人工智能報告

人工智能報告學號：姓名：專業(yè)：指導老師:目錄TOC\o"1-5"\h\z\o"CurrentDocument"概述 3\o"CurrentDocument"人工智能原理 4\o"CurrentDocument"2.1知識和知識的表示 4\o"CurrentDocument"2.1.1知識的概念 4\o"CurrentDocument"2.1.2知識表達及其映像原理 52.2常用知識表示法 72.2.1一階謂詞邏輯表示法 7\o"CurrentDocument"2.2.2產(chǎn)生式表示法 8\o"CurrentDocument"2.2.3語義網(wǎng)絡(luò)表達式 9\o"CurrentDocument"2.2.4框架表式式 102.3推理 12\o"CurrentDocument"2.3.1推理的概念與類型 12\o"CurrentDocument"2.3.2演繹推理、歸納推理、默認推理 12\o"CurrentDocument"2.3.3確定性推理、不確定性推理 13\o"CurrentDocument"2.3.4單調(diào)推理、非單調(diào)推理 13\o"CurrentDocument"人工智能的應(yīng)用 14\o"CurrentDocument"3.1專家系統(tǒng) 14\o"CurrentDocument"3.2人工神經(jīng)網(wǎng)絡(luò) 15\o"CurrentDocument"3.3機器人學 16\o"CurrentDocument"參考文獻 171.概述人工智能(ArtificialIntelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等?！叭斯ぶ悄堋币辉~最初是在1956年Dartmouth學會上提出的。從那以后,研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展。人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領(lǐng)域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個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雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的，現(xiàn)在計算機不但能完成這種計算,而且能夠比人腦做得更快、更準確，因之當代人已不再把這種計算看作是“需要人類智能才能完成的復雜任務(wù)”,可見復雜工作的定義是隨著時代的發(fā)展和技術(shù)的進步而變化的,人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展，一方面又轉(zhuǎn)向更有意義、更加困難的目標。目前能夠用來研究人工智能的主要物質(zhì)手段以及能夠?qū)崿F(xiàn)人工智能技術(shù)的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學與技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機科學以外,人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數(shù)理邏輯、語言學、醫(yī)學和哲學等多門學科。人工智能學科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理計算機視覺、智能機器人、自動程序設(shè)計等方。人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應(yīng)用。2.人工智能原理2.1知識和知識的表示2.1.1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(jié)品。⑴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(jīng)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(guī)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(jié)品，故相應(yīng)于一定的客觀環(huán)境與條件下，只是無疑是正確的。然而當客觀環(huán)境與條件發(fā)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。⑵知識的確定與不確定性如前說述，知識有若干信息關(guān)聯(lián)的結(jié)構(gòu)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(jié)構(gòu)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(qū)，根據(jù)天上出現(xiàn)彩虹的方向及其位置，可以預(yù)示天氣的變化。有諺語曰：“東邊日（晴天），西邊雨?！钡牵@只是一種常識性經(jīng)驗，并不能完全肯定或否定。再如：家有一頭秀發(fā)，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(xiàn)在六十多歲的演員有一頭黑發(fā)也不足為奇。2.1.2知識表達及其映像原理智能機器系統(tǒng)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(yù)先進行知識表示。進而實現(xiàn)知識調(diào)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(tǒng)必不可少的關(guān)鍵環(huán)節(jié)。對智能機器系統(tǒng)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(zhì)，就是采用某種技術(shù)模式，八所要求解決的問題的相關(guān)知識，映射為一種便于找到該問題解的數(shù)據(jù)結(jié)構(gòu)。對知識進行表示的過程，實質(zhì)上就是把相關(guān)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(shù)據(jù)結(jié)構(gòu)的過程。如圖:圖只是表達及其映射原理如圖，其日標是要對復雜的智能性問題實現(xiàn)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(gòu)或同態(tài)問題，然后在對同構(gòu)或同態(tài)問題求出它的解答，則相對容易而方便。順便指出：同構(gòu)解答與原始問題有相同的形式解，然而對于同態(tài)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(yīng)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。日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(chǎn)生式表示法，框架表示法，語義網(wǎng)絡(luò)表示法，腳本表示法，過程表示法，面向?qū)ο蟊硎痉ǎ窠?jīng)網(wǎng)絡(luò)表示法。如圖

天與預(yù)報關(guān)問表示法交il工具立通工具天與預(yù)報關(guān)問表示法交il工具立通工具架框Lsfeson圖只是表達法的基本框架2.2常用知識表示法2.2.1一階謂詞邏輯表示法一階謂詞邏輯表示法是日前應(yīng)用最廣的方法之一，在AI系統(tǒng)上已經(jīng)得到了應(yīng)用。它是通過分析命題內(nèi)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(guān)系表達簡便。使用謂詞邏輯既便于表達概念、狀態(tài)、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(shù)。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：-、V、A、一、量詞：V、3(Vx)P(x)為真、為假的定義(3x)P(x)為真、為假的定義結(jié)合具體事例可以看到一階謂詞邏輯在知識表示法中的優(yōu)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)0COMPUTER(liming)A謂詞邏輯是一種傳統(tǒng)經(jīng)典也是最基本的形式化方法。謂詞邏輯知識表示:規(guī)范性嚴，邏輯性強，自然性好，推理過程嚴密，易于實現(xiàn)。這些優(yōu)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(丁與F)邏輯，難以直接進行不確定性問題的處理。對于復雜系統(tǒng)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(chǎn)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，以便尋求自然性好而效率更高的技術(shù)方法。2.2.2產(chǎn)生式表示法目前，產(chǎn)生式表示方法是專家系統(tǒng)的第一選擇的知識表達方式。是美國數(shù)學家Post在1943年提出了一種計算形式體系里所使用的術(shù)語。產(chǎn)生式表示的基本形式為:（1）確定性知識的表示：產(chǎn)生式形式：P-Q或者IFPTHENQ它的含義：如果前提P滿足，則可以推出結(jié)論Q或執(zhí)行Q操作。例如：IFCLEAR（B）ANDHANDEMPTYTHENPickup（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(chǎn)生式形式：P-Q（置信度）或者IFPTHENQ（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(jié)論Q。產(chǎn)生式表示法其優(yōu)點在于模塊性。規(guī)則與規(guī)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(fā)性知識與經(jīng)驗透明性。易于保留動作所產(chǎn)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(guī)則一致性彼此之間不能調(diào)用。2.2.3語義網(wǎng)絡(luò)表達式語義網(wǎng)絡(luò)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(guān)系來表達知識的有向圖。它作為人類聯(lián)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(wǎng)絡(luò)結(jié)構(gòu)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：節(jié)(結(jié))點；弧(又叫做邊或支路)；指針。節(jié)點(Node):也稱為結(jié)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(tài)等?；?Arc):這是一種有向弧，又稱之為支路(Branch)。節(jié)點之間用帶箭頭及文字標識的有向線條來聯(lián)結(jié)，用以表示事物之間的結(jié)構(gòu)，即語義關(guān)系。指針(Pointer)：也叫指示器。是在節(jié)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(jié)點、弧線和語義關(guān)系作出相宜的補充、解釋與說明。語義網(wǎng)絡(luò)是一種結(jié)構(gòu)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(yōu)點在于采用語義關(guān)系的有向圖來連接，語義、語法、詞語應(yīng)用兼顧，具有描述生動，表達自然，易于理解等。雖然語義網(wǎng)絡(luò)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(shè)計與處理上的復雜性，這也是語義網(wǎng)絡(luò)知識表示尚待深入研究解決的一個課題。2.2.4框架表式式框架表示法誕生于1975年，這也是一種結(jié)構(gòu)化的知識表示方法，并已在多種系統(tǒng)中得到成功的應(yīng)用?？蚣芾碚撌怯扇斯ぶ悄芸茖W創(chuàng)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(gòu)成。每個被定義的框架對象分別代表著不同的特殊知識結(jié)構(gòu)，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?？蚣苁且环N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(shù)據(jù)結(jié)構(gòu)。下面是一個關(guān)于“大學教師”的框架設(shè)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?。耗校﹏ 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(jīng)濟狀況框架〉）上述框架共有十一個槽，分別描述了關(guān)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(guān)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(tài)交互過程生動性。2.3推理2.3.1推理的概念與類型推理是人類求解問題的主要思維方法.所謂推理就是按照某種策略從已有事實和知識推出結(jié)論的過程。推理是由程序?qū)崿F(xiàn)的，稱為推理機。人類的智能活動有多種思維方式，人工智能作為對人類智能的模擬，相應(yīng)地也有多種推理方式。2.3.2演繹推理、歸納推理、默認推理.演繹推理：演繹推理是從全稱判斷推出特稱判斷或單稱判斷的過程，即從一般到個別的推理。最常用的形式是三段論法。例如：所有的推理系統(tǒng)都是智能系統(tǒng)；專家系統(tǒng)是推理系統(tǒng)；所以，專家系統(tǒng)是智能系統(tǒng)。.歸納推理:是從足夠多的事例中歸納出一般性結(jié)論的推理過程，是一種從個別到一般的推理過程。,默認推理：默認推理又稱缺省推理，它是在知識不完全的情況下假設(shè)某些條件已經(jīng)具備所進行的推理。2.3.3確定性推理、不確定性推理如果按推理時所用的知識的確定性來分，推理可分為確定性推理與不確定性推理。（1） 確定性推理（精確推理）。如果在推理中所用的知識都是精確的，即可以把知識表示成必然的因果關(guān)系，然后進行邏輯推理，推理的結(jié)論或者為真，或者為假，這種推理就稱為確定性推理。（如歸結(jié)反演、基于規(guī)則的演繹系統(tǒng)等）（2） 不確定性推理（不精確推理）。在人類知識中，有相當一部分屬于人們的主觀判斷，是不精確的和含糊的。由這些知識歸納出來的推理規(guī)則往往是不確定的?；谶@種不確定的推理規(guī)則進行推理，形成的結(jié)論也是不確定的，這種推理稱為不確定推理。（在專家系統(tǒng)中主要使用的方法）。2.3.4單調(diào)推理、非單調(diào)推理如果按推理過程中推出的結(jié)論是否單調(diào)增加，或者說推出的結(jié)論是否越來越接近最終目標來劃分，推理又可分為單調(diào)推理與非單調(diào)推理。（1）單調(diào)推理。是指在推理過程中隨著推理的向前推進及新知識的加入，推出的結(jié)論呈單調(diào)增加的趨勢，并且越來越接近最終目標。（演繹推理是單調(diào)推理。）（2）非單調(diào)推理。是指在推理過程中隨著推理的向前推進及新知識的加入，不僅沒有加強已推出的結(jié)論，反而要否定它，使得推理退回到前面的某一步，重新開始。（一般是在知識不完全的情況下進行的）3.人工智能的應(yīng)用3?1專家系統(tǒng)一般地說，專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個領(lǐng)域知識與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來解決該領(lǐng)域的問題。也就是說，專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。當前的研究涉及有關(guān)專家系統(tǒng)設(shè)計的各種問題。這些系統(tǒng)是在某個領(lǐng)域的專家（他可能無法明確表達他的全部知識）與系統(tǒng)設(shè)計者之間經(jīng)過艱苦的反復交換意見之后建立起來的。在已經(jīng)建立的專家咨詢系統(tǒng)中，有能夠診斷疾病的（包括中醫(yī)診斷智能機），估計潛在石油等礦藏的，研究復雜有機化合物結(jié)構(gòu)的以及提供使用其它計算機系統(tǒng)的參考意見等。發(fā)展專家系統(tǒng)的關(guān)鍵是表達和運用專家知識，即來自人類專家的并已被證明對解決有關(guān)領(lǐng)域內(nèi)的典型問題是有用的事實和過程。專家系統(tǒng)和傳統(tǒng)的計算機程序最本質(zhì)的不同之處在于專家系統(tǒng)所要解決的問題一般沒有算法解，并且經(jīng)常要在不完全、不精確或不確定的信息基礎(chǔ)上作出結(jié)論。專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測、診斷、設(shè)計、規(guī)劃、監(jiān)視、修理、指導和控制等。高性能的專家系統(tǒng)也已經(jīng)從學術(shù)研究開始進入實際應(yīng)用研究。隨著人工智能整體水平的提高，專家系統(tǒng)也獲得發(fā)展。正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的方法，而且采用基于模型的原理。3.2人工神經(jīng)網(wǎng)絡(luò)由于馮?諾依曼(VanNeumann)體系結(jié)構(gòu)的局限性，數(shù)字計算機存在一些尚無法解決的問題。人們一直在尋找新的信息處理機制，神經(jīng)網(wǎng)絡(luò)計算就是其中之一。研究結(jié)果已經(jīng)證明，用神經(jīng)網(wǎng)絡(luò)處理直覺和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經(jīng)網(wǎng)絡(luò)的發(fā)展有著非常廣闊的科學背景，是眾多學科研究的綜合成果。神經(jīng)生理學家、心理學家與計算機科學家的共同研究得出的結(jié)論是：人腦是一個功能特別強大、結(jié)構(gòu)異常復雜的信息處理系統(tǒng)，其基礎(chǔ)是神經(jīng)元及其互聯(lián)關(guān)系。因此，對人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的研究，可能創(chuàng)造出新一代人工智能機--神經(jīng)計算機。對神經(jīng)網(wǎng)絡(luò)的研究始于40年代初期，經(jīng)歷了一條十分曲折的道路，幾起幾落，80年代初以來，對神經(jīng)網(wǎng)絡(luò)的研究再次出現(xiàn)高潮?；羝辗茽柕?Hopfield)提出用硬件實現(xiàn)神經(jīng)網(wǎng)絡(luò)，魯梅爾哈特(Rumelhart)等提出多層網(wǎng)絡(luò)中的反向傳播(BP)算法就是兩個重要標志?，F(xiàn)在，神經(jīng)網(wǎng)絡(luò)已在模式識別、圖象處理、組合優(yōu)化、自動控制、信息處理、機器人學和人工智能的其它領(lǐng)域獲得日益廣泛的應(yīng)用。3.3機器人學人工智能研究日益受到重視的另一個分支是機器人學，其中包括對操作機器人裝置程序的研究。這個領(lǐng)域所研究的問題，從機器人手臂的最佳移動到實現(xiàn)機器人目標的動作序列的規(guī)劃方法，無所不包。機器人和機器人學的研究促進了許多人工智能思想的發(fā)展。它所導致的一些技術(shù)可用來模擬世界的狀態(tài)，用來描述從一種世界狀態(tài)轉(zhuǎn)變?yōu)榱硪环N世界狀態(tài)的過程。它對于怎樣產(chǎn)生動作序列的規(guī)劃以及怎樣監(jiān)督這些規(guī)劃的執(zhí)行有了一種較好的理解。復雜的機器人控制問題迫使我們發(fā)展一些方法，先在抽象和忽略細節(jié)的高層進行規(guī)劃，然后再逐步在細節(jié)越來越重要