人工智能與模糊數(shù)學(xué)

序論人工智能與模糊數(shù)學(xué)?人工智能之父JohnMccarthy?人工智能的定義可以分為兩部分，即“人工”和“智能”

“人工”比較好理解，爭議性也不大。

“智能”涉及諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人唯一了解的智能是人本身的智能。但是我們對自身智能的理解非常有限，對構(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人的智能本身的研究。其它關(guān)于動物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。一、什么叫人工智能（ArtificialIntelligence）?麥卡錫（JohnMcCarthy）：人工智能是使一部機器的反應(yīng)方式就象是一個人在行動時所依據(jù)的智能。尼爾遜（美國斯坦福大學(xué)人工智能研究中心教授）：人工智能是關(guān)于知識的學(xué)科――怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)。溫斯頓（麻省理工學(xué)院教授）：人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。?現(xiàn)在通用的描述：所謂人工智能，是指人類的各種智能行為和各類腦力勞動，諸如感知、記憶、情感、判斷、推理、證明、識別、理解、通信、設(shè)計、思考、學(xué)習(xí)等思維活動，可用某種物化了的機器予以人工的實現(xiàn)。?二、人工智能的發(fā)展歷程在1955的時候，香農(nóng)等人一起開發(fā)了TheLogicTheorist程序，它是一種采用樹形結(jié)構(gòu)的程序，在程序運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進(jìn)行探索，以得到正確的答案。

這個程序在人工智能的歷史上可以說是有重要地位的，它在學(xué)術(shù)上和社會上帶來的巨大的影響，以至于我們現(xiàn)在所采用的方法思想方法有許多還是來自于這個50年代的程序。?1956年6月，達(dá)特茅斯會議發(fā)起者：約翰.邁卡錫（JohnMcCarthy）（普林斯頓大學(xué)數(shù)學(xué)博士）馬文.明斯基（MarvinMinsky)（人工智能大師，《心智社會》的作者）納撒尼爾.羅徹斯特（NathanielRochester）（IBM計算機設(shè)計者之一）克勞德.香農(nóng)（ClaudeShannon）（信息論創(chuàng)立者）?在理論方面，70年代也是大發(fā)展的一個時期，計算機開始有了簡單的思維和視覺。在70年代，另一個人工智能語言Prolog語言誕生了，它和LISP一起幾乎成了人工智能工作者不可缺少的工具。20世紀(jì)80年代，數(shù)理邏輯和形式化推理成為人工智能的時尚。關(guān)于神經(jīng)網(wǎng)絡(luò)的研究和日本的“第五代計算機研制計劃”（即“知識信息處理計算機系統(tǒng)”），把人工智能研究推向高潮。最近20年，計算機技術(shù)飛速發(fā)展，人工智能新增眾多研究方向，各方面研究深入進(jìn)行，但距離真正的“智能”還很遙遠(yuǎn)。?實際應(yīng)用機器視覺，指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng),智能搜索，定理證明，博弈，自動程序設(shè)計，航天應(yīng)用等。?研究范疇自然語言處理，不確定性的數(shù)學(xué)理論，知識表示，知識獲取，機器學(xué)習(xí)，推理，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，智能搜索，規(guī)劃，組合調(diào)度問題，感知問題，模式識別，邏輯程序設(shè)計，軟計算，人工生命，遺傳算法，人類思維方式?涉及學(xué)科哲學(xué)，腦科學(xué)，認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計算機科學(xué)，信息論，控制論，仿生學(xué)，人類學(xué)，語言學(xué)等多個自然科學(xué)和社會科學(xué)的交叉。??家庭智能機器人類人形機器人?寶石般的機器魚，可以執(zhí)行搜尋水中污染物的巡邏任務(wù)機器龍蝦?真正認(rèn)識人類大腦是開發(fā)智能機器的必由之路。—杰夫.霍金斯?杰夫.霍金斯(掌上型電腦Palmpilot、智能電話Treo以及許多手持裝置的發(fā)明人，ONINTELLIGENCE一書作者)

—智能究竟是什么？為什么人腦有智能而電腦沒有？為什么一個6歲的小孩可以在河床的石頭上跳來跳去，姿勢優(yōu)美，而當(dāng)今最先進(jìn)的機器人卻象行動遲緩的傻瓜？為什么3歲的小孩已經(jīng)粗通語言，而計算機卻語言不通，枉費了程序師半個世紀(jì)以來艱苦卓絕的努力？為什么你能在一秒鐘以內(nèi)分辨貓和狗，而超級計算機卻不能？這些都是亟待破解的斯芬克斯之謎。目前的線索不少，但真正需要的是一些關(guān)鍵性的見解。?—單就美國就有成千上萬的神經(jīng)科學(xué)家，可惜至今也沒有形成一套有關(guān)智能和大腦工作原理的完整的理論。大部分神經(jīng)生物學(xué)家不大考慮有關(guān)大腦的理論，因為他們只貫注于有關(guān)大腦的諸子系統(tǒng)的實驗，只埋頭于收集更多的數(shù)據(jù)。盡管一批又一批的計算機工程師曾經(jīng)嘗試讓計算機擁有智能，卻一次次以失敗而收場。我相信他們會屢戰(zhàn)屢敗，除非這些程序師不再忽視計算機與大腦之間的差別。?大腦：人類的大腦皮層平均厚度為2.5～3.0毫米，分為6個層次，神經(jīng)細(xì)胞約有140億個，面積約2200平方厘米，灰色物質(zhì)層有四張A4打印紙大小，神經(jīng)細(xì)胞的周圍還有1000多億個膠質(zhì)細(xì)胞。

??神經(jīng)元：神經(jīng)元細(xì)胞體、軸突、樹突、樹突棘。樹突棘的數(shù)量及分布因不同神經(jīng)元而異，并可隨功能而改變。在大腦皮質(zhì)錐體細(xì)胞和小腦皮質(zhì)蒲肯野細(xì)胞的樹突上，樹突棘數(shù)量最多而明顯，一個蒲肯野細(xì)胞的樹突棘可多達(dá)10萬個以上。?三、知識的不確定性知識的不確定性包括：隨機性、模糊性、不完備性、不協(xié)調(diào)性、非恒常性研究人工智能不能回避的問題：語言的不確定性常識知識的不確定性?（一）隨機性德國兒歌：“你知道有多少星星鑲嵌在藍(lán)色的天空？你知道有多少云朵飄浮過大地？上帝對它們作過清點，數(shù)字雖然巨大，可是無一遺漏?！毙潜?、云表多少世紀(jì)以前，人們就能預(yù)測常見的天文現(xiàn)象；但要想精確地預(yù)測明天的天氣，一般并不容易。?天文學(xué)和氣象學(xué)所以這樣不同，原因是天文學(xué)的時間是可逆的，而氣象學(xué)的時間是不同逆的。牛頓時間與伯格森時間以牛頓理論為代表的確定性科學(xué)，創(chuàng)造了給世界以精確描繪的方法，將整個宇宙看作是鐘表式的動力學(xué)系統(tǒng)，處于確定、和諧、有序的運動之中。只要知道初始條件就可以確定未來的一切。愛因斯坦與玻爾的分歧?當(dāng)自然科學(xué)進(jìn)入到有大量要素組成的多自由度體系時，確定論不再有效。統(tǒng)計力學(xué)、量子力學(xué)、氣象學(xué)、海洋學(xué)、進(jìn)化論隨機現(xiàn)象：在完全相同的條件下，一個試驗或觀察出現(xiàn)的結(jié)果可能是不同的（即條件和結(jié)果沒有必然的因果關(guān)系）。?（二）模糊性楊炳儒教授與模糊理論創(chuàng)始人L.A.Zadeh教授?禿頭悖論命題A：一根頭發(fā)都沒有的人肯定是禿頭。命題B：比禿頭多一根頭發(fā)的還是禿頭。所以命題C：滿頭烏發(fā)是禿頭。?清晰：非此即彼，明明白白，不模棱兩可模糊性的例子季節(jié)交替、晝夜交替、少年青年幾乎一切連續(xù)變化過程的定性描述模糊性根植于客觀事物差異的中介過渡性。就客觀對象而言，有的對象明顯地呈現(xiàn)出非此即彼的性態(tài)（清晰），有的對象明顯地呈現(xiàn)出亦此亦彼的性態(tài)（模糊）。?

認(rèn)為模糊知識必定是靠不住的，這種看法是大錯特錯了。

羅素傳統(tǒng)邏輯都習(xí)慣于假設(shè)使用的是精確的符號，因此，它不適用于塵世生活，而僅僅適用于想象的天堂。?同計算機相比，人腦的一個優(yōu)越性似乎是“能夠掌握尚未明確的含糊概念”。

大腦的語言不是數(shù)學(xué)語言。馮.諾伊曼諾伯特.維納?自然語言的不確定性自然語言的不確定性是知識不確定性的一個重要研究內(nèi)容，而自然語言理解又是人工智能研究的重要內(nèi)容。語言組織思想表達(dá)句子名詞謂詞人們使用語言時，詞語的意思常常是模糊的，詞語的選擇、句子的表達(dá)、語句的使用、句間的組織有隨機性。?如果能在自然語言的不確定性研究方面有所突破，讓計算機不再用精確嚴(yán)密的符號來計算，而直接用自然語言來思考，那么就可以使自然語言理解乃至人工智能取得實質(zhì)性的進(jìn)展。?參考文獻(xiàn)：1.人工智能的未來作者：杰夫.霍金斯

出版社：陜西科學(xué)技術(shù)出版社出版日期：2006年1月2.人工智能：一種現(xiàn)代方法作者：羅素Russell,s.諾維格Norvig,P.

出版日期：2006年5月?3.神經(jīng)生物學(xué):從神經(jīng)元到腦原書名：FromNeurontoBrain

原出版社：SinauerAssociates作者：J.G.尼克爾斯

A.R.馬丁

B.G.華萊士

P.A.富克斯

譯者：楊雄里出版社：科學(xué)出版社出版日期：2006年12月?4.模糊系統(tǒng)與模糊控制教程王立新(著)王迎軍(譯)清華大學(xué)出版社2003-06-015.粗糙集理論與方法張文修等編著科學(xué)出版社2001年出版?6.粗糙集理論、算法與應(yīng)用苗奪謙，李道國等著清華大學(xué)出版社2008年出版7.不確定性人工智能作者：李德毅等

出版社：國防工業(yè)出版社出版日期：2005年10月?演講完畢，謝謝觀看！附錄資料：人工智能簡介?AboutTeachingPlan基本要求：人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支，是目前迅速發(fā)展的一門新興學(xué)科，新思想新方法層出不窮。其基本思想是利用機器來模仿和執(zhí)行人腦的功能，如判斷、推理、證明、識別、感知、理解、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動。對于培養(yǎng)學(xué)生計算機技術(shù)的應(yīng)用能力，開闊思路和視野，有重要意義。

?AboutTeachingPlan因此，要求學(xué)生掌握知識表示和問題求解的幾種常用方法，尤其是不確定性推理；掌握機器學(xué)習(xí)基本概念，了解幾種機器學(xué)習(xí)方法尤其是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法；掌握專家系統(tǒng)的概念，了解專家系統(tǒng)設(shè)計方法，掌握一些智能控制方法，了解國內(nèi)外人工智能研究尤其是機器人的最新進(jìn)展；具有一定的人工智能編程設(shè)計能力（利用Lisp或Prolog語言）。?AboutTeachingPlan課程內(nèi)容以及學(xué)時分配人工智能引論(1) 人工智能概念及與計算機的關(guān)系，研究途徑、內(nèi)容和應(yīng)用領(lǐng)域概況介紹，其他最新材料。符號主義、連接主義、行為主義三大流派人工智能數(shù)學(xué)基礎(chǔ)(1)知識表示方法（2） 狀態(tài)空間法、問題歸約法，謂詞邏輯法、產(chǎn)生式表示法（動物識別系統(tǒng)）；CLIPS語言；語義網(wǎng)絡(luò)法、框架法（這是結(jié)構(gòu)化表示）；劇本、過程、Petri網(wǎng)、面向?qū)ο蟮谋硎尽?AboutTeachingPlan 搜索技術(shù)和策略（3-4）狀態(tài)空間法，盲目搜索和啟發(fā)式搜索，A*算法；海伯倫理論、消解原理和策略；與\或形推理和搜索策略；其他求解技術(shù)。 不確定推理技術(shù)（3-4）主觀Bayes理論；可信度方法和證據(jù)理論；系統(tǒng)組織技術(shù)；非單調(diào)推理；Rete快速算法；模糊推理技術(shù)；基于語義網(wǎng)絡(luò)和框架不確定推理； 專家系統(tǒng)（2）專家系統(tǒng)概念、結(jié)構(gòu)和知識獲取；黑板模型、知識組織、管理及系統(tǒng)建造和開發(fā)工具；專家系統(tǒng)舉例及編程。

人工智能程序設(shè)計（1）人工智能語言基本機制：LISP和PROLOG。?AboutTeachingPlan 模式識別導(dǎo)論（3）模式識別專題：概率模式識別。模式識別專題：結(jié)構(gòu)模式識別 機器學(xué)習(xí)（1）：機械,解釋經(jīng)驗,事例,歸納,概念,類比學(xué)習(xí)等；統(tǒng)計,結(jié)構(gòu),模糊模式識別。 專題講座（3次） 1)神經(jīng)網(wǎng)絡(luò)基本理論和應(yīng)用 (史奎凡課程：安排于人工智能理論與應(yīng)用課程內(nèi))； 2)智能體（Agent）； 3)自然語言處理； 4)智能控制和機器人科學(xué) 智能控制的結(jié)構(gòu)理論和研究領(lǐng)域，智能控制系統(tǒng)及應(yīng)用示例；機器人規(guī)劃、機器視覺和自然語言理解等。?AboutTeachingPlan 實踐：1) 搜索技術(shù)和策略2) 不確定推理技術(shù)3) 專家系統(tǒng)：動物識別系統(tǒng)4) 模式識別技術(shù)5) 調(diào)研： 搜索技術(shù)和策略、不確定推理技術(shù)、統(tǒng)計模式識別、機器學(xué)習(xí)等四個領(lǐng)域進(jìn)展報告。?ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是當(dāng)前科學(xué)技發(fā)展的一門前沿學(xué)科，同時也是一門新思想，新觀念，新理論，新技術(shù)不斷出現(xiàn)的新興學(xué)科以及正在發(fā)展的學(xué)科。它是在計算機科學(xué)，控制論，信息論，神經(jīng)心理學(xué)，哲學(xué)，語言學(xué)等多種學(xué)科研究的基礎(chǔ)發(fā)展起來的，因此又可把它看作是一門綜合性的邊緣學(xué)科。它的出現(xiàn)及所取得的成就引起了人們的高度重視,并取得了很高的評價。有的人把它與空間技術(shù)，原子能技術(shù)一起并譽為20世紀(jì)的三大科學(xué)技術(shù)成就。?Intelligence智能是知識與智力的總合。 知識——智能行為的基礎(chǔ)； 智力——獲取知識并運用知識求解問題的能力。智能具有以下特征：(1)具有感知能力——指人們通過視覺、聽覺、觸覺、味覺、嗅覺等感覺器官感知外部世界的能力；(2)具有記憶與思維的能力——這是人腦最重要的功能，亦是人之所以有智能的根本原因；(3)具有學(xué)習(xí)能力及自適應(yīng)能力；(4)具有行為能力。ArtificialIntelligence人工智能——計算機科學(xué)的一個分支，是智能計算機系統(tǒng)，即人類智慧在機器上的模擬，或者說是人們使機器具有類似于人的智慧（對語言能理解、能學(xué)習(xí)、能推理）。?2.BriefHistoryofAI (1) 孕育（1956年前）古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R就是力量”德國數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茨）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號化，從而能對人的思維進(jìn)行運算和推理。做出了能做四則運算的手搖計算機英國數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實現(xiàn)了布萊尼茨的思維符號化和數(shù)學(xué)化的思想，提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。?美籍奧地利數(shù)理邏輯學(xué)家Godel（哥德爾）（1906-1978），證明了一階謂詞的完備性定；任何包含初等數(shù)論的形式系統(tǒng)，如果它是無矛盾的，那么一定是不完備的。意義在于，人的思維形式化和機械化的某種極限，在理論上證明了有些事是做不到的。英國數(shù)學(xué)家Turing(圖靈)（1912-1954）,1936年提出了一種理想計算機的數(shù)學(xué)模型（圖靈機），1950年提出了圖靈試驗，發(fā)表了“計算機與智能”的論文。圖靈獎。美國數(shù)學(xué)家Mauchly，1946發(fā)明了電子數(shù)字計算機ENIAC美國神經(jīng)生理學(xué)家McCulloch，建立了第一個神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。美國數(shù)學(xué)家Shannon（香農(nóng)）,1948年發(fā)表了《通訊的數(shù)學(xué)理論》，代表了“信息論”的誕生。? (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工學(xué)院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,貝爾實驗室的C.E.Shannon共同發(fā)起，邀請了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位數(shù)學(xué)家、信息學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計算機科學(xué)家，在Dartmouth大學(xué)召開了一次關(guān)于機器智能的研討會，會上McCarthy提議正式采用了ArtificialIntelligence（人工智能）這一術(shù)語。這次會議，標(biāo)志著人工智能作為一門新興學(xué)科正式誕生了。 McCarthy（麥卡錫）——人工智能之父。這次會議之后的10年間，人工智能的研究取得了許多引人矚目的成就.機器學(xué)習(xí)方面：塞繆爾于1956年研制出了跳棋程序，該程序能從棋譜中學(xué)習(xí)，也能從下棋實踐中提高棋藝；?在定理證明方面：王浩于1958年在IBM機上證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理（220條），還證明了謂詞演算中150條定理85%；1965年，魯賓遜（Robinson）提出了消解原理；在模式識別方面：1959年塞爾夫里奇推出了一個模式識別程序；1965年羅伯特（Robert）編制出可辨別積木構(gòu)造的程序；在問題求解方面：1960年紐厄爾等人通過心理學(xué)試驗總結(jié)出了人們求解問題的思維規(guī)律，編制了通用問題求解程序GPS,可以用來求解11種不同類型的問題；在專家系統(tǒng)方面：斯坦福大學(xué)的費根鮑姆（E.A.Feigenbaum）自1965年開始進(jìn)行專家系統(tǒng)DENDRAL（化學(xué)分析專家系統(tǒng)），1968年完成并投入使用；在人工智能語言方面：1960年McCarthy等人建立了人工智能程序設(shè)計語言Lisp，該語言至今仍是建造智能系統(tǒng)的重要工具；1969年成立了國際人工智能聯(lián)合會議（InternationalJointConferencesOnArtificialIntelligence）? (3) 發(fā)展（1970年以后）70年代，開始從理論走向?qū)嵺`，解決一些實際問題。同時很快就發(fā)現(xiàn)問題：歸結(jié)法費時、下棋贏不了全國冠軍、機器翻譯一團(tuán)糟。以Feigenbaum為首的一批年輕科學(xué)家改變了戰(zhàn)略思想，1977年提出知識工程的概念，以知識為基礎(chǔ)的專家咨詢系統(tǒng)開始廣泛的應(yīng)用。著名專家系統(tǒng)的有：DENDRAL化學(xué)分析專家系統(tǒng)（斯坦福大學(xué)1968）MACSYMA符號數(shù)學(xué)專家系統(tǒng)（麻省理工1971）MYCIN診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)（斯坦福大學(xué)1973）CASNET(CausalASsciationalNetwork)診斷和治療青光眼的專家咨詢系統(tǒng)（拉特格爾斯（Rutgers）大學(xué)70年代中）CADUCEUS(原名INTERNIST)醫(yī)療咨詢系統(tǒng)（匹茲堡大學(xué)）；HEARSAYI和II語音理解系統(tǒng)（卡內(nèi)基-梅隆大學(xué)）PROSPECTOR地質(zhì)勘探專家系統(tǒng)（斯坦福大學(xué)1976）XCON計算機配置專家系統(tǒng)（卡內(nèi)基-梅隆大學(xué)1978）??80年代，人工智能發(fā)展達(dá)到階段性的頂峰。?87,89年世界大會有６－７千人參加。硬件公司有上千個。并進(jìn)行Lisp硬件、Lisp機的研究。?在專家系統(tǒng)及其工具越來越商品化的過程中,國際軟件市場上形成了一門旨在生產(chǎn)和加工知識的新產(chǎn)業(yè)——知識產(chǎn)業(yè)。應(yīng)該說，知識工程和專家系統(tǒng)是近十余年來人工智能研究中最有成就的分支之一。?同年代，1986年Rumlhart領(lǐng)導(dǎo)的并行分布處理研究小組提出了神經(jīng)元網(wǎng)絡(luò)的反向傳播學(xué)習(xí)算法，解決了神經(jīng)網(wǎng)絡(luò)的根本問題之一。從此，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入新的高潮。?90年代，計算機發(fā)展趨勢為小型化、并行化、網(wǎng)絡(luò)化、智能化。?人工智能技術(shù)逐漸與數(shù)據(jù)庫、多媒體等主流技術(shù)相結(jié)合，并融合在主流技術(shù)之中，旨在使計算機更聰明、更有效、與人更接近。?日本政府于1992年結(jié)束了為期十年的稱為“知識信息處理體統(tǒng)”的第五代計算機系統(tǒng)研究開發(fā)計劃。并開始了為期十年的實況計算（RealWordComputing）計劃。?3.ResearchObjectsandMainContents

(1)人工智能的研究目標(biāo)

人工智能的長期研究目標(biāo)：構(gòu)造智能計算機。

人工智能的近期研究目標(biāo)：使現(xiàn)有的電子計算機更聰明，更有用，使它不僅能做一般的數(shù)值計算及非數(shù)值信息的數(shù)據(jù)處理，而且能運用知識處理問題，能模擬人類的部分智能行為。?(2)人工智能研究的基本內(nèi)容

1.機器感知以機器視覺與機器聽覺為主。機器感知是機器獲取外部信息的基本途徑，是使機器具有智能不可或缺的組成部分，對此人工智能中已形成兩個專門的研究領(lǐng)域——

模式識別和自然語言理解。2.機器思維指通過感知的外部信息及機器內(nèi)部的各種工作信息進(jìn)行有目的的處理。主要開展以下幾方面的研究：(1)知識表示(2)知識的組織，累計，管理技術(shù)(3)知識的推理(4)各種啟發(fā)式搜索及控制策略(5)神經(jīng)網(wǎng)絡(luò)，人腦的結(jié)構(gòu)及其工作原理?3.機器學(xué)習(xí)

使計算能自動獲取知識，能直接向書本學(xué)習(xí)，能通過與人談話學(xué)習(xí)，能通過對環(huán)境的觀察學(xué)習(xí)，并能在實踐中自我完善。4.機器行為機器行為主要指計算機的表達(dá)能力，即“說”、“寫”、“畫”等，對智能機器人，還應(yīng)該有人的四肢功能，即能走路，能取物，能操作等。5.智能系統(tǒng)及智能計算機的構(gòu)造技術(shù)?4.ResearchObjectsandMainContents人工智能面世以來，其研究途徑存在兩種不同的觀點：以符號處理為核心的方法——主張通過運用計算機科學(xué)的方法進(jìn)行研究，實現(xiàn)人工智能在計算機的模擬。以網(wǎng)絡(luò)連接為主的連接機制方法——主張用生物學(xué)的方法進(jìn)行研究，搞清楚人類智能的本質(zhì)。(1)以符號處理為核心的方法該方法起源于紐厄爾等人的通用問題求解系統(tǒng)（GPS），用于模擬人類求解問題的心理過程，逐漸形成為物理符號系統(tǒng)，這種方法認(rèn)為： 人類研究的目標(biāo)是實現(xiàn)機器智能，而計算機自身具有符號處理能力，這種能力本身就蘊含著演繹推理的內(nèi)涵，因而可通過運行相應(yīng)的程序來體現(xiàn)某種基于邏輯思維的智能行為，達(dá)到模擬人類智能活動的效果。目前人工智能的大部分研究成果都是基于這種方法實現(xiàn)的。?

該方法的主要特征是：

?立足于邏輯運算和符號操作，適合于模擬人的邏輯思維過程，解決需要進(jìn)行邏輯推理的復(fù)雜問題；

?知識可用顯式的符號表示；

?便于模塊化；?能與傳統(tǒng)的符號數(shù)據(jù)庫鏈接；?可對推理結(jié)論做出解釋，便于對各種可能性進(jìn)行選擇。

但該方法不適合于形象思維；而且在用符號表示概念時其有效性在很大程度上取決于符號表示的正確性，且對帶噪聲的信息及不完整的信息難以處理。(2)以網(wǎng)絡(luò)連接為主的連接機制方法該方法是在人腦神經(jīng)元及其相互連接而成網(wǎng)絡(luò)的啟示下，試圖通過多人工神經(jīng)元間的并行協(xié)同作用來實現(xiàn)對人類智能的模擬。該方法認(rèn)為：大腦是人類一切智能活動的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機制著手進(jìn)行研究，搞清楚大腦的結(jié)構(gòu)及它進(jìn)行信息處理的過程及機理，可望揭示人類智能的奧秘，從而真正實現(xiàn)人類智慧在機器上的模擬。?該方法的主要特征：?通過神經(jīng)元之間的并行協(xié)同作用實現(xiàn)信息處理，處理過程具有并行性、動態(tài)性、全局性；?通過神經(jīng)元間分布式的物理聯(lián)系存儲知識和信息，因而可以實現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進(jìn)行有效地處理。近期的一些研究表明，該方法在模式識別、圖像信息壓縮等方面取得了一些研究成果；?通過神經(jīng)元間連接強度的動態(tài)調(diào)整來實現(xiàn)對人類學(xué)習(xí)、分類等的模擬；?適合于模擬人類的形象思維過程；?求解問題時，可以比較快地球的一個近似解。該方法不適合于模擬人的邏輯思維過程，而且就目前神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀來看，由固定的體系結(jié)構(gòu)與組成方案所構(gòu)成的系統(tǒng)還達(dá)不到開發(fā)多種多樣知識的要求。?(3)系統(tǒng)集成

?符號方法善于模擬人的邏輯思維過程，求解問題時，如果問題有解，它可以準(zhǔn)確地求出最優(yōu)解；但求解過程的運算量將隨問題的復(fù)雜性的增加成指數(shù)性增長，另外其知識和信息的符號化過程需要由人來完成，它自身不具備這種功能。?連接機制方法善于模擬人的形象思維過程，求解問題時，由于它的并行處理能力，可以較快地得到問題的解，但解一般是近似的，次優(yōu)的；另外，該方法求解問題的過程是隱式的，難以對求解過程以顯式解釋。

?將兩個方法結(jié)合起來，