人工智能的研究途径与方法课件.ppt

《人工智能的研究途径与方法课件.ppt》由会员分享，可在线阅读，更多相关《人工智能的研究途径与方法课件.ppt（110页珍藏版）》请在三一办公上搜索。

1、人工智能的研究途径与方法,11、不为五斗米折腰。12、芳菊开林耀，青松冠岩列。怀此贞秀姿，卓为霜下杰。13、归去来兮，田蜀将芜胡不归。14、酒能祛百虑，菊为制颓龄。15、春蚕收长丝，秋熟靡王税。,人工智能的研究途径与方法人工智能的研究途径与方法11、不为五斗米折腰。12、芳菊开林耀，青松冠岩列。怀此贞秀姿，卓为霜下杰。13、归去来兮，田蜀将芜胡不归。14、酒能祛百虑，菊为制颓龄。15、春蚕收长丝，秋熟靡王税。 人工智能概述 1.1 什么是人工智能 1.2 人工智能的研究意义、目标和策略1.3 人工智能的学科范畴 1.4 人工智能的研究内容 1.5 人工智能的研究途径与方法 1.6 人工智能的基

2、本技术 1.7 人工智能的应用 1.8 人工智能的分支领域与研究方向 1.9 人工智能的发展概况 习题一 1.1 什么是人工智能 1.1.1 人工智能概念的一般描述顾名思义,人工智能就是人造智能, 其英文表示是“Artificial Intelligence”, 简称AI。 “人工智能”一词目前是指用计算机模拟或实现的智能, 因此人工智能又称机器智能。 当然, 这只是对人工智能的字面解释或一般解释。关于人工智能的科学定义, 学术界目前还没有统一的认识。下面是部分学者对人工智能概念的描述, 可以看做是他们各自对人工智能所下的定义。 ,人工智能概述,1.1 什么是人工智能 1.2 人工智能的研究意

3、义、目标和策略1.3 人工智能的学科范畴 1.4 人工智能的研究内容 1.5 人工智能的研究途径与方法 1.6 人工智能的基本技术 1.7 人工智能的应用 1.8 人工智能的分支领域与研究方向 1.9 人工智能的发展概况 习题一,1.1 什么是人工智能,1.1.1 人工智能概念的一般描述顾名思义,人工智能就是人造智能, 其英文表示是“Artificial Intelligence”, 简称AI。 “人工智能”一词目前是指用计算机模拟或实现的智能, 因此人工智能又称机器智能。 当然, 这只是对人工智能的字面解释或一般解释。关于人工智能的科学定义, 学术界目前还没有统一的认识。下面是部分学者对人工

4、智能概念的描述, 可以看做是他们各自对人工智能所下的定义。 ,人工智能是那些与人的思维相关的活动, 诸如决策、 问题求解和学习等的自动化(Bellman, 1978年)。人工智能是一种计算机能够思维, 使机器具有智力的激动人心的新尝试(Haugeland,1985年)。人工智能是研究如何让计算机做现阶段只有人才能做得好的事情(Rich Knight, 1991年)。人工智能是那些使知觉、 推理和行为成为可能的计算的研究(Winston, 1992年)。,广义地讲, 人工智能是关于人造物的智能行为, 而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为(Nilsson, 1998年)。 St

5、uart Russell和Peter Norvig则把已有的一些人工智能定义分为4类: 像人一样思考的系统、 像人一样行动的系统、 理性地思考的系统、 理性地行动的系统(2003年)。 ,可以看出, 这些定义虽然都指出了人工智能的一些特征, 但用它们却难以界定一台计算机是否具有智能。因为要界定机器是否具有智能, 必然要涉及到什么是智能的问题,但这却是一个难以准确回答的问题。所以,尽管人们给出了关于人工智能的不少说法, 但都没有完全或严格地用智能的内涵或外延来定义人工智能。,1.1.2 图灵测试和中文屋子关于如何界定机器智能, 早在人工智能学科还未正式诞生之前的1950年, 计算机科学创始人之一

6、的英国数学家阿兰图灵(Alan Turing)就提出了现称为“图灵测试”(Turing Test)的方法。简单来讲, 图灵测试的做法是: 让一位测试者分别与一台计算机和一个人进行交谈(当时是用电传打字机), 而测试者事先并不知道哪一个被测者是人, 哪一个是计算机。 如果交谈后测试者分不出哪一个被测者是人, 哪一个是计算机, 则可以认为这台被测的计算机具有智能。,对于“图灵测试”, 美国哲学家约翰西尔勒(John Searle, 1980年)提出了异议。他用一个现在称为“中文屋子”的假设, 试图说明即便是一台计算机通过了图灵测试, 也不能说它就真的具有智能。中文屋子假设是说: 有一台计算机阅读了

7、一段故事并且能正确回答相关问题, 这样这台计算就通过了图灵测试。而西尔勒设想将这段故事和问题改用中文描述(因为他本人不懂中文), 然后将自己封闭在一个屋子里, 代替计算机阅读这段故事并且回答相关问题。描述这段故事和问题的一连串中文符号只能通过一个很小的缝隙被送到屋子里。 西尔勒则完全按照原先计算机程序的处理方式和过程(如符号匹配、查找、照抄等)对这些符号串进行操作, 然后把得到的结果即问题答案通过小缝隙送出去。 西尔勒认为尽管计算机用这种符号处理方式也能正确回答问题, 并且也可通过图灵测试, 但仍然不能说计算机就有了智能。,1.1.3 脑智能和群智能群智能是有别于脑智能的。 事实上, 它们是属

8、于不同层次的智能。脑智能是一种个体智能 (Individual Intelligence,II), 而群智能是一种社会智能 (Social Intelligence,SI), 或者说是系统智能(System Intelligence,SI)。但对于人脑来说, 宏观心理(或者语言)层次上的脑智能与神经元层次上的群智能又有密切的关系正是微观生理层次上低级的神经元的群智能形成了宏观心理层次上高级的脑智能(但二者之间的具体关系如何, 却仍然是个迷, 这个问题的解决需要借助于系统科学)。,1.1.4 符号智能和计算智能1. 符号智能符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统

9、人工智能或经典人工智能。 符号智能以符号形式的知识和信息为基础, 主要通过逻辑推理，运用知识进行问题求解。符号智能的主要内容包括知识获取(knowledge acquisition)、 知识表示(knowledge representation)、 知识组织与管理和知识运用等技术(这些构成了所谓的知识工程(Knowledge Engineering, KE)以及基于知识的智能系统等。,2. 计算智能计算智能就是计算人工智能, 它是模拟群智能的人工智能。计算智能以数值数据为基础, 主要通过数值计算，运用算法进行问题求解。 计算智能的主要内容包括: 神经计算(Neural Computation,

10、 NC)、 进化计算(亦称演化计算, Evolutionary Computation, EC, 包括遗传算法(Genetic Algorithm, GA)、 进化规划(Evolutionary Planning, EP)、进化策略(Evolutionary Strategies, ES)等)、免疫计算(immune computation)、 粒群算法(Particle Swarm Algorithm, PSA)、 蚁群算法(Ant Colony Algorithm, ACA)、 自然计算(Natural Computation, NC)以及人工生命(Artificial Life, AL)

11、等。 计算智能主要研究各类优化搜索算法, 是当前人工智能学科中一个十分活跃的分支领域。,1.2 人工智能的研究意义、目标和策略,1.2.1 为什么要研究人工智能我们知道, 计算机是迄今为止最有效的信息处理工具, 以至于人们称它为“电脑”。 但现在的普通计算机系统的智能还相当低下, 譬如缺乏自适应、自学习、自优化等能力, 也缺乏社会常识或专业知识等, 而只能是被动地按照人们为它事先安排好的工作步骤进行工作。因而它的功能和作用就受到很大的限制,难以满足越来越复杂和越来越广泛的社会需求。既然计算机和人脑一样都可进行信息处理, 那么是否能让计算机同人脑一样也具有智能呢？这正是人们研究人工智能的初衷。,

12、研究人工智能也是当前信息化社会的迫切要求。我们知道, 人类社会现在已经进入了信息化时代。信息化的进一步发展, 就必须有智能技术的支持。例如, 当前迅速发展着的互联网(Internet)、万维网(WWW)和网格(Grid)就强烈地需要智能技术的支持。也就是说,人工智能技术在Internet、 WWW和Grid上将发挥重要作用。 智能化也是自动化发展的必然趋势。自动化发展到一定水平, 再向前发展就必然是智能化。事实上,智能化将是继机械化、自动化之后, 人类生产和生活中的又一个技术特征。,1.2.2 人工智能的研究目标和策略 人工智能作为一门学科, 其研究目标就是制造智能机器和智能系统, 实现智能化

13、社会。具体来讲, 就是要使计算机不仅具有脑智能和群智能, 还要具有看、听、说、写等感知和交流能力。 简言之, 就是要使计算机具有自主发现规律、解决问题和发明创造的能力, 从而大大扩展和延伸人的智能,实现人类社会的全面智能化。 人工智能学科的研究策略则是先部分地或某种程度地实现机器的智能,并运用智能技术解决各种实际问题特别是工程问题, 从而使现有的计算机更灵活、更好用和更有用,成为人类的智能化信息处理工具, 从而逐步扩展和不断延伸人的智能, 逐步实现智能化。,1.3 人工智能的学科范畴,现在, 人工智能已构成信息技术领域的一个重要学科。 因为该学科研究的是如何使机器(计算机)具有智能或者说如何利

14、用计算机实现智能的理论、 方法和技术, 所以, 当前的人工智能既属于计算机科学技术的一个前沿领域, 也属于信息处理和自动化技术的一个前沿领域。但由于其研究内容涉及到“智能”, 因此,人工智能又不局限于计算机、信息和自动化等学科, 还涉及到智能科学、认知科学、心理科学、脑及神经科学、生命科学、语言学、逻辑学、行为科学、教育科学、系统科学、数理科学以及控制论、哲学甚至经济学等众多学科领域。 所以, 人工智能实际上是一门综合性的交叉学科和边缘学科。,1.4 人工智能的研究内容,1.4.1 搜索与求解所谓搜索, 就是为了达到某一目标而多次地进行某种操作、 运算、 推理或计算的过程。事实上, 搜索是人在

15、求解问题时而不知现成解法的情况下所采用的一种普遍方法。 这可以看做是人类和其他生物所具有的一种元知识。 另一方面, 人工智能的研究实践也表明, 许多问题(包括智力问题和实际工程问题)的求解都可以描述为或者归结为对某种图或空间的搜索问题。进一步人们发现, 许多智能活动(包括脑智能和群智能)的过程, 甚至几乎所有智能活动的过程,都可以看做或者抽象为一个基于搜索的问题求解过程。因此, 搜索技术就成为人工智能最基本的研究内容。,1.4.2 学习与发现学习与发现是指机器的知识学习和规律发现。事实上, 经验积累能力、 规律发现能力和知识学习能力都是智能的表现。 那么, 要实现人工智能就应该赋予机器这些能力

16、。 因此, 关于机器的学习和发现技术就是人工智能的重要研究内容。,1.4.3 知识与推理我们知道“知识就是力量”。在人工智能中, 人们则更进一步领略到了这句话的深刻内涵。的确, 对智能来说, 知识太重要了, 以致可以说“知识就是智能”。事实上, 能发现客观规律是一种有智能的表现, 能运用知识解决问题也是有智能的表现, 而且是最为基本的一种表现。而发现规律和运用知识本身还需要知识。 因此可以说, 知识是智能的基础和源泉。所以, 要实现人工智能, 计算机就必须拥有知识和运用知识的能力。 为此, 就要研究面向机器的知识表示形式和基于各种表示的机器推理技术。知识表示要求便于计算机的接受、存储、处理和运

17、用, 机器的推理方式与知识的表示又息息相关。由于推理是人脑的一个基本功能和重要功能, 因此, 在符号智能中几乎处处都与推理有关。,1.4.4 发明与创造这里的发明创造是广义的, 它既包括我们通常所说的发明创造,如机器、仪器、设备等的发明和革新, 也包括创新性软件、方案、规划、设计等的研制和技术、方法的创新以及文学、艺术的创作, 还包括思想、理论、法规的建立和创新等等。我们知道, 发明创造不仅需要知识和推理, 还需要想象和灵感。 它不仅需要逻辑思维, 而且还需要形象思维。 所以, 这个领域应该说是人工智能中最富挑战性的一个研究领域。目前,人们在这一领域已经开展了一些工作, 并取得了一些成果, 例

18、如已展开了关于形象信息的认知理论、计算模型和应用技术的研究, 已开发出了计算机辅助创新软件, 还尝试用计算机进行文艺创作等等。但总的来讲, 原创性的机器发明创造进展甚微, 甚至还是空白。,1.4.5 感知与交流感知与交流是指计算机对外部信息的直接感知和人机之间、 智能体之间的直接信息交流。机器感知就是计算机直接“感觉”周围世界, 就像人一样通过“感觉器官”直接从外界获取信息, 如通过视觉器官获取图形、 图像信息, 通过听觉器官获取声音信息。所以, 机器感知包括计算机视觉、听觉等各种感觉能力。机器信息交流涉及通信和自然语言处理等技术。 自然语言处理又包括自然语言理解和表达。感知和交流是拟人化智能

19、个体或智能系统(如Agent和智能机器人)所不可缺少的功能组成部分, 所以这也是人工智能的研究内容之一。,1.4.6 记忆与联想 记忆是智能的基本条件, 不管是脑智能还是群智能, 都以记忆为基础。 记忆也是人脑的基本功能之一。 在人脑中, 伴随着记忆的就是联想, 联想是人脑的奥秘之一。 计算机要模拟人脑的思维就必须具有联想功能。 要实现联想无非就是建立事物之间的联系。在机器世界里面就是有关数据、信息或知识之间的联系。当然, 建立这种联系的办法很多,比如用指针、函数、链表等等。 我们通常的信息查询就是这样做的。但传统方法实现的联想, 只能对于那些完整的、 确定的(输入)信息, 联想起(输出)有关

20、的信息。这种“联想”与人脑的联想功能相差甚远。人脑能对那些残缺的、失真的、变形的输入信息, 仍然可以快速准确地输出联想响应。,从机器内部的实现方法来看, 传统的信息查询是基于传统计算机的按地址存取方式进行的。而研究表明, 人脑的联想功能是基于神经网络的按内容记忆方式进行的。 也就是说, 只要是内容相关的事情, 不管在哪里(与存储地址无关), 都可由其相关的内容被想起。例如, 苹果这一概念, 一般有形状、大小、颜色等特征, 我们所要介绍的内容记忆方式就是由形状(比如苹果是圆形的)想起颜色、 大小等特征, 而不需要关心其内部地址。,当前,在机器联想功能的研究中, 人们就是利用这种按内容记忆原理,采

21、用一种称为“联想存储”的技术来实现联想功能。 联想存储的特点是: 可以存储许多相关(激励, 响应)模式对。 通过自组织过程可以完成这种存储。 以分布、 稳健的方式(可能会有很高的冗余度)存储信息。 可以根据接收到的相关激励模式产生并输出适当的响应模式。 即使输入激励模式失真或不完全时, 仍然可以产生正确的响应模式。 可在原存储中加入新的存储模式。,1.4.7 系统与建造系统与建造是指智能系统的设计和实现技术。它包括智能系统的分类、硬/软件体系结构、设计方法、实现语言工具与环境等。由于人工智能一般总要以某种系统的形式来表现和应用, 因此关于智能系统的设计和实现技术也是人工智能的研究内容之一。,1

22、.4.8 应用与工程应用与工程是指人工智能的应用和工程研究, 这是人工智能技术与实际应用的接口。它主要研究人工智能的应用领域、 应用形式、具体应用工程项目等。 其研究内容涉及问题的分析、 识别和表示, 相应求解方法和技术的选择等。,1.5 人工智能的研究途径与方法,1.5.1 心理模拟, 符号推演“心理模拟, 符号推演”就是从人脑的宏观心理层面入手, 以智能行为的心理模型为依据, 将问题或知识表示成某种逻辑网络, 采用符号推演的方法, 模拟人脑的逻辑思维过程, 实现人工智能。,采用这一途径与方法的原因是: 人脑的可意识到的思维活动是在心理层面上进行的(如我们的记忆、联想、推理、 计算、 思考等

23、思维过程都是一些心理活动), 心理层面上的思维过程是可以用语言符号显式表达的, 从而人的智能行为就可以用逻辑来建模。 心理学、逻辑学、 语言学等实际上也是建立在人脑的心理层面上的, 从而这些学科的一些现成理论和方法就可供人工智能参考或直接使用。 当前的数字计算机可以方便地实现语言符号型知识的表示和处理。 可以直接运用人类已有显式知识(包括理论知识和经验知识)直接建立基于知识的智能系统。,基于心理模拟和符号推演的人工智能研究, 被称为心理学派、逻辑学派、符号主义。早期的代表人物有纽厄尔(Allen Newell)、肖(Shaw)、西蒙(Herbert Simon)等, 后来还有费根宝姆(E. A

24、. Feigenbaum)、尼尔逊(Nilsson)等。 其代表性的理念是所谓的“物理符号系统假设”, 即认为人对客观世界的认知基元是符号, 认知过程就是符号处理的过程;而计算机也可以处理符号, 所以就可以用计算机通过符号推演的方式来模拟人的逻辑思维过程, 实现人工智能。,符号推演法是人工智能研究中最早使用的方法之一。人工智能的许多重要成果也都是用该方法取得的, 如自动推理、定理证明、问题求解、 机器博弈、专家系统等等。由于这种方法模拟人脑的逻辑思维, 利用显式的知识和推理来解决问题, 因此, 它擅长实现人脑的高级认知功能, 如推理、 决策等。,1.5.2 生理模拟, 神经计算“生理模拟, 神

25、经计算”就是从人脑的生理层面, 即微观结构和工作机理入手, 以智能行为的生理模型为依据,采用数值计算的方法, 模拟脑神经网络的工作过程, 实现人工智能。 具体来讲, 就是用人工神经网络作为信息和知识的载体,用称为神经计算的数值计算方法来实现网络的学习、记忆、联想、 识别和推理等功能。 ,我们知道,人脑的生理结构是由大约10111012个神经元(细胞)组成的神经网络, 而且是一个动态的、开放的、高度复杂的巨系统, 以致于人们至今对它的生理结构和工作机理还未完全弄清楚。 因此, 对人脑的真正和完全模拟, 一时还难以办到。 所以, 目前的生理模拟只是对人脑的局部或近似模拟, 也就是从群智能的层面进行

26、模拟, 实现人工智能。 这种方法一般是通过神经网络的“自学习”获得知识, 再利用知识解决问题。神经网络具有高度的并行分布性、 很强的鲁棒性和容错性。 它擅长模拟人脑的形象思维, 便于实现人脑的低级感知功能, 例如图像、 声音信息的识别和处理。,生理模拟和神经计算的方法早在20世纪40年代就已出现, 但由于种种原因而发展缓慢, 甚至一度出现低潮, 直到80年代中期才重新崛起, 现已成为人工智能研究中不可或缺的重要途径与方法。 采用生理模拟和神经计算方法的人工智能研究, 被称为生理学派、 连接主义。其代表人物有McCulloch, Pitts, F.Rosenblatt, T.Kohonen, J

27、.Hopfield等。,1.5.3 行为模拟, 控制进化还有一种基于“感知-行为”模型的研究途径和方法,我们称其为行为模拟法。这种方法是用模拟人和动物在与环境的交互、 控制过程中的智能活动和行为特性, 如反应、适应、学习、 寻优等, 来研究和实现人工智能。基于这一方法研究人工智能的典型代表要算MIT的R.Brooks教授, 他研制的六足行走机器人(亦称为人造昆虫或机器虫), 曾引起人工智能界的轰动。 这个机器虫可以看做是新一代的“控制论动物”, 它具有一定的适应能力, 是一个运用行为模拟即控制进化方法研究人工智能的代表作。,事实上,R.Brooks教授的工作代表了称为“现场(situated)

28、AI”的人工智能新方向。 现场AI强调智能系统与环境的交互, 认为智能取决于感知和行动, 智能行为可以不需要知识, 提出“没有表示的智能”, “没有推理的智能”的观点, 主张智能行为的“感知-动作”模式, 认为人的智能、机器智能可以逐步进化, 但只能在现实世界中与周围环境的交互中体现出来。智能只能放在环境中才是真正的智能, 智能的高低主要表现在对环境的适应性上。,基于行为模拟方法的人工智能研究, 被称为行为主义、 进化主义、控制论学派。行为主义曾强烈地批评传统的人工智能(主要指符号主义, 也涉及连接主义)对真实世界的客观事物和复杂境遇, 作了虚假的、过分简化的抽象。沿着这一途径, 人们研制具有

29、自学习、自适应、自组织特性的智能控制系统和智能机器人, 进一步展开了人工生命(AL)的研究。,1.5.4 群体模拟, 仿生计算“群体模拟, 仿生计算”就是模拟生物群落的群体智能行为, 从而实现人工智能。例如,模拟生物种群有性繁殖和自然选择现象而出现的遗传算法, 进而发展为进化计算; 模拟人体免疫细胞群而出现的免疫计算、 免疫克隆计算及人工免疫系统; 模拟蚂蚁群体觅食活动过程的蚁群算法; 模拟鸟群飞翔的粒群算法和模拟鱼群活动的鱼群算法等等。这些算法在解决组合优化等问题中表现出卓越的性能。而对这些群体智慧的模拟是通过一些诸如遗传、变异、选择、交叉、克隆等所谓的算子或操作来实现的, 所以我们统称其为

30、仿生计算。 仿生计算的特点是,其成果可以直接付诸应用, 解决工程问题和实际问题。,1.5.5 博采广鉴, 自然计算其实, 人工智能的这些研究途径和方法的出现并非偶然。 因为至今人们对智能的科学原理还未完全弄清楚, 所以在这种情况下研究和实现人工智能的一个自然的思路就是模拟自然智能。 起初, 人们知道自然智能源于人脑, 于是, 模拟人脑智能就是研究人工智能的一个首要途径和方法。 后来, 人们发现一些生命群体的群体行为也会表现出某些智能, 于是, 模拟这些群体智能, 就成了研究人工智能的又一个重要途径和方法。 现在,人们则进一步从生命、生态、系统、社会、数学、 物理、化学、 甚至经济等众多学科和领

31、域寻找启发和灵感, 展开人工智能的研究。,例如, 人们从热力学和统计物理学所描述的高温固体材料冷却时, 其原子的排列结构与能量的关系中得到启发, 提出了“模拟退火算法”。 该算法已是解决优化搜索问题的有效算法之一。又如,人们从量子物理学中的自旋和统计机理中得到启发, 而提出了量子聚类算法。再如,1994年阿德曼(Addman)使用现代分子生物技术, 提出了解决哈密顿路径问题的DNA分子计算方法, 并在试管里求出了此问题的解。,这些方法一般称为自然计算(NC)。自然计算就是模仿或借鉴自然界的某种机理而设计计算模型, 这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法。 如神经计算

32、、进化计算、免疫计算、生态计算、 量子计算、分子计算、DNA计算和复杂自适应系统等都属于自然计算。 自然计算实际是传统计算的扩展, 它是自然科学和计算科学相交叉而产生的研究领域, 目前正方兴未艾。自然计算能够解决传统计算方法难于解决的各种复杂问题,在大规模复杂系统的最优化设计、优化控制、网络安全、创造性设计等领域具有很好的应用前景。,1.5.6 原理分析, 数学建模“原理分析, 数学建模”就是通过对智能本质和原理的分析, 直接采用某种数学方法来建立智能行为模型。例如,人们用概率统计原理(特别是贝叶斯定理)处理不确定性信息和知识, 建立了统计模式识别、统计机器学习和不确定性推理的一系列原理和方法

33、。又如, 人们用数学中的距离、空间、 函数、变换等概念和方法, 开发了几何分类、支持向量机等模式识别和机器学习的原理和方法。人工智能的这一研究途径和方法的特点也就是纯粹用人的智能去实现机器智能。 ,1.6 人工智能的基本技术,尽管人工智能可分为符号智能和计算智能, 但二者仍有许多共同或相似之处, 其中最显著的相似之处是: (1) 二者都涉及表示和运算。(2) 二者都是通过搜索进行问题求解的。 ,1.7 人工智能的应用,1.7.1 难题求解这里的难题, 主要指那些没有算法解,或虽有算法解但在现有机器上无法实施或无法完成的困难问题,例如智力性问题中的梵塔问题、n皇后问题、旅行商问题、博弈问题等等,

34、就是这样的难题。又如, 现实世界中复杂的路径规划、车辆调度、电力调度、资源分配、任务分配、系统配置、地质分析、数据解释、天气预报、市场预测、股市分析、疾病诊断、故障诊断、军事指挥、 机器人行动规划等等, 也是这样的难题。在这些难题中,有些是组合数学理论中所称的非确定型多项式(Nondeterministic Polynomial, NP)问题或NP完全(Nondeterministic Polynomial Complete,NPC)问题。NP问题是指那些既不能证明其算法复杂性超出多项式界, 但又未找到有效算法的一类问题。,研究工程难题的求解是人工智能的重要课题, 而研究智力难题的求解则具有双

35、重意义: 一方面, 可以找到解决这些难题的途径; 另一方面, 由解决这些难题而发展起来的一些技术和方法可用于人工智能的其他领域。这也正是人工智能研究初期, 研究内容基本上都集中于游戏世界的智力性问题的重要原因， 例如博弈问题就可为搜索策略、机器学习等研究提供很好的实际背景。,1.7.2 自动规划、 调度与配置 在上述的难题求解中,规划、调度与配置问题是实用性、 工程性最强的一类问题。规划一般指设计制定一个行动序列, 例如机器人行动规划、交通路线规划。调度就是一种任务分派或者安排, 例如车辆调度、电力调度、资源分配、任务分配。调度的数学本质是给出两个集合间的一个映射。配置则是设计合理的部件组合结

36、构,即空间布局, 例如资源配置、 系统配置、设备或设施配置。 ,从问题求解角度看, 规划、调度、配置三者又有一定的内在联系, 有时甚至可以互相转化。事实上, 它们都属于人工智能的经典问题之一的约束满足问题(Constraint Satisfaction Problems,CSP)。这类问题的解决体现了计算机的创造性, 所以, 规划、调度、配置问题求解也是人工智能的一个重要研究领域。,1.7.3 机器定理证明 机器定理证明也是人工智能的一个重要的研究课题,它也是人工智能最早的研究领域之一。定理证明是最典型的逻辑推理问题, 它在发展人工智能方法上起过重大作用。 如关于谓词演算中推理过程机械化的研究

37、, 帮助我们更清楚地了解到某些机械化推理技术的组成情况。很多非数学领域的任务如医疗诊断、信息检索、规划制定和难题求解, 都可以转化成一个定理证明问题。所以机器定理证明的研究具有普遍的意义。,机器定理证明的方法主要有四类: (1) 自然演绎法, 其基本思想是依据推理规则, 从前提和公理中可以推出许多定理,如果待证的定理恰在其中, 则定理得证。 (2) 判定法,即对一类问题找出统一的计算机上可实现的算法解。在这方面一个著名的成果是我国数学家吴文俊教授1977年提出的初等几何定理证明方法。 (3) 定理证明器, 它研究一切可判定问题的证明方法。 (4) 计算机辅助证明,它是以计算机为辅助工具, 利用

38、机器的高速度和大容量,帮助人完成手工证明中难以完成的大量计算、推理和穷举。,1.7.4 自动程序设计 自动程序设计就是让计算机设计程序。具体来讲,就是人只要给出关于某程序要求的非常高级的描述,计算机就会自动生成一个能完成这个要求目标的具体程序。 所以, 这相当于给机器配置了一个“超级编译系统”, 它能够对高级描述进行处理, 通过规划过程, 生成所需的程序。但这只是自动程序设计的主要内容, 它实际是程序的自动综合。自动程序设计还包括程序自动验证, 即自动证明所设计程序的正确性。这样, 自动程序设计也是人工智能和软件工程相结合的研究课题。,1.7.5 机器翻译 机器翻译就是完全用计算机作为两种语言

39、之间的翻译。 机器翻译由来已久,早在电子计算机问世不久, 就有人提出了机器翻译的设想, 随后就开始了这方面的研究。当时人们总以为只要用一部双向词典及一些语法知识就可以实现两种语言文字间的机器互译,结果遇到了挫折。例如当把“光阴似箭”的英语句子“Time flies like an arrow”翻译成日语,然后再翻译回来的时候, 竟变成了“苍蝇喜欢箭”;又如, 当把“心有余而力不足”的英语句子“The spirit is willing but the flesh is weak”翻译成俄语, 然后再翻译回来时竟变成了“酒是好的,肉变质了”,即“The wine is good but the

40、meat is spoiled”。,这些问题的出现才使人们发现, 机器翻译并非想像的那么简单,并使得人们认识到, 单纯地依靠“查字典”的方法不可能解决翻译问题,只有在对语义理解的基础上,才能做到真正的翻译, 所以机器翻译的真正实现, 还要靠自然语言理解方面的突破。,1.7.6 智能控制 智能控制就是把人工智能技术引入控制领域, 建立智能控制系统。智能控制具有两个显著的特点: 第一, 智能控制是同时具有知识表示的非数学广义世界模型和传统数学模型混合表示的控制过程, 也往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程, 并以知识进行推理, 以启发来引导求解过程; 第二, 智能控

41、制的核心在高层控制, 即组织级控制, 其任务在于对实际环境或过程进行组织, 即决策与规划, 以实现广义问题求解。,智能控制系统的智能可归纳为以下几方面: (1) 先验智能: 有关控制对象及干扰的先验知识, 可以从一开始就考虑在控制系统的设计中。 (2) 反应性智能: 在实时监控、 辨识及诊断的基础上, 对系统及环境变化的正确反应能力。 (3) 优化智能: 包括对系统性能的先验性优化及反应性优化。(4) 组织与协调智能: 表现为对并行耦合任务或子系统之间的有效管理与协调。,智能控制的开发, 目前认为有以下途径: 基于专家系统的专家智能控制。 基于模糊推理和计算的模糊控制。 基于人工神经网络的神经

42、网络控制。 综合以上三种方法的综合型智能控制。,1.7.7 智能管理智能管理就是把人工智能技术引入管理领域, 建立智能管理系统。 智能管理是现代管理科学技术发展的新动向。 智能管理是人工智能与管理科学、系统工程、计算机技术及通信技术等多学科、多技术互相结合、互相渗透而产生的一门新技术、新学科。它研究如何提高计算机管理系统的智能水平, 以及智能管理系统的设计理论、方法与实现技术。 智能管理系统是在管理信息系统、办公自动化系统、决策支持系统的功能集成和技术集成的基础上, 应用人工智能专家系统、知识工程、模式识别、人工神经网络等方法和技术, 进行智能化、集成化、协调化, 设计和实现的新一代的计算机管

43、理系统。,1.7.8 智能决策 智能决策就是把人工智能技术引入决策过程, 建立智能决策支持系统。 智能决策支持系统是在20世纪80年代初提出来的。它是决策支持系统与人工智能, 特别是专家系统相结合的产物。它既充分发挥了传统决策支持系统中数值分析的优势,也充分发挥了专家系统中知识及知识处理的特长, 既可以进行定量分析, 又可以进行定性分析, 能有效地解决半结构化和非结构化的问题, 从而扩大了决策支持系统的范围, 提高了决策支持系统的能力。,智能决策支持系统是在传统决策支持系统的基础上发展起来的, 由传统决策支持系统再加上相应的智能部件就构成了智能决策支持系统。 智能部件可以有多种模式, 例如专家

44、系统模式、知识库系统模式等。专家系统模式是把专家系统作为智能部件, 这是目前比较流行的一种模式。 该模式适合于以知识处理为主的问题, 但它与决策支持系统的接口比较困难。知识库系统模式是以知识库作为智能部件。在这种情况下, 决策支持系统就是由模型库、方法库、数据库、知识库组成的四库系统。这种模式接口比较容易实现, 其整体性能也较好。,一般来说, 智能部件中可以包含如下一些知识: 建立决策模型和评价模型的知识。 如何形成候选方案的知识。 建立评价标准的知识。 如何修正候选方案, 从而得到更好候选方案的知识。 完善数据库, 改进对它的操作及维护的知识。,1.7.9 智能通信 智能通信就是把人工智能技

45、术引入通信领域, 建立智能通信系统。智能通信就是在通信系统的各个层次和环节上实现智能化。例如在通信网的构建、 网管与网控、转接、信息传输与转换等环节, 都可实现智能化。这样,网络就可运行在最佳状态, 使呆板的网变成活化的网, 使其具有自适应、 自组织、 自学习、 自修复等功能。,1.7.10 智能仿真 利用人工智能技术能对整个仿真过程(包括建模、 实验运行及结果分析)进行指导,能改善仿真模型的描述能力, 在仿真模型中引进知识表示将为研究面向目标的建模语言打下基础, 提高仿真工具面向用户、面向问题的能力。 从另一方面来讲, 仿真与人工智能相结合可使仿真更有效地用于决策, 更好地用于分析、 设计及

46、评价知识库系统, 从而推动人工智能技术的发展。 正是基于这些方面, 近年来, 将人工智能特别是专家系统与仿真相结合, 就成为仿真领域中一个十分重要的研究方向, 引起了大批仿真专家的关注。,1.7.11 智能CAD 智能CAD(简称ICAD)就是把人工智能技术引入计算机辅助设计领域, 建立智能CAD系统。 事实上, AI几乎可以应用到CAD技术的各个方面, 从目前发展的趋势来看, 至少有以下四个方面: (1) 设计自动化。 (2) 智能交互。 (3) 智能图形学。 (4) 自动数据采集。,从具体技术来看, ICAD技术大致可分为以下几种方法: (1) 规则生成法。 (2) 约束满足方法。 (3)

47、 搜索法。 (4) 知识工程方法。 (5) 形象思维方法。,1.7.12 智能制造 智能制造就是在数控技术、 柔性制造技术和计算机集成制造技术的基础上, 引入智能技术。智能制造系统由智能加工中心、材料传送检测和实验装置等智能设备组成。它具有一定的自组织、 自学习和自适应能力,能在不可预测的环境下, 基于不确定、不精确、不完全的信息, 完成拟人的制造任务, 形成高度自动化生产。,1.7.13 智能CAI 智能CAI就是把人工智能技术引入计算机辅助教学领域, 建立智能CAI系统, 即ICAI。ICAI的特点是能对学生因才施教地进行指导。 为此, ICAI应具备下列智能特征: 自动生成各种问题与练习

48、。 根据学生的水平和学习情况自动选择与调整教学内容和进度。 在理解教学内容的基础上自动解决问题生成解答。 具有自然语言的生成和理解能力。,对教学内容有解释咨询能力。 能诊断学生错误, 分析原因并采取纠正措施。 能评价学生的学习行为。 能不断地在教学中改善教学策略。 为了实现上述ICAI系统, 一般把整个系统分成专门知识、 教导策略和学生模型等三个基本模块和一个自然语言的智能接口。,1.7.14 智能人机接口智能人机接口就是智能化的人机交互界面, 也就是将人工智能技术应用于计算机与人的交互界面, 使人机界面更加灵性化、拟人化、个性化。显然, 这也是当前人机交互的迫切需要和人机接口技术发展的必然趋

49、势。 事实上, 智能人机接口已成为计算机、网络和人工智能等学科共同关注和通力合作的研究课题。该课题涉及到机器感知特别是图形图像识别与理解、 语音识别、自然语言处理、 机器翻译等诸多AI技术, 另外, 还涉及到多媒体、 虚拟现实等技术。,1.7.15 模式识别识别是人和生物的基本智能信息处理能力之一。 事实上, 我们几乎无时无刻都在对周围世界进行着识别。而所谓模式识别, 则指的是用计算机进行物体识别。这里的物体一般指文字、符号、图形、 图像、语音、声音及传感器信息等形式的实体对象,而并不包括概念、思想、意识等抽象或虚拟对象, 后者的识别属于心理、认知及哲学等学科的研究范畴。也就是说, 这里所说的

50、模式识别是狭义的模式识别,它是人和生物的感知能力在计算机上的模拟和扩展。经过多年的研究, 模式识别已发展成为一个独立的学科, 其应用十分广泛, 诸如信息、遥感、医学、影像、安全、军事等领域, 模式识别已经取得了重要成效, 特别是基于模式识别而出现的生物认证、数字水印等新技术正方兴未艾。,1.7.16 数据挖掘与数据库中的知识发现数据挖掘(也称数据开采、 数据采掘等)和数据库中的知识发现的本质含义是一样的, 只是前者主要流行于统计、 数据分析、 数据库和信息系统等领域, 后者则主要流行于人工智能和机器学习等领域, 所以现在有关文献中一般都把二者同时列出。 DM与KDD现已成为人工智能应用的一个热