【正文】 對于知識庫最后需要說明的一個問題是學習系統不能在全然沒有任何知識的情況下憑空獲取知識，每一個學習系統都要求具有某些知識理解環(huán)境提供的信息，分析比較，做出假設，檢驗并修改這些假設。(3)容易修改知識庫。這些表示方式各有其特點，在選擇表示方式時要兼顧以下4個方面：(1)表達能力強。知識庫是影響學習系統設計的第二個因素。這要通過執(zhí)行效果加以檢驗。如果向學習系統提供的是雜亂無章的指導執(zhí)行具體動作的具體信息，則學習系統需要在獲得足夠數據之后，刪除不必要的細節(jié)，進行總結推廣，形成指導動作的一般原則，放入知識庫，這樣學習部分的任務就比較繁重，設計起來也較為困難。知識庫里存放的是指導執(zhí)行部分動作的一般原則，但環(huán)境向學習系統提供的信息卻是各種各樣的。影響學習系統設計的最重要的因素是環(huán)境向系統提供的信息。環(huán)境向系統的學習部分提供某些信息，學習部分利用這些信息修改知識庫，以增進系統執(zhí)行部分完成任務的效能，執(zhí)行部分根據知識庫完成任務，同時把獲得的信息反饋給學習部分。這些觀點各有側重，第一種觀點強調學習的外部行為效果，第二種則強調學習的內部過程，而第三種主要是從知識工程的實用性角度出發(fā)的。學習是構造或修改對于所經歷事物的表示。人們曾對機器學習給出各種定義。機器學習 作為最重要最核心的人工智能的發(fā)展領域，機器學習是使計算機具有智能的根本途徑?，F在，在礦物勘測、化學分析、規(guī)劃和醫(yī)學診斷方面,專家系統已經達到了人類專家的水平。專家系統專家系統是目前人工智能研究領域中最活躍、最有成效的一個研究領域。這樣的功能結合起來的結果就是一個功能強大的搜索匹配系統，簡單而又形象地比喻來說就是一個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行分析推理得出具有一般性、準確性和實時性的答案，相當于加強版的“人”。計算機視覺是一門用計算機實現或模擬人類視覺功能的新興學科，其主要研究目標是使計算機具有通過二維圖像認知三維環(huán)境信息的能力，這種能力不僅包括對三維環(huán)境中物體形狀、位置、姿態(tài)、運動等幾何信息的感知，而且還包括對這些信息的描述、存儲、識別與理解。解決這個問題，才能實現電影中“終結者”機器人與人類之間的必要的語言交流這個難題，才能使“終結者”在人群中不容易被發(fā)現，便于執(zhí)行任務。而后者盡管在現在已經取得了些成就，但在發(fā)展過程中依然是一個舉步維艱的難題，主要是因為人類語言的歧義性、多義性、易混淆性、多樣性、語句和語氣意義多變性等等特性在阻礙著自然語言被計算機“理解”。自然語言處理，即實現人機間自然語言通信，或實現自然語言理解和自然語言生成。電影中“終結者”機器人能夠利用臉部識別、文字識別甚至DNA識別來找到終結生命的目標，這一系列識別功能應該就是模式識別的集中高度發(fā)達的體現。這里,我們把環(huán)境與客體統稱為“模式”。從這里我們可以看出，在當今人工智能發(fā)展的領域中跟研制出“終結者”機器人有著最密切的關系的領域應該有模式識別、機器翻譯、自然語言處理、計算機視覺、智能信息檢索技術、專家系統以及最重要的機器學習等領域。由于機器人身體覆蓋這樣一層生化物質，所以其觸感溫熱，甚至可以產生汗類物質，所以單憑體熱掃描儀是不可能看出這種機器人與人類的差別的。生化皮膚是一種活體組織，主要應用于T800系列機器人。在電影《終結者》系列中，“終結者”人型機器人T800系列是一些機器改造人。殺手型機器人的迅猛發(fā)展，令人瞠目結舌?？赡茏罱咏K結者類型的殺手機器人是三星公司的哨兵機器人，現已在韓國投入部署。部署在美國海軍戰(zhàn)艦上的雷神公司“密集陣槍系統”，能夠自動搜尋敵人炮火，并摧毀即將到來的炮彈。目前，美國在研制殺手機器人方面處于技術領先地位，尤其是無人機經常用于攻擊巴基斯坦、也門等地可疑的好戰(zhàn)分子?；舳鞣Q，“藍色牛仔”的智力水平將大致與人腦相當。在超級計算機的領域，在AI技術領域十分活躍的IBM公司，已經為加州勞倫斯利佛摩爾國家實驗室制造了ASCI White電腦，號稱具有人腦的千分之一的智力能力。進入 21世紀以來，人類在人工智能方面由于理論的飛速發(fā)展，因而人工智能技術在具體應用上如魚得水，已經開始滲透到人們的日常生活之中，從衛(wèi)星智能控制，到機器人足球比賽，再到智能家居機器人，等等，都標志著人工智能技術的飛速發(fā)展。因此近十幾年人工智能領域的主流研究集中在用這些方法解決“學習問題“，即利用案例持續(xù)改進對新問題的解答，并名之為“機器學習”。就算是專家能夠總結出所有經驗（很多情況專家自己講不明白自己是怎么得到結論的），一旦面對全新的對象（比如醫(yī)學診斷系統面對一種全新的疾病），機器就不能得到答案而且無法自動從新的案例中學習到新知識。成功的標準即所謂的“圖靈測試”：如果電腦能在5分鐘內回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則電腦通過測試。機器學習是現在人工智能領域的主流研究方法，也是人工智能的核心，是使計算機具有智能的根本途徑。其中“終結者T800”機器人在電影中被塑造成一個有肌肉、血液等人類特性、冷血、為達目的不擇手段的機械戰(zhàn)士，更重要的是，這個機器人擁有與人類相似的智能特征，能使用工具，能了解人類語言，有學習功能也有了解人性的功能。剩下的人類在領袖約翰康納的領導下與電腦英勇作戰(zhàn)，并扭轉了局面。在當今人工智能發(fā)展的領域中跟研制出“終結者”機器人有著最密切的關系的領域應該有模式識別、機器翻譯、自然語言處理、計算機視覺、智能信息檢索技術、專家系統以及最重要的機器學習等領域?！鬃幼x書給人以快樂、給人以光彩、給人以才干?！郀柣?少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光?！懹?讀一本好書，就如同和一個高尚的人在交談——歌德1讀一切好書，就是和許多高尚的人談話。1我撲在書上，就像饑餓的人撲在面包上。——陳壽1書是人類進步的階梯。讀書要三到：心到、眼到、口到玉不琢、不成器，人不學、不知義。黑發(fā)不知勤學早，白首方悔讀書遲。我所學到的任何有價值的知識都是由自學中得來的。書山有路勤為徑，學海無涯苦作舟。然而，人工智能仍有很多尚待解答的問題，需要探索和研究。我們的表示、算法和語言都是一些工具，用來設計和建立那些展現智能行為的機制。小結人工智能是一個年輕而充滿希望的研究領域，其宗旨是尋找一種有效的方式把智能問題求解、規(guī)劃和通信技巧應用在更廣泛的實際問題中。人工神經網絡具有很強的自學習能力，主要擅長處理復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，同時人工神經網絡還具有大規(guī)模并行處理和分布的信息存儲能力。5 人工神經網絡人工神經網絡，常被簡稱為神經網絡或類神經網絡。4 專家系統專家系統是根據某領域中一個或多個專家提供的知識或經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題的智能軟件，它是一個具有大量的專門知識與經驗的程序系統。目前計算機模式識別系統的研究熱點主要為三維景物、活動目標的識別和分析方面。依然是人工智能技術今后研究的重要方向。今后機器學習的研究主要是研究人腦思維的過程、人類學習的機理等。機器學習是機器獲取知識的根本途徑，也是機器智能的重要標志。2 機器學習人工智能研究的核心課題之一就是機器學習。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；另一種問題的求解程序，是把各種數學公式符號匯編在一起。五，人工智能未來發(fā)展趨勢科學技術是第一生產力，但技術的發(fā)展往往是遠遠超越我們的想象。在附件中提供了程序代碼。 階段：生成過程，通過頂層表示(醒時學得的概念)和向下權重，生成底人工智能：用科學解密生命與智慧層的狀態(tài)，同時修改層間向上的權重。注意調優(yōu)(FINETUNING)過程是一個判別模型調優(yōu)過程(FineTuning)：生成模型使用 Contrastive WakeSleep 算法進行調優(yōu)，其算法過程是： RBM，其他層 RBM 的權重被分成向上的認知權重和向下的生成權重； 階段：認知過程，通過外界的特征和向上的權重(認知權重)產生每一層的抽象表示(結點狀態(tài))，并且使用梯度下降修改層間的下行權重(生成權重)。 被訓練好后如下圖：圖2 訓練好的深度信念網絡。DBN 是由多層 RBM 組成的一個神經網絡，它既可以被看作一個生成模型，也可以當作判別模型，其訓練過程是：使用非監(jiān)督貪婪逐層方法去預訓練獲得權值。較低的其他層之間有連接上下的有向連接。因此隱元也有個別名，叫特征檢測器(feature detectors)。DBN 由多層神經元構成，這些神經元又分為顯性神經元和隱性神經元（以下簡稱顯元和隱元）。它是一種生成模型，通過訓練其神經元間的權重，我們可以讓整個神經網絡按照最大概率來生成訓練數據。目前這方面工作有神經網絡與模糊邏輯、專家系統、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據理論和灰色系統等的融合。其中，具有分布存儲、并行處理、自學習、自組織以及非線性映射等優(yōu)點的神經網絡與其他技術的結合以及由此而來的混合方法和混合系統，已經成為一大研究熱點。光電結合的神經計算機為人工神經網絡的發(fā)展提供了良好條件。將信息幾何應用于人工神經網絡的研究，為人工神經網絡的理論研究開辟了新的途徑。人工神經網絡與其它傳統方法相結合，將推動人工智能和信息處理技術不斷發(fā)展。神經網絡的這種途徑對我們理解智能起了極大的作用。同人和其他動物一樣，神經網絡是適應世界的一種機制：經過訓練的神經網絡結果是通過學識形成的。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現數據的分布式特征表示。[6] 深度學習的概念源于人工神經網絡的研究。這涉及到腦科學、認知科學，神經生物學、非線性科學、計算機科學、數學、物理學諸學科的綜合集成。l 音樂人工智能：用科學解密生命與智慧技術常會影晌音樂的進步，科學家想用人工智能技術盡量趕上音樂家的活動；現正集中在研究作曲，演奏，音樂理論，聲音加工等。l 玩具和游戲1990年企圖用基本人工智能大量為教育和消遣生產民用產品。l 運輸汽車的變速箱已使用模糊邏輯控制器。l 顧客服務人工智能是自動上線的好助手，可減少操作，使用的主要是自然語言加工系統。它們常做對人是危險的工作。這樣系統幫助掃描數據圖像，從計算X光斷層圖發(fā)現疾病，典型應用是發(fā)現腫塊、心臟聲音分析。人工神經網絡用來做臨床診斷決策支持系統。金融機構已長久用人工神經網絡系統去發(fā)覺變化或規(guī)范外的要求，銀行使用協助顧客服務系統；幫助核對帳目，發(fā)行信用卡和恢復密碼等。[3] l 金融銀行用人工智能系統組織運作，金融投資和管理財產。它們的許多發(fā)明已人工智能：用科學解密生命與智慧被主流計算機科學采用，而不認為是AI的一部份。機器人和機器人學的研究對人工智能思想的發(fā)展都起到了促進作用。人工智能應用之機器人學機器人對我們并不陌生，已在多個領域獲得了越來越普遍的應用，諸如農業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。專家系統是人工智能技術中研究最活躍，最有成效的一個領域。人工智能應用之專家系統我們常說的專家系統就是指從人類專家那里獲取的知識，并用來解決只有專家才能解決的疑難問題。傳統檢索系統已經滿不足了對如今如此數量巨大以及種類繁多的文獻檢索要求。計算機模式識別的主要特點是速度快，準確率高，效率高，計算機模式識別也為人類認識自身智能提供了有利幫助。[3] 4 人工智能應用之模式的識別如何使機器具有感知能力也是智能的表現。[2] 3 人工智能應用之自然語言的處理智能的另一表現就是進行自然語言的交流，自然語言處理就是讓機器與人類進行人工智能：用科學解密生命與智慧無阻礙的溝通，這正是人工智能技術應用于實際領域的典型范例。有關定理的證明就是讓機器證明非數值性的真假。目前，人工智能技術已經可以通過計算機程序解決了如何考慮要解決的問題，并能尋求較為準確的解決方案。更為重要的是，理解人類智能本身就是一個吸引人的、有待研究的科學挑戰(zhàn)。但是，人工智能中一部分主要的研究著偏重于研究對人類智能的理解。另一方面，有人提出圖靈測試沒有必要把機器智能強行套入人類智能的模具之中。其中一個重要的質疑時它偏向于純粹的符號求解任務。[35]。2014年6月8日，一臺計算機成功讓人類相信它是一個13歲的男孩，成為有史以來首臺通過圖靈測試的計算機。1952年，在一場BBC廣播中，圖靈談到了一個新的具體想法：讓計算機來冒充人。論文中還回答了對這一假說的各種常見質疑。由于注意到“智能”這一概念難以確切定義，他提出了著名的圖靈測試：如果一臺機器能夠與人類展開對話（通過電傳設備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。在《語言，真理與邏輯》中，艾爾建議有意識的人類及無意識的機器之間的區(qū)別。[1] 1936年，哲學家阿爾弗雷德盡管19世紀的科學還不足以使人認識到理解和創(chuàng)造一個完全智能主體的意義，但它至少加深了這樣的認識：生命和智慧的奧秘可以被納入到科學分析中。雪萊告訴我們，諸如達爾文的進化論和發(fā)現電流這樣的科學進步已經使普通民眾相信：自然法則并非奧妙無窮，而是可以被系統分析和理解的。難道生命不是這樣形成的嗎？或許死尸還可能復活；流電電流實驗已經讓我們看到了這樣的跡象：生命體的組成部分可以被制造、組合并注入活力（Butler 1998）。其中有一次，他們討論了各種哲學學說，以及有關生命原理的問題，并且談到這些原理有否可能曾被發(fā)現和討論過。人工智能：用科學解密生命與智慧2，機器智能不等同于人類智能瑪麗實際上，人工智能提供了一種獨特而強大的工具來精確探索這些問題。例如：用語言理解的馬爾可夫模型，提供新數學理論的自動推理系統，通過大腦皮層網跟蹤信號的動態(tài)貝葉斯網絡，以及基因表達的數據模式的可視化，等等。這樣實現一般智能就是塑造特定智能的人工制品。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。AI是計算機科學的一部分，因而必須建立在堅實的理論知識之上并應用于計算機科學領域。對人工智能的一個熱門分支——神經計算進行了著重介紹，人工神經網絡通過模擬人腦的學習機制，將人工智能的重點從符號表示可靠的推理策略問題轉化到學習和適應的問題，描述了其在字符識別問題上的實際應用。首先介紹了人工智能的理論基礎以其與人