人工智能概論 第章

第1篇概述與工具

第1章人工智能概述華南師范大學教育信息技術學院鄭云翔1提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略2什么是人工智能人工智能概念的普通描畫：字面解釋：人工智能就是人造智能，其英文表示是“ArtificialIntelligence〞，簡稱AI指用計算機模擬或?qū)崿F(xiàn)的智能，因此人工智能又稱機器智能科學定義：目前還沒有一致的認識人工智能是那些與人的思想相關的活動，諸如決策、問題求解和學習等的自動化(Bellman，1978年)人工智能是一種計算機可以思想，使機器具有智力的激動人心的新嘗試(Haugeland，1985年)3什么是人工智能科學定義(續(xù))：人工智能是研討如何讓計算機做現(xiàn)階段只需人才干做得好的事情(RichKnight，1991年)人工智能是那些使知覺、推理和行為成為能夠的計算的研討(Winston，1992年)廣義地講，人工智能是關于人造物的智能行為，而智能行為包括知覺、推理、學習、交流和在復雜環(huán)境中的行為(Nilsson，1998年)StuartRussell和PeterNorvig那么把已有的一些人工智能定義分為4類：像人一樣思索的系統(tǒng)、像人一樣行動的系統(tǒng)、理性地思索的系統(tǒng)、理性地行動的系統(tǒng)(2003年)4什么是人工智能沒有完全或嚴厲地用智能的內(nèi)涵或外延來定義人工智能圖靈測試和中文屋子(P2-P3)圖靈測試：1950年，計算機科學開創(chuàng)人之一的英國數(shù)學家阿蘭·圖靈(AlanTuring)提出中文屋子：1980年，美國哲學家約翰·西爾勒(JohnSearle)提出異議5什么是人工智能腦智能和群智能：腦智能(BrainIntelligence，BI)：人腦的宏觀心思層次的智能表現(xiàn)——學習、發(fā)現(xiàn)、發(fā)明等，是一種個體智能(IndividualIntelligence，II)群智能(SwarmIntelligence，SI)：由群體行為所表現(xiàn)出的神經(jīng)元層次的智能——螞蟻群、鳥群、魚群等，是一種社會智能(SocialIntelligence，SI)，或系統(tǒng)智能(SystemIntelligence，SI)6什么是人工智能腦智能和群智能：宏觀心思(或者言語)層次上的腦智能與神經(jīng)元層次上的群智能又有親密的關系——正是微觀生理層次上低級的神經(jīng)元的群智能構成了宏觀心思層次上高級的腦智能7什么是人工智能符號智能和計算智能：符號智能：符號人工智能，模擬腦智能的人工智能，即傳統(tǒng)人工智能或經(jīng)典人工智能以符號方式的知識和信息為根底，主要經(jīng)過邏輯推理，運用知識進展問題求解主要內(nèi)容包括知識獲取、知識表示、知識組織與管理和知識運用等技術以及基于知識的智能系統(tǒng)等8什么是人工智能符號智能和計算智能(續(xù))：計算智能：計算人工智能，模擬群智能的人工智能以數(shù)值數(shù)據(jù)為根底，主要經(jīng)過數(shù)值計算，運用算法進展問題求解主要內(nèi)容包括：神經(jīng)計算、進化計算(包括遺傳算法、進化規(guī)劃、進化戰(zhàn)略等)、免疫計算、粒群算法、蟻群算法、自然計算等主要研討各類優(yōu)化搜索算法，是當前人工智能學科中一個非?；顫姷姆种ьI域9提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略10人工智能的研討意義、目的和戰(zhàn)略為什么要研討人工智能？普通計算機系統(tǒng)的智能還相當?shù)拖拢喝缛狈ψ皂槕?、自學習、自優(yōu)化等才干，也缺乏社會常識或?qū)I(yè)知識等，而只能是被動地按照人們?yōu)樗孪劝才藕玫娜蝿詹襟E進展任務難以滿足越來越復雜和越來越廣泛的社會需求，問題：能否能讓計算機同人腦一樣也具有智能呢？11人工智能的研討意義、目的和戰(zhàn)略為什么要研討人工智能？(續(xù))研討人工智能也是當前信息化社會的迫切要求：互聯(lián)網(wǎng)、萬維網(wǎng)和網(wǎng)格就劇烈地需求智能技術的支持。人工智能技術在Internet、WWW和Grid上將發(fā)揚重要作用智能化也是自動化開展的必然趨勢(機械化自動化智能化)12人工智能的研討意義、目的和戰(zhàn)略人工智能的研討目的：制造智能機器和智能系統(tǒng)，實現(xiàn)智能化社會——使計算機具有自主發(fā)現(xiàn)規(guī)律、處理問題和發(fā)明發(fā)明的才干，從而大大擴展和延伸人的智能，實現(xiàn)人類社會的全面智能化13人工智能的研討意義、目的和戰(zhàn)略研討戰(zhàn)略：先部分地或某種程度地實現(xiàn)機器的智能，并運用智能技術處理各種實踐問題特別是工程問題，從而使現(xiàn)有的計算機更靈敏、更好用和更有用，逐漸實現(xiàn)智能化目前，在機器博弈、自動推理、定理證明、方式識別、機器學習以及規(guī)劃、調(diào)度、控制方面已到達或接近人類程度，某些方面甚至超越了人類14提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略15人工智能的學科范疇計算機科學技術、信息處置和自動化技術的一個前沿領域涉及智能科學、認知科學、心思科學、腦及神經(jīng)科學、生命科學、言語學、邏輯學、行為科學、教育科學、系統(tǒng)科學、數(shù)文科學以及控制論、哲學甚至經(jīng)濟學等眾多學科領域人工智能實踐上是一門綜合性的交叉學科和邊緣學科16提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略17人工智能的研討內(nèi)容搜索與求解：為了到達某一目的而多次地進展某種操作、運算、推理或計算的過程?，F(xiàn)實上，搜索是人在求解問題時而不知現(xiàn)成解法的情況下所采用的一種普遍方法許多問題(包括智力問題和實踐工程問題)的求解都可以描畫為或者歸結為對某種圖或空間的搜索問題搜索技術就成為人工智能最根本的研討內(nèi)容18人工智能的研討內(nèi)容學習與發(fā)現(xiàn)：學習與發(fā)現(xiàn)是指機器的知識學習和規(guī)律發(fā)現(xiàn)?，F(xiàn)實上，閱歷積累才干、規(guī)律發(fā)現(xiàn)才干和知識學習才干都是智能的表現(xiàn)19人工智能的研討內(nèi)容知識與推理：知識就是力量，知識就是智能發(fā)現(xiàn)客觀規(guī)律，運用知識處理問題都是有智能的表現(xiàn)，而且是最為根本的一種表現(xiàn)發(fā)現(xiàn)規(guī)律和運用知識本身還需求知識，因此知識是智能的根底和源泉研討面向機器的知識表示方式和基于各種表示的機器推理技術：知識表示要求便于計算機的接受、存儲、處置和運用，機器的推理方式與知識的表示又息息相關20人工智能的研討內(nèi)容發(fā)明與發(fā)明：廣義的發(fā)明發(fā)明不僅需求知識和推理，還需求想象和靈感。不僅需求邏輯思想，還需求籠統(tǒng)思想人工智能中最富挑戰(zhàn)性的一個研討領域目前已有一些進展：已展開了關于籠統(tǒng)信息的認知實際、計算模型和運用技術的研討，已開發(fā)出了計算機輔助創(chuàng)新軟件，還嘗試用計算機進展文藝創(chuàng)作等等21人工智能的研討內(nèi)容感知與交流：指計算機對外部信息的直接感知和人機之間、智能體之間的直接信息交流。機器感知包括計算機視覺、聽覺等各種覺得才干。機器信息交流涉及通訊、自然言語了解和表達22人工智能的研討內(nèi)容記憶與聯(lián)想：記憶是智能的根本條件，不論是腦智能還是群智能，都以記憶為根底傳統(tǒng)方法實現(xiàn)的聯(lián)想，只能對于那些完好的、確定的(輸入)信息，聯(lián)想起(輸出)有關的信息。這種“聯(lián)想〞與人腦的聯(lián)想功能相差甚遠人腦的聯(lián)想功能基于神經(jīng)網(wǎng)絡的按內(nèi)容記憶方式，而非存儲地址當前，采用一種稱為“聯(lián)想存儲〞的技術來實現(xiàn)聯(lián)想功能23人工智能的研討內(nèi)容系統(tǒng)與建造：包括智能系統(tǒng)的分類、硬/軟件體系構造、設計方法、實現(xiàn)言語工具與環(huán)境等運用與工程：人工智能技術與實踐運用的接口，主要研討人工智能的運用領域、運用方式、詳細運用工程工程等，涉及問題的分析、識別和表示，相應求解方法和技術的選擇等24提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略25人工智能的研討途徑與方法心思模擬，符號推演：從人腦的宏觀心思層面入手，以智能行為的心思模型為根據(jù)，將問題或知識表示成某種邏輯網(wǎng)絡，采用符號推演的方法，模擬人腦的邏輯思想過程，實現(xiàn)人工智能26人工智能的研討途徑與方法心思模擬，符號推演(續(xù))：采用這一途徑與方法的緣由是：人腦的可認識到的思想活動是在心思層面上進展的(如我們的記憶、聯(lián)想、推理、計算、思索等思想過程都是一些心思活動)，心思層面上的思想過程是可以用言語符號顯式表達的，從而人的智能行為就可以用邏輯來建模27人工智能的研討途徑與方法心思模擬，符號推演(續(xù))：采用這一途徑與方法的緣由是(續(xù))：心思學、邏輯學、言語學等實踐上也是建立在人腦的心思層面上的，一些現(xiàn)成實際和方法可供人工智能參考或直接運用當前的數(shù)字計算機可以方便地實現(xiàn)言語符號型知識的表示和處置可以直接運用人類已有顯式知識(包括實際知識和閱歷知識)直接建立基于知識的智能系統(tǒng)28人工智能的研討途徑與方法心思模擬，符號推演(續(xù))：基于心思模擬和符號推演的人工智能研討，被稱為心思學派、邏輯學派、符號主義。代表人物有紐厄爾、肖、西蒙、費根寶姆、尼爾遜等。其代表性的理念是所謂的“物理符號系統(tǒng)假設〞自動推理、定理證明、問題求解、機器博弈、專家系統(tǒng)等許多重要成果也都是用該方法獲得的這種方法模擬人腦的邏輯思想，利用顯式的知識和推理來處理問題，因此擅長實現(xiàn)人腦的高級認知功能，如推理、決策等29人工智能的研討途徑與方法生理模擬，神經(jīng)計算：從人腦的生理層面，即微觀構造和任務機理入手，以智能行為的生理模型為根據(jù)，采用數(shù)值計算的方法，模擬腦神經(jīng)網(wǎng)絡的任務過程，實現(xiàn)人工智能用人工神經(jīng)網(wǎng)絡作為信息和知識的載體，用稱為神經(jīng)計算的數(shù)值計算方法來實現(xiàn)網(wǎng)絡的學習、記憶、聯(lián)想、識別和推理功能30人工智能的研討途徑與方法生理模擬，神經(jīng)計算(續(xù))：神經(jīng)網(wǎng)絡具有高度的并行分布性、很強的魯棒性和容錯性，經(jīng)過神經(jīng)網(wǎng)絡的“自學習〞獲得知識，再利用知識處理問題擅長模擬人腦的籠統(tǒng)思想，便于實現(xiàn)人腦的低級感知功能，例如圖像、聲音信息的識別和處置采用生理模擬和神經(jīng)計算方法的人工智能研討，被稱為生理學、銜接主義。其代表人物有McCulloch，Pitts，F(xiàn).Rosenblatt，T.Kohonen，J.Hopfield等31人工智能的研討途徑與方法行為模擬，控制進化：用模擬人和動物在與環(huán)境的交互、控制過程中的智能活動和行為特性，如反響、順應、學習、尋優(yōu)等，來研討和實現(xiàn)人工智能基于這一方法研討人工智能的典型代表要算MIT的R.Brooks教授，他研制的六足行走機器人(亦稱為人造昆蟲或機器蟲)，曾引起人工智能界的驚動32人工智能的研討途徑與方法行為模擬，控制進化(續(xù))：R.Brooks教授的任務代表了稱為“現(xiàn)場(situated)AI〞的人工智能新方向，強調(diào)智能系統(tǒng)與環(huán)境的交互，以為智能取決于感知和行動，智能行為可以不需求知識，提出“沒有表示的智能〞，“沒有推理的智能〞的觀念，主張智能行為的“感知-動作〞方式，以為人的智能、機器智能可以逐漸進化，但只能在現(xiàn)實世界中與周圍環(huán)境的交互中表達出來基于行為模擬方法的人工智能研討，被稱為行為主義、進化主義、控制論學派33人工智能的研討途徑與方法群體模擬，仿生計算：模擬生物群落的群體智能行為，從而實現(xiàn)人工智能。例如：模擬生物種群有性繁衍和自然選擇景象而出現(xiàn)的遺傳算法，進而開展為進化計算模擬人體免疫細胞群而出現(xiàn)的免疫計算、免疫克隆計算及人工免疫系統(tǒng)模擬螞蟻群體尋食活動過程的蟻群算法模擬鳥群飛翔的粒群算法和模擬魚群活動的魚群算法34人工智能的研討途徑與方法群體模擬，仿生計算(續(xù))：這些算法在處理組合優(yōu)化等問題中表現(xiàn)出杰出的性能對這些群體智慧的模擬是經(jīng)過一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來實現(xiàn)的，所以統(tǒng)稱為仿生計算35人工智能的研討途徑與方法博采廣鑒，自然計算：從生命、生態(tài)、系統(tǒng)、社會、數(shù)學、物理、化學、甚至經(jīng)濟等眾多學科和領域?qū)ひ拞l(fā)和靈感，展開人工智能的研討。例如：從熱力學和統(tǒng)計物理學所描畫的高溫固體資料冷卻時，其原子的陳列構造與能量的關系中得到啟發(fā)，提出了“模擬退火算法〞，該算法已是處理優(yōu)化搜索問題的有效算法之一從量子物理學中的自旋和統(tǒng)計機理中得到啟發(fā)，而提出了量子聚類算法1994年阿德曼(Addman)運用現(xiàn)代分子生物技術，提出理處理哈密頓途徑問題的DNA分子計算方法，并在試管里求出了此問題的解36人工智能的研討途徑與方法博采廣鑒，自然計算(續(xù))：這些方法普通稱為自然計算(NC)——模擬或自創(chuàng)自然界的某種機理而設計計算模型，這類計算模型通常是一類具有自順應、自組織、自學習、自尋優(yōu)才干的算法自然計算是自然科學和計算科學相交叉而產(chǎn)生的研討領域，可以處理傳統(tǒng)計算方法難于處理的各種復雜問題，在大規(guī)模復雜系統(tǒng)的最優(yōu)化設計、優(yōu)化控制、網(wǎng)絡平安、發(fā)明性設計等領域具有很好的運用前景37人工智能的研討途徑與方法原理分析，數(shù)學建模：經(jīng)過對智能本質(zhì)和原理的分析，直接采用某種數(shù)學方法來建立智能行為模型，例如：用概率統(tǒng)計原理(特別是貝葉斯定理)處置不確定性信息和知識，建立了統(tǒng)計方式識別、統(tǒng)計機器學習和不確定性推理的一系列原理和方法用數(shù)學中的間隔、空間、函數(shù)、變換等概念和方法，開發(fā)了幾何分類、支持向量機等方式識別和機器學習的原理和方法38提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略39人工智能的根本技術符號智能和計算智能最顯著的類似之處：二者都涉及表示和運算二者都是經(jīng)過搜索進展問題求解的人工智能三個最根本、最中心的技術：表示、運算和搜索符號智能計算智能表示知識表示對象表示運算基于知識表示的推理或符號操作基于對象表示的操作或計算搜索在問題空間搜索在解空間搜索40提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略41人工智能的運用難題求解：指那些沒有算法解，或雖有算法解但在現(xiàn)有機器上無法實施或無法完成的困難問題，例如：智力性問題中的梵塔問題、n皇后問題、游覽商問題、博弈問題等途徑規(guī)劃、車輛調(diào)度、電力調(diào)度、資源分配、義務分配、系統(tǒng)配置、地質(zhì)分析、數(shù)據(jù)解釋、天氣預告、市場預測、股市分析、疾病診斷、缺點診斷、軍事指揮、機器人行動規(guī)劃等42人工智能的運用難題求解(續(xù))：有些是組合數(shù)學實際中所稱的非確定型多項式問題或NP完全問題——NP問題是指那些既不能證明其算法復雜性超出多項式界，但又未找到有效算法的一類問題研討工程難題的求解是人工智能的重要課題，而研討智力難題的求解那么具有雙重意義：一方面，可以找到處理這些難題的途徑；另一方面，由處理這些難題而開展起來的一些技術和方法可用于人工智能的其他領域43人工智能的運用自動規(guī)劃、調(diào)度與配置：規(guī)劃普通指設計制定一個行動序列，例如機器人行動規(guī)劃、交通道路規(guī)劃調(diào)度就是一種義務分派或者安排，例如車輛調(diào)度、電力調(diào)度、資源分配、義務分配。調(diào)度的數(shù)學本質(zhì)是給出兩個集合間的一個映射配置那么是設計合理的部件組合構造，即空間規(guī)劃，例如資源配置、系統(tǒng)配置、設備或設備配置三者有一定的內(nèi)在聯(lián)絡，有時甚至可以相互轉化?，F(xiàn)實上，它們都屬于人工智能的經(jīng)典問題之一的約束滿足問題44人工智能的運用機器定理證明：定理證明是最典型的邏輯推理問題，它在開展人工智能方法上起過艱苦作用很多非數(shù)學領域的義務如醫(yī)療診斷、信息檢索、規(guī)劃制定和難題求解，都可以轉化成一個定理證明問題45人工智能的運用機器定理證明(續(xù))：機器定理證明的方法主要有四類：自然演繹法，其根本思想是根據(jù)推理規(guī)那么，從前提和公理中可以推出許多定理，假設待證的定理恰在其中，那么定理得證斷定法，即對一類問題找出一致的計算機上可實現(xiàn)的算法解。在這方面一個著名的成果是我國數(shù)學家吳文俊教授1977年提出的初等幾何定理證明方法定理證明器，它研討一切可斷定問題的證明方法計算機輔助證明，它是以計算機為輔助工具，利用機器的高速度和大容量，協(xié)助人完成手工證明中難以完成的大量計算、推理和窮舉46人工智能的運用自動程序設計：讓計算機設計程序：就是人只需給出關于某程序要求的非常高級的描畫，計算機就會自動生成一個能完成這個要求目的的詳細程序相當于給機器配置了一個“超級編譯系統(tǒng)〞，它可以對高級描畫進展處置，經(jīng)過規(guī)劃過程，生成所需的程序自動程序設計還包括程序自動驗證，即自動證明所設計程序的正確性47人工智能的運用機器翻譯：把“光陰似箭〞的英語句子“Timeflieslikeanarrow〞翻譯成日語，然后再翻譯回來的時候，竟變成了“蒼蠅喜歡箭〞；又如，當把“心有余而力缺乏〞的英語句子“Thespiritiswillingbutthefleshisweak〞翻譯成俄語，然后再翻譯回來時竟變成了“酒是好的，肉蛻變了〞，即“Thewineisgoodbutthemeatisspoiled〞機器翻譯并非想像的那么簡單，并使得人們認識到，單純地依托“查字典〞的方法不能夠處理翻譯問題，只需在對語義了解的根底上，才干做到真正的翻譯，所以機器翻譯的真正實現(xiàn)，還要靠自然言語了解方面的突破48人工智能的運用智能控制：把人工智能技術引入控制領域，建立智能控制系統(tǒng)智能控制具有兩個顯著的特點：智能控制是同時具有知識表示的非數(shù)學廣義世界模型和傳統(tǒng)數(shù)學模型混合表示的控制過程智能控制的中心在高層控制，即組織級控制，其義務在于對實踐環(huán)境或過程進展組織，即決策與規(guī)劃，以實現(xiàn)廣義問題求解49人工智能的運用智能控制(續(xù))：智能控制系統(tǒng)的智能可歸納為以下幾方面：先驗智能：有關控制對象及干擾的先驗知識，可以從一開場就思索在控制系統(tǒng)的設計中反響性智能：在實時監(jiān)控、辨識及診斷的根底上，對系統(tǒng)及環(huán)境變化的正確反響才干優(yōu)化智能：包括對系統(tǒng)性能的先驗性優(yōu)化及反響性優(yōu)化組織與協(xié)調(diào)智能：表現(xiàn)為對并行耦合義務或子系統(tǒng)之間的有效管理與協(xié)調(diào)50人工智能的運用智能控制(續(xù))：智能控制的開發(fā)，目前以為有以下途徑：基于專家系統(tǒng)的專家智能控制基于模糊推理和計算的模糊控制基于人工神經(jīng)網(wǎng)絡的神經(jīng)網(wǎng)絡控制綜合以上三種方法的綜合型智能控制51人工智能的運用智能管理：把人工智能技術引入管理領域，建立智能管理系統(tǒng)智能管理是人工智能與管文科學、系統(tǒng)工程、計算機技術及通訊技術等多學科、多技術相互結合、相互浸透而產(chǎn)生的一門新技術、新學科研討如何提高計算機管理系統(tǒng)的智能程度，以及智能管理系統(tǒng)的設計實際、方法與實現(xiàn)技術52人工智能的運用智能決策：把人工智能技術引入決策過程，建立智能決策支持系統(tǒng)智能決策支持系統(tǒng)由傳統(tǒng)決策支持系統(tǒng)再加上相應的智能部件構成，智能部件可以有多種方式，例如專家系統(tǒng)方式、知識庫系統(tǒng)方式等專家系統(tǒng)方式是把專家系統(tǒng)作為智能部件，這是目前比較流行的一種方式。該方式適宜于以知識處置為主的問題，但它與決策支持系統(tǒng)的接口比較困難知識庫系統(tǒng)方式是以知識庫作為智能部件。在這種情況下，決策支持系統(tǒng)就是由模型庫、方法庫、數(shù)據(jù)庫、知識庫組成的四庫系統(tǒng)。這種方式接口比較容易實現(xiàn)，其整體性能也較好53人工智能的運用智能決策(續(xù))：既充分發(fā)揚了傳統(tǒng)決策支持系統(tǒng)中數(shù)值分析的優(yōu)勢，也充分發(fā)揚了專家系統(tǒng)中知識及知識處置的專長，既可以進展定量分析，又可以進展定性分析，能有效地處理半構造化和非構造化的問題54人工智能的運用智能決策(續(xù))：智能部件中可以包含如下一些知識：建立決策模型和評價模型的知識如何構成候選方案的知識建立評價規(guī)范的知識如何修正候選方案，從而得到更好候選方案的知識完善數(shù)據(jù)庫，改良對它的操作及維護的知識55人工智能的運用智能通訊：智能通訊就是把人工智能技術引入通訊領域，建立智能通訊系統(tǒng)智能通訊就是在通訊系統(tǒng)的各個層次和環(huán)節(jié)上實現(xiàn)智能化。例如在通訊網(wǎng)的構建、網(wǎng)管與網(wǎng)控、轉接、信息傳輸與轉換等環(huán)節(jié)，都可實現(xiàn)智能化，使其具有自順應、自組織、自學習、自修復等功能56人工智能的運用智能仿真：利用人工智能技術能對整個仿真過程(包括建模、實驗運轉及結果分析)進展指點，能改善仿真模型的描畫才干，在仿真模型中引進知識表示將為研討面向目的的建模言語打下根底，提高仿真工具面向用戶、面向問題的才干57人工智能的運用智能CAD：智能CAD(簡稱ICAD)就是把人工智能技術引入計算機輔助設計領域，建立智能CAD系統(tǒng)AI幾乎可以運用到CAD技術的各個方面，從目前開展的趨勢來看，至少有以下四個方面：設計自動化智能交互智能圖形學自動數(shù)據(jù)采集58人工智能的運用智能CAD(續(xù))：從詳細技術來看，ICAD技術大致可分為以下幾種方法：規(guī)那么生成法約束滿足方法搜索法知識工程方法籠統(tǒng)思想方法59人工智能的運用智能制造：在數(shù)控技術、柔性制造技術和計算機集成制造技術的根底上，引入智能技術。智能制造系統(tǒng)由智能加工中心、資料傳送檢測和實驗安裝等智能設備組成。它具有一定的自組織、自學習和自順應才干，能在不可預測的環(huán)境下，基于不確定、不準確、不完全的信息，完成擬人的制造義務，構成高度自動化消費60人工智能的運用智能CAI：把人工智能技術引入計算機輔助教學領域，建立智能CAI系統(tǒng)(ICAI)，ICAI的特點是能對學生因才施教地進展指點ICAI應具備以下智能特征：自動生成各種問題與練習根據(jù)學生的程度和學習情況自動選擇與調(diào)整教學內(nèi)容和進度在了解教學內(nèi)容的根底上自動處理問題生成解答具有自然言語的生成和了解才干對教學內(nèi)容有解釋咨詢才干能診斷學生錯誤，分析緣由并采取糾正措施能評價學生的學習行為能不斷地在教學中改善教學戰(zhàn)略61人工智能的運用智能人機接口：智能化的人機交互界面，也就是將人工智能技術運用于計算機與人的交互界面，使人機界面更加靈性化、擬人化、個性化該課題涉及到機器感知特別是圖形圖像識別與了解、語音識別、自然言語處置、機器翻譯、多媒體、虛擬現(xiàn)實等技術62人工智能的運用方式識別：用計算機進展物體識別。這里的物體普通指文字、符號、圖形、圖像、語音、聲音及傳感器信息等方式的實體對象，而并不包括概念、思想、認識等籠統(tǒng)或虛擬對象經(jīng)過多年研討已開展成為一個獨立的學科，運用非常廣泛，諸如信息、遙感、醫(yī)學、影像、平安、軍事等領域，特別是基于其而出現(xiàn)的生物認證、數(shù)字水印等新技術63人工智能的運用數(shù)據(jù)發(fā)掘與數(shù)據(jù)庫中的知識發(fā)現(xiàn)：數(shù)據(jù)發(fā)掘主要流行于統(tǒng)計、數(shù)據(jù)分析、數(shù)據(jù)庫和信息系統(tǒng)等領域數(shù)據(jù)庫中的知識發(fā)現(xiàn)主要流行于人工智能和機器學習等領域涉及范圍：企業(yè)數(shù)據(jù)、商業(yè)數(shù)據(jù)、科學實驗數(shù)據(jù)、管理決策數(shù)據(jù)、Web數(shù)據(jù)等的發(fā)掘和發(fā)現(xiàn)64人工智能的運用計算機輔助創(chuàng)新：以“發(fā)明問題處理實際(TRIZ)〞為根底，結合本體論(Ontology)、現(xiàn)代設計方法學、計算機技術而構成的一種用于技術創(chuàng)新的新手段可看做是機器發(fā)明發(fā)明的初級方式部分例子見P1765人工智能的運用計算機文藝創(chuàng)作：詩詞、小說、樂曲、繪畫P18“古詩〞和小說66人工智能的運用機器博弈：人工智能學科建立的當年——1956年，塞繆爾就研制勝利了一個跳棋程序1959年，擊敗了塞繆爾本人，1962年又擊敗了美國一個州的冠軍1997年IBM的“深藍〞計算機以2勝3平1負的戰(zhàn)績擊敗了蟬聯(lián)12年之久的世界國際象棋冠軍加里·卡斯帕羅夫2001年，德國的“更弗里茨〞國際象棋軟件更是擊敗了當時世界排名前10位棋手中的9位，計算機的搜索速度到達創(chuàng)紀錄的600萬步每秒67人工智能的運用智能機器人：直接面向運用，社會效益強如工業(yè)機器人、太空機器人、水下機器人、家用機器人、軍用機器人、效力機器人、醫(yī)療機器人、運動機器人、助理機器人、機器人足球賽、機器人象棋賽是人工智能技術的綜合運用，其才干和程度曾經(jīng)成為人工智能技術程度甚至人類科學技術綜合程度的一個代表和表達68人工智能的運用智能機器人(續(xù))：運用主線：從專家(知識)系統(tǒng)到Agent系統(tǒng)和智能機器人系統(tǒng)從機器學習到數(shù)據(jù)發(fā)掘和數(shù)據(jù)庫中的知識發(fā)現(xiàn)從基于圖搜索的問題求解到基于各種智能算法的問題求解從單機環(huán)境下的智能程序到以Internet和WWW為平臺的分布式智能系統(tǒng)從智能技術的單一運用到各種各樣的智能產(chǎn)品和智能工程(如智能交通、智能建筑)69提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略70人工智能的分支領域與研討方向從模擬的智能層次和所用的方法來看：符號智能：圖搜索、自動推理、不確定性推理、知識工程、符號學習等計算智能：神經(jīng)計算、進化計算、免疫計算、蟻群算法、粒群算法、自然計算另外，智能Agent也是人工智能的一個新興的重要領域，是以符號智能和計算智能為根底的更高一級的人工智能71人工智能的分支領域與研討方向從模擬的腦智能或腦功能來看：機器學習：符號學習、銜接學習、統(tǒng)計學習等機器感知：計算機視覺、計算機聽覺、方式識別、圖像識別與了解、語音識別、自然言語處置等機器聯(lián)想機器推理機器行為72人工智能的分支領域與研討方向從運用角度看：如上節(jié)所述，AI中有難題求解等數(shù)十種分支領域和研討方向從系統(tǒng)角度看：智能計算機系統(tǒng)：智能硬件平臺、智能操作系統(tǒng)、智能網(wǎng)絡系統(tǒng)等智能運用系統(tǒng)：基于知識的智能系統(tǒng)、基于算法的智能系統(tǒng)、兼有知識和算法的智能系統(tǒng)、分布式人工智能系統(tǒng)73人工智能的分支領域與研討方向從根底實際看：數(shù)理邏輯、多種非規(guī)范邏輯、圖論、人工神經(jīng)網(wǎng)絡、模糊集、粗糙集、概率統(tǒng)計(貝葉斯統(tǒng)計決策實際)和貝葉斯網(wǎng)絡、統(tǒng)計學習實際與支持向量機、方式言語與自動機等74提綱什么是人工智能人工智能的研討意義、目的和戰(zhàn)略人工智能的學科范疇人工智能的研討內(nèi)容人工智能的研討途徑與方法人工智能的根本技術人工智能的運用人工智能的分支領域與研討方向人工智能的開展概略75人工智能的開展概略人工智能學科正式誕生于1956年：1956年夏季，由美國Dartmouth大學的麥卡錫、哈佛大學的明斯基、IBM公司信息研討中心的洛切斯特、貝爾實驗室的申農(nóng)共同發(fā)起，約請IBM公司的莫爾和塞繆爾、麻省理工學院的塞爾夫里奇和索羅門夫以及蘭德公司和卡內(nèi)基工科大學的紐厄爾、西蒙等，共十位來自數(shù)學、心思學、神經(jīng)生理學、信息論和計算機等方面的學者和工程師，在Dartmouth大學召開了一次歷時兩個月的研討會，會上正式采用了“人工智能〞這一術語76人工智能的開展概略人工智能學科的產(chǎn)生：實踐上是邏輯學、心思學、計算機科學、腦科學、神經(jīng)生理學、信息科學等學科開展的必然趨勢和必然結果單就計算機來看，其功能從數(shù)值計算到數(shù)據(jù)處置，再下去必然是知識處置當時的程度已具有智能的表現(xiàn)：能自動地進展復雜的數(shù)值計算和數(shù)據(jù)處置77人工智能的開展概略符號主義途徑開展概略：1956年，美國的紐厄爾、肖和西蒙協(xié)作編制了一個名為邏輯實際機(LT)的計算機程序系統(tǒng)。模擬人用數(shù)理邏輯證明定理時的思想規(guī)律，證明了懷特海和羅素的名著——<數(shù)學原理>第2章中的38條定理(1963年在另一臺機器上證明了全部52條定理)美籍華人、數(shù)理邏輯學家王浩于1958年在IBM[CD*2]704計算機上用3～5分鐘證明了<數(shù)學原理>中有關命題演算的全部定理(220條)，并且還證明了謂詞演算中150條定理的85%78人工智能的開展概略符號主義途徑開展概略(續(xù))：1956年，塞繆爾勝利研制了具有自學習、自組織、自順應才干的跳棋程序。這個程序能從棋譜中學習，也能從下棋實際中提高棋藝，1959年它擊敗了塞繆爾本人，1962年又擊敗了美國一個州的冠軍1959年，籍勒洛特發(fā)表了證明平面幾何問題的程序，塞爾夫里奇推出了一個方式識別程序1965年羅伯特編制出了可以分辨積木構造的程序79人工智能的開展概略符號主義途徑開展概略(續(xù))：1960年，紐厄爾、肖和西蒙等人經(jīng)過心思學實驗總結出了人們求解問題的思想規(guī)律，編制了通用問題求解程序，該程序可以求解11種不同類型的問題1960年，麥卡錫研制勝利了面向人工智能程序設計的表處置言語LISP。該言語以其獨特的符號處置功能，很快在人工智能界風靡起來，至今依然是人工智能研討的一個有力工具1965年，魯賓遜提出了消解原理，為定理的機器證明做出了突破性的奉獻80人工智能的開展概略符號主義途徑開展概略(續(xù))：20世紀80年代后，專家系統(tǒng)與知識工程在實際、技術和運用方面都有了長足的提高和開展專家系統(tǒng)的建造進入運用高級開發(fā)工具時期，出現(xiàn)了所謂的多專家系統(tǒng)、大型專家系統(tǒng)、微專家系統(tǒng)和分布式專家系統(tǒng)等知識表示、不準確推理、機器學習等方面也都獲得了重要進展還出現(xiàn)了不限于專家知識的所謂基于知識的系統(tǒng)和知識庫系統(tǒng)81人工智能的開展概略銜接主義途徑開展概略：早在20世紀40年代，就有一些學者開場了神經(jīng)元及其數(shù)學模型的研討。例如，1943年心思學家McCulloch和數(shù)學家Pitts提出了方式神經(jīng)元的數(shù)學模型——如今稱之為MP模型，1944年Hebb提出了改動神經(jīng)元銜接強度的Hebb規(guī)那么。MP模型和Hebb規(guī)那么至今仍在各種神經(jīng)網(wǎng)絡中起重要作用82人工智能的開展概略銜接主義途徑開展概略(續(xù))：1969年，明斯基與白伯脫共同發(fā)表了頗有影響的<Perceptrons>一書，書中證明了那時運用的單層人工神經(jīng)網(wǎng)絡，無法實現(xiàn)一個簡單的異或門(XOR)所完成的功能對神經(jīng)網(wǎng)絡的前景持悲觀態(tài)度，許多學者放棄了在該領域中的繼續(xù)努力，政府機構也改動基金資助的投向，神經(jīng)網(wǎng)絡的研討進入低谷83人工智能的開展概略銜接主義途徑開展概略(續(xù))：經(jīng)過近20年的暗淡時期后終于有了新的突破和驚人的成果：1985年美國霍布金斯大學的賽諾斯開發(fā)了名為NETtalk英語讀音學