人工智能課件

人工智能伍泰霖2017.04ArtificialIntelligent主要內(nèi)容1234第一部分概述第二部分發(fā)展歷史第四部分發(fā)展?fàn)幾h第三部分發(fā)展成果1ONE第一部分概述人工智能概述人工智能的學(xué)科位置與腦科學(xué)和認(rèn)知科學(xué)的交叉研究智能模擬的方法和技術(shù)研究AI研究中的不同學(xué)派5AI的學(xué)科位置AI是一門(mén)新興的邊緣學(xué)科，是自然科學(xué)與社會(huì)科學(xué)的交叉學(xué)科AI的交叉包括：邏輯、思維、生理、心理、計(jì)算機(jī)、電子、語(yǔ)言、自動(dòng)化、光、聲等AI的核心是思維與智能，構(gòu)成了自己獨(dú)特的學(xué)科體系A(chǔ)I的基礎(chǔ)學(xué)科包括：數(shù)學(xué)（離散、模糊）、思維科學(xué)（認(rèn)知心理、邏輯思維學(xué)、形象思維學(xué)）和計(jì)算機(jī)（硬件、軟件）等自然科學(xué)社會(huì)科學(xué)哲學(xué)數(shù)學(xué)交叉學(xué)科系統(tǒng)科學(xué)思維科學(xué)人體科學(xué)人工智能基礎(chǔ)學(xué)科指導(dǎo)學(xué)科6與腦科學(xué)的交叉研究

腦科學(xué)

腦科學(xué)：又稱(chēng)神經(jīng)科學(xué)，其目的是要認(rèn)識(shí)腦、保護(hù)腦和創(chuàng)造腦。美國(guó)神經(jīng)科學(xué)學(xué)會(huì)的定義：神經(jīng)科學(xué)是為了了解神經(jīng)系統(tǒng)內(nèi)分子水平、細(xì)胞水平及細(xì)胞間的變化過(guò)程，以及這些過(guò)程在中樞的功能、控制系統(tǒng)內(nèi)的整合作用所進(jìn)行的研究。腦的涵義：從狹義方面，腦是指中樞神經(jīng)系統(tǒng)，有時(shí)特指大腦；從廣義方面，腦可泛指整個(gè)神經(jīng)系統(tǒng)。人工智能是從廣義角度來(lái)理解腦科學(xué)的，因此它涵蓋了所有與認(rèn)識(shí)腦和神經(jīng)系統(tǒng)有關(guān)的研究。人腦是自然界中最復(fù)雜、最高級(jí)的智能系統(tǒng)：主要表現(xiàn)在人腦是由巨量神經(jīng)元經(jīng)其突觸的廣泛并行互聯(lián)所形成的一個(gè)巨復(fù)雜系統(tǒng)。現(xiàn)代腦科學(xué)的基本問(wèn)題主要包括：(1)

揭示神經(jīng)元之間的連接形式，奠定行為的腦機(jī)制的結(jié)構(gòu)基礎(chǔ)；(2)闡明神經(jīng)活動(dòng)的基本過(guò)程，說(shuō)明在分子、細(xì)胞到行為等不同層次上神經(jīng)信號(hào)的產(chǎn)生、傳遞、調(diào)制等基本過(guò)程；(3)鑒別神經(jīng)元的特殊細(xì)胞生物學(xué)特性；(4)認(rèn)識(shí)實(shí)現(xiàn)各種功能的神經(jīng)回路基礎(chǔ)；(5)解釋腦的高級(jí)功能機(jī)制等。

腦科學(xué)是人工智能的基礎(chǔ)：研究的任何進(jìn)展，都將會(huì)對(duì)人工智能的研究起到積極的推動(dòng)作用，因此人工智能應(yīng)該加強(qiáng)與腦科學(xué)的交叉研究，以及人類(lèi)智能與機(jī)器智能的集成研究。7與認(rèn)知科學(xué)的交叉研究

認(rèn)知科學(xué)

認(rèn)知：可一般地認(rèn)為是和情感、動(dòng)機(jī)、意志相對(duì)應(yīng)的理智或認(rèn)識(shí)過(guò)程，或者是為了一定的目的，在一定的心理結(jié)構(gòu)中進(jìn)行的信息加工過(guò)程。美國(guó)心理學(xué)家浩斯頓(Houston)等人把認(rèn)知?dú)w納為以下5種主要類(lèi)型：

(1)認(rèn)知是信息的處理過(guò)程；

(2)認(rèn)知是心理上的符號(hào)運(yùn)算；

(3)認(rèn)知是問(wèn)題求解；

(4)認(rèn)知是思維；

(5)認(rèn)知是一組相關(guān)的活動(dòng)，如知覺(jué)、記憶、思維、判斷、推理、問(wèn)題求解、學(xué)習(xí)、想象、概念形成及語(yǔ)言使用等。認(rèn)知科學(xué)：認(rèn)知科學(xué)（亦稱(chēng)思維科學(xué)）是研究人類(lèi)感知和思維信息處理過(guò)程的一門(mén)學(xué)科，其主要研究目的就是要說(shuō)明和解釋人類(lèi)在完成認(rèn)知活動(dòng)時(shí)是如何進(jìn)行信息加工的。認(rèn)知科學(xué)也是人工智能的重要理論基礎(chǔ)，對(duì)人工智能發(fā)展起著根本性的作用。認(rèn)知科學(xué)涉及的問(wèn)題非常廣泛，除了像浩斯頓提出的知覺(jué)、語(yǔ)言、學(xué)習(xí)、記憶、思維、問(wèn)題求解、創(chuàng)造、注意、想象等相關(guān)聯(lián)活動(dòng)外，還會(huì)受到環(huán)境、社會(huì)、文化背景等方面的影響。從認(rèn)知觀點(diǎn)看，AI應(yīng)同時(shí)開(kāi)展對(duì)邏輯思維、形象思維和靈感思維的研究8智能模擬的方法和技術(shù)研究(1/2)機(jī)器感知就是要讓計(jì)算機(jī)具有類(lèi)似于人的感知能力，如視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、嗅覺(jué)、味覺(jué)機(jī)器視覺(jué)（或叫計(jì)算機(jī)視覺(jué)）：就是給計(jì)算機(jī)配上能看的視覺(jué)器官，如攝像機(jī)等，使它可以識(shí)別并理解文字、圖像、景物等機(jī)器聽(tīng)覺(jué)（或叫計(jì)算機(jī)聽(tīng)覺(jué)）：就是給計(jì)算配上能聽(tīng)的聽(tīng)覺(jué)器官，如話筒等，使計(jì)算機(jī)能夠識(shí)別并理解語(yǔ)言、聲音等。機(jī)器感知相當(dāng)于智能系統(tǒng)的輸入部分。

機(jī)器感知的專(zhuān)門(mén)的研究領(lǐng)域：計(jì)算機(jī)視覺(jué)、模式識(shí)別、自然語(yǔ)言理解機(jī)器思維讓計(jì)算機(jī)能夠?qū)Ω兄降耐饨缧畔⒑妥约寒a(chǎn)生的內(nèi)部信息進(jìn)行思維性加工邏輯思維形象思維靈感思維9智能模擬的方法和技術(shù)研究(2/2)機(jī)器學(xué)習(xí)讓計(jì)算機(jī)能夠像人那樣自動(dòng)地獲取新知識(shí)，并在實(shí)踐中不斷地完善自我和增強(qiáng)能力。機(jī)器學(xué)習(xí)方法：機(jī)械學(xué)習(xí)、類(lèi)比學(xué)習(xí)、歸納學(xué)習(xí)、發(fā)現(xiàn)學(xué)習(xí)、遺傳學(xué)習(xí)和連接學(xué)習(xí)等機(jī)器行為讓計(jì)算機(jī)能夠具有像人那樣地行動(dòng)和表達(dá)能力，如走、跑、拿、說(shuō)、唱、寫(xiě)畫(huà)等。相當(dāng)于智能系統(tǒng)的輸出部分。智能系統(tǒng)與智能機(jī)器無(wú)論是人工智能的近期目標(biāo)還是遠(yuǎn)期目標(biāo)，都需要建立智能系統(tǒng)或構(gòu)造智能機(jī)器需要開(kāi)展對(duì)系統(tǒng)模型、構(gòu)造技術(shù)、構(gòu)造工具及語(yǔ)言環(huán)境等研究10AI研究中的不同學(xué)派

不同學(xué)派符號(hào)主義學(xué)派（邏輯主義、心理學(xué)派）主要觀點(diǎn)：AI起源于數(shù)理邏輯，人類(lèi)認(rèn)知的基元是符號(hào)，認(rèn)知過(guò)程是符號(hào)表示上的一種運(yùn)算代表性成果：厄爾和西蒙等人研制的稱(chēng)為邏輯理論機(jī)的數(shù)學(xué)定理證明程序LT

代表人物：紐厄爾、肖、西蒙和尼爾遜(Nilsson)等連接主義學(xué)派（仿生學(xué)派或心理學(xué)派）主要觀點(diǎn)：AI起源于仿生學(xué)，特別是人腦模型，人類(lèi)認(rèn)知的基元是神經(jīng)元，認(rèn)知過(guò)程是神經(jīng)元的連接活動(dòng)過(guò)程代表性成果：由麥克洛奇和皮茲創(chuàng)立的腦模型，即MP模型代表人物：麥克洛奇和皮茲行為主義學(xué)派（進(jìn)化主義、控制論學(xué)派）主要觀點(diǎn)：AI起源于控制論，智能取決于感知和行為，取決于對(duì)外界復(fù)雜環(huán)境的適應(yīng)，而不是推理。代表性成果：Brooks教授研制的機(jī)器蟲(chóng)代表人物：Brooks教授11AI研究中的不同學(xué)派

不同學(xué)派的方法之爭(zhēng)符號(hào)主義功能模擬構(gòu)造能夠模擬大腦功能的智能系統(tǒng)。相當(dāng)于“鳥(niǎo)飛”連接主義結(jié)構(gòu)模擬構(gòu)造模擬大腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。相當(dāng)于“飛鳥(niǎo)”行為主義行為模擬構(gòu)造具有進(jìn)化能力的智能系統(tǒng)。相當(dāng)于“由猿到人”2TWO第二部分發(fā)展歷史人工智能的發(fā)展歷史孕育期（1956前）形成期（1956~1970）知識(shí)應(yīng)用期（1970~1980）從學(xué)派分離走向綜合（1980~2000）智能科學(xué)技術(shù)的興起（21世紀(jì)初至今）14孕育期（1956年以前）

自遠(yuǎn)古以來(lái)，人類(lèi)就有用機(jī)器代替人們腦力勞動(dòng)的的幻想：公元前900多年我國(guó)有歌舞機(jī)器人流傳的記載。

亞里斯多德（公元前384——322）：古希臘偉大的哲學(xué)家和思想家，創(chuàng)立了演繹法。

萊布尼茨(1646——1716)：德國(guó)數(shù)學(xué)家和哲學(xué)家把形式邏輯符號(hào)化，奠定了數(shù)理邏輯的基礎(chǔ)

圖靈(1912——1954)：英國(guó)數(shù)學(xué)家，1936年創(chuàng)立了自動(dòng)機(jī)理論，自動(dòng)機(jī)理論亦稱(chēng)圖靈機(jī)，是一個(gè)理論計(jì)算機(jī)模型。

莫克利(1907——1980)：美國(guó)數(shù)學(xué)家、電子數(shù)字計(jì)算機(jī)的先驅(qū)，他與?？颂?J.P.Eckert)合作，1946年研制成功了世界上第一臺(tái)通用電子計(jì)算機(jī)ENIAC

麥克洛奇和皮茲：美國(guó)神經(jīng)生理學(xué)家，于1943年建成了第一個(gè)神經(jīng)網(wǎng)絡(luò)模型(MP模型)。

維納1874—1956)：美國(guó)著名數(shù)學(xué)家、控制論創(chuàng)始人。1948年創(chuàng)立了控制論。控制論向人工智能的滲透，形成了行為主義學(xué)派。

這些，都為人工智能的誕生準(zhǔn)備了必要的思想、理論和物質(zhì)技術(shù)條件。15形成期（1956--1970年）AI誕生于一次歷史性的聚會(huì)時(shí)間：1956年夏季地點(diǎn)：達(dá)特莫斯(Dartmouth)大學(xué)目的：為使計(jì)算機(jī)變得更“聰明”，或者說(shuō)使計(jì)算機(jī)具有智能發(fā)起人：麥卡錫(J.McCarthy），Dartmouth的年輕數(shù)學(xué)家、計(jì)算機(jī)專(zhuān)家，后為MIT教授明斯基(M.L.Minsky），哈佛大學(xué)數(shù)學(xué)家、神經(jīng)學(xué)家，后為MIT教授洛切斯特(N.Lochester)，IBM公司信息中心負(fù)責(zé)人香農(nóng)(C.E.Shannon)，貝爾實(shí)驗(yàn)室信息部數(shù)學(xué)研究員參加人：莫爾(T.more)、塞繆爾(A.L.Samuel)，IBM公司塞爾夫里奇(O.Selfridge)、索羅蒙夫(R.Solomonff)，MIT

紐厄爾(A.Newell)，蘭德(RAND)公司西蒙(H.A.Simon)，卡內(nèi)基(Carnagie)工科大學(xué)會(huì)議結(jié)果：由麥卡錫提議正式采用了“ArtificialIntelligence”這一術(shù)語(yǔ)16形成期（1956--1970年）

早期研究

心理學(xué)小組：1957年，紐厄爾、肖(J.Shaw)和西蒙等人的心理學(xué)小組研制了稱(chēng)為邏輯理論機(jī)(簡(jiǎn)稱(chēng)LT)的數(shù)學(xué)定理證明程序。

1960年研制了通用問(wèn)題求解程序。該程序當(dāng)時(shí)可解決11種類(lèi)型的問(wèn)題，如不定積分、三角函數(shù)、代數(shù)方程、猴子摘香蕉、河內(nèi)梵塔、人—羊過(guò)河等。

IBM工程小組：1956年，塞繆爾在IBM704計(jì)算機(jī)上研制成功了具有自學(xué)習(xí)、自組織和自適應(yīng)能力的西洋跳棋程序。這個(gè)程序可以從棋譜中學(xué)習(xí)，也可以在下棋過(guò)程中積累經(jīng)驗(yàn)、提高棋藝。通過(guò)不斷學(xué)習(xí)，該程序1959年擊敗了塞繆爾本人，1962年又擊敗了一個(gè)州的冠軍。

MIT小組：1958年，麥卡西建立了行動(dòng)規(guī)劃咨詢系統(tǒng)。

1960年，麥卡錫又研制了人工智能語(yǔ)言LISP。

1961年，明斯基發(fā)表了“走向人工智能的步驟”的論文，推動(dòng)了人工智能的發(fā)展。

其他方面：1965年，魯賓遜(J.A.Robinson)提出了歸結(jié)（消解）原理。

1965年，費(fèi)根鮑姆開(kāi)始研究化學(xué)專(zhuān)家系統(tǒng)DENDRAL。17知識(shí)應(yīng)用期（1971—1980）

挫折和教訓(xùn)失敗的預(yù)言：

60年代初，西蒙預(yù)言：10年內(nèi)計(jì)算機(jī)將成為世界冠軍、將證明一個(gè)未發(fā)現(xiàn)的數(shù)學(xué)定理、將能譜寫(xiě)出具有優(yōu)秀作曲家水平的樂(lè)曲、大多數(shù)心理學(xué)理論將在計(jì)算機(jī)上形成。

挫折和教訓(xùn)

在博弈方面，塞繆爾的下棋程序在與世界冠軍對(duì)弈時(shí)，5局?jǐn)×?局。在定理證明方面，發(fā)現(xiàn)魯賓遜歸結(jié)法的能力有限。當(dāng)用歸結(jié)原理證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)時(shí)，推了10萬(wàn)步也沒(méi)證出結(jié)果。在問(wèn)題求解方面，對(duì)于不良結(jié)構(gòu)，會(huì)產(chǎn)生組合爆炸問(wèn)題。在機(jī)器翻譯方面，發(fā)現(xiàn)并不那么簡(jiǎn)單，甚至?xí)[出笑話。例如，把“心有余而力不足”的英語(yǔ)句子翻譯成俄語(yǔ)，再翻譯回來(lái)時(shí)竟變成了“酒是好的，肉變質(zhì)了”在神經(jīng)生理學(xué)方面，研究發(fā)現(xiàn)人腦有1011-12以上的神經(jīng)元，在現(xiàn)有技術(shù)條件下用機(jī)器從結(jié)構(gòu)上模擬人腦是根本不可能的。在其它方面，人工智能也遇到了不少問(wèn)題。在英國(guó)，劍橋大學(xué)的詹姆教授指責(zé)“人工智能研究不是騙局，也是庸人自擾”。從此，形勢(shì)急轉(zhuǎn)直下，在全世界范圍內(nèi)人工智能研究陷入困境、落入低谷。18知識(shí)應(yīng)用期（1971—1980）

以知識(shí)為中心的研究以知識(shí)為中心的研究：專(zhuān)家系統(tǒng)實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探討走向?qū)ｉT(mén)知識(shí)運(yùn)用的重大突破，是AI發(fā)展史上的一次重要轉(zhuǎn)折。

1972年，費(fèi)根鮑姆開(kāi)始研究MYCIN專(zhuān)家系統(tǒng)，并于1976年研制成功。從應(yīng)用角度看，它能協(xié)助內(nèi)科醫(yī)生診斷細(xì)菌感染疾病，并提供最佳處方。從技術(shù)角度看，他解決了知識(shí)表示、不精確推理、搜索策略、人機(jī)聯(lián)系、知識(shí)獲取及專(zhuān)家系統(tǒng)基本結(jié)構(gòu)等一系列重大技術(shù)問(wèn)題。

1976年，斯坦福大學(xué)的杜達(dá)(R.D.Duda)等人開(kāi)始研制地質(zhì)勘探專(zhuān)家系統(tǒng)PROSPECTOR

這一時(shí)期，與專(zhuān)家系統(tǒng)同時(shí)發(fā)展的重要領(lǐng)域還有計(jì)算機(jī)視覺(jué)和機(jī)器人，自然語(yǔ)言理解與機(jī)器翻譯等。新的問(wèn)題：專(zhuān)家系統(tǒng)本身所存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、知識(shí)獲取困難、推理方法單一、沒(méi)有分布式功能、不能訪問(wèn)現(xiàn)存數(shù)據(jù)庫(kù)等問(wèn)題被逐漸暴露出來(lái)。

19從學(xué)派分立到綜合

（20世紀(jì)80年代到本世紀(jì)初）人工智能研究形成了三大學(xué)派：隨著人工神經(jīng)網(wǎng)絡(luò)的再度興起和布魯克（R.A.Brooks）的機(jī)器蟲(chóng)的出現(xiàn)，人工智能研究形成了符號(hào)主義、連接主義和行為主義三大學(xué)派。

符號(hào)主義學(xué)派是指基于符號(hào)運(yùn)算的人工智能學(xué)派，他們認(rèn)為知識(shí)可以用符號(hào)來(lái)表示，認(rèn)知可以通過(guò)符號(hào)運(yùn)算來(lái)實(shí)現(xiàn)。例如，專(zhuān)家系統(tǒng)等。連接主義學(xué)派是指神經(jīng)網(wǎng)絡(luò)學(xué)派，在神經(jīng)網(wǎng)絡(luò)方面，繼魯梅爾哈特研制出BP網(wǎng)絡(luò)之后，1987年，首屆國(guó)際人工神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會(huì)在美國(guó)的圣迭戈（San-Diego）舉行，掀起了人工神經(jīng)網(wǎng)絡(luò)的第二次高潮。之后，隨著模糊邏輯和進(jìn)化計(jì)算的逐步成熟，又形成了“計(jì)算智能”這個(gè)統(tǒng)一的學(xué)科范疇。

行為主義學(xué)派是指進(jìn)化主義學(xué)派，在行為模擬方面，麻省理工學(xué)院的布魯克教授1991年研制成功了能在未知的動(dòng)態(tài)環(huán)境中漫游的有6條腿的機(jī)器蟲(chóng)。三大學(xué)派的綜合集成隨著研究和應(yīng)用的深入，人們又逐步認(rèn)識(shí)到，三個(gè)學(xué)派各有所長(zhǎng)，各有所短，應(yīng)相互結(jié)合、取長(zhǎng)補(bǔ)短，綜合集成。

20智能科學(xué)技術(shù)的興起

（本世紀(jì)初以來(lái)）

目前，一個(gè)以人工智能為核心，以自然智能、人工智能、集成智能為一體的新的智能科學(xué)技術(shù)學(xué)科正在逐步興起，并引起了人們的極大關(guān)注。該學(xué)科研究的主要特征包括以下幾個(gè)方面：

(1)由對(duì)人工智能的單一研究走向以自然智能、人工智能、集成智能為一體的協(xié)同研究；

(2)由人工智能學(xué)科的獨(dú)立研究走向重視與腦科學(xué)、認(rèn)知科學(xué)等學(xué)科的交叉研究；

(3)由多個(gè)不同學(xué)派的獨(dú)立研究走向多學(xué)派的綜合研究；

(4)由對(duì)個(gè)體、集中智能的研究走向?qū)θ后w、分布智能的研究。

3THREE第三部分發(fā)展成果三發(fā)展成果發(fā)展成果知識(shí)工程：專(zhuān)家系統(tǒng)，智能搜索引擎等模式識(shí)別：

2D/3D/多維識(shí)別系統(tǒng)人機(jī)對(duì)弈：

DeepblueAlphaGo自動(dòng)工程：獵鷹系統(tǒng)等人機(jī)對(duì)弈1996年2月10～17日，GarryKasparov以4：2戰(zhàn)勝“深藍(lán)”（DeepBlue）。1997年5月3～11日，GarryKasparov以2.5：3.5輸于改進(jìn)后的“深藍(lán)”。2003年2月GarryKasparov3:3戰(zhàn)平“小深”（DeepJunior）。2003年11月GarryKasparov2:2戰(zhàn)平“X3D德國(guó)人”(X3D-Fritz）。2016年谷歌圍棋人工智能AlphaGo4:1勝李世石。24計(jì)算智能

神經(jīng)計(jì)算

神經(jīng)計(jì)算的概念：亦稱(chēng)神經(jīng)網(wǎng)絡(luò)(NeuralNetwork，NN)，它是通過(guò)對(duì)大量人工神經(jīng)元的廣泛并行互聯(lián)所形成的一種人工網(wǎng)絡(luò)系統(tǒng)，用于模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。主要研究?jī)?nèi)容：包括人工神經(jīng)元的結(jié)構(gòu)和模型，人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)和系統(tǒng)模型，基于神經(jīng)網(wǎng)絡(luò)的聯(lián)結(jié)學(xué)習(xí)機(jī)制等人工神經(jīng)元：是指用人工方法構(gòu)造單個(gè)神經(jīng)元，它有抑制和興奮兩種工作狀態(tài)，可以接受外界刺激，也可以向外界輸出自身的狀態(tài)，用于模擬生物神經(jīng)元的結(jié)構(gòu)和功能，是人工神經(jīng)網(wǎng)絡(luò)的基本處理單元。人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)（或稱(chēng)拓?fù)浣Y(jié)構(gòu)）是指單個(gè)神經(jīng)元之間的連接模式，它是構(gòu)造神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。從互連結(jié)構(gòu)的角度，神經(jīng)網(wǎng)絡(luò)可分為前饋網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)兩種主要類(lèi)型。網(wǎng)絡(luò)模型是對(duì)網(wǎng)絡(luò)結(jié)構(gòu)、連接權(quán)值和學(xué)習(xí)能力的總括。最常用的有傳統(tǒng)的感知器模型，具有誤差前向傳播功能的前向傳播網(wǎng)絡(luò)模型，采用反饋連接方式的反饋網(wǎng)絡(luò)模型等。神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自組織、自適應(yīng)、聯(lián)想、模糊推理等能力，在模仿生物神經(jīng)計(jì)算方面有一定優(yōu)勢(shì)。目前，神經(jīng)計(jì)算的研究和應(yīng)用已滲透到許多領(lǐng)域，如機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)、智能控制、模式識(shí)別等。

25機(jī)器學(xué)習(xí)

神經(jīng)學(xué)習(xí)

神經(jīng)學(xué)習(xí)的概念：神經(jīng)學(xué)習(xí)也稱(chēng)為連接學(xué)習(xí)，它是一種基于人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法?，F(xiàn)有研究表明，人腦的學(xué)習(xí)和記憶過(guò)程都是通過(guò)神經(jīng)系統(tǒng)來(lái)完成的。在神經(jīng)系統(tǒng)中，神經(jīng)元既是學(xué)習(xí)的基本單位，同是也是記憶的基本單位。神經(jīng)學(xué)習(xí)的類(lèi)型：感知器學(xué)習(xí)實(shí)際上是一種基于糾錯(cuò)學(xué)習(xí)規(guī)則，采用迭代的思想對(duì)連接權(quán)值和閾值進(jìn)行不斷調(diào)整，直到滿足結(jié)束條件為止的學(xué)習(xí)算法。

BP網(wǎng)絡(luò)學(xué)習(xí)是一種誤差反向傳播網(wǎng)絡(luò)學(xué)習(xí)算法。這種學(xué)習(xí)算法的學(xué)習(xí)過(guò)程由輸出模式的正向傳播過(guò)程和誤差的反向傳播過(guò)程所組成。其中，誤差的反向傳播過(guò)程用于修改各層神經(jīng)元的連接權(quán)值，以逐步減少誤差信號(hào)，直至得到所期望的輸出模式為止。

Hopfield網(wǎng)絡(luò)學(xué)習(xí)實(shí)際上是要尋求系統(tǒng)的穩(wěn)定狀態(tài)，即從網(wǎng)絡(luò)的初始狀態(tài)開(kāi)始，逐漸向其穩(wěn)定狀態(tài)過(guò)渡，直至達(dá)到穩(wěn)定狀態(tài)為止。至于網(wǎng)絡(luò)的穩(wěn)定性，則是通過(guò)一個(gè)能量函數(shù)來(lái)描述的。

模式識(shí)別主要有2D識(shí)別引擎、3D識(shí)別引擎，駐波識(shí)別引擎以及多維識(shí)別引擎。目前，2D識(shí)別引擎已推出指紋識(shí)別，人像識(shí)別，文字識(shí)別，圖像識(shí)別，車(chē)牌識(shí)別；駐波識(shí)別引擎已推出語(yǔ)音識(shí)別。27機(jī)器感知

模式識(shí)別模式識(shí)別的概念是指讓計(jì)算機(jī)能夠?qū)o定的事務(wù)進(jìn)行鑒別，并把它歸入與其相同或相似的模式中。

被鑒別的事物可以是物理的、化學(xué)的、生理的，也可以是文字、圖像、聲音等。模式識(shí)別的一般過(guò)程：

(1)采集待識(shí)別事物的模式信息；

(2)對(duì)其進(jìn)行各種變換和預(yù)處理，從中抽出有意義的特征或基元，得到待識(shí)別事物的模式；

(3)與機(jī)器中原有的各種標(biāo)準(zhǔn)模式進(jìn)行比較，完成對(duì)待識(shí)別事物的分類(lèi)識(shí)別；

(4)輸出識(shí)別結(jié)果。

自動(dòng)工程自動(dòng)駕駛（OSO系統(tǒng)）印鈔工廠（￥流水線）獵鷹系統(tǒng)（YOD繪圖）知識(shí)工程以知識(shí)本身為處理對(duì)象，研究如何運(yùn)用人工智能和軟件技術(shù)，設(shè)計(jì)、構(gòu)造和維護(hù)知識(shí)系統(tǒng)

專(zhuān)家系統(tǒng)智能搜索引擎計(jì)算機(jī)視覺(jué)和圖像處理機(jī)器翻譯和自然語(yǔ)言理解數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)30專(zhuān)家系統(tǒng)

專(zhuān)家系統(tǒng)是一種基于知識(shí)的智能系統(tǒng)，它將領(lǐng)域?qū)＜业慕?jīng)驗(yàn)用知識(shí)表示方法表示出來(lái)，并放入知識(shí)庫(kù)中，供推理機(jī)使用。

隨著計(jì)算網(wǎng)絡(luò)、多Agent、計(jì)算智能等技術(shù)的發(fā)展，出現(xiàn)了模糊專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)、基于Web的專(zhuān)家系統(tǒng)、協(xié)同式專(zhuān)家系統(tǒng)和分布式專(zhuān)家系統(tǒng)等。

用戶界面

解釋模塊知識(shí)獲取

知識(shí)庫(kù)綜合數(shù)據(jù)庫(kù)

推理機(jī)31計(jì)算機(jī)視覺(jué)

概念：用計(jì)算機(jī)來(lái)實(shí)現(xiàn)或模擬人類(lèi)的視覺(jué)功能，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。重要性：在人類(lèi)感知到的外界信息中，有80%以上是通過(guò)視覺(jué)得到的。視覺(jué)系統(tǒng)：人類(lèi)視覺(jué)系統(tǒng)的功能是通過(guò)眼睛與大腦共同實(shí)現(xiàn)的。人們視野中的物體在可見(jiàn)光的照射下，先在眼睛的視網(wǎng)膜上形成圖像，然后由感光細(xì)胞轉(zhuǎn)換成神經(jīng)脈沖信號(hào)，再經(jīng)神經(jīng)纖維傳入大腦皮層，最后由大腦皮層對(duì)其進(jìn)行處理與理解。視覺(jué)，不僅僅指對(duì)光信號(hào)的感受，它包括了對(duì)視覺(jué)信息的獲取、傳輸、處理、存儲(chǔ)與理解的全過(guò)程。32

自然語(yǔ)言理處理自然語(yǔ)言處理包括的主要內(nèi)容機(jī)器翻譯把一種自然語(yǔ)言翻譯成另外一種自然語(yǔ)言自然語(yǔ)言理解概念：主要研究如何使計(jì)算機(jī)能夠理解和生成自然語(yǔ)言。

理解的語(yǔ)言類(lèi)型：聲音語(yǔ)言、書(shū)面語(yǔ)言。主要步驟：語(yǔ)音分析、詞法分析、句法分析、語(yǔ)義分析、語(yǔ)用分析。自然語(yǔ)言理解的意義該研究不僅對(duì)智能人機(jī)接口有著重要的實(shí)際意義，而且對(duì)不確定人工智能的研究也具有重大的理論價(jià)值。有學(xué)者指出：人工智能如果不能用自然語(yǔ)言作為其知識(shí)表示基礎(chǔ)，建立起不確定人工智能的理論和方法，人工智能也就永遠(yuǎn)實(shí)現(xiàn)不了跨越的夢(mèng)想。33

數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)

概念：知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘是在數(shù)據(jù)庫(kù)的基礎(chǔ)上實(shí)現(xiàn)的一種知識(shí)發(fā)現(xiàn)系統(tǒng)。它通過(guò)綜合運(yùn)用統(tǒng)計(jì)學(xué)、粗糙集、模糊數(shù)學(xué)、機(jī)器學(xué)習(xí)和專(zhuān)家系統(tǒng)等多種學(xué)習(xí)手段和方法，從數(shù)據(jù)庫(kù)中提煉和抽取知識(shí)，從而可以揭示出蘊(yùn)含在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)原理，實(shí)現(xiàn)知識(shí)的自動(dòng)獲取。與傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)的區(qū)別：傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)僅限于對(duì)數(shù)據(jù)庫(kù)的查詢和檢索，不能夠從數(shù)據(jù)庫(kù)中提取知識(shí)。知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘以數(shù)據(jù)庫(kù)作為知識(shí)源去抽取