人工智能 知識表示3 語義網(wǎng)絡(luò)表示法

2.4語義網(wǎng)絡(luò)表示法11.基本網(wǎng)元例：寵物兔是一種兔子。三元組表示（寵物兔，是一種，兔子）

基本網(wǎng)元:（節(jié)點1，弧，節(jié)點2）節(jié)點指示事物節(jié)點間以有向弧連接弧上的標(biāo)簽則指示節(jié)點間關(guān)系。petrabbitrabbitAkindof有向????圖表示23每個語義基元可表示為三元組：

（結(jié)點1，弧，結(jié)點2）IsaManJohnP.E.RegisterMaleStudentCourseIsaAkoJohn

選修了體育課.4椅子有主了。加上去的562.基本語義關(guān)系（1）類屬關(guān)系

具有共同屬性的不同事物間的分類關(guān)系、成員關(guān)系或?qū)嵗P(guān)系，體現(xiàn)的是“具體與抽象”、“個體與集體”的概念。中國7（2）包含關(guān)系也稱為聚類關(guān)系，是指具有組織或結(jié)構(gòu)特征的“部分與整體”之間的關(guān)系。與類屬關(guān)系的最主要區(qū)別是包含關(guān)系一般不具備屬性的繼承性。窗戶8（3）屬性關(guān)系

事物和其屬性之間的關(guān)系。常用的屬性關(guān)系有“Have”，“Can”等（4）時間關(guān)系

不同事件在其發(fā)生時間方面的先后次序關(guān)系。常用的時間關(guān)系有“before”，“after”等9（5）位置關(guān)系

不同事物在位置方面的關(guān)系。（6）相近關(guān)系

不同事物在形狀、內(nèi)容等方面相似或接近的關(guān)系（7）推論關(guān)系

從一個概念推出另一個概念的語義關(guān)系3.語義網(wǎng)絡(luò)結(jié)構(gòu)

當(dāng)把多個網(wǎng)元用相應(yīng)的語義關(guān)聯(lián)在一起的時候，得到一個語義網(wǎng)絡(luò)。petrabbitrabbitAkindofrabbitanimalIsapetrabbitrabbitAkindofanimalIsa寵物兔是一種兔子;兔子是一種動物。10114.知識的語義網(wǎng)絡(luò)表示1）事實或概念的表示用結(jié)點1表示實體，用結(jié)點2表示實體的性質(zhì)或?qū)傩缘?，用弧表示結(jié)點1和結(jié)點2之間的語義關(guān)系。12

例1：動物能運動、會吃。鳥是一種動物，鳥有翅膀、會飛。魚是一種動物，魚生活在水中、會游泳。與框架對比：弧上標(biāo)明的地點(place)、日期(day)、傷亡(fatalities)、損失(damage)、震級(magnitude)、斷層(fault)是槽的名稱，節(jié)點中填入相應(yīng)的填充值。例2地震報道1314例3：王強是理想公司的經(jīng)理；理想公司在中關(guān)村；王強28歲。另有一個王強是理想公司經(jīng)理聘用的職員,職員王強22歲。15例4：李新的自行車是永久牌、藍(lán)色、26型。王紅的自行車是金獅牌、紅色、24型。

思考？162）情況和動作的表示

西蒙在他提出的表示方法中增加了情況結(jié)點和動作結(jié)點，用一個結(jié)點來表示情況或動作。

例1：常河給江濤一張磁盤17例2：這只小燕子從春天到秋天占有一個巢。占有情況18例3：神州大學(xué)和東方大學(xué)兩校籃球隊在東方大學(xué)進行一場比賽，結(jié)局的比分是85：89.3）邏輯關(guān)系的表示

合取與析取；存在量詞與全稱量詞增加合取結(jié)點與析取結(jié)點“akindof”,“isa”亨德里克提出的網(wǎng)絡(luò)分區(qū)技術(shù)：把復(fù)雜命題劃分為若干個子命題，每一個子命題用一個較簡單的語義網(wǎng)絡(luò)表示，稱為個子空間，多個子空間構(gòu)成一個大空間。每個子空間看作大空間中的一個結(jié)點，稱作超結(jié)點。空間可以逐層嵌套，子空間之間用弧互相連接。20量詞例1：每個學(xué)生都學(xué)習(xí)了一門程序設(shè)計語言子空間的代表與子空間的聯(lián)系全稱變量存在變量21量詞例2：每個學(xué)生都學(xué)習(xí)了所有程序設(shè)計語言全稱變量弧的個數(shù)=全稱變量個數(shù)22量詞例3：每個學(xué)生都學(xué)習(xí)了C++語言子空間中所有非全稱變量必須是全稱變量的函數(shù)23語義網(wǎng)絡(luò)是一種用實體及其語義關(guān)系來表達(dá)知識的有向圖。從結(jié)構(gòu)上看，語義網(wǎng)絡(luò)是由一些用相應(yīng)的語義聯(lián)系關(guān)聯(lián)在一起的語義單元構(gòu)成的。每個語義基元可表示為三元組：

（結(jié)點1，弧，結(jié)點2）小結(jié)245.語義網(wǎng)絡(luò)系統(tǒng)用語義網(wǎng)絡(luò)表示知識的問題求解系統(tǒng)稱為語義網(wǎng)絡(luò)系統(tǒng)。主要由兩大部分所組成：

1.由語義網(wǎng)絡(luò)構(gòu)成的知識庫

2.用于問題求解的推理機構(gòu)語義網(wǎng)絡(luò)的推理過程主要有兩種：

繼承和匹配25語義網(wǎng)絡(luò)系統(tǒng)繼承：把對事物的描述從抽象結(jié)點傳遞到具體結(jié)點，通常是沿著Is-a、A-Kind-of等繼承弧進行的。通過繼承可以得到所需結(jié)點的一些屬性值。匹配：

在知識庫的語義網(wǎng)絡(luò)中尋找與待求解問題相符的語義網(wǎng)絡(luò)模式。26匹配的主要過程（1）根據(jù)待求解問題的要求構(gòu)造一個網(wǎng)絡(luò)片斷，該網(wǎng)絡(luò)片斷中有些結(jié)點或弧的標(biāo)識是空的，稱為詢問處，它反映的是待求解的問題。（2）根據(jù)該語義片斷到知識庫中去尋找所需要的信息。（3）當(dāng)待求解問題的網(wǎng)絡(luò)片斷與知識庫中的某語義網(wǎng)絡(luò)片斷相匹配時，則與詢問處相匹配的事實就是該問題的解。27匹配例：

假設(shè)在知識庫中存放著如下語義網(wǎng)絡(luò)，

問：職員王強在哪個公司工作？APENDIX1ENGLISHWORDSSemanticNetworkConceptualGraphsThenodeofthegraphLableledarcs28小結(jié):框架結(jié)構(gòu)與語義網(wǎng)絡(luò)結(jié)構(gòu)接近框架的表示結(jié)構(gòu)與語義網(wǎng)絡(luò)節(jié)點的表示結(jié)構(gòu)接近。語義差別

——框架表示法更強調(diào)表示事物的內(nèi)部結(jié)構(gòu)

——語義網(wǎng)絡(luò)更強調(diào)表示事物間的關(guān)系作業(yè)3.2129用語義網(wǎng)絡(luò)描述積木世界中的一個房子(House)圖(a)，它是由長方塊(Brick)B支撐著楔形塊(Wedge)A組成的；圖(b)說明了房子這個概念由A、B兩部分組成，其中引入了指示器“……的一部分是……(one-part-is)”；圖(c)說明A被B支撐著，指示器“……被……支撐著(is-supported-by)”表示了這種關(guān)系；圖(d)說明A是一個楔形塊，B是一個長方塊，它們都用了同一種指示器“……是一個……(is-a)”；圖(e)給出了一個房子的完整語義網(wǎng)絡(luò)。30描述房子概念的語義網(wǎng)絡(luò)

31

通過反例強化語義網(wǎng)絡(luò)表達(dá)的知識

如下圖，通過對房子的樣本(a)和反例(b)、(c)語義網(wǎng)絡(luò)的比較，很容易得到對房子概念更深刻的認(rèn)識，這種認(rèn)識的深化體現(xiàn)在(d)圖中某些指示器變成了加強形式：must-be-supported、must-be-a。3233

語義網(wǎng)絡(luò)最早由奎廉（Quillian）于1968年提出，作為描述人類聯(lián)想記憶（合理）的一種心理學(xué)模型。當(dāng)時語義網(wǎng)絡(luò)主要應(yīng)用于自然語言理解系統(tǒng)中，表示事物之間的關(guān)系。

由于其強大和直觀的表示能力，不久就廣泛應(yīng)用于人工智能研究和應(yīng)用開發(fā)的許多領(lǐng)域。APENDIX2語義網(wǎng)絡(luò)產(chǎn)生背景34352.5語義網(wǎng)絡(luò)表示法語義網(wǎng)絡(luò)是奎廉

(J.R.Qullian)1968年在研究人類聯(lián)想記憶時提出的一種心理學(xué)模型，他認(rèn)為記憶是由概念間的聯(lián)系實現(xiàn)的。隨后，奎廉又把它用作知識表示。1972年，西蒙在他的自然語言理解系統(tǒng)中采用了語義網(wǎng)絡(luò)表示法。1975年，亨德里克

(G.G.Hendrix)提出了語義網(wǎng)絡(luò)分區(qū)技術(shù)。語義網(wǎng)絡(luò)的基本概念

語義網(wǎng)絡(luò)是一種通過概念及其語義關(guān)系來表達(dá)知識的有向圖。在語義網(wǎng)絡(luò)結(jié)構(gòu)中使用了三種圖形符號：框------節(jié)點帶箭頭及文字標(biāo)識的線條------有向弧和文字標(biāo)識線------指針364知識的語意網(wǎng)絡(luò)表示(1).語義網(wǎng)絡(luò)多元關(guān)系表示(2).語義網(wǎng)絡(luò)邏輯關(guān)系表示

37(1).多元關(guān)系？！例：John給Mary一個禮物。先將整個描述表示為一個給出事件G1，使其作為事件類Giving-Event的一個例子再說明G1中的John是給出者（Giver）

Mary是接受者（Receiver）

Gift則是給出的東西（Thing)38Giving-EventGiverMaryThingG1IsaJohnGiftPhysical-ThingsIsaPersonsIsaIsaReceiver給出事件39(2).邏輯關(guān)系

事物之間不僅存在可以直接用關(guān)系弧表示的語義關(guān)系，也存在與、或、非、蘊涵等邏輯關(guān)系。可以通過附加一些特殊的標(biāo)記來指示邏輯關(guān)系。

1）邏輯"與“

2）邏輯"或"40

例：John給Mary一個禮物。

Isa(G1,Givig-Event)∧Giver(G1,John)∧Receiver(G1,Mary)∧Thing(G1,Gift)1）邏輯"與"

語義網(wǎng)絡(luò)中由關(guān)系弧指示的二元關(guān)系之間具有隱含的邏輯“與”關(guān)系，所以不必作附加處理。這種"與"關(guān)系的隱含可以從多元謂詞公式轉(zhuǎn)變?yōu)槎鄠€二元謂詞公式的過程中觀察到。ThingReceiverGiving-EventGiverMaryG1IsaJohnGift41

例：ISA(A，B)∨PART-OF(B，C)

當(dāng)2條（或多條）關(guān)系弧有邏輯"或"關(guān)系時，可以用虛線框?qū)⒃谶@些弧圍起來，并在虛線框上加標(biāo)記DIS（disjunction）。2）邏輯"或"如果沒有加注析取界限，則這個網(wǎng)絡(luò)就會被解釋為

ISA(A，B)∧PART-OF(B，C)42X的椅子

顏色咖啡色；包套皮革；類屬家具(座位)；所有者X(人)；X加上去的43演講完畢，謝謝觀看！附錄資料：人工智能簡介?AboutTeachingPlan基本要求：人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支，是目前迅速發(fā)展的一門新興學(xué)科，新思想新方法層出不窮。其基本思想是利用機器來模仿和執(zhí)行人腦的功能，如判斷、推理、證明、識別、感知、理解、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動。對于培養(yǎng)學(xué)生計算機技術(shù)的應(yīng)用能力，開闊思路和視野，有重要意義。

?AboutTeachingPlan因此，要求學(xué)生掌握知識表示和問題求解的幾種常用方法，尤其是不確定性推理；掌握機器學(xué)習(xí)基本概念，了解幾種機器學(xué)習(xí)方法尤其是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法；掌握專家系統(tǒng)的概念，了解專家系統(tǒng)設(shè)計方法，掌握一些智能控制方法，了解國內(nèi)外人工智能研究尤其是機器人的最新進展；具有一定的人工智能編程設(shè)計能力（利用Lisp或Prolog語言）。?AboutTeachingPlan課程內(nèi)容以及學(xué)時分配人工智能引論(1) 人工智能概念及與計算機的關(guān)系，研究途徑、內(nèi)容和應(yīng)用領(lǐng)域概況介紹，其他最新材料。符號主義、連接主義、行為主義三大流派人工智能數(shù)學(xué)基礎(chǔ)(1)知識表示方法（2） 狀態(tài)空間法、問題歸約法，謂詞邏輯法、產(chǎn)生式表示法（動物識別系統(tǒng)）；CLIPS語言；語義網(wǎng)絡(luò)法、框架法（這是結(jié)構(gòu)化表示）；劇本、過程、Petri網(wǎng)、面向?qū)ο蟮谋硎尽?AboutTeachingPlan 搜索技術(shù)和策略（3-4）狀態(tài)空間法，盲目搜索和啟發(fā)式搜索，A*算法；海伯倫理論、消解原理和策略；與\或形推理和搜索策略；其他求解技術(shù)。 不確定推理技術(shù)（3-4）主觀Bayes理論；可信度方法和證據(jù)理論；系統(tǒng)組織技術(shù)；非單調(diào)推理；Rete快速算法；模糊推理技術(shù)；基于語義網(wǎng)絡(luò)和框架不確定推理； 專家系統(tǒng)（2）專家系統(tǒng)概念、結(jié)構(gòu)和知識獲?。缓诎迥Ｐ?、知識組織、管理及系統(tǒng)建造和開發(fā)工具；專家系統(tǒng)舉例及編程。

人工智能程序設(shè)計（1）人工智能語言基本機制：LISP和PROLOG。?AboutTeachingPlan 模式識別導(dǎo)論（3）模式識別專題：概率模式識別。模式識別專題：結(jié)構(gòu)模式識別 機器學(xué)習(xí)（1）：機械,解釋經(jīng)驗,事例,歸納,概念,類比學(xué)習(xí)等；統(tǒng)計,結(jié)構(gòu),模糊模式識別。 專題講座（3次） 1)神經(jīng)網(wǎng)絡(luò)基本理論和應(yīng)用 (史奎凡課程：安排于人工智能理論與應(yīng)用課程內(nèi))； 2)智能體（Agent）； 3)自然語言處理； 4)智能控制和機器人科學(xué) 智能控制的結(jié)構(gòu)理論和研究領(lǐng)域，智能控制系統(tǒng)及應(yīng)用示例；機器人規(guī)劃、機器視覺和自然語言理解等。?AboutTeachingPlan 實踐：1) 搜索技術(shù)和策略2) 不確定推理技術(shù)3) 專家系統(tǒng)：動物識別系統(tǒng)4) 模式識別技術(shù)5) 調(diào)研： 搜索技術(shù)和策略、不確定推理技術(shù)、統(tǒng)計模式識別、機器學(xué)習(xí)等四個領(lǐng)域進展報告。?ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是當(dāng)前科學(xué)技發(fā)展的一門前沿學(xué)科，同時也是一門新思想，新觀念，新理論，新技術(shù)不斷出現(xiàn)的新興學(xué)科以及正在發(fā)展的學(xué)科。它是在計算機科學(xué)，控制論，信息論，神經(jīng)心理學(xué)，哲學(xué)，語言學(xué)等多種學(xué)科研究的基礎(chǔ)發(fā)展起來的，因此又可把它看作是一門綜合性的邊緣學(xué)科。它的出現(xiàn)及所取得的成就引起了人們的高度重視,并取得了很高的評價。有的人把它與空間技術(shù)，原子能技術(shù)一起并譽為20世紀(jì)的三大科學(xué)技術(shù)成就。?Intelligence智能是知識與智力的總合。 知識——智能行為的基礎(chǔ)； 智力——獲取知識并運用知識求解問題的能力。智能具有以下特征：(1)具有感知能力——指人們通過視覺、聽覺、觸覺、味覺、嗅覺等感覺器官感知外部世界的能力；(2)具有記憶與思維的能力——這是人腦最重要的功能，亦是人之所以有智能的根本原因；(3)具有學(xué)習(xí)能力及自適應(yīng)能力；(4)具有行為能力。ArtificialIntelligence人工智能——計算機科學(xué)的一個分支，是智能計算機系統(tǒng)，即人類智慧在機器上的模擬，或者說是人們使機器具有類似于人的智慧（對語言能理解、能學(xué)習(xí)、能推理）。?2.BriefHistoryofAI (1) 孕育（1956年前）古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R就是力量”德國數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茨）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號化，從而能對人的思維進行運算和推理。做出了能做四則運算的手搖計算機英國數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實現(xiàn)了布萊尼茨的思維符號化和數(shù)學(xué)化的思想，提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。?美籍奧地利數(shù)理邏輯學(xué)家Godel（哥德爾）（1906-1978），證明了一階謂詞的完備性定；任何包含初等數(shù)論的形式系統(tǒng)，如果它是無矛盾的，那么一定是不完備的。意義在于，人的思維形式化和機械化的某種極限，在理論上證明了有些事是做不到的。英國數(shù)學(xué)家Turing(圖靈)（1912-1954）,1936年提出了一種理想計算機的數(shù)學(xué)模型（圖靈機），1950年提出了圖靈試驗，發(fā)表了“計算機與智能”的論文。圖靈獎。美國數(shù)學(xué)家Mauchly，1946發(fā)明了電子數(shù)字計算機ENIAC美國神經(jīng)生理學(xué)家McCulloch，建立了第一個神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。美國數(shù)學(xué)家Shannon（香農(nóng)）,1948年發(fā)表了《通訊的數(shù)學(xué)理論》，代表了“信息論”的誕生。? (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工學(xué)院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,貝爾實驗室的C.E.Shannon共同發(fā)起，邀請了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位數(shù)學(xué)家、信息學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計算機科學(xué)家，在Dartmouth大學(xué)召開了一次關(guān)于機器智能的研討會，會上McCarthy提議正式采用了ArtificialIntelligence（人工智能）這一術(shù)語。這次會議，標(biāo)志著人工智能作為一門新興學(xué)科正式誕生了。 McCarthy（麥卡錫）——人工智能之父。這次會議之后的10年間，人工智能的研究取得了許多引人矚目的成就.機器學(xué)習(xí)方面：塞繆爾于1956年研制出了跳棋程序，該程序能從棋譜中學(xué)習(xí)，也能從下棋實踐中提高棋藝；?在定理證明方面：王浩于1958年在IBM機上證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理（220條），還證明了謂詞演算中150條定理85%；1965年，魯賓遜（Robinson）提出了消解原理；在模式識別方面：1959年塞爾夫里奇推出了一個模式識別程序；1965年羅伯特（Robert）編制出可辨別積木構(gòu)造的程序；在問題求解方面：1960年紐厄爾等人通過心理學(xué)試驗總結(jié)出了人們求解問題的思維規(guī)律，編制了通用問題求解程序GPS,可以用來求解11種不同類型的問題；在專家系統(tǒng)方面：斯坦福大學(xué)的費根鮑姆（E.A.Feigenbaum）自1965年開始進行專家系統(tǒng)DENDRAL（化學(xué)分析專家系統(tǒng)），1968年完成并投入使用；在人工智能語言方面：1960年McCarthy等人建立了人工智能程序設(shè)計語言Lisp，該語言至今仍是建造智能系統(tǒng)的重要工具；1969年成立了國際人工智能聯(lián)合會議（InternationalJointConferencesOnArtificialIntelligence）? (3) 發(fā)展（1970年以后）70年代，開始從理論走向?qū)嵺`，解決一些實際問題。同時很快就發(fā)現(xiàn)問題：歸結(jié)法費時、下棋贏不了全國冠軍、機器翻譯一團糟。以Feigenbaum為首的一批年輕科學(xué)家改變了戰(zhàn)略思想，1977年提出知識工程的概念，以知識為基礎(chǔ)的專家咨詢系統(tǒng)開始廣泛的應(yīng)用。著名專家系統(tǒng)的有：DENDRAL化學(xué)分析專家系統(tǒng)（斯坦福大學(xué)1968）MACSYMA符號數(shù)學(xué)專家系統(tǒng)（麻省理工1971）MYCIN診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)（斯坦福大學(xué)1973）CASNET(CausalASsciationalNetwork)診斷和治療青光眼的專家咨詢系統(tǒng)（拉特格爾斯（Rutgers）大學(xué)70年代中）CADUCEUS(原名INTERNIST)醫(yī)療咨詢系統(tǒng)（匹茲堡大學(xué)）；HEARSAYI和II語音理解系統(tǒng)（卡內(nèi)基-梅隆大學(xué)）PROSPECTOR地質(zhì)勘探專家系統(tǒng)（斯坦福大學(xué)1976）XCON計算機配置專家系統(tǒng)（卡內(nèi)基-梅隆大學(xué)1978）??80年代，人工智能發(fā)展達(dá)到階段性的頂峰。?87,89年世界大會有６－７千人參加。硬件公司有上千個。并進行Lisp硬件、Lisp機的研究。?在專家系統(tǒng)及其工具越來越商品化的過程中,國際軟件市場上形成了一門旨在生產(chǎn)和加工知識的新產(chǎn)業(yè)——知識產(chǎn)業(yè)。應(yīng)該說，知識工程和專家系統(tǒng)是近十余年來人工智能研究中最有成就的分支之一。?同年代，1986年Rumlhart領(lǐng)導(dǎo)的并行分布處理研究小組提出了神經(jīng)元網(wǎng)絡(luò)的反向傳播學(xué)習(xí)算法，解決了神經(jīng)網(wǎng)絡(luò)的根本問題之一。從此，神經(jīng)網(wǎng)絡(luò)的研究進入新的高潮。?90年代，計算機發(fā)展趨勢為小型化、并行化、網(wǎng)絡(luò)化、智能化。?人工智能技術(shù)逐漸與數(shù)據(jù)庫、多媒體等主流技術(shù)相結(jié)合，并融合在主流技術(shù)之中，旨在使計算機更聰明、更有效、與人更接近。?日本政府于1992年結(jié)束了為期十年的稱為“知識信息處理體統(tǒng)”的第五代計算機系統(tǒng)研究開發(fā)計劃。并開始了為期十年的實況計算（RealWordComputing）計劃。?3.ResearchObjectsandMainContents

(1)人工智能的研究目標(biāo)

人工智能的長期研究目標(biāo)：構(gòu)造智能計算機。

人工智能的近期研究目標(biāo)：使現(xiàn)有的電子計算機更聰明，更有用，使它不僅能做一般的數(shù)值計算及非數(shù)值信息的數(shù)據(jù)處理，而且能運用知識處理問題，能模擬人類的部分智能行為。?(2)人工智能研究的基本內(nèi)容

1.機器感知以機器視覺與機器聽覺為主。機器感知是機器獲取外部信息的基本途徑，是使機器具有智能不可或缺的組成部分，對此人工智能中已形成兩個專門的研究領(lǐng)域——

模式識別和自然語言理解。2.機器思維指通過感知的外部信息及機器內(nèi)部的各種工作信息進行有目的的處理。主要開展以下幾方面的研究：(1)知識表示(2)知識的組織，累計，管理技術(shù)(3)知識的推理(4)各種啟發(fā)式搜索及控制策略(5)神經(jīng)網(wǎng)絡(luò)，人腦的結(jié)構(gòu)及其工作原理?3.機器學(xué)習(xí)

使計算能自動獲取知識，能直接向書本學(xué)習(xí)，能通過與人談話學(xué)習(xí)，能通過對環(huán)境的觀察學(xué)習(xí)，并能在實踐中自我完善。4.機器行為機器行為主要指計算機的表達(dá)能力，即“說”、“寫”、“畫”等，對智能機器人，還應(yīng)該有人的四肢功能，即能走路，能取物，能操作等。5.智能系統(tǒng)及智能計算機的構(gòu)造技術(shù)?4.ResearchObjectsandMainContents人工智能面世以來，其研究途徑存在兩種不同的觀點：以符號處理為核心的方法——主張通過運用計算機科學(xué)的方法進行研究，實現(xiàn)人工智能在計算機的模擬。以網(wǎng)絡(luò)連接為主的連接機制方法——主張用生物學(xué)的方法進行研究，搞清楚人類智能的本質(zhì)。(1)以符號處理為核心的方法該方法起源于紐厄爾等人的通用問題求解系統(tǒng)（GPS），用于模擬人類求解問題的心理過程，逐漸形成為物理符號系統(tǒng)，這種方法認(rèn)為： 人類研究的目標(biāo)是實現(xiàn)機器智能，而計算機自身具有符號處理能力，這種能力本身就蘊含著演繹推理的內(nèi)涵，因而可通過運行相應(yīng)的程序來體現(xiàn)某種基于邏輯思維的智能行為，達(dá)到模擬人類智能活動的效果。目前人工智能的大部分研究成果都是基于這種方法實現(xiàn)的。?

該方法的主要特征是：

?立足于邏輯運算和符號操作，適合于模擬人的邏輯思維過程，解決需要進行邏輯推理的復(fù)雜問題；

?知識可用顯式的符號表示；

?便于模塊化；?能與傳統(tǒng)的符號數(shù)據(jù)庫鏈接；?可對推理結(jié)論做出解釋，便于對各種可能性進行選擇。

但該方法不適合于形象思維；而且在用符號表示概念時其有效性在很大程度上取決于符號表示的正確性，且對帶噪聲的信息及不完整的信息難以處理。(2)以網(wǎng)絡(luò)連接為主的連接機制方法該方法是在人腦神經(jīng)元及其相互連接而成網(wǎng)絡(luò)的啟示下，試圖通過多人工神經(jīng)元間的并行協(xié)同作用來實現(xiàn)對人類智能的模擬。該方法認(rèn)為：大腦是人類一切智能活動的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機制著手進行研究，搞清楚大腦的結(jié)構(gòu)及它進行信息處理的過程及機理，可望揭示人類智能的奧秘，從而真正實現(xiàn)人類智慧在機器上的模擬。?該方法的主要特征：?通過神經(jīng)元之間的并行協(xié)同作用實現(xiàn)信息處理，處理過程具有并行性、動態(tài)性、全局性；?通過神經(jīng)元間分布式的物理聯(lián)系存儲知識和信息，因而可以實現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進行有效地處理。近期的一些研究表明，該方法在模式識別、圖像信息壓縮等方面取得了一些研究成果；?通過神經(jīng)元間連接強度的動態(tài)調(diào)整來實現(xiàn)對人類學(xué)習(xí)、分類等的模擬；?適合于模擬人類的形象思維過程；?求解問題時，可以比較快地球的一個近似解。該方法不適合于模擬人的邏輯思維過程，而且就目前神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀來看，由固定的體系結(jié)構(gòu)與組成方案所構(gòu)成的系統(tǒng)還達(dá)不到開發(fā)多種多樣知識的要求。?(3)系統(tǒng)集成

?符號方法善于模擬人的邏輯思維過程，求解問題時，如果問題有解，它可以準(zhǔn)確地求出最優(yōu)解；但求解過程的運算量將隨問題的復(fù)雜性的增加成指數(shù)性增長，另外其知識和信息的符號化過程需要由人來完成，它自身不具備這種功能。?連接機制方法善于模擬人的形象思維過程，求解問題時，由于它的并行處理能力，可以較快地得到問題的解，但解一般是近似的，次優(yōu)的；另外，該方法