人工智慧應用的論文

　　AI研究出現了新的高潮，有兩個方面的表現，一方面在於人工智慧理論方面有了新的進展，另一方面是由於突飛猛進發展的計算機硬體。以下是小編整理分享的關於的相關文章，歡迎閱讀!

　　篇一

　　人工智慧的應用研究

　　一、人工智慧的發展過程

　　人工智慧***AI.Artificial Intelligence***經歷了三次飛躍階段：實現問題求解是第一次，代替人進行部分邏輯推理工作的完成，如機器定理證明和專家系統;智慧系統能夠和環境互動是第二次，從執行的環境中對資訊進行獲取，代替人進行包括不確定性在內的部分思維工作的完成，通過自身的動作，對環境施加影響，並適應環境的變化，如智慧機器人;第三次是智慧系統，具有類人的認知和思維能力，能夠發現新的知識，去完成面臨的任務，如基於資料探勘的系統。

　　二、人工智慧的研究熱點

　　AI研究出現了新的高潮，有兩個方面的表現，一方面在於人工智慧理論方面有了新的進展，另一方面是由於突飛猛進發展的計算機硬體。隨著不斷提高的計算機速度、不斷擴大的儲存容量、不斷降低的價格，以及不斷髮展的網路，很多在以前無法完成的工作在現在都能夠實現。當前，智慧介面、資料探勘、主體及多主體系統是人工智慧研究的三個熱點。

　　***一***智慧介面技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現又依賴於知識表示方法的研究。因此，智慧介面技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智慧介面技術已經取得了顯著成果，文字識別、語音識別、語音合成、影象識別、機器翻譯及自然語言理解等技術已經開始實用化。

　　***二***資料探勘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用資料中提取隱含在其中的、人們事先不知道的、但是又潛在有用的資訊和知識的過程。資料探勘和知識發現的研究目前已經形成了三根強大的技術支柱：資料庫、人工智慧和數理統計。

　　***三***主體系統是具有信念、願望、意圖、能力、選擇、承諾等心智狀態的實體，比物件的粒度更大，智慧性更高，而且具有一定的自主性。主體試圖自治、獨立地完成任務，而且可以和環境互動，與其他主體通訊，通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智慧行為，最終實現問題求解。

　　三、人工智慧的應用領域

　　今天，AI能力更傾向於應用到人類或其他動物智慧的某一或某幾方面，並用自動化替代，有時候也用於對其進行模擬。不過在有些情況下，這些在高效能運算機排程之下的智慧行為遠遠比人類的行為更為強大。

　　***一***路徑查詢和路徑規劃。在最小代價路徑規劃和路徑查詢系統中，可以使用專門的技術——它們中有一些非常靈巧微妙，另一些則僅僅是用蠻力解決——來模擬對理解的直覺迅速轉換或者對普通人大腦生成過程的識別，結果有時非常令人驚訝!路徑查詢就是路徑規劃問題的一種變體。

　　為了找到最佳路線，我們需要計算通過每一個往返路線的時間開銷。時間就是金錢;所以，我們更傾向於關注最小代價路線。這也適用於飛機航線的制定，它們需要在不同的城市中逗留或更換航班等等。

　　***二***邏輯和不確定性。計算機程式設計就像是使用邏輯磚塊建造一棟房子一樣。事實上，人工智慧程式設計通常被認為有兩種邏輯形式——命題邏輯和形式邏輯——的一種特殊混合應用，也被認為是一種謂詞演算。更進一步說，程式語言中，我們更是採用了一個命題邏輯更加專門化的形式：布林邏輯或者布林代數。

　　命題邏輯應用於具有真和假兩種狀態的斷言以及命題領域之中。古典命題邏輯或者布林邏輯處理的都

　　只有兩種狀態：或者為真，或者為假。

　　物件之間 聯絡以及這些聯絡的真假值***布林形式***在內的命題邏輯的一種強化延伸就是謂詞演算***和中學學的數學計算毫無關係***所包含的。

　　但是當我們在邏輯中使用這些謂詞的時候，就算是最複雜的邏輯語句，我們最終獲得的也只是一個黑白分明的世界：一個事物不是真的就是假的。如果一個事物不是真的也不是假的，那麼它一定是不存在的事物。否則，它必然兩者居其一。

　　***三***自然 語言處理。在AI 應用中最重要的一部分就是自然語言處理。但是，現實卻是，自然語言處理系統並不能像人類那樣能很好地分析這些並沒有太強邏輯結構地說出的以及寫出的詞語的含義。不過這樣有限的功能對於殘障人士、翻譯系統、詞語處理拼寫和語法檢查器來說仍然是非常有用的。

　　***四***神經 網路。一種資訊處理結構就是神經網路，對諸如大腦之類的生物學神經系統進行嘗試模仿來進行單純資料的轉換成為資訊，就是它的原理。神經網路由很多相互聯絡的處理小元素：神經節點，功能相當於一個大腦神經細胞和神經元***synapse***組成，它們相互互動，共同解決具體問題。神經網路上的元素將 輸入模式轉換成為輸出模式，而這些輸出模式又同時可以成為其他神經網路的輸入模式。神經網路通過例項學習，這一點和人類的做法一樣。神經網路需要設定為適用於某些具體應用中，比如通過學習過程識別影象。而對於生命系統本身，我們對學習的過程涉及到神經細胞之間的突觸聯絡的調整這一說法保留質疑。

　　四、結語

　　當前，大部分AI能力的研究方向是研究如何完整地模擬一個智慧過程，而不是對器官所使用的每一個低階步驟進行再現。一個極端顯著的示例就是利用資料庫和搜尋軟體獲取資訊的專家系統。資料庫向大腦提供基本沒有任何關聯的資料，同時這些資料的傳輸和其在大腦中的儲存形式也毫不相同***科學家們很清楚這一點***。但是很多專家系統還是能夠相當好地擔當起諸如像內科醫生這樣的專業角色。當然它們也僅僅被應用於它們非常熟悉的領域。

下一頁分享更優秀的<<<