人工智能在交通控制中的應(yīng)用

人工智能在交通控制中的應(yīng)用第一頁(yè)，共二十三頁(yè)，編輯于2023年，星期六史蒂文·斯皮爾伯格執(zhí)導(dǎo)電影（人工智能）

第二頁(yè)，共二十三頁(yè)，編輯于2023年，星期六21世紀(jì)中期，機(jī)器人制造技術(shù)已經(jīng)高度發(fā)達(dá)，先進(jìn)的機(jī)器人不但擁有可以亂真的人類外表，還能感知自身的存在。莫妮卡的兒子馬丁重病住院，生命危在旦夕，為了緩解傷痛的心情，她領(lǐng)養(yǎng)了機(jī)器人小孩大衛(wèi)，大衛(wèi)的生存使命就是愛她。馬丁蘇醒，恢復(fù)健康，回到了家里，一系列的事情使大衛(wèi)“失寵”，最后被莫妮卡拋棄。在躲過機(jī)器屠宰場(chǎng)的殘酷追殺后，大衛(wèi)在機(jī)器情人喬的幫助下，開始尋找自己的生存價(jià)值：渴望變成真正的小孩，重新回到莫妮卡媽媽的身邊。第三頁(yè)，共二十三頁(yè)，編輯于2023年，星期六內(nèi)容概要一、人工智能概述二、人工智能發(fā)展三、人工智能應(yīng)用四、人工智能在交通控制中的應(yīng)用第四頁(yè)，共二十三頁(yè)，編輯于2023年，星期六一、人工智能概述

人工智能(ArtificialIntelligence)的定義一直沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。

著名的美國(guó)斯坦福大學(xué)人工智能研究中心尼爾遜教授對(duì)人工智能下了這樣一個(gè)定義“人工智能是關(guān)于知識(shí)的學(xué)科———怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)?！?/p>

美國(guó)麻省理工學(xué)院的溫斯頓教授認(rèn)為“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！?/p>

諸如此類的定義基本都反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來(lái)模擬人類某些智能行為的基本理論、方法和技術(shù)。第五頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

涉及學(xué)科：計(jì)算機(jī)科學(xué)、信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語(yǔ)言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。

研究范疇：自然語(yǔ)言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)，軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法等。

應(yīng)用領(lǐng)域：智能控制，專家系統(tǒng)，機(jī)器人學(xué)，語(yǔ)言和圖像理解等。

實(shí)際應(yīng)用：機(jī)器視覺:指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng),智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，還有航天應(yīng)用等。

第六頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

由于人們對(duì)智能本質(zhì)的不同理解,形成了人工智能多種不同的研究途徑和學(xué)派,其中主要包括符號(hào)主義(Symbolism)、聯(lián)結(jié)主義(Connectionism)和行為主義(Behaviorism)。

符號(hào)主義認(rèn)為智能產(chǎn)生于大腦抽象思維的過程中,以物理符號(hào)系統(tǒng)假設(shè)為基礎(chǔ),通過對(duì)具有物理模式的符號(hào)實(shí)體的建立、修改、復(fù)制和刪除等操作生成其他符號(hào)結(jié)構(gòu),從而實(shí)現(xiàn)智能行為。

聯(lián)結(jié)主義認(rèn)為智能產(chǎn)生于大腦神經(jīng)元之間的相互作用及信息往來(lái)的過程中,因此通過對(duì)大腦神經(jīng)系統(tǒng)結(jié)構(gòu)的模擬來(lái)建立人工神經(jīng)元網(wǎng)絡(luò),從而實(shí)現(xiàn)相應(yīng)的智能行為.

行為主義人工智能與上述傳統(tǒng)人工智能的最大區(qū)別在于,它摒棄了內(nèi)省的思維過程,而把智能的研究建立在可觀測(cè)的具體的行為活動(dòng)基礎(chǔ)上.

第七頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

人工智能的兩種實(shí)現(xiàn)方法

人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法（Engineeringapproach），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識(shí)別、電腦下棋等。另一種是模擬法（Modelingapproach），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法（GenericAlgorithm,簡(jiǎn)稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork,簡(jiǎn)稱ANN）均屬后一類型。第八頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡(jiǎn)單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動(dòng)空間增加，相應(yīng)的邏輯就會(huì)很復(fù)雜（按指數(shù)式增長(zhǎng)），人工編程就非常繁瑣，容易出錯(cuò)。而一旦出錯(cuò)，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個(gè)新的版本或提供一個(gè)新補(bǔ)丁,非常麻煩。采用后一種方法時(shí)，編程者要為每一角色設(shè)計(jì)一個(gè)智能系統(tǒng)（一個(gè)模塊）來(lái)進(jìn)行控制，這個(gè)智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯(cuò)誤，但它能吸取教訓(xùn)，下一次運(yùn)行時(shí)就可能改正，至少不會(huì)永遠(yuǎn)錯(cuò)下去，用不著發(fā)布新版本或打補(bǔ)丁。利用這種方法來(lái)實(shí)現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點(diǎn)。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時(shí)無(wú)須對(duì)角色的活動(dòng)規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問題，通常會(huì)比前一種方法更省力。第九頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

強(qiáng)人工智能

強(qiáng)人工智能觀點(diǎn)認(rèn)為有可能制造出真正能推理和解決問題的智能機(jī)器，并且，這樣的機(jī)器能將被認(rèn)為是有知覺的，有自我意識(shí)的。

弱人工智能

弱人工智能觀點(diǎn)認(rèn)為不可能制造出能真正地推理和解決問題的智能機(jī)器，這些機(jī)器只不過看起來(lái)像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。主流科研集中在弱人工智能上。

第十頁(yè)，共二十三頁(yè)，編輯于2023年，星期六人工智能極限的哲學(xué)問題人工智能不具有人的思維的社會(huì)性。人工智能不具有人的主觀能動(dòng)性。人工智能不具有主觀世界。第十一頁(yè)，共二十三頁(yè)，編輯于2023年，星期六二、人工智能發(fā)展

人工智能的傳說(shuō)可以追溯到古埃及，但隨著1941年以來(lái)電子計(jì)算機(jī)的發(fā)展，技術(shù)已最終可以創(chuàng)造出機(jī)器智能，“人工智能”(ArtificialIntelligence)一詞最初是在1956年Dartmouth學(xué)會(huì)上提出的，從那以后,研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展，在它還不長(zhǎng)的歷史中，人工智能的發(fā)展比預(yù)想的要慢，但一直在前進(jìn)，從出現(xiàn)到現(xiàn)在，已經(jīng)出現(xiàn)了許多AI程序，并且它們也影響到了其它技術(shù)的發(fā)展。80年代AI被引入了市場(chǎng),并顯示出實(shí)用價(jià)值。第十二頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

目前，AI技術(shù)在美國(guó)、歐洲和日本發(fā)展很快。在AI技術(shù)領(lǐng)域十分活躍的IBM公司。已經(jīng)制造了號(hào)稱具有人腦的千分之一的智力能力的“ASCIIWhite”電腦，而且正在開發(fā)的更為強(qiáng)大的新超級(jí)電腦———“藍(lán)色牛仔(bluejean)”，據(jù)其研究主任保羅·霍恩稱，預(yù)計(jì)“藍(lán)色牛仔”的智力水平將大致與人腦相當(dāng)。由于人工智能有著廣大的發(fā)展前景，巨大的發(fā)展市場(chǎng)被各國(guó)和各公司所看好。多家公司在人工智能的分支研究方面保持著一定的投入比例。我國(guó)很長(zhǎng)一段時(shí)間以來(lái)，機(jī)械和自動(dòng)控制專家們都把研制具有人的行為特征的類人性機(jī)器人作為奮斗目標(biāo)。在1990年成功研制出我國(guó)第一臺(tái)兩足步行機(jī)器人的基礎(chǔ)上，經(jīng)過科研10年攻關(guān)，于2000年11月，又成功研制成我國(guó)第一臺(tái)類人性機(jī)器人。第十三頁(yè)，共二十三頁(yè)，編輯于2023年，星期六人工智能發(fā)展方向

信息檢索：人工智能在網(wǎng)絡(luò)信息檢索中的應(yīng)用，主要表現(xiàn)在：①如何利用計(jì)算機(jī)軟硬件系統(tǒng)模仿、延伸與擴(kuò)展人類智能的理論、方法和技術(shù)，包括機(jī)器感知、機(jī)器思維、機(jī)器行為，即知識(shí)獲取、知識(shí)處理、知識(shí)利用的過程。②由于網(wǎng)絡(luò)知識(shí)信息既包括規(guī)律性的知識(shí)，如一般原理概念，也包括大量的經(jīng)驗(yàn)知識(shí)，這些知識(shí)不可避免地帶有模糊性、隨機(jī)性、不可靠性等不確定性因素，對(duì)其進(jìn)行推理，需要利用人工智能的研究成果。

專家系統(tǒng)：一個(gè)基于規(guī)則的專家系統(tǒng)能夠在專家的指導(dǎo)下，隨著經(jīng)驗(yàn)的積累而利用自學(xué)習(xí)能力進(jìn)行規(guī)則的擴(kuò)充和修正，專家系統(tǒng)對(duì)歷史記錄的依賴性相對(duì)于統(tǒng)計(jì)方法較小。第十四頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

人工智能在機(jī)器人：機(jī)器人足球系統(tǒng)是目前進(jìn)行人工智能體系研究的熱點(diǎn)，其即高科技和娛樂性于一體的特點(diǎn)吸引了國(guó)內(nèi)外大批學(xué)者的興趣。決策系統(tǒng)主要解決機(jī)器人足球比賽過程中機(jī)器人之間的協(xié)作和機(jī)器人運(yùn)動(dòng)規(guī)劃問題，在機(jī)器人足球系統(tǒng)設(shè)計(jì)中需要將人工智能中的決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳學(xué)的等算法綜合運(yùn)用，隨著人工智能理論的進(jìn)一步發(fā)展，將使機(jī)器人足球有長(zhǎng)足的發(fā)展。第十五頁(yè)，共二十三頁(yè)，編輯于2023年，星期六三、人工智能應(yīng)用

專家系統(tǒng)

專家系統(tǒng)是以知識(shí)為基礎(chǔ)的智能推理系統(tǒng),與通用問題求解系統(tǒng)不同,專家系統(tǒng)強(qiáng)調(diào)在某一專業(yè)領(lǐng)域中積累大量的知識(shí),包括實(shí)現(xiàn)范例以及該領(lǐng)域?qū)＜覀兯哂械慕?jīng)驗(yàn)和規(guī)律。當(dāng)然這些規(guī)律并不要求是很嚴(yán)謹(jǐn),但它們是有啟發(fā)性的。這些知識(shí)構(gòu)成數(shù)據(jù)庫(kù),系統(tǒng)在知識(shí)庫(kù)的基礎(chǔ)上發(fā)展其專門領(lǐng)域的知識(shí),使系統(tǒng)達(dá)到模擬專家的程度。簡(jiǎn)單說(shuō)(知識(shí)庫(kù))+(推理機(jī))=專家系統(tǒng)。

專家系統(tǒng)大致分為三個(gè)組成部分:知識(shí)庫(kù)、推理機(jī)和人機(jī)界面,具體結(jié)構(gòu)主要有知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)、解釋器、知識(shí)獲取(學(xué)習(xí)系統(tǒng))和人機(jī)界面組成,其中知識(shí)庫(kù)和推理機(jī)是核心部分。專家系統(tǒng)通過提取知識(shí)庫(kù)中的知識(shí),由推理機(jī)進(jìn)行一系列的推理,得出結(jié)論,指導(dǎo)工作。第十六頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

專家系統(tǒng)具有以下特點(diǎn)(1)它所解決的問題是復(fù)雜而專門的問題,這些問題很難用精確的數(shù)學(xué)語(yǔ)言描述,也沒有確定的算法去解決;(2)專家系統(tǒng)不同于傳統(tǒng)的數(shù)據(jù)處理算法而是突出知識(shí)的價(jià)值,推廣和應(yīng)用專家知識(shí);(3)它采用人工智能原理和技術(shù),如符號(hào)表示、符號(hào)推理和啟發(fā)搜索等。第十七頁(yè)，共二十三頁(yè)，編輯于2023年，星期六

人工智能控制

可用于控制的人工智能方法主要有3種：模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制。由于模糊控制是其中最為簡(jiǎn)單、最具實(shí)際意義的方法，因而它的應(yīng)用實(shí)例最多。

人工智能控制器的優(yōu)勢(shì)

不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢(shì)，這些優(yōu)勢(shì)如下：

（1）它們的設(shè)計(jì)不需要控制對(duì)象的模型（在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的精確動(dòng)態(tài)方程，實(shí)際控制對(duì)象的模型在控制器設(shè)計(jì)時(shí)往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時(shí)，往往不知道）。第十八頁(yè)，共二十三頁(yè)，編輯于2023年，星期六（2）通過適當(dāng)調(diào)整（根據(jù)響應(yīng)時(shí)間、下降時(shí)間、魯棒性能等）它們能提高性能。例如：模糊邏輯控制器的上升時(shí)間比最優(yōu)PID控制器快1.5倍，下降時(shí)間快3.5倍，過沖更小。（3）它們比古典控制器的調(diào)節(jié)容易。（4）在沒有必須專家知識(shí)時(shí)，通過響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。（5）運(yùn)用語(yǔ)言和響應(yīng)信息可能設(shè)計(jì)它們。（6）它們有相當(dāng)好的一致性（當(dāng)使用一些新的未知輸入數(shù)據(jù)就能得到好的估計(jì)），與驅(qū)動(dòng)器的特性無(wú)關(guān)。現(xiàn)在沒有使用人工智能的控制算法對(duì)特定對(duì)象控制效果十分好，但對(duì)其他控制對(duì)象效果就不會(huì)一致性地好，因此對(duì)具體對(duì)象必須具體設(shè)計(jì)。（7）它們對(duì)新數(shù)據(jù)或新信息具有很好的適應(yīng)性。（8）它們能解決常規(guī)方法不能解決的問題。（9）它們具有很好的抗噪聲干擾能力。（10）它們的實(shí)現(xiàn)十分便宜，特別是使用最小配置時(shí)。（11）它們很容易擴(kuò)展和修改第十九頁(yè)，共二十三頁(yè)，編輯于2023年，星期六四、人工智能在交通控制中的應(yīng)用人工智能方法在信號(hào)處理中的應(yīng)用交通控制中，模糊控制一向被廣泛研究；而在模糊理論的應(yīng)用中，最為要的步驟之一就是建立模糊集的隸屬度函數(shù)，如何客觀而準(zhǔn)確地選取隸屬函數(shù)也一直是一個(gè)重要的話題。在這個(gè)問題上，人工智能扮演了重要的角色，為隸屬函數(shù)的求解問題提供了許多非傳統(tǒng)的途徑。第二十頁(yè)，共二十三頁(yè)，編輯于2023年，星期六1、神經(jīng)網(wǎng)絡(luò)利用BP神經(jīng)網(wǎng)絡(luò)推斷隸屬函數(shù)前饋式神經(jīng)網(wǎng)絡(luò)，即BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用比較廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，它可以通過梯度下降法令誤差反向傳播，通過多層修正使誤差趨向最小，也就是使隸屬函數(shù)趨向于最精確值。將前饋式神經(jīng)網(wǎng)絡(luò)與模糊邏輯結(jié)合起來(lái)形成神經(jīng)模糊推理系統(tǒng)是一個(gè)多層系統(tǒng)，每一層都有各