第一章 人工智能概述

第一章人工智能概述第一頁，共七十二頁，2022年，8月28日人工智能學習目標

通過對本課程的學習，突破傳統(tǒng)思想的束縛，對人工智能的思想和方法有比較深刻的認識。了解人工智能的發(fā)展歷史，國內(nèi)外人工智能相關(guān)領(lǐng)域的發(fā)展動態(tài)，并能夠應用相應的人工智能技術(shù)解決問題。

第二頁，共七十二頁，2022年，8月28日人工智能學習指南

人工智能的思想和傳統(tǒng)的科學技術(shù)的方法有很大的不同，因此在學習人工智能時要能夠領(lǐng)略人工智能思想的精髓。同時，人工智能是飛速發(fā)展的，在學習現(xiàn)有的人工智能技術(shù)的同時應當密切關(guān)注人工智能的發(fā)展動態(tài)以及研究熱點，因此應當大量閱讀最新有關(guān)人工智能方面的文獻以及經(jīng)常瀏覽介紹最新人工智能成果的網(wǎng)站。

第三頁，共七十二頁，2022年，8月28日人工智能難重點

學習人工智能最大的難點就在于突破傳統(tǒng)思想的藩籬，從智能、知識、推理的角度出發(fā)去思考問題，解決問題。另一個難點在于人工智能的內(nèi)容非常浩繁，深入地了解人工智能的各個方向是非常困難的。因此應當在掌握人工智能思想，對人工智能的各個領(lǐng)域有一定了解的同時，有重點地研究人工智能的相關(guān)領(lǐng)域，跟蹤人工智能的研究熱點，做到點面結(jié)合，既擴大了知識面，又能夠抓住研究重點。

第四頁，共七十二頁，2022年，8月28日第一章人工智能概述本章主要內(nèi)容：

1.1人工智能的概念

1.2人工智能研究途徑與方法

1.3人工智能的分支領(lǐng)域

1.4人工智能的基本技術(shù)

1.5人工智能的發(fā)展概況

第五頁，共七十二頁，2022年，8月28日第一節(jié)人工智能的概念本節(jié)主要內(nèi)容：人工智能的定義為什么要研究人工智能人工智能的目標人工智能的表現(xiàn)形式第六頁，共七十二頁，2022年，8月28日第一節(jié)人工智能的概念人工智能（ArtificialIntelligence，簡稱AI）是一門正在發(fā)展中的綜合性前沿學科，又是交叉學科與邊緣學科，其由計算機科學、控制論、信息論、神經(jīng)生理學、心理學、語言學等多種學科相互滲透而發(fā)展起來。

盡管建立關(guān)于智能的理論和讓智能機器達到人類的智力水平是人工智能的最終目標，但人工智能的生命力卻在于能作為工程技術(shù)而得到實際應用。第七頁，共七十二頁，2022年，8月28日人工智能的定義字面意義：人造智能狹義定義：計算機科學的一個分支，是智能計算機系統(tǒng)，用計算機模擬或?qū)崿F(xiàn)的智能

(思維科學)智能:知識+思維（對語言能理解、能學習、能推理，分析問題和解決問題的能力）廣義人類智能行為規(guī)律、智能理論方面的研究。

第八頁，共七十二頁，2022年，8月28日為什么要研究人工智能

人們對“數(shù)據(jù)世界”的需求進而發(fā)展到對“知識世界”的需求而產(chǎn)生的。為了尋求試探性的搜索，啟發(fā)式的不精確的模糊的甚至允許出現(xiàn)錯誤的推理方法。以便符合人類的思維過程。第九頁，共七十二頁，2022年，8月28日為什么要研究人工智能

計算機同人腦一樣具有智能。信息化社會的迫切需求。自動化發(fā)展的必然趨勢探索人類自身智能的奧秘。第十頁，共七十二頁，2022年，8月28日人工智能的目標

遠期目標：制造智能機器。近期目標：即先部分地或某種程度的實現(xiàn)機器的智能。第十一頁，共七十二頁，2022年，8月28日

人工智能的表現(xiàn)形式（應用形式）

智能軟件：智能軟件系統(tǒng)：專家系統(tǒng)智能的程序模塊：WORD智能設備：具有一定智能的設備智能網(wǎng)絡：智能化的信息網(wǎng)絡智能計算機：擬人化的智能機器Agent：智能體，具有智能的實體，軟件開發(fā)的重要突破口。智能體是智能體程序結(jié)構(gòu)的結(jié)合。第十二頁，共七十二頁，2022年，8月28日第二節(jié)人工智能的研究途徑和方法本節(jié)主要內(nèi)容：結(jié)構(gòu)模擬，神經(jīng)計算(連接主義）功能模擬，符號推演（符號主義）行為模擬，控制進化（六腳蟲）第十三頁，共七十二頁，2022年，8月28日一結(jié)構(gòu)模擬，神經(jīng)計算根據(jù)人腦的生理結(jié)構(gòu)和工作機理，實現(xiàn)計算機的智能。（局部或近似）關(guān)鍵詞：人工神經(jīng)網(wǎng)絡數(shù)值計算微觀性低級感知（圖象和聲音）第十四頁，共七十二頁，2022年，8月28日一結(jié)構(gòu)模擬，神經(jīng)計算人工神經(jīng)網(wǎng)絡：采用物理可實現(xiàn)的模型來模仿人腦神經(jīng)細胞的結(jié)構(gòu)和功能的系統(tǒng)人工神經(jīng)元網(wǎng)絡的用途：人工神經(jīng)元網(wǎng)絡也許永遠無法代替人腦，但它能幫助人類擴展對外部世界的認識和智能控制。

第十五頁，共七十二頁，2022年，8月28日二功能模擬，符號推演是以人腦的心理模型，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，實現(xiàn)搜索、推理、學習等功能。關(guān)鍵詞：最早，主要使用利用知識庫、推理機高級認知（推理、決策）定理證明：人工智能研究最原始的課題之一，取得了很多可以證明人工智能技術(shù)進步的成就。但不是當今的熱點話題。

專家系統(tǒng)：七十年來開始的人工智能領(lǐng)域的古老話題，有一些系統(tǒng)做得比較好，如下棋、探礦等。

機器博弈：主要問題是機器學習和搜索。

第十六頁，共七十二頁，2022年，8月28日三行為模擬，控制進化基于感知行為模型的研究途徑和方法，模擬人在控制過程中的智能活動和行為特性。關(guān)鍵詞：自適應環(huán)境的交互六腳蟲：沒有知識表示、沒有推理的智能，從以前單一的mind到現(xiàn)在mindandbody，SensingandActing的結(jié)合，并且引入了概率論、遺傳算法等理論。

第十七頁，共七十二頁，2022年，8月28日第三節(jié)人工智能的分支領(lǐng)域本節(jié)主要內(nèi)容：基于腦功能的領(lǐng)域劃分基于研究途徑與實現(xiàn)技術(shù)的領(lǐng)域劃分基于應用領(lǐng)域的領(lǐng)域劃分基于應用系統(tǒng)的領(lǐng)域劃分基于計算機系統(tǒng)的領(lǐng)域劃分基于實現(xiàn)工具與環(huán)境的領(lǐng)域劃分第十八頁，共七十二頁，2022年，8月28日一基于腦功能的領(lǐng)域劃分機器感知：計算機直接感覺周圍世界。（配置感覺器官；圖象、聲音等信息的識別）計算機視覺的任務可以分成下列幾個方面：圖像的獲取、特征抽取、識別與分類、三維信息理解、景物描述和圖像解釋。（圖像處理：羊絨/羊毛）第十九頁，共七十二頁，2022年，8月28日一基于腦功能的領(lǐng)域劃分機器聯(lián)想：建立事物之間的聯(lián)系傳統(tǒng)的方法：指針、函數(shù)、鏈表，地址存取。人腦的功能：不完全信息的捕捉；相關(guān)內(nèi)容的記憶。聯(lián)想存儲第二十頁，共七十二頁，2022年，8月28日一基于腦功能的領(lǐng)域劃分機器推理：計算機推理（自動推理）將人的推理功能賦予機器。（最基本的和最重要的）推理：前提推出結(jié)論（演繹推理、歸納推理、類比推理）方法：符號演算、數(shù)值計算可靠性：確定性推理、不確定性推理（基于概率和基于模糊的）第二十一頁，共七十二頁，2022年，8月28日一基于腦功能的領(lǐng)域劃分機器學習：計算機自己獲取知識（人類已有知識的獲取、對客觀規(guī)律的發(fā)現(xiàn)、對自身行為的修正）方法：符號學習（機械、指導、解釋、類比、示例、發(fā)現(xiàn)）、連接學習（神經(jīng)網(wǎng)絡學習）

第二十二頁，共七十二頁，2022年，8月28日一基于腦功能的領(lǐng)域劃分機器理解：自然語言理解和圖形理解自然語言理解：計算機理解人類的自然語言（口頭語言和文字語言）圖形理解：是圖形識別的自然延伸，也是計算機視覺的組成部分。第二十三頁，共七十二頁，2022年，8月28日一基于腦功能的領(lǐng)域劃分機器行為：機器人的行動規(guī)劃，是智能機器人的核心技術(shù)。第二十四頁，共七十二頁，2022年，8月28日二基于研究途徑和實現(xiàn)技術(shù)的領(lǐng)域劃分符號智能：以符號知識為基礎(chǔ)，通過符號推理求解而實現(xiàn)的智能。（傳統(tǒng)或經(jīng)典人工智能包括知識工程和符號處理技術(shù)）計算智能：是數(shù)據(jù)為基礎(chǔ)，通過數(shù)值計算進行問題求解而實現(xiàn)的智能。（數(shù)學模型和相關(guān)算法）第二十五頁，共七十二頁，2022年，8月28日三基于應用領(lǐng)域的領(lǐng)域劃分難題求解：困難問題。NP問題：不能證明其復雜性，又找不到有效算法的問題。NPC完全問題：排課表問題。（更難）智力性問題：意義重大（可以找到解決的途徑；有助于其他領(lǐng)域的發(fā)展）第二十六頁，共七十二頁，2022年，8月28日三基于應用領(lǐng)域的領(lǐng)域劃分自動定理證明：機器定理證明方法：自然演繹法判定法定理證明器計算機輔助證明第二十七頁，共七十二頁，2022年，8月28日三基于應用領(lǐng)域的領(lǐng)域劃分自動程序設計：給出高級描述，讓計算機自動設計程序。（人工智能和軟件工程相結(jié)合的課題）自動翻譯：用計算機做兩種語言之間的翻譯。（依靠自然語言的理解）智能控制：把人工智能技術(shù)引入控制領(lǐng)域第二十八頁，共七十二頁，2022年，8月28日三基于應用領(lǐng)域的領(lǐng)域劃分智能管理：把人工智能技術(shù)引入管理領(lǐng)域，是現(xiàn)代管理技術(shù)的新動向。（集成技術(shù)）智能決策：把人工智能技術(shù)引入決策過程（決策系統(tǒng)、人工智能與專家系統(tǒng)的結(jié)合）智能通信：智能仿真：智能CAD：計算機輔助領(lǐng)域智能CAI：計算機輔助教學第二十九頁，共七十二頁，2022年，8月28日三基于應用系統(tǒng)的領(lǐng)域劃分專家系統(tǒng)：基于人類專家知識的程序系統(tǒng)（最主要的應用系統(tǒng)）知識庫系統(tǒng)：廣義：包含知識庫的計算機系統(tǒng)狹義：某一領(lǐng)域廣泛知識以及常識的知識咨詢系統(tǒng)。包括：知識庫（數(shù)據(jù)庫的演化）和知識庫管理系統(tǒng)第三十頁，共七十二頁，2022年，8月28日三基于應用系統(tǒng)的領(lǐng)域劃分智能數(shù)據(jù)庫系統(tǒng)：傳統(tǒng)數(shù)據(jù)庫加上智能成分。智能機器人系統(tǒng)：人工智能技術(shù)的全面體現(xiàn)和綜合運用。四種技能：感知機能、思維機能、人-機通訊機能和運動機能。第三十一頁，共七十二頁，2022年，8月28日四基于計算機系統(tǒng)結(jié)構(gòu)的領(lǐng)域劃分智能操作系統(tǒng)：以智能機為基礎(chǔ)，并能支撐外層的AI應用程序，以實現(xiàn)多用戶的知識處理和并行推理。特點：并行性、分布性、智能性第三十二頁，共七十二頁，2022年，8月28日四基于計算機系統(tǒng)結(jié)構(gòu)的領(lǐng)域劃分智能多媒體系統(tǒng)：綜合處理文字、圖形、圖象和聲音等多種多媒體信息。（多媒體技術(shù)與人工智能技術(shù)的結(jié)合）智能計算機系統(tǒng)：全方位具有智能（新一代計算機系統(tǒng)）智能網(wǎng)絡系統(tǒng)：人工智能引入網(wǎng)絡。第三十三頁，共七十二頁，2022年，8月28日五基于實現(xiàn)工具與環(huán)境的領(lǐng)域劃分智能軟件工具：LISP，PROLOG，SMALLTALK，C++，JAVA等以及各種專家系統(tǒng)工具、知識工程工具、知識庫管理系統(tǒng)等。智能硬件平臺：支持系統(tǒng)開發(fā)和運行的機器硬件。第三十四頁，共七十二頁，2022年，8月28日六基于體系結(jié)構(gòu)的領(lǐng)域劃分集中式人工智能：個體智能。個體的推理、學習、進化、理解等智能行為。分布式人工智能：群體智能，個體智能的組合和疊加，主要研究在邏輯上或物理上分散的智能個體或智能系統(tǒng)如何并行的、相互協(xié)作的實現(xiàn)大型復雜問題的求解。第三十五頁，共七十二頁，2022年，8月28日第四節(jié)人工智能的基本技術(shù)本節(jié)主要內(nèi)容：推理技術(shù)搜索技術(shù)知識表示與知識庫技術(shù)歸納技術(shù)聯(lián)想技術(shù)第三十六頁，共七十二頁，2022年，8月28日一推理技術(shù)是人工智能的基本技術(shù)理論基礎(chǔ)是邏輯一階謂詞邏輯（重點）第三十七頁，共七十二頁，2022年，8月28日二搜索技術(shù)為了達到某一目的，連續(xù)進行推理的過程問題求解定理證明狀態(tài)圖的搜索第三十八頁，共七十二頁，2022年，8月28日三歸納技術(shù)計算機自動提取概念、抽取知識、尋求規(guī)律的技術(shù)與知識獲取，機器學習密切相關(guān)分為基于符號處理和基于神經(jīng)網(wǎng)絡的歸納KDD（知識發(fā)現(xiàn)）技術(shù)和DM（數(shù)據(jù)開采）技術(shù)第三十九頁，共七十二頁，2022年，8月28日四聯(lián)想技術(shù)前提是聯(lián)想記憶或聯(lián)想存儲第四十頁，共七十二頁，2022年，8月28日第五節(jié)人工智能的發(fā)展概況本節(jié)主要內(nèi)容：人工智能學科的產(chǎn)生符號主義途徑發(fā)展概況連接主義途徑發(fā)展概況當前發(fā)展趨勢我國人工智能研究發(fā)展簡況第四十一頁，共七十二頁，2022年，8月28日一人工智能學科的產(chǎn)生1956年夏季，由麥卡錫(McCarthy)等美國年輕學者發(fā)起的首次人工智能研討會標志著人工智能作為新興學科的誕生。就在這次會議上，第一次使用了人工智能這一術(shù)語。自此以后，人工智能作為計算機學科的一個重要分支，獲得了快速的發(fā)展。這一發(fā)展歷程大致可劃分為形成、成長、快速發(fā)展和穩(wěn)步增長四個階段第四十二頁，共七十二頁，2022年，8月28日一人工智能學科的產(chǎn)生英國數(shù)學家Turing(圖靈)（1912-1954）,1936年提出了一種理想計算機的數(shù)學模型（圖靈機），1950年提出了圖靈試驗，發(fā)表了"計算機與智能"的論文。

當今世界上計算機科學最高榮譽獎勵為"圖靈獎"。

名詞解釋：圖靈試驗。當一個人與一個封閉房間里的人或者機器交談時，如果他不能分辨自己問題的回答是計算機還是人給出時，則稱該機器是具有智能的。以往該試驗幾乎是衡量機器人工智能的唯一標準，但是從九十年代開始，現(xiàn)代人工智能領(lǐng)域的科學家開始對此試驗提出異議：反對封閉式的，機器完全自主的智能；提出與外界交流的，人機交互的智能。

第四十三頁，共七十二頁，2022年，8月28日二符號主義途徑發(fā)展概況定理證明跳棋程序模式識別GPS（通用問題求解程序）LISP語言歸結(jié)原理專家系統(tǒng)PROLOG語言知識工程第四十四頁，共七十二頁，2022年，8月28日二符號主義途徑發(fā)展概況符號主義認為智能產(chǎn)生于符號運算，符號是智能的基本單元，而智能行為則是符號運算的結(jié)果。這是AI研究的傳統(tǒng)觀點，經(jīng)典的AI基礎(chǔ)理論就建立在這種觀點之上，目前絕大多數(shù)AI系統(tǒng)也均劃入這個范疇。（符號）第四十五頁，共七十二頁，2022年，8月28日三連接主義發(fā)展概況MP（形式神經(jīng)元的數(shù)學模型）神經(jīng)網(wǎng)絡（智能控制、語音識別與合成、圖形文字識別、數(shù)據(jù)壓縮、知識工程、最優(yōu)化問題求解、智能計算機）第四十六頁，共七十二頁，2022年，8月28日三連接主義發(fā)展概況聯(lián)接主義認為智能產(chǎn)生于大量簡單元素的并行分布式聯(lián)接之中，簡單元素的相互聯(lián)接是智能的基本單元，而智能行為則是聯(lián)接計算的結(jié)果。（神經(jīng)元）第四十七頁，共七十二頁，2022年，8月28日四當前發(fā)展趨勢兩者相結(jié)合新思想、新技術(shù)、新理論的出現(xiàn)AGENT技術(shù)和分布式人工智能技術(shù)（DAI）應用研究愈加深入而廣泛。第四十八頁，共七十二頁，2022年，8月28日五我國人工智能研究概況起步較晚（70年代）學術(shù)團體紛紛成立（80年代）自主研究開始第四十九頁，共七十二頁，2022年，8月28日

人工智能研究的發(fā)展

1956年夏季，由麥卡錫(McCarthy)等美國年輕學者發(fā)起的首次人工智能研討會標志著人工智能作為新興學科的誕生。就在這次會議上，第一次使用了人工智能這一術(shù)語。自此以后，人工智能作為計算機學科的一個重要分支，獲得了快速的發(fā)展。這一發(fā)展歷程大致可劃分為形成、成長、快速發(fā)展和穩(wěn)步增長四個階段。JohnMcCarthy第五十頁，共七十二頁，2022年，8月28日

人工智能研究的發(fā)展1形成期1956年到1961年?；跀?shù)學邏輯和形式推理成果。主要成果是定理證明程序、GPS（GeneralProblemSolving）、下棋程序、LISP語言和模式識別系統(tǒng)。第五十一頁，共七十二頁，2022年，8月28日

人工智能研究的發(fā)展2成長期

61年以后早期（60年代），由于不適當?shù)剡^分強調(diào)和依賴于符號邏輯和形式推理，導致了AI研究陷入基于弱法（weakmethods）的純學術(shù)研究的困境。弱法就是通用問題求解策略，由于片面強調(diào)相應算法的通用性，忽視問題域特別信息的指導作用，容易引起所謂的組合爆炸問題。組合爆炸意指，復雜的問題涉及大量因素，由這些因素的適當組合而構(gòu)成的可能解答的數(shù)目相當龐大，以至于再高速的計算機已無法在合理的時間內(nèi)通過窮盡的枚舉來找出正確答案。

第五十二頁，共七十二頁，2022年，8月28日

人工智能研究的發(fā)展2成長期

弱法只能解決智力游戲（過河，九宮圖）和玩具問題（積木塊世界動作規(guī)劃）等十分簡單的問題。60年代中期到70年代初，斯坦福大學研制的DENDRAL（用化學專業(yè)知識從質(zhì)譜議數(shù)據(jù)推斷有機化合物的結(jié)構(gòu)）和MYCIN（人血液疾病診斷咨詢系統(tǒng)）以及隨之涌現(xiàn)的大批專家系統(tǒng)和建造工具的研制，使AI從純?nèi)醴ǖ难芯坷Ь持薪饷摮鰜?，賦予新的生命力，以至引起八十年代初的AI大發(fā)展。關(guān)鍵的教訓在于早期的AI研究忽視了人類智能的本質(zhì)在于有知識，可用以合理地組織和指導問題求解，從而避免組合爆炸。第五十三頁，共七十二頁，2022年，8月28日

人工智能研究的發(fā)展3快速發(fā)展期

80年代初是AI事業(yè)在全球得到大發(fā)展的時期。70年代專家系統(tǒng)的初步成功和日本于1979年宣布的五代機研究計劃起到了決定性的推動作用。由于人工智能技術(shù)的不成熟性，以及對AI經(jīng)濟效益的期望值太高，結(jié)果令人失望；大部分草率上馬的專家系統(tǒng)項目均未達實用化程度。80年代中期，AI熱特別是專家系統(tǒng)熱大大降溫。進而導致了一部分人對AI前景持悲觀態(tài)度，甚至有人提出AI的冬天已經(jīng)來臨。第五十四頁，共七十二頁，2022年，8月28日人工智能研究的發(fā)展4穩(wěn)步增長期

盡管八十年代中期AI研究的淘金熱跌到谷底，但大部份AI研究者都還保持著清醒的頭腦。一些老資格的學者早就呼吁不要過于渲染AI的威力，應多做些腳踏實地的工作。甚至在這個淘金熱來到時就已預言其很快就會降溫。也正是在這批人的領(lǐng)導下，大量扎實的研究工作接連不斷地進行，從而使AI技術(shù)和方法論的發(fā)展始終保持了較高的速度。順便提一下，80年代中期的降溫并不意味著AI研究停滯不進或遭受重大挫折，因為過高的期望未達到是預料中的事，不能認為是受到挫折。自那以來，AI研究進入穩(wěn)健的線性增長時期，而人工智能技術(shù)的實用化進程也步入成熟時期。

第五十五頁，共七十二頁，2022年，8月28日人工智能研究的成果1國際象棋（chess）鑒于下棋需要高級的智能，計算機下棋程序的進展可視為人工智能研究的重大成就。不少AI問題求解技術(shù)來源于下棋程序的研究，如狀態(tài)空間搜索方法。60年代初麥卡錫提出了alpha-beta修剪算法，并被廣泛地用于各種下棋程序中。1988年卡內(nèi)基-梅隆大學下棋程序"DeepThought”97年由IBM公司研制的超級計算機"DeepBlue"第五十六頁，共七十二頁，2022年，8月28日DEEPBLUE世界上第一臺超級國際象棋電腦，于1997戰(zhàn)勝象棋大師卡斯帕羅夫，是一場引人矚目的“人機大戰(zhàn)”。世界排位第二的棋手說：“這是一場象人的機器和一個像機器的人之間的戰(zhàn)斗”，卡自己說：“幾年前，我對計算機是否有智能總是抱之一笑，這次，我在DEEPBLUE這樣的計算機上看到了某種形式上的智能，它盡管瘋狂，粗魯，不很實際，且不可變通，但卻能達到和人類一樣的智能。第五十七頁，共七十二頁，2022年，8月28日人工智能研究的成果2口語識別（speech）口語識別是長期以來AI要解決的困難問題。AI面臨的問題按困難程度排列如下：智力游戲、國際象棋、定理證明、專家系統(tǒng)、自然語言理解、口語識別、機器視覺?？谡Z識別和機器學習涉及的知識和處理的數(shù)據(jù)量大，并要求實時響應。八十年代后期Sphinx的系統(tǒng)?？谡Z識別需處理不完全、不精確的數(shù)據(jù)和知識，這些技術(shù)對于其它AI領(lǐng)域也有指導意義。智能系統(tǒng)的體系結(jié)構(gòu)--黑板模型，就起源于口語識別的研究。九十年代，出現(xiàn)實用化的口語識別初級產(chǎn)品。第五十八頁，共七十二頁，2022年，8月28日人工智能研究的成果3機器視覺（vision）開始于50年代，并在60年代開展了3維視覺的研究。明斯基（Minsky）和麥卡錫--手-眼（hand-eye）項目卡內(nèi)基-梅隆大學研制的Navlab（navigationlaboratory）的自動車。具有視覺能力的機器人。4專家系統(tǒng)DENDRAL系統(tǒng)（從質(zhì)譜議數(shù)據(jù)推斷有機化合物的結(jié)構(gòu)）MYCIN系統(tǒng)（人血液疾病診斷咨詢系統(tǒng)）80年代后期，加快了其實用化步伐。DEC研制的計算機系統(tǒng)自動配置軟件XCON。AmericanExpress公司研制的專家系統(tǒng)AA和CA。九十年代初，美國軍方投資研制調(diào)度和規(guī)劃系統(tǒng)DART。其他領(lǐng)域的專家系統(tǒng)。第五十九頁，共七十二頁，2022年，8月28日人工智能研究的成果4專家系統(tǒng)1969年起，國際人工智能聯(lián)合會議（簡稱IJCAI）91年起，全美人工智能會議（簡稱AAAI）。我國AI和專家系統(tǒng)的研究起步較晚。70年代末才由浙江大學、吉林大學和中科院計算所等單位率先開展。80年代中期得到了國家的重視和支持?！捌呶濉惫リP(guān)項目。國家863高技術(shù)研究特別設置了智能計算機系統(tǒng)主題。

第六十頁，共七十二頁，2022年，8月28日人工智能是一門知識的科學。以知識為對象，研究知識的獲取、表示和使用。數(shù)據(jù)處理->知識處理，數(shù)據(jù)->符號。符號表示知識而不是數(shù)值、數(shù)據(jù)。有啟發(fā)，有推導。人工智能是引起爭論最多的科學之一焦點：當前人工智能的研究應該以人類的普遍思維規(guī)律為主，還是以特定知識的處理和運用為主？智能的本質(zhì)是什么？機器能達到人的水平嗎？結(jié)論：人工智能研究是非常困難的

人工智能的研究特點（1）第六十一頁，共七十二頁，2022年，8月28日人工智能的研究特點（2）人工智能的研究是十分困難的。McCarthy： 人工智能的所有問題都是難解的。Minsky： 人工智能是有史以來最難的科學之一。難在：實現(xiàn)智能需要浩繁的知識，而最難對付的知識是常識（不是專業(yè)知識）。Dreyfus： 常識問題是實現(xiàn)人工智能的最大障礙。

第六十二頁，共七十二頁，2022年，8月28日常識問題

（CommonsenceProblems）常識是人類智能的重要部分，具有極其重大的學術(shù)和實用價值，但是難度極大?！班囆∑街烂珴蓶|何時去世，毛澤東知道鄧小平何時去世嗎？”常識知識的獲取(Cyc)常識推理（CommonsenseReasoning）第六十三頁，共七十二頁，2022年，8月28日存在的問題和發(fā)展前景存在的問題以經(jīng)典專家系統(tǒng)為代表的人工智能系統(tǒng)存在的問題包括：

（1）脆弱性和不可靠性（2）與計算機主流技術(shù)脫節(jié)（3）知識獲取困難第六十四頁，共七十二頁，2022年，8月28日存在的問題和發(fā)展前景

領(lǐng)域?qū)＜业慕?jīng)驗知識往往不完善，當要解決的問題落入經(jīng)驗性