人工智慧歷程論文
人工智慧是一門邊沿學科，屬於自然科學和社會科學的交叉。以下是小編整理分享的的相關文章，歡迎閱讀!
篇一
人工智慧的現狀及今後發展趨勢展望
摘要：介紹了人工智慧的概念及其目前發展概況,對人工智慧的幾種型別及應用，如：模式識別、專家系統作了簡要的介紹。並對人工智慧今後的發展前景進行了分析。
關鍵詞：人工智慧
1引言
人工智慧ArtificialIntelligence ,英文縮寫為AI，也稱機器智慧。“人工智慧”一詞最初是在1956年Dartmouth學會上提出的。它是電腦科學、控制論、資訊理論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統的角度出發，人工智慧是研究如何製造智慧機器或智慧系統，來模擬人類智慧活動的能力，以延伸人們智慧的科學。
2目前人工智慧技術的研究和發展狀況
目前，人工智慧技術在美國、歐洲和日本依然飛速發展。在AI技術領域十分活躍的IBM公司，已經為加州勞倫斯·利佛摩爾國家實驗室製造了ASCIWhite 電腦，號稱具有人腦的千分之一的智力能力，而正在開發的更為強大的新超級電腦—— “藍色牛仔”Blue Jean，據其研究主任保羅·霍恩稱， “藍色牛仔”的智力水平將大致與人腦相當。
3技術應用
隨著AI的技術的發展，現代幾乎各種技術的發展都涉及到了人工智慧技術，可以說人工智慧已經廣泛應用到許多領域，其典型的應用包括：
3.1符號計算
計算機最主要的用途之一就是科學計算,科學計算可分為兩類:一類是純數值的計算,例如求函式的值; 另一類是符號計算,又稱代數運算,這是一種智慧化的計算, 處理的是符號。符號可以代表整數、有理數、實數和複數,也可以代表多項式,函式,集合等。隨著計算機的普及和人工智慧的發展,相繼出現了多種功能齊全的計算機代數系統軟體, 其中Mathematic和Maple 是它們的代表，由於它們都是用C 語言寫成的, 所以可以在絕大多數計算機上使用。
3.2模式識別
模式識別就是通過計算機用數學技術方法來研究模式的自動處理和判讀。這裡,我們把環境與客體統稱為“模式”。網。用計算機實現模式文字、聲音、人物、物體等的自動識別，是開發智慧機器的一個關鍵的突破口，也為人類認識自身智慧提供線索。計算機識別的顯著特點是速度快、準確性和效率高。識別過程與人類的學習過程相似。以“語音識別”為例： 語音識別就是讓計算機能聽懂人說的話，一個重要的例子就是七國語言英、日、意、韓、法、德、中口語自動翻譯系統。該系統實現後，人們出國預定旅館、購買機票、在餐館對話和兌換外幣時，只要利用電話網路和國際網際網路，就可用手機、電話等與“老外”通話。
3.3機器翻譯
機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟體系統叫做機器翻譯系統。目前，國內的機器翻譯軟體不下百種，根據這些軟體的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業翻譯類。詞典類翻譯軟體代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或片語的詞義，並提供單詞的發音，為使用者瞭解單詞或片語含義提供了極大的便利。漢化翻譯軟體的典型代表是“東方快車2000”，它首先提出了“智慧漢化”的概念，使翻譯軟體的輔助翻譯作用更加明顯。
3.4機器學習
機器學習是機器具有智慧的重要標誌，同時也是機器獲取知識的根本途徑。有人認為，一個計算機系統如果不具備學習功能，就不能稱其為智慧系統。機器學習主要研究如何使計算機能夠模擬或實現人類的學習功能。機器學習是一個難度較大的研究領域，它與認知科學、神經心理學、邏輯學等學科都有著密切的聯絡，並對人工智慧的其他分支，如專家系統、自然語言理解、自動推理、智慧機器人、計算機視覺、計算機聽覺等方面，也會起到重要的推動作用。
3.5問題求解
人工智慧的第一大成就是下棋程式,在下棋程度中應用的某些技術,今天的計算機程式已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是,尚未解決包括人類棋手具有的但尚不能明確表達的能力。如國際象棋大師們洞察棋局的能力。網。另一個問題是涉及問題的原概念,在人工智慧中叫問題表示的選擇,人們常能找到某種思考問題的方法,從而使求解變易而解決該問題。到目前為止,人工智慧程式已能知道如何考慮它們要解決的問題,即搜尋解答空間,尋找較優解答。
3.6邏輯推理與定理證明
邏輯推理是人工智慧研究中最持久的領域之一,其中特別重要的是要找到一些方法,只把注意力集中在一個大型的資料庫中的有關事實上,留意可信的證明,並在出現新資訊時適時修正這些證明。醫療診斷和資訊檢索都可以和定理證明問題一樣加以形式化。因此,在人工智慧方法的研究中定理證明是一個極其重要的論題。
3.7自然語言處理
自然語言的處理是人工智慧技術應用於實際領域的典型範例,經過多年艱苦努力,這一領域已獲得了大量令人注目的成果。目前該領域的主要課題是:計算機系統如何以主題和對話情境為基礎,注重大量的常識——世界知識和期望作用,生成和理解自然語言。這是一個極其複雜的編碼和解碼問題。
3.8分散式人工智慧
分散式人工智慧在20世紀70年代後期出現，是人工智慧研究的一個重要分支。分散式人工智慧系統一般由多個Agent智慧體組成，每一個Agent又是一個半自治系統，Agent之間以及Agent與環境之間進行併發活動，並通過互動來完成問題求解。
3.9計算機視覺
計算機視覺是一門用計算機實現或模擬人類視覺功能的新興學科。其主要研究目標是使計算機具有通過二維影象認知三維環境資訊的能力，這種能力不僅包括對三維環境中物體形狀、位置、姿態、運動等幾何資訊的感知，而且還包括對這些資訊的描述、儲存、識別與理解。
目前，計算機視覺已在人類社會的許多領域得到成功應用。例如，在影象、圖形識別方面有指紋識別、染色體識字元識別等;在航天與軍事方面有衛星影象處理、飛行器跟蹤、成像精確制導、景物識別、目標檢測等;在醫學方面有影象的臟器重建、醫學影象分析等;在工業方面有各種監測系統和生產過程監控系統等。
3.10智慧資訊檢索技術
資訊獲取和精化技術已成為當代電腦科學與技術研究中迫切需要研究的課題,將人工智慧技術應用於這一領域的研究是人工智慧走向廣泛實際應用的契機與突破口。
3.11專家系統
專家系統是目前人工智慧中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經驗的程式系統。近年來,在“專家系統”或“知識工程”的研究中已出現了成功和有效應用人工智慧技術的趨勢。人類專家由於具有豐富的知識,所以才能達到優異的解決問題的能力。那麼計算機程式如果能體現和應用這些知識,也應該能解決人類專家所解決的問題,而且能幫助人類專家發現推理過程中出現的差錯,現在這一點已被證實。如在礦物勘測、化學分析、規劃和醫學診斷方面,專家系統已經達到了人類專家的水平。
4 目前人工智慧發展中所面臨的難題
人工智慧A I 學科自1956 年誕生至今已走過50 多個年頭, 就研究解釋和模擬人類智慧、智慧行為及其規律這一總目標來說, 已經邁出了可喜的一步, 某些領域已取得了相當的進展。但從整個發展的過程來看, 人工智慧發展曲折, 而且還面臨不少難題，主要有以下幾個方面：
4.1 計算機博弈的困難
博弈是自然界的一種普遍現象。它表現在對自然界事物的對策或智力競爭上。博弈不僅存在於下棋之中, 而且存在於政治、經濟; 軍事和生物的鬥智和競爭之中。儘管西洋跳棋和國際象棋的計算機程式已經達到了相當高的水平, 然而計算機博弈依然面臨著巨大的困難。這主要表現在以下兩個方面的問題。其一是組合爆炸問題, 狀態空間法是人工智慧中基本形式化方法。若用博弈樹來表示狀態空間, 對於幾種常見的棋類, 其狀態空間都大得驚人, 例如, 西洋跳棋為10 的40 次方,國際象棋為10 的120 次方, 圍棋則是10 的700 次方。如此巨大的狀態空間, 現有計算機是很難忍受的。其二是現在的博弈程式往往是針對二人對弈, 棋局公開,有確定走步的一類棋類進行研製的。而對於多人對弈, 隨機性的博弈這類問題, 至少目前計算機還是難以模擬實現的。
4.2 機器翻譯所面臨的問題
在計算機誕生的初期, 有人提出了用計算機實現自動翻譯的設想。目前機器翻譯所面臨的問題仍然是1964 年語言學家黑列爾所說的構成句子的單詞和歧義性問題。歧義性問題一直是自然語言理解NLU 中的一大難關。同樣一個句子在不同的場合使用, 其含義的差異是司空見慣的。因此, 要消除歧義性就要對原文的每一個句子及其上下文, 尋找導致歧義的詞和片語在上下文中的準確意義。然而, 計算機卻往往孤立地將句子作為理解單位。另外, 即使對原文有了一定的理解, 理解的意義如何有效地在計算機裡表示出來也存在問題。目前的NLU 系統幾乎不能隨著時間的增長而增強理解力, 系統的理解大都侷限於表層上, 沒有深層的推敲, 沒有學習, 沒有記憶, 更沒有歸納。導致這種結果的原因是計算機本身結構的問題和研究方法的問題。現在NLU 的研究方法很不成熟, 大多數研究侷限在語言這一單獨的領域, 而沒有對人們是如何理解語言這個問題作深入有效的探討。
4.3 自動定理證明和GPS 的侷限
自動定理證明的代表性工作是1965 年魯賓遜提出的歸結原理。歸結原理雖然簡單易行, 但它所採用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的。基於歸結原理演繹推理要求把邏輯公式轉化為子句集合,從而喪失了其固有的邏輯蘊涵語義。前面曾提到過的GPS 是企圖實現一種不依賴於領域知識, 求解人工智慧問題的通用方法。GPS 想擺脫對問題內部表達形式的依賴, 但是問題的內部表達形式的合理性是與領域知識密切相關的。不管是用一階謂詞邏輯進行定理證明的歸結原理, 還是求解人工智慧問題的通用方法GPS, 都可以從中分析出表達能力的侷限性, 而這種侷限性使得它們縮小了其自身的應用範圍。
4.4 模式識別的困惑
雖然使用計算機進行模式識別的研究與開發已取得大量成果,有的已成為產品投入實際應用, 但是它的理論和方法與人的感官識別機制是全然不同的。人的識別手段形象思維能力, 是任何最先進的計算機識別系統望塵莫及的,另一方面, 在現實世界中, 生活並不是一項結構嚴密的任務一般家畜都能輕而易舉地對付, 但機器不會, 這並不是說它們永遠不會, 而是說目前不會。”
5人工智慧的發展前景。
5.1人工智慧的發展趨勢
技術的發展總是超乎人們的想象，要準確地預測人工智慧的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智慧可能會向以下幾個方面發展:模糊處理、並行化、神經網路和機器情感。
5.2 人工智慧的發展潛力巨大
人工智慧作為一個整體的研究才剛剛開始, 離我們的目標還很遙遠。但人工智慧在某些方面將會有圈套的突破。
1自動推理人工智慧最經典的研究分支, 其基本理論是人工智慧其它分支的共同基礎。一直以來自動推理都是人工智慧研究的最熱門內容之一, 其中知識系統的動態演化特徵及可行性推理的研究是最新的熱點, 很有可能取得大的突破。
2機器學習的研究取得長足的發展。許多新的學習方法相繼問世並獲得了成功的應用,如增強學習演算法、reinforcement learning 等。也應看到, 現有的方法處理線上學習方面尚不夠有效, 尋求一種新的方法,以解決移動機器人、自主agent、智慧資訊存取等研究中的線上學習問題是研究人員共同關心的問題, 相信不久會在這引起方面取得突破。
3自然語言處理是A I 技術應用於實際領域的典型範例, 經過A I 研究人員的艱苦努力,這一領域已獲得了大量令人注目的理論與應用成果。許多產品已經進入了眾的智慧資訊檢索技術在Internet 技術的影響下,近年來迅猛發展, 已經成為了A I 的一個獨立研究分支。由於資訊獲取與精化技術已成為當代電腦科學與技術研究中迫切需要研究的課題,將A I 技術應用於這一領域的研究是人工智慧走向應用的契機與突破口。網。從近年的人工智慧發展來看,這方面的研究已取得了可喜的進展。
6結束語
人工智慧一直處於計算機技術的前沿，人工智慧研究的理論和發現在很大程度上將決定計算機技術的發展方向。今天，已經有很多人工智慧研究的成果進入人們的日常生活。將來，人工智慧技術的發展將會給人們的生活、工作和教育等帶來更大的影響。
下一頁分享更優秀的<<<