人工智能在计算机网络技术中的运用

人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 2 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 摘要摘要 人工智能是研究使机器具备人所具有的智能功能的一门高新技术 学科 其目的是模拟 延伸和扩展人的智能 以实现某些脑力劳动 的自动化 实质化 它是开拓计算机应用 研制新一代计算机和扩 展计算机应用领域的技术基础 也是探索人脑奥秘的重要科学途径 人工智能 原子能技术 空间技术 被称为 20 世纪的三大尖端科技 进入 21 世纪后 人工智能仍是适应信息时代需求的关键技术之一 自上世纪五十年代以来 经过了几个阶段的不断探索和发展 人工 智能在模式识别 知识工程 机器人等领域已经取得重大成就 但 是离真正意义上的的人类智能还相差甚远 但是进入新世纪以来 随着信息技术的快速进步 与人工智能相关的技术水平也得到了相 应的提高 尤其是随着因特网的普及和应用 对人工智能的需求 变得越来越迫切 也给人工智能的研究提供了新的更加广泛的舞台 定义定义 人工智能 Artificial Intelligence 英文缩写为 AI 它是 研究 开发用于模拟 延伸和扩展人的智能的理论 方法 技术及 应用系统的一门新的技术科学 人工智能是计算机科学的一个分支 它企图了解智能的实质 并生产出一种新的能以人类智能相似的方 3 式做出反应的智能机器 该领域的研究包括机器人 语言识别 图 像识别 自然语言处理和专家系统等 人工智能是计算机学科的一个分支 二十世纪七十年代以来被 称为世界三大尖端技术之一 空间技术 能源技术 人工智能 也 被认为是二十一世纪 基因工程 纳米科学 人工智能 三大尖端 技术之一 这是因为近三十年来它获得了迅速的发展 在很多学科 领域都获得了广泛应用 并取得了丰硕的成果 人工智能已逐步成 为一个独立的分支 无论在理论和实践上都已自成一个系统 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智 能下了这样一个定义 人工智能是关于知识的学科 怎样表示 知识以及怎样获得知识并使用知识的科学 而另一个美国麻省理工 学院的温斯顿教授认为 人工智能就是研究如何使计算机去做过 去只有人才能做的智能工作 这些说法反映了人工智能学科的基本 思想和基本内容 即人工智能是研究人类智能活动的规律 构造具 有一定智能的人工系统 研究如何让计算机去完成以往需要人的智 力才能胜任的工作 也就是研究如何应用计算机的软硬件来模拟人 类某些智能行为的基本理论 方法和技术 AIAI 的开端的开端 一般认为 人工智能的思想萌芽可以追溯到德国著名数学家和 哲学家莱布尼茨 Leibnitz 1646 1716 提出的 通用语言 设想 这 一设想的要点是 建立一种通用的符号语言 用这个语言中的符号 表达 思想内容 用符号之间的形式关系表达 思想内容 之间的 4 逻辑关系 于是 在 通用语言 中可以实现 思维的机械化 这 一设想可以看成是对人工智能的最早描述 计算机科学的创始人图灵被认为是 人工智能之父 他着重研 究了一台计算机应满足怎样的条件才能称为是 有智能的 1950 年他提出了著名的 图灵实验 让一个人和一台计算机分别处于 两个房间里 与外界的联系仅仅通过键盘和打印机 由人类裁判员 向房间里的人和计算机提问 比如 你是机器还是人 或 你是 男人还是女人 等等 并通过人和计算机的回答来判断哪个房间 里是人 哪个房间里是计算机 图灵认为 如果 中等程度 的裁 判员不能正确地区分 则这样的计算机可以称为是有智能的 图灵 实验 是关于智能标准的一个明确定义 有趣的是 尽管后来有些 计算机已经通过了图灵实验 但人们并不承认这些计算机是有智能 的 这反映出人们对智能标准的认识更深入 对人 工智能的要求 更高了 5 几乎在图灵上述工作的同时 冯 诺依曼从生物学角度研究了 人工智能 从生物学的观点看 智能是进化的结果 而进化的基本 条件之一是 繁殖 为此 冯 诺依曼构造了 自再生自动机 这是一种有 繁殖 能力的数学模型 冯 诺依曼的分析表明 自再生自动机的内容结构对于 繁殖 是充分的和必要的 他进而 推测 这种结构必定存在于活的细胞之中 五年之后 克里克和沃 森关于 DNA 结构的重大发现完全证实了冯 诺依曼的猜测 自再生 自动机的几个功能模块均有生物学上的对应物 其中 模块 A 对应 于核糖体 B 对应于 RND 酶和 DNA 聚合酶 D 对应于 RNA 和 DNA E 对应于阻遏控制分子和抗阻遏控制分子等 冯 诺依曼的工作为后 来人工智能中的一条研究路线 人工生命 提供了重要的基础 图灵和冯 诺依曼的上述工作 以及麦克考洛和匹茨对神经元 网的数学模型的研究 构成了人工智能的初创阶段 这其实也是人 工智能学习的开始 6 1956 年夏天举行的达德茅斯研讨会 被认为是人工智能作为一 门独立学科正式诞生的标志 这次研讨会聚集了来自数学 信息科 学 心理学 神经生理学和计算机科学等不同领域的领导者 包括 Minsky Rochester Simon Solonio 和 Mccarthy 等 其中 Miusky Mccarthy Newell 和 Simon 后来被认为是美国人工智能界 的 四大领袖 与会者从不同角度搜索了使机器具有智能的途径和 方式 并决定用 人工智能 Artificial Intelligence 一词来概 括这一新的研究方向 达德茅斯研讨会开创了人工智能的第一个发 展时期 在这个时期里 研究者们展开了一系列开创性工作 并取 得了引人注目的成果 会后不久 Newell Shaw 和 Simon 完成了一个自动证明数学定 理的计算机程序 Logic Theorist 此前 Martin 和 Davis 曾编制了 一个算术定理的证明程序 但未发表 证明了 数学原理 第二章 中的 38 条定理 由此开创了人工智能中 自动定理证明 这一分支 1958 年 美籍逻辑学家王浩在自动定理证明中取得的重要进展 他的程序在 IBM 704 计算机上用不到 5 分钟的时间证明了 数学原 理 中 命题演算 的全部 220 条定理 1959 年 王浩的改进程序 用 8 4 分钟证明了上述 220 条定理及谓词演算的绝大部分定理 1983 年 美国数学学会将自动定理证明的第一个 里程碑奖 授予王浩 以表彰他的杰出贡献 自动定理证明的 里程碑奖 每 7 25 年评选一次 由此可见其份量 受王浩工作的鼓舞 自动定理 证明的研究形成一股热潮 比如 Slagle 的符号积分程序 SAINT 经 测试已达到了大学生的积分演算水准 而 Mosis 的 SIN 程序的效率比 SAINT 提高了约三倍 被认为达到了专家水平 自动定理证明的理论价值和应用范围并不局限于数学领域 事 实上 很多问题可以转化为定理证明问题 或者与定理证明有关 可以认为 自动定理证明的核心问题是自动推理 而推理在人的智 能行为中起普遍性的重要作用 基于这一看法 在自动定理证明的 基础上进一步研究通用问题求解 是一个值得探索的课题 从 1957 年开始 Newell Shaw 和 Simon 等人着手研究不依赖于具体领域的 通用解题程序 称之为 GPS 它是在 Logic Theorist 的基础上发展 起来的 虽然后来的实践表明 GPS 作为一个独立的求解程序 其 能力是有限的 但在 GPS 中发展起来的技术对人工智能的发展有重 要意义 人工智能早期研究给人的深刻印象是博羿 1956 年 Samnel 研 制了一个西洋跳棋程序 该程序 天生 下跳棋水平很低 远远不 是 Samuel 的对手 但它有学习能力 能从棋谱中学习 也能在实践 中总结提高 经过三年的 学习 该程序与 1959 年打败了 Samuel 又 经过三年 打败了美国一个州的冠军 值得注意的是 虽然下棋至 多只能算是一项体育运动 下棋的程序似乎只是一种游戏程序 但 Samuel 工作的意义十分重大 它同时刺激了 搜索 和 机器学习 这两个人工智能重要领域的发展 8 与自动定理证明的研究意义不限于数学一样 搜索的研究意义 也不限于博弈 根据认知心理学的信息处理学派的观点 人类思维 过程的很大一部分可以抽象为从问题的初始状态经中间状态到达终 止状态的过程 因此可以转化为一个搜索问题 由机器自动地完成 例如 规划 问题 设想一台机器人被要求完成一项复杂任务 该 任务包含很多不同的子任务 其中某些子任务只有在另一些子任务 完成之后才能进行 这时 机器人需要事先 设想 一个可行的行 动方案 使得依照该方案采取行动可以顺利完成任务 规划 即找 出一个可行的行动案 可以通过以其子任务为状态 以其子任务间 依赖关系为直接后继关系的状态空间中的搜索来实现 人工智能的早期研究还包括自然语言理解 计算机视觉和机器 人等等 通过大量研究发现 仅仅依靠自动推理的搜索等通用问题 求解手段是远远不够的 Newell 和 Simon 等人的认知心理学研究表 明 各个领域的专家之所以在其专业领域内表现出非凡的能力 主 要是因为专家拥有丰富的专门知识 领域知识和经验 70 年代中期 Feigenbaum 提出知识工程概念 标志着人工智能进入第二个发展时 期 知识工程强调知识在问题求解中的作用 相应地 研究内容也 划分为三个方面 知识获取 知识表示和知识利用 知识获取研究 怎样有效地获得专家知识 知识表示研究怎样将专家知识表示成在 计算机内易于存储 易于使用的形式 知识利用研究怎样利用已得 到恰当表示的专家知识去解决具体领域内的问题 知识工程的主要 技术手段是在早期成果的基础上发展起来的 特别是知识利用 主 9 要依靠自动推理和搜索的技术成果 在知识表示方面 除使用早期 工作中出现的逻辑表示法和过程表示法之外 还发展了在联想记忆 和自然语言理解研究中提出的语义网表示法 进而引入了框架表示 法 概念依赖和脚本表示法以及产生式表示法等等各种不同方法 与早期研究不同 知识工程强调实际应用 主要的应用成果是各种 专家系统 专家系统的核心部件包括 a 表达包括专家知识和其他知识的知识库 b 利用知识解决问题的推理机 大型专家系统的开发周期往往长达 10 余年 其主要原因在于知识获 取 领域专家虽然能够很好地解决问题 却往往说不清自己是怎么 解决的 使用了哪些知识 这使得负责收集专家知识的知识工程师 很难有效地完成知识获取任务 知识获取 机器学习研究的深入发展 已经得到较多研究的 机器学习方法包括 归纳学习 类比学习 解释学习 强化学习和 进化学习等等 机器学习的研究目标是 让机器从自己或 别人 的问题求解经验中获取相关的知识和技能 从而提高解决问题的能 力 80 年代以来 随着计算机网络的普及 特别是 Internet 的出 现 各种计算机技术包括人工智能技术的广泛应用推动着人机关系 的重大变化 据日美等国未来学家的预测 人机关系正在迅速地从 以人为纽带 的传统模式向 以机为纽带 的新模式转变人机关 系的这一转变将引起社会生产方式和生活方式的巨大变化 同时也 10 向人工智能乃至整个信息技术提出了新的课题 这促使人工智能进 入第三个发展时期 在这个新的发展时期中 人工智能面临一系列新的应用需求 代生产是一种社会化大生产 来自不同专业的工作者在不同或相同 的时间 地点从事着同一任务的不同子任务 这要求计算机不仅为 每一项子任务提供辅助和支持 更需要为子任务之间的协调提供辅 助和支持 由于各个子任务在很大程度上可以独立地进行 子任务 之间的关系必然呈现出动态变化和难以预测的特点 于是 子任务 之间的协调 即对分布协同工作的支持 向人工智能乃至整个信息 技术以及基础理论提出了巨大的挑战 其次 网络化推进了信息化 使原本分散孤立的数据库形成一 个互连的整体 即一个共同的信息空间 尽管现有的浏览器和搜索 引擎为用户在网上查找信息提供了必要的帮助 这种帮助是远远不 够的 以至于 信息过载 与 信息迷失 状况日益严重 更强大 的智能型信息服务工具已成为广大用户的迫切需要 另一方面 信 息空间对人类的价值不仅在于单独的信息条目 比如某厂家生产出 了某一新产品的信息 还远在于一大类信息中隐藏着的普遍性知识 比如某个行业供求关系的变化趋势 于是 数据中的知识发现也 成为一项迫切的研究课题 机器人始终是现代工业的迫切需求 随 着机器人技术的发展 研究重点已经转向能在动态 不可预测环境 中独立工作的自主机器人 以及能与其他机器人 包括人 协作的 机器人 显然 这种机器人之间的合作可以看成是物理世界中的分 11 布式协同工作 因而包括相同的理论和技术问题 由此可见 人工智能第三发展时期的突出特点是研究能够在动 态 不可预测环境中自主 协调工作的计算机系统 这种系统被称 为 Agent 目前 正围绕着 Agent 的理论 Agent 的体系结构和 Agent 语言三个方面展开研究 并已产生一系列重要的新思想 新 理论 新方法和新技术 在这一研究中 人工智能呈现一种与软件 工程 分布式计算以及通讯技术相互融合的趋势 Agent 研究的应 用不限于生产和工作 还深入到人们的学习和娱乐等各个方面 例 如 Agent 与虚拟现实相结合而产生的虚拟训练系统 可以使学生 在不实际操纵飞机的情况下学飞行的基本技能 类似地 也可使顾 客 享受 实战的 滋味 我国也先后成立中国人工智能学会 中国计算机学会人工智能 和模式识别专业委员会和中国自动化学会模式识别与机器智能专业 委员会等学术团体 开展这方面的学术交流 此外国家还着手兴建 了若干个与人工智能研究有关的国家重点实验室 这些都将促进我 国人工智能的研究 为这一学科的发展作出贡献 综观人工智能学习的发展历程 可以看出它始终遵循的基本思路 首先是强调人类智能的人工实现而不是单纯的模拟 以便尽可能地 为人类的实际需要服务 其次是强调多学科的交叉结合 数学 信 息科学 生物学 心理学 生理学 生态学以及非线性科学等等越 来越多的新生学科被融入到人工智能学习的研究之中 12 实际应用实际应用 机器视觉 指纹识别 人脸识别 视网膜识别 虹膜识 别 掌纹识别 专家系统 智能搜索 定理证明 博弈 自动程序设 计 还有航天应用等 学科范畴学科范畴 人工智能是一门边沿学科 属于自然科学和社会科学的 交叉 涉及学科涉及学科 哲学和认知科学 数学 神经生理学 心理学 计算机 科学 信息论 控制论 不定性论 仿生学 研究范畴研究范畴 自然语言处理 知识表现 智能搜索 推理 规划 机 器学习 知识获取 组合调度问题 感知问题 模式识别 逻辑程 序设计 软计算 不精确和不确定的管理 人工生命 神经网络 复杂系统 遗传算法 人类思维方式 应用领域应用领域 智能控制 机器人学 语言和图像理解 遗传编程 机 器人工厂 安全问题安全问题 目前人工智能还在研究中 但有学者认为让计算机拥有 智商是很危险的 它可能会反抗人类 这种隐患也在多部电影中发 生过 发展历程发展历程 人工智能的发展也并不是一帆风顺的 人工智能的研究经历 了以下几个阶段 孕育阶段 古希腊的 Aristotle 亚里士多德 前 384 322 给出了形式逻辑的基本规律 英国的哲学家 自然科学家 Bacon 培根 1561 1626 系统地给出了归纳法 知识就是力量 13 德国数学家 哲学家 Leibnitz 布莱尼兹 1646 1716 提出了 关于数理逻辑的思想 把形式逻辑符号化 从而能对人的思维进行 运 算和推理 做出了能做四则运算的手摇计算机英国数学家 逻辑 学家 Boole 布尔 1815 1864 实现了布莱尼茨 的思维符号化 和数学化的思想 提出了一种崭新的代数系统 布尔代数 第一阶段 50 年代人工智能的兴起和冷落人工智能概念首次 提出后 相继出现了一批显著的成果 如机器定理证明 跳棋程序 通用问题 s 求解程序 LISP 表处理语言等 但由于消解法推理能力 的有限 以及机器翻译等的失败 使人工智能走入了低谷 这一阶 段的特点是 重视问题求解的方法 忽视知识重要性 第二阶段 60 年代末到 70 年代 专家系统出现 使人工智 能研究出现新高潮 DENDRAL 化学质谱分析系统 MYCIN 疾病诊断和 治疗系统 PROSPECTIOR 探矿系统 Hearsay II 语音理解系统等专 家系统的研究和开发 将人工智能引向了实用化 并且 1969 年成 立了国际人工智能联合会议 International Joint Conferences onArtificial Intelligence 即 IJCAI 第三阶段 80 年代 随着第五代计算机的研制 人工智能得 到了很大发展日本 1982 年开始了 第五代计算机研制计划 即 知识信息处理计算机系统 K I P S 其目的是使逻辑推理达到数 值运算那么快 虽然此计划最终失败 但它的开展形成了一股研究 人工智能的热潮 第四阶段 80 年代末 神经网络飞速发展 1987 年 美国召 14 开第一次神经网络国际会议 宣告了这一新学科的诞生 此后 各 国在神经网络方面的投资逐渐增加 神经网络迅速发展起来 第五阶段 90 年代 人工智能出现新的研究高潮由于网络技 术特别是国际互连网技术的发展 人工智能开始由单个智能主体研 究转向基于网络环境下的分布式人工智能研究 不仅研究基于同一 目标的分布式问题求解 而且研究多个智能主体的多目标问题求解 将人工智能更面向实用 另外 由于 Hopfield 多层神经网络模型 的提出 使人工神经网络研究与应用出现了欣欣向荣的景象 人工 智能已深入到社会生活的各个领域 三大学派三大学派 20 世纪 80 年代到本世纪初人工智能研究形成了三大学派 随着人工神经网络的再度兴起和布鲁克 R A Brooks 的机器虫的 出现 人工智能研究形成了符号主义 连接主义和行为主义三大学 派 符号主义学派 是指基于符号运算的人工智能学派 他们认为知识可以用符号来表 示 认知可以通过符号运算来实现 例如 专家系统等 连接主义学派 是指神经网络学派 在神经网络方面 继鲁梅尔哈特研制出 BP 网络 之后 1987 年 首届国际人工神经网络学术大会在美国的圣迭戈 San Diego 举行 掀起了人工神经网络的第二次高潮 之后 随 着模糊逻辑和进化计算的逐步成熟 又形成了 计算智能 这个统 15 一的学科范畴 行为主义学派 是指进化主义学派 在行为模拟方面 麻省理工学院的布鲁克教授 1991 年研制成功了能在未知的动态环境中漫游的有 6 条腿的机器虫 三大学派的综合集成 随着研究和应用的深入 人们又逐步认识到 三个学派各有所长 各有所短 应相互结合 取长补短 综合集成 人工智能的基本方法人工智能的基本方法 人工智能的基本方法有以下几种 1 启发式搜索 人们解决问题的基本方法是方案 试验法 对各种 可能的方案进行试验 直至找到正确的方案 搜索策略有盲目搜索 启发式搜索之分 盲目搜索是对可能方案进行顺序的试验 启发式 搜索是依照经验或某种启发式信息 摒弃希望不大的搜索方向 启 发式搜索大大加快搜索过程 使得人们处理问题效率得到提高 2 规划 人们待解决的问题一般可以分解转化为若干小问题 对于 每个小问题还可以进行分解 由于解决小问题的搜索大为减少 使 得原问题的复杂度降低 问题的解决得到简化 规划要依靠启发式 信息 成功与否 很大程度上决定于启发信息的可靠程度 3 知识的表达技术 知识在计算机内的表达方式是用计算机模拟人 类智能必须解决的重要问题 问题解决的关键是如何把各类知识进 16 行编码 存储 如何快速寻找需要的知识 如何对知识进行运算 推理 如何对知识进行更新 修改 人工智能的研究领域人工智能的研究领域 随着 AI 技术的发展 现代几乎各种技术的发展都涉及到了人工智能 技术 可以说人工智能已经广泛应用到许多领域 其典型的研究包 括 1 1 符号计算符号计算 计算机最主要的用途之一就是科学计算 科学计算可分为两类 一类 是纯数值的计算 例如求函数的值 另一类是符号计算 又称代数运算 这 是一种智能化的计算 处理的是符号 符号可以代表整数 有理数 实数和复数 也可以代表多项式 函数 集合等 随着计算机的普及 和人工智能的发展 相继出现了多种功能齐全的计算机代数系统软件 其 中 Mathematic 和 Maple 是它们的代表 由于它们都是用 C 语言写成 的 所以可以在绝大多数计算机上使用 2 2 模式识别模式识别 模式识别就是通过计算机用数学技术方法来研究模式的自动处理和 判读 这里 我们把环境与客体统称为 模式 用计算机实现模式 文字 声音 人物 物体等 的自动识别 是开发智能机器的一 个关键的突破口 也为人类认识自身智能提供线索 计算机识别的 显著特点是速度快 准确性和效率高 识别过程与人类的学习过程 相似 以 语音识别 为例 语音识别就是让计算机能听懂人说的 17 话 一个重要的例子就是七国语言 英 日 意 韩 法 德 中 口语自动翻译系统 该系统实现后 人们出国预定旅馆 购买机票 在餐馆对话和兑换外币时 只要利用电话网络和国际互联网 就可 用手机 电话等与 老外 通话 3 3 机器翻译机器翻译 机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过 程 用以完成这一过程的软件系统叫做机器翻译系统 目前 国内 的机器翻译软件不下百种 根据这些软件的翻译特点 大致可以分 为三大类 词典翻译类 汉化翻译类和专业翻译类 词典类翻译软 件的代表是 金山词霸 堪称是多快好省的电子词典 它可以迅速 查询英文单词或词组的词义并提供单词的发音 为用户了解单词或 词组含义提供了极大的便利 汉化翻译软件的典型代表是 东方快 车 2000 它首先提出了 智能汉化 的概念 使翻译软件的辅助 翻译作用更加明显 4 4 机器学习机器学习 机器学习是机器具有智能的重要标志 同时也是机器获取知识的根 本途径 有人认为 一个计算机系统如果不具备学习功能 就不能 称其为智能系统 机器学习主要研究如何使计算机能够模拟或实现 人类的学习功能 机器学习是一个难度较大的研究领域 它与认知 科学 神经心理学 逻辑学等学科都有着密切的联系 并对人工智 能的其他分支 如专家系统 自然语言理解 自动推理 智能机器 人 计算机视觉 计算机听觉等方面 也会起到重要的推动作用 18 5 5 问题求解问题求解 人工智能的第一大成就是下棋程序 在下棋程序中应用的某些技术 今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水 平 但是 尚未解决包括人类棋手具有但尚不能明确表达的能力 如 国际象棋大师们洞察棋局的能力 另一个问题是涉及问题的原概念 在人工智能中叫问题表示的选择 人们常能找到某种思考问题的方法 从 而使求解变易而解决该问题 到目前为止 人工智能程序已能知道如 何考虑它们要解决的问题 即搜索解答空间 寻找较优解答 6 6 逻辑推理与定理证明逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的领域之一 其中特别重要的是要 找到一些方法 只把注意力集中在一个大型的数据库中的有关事实上 留 意可信的证明 并在出现新信息时适时修正这些证明 医疗诊断和信 息检索都可以和定理证明问题一样加以形式化 因此 在人工智能方 法的研究中 定理证明是一个极其重要的论题 7 7 自然语言处理自然语言处理 自然语言的处理是人工智能技术应用于实际领域的典型范例 经过多 年艰苦努力 这一领域已获得了大量令人瞩目的成果 目前该领域的 主要课题是 计算机系统如何以主题和对话情境为基础 注重大量的 常识 世界知识和期望作用 生成和理解自然语言 这是一个极 其复杂的编码和解码问题 8 8 分布式人工智能分布式人工智能 分布式人工智能在 20 世纪 70 年代后期出现 是人工智能研究的一 19 个重要分支 分布式人工智能系统一般由多个 Agent 智能体 组 成 每一个 Agent 又是一个半自治系统 Agent 之间以及 Agent 与 环境之间进行并发活动 并通过交互来完成问题求解 9 9 计算机视觉计算机视觉 计算机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科 其主要研究目标是使计算机具有通过二维图像认知三维环境信息的 能力 这种能力不仅包括对三维环境中物体形状 位置 姿态 运 动等几何信息的感知 而且还包括对这些信息的描述 存储 识别 与理解 目前 计算机视觉已在人类社会的许多领域得到成功应用 例如 在图像 图形识别方面有指纹识别 染色体识字符识别等 在航天与军事方面有卫星图像处理 飞行器跟踪 成像精确制导 景物识别 目标检测等 在医学方面有图像的脏器重建 医学图像 分析等 在工业方面有各种监测系统和生产过程监控系统等 1010 智能信息检索技术智能信息检索技术 信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要 研究的课题 将人工智能技术应用于这一领域的研究是人工智能走向 广泛实际应用的契机与突破口 1111 专家系统专家系统 专家系统是目前人工智能中最活跃 最有成效的一个研究领域 它是 一种具有特定领域内大量知识与经验的程序系统 近年来 在 专家 系统 或 知识工程 的研究中已出现了成功和有效应用人工智能 技术的趋势 人类专家由于具有丰富的知识 所以才能达到优异地解 20 决问题的能力 那么计算机程序如果能体现和应用这些知识 也应该 能解决人类专家所解决的问题 而且能帮助人类专家发现推理过程中 出现的差错 现在这一点已被证实 如在矿物勘测 化学分析 规划 和医学诊断方面 专家系统已经达到了人类专家的水平 人工智能的应用领域 人工智能的应用领域人工智能的应用领域 1 1 在管理系统中的应用在管理系统中的应用 1 人工智能应用于企业管理的意义主要不在于提高效率 而是用计 算机实现人们非常需要做 但工业工程信息技术是靠人工却做不了或 是很难做到的事情 在 谈谈人工智能在企业管理中的应用 一文 中刘玉然指出把人工智能应用于企业管理中 以数据管理和处理为中 心 围绕企业的核心业务和主导流程建立若干个主题数据库 而所有 的应用系统应该围绕主题数据库来建立和运行 换句话说 就是将企 业各部门的数据进行统一集成管理 搭建人工智能的应用平台 使之 成为企业管理与决策中的关键因子 2 2 在工程领域的应用在工程领域的应用 1 医学专家系统是人工智能和专家系统理论和技术在医学领域的重 要应用 具有极大的科研和应用价值 它可以帮助医生解决复杂的医 学问题 作为医生诊断 治疗的辅助工具 事实上 早在 1982 年 美 国匹兹堡大学的 Miller 就发表了著名的作为内科医生咨询的 Internist 2 内科计算机辅助诊断系统的研究成果 由此 掀起了医 学智能系统开发与应用的高潮 目前 医学智能系统已通过其在医学 21 影像方面的重要作用 从而应用于内科 骨科等多个医学领域中 并 在不断发展完善中 2 地质勘探 石油化工等领域是人工智能的主要作用发挥领地 1978 年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统 PROSPECTOR 该系统于勘探评价 区域资源估值和钻井井位选择 等 是工业领域的首个人工智能专系统 其发现了一个钼矿沉积 价值 超过 1 亿美元 3 3 在技术研究中的应用在技术研究中的应用 1 在超声无损检测 NDT 与无损评价 NDE 领域中 目前主要广泛采 用专家系统方法对超声损伤 UT 中缺陷的性质 形状和大小进行判 断和归类 专家运用超声无损检测仪器 以其高精度的运算 控制和 逻辑判断力代替大量人的体力与脑力劳动 减少了任务因素造成的无 擦 提高了检测的可靠性 实现了超声检测和评价的自动化 智能化 2 人工智能在电子技术领域的应用可谓由来已久 随着网络的迅速 发展 网络技术的安全是我们关心的重点 因此我们必须在传统技术 的基础上进行网络安全技术的改进和变更 大力发展数据挖掘技术 人工免疫技术等高效的 AI 技术 开发更高级 AI 通用和专用语言 和 应用环境以及开发专用机器 而与人工智能技术则为我们提供了可能 性 人工智能与机电一体化系统的统一人工智能与机电一体化系统的统一 近几十年来 人工智能得到了长足的发展 譬如 IBM 公司制 22 造的深蓝计算机运用人工智能于 1997 年 5 月 战胜了国际象棋冠 军卡斯帕洛夫 人工智能用于机电一体化是机电一体化发展的方向 之一 这种智能主要通过控制技术加以设计和实现 即由机电一体 化系统中的控制系统来具体实现 专家系统 模糊逻辑 神经网络控制 学习控制和分层递阶是目前 人工智能研究主要的几个领域 它们各自发展 又相互渗透 走 向结合 其中 前三个领域是目前机电一体系统实现智能化的较成 熟的领域 一一 自从第一个专家系统于 1968 年问世以来 经过 30 多年的发展 专家系统已经成为人工智能应用最活跃的领域 已经从最初的应用 于医疗 科技等领域 向财政 金融 保险 商业和法律方向扩展 下面就与机电一体化有关的应用予以探讨 1 在装配制造业的应用 产品的生产 总是用零件来构造的 将 不同的零件一起装配成一种新产品 叫做配里任务 专家系统应用 于装配制造方面可以取得可观的经济效益 比如 DEC 公司的专家 系统 XCON 是应用于计算机配置的第一个专家系统 现在每年为 DEC 公司盈利 1 5 亿美元 2 在设备故障诊断中的应用 专家系统用于设备故障诊断 特别 是针对大型的结构 复杂的故障诊断 可以尽快找到故障 大大 缩短检修时间 有很多成功的例子 比如美国西屋电气公司研制 的 GEN 一 AID 专家系统 已经成功地应用于诊断汽轮发动机的故障 IBM 公司也曾经为其 IBMATPC 机配备了一个专家系统 用来精确定 23 位系统故障 3 在控制方面的应用 专家系统可以在机电一体化设备控制方面发 挥作用 在伺服控制 数控机床 加工中心以及其它控制领域 已取得了进展 在这方面成功的例子如 AT网络处理器完成 ISO OSI 参考模型的 3 一 6 层网络协议 应用处理器完成用户现场控制应用 它们之间通过公用存储器传递数据 该神经元芯片还具有多种 I O 和时间计算器等 一个小小的神经元芯片 不仅具有强大的通信功 能 还集控制和数据于一体 在某些情况下 此芯片再配以其它一 些器件 就可承担集散控制系统中一个独立控制单元的任务 总之 专家系统 模糊逻辑与人工神经网络三者 不仅各自 发挥其独特的作用还日益走上综合集成形成全新的技术 进一步提 高机电一体化系统的智能化水平 并不断扩展其应用水平 目前人工智能发展中所面临的难题目前人工智能发展中所面临的难题 人工智能 AI 学科自 1956 年诞生至今已走过 50 多个年头 就研究解 释和模拟人类智能 智能行为及其规律这一总目标来说 已经迈出了 可喜的一步 某些领域已取得了相当的进展 但从整个发展的过程来 看 人工智能发展曲折 而且还面临不少难题 主要有以下几个方面 1 计算机博弈的困难 博弈是自然界的一种普遍现象 它表现在对自然界事物的对策或智 25 力竞争上 博弈不仅存在于下棋之中 而且存在于政治 经济 军事 和生物的斗智和竞争之中 尽管西洋跳棋和国际象棋的计算机程序 已经达到了相当高的水平 然而计算机博弈依然面临着巨大的困难 这主要表现在以下两个方面的问题 其一是组合爆炸问题 状态空间 法是人工智能中基本的形式化方法 若用博弈树来表示状态空间 对 于几种常见的棋类 其状态空间都大得惊人 例如 西洋跳棋为 10 的 40 次方 国际象棋为 10 的 120 次方 围棋则是 10 的 700 次方 如此 巨大的状态空间 现有计算机是很难忍受的 其二是现在的博弈程序 往往是针对二人对弈 棋局公开 有确定走步的一类棋类进行研制 的 而对于多人对弈 随机性的博弈这类问题 至少目前计算机还是 难以模拟实现的 2 机器翻译所面临的问题 在计算机诞生的初期 有人提出了用计算机实现自动翻译的设想 目 前机器翻译所面临的问题仍然是 1964 年语言学家黑列尔所说的构成 句子的单词和歧义性问题 歧义性问题一直是自然语言理解 NLU 中 的一大难关 同样一个句子在不同的场合使用 其含义的差异是司空 见惯的 因此 要消除歧义性就要对原文的每一个句子及其上下文进 行分析理解 寻找导致歧义的词和词组在上下文中的准确意义 然而 计 算机却往往孤立地将句子作为理解单位 另外 即使对原文有了一定 的理解 理解的意义如何有效地在计算机里表示出来也存在问题 目 前的 NLU 系统几乎不能随着时间的增长而增强理解力 系统的理解大 都局限于表层上 没有深层的推敲 没有学习 没有记忆 更没有归纳 26 导致这种结果的原因是计算机本身结构和研究方法的问题 现在 NLU 的研究方法很不成熟 大多数研究局限在语言这一单独的领域 而没有对人们是如何理解语言这个问题做深入有效的探讨 3 自动定理证明和 GPS 的局限 自动定理证明的代表性工作是 1965 年鲁宾逊提出的归结原理 归结 原理虽然简单易行 但它所采用的方法是演绎 而这种形式上的演绎 与人类自然演绎推理方法是截然不同的 基于归结原理演绎推理要 求把逻辑公式转化为子句集合 从而丧失了其固有的逻辑蕴含语义 GPS 是企图实现一种不依赖于领域知识求解人工智能问题的通用方 法 GPS 想摆脱对问题内部表达形式的依赖 但是问题的内部表达形 式的合理性是与领域知识密切相关的 不管是用一阶谓词逻辑进行 定理证明的归结原理 还是求解人工智能问题的通用方法 GPS 都可 以从中分析出表达能力的局限性 而这种局限性使得它们缩小了其自 身的应用范围 4 模式识别的困惑 虽然使用计算机进行模式识别的研究与开发已取得大量成果 有的已 成为产品投入实际应用 但是它的理论和方法与人的感官识别机制是 全然不同的 人的识别手段 形象思维能力 是任何最先进的计算机 识别系统望尘莫及的 另一方面 在现实世界中 生活并不是一项结构 严密的任务 一般家畜都能轻而易举地对付 但机器不会 这并不是