人工智能研究方向、領域報告

人工智能研究方向、領域報告PAGE1PAGE15人工智能的研究方向、領域和應用領域摘要：人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能的研究方向、研究領域、應用領域值得我們關注和探討。關鍵字：人工智能、研究方向、研究領域、應用方向正文：“人工智能”一詞最初是在1956年Dartmouth學會上提出的。從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展。人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成。人工智能目前在計算機領域內(nèi)，得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應用。人工智能（ArtificialIntelligence，簡稱AI）是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀（基因工程、納米科學、人工智能）三大尖端技術之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。1、研究方向人工智能研究方向、領域報告全文共16頁，當前為第1頁。1.1問題求解

人工智能的第一個大成就是發(fā)展了能夠求解難題的下棋(如國際象棋)程序。在下棋程序中應用的某些技術，如向前看幾步，并把困難的問題分成一些比較容易的子問題，發(fā)展成為搜索和問題歸約這樣的人工智能基本技術。今天的計算機程序能夠下錦標賽水平的各種方盤棋、十五子棋和國際象棋。另一種問題求解程序把各種數(shù)學公式符號匯編在一起，其性能達到很高的水平，并正在為許多科學家和工程師所應用。有些程序甚至還能夠用經(jīng)驗來改善其性能。人工智能研究方向、領域報告全文共16頁，當前為第1頁。1.2邏輯推理與定理證明

邏輯推理是人工智能研究中最持久的子領域之一。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數(shù)據(jù)庫中的有關事實上，留意可信的證明，并在出現(xiàn)新信息時適時修正這些證明。對數(shù)學中臆測的定理尋找一個證明或反證，確實稱得上是一項智能任務。為此不僅需要有根據(jù)假設進行演繹的能力，而且需要某些直覺技巧。

1976年7月，美國的阿佩爾(K.Appel)等人合作解決了長達124年之久的難題--四色定理。他們用三臺大型計算機，花去1200小時CPU時間，并對中間結果進行人為反復修改500多處。四色定理的成功證明曾轟動計算機界。人工智能研究方向、領域報告全文共16頁，當前為第2頁。1.3自然語言理解

NLP(NaturalLanguageProcessing)自然語言處理也是人工智能的早期研究領域之一，已經(jīng)編寫出能夠從內(nèi)部數(shù)據(jù)庫回答用英語提出的問題的程序，這些程序通過閱讀文本材料和建立內(nèi)部數(shù)據(jù)庫，能夠把句子從一種語言翻譯為另一種語言，執(zhí)行用英語給出的指令和獲取知識等。有些程序甚至能夠在一定程度上翻譯從話筒輸入的口頭指令(而不是從鍵盤打入計算機的指令)。目前語言處理研究的主要課題是：在翻譯句子時，以主題和對話情況為基礎，注意大量的一般常識--世界知識和期望作用的重要性。

人工智能在語言翻譯與語音理解程序方面已經(jīng)取得的成就，發(fā)展為人類自然語言處理的新概念。

1.4自動程序設計

也許程序設計并不是人類知識的一個十分重要的方面，但是它本身卻是人工智能的一個重要研究領域。這個領域的工作叫做自動程序設計。已經(jīng)研制出能夠以各種不同的目的描述(例如輸入/輸出對，高級語言描述，甚至英語描述算法)來編寫計算機程序。這方面的進展局限于少數(shù)幾個完全現(xiàn)成的例子。對自動程序設計的研究不僅可以促進半自動軟件開發(fā)系統(tǒng)的發(fā)展，而且也使通過修正自身數(shù)碼進行學習(即修正它們的性能)的人工智能系統(tǒng)得到發(fā)展。自動編制一份程序來獲得某種指定結果的任務同證明一份給定程序將獲得某種指定結果的任務是緊密相關的。后者叫做程序驗證。許多自動程序設計系統(tǒng)將產(chǎn)生一份輸出程序的驗證作為額外收獲。

1.5專家系統(tǒng)

一般地說，專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個領域知識與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來解決該領域的問題。也就是說，專家系統(tǒng)是一個具有大人工智能研究方向、領域報告全文共16頁，當前為第3頁。量專門知識與經(jīng)驗的程序系統(tǒng)，它應用人工智能技術，根據(jù)某個領域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。

當前的研究涉及有關專家系統(tǒng)設計的各種問題。這些系統(tǒng)是在某個領域的專家(他可能無法明確表達他的全部知識)與系統(tǒng)設計者之間經(jīng)過艱苦的反復交換意見之后建立起來的。在已經(jīng)建立的專家咨詢系統(tǒng)中，有能夠診斷疾病的(包括中醫(yī)診斷智能機)，估計潛在石油等礦藏的，研究復雜有機化合物結構的以及提供使用其它計算機系統(tǒng)的參考意見等。發(fā)展專家系統(tǒng)的關鍵是表達和運用專家知識，即來自人類專家的并已被證明對解決有關領域內(nèi)的典型問題是有用的事實和過程。專家系統(tǒng)和傳統(tǒng)的計算機程序最本質的不同之處在于專家系統(tǒng)所要解決的問題一般沒有算法解，并且經(jīng)常要在不完全、不精確或不確定的信息基礎上作出結論。人工智能研究方向、領域報告全文共16頁，當前為第2頁。人工智能研究方向、領域報告全文共16頁，當前為第3頁。

專家系統(tǒng)可以解決的問題一般包括解釋、預測、診斷、設計、規(guī)劃、監(jiān)視、修理、指導和控制等。高性能的專家系統(tǒng)也已經(jīng)從學術研究開始進入實際應用研究。隨著人工智能整體水平的提高，專家系統(tǒng)也獲得發(fā)展。正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的方法，而且采用基于模型的原理。人工智能研究方向、領域報告全文共16頁，當前為第4頁。1.6機器學習

學習能力無疑是人工智能研究上最突出和最重要的一個方面。人工智能在這方面的研究近年來取得了一些進展。學習是人類智能的主要標志和獲得知識的基本手段。機器學習(自動獲取新的事實及新的推理算法)是使計算機具有智能的根本途徑。正如香克(R.Shank)所說："一臺計算機若不會學習，就不能稱為具有智能的。"此外，機器學習還有助于發(fā)現(xiàn)人類學習的機理和揭示人腦的奧秘。所以這是一個始終得到重視，理論正在創(chuàng)立，方法日臻完善，但遠未達到理想境地的研究領域。人工智能研究方向、領域報告全文共16頁，當前為第4頁。2、人工智能的研究領域2．1智能搜索人工智能研究方向、領域報告全文共16頁，當前為第5頁。智能搜索在人工智能中應用很廣泛，它能解決人們現(xiàn)實生活中的很多問題，與人們的生活息息相關，例如：八方塊問題、博弈問題等。大體上來說，搜索分為兩種，一種是非啟發(fā)式的搜索，另一種是啟發(fā)式搜索。非啟發(fā)式的搜索可以分為廣度優(yōu)先搜索、深度優(yōu)先搜索、有界深度優(yōu)先搜索、代價樹的寬度優(yōu)先搜索、代價樹的深度度優(yōu)先搜索。在非啟發(fā)式的搜索過程中不改變搜索策略，不利用搜索獲得的中間信息，它盲目性大，效率差，用于小型問題還可以，用于大型問題根本不可能；而啟發(fā)式搜索在搜索過程中加入了與問題有關的啟發(fā)性信息，用以指導搜索向著一個比較小的范圍內(nèi)進行，加速獲得結果的過程?？偟恼f來，非啟發(fā)式搜索隨著搜索的進行，需要搜索的空間很快加大。啟發(fā)式搜索過程中，隨著搜索的進行，需要搜索的空間有所增加，但增加的幅度遠遠小于非啟發(fā)式搜索。人工智能研究方向、領域報告全文共16頁，當前為第5頁。啟發(fā)式搜索法的基本思想是在搜索路徑的控制信息中增加關于被解問題的某些特征，用于指導搜索向最有希望到達目標結點的方向前進。啟發(fā)式搜索可以分為局部擇優(yōu)搜索、全局擇優(yōu)搜索、有序搜索、A*算法等。在搜索過程中，關鍵的一步是如何確定下一個要考察的節(jié)點，確定的方法不同就形成了不同的搜索策略。如果在確定節(jié)點時能充分利用與問題求解有關的控制信息，估計出節(jié)點的重要性，就能在搜索時選擇重要性較高的節(jié)點，以利于求得最優(yōu)解。像這樣可用于指導搜索過程，且與具體問題求解有關的控制性信息稱為啟發(fā)性信息。2．2人工神經(jīng)網(wǎng)絡技術2．2．1人工神經(jīng)網(wǎng)絡技術原理概述人工神經(jīng)網(wǎng)絡研究是采用自下而上的方法，從腦的神經(jīng)系統(tǒng)結構出發(fā)來研究腦的功能，研究大量簡單的神經(jīng)元的集團信息處理能力及其動態(tài)行為。目前，神經(jīng)網(wǎng)絡的研究使得對多年來困擾計算機科學和符號處理的一些難題可以得到比較令人滿意的解答，特別是對那些時空信息存貯及并行搜索、自組織聯(lián)想記億、時空數(shù)據(jù)統(tǒng)計描述的自組織以及從一些相互關聯(lián)的活動中自動獲取知識等一般性問題的求解，更顯示出獨特的能力。由此引起了智能研究者們的廣泛關注，并普遍認為神經(jīng)網(wǎng)絡方法適合于低層次的模式處理。人工智能研究方向、領域報告全文共16頁，當前為第6頁。人工神經(jīng)網(wǎng)絡的研究出發(fā)點是以生物神經(jīng)元學說為基礎的。生物神經(jīng)元學說認為，神經(jīng)細胞即神經(jīng)元是神經(jīng)系統(tǒng)中獨立的營養(yǎng)和功能單元。生物神經(jīng)系統(tǒng)．包括中樞神經(jīng)系統(tǒng)和大腦，均是由各類神經(jīng)元組成。其獨立性是指每一個神經(jīng)元均有自己的核和自己的分界線或原生質膜。人工智能研究方向、領域報告全文共16頁，當前為第6頁。生物神經(jīng)元之間的相互連接從而讓信息傳遞的部位披稱為突觸(Synapse)。突觸按其傳遞信息的不同機制，可分為化學突觸和電突觸、其中化學突觸占大多數(shù)，其神經(jīng)沖動傳遞借助于化學遞質的作用。人的思維有邏輯性和直觀性兩種不同的基本方式。邏輯性的思維是指根據(jù)邏輯規(guī)則進行推理的過程；它先將信息化成概念，并用符號表示，然后，根據(jù)符號運算按串行模式進行邏輯推理；這一過程可以寫成串行的指令，讓計算機執(zhí)行。然而，直觀性的思維是將分布式存儲的信息綜合起來，結果是忽然間產(chǎn)生想法或解決問題的辦法。這種思維方式的根本之點在于以下兩點:1.信息是通過神經(jīng)元上的興奮模式分布儲在網(wǎng)絡上;2.信息處理是通過神經(jīng)元之間同時相互作用的動態(tài)過程來完成的。

人工神經(jīng)網(wǎng)絡就是模擬人思維的第二種方式。這是一個非線性動力學系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。雖然單個神經(jīng)元的結構極其簡單，功能有限，但大量神經(jīng)元構成的網(wǎng)絡系統(tǒng)所能實現(xiàn)的行為卻是極其豐富多彩的。人工智能研究方向、領域報告全文共16頁，當前為第7頁。人工神經(jīng)網(wǎng)絡的工作原理：人工神經(jīng)網(wǎng)絡首先要以一定的學習準則進行學習，然后才能工作?，F(xiàn)以人工神經(jīng)網(wǎng)絡對手寫“A”、“B”兩個字母的識別為例進行說明，規(guī)定當“A”輸入網(wǎng)絡時，應該輸出“1”，而當輸入為“B”時，輸出為“0”。

所以網(wǎng)絡學習的準則應該是：如果網(wǎng)絡作出錯誤的的判決，則通過網(wǎng)絡的學習，應使得網(wǎng)絡減少下次犯同樣錯誤的可能性。首先，給網(wǎng)絡的各連接權值賦予(0，1)區(qū)間內(nèi)的隨機值，將“A”所對應的圖象模式輸入給網(wǎng)絡，網(wǎng)絡將輸入模式加權求和、與門限比較、再進行非線性運算，得到網(wǎng)絡的輸出。在此情況下，網(wǎng)絡輸出為“1”和“0”的概率各為50%，也就是說是完全隨機的。這時如果輸出為“1”(結果正確)，則使連接權值增大，以便使網(wǎng)絡再次遇到“A”模式輸入時，仍然能作出正確的判斷。

如果輸出為“0”(即結果錯誤)，則把網(wǎng)絡連接權值朝著減小綜合輸入加權值的方向調整，其目的在于使網(wǎng)絡下次再遇到“A”模式輸入時，減小犯同樣錯誤的可能性。如此操作調整，當給網(wǎng)絡輪番輸入若干個手寫字母“A”、“B”后，經(jīng)過網(wǎng)絡按以上學習方法進行若干次學習后，網(wǎng)絡判斷的正確率將大大提高。這說明網(wǎng)絡對這兩個模式的學習已經(jīng)獲得了成功，它已將這兩個模式分布地記憶在網(wǎng)絡的各個連接權值上。當網(wǎng)絡再次遇到其中任何一個模式時，能夠作出迅速、準確的判斷和識別。一般說來，網(wǎng)絡中所含的神經(jīng)元個數(shù)越多，則它能記憶、識別的模式也就越多。人工智能研究方向、領域報告全文共16頁，當前為第7頁。2．2．2人工神經(jīng)網(wǎng)絡研究內(nèi)容人工神經(jīng)網(wǎng)絡的研究方興末艾，很難準確地預測其發(fā)展方向。但就目前來看，人工神經(jīng)網(wǎng)絡的研究首先須解決全局穩(wěn)定性、結構穩(wěn)定性、可編程性等問題。現(xiàn)今的研究工作應包含以下的一些基本內(nèi)容：人工智能研究方向、領域報告全文共16頁，當前為第8頁。(1)人工神經(jīng)網(wǎng)絡模型的研究人工智能研究方向、領域報告全文共16頁，當前為第8頁。包括神經(jīng)網(wǎng)絡原型研究，即大腦神經(jīng)網(wǎng)絡的生理結構、思維機制。神經(jīng)元的生物特性如時空特性、不應期、電化學性質等的人工模擬易于實現(xiàn)的神經(jīng)網(wǎng)絡計算模型。利用物理學的方法進行單元間相互作用理論的研究，如：聯(lián)想記憶模型。(2)神經(jīng)網(wǎng)絡基本理論研究神經(jīng)網(wǎng)絡的非線性特性，包括自組織、自適應等作用。神經(jīng)網(wǎng)絡的基本性能，包括穩(wěn)定性、收斂性、容錯性、魯棒性、動力學復雜性。神經(jīng)網(wǎng)絡的計算能力與信息存貯容量。開展認知科學的研究。探索包括感知、思考、記憶和語言等的腦信息處理模型。采用諸如連接機制等方法，將認知信息處理過程模型化，并通過建立神經(jīng)計算學來代替算法淪。(3)神經(jīng)網(wǎng)絡智能信息處理系統(tǒng)的應用認知與人工智能：包括模式識別、計算機視覺與聽覺、特征提取、語音識別語言翻譯、聯(lián)想記憶、邏輯推理、知識工程、專家系統(tǒng)、故障診斷、智能機器人等。優(yōu)化與控制：包括優(yōu)化求解、決策與管理、系統(tǒng)辨識、魯棒性控制、自適應控制、并行控制、分布控制、智能控制等。信號處理；自適應信號處理(自適應濾波、時間序列預測、譜估計、消噪、檢測、陣列處理)和非線性信號處理(非線性濾波、非線性預測、非線性譜估計、非線性編碼、中值處理)。人工智能研究方向、領域報告全文共16頁，當前為第9頁。傳感器信息處理：模式預處理變換、信息集成、多傳感器數(shù)據(jù)融合。人工智能研究方向、領域報告全文共16頁，當前為第9頁。(4)神經(jīng)網(wǎng)絡的軟件模擬和硬件實現(xiàn)在通用計算機、專用計算機或者并行計算機上進行軟件模擬，或由專用數(shù)字信號處理芯片構成神經(jīng)網(wǎng)絡仿真器。由模擬集成電路、數(shù)字集成電路或者光器件在硬件上實現(xiàn)神經(jīng)芯片。軟件模擬的優(yōu)點是網(wǎng)絡的規(guī)?？梢暂^大，適合于用來驗證新的模型和復雜的網(wǎng)絡特性。(5)神經(jīng)網(wǎng)絡計算機的實現(xiàn)。涉及到計算機仿真系統(tǒng)，專用神經(jīng)網(wǎng)絡并行計算機系統(tǒng)，數(shù)字、模擬、數(shù)—?；旌?、光電互連等。關于智能本質的研究是自然科學和哲學的重大課題之一，對于智能的模擬和機器再現(xiàn)肯定可以開發(fā)拓展出一代新興產(chǎn)業(yè)。由于智能本質的復雜性，現(xiàn)代智能研究已超越傳統(tǒng)的學科界限，成為腦生理學、神經(jīng)科學、心理學、認知科學、信息科學、計算機科學、微電子學，乃至數(shù)理科學共同關心的“焦點”學科。人工神經(jīng)網(wǎng)絡的重大研究進展有可能使包括信息科學在內(nèi)的其他學科產(chǎn)生重大突破和變革。展望人工神經(jīng)網(wǎng)絡的成功應用，人類智能有可能產(chǎn)生一次新的飛躍。2．2．3人工神經(jīng)網(wǎng)絡的基本模型人工智能研究方向、領域報告全文共16頁，當前為第10頁。3、應用領域

3.1人工神經(jīng)網(wǎng)絡

由于馮·諾依曼(VanNeumann)體系結構的局限性，數(shù)字計算機存在一些尚無法解決的問題。人們一直在尋找新的信息處理機制，神經(jīng)網(wǎng)絡計算就是其中之一。

研究結果已經(jīng)證明，用神經(jīng)網(wǎng)絡處理直覺和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經(jīng)網(wǎng)絡的發(fā)展有著非常廣闊的科學背景，是眾多學科研究的綜合成果。神經(jīng)生理學家、心理學家與計算機科學家的共同研究得出的結論是：人腦是一個功能特別強大、結構異常復雜的信息處理系統(tǒng)，其基礎是神經(jīng)元及其互聯(lián)關系。因此，對人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡的研究，可能創(chuàng)造出新一代人工智能機--神經(jīng)計算機。

對神經(jīng)網(wǎng)絡的研究始于40年代初期，經(jīng)歷了一條十分曲折的道路，幾起幾落，80年代初以來，對神經(jīng)網(wǎng)絡的研究再次出現(xiàn)高潮?；羝辗茽柕?Hopfield)提出用硬件實現(xiàn)神經(jīng)網(wǎng)絡，魯梅爾哈特(Rumelhart)等提出多層網(wǎng)絡中的反向傳播(BP)算法就是兩個重要標志?，F(xiàn)在，神經(jīng)網(wǎng)絡已在模式識別、圖象處理、組合優(yōu)化、自動控制、信息處理、機器人學和人工智能的其它領域獲得日益廣泛的應用。人工智能研究方向、領域報告全文共16頁，當前為第10頁。人工智能研究方向、領域報告全文共16頁，當前為第11頁。3.2機器人學

人工智能研究日益受到重視的另一個分支是機器人學，其中包括對操作機器人裝置程序的研究。這個領域所研究的問題，從機器人手臂的最佳移動到實現(xiàn)機器人目標的動作序列的規(guī)劃方法，無所不包。機器人和機器人學的研究促進了許多人工智能思想的發(fā)展。它所導致的一些技術可用來模擬世界的狀態(tài)，用來描述從一種世界狀態(tài)轉變?yōu)榱硪环N世界狀態(tài)的過程。它對于怎樣產(chǎn)生動作序列的規(guī)劃以及怎樣監(jiān)督這些規(guī)劃的執(zhí)行有了一種較好的理解。復雜的機器人控制問題迫使我們發(fā)展一些方法，先在抽象和忽略細節(jié)的高層進行規(guī)劃，然后再逐步在細節(jié)越來越重要的低層進行規(guī)劃。在本書中，我們經(jīng)常應用一些機器人問題求解的例子來說明一些重要的思想。智能機器人的研究和應用體現(xiàn)出廣泛的學科交叉，涉及眾多的課題，如機器人體系結構、機構、控制、智能、視覺、觸覺、力覺、聽覺、機器人裝配、惡劣環(huán)境下的機器人以及機器人語言等。機器人已在各種工業(yè)、農(nóng)業(yè)、商業(yè)、旅游業(yè)、空中和海洋以及國防等領域獲得越來越普遍的應用。

3.3模式識別

計算機硬件的迅速發(fā)展，計算機應用領域的不斷開拓，急切地要求計算機能更有效地感知諸如聲音、文字、圖象、溫度、震動等等信息資料，模式識別便得到迅速發(fā)展。

"模式"(Pattern)一詞的本意是指完美無缺的供模仿的一些標本。模式識別就是指識別出給定物體所模仿的標本。人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬，研究的是計算機模式識別系統(tǒng)，也就是使一個計算機系統(tǒng)具有模擬人類通過感官接受外界信息、識別和理解周圍環(huán)境的感知能力。

模式識別是一個不斷發(fā)展的新學科，它的理論基礎和研究范圍也在不斷發(fā)展。隨著生物醫(yī)學對人類大腦的初步認識，模擬人腦構造的計算機實驗即人工神經(jīng)網(wǎng)絡方法早在50年代末、60年代初就已經(jīng)開始。至今，在模式識別領域，神經(jīng)網(wǎng)絡方法已經(jīng)成功地用于手寫字符的識別、汽車牌照的識別、指紋識別、語音識別等方面。目前模式識人工智能研究方向、領域報告全文共16頁，當前為第12頁。別學科正處于大發(fā)展的階段，隨著應用范圍的不斷擴大，隨著計算機科學的不斷進步，基于人工神經(jīng)網(wǎng)絡的模式識別技術，在90年代將有更大的發(fā)展。

3.4機器視覺

機器視覺或計算機視覺已從模式識別的一個研究領域發(fā)展為一門獨立的學科。在視覺方面，已經(jīng)給計算機系統(tǒng)裝上電視輸入裝置以便能夠"看見"周圍的東西。視覺是感知問題之一。在人工智能中研究的感知過程通常包含一組操作。例如，可見的景物由傳感器編碼，并被表示為一個灰度數(shù)值的矩陣。這些灰度數(shù)值由檢測器加以處理。檢測器搜索主要圖象的成分，如線段、簡單曲線和角度等。這些成分又被處理，以便根據(jù)景物的表面和形狀來推斷有關景物的三維特性信息。機器視覺的前沿研究領域包括實時并行處理、主動式定性視覺、動態(tài)和時變視覺、三維景物的建模與識別、實時圖象壓縮傳輸和復原、多光譜和彩色圖象的處理與解釋等。機器視覺已在機器人裝配、衛(wèi)星圖象處理、工業(yè)過程監(jiān)控、飛行器跟蹤和制導以及電視實況轉播等領域獲得極為廣泛的應用。

3.5智能控制

人工智能的發(fā)展促進自動控制向智能控制發(fā)展。智能控制是一類無需(或需要盡可能少的)人的干預就能夠獨立地驅動智能機器實現(xiàn)其目標的自動控制?；蛘哒f，智能控制是驅動智能機器自主地實現(xiàn)其目標的過程。

隨著人工智能和計算機技術的發(fā)展，已可能把自動控制和人工人工智能研究方向、領域報告全文共16頁，當前為第13頁。智能以及系統(tǒng)科學的某些分支結合起來，建立一種適用于復雜系統(tǒng)的控制理論和技術。智能控制正是在這種條件下產(chǎn)生的。它是自動控制的最新發(fā)展階段，也是用計算機模擬人類智能的一個重要研究領域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)。十多年后，建立實用智能控制系統(tǒng)的技術逐漸成熟。1971年，傅京孫提出把人工智能與自動控制結合起來的思想。1977年，美國薩里迪斯提出把人工智能、控制論和運籌學結合起來的思想。1986年，中國蔡自興提出把人工智能、控制論、信息論和運籌學結合起來的思想。按照這些結構理論已經(jīng)研究出一些智能控制的理論和技術，用來構造用于不同領域的智能控制系統(tǒng)。智能控制的核心在高層控制，即組織級控制。其任務在于對實際環(huán)境或過程進行組織，即決策和規(guī)劃，以實現(xiàn)廣義問題求解。已經(jīng)提出的用以構造智能控制系統(tǒng)的理論和技術有分級遞階控制理論、分級控制器設計的熵方法、智能逐級增高而精度逐級降低原理、專家控制系統(tǒng)、學習控制系統(tǒng)和基于NN的控制系統(tǒng)等。智能控制有很多研究領域，它們的研究課題既具有獨立性，又相互關聯(lián)。目前研究得較多的是以下6個方面：智能機器人規(guī)劃與控制、智能過程規(guī)劃、智能過程控制、專家控制系統(tǒng)、語音控制以及智能儀器。

3.6智能檢索

隨著科學技術的迅速發(fā)展，出現(xiàn)了"知識爆炸"的情況。對國內(nèi)外種類繁多和數(shù)量巨大的科技文獻之檢索遠非人力和傳統(tǒng)檢索系統(tǒng)所能勝任。研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保證。數(shù)人工智能研究方向、領域報告全文共16頁，當前為第14頁。據(jù)庫系統(tǒng)是儲存某學科大量事實的計算機軟件系統(tǒng)，它們可以回答用戶提出的有關該學科的各種問題。

數(shù)據(jù)庫系統(tǒng)的設計也是計算機科學的一個活躍的分支。為了有效地表示、存儲和檢索大量事