人工智能技术和发展趋势论文.doc

《人工智能技术和发展趋势论文.doc》由会员分享，可在线阅读，更多相关《人工智能技术和发展趋势论文.doc（17页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1/17丁松老师的作业，15 级信管班学生人工智能技术和发展趋势摘要摘要：人工智能，简称 AI，它是当今最火的一门科学，是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理，制造类似于人脑的智能计算机，以与使计算机更巧妙些实现高层次的应用。人工智能一直是人们所追求的，所向往的一门科学，它起源于近代，在电气时代随着计算机科学的发展，以与生物学，脑科学等相关科学的发展，极大的推动了人工智能的发展。人工智能还涉与信息论、控制论、自动化、仿生学、生物学,数理逻辑、语言学、等多门学科。导致其非常复杂，所以其研究领域也分成许多方面，从最开始的博弈论，专家系统，模式识别，神经网络，

2、机器学习到现在大热的深度学习。其应用领域，也非常之多，比如机器翻译，语音交互，ORC,图像识别，智能驾驶等等。自从谷歌的阿法狗在围棋打败了人类棋手，人工智能也进入了一个新的发展阶段，如今各国，各大公司都在大力发展人工智能技术，争取在新时代把握先机，把握未来。人工智能即将在无人驾驶，机器翻译，语言交互等应用领域取得巨大成功。即使如此，人工智能现在还是处于弱人工智能阶段，人工智能还面临着许多问题和挑战。向强人工智能发展的道路上，仍然充满巨大的困难。关键词：人工智能，机器学习，发展趋势，神经网络，运用：人工智能，机器学习，发展趋势，神经网络，运用第一章第一章人工智能人工智能2/171.11.1人工和

3、智能含义人工和智能含义人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能与制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉与到其它诸如意识、自我、心灵（包括无意识的精神等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉与对人的智能本身的研究。其它关于动物或其它人造系统

4、的智能也普遍被认为是人工智能相关的研究课题。1.21.2人工智能的简介人工智能的简介使机器具有自主能动能力这一愿望，从古希腊甚至古埃与的神话传说开始就一直延续至今：亚里士多德（公元前 384-322 年）的一个著名演绎推理三段论代表着他对人工智能的哲学思想探索步伐；中世纪神秘主义者 Ramon Llull 构建了世界上第一部可以“回答”问题的机器；近代“人工智能”（Artificial Intelligence）这个概念的提出最早是在 1956 年 Dartmouth 学会，当时数字计算机研制成果显著，对编写有原始推理思想的程序有质的帮助；今天的各国在智能研究领域都有了重大发展，波士顿动力公司

5、研制的大狗机器人 bigdog。广义来讲，人工智能就是人造物的智能行为。人工智能的发展往往依靠计算机科学和认知科学的发展，在不同的发展阶段，对于人工智能有不同的理解，其概念也随之拓展。人工智能是计算机科学的一个分支，是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理，制造类似于人脑的智能计算机，以与使计算机更巧妙些实现高层次的应用。它涉与到计算机科学，心理学，哲学和语言学3/17学科。总的目标是增强人的智能进而我们需要了解什么是智能。智能是一种能够认识客观事物和运用知识解决问题的综合能力。智能的四个特征：具有感知能力，具有记忆和思维能力，具有学习和自适应的能力，具有

6、行为能力。智能是客观世界中解决实际问题的能力，这种能力就是各个科学领域中的“知识”，以与交叉学科的灵活应用。因而，还可以认为，人工智能的研究目标是使机器模仿人的行为计算机模仿人脑的推理，学习，思考和规划等思维活动。概括而言，人工智能是研究如何让计算机做现阶段只有人才能做好的事情。因为“智能”是关于解决问题能力的知识，所以从使用观点看，人工智能是关于知识的科学，它包含三个怎样，即 怎样表示知识，怎样获取知识，怎样使用知识。1.31.3人工智能发展的历史人工智能发展的历史人工人工智能学习的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉与信息论、控制论、自动化、仿

7、生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。一般认为，人工智能的思想萌芽可以追溯到德国著名数学家和哲学家莱布尼茨(Leibnitz，1646-1716)提出的通用语言设想。这一设想的要点是：建立一种通用的符号语言，用这个语言中的符号表达“思想容”，用符号之间的形式关系表达“思想容”之间的逻辑关系。于是，在“通用语言”中可以实现“思维的机械化”这一设想可以看成是对人工智能的最早描述。但随着 1941 年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在 1956 年 Dartmouth 学会上提出的，从

8、那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从 40 年前出现到现在，已经出现了许多 AI 程序，并且它们也影响到了其它技术的发展。虽然计算机为 AI 提供了必要的技术基础，但直到 50 年代早期人们才注意到人4/17类智能与机器之间的联系。Norbert Wiener 是最早研究反馈理论的美国人之一。最熟悉的反馈控制的例子是自动调温器。它 将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度。这项对反馈 回路的研究重要性在于:Wiener 从理论上指出，所有的智能活动都是反馈机制的

9、结果。而反馈机制是有可 能用机器模拟的。这项发现对早期 AI 的发展影响很大。70 年代另一个进展是专家系统。专家系统可以预测在一定条件下某种解的概率。由于当时计算机已 有巨大容量，专家系统有可能从数据中得出规律。专家系统的市场应用很广。十年间，专家系统被用于股市预 测，帮助医生诊断疾病，以与指示矿工确定矿藏位置等。这一切都因为专家系统存储规律和信息的能力而成为可能。但 80 年代对 AI 工业来说也不全是好年景。86-87 年对 AI 系统的需求下降，业界损失了近 5 亿美元。象 Teknowledge 和 Intellicorp 两家共损失超过 6 百万美元，大约占利润的三分之一巨大的损失

10、迫使许多研究领 导者削减经费。另一个另人失望的是国防部高级研究计划署支持的所谓智能卡车。这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望，Pentagon 停止了项目的经费。尽管经历了这些受挫的事件，AI 仍在慢慢恢复发展。新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不确定的条件作出决策;还有神经网络，被视为实现人工智能的可能途径。总之，80 年代 AI 被引入了市场，并显示出实用价值。可以确信，它将是通向 21 世纪之匙。人工智能技术接受检验 在沙漠风暴行动中军方的智能设备经受了战争的检验。人工智能技术被用于导弹系统和预警显示以 与其它先进武器。AI 技

11、术也进入了家庭。智能电脑的增加吸引了公众兴趣;一些面向苹果机和 IBM 兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑，AI 技术简化了摄像设备。对人工智能相关技术更大的需求促 使新的进步不断出现。人工智能已经并且将继续不可避免地改变我们的生活。1.41.4研究的现状研究的现状为了将人工智能的理论研究成果应用于实际，人们发明了多种方法。目前大部分5/17的人工智能应用系统是在诺依曼结构的通用数字计算机或通用算机上运行求得结果。这种用软件实现的方法灵活性强但速度较慢。目前人工智能的研究方向已经被分成几个子领域，研究人员希望一个人工智能系统应该具有某些特定能力，以下将这些能力列出并说明

12、。1.4.11.4.1演绎、推理和解决问题演绎、推理和解决问题早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了 1980 和 1990 年，利用机率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的记忆体或是运算时间。寻找更有效的算法是优先的人工智能研究项目。人类解决问题的模式通常是用最快捷，直观的判断，而不是有意识的，一步一步的推导，早期人工智能研究通常使用逐步推导的方式。人工智能研究已经于这种

13、“次表征性的”解决问题方法取得进展：实体化的代理人研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。1.4.21.4.2多元智能多元智能大多数研究人员希望他们的研究最终将被纳入一个具有多元智能(称为强人工智能)，结合以上所有的技能并且超越大部分人类的能力。有些人认为为了达成以上目标，可能需要拟人化的特性，如人工意识或人工大脑。上述许多问题被认为是人工智能完整性：为了解决其中一个问题，你必须解决全部的问题。即使一个简单和特定的任务，如机器翻译，要求机器按照作者的论点(推理)，知道什么是被人谈论(知识)，忠实地再现作者的意图(情感计算)。因此，机器翻译被认为是具有人

14、工智能完整性：它可能需要强人工智能工，就像是人类一样。1.4.31.4.3规划规划智能 Agent 必须能够制定目标和实现这些目标。他们需要一种方法来建立一个可预测的世界模型(将整个世界状态用数学模型表现出来，并能预测它们的行为将如何6/17改变这个世界)，这样就可以选择功效最大（或“值”）的行为。在传统的规划问题中，智能 Agent 被假定它是世界中为一具有影响力的，所以它要做出什么行为是已经确定的。但是，如果事实并非如此，它必须定期检查世界模型的状态是否和自己的预测相符合。如果不符合，它必须改变它的计划。因此智能代理必须具有在不确定结果的状态下推理的能力。在多 Agent 中，多 Agen

15、t 规划采用合作和竞争去完成一定的目标，使用演化算法和群体智慧可以达成一个整体的突现行为目标。1.4.41.4.4知觉知觉机器感知是指能够使用传感器所输入的资料(如照相机，麦克风，声纳以与其他的特殊传感器)然后推断世界的状态。计算机视觉能够分析影像输入。另外还有语音识别、人脸辨识和物体辨识。1.4.51.4.5社交社交情感和社交技能对于一个智慧代理人是很重要的。首先，通过了解他们的动机和情感状态，代理人能够预测别人的行动(这涉与要素 博弈论、决策理论以与能够塑造人的情感和情绪感知能力检测)。此外，为了良好的人机互动，智慧代理人也需要表现出情绪来。至少它必须出现礼貌地和人类打交道。至少，它本身应

16、该有正常的情绪。1.4.61.4.6创造力创造力一个人工智能的子领域，代表了理论(从哲学和心理学的角度)和实际(通过特定的实现产生的系统的输出是可以考虑的创意，或系统识别和评估创造力)所定义的创造力。相关领域研究的包括了人工知觉和人工想象。第二章第二章体现形式和研究领域体现形式和研究领域7/172.12.1 博弈博弈博弈论，又称对策论，是使用严谨的数学模型研究冲突对抗条件下最优决策问题的理论。博弈思想在人工智能方面最早体现在计算机游戏方面，最早的计算机游戏（computer game）指的就是下棋,为了设计可以和人类竞争甚至战胜人类的程序，人们便开始研究如何使得计算机可以学习人类的思维模式，具

17、备与人类一样的博弈能力。博弈的过程包含着对问题的表示、分解、搜索和归纳这四个重要问题。计算机棋类博弈基本属于完全信息的动态博弈。也就是对弈双方不仅清楚当前的局面，了解对手以往的着数，而且了解对手接下来可能采取的着数。尽管双方可能采取的着法数以十计、百计，但毕竟还是有限的。计算机可以通过展开一颗根在上、叶在下的庞大的博弈树描述这一对弈过程。再利用自身在时间和空间上的强大能力，进行巧妙的搜索，从而找到可行解与近优解，亦即给出当前的着法。显然，计算机的搜索能力是计算机智力水平的重要体现。搜索算法是机器“思维”的核心。包括着法生成，博弈树展开，各种剪枝搜索和各种启发式搜索。显而易见，搜索算法的设计和编

18、写过程处处体现着人工智能的思想。机器博弈是既简单方便、经济实用，又丰富涵、变化无穷的思维逻辑研究载体。个把小时就可以下一盘棋，就可以对电脑的“智能”进行测试，而且可以悔棋、重试、复盘，可以一步步地发现电脑与人脑功能的差距，从而不断提高电脑的智力水平。毫无疑问的是，机器博弈的研究可以显著推动人工智能的发展。2.22.2 专家系统专家系统专家系统是一种具有大量专门知识和经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。专家系统是目前人工智能中最活跃，最有成效的一个研究领域，它是一种基于知识的系统，它从人类专家那里获得知识，

19、并用来解决只有专家才能解决困难问题辅助教学系统。人工智能专家系统常由知识库、是推理机等构成。推理机主要决定哪些规则满足事实或目标，并授予规则优先级，然后执行最高优先级规则来进行逻辑推理。知识获取机为用户建立的一个知识自动输入的确定方法。匹配模块是该人工智能专家系统的8/17核心部分，匹配功能2.32.3 模式识别模式识别广义地说，存在于时间和空间中可观察的事物，如果我们可以区别他们是否一样或者是否相似，都可以称之为模式。但需要注意的是，模式并不是指向事物本身，而是我们从事物获得的信息。因此，模式往往表现为具有时间或空间分布的信息。人们为了掌握客观事物，按事物相似的程度组成类别。模式识别的作用和

20、目的就在于面对某一具体事物时将其正确的归入某一类别。模式识别系统有两个过程组成，即设计和实现。设计是指用一定数量的样本（训练集或学习集）进行分类器的设计。实现是指用所涉与的分类器对待识别的样本进行分类决策。基于统计方法的模式识别系统主要由 4 个部分组成：数据获取，预处理，特征提取和选择，分类决策，如下图所示概括地说，模式识别中的最基本的问题是解决模式的分类。较全面的看，是研究模式的描述、分析、分类、理解和综合。更高层次的模式识别应该还包括对模式的学习、判断、自适应、自寻优和自动发现规律等。所以，模式识别在某种意义上和人工智能中的“学习”“概念形成”相近。模式识别与与其职能的结合将开辟广阔的应

21、用前景。2.42.4 神经网络神经网络众所周知，人类大脑的组织结构和运行机制有其绝妙的特点，从模仿人脑智能的角度出发，来探寻新的信息表示、储存和处理方式，设计全新的计算机处理结构模型，9/17构建一种更接近人类智能的信息处理系统来解决实际工程和科学研究领域中难以解决的问题，一定能够极大推动科研进步，这些促成了人工神经网络（ANN）的出现。简单的说，ANN 是模仿人脑工作方式而设计的一种机器，它可用电子或光电元件实现，还可以用软件在计算机上进行仿真模拟，甚至最新的研究成果显示人类已经使用 DNA在试管中制造出了首个人造神经网络（这个相互作用的分子组成的电路能像人脑一样，基于不完整的模式进行回）；

22、人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。2.52.5 自然语言自然语言自然语言理解一直是智能领域研究的重要课题之一，因为自然语言本身具有独特的魅力，其一，如果计算机能够理解自然语言，那么人机交互将变得前所未有的畅通，那将是对计算机技术的重大突破，其二，创造和使用自然语言是人类几千年智慧的结晶，研究自然语言更有助于解开人工智能的奥秘。对自然语言的理解，有以下四条准则：问答、文摘生成、释义、翻译。与之对应就可以得到，自然语言理解的处理过程为：语言

23、形式化描述、处理算法设计、处理算法实现和评估。其中语言形式化描述就是通过对自然语言自身规律进行研究，进而采用数学的方法将其描述出来，以便于计算机处理，也可认为是对自然语言进行数学建模。处理的算法设计就是将数学形式化描述的语言变换为计算机可操作、控制的对象。处理算法实现和评估就是通过程序设计语言(如 C 语言)将算法实现出来，并对其性能和功能进行评估。2.62.6 机器学习机器学习机器学习（Machine Learning）是一门涉与统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机 怎样10/17模拟或实现人类的学习行为，以获取新的知识或技能，重

24、新组织已有的知识 结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是 现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用 这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以与 算法的不同，机器学习存在不同的分类方法。第三章第三章3.1人工智能的应用人工智能应用非常广泛，我们现在的生活许多方面都设计到了人工智能，下面就介绍一些领域的运用3.1.13.1.1机器翻译机器翻译机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成 这一过程的软件系统叫做机器翻译系统。几十年来，国外许多专家、学者为 机器翻译的研究付出了大量的心血

25、和汗水。虽然至今还没有一个实用、全面、高质 量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译 工 具，机器翻译已经得到大多数人的认可。目前，国的机器翻译软件不下百 种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类 和专业翻 译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电 子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了 解单词或词组含 义提供了极大的便利。3.1.23.1.2语言交互语言交互语音交互是一种高效的交互方式，是人以自然语音或机器合成语音同计算机 进11/17行交互的综合性技术，结合了语言学、心理学、工程

26、和计算机技术等领域的知 识。语音交互不仅要对语音识别和语音合成进行研究，还要对人在语音通道下的 交互机理、行为方式等进行研究。语音交互过程包括四部分：语音采集、语音识 别、语义理解和语音合成。语音采集完成音频的录入、采样与编码；语音识别完 成语音信息到机器可识别的文本信息的转化；语义理解根据语音识别转换后的文 本字符或命令完成相应的操作；语音合成完成文本信息到声音信息的转换。作为 人类沟通和获取信息最自然便捷的手段，语音交互比其他交互方式具备更多优势，能为人机交互带来根本性变革，是大数据和认知计算时代未来发展的制高点，具 有广阔的发展前景和应用前景。3.1.33.1.3计算机视觉计算机视觉计算

27、机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。目前，计算机视觉已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别、染色体识字符识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像精确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等3.1.43.1.4生物特征识别生物特征识别生物特征识别技术是指通过个体生理特征或行为

28、特征对个体身份进行识别 认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册 阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人 脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以与特征 提取技术对采集的数据进行处理，得到相应的特征进行存储。识别过程采用与注 册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物 特征识别一般分为12/17辨认与确认两种任务，辨认是指从存储库中确定待识别人身份 的过程，是一对多的问题；确认是指将待识别人信息与存储库中特定单人

29、信息进 行比对，确定身份的过程，是一对一的问题。生物特征识别技术涉与的容十分广泛，包括指纹、掌纹、人脸、虹膜、指 静脉、声纹、步态等多种生物特征，其识别过程涉与到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证 技术，在金融、公共安全、教育、交通等领域得到广泛的应用。下面将对指纹识 别、人脸识别、虹膜识别、指静脉识别、声纹识别以与步态识别等技术进行介绍。3.2人工智能面临的困难3.2.13.2.1计算机博弈的困难计算机博弈的困难博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或智力竞争上。博弈不仅存在于下棋之中,而且存在于政治、经济、军事和生物

30、的斗智和竞争之中。尽管西洋跳棋和国际象棋的计算机程序已经达到了相当高的水平,然而计算机博弈依然面临着巨大的困难。这主要表现在以下两个方面的问题：其一是组合爆炸问题,状态空间法是人工智能中基本的形式化方法。若用博弈树来表示状态空间,对于几种常见的棋类,其状态空间都大得惊人,例如,西洋跳棋为10的40次方,国际象棋为10的120次方,围棋则是 10 的 700 次方。如此巨大的状态空间,现有计算机是很难忍受的。其二是现在的博弈程序往往是针对二人对弈、棋局公开、有确定走步的一类棋类进行研制的。而对于多人对弈、随机性的博弈这类问题,至少目前计算机还是难以模拟实现的。3.2.23.2.2机器翻译所面临的

31、问题机器翻译所面临的问题在计算机诞生的初期,有人提出了用计算机实现自动翻译的设想。目前机器翻译所面临的问题仍然是 1964 年语言学家黑列尔所说的构成句子的单词和歧义性问题。歧义性问题一直是自然语言理解(NLU)中的一大难关。同样一个句子在不同的场合使用,其含义的差异是司空见惯的。因此,要消除歧义性就要对原文的每一个句子与其上13/17下文进行分析理解,寻找导致歧义的词和词组在上下文中的准确意义。然而,计算机却往往孤立地将句子作为理解单位。另外,即使对原文有了一定的理解,理解的意义如何有效地在计算机里表示出来也存在问题。目前的 NLU 系统几乎不能随着时间的增长而增强理解力,系统的理解大都局限

32、于表层上,没有深层的推敲,没有学习,没有记忆,更没有归纳。导致这种结果的原因是计算机本身结构和研究方法的问题。现在 NLU 的研究方法很不成熟,大多数研究局限在语言这一单独的领域,而没有对人们是如何理解语言这个问题做深入有效的探讨。3.2.33.2.3自动定理证明和自动定理证明和 GPSGPS 的局限的局限自动定理证明和 GPS 的局限自动定理证明的代表性工作是 1965 年鲁宾逊提出的归结原理。归结原理虽然简单易行,但它所采用的方法是演绎,而这种形式上的演绎与人类自然演绎推理方法是截然不同的。基于归结原理演绎推理要求把逻辑公式转化为子句集合,从而丧失了其固有的逻辑蕴含语义。前面曾提到过的 G

33、PS 是企图实现一种不依赖于领域知识求解人工智能问题的通用方法。GPS 想摆脱对问题部表达形式的依赖,但是问题的部表达形式的合理性是与领域知识密切相关的。不管是用一阶谓词逻辑进行定理证明的归结原理,还是求解人工智能问题的通用方法 GPS,都可以从中分析出表达能力的局限性,而这种局限性使得它们缩小了其自身的应用围。3.3人工智能的发展趋势技术的发展总是超乎人们的想象，要准确地预测人工智能的未来是不可能的。但是，从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展:语言，图像，社交等等。3.3.13.3.1自动推理自动推理自动推理是人工智能最经典的研究分支,其基本理论是人工智能其它

34、分支的共同基础。一直以来自动推理都是人工智能研究的最热门容之一,其中知识系统的动态演化特征与可行性推理的研究是最新的热点,很有可能取得大的突破14/173.3.23.3.2语言运用语言运用自然语言处理是 AI 技术应用于实际领域的典型例,经过 A I 研究人员的艰苦努力,这一领域已获得了大量令人瞩目的理论与应用成果。许多产品已经进入了众多领域。智能信息检索技术在Internet技术的影响下,近年来迅猛发展,已经成为了AI的一个独立研究分支。由于信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将 A I 技术应用于这一领域的研究是人工智能走向应用的契机与突破口。从近年的人工

35、智能发展来看,这方面的研究已取得了可喜的进展。3.3.33.3.3机器学习机器学习机器学习的研究取得长足的发展。许多新的学习方法相继问世并获得了成功的应用,如增强学习算法、reinforcement learning 等。也应看到,现有的方法处理在线学习方面尚不够有效,寻求一种新的方法,以解决移动机器人、自主 agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题,相信不久会在这些方面取得突破。3.4人工智能的未来与挑战人工智能研究的主要目标,就是希望用现代科学技术的手段来扩展人类智能系统的能力3 ,那么人工智能未来的发展方向有哪些更值得关注的呢?本文从四方面进行了阐述:人工智

36、能技术与生物技术、电子技术结合研究生物电子体,与脑科学、信息处理技术结合研究大脑信息处理模型,与网络技术、软件技术结合研究网络智能软件,与通讯技术、控制技术结合研究家庭机器人3.4.13.4.1生物电子生物电子生物电子体是生物细胞与电脑微芯片有效协作的共存体,可以实现部分或全部生物的智能,既研究把模拟生物体的电脑微芯片植入生物体,与生物体形成协作共存体,又研究从生物体中提取出细胞组织与模拟生物体的微芯片接合为协作共存体。麻省理工大学贝尔实验室和神经信息学研究所的科学家们已经成功实现了将模拟人类神经系统的电脑微芯片植入大脑,对人体神经进行了有效修复4 。日本东京大学的Shimoyama 教授领导

37、的课题组研究蟑螂的控制技术,即把蟑螂头上的探须和翅膀切除,15/17插入电极和微处理器以与红外传感器,通过遥控信号产生电刺激,使蟑螂向特定方向前进。美国纽约州立大学通过在老鼠体植入微控制器,成功实现对老鼠的转弯、前进、爬树和跳跃等动作的人工制导，试想研究生物电子体,有效控制爬行动物的行为,使其为人类服务,可能比研究救援机器人花费的时间和资源更少一些。此外,研究生物脑的基本功能构建人工脑,进而实现人工智能是一个长期而复杂的课题,生物脑的许多功能对人类仍是一个十分深奥的谜。然而,通过智能技术与生物技术、电子技术相结合,研究实现生物细胞组织与电脑微芯片接合为协作共存体,以达到利用脑细胞功能构建生物智

38、能,即生物电子体,将是实现人工真智能研究历程中的一个重要阶段。3.4.23.4.2大脑信息模型大脑信息模型大脑信息处理模型的研究即从信息处理切入,结合脑科学研究大脑对信息流的获取、存储、联想(提取)、回忆(反馈)等处理逻辑,以与脑神经细胞的工作原理,并为之建模。1999 年日本京都先进电讯研究所成功研究了机器猫,该机器猫的脑部主要采用了人工神经网络技术,包含约 3 770 万个人造神经细胞,尽管数量比人脑的 1 000亿相比差之甚远,但其智能超过了昆虫。2002 年“人工大脑之父”雨果在比利时研制了能让机器人拥有数百个行为能力的人工大脑。2008 年雨果在中国大学研究中国的第一个人工大脑,用基

39、因算法设计神经网络,即生产大脑,CBM 大脑制造机器可以在几秒钟进化为一个神经网络,处理将近一亿个神经元,其计算能力相当于一万台个人电脑。雨果致力于研究制造像人一样思考的智能机器人。尽管已有研究成果证明了智能机器人已经不再是科幻,但是目前仍没有一个智力达到三岁儿童,视力可以与老鼠相比的机器人。美国杰夫霍金斯认为真正认识人类大脑是开发智能机器的必由之路。他认为所谓智能,就是人脑比较过去、预测未来的能力,大脑不是计算机,不会亦步亦趋、按部就班地根据输入产生输出,大脑是个庞大的记忆系统,真正了解智能的涵和人类大脑,构建大脑的记忆-预测系统模型才能制造真正的智能因此,揭示大脑的奥秘,对大脑获取信息、存

40、储信息、提取信息、反馈信息等一系列过程进行建模,将为人工大脑的研究提供新的机遇,也将是人工智能发展的一个新挑战。16/173.4.33.4.3智能机器人智能机器人家庭机器人可以和人成为朋友,陪人聊天,也可以帮助人们看家、清洁地板、照顾孩子等做一些家庭琐事,把人们从繁琐家务劳动中解脱出来,成为人们生活的友好助手,人们不仅可以近距离地传达指令给家庭机器人,指挥其完成某些工作,还可以对其进行远程遥控。现阶段家用机器人仍然受到技术的限制,目前普遍使用激光技术计算距离,使用雷达技术保持平衡,使用红外线摄像技术探测热能识别人的存在。无论人、动物还是灯都是一处热源,机器人无法分辨。家庭机器人俨然已成为 21

41、 世纪智能科学研究的重要领域之一,然而结合通讯技术、控制技术研究全智能的可远程操作的家庭机器人也必然成为智能科学发展的又一挑战。3.4.43.4.4网络智能软件网络智能软件智能主体是智能互联网中的生灵,它是一种智能的软件实体,能够在智能互联网中自由遨游,为用户提供各种智能服务。所谓网络智能软件是面向智能主体的研究方法所设计、开发的软件。网络智能软件技术是网络技术、人工智能技术、软件工程技术的结合。软件设计与开发经历了从面向对象到面向服务的转化,进入 80 年代以来,尽管软件工程研究与实践取得了可喜的成就,软件技术水平有了长足的进展,但是软件生产水平依然远远落后于硬件生产水平的发展速度。从 20

42、 世纪 90 年代中后期开始,基于 Agent 的研究逐渐影响到软件体系结构与智能系统的设计,并被认为是克服软件危机的重要突破口。它与现存的开发方法相比,存在一些优越性,特别是在软件系统中,Agent 是现实世界的高水平的抽象。Shoham 深入研究了面向 Agent 的编程方法,简称AOP,他认为AOP是对OOP 方法的延伸和扩展。在AOP 方法中,允许每个Agent 拥有涉与环境和其他 Agent 的知识和信念,允许这些模块具有能力和做出承诺等,一个计算由这些 Agent 之间的相互告知、请求、谈判、帮助等组成。本世纪初,面向 Agent开发的软件陆续出现,如基于 Agent 的实时道路交

43、通导航系统模型、面向 Agent 的巡航导弹武器控制系统、多 Agent 敏捷调度系统、CoABS 主体(Agent)网格系统、主体网格智能平台 A Gr IPTA 等。17/17许多 Agent 系统试图用 Agent 来模拟人的理性行为,主要应用在对现实世界和社会的模拟、机器人和智能机械等领域。而在现实世界中生存、工作的智能主体,要面对的是一个不断变化的环境。在这样的环境中,智能主体不仅要保持对紧急情况的与时反应,还要使用一定的策略对中短期的行为作出规划,进而通过对世界和其它智能主体的建模分析来预测未来的状态,以与通过通讯语言实现和其他智能主体的协作或协商9 。Agent 技术不仅是分布智能的研究热点,而且将成为下一代软件开发的重要突破点。事实上,基于 Agent 的软件设计与开发已经成为人工智能学科的重要容之一,而如何在软件设计与开发中更好地体现 Agent 的自治性、交互性、协作性、以与可通信性等,又使智能软件的设计与开发成为了人工智能学科的新挑战。