人工智能與教育

1、人工智能與教育,人工智能概述 人工智能的研究領(lǐng)域 人工智能教育應(yīng)用概述,人工智能被譽為20世紀的三大尖端科技成就之一。 有預(yù)言家說：“說掌握了人工智能，說就能征服整個世界?！?第一節(jié) 人工智能的概述,人工智能（Artificial Intelligence, AI）是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿學(xué)科。人工智能是在計算機科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來的。,無人駕駛飛機、掃雷機器人、衛(wèi)星評估糧食產(chǎn)量、醫(yī)學(xué)專家系統(tǒng)、購物籃分析、信息過濾、人臉的識別、人機搏弈、機器人足球、,一、 什么是人工智能,談到人工智能的定義，首先需要指出以下兩點： 第一，人工智能和其他許多

2、新興學(xué)科一樣，至今尚無一個統(tǒng)一的定義，所謂人工智能的定義，只能是人工智能學(xué)者根據(jù)對它的已有認識所作的一些不同解釋。 第二，人工智能的定義依賴于智能的定義。因此，要定義人工智能，首先應(yīng)該定義智能。,(一) 什么是智能,通俗地說，智能是一種認識客觀事物和運用知識解決問題的綜合能力。至于其確切定義，還有待于對人腦奧秘的徹底揭示。,為了區(qū)分機器是否會“思考”，有必要給出“智能”的定義。究竟“會思考”到什么程度才叫智能？人工智能專家面臨的最大挑戰(zhàn)之一是：如何構(gòu)造一個系統(tǒng)，可以模仿由上百億個神經(jīng)元組成的人腦的行為，去思考宇宙中最復(fù)雜的問題。,1. 智能的層次結(jié)構(gòu),人類的智能總體上可分為高、中、低三個層次，

3、不同層次智能的活動由不同的神經(jīng)系統(tǒng)來完成。 高層智能以大腦皮層為主，主要完成記憶和思維等活動； 中層智能以丘腦為主，主要完成感知活動； 低層智能以小腦、脊髓為主，主要完成動作反應(yīng)。,2.智能所包含的能力,智能是一種綜合能力。具體地說，它包含的各種能力如下: 智能具有感知能力 智能具有記憶與思維能力 智能具有學(xué)習(xí)和自適應(yīng)能力 智能具有行為能力,(二) 什么是人工智能,綜合各種不同的人工智能觀點，可以從“能力”和“學(xué)科”兩個方面對人工智能進行定義。 從能力的角度來看，人工智能是相對于人的自然智能而言的，所謂人工智能是指用人工的方法在機器（計算機）上實現(xiàn)的智能； 從學(xué)科的角度來看，人工智能是作為一個

4、學(xué)科名稱來使用的，所謂人工智能是一門研究如何構(gòu)造智能機器或智能系統(tǒng)，使它能模擬、延伸和擴展人類智能的學(xué)科。,圖靈測試,如何衡量機器是否具有智能？,測試過程：讓一個程序與一個人進行5分鐘對話 ,然后人猜測交談對象是程序還是人？如果在30%測試中程序成功地欺騙了詢問人，則通過了測試 圖靈期待最遲2000年出現(xiàn)這樣的程序，但是到目前為止，面對訓(xùn)練有素的鑒定人，沒有一個程序接近30%的標準,要想程序通過圖靈測試，還需要做大量工作，這些技能包括： 自然語言處理, 使機器可以用人類語言交流 知識表示, 存儲機器獲得的各種信息 自動推理, 運用知識來回答問題和提取新結(jié)論 機器學(xué)習(xí), 適應(yīng)新環(huán)境并檢測和推斷新

5、模式 以及(為了完全圖靈測試) 計算機視覺, 機器感知物體 機器人技術(shù), 操縱和移動物體,二、 人工智能的產(chǎn)生與發(fā)展,人工智能這個術(shù)語自1956年正式提出，并作為一個新興學(xué)科的名稱被使用以來，已經(jīng)有四十多年的歷史了?；仡櫰洚a(chǎn)生與發(fā)展過程，可大致分為四個階段。 孕育期 形成期 知識應(yīng)用期 綜合集成期,1. 孕育期（1956年之前）,古希臘偉大的哲學(xué)家和思想家亞里斯多德（Aristotle）創(chuàng)立了演繹法。 英國哲學(xué)家和自然科學(xué)家培根（F.Bacon）創(chuàng)立了歸納法。 德國數(shù)學(xué)家和哲學(xué)家萊布尼茨（G.WLeibnitz）把形式邏輯符號化，奠定了數(shù)理邏輯的基礎(chǔ)。使人們可以對人的思維進行運算和推理。 法國

6、物理學(xué)家和數(shù)學(xué)家帕斯卡（B.Pascal）制造成功了世界上第一臺加法器。,2. 形成期（1956年-1969年）,人工智能誕生于一次歷史性的聚會。 1O位杰出年輕科學(xué)家在美國達特莫斯大學(xué)舉行了一次為期兩個月的夏季學(xué)術(shù)研討會，共同學(xué)習(xí)和探討了用機器模擬人類智能的有關(guān)問題。 由麥卡錫提議正式采用了“人工智能AI（Artifcial Intelligence）”這一術(shù)語。 從而，一個以研究如何用機器來模擬人類智能的新興學(xué)科人工智能誕生了。,3. 知識應(yīng)用期（1970年-80年代末）,人工智能遇到了許多麻煩： 在博弈方面，塞繆爾的下棋程序在與世界冠軍對弈時，5局中敗了4局。 在機器翻譯方面，原來人們以

7、為只要有一本雙解字典和一些語法知識就可以實現(xiàn)兩種語言的互譯，但后來發(fā)現(xiàn)并不那么簡單，甚至?xí)[出笑話。 在神經(jīng)生理學(xué)方面，研究發(fā)現(xiàn)人腦有1011以上的神經(jīng)元，在現(xiàn)有技術(shù)條件下用機器從結(jié)構(gòu)上模擬人腦是根本不可能的。 在人工智能的本質(zhì)、理論、思想及機理方面，人工智能受到了來自哲學(xué)、心理學(xué)、神經(jīng)生理學(xué)等社會各界的責(zé)難、懷疑和批評。,以知識為中心的研究：,專家系統(tǒng)悄悄開始孕育，使得人工智能在后來出現(xiàn)的困難和挫折中能很快找到前進方向，迅速地再度興起。 專家系統(tǒng)（Expert System，簡寫為 ES）是一個具有大量的專門知識，并能夠利用這些知識去解決特定領(lǐng)域中需要由專家才能解決的那些問題的計算機程序。

8、專家系統(tǒng)實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探討走向?qū)ｉT知識運用的重大突破，是人工智能發(fā)展史上的一次重要轉(zhuǎn)折。,專家系統(tǒng),1972年，費根鮑姆在繼化學(xué)專家系統(tǒng)DENDRAL之后，又領(lǐng)導(dǎo)他的研究小組開始研究其他的項目。 1976年，斯坦福大學(xué)國際人工智能中心杜達（R.D. Duda）等人開始研制地質(zhì)勘探專家系統(tǒng)PROSPECTOR。 MIT 1971年研制成功并投入使用數(shù)學(xué)專家系統(tǒng)MACSYMA。 美國拉特格爾（Rutger）大學(xué)于1978年研制成功用于青光眼診斷和治療的專家系統(tǒng) CASNET。,在這一時期，與專家系統(tǒng)同時發(fā)展的重要領(lǐng)域還有計算機視覺和機器人，自然語言理解與機器翻

9、譯等。 此外，在知識表示、不精確推理、人工智能語言等方面也有重大進展。,1977年，在第五屆國際人工智能聯(lián)合會議上，費根鮑姆正式提出了知識工程（Knowledge Engineering，簡稱 KE）的概念。 整個2O世紀8O年代知識工程和專家系統(tǒng)在全世界得到了迅速發(fā)展，其應(yīng)用范圍也擴大到了人類社會的各個領(lǐng)域，并產(chǎn)生了巨大的經(jīng)濟效益。 專家系統(tǒng)的成功，說明了知識在智能系統(tǒng)中的重要性，使人們更清楚地認識到人工智能系統(tǒng)應(yīng)該是一個知識處理系統(tǒng)，而知識表示、知識獲取、知識利用是人工智能系統(tǒng)的三個基本問題。,隨著專家系統(tǒng)應(yīng)用的不斷深入和計算機技術(shù)的飛速發(fā)展，專家系統(tǒng)本身所存在的問題逐漸暴露出來： 應(yīng)用領(lǐng)

10、域狹窄 缺乏常識性知識 知識獲取困難 推理方法單一 沒有分布式功能 不能訪問現(xiàn)存數(shù)據(jù)庫,人工智能又面臨著一次考驗。出路何在？人工智能需要走綜合集成發(fā)展的道路。,4. 綜合集成期（80年代末至今）,在專家系統(tǒng)方面，從2O世紀8O年代末開始逐步向多技術(shù)、多方法的綜合集成與多學(xué)科、多領(lǐng)域的綜合應(yīng)用型發(fā)展。 大型專家系統(tǒng)開發(fā)采用了多種人工智能語言（如LISP、Prolog和C十十等）、多種知識表示方法（如產(chǎn)生式規(guī)則、框架、邏輯、語義網(wǎng)絡(luò)、面向?qū)ο蟮龋?、多種推理機制（如演繹推理、歸納推理、非精確推理和非單調(diào)推理等）和多種控制策略（如正向、逆向和雙向等）相結(jié)合的方式，并開始運用各種專家系統(tǒng)外殼、專家系統(tǒng)開

11、發(fā)工具和專家系統(tǒng)開發(fā)環(huán)境等。,目前，人工智能技術(shù)正在向大型分布式人工智能、大型分布式多專家協(xié)同系統(tǒng)、廣義知識表達、綜合知識庫（即知識庫、方法庫、模型庫、方法庫的集成）、并行推理、多種專家系統(tǒng)開發(fā)工具、大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下的多智能體（Agent）協(xié)同系統(tǒng)等方向發(fā)展。 盡管如此，但從目前來看，人工智能仍處于學(xué)科發(fā)展的早期階段，其理論、方法和技術(shù)都不太成熟，人們對它的認識也比較膚淺，甚至連人工智能能否歸結(jié)、如何歸結(jié)為一組基本原理也還是個問號。,23,AI成功的例子(1),博弈：IBM公司的“深藍”成為第一個在國際象棋比賽中戰(zhàn)勝世界冠軍的計算機程序 1997年，一次公開賽中3.5/

12、2.5比分戰(zhàn)勝卡斯帕羅夫，他說從棋盤對面感到了“一種新智能” （但是，連“深藍”的設(shè)計者也不認為用了什么人工智能技術(shù)）,24,AI成功的例子(2),自主控制：CMU研制的ALVINN計算機視覺系統(tǒng)安置在NAVLAB計算機控制微型汽車中，用于汽車導(dǎo)航行駛在高速公路上 全程2850英里(約4586.5公里), 其中98%時間由這個系統(tǒng)掌握方向盤, 2%時間由人駕駛, 幾乎都在高速公路出入口處,25,AI成功的例子(3),后勤規(guī)劃：1991年海灣戰(zhàn)爭中美國軍隊配備了一個動態(tài)分析和重規(guī)劃工具DART, 用于自動后勤規(guī)劃與運輸調(diào)度。 該系統(tǒng)同時涉及50000個車輛、貨物和人，而且要考慮起點、目的地、路徑

13、，解決所有參數(shù)之間的沖突。使用AI技術(shù)使規(guī)劃在幾小時內(nèi)完成，而傳統(tǒng)方法需要幾個星期 DARPA稱就此一項投資足以補償DARPA在AI方面30年的投資,第二節(jié) 人工智能的研究領(lǐng)域,一、人工神經(jīng)網(wǎng)絡(luò) (一）人工神經(jīng)網(wǎng)絡(luò)概述 生物神經(jīng)元及腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征1生物神經(jīng)元的結(jié)構(gòu) 生物神經(jīng)元（Neuron）即為神經(jīng)細胞，它是生物神經(jīng)系統(tǒng)的最基本單元。從其形狀和大小來看，神經(jīng)元是多種多樣的，但從組成結(jié)構(gòu)看，各種神經(jīng)元又具有共性。神經(jīng)元的基本結(jié)構(gòu)如圖6-4所示，它由細胞體（Soma）、軸突（Axon）和樹突（Dendrite）三個主要部分組成。,細胞體是神經(jīng)元的主體，用于處理由樹突接受的其他神經(jīng)元傳來的信

14、號。細胞體的內(nèi)部是細胞核，外部是細胞膜，細胞膜的外面是許多向外延伸出的纖維。 軸突是由細胞體向外延伸出的所有纖維中最長的一條分枝，用來向外傳遞神經(jīng)元產(chǎn)生的輸出電信號。每個神經(jīng)元都有一條軸突，其最大長度可達1cm以上。在軸突的末端形成了許多很細的分枝，這些分枝叫神經(jīng)末梢。每一條神經(jīng)末梢可以與其他神經(jīng)元形成功能性接觸，該接觸部位稱為突觸。所謂功能性接觸，是指非永久性的接觸，這正是神經(jīng)元之間傳遞信息的奧秘之一。 樹突是指由細胞體向外延伸的除軸突以外的其他所有分支。樹突的長度較短，但數(shù)量很多，它是神經(jīng)元的輸入端用于接受從其他神經(jīng)元的突觸傳來的信號。,2人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征 記憶和存儲功能 高度并行

15、性 分布式功能 容錯功能 聯(lián)想功能 自組織和自學(xué)習(xí)功能,（二）人工神經(jīng)元及人工神經(jīng)網(wǎng)絡(luò)1. 人工神經(jīng)元的結(jié)構(gòu),在圖7-2中，x1，x2，xn表示某一神經(jīng)元的n個輸入；i表示第i個輸入的連接強度，稱為連接權(quán)值；為神經(jīng)元的閾值；y為神經(jīng)元的輸出?？梢钥闯?，人工神經(jīng)元是一個具有多輸入，單輸出的非線性器件。,2人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)是對人類神經(jīng)系統(tǒng)的一種模擬。盡管人類神經(jīng)系統(tǒng)規(guī)模宏大、結(jié)構(gòu)復(fù)雜、功能神奇，但其最基本的處理單元卻只有神經(jīng)元。人工神經(jīng)系統(tǒng)的功能實際上是通過大量神經(jīng)元的廣泛互連，以規(guī)模宏偉的并行運算來實現(xiàn)的。 基于對人類生物系統(tǒng)的這一認識，人們也試圖通過對人工神經(jīng)元的廣泛互連來模擬生物神

16、經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。人工神經(jīng)元之間通過互連形成的網(wǎng)絡(luò)稱為人工神經(jīng)網(wǎng)絡(luò)。在人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元之間互連的方式稱為連接模式或連接模型。它不僅決定了神經(jīng)元網(wǎng)絡(luò)的互連結(jié)構(gòu)，同時也決定了神經(jīng)網(wǎng)絡(luò)的信號處理方式。,3人工神經(jīng)網(wǎng)絡(luò)的分類 目前，已有的人工神經(jīng)網(wǎng)絡(luò)模型至少有幾十種，其分類方法也有多種。例如，按網(wǎng)絡(luò)拓撲結(jié)構(gòu)可分為無反饋網(wǎng)絡(luò)與有反饋網(wǎng)絡(luò)；按網(wǎng)絡(luò)的學(xué)習(xí)方法可分為有教師的學(xué)習(xí)網(wǎng)絡(luò)和無教師的學(xué)習(xí)網(wǎng)絡(luò)；按網(wǎng)絡(luò)的性能可分為連續(xù)型網(wǎng)絡(luò)與離散型網(wǎng)絡(luò)，或分為確定性網(wǎng)絡(luò)與隨機型網(wǎng)絡(luò)；按突觸連接的性質(zhì)可分為一階線性關(guān)聯(lián)網(wǎng)絡(luò)與高階非線性關(guān)聯(lián)網(wǎng)絡(luò)。,（三）人工神經(jīng)網(wǎng)絡(luò)的特點和優(yōu)越性，主要表現(xiàn)在三個方面： 第一，具有自學(xué)

17、習(xí)功能。例如實現(xiàn)圖像識別時，只在先把許多不同的圖像樣板和對應(yīng)的應(yīng)識別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就會通過自學(xué)習(xí)功能，慢慢學(xué)會識別類似的圖像。自學(xué)習(xí)功能對于預(yù)測有特別重要的意義。預(yù)期未來的人工神經(jīng)網(wǎng)絡(luò)計算機將為人類提供經(jīng)濟預(yù)測、市場預(yù)測、效益預(yù)測，其前途是很遠大的。,第二，具有聯(lián)想存儲功能。 人的大腦是具有聯(lián)想功能的。如果有人和你提起你幼年的同學(xué)張某某，你就會聯(lián)想起張某某的許多事情。用人工神經(jīng)網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實現(xiàn)這種聯(lián)想。 第三，具有高速尋找優(yōu)化解的能力。 尋找一個復(fù)雜問題的優(yōu)化解，往往需要很大的計算量，利用一個針對某問題而設(shè)計的反饋型人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計算機的高速運算能力，可能很快找到優(yōu)化

18、解。,（四）人工神經(jīng)網(wǎng)絡(luò)的局限性 人工神經(jīng)網(wǎng)絡(luò)是一個新興學(xué)科，還存在許多問題。其主要表現(xiàn)有。 （1）受到腦科學(xué)研究的限制 由于生理實驗的困難性，目前人類對思維和記憶機制的認識還很膚淺，還有很多問題需要解決。例如，腦的層次結(jié)構(gòu)是怎樣形成的？腦是怎樣學(xué)習(xí)的？不同類型的知識在腦中是如何組織的？腦神經(jīng)元在思維記憶中起什么作用？腦神經(jīng)網(wǎng)絡(luò)中神經(jīng)元之間的突觸聯(lián)系強度是如何修正、保持的？等等。這些問題如果能夠得到解決，將極大地促進人工神經(jīng)網(wǎng)絡(luò)的發(fā)展。 （2）還沒有完整成熟的理論體系 雖然目前已有許多人工神經(jīng)網(wǎng)絡(luò)模型，但這些模型的學(xué)習(xí)策略卻各不相同，還無法統(tǒng)一到一個完整的理論框架中，因而也無法形成一個成熟的理

19、論體系。,（3）還帶有濃厚的策略和經(jīng)驗色彩 對人工神經(jīng)網(wǎng)絡(luò)，一方面還沒有完整、成熟的理論系統(tǒng)支持，另一方面又需要用它分析和解決某些實際問題，因此使得人工神經(jīng)網(wǎng)絡(luò)的研究帶有濃厚的策略和經(jīng)驗色彩。 （4）與傳統(tǒng)技術(shù)的接口不成熟 人工神經(jīng)網(wǎng)絡(luò)雖然有它自己的優(yōu)勢，但又不可能全面替代傳統(tǒng)的計算技術(shù)，它們之間只能是相互補充。然而，目前人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)計算技術(shù)之間的接口還很不成熟。 上述問題的存在，制約了人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展。,二、專家系統(tǒng),（一）專家系統(tǒng)的基本概念 目前，對什么是專家系統(tǒng)還沒有一個嚴格公認的形式化定義。作為一種一般的解釋，可以認為專家系統(tǒng)是一種具有大量專門知識與經(jīng)驗的智能程序系統(tǒng)，它能

20、運用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗和專門知識，模擬領(lǐng)域?qū)＜业乃季S過程，解決該領(lǐng)域中需要專家才能解決的復(fù)雜問題。 從上述解釋可以看出，專家系統(tǒng)包括以下三個方面的含義： （1）專家系統(tǒng)是一種程序系統(tǒng)，但又具有智能，因此它不同于一般的程序系統(tǒng)，而是一種能運用專家知識和經(jīng)驗進行推理的啟發(fā)式程序系統(tǒng)。,（2）專家系統(tǒng)的智能來源于領(lǐng)域?qū)＜业闹R、經(jīng)驗及解決問題的訣竅。為此，專家系統(tǒng)內(nèi)部必須包含有大量專家水平的領(lǐng)域知識與經(jīng)驗，并且能夠在運行過程中不斷地增長新知識和修改原有知識。 （3）專家系統(tǒng)所要解決的問題一般是那些本來應(yīng)該由領(lǐng)域?qū)＜也拍芙鉀Q的問題。,（二） 專家系統(tǒng)的分類,按求解問題的性質(zhì)分類 海葉斯-羅斯（FH

21、eyes-Roth）按照求解問題的性質(zhì)，將專家系統(tǒng)分為以下10 種類型： （1）解釋型專家系統(tǒng) 解釋型專家系統(tǒng)的任務(wù)是通過對已知信息和數(shù)據(jù)的分析與解釋，確定它們的含義。其主要特點有：第一，系統(tǒng)處理的數(shù)據(jù)量很大，而且往往是不準確的、錯誤的或不完全的；第二，系統(tǒng)能夠從不完全的信息中得出解釋，并能對數(shù)據(jù)做出某些假設(shè)；第三，系統(tǒng)的推理過程可能很復(fù)雜和很長，因而要求系統(tǒng)具有對自身推理過程做出解釋的能力。 作為解釋型專家系統(tǒng)的例子有語音理解、圖像分析、系統(tǒng)監(jiān)視、化學(xué)結(jié)構(gòu)分析和信號解釋等。例如，衛(wèi)星圖像分析、集成電路分析、石油測井?dāng)?shù)據(jù)分析、染色體分類等。,（2）預(yù)測型專家系統(tǒng) 預(yù)測型專家系統(tǒng)的任務(wù)是通過對過

22、去或現(xiàn)在知識狀況的分析，推斷未來可能發(fā)生的情況。其主要特點有：第一，系統(tǒng)處理的數(shù)據(jù)隨時間變化，而且可能是不準確或不完備的；第二，系統(tǒng)需要有適應(yīng)時間變化的動態(tài)模型，能夠從不完全和不準確的信息中得出預(yù)報，并達到快速響應(yīng)的要求。 預(yù)測型專家系統(tǒng)的例子主要有氣象預(yù)報、軍事預(yù)測、人口預(yù)測、交通預(yù)測、經(jīng)濟預(yù)測和作物產(chǎn)量預(yù)測等。 （3）診斷型專家系統(tǒng) 診斷型專家系統(tǒng)的任務(wù)是根據(jù)觀察到的情況來推斷出某個對象機能失常的原因。其主要特點有：第一，能夠了解被診斷對象和客體各組成部分的特性，以及它們之間的聯(lián)系；第二，能夠區(qū)分一種現(xiàn)象及其所掩蓋的另一種現(xiàn)象；第三，能夠向用戶提出測量的數(shù)據(jù)，并從不確切信息中得出盡可能正確

23、的診斷。 診斷型專家系統(tǒng)的例子特別多，有醫(yī)療診斷、電子或機械故障診斷以及材料失效診斷等。著名的血液病診斷專家系統(tǒng)MYCIN、青光眼治療專家系統(tǒng)CASNET等都屬于這類專家系統(tǒng)。 （4）設(shè)計型專家系統(tǒng) 設(shè)計型專家系統(tǒng)的任務(wù)是根據(jù)設(shè)計要求，求出滿足設(shè)計問題約束的目標配置。其主要特點有：第一，善于從多方面的約束中得到符合要求的設(shè)計結(jié)果；第二，系統(tǒng)需要檢索較大的可能解空間；第三，善于分析各種子問題，并處理好子問題間的相互作用；第四，能夠試驗性地構(gòu)造出可能設(shè)計，并易于對所得設(shè)計方案進行修改；第五，能夠使用已被證明是正確的設(shè)計來解釋當(dāng)前的設(shè)計。 設(shè)計型專家系統(tǒng)的例子主要有電路設(shè)計、土木建筑工程設(shè)計、機械產(chǎn)

24、品設(shè)計、生產(chǎn)工藝設(shè)計等。,（5）規(guī)劃型專家系統(tǒng) 規(guī)劃型專家系統(tǒng)的任務(wù)是要尋找出某個能夠達到目標的動作序列或步驟。其主要特點有：第一，所要規(guī)劃的目標可能是動態(tài)的或靜止的；第二，所涉及的問題可能很復(fù)雜，要求系統(tǒng)能抓住重點，處理好各子目標間的關(guān)系和不確定的信息，并通過試驗性動作得出可行的規(guī)劃。 規(guī)劃型專家系統(tǒng)可用于機器人規(guī)劃、交通運輸調(diào)度、工程項目論證、通信與軍事指揮以及農(nóng)作物施肥方案規(guī)劃等。 （6）監(jiān)視型專家系統(tǒng) 監(jiān)視型專家系統(tǒng)的任務(wù)在于對系統(tǒng)、對象或過程的行為進行不斷觀察，并把觀察到的行為與其應(yīng)當(dāng)具有的行為進行比較，以發(fā)現(xiàn)異常情況，發(fā)出警報。監(jiān)視專家系統(tǒng)的主要特點有：第一，系統(tǒng)應(yīng)具有快速反應(yīng)能力

25、，在造成事故之前及時發(fā)出警報；第二，系統(tǒng)發(fā)出的警報要有很高的精確性；第三，系統(tǒng)能夠隨時間和條件的變化而動態(tài)地處理其輸入信息。 監(jiān)視型專家系統(tǒng)可用于核電站的安全監(jiān)視、防空監(jiān)視與報警、國家財政的監(jiān)控及農(nóng)作物病蟲害的監(jiān)視與報警等。 （7）控制型專家系統(tǒng) 控制型專家系統(tǒng)的任務(wù)是自適應(yīng)地管理一個受控對象或客體的全面行為，使其滿足預(yù)期要求。這類專家系統(tǒng)的主要特點是：能夠解釋當(dāng)前情況，預(yù)測未來可能發(fā)生的情況，診斷可能發(fā)生的問題及其原因，不斷修正計劃，并控制計劃的執(zhí)行。也就是說，控制型專家系統(tǒng)具有解釋、預(yù)報、診斷、規(guī)劃和執(zhí)行等多種功能。 控制型專家系統(tǒng)可用于空中交通管制、商業(yè)管理、自主機器人控制、作戰(zhàn)管理、生

26、產(chǎn)過程控制和生產(chǎn)質(zhì)量控制等許多方面。,（8）調(diào)試型專家系統(tǒng) 調(diào)試型專家系統(tǒng)的任務(wù)是對失靈的對象給出處理意見和方法。它要求專家系統(tǒng)須具有規(guī)劃、設(shè)計、預(yù)報和診斷等功能。 調(diào)試專家系統(tǒng)可用于新產(chǎn)品或新系統(tǒng)的調(diào)試，也可用于被維修設(shè)備的調(diào)整、測試與試驗。 （9）教學(xué)型專家系統(tǒng) 教學(xué)型專家系統(tǒng)的任務(wù)是根據(jù)學(xué)生的特點、弱點和基礎(chǔ)知識，以最適當(dāng)?shù)慕虒W(xué)方案和教學(xué)方法對學(xué)生進行教學(xué)和輔導(dǎo)。這類專家系統(tǒng)的主要特點有：第一，同時具有診斷和調(diào)試功能；第二，具有良好的人機界面。,專家系統(tǒng)的結(jié)構(gòu)是指專家系統(tǒng)各組成部分的構(gòu)造方法和組織形式。不同應(yīng)用領(lǐng)域和不同類型的專家系統(tǒng)，其體系結(jié)構(gòu)和功能也都不盡相同。通常，一個最基本的專家

27、系統(tǒng)應(yīng)由知識庫、數(shù)據(jù)庫、推理機、解釋機構(gòu)、知識獲取機構(gòu)和用戶界面6個部分所組成，如圖1所示。,（四） 專家系統(tǒng)的基本結(jié)構(gòu),知識庫是專家系統(tǒng)的知識存儲器，用來存放求解問題的領(lǐng)域知識。通常，知識庫中的知識分為兩大類型：一類是領(lǐng)域中的事實，稱為事實性知識，這是一種廣泛公認的知識，即在書本上的知識及常識；另一類是啟發(fā)性知識，它是領(lǐng)域?qū)＜以陂L期工作實踐中積累起來的經(jīng)驗總結(jié)。專家系統(tǒng)開發(fā)中的一個重要任務(wù)就是要十分認真細致地對專家的這類經(jīng)驗知識進行分析。,1. 知識庫,數(shù)據(jù)庫又稱為全局數(shù)據(jù)庫或綜合數(shù)據(jù)庫，用來存儲有關(guān)領(lǐng)域問題的事實、數(shù)據(jù)、初始狀態(tài)（證據(jù)）和推理過程中得到的各種中間狀態(tài)及目標等。實際上，它相當(dāng)

28、于專家系統(tǒng)的工作存儲器，用它存放用戶回答的事實、已知的事實和由推理得到的事實。,2. 數(shù)據(jù)庫,推理機是一組用來控制、協(xié)調(diào)整個專家系統(tǒng)的程序。它根據(jù)數(shù)據(jù)庫當(dāng)前輸入的數(shù)據(jù)，利用知識庫中的知識按一定的推理策略，去求解當(dāng)前的問題、解釋外部輸入的事實和數(shù)據(jù)，推導(dǎo)出結(jié)論并向用戶提出問題等。由于專家系統(tǒng)是模擬人類專家進行工作，因此設(shè)計推理機時，應(yīng)使它的推理過程和專家的推理過程盡量相似，并最好完全一致。推理機所采用的推理方法可以是正向推理、逆向推理、或正逆向結(jié)合的雙向推理，并且，在這三種推理方式中，都包含有精確推理和不確定推理。,3. 推理機,推理機和知識庫相分離，是專家系統(tǒng)的一大特點。這不僅便于對知識庫的管

29、理，而且還可以實現(xiàn)具有可塑性、通用性的系統(tǒng)。,解釋機構(gòu)實際上也是一組程序，它包括系統(tǒng)提示、人機對話、能書寫規(guī)則的語言以及解釋部分程序，其主要功能是解釋系統(tǒng)本身的推理結(jié)果，回答用戶的提問，使用戶能夠了解推理的過程及所運用的知識和數(shù)據(jù)。因此，在設(shè)計解釋機構(gòu)時，應(yīng)預(yù)先考慮好：在系統(tǒng)運行過程中，應(yīng)該回答哪些問題，然后根據(jù)這些問題，設(shè)計好如何回答。目前，大多數(shù)專家系統(tǒng)的解釋機構(gòu)都采用人機對話的交互式解釋方法。,4. 解釋機構(gòu),許多的人工智能領(lǐng)域的研究論文中Agent都是用的英文單詞，據(jù)說中文的翻譯有兩種:智能代理和智能主體，到底哪一種更合適，各有各的理由。這也反映了人們對于Agent的不同理解，或者說對

30、Agent的各個特征的重要性的不同理解。,三、智能代理,有一種理解認為，Agent是一類自動程序，它能夠代替人完成某些任務(wù)。例如郵件Agent可以代替人對收到的郵件進行分類并處理。這種Agent不僅能夠了解企業(yè)或人對于郵件處理的規(guī)則和習(xí)慣，而且在很多情況下比人做得還要好。它的作用就像是我們在日常生活中的旅行代理、稅務(wù)代理、保險代理等，能夠幫助我們完成一些特定的任務(wù)。很顯然，在這類Agent中，強調(diào)的是程序的自治能力和學(xué)習(xí)能力，把這類Agent翻譯成智能代理是合適的。,另一種理解認為，Agent是功能單一的主體，換句話說，它只是解決某一方面的問題，但是，通過群體Agent的通信和協(xié)調(diào)，它們可以共

31、同解決非常復(fù)雜的問題。在這類系統(tǒng)中，智能并不是體現(xiàn)在個體Agent上，而是體現(xiàn)在群體Agent上。從目前的研究來看，盡管第一種意義下的Agent也有廣泛的應(yīng)用，但是，從問題求解方法論的角度上講，單純的代理行為意義不大。而如果一些簡單的Agent能夠通過協(xié)作完成復(fù)雜的任務(wù)是我們非常希望的一種解決問題的方式，因此是Agent研究背后的真正動機 。,什么是 Agent？ 實際上并沒有一個公認的定義，這也充分說明這還是一個發(fā)展中的學(xué)科。我比較認同下面的定義:Agent是為了達到某個特定的目標，在與外部環(huán)境的相互作用基礎(chǔ)上，通過對環(huán)境狀態(tài)的認識以及和其他Agent的協(xié)作，自律地推進問題解決的處理單位。從這個定義來看，Agent應(yīng)具有以下四種基本特征。,(自律性):