【正文】 不確定性推理 7學(xué)時 狀態(tài)空間搜索 6學(xué)時 機器學(xué)習(xí) 4學(xué)時 自然語言理解 4學(xué)時 課堂討論 4學(xué)時 成績構(gòu)成： 平時成績（寫一篇綜述性論文） 30分 期末考試 70分。 隨后，在 1960年，又研制了通用問題求解程序，該程序當時可以解決 11種不同類型的問題：如不定積分、三角函數(shù)、代數(shù)方程、猴子與香蕉、河內(nèi)梵塔、人羊過河等。在 1972年，費根鮑姆在繼化學(xué)專家系統(tǒng) DENDRAL之后， 又領(lǐng)導(dǎo)他的研究小組開始研究 MYCIN專家系統(tǒng)，并于 1976年研制成功。 定義 3（能力） ：人工智能（能力）是智能機器所執(zhí)行的通常與人類智能有關(guān)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。 依靠算法，可以保證得到需要的解或最佳解，但須事先掌握把前提和結(jié)論聯(lián)系起來的全部先驗信息，在實際求解問題時，運用算法受到如下限制： (1)、不是所有問題都能找到算法來求解 。今天的計算機程序可以下錦標賽水平的各種方盤棋、五子棋、國際象棋等。四色定理的證明曾轟動計算機世界。 知識發(fā)現(xiàn)和數(shù)據(jù)挖掘是在數(shù)據(jù)庫的基礎(chǔ)上實現(xiàn)的一種知識發(fā)現(xiàn)系統(tǒng)。它主要研究在邏輯或物理上分散的智能系統(tǒng)之間相互協(xié)調(diào)各自的智能行為，實現(xiàn)問題的并行求解。低層視覺主要執(zhí)行預(yù)處理功能，如邊緣檢測、動目標檢測、紋理分析、通過陰影獲得形狀、立體造型、曲面色彩等。智能決策支持系統(tǒng)由數(shù)據(jù)庫、模型庫、方法庫、人機接口及知識庫五部分所組成。 分布式人工智能目前有兩個主要研究方向： ? 分布式問題求解： 主要任務(wù)是要創(chuàng)建一個可以對某一問題進行共同求解的協(xié)作群體； ? 多智能主體系統(tǒng)： 主要任務(wù)是要創(chuàng)建一個多智能主體之間能夠相互協(xié)調(diào)智能行為的、可以共同處理單個目標和多個目標的智能群體。這種做法一般比堅持要求第一個解就完全沒有缺陷的做法有效得多。 (b)蘭利（ )研制的物理（重新）發(fā)現(xiàn)系統(tǒng) BACON， 它能根據(jù)已有的事實，用 83條產(chǎn)生式規(guī)則重新發(fā)現(xiàn)許多著名的物理定律，如理想氣體定律，行星運動定律以及歐姆定律等。 1986年，中國蔡自興提出把人工智能、控制論、信息論和運籌學(xué)結(jié)合起來的思想。目前已研制出多種類型用于機械裝配、集成電路壓焊、水泥電柱的裝配、假肢及人工手等方面的智能機器人。對神經(jīng)網(wǎng)絡(luò)模型、算法、理論分析和硬件實現(xiàn)的大量研究，為神經(jīng)網(wǎng)絡(luò)計算機走向應(yīng)用提供了物質(zhì)基礎(chǔ)。 模式識別就是研究如何使機器具有感知能力的一個研究領(lǐng)域，其中主要研究對視覺模式、聽覺模式的識別。一個熟練的數(shù)學(xué)家運用他的判斷力能夠精確地推測出哪些前已證明的定理在當前的證明中有用。 軟件路線 開發(fā)和運用各種智能軟件及工具 (啟發(fā)性程序、知識工程、智能算法等 )，這將是人工智能發(fā)展的必由之路。在運用計算機方法求解智能問題時，特別在編制智能軟件時，又有二種方法： (1)、數(shù)學(xué)方法 依靠建立數(shù)學(xué)模型并利用算法來求解問題。 通常，我們認為智能是在客觀世界中解決實際問題的能力，而具備這種能力至少需要以下幾個方面的知識： ? 關(guān)于客觀世界中的諸多背景知識，包括歷史資料和現(xiàn)實狀況； ? 能對所掌握的知識進行分析、選擇、歸納和總結(jié)的知識； ? 解決問題所需的策略和預(yù)測的知識； ? 問題本身所包含的專門知識。很多預(yù)言未能得以實現(xiàn)。 其次， 在 1969年召開了第一屆國際人工智能聯(lián)合會議（每兩年舉行一次）； 各種學(xué)術(shù)團體成立： 美國人工智能學(xué)會（ AAAI）、英國的 AISB， 意大利的 GLIA、 加拿大計算機智能研究會（ CSCSI）、 西德的 KI和中國 AI學(xué)會（ CAAI） 等； 專門的人工智能雜志和文集： 《人工智能》雜志創(chuàng)刊， 《 IJCAI會議錄》、《 Machine Intelligence》（ 英國）、《 Artificial Intelligence》（ 日本）、《計算機智能研究學(xué)會文集》（加拿大）和《 Congnitive Science》（ 美國）； 學(xué)術(shù)會議： 國際自動控制協(xié)會、國際工業(yè)機器人協(xié)會、國際信息處理聯(lián)合會和國際模式識別會議等； 學(xué)術(shù)期刊： ACM、 AFIPS、 IEEE等。 二、形成期（ 1956年 ~1970年） 首先， 在 1956年在美國舉行了長達 2個月的研討會，討論了機器模擬人類智能的問題。該語言不僅可以處理數(shù)值，而且可以方便地處理符號，作為建造智能系統(tǒng)的重要工具在人工智能領(lǐng)域中得到廣泛的應(yīng)用； 1961年，明斯基發(fā)表了“走向人工智能的步驟”的論文，推動了人工智能的發(fā)展； (4)、其他方面 1965年，魯賓遜（ )提出了歸結(jié)（消解）原理。 1977年，在第五屆國際人工智能聯(lián)合會上正式提出了知識工程的概念。上述三個層次是相互關(guān)聯(lián)的，原理在理論基礎(chǔ)上建立，技術(shù)是原理的工程應(yīng)用。 依靠啟發(fā)，只須事先掌握把前提和結(jié)論聯(lián)系起來的部分先驗信息，一般求解問題比較簡捷，在求解復(fù)雜問題時，可以更好地表現(xiàn)出人類智慧的特征。 早期的邏輯演繹與問題的求解相當密切。 所謂專家系統(tǒng)，就是一種以知識為基礎(chǔ)的計算機軟件系統(tǒng)。是眾多學(xué)科研究的綜合成果。對關(guān)系數(shù)據(jù)庫研究所取得的進展，無疑為人工智能程序設(shè)計提供了新的有效工具。 人工智能的發(fā)展促進了自動控制向智能控制發(fā)展。學(xué)習(xí)方法主要有： (1).機械式學(xué)習(xí)（ Rote Learning） 專家完成全部轉(zhuǎn)換工作，系統(tǒng)只負責(zé)存儲。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。他們根據(jù)理論上的最佳方法計算