人工智能概論

人工智能概論姓名：學(xué)號(hào)：專業(yè)：老師：時(shí)間：人工智能的原理及應(yīng)用1早期的人工智能20世紀(jì)50~60年代,許多研究者試圖從模仿人腦的結(jié)構(gòu)或功能建立一個(gè)模擬人腦的智能機(jī)器。心理學(xué)家MCcolloch和數(shù)理邏輯學(xué)家Plits于1943年提出了第一個(gè)簡(jiǎn)化的神經(jīng)元M-P模型。PERCEPTION是一個(gè)早期的神經(jīng)網(wǎng)絡(luò)系統(tǒng),能進(jìn)行簡(jiǎn)單的模式識(shí)別。當(dāng)時(shí)的神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)技術(shù)還處于電子分立元件的時(shí)代,結(jié)構(gòu)過(guò)于簡(jiǎn)單,與包含10億個(gè)神經(jīng)細(xì)胞的人腦相差太遠(yuǎn),這個(gè)系統(tǒng)后來(lái)被證明是失敗的。20世紀(jì)60年代中后期,由于計(jì)算機(jī)技術(shù)的飛速發(fā)展,功能主義的人工智能方法興盛起來(lái)。人們認(rèn)為只要編制出聰明的軟件,就可以使計(jì)算機(jī)系統(tǒng)表現(xiàn)出應(yīng)有的智能。人們?cè)O(shè)想假設(shè)以計(jì)算機(jī)的工作速度、運(yùn)算精度、記憶容量、記憶準(zhǔn)確度等能力,再加上一個(gè)無(wú)所不包的程序庫(kù),計(jì)算機(jī)將無(wú)所不能,在不遠(yuǎn)的將來(lái),計(jì)算機(jī)將在總體上超過(guò)人類。由于無(wú)法建立萬(wàn)能的知識(shí)庫(kù),這種想法是很不現(xiàn)實(shí)的,也是很難甚至是不可能實(shí)現(xiàn)的。2專家系統(tǒng)2.1專家系統(tǒng)專家系統(tǒng)是以知識(shí)為基礎(chǔ)的智能推理系統(tǒng),與通用問(wèn)題求解系統(tǒng)不同,專家系統(tǒng)強(qiáng)調(diào)在某一專業(yè)領(lǐng)域中積累大量的知識(shí),包括實(shí)現(xiàn)范例以及該領(lǐng)域?qū)＜覀兯哂械慕?jīng)驗(yàn)和規(guī)律。當(dāng)然這些規(guī)律并不要求是很嚴(yán)謹(jǐn),但它們是有啟發(fā)性的。這些知識(shí)構(gòu)成數(shù)據(jù)庫(kù),系統(tǒng)在知識(shí)庫(kù)的基礎(chǔ)上發(fā)展其專門領(lǐng)域的知識(shí),使系統(tǒng)達(dá)到模擬專家的程度。簡(jiǎn)單說(shuō)(知識(shí)庫(kù))+(推理機(jī))=專家系統(tǒng)專家系統(tǒng)大致分為三個(gè)組成部分:知識(shí)庫(kù)、推理機(jī)和人機(jī)界面,具體結(jié)構(gòu)主要有知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)、解釋器、知識(shí)獲取(學(xué)習(xí)系統(tǒng))和人機(jī)界面組成,其中知識(shí)庫(kù)和推理機(jī)是核心部分。專家系統(tǒng)的結(jié)構(gòu)如圖1所示。專家系統(tǒng)通過(guò)提取知識(shí)庫(kù)中的知識(shí),由推理機(jī)進(jìn)行一系列的推理,得出結(jié)論,指導(dǎo)工作。專家系統(tǒng)具有以下特點(diǎn):(1)它所解決的問(wèn)題是復(fù)雜而專門的問(wèn)題,這些問(wèn)題很難用精確的數(shù)學(xué)語(yǔ)言描述,也沒(méi)有確定的算法去解決;(2)專家系統(tǒng)不同于傳統(tǒng)的數(shù)據(jù)處理算法而是突出知識(shí)的價(jià)值,推廣和應(yīng)用專家知識(shí);(3)它采用人工智能原理和技術(shù),如符號(hào)表示、符號(hào)推理和啟發(fā)搜索等。2.2專家系統(tǒng)的發(fā)展及局限性1969年,由美國(guó)斯坦福大學(xué)的Feigenbaum等人完成了用于確定有機(jī)化學(xué)分子結(jié)構(gòu)式的DENDRAL專家系統(tǒng)。該系統(tǒng)在從分子式及其質(zhì)譜數(shù)據(jù)判斷分子結(jié)構(gòu)的能力方面達(dá)到了專家的水平,被廣泛應(yīng)用于各大學(xué)和企業(yè)的化學(xué)實(shí)驗(yàn)室里。隨后,專家系統(tǒng)廣泛用于醫(yī)療、化學(xué)、設(shè)計(jì)、地質(zhì)勘探等領(lǐng)域。專家系統(tǒng)擅長(zhǎng)解決的是難以建立數(shù)學(xué)模型而又依賴專家經(jīng)驗(yàn)知識(shí)的問(wèn)題,并在信息不完整或含有輕度噪聲的情況下仍能給出一個(gè)合理的結(jié)論。它適合解決如故障診斷、報(bào)警處理、系統(tǒng)恢復(fù)、負(fù)荷預(yù)測(cè)、檢修計(jì)劃安排、無(wú)功電壓控制、規(guī)劃設(shè)計(jì)等問(wèn)題。雖然專家系統(tǒng)能成功地解決某些專門領(lǐng)域的問(wèn)題,也有很多優(yōu)點(diǎn),但經(jīng)過(guò)多年的實(shí)踐表明,一般專家系統(tǒng)存在以下弱點(diǎn)。a)知識(shí)獲取難。知識(shí)獲取的主要途徑是機(jī)器學(xué)習(xí)、機(jī)器感知和人工移植。目前,前兩種知識(shí)獲取途徑的能力還很低,大部分專家系統(tǒng)的知識(shí)獲取還需要人工移植,即知識(shí)工程師通過(guò)和專家交談獲取專家的經(jīng)驗(yàn)知識(shí)。對(duì)于一些很難用語(yǔ)言描述的經(jīng)驗(yàn)和知識(shí)、多個(gè)領(lǐng)域?qū)＜抑g互相矛盾的知識(shí),知識(shí)工程師往往會(huì)束手無(wú)策。b)處理復(fù)雜問(wèn)題的時(shí)間長(zhǎng)。對(duì)于一個(gè)復(fù)雜的系統(tǒng),計(jì)算機(jī)要花費(fèi)較長(zhǎng)的時(shí)間一個(gè)一個(gè)地處理程序代碼,這個(gè)缺陷限制了計(jì)算機(jī)執(zhí)行高速運(yùn)算的性能,也使專家系統(tǒng)難以適應(yīng)實(shí)時(shí)系統(tǒng)的要求。c)容錯(cuò)能力差。計(jì)算機(jī)采用局部存儲(chǔ)方式,不同的數(shù)據(jù)和知識(shí)存儲(chǔ)時(shí)互不相關(guān),只有通過(guò)人編寫的程序才能溝通,程序中微小的錯(cuò)誤都會(huì)引起嚴(yán)重的后果,系統(tǒng)表現(xiàn)出極大的脆弱性。d)基礎(chǔ)理論還不完善。專家系統(tǒng)的本質(zhì)特征是基于規(guī)則的邏輯推理思維,然而迄今的邏輯理論仍然很不完善,現(xiàn)有邏輯理論的表達(dá)能力和處理能力有很大的局限性。3人工神經(jīng)網(wǎng)絡(luò)3.1人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork)是由大量處理單元-神經(jīng)元互連而成的網(wǎng)絡(luò)。網(wǎng)絡(luò)的信息處理由神經(jīng)元之間的相互作用來(lái)實(shí)現(xiàn);知識(shí)與信息的存貯表現(xiàn)為網(wǎng)絡(luò)元件互連間分布式的物理聯(lián)系。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力,它可以從已有的實(shí)驗(yàn)數(shù)據(jù)中自動(dòng)總結(jié)規(guī)律,而不依賴于專家的頭腦。人工神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)于處理復(fù)雜的多維的非線性問(wèn)題,既可以解決定性問(wèn)題,又可用于解決定量的問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模的并行處理和分布的信息存儲(chǔ)能力,良好的自適應(yīng)性,自組織性及很強(qiáng)的學(xué)習(xí)、聯(lián)想、容錯(cuò)及較好的可靠性[6]。但是,由于神經(jīng)網(wǎng)絡(luò)是運(yùn)用歸納的方法,在原始數(shù)據(jù)上通過(guò)學(xué)習(xí)算法建立內(nèi)部知識(shí)庫(kù),各單個(gè)神經(jīng)元不存儲(chǔ)信息網(wǎng)絡(luò)的知識(shí)是編碼在整個(gè)網(wǎng)絡(luò)連接權(quán)的模式中,知識(shí)表達(dá)不明確。此外,雖然神經(jīng)網(wǎng)絡(luò)一旦學(xué)習(xí)完成就能迅速地求解,具有良好的并行性,但是知識(shí)的積累是以網(wǎng)絡(luò)的重新學(xué)習(xí)為代價(jià),時(shí)間開銷較大。3.2人工神經(jīng)網(wǎng)絡(luò)的發(fā)展人工神經(jīng)網(wǎng)絡(luò)的研究始于上世紀(jì)40年代。它經(jīng)歷了由興起到蕭條又由蕭條到興盛的發(fā)展道路。在M-P模型之后,50年代末,F.Rosenblatt提出了重要的感知機(jī)模型,這是一個(gè)完整的人工神經(jīng)網(wǎng)絡(luò),初步具備了諸如并行處理、分布存儲(chǔ)和學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)的一些基本特征。1960年B.Windrow和M.E.Hoff提出了自適應(yīng)線性單元網(wǎng)絡(luò),可用于自適應(yīng)濾波器、預(yù)測(cè)和模型識(shí)型。從50年代到60年代初,神經(jīng)網(wǎng)絡(luò)的研究工作形成了一個(gè)高潮。1969年M.Minsky和S.Papert指出,單層的感知機(jī)只能用于線性問(wèn)題的求解,而對(duì)于像XOP(異或)這樣簡(jiǎn)單的非線性問(wèn)題卻無(wú)法求解。由于Minsky的悲觀結(jié)論,加上當(dāng)時(shí)以邏輯推理為基礎(chǔ)的人工智能和數(shù)字計(jì)算機(jī)取得了輝煌的成就,從而使人工智能神經(jīng)網(wǎng)絡(luò)研究走入低潮。進(jìn)入80年代,神經(jīng)網(wǎng)絡(luò)的研究又引起了眾多學(xué)科領(lǐng)域?qū)W者的關(guān)注,并很快形成了熱潮。人工神經(jīng)網(wǎng)絡(luò)成功地用于計(jì)算機(jī)視覺(jué)、語(yǔ)言識(shí)別、知識(shí)處理、理解與合成、優(yōu)化計(jì)算、神經(jīng)計(jì)算機(jī)、智能控制及復(fù)雜系統(tǒng)分析等技術(shù)領(lǐng)域,研究?jī)?nèi)容涉及神經(jīng)生理學(xué)、認(rèn)識(shí)科學(xué)、數(shù)理科學(xué)、心理學(xué)、信息科學(xué)、計(jì)算機(jī)科學(xué)、微電子學(xué)、光學(xué)、生物電子學(xué)等學(xué)科,并在微電子,生物技術(shù),數(shù)學(xué),物理,化學(xué),材料[7]等科學(xué)領(lǐng)域得到應(yīng)用。4人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的應(yīng)用4.1專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合專家系統(tǒng)的特色是符號(hào)推理,神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)數(shù)值計(jì)算。從神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)構(gòu)、工作原理來(lái)看,它們是兩種完全不同的技術(shù),有很大的區(qū)別:(1)專家系統(tǒng)的知識(shí)表示是顯式的、描述性的;而神經(jīng)網(wǎng)絡(luò)對(duì)知識(shí)的表示是隱式的,它用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)表示節(jié)點(diǎn)間的相互關(guān)系,節(jié)點(diǎn)間的互聯(lián)強(qiáng)度表示項(xiàng)與項(xiàng)之間相互影響的強(qiáng)弱。(2)專家系統(tǒng)獲取知識(shí)的主要途徑目前還是機(jī)械式學(xué)習(xí)和講授式學(xué)習(xí),它的知識(shí)是在系統(tǒng)外學(xué)習(xí)得到的,然后以代碼的形式輸入知識(shí)庫(kù)中;人工神經(jīng)網(wǎng)絡(luò)獲取知識(shí)的方法則是直接從數(shù)值化的實(shí)例中學(xué)習(xí)或?qū)鹘y(tǒng)人工智能技術(shù)已獲得的知識(shí)特例轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)的分布式存儲(chǔ),學(xué)習(xí)是在系統(tǒng)內(nèi)部并可以成為十分活躍的部分。(3)專家系統(tǒng)是具有符號(hào)推理機(jī)制的計(jì)算機(jī)程序,使用離散邏輯作為它的功能基礎(chǔ);而神經(jīng)網(wǎng)絡(luò)試圖要模仿人腦智力功能,它的實(shí)現(xiàn)是于連續(xù)的數(shù)值計(jì)算。(4)專家系統(tǒng)使用演繹的方法,把從系統(tǒng)外得到并用代碼輸入系統(tǒng)的知識(shí)推廣,知識(shí)表達(dá)很明確,是一種可以讓專家識(shí)別的形式,因而容易證實(shí),并且,專家系統(tǒng)中知識(shí)庫(kù)與推理機(jī)是相互獨(dú)立的,知識(shí)可以漸進(jìn)地積累,當(dāng)某一事實(shí)改變時(shí),修改也較容易;而神經(jīng)網(wǎng)絡(luò)在原始數(shù)據(jù)上通過(guò)學(xué)習(xí)算法建立內(nèi)部知識(shí)庫(kù),網(wǎng)絡(luò)的知識(shí)是編碼在整個(gè)網(wǎng)絡(luò)連接權(quán)的模式中,知識(shí)的積累需要重新學(xué)習(xí),效率較低?？梢?jiàn),由于自身的局限性,專家系統(tǒng)或人工神經(jīng)網(wǎng)絡(luò)各自只能模擬人腦的部分功能,不會(huì)具有很高的智能。如果將二者結(jié)合起來(lái)構(gòu)成神經(jīng)網(wǎng)絡(luò)專家系統(tǒng),加入深層次知識(shí),取長(zhǎng)補(bǔ)短,充分發(fā)揮各自的特長(zhǎng),則有可能形成一個(gè)新型的高智能的系統(tǒng),它既有專家系統(tǒng)的知識(shí)與人機(jī)交互功能,又有人工神經(jīng)網(wǎng)絡(luò)的并行分布式處理、非線性、模糊推理和自動(dòng)知識(shí)獲取等特點(diǎn),這是智能發(fā)展的必由之路。例如,利用神經(jīng)網(wǎng)絡(luò)的高效性和方便的自學(xué)習(xí)功能,只需用領(lǐng)域?qū)＜医鉀Q問(wèn)題的實(shí)例來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò),解決專家系統(tǒng)的知識(shí)獲取困難這一瓶頸問(wèn)題;利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能,不斷豐富知識(shí)庫(kù)內(nèi)容,知識(shí)更新的問(wèn)題就可解決,避免了專家系統(tǒng)的脆弱性。神經(jīng)網(wǎng)絡(luò)的知識(shí)推理是通過(guò)神經(jīng)元之間的作用實(shí)現(xiàn)的,由于采用并行推理因而具有較高的速度,可以解決專家系統(tǒng)推理的匹配沖突組合爆炸及無(wú)窮遞歸問(wèn)題。4.2材料設(shè)計(jì)中的應(yīng)用在材料領(lǐng)域,人們經(jīng)過(guò)長(zhǎng)期的探索和研究,積累了一定的理論知識(shí);但由于許多復(fù)雜影響因素的存在,有相當(dāng)一部分材料的組分、工藝與性能之間的本質(zhì)關(guān)系尚不于300MW以上機(jī)組,當(dāng)響應(yīng)速度允許有成功的應(yīng)用經(jīng)驗(yàn)時(shí),也可將汽輪機(jī)保護(hù)納入DCS0,但對(duì)于采用何種類型的控制器并未做出規(guī)定。十分清楚,存在許多經(jīng)驗(yàn)知識(shí),因此在材料設(shè)計(jì)、制備及性能預(yù)測(cè)等領(lǐng)域在很大程度上還必須依靠專家的經(jīng)驗(yàn)知識(shí)。專系統(tǒng)的應(yīng)用必將給材料設(shè)計(jì)領(lǐng)域帶來(lái)全新的革命。進(jìn)入80年代,專家系統(tǒng)在材料領(lǐng)域的應(yīng)用逐漸成為熱點(diǎn)。近一二十年來(lái),專家系統(tǒng)在無(wú)機(jī)材料粉末合成、材料設(shè)計(jì)到成形、燒結(jié)和性能檢測(cè)等過(guò)程中得到了開發(fā)和應(yīng)用。目前,已有專家系統(tǒng)應(yīng)用于衛(wèi)生陶瓷、陶瓷釉料和電子陶瓷等陶瓷制品的性能、組分設(shè)計(jì)。專家系統(tǒng)是以符號(hào)信息轉(zhuǎn)換、處理為基礎(chǔ)的多層次邏輯級(jí)的軟方法。神經(jīng)網(wǎng)絡(luò)是以低層次、子符號(hào)為基礎(chǔ)的全面統(tǒng)計(jì)級(jí)的硬方法。將兩者聯(lián)合起來(lái)融為一體化系統(tǒng),應(yīng)用于材料設(shè)計(jì)是有生命力的。另外,材料物性數(shù)據(jù)庫(kù)是材料設(shè)計(jì)的基礎(chǔ)。材料數(shù)據(jù)庫(kù)主要是數(shù)據(jù)信息,還可包括圖像信息等。將數(shù)據(jù)庫(kù)管理系統(tǒng)連接到人工智能系統(tǒng)或?qū)⑷斯ぶ窃兊裙δ艿臄?shù)據(jù)庫(kù),進(jìn)而開發(fā)出以材料配方設(shè)計(jì)和工藝參數(shù)優(yōu)化為目標(biāo)的新型智能數(shù)據(jù)庫(kù),滿足對(duì)多目標(biāo)、高性能材料設(shè)計(jì)的要求。這對(duì)于加速材料計(jì)算機(jī)輔助設(shè)計(jì)將是一條新的途徑。利用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)進(jìn)行材料的設(shè)計(jì),是將目前最佳的組合嘗試在材料領(lǐng)域的應(yīng)用,如果能夠?qū)崿F(xiàn)必將翻開材料史上嶄新的一頁(yè),加速新材料的開發(fā),極大的促進(jìn)和加快國(guó)家支柱產(chǎn)業(yè)的發(fā)展,再一次成為經(jīng)濟(jì)技術(shù)發(fā)展的決定性力量。隨著系統(tǒng)論、信息論、控制論農(nóng)神經(jīng)生理學(xué)、心理學(xué)、邏輯學(xué)以及電子計(jì)算機(jī)等科學(xué)技術(shù)的交叉發(fā)展,出現(xiàn)了人工智能。人工智能的發(fā)展,正在出現(xiàn)從信息革命向智能革命的轉(zhuǎn)化。美國(guó)著名的人工智能的其基人之一、知識(shí)工程理論的倡導(dǎo)者愛(ài)德華·費(fèi)根魄姆教搜認(rèn)為,人工智能或第五代計(jì)算機(jī)的出現(xiàn),將形成知識(shí)信息處理系統(tǒng)K,,(K,w,.d.e’n‘orm.’i?！?,o‘’“’‘“.y,:。二),這將可能引起一場(chǎng)世界性的知識(shí)革命,從而可能把信息革命推向一個(gè)新的智能革命階段。從目前的頂側(cè)粉來(lái),智能革命包括知識(shí)革命與思維革命這樣兩個(gè)相互構(gòu)接的階段,前者是初級(jí)階段,后者是高級(jí)階段。人工智能由低級(jí)階段向高級(jí)階段的發(fā)展,即由知識(shí)革命到思維革命的發(fā)展、促進(jìn)認(rèn)識(shí)論研究的深入,把認(rèn)識(shí)論的研究提高到一個(gè)新的水平。第一、人工智能的發(fā)展,開辟了一個(gè)新的領(lǐng)城一知識(shí)工程。什么叫做知識(shí)工程呢?贊根鮑姆認(rèn)為:“知識(shí)工程是人工智能的一種技藝。它運(yùn)用人工智能的頤理和方法,為那些擂要專家知識(shí)才能解決的應(yīng)用難.握供求娜的手段。恰當(dāng)運(yùn)用專家知識(shí)的獲取、表達(dá)和推理的構(gòu)成與解釋,是設(shè)計(jì)基于知系統(tǒng)的重要技術(shù)問(wèn)口。”這種能夠在專家水平上從事工作的由智能軟件建立起來(lái)的專家系統(tǒng),是一種專家型的摸擔(dān)。費(fèi)根飽姆認(rèn)為,專家系統(tǒng)是一個(gè)計(jì)算機(jī)程序,里面存二比悶t~”,尸,一,~,一,_第三、人工智能的發(fā)展,可能導(dǎo)致微觀認(rèn)識(shí)論的出現(xiàn)。隨著系統(tǒng)論、信息論、控制論、神經(jīng)生理學(xué)、心理學(xué)、腦科學(xué)和人工智能等料學(xué)技術(shù)的交叉發(fā)展,以及由此引起的智能革命的不斷推進(jìn),很有可能使人之間的關(guān)系。而且.由于上述諸種科學(xué)技術(shù)的交叉綜合的發(fā)展、人工智能等學(xué)技術(shù)側(cè)重于從外部模擬大腦的結(jié)構(gòu)和功能,而腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)等等學(xué)科則側(cè)重于研探索與爭(zhēng)鳴究大腦自身的結(jié)構(gòu)和功能。這兩方面的交叉、綜合的發(fā)展,很有可能揭開人的大腦這個(gè)千萬(wàn)年來(lái)的“神秘”王國(guó)之謎,從而可能取得認(rèn)識(shí)論上的突破性的進(jìn)展—出現(xiàn)徽觀認(rèn)識(shí)論?；沼^認(rèn)識(shí)論著重研究物質(zhì)與愈識(shí)前述兩層關(guān)系之間的關(guān)系,成為連接宏觀認(rèn)識(shí)論和思