人工智能学习研究的现状及其发展趋势
浅谈人工智能学习研究的现状
及其发展趋势
摘要：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。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能
学习与应用领域新的辉煌。
1.前言
自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。
人工智能已对现实社会做出了非常重大的贡献，而且其作用已在各领域发挥得淋漓尽致，特别是在计算机领域，人工智能的应用更加突出，可以说，哪里有计算机应用，哪里就在应用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。目前，人工智能应用的主要领域，也就是计算机应用的主要领域。
人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。
学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具有以下特点：学习行为一般具有明显的目的性，其结果是获
取知识；学习系统中结构的变化是定向的，要么由学习算法决定，要么由环境决定；学习系统是构造智能系统的中心骨架，它是全面组织与保存系统知识的场所；学习机制与知识表达方式密切相关，神经网络表示形式的知识可以用ANN 算法或GA算法来获取，也可以用加强算法来获取。
因此，人工智能学习研究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是，不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在电子计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，于是当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”。可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能学习这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。
2.人工智能学习的历史性基础和发展步伐
人工智能学习的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
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“思想容”，用符号之间的形式关系表达“思想容”之间的逻辑关系。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。
几乎在图灵上述工作的同时，·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，·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。·诺依曼的分析表明，自再生自动机self-reproducing automaton的容结构对于“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·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。·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·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。
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。
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。（注：第一阶段是搜索解决问题）
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。知识获取是究怎样有效地获得专家知识；知识表示是究怎样将专家知识表示成在计算机易于存储、易于使用的形式；知识利用是究怎样利用已得到恰当表示的专家知识去解决具体领域的问题。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。这种状况极大的激发了自动知识获取----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。
（注：第三个阶段）首先是需要提供强有力的技术手段，以支持分布式协同工作方式，现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（注：以前的阶段是通过搜索、推理利用人类已经总结的知识）。显然，这种机器人之间的合作可以看成是物理世界中的分布式协同工作，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”。
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。
3.二.人工智能学习的研究途径和主要流派
从国际围来看，人工智能的研究途径主要有三条。第一，生理学途径，采用仿生学的方法，模拟动物和人的感官以及大脑的结构和机能，制成神经元模型和脑模型；第二，心理学途径，应用实验心理学方法，总结人们思维活动的规律，用电子计算机进行心理模拟；第三，工程技术途径，研究怎样用电子计算机从功能上模拟人的智能行为。目前，第三种研究方法发展较快。它也从前两种方法中吸收新的思想，依靠新的启示扩大自己的成果。
传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。主要工作是“通用问题求解程序“（General Problem Solver, GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。
连接主义学派是从人的大脑神经系统结构出发，研究非
程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。
人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。
4.三.人工智能学习的主要技术及其发展趋势
目前人工智能学习研究的3个热点是：智能接口、数据挖掘、主体及多主体系统。
1、智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。
2、数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱：
数据库、人工智能和数理统计。主要研究容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。
主体是具有信念、愿望、意图、能力、选择和承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
新一代的智能技术是指80年代以来迅速发展起来的以神经网络（ANN）、进化计算、模糊逻辑、Agent为主要代表的计算只能技术，其中主要具有学习进化与自组织的能力。
3、神经网络也就是模拟人脑最基本的单位神经元功能来模拟人脑的功能。它通过一定的例训练构成的神经网络，就象教一个小孩子一样，在训练结束后，这个神经网络就可以完成特定的功能了。它是通过例的学习，修改了知识库和推理机的结构，达到实现人工智能的目的。
4、最后还有一个应用领域，就是模型识别，我想它应该在知识挖掘中应用不小，因为现在工程中的获得的数据越来越多，要想人为地从这些数据中确定某一规律都不容易，更不要说在这些数据中发现新规律了，因此有必要进行数据挖掘，它的应用对于决策支持系统将有着巨大的意义。
人可以思考，人工智能也需要思考，这就是推理；人可以学习，人工智能也就需要学习；人可以拥有知识，那么人工智能也就需要拥有知识。
人工智能是为了模拟人类大脑的活动的，人类已经可以用许多新技术新材料代替人体的许多功能，只要模拟了人的大脑，人就可以完成人工生命的研究工作，人创造自己，这不但在科学上，而且在哲学上都具有划时代的意义。
学习是指系统适应环境而产生的适应性变化，它使得系统在完成类似任务时更加有效。80年代以来，ANN的学习机制再次得到人们的重视，基于连接机制的亚符号学习又一次成为的当今学习机制研究的热点，提出了竞争学习，进化学习、加强学习等各种新的学习机制。
机械式学习。它的另一个名称死记式学习能够直接体现它的特点，这是一种最简单的，最原始的学习方法，也是机器的强项，人的弱项。
指导式学习。这种学习方式是由外部环境向系统提供一般性的指示或建议，系统把它们具体地转化为细节知识并送
入知识库中，在学习过程中要对反复对知识进行评价，使其不断完善。
归纳学习。我们看到，机器所善长的不是归纳，而是演绎，它适用于从特殊到一般，而不太适应从一般到特殊，从特殊到一般的归纳是人类所特有的，是智慧的标志。具体的归纳学习方法有许多，但它们的本质就是让计算机学会从一般中得出规律。
类比学习。类比也就是通过对相似事物进行比较所进行的一种学习。它的基础是类比推理，也就是把新事物和记忆中的老事物进行比较，如果发现它们之间有些属性是相同的，那么可以（假定地）推断出它们的另外一些属性也是相同的。
基于解释的学习。这是近年来兴起的一种新的学习方法。它不是通过归纳或类比进行学习，而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习，并最终生成这个目标概念的一般描述，这个一般描述是一个可形式化表示的一般性知识。
增强式学习（Reinforcement Learning）：是一种基于行为方法的半监督学习。一般的学习方法分两类，一类是上文提到的基于模型的，在这种方法，智能体需要环境确切的模型，具有较高的智能，但不适合于不确定的动态环境；另一种是基于行为的方法，在这种方法中，不需要环境的确切
模型，采用分层结构，高层行为可以调整和抑制低层的行为能力，但每层中都具有其自主的确定权，如[3]中的Holonic 智能制造系统。增强式具有这些优点，故常用于机器人足球赛[4]、狩猎问题、甚至战争指挥中[5]，但是这些都只是理论上的研究，因为机器人足球赛的本身目的也是为了测试人工智能的可用性，且更不可能去让战争去由电脑而不是人去指挥了。
使用强化学习的Agent最早是出现与遗传算法中，使用“Ethogenetics（行为遗传）”的思想，突破了人们长期以来关于一个编码串对应于组合优化问题所有策略变量的一个组合方式的传统、静态的认识，而将一个编码串看成某个智能主体(Agent)主动进行的一系列决策行为的结果。
人工智能学习可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的·诺依曼机与作为智能外围的人工神经网络的结合。研究表明：情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
通过以上的学习方法就是为了得到知识，通过一种方便的方法得到知识。前面已经说过了，因为机器的思考方式和人类的思考方式大有不同之处，因此让机器通过自己学习生成自己便于理解和使用的知识，也不失为机器学习的目标之一。
人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。
由于计算机芯片的微型化已接近极限。人们越来越寄希望于全新的计算机技术能够带动人工智能的发展。目前至少有三种技术有可能引发全新的革命，它们是光子计算机、量子计算机和生物计算机。
根据推测，未来光子计算机的运算速度可能比今天的超级计算机快１０００到１万倍。而一台具有５０００个左右量子位的量子计算机可以在大约３０秒解决传统超级计算机需要１００亿年才能解决的素数问题。相对而言，生物计算机研究更加现实，美国威斯康星－麦迪逊大学已研制出一台可进行较复杂运算的ＤＮＡ计算机。据悉，一克ＤＮＡ所能存储的信息量可与１万亿ＣＤ光盘相当。如果未来上述三种技术能够成熟运用，那将对人工智能的发展起到决定性的作用。
5.结束语
许多科学家断言，机器的智慧会迅速超过阿尔伯特·爱因斯坦和斯蒂芬·霍金的智慧之和。著名物理学家斯蒂芬·霍金认为，就像人类可以凭借其高超的捣弄数字的能力来设计计算机一样，智能机器将创造出性能更好的计算机。最迟到本世纪中叶而且很可能还要快得多，计算机的智能也许就会超出人类的智能。
本文对学习中的一些方法进行基本的叙述并阐述了其发展的趋势，但是在一般的学习中，使用基于行为的方法仍旧是最受人关注的；文中介绍了几种强化学习方法的变形，并对他们的运用进行了一定的叙述。在一定程度上，他们实现仿真的可行性。但是这些仿真大多都是验证性的，真正的人工智能在实际生产中的运用仍旧是一个需要研究的课题。最后，我们来总结一下，人工智能学习的各个研究领域。参照人在各种活动中的功能，我们可以得到人工智能的领域也不过就是代替人的活动而已。哪个领域有人进行的智力活动，哪个领域就是人工智能学习研究的领域。人工智能学习就是为了应用机器的长处来帮助人类进行智力活动。人工智能学习研究的目的就是要模拟人类神经系统的功能。
但随着技术及技术的发展，人工智能学习的方法还会有所变化也更加会引起我们的关注。
智能机器人的现状和发展趋势
智能移动机器人的现状和发展 姓名 学号 班级：
智能移动机器人的现状及其发展 摘要：本文扼要地介绍了智能移动机器人技术的发展现状，以及世界各国智能移动机器人的发展水平，然后介绍了智能移动机器人的分类，从几个典型的方面介绍了智能移动机器人在各行各业的广泛应用，讨论了智能移动机器人的发展趋势以及对未来技术的展望，最后提出了自己的建议和设想，分析我国在智能移动机器人方面发展并提出期望。 关键词：智能移动机器人；发展现状；应用；趋势 1引言 机器人是一种可编程和多功能的，用来搬运材料、零件、工具的操作机，或是为了执行不同的任务而具有可改变和可编程动作的专门系统。智能移动机器人则是一个在感知 - 思维 - 效应方面全面模拟人的机器系统，外形不一定像人。它是人工智能技术的综合试验场，可以全面地考察人工智能各个领域的技术，研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。一部智能移动机器人应该具备三方面的能力：感知环境的能力、执行某种任务而对环境施加影响的能力和把感知与行动联系起来的能 力。智能移动机器人与工业机器人的根本区别在于，智能移动机器人具有感知功 能与识别、判断及规划功能[1] 。 随着智能移动机器人的应用领域的扩大，人们期望智能移动机器人在更多领 域为人类服务，代替人类完成更复杂的工作。然而,智能移动机器人所处的环境 往往是未知的、很难预测。智能移动机器人所要完成的工作任务也越来越复杂; 对智能移动机器人行为进行人工分析、设计也变得越来越困难。目前，国内外对 智能移动机器人的研究不断深入。 本文对智能移动机器人的现状和发展趋势进行了综述，分析了国内外的智能 移动机器人的发展，讨论了智能移动机器人在发展中存在的问题，最后提出了对 智能移动机器人发展的一些设想。 1
人工智能的发展现状与前景探析
人工智能的发展现状与前景探析 大数据、人工智能、物联网等，这些新网络时代名词每天都会充斥在我们眼前，其实这些名词早已存在数十年之久，可今天仍然会成为各大新闻媒体争相报道内容。本文就目前人工智能的发展给各领域带来的进步和影响普通生活的各个方面进行深入的探讨，结合生活中相关人工智能的生活体验，对人工智能的发展前景提出一些观点，希望对人工智能热爱和感兴趣以及专业涉及的人工智能专业的人们提供一些参考。 标签：人工智能；发展现状；前景 1 引言 随着互联网时代的到来，我国各行各业对于智能化的需求越来越大，其更多的还是作为技术的载体来推动各个行业智能化的应用。在这一过程中，人工智能技术得到了迅猛的发展，并且和各个行业的结合也是更加的紧密。 2 人工智能技术的发展历程和方向 2.1人工智能技术的兴起 早在20世纪50年代，人工智能概念就已经被提出来了，随后很多的研究学者对其进行深入研究，并且取得了一定的成果，具体表现在LISP表处理语言编写等方面。不过这一项技术涉及到很多的学科领域，由于其他技术的发展没能跟上脚步，并且还受到很多解法推理能力的限制，进而导致很多的机器不能够实时翻译，这一问题的存在也就使得人工智能技术的发展陷入困境。 2.2人工智能技术的发展高潮 经过早期短暂的低谷期之后，各个研究学者对于人工智能技术的研究依旧没有放弃，一直到20世纪70年代，经过坚持不懈的努力，部分研究人员成功的研发出了较为良好的人工智能专家系统，正是这一发明将其技术研究工作推向了高潮。 2.3人工智能技术的应用分析 自知识工程含义提出之后，各种商业化的智能系统以及专家系统不断的产生，并且在世界范围内得到了广泛的应用。人工智能技术在相关领域中的应用创造出非常高的价值，不过由于专家系统自身的局限性，进而使得其再一次的受到严峻的挑战。 2.4人工智能技术的发展方向
人工智能简介及发展趋势
计算机科学与技术概论结业作业 人工智能技术简介及发展趋势 院系：信息科学与技术学院计算机科学与技术系 姓名：尹颜朋 学号：2011508009
前言 人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。他认为，如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。 人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。 第一章人工智能的产生 人工智能, 英文单词 artilect,来源于雨果·德·加里斯的著作
人工智能学习研究的现状其发展趋势
浅谈人工智能学习研究的现状 及其发展趋势 摘要：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。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智
能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能学习与应用领域新的辉煌。 1.前言 自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。 人工智能已对现实社会做出了非常重大的贡献，而且其作用已在各领域发挥得淋漓尽致，特别是在计算机领域，人工智能的应用更加突出，可以说，哪里有计算机应用，哪里就在应用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。目前，人工智能应用的主要领域，也就是计算机应用的主要领域。 人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。 学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具
人工智能的现状及今后发展趋势展望精编版
人工智能的现状及今后 发展趋势展望精编版 MQS system office room 【MQS16H-TTMS2A-MQSS8Q8-MQSH16898】
人工智能的现状及今后发展趋势展望 一．引言 人工智能(ArtificialIntelligence),英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展状况 目前，人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”（BlueJean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。 三．技术应用 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，其典型的应用包括： 1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。计算机识别的显着特点是速度快、准确性和效率高。识别过程与
浅析人工智能的现状及发展趋势
龙源期刊网 https://www.docsj.com/doc/7f773686.html, 浅析人工智能的现状及发展趋势 作者：范胜廷陈华 来源：《新教育时代·教师版》2017年第41期 摘要：人工智能是现代社会所独有的一门新兴技术科学，主要是研究、研发用于模拟、 扩展、延伸人的智能的方法、理论、技术以及应用系统。近年来，随着信息技术、计算机技术的迅速发展，人类在人工智能方面取得了一定的研究成果。本篇论文中，笔者主要对人工智能的现状进行了分析，并探讨了人工智能的发展趋势，以供参考。 关键词：人工智能现状发展趋势 人工智能科学技术归属于计算机科学，是其中的一个重要分支，人工智能领域的研究主要包括图像识别、语言识别、机器人、专家系统以及自然语言处理等。自诞生以来，人工智能理论和技术逐渐发展成熟，在社会、科技、文化、经济等领域中发挥着越来越重要的作用。 一、人工智能的现状 人工智能主要是通过研究智能的实质，企图以此为根据，开发出能够以类似于人类智能方式做出反应的智能机器。人工智能的进步，不仅可以替代脑力劳动，还可以替代某些脑力劳动职能。现阶段来说，电子仪器、机器人、电脑等诸多具有某一智能行为的机器不断涌现，这些人工智能设备可以自拟人的精神活动，同时也致力于在一些方面做出优化与改善，最终使其具备超人的功能，来帮助人类开展危险系数较高、较为复杂的工作[1]。与此同时，一些可以代 替人类劳动、用于工业生产的机器人得到了研发，这些机器人的实际应用，可以使人类的工作、生活更加高效、便利。但就目前的机器人生产技术来看，只能用于制造一些只有某一种功能的机器人，要研发人性化、多功能的机器人，还需要很长的一段时间。除此之外，还出现了一些用于商业用途的人工智能产物，如单位内部的决策支持系统、客户信息系统以及常见的法津顾问、医学顾问等软件。在我国的日常生活中，还有诸多人工智能产物，如飞机、汽车的导航系统以及家用电器中的智能芯片、电动游戏中的人工智能程序等等。可以说，人工智能的应用范围十分广泛，在社会、科技、文化、经济及人们日常生活中均得到了应用，由此可见，人工智能有着良好的发展前景与广阔的发展空间。 二、人工智能发展过程中面临的问题 现阶段，随着信息技术、计算机技术的迅速发展，人类在人工智能方面取得了一定的研究成果，诸多人工智能产物已经投入实际应用，并为方便人类的工作、生活提供了良好的帮助。但是，任何一种技术都是有利有弊的，人工智能也不例外，超智能概念的提出，让人们对智能机器产生了质疑与忧虑[2]。正如电影情节中一样，随着人工智能的高速发展，未来是否会有 一天人类世界被智能机器所统治，这是摆在人类面前的一个重要问题。然而，若是因为害怕人工智能产物的负面影响，而采取抑制人工智能的发展的这一措施，却是万万不可取的。面对风
人工智能未来发展前景展望
人工智能未来发展前景展望 ：磊(10计本) 学号： 长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(M ＩＴ)、卡基-梅隆大学(CＭＵ)到IＢＭ公司，再到日本的本田公司、ＳＯＮＹ公司以及国的清华大学、中科院等科研院所，全世界的实验室都在进行着ＡＩ技术的实验。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(ＡＩ)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。 （一）、人工智能的定义 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。 “智能”1是一个宽泛的概念。智能是人类具有的特征之一。Intelegere是从中进行选择，进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》(machines who thinks,1979)中所提出的: 在1"智能"源于拉丁语legere，字面意思是采集(特别是果实)、收集、汇集，并由此进行选择，形成一个东西。
复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的某些智能活动进行直观联系。经过几个世纪之后，新技术已使我们所建立的机器的复杂性大为提高。1936年，24岁的英国数学家图灵 i(Turing)提出了"自动机"理论，把研究会思维的机器和计算机的工作大大向前推进了一步，他也因此被称为"人工智能之父"。 人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(artificial intelligence，AI)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。 当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷，但是随着硬件和软件的发展，计算机的运算能力在以指数级增长，同时网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运
生活中的人工智能——人工智能的现状及未来
生活中的人工智能 ----人工智能发展现状及未来摘要：人工智能一词于1956年提出，经过半个多世纪的发展，已经渗透到各个领域。本文将对人工智能的发展作简要的介绍和分析，重点介绍近年来人工智能在各个领域的应用，以期我们对人工智能有更深入的了解。 关键词：人工智能、应用、发展 随着计算机技术的飞速发展，人工智能也取得了极大的发展，并且开始应用到我们生活中的方方面面。伴随着研究的深入，也许我们正要进入一个人工智能时代。 1.人工智能的兴起和早期发展 人工智能的发展历程大致可以分为下面五个阶段。 第一阶段: 20世纪50年代，人工智能的兴起和冷落。人工智能概念在1956年首次提出后，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。但是由于消解法推理能力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，而忽视了知识的重要性。 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 on Artificial Intelligence即IJCAI)。 第三阶段: 80年代，随着第五代计算机的研制，人工智能得到了飞速的发展。日本在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KIPS”，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 2.近年来人工智能的应用 随着人工智能的发展，人工智能已经渗透到了生活中的每个方面。 2.1“人机大战” 在人工智能的发展史上，出现了很多堪称经典的“人机大战”。 1985年，当时的国际象棋世界冠军“棋王”卡斯帕罗夫在德国汉堡举行了一场人机车轮大战。他在5个小时内，以32∶0的完美比分击败了所有电脑公司祭出的硬件和象棋软件程序。然而11年之后情况发生了变化，1996年“棋王”在与“深蓝”的比赛中第一次输了一盘；1997年，升级版的“湛蓝”在决定胜负的第六个回合中，只用了22步棋便迫使卡斯帕罗夫投子认输——这是“棋王”职业生
2020年(发展战略)人工智能的状态及今后发展方向展望
（发展战略）人工智能的状态及今后发展方向展望
人工智能的现状及今后发展趋势展望 壹．引言 人工智能(ArtificialIntelligence),英文缩写为AI，也称机器智能。“人工智能”壹词最初是于1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的壹门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展情况 目前，人工智能技术于美国、欧洲和日本依然飞速发展。于AI技术领域十分活跃的IBMXX公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之壹的智力能力。而正于开发的更为强大的新超级电脑———“蓝色牛仔”（BlueJean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致和人脑相当。 三．技术应用 随着AI技术的发展，现代几乎各种技术的发展均涉及到了人工智能技术，能够说人工智能已经广泛应用到许多领域，其典型的应用包括： 1符号计算 计算机最主要的用途之壹就是科学计算,科学计算可分为俩类:壹类是纯数值的计算,例如求函数的值;另壹类是符号计算,又称代数运算,这是壹种智能化的计算,处理的是符号。符号能够代表整数、有理数、实数和复数,也能够代表多项式、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。由于它们均是用
C语言写成的,所以能够于绝大多数计算机上使用。 2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,我们把环境和客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的壹个关键的突破口，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。识别过程和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话，壹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、于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、电话等和“老外”通话。3机器翻译 机器翻译是利用计算机把壹种自然语言转变成另壹种自然语言的过程，用以完成这壹过程的软件系统叫做机器翻译系统。搜文网目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致能够分为三大类：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，它能够迅速查询英文单词或词组的词义且提供单词的发音，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，壹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
人工智能的现状及今后发展趋势展望
人工智能的现状及今后发展趋势展望 一．引言 人工智能(Artificial Intelligence),英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展状况 目前，人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCI White电脑，号称具有人脑的千分之一的智力能力。而正在开发的更为强大的新超级电脑———“蓝色牛仔”（Blue Jean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。 三．技术应用 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，其典型的应用包括： 1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
人工智能的发展前景
人工智能的发展前景 人工智能很可能导致人类的永生或者灭绝，而这一切很可能在我们的有生之年 发生。 上面这句话不是危言耸听，请耐心的看完本文再发表意见。这篇翻译稿翻译完 一共三万五千字，我从上星期开始翻，熬了好几个夜才翻完，因为我觉得这篇 东西非常有价值。希望你们能够耐心读完，读完后也许你的世界观都会被改变。 我们正站在变革的边缘，而这次变革将和人类的出现一般意义重大–Vernor Vinge 如果你站在这里，你会是什么感觉？ 看上去非常刺激吧？但是你要记住，当你真的站在时间的图表中的时候，你是 看不到曲线的右边的，因为你是看不到未来的。所以你真实的感觉大概是这样的：
稀松平常。 遥远的未来——就在眼前 想象一下坐时间机器回到1750年的地球，那个时代没有电，畅通通讯基本靠吼，交通主要靠动物拉着跑。你在那个时代邀请了一个叫老王的人到2015年来玩，顺便看看他对―未来‖有什么感受。我们可能没有办法了解1750年的老王内心的感受——金属铁壳在宽敞的公路上飞驰，和太平洋另一头的人聊天，看几千公里外正在发生进行的体育比赛，观看一场发生于半个世纪前的演唱会，从口袋里掏出一个黑色长方形工具把眼前发生的事情记录下来，生成一个地图然后地图上有个蓝点告诉你现在的位置，一边看着地球另一边的人的脸一边聊天，以及其它各种各样的黑科技。别忘了，你还没跟他解释互联网、国际空间站、大型强子对撞机、核武器以及相对论。 这时候的老王会是什么体验？惊讶、震惊、脑洞大开这些词都太温顺了，我觉得老王很可能直接被吓尿了。 但是，如果老王回到了1750年，然后觉得被吓尿是个很囧的体验，于是他也想把别人吓尿来满足一下自己，那会发生什么？于是老王也回到了250年前的
人工智能技术及其发展趋势
人工智能技术及其发展趋势 1.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案：A√答对 2.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（ 3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 我的答案：B√答对 3.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别
D.虹膜识别 我的答案：C√答对 4.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 我的答案：D√答对 5.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 6.关于专用人工智能与通用人工智能，下列表述不当的是（）。（3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题
D.真正意义上完备的人工智能系统应该是一个专用的智能系统 我的答案：D√答对 7.（）是指直接通过肢体动作与周边数字设备和环境进行交互。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 8.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对 9.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片
人工智能技术及其发展趋势2020年
1.下列选项中，不属于生物特征识别技术的是（）。（10.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 我的答案：C√答对 2.生物特征识别技术不包括（）。（10.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A√答对 3.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（10.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 我的答案：D√答对 4.下列对人工智能芯片的表述，不正确的是（）。（10.0分）
A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对 1.目前，深度学习主要包括（）。（10.0分）） A.前馈神经网络 B.卷积神经网络 C.循环神经网络 D.对抗神经网络 我的答案：ABCD√答对 2.关于人工智能，下列表述正确的有（）。（10.0分）） A.计算机科学的一个分支 B.试图揭示人类智能的实质和真相 C.以模拟人类智能的方式去赋能机器 D.使机器能够模拟人类的智能进行学习、思维、推理、决策和行动 我的答案：ABCD√答对 1.神经网络的训练过程不需要人工标记的样本数据集。（10.0分）我的答案：错误√答对
2.机器人一般由执行机构、驱动装置、检测装置、控制系统和复杂机械等组成，涉及到控制论、机械电子、计算机、材料、仿生等学科，在工业、医学、农业、建筑业甚至军事等领域中均有重要用途。（10.0分） 我的答案：正确√答对 3.自然语言处理是一门融语言学、计算机科学、数学于一体的科学。（10.0分）我的答案：正确√答对 4.卷积神经网络是一种常用来处理具有网格结构拓扑数据的神经网络，如处理时序数据和图像数据等，广泛应用于人脸识别、物品识别等领域。（10.0分） 我的答案：正确√答对
2020专技公需课人工智能技术及其发展趋势
人工智能技术及其发展趋势 一、单选题 1.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 我的答案：C √答对 2.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（ 3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 我的答案：B √答对 3.（）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 我的答案：C √答对 4.关于专用人工智能与通用人工智能，下列表述不当的是（）。（3.0分）
A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 我的答案：D √答对 5.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C √答对 6.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 我的答案：A √答对 7.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互
(完整word版)人工智能在军事领域的发展现状及应用前景
人工智能在军事领域的发展现状及应用前景 知远战略与防务研究所/威远编译自：俄罗斯外交和国防政策委员会网站[知远导读]本文主要介绍了当今世界及俄罗斯本国人工智能技术发展的现状以及未来该技术在军事领域的应用前景，文章还重点分析了人工智能技术实现的可能途径以及人工智能技术对人类战争活动的可能影响。文章编译如下：目前，关于人工智能的说法和文章很多，这让人觉得，人工智能早已研究成熟且无处不在。事实上并未如此。虽然自动化早已成为生产和指挥过程的一部分，而且计算机已经学会语音和脸部识别，操控汽车和分析大量数据。图像识别或者自动翻译属于利用人工智能方法并在完成类似任务时选择存储结果的机器学习技术。人工智能目前还未实现，还需要进行研究，它的应用领域确实非常广泛。国防领域也在其中。发展人工智能成为了保障国家安全的任务。美国和中国希望在人工智能研究中占据领先地位并率先将其运用到网络武器和既可用于监视敌人，也可用于袭击敌人的自主式武器的研制当中。美国国防部在2017年开始抓紧落实所谓的“第三次抵消战略”，该文件中提出的主要目标是“必须集中力量进行创新，旨在通过创新发展美国近年来与对手和敌人已经接近的关键能力，保持并恢复传统遏制力”，这里说的对手和敌人指的也
就是俄罗斯和中国。实际上，世界上已经开始了创新武器竞赛，全部主要大国都将卷入其中。此外，西方已经被普京总统2017年9月1日在雅罗斯拉夫尔公开讲话中提到的内容所震撼：“人工智能不仅仅是俄罗斯的未来，也是全人类的未来。这包含着巨大的机遇和当今难以预测的威胁。谁能成为该领域的领导者，谁就将主宰世界”。著名商人伊隆·马斯克称，人工智能最终将消灭人类。因此，他和另外116名专家、学者、新技术领域公司代表向联合国发出请求书，呼吁禁止研制任何类型使用人工智能技术的武器和自主技术装备。部分商业人士和学者强调，运用自主技术相当于继火药和核武器出现之后，战争中出现的第三次革命，毫无疑问，他们说的没错。但显而易见，联合国开始的关于禁止此类武器公约的讨论不是为了别的什么目的，而是美国及其盟友以讨论普世价值为掩护，阻止其地缘政治对手，首先是俄罗斯和中国研制人工智能武器。然而，履带式装甲车和打击无人机并非战略武器，而是战术武器。这些武器对人类不构成任何威胁。“杀手机器人”的形象被好莱坞复制了无数遍，但现实中的战斗系统未必与之有什么共同点。为了弄清楚，所谓的战斗机器人会不会对人类构成威胁，首先必须弄清，什么是人工智能，它与机器智能，超级计算机的深度学习有什么不同，还有最主要的是人工智能在军事领域的地位和运用范围。国家安全领域
对人工智能现状及发展思考
《人工智能》课程论文 对人工智能现状及发展的思考 【摘要】：自从计算机诞生以来，计算机的发展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前对于计算机科学的研究已经出现了很多的分支，其中的人工智能在整个计算机科学领域中也是一个十分热门的课题。本文从人工智能的概念开始，并对人工智能的发展进行讲述，最后对人工智能进行人文思考。 【关键词】：人工智能，发展，思考 "人工智能"一词最早是在1956 年Dartmouth 学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能其英文全称为Artificial Intelligence，缩写为人所共知的AI，它主要是对用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统等进行研究讨论。 对于人工智能的定义义众说不一，一般有两种说法：一种是人工智能是关于知识的学科，即怎样对知识进行表示以及怎样获取知识并对知识进行使用的科学；另一种是人工智能研究的是如何实现让计算机做过去只有人才能够做的智能工作。但是不管是哪一种，它都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式做出反应的智能机器。 人工智能的定义可以分为两部分，即"人工"和"智能"。对于"人工"，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但
总的来说，"人工系统"就是通常意义下的人工系统。诞生对于"智能"，则存在着很大的争议。因为这涉及到了诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人类唯一能够了解的智能就是人类本身的智能。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是"人工"制造的"智能"了。 人工智能的实现方式有2 种方法。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。 2、人工智能的发展 对于人工智能的研究一共可以分为五个阶段。 第一个阶段是人工智能的兴起与冷落，这个时间是在20 世纪的50 年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、跳棋程序、LISP 表处理语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入了低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：问题求解的方法过度重视，却忽视知识重要性。 第二个阶段从20 世纪的60 年代末到70 年代。专家系统的出现
人工智能技术及其发展趋势答案
人工智能技术及其发展趋势 单选题 1.（）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 2.关于专用人工智能与通用人工智能，下列表述不当的是（）。（ 3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 3.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习
D.智能芯片 4.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 5.下列对人工智能芯片的表述，不正确的是（）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 6.下列选项中，不属于生物特征识别技术的是（）。（3.0分） A.步态识别 B.声纹识别 C.文本识别
7.生物特征识别技术不包括（）。（3.0分） A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 8.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 9.立体视觉是（）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理
《人工智能发展现状与应用前景》
前言 蓝草咨询的目标：为您提升工作业绩优异而努力，为您明天事业腾飞以蓄能！蓝草咨询的老师：都有多年实战经验，拒绝传统的说教，以案例分析，讲故事为核心，化繁为简，互动体验场景，把学员当成真诚的朋友！ 蓝草咨询的课程：以满足初级、中级、中高级的学员的个性化培训为出发点，通过学习达成不仅当前岗位知识与技能，同时为晋升岗位所需知识与技能做准备。课程设计不仅注意突出落地性、实战性、技能型，而且特别关注新技术、新渠道、新知识、创新型在实践中运用。 蓝草咨询的愿景：卓越的培训是获得知识的绝佳路径，同时是学员快乐的旅程，为快乐而培训为培训更快乐！目前开班的城市：北京、上海、深圳、苏州、香格里拉、荔波，行万里路，破万卷书！ 蓝草咨询的增值服务：可以提供开具培训费的增值税专用发票。让用户合理利用国家鼓励培训各种优惠的政策。报名学习蓝草咨询的培训等学员可以申请免费成为“蓝草club”会员，会员可以免费参加（某些活动只收取成本费用）蓝草club 定期不定期举办活动，如联谊会、读书会、品鉴会等。报名学习蓝草咨询培训的学员可以自愿参加蓝草企业“蓝草朋友圈”，分享来自全国各地、多行业多领域的多方面资源，感受朋友们的成功快乐。培训成绩合格的学员获颁培训结业证书，某些课程可以获得国内知名大学颁发的证书和国际培训证书（学员仅仅承担成本费用）。成为“蓝草club”会员的学员，报名参加另外蓝草举办的培训课程的，可以享受该培训课程多种优惠。
2019《人工智能发展现状与应用前景》课程大纲及开课计划 2019年课程计划： 上海：6月21、8月20、10月25 课程价格：3600（含授课费、证书费、资料费、午餐费、茶点费、会务费、税费）课程背景: 随着物联网和智能数据处理技术的普及，我们正在进入人工智能的时代。本课程带大家认识什么是物联网，了解万物人工智能的基础和原理，进而感知正在到来的人工智能社会,并对于人工智能技术给人类社会和生活带来的改变和前景产生深刻的认识与思考。 课程收益: 了解人工智能概念 人工智能带来的新商业机会 最前沿的人工智能技术与应用 课程大纲: 第一章：人工智能发展趋势 1.人脑仿生取得重大突破 2.机器学习深入应用 3.智能语音助手成为突破口 4.机器视觉在生产中不断渗透 5.AR和VR发展驶入快车道 6.区块链技术与人工智能融合发展 第二章：人工智能时代