第章绪论教学教程教学稿件.ppt

知识工程的提出，专家系统的初步成功，使得知识工程的方法渗透到人工智能的各个领域，促进了人工智能从实验室研究走向实际应用。80年代，人工智能发展达到阶段性的顶峰。 87,89年世界大会有６－７千人参加。硬件公司有上千个。并进行Lisp硬件、Lisp机的研究 在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。 同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮。 人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（Real Word Computing）计划。 当前人工智能的研究热点: ☉分布式处理 ☉智能Agent ☉数据挖掘（Data Mining） ☉环境自适应 1．3人工智能的研究特点 人工智能是一门知识的科学。以知识为对象，研究知识的获取、表示和使用。 数据处理-知识处理，数据-符号。符号表示知识而不是数值、数据。 有启发，有推导。 人工智能是引起争论最多的科学之一 焦点：当前人工智能的研究应该以人类的普遍思维规律为主，还是以特定知识的处理和运用为主？智能的本质是什么？机器能达到人的水平吗？ 结论：人工智能的研究是非常困难的 万能的逻辑推理体系至今没有创造出来，并不是因为人工智能专家的本事不够，而是因为这种万能的体系从根本上就是不可能有的。他最大的弱点就是缺乏知识，缺乏人类在几千年的文明史上积累起来的知识，在实际生活中，人是根据知识行事的，而不是根据在抽象原则上的推理行事的。 ? 即使就推理体系来说，它的主要技术是状态空间有哪些信誉好的足球投注网站，而在执行中遇到的主要困难就是“组合爆炸”，事实表明，单靠一些思维原则是解决不了组合爆炸问题的，要摆脱困境，只有大量使用理性的知识。 McCarthy：人工智能的所有问题都是难解的。 Minsky：人工智能是有史以来最难的科学之一。难在：实现智能需要浩繁的知识，而最难对付的知识是常识（不是专业知识）。 Dreyfus：常识问题是实现人工智能的最大障碍。 1．4人工智能的研究领域 人工智能的研究领域非常广泛，涉及到的学科也很多，目前主要包括：分布式人工智能、知识工程和专家系统、自然语言处理、机器人、机器学习和人工神经网络、模式识别、定理证明、自动程序设计、智能数据库、智能检索等。下面介绍界各主要的研究内容： 1．专家系统（Expert System） 专家系统是一个智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序都可以称为专家系统。像前面所说的DENDRAL化学分析专家系统，它可以象化学家一样推断分子的组成结构。MYCIN系统可以像一个传染病医生一样为患者诊断，治疗感染性疾病。 调查研究表明专家系统使工作效率提高10倍100或300倍 2．自然语言处理（Natural Language Processing） 自然语言处理主要研究使用计算机理解和生成自然语言的基础理论和基本技术。它采用人工智能的理论和技术将设定的自然语言（汉语、英语、日语等）机理用计算机程序表达出来，构造称能够理解自然语言的系统。如：把书面文字输入计算机，通过分析和生成使计算机能够“理解”，并作出回答；用口语对计算机讲话，通过语音识别等技术，使计算机能够作出响应，生成所需要的文本。对于用手输入的文本，通过辨识，匹配，使计算机生成所需要的文本。 例如，美国认知心理学家 G.M.Ulson曾为理解提出了四条判别标准: (1)能够成功地回答与输入材料有关的问题； (2)能够具有对所给材料进行摘要的功能； (3)能用不同的词语叙述所给材料； (4)具有从一种语言转译成另一种语言的能力。 3．机器学习(Mzchine Learning) 不具备学习能力的的计算机系统就难以称为智能系统 4．定理证明（Theorem Proving） 数学领域中对臆测的定理寻求一个证明，一直被认为是一项需要智能才能完成的任务。证明定理时，不仅需要有根据假设进行演绎的能力，而且需要有某些直觉的技巧。例如数学家在求证一个定理时，会熟练地运用他丰富的专业知识，猜测应当先证明哪一个引理，精确判断出已有的哪些定理将起作用，并把主问题分解为若干子问题，分别独立进行求解。因此人工智能研究中机器定理证明很早就受到注视，并取得不少成果。 定理