人工智能研究方向、領(lǐng)域報(bào)告

人工智能研究方向、領(lǐng)域報(bào)告PAGE1PAGE15人工智能的研究方向、領(lǐng)域和應(yīng)用領(lǐng)域摘要：人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能的研究方向、研究領(lǐng)域、應(yīng)用領(lǐng)域值得我們關(guān)注和探討。關(guān)鍵字：人工智能、研究方向、研究領(lǐng)域、應(yīng)用方向正文：“人工智能”一詞最初是在1956年Dartmouth學(xué)會(huì)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?dāng)U展。人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成。人工智能目前在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。人工智能（ArtificialIntelligence，簡稱AI）是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認(rèn)為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一。這是因?yàn)榻陙硭@得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個(gè)獨(dú)立的分支，無論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。1、研究方向人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第1頁。1.1問題求解

人工智能的第一個(gè)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(yīng)用的某些技術(shù)，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(shù)。今天的計(jì)算機(jī)程序能夠下錦標(biāo)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(xué)公式符號(hào)匯編在一起，其性能達(dá)到很高的水平，并正在為許多科學(xué)家和工程師所應(yīng)用。有些程序甚至還能夠用經(jīng)驗(yàn)來改善其性能。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)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(lǐng)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(gè)大型數(shù)據(jù)庫中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。對(duì)數(shù)學(xué)中臆測(cè)的定理尋找一個(gè)證明或反證，確實(shí)稱得上是一項(xiàng)智能任務(wù)。為此不僅需要有根據(jù)假設(shè)進(jìn)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(dá)124年之久的難題--四色定理。他們用三臺(tái)大型計(jì)算機(jī)，花去1200小時(shí)CPU時(shí)間，并對(duì)中間結(jié)果進(jìn)行人為反復(fù)修改500多處。四色定理的成功證明曾轟動(dòng)計(jì)算機(jī)界。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)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(lǐng)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(shí)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(jì)算機(jī)的指令)。目前語言處理研究的主要課題是：在翻譯句子時(shí)，以主題和對(duì)話情況為基礎(chǔ)，注意大量的一般常識(shí)--世界知識(shí)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(dòng)程序設(shè)計(jì)

也許程序設(shè)計(jì)并不是人類知識(shí)的一個(gè)十分重要的方面，但是它本身卻是人工智能的一個(gè)重要研究領(lǐng)域。這個(gè)領(lǐng)域的工作叫做自動(dòng)程序設(shè)計(jì)。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(duì)，高級(jí)語言描述，甚至英語描述算法)來編寫計(jì)算機(jī)程序。這方面的進(jìn)展局限于少數(shù)幾個(gè)完全現(xiàn)成的例子。對(duì)自動(dòng)程序設(shè)計(jì)的研究不僅可以促進(jìn)半自動(dòng)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(jìn)行學(xué)習(xí)(即修正它們的性能)的人工智能系統(tǒng)得到發(fā)展。自動(dòng)編制一份程序來獲得某種指定結(jié)果的任務(wù)同證明一份給定程序?qū)@得某種指定結(jié)果的任務(wù)是緊密相關(guān)的。后者叫做程序驗(yàn)證。許多自動(dòng)程序設(shè)計(jì)系統(tǒng)將產(chǎn)生一份輸出程序的驗(yàn)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(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個(gè)領(lǐng)域知識(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來解決該領(lǐng)域的問題。也就是說，專家系統(tǒng)是一個(gè)具有大人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第3頁。量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或多個(gè)人類專家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)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(fù)雜問題。

當(dāng)前的研究涉及有關(guān)專家系統(tǒng)設(shè)計(jì)的各種問題。這些系統(tǒng)是在某個(gè)領(lǐng)域的專家(他可能無法明確表達(dá)他的全部知識(shí))與系統(tǒng)設(shè)計(jì)者之間經(jīng)過艱苦的反復(fù)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(jī))，估計(jì)潛在石油等礦藏的，研究復(fù)雜有機(jī)化合物結(jié)構(gòu)的以及提供使用其它計(jì)算機(jī)系統(tǒng)的參考意見等。發(fā)展專家系統(tǒng)的關(guān)鍵是表達(dá)和運(yùn)用專家知識(shí)，即來自人類專家的并已被證明對(duì)解決有關(guān)領(lǐng)域內(nèi)的典型問題是有用的事實(shí)和過程。專家系統(tǒng)和傳統(tǒng)的計(jì)算機(jī)程序最本質(zhì)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(chǔ)上作出結(jié)論。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第2頁。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第3頁。

專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測(cè)、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等。高性能的專家系統(tǒng)也已經(jīng)從學(xué)術(shù)研究開始進(jìn)入實(shí)際應(yīng)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(lǐng)域報(bào)告全文共16頁，當(dāng)前為第4頁。1.6機(jī)器學(xué)習(xí)

學(xué)習(xí)能力無疑是人工智能研究上最突出和最重要的一個(gè)方面。人工智能在這方面的研究近年來取得了一些進(jìn)展。學(xué)習(xí)是人類智能的主要標(biāo)志和獲得知識(shí)的基本手段。機(jī)器學(xué)習(xí)(自動(dòng)獲取新的事實(shí)及新的推理算法)是使計(jì)算機(jī)具有智能的根本途徑。正如香克(R.Shank)所說："一臺(tái)計(jì)算機(jī)若不會(huì)學(xué)習(xí)，就不能稱為具有智能的。"此外，機(jī)器學(xué)習(xí)還有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。所以這是一個(gè)始終得到重視，理論正在創(chuàng)立，方法日臻完善，但遠(yuǎn)未達(dá)到理想境地的研究領(lǐng)域。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第4頁。2、人工智能的研究領(lǐng)域2．1智能搜索人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第5頁。智能搜索在人工智能中應(yīng)用很廣泛，它能解決人們現(xiàn)實(shí)生活中的很多問題，與人們的生活息息相關(guān)，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(jià)樹的寬度優(yōu)先搜索、代價(jià)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(guān)的啟發(fā)性信息，用以指導(dǎo)搜索向著一個(gè)比較小的范圍內(nèi)進(jìn)行，加速獲得結(jié)果的過程。總的說來，非啟發(fā)式搜索隨著搜索的進(jìn)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(jìn)行，需要搜索的空間有所增加，但增加的幅度遠(yuǎn)遠(yuǎn)小于非啟發(fā)式搜索。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)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(guān)于被解問題的某些特征，用于指導(dǎo)搜索向最有希望到達(dá)目標(biāo)結(jié)點(diǎn)的方向前進(jìn)。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(guān)鍵的一步是如何確定下一個(gè)要考察的節(jié)點(diǎn)，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(diǎn)時(shí)能充分利用與問題求解有關(guān)的控制信息，估計(jì)出節(jié)點(diǎn)的重要性，就能在搜索時(shí)選擇重要性較高的節(jié)點(diǎn)，以利于求得最優(yōu)解。像這樣可用于指導(dǎo)搜索過程，且與具體問題求解有關(guān)的控制性信息稱為啟發(fā)性信息。2．2人工神經(jīng)網(wǎng)絡(luò)技術(shù)2．2．1人工神經(jīng)網(wǎng)絡(luò)技術(shù)原理概述人工神經(jīng)網(wǎng)絡(luò)研究是采用自下而上的方法，從腦的神經(jīng)系統(tǒng)結(jié)構(gòu)出發(fā)來研究腦的功能，研究大量簡單的神經(jīng)元的集團(tuán)信息處理能力及其動(dòng)態(tài)行為。目前，神經(jīng)網(wǎng)絡(luò)的研究使得對(duì)多年來困擾計(jì)算機(jī)科學(xué)和符號(hào)處理的一些難題可以得到比較令人滿意的解答，特別是對(duì)那些時(shí)空信息存貯及并行搜索、自組織聯(lián)想記億、時(shí)空數(shù)據(jù)統(tǒng)計(jì)描述的自組織以及從一些相互關(guān)聯(lián)的活動(dòng)中自動(dòng)獲取知識(shí)等一般性問題的求解，更顯示出獨(dú)特的能力。由此引起了智能研究者們的廣泛關(guān)注，并普遍認(rèn)為神經(jīng)網(wǎng)絡(luò)方法適合于低層次的模式處理。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第6頁。人工神經(jīng)網(wǎng)絡(luò)的研究出發(fā)點(diǎn)是以生物神經(jīng)元學(xué)說為基礎(chǔ)的。生物神經(jīng)元學(xué)說認(rèn)為，神經(jīng)細(xì)胞即神經(jīng)元是神經(jīng)系統(tǒng)中獨(dú)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(dú)立性是指每一個(gè)神經(jīng)元均有自己的核和自己的分界線或原生質(zhì)膜。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)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(jī)制，可分為化學(xué)突觸和電突觸、其中化學(xué)突觸占大多數(shù)，其神經(jīng)沖動(dòng)傳遞借助于化學(xué)遞質(zhì)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(jìn)行推理的過程；它先將信息化成概念，并用符號(hào)表示，然后，根據(jù)符號(hào)運(yùn)算按串行模式進(jìn)行邏輯推理；這一過程可以寫成串行的指令，讓計(jì)算機(jī)執(zhí)行。然而，直觀性的思維是將分布式存儲(chǔ)的信息綜合起來，結(jié)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(diǎn)在于以下兩點(diǎn):1.信息是通過神經(jīng)元上的興奮模式分布儲(chǔ)在網(wǎng)絡(luò)上;2.信息處理是通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程來完成的。

人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的第二種方式。這是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，其特色在于信息的分布式存儲(chǔ)和并行協(xié)同處理。雖然單個(gè)神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是極其豐富多彩的。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第7頁。人工神經(jīng)網(wǎng)絡(luò)的工作原理：人工神經(jīng)網(wǎng)絡(luò)首先要以一定的學(xué)習(xí)準(zhǔn)則進(jìn)行學(xué)習(xí)，然后才能工作?，F(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對(duì)手寫“A”、“B”兩個(gè)字母的識(shí)別為例進(jìn)行說明，規(guī)定當(dāng)“A”輸入網(wǎng)絡(luò)時(shí)，應(yīng)該輸出“1”，而當(dāng)輸入為“B”時(shí)，輸出為“0”。

所以網(wǎng)絡(luò)學(xué)習(xí)的準(zhǔn)則應(yīng)該是：如果網(wǎng)絡(luò)作出錯(cuò)誤的的判決，則通過網(wǎng)絡(luò)的學(xué)習(xí)，應(yīng)使得網(wǎng)絡(luò)減少下次犯同樣錯(cuò)誤的可能性。首先，給網(wǎng)絡(luò)的各連接權(quán)值賦予(0，1)區(qū)間內(nèi)的隨機(jī)值，將“A”所對(duì)應(yīng)的圖象模式輸入給網(wǎng)絡(luò)，網(wǎng)絡(luò)將輸入模式加權(quán)求和、與門限比較、再進(jìn)行非線性運(yùn)算，得到網(wǎng)絡(luò)的輸出。在此情況下，網(wǎng)絡(luò)輸出為“1”和“0”的概率各為50%，也就是說是完全隨機(jī)的。這時(shí)如果輸出為“1”(結(jié)果正確)，則使連接權(quán)值增大，以便使網(wǎng)絡(luò)再次遇到“A”模式輸入時(shí)，仍然能作出正確的判斷。

如果輸出為“0”(即結(jié)果錯(cuò)誤)，則把網(wǎng)絡(luò)連接權(quán)值朝著減小綜合輸入加權(quán)值的方向調(diào)整，其目的在于使網(wǎng)絡(luò)下次再遇到“A”模式輸入時(shí)，減小犯同樣錯(cuò)誤的可能性。如此操作調(diào)整，當(dāng)給網(wǎng)絡(luò)輪番輸入若干個(gè)手寫字母“A”、“B”后，經(jīng)過網(wǎng)絡(luò)按以上學(xué)習(xí)方法進(jìn)行若干次學(xué)習(xí)后，網(wǎng)絡(luò)判斷的正確率將大大提高。這說明網(wǎng)絡(luò)對(duì)這兩個(gè)模式的學(xué)習(xí)已經(jīng)獲得了成功，它已將這兩個(gè)模式分布地記憶在網(wǎng)絡(luò)的各個(gè)連接權(quán)值上。當(dāng)網(wǎng)絡(luò)再次遇到其中任何一個(gè)模式時(shí)，能夠作出迅速、準(zhǔn)確的判斷和識(shí)別。一般說來，網(wǎng)絡(luò)中所含的神經(jīng)元個(gè)數(shù)越多，則它能記憶、識(shí)別的模式也就越多。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第7頁。2．2．2人工神經(jīng)網(wǎng)絡(luò)研究內(nèi)容人工神經(jīng)網(wǎng)絡(luò)的研究方興末艾，很難準(zhǔn)確地預(yù)測(cè)其發(fā)展方向。但就目前來看，人工神經(jīng)網(wǎng)絡(luò)的研究首先須解決全局穩(wěn)定性、結(jié)構(gòu)穩(wěn)定性、可編程性等問題?，F(xiàn)今的研究工作應(yīng)包含以下的一些基本內(nèi)容：人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第8頁。(1)人工神經(jīng)網(wǎng)絡(luò)模型的研究人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第8頁。包括神經(jīng)網(wǎng)絡(luò)原型研究，即大腦神經(jīng)網(wǎng)絡(luò)的生理結(jié)構(gòu)、思維機(jī)制。神經(jīng)元的生物特性如時(shí)空特性、不應(yīng)期、電化學(xué)性質(zhì)等的人工模擬易于實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)計(jì)算模型。利用物理學(xué)的方法進(jìn)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(luò)基本理論研究神經(jīng)網(wǎng)絡(luò)的非線性特性，包括自組織、自適應(yīng)等作用。神經(jīng)網(wǎng)絡(luò)的基本性能，包括穩(wěn)定性、收斂性、容錯(cuò)性、魯棒性、動(dòng)力學(xué)復(fù)雜性。神經(jīng)網(wǎng)絡(luò)的計(jì)算能力與信息存貯容量。開展認(rèn)知科學(xué)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(jī)制等方法，將認(rèn)知信息處理過程模型化，并通過建立神經(jīng)計(jì)算學(xué)來代替算法淪。(3)神經(jīng)網(wǎng)絡(luò)智能信息處理系統(tǒng)的應(yīng)用認(rèn)知與人工智能：包括模式識(shí)別、計(jì)算機(jī)視覺與聽覺、特征提取、語音識(shí)別語言翻譯、聯(lián)想記憶、邏輯推理、知識(shí)工程、專家系統(tǒng)、故障診斷、智能機(jī)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(shí)、魯棒性控制、自適應(yīng)控制、并行控制、分布控制、智能控制等。信號(hào)處理；自適應(yīng)信號(hào)處理(自適應(yīng)濾波、時(shí)間序列預(yù)測(cè)、譜估計(jì)、消噪、檢測(cè)、陣列處理)和非線性信號(hào)處理(非線性濾波、非線性預(yù)測(cè)、非線性譜估計(jì)、非線性編碼、中值處理)。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第9頁。傳感器信息處理：模式預(yù)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(lǐng)域報(bào)告全文共16頁，當(dāng)前為第9頁。(4)神經(jīng)網(wǎng)絡(luò)的軟件模擬和硬件實(shí)現(xiàn)在通用計(jì)算機(jī)、專用計(jì)算機(jī)或者并行計(jì)算機(jī)上進(jìn)行軟件模擬，或由專用數(shù)字信號(hào)處理芯片構(gòu)成神經(jīng)網(wǎng)絡(luò)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(shí)現(xiàn)神經(jīng)芯片。軟件模擬的優(yōu)點(diǎn)是網(wǎng)絡(luò)的規(guī)?？梢暂^大，適合于用來驗(yàn)證新的模型和復(fù)雜的網(wǎng)絡(luò)特性。(5)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的實(shí)現(xiàn)。涉及到計(jì)算機(jī)仿真系統(tǒng)，專用神經(jīng)網(wǎng)絡(luò)并行計(jì)算機(jī)系統(tǒng)，數(shù)字、模擬、數(shù)—?；旌稀⒐怆娀ミB等。關(guān)于智能本質(zhì)的研究是自然科學(xué)和哲學(xué)的重大課題之一，對(duì)于智能的模擬和機(jī)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(zhì)的復(fù)雜性，現(xiàn)代智能研究已超越傳統(tǒng)的學(xué)科界限，成為腦生理學(xué)、神經(jīng)科學(xué)、心理學(xué)、認(rèn)知科學(xué)、信息科學(xué)、計(jì)算機(jī)科學(xué)、微電子學(xué)，乃至數(shù)理科學(xué)共同關(guān)心的“焦點(diǎn)”學(xué)科。人工神經(jīng)網(wǎng)絡(luò)的重大研究進(jìn)展有可能使包括信息科學(xué)在內(nèi)的其他學(xué)科產(chǎn)生重大突破和變革。展望人工神經(jīng)網(wǎng)絡(luò)的成功應(yīng)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(luò)的基本模型人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第10頁。3、應(yīng)用領(lǐng)域

3.1人工神經(jīng)網(wǎng)絡(luò)

由于馮·諾依曼(VanNeumann)體系結(jié)構(gòu)的局限性，數(shù)字計(jì)算機(jī)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(jī)制，神經(jīng)網(wǎng)絡(luò)計(jì)算就是其中之一。

研究結(jié)果已經(jīng)證明，用神經(jīng)網(wǎng)絡(luò)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(luò)的發(fā)展有著非常廣闊的科學(xué)背景，是眾多學(xué)科研究的綜合成果。神經(jīng)生理學(xué)家、心理學(xué)家與計(jì)算機(jī)科學(xué)家的共同研究得出的結(jié)論是：人腦是一個(gè)功能特別強(qiáng)大、結(jié)構(gòu)異常復(fù)雜的信息處理系統(tǒng)，其基礎(chǔ)是神經(jīng)元及其互聯(lián)關(guān)系。因此，對(duì)人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的研究，可能創(chuàng)造出新一代人工智能機(jī)--神經(jīng)計(jì)算機(jī)。

對(duì)神經(jīng)網(wǎng)絡(luò)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(duì)神經(jīng)網(wǎng)絡(luò)的研究再次出現(xiàn)高潮。霍普菲爾德(Hopfield)提出用硬件實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)，魯梅爾哈特(Rumelhart)等提出多層網(wǎng)絡(luò)中的反向傳播(BP)算法就是兩個(gè)重要標(biāo)志?，F(xiàn)在，神經(jīng)網(wǎng)絡(luò)已在模式識(shí)別、圖象處理、組合優(yōu)化、自動(dòng)控制、信息處理、機(jī)器人學(xué)和人工智能的其它領(lǐng)域獲得日益廣泛的應(yīng)用。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第10頁。人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第11頁。3.2機(jī)器人學(xué)

人工智能研究日益受到重視的另一個(gè)分支是機(jī)器人學(xué)，其中包括對(duì)操作機(jī)器人裝置程序的研究。這個(gè)領(lǐng)域所研究的問題，從機(jī)器人手臂的最佳移動(dòng)到實(shí)現(xiàn)機(jī)器人目標(biāo)的動(dòng)作序列的規(guī)劃方法，無所不包。機(jī)器人和機(jī)器人學(xué)的研究促進(jìn)了許多人工智能思想的發(fā)展。它所導(dǎo)致的一些技術(shù)可用來模擬世界的狀態(tài)，用來描述從一種世界狀態(tài)轉(zhuǎn)變?yōu)榱硪环N世界狀態(tài)的過程。它對(duì)于怎樣產(chǎn)生動(dòng)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(fù)雜的機(jī)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(xì)節(jié)的高層進(jìn)行規(guī)劃，然后再逐步在細(xì)節(jié)越來越重要的低層進(jìn)行規(guī)劃。在本書中，我們經(jīng)常應(yīng)用一些機(jī)器人問題求解的例子來說明一些重要的思想。智能機(jī)器人的研究和應(yīng)用體現(xiàn)出廣泛的學(xué)科交叉，涉及眾多的課題，如機(jī)器人體系結(jié)構(gòu)、機(jī)構(gòu)、控制、智能、視覺、觸覺、力覺、聽覺、機(jī)器人裝配、惡劣環(huán)境下的機(jī)器人以及機(jī)器人語言等。機(jī)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(lǐng)域獲得越來越普遍的應(yīng)用。

3.3模式識(shí)別

計(jì)算機(jī)硬件的迅速發(fā)展，計(jì)算機(jī)應(yīng)用領(lǐng)域的不斷開拓，急切地要求計(jì)算機(jī)能更有效地感知諸如聲音、文字、圖象、溫度、震動(dòng)等等信息資料，模式識(shí)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(biāo)本。模式識(shí)別就是指識(shí)別出給定物體所模仿的標(biāo)本。人工智能所研究的模式識(shí)別是指用計(jì)算機(jī)代替人類或幫助人類感知模式，是對(duì)人類感知外界功能的模擬，研究的是計(jì)算機(jī)模式識(shí)別系統(tǒng)，也就是使一個(gè)計(jì)算機(jī)系統(tǒng)具有模擬人類通過感官接受外界信息、識(shí)別和理解周圍環(huán)境的感知能力。

模式識(shí)別是一個(gè)不斷發(fā)展的新學(xué)科，它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展。隨著生物醫(yī)學(xué)對(duì)人類大腦的初步認(rèn)識(shí)，模擬人腦構(gòu)造的計(jì)算機(jī)實(shí)驗(yàn)即人工神經(jīng)網(wǎng)絡(luò)方法早在50年代末、60年代初就已經(jīng)開始。至今，在模式識(shí)別領(lǐng)域，神經(jīng)網(wǎng)絡(luò)方法已經(jīng)成功地用于手寫字符的識(shí)別、汽車牌照的識(shí)別、指紋識(shí)別、語音識(shí)別等方面。目前模式識(shí)人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第12頁。別學(xué)科正處于大發(fā)展的階段，隨著應(yīng)用范圍的不斷擴(kuò)大，隨著計(jì)算機(jī)科學(xué)的不斷進(jìn)步，基于人工神經(jīng)網(wǎng)絡(luò)的模式識(shí)別技術(shù)，在90年代將有更大的發(fā)展。

3.4機(jī)器視覺

機(jī)器視覺或計(jì)算機(jī)視覺已從模式識(shí)別的一個(gè)研究領(lǐng)域發(fā)展為一門獨(dú)立的學(xué)科。在視覺方面，已經(jīng)給計(jì)算機(jī)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(gè)灰度數(shù)值的矩陣。這些灰度數(shù)值由檢測(cè)器加以處理。檢測(cè)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(guān)景物的三維特性信息。機(jī)器視覺的前沿研究領(lǐng)域包括實(shí)時(shí)并行處理、主動(dòng)式定性視覺、動(dòng)態(tài)和時(shí)變視覺、三維景物的建模與識(shí)別、實(shí)時(shí)圖象壓縮傳輸和復(fù)原、多光譜和彩色圖象的處理與解釋等。機(jī)器視覺已在機(jī)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(dǎo)以及電視實(shí)況轉(zhuǎn)播等領(lǐng)域獲得極為廣泛的應(yīng)用。

3.5智能控制

人工智能的發(fā)展促進(jìn)自動(dòng)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(yù)就能夠獨(dú)立地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制?；蛘哒f，智能控制是驅(qū)動(dòng)智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程。

隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已可能把自動(dòng)控制和人工人工智能研究方向、領(lǐng)域報(bào)告全文共16頁，當(dāng)前為第13頁。智能以及系統(tǒng)科學(xué)的某些分支結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動(dòng)控制的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類智能的一個(gè)重要研究領(lǐng)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(xué)習(xí)控制系統(tǒng)。十多年后，建立實(shí)用智能控制系統(tǒng)的技術(shù)逐漸成熟。1971年，傅京孫提出把人工智能與自動(dòng)控制結(jié)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(yùn)籌學(xué)結(jié)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(yùn)籌學(xué)結(jié)合起來的思想。按照這些結(jié)構(gòu)理論已經(jīng)研究出一些智能控制的理論和技術(shù)，用來構(gòu)造用于不同領(lǐng)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(jí)控制。其任務(wù)在于對(duì)實(shí)際環(huán)境或過程進(jìn)行組織，即決策和規(guī)劃，以實(shí)現(xiàn)廣義問題求解。已經(jīng)提出的用以構(gòu)造智能控制系統(tǒng)的理論和技術(shù)有分級(jí)遞階控制理論、分級(jí)控制器設(shè)計(jì)的熵方法、智能逐級(jí)增高而精度逐級(jí)降低原理、專家控制系統(tǒng)、學(xué)習(xí)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(lǐng)域，它們的研究課題既具有獨(dú)立性，又相互關(guān)聯(lián)。目前研究得較多的是以下6個(gè)方面：智能機(jī)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(xué)技術(shù)的迅速發(fā)展，出現(xiàn)了"知識(shí)爆炸"的情況。對(duì)國內(nèi)外種類繁多和數(shù)量巨大的科技文獻(xiàn)之檢索遠(yuǎn)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(lǐng)域報(bào)告全文共16頁，當(dāng)前為第14頁。據(jù)庫系統(tǒng)是儲(chǔ)存某學(xué)科大量事實(shí)的計(jì)算機(jī)軟件系統(tǒng)，它們可以回答用戶提出的有關(guān)該學(xué)科的各種問題。

數(shù)據(jù)庫系統(tǒng)的設(shè)計(jì)也是計(jì)算機(jī)科學(xué)的一個(gè)活躍的分支。為了有效地表示、存儲(chǔ)和檢索大量事