人工智能概论

人工智能概论姓名：学号：专业：老师：时间：人工智能的原理及应用1早期的人工智能20世纪50~60年代,许多研究者试图从模仿人脑的结构或功能建立一个模拟人脑的智能机器。心理学家MCcolloch和数理逻辑学家Plits于1943年提出了第一个简化的神经元M-P模型。PERCEPTION是一个早期的神经网络系统,能进行简单的模式识别。当时的神经网络的实现技术还处于电子分立元件的时代,结构过于简单,与包含10亿个神经细胞的人脑相差太远,这个系统后来被证明是失败的。20世纪60年代中后期,由于计算机技术的飞速发展,功能主义的人工智能方法兴盛起来。人们认为只要编制出聪明的软件,就可以使计算机系统表现出应有的智能。人们设想假设以计算机的工作速度、运算精度、记忆容量、记忆准确度等能力,再加上一个无所不包的程序库,计算机将无所不能,在不远的将来,计算机将在总体上超过人类。由于无法建立万能的知识库,这种想法是很不现实的,也是很难甚至是不可能实现的。2专家系统2.1专家系统专家系统是以知识为基础的智能推理系统,与通用问题求解系统不同,专家系统强调在某一专业领域中积累大量的知识,包括实现范例以及该领域专家们所具有的经验和规律。当然这些规律并不要求是很严谨,但它们是有启发性的。这些知识构成数据库,系统在知识库的基础上发展其专门领域的知识,使系统达到模拟专家的程度。简单说(知识库)+(推理机)=专家系统专家系统大致分为三个组成部分:知识库、推理机和人机界面,具体结构主要有知识库、数据库、推理机、解释器、知识获取(学习系统)和人机界面组成,其中知识库和推理机是核心部分。专家系统的结构如图1所示。专家系统通过提取知识库中的知识,由推理机进行一系列的推理,得出结论,指导工作。专家系统具有以下特点:(1)它所解决的问题是复杂而专门的问题,这些问题很难用精确的数学语言描述,也没有确定的算法去解决;(2)专家系统不同于传统的数据处理算法而是突出知识的价值,推广和应用专家知识;(3)它采用人工智能原理和技术,如符号表示、符号推理和启发搜索等。2.2专家系统的发展及局限性1969年,由美国斯坦福大学的Feigenbaum等人完成了用于确定有机化学分子结构式的DENDRAL专家系统。该系统在从分子式及其质谱数据判断分子结构的能力方面达到了专家的水平,被广泛应用于各大学和企业的化学实验室里。随后,专家系统广泛用于医疗、化学、设计、地质勘探等领域。专家系统擅长解决的是难以建立数学模型而又依赖专家经验知识的问题,并在信息不完整或含有轻度噪声的情况下仍能给出一个合理的结论。它适合解决如故障诊断、报警处理、系统恢复、负荷预测、检修计划安排、无功电压控制、规划设计等问题。虽然专家系统能成功地解决某些专门领域的问题,也有很多优点,但经过多年的实践表明,一般专家系统存在以下弱点。a)知识获取难。知识获取的主要途径是机器学习、机器感知和人工移植。目前,前两种知识获取途径的能力还很低,大部分专家系统的知识获取还需要人工移植,即知识工程师通过和专家交谈获取专家的经验知识。对于一些很难用语言描述的经验和知识、多个领域专家之间互相矛盾的知识,知识工程师往往会束手无策。b)处理复杂问题的时间长。对于一个复杂的系统,计算机要花费较长的时间一个一个地处理程序代码,这个缺陷限制了计算机执行高速运算的性能,也使专家系统难以适应实时系统的要求。c)容错能力差。计算机采用局部存储方式,不同的数据和知识存储时互不相关,只有通过人编写的程序才能沟通,程序中微小的错误都会引起严重的后果,系统表现出极大的脆弱性。d)基础理论还不完善。专家系统的本质特征是基于规则的逻辑推理思维,然而迄今的逻辑理论仍然很不完善,现有逻辑理论的表达能力和处理能力有很大的局限性。3人工神经网络3.1人工神经网络人工神经网络(ArtificialNeuralNetwork)是由大量处理单元-神经元互连而成的网络。网络的信息处理由神经元之间的相互作用来实现;知识与信息的存贮表现为网络元件互连间分布式的物理联系。人工神经网络具有自学习能力,它可以从已有的实验数据中自动总结规律,而不依赖于专家的头脑。人工神经网络擅长于处理复杂的多维的非线性问题,既可以解决定性问题,又可用于解决定量的问题。人工神经网络具有大规模的并行处理和分布的信息存储能力,良好的自适应性,自组织性及很强的学习、联想、容错及较好的可靠性[6]。但是,由于神经网络是运用归纳的方法,在原始数据上通过学习算法建立内部知识库,各单个神经元不存储信息网络的知识是编码在整个网络连接权的模式中,知识表达不明确。此外,虽然神经网络一旦学习完成就能迅速地求解,具有良好的并行性,但是知识的积累是以网络的重新学习为代价,时间开销较大。3.2人工神经网络的发展人工神经网络的研究始于上世纪40年代。它经历了由兴起到萧条又由萧条到兴盛的发展道路。在M-P模型之后,50年代末,F.Rosenblatt提出了重要的感知机模型,这是一个完整的人工神经网络,初步具备了诸如并行处理、分布存储和学习等神经网络的一些基本特征。1960年B.Windrow和M.E.Hoff提出了自适应线性单元网络,可用于自适应滤波器、预测和模型识型。从50年代到60年代初,神经网络的研究工作形成了一个高潮。1969年M.Minsky和S.Papert指出,单层的感知机只能用于线性问题的求解,而对于像XOP(异或)这样简单的非线性问题却无法求解。由于Minsky的悲观结论,加上当时以逻辑推理为基础的人工智能和数字计算机取得了辉煌的成就,从而使人工智能神经网络研究走入低潮。进入80年代,神经网络的研究又引起了众多学科领域学者的关注,并很快形成了热潮。人工神经网络成功地用于计算机视觉、语言识别、知识处理、理解与合成、优化计算、神经计算机、智能控制及复杂系统分析等技术领域,研究内容涉及神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、生物电子学等学科,并在微电子,生物技术,数学,物理,化学,材料[7]等科学领域得到应用。4人工神经网络专家系统的应用4.1专家系统与神经网络的结合专家系统的特色是符号推理,神经网络擅长数值计算。从神经网络与专家系统的结构、工作原理来看,它们是两种完全不同的技术,有很大的区别:(1)专家系统的知识表示是显式的、描述性的;而神经网络对知识的表示是隐式的,它用网络的拓扑结构表示节点间的相互关系,节点间的互联强度表示项与项之间相互影响的强弱。(2)专家系统获取知识的主要途径目前还是机械式学习和讲授式学习,它的知识是在系统外学习得到的,然后以代码的形式输入知识库中;人工神经网络获取知识的方法则是直接从数值化的实例中学习或将传统人工智能技术已获得的知识特例转化为神经网络的分布式存储,学习是在系统内部并可以成为十分活跃的部分。(3)专家系统是具有符号推理机制的计算机程序,使用离散逻辑作为它的功能基础;而神经网络试图要模仿人脑智力功能,它的实现是于连续的数值计算。(4)专家系统使用演绎的方法,把从系统外得到并用代码输入系统的知识推广,知识表达很明确,是一种可以让专家识别的形式,因而容易证实,并且,专家系统中知识库与推理机是相互独立的,知识可以渐进地积累,当某一事实改变时,修改也较容易;而神经网络在原始数据上通过学习算法建立内部知识库,网络的知识是编码在整个网络连接权的模式中,知识的积累需要重新学习,效率较低。可见,由于自身的局限性,专家系统或人工神经网络各自只能模拟人脑的部分功能,不会具有很高的智能。如果将二者结合起来构成神经网络专家系统,加入深层次知识,取长补短,充分发挥各自的特长,则有可能形成一个新型的高智能的系统,它既有专家系统的知识与人机交互功能,又有人工神经网络的并行分布式处理、非线性、模糊推理和自动知识获取等特点,这是智能发展的必由之路。例如,利用神经网络的高效性和方便的自学习功能,只需用领域专家解决问题的实例来训练神经网络,解决专家系统的知识获取困难这一瓶颈问题;利用神经网络的自学习功能,不断丰富知识库内容,知识更新的问题就可解决,避免了专家系统的脆弱性。神经网络的知识推理是通过神经元之间的作用实现的,由于采用并行推理因而具有较高的速度,可以解决专家系统推理的匹配冲突组合爆炸及无穷递归问题。4.2材料设计中的应用在材料领域,人们经过长期的探索和研究,积累了一定的理论知识;但由于许多复杂影响因素的存在,有相当一部分材料的组分、工艺与性能之间的本质关系尚不于300MW以上机组,当响应速度允许有成功的应用经验时,也可将汽轮机保护纳入DCS0,但对于采用何种类型的控制器并未做出规定。十分清楚,存在许多经验知识,因此在材料设计、制备及性能预测等领域在很大程度上还必须依靠专家的经验知识。专系统的应用必将给材料设计领域带来全新的革命。进入80年代,专家系统在材料领域的应用逐渐成为热点。近一二十年来,专家系统在无机材料粉末合成、材料设计到成形、烧结和性能检测等过程中得到了开发和应用。目前,已有专家系统应用于卫生陶瓷、陶瓷釉料和电子陶瓷等陶瓷制品的性能、组分设计。专家系统是以符号信息转换、处理为基础的多层次逻辑级的软方法。神经网络是以低层次、子符号为基础的全面统计级的硬方法。将两者联合起来融为一体化系统,应用于材料设计是有生命力的。另外,材料物性数据库是材料设计的基础。材料数据库主要是数据信息,还可包括图像信息等。将数据库管理系统连接到人工智能系统或将人工智询等功能的数据库,进而开发出以材料配方设计和工艺参数优化为目标的新型智能数据库,满足对多目标、高性能材料设计的要求。这对于加速材料计算机辅助设计将是一条新的途径。利用神经网络专家系统进行材料的设计,是将目前最佳的组合尝试在材料领域的应用,如果能够实现必将翻开材料史上崭新的一页,加速新材料的开发,极大的促进和加快国家支柱产业的发展,再一次成为经济技术发展的决定性力量。随着系统论、信息论、控制论农神经生理学、心理学、逻辑学以及电子计算机等科学技术的交叉发展,出现了人工智能。人工智能的发展,正在出现从信息革命向智能革命的转化。美国著名的人工智能的其基人之一、知识工程理论的倡导者爱德华·费根魄姆教搜认为,人工智能或第五代计算机的出现,将形成知识信息处理系统K,,(K,w,.d.e’n‘orm.’i。“,,o‘’“’‘“.y,:。二),这将可能引起一场世界性的知识革命,从而可能把信息革命推向一个新的智能革命阶段。从目前的顶侧粉来,智能革命包括知识革命与思维革命这样两个相互构接的阶段,前者是初级阶段,后者是高级阶段。人工智能由低级阶段向高级阶段的发展,即由知识革命到思维革命的发展、促进认识论研究的深入,把认识论的研究提高到一个新的水平。第一、人工智能的发展,开辟了一个新的领城一知识工程。什么叫做知识工程呢?赞根鲍姆认为:“知识工程是人工智能的一种技艺。它运用人工智能的颐理和方法,为那些擂要专家知识才能解决的应用难.握供求娜的手段。恰当运用专家知识的获取、表达和推理的构成与解释,是设计基于知系统的重要技术问口。”这种能够在专家水平上从事工作的由智能软件建立起来的专家系统,是一种专家型的摸担。费根饱姆认为,专家系统是一个计算机程序,里面存二比闷t~”,尸,一,~,一,_第三、人工智能的发展,可能导致微观认识论的出现。随着系统论、信息论、控制论、神经生理学、心理学、脑科学和人工智能等料学技术的交叉发展,以及由此引起的智能革命的不断推进,很有可能使人之间的关系。而且.由于上述诸种科学技术的交叉综合的发展、人工智能等学技术侧重于从外部模拟大脑的结构和功能,而脑科学、神经生理学、心理学等等学科则侧重于研探索与争鸣究大脑自身的结构和功能。这两方面的交叉、综合的发展,很有可能揭开人的大脑这个千万年来的“神秘”王国之谜,从而可能取得认识论上的突破性的进展—出现徽观认识论。徽观认识论着重研究物质与愈识前述两层关系之间的关系,成为连接宏观认识论和思