【文章內(nèi)容簡(jiǎn)介】 思維 , 便于實(shí)現(xiàn)人腦的低級(jí)感知功能 , 例如圖像、 聲音信息的識(shí)別和處理。 　 　 生理模擬和神經(jīng)計(jì)算的方法早在 20世紀(jì) 40年代就已出現(xiàn) , 但由于種種原因而發(fā)展緩慢 , 甚至一度出現(xiàn)低潮 , 直到 80年代中期才重新崛起 , 現(xiàn)已成為人工智能研究中不可或缺的重要途徑與方法。 　 　 采用生理模擬和神經(jīng)計(jì)算方法的人工智能研究 , 被稱為生理學(xué)派、 連接主義。　 　 還有一種基于 “ 感知 行為 ” 模型的研究途徑和方法 ,稱其為行為模擬法。這種方法是用模擬人和動(dòng)物在與環(huán)境的交互、 控制過程中的智能活動(dòng)和行為特性 , 如反應(yīng)、適應(yīng)、學(xué)習(xí)、 尋優(yōu)等 , 來研究和實(shí)現(xiàn)人工智能。 基于這一方法研究人工智能的典型代表要算 MIT的 , 他研制的六足行走機(jī)器人 (亦稱為人造昆蟲或機(jī)器蟲 ), 曾引起人工智能界的轟動(dòng)。 這個(gè)機(jī)器蟲可以看做是新一代的 “ 控制論動(dòng)物 ”, 它具有一定的適應(yīng)能力 , 是一個(gè)運(yùn)用行為模擬即控制進(jìn)化方法研究人工智能的代表作。 行為模擬 , 控制進(jìn)化玩具機(jī)器人（廣州中鳴數(shù)碼 ）沙漠機(jī)器人　 　 基于行為模擬方法的人工智能研究 , 被稱為行為主義、 進(jìn)化主義、控制論學(xué)派。行為主義曾強(qiáng)烈地批評(píng)傳統(tǒng)的人工智能 (主要指符號(hào)主義 , 也涉及連接主義 )對(duì)真實(shí)世界的客觀事物和復(fù)雜境遇 , 作了虛假的、過分簡(jiǎn)化的抽象。沿著這一途徑 , 人們研制具有自學(xué)習(xí)、自適應(yīng)、自組織特性的智能控制系統(tǒng)和智能機(jī)器人 , 進(jìn)一步展開了人工生命 (AL)的研究。 群體模擬 , 仿生計(jì)算 　 　 “ 群體模擬 , 仿生計(jì)算 ” 就是模擬生物群落的群體智能行為 , 從而實(shí)現(xiàn)人工智能。例如 ,模擬生物種群有性繁殖和自然選擇現(xiàn)象而出現(xiàn)的遺傳算法 , 進(jìn)而發(fā)展為進(jìn)化計(jì)算 。 模擬人體免疫細(xì)胞群而出現(xiàn)的免疫計(jì)算、 免疫克隆計(jì)算及人工免疫系統(tǒng) 。 模擬螞蟻群體覓食活動(dòng)過程的蟻群算法 。 模擬鳥群飛翔的粒群算法和模擬魚群活動(dòng)的魚群算法等等。這些算法在解決組合優(yōu)化等問題中表現(xiàn)出卓越的性能。而對(duì)這些群體智慧的模擬是通過一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來實(shí)現(xiàn)的 , 統(tǒng)稱其為仿生計(jì)算。 　 　 仿生計(jì)算的特點(diǎn)是 ,其成果可以直接付諸應(yīng)用 , 解決工程問題和實(shí)際問題。 博采廣鑒 , 自然計(jì)算 　 　 人工智能的這些研究途徑和方法的出現(xiàn)并非偶然。 因?yàn)橹两袢藗儗?duì)智能的科學(xué)原理還未完全弄清楚 , 所以在這種情況下研究和實(shí)現(xiàn)人工智能的一個(gè)自然的思路就是模擬自然智能。 　 　 自然計(jì)算就是模仿或借鑒自然界的某種機(jī)理而設(shè)計(jì)計(jì)算模型 , 這類計(jì)算模型通常是一類具有 自適應(yīng)、自組織、自學(xué)習(xí)、自尋優(yōu)能力 的算法。 如神經(jīng)計(jì)算、進(jìn)化計(jì)算、免疫計(jì)算、生態(tài)計(jì)算、 量子計(jì)算、分子計(jì)算、 DNA計(jì)算和復(fù)雜自適應(yīng)系統(tǒng)等都屬于自然計(jì)算。 自然計(jì)算能夠解決傳統(tǒng)計(jì)算方法難于解決的各種復(fù)雜問題 ,在大規(guī)模復(fù)雜系統(tǒng)的最優(yōu)化設(shè)計(jì)、優(yōu)化控制、網(wǎng)絡(luò)安全、創(chuàng)造性設(shè)計(jì)等領(lǐng)域具有很好的應(yīng)用前景。 原理分析 , 數(shù)學(xué)建模 　 　 “ 原理分析 , 數(shù)學(xué)建模 ” 就是通過對(duì)智能本質(zhì)和原理的分析 , 直接采用某種數(shù)學(xué)方法來建立智能行為模型。 例如 ,人們用概率統(tǒng)計(jì)原理 (特別是貝葉斯定理 )處理不確定性信息和知識(shí) , 建立了統(tǒng)計(jì)模式識(shí)別、統(tǒng)計(jì)機(jī)器學(xué)習(xí)和不確定性推理的一系列原理和方法。又如 , 人們用數(shù)學(xué)中的距離、空間、函數(shù)、變換等概念和方法 , 開發(fā)了幾何分類、支持向量機(jī)等模式識(shí)別和機(jī)器學(xué)習(xí)的原理和方法。  人工智能的基本技術(shù) 　 　 盡管人工智能可分為符號(hào)智能和計(jì)算智能 , 但二者仍有許多共同或相似之處 , 其中最顯著的相似之處是 : 　　 (1) 二者都涉及表示和運(yùn)算。 　　 (2) 二者都是通過搜索進(jìn)行問題求解的。  人工智能的應(yīng)用 難題求解 　 　 主要指那些沒有算法解 ,或雖有算法解但在現(xiàn)有機(jī)器上無法實(shí)施或無法完成的困難問題 ,例如智力性問題中的梵塔問題、 n皇后問題、旅行商問題、博弈問題等等 ,就是這樣的難題?！?研究智力難題的求解則具有雙重意義 : 一方面 , 可以找到解決這些難題的途徑 。 另一方面 , 由解決這些難題而發(fā)展起來的一些技術(shù)和方法可用于人工智能的其他領(lǐng)域。 自動(dòng)規(guī)劃、 調(diào)度與配置  規(guī)劃、調(diào)度與配置問題是實(shí)用性、 工程性最強(qiáng)的一類問題。p 規(guī)劃一般指設(shè)計(jì)制定一個(gè)行動(dòng)序列 , 例如機(jī)器人行動(dòng)規(guī)劃、交通路線規(guī)劃。p 調(diào)度就是一種任務(wù)分派或者安排 , 例如車輛調(diào)度、電力調(diào)度、資源分配、任務(wù)分配。p 配置則是設(shè)計(jì)合理的部件組合結(jié)構(gòu) ,即空間布局 , 例如資源配置、 系統(tǒng)配置、設(shè)備或設(shè)施配置。  機(jī)器定理證明  機(jī)器定理證明也是人工智能的一個(gè)重要的研究課題。定理證明是最典型的邏輯推理問題 , 它在發(fā)展人工智能方法上起過重大作用。 自動(dòng)程序設(shè)計(jì)  自動(dòng)程序設(shè)計(jì)就是讓計(jì)算機(jī)設(shè)計(jì)程序。具體來講 ,就是人只要給出關(guān)于某程序要求的非常高級(jí)的描述 ,計(jì)算機(jī)就會(huì)自動(dòng)生成一個(gè)能完成這個(gè)要求目標(biāo)的具體程序。 相當(dāng)于給機(jī)器配置了一個(gè) “ 超級(jí)編譯系統(tǒng) ”, 它能夠?qū)Ω呒?jí)描述進(jìn)行處理 , 通過規(guī)劃過程 , 生成所需的程序。 自動(dòng)程序設(shè)計(jì)還包括程序自動(dòng)驗(yàn)證 , 即自動(dòng)證明所設(shè)計(jì)程序的正確性。這樣 , 自動(dòng)程序設(shè)計(jì)也是人工智能和軟件工程相結(jié)合的研究課題。 機(jī)器翻譯  機(jī)器翻譯就是完全用計(jì)算機(jī)作為兩種語(yǔ)言之間的翻譯。 機(jī)器翻譯由來已久 ,早在電子計(jì)算機(jī)問世不久 , 就有人提出了機(jī)器翻譯的設(shè)想 , 隨后就開始了這方面的研究。 機(jī)器翻譯并非想像的那么簡(jiǎn)單 ,單純地依靠 “ 查字典 ” 的方法不可能解決翻譯問題 ,只有在對(duì)語(yǔ)義理解的基礎(chǔ)上 ,才能做到真正的翻譯 , 所以機(jī)器翻譯的真正實(shí)現(xiàn) , 還要靠自然語(yǔ)言理解方面的突破。 機(jī)器翻譯等的失?。?“Time flies like an arrow”翻譯成日語(yǔ)，再譯回來 ： “蒼蠅喜歡箭 ” “The spirit is willing but the flesh is weak”譯成俄語(yǔ)，再譯回來 ：“The wine is good but the meat is spoiled” 智能控制  智能控制就是把人工智能技術(shù)引入控制領(lǐng)域 , 建立智能控制系統(tǒng)。智能控制具有兩個(gè)顯著的特點(diǎn) : 第一 , 智能控制是同時(shí)具有知識(shí)表示的非數(shù)學(xué)廣義世界模型和傳統(tǒng)數(shù)學(xué)模型混合表示的控制過程 , 也往往是含有復(fù)雜性、不完全性、模糊性或不確定性以及不存在已知算法的過程 , 并以知識(shí)進(jìn)行推理 , 以啟發(fā)來引導(dǎo)求解過程 。 第二 , 智能控制的核心在高層控制 , 即組織級(jí)控制 , 其任務(wù)在于對(duì)實(shí)際環(huán)境或過程進(jìn)行組織 , 即決策與規(guī)劃 , 以實(shí)現(xiàn)廣義問題求解。 　　智能控制的開發(fā) , 目前認(rèn)為有以下途徑 :  —— 基于專家系統(tǒng)的專家智能控制。  —— 基于模糊推理和計(jì)算的模糊控制。  —— 基于人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)控制。  —— 綜合以上三種方法的綜合型智能控制。 智能管理 　 　 智能管理就是把人工智能技術(shù)引入管理領(lǐng)域 , 建立智能管理系統(tǒng)。 智能管理是現(xiàn)代管理科學(xué)技術(shù)發(fā)展的新動(dòng)向。 智能管理是人工智能與管理科學(xué)、系統(tǒng)工程、計(jì)算機(jī)技術(shù)及通信技術(shù)等多學(xué)科、多技術(shù)互相結(jié)合、互相滲透而產(chǎn)生的一門新技術(shù)、新學(xué)科。它研究如何提高計(jì)算機(jī)管理系統(tǒng)的智能水平 , 以及智能管理系統(tǒng)的設(shè)計(jì)理論、方法與實(shí)現(xiàn)技術(shù)。 　 　 智能管理系統(tǒng)是在管理信息系統(tǒng)、辦公自動(dòng)化系統(tǒng)、決策支持系統(tǒng)的功能集成和技術(shù)集成的基礎(chǔ)上 , 應(yīng)用人工智能專家系統(tǒng)、知識(shí)工程、模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)等方法和技術(shù) , 進(jìn)行智能化、集成化、協(xié)調(diào)化 , 設(shè)計(jì)和實(shí)現(xiàn)的新一代的計(jì)算機(jī)管理系統(tǒng)。 智能決策  智能決策就是把人工智能技術(shù)引入決策過程 ,建立智能決策支持系統(tǒng)。 智能決策支持系統(tǒng)是在 20世紀(jì) 80年代初提出來的。它是決策支持系統(tǒng)與人工智能 , 特別是專家系統(tǒng)相結(jié)合的產(chǎn)物。它既充分發(fā)揮了傳統(tǒng)決策支持系統(tǒng)中數(shù)值分析的優(yōu)勢(shì) ,也充分發(fā)揮了專家系統(tǒng)中知識(shí)及知識(shí)處理的特長(zhǎng) , 既可以進(jìn)行定量分析 , 又可以進(jìn)行定性分析 , 能有效地解決半結(jié)構(gòu)化和非結(jié)構(gòu)化的問題 , 從而擴(kuò)大了決策支持系統(tǒng)的范圍 , 提高了決策支持系統(tǒng)的能力。 智能通信  智能通信就是把人工智能技術(shù)引入通信領(lǐng)域 , 建立智能通信系統(tǒng)。智能通信就是在通信系統(tǒng)的各個(gè)層次和環(huán)節(jié)上實(shí)現(xiàn)智能化。例如在通信網(wǎng)的構(gòu)建、 網(wǎng)管與網(wǎng)控、轉(zhuǎn)接、信息傳輸與轉(zhuǎn)換等環(huán)節(jié) , 都可實(shí)現(xiàn)智能化。這樣 ,網(wǎng)絡(luò)就可運(yùn)行在最佳狀態(tài) , 使呆板的網(wǎng)變成活化