第一篇：《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(fā)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(xiàn)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(xiàn)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(fā)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(shù)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(fā)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(yè)的市場決策、農業(yè)的專家系統(tǒng)、企業(yè)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(xiàn)有的知識，不斷仿效人類的學習行為，改善自身性能，實現(xiàn)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(jīng)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(jù)海水的深度、被打撈物的形狀、海底的地質狀況等工作的環(huán)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(jīng)細胞及其構成的神經(jīng)網(wǎng)絡進行研究，采用神經(jīng)計算的方法來實現(xiàn)學習、聯(lián)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(wǎng)絡，采用符號推演的方法來實現(xiàn)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(yōu)、自適應、自學習、自組織等，來研究和實現(xiàn)人工智能。
三、人工智能的發(fā)展
人工智能的發(fā)展大致可分為3個階段：起步階段。發(fā)展時期。發(fā)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(fā)展時期（1970～1980年）
知識工程技術的出現(xiàn)，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(fā)展史的重要轉折點。
專家系統(tǒng)、自然語言理解系統(tǒng)、物景分析系統(tǒng)、自動程序設計系統(tǒng)等的相繼出現(xiàn)，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(fā)展新階段（1980年以后）
人工智能研究成果開始商品化，出現(xiàn)了用于精密檢測的機器視覺系統(tǒng)、用于裝配作業(yè)的初級智能機器人系統(tǒng)和用于計算機的自然語言接口、各種專家系統(tǒng)。
人工智能向更高水平發(fā)展，進而開始研制知識型的智能機器人、知識信息處理系統(tǒng)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?yōu)槠渚幣藕玫某绦虿襟E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(tǒng)、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(guī)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(guī)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(tǒng)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(huán)境的感知能力。
模式識別技術已經(jīng)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(shù)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(shù)、有理數(shù)、實數(shù)和復數(shù)，也可以代表多項式、函數(shù)、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(zhí)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(xiàn)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(shù)據(jù)時代，各類繁多、數(shù)量巨大的科技文獻，用傳統(tǒng)的網(wǎng)絡數(shù)據(jù)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(xù)發(fā)展的重要保證。
⒍機器證明
機器證明是用計算機來完成數(shù)學命題的證明，是現(xiàn)代數(shù)學中一種新興的邊緣性學科，也是人工智能發(fā)展的一個重要方向。
⒎專家系統(tǒng)
專家系統(tǒng)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(jù)某個領域里，1個或多個人類專家提供的知識、經(jīng)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(fā)展，人工智能各個領域之間會互相滲透，使得相互聯(lián)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(fā)展。
附錄1：
人工情感
情感在人的思維活動中占據(jù)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(fā)展，可分為7個基本階段：
①算術運算。②數(shù)學運算。③邏輯推理。④專家系統(tǒng)。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(fā)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(chuàng)造性和開拓性的思維能力。
如果人工情感全面實現(xiàn)了。那么，人與機器人之間，就可以實現(xiàn)全面的融合，沒有明顯的界限、本質的區(qū)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(yè)包括有：數(shù)學、心理學、神經(jīng)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。
第二篇：《人工智能》教學講座①：智能的概念（xiexiebang推薦）
《人工智能》教學講座①
智能的概念
自從1956年，提出了人工智能（Artificial Intelligence，即AI）的概念之后，人們不斷地研究、發(fā)展了許的有關人工智能的理論、原理等。就是人工智能（AI）的概念，也在不斷地被擴展、更新，以及重新定義。
2017年3月5日，在第12屆全國人民代表大會第5次會議的政府工作報告中，指出“加快新材料、人工智能、第五代移動通信等技術研發(fā)和轉化?！?/p>
一、人腦智能的表現(xiàn)
人的智能源于人的大腦。人腦是由大約1011～1012個神經(jīng)元組成的一個復雜的、動態(tài)的系統(tǒng)。
人腦的奧秘，至今還未被完全揭開。因而，導致了人們對智能的模糊認識。但是，從人腦的整體功能來看，智能的表現(xiàn)還是可以辨識出來的。
例如：學習、發(fā)現(xiàn)、創(chuàng)造等能力，就是明顯的人腦智能表現(xiàn)。人類制造的工具，可以分為輔助體能、輔助智能兩大類。
思考問題1：
在下列的輔助工具當中，哪些是屬于輔助人類體能的？又有哪些是屬于輔助人類智能的？
①杠桿 ②鉗子 ③洗衣板 ④算籌 ⑤算盤 ⑥計算器 輔助人類體能的，有：_________________________。輔助人類智能的，有：_________________________。
二、人類的智能
智能是指人類在認識、改造客觀世界的活動中，由腦力勞動表現(xiàn)出來的能力，是知識和智力的總和。
⒈知識
知識是人類在改造客觀世界的實踐中，所獲得的認識和經(jīng)驗的總和，是智能行為的基礎。
知識包括：①概念。②事實。③規(guī)則。
①概念：是人類在長期實踐過程中，形成的以區(qū)別其他事物的抽象結論。②事實：是人類所認識的客觀現(xiàn)象。
③規(guī)則：是概念和事實之間，各種聯(lián)系的描述。
這些概念、事實和規(guī)則，構成了人類的知識。并存放在人的大腦中，因此大腦實際上就相當于一個存放大量知識的“知識庫”。
⒉智力
智力則是獲取知識，并運用知識去求解問題的能力。
智力是智能中，最富有創(chuàng)造性的那一部分。
思考問題2：
①只有人類具有智能嗎？其它動物（如：海豚、大猩猩、老鼠、蜜蜂、螞蟻）是否也具有智能？
參考答案要點：
其他動物也有智能。只是和人類比起來有差距而已。如：導盲、緝毒、搜救的狗。
如：狼群的等級秩序。運用集群的能力，高效率地捕獵。動物智能的進化是逐漸加速的。
人類的科學技術變化越來越快、越來越大，與其他動物的智能差距逐漸拉大。這，也容易使一些人，忽視了其他動物的智能。
②智能和技能有什么不同？
參考答案要點：
智能是指人類在認識、改造客觀世界的活動中，由腦力勞動表現(xiàn)出來的能力，是知識和智力的總和。技能是指生活，或從事某種工作，所需要的能力。技能可分為2種：動作技能（書寫、騎車）、智力技能（演算、寫作）。
知識可以通過語言文字等形式傳授，如：生活常識、數(shù)理化知識等。
技能必須親自學習，并堅持練習才能掌握其中的技巧。而一旦停止練習，技能將很快變得生疏，是一種熟能生巧的體力活，對眼手的協(xié)調能力要求很高，如：開汽車。
三、智能的特征
人類智能的基本特征表現(xiàn)在4個方面：①感知。②記憶與思維。③學習及自適應。④行為。
⒈感知
感知是人們通過視覺、聽覺、味覺、觸覺、嗅覺等感覺器官，感知外部世界的能力。
人類的大腦具備感知能力，通過感知獲取外部信息。
如果沒有感知，人類就無法獲取前提知識，也就不可能引發(fā)各種智能行為。因此，感知是智能活動的必要條件。
視覺、聽覺在人類感知中，占有主導地位。獲得外界信息：約80%以上是通過視覺得到的。10%是通過聽覺得到的。
因此，在目前的研究中，機器視覺和機器聽覺是研究熱點。
⒉記憶與思維
記憶用于存儲由感覺器官感知到的外部信息，以及由思維所產生的知識。思維用于對記憶的信息進行處理，利用已有的知識對信息進行分析、計算、比較、判斷、推理、聯(lián)想及決策等。
⒊學習及自適應
學習是人類智能的主要標識，是指通過指導、實踐等過程，來豐富自身知識和技巧的能力。
學習是人類的本能。每個人隨時隨地都在學習，既可能是自覺的、有意識的，也可能是不自覺、無意識的。
人人都可以通過與環(huán)境的相互作用，不斷地進行學習，通過學習積累知識、增長才干，從而適應環(huán)境的變化。并根據(jù)環(huán)境的變化，不斷地改變自己的行為。學習是集體活動、個人行為。由于每個個體本身都是不相同的，其學習、自適應能力也是不相同的，因此體現(xiàn)出不同的智能差異。
⒋行為
行為是指人們通常用語言、表情、眼神、形體等動作，對來自外界的刺激，做出的反應，傳達信息。
思考問題3：
①列舉反映“行為”能力的一個實例：
如：洗手時，手被熱水燙到，自然快速收回。②列舉反映“感知”能力的一個實例： 如：。③列舉反映“思維與記憶”能力的一個實例： 如：。④列舉反映“學習及自適應”能力的一個實例： 如：。
智能要體現(xiàn)在知識表示和知識運用上。
如果要將人類智能轉移到機器的智能上，人們還需要對人類智能進行深入的、必要的了解，從而進一步地學習、研究人工智能。
四、人工智能
人工智能（AI）是計算機科學的一個分支。
從學科的角度，認識和理解的人工智能（AI）是研究、開發(fā)，用于模擬、延伸和擴展人類智能的理論、方法、技術及應用的一門技術科學。
如今，人們認識和理解的人工智能（AI）學科研究的過程，就是將社會問題符號化，再進一步數(shù)據(jù)化（二進制數(shù)據(jù)），輸入到計算機等數(shù)碼設備中，進行處理。
附錄1：
個體智能
生物是存在智能的。如：蝙蝠有活動（飛行）回聲定位系統(tǒng)（聲納）。蝙蝠的聲納不僅可以確定飛行中昆蟲的距離，還能探測目標大小、相對速度、方位角及仰角，甚至目標各部位的大小。它還要及時控制全身，靈巧而高效地追趕和捕捉獵物。
這一切所需要的復雜神經(jīng)計算，僅由一個櫻桃般大小的腦袋，在很短時間內完成的！
盡管人們制造了世界第一的“神威〃太湖之光”計算機系統(tǒng)，運算峰值性達到125.436PFlops，持續(xù)性能93.015PFlops。
但是，就感覺運動協(xié)調、解決問題的綜合能力而言，這個計算機系統(tǒng)的智能，還是遠遠不及1只蝙蝠！
附錄2：
PFlops
PFlops：每秒所執(zhí)行的浮點運算次數(shù)。是衡量一個計算機的計算能力標準。
①最前面的“P”是個“數(shù)量級單位”。
1P=1024T1T=1024G1G=1024M1M=1024k “PFlops”就是“每秒運算1千萬億（1015）次指令的浮點運算。” 即：1PFlops = 1015次指令/秒 ②最后面的“s”是“秒”的意思。附錄3：
群體智能
一些動物的個體能力表現(xiàn)平平，但是其群體卻有驚人的表現(xiàn)。如：螞蟻、蜜蜂等。
白蟻作為個體，只有幾個神經(jīng)元，只會毫無結果地咬著小土塊、木屑搬來搬去，好似“沒頭腦”。
但是，當白蟻的群體變大時，其智能也隨之增加了。它們像是思考著的集體社會，又像是某種活的計算機。
蟻群中的螞蟻，會像接受到命令一樣，在各個階段，尋找不同型號的細枝，建造它們的漂亮蟻丘。
人類也具有群體智能。即：除了個體大腦具有智能以外，還存在一種與群體有關的智能，兩者共生。
目前，人們對人類群體智能的認識，還處于初級階段，但是對人類群體智能的研究，給予了人們新的希望。
第三篇：基于機器視覺智能交通燈控制系統(tǒng)
機器視覺的論述作業(yè)
題
目 ：
基于機器視覺智能交通燈控制系統(tǒng)
學院名稱 ：
電氣工程學院
專業(yè)班級 ：
姓
名 ： 學
號 ：
時 間 ： 緒論.........................................................3 2 基于機器視覺的智能交通燈系統(tǒng)設計.............................3 3 智能交通燈控制策略...........................................5 3.1 模糊控制...............................................5 3.2 智能交通燈模糊控制策略.................................5 3.3 解模糊化算法...........................................6 4 系統(tǒng)硬件設計.................................................6 4.1 攝像頭的安裝和特性.....................................6 4.2 視頻采集模塊設計.......................................8 4.3 DSP控制處理模塊設計...................................9 4.4 信號燈驅動模塊設計.....................................9 4.5 電源模塊設計..........................................10 5 系統(tǒng)軟件設計及調試..........................................11 5.1 軟件總體設計方案......................................11 5.2 視頻采集模塊的軟件設計................................12 5.3 系統(tǒng)調試..............................................13 6 總結........................................................13 7 參考文獻........................................................................................................13 緒論
隨著社會經(jīng)濟的發(fā)展，城市車輛數(shù)量迅速增長，交通擁擠日益嚴重，造成的交通事故和環(huán)境污染等負面效應也日益突出。城市交通問題直接制約著城市的建設和經(jīng)濟的增長，與人們的日常生活密切相關。通常交通阻塞大都是由于城市路口實際通行能力不足所造成的，路口交通問題逐步成為經(jīng)濟和社會發(fā)展中的重大問題，為此世界大多數(shù)國家都在進行智能交通燈控制系統(tǒng)的研究。
本文的目的是對基于機器視覺的智能交通燈控制系統(tǒng)進行了研究?；跈C器視覺的智能交通燈控制系統(tǒng)對路口交通燈進行智能控制，根據(jù)各相位車流量大小，智能分配紅綠燈時間，徹底改變了傳統(tǒng)交通燈控制方式的不足。目前由于城市路口交通信號燈的控制策略不理想，導致了路口實際通行能力下降，停車次數(shù)比較多，車輛通過路口的延誤時間較長，容易造成不必要的擁堵。改善交通燈控制策略，來提高路口的實際通行能力，這是城市交通控制中需要解決的主要問題。自從計算機控制系統(tǒng)應用于交通燈控制以來，硬件設備的不斷更新和改進，智能化和集成化成為城市道路交通信號控制系統(tǒng)的研究趨勢，而路口交通燈控制系統(tǒng)是智能交通系統(tǒng)中的關鍵點和突破口?；跈C器視覺的智能交通燈系統(tǒng)設計
基于機器視覺的智能交通燈控制系統(tǒng)是由攝像機、視頻采集模塊、DSP控制處理模塊、信號燈驅動模塊、電源模塊、時鐘模塊、復位模塊和信號燈組等組成，其組成框圖如2.1圖所示
圖2.1系統(tǒng)組成框圖
系統(tǒng)中攝像機是用來拍攝路口車輛視頻，是路口車流量獲取的基礎設備，其
拍攝的視頻圖像質量高低直接影響到系統(tǒng)對交通燈控制的精度。攝像機的選擇決定著視頻的質量，所以一般要選擇穩(wěn)定性高，分辨率符合系統(tǒng)要求的攝像機。目前攝像機主要分為兩種，一種是電荷耦合器件_℃CD圖像傳感器；一種是互補性氧化金屬半導體—CMoS圖像傳感器。CCD圖像傳感器是由很多感光單位組成的，其表面受到光線照射時，產生的電荷將由感光單位反映在組件上，所有感光單位產生的電信號組合在一起，就能夠形成一幅完整的圖畫。而CMOS圖像傳感器的制造技術與工藝和制造普通計算機芯片的技術非常類似，CMOS中同時存在著N級和P級半導體，這兩個半導體之間互補效應能夠產生的電流信號，能夠被處理芯片記錄，同時將其解讀成影像，形成一幅圖畫。畫。比較CCD和CMOS的結構，ADC(放大兼類比數(shù)字信號轉換器)的位置和數(shù)量是最大的不同。通常CCD攝像頭每曝光一次，當快門關閉之后立即進行像素的轉移處理，將其每一行中的每一個像素的電信號依次送到“緩沖器"中，再輸入到放大器中進行放大，然后串聯(lián)ADC輸出；而CMOS的設計中每個像素旁直接連著ADC，對電信號進行放大同時轉換成數(shù)字信號。CCD與CMOS的特性比較如下表2-1 表2-1 CCD和CMOS的比較
通過對CCD和CMOS的特性進行比較，以及視頻處理系統(tǒng)對視頻圖像的要求，本文采用CCD攝像機JAB．55 15EB作為視頻輸入部分的圖像傳感器。智能交通燈控制策略
3.1 模糊控制
模糊控制是將模糊理論引入控制領域，將人的經(jīng)驗形式化模型化，采用模糊邏輯的近似推理方法，通過計算機系統(tǒng)代替人對被控對象進行有效的實時控制。模糊控制系統(tǒng)是由模糊規(guī)則基、模糊推理、模糊化算子和解模糊化算子組成，其組成框圖如圖3．1所示。
圖3.1 模糊控制的組成框圖
模糊化是對系統(tǒng)的輸入量進行論域變換，將精確量轉化成模糊輸入信息的過程。由于實際過程中的輸入值通常為連續(xù)變化的，必須將其范圍分成有限個模糊集，并與輸入量相對應，然后通過隸屬函數(shù)求出輸入量對各模糊集合的隸屬度，將普通變量轉化為模糊變量，完成了模糊化工作。
3.2 智能交通燈模糊控制策略
模糊控制過程是將實際檢測的當前方向車輛排隊長度進行模糊量化處理，映射到輸入論域的模糊集合，根據(jù)實踐經(jīng)驗確定模糊控制規(guī)則，進行模糊推理，再經(jīng)清晰化處理轉為綠燈延長時間的精確量，實現(xiàn)交通燈智能控制。通常情況下，在某一方向紅燈時間內該車道的車流量在停車線后的排隊長度越長而綠燈方向車流量不多，為了保證下一周期車輛通行最大化，就得適當延長下一周期的綠燈時間。反之，當前綠燈方向的車流量較多而當前紅燈方向車道的車流量在停車線
后的排隊長度較短，就得適當減少下一周期的綠燈時間，以確保路口車輛通行量的最大化?？紤]到司機和行人心理承受能力，不至于在其等待過程中產生焦急煩躁的情緒，路口的紅綠燈周期不能過長，通?？梢栽O置一個最大綠燈時間，比如120S。如果系統(tǒng)已經(jīng)執(zhí)行了最大綠燈過，立即進行相位切換，當前方向綠燈進入黃閃狀態(tài)，一般設定為3秒，然后執(zhí)行紅燈狀態(tài)。當路口的車流量較小時，信號周期則比較短，但一般也要設定一個最小綠燈時間，女1：120S，否則車輛和行人由于來不及通過路VI而影響交通安全n時間，不考慮當前方向還有多少輛車等待通過。
3.3 解模糊化算法
通過對被控制量的模糊化，根據(jù)模糊控制規(guī)則進行推理，做出模糊決策，得到模糊控制的輸出量，這個輸出量為模糊量，而被控對象最終只能接受精確的控制量，所以必須將輸出的模糊量轉化為精確的控制量，將其轉化為精確量的過程通常稱之為解模糊化。也就是從模糊量變?yōu)榍逦康倪^程，即把通過模糊推理得到的輸出量的模糊集合，一一映射到輸出量的普通集合。解模糊的方法有通常有最大隸屬度法、平均最大隸屬度法、取中位數(shù)法以及加權平均法。系統(tǒng)硬件設計
4.1 攝像頭的安裝和特性
（1）所采集車輛視頻圖像質量的高低將直接影響到系統(tǒng)對交通燈控制的精度，而決定視頻質量的關鍵因素在于CCD攝像頭的選擇和安裝。本文采用CCD攝像機JAB-5515EB，可以在室外惡劣環(huán)境下全天候工作，其性能如表4-表4-1 JAB-5515EB攝像頭的特性
（2）攝像頭的安裝直接影響到視頻采集的過程，而且安裝攝像頭的位置既要不能對交通產生任何影響，又要滿足視頻采集模塊的需求。圖4．1為兩相位路口示意圖，攝像頭的安裝位置應在圖中A、B、C、D點的上方高于7米為宜。視頻圖像處理只針對車道，所以可視角度只需滿足橫向覆蓋整個車道，縱向能夠覆蓋車輛排隊信息的長度即可。
圖4.1 城市路口示意圖
4.2 視頻采集模塊設計
本設計中的視頻采集模塊主要分為視頻輸入和視頻處理兩個部分，其功能是利用圖像傳感器將物體的光信號轉換成模擬的視頻電信號，然后利用視頻解碼芯片將視頻模擬信號轉化成數(shù)字視頻信號輸入到DSP的視頻處理前端。模擬視頻信號主要分為PAL和NTSC兩種制式，在將模擬視頻信號直接轉換成數(shù)字信號的時
候，通常需要用到視頻解碼芯片，本設計中選擇TI公司的TVP5150視頻解碼芯片來主要用來完成模擬視頻信號到數(shù)字視頻信號的轉換以及對圖像亮度、色度的預處理等。
4.3 DSP控制處理模塊設計
DSP控制處理模塊作為系統(tǒng)的主控模塊，以TMS320DM6437為核心，由視頻處理前端、DDR2存儲器、EMIF接121電路、以太網(wǎng)接口電路、12C總線和JTAG接口電路組成，其設計框圖如圖4.2所示
圖4.2 DSP控制處理模塊設計框圖
視頻處理前端用來接收TVP5150發(fā)送的數(shù)字視頻信號，DDR2存儲器用來存儲程序和數(shù)據(jù)，EMIF接口電路可以外接NAND Flash用于固化程序和數(shù)據(jù)，以太網(wǎng)接口電路用于DM6437與外接設備之間的通信，I2C總線對TVP5150內部存器進行初始化設置，JTAG接121電路主要用來連接DSP仿真器，進行程序的載和系統(tǒng)的調試與仿真。芯片DM6437用于控制各個外圍功能芯片及完成算法處理。
4.4 信號燈驅動模塊設計
LED交通信號燈驅動模塊設計以LM3407芯片核心，其輸入電壓范圍4.5V-30V，并且能夠提供精準的恒定電流輸出，本文所需電壓為24V，電流為350mA，以驅動高功率發(fā)光二極管(LED)。常用LED交通燈的燈盤內LED數(shù)量約在100-200個
之間，本文采用119個LED燈通過串并聯(lián)結合的方式進行連接。每個LED工作電壓為3.3V，工作電流為20mA，結合驅動芯片參數(shù)和燈盤的規(guī)格，采用并聯(lián)17組，每組串聯(lián)7個LED燈的方式，對交通信號燈進行驅動。交通燈連接方式如圖4.4所示。
圖4.4 LED交通燈連接圖
4.5 電源模塊設計
整個系統(tǒng)的硬件平臺采用+5V外接電壓進行供電，但是根據(jù)各個模塊對電源電壓需求各有不同，因此對整個硬件平臺的供電設計很重要。DM6437內核使用1.05V1.20V兩種工作電壓，當其工作頻率為600MHz/500MHz/400MH時要求供電電壓為1.20V，當工作頻率為400MHz時要求供電電壓為1.05V。設計中的內核工作頻率為600MHz，故而采用1.2V的內核供電電壓。而系統(tǒng)中TVP5150視頻解碼芯片的內核和外接的以太網(wǎng)物理層芯片等均是采用1.5V電源進行供電，其他則供電電壓為3.3V。在給系統(tǒng)上電的過程中，首先應當確內核電源先上電。關閉電源的時候，同樣先進行內核電源的關閉，然后再關閉I/O電源等。若只對CPU內核進行供電，而對周圍I/O沒有進行供電，則不會對芯片產生任何損害。假如周圍的I/O均獲得供電而對CPU內核沒有進行供電，導致芯片緩沖/驅動部分的晶體管在未知狀態(tài)下進行工作，對系統(tǒng)會產生一定的損害。電源模塊設計功能框
圖如圖4.5所示。
圖4.5 電源模塊功能框圖 系統(tǒng)軟件設計及調試
5.1 軟件總體設計方案
基于機器視覺的智能交通燈控制系統(tǒng)的功能主要通過C語言進行軟件編程來實現(xiàn)的，其軟件設計部分主要包括視頻采集模塊軟件、DSP控制處理模塊軟件以及交通燈智能控制軟件。其軟件總體設計框圖如圖5.1所示。視頻采集模塊以TVP5150芯片為核心，接收來自攝像頭的視頻，進行和亮度等預處理，然后將模擬視頻信號轉換為數(shù)字視頻信號，其軟件設計主要包括TVP5150芯片的配置、芯片的工作過程；DSP控制處理模塊要對車輛視頻進行圖像處理，計算出精確的車流量，根據(jù)模糊控制算法智能控制紅綠燈時間。DSP控制處理模塊軟件設計主要包括模塊主要寄存器配置、CACHE大小配置及存儲器映射、EMIF接口初始化設計
和DSP代碼優(yōu)化原則；交通燈智能控制軟件主要通過交通燈智能控制策略，根據(jù)車流量大小，對綠燈時間進行自動控制。
圖5.1 軟件總體設計框圖
5.2 視頻采集模塊的軟件設計
視頻采集模塊開始工作時，首先讀取跳線設置，進行視頻捕捉參數(shù)的更新，然后建立視頻輸入通道，同時為將要獲取的視頻信息分配內存緩沖區(qū)，再將獲取的每一個視頻幀發(fā)送給視頻解碼芯片TVP5150。當TVP5150發(fā)送結束信號，表示視頻采集過程結束。在本文中，CCD攝像頭為PAL制式，輸入的寬度是704，輸入高度是576，幀速是25幀/秒。所以將JPI設置成PAL制式，輸入的視頻數(shù)據(jù)像素為704x 576。設計中將幀間間隔設置為25，故最大的幀速是每秒25幀。其每個像素點的大小是2Bit，因此一幀數(shù)據(jù)大小為792KB。再進行視頻輸入通道的創(chuàng)建，創(chuàng)建過程是通過DSP/BIOS系統(tǒng)創(chuàng)建視頻前端微型驅動的管道對象，采用
擴展的GIO函數(shù)FVID-create()來進行創(chuàng)建。
5.3 系統(tǒng)調試
電源、時鐘和復位模塊屬于整個系統(tǒng)的最小系統(tǒng)部分，是硬件電路的基礎，所以首先對其進行調試，以保證其正常工作。電源模塊的調試主要通過萬用表進行測量，當電源電路上電后，測試其輸出端口電壓是否符合系統(tǒng)的要求，分別為3.3V、1.8V和1.2V。時鐘模塊在調試過程中采用邏輯分析儀進行觀測輸時鐘頻率，確定其是否滿足系統(tǒng)所需時鐘頻率的要求，視頻解碼芯片TVP5150所需的時鐘輸入頻率為14.31818MHz，CPU核所需的時鐘輸入為27MHz。復位模塊也采用萬用表進行測量，當按下復位鍵輸出為低電平有效，否則輸出為高電平?？偨Y
本文根據(jù)國內外交通燈控制系統(tǒng)的研究現(xiàn)狀，分析研究了目前常用的交通燈控制策略，提出了一種基于機器視覺的智能交通燈控制系統(tǒng)的設計方案，將模糊控制理論引入交通燈控制系統(tǒng)中，提出了智能交通燈控制策略。采用了TI公司推出的TMS320C6000系列中性能較高的TMS320DM6437芯片，結合其它外圍電路，設計了智能交通燈控制系統(tǒng)的硬件，并進行了相應的軟件設計。最后進行了實驗和調試。
基于機器視覺的智能交通燈控制系統(tǒng)涉及的領域很多，技術手段較為復雜。由于作者知識有限以及相關條件的限制，有些方面研究不夠深入，還有待于進一步改進與完善。參考文獻
【1】劉智勇．智能交通控制理論及其應用【M】．北京：科學出版社，2003．
【2】高海軍．城市交通信號控制研究[D】．北京：中國科學院自動化研究所，2005．
【3】陳?。贒SP的汽車視覺系統(tǒng)研究【D】．武漢：武漢理工大學，2009．
【4】王史春．基于模糊控制算法實現(xiàn)信號燈智能化研究【J】．電子科技．2009 【5】李玉．交通信號燈的模糊控制[D】．遼寧：遼寧科技大學，2008．
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(jīng)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：淺談人工智能是否會超越人類智能
（學號：）
淺談人工智能是否會超越人類智能
（計算機與信息工程學院，11計科一班）
最近看了電影《黑客帝國》一系列，對其中的科幻生活有了很大的興趣，不覺有了疑問：現(xiàn)在的世界是否會如電影中一樣呢？人工智能的神話是否會發(fā)生在當前社會中的呢？
在黑客帝國的世界里，程序員成為了耶穌，控制著整個世界，黑客帝國之所以成為經(jīng)典，我認為，不是因為飛來飛去的超級人物，而是因為她暗自揭示了一個人與計算機世界的關系，一個發(fā)展趨勢。誰知道200年以后會不會是智能機器統(tǒng)治了世界？
人類正向信息化的時代邁進，信息化是當前時代的主旋律。信息抽象結晶為知識，知識構成智能的基礎。因此，信息化到知識化再到智能化，必將成為人類社會發(fā)展的趨勢。人工智能已經(jīng)并且廣泛而有深入的結合到科學技術的各門學科和社會的各個領域中，她的概念，方法和技術正在各行各業(yè)廣泛滲透。
智能是一個寬泛的概念。智能是人類具有的特征之一。然而，對于什么是人類智能，科學界至今還沒有給出令人滿意的定義。有人從生物學角度定義為“中樞神經(jīng)系統(tǒng)的功能”，有人從心理學角度定義為“進行抽象思維的能力”，甚至有人同義反復地把它定義為“獲得能力的能力”，或者不求甚解地說它“就是智力測驗所測量的那種東西”。這些都不能準確的說明人工智能的確切內涵。
雖然難于下定義，但人工智能的發(fā)展已經(jīng)是當前信息化社會的迫切要求，同時研究人工智能也對探索人類自身智能的奧秘提供有益的幫助。所以每一次人工智能技術的進步都將帶動計算機科學的大跨步前進。如果將現(xiàn)有的計算機技術、人工智能技術及自然科學的某些相關領域結合，并有一定的理論實踐依據(jù)，計算機將擁有一個新的發(fā)展方向。
關于人工智能是否會會超越人類智能這一問題，我認為關鍵在于學習。人類的學習能力是智能行為的一個非常重要的特征，沒有學習，就沒有人類知識的傳承與積累，也就沒有人類文明。學習是生物中樞神經(jīng)系統(tǒng)的高級整合技能之一，是人類獲取知識的重要途徑和人類智能的重要標志；機器學習則是計算機獲取知識的重要途徑和人工智能的重要標志，是一門研究怎樣用計算機來模擬或實現(xiàn)人類學習活動的學科，它是人工智能的核心，也是使計算機具有智能的根本途徑。人類學習的研究與機器學習研究兩者是一種相互影響、相互促進的關系，但是至今人們對學習的機理還不太清楚。這是因為長期以來，鑒于人的大腦結構與功能的極度復雜性，探索和揭示大腦的奧秘僅僅是人類一個美好的夢想，這也包括對大腦是如何進行學習的研究。如果我們另辟蹊徑，把關于人類學習的研究重點從對大腦的研究轉換到“學習”這個概念上，即把“學習”作為研究對象，對其本質從哲學的視野下從認知的角度進行探索，這將對機器學習的發(fā)展具有一定的借鑒意義。
在古代，“學”字多用于表達獲取知識、提高認識的含義，有時也用“知”字表達；“習”字多用于掌握技能、修煉德行等帶有實踐意義的行為，有時兼有“行”的意思。孔子在《論語》中說：“學而時習之，不亦說(悅)乎!”“學”是“習”的基礎與前提，“習”是“學”的鞏固與深化，強調學習過程中的知行統(tǒng)一，以及由此產生的愉悅的情感。由此可知，學習是人類智能的根本特征，但究竟什么是學習目前還沒有一個統(tǒng)一的定義，這是因為“學習”這一概念非常復雜，包括很多方面的內容，幾乎涉及各個領域。因此不同的學派對學習的解釋也有所不同。在教育學領域中，學習一般被認為是人類個體在認識與實踐過程中獲取經(jīng)驗和知識，掌握客觀規(guī)律，使身心獲得發(fā)展的社會活動。這種觀點把學習當作一種社會活動來進行考察，因此這種觀點認為學習的本質就是人類個體的自我意識與自我超越。而在心理學領域內關于學習的定義是：學習是指人和動物因經(jīng)驗而引起的傾向或能力相對持久的變化過程，這些變化不是因成熟、疾病或藥物引起的，而且也不一定表現(xiàn)出外顯的行為。這種觀點的側重點是考察學習的心理機制，而且很明顯，心理學中的學習的概念更為客觀，認為學習的本質只是產生了變化，但并不考慮這種變化的方向。著名的人工智能專家西蒙(Simon)給出的學習概念更接近我們常識中的“學習”，他認為：學習是系統(tǒng)內部的適應性變化，使系統(tǒng)在以后從事同一任務或同一問題范圍中類似的任務時，效率更高。與此類似的是，明斯基也簡單地把學習定義為：“學習”是我們心智內部有用的變化。除了上面給出的學習的定義，還有許多與此不同或類似的定義，不過大致可以歸結如下：學習就是獲得明確的知識，是系統(tǒng)自身性能的改進，或稱為效率的提高。而且人的學習不僅僅是獲取知識和技能，也不僅僅是導致行為的改變，還應當包括在知識經(jīng)驗的基礎上，養(yǎng)成良好的行為習慣，以形成高尚的道德品質和充分發(fā)揮自身的潛能和價值。學習是有目的的行為，這個目的就是要解決問題，即發(fā)現(xiàn)新的知識。
人工智能專家溫斯頓對學習的概念及本質進行了專門探索，在《人工智能》一書中，他將學習分成四類：(1)根據(jù)被編制的程序而學習；(2)根據(jù)指示進行學習；(3)根據(jù)觀察樣品而學習；(4)根據(jù)發(fā)現(xiàn)而學習。他認為學習是一個包括各類學習的嵌套式的層次結構系統(tǒng)。學習形式每上升一類都在已有的簡單學習類型的機制上再加上一些東西。正是溫斯頓的這種系統(tǒng)劃分，使我們對學習的本質進行研究和解讀有了根據(jù)和層次，同時也使得人類的學習有了被計算機模擬和實現(xiàn)的可能性。下面本文試圖從哲學視野對學習的本質進行解讀。
本質是一事物區(qū)別于其他事物的質的規(guī)定性，因此對人類的學習進行研究，首先就要確定學習的本質。從本質上說，人類學習是學習者在本人遺傳素質的基礎上，利用自然界、人類社會創(chuàng)造的文明信息載體(語言、書刊、人類創(chuàng)造的事物等)以及人類文明信息的傳播者(家庭成員、教師和其他社會成員等)，通過刺激反應、探索嘗試、反復實踐和繼承創(chuàng)造等多種途徑，將外部信息轉化為學習者智慧和品德，使學習者的知識、智力、能力和心理品質結構系統(tǒng)由建立、發(fā)展、完善到優(yōu)化，以達到認識和改造主客觀世界為目的的終生行為變化的過程。
也就是說，人類的學習是一個積極主動的建構過程，學習者不是被動地接受外在信息，而是根據(jù)先前認知結構主動地有選擇性地感知外在信息，建構當前事物的意義。這一學習的本質要點在于：(1)學習是人類所特有的個體化、社會性的活動；(2)學習的對象是一切人類知識及創(chuàng)造的文明；(3)學習的機制是將外部信息不斷轉化為學習者的內在智慧；(4)學習的結果是學習者學習系統(tǒng)的完善和優(yōu)化；(5)學習的目的是認識和改造主客觀世界。綜上所述，本文將人類學習的本質抽象概括為“互動——建構——評價式”模型。這一模型也可以說是將行為主義學習理論、認知主義學習理論、建構主義學習理論以及人本主義學習理論相結合的模型，同時也是本文所研究的機器學習借鑒人類學習的一個范式。
“互動——建構——評價式”模型不是一種具體的形式，而是基于“互動”、“建構”以及“評價”這三個核心理念，糅合了學習的主體性和行為主義學習理論、建構主義學習理論等，聯(lián)系學習的實際情況而提出來的通用的學習本質的模式。
當學習者的認知結構中不具備相關的概念時，學習者可能將外來的新知識生硬地、膚淺地搬到自己的認知結構中去，成為機械學習。而學習本質的關鍵，就是在新知識與已有的概念之間建立起一座認知的橋梁。如果新知識帶來了比原有的概念更為深入的一層關系，在認知結構中內化出的概念因此具有新的含義，這時就產生了深化學習。當學習深化到一定程度的時候，學習主體突然會發(fā)現(xiàn)表面上互不相同甚至是矛盾的概念之間的內在聯(lián)系，將它們連接起來，實現(xiàn)知識的系統(tǒng)化和網(wǎng)絡化，這一過程稱為整合?！盎印嫛u價式”模型的重要理念就在于向學習主體提供能夠促進其實現(xiàn)知識整合的內容，并引導主體通過類比和分析去建立起知識之間的聯(lián)系。
“互動——建構——評價式”學習模型首先強調每一學習階段都要有明確的學習目標。在制定目標的過程中應注意：(1)目標的規(guī)定應具體、簡明、易懂；(2)預定的目標要符合當前學習主體的水平與實際，要針對存在的現(xiàn)實問題；(3)目標應前后連貫，邏輯合理、深淺有序、循序漸進，對學習者的學習起導向作用；(4)預定的目標可作為評價的依據(jù)。制定目標的目的是在于給學習主體正確的導向，定好目標并不是“目標”這一環(huán)節(jié)的終結，而是引導學習主題明確目標、主動向目標邁進的起點。對“互動——建構——評價式”模型來說，更重要的是“建構”環(huán)節(jié)，即讓學習主體如何沿正確的方向一步一步地解決問題。為此，“互動——建構——評價式”模型強調要從學習主體已有的知識出發(fā)，真正領會到學習的目標所在，再進一步做深入的探討與評價。
“互動——建構——評價式”學習模型的一般概念是，認為學習主體知識的形成過程，既不是接收式的，也不是單純的發(fā)現(xiàn)式的，而是通過外界環(huán)境中有意義的信息與學習主體原有的知識和思維方式的相互作用，產生新知識。這也正體現(xiàn)了人類學習概念的核心內涵。
學習能力是智能行為的一個非常重要的特征，人在一生中都在不斷地積累知識。但是我們不得不面對的事實是，如果我們的生命一旦結束，這些知識也就和生命一起消失了，因為人類的學習過程受到生命年限的限制。隨著計算機及人工智能科學的進一步發(fā)展，人們越來越意識到，如果機器能夠成功地實現(xiàn)人類的學習過程，那么就可以把學習不斷地延續(xù)下去，這樣就避免了大量的重復學習，使知識積累達到了一個新的高度。因此，從人類的學習本質到機器學習的實現(xiàn)，是科學技術的發(fā)展，也是社會的進步及下一步的進化方向。
機器學習(Machine Learning)是研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，方式上主要使用歸納、綜合而不是演繹。機器學習在人工智能的研究中具有十分重要的地位，一個不具有學習能力的智能系統(tǒng)難以稱得上是一個真正的智能系統(tǒng)，但以往的智能系統(tǒng)都普遍缺少學習的能力。對機器學習的討論和機器學習研究的進展必將促使人工智能和整個科學技術，特別是人類社會的進一步發(fā)展，這就是對從學習的本質到機器學習進行哲學探索的意義所在。
另外，如果我們將機器學習與人類學習相比較，機器學習的實現(xiàn)還具有一定的難度，而且機器學習還有一些自身難以克服的問題。首先就是機器學習的后果難預測。在前面提到過，機器一旦具有了學習的功能，那么也許有一天連設計者本人都不知道機器進化到了何種程度，也就是說，機器學習后知識庫發(fā)生了什么變化都很難預測。這是因為目前的大多數(shù)專家系統(tǒng)都是脫離環(huán)境的學習，即將人類專家準備好的知識，以某種方式傳授給機器。但是如果將機器學習的目的擴展到從環(huán)境中、從工作中、從人機交互中自動提取、更新知識，那么學習產生的效果就更加不可預測。人類制造機器學習的重要目的是為我所用，如果機器超出了人類的控制與預測，卻并不是人類制造它們的初衷。其次，機器學習作為人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，但是這種學習應用的方式主要是使用歸納、綜合而不是演繹。然而歸納本身就存在著一定的缺陷，現(xiàn)有的歸納推理只保證假，不保證真。而且，歸納的結論是無限多的，其中相當多是假的，給生成的知識帶來不可靠性。這與演繹的方法不同，演繹推理是從多數(shù)現(xiàn)象中總結出結論，即從一般的現(xiàn)象推導出總結性的結論。就人類的學習而言，確是演繹與歸納兩種方法并用的，因為這兩種方法并不矛盾，相反卻是互相促進的。機器學習由于自身的局限性，主要采用歸納與綜合，但是歸納的結論有可能是假的，其推理過程中又要使用很多假設和約定，這些都說明機器學習中依然存在著不可靠性。最后，相對與人類學習的目標明確性，機器學習目前卻很難判斷什么重要、什么有意義、應該學習什么。這也就決定了機器學習的應用只是專家系統(tǒng)的部分應用，還無法完全從環(huán)境中獲得和提取知識，實現(xiàn)完全的自動學習。
因此，我們在研究人類學習與機器學習時要特別注意兩者之間的特點與差異。機器學習的研究目的是使機器具有學習能力，但是機器具有智能和機器能夠思維畢竟是兩個概念，雖然讓機器具有思維是人工智能學者們研究的最終目的。思維能把系統(tǒng)的行為高度限定在任務目標中，并能從環(huán)境中提取線索，以便指示過程沿著目標前進，它將知識轉化為方法，去處理、控制、變革變化著的對象。這一點起碼目前機器學習是無法做到的，而這卻是人類學習的必然過程。從兩者的結構分析，機器結構的分離性與人腦結構分離性的不同之處在于，機器智能不在于離散處理信息的方式，而在于機器只“理解”信息的形式，而人卻能夠理解信息的內容?，F(xiàn)代思維科學的研究指出，我們不僅要肯定多種思維形式的存在，而且還要認定多種思維形式的結合，乃是人類的最佳思維方式。所以從功能主義的角度上講，即使機器學習“功能實現(xiàn)”了人類的學習，但兩者之間的差異還是難以彌補的，因此嚴格的說法應該是：機器學習只是模擬和實現(xiàn)人類的部分學習功能，這就是從人類學習到機器學習的本質差異。因此，我不認為人工智能會超越人類智能。
點擊咨詢 