【正文】 輯是既相互聯(lián)系而又相互區(qū)別的。在這一階段，哲學(xué)家與邏輯學(xué)家、科學(xué)家（如牛頓等人）探討過有關(guān)歸納的很多理論問題，強(qiáng)調(diào)了歸納方法在實(shí)驗(yàn)科學(xué)中的發(fā)現(xiàn)作用，明確提出了兩種基本的歸納方法，即枚舉法與排除法。休謨提出的“歸納問題”對歸納推理的合理性和歸納邏輯的可能性提出了質(zhì)疑，然而它的這種可能性正在計(jì)算機(jī)科學(xué)和人工智能的研究推動下逐漸地變成現(xiàn)實(shí)。80 年代中期到90 年代中期，對現(xiàn)代歸納邏輯的研究是邏輯學(xué)界的熱點(diǎn)之一。當(dāng)對人工智能的研究由數(shù)據(jù)處理轉(zhuǎn)入知識處理時(shí)，對歸納邏輯系統(tǒng)進(jìn)行深入的研究就是必要的了，這是一個(gè)極有價(jià)值且極富挑戰(zhàn)性和前沿性的研究課題。正如王雨田教授所說，在未來的計(jì)算機(jī)歸納學(xué)習(xí)或發(fā)現(xiàn)的研究中，將歸納邏輯的某些理論、方法或系統(tǒng)與機(jī)器學(xué)習(xí)、不確定性推理、神經(jīng)網(wǎng)絡(luò)中對歸納邏輯的研究適當(dāng)“嫁接”起來，以改進(jìn)并逐步革新現(xiàn)有的歸納學(xué)習(xí)系統(tǒng)，促使機(jī)器學(xué)習(xí)中歸納學(xué)習(xí)的基礎(chǔ)理論形成，并進(jìn)一步從事歸納發(fā)現(xiàn)與歸納學(xué)習(xí)的基礎(chǔ)理論與系統(tǒng)的研究和開發(fā)，這是人工智能科學(xué)研究中的一項(xiàng)重大任務(wù)。考試知識點(diǎn)覆蓋率達(dá)80%以上?？荚噷ο鬄閳?bào)考我校模式識別與智能系統(tǒng)專業(yè)各方向的研究生入學(xué)考試考生。人工智能研究必須建立在歸納邏輯基礎(chǔ)之上，從而達(dá)到多領(lǐng)域交叉合作來共同促進(jìn)人工智能研究的廣泛而深遠(yuǎn)的發(fā)展。但歸納邏輯發(fā)展到現(xiàn)階段還很不成熟，還需要進(jìn)一步研究和發(fā)展。現(xiàn)代歸納邏輯可分成三大派別，即經(jīng)驗(yàn)主義學(xué)派、邏輯貝葉斯主義學(xué)派與主觀貝葉斯學(xué)派(頻率學(xué)派、邏輯學(xué)派)和私人主義學(xué)派。在現(xiàn)實(shí)生活環(huán)境中，歸納邏輯有著廣泛的應(yīng)用領(lǐng)域。嚴(yán)格說來，他們所研究的與其說是歸納邏輯，還不如說是歸納方法。歸納邏輯研究或然性推理，即當(dāng)其前提為真時(shí)，結(jié)論很可能為真但不必然為真。（2）進(jìn)行基礎(chǔ)研究，了解人類學(xué)習(xí)速度慢、效率低的原因，發(fā)展各種學(xué)習(xí)理論，探討所有可能的學(xué)習(xí)方法與算法。人工智能誕生以來，研究者們一直試圖理解學(xué)習(xí)的過程和創(chuàng)造能夠?qū)W習(xí)的計(jì)算機(jī)程序。所謂機(jī)器學(xué)習(xí)，是指系統(tǒng)為了適應(yīng)環(huán)境而產(chǎn)生的某種長遠(yuǎn)變化，這種變化使得系統(tǒng)能夠更有效地在下一次完成同一或同類工作[7]。計(jì)算機(jī)獲取知識的途徑還主要依靠人類操作，以機(jī)器可利用的形式將知識輸入到機(jī)器中。可是，到20 世紀(jì)70 年代末，當(dāng)專家系統(tǒng)已發(fā)展成實(shí)用的AI 技術(shù)時(shí)卻面臨一個(gè)重大困難，即人類專家大都很難清楚明確地表達(dá)出知識庫所需要的形式規(guī)則，因?yàn)樗麄兒芸赡芤庾R不到自己是如何做的。人們逐步認(rèn)識到，專家系統(tǒng)是人工智能從學(xué)科發(fā)展研究逐漸趨向?qū)嶋H應(yīng)用，從一般的思維方式方法發(fā)展到專門知識運(yùn)用的重大突破。正是有了歸納推理，機(jī)器才能完成發(fā)現(xiàn)定律之類的高級智能活動與行為。機(jī)器學(xué)習(xí)的核心是歸納學(xué)習(xí)問題，人工智能在處理不確定性推理的手段時(shí)，無論是數(shù)值型或非數(shù)值型的，特別是其中的非單調(diào)推理，都是與歸納學(xué)習(xí)密切相關(guān)的。人工智能所具有的獨(dú)特的學(xué)科性質(zhì)為邏輯學(xué)的研究和發(fā)展提出了更高的標(biāo)準(zhǔn)和挑戰(zhàn)，邏輯學(xué)研究的對象、方法和意義都必將取得新的發(fā)展與突破。赫伯德（Jacgues Herbrand）對于人工智能研究作出了重要的貢獻(xiàn)。近三十年來，人工智能獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。關(guān)鍵詞：人工智能發(fā)展；綜合性邊緣學(xué)科；歸納邏輯；機(jī)器學(xué)習(xí)；專家系統(tǒng)一、智能計(jì)算機(jī)的發(fā)展1．1人工智能概述人工智能的進(jìn)一步發(fā)展是基于歸納邏輯的基礎(chǔ)之上的。有的人把它與空間技術(shù)，原子能技術(shù)一起并譽(yù)為20世紀(jì)的三大科學(xué)技術(shù)成就。（二）教學(xué)參考書《人工智能（上、下冊）》，陸汝鈐，北京：科學(xué)出版社，1996年。（2）注重學(xué)生動手能力的培養(yǎng)，積極鼓勵和引導(dǎo)學(xué)生對所學(xué)的知識、技能加以拓寬、深化。同時(shí)貫徹理論和實(shí)踐相結(jié)合的原則，給學(xué)生出一定量的思考，并要求學(xué)生完成一定量的作業(yè)，以提高學(xué)生的理論水平，培養(yǎng)學(xué)生的動手能力和創(chuàng)新精神。基本技能要求：學(xué)生在較堅(jiān)實(shí)打好的人工智能數(shù)學(xué)基礎(chǔ)（數(shù)理邏輯、概率論、模糊理論、數(shù)值分析）上，能夠利用這些數(shù)學(xué)手段對確定性和不確定性的知識完成推理；在理解Herbrand域概念和Horn子句的基礎(chǔ)上，應(yīng)用Robinson歸結(jié)原理進(jìn)行定理證明；應(yīng)掌握問題求解（GPS）的狀態(tài)空間法，能應(yīng)用幾種主要的盲目搜索和啟發(fā)式搜索算法（寬度優(yōu)先、深度優(yōu)先、有代價(jià)的搜索、A算法、A*算法、博弈數(shù)的極大—極小法、α―β剪枝技術(shù)）完成問題求解；并能熟悉幾種重要的不確定推理方法，如確定因子法、主觀Bayes方法、D—S證據(jù)理論等，利用數(shù)值分析中常用方法進(jìn)行正確計(jì)算。通過本課程的學(xué)習(xí)使學(xué)生了解人工智能的提出、幾種智能觀、重要研究領(lǐng)域，掌握人工智能求解方法的特點(diǎn)。陳世福、陳兆乾等編，《人工智能與知識工程》，南大出版社，1997年12月第一版。 智能決策支持系統(tǒng)的基本結(jié)構(gòu)（）掌握智能決策支持系統(tǒng)的基本結(jié)構(gòu)。 專家系統(tǒng)的進(jìn)一步發(fā)展（）了解新一代專家系統(tǒng)。 專家系統(tǒng)的基本結(jié)構(gòu)（）了解用戶界面；理解知識庫、數(shù)據(jù)庫、推理機(jī)、解釋機(jī)構(gòu)、知識獲取機(jī)構(gòu)。 自然語言理解系統(tǒng)的層次模型（）了解語言理解的層次模型。 語法規(guī)則的表示方法（）掌握句子結(jié)構(gòu)的表示，上下文無關(guān)文法，變換文法。 Hopfield網(wǎng)絡(luò)及其學(xué)習(xí)（）了解Hopfield模型的穩(wěn)定性理解Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)； 掌握Hopfield網(wǎng)絡(luò)的學(xué)習(xí)算法。教學(xué)時(shí)數(shù)2學(xué)時(shí) 教學(xué)內(nèi)容 人工神經(jīng)網(wǎng)絡(luò)概述（）了解人工神經(jīng)元及人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程，人工神經(jīng)網(wǎng)絡(luò)的局限性； 理解生物神經(jīng)元及腦神經(jīng)系統(tǒng)的結(jié)構(gòu)及特征。 基于類比的學(xué)習(xí)（）了解屬性類比學(xué)習(xí)、轉(zhuǎn)換類比學(xué)習(xí)； 理解類比學(xué)習(xí)的概念。教學(xué)時(shí)數(shù)4學(xué)時(shí) 教學(xué)內(nèi)容 機(jī)器學(xué)習(xí)的基本概念（）了解機(jī)器學(xué)習(xí)的發(fā)展過程，學(xué)習(xí)系統(tǒng)，機(jī)器學(xué)習(xí)的分類； 理解學(xué)習(xí)和機(jī)器學(xué)習(xí)的概念。 與/或樹的啟發(fā)式搜索（）了解與/或樹的啟發(fā)式搜索過程； 理解解樹的代價(jià)與希望。教學(xué)時(shí)數(shù)6學(xué)時(shí) 教學(xué)內(nèi)容 搜索的基本概念（1學(xué)時(shí)）了解搜索的含義；掌握狀態(tài)空間法，問題歸約。 可能性理論和模糊推理（）掌握模糊知識表示，模糊概念的匹配，模糊推理。 不確定性推理的概率論基礎(chǔ)（）了解全概率公式與Bayes公式；理解樣本空間與隨機(jī)事件，事件的概率。 規(guī)則演繹推理的剪枝策略（）了解剪枝策略的基本思想。 推理的邏輯基礎(chǔ)（1學(xué)時(shí)）掌握謂詞公式的各種特性和置換與合一的過程。 面向?qū)ο蟊硎痉ǎǎ┝私饷嫦驅(qū)ο蟮奶卣鳎焕斫饷嫦驅(qū)ο蟮幕靖拍睿?掌握知識的面向?qū)ο蟊硎尽?語義網(wǎng)絡(luò)表示法（1學(xué)時(shí)）理解語義網(wǎng)絡(luò)的基本概念；會應(yīng)用語義網(wǎng)絡(luò)表示事實(shí)和進(jìn)行推理。