第0章 計(jì)算智能概述

1人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks,ANN）裴振奎peizhk@Tel算機(jī)與通信工程學(xué)院計(jì)算機(jī)科學(xué)系教材及參考書(shū)（1）人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論，蔣宗禮編著，高等教育出版社（2）人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例(第2版)，高雋編著，

機(jī)械工業(yè)出版社（3）人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算(第2版),閻平凡、張長(zhǎng)水編著

清華大學(xué)出版社（4）神經(jīng)網(wǎng)絡(luò)模型及MATLAB仿真程序設(shè)計(jì),周開(kāi)利編著,

清華大學(xué)出版社（5）神經(jīng)網(wǎng)絡(luò)(英文影印版),SatishKumar著,清華大學(xué)出版社(6)MATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用，董長(zhǎng)虹編著，國(guó)防工業(yè)出版社

教材及參考書(shū)

人工神經(jīng)網(wǎng)絡(luò)、計(jì)算智能、人工智能人工智能這個(gè)詞看起來(lái)似乎一目了然，人制造的智能，但是要給人工智能這個(gè)科學(xué)名詞下一個(gè)準(zhǔn)確的定義卻很困難。智能是個(gè)體有目的的行為、合理的思維以及有效的適應(yīng)環(huán)境的綜合性能力。通俗地講，智能是個(gè)體認(rèn)識(shí)客觀事物和運(yùn)用知識(shí)解決問(wèn)題的能力。特別指出智能是相對(duì)的、發(fā)展的，如果離開(kāi)特定時(shí)間說(shuō)智能是困難的、沒(méi)有意義的。人工智能簡(jiǎn)介人工智能是相對(duì)于人的自然智能而言，即通過(guò)人工的方法和技術(shù)，研制智能機(jī)器或智能系統(tǒng)來(lái)模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)智能行為和“機(jī)器思維”活動(dòng)，解決需要人類(lèi)專(zhuān)家才能處理的問(wèn)題。本質(zhì)上講，人工智能是研究怎樣讓計(jì)算機(jī)模仿人腦從事推理、規(guī)劃、設(shè)計(jì)、思考和學(xué)習(xí)等思維活動(dòng)，解決需要人類(lèi)的智能才能處理的復(fù)雜問(wèn)題。簡(jiǎn)單地講，人工智能就是由計(jì)算機(jī)來(lái)表示和執(zhí)行人類(lèi)的智能活動(dòng)。遠(yuǎn)期目標(biāo)是建立信息處理的智能理論，制造智能機(jī)器。智能機(jī)器是指能夠在各類(lèi)環(huán)境中自主地或交互的執(zhí)行各種擬人任務(wù)，與人的智力相當(dāng)或相近的機(jī)器。具體地講，這就要求使計(jì)算機(jī)能夠理解人類(lèi)語(yǔ)言，并能夠進(jìn)行學(xué)習(xí)和推理。近期目標(biāo)是解決制造智能機(jī)器或智能系統(tǒng)相關(guān)原理和技術(shù)問(wèn)題，以實(shí)現(xiàn)部分智能。

人工智能的研究目標(biāo)1.2人工智能的發(fā)展簡(jiǎn)史第一階段——孕育期（1956年以前）第二階段——人工智能基礎(chǔ)技術(shù)的研究和形成（1956年—1970年）第三階段——發(fā)展和實(shí)用化階段（1971年—1980年）第四階段——知識(shí)工程與專(zhuān)家系統(tǒng)（1980年至今）第一階段——孕育期公元前，古希臘哲學(xué)家亞里士多德（Aristotle）創(chuàng)立了古典形式邏輯。17世紀(jì)，英國(guó)哲學(xué)家和自然科學(xué)家培根（F.Bacon）系統(tǒng)地提出了古典歸納推理。17世紀(jì)，德國(guó)數(shù)學(xué)家萊布尼茨（G.W.Leibniz）提出了數(shù)理邏輯的基本思想。1642年，法國(guó)物理學(xué)家和數(shù)學(xué)家帕斯卡（B.Pascal）發(fā)明了世界上第一臺(tái)會(huì)演算的機(jī)械加法機(jī)。1673年，Leibniz在這臺(tái)加法機(jī)的基礎(chǔ)上發(fā)展并制成了可進(jìn)行四則運(yùn)算的計(jì)算器。1832年，英國(guó)數(shù)學(xué)家巴比奇（C.Babbage）制成可用來(lái)計(jì)算簡(jiǎn)單數(shù)學(xué)表的差分機(jī)，并提出分析機(jī)（能自動(dòng)完成各種類(lèi)型數(shù)字計(jì)算）的設(shè)計(jì)思想。19世紀(jì)中葉，英國(guó)數(shù)學(xué)家布爾（G.Boole）出了布爾代數(shù)，初步實(shí)現(xiàn)了Leibniz的數(shù)理邏輯思想。1879年，德國(guó)邏輯學(xué)家費(fèi)雷治（G.Frege）提出用機(jī)械推理的符號(hào)表示系統(tǒng)，發(fā)明了謂詞邏輯。1930年，奧地利數(shù)學(xué)家歌德?tīng)枺↘.Godel）證明了一階謂詞的完備性定理。1936年，英國(guó)數(shù)學(xué)家Turing提出了一種理想計(jì)算機(jī)的數(shù)學(xué)模型（即圖靈機(jī)）；在1950年，他還提出了著名的“圖靈測(cè)驗(yàn)”，給智能的標(biāo)準(zhǔn)提供了明確的定義。1943年，美國(guó)神經(jīng)生理學(xué)家麥卡洛（W.McCulloch）和數(shù)理邏輯學(xué)家匹茨（W.Pitts）提出了第一個(gè)神經(jīng)元的數(shù)學(xué)模型（M-P模型），開(kāi)創(chuàng)了神經(jīng)科學(xué)研究的新時(shí)代。1945年，美籍匈牙利數(shù)學(xué)家馮·諾依曼（J.V.Neumann）提出了以二進(jìn)制和程序存儲(chǔ)控制為核心的通用電子數(shù)字計(jì)算機(jī)體系結(jié)構(gòu)原理，奠定了現(xiàn)代電子計(jì)算機(jī)體系結(jié)構(gòu)的基礎(chǔ)。1946年，美國(guó)數(shù)學(xué)家莫克利（J.W.Mauchly）和?？颂兀↗.P.Eckert）研制成功了世界上第一臺(tái)通用電子數(shù)字計(jì)算機(jī)ENIAC（ElectronicNumericalIntegratorAndCalculator）。1949年，加拿大心理學(xué)家赫布（D.O.Hebb）提出了關(guān)于神經(jīng)元連接強(qiáng)度的Hebb規(guī)則。Hebb學(xué)習(xí)規(guī)則為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究奠定了基礎(chǔ)。第二階段——人工智能基礎(chǔ)技術(shù)的研究和形成

1956年夏，美國(guó)的達(dá)特茅斯（Dartmouth）大學(xué)的麥卡錫（J.McCarthy）、哈佛大學(xué)的明斯基（M.Minsky）、IBM公司的羅徹斯特（N.Lochester）和貝爾實(shí)驗(yàn)室的香農(nóng)（E.Shannon）四人共同發(fā)起，邀請(qǐng)IBM公司的摩爾（T.More）和塞繆爾（A.Samuel）、麻省理工學(xué)院的塞弗里奇（O.Selfridge）和門(mén)羅索夫（R.Solomonff）、卡內(nèi)基-梅隆大學(xué)的西蒙（H.Simon）和紐厄爾（A.Newell）等人參加學(xué)術(shù)討論班，在一起共同學(xué)習(xí)和探討用機(jī)器模擬智能的各種問(wèn)題。Minsky構(gòu)建的第一個(gè)神經(jīng)元網(wǎng)絡(luò)模擬器SNARC（StochasticNeural-AnalogReinforcementComputer）、McCarthy的α-β搜索法、以及Simon和Newell的邏輯理論家程序（LogicTheorist）成為這次研討會(huì)的三個(gè)亮點(diǎn)。經(jīng)McCarthy提議，決定使用“人工智能”一詞來(lái)概括這個(gè)研究方向。這次具有歷史意義的會(huì)議標(biāo)志著人工智能這個(gè)學(xué)科的正式誕生，McCarthy也由此被稱(chēng)為“人工智能之父”。1956年，Newell和Simon等人編寫(xiě)的程序LogicTheorist證明了《數(shù)學(xué)原理》中第二章的三十八條定理，又于1963年證明了該章中的全部五十二條定理。他們的成果使人工智能研究走上以計(jì)算機(jī)程序來(lái)模擬人類(lèi)思維的道路，第一次把求解方法和問(wèn)題的領(lǐng)域知識(shí)分離開(kāi)。在相同的研究途徑下，Selfridge編制了字符識(shí)別程序、Samuel研制了跳棋程序。Samuel的跳棋程序具有學(xué)習(xí)功能，在1959和1962年分別打敗了Samuel本人和美國(guó)一個(gè)州的跳棋冠軍。1957年，Simon、Newell和肖（J.C.Shaw）合作開(kāi)發(fā)了表處理語(yǔ)言IPL（InformationProcessingLanguage。1957年，羅森勃拉特（F.Rosenblatt）提出著名的感知機(jī)（Perceptron）模型，該模型是第一個(gè)完整的人工神經(jīng)網(wǎng)絡(luò)。1958年，美籍邏輯學(xué)家王浩在自動(dòng)定理證明中取得的重要進(jìn)展。他的程序在IBM-704計(jì)算機(jī)上用不到5分鐘的時(shí)間證明了《數(shù)學(xué)原理》中“命題演算”的全部220條定理。1959年，王浩的改進(jìn)程序用8.4分鐘證明了上述220條定理及謂詞演算的絕大部分定理。1959年，Minsky和McCarthy在麻省理工學(xué)院創(chuàng)建世界上第一個(gè)人工智能實(shí)驗(yàn)室。1959年，McCarthy開(kāi)發(fā)出了著名表處理語(yǔ)言LISP（ListProcessor）。IBM公司的格倫特爾（H.Gelernter）研制出平面幾何證明程序。1960年，Simon、Newell和Shaw又一次合作開(kāi)發(fā)了通用問(wèn)題求解系統(tǒng)GPS（GeneralProblemSolver）。1962年，美國(guó)工程師威德羅（B.Windrow）和霍夫（E.Hoff）提出了自適應(yīng)線性單元Adaline（Adaptivelinearelement）。人工神經(jīng)網(wǎng)絡(luò)研究的第一次高潮。1965年，羅伯特（L.G.Roberts）編制了可以分辨積木構(gòu)造的程序，開(kāi)創(chuàng)了計(jì)算機(jī)視覺(jué)的新領(lǐng)域。同年，美國(guó)數(shù)理邏輯學(xué)家魯賓遜（J.A.Robinson）提出了與傳統(tǒng)演繹法完全不同的消解法（也稱(chēng)歸結(jié)原理），掀起了研究計(jì)算機(jī)定理證明的又一高潮。1968年，美國(guó)斯坦福大學(xué)教授費(fèi)根鮑姆（E.Feigenbaum）主持開(kāi)發(fā)出世界上第一個(gè)化學(xué)分析專(zhuān)家系統(tǒng)DENDRAL，開(kāi)創(chuàng)以知識(shí)為基礎(chǔ)的專(zhuān)家咨詢系統(tǒng)研究領(lǐng)域。1968年，奎廉（J.R.Quillian）提出了語(yǔ)義網(wǎng)絡(luò)的知識(shí)表示方法，試圖解決記憶的心理學(xué)模型，后來(lái)Simon等人將語(yǔ)義網(wǎng)絡(luò)應(yīng)用于自然語(yǔ)言理解方面取得了很大的成效。1969年，Minsky出版了《感知機(jī)》一書(shū)，該書(shū)對(duì)感知機(jī)進(jìn)行了深入分析，并且從數(shù)學(xué)上證明了感知機(jī)功能的局限性，即只能解決一階謂詞邏輯問(wèn)題，不能解決高階謂詞問(wèn)題。同時(shí)，還發(fā)現(xiàn)有許多模式不能用單層人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，而多層人工神經(jīng)網(wǎng)絡(luò)是否可行還很值得懷疑。因此，人工神經(jīng)網(wǎng)絡(luò)的研究由此進(jìn)入低潮時(shí)期，而專(zhuān)家系統(tǒng)的研究進(jìn)入高潮。第三階段——發(fā)展和實(shí)用化階段

以Feigenbaum為首的一批年輕科學(xué)家改變了人工智能研究的戰(zhàn)略思想，開(kāi)展了以知識(shí)為基礎(chǔ)的專(zhuān)家咨詢系統(tǒng)研究與應(yīng)用。在20世紀(jì)70年代有不少專(zhuān)家系統(tǒng)被研制開(kāi)發(fā)，如麻省理工學(xué)院研制的符號(hào)數(shù)學(xué)專(zhuān)家系統(tǒng)MACSYMA和自然語(yǔ)言理解系統(tǒng)SHRDLU，診斷和治療青光眼病的專(zhuān)家系統(tǒng)CASNET，診斷內(nèi)科疾病的專(zhuān)家系統(tǒng)INTERNIST，腎臟病專(zhuān)家咨詢系統(tǒng)PIP，DEC公司開(kāi)發(fā)的診斷系統(tǒng)VAX，卡內(nèi)基-梅隆大學(xué)開(kāi)發(fā)的計(jì)算機(jī)配置專(zhuān)家系統(tǒng)XCON（RI）和XSEL。1972年，肖特利夫（E.H.Shortliffe）等人開(kāi)發(fā)了醫(yī)學(xué)診斷專(zhuān)家系統(tǒng)MYCIN，1972年，吳茲（W.Woods）研制成功了自然語(yǔ)言理解系統(tǒng)LUNAR。1973年，法國(guó)馬賽大學(xué)教授考爾麥勞厄（A.Colmerauer）的研究小組實(shí)現(xiàn)邏輯式程序設(shè)計(jì)語(yǔ)言PROLOG（ProgramminginLogic）。1974年，沃博斯（P.J.Werbos）在其博士論文中提出在感知機(jī)的基礎(chǔ)上加入隱含層的學(xué)習(xí)算法，有效解決了多層網(wǎng)絡(luò)中隱含節(jié)點(diǎn)的學(xué)習(xí)問(wèn)題。1975年，Minsky創(chuàng)立了框架理論（FrameTheory）1975，美國(guó)密執(zhí)根大學(xué)教授霍蘭德（J.H.Holland）提出了遺傳算法。1976年7月，美國(guó)的阿佩爾（K.Appel）等用三臺(tái)大型計(jì)算機(jī)，用1200小時(shí)的時(shí)間，證明了四色定理。1977年，F(xiàn)eigenbaum在第五屆國(guó)際智能聯(lián)合會(huì)議上提出“知識(shí)工程”的概念，人工智能的研究從以基于推理為主的模型轉(zhuǎn)向以基于知識(shí)為主的模型。1977年，休維特（C.Hewitt）在研究ConcurrentActorModel時(shí)就首次提出了具有自組織性、反應(yīng)機(jī)制和同步執(zhí)行能力的軟件模型，這就是最初的軟件Agent思想。1977年，我國(guó)的吳文俊院士給出了一類(lèi)平面幾何問(wèn)題的機(jī)械化證明理論，在計(jì)算機(jī)上證明了一大批平面幾何定理。1979年，由鮑勃羅夫（D.G.Boborow）采用基于框架的設(shè)計(jì)，實(shí)現(xiàn)了KRL語(yǔ)言（KnowledgeRepresentationLanguage）。第四階段——知識(shí)工程與專(zhuān)家系統(tǒng)

20世紀(jì)80年代，人工智能發(fā)展達(dá)到了階段性的頂峰。1982年日本開(kāi)始了“第五代計(jì)算機(jī)研制計(jì)劃”。美國(guó)物理學(xué)家霍普菲爾德（J.J.Hopfield）提出了一個(gè)新的人工神經(jīng)網(wǎng)絡(luò)模型——Hopfield網(wǎng)絡(luò)模型。1984年，希爾頓（G.Hinton）等人將模擬退火算法引入到人工神經(jīng)網(wǎng)絡(luò)中，提出了波爾茲曼（Boltzmann）機(jī)網(wǎng)絡(luò)模型。1986年，魯姆爾哈特（D.E.Rumelhart）和麥克萊倫（J.LMcclelland）重新提出了多層網(wǎng)絡(luò)的誤差反向傳播算法BP（Back-Propagation）。1987年6月，第一屆國(guó)際人工神經(jīng)網(wǎng)絡(luò)會(huì)議在美國(guó)召開(kāi)，宣告了這一新學(xué)科的誕生。1987年，美國(guó)神經(jīng)計(jì)算機(jī)專(zhuān)家尼爾森（R.H.Nielsen）提出了對(duì)向傳播神經(jīng)網(wǎng)絡(luò)（CPN，CounterPropagationNetwork）進(jìn)入90年代，計(jì)算機(jī)發(fā)展趨勢(shì)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(kù)、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(jì)算機(jī)更聰明、更有效、與人更接近。1992年，日本政府在第五代計(jì)算機(jī)研制計(jì)劃宣布失敗，但隨后啟動(dòng)RWC計(jì)劃（RealWorldComputingProject）。1993年，美國(guó)斯坦福教授肖漢姆（Y.Shoham）提出面向Agent的程序設(shè)計(jì)（AOP，Agent-OrientedProgramming）。1995年，瓦普尼克（V.Vapnik）提出支持向量機(jī)（SVM，SupportVectorMachine）理論。1997年，麥克昆（W.McCune）提出了定理證明系統(tǒng)，成功地證明了1930年提出的未被證明的數(shù)學(xué)難題Robbins問(wèn)題。1998年，在IBM的“深藍(lán)”計(jì)算機(jī)與著名大師的國(guó)際象棋比賽中，“深藍(lán)”戰(zhàn)勝了卡斯帕羅夫大師。隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展與普及，當(dāng)今人工智能主攻方向體現(xiàn)于：并行與分布式處理技術(shù)；知識(shí)的獲取、表示、更新和推理新機(jī)制；多功能的感知技術(shù)；關(guān)于Agent的研究；數(shù)據(jù)挖掘。人工智能是計(jì)算機(jī)研究中一個(gè)非常重要的領(lǐng)域，在20世紀(jì)40位圖靈獎(jiǎng)獲得者中有6位人工智能學(xué)者。其中，Minsky在1969年獲獎(jiǎng)，McCarthy在1971年獲獎(jiǎng)，Simon和Newell在1975年獲獎(jiǎng)，F(xiàn)eigenbaum和雷迪（R.Reddy）在1994年獲獎(jiǎng)。由于人們對(duì)人工智能本質(zhì)的不同理解和認(rèn)識(shí)，形成了人工智能研究的多種不同的途徑。在不同的研究途徑下，其研究方法、學(xué)術(shù)觀點(diǎn)和研究重點(diǎn)有所不同，進(jìn)而形成不同的學(xué)派。這里主要介紹認(rèn)知學(xué)派、邏輯學(xué)派、行為主義學(xué)派和連接主義學(xué)派。人工智能的研究途徑和方法

1.認(rèn)知學(xué)派以Minsky、Simon和Newell等為代表從人的思維活動(dòng)出發(fā)，利用計(jì)算機(jī)進(jìn)行宏觀功能模擬。該學(xué)派認(rèn)為認(rèn)知的基元是符號(hào)，智能行為通過(guò)符號(hào)操作來(lái)實(shí)現(xiàn)，它以美國(guó)的Robinson提出的消解法（即歸結(jié)原理）為基礎(chǔ)，以LISP和Prolog語(yǔ)言為代表，著重于問(wèn)題求解中的啟發(fā)式搜索和推理過(guò)程。該學(xué)派在邏輯思維的模擬方面取得成功，如自動(dòng)定理證明和專(zhuān)家系統(tǒng)。

2.邏輯學(xué)派以McCarthy和尼爾遜（N.J.Nillson）等為代表主張用邏輯來(lái)研究人工智能，即用形式化的方法描述客觀世界。該學(xué)派主要觀點(diǎn)如下：首先，智能機(jī)器必須有關(guān)于自身環(huán)境的知識(shí)；其次，通用智能機(jī)器要能陳述性地表達(dá)關(guān)于自身環(huán)境的大部分知識(shí)；再次，通用智能機(jī)器表示陳述性知識(shí)的語(yǔ)言至少要有一階邏輯的表達(dá)能力。

3.行為主義學(xué)派以布魯克斯（R.A.Brooks）為代表認(rèn)為智能行為只能在現(xiàn)實(shí)世界中，由系統(tǒng)與周?chē)h(huán)境的交互過(guò)程中表現(xiàn)出來(lái)。主要觀點(diǎn)：首先，智能系統(tǒng)與環(huán)境進(jìn)行交互，即從運(yùn)行的環(huán)境中獲取信息（感知），并通過(guò)自己的動(dòng)作對(duì)環(huán)境施加影響；其次，指出智能取決于感知和行為，提出了智能行為的“感知-行為”模型，認(rèn)為智能系統(tǒng)可以不需要知識(shí)、不需要表示、不需要推理，像人類(lèi)智能一樣可以逐步進(jìn)化；再次，強(qiáng)調(diào)直覺(jué)和反饋的重要性，智能行為體現(xiàn)在系統(tǒng)與環(huán)境的交互之中，功能、結(jié)構(gòu)和智能行為是不可分割的。

4.連接主義學(xué)派以Rumelhart、Mcclelland和Hopfield等為代表，從人的大腦神經(jīng)系統(tǒng)結(jié)構(gòu)出發(fā)，研究非程序的、適應(yīng)性的、類(lèi)似大腦風(fēng)格的信息處理的本質(zhì)和能力，人們也稱(chēng)它為神經(jīng)計(jì)算。這種方法一般通過(guò)人工神經(jīng)網(wǎng)絡(luò)的“自學(xué)習(xí)”獲得知識(shí)，再利用知識(shí)解決問(wèn)題。此外，還有知識(shí)工程學(xué)派和分布式學(xué)派。知識(shí)工程學(xué)派是以Feigenbaum為代表的研究知識(shí)在人類(lèi)智能中的作用和地位。分布式學(xué)派是以Hewitt為代表的研究智能系統(tǒng)中知識(shí)的分布行為。人工智能的研究與應(yīng)用領(lǐng)域從應(yīng)用的角度看，人工智能的研究主要集中在以下幾個(gè)方面。

1.專(zhuān)家系統(tǒng)8.模式識(shí)別

2.自然語(yǔ)言理解9.博弈

3.機(jī)器學(xué)習(xí)10.計(jì)算機(jī)視覺(jué)

4.自動(dòng)定理證明11.計(jì)算智能

5.自動(dòng)程序設(shè)計(jì)12.智能控制6.分布式人工智能13.智能規(guī)劃7.機(jī)器人學(xué)專(zhuān)家系統(tǒng)是一個(gè)具有大量專(zhuān)門(mén)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(lèi)專(zhuān)家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類(lèi)專(zhuān)家的決策過(guò)程，以解決那些需要專(zhuān)家決定的復(fù)雜問(wèn)題。專(zhuān)家系統(tǒng)與傳統(tǒng)計(jì)算機(jī)程序的本質(zhì)區(qū)別在于，專(zhuān)家系統(tǒng)所要解決的問(wèn)題一般沒(méi)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)上做出結(jié)論。從體系結(jié)構(gòu)上可分為集中式專(zhuān)家系統(tǒng)、分布式專(zhuān)家系統(tǒng)、協(xié)同式專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)等；從方法上可分為基于規(guī)則的方法專(zhuān)家系統(tǒng)、基于模型的專(zhuān)家系統(tǒng)、基于框架的專(zhuān)家系統(tǒng)等。1.專(zhuān)家系統(tǒng)2.自然語(yǔ)言理解自然語(yǔ)言理解是研究實(shí)現(xiàn)人類(lèi)與計(jì)算機(jī)系統(tǒng)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信意味著計(jì)算機(jī)系統(tǒng)既能理解自然語(yǔ)言文本的意義，也能生成自然語(yǔ)言文本來(lái)表達(dá)給定的意圖和思想等。而語(yǔ)言的理解和生成是一個(gè)極為復(fù)雜的解碼和編碼問(wèn)題。一個(gè)能夠理解自然語(yǔ)言的計(jì)算機(jī)系統(tǒng)看起來(lái)就像一個(gè)人一樣，它需要有上下文知識(shí)和信息，并能用信息發(fā)生器進(jìn)行推理。理解口頭和書(shū)寫(xiě)語(yǔ)言的計(jì)算機(jī)系統(tǒng)的基礎(chǔ)就是表示上下文知識(shí)結(jié)構(gòu)的某些人工智能思想以及根據(jù)這些知識(shí)進(jìn)行推理的某些技術(shù)。3.機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)研究的主要目標(biāo)是讓機(jī)器自身具有獲取知識(shí)的能力，使機(jī)器能夠總結(jié)經(jīng)驗(yàn)、修正錯(cuò)誤、發(fā)現(xiàn)規(guī)律、改進(jìn)性能，對(duì)環(huán)境具有更強(qiáng)的適應(yīng)能力。通常要解決如下幾方面的問(wèn)題：（1）選擇訓(xùn)練經(jīng)驗(yàn)。包括如何選擇訓(xùn)練經(jīng)驗(yàn)的類(lèi)型，如何控制訓(xùn)練樣本序列，以及如何使訓(xùn)練樣本的分布與未來(lái)測(cè)試樣本的分布相似等子問(wèn)題（2）選擇目標(biāo)函數(shù)。所有的機(jī)器學(xué)習(xí)問(wèn)題幾乎都可簡(jiǎn)化為學(xué)習(xí)某個(gè)特定的目標(biāo)函數(shù)的問(wèn)題；（3）選擇目標(biāo)函數(shù)的表示。在確定了理想的目標(biāo)函數(shù)后，接下來(lái)的任務(wù)是必須從很多（甚至是無(wú)數(shù)）種表示方法中選擇一種最優(yōu)或近似最優(yōu)的表示方法。它是數(shù)學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合的研究課題。數(shù)學(xué)定理的證明是人類(lèi)思維中演繹推理能力的重要體現(xiàn)。數(shù)理邏輯的建立使自動(dòng)定理證明的設(shè)想有了更明確的數(shù)學(xué)形式。1965年，Robinson提出了一階謂詞演算中的歸結(jié)原理，這是自動(dòng)定理證明的重大突破。1976年，美國(guó)的Appel等三人利用高速計(jì)算機(jī)證明了124年未能解決的“四色問(wèn)題”。我國(guó)數(shù)學(xué)家吳文俊在1976年底開(kāi)始研究可判定問(wèn)題。他在微型機(jī)上成功地設(shè)計(jì)了初等幾何與初等微分幾何中一大類(lèi)問(wèn)題的判定算法及相應(yīng)的程序。我國(guó)數(shù)學(xué)家張景中等人進(jìn)一步推出了“可讀性證明”的機(jī)器證明方法。4.自動(dòng)定理證明5.自動(dòng)程序設(shè)計(jì)自動(dòng)程序設(shè)計(jì)是指根據(jù)給定問(wèn)題的原始描述，自動(dòng)生成滿足要求的程序。自動(dòng)程序設(shè)計(jì)主要包含程序綜合和程序驗(yàn)證兩方面內(nèi)容。前者實(shí)現(xiàn)自動(dòng)編程，即用戶只需告知機(jī)器“做什么”，無(wú)須告訴“怎么做”，這后一步的工作由機(jī)器自動(dòng)完成；后者是程序的自動(dòng)驗(yàn)證，自動(dòng)完成正確性的檢查。目前程序綜合的基本途徑主要是程序變換，即通過(guò)對(duì)給定的輸入、輸出條件進(jìn)行逐步變換，已構(gòu)成所要求的程序。程序驗(yàn)證是利用一個(gè)已驗(yàn)證過(guò)的程序系統(tǒng)來(lái)自動(dòng)證明某一給定程序P的正確性。6.分布式人工智能主要研究在邏輯上或物理上分散的智能動(dòng)作者如何協(xié)調(diào)其智能行為，求解單目標(biāo)和多目標(biāo)問(wèn)題。主要研究?jī)?nèi)容有分布式問(wèn)題求解（DistributionProblemSolving，DPS）和Multi-Agent系統(tǒng)（MAS）。DPS的方法是，先把問(wèn)題分解成任務(wù)，再為之設(shè)計(jì)相應(yīng)的任務(wù)執(zhí)行系統(tǒng)。

MAS主要研究多個(gè)Agent為了聯(lián)合采取行動(dòng)或求解問(wèn)題，如何協(xié)調(diào)各自的知識(shí)、目標(biāo)、策略和規(guī)劃。在表達(dá)實(shí)際系統(tǒng)時(shí)，MAS通過(guò)各Agent間的通訊、合作、互解、協(xié)調(diào)、調(diào)度、管理及控制來(lái)表達(dá)系統(tǒng)的結(jié)構(gòu)、功能及行為特性。機(jī)器人學(xué)是機(jī)械結(jié)構(gòu)學(xué)、傳感技術(shù)和人工智能結(jié)合的產(chǎn)物。機(jī)器人的發(fā)展經(jīng)歷了以下幾個(gè)階段：第一代為程序控制機(jī)器人；第二代為自適應(yīng)機(jī)器人；第三代為分布式協(xié)同機(jī)器人。從功能上來(lái)考慮，機(jī)器人學(xué)研究主要涉及兩個(gè)方面：一方面是模式識(shí)別，即給機(jī)器人配備視覺(jué)和觸覺(jué)，使其能夠識(shí)別空間景物的實(shí)體和陰影，甚至可以辨別出兩幅圖像的微小差別，從而完成模式識(shí)別的功能；另一方面是運(yùn)動(dòng)協(xié)調(diào)推理。機(jī)器人的運(yùn)動(dòng)協(xié)調(diào)推理是指機(jī)器人在接受外界的刺激后，驅(qū)動(dòng)機(jī)器人行動(dòng)的過(guò)程。7.機(jī)器人學(xué)

8.模式識(shí)別

模式識(shí)別研究的是計(jì)算機(jī)的模式識(shí)別系統(tǒng)，即用計(jì)算機(jī)代替人類(lèi)或幫助人類(lèi)感知模式。模式通常具有實(shí)體的形式，如聲音、圖片、圖像、語(yǔ)言、文字、符號(hào)、物體和景象等等，可以用物理的、化學(xué)的及生物的傳感器進(jìn)行具體地采集和測(cè)量。但模式所指的不是事物本身，而是從事物獲得的信息，因此，模式往往表現(xiàn)為具有時(shí)間和空間分布的信息。人們?cè)谟^察、認(rèn)識(shí)事物和現(xiàn)象時(shí)，常常尋找它與其它事物和現(xiàn)象的相同與不同之處，根據(jù)使用目的進(jìn)行分類(lèi)、聚類(lèi)和判斷，人腦的這種思維能力就構(gòu)成了模式識(shí)別的能力。

9.博弈

計(jì)算機(jī)博弈主要是研究下棋程序。在20世紀(jì)60年代就出現(xiàn)了很有名的西洋跳棋和國(guó)際象棋的程序，并達(dá)到了大師的水平。進(jìn)入20世紀(jì)90年代，IBM公司以其雄厚硬件基礎(chǔ)，支持開(kāi)發(fā)后來(lái)被稱(chēng)之為“深藍(lán)”的國(guó)際象棋系統(tǒng)10.計(jì)算機(jī)視覺(jué)計(jì)算機(jī)視覺(jué)研究的任務(wù)是理解一個(gè)圖像，這里的圖像是利用像素所描繪的景物。該領(lǐng)域可分為如下三類(lèi)：第一是信號(hào)處理，即研究把一個(gè)圖像轉(zhuǎn)換為具有所需特征的另一個(gè)圖像的方法；第二是分類(lèi)，即研究如何把圖像劃分為預(yù)定類(lèi)別。分類(lèi)是從圖像中抽取一組預(yù)先確定的特征值，然后根據(jù)用于多為特征空間的統(tǒng)計(jì)決策方法決定一個(gè)圖像是否符合某一類(lèi)；第三是理解，即在給定某一圖像的情況下，一個(gè)圖像理解程序不僅描述這個(gè)圖像的本身，而且也描述該圖像所描繪的景物。

通常把人工神經(jīng)網(wǎng)絡(luò)、模糊計(jì)算和進(jìn)化計(jì)算作為計(jì)算智能的三個(gè)主要內(nèi)容。一般來(lái)說(shuō)，計(jì)算智能多應(yīng)用于缺乏足夠的先驗(yàn)知識(shí)，只有一大堆相關(guān)的數(shù)據(jù)和記錄的問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類(lèi)似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在這一模型中，大量的節(jié)點(diǎn)之間相互連接構(gòu)成網(wǎng)絡(luò)，即“神經(jīng)網(wǎng)絡(luò)”，以達(dá)到處理信息的目的。

模糊計(jì)算處理的是模糊集合和邏輯連接符，以描述現(xiàn)實(shí)世界中類(lèi)似人類(lèi)處理的推理問(wèn)題。模糊集合包含論域中所有元素，但是具有[0,1]區(qū)間的可變隸度屬值。進(jìn)化計(jì)算是通過(guò)模擬自然界中生物進(jìn)化機(jī)制進(jìn)行搜索的一種算法，以遺傳算法進(jìn)化策略等為代表。遺傳算法是一種隨機(jī)算法，它是模擬生物進(jìn)化中“優(yōu)勝劣汰”自然法則的進(jìn)化過(guò)程而設(shè)計(jì)的算法。11.計(jì)算智能智能控制是把人工智能技術(shù)引入控制領(lǐng)域，建立智能控制系統(tǒng)。智能控制具有兩個(gè)顯著的特點(diǎn)：首先，智能控制同時(shí)具有知識(shí)表示的非數(shù)學(xué)廣義世界模型和傳統(tǒng)數(shù)學(xué)模型混合表示的控制過(guò)程，并以知識(shí)進(jìn)行推理，以啟發(fā)來(lái)引導(dǎo)求解過(guò)程。其次，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(guò)程進(jìn)行組織，即決策和規(guī)劃，以實(shí)現(xiàn)廣義問(wèn)題求解。12.智能控制13.智能規(guī)劃

智能規(guī)劃的主要思想：對(duì)周?chē)h(huán)境進(jìn)行認(rèn)識(shí)與分析，根據(jù)自己要實(shí)現(xiàn)的目標(biāo)，對(duì)若干可供選擇的動(dòng)作及所提供的資源限制施行推理，綜合制定出實(shí)現(xiàn)目標(biāo)的規(guī)劃。最早的規(guī)劃系統(tǒng)——通用問(wèn)題求解系統(tǒng)GPS。1969年，格林（G.Green）——QA3系統(tǒng)。1971年，菲克斯（R.E.Fikes）和Nilsson——STRIPS系統(tǒng)。1971~1977年間，先后出現(xiàn)了HACKER、WARPLAN、INTERPLAN、ABSTRIPS、NOAH、NONLIN等規(guī)劃系統(tǒng)。上述系統(tǒng)也被稱(chēng)做經(jīng)典規(guī)劃系統(tǒng)。進(jìn)入八十年代中期后，規(guī)劃技術(shù)研究的熱點(diǎn)轉(zhuǎn)向開(kāi)拓非經(jīng)典的實(shí)際規(guī)劃問(wèn)題。美國(guó)人工智能協(xié)會(huì)

人工智能教育知識(shí)庫(kù)/~manaris/ai-education-repository/index.html專(zhuān)家系統(tǒng)expertise2go網(wǎng)

人工智能語(yǔ)言VisualProlog

人工智能研究者俱樂(lè)部/bitfarmer/default.asp智能科學(xué)與人工智能網(wǎng)站/index.html

人工智能相關(guān)網(wǎng)站介紹IEEE計(jì)算智能協(xié)會(huì)，國(guó)際神經(jīng)網(wǎng)絡(luò)協(xié)會(huì)，國(guó)際人工智能聯(lián)合會(huì)，歐洲人工智能聯(lián)合會(huì)，斯里蘭卡國(guó)際人工智能中心，美國(guó)伯克利大學(xué)人工智能網(wǎng)站，/ai.html美國(guó)加里福尼大學(xué)機(jī)器學(xué)習(xí)研究/research/ml/中