第一篇：人工智能AI 機器人路徑問題解讀
%%人工智能 機器人路徑問題 function GoodACARPP123 %% n--循環次數 %% m--螞蟻個數 %% a--小方格象素的邊長 %% s--起始點(最短路徑的起始點)%% e--終止點(最短路徑的目的點)%% R--路線矩陣 %% G--地形圖矩陣 %% L--路徑長度矩陣 %% P--選擇概率向量 %% Q--信息素增強系數 %% D--問題節點矩陣 %% DD--鄰接節點矩陣 %% DL--已訪問的節點 %% DN--待訪問的節點 %% DT--要訪問的節點 %% ex--終止點橫坐標 %% ey--終止點縱坐標 %% nn--問題的規模(象素個數)%% inf--無窮大(infinite)%% Tau--信息素矩陣 %% rou--信息素蒸發系數 %% Ant--螞蟻初始位置
%% alpha--表征信息素重要程度的參數 %% beta--表征啟發式因子重要程度的參數 %% Eta--啟發因子矩陣(這里設為距離的倒數)%% Deltatau--信息素增量矩陣
%% Tabootk--禁忌表矩陣(存儲并記錄第t次循環第k只螞蟻的已走路徑)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% clc clear all close all %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%G地形圖為01矩陣%%1表示障礙物%% G=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 1 1 1 0 0 1 1 1 0 1 1 1 1 0 0 0 0 0 0;
0 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 1 1 0 1 1 1 1 0 0 0 0 0 0;
0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0;
0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0;
0 0 1 1 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 0;
0 0 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 1 1 1 0 1 1 0 0 0 0 0 1 1 0;
0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 1 1 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% gm=size(G,1);%%求矩陣G的行數%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% s=1;a=1;Q=1;
m=25;n=50;
e=gm*gm;alpha=1;
beta=7;
rou=0.3;
mint=0;mink=0;D=G2D(G);mintk=inf;Tau=ones(gm*gm,gm*gm);%%初始化信息素矩陣(認為前面的覓食活動中有殘留的信息素)%% Tau=8.*Tau;%%初始化信息素矩陣(認為前面的覓食活動中有殘留的信息素)%% nn=size(D,1);ex=a*(mod(e,gm)-0.5);if ex==-0.5
ex=gm-0.5;end ey=a*(gm+0.5-ceil(e/gm));ee=[ex,ey] Eta=zeros(nn);%%下面構造啟發式信息矩陣%% for i=1:nn
ix=a*(mod(i,gm)-0.5);
if ix==-0.5
ix=gm-0.5;
end
iy=a*(gm+0.5-ceil(i/gm));
if i~=e
%啟發式信息取為當前點至目標點(終點)直線距離的倒數%%
Eta(i)=1/((ix-ex)^2+(iy-ey)^2)^0.5;
else
Eta(i)=100;
end end R=cell(n,m);%%用細胞結構存儲每次循環每只螞蟻的爬行路線%% L=zeros(n,m);%%用矩陣存儲每次循環每只螞蟻爬行路線的總長度%% %%啟動t輪螞蟻覓食活動%%每輪派出m只螞蟻%% for t=1:n
for k=1:m
%%第一步：狀態初始化%%
w=s;%%當前節點初始化為起始點%%
Path=s;%%爬行路線向量初始化%%
pathlen=0;%%爬行路線長度初始化%%
Tabootk=ones(nn);%%禁忌表初始化%%
Tabootk(s)=0;%%已經在初始點了%%因此要排除%%
DD=D;%%鄰接矩陣初始化%%
%%第二步：下一步可以前往的節點%%
DL=DD(w,:);
DLF=find(DL);
for j=1:length(DLF)
if Tabootk(DLF(j))==0
DL(DLF(j))=0;
end
end
DN=find(DL);
dnum=length(DN);%%可選節點的個數%%
%%覓食停止條件：螞蟻未遇到食物或者陷入死胡同%%
while w~=e&&dnum>=1
%%第三步：轉輪賭法選擇下一步怎么走%%
P=zeros(dnum);
for i=1:dnum
P(i)=(Tau(w,DN(i))^alpha)*((Eta(DN(i)))^beta);
end
P=P/sum(P);
Pcum=cumsum(P);%%計算累計概率分布%%
DS=find(Pcum>=rand);
DT=DN(DS(1));
%%第四步：狀態更新和記錄%%
Path=[Path,DT];%%路徑增加%%
pathlen=pathlen+DD(w,DT);%%路徑長度增加%%
w=DT;%%螞蟻移動到下一個節點%%
for ki=1:nn
if Tabootk(ki)==0
DD(w,ki)=0;
DD(ki,w)=0;
end
end
Tabootk(w)=0;%%已訪問過的節點從禁忌表中刪除%%
DL=DD(w,:);
DLF=find(DL);
for j=1:length(DLF)
if Tabootk(DLF(j))==0
DL(j)=0;
end
end
DN=find(DL);
dnum=length(DN);%可選節點的個數
end
%% 第五步：記下每一代每一只螞蟻的覓食路線和路線長度
R{t,k}=Path;
if Path(end)==e
L(t,k)=pathlen;
if pathlen mint=t; mink=k; mintk=pathlen; end else PL(t,k)=0; end end %%第六步：更新信息素%% Deltatau=zeros(nn,nn);%%信息素更新量初始化%% for k=1:m if L(t,k) Route=R{t,k}; rnum=length(Route)-1;%%跳數%% for j=1:rnum x=Route(j); y=Route(j+1); Deltatau(x,y)=Deltatau(x,y)+Q/L(t,k); Deltatau(y,x)=Deltatau(y,x)+Q/L(t,k); end end end Tau=(1-rou).*Tau+Deltatau;%信息素揮發一部分，新增加一部分 end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%繪收斂曲線圖%% Lenmin=zeros(n);for t=1:n Lt=L(t,:); FLt=find(Lt); LFLt=Lt(FLt); Lenmin(t)=min(LFLt);end figure(1)plot(Lenmin)hold on grid on xlabel('循環次數');ylabel('每次循環后路徑長度');title('收斂曲線（最小路徑長度與循環次數關系曲線）');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%繪每次循環螞蟻爬行路線圖%% figure(2)gm=size(G,1); axis([0,gm,0,gm])for i=1:gm for j=1:gm if G(i,j)==1 x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0,0,0]); hold on else x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]); hold on end end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% for t=1:n Lt=L(t,:); minlen=min(Lt); FLt=find(Lt==minlen); k=FLt(1); Route=R{t,k}; Rx=Route; Ry=Route; for i=1:length(Route) Rx(i)=a*(mod(Route(i),gm)-0.5); if Rx(i)==-0.5 Rx(i)=gm-0.5; end Ry(i)=a*(gm+0.5-ceil(Route(i)/gm)); end plot(Rx,Ry) hold on end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%繪最優爬行路線圖%% figure(3)gm=size(G,1);axis([0,gm,0,gm])for i=1:gm for j=1:gm if G(i,j)==1 x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[0,0,0]);%%向左下角畫黑色矩形填充%% hold on else x1=j-1;y1=gm-i; x2=j;y2=gm-i; x3=j;y3=gm-i+1; x4=j-1;y4=gm-i+1; fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);%%向左下角畫白色矩形填充%% hold on end end end %%顏色矩陣[R,G,B]%%[1,1,1]為白色%%[0,0,0]為黑色%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% hold on Route=R{mint,mink};Rx=Route;Ry=Route;for i=1:length(Route) Rx(i)=a*(mod(Route(i),gm)-0.5); if Rx(i)==-0.5 Rx(i)=gm-0.5; end Ry(i)=a*(gm+0.5-ceil(Route(i)/gm));end plot(Rx,Ry)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function D=G2D(G)gm=size(G,1);D=zeros(gm*gm,gm*gm);for i=1:gm for j=1:gm if G(i,j)==0 for ii=1:gm for jj=1:gm if G(ii,jj)==0 im=abs(i-ii);jn=abs(j-jj); if im+jn==1||(im==1&&jn==1)%%找出G(i,j)上下左右鄰近點%% D((i-1)*gm+j,(ii-1)*gm+jj)=(im+jn)^0.5; end end end end end end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 讀書的好處 1、行萬里路，讀萬卷書。 2、書山有路勤為徑，學海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文 5、少壯不努力，老大徒悲傷。 6、黑發不知勤學早，白首方悔讀書遲。——顏真卿 7、寶劍鋒從磨礪出，梅花香自苦寒來。 8、讀書要三到：心到、眼到、口到 9、玉不琢、不成器，人不學、不知義。 10、一日無書，百事荒廢。——陳壽 11、書是人類進步的階梯。 12、一日不讀口生，一日不寫手生。 13、我撲在書上，就像饑餓的人撲在面包上。——高爾基 14、書到用時方恨少、事非經過不知難。——陸游 15、讀一本好書，就如同和一個高尚的人在交談——歌德 16、讀一切好書，就是和許多高尚的人談話。——笛卡兒 17、學習永遠不晚。——高爾基 18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向 19、學而不思則惘，思而不學則殆。——孔子 20、讀書給人以快樂、給人以光彩、給人以才干。——培根 《人工智能》賞析 一、背景情況： 沖著斯匹爾伯格的大名和《人工智能》的片名而去影院的觀眾多半會大吃一驚。不錯，《人工智能》的取名酷似斯氏的名作《外星人》，兩部都屬于科幻影片，片名都可以簡化為短短兩個字母：《人工智能》是《A.I.》，即“artificial intelligence”的縮寫；《外星人》為《E.T.》，乃“extra-terrestrial”的縮寫。但《人工智能》沒有一股暖流涌上心頭的溫馨，從情節上看，它幾乎是《外星人》的對立面。《外星人》中的小孩千方百計把古怪的外星人送回家；《人工智能》中的人類卻把可愛的機器人小孩拋棄在森林里。原來，這是一部披著斯匹爾伯格外衣的斯坦利．庫布里克作品。 （庫布里克介紹：主要作品：《閃靈》、《斯巴達克思》、《巴里林登》、《全金屬外殼》等。1962年的《奇愛博士》、1968年的《2001年漫游太空》及1971年的《發條桔子》合稱為庫布里克的“科幻電影三部曲”。其中《2001年漫游太空》進入百年電影史上十大經典。他的作品探索性很強，著重闡述哲學思想，不斷探求人類的發展方向，多為警世之作，充滿悲觀主義色彩，是一個勇于堅持自我的有性格的導演。60年代移居英國。深居簡出，1999年病逝） 庫布里克和斯皮爾伯格是于1979年在倫敦相識的,庫布里克當時已買下布里安．阿爾迪斯1969年發表的短篇小說《流行了一整個夏天的超級玩具》，很想把它改編成電影，但苦于無法解決大量高科技問題，便擱置了下來。又有一說是，庫布里克是受了斯皮爾伯格的《E.T.》一片的啟發，才想到根據阿爾迪斯的故事拍攝一部“描述一個具有人工智能的孩子極想愛他的真人‘母親’的科幻片”，甚至還提請斯皮爾伯格執導此片。庫布里克在拍攝《大開眼戒》（Eyes Wide Shut）期間曾與斯皮爾伯格討論過《人工智能》的拍攝計劃。當時預計完成《大開眼戒》后就要開拍，不料前年大師剪完《大開眼戒》的預告片后就撒手人間，結果他的好友史蒂芬．斯皮爾伯格接手，斯皮爾伯格僅用三個月就親自寫出了電影劇本，又用了三個月便拍成了影片。 人們對《人工智能》的關注，概括地說，就是兩位大師的相加的結果是2（超級大師的曠世之作）還是0（由于缺乏兼容性而淪為失敗之作）。影片上映之后，給出2或0答案的人不多，人們更感興趣的是到影片中去尋找兩位大師各自留下的印記。 斯皮爾伯格編劇導演的《人工智能》究竟保留了多少庫布里克的原意，因為無法看到庫布里克編寫的劇本，只能在影片中看到一些影子。許多影評人批評斯皮爾伯格給影片設計了一個斯皮爾伯格式的結局，從而大賺觀眾的眼淚。不過，除去斯皮爾伯格有意使用了庫布里克的電影手法外，在影片深層面上似乎還保存了庫布里克那種哲學式的思考。斯皮爾伯格無疑使影片在畫面上變得更為好看。但如果探究這兩位導演最終會對影片影響的不同，要看這兩位導演本身的差異。從某種意義上來說，庫布里克是傾向于哲學層面的電影導演，斯皮爾伯格則是傾向于技術層面的導演。 看銀幕上的成品，《人工智能》應該非常忠實庫布里克的原意。庫氏的作品向來需要“遠距離”欣賞，在推出的當年，不僅普通觀眾反應平平，連奧斯卡評委都不太賞識；但時間越長，這些作品的生命力越加旺盛。人們驚嘆它們的深刻思想性和高超藝術性，忘記了這些不朽名片在當初都屬于“有爭議”的作品。 斯匹爾伯格則屬于那種“遠近咸宜”的電影大師，他的商業片屢屢破票房記錄，他的藝術片能震懾任何階層的觀眾，讓每個人都潸然淚下。 兩個長相截然不同的父母生出來的孩子，如果長得好看，父親那一方會認為小孩像父親，母親那一方會說像母親；如果認為不好看，則自然把罪責推給對方。庫布里克的崇拜者可能會不喜歡斯匹爾伯格的處理，斯氏的追隨者可能會覺得影片不夠親切煽情。有矛盾是必然的，人們說庫布里克是冷酷的，因為他始終在批判著人性的丑陋和靈魂的罪惡。所以，斯皮爾博格的接拍《AI》，很多人不為看好，認為會失去庫布里克的原有內涵。但是斯皮爾博格此次是殘酷的。他讓大衛實現了愿望，卻讓他只快樂了一天，然后必須獨自面對無窮無盡的漫長歲月！機器是無所謂的，但是人呢？ 因此，它會讓期待一個優美童話的觀眾失望。喜歡看麻痹神經、刺激感官、過山車之旅似的好萊塢大片的觀眾也肯定會失望。它讓按部就班套用現存審美準則的人覺得渾身不舒服。 二、本片主題（欣賞本片） 莫尼卡在兒子康復無望、企盼得到一個能交流感情的兒子的心情下，終于打開了大衛“愛的源泉”。這時，大衛那原本光滑得像木雕的臉上，閃過一絲微妙的“復活”表情，他開口叫了一聲“媽媽”。 這一剎那，不僅大衛的性質變了，影片的主題也顯現了。大衛只是一個會叫“媽媽”的機器人嗎？他的愛只是一個程序的體現嗎？人的本質究竟是什么？是有機體還是人性？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？更直接的議題是：在人和機器、真和假之間存在著一道清晰的鴻溝嗎？ 這個問題也就是劇一開始會議上那個工程師所問的：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？ 導演并不打算急著回答這個問題。他只是把David（那個有人工智能的機器人）引到了一對夫婦的家里，以觀后效。 夫婦的兒子終于被治好了。由于他的歸來，David的日子漸漸不好過了。他覺得David剝奪了他應得的“愛”。他設計出了一系列的陰謀，讓父母們對David產生不信任，并覺得他會對他們生命的生命安全產生威脅。在這里，我們看到了人性丑惡的一方面，嫉妒，猜忌，還有自私。我覺得母親的對David的愛本身就是有保留的，而且是自私的。這種所謂的自私，實際上是一種欲望，一種欲求需要。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：第一，那是她的親生兒子；第二，David不是真正的人。可憐的David，他只不過是一個替代品，只不過是一種發泄所謂的“愛”的欲望的工具而已。從某種角度而言，David跟玩物、隱形眼鏡，甚至安全套一樣，“用完即棄”。因此，令人懷疑母親早前對David的照顧是不是愛？是真愛還是假愛？ 接著，影片展現了未來世界機器人悲慘生活的情景，他們只是想使用廢舊零件來茍且殘存，延續“生命”。但人類還是不甘心，要將他們趕盡殺絕。David也被捕獲了，他遇到了“男公關”機器人。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。 人們極盡想象、殘忍之能事，機器人們的“死法”千奇百怪。人們在這種殘酷無情的毀滅中獲得樂趣。這時候電影的主題被強化了：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。看似極度發達文明的人類社會仿佛倒退到了野蠻的奴隸社會。這使我聯想到了如今的克隆技術——如果人類將克隆人當成一種工具，那將是多么可怕的一件事情！ 你若覺得此處觀眾席上的奧嘎太過殘忍，不夠真實，他們其實是莫尼卡一家的變異。我們如能理解莫尼卡那具有人情味的歧視行為，進一步想象那些具有滅絕性的歧視行為也就不難了。 于此同時，機器人正往“人”的概念行走，舞男喬和大衛懂得了只有屬于“人類”才有的親情和友情。而“人”卻一步步走向死亡的結局。 大衛來到一幢高樓，找到了一家公司，見到了他真正的“父母親”，即Cybertronics公司的教授。當教授前去召集員工時，大衛發現了一排排跟他長得一模一樣的麥卡小孩。正如教授所說，他不是獨一無二的，但他是“頭一個”。此時，大衛具有了只有“人”才有的“人生觀”，而且，他的“人生觀”受到挑戰：所有的父母都說自己的孩子是獨一無 二、舉世無雙的，但他只是一個可以不斷復制的生產線產品。“媽媽”怎么會愛他呢？他坐在窗臺上思量著，絕望地跳進汪洋中。 自此，至少從另一意義上說，大衛已由機器異化成了人。他執著地追求著愛，人類的愛。 即使面對如此殘酷的現實，大衛也始終沒有放棄他的追求——他仍然想成為一個真正意義上的人。 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??我時常在想：這是一個怎樣的結局？美好的嗎？悲慘的嗎？被克隆出來的莫尼卡是一個沒有記憶的人。也許只有這樣，莫尼卡才會把大衛當成自己的同類。而大衛也會因此而得到莫尼卡的愛，從這個角度上來說，結尾算是以喜劇收場。然而從另外一個層面上說，這樣的結局無形中又陷入了一個怪圈：二者的位置被完全替換了——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？影片只好將開始探討的那個問題留給了觀眾，這是一個既讓人深思又不得其解的結尾。 三、關于演員及表演： 在斯氏的作品中，演員都能發揮出自己的最佳狀態。本片中大衛的扮演者海利．喬．奧斯蒙特和阿喬的扮演者裘德．洛尤為出色。說奧斯蒙特是有史以來最有天賦的童星一點也不夸張，一般的童星(如流行一時的秀蘭．鄧波爾和麥考利．考爾金)都是靠乖巧來取悅觀眾，而奧斯蒙特在最近這幾部片中全部需要高難度的演技，絕非扮天真可以打發。怪不得好萊塢圈內人士感嘆到，以前只有解數學題或下象棋的神童，如今總算出了一個會演戲的神童。不信，你看他會不會隨著年齡的增長而被淘汰(大多數童星都過不了15歲這個坎)。 奧斯蒙特曾經憑借《第六感》獲得過奧斯卡最佳男配角提名。作為本片的焦點，他在此片中展露出了令人贊嘆的表演天賦。舉一個例子就能說明：斯皮爾伯格對他說，機器人是不會眨眼的。因此，奧斯門特竟然從頭到尾從未眨過眼。他做到了處處讓你感到他不是真人。比如坐座位，他的身子挺得很直，不像人類有時會仰著或躺著。此外，片中的主角大衛作為一個機器人需要有一些面部上的痙攣和特殊動作，這就要求他得展現很多成年人缺乏的面部表情和特有的控制能力，而這位演技出眾的小童星對這一切駕輕就熟，無可挑剔。劇情發展到大衛被莫尼卡拋棄的那一段戲時最讓我感動不已。一個即將被遺棄的孩童所表現出那種精神上的脆弱，在奧斯蒙特的那段非常富有感染力的表演下顯得真實可信，就連觀眾也為之動容，幾欲落淚。 大衛在戲中非常微妙而分階段地融合了人跟機器的特征，隨著他跟人的交往越來越多，他的機器特性逐步削弱。裘德．洛的表演沒有奧斯蒙特那么可圈可點，但這位英國大帥哥對喜劇的分寸感把握得非常好，演繹了一個維多利亞時代的浪漫英雄和未來貓王的綜合體，諧趣而不油滑，使人物起到了絕佳的陪襯和對位作用。 四、關于本片特技與科幻色彩： 如果你是以一部純科幻片的角度來欣賞這部電影作品，勢必會讓你心灰意冷。通常在觀眾的眼里，一部優秀的科幻電影往往是電腦特技的展示會。但在此片中能夠看到的特技鏡頭確實寥寥無幾。大名鼎鼎的工業光魔公司(ILM)大概把所有精力全部集中在了那個玩具熊身上了吧。不難發現，在繼《辛德勒的名單》、《拯救大兵瑞恩》以后，善于拍攝科幻電影的斯皮爾伯格在這部戲里降低了娛樂成分較高的電腦特技，從服裝上就能看出，當時服裝想做出未來的樣子，但斯氏說不要離現實太遠。因此，斯氏是力圖讓這部帶有科幻色彩的《A.I》向一部有思想性的藝術電影靠齊，也從側面反映了今日這位偉大導演在創作理念上的某種變化。 OTHERS： (無眠的顫抖？)永恒的是愛，渴求倒未必。若是人類怎么會有愛著某人的使命，怎么會有被造出來的目的，而david是有使命燒在他的“靈魂”上的。這一定的執拗讓我不是很適應。 人類是很復雜的，機器的目的才是純粹。這一點對我來說，是兩者的鴻溝之一。 david應該去尋找為什么自己會愛著那個人，即使找不到原因，卻依然沒有辦法割舍掉自己的思念。這才是他能夠反思自己被如何創造出來的自覺性，才是他真正開始思考自己存在的自主性，而不是毫無自覺地皈依所謂程序的命令。 如果david僅僅是一個人類回憶的容器，那么他就終究只是一個投影儀，談不到他自身的存在。片子這兩股勁對我來說，有那么一些擰著。。 (常在豆瓣走，脾氣也變抖~)看完才知道不是什么科幻片，與人類相比，David是干癟的，他干癟得只剩下愛的執著，而人類實在聰明太多，聰明到不能用純粹去溝通交流。在智能機器人面前，我為人類汗顏。而關于未來機械發展，不是科技沒準備好，而是倫理沒準備好。 所以當后來monica感受到david對兒子martin的生命威脅時，她再也顧不上對david僅存的一點兒憐惜，像扔垃圾一樣把果斷的把david遺棄了。或許，在以后的日子里，想到這件事情，monica心里也會留有一絲隱痛，但她一定會安慰自己：他不過是機器人而已。 這就是在影片一開始的那場關于道德的爭論。關于結果，在david和monica的故事中默默的告訴了我們，機器永遠忠誠的愛著人，但人卻沒有相應的責任去回報這種愛。 人工智能將讓數千萬老師下崗？ 真正的人工智能在教育領域的落地，不僅僅是對學生的用戶行為進行分析，更重要在于，減輕老師工作量，解放家長的時間和精力。 當前中國師生比例嚴重偏低，一個老師帶著幾十名學生，有的甚至上百名，要做到有針對性的個性化教育，幾乎是不可能的事。 而在家庭教育方面，我所認識的鄰居，朋友，很多都是全職媽媽，幾乎把所有時間都花在了照顧孩子的事情之上，其中輔導孩子學習，又占據了大部分時間，孩子放學回來，或者周末，基本上全程陪著孩子寫作業。這還是有條件的家庭，而且還是少數，絕大部分家庭，父母忙于工作，是沒有時間輔導孩子學習的，有的父母，雖然有時間輔導，但自身知識問題，已經達不到輔導孩子學習的水平了；而有的家長，有時間，有知識能力，但沒有精力，或者沒有耐心輔導，這個問題也非常普遍。 谷鳥智能目前在做的事，是研發AI老師--谷鳥老師，利用人工智能技術，降低老師工作量，解放家長時間精力，讓每個家庭、每個孩子都擁有自己的專屬老師。 谷鳥智能認為，谷鳥老師僅僅是對學生進行服務，還遠遠無法滿足當前教育需求。如果把谷鳥老師進行延伸并升級為面向家庭、學校的產品，從而整合為一套端對端的解決方案，為家長或者老師提供教學解決方案，提供學習路徑、數據采集、標注等一整套服務，無疑會更快地促進AI技術在教育領域的應用。 真正的人工智能在教育領域的落地應用，不是簡單地利用數據統計分析技術來統計分析下學生的成績、錯題，而是在于是否降低老師工作量、是否解放家長精力、是否讓學生得到更多的個性化輔導服務。現在很多在線教育公司都在炫耀自己是人工智能在線教育，而實際上主要還是在線視頻教學，只是對外披了一層人工智能技術的外衣，利用IT技術統計下學生成績和作業數據, 這些統計分析技術在10幾年前都已經應用了。 人工智能在教育領域的落地應用，一定是減輕老師工作，解放家長的同時，學生得到更多的個性化指導服務。 谷鳥老師 谷鳥老師最核心功能是，象真人老師一樣去指導學生學習。傳統的在線教育，要么是給學生一個事先錄制好的視頻，要么是真人在線直播講課，前者談不上對學生的個性化輔導教學，后者則要么是大班在線教學，和學校一樣，要么就是學費高昂的一對一教學。 谷鳥老師當前版本為1.0版本，適合6-12歲學生，特別是幼升小孩子。 1.在線田字格字帖練字 app在線生成田字格字帖，支持筆順，完全免費。漢字為小學一二年級必須掌握的1000多漢字，孩子學會后，具備基本的閱讀能力，能夠自己閱讀簡單的繪本圖書。 被小學低年級語文課本作為生字詞的展示方式。小學時期，特別是低年級階段，是學習漢字書寫的關鍵時期，使用本系統生成田字格字帖，讓低年級小學生逐漸將漢字寫規范，養成正確的漢字筆順書寫習慣，給以后的語文學習和漢字書寫打下堅實的基礎。 其次，田字格便于筆畫練習。初學文字書寫者都要從基本筆畫的書寫開始學習。在田字格中方便練習筆畫書寫。橫中線與豎中線是書寫者最基本參照線。例如書寫頓筆之后走向不同的三種撇：平撇、斜撇與豎撇，根據這三種撇與豎中線構成的不同夾角來區分這三種撇。平撇末端的出鋒處，即與橫中線基本平行；斜撇的軌跡，與橫中線或豎中線構成不同的角度，而起筆從豎中線開始，與豎中線的夾角在30度到50度左右；豎撇的練習，也可以將豎中線作為基準線，即從起筆至開始變豎為撇的線段都寫在豎中線上，“先豎后撇”中的“撇”段的寫法與斜撇基本一致。除此之外，橫、豎與其他由單筆構成的復合筆畫都可以在田字格中找到相應的參照線或參照點，只要解決好定位問題，筆畫在田字格中的書寫也就很順利了。 2.朗讀句子 App通過語音智能技術朗讀句子給孩子聽，孩子聽后再自己跟著朗讀，app自動判斷是否朗讀正確。App中的句子均為日常用語，孩子容易聽懂容易記住，基本上跟讀1，2次就記住了。通過此功能，節省了家長很多朗讀時間。 按國家語文能力新綱要的主旨，語言教育應是聽、說、讀、寫、觀察、表演、思維、想象、操作等行為的綜合培養，因此在語文活動時教師應抓住各種契機，增強語感，積累詞匯，為學生說得好、說的妙打下堅實的基礎。 家長平時在家里要流出時間讓孩子多多讀，多背，多積累。通過朗讀感悟語言；通過朗讀，熟讀成誦，積累語言，豐富詞匯；通過朗讀，練得口齒伶俐，提高口語表達能力。 3.唐詩朗讀 App上孩子可以朗誦唐詩，唐詩均采自2017年部編教材小學語文，總共135首。孩子開始不會朗讀，可以點擊app上的“播放”按鈕，聽讀完后，再自己朗讀。朗讀評分算法，除了發音準確外，還把朗讀聲音大小也列入評分因素，鼓勵孩子大聲朗讀。 教育部統一組織新編的義務教育道德與法治、語文、歷史教材。其中，語文教材的一個重大變化就是大幅增加古詩文篇目，以落實中華優秀傳統文化教育。 4.口才演講 口才對于一個人來說，非常重要，這點大家都知道。如果從小鍛煉孩子的演講、解說、辯論、主持等能力便可以增強孩子的自信心，提高孩子的心理素質，對孩子的前途將產生非常大的影響。 為此，app基于人工智能技術，提供了孩子口才演講能力訓練功能。目前系統經過人工智能訓練的演講模板為自我介紹，特別適合于6-12歲小孩的自我介紹訓練。 谷鳥老師最終的目的是要用人工智能技術代替老師嗎？ 谷鳥老師主要解決的問題是，以AI老師為角色，安排、輔導孩子每天的學習，減輕老師的工作量，同時提升學生獲得的個性化指導教育服務，盡可能減少家長的參與，最大限度釋放家長時間和精力。所以說，谷鳥老師并不是要用人工智能技術替代老師這一角色，人工智能畢竟是機器模仿人工的信息技術，從全局角度而言，它永遠只是輔助人類，替人類分擔某部分工作。比如說在語音類，英語口語，谷鳥老師將來，將可以代替真人老師，實現和學生的口語練習，承擔陪練角色。 谷鳥老師當前已經實現了針對6-12歲孩子的語文學習輔導功能，未來拓展到幼升小能力準備，包括英語口語、奧數、語文閱讀、作文，以及國學等。將來，谷鳥老師也將更多地深耕教育垂直細分領域，比如職業學校中旅游酒店專業，學生需要掌握一定的英語口語，谷鳥老師就可以扮演外籍客人，和學生進行導游或者酒店接待中的英語場景練習了。 人工智能學科誕生于20世紀50年代中期，當時由于計算機的產生與發展，人們開始了具有真正意義的人工智能的研究。（雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才注意到人類智能與機器之間的聯系.Norbert Wiener是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動調溫器.它將收集到的房間溫度與希望的溫度比較,并做出反應將加熱器開大或關小,從而控制環境溫度.這項對反饋 回路的研究重要性在于: Wiener從理論上指出,所有的智能活動都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發現對早期AI的發展影響很大。） 1956年夏，美國達特莫斯大學助教麥卡錫、哈佛大學明斯基、貝爾實驗室申龍、IBM公司信息研究中心羅徹斯特、卡內基——梅隆大學紐厄爾和赫伯特.西蒙、麻省理工學院塞夫里奇和索羅門夫，以及IBM公司塞繆爾和莫爾在美國達特莫斯大學舉行了以此為其兩個月的學術討論會，從不同學科的角度探討人類各種學習和其他職能特征的基礎，并研究如何在遠離上進行精確的描述，探討用機器模擬人類智能等問題，并首次提出了人工智能的術語。從此，人工智能這門新興的學科誕生了。這些青年的研究專業包括數學、心理學、神經生理學、信息論和電腦科學，分別從不同角度共同探討人工智能的可能性。他們的名字人們并不陌生，例如申龍是《信息論》的創始人，塞繆爾編寫了第一個電腦跳棋程序，麥卡錫、明斯基、紐厄爾和西蒙都是“圖靈獎”的獲獎者。 這次會議之后，在美國很快形成了3個從事人工智能研究的中心，即以西蒙和紐威爾為首的卡內基—梅隆大學研究組，以麥卡錫、明斯基為首的麻省理工學院研究組，以塞繆爾為首的IBM公司研究組。隨后，這幾個研究組相繼在思維模型、數理邏輯和啟發式程序方面取得了一批顯著的成果： （1）1956年，紐威爾和西蒙研制了一個“邏輯理論家“（簡稱LT）程序，它將每個問題都表示成一個樹形模型,然后選擇最可能得到正確結論的那一枝來求解問題，證明了懷特黑德與羅素的數學名著《數學原理》的第2章中52個定理中的38個定理。1963年對程序進行了修改，證明了全部定理。這一工作受到了人們的高度評價，被認為是計算機模擬人的高級思維活動的一個重大成果，是人工智能的真正開端。 （2）1956年，塞繆爾利用對策論和啟發式搜索技術編制出西洋跳棋程序Checkers。該程序具有自學習和自適應能力，能在下棋過程中不斷積累所獲得的經驗，并能根據對方的走步，從許多可能的步數中選出一個較好的走法。這是模擬人類學習過程第一次卓有成效的探索。這臺機器不僅在1959年擊敗了塞繆爾本人，而且在1962年擊敗了美國一個州的跳棋冠軍，在世界上引起了大轟動。這是人工智能的一個重大突破。 （3）1958年，麥卡錫研制出表處理程序設計語言LISP，它不僅可以處理數據，而且可以方便的處理各種符號，成為了人工智能程序語言的重要里程碑。目前，LISP語言仍然是研究人工智能何開發智能系統的重要工具。 （4）1960年紐威爾、肖和西蒙等人通過心理學實驗，發現人在解題時的思維過程大致可以分為3個階段：1。首先想出大致的解題計劃；2。根據記憶中的公理、定理和解題規劃、按計劃實施解題過程；3.在實施解題過程中，不斷進行方法和目標分析，修改計劃。這是一個具有普遍意義的思維活動過程，其中主要是方法和目的的分析。（也就是人們在求解數學問題通常使用試湊的辦法進行的試湊是不一定列出所有的可能性，而是用邏輯推理來迅速縮小搜索范圍的辦法進行的），基于這一發現，他們研制了“通用問題求解程序GPS”，用它來解決不定積分、三角函數、代數方程等11種不同類型的問題，并首次提出啟發式搜索概念，從而使啟發式程序具有較普遍的意義。 （5）1961年，明斯基發表了一篇名為《邁向人工智能的步驟》的論文，對當時人工智能的研究起了推動作用。 正是由于人工智能在20世紀50年代到60年代的迅速發展和取得的一系列的研究成果，使科學家們歡欣鼓舞，并對這一領域給予了過高的希望。紐威爾和西蒙在1958年曾作出以下預言： ①不出十年，計算機將成為世界象棋冠軍，除非規定不讓它參加比賽； ②.不出十年，計算機將發現并證明那時還沒有被證明的數學定理； ③.不出十年，計算機將譜寫出具有較高美學價值并得到評論家認可的樂曲； ④不出十年，大多數心理學家的理論將采用計算機程序來形成。 非常遺憾的是，到目前為止，這樣的預言還沒有一個得到完全的實現，人工智能的研究狀況比紐威爾和西蒙等科學家的設想要復雜和艱難的多。事實上，到了20世紀70年代初，人工智能在經歷一段比較快速的發展時期后，很快就遇到了許多問題。這些問題主要表現在： （1）1965年魯賓遜發明了歸結（消解）原理，曾被認為是一個重大的突破，可是很快這種歸結法能力有限，證明兩個連續函數之和還是連續函數，推證了十萬步竟還沒有得證。 （2）塞繆爾的下棋程序，贏得了周冠軍后，沒能贏全國冠軍。 （3）機器翻譯出了荒謬的結論。如從英語→俄語→英語的翻譯中，又一句話：“The spirit is willing but the flesh is weak”(心有余而力不足)，結果變成了”The wine is good but the meat is spoiled”(酒是好的，肉變質了)，鬧出了笑話。 （4）大腦約有10的15次方以上的記憶容量，此容量相當于存放幾億本書的容量，現有的技術條件下在機器的結構上模擬人腦是不大可能的。 （5）來自心理學、神經生理學、應用數學、哲學等各界的科學家們對人工智能的本質、基本原理、方法及機理等方面產生了質疑和批評。 由于人工智能研究遇到了困難，使得人工智能在20世紀70年代初走向低落。但是，人工智能的科學家沒有被一時的困難所嚇倒，他們在認真總結經驗教訓的基礎上，努力探索使人工智能走出實驗室，走向實用化的新路子，并取得了令人鼓舞的進展。特別是專家系統的出現，實現了人工智能從理論研究走向實際應用，從一般思維規律探索走向專門知識應用的重大突破，是人工智能發展史上的重大轉折，將人工智能的研究推向了新高潮。下面是幾個又代表性的專家系統： （1）1968年斯坦福大學費根鮑姆教授和幾位遺傳學家及物理學家合作研制了一個化學質譜分析系統（DENDARL），該系統能根據質譜儀的數據和核磁諧振的數據，以及有關化學知識推斷有機化合物的分子結構，達到了幫助化學家推斷分子結構的作用。這是第一個專家系統，標志著人工之能從實驗室走了出來，開始進入實際應用時代。 （2）繼DENDARAL系統之后，費根鮑姆領導的研究小組又研制了診斷和治療細菌感染性血液病的專家咨詢系統MYCIN。經專家小組對醫學專家、實習醫師以及MYCIN行為進行正式測試評價，認為MYCIN的行為超過了其他所有人，尤其在診斷和治療菌血癥和腦膜炎方面，顯示了該系統作為臨床醫生實際助手的前途。從技術的角度來看，該系統的特點是：1。使用了經驗性知識，用可信度表示，進行不精確推理。2.對推理結果具有解釋功能，時系統是透明的。3.第一次使用了知識庫的概念。正是由于MYCIN基本解決了知識表示、知識獲取、搜索策略、不精確推理以及專家系統的基本結構等重大問題（是怎樣解決的呢？），對以后的專家系統產生了很大的影響。 （3）1976年，斯坦福大學國際人工智能中心的杜達等人開始研制礦藏勘探專家系統PROSPECTOR，它能幫助地質學家解釋地質礦藏數據，提供硬巖石礦物勘探方面的咨詢，包括勘探測評，區域資源估值，鉆井井位選擇等。該系統用語義網絡表示地質知識，擁有15中礦藏知識，采用貝葉斯概率推理處理不確定的數據和知識。PROSPECTOR系統于1981年開始投入實際使用，取得了巨大的經濟效益。例如1982年，美國利用該系統在華盛頓發現一處礦藏，據說實用價值可能超過1億美元。 （4）美國卡內基—梅隆大學于20世紀70年代先后研制了語音理解系統HEARSAY-I加入HEARSAY-II，它完成從輸入的聲音信號轉換成字，組成單詞，合成句子，形成數據庫查詢語句，再到情報數據庫中去查詢資料。該系統的特點是采用“黑板結構”這種新結構形式，能組合協調專家的知識，進行不同抽象級的問題求解。 在這一時期，人工智能在新方法、程序設計語言、知識表示、推理方法等方面也取得了重大進展。例如70年代許多新方法被用于AI開發,著名的如Minsky的構造理論.另外David Marr提出了機器視覺方面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信息,可以推斷出圖像可能是什么，法國馬賽大學的柯爾麥倫和他領導的研究小組于1972年研制成功的第一個PROLOG系統，成為了繼LISP語言之后的另一種重要的人工智能程序語言；明斯基1974年提出的框架理論；紹特里夫于1975年提出并在MYCIN中應用的不精確推理；杜達于1976年提出并在PROSPECTOR中應用的貝葉斯方法；等等 人工智能的科學家們從各種不同類型的專家系統和知識處理系統中抽取共性，總結出一般原理與技術，使人工智能又從實際應用逐漸回到一般研究。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進行了探索，并在知識獲取、知識表示以及知識在推理過程中的利用等方面開始出現一組新的原理、工具和技術。1977年，在第五屆國際人工智能聯合會（IJCAI）的會議上，費根鮑姆教授在一篇題為《人工智能的藝術：知識工程課題及實例研究》的特約文章中，系統的闡述了專家系統的思想，并提出了知識工程（KnowledgeEngineering）的概念。費根鮑姆認為，知識工程是研究知識信息處理的學科，它應用人工智能的原理和方法，對那些需要專家知識才能解決的應用難題提供了求解的途徑。恰當的運用專家知識的獲取、表示、推理過程的構成與解釋，是設計基于知識的系統的重要技術問題。至此，圍繞著開發專家系統而開展的相關理論、方法、技術的研究形成了知識工程學科。知識工程的研究使人工智能的研究從理論轉向應用，從基于推理的模型轉向基于知識的模型。 為了適應人工智能和知識工程發展的需要，在政府的大力支持下，日本于1982年開始了為期10年的“第五代計算機的研制計劃”，即“知識信息處理計算機系統KIPS”，總共投資4.5億美元。它的目的是使邏輯推理達到數值運算那樣快。日本的這一計劃形成了一股熱潮，推動了世界各國的追趕浪潮。美國、英國、歐共體、蘇聯等都先后制訂了相應的發展計劃。隨著第五代計算機的研究開發和應用，人工智能進入一個興盛時期，人工智能界一派樂觀情緒。 然而，隨著專家系統應用的不斷深入，專家系統自身存在的知識獲取難、知識領域窄、推理能力弱、只能水平低、沒有分布式功能、實用性差等等問題逐步暴露出來。日本、美國、英國和歐洲所制訂對那些針對人工智能的大型計劃多數執行到20世紀80年代中期就開始面臨重重困難，已經看出達不到預想的目標。進一步分析便發現，這些困難不只是個別項目的制訂又問題，而是涉及人工智能研究的根本性問題。總的來講是兩個問題：一是所謂的交互（Interaction）問題，即傳統方法只能模擬人類深思熟慮的行為，而不包括人與環境的交互行為。另一個問題是擴展（Scaling up）問題，即所謂的大規模的問題，傳統人工智能方法只適合于建造領域狹窄的專家系統，不能把這種方法簡單的推廣到規模更大、領域更寬的復雜系統中去。這些計劃的失敗，對人工智能的發展是一個挫折。 盡管經歷了這些受挫的事件,AI仍在慢慢恢復發展.新的技術在日本被開發出來,如在美國首創的模糊邏輯,它可以從不確定的條件作出決策;還有神經網絡,被視為實現人工智能的可能途徑.1982年后，人工神經網絡像雨后春筍一樣迅速發展起來，給人們帶來了新的希望。人工神經網絡的主要特點是信息的分布存儲和信息處理的并行化，并具有自組織自學習能力，這使人們利用機器加工處理信息有了新的途徑和方法，解決了一些符號方法難以解決的問題，使人工智能的學術界興起了神經網絡的熱潮。1987年美國召開了第一次神經網絡國際會議，宣布新學科的誕生。1988年以后，日本和歐洲各國在神經網絡方面的投資逐步增加，促進了該領域的研究。但是隨著應用的深入，人們又發現人工神經元網絡模型和算法也存在問題。 20世紀80年代末，以美國麻省理工學院布魯克斯（R.A.Brooks）教授為代表的行為主義學派提出了“無須表示和推理”的智能，認為智能只在與環境的交互中表現出來，并認為研制可適應環境的“機器蟲”比空想智能機器人要好。以后，人工智能學術界充分認識到已有的人工智能方法僅限于在模擬人類智能活動中使用成功的經驗知識處理簡單的問題，開始在符號機理與神經網機理的結合及引入Agent系統等方面進一步開展研究工作。20世紀90年代，所謂的符號主義、連接主義和行動主義3種方法并存。對此，中國學者認為這3種方法各有優缺點，他們提出了綜合集成的方法，即不同的問題用不同的方法來解決，或用聯合（混合、融合）的方法來解決，再加上人工智能系統引入交互機制，系統的智能水平將會大為提高。 總而言之，盡管人工智能的發展經歷了曲折的過程，但它在自動推理、認知建模、機器學習、神經元網絡、自然語言處理、專家系統、智能機器人等方面的理論和應用上都取得了稱得上具有“智能”的成果。許多領域將知識和智能思想引入到自己的領域，使一些問題得以較好的解決。應該說，人工智能的成就是巨大的，影響是深遠的。 讀書的好處 1、行萬里路，讀萬卷書。 2、書山有路勤為徑，學海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文 5、少壯不努力，老大徒悲傷。 6、黑發不知勤學早，白首方悔讀書遲。——顏真卿 7、寶劍鋒從磨礪出，梅花香自苦寒來。 8、讀書要三到：心到、眼到、口到 9、玉不琢、不成器，人不學、不知義。 10、一日無書，百事荒廢。——陳壽 11、書是人類進步的階梯。 12、一日不讀口生，一日不寫手生。 13、我撲在書上，就像饑餓的人撲在面包上。——高爾基 14、書到用時方恨少、事非經過不知難。——陸游 15、讀一本好書，就如同和一個高尚的人在交談——歌德 16、讀一切好書，就是和許多高尚的人談話。——笛卡兒 17、學習永遠不晚。——高爾基 18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向 19、學而不思則惘，思而不學則殆。——孔子 20、讀書給人以快樂、給人以光彩、給人以才干。——培根 人工智能結課論文 系別：計算機科學與技術系 班級：姓名：于靜學號： 13計算機專接本一班 知識處理 ***0 摘要：進入2l 世紀，計算機硬件和軟件更新的速度越來越快，計算機這個以往總給人以冷冰冰的機器的形象也得到了徹底的改變。人機交互的情形越來越普遍，計算機被人類賦予了越來越多的智能因素。伴隨著人類把最新的計算機技術應用于各個學科，對這些學科的認知也進入了日新月異的發展階段，促使大量的新的研究成果不斷涌現。例如：“人機大戰”中深藍計算機輕松的獲勝、人類基因組排序工作的基本完成、人類大腦結構性解密、單純器官性克隆的成功實現等等。隨著計算機這個人類有史以來最重要的工具的不斷發展，伴隨著不斷有新理論的出現，人類必須重新對它們進行分析和審視。知識處理是人工智能這一科學領域的關鍵問題。本文對知識處理的核心問題之——識的表示進行了全面的綜述目前流行的知識表達方式不下十種，在此只介紹一階謂詞邏輯、產生式、語義網絡、框架、混合等目前最常用的知識表示方法。并對其進行了優缺點分析及簡單對比。最后對知識表示的發展趨向作出了展望。 關鍵詞：知識 人工智能（AI） 知識表達式 一階謂詞邏輯 產生式 語義網絡 框架 一、知識和知識的表示 1、知識的概念 知識是人類世界特有的概念，他是人類對客觀世界的一種比較準確、全面的認識和理解的結晶。(1)知識只有相對正確的特性。常言道：實踐出真理。只是源于人們生活、學習與工作的實踐，知識是人們在信息社會中各種實踐經驗的匯集、智慧的概括與積累。只是愛源于人們對客觀世界運動規律的正確認識，是從感知認識上升成為理性認識的高級思維勞動過程的結晶，故相應于一定的客觀環境與條件下，只是無疑是正確的。然而當客觀環境與條件發生改變時，知識的正確性就接受檢驗，必要時就要對原來的認識加以修改和補充，一至全部更新而取而代之。例如知道1543年哥白尼學說問世之前，人們一直都以為地球是宇宙的核心；再有：人們都知道一個關于“瞎子摸象”的故事，它通俗地說明了完整的只是形式是一個復雜的智能過程。通常人們獲取知識的重要手段是：利用信息，把各種信息提煉、概括并關聯在一起，就形成了知識。而利用信息關聯構成知識的形式有多種多樣。 (2)知識的確定與不確定性如前說述，知識有若干信息關聯的結構組成，但是，其中有的信息是精確的，有的信息卻是不精確的。這樣，則由該信息結構形成的知識也有了確定與不確定的特征。例如，在我國中南地區，根據天上出現彩虹的方向及其位置，可以預示天氣的變化。有諺語曰：“東邊日（晴天），西邊雨。”但是，這只是一種常識性經驗，并不能完全肯定或否定。再如：家有一頭秀發，一時兩鬢如霜。我們則認為家一定是年輕人，乙就是老年人嘛？不能完全肯定，因為相反的事例是很多的。比如，當年的白毛女就不是老人，而現在六十多歲的演員有一頭黑發也不足為奇。 2、知識表達及其映像原理 智能機器系統如同智能生物一樣，在運用知識進行信息交流或只能問題求解時，都需要預先進行知識表示。進而實現知識調用，達到利用知識求解問題的目的。因而只是表示是知識信息處理系統必不可少的關鍵環節。對智能機器系統而言只是表示，實際上就是對知識的一種描述或約定。其本質，就是采用某種技術模式，八所要求解決的問題的相關知識，映射為一種便于找到該問題解的數據結構。對知識進行表示的過程，實質上就是把相關只是映射（或稱為變換：Transformation；或稱為映像：Mapping；或稱為編碼：Coded）為該數據結構的過程。如圖1。 圖1 只是表達及其映射原理 如圖，其目標是要對復雜的智能性問題實現機器求解，但機器直接對原始問題求解難度很大，可采用知識表達的映射原理，把原始問題映射為它的一種同構或同態問題，然后在對同構或同態問題求出它的解答，則相對容易而方便。順便指出：同構解答與原始問題有相同的形式解，然而對于同態問題，如果得到原始解，只需對同臺解答再施行反運算即可。在自然科學實際應用研究中，利用映射（稱之為變換）原理迂回求解的思想，是一種非常有效而廣為使用的重要手段。目前比較常見的知識表達方法主要有：常用的知識表示方法：一階謂詞邏輯表示法，產生式表示法，框架表示法，語義網絡表示法，腳本表示法，過程表示法，面向對象表示法，神經網絡表示法。如圖2 二、常用知識表示法： 2.1一階謂詞邏輯表示法： 一階謂詞邏輯表示法是目前應用最廣的方法之一，在AI系統上已經得到了應用。它是通過分析命題內容和謂詞邏輯，盡可能正確地表述它的各種意境的過程。知識的謂詞邏輯表示符合人的思維習慣，可讀性好，邏輯關系表達簡便。使用謂詞邏輯既便于表達概念、狀態、屬性等事實性知識，又能方便地采用謂詞公式的表達形式，進行各種智能行為的過程性描述與演繹推理。一階謂詞的一般形式為P(x1，x2，?，xn)其中P是謂詞名，xi為個體常量、變元，或函數。例如：STUDENT(zhangsan)：zhangsan是學生 STUDENT(x)：x是學生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父親是教師。在一階謂詞表示法中連接詞是非常重要的其中： 連接詞：?、∨、∧、→、? 量詞：?、? (?x)P(x)為真、為假的定義 (?x)P(x)為真、為假的定義 結合具體事例可以看到一階謂詞邏輯在知識表示法中的優越性： 李明是計算機系的學生，但他不喜歡編程。定義謂詞： COMPUTER(x):x是計算機系的 學生 LIKE(x,y):x喜歡y 謂詞公式為： LIKE(liming，programming)COMPUTER(liming)∧ 謂詞邏輯是一種傳統經典也是最基本的形式化方法。謂詞邏輯知識表示規范性嚴，邏輯性強，自然性好，推理過程嚴密，易于實現。這些優良特性使得謂詞邏輯最早用于人工智能機器定理證明，并獲得了成功。但是必須看到，謂詞邏輯屬于標準的二值（T與F）邏輯，難以直接進行不確定性問題的處理。對于復雜系統的求解問題，容易陷入冗長演繹推理中，常常不可避免地帶來求解效率低,甚至產生“組合爆炸”問題。因此，針對謂詞邏輯，尚待人們不斷加以改進，以尋求自然性好而效率更高的技術方法。 2.2產生式表示法 目前，產生式表示方法是專家系統的第一選擇的知識表達方式。是美國數學家Post在1943年提出了一種計算形式體系里所使用的術語。產生式表示的基本形式為：（1）確定性知識的表示： 產生式形式：P→Q或者IF P THEN Q 它的含義：如果前提P滿足，則可以推出結論Q或執行Q操作。例如：IF CLEAR(B)AND HANDEMPTYTHEN Pickup(B)如果積木B上是空的，且機械手空，則機械手從桌面上抓起積木B。（2）不確定知識的表示： 產生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不確定推理中，當已知事實與前提P不能精確匹配時，只要按照“置信度”的要求達到一定的相似度，就認為已知事實與前提條件相匹配，再按照一定的算法將這種可能性（不確定性）傳遞到結論Q。 產生式表示法其優點在于模塊性。規則與規則之間相互獨立靈活性。知識庫易于增加、修改、刪除自然性。方便地表示專家的啟發性知識與經驗透明性。易于保留動作所產生的變化、軌跡，但仍有不少缺點：知識庫維護難。效率低。為了模塊一致性理解難。由于規則一致性彼此之間不能調用。 2.3 語義網絡表達式 語義網絡是人工智能常用的知識表示法之一。是一種使用概念及其語義關系來表達知識的有向圖。它作為人類聯想記憶的一個顯示心理學模型，是由J.R.Quillian于1968年在他的博士論文中首先提出，并用于自然語言處理。語義網絡結構共使用了三種圖形符號：框、帶箭頭及文字標識的線條和文字標識線。分別稱為:（1）節(結)點;弧(又叫做邊或支路);指針。 （2）節點(Node)：也稱為結點。用圓形、橢圓、菱形或長方形的框圖來表示，用來表示事物的名稱、概念、屬性、情況、動作、狀態等。 （3）弧(Arc)：這是一種有向弧，又稱之為支路（Branch）。節點之間用帶箭頭及文字標識的有向線條來聯結，用以表示事物之間的結構，即語義關系。 （4）指針(Pointer)：也叫指示器。是在節點或者弧線的旁邊，另外附加必要的線條及文字標識，用來對節點、弧線和語義關系作出相宜的補充、解釋與說明。 語義網絡是一種結構化知識表示方法，具有表達直觀，方法靈活，容易掌握和理解的特點。概括起來，主要優點在于采用語義關系的有向圖來連接，語義、語法、詞語應用兼顧，具有描述生動，表達自然，易于理解等。 雖然語義網絡知識表示和推理具有較大的靈活性和多樣性，但是沒有公認嚴密的形式表達體系，卻不可避免地帶來了非一致性和程序設計與處理上的復雜性，這也是語義網絡知識表示尚待深入研究解決的一個課題。 2.4．框架表式式 框架表示法誕生于1975年，這也是一種結構化的知識表示方法，并已在多種系統中得到成功的應用。框架理論是由人工智能科學創始人之一，美國著名的人工智能學者M.L.Minsky(明斯基)提出來的。 自然界各種事物都可用框架(Frame)組織構成。每個被定義的框架對象分別代表著不同的特殊知識結構，從而可在大腦或計算機中表示、存儲并予以認識、理解和處理。框架是一種被用來描述某個對象（諸如一個事物、一個事件或一個概念）屬性知識的數據結構。下面是一個關于“大學教師”的框架設計模式。 n 框架名： 〈大學教師〉 n 姓名： 單位（姓，名）n 年齡： 單位（歲） n 性別： 范圍(（男，女）缺省：男)n 學歷： 范圍（學士，碩士，博士） n 職稱： 范圍(（教授，副教授，講師，助教）缺省：講師)n 部門： 范圍（學院（或系、處）n 住址： 〈住址框架〉 n 工資： 〈工資框架〉 n 參加工作時間： 單位（年，月） n 健康狀況： 范圍（健康，一般，較差）n 其它： 范圍（〈個人家庭框架〉，〈個人經濟狀況框架〉） 上述框架共有十一個槽，分別描述了關于“大學教師”的十一個方面的知識及其屬性。在每個槽里都指定了一些說明性的信息，表明了相關槽的值的填寫要有某些限制。框架表示法支持上層框架概念抽象和下層框架信息繼承共享的思想，不僅減少了框架信息和屬性知識表達的冗余，而且保證了上、下層框架知識表達的一致性。 主要缺點：框架表示法過于死板，難以描述諸如機器人糾紛等類問題的動態交互過程生動性。 三、各知識表達式的比較與展望 以上若知識表達方法，絕大多數在應用中得到了很好的應用。但實際工作中，如果要建立一個人工智能系統、專家系統時，還是要根據具體情況提出一個混合性的知識表達方式。每一種知識表示方法各有特點，而且適用的領域也不同： （1）謂詞邏輯方法只適用于確定性、陳述性、靜態性知識，而對動態的、變化性、模糊性知識則很難表示。 （2）產生式規則方法推理方法太單一，如果前提條件太多，或規則條數太多，則推理的速度將慢得驚人。 （3）語義網絡方法表達的知識面比較窄。（4）框架方法表示的知識橫向關系不太明確。（縱向從屬繼承關系很明確） 因此，對于復雜的、深層次的知識，應根據需要表示知識的特征，來決定用二種或三種方法聯合表示，例如： （1）邏輯與框架：框架里的槽值可以對應于謂詞項。 （2）語義網絡與框架：結點對應與框架，結點的參數就是框架的槽值。 （3）產生式與框架：框架的槽值對應于一條產生式規則。與神經網絡結合。 參考文獻： [1] 蔡之華；模糊Petri網及知識表示 [J];計算機應用與軟件；1994年03期 [2].張科杰,袁國華,彭穎紅； 知識表示及其在機械工程設計中的應用探討[J]; 機械設計；2004年06期。 [3].劉曉霞。新的知識表示方法——概念圖［Ｊ］。航空計算技術。1997（4）。[4].王永慶人工智能原理與方法［Ｍ］。西安交通大學出版社。1998。 讀書的好處 1、行萬里路，讀萬卷書。 2、書山有路勤為徑，學海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學到的任何有價值的知識都是由自學中得來的。——達爾文 5、少壯不努力，老大徒悲傷。 6、黑發不知勤學早，白首方悔讀書遲。——顏真卿 7、寶劍鋒從磨礪出，梅花香自苦寒來。 8、讀書要三到：心到、眼到、口到 9、玉不琢、不成器，人不學、不知義。 10、一日無書，百事荒廢。——陳壽 11、書是人類進步的階梯。 12、一日不讀口生，一日不寫手生。 13、我撲在書上，就像饑餓的人撲在面包上。——高爾基 14、書到用時方恨少、事非經過不知難。——陸游 15、讀一本好書，就如同和一個高尚的人在交談——歌德 16、讀一切好書，就是和許多高尚的人談話。——笛卡兒 17、學習永遠不晚。——高爾基 18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向 19、學而不思則惘，思而不學則殆。——孔子 20、讀書給人以快樂、給人以光彩、給人以才干。——培根第二篇：”人工智能AI“賞析
第三篇：人工智能AI老師介紹
第四篇：人工智能發展史解讀
第五篇：人工智能論文解讀
點擊咨詢 