人工智能學習(編輯修改稿)

　

【文章內(nèi)容簡介】 領域都有著特有的感興趣的研究課題、研究技術和術語。在人工智能中，這樣的領域包括自然語言處理、自動定理證明、自動程序設計、智能檢索、智能調度、機器學習、專家系統(tǒng)、機器人學、智能控制、模式識別、視覺系統(tǒng)、神經(jīng)網(wǎng)絡、agent、計算智能、問題求解、人工生命、人工智能方法、程序設計語言等。在過去50多年里，已經(jīng)建立了一些具有人工智能的計算機系統(tǒng)；例如，能夠求解微分方程的，下棋的，設計分析集成電路的，合成人類自然語言的，檢索情報的，診斷疾病以及控制控制太空飛行器、地面移動機器人和水下機器人的具有不同程度人工智能的計算機系統(tǒng)。人工智能是一種外向型的學科，它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數(shù)學基礎，哲學和生物學基礎，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。因為人工智能的研究領域十分廣闊，它總的來說是面向應用的，也就說什么地方有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。參照人在各種活動中的功能，我們可以得到人工智能的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智能研究的領域。人工智能就是為了應用機器的長處來幫助人類進行智力活動。人工智能研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。二、各領域國內(nèi)外研究現(xiàn)狀（進展成果）近年來，人工智能的研究和應用出現(xiàn)了許多新的領域，它們是傳統(tǒng)人工智能的延伸和擴展。在新世紀開始的時候，這些新研究已引起人們的更密切關注。這些新領域有分布式人工智能與艾真體（agent）、計算智能與進化計算、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)，以及人工生命等。下面逐一加以概略介紹。分布式人工智能與艾真體分布式人工智能（Distributed AI，DAI）是分布式計算與人工智能結合的結果。DAI系統(tǒng)以魯棒性作為控制系統(tǒng)質量的標準，并具有互操作性，即不同的異構系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。分布式人工智能的研究目標是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型。DAI中的智能并非獨立存在的概念，只能在團體協(xié)作中實現(xiàn)，因而其主要研究問題是各艾真體間的合作與對話，包括分布式問題求解和多艾真體系統(tǒng)（Multiagent System，MAS）兩領域。其中，分布式問題求解把一個具體的求解問題劃分為多個相互合作和知識共享的模塊或結點。多艾真體系統(tǒng)則研究各艾真體間智能行為的協(xié)調，包括規(guī)劃、知識、技術和動作的協(xié)調。這兩個研究領域都要研究知識、資源和控制的劃分問題，但分布式問題求解往往含有一個全局的概念模型、問題和成功標準，而MAS則含有多個局部的概念模型、問題和成功標準。MAS更能體現(xiàn)人類的社會智能，具有更大的靈活性和適應性，更適合開放和動態(tài)的世界環(huán)境，因而倍受重視，已成為人工智能以至計算機科學和控制科學與工程的研究熱點。當前，艾真體和MAS的研究包括理論、體系結構、語言、合作與協(xié)調、通訊和交互技術、MAS學習和應用等。MAS已在自動駕駛、機器人導航、機場管理、電力管理和信息檢索等方面獲得應用。計算智能與進化計算計算智能（Computing Intelligence）涉及神經(jīng)計算、模糊計算、進化計算等研究領域。其中，神經(jīng)計算和模糊計算已有較長的研究歷史，而進化計算則是較新的研究領域。在此僅對進化計算加以說明。進化計算（Evolutionary Computation）是指一類以達爾文進化論為依據(jù)來設計、控制和優(yōu)化人工系統(tǒng)的技術和方法的總稱，它包括遺傳算法（Genetic Algorithms）、進化策略（Evolutionary Strategies）和進化規(guī)劃（Evolutionary Programming）。它們遵循相同的指導思想，但彼此存在一定差別。同時，進化計算的研究關注學科的交叉和廣泛的應用背景，因而引入了許多新的方法和特征，彼此間難于分類，這些都統(tǒng)稱為進化計算方法。目前，進化計算被廣泛運用于許多復雜系統(tǒng)的自適應控制和復雜優(yōu)化問題等研究領域，如并行計算、機器學習、電路設計、神經(jīng)網(wǎng)絡、基于艾真體的仿真、元胞自動機等。達爾文進化論是一種魯棒的搜索和優(yōu)化機制，對計算機科學，特別是對人工智能的發(fā)展產(chǎn)生了很大的影響。大多數(shù)生物體通過自然選擇和有性生殖進行進化。自然選擇決定了群體中哪些個體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，即物競天擇，優(yōu)勝劣汰。直到幾年前，遺傳算法、進化規(guī)劃、進化策略三個領域的研究才開始交流，并發(fā)現(xiàn)它們的共同理論基礎是生物進化論。因此，把這三種方法統(tǒng)稱為進化計算，而把相應的算法稱為進化算法。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)知識獲取是知識信息處理的關鍵問題之一。20世紀80年代人們在知識發(fā)現(xiàn)方面取得了一定的進展。利用樣本，通過歸納學習，或者與神經(jīng)計算結合起來進行知識獲取已有一些試驗系統(tǒng)。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)是90年代初期新崛起的一個活躍的研究領域。在數(shù)據(jù)庫基礎上實現(xiàn)的知識發(fā)現(xiàn)系統(tǒng)，通過綜合運用統(tǒng)計學、粗糙集、模糊數(shù)學、機器學習和專家系統(tǒng)等多種學習手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識，從而揭示出蘊涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質規(guī)律，實現(xiàn)知識的自動獲取。這是一個富有挑戰(zhàn)性、并具有廣闊應用前景的研究課題。從數(shù)據(jù)庫獲取知識，即從數(shù)據(jù)中挖掘并發(fā)現(xiàn)知識，首先要解決被發(fā)現(xiàn)知識的表達問題。最好的表達方式是自然語言，因為它是人類的思維和交流語言。知識表示的最根本問題就是如何形成用自然語言表達的概念。機器知識發(fā)現(xiàn)始于1974年，并在此后十年中獲得一些進展。這些進展往往與專家系統(tǒng)的知識獲取研究有關。到20世紀80年代末，數(shù)據(jù)挖掘取得突破。越來越多的研究者加入到知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的研究行列。現(xiàn)在，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘已成為人工智能研究的又一熱點。比較成功的知識發(fā)現(xiàn)系統(tǒng)有用于超級市場商品數(shù)據(jù)分析、解釋和報告的CoverStory系統(tǒng)，用于概念性數(shù)據(jù)分析和查尋感興趣關系的集成化系統(tǒng)EXPLORA，交互式大型數(shù)據(jù)庫分析工具KDW，用于自動分析大規(guī)模天空觀測數(shù)據(jù)的SKICAT系統(tǒng)，以及通用的數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)KDD等。人工生命人工生命（Artificial Life，ALife）的概念是由美國圣菲研究所非線性研究組的蘭頓（Langton）于1987年提出的，旨在用計算機和精密機械等人工媒介生成或構造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復制、自修復等特征以及形成這些特征的混沌動力學、進化和環(huán)境適應。人工生命所研究的人造系統(tǒng)能夠演示具有自然生命系統(tǒng)特征的行為，在“生命之所能”（life as it could be）的廣闊范圍內(nèi)深入研究“生命之所知”（life as we know it）的實質。只有從“生命之所能”的廣泛內(nèi)容來考察生命，才能真正理解生物的本質。人工生命與生命的形式化基礎有關。生物學從問題的頂層開始，把器官、組織、細胞、細胞膜，直到分子，以探索生命的奧秘和機理。人工生命則從問題的底層開始，把器官作為簡單機構的宏觀群體來考察，自底向上進行綜合，把簡單的由規(guī)則支配的對象構成更大的集合，并在交互作用中研究非線性系統(tǒng)的類似生命的全局動力學特性。人工生命的理論和方法有別于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡的理論和方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應機理通過計算機進行仿真，對相關非線性對象進行更真實的動態(tài)描述和動態(tài)特征研究。人工生命學科的研究內(nèi)容包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進化動力學、人工生命的計算理論、進化與學習綜合系統(tǒng)以及人工生命的應用等。比較典型的人工生命研究有計算機病毒、計算機進程、進化機器人、自催化網(wǎng)絡、細胞自動機、人工核苷酸和人工腦等。三、學了人工智能課程的收獲（1）了解人工智能的概念和人工智能的發(fā)展，了解國際人工智能的主要流派和路線，了解國內(nèi)人工智能研究的基本情況，熟悉人工智能的研究領域。（2）較詳細地論述知識表