狀態方程

[拼音]：rengong zhineng

[英文]：artificial intelligence

研究人類智慧活動的規律，構造具有一定智慧行為的人工系統，以實現腦力勞動部分自動化的綜合性學科。人工智慧的近期目標是在傳統計算機上用人工智慧技術編制的程式,完成以往需要人的智慧才能勝任的工作,如推理、學習、聯想、理解自然語言、制訂行動計劃等。這種模擬人的智慧的技術尚處於初級階段，只能作到一定程度的形似，而不能保證神似。計算機只是在給定的問題範圍內，在有限程度上表現出同人相似的智慧行為，還不能嚴格模擬人在處理資訊時的思維形式和思維過程。人工智慧的長遠目標是在思維科學指導下，對傳統計算機的硬體、軟體和體系結構進行改造，研製人工智慧系統（見智慧機），並不斷提高這類系統的思維模擬水平。人工智慧的技術是從人類各種智慧行為（如問題求解、感知、學習、創造、語言等）中總結提煉出來的，它與心理學、邏輯學、語言學等多種學科相關。人工智慧研究能提高計算機的靈活性，使其發揮更大的作用，因此有時也稱為機器智慧，被認為是電腦科學的一個分支。人工智慧的基本問題，可分為技術基礎和應用研究兩個方面。

發展概況

人工智慧研究可以追溯到A.M.圖靈提出的通用的非數值符號計算模型(圖靈機)。在出現了大規模的高速計算機以後，研究人工智慧的一些先驅學者如A.紐厄爾、H.A.西蒙等才從資訊處理的角度認識到，人的思維過程和計算機工作過程都可歸結為符號過程。以人（腦）的資訊處理為模型，研製解脫部分腦力勞動的人工系統，這是人工智慧的任務；而根據計算機的符號過程來研究人在資訊處理時的思維活動規律，則是認知心理學的任務。因此，人工智慧和認知心理學是在50年代中期，隨著高速計算機的發展而同時產生的孿生學科（見認知模型）。人工智慧的發展大致分為三個階段。

（1）第一階段（1956～1970）是人工智慧的起步時期早期的人工智慧研究是從智力難題、弈棋、難度不大的定理證明等簡單問題開始的。研究的目的不在於實際應用，而在於探索人的解題策略。問題的求解採用經驗性的啟發式搜尋或稱為試探搜尋，因而與認知心理學緊密相關。另一方面，數理邏輯學家一直在追求問題求解的普遍規律，特別是數學定理證明中運用高效通用的理論解析方法。1965年J.A.魯賓遜提出的歸結原理，對發展機器定理證明技術起了巨大的推動作用，是這方面的一個突出的例子。後來發現，用歸結法所生成的搜尋空間，隨著問題描述公式的數量指數地增長，中等程度的問題也難以在限定的時間和計算機容量內解決。因此，利用特定領域知識和普通常識指引的探試方法，在新的高度再次受到重視，而對歸結原理則由期望過高而轉為失望，並導致一些人在人工智慧中否定一切邏輯方法的傾向。實際上，歸結原理的主要貢獻並不限於數學定理證明方面，而在於它為非數學問題中常識推理和問題求解提供了一種有力的工具。例如日本第五代計算機核語言的原型PROLOG語言，就是在歸結原理的基礎上設計的。為了強調邏輯方法在非數學問題中的應用，在很多場合機器定理證明這一術語已被自動演繹所取代。因此，在人工智慧中的心理學方法和邏輯方法是相輔相成，互不矛盾的。此外，隨著問題求解研究的深入開展，還積累了一套系統的解題技術。所解的問題也由簡單的遊戲問題發展到複雜的現實問題。行動計劃或稱動作綜合便是用於機器人作業設計和自動程式設計等方面的基本技術。另外，自然語言理解、機器視覺、智慧機器人等也是在這一階段開始研究的。

（2）第二階段(70年代)是人工智慧的發展時期知識工程即研製知識型系統的工程技術的出現，是人工智慧發展史的重大轉折點，標誌著人工智慧由單純的理論探索開始面向實際應用。不論是專家系統還是自然語言理解系統（包括書面語和口語）、物景分析系統，都擁有大量領域知識、環境知識和通用常識，知識的表示和運用已成為人工智慧所有領域的關鍵技術。

（3）第三階段（1980年以後）是人工智慧發展的新階段這一階段的發展有兩方面特點。其一是人工智慧研究成果開始商品化，出現了用於精密檢測的機器視覺系統、用於裝配作業的初級智慧機器人系統和用於微型計算機的自然語言介面；研製出為專業人員所用的專家系統，如地質礦藏勘探系統等；進而又開始研製為一般人所用的家務諮詢系統和自修輔導學習系統。其二是人工智慧向更高水平發展,出現了所謂第二代專家系統,如用於計算機系統的配置設計；研製知識型智慧機器人、知識資訊處理系統或第五代計算機，開始嘗試將分散於各分支的人工智慧技術綜合為系統的機器智慧技術。

技術基礎

人工智慧的技術基礎包括知識表示、問題求解、機器定理證明或自動演繹、工具與語言等方面。

知識表示

將所需要的知識形式化，以便人工智慧系統在進行決策、規劃、識別物體、分析物景、推導結論時運用。從方法論來看，知識表示有表示事實和假設的陳述型和表示動作和行為的過程型兩類。知識獲取和認知建模還同認知心理學有關。

問題求解

人工智慧研究中的通用技術，包括搜尋（特別是依靠直觀經驗知識的啟發式搜尋）、行動計劃和已形成獨立分支領域的機器定理證明或自動演繹等內容。

機器定理證明或自動演繹

重點是常識推理，即運用邏輯方法，主要是運用歸結法或自然演繹法並結合探試法，把人們日常生活中常識推理的模式符號化；也研究數學定理的機器證明，還包括非標準邏輯中的自動演繹和70年代發展起來的邏輯程式設計等內容。

工具與語言

在人工智慧研究工具中，除了計算機以外，最重要的工具是適於描述智慧行為的語言。LISP語言是人工智慧研究中廣泛應用的一種基本語言，這是因為LISP語言的條件表示式的遞迴運用，符號資訊在外部用表的形式表示而在內部用表結構的形式表示，程式和資料形式上的一致性等特點，都能適應人工智慧的需要。為了提高LISP程式的執行效率,已研製出LISP機,直接將LISP語言的系統函式作為機器指令來執行。此外，第一個初步實現邏輯程式設計基本思想的PROLOG語言也受到了廣泛的注意。人們還注意到人工智慧研究的程式設計環境。

應用研究

廣義說，人工智慧研究的一切問題都可以看成是問題求解，問題求解的策略技術適用於人工智慧的各個方面。有些問題（如遊戲）儘管目的不在於直接應用，但對研究複雜智慧機制（如學習）仍有啟示意義。從70年代後的發展趨勢來看，人工智慧已開始面向實際應用。人工智慧的應用研究主要包括專家系統、自然語言理解、機器視覺、自動程式設計、公式推演和智慧機器人等方面內容。