人工智能技術(shù)和發(fā)展趨勢(shì)

1、人工智能技術(shù)和發(fā)展趨勢(shì)摘 要 人工智能 ，簡(jiǎn)稱AI，它是當(dāng)今最火的一門(mén)科學(xué)，是研究使計(jì)算機(jī)來(lái)完成能表現(xiàn)出人類智能的任務(wù)的學(xué)科。主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理，制造類似于人腦的智能計(jì)算機(jī)，以及使計(jì)算機(jī)更巧妙些實(shí)現(xiàn)高層次的應(yīng)用。人工智能一直是人們所追求的，所向往的一門(mén)科學(xué)，它起源于近代，在電氣時(shí)代隨著計(jì)算機(jī)科學(xué)的發(fā)展，以及生物學(xué)，腦科學(xué)等相關(guān)科學(xué)的發(fā)展，極大的推動(dòng)了人工智能的發(fā)展。人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué),數(shù)理邏輯、語(yǔ)言學(xué)、等多門(mén)學(xué)科。導(dǎo)致其非常復(fù)雜，所以其研究領(lǐng)域也分成許多方面，從最開(kāi)始的博弈論，專家系統(tǒng)，模式識(shí)別，神經(jīng)網(wǎng)絡(luò)，機(jī)器學(xué)習(xí)到現(xiàn)在大熱的深度學(xué)習(xí)。其應(yīng)用領(lǐng)域，也

2、非常之多，比如機(jī)器翻譯，語(yǔ)音交互，ORC,圖像識(shí)別，智能駕駛等等。自從谷歌的阿法狗在圍棋打敗了人類棋手，人工智能也進(jìn)入了一個(gè)新的發(fā)展階段，如今各國(guó)，各大公司都在大力發(fā)展人工智能技術(shù)，爭(zhēng)取在新時(shí)代把握先機(jī)，把握未來(lái)。人工智能即將在無(wú)人駕駛，機(jī)器翻譯，語(yǔ)言交互等應(yīng)用領(lǐng)域取得巨大成功。即使如此，人工智能現(xiàn)在還是處于弱人工智能階段，人工智能還面臨著許多問(wèn)題和挑戰(zhàn)。向強(qiáng)人工智能發(fā)展的道路上，仍然充滿巨大的困難。關(guān)鍵詞：人工智能，機(jī)器學(xué)習(xí)，發(fā)展趨勢(shì)，神經(jīng)網(wǎng)絡(luò)，運(yùn)用人工智能1.1 人工和智能含義人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所

3、能及制造的，或者人自身的智能程度有沒(méi)有高到可以創(chuàng)造人工智能的地步，等等。但總的來(lái)說(shuō)，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。關(guān)于什么是“智能”，就問(wèn)題多多了。這涉及到其它諸如意識(shí)、自我、心靈（包括無(wú)意識(shí)的精神等等問(wèn)題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對(duì)人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。1.2 人工智能的簡(jiǎn)介使機(jī)器具有自主能動(dòng)能力這一愿望，從古希臘甚至古埃及的神話傳說(shuō)開(kāi)始就一直

4、延續(xù)至今： 亞里士多德（公元前384-322年）的一個(gè)著名演繹推理三段論代表著他對(duì)人工智能的哲學(xué)思想探索步伐；中世紀(jì)神秘主義者Ramon Llull構(gòu)建了世界上第一部可以“回答”問(wèn)題的機(jī)器； 近代“人工智能”（Artificial Intelligence）這個(gè)概念的提出最早是在1956年Dartmouth學(xué)會(huì)，當(dāng)時(shí)數(shù)字計(jì)算機(jī)研制成果顯著，對(duì)編寫(xiě)有原始推理思想的程序有質(zhì)的幫助；今天的各國(guó)在智能研究領(lǐng)域都有了重大發(fā)展，波士頓動(dòng)力公司研制的大狗機(jī)器人bigdog。廣義來(lái)講，人工智能就是人造物的智能行為。人工智能的發(fā)展往往依靠計(jì)算機(jī)科學(xué)和認(rèn)知科學(xué)的發(fā)展，在不同的發(fā)展階段，對(duì)于人工智能有不同的理解，其

5、概念也隨之拓展。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，是研究使計(jì)算機(jī)來(lái)完成能表現(xiàn)出人類智能的任務(wù)的學(xué)科。主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理，制造類似于人腦的智能計(jì)算機(jī)，以及使計(jì)算機(jī)更巧妙些實(shí)現(xiàn)高層次的應(yīng)用。它涉及到計(jì)算機(jī)科學(xué)，心理學(xué)，哲學(xué)和語(yǔ)言學(xué)學(xué)科。總的目標(biāo)是增強(qiáng)人的智能進(jìn)而我們需要了解什么是智能。智能是一種能夠認(rèn)識(shí)客觀事物和運(yùn)用知識(shí)解決問(wèn)題的綜合能力。智能的四個(gè)特征：具有感知能力，具有記憶和思維能力，具有學(xué)習(xí)和自適應(yīng)的能力，具有行為能力。智能是客觀世界中解決實(shí)際問(wèn)題的能力，這種能力就是各個(gè)科學(xué)領(lǐng)域中的“知識(shí)”，以及交叉學(xué)科的靈活應(yīng)用。因而，還可以認(rèn)為，人工智能的研究目標(biāo)是使機(jī)器模仿人的行為計(jì)算機(jī)模仿人

6、腦的推理，學(xué)習(xí)，思考和規(guī)劃等思維活動(dòng)。概括而言，人工智能是研究如何讓計(jì)算機(jī)做現(xiàn)階段只有人才能做好的事情。因?yàn)椤爸悄堋笔顷P(guān)于解決問(wèn)題能力的知識(shí)，所以從使用觀點(diǎn)看，人工智能是關(guān)于知識(shí)的科學(xué)，它包含三個(gè)怎樣，即 怎樣表示知識(shí)，怎樣獲取知識(shí)，怎樣使用知識(shí)。1.3 人工智能發(fā)展的歷史人工人工智能學(xué)習(xí)的發(fā)展歷史是和計(jì)算機(jī)科學(xué)與技術(shù)的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語(yǔ)言學(xué)、醫(yī)學(xué)和哲學(xué)等多門(mén)學(xué)科。一般認(rèn)為，人工智能的思想萌芽可以追溯到德國(guó)著名數(shù)學(xué)家和哲學(xué)家萊布尼茨(Leibnitz，1646-1716)提出的"通用語(yǔ)言&

7、quot;設(shè)想。這一設(shè)想的要點(diǎn)是：建立一種通用的符號(hào)語(yǔ)言，用這個(gè)語(yǔ)言中的符號(hào)表達(dá)“思想內(nèi)容”，用符號(hào)之間的形式關(guān)系表達(dá)“思想內(nèi)容”之間的邏輯關(guān)系。于是，在“通用語(yǔ)言”中可以實(shí)現(xiàn)“思維的機(jī)械化”這一設(shè)想可以看成是對(duì)人工智能的最早描述。但隨著1941年以來(lái)電子計(jì)算機(jī)的發(fā)展，技術(shù)已最終可以創(chuàng)造出機(jī)器智能，“人工智能”(Artificial Intelligence)一詞最初是在1956年Dartmouth學(xué)會(huì)上提出的，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展，在它還不長(zhǎng)的歷史中，人工智能的發(fā)展比預(yù)想的要慢，但一直在前進(jìn)，從40年前出現(xiàn)到現(xiàn)在，已經(jīng)出現(xiàn)了許多AI程序，并且它們也

8、影響到了其它技術(shù)的發(fā)展。 雖然計(jì)算機(jī)為AI提供了必要的技術(shù)基礎(chǔ)，但直到50年代早期人們才注意到人類智能與機(jī)器之間的聯(lián)系。Norbert Wiener是最早研究反饋理論的美國(guó)人之一。最熟悉的反饋控制的例子是自動(dòng)調(diào)溫器。它 將收集到的房間溫度與希望的溫度比較，并做出反應(yīng)將加熱器開(kāi)大或關(guān)小，從而控制環(huán)境溫度。這項(xiàng)對(duì)反饋 回路的研究重要性在于: Wiener從理論上指出，所有的智能活動(dòng)都是反饋機(jī)制的結(jié)果。而反饋機(jī)制是有可 能用機(jī)器模擬的。這項(xiàng)發(fā)現(xiàn)對(duì)早期AI的發(fā)展影響很大。 70年代另一個(gè)進(jìn)展是專家系統(tǒng)。專家系統(tǒng)可以預(yù)測(cè)在一定條件下某種解的概率。由于當(dāng)時(shí)計(jì)算機(jī)已 有巨大容量，專家系統(tǒng)

9、有可能從數(shù)據(jù)中得出規(guī)律。專家系統(tǒng)的市場(chǎng)應(yīng)用很廣。十年間，專家系統(tǒng)被用于股市預(yù) 測(cè)，幫助醫(yī)生診斷疾病，以及指示礦工確定礦藏位置等。這一切都因?yàn)閷＜蚁到y(tǒng)存儲(chǔ)規(guī)律和信息的能力而成為可能。 但80年代對(duì)AI工業(yè)來(lái)說(shuō)也不全是好年景。86-87年對(duì)AI系統(tǒng)的需求下降，業(yè)界損失了近5億美元。象 Teknowledge和Intellicorp兩家共損失超過(guò)6百萬(wàn)美元，大約占利潤(rùn)的三分之一巨大的損失迫使許多研究領(lǐng) 導(dǎo)者削減經(jīng)費(fèi)。另一個(gè)另人失望的是國(guó)防部高級(jí)研究計(jì)劃署支持的所謂"智能卡車"。這個(gè)項(xiàng)目目的是研制一種能完成許多戰(zhàn)地任務(wù)的機(jī)器人。由于項(xiàng)目缺陷和成功無(wú)望，Pentagon停止

10、了項(xiàng)目的經(jīng)費(fèi)。 盡管經(jīng)歷了這些受挫的事件，AI仍在慢慢恢復(fù)發(fā)展。新的技術(shù)在日本被開(kāi)發(fā)出來(lái)，如在美國(guó)首創(chuàng)的模糊邏輯，它可以從不確定的條件作出決策;還有神經(jīng)網(wǎng)絡(luò)，被視為實(shí)現(xiàn)人工智能的可能途徑?？傊?，80年代AI被引入了市場(chǎng)，并顯示出實(shí)用價(jià)值?？梢源_信，它將是通向21世紀(jì)之匙。 人工智能技術(shù)接受檢驗(yàn) 在"沙漠風(fēng)暴"行動(dòng)中軍方的智能設(shè)備經(jīng)受了戰(zhàn)爭(zhēng)的檢驗(yàn)。人工智能技術(shù)被用于導(dǎo)彈系統(tǒng)和預(yù)警顯示以 及其它先進(jìn)武器。AI技術(shù)也進(jìn)入了家庭。智能電腦的增加吸引了公眾興趣;一些面向蘋(píng)果機(jī)和IBM兼容機(jī)的應(yīng)用 軟件例如語(yǔ)音和文字識(shí)別已可買(mǎi)到;使用模糊邏輯，AI技術(shù)簡(jiǎn)化了攝像設(shè)備。對(duì)人工智

11、能相關(guān)技術(shù)更大的需求促 使新的進(jìn)步不斷出現(xiàn)。人工智能已經(jīng)并且將繼續(xù)不可避免地改變我們的生活。1.4 研究的現(xiàn)狀為了將人工智能的理論研究成果應(yīng)用于實(shí)際，人們發(fā)明了多種方法。目前大部分的人工智能應(yīng)用系統(tǒng)是在馮諾依曼結(jié)構(gòu)的通用數(shù)字計(jì)算機(jī)或通用算機(jī)上運(yùn)行求得結(jié)果。這種用軟件實(shí)現(xiàn)的方法靈活性強(qiáng)但速度較慢。 目前人工智能的研究方向已經(jīng)被分成幾個(gè)子領(lǐng)域，研究人員希望一個(gè)人工智能系統(tǒng)應(yīng)該具有某些特定能力，以下將這些能力列出并說(shuō)明。1.4.1 演繹、推理和解決問(wèn)題早期的人工智能研究人員直接模仿人類進(jìn)行逐步的推理，就像是玩棋盤(pán)游戲或進(jìn)行邏輯推理時(shí)人類的思考模式。到了1980和1990年，利用機(jī)率和經(jīng)濟(jì)學(xué)上的概念，

12、人工智能研究還發(fā)展了非常成功的方法處理不確定或不完整的資訊。對(duì)于困難的問(wèn)題，有可能需要大量的運(yùn)算資源，也就是發(fā)生了“可能組合爆增”：當(dāng)問(wèn)題超過(guò)一定的規(guī)模時(shí)，電腦會(huì)需要天文數(shù)量級(jí)的記憶體或是運(yùn)算時(shí)間。尋找更有效的算法是優(yōu)先的人工智能研究項(xiàng)目。人類解決問(wèn)題的模式通常是用最快捷，直觀的判斷，而不是有意識(shí)的，一步一步的推導(dǎo)，早期人工智能研究通常使用逐步推導(dǎo)的方式。人工智能研究已經(jīng)于這種“次表征性的”解決問(wèn)題方法取得進(jìn)展：實(shí)體化的代理人研究強(qiáng)調(diào)感知運(yùn)動(dòng)的重要性。神經(jīng)網(wǎng)絡(luò)研究試圖以模擬人類和動(dòng)物的大腦結(jié)構(gòu)重現(xiàn)這種技能。1.4.2 多元智能大多數(shù)研究人員希望他們的研究最終將被納入一個(gè)具有多元智能(稱為強(qiáng)人工

13、智能)，結(jié)合以上所有的技能并且超越大部分人類的能力。有些人認(rèn)為為了達(dá)成以上目標(biāo)，可能需要擬人化的特性，如人工意識(shí)或人工大腦。 上述許多問(wèn)題被認(rèn)為是人工智能完整性：為了解決其中一個(gè)問(wèn)題，你必須解決全部的問(wèn)題。即使一個(gè)簡(jiǎn)單和特定的任務(wù)，如機(jī)器翻譯，要求機(jī)器按照作者的論點(diǎn)(推理)，知道什么是被人談?wù)?知識(shí))，忠實(shí)地再現(xiàn)作者的意圖(情感計(jì)算)。因此，機(jī)器翻譯被認(rèn)為是具有人工智能完整性：它可能需要強(qiáng)人工智能工，就像是人類一樣。1.4.3 規(guī)劃智能Agent必須能夠制定目標(biāo)和實(shí)現(xiàn)這些目標(biāo)。他們需要一種方法來(lái)建立一個(gè)可預(yù)測(cè)的世界模型(將整個(gè)世界狀態(tài)用數(shù)學(xué)模型表現(xiàn)出來(lái)，并能預(yù)測(cè)它們的行為將如何改變這個(gè)世界)，

14、這樣就可以選擇功效最大（或“值”）的行為。 在傳統(tǒng)的規(guī)劃問(wèn)題中，智能Agent被假定它是世界中為一具有影響力的，所以它要做出什么行為是已經(jīng)確定的。但是，如果事實(shí)并非如此，它必須定期檢查世界模型的狀態(tài)是否和自己的預(yù)測(cè)相符合。如果不符合，它必須改變它的計(jì)劃。因此智能代理必須具有在不確定結(jié)果的狀態(tài)下推理的能力。 在多Agent中，多Agent規(guī)劃采用合作和競(jìng)爭(zhēng)去完成一定的目標(biāo)，使用演化算法和群體智慧可以達(dá)成一個(gè)整體的突現(xiàn)行為目標(biāo)。1.4.4 知覺(jué)機(jī)器感知是指能夠使用傳感器所輸入的資料(如照相機(jī)，麥克風(fēng)，聲納以及其他的特殊傳感器)然后推斷世界的狀態(tài)。計(jì)算機(jī)視覺(jué)能夠分析影像輸入。另外還有語(yǔ)音識(shí)別、人臉辨

15、識(shí)和物體辨識(shí)。1.4.5 社交情感和社交技能對(duì)于一個(gè)智慧代理人是很重要的。 首先，通過(guò)了解他們的動(dòng)機(jī)和情感狀態(tài)，代理人能夠預(yù)測(cè)別人的行動(dòng)(這涉及要素 博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測(cè))。此外，為了良好的人機(jī)互動(dòng)，智慧代理人也需要表現(xiàn)出情緒來(lái)。至少它必須出現(xiàn)禮貌地和人類打交道。至少，它本身應(yīng)該有正常的情緒。1.4.6 創(chuàng)造力一個(gè)人工智能的子領(lǐng)域，代表了理論(從哲學(xué)和心理學(xué)的角度)和實(shí)際(通過(guò)特定的實(shí)現(xiàn)產(chǎn)生的系統(tǒng)的輸出是可以考慮的創(chuàng)意，或系統(tǒng)識(shí)別和評(píng)估創(chuàng)造力)所定義的創(chuàng)造力。 相關(guān)領(lǐng)域研究的包括了人工知覺(jué)和人工想象。第一章 體現(xiàn)形式和研究領(lǐng)域2.1 博弈博弈論，又稱對(duì)策論，是

16、使用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)模型研究沖突對(duì)抗條件下最優(yōu)決策問(wèn)題的理論。博弈思想在人工智能方面最早體現(xiàn)在計(jì)算機(jī)游戲方面，最早的計(jì)算機(jī)游戲（computer game）指的就是下棋, 為了設(shè)計(jì)可以和人類競(jìng)爭(zhēng)甚至戰(zhàn)勝人類的程序， 人們便開(kāi)始研究如何使得計(jì)算機(jī)可以學(xué)習(xí)人類的思維模式，具備與人類一樣的博弈能力。博弈的過(guò)程包含著對(duì)問(wèn)題的表示、分解、搜索和歸納這四個(gè)重要問(wèn)題。計(jì)算機(jī)棋類博弈基本屬于完全信息的動(dòng)態(tài)博弈。也就是對(duì)弈雙方不僅清楚當(dāng)前的局面，了解對(duì)手以往的著數(shù)，而且了解對(duì)手接下來(lái)可能采取的著數(shù)。盡管雙方可能采取的著法數(shù)以十計(jì)、百計(jì)，但畢竟還是有限的。計(jì)算機(jī)可以通過(guò)展開(kāi)一顆根在上、葉在下的龐大的博弈樹(shù)描述這一對(duì)弈過(guò)

17、程。再利用自身在時(shí)間和空間上的強(qiáng)大能力，進(jìn)行巧妙的搜索，從而找到可行解及近優(yōu)解，亦即給出當(dāng)前的著法。顯然，計(jì)算機(jī)的搜索能力是計(jì)算機(jī)智力水平的重要體現(xiàn)。搜索算法是機(jī)器“思維”的核心。包括著法生成，博弈樹(shù)展開(kāi)，各種剪枝搜索和各種啟發(fā)式搜索。顯而易見(jiàn)，搜索算法的設(shè)計(jì)和編寫(xiě)過(guò)程處處體現(xiàn)著人工智能的思想。機(jī)器博弈是既簡(jiǎn)單方便、經(jīng)濟(jì)實(shí)用，又豐富內(nèi)涵、變化無(wú)窮的思維邏輯研究載體。個(gè)把小時(shí)就可以下一盤(pán)棋，就可以對(duì)電腦的“智能”進(jìn)行測(cè)試，而且可以悔棋、重試、復(fù)盤(pán)，可以一步步地發(fā)現(xiàn)電腦與人腦功能的差距，從而不斷提高電腦的智力水平。毫無(wú)疑問(wèn)的是，機(jī)器博弈的研究可以顯著推動(dòng)人工智能的發(fā)展。2.2 專家系統(tǒng)專家系統(tǒng)是一

18、種具有大量專門(mén)知識(shí)和經(jīng)驗(yàn)的智能程序系統(tǒng)，它能運(yùn)用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗(yàn)和專門(mén)知識(shí)，模擬領(lǐng)域?qū)＜业乃季S過(guò)程，解決該領(lǐng)域中需要專家才能解決的復(fù)雜問(wèn)題。專家系統(tǒng)是目前人工智能中最活躍，最有成效的一個(gè)研究領(lǐng)域，它是一種基于知識(shí)的系統(tǒng)，它從人類專家那里獲得知識(shí)，并用來(lái)解決只有專家才能解決困難問(wèn)題輔助教學(xué)系統(tǒng)。人工智能專家系統(tǒng)常由知識(shí)庫(kù)、是推理機(jī)等構(gòu)成。推理機(jī)主要決定哪些規(guī)則滿足事實(shí)或目標(biāo)，并授予規(guī)則優(yōu)先級(jí)，然后執(zhí)行最高優(yōu)先級(jí)規(guī)則來(lái)進(jìn)行邏輯推理。知識(shí)獲取機(jī)為用戶建立的一個(gè)知識(shí)自動(dòng)輸入的確定方法。匹配模塊是該人工智能專家系統(tǒng)的核心部分，匹配功能2.3 模式識(shí)別廣義地說(shuō)，存在于時(shí)間和空間中可觀察的事物，如果我

19、們可以區(qū)別他們是否相同或者是否相似，都可以稱之為模式。但需要注意的是，模式并不是指向事物本身，而是我們從事物獲得的信息。因此，模式往往表現(xiàn)為具有時(shí)間或空間分布的信息。人們?yōu)榱苏莆湛陀^事物，按事物相似的程度組成類別。模式識(shí)別的作用和目的就在于面對(duì)某一具體事物時(shí)將其正確的歸入某一類別。模式識(shí)別系統(tǒng)有兩個(gè)過(guò)程組成，即設(shè)計(jì)和實(shí)現(xiàn)。設(shè)計(jì)是指用一定數(shù)量的樣本（訓(xùn)練集或?qū)W習(xí)集）進(jìn)行分類器的設(shè)計(jì)。實(shí)現(xiàn)是指用所涉及的分類器對(duì)待識(shí)別的樣本進(jìn)行分類決策?；诮y(tǒng)計(jì)方法的模式識(shí)別系統(tǒng)主要由4個(gè)部分組成：數(shù)據(jù)獲取，預(yù)處理，特征提取和選擇，分類決策，如下圖所示概括地說(shuō)，模式識(shí)別中的最基本的問(wèn)題是解決模式的分類。較全面的看，

20、是研究模式的描述、分析、分類、理解和綜合。更高層次的模式識(shí)別應(yīng)該還包括對(duì)模式的學(xué)習(xí)、判斷、自適應(yīng)、自尋優(yōu)和自動(dòng)發(fā)現(xiàn)規(guī)律等。所以，模式識(shí)別在某種意義上和人工智能中的“學(xué)習(xí)”“概念形成”相近。模式識(shí)別與及其職能的結(jié)合將開(kāi)辟?gòu)V闊的應(yīng)用前景。2.4 神經(jīng)網(wǎng)絡(luò)眾所周知，人類大腦的組織結(jié)構(gòu)和運(yùn)行機(jī)制有其絕妙的特點(diǎn)，從模仿人腦智能的角度出發(fā)，來(lái)探尋新的信息表示、儲(chǔ)存和處理方式，設(shè)計(jì)全新的計(jì)算機(jī)處理結(jié)構(gòu)模型，構(gòu)建一種更接近人類智能的信息處理系統(tǒng)來(lái)解決實(shí)際工程和科學(xué)研究領(lǐng)域中難以解決的問(wèn)題，一定能夠極大推動(dòng)科研進(jìn)步，這些促成了人工神經(jīng)網(wǎng)絡(luò)（ANN）的出現(xiàn)。簡(jiǎn)單的說(shuō)，ANN是模仿人腦工作方式而設(shè)計(jì)的一種機(jī)器，它可

21、用電子或光電元件實(shí)現(xiàn)，還可以用軟件在計(jì)算機(jī)上進(jìn)行仿真模擬，甚至最新的研究成果顯示人類已經(jīng)使用DNA在試管中制造出了首個(gè)人造神經(jīng)網(wǎng)絡(luò)（這個(gè)相互作用的分子組成的電路能像人腦一樣，基于不完整的模式進(jìn)行回）；人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過(guò)預(yù)先提供的一批相互對(duì)應(yīng)的輸入輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來(lái)推算輸出結(jié)果，這種學(xué)習(xí)分析的過(guò)程被稱為“訓(xùn)練”。2.5 自然語(yǔ)言自然語(yǔ)言理解一直是智能領(lǐng)域研究的重要課題之一，因?yàn)樽匀徽Z(yǔ)言本身具有獨(dú)特的魅力，其一，如果計(jì)算機(jī)能夠理解自然語(yǔ)言，那么人機(jī)交互將變得前所未有的暢通，那將是對(duì)計(jì)算機(jī)技術(shù)的重大突破，其二，創(chuàng)造和使

22、用自然語(yǔ)言是人類幾千年智慧的結(jié)晶，研究自然語(yǔ)言更有助于解開(kāi)人工智能的奧秘。對(duì)自然語(yǔ)言的理解，有以下四條準(zhǔn)則：?jiǎn)柎?、文摘生成、釋義、翻譯。與之對(duì)應(yīng)就可以得到，自然語(yǔ)言理解的處理過(guò)程為：語(yǔ)言形式化描述、處理算法設(shè)計(jì)、處理算法實(shí)現(xiàn)和評(píng)估。其中語(yǔ)言形式化描述就是通過(guò)對(duì)自然語(yǔ)言自身規(guī)律進(jìn)行研究，進(jìn)而采用數(shù)學(xué)的方法將其描述出來(lái)，以便于計(jì)算機(jī)處理，也可認(rèn)為是對(duì)自然語(yǔ)言進(jìn)行數(shù)學(xué)建模。處理的算法設(shè)計(jì)就是將數(shù)學(xué)形式化描述的語(yǔ)言變換為計(jì)算機(jī)可操作、控制的對(duì)象。處理算法實(shí)現(xiàn)和評(píng)估就是通過(guò)程序設(shè)計(jì)語(yǔ)言(如C語(yǔ)言)將算法實(shí)現(xiàn)出來(lái)，并對(duì)其性能和功能進(jìn)行評(píng)估。2.6 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（Machine Learning）是一門(mén)

23、涉及統(tǒng)計(jì)學(xué)、系統(tǒng)辨識(shí)、逼近理論、 神經(jīng)網(wǎng)絡(luò)、優(yōu)化理論、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科，研究計(jì)算機(jī) 怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí) 結(jié)構(gòu)使之不斷改善自身的性能，是人工智能技術(shù)的核心?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)是 現(xiàn)代智能技術(shù)中的重要方法之一，研究從觀測(cè)數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，利用 這些規(guī)律對(duì)未來(lái)數(shù)據(jù)或無(wú)法觀測(cè)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。根據(jù)學(xué)習(xí)模式、學(xué)習(xí)方法以及 算法的不同，機(jī)器學(xué)習(xí)存在不同的分類方法。 第二章 3.1 人工智能的應(yīng)用人工智能應(yīng)用非常廣泛，我們現(xiàn)在的生活許多方面都設(shè)計(jì)到了人工智能，下面就介紹一些領(lǐng)域的運(yùn)用3.1.1 機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種

24、自然語(yǔ)言轉(zhuǎn)變成另一種自然語(yǔ)言的過(guò)程， 用以完成 這一過(guò)程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。 幾十年來(lái)， 國(guó)內(nèi)外許多專家、 學(xué)者為 機(jī) 器翻譯的研究付出了大量的心血和汗水。雖然至今還沒(méi)有一個(gè)實(shí)用、全面、高質(zhì) 量的自動(dòng)翻譯系統(tǒng)出現(xiàn)，不過(guò)也取得了很大的進(jìn)展，特別是作為人們的輔助翻譯 工 具，機(jī)器翻譯已經(jīng)得到大多數(shù)人的認(rèn)可。目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百 種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類 和專業(yè)翻 譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電 子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了 解單詞或詞組含 義提供了極大的便利。3.

25、1.2 語(yǔ)言交互語(yǔ)音交互是一種高效的交互方式，是人以自然語(yǔ)音或機(jī)器合成語(yǔ)音同計(jì)算機(jī) 進(jìn)行交互的綜合性技術(shù)，結(jié)合了語(yǔ)言學(xué)、心理學(xué)、工程和計(jì)算機(jī)技術(shù)等領(lǐng)域的知 識(shí)。語(yǔ)音交互不僅要對(duì)語(yǔ)音識(shí)別和語(yǔ)音合成進(jìn)行研究，還要對(duì)人在語(yǔ)音通道下的 交互機(jī)理、行為方式等進(jìn)行研究。語(yǔ)音交互過(guò)程包括四部分：語(yǔ)音采集、語(yǔ)音識(shí) 別、語(yǔ)義理解和語(yǔ)音合成。語(yǔ)音采集完成音頻的錄入、采樣及編碼；語(yǔ)音識(shí)別完 成語(yǔ)音信息到機(jī)器可識(shí)別的文本信息的轉(zhuǎn)化；語(yǔ)義理解根據(jù)語(yǔ)音識(shí)別轉(zhuǎn)換后的文 本字符或命令完成相應(yīng)的操作；語(yǔ)音合成完成文本信息到聲音信息的轉(zhuǎn)換。作為 人類溝通和獲取信息最自然便捷的手段，語(yǔ)音交互比其他交互方式具備更多優(yōu)勢(shì)， 能為人機(jī)交

26、互帶來(lái)根本性變革，是大數(shù)據(jù)和認(rèn)知計(jì)算時(shí)代未來(lái)發(fā)展的制高點(diǎn)，具 有廣闊的發(fā)展前景和應(yīng)用前景。 3.1.3 計(jì)算機(jī)視覺(jué)計(jì)算機(jī)視覺(jué)是一門(mén)用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺(jué)功能的新興學(xué)科，其主要研究目標(biāo)是使計(jì)算機(jī)具有通過(guò)二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。目前，計(jì)算機(jī)視覺(jué)已在人類社會(huì)的許多領(lǐng)域得到成功應(yīng)用。例如，在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等；在航天與軍事方面有衛(wèi)星圖像處理、飛行器跟蹤、成像精確制導(dǎo)、景物識(shí)別、目標(biāo)檢測(cè)等；在醫(yī)學(xué)方面有圖像的臟器重建、醫(yī)學(xué)圖像分析等；在工業(yè)方面有

27、各種監(jiān)測(cè)系統(tǒng)和生產(chǎn)過(guò)程監(jiān)控系統(tǒng)等3.1.4 生物特征識(shí)別生物特征識(shí)別技術(shù)是指通過(guò)個(gè)體生理特征或行為特征對(duì)個(gè)體身份進(jìn)行識(shí)別 認(rèn)證的技術(shù)。從應(yīng)用流程看，生物特征識(shí)別通常分為注冊(cè)和識(shí)別兩個(gè)階段。注冊(cè) 階段通過(guò)傳感器對(duì)人體的生物表征信息進(jìn)行采集，如利用圖像傳感器對(duì)指紋和人 臉等光學(xué)信息、麥克風(fēng)對(duì)說(shuō)話聲等聲學(xué)信息進(jìn)行采集，利用數(shù)據(jù)預(yù)處理以及特征 提取技術(shù)對(duì)采集的數(shù)據(jù)進(jìn)行處理，得到相應(yīng)的特征進(jìn)行存儲(chǔ)。識(shí)別過(guò)程采用與注 冊(cè)過(guò)程一致的信息采集方式對(duì)待識(shí)別人進(jìn)行信息采集、數(shù)據(jù)預(yù)處理和特征提取， 然后將提取的特征與存儲(chǔ)的特征進(jìn)行比對(duì)分析，完成識(shí)別。從應(yīng)用任務(wù)看，生物 特征識(shí)別一般分為辨認(rèn)與確認(rèn)兩種任務(wù)，辨認(rèn)是指從

28、存儲(chǔ)庫(kù)中確定待識(shí)別人身份 的過(guò)程，是一對(duì)多的問(wèn)題；確認(rèn)是指將待識(shí)別人信息與存儲(chǔ)庫(kù)中特定單人信息進(jìn) 行比對(duì)，確定身份的過(guò)程，是一對(duì)一的問(wèn)題。 生物特征識(shí)別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋、掌紋、人臉、虹膜、指 靜脈、聲紋、步態(tài)等多種生物特征，其識(shí)別過(guò)程涉及到圖像處理、計(jì)算機(jī)視覺(jué)、 語(yǔ)音識(shí)別、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù)。目前生物特征識(shí)別作為重要的智能化身份認(rèn)證 技術(shù)，在金融、公共安全、教育、交通等領(lǐng)域得到廣泛的應(yīng)用。下面將對(duì)指紋識(shí) 別、人臉識(shí)別、虹膜識(shí)別、指靜脈識(shí)別、聲紋識(shí)別以及步態(tài)識(shí)別等技術(shù)進(jìn)行介紹。3.2 人工智能面臨的困難3.2.1 計(jì)算機(jī)博弈的困難博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對(duì)自然界事物的

29、對(duì)策或智力競(jìng)爭(zhēng)上。博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競(jìng)爭(zhēng)之中。盡管西洋跳棋和國(guó)際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平,然而計(jì)算機(jī)博弈依然面臨著巨大的困難。這主要表現(xiàn)在以下兩個(gè)方面的問(wèn)題：其一是組合爆炸問(wèn)題,狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹(shù)來(lái)表示狀態(tài)空間,對(duì)于幾種常見(jiàn)的棋類,其狀態(tài)空間都大得驚人,例如,西洋跳棋為10的40次方,國(guó)際象棋為10的120次方,圍棋則是10的700次方。如此巨大的狀態(tài)空間,現(xiàn)有計(jì)算機(jī)是很難忍受的。其二是現(xiàn)在的博弈程序往往是針對(duì)二人對(duì)弈、棋局公開(kāi)、有確定走步的一類棋類進(jìn)行研制的。而對(duì)于多人對(duì)弈、隨機(jī)性的博弈這類問(wèn)題,至少

30、目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。3.2.2 機(jī)器翻譯所面臨的問(wèn)題在計(jì)算機(jī)誕生的初期,有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器翻譯所面臨的問(wèn)題仍然是1964年語(yǔ)言學(xué)家黑列爾所說(shuō)的構(gòu)成句子的單詞和歧義性問(wèn)題。歧義性問(wèn)題一直是自然語(yǔ)言理解(NLU)中的一大難關(guān)。同樣一個(gè)句子在不同的場(chǎng)合使用,其含義的差異是司空見(jiàn)慣的。因此,要消除歧義性就要對(duì)原文的每一個(gè)句子及其上下文進(jìn)行分析理解,尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意義。然而,計(jì)算機(jī)卻往往孤立地將句子作為理解單位。另外,即使對(duì)原文有了一定的理解,理解的意義如何有效地在計(jì)算機(jī)里表示出來(lái)也存在問(wèn)題。目前的NLU系統(tǒng)幾乎不能隨著時(shí)間的增長(zhǎng)而增強(qiáng)理解力

31、,系統(tǒng)的理解大都局限于表層上,沒(méi)有深層的推敲,沒(méi)有學(xué)習(xí),沒(méi)有記憶,更沒(méi)有歸納。導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)和研究方法的問(wèn)題。現(xiàn)在NLU的研究方法很不成熟,大多數(shù)研究局限在語(yǔ)言這一單獨(dú)的領(lǐng)域,而沒(méi)有對(duì)人們是如何理解語(yǔ)言這個(gè)問(wèn)題做深入有效的探討。3.2.3 自動(dòng)定理證明和GPS的局限自動(dòng)定理證明和GPS的局限自動(dòng)定理證明的代表性工作是1965年魯賓遜提出的歸結(jié)原理。歸結(jié)原理雖然簡(jiǎn)單易行,但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的?；跉w結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合,從而喪失了其固有的邏輯蘊(yùn)含語(yǔ)義。前面曾提到過(guò)的GPS是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知

32、識(shí)求解人工智能問(wèn)題的通用方法。GPS想擺脫對(duì)問(wèn)題內(nèi)部表達(dá)形式的依賴,但是問(wèn)題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理,還是求解人工智能問(wèn)題的通用方法GPS,都可以從中分析出表達(dá)能力的局限性,而這種局限性使得它們縮小了其自身的應(yīng)用范圍。3.3 人工智能的發(fā)展趨勢(shì)技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來(lái)是不可能的。但是，從目前的一些前瞻性研究可以看出，未來(lái)人工智能可能會(huì)向以下幾個(gè)方面發(fā)展:語(yǔ)言，圖像，社交等等。3.3.1 自動(dòng)推理自動(dòng)推理是人工智能最經(jīng)典的研究分支,其基本理論是人工智能其它分支的共同基礎(chǔ)。一直以來(lái)自動(dòng)推理都是人工智能研

33、究的最熱門(mén)內(nèi)容之一,其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn),很有可能取得大的突破3.3.2 語(yǔ)言運(yùn)用自然語(yǔ)言處理是AI技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過(guò)A I研究人員的艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。許多產(chǎn)品已經(jīng)進(jìn)入了眾多領(lǐng)域。智能信息檢索技術(shù)在Internet技術(shù)的影響下,近年來(lái)迅猛發(fā)展,已經(jīng)成為了AI的一個(gè)獨(dú)立研究分支。由于信息獲取與精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將A I技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向應(yīng)用的契機(jī)與突破口。從近年的人工智能發(fā)展來(lái)看,這方面的研究已取得了可喜的進(jìn)展。3.3.3 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)的研究

34、取得長(zhǎng)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問(wèn)世并獲得了成功的應(yīng)用,如增強(qiáng)學(xué)習(xí)算法、reinforcement learning等。也應(yīng)看到,現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效,尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問(wèn)題是研究人員共同關(guān)心的問(wèn)題,相信不久會(huì)在這些方面取得突破。3.4 人工智能的未來(lái)與挑戰(zhàn)人工智能研究的主要目標(biāo),就是希望用現(xiàn)代科學(xué)技術(shù)的手段來(lái)擴(kuò)展人類智能系統(tǒng)的能力3 ,那么人工智能未來(lái)的發(fā)展方向有哪些更值得關(guān)注的呢? 本文從四方面進(jìn)行了闡述:人工智能技術(shù)與生物技術(shù)、電子技術(shù)結(jié)合研究生物電子體,與腦科學(xué)、信息處理技術(shù)結(jié)合研究大腦信息處理模型,與

35、網(wǎng)絡(luò)技術(shù)、軟件技術(shù)結(jié)合研究網(wǎng)絡(luò)智能軟件,與通訊技術(shù)、控制技術(shù)結(jié)合研究家庭機(jī)器人3.4.1 生物電子生物電子體是生物細(xì)胞與電腦微芯片有效協(xié)作的共存體,可以實(shí)現(xiàn)部分或全部生物的智能,既研究把模擬生物體的電腦微芯片植入生物體,與生物體形成協(xié)作共存體,又研究從生物體中提取出細(xì)胞組織與模擬生物體的微芯片接合為協(xié)作共存體。麻省理工大學(xué)貝爾實(shí)驗(yàn)室和神經(jīng)信息學(xué)研究所的科學(xué)家們已經(jīng)成功實(shí)現(xiàn)了將模擬人類神經(jīng)系統(tǒng)的電腦微芯片植入大腦,對(duì)人體神經(jīng)進(jìn)行了有效修復(fù)4 。日本東京大學(xué)的Shimoyama 教授領(lǐng)導(dǎo)的課題組研究蟑螂的控制技術(shù),即把蟑螂頭上的探須和翅膀切除,插入電極和微處理器以及紅外傳感器,通過(guò)遙控信號(hào)產(chǎn)生電刺

36、激,使蟑螂向特定方向前進(jìn)。美國(guó)紐約州立大學(xué)通過(guò)在老鼠體內(nèi)植入微控制器,成功實(shí)現(xiàn)對(duì)老鼠的轉(zhuǎn)彎、前進(jìn)、爬樹(shù)和跳躍等動(dòng)作的人工制導(dǎo)，試想研究生物電子體,有效控制爬行動(dòng)物的行為,使其為人類服務(wù),可能比研究救援機(jī)器人花費(fèi)的時(shí)間和資源更少一些。此外,研究生物腦的基本功能構(gòu)建人工腦,進(jìn)而實(shí)現(xiàn)人工智能是一個(gè)長(zhǎng)期而復(fù)雜的課題,生物腦的許多功能對(duì)人類仍是一個(gè)十分深?yuàn)W的謎。然而,通過(guò)智能技術(shù)與生物技術(shù)、電子技術(shù)相結(jié)合,研究實(shí)現(xiàn)生物細(xì)胞組織與電腦微芯片接合為協(xié)作共存體,以達(dá)到利用腦細(xì)胞功能構(gòu)建生物智能,即生物電子體,將是實(shí)現(xiàn)人工真智能研究歷程中的一個(gè)重要階段。3.4.2 大腦信息模型大腦信息處理模型的研究即從信息處理

37、切入,結(jié)合腦科學(xué)研究大腦對(duì)信息流的獲取、存儲(chǔ)、聯(lián)想(提取) 、回憶(反饋)等處理邏輯,以及腦神經(jīng)細(xì)胞的工作原理,并為之建模。1999 年日本京都先進(jìn)電訊研究所成功研究了機(jī)器貓,該機(jī)器貓的腦部主要采用了人工神經(jīng)網(wǎng)絡(luò)技術(shù), 包含約3 770萬(wàn)個(gè)人造神經(jīng)細(xì)胞,盡管數(shù)量比人腦的1 000 億相比差之甚遠(yuǎn),但其智能超過(guò)了昆蟲(chóng)。2002 年“人工大腦之父”雨果在比利時(shí)研制了能讓機(jī)器人擁有數(shù)百個(gè)行為能力的人工大腦。2008 年雨果在中國(guó)廈門(mén)大學(xué)研究中國(guó)的第一個(gè)人工大腦,用基因算法設(shè)計(jì)神經(jīng)網(wǎng)絡(luò),即生產(chǎn)大腦,CBM 大腦制造機(jī)器可以在幾秒鐘內(nèi)進(jìn)化為一個(gè)神經(jīng)網(wǎng)絡(luò),處理將近一億個(gè)神經(jīng)元,其計(jì)算能力相當(dāng)于一萬(wàn)臺(tái)個(gè)人電

38、腦。雨果致力于研究制造像人一樣思考的智能機(jī)器人。盡管已有研究成果證明了智能機(jī)器人已經(jīng)不再是科幻,但是目前仍沒(méi)有一個(gè)智力達(dá)到三歲兒童,視力可以與老鼠相比的機(jī)器人。美國(guó)杰夫霍金斯認(rèn)為真正認(rèn)識(shí)人類大腦是開(kāi)發(fā)智能機(jī)器的必由之路。他認(rèn)為所謂智能,就是人腦比較過(guò)去、預(yù)測(cè)未來(lái)的能力,大腦不是計(jì)算機(jī),不會(huì)亦步亦趨、按部就班地根據(jù)輸入產(chǎn)生輸出,大腦是個(gè)龐大的記憶系統(tǒng),真正了解智能的內(nèi)涵和人類大腦,構(gòu)建大腦的記憶- 預(yù)測(cè)系統(tǒng)模型才能制造真正的智能因此,揭示大腦的奧秘,對(duì)大腦獲取信息、存儲(chǔ)信息、提取信息、反饋信息等一系列過(guò)程進(jìn)行建模,將為人工大腦的研究提供新的機(jī)遇,也將是人工智能發(fā)展的一個(gè)新挑戰(zhàn)。3.4.3 智能機(jī)

39、器人家庭機(jī)器人可以和人成為朋友,陪人聊天,也可以幫助人們看家、清潔地板、照顧孩子等做一些家庭瑣事,把人們從繁瑣家務(wù)勞動(dòng)中解脫出來(lái),成為人們生活的友好助手,人們不僅可以近距離地傳達(dá)指令給家庭機(jī)器人,指揮其完成某些工作,還可以對(duì)其進(jìn)行遠(yuǎn)程遙控?，F(xiàn)階段家用機(jī)器人仍然受到技術(shù)的限制,目前普遍使用激光技術(shù)計(jì)算距離,使用雷達(dá)技術(shù)保持平衡,使用紅外線攝像技術(shù)探測(cè)熱能識(shí)別人的存在。無(wú)論人、動(dòng)物還是燈都是一處熱源,機(jī)器人無(wú)法分辨。家庭機(jī)器人儼然已成為21 世紀(jì)智能科學(xué)研究的重要領(lǐng)域之一,然而結(jié)合通訊技術(shù)、控制技術(shù)研究全智能的可遠(yuǎn)程操作的家庭機(jī)器人也必然成為智能科學(xué)發(fā)展的又一挑戰(zhàn)。3.4.4 網(wǎng)絡(luò)智能軟件智能主體是智能互聯(lián)網(wǎng)中的生靈,它是一種智能的軟件實(shí)體,能夠在智能互聯(lián)網(wǎng)中自由遨游,為用戶提供各種智能服務(wù)。所謂網(wǎng)絡(luò)智能軟件是面向智能主體的研究方法所設(shè)計(jì)、開(kāi)發(fā)的軟件。網(wǎng)絡(luò)智能軟件技術(shù)是網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)、軟件工程技術(shù)的結(jié)合。軟件設(shè)計(jì)與開(kāi)發(fā)經(jīng)歷了從面向?qū)ο蟮矫嫦蚍?wù)的轉(zhuǎn)化,進(jìn)入80 年代以來(lái),盡管軟件工程研究與實(shí)踐取得了可喜的成就,軟件技術(shù)水平有了長(zhǎng)足的進(jìn)展,但