人工情感的發(fā)展歷程與最終歸宿(編輯修改稿)
2025-08-31 13:22 本頁面
【文章內(nèi)容簡介】 予知識和才能的計算機程序，從而使這種程序所起到的作用達到專家的水平”，這種“專家水平”意味著醫(yī)學教授作出診斷和治療的水平，高級工程師從事工程技術研究和開發(fā)的水平，特級教師在課堂上傳授知識的水平。專家系統(tǒng)的客觀目的就是要在機器智能與人類智慧集大成者──專家的知識經(jīng)驗之間建造一座橋梁，它是人類專家可以信賴的高水平智力助手。人類專家的知識通常包括書本知識和實踐經(jīng)驗兩大類，前者可能是專家在學校讀書求學時所獲，也可能是從雜志和書籍中自學而來，然而，僅僅掌握了書本知識的學者還不配稱為專家，專家最為寶貴的知識是他憑借多年的實踐積累的經(jīng)驗，這是他頭腦中最具魅力的知識瑰寶?！ ≠M根鮑姆研制的第一個專家系統(tǒng)DENDRAL是化學領域的“專家”。在輸入化學分子式和質(zhì)譜圖等信息后，它能通過分析推理決定有機化合物的分子結構，其分析能力已經(jīng)接近、甚至超過了有關化學專家的水平。該專家系統(tǒng)為AI的發(fā)展樹立了典范，其意義遠遠超出了系統(tǒng)本身在實用上創(chuàng)造的價值。在費根鮑姆發(fā)表演講后，專家系統(tǒng)如同雨后春筍迅速遍及世界各地。此外，在極其廣泛的領域，人工智能研究者構建了不計其數(shù)的“電腦專家”，如數(shù)學專家MACSYMA，農(nóng)業(yè)專家PLANT，生物專家MOLGEN，地質(zhì)探礦專家PROSPECTOR，教育專家GUIDON，法律專家LDS，軍事專家ACES、ADEPT、ANALYST等系統(tǒng)。 人如果要靈活地分析問題和處理問題，并且適用于復雜多變的應用場合，就必須不斷地吸收新知識和新信息，總結經(jīng)驗與教訓，變更計劃與步驟，這就需要不斷地進行學習，在人工智能中，“學習”具有重要的意義。顯然，專家系統(tǒng)已經(jīng)開始具備了“學習”的功能，專家系統(tǒng)的“學習”過程就是知識的自動積累過程。在數(shù)學推理系統(tǒng)中，“學習”過程就是根據(jù)一些簡單的概念推理形成較復雜的概念，并作出數(shù)學猜想等，根據(jù)一些簡單的公理推理形成較復雜的公理，并作出理論假說等；在問題判斷與求解中，“學習”過程就是根據(jù)執(zhí)行情況修改計劃。此階段的專家系統(tǒng)主要是以大規(guī)模集成電路方式來實施的。五、模式識別階段模式識別是近30年來得到迅速發(fā)展的人工智能分支學科。但是，對于什么是“模式”，或者什么是機器（也包括人）能夠辨認的模式，迄今尚無確切的定義。電腦模式識別技術最初起源于圖象識別的需要，比如協(xié)助警方根據(jù)照片從茫茫人海里搜尋某個罪犯，或者幫助醫(yī)生把顯微鏡下觀察的細菌形態(tài)進行分類，確認它是球菌、桿菌還是弧菌。嚴格地說，模式識別又不是簡單的分類學，它的目標包括對于識別對象的描述、理解與綜合。 在1973年召開的模式識別第一次國際學術會議基礎上，成立了國際模式識別協(xié)會（IAPP）。一位專家曾經(jīng)指出：“模式識別是本世紀雄心最大的學科，需要電腦科學家、數(shù)學家、生物學家、心理學家、哲學家和社會學家的通力合作?！比绻皇请娔X，而是人腦接受到視覺器官（如眼睛和視網(wǎng)膜）傳遞來的信息，它究竟是怎樣識別和區(qū)分大千世界的萬物呢？一種可能的解決方案是：圖象上的每一點都用一個神經(jīng)細胞與之對應并逐一判別，最后綜合為整體，但是，既使只描述圖象局部的大致輪廓，神經(jīng)元的數(shù)目仍不敷使用；另一種可能的方案更符合實際：大腦感知的不是圖象上所有的點，而是其輪廓中最典型的特征，如線段、角度、弧度、反差、顏色等等，把它們從圖象中抽取出來，然后結合頭腦中過去的記憶和有關經(jīng)驗和知識分析判斷，即“特征抽取”，它是電腦圖象識別的基礎。人類相互之間交流思想，除“讀寫”之外的重要途徑是“聽說”，電腦語音識別理所當然被列為與圖象識別同等重要的人工智能技術，它包括用口令控制電腦的動作、或者根據(jù)口述聲音錄入文字、設計出“會聽話”的電腦等內(nèi)容。語音識別的基礎技術也是模式識別，通常每個人說話的音色和音調(diào)都有一定的差異，發(fā)聲頻率各不相同，人腦對語音似乎有一種自適應的能力，既能
黨政相關相關推薦
鄂ICP備17016276號-1