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)倉庫；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)展帶來良好的基礎(chǔ)．這過程是電子商務(wù)向著良性發(fā)展的必然趨勢。本文從人工智能技術(shù)與電子商務(wù)的國內(nèi)外動態(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)、語言學(xué)、等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來的一門綜合性很強(qiáng)的交叉科學(xué)，是一門新思想、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)某些腦力勞動的自動化。實(shí)質(zhì)上，它是開拓計(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，簡寫為EC，指的是利用簡單、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?！?】其內(nèi)容包含兩個(gè)方面：一是電子方式；二是商貿(mào)活動。電子商務(wù)可以通過多種電子通訊方式來完成，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)簡稱為IC(INTERNETC0MMERCEo從貿(mào)易活動的角度分析，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，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，你可以從尋找客戶開始，一直到洽談、訂貨、在線付(收)款、開據(jù)電子發(fā)票以至到電子報(bào)關(guān)、電子納稅等通過INTERNET一氣呵成。要實(shí)現(xiàn)完整的電子商務(wù)，還會涉及到很多方面，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)過程并不是物理世界商務(wù)活動的翻版，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、人工智能國內(nèi)外的動態(tài)

從1955年正式提出人工智能學(xué)科算起40多年來人工智能學(xué)科取得了長足的發(fā)展．成為一門廣泛的交叉和前沿科學(xué)。總的說來人工智能的目的就是讓計(jì)算機(jī)這臺機(jī)器能夠像人一樣思考，如果希望做出一臺能夠思考的機(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數(shù)科學(xué)家為這個(gè)目標(biāo)努力著．現(xiàn)在人“商場現(xiàn)代化"2007年10月(上甸刊j總 整個(gè)數(shù)據(jù)倉庫系統(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)倉庫系統(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)、市場信息和競爭對手的信息等等。（2）．?dāng)?shù)據(jù)的存儲與管理。是整個(gè)數(shù)據(jù)倉庫系統(tǒng)的核心。數(shù)據(jù)倉庫的真正關(guān)鍵是數(shù)據(jù)的存儲和管理。數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫，同時(shí)也決定其對外部數(shù)據(jù)的表現(xiàn)形式。要決定采用什么產(chǎn)品和技術(shù)來建立數(shù)據(jù)倉庫的核心，則需要從數(shù)據(jù)倉庫的技術(shù)特點(diǎn)著手分析。針對現(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)倉庫按照數(shù)據(jù)的覆蓋范圍可以分為企業(yè)級數(shù)據(jù)倉庫和部門級數(shù)據(jù)倉庫(通常稱為數(shù)據(jù)集市)。（3）．OLAP(On—lineAnalysis&Processing)fJ~．務(wù)器。對分析

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。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)倉庫或數(shù)據(jù)集市的應(yīng)用開發(fā)工具。其中，數(shù)據(jù)分析工具主要針對OLAP服務(wù)器；報(bào)表工具、數(shù)據(jù)挖掘工具主要針對數(shù)據(jù)倉庫。

2、數(shù)據(jù)倉庫的作用

數(shù)據(jù)倉庫究竟能幫我們干點(diǎn)什么?簡單地說，假設(shè)你用自動柜員機(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，告訴你現(xiàn)金賬上錢太多，應(yīng)該換另一個(gè)賬號，以便獲得更多利息。如果銀行這么對待你，作為消費(fèi)者你肯定會覺得這是一個(gè)好銀行。然而沒有數(shù)據(jù)倉庫，銀行就做不到這一點(diǎn)?，F(xiàn)在上網(wǎng)購物常常給人帶來意外的驚喜。網(wǎng)站在你不知不覺中記錄你的行蹤，抓到你的喜好。如果你在網(wǎng)上點(diǎn)擊一下襯衫，之后又看了一下書和褲子，網(wǎng)站就會記住你的點(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，沒買什么。這些信息都由數(shù)據(jù)倉庫保存整理。假如你買了褲子，沒買襯衫，下次你上網(wǎng)時(shí)，數(shù)據(jù)倉庫會跟你說，“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)倉庫的魅力。

數(shù)據(jù)倉庫及管理軟件的市場潛力十分巨大。用一句話說，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)過程中產(chǎn)生許多數(shù)據(jù)。如果沒有數(shù)據(jù)倉庫軟件，這些數(shù)據(jù)就根本沒有用處。有了數(shù)據(jù)倉庫，就可以了解客戶是誰，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。

（二）、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

1、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

數(shù)據(jù)挖掘(DMDataM川ng)和數(shù)據(jù)庫知識發(fā)現(xiàn)(KDDKwowledgeDiscoveryinDatebase)是隨著數(shù)據(jù)庫技術(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)的開展．信 萬方數(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)問隱藏的依賴關(guān)系．從而抽取有用的信息或知識指導(dǎo)商業(yè)決策【5】。過去只有簡單的數(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)庫中提取隱藏的

預(yù)測性信息構(gòu)建高校的數(shù)據(jù)倉庫，發(fā)掘數(shù)據(jù)問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．基于知識的決策參考意見?！?】DM與KDD需要解決的問題有：超大規(guī)模數(shù)據(jù)庫和高維數(shù)據(jù)．?dāng)?shù)據(jù)丟失：變化中的數(shù)據(jù)和知識．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問題等。DM與KDD的區(qū)別是．KDD是一個(gè)綜合的過程包括實(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．它們都對數(shù)據(jù)倉庫進(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)測存/貸款趨勢，優(yōu)化存/貸款策略，用DM將市場分成有意義的群組和部門，從而協(xié)助市場經(jīng)理和業(yè)務(wù)執(zhí)行人員更好地集中于有促進(jìn)作用的活動和設(shè)計(jì)新的市場運(yùn)動。

[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實(shí)施的。

[3]在零售業(yè)/市場營銷方面: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用于顧客購貨籃的分析可以協(xié)助貨架布置，促銷活動時(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。通過對一種廠家商品在各連鎖店的市場共享分析,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題發(fā)生范圍和采取改正措施。

[5]在遠(yuǎn)程通訊部門: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)域針對每天從衛(wèi)星上及其它方面來的巨額數(shù)據(jù)，對氣象預(yù)報(bào)，臭氧層監(jiān)測等能起很大作用。

[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)勢關(guān)聯(lián)規(guī)則挖掘等。總之，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、軟件開發(fā)、運(yùn)輸?shù)雀鱾€(gè)企事業(yè)單位及國防科研上。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。對安全水平的要求也相應(yīng)提高。從而帶動了人工智能的一個(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、聲紋及筆記等來識別人們的身份的技術(shù)。這種識別技術(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)庫信息檢索 在電子商務(wù)平臺應(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、商品庫信息等大量數(shù)據(jù)信息中對信息進(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)倉庫技術(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)活動過程，人工智能在電子商務(wù)中的應(yīng)用將帶來一場史無前例的革命，其對社會經(jīng)濟(jì)的影響會遠(yuǎn)遠(yuǎn)超過商務(wù)本身。除了上述這些影響之外，他還將對就業(yè)、法律制度以及文化教育等帶來巨大的影響。

參考文獻(xiàn)

【1】王萬良。人工智能及其應(yīng)用（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。——高爾基

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?！獎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．開發(fā)心得

4.1設(shè)計(jì)存在的問題

4.2進(jìn)一步改進(jìn)提高的設(shè)想 4.3經(jīng)驗(yàn)和體會 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)碼可以在棋盤上移動，該問題稱八數(shù)碼難題或者重排九宮問題。

1.2 設(shè)計(jì)要求

其移動規(guī)則是：與空格相鄰的數(shù)碼方格可以移入空格?，F(xiàn)在的問題是：對于指定的初始棋局和目標(biāo)棋局，給出數(shù)碼的移動序列。

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)碼問題來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)碼問題是個(gè)典型的狀態(tài)圖搜索問題。搜索方式有兩種基本的方式，即樹式搜索和線式搜索。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“向?qū)А钡乃阉?，啟發(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)空間很小的簡單問題，而對于那些大狀態(tài)空間的問題，窮舉法就不能勝任，往往會導(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題的解。由八數(shù)碼問題的部分狀態(tài)圖可以看出，從初始節(jié)點(diǎn)開始，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。對于八數(shù)碼問題，可以利用棋局差距作為一個(gè)度量。搜索過程中，差距會逐漸減少，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。為了簡化問題，搜索樹節(jié)點(diǎn)設(shè)計(jì)如下： struct Chess//棋盤

3.4 核心源程序

#include “stdio.h” #include “stdlib.h” #include “time.h” #include “string.h” #include #include using namespace std;

const int N=3;//3*3棋盤

const int Max_Step=30;//最大搜索深度

enum Direction{None,Up,Down,Left,Right};//方向 struct Chess//棋盤 { int cell[N][N];//數(shù)碼數(shù)組

int Value;//評估值

Direction BelockDirec;//所屏蔽方向

struct Chess * Parent;//父節(jié)點(diǎn) };

//打印棋盤

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

struct Chess * RandomChess(const struct Chess * TheChess)

p=NULL;queue Queue1;Queue1.push(Begin);//搜索

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)//跳過屏蔽方向

continue;

p2=MoveChess(p1,Direct,true);//移動數(shù)碼

if(p2!=p1)//數(shù)碼是否可以移動

{

Appraisal(p2,Target);//對新節(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;

stackStack1;

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.開發(fā)心得

4.1 設(shè)計(jì)存在的問題

完全能解決簡單的八數(shù)碼問題，但對于復(fù)雜的八數(shù)碼問題還是無能為力。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），來擴(kuò)展成N*N的棋盤，即擴(kuò)展為N數(shù)碼問題的求解過程。

2、內(nèi)存泄漏。由于采用倒鏈表的搜索樹結(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?！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。——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。——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?！獎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>

第三篇：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人之一.最熟悉的反饋控制的例子是自動調(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，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”的獲獎?wù)摺?/p>

這次會議之后，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價(jià)，被認(rèn)為是計(jì)算機(jī)模擬人的高級思維活動的一個(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。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，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，對當(dāng)時(shí)人工智能的研究起了推動作用。

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。

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，用可信度表示，進(jìn)行不精確推理。2.對推理結(jié)果具有解釋功能，時(shí)系統(tǒng)是透明的。3.第一次使用了知識庫的概念。正是由于MYCIN基本解決了知識表示、知識獲取、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，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，擁有15中礦藏知識，采用貝葉斯概率推理處理不確定的數(shù)據(jù)和知識。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，進(jìn)行不同抽象級的問題求解。

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。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進(jìn)行了探索，并在知識獲取、知識表示以及知識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（IJCAI）的會議上，費(fèi)根鮑姆教授在一篇題為《人工智能的藝術(shù)：知識工程課題及實(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，并提出了知識工程（KnowledgeEngineering）的概念。費(fèi)根鮑姆認(rèn)為，知識工程是研究知識信息處理的學(xué)科，它應(yīng)用人工智能的原理和方法，對那些需要專家知識才能解決的應(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)的研究形成了知識工程學(xué)科。知識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)向基于知識的模型。

為了適應(yīng)人工智能和知識工程發(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)自身存在的知識獲取難、知識領(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那些針對人工智能的大型計(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)識到已有的人工智能方法僅限于在模擬人類智能活動中使用成功的經(jīng)驗(yàn)知識處理簡單的問題，開始在符號機(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，所謂的符號主義、連接主義和行動主義3種方法并存。對此，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)⒅R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。——劉向

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。——培根

第四篇：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：姓名：于靜學(xué)號：

13計(jì)算機(jī)專接本一班

知識處理

***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)，人類必須重新對它們進(jìn)行分析和審視。知識處理是人工智能這一科學(xué)領(lǐng)域的關(guān)鍵問題。本文對知識處理的核心問題之——識的表示進(jìn)行了全面的綜述目前流行的知識表達(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表示方法。并對其進(jìn)行了優(yōu)缺點(diǎn)分析及簡單對比。最后對知識表示的發(fā)展趨向作出了展望。

關(guān)鍵詞：知識

人工智能（AI）

知識表達(dá)式

一階謂詞邏輯

產(chǎn)生式 語義網(wǎng)絡(luò)

框架

一、知識和知識的表示

1、知識的概念

知識是人類世界特有的概念，他是人類對客觀世界的一種比較準(zhǔn)確、全面的認(rèn)識和理解的結(jié)晶。(1)知識只有相對正確的特性。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，知識是人們在信息社會中各種實(shí)踐經(jīng)驗(yàn)的匯集、智慧的概括與積累。只是愛源于人們對客觀世界運(yùn)動規(guī)律的正確認(rèn)識，是從感知認(rèn)識上升成為理性認(rèn)識的高級思維勞動過程的結(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)，知識的正確性就接受檢驗(yàn)，必要時(shí)就要對原來的認(rèn)識加以修改和補(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。而利用信息關(guān)聯(lián)構(gòu)成知識的形式有多種多樣。

(2)知識的確定與不確定性如前說述，知識有若干信息關(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)行知識表示。進(jìn)而實(shí)現(xiàn)知識調(diào)用，達(dá)到利用知識求解問題的目的。因而只是表示是知識信息處理系統(tǒng)必不可少的關(guān)鍵環(huán)節(jié)。對智能機(jī)器系統(tǒng)而言只是表示，實(shí)際上就是對知識的一種描述或約定。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，映射為一種便于找到該問題解的數(shù)據(jù)結(jié)構(gòu)。對知識進(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)器直接對原始問題求解難度很大，可采用知識表達(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，然后在對同構(gòu)或同態(tài)問題求出它的解答，則相對容易而方便。順便指出：同構(gòu)解答與原始問題有相同的形式解，然而對于同態(tài)問題，如果得到原始解，只需對同臺解答再施行反運(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表達(dá)方法主要有：常用的知識表示方法：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，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)性知識與經(jīng)驗(yàn)透明性。易于保留動作所產(chǎn)生的變化、軌跡，但仍有不少缺點(diǎn)：知識庫維護(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：框、帶箭頭及文字標(biāo)識的線條和文字標(biāo)識線。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，用來對節(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，表達(dá)自然，易于理解等。

雖然語義網(wǎng)絡(luò)知識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)被定義的框架對象分別代表著不同的特殊知識結(jié)構(gòu)，從而可在大腦或計(jì)算機(jī)中表示、存儲并予以認(rèn)識、理解和處理?？蚣苁且环N被用來描述某個(gè)對象（諸如一個(gè)事物、一個(gè)事件或一個(gè)概念）屬性知識的數(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：

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表達(dá)的冗余，而且保證了上、下層框架知識表達(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態(tài)交互過程生動性。

三、各知識表達(dá)式的比較與展望

以上若知識表達(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)混合性的知識表達(dá)方式。每一種知識表示方法各有特點(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，而對動態(tài)的、變化性、模糊性知識則很難表示。

（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)的知識面比較窄。（4）框架方法表示的知識橫向關(guān)系不太明確。（縱向從屬繼承關(guān)系很明確）

因此，對于復(fù)雜的、深層次的知識，應(yīng)根據(jù)需要表示知識的特征，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應(yīng)于謂詞項(xiàng)。

（2）語義網(wǎng)絡(luò)與框架：結(jié)點(diǎn)對應(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?！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?！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?！獎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>

第五篇：人工智能課程論文解讀

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：

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。然后簡要介紹了人工智能的發(fā)展現(xiàn)狀以及未來趨勢，并列舉了一些人工智能在生活中的應(yīng)用。對人工智能的一個(gè)熱門分支——神經(jīng)計(jì)算進(jìn)行了著重介紹，人工神經(jīng)網(wǎng)絡(luò)通過模擬人腦的學(xué)習(xí)機(jī)制，將人工智能的重點(diǎn)從符號表示可靠的推理策略問題轉(zhuǎn)化到學(xué)習(xí)和適應(yīng)的問題，描述了其在字符識別問題上的實(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的字符圖像識別...............10 五，人工智能未來發(fā)展趨勢........................................................................................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)的理論知識之上并應(yīng)用于計(jì)算機(jī)科學(xué)領(lǐng)域。它是研究、開發(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)的一門新的技術(shù)科學(xué)。該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(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，但是似乎沒有人能夠使“智能”的定義既足夠又具體以評估計(jì)算機(jī)程序的智能性，同時(shí)又反映了人類意識的生動性和復(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：用語言理解的馬爾可夫模型，提供新數(shù)學(xué)理論的自動推理系統(tǒng)，通過大腦皮層網(wǎng)跟蹤信號的動態(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)域的問題就變成了定義智能本身的問題：智能是一種獨(dú)立的才能，還是一系列獨(dú)一無二且不相關(guān)的能力的總稱？在多大程度上可以說智能是學(xué)到的不是預(yù)先存在的？準(zhǔn)確的說，學(xué)習(xí)時(shí)發(fā)生什么？什么是創(chuàng)造力？什么是直覺？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，知識是以何種方式表示的？什么是自覺，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？

這一系列的問題很難回答，但這些問題幫助我們勾勒出現(xiàn)代人工智能研究的核心問題以及求解方法。實(shí)際上，人工智能提供了一種獨(dú)特而強(qiáng)大的工具來精確探索這些問題。AI為智能理論提供了一種媒介和實(shí)驗(yàn)臺：首先用計(jì)算機(jī)程序語言表達(dá)出這些理論，然后在實(shí)際計(jì)算機(jī)上執(zhí)行來進(jìn)行測試和驗(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》一書的序言中這樣寫道：

大多是拜倫勛爵和雪萊之間的對話，而我只是一個(gè)虔誠、安靜的聽眾。其中有一次，他們討論了各種哲學(xué)學(xué)說，以及有關(guān)生命原理的問題，并且談到這些原理有否可能曾被發(fā)現(xiàn)和討論過。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這個(gè)實(shí)驗(yàn)，我只是說當(dāng)時(shí)有人講他做過這樣的實(shí)驗(yàn)），他把一段蠕蟲（vermicelli）儲藏在玻璃罐中，在采取了一些特殊方法之后，它開始自發(fā)運(yùn)動。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：生命和智慧的奧秘可以被納入到科學(xué)分析中。也就是說，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)問題：我們怎么知道其他人曾有同樣的體驗(yàn)。在《語言，真理與邏輯》中，艾爾建議有意識的人類及無意識的機(jī)器之間的區(qū)別。

1950年，圖靈發(fā)表了一篇劃時(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試：如果一臺機(jī)器能夠與人類展開對話（通過電傳設(shè)備）而不能被辨別出其機(jī)器身份，那么稱這臺機(jī)器具有智能。這一簡化使得圖靈能夠令人信服地說明“思考的機(jī)器”是可能的。論文中還回答了對這一假說的各種常見質(zhì)疑。[2] 圖靈測試是人工智能哲學(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)來冒充人。如果不足70%的人判對,也就是超過30%的裁判誤以為在和自己說話的是人

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，成為有史以來首臺通過圖靈測試的計(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]。

盡管圖靈測試具有直觀上的吸引力，圖靈測試還是受到了很多無可非議的批評。其中一個(gè)重要的質(zhì)疑時(shí)它偏向于純粹的符號求解任務(wù)。它并不測試感知技能或要實(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，有人提出圖靈測試沒有必要把機(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)，長久的存儲數(shù)據(jù)，沒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人類智能的理解。人們?yōu)橹悄芑顒犹峁┝艘环N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 問題的求解

人工智能中的問題解求，就是如何讓機(jī)器去解決人類會遇到的問題，如何根據(jù)某一具體問題找到思考問題并解決這個(gè)問題的方法。目前，人工智能技術(shù)已經(jīng)可以通過計(jì)算機(jī)程序解決了如何考慮要解決的問題，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，通過找到合理、準(zhǔn)確的方法，集中注意力在大型數(shù)據(jù)庫中的有效事實(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)用之自然語言的處理

智能的另一表現(xiàn)就是進(jìn)行自然語言的交流，自然語言處理就是讓機(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)域的主要研究內(nèi)容是：如何利用計(jì)算機(jī)系統(tǒng)以主題和對話情境為基礎(chǔ)，生成和理解自然語言。[3] 4 人工智能應(yīng)用之模式的識別

如何使機(jī)器具有感知能力也是智能的表現(xiàn)。模式的識別是利用人工智能技術(shù)開發(fā)智能機(jī)器的關(guān)鍵，主要是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動處理和判讀，讓計(jì)算機(jī)實(shí)現(xiàn)“看見”，“聽見”等功能。計(jì)算機(jī)模式識別的主要特點(diǎn)是速度快，準(zhǔn)確率高，效率高，計(jì)算機(jī)模式識別也為人類認(rèn)識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“知識爆炸”的時(shí)代。傳統(tǒng)檢索系統(tǒng)已經(jīng)滿不足了對如今如此數(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，智能信息的檢索技術(shù)的運(yùn)用勢在必行。人工智能應(yīng)用之專家系統(tǒng)

我們常說的專家系統(tǒng)就是指從人類專家那里獲取的知識，并用來解決只有專家才能解決的疑難問題。這是一種基于知識的系統(tǒng)，從而也被稱為知識基系統(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?，F(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)器人對我們并不陌生，已在多個(gè)領(lǐng)域獲得了越來越普遍的應(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)所研究的問題主要包括從機(jī)器人手臂的最佳移動到實(shí)現(xiàn)機(jī)器人目標(biāo)的動作序列的規(guī)劃方法。機(jī)器人和機(jī)器人學(xué)的研究對人工智能思想的發(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)，自動存儲管理，符號程序，功能程序，動態(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)易競賽中機(jī)器人戰(zhàn)勝了人。

金融機(jī)構(gòu)已長久用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)去發(fā)覺變化或規(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；1999年世界范圍使用1,700,000臺機(jī)器人。? 顧客服務(wù)

人工智能是自動上線的好助手，可減少操作，使用的主要是自然語言加工系統(tǒng)。呼叫中心的回答機(jī)器也用類似技術(shù)，如語言識別軟件可使計(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。現(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

人工智能：用科學(xué)解密生命與智慧

技術(shù)常會影晌音樂的進(jìn)步，科學(xué)家想用人工智能技術(shù)盡量趕上音樂家的活動；現(xiàn)正集中在研究作曲，演奏，音樂理論，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)的角度來研究如何加速神經(jīng)網(wǎng)絡(luò)模仿和延伸人腦的高級精神活動，如聯(lián)想、記憶、推理、思維及意識等智能行為。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)從符號表示和可靠的推理策略問題轉(zhuǎn)移到學(xué)習(xí)和適應(yīng)的問題。同人和其他動物一樣，神經(jīng)網(wǎng)絡(luò)是適應(yīng)世界的一種機(jī)制：經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)結(jié)果是通過學(xué)識形成的。這種網(wǎng)絡(luò)是通過和世界交互形成的，通過經(jīng)驗(yàn)的不明確痕跡反映出來。神經(jīng)網(wǎng)絡(luò)的這種途徑對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)人工智能方法對于直覺，如模式、語音識別、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)、模式識別、智能控制、組合優(yōu)化、預(yù)測等領(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，將推動人工智能和信息處理技術(shù)不斷發(fā)展。近年來，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。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、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)按照最大概率來生成訓(xùn)練數(shù)據(jù)。我們不僅可以使用 DBN 識別特征、分類數(shù)據(jù)，還可以用它來生成數(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，叫特征檢測器(feature detectors)。最頂上的兩層間的連接是無向的，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)過程是一個(gè)判別模型

調(diào)優(yōu)過程(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)知過程，通過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：生成過程，通過頂層表示(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別能力。

五，人工智能未來發(fā)展趨勢

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，未來人工智能技術(shù)的發(fā)展有如下幾大趨勢： 1 問題求解

問題求解一般包括兩種，一種是指解決管理活動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)展成為搜索和問題歸約這類人工智能的基本技術(shù)；另一種問題的求解程序，是把各種數(shù)學(xué)公式符號匯編在一起。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)器自動獲取知識的過程。機(jī)器學(xué)習(xí)是機(jī)器獲取知識的根本途徑，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)主要研究內(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程、人類學(xué)習(xí)的機(jī)理等。3 模式識別

用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動識別，彌補(bǔ)計(jì)算機(jī)對外部世界感知能力低下的缺陷，使計(jì)算機(jī)能夠通過感官接受外界信息，識別和理解周圍環(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別能為人類

人工智能：用科學(xué)解密生命與智慧

認(rèn)識自身智能提供線索，也是開發(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)模式識別系統(tǒng)的研究熱點(diǎn)主要為三維景物、活動目標(biāo)的識別和分析方面。傳統(tǒng)的用統(tǒng)計(jì)模式和結(jié)構(gòu)模式的識別方法將會被近年來迅速發(fā)展起來的模糊數(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)專家提供的知識或經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題的智能軟件，它是一個(gè)具有大量的專門知識與經(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)，常被簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。是未來人工智能應(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，主要擅長處理復(fù)雜的多維的非線性問題，不但可以解決定量的問題，還可以解決定性的問題，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能力。或許未來智能計(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題求解、規(guī)劃和通信技巧應(yīng)用在更廣泛的實(shí)際問題中。人工智能的工作者是工具的制造者。我們的表示、算法和語言都是一些工具，用來設(shè)計(jì)和建立那些展現(xiàn)智能行為的機(jī)制。通過實(shí)驗(yàn)，我們同時(shí)檢驗(yàn)了它們解決問題的計(jì)算合適性，也檢驗(yàn)了我們對智能現(xiàn)象的理解。然而，人工智能仍有很多尚待解答的問題，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。——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。——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?！獎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。——培根