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 #include using namespace std;

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 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(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;

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(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>

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(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)⒅R(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>

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(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

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(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