第一篇：人工智能的方向是人工加智能解讀
人工智能的方向是人工加智能
摘要：
關于人工智能的定義，凱文·凱利用了兩個字來表示：知化！知化的音樂、知化的洗衣……總之，整個世界都在“知化”。想來也是，人工智能的那么多花哨定義，其實最核心的還是用自動化的知識來解決一切問題。
凱文·凱利說，下一個最熱的創業機會是“人工智能”。
忽悠吧？
60年來，不斷有人預測人工智能時代近在咫尺。
但是直到現在，人工智能好像還是遙不可及。有人調侃人工智能不過是人類的馬甲：“有多少人工，就有多少智能。”
不過凱文·凱利說，這回是真的。事情正在起變化，因為近期有三大突破。
1.廉價的并行計算；
2.大數據；
3.更好的算法。
這回，人工智能真的來了。尤其是大數據。什么智能都需要訓練，大數據就是訓練人工智能的。接下來創業者的商業計劃書可就好寫了，“我們可以輕而易舉地預測接下來 10000家創業公司的商業計劃：挑選一個領域并加入人工智能。” 慢著，你總得先定義下什么是“人工智能”吧？
凱文·凱利用兩個字了結了這筆糊涂賬——知化（Cognifying）。
想來也是，人工智能的那么多花哨定義都不如這個詞來得干脆——硬件問題軟件化。用自動化的知識來解決一切問題。?????????????????????????????????該舉例子了：
第一個例子：攝影術
過去的照相機又重又貴。現在又輕又便宜。為啥？
因為過去我們靠的是復雜的機械結構和光學鏡頭來優化圖像質量。而現在我們是在用“算法”來優化圖像質量。第二個例子：化學
倒騰瓶瓶罐罐多費勁？加入人工智能后，科學家們可以進行虛擬化學實驗。他們在天文數字的化學結合中精挑細選，決定哪些更有希望成功，值得放在實驗室中檢驗。
更多的例子： 知化的音樂、知化的洗衣、知化的營銷、知化的房產、知化的護理、知化的建造、知化的倫理、知化的玩具、知化的體育……后面的自己想吧。反正，整個世界都在“知化cognifying”。
再強調下——
所謂人工智能，不是搞出一個比人類還聰明的怪物，而是用自動化的知識去解決問題。
理解了這個定義，那就要得出幾個結論了：
1.人工智能不可怕
它只是把我們身邊的每一樣東西都變得新奇、有趣而已。整個過程和100年前的“電器化”差不多。
它會像一個老實的保姆一樣，搞定好多事又不招人煩。廉價、可靠的數字智能在一切事物背后運行，近乎無影無形。
2.我們現在做的很多事其實都是在喂養人工智能
2002 年，凱文·凱利在谷歌的一個小型聚會上問拉里·佩奇，你為什么要做免費搜索？
拉里·佩奇說，“哦，我們其實在做人工智能。”幾年來，谷歌收購了十幾家人工智能和機器人公司。乍看，你會認為谷歌正通過人工智能改善自己的搜索能力。凱文·凱利認為事實恰恰相反。谷歌正利用搜索改善它的人工智能。每當你鍵入一個查詢詞，你都是在訓練谷歌的人工智能。當你在圖片搜索欄輸入“羅輯思維”，就在告訴人工智能羅胖子長什么樣。谷歌每天處理的 121 億次查詢是在一遍又一遍地訓練深度學習型人工智能。
再過10年，谷歌將擁有一款無可匹敵的人工智能產品。凱文·凱利的預測是——
到了2026年，谷歌的主營產品將不再是搜索，而是人工智能。
3.“人工+智能”才是方向
1997 年，IBM 的超級電腦“深藍”擊敗了當時具有統治地位的國際象棋大師卡斯帕羅夫。那人類選手會不會對這種比賽失去興趣呢？ 卡斯帕羅夫率先提出了“人加機器”的概念，即在比賽中用人工智能增強國際象棋選手水平。如今，這種比賽被稱為自由式國際象棋比賽。
2014年自由式國際象棋對抗錦標賽上，純粹人工智能贏得了42場比賽，而“人工+智能”型選手贏得了53場。
在廉價且超級智能的國際象棋軟件的激勵下，下國際象棋的人數、錦標賽的數量以及選手的水平都達到了歷史之最。擁有國際象棋大師頭銜的人數至少翻了一番。既然人工智能可以幫助人類成為更優秀的國際象棋選手，那么合理地推測，它也能幫助我們成為更優秀的飛行員、醫生、法官、教師。
4.人工智能有無數種類型
一些新的心智包括: 一種心智與人類的心智相像，只是反應更快。
一種心智主要基于大容量存貯和記憶，有些愚鈍但是信息面廣博。一種全球化超級心智，由數百萬做著單調工作的智能體組成。
一種蜂巢型心智，由許多十分聰明的心智組成,但是自己卻意識不到。一種心智被專門訓練用來加強指定的人類個體，但是對其他人完全無效。一種心智能夠設想但不能制造比自身更強大的心智。
一種心智能夠制造比自身更強大的心智，由于自我意識不足，無法設想自己制造的心智。
一種心智能夠制造比自身更強大的心智。
一種心智能夠創造比自身更強大的心智，而被創造出的心智能繼續這么做。一種心智擁有自身源代碼的訪問通道，因此可以修改自己的進程。一種心智邏輯能力超強并且沒有情感。
一種心智能解決普遍問題，但沒有自我意識。一種心智具有自我意識，但不能解決普遍問題。
一種心智成長期很長，并且在它成熟前需要一個保護者。一種很緩慢的心智，覆蓋了很長的物理距離因而在快速的心智看來，它是“隱形的”。
一種心智能夠多次克隆自己。
一種心智能夠克隆自己，并且與克隆體組成一個整體。一種心智能從一個平臺遷移到另一個平臺從而保持永生。一種快速、動態的心智，能夠改變自己的認知進程。一種心智專門提出設想并做預測。
一種心智從不抹去或忘記任何事情，包括錯誤或虛假的信息。一種半機器半動物的共生心智。一種半人半機器的賽博格心智。
一種使用量子計算的心智，我們無法理解它的邏輯。我們可以把凱文·凱利列的這張單子保留好。
他說，這些類型的人工智能如果成為現實，怎么也得20年開外。
5.人工智能不斷地重新定義“人類”
舉個例子說，穿上鯊魚皮泳衣的菲爾普斯參加比賽，算不算作弊？ 那用上了人工智能的人類，“人”和“非人”的界限究竟劃在哪里？
6.我們的工作會被人工智能搶掉
在本世紀結束前，如今人們從事的職業中有70%很可能會被自動化設備取代。一切只是時間問題。
當機器人取代流水線工人后，它們會接著取代倉庫工人。麻利的機器人能夠從早到晚不斷地抬起 150 磅的重物。它們把箱子取出來，分好類，然后裝上卡車。這種機器人已經在亞馬遜的倉庫工作了。
到2050年，大多數貨車將實現無人駕駛。鑒于貨車司機是目前美國最普遍的職業，這件事的影響不容小覷。
任何較為機械的資訊密集型工作都能被自動化。無論你是一名醫生、律師、建筑師、記者甚至程序員，機器人都將歷史性地接管你的工作。
7.不用擔心，會有新工作 當機器人和自動化過程包辦了我們的大多數基礎工作時，我們就會閑下來并且自問“人的目的是什么？”
人類理應成為芭蕾舞演員、專職音樂家、數學家、運動員、服裝設計師、瑜伽大師、同人小說作者等等。
貨車司機沒得干了，會出現行程優化師的新工作。
外科手術沒得做了，讓復雜機器保持無菌狀態將成為醫療新技術。人類和機器之間將形成一種共生關系。人類的工作就是不停地給機器人安排任務，這本身就是一項永遠做不完的工作。
將來，我們和機器人的關系會變得更復雜，出現一種7 個步驟的循環模式：
?機器人干不了我的工作。
?好吧，它會許多事情，但我做的事情它不一定都會。
?好吧，我做的事情它都會，但它常常出故障，這時需要我來處理。?好吧，它干常規工作時從不出錯，但是我需要訓練它學習新任務。?好吧，就讓它做我原來的工作吧，那工作本來就不是人該干的。
?哇，機器人正在干我以前做的工作，我的新工作不僅好玩多了，工資還高！?真高興，機器人絕對干不了我現在做的事情。然后回到步驟?。
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：人工智能發展史解讀
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
第三篇：人工智能論文解讀
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
第四篇：人工智能和人類智能 英文演講稿
Can Artificial intelligence exceed勝過 human intelligence？ 子不語之：
Good afternoon, boys and girls.I feel really honored to stand here and make a speech.First of all, please allow me to introduce myself ??.Today, we will talk about “Can Artificial intelligence exceed human intelligence? Back ground: First, let’s talk about what is AI.AI is a new subject which is developed by computer science, artificial intelligence, control theory, information theory, linguistics語言學, neurology神經學, psychology, mathematics, philosophy哲學人生觀 and other disciplines科目.So AI is a comprehensive綜合的 subject that has much development space.But why we raise this topic here? Because in recent days, a great chess game had been held on Google between Li Shishi and AlphaGo.The result of the game was 1-4, AlphaGo, which is an artificial intelligence, won the game.This event shocked the world.However, it’s not the first time that the artificial intelligence win the human intelligence.For example, 17 years ago Deep Blue also win the chess game, the movie
Man can create his own rules, but the computer can't do this.SB：The last and most important point is that artificial intelligence has no sense of self.(自我意識)Human has consciousness because of the nature selection.Consciousness make the human being have an advantage which can beat the disaster.If conscious has no sense, why didn’t the nature make humans evolve into automata.For example, one person tries to get rid of the leopard(豹子).He accurately judges the location of the leopard, decorates a clever trap and then hides behind a tree.Finally ,the leopard died in the trap.Consciousness saved his life.And how AI will do? According to advance into the program, the processor sends “avoid detour” instructions, control steering device and a crawler and a series of sports system to accomplish to detour.Here, the effect of algorithm is the “soul” of the robot.All movements of the machine are according to the program.That is all ,thanks for your listening.
第五篇：《人工智能》教學講座②：機器智能
《人工智能》教學講座②
機器智能
研究、開發人工智能的目的，就是讓機器能夠模擬、延伸、擴展人的智能，以實現人類腦力勞動的機械化。
所謂人工智能就是機器智能。
一、人工智能的產生
希望計算機能夠代替人類，或是充當人類的代理，來做一些更為繁重、復雜的工作。人們只需要告訴計算機“做什么”，計算機就能實現想要的功能，并可以為人類的美好生活，提供各種各樣的服務。
人們對日益增長的美好生活需求，促進了人工智能的產生與發展。
二、人工智能的研究 ⒈特點
人工智能具有3個基本特點：交叉性。長期性。廣泛性。
①交叉性
人工智能是一門交叉學科、邊緣學科，是由計算機科學、數學、哲學、腦科學、認知學、行為學、語言學、生物學、心理學等，多種學科相互滲透發展起來的新學科。
②長期性
人工智能研究的長遠目標是制造出能像人那樣思維、行動的智能化機器，代替人腦進行工作。③廣泛性
人工智能技術的研究、應用領域非常廣泛，如：教學仿真實驗、商業的市場決策、農業的專家系統、企業的自動化控制等，很多應用領域。
⒉內容
人工智能的研究內容廣泛，如有4個研究方向：機器感知。機器思維。機器學習。機器行為。
①機器感知
機器感知使計算機像人一樣具有視覺、聽覺、嗅覺、觸覺、味覺的感覺。如：讓計算機能夠識別語言、文字、圖形、圖像、聲音、影視、振動、冷暖、氣味和質感等。
②機器思維
機器思維使機器對已獲取的信息能像人那樣有目的的處理。如：讓計算機像人類專家一樣通過推理、演繹解決各個領域的問題。
③機器學習
機器學習讓計算機模仿人類的學習行為，主動獲取新知識和新技能。使計算機能夠識別現有的知識，不斷仿效人類的學習行為，改善自身性能，實現自我完善。如：讓計算機像人類棋手那樣，通過博弈實踐，吸取經驗教訓，不斷提高棋藝。
④機器行為
機器行為使機器運用本身擁有的知識，對獲取的信息過程處理，并做出反應。如：讓參與海底打撈的智能機器人，根據海水的深度、被打撈物的形狀、海底的地質狀況等工作的環境狀況，自主地完成打撈任務。
⒊方法
研究人工智能通常有3種方法：結構模擬。功能模擬。行為模擬。①結構模擬
結構模擬是以人腦的生理結構和工作機理為基礎，對人腦的神經細胞及其構成的神經網絡進行研究，采用神經計算的方法來實現學習、聯想、識別、推理。
②功能模擬
功能模擬是以人腦的心理模型為基礎，將問題或知識表示成某種邏輯網絡，采用符號推演的方法來實現搜索、推理和學習，模擬人腦的思維。
③行為模擬
行為模擬是通過模擬人在控制過程中的智能活動和行為特性，如：自尋優、自適應、自學習、自組織等，來研究和實現人工智能。
三、人工智能的發展
人工智能的發展大致可分為3個階段：起步階段。發展時期。發展新階段 ⒈起步階段（1956～1970年）
早期的人工智能研究是從智力難題、弈棋、難度不大的定理證明等簡單問題開始的。研究的目的不在于實際應用，而在于探索人的解題策略。
自然語言理解、機器視覺、智能機器人等，也是在這一階段開始研究的。
⒉發展時期（1970～1980年）
知識工程技術的出現，使得人工智能由單純的理論探索，開始面向實際應用。是人工智能發展史的重要轉折點。
專家系統、自然語言理解系統、物景分析系統、自動程序設計系統等的相繼出現，使得知識的表示和運用，成為人工智能所有領域的關鍵技術。
⒊發展新階段（1980年以后）
人工智能研究成果開始商品化，出現了用于精密檢測的機器視覺系統、用于裝配作業的初級智能機器人系統和用于計算機的自然語言接口、各種專家系統。
人工智能向更高水平發展，進而開始研制知識型的智能機器人、知識信息處理系統或第五代智能型計算機。
四、人工智能研究領域
計算機是信息處理的主要工具。
由于計算機能夠代替和延伸人類大腦的一部分功能，以至于稱之為“電腦”。但是，目前的計算機只能按照人們為其編排好的程序步驟工作，難以滿足人們日益增長的、越來越廣泛的美好生活需求。
人工智能應用的領域
人工智能應用的領域非常廣泛，如：問題求解、模式識別、符號運算、自然語言理解、智能檢索、機器證明、專家系統、機器人學等方面。
⒈問題求解
人工智能的許多概念，如：歸納、推斷、決策、規劃等都與問題求解有關。在對弈的過程中，計算機棋手會像人類一樣思考，從規則、技巧等各個方面進行判斷。田忌賽馬就是典型的問題求解中的博弈問題。
思考問題1：
①田忌與齊威王，共有幾種賽馬策略？ ②孫臏向田忌獻的是什么樣的賽馬策略？ ⒉模式識別
模式識別就是研究如何使機器具有感知能力。機器感知是機器獲取外部信息的根本保障。
計算機識別系統就是使計算機具有模擬人類通過感官接觸外界信息、識別和理解周圍環境的感知能力。
模式識別技術已經逐漸在圖形識別、圖像識別、語音識別、機器人視覺、染色體識別等，在許多領域，獲得成功的應用。
⒊符號運算
符號運算，又稱代數運算，是一種智能化的計算。符號運算處理的是符號。
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。
⒋自然語言理解
自然語言理解就是研究如何讓計算機理解人類自然語言的領域。是指機器能夠理解并執行人類所期望的某些語言功能。如：回答有關提問、生成摘要和文本釋義、機器翻譯等。
思考問題2：
①能否通過把語句分解為各個孤立的部分，然后在字典中查到這些孤立部分的釋譯，來實現兩種不同語言之間的翻譯？
②如果不能，在翻譯的過程中，還應考慮哪些因素？ ⒌智能檢索
在如今的大數據時代，各類繁多、數量巨大的科技文獻，用傳統的網絡數據庫的檢索技術，遠不能勝任。
智能檢索的研究，已成為當代科技持續發展的重要保證。
⒍機器證明
機器證明是用計算機來完成數學命題的證明，是現代數學中一種新興的邊緣性學科，也是人工智能發展的一個重要方向。
⒎專家系統
專家系統是人工智能研究領域里，最活躍、最有成效的。研究讓“計算機專家”起到人類專家的作用。
根據某個領域里，1個或多個人類專家提供的知識、經驗，進行推理和判斷，模擬人類專家求解問題的思維過程，以解決各種問題。
⒏機器人學
具有人工智能的機器，需要具備感知、記憶、思維、學習、行為的能力。機器人不一定做成人的外形，但是，一定要能夠模擬人的思維、動作，在程序控制下，能夠自動完成人類部分工作的機器。
隨著科學技術的發展，人工智能各個領域之間會互相滲透，使得相互聯系更加緊密，這種融合與滲透，必將促進人工智能研究的進一步發展。
附錄1：
人工情感
情感在人的思維活動中占據極為重要的地位，決定和制約著人的行為活動和其它思維活動的基本框架與總體方向。
人工情感指用人工的方法和技術，模仿、延伸和擴展人的情感。使機器具有識別、理解和表達情感的能力。
由于情感是一種特殊的、更深刻的認知，具有更高的復雜性和多變性。因此，人工情感必須建立在一定程度的人工智能的基礎上。
人工情感的發展，可分為7個基本階段：
①算術運算。②數學運算。③邏輯推理。④專家系統。⑤模式識別。⑥情感計算。⑦情感理解
（其中：前5個階段，是人工智能的發展歷程。）
情感是一種特殊的認知。意志又是一種特殊的情感。人工情感可以使計算機具有友好的、人性化的人機界面，更重要的是能夠使計算機具有更高的信息處理速度與效率，具有獨立的決策能力和行為控制能力，具有創造性和開拓性的思維能力。
如果人工情感全面實現了。那么，人與機器人之間，就可以實現全面的融合，沒有明顯的界限、本質的區別。
彼此可以相互轉換、相互滲透、相互促進，也無所謂人與機器之間存在什么矛盾與沖突，這就是人工情感的最終歸宿。附錄2：
達特莫斯會議
1956年夏天，在美國達特莫斯大學，召開了一次影響深遠的歷史性會議。與會者僅僅只有10青年學者。
研究的專業包括有：數學、心理學、神經生理學、信息論和計算機科學。
在會上，分別從不同的角度探討了人工智能的可能性。
達特莫斯會議歷時長達2個多月。
學者們在充分討論的基礎上，首次提出了“人工智能”這一術語，標志著“人工智能”作為一門新興學科正式誕生。附錄2：
圖靈測試
阿蘭〃圖靈提出：在一個房間里，由1位提問者通過計算機與另外2個回答者人和機器對話。
如果提問者，分辨不出與他交流的對象哪個是人？哪個是機器？ 那么，就認為這臺機器，具有了智能。
點擊咨詢 