人工智能的研究方向和應用領域

《人工智能的研究方向和應用領域》由會員分享，可在線閱讀，更多相關《人工智能的研究方向和應用領域（6頁珍藏版）》請在裝配圖網上搜索。

人工智能的研究方向和應用領域 人工智能(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。 人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。廣義的人工智能包括人工智能、人工情感與人工意志三個方面。 一、研究方向 1.問題求解 　　人工智能的第一個大成就是發(fā)展了能夠求解難題的下棋(如國際象棋)程序。在下棋程序中應用的某些技術，如向前看幾步，并把困難的問題分成一些比較容易的子問題，發(fā)展成為搜索和問題歸約這樣的人工智能基本技術。今天的計算機程序能夠下錦標賽水平的各種方盤棋、十五子棋和國際象棋。另一種問題求解程序把各種數學公式符號匯編在一起，其性能達到很高的水平，并正在為許多科學家和工程師所應用。有些程序甚至還能夠用經驗來改善其性能。 2.邏輯推理與定理證明 　　邏輯推理是人工智能研究中最持久的子領域之一。其中特別重要的是要找到一些方法，只把 注意力集中在一個大型數據庫中的有關事實上，留意可信的證明，并在出現(xiàn)新信息時適時修正這些證明。對數學中臆測的定理尋找一個證明或反證，確實稱得上是一項智能任務。為此不僅需要有根據假設進行演繹的能力，而且需要某些直覺技巧。 　　1976年7月，美國的阿佩爾(K.Appel)等人合作解決了長達124年之久的難題--四色定理。他們用三臺大型計算機，花去1200小時CPU時間，并對中間結果進行人為反復修改500多處。四色定理的成功證明曾轟動計算機界。 3.自然語言理解 　　NLP(Natural Language Processing)自然語言處理也是人工智能的早期研究領域之一，已經編寫出能夠從內部數據庫回答用英語提出的問題的程序，這些程序通過閱讀文本材料和建立內部數據庫，能夠把句子從一種語言翻譯為另一種語言，執(zhí)行用英語給出的指令和獲取知識等。有些程序甚至能夠在一定程度上翻譯從話筒輸入的口頭指令(而不是從鍵盤打入計算機的指令)。目前語言處理研究的主要課題是：在翻譯句子時，以主題和對話情況為基礎，注意大量的一般常識--世界知識和期望作用的重要性。 　　人工智能在語言翻譯與語音理解程序方面已經取得的成就，發(fā)展為人類自然語言處理的新概念。 4.自動程序設計 　　也許程序設計并不是人類知識的一個十分重要的方面，但是它本身卻是人工智能的一個重要研究領域。這個領域的工作叫做自動程序設計。已經研制出能夠以各種不同的目的描述(例如輸入/輸出對，高級語言描述，甚至英語描述算法)來編寫計算機程序。這方面的進展局限于少數幾個完全現(xiàn)成的例子。對自動程序設計的研究不僅可以促進半自動軟件開發(fā)系統(tǒng)的發(fā)展，而且也使通過修正自身數碼進行學習(即修正它們的性能)的人工智能系統(tǒng)得到發(fā)展。自動編制一份程序來獲得某種指定結果的任務同證明一份給定程序將獲得某種指定結果的任務是緊密相關的。后者叫做程序驗證。許多自動程序設計系統(tǒng)將產生一份輸出程序的驗證作為額外收獲。 5.專家系統(tǒng) 　　一般地說，專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內部具有大量專家水平的某個領域知識與經驗，能夠利用人類專家的知識和解決問題的方法來解決該領域的問題。也就是說，專家系統(tǒng)是一個具有大量專門知識與經驗的程序系統(tǒng)，它應用人工智能技術，根據某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。 　　當前的研究涉及有關專家系統(tǒng)設計的各種問題。這些系統(tǒng)是在某個領域的專家(他可能無法明確表達他的全部知識)與系統(tǒng)設計者之間經過艱苦的反復交換意見之后建立起來的。在已經建立的專家咨詢系統(tǒng)中，有能夠診斷疾病的(包括中醫(yī)診斷智能機)，估計潛在石油等礦藏的，研究復雜有機化合物結構的以及提供使用其它計算機系統(tǒng)的參考意見等。發(fā)展專家系統(tǒng)的關鍵是表達和運用專家知識，即來自人類專家的并已被證明對解決有關領域內的典型問題是有用的事實和過程。專家系統(tǒng)和傳統(tǒng)的計算機程序最本質的不同之處在于專家系統(tǒng)所要解決的問題一般沒有算法解，并且經常要在不完全、不精確或不確定的信息基礎上作出結論。 　　專家系統(tǒng)可以解決的問題一般包括解釋、預測、診斷、設計、規(guī)劃、監(jiān)視、修理、指導和控制等。高性能的專家系統(tǒng)也已經從學術研究開始進入實際應用研究。隨著人工智能整體水平的提高，專家系統(tǒng)也獲得發(fā)展。正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的方法，而且采用基于模型的原理。 6.機器學習 　　學習能力無疑是人工智能研究上最突出和最重要的一個方面。人工智能在這方面的研究近年來取得了一些進展。學習是人類智能的主要標志和獲得知識的基本手段。機器學習(自動獲取新的事實及新的推理算法)是使計算機具有智能的根本途徑。正如香克(R. Shank)所說："一臺計算機若不會學習，就不能稱為具有智能的。"此外，機器學習還有助于發(fā)現(xiàn)人類學習的機理和揭示人腦的奧秘。所以這是一個始終得到重視，理論正在創(chuàng)立，方法日臻完善，但遠未達到理想境地的研究領域。 二、應用領域 1.人工神經網絡 　　由于馮諾依曼(VanNeumann)體系結構的局限性，數字計算機存在一些尚無法解決的問題。人們一直在尋找新的信息處理機制，神經網絡計算就是其中之一。 　　研究結果已經證明，用神經網絡處理直覺和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經網絡的發(fā)展有著非常廣闊的科學背景，是眾多學科研究的綜合成果。神經生理學家、心理學家與計算機科學家的共同研究得出的結論是：人腦是一個功能特別強大、結構異常復雜的信息處理系統(tǒng)，其基礎是神經元及其互聯(lián)關系。因此，對人腦神經元和人工神經網絡的研究，可能創(chuàng)造出新一代人工智能機--神經計算機。 　　對神經網絡的研究始于40年代初期，經歷了一條十分曲折的道路，幾起幾落，80年代初以來，對神經網絡的研究再次出現(xiàn)高潮?；羝辗茽柕?Hopfield)提出用硬件實現(xiàn)神經網絡，魯梅爾哈特(Rumelhart)等提出多層網絡中的反向傳播(BP)算法就是兩個重要標志?，F(xiàn)在，神經網絡已在模式識別、圖象處理、組合優(yōu)化、自動控制、信息處理、機器人學和人工智能的其它領域獲得日益廣泛的應用。 2.機器人學 　　人工智能研究日益受到重視的另一個分支是機器人學，其中包括對操作機器人裝置程序的研究。這個領域所研究的問題，從機器人手臂的最佳移動到實現(xiàn)機器人目標的動作序列的規(guī)劃方法，無所不包。機器人和機器人學的研究促進了許多人工智能思想的發(fā)展。它所導致的一些技術可用來模擬世界的狀態(tài)，用來描述從一種世界狀態(tài)轉變?yōu)榱硪环N世界狀態(tài)的過程。它對于怎樣產生動作序列的規(guī)劃以及怎樣監(jiān)督這些規(guī)劃的執(zhí)行有了一種較好的理解。復雜的機器人控制問題迫使我們發(fā)展一些方法，先在抽象和忽略細節(jié)的高層進行規(guī)劃，然后再逐步在細節(jié)越來越重要的低層進行規(guī)劃。在本書中，我們經常應用一些機器人問題求解的例子來說明一些重要的思想。智能機器人的研究和應用體現(xiàn)出廣泛的學科交叉，涉及眾多的課題，如機器人體系結構、機構、控制、智能、視覺、觸覺、力覺、聽覺、機器人裝配、惡劣環(huán)境下的機器人以及機器人語言等。機器人已在各種工業(yè)、農業(yè)、商業(yè)、旅游業(yè)、空中和海洋以及國防等領域獲得越來越普遍的應用。 3.模式識別 　　計算機硬件的迅速發(fā)展，計算機應用領域的不斷開拓，急切地要求計算機能更有效地感知諸如聲音、文字、圖象、溫度、震動等等信息資料，模式識別便得到迅速發(fā)展。 　　"模式"(Pattern)一詞的本意是指完美無缺的供模仿的一些標本。模式識別就是指識別出給定物體所模仿的標本。人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬，研究的是計算機模式識別系統(tǒng)，也就是使一個計算機系統(tǒng)具有模擬人類通過感官接受外界信息、識別和理解周圍環(huán)境的感知能力。 　　模式識別是一個不斷發(fā)展的新學科，它的理論基礎和研究范圍也在不斷發(fā)展。隨著生物醫(yī)學對人類大腦的初步認識，模擬人腦構造的計算機實驗即人工神經網絡方法早在50年代末、60年代初就已經開始。至今，在模式識別領域，神經網絡方法已經成功地用于手寫字符的識別、汽車牌照的識別、指紋識別、語音識別等方面。目前模式識別學科正處于大發(fā)展的階段，隨著應用范圍的不斷擴大，隨著計算機科學的不斷進步，基于人工神經網絡的模式識別技術，在90年代將有更大的發(fā)展。 4.機器視覺 　　機器視覺或計算機視覺已從模式識別的一個研究領域發(fā)展為一門獨立的學科。在視覺方面，已經給計算機系統(tǒng)裝上電視輸入裝置以便能夠"看見"周圍的東西。視覺是感知問題之一。在人工智能中研究的感知過程通常包含一組操作。例如，可見的景物由傳感器編碼，并被表示為一個灰度數值的矩陣。這些灰度數值由檢測器加以處理。檢測器搜索主要圖象的成分，如線段、簡單曲線和角度等。這些成分又被處理，以便根據景物的表面和形狀來推斷有關景物的三維特性信息。機器視覺的前沿研究領域包括實時并行處理、主動式定性視覺、動態(tài)和時變視覺、三維景物的建模與識別、實時圖象壓縮傳輸和復原、多光譜和彩色圖象的處理與解釋等。機器視覺已在機器人裝配、衛(wèi)星圖象處理、工業(yè)過程監(jiān)控、飛行器跟蹤和制導以及電視實況轉播等領域獲得極為廣泛的應用。 5.智能控制 　　人工智能的發(fā)展促進自動控制向智能控制發(fā)展。智能控制是一類無需(或需要盡可能少的)人的干預就能夠獨立地驅動智能機器實現(xiàn)其目標的自動控制?；蛘哒f，智能控制是驅動智能機器自主地實現(xiàn)其目標的過程。 　　隨著人工智能和計算機技術的發(fā)展，已可能把自動控制和人工智能以及系統(tǒng)科學的某些分支結合起來，建立一種適用于復雜系統(tǒng)的控制理論和技術。智能控制正是在這種條件下產生的。它是自動控制的最新發(fā)展階段，也是用計算機模擬人類智能的一個重要研究領域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)。十多年后，建立實用智能控制系統(tǒng)的技術逐漸成熟。1971年，傅京孫提出把人工智能與自動控制結合起來的思想。1977年，美國薩里迪斯提出把人工智能、控制論和運籌學結合起來的思想。1986年，中國蔡自興提出把人工智能、控制論、信息論和運籌學結合起來的思想。按照這些結構理論已經研究出一些智能控制的理論和技術，用來構造用于不同領域的智能控制系統(tǒng)。智能控制的核心在高層控制，即組織級控制。其任務在于對實際環(huán)境或過程進行組織，即決策和規(guī)劃，以實現(xiàn)廣義問題求解。已經提出的用以構造智能控制系統(tǒng)的理論和技術有分級遞階控制理論、分級控制器設計的熵方法、智能逐級增高而精度逐級降低原理、專家控制系統(tǒng)、學習控制系統(tǒng)和基于NN的控制系統(tǒng)等。智能控制有很多研究領域，它們的研究課題既具有獨立性，又相互關聯(lián)。目前研究得較多的是以下6個方面：智能機器人規(guī)劃與控制、智能過程規(guī)劃、智能過程控制、專家控制系統(tǒng)、語音控制以及智能儀器。 6.智能檢索 　　隨著科學技術的迅速發(fā)展，出現(xiàn)了"知識爆炸"的情況。對國內外種類繁多和數量巨大的科技文獻之檢索遠非人力和傳統(tǒng)檢索系統(tǒng)所能勝任。研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保證。數據庫系統(tǒng)是儲存某學科大量事實的計算機軟件系統(tǒng)，它們可以回答用戶提出的有關該學科的各種問題。 　　數據庫系統(tǒng)的設計也是計算機科學的一個活躍的分支。為了有效地表示、存儲和檢索大量事實，已經發(fā)展了許多技術。當我們想用數據庫中的事實進行推理并從中檢索答案時，這個課題就顯得很有意義。 7.智能調度與指揮 　　確定最佳調度或組合的問題是我們感興趣的又一類問題。一個古典的問題就是推銷員旅行問題。這個問題要求為推銷員尋找一條最短的旅行路線。他從某個城市出發(fā)，訪問每個城市一次，且只許一次，然后回到出發(fā)的城市。大多數這類問題能夠從可能的組合或序列中選取一個答案，不過組合或序列的范圍很大。試圖求解這類問題的程序產生了一種組合爆炸的可能性。這時，即使是大型計算機的容量也會被用光。在這些問題中有幾個(包括推銷員旅行問題)是屬于計算理論家稱為NP完全性一類的問題。他們根據理論上的最佳方法計算出所耗時間(或所走步數)的最壞情況來排列不同問題的難度。 　　智能組合調度與指揮方法已被應用于汽車運輸調度、列車的編組與指揮、空中交通管制以及軍事指揮等系統(tǒng)。 8.系統(tǒng)與語言工具 　　人工智能對計算機界的某些最大貢獻已經以派生的形式表現(xiàn)出來。計算機系統(tǒng)的一些概念，如分時系統(tǒng)、編目處理系統(tǒng)和交互調試系統(tǒng)等，已經在人工智能研究中得到發(fā)展。幾種知識表達語言(把編碼知識和推理方法作為數據結構和過程計算機的語言)已在70年代后期開發(fā)出來，以探索各種建立推理程序的思想。特里威諾格雷德(Terry Winograd)的文章《在程序設計語言之外》(1979年)討論了他的某些關于計算的未來思想；其中部分思想是在他的人工智能研究中產生的。80年代以來，計算機系統(tǒng)、如分布式系統(tǒng)、并行處理系統(tǒng)、多機協(xié)作系統(tǒng)和各種計算機網絡等，都有了發(fā)展。在人工智能程序設計語言方面，除了繼續(xù)開發(fā)和改進通用和專用的編程語言新版本和新語種外，還研究出了一些面向目標的編程語言和專用開發(fā)工具。對關系數據庫研究所取得的進展，無疑為人工智能程序設計提供了新的有效工具。 6