第一篇:人工智能與電子商務(wù)解讀
人工智能與電子商務(wù)
2013年6月16日
人工智能在電子商務(wù)中的應(yīng)用
摘要:人工智能技術(shù)和電子商務(wù)的飛速發(fā)展推動(dòng)了全球科技經(jīng)濟(jì)領(lǐng)域的進(jìn)步,基于人工智能技術(shù)的電子商務(wù)更趨向完美和成熟。隨著電子商務(wù)的不斷發(fā)張和人工智能的不斷完善,兩者在各自領(lǐng)域、各個(gè)層次的相互融合將更加緊密。作為各自的成功因素,電子商務(wù)和人工智能技術(shù)的融合必將成為一種關(guān)鍵技術(shù)。
關(guān)鍵詞:電子商務(wù);人工智能;數(shù)據(jù)倉(cāng)庫(kù);數(shù)據(jù)挖掘
一、引言
電子商務(wù)的飛速發(fā)展給全球經(jīng)濟(jì)帶來(lái)的沖擊是巨大的?;谌斯ぶ悄芗夹g(shù)的電子商務(wù)將能更好地為其發(fā)展帶來(lái)良好的基礎(chǔ).這過(guò)程是電子商務(wù)向著良性發(fā)展的必然趨勢(shì)。本文從人工智能技術(shù)與電子商務(wù)的國(guó)內(nèi)外動(dòng)態(tài)人工智能技術(shù)在電子商務(wù)中的應(yīng)川例子,以及數(shù)據(jù)挖掘技術(shù)在web上的應(yīng)用等幾個(gè)方面對(duì)其進(jìn)行論述。
二、人工智能
人工智能(artificialintelligence,AI)是在計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)、語(yǔ)言學(xué)、等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來(lái)的一門(mén)綜合性很強(qiáng)的交叉科學(xué),是一門(mén)新思想、新觀念、新理論、新技術(shù)不斷出現(xiàn)的新興科學(xué)以及正在迅速發(fā)展的前沿學(xué)科【1】。人工智能是研究使機(jī)器具備人所具有的智能功能的一門(mén)高新技術(shù)學(xué)科。其目的是模擬、延伸和擴(kuò)展人的智能,以實(shí)現(xiàn)某些腦力勞動(dòng)的自動(dòng)化。實(shí)質(zhì)上,它是開(kāi)拓計(jì)算機(jī)應(yīng)用、研制新一代計(jì)算機(jī)和擴(kuò)展計(jì)算機(jī)應(yīng)用領(lǐng)域的技術(shù)基礎(chǔ),也是探索人腦奧秘的重要科學(xué)途徑。人工智能、原子能技術(shù)、空間技術(shù),被稱2O世紀(jì)的三大尖端科技。進(jìn)入21世紀(jì)后,人工智能仍是適應(yīng)信息時(shí)代需求的關(guān)鍵技術(shù)之一。明確上述人工智能定義后,不難指明智能化與電腦化的區(qū)別?!叭斯ぶ悄堋笔侵?,采用人工能理論方法和技術(shù),并具有某種或某些擬人智能特性或功能。有電腦后不一定采用人工智能方法,也不一定具有擬人智能特性,故不一定能被稱為“智能化”。
三、電子商務(wù)
電子商務(wù),源于英文ELECTR0NICC0MMERCE,簡(jiǎn)寫(xiě)為EC,指的是利用簡(jiǎn)單、快捷、低成本的電子通訊方式,買賣雙方不謀面地進(jìn)行各種商貿(mào)活動(dòng)?!?】其內(nèi)容包含兩個(gè)方面:一是電子方式;二是商貿(mào)活動(dòng)。電子商務(wù)可以通過(guò)多種電子通訊方式來(lái)完成,但是,現(xiàn)在人們所探討的電子商務(wù)主要是以EDI(電子數(shù)據(jù)交換)和INTER—NET來(lái)完成的。尤其是隨著INTERNET技術(shù)的日益成熟,電子商務(wù)真正的發(fā)展將是建立在INTERNET技術(shù)上的,所以也有人把電子商務(wù)簡(jiǎn)稱為IC(INTERNETC0MMERCEo從貿(mào)易活動(dòng)的角度分析,電子商務(wù)可以在多個(gè)環(huán)節(jié)實(shí)現(xiàn),由此也可以將電子商務(wù)分為兩個(gè)層次,較低層次的電子商務(wù)如電子商情、電子貿(mào)易、電子合同等;最完整的也是最高級(jí)的電子商務(wù)應(yīng)該是利用INTENET網(wǎng)絡(luò)能夠進(jìn)行全部的貿(mào)易活動(dòng),即在網(wǎng)上將信息流、商流、資金流和部分的物流完整地實(shí)現(xiàn),也就是說(shuō),你可以從尋找客戶開(kāi)始,一直到洽談、訂貨、在線付(收)款、開(kāi)據(jù)電子發(fā)票以至到電子報(bào)關(guān)、電子納稅等通過(guò)INTERNET一氣呵成。要實(shí)現(xiàn)完整的電子商務(wù),還會(huì)涉及到很多方面,除了買家、賣家外,還要有銀行或金融機(jī)構(gòu)、政府機(jī)構(gòu)、認(rèn)證機(jī)構(gòu)、配送中心等機(jī)構(gòu)的加入才行。由于參與電子商務(wù)中的各方在物理上是互不謀面的,因此整個(gè)電子商務(wù)過(guò)程并不是物理世界商務(wù)活動(dòng)的翻版,網(wǎng)上銀行、在線電子支付等條件和數(shù)據(jù)加密、電子簽名等技術(shù)在電子商務(wù)中發(fā)揮著重要的、不可或缺的作用。
四、人工智能國(guó)內(nèi)外的動(dòng)態(tài)
從1955年正式提出人工智能學(xué)科算起40多年來(lái)人工智能學(xué)科取得了長(zhǎng)足的發(fā)展.成為一門(mén)廣泛的交叉和前沿科學(xué)??偟恼f(shuō)來(lái)人工智能的目的就是讓計(jì)算機(jī)這臺(tái)機(jī)器能夠像人一樣思考,如果希望做出一臺(tái)能夠思考的機(jī)器月B就必須知道什么是思考更進(jìn)一步講就是什么是智慧。什么樣的機(jī)器才是智慧的呢,科學(xué)家已經(jīng)作出了汽車火車飛機(jī)收音機(jī)等等.它們我們身體器官的功能但是能不能模仿人類大腦的功能呢7到目前為止我也僅僅知道這個(gè)裝在我們天靈蓋里面的東西是由數(shù)十億個(gè)神經(jīng)細(xì)胞組成的器官.我們對(duì)這個(gè)東西知之甚少,模仿它或許是天下最困難的事情了當(dāng)計(jì)算機(jī)出現(xiàn)后人類開(kāi)始真正有了個(gè)可以模擬人類思維的工具在以后的歲月中無(wú)數(shù)科學(xué)家為這個(gè)目標(biāo)努力著.現(xiàn)在人“商場(chǎng)現(xiàn)代化"2007年10月(上甸刊j總 整個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)是一個(gè)包含四個(gè)層次的體系結(jié)構(gòu)。
(1)數(shù)據(jù)源。是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的基礎(chǔ),是整個(gè)系統(tǒng)的數(shù)據(jù)源泉通常包括企業(yè)內(nèi)部信息和外部信息。內(nèi)部信息包括存放于RDBMS中的各種業(yè)務(wù)處理數(shù)據(jù)和各類文檔數(shù)據(jù);外部信息包括各類法律法規(guī)、市場(chǎng)信息和競(jìng)爭(zhēng)對(duì)手的信息等等。(2).?dāng)?shù)據(jù)的存儲(chǔ)與管理。是整個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的核心。數(shù)據(jù)倉(cāng)庫(kù)的真正關(guān)鍵是數(shù)據(jù)的存儲(chǔ)和管理。數(shù)據(jù)倉(cāng)庫(kù)的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫(kù),同時(shí)也決定其對(duì)外部數(shù)據(jù)的表現(xiàn)形式。要決定采用什么產(chǎn)品和技術(shù)來(lái)建立數(shù)據(jù)倉(cāng)庫(kù)的核心,則需要從數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)特點(diǎn)著手分析。針對(duì)現(xiàn)有各業(yè)務(wù)系統(tǒng)的數(shù)據(jù),進(jìn)行抽取、清理,并有效集成,按照主題進(jìn)行組織。數(shù)據(jù)倉(cāng)庫(kù)按照數(shù)據(jù)的覆蓋范圍可以分為企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和部門(mén)級(jí)數(shù)據(jù)倉(cāng)庫(kù)(通常稱為數(shù)據(jù)集市)。(3).OLAP(On—lineAnalysis&Processing)fJ~.務(wù)器。對(duì)分析
需要的數(shù)據(jù)進(jìn)行有效集成,按多維模型予以組織,以便進(jìn)行多角度、多層次的分析,并發(fā)現(xiàn)趨勢(shì)。其具體實(shí)現(xiàn)可以分為ROLAP、MOLAP和HOLAP。ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中;MOLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫(kù)中;HOLAP基本數(shù)據(jù)存放于RDBMS之中,聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫(kù)中。
(4).前端工具。主要包括各種報(bào)表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)挖掘工具以及各種基于數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市的應(yīng)用開(kāi)發(fā)工具。其中,數(shù)據(jù)分析工具主要針對(duì)OLAP服務(wù)器;報(bào)表工具、數(shù)據(jù)挖掘工具主要針對(duì)數(shù)據(jù)倉(cāng)庫(kù)。
2、數(shù)據(jù)倉(cāng)庫(kù)的作用
數(shù)據(jù)倉(cāng)庫(kù)究竟能幫我們干點(diǎn)什么?簡(jiǎn)單地說(shuō),假設(shè)你用自動(dòng)柜員機(jī)取200元,當(dāng)你等待柜員機(jī)交易確認(rèn)時(shí),銀行可以查看一下你的賬號(hào),告訴你現(xiàn)金賬上錢(qián)太多,應(yīng)該換另一個(gè)賬號(hào),以便獲得更多利息。如果銀行這么對(duì)待你,作為消費(fèi)者你肯定會(huì)覺(jué)得這是一個(gè)好銀行。然而沒(méi)有數(shù)據(jù)倉(cāng)庫(kù),銀行就做不到這一點(diǎn)?,F(xiàn)在上網(wǎng)購(gòu)物常常給人帶來(lái)意外的驚喜。網(wǎng)站在你不知不覺(jué)中記錄你的行蹤,抓到你的喜好。如果你在網(wǎng)上點(diǎn)擊一下襯衫,之后又看了一下書(shū)和褲子,網(wǎng)站就會(huì)記住你的點(diǎn)擊順序,記下你在每個(gè)產(chǎn)品上停留的時(shí)間以及你買了什么,沒(méi)買什么。這些信息都由數(shù)據(jù)倉(cāng)庫(kù)保存整理。假如你買了褲子,沒(méi)買襯衫,下次你上網(wǎng)時(shí),數(shù)據(jù)倉(cāng)庫(kù)會(huì)跟你說(shuō),“歡迎再次光顧,上次您買了褲子,現(xiàn)在我們有一件襯衫可以優(yōu)惠賣給你。你感興趣嗎?”顧客遇到這種情況,一定是又驚又喜。這就是數(shù)據(jù)倉(cāng)庫(kù)的魅力。
數(shù)據(jù)倉(cāng)庫(kù)及管理軟件的市場(chǎng)潛力十分巨大。用一句話說(shuō),新經(jīng)濟(jì)的基礎(chǔ)是用互聯(lián)網(wǎng)武裝各種類型的公司,并使之自我發(fā)展,這個(gè)過(guò)程中產(chǎn)生許多數(shù)據(jù)。如果沒(méi)有數(shù)據(jù)倉(cāng)庫(kù)軟件,這些數(shù)據(jù)就根本沒(méi)有用處。有了數(shù)據(jù)倉(cāng)庫(kù),就可以了解客戶是誰(shuí),他需要什么,怎樣提供更好的服務(wù)給他,并以此創(chuàng)造更多利潤(rùn)。
(二)、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)
1、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)
數(shù)據(jù)挖掘(DMDataM川ng)和數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)(KDDKwowledgeDiscoveryinDatebase)是隨著數(shù)據(jù)庫(kù)技術(shù)人工智能拄術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展而提名的。尤其是隨著電子商務(wù)的開(kāi)展.信 萬(wàn)方數(shù)據(jù)電孑商務(wù)息總量不斷增加.更迫切地需要有效的信息分析工具以便能發(fā)現(xiàn)大量商業(yè)數(shù)據(jù)問(wèn)隱藏的依賴關(guān)系.從而抽取有用的信息或知識(shí)指導(dǎo)商業(yè)決策【5】。過(guò)去只有簡(jiǎn)單的數(shù)據(jù)統(tǒng)計(jì)技術(shù),還未達(dá)到成為智…能數(shù)據(jù)分析工具。因此.在數(shù)據(jù)生成和數(shù)據(jù)理解之間還存在很大的差距。DM和KDD就是種新型的數(shù)據(jù)分折技術(shù).旨在從大型數(shù)、據(jù)庫(kù)中提取隱藏的
預(yù)測(cè)性信息構(gòu)建高校的數(shù)據(jù)倉(cāng)庫(kù),發(fā)掘數(shù)據(jù)問(wèn)潛在的模式以便于用理解和觀察的形式反映給用戶,從而為企業(yè)做出前瞻的.基于知識(shí)的決策參考意見(jiàn)?!?】DM與KDD需要解決的問(wèn)題有:超大規(guī)模數(shù)據(jù)庫(kù)和高維數(shù)據(jù).?dāng)?shù)據(jù)丟失:變化中的數(shù)據(jù)和知識(shí).模式的易懂性非標(biāo)準(zhǔn)格式數(shù)據(jù),多媒體數(shù)據(jù)以及面向?qū)ο髷?shù)據(jù)的處理.與其他系統(tǒng)的集成.網(wǎng)絡(luò)與分布式環(huán)境下的KDD問(wèn)題等。DM與KDD的區(qū)別是.KDD是一個(gè)綜合的過(guò)程包括實(shí)驗(yàn)記錄疊代求解用戶交互以及許多定制要求和決策設(shè)計(jì)等而DM只是KDD中的一個(gè)具體但又是關(guān)鍵的步驟.,當(dāng)然.它們都對(duì)數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行有效利用的技術(shù)手段。
2、數(shù)據(jù)挖掘?qū)嶋H應(yīng)用
DM(KDD)工具和軟件已在各個(gè)部門(mén)得到很好的應(yīng)用,并收到明顯的效益。
[1]金融方面:銀行信用卡和保險(xiǎn)行業(yè),預(yù)測(cè)存/貸款趨勢(shì),優(yōu)化存/貸款策略,用DM將市場(chǎng)分成有意義的群組和部門(mén),從而協(xié)助市場(chǎng)經(jīng)理和業(yè)務(wù)執(zhí)行人員更好地集中于有促進(jìn)作用的活動(dòng)和設(shè)計(jì)新的市場(chǎng)運(yùn)動(dòng)。
[2]在客戶關(guān)系管理方面:DM能找出產(chǎn)品使用模式或協(xié)助了解客戶行為,從而可以改進(jìn)通道管理(如銀行分支和ATM等)。又如正確時(shí)間銷售(RightTimeMarKeting)就是基于顧客生活周期模型來(lái)實(shí)施的。
[3]在零售業(yè)/市場(chǎng)營(yíng)銷方面:是數(shù)據(jù)挖掘技術(shù)應(yīng)用最早也是最重要的領(lǐng)域,DM用于顧客購(gòu)貨籃的分析可以協(xié)助貨架布置,促銷活動(dòng)時(shí)間,促銷商品組合以及了解滯銷和暢銷商品狀況等商業(yè)活動(dòng)。通過(guò)對(duì)一種廠家商品在各連鎖店的市場(chǎng)共享分析,客戶統(tǒng)計(jì)以及歷史狀況的分析,可以確定銷售和廣告業(yè)務(wù)的有效性。
[4]在過(guò)程控制/質(zhì)量監(jiān)督保證方面:DM協(xié)助管理大數(shù)量變量之間的相互作用,DM能自動(dòng)發(fā)現(xiàn)出某些不正常的數(shù)據(jù)分布,暴露制造和裝配操作過(guò)程中變化情況和各種因素,從而協(xié)助質(zhì)量工程師很快地注意到問(wèn)題發(fā)生范圍和采取改正措施。
[5]在遠(yuǎn)程通訊部門(mén):基于DM的分析協(xié)助組織策略變更以適應(yīng)外部世界的變化,確定市場(chǎng)變化模式以指導(dǎo)銷售計(jì)劃.在網(wǎng)絡(luò)容量利用方面,DM能提供對(duì)客戶組類服務(wù)使用的結(jié)構(gòu)和模式的了解,從而指導(dǎo)容量計(jì)劃人員對(duì)網(wǎng)絡(luò)設(shè)施作出最佳投資決策。
[6]化學(xué)/制藥行業(yè):從各種文獻(xiàn)資料總自動(dòng)抽取有關(guān)化學(xué)反應(yīng)的信息,發(fā)現(xiàn)新的有用化學(xué)成分。在遙感領(lǐng)域針對(duì)每天從衛(wèi)星上及其它方面來(lái)的巨額數(shù)據(jù),對(duì)氣象預(yù)報(bào),臭氧層監(jiān)測(cè)等能起很大作用。
[7]軍事方面:使用DM進(jìn)行軍事信息系統(tǒng)中的目標(biāo)特征提取、態(tài)勢(shì)關(guān)聯(lián)規(guī)則挖掘等??傊?,DM可廣泛應(yīng)用于銀行金融、零售與批發(fā)、制造、保險(xiǎn)、公共設(shè)施、政府、教育、遠(yuǎn)程通訊、軟件開(kāi)發(fā)、運(yùn)輸?shù)雀鱾€(gè)企事業(yè)單位及國(guó)防科研上。據(jù)報(bào)導(dǎo),DM的投資回報(bào)率有達(dá)400%甚至10倍的事例。
(三)、生物認(rèn)證技術(shù)
目前,許多磁卡、存單大都是用密碼進(jìn)行安全保障的。一旦密碼泄露,也就不安全了。在電子商務(wù)中,電子貨幣將得到急速的發(fā)展。對(duì)安全水平的要求也相應(yīng)提高。從而帶動(dòng)了人工智能的一個(gè)分支領(lǐng)域——生物認(rèn)證技術(shù)的研究與開(kāi)發(fā)。
生物認(rèn)證技術(shù)是指利用人體某一具有特征的部位?;騻€(gè)人的習(xí)慣,如指紋、掌紋、手形、網(wǎng)膜、虹膜、臉型、聲紋及筆記等來(lái)識(shí)別人們的身份的技術(shù)。這種識(shí)別技術(shù)與磁卡式的靠持有物認(rèn)證的方法和密碼式的靠只是認(rèn)證的方法相比,具有極大的優(yōu)越性。它不會(huì)丟失,被盜和偽造。
生物認(rèn)證技術(shù)作為一種準(zhǔn)確、快速和高效的身份認(rèn)證方法,正應(yīng)用于如銀行、海關(guān)、醫(yī)療保險(xiǎn)、重要通道控制、信息網(wǎng)絡(luò)安全等領(lǐng)域。這是一項(xiàng)集現(xiàn)代化生物科技與計(jì)算機(jī)科學(xué)相結(jié)合
的高科技實(shí)用項(xiàng)目。微軟公司宣布把生物認(rèn)證技術(shù)添加到自己的視窗操作系統(tǒng)中。這對(duì)這項(xiàng)新技術(shù)的發(fā)展將起到促進(jìn)作用。
(四)、智能數(shù)據(jù)庫(kù)信息檢索 在電子商務(wù)平臺(tái)應(yīng)用實(shí)踐中,如何根據(jù)用戶的意圖,興趣和特點(diǎn)自適應(yīng)地和智能地從現(xiàn)有的客戶信息、商品庫(kù)信息等大量數(shù)據(jù)信息中對(duì)信息進(jìn)行相關(guān)性排列,調(diào)整匹配機(jī)制,以獲得用戶滿意的檢索輸出,成為電子商務(wù)今后;應(yīng)用所面臨的一個(gè)技術(shù)問(wèn)題。
六、結(jié)論
本文從人工智能技術(shù)和電子商務(wù)技術(shù)的發(fā)展,人工智能技術(shù)在電子商務(wù)中的應(yīng)用實(shí)例,以及數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的實(shí)際應(yīng)用進(jìn)行概括的論述。隨著電子商務(wù)的不斷發(fā)展和人工智能的不斷完善,兩者在各個(gè)領(lǐng)域、各個(gè)層次的相互融合將更加密切。
總而言之,作為一種商務(wù)活動(dòng)過(guò)程,人工智能在電子商務(wù)中的應(yīng)用將帶來(lái)一場(chǎng)史無(wú)前例的革命,其對(duì)社會(huì)經(jīng)濟(jì)的影響會(huì)遠(yuǎn)遠(yuǎn)超過(guò)商務(wù)本身。除了上述這些影響之外,他還將對(duì)就業(yè)、法律制度以及文化教育等帶來(lái)巨大的影響。
參考文獻(xiàn)
【1】王萬(wàn)良。人工智能及其應(yīng)用(10、一日無(wú)書(shū),百事荒廢?!悏?/p>
11、書(shū)是人類進(jìn)步的階梯。
12、一日不讀口生,一日不寫(xiě)手生。
13、我撲在書(shū)上,就像饑餓的人撲在面包上?!郀柣?/p>
14、書(shū)到用時(shí)方恨少、事非經(jīng)過(guò)不知難。——陸游
15、讀一本好書(shū),就如同和一個(gè)高尚的人在交談——歌德
16、讀一切好書(shū),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(yáng);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(shū)給人以快樂(lè)、給人以光彩、給人以才干。——培根
第二篇:人工智能與專家系統(tǒng)課程設(shè)計(jì)解讀
目錄
1.設(shè)計(jì)任務(wù) 1.1 設(shè)計(jì)題目 1.2設(shè)計(jì)要求 1.3設(shè)計(jì)任務(wù) 2.方案設(shè)計(jì) 2.1原理
2.2 具體設(shè)計(jì)方法 3.系統(tǒng)實(shí)施
3.1 系統(tǒng)開(kāi)發(fā)環(huán)境 3.2系統(tǒng)主要功能介紹 3.3處理流程圖 3.4 核心源程序 3.5系統(tǒng)運(yùn)行結(jié)果 4.開(kāi)發(fā)心得
4.1設(shè)計(jì)存在的問(wèn)題
4.2進(jìn)一步改進(jìn)提高的設(shè)想 4.3經(jīng)驗(yàn)和體會(huì) 5.參考文獻(xiàn) 1.設(shè)計(jì)任務(wù) 1.1 設(shè)計(jì)題目
在一個(gè)3*3的方棋盤(pán)上放置著1,2,3,4,5,6,7,8八個(gè)數(shù)碼,每個(gè)數(shù)碼占一格,且有一個(gè)空格。這些數(shù)碼可以在棋盤(pán)上移動(dòng),該問(wèn)題稱八數(shù)碼難題或者重排九宮問(wèn)題。
1.2 設(shè)計(jì)要求
其移動(dòng)規(guī)則是:與空格相鄰的數(shù)碼方格可以移入空格?,F(xiàn)在的問(wèn)題是:對(duì)于指定的初始棋局和目標(biāo)棋局,給出數(shù)碼的移動(dòng)序列。
1.3 設(shè)計(jì)任務(wù)
利用人工智能的圖搜索技術(shù)進(jìn)行搜索,解決八數(shù)碼問(wèn)題來(lái)提高在推理中的水平,同時(shí)進(jìn)行新方法的探討。
2.方案設(shè)計(jì) 2.1 原理
八數(shù)碼問(wèn)題是個(gè)典型的狀態(tài)圖搜索問(wèn)題。搜索方式有兩種基本的方式,即樹(shù)式搜索和線式搜索。搜索策略大體有盲目搜索和啟發(fā)式搜索兩大類。盲目搜索就是無(wú)“向?qū)А钡乃阉鳎瑔l(fā)式搜索就是有“向?qū)А钡乃阉鳌?/p>
2.2 具體設(shè)計(jì)方法
啟發(fā)式搜索
由于時(shí)間和空間資源的限制,窮舉法只能解決一些狀態(tài)空間很小的簡(jiǎn)單問(wèn)題,而對(duì)于那些大狀態(tài)空間的問(wèn)題,窮舉法就不能勝任,往往會(huì)導(dǎo)致“組合爆炸”。所以引入啟發(fā)式搜索策略。啟發(fā)式搜索就是利用啟發(fā)性信息進(jìn)行制導(dǎo)的搜索。它有利于快速找到問(wèn)題的解。由八數(shù)碼問(wèn)題的部分狀態(tài)圖可以看出,從初始節(jié)點(diǎn)開(kāi)始,在通向目標(biāo)節(jié)點(diǎn)的路徑上,各節(jié)點(diǎn)的數(shù)碼格局同目標(biāo)節(jié)點(diǎn)相比較,其數(shù)碼不同的位置個(gè)數(shù)在逐漸減少,最后為零。所以,這個(gè)數(shù)碼不同的位置個(gè)數(shù)便是標(biāo)志一個(gè)節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)距離遠(yuǎn)近的一個(gè)啟發(fā)性信息,利用這個(gè)信息就可以指導(dǎo)搜索。即可以利用啟發(fā)信息來(lái)擴(kuò)展節(jié)點(diǎn)的選擇,減少搜索范圍,提高搜索速度。
啟發(fā)函數(shù)設(shè)定。對(duì)于八數(shù)碼問(wèn)題,可以利用棋局差距作為一個(gè)度量。搜索過(guò)程中,差距會(huì)逐漸減少,最終為零,為零即搜索完成,得到目標(biāo)棋局。
3.系統(tǒng)實(shí)施
3.1 系統(tǒng)開(kāi)發(fā)環(huán)境
Windows操作系統(tǒng)、SQL Server 200X
3.2 系統(tǒng)主要功能介紹
該搜索為一個(gè)搜索樹(shù)。為了簡(jiǎn)化問(wèn)題,搜索樹(shù)節(jié)點(diǎn)設(shè)計(jì)如下: struct Chess//棋盤(pán)
3.4 核心源程序
#include “stdio.h” #include “stdlib.h” #include “time.h” #include “string.h” #include
const int N=3;//3*3棋盤(pán)
const int Max_Step=30;//最大搜索深度
enum Direction{None,Up,Down,Left,Right};//方向 struct Chess//棋盤(pán) { int cell[N][N];//數(shù)碼數(shù)組
int Value;//評(píng)估值
Direction BelockDirec;//所屏蔽方向
struct Chess * Parent;//父節(jié)點(diǎn) };
//打印棋盤(pán)
void PrintChess(struct Chess *TheChess){ printf(“----------n”);for(int i=0;i printf(“t”); for(int j=0;j { printf(“%dt”,TheChess->cell[i][j]); } printf(“n”);} printf(“tttt差距:%dn”,TheChess->Value);} break;case Left: t_j++; if(t_j>=N) AbleMove=false; break;case Right: t_j--; if(t_j<0) AbleMove=false; break;};if(!AbleMove)//不可以移動(dòng)則返回原節(jié)點(diǎn) { return TheChess;} if(CreateNewChess){ NewChess=new Chess(); for(int x=0;x { for(int y=0;y NewChess->cell[x][y]=TheChess->cell[x][y]; } } else NewChess=TheChess;NewChess->cell[i][j]=NewChess->cell[t_i][t_j];NewChess->cell[t_i][t_j]=0; return NewChess;} //初始化一個(gè)初始棋盤(pán) struct Chess * RandomChess(const struct Chess * TheChess) p=NULL;queue do{ p1=(struct Chess *)Queue1.front(); Queue1.pop(); for(int i=1;i<=4;i++)//分別從四個(gè)方向推導(dǎo)出新子節(jié)點(diǎn) { Direction Direct=(Direction)i; if(Direct==p1->BelockDirec)//跳過(guò)屏蔽方向 continue; p2=MoveChess(p1,Direct,true);//移動(dòng)數(shù)碼 if(p2!=p1)//數(shù)碼是否可以移動(dòng) { Appraisal(p2,Target);//對(duì)新節(jié)點(diǎn)估價(jià) if(p2->Value<=p1->Value)//是否為優(yōu)越節(jié)點(diǎn) { p2->Parent=p1; switch(Direct)//設(shè)置屏蔽方向,防止往回推 { case Up:p2->BelockDirec=Down;break; case Down:p2->BelockDirec=Up;break; case Left:p2->BelockDirec=Right;break; case Right:p2->BelockDirec=Left;break; } Queue1.push(p2);//存儲(chǔ)節(jié)點(diǎn)到待處理隊(duì)列 if(p2->Value==0)//為0則,搜索完成{ p=p2; i=5; } } else { //打印 if(T){ /*把路徑倒序*/ Chess *p=T; stack while(p->Parent!=NULL) { Stack1.push(p); p=p->Parent; } printf(“搜索結(jié)果:n”); while(!Stack1.empty()) { PrintChess(Stack1.top()); Stack1.pop(); } printf(“n完成!”);}else printf(“搜索不到結(jié)果.深度為%dn”,Max_Step); scanf(“%d”,T);} 3.5 系統(tǒng)運(yùn)行結(jié)果 4.開(kāi)發(fā)心得 4.1 設(shè)計(jì)存在的問(wèn)題 完全能解決簡(jiǎn)單的八數(shù)碼問(wèn)題,但對(duì)于復(fù)雜的八數(shù)碼問(wèn)題還是無(wú)能為力。4.2 進(jìn)一步改進(jìn)提高的設(shè)想 可以改變數(shù)碼規(guī)模(N),來(lái)擴(kuò)展成N*N的棋盤(pán),即擴(kuò)展為N數(shù)碼問(wèn)題的求解過(guò)程。 2、內(nèi)存泄漏。由于采用倒鏈表的搜索樹(shù)結(jié) 05.參考文獻(xiàn) [1]王汝傳.計(jì)算機(jī)圖形學(xué)[M].北京:人民郵電出版社,1999:123-130.[2]劉榴娣,劉明奇,黨長(zhǎng)民.實(shí)用數(shù)字圖像處理[M].北京:北京理工大學(xué)出版,2000:12-25..[3]丁兆海.Delphi基礎(chǔ)教程[M].北京:電子工業(yè)出版社,1999.[4]王小華.Delphi 5程序設(shè)計(jì)與控件參考[M].北京:電子工業(yè)出版社,1999:70-120.[5]趙子江.多媒體技術(shù)基礎(chǔ)[M].北京:機(jī)械工業(yè)出版社,2001:118-130.[6]段來(lái)盛,鄭城榮,曹恒.Delphi實(shí)戰(zhàn)演練[M].北京:人民郵政出版社,2002:80-95. 讀書(shū)的好處 1、行萬(wàn)里路,讀萬(wàn)卷書(shū)。 2、書(shū)山有路勤為徑,學(xué)海無(wú)涯苦作舟。 3、讀書(shū)破萬(wàn)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(lái)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(shū)遲?!佌媲?/p> 7、寶劍鋒從磨礪出,梅花香自苦寒來(lái)。 8、讀書(shū)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(wú)書(shū),百事荒廢?!悏?/p> 11、書(shū)是人類進(jìn)步的階梯。 12、一日不讀口生,一日不寫(xiě)手生。 13、我撲在書(shū)上,就像饑餓的人撲在面包上?!郀柣?/p> 14、書(shū)到用時(shí)方恨少、事非經(jīng)過(guò)不知難?!懹?/p> 15、讀一本好書(shū),就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書(shū),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(yáng);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(shū)給人以快樂(lè)、給人以光彩、給人以才干?!喔?/p> 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(kāi)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(kāi)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(mén)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(wèn)題,并首次提出了人工智能的術(shù)語(yǔ)。從此,人工智能這門(mén)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(xiě)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(wèn)題都表示成一個(gè)樹(shù)形模型,然后選擇最可能得到正確結(jié)論的那一枝來(lái)求解問(wèn)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(kāi)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(guò)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(guò)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(yǔ)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(yǔ)言的重要里程碑。目前,LISP語(yǔ)言仍然是研究人工智能何開(kāi)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(guò)心理學(xué)實(shí)驗(yàn),發(fā)現(xiàn)人在解題時(shí)的思維過(guò)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(guò)程;3.在實(shí)施解題過(guò)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(guò)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(wèn)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(lái)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(wèn)題求解程序GPS”,用它來(lái)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(wèn)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(guò)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(méi)有被證明的數(shù)學(xué)定理; ③.不出十年,計(jì)算機(jī)將譜寫(xiě)出具有較高美學(xué)價(jià)值并得到評(píng)論家認(rèn)可的樂(lè)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(lái)形成。 非常遺憾的是,到目前為止,這樣的預(yù)言還沒(méi)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(wèn)題。這些問(wèn)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(wàn)步竟還沒(méi)有得證。 (2)塞繆爾的下棋程序,贏得了周冠軍后,沒(méi)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(yǔ)→俄語(yǔ)→英語(yǔ)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(shū)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(lái)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(méi)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?,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(mén)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(lái),開(kāi)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(guò)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(lái)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(kù)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(wèn)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(kāi)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(yǔ)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(kāi)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(shuō)實(shí)用價(jià)值可能超過(guò)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(yǔ)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(kù)查詢語(yǔ)句,再到情報(bào)數(shù)據(jù)庫(kù)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(wèn)題求解。 在這一時(shí)期,人工智能在新方法、程序設(shè)計(jì)語(yǔ)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(kāi)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(jué)方面的新理論,例如,如何通過(guò)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(guò)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?tīng)桘渹惡退I(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(yǔ)言之后的另一種重要的人工智能程序語(yǔ)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(wèn)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(guò)程中的利用等方面開(kāi)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(guò)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(wèn)題。至此,圍繞著開(kāi)發(fā)專家系統(tǒng)而開(kāi)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(kāi)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(kāi)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(lè)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(méi)有分布式功能、實(shí)用性差等等問(wèn)題逐步暴露出來(lái)。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(kāi)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(wèn)題,而是涉及人工智能研究的根本性問(wèn)題??偟膩?lái)講是兩個(gè)問(wèn)題:一是所謂的交互(Interaction)問(wèn)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(wèn)題是擴(kuò)展(Scaling up)問(wèn)題,即所謂的大規(guī)模的問(wèn)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(kāi)發(fā)出來(lái),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(lái),給人們帶來(lái)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(wèn)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(kāi)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(wèn)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(wú)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(lái),并認(rèn)為研制可適應(yīng)環(huán)境的“機(jī)器蟲(chóng)”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(wèn)題,開(kāi)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(kāi)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(wèn)題用不同的方法來(lái)解決,或用聯(lián)合(混合、融合)的方法來(lái)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(guò)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(yǔ)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(wèn)題得以較好的解決。應(yīng)該說(shuō),人工智能的成就是巨大的,影響是深遠(yuǎn)的。 讀書(shū)的好處 1、行萬(wàn)里路,讀萬(wàn)卷書(shū)。 2、書(shū)山有路勤為徑,學(xué)海無(wú)涯苦作舟。 3、讀書(shū)破萬(wàn)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(lái)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(shū)遲?!佌媲?/p> 7、寶劍鋒從磨礪出,梅花香自苦寒來(lái)。 8、讀書(shū)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(wú)書(shū),百事荒廢?!悏?/p> 11、書(shū)是人類進(jìn)步的階梯。 12、一日不讀口生,一日不寫(xiě)手生。 13、我撲在書(shū)上,就像饑餓的人撲在面包上?!郀柣?/p> 14、書(shū)到用時(shí)方恨少、事非經(jīng)過(guò)不知難。——陸游 15、讀一本好書(shū),就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書(shū),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(yáng);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(shū)給人以快樂(lè)、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(lái)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(lái)越普遍,計(jì)算機(jī)被人類賦予了越來(lái)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(lái)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(wèn)題。本文對(duì)知識(shí)處理的核心問(wèn)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(yǔ)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(yǔ)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(ài)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(guò)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(wú)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(lái)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(shuō)問(wèn)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(shuō)明了完整的只是形式是一個(gè)復(fù)雜的智能過(guò)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(shuō)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(yǔ)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?。比如,?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(wèn)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(wèn)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(wèn)題的相關(guān)知識(shí),映射為一種便于找到該問(wèn)題解的數(shù)據(jù)結(jié)構(gòu)。對(duì)知識(shí)進(jìn)行表示的過(guò)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(guò)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(wèn)題實(shí)現(xiàn)機(jī)器求解,但機(jī)器直接對(duì)原始問(wèn)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(wèn)題映射為它的一種同構(gòu)或同態(tài)問(wèn)題,然后在對(duì)同構(gòu)或同態(tài)問(wèn)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(wèn)題有相同的形式解,然而對(duì)于同態(tài)問(wèn)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(jiàn)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(yǔ)義網(wǎng)絡(luò)表示法,腳本表示法,過(guò)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(guò)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(guò)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(guò)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(guò)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(wèn)題的處理。對(duì)于復(fù)雜系統(tǒng)的求解問(wèn)題,容易陷入冗長(zhǎng)演繹推理中,常常不可避免地帶來(lái)求解效率低,甚至產(chǎn)生“組合爆炸”問(wèn)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(yǔ)。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(kù)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(kù)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(yǔ)義網(wǎng)絡(luò)表達(dá)式 語(yǔ)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(yǔ)義關(guān)系來(lái)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(yǔ)言處理。語(yǔ)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(lái)表示,用來(lái)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(lái)聯(lián)結(jié),用以表示事物之間的結(jié)構(gòu),即語(yǔ)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(lái)對(duì)節(jié)點(diǎn)、弧線和語(yǔ)義關(guān)系作出相宜的補(bǔ)充、解釋與說(shuō)明。 語(yǔ)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(lái),主要優(yōu)點(diǎn)在于采用語(yǔ)義關(guān)系的有向圖來(lái)連接,語(yǔ)義、語(yǔ)法、詞語(yǔ)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(yǔ)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(méi)有公認(rèn)嚴(yán)密的形式表達(dá)體系,卻不可避免地帶來(lái)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(yǔ)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(guó)著名的人工智能學(xué)者M(jìn).L.Minsky(明斯基)提出來(lái)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??蚣苁且环N被用來(lái)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?。褐v師)n 部門(mén): 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(shuō)明性的信息,表明了相關(guān)槽的值的填寫(xiě)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(guò)于死板,難以描述諸如機(jī)器人糾紛等類問(wèn)題的動(dòng)態(tài)交互過(guò)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(yǔ)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(lái)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(yǔ)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(shū)的好處 1、行萬(wàn)里路,讀萬(wàn)卷書(shū)。 2、書(shū)山有路勤為徑,學(xué)海無(wú)涯苦作舟。 3、讀書(shū)破萬(wàn)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(lái)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(shū)遲?!佌媲?/p> 7、寶劍鋒從磨礪出,梅花香自苦寒來(lái)。 8、讀書(shū)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(wú)書(shū),百事荒廢?!悏?/p> 11、書(shū)是人類進(jìn)步的階梯。 12、一日不讀口生,一日不寫(xiě)手生。 13、我撲在書(shū)上,就像饑餓的人撲在面包上?!郀柣?/p> 14、書(shū)到用時(shí)方恨少、事非經(jīng)過(guò)不知難?!懹?/p> 15、讀一本好書(shū),就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書(shū),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(yáng);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(shū)給人以快樂(lè)、給人以光彩、給人以才干。——培根 人工智能課程論文 題目:人工智能:用科學(xué)解密生命與智慧 姓 名: 學(xué) 號(hào): 指導(dǎo)老師: 人工智能:用科學(xué)解密生命與智慧 摘要 本文是對(duì)人工智能及其應(yīng)用的一個(gè)綜述。首先介紹了人工智能的理論基礎(chǔ)以其與人類智能的區(qū)別和聯(lián)系。然后簡(jiǎn)要介紹了人工智能的發(fā)展現(xiàn)狀以及未來(lái)趨勢(shì),并列舉了一些人工智能在生活中的應(yīng)用。對(duì)人工智能的一個(gè)熱門(mén)分支——神經(jīng)計(jì)算進(jìn)行了著重介紹,人工神經(jīng)網(wǎng)絡(luò)通過(guò)模擬人腦的學(xué)習(xí)機(jī)制,將人工智能的重點(diǎn)從符號(hào)表示可靠的推理策略問(wèn)題轉(zhuǎn)化到學(xué)習(xí)和適應(yīng)的問(wèn)題,描述了其在字符識(shí)別問(wèn)題上的實(shí)際應(yīng)用。 人工智能:用科學(xué)解密生命與智慧 目錄 一,人工智能與人類智能..............................................................................................4 1,什么是智能?.................................................................................................4 2,機(jī)器智能不等同于人類智能.........................................................................5 二,人工智能當(dāng)前進(jìn)展..................................................................................................6 三,人工智能在生活中的應(yīng)用......................................................................................7 四,人工智能的前沿分支:神經(jīng)計(jì)算..........................................................................9 1,人工神經(jīng)網(wǎng)絡(luò):從大腦得到靈感.................................................................9 2,神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例:基于Deep autoencoder的字符圖像識(shí)別...............10 五,人工智能未來(lái)發(fā)展趨勢(shì)........................................................................................12 小結(jié)................................................................................................................................13 參考文獻(xiàn)........................................................................................................................1 4人工智能:用科學(xué)解密生命與智慧 一,人工智能與人類智能 人工智能(Artificial Intelligence,AI)是計(jì)算機(jī)科學(xué)的一個(gè)分支,它關(guān)心智能行為的自動(dòng)化。AI是計(jì)算機(jī)科學(xué)的一部分,因而必須建立在堅(jiān)實(shí)的理論知識(shí)之上并應(yīng)用于計(jì)算機(jī)科學(xué)領(lǐng)域。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。1,什么是智能? 雖然大多數(shù)人確信看到智能行為是能判斷它是智能的,但是似乎沒(méi)有人能夠使“智能”的定義既足夠又具體以評(píng)估計(jì)算機(jī)程序的智能性,同時(shí)又反映了人類意識(shí)的生動(dòng)性和復(fù)雜性。 這樣實(shí)現(xiàn)一般智能就是塑造特定智能的人工制品。這些制品通常以診斷、預(yù)測(cè)或可視化工具實(shí)現(xiàn),能夠使得人類使用者完成復(fù)雜的任務(wù)。例如:用語(yǔ)言理解的馬爾可夫模型,提供新數(shù)學(xué)理論的自動(dòng)推理系統(tǒng),通過(guò)大腦皮層網(wǎng)跟蹤信號(hào)的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò),以及基因表達(dá)的數(shù)據(jù)模式的可視化,等等。 因此,定義人工智能完全領(lǐng)域的問(wèn)題就變成了定義智能本身的問(wèn)題:智能是一種獨(dú)立的才能,還是一系列獨(dú)一無(wú)二且不相關(guān)的能力的總稱?在多大程度上可以說(shuō)智能是學(xué)到的不是預(yù)先存在的?準(zhǔn)確的說(shuō),學(xué)習(xí)時(shí)發(fā)生什么?什么是創(chuàng)造力?什么是直覺(jué)?智能是從可觀察行為推斷出的,還是需要特定內(nèi)部機(jī)制的證據(jù)?在一個(gè)生物體的神經(jīng)組織中,知識(shí)是以何種方式表示的?什么是自覺(jué),它在智能中起著怎樣的作用?另外,有必要按照已知的人類智能模式來(lái)設(shè)計(jì)智能計(jì)算機(jī)程序嗎?智能實(shí)體是不是需要只有在生物中存在的豐富感受和經(jīng)歷? 這一系列的問(wèn)題很難回答,但這些問(wèn)題幫助我們勾勒出現(xiàn)代人工智能研究的核心問(wèn)題以及求解方法。實(shí)際上,人工智能提供了一種獨(dú)特而強(qiáng)大的工具來(lái)精確探索這些問(wèn)題。AI為智能理論提供了一種媒介和實(shí)驗(yàn)臺(tái):首先用計(jì)算機(jī)程序語(yǔ)言表達(dá)出這些理論,然后在實(shí)際計(jì)算機(jī)上執(zhí)行來(lái)進(jìn)行測(cè)試和驗(yàn)證。 人工智能:用科學(xué)解密生命與智慧 2,機(jī)器智能不等同于人類智能 瑪麗·雪萊在她的《弗蘭肯斯坦》一書(shū)的序言中這樣寫(xiě)道: 大多是拜倫勛爵和雪萊之間的對(duì)話,而我只是一個(gè)虔誠(chéng)、安靜的聽(tīng)眾。其中有一次,他們討論了各種哲學(xué)學(xué)說(shuō),以及有關(guān)生命原理的問(wèn)題,并且談到這些原理有否可能曾被發(fā)現(xiàn)和討論過(guò)。他們談及了達(dá)爾文博士的實(shí)驗(yàn)(我不能確認(rèn)達(dá)爾文博士是否真正做過(guò)這個(gè)實(shí)驗(yàn),我只是說(shuō)當(dāng)時(shí)有人講他做過(guò)這樣的實(shí)驗(yàn)),他把一段蠕蟲(chóng)(vermicelli)儲(chǔ)藏在玻璃罐中,在采取了一些特殊方法之后,它開(kāi)始自發(fā)運(yùn)動(dòng)。難道生命不是這樣形成的嗎?或許死尸還可能復(fù)活;流電電流實(shí)驗(yàn)已經(jīng)讓我們看到了這樣的跡象:生命體的組成部分可以被制造、組合并注入活力(Butler 1998)。 瑪麗·雪萊告訴我們,諸如達(dá)爾文的進(jìn)化論和發(fā)現(xiàn)電流這樣的科學(xué)進(jìn)步已經(jīng)使普通民眾相信:自然法則并非奧妙無(wú)窮,而是可以被系統(tǒng)分析和理解的。弗蘭肯斯坦的魔鬼并不是“薩滿教”咒語(yǔ)或與地獄可怕交易的產(chǎn)物;而是由一個(gè)個(gè)單獨(dú)“制造”的部件組裝起來(lái)的,并且被注入了強(qiáng)大的電能。盡管19世紀(jì)的科學(xué)還不足以使人認(rèn)識(shí)到理解和創(chuàng)造一個(gè)完全智能主體的意義,但它至少加深了這樣的認(rèn)識(shí):生命和智慧的奧秘可以被納入到科學(xué)分析中。也就是說(shuō),人可以讓機(jī)器擁有所謂的“智能”。[1] 1936年,哲學(xué)家阿爾弗雷德·艾耶爾思考心靈哲學(xué)問(wèn)題:我們?cè)趺粗榔渌嗽型瑯拥捏w驗(yàn)。在《語(yǔ)言,真理與邏輯》中,艾爾建議有意識(shí)的人類及無(wú)意識(shí)的機(jī)器之間的區(qū)別。 1950年,圖靈發(fā)表了一篇?jiǎng)潟r(shí)代的論文,文中預(yù)言了創(chuàng)造出具有真正智能的機(jī)器的可能性[1]。由于注意到“智能”這一概念難以確切定義,他提出了著名的圖靈測(cè)試:如果一臺(tái)機(jī)器能夠與人類展開(kāi)對(duì)話(通過(guò)電傳設(shè)備)而不能被辨別出其機(jī)器身份,那么稱這臺(tái)機(jī)器具有智能。這一簡(jiǎn)化使得圖靈能夠令人信服地說(shuō)明“思考的機(jī)器”是可能的。論文中還回答了對(duì)這一假說(shuō)的各種常見(jiàn)質(zhì)疑。[2] 圖靈測(cè)試是人工智能哲學(xué)方面第一個(gè)嚴(yán)肅的提案。 1952年,在一場(chǎng)BBC廣播中,圖靈談到了一個(gè)新的具體想法:讓計(jì)算機(jī)來(lái)冒充人。如果不足70%的人判對(duì),也就是超過(guò)30%的裁判誤以為在和自己說(shuō)話的是人 人工智能:用科學(xué)解密生命與智慧 而非計(jì)算機(jī),那就算作成功了。 2014年6月8日,一臺(tái)計(jì)算機(jī)成功讓人類相信它是一個(gè)13歲的男孩,成為有史以來(lái)首臺(tái)通過(guò)圖靈測(cè)試的計(jì)算機(jī)。這被認(rèn)為是人工智能發(fā)展的一個(gè)里程碑事件,但專家警告稱,這項(xiàng)技術(shù)可用于網(wǎng)絡(luò)犯罪。[3-5]。 盡管圖靈測(cè)試具有直觀上的吸引力,圖靈測(cè)試還是受到了很多無(wú)可非議的批評(píng)。其中一個(gè)重要的質(zhì)疑時(shí)它偏向于純粹的符號(hào)求解任務(wù)。它并不測(cè)試感知技能或要實(shí)現(xiàn)手工靈活性所需的能力,而這些都是人類智能的重要組成部分。另一方面,有人提出圖靈測(cè)試沒(méi)有必要把機(jī)器智能強(qiáng)行套入人類智能的模具之中。人工智能或許本就不同于人類智能,我們并不希望一臺(tái)機(jī)器做數(shù)學(xué)題像人類一樣又慢又不準(zhǔn),我們希望的是它自身有點(diǎn)的最大化,比如快速準(zhǔn)確的處理數(shù)據(jù),長(zhǎng)久的存儲(chǔ)數(shù)據(jù),沒(méi)有必要模仿人類的認(rèn)知特征。 但是,人工智能中一部分主要的研究著偏重于研究對(duì)人類智能的理解。人們?yōu)橹悄芑顒?dòng)提供了一種原型實(shí)例,一些應(yīng)用(比如診斷理解)通常有意地將模型建立在該領(lǐng)域的權(quán)威專家的解決過(guò)程上。更為重要的是,理解人類智能本身就是一個(gè)吸引人的、有待研究的科學(xué)挑戰(zhàn)。 二,人工智能當(dāng)前進(jìn)展 問(wèn)題的求解 人工智能中的問(wèn)題解求,就是如何讓機(jī)器去解決人類會(huì)遇到的問(wèn)題,如何根據(jù)某一具體問(wèn)題找到思考問(wèn)題并解決這個(gè)問(wèn)題的方法。目前,人工智能技術(shù)已經(jīng)可以通過(guò)計(jì)算機(jī)程序解決了如何考慮要解決的問(wèn)題,并能尋求較為準(zhǔn)確的解決方案。2邏輯的推理與定理的證明 人工智能研究中最持久的探究領(lǐng)域之一就是邏輯推理。有關(guān)定理的證明就是讓機(jī)器證明非數(shù)值性的真假。其中比較重要的是,通過(guò)找到合理、準(zhǔn)確的方法,集中注意力在大型數(shù)據(jù)庫(kù)中的有效事實(shí),關(guān)注可信度證明,并在出現(xiàn)新信息時(shí)適時(shí)修改這些證明。[2] 3 人工智能應(yīng)用之自然語(yǔ)言的處理 智能的另一表現(xiàn)就是進(jìn)行自然語(yǔ)言的交流,自然語(yǔ)言處理就是讓機(jī)器與人類進(jìn)行 人工智能:用科學(xué)解密生命與智慧 無(wú)阻礙的溝通,這正是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例。目前此領(lǐng)域的主要研究?jī)?nèi)容是:如何利用計(jì)算機(jī)系統(tǒng)以主題和對(duì)話情境為基礎(chǔ),生成和理解自然語(yǔ)言。[3] 4 人工智能應(yīng)用之模式的識(shí)別 如何使機(jī)器具有感知能力也是智能的表現(xiàn)。模式的識(shí)別是利用人工智能技術(shù)開(kāi)發(fā)智能機(jī)器的關(guān)鍵,主要是通過(guò)計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來(lái)研究模式的自動(dòng)處理和判讀,讓計(jì)算機(jī)實(shí)現(xiàn)“看見(jiàn)”,“聽(tīng)見(jiàn)”等功能。計(jì)算機(jī)模式識(shí)別的主要特點(diǎn)是速度快,準(zhǔn)確率高,效率高,計(jì)算機(jī)模式識(shí)別也為人類認(rèn)識(shí)自身智能提供了有利幫助。5 人工智能應(yīng)用之智能信息的檢索技術(shù) 在科學(xué)技術(shù)飛速發(fā)展的今天,人類已進(jìn)入了“知識(shí)爆炸”的時(shí)代。傳統(tǒng)檢索系統(tǒng)已經(jīng)滿不足了對(duì)如今如此數(shù)量巨大以及種類繁多的文獻(xiàn)檢索要求。人工智能科技持續(xù)穩(wěn)定發(fā)展的重要前提就是智能檢索模塊,可以說(shuō),智能信息的檢索技術(shù)的運(yùn)用勢(shì)在必行。人工智能應(yīng)用之專家系統(tǒng) 我們常說(shuō)的專家系統(tǒng)就是指從人類專家那里獲取的知識(shí),并用來(lái)解決只有專家才能解決的疑難問(wèn)題。這是一種基于知識(shí)的系統(tǒng),從而也被稱為知識(shí)基系統(tǒng)。專家系統(tǒng)是人工智能技術(shù)中研究最活躍,最有成效的一個(gè)領(lǐng)域。現(xiàn)在的專家系統(tǒng)尤其特殊的模仿了專家在處理故障時(shí)的思維方式,其水平有時(shí)甚至可以超過(guò)人類專家的水平。人工智能應(yīng)用之機(jī)器人學(xué) 機(jī)器人對(duì)我們并不陌生,已在多個(gè)領(lǐng)域獲得了越來(lái)越普遍的應(yīng)用,諸如農(nóng)業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。那么,機(jī)器人學(xué)所研究的問(wèn)題主要包括從機(jī)器人手臂的最佳移動(dòng)到實(shí)現(xiàn)機(jī)器人目標(biāo)的動(dòng)作序列的規(guī)劃方法。機(jī)器人和機(jī)器人學(xué)的研究對(duì)人工智能思想的發(fā)展都起到了促進(jìn)作用。 三,人工智能在生活中的應(yīng)用 ? 計(jì)算機(jī)科學(xué) 人工智能產(chǎn)生了許多方法解決計(jì)算機(jī)科學(xué)最困難的問(wèn)題。它們的許多發(fā)明已 人工智能:用科學(xué)解密生命與智慧 被主流計(jì)算機(jī)科學(xué)采用,而不認(rèn)為是AI的一部份。下面所有內(nèi)容原在AI實(shí)驗(yàn)室發(fā)展:時(shí)間分配,介面演繹員,圖解用戶介面,計(jì)算機(jī)鼠標(biāo),快發(fā)展環(huán)境,聯(lián)系表數(shù)據(jù)結(jié)構(gòu),自動(dòng)存儲(chǔ)管理,符號(hào)程序,功能程序,動(dòng)態(tài)程序,和客觀指向程序。[3] ? 金融 銀行用人工智能系統(tǒng)組織運(yùn)作,金融投資和管理財(cái)產(chǎn)。2001年8月在模擬金融貿(mào)易競(jìng)賽中機(jī)器人戰(zhàn)勝了人。 金融機(jī)構(gòu)已長(zhǎng)久用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)去發(fā)覺(jué)變化或規(guī)范外的要求,銀行使用協(xié)助顧客服務(wù)系統(tǒng);幫助核對(duì)帳目,發(fā)行信用卡和恢復(fù)密碼等。? 醫(yī)院和醫(yī)藥 醫(yī)學(xué)臨床可用人工智能系統(tǒng)組織病床計(jì)劃;并提供醫(yī)學(xué)信息。 人工神經(jīng)網(wǎng)絡(luò)用來(lái)做臨床診斷決策支持系統(tǒng)。計(jì)算機(jī)幫助解析醫(yī)學(xué)圖像。這樣系統(tǒng)幫助掃描數(shù)據(jù)圖像,從計(jì)算X光斷層圖發(fā)現(xiàn)疾病,典型應(yīng)用是發(fā)現(xiàn)腫塊、心臟聲音分析。? 重工業(yè) 在工業(yè)中已普遍應(yīng)用機(jī)器人。它們常做對(duì)人是危險(xiǎn)的工作。全世界日本是利用和生產(chǎn)機(jī)器人的先進(jìn)國(guó);1999年世界范圍使用1,700,000臺(tái)機(jī)器人。? 顧客服務(wù) 人工智能是自動(dòng)上線的好助手,可減少操作,使用的主要是自然語(yǔ)言加工系統(tǒng)。呼叫中心的回答機(jī)器也用類似技術(shù),如語(yǔ)言識(shí)別軟件可使計(jì)算機(jī)的顧客較好操作。? 運(yùn)輸 汽車的變速箱已使用模糊邏輯控制器。? 運(yùn)程通訊 許多運(yùn)程通訊公司正研究管理勞動(dòng)力的機(jī)器;如BT組研究可管20000工程師的機(jī)器。? 玩具和游戲 1990年企圖用基本人工智能大量為教育和消遣生產(chǎn)民用產(chǎn)品?,F(xiàn)在,大眾在生活的許多方面都在應(yīng)用人工智能技術(shù)。? 音樂(lè) 人工智能:用科學(xué)解密生命與智慧 技術(shù)常會(huì)影晌音樂(lè)的進(jìn)步,科學(xué)家想用人工智能技術(shù)盡量趕上音樂(lè)家的活動(dòng);現(xiàn)正集中在研究作曲,演奏,音樂(lè)理論,聲音加工等。 四,人工智能的前沿分支:神經(jīng)計(jì)算 1,人工神經(jīng)網(wǎng)絡(luò):從大腦得到靈感 神經(jīng)計(jì)算科學(xué)是從信息科學(xué)的角度來(lái)研究如何加速神經(jīng)網(wǎng)絡(luò)模仿和延伸人腦的高級(jí)精神活動(dòng),如聯(lián)想、記憶、推理、思維及意識(shí)等智能行為。這涉及到腦科學(xué)、認(rèn)知科學(xué),神經(jīng)生物學(xué)、非線性科學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)諸學(xué)科的綜合集成。它是綜合研究和實(shí)現(xiàn)類腦智能信息系統(tǒng)的一個(gè)新思想和新策略。[6] 深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成更加抽象的高層表示屬性類別或特征,以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。 一個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖1所示 圖1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖 神經(jīng)網(wǎng)絡(luò)將人工智能的重點(diǎn)從符號(hào)表示和可靠的推理策略問(wèn)題轉(zhuǎn)移到學(xué)習(xí)和適應(yīng)的問(wèn)題。同人和其他動(dòng)物一樣,神經(jīng)網(wǎng)絡(luò)是適應(yīng)世界的一種機(jī)制:經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)結(jié)果是通過(guò)學(xué)識(shí)形成的。這種網(wǎng)絡(luò)是通過(guò)和世界交互形成的,通過(guò)經(jīng)驗(yàn)的不明確痕跡反映出來(lái)。神經(jīng)網(wǎng)絡(luò)的這種途徑對(duì)我們理解智能起了極大的作用。 人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力,克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué),如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷,使之在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合,將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。近年來(lái),人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(rèn)知的道路上更加深入發(fā)展,與模糊系統(tǒng)、遺傳算法、人工智能:用科學(xué)解密生命與智慧 進(jìn)化機(jī)制等結(jié)合,形成計(jì)算智能,成為人工智能的一個(gè)重要方向,將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究,為人工神經(jīng)網(wǎng)絡(luò)的理論研究開(kāi)辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快,已有產(chǎn)品進(jìn)入市場(chǎng)。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。 神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域已得到了很好的應(yīng)用,但其需要研究的方面還很多。其中,具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織以及非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合以及由此而來(lái)的混合方法和混合系統(tǒng),已經(jīng)成為一大研究熱點(diǎn)。由于其他方法也有它們各自的優(yōu)點(diǎn),所以將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合,取長(zhǎng)補(bǔ)短,繼而可以獲得更好的應(yīng)用效果。目前這方面工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。 2,神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例:基于Deep autoencoder的字符圖像識(shí)別 深度信念網(wǎng)絡(luò)(Deep Belief Network, DBN)[7]由 Geoffrey Hinton 在 2006 年提出。它是一種生成模型,通過(guò)訓(xùn)練其神經(jīng)元間的權(quán)重,我們可以讓整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率來(lái)生成訓(xùn)練數(shù)據(jù)。我們不僅可以使用 DBN 識(shí)別特征、分類數(shù)據(jù),還可以用它來(lái)生成數(shù)據(jù)。 DBN 由多層神經(jīng)元構(gòu)成,這些神經(jīng)元又分為顯性神經(jīng)元和隱性神經(jīng)元(以下簡(jiǎn)稱顯元和隱元)。顯元用于接受輸入,隱元用于提取特征。因此隱元也有個(gè)別名,叫特征檢測(cè)器(feature detectors)。最頂上的兩層間的連接是無(wú)向的,組成聯(lián)合內(nèi)存(associative memory)。較低的其他層之間有連接上下的有向連接。最底層代表了數(shù)據(jù)向量(data vectors),每一個(gè)神經(jīng)元代表數(shù)據(jù)向量的一維。 DBN 是由多層 RBM 組成的一個(gè)神經(jīng)網(wǎng)絡(luò),它既可以被看作一個(gè)生成模型,也可以當(dāng)作判別模型,其訓(xùn)練過(guò)程是:使用非監(jiān)督貪婪逐層方法去預(yù)訓(xùn)練獲得權(quán)值。訓(xùn)練過(guò)程: 1.首先充分訓(xùn)練第一個(gè) RBM; 2.固定第一個(gè) RBM 的權(quán)重和偏移量,然后使用其隱性神經(jīng)元的狀態(tài),作為第二個(gè) RBM 的輸入向量; 人工智能:用科學(xué)解密生命與智慧 3.充分訓(xùn)練第二個(gè) RBM 后,將第二個(gè) RBM 堆疊在第一個(gè) RBM 的上方; 4.重復(fù)以上三個(gè)步驟任意多次; 5.如果訓(xùn)練集中的數(shù)據(jù)有標(biāo)簽,那么在頂層的 RBM 訓(xùn)練時(shí),這個(gè) RBM 的顯層中除了顯性神經(jīng)元,還需要有代表分類標(biāo)簽的神經(jīng)元,一起進(jìn)行訓(xùn)練: a)假設(shè)頂層 RBM 的顯層有 500 個(gè)顯性神經(jīng)元,訓(xùn)練數(shù)據(jù)的分類一共分成了 10 類; b)那么頂層 RBM 的顯層有 510 個(gè)顯性神經(jīng)元,對(duì)每一訓(xùn)練訓(xùn)練數(shù)據(jù),相應(yīng)的標(biāo)簽神經(jīng)元被打開(kāi)設(shè)為 1,而其他的則被關(guān)閉設(shè)為 0。6.DBN 被訓(xùn)練好后如下圖: 圖2 訓(xùn)練好的深度信念網(wǎng)絡(luò)。圖中的綠色部分就是在最頂層 RBM 中參與訓(xùn)練的標(biāo)簽。注意調(diào)優(yōu)(FINE-TUNING)過(guò)程是一個(gè)判別模型 調(diào)優(yōu)過(guò)程(Fine-Tuning): 生成模型使用 Contrastive Wake-Sleep 算法進(jìn)行調(diào)優(yōu),其算法過(guò)程是: 1.除了頂層 RBM,其他層 RBM 的權(quán)重被分成向上的認(rèn)知權(quán)重和向下的生成權(quán)重; 2.Wake 階段:認(rèn)知過(guò)程,通過(guò)外界的特征和向上的權(quán)重(認(rèn)知權(quán)重)產(chǎn)生每一層的抽象表示(結(jié)點(diǎn)狀態(tài)),并且使用梯度下降修改層間的下行權(quán)重(生成權(quán)重)。也就是“如果現(xiàn)實(shí)跟我想象的不一樣,改變我的權(quán)重使得我想象的東西就是這樣的”。 3.Sleep 階段:生成過(guò)程,通過(guò)頂層表示(醒時(shí)學(xué)得的概念)和向下權(quán)重,生成底 人工智能:用科學(xué)解密生命與智慧 層的狀態(tài),同時(shí)修改層間向上的權(quán)重。也就是“如果夢(mèng)中的景象不是我腦中的相應(yīng)概念,改變我的認(rèn)知權(quán)重使得這種景象在我看來(lái)就是這個(gè)概念”。 在附件中提供了程序代碼。實(shí)驗(yàn)利用MNIST字符圖像,驗(yàn)證該方法的特征提取與識(shí)別能力。 五,人工智能未來(lái)發(fā)展趨勢(shì) 科學(xué)技術(shù)是第一生產(chǎn)力,但技術(shù)的發(fā)展往往是遠(yuǎn)遠(yuǎn)超越我們的想象。就目前的一些前瞻性研究可以看出,未來(lái)人工智能技術(shù)的發(fā)展有如下幾大趨勢(shì): 1 問(wèn)題求解 問(wèn)題求解一般包括兩種,一種是指解決管理活動(dòng)中由于意外引起的非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間的偏差。正在逐漸發(fā)展成為搜索和問(wèn)題歸約這類人工智能的基本技術(shù);另一種問(wèn)題的求解程序,是把各種數(shù)學(xué)公式符號(hào)匯編在一起。其性能已達(dá)到非常高的水平,并正在被許多工程師和科學(xué)家應(yīng)用,甚至還有些程序能夠用經(jīng)驗(yàn)來(lái)改善其性能。2 機(jī)器學(xué)習(xí) 人工智能研究的核心課題之一就是機(jī)器學(xué)習(xí)。我們知道學(xué)習(xí)是人類智能的重要特征,那么機(jī)器學(xué)習(xí)就是指機(jī)器自動(dòng)獲取知識(shí)的過(guò)程。機(jī)器學(xué)習(xí)是機(jī)器獲取知識(shí)的根本途徑,也是機(jī)器智能的重要標(biāo)志。計(jì)算機(jī)的機(jī)器學(xué)習(xí)主要研究?jī)?nèi)容為如何讓計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)能力。今后機(jī)器學(xué)習(xí)的研究主要是研究人腦思維的過(guò)程、人類學(xué)習(xí)的機(jī)理等。3 模式識(shí)別 用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動(dòng)識(shí)別,彌補(bǔ)計(jì)算機(jī)對(duì)外部世界感知能力低下的缺陷,使計(jì)算機(jī)能夠通過(guò)感官接受外界信息,識(shí)別和理解周圍環(huán)境。依然是人工智能技術(shù)今后研究的重要方向。因?yàn)槟J阶R(shí)別能為人類 人工智能:用科學(xué)解密生命與智慧 認(rèn)識(shí)自身智能提供線索,也是開(kāi)發(fā)智能機(jī)器的一個(gè)最關(guān)鍵的突破口。目前計(jì)算機(jī)模式識(shí)別系統(tǒng)的研究熱點(diǎn)主要為三維景物、活動(dòng)目標(biāo)的識(shí)別和分析方面。傳統(tǒng)的用統(tǒng)計(jì)模式和結(jié)構(gòu)模式的識(shí)別方法將會(huì)被近年來(lái)迅速發(fā)展起來(lái)的模糊數(shù)學(xué)模式、人工神經(jīng)網(wǎng)絡(luò)模式的方法逐漸取代,特別是神經(jīng)網(wǎng)絡(luò)方法在模式識(shí)別中取得較大進(jìn)展。4 專家系統(tǒng) 專家系統(tǒng)是根據(jù)某領(lǐng)域中一個(gè)或多個(gè)專家提供的知識(shí)或經(jīng)驗(yàn),進(jìn)行推理和判斷,模擬人類專家的決策過(guò)程,以便解決那些需要人類專家處理的復(fù)雜問(wèn)題的智能軟件,它是一個(gè)具有大量的專門(mén)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。目前各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域,因此專家系統(tǒng)還將是人工智能應(yīng)用研究最廣泛和最活躍的應(yīng)用領(lǐng)域之一。5 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò),常被簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。是未來(lái)人工智能應(yīng)用的新領(lǐng)域,人工神經(jīng)網(wǎng)絡(luò)是指由大量處理單元(神經(jīng)元)互連而成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力,主要擅長(zhǎng)處理復(fù)雜的多維的非線性問(wèn)題,不但可以解決定量的問(wèn)題,還可以解決定性的問(wèn)題,同時(shí)人工神經(jīng)網(wǎng)絡(luò)還具有大規(guī)模并行處理和分布的信息存儲(chǔ)能力。或許未來(lái)智能計(jì)算機(jī)的結(jié)構(gòu)可能就是作為主機(jī)的馮? 諾依曼型機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。 小結(jié) 人工智能是一個(gè)年輕而充滿希望的研究領(lǐng)域,其宗旨是尋找一種有效的方式把智能問(wèn)題求解、規(guī)劃和通信技巧應(yīng)用在更廣泛的實(shí)際問(wèn)題中。人工智能的工作者是工具的制造者。我們的表示、算法和語(yǔ)言都是一些工具,用來(lái)設(shè)計(jì)和建立那些展現(xiàn)智能行為的機(jī)制。通過(guò)實(shí)驗(yàn),我們同時(shí)檢驗(yàn)了它們解決問(wèn)題的計(jì)算合適性,也檢驗(yàn)了我們對(duì)智能現(xiàn)象的理解。然而,人工智能仍有很多尚待解答的問(wèn)題,需要探索和研究。 人工智能:用科學(xué)解密生命與智慧 參考文獻(xiàn) [1] Artificial intelligence507, 28 July 2006.讀書(shū)的好處 1、行萬(wàn)里路,讀萬(wàn)卷書(shū)。 2、書(shū)山有路勤為徑,學(xué)海無(wú)涯苦作舟。 3、讀書(shū)破萬(wàn)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(lái)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(shū)遲?!佌媲?/p> 7、寶劍鋒從磨礪出,梅花香自苦寒來(lái)。 8、讀書(shū)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(wú)書(shū),百事荒廢?!悏?/p> 11、書(shū)是人類進(jìn)步的階梯。 12、一日不讀口生,一日不寫(xiě)手生。 13、我撲在書(shū)上,就像饑餓的人撲在面包上?!郀柣?/p> 14、書(shū)到用時(shí)方恨少、事非經(jīng)過(guò)不知難?!懹?/p> 15、讀一本好書(shū),就如同和一個(gè)高尚的人在交談——歌德 16、讀一切好書(shū),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(yáng);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(shū)給人以快樂(lè)、給人以光彩、給人以才干。——培根第三篇:人工智能發(fā)展史解讀
第四篇:人工智能論文解讀
第五篇:人工智能課程論文解讀