人工智能与认知过程

人工智能与认知过程

第要:

大工智能是册究、设计和应用智能机器或智能系统，来模拟人类智能活就的能

力、以延伸人类智能的科学。而认知过程是指人们认识活动的过程，即个体对感

觉信号接收、检测、特换、简为、合成、编码、储存、提取、重建、概念形成、

判断和问题解决的信息加工处理过程。为了能够更好地实现人工智能，首先要

对两者之间建立一定的联系。

关鲤词人工智能；认知过程；神经网络

前言

人工智能是当前科学技术发展中的一口前沿学科,是在计算机科学、控制论、

信息论、神经心理学、哲学、诘言学等多W学科研究的基础上发展起来的，是一门

综合性很强的边缘学科。总的来说，人工智能是一门研究如何构造智能机器或智能

系统，使它能模机、延伸扩展人类智能的学科。想要很好地实现人工智能，必须要

对人耐工作方式进行充分的了解，Sit,对认知过程需要有充分的认识。

人的认知过程是一个非常复杂的过程，指大认识客观事物的过程，印是对

信息进行加工处理的过程，是人由表及里，由现象到本质地反映客观事物特征

与内在联系的心理活动。它由人的感觉、知觉、记忆、思维和想象等认知要素

组成。

一、人工智能

1.人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人『J便机

器具有类似于人的智能。加史发展史：①孕育（1956年之前）；②形成（1956年-

1969年）［1969年第一届国麻人工智能联合会议，1979年成立美国人工智能联合会］;

③发展（1970年至今）

2.人工智能研究的基本内容：

①如识表示一人工智能的永恒主题：将人类知识形式化或者模型化。如识表

示方法：符号表示法、连接机制表示法；

②机器感知：便机器（计算机）具有类似于人的感知能力。以机器视觉（machine

vision）与机器听觉为主。

③机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目

的的处理。

④机器学习：研究如何使计算机具有类似于大的学习能力，使它能通过学习自

动地获取知识。

⑤机器行为：计算机的表达能力,即“说”、“写”、“画”等能力。

二、人工智能模拟认知过程所涉及的相关知识

1、知识表示及推理

知识表示是指把知识客体中的知识因子与知识关般起来,便于人们识刖和理解知识。

①产生式的基本形式

一般形式：PQ

或IFPTHENQ

语义：如果前提P被满品，可推出结论Q或执行Q所规定的操作。P是前提，Q是

结论或动作,前提和结论可以是由遗辑运算符AND、OR、NOT组成的表达式。

侧IF卜课认真听讲AND下课及时复习

THEN将会取得好成绩

②常见的知识表示方法：产生式系统，框架结构，谙义网络，过程性如示，面向对

象知识表示，基于本体的知识表示法，产生式的基本形式

③产生式系统的基本结构

规则库:描述领域知识的产生式规则集

综合数据库：记录求解(或推理)过程中各种信息的数据结构

推理机:负责匹配到得出结论的整个问题求解过程.

④产生式表示法的优点和缺点

优点：a.自然性知识表示形式自然，便于推理。b.模块性便于进行模块化处理,利

于规则库的犷展和管理。c.有效性可以表示不确定性知识和确定性知识。d.直观性

前提和结论部分非常直观，便于对规则进行段计。

缺点：a.效率不高；b.不能表达结构性对吼

⑤框架的一般形式：

框架名(frame)：<gff>

fflg1：H面名1：值1,…，值P1

IM面各2：值1,…，值p2

侧面名门1：ffi1,…，值pm1

憎名2：UffiS1：值1,…,2q1

恻面名2：值1,…，值q2

M面各m2：值1,…，值qm2

的确定性划分；确定性推理;不精确推理。C.按推理过程划分为:单调推理俳单调

推理。d.按启发性知识划分为:启发式推理，非启发性推理。e.按方法论划分:基于知识

的推理，统计推理，直觉推理。f按推理正反向分为:正向推理：以E知事实作为出发

点的推理；逆向推理：以某个假段目标作为出发点的推理。

③如何用三段论进行推理

任何一个三段论都包含着三个不同的同项：大项、水项和中项。

任何一个三段论那包含着三个不同的判断，即大前提、小前提和结论。

三段论的规则

规则1：在一个三段论中，仅能有三个不同的项，否则会犯“四项错误”O

规则2：中项在前提中至少要周延一次，否虬会杷“中项不周”之误。

规则3：前提中不同延的项,在结论中也不得周延，否虬会犯“大项扩大”或“小项扩

大”之误。

④自然演绎推理的特点

a.表达定理证明过程自然，容易理解。

反拥有丰富的推理规则,推理过程灵活。

c.便于在推理规则中嵌入领域启发性知识。

3、3确定性推理

①产生原因：事物发生的随机性，人类知识的不完全、不可靠、不精阐和不一致，

自然语言中存在的模利性和歧义性

②小确定性推理的方法：确定因子法（可信度方法），壬观Bayes方法。

4、问题求解策略:

①人数眄：旃径耗散函数，目标测试，后继函数，初始状态

②图搜索策略：图搜索策略可以看成是一抻在图中寻找潞径的方法。

③盲目搜索。a.宽度优先、b.深度优先。深度相等的节点可以任意排列。

三、大工智能与认知过程比较

在人工智能里，为了研究两者的异同，因而专门对人工神经网络进行了相关研

究。

人工神经网络是近十几年来发展极为迅速的一门学科。它理论分析的多样性、

对众多学科的包容性，在智能控制、信号处理等领域成功的应用，使得它在许多领

域广泛地推广开来。大工神经网络是一个由许多简单的并行工作的处理单元组成的

系统，其功能取决于网络的结构、联结强度及各单元的处理方式。由于这仲系统是

以大工模拟人脑神经系缭的方法建立的，因此与人脑神经系统有许多相似之处。并

且人工神经网绍具有自学功能，能从所获取的数据中自动建立数学模型，无需预先

给定公式，即能从所获得的数据中经过分析训练而建立一个反映其内在规律的模里。

训练后的人工神经网络能直接进行推理，它在处理现律不明显、组分变量多的问题

具有独特的优越性。它通过非线性的映射关系，对试样进行仿真模和I,然后根据实

标采样情况进行验证，一直到得出满意的结果。

工程上用的人工神经网络建模一殷由输入层、隐层、输出层构成，其中输入民

与输出层只有一层，而总层则是根据实际情况决定是一层或多层。这其中，输入层

从系统接受和谕人信息，隐层则对输入的信息进行学习和处理。

隐层节点通过网络权系数联接输入、输出层。输出层再对网络权系数进行羽整使

之能针对输人层并把信息传输给外界。

人类神经调节方式为反射，调节过程为反见弧，人类神经网络反射M由感受器、

传人神经纤维、神经中柩、传出神经纤维、效应器等五部分组成，具体工作范程如

下图所示。

我们可以看出，人工神经网络由三部分构成，而入腼神经网络由五部分构成。

首先，人脑神经网络有感受器和效应器，感受器可以自主从外界采集数据，

根据神经中枢发出的信号进行自主的反射；而人工神经网络没有感受器和效应

器，只能被动地采集数据，局限性地进行数据处理,

其次，人陋的分析处理数据是可以分主次、分先后的雕序进行的，而且大腼神

经网留在神经中枢就进行信息统合了；而大工神经网络是到输出层才进行信息统合,

它对数据的分析处理只能是并行计算,rant,人的的分析能够提供更鲜明的目的性。

其三，人的大脑是有明确分区的，左半肺是理性思维，介析处理如据言、数

字等方面的问题，右半晒是感性思维，控制情思及处理艺术等方面的问题。虽熟人

耐有分区，但是在实验中表明，人的一些活动往住在神经网络中是多区活动的，如

说话、演讲。籁叶的海马区负责记忆,但实脸证明，其他部分也有记忆活动。因此,

人腼的神经网络在分析处理信息时是在一个三维空间讲行的c而人工神经网络对信

息的处理是二维的，如果其中一个节点出问题，其他节点不能代替这个节点的I力能,

整个系统就不能进行正常的工作。

到目前为止，人工神经网绍只能模拟人的左半腼功能，不能模机人的右半瓶。

四、水结

根据认知过程而产生的人工神经把计算机智能化推进一大步。现在流行的思维

对未来智能化计算机设融是冯氏计算机作为主机，人工神经网络作为智能外国机。

但是目前还不能做出理想的智能化计算机。我们对未来智能化计算