人工智能 第一章 緒論資料

1、歡迎(hunyng)使用本課件教材簡介(jin ji): 名 稱:人工智能原理與應用 作 者:張仰森 出版社:高等教育出版社 章 節(jié):共十章主講教師: 殷亞玲共五十二頁教學目的和要求： 通過本課程學習，使學生對人工智能的發(fā)展概況、基本原理和應用領域有初步了解，對主要(zhyo)技術及應用有一定掌握，啟發(fā)學生對人工智能的興趣，培養(yǎng)知識創(chuàng)新和技術創(chuàng)新能力。共五十二頁課程內容敘述人工智能和智能系統(tǒng)的概況，列舉出人工智能的研究與應用領域。研究傳統(tǒng)人工智能的知識表示方法和搜索推理技術，包括狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網絡法、盲目搜索、啟發(fā)式搜索、規(guī)則演繹算法和產生式系統(tǒng)等。討論高級知識推理，

2、涉及非單調推理、時序推理、和各種不確定推理方法。比較詳細地討論了人工智能的主要應用，包括專家系統(tǒng)、機器學習、人工神經網絡、自然語言理解、數(shù)據挖掘和Agent。評述近年來人工智能的爭論，討論人工智能對人類經濟、社會和文化的影響，展望(zhnwng)人工智能的發(fā)展。共五十二頁內容組織第一章 緒論 第二章 知識表示(biosh)第三章 確定性推理 第四章 不確定性推理第五章 狀態(tài)空間搜索策略 第六章 機器學習第七章自然語言理解 第八章專家系統(tǒng)第九章 人工神經網絡 第十章 數(shù)據挖掘和Agent技術共五十二頁本章重點難點： 人工智能的定義(dngy)，人工智能三種主要學派及其主要觀點，人工智能的應用領域

3、 。共五十二頁1.1 人工智能的誕生與發(fā)展1.2 人工智能的定義(dngy)1.3 人工智能研究的方法與途徑 1.4 人工智能的研究及應用領域1.5人工智能近期發(fā)展習題一 共五十二頁 人工智能的發(fā)展(fzhn)是以硬件與軟件為基礎的，經歷了漫長的發(fā)展(fzhn)歷程。特別是20世紀30年代和40年代的智能界，發(fā)現(xiàn)了兩件重要的事情：數(shù)理邏輯和關于計算的新思想。以維納（Wiener）、弗雷治、羅素等為代表對發(fā)展(fzhn)數(shù)理邏輯學科的貢獻及丘奇(Church)、圖靈和其它一些人關于計算本質的思想，為人工智能的形成產生了重要影響。 本章首先介紹人工智能的誕生、定義、發(fā)展概況及相關學派和他們的認知觀

4、，接著討論人工智能的研究和應用領域。共五十二頁1.1 人工智能的誕生(dnshng)與發(fā)展1956年夏季，人類歷史上第一次人工智能研討會在美國的達特茅斯(Dartmouth)大學舉行，標志(biozh)著人工智能學科的誕生。1969年召開了第一屆國際人工智能聯(lián)合會議(International Joint Conference on AI, IJCAI),此后每兩年召開一次。1970年人工智能國際雜志(International Journal of AI)創(chuàng)刊。這些對開展人工智能國際學術活動和交流、促進人工智能的研究和發(fā)展起到積極作用。共五十二頁1.1 人工智能(rn n zh nn)的誕生

5、與發(fā)展 20世紀7080年代，知識工程的提出與專家系統(tǒng)的成功應用，確定了知識在人工智能中的地位。近十多年來，機器學習(xux)、計算智能、人工神經網絡等和行為主義的研究深入開展，形成高潮。同時，不同人工智能學派間的爭論也非常熱烈。這些都推動人工智能研究的進一步發(fā)展共五十二頁定義1 智能機器 能夠在各類環(huán)境(hunjng)中自主地或交互地執(zhí)行各種擬人任務的機器。定義2 人工智能(學科) 人工智能(學科)是計算機科學中涉及研究、設計和應用智能機器的一個分支。它的近期主要目標在于研究用機器來模仿和執(zhí)行人腦的某些智力功能，并開發(fā)相關理論和技術。定義3 人工智能(能力) 人工智能(能力)是智能機器所執(zhí)行

6、的通常與人類智能有關的智能行為，如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規(guī)劃、學習和問題求解等思維活動。1.2 人工智能(rn n zh nn)的定義共五十二頁 為了讓讀者對人工智能的定義進行討論，以便更深刻地理解人工智能，下面綜述其它幾種關于人工智能的定義。定義4 人工智能是一種使計算機能夠思維，使機器具有智力的激 動人心的新嘗試。定義5 人工智能是那些與人的思維、決策、問題求解和學習等有 關活動的自動化。定義6 人工智能是用計算模型研究智力行為。定義7 人工智能是研究那些使理解、推理和行為成為可能的計算。定義8 人工智能是一種能夠執(zhí)行(zhxng)需要人的智能的創(chuàng)造性機器的

7、技術。1.2 人工智能(rn n zh nn)的定義共五十二頁定義9 人工智能研究如何使計算機做事讓人過得更好。定義10 人工智能是一門通過計算過程力圖理解和模仿智能行為 的學科。定義11 人工智能是計算機科學中與智能行為的自動化有關的一 個分支。 其中，定義4和定義5涉及擬人思維；定義6和定義7與理性思維有關；定義8和定義9涉及擬人行為；定義10和定義11與擬人理性行為有關。 可以看出, 這些定義雖然都指出了人工智能的一些(yxi)特征, 但用它們卻難以界定一臺計算機是否具有智能。因為要界定機器是否具有智能, 必然要涉及到什么是智能的問題,但這卻是一個難以準確回答的問題。所以,盡管人們給出了

8、關于人工智能的不少說法, 但都沒有完全或嚴格地用智能的內涵或外延來定義人工智能。 1.2 人工智能(rn n zh nn)的定義共五十二頁1.2.2 圖靈測試和中文屋子關于如何界定機器智能, 早在人工智能(rn n zh nn)學科還未正式誕生之前的1950年, 計算機科學創(chuàng)始人之一的英國數(shù)學家阿蘭圖靈(Alan Turing)就提出了現(xiàn)稱為“圖靈測試”(Turing Test)的方法。簡單來講, 圖靈測試的做法是: 讓一位測試者分別與一臺計算機和一個人進行交談(當時是用電傳打字機), 而測試者事先并不知道哪一個被測者是人, 哪一個是計算機。 如果交談后測試者分不出哪一個被測者是人, 哪一個是

9、計算機, 則可以認為這臺被測的計算機具有智能。 共五十二頁對于“圖靈測試”, 美國哲學家約翰西爾勒(John Searle, 1980年)提出了異議。他用一個現(xiàn)在(xinzi)稱為“中文屋子”的假設, 試圖說明即便是一臺計算機通過了圖靈測試, 也不能說它就真的具有智能。中文屋子假設是說: 有一臺計算機閱讀了一段故事并且能正確回答相關問題, 這樣這臺計算就通過了圖靈測試。而西爾勒設想將這段故事和問題改用中文描述(因為他本人不懂中文), 然后將自己封閉在一個屋子里, 代替計算機閱讀這段故事并且回答相關問題。描述這段故事和問題的一連串中文符號只能通過一個很小的縫隙被送到屋子里。 西爾勒則完全按照原先

10、計算機程序的處理方式和過程(如符號匹配、查找、照抄等)對這些符號串進行操作, 然后把得到的結果即問題答案通過小縫隙送出去。 西爾勒認為盡管計算機用這種符號處理方式也能正確回答問題, 并且也可通過圖靈測試, 但仍然不能說計算機就有了智能。 共五十二頁1.2.3 腦智能和群智能群智能是有別于腦智能的。 事實上, 它們是屬于不同層次的智能。腦智能是一種個體智能 (Individual Intelligence,II), 而群智能是一種社會智能 (Social Intelligence,SI), 或者說是系統(tǒng)智能(System Intelligence,SI)。但對于人腦來說, 宏觀心理(或者語言)層

11、次上的腦智能與神經元層次上的群智能又有密切的關系正是微觀生理層次上低級的神經元的群智能形成了宏觀心理層次上高級的腦智能(但二者之間的具體關系如何, 卻仍然是個迷, 這個問題的解決(jiju)需要借助于系統(tǒng)科學)。 共五十二頁1.2.4 符號智能和計算智能1. 符號智能符號智能就是符號人工智能, 它是模擬腦智能的人工智能, 也就是所說的傳統(tǒng)人工智能或經典人工智能。 符號智能以符號形式的知識和信息(xnx)為基礎, 主要通過邏輯推理，運用知識進行問題求解。符號智能的主要內容包括知識獲取(knowledge acquisition)、 知識表示(knowledge representation)、

12、知識組織與管理和知識運用等技術(這些構成了所謂的知識工程(Knowledge Engineering, KE)以及基于知識的智能系統(tǒng)等。 共五十二頁2. 計算智能 計算智能就是計算人工智能, 它是模擬群智能的人工智能。計算智能以數(shù)值數(shù)據為基礎, 主要通過數(shù)值計算，運用算法進行問題求解。 計算智能的主要內容包括: 神經計算(Neural Computation, NC)、 進化計算(亦稱演化計算, Evolutionary Computation, EC, 包括遺傳算法(Genetic Algorithm, GA)、 進化規(guī)劃(Evolutionary Planning, EP)、進化策略(Ev

13、olutionary Strategies, ES)等)、免疫計算(immune computation)、 粒群算法(Particle Swarm Algorithm, PSA)、 蟻群算法(Ant Colony Algorithm, ACA)、 自然計算(Natural Computation, NC)以及人工生命(Artificial Life, AL)等。 計算智能主要研究(ynji)各類優(yōu)化搜索算法, 是當前人工智能學科中一個十分活躍的分支領域。 共五十二頁1.3.1 人工智能研究的各種( zhn)學派及其理論1.3 人工智能研究(ynji)的方法及途徑1、人工智能三大學派符號主義(

14、Symbolicism)，又稱為邏輯主義(Logicism)、心理學派(Psychlogism)或計算機學派(Computerism)，其原理主要為物理符號系統(tǒng)(即符號操作系統(tǒng))假設和有限合理性原理。聯(lián)結主義(Connectionism)，又稱為仿生學派(Bionicsism)或生理學派(Physiologism)，其原理主要為神經網絡及神經網絡間的連接機制與學習算法。行為主義(Actionism)，又稱進化主義(Evolutionism)或控制論學派(Cyberneticsism)，其原理為控制論及感知和行動。共五十二頁心理模擬, 符號推演（符號主義）“心理模擬, 符號推演”就是從人腦的宏觀

15、(hnggun)心理層面入手, 以智能行為的心理模型為依據, 將問題或知識表示成某種邏輯網絡, 采用符號推演的方法, 模擬人腦的邏輯思維過程, 實現(xiàn)人工智能。 共五十二頁采用這一途徑與方法的原因是: 人腦的可意識到的思維活動是在心理(xnl)層面上進行的(如我們的記憶、聯(lián)想、推理、 計算、 思考等思維過程都是一些心理(xnl)活動), 心理(xnl)層面上的思維過程是可以用語言符號顯式表達的, 從而人的智能行為就可以用邏輯來建模。 心理(xnl)學、邏輯學、 語言學等實際上也是建立在人腦的心理(xnl)層面上的, 從而這些學科的一些現(xiàn)成理論和方法就可供人工智能參考或直接使用。 當前的數(shù)字計算機

16、可以方便地實現(xiàn)語言符號型知識的表示和處理。 可以直接運用人類已有顯式知識(包括理論知識和經驗知識)直接建立基于知識的智能系統(tǒng)。 共五十二頁基于心理模擬(mn)和符號推演的人工智能研究, 被稱為心理學派、邏輯學派、符號主義。早期的代表人物有紐厄爾(Allen Newell)、肖(Shaw)、西蒙(Herbert Simon)等, 后來還有費根寶姆(E. A. Feigenbaum)、尼爾遜(Nilsson)等。 其代表性的理念是所謂的“物理符號系統(tǒng)假設”, 即認為人對客觀世界的認知基元是符號, 認知過程就是符號處理的過程;而計算機也可以處理符號, 所以就可以用計算機通過符號推演的方式來模擬人的邏

17、輯思維過程, 實現(xiàn)人工智能。 共五十二頁符號推演法是人工智能研究中最早使用的方法之一。人工智能的許多(xdu)重要成果也都是用該方法取得的, 如自動推理、定理證明、問題求解、 機器博弈、專家系統(tǒng)等等。由于這種方法模擬人腦的邏輯思維, 利用顯式的知識和推理來解決問題, 因此, 它擅長實現(xiàn)人腦的高級認知功能, 如推理、 決策等。 共五十二頁生理(shngl)模擬, 神經計算（連結主義）“生理模擬, 神經計算”就是從人腦的生理層面, 即微觀結構和工作機理入手, 以智能行為的生理模型為依據,采用數(shù)值計算的方法, 模擬腦神經網絡的工作過程, 實現(xiàn)人工智能。 具體來講, 就是用人工神經網絡作為信息和知識的

18、載體,用稱為神經計算的數(shù)值計算方法來實現(xiàn)網絡的學習、記憶、聯(lián)想、 識別和推理等功能。 共五十二頁我們知道,人腦的生理結構(jigu)是由大約10111012個神經元(細胞)組成的神經網絡, 而且是一個動態(tài)的、開放的、高度復雜的巨系統(tǒng), 以致于人們至今對它的生理結構和工作機理還未完全弄清楚。 因此, 對人腦的真正和完全模擬, 一時還難以辦到。 所以, 目前的生理模擬只是對人腦的局部或近似模擬, 也就是從群智能的層面進行模擬, 實現(xiàn)人工智能。 這種方法一般是通過神經網絡的“自學習”獲得知識, 再利用知識解決問題。神經網絡具有高度的并行分布性、 很強的魯棒性和容錯性。 它擅長模擬人腦的形象思維, 便

19、于實現(xiàn)人腦的低級感知功能, 例如圖像、 聲音信息的識別和處理。 共五十二頁生理模擬和神經計算的方法早在20世紀40年代(nindi)就已出現(xiàn), 但由于種種原因而發(fā)展緩慢, 甚至一度出現(xiàn)低潮, 直到80年代(nindi)中期才重新崛起, 現(xiàn)已成為人工智能研究中不可或缺的重要途徑與方法。 采用生理模擬和神經計算方法的人工智能研究, 被稱為生理學派、 連接主義。其代表人物有McCulloch, Pitts, F.Rosenblatt, T.Kohonen, J.Hopfield等。 共五十二頁行為模擬, 控制進化（行為主義）還有一種基于“感知-行為”模型的研究途徑和方法,我們稱其為行為模擬法。這種方

20、法是用模擬人和動物在與環(huán)境的交互、 控制過程中的智能活動和行為特性, 如反應、適應、學習、 尋優(yōu)等, 來研究和實現(xiàn)人工智能?；谶@一方法研究人工智能的典型代表要算MIT的R.Brooks教授, 他研制的六足行走機器人(亦稱為人造昆蟲或機器蟲), 曾引起人工智能界的轟動。 這個(zh ge)機器蟲可以看做是新一代的“控制論動物”, 它具有一定的適應能力, 是一個運用行為模擬即控制進化方法研究人工智能的代表作。共五十二頁 事實上,R.Brooks教授的工作代表了稱為“現(xiàn)場(situated)AI”的人工智能新方向。 現(xiàn)場AI強調智能系統(tǒng)與環(huán)境的交互, 認為智能取決于感知和行動, 智能行為可以不需要

21、知識, 提出“沒有表示的智能”, “沒有推理的智能”的觀點, 主張智能行為的“感知-動作”模式, 認為人的智能、機器智能可以逐步進化, 但只能在現(xiàn)實(xinsh)世界中與周圍環(huán)境的交互中體現(xiàn)出來。智能只能放在環(huán)境中才是真正的智能, 智能的高低主要表現(xiàn)在對環(huán)境的適應性上。共五十二頁基于行為模擬方法的人工智能研究, 被稱為行為主義、 進化主義、控制論學派。行為主義曾強烈地批評傳統(tǒng)的人工智能(主要指符號主義, 也涉及連接主義)對真實世界的客觀事物和復雜境遇, 作了虛假的、過分簡化的抽象。沿著這一途徑, 人們研制具有自學習、自適應、自組織特性的智能控制系統(tǒng)(kn zh x tn)和智能機器人, 進一步

22、展開了人工生命(AL)的研究。 共五十二頁群體模擬, 仿生計算“群體模擬, 仿生計算”就是(jish)模擬生物群落的群體智能行為, 從而實現(xiàn)人工智能。例如,模擬生物種群有性繁殖和自然選擇現(xiàn)象而出現(xiàn)的遺傳算法, 進而發(fā)展為進化計算; 模擬人體免疫細胞群而出現(xiàn)的免疫計算、 免疫克隆計算及人工免疫系統(tǒng); 模擬螞蟻群體覓食活動過程的蟻群算法; 模擬鳥群飛翔的粒群算法和模擬魚群活動的魚群算法等等。這些算法在解決組合優(yōu)化等問題中表現(xiàn)出卓越的性能。而對這些群體智慧的模擬是通過一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來實現(xiàn)的, 所以我們統(tǒng)稱其為仿生計算。 仿生計算的特點是,其成果可以直接付諸應用

23、, 解決工程問題和實際問題。共五十二頁博采廣鑒, 自然計算其實, 人工智能的這些研究途徑和方法的出現(xiàn)并非偶然。 因為至今人們對智能的科學原理還未完全弄清楚, 所以在這種情況下研究和實現(xiàn)人工智能的一個自然的思路就是模擬自然智能。 起初, 人們知道自然智能源于人腦, 于是, 模擬人腦智能就是研究人工智能的一個首要途徑和方法。 后來, 人們發(fā)現(xiàn)一些生命群體的群體行為也會表現(xiàn)出某些智能, 于是, 模擬這些群體智能, 就成了研究人工智能的又一個重要途徑和方法。 現(xiàn)在,人們則進一步從生命、生態(tài)、系統(tǒng)(xtng)、社會、數(shù)學、 物理、化學、 甚至經濟等眾多學科和領域尋找啟發(fā)和靈感, 展開人工智能的研究。 共

24、五十二頁例如, 人們從熱力學和統(tǒng)計物理學所描述的高溫固體材料冷卻時, 其原子的排列結構與能量的關系中得到啟發(fā), 提出了“模擬退火算法”。 該算法已是解決優(yōu)化搜索問題的有效算法之一。又如,人們從量子物理學中的自旋和統(tǒng)計機理中得到啟發(fā), 而提出了量子聚類算法。再如,1994年阿德曼(Addman)使用現(xiàn)代分子(fnz)生物技術, 提出了解決哈密頓路徑問題的DNA分子(fnz)計算方法, 并在試管里求出了此問題的解。 共五十二頁這些方法一般稱為自然計算(NC)。自然計算就是模仿或借鑒(jijin)自然界的某種機理而設計計算模型, 這類計算模型通常是一類具有自適應、自組織、自學習、自尋優(yōu)能力的算法。

25、如神經計算、進化計算、免疫計算、生態(tài)計算、 量子計算、分子計算、DNA計算和復雜自適應系統(tǒng)等都屬于自然計算。 自然計算實際是傳統(tǒng)計算的擴展, 它是自然科學和計算科學相交叉而產生的研究領域, 目前正方興未艾。自然計算能夠解決傳統(tǒng)計算方法難于解決的各種復雜問題,在大規(guī)模復雜系統(tǒng)的最優(yōu)化設計、優(yōu)化控制、網絡安全、創(chuàng)造性設計等領域具有很好的應用前景。 共五十二頁原理分析, 數(shù)學建?！霸矸治? 數(shù)學建?！本褪?jish)通過對智能本質和原理的分析, 直接采用某種數(shù)學方法來建立智能行為模型。例如,人們用概率統(tǒng)計原理(特別是貝葉斯定理)處理不確定性信息和知識, 建立了統(tǒng)計模式識別、統(tǒng)計機器學習和不確定性推

26、理的一系列原理和方法。又如, 人們用數(shù)學中的距離、空間、 函數(shù)、變換等概念和方法, 開發(fā)了幾何分類、支持向量機等模式識別和機器學習的原理和方法。人工智能的這一研究途徑和方法的特點也就是(jish)純粹用人的智能去實現(xiàn)機器智能。 共五十二頁1.3.1 人工智能研究的各種學派(xupi)及其理論1.3 人工智能研究(ynji)的方法及途徑2、三大學派對人工智能發(fā)展歷史的不同看法符號主義認為人工智能源于數(shù)理邏輯。符號主義仍然是人工智能的主流派。這個學派的代表有紐厄爾、肖、西蒙和尼爾遜(Nilsson)等。聯(lián)結主義 認為人工智能源于仿生學，特別是人腦模型的研究。行為主義認為人工智能源于控制論。這一學派

27、的代表作首推布魯克斯(Brooks)的六足行走機器人，它被看做新一代的“控制論動物”，是一個基于感知動作模式的模擬昆蟲行為的控制系統(tǒng)。 共五十二頁1.3.2 實現(xiàn)(shxin)人工智能的技術路線 采用什么樣的技術路線和策略(cl)來開發(fā)研制智能系統(tǒng)與智能產品，也存在著不同的看法，下面是目前幾種常被采用的技術路線，在實際應用中常將它們結合起來用。 (1)專用路線 (2)通用路線 (3)硬件路線 (4)軟件路線注：詳細內容請參閱P9。1.3 人工智能研究的方法及途徑共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域 人工智能研究及應用領域很多，主要研究領域包括(boku)問題求解、

28、機器學習、專家系統(tǒng)、模式識別、自動定理證明、自然語言理解等。共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域1.4.1 難題(nnt)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，它包含問題的表示、分解、搜索與歸約等。 共五十二頁1.7 人工智能(rn n zh nn)的應用 這里的難題, 主要指那些沒有算法解,或雖有算法解但在現(xiàn)有機器上無法實施或無法完成的困難問題,例如智力性問題中的梵塔問題、n皇后問題、旅行商問題、博弈問題等等,就是這樣的難題。又如, 現(xiàn)實世界中復雜的路徑規(guī)劃、車輛調度、電力調度、資源分配、任務分配、系統(tǒng)配置、地質分析、數(shù)據解釋

29、、天氣預報、市場預測、股市分析、疾病診斷、故障診斷、軍事指揮、 機器人行動規(guī)劃等等, 也是這樣的難題。在這些難題中,有些是組合數(shù)學理論中所稱的非確定型多項式(Nondeterministic Polynomial, NP)問題或NP完全(Nondeterministic Polynomial Complete,NPC)問題。NP問題是指那些既不能證明其算法復雜性超出多項式界, 但又未找到有效(yuxio)算法的一類問題。共五十二頁國際象棋 國際象棋是典型的適合于AI技術解決的問題 50年代AI研究形成時期，其就是AI研究的主要對象之一，著名的老一輩AI學者像西蒙（Simon）、紐厄爾（Newe

30、ll）和肖（shaw）， 不少AI問題求解技術來源于下棋程序的研究，如狀態(tài)空間搜索(su su)方法。60年代初麥卡錫提出了alpha-beta修剪算法，大大提高了機器下棋的水平 。 下棋程序水平的快速提高：1966年C級專業(yè)棋手水平， 1982年大師級， 1985年美國的Hitech，特級大師水平， 1988年由卡內基-梅隆大學的兩個學生設計的程序“DeepThought”在美國的一次錦標賽中勝了最高級棋手。 1997年由IBM公司研制的超級計算機“DeepBlue”， 在與卡斯帕羅夫的六盤對弈中，取得三勝二和一負的戰(zhàn)績。下棋需要高級的智能，其進展可視為人工智能研究的重大成就。共五十二頁1.

31、4 人工智能(rn n zh nn)的研究及應用領域1.4.2 機器(j q)學習 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；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。學習是一個有特定目的的知識獲取過程，其內部表現(xiàn)為新知識結構的不斷建立和修改，而外部表現(xiàn)為性能的改善。 共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域1.4.3 專家系統(tǒng)(zhun ji x tn) 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

32、解決該領域的問題。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。共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域1.4.4 模式識別(m sh sh bi) 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。 共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域1.4.5 自動(zdng)定理證明 自動定理證明的研究在人工智能方法的發(fā)展中曾經產

33、生過重要的影響。例如，采用謂詞邏輯語言的演繹過程的形式化有助于更清楚地理解推理的某些子命題。許多非形式的工作，包括醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此，在人工智能方法的研究中定理證明是一個極其重要的論題。我國人工智能大師吳文俊院士提出并實現(xiàn)了幾何定理機器證明的方法，被國際上承認為“吳氏方法”，是定理證明的又一標志性成果。共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域1.4.6 自動(zdng)程序設計 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(shù)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。程序理論方面的有關研究工作對人工智能的所有研究工作都是很重要的。自動程序設計研究的重大貢獻之一是作為問題求解策略的調整概念。已經發(fā)現(xiàn)，對程序設計或機器人控制問題，先產生一個不費事的有錯誤的解，然后再修改它(使它正確工作)，這種做法一般要比堅持要求第一個解就完全沒有缺陷的做法有效得多。共五十二頁1.4 人工智能(rn n zh nn)的研究及應用領域1.4.7 自然語言理解(lji) 語言處理也是人工智能的早期研究領域之一，并引起了進一步的重視。語言的生成和理解是一個極為復雜的編碼和解碼問題。一個能理解自然語言信息的計算機系統(tǒng)看起來就像一個人一樣需要有上下文知識以及根據這些上下文知識和信息用信息發(fā)