人工智能绪论10课件

1、计算机科学的重要分支计算机科学与技术专业的核心课程之一、也是自动化、电子信息工程等专业的选修课程如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的智能，使得计算机更好得为人类服务。课程简介考试笔试开卷第1讲 人工智能概述(Chapter 1 Overview of AI)Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议Stuart Russell, Peter Norvig. “Artificial

2、Intelligence: A Modern Approach”. Pearson Education, 2002. 中译本：人工智能一种现代方法(第二版)， 姜哲 等译, 人民邮电出版社, 2004蔡自兴，徐光佑. 人工智能及其应用(第三版). 北京：清华大学出版社，2004. 陆汝钤. 人工智能(上、下册). 科学出版社，2000.史忠植. 高级人工智能(第二版). 科学出版社, 2006.Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议定义1 智能机器能够在各类环境中自主地

3、或交互地执行各种拟人任务(anthropomorphic tasks)的机器。定义2 人工智能(学科)计算机科学中涉及研究、设计和应用智能机器的一个分支。近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。定义3 人工智能(能力)智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。定义4 一种使计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985）。定义5 那些与人的思维、决策、问题求解和学习等有关活动的自动化（Bellman,1978）。定义6 用计算模型研

4、究智力行为（Charniak和McDermott,1985）。定义7 研究那些使理解、推理和行为成为可能的计算（Winston,1992）。定义4和5涉及拟人思维定义6和7与理性思维有关定义8 一种能够执行需要人的智能的创造性机器的技术（Kurzwell,1990）。定义9 研究如何使计算机做事让人过得更好（Rick和Knight,1991）。定义10 一门通过计算过程力图理解和模仿智能行为的学科（Schalkoff,1990）。定义11 计算机科学中与智能行为的自动化有关的一个分支（Luger和Stubblefield,1993）。定义8和9涉及拟人行为定义10和11与学科范围有关Outli

5、ne主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议哲学（428 B. C. 现在） 意识、思维的理性部分的形式化 数学（800 现在） 逻辑、计算、概率 经济学（1776 现在） 决策、博弈、运筹学 神经科学（1861 现在） 简单细胞的集合能够导致思维、意识和行动1. AI的基础 心理学(1879现在) 认知心理学：大脑当作信息处理装置 实验心理学： 1879年Wundt在莱比锡大学首创 控制论(1948现在)：1948年Viener 语言学(1957现在)：Shinner，乔姆斯基理论

6、计算机工程(1940 -现在) 电动机械式计算机Heath Robinson ： 1940年图灵研究组，用于破译德军情报 真空电子管通用机器Colossus：1943年图灵研究组 可编程计算机Z-3：1941年德国的Konrad Zuse 2. AI的萌芽古希腊伟大的哲学家、思想家，Plato（柏拉图）的学生代表作工具论对AI的主要贡献：为形式逻辑奠定了基础，而形式逻辑是一切推理活动的最基本的出发点。Aristotle (亚里士多德) （公元前384322）Aristotle对AI的主要贡献 (续) “三段论” 以真言判断为其前提的一种演绎推理，借助于一个共同项，把两个直言判断联系起来，而得出

7、结论。 例如：一切金属都是能够熔解的；铁是金属；所以，铁是能够熔解的。“演绎法”“模态逻辑”【说明】：古希腊文化是人类民主、科学的启蒙，对整个人类做出了十分巨大的贡献！英国哲学家、自然科学家著名口号：“知识就是力量”代表作：新工具对AI的主要贡献：系统地提出了“归纳法”，成为和Aristotle演绎法相辅相成的思维法则。20世纪70年代末，Stanford大学Feigenbaum提出专家系统时，以Bacon的口号为重要依据。Bacon （培根）（15611626）德国数学家、哲学家对AI的主要贡献：关于“数理逻辑”的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。 提出的计划：建立一种

8、通用的符号语言，以及一种在此基础上进行推理的演算。 Leibnitz (莱布尼茨) （16461716）美籍奥地利数理逻辑学家对AI的主要贡献：研究数理逻辑中的一些根本性问题，即“形式系统的完备性和可判定性” 。 1930年证明：一阶谓词演算的完备性定理。1931年证明了两条不完备性定理：提出人的思维形式化和机械化的某些极限，在理论上证明了有些事情是做不到的。Godel (哥德尔) （19061978）英国数学家1936年提出一种理想计算机的数学模型“图灵机” 。对AI的主要贡献： 1950年提出著名的“图灵实验” 。给出智能标准的明确定义：把人和计算机分处两个不同的房间，并且互相对话，如果作

9、为人的一方不能判断对方是人还是计算机，则那台计算机就达到了人的智能。Turing (图灵) （19121954）1946年研制成功世界上第一台电子计算机 “ENIAC” 对AI的主要贡献：为人工智能研究奠定了物质基础 John Von Nouma (约翰冯诺依曼 )（ 19031957） W.S. Mcculloch (麦克洛奇) & W. Pitts (皮兹) 1943年，结合了神经生理学和数理逻辑的研究，提出了M-P神经网络模型。1943年建立第一个“神经网络数学模型” 开创微观AI 通过模拟人脑来实现智能美国数学家1948年创立“信息论” 对AI的主要贡献：信息论认为人的心理活动可通过信

10、息的形式加以研究，并提出了描述人的心理活动的数学模型。信息论和心理学的结合构成了当代AI研究的一个重要潮流宏观人工智能研究克劳德香农(Claude Elwood Shannon1916-2001) 信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。 Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议美国的人工智能之父麦卡锡 John McCarthy（麦卡锡）1971年图灵奖获得者。1927年9月出生于美国波士顿。1948

11、年 加州理工大学获数学学士学位。1951年 普林斯顿获数学博士学位。曾供职于普林斯顿，斯坦福, Dartmouth 和MIT 。1962年，加入斯坦福大学，并创建了斯坦福人工智能实验室，工作直到2000年退休。1956年夏天Boston，Dartmouth(达特茅斯)学院McCarthy召集与会人员数学家McCarthy信息学家Shannon心理学家和神经生理学家Lochester(IBM信息研究中心负责人）, Moore（IBM）, Solomonff（MIT）计算机科学家Simon, Newell, Samuel, Minsky（哈佛）, Selfridge （MIT）。1. AI的诞生

12、McCarthy在此次会议上提议正式使用： Artificial Intelligence（简称AI），标志着“人工智能”作为一门独立学科正式诞生。2. AI曲折的发展历程早期的热情、巨大的期望（1952-1969）现实的困境（1966-1973）基于知识的系统：力量的钥匙？ (1969 1979)AI成为工业 (1980 现在)神经网络的回归 (1986 现在)AI 成为科学 (1987 现在)Intelligent Agent的出现 (1995 现在)第一阶段：早期的热情、巨大的期望 (19521969)自然语言的机器翻译1953年，美国乔治大学，1954年IBM公司在701计算机上做俄译

13、英的公开表演。此时，前苏联、中国也开展机器翻译的研究。利用计算机证明数学定理1956年，Newell和Simon，用程序Logic Theorist证明数学原理第二章中的38条定理，1963年证明全部52条定理。 （人工智能的真正开端）1956年，Samuel研制了第一个跳棋程序具有学习功能，打败一个州冠军。1956年，Selfridge研制第一个字符识别程序。1959年，提出功能更强的模式识别。1957年， Newell，Shaw和Simon研究不依赖具体领域的通用解题程序GPS(General Problem Solving）1965年，Robinson提出消解法（即归结原理），掀起研究计

14、算机定理证明的又一次高潮。Newell, Simon等人过于乐观不出10年，计算机将成为世界象棋冠军。不出10年，计算机将发现和证明重要的数学定理。不出10年，计算机将能谱写具有优秀作曲家水平的乐曲。不出10年，大多数心理学理论将在计算机上形成。有人甚至断言，20世纪80年代将全面实现AI，2000年机器智能超过人。 第二阶段：现实的困境 (19661973)消解法（归结原理）能力有限 例如：证明两个连续函数之和仍是连续函数，推了10万步还没有推出。 Sauel的下棋程序，1965年，世界冠军Helmann获得四连胜。机器翻译闹出不少笑话 有人挖苦说，美国花了2000万美元为机器翻译立了一块“

15、墓碑”。机器翻译闹出的笑话举例：“The spirit is willing but the flesh is weak”“心有余而力不足”机器翻译过程：英语 俄语 英语结果被译为： “The vodka is good but the meat is spoiled”“伏特加是好的，肉变质了”。“Out of sight, out of mind”“眼不见心不烦”将其翻译成俄语， “ 又瞎又疯”。从神经生理学角度研究AI，存在不可逾越的困难。人脑有1010以上个神经元，能否将1010个机器组成一个联合运行的网络？1973年，英国发表了Lighthill report，认为AI的研究即使不是骗

16、局，至少也是庸人自扰。终止了英国的AI研究。 IBM公司也取消了本公司范围内的AI研究活动。第三阶段 KBS:力量的钥匙?(1969-1979)Newell, Simon等老一辈AI专家，关心的是“通用的、万能的符号逻辑运算体系”物理符号系统假设。Nilsson更进一步提出，物理符号体系的核心方法是逻辑演绎方法。他的口号“命题主义” ，主张一切AI研究应在一个类似逻辑的形式框架内进行。1968年，Stanford年轻教授Feigenbaum主持的专家系统DENDRAL问世，开创了AI的一个重要应用领域，以知识为基础的专家咨询系统（KBS）。1994年度图灵奖得主。1965年世界上第一个专家系统

17、程序 DENDRAL。DENDRAL中保存着化学家的知识和质谱仪的知识，可以 根据给定的有机化合物的分子式和质谱图，从几千种可能的分 子结构中挑选出一个正确的分子结构。 验证了费根鲍姆 关于知识工程的理论的正确性为专家系统软件的发展和应 用开辟了道路，逐渐形成具有相当规模的市场，其应用遍及各个 领域、各个部门。爱德华费根鲍姆(Edward Albert Feigenbaum)人工智能研 究的一个历史性突破。医学专家系统：MYCIN。名言：“知识中蕴藏着力 量”(“In the Knowledge lies the power”)。于培根的名言知识就是力量 意义相近，但更确切：知识只有被人所发掘

18、和掌握时，才 能生成力量。 1963年 Computers and Thought世界上第一本有关人工智能的经典性专著。80年代The Handbook of Artificial Intelligence内容涵盖人工智能的理 论与实践的方方面面，是从事人工智能研究和开发的工程技术 人员必备的参考书。 Feigenbaum及其提出的KBS的主要贡献在IJCAI-1977上，Feigenbaum提出知识工程、专家系统及其开发工具Feigenbaum认为，万能的逻辑体系从根本上说是不可能的，其最大弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识。Feigenbaum的主要贡献：知识工程是

19、1977-1987AI中最有成就的分支之一在恢复和推进AI的社会形象方面起了很大作用第四阶段：AI成为工业 (1980 现在)专家系统及其开发工具1981年，日本的“第五代计算机”计划英国的Alvey Report建议恢复投资AI提出 “基于知识的智能系统”（Intelligent Knowledge Based System, IKBS） 第五阶段：神经网络的回归 (1986-现在)1969年，Bryson 提出反向传播算法1982年，Hopfield神经元网络 （成功的求解了旅行商问题）1986年，Rumelhart & McClelland：主编论文集 Parallel Distribu

20、ted Processing 形成“联接主义”方法，与“符号主义”方法形成互补第六阶段: AI成为科学（1987现在）AI理论应建立在严密的数学基础上 严格的定理、确凿的实验证据，不靠直觉与现实应用相关，而不是与玩具样例相关机器学习不应与信息论分离不确定性推理不应与随机模型分离搜索不应和经典的优化及控制分离自动推理不应和形式化方法分离在方法论上，AI已成为坚实的科学方法利用Internet和共享测试数据库及代码，AI系统的重复实验成为可能第七阶段: Intelligent Agent的出现(1995-现在)Internet ：最重要的Intelligent Agent 环境之一AI 成为搜索引

21、擎、推荐系统、商务智能系统的基本工具“Agent的观点”： 将AI领域目前分离的子领域重新组织为一个有机整体Russell & Norvig. AI: A Modern ApproachPools et al. 1998Nilsson, 1998Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议1、人类认知过程探求高层次思维决策与初级信息处理的关系用计算机程序模拟人的思维策略水平，用计算机语言模拟人的初级信息处理过程。 研究认知过程的主要任务2、智能信息处理系统的假设信息处理系统：

22、 符号操作系统(Symbol Operation System) 物理符号系统(Physical Symbol System)。 符号：模式(pattern)。(1) 输入符号(input)(2) 输出符号(output)(3) 存储符号(store)(4) 复制符号(copy)(5) 建立符号结构通过找出各符号间的关系，在符号系统中形成符号结构(6) 条件性迁移(conditional transfer)根据已有符号，继续完成活动过程。一个完善的符号系统应具有6种基本功能：如果一个物理符号系统具有上述全部6种功能，能够完成这个全过程，那么它就是一个完整的物理符号系统。人具有上述6种功能；现代

23、计算机也具备物理符号系统的这6种功能。把人看成一个智能信息处理系统任何一个系统，如果它能表现出智能，那么它就必定能够执行上述6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能；智能是指人类所具有的智能。物理符号系统的假设推论1 既然人具有智能，那么他(她)就一定是个物理符号系统。推论2 既然计算机是一个物理符号系统，它就一定能够表现出智能。（人工智能的基本条件）推论3 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。物理符号系统3个推论认知生理学认知心理学认知信息学认知工程学 人类的认知行为具有不同的层次研究认知行为的生理过程研究人的神经

24、系统(神经元、中枢神经系统和大脑)的活动认知科学研究的底层认知生理学研究认知行为的心理活动主要研究人的思维策略认知科学研究的顶层认知心理学研究人的认知行为在人体内的初级信息处理主要研究人的认知行为如何通过初级信息自然处理，由生理活动变为心理活动及其逆过程，即由心理活动变为生理行为。认知活动的中间层，承上启下。认知信息学研究认知行为的信息加工处理主要研究如何通过以计算机为中心的人工信息处理系统，对人的各种认知行为（如知觉、思维、记忆、语言、学习、理解、推理、识别等）进行信息处理。研究认知科学和认知行为的工具现代认知心理学和现代认知生理学的重要研究手段。认知工程学机器智能可以模拟人类智能智能计算机

25、的功能 下棋、证明定理、翻译语言文字和解决难题等 神经计算机(neural computer) 能以类似人类的方式进行“思考”，力图重建人脑的形象。通过对量子计算(quantum computing)的研究，产生量子计算机。3、人类智能的计算机模拟1950年，图灵发表计算机能思考吗？，给人工智能下一个定义，而且论证了人工智能的可能性。如果一台机器能够通过图灵实验，那它是智慧的。图灵实验的本质：让人在不看外型的情况下不能区别是机器的行为还是人的行为时，这个机器就是智慧的。 图灵实验游戏由一男(A)、一女(B)和一名询问者(C)进行；C与A、B被隔离，通过电传打字机与A、B对话。询问者只知道二人的

26、称呼是X，Y，通过提问以及回答来判断，最终作出“X是A，Y是B”或者“X是B，Y是A”的结论。游戏中，A必须尽力使C判断错误，而B的任务是帮助C。当一个机器代替了游戏中的A，并且机器将试图使得C相信它是一个人。如果机器通过了图灵测试，就认为它是智慧的。 图灵测试Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议(1) 符号主义(Symbolicism)(2) 联结主义(Connectionism)(3) 行为主义(Actionism)1、人工智能的主要学派符号主义(Symbolic

27、ism)，逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism) 物理符号系统(即符号操作系统)假设和有限合理性原理。联结主义(Connectionism)，仿生学派(Bionicsism)、生理学派(Physiologism) 神经网络及神经网络间的连接机制与学习算法。行为主义(Actionism)，进化主义(Evolutionism)、控制论学派(Cyberneticsism) 控制论及感知-动作型控制系统。 2 对人工智能发展历史的不同看法 符号主义人工智能源于数理逻辑。在1956年首先采用“人工智能”这个术语。启发式算法专家系统知识工程理

28、论与技术长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要意义。人工智能的主流派。代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。联结主义人工智能源于仿生学，特别是人脑模型的研究。1943年，生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型。60-70年代，对以感知机(perceptron)为代表的脑模型的研究出现热潮，在70年代后期至80年代初期落入低潮。Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络时，联结主义又重新抬头。19

29、86年鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。对ANN的研究热情仍然不减。行为主义人工智能源于控制论。控制论思想早在40-50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。60-70年代，控制论系统的研究取得一定进展80年代诞生了智能控制和智能机器人系统。近年来，以人工智能新学派的面孔出现，引起许多人的兴趣与研究。3 对人工智能基本理论的争论 符号主义人的认知基元是符号，认知过程即符号操作过程。人是一个物理符号系统，计算机也是一个物理符号系统。能用计算机来模拟人的智能行为用

30、计算机的符号操作来模拟人的认知过程。人的思维是可操作的。知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理，能建立起基于知识的人类智能和机器智能的统一理论体系。 联结主义人的思维基元是神经元，而不是符号处理过程。对物理符号系统假设持反对意见，认为人脑不同于电脑并提出联结主义的大脑工作模式，以取代符号操作的电脑工作模式。行为主义智能取决于感知和行动(所以称为行为主义)提出智能行为的“感知-动作”模式。智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化(称为进化主义)；智能行为只能在现实世界中与周围

31、环境交互作用而表现出来。符号主义(还包括联结主义)对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，不能真实地反映客观存在。 4 对人工智能技术路线的争论 如何在技术上实现人工智能系统、研制智能机器和开发智能产品 沿着什么技术路线和策略来发展人工智能存在不同的派别，不同的路线专用路线、通用路线硬件路线 、软件路线 专用路线研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。通用路线通用的计算机硬件和软件能够对人工智能开发提供有效的支持，能够解决广泛的和一般的人工智能问题。强调人工智能应用系统和人工智能产品的开发，应与计算机主体技术和主流技术相结合。把

32、知识工程视为软件工程的一个分支。 硬件路线 人工智能的发展主要依靠硬件技术。智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。 软件路线 强调人工智能的发展主要依靠软件技术。认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。 5 AI研究的5个基本问题1987年5月，在MIT召开了AI专题讨论会，几位主要代表人物阐述了对AI基础的认识，评价有关基础性工作。1991年Artificial Intelligence(1991, Vol.47)发表了AI基础研究专辑。其中，Kirsh提出了AI的五个基本问题：知识与概念化是不是AI的核心？认知能力能否与载体分开来研究？认知的轨迹是

33、否可用类自然语言来描述？学习能否与认知分开来研究？所有的认知是否有一种统一的结构？针对上述五个基本问题，各个流派都做出不同的回答。6 智能的本质是什么？计算机所完成的高速数字计算，不算高级的智能行为现实世界要处理的大多数问题并非数值计算自然语言理解和翻译图形、图象、声音的理解决策管理、医疗诊断需要将计算机从“数值世界”推广到“知识世界”，即从“数据处理范围”扩展到“符号知识处理范畴”“试探性的搜索、启发式的、不精确的、模糊的、甚至允许出现错误的推理方法才更符合人类的思维过程Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人

34、类的影响AI在中国AI领域的著名期刊及会议1. 问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为人工智能基本技术搜索和问题归约。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。2. 逻辑推理与定理证明人工智能研究中最持久的子领域之一。找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。1976年7月

35、，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题-四色定理。三台大型计算机，1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3. 自然语言理解NLP(Natural Language Processing) 人工智能的早期研究领域之一。能够从内部数据库回答提出的问题的程序，程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行给出的指令和获取知识等。能够在一定程度上翻译从话筒输入的口头指令。目前研究的主要课题：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识-世界知识和期望作用的重要性。人

36、工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。 4. 自动程序设计一个重要研究领域。已研制出能够以各种不同的目的描述(例如输入/输出对，高级语言描述，甚至自然语言描述算法)来编写计算机程序。对自动程序设计的研究不仅可以促进半自动软件开发系统的发展，也使通过修正自身数码进行学习(即修正它们的性能)的人工智能系统得到发展。自动编制一份程序来获得某种指定结果的任务同证明一份给定程序将获得某种指定结果的任务紧密相关（程序验证）5. 专家系统一个智能计算机程序系统，内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。一个

37、具有大量专门知识与经验的程序系统，应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决需要专家决定的复杂问题。在某个领域的专家与系统设计者之间经过艰苦的反复交换意见之后建立起来。当前的研究涉及有关专家系统设计的各种问题。发展专家系统的关键是表达和运用专家知识，即来自人类专家的并能解决有关领域内的典型问题的事实和过程。和传统的计算机程序最本质的区别：专家系统所要解决的问题一般没有算法解，经常在不完全、不精确或不确定的信息基础上作出结论。可以解决的问题包括：解释、预测、诊断、设计、规划、监视、修理、指导和控制等。高性能的专家系统已从学术研究

38、进入实际应用研究。随着人工智能整体水平的提高，专家系统也获得发展。正在开发的新一代专家系统有分布式专家系统和协同式专家系统等。6. 机器学习人工智能研究上最突出和最重要的一个方面。学习是人类智能的主要标志和获得知识的基本手段。机器学习(自动获取新的事实及新的推理算法)使计算机具有智能的根本途径。香克(R. Shank)：一台计算机若不会学习，就不能称为具有智能。“机器学习有助于发现人类学习的机理和揭示人脑的奥秘。7. 人工神经网络由于冯诺依曼(VanNeumann)体系结构的局限性，数字计算机存在一些尚无法解决的问题。人们一直在寻找新的信息处理机制，神经网络计算就是其中之一。用神经网络处理直觉

39、和形象思维信息具有比传统处理方式好得多的效果。神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机-神经计算机。8. 机器人学人工智能研究日益受到重视的另一个分支包括对操作机器人装置程序的研究。机器人和机器人学的研究促进了许多人工智能思想的发展。智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机械、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。9. 模式识别用计算机代替人

40、类或帮助人类感知模式对人类感知外界功能的模拟研究计算机模式识别系统，使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。10. 机器视觉（计算机视觉）从模式识别的一个研究领域发展为一门独立的学科。机器视觉的前沿研究领域包括：实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图象压缩传输和复原、多光谱和彩色图象的处理与解释等。机器视觉已在机器人装配、卫星图象处理、工业过程监控、飞行器跟踪和制导等领域获得极为广泛的应用。11. 智能控制一类无需(或需

41、要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。或者说，智能控制是驱动智能机器自主地实现其目标的过程。 自动控制的最新发展阶段，也是用计算机模拟人类智能的一个重要研究领域。 智能控制的核心在高层控制，即组织级控制。任务是对实际环境或过程进行组织（决策和规划），实现广义问题求解。目前研究得较多的6个方面：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。12.智能检索系统研究智能检索系统已成为科技持续快速发展的重要保证。数据库系统是储存某学科大量事实的计算机软件系统，可以回答用户提出的有关该学科的各种问题。数据库系统的设计也是计算机科学的一

42、个活跃的分支。为了有效地表示、存储和检索大量事实，已经发展了许多技术。13. 智能调度与指挥确定最佳调度或组合的问题是人类感兴趣的又一类问题。一个古典的问题：推销员旅行问题。大多数这类问题能够从可能的组合或序列中选取一个答案，但组合或序列的范围很大。试图求解这类问题的程序产生了一种组合爆炸的可能性。即使是大型计算机的容量也会被用光。智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与指挥、空中交通管制以及军事指挥等系统。14. 分布式人工智能(Distributed AI, DAI)与Agent分布式计算与人工智能结合的结果。DAI系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不

43、同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。多agent系统(Multiagent System, MAS) 更能体现人类的社会智能，具有更大的灵活性和适应性，更适合开放和动态的世界环境，已成为人工智能以至计算机科学和控制科学与工程的研究热点。15. 计算智能与进化计算计算智能(Computing Intelligence)涉及神经计算、模糊计算、进化计算等研究领域。进化计算(Evolutionary Computation)是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称包括

44、遗传算法(Genetic Algorithms)、进化策略(Evolutionary Strategies)和进化规划(Evolutionary Programming)。16. 数据挖掘与知识发现知识获取是知识信息处理的关键问题之一。数据挖掘通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，揭示出蕴涵在数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。数据挖掘和知识发现技术已获广泛应用。17. 人工生命(Artificial Life, ALife)用计算机和精密机械等人工媒介生成或构造出能够表现自然生命系统行为特征的仿真

45、系统或模型系统。自然生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混沌动力学、进化和环境适应。人工生命学科的研究内容包括：生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。18. 系统与语言工具除了实现智能的研究工作外，开发新的方法也是人工智能研究的一个重要方面。人工智能对计算机界的某些最大贡献已经以派生的形式表现出来。计算机系统的一些概念，如分时系统、编目处理系统和交互调试系统等，已经在人工智能研究中得到发展。Outline主要参考书目AI的定义 AI的基础及萌芽AI的创立及发展 AI与人类智能AI的研究流派AI的研究范围AI对人类的影响AI在中国AI领域的著名期刊及会议1. 对经济的影响专家系统的效益 成功的专家系统能为它的建造者、拥有者和用户带来明显的经济效益。人工智能推动计算机技术发展 人