人工智能發(fā)展

1、人工智能伍泰霖 .04Artificial Intelligent2022/9/7第1頁主要內(nèi)容1234第一部分 概述第二部分 發(fā)展歷史第四部分 發(fā)展?fàn)幾h第三部分 發(fā)展結(jié)果第2頁1ONE第一部分概述第3頁人工智能概述人工智能的學(xué)科位置與腦科學(xué)和認(rèn)知科學(xué)的交叉研究智能模擬的方法和技術(shù)研究AI研究中的不同學(xué)派2022/9/7第4頁AI 學(xué) 科 位 置AI是一門新興邊緣學(xué)科，是自然科學(xué)與社會科學(xué)交叉學(xué)科AI交叉包含：邏輯、思維、生理、心理、計算機、電子、語言、自動化、光、聲等AI關(guān)鍵是思維與智能，組成了自己獨特學(xué)科體系A(chǔ)I基礎(chǔ)學(xué)科包含：數(shù)學(xué)（離散、含糊）、思維科學(xué)（認(rèn)知心理、邏輯思維學(xué)、形象思維學(xué)）

2、和計算機（硬件、軟件）等自然科學(xué)社會科學(xué)哲學(xué)數(shù)學(xué)交叉學(xué)科系統(tǒng)科學(xué)思維科學(xué)人體科學(xué)人工智能基礎(chǔ)學(xué)科指導(dǎo)學(xué)科第5頁與腦科學(xué)交叉研究腦科學(xué) 腦科學(xué)：又稱神經(jīng)科學(xué)，其目標(biāo)是要認(rèn)識腦、保護腦和創(chuàng)造腦。 美國神經(jīng)科學(xué)學(xué)會定義：神經(jīng)科學(xué)是為了了解神經(jīng)系統(tǒng)內(nèi)分子水平、細胞水平及細胞間改變過程，以及這些過程在中樞功效、控制系統(tǒng)內(nèi)整合作用所進行研究。 腦涵義：從狹義方面，腦是指中樞神經(jīng)系統(tǒng)，有時特指大腦；從廣義方面，腦可泛指整個神經(jīng)系統(tǒng)。人工智能是從廣義角度來了解腦科學(xué)，所以它涵蓋了全部與認(rèn)識腦和神經(jīng)系統(tǒng)相關(guān)研究。 人腦是自然界中最復(fù)雜、最高級智能系統(tǒng)：主要表現(xiàn)在人腦是由巨量神經(jīng)元經(jīng)其突觸廣泛并行互聯(lián)所形成一個巨

3、復(fù)雜系統(tǒng)。 當(dāng)代腦科學(xué)基本問題主要包含： (1) 揭示神經(jīng)元之間連接形式，奠定行為腦機制結(jié)構(gòu)基礎(chǔ)；(2) 說明神經(jīng)活動基本過程，說明在分子、細胞到行為等不一樣層次上神經(jīng)信號產(chǎn)生、傳遞、調(diào)制等基本過程；(3) 判別神經(jīng)元特殊細胞生物學(xué)特征；(4) 認(rèn)識實現(xiàn)各種功效神經(jīng)回路基礎(chǔ)；(5) 解釋腦高級功效機制等。 腦科學(xué)是人工智能基礎(chǔ)：研究任何進展，都將會對人工智能研究起到主動推進作用，所以人工智能應(yīng)該加強與腦科學(xué)交叉研究，以及人類智能與機器智能集成研究。2022/9/7第6頁與認(rèn)知科學(xué)交叉研究認(rèn)知科學(xué) 認(rèn)知：可普通地認(rèn)為是和情感、動機、意志相對應(yīng)理智或認(rèn)識過程，或者是為了一定目標(biāo)，在一定心理結(jié)構(gòu)中進

4、行信息加工過程。美國心理學(xué)家浩斯頓(Houston)等人把認(rèn)知歸納為以下5種主要類型： (1) 認(rèn)知是信息處理過程； (2) 認(rèn)知是心理上符號運算； (3) 認(rèn)知是問題求解； (4) 認(rèn)知是思維； (5) 認(rèn)知是一組相關(guān)活動，如知覺、記憶、思維、判斷、推理、問題求解、學(xué)習(xí)、想象、概念形成及語言使用等。 認(rèn)知科學(xué)：認(rèn)知科學(xué)（亦稱思維科學(xué)）是研究人類感知和思維信息處理過程一門學(xué)科，其主要研究目標(biāo)就是要說明和解釋人類在完成認(rèn)知活動時是怎樣進行信息加工。 認(rèn)知科學(xué)也是人工智能主要理論基礎(chǔ)，對人工智能發(fā)展起著根本性作用。認(rèn)知科學(xué)包括問題非常廣泛，除了像浩斯頓提出知覺、語言、學(xué)習(xí)、記憶、思維、問題求解、創(chuàng)

5、造、注意、想象等相關(guān)聯(lián)活動外，還會受到環(huán)境、社會、文化背景等方面影響。 從認(rèn)知觀點看，AI應(yīng)同時開展對邏輯思維、形象思維和靈感思維研究2022/9/7第7頁智能模擬方法和技術(shù)研究(1/2)機器感知 就是要讓計算機含有類似于人感知能力，如視覺、聽覺、觸覺、嗅覺、味覺 機器視覺（或叫計算機視覺）：就是給計算機配上能看視覺器官，如攝像機等，使它能夠識別并了解文字、圖像、景物等 機器聽覺（或叫計算機聽覺）：就是給計算配上能聽聽覺器官，如話筒等，使計算機能夠識別并了解語言、聲音等。 機器感知相當(dāng)于智能系統(tǒng)輸入部分。 機器感知專門研究領(lǐng)域：計算機視覺、模式識別、自然語言了解機器思維 讓計算機能夠?qū)Ω兄酵?/p>

6、界信息和自己產(chǎn)生內(nèi)部信息進行思維性加工 邏輯思維 形象思維 靈感思維2022/9/7第8頁智能模擬方法和技術(shù)研究(2/2)機器學(xué)習(xí)讓計算機能夠像人那樣自動地獲取新知識，并在實踐中不停地完善自我和增強能力。機器學(xué)習(xí)方法：機械學(xué)習(xí)、類比學(xué)習(xí)、歸納學(xué)習(xí)、發(fā)覺學(xué)習(xí)、遺傳學(xué)習(xí)和連接學(xué)習(xí)等 機器行為 讓計算機能夠含有像人那樣地行動和表示能力，如走、跑、拿、說、唱、寫畫等。 相當(dāng)于智能系統(tǒng)輸出部分。 智能系統(tǒng)與智能機器 不論是人工智能近期目標(biāo)還是遠期目標(biāo)，都需要建立智能系統(tǒng)或結(jié)構(gòu)智能機器 需要開展對系統(tǒng)模型、結(jié)構(gòu)技術(shù)、結(jié)構(gòu)工具及語言環(huán)境等研究 2022/9/7第9頁AI研究中不一樣學(xué)派不一樣學(xué)派符號主義學(xué)派

7、（邏輯主義、心理學(xué)派） 主要觀點：AI起源于數(shù)理邏輯，人類認(rèn)知基元是符號，認(rèn)知過程是符號表示上一個運算 代表性結(jié)果：厄爾和西蒙等人研制稱為邏輯理論機數(shù)學(xué)定理證實程序LT 代表人物：紐厄爾、肖、西蒙和尼爾遜(Nilsson)等 連接主義學(xué)派（仿生學(xué)派或心理學(xué)派） 主要觀點：AI起源于仿生學(xué)，尤其是人腦模型，人類認(rèn)知基元是神經(jīng)元，認(rèn)知過程是神經(jīng)元連接活動過程 代表性結(jié)果：由麥克洛奇和皮茲創(chuàng)建腦模型，即MP模型 代表人物：麥克洛奇和皮茲行為主義學(xué)派（進化主義、控制論學(xué)派） 主要觀點：AI起源于控制論，智能取決于感知和行為，取決于對外界復(fù)雜環(huán)境適應(yīng)，而不是推理。 代表性結(jié)果：Brooks教授研制機器蟲

8、 代表人物： Brooks教授2022/9/7第10頁AI研究中不一樣學(xué)派不一樣學(xué)派方法之爭符號主義 功效模擬 結(jié)構(gòu)能夠模擬大腦功效智能系統(tǒng)。相當(dāng)于“鳥飛”連接主義 結(jié)構(gòu)模擬 結(jié)構(gòu)模擬大腦結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)系統(tǒng)。相當(dāng)于“飛鳥”行為主義 行為模擬 結(jié)構(gòu)含有進化能力智能系統(tǒng)。相當(dāng)于“由猿到人”2022/9/7第11頁2TWO第二部分發(fā)展歷史第12頁人工智能發(fā)展歷史孕育期（1956前）形成期（19561970）知識應(yīng)用期（19701980）從學(xué)派分離走向綜合（19802000）智能科學(xué)技術(shù)的興起（21世紀(jì)初至今）2022/9/7第13頁孕育期（1956年以前） 自遠古以來，人類就有用機器代替人們腦力勞動幻

9、想：公元前900多年我國有歌舞機器人流傳記載。 亞里斯多德（公元前384322）：古希臘偉大哲學(xué)家和思想家，創(chuàng)建了演繹法。 萊布尼茨(16461716)：德國數(shù)學(xué)家和哲學(xué)家把形式邏輯符號化，奠定了數(shù)理邏輯基礎(chǔ) 圖靈(19121954)：英國數(shù)學(xué)家，1936年創(chuàng)建了自動機理論，自動機理論亦稱圖靈機，是一個理論計算機模型。 莫克利(19071980)：美國數(shù)學(xué)家、電子數(shù)字計算機先驅(qū)，他與?？颂?J.P.Eckert)合作，1946年研制成功了世界上第一臺通用電子計算機ENIAC 麥克洛奇和皮茲：美國神經(jīng)生理學(xué)家，于1943年建成了第一個神經(jīng)網(wǎng)絡(luò)模型(MP模型)。 維納18741956) ：美國著名

10、數(shù)學(xué)家、控制論創(chuàng)始人。1948年創(chuàng)建了控制論?？刂普撓蛉斯ぶ悄軡B透，形成了行為主義學(xué)派。 這些，都為人工智能誕生準(zhǔn)備了必要思想、理論和物質(zhì)技術(shù)條件。第14頁形成期（1956-1970年）AI誕生于一次歷史性聚會時間：1956年夏季地點：達特莫斯 (Dartmouth) 大學(xué)目標(biāo)：為使計算機變得更“聰明” ，或者說使計算機含有智能發(fā)起人： 麥卡錫(J.McCarthy） ，Dartmouth年輕數(shù)學(xué)家、計算機教授，后為MIT教授 明斯基(M.L.Minsky），哈佛大學(xué)數(shù)學(xué)家、神經(jīng)學(xué)家，后為MIT教授 洛切斯特(N.Lochester)， IBM企業(yè)信息中心責(zé)任人 香農(nóng)(C.E.Shannon)

11、，貝爾試驗室信息部數(shù)學(xué)研究員參加人： 莫爾(T.more)、塞繆爾(A.L.Samuel)， IBM企業(yè) 塞爾夫里奇(O.Selfridge)、索羅蒙夫(R.Solomonff) ， MIT 紐厄爾(A.Newell)，蘭德(RAND)企業(yè) 西蒙(H.A.Simon)，卡內(nèi)基(Carnagie)工科大學(xué)會議結(jié)果： 由麥卡錫提議正式采取了“Artificial Intelligence”這一術(shù)語第15頁形成期（1956-1970年）早期研究 心理學(xué)小組：1957年，紐厄爾、肖(J.Shaw)和西蒙等人心理學(xué)小組研制了稱為邏輯理論機(簡稱LT)數(shù)學(xué)定理證實程序。 1960年研制了通用問題求解程序。

12、該程序當(dāng)初可處理11種類型問題，如不定積分、三角函數(shù)、代數(shù)方程、猴子摘香蕉、河內(nèi)梵塔、人羊過河等。 IBM工程小組：1956年，塞繆爾在IBM704計算機上研制成功了含有自學(xué)習(xí)、自組織和自適應(yīng)能力西洋跳棋程序。這個程序能夠從棋譜中學(xué)習(xí)，也能夠在下棋過程中積累經(jīng)驗、提升棋藝。經(jīng)過不停學(xué)習(xí)，該程序1959年擊敗了塞繆爾本人，1962年又擊敗了一個州冠軍。 MIT小組：1958年，麥卡西建立了行動規(guī)劃咨詢系統(tǒng)。 1960年，麥卡錫又研制了人工智能語言LISP。 1961年，明斯基發(fā)表了“走向人工智能步驟”論文，推進了人工智能發(fā)展。 其它方面：1965年，魯賓遜(J.A.Robinson)提出了歸結(jié)（

13、消解）原理。 1965年，費根鮑姆開始研究化學(xué)教授系統(tǒng)DENDRAL。第16頁知識應(yīng)用期（19711980）挫折和教訓(xùn)失敗預(yù)言： 60年代初，西蒙預(yù)言：內(nèi)計算機將成為世界冠軍、將證實一個未發(fā)覺數(shù)學(xué)定理、將能譜寫出含有優(yōu)異作曲家水平樂曲、大多數(shù)心理學(xué)理論將在計算機上形成。 挫折和教訓(xùn) 在博弈方面，塞繆爾下棋程序在與世界冠軍對弈時，5局?jǐn)×?局。 在定理證實方面，發(fā)覺魯賓遜歸結(jié)法能力有限。當(dāng)用歸結(jié)原理證實兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)時，推了10萬步也沒證出結(jié)果。 在問題求解方面，對于不良結(jié)構(gòu)，會產(chǎn)生組合爆炸問題。 在機器翻譯方面，發(fā)覺并不那么簡單，甚至?xí)[出笑話。比如，把“心有余而力不足”英語句子

14、翻譯成俄語，再 翻譯回來時竟變成了“酒是好，肉變質(zhì)了” 在神經(jīng)生理學(xué)方面，研究發(fā)覺人腦有1011-12以上神經(jīng)元，在現(xiàn)有技術(shù)條件下用機器從結(jié)構(gòu)上模擬人腦是根本不可能。 在其它方面，人工智能也碰到了不少問題。在英國，劍橋大學(xué)詹姆教授指責(zé)“人工智能研究不是騙局，也是庸人自擾” 。從此，形勢急轉(zhuǎn)直下，在全世界范圍內(nèi)人工智能研究陷入困境、落入低谷。 第17頁知識應(yīng)用期（19711980）以知識為中心研究以知識為中心研究： 教授系統(tǒng)實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從普通思維規(guī)律探討走向?qū)ｉT知識利用重大突破，是AI發(fā)展史上一次主要轉(zhuǎn)折。 1972年，費根鮑姆開始研究MYCIN教授系統(tǒng)，并于1976年

15、研制成功。從應(yīng)用角度看，它能幫助內(nèi)科醫(yī)生診療細菌感染疾病，并提供最正確處方。從技術(shù)角度看，他處理了知識表示、不準(zhǔn)確推理、搜索策略、人機聯(lián)絡(luò)、知識獲取及教授系統(tǒng)基本結(jié)構(gòu)等一系列重大技術(shù)問題。 1976年，斯坦福大學(xué)杜達(R.D.Duda)等人開始研制地質(zhì)勘探教授系統(tǒng)PROSPECTOR 這一時期，與教授系統(tǒng)同時發(fā)展主要領(lǐng)域還有計算機視覺和機器人，自然語言了解與機器翻譯等。 新問題： 教授系統(tǒng)本身所存在應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、沒有分布式功效、不能訪問現(xiàn)存數(shù)據(jù)庫等問題被逐步暴露出來。 第18頁從學(xué)派分立到綜合（20世紀(jì)80年代到本世紀(jì)初）人工智能研究形成了三大學(xué)派：

16、 伴隨人工神經(jīng)網(wǎng)絡(luò)再度興起和布魯克（R.A.Brooks）機器蟲出現(xiàn)，人工智能研究形成了符號主義、連接主義和行為主義三大學(xué)派。 符號主義學(xué)派 是指基于符號運算人工智能學(xué)派，他們認(rèn)為知識能夠用符號來表示，認(rèn)知能夠經(jīng)過符號運算來實現(xiàn)。比如，教授系統(tǒng)等。連接主義學(xué)派 是指神經(jīng)網(wǎng)絡(luò)學(xué)派，在神經(jīng)網(wǎng)絡(luò)方面，繼魯梅爾哈特研制出BP網(wǎng)絡(luò)之后，1987年，首屆國際人工神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會在美國圣迭戈（San-Diego）舉行，掀起了人工神經(jīng)網(wǎng)絡(luò)第二次高潮。之后，伴隨含糊邏輯和進化計算逐步成熟，又形成了“計算智能”這個統(tǒng)一學(xué)科范圍。 行為主義學(xué)派 是指進化主義學(xué)派，在行為模擬方面，麻省理工學(xué)院布魯克教授1991年研制

17、成功了能在未知動態(tài)環(huán)境中漫游有6條腿機器蟲。三大學(xué)派綜合集成 伴隨研究和應(yīng)用深入，人們又逐步認(rèn)識到，三個學(xué)派各有所長，各有所短，應(yīng)相互結(jié)合、取長補短，綜合集成。 第19頁智能科學(xué)技術(shù)興起（本世紀(jì)初以來） 當(dāng)前，一個以人工智能為關(guān)鍵，以自然智能、人工智能、集成智能為一體新智能科學(xué)技術(shù)學(xué)科正在逐步興起，并引發(fā)了人們極大關(guān)注。 該學(xué)科研究主要特征包含以下幾個方面： (1) 由對人工智能單一研究走向以自然智能、人工智能、集成智能為一體協(xié)同研究； (2) 由人工智能學(xué)科獨立研究走向重視與腦科學(xué)、認(rèn)知科學(xué)等學(xué)科交叉研究； (3) 由多個不一樣學(xué)派獨立研究走向多學(xué)派綜合研究； (4) 由對個體、集中智能研究

18、走向?qū)θ后w、分布智能研究。 第20頁3THREE第三部分 發(fā)展結(jié)果第21頁三 發(fā)展結(jié)果發(fā)展結(jié)果知識工程： 教授系統(tǒng)，智能搜索引擎等模式識別： 2D/3D/多維識別系統(tǒng)人機對弈： Deep blue AlphaGo自開工程：獵鷹系統(tǒng)等第22頁人機對弈1996年2月1017日， Garry Kasparov以4：2戰(zhàn)勝“深藍” （Deep Blue）。 1997年5月311日， Garry Kasparov以2.5：3.5輸于改進后“深藍”。 2月Garry Kasparov 3:3戰(zhàn)平 “小深”（Deep Junior）。 11月Garry Kasparov 2:2戰(zhàn)平 “X3D德國人” (X3

19、D-Fritz）。年 谷歌圍棋人工智能AlphaGo4:1勝李世石。第23頁計算智能神經(jīng)計算 神經(jīng)計算概念：亦稱神經(jīng)網(wǎng)絡(luò)(Neural Network，NN)，它是經(jīng)過對大量人工神經(jīng)元廣泛并行互聯(lián)所形成一個人工網(wǎng)絡(luò)系統(tǒng)，用于模擬生物神經(jīng)系統(tǒng)結(jié)構(gòu)和功效。 主要研究內(nèi)容：包含人工神經(jīng)元結(jié)構(gòu)和模型，人工神經(jīng)網(wǎng)絡(luò)互連結(jié)構(gòu)和系統(tǒng)模型，基于神經(jīng)網(wǎng)絡(luò)聯(lián)結(jié)學(xué)習(xí)機制等 人工神經(jīng)元：是指用人工方法結(jié)構(gòu)單個神經(jīng)元，它有抑制和興奮兩種工作狀態(tài)，能夠接收外界刺激，也能夠向外界輸出本身狀態(tài)，用于模擬生物神經(jīng)元結(jié)構(gòu)和功效，是人工神經(jīng)網(wǎng)絡(luò)基本處理單元。 人工神經(jīng)網(wǎng)絡(luò)互連結(jié)構(gòu)（或稱拓?fù)浣Y(jié)構(gòu)）是指單個神經(jīng)元之間連接模式，它是結(jié)構(gòu)

20、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)。從互連結(jié)構(gòu)角度，神經(jīng)網(wǎng)絡(luò)可分為前饋網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)兩種主要類型。 網(wǎng)絡(luò)模型是對網(wǎng)絡(luò)結(jié)構(gòu)、連接權(quán)值和學(xué)習(xí)能力總括。最慣用有傳統(tǒng)感知器模型，含有誤差前向傳輸功效前向傳輸網(wǎng)絡(luò)模型，采取反饋連接方式反饋網(wǎng)絡(luò)模型等。 神經(jīng)網(wǎng)絡(luò)含有自學(xué)習(xí)、自組織、自適應(yīng)、聯(lián)想、含糊推理等能力，在模仿生物神經(jīng)計算方面有一定優(yōu)勢。當(dāng)前，神經(jīng)計算研究和應(yīng)用已滲透到許多領(lǐng)域，如機器學(xué)習(xí)、教授系統(tǒng)、智能控制、模式識別等。 2022/9/7第24頁機器學(xué)習(xí)神經(jīng)學(xué)習(xí) 神經(jīng)學(xué)習(xí)概念：神經(jīng)學(xué)習(xí)也稱為連接學(xué)習(xí)，它是一個基于人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法?，F(xiàn)有研究表明，人腦學(xué)習(xí)和記憶過程都是經(jīng)過神經(jīng)系統(tǒng)來完成。在神經(jīng)系統(tǒng)中，神經(jīng)元既是學(xué)習(xí)基

21、本單位，同是也是記憶基本單位。 神經(jīng)學(xué)習(xí)類型： 感知器學(xué)習(xí)實際上是一個基于糾錯學(xué)習(xí)規(guī)則，采取迭代思想對連接權(quán)值和閾值進行不停調(diào)整，直到滿足結(jié)束條件為止學(xué)習(xí)算法。 BP網(wǎng)絡(luò)學(xué)習(xí)是一個誤差反向傳輸網(wǎng)絡(luò)學(xué)習(xí)算法。這種學(xué)習(xí)算法學(xué)習(xí)過程由輸出模式正向傳輸過程和誤差反向傳輸過程所組成。其中，誤差反向傳輸過程用于修改各層神經(jīng)元連接權(quán)值，以逐步降低誤差信號，直至得到所期望輸出模式為止。 Hopfield網(wǎng)絡(luò)學(xué)習(xí)實際上是要尋求系統(tǒng)穩(wěn)定狀態(tài)，即從網(wǎng)絡(luò)初始狀態(tài)開始，逐步向其穩(wěn)定狀態(tài)過渡，直至到達穩(wěn)定狀態(tài)為止。至于網(wǎng)絡(luò)穩(wěn)定性，則是經(jīng)過一個能量函數(shù)來描述。 2022/9/7第25頁模式識別主要有2D識別引擎、 3D識別

22、引擎，駐波識別引擎以及多維識別引擎。當(dāng)前，2D識別引擎已推出指紋識別，人像識別 ，文字識別，圖像識別 ，車牌識別；駐波識別引擎已推出語音識別。第26頁機器感知模式識別模式識別概念 是指讓計算機能夠?qū)o定事務(wù)進行判別，并把它歸入與其相同或相同模式中。 被判別事物能夠是物理、化學(xué)、生理，也能夠是文字、圖像、聲音等。模式識別普通過程： (1) 采集待識別事物模式信息； (2) 對其進行各種變換和預(yù)處理，從中抽出有意義特征或基元，得到待識別事物模式； (3) 與機器中原有各種標(biāo)準(zhǔn)模式進行比較，完成對待識別事物分類識別； (4) 輸出識別結(jié)果。 2022/9/7第27頁自開工程自動駕駛（OSO系統(tǒng)）印鈔

23、工廠（￥流水線）獵鷹系統(tǒng)（YOD繪圖）第28頁知識工程以知識本身為處理對象，研究怎樣利用人工智能和軟件技術(shù)，設(shè)計、結(jié)構(gòu)和維護知識系統(tǒng) 教授系統(tǒng) 智能搜索引擎計算機視覺和圖像處理機器翻譯和自然語言了解 數(shù)據(jù)挖掘和知識發(fā)覺 第29頁教授系統(tǒng) 教授系統(tǒng)是一個基于知識智能系統(tǒng)，它將領(lǐng)域教授經(jīng)驗用知識表示方法表示出來，并放入知識庫中，供推理機使用。 伴隨計算網(wǎng)絡(luò)、多Agent、計算智能等技術(shù)發(fā)展，出現(xiàn)了含糊教授系統(tǒng)、神經(jīng)網(wǎng)絡(luò)教授系統(tǒng)、基于Web教授系統(tǒng)、協(xié)同式教授系統(tǒng)和分布式教授系統(tǒng)等。 用 戶 界 面 解釋模塊知識獲取 知 識 庫綜合數(shù)據(jù)庫 推 理 機2022/9/7第30頁計算機視覺 概念：用計算機

24、來實現(xiàn)或模擬人類視覺功效，其主要研究目標(biāo)是使計算機含有經(jīng)過二維圖像認(rèn)知三維環(huán)境信息能力。 主要性：在人類感知到外界信息中，有80%以上是經(jīng)過視以為到。 視覺系統(tǒng)：人類視覺系統(tǒng)功效是經(jīng)過眼睛與大腦共同實現(xiàn)。人們視野中物體在可見光照射下，先在眼睛視網(wǎng)膜上形成圖像，然后由感光細胞轉(zhuǎn)換成神經(jīng)脈沖信號，再經(jīng)神經(jīng)纖維傳入大腦皮層，最終由大腦皮層對其進行處理與了解。 視覺，不但僅指對光信號感受，它包含了對視覺信息獲取、傳輸、處理、存放與了解全過程。2022/9/7第31頁自然語言理處理自然語言處理包含主要內(nèi)容 機器翻譯 把一個自然語言翻譯成另外一個自然語言 自然語言了解 概念：主要研究怎樣使計算機能夠了解和

25、生成自然語言。 了解語言類型：聲音語言、書面語言。 主要步驟：語音分析、詞法分析、句法分析、語義分析、語用分析。 自然語言了解意義 該研究不但對智能人機接口有著主要實際意義，而且對不確定人工智能研究也含有重大理論價值。有學(xué)者指出：人工智能假如不能用自然語言作為其知識表示基礎(chǔ)，建立起不確定人工智能理論和方法，人工智能也就永遠實現(xiàn)不了跨越夢想。 2022/9/7第32頁數(shù)據(jù)挖掘和知識發(fā)覺 概念：知識發(fā)覺和數(shù)據(jù)挖掘是在數(shù)據(jù)庫基礎(chǔ)上實現(xiàn)一個知識發(fā)覺系統(tǒng)。它經(jīng)過綜合利用統(tǒng)計學(xué)、粗糙集、含糊數(shù)學(xué)、機器學(xué)習(xí)和教授系統(tǒng)等各種學(xué)習(xí)伎倆和方法，從數(shù)據(jù)庫中提煉和抽取知識，從而能夠揭示出蘊含在這些數(shù)據(jù)背后客觀世界內(nèi)在聯(lián)絡(luò)和本質(zhì)原理，實現(xiàn)知識自動獲取。 與傳統(tǒng)數(shù)據(jù)庫技術(shù)區(qū)分：傳統(tǒng)數(shù)據(jù)庫技術(shù)僅限于對數(shù)據(jù)庫查詢和檢索，不能夠從數(shù)據(jù)庫中提取知識。知識發(fā)覺和數(shù)據(jù)挖掘以數(shù)據(jù)庫作為知識源去抽取知識，不但能夠提升數(shù)據(jù)庫中數(shù)據(jù)利用價值，同時也為各種智能系統(tǒng)知識獲取開辟了一條新