第一篇：人工智能學習

人工智能學習-知識要點總結(jié) [Nirvana 發(fā)表于 2005-1-2 13:32:24]

人工智能是在計算機科學、控制論、信息論、神經(jīng)心理學、哲學、語言學等多種學科研究的基礎(chǔ)上發(fā)展起來的，是一門綜合性邊緣學科，延伸人腦的功能，實現(xiàn)了腦力勞動的自動化。

1、認知科學認為智能的核心是思維，知識闕值理論認為智能行為取決于知識的數(shù)量及其一般化程度，智能就是在巨大搜索空間中迅速找到一個滿意解的能力；進化理論的核心是用控制取代表示，取消概念、模型及顯示表示知識，否定抽象對于智能及智能模擬的必要性，強調(diào)分結(jié)構(gòu)對于智能進化的可能性與必要性。綜合上述觀點，認為智能是知識與智力的總和，具有如下特征：

（1）記憶與思維能力，（2）學習能力及自適應(yīng)能力，（3）行為能力。

人工智能是人造智能，是一門研究如何構(gòu)造智能機器（智能計算機）或智能系統(tǒng)，使它能模擬、延伸、擴展人類智能的學科。通過圖靈測試可以判斷一個系統(tǒng)是否具有智能和智能的水平。

人工智能研究內(nèi)容：

（1）機器感知（2）機器思維（3）機器學習（4）機器行為（5）智能系統(tǒng)構(gòu)造技術(shù)

人工智能研究途徑：

（1）符號處理（2）網(wǎng)絡(luò)連接機制（3）系統(tǒng)集成2、知識是智能的基礎(chǔ)，對人工智能的研究必須以知識為中心來進行，由于對知識的表示、利用、獲取等的研究取得較大進展，特別是不確定性知識表示與推理取得的突破，建立了主觀Bayes理論、確定性理論、證據(jù)理論、可能性理論，對人工智能其他領(lǐng)域（如模式識別，自然語言理解等）的發(fā)展提供了支持。數(shù)據(jù)是信息的載體和表示，信息是數(shù)據(jù)在特定場合的具體含義，信息是數(shù)據(jù)的語義；把有關(guān)信息關(guān)聯(lián)在一起所形成的信息結(jié)構(gòu)叫知識。具有：相對正確性，不確定性，可表示性，可利用性等特征；按作用范圍分為常識性知識，領(lǐng)域性知識；按作用及表示分為事實性知識，過程性知識，控制性知識。按確定性分為確定性知識，不確定性知識；按結(jié)構(gòu)及表現(xiàn)形式分為邏輯性知識，形象性知識；從抽象的，整體的觀點來劃分可分為零級知識，一級知識，二級知識。知識表示方法總體上分為符號表示法，連接機制表示法；目前用得較多的知識表示方法主要有：一階謂詞邏輯表示，產(chǎn)生式，框架，語義網(wǎng)絡(luò)，腳本，過程，Petrio網(wǎng)，面向?qū)ο蟊硎痉ā＿x擇知識表示法時，要注意以下幾個方面：

（1）充分表示領(lǐng)域知識（2）有利于對知識的利用（3）便于對知識的組織、維護與管理（4）便于理解和實現(xiàn)

3、產(chǎn)生式系統(tǒng)構(gòu)成：規(guī)則庫，控制系統(tǒng)，綜合數(shù)據(jù)庫。綜合數(shù)據(jù)庫中已知事實表示：（特性 對象 值可信度因子）控制系統(tǒng)的求解過程是一個不斷地從規(guī)則庫中選取可用規(guī)則與綜合數(shù)據(jù)庫中已知事實進行匹配的過程。產(chǎn)生式系統(tǒng)分類：按推理方向分為前向、后向和雙向產(chǎn)生式系統(tǒng)；按表示知識的確定性可分為確定性及不確定性產(chǎn)生式系統(tǒng)；按數(shù)據(jù)庫性質(zhì)及結(jié)構(gòu)特征進行分類為可交換的產(chǎn)生式系統(tǒng)，可分解的產(chǎn)生式系統(tǒng)，可恢復(fù)的產(chǎn)生式系統(tǒng)。框架是一種描述所論對象屬性的數(shù)據(jù)結(jié)構(gòu)，由槽結(jié)構(gòu)組成，槽分為若干側(cè)面。問題求解主要通過匹配和填槽實現(xiàn)的；產(chǎn)生式表示法主要用于描述事物間的因果關(guān)系，框架表示法主要用于描述事物內(nèi)部結(jié)構(gòu)及事物間的類屬關(guān)系。語義網(wǎng)絡(luò)是通過概念及其語義關(guān)系來表達知識的一種網(wǎng)絡(luò)圖。一個過程規(guī)則包括激發(fā)條件，演繹操作，狀態(tài)轉(zhuǎn)換及返回四個部分。

4、推理就是按某種策略由已知判斷推出另一判斷的思維過程。按從新判斷推出的途徑來劃分，推理可分為演繹推理、歸納推理和默認推理；按所用知識確定性分為確定性推理，不確定性推理；按推出的結(jié)論是否單調(diào)地增加來劃分為單調(diào)推理，非單調(diào)推理；按是否運用與問題有關(guān)的啟發(fā)性知識分為啟發(fā)式推理，非啟發(fā)式推理；按基于方法的分為基于知識的推理，統(tǒng)計推理，直覺推理。推理的控制策略：推理方向，搜索策略，沖突消解策略，求解策略和限制策略。推理方向可確定推理的驅(qū)動方式：正向推理，逆向推理，混合推理及雙向推理。

從一組已知為真的事實出發(fā)，直接運用經(jīng)典邏輯的推理規(guī)則推出結(jié)論的過程稱為自然演繹推理，基本推理規(guī)則是P規(guī)則，T規(guī)則，假言推理，拒絕式推理等：

P規(guī)則：任何步驟可引入前提A

T規(guī)則：前面步驟有一個或多個公式永真蘊涵公式S，可引入S

假言推理：P，P—>Q=> Q

拒絕式推理：P—>Q, 非Q=>非P

歸結(jié)演繹推理中，空字句是不滿足的，因此歸結(jié)的目標是通過歸結(jié)使字句集中包含空字句，從而證明原命題的不可滿足性。歸結(jié)式是親本字句的邏輯結(jié)論。

不確定性推理是從不確定性的初始證據(jù)出發(fā)，通過運用不確定性的知識，最終推出具有一定程度的不確定性但卻是合理或者近乎合理的理論的思維過程。

不確定推理的基本問題：推理方向，推理方法，控制策略，不確定性的表示和度量，不確定性匹配，不確定性傳遞算法，不確定性的合成。

知識的不確定性稱為知識的靜態(tài)強度；證據(jù)的不確定性稱為動態(tài)強度

5、組合證據(jù)的不確定性算法：

最大最小方法

概率方法

有界方法

不確定性傳遞算法：

結(jié)論不確定性的合成：

6、主觀Bayes方法：

（1）知識不確定性表示（產(chǎn)生式規(guī)則）：

（2）證據(jù)不確定性表示：

（3）組合證據(jù)不確定性的算法：

（4）不確定性傳遞算法：

（5）結(jié)論不確定性的合成算法：

7、可信度方法：（C-F模型是基于可信度表示的不確定性推理的基本方法）

在可信度推理方法中的Ｃ-F模型里，可信度CF(H,E)的含義是：CF(H,E)>0表示Ｅ的出現(xiàn)增加了Ｈ的可信度；CF(H,E)=0表示Ｅ的出現(xiàn)與Ｈ可信度無關(guān)；CF(H,E)<0表示Ｅ的出現(xiàn)降低了Ｈ的可信度。

（1）知識不確定性表示：

（2）證據(jù)不確定性表示：

（3）組合證據(jù)不確定性算法：

（4）不確定性傳遞算法：

（5）結(jié)論不確定性合成算法（推理網(wǎng)絡(luò)）：

8、證據(jù)理論是用集合表示命題的，D是變量x所有可能取值的集合，且D中的元素是互斥的，在任一時刻x都取且只能取D中某一元素為值，則稱D為x的樣本空間。

信任函數(shù)與似然函數(shù)的關(guān)系：Pl(A)>=Bel(A), Bel(A)表示對A為真的信任程度，Pl(A)表示對A為非假的信任程度。Pl(A)-Bel(A)表示對Ａ不知道的程度，即既非對Ａ信任又不信任的那部分。

知識的不確定表示：IF E THEN H={h1,h2,…,hn} CF={c1,c2,…,cn}ＣＦ是可信度因子

含有模糊概念、模糊數(shù)據(jù)或帶有確信程度的語句稱為模糊命題。一般表示形式為：

x is A(CF)x是論域上的變量，Ａ是模糊數(shù)，ＣＦ是該模糊命題的確信程度或

相應(yīng)事件發(fā)生的可能性程度。

10、人工智能解決的問題：結(jié)構(gòu)不良，非結(jié)構(gòu)化；盲目搜索按預(yù)定的控制策略進行搜索，在搜索過程中獲得的中間信息不用來改進控制策略；啟發(fā)式搜索加入了與問題有關(guān)的啟發(fā)性信息，用以指導搜索朝著最有希望的方向前進，加速問題的求解過程并找到最優(yōu)解。

狀態(tài)空間表示法：（Ｓ，Ｆ，Ｇ）

11、專家系統(tǒng)就是一種在相關(guān)領(lǐng)域中具有專家水平解題能力的智能程序系統(tǒng)，它能運用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗與專門知識，模擬人類專家的思維過程，求解需要專家才能解決的困難問題。

特征：專家知識，有效推理，獲取知識能力，靈活性，透明性，交互性，復(fù)雜性

專家系統(tǒng)與常規(guī)計算機程序比較：＊

(1)常規(guī)程序＝數(shù)據(jù)結(jié)構(gòu)＋算法，專家系統(tǒng)＝知識＋推理

(2)常規(guī)程序分為數(shù)據(jù)級＋程序級，專家系統(tǒng)數(shù)據(jù)級＋知識庫級＋控制級

(3)常規(guī)程序面向數(shù)值計算和數(shù)據(jù)處理，專家系統(tǒng)本質(zhì)上是面向符號處理的(4)常規(guī)程序處理的數(shù)據(jù)多是精確的，專家系統(tǒng)處理不精確，模糊知識

(5)解釋功能

(6)都是程序系統(tǒng)

12、機器學習是要使計算機能模擬人的學習行為，自動地通過學習獲取知識和技能，不斷改善性能，實現(xiàn)自我完善：

三個方面的研究內(nèi)容：（１）學習機理研究（２）學習方法研究（３）面向任務(wù)研究

學習系統(tǒng)是指能夠在一定程度上實現(xiàn)機器學習的系統(tǒng)，能夠從某個過程或環(huán)境的未知特征中學到有關(guān)信息，并且能把學到的信息用于未來的估計、分類、決策或控制，以便改進系統(tǒng)的性能。在結(jié)構(gòu)上主要包括：學習環(huán)境，學習機構(gòu)，執(zhí)行與評估機構(gòu)和知識庫四個部分；各種符號學習方法中推理能力最強的學習方法是機械式學習，推理能力最弱的方法是觀察和發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)學習獲得的知識被存儲在神經(jīng)元之間的連接中。

學習系統(tǒng)具有的條件能力：

(1)具有適當?shù)膶W習環(huán)境

(2)具有一定學習能力

(3)能應(yīng)用學到的知識求解問題

(4)能提高系統(tǒng)的性能

第二篇：《人工智能》學習報告

深圳大學碩士研究生課程作業(yè)—人工智能

《人工智能》學習報告

深圳大學機電與控制工程學院彭建柳

學號：0943010210

1.引言

人工智能(Artificial Intelligence，AI)，曾經(jīng)有一部電影，著名導演斯蒂文?斯皮爾伯格的科幻片《人工智能》(A.I.)對許多人的頭腦又一次產(chǎn)生了震動，引起了一些人士了解并探索人工智能領(lǐng)域的興趣。人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數(shù)研究人員為之奉獻才智，從美國的麻省理工學院(MIT)、卡內(nèi)基-梅隆大學(CMU)到IBM公司，再到日本的本田公司、SONY公司以及國內(nèi)的清華大學、中科院等科研院所，全世界的實驗室都在進行著AI技術(shù)的實驗。

一直以來，關(guān)于人工智能的理論，我一直認為是科學的前沿，理解起來較為飄渺。但是，從本學期《人工智能》課程的學習中，本人較系統(tǒng)的接觸到了關(guān)于人工智能的理論，從有限的課程中，通過老師的詳細介紹和查閱人工智能方面的書籍，學習了關(guān)于人工智能幾個主要方面的知識，如模糊控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等。下面是本人關(guān)于人工智能理論的一些基本認識。

2.人工智能的形成與發(fā)展

說到人工智能，首先先認識下自動控制理論，自動控制理論從形成到發(fā)展至今，已經(jīng)經(jīng)歷了六十多年的歷程，其主要分為三個階段：

務(wù)和現(xiàn)實模型的描述、符號和環(huán)境的識別以及知識庫和推理機的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計常規(guī)控制器，而是研制智能機器的模型。此外，智能控制的核心在高層控制，即組織控制。高層控制是對實際環(huán)境或過程進行組織、決策和規(guī)劃，以實現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號信息處理、啟發(fā)式程序設(shè)計、知識表示、自動推理和決策等有關(guān)技術(shù)。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的“智能”。

隨著人工智能和計算機技術(shù)的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng)科學中一些有關(guān)學科分支(如系統(tǒng)工程、系統(tǒng)學、運籌學、信息論)結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動控制技術(shù)的最新發(fā)展階段，也是用計算機模擬人類智能進行控制的研究領(lǐng)域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)。1985年，在美國首次召開了智能控制學術(shù)討論會。1987年又在美國召開了智能控制的首屆國際學術(shù)會議，標志著智能控制作為一個新的學科分支得到承認。智能控制具有交叉學科和定量與定性相結(jié)合的分析方法和特點。

3.模糊控制

在傳統(tǒng)的控制領(lǐng)域里，控制系統(tǒng)動態(tài)模式的精確與否是影響控制優(yōu)劣的最主要關(guān)鍵，系統(tǒng)動態(tài)的信息越詳細，則越能達到精確控制的目的。然而，對于復(fù)雜的系統(tǒng)，由于變量太多，往往難以正確的描述系統(tǒng)的動態(tài)，于是工程師便利用各種方法來簡化系統(tǒng)動態(tài)，以達成控制的目的，但卻不盡理想。換言之，傳統(tǒng)的控制理論對于明確系統(tǒng)有強而有力的控制能力，但對于過于復(fù)雜或難以精確描述的系統(tǒng)，則顯得無能為力了。因此便嘗試著以模糊數(shù)學來處理這些控制問題。通過課堂中，導師生動的講解，以及引用到生活當中鮮活的例子，如冰箱溫度的模糊控制，智能汽車的行駛路線控制等等，充分的認識到，模糊控制在當今社會的應(yīng)用已經(jīng)很廣泛，只是理論知識的缺乏而感覺不到它們的存在。

一般控制架構(gòu)包括：定義變量、模糊化、知識庫、邏輯判斷及反模糊化，詳細如下：

(1)定義變量：也就是決定程序被觀察的狀況及考慮控制的動作，例如在一般控制問題上，輸入變量有輸出誤差E與輸出誤差之變化率CE，而控制變量

則為下一個狀態(tài)之輸入U。其中E、CE、U統(tǒng)稱為模糊變量。

(2)模糊化（fuzzify）：將輸入值以適當?shù)谋壤D(zhuǎn)換到論域的數(shù)值，利用口語化變量來描述測量物理量的過程，依適合的語言值（linguisitc value）求該值相對之隸屬度，此口語化變量我們稱之為模糊子集合（fuzzy subsets）。

(3)知識庫：包括數(shù)據(jù)庫（data base）與規(guī)則庫（rule base）兩部分，其中數(shù)據(jù)庫是提供處理模糊數(shù)據(jù)之相關(guān)定義；而規(guī)則庫則藉由一群語言控制規(guī)則描述控制目標和策略。

(4)邏輯判斷：模仿人類下判斷時的模糊概念，運用模糊邏輯和模糊推論法進行推論，而得到模糊控制訊號。此部分是模糊控制器的精髓所在。

(5)解模糊化（defuzzify）：將推論所得到的模糊值轉(zhuǎn)換為明確的控制訊號，做為系統(tǒng)的輸入值。

模糊控制很重要的一點就是模糊規(guī)則的制定，其規(guī)則制定的來源主要由專家的經(jīng)驗和知識、操作員的操作模式、自學習提供。模糊規(guī)則的形式則分為狀態(tài)評估和目標評估兩種。但都是以模糊控制為基礎(chǔ)，達到自動控制的目的。

4.專家系統(tǒng)

專家系統(tǒng)(expert system)是人工智能應(yīng)用研究最活躍和最廣泛的課題之

一。運用特定領(lǐng)域的專門知識，通過推理來模擬通常由人類專家才能解決的各種復(fù)雜的、具體的問題，達到與專家具有同等解決問題能力的計算機智能程序系統(tǒng)。它能對決策的過程作出解釋，并有學習功能，即能自動增長解決問題所需的知識。

專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性等方面存在缺陷，求解問題的能力弱。第二代專家系統(tǒng)（mycin、casnet、prospector、hearsay等）屬單學科專業(yè)型、應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所改善，而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術(shù)、不確定推理技術(shù)、增強專家系統(tǒng)的知識表示和推理方法的啟發(fā)性、通用性等方面都有所改進。第三代專家系統(tǒng)屬多學科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和

環(huán)境來研制大型綜合專家系統(tǒng)。在總結(jié)前三代專家系統(tǒng)的設(shè)計方法和實現(xiàn)技術(shù)的基礎(chǔ)上，已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫、自組織解題機制、多學科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡(luò)知識獲取及學習機制等最新人工智能技術(shù)來實現(xiàn)具有多知識庫、多主體的第四代專家系統(tǒng)。

對專家系統(tǒng)可以按不同的方法分類。通常，可以按應(yīng)用領(lǐng)域、知識表示方法、控制策略、任務(wù)類型等分類。如按任務(wù)類型來劃分，常見的有解釋型、預(yù)測型、診斷型、調(diào)試型、維護型、規(guī)劃型、設(shè)計型、監(jiān)督型、控制型、教育型等。

簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。

5.神經(jīng)網(wǎng)絡(luò)

由于神經(jīng)網(wǎng)絡(luò)是多學科交叉的產(chǎn)物，各個相關(guān)的學科領(lǐng)域?qū)ι窠?jīng)網(wǎng)絡(luò)都有各自的看法，因此，關(guān)于神經(jīng)網(wǎng)絡(luò)的定義，在科學界存在許多不同的見解。目前使用得最廣泛的是T.Koholen的定義，即“神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應(yīng)。”

人工神經(jīng)網(wǎng)絡(luò)是模擬人思維的第二種方式。這是一個非線性動力學系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。雖然單個神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實現(xiàn)的行為卻是極其豐富多彩的。

6.小結(jié)

關(guān)于人工智能的學習，我現(xiàn)在所學習到的僅僅是皮毛。但對于一個剛剛接觸人工智能學習的學生，了解如模糊控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等人工智能的知識入門尤為重要，為將來進一步學習人工智能的理論打下基礎(chǔ)，并將理論應(yīng)用于生活和工作當中，這才是學習的最終目的。

參考文獻：

《人工智能控制》作者：蔡自興，出 版 社：化學工業(yè)出版社，2005-7-1

第三篇：人工智能學習論文

20107932唐雪琴

人工智能研究最新進展綜述

一、研究領(lǐng)域

在大多數(shù)數(shù)學科中存在著幾個不同的研究領(lǐng)域，每個領(lǐng)域都有著特有的感興趣的研究課題、研究技術(shù)和術(shù)語。在人工智能中，這樣的領(lǐng)域包括自然語言處理、自動定理證明、自動程序設(shè)計、智能檢索、智能調(diào)度、機器學習、專家系統(tǒng)、機器人學、智能控制、模式識別、視覺系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、agent、計算智能、問題求解、人工生命、人工智能方法、程序設(shè)計語言等。

在過去50多年里，已經(jīng)建立了一些具有人工智能的計算機系統(tǒng)；例如，能夠求解微分方程的，下棋的，設(shè)計分析集成電路的，合成人類自然語言的，檢索情報的，診斷疾病以及控制控制太空飛行器、地面移動機器人和水下機器人的具有不同程度人工智能的計算機系統(tǒng)。人工智能是一種外向型的學科，它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數(shù)學基礎(chǔ)，哲學和生物學基礎(chǔ)，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。因為人工智能的研究領(lǐng)域十分廣闊，它總的來說是面向應(yīng)用的，也就說什么地方有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。參照人在各種活動中的功能，我們可以得到人工智能的領(lǐng)域也不過就是代替人的活動而已。哪個領(lǐng)域有人進行的智力活動，哪個領(lǐng)域就是人工智能研究的領(lǐng)域。人工智能就是為了應(yīng)用機器的長處來幫助人類進行智力活動。人工智能研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。

二、各領(lǐng)域國內(nèi)外研究現(xiàn)狀（進展成果）近年來，人工智能的研究和應(yīng)用出現(xiàn)了許多新的領(lǐng)域，它們是傳統(tǒng)人工智能的延伸和擴展。在新世紀開始的時候，這些新研究已引起人們的更密切關(guān)注。這些新領(lǐng)域有分布式人工智能與艾真體（agent）、計算智能與進化計算、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)，以及人工生命等。下面逐一加以概略介紹。

1、分布式人工智能與艾真體

分布式人工智能（Distributed AI，DAI）是分布式計算與人工智能結(jié)合的結(jié)果。DAI系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標準，并具有互操作性，即不同的異構(gòu)系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。

分布式人工智能的研究目標是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型。DAI中的智能并非獨立存在的概念，只能在團體協(xié)作中實現(xiàn)，因而其主要研究問題是各艾真體間的合作與對話，包括分布式問題求解和多艾真體系統(tǒng)（Multiagent System，MAS）兩領(lǐng)域。其中，分布式問題求解把一個具體的求解問題劃分為多個相互合作和知識共享的模塊或結(jié)點。多艾真體系統(tǒng)則研究各艾真體間智能行為的協(xié)調(diào)，包括規(guī)劃、知識、技術(shù)和動作的協(xié)調(diào)。這兩個研究領(lǐng)域都要研究知識、資源和控制的劃分問題，但分布式問題求解往往含有一個全局的概念模型、問題和成功標準，而MAS則含有多個局部的概念模型、問題和成功標準。

MAS更能體現(xiàn)人類的社會智能，具有更大的靈活性和適應(yīng)性，更適合開放和動

態(tài)的世界環(huán)境，因而倍受重視，已成為人工智能以至計算機科學和控制科學與工程的研究熱點。當前，艾真體和MAS的研究包括理論、體系結(jié)構(gòu)、語言、合作與協(xié)調(diào)、通訊和交互技術(shù)、MAS學習和應(yīng)用等。MAS已在自動駕駛、機器人導航、機場管理、電力管理和信息檢索等方面獲得應(yīng)用。

2、計算智能與進化計算

計算智能（Computing Intelligence）涉及神經(jīng)計算、模糊計算、進化計算等研究領(lǐng)域。其中，神經(jīng)計算和模糊計算已有較長的研究歷史，而進化計算則是較新的研究領(lǐng)域。在此僅對進化計算加以說明。

進化計算（Evolutionary Computation）是指一類以達爾文進化論為依據(jù)來設(shè)計、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱，它包括遺傳算法（Genetic Algorithms）、進化策略（Evolutionary Strategies）和進化規(guī)劃（Evolutionary Programming）。它們遵循相同的指導思想，但彼此存在一定差別。同時，進化計算的研究關(guān)注學科的交叉和廣泛的應(yīng)用背景，因而引入了許多新的方法和特征，彼此間難于分類，這些都統(tǒng)稱為進化計算方法。目前，進化計算被廣泛運用于許多復(fù)雜系統(tǒng)的自適應(yīng)控制和復(fù)雜優(yōu)化問題等研究領(lǐng)域，如并行計算、機器學習、電路設(shè)計、神經(jīng)網(wǎng)絡(luò)、基于艾真體的仿真、元胞自動機等。

達爾文進化論是一種魯棒的搜索和優(yōu)化機制，對計算機科學，特別是對人工智能的發(fā)展產(chǎn)生了很大的影響。大多數(shù)生物體通過自然選擇和有性生殖進行進化。自然選擇決定了群體中哪些個體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，即物競天擇，優(yōu)勝劣汰。

直到幾年前，遺傳算法、進化規(guī)劃、進化策略三個領(lǐng)域的研究才開始交流，并發(fā)現(xiàn)它們的共同理論基礎(chǔ)是生物進化論。因此，把這三種方法統(tǒng)稱為進化計算，而把相應(yīng)的算法稱為進化算法。

3、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

知識獲取是知識信息處理的關(guān)鍵問題之一。20世紀80年代人們在知識發(fā)現(xiàn)方面取得了一定的進展。利用樣本，通過歸納學習，或者與神經(jīng)計算結(jié)合起來進行知識獲取已有一些試驗系統(tǒng)。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)是90年代初期新崛起的一個活躍的研究領(lǐng)域。在數(shù)據(jù)庫基礎(chǔ)上實現(xiàn)的知識發(fā)現(xiàn)系統(tǒng)，通過綜合運用統(tǒng)計學、粗糙集、模糊數(shù)學、機器學習和專家系統(tǒng)等多種學習手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識，從而揭示出蘊涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)規(guī)律，實現(xiàn)知識的自動獲取。這是一個富有挑戰(zhàn)性、并具有廣闊應(yīng)用前景的研究課題。

從數(shù)據(jù)庫獲取知識，即從數(shù)據(jù)中挖掘并發(fā)現(xiàn)知識，首先要解決被發(fā)現(xiàn)知識的表達問題。最好的表達方式是自然語言，因為它是人類的思維和交流語言。知識表示的最根本問題就是如何形成用自然語言表達的概念。

機器知識發(fā)現(xiàn)始于1974年，并在此后十年中獲得一些進展。這些進展往往與專家系統(tǒng)的知識獲取研究有關(guān)。到20世紀80年代末，數(shù)據(jù)挖掘取得突破。越來越多的研究者加入到知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的研究行列。現(xiàn)在，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘已成為人工智能研究的又一熱點。

比較成功的知識發(fā)現(xiàn)系統(tǒng)有用于超級市場商品數(shù)據(jù)分析、解釋和報告的CoverStory系統(tǒng)，用于概念性數(shù)據(jù)分析和查尋感興趣關(guān)系的集成化系統(tǒng)EXPLORA，交互式大型數(shù)據(jù)庫分析工具KDW，用于自動分析大規(guī)模天空觀測數(shù)據(jù)的SKICAT系統(tǒng)，以及通用的數(shù)據(jù)庫知識發(fā)現(xiàn)系統(tǒng)KDD等。

4、人工生命

人工生命（Artificial Life，ALife）的概念是由美國圣菲研究所非線性研究組的蘭頓（Langton）于1987年提出的，旨在用計算機和精密機械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動力學、進化和環(huán)境適應(yīng)。

人工生命所研究的人造系統(tǒng)能夠演示具有自然生命系統(tǒng)特征的行為，在“生命之所能”（life as it could be）的廣闊范圍內(nèi)深入研究“生命之所知”（life as we know it）的實質(zhì)。只有從“生命之所能”的廣泛內(nèi)容來考察生命，才能真正理解生物的本質(zhì)。人工生命與生命的形式化基礎(chǔ)有關(guān)。生物學從問題的頂層開始，把器官、組織、細胞、細胞膜，直到分子，以探索生命的奧秘和機理。人工生命則從問題的底層開始，把器官作為簡單機構(gòu)的宏觀群體來考察，自底向上進行綜合，把簡單的由規(guī)則支配的對象構(gòu)成更大的集合，并在交互作用中研究非線性系統(tǒng)的類似生命的全局動力學特性。

人工生命的理論和方法有別于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡(luò)的理論和方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應(yīng)機理通過計算機進行仿真，對相關(guān)非線性對象進行更真實的動態(tài)描述和動態(tài)特征研究。

人工生命學科的研究內(nèi)容包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進化動力學、人工生命的計算理論、進化與學習綜合系統(tǒng)以及人工生命的應(yīng)用等。比較典型的人工生命研究有計算機病毒、計算機進程、進化機器人、自催化網(wǎng)絡(luò)、細胞自動機、人工核苷酸和人工腦等。

三、學了人工智能課程的收獲

（1）了解人工智能的概念和人工智能的發(fā)展，了解國際人工智能的主要流派和路線，了解國內(nèi)人工智能研究的基本情況，熟悉人工智能的研究領(lǐng)域。

（2）較詳細地論述知識表示的各種主要方法。重點掌握了狀態(tài)空間法、問題歸約法和謂詞邏輯法，熟悉語義網(wǎng)絡(luò)法，了解知識表示的其他方法，如框架法、劇本法、過程法等。

（3）掌握了盲目搜索和啟發(fā)式搜索的基本原理和算法，特別是寬度優(yōu)先搜索、深度優(yōu)先搜索、等代價搜索、啟發(fā)式搜索、有序搜索、A*算法等。了解博弈樹搜索、遺傳算法和模擬退火算法的基本方法。

（4）掌握了消解原理、規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)的技術(shù)、了解不確定性推理、非單調(diào)推理的概念。

（5）概括性地了解了人工智能的主要應(yīng)用領(lǐng)域，如專家系統(tǒng)、機器學習、規(guī)劃系統(tǒng)、自然語言理解和智能控制等。

（6）基本了解人工智能程序設(shè)計的語言和工具。

四、對人工智能研究的展望

對現(xiàn)代社會的影響有多大？工業(yè)領(lǐng)域，尤其是制造業(yè)，已成功地使用了人工智能技術(shù)，包括智能設(shè)計、虛擬制造、在線分析、智能調(diào)度、仿真和規(guī)劃等。金融業(yè)，股票商利用智能系統(tǒng)輔助其分析，判斷和決策；應(yīng)用卡欺詐檢測系統(tǒng)業(yè)已得到普遍應(yīng)用。人工智能還滲透到人們的日常生活，CAD，CAM，CAI，CAP，CIMS等一系列智能產(chǎn)品給大家?guī)砹藰O大的方便，它還改變了傳統(tǒng)的通信方式，語音撥號，手寫短信的智能手機越來越人性化。

人工智能還影響了你們的文化和娛樂生活，引發(fā)人們更深層次的精神和哲學層面的思考，從施瓦辛格主演的《終結(jié)者》系列，到基努.里維斯主演的《黑客帝國》系列以及斯皮爾伯格導演的《人工智能》，都有意無意的提出了同樣的問題：我們應(yīng)該如何看待人工智能？如何看待具有智能的機器？會不會有一天機器的智能將超過人的智能？問題的答案也許千差萬別，我個人認為上述擔心不太可能成為現(xiàn)實，因為我們理解人工智能并不是讓它取代人類智能，而是讓它模擬人類智能，從而更好地為人類服務(wù)。

當前人工智能技術(shù)發(fā)展迅速，新思想，新理論，新技術(shù)不斷涌現(xiàn)，如模糊技術(shù)，模糊--神經(jīng)網(wǎng)絡(luò)，遺傳算法，進化程序設(shè)計，混沌理論，人工生命，計算智能等。以Agent概念為基礎(chǔ)的分布式人工智能正在異軍突起，特別是對于軟件的開發(fā)，“面向Agent技術(shù)”將是繼“面向?qū)ο蠹夹g(shù)”后的又一突破。從萬維網(wǎng)到人工智能的研究正在如火如荼的開展。

五、對課程的建議

（1）能夠結(jié)合現(xiàn)在最新研究成果著重講解重點知識，以及講述在一些研究成果中人工智能那些知識被應(yīng)用。

（2）多推薦一些過于人工智能方面的電影，如：《終結(jié)者》系列、《黑客帝國》

系列、《人工智能》等，從而增加同學對這門課程學習的興趣。

（3）條件允許的話，可以安排一些實驗課程，讓同學們自己制作一些簡單的作品，增強同學對人工智能的興趣，加強同學之間的學習。

（4）課堂上多講解一些人工智能在各個領(lǐng)域方面的應(yīng)用，以及著重闡述一些

新的和正在研究的人工智能方法與技術(shù)，讓同學們可以了解近期發(fā)展起來的方法和技術(shù)，在講解時最好多舉例，再結(jié)合原理進行講解，更助于同學們對人工智能的理解。

第四篇：《人工智能導論》學習心得體會

《人工智能導論》學習心得

大學第一次接觸《人工智能導論》這門課,通過老師的講解,我對人工智能有了一些簡單的感性認識，我覺得人工智能是一門具有挑戰(zhàn)性的科學，想要學好這門課程必須要懂得計算機知識以及基本的算法認識。人工智能包括了十分廣泛的科學，它由不同的領(lǐng)域組成，例如機器學習，計算機視覺等，總的來說，人工智能研究的主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。雖然在此門課程中對算法的實現(xiàn)不能獨立完成，但在一些簡單的基本的算法上還是有一定的理解和認識。我也在此次課程設(shè)計的過程中不斷的學習，反復(fù)的調(diào)式和思考問題，終于在我的堅持下能夠很好地理解算法轉(zhuǎn)換為實際代碼的過程，也對算法有了更加清晰的思路。因此，我更加確信在自己的不斷努力下總是會有收獲的，只有堅持下去，才有成功的希望。

人工智能在很多領(lǐng)域得到了發(fā)展川在我們的日常生活中發(fā)揮了重要的作用。如:機器翻譯,機器翻譯是利用計算機把一種自然語言轉(zhuǎn)換成其他語言的過程。用以完成這一過程的軟件系統(tǒng)叫做機器翻譯系統(tǒng),利用這個系統(tǒng)我們可以很方使的完成一些語言翻譯工作。目前,照內(nèi)的機器翻譯軟件有很多,富有代表性的當屬金山，它可以迅速的咨詢英文單詞和句子翻譯,重要的是它還可以提供多種語言為用戶提供了極大的便利。

人工智能：像人一樣思考，理性的思考；像人一樣行動，理性的行動，如果你與一臺機器進行對話，它能回答你的問題并且感受不到是機器在回答的話，就說這臺機器具有智能。當然并不是通過測試就說明有智能，但現(xiàn)階段的研究主要還是弱人工智能：模仿人腦的基本功能，感知、記憶、學習和決策等，向著強人工智能以及超級人工智能發(fā)展的話還有很長的一段路要走，中間有著巨大的鴻溝。

人工智能經(jīng)歷3起2落，現(xiàn)在是機器學習階段，人工智能現(xiàn)在最熱門的領(lǐng)域：機器學習，自然語言處理，圖像，而在金融領(lǐng)域：智能投顧，高頻交易；互聯(lián)網(wǎng)領(lǐng)域：語音助手，機器翻譯，文本智能識別，聽歌識曲，刷臉解鎖（以色列的一項技術(shù)），拍照優(yōu)化，相冊分類，影像處理，AR特效，影像內(nèi)容審核及分類；智能規(guī)劃決策：博弈論（囚徒困境）；自動駕駛領(lǐng)域：感知-認知-決策-控制-執(zhí)行；公共安全領(lǐng)域；教育領(lǐng)域；泛信息處理（百度和谷歌可以關(guān)鍵字檢索速度很快，哈希算法）；醫(yī)療健康領(lǐng)域；工業(yè)制造領(lǐng)域；零售領(lǐng)域；廣告營銷領(lǐng)域；交通出行領(lǐng)域；智能客服領(lǐng)域

一些大公司在人工智能領(lǐng)域的投入和研究對于推動人工智能的發(fā)展起到了很大的作用，最值得一提的就是谷歌。谷歌的免費搜索表面上是為了方便人們的查詢，但這款搜索引擎推出的初衷就是為了幫助人工智能的深度學習，通過上億的用戶一次又一次地查詢，來鍛煉人工智能的學習能力，由于我的水平還很低，對于深度學習還不敢妄自揣測。但是，近年來谷歌公司在人工智能方面的突破一項接著一項，為人們熟知的便是智能汽車。不得不說，人工智能想要進一步發(fā)展，必須依靠這些大公司的研究和不斷推廣，由經(jīng)濟促創(chuàng)新。

第五篇：人工智能相關(guān)材料

應(yīng)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(chǎn)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(jiān)控、安保機器人）產(chǎn)品舉例：商湯科技、格靈深瞳、神州云海

自駕領(lǐng)域（智能汽車、公共交通、快遞用車、工業(yè)應(yīng)用）產(chǎn)品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等

醫(yī)療健康（醫(yī)療健康的監(jiān)測診斷、智能醫(yī)療設(shè)備）產(chǎn)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(chǎn)品舉例：阿里、京東、亞馬遜

金融（智能投顧、智能客服、安防監(jiān)控、金融監(jiān)管）產(chǎn)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(chǎn)品舉例：學吧課堂、科大訊飛、云知聲

發(fā)展方向思路：

（一）人工智能新興產(chǎn)業(yè)

這部分主要任務(wù)是進行人工智能前沿技術(shù)布局，推動核心技術(shù)產(chǎn)業(yè)化，并為人工智能產(chǎn)業(yè)發(fā)展奠定公共基礎(chǔ)。本部分涉及核心技術(shù)研發(fā)與產(chǎn)業(yè)化、基礎(chǔ)資源公共服務(wù)平臺兩大工程。其中，核心技術(shù)研發(fā)與產(chǎn)業(yè)化工程主要涉及三個方面的技術(shù)。一是人工智能基礎(chǔ)理論，包括深度學習、類腦智能等。二是人工智能共性技術(shù)，包括人工智能領(lǐng)域的芯片、傳感器、操作系統(tǒng)、存儲系統(tǒng)、高端服務(wù)器、關(guān)鍵網(wǎng)絡(luò)設(shè)備、網(wǎng)絡(luò)安全技術(shù)設(shè)備、中間件等基礎(chǔ)軟硬件技術(shù)。三是人工智能應(yīng)用技術(shù)，包括基于人工智能的計算機視聽覺、生物特征識別、復(fù)雜環(huán)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(wǎng)絡(luò)安全等。基礎(chǔ)資源公共服務(wù)平臺工程主要涉及四個方面的建設(shè)內(nèi)容。一是各種類型人工智能海量訓練資源庫和標準測試數(shù)據(jù)集建設(shè)，包括文獻、語音、圖像、視頻、地圖及行業(yè)應(yīng)用數(shù)據(jù)等，這些數(shù)據(jù)集需要面向社會開放，為廣大科研機構(gòu)和企業(yè)進行人工智能研究和開發(fā)提供服務(wù)。二是基礎(chǔ)資源服務(wù)平臺建設(shè)，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(shù)開放平臺、智能系統(tǒng)安全情報共享平臺等。三是類腦智能基礎(chǔ)服務(wù)平臺建設(shè)，要能夠模擬真實腦神經(jīng)系統(tǒng)的認知信息處理過程。四是產(chǎn)業(yè)公共服務(wù)平臺建設(shè)，可以為人工智能創(chuàng)新創(chuàng)業(yè)提供相關(guān)研發(fā)工具、檢驗評測、安全、標準、知識產(chǎn)權(quán)、創(chuàng)業(yè)咨詢等專業(yè)化服務(wù)。

（二）重點領(lǐng)域智能應(yīng)用

這部分主要任務(wù)是加快人工智能技術(shù)的產(chǎn)業(yè)化進程，推動人工智能在家居、汽車、無人系統(tǒng)、安防、制造、教育、環(huán)境、交通、商業(yè)、健康醫(yī)療、網(wǎng)絡(luò)安全、社會治理等重要領(lǐng)域開展試點，使得人工智能能夠在第一時間轉(zhuǎn)化為生產(chǎn)力并惠及民生。本部分以基礎(chǔ)較好的智能家居、智能汽車、智能無人系統(tǒng)、智能安防等領(lǐng)域為主。智能家居示范工程主要支持利用健康醫(yī)療、智慧娛樂、家庭安全、環(huán)境監(jiān)測、能源管理等應(yīng)用技術(shù)，進行具有人工智能的酒店、辦公樓、商場、社區(qū)、家庭等建設(shè)，提升百姓生活品質(zhì)。智能汽車研發(fā)與產(chǎn)業(yè)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(tǒng)、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(tǒng)應(yīng)用工程主要面向無人機、無人船等無人設(shè)備，支持與人工智能相關(guān)的結(jié)構(gòu)設(shè)計、智能材料、自動巡航、遠程遙控、圖像回傳等技術(shù)研發(fā)，及其在物流、農(nóng)業(yè)、測繪、電力巡線、安全巡邏、應(yīng)急救援等重要行業(yè)領(lǐng)域的創(chuàng)新應(yīng)用。智能安防推廣工程主要面向與百姓安全息息相關(guān)的社會治安、工業(yè)安全以及火災(zāi)、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(shù)的研發(fā)和應(yīng)用。

（三）智能化終端產(chǎn)品

這部分的主要任務(wù)是希望通過合適的終端，實現(xiàn)智能化生產(chǎn)和服務(wù)。本部分涉及三大工程。智能終端應(yīng)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(yīng)用，支持其在智能交互、智能翻譯等云端協(xié)同方面及圖像處理、操作系統(tǒng)基礎(chǔ)軟硬件方面進一步改進。智能可穿戴設(shè)備發(fā)展工程主要支持輕量級操作系統(tǒng)、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(xiàn)實和增強現(xiàn)實等關(guān)鍵技術(shù)的成果轉(zhuǎn)化與應(yīng)用。智能機器人研發(fā)與應(yīng)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(shù)在機器人方面的研發(fā)和應(yīng)用，包括生產(chǎn)用智能工業(yè)機器人，救災(zāi)救援、反恐防暴等特殊領(lǐng)域的智能特種機器人，醫(yī)療康復(fù)、教育娛樂、家庭服務(wù)等領(lǐng)域的智能服務(wù)機器人。

（四）標準體系和知識產(chǎn)權(quán)

目前人工智能標準領(lǐng)域還處于一片空白狀態(tài)，關(guān)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(tǒng)一的技術(shù)體系架構(gòu)，平臺與應(yīng)用之間的接口五花八門，而且基本上都是私有協(xié)議，網(wǎng)絡(luò)、軟硬件、數(shù)據(jù)、系統(tǒng)、測試評估等方面的研發(fā)、應(yīng)用、服務(wù)也無章可循。這直接導致了人工智能領(lǐng)域進入門檻過高，無法形成良性發(fā)展的產(chǎn)業(yè)生態(tài)。因此，建設(shè)人工智能領(lǐng)域標準化體系，建立并完善基礎(chǔ)共性、互聯(lián)互通、行業(yè)應(yīng)用、網(wǎng)絡(luò)安全、隱私保護等技術(shù)標準，已經(jīng)成為擺在眼前的現(xiàn)實問題。當然，標準化工作需要相關(guān)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(chǎn)業(yè)發(fā)展的有效促進，推動標準走出去才能增強國際話語權(quán)。另一方面，在我們所處的這個全球經(jīng)濟一體化時代，專利已經(jīng)成為發(fā)展的硬實力，必須要加快重點技術(shù)和應(yīng)用領(lǐng)域的專利布局，同時加強專利合作，提高知識產(chǎn)權(quán)成果轉(zhuǎn)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(chǎn)業(yè)擁有強大的競爭力并得到持續(xù)健康發(fā)展。

政策：

2015年5月國務(wù)院在《中國制造2025》提出“加快發(fā)展智能制造裝備和產(chǎn)品”，指出“組織研發(fā)具有深度感知、智慧決策、自動執(zhí)行功能的高檔數(shù)控機床、工業(yè)機器人、增材制造裝備等智能制造裝備以及智能化生產(chǎn)線，統(tǒng)籌布局和推動智能交通工具、智能工程機械、服務(wù)機器人、智能家電、智能照明電器、可穿戴設(shè)備等產(chǎn)品研發(fā)和產(chǎn)業(yè)化。”

2015年7月4日國務(wù)院在《國務(wù)院關(guān)于積極推進“互聯(lián)網(wǎng)+”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(lǐng)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(lǐng)域的推廣應(yīng)用。

2016年1月國務(wù)院在《“十三五”國家科技創(chuàng)新規(guī)劃》提出智能制造和機器人成為“科技創(chuàng)新2030項目”重大工程之一。

2016年3月18日國務(wù)院在《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)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(fā)展改革委、科技部、工業(yè)和信息化部、中央網(wǎng)信辦在《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》明確了要培育發(fā)展人工智能新興產(chǎn)業(yè)、推進重點領(lǐng)域智能產(chǎn)品創(chuàng)新、提升終端產(chǎn)品智能化水平、并且政府將在資金、標準體系、知識產(chǎn)權(quán)、人才培養(yǎng)、國際合作、組織實施等方面進行保障。

人工智能技術(shù)帶來的產(chǎn)業(yè)影響

當前，人工智能技術(shù)對互聯(lián)網(wǎng)行業(yè)產(chǎn)生的影響和變革主要有如下三個方面：

其一，在理論技術(shù)層面，人工智能技術(shù)為基于互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)等領(lǐng)域的創(chuàng)新應(yīng)用，提供理論基礎(chǔ)。例如，自動定理推理，為網(wǎng)絡(luò)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(shù)據(jù)挖掘為從數(shù)據(jù)庫中挖掘有意義，提煉出具有必然性、蘊含本質(zhì)規(guī)律的數(shù)據(jù)提供了規(guī)則、聚類等數(shù)據(jù)處理、建模、評估標準。

其二，在技術(shù)應(yīng)用和創(chuàng)新層面，人工智能技術(shù)的發(fā)展，為未來ICT等網(wǎng)絡(luò)技術(shù)的發(fā)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(guī)模網(wǎng)絡(luò)應(yīng)用已經(jīng)成為ICT產(chǎn)業(yè)的重要發(fā)展方向。各大互聯(lián)網(wǎng)公司在深度學習領(lǐng)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(guān)注領(lǐng)域，其研究側(cè)重于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡(luò)。在創(chuàng)新方面，深度學習帶來了機器學習的新浪潮，推動“大數(shù)據(jù)＋深度模型+數(shù)據(jù)發(fā)現(xiàn)挖掘”時代的來臨。人工智能技術(shù)與互聯(lián)網(wǎng)的融合，是兩個領(lǐng)域發(fā)展到一定階段，探索創(chuàng)新的必然結(jié)果，深度學習為擁有強大計算能力和數(shù)據(jù)資源的互聯(lián)網(wǎng)巨頭公司帶來下一次全面領(lǐng)跑的機會。例如，谷歌、百度在硅谷的研發(fā)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(wǎng)絡(luò)內(nèi)容之間關(guān)系做深度探索。百度語音和圖像等相關(guān)網(wǎng)絡(luò)產(chǎn)品應(yīng)用的快速崛起，正是受益于對機器學習等領(lǐng)域的技術(shù)突破。

其三，在融合發(fā)展層面，人工智能技術(shù)的發(fā)展促進多種科學與網(wǎng)絡(luò)技術(shù)的深度融合。從國際上看，人工智能技術(shù)在美國，歐洲和日本發(fā)展迅速，并且?guī)恿硕喾N信息科學領(lǐng)域的發(fā)展，信息學、控制學、仿生學、計算機學等領(lǐng)域的技術(shù)突破均被運用到人工智能應(yīng)用中去。從技術(shù)發(fā)展脈絡(luò)發(fā)展上，人工智能很多技術(shù)一直處于創(chuàng)新的前沿，未來會在很大程度上影響信息產(chǎn)業(yè)的發(fā)展方向。人工智能發(fā)展至今涉及到多個研究領(lǐng)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(tǒng)、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(fā)展對策：

在人工智能技術(shù)發(fā)展過程中，我們總體上應(yīng)該貫徹落實創(chuàng)驅(qū)動發(fā)展戰(zhàn)略，立足自主創(chuàng)新的同時，放眼國內(nèi)國際兩個大局技術(shù)發(fā)展情況，加強跟蹤高新技術(shù)產(chǎn)業(yè)技術(shù)的發(fā)展態(tài)勢調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，統(tǒng)籌全局發(fā)展，切實推進由技術(shù)革新到推進經(jīng)濟發(fā)展方式的轉(zhuǎn)變，實現(xiàn)工業(yè)經(jīng)濟產(chǎn)型升級，同步大力支持我國人工智能相關(guān)研究和產(chǎn)業(yè)化工作。在具體工作上，我們應(yīng)該采取以下策略：

一是要建立針對相關(guān)科研成果的產(chǎn)業(yè)追蹤機制。針對國際國內(nèi)相關(guān)企業(yè)和科研機構(gòu)正在進行的相關(guān)科研活動進行動態(tài)追蹤，對其科研成果在各行各業(yè)的信息化應(yīng)用進行預(yù)研預(yù)判，為制定信息化發(fā)展相關(guān)政策規(guī)劃提供線索和根據(jù)。

二是適時引導和推動人工智能相關(guān)產(chǎn)業(yè)領(lǐng)域的研發(fā)應(yīng)用。加強對人工智能和人腦科學工業(yè)領(lǐng)域應(yīng)用的深入調(diào)研分析，掌握工業(yè)機器人、新型計算產(chǎn)品、人工神經(jīng)網(wǎng)絡(luò)等的發(fā)展和應(yīng)用現(xiàn)狀，堅持應(yīng)用牽引，整合產(chǎn)學研現(xiàn)有資源，形成一批人工智能關(guān)聯(lián)技術(shù)的實驗室和技術(shù)中心，推動人工智能關(guān)聯(lián)技術(shù)在網(wǎng)絡(luò)、通訊等行業(yè)快速發(fā)展的應(yīng)用示范。

三是要加大對人工智能關(guān)聯(lián)技術(shù)的資金支持力度，引導人工智能關(guān)聯(lián)技術(shù)向通用技術(shù)領(lǐng)域的演進和轉(zhuǎn)化。

未來人工智能技術(shù)將進一步推動關(guān)聯(lián)技術(shù)和新興科技、新興產(chǎn)業(yè)的深度融合，推動新一輪的信息技術(shù)革命，其人工智能技術(shù)將成為我國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級的新支點。