第1章-绪论课件

第1章绪论2024/7/1921.1人工智能概述1.1.1什么是人工智能1）顾名思义,人工智能就是人造智能,其英文表示是“ArtificialIntelligence”,简称AI,是计算机科学中一门新兴的边缘学科。当然,这只是人工智能的字面解释或广义解释。目前的“人工智能”一词是指用计算机模拟或实现的智能,同时,人工智能又是一个学科名称。2024/7/193作为学科,人工智能研究的是如何使机器（计算机）具有智能的科学和技术,特别是自然智能如何在计算机上实现或再现的科学和技术。因此,从学科角度讲,当前的人工智能是计算机科学的一个分支。人工智能虽然是计算机科学的一个分支,但它的研究却不仅涉及到计算机科学,而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知(思维)科学、行为科学、生命科学和数学,以及信息论、控制论和系统论等许多学科领域。2024/7/194首次提出是在1956年达特茅斯（Dartmouth大学）会议上,第一次正式使用了人工智能（AI）这一术语,从而开创了人工智能的研究方向。1956年夏季,在美国Dartmouth大学,由年青数学助教J.McCarthy（现斯坦福大学教授）和他的三位朋友M.Minsky（哈佛大学年青数学和神经学家,现MIT教授）、N.Lochester（IBM公司信息研究中心负责人）和C.Shannon（贝尔实验室信息部数学研究员）共同发起,在会上他们第一次正式使用了人工智能（AI）这一术语2024/7/1952）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，那么是否也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。2024/7/196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,当前迅速发展着的国际互联网(Internet)就强烈地需要智能技术。特别是当我们要在Internet上构筑信息高速公路时,其中有许多技术问题就要用人工智能的方法去解决。这就是说,人工智能技术在Internet和未来的信息高速公路上将发挥重要作用。2024/7/197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,再向前发展就是智能化,即智能化是继机械化、自动化之后,人类生产和生活中的又一个技术特征。另外,研究人工智能,对探索人类自身智能的奥秘也可提供有益的帮助。因为我们可以通过电脑对人脑进行模拟,从而揭示人脑的工作原理,发现自然智能的渊源。人类对人工智能的渴望。2024/7/1983）从狭义的概念上来讲,人工智能是计算机科学中涉及研究,设计和应用智能机器的一个分支,是对智能计算机系统的研究。从广义上来讲,人工智能是指人类智能行为规律、智能理论方面的研究。人工智能的研究目标可分为远期目标和近期目标。远期目标是要制造智能机器。具体来讲,就是要使计算机具有看、听、说、写等感知和交互功能,具有联想、推理、理解、学习等高级思维能力,还要有分析问题、解决问题和发明创造的能力。简言之,也就是使计算机像人一样具有自动发现规律和利用规律的能力,或者说具有自动获取知识和利用知识的能力,从而扩展和延伸人的智能。2024/7/199从目前的技术水平来看,要全面实现上述目标,还存在很多困难。人工智能的近期目标是实现机器智能,即先部分地或某种程度地实现机器的智能,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。2024/7/19104）什么是自然智能:目的:那些是可能实现的，那些是不能实现的.计算――――算计书P3数种智能描述智能的多面性:人工智能研究者D.Hofstadter认为“智能中最重要的能力包括适应环境，适应偶然性事件，能分辨模糊和矛盾的信息，在孤立的情况中找出相似性，产生新要领和思想”。2024/7/19115）图灵测试我们来看看“思考”这一最难的词。图灵没有企图对这个词下定义，只是提出了“图灵测试”。通过这一测试即可判断某一特定机器是不是智能机器。这一测试最初被描绘成一种游戏通过了图灵测试就具有智能了吗？罗杰.施安克的故事理解程序希尔乐的中文屋子图灵梦想2024/7/1912美国哲学家约翰·希尔勒对通过了图灵测试的计算机具有智能提出了否定意见。他认为,即便一台计算机通过了图灵测试,但这台计算机仍然不具备和理解有关的精神属性。2024/7/1913图灵梦想在这段对话中“询问者”代表人，“智者”代表机器，并且假定他们都读过狄更斯（C.Dickens）的著名小说《匹克威克外传》，对话内容如下：

询问者：在14行诗的首行是“你如同夏日”，你不觉得“春日”更好吗？

智者：它不合韵。

询问者：“冬日”如何？它可完全合韵的。

智者：它确是合韵，但没有人愿意被比作“冬日”。

询问者：你不是说过匹克威克先生让你想起圣诞节吗？

智者：是的。

询问者：圣诞节是冬天的一个日子，我想匹克威克先生对这个比喻不会介意吧。

智者：我认为您不够严谨，“冬日”指的是一般冬天的日子，而不是某个特别的日子，如圣诞节。

从上面的对话可以看出，能满足这样的要求，要求计算机不仅能模拟而且可以延伸、扩展人的智能，达到甚至超过人类智能的水平，在目前是难以达到的，它是人工智能研究的根本目标。2024/7/19146）人工智能的研究目标但就其本质而言,人工智能是研究如何制造出人造的智能机器或智能系统,来模拟人类智能活动的能力,以延伸人们智能的科学。AI的本质问题 研究如何制造出人造的智能机器或系统,来模拟人类智能活动的能力,以延伸人们智能的科学。（1）通过视觉、听觉、触觉等感官活动,接受并理解文字、图象、声音、语言等各种外界的"自然信息",这就是认识和理解世界环境的能力。

2024/7/1915（2）通过人脑的生理与心理活动以及有关的信息处理过程,将感性知识抽象为理性知识,并能对事物运动的规律进行分析、判断和推理,这就是提出概念、建立方法,进行演绎和归纳推理、作出决策的能力。（3）通过教育、训练和学习过程,日益丰富自身的知识和技能,这就是学习的能力。（4）对变化多端的外界环境条件,如干扰、刺激等作用能灵活地作出反应,这就是自我适应的能力。2024/7/1916人工智能的研究途径与方法

1结构模拟,神经计算所谓结构模拟,就是根据人脑的生理结构和工作机理,实现计算机的智能,即人工智能。我们知道,人脑的生理结构是由大量神经细胞组成的神经网络。人脑是由大约1011个神经细胞组成的一个动态的、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。2024/7/19172功能模拟,符号推演由于人脑的奥秘至今还未彻底揭开,所以,人们就在当前的数字计算机上,对人脑从功能上进行模拟,实现人工智能。这种途径称为功能模拟法。具体来讲,功能模拟法就是以人脑的心理模型,将问题或知识表示成某种逻辑网络,采用符号推演的方法,实现搜索、推理、学习等功能,从宏观上来模拟人脑的思维,实现机器智能。2024/7/19183行为模拟,控制进化除了上述两种研究途径和方法外,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。这种方法是模拟人在控制过程中的智能活动和行为特性,如自寻优、自适应、自学习、自组织等,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。这个机器虫可以看作是新一代的“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。2024/7/19191.1.2人工智能程序与普通计算机程序的区别传统的程序是告诉机器干什么,怎么干,怎么干是依靠人设计出算法,编写出程序而实现的,人工智能只要求机器知道干什么,至于怎么干则由机器自动求解。表1.1列出了人工智能程序和传统程序之间的区别的一个比较。2024/7/1920IBM的“深蓝”北京时间1997年5月12日凌晨4点50分，美国纽约公平大厦，当IBM公司的“深蓝”超级电脑将棋盘上的一个兵走到C4的位置上时，国际象棋世界冠军卡斯帕罗夫对“深蓝”的人机大战落下帷幕，“深蓝”以3.5:2.5的总比分战胜卡斯帕罗夫。2024/7/192196年2月第一次比赛结果: “深蓝”:胜、负、平、平、负、负97年5月第二次比赛结果: “深蓝”:负、胜、平、平、平、胜“深蓝”的技术指标:32个CPU每个CPU有16个协处理器每个CPU有256M内存每个CPU的处理速度为200万步/秒2024/7/19221.2人工智能的发展历史人工智能的产生是由于人们对“数据世界”的需求进而发展到对“知识世界”的需求而产生的。为了寻求试探性的搜索，启发式的不精确的模糊的甚至允许出现错误的推理方法。以便符合人类的思维过程。从某种意义上说是计算机科学的历史:计算机是土壤。2024/7/19231.2.1第一阶段－孕育期（1956年以前）古希腊的Aristotle（亚里士多德）（前384-322）,给出了形式逻辑的基本规律,着手解释和编纂他称之为三段论的演绎推理时就迈出了向人工智能发展的早期步伐。英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号和数学化的思想,提出了一种崭新的代数系统——布尔代数。2024/7/1924美国神经生理学家McCulloch,总结出简单计算元素和生物神经元之间关系的理论,建立了第一个神经网络数学模型。英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机）,1950年提出了图灵试验,发表了“计算机与智能”的论文。图灵是最早给人工智能奠定理论基础的人。1956年在美国召开了由十多位数学家、信息学家、心理学家、神经生理学家、计算机科学家等学者参加的关于利用计算机模拟人类行为的学术会议。在讨论会上McCarthy（麦卡锡）提出了“ArtificialIntelligence（人工智能）”2024/7/19251.2.2第二阶段－人工智能基础技术的研究和形成（1956年～1970年）纽厄尔和西蒙等在1956年研制成“逻辑理论机LT”（TheLogicTheoryMachine）,该系统是第一个处理符号而不是处理数字的计算机程序,是机器证明数学定理的最早尝试。60年又编制成功“通用问题求解程序GPS（GeneralProblemSolving）系统2024/7/192660年代西蒙（Simon）由试验得到结论:人类问题的求解是一个搜索的过程，效果与启发式函数有关。叙述了智能系统的特点:智能表示、智能推理、智能搜索Nilson发表了A*算法（搜索方法）McCarthy在1960年建立了人工智能程序设计语言Lisp，它不仅可以处理数值还可以更方便的处理符号，适用于符号微积分计算、数学定理证明、图像识别等各个领域。60年代Simon由试验得到结论:人类问题的求解是一个搜索的过程，效果与启发式函数有关。叙述了智能系统的特点:智能表示、智能推理、智能搜索。2024/7/19271.2.3第三阶段－发展和实用化阶段（1971年－1980年）1965年Robinson提出了归结原理,（于传统的自然演绎法完全不同的消解法）。1968年Quillian提出了语义网络的知识表示方法。1972年及其研究小组实现了世界上第一个PROLOG系统,它是一种新型的程序设计语言,与LISP一起被称为面向人工智能的语言,但它比LISP更高级。2024/7/192870年代，人工智能开始从理论走向实践，解决一些实际问题。同时很快就发现了问题:归结法费时、下棋赢不了全国冠军、机器翻译一团糟等等。以费根鲍姆（Feigenbaum）为首的一批年轻科学家研究了以往人工智能系统成功和失败的教训，改变了战略思想，1977年提出了知识工程的概念，以知识为基础的专家咨询系统开始得到广泛的应用DENDRAL化学分析专家系统（斯坦福大学1968）标志着人工智能开始向实用化阶段迈进，同时标志着一个新的研究领域－专家系统（ExpertSyetem）的正式诞生。2024/7/1929MACSYMA符号数学专家系统（麻省理工1971）MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）在这期间发现了最有发展前景的三个子领域:专家系统、计算机视觉和机器人、自然语言理解和机器翻译

2024/7/19301.2.4第四阶段-知识工程与专家系统（1980年至今）一个笑话（英俄翻译）: Thespiritiswillingbutthefleshisweek(weak). （心有余而力不足） Thevodkaisstrongbutmeatisrotten. （伏特加酒虽然很浓，但肉是腐烂的）2024/7/1931出现这样的错误的原因: Spirit: 1）精神 2）烈性酒结论: 必须理解才能翻译，而理解需要知识2024/7/1932知识工程的提出,专家系统的初步成功,使得知识工程的方法渗透到人工智能的各个领域,促进了人工智能从实验室研究走向实际应用。80年代,人工智能发展达到阶段性的顶峰。87,89年世界大会有６－７千人参加。硬件公司有上千个。并进行Lisp硬件、Lisp机的研究2024/7/1933在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。应该说,知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。同年代,1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法,解决了神经网络的根本问题之一。从此,神经网络的研究进入新的高潮。2024/7/1934人工智能技术逐渐与数据库、多媒体等主流技术相结合,并融合在主流技术之中,旨在使计算机更聪明、更有效、与人更接近。日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（RealWordComputing）计划。当前人工智能的研究热点:☉分布式处理☉智能Agent☉数据挖掘（DataMining）☉环境自适应2024/7/19351.3人工智能的研究特点人工智能是一门知识的科学。以知识为对象，研究知识的获取、表示和使用。数据处理->知识处理，数据->符号。符号表示知识而不是数值、数据。有启发，有推导。人工智能是引起争论最多的科学之一焦点：当前人工智能的研究应该以人类的普遍思维规律为主，还是以特定知识的处理和运用为主？智能的本质是什么？机器能达到人的水平吗？2024/7/1936结论:人工智能的研究是非常困难的万能的逻辑推理体系至今没有创造出来，并不是因为人工智能专家的本事不够，而是因为这种万能的体系从根本上就是不可能有的。他最大的弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识，在实际生活中，人是根据知识行事的，而不是根据在抽象原则上的推理行事的。

2024/7/1937即使就推理体系来说，它的主要技术是状态空间搜索，而在执行中遇到的主要困难就是“组合爆炸”，事实表明，单靠一些思维原则是解决不了组合爆炸问题的，要摆脱困境，只有大量使用理性的知识。McCarthy:人工智能的所有问题都是难解的。Minsky:人工智能是有史以来最难的科学之一。难在:实现智能需要浩繁的知识，而最难对付的知识是常识（不是专业知识）。Dreyfus:常识问题是实现人工智能的最大障碍。2024/7/19381.4人工智能的研究领域人工智能的研究领域非常广泛，涉及到的学科也很多，目前主要包括:分布式人工智能、知识工程和专家系统、自然语言处理、机器人、机器学习和人工神经网络、模式识别、定理证明、自动程序设计、智能数据库、智能检索等。下面介绍界各主要的研究内容:2024/7/19391.专家系统（ExpertSystem）专家系统是一个智能的计算机程序,它运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序都可以称为专家系统。像前面所说的DENDRAL化学分析专家系统,它可以象化学家一样推断分子的组成结构。MYCIN系统可以像一个传染病医生一样为患者诊断,治疗感染性疾病。调查研究表明专家系统使工作效率提高10倍100或300倍2024/7/19402.自然语言处理（NaturalLanguageProcessing）自然语言处理主要研究使用计算机理解和生成自然语言的基础理论和基本技术。它采用人工智能的理论和技术将设定的自然语言（汉语、英语、日语等）机理用计算机程序表达出来，构造称能够理解自然语言的系统。如:把书面文字输入计算机，通过分析和生成使计算机能够“理解”，并作出回答；用口语对计算机讲话，通过语音识别等技术，使计算机能够作出响应，生成所需要的文本。对于用手输入的文本，通过辨识，匹配，使计算机生成所需要的文本。2024/7/1941例如,美国认知心理学家G.M.Ulson曾为理解提出了四条判别标准:(1)能够成功地回答与输入材料有关的问题；(2)能够具有对所给材料进行摘要的功能；(3)能用不同的词语叙述所给材料；(4)具有从一种语言转译成另一种语言的能力。2024/7/19423.机器学习(MzchineLearning)不具备学习能力的的计算机系统就难以称为智能系统

2024/7/19434.定理证明（TheoremProving）数学领域中对臆测的定理寻求一个证明,一直被认为是一项需要智能才能完成的任务。证明定理时,不仅需要有根据假设进行演绎的能力,而且需要有某些直觉的技巧。例如数学家在求证一个定理时,会熟练地运用他丰富的专业知识,猜测应当先证明哪一个引理,精确判断出已有的哪些定理将起作用,并把主问题分解为若干子问题,分别独立进行求解。因此人工智能研究中机器定理证明很早就受到注视,并取得不少成果。2024/7/1944定理证明的研究在人工智能方法的发展中曾起过重要的作用,例如使用谓词逻辑语言,其演绎过程的形式体系研究,帮助人们更清楚地理解推理过程的各个组成部分。许多其他领域的问题,也可以转化为定理证明问题,因此机器定理证明的研究具有普遍意义。2024/7/19455.分布式人工智能DAI(DistributedArtificialIntelligence)DAI系统由多个Agent(智能体组成),每一个Agent又是一个半自治系统,Agent之间和Agent与环境之间进行并发活动,并通过交互来完成问题求解。2024/7/19466.机器人学（Robotics）随着工业自动化和计算机技术发展,到六十年代机器人开始进入大量生产和实际应用的阶段。尔后由于自动装配、海洋开发、空间探索等实际问题的需要,对机器的智能水平提出了更高的要求。特别是危险环境,人们难以胜任的场合更迫切需要机器人,从而推动了智能机器的研究。2024/7/1947机器人学的研究推动了许多人工智能思想的发展,有一些技术可在人工智能研究中用来建立世界状态模型和描述世界状态变化的过程。关于机器人动作规划生成和规划监督执行等问题的研究,推动了规划方法的发展。此外由于智能机器是一个综合性的课题,除机械手和步行机构外,还要研究机器视觉、触觉、听觉等传感技术,以及机器人语言和智能控制软件等。可以看出这是一个涉及精密机械、信息传感技术、人工智能方法、智能控制以及生物工程等学科的综合技术。这一课题研究有利于促进各学科的相互结合,并大大推动人智能技术的发展。2024/7/19487.模式识别（PatternRecognition）模式识别就是识别出给定的事物和哪一个标本相同或者相近。其中图形图像识别主要是研究如文字,符号,照片和各种图像的识别；语音识别数要是研究各种语音信号的分类。2024/7/19498.计算机视觉(ComputerVision)计算机视觉是人工智能的一个重要领域。它就是用两维的图像来理解属于三维空间的三维对象。主要应用在图像,图形识别系统,航天与军事,医学应用等等。2024/7/19509.博弈（GamePlaying）博弈就是研究对策和斗智，在人工智能种大多以下棋为例来研究博弈规律Checkers(赛缪尔)设计的跳棋程序，格林布莱特（R.Gren-blatt）设计的国际象棋程序，都是一些著名的博弈程序。IBM公司研制的IBM超级计算机“深蓝”（DeepBlue）在1997年的“人机大战”中击败了当时国际象棋世界冠军卡斯帕罗夫。“深蓝”计算速度为:200万棋步/秒；表明机器智能可以超越人类，具有划时代的意义。2024/7/195110.人工神经网络（ArtificialNeuralNetwork）McCulloch和Pitts在1943年提出了第一个神经计算模型(MP模型)。人工神经网络是采用物理可实现的器件或采用现有的计算机来模拟生物体中的神经网络的某些结构和功能,并反过来用于工程或其他的领域,人工神经网络的着眼点不是用物理器件去完整的复制生物体中的神经细胞,而是采纳其可利用的部分来克服目前计算机或其他系统不能解决的问题,如学习、识别和控制等。人工神经网络由很多处理单元有机的连接起来,并行的进行工作。它的处理单元很简单,其工作是集体进行的,信息传播和存储方式与神经网络非常相似。2024/7/195211.自动程序设计（AutomaticProgramming）自动程序设计的任务是设计一个程序系统,它接受关于所设计的程序要求实现某个目标的非常高级的描述作为其输入,然后自动生成一个能完成这个目标的具体程序。自动程序设计所涉及的基本问题与定理证明和机器人学有关,要用到人工智能方法来实现,它也是软件工程和人工智能相结合的课题。2024/7/1953动编制出一份程序来获得某种指定结果的任务同论证一份给定的程序将获得某种指定结果的任务是紧密相关的,前者也称程序综合,后者称为程序验证。许多自动程序设计系统将产生一份输出程序的验证作为额外的收益。

自动程序设计研究的重大贡献之一是把程序调试的概念作为问题求解的策略来使用。实践已经发现,对程序设计或机器人控制问题,先产生一个代价不太高的有错误的解,然后再进行修改的作法,要比坚持要求第一次得到的解就完全没有缺陷的作法,通常效率要高得多。2024/7/195412.组合调度问题（CombinatorialandSchedulingProblems）有许多实际的问题是属于确定最佳调度或最佳组合的问题,例如旅行商问题就是其中之一。在大多数的这类问题中,随着求解问题规模的增大,求解程序都面临着组合爆炸问题。这些问题中有几个（包括旅行商问题）是属于计算理论家称为NP-完全性一类的问题。2024/7/1955用现在知道的最佳方法求解NP-完全性问题,所花费的时间是随着问题规模增大按指数方式增长,但迄今还不知道是否有更快的方法（如只涉及多项式时间）存在。人工智能学者们曾经研究过若干种组合问题的求解方法,他们的努力主要集中在使"时间-问题大小"曲线的变化尽可能地缓慢,即使它必须按指数方式增长。此外有关问题领域的知识,确实是一些较有效的求解方法的关键因素,为处理组合问题而发展起来的许多方法,对其他组合爆炸不甚严重的问题也是有用的。2024/7/195613.感知问题（PerceptionProblems）人工智能研究中,已经给计算机系统装上摄像机输入以便能够"看见"周围的东西,或者装上话筒以便能"听见"外界的声音。视觉和听觉都是感知问题,都涉及到要对复杂的输入数据进行处理。实验表明有效的处理方法要求具有"理解"的能力,而理解则要求大量有关感受到的事物的许多基础知识。2024/7/1957整个感知问题的要点是建立一个精炼的表示来取代难以处理的极其庞大的、未经加工的输入数据,这种最终表示的性质和质量取决于感知系统的目标。例如若颜色是重要的,则系统必须予以重视；若空间关系和变量是重要的,则系统必须给予精确的判断。不同的系统将有不同的目标,但所有的系统都必须把来自输入多得惊人的感知数据压缩为一种容易处理和有意义的描述。2024/7/19581.5人工智能的基本技术

1.5.1推理技术几乎所有的人工智能领域都要用到推理,因此,推理技术是人工智能的基本技术之一。需指出的是,对推理的研究往往涉及到对逻辑的研究。逻辑是人脑思维的规律,从而也是推理的理论基础。机器推理或人工智能用到的逻辑,主要包括经典逻辑中的谓词逻辑和由它经某种扩充、发展而来的各种逻辑。后者通常称为非经典或非标准逻辑。2024/7/19591.5.2搜索技术所谓搜索,就是为了达到某一“目标”,而连续地进行推理的过程。搜索技术就是对推理进行引导和控制的技术,它也是人工智能的基本技术之一。事实上,许多智能活动的过程,甚至所有智能活动的过程,都可看作或抽象为一个“问题求解”过程。而所谓“问题求解”过程,实质上就是在显式的或隐式的问题空间中进行搜索的过程。即在某一状态图,或者与或图,或者一般地说,在某种逻辑网络上进行搜索的过程。2024/7/1960搜索技术也是一种规划技术。因为对于有些问题,其解就是由搜索而得到的“路径”。搜索技术是人工智能中发展最早的技术。在人工智能研究的初期,“启发式”搜索算法曾一度是人工智能的核心课题。截至目前,对启发式搜索的研究,人们已取得了不少成