【正文】 司研制的 Deep Thought2計算機系統(tǒng)與澳大利亞國際象棋冠軍約翰森戰(zhàn)成 1： 1平局。 早期的邏輯演繹與問題的求解相當密切。邏輯推理是人工智能中最持久的子領域之一（從 19世紀開始一直到今天） 自動定理證明也是一個十分重要的子領域。同時還可把復雜的大問題分解成若干簡單的子問題。 如何讓計算機“聽懂”、“看懂”人類自身的語言，使更多的人能使用計算機，大大提高計算機的利用率。 所謂專家系統(tǒng)，就是一種以知識為基礎的計算機軟件系統(tǒng)。 比較著名的專家系統(tǒng)有： 1965年美國斯坦福大學研制成功的 DENDRAL專家系統(tǒng)（用于質(zhì)譜儀分析有機化合物的分子結構）、 MYCIN專家系統(tǒng)（用于抗生藥物治療）、PROSECTOR專家系統(tǒng)（用于地質(zhì)勘探專家系統(tǒng)）。 如文字和數(shù)字的識別（漢字、汽車牌照等） 、 圖形圖像的識別（指紋、腦電圖、心電圖等）、語音識別；人們在生產(chǎn)和生活中需要建立模式如在一堆工具中尋找自己所需型號的扳手，森林發(fā)生蟲災，飛行員要找到遭受蟲災的森林等。它是通過綜合運用統(tǒng)計學、粗糙集、模糊數(shù)學、機器學習和專家系統(tǒng)等多種學習手段和方法，從數(shù)據(jù)庫中提煉和抽取知識，從而可以揭示出蘊涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)原理，實現(xiàn)知識的自動獲取。是眾多學科研究的綜合成果。幾起幾落?，F(xiàn)在，神經(jīng)網(wǎng)絡已在模式識別、圖象處理、組合優(yōu)化、自動控制、信息處理、機器人學和人工智能的其它領域獲得日益廣泛的應用。分布式人工智能的研究為在計算機網(wǎng)絡環(huán)境下設計和建立大型復雜智能系統(tǒng)提供了一條有效途徑，體現(xiàn)了新一代軟件設計的思想，是當前人工智能研究的一個熱點。對關系數(shù)據(jù)庫研究所取得的進展，無疑為人工智能程序設計提供了新的有效工具。 工業(yè)機器人已相當普遍，遠距離操縱型機器 人也有不少應用，如美國機器人“探測者 3號”是第一臺登月的使者，它由阿波羅 12號運上月球，在空中實驗室操作人員的控制下，伸出 米的機械手，在月球表面取巖石樣品并把化驗結果發(fā)回地球。 機器視覺或計算機視覺已從模式識別的一個研究領域發(fā)展為一門獨立的學科。其目的是使被觀察的對象突現(xiàn)出來。 人工智能的發(fā)展促進了自動控制向智能控制發(fā)展。 1965年，付京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)。 1985年在美國首次召開了智能控制學術討論會， 1987年又在美國召開了首屆智能控制國際學術會議， 1993年在北京召開了第一屆全球華人智能控制與智能自動化大會。既可發(fā)揮專家系統(tǒng)在知識處理方面的特長，又可發(fā)揮傳統(tǒng)決策支持系統(tǒng)在數(shù)值分析方面的優(yōu)勢，具有很寬的應用前景。學習方法主要有： (1).機械式學習（ Rote Learning） 專家完成全部轉換工作，系統(tǒng)只負責存儲。如著名的盧瑟福類比就是通過將原子結構（目標）同太陽系（源域）進行類比，從而發(fā)現(xiàn)原子結構的奧秘。 (5).觀察發(fā)現(xiàn)式的學習 （ Learning by observation and discovery) 它是歸納學習的高一層次。 隨著科學技術的迅速發(fā)展，出現(xiàn)了“知識爆炸”的情況，對國內(nèi)外種類繁多和數(shù)量巨大的科技文獻之檢索遠非人力和傳統(tǒng)檢索系統(tǒng)所能勝任的，研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保障。如 Hamilton圖和八皇后問題等都需從可能的組合或序列中選取一個答案。目前，智能組合調(diào)度與指揮方法已被應用于汽車運輸調(diào)度、列車的編組與指揮、空中交通管制以及軍事指揮等系統(tǒng)。 演講完畢 ， 謝謝觀看 ！ 。對程序設計或機器人控制問題，先產(chǎn)生一個不費事的有錯誤的解，然后再修正它，使它正常工作。他們根據(jù)理論上的最佳方法計算出所耗時間的最壞情況來排列不同問題的難度。如何根據(jù)存儲的事實演繹出答案。另外，還有基于解釋的學習、基于事例的學習、基于概念的學習、基于神經(jīng)網(wǎng)絡的學習、基于遺傳的學習等。比較成功的例子有： (a)里拉特（ )研制的數(shù)學發(fā)現(xiàn)系統(tǒng) AM，它能利用 250條產(chǎn)生式規(guī)則在原有 115個概念的基礎上形成許多新的概念和發(fā)現(xiàn)有關基本數(shù)學和集合論的新定理。目前大多數(shù)基于知識的系統(tǒng)可用此方法建立知識庫。機器學習是使計算機具有智能的根本途徑，而且有助于發(fā)現(xiàn)人類學習的機理和揭示人腦的奧秘。它是把人工智能技術尤其是專家系統(tǒng)技術與決策支持系統(tǒng)相結合的產(chǎn)物。1977年，美國 、控制論和運籌學結合起來的思想。隨著人工智能和計算機技術的發(fā)展，已可能把自動控制和人工智能以及系統(tǒng)科學的某些分支結合起來，建立一種適用于復雜系統(tǒng)的控制理論和技術。 機器視覺的前沿研究領域包括實時圖象壓縮傳輸和復原，多光譜和彩色圖象的處理與解釋等。并非人工智能的全部領域都是圍繞著知識處理的，計算機低層視覺就是一例。機器人已在各種工業(yè)、農(nóng)業(yè)、商業(yè)、旅游業(yè)、空中和海洋以及國防等領域獲得越來越普遍的應用。 機器人主要在功能上模仿人，外形上可以有多種多樣，它們具有眼、腦、手等部分功能，把觀測、思維和操作巧妙地結合起來。80年代以來，計算機系統(tǒng)：如分布式系統(tǒng)、并行處理系統(tǒng)、多機協(xié)作系統(tǒng)和各種計算機網(wǎng)絡等都有發(fā)展。 分布式人工智能是隨著計算機網(wǎng)絡、計算機通信和并發(fā)程序設計技術而發(fā)展起來的一個新的人工智能研究領域?；羝辗茽柕拢?Hopfield） 提出用硬件實現(xiàn)神經(jīng)網(wǎng)絡， 魯梅爾哈特（ Rumelhart） 等提出多層網(wǎng)絡中的反向傳播（ BP） 算法就是兩個重要的標志。因此，對人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡的研究，可能創(chuàng)造出新一代人工智能機 —— 神經(jīng)計算機。知識發(fā)現(xiàn)和數(shù)據(jù)挖掘以數(shù)據(jù)庫作為知識源去抽去知識，不僅可以提高數(shù)據(jù)庫中數(shù)據(jù)的利用價值，同時也為專家系統(tǒng)的知識獲取開辟了一條新的途徑。隨著應用范圍的不斷擴大，隨著計算機科學的不斷進步，基于人工神經(jīng)網(wǎng)絡的模式識別技術，在 21世紀將有更大的發(fā)展。在我國，特別是中醫(yī)診療系統(tǒng)的研制取得了令人注目的成績。然后采用合適的控制策略，按輸入的原始數(shù)據(jù)選擇合適的規(guī)則進行