【正文】 發(fā)和應(yīng)用，人工智能進(jìn)入一個(gè)興盛時(shí)期，人工智能界一派樂觀情緒。費(fèi)根鮑姆認(rèn)為，知識(shí)工程是研究知識(shí)信息處理的學(xué)科，它應(yīng)用人工智能的原理和方法，對(duì)那些需要專家知識(shí)才能解決的應(yīng)用難題提供了求解的途徑。PROSPECTOR系統(tǒng)于1981年開始投入實(shí)際使用，取得了巨大的經(jīng)濟(jì)效益。（2）繼DENDARAL系統(tǒng)之后，費(fèi)根鮑姆領(lǐng)導(dǎo)的研究小組又研制了診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)MYCIN。如從英語(yǔ)→俄語(yǔ)→英語(yǔ)的翻譯中，又一句話：“The spirit is willing but the flesh is weak”(心有余而力不足)，結(jié)果變成了”The wine is good but the meat is spoiled”(酒是好的，肉變質(zhì)了)，鬧出了笑話。（5）1961年，明斯基發(fā)表了一篇名為《邁向人工智能的步驟》的論文，對(duì)當(dāng)時(shí)人工智能的研究起了推動(dòng)作用。這是人工智能的一個(gè)重大突破。這次會(huì)議之后，在美國(guó)很快形成了3個(gè)從事人工智能研究的中心，即以西蒙和紐威爾為首的卡內(nèi)基—梅隆大學(xué)研究組，以麥卡錫、明斯基為首的麻省理工學(xué)院研究組，以塞繆爾為首的IBM公司研究組?！?jiǎng)⑾?學(xué)而不思則惘，思而不學(xué)則殆。一日無(wú)書，百事荒廢。讀書的好處行萬(wàn)里路，讀萬(wàn)卷書。心得體會(huì) 通過(guò)老師對(duì)人工智能的講解，我對(duì)人工智能有了一些簡(jiǎn)單的感性的認(rèn)識(shí)，我知道了人工智能從誕生，發(fā)展到今天經(jīng)歷一個(gè)漫長(zhǎng)的過(guò)程，許多人為此做出了不懈的努力。目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，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。從而開創(chuàng)了我國(guó)指紋自動(dòng)識(shí)別系統(tǒng)應(yīng)用的先河。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”, 隨著計(jì)算機(jī)技術(shù)的發(fā)展，人類有可能研究復(fù)雜的信息處理過(guò)程。人工智能已深入到社會(huì)生活的各個(gè)領(lǐng)域。并且，1969 年成立了國(guó)際人工智能聯(lián)合會(huì)議（International Joint Conferences onArtificial Intelligence 即IJCAI）。英國(guó)的哲學(xué)家、自然科學(xué)家Bacon（培根）（15611626），系統(tǒng)地給出了歸納法。人工智能有兩種實(shí)現(xiàn)方式，第一種叫做工程學(xué)方法（Engineering approach），是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。這涉及到其它諸如意識(shí)、自我、思維等等問題。人工智能幾乎涉及到是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實(shí)踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個(gè)應(yīng)用分支。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。它主要模擬眼神、擴(kuò)展人的智能。而一旦出錯(cuò)，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個(gè)新的版本或提供一個(gè)新補(bǔ)丁, 非常麻煩。但由于消解法推理能力的有限，以及機(jī)器翻譯等的失敗，使人工智能走入了低谷。第五階段: 90 年代，人工智能出現(xiàn)新的研究高潮由于網(wǎng)絡(luò)技術(shù)特別是國(guó)際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式,函數(shù),集合等。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購(gòu)買機(jī)票、在餐館對(duì)話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國(guó)際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。根據(jù)專家系統(tǒng)處理的問題的類型，把專家系統(tǒng)分為解釋型、診斷型、調(diào)試型、維修型、教育型、預(yù)測(cè)型、規(guī)劃型、設(shè)計(jì)型和控制型等1 0 種類型。今天，已經(jīng)有很多人工智能研究的成果進(jìn)入人們的日常生活，一些面向蘋果機(jī)和IBM兼容機(jī)的應(yīng)用軟件例如語(yǔ)音和文字識(shí)別已可買到。目前，國(guó)內(nèi)的機(jī)器翻譯軟件有很多，富有代表性意義的當(dāng)屬“金山詞霸”，它可以迅速的查詢英文單詞和詞組句子翻譯，重要的是它還可以提供發(fā)音功能，為用戶提供了極大的方便。黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！懹?讀一本好書，就如同和一個(gè)高尚的人在交談——歌德1讀一切好書，就是和許多高尚的人談話。從此，人工智能這門新興的學(xué)科誕生了。該程序具有自學(xué)習(xí)和自適應(yīng)能力，能在下棋過(guò)程中不斷積累所獲得的經(jīng)驗(yàn)，并能根據(jù)對(duì)方的走步，從許多可能的步數(shù)中選出一個(gè)較好的走法。根據(jù)記憶中的公理、定理和解題規(guī)劃、按計(jì)劃實(shí)施解題過(guò)程；，不斷進(jìn)行方法和目標(biāo)分析，修改計(jì)劃。這些問題主要表現(xiàn)在：（1）1965年魯賓遜發(fā)明了歸結(jié)（消解）原理，曾被認(rèn)為是一個(gè)重大的突破，可是很快這種歸結(jié)法能力有限，證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)，推證了十萬(wàn)步竟還沒有得證。特別是專家系統(tǒng)的出現(xiàn)，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)律探索走向?qū)ｉT知識(shí)應(yīng)用的重大突破，是人工智能發(fā)展史上的重大轉(zhuǎn)折，將人工智能的研究推向了新高潮。正是由于MYCIN基本解決了知識(shí)表示、知識(shí)獲取、搜索策略、不精確推理以及專家系統(tǒng)的基本結(jié)構(gòu)等重大問題（是怎樣解決的呢？），對(duì)以后的專家系統(tǒng)產(chǎn)生了很大的影響。例如70年代許多新方法被用于AI開發(fā), Marr提出了機(jī)器視覺方面的新理論,例如,如何通過(guò)一副圖像的陰影,形狀,顏色,可以推斷出圖像可能是什么，法國(guó)馬賽大學(xué)的柯爾麥倫和他領(lǐng)導(dǎo)的研究小組于1972年研制成功的第一個(gè)PROLOG系統(tǒng)，成為了繼LISP語(yǔ)言之后的另一種重要的人工智能程序語(yǔ)言；明斯基1974年提出的框架理論；紹特里夫于1975年提出并在MYCIN中應(yīng)用的不精確推理；杜達(dá)于1976年提出并在PROSPECTOR中應(yīng)用的貝葉斯方法；等等人工智能的科學(xué)家們從各種不同類型的專家系統(tǒng)和知識(shí)處理系統(tǒng)中抽取共性，總結(jié)出一般原理與技術(shù)，使人工智能又從實(shí)際應(yīng)用逐漸回到一般研究。它的目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那樣快。另一個(gè)問題是擴(kuò)展（Scaling up）問題，即所謂的大規(guī)模的問題，傳統(tǒng)人工智能方法只適合于建造領(lǐng)域狹窄的專家系統(tǒng)，不能把這種方法簡(jiǎn)單的推廣到規(guī)模更大、領(lǐng)域更寬的復(fù)雜系統(tǒng)中去。20世紀(jì)80年代末，以美國(guó)麻省理工學(xué)院布魯克斯（）教授為代表的行為主義學(xué)派提出了“無(wú)須表示和推理”的智能，認(rèn)為智能只在與環(huán)境的交互中表現(xiàn)出來(lái)，并認(rèn)為研制可適應(yīng)環(huán)境的“機(jī)器蟲”比空想智能機(jī)器人要好。書山有路勤為徑，學(xué)海無(wú)涯苦作舟?！悏?書是人類進(jìn)步的階梯?！鬃幼x書給人以快樂、給人以光彩、給人以才干。并對(duì)其進(jìn)行了優(yōu)缺點(diǎn)分析及簡(jiǎn)單對(duì)比。例如知道1543年哥白尼學(xué)說(shuō)問世之前，人們一直都以為地球是宇宙的核心；再有：人們都知道一個(gè)關(guān)于“瞎子摸象”的故事，它通俗地說(shuō)明了完整的只是形式是一個(gè)復(fù)雜的智能過(guò)程。再如：家有一頭秀發(fā)，一時(shí)兩鬢如霜。對(duì)知識(shí)進(jìn)行表示的過(guò)程，實(shí)質(zhì)上就是把相關(guān)只是映射（或稱為變換：Transformation；或稱為映像：Mapping；或稱為編碼：Coded）為該數(shù)據(jù)結(jié)構(gòu)的過(guò)程。知識(shí)的謂詞邏輯表示符合人的思維習(xí)慣，可讀性好，邏輯關(guān)系表達(dá)簡(jiǎn)便。這些優(yōu)良特性使得謂詞邏輯最早用于人工智能機(jī)器定理證明，并獲得了成功。（2）不確定知識(shí)的表示：產(chǎn)生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不確定推理中，當(dāng)已知事實(shí)與前提P不能精確匹配時(shí)，只要按照“置信度”的要求達(dá)到一定的相似度，就認(rèn)為已知事實(shí)與前提條件相匹配，再按照一定的算法將這種可能性（不確定性）傳遞到結(jié)論Q。由于規(guī)則一致性彼此之間不能調(diào)用。（2）節(jié)點(diǎn)(Node)：也稱為結(jié)點(diǎn)。雖然語(yǔ)義網(wǎng)絡(luò)知識(shí)表示和推理具有較大的靈活性和多樣性，但是沒有公認(rèn)嚴(yán)密的形式表達(dá)體系，卻不可避免地帶來(lái)了非一致性和程序設(shè)計(jì)與處理上的復(fù)雜性，這也是語(yǔ)義網(wǎng)絡(luò)知識(shí)表示尚待深入研究解決的一個(gè)課題。在每個(gè)槽里都指定了一些說(shuō)明性的信息，表明了相關(guān)槽的值的填寫要有某些限制。（4）框架方法表示的知識(shí)橫向關(guān)系不太明確。[3].劉曉霞。書山有路勤為徑，學(xué)海無(wú)涯苦作舟?！悏?書是人類進(jìn)步的階梯?！鬃幼x書給人以快樂、給人以光彩、給人以才干。該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能：用科學(xué)解密生命與智慧2，機(jī)器智能不等同于人類智能瑪麗盡管19世紀(jì)的科學(xué)還不足以使人認(rèn)識(shí)到理解和創(chuàng)造一個(gè)完全智能主體的意義，但它至少加深了這樣的認(rèn)識(shí)：生命和智慧的奧秘可以被納入到科學(xué)分析中。論文中還回答了對(duì)這一假說(shuō)的各種常見質(zhì)疑。其中一個(gè)重要的質(zhì)疑時(shí)它偏向于純粹的符號(hào)求解任務(wù)。目前，人工智能技術(shù)已經(jīng)可以通過(guò)計(jì)算機(jī)程序解決了如何考慮要解決的問題，并能尋求較為準(zhǔn)確的解決方案。計(jì)算機(jī)模式識(shí)別的主要特點(diǎn)是速度快，準(zhǔn)確率高，效率高，計(jì)算機(jī)模式識(shí)別也為人類認(rèn)識(shí)自身智能提供了有利幫助。人工智能應(yīng)用之機(jī)器人學(xué)機(jī)器人對(duì)我們并不陌生，已在多個(gè)領(lǐng)域獲得了越來(lái)越普遍的應(yīng)用，諸如農(nóng)業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。金融機(jī)構(gòu)已長(zhǎng)久用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)去發(fā)覺變化或規(guī)范外的要求，銀行使用協(xié)助顧客服務(wù)系統(tǒng)；幫助核對(duì)帳目，發(fā)行信用卡和恢復(fù)密碼等。l 顧客服務(wù)人工智能是自動(dòng)上線的好助手，可減少操作，使用的主要是自然語(yǔ)言加工系統(tǒng)。這涉及到腦科學(xué)、認(rèn)知科學(xué)，神經(jīng)生物學(xué)、非線性科學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)諸學(xué)科的綜合集成。神經(jīng)網(wǎng)絡(luò)的這種途徑對(duì)我們理解智能起了極大的作用。其中，具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織以及非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合以及由此而來(lái)的混合方法和混合系統(tǒng)，已經(jīng)成為一大研究熱點(diǎn)。因此隱元也有個(gè)別名，叫特征檢測(cè)器(feature detectors)。注意調(diào)優(yōu)(FINETUNING)過(guò)程是一個(gè)判別模型調(diào)優(yōu)過(guò)程(FineTuning)：生成模型使用 Contrastive WakeSleep 算法進(jìn)行調(diào)優(yōu)，其算法過(guò)程是： RBM，其他層 RBM 的權(quán)重被分成向上的認(rèn)知權(quán)重和向下的生成權(quán)重； 階段：認(rèn)知過(guò)程，通過(guò)外界的特征和向上的權(quán)重(認(rèn)知權(quán)重)產(chǎn)生每一層的抽象表示(結(jié)點(diǎn)狀態(tài))，并且使用梯度下降修改層間的下行權(quán)重(生成權(quán)重)。正在逐漸發(fā)展成為搜索和問題歸約這類人工智能的基本技術(shù)；另一種問題的求解程序，是把各種數(shù)學(xué)公式符號(hào)匯編在一起。依然是人工智能技術(shù)今后研究的重要方向。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，主要擅長(zhǎng)處理復(fù)雜的多維的非線性問題，不但可以解決定量的問題，還可以解決定性的問題，同時(shí)人工神經(jīng)網(wǎng)絡(luò)還具有大規(guī)模并行處理和分布的信息存儲(chǔ)能力。書山有路勤為徑，學(xué)海無(wú)涯苦作舟。——陳壽1書是人類進(jìn)步的階梯?！鬃幼x書給人以快樂、給人以光彩、給人以才干。機(jī)器學(xué)習(xí)是現(xiàn)在人工智能領(lǐng)域的主流研究方法，也是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑。進(jìn)入 21世紀(jì)以來(lái)，人類在人工智能方面由于理論的飛速發(fā)展，因而人工智能技術(shù)在具體應(yīng)用上如魚得水，已經(jīng)開始滲透到人們的日常生活之中，從衛(wèi)星智能控制，到機(jī)器人足球比賽，再到智能家居機(jī)器人，等等，都標(biāo)志著人工智能技術(shù)的飛速發(fā)展。部署在美國(guó)海軍戰(zhàn)艦上的雷神公司“密集陣槍系統(tǒng)”，能夠自動(dòng)搜尋敵人炮火，并摧毀即將到來(lái)的炮彈。生化皮膚是一種活體組織，主要應(yīng)用于T800系列機(jī)器人。電影中“終結(jié)者”機(jī)器人能夠利用臉部識(shí)別、文字識(shí)別甚至DNA識(shí)別來(lái)找到終結(jié)生命的目標(biāo)，這一系列識(shí)別功能應(yīng)該就是模式識(shí)別的集中高度發(fā)達(dá)的體現(xiàn)。計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科，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，這種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。機(jī)器學(xué)習(xí) 作為最重要最核心的人工智能的發(fā)展領(lǐng)域，機(jī)器學(xué)習(xí)是使計(jì)算機(jī)具有智能的根本途徑。環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識(shí)庫(kù)，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識(shí)庫(kù)完成任務(wù)，同時(shí)把獲得的信息反饋給學(xué)習(xí)部分。這要通過(guò)執(zhí)行效果加以檢驗(yàn)。對(duì)于知識(shí)庫(kù)最后需要說(shuō)明的一個(gè)問題是學(xué)習(xí)系統(tǒng)不能在全然沒有任何知識(shí)的情況下憑空獲取知識(shí)，每一個(gè)學(xué)習(xí)系統(tǒng)都要求具有某些知識(shí)理解環(huán)境提供的信息，分析比較，做出假設(shè)，檢驗(yàn)并修改這些假設(shè)。知識(shí)庫(kù)是影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的第二個(gè)因素。影響學(xué)習(xí)系統(tǒng)設(shè)計(jì)的最重要的因素是環(huán)境向系統(tǒng)提供的信息。人們?cè)鴮?duì)機(jī)器學(xué)習(xí)給出各種定義。這樣的功能結(jié)合起來(lái)的結(jié)果就是一個(gè)功能強(qiáng)大的搜索匹配系統(tǒng)，簡(jiǎn)單而又形象地比喻來(lái)說(shuō)就是一個(gè)大腦擁有類似谷歌之類搜索引擎的人，能夠利用獲取到的外界的信息進(jìn)行分析推理得出具有一般性、準(zhǔn)確性和實(shí)時(shí)性的答案，相當(dāng)于加強(qiáng)版的“人”。自然語(yǔ)言處理，即實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信，或?qū)崿F(xiàn)自然語(yǔ)言理解和自然語(yǔ)言生成。由于機(jī)器人身體覆蓋這樣一層生化物質(zhì)，所以其觸感溫?zé)?，甚至可以產(chǎn)生汗類物質(zhì)，所以單憑體熱掃描儀是不可能看出這種機(jī)器人與人類的差別的。可能最接近終結(jié)者類型的殺手機(jī)器人是三星公司的哨兵機(jī)器人，現(xiàn)已在韓國(guó)投入部署。在超級(jí)計(jì)算機(jī)的領(lǐng)域，在AI技術(shù)領(lǐng)域十分活躍的IBM公司，已經(jīng)為加州勞倫斯利佛摩爾國(guó)家實(shí)驗(yàn)室制造了ASCI White電腦，號(hào)稱具有人腦的千分之一的智力能力。成功的標(biāo)準(zhǔn)即所謂的“圖靈測(cè)試”：如果電腦能在5分鐘內(nèi)回答由人類測(cè)試者提出的一系列問題，且其超過(guò)30%的回答讓測(cè)試者誤認(rèn)為是人類所答，則電腦通過(guò)測(cè)試。在當(dāng)今人工智能發(fā)展的領(lǐng)域中跟研制出“終結(jié)者”機(jī)器人有著最密切的關(guān)系的領(lǐng)域應(yīng)該有模式識(shí)別、機(jī)器翻譯、自然語(yǔ)言處理、計(jì)算機(jī)視覺、智能信息檢索技術(shù)、專家系統(tǒng)以及最重要的機(jī)器學(xué)習(xí)等領(lǐng)域。1我撲在書上，就像饑餓的人撲在面包上。我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來(lái)的。小結(jié)人工智能是一個(gè)年輕而充滿希望的研究領(lǐng)域，其宗旨是尋找一種有效的方式把智能問題求解、規(guī)劃和通信技巧應(yīng)用在更廣泛的實(shí)際問題中。目前計(jì)算機(jī)模式識(shí)別系統(tǒng)的研究熱點(diǎn)主要為三維景物、活動(dòng)目標(biāo)的識(shí)別和分析方面。2 機(jī)器學(xué)習(xí)人工智能研究的核心課題之一就是機(jī)器學(xué)習(xí)。 階段：生成過(guò)程，通過(guò)頂層表示(醒時(shí)學(xué)得的概念)和向下權(quán)重，生成底人工智能：用科學(xué)解密生命與智慧層的狀態(tài)，同時(shí)修改層間向上的權(quán)重。較低的其他層之間有連接上下的有向連接。目前這方面工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合，將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。[6] 深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。l