第一篇：人工智能感想

愛與被愛

——人類的愛是否永恒

當造物主要求被造者付出無條件的愛時，造物主對被造者有什么樣的責任？在影片開頭的公司作品會議上一位女工程師所問的：“當我們的機器人的程序被設計為要愛人類，那么我們人類是否應該、或者有責任去以愛去回饋機器人呢？”當被賦予愛的機器人與我們人類之間的是否存在清晰的差距？又或者當人類向機器人索取永恒的時候，有沒有想過：自己能不能做到“永恒”？機器人只能愛人而不能被愛，這作為一個人本身來說就是一個非常悲哀的事，而現實中誰能接受自己要付出自己的愛而永遠得不到別人的愛。與我們如此相似的機器人，卻跟我們有著截然不同的命運。

在影片中david的苦苦哀求著藍仙女：“Please make me into a real life boy, please make me a real boy, please please please make me real.?！钡浇裉煳业哪X海還深深的印記這那幅畫面，在黑暗的海底，在廢棄的迪斯尼樂園中，找到藍仙女的塑像。David面對著永遠微笑的藍仙女祈禱哀求了兩千年，這個愿望卻是我們每個人所天生具備的，就是這個世界上獨一無二的人。那刻，我多么希望這是一部魔幻劇，那時藍仙女就會在david的祈禱下，張開她的翅膀，用仁愛的心為david實現愿望，可是沒有始終沒有，那個畫面就這樣定格在那里。

作為機器人的創造者，人類并不愿意對這些電子產品付出真愛，在人們眼里他們僅僅是玩偶，侍女，奶媽，仆人，性工具……。無論那時候的機器人被制作的如何逼真，人類都無法將他們當作整個社會的一分子。當人們需要他們的時候他們就是我們的朋友，不需要他們的時候便可以被遺棄被破壞。在影片里有一個地方稱為機器屠宰場，人們要將這些機器人處決，但處決的過程既殘忍而又像是馬戲表演。因為，人們要買票進場，而且觀看屠殺的還有很多孩子。這讓我聯想到古羅馬的斗獸場，血腥，殘酷，而人們卻把這種當成娛樂，多么扭

曲的心理，在科技文明如此高速發展的社會卻在做著野蠻無知社會的愚蠢舉動，這無疑是文明的倒退。

本部影片一直貫穿的就是david尋找藍仙女，要變成真正的人類的線索，而david所探索的是人的本質是什么，與機器人的區別在何處，是人有著人生觀，愛和有著被愛的權力嗎？ 而作為影片的女主角莫妮卡來說，這個角色是個矛盾體，她即代表人類母性光輝的形象，又在很多地方表現出人類的丑惡的一面，嫉妒，猜忌，還有自私。首先莫妮卡作為母親的身份，她是以一種利用和寄托的心理接受了david，而且在莫妮卡的兒子馬丁還未回家時，就對david表現出一種猜忌和害怕，既害怕卻又要去碰觸，其實在她心理是清楚的知道自己可以最david欲與欲求，這是否符合一個母親的行為。對David的愛本身就是有保留的，當面臨選擇的時候，母親義無返顧地，不加分析地，“正確”地站到兒子的一邊。她的理由很簡單： 首先，那是她的親生兒子；再者，David不是真正的人。不是獨一無二的，可以再次被創造。這是很現實的一個人類形象。

影片最后是2000年后，人類滅亡，外星人來到地球，雖然無法將一個機器人變為一個真正的人，卻可以幫助大衛克隆出了“莫尼卡”，只是被克隆的人只能活一天，大衛終于又和“莫尼卡”在一起了……這是否算是比較好的結局。我在想這個莫妮卡只是david心理面的莫妮卡，假如是真的莫妮卡為何不聞不問david的一切，好像一切都在滿足david，這是在david眼里一個只屬于他的媽媽，而他是否也開始傾注對莫妮卡的愛在這個“莫妮卡”身上，在一種意義上david 已由機器異化成了人。他執著地追求著愛，人類的愛。這樣的結局又給人一種思考的位置：此時的大衛正像以前的莫尼卡，而眼前這個克隆人更如同以前的大衛只是一個替代品而已，這是不是同時意味著又一個悲劇的開始呢？

愛與被愛，我們的選擇是什么？

第二篇：人工智能與專家系統感想

姓名：萬偉

學號：1120100924

人工智能與專家系統感想

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

人工智能技術導論這門課的學習，讓我知道了人工智能從誕生發展到今天經歷了一條漫長的路，許多科研人員為此而不懈努力。人工智能的開始可以追溯到電子學出現以前。象布爾和其他一些哲學家和數學家 建立的理論原則后來成為人工智能邏輯學的基礎。而人工智能真正引起 研究者的興趣則是1943年計算機發明以后的事。技術的發展最終使得人們可以仿真 人類的智能行為，至少看起來不太遙遠。接下來的四十年里，盡管碰到許多阻礙，人工智能仍然從最初只有十幾個研究者成長到現在數以千計的工程師和專家在研究； 從一開始只有一些下棋的小程序到現在的用于疾病診斷的專家系統，人工智能的發展有目共睹。

人工智能經過幾十年的發展，其應用在不少領域得到發展，在我們的日常生活和學習當中也有許多地方得到應用。我通過網絡查找，知道了以下領域的人工智能的發展。

專家系統是一種模擬人類專家解決領域問題的計算機程序系統。專家系統內部含有大量的某個領域的專家水平的知識與經驗，能夠運用人類專家的知識和解決 問題的方法進行推理和判斷，模擬人類專家的決策過程，來解決該領域的復雜問題。專家系統是人工智能應用研究最活躍和最廣泛的應用領域之一,涉及到社會各個 方面，各種專家系統已遍布各個專業領域，取得很大的成功。根據專家系統處理的問題的類型，把專家系統分為解釋型、診斷型、調試型、維修型、教育型、預測 型、規劃型、設計型和控制型等10種類型。具體應用就很多了，例如血液凝結疾病診斷系統、電話電纜維護專家系統、花布圖案設計和花布印染專家系統等等。為了實現專家系統，必須要存儲有該專門領域中經過事先總結、分析并按某種模式表示的專家知識(組成知識庫)，以及擁有類似于領域專家解決實際問題的 推理機制(構成推理機)。系統能對輸入信息進行處理，并運用知識進行推理，做出決策和判斷，其解決問題的水平達到或接近專家的水平，因此能起到專家或專家 助手的作用。

開發專家系統的關鍵是表示和運用專家知識，即來自領域專家的己被證明對解決有關領域內的典型問題有用的事實和過程。目前，專家系統主要采用基于規則 的知識表示和推理技術。由于領域的知識更多是不精確或不確定的，因此，不確定的知識表示與知識推理是專家系統開發與研究的重要課題。此外，專家系統開發工 具的研制發展也很迅速，這對擴大專家系統的應用范圍，加快專家系統的開發過程，將起到積極地促進作用。隨著計算機科學技術整體水平的提高，分布式專家系 統、協同式專家系統等新一代專家系統的研究也發展很快。在新一代專家系統中，不但采用基于規則的推理方法，而且采用了諸如人工神經網絡的方法與技術。

一、人工智能與專家系統應用領域 1在管理系統中的應用

人工智能應用于企業管理的意義主要不在于提高效率，而是用計算機實現人們非常需要做，但工業工程信息技術是靠人工卻做不了或是很難做到的事情。智能教學系統(ITS)是人工智能與教育結合的主要形式，也是今后教學系統的發展方向。信息技術的飛速發展以及新的教學系統開發模式的提出和不斷完善，推動人們綜合運用超媒體技術、網絡基礎和人工智能技術區開發新的教學系統，計算機智能教學系統就是其中的典型代表。它包含學生模塊、教師模塊，體現了教學系統開發的全部內容，擁有著不可比擬的優勢和極大的吸引力。2在工程領域的應用

醫學專家系統是人工智能和專家系統理論和技術在醫學領域的重要應用，具有極大的科研和應用價值,它可以幫助醫生解決復雜的醫學問題,作為醫生診斷、治療的輔助工具。目前,醫學智能系統已通過其在醫學影像方面的重要作用，從而應用于內科、骨科等多個醫學領域中,并在不斷發展完善中。

3在技術研究中的應用 人工智能在電子技術領域的應用可謂由來已久。隨著網絡的迅速發展，網絡技術的安全是我們關心的重點，因此我們必須在傳統技術的基礎上進行網絡安全技術的改進和變更，大力發展數據挖掘技術、人工免疫技術等高效的AI技術，開發更高級AI通用和專用語言，和應用環境以及開發專用機器，而與人工智能技術則為我們提供了可能性。4人工智能在現實中的應用。

AI系統是設計出的一種計算機程序，這種程序具有某些像人和動物智能一樣的功能。在過去的30多年中，已經建立了一些具有一定“智能”的AI系統，例如下棋程序、定理證明系統、集成電路設計與分析系統、自然語言翻譯系統、智能信息檢索系統、疾病診斷系統等 在一年一度AT&T實驗室舉行的機器人足球賽中，每支球隊的“球員”都裝備上了AI軟件和許多感應器，它們都很清楚自己該踢什么位置，同時也明白有些情況下不能死守崗位。盡管現在的AI技術只能使它們大部分時間處于個人盤帶的狀態，但它們傳接配合的能力正在以很快的速度改進。5．機器翻譯

機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟件系統叫做機器翻譯系統。幾十年來，國內外許多專家、學者為 機器翻譯的研究付出了大量的心血和汗水。雖然至今還沒有一個實用、全面、高質量的自動翻譯系統出現，不過也取得了很大的進展，特別是作為人們的輔助翻譯工 具，機器翻譯已經得到大多數人的認可。目前，國內的機器翻譯軟件不下百種，根據這些軟件的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業翻 譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發音，為用戶了解單詞或詞組含 義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。以“譯星”、“雅信譯霸”為代表的專業翻譯系統，是面對專業或行業用戶的翻譯軟件，但其專業翻譯的質量與人們的實用性還有不少差距，有人評價說“滿篇英文難不住，滿篇 中文看不懂”，該說法雖然比較極端，但機譯譯文的質量確實卻一直是個老大難問題。這里，我們不妨對現有的機譯和人譯過程作一比較，從中可以看出一些原因。

機器翻譯：

1.一句一句處理，上下文缺乏聯系；

2.對源語言的分析只是求解句法關系，完全不是意義上的理解；

3.缺乏領域知識，從計算機到醫學，從化工到法律都通用，就換專業詞典；

4.譯文轉換是基于源語言的句法結構的，受源語言的句法結構的束縛；

5.翻譯只是句法結構的和詞匯的機械對應。

人工翻譯：

1.一般會先通讀全文，會前后照應；

2.對源語言是求得意義上的理解；

3.只有專業翻譯人員，而沒有萬能翻譯人員；

4.譯文是基于他對源語言的理解，不受源語言的句法結構的束縛；

5.翻譯是一個再創造的過程。

在目前的情況下，計算機輔助翻譯應該是一個比較好的實際選擇。事實上，在很多領域中，計算機輔助人類工作的方式已經得到了廣泛的應用，例如CAD軟 件。如果計算機輔助技術用于語言的翻譯研究，應該同樣可以起到很大的輔助作用，這就是所謂的“計算機輔助翻譯”。它集機器記憶式翻譯、語法分析式翻譯和人 際交互式翻譯為一體，把翻譯過程中機械、重復、瑣碎的工作交給計算機來完成。這樣，翻譯者只需將精力集中在創造性的思考上，有利于工作效率的提高。

機器翻譯研究歸根結底是一個知識處理問題，它涉及到有關語言內的知識、語言間的知識、以及語言外的世界知識，其中包括常識和相關領域的專門知識。隨 著因特網的普及與發展，機器翻譯的應用前景十分廣闊。作為人類探索自己智能和操作知識的機制的窗口，機器翻譯的研究與應用將更加誘人。國際上有關專家分析 認為機器翻譯要想達到類似人工翻譯一樣的流暢程度，至少還要經歷15年時間的持續研究，但在人類對語言研究還沒有清楚“人腦是如何進行語言的模糊識別和判 斷”的情況下，機器翻譯要想達到100%的準確率是不可能的。

二、人工智能與專家系統的發展前景 1 人工智能的研究新課題

人工智能的長遠目標是要理解人類智能的機器，用機器模擬人類的智能。這是一個十分漫長的過程，人工智能研究者獎通過多種途徑、從不同的研究課題入手進行探索。

在近期，有幾方面的研究課題可供選擇：更完善更新的人工智能理論框架；自動或半自動的知識獲取工具；能實現海量高速存儲并具有學習功能的聯想知識庫；新型推理機制和推理機；分布式人工智能與協同式專家系統；智能控制與智能管理；智能機器人；人工智能機；新一代的腦模型。

2人機融合

人機融合是一個相當長的發展過程，它將伴隨技術進步，逐級逐步地向前發展。首先實現的是低級和局部的融合，近幾年人工智能科授的進步不斷證實了這種趨勢。如最近美國科學家就明確宣布，他們研制的“神經芯片”首先就是用于改善人的中樞神經功能，“使截癱患者丟掉手杖”。隨著人機融合的升級，最終將在地球上產生一種人機高度融合、高智慧、能自行繁殖(復制)的“新智體”(或曰“新人類”）。因此，文明人類的演化由于技術的影響將經歷自然進化——人工促進人智能的進化——人機融合體(新智體)的自行進化的辯證發展過程。在人機融合時代，出于物理目標的不同，將存在多種多樣、多層次的智能機(體)，但具有怨茁級智能的應是人機融合體。當今人工智能科技和其他高科技的種種發展動向表明，在人類進入“信息社會”之后，將有一場規模巨大的“智能革命”，智能革命的環境是人工智能對人、對社會的廣泛而深入的影響，就像今天的微電子技術對信息革命的影響一樣。人工智能科技將滲透到社會各個領域，人類將對人工智能科技進行大規模的研究、開發和應用。

當今人工智能科技和其他高科技的種種發展動向表明，在人類進入“信息社會”之后，將有一場規模巨大的“智能革命”，智能革命的環境是人工智能對人、對社會的廣泛而深入的影響，就像今天的微電子技術對信息革命的影響一樣。人工智能科技將滲透到社會各個領域，人類將對人工智能科技進行大規模的研究、開發和應用。

總之，人工智能的應用前景一片的好，當然，挑戰也很多，只有科學不斷發展突破進步，我們才能真正的享受智能化帶給我們的樂趣?

第三篇：對人工智能學習的感想

學校：蘇州科技學院

學院：電子信息工程

班級：電科0812班 姓名：鐘建峰

學號：0820108224

談談人工智能的學習感想

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

人工智能技術導論這門課的學習，讓我知道了人工智能從誕生發展到今天經歷了一條漫長的路，許多科研人員為此而不懈努力。人工智能的開始可以追溯到電子學出現以前。象布爾和其他一些哲學家和數學家 建立的理論原則后來成為人工智能邏輯學的基礎。而人工智能真正引起 研究者的興趣則是1943年計算機發明以后的事。技術的發展最終使得人們可以仿真 人類的智能行為，至少看起來不太遙遠。接下來的四十年里，盡管碰到許多阻礙，人工智能仍然從最初只有十幾個研究者成長到現在數以千計的工程師和專家在研究； 從一開始只有一些下棋的小程序到現在的用于疾病診斷的專家系統，人工智能的發展有目共睹。

人工智能經過幾十年的發展，其應用在不少領域得到發展，在我們的日常生活和學習當中也有許多地方得到應用。我通過網絡查找，知道了以下領域的人工智能的發展。1．機器翻譯

機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟件系統叫做機器翻譯系統。幾十年來，國內外許多專家、學者為 機器翻譯的研究付出了大量的心血和汗水。雖然至今還沒有一個實用、全面、高質量的自動翻譯系統出現，不過也取得了很大的進展，特別是作為人們的輔助翻譯工 具，機器翻譯已經得到大多數人的認可。目前，國內的機器翻譯軟件不下百種，根據這些軟件的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業翻 譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發音，為用戶了解單詞或詞組含 義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。以“譯星”、“雅信譯霸”為代表的專業翻譯系統，是面對專業或行業用戶的翻譯軟件，但其專業翻譯的質量與人們的實用性還有不少差距，有人評價說“滿篇英文難不住，滿篇 中文看不懂”，該說法雖然比較極端，但機譯譯文的質量確實卻一直是個老大難問題。這里，我們不妨對現有的機譯和人譯過程作一比較，從中可以看出一些原因。

機器翻譯：

1.一句一句處理，上下文缺乏聯系；

2.對源語言的分析只是求解句法關系，完全不是意義上的理解；

3.缺乏領域知識，從計算機到醫學，從化工到法律都通用，就換專業詞典；

4.譯文轉換是基于源語言的句法結構的，受源語言的句法結構的束縛；

5.翻譯只是句法結構的和詞匯的機械對應。

人工翻譯：

1.一般會先通讀全文，會前后照應；

2.對源語言是求得意義上的理解；

3.只有專業翻譯人員，而沒有萬能翻譯人員；

4.譯文是基于他對源語言的理解，不受源語言的句法結構的束縛；

5.翻譯是一個再創造的過程。

在目前的情況下，計算機輔助翻譯應該是一個比較好的實際選擇。事實上，在很多領域中，計算機輔助人類工作的方式已經得到了廣泛的應用，例如CAD軟 件。如果計算機輔助技術用于語言的翻譯研究，應該同樣可以起到很大的輔助作用，這就是所謂的“計算機輔助翻譯”。它集機器記憶式翻譯、語法分析式翻譯和人 際交互式翻譯為一體，把翻譯過程中機械、重復、瑣碎的工作交給計算機來完成。這樣，翻譯者只需將精力集中在創造性的思考上，有利于工作效率的提高。

機器翻譯研究歸根結底是一個知識處理問題，它涉及到有關語言內的知識、語言間的知識、以及語言外的世界知識，其中包括常識和相關領域的專門知識。隨 著因特網的普及與發展，機器翻譯的應用前景十分廣闊。作為人類探索自己智能和操作知識的機制的窗口，機器翻譯的研究與應用將更加誘人。國際上有關專家分析 認為機器翻譯要想達到類似人工翻譯一樣的流暢程度，至少還要經歷15年時間的持續研究，但在人類對語言研究還沒有清楚“人腦是如何進行語言的模糊識別和判 斷”的情況下，機器翻譯要想達到100%的準確率是不可能的。

2．專家系統

專家系統是一種模擬人類專家解決領域問題的計算機程序系統。專家系統內部含有大量的某個領域的專家水平的知識與經驗，能夠運用人類專家的知識和解決 問題的方法進行推理和判斷，模擬人類專家的決策過程，來解決該領域的復雜問題。專家系統是人工智能應用研究最活躍和最廣泛的應用領域之一,涉及到社會各個 方面，各種專家系統已遍布各個專業領域，取得很大的成功。根據專家系統處理的問題的類型，把專家系統分為解釋型、診斷型、調試型、維修型、教育型、預測 型、規劃型、設計型和控制型等10種類型。具體應用就很多了，例如血液凝結疾病診斷系統、電話電纜維護專家系統、花布圖案設計和花布印染專家系統等等。

為了實現專家系統，必須要存儲有該專門領域中經過事先總結、分析并按某種模式表示的專家知識(組成知識庫)，以及擁有類似于領域專家解決實際問題的 推理機制(構成推理機)。系統能對輸入信息進行處理，并運用知識進行推理，做出決策和判斷，其解決問題的水平達到或接近專家的水平，因此能起到專家或專家 助手的作用。

開發專家系統的關鍵是表示和運用專家知識，即來自領域專家的己被證明對解決有關領域內的典型問題有用的事實和過程。目前，專家系統主要采用基于規則 的知識表示和推理技術。由于領域的知識更多是不精確或不確定的，因此，不確定的知識表示與知識推理是專家系統開發與研究的重要課題。此外，專家系統開發工 具的研制發展也很迅速，這對擴大專家系統的應用范圍，加快專家系統的開發過程，將起到積極地促進作用。隨著計算機科學技術整體水平的提高，分布式專家系 統、協同式專家系統等新一代專家系統的研究也發展很快。在新一代專家系統中，不但采用基于規則的推理方法，而且采用了諸如人工神經網絡的方法與技術。

3．符號計算

計算機最主要的用途之一就是科學計算,科學計算可分為兩類:一類是純數值的計算,例如求函數的值,方程的數值解,比如天氣預報、油藏模擬、航天等領 域。另一類是符號計算,又稱代數運算,這是一種智能化的計算,處理的是符號。符號可以代表整數、有理數、實數和復數,也可以代表多項式,函數,集合 等。長期以來,人們一直盼望有一個可以進行符號計算的計算機軟件系統。早在50年代末,人們就開始對此研究。進入80年代后,隨著計算機的普及和人 工智能的發展,相繼出現了多

種功能齊全的計算機代數系統軟件,其中Mathematica和Maple是它們的代表，由于它們都是用C語言寫成的,所以可 以在絕大多數計算機上使用。Mathematica是第一個將符號運算,數值計算和圖形顯示很好地結合在一起的數學軟件,用戶能夠方便地用它進行多種形 式的數學處理。

計算機代數系統的優越性主要在于它能夠進行大規模的代數運算。通常我們用筆和紙進行代數運算只能處理符號較少的算式,當算式的符號上升到百位數 后,手工計算就很困難了,這時用計算機代數系統進行運算就可以做到準確,快捷,有效。現在符號計算軟件有一些共同的特點就是在可以進行符號運算、數值計算和圖形顯示等同時,還具有高效的可編程功能。在操作界面上一般都支持交互式處理,人們 通過鍵盤輸入命令,計算機處理后即顯示結果。并且人機界面友好,命令輸入方便靈活,很容易尋求幫助。

盡管計算機代數系統在代替人繁瑣的符號運算上有著無比的優越性,但是,計算機畢竟是機器,它只能執行人們給它的指令，有一定的局限性。首先,多數計 算機代數系統對計算機硬件有較高的要求,在進行符號運算時,通常需要很大的內存和較長的計算時間,而精確的代數運算以時間和空間為代價的。第二個問題是用 計算機代數系統進行數值計算,雖然計算精度可以到任意位,但由于計算機代數系統是用軟件本身浮點運算代替硬件算術運算,所以在速度要比用Fortran語 言算同樣的問題慢百倍甚至千倍。另外,雖然計算機代數系統包含大量的數學知識,但這僅僅是數學中的一小部分,目前仍有許多數學領域未能被計算機代數系統涉 及。計算機代數系統仍在不斷地發展、完善之中。

如今，人工智能研究出現了新的高潮，這一方面是因為在人工智能理論方面有了新的進展，另一方面也是因為計算機硬件突飛猛進的發展。隨著計算機速度的不斷提高、存儲容 量的不斷擴大、價格的不斷降低以及網絡技術的不斷發展，許多原來無法完成的工作現在已經能夠實現。

人工智能的學習，讓我明白了人工智能始終處于計算機發展的最前沿。高級計算機語言、計算機界面及文字處理器的存在或多或少都得歸功于人工智能的研究。人工智能研究帶來的理論和洞察力指引了計算技術發展的未來方向?，F有的人工智能產品相對于即將到來的人工智能應用可以說微不足道，但是它們預示著人工智能的未來。將來我們會對人工智有能更高層次的需求，人工智能也會繼續影響我們的工作、學習和生活，我們也要支持人工智能的發展！

第四篇：人工智能相關材料

應用：

個人助理（智能手機上的語音助理、語音輸入、家庭管家和陪護機器人）產品舉例：微軟小冰、百度度秘、科大訊飛等、Amazon Echo、Google Home等

安防（智能監控、安保機器人）產品舉例：商湯科技、格靈深瞳、神州云海

自駕領域（智能汽車、公共交通、快遞用車、工業應用）產品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等

醫療健康（醫療健康的監測診斷、智能醫療設備）產品舉例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

電商零售（倉儲物流、智能導購和客服）產品舉例：阿里、京東、亞馬遜

金融（智能投顧、智能客服、安防監控、金融監管）產品舉例：螞蟻金服、交通銀行、大華股份、kensho

教育（智能評測、個性化輔導、兒童陪伴）產品舉例：學吧課堂、科大訊飛、云知聲

發展方向思路：

（一）人工智能新興產業

這部分主要任務是進行人工智能前沿技術布局，推動核心技術產業化，并為人工智能產業發展奠定公共基礎。本部分涉及核心技術研發與產業化、基礎資源公共服務平臺兩大工程。其中，核心技術研發與產業化工程主要涉及三個方面的技術。一是人工智能基礎理論，包括深度學習、類腦智能等。二是人工智能共性技術，包括人工智能領域的芯片、傳感器、操作系統、存儲系統、高端服務器、關鍵網絡設備、網絡安全技術設備、中間件等基礎軟硬件技術。三是人工智能應用技術，包括基于人工智能的計算機視聽覺、生物特征識別、復雜環境識別、新型人機交互、自然語言理解、機器翻譯、智能決策控制、網絡安全等?；A資源公共服務平臺工程主要涉及四個方面的建設內容。一是各種類型人工智能海量訓練資源庫和標準測試數據集建設，包括文獻、語音、圖像、視頻、地圖及行業應用數據等，這些數據集需要面向社會開放，為廣大科研機構和企業進行人工智能研究和開發提供服務。二是基礎資源服務平臺建設，包括滿足深度學習計算需求的新型計算集群共享平臺、云端智能分析處理平臺、算法與技術開放平臺、智能系統安全情報共享平臺等。三是類腦智能基礎服務平臺建設，要能夠模擬真實腦神經系統的認知信息處理過程。四是產業公共服務平臺建設，可以為人工智能創新創業提供相關研發工具、檢驗評測、安全、標準、知識產權、創業咨詢等專業化服務。

（二）重點領域智能應用

這部分主要任務是加快人工智能技術的產業化進程，推動人工智能在家居、汽車、無人系統、安防、制造、教育、環境、交通、商業、健康醫療、網絡安全、社會治理等重要領域開展試點，使得人工智能能夠在第一時間轉化為生產力并惠及民生。本部分以基礎較好的智能家居、智能汽車、智能無人系統、智能安防等領域為主。智能家居示范工程主要支持利用健康醫療、智慧娛樂、家庭安全、環境監測、能源管理等應用技術，進行具有人工智能的酒店、辦公樓、商場、社區、家庭等建設，提升百姓生活品質。智能汽車研發與產業化工程主要面向自動駕駛和安全駕駛，支持智能汽車芯片和車載智能操作系統、高精度地圖及定位、智能感知、智能決策與控制等，支持智能汽車試點。智能無人系統應用工程主要面向無人機、無人船等無人設備，支持與人工智能相關的結構設計、智能材料、自動巡航、遠程遙控、圖像回傳等技術研發，及其在物流、農業、測繪、電力巡線、安全巡邏、應急救援等重要行業領域的創新應用。智能安防推廣工程主要面向與百姓安全息息相關的社會治安、工業安全以及火災、有害氣體、地震、疫情等問題，支持利用圖像精準識別、生物特征識別、編碼識別、智能感知等技術的研發和應用。

（三）智能化終端產品

這部分的主要任務是希望通過合適的終端，實現智能化生產和服務。本部分涉及三大工程。智能終端應用能力提成工程主要是面向具有一定智能計算能力的終端及附屬應用，支持其在智能交互、智能翻譯等云端協同方面及圖像處理、操作系統基礎軟硬件方面進一步改進。智能可穿戴設備發展工程主要支持輕量級操作系統、低功耗高性能芯片、柔性顯示、高密度儲能、快速無線充電、虛擬現實和增強現實等關鍵技術的成果轉化與應用。智能機器人研發與應用工程主要支持智能感知、模式識別、智能分析、智能控制等技術在機器人方面的研發和應用，包括生產用智能工業機器人，救災救援、反恐防暴等特殊領域的智能特種機器人，醫療康復、教育娛樂、家庭服務等領域的智能服務機器人。

（四）標準體系和知識產權

目前人工智能標準領域還處于一片空白狀態，關于人工智能的概念仍然沒有達成一致意見，人工智能也還沒有一個統一的技術體系架構，平臺與應用之間的接口五花八門，而且基本上都是私有協議，網絡、軟硬件、數據、系統、測試評估等方面的研發、應用、服務也無章可循。這直接導致了人工智能領域進入門檻過高，無法形成良性發展的產業生態。因此，建設人工智能領域標準化體系，建立并完善基礎共性、互聯互通、行業應用、網絡安全、隱私保護等技術標準，已經成為擺在眼前的現實問題。當然，標準化工作需要相關各方的積極參與，并積極開展國際合作，才能保證對人工智能產業發展的有效促進，推動標準走出去才能增強國際話語權。另一方面，在我們所處的這個全球經濟一體化時代，專利已經成為發展的硬實力，必須要加快重點技術和應用領域的專利布局，同時加強專利合作，提高知識產權成果轉化效率，積極防控專利風險，增強標準與專利政策的有效銜接，才能保證我國人工智能產業擁有強大的競爭力并得到持續健康發展。

政策：

2015年5月國務院在《中國制造2025》提出“加快發展智能制造裝備和產品”，指出“組織研發具有深度感知、智慧決策、自動執行功能的高檔數控機床、工業機器人、增材制造裝備等智能制造裝備以及智能化生產線，統籌布局和推動智能交通工具、智能工程機械、服務機器人、智能家電、智能照明電器、可穿戴設備等產品研發和產業化?！?/p>

2015年7月4日國務院在《國務院關于積極推進“互聯網+”行動的知道意見》明確提出人工智能作為11個重點布局的領域之一，促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用。

2016年1月國務院在《“十三五”國家科技創新規劃》提出智能制造和機器人成為“科技創新2030項目”重大工程之一。

2016年3月18日國務院在《國民經濟和社會發展第十三個五年規劃綱要（草案）》提出人工智能概念進入“十三五”重大工程。

2016年5月18日國家發展改革委、科技部、工業和信息化部、中央網信辦在《“互聯網+”人工智能三年行動實施方案》明確了要培育發展人工智能新興產業、推進重點領域智能產品創新、提升終端產品智能化水平、并且政府將在資金、標準體系、知識產權、人才培養、國際合作、組織實施等方面進行保障。

人工智能技術帶來的產業影響

當前，人工智能技術對互聯網行業產生的影響和變革主要有如下三個方面：

其一，在理論技術層面，人工智能技術為基于互聯網和移動互聯網等領域的創新應用，提供理論基礎。例如，自動定理推理，為網絡信息檢索、問題求解、遠程診斷等問題提供了自動求解方案；自然語言理解，為計算機人類語言理解提供理論和方法；數據挖掘為從數據庫中挖掘有意義，提煉出具有必然性、蘊含本質規律的數據提供了規則、聚類等數據處理、建模、評估標準。

其二，在技術應用和創新層面，人工智能技術的發展，為未來ICT等網絡技術的發展指引了方向。當前，以智能算法、深度學習、云計算為代表的大規模網絡應用已經成為ICT產業的重要發展方向。各大互聯網公司在深度學習領域在不斷做積極探索，深度學習是機器學習研究中的一個重點關注領域，其研究側重于建立、模擬人腦進行分析學習的神經網絡。在創新方面，深度學習帶來了機器學習的新浪潮，推動“大數據＋深度模型+數據發現挖掘”時代的來臨。人工智能技術與互聯網的融合，是兩個領域發展到一定階段，探索創新的必然結果，深度學習為擁有強大計算能力和數據資源的互聯網巨頭公司帶來下一次全面領跑的機會。例如，谷歌、百度在硅谷的研發實驗室，在對深度學習、算法升級，對機器學習模仿人腦的智能活動，讓機器像人腦一樣識別圖像、理解自然語言，解析網絡內容之間關系做深度探索。百度語音和圖像等相關網絡產品應用的快速崛起，正是受益于對機器學習等領域的技術突破。

其三，在融合發展層面，人工智能技術的發展促進多種科學與網絡技術的深度融合。從國際上看，人工智能技術在美國，歐洲和日本發展迅速，并且帶動了多種信息科學領域的發展，信息學、控制學、仿生學、計算機學等領域的技術突破均被運用到人工智能應用中去。從技術發展脈絡發展上，人工智能很多技術一直處于創新的前沿，未來會在很大程度上影響信息產業的發展方向。人工智能發展至今涉及到多個研究領域，研究方向包括符號計算、語言識別、模式識別和計算機視覺、機器翻譯與機器學習、智能信息檢索、問題求解與專家系統、邏輯推理與邏輯證明、自然語言處理等，逐漸成為更為廣泛的智能科學學科。

新時期下面對人工智能快速發展對策：

在人工智能技術發展過程中，我們總體上應該貫徹落實創驅動發展戰略，立足自主創新的同時，放眼國內國際兩個大局技術發展情況，加強跟蹤高新技術產業技術的發展態勢調整產業結構，統籌全局發展，切實推進由技術革新到推進經濟發展方式的轉變，實現工業經濟產型升級，同步大力支持我國人工智能相關研究和產業化工作。在具體工作上，我們應該采取以下策略：

一是要建立針對相關科研成果的產業追蹤機制。針對國際國內相關企業和科研機構正在進行的相關科研活動進行動態追蹤，對其科研成果在各行各業的信息化應用進行預研預判，為制定信息化發展相關政策規劃提供線索和根據。

二是適時引導和推動人工智能相關產業領域的研發應用。加強對人工智能和人腦科學工業領域應用的深入調研分析，掌握工業機器人、新型計算產品、人工神經網絡等的發展和應用現狀，堅持應用牽引，整合產學研現有資源，形成一批人工智能關聯技術的實驗室和技術中心，推動人工智能關聯技術在網絡、通訊等行業快速發展的應用示范。

三是要加大對人工智能關聯技術的資金支持力度，引導人工智能關聯技術向通用技術領域的演進和轉化。

未來人工智能技術將進一步推動關聯技術和新興科技、新興產業的深度融合，推動新一輪的信息技術革命，其人工智能技術將成為我國經濟結構轉型升級的新支點。

第五篇：《人工智能》教學大綱

人工智能原理及其應用

一、說明

（一）課程性質

隨著信息社會和知識經濟時代的來臨，信息和知識已成為人們的一個熱門話題。然而，在這個話題的背后還蘊含著另外一個更深層的問題——智能。一般來說，信息是由數據來表達的客觀事物，知識是信息經過智能性加工后的產物，智能是用來對信息和知識進行加工的加工器。在信息社會，人類面對的信息將非常龐大，僅靠人腦表現出來的自然智能是遠遠不夠的，必須開發那種由機器實現的人工智能。

《人工智能導論》是計算機科學與技術專業本科生的一門限選課程。

（二）教學目的

使學生掌握人工智能的基本原理、方法及研究應用領域。了解人工智能中常用的知識表示技術，啟發式搜索策略，了解原理以及非確定性推理技術。通過對典型專家系統的分析、解剖、進一步深入掌握人工智能的主要技術，去解決人工智能的一些實際問題。增強學生的邏輯思維與實驗能力，為人今后處理各門學科的智能奠定基礎。

（三）教學內容

人工智能的基本原理和方法，人工智能的三個重要研究領域（機器學習、神經網絡學習和自然語言理解），人工智能的兩個重要應用領域（專家系統和智能決策支持系統）。

（四）教學時數

36學時

（五）教學方式

課堂講授和上機實驗相結合。

二、本文

第1章 人工智能概述

教學要點

討論人工智能的定義、形成過程、研究內容、研究方法、技術特點、應用領域、學派之爭及發展趨勢。教學時數

3學時 教學內容

1.1 人工智能及其研究目標（0.5學時）

了解人工智能的定義及其研究目標。

1.2 人工智能的產生與發展（0.5學時）

了解人工智能產生與發展的四個階段。

1.3 人工智能研究的基本內容及其特點（0.5學時）

了解人工智能研究的基本內容及特點。

1.4 人工智能的研究和應用領域（0.5學時）

了解人工智能研究和應用領域。

1.5 人工智能研究的不同學派及其爭論（0.5學時）

了解三大學派及其理論的爭論和研究方法的爭論。1.6 人工智能的近期發展分析

（0.5學時）

了解更新的理論框架研究，更好的技術集成研究，更成熟的應用方法研究。（0.5學時）考核要求

了解人工智能研究的基本內容和應用領域。

第2章

知識表示

教學要點

知識表示的基本概念和各種確定性知識表示方法。教學時數

6學時 教學內容

2.1 知識與知識表示概念

（0.5學時）

了解知識表示的概念和表示形式； 理解知識的定義。

2.2 一階謂詞邏輯表示法

（0.5學時）

理解一階謂詞邏輯表示的邏輯基礎； 掌握謂詞邏輯表示方法及其應用。2.3 產生式表示法（0.5學時）

了解產生式系統的基本過程、控制策略及其類型和特點； 掌握產生式表示的基本方法、基本結構。2.4 語義網絡表示法（1學時）

理解語義網絡的基本概念；

會應用語義網絡表示事實和進行推理。2.5 框架表示法（2學時）

了解框架系統的問題求解過程和框架表示法的特點； 掌握框架結構和實例框架； 理解框架理論。2.6 腳本表示法

掌握腳本的結構及其推理。（0.5學時）2.7 過程表示法（0.5學時）

了解過程表示的特性；

掌握過程表示的問題求解過程； 理解表示知識的方法。

2.8 面向對象表示法

（0.5學時）

了解面向對象的特征；

理解面向對象的基本概念； 掌握知識的面向對象表示。考核要求

掌握邏輯詞謂表示法及其應用，會用框架去描述一些具體問題，能用腳本來描述特定范圍內的一些事件的發生順序。

第3章 確定性推理

教學要點

推理的基本概念及歸結、演繹等確定性推理方法。教學時數

5學時 教學內容

3.1 推理的基本概念（0.5學時）

了解正向推理、逆向推理、混合推理及其推理的沖突消解策略； 掌握推理的方法、推理的控制策略； 理解推理的概念。

3.2 推理的邏輯基礎（1學時）

掌握謂詞公式的各種特性和置換與合一的過程。3.3 自然演繹推理（0.5學時）

了解自然演繹推理的概念及其三段論推理規則。3.4 歸結演繹推理（2學時）

掌握子句集及其化簡，魯賓遜歸結原理；

會應用謂詞邏輯歸結證明問題，會用歸結演繹推理的歸結策略證明問題，會用歸結反演求取問題的答案。

3.5 基于規則的演繹推理（1學時）

會應用規則正向演繹推理和規則逆向演繹推理。3.6 規則演繹推理的剪枝策略（0.5學時）

了解剪枝策略的基本思想。考核要求

理解確定性推理的思維過程，會應用謂詞邏輯歸結去求證問題，會應用規則正向演繹推理和規則逆向演繹推理。

第4章 不確定與非單調推理

教學要點

不確定性推理的有關概念及各種不確定性的表示和推理方法。教學時數

4學時 教學內容

4.1 不確定性推理的基本概念（0.5學時）

了解不確定推理的基本問題； 理解不確定推理的含義。

4.2 不確定性推理的概率論基礎（0.5學時）

了解全概率公式與Bayes公式；

理解樣本空間與隨機事件，事件的概率。

4.3 確定性理論（0.5學時）

理解可信度的概念，C-F模型； 掌握帶加權因子的可信度推理。

4.4 主觀Bayes方法（0.5學時）

了解組合不確定性計算；

掌握知識不確定性表示，證據不確定性表示，結論不確定性的合成。4.5 證據理論（1學時）

掌握D-S理論的形式描述，證據理論的推理模型，推理實例。4.6 可能性理論和模糊推理（0.5學時）掌握模糊知識表示，模糊概念的匹配，模糊推理。4.7 非單調推理（0.5學時）

了解非單調推理的概念及起具有代表性的理論?？己艘?/p>

理解不確定性推理的含義、非單調推理的概念、確定性理論，掌握主觀Bayes方法，能用D-S理論從不同角度刻劃命題的不確定性，能在模糊集的基礎上，實現對模糊命題和模糊知識的表示。

第5章 搜索策略

教學要點

搜索的基本概念和狀態空間、與或樹的各種搜索算法。教學時數

6學時 教學內容

5.1 搜索的基本概念（1學時）

了解搜索的含義；

掌握狀態空間法，問題歸約。

5.2 狀態空間的盲目搜索（2學時）

了解一般圖搜索過程；

掌握廣度優先搜索，深度優先搜索，代價樹搜索。5.3 狀態空間的啟發式搜索（0.5學時）

了解A算法；

理解啟發性信息和估價函數。

5.4 與/或樹的盲目搜索（0.5學時）

了解與/或樹的一般搜索；

掌握與/或樹的的廣度優先搜索，與/或樹的深度優先搜索。5.5 與/或樹的啟發式搜索（0.5學時）

了解與/或樹的啟發式搜索過程； 理解解樹的代價與希望。

5.6 博弈樹的啟發式搜索（0.5學時）

了解極大極小過程，α-β剪枝。考核要求

了解搜索概念，博弈樹的啟發式搜索；掌握狀態空間的盲目搜索和與/或樹的盲目搜索。

第6章 機器學習

教學要點

機器學習的基本概念和各種符號學習方法。教學時數

4學時 教學內容

6.1 機器學習的基本概念（0.5學時）

了解機器學習的發展過程，學習系統，機器學習的分類； 理解學習和機器學習的概念。

6.2 機械式學習（0.5學時）

了解機械學習的過程及其設計要考慮的三個問題。6.3 指導式學習（0.5學時）

了解指導式學習的學習過程。

6.4 歸納學習（0.5學時）

了解歸納學習的類型。

6.5 基于類比的學習（0.5學時）

了解屬性類比學習、轉換類比學習； 理解類比學習的概念。

6.6 基于解釋的學習（0.5學時）

了解解釋學習的空間描述及學習模型； 理解解釋學習的概念；

掌握解釋學習的基本原理及基本過程?？己艘?/p>

了解機器學習的概念，機械式學習，指導式學習，歸納學習；掌握基于解釋學習的基本原理及其基本過程。

第7章 神經網絡及連接學習

教學要點

人工神經網絡的概念和各種連接學習方法。教學時數

2學時 教學內容

7.1 人工神經網絡概述（0.5學時）

了解人工神經元及人工神經網絡人工神經網絡的發展過程，人工神經網絡的局限性； 理解生物神經元及腦神經系統的結構及特征。

7.2 人工神經網絡的互連結構及其學習機理（0.5學時）

了解人工神經網絡學習和記憶的心理學基礎； 理解人工神經網絡的互連結構； 掌握人工神經網絡的學習算法。

7.3 感知器模型及其學習（0.5學時）

了解有關感知器XOR問題求解的討論； 理解感知器模型，感知器學習。

7.4 誤差反向傳播網絡及其學習（0.25學時）

理解B-P網絡結構；

掌握B-P網絡學習的傳播公式，B-P網絡的學習算法。7.5 Hopfield網絡及其學習

（0.25學時）

了解Hopfield模型的穩定性

理解Hopfield網絡的結構； 掌握Hopfield網絡的學習算法。考核要求

了解人工神經網絡及其結構和學習機理；理解感知器、B-P網絡、Hopfield網絡及其B-P網絡；掌握Hopfield網絡的算法。

第8章 自然語言理解

教學要點

自然語言理解的基本概念和分析方法。教學時數

2學時 教學內容

8.1 語言及其理解的基本概念（0.25學時）

了解自然語言與自然語言理解，自然語言理解的研究任務，自然語言理解的發展，自然語言理解的層次。

8.2 語法規則的表示方法（0.25學時）

掌握句子結構的表示，上下文無關文法，變換文法。8.3 語法分析（0.5學時）

掌握自頂向下與自底向上分析； 理解擴充轉移網絡分析。

8.4 語義的分析（0.5學時）

理解語義文法； 掌握格文法。

8.5 自然語言的生成（0.25學時）

了解自然語言生成的概念及生成步驟。

8.6 自然語言理解系統的層次模型（0.25學時）

了解語言理解的層次模型。考核要求

了解自然語言理解的概念，會用語法分析和語義的分析，了解自然語言理解系統的層次模型。

第9章 專家系統

教學要點

專家系統是人工智能的一個重要應用領域,它目前正在從集中、封閉模式向分布、開放模式發展。教學時數

3學時 教學內容

9.1 專家系統的基本概念（0.5學時）

了解專家系統的概念、分類及特點。

9.2 專家系統的基本結構（0.5學時）

了解用戶界面；

理解知識庫、數據庫、推理機、解釋機構、知識獲取機構。9.3 知識獲取（0.5學時）

了解知識獲取方法的分類； 理解知識獲取的任務；

掌握非自動知識獲取，自動知識獲取。

9.4 專家系統的開發與評價（0.5學時）

了解專家系統的開發條件，生命期概念，專家系統開發過程的各個階段。9.5 專家系統開發工具與環境（0.5學時）

了解程專家系統的開發工具與開發環境。9.6 專家系統的進一步發展

（0.5學時）

了解新一代專家系統?？己艘?/p>

了解專家系統的概念、基本結構及其開發工具與環境；掌握非自動知識獲取和自動知識獲取。

第10章 智能決策支持系統

教學要點

智能決策支持系統是人工智能的另一重要應用領域,它是目前迅速興起的網絡商務中的一項重要技術,有著廣闊的應用前景 教學時數

2學時 教學內容

10.1 智能決策支持系統的基本概念（0.5學時）

了解智能決策支持系統；

理解決策與決策過程，決策支持系統。

10.2 決策支持新技術（1學時）

理解數據倉庫、數據開發及其它們的結合。

10.3 智能決策支持系統的基本結構

（0.5學時）

掌握智能決策支持系統的基本結構。考核要求

了解智能決策支持系統及其新技術，知道智能決策支持系統的結構及新結構體系；理解決策與決策過程，決策支持系統；智能決策支持系統的基本結構。

三、參考書目

1、王萬森，《人工智能原理及其應用》，電子工業出版社，2000年9月第一版。

2、林堯瑞、馬少平，《人工智能導論》，清華大學出版社，1989年5月第一版。

3、陳世福、陳兆乾等編，《人工智能與知識工程》，南大出版社，1997年12月第一版。

4、何華燦，《人工智能導論》，西北工業大學出版社，1988。

5、陳汝鈴，《人工智能》，科學出版社，1989。