人工智能论文.docx

人工智能论文.docx

《人工智能论文.docx》由会员分享，可在线阅读，更多相关《人工智能论文.docx（9页珍藏版）》请在冰点文库上搜索。

浅谈人工智能的过去现在和未来

摘要

人工智能是20 世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。

本文叙述人工智能的起源与发展，总结了人工智能研究现状，重点介绍下人工智能目前应用领域，分析热点的人工智能技术和方法。

最后展望了人工智能的未来发展。

关键词：

人工智能 计算机科学 应用领域技术 方法

1．人工智能发展历史过程

1.1 萌芽期（1956年以前）

公元850年，古希腊就有制造机器人帮助人们劳动的神话传说。

在我国公元前900多年，也有歌舞机器人传说的记载，这说明古代人就有人工智能的幻想。

随着历史的发，西班牙的神学家和逻辑学家RomenLuee试图制造能解决各种问题的通用逻辑机。

十七世纪法国物理学家和数学家B.Pascal制成了世界上第一台会演算的机械加法器并获得实际应用。

随后德国数学家和哲学家G.W.Leibniz在这台加法器的基础上发展并制成了进行全部四则运算的计算器。

1.2 形成时期（1956-1961）

 　1956年在美国的Dartmouth大学的一次历史性的聚会被认为是人工智能学科正式诞生的标志。

1957年A.Newell、J.Shaw和H.Simon等人的心理学小组编制出一个称为逻辑理论机LT（TheLogicTheoryMachine）的数学定理证明程序，后来又揭示了人在解题时的思维过程大致可归结为三大阶段

1956年Samuel研究的具有自学习、自组织、自适应能力的西洋跳棋程序是IBM小组有影响的工作，这个程序可以像一个优秀棋手那样，向前看几步来下棋。

它还能学习棋谱，在分析大约175000幅不同棋局后，可猜测出书上所有推荐的走步，准确度达48％，这是机器模拟人类学习过程卓有成就的探索。

 　1959年McCarthy发明的表（符号）处理语言LISP，成为人工智能程序设计的主要语言。

1.3发展时期（1961年以后）

 　　六十年代以来，人工智能的研究活动越来越受到重视。

1974年N.J.Nillson对发展时期的一些工作写过一篇综述论文，他把人工智能的研究归纳为四个核心课题和八个应用课题，并分别对它们进行论述。

 　　从80年代中期开始，有关人工神经元网络的研究取得了突破性的进展。

1982年生物物理学家Hopfield提出了一种新的全互联的神经元网络模型，被称为Hopfield模型。

1985年Hopfield利用这种模型成功地求解了"旅行商（TSP）"问题。

1986年Rumelhart提出了反向传播（backpropagation-BP）学习算法，解决了多层人工神经元网络的学习问题，成为广泛应用的神经元网络学习算法。

　 随着人工智能的发展，世界各国有关学者也都相继加入这一行列，我国是从1978年才开始人工智能课题的研究，主要在定理证明、汉语自然语言理解、机器人及专家系统方面设立课题，并取得一些初步成果。

 　　近年来，人工智能在很多方面取得了新的进展，尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的广泛的舞台。

2.人工智能的现状发展

2.1人工智能研究的领域

2.1．1专家系统

专家系统是依靠人类专家已有的知识建立起来的知识系统，目前专家系统是人工智能研究中开展最早，成效最多的领域。

广泛应用于医疗诊断、地质勘探、石油化工等各方面。

是在特定的领域内具有相应的知识和经验的程序系统，应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平。

2.1.2机器学习

要使计算机具有知识要么将知识表示为计算机可以接受的方式输入计算机，要么使计算机本身有获得知识的能力，并在实践中不断总结、完善，这种方式称为机器学习。

机器学习的研究，主要在以下三个方面进行：

一是研究人类学习的机理、人脑思维的过程；二是研究机器学习的方法以及建立针对具体任务的学习系统。

机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。

2.1.3 模式识别

模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。

如识别物体、地形、图像、字体等。

在日常生活各方面以及军事上都有广泛的用途。

近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。

2.1.4 机器人学

机器人是一种能模拟人的行为的机械，对机器人的研究经历了三代的发展过程。

第一代程序控制机器人。

第二代自适应机器人。

第三代智能机器人。

2.1．5 智能决策支持系统

决策支持系统是属于管理科学的范畴，与“知识－智能”有着极其密切的关系。

８０ 年代专家系统在许多方面取得成功，将人工智能中特别是智能和知识处理技术应用于决策支持系统，扩大了决策支持系统的应用范围，提高了系统解决问题的能力，这就成为智能决策支持系统。

2.2人工智能的领域应用

2.2.1遗传算法在岩石领域的应用

岩石边坡等地表工程一般具有规模大、介质多、初始地应力场复杂、监控与施工难以同步进行等特点。

所以，在岩石边坡位移反分析中，研究人员选用了遗传算法。

2.2.2人工神经网络在电力系统中的应用

要保证电力系统的安全运行和实现电力设备有定期检修转变为状态检修，如何准确地进行电力设备的故障诊断，一直是最需解决的问题之一，而这类故障的征兆错综复杂，往往呈现出非线性和不确定性，很难用某一确定的逻辑或算法进行识别，而这种识别恰好是人工神经网络所擅长的。

人工神经网络的大规模并行处理功能适应于电力系统的潮流计算，我们可以利用系统运行模式向人工神经网络提供训练样本，并用灵敏度分析提高计算精度，从而有效压缩样本空间，为算法的快速性提供了保障。

2.2.3专家系统在机械领域中的应用

专家系统是人工智能的主要分支之一，它的核心内容包括：

知识库、知识获取、推理和解释部分。

专家系统按其知识表达方式的不同可分为基于规则的和基于框架的专家系统；按其推理方式的不同可分为正向推理和逆向推理。

在知识表达方面，利用产生式规则进行知识表达，一方面得益于现有人工智能语言，另一方面是它的表达合乎人的心理逻辑，便于进行知识获取，利于人们接受，利用框架进行知识表达得到了越来越多的应用。

在诊断推理方面，主要表现在对推理逻辑和推理模型的研究，在人工智能领域，存在着许多推理逻辑，在专家系统中广泛使用模糊推理逻辑降低系统复杂性，在故障诊断上能产生很好的结果。

3.人工智能研究的方法

3.1结构模拟。

神经计算，就是根据人脑的生理结构和工作机理，实现计算机的智能，即人工智能。

结构模拟法也就是基于人脑的生理模型，采用数值计算的方法，从微观上来模拟人脑，实现机器智能。

采用结构模拟，运用神经网络和神经计算的方法研究人工智能者，被称为生理学派、连接主义。

3.2功能模拟。

符号推演，就是在当前数字计算机上，对人脑从功能上进行模拟，实现人工智能。

功能模拟法就是以人脑的心理模型，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现机器智能。

以功能模拟和符号推演研究人工智能者，被称为心理学派、逻辑学派、符号主义。

3.3行为模拟。

控制进化，就是模拟人在控制过程中的智能活动和行为特性。

以行为模拟方法研究人工智能者，被称为行为主义、进化主义、控制论学派。

4.人工智能未来展望

4.1 模式识别。

模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。

随着计算机技术的发展，人类有可能研究复杂的信息处理过程，用计算机实现模式（ 文字、声音、人物、物体等） 的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索

4.2 人工神经网络和机器情感。

人工智能的基本思想已经在许多领域中得到应用。

人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。

4.3应用到各种高难度的操作上，从而取代人类的一些行为，造就人类幸福。

例如，海洋环境保护，各类能源开发，太空的研究等等。

5．结束语

半个世纪以来，人工智能发展极其迅速，专家系统、智能控制，在短短的10余年里就发展成熟。

如何更深入的研究人工智能技术并为多领域的发展带来经济效益是目前我们所面临的重大课题。

现在，人们尝试在不同领域应用人工智能技术，但遇到许多难题，例如：

语音识别，它要求高数据传输速率和即时响应，并且实现智能行为的基本要求，包括实时要求、搜索大量知识、容忍错误与不精确适用语言以及从例子中学习等。

，一旦这些技术很好的应用于各个领域，会带来可观的经济效益和社会效益，为我国国民经济和人民生活做出巨大的贡献。

参考文献

[1]蔡自兴，徐光祐.人工智能及其应用，第三版，清华大学出版社，2004.2.

[2]康师友.人工智能技术导论，第三版，西安电子科技大学出版社，2004.5.

[3]徐立本，姜云飞.机器人学习及其应用.吉林大学社会科学社，1998.