀眾，這是一個(gè)既讓人深思又不得其解的結(jié)尾。 三、關(guān)于演員及表演： 在斯氏的作品中，演員都能發(fā)揮出自己的最佳狀態(tài)。本片中大衛(wèi)的扮演者海利．喬．奧斯蒙特和阿喬的扮演者裘德．洛尤為出色。說奧斯蒙特是有史以來最有天賦的童星一點(diǎn)也不夸張，一般的童星(如流行一時(shí)的秀蘭．鄧波爾和麥考利．考爾金)都是靠乖巧來取悅觀眾，而奧斯蒙特在最近這幾部片中全部需要高難度的演技，絕非扮天真可以打發(fā)。怪不得好萊塢圈內(nèi)人士感嘆到，以前只有解數(shù)學(xué)題或下象棋的神童，如今總算出了一個(gè)會(huì)演戲的神童。不信，你看他會(huì)不會(huì)隨著年齡的增長而被淘汰(大多數(shù)童星都過不了15歲這個(gè)坎)。 奧斯蒙特曾經(jīng)憑借《第六感》獲得過奧斯卡最佳男配角提名。作為本片的焦點(diǎn)，他在此片中展露出了令人贊嘆的表演天賦。舉一個(gè)例子就能說明：斯皮爾伯格對(duì)他說，機(jī)器人是不會(huì)眨眼的。因此，奧斯門特竟然從頭到尾從未眨過眼。他做到了處處讓你感到他不是真人。比如坐座位，他的身子挺得很直，不像人類有時(shí)會(huì)仰著或躺著。此外，片中的主角大衛(wèi)作為一個(gè)機(jī)器人需要有一些面部上的痙攣和特殊動(dòng)作，這就要求他得展現(xiàn)很多成年人缺乏的面部表情和特有的控制能力，而這位演技出眾的小童星對(duì)這一切駕輕就熟，無可挑剔。劇情發(fā)展到大衛(wèi)被莫尼卡拋棄的那一段戲時(shí)最讓我感動(dòng)不已。一個(gè)即將被遺棄的孩童所表現(xiàn)出那種精神上的脆弱，在奧斯蒙特的那段非常富有感染力的表演下顯得真實(shí)可信，就連觀眾也為之動(dòng)容，幾欲落淚。 大衛(wèi)在戲中非常微妙而分階段地融合了人跟機(jī)器的特征，隨著他跟人的交往越來越多，他的機(jī)器特性逐步削弱。裘德．洛的表演沒有奧斯蒙特那么可圈可點(diǎn)，但這位英國大帥哥對(duì)喜劇的分寸感把握得非常好，演繹了一個(gè)維多利亞時(shí)代的浪漫英雄和未來貓王的綜合體，諧趣而不油滑，使人物起到了絕佳的陪襯和對(duì)位作用。 四、關(guān)于本片特技與科幻色彩： 如果你是以一部純科幻片的角度來欣賞這部電影作品，勢必會(huì)讓你心灰意冷。通常在觀眾的眼里，一部優(yōu)秀的科幻電影往往是電腦特技的展示會(huì)。但在此片中能夠看到的特技鏡頭確實(shí)寥寥無幾。大名鼎鼎的工業(yè)光魔公司(ILM)大概把所有精力全部集中在了那個(gè)玩具熊身上了吧。不難發(fā)現(xiàn)，在繼《辛德勒的名單》、《拯救大兵瑞恩》以后，善于拍攝科幻電影的斯皮爾伯格在這部戲里降低了娛樂成分較高的電腦特技，從服裝上就能看出，當(dāng)時(shí)服裝想做出未來的樣子，但斯氏說不要離現(xiàn)實(shí)太遠(yuǎn)。因此，斯氏是力圖讓這部帶有科幻色彩的《A.I》向一部有思想性的藝術(shù)電影靠齊，也從側(cè)面反映了今日這位偉大導(dǎo)演在創(chuàng)作理念上的某種變化。 OTHERS： (無眠的顫抖？)永恒的是愛，渴求倒未必。若是人類怎么會(huì)有愛著某人的使命，怎么會(huì)有被造出來的目的，而david是有使命燒在他的“靈魂”上的。這一定的執(zhí)拗讓我不是很適應(yīng)。 人類是很復(fù)雜的，機(jī)器的目的才是純粹。這一點(diǎn)對(duì)我來說，是兩者的鴻溝之一。 david應(yīng)該去尋找為什么自己會(huì)愛著那個(gè)人，即使找不到原因，卻依然沒有辦法割舍掉自己的思念。這才是他能夠反思自己被如何創(chuàng)造出來的自覺性，才是他真正開始思考自己存在的自主性，而不是毫無自覺地皈依所謂程序的命令。 如果david僅僅是一個(gè)人類回憶的容器，那么他就終究只是一個(gè)投影儀，談不到他自身的存在。片子這兩股勁對(duì)我來說，有那么一些擰著。。 (常在豆瓣走，脾氣也變抖~)看完才知道不是什么科幻片，與人類相比，David是干癟的，他干癟得只剩下愛的執(zhí)著，而人類實(shí)在聰明太多，聰明到不能用純粹去溝通交流。在智能機(jī)器人面前，我為人類汗顏。而關(guān)于未來機(jī)械發(fā)展，不是科技沒準(zhǔn)備好，而是倫理沒準(zhǔn)備好。 所以當(dāng)后來monica感受到david對(duì)兒子martin的生命威脅時(shí)，她再也顧不上對(duì)david僅存的一點(diǎn)兒憐惜，像扔垃圾一樣把果斷的把david遺棄了?；蛟S，在以后的日子里，想到這件事情，monica心里也會(huì)留有一絲隱痛，但她一定會(huì)安慰自己：他不過是機(jī)器人而已。 這就是在影片一開始的那場關(guān)于道德的爭論。關(guān)于結(jié)果，在david和monica的故事中默默的告訴了我們，機(jī)器永遠(yuǎn)忠誠的愛著人，但人卻沒有相應(yīng)的責(zé)任去回報(bào)這種愛。 人工智能將讓數(shù)千萬老師下崗？ 真正的人工智能在教育領(lǐng)域的落地，不僅僅是對(duì)學(xué)生的用戶行為進(jìn)行分析，更重要在于，減輕老師工作量，解放家長的時(shí)間和精力。 當(dāng)前中國師生比例嚴(yán)重偏低，一個(gè)老師帶著幾十名學(xué)生，有的甚至上百名，要做到有針對(duì)性的個(gè)性化教育，幾乎是不可能的事。 而在家庭教育方面，我所認(rèn)識(shí)的鄰居，朋友，很多都是全職媽媽，幾乎把所有時(shí)間都花在了照顧孩子的事情之上，其中輔導(dǎo)孩子學(xué)習(xí)，又占據(jù)了大部分時(shí)間，孩子放學(xué)回來，或者周末，基本上全程陪著孩子寫作業(yè)。這還是有條件的家庭，而且還是少數(shù)，絕大部分家庭，父母忙于工作，是沒有時(shí)間輔導(dǎo)孩子學(xué)習(xí)的，有的父母，雖然有時(shí)間輔導(dǎo)，但自身知識(shí)問題，已經(jīng)達(dá)不到輔導(dǎo)孩子學(xué)習(xí)的水平了；而有的家長，有時(shí)間，有知識(shí)能力，但沒有精力，或者沒有耐心輔導(dǎo)，這個(gè)問題也非常普遍。 谷鳥智能目前在做的事，是研發(fā)AI老師--谷鳥老師，利用人工智能技術(shù)，降低老師工作量，解放家長時(shí)間精力，讓每個(gè)家庭、每個(gè)孩子都擁有自己的專屬老師。 谷鳥智能認(rèn)為，谷鳥老師僅僅是對(duì)學(xué)生進(jìn)行服務(wù)，還遠(yuǎn)遠(yuǎn)無法滿足當(dāng)前教育需求。如果把谷鳥老師進(jìn)行延伸并升級(jí)為面向家庭、學(xué)校的產(chǎn)品，從而整合為一套端對(duì)端的解決方案，為家長或者老師提供教學(xué)解決方案，提供學(xué)習(xí)路徑、數(shù)據(jù)采集、標(biāo)注等一整套服務(wù)，無疑會(huì)更快地促進(jìn)AI技術(shù)在教育領(lǐng)域的應(yīng)用。 真正的人工智能在教育領(lǐng)域的落地應(yīng)用，不是簡單地利用數(shù)據(jù)統(tǒng)計(jì)分析技術(shù)來統(tǒng)計(jì)分析下學(xué)生的成績、錯(cuò)題，而是在于是否降低老師工作量、是否解放家長精力、是否讓學(xué)生得到更多的個(gè)性化輔導(dǎo)服務(wù)?，F(xiàn)在很多在線教育公司都在炫耀自己是人工智能在線教育，而實(shí)際上主要還是在線視頻教學(xué)，只是對(duì)外披了一層人工智能技術(shù)的外衣，利用IT技術(shù)統(tǒng)計(jì)下學(xué)生成績和作業(yè)數(shù)據(jù), 這些統(tǒng)計(jì)分析技術(shù)在10幾年前都已經(jīng)應(yīng)用了。 人工智能在教育領(lǐng)域的落地應(yīng)用，一定是減輕老師工作，解放家長的同時(shí)，學(xué)生得到更多的個(gè)性化指導(dǎo)服務(wù)。 谷鳥老師 谷鳥老師最核心功能是，象真人老師一樣去指導(dǎo)學(xué)生學(xué)習(xí)。傳統(tǒng)的在線教育，要么是給學(xué)生一個(gè)事先錄制好的視頻，要么是真人在線直播講課，前者談不上對(duì)學(xué)生的個(gè)性化輔導(dǎo)教學(xué)，后者則要么是大班在線教學(xué)，和學(xué)校一樣，要么就是學(xué)費(fèi)高昂的一對(duì)一教學(xué)。 谷鳥老師當(dāng)前版本為1.0版本，適合6-12歲學(xué)生，特別是幼升小孩子。 1.在線田字格字帖練字 app在線生成田字格字帖，支持筆順，完全免費(fèi)。漢字為小學(xué)一二年級(jí)必須掌握的1000多漢字，孩子學(xué)會(huì)后，具備基本的閱讀能力，能夠自己閱讀簡單的繪本圖書。 被小學(xué)低年級(jí)語文課本作為生字詞的展示方式。小學(xué)時(shí)期，特別是低年級(jí)階段，是學(xué)習(xí)漢字書寫的關(guān)鍵時(shí)期，使用本系統(tǒng)生成田字格字帖，讓低年級(jí)小學(xué)生逐漸將漢字寫規(guī)范，養(yǎng)成正確的漢字筆順書寫習(xí)慣，給以后的語文學(xué)習(xí)和漢字書寫打下堅(jiān)實(shí)的基礎(chǔ)。 其次，田字格便于筆畫練習(xí)。初學(xué)文字書寫者都要從基本筆畫的書寫開始學(xué)習(xí)。在田字格中方便練習(xí)筆畫書寫。橫中線與豎中線是書寫者最基本參照線。例如書寫頓筆之后走向不同的三種撇：平撇、斜撇與豎撇，根據(jù)這三種撇與豎中線構(gòu)成的不同夾角來區(qū)分這三種撇。平撇末端的出鋒處，即與橫中線基本平行；斜撇的軌跡，與橫中線或豎中線構(gòu)成不同的角度，而起筆從豎中線開始，與豎中線的夾角在30度到50度左右；豎撇的練習(xí)，也可以將豎中線作為基準(zhǔn)線，即從起筆至開始變豎為撇的線段都寫在豎中線上，“先豎后撇”中的“撇”段的寫法與斜撇基本一致。除此之外，橫、豎與其他由單筆構(gòu)成的復(fù)合筆畫都可以在田字格中找到相應(yīng)的參照線或參照點(diǎn)，只要解決好定位問題，筆畫在田字格中的書寫也就很順利了。 2.朗讀句子 App通過語音智能技術(shù)朗讀句子給孩子聽，孩子聽后再自己跟著朗讀，app自動(dòng)判斷是否朗讀正確。App中的句子均為日常用語，孩子容易聽懂容易記住，基本上跟讀1，2次就記住了。通過此功能，節(jié)省了家長很多朗讀時(shí)間。 按國家語文能力新綱要的主旨，語言教育應(yīng)是聽、說、讀、寫、觀察、表演、思維、想象、操作等行為的綜合培養(yǎng)，因此在語文活動(dòng)時(shí)教師應(yīng)抓住各種契機(jī)，增強(qiáng)語感，積累詞匯，為學(xué)生說得好、說的妙打下堅(jiān)實(shí)的基礎(chǔ)。 家長平時(shí)在家里要流出時(shí)間讓孩子多多讀，多背，多積累。通過朗讀感悟語言；通過朗讀，熟讀成誦，積累語言，豐富詞匯；通過朗讀，練得口齒伶俐，提高口語表達(dá)能力。 3.唐詩朗讀 App上孩子可以朗誦唐詩，唐詩均采自2017年部編教材小學(xué)語文，總共135首。孩子開始不會(huì)朗讀，可以點(diǎn)擊app上的“播放”按鈕，聽讀完后，再自己朗讀。朗讀評(píng)分算法，除了發(fā)音準(zhǔn)確外，還把朗讀聲音大小也列入評(píng)分因素，鼓勵(lì)孩子大聲朗讀。 教育部統(tǒng)一組織新編的義務(wù)教育道德與法治、語文、歷史教材。其中，語文教材的一個(gè)重大變化就是大幅增加古詩文篇目，以落實(shí)中華優(yōu)秀傳統(tǒng)文化教育。 4.口才演講 口才對(duì)于一個(gè)人來說，非常重要，這點(diǎn)大家都知道。如果從小鍛煉孩子的演講、解說、辯論、主持等能力便可以增強(qiáng)孩子的自信心，提高孩子的心理素質(zhì)，對(duì)孩子的前途將產(chǎn)生非常大的影響。 為此，app基于人工智能技術(shù)，提供了孩子口才演講能力訓(xùn)練功能。目前系統(tǒng)經(jīng)過人工智能訓(xùn)練的演講模板為自我介紹，特別適合于6-12歲小孩的自我介紹訓(xùn)練。 谷鳥老師最終的目的是要用人工智能技術(shù)代替老師嗎？ 谷鳥老師主要解決的問題是，以AI老師為角色，安排、輔導(dǎo)孩子每天的學(xué)習(xí)，減輕老師的工作量，同時(shí)提升學(xué)生獲得的個(gè)性化指導(dǎo)教育服務(wù)，盡可能減少家長的參與，最大限度釋放家長時(shí)間和精力。所以說，谷鳥老師并不是要用人工智能技術(shù)替代老師這一角色，人工智能畢竟是機(jī)器模仿人工的信息技術(shù)，從全局角度而言，它永遠(yuǎn)只是輔助人類，替人類分擔(dān)某部分工作。比如說在語音類，英語口語，谷鳥老師將來，將可以代替真人老師，實(shí)現(xiàn)和學(xué)生的口語練習(xí)，承擔(dān)陪練角色。 谷鳥老師當(dāng)前已經(jīng)實(shí)現(xiàn)了針對(duì)6-12歲孩子的語文學(xué)習(xí)輔導(dǎo)功能，未來拓展到幼升小能力準(zhǔn)備，包括英語口語、奧數(shù)、語文閱讀、作文，以及國學(xué)等。將來，谷鳥老師也將更多地深耕教育垂直細(xì)分領(lǐng)域，比如職業(yè)學(xué)校中旅游酒店專業(yè)，學(xué)生需要掌握一定的英語口語，谷鳥老師就可以扮演外籍客人，和學(xué)生進(jìn)行導(dǎo)游或者酒店接待中的英語場景練習(xí)了。 人工智能學(xué)科誕生于20世紀(jì)50年代中期，當(dāng)時(shí)由于計(jì)算機(jī)的產(chǎn)生與發(fā)展，人們開始了具有真正意義的人工智能的研究。（雖然計(jì)算機(jī)為AI提供了必要的技術(shù)基礎(chǔ),但直到50年代早期人們才注意到人類智能與機(jī)器之間的聯(lián)系.Norbert Wiener是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動(dòng)調(diào)溫器.它將收集到的房間溫度與希望的溫度比較,并做出反應(yīng)將加熱器開大或關(guān)小,從而控制環(huán)境溫度.這項(xiàng)對(duì)反饋 回路的研究重要性在于: Wiener從理論上指出,所有的智能活動(dòng)都是反饋機(jī)制的結(jié)果.而反饋機(jī)制是有可 能用機(jī)器模擬的.這項(xiàng)發(fā)現(xiàn)對(duì)早期AI的發(fā)展影響很大。） 1956年夏，美國達(dá)特莫斯大學(xué)助教麥卡錫、哈佛大學(xué)明斯基、貝爾實(shí)驗(yàn)室申龍、IBM公司信息研究中心羅徹斯特、卡內(nèi)基——梅隆大學(xué)紐厄爾和赫伯特.西蒙、麻省理工學(xué)院塞夫里奇和索羅門夫，以及IBM公司塞繆爾和莫爾在美國達(dá)特莫斯大學(xué)舉行了以此為其兩個(gè)月的學(xué)術(shù)討論會(huì)，從不同學(xué)科的角度探討人類各種學(xué)習(xí)和其他職能特征的基礎(chǔ)，并研究如何在遠(yuǎn)離上進(jìn)行精確的描述，探討用機(jī)器模擬人類智能等問題，并首次提出了人工智能的術(shù)語。從此，人工智能這門新興的學(xué)科誕生了。這些青年的研究專業(yè)包括數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論和電腦科學(xué)，分別從不同角度共同探討人工智能的可能性。他們的名字人們并不陌生，例如申龍是《信息論》的創(chuàng)始人，塞繆爾編寫了第一個(gè)電腦跳棋程序，麥卡錫、明斯基、紐厄爾和西蒙都是“圖靈獎(jiǎng)”的獲獎(jiǎng)?wù)摺?/p> 這次會(huì)議之后，在美國很快形成了3個(gè)從事人工智能研究的中心，即以西蒙和紐威爾為首的卡內(nèi)基—梅隆大學(xué)研究組，以麥卡錫、明斯基為首的麻省理工學(xué)院研究組，以塞繆爾為首的IBM公司研究組。隨后，這幾個(gè)研究組相繼在思維模型、數(shù)理邏輯和啟發(fā)式程序方面取得了一批顯著的成果： （1）1956年，紐威爾和西蒙研制了一個(gè)“邏輯理論家“（簡稱LT）程序，它將每個(gè)問題都表示成一個(gè)樹形模型,然后選擇最可能得到正確結(jié)論的那一枝來求解問題，證明了懷特黑德與羅素的數(shù)學(xué)名著《數(shù)學(xué)原理》的第2章中52個(gè)定理中的38個(gè)定理。1963年對(duì)程序進(jìn)行了修改，證明了全部定理。這一工作受到了人們的高度評(píng)價(jià)，被認(rèn)為是計(jì)算機(jī)模擬人的高級(jí)思維活動(dòng)的一個(gè)重大成果，是人工智能的真正開端。 （2）1956年，塞繆爾利用對(duì)策論和啟發(fā)式搜索技術(shù)編制出西洋跳棋程序Checkers。該程序具有自學(xué)習(xí)和自適應(yīng)能力，能在下棋過程中不斷積累所獲得的經(jīng)驗(yàn)，并能根據(jù)對(duì)方的走步，從許多可能的步數(shù)中選出一個(gè)較好的走法。這是模擬人類學(xué)習(xí)過程第一次卓有成效的探索。這臺(tái)機(jī)器不僅在1959年擊敗了塞繆爾本人，而且在1962年擊敗了美國一個(gè)州的跳棋冠軍，在世界上引起了大轟動(dòng)。這是人工智能的一個(gè)重大突破。 （3）1958年，麥卡錫研制出表處理程序設(shè)計(jì)語言LISP，它不僅可以處理數(shù)據(jù)，而且可以方便的處理各種符號(hào)，成為了人工智能程序語言的重要里程碑。目前，LISP語言仍然是研究人工智能何開發(fā)智能系統(tǒng)的重要工具。 （4）1960年紐威爾、肖和西蒙等人通過心理學(xué)實(shí)驗(yàn)，發(fā)現(xiàn)人在解題時(shí)的思維過程大致可以分為3個(gè)階段：1。首先想出大致的解題計(jì)劃；2。根據(jù)記憶中的公理、定理和解題規(guī)劃、按計(jì)劃實(shí)施解題過程；3.在實(shí)施解題過程中，不斷進(jìn)行方法和目標(biāo)分析，修改計(jì)劃。這是一個(gè)具有普遍意義的思維活動(dòng)過程，其中主要是方法和目的的分析。（也就是人們在求解數(shù)學(xué)問題通常使用試湊的辦法進(jìn)行的試湊是不一定列出所有的可能性，而是用邏輯推理來迅速縮小搜索范圍的辦法進(jìn)行的），基于這一發(fā)現(xiàn)，他們研制了“通用問題求解程序GPS”，用它來解決不定積分、三角函數(shù)、代數(shù)方程等11種不同類型的問題，并首次提出啟發(fā)式搜索概念，從而使啟發(fā)式程序具有較普遍的意義。 （5）1961年，明斯基發(fā)表了一篇名為《邁向人工智能的步驟》的論文，對(duì)當(dāng)時(shí)人工智能的研究起了推動(dòng)作用。 正是由于人工智能在20世紀(jì)50年代到60年代的迅速發(fā)展和取得的一系列的研究成果，使科學(xué)家們歡欣鼓舞，并對(duì)這一領(lǐng)域給予了過高的希望。紐威爾和西蒙在1958年曾作出以下預(yù)言： ①不出十年，計(jì)算機(jī)將成為世界象棋冠軍，除非規(guī)定不讓它參加比賽； ②.不出十年，計(jì)算機(jī)將發(fā)現(xiàn)并證明那時(shí)還沒有被證明的數(shù)學(xué)定理； ③.不出十年，計(jì)算機(jī)將譜寫出具有較高美學(xué)價(jià)值并得到評(píng)論家認(rèn)可的樂曲； ④不出十年，大多數(shù)心理學(xué)家的理論將采用計(jì)算機(jī)程序來形成。 非常遺憾的是，到目前為止，這樣的預(yù)言還沒有一個(gè)得到完全的實(shí)現(xiàn)，人工智能的研究狀況比紐威爾和西蒙等科學(xué)家的設(shè)想要復(fù)雜和艱難的多。事實(shí)上，到了20世紀(jì)70年代初，人工智能在經(jīng)歷一段比較快速的發(fā)展時(shí)期后，很快就遇到了許多問題。這些問題主要表現(xiàn)在： （1）1965年魯賓遜發(fā)明了歸結(jié)（消解）原理，曾被認(rèn)為是一個(gè)重大的突破，可是很快這種歸結(jié)法能力有限，證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)，推證了十萬步竟還沒有得證。 （2）塞繆爾的下棋程序，贏得了周冠軍后，沒能贏全國冠軍。 （3）機(jī)器翻譯出了荒謬的結(jié)論。如從英語→俄語→英語的翻譯中，又一句話：“The spirit is willing but the flesh is weak”(心有余而力不足)，結(jié)果變成了”The wine is good but the meat is spoiled”(酒是好的，肉變質(zhì)了)，鬧出了笑話。 （4）大腦約有10的15次方以上的記憶容量，此容量相當(dāng)于存放幾億本書的容量，現(xiàn)有的技術(shù)條件下在機(jī)器的結(jié)構(gòu)上模擬人腦是不大可能的。 （5）來自心理學(xué)、神經(jīng)生理學(xué)、應(yīng)用數(shù)學(xué)、哲學(xué)等各界的科學(xué)家們對(duì)人工智能的本質(zhì)、基本原理、方法及機(jī)理等方面產(chǎn)生了質(zhì)疑和批評(píng)。 由于人工智能研究遇到了困難，使得人工智能在20世紀(jì)70年代初走向低落。但是，人工智能的科學(xué)家沒有被一時(shí)的困難所嚇倒，他們在認(rèn)真總結(jié)經(jīng)驗(yàn)教訓(xùn)的基礎(chǔ)上，努力探索使人工智能走出實(shí)驗(yàn)室，走向?qū)嵱没男侣纷?，并取得了令人鼓舞的進(jìn)展。特別是專家系統(tǒng)的出現(xiàn)，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探索走向?qū)ｉT知識(shí)應(yīng)用的重大突破，是人工智能發(fā)展史上的重大轉(zhuǎn)折，將人工智能的研究推向了新高潮。下面是幾個(gè)又代表性的專家系統(tǒng)： （1）1968年斯坦福大學(xué)費(fèi)根鮑姆教授和幾位遺傳學(xué)家及物理學(xué)家合作研制了一個(gè)化學(xué)質(zhì)譜分析系統(tǒng)（DENDARL），該系統(tǒng)能根據(jù)質(zhì)譜儀的數(shù)據(jù)和核磁諧振的數(shù)據(jù)，以及有關(guān)化學(xué)知識(shí)推斷有機(jī)化合物的分子結(jié)構(gòu)，達(dá)到了幫助化學(xué)家推斷分子結(jié)構(gòu)的作用。這是第一個(gè)專家系統(tǒng)，標(biāo)志著人工之能從實(shí)驗(yàn)室走了出來，開始進(jìn)入實(shí)際應(yīng)用時(shí)代。 （2）繼DENDARAL系統(tǒng)之后，費(fèi)根鮑姆領(lǐng)導(dǎo)的研究小組又研制了診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)MYCIN。經(jīng)專家小組對(duì)醫(yī)學(xué)專家、實(shí)習(xí)醫(yī)師以及MYCIN行為進(jìn)行正式測試評(píng)價(jià)，認(rèn)為MYCIN的行為超過了其他所有人，尤其在診斷和治療菌血癥和腦膜炎方面，顯示了該系統(tǒng)作為臨床醫(yī)生實(shí)際助手的前途。從技術(shù)的角度來看，該系統(tǒng)的特點(diǎn)是：1。使用了經(jīng)驗(yàn)性知識(shí)，用可信度表示，進(jìn)行不精確推理。2.對(duì)推理結(jié)果具有解釋功能，時(shí)系統(tǒng)是透明的。3.第一次使用了知識(shí)庫的概念。正是由于MYCIN基本解決了知識(shí)表示、知識(shí)獲取、搜索策略、不精確推理以及專家系統(tǒng)的基本結(jié)構(gòu)等重大問題（是怎樣解決的呢？），對(duì)以后的專家系統(tǒng)產(chǎn)生了很大的影響。 （3）1976年，斯坦福大學(xué)國際人工智能中心的杜達(dá)等人開始研制礦藏勘探專家系統(tǒng)PROSPECTOR，它能幫助地質(zhì)學(xué)家解釋地質(zhì)礦藏?cái)?shù)據(jù)，提供硬巖石礦物勘探方面的咨詢，包括勘探測評(píng)，區(qū)域資源估值，鉆井井位選擇等。該系統(tǒng)用語義網(wǎng)絡(luò)表示地質(zhì)知識(shí)，擁有15中礦藏知識(shí)，采用貝葉斯概率推理處理不確定的數(shù)據(jù)和知識(shí)。PROSPECTOR系統(tǒng)于1981年開始投入實(shí)際使用，取得了巨大的經(jīng)濟(jì)效益。例如1982年，美國利用該系統(tǒng)在華盛頓發(fā)現(xiàn)一處礦藏，據(jù)說實(shí)用價(jià)值可能超過1億美元。 （4）美國卡內(nèi)基—梅隆大學(xué)于20世紀(jì)70年代先后研制了語音理解系統(tǒng)HEARSAY-I加入HEARSAY-II，它完成從輸入的聲音信號(hào)轉(zhuǎn)換成字，組成單詞，合成句子，形成數(shù)據(jù)庫查詢語句，再到情報(bào)數(shù)據(jù)庫中去查詢資料。該系統(tǒng)的特點(diǎn)是采用“黑板結(jié)構(gòu)”這種新結(jié)構(gòu)形式，能組合協(xié)調(diào)專家的知識(shí)，進(jìn)行不同抽象級(jí)的問題求解。 在這一時(shí)期，人工智能在新方法、程序設(shè)計(jì)語言、知識(shí)表示、推理方法等方面也取得了重大進(jìn)展。例如70年代許多新方法被用于AI開發(fā),著名的如Minsky的構(gòu)造理論.另外David Marr提出了機(jī)器視覺方面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信息,可以推斷出圖像可能是什么，法國馬賽大學(xué)的柯爾麥倫和他領(lǐng)導(dǎo)的研究小組于1972年研制成功的第一個(gè)PROLOG系統(tǒng)，成為了繼LISP語言之后的另一種重要的人工智能程序語言；明斯基1974年提出的框架理論；紹特里夫于1975年提出并在MYCIN中應(yīng)用的不精確推理；杜達(dá)于1976年提出并在PROSPECTOR中應(yīng)用的貝葉斯方法；等等 人工智能的科學(xué)家們從各種不同類型的專家系統(tǒng)和知識(shí)處理系統(tǒng)中抽取共性，總結(jié)出一般原理與技術(shù)，使人工智能又從實(shí)際應(yīng)用逐漸回到一般研究。圍繞知識(shí)這一核心問題，人們重新對(duì)人工智能的原理和方法進(jìn)行了探索，并在知識(shí)獲取、知識(shí)表示以及知識(shí)在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。1977年，在第五屆國際人工智能聯(lián)合會(huì)（IJCAI）的會(huì)議上，費(fèi)根鮑姆教授在一篇題為《人工智能的藝術(shù)：知識(shí)工程課題及實(shí)例研究》的特約文章中，系統(tǒng)的闡述了專家系統(tǒng)的思想，并提出了知識(shí)工程（KnowledgeEngineering）的概念。費(fèi)根鮑姆認(rèn)為，知識(shí)工程是研究知識(shí)信息處理的學(xué)科，它應(yīng)用人工智能的原理和方法，對(duì)那些需要專家知識(shí)才能解決的應(yīng)用難題提供了求解的途徑。恰當(dāng)?shù)倪\(yùn)用專家知識(shí)的獲取、表示、推理過程的構(gòu)成與解釋，是設(shè)計(jì)基于知識(shí)的系統(tǒng)的重要技術(shù)問題。至此，圍繞著開發(fā)專家系統(tǒng)而開展的相關(guān)理論、方法、技術(shù)的研究形成了知識(shí)工程學(xué)科。知識(shí)工程的研究使人工智能的研究從理論轉(zhuǎn)向應(yīng)用，從基于推理的模型轉(zhuǎn)向基于知識(shí)的模型。 為了適應(yīng)人工智能和知識(shí)工程發(fā)展的需要，在政府的大力支持下，日本于1982年開始了為期10年的“第五代計(jì)算機(jī)的研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)KIPS”，總共投資4.5億美元。它的目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那樣快。日本的這一計(jì)劃形成了一股熱潮，推動(dòng)了世界各國的追趕浪潮。美國、英國、歐共體、蘇聯(lián)等都先后制訂了相應(yīng)的發(fā)展計(jì)劃。隨著第五代計(jì)算機(jī)的研究開發(fā)和應(yīng)用，人工智能進(jìn)入一個(gè)興盛時(shí)期，人工智能界一派樂觀情緒。 然而，隨著專家系統(tǒng)應(yīng)用的不斷深入，專家系統(tǒng)自身存在的知識(shí)獲取難、知識(shí)領(lǐng)域窄、推理能力弱、只能水平低、沒有分布式功能、實(shí)用性差等等問題逐步暴露出來。日本、美國、英國和歐洲所制訂對(duì)那些針對(duì)人工智能的大型計(jì)劃多數(shù)執(zhí)行到20世紀(jì)80年代中期就開始面臨重重困難，已經(jīng)看出達(dá)不到預(yù)想的目標(biāo)。進(jìn)一步分析便發(fā)現(xiàn)，這些困難不只是個(gè)別項(xiàng)目的制訂又問題，而是涉及人工智能研究的根本性問題?？偟膩碇v是兩個(gè)問題：一是所謂的交互（Interaction）問題，即傳統(tǒng)方法只能模擬人類深思熟慮的行為，而不包括人與環(huán)境的交互行為。另一個(gè)問題是擴(kuò)展（Scaling up）問題，即所謂的大規(guī)模的問題，傳統(tǒng)人工智能方法只適合于建造領(lǐng)域狹窄的專家系統(tǒng)，不能把這種方法簡單的推廣到規(guī)模更大、領(lǐng)域更寬的復(fù)雜系統(tǒng)中去。這些計(jì)劃的失敗，對(duì)人工智能的發(fā)展是一個(gè)挫折。 盡管經(jīng)歷了這些受挫的事件,AI仍在慢慢恢復(fù)發(fā)展.新的技術(shù)在日本被開發(fā)出來,如在美國首創(chuàng)的模糊邏輯,它可以從不確定的條件作出決策;還有神經(jīng)網(wǎng)絡(luò),被視為實(shí)現(xiàn)人工智能的可能途徑.1982年后，人工神經(jīng)網(wǎng)絡(luò)像雨后春筍一樣迅速發(fā)展起來，給人們帶來了新的希望。人工神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)是信息的分布存儲(chǔ)和信息處理的并行化，并具有自組織自學(xué)習(xí)能力，這使人們利用機(jī)器加工處理信息有了新的途徑和方法，解決了一些符號(hào)方法難以解決的問題，使人工智能的學(xué)術(shù)界興起了神經(jīng)網(wǎng)絡(luò)的熱潮。1987年美國召開了第一次神經(jīng)網(wǎng)絡(luò)國際會(huì)議，宣布新學(xué)科的誕生。1988年以后，日本和歐洲各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐步增加，促進(jìn)了該領(lǐng)域的研究。但是隨著應(yīng)用的深入，人們又發(fā)現(xiàn)人工神經(jīng)元網(wǎng)絡(luò)模型和算法也存在問題。 20世紀(jì)80年代末，以美國麻省理工學(xué)院布魯克斯（R.A.Brooks）教授為代表的行為主義學(xué)派提出了“無須表示和推理”的智能，認(rèn)為智能只在與環(huán)境的交互中表現(xiàn)出來，并認(rèn)為研制可適應(yīng)環(huán)境的“機(jī)器蟲”比空想智能機(jī)器人要好。以后，人工智能學(xué)術(shù)界充分認(rèn)識(shí)到已有的人工智能方法僅限于在模擬人類智能活動(dòng)中使用成功的經(jīng)驗(yàn)知識(shí)處理簡單的問題，開始在符號(hào)機(jī)理與神經(jīng)網(wǎng)機(jī)理的結(jié)合及引入Agent系統(tǒng)等方面進(jìn)一步開展研究工作。20世紀(jì)90年代，所謂的符號(hào)主義、連接主義和行動(dòng)主義3種方法并存。對(duì)此，中國學(xué)者認(rèn)為這3種方法各有優(yōu)缺點(diǎn)，他們提出了綜合集成的方法，即不同的問題用不同的方法來解決，或用聯(lián)合（混合、融合）的方法來解決，再加上人工智能系統(tǒng)引入交互機(jī)制，系統(tǒng)的智能水平將會(huì)大為提高。 總而言之，盡管人工智能的發(fā)展經(jīng)歷了曲折的過程，但它在自動(dòng)推理、認(rèn)知建模、機(jī)器學(xué)習(xí)、神經(jīng)元網(wǎng)絡(luò)、自然語言處理、專家系統(tǒng)、智能機(jī)器人等方面的理論和應(yīng)用上都取得了稱得上具有“智能”的成果。許多領(lǐng)域?qū)⒅R(shí)和智能思想引入到自己的領(lǐng)域，使一些問題得以較好的解決。應(yīng)該說，人工智能的成就是巨大的，影響是深遠(yuǎn)的。 讀書的好處 1、行萬里路，讀萬卷書。 2、書山有路勤為徑，學(xué)海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的。——達(dá)爾文 5、少壯不努力，老大徒悲傷。 6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。——顏真卿 7、寶劍鋒從磨礪出，梅花香自苦寒來。 8、讀書要三到：心到、眼到、口到 9、玉不琢、不成器，人不學(xué)、不知義。 10、一日無書，百事荒廢?！悏?/p> 11、書是人類進(jìn)步的階梯。 12、一日不讀口生，一日不寫手生。 13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p> 14、書到用時(shí)方恨少、事非經(jīng)過不知難?！懹?/p> 15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p> 17、學(xué)習(xí)永遠(yuǎn)不晚。——高爾基 18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p> 19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p> 20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p> 人工智能結(jié)課論文 系別：計(jì)算機(jī)科學(xué)與技術(shù)系 班級(jí)：姓名：于靜學(xué)號(hào)： 13計(jì)算機(jī)專接本一班 知識(shí)處理 ***0 摘要：進(jìn)入2l 世紀(jì)，計(jì)算機(jī)硬件和軟件更新的速度越來越快，計(jì)算機(jī)這個(gè)以往總給人以冷冰冰的機(jī)器的形象也得到了徹底的改變。人機(jī)交互的情形越來越普遍，計(jì)算機(jī)被人類賦予了越來越多的智能因素。伴隨著人類把最新的計(jì)算機(jī)技術(shù)應(yīng)用于各個(gè)學(xué)科，對(duì)這些學(xué)科的認(rèn)知也進(jìn)入了日新月異的發(fā)展階段，促使大量的新的研究成果不斷涌現(xiàn)。例如：“人機(jī)大戰(zhàn)”中深藍(lán)計(jì)算機(jī)輕松的獲勝、人類基因組排序工作的基本完成、人類大腦結(jié)構(gòu)性解密、單純器官性克隆的成功實(shí)現(xiàn)等等。隨著計(jì)算機(jī)這個(gè)人類有史以來最重要的工具的不斷發(fā)展，伴隨著不斷有新理論的出現(xiàn)，人類必須重新對(duì)它們進(jìn)行分析和審視。知識(shí)處理是人工智能這一科學(xué)領(lǐng)域的關(guān)鍵問題。本文對(duì)知識(shí)處理的核心問題之——識(shí)的表示進(jìn)行了全面的綜述目前流行的知識(shí)表達(dá)方式不下十種，在此只介紹一階謂詞邏輯、產(chǎn)生式、語義網(wǎng)絡(luò)、框架、混合等目前最常用的知識(shí)表示方法。并對(duì)其進(jìn)行了優(yōu)缺點(diǎn)分析及簡單對(duì)比。最后對(duì)知識(shí)表示的發(fā)展趨向作出了展望。 關(guān)鍵詞：知識(shí) 人工智能（AI） 知識(shí)表達(dá)式 一階謂詞邏輯 產(chǎn)生式 語義網(wǎng)絡(luò) 框架 一、知識(shí)和知識(shí)的表示 1、知識(shí)的概念 知識(shí)是人類世界特有的概念，他是人類對(duì)客觀世界的一種比較準(zhǔn)確、全面的認(rèn)識(shí)和理解的結(jié)晶。(1)知識(shí)只有相對(duì)正確的特性。常言道：實(shí)踐出真理。只是源于人們生活、學(xué)習(xí)與工作的實(shí)踐，知識(shí)是人們在信息社會(huì)中各種實(shí)踐經(jīng)驗(yàn)的匯集、智慧的概括與積累。只是愛源于人們對(duì)客觀世界運(yùn)動(dòng)規(guī)律的正確認(rèn)識(shí)，是從感知認(rèn)識(shí)上升成為理性認(rèn)識(shí)的高級(jí)思維勞動(dòng)過程的結(jié)晶，故相應(yīng)于一定的客觀環(huán)境與條件下，只是無疑是正確的。然而當(dāng)客觀環(huán)境與條件發(fā)生改變時(shí)，知識(shí)的正確性就接受檢驗(yàn)，必要時(shí)就要對(duì)原來的認(rèn)識(shí)加以修改和補(bǔ)充，一至全部更新而取而代之。例如知道1543年哥白尼學(xué)說問世之前，人們一直都以為地球是宇宙的核心；再有：人們都知道一個(gè)關(guān)于“瞎子摸象”的故事，它通俗地說明了完整的只是形式是一個(gè)復(fù)雜的智能過程。通常人們獲取知識(shí)的重要手段是：利用信息，把各種信息提煉、概括并關(guān)聯(lián)在一起，就形成了知識(shí)。而利用信息關(guān)聯(lián)構(gòu)成知識(shí)的形式有多種多樣。 (2)知識(shí)的確定與不確定性如前說述，知識(shí)有若干信息關(guān)聯(lián)的結(jié)構(gòu)組成，但是，其中有的信息是精確的，有的信息卻是不精確的。這樣，則由該信息結(jié)構(gòu)形成的知識(shí)也有了確定與不確定的特征。例如，在我國中南地區(qū)，根據(jù)天上出現(xiàn)彩虹的方向及其位置，可以預(yù)示天氣的變化。有諺語曰：“東邊日（晴天），西邊雨?！钡?，這只是一種常識(shí)性經(jīng)驗(yàn)，并不能完全肯定或否定。再如：家有一頭秀發(fā)，一時(shí)兩鬢如霜。我們則認(rèn)為家一定是年輕人，乙就是老年人嘛？不能完全肯定，因?yàn)橄喾吹氖吕呛芏嗟摹１热?，?dāng)年的白毛女就不是老人，而現(xiàn)在六十多歲的演員有一頭黑發(fā)也不足為奇。 2、知識(shí)表達(dá)及其映像原理 智能機(jī)器系統(tǒng)如同智能生物一樣，在運(yùn)用知識(shí)進(jìn)行信息交流或只能問題求解時(shí)，都需要預(yù)先進(jìn)行知識(shí)表示。進(jìn)而實(shí)現(xiàn)知識(shí)調(diào)用，達(dá)到利用知識(shí)求解問題的目的。因而只是表示是知識(shí)信息處理系統(tǒng)必不可少的關(guān)鍵環(huán)節(jié)。對(duì)智能機(jī)器系統(tǒng)而言只是表示，實(shí)際上就是對(duì)知識(shí)的一種描述或約定。其本質(zhì)，就是采用某種技術(shù)模式，八所要求解決的問題的相關(guān)知識(shí)，映射為一種便于找到該問題解的數(shù)據(jù)結(jié)構(gòu)。對(duì)知識(shí)進(jìn)行表示的過程，實(shí)質(zhì)上就是把相關(guān)只是映射（或稱為變換：Transformation；或稱為映像：Mapping；或稱為編碼：Coded）為該數(shù)據(jù)結(jié)構(gòu)的過程。如圖1。 圖1 只是表達(dá)及其映射原理 如圖，其目標(biāo)是要對(duì)復(fù)雜的智能性問題實(shí)現(xiàn)機(jī)器求解，但機(jī)器直接對(duì)原始問題求解難度很大，可采用知識(shí)表達(dá)的映射原理，把原始問題映射為它的一種同構(gòu)或同態(tài)問題，然后在對(duì)同構(gòu)或同態(tài)問題求出它的解答，則相對(duì)容易而方便。順便指出：同構(gòu)解答與原始問題有相同的形式解，然而對(duì)于同態(tài)問題，如果得到原始解，只需對(duì)同臺(tái)解答再施行反運(yùn)算即可。在自然科學(xué)實(shí)際應(yīng)用研究中，利用映射（稱之為變換）原理迂回求解的思想，是一種非常有效而廣為使用的重要手段。目前比較常見的知識(shí)表達(dá)方法主要有：常用的知識(shí)表示方法：一階謂詞邏輯表示法，產(chǎn)生式表示法，框架表示法，語義網(wǎng)絡(luò)表示法，腳本表示法，過程表示法，面向?qū)ο蟊硎痉?，神?jīng)網(wǎng)絡(luò)表示法。如圖2 二、常用知識(shí)表示法： 2.1一階謂詞邏輯表示法： 一階謂詞邏輯表示法是目前應(yīng)用最廣的方法之一，在AI系統(tǒng)上已經(jīng)得到了應(yīng)用。它是通過分析命題內(nèi)容和謂詞邏輯，盡可能正確地表述它的各種意境的過程。知識(shí)的謂詞邏輯表示符合人的思維習(xí)慣，可讀性好，邏輯關(guān)系表達(dá)簡便。使用謂詞邏輯既便于表達(dá)概念、狀態(tài)、屬性等事實(shí)性知識(shí)，又能方便地采用謂詞公式的表達(dá)形式，進(jìn)行各種智能行為的過程性描述與演繹推理。一階謂詞的一般形式為P(x1，x2，?，xn)其中P是謂詞名，xi為個(gè)體常量、變元，或函數(shù)。例如：STUDENT(zhangsan)：zhangsan是學(xué)生 STUDENT(x)：x是學(xué)生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父親是教師。在一階謂詞表示法中連接詞是非常重要的其中： 連接詞：?、∨、∧、→、? 量詞：?、? (?x)P(x)為真、為假的定義 (?x)P(x)為真、為假的定義 結(jié)合具體事例可以看到一階謂詞邏輯在知識(shí)表示法中的優(yōu)越性： 李明是計(jì)算機(jī)系的學(xué)生，但他不喜歡編程。定義謂詞： COMPUTER(x):x是計(jì)算機(jī)系的 學(xué)生 LIKE(x,y):x喜歡y 謂詞公式為： LIKE(liming，programming)COMPUTER(liming)∧ 謂詞邏輯是一種傳統(tǒng)經(jīng)典也是最基本的形式化方法。謂詞邏輯知識(shí)表示規(guī)范性嚴(yán)，邏輯性強(qiáng)，自然性好，推理過程嚴(yán)密，易于實(shí)現(xiàn)。這些優(yōu)良特性使得謂詞邏輯最早用于人工智能機(jī)器定理證明，并獲得了成功。但是必須看到，謂詞邏輯屬于標(biāo)準(zhǔn)的二值（T與F）邏輯，難以直接進(jìn)行不確定性問題的處理。對(duì)于復(fù)雜系統(tǒng)的求解問題，容易陷入冗長演繹推理中，常常不可避免地帶來求解效率低,甚至產(chǎn)生“組合爆炸”問題。因此，針對(duì)謂詞邏輯，尚待人們不斷加以改進(jìn)，以尋求自然性好而效率更高的技術(shù)方法。 2.2產(chǎn)生式表示法 目前，產(chǎn)生式表示方法是專家系統(tǒng)的第一選擇的知識(shí)表達(dá)方式。是美國數(shù)學(xué)家Post在1943年提出了一種計(jì)算形式體系里所使用的術(shù)語。產(chǎn)生式表示的基本形式為：（1）確定性知識(shí)的表示： 產(chǎn)生式形式：P→Q或者IF P THEN Q 它的含義：如果前提P滿足，則可以推出結(jié)論Q或執(zhí)行Q操作。例如：IF CLEAR(B)AND HANDEMPTYTHEN Pickup(B)如果積木B上是空的，且機(jī)械手空，則機(jī)械手從桌面上抓起積木B。（2）不確定知識(shí)的表示： 產(chǎn)生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不確定推理中，當(dāng)已知事實(shí)與前提P不能精確匹配時(shí)，只要按照“置信度”的要求達(dá)到一定的相似度，就認(rèn)為已知事實(shí)與前提條件相匹配，再按照一定的算法將這種可能性（不確定性）傳遞到結(jié)論Q。 產(chǎn)生式表示法其優(yōu)點(diǎn)在于模塊性。規(guī)則與規(guī)則之間相互獨(dú)立靈活性。知識(shí)庫易于增加、修改、刪除自然性。方便地表示專家的啟發(fā)性知識(shí)與經(jīng)驗(yàn)透明性。易于保留動(dòng)作所產(chǎn)生的變化、軌跡，但仍有不少缺點(diǎn)：知識(shí)庫維護(hù)難。效率低。為了模塊一致性理解難。由于規(guī)則一致性彼此之間不能調(diào)用。 2.3 語義網(wǎng)絡(luò)表達(dá)式 語義網(wǎng)絡(luò)是人工智能常用的知識(shí)表示法之一。是一種使用概念及其語義關(guān)系來表達(dá)知識(shí)的有向圖。它作為人類聯(lián)想記憶的一個(gè)顯示心理學(xué)模型，是由J.R.Quillian于1968年在他的博士論文中首先提出，并用于自然語言處理。語義網(wǎng)絡(luò)結(jié)構(gòu)共使用了三種圖形符號(hào)：框、帶箭頭及文字標(biāo)識(shí)的線條和文字標(biāo)識(shí)線。分別稱為:（1）節(jié)(結(jié))點(diǎn);弧(又叫做邊或支路);指針。 （2）節(jié)點(diǎn)(Node)：也稱為結(jié)點(diǎn)。用圓形、橢圓、菱形或長方形的框圖來表示，用來表示事物的名稱、概念、屬性、情況、動(dòng)作、狀態(tài)等。 （3）弧(Arc)：這是一種有向弧，又稱之為支路（Branch）。節(jié)點(diǎn)之間用帶箭頭及文字標(biāo)識(shí)的有向線條來聯(lián)結(jié)，用以表示事物之間的結(jié)構(gòu)，即語義關(guān)系。 （4）指針(Pointer)：也叫指示器。是在節(jié)點(diǎn)或者弧線的旁邊，另外附加必要的線條及文字標(biāo)識(shí)，用來對(duì)節(jié)點(diǎn)、弧線和語義關(guān)系作出相宜的補(bǔ)充、解釋與說明。 語義網(wǎng)絡(luò)是一種結(jié)構(gòu)化知識(shí)表示方法，具有表達(dá)直觀，方法靈活，容易掌握和理解的特點(diǎn)。概括起來，主要優(yōu)點(diǎn)在于采用語義關(guān)系的有向圖來連接，語義、語法、詞語應(yīng)用兼顧，具有描述生動(dòng)，表達(dá)自然，易于理解等。 雖然語義網(wǎng)絡(luò)知識(shí)表示和推理具有較大的靈活性和多樣性，但是沒有公認(rèn)嚴(yán)密的形式表達(dá)體系，卻不可避免地帶來了非一致性和程序設(shè)計(jì)與處理上的復(fù)雜性，這也是語義網(wǎng)絡(luò)知識(shí)表示尚待深入研究解決的一個(gè)課題。 2.4．框架表式式 框架表示法誕生于1975年，這也是一種結(jié)構(gòu)化的知識(shí)表示方法，并已在多種系統(tǒng)中得到成功的應(yīng)用。框架理論是由人工智能科學(xué)創(chuàng)始人之一，美國著名的人工智能學(xué)者M(jìn).L.Minsky(明斯基)提出來的。 自然界各種事物都可用框架(Frame)組織構(gòu)成。每個(gè)被定義的框架對(duì)象分別代表著不同的特殊知識(shí)結(jié)構(gòu)，從而可在大腦或計(jì)算機(jī)中表示、存儲(chǔ)并予以認(rèn)識(shí)、理解和處理。框架是一種被用來描述某個(gè)對(duì)象（諸如一個(gè)事物、一個(gè)事件或一個(gè)概念）屬性知識(shí)的數(shù)據(jù)結(jié)構(gòu)。下面是一個(gè)關(guān)于“大學(xué)教師”的框架設(shè)計(jì)模式。 n 框架名： 〈大學(xué)教師〉 n 姓名： 單位（姓，名）n 年齡： 單位（歲） n 性別： 范圍(（男，女）缺?。耗?n 學(xué)歷： 范圍（學(xué)士，碩士，博士） n 職稱： 范圍(（教授，副教授，講師，助教）缺省：講師)n 部門： 范圍（學(xué)院（或系、處）n 住址： 〈住址框架〉 n 工資： 〈工資框架〉 n 參加工作時(shí)間： 單位（年，月） n 健康狀況： 范圍（健康，一般，較差）n 其它： 范圍（〈個(gè)人家庭框架〉，〈個(gè)人經(jīng)濟(jì)狀況框架〉） 上述框架共有十一個(gè)槽，分別描述了關(guān)于“大學(xué)教師”的十一個(gè)方面的知識(shí)及其屬性。在每個(gè)槽里都指定了一些說明性的信息，表明了相關(guān)槽的值的填寫要有某些限制?？蚣鼙硎痉ㄖС稚蠈涌蚣芨拍畛橄蠛拖聦涌蚣苄畔⒗^承共享的思想，不僅減少了框架信息和屬性知識(shí)表達(dá)的冗余，而且保證了上、下層框架知識(shí)表達(dá)的一致性。 主要缺點(diǎn)：框架表示法過于死板，難以描述諸如機(jī)器人糾紛等類問題的動(dòng)態(tài)交互過程生動(dòng)性。 三、各知識(shí)表達(dá)式的比較與展望 以上若知識(shí)表達(dá)方法，絕大多數(shù)在應(yīng)用中得到了很好的應(yīng)用。但實(shí)際工作中，如果要建立一個(gè)人工智能系統(tǒng)、專家系統(tǒng)時(shí)，還是要根據(jù)具體情況提出一個(gè)混合性的知識(shí)表達(dá)方式。每一種知識(shí)表示方法各有特點(diǎn)，而且適用的領(lǐng)域也不同： （1）謂詞邏輯方法只適用于確定性、陳述性、靜態(tài)性知識(shí)，而對(duì)動(dòng)態(tài)的、變化性、模糊性知識(shí)則很難表示。 （2）產(chǎn)生式規(guī)則方法推理方法太單一，如果前提條件太多，或規(guī)則條數(shù)太多，則推理的速度將慢得驚人。 （3）語義網(wǎng)絡(luò)方法表達(dá)的知識(shí)面比較窄。（4）框架方法表示的知識(shí)橫向關(guān)系不太明確。（縱向從屬繼承關(guān)系很明確） 因此，對(duì)于復(fù)雜的、深層次的知識(shí)，應(yīng)根據(jù)需要表示知識(shí)的特征，來決定用二種或三種方法聯(lián)合表示，例如： （1）邏輯與框架：框架里的槽值可以對(duì)應(yīng)于謂詞項(xiàng)。 （2）語義網(wǎng)絡(luò)與框架：結(jié)點(diǎn)對(duì)應(yīng)與框架，結(jié)點(diǎn)的參數(shù)就是框架的槽值。 （3）產(chǎn)生式與框架：框架的槽值對(duì)應(yīng)于一條產(chǎn)生式規(guī)則。與神經(jīng)網(wǎng)絡(luò)結(jié)合。 參考文獻(xiàn)： [1] 蔡之華；模糊Petri網(wǎng)及知識(shí)表示 [J];計(jì)算機(jī)應(yīng)用與軟件；1994年03期 [2].張科杰,袁國華,彭穎紅； 知識(shí)表示及其在機(jī)械工程設(shè)計(jì)中的應(yīng)用探討[J]; 機(jī)械設(shè)計(jì)；2004年06期。 [3].劉曉霞。新的知識(shí)表示方法——概念圖［Ｊ］。航空計(jì)算技術(shù)。1997（4）。[4].王永慶人工智能原理與方法［Ｍ］。西安交通大學(xué)出版社。1998。 讀書的好處 1、行萬里路，讀萬卷書。 2、書山有路勤為徑，學(xué)海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的?！_(dá)爾文 5、少壯不努力，老大徒悲傷。 6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p> 7、寶劍鋒從磨礪出，梅花香自苦寒來。 8、讀書要三到：心到、眼到、口到 9、玉不琢、不成器，人不學(xué)、不知義。 10、一日無書，百事荒廢。——陳壽 11、書是人類進(jìn)步的階梯。 12、一日不讀口生，一日不寫手生。 13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p> 14、書到用時(shí)方恨少、事非經(jīng)過不知難。——陸游 15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p> 17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p> 18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p> 19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p> 20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p> 第二篇：”人工智能AI“賞析
第三篇：人工智能AI老師介紹
第四篇：人工智能發(fā)展史解讀
第五篇：人工智能論文解讀
點(diǎn)擊咨詢 