人工智能定义、研究和及其应用

1、人工智能定义、研究和及其应用第1章 绪论1、人工智能的定义和发展2、人类智能和人工智能3、人工智能的各种认知观4、人工智能的研究与应用领域5、课程概要 自1956年人工智能诞生，几十年来获得了很大发展，引起众多学科和不同专业背景的学者、政府和企业的高度重视，已逐渐成为一门理论基础日臻完善、应用领域广泛且多学科交叉的前沿科学。 随着社会进步及科技持续发展，人工智能将与时俱进，不断取得新的进展。什么是人工智能如何理解人工智能人工智能研究什么人工智能的理论基础是什么人工智能可在哪些领域得到应用1.1 人工智能的定义和发展天然河流 人工河流（运河）天然卫星 人造卫星天然纤维 人造纤维天然心脏 人工心脏

2、天然婴儿 试管婴儿自然四肢 假肢 人工智能又称为机器智能或计算机智能。 无论取何种名字，都表明其所包含的“智能”均是人为制造的，或由机器和计算机表现出来的一种智能，以区别于自然智能，特别是人类智能。 由此可见，人工智能本质上有别于自然智能，是一种用人工手段模仿的人造智能。 如同许多学科一样，人工智能至今尚无统一的定义。 人类的自然智能（人类智能）伴随着人类活动时时处处存在，如下棋、竞技、解算题、猜谜语、讨论、编制计划、编写计算机程序、驾驶汽车、骑自行车等等。 如果机器能执行这些任务，即可认为机器已具有某种性质的“人工智能”。可从以下几个方面给出人工智能的基本定义： 智能机器（Intellige

3、nt machine） 人工智能（学科） 人工智能（能力） 人工智能（拟人思维、行为） 人工智能（理性思维、行为）1.1.1 人工智能的定义几种典型定义： 斯坦福大学的Nilsson提出，人工智能是关于知识的科学。 即，知识的表示、知识的获取以及知识的运用。 人工智能（学科）是计算机科学中涉及研究、设计和应用 智能机器的一个分支，其主要目标：研究用机器来模仿和 执行人脑的某些智能功能，并开发相关理论和技术。 人工智能（能力）是智能机器所执行的与人类智能有关的 功能，如判断、推理、证明、识别、感知、理解、设计、 思考、规划、学习和问题求解等思维活动。 广义 人造物的智能行为。包括感知、推理、学习

4、、交流、复杂环境下的行为。 理解这些行为是否存在于机器、人类或其它动物中。 狭义 计算机科学的一个分支，就是智能计算机系统。人工智能的抽象定义：如何定义智能机器？Turing(图灵)测试：1950年图灵提出了著名的“图灵测 试”，一种测试机器是否具有人类智能的方法。怎样认定一台计算机是否具有智能？假设：某台计算机能以一种与人类无区别的方式回答问题（提供答案），即认为它具有“智能”。（思维、感觉、理解）图灵测试的问题：问：你会下国际象棋吗？ 答：是的。问：你会下国际象棋吗？ 答：是的。问：请再次回答，你会下国际象棋吗？答：是的。笨机器！图灵测试的问题：问：你会下国际象棋吗？ 答：是的。 问：你会

5、下国际象棋吗？ 答：是的，我不是已经说过了吗？问：请再次回答，你会下国际象棋吗？答：你烦不烦，干嘛老提同样的问题。智能机器！Turing测试存在的问题： 未规定问题的范围和提问的标准。 仅反映了结果的比较，未涉及思维过程。争论：通过了图灵测试的机器就具备思维能力？怎样认定一台计算机是具有智力的呢？持强AI观点的人认为：任何计算仪器都具备智力。反对者：西尔勒 “中文屋子”-若问题是用中文而不是用英文？证明：即便一台计算机通过了图灵测试，它仍然完全不具 备和理解有关的能力。如何判定机器具有智力？西尔勒的“中文屋子” 一个人进入餐馆并要了一份汉堡包。当汉堡包端来后发现给烘脆了，此人暴怒地离开了餐馆，

6、没有付账或留下小费。 一个人进入餐馆并要了一份汉堡包。当汉堡包端来后他非常喜欢，而且在离开餐馆付账之前，给了服务生很多小费。问题：在两种情形下此人是否吃了汉堡包？- 用中文讲述以上两个场景，并作为输入传输到屋子里；- 西尔勒关在屋子里，使用算法来处理这两个场景，并根据 算法结果回答问题；- 由于该算法的运行已通过了图灵测试，因此回答结果与人 类理解后的结果一致；- 但是，希尔勒本人不懂汉语。因此，他证明了算法通过了 图灵测试，但仍不能说它具备理解的能力！西尔勒的证明：1.1.2 人工智能的起源与发展 50多年来，人工智能经历了一条起伏、曲折的发展道路。回顾历史，可根据不同时期的主要特征，将其产

7、生与发展过程分为5个阶段： 1、孕育期（1956年以前） 2、形成期（1956-1970年） 3、暗淡期（1966-1974年） 4、知识应用期（1970-1988年） 5、集成发展期（1986年以来）1、孕育期（1956年以前）我国古代先人对智能机器的遐想和创造。 三千多年前的古代机器人 据列子汤问记载，传说“西周时代”周穆王在西巡途中，遇到一位名叫偃师的能工巧匠。偃师献上一个会歌舞表演的“歌舞艺伎”，“钡（抑）其颐则歌合律，捧其手则舞应节，千变万化，惟意所适”。 两千多年前的侦察机 据墨子鲁问记载，“公输子（鲁班）削竹木以为鹊”，“三日不下” 。他还造了能载人的大木鸢，在战争中担任侦查任务

8、。 指南车：东汉张衡 木牛流马：鲁班？诸葛亮？西方科学家的成就： 亚里士多德（Aristotle，公元前384-322） 古希腊伟大的哲学家和思想家，创立了演绎法。他提出的三段论至今仍是演绎推理的最基本出发点。 弗兰西斯培根（，1561-1626） 英国哲学家、作家和科学家，系统地提出了归纳法，成为和亚里士多德的演绎法相辅相成的思维法则。 莱布尼茨，1646-1716) 德国数学家和哲学家，他将形式逻辑符号化，奠定了“数理逻辑”的基础。从而能够对人的思维进行运算和推理。 布尔（Boole, 1815-1864） 英国数学家、逻辑学家。实现了莱布尼茨的思维符号化和数学化的思想，提出了一种崭新的代

9、数系统-布尔代数。 图灵，1912-1954) 英国数学家，1936年创立了“自动机理论（图灵机）”，是一个理论计算机模型。 莫克利 ，1907-1980) 美国数学家，电子数字计算机的先驱，与他的研究生埃克特(J.P. Eckert)合作，1946年研制成功了世界上第一台通用电子计算机ENIAC。 麦克洛奇(W.McCulloch)和皮兹(W.Pitts) 美国神经生理学家，于1943年建成了第一个神经网络模型(MP模型),还提出适当的网络能够学习。 香侬，1916-2001 ) 美国数学家，1948年发表通讯的数学理论，代表“信息论”诞生。 维纳，1874-1956) 美国数学家，1948

10、年创立了控制论。控制论主要研究系统的信息变换和控制过程，为人工智能的行为主义学派的形成奠定了基础。 因此，在人工智能出现之前，一些著名科学家就已经为人工智能的诞生，创立了具有重要的思想、理论基础和技术条件等众多学科及其研究成果。 数理逻辑 控制论 计算理论 神经网络模型 电子数字计算机 2、形成期（1956-1970年） 人工智能诞生于一次历史性的聚会：麦卡锡正式使用“AI”这一术语。时间地点：1956年夏，美国达特莫斯(Dartmouth)大学，历时两个月。发起人：麦卡锡 (J.McCarthy)：数学家、计算机专家 明斯基(M.L.Minsky)：哈佛大学数学家、神经学家 洛切斯特(N.L

11、ochester)：IBM公司信息中心负责人 香农(C.E.Shannon)：贝尔实验室信息部数学家和信息学家邀请参加：莫尔(T.more)、塞缪尔(A.L.Samuel)：IBM公司 塞尔夫里奇(O.Selfridge)、索罗蒙夫(R.Solomonff)：MIT 纽厄尔(A.Newell)：兰德(RAND)公司 西蒙(H.A.Simon)：卡内基梅隆（CMU）大学AI的创始人们: 图灵（Alan Turing）计算机科学理论的创始人1912年出生于英国伦敦，1954年去世，享年42岁。1936年发表论文“论可计算数及其在判定问题中的 应用”，提出图灵机理论。1950年发表论文“计算机与智能

12、”，阐述了计算机可以具有智能的想法，提出图灵测试。1966年为纪念图灵的杰出贡献，ACM设立图灵奖。麦卡锡 (J.McCarthy)-首次提出人工智能 的概念-发明-剪枝算法-提出人工智能语言 Lisp；-提出情景演算理论明斯基(M.L.Minsky)-提出思维如何萌发并形 成的基本理论-建造第一个神经网络模 拟器,学习如何穿过迷宫-最早提出agent的概念-提出知识表示框架理论西蒙(H.A.Simon)-符号主义学派的创始 人之一-开创了机器定理证明 的学科领域-最早的AI语言IPL-开发了“通用问题求 解系统”GPS纽厄尔(A.Newell)-符号主义学派的创 始人之一-西蒙的学生与同事

13、1975年与西蒙同获 图灵奖 心理学小组 1957年，西蒙和纽厄尔等人的心理学小组，研制了一个称为逻辑理论机(Logic Theory Machine，简称LT)的数学定理证明程序。 1960年研制了通用问题求解(General Problem Solving，GPS)程序。该程序的设计，是从模仿人类问题求解的规程开始的，不依赖于具体领域。在它能处理的有限类别的问题中，显示出程序决定的子目标及可能采取的行动的次序，与人类求解相同问题类似。因此，GPS是第一个实现了像人一样思考方法的程序。 IBM工程小组 1956年，塞缪尔在IBM704计算机上研制成功具有自学习、自组织和自适应能力的西洋跳棋程

14、序。这个程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺。通过不断学习，该程序1959年击败了塞缪尔本人，1962年又击败了一个州的冠军。 MIT小组 1960年，麦卡锡研制了人工智能语言LISP。 其他开创性贡献 1958年，美籍华人数理逻辑学家王浩在IBM-740计算机上仅用了3-5分钟就证明了数学原理命题演算全部220条定理。 1965年，鲁宾逊(J.A.Robinson)提出了归结（消解）原理。 1965年，费根鲍姆(E.A.Feigenbaum)开始研究化学专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构。 1969年召开了第一届国际人工智能联合会议（Intern

15、ational Joint Conference on AI，IJCAI），标志着人工智能作为一门独立学科登上了国际学术舞台。此后IJCAI每两年召开一次。 1970年International Journal of AI创刊。3、暗淡期（1966-1974年） 失败的预言给人工智能的声誉造成重大伤害 60年代初，西蒙预言：10年内计算机将成为世界冠军、将证明一个未发现的数学定理、将能谱写出具有优秀作曲家水平的乐曲、大多数心理学理论将在计算机上形成。 挫折和困境 在博弈方面：塞缪尔的下棋程序在与世界冠军对弈时，5局败了4局。 在定理证明方面：发现鲁宾逊归结法的能力有限。当用归结原理证明两个连续

16、函数之和还是连续函数时，推了10万步也没证出结果。 问题求解方面：对于不良结构，会产生组合爆炸问题。 机器翻译方面：发现并不那么简单，甚至会闹出笑话。 例如，把“心有余而力不足”的英语句子翻译成俄语， 再翻译回来时竟变成了“酒是好的，肉变质了”。 神经生理学方面：研究发现人脑有1011-12以上的神经元，在现有技术 条件下用机器从结构上模拟人脑是根本不可能的。 在其它方面：人工智能也遇到了不少问题。英国剑桥大学的詹姆教授 指责“人工智能研究即使不是骗局，也是庸人自扰”。 自此，世界范围内人工智能研究陷入困境、落入低谷。 Minsky的批评 1969年和在感知机一书中，指出了感知机无法解决异或（

17、XOR）问题的缺陷，并表示出对这方面研究的悲观态度，使神经网络的研究从兴起期进入了停滞期。 该批评对人工智能的发展造成了重要的影响。 此后的二十年，感知机的研究方向被忽视 基于符号的知识表示成为主流 基于逻辑的推理成为主要研究方向原因所在：当时的人工智能存在三个方面的局限性。 知识局限性 早期开发的人工智能程序中包含的主题(领域)知识太少，甚至没有知识，而且只采用简单的句法处理。 解法局限性 求解方法和步骤的局限性，使设计的人工智能程序在实践中无法求得问题的解答，或者只能得到简单问题的解答，而这些简单问题并不需要人工智能的参与。 结构局限性 用于产生智能行为的人工智能系统或程序，在一些基本结构

18、上严重局限。如未考虑不良结构，无法处理组合爆炸问题。因而只能用于解决比较简单的问题，影响了人工智能系统的推广应用。 以知识为中心的研究 专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是AI发展史上的一次重要转折。 1972年，费根鲍姆开始研究MYCIN医疗专家系统，并于1976年研制成功。从应用角度看，它能协助内科医生诊断细菌感染疾病，并提供最佳处方。从技术角度看，他解决了知识表示、不精确推理、搜索策略、人机联系、知识获取及专家系统基本结构等一系列重大技术问题。 这一时期，与专家系统同时发展的重要领域还有计算机视觉和机器人，自然语言理解与机器翻译等

19、。4、知识应用期（1970-1988年） 整个20世纪80年代，专家系统和知识工程在全世界得到了迅速发展，为企业等用户赢得了巨大的经济效益。 在开发专家系统过程中，许多研究者获得共识，即人工智能系统是一个知识处理系统。而知识表示、知识利用和知识获取则成为人工智能系统的三大基本问题。 新问题的产生 专家系统本身所存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、没有分布式功能、不能访问现存数据库等问题逐渐暴露出来。5、集成发展期（1986年以来） 神经网络的复兴 1982年，Hopfield模型提出。 1984年，设计研制了Hopfield网的电路，较好地解决了著名的“TSP问题”

20、，引起较大的轰动。 1986年，Rumelhart,Hinton提出多层感知机与反向传播(BP)学习算法，该方法克服了感知器非线性不可分类问题，给神经网络研究带来了新的希望。J.J.Hopfield教授美国加州理工学院物理学家 1995年，Vapnik提出Support Vector Machine（SVM）。 1997年5月11日，由IBM研制的超级计算机“深蓝”首次击败了国际象棋特级大师卡斯帕洛夫。 2000年，中国科学院计算所开发出知识发现系统MSMiner。该系统是一种多策略知识发现平台，能够提供快捷有效的数据挖掘解决方案，提供多种知识发现方法。 2011年，IBM超级电脑“沃森”亮相

21、美国最受欢迎的智力竞赛节目危险边缘，战胜该节目两位最成功的选手。 今天的人工智能 当前，计算机智能化技术的主攻方向体现在以下方面： 并行与分布式处理技术 包括大规模并行机和集群的体系结构、并行操作系统与并行数据结构，分布式C/S、B/S计算模型及其处理技术，多专机系统的合作与知识共享技术等。 知识的获取、表示、更新和推理新机制 包括新的知识获取方法，常识性知识的表示、更新与推理，大型知识库的组织与维护，新一代逻辑处理机制等。 功能的感知技术 包括对语音、文字、图形与图像等信号的获取、识别、压缩与转化，以及多媒体输出和VR（Virtual Reality）技术等。 模式的自动识别 使计算机实现人

22、的视觉、听觉等模式识别能力，是人类在基础理论与应用研究中面临最重大的挑战之一。 用计算机实现模式的自动识别，是开发智能机器的一个最关键的突破口。(若机器不能自动感知与识别周围环境，机器智能也就无从谈起) 海量信息的智能化识别 随着数字化和网络通讯技术的飞速发展，“信息过载” 已成为日益严重的问题。如何用智能化的手段处理和识别海量信息（包括文字、图像、语音等）已成为当前信息技术领域所面临的一个巨大挑战。 人机交互技术 研究友好人性化的人机交互技术, 以支持用户通过各种手持式设备、传统PC终端和固定 等形式来安全可靠地检索各种媒体信息。 比尔.盖茨认为：人类计算的未来就是要让计算机会看、会听、会说

23、、会思考。1.1.3 中国的AI研究1、学术组织 1978年 “智能模拟”列入国家科学发展规划 1980年4月 中国自动化学会模式识别与人工智能专业委员会成立 1980年8月 “高校人工智能研讨会” 1981年9月 成立CAAI（中国人工智能学会） 1986年5月 中国软件行业协会人工智能协会成立 1986年11月中国计算机学会人工智能与模式识别专业委员会成立 1987年6月中国计算机学软件专业委员会智能学组（知识工程） 1993年 智能机器人委员会成立 1995年 智能自动化委员会成立2、学术刊物 计算机学报 J.of Computer 自动化学报 J.of Automation 控制理论与

24、应用 Control Theory & Application 计算机研究与发展 Research & Development of Computer 模式识别与人工智能 Pattern Recognition & AI 机器人 Robot 信息与控制 Information & Control 控制与决策 Control & Decision 计算机世界 Computer World 计算机科学 Computer Science1.2 人工智能的各种认知观 人工智能的主要学派有以下3家： 符号主义（Symbolicism） 基于物理符号系统假设和有限合理性原理。 连接主义（Connectio

25、nism） 基于神经网络及其间的连接机制与学习算法。 行为主义（Actionism） 基于控制论及感知动作型控制系统。又称为逻辑主义、心里学派、计算机学派。符号主义观点认为：智能的基础是知识，其核心是知识表示和知识推 理；知识可用符号表示，也可用符号进行推理， 因而可以建立基于知识的人类智能和机器智能相 统一的理论体系。代表人物：西蒙，纽厄尔等。代表性成果：1957年，西蒙、纽厄尔等人研制的逻辑理论机（Logic Theory Machine，LT）的数学定理证明程序。1、符号主义（Symbolicism）又称为仿生学派、生理学派。连接主义观点认为：思维的基元是神经元，而不是符号；思维过程是

26、神经元的连接活动过程，而不是符号运算过程； 反对符号主义关于物理符号系统的假设。代表人物：明斯基代表性成果：1943年麦克洛奇和皮兹创立的神经网络模型MP模型。2、连接主义（Connectionism）3、行为主义（Actionism）又称为进化主义，控制论学派。行为主义观点认为：智能取决于感知和行动，提出了智能行为的“感 知-动作”模型；智能不需要知识、不需要表示、 不需要推理；人工智能可以像人类智能那样逐步 进化。代表人物：布鲁克斯。基于控制论提出了无需知识表示的智能、无需 推理的智能。他认为智能只是在与环境的交互作用中表现 出来，在许多方面是行为心理学观点在现代人工智能中的 反映。代表性

27、成果：布鲁克斯研制的六足机器虫。1.3 人类智能与人工智能神经系统视觉听觉触觉智能思维和智能决策计算机博弈定理证明语言翻译计算机程序设计语言神经计算机量子计算机可以将人看成一个智能信息处理系统。信息处理系统又称为符号操作系统或物理符号系统。一个完善的物理符号系统应具备以下六种基本功能： 输入符号（input） 输出符号（output） 存储符号（store） 复制符号（copy） 建立符号结构（Symbol Structure）：通过找出各符号间的关系，在 符号系统中形成符号结构。 条件性迁移（conditional transfer）：根据已有符号，继续完成动作 过程。1.3.1 智能信息处

28、理系统的假设建立联系行为决策 任何一个系统，如果它能表现出智能，那么它就必定能够执行上述6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能。（人类所具有的那种智能） 智能执行上述6种功能物理符号系统的3个推论：推论一：既然人具有智能，那么人一定是一个物理符号系统。推论二：既然计算机是一个物理符号系统，它就一定能够表现出智能。推论三：既然人是一个物理符号系统，计算机也是一个物理符号系统, 那么就能够用计算机来模拟人的活动。物理符号系统的假设：1.3.2 人类智能的计算机模拟 前面已经得出“能够用计算机来模拟人的活动”这个结论。也就是说，能够用机器智能来模拟人类智能。 机器智能可以

29、模拟人类智能 智能计算机 - 下棋 - 定理证明 - 语言翻译 新型智能计算机 - 神经计算机：重建人脑 - 量子计算机：量子计算1.4 人工智能的研究与应用领域 人工智能研究的目标 人工智能研究的基本内容 人工智能研究的主要方法 人工智能的争论 人工智能的发展方向 人工智能应用领域1.4.1 人工智能研究的目标1、远期目标 揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能。 涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展。2、近期目标 研究如何使现有的计算机更聪明，使其能够运用知识去处理问题，能够模拟人类的智能行为。3、相互关系 远期目标

30、为近期目标指明了方向。 近期目标则为远期目标奠定了理论和技术基础。1.4.2 人工智能研究的基本内容 主要包括两个方面： 利用技术模拟生物的行为 利用计算机构造智能系统具体可细分为：1、认知建模 认知：一般认为是和情感、动机、意志相对应的理智或认识过程， 或者是为了一定的目的，在一定的心理结构中进行的信息加 工过程。美国心理学家浩斯顿(Houston)等人把认知归纳为以下5种主要类型： 认知是信息的处理过程； 认知是心理上的符号运算； 认知是问题求解； 认知是思维； 认知是一组相关的活动，如知觉、记忆、思维、判断、推理、问题 求解、学习、想象、概念形成及语言使用等。2、知识表示：基础3、知识推

31、理：实现问题求解4、知识应用：目的5、机器感知：让计算机具有类似于人的感知能力，如视觉、听觉、触 觉、嗅觉、味觉，是机器获取外部信息的基本途径, 相当于智能系统的输入。 机器视觉（或计算机视觉）：就是给计算机配上能看的视觉器官，如摄 像机等，使它可以识别并理解文字、图像、 景物等。 机器听觉（计算机听觉）：就是给计算配上能听的听觉器官，如话筒等, 使计算机能够识别并理解语言、声音等。 模式识别：对客体的识别与分类。 自然语言理解：实现人机对话。 机器翻译。传统人工智能的三大核心研究内容6、机器思维 让计算机能够对感知到的外界信息和自己产生的内部信息进行思维性加工。 包括逻辑思维、形象思维和灵感

32、思维。 涉及信息的表示，组织，积累，管理，搜索，推理等过程。 神经网络、人脑结构及其工作原理。7、机器学习 让计算机能够像人那样自动地获取新知识，并在实践中不断地完善自我和增强能力。 是机器获取智能的途径。 学习是一个有特定目的的知识获取过程。 学习的本质是对信息的理解与应用。 存在有多种学习方法。8、机器行为 让计算机能够具有像人那样地行动和表达能力，如走、跑、拿、说、唱、写画等。 相当于智能系统的输出部分。 机器人。9、智能系统构建 无论是人工智能的近期目标还是远期目标，都需要建立智能系统或构造智能机器。 需要开展对系统模型、构造技术、构造工具及语言环境等研究。 1.4.3 人工智能研究的

33、主要方法1、功能模拟法 认知学观点，工程观点。 符号主义学派。根据人脑的心理模型，把问题或知识表示为某种逻辑结构，运用符号演算，实现表示、推理和学习等功能，从宏观上模拟人脑思维，实现人工智能功能。 从计算机工程的角度出发，通过运用计算机科学的方法进行研究，实现人类智能在计算机上的模拟。主要研究符号处理为核心的方法。不足之处：在用符号表示知识的概念时，有效性很大程度上取决于符号 表示的正确性和准确性。 将知识概念转换成符号时，可能丢失一些重要信息。 难于对含噪信息、不确定性信息和不完全性信息进行处理。2、结构模拟法 生物学观点，科学观点。 连接主义学派。根据人脑的生理结构和工作机理来模拟人脑智能

34、，属于非符号处理范畴。 从脑科学的角度出发，采用生物学的方法进行研究，试图搞清楚人类智能的本质。主要研究神经网络。不足之处：由于大脑的生理结构和工作机理还远未清晰，因而现在只能 对人脑的局部进行模拟或进行近似模拟。 不适合模拟人的逻辑思维过程。 受大规模人工神经网络制造的制约。 尚不能满足人脑完全模拟的要求。3、行为模拟法 行为主义学派。智能不取决于符号和神经元，而取决于感知和行动,智能行为只能在现实世界中与周围环境交互作用而表现出来。 不足之处：难以获得高级智能控制行为。4、集成模拟法 各学派密切合作，取长补短。 逐步建立统一的人工智能理论体系和方法。1.4.4 人工智能的争论1、人工智能研

35、究方法的争论 人工智能是否必须模拟人的智能？如何模拟？ 对功能模拟、结构模拟和行为模拟是否可以分离研究？ 对感知、思维和行为是否可以分离研究？ 对认知与学习以及逻辑思维和形象思维等问题是否可以分离研究？ 是否有必要建立人工智能的统一理论体系？2、人工智能技术路线的争论 专用路线和通用路线的争议。 硬件路线和软件路线的争议。 人工智能作为一门交叉学科，经过长期发展，获得了可喜的成就，但同时也面临着许多困难、挑战及争论。1.4.5 人工智能的发展方向1、更新的理论框架研究 目前人工智能的研究存在着宏观与微观分离、局部与全局分离、理论与实际脱节的问题。要从根本上了解人脑的结构和功能，实现人工智能的研

36、究目标，还需要寻找和建立更新的人工智能框架和理论体系。2、更好的技术集成研究 人工智能是一门综合了信息技术、认知科学，心理学、社会学、语言学、系统学、哲学、伦理学等学科领域的交叉学科，人工智能的发展需要从各个学科的发展中汲取营养。3、更成熟的应用方法研究 研究更通用更有效的软件开发方法，如更高级的人工智能语言，更方便的人工智能开发环境和工具；发掘求解问题的新思路与新方法。1.4.6 人工智能的应用领域问题求解机器学习自然语言理解专家系统模式识别计算机视觉机器人学博弈计算智能人工生命自动定理证明自动程序设计智能控制智能检索智能调度与智慧智能决策支持系统人工神经网络数据挖掘与知识发现1、问题求解 问题的表示、分解、搜索、归约等。 进行复杂的数学公式符号运算求解。2、机器学习 是使计算具有智能的根本途径，也是机器具有智能的重要标志。 主要研究如何使得计算机能够模拟和实现人类的学习能力。 人工智能领域最活跃，最具研究前景的热点。3、自然语言理解 书面语言的理解和口语（语音）的理解。 手写文字的识别。 机器翻译 。4、专家系统 在某个特定的领域内，以专家水平解决该领域中困难问题的计算机程序。 典型的专家系统结构如下：5、模式识别 使计算机能够对给定的事物进行鉴别，并将其归入相同或相似