【正文】 等問題。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。人工智能是計算機科學(xué)的一個分支，是研究使計算機來完成能表現(xiàn)出人類智能的任務(wù)的學(xué)科。智能是一種能夠認(rèn)識客觀事物和運用知識解決問題的綜合能力。概括而言，人工智能是研究如何讓計算機做現(xiàn)階段只有人才能做好的事情。一般認(rèn)為，人工智能的思想萌芽可以追溯到德國著名數(shù)學(xué)家和哲學(xué)家萊布尼茨(Leibnitz，16461716)提出的通用語言設(shè)想。它 將收集到的房間溫度與希望的溫度比較，并做出反應(yīng)將加熱器開大或關(guān)小，從而控制環(huán)境溫度。專家系統(tǒng)的市場應(yīng)用很廣。　　　　但80年代對AI工業(yè)來說也不全是好年景。這個項目目的是研制一種能完成許多戰(zhàn)地任務(wù)的機器人。新的技術(shù)在日本被開發(fā)出來，如在美國首創(chuàng)的模糊邏輯，它可以從不確定的條件作出決策。 人工智能技術(shù)接受檢驗 在沙漠風(fēng)暴行動中軍方的智能設(shè)備經(jīng)受了戰(zhàn)爭的檢驗。一些面向蘋果機和IBM兼容機的應(yīng)用 軟件例如語音和文字識別已可買到。 研究的現(xiàn)狀為了將人工智能的理論研究成果應(yīng)用于實際，人們發(fā)明了多種方法。 演繹、推理和解決問題早期的人工智能研究人員直接模仿人類進行逐步的推理，就像是玩棋盤游戲或進行邏輯推理時人類的思考模式。人類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識的，一步一步的推導(dǎo)，早期人工智能研究通常使用逐步推導(dǎo)的方式。有些人認(rèn)為為了達(dá)成以上目標(biāo)，可能需要擬人化的特性，如人工意識或人工大腦。 規(guī)劃智能Agent必須能夠制定目標(biāo)和實現(xiàn)這些目標(biāo)。如果不符合，它必須改變它的計劃。計算機視覺能夠分析影像輸入。此外，為了良好的人機互動，智慧代理人也需要表現(xiàn)出情緒來。 相關(guān)領(lǐng)域研究的包括了人工知覺和人工想象。計算機棋類博弈基本屬于完全信息的動態(tài)博弈。再利用自身在時間和空間上的強大能力，進行巧妙的搜索，從而找到可行解及近優(yōu)解，亦即給出當(dāng)前的著法。顯而易見，搜索算法的設(shè)計和編寫過程處處體現(xiàn)著人工智能的思想。 專家系統(tǒng)專家系統(tǒng)是一種具有大量專門知識和經(jīng)驗的智能程序系統(tǒng)，它能運用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗和專門知識，模擬領(lǐng)域?qū)＜业乃季S過程，解決該領(lǐng)域中需要專家才能解決的復(fù)雜問題。知識獲取機為用戶建立的一個知識自動輸入的確定方法。人們?yōu)榱苏莆湛陀^事物，按事物相似的程度組成類別。實現(xiàn)是指用所涉及的分類器對待識別的樣本進行分類決策。所以，模式識別在某種意義上和人工智能中的“學(xué)習(xí)”“概念形成”相近。 自然語言自然語言理解一直是智能領(lǐng)域研究的重要課題之一，因為自然語言本身具有獨特的魅力，其一，如果計算機能夠理解自然語言，那么人機交互將變得前所未有的暢通，那將是對計算機技術(shù)的重大突破，其二，創(chuàng)造和使用自然語言是人類幾千年智慧的結(jié)晶，研究自然語言更有助于解開人工智能的奧秘。處理的算法設(shè)計就是將數(shù)學(xué)形式化描述的語言變換為計算機可操作、控制的對象。根據(jù)學(xué)習(xí)模式、學(xué)習(xí)方法以及 算法的不同，機器學(xué)習(xí)存在不同的分類方法。目前，國內(nèi)的機器翻譯軟件不下百 種，根據(jù)這些軟件的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類 和專業(yè)翻 譯類。語音交互過程包括四部分：語音采集、語音識 別、語義理解和語音合成。目前，計算機視覺已在人類社會的許多領(lǐng)域得到成功應(yīng)用。識別過程采用與注 冊過程一致的信息采集方式對待識別人進行信息采集、數(shù)據(jù)預(yù)處理和特征提取， 然后將提取的特征與存儲的特征進行比對分析，完成識別。下面將對指紋識 別、人臉識別、虹膜識別、指靜脈識別、聲紋識別以及步態(tài)識別等技術(shù)進行介紹。這主要表現(xiàn)在以下兩個方面的問題：其一是組合爆炸問題,狀態(tài)空間法是人工智能中基本的形式化方法。而對于多人對弈、隨機性的博弈這類問題,至少目前計算機還是難以模擬實現(xiàn)的。同樣一個句子在不同的場合使用,其含義的差異是司空見慣的。目前的NLU系統(tǒng)幾乎不能隨著時間的增長而增強理解力,系統(tǒng)的理解大都局限于表層上,沒有深層的推敲,沒有學(xué)習(xí),沒有記憶,更沒有歸納。歸結(jié)原理雖然簡單易行,但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的。不管是用一階謂詞邏輯進行定理證明的歸結(jié)原理,還是求解人工智能問題的通用方法GPS,都可以從中分析出表達(dá)能力的局限性,而這種局限性使得它們縮小了其自身的應(yīng)用范圍。一直以來自動推理都是人工智能研究的最熱門內(nèi)容之一,其中知識系統(tǒng)的動態(tài)演化特征及可行性推理的研究是最新的熱點,很有可能取得大的突破 語言運用自然語言處理是AI技術(shù)應(yīng)用于實際領(lǐng)域的典型范例,經(jīng)過A I研究人員的艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。從近年的人工智能發(fā)展來看,這方面的研究已取得了可喜的進展。 人工智能的未來與挑戰(zhàn)人工智能研究的主要目標(biāo),就是希望用現(xiàn)代科學(xué)技術(shù)的手段來擴展人類智能系統(tǒng)的能力[3 ] ,那么人工智能未來的發(fā)展方向有哪些更值得關(guān)注的呢? 本文從四方面進行了闡述:人工智能技術(shù)與生物技術(shù)、電子技術(shù)結(jié)合研究生物電子體,與腦科學(xué)、信息處理技術(shù)結(jié)合研究大腦信息處理模型,與網(wǎng)絡(luò)技術(shù)、軟件技術(shù)結(jié)合研究網(wǎng)絡(luò)智能軟件,與通訊技術(shù)、控制技術(shù)結(jié)合研究家庭機器人 生物電子生物電子體是生物細(xì)胞與電腦微芯片有效協(xié)作的共存體,可以實現(xiàn)部分或全部生物的智能,既研究把模擬生物體的電腦微芯片植入生物體,與生物體形成協(xié)作共存體,又研究從生物體中提取出細(xì)胞組織與模擬生物體的微芯片接合為協(xié)作共存體。此外,研究生物腦的基本功能構(gòu)建人工腦,進而實現(xiàn)人工智能是一個長期而復(fù)雜的課題,生物腦的許多功能對人類仍是一個十分深奧的謎。2002 年“人工大腦之父”雨果在比利時研制了能讓機器人擁有數(shù)百個行為能力的人工大腦。美國杰夫?霍金斯認(rèn)為真正認(rèn)識人類大腦是開發(fā)智能機器的必由之路。無論人、動物還是燈都是一處熱源,機器人無法分辨。網(wǎng)絡(luò)智能軟件技術(shù)是網(wǎng)絡(luò)技術(shù)、人工智能技術(shù)、軟件工程技術(shù)的結(jié)合。Shoham深入研究了面向Agent 的編程方法,簡稱AOP ,他認(rèn)為AOP是對OOP 方法的延伸和擴展。而在現(xiàn)實世界中生存、工作的智能主體,要面對的是一個不斷變化的環(huán)境。 20 / 20