第一篇：人工智能的方向是人工加智能解讀
人工智能的方向是人工加智能
摘要：
關(guān)于人工智能的定義，凱文·凱利用了兩個(gè)字來表示：知化！知化的音樂、知化的洗衣……總之，整個(gè)世界都在“知化”。想來也是，人工智能的那么多花哨定義，其實(shí)最核心的還是用自動(dòng)化的知識(shí)來解決一切問題。
凱文·凱利說，下一個(gè)最熱的創(chuàng)業(yè)機(jī)會(huì)是“人工智能”。
忽悠吧？
60年來，不斷有人預(yù)測(cè)人工智能時(shí)代近在咫尺。
但是直到現(xiàn)在，人工智能好像還是遙不可及。有人調(diào)侃人工智能不過是人類的馬甲：“有多少人工，就有多少智能?！?/p>
不過凱文·凱利說，這回是真的。事情正在起變化，因?yàn)榻谟腥笸黄啤?/p>
1.廉價(jià)的并行計(jì)算；
2.大數(shù)據(jù)；
3.更好的算法。
這回，人工智能真的來了。尤其是大數(shù)據(jù)。什么智能都需要訓(xùn)練，大數(shù)據(jù)就是訓(xùn)練人工智能的。接下來創(chuàng)業(yè)者的商業(yè)計(jì)劃書可就好寫了，“我們可以輕而易舉地預(yù)測(cè)接下來 10000家創(chuàng)業(yè)公司的商業(yè)計(jì)劃：挑選一個(gè)領(lǐng)域并加入人工智能?！?慢著，你總得先定義下什么是“人工智能”吧？
凱文·凱利用兩個(gè)字了結(jié)了這筆糊涂賬——知化（Cognifying）。
想來也是，人工智能的那么多花哨定義都不如這個(gè)詞來得干脆——硬件問題軟件化。用自動(dòng)化的知識(shí)來解決一切問題。?????????????????????????????????該舉例子了：
第一個(gè)例子：攝影術(shù)
過去的照相機(jī)又重又貴?，F(xiàn)在又輕又便宜。為啥？
因?yàn)檫^去我們靠的是復(fù)雜的機(jī)械結(jié)構(gòu)和光學(xué)鏡頭來優(yōu)化圖像質(zhì)量。而現(xiàn)在我們是在用“算法”來優(yōu)化圖像質(zhì)量。第二個(gè)例子：化學(xué)
倒騰瓶瓶罐罐多費(fèi)勁？加入人工智能后，科學(xué)家們可以進(jìn)行虛擬化學(xué)實(shí)驗(yàn)。他們?cè)谔煳臄?shù)字的化學(xué)結(jié)合中精挑細(xì)選，決定哪些更有希望成功，值得放在實(shí)驗(yàn)室中檢驗(yàn)。
更多的例子： 知化的音樂、知化的洗衣、知化的營(yíng)銷、知化的房產(chǎn)、知化的護(hù)理、知化的建造、知化的倫理、知化的玩具、知化的體育……后面的自己想吧。反正，整個(gè)世界都在“知化cognifying”。
再?gòu)?qiáng)調(diào)下——
所謂人工智能，不是搞出一個(gè)比人類還聰明的怪物，而是用自動(dòng)化的知識(shí)去解決問題。
理解了這個(gè)定義，那就要得出幾個(gè)結(jié)論了：
1.人工智能不可怕
它只是把我們身邊的每一樣?xùn)|西都變得新奇、有趣而已。整個(gè)過程和100年前的“電器化”差不多。
它會(huì)像一個(gè)老實(shí)的保姆一樣，搞定好多事又不招人煩。廉價(jià)、可靠的數(shù)字智能在一切事物背后運(yùn)行，近乎無影無形。
2.我們現(xiàn)在做的很多事其實(shí)都是在喂養(yǎng)人工智能
2002 年，凱文·凱利在谷歌的一個(gè)小型聚會(huì)上問拉里·佩奇，你為什么要做免費(fèi)搜索？
拉里·佩奇說，“哦，我們其實(shí)在做人工智能?！睅啄陙?，谷歌收購(gòu)了十幾家人工智能和機(jī)器人公司。乍看，你會(huì)認(rèn)為谷歌正通過人工智能改善自己的搜索能力。凱文·凱利認(rèn)為事實(shí)恰恰相反。谷歌正利用搜索改善它的人工智能。每當(dāng)你鍵入一個(gè)查詢?cè)~，你都是在訓(xùn)練谷歌的人工智能。當(dāng)你在圖片搜索欄輸入“羅輯思維”，就在告訴人工智能羅胖子長(zhǎng)什么樣。谷歌每天處理的 121 億次查詢是在一遍又一遍地訓(xùn)練深度學(xué)習(xí)型人工智能。
再過10年，谷歌將擁有一款無可匹敵的人工智能產(chǎn)品。凱文·凱利的預(yù)測(cè)是——
到了2026年，谷歌的主營(yíng)產(chǎn)品將不再是搜索，而是人工智能。
3.“人工+智能”才是方向
1997 年，IBM 的超級(jí)電腦“深藍(lán)”擊敗了當(dāng)時(shí)具有統(tǒng)治地位的國(guó)際象棋大師卡斯帕羅夫。那人類選手會(huì)不會(huì)對(duì)這種比賽失去興趣呢？ 卡斯帕羅夫率先提出了“人加機(jī)器”的概念，即在比賽中用人工智能增強(qiáng)國(guó)際象棋選手水平。如今，這種比賽被稱為自由式國(guó)際象棋比賽。
2014年自由式國(guó)際象棋對(duì)抗錦標(biāo)賽上，純粹人工智能贏得了42場(chǎng)比賽，而“人工+智能”型選手贏得了53場(chǎng)。
在廉價(jià)且超級(jí)智能的國(guó)際象棋軟件的激勵(lì)下，下國(guó)際象棋的人數(shù)、錦標(biāo)賽的數(shù)量以及選手的水平都達(dá)到了歷史之最。擁有國(guó)際象棋大師頭銜的人數(shù)至少翻了一番。既然人工智能可以幫助人類成為更優(yōu)秀的國(guó)際象棋選手，那么合理地推測(cè)，它也能幫助我們成為更優(yōu)秀的飛行員、醫(yī)生、法官、教師。
4.人工智能有無數(shù)種類型
一些新的心智包括: 一種心智與人類的心智相像，只是反應(yīng)更快。
一種心智主要基于大容量存貯和記憶，有些愚鈍但是信息面廣博。一種全球化超級(jí)心智，由數(shù)百萬做著單調(diào)工作的智能體組成。
一種蜂巢型心智，由許多十分聰明的心智組成,但是自己卻意識(shí)不到。一種心智被專門訓(xùn)練用來加強(qiáng)指定的人類個(gè)體，但是對(duì)其他人完全無效。一種心智能夠設(shè)想但不能制造比自身更強(qiáng)大的心智。
一種心智能夠制造比自身更強(qiáng)大的心智，由于自我意識(shí)不足，無法設(shè)想自己制造的心智。
一種心智能夠制造比自身更強(qiáng)大的心智。
一種心智能夠創(chuàng)造比自身更強(qiáng)大的心智，而被創(chuàng)造出的心智能繼續(xù)這么做。一種心智擁有自身源代碼的訪問通道，因此可以修改自己的進(jìn)程。一種心智邏輯能力超強(qiáng)并且沒有情感。
一種心智能解決普遍問題，但沒有自我意識(shí)。一種心智具有自我意識(shí)，但不能解決普遍問題。
一種心智成長(zhǎng)期很長(zhǎng)，并且在它成熟前需要一個(gè)保護(hù)者。一種很緩慢的心智，覆蓋了很長(zhǎng)的物理距離因而在快速的心智看來，它是“隱形的”。
一種心智能夠多次克隆自己。
一種心智能夠克隆自己，并且與克隆體組成一個(gè)整體。一種心智能從一個(gè)平臺(tái)遷移到另一個(gè)平臺(tái)從而保持永生。一種快速、動(dòng)態(tài)的心智，能夠改變自己的認(rèn)知進(jìn)程。一種心智專門提出設(shè)想并做預(yù)測(cè)。
一種心智從不抹去或忘記任何事情，包括錯(cuò)誤或虛假的信息。一種半機(jī)器半動(dòng)物的共生心智。一種半人半機(jī)器的賽博格心智。
一種使用量子計(jì)算的心智，我們無法理解它的邏輯。我們可以把凱文·凱利列的這張單子保留好。
他說，這些類型的人工智能如果成為現(xiàn)實(shí)，怎么也得20年開外。
5.人工智能不斷地重新定義“人類”
舉個(gè)例子說，穿上鯊魚皮泳衣的菲爾普斯參加比賽，算不算作弊？ 那用上了人工智能的人類，“人”和“非人”的界限究竟劃在哪里？
6.我們的工作會(huì)被人工智能搶掉
在本世紀(jì)結(jié)束前，如今人們從事的職業(yè)中有70%很可能會(huì)被自動(dòng)化設(shè)備取代。一切只是時(shí)間問題。
當(dāng)機(jī)器人取代流水線工人后，它們會(huì)接著取代倉庫工人。麻利的機(jī)器人能夠從早到晚不斷地抬起 150 磅的重物。它們把箱子取出來，分好類，然后裝上卡車。這種機(jī)器人已經(jīng)在亞馬遜的倉庫工作了。
到2050年，大多數(shù)貨車將實(shí)現(xiàn)無人駕駛。鑒于貨車司機(jī)是目前美國(guó)最普遍的職業(yè)，這件事的影響不容小覷。
任何較為機(jī)械的資訊密集型工作都能被自動(dòng)化。無論你是一名醫(yī)生、律師、建筑師、記者甚至程序員，機(jī)器人都將歷史性地接管你的工作。
7.不用擔(dān)心，會(huì)有新工作 當(dāng)機(jī)器人和自動(dòng)化過程包辦了我們的大多數(shù)基礎(chǔ)工作時(shí)，我們就會(huì)閑下來并且自問“人的目的是什么？”
人類理應(yīng)成為芭蕾舞演員、專職音樂家、數(shù)學(xué)家、運(yùn)動(dòng)員、服裝設(shè)計(jì)師、瑜伽大師、同人小說作者等等。
貨車司機(jī)沒得干了，會(huì)出現(xiàn)行程優(yōu)化師的新工作。
外科手術(shù)沒得做了，讓復(fù)雜機(jī)器保持無菌狀態(tài)將成為醫(yī)療新技術(shù)。人類和機(jī)器之間將形成一種共生關(guān)系。人類的工作就是不停地給機(jī)器人安排任務(wù)，這本身就是一項(xiàng)永遠(yuǎn)做不完的工作。
將來，我們和機(jī)器人的關(guān)系會(huì)變得更復(fù)雜，出現(xiàn)一種7 個(gè)步驟的循環(huán)模式：
?機(jī)器人干不了我的工作。
?好吧，它會(huì)許多事情，但我做的事情它不一定都會(huì)。
?好吧，我做的事情它都會(huì)，但它常常出故障，這時(shí)需要我來處理。?好吧，它干常規(guī)工作時(shí)從不出錯(cuò)，但是我需要訓(xùn)練它學(xué)習(xí)新任務(wù)。?好吧，就讓它做我原來的工作吧，那工作本來就不是人該干的。
?哇，機(jī)器人正在干我以前做的工作，我的新工作不僅好玩多了，工資還高！?真高興，機(jī)器人絕對(duì)干不了我現(xiàn)在做的事情。然后回到步驟?。
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?！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?！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。——笛卡兒
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：人工智能發(fā)展史解讀
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(guó)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(guó)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(guó)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(guó)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(jiǎn)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(guó)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?cè)谇蠼鈹?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(guó)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?cè)谡J(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)嵱没男侣纷樱⑷〉昧肆钊斯奈璧倪M(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(cè)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(guó)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(cè)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(guó)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(guó)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(guó)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(guó)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(guó)的追趕浪潮。美國(guó)、英國(guó)、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(guó)、英國(guó)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(jiǎn)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(guó)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(guó)召開了第一次神經(jīng)網(wǎng)絡(luò)國(guó)際會(huì)議，宣布新學(xué)科的誕生。1988年以后，日本和歐洲各國(guó)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(guó)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(jiǎn)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(guó)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?！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?！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。——笛卡兒
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。——孔子
20、讀書給人以快樂、給人以光彩、給人以才干。——培根
第三篇：人工智能論文解讀
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(jiǎn)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?cè)谛畔⑸鐣?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(guó)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ǎ窠?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(jiǎn)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?cè)蚝瘮?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(zhǎng)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(guó)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(zhǎng)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?？蚣芾碚撌怯扇斯ぶ悄芸茖W(xué)創(chuàng)始人之一，美國(guó)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）缺省：男)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。框架表示法支持上層框架概念抽象和下層框架信息繼承共享的思想，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(guó)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。——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?！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?！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。——高爾基
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。——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。——孔子
20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>
第四篇：人工智能和人類智能 英文演講稿
Can Artificial intelligence exceed勝過 human intelligence？ 子不語之：
Good afternoon, boys and girls.I feel really honored to stand here and make a speech.First of all, please allow me to introduce myself ??.Today, we will talk about “Can Artificial intelligence exceed human intelligence? Back ground: First, let’s talk about what is AI.AI is a new subject which is developed by computer science, artificial intelligence, control theory, information theory, linguistics語言學(xué), neurology神經(jīng)學(xué), psychology, mathematics, philosophy哲學(xué)人生觀 and other disciplines科目.So AI is a comprehensive綜合的 subject that has much development space.But why we raise this topic here? Because in recent days, a great chess game had been held on Google between Li Shishi and AlphaGo.The result of the game was 1-4, AlphaGo, which is an artificial intelligence, won the game.This event shocked the world.However, it’s not the first time that the artificial intelligence win the human intelligence.For example, 17 years ago Deep Blue also win the chess game, the movie
Man can create his own rules, but the computer can't do this.SB：The last and most important point is that artificial intelligence has no sense of self.(自我意識(shí))Human has consciousness because of the nature selection.Consciousness make the human being have an advantage which can beat the disaster.If conscious has no sense, why didn’t the nature make humans evolve into automata.For example, one person tries to get rid of the leopard(豹子).He accurately judges the location of the leopard, decorates a clever trap and then hides behind a tree.Finally ,the leopard died in the trap.Consciousness saved his life.And how AI will do? According to advance into the program, the processor sends “avoid detour” instructions, control steering device and a crawler and a series of sports system to accomplish to detour.Here, the effect of algorithm is the “soul” of the robot.All movements of the machine are according to the program.That is all ,thanks for your listening.
第五篇：《人工智能》教學(xué)講座②：機(jī)器智能
《人工智能》教學(xué)講座②
機(jī)器智能
研究、開發(fā)人工智能的目的，就是讓機(jī)器能夠模擬、延伸、擴(kuò)展人的智能，以實(shí)現(xiàn)人類腦力勞動(dòng)的機(jī)械化。
所謂人工智能就是機(jī)器智能。
一、人工智能的產(chǎn)生
希望計(jì)算機(jī)能夠代替人類，或是充當(dāng)人類的代理，來做一些更為繁重、復(fù)雜的工作。人們只需要告訴計(jì)算機(jī)“做什么”，計(jì)算機(jī)就能實(shí)現(xiàn)想要的功能，并可以為人類的美好生活，提供各種各樣的服務(wù)。
人們對(duì)日益增長(zhǎng)的美好生活需求，促進(jìn)了人工智能的產(chǎn)生與發(fā)展。
二、人工智能的研究 ⒈特點(diǎn)
人工智能具有3個(gè)基本特點(diǎn)：交叉性。長(zhǎng)期性。廣泛性。
①交叉性
人工智能是一門交叉學(xué)科、邊緣學(xué)科，是由計(jì)算機(jī)科學(xué)、數(shù)學(xué)、哲學(xué)、腦科學(xué)、認(rèn)知學(xué)、行為學(xué)、語言學(xué)、生物學(xué)、心理學(xué)等，多種學(xué)科相互滲透發(fā)展起來的新學(xué)科。
②長(zhǎng)期性
人工智能研究的長(zhǎng)遠(yuǎn)目標(biāo)是制造出能像人那樣思維、行動(dòng)的智能化機(jī)器，代替人腦進(jìn)行工作。③廣泛性
人工智能技術(shù)的研究、應(yīng)用領(lǐng)域非常廣泛，如：教學(xué)仿真實(shí)驗(yàn)、商業(yè)的市場(chǎng)決策、農(nóng)業(yè)的專家系統(tǒng)、企業(yè)的自動(dòng)化控制等，很多應(yīng)用領(lǐng)域。
⒉內(nèi)容
人工智能的研究?jī)?nèi)容廣泛，如有4個(gè)研究方向：機(jī)器感知。機(jī)器思維。機(jī)器學(xué)習(xí)。機(jī)器行為。
①機(jī)器感知
機(jī)器感知使計(jì)算機(jī)像人一樣具有視覺、聽覺、嗅覺、觸覺、味覺的感覺。如：讓計(jì)算機(jī)能夠識(shí)別語言、文字、圖形、圖像、聲音、影視、振動(dòng)、冷暖、氣味和質(zhì)感等。
②機(jī)器思維
機(jī)器思維使機(jī)器對(duì)已獲取的信息能像人那樣有目的的處理。如：讓計(jì)算機(jī)像人類專家一樣通過推理、演繹解決各個(gè)領(lǐng)域的問題。
③機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)讓計(jì)算機(jī)模仿人類的學(xué)習(xí)行為，主動(dòng)獲取新知識(shí)和新技能。使計(jì)算機(jī)能夠識(shí)別現(xiàn)有的知識(shí)，不斷仿效人類的學(xué)習(xí)行為，改善自身性能，實(shí)現(xiàn)自我完善。如：讓計(jì)算機(jī)像人類棋手那樣，通過博弈實(shí)踐，吸取經(jīng)驗(yàn)教訓(xùn)，不斷提高棋藝。
④機(jī)器行為
機(jī)器行為使機(jī)器運(yùn)用本身擁有的知識(shí)，對(duì)獲取的信息過程處理，并做出反應(yīng)。如：讓參與海底打撈的智能機(jī)器人，根據(jù)海水的深度、被打撈物的形狀、海底的地質(zhì)狀況等工作的環(huán)境狀況，自主地完成打撈任務(wù)。
⒊方法
研究人工智能通常有3種方法：結(jié)構(gòu)模擬。功能模擬。行為模擬。①結(jié)構(gòu)模擬
結(jié)構(gòu)模擬是以人腦的生理結(jié)構(gòu)和工作機(jī)理為基礎(chǔ)，對(duì)人腦的神經(jīng)細(xì)胞及其構(gòu)成的神經(jīng)網(wǎng)絡(luò)進(jìn)行研究，采用神經(jīng)計(jì)算的方法來實(shí)現(xiàn)學(xué)習(xí)、聯(lián)想、識(shí)別、推理。
②功能模擬
功能模擬是以人腦的心理模型為基礎(chǔ)，將問題或知識(shí)表示成某種邏輯網(wǎng)絡(luò)，采用符號(hào)推演的方法來實(shí)現(xiàn)搜索、推理和學(xué)習(xí)，模擬人腦的思維。
③行為模擬
行為模擬是通過模擬人在控制過程中的智能活動(dòng)和行為特性，如：自尋優(yōu)、自適應(yīng)、自學(xué)習(xí)、自組織等，來研究和實(shí)現(xiàn)人工智能。
三、人工智能的發(fā)展
人工智能的發(fā)展大致可分為3個(gè)階段：起步階段。發(fā)展時(shí)期。發(fā)展新階段 ⒈起步階段（1956～1970年）
早期的人工智能研究是從智力難題、弈棋、難度不大的定理證明等簡(jiǎn)單問題開始的。研究的目的不在于實(shí)際應(yīng)用，而在于探索人的解題策略。
自然語言理解、機(jī)器視覺、智能機(jī)器人等，也是在這一階段開始研究的。
⒉發(fā)展時(shí)期（1970～1980年）
知識(shí)工程技術(shù)的出現(xiàn)，使得人工智能由單純的理論探索，開始面向?qū)嶋H應(yīng)用。是人工智能發(fā)展史的重要轉(zhuǎn)折點(diǎn)。
專家系統(tǒng)、自然語言理解系統(tǒng)、物景分析系統(tǒng)、自動(dòng)程序設(shè)計(jì)系統(tǒng)等的相繼出現(xiàn)，使得知識(shí)的表示和運(yùn)用，成為人工智能所有領(lǐng)域的關(guān)鍵技術(shù)。
⒊發(fā)展新階段（1980年以后）
人工智能研究成果開始商品化，出現(xiàn)了用于精密檢測(cè)的機(jī)器視覺系統(tǒng)、用于裝配作業(yè)的初級(jí)智能機(jī)器人系統(tǒng)和用于計(jì)算機(jī)的自然語言接口、各種專家系統(tǒng)。
人工智能向更高水平發(fā)展，進(jìn)而開始研制知識(shí)型的智能機(jī)器人、知識(shí)信息處理系統(tǒng)或第五代智能型計(jì)算機(jī)。
四、人工智能研究領(lǐng)域
計(jì)算機(jī)是信息處理的主要工具。
由于計(jì)算機(jī)能夠代替和延伸人類大腦的一部分功能，以至于稱之為“電腦”。但是，目前的計(jì)算機(jī)只能按照人們?yōu)槠渚幣藕玫某绦虿襟E工作，難以滿足人們?nèi)找嬖鲩L(zhǎng)的、越來越廣泛的美好生活需求。
人工智能應(yīng)用的領(lǐng)域
人工智能應(yīng)用的領(lǐng)域非常廣泛，如：?jiǎn)栴}求解、模式識(shí)別、符號(hào)運(yùn)算、自然語言理解、智能檢索、機(jī)器證明、專家系統(tǒng)、機(jī)器人學(xué)等方面。
⒈問題求解
人工智能的許多概念，如：歸納、推斷、決策、規(guī)劃等都與問題求解有關(guān)。在對(duì)弈的過程中，計(jì)算機(jī)棋手會(huì)像人類一樣思考，從規(guī)則、技巧等各個(gè)方面進(jìn)行判斷。田忌賽馬就是典型的問題求解中的博弈問題。
思考問題1：
①田忌與齊威王，共有幾種賽馬策略？ ②孫臏向田忌獻(xiàn)的是什么樣的賽馬策略？ ⒉模式識(shí)別
模式識(shí)別就是研究如何使機(jī)器具有感知能力。機(jī)器感知是機(jī)器獲取外部信息的根本保障。
計(jì)算機(jī)識(shí)別系統(tǒng)就是使計(jì)算機(jī)具有模擬人類通過感官接觸外界信息、識(shí)別和理解周圍環(huán)境的感知能力。
模式識(shí)別技術(shù)已經(jīng)逐漸在圖形識(shí)別、圖像識(shí)別、語音識(shí)別、機(jī)器人視覺、染色體識(shí)別等，在許多領(lǐng)域，獲得成功的應(yīng)用。
⒊符號(hào)運(yùn)算
符號(hào)運(yùn)算，又稱代數(shù)運(yùn)算，是一種智能化的計(jì)算。符號(hào)運(yùn)算處理的是符號(hào)。
符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù)，也可以代表多項(xiàng)式、函數(shù)、集合等。
⒋自然語言理解
自然語言理解就是研究如何讓計(jì)算機(jī)理解人類自然語言的領(lǐng)域。是指機(jī)器能夠理解并執(zhí)行人類所期望的某些語言功能。如：回答有關(guān)提問、生成摘要和文本釋義、機(jī)器翻譯等。
思考問題2：
①能否通過把語句分解為各個(gè)孤立的部分，然后在字典中查到這些孤立部分的釋譯，來實(shí)現(xiàn)兩種不同語言之間的翻譯？
②如果不能，在翻譯的過程中，還應(yīng)考慮哪些因素？ ⒌智能檢索
在如今的大數(shù)據(jù)時(shí)代，各類繁多、數(shù)量巨大的科技文獻(xiàn)，用傳統(tǒng)的網(wǎng)絡(luò)數(shù)據(jù)庫的檢索技術(shù)，遠(yuǎn)不能勝任。
智能檢索的研究，已成為當(dāng)代科技持續(xù)發(fā)展的重要保證。
⒍機(jī)器證明
機(jī)器證明是用計(jì)算機(jī)來完成數(shù)學(xué)命題的證明，是現(xiàn)代數(shù)學(xué)中一種新興的邊緣性學(xué)科，也是人工智能發(fā)展的一個(gè)重要方向。
⒎專家系統(tǒng)
專家系統(tǒng)是人工智能研究領(lǐng)域里，最活躍、最有成效的。研究讓“計(jì)算機(jī)專家”起到人類專家的作用。
根據(jù)某個(gè)領(lǐng)域里，1個(gè)或多個(gè)人類專家提供的知識(shí)、經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家求解問題的思維過程，以解決各種問題。
⒏機(jī)器人學(xué)
具有人工智能的機(jī)器，需要具備感知、記憶、思維、學(xué)習(xí)、行為的能力。機(jī)器人不一定做成人的外形，但是，一定要能夠模擬人的思維、動(dòng)作，在程序控制下，能夠自動(dòng)完成人類部分工作的機(jī)器。
隨著科學(xué)技術(shù)的發(fā)展，人工智能各個(gè)領(lǐng)域之間會(huì)互相滲透，使得相互聯(lián)系更加緊密，這種融合與滲透，必將促進(jìn)人工智能研究的進(jìn)一步發(fā)展。
附錄1：
人工情感
情感在人的思維活動(dòng)中占據(jù)極為重要的地位，決定和制約著人的行為活動(dòng)和其它思維活動(dòng)的基本框架與總體方向。
人工情感指用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的情感。使機(jī)器具有識(shí)別、理解和表達(dá)情感的能力。
由于情感是一種特殊的、更深刻的認(rèn)知，具有更高的復(fù)雜性和多變性。因此，人工情感必須建立在一定程度的人工智能的基礎(chǔ)上。
人工情感的發(fā)展，可分為7個(gè)基本階段：
①算術(shù)運(yùn)算。②數(shù)學(xué)運(yùn)算。③邏輯推理。④專家系統(tǒng)。⑤模式識(shí)別。⑥情感計(jì)算。⑦情感理解
（其中：前5個(gè)階段，是人工智能的發(fā)展歷程。）
情感是一種特殊的認(rèn)知。意志又是一種特殊的情感。人工情感可以使計(jì)算機(jī)具有友好的、人性化的人機(jī)界面，更重要的是能夠使計(jì)算機(jī)具有更高的信息處理速度與效率，具有獨(dú)立的決策能力和行為控制能力，具有創(chuàng)造性和開拓性的思維能力。
如果人工情感全面實(shí)現(xiàn)了。那么，人與機(jī)器人之間，就可以實(shí)現(xiàn)全面的融合，沒有明顯的界限、本質(zhì)的區(qū)別。
彼此可以相互轉(zhuǎn)換、相互滲透、相互促進(jìn)，也無所謂人與機(jī)器之間存在什么矛盾與沖突，這就是人工情感的最終歸宿。附錄2：
達(dá)特莫斯會(huì)議
1956年夏天，在美國(guó)達(dá)特莫斯大學(xué)，召開了一次影響深遠(yuǎn)的歷史性會(huì)議。與會(huì)者僅僅只有10青年學(xué)者。
研究的專業(yè)包括有：數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論和計(jì)算機(jī)科學(xué)。
在會(huì)上，分別從不同的角度探討了人工智能的可能性。
達(dá)特莫斯會(huì)議歷時(shí)長(zhǎng)達(dá)2個(gè)多月。
學(xué)者們?cè)诔浞钟懻摰幕A(chǔ)上，首次提出了“人工智能”這一術(shù)語，標(biāo)志著“人工智能”作為一門新興學(xué)科正式誕生。附錄2：
圖靈測(cè)試
阿蘭〃圖靈提出：在一個(gè)房間里，由1位提問者通過計(jì)算機(jī)與另外2個(gè)回答者人和機(jī)器對(duì)話。
如果提問者，分辨不出與他交流的對(duì)象哪個(gè)是人？哪個(gè)是機(jī)器？ 那么，就認(rèn)為這臺(tái)機(jī)器，具有了智能。
點(diǎn)擊咨詢 