第一篇：人工智能的發(fā)展及預(yù)測學(xué)習(xí)報告

人工智能的發(fā)展及預(yù)測學(xué)習(xí)報告

姓名

人工智能（Aritificial Intelligence，AI）是一門融合了計算機科學(xué)、統(tǒng)學(xué)、腦神經(jīng)學(xué)和社會科學(xué)的前沿綜合性學(xué)科。它的目標(biāo)是希望計算機擁有像人一樣的智力能力，可以替代人類實現(xiàn)識別、認(rèn)知、分類和決策等多種功能。

一、實現(xiàn)人工智能的方法----機器學(xué)習(xí)

機器學(xué)習(xí)最基本的做法，是使用算法來解析數(shù)據(jù)、從中學(xué)習(xí)，然后對真實世界中的事件做出決策和預(yù)測。與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機器學(xué)習(xí)是用大量的數(shù)據(jù)來“訓(xùn)練”，通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。

機器學(xué)習(xí)直接來源于早期的人工智能領(lǐng)域。傳統(tǒng)算法包括決策樹學(xué)習(xí)、推導(dǎo)邏輯規(guī)劃、聚類、強化學(xué)習(xí)和貝葉斯網(wǎng)絡(luò)等等。眾所周知，我們還沒有實現(xiàn)強人工智能。早期機器學(xué)習(xí)方法甚至都無法實現(xiàn)弱人工智能。

機器學(xué)習(xí)最成功的應(yīng)用領(lǐng)域是計算機視覺，雖然也還是需要大量的手工編碼來完成工作。人們需要手工編寫分類器、邊緣檢測濾波器，以便讓程序能識別物體從哪里開始，到哪里結(jié)束；寫形狀檢測程序來判斷檢測對象是不是有八條邊；寫分類器來識別字母“ST-O-P”。使用以上這些手工編寫的分類器，人們總算可以開發(fā)算法來感知圖像，判斷圖像是不是一個停止標(biāo)志牌。

這個結(jié)果還算不錯，但并不是那種能讓人為之一振的成功。特別是遇到云霧天，標(biāo)志牌變得不是那么清晰可見，又或者被樹遮擋一部分，算法就難以成功了。這就是為什么前一段時間，計算機視覺的性能一直無法接近到人的能力。它太僵化，太容易受環(huán)境條件的干擾。

隨著時間的推進(jìn)，學(xué)習(xí)算法的發(fā)展改變了一切。

二、實現(xiàn)機器學(xué)習(xí)的技術(shù)—深度學(xué)習(xí)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks）是早期機器學(xué)習(xí)中的一個重要的算法，歷經(jīng)數(shù)十年風(fēng)風(fēng)雨雨。神經(jīng)網(wǎng)絡(luò)的原理是受我們大腦的生理結(jié)構(gòu)——互相交叉相連的神經(jīng)元啟發(fā)。但與大腦中一個神經(jīng)元可以連接一定距離內(nèi)的任意神經(jīng)元不同，人工神經(jīng)網(wǎng)絡(luò)具有離散的層、連接和數(shù)據(jù)傳播的方向。

例如，我們可以把一幅圖像切分成圖像塊，輸入到神經(jīng)網(wǎng)絡(luò)的第一層。在第一層的每一個神經(jīng)元都把數(shù)據(jù)傳遞到第二層。第二層的神經(jīng)元也是完成類似的工作，把數(shù)據(jù)傳遞到第三層，以此類推，直到最后一層，然后生成結(jié)果。每一個神經(jīng)元都為它的輸入分配權(quán)重，這個權(quán)重的正確與否與其執(zhí)行的任務(wù)直接相關(guān)。最終的輸出由這些權(quán)重加總來決定。我們?nèi)砸酝Ｖ梗⊿top）標(biāo)志牌為例。將一個停止標(biāo)志牌圖像的所有元素都打碎，然后用神經(jīng)元進(jìn)行“檢查”：八邊形的外形、救火車般的紅顏色、鮮明突出的字母、交通標(biāo)志的典型尺寸和靜止不動運動特性等等。神經(jīng)網(wǎng)絡(luò)的任務(wù)就是給出結(jié)論，它到底是不是一個停止標(biāo)志牌。神經(jīng)網(wǎng)絡(luò)會根據(jù)所有權(quán)重，給出一個經(jīng)過深思熟慮的猜測——“概率向量”。這個例子里，系統(tǒng)可能會給出這樣的結(jié)果：86%可能是一個停止標(biāo)志牌；7%的可能是一個限速標(biāo)志牌；5%的可能是一個風(fēng)箏掛在樹上等等。然后網(wǎng)絡(luò)結(jié)構(gòu)告知神經(jīng)網(wǎng)絡(luò)，它的結(jié)論是否正確。即使是這個例子，也算是比較超前了。直到前不久，神經(jīng)網(wǎng)絡(luò)也還是為人工智能圈所淡忘。其實在人工智能出現(xiàn)的早期，神經(jīng)網(wǎng)絡(luò)就已經(jīng)存在了，但神經(jīng)網(wǎng)絡(luò)對于“智能”的貢獻(xiàn)微乎其微。主要問題是，即使是最基本的神經(jīng)網(wǎng)絡(luò)，也需要大量的運算。神經(jīng)網(wǎng)絡(luò)算法的運算需求難以得到滿足。

不過，還是有一些虔誠的研究團(tuán)隊，以多倫多大學(xué)的Geoffrey Hinton為代表，堅持研究，實現(xiàn)了以超算為目標(biāo)的并行算法的運行與概念證明。但也直到GPU得到廣泛應(yīng)用，這些努力才見到成效。我們回過頭來看這個停止標(biāo)志識別的例子。神經(jīng)網(wǎng)絡(luò)是調(diào)制、訓(xùn)練出來的，時不時還是很容易出錯的。它最需要的，就是訓(xùn)練。需要成百上千甚至幾百萬張圖像來訓(xùn)練，直到神經(jīng)元的輸入的權(quán)值都被調(diào)制得十分精確，無論是否有霧，晴天還是雨天，每次都能得到正確的結(jié)果。

只有這個時候，我們才可以說神經(jīng)網(wǎng)絡(luò)成功地自學(xué)習(xí)到一個停止標(biāo)志的樣子；或者在Facebook的應(yīng)用里，神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)了你媽媽的臉；又或者是2012年吳恩達(dá)（Andrew Ng）教授在Google實現(xiàn)了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到貓的樣子等等。

吳教授的突破在于，把這些神經(jīng)網(wǎng)絡(luò)從基礎(chǔ)上顯著地增大了。層數(shù)非常多，神經(jīng)元也非常多，然后給系統(tǒng)輸入海量的數(shù)據(jù)，來訓(xùn)練網(wǎng)絡(luò)。在吳教授這里，數(shù)據(jù)是一千萬YouTube視頻中的圖像。吳教授為深度學(xué)習(xí)（deep learning）加入了“深度”（deep）。這里的“深度”就是說神經(jīng)網(wǎng)絡(luò)中眾多的層。

現(xiàn)在，經(jīng)過深度學(xué)習(xí)訓(xùn)練的圖像識別，在一些場景中甚至可以比人做得更好：從識別貓，到辨別血液中癌癥的早期成分，到識別核磁共振成像中的腫瘤。Google的AlphaGo先是學(xué)會了如何下圍棋，然后與它自己下棋訓(xùn)練。它訓(xùn)練自己神經(jīng)網(wǎng)絡(luò)的方法，就是不斷地與自己下棋，反復(fù)地下，永不停歇。

三、人工智能的發(fā)展歷程

上圖是人工智能的發(fā)展史，短短的70年間，人工智能的發(fā)展取得了巨大的成功，并不斷細(xì)化。從機器學(xué)習(xí)開始飛速進(jìn)步，再到深度學(xué)習(xí)驅(qū)動人工智能蓬勃發(fā)展，以至于造成了前所未有的巨大影響。

1956年，幾個計算機科學(xué)家相聚在達(dá)特茅斯會議（Dartmouth Conferences），提出了“人工智能”的概念。其后，人工智能就一直縈繞于人們的腦海之中，并在科研實驗室中慢慢孵化。之后的幾十年，人工智能一直在兩極反轉(zhuǎn)，或被稱作人類文明耀眼未來的預(yù)言；或者被當(dāng)成技術(shù)瘋子的狂想扔到垃圾堆里。坦白說，直到2012年之前，這兩種聲音還在同時存在。

過去幾年，尤其是2015年以來，人工智能開始大爆發(fā)。很大一部分是由于GPU的廣泛應(yīng)用，使得并行計算變得更快、更便宜、更有效。當(dāng)然，無限拓展的存儲能力和驟然爆發(fā)的數(shù)據(jù)洪流（大數(shù)據(jù)）的組合拳，也使得圖像數(shù)據(jù)、文本數(shù)據(jù)、交易數(shù)據(jù)、映射數(shù)據(jù)全面海量爆發(fā)。這些方向的進(jìn)步為包括谷歌、微軟、facebook等國際互聯(lián)網(wǎng)巨頭和包括百度、阿里、騰訊等國內(nèi)人工智能發(fā)展的第一梯隊帶來了巨大的潛在市場價值。

四、人工智能與人類智能較量（從Alpha Go理解預(yù)測）以前人們說圍棋AI十年內(nèi)打不過職業(yè)棋手，于是

1、AlphaGo Fan贏了樊麾；

2、AlphaGo Lee贏了人類李世石；

3、AlphaGo Lee有各種漏洞，于是AlphaGo Master連贏60局，圍棋峰會毫無懸念打出3-0，還留下一堆“神”譜；

4、AlphaGo Zero自我強化學(xué)習(xí)3天終結(jié)了AlphaGo Lee；

這次AlphaZero的出世，意義不止在于研究棋類游戲；它表明深度神經(jīng)網(wǎng)絡(luò)還有大量的潛力有待挖掘，尤其是與之類似的對抗增強的網(wǎng)絡(luò)模型。

但是，AlphaZero的強化學(xué)習(xí)訓(xùn)練耗費了海量的硬件資源，暗示著想要實現(xiàn)更強的人工智能還需要更多的計算力。有句話說“有多少人工就有多少智能”，所以這次的AlphaZero短期帶來的最大影響，可能是AI的各個研究領(lǐng)域要開始發(fā)展硬件了。

我認(rèn)為人工智能發(fā)展始終圍繞著人類的發(fā)展，所謂“較量”或許終究是人與人的較量、人與未來的較量，人與落后的較量。我們應(yīng)保持樂觀積極的發(fā)展態(tài)度，給人工智能以摧殘的未來，同時，警惕技術(shù)觸及倫理與道德和法律的底線，我們的明天終會更加美好！

參考資料：

[1]《機器學(xué)習(xí)》-周志華 [2]《人工智能》-李開復(fù)

第二篇：《人工智能》學(xué)習(xí)報告

深圳大學(xué)碩士研究生課程作業(yè)—人工智能

《人工智能》學(xué)習(xí)報告

深圳大學(xué)機電與控制工程學(xué)院彭建柳

學(xué)號：0943010210

1.引言

人工智能(Artificial Intelligence，AI)，曾經(jīng)有一部電影，著名導(dǎo)演斯蒂文?斯皮爾伯格的科幻片《人工智能》(A.I.)對許多人的頭腦又一次產(chǎn)生了震動，引起了一些人士了解并探索人工智能領(lǐng)域的興趣。人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數(shù)研究人員為之奉獻(xiàn)才智，從美國的麻省理工學(xué)院(MIT)、卡內(nèi)基-梅隆大學(xué)(CMU)到IBM公司，再到日本的本田公司、SONY公司以及國內(nèi)的清華大學(xué)、中科院等科研院所，全世界的實驗室都在進(jìn)行著AI技術(shù)的實驗。

一直以來，關(guān)于人工智能的理論，我一直認(rèn)為是科學(xué)的前沿，理解起來較為飄渺。但是，從本學(xué)期《人工智能》課程的學(xué)習(xí)中，本人較系統(tǒng)的接觸到了關(guān)于人工智能的理論，從有限的課程中，通過老師的詳細(xì)介紹和查閱人工智能方面的書籍，學(xué)習(xí)了關(guān)于人工智能幾個主要方面的知識，如模糊控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等。下面是本人關(guān)于人工智能理論的一些基本認(rèn)識。

2.人工智能的形成與發(fā)展

說到人工智能，首先先認(rèn)識下自動控制理論，自動控制理論從形成到發(fā)展至今，已經(jīng)經(jīng)歷了六十多年的歷程，其主要分為三個階段：

務(wù)和現(xiàn)實模型的描述、符號和環(huán)境的識別以及知識庫和推理機的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計常規(guī)控制器，而是研制智能機器的模型。此外，智能控制的核心在高層控制，即組織控制。高層控制是對實際環(huán)境或過程進(jìn)行組織、決策和規(guī)劃，以實現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號信息處理、啟發(fā)式程序設(shè)計、知識表示、自動推理和決策等有關(guān)技術(shù)。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的“智能”。

隨著人工智能和計算機技術(shù)的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng)科學(xué)中一些有關(guān)學(xué)科分支(如系統(tǒng)工程、系統(tǒng)學(xué)、運籌學(xué)、信息論)結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動控制技術(shù)的最新發(fā)展階段，也是用計算機模擬人類智能進(jìn)行控制的研究領(lǐng)域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)。1985年，在美國首次召開了智能控制學(xué)術(shù)討論會。1987年又在美國召開了智能控制的首屆國際學(xué)術(shù)會議，標(biāo)志著智能控制作為一個新的學(xué)科分支得到承認(rèn)。智能控制具有交叉學(xué)科和定量與定性相結(jié)合的分析方法和特點。

3.模糊控制

在傳統(tǒng)的控制領(lǐng)域里，控制系統(tǒng)動態(tài)模式的精確與否是影響控制優(yōu)劣的最主要關(guān)鍵，系統(tǒng)動態(tài)的信息越詳細(xì)，則越能達(dá)到精確控制的目的。然而，對于復(fù)雜的系統(tǒng)，由于變量太多，往往難以正確的描述系統(tǒng)的動態(tài)，于是工程師便利用各種方法來簡化系統(tǒng)動態(tài)，以達(dá)成控制的目的，但卻不盡理想。換言之，傳統(tǒng)的控制理論對于明確系統(tǒng)有強而有力的控制能力，但對于過于復(fù)雜或難以精確描述的系統(tǒng)，則顯得無能為力了。因此便嘗試著以模糊數(shù)學(xué)來處理這些控制問題。通過課堂中，導(dǎo)師生動的講解，以及引用到生活當(dāng)中鮮活的例子，如冰箱溫度的模糊控制，智能汽車的行駛路線控制等等，充分的認(rèn)識到，模糊控制在當(dāng)今社會的應(yīng)用已經(jīng)很廣泛，只是理論知識的缺乏而感覺不到它們的存在。

一般控制架構(gòu)包括：定義變量、模糊化、知識庫、邏輯判斷及反模糊化，詳細(xì)如下：

(1)定義變量：也就是決定程序被觀察的狀況及考慮控制的動作，例如在一般控制問題上，輸入變量有輸出誤差E與輸出誤差之變化率CE，而控制變量

則為下一個狀態(tài)之輸入U。其中E、CE、U統(tǒng)稱為模糊變量。

(2)模糊化（fuzzify）：將輸入值以適當(dāng)?shù)谋壤D(zhuǎn)換到論域的數(shù)值，利用口語化變量來描述測量物理量的過程，依適合的語言值（linguisitc value）求該值相對之隸屬度，此口語化變量我們稱之為模糊子集合（fuzzy subsets）。

(3)知識庫：包括數(shù)據(jù)庫（data base）與規(guī)則庫（rule base）兩部分，其中數(shù)據(jù)庫是提供處理模糊數(shù)據(jù)之相關(guān)定義；而規(guī)則庫則藉由一群語言控制規(guī)則描述控制目標(biāo)和策略。

(4)邏輯判斷：模仿人類下判斷時的模糊概念，運用模糊邏輯和模糊推論法進(jìn)行推論，而得到模糊控制訊號。此部分是模糊控制器的精髓所在。

(5)解模糊化（defuzzify）：將推論所得到的模糊值轉(zhuǎn)換為明確的控制訊號，做為系統(tǒng)的輸入值。

模糊控制很重要的一點就是模糊規(guī)則的制定，其規(guī)則制定的來源主要由專家的經(jīng)驗和知識、操作員的操作模式、自學(xué)習(xí)提供。模糊規(guī)則的形式則分為狀態(tài)評估和目標(biāo)評估兩種。但都是以模糊控制為基礎(chǔ)，達(dá)到自動控制的目的。

4.專家系統(tǒng)

專家系統(tǒng)(expert system)是人工智能應(yīng)用研究最活躍和最廣泛的課題之

一。運用特定領(lǐng)域的專門知識，通過推理來模擬通常由人類專家才能解決的各種復(fù)雜的、具體的問題，達(dá)到與專家具有同等解決問題能力的計算機智能程序系統(tǒng)。它能對決策的過程作出解釋，并有學(xué)習(xí)功能，即能自動增長解決問題所需的知識。

專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性等方面存在缺陷，求解問題的能力弱。第二代專家系統(tǒng)（mycin、casnet、prospector、hearsay等）屬單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所改善，而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術(shù)、不確定推理技術(shù)、增強專家系統(tǒng)的知識表示和推理方法的啟發(fā)性、通用性等方面都有所改進(jìn)。第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和

環(huán)境來研制大型綜合專家系統(tǒng)。在總結(jié)前三代專家系統(tǒng)的設(shè)計方法和實現(xiàn)技術(shù)的基礎(chǔ)上，已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫、自組織解題機制、多學(xué)科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡(luò)知識獲取及學(xué)習(xí)機制等最新人工智能技術(shù)來實現(xiàn)具有多知識庫、多主體的第四代專家系統(tǒng)。

對專家系統(tǒng)可以按不同的方法分類。通常，可以按應(yīng)用領(lǐng)域、知識表示方法、控制策略、任務(wù)類型等分類。如按任務(wù)類型來劃分，常見的有解釋型、預(yù)測型、診斷型、調(diào)試型、維護(hù)型、規(guī)劃型、設(shè)計型、監(jiān)督型、控制型、教育型等。

簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。

5.神經(jīng)網(wǎng)絡(luò)

由于神經(jīng)網(wǎng)絡(luò)是多學(xué)科交叉的產(chǎn)物，各個相關(guān)的學(xué)科領(lǐng)域?qū)ι窠?jīng)網(wǎng)絡(luò)都有各自的看法，因此，關(guān)于神經(jīng)網(wǎng)絡(luò)的定義，在科學(xué)界存在許多不同的見解。目前使用得最廣泛的是T.Koholen的定義，即“神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應(yīng)。”

人工神經(jīng)網(wǎng)絡(luò)是模擬人思維的第二種方式。這是一個非線性動力學(xué)系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。雖然單個神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實現(xiàn)的行為卻是極其豐富多彩的。

6.小結(jié)

關(guān)于人工智能的學(xué)習(xí)，我現(xiàn)在所學(xué)習(xí)到的僅僅是皮毛。但對于一個剛剛接觸人工智能學(xué)習(xí)的學(xué)生，了解如模糊控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等人工智能的知識入門尤為重要，為將來進(jìn)一步學(xué)習(xí)人工智能的理論打下基礎(chǔ)，并將理論應(yīng)用于生活和工作當(dāng)中，這才是學(xué)習(xí)的最終目的。

參考文獻(xiàn)：

《人工智能控制》作者：蔡自興，出 版 社：化學(xué)工業(yè)出版社，2005-7-1

第三篇：人工智能學(xué)習(xí)

人工智能學(xué)習(xí)-知識要點總結(jié) [Nirvana 發(fā)表于 2005-1-2 13:32:24]

人工智能是在計算機科學(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，是一門綜合性邊緣學(xué)科，延伸人腦的功能，實現(xiàn)了腦力勞動的自動化。

1、認(rèn)知科學(xué)認(rèn)為智能的核心是思維，知識闕值理論認(rèn)為智能行為取決于知識的數(shù)量及其一般化程度，智能就是在巨大搜索空間中迅速找到一個滿意解的能力；進(jìn)化理論的核心是用控制取代表示，取消概念、模型及顯示表示知識，否定抽象對于智能及智能模擬的必要性，強調(diào)分結(jié)構(gòu)對于智能進(jìn)化的可能性與必要性。綜合上述觀點，認(rèn)為智能是知識與智力的總和，具有如下特征：

（1）記憶與思維能力，（2）學(xué)習(xí)能力及自適應(yīng)能力，（3）行為能力。

人工智能是人造智能，是一門研究如何構(gòu)造智能機器（智能計算機）或智能系統(tǒng)，使它能模擬、延伸、擴展人類智能的學(xué)科。通過圖靈測試可以判斷一個系統(tǒng)是否具有智能和智能的水平。

人工智能研究內(nèi)容：

（1）機器感知（2）機器思維（3）機器學(xué)習(xí)（4）機器行為（5）智能系統(tǒng)構(gòu)造技術(shù)

人工智能研究途徑：

（1）符號處理（2）網(wǎng)絡(luò)連接機制（3）系統(tǒng)集成2、知識是智能的基礎(chǔ)，對人工智能的研究必須以知識為中心來進(jìn)行，由于對知識的表示、利用、獲取等的研究取得較大進(jìn)展，特別是不確定性知識表示與推理取得的突破，建立了主觀Bayes理論、確定性理論、證據(jù)理論、可能性理論，對人工智能其他領(lǐng)域（如模式識別，自然語言理解等）的發(fā)展提供了支持。數(shù)據(jù)是信息的載體和表示，信息是數(shù)據(jù)在特定場合的具體含義，信息是數(shù)據(jù)的語義；把有關(guān)信息關(guān)聯(lián)在一起所形成的信息結(jié)構(gòu)叫知識。具有：相對正確性，不確定性，可表示性，可利用性等特征；按作用范圍分為常識性知識，領(lǐng)域性知識；按作用及表示分為事實性知識，過程性知識，控制性知識。按確定性分為確定性知識，不確定性知識；按結(jié)構(gòu)及表現(xiàn)形式分為邏輯性知識，形象性知識；從抽象的，整體的觀點來劃分可分為零級知識，一級知識，二級知識。知識表示方法總體上分為符號表示法，連接機制表示法；目前用得較多的知識表示方法主要有：一階謂詞邏輯表示，產(chǎn)生式，框架，語義網(wǎng)絡(luò)，腳本，過程，Petrio網(wǎng)，面向?qū)ο蟊硎痉?。選擇知識表示法時，要注意以下幾個方面：

（1）充分表示領(lǐng)域知識（2）有利于對知識的利用（3）便于對知識的組織、維護(hù)與管理（4）便于理解和實現(xiàn)

3、產(chǎn)生式系統(tǒng)構(gòu)成：規(guī)則庫，控制系統(tǒng)，綜合數(shù)據(jù)庫。綜合數(shù)據(jù)庫中已知事實表示：（特性 對象 值可信度因子）控制系統(tǒng)的求解過程是一個不斷地從規(guī)則庫中選取可用規(guī)則與綜合數(shù)據(jù)庫中已知事實進(jìn)行匹配的過程。產(chǎn)生式系統(tǒng)分類：按推理方向分為前向、后向和雙向產(chǎn)生式系統(tǒng)；按表示知識的確定性可分為確定性及不確定性產(chǎn)生式系統(tǒng)；按數(shù)據(jù)庫性質(zhì)及結(jié)構(gòu)特征進(jìn)行分類為可交換的產(chǎn)生式系統(tǒng)，可分解的產(chǎn)生式系統(tǒng)，可恢復(fù)的產(chǎn)生式系統(tǒng)?？蚣苁且环N描述所論對象屬性的數(shù)據(jù)結(jié)構(gòu)，由槽結(jié)構(gòu)組成，槽分為若干側(cè)面。問題求解主要通過匹配和填槽實現(xiàn)的；產(chǎn)生式表示法主要用于描述事物間的因果關(guān)系，框架表示法主要用于描述事物內(nèi)部結(jié)構(gòu)及事物間的類屬關(guān)系。語義網(wǎng)絡(luò)是通過概念及其語義關(guān)系來表達(dá)知識的一種網(wǎng)絡(luò)圖。一個過程規(guī)則包括激發(fā)條件，演繹操作，狀態(tài)轉(zhuǎn)換及返回四個部分。

4、推理就是按某種策略由已知判斷推出另一判斷的思維過程。按從新判斷推出的途徑來劃分，推理可分為演繹推理、歸納推理和默認(rèn)推理；按所用知識確定性分為確定性推理，不確定性推理；按推出的結(jié)論是否單調(diào)地增加來劃分為單調(diào)推理，非單調(diào)推理；按是否運用與問題有關(guān)的啟發(fā)性知識分為啟發(fā)式推理，非啟發(fā)式推理；按基于方法的分為基于知識的推理，統(tǒng)計推理，直覺推理。推理的控制策略：推理方向，搜索策略，沖突消解策略，求解策略和限制策略。推理方向可確定推理的驅(qū)動方式：正向推理，逆向推理，混合推理及雙向推理。

從一組已知為真的事實出發(fā)，直接運用經(jīng)典邏輯的推理規(guī)則推出結(jié)論的過程稱為自然演繹推理，基本推理規(guī)則是P規(guī)則，T規(guī)則，假言推理，拒絕式推理等：

P規(guī)則：任何步驟可引入前提A

T規(guī)則：前面步驟有一個或多個公式永真蘊涵公式S，可引入S

假言推理：P，P—>Q=> Q

拒絕式推理：P—>Q, 非Q=>非P

歸結(jié)演繹推理中，空字句是不滿足的，因此歸結(jié)的目標(biāo)是通過歸結(jié)使字句集中包含空字句，從而證明原命題的不可滿足性。歸結(jié)式是親本字句的邏輯結(jié)論。

不確定性推理是從不確定性的初始證據(jù)出發(fā)，通過運用不確定性的知識，最終推出具有一定程度的不確定性但卻是合理或者近乎合理的理論的思維過程。

不確定推理的基本問題：推理方向，推理方法，控制策略，不確定性的表示和度量，不確定性匹配，不確定性傳遞算法，不確定性的合成。

知識的不確定性稱為知識的靜態(tài)強度；證據(jù)的不確定性稱為動態(tài)強度

5、組合證據(jù)的不確定性算法：

最大最小方法

概率方法

有界方法

不確定性傳遞算法：

結(jié)論不確定性的合成：

6、主觀Bayes方法：

（1）知識不確定性表示（產(chǎn)生式規(guī)則）：

（2）證據(jù)不確定性表示：

（3）組合證據(jù)不確定性的算法：

（4）不確定性傳遞算法：

（5）結(jié)論不確定性的合成算法：

7、可信度方法：（C-F模型是基于可信度表示的不確定性推理的基本方法）

在可信度推理方法中的Ｃ-F模型里，可信度CF(H,E)的含義是：CF(H,E)>0表示Ｅ的出現(xiàn)增加了Ｈ的可信度；CF(H,E)=0表示Ｅ的出現(xiàn)與Ｈ可信度無關(guān)；CF(H,E)<0表示Ｅ的出現(xiàn)降低了Ｈ的可信度。

（1）知識不確定性表示：

（2）證據(jù)不確定性表示：

（3）組合證據(jù)不確定性算法：

（4）不確定性傳遞算法：

（5）結(jié)論不確定性合成算法（推理網(wǎng)絡(luò)）：

8、證據(jù)理論是用集合表示命題的，D是變量x所有可能取值的集合，且D中的元素是互斥的，在任一時刻x都取且只能取D中某一元素為值，則稱D為x的樣本空間。

信任函數(shù)與似然函數(shù)的關(guān)系：Pl(A)>=Bel(A), Bel(A)表示對A為真的信任程度，Pl(A)表示對A為非假的信任程度。Pl(A)-Bel(A)表示對Ａ不知道的程度，即既非對Ａ信任又不信任的那部分。

知識的不確定表示：IF E THEN H={h1,h2,…,hn} CF={c1,c2,…,cn}ＣＦ是可信度因子

含有模糊概念、模糊數(shù)據(jù)或帶有確信程度的語句稱為模糊命題。一般表示形式為：

x is A(CF)x是論域上的變量，Ａ是模糊數(shù)，ＣＦ是該模糊命題的確信程度或

相應(yīng)事件發(fā)生的可能性程度。

10、人工智能解決的問題：結(jié)構(gòu)不良，非結(jié)構(gòu)化；盲目搜索按預(yù)定的控制策略進(jìn)行搜索，在搜索過程中獲得的中間信息不用來改進(jìn)控制策略；啟發(fā)式搜索加入了與問題有關(guān)的啟發(fā)性信息，用以指導(dǎo)搜索朝著最有希望的方向前進(jìn)，加速問題的求解過程并找到最優(yōu)解。

狀態(tài)空間表示法：（Ｓ，Ｆ，Ｇ）

11、專家系統(tǒng)就是一種在相關(guān)領(lǐng)域中具有專家水平解題能力的智能程序系統(tǒng)，它能運用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗與專門知識，模擬人類專家的思維過程，求解需要專家才能解決的困難問題。

特征：專家知識，有效推理，獲取知識能力，靈活性，透明性，交互性，復(fù)雜性

專家系統(tǒng)與常規(guī)計算機程序比較：＊

(1)常規(guī)程序＝數(shù)據(jù)結(jié)構(gòu)＋算法，專家系統(tǒng)＝知識＋推理

(2)常規(guī)程序分為數(shù)據(jù)級＋程序級，專家系統(tǒng)數(shù)據(jù)級＋知識庫級＋控制級

(3)常規(guī)程序面向數(shù)值計算和數(shù)據(jù)處理，專家系統(tǒng)本質(zhì)上是面向符號處理的(4)常規(guī)程序處理的數(shù)據(jù)多是精確的，專家系統(tǒng)處理不精確，模糊知識

(5)解釋功能

(6)都是程序系統(tǒng)

12、機器學(xué)習(xí)是要使計算機能模擬人的學(xué)習(xí)行為，自動地通過學(xué)習(xí)獲取知識和技能，不斷改善性能，實現(xiàn)自我完善：

三個方面的研究內(nèi)容：（１）學(xué)習(xí)機理研究（２）學(xué)習(xí)方法研究（３）面向任務(wù)研究

學(xué)習(xí)系統(tǒng)是指能夠在一定程度上實現(xiàn)機器學(xué)習(xí)的系統(tǒng)，能夠從某個過程或環(huán)境的未知特征中學(xué)到有關(guān)信息，并且能把學(xué)到的信息用于未來的估計、分類、決策或控制，以便改進(jìn)系統(tǒng)的性能。在結(jié)構(gòu)上主要包括：學(xué)習(xí)環(huán)境，學(xué)習(xí)機構(gòu)，執(zhí)行與評估機構(gòu)和知識庫四個部分；各種符號學(xué)習(xí)方法中推理能力最強的學(xué)習(xí)方法是機械式學(xué)習(xí)，推理能力最弱的方法是觀察和發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獲得的知識被存儲在神經(jīng)元之間的連接中。

學(xué)習(xí)系統(tǒng)具有的條件能力：

(1)具有適當(dāng)?shù)膶W(xué)習(xí)環(huán)境

(2)具有一定學(xué)習(xí)能力

(3)能應(yīng)用學(xué)到的知識求解問題

(4)能提高系統(tǒng)的性能

第四篇：2018-2022年中國人工智能行業(yè)發(fā)展預(yù)測及投資機會分析報告

2018-2022年中國人工智能行業(yè)發(fā)

展預(yù)測及投資機會分析報告

▄ 核心內(nèi)容提要

【出版日期】2017年4月 【報告編號】19591 【交付方式】Email電子版/特快專遞

【價

格】紙介版：7000元

電子版：7200元

紙介+電子：7500元

▄ 報告目錄

第一章 人工智能的基本介紹 第一節(jié)、人工智能的基本概述

一、人工智能的內(nèi)涵

二、人工智能的分類

三、人工智能關(guān)鍵環(huán)節(jié)

四、人工智能研究階段 第二節(jié)、人工智能產(chǎn)業(yè)鏈分析

一、產(chǎn)業(yè)鏈基本構(gòu)成

二、產(chǎn)業(yè)鏈的相關(guān)企業(yè) 第三節(jié)、人工智能發(fā)展歷程

一、發(fā)展歷程

二、研究進(jìn)程

三、發(fā)展階段

第四節(jié)、人工智能的研究方法

一、大腦模擬

二、符號處理

三、子符號法

四、統(tǒng)計學(xué)法

五、集成方法

第二章 2015-2017年國際人工智能行業(yè)發(fā)展分析 第一節(jié)、2015-2017年全球人工智能行業(yè)發(fā)展綜況

一、人工智能概念的興起

二、驅(qū)動人工智能發(fā)展動因

三、人工智能產(chǎn)業(yè)發(fā)展階段

四、全球人工智能企業(yè)分布

五、全球人工智能專利申請狀況

六、發(fā)達(dá)國家重視人工智能產(chǎn)業(yè) 第二節(jié)、美國

一、美國人工智能發(fā)展?fàn)顩r

二、美國人工智能戰(zhàn)略布局

三、美國人工智能相關(guān)主體

四、美國人工智能應(yīng)用現(xiàn)狀

五、人工智能應(yīng)用于美國國防

六、美國人工智能發(fā)展規(guī)劃 第三節(jié)、日本

一、日本人工智能發(fā)展實力

二、日本人工智能重點企業(yè)

三、日本人工智能相關(guān)規(guī)劃

四、日本政府推進(jìn)人工智能

五、AI成日本工業(yè)發(fā)展重點

六、日本人工智能發(fā)展展望

第四節(jié)、2015-2017年各國人工智能產(chǎn)業(yè)發(fā)展動態(tài)

一、歐盟推進(jìn)機器人研發(fā)

二、歐美推出大腦發(fā)展計劃

三、俄羅斯推出AI機器人

四、韓國人工智能發(fā)展動態(tài)

五、新加坡人工智能發(fā)展計劃

六、以色列人工智能融資動態(tài)

第五節(jié)、2015-2017年國際企業(yè)加快布局人工智能領(lǐng)域

一、國際巨頭加快AI布局

二、Facebook人工智能布局

三、戴爾開展人工智能研發(fā)合作

四、NVIDIA公司布局人工智能

五、雅虎主動布局人工智能領(lǐng)域

六、維基百科應(yīng)用人工智能技術(shù)

第三章 2015-2017年中國人工智能行業(yè)政策環(huán)境分析 第一節(jié)、政策助力人工智能發(fā)展

一、政策加碼布局人工智能

二、中國大腦研究計劃開啟

三、完善人工智能建設(shè)基礎(chǔ)及應(yīng)用

四、加快建設(shè)人工智能資源庫

五、人工智能成為國家戰(zhàn)略重點 第二節(jié)、人工智能行業(yè)相關(guān)政策分析

一、“中國制造”助力人工智能

二、“互聯(lián)網(wǎng)+”促進(jìn)人工智能發(fā)展

三、人工智能行動實施方案發(fā)布

四、人工智能發(fā)展規(guī)劃正式發(fā)布 第三節(jié)、人工智能行業(yè)地方政策環(huán)境分析

一、黑龍江省

二、福建省

三、貴州省

四、天津市

五、重慶市

六、上海市

七、廣州市

第四節(jié)、機器人相關(guān)政策規(guī)劃分析

一、機器人產(chǎn)業(yè)發(fā)展規(guī)劃發(fā)布

二、各部委聚焦智能機器人發(fā)展

三、各地區(qū)加快機器人行業(yè)布局

第四章 2015-2017年中國人工智能行業(yè)發(fā)展分析 第一節(jié)、我國人工智能產(chǎn)業(yè)認(rèn)知調(diào)研

一、認(rèn)知狀況

二、認(rèn)知渠道

三、認(rèn)可領(lǐng)域

四、價值領(lǐng)域

五、取代趨勢

六、爭議領(lǐng)域

第二節(jié)、我國人工智能技術(shù)研究進(jìn)程

一、人工智能技術(shù)方興未艾

二、人工智能研究實力分析

三、人工智能專利申請狀況

四、人工智能產(chǎn)研結(jié)合加快

五、人工智能實驗室成立

第三節(jié)、2015-2017年人工智能行業(yè)發(fā)展綜況

一、人工智能行業(yè)發(fā)展提速

二、人工智能產(chǎn)業(yè)規(guī)模分析

三、人工智能產(chǎn)業(yè)發(fā)展特征

四、人工智能企業(yè)區(qū)域分布

五、企業(yè)加快人工智能布局 第四節(jié)、人工智能產(chǎn)業(yè)生態(tài)格局分析

一、生態(tài)格局基本架構(gòu)

二、基礎(chǔ)資源支持層

三、技術(shù)實現(xiàn)路徑層

四、應(yīng)用實現(xiàn)路徑層

五、未來生態(tài)格局展望

第五節(jié)、2015-2017年人工智能區(qū)域發(fā)展動態(tài)分析

一、哈爾濱逐步完善機器人產(chǎn)業(yè)

二、安徽省建立人工智能學(xué)會 三、四川成立人工智能實驗室

四、江蘇省啟動“大腦計劃”

五、上海進(jìn)一步布局人工智能

六、福建建立仿腦智能實驗室

第六節(jié)、2015-2017年人工智能技術(shù)研究動態(tài)

一、人工智能再獲重大突破

二、深度學(xué)習(xí)專用處理器發(fā)布

三、智能語音交互成為趨勢

四、高級人工智能逐步突破

五、人工智能技術(shù)走進(jìn)生活

六、人工智能帶來媒體變革

第七節(jié)、人工智能行業(yè)發(fā)展存在的主要問題

一、人工智能的三大發(fā)展瓶頸

二、人工智能發(fā)展的技術(shù)困境

三、人工智能發(fā)展的隱性問題

四、人工智能發(fā)展的道德問題 第八節(jié)、人工智能行業(yè)發(fā)展對策及建議

一、人工智能的發(fā)展策略分析

二、人工智能的技術(shù)發(fā)展建議

三、人工智能倫理問題的對策

第五章 2015-2017年人工智能行業(yè)發(fā)展驅(qū)動要素分析 第一節(jié)、硬件基礎(chǔ)日益成熟

一、高性能CPU

二、“人腦”芯片

三、量子計算機

四、仿生計算機

第二節(jié)、大規(guī)模并行運算的實現(xiàn)

一、云計算的關(guān)鍵技術(shù)

二、云計算的應(yīng)用模式

三、云計算產(chǎn)業(yè)發(fā)展現(xiàn)狀

四、我國推進(jìn)云計算發(fā)展

五、云計算技術(shù)發(fā)展動態(tài)

六、云計算成人工智能基礎(chǔ) 第三節(jié)、大數(shù)據(jù)技術(shù)的崛起

一、大數(shù)據(jù)技術(shù)的內(nèi)涵

二、大數(shù)據(jù)的各個環(huán)節(jié)

三、大數(shù)據(jù)市場規(guī)模分析

四、大數(shù)據(jù)的主要應(yīng)用領(lǐng)域

五、大數(shù)據(jù)成人工智能數(shù)據(jù)源 第四節(jié)、深度學(xué)習(xí)技術(shù)的出現(xiàn)

一、機器學(xué)習(xí)的階段

二、深度學(xué)習(xí)技術(shù)內(nèi)涵

三、深度學(xué)習(xí)算法技術(shù)

四、深度學(xué)習(xí)的技術(shù)應(yīng)用

五、深度學(xué)習(xí)領(lǐng)域發(fā)展現(xiàn)狀

六、深度學(xué)習(xí)提高人工智能水平第六章 人工智能行業(yè)的技術(shù)基礎(chǔ)分析 第一節(jié)、自然語言處理

一、自然語言處理內(nèi)涵

二、語音識別技術(shù)分析

三、語義技術(shù)研發(fā)狀況

四、自動翻譯技術(shù)內(nèi)涵 第二節(jié)、計算機視覺

一、計算機視覺的內(nèi)涵

二、計算機視覺的應(yīng)用

三、計算機視覺的運作

四、人臉識別技術(shù)應(yīng)用 第三節(jié)、模式識別技術(shù)

一、模式識別技術(shù)內(nèi)涵

二、文字識別技術(shù)應(yīng)用

三、指掌紋識別技術(shù)應(yīng)用

四、模式識別發(fā)展?jié)摿?第四節(jié)、知識表示

一、知識表示的內(nèi)涵

二、知識表示的方法

三、知識表示的進(jìn)展 第五節(jié)、其他技術(shù)基礎(chǔ)

一、自動推理技術(shù)

二、環(huán)境感知技術(shù)

三、自動規(guī)劃技術(shù)

四、專家系統(tǒng)技術(shù)

第七章 人工智能技術(shù)的主要應(yīng)用領(lǐng)域分析 第一節(jié)、工業(yè)領(lǐng)域

一、智能工廠進(jìn)一步轉(zhuǎn)型

二、人工智能的工業(yè)應(yīng)用

三、AI將催生智能生產(chǎn)工廠

四、人工智能應(yīng)用于制造領(lǐng)域

五、人工智能成工業(yè)發(fā)展方向

六、AI工業(yè)應(yīng)用的前景廣闊 第二節(jié)、醫(yī)療領(lǐng)域

一、人工智能的醫(yī)療應(yīng)用概況

二、人工智能在中醫(yī)學(xué)中的應(yīng)用

三、人工神經(jīng)網(wǎng)絡(luò)技術(shù)的醫(yī)學(xué)應(yīng)用

四、AI在醫(yī)學(xué)影像診斷中的應(yīng)用

五、AI技術(shù)在醫(yī)療診斷中的應(yīng)用

六、AI技術(shù)將逐步加快藥品研發(fā)

七、企業(yè)加快布局醫(yī)療人工智能 第三節(jié)、安防領(lǐng)域

一、AI對安防行業(yè)的重要意義

二、AI在安防領(lǐng)域的應(yīng)用現(xiàn)狀

三、快速崛起的巡邏機器人

四、AI識別技術(shù)的安防應(yīng)用

五、生物識別市場規(guī)模分析

六、AI技術(shù)應(yīng)用于國家安防 第四節(jié)、社交領(lǐng)域

一、人工智能的移動社交應(yīng)用

二、組織開展機器情感測試

三、人工智能社交新品發(fā)布

四、微信人工智能社交系統(tǒng) 第五節(jié)、金融領(lǐng)域

一、投資決策輔助

二、信用風(fēng)險管控

三、智能支付應(yīng)用

四、智能投資顧問 第六節(jié)、零售領(lǐng)域

一、AI在零售行業(yè)的應(yīng)用空間廣闊

二、人工智能應(yīng)用于新零售的狀況

三、人工智能應(yīng)用于新零售的場景

四、人工智能應(yīng)用于新零售的問題

五、人工智能應(yīng)用于新零售的路徑 第七節(jié)、智能家居領(lǐng)域

一、智能家居的AI應(yīng)用情景

二、AI或成為智能家居的核心

三、人工智能家居成為新趨勢

四、人工智能助力智能家居發(fā)展 第八節(jié)、無人駕駛領(lǐng)域

一、無人駕駛發(fā)展效益分析

二、無人駕駛汽車將實現(xiàn)量產(chǎn)

三、自動駕駛技術(shù)發(fā)展進(jìn)程

四、AI成為無人汽車的大腦

五、AI成為智能汽車發(fā)展方向 第九節(jié)、其他領(lǐng)域

一、人工智能的智能搜索應(yīng)用

二、人工智能應(yīng)用于答題領(lǐng)域

三、人工智能應(yīng)用于電子商務(wù)

四、人工智能與可穿戴設(shè)備結(jié)合

五、人工智能的“虛擬助手”

六、人工智能應(yīng)用于法律預(yù)判

第八章 2015-2017年人工智能機器人發(fā)展分析 第一節(jié)、2015-2017年機器人產(chǎn)業(yè)發(fā)展?fàn)顩r

一、機器人行業(yè)產(chǎn)業(yè)鏈構(gòu)成

二、機器人的替代優(yōu)勢明顯

三、機器人下游應(yīng)用產(chǎn)業(yè)多

四、我國機器人產(chǎn)業(yè)發(fā)展綜況

第二節(jié)、2015-2017年機器人產(chǎn)業(yè)發(fā)展規(guī)模

一、全球工業(yè)機器人行業(yè)規(guī)模分析

二、全球服務(wù)機器人市場規(guī)模分析

三、中國工業(yè)機器人銷售情況

四、中國服務(wù)機器人產(chǎn)業(yè)規(guī)模

第三節(jié)、人工智能在機器人行業(yè)的應(yīng)用狀況

一、人工智能與機器人的關(guān)系

二、AI于機器人的應(yīng)用過程

三、AI大量運用于小型機器人

四、人工智能促進(jìn)機器人發(fā)展

第四節(jié)、人工智能技術(shù)在機器人領(lǐng)域的應(yīng)用

一、專家系統(tǒng)的應(yīng)用

二、模式識別的應(yīng)用

三、機器視覺的應(yīng)用

四、機器學(xué)習(xí)的應(yīng)用

五、分布式AI的應(yīng)用

六、進(jìn)化算法的應(yīng)用

第五節(jié)、機器人重點應(yīng)用領(lǐng)域分析

一、醫(yī)療機器人

二、軍事機器人

三、教育機器人

四、家用機器人

五、物流機器人

六、協(xié)作型機器人

第九章 2015-2017年國際人工智能行業(yè)重點企業(yè)分析 第一節(jié)、微軟公司

一、企業(yè)發(fā)展概況

二、企業(yè)財務(wù)狀況

三、人工智能研究進(jìn)展

四、人工智能發(fā)展動態(tài)

五、人工智能發(fā)展布局 第二節(jié)、IBM公司

一、企業(yè)發(fā)展概況

二、企業(yè)經(jīng)營范圍

三、企業(yè)財務(wù)狀況

四、技術(shù)研發(fā)實力

五、布局人工智能

六、人工智能平臺 第三節(jié)、谷歌公司

一、企業(yè)發(fā)展概況

二、企業(yè)財務(wù)狀況

三、布局人工智能

四、人工智能系統(tǒng)及平臺

五、人工智能投資加快 第四節(jié)、英特爾公司

一、企業(yè)發(fā)展概況

二、企業(yè)財務(wù)狀況

三、人工智能技術(shù)應(yīng)用

四、人工智能發(fā)展布局

五、AI發(fā)展機會和挑戰(zhàn)

六、人工智能發(fā)展戰(zhàn)略 第五節(jié)、亞馬遜公司

一、企業(yè)發(fā)展概況

二、企業(yè)經(jīng)營狀況

三、布局人工智能

四、機器學(xué)習(xí)工具發(fā)布 第六節(jié)、其他企業(yè)

一、蘋果公司

二、NVIDA（英偉達(dá)）

三、Uber（優(yōu)步）

第十章 2015-2017年中國人工智能行業(yè)重點企業(yè)分析 第一節(jié)、百度公司

一、企業(yè)發(fā)展概況

二、企業(yè)財務(wù)狀況

三、AI技術(shù)研發(fā)進(jìn)展

四、布局人工智能

五、人工智能應(yīng)用領(lǐng)域 第二節(jié)、騰訊公司

一、企業(yè)發(fā)展概況

二、企業(yè)財務(wù)狀況

三、人工智能布局

四、AI智能系統(tǒng)分析 第三節(jié)、阿里集團(tuán)

一、企業(yè)發(fā)展概況

二、企業(yè)財務(wù)狀況

三、AI應(yīng)用于電商領(lǐng)域

四、機器人領(lǐng)域投資加快

五、人工智能平臺建立

六、人工智能應(yīng)用方向 第四節(jié)、科大訊飛股份有限公司

一、企業(yè)發(fā)展概況

二、布局人工智能

三、經(jīng)營效益分析

四、業(yè)務(wù)經(jīng)營分析

五、財務(wù)狀況分析

六、未來前景展望

第五節(jié)、科大智能科技股份有限公司

一、企業(yè)發(fā)展概況

二、布局人工智能

三、經(jīng)營效益分析

四、業(yè)務(wù)經(jīng)營分析

五、財務(wù)狀況分析

六、未來前景展望

第六節(jié)、格靈深瞳科技有限公司

一、企業(yè)發(fā)展概況

二、布局人工智能

三、主要產(chǎn)品分析

第七節(jié)、北京捷通華聲語音技術(shù)有限公司

一、企業(yè)發(fā)展概況

二、財務(wù)狀況分析

三、布局人工智能

四、技術(shù)應(yīng)用狀況

五、未來發(fā)展展望

第十一章 2015-2017年人工智能行業(yè)投資狀況分析 第一節(jié)、全球人工智能的投融資分析

一、企業(yè)融資狀況

二、投資規(guī)模分析

三、融資分布狀況

四、重點投資品類

五、風(fēng)險投資上升

第二節(jié)、中國人工智能行業(yè)投資綜況

一、企業(yè)融資加快

二、投資企業(yè)類型

三、投資規(guī)模分析

四、投資并購狀況

五、投資熱點分布

六、細(xì)分投資領(lǐng)域

七、融資階段分析

八、投資邏輯分析

第三節(jié)、人工智能行業(yè)投資動態(tài)

一、Vicarious公司開啟AI融資

二、出門問問公司獲C輪融資

三、特斯拉注資建人工智能公司

四、Demiurge公司注資人工智能

五、AI平臺糖析獲Pre-A輪融資 第四節(jié)、人工智能行業(yè)投資態(tài)勢

一、全球人工智能投資升溫

二、人工智能成為市場投資風(fēng)口

三、我國人工智能迎來投資機遇 第五節(jié)、人工智能行業(yè)投資風(fēng)險分析

一、環(huán)境風(fēng)險

二、行業(yè)風(fēng)險

三、技術(shù)壁壘

四、內(nèi)部風(fēng)險

五、競爭風(fēng)險

六、合同毀約風(fēng)險

第十二章 人工智能行業(yè)發(fā)展前景及趨勢預(yù)測 第一節(jié)、人工智能行業(yè)發(fā)展前景展望

一、人工智能的經(jīng)濟(jì)潛力巨大

二、人工智能成為“十三五”重點

三、人工智能的市場空間巨大

四、人工智能成為發(fā)展新熱點

五、人工智能發(fā)展前景分析

六、人工智能投資機會分析 第二節(jié)、人工智能行業(yè)發(fā)展趨勢預(yù)測

一、人工智能未來發(fā)展變革

二、人工智能產(chǎn)業(yè)整體趨勢

三、人工智能應(yīng)用市場展望

四、“智能＋X”將成新時尚

五、人工智能帶來生活變革 附錄

▄ 公司簡介

中宏經(jīng)略是一家專業(yè)的產(chǎn)業(yè)經(jīng)濟(jì)研究與產(chǎn)業(yè)戰(zhàn)略咨詢機構(gòu)。成立多年來，我們一直聚焦在“產(chǎn)業(yè)研究”領(lǐng)域，是一家既有深厚的產(chǎn)業(yè)研究背景，又只專注于產(chǎn)業(yè)咨詢的專業(yè)公司。我們針對企業(yè)單位、政府組織和金融機構(gòu)，提供產(chǎn)業(yè)研究、產(chǎn)業(yè)規(guī)劃、投資分析、項目可行性評估、商業(yè)計劃書、市場調(diào)研、IPO咨詢、商業(yè)數(shù)據(jù)等咨詢類產(chǎn)品與服務(wù)，累計服務(wù)過近10000家國內(nèi)外知名企業(yè)；并成為數(shù)十家世界500強企業(yè)長期的信息咨詢產(chǎn)品供應(yīng)商。

公司致力于為各行業(yè)提供最全最新的深度研究報告，提供客觀、理性、簡便的決策參考，提供降低投資風(fēng)險，提高投資收益的有效工具，也是一個幫助咨詢行業(yè)人員交流成果、交流報告、交流觀點、交流經(jīng)驗的平臺。依托于各行業(yè)協(xié)會、政府機構(gòu)獨特的資源優(yōu)勢，致力于發(fā)展中國機械電子、電力家電、能源礦產(chǎn)、鋼鐵冶金、嵌入式軟件紡織、食品煙酒、醫(yī)藥保健、石油化工、建筑房產(chǎn)、建材家具、輕工紙業(yè)、出版?zhèn)髅健⒔煌ㄎ锪?、IT通訊、零售服務(wù)等行業(yè)信息咨詢、市場研究的專業(yè)服務(wù)機構(gòu)。經(jīng)過中宏經(jīng)略咨詢團(tuán)隊不懈的努力，已形成了完整的數(shù)據(jù)采集、研究、加工、編輯、咨詢服務(wù)體系。能夠為客戶提供工業(yè)領(lǐng)域各行業(yè)信息咨詢及市場研究、用戶調(diào)查、數(shù)據(jù)采集等多項服務(wù)。同時可以根據(jù)企業(yè)用戶提出的要求進(jìn)行專項定制課題服務(wù)。服務(wù)對象涵蓋機械、汽車、紡織、化工、輕工、冶金、建筑、建材、電力、醫(yī)藥等幾十個行業(yè)。

我們的優(yōu)勢

強大的數(shù)據(jù)資源：中宏經(jīng)略依托國家發(fā)展改革委和國家信息中心系統(tǒng)豐富的數(shù)據(jù)資源，建成了獨具特色和覆蓋全面的產(chǎn)業(yè)監(jiān)測體系。經(jīng)十年構(gòu)建完成完整的產(chǎn)業(yè)經(jīng)濟(jì)數(shù)據(jù)庫系統(tǒng)（含30類大行業(yè)，1000多類子行業(yè)，5000多細(xì)分產(chǎn)品），我們的優(yōu)勢來自于持續(xù)多年對細(xì)分產(chǎn)業(yè)市場的監(jiān)測與跟蹤以及全面的實地調(diào)研能力。

行業(yè)覆蓋范圍廣：入選行業(yè)普遍具有市場前景好、行業(yè)競爭激烈和企業(yè)重組頻繁等特征。我們在對行業(yè)進(jìn)行綜合分析的同時，還對其中重要的細(xì)分行業(yè)或產(chǎn)品進(jìn)行單獨分析。其信息量大，實用性強是任何同類產(chǎn)品難以企及的。

內(nèi)容全面、數(shù)據(jù)直觀：報告以本最新數(shù)據(jù)的實證描述為基礎(chǔ)，全面、深入、細(xì)致地分析各行業(yè)的市場供求、進(jìn)出口形勢、投資狀況、發(fā)展趨勢和政策取向以及主要企業(yè)的運營狀況，提出富有見地的判斷和投資建議；在形式上，報告以豐富的數(shù)據(jù)和圖表為主，突出文章的可讀性和可視性。報告附加了與行業(yè)相關(guān)的數(shù)據(jù)、政策法規(guī)目錄、主要企業(yè)信息及行業(yè)的大事記等，為業(yè)界人士提供了一幅生動的行業(yè)全景圖。

深入的洞察力和預(yù)見力：我們不僅研究國內(nèi)市場，對國際市場也一直在進(jìn)行職業(yè)的觀察和分析，因此我們更能洞察這些行業(yè)今后的發(fā)展方向、行業(yè)競爭格局的演變趨勢以及技術(shù)標(biāo)準(zhǔn)、市場規(guī)模、潛在問題與行業(yè)發(fā)展的癥結(jié)所在。我們有多位專家的智慧寶庫為您提供決策的洞察這些行業(yè)今后的發(fā)展方向、行業(yè)競爭格局的演變趨勢以及技術(shù)標(biāo)準(zhǔn)、市場規(guī)模、潛在問題與行業(yè)發(fā)展的癥結(jié)所在。

有創(chuàng)造力和建設(shè)意義的對策建議：我們不僅研究國內(nèi)市場，對國際市場也一直在進(jìn)行職業(yè)的觀察和分析，因此我們更能洞察這些行業(yè)今后的發(fā)展方向、行業(yè)競爭格局的演變趨勢以及技術(shù)標(biāo)準(zhǔn)、市場規(guī)模、潛在問題與行業(yè)發(fā)展的癥結(jié)所在。我們行業(yè)專家的智慧寶庫為您提供決策的洞察這些行業(yè)今后的發(fā)展方向、行業(yè)競爭格局的演變趨勢以及技術(shù)標(biāo)準(zhǔn)、市場規(guī)模、潛在問題與行業(yè)發(fā)展的癥結(jié)所在。

▄ 最新目錄推薦

1、智慧能源系列

《2017-2021年中國智慧能源前景預(yù)測及投資咨詢報告》 《2017-2021年中國智能電網(wǎng)產(chǎn)業(yè)前景預(yù)測及投資咨詢報告》 《2017-2020年中國微電網(wǎng)前景預(yù)測及投資咨詢報告》 《2017-2020年中國小水電行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2020年中國新能源產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國太陽能電池行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國氫能行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國波浪發(fā)電行業(yè)發(fā)展預(yù)測及投資咨詢報告 《2017-2020年中國潮汐發(fā)電行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國太陽能光伏發(fā)電產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國燃料乙醇行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國太陽能利用產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國天然氣發(fā)電行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國風(fēng)力發(fā)電行業(yè)發(fā)展預(yù)測及投資咨詢報告》

2、“互聯(lián)網(wǎng)+”系列研究報告

《2017-2021年中國互聯(lián)網(wǎng)+廣告行業(yè)運營咨詢及投資建議報告》 《2017-2021年中國互聯(lián)網(wǎng)+物流行業(yè)運營咨詢及投資建議報告》 《2017-2021年中國互聯(lián)網(wǎng)+醫(yī)療行業(yè)運營咨詢及投資建議報告》 《2017-2021年中國互聯(lián)網(wǎng)+教育行業(yè)運營咨詢及投資建議報告》

3、智能制造系列研究報告

《2017-2021年中國工業(yè)4.0前景預(yù)測及投資咨詢報告》 《2017-2021年中國工業(yè)互聯(lián)網(wǎng)行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2021年中國智能裝備制造行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2021年中國高端裝備制造業(yè)發(fā)展前景預(yù)測及投資咨詢報告》

《2017-2021年中國工業(yè)機器人行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2021年中國服務(wù)機器人行業(yè)前景預(yù)測及投資咨詢報告》

4、文化創(chuàng)意產(chǎn)業(yè)研究報告

《2017-2020年中國動漫產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》

《2017-2020年中國電視購物市場發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國電視劇產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國電視媒體行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國電影院線行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2020年中國電子競技產(chǎn)業(yè)前景預(yù)測及投資咨詢報告》 《2017-2020年中國電子商務(wù)市場發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國動畫產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》

5、智能汽車系列研究報告

《2017-2021年中國智慧汽車行業(yè)市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國無人駕駛汽車行業(yè)市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國智慧停車市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國新能源汽車市場推廣前景及發(fā)展戰(zhàn)略研究報告》 《2017-2021年中國車聯(lián)網(wǎng)產(chǎn)業(yè)運行動態(tài)及投融資戰(zhàn)略咨詢報告》

6、大健康產(chǎn)業(yè)系列報告

《2017-2020年中國大健康產(chǎn)業(yè)深度調(diào)研及投資前景預(yù)測報告》 《2017-2020年中國第三方醫(yī)學(xué)診斷行業(yè)深度調(diào)研及投資前景預(yù)測報告》 《2017-2020年中國基因工程藥物產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國基因檢測行業(yè)發(fā)展預(yù)測及投資咨詢報告》 《2017-2020年中國健康服務(wù)產(chǎn)業(yè)深度調(diào)研及投資前景預(yù)測報告》 《2017-2020年中國健康體檢行業(yè)深度調(diào)研及投資前景預(yù)測報告》 《2017-2020年中國精準(zhǔn)醫(yī)療行業(yè)深度調(diào)研及投資前景預(yù)測報告》 《2017-2020年中國康復(fù)醫(yī)療產(chǎn)業(yè)深度調(diào)研及投資戰(zhàn)略研究報告》

7、房地產(chǎn)轉(zhuǎn)型系列研究報告

《2017-2021年房地產(chǎn)+眾創(chuàng)空間跨界投資模式及市場前景研究報告》 《2017-2021年中國養(yǎng)老地產(chǎn)市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國醫(yī)療地產(chǎn)市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國物流地產(chǎn)市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國養(yǎng)老地產(chǎn)前景預(yù)測及投資咨詢報告告》

8、城市規(guī)劃系列研究報告

《2017-2021年中國城市規(guī)劃行業(yè)前景調(diào)查及戰(zhàn)略研究報告》 《2017-2021年中國智慧城市市場前景預(yù)測及投資咨詢報告》

《2017-2021年中國城市綜合體開發(fā)模式深度調(diào)研及開發(fā)戰(zhàn)略分析報告》 《2017-2021年中國城市園林綠化行業(yè)發(fā)展前景預(yù)測及投資咨詢報告》

9、現(xiàn)代服務(wù)業(yè)系列報告

《2017-2021年中國民營醫(yī)院運營前景預(yù)測及投資分析報告》 《2017-2020年中國婚慶產(chǎn)業(yè)發(fā)展預(yù)測及投資咨詢報告》

《2017-2021年中國文化創(chuàng)意產(chǎn)業(yè)市場調(diào)查及投融資戰(zhàn)略研究報告》 《2017-2021年中國旅游行業(yè)發(fā)展前景調(diào)查及投融資戰(zhàn)略研究報告》 《2017-2021年中國體育服務(wù)行業(yè)深度調(diào)查與前景預(yù)測研究報告》 《2017-2021年中國會展行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2021年中國冷鏈物流市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國在線教育行業(yè)前景預(yù)測及投資咨詢報告》 《2017-2021年中國整形美容市場發(fā)展預(yù)測及投資咨詢報告》 《2017-2021年中國職業(yè)教育市場前景預(yù)測及投資咨詢報告》 《2017-2021年中國職業(yè)中介服務(wù)市場前景預(yù)測及投資咨詢報告》

第五篇：人工智能學(xué)習(xí)論文

20107932唐雪琴

人工智能研究最新進(jìn)展綜述

一、研究領(lǐng)域

在大多數(shù)數(shù)學(xué)科中存在著幾個不同的研究領(lǐng)域，每個領(lǐng)域都有著特有的感興趣的研究課題、研究技術(shù)和術(shù)語。在人工智能中，這樣的領(lǐng)域包括自然語言處理、自動定理證明、自動程序設(shè)計、智能檢索、智能調(diào)度、機器學(xué)習(xí)、專家系統(tǒng)、機器人學(xué)、智能控制、模式識別、視覺系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、agent、計算智能、問題求解、人工生命、人工智能方法、程序設(shè)計語言等。

在過去50多年里，已經(jīng)建立了一些具有人工智能的計算機系統(tǒng)；例如，能夠求解微分方程的，下棋的，設(shè)計分析集成電路的，合成人類自然語言的，檢索情報的，診斷疾病以及控制控制太空飛行器、地面移動機器人和水下機器人的具有不同程度人工智能的計算機系統(tǒng)。人工智能是一種外向型的學(xué)科，它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數(shù)學(xué)基礎(chǔ)，哲學(xué)和生物學(xué)基礎(chǔ)，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。因為人工智能的研究領(lǐng)域十分廣闊，它總的來說是面向應(yīng)用的，也就說什么地方有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。參照人在各種活動中的功能，我們可以得到人工智能的領(lǐng)域也不過就是代替人的活動而已。哪個領(lǐng)域有人進(jìn)行的智力活動，哪個領(lǐng)域就是人工智能研究的領(lǐng)域。人工智能就是為了應(yīng)用機器的長處來幫助人類進(jìn)行智力活動。人工智能研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。

二、各領(lǐng)域國內(nèi)外研究現(xiàn)狀（進(jìn)展成果）近年來，人工智能的研究和應(yīng)用出現(xiàn)了許多新的領(lǐng)域，它們是傳統(tǒng)人工智能的延伸和擴展。在新世紀(jì)開始的時候，這些新研究已引起人們的更密切關(guān)注。這些新領(lǐng)域有分布式人工智能與艾真體（agent）、計算智能與進(jìn)化計算、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)，以及人工生命等。下面逐一加以概略介紹。

1、分布式人工智能與艾真體

分布式人工智能（Distributed AI，DAI）是分布式計算與人工智能結(jié)合的結(jié)果。DAI系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標(biāo)準(zhǔn)，并具有互操作性，即不同的異構(gòu)系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。

分布式人工智能的研究目標(biāo)是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型。DAI中的智能并非獨立存在的概念，只能在團(tuán)體協(xié)作中實現(xiàn)，因而其主要研究問題是各艾真體間的合作與對話，包括分布式問題求解和多艾真體系統(tǒng)（Multiagent System，MAS）兩領(lǐng)域。其中，分布式問題求解把一個具體的求解問題劃分為多個相互合作和知識共享的模塊或結(jié)點。多艾真體系統(tǒng)則研究各艾真體間智能行為的協(xié)調(diào)，包括規(guī)劃、知識、技術(shù)和動作的協(xié)調(diào)。這兩個研究領(lǐng)域都要研究知識、資源和控制的劃分問題，但分布式問題求解往往含有一個全局的概念模型、問題和成功標(biāo)準(zhǔn)，而MAS則含有多個局部的概念模型、問題和成功標(biāo)準(zhǔn)。

MAS更能體現(xiàn)人類的社會智能，具有更大的靈活性和適應(yīng)性，更適合開放和動

態(tài)的世界環(huán)境，因而倍受重視，已成為人工智能以至計算機科學(xué)和控制科學(xué)與工程的研究熱點。當(dāng)前，艾真體和MAS的研究包括理論、體系結(jié)構(gòu)、語言、合作與協(xié)調(diào)、通訊和交互技術(shù)、MAS學(xué)習(xí)和應(yīng)用等。MAS已在自動駕駛、機器人導(dǎo)航、機場管理、電力管理和信息檢索等方面獲得應(yīng)用。

2、計算智能與進(jìn)化計算

計算智能（Computing Intelligence）涉及神經(jīng)計算、模糊計算、進(jìn)化計算等研究領(lǐng)域。其中，神經(jīng)計算和模糊計算已有較長的研究歷史，而進(jìn)化計算則是較新的研究領(lǐng)域。在此僅對進(jìn)化計算加以說明。

進(jìn)化計算（Evolutionary Computation）是指一類以達(dá)爾文進(jìn)化論為依據(jù)來設(shè)計、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱，它包括遺傳算法（Genetic Algorithms）、進(jìn)化策略（Evolutionary Strategies）和進(jìn)化規(guī)劃（Evolutionary Programming）。它們遵循相同的指導(dǎo)思想，但彼此存在一定差別。同時，進(jìn)化計算的研究關(guān)注學(xué)科的交叉和廣泛的應(yīng)用背景，因而引入了許多新的方法和特征，彼此間難于分類，這些都統(tǒng)稱為進(jìn)化計算方法。目前，進(jìn)化計算被廣泛運用于許多復(fù)雜系統(tǒng)的自適應(yīng)控制和復(fù)雜優(yōu)化問題等研究領(lǐng)域，如并行計算、機器學(xué)習(xí)、電路設(shè)計、神經(jīng)網(wǎng)絡(luò)、基于艾真體的仿真、元胞自動機等。

達(dá)爾文進(jìn)化論是一種魯棒的搜索和優(yōu)化機制，對計算機科學(xué)，特別是對人工智能的發(fā)展產(chǎn)生了很大的影響。大多數(shù)生物體通過自然選擇和有性生殖進(jìn)行進(jìn)化。自然選擇決定了群體中哪些個體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，即物競天擇，優(yōu)勝劣汰。

直到幾年前，遺傳算法、進(jìn)化規(guī)劃、進(jìn)化策略三個領(lǐng)域的研究才開始交流，并發(fā)現(xiàn)它們的共同理論基礎(chǔ)是生物進(jìn)化論。因此，把這三種方法統(tǒng)稱為進(jìn)化計算，而把相應(yīng)的算法稱為進(jìn)化算法。

3、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

知識獲取是知識信息處理的關(guān)鍵問題之一。20世紀(jì)80年代人們在知識發(fā)現(xiàn)方面取得了一定的進(jìn)展。利用樣本，通過歸納學(xué)習(xí)，或者與神經(jīng)計算結(jié)合起來進(jìn)行知識獲取已有一些試驗系統(tǒng)。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)是90年代初期新崛起的一個活躍的研究領(lǐng)域。在數(shù)據(jù)庫基礎(chǔ)上實現(xiàn)的知識發(fā)現(xiàn)系統(tǒng)，通過綜合運用統(tǒng)計學(xué)、粗糙集、模糊數(shù)學(xué)、機器學(xué)習(xí)和專家系統(tǒng)等多種學(xué)習(xí)手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識，從而揭示出蘊涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)規(guī)律，實現(xiàn)知識的自動獲取。這是一個富有挑戰(zhàn)性、并具有廣闊應(yīng)用前景的研究課題。

從數(shù)據(jù)庫獲取知識，即從數(shù)據(jù)中挖掘并發(fā)現(xiàn)知識，首先要解決被發(fā)現(xiàn)知識的表達(dá)問題。最好的表達(dá)方式是自然語言，因為它是人類的思維和交流語言。知識表示的最根本問題就是如何形成用自然語言表達(dá)的概念。

機器知識發(fā)現(xiàn)始于1974年，并在此后十年中獲得一些進(jìn)展。這些進(jìn)展往往與專家系統(tǒng)的知識獲取研究有關(guān)。到20世紀(jì)80年代末，數(shù)據(jù)挖掘取得突破。越來越多的研究者加入到知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的研究行列?，F(xiàn)在，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘已成為人工智能研究的又一熱點。

比較成功的知識發(fā)現(xiàn)系統(tǒng)有用于超級市場商品數(shù)據(jù)分析、解釋和報告的CoverStory系統(tǒng)，用于概念性數(shù)據(jù)分析和查尋感興趣關(guān)系的集成化系統(tǒng)EXPLORA，交互式大型數(shù)據(jù)庫分析工具KDW，用于自動分析大規(guī)模天空觀測數(shù)據(jù)的SKICAT系統(tǒng)，以及通用的數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)KDD等。

4、人工生命

人工生命（Artificial Life，ALife）的概念是由美國圣菲研究所非線性研究組的蘭頓（Langton）于1987年提出的，旨在用計算機和精密機械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動力學(xué)、進(jìn)化和環(huán)境適應(yīng)。

人工生命所研究的人造系統(tǒng)能夠演示具有自然生命系統(tǒng)特征的行為，在“生命之所能”（life as it could be）的廣闊范圍內(nèi)深入研究“生命之所知”（life as we know it）的實質(zhì)。只有從“生命之所能”的廣泛內(nèi)容來考察生命，才能真正理解生物的本質(zhì)。人工生命與生命的形式化基礎(chǔ)有關(guān)。生物學(xué)從問題的頂層開始，把器官、組織、細(xì)胞、細(xì)胞膜，直到分子，以探索生命的奧秘和機理。人工生命則從問題的底層開始，把器官作為簡單機構(gòu)的宏觀群體來考察，自底向上進(jìn)行綜合，把簡單的由規(guī)則支配的對象構(gòu)成更大的集合，并在交互作用中研究非線性系統(tǒng)的類似生命的全局動力學(xué)特性。

人工生命的理論和方法有別于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡(luò)的理論和方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應(yīng)機理通過計算機進(jìn)行仿真，對相關(guān)非線性對象進(jìn)行更真實的動態(tài)描述和動態(tài)特征研究。

人工生命學(xué)科的研究內(nèi)容包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進(jìn)化動力學(xué)、人工生命的計算理論、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。比較典型的人工生命研究有計算機病毒、計算機進(jìn)程、進(jìn)化機器人、自催化網(wǎng)絡(luò)、細(xì)胞自動機、人工核苷酸和人工腦等。

三、學(xué)了人工智能課程的收獲

（1）了解人工智能的概念和人工智能的發(fā)展，了解國際人工智能的主要流派和路線，了解國內(nèi)人工智能研究的基本情況，熟悉人工智能的研究領(lǐng)域。

（2）較詳細(xì)地論述知識表示的各種主要方法。重點掌握了狀態(tài)空間法、問題歸約法和謂詞邏輯法，熟悉語義網(wǎng)絡(luò)法，了解知識表示的其他方法，如框架法、劇本法、過程法等。

（3）掌握了盲目搜索和啟發(fā)式搜索的基本原理和算法，特別是寬度優(yōu)先搜索、深度優(yōu)先搜索、等代價搜索、啟發(fā)式搜索、有序搜索、A*算法等。了解博弈樹搜索、遺傳算法和模擬退火算法的基本方法。

（4）掌握了消解原理、規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)的技術(shù)、了解不確定性推理、非單調(diào)推理的概念。

（5）概括性地了解了人工智能的主要應(yīng)用領(lǐng)域，如專家系統(tǒng)、機器學(xué)習(xí)、規(guī)劃系統(tǒng)、自然語言理解和智能控制等。

（6）基本了解人工智能程序設(shè)計的語言和工具。

四、對人工智能研究的展望

對現(xiàn)代社會的影響有多大？工業(yè)領(lǐng)域，尤其是制造業(yè)，已成功地使用了人工智能技術(shù)，包括智能設(shè)計、虛擬制造、在線分析、智能調(diào)度、仿真和規(guī)劃等。金融業(yè)，股票商利用智能系統(tǒng)輔助其分析，判斷和決策；應(yīng)用卡欺詐檢測系統(tǒng)業(yè)已得到普遍應(yīng)用。人工智能還滲透到人們的日常生活，CAD，CAM，CAI，CAP，CIMS等一系列智能產(chǎn)品給大家?guī)砹藰O大的方便，它還改變了傳統(tǒng)的通信方式，語音撥號，手寫短信的智能手機越來越人性化。

人工智能還影響了你們的文化和娛樂生活，引發(fā)人們更深層次的精神和哲學(xué)層面的思考，從施瓦辛格主演的《終結(jié)者》系列，到基努.里維斯主演的《黑客帝國》系列以及斯皮爾伯格導(dǎo)演的《人工智能》，都有意無意的提出了同樣的問題：我們應(yīng)該如何看待人工智能？如何看待具有智能的機器？會不會有一天機器的智能將超過人的智能？問題的答案也許千差萬別，我個人認(rèn)為上述擔(dān)心不太可能成為現(xiàn)實，因為我們理解人工智能并不是讓它取代人類智能，而是讓它模擬人類智能，從而更好地為人類服務(wù)。

當(dāng)前人工智能技術(shù)發(fā)展迅速，新思想，新理論，新技術(shù)不斷涌現(xiàn)，如模糊技術(shù)，模糊--神經(jīng)網(wǎng)絡(luò)，遺傳算法，進(jìn)化程序設(shè)計，混沌理論，人工生命，計算智能等。以Agent概念為基礎(chǔ)的分布式人工智能正在異軍突起，特別是對于軟件的開發(fā)，“面向Agent技術(shù)”將是繼“面向?qū)ο蠹夹g(shù)”后的又一突破。從萬維網(wǎng)到人工智能的研究正在如火如荼的開展。

五、對課程的建議

（1）能夠結(jié)合現(xiàn)在最新研究成果著重講解重點知識，以及講述在一些研究成果中人工智能那些知識被應(yīng)用。

（2）多推薦一些過于人工智能方面的電影，如：《終結(jié)者》系列、《黑客帝國》

系列、《人工智能》等，從而增加同學(xué)對這門課程學(xué)習(xí)的興趣。

（3）條件允許的話，可以安排一些實驗課程，讓同學(xué)們自己制作一些簡單的作品，增強同學(xué)對人工智能的興趣，加強同學(xué)之間的學(xué)習(xí)。

（4）課堂上多講解一些人工智能在各個領(lǐng)域方面的應(yīng)用，以及著重闡述一些

新的和正在研究的人工智能方法與技術(shù)，讓同學(xué)們可以了解近期發(fā)展起來的方法和技術(shù)，在講解時最好多舉例，再結(jié)合原理進(jìn)行講解，更助于同學(xué)們對人工智能的理解。