《人工智能》阅读报告

第一篇：《人工智能》阅读报告

《人工智能》阅读报告之

姓名：

学号：

班级：

指导教师：

历史、现状与未来

2014/4/6

我并不是通过看书而是通过一部由斯皮尔伯格执导的科幻电影——《AI》接触到人工智能这个概念的。虽然这只是一部2001年的电影，距今已有13年之久，但是它对我的启迪是长久的。电影剧情在此不做探究，只是它展示给我们的未来让我对人工智能非常好奇，所以我通过图书馆和网络搜集阅读了一些材料，争取对人工智能的历史和现状有较深入的理解，并对其未来进行合理展望。

电影名叫《A.I》，即Artificial Intelligence的首字母缩写，而这也正是学术上的人工智能的英文名。人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的麦卡锡在1956年的达特茅斯会议上提出的：“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样”。这次会议可以看作人工智能的发端。自此以后，新思想、新理论、新技术不断涌现，至今尚无统一定义。经过这些年的发展，人工智能有了很多成果，前途一片光明。下面是详细介绍。

首先是人工智能的历史。1956年夏季，以麦卡锡、明斯基、罗彻斯特和香农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。

关于人工智能之父的说法，有人认为是冯·诺依曼，有人认为是图灵，这都有一定的道理。图灵提出过著名的图灵测试，这是评价机器智能行为最好且唯一的方法。另外，他还写过这方面的论文，如《机器会思考吗？》。然而比较公认的人工智能之父还是约翰·麦卡锡，不幸的是，他于最近去世了。麦卡锡是LISP语言的发明者，曾因人工智能方面的巨大贡献获得过图灵奖。

人工智能在于1956年正式提出后，取得了显著进步。20世纪50至70年代之间，人工智能有几个标志性的事件。1956年，塞缪尔发明了跳棋程序，于1962年击败了美国的一个州的跳棋冠军。1968年，斯坦福大学的费根鲍姆等人研制了DENDRAL，被认为是专家系统的萌芽。1976年，“四色定理”得到证明。到了80年代，神经网络快速发展。另外，人工智能被引入了市场，并显示出了使用价值。如智能机器人，机器翻译及斯坦福大学的SRI地质勘探专家系统等。

到了90年代，可以说进入了相对稳定阶段。这个期间最著名的事件莫过于蓝色巨人IBM的超级计算机“深蓝”击败国际象棋世界冠军卡斯帕罗夫了。这是人工智能的一个标志性事件，可以说是人工智能领域最广为人知的事件了。这一事件显示了人工智能的强大能力，使人们对人工智能的未来充满了期望。

进入21世纪，对人工智能的研究又深入了一部。比如谷歌等公司推出的机器翻译，微软退出的语音助手Cortana，都是当今人工智能的最新成果。今年微软build大会就进行了实时翻译，表名语音识别工作有了很大进展。最近很出名的便是IBM公司的超级计算机“沃森”了。2011年2月17日，沃森在美国智力竞猜节目《危险边缘》中击败人类。与之前的深蓝不同的是，沃森可以理解人类语言，然后进行推理。

以上是人工智能的基本发展历程，下面主要介绍当前人工智能的发展情况。人工智能主要应用于人工神经网络、自然语言理解、智能机器人、图像识别和专家系统等方面。当前这些主要研究领域都取得了长足进步。

人工神经网络是我重点关注的的一个方面。从它出现以来，就给人们带来很多惊喜。根据一个简化的统计，人脑由百亿条神经组成，每条神经平均连结到其它几千条神经。通过这种连结方式，神经可以收发不同数量的能量。神经的一个非常重要的功能是它们对能量的接受并不是立即做出响应，而是将它们累加起来，当这个累加的总和达到某个临界阈值时，它们将它们自己的那部分能量发送给其它的神经。大脑通过调节这些连结的数目和强度进行学习。尽管这是个生物行为的简化描述，但同样可以充分有力地被看作是神经网络的模型。

阈值逻辑单元（Threshold Logic Unit，TLU）是理解神经网络的第一步。TLU 是一个对象，它可以输入一组加权系数的量，对它们进行求和，如果这个和达到或者超过了某个阈值，输出一个量。如下图所示：

比如一个求解语言种类的感知器学习模型如下：

有一种培训规则叫做delta规则。感知器培训规则是基于这样一种思路：权系数的调整是由目标和输出的差分方程表达式决定。而delta规则是基于梯度降落这样一种思路。

反向传播算法同样来源于梯度降落原理，在权系数调整分析中的唯一不同是涉及t(p,n)与 y(p,n)的差分。如下图所示：

自然语言理解方面，目前很多公司都在做。比较出名的事件是IBM的超级计算机“沃森”。2011年2月14日至16日的3天比赛中，沃森凭借超强的运算速度和强大的人工智能算法战胜了美国最受欢迎的智力竞猜电视节目《危险边缘》历史上两位最为成功的选手肯·詹宁斯和布拉德·鲁特，这是机器挑战人类智能的又一成功例子。对计算机沃森来说参与智力竞赛节目最重要的难题是解析人类的语言，尤其是在充满暗示和恶作剧的游戏里，沃森需要识别人类语言中微妙的含义，分辨讽刺口吻、谜语、构词断句、诗篇线索等等这些逻辑和线索。然后才是对题目进行分解，快速搜索自己的内存资料，寻找到最佳答案。沃森能学习人类思维分辨人类语言口气，可选择忽略不擅长的题目，它可以可估算节目剩余奖金和自我信心，主动选择是否继续回答问题，已经取得了很大的进步。然而即使这样，它也没能突破图灵测试。它只能处理文字符号，并不能真正理解它们的含义。所以它很难理解人类交流中的微妙含义，甚至出现了爆粗口的尴尬局面。

除了自然语言理解，智能机器人的研究也十分火热。纪录片《漫游火星》中介绍了两个智能车——机遇号和勇气号，都属于智能机器人范畴。2010年上海世博会上展出了很多这方面的最新成果。比如，会拉小提琴的日本机器人和“海宝”机器人，美国最受欢迎的机器人吸尘器Roomba等。日本本田公司研制的仿人机器人ASIMO，是目前全球唯一具备人类双足行走能力的类人型机器人。阿西莫(ASIMO，Advanced Step Innovative Mobility)即高级步行创新移动机器人。从2000年发展至今，除具备了行走功能与各种人类肢体动作之外，更具备了人工智能，可以预先设定动作，还能依据人类的声音、手势等指令，来从事相应动作。此外，他还具备了基本的记忆与辨识能力。在智能机器人这方面，日本的研究成果是很多的，中国科研人员还要多加努力，迎头赶上。

图像识别是人工智能的重要领域，也是目前研究比较集中的领域之一。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。扫描条形码、二维码只是简单的应用，现在已经有些厂商推出直接扫描图片获取信息的技术了。亚马逊的Flow早在一年前就已经可以通过图片识别搜索商品，eBay也在尝试在自己的应用中加入图像识别的功能。目前，Pounce已经与Staples、Target、Ace等零售商合作，支持顾客利用手机扫描印刷广告上的商品图片，然后即时跳转到电商移动网站下单。这样移动平台就可以与电子商务无缝对接了，从而显现出了巨大的商机。

除了上面介绍的几个研究方面，专家系统也在不断发展。专家系统是依靠人类专家已有的知识建立起来的知识系统，是一种具有特定领域内大量知识与经验的程序系统。它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平。专家系统可分为解释型、预测型、诊断型、设计型、监视型和控制型等类型，各自应用于不同的领域。比如控制型专家系统的代表为YES/MVS（帮助监控和控制MVS操作系统的专家系统），监视型专家系统代表为森林火警监视、REACTOR（帮助操作人员检测和处理核反应堆事故的专家系统）。

当然人工智能作为一个跨越多平台、多学科的新兴技术，研究领域不止以上介绍的这些，并且新的技术和概念仍在不断发展。那么，人工智能究竟能发展到什么程度呢？人工智能的终极目标是用机器代替人的脑力劳动，可以说到时候机器要比人类聪明多了。那么这一目标能否达到？若真正实现了，又有什么因素会使人担忧呢？下面我就人工智能的未来做一下展望。

我对人工智能的未来充满信心。在IT发展的不同阶段，都引起了或大或小的革命。人工智能是一个新事物，前途不可限量。想当初比尔盖茨靠着PC的蓬勃发展而起家，现在的人工智能所带给我们的机遇不亚于此。随着人工智能的发展，很多新产品会进入市场。如果抓住这一机遇，将智能机器放到每个家庭，那必定会造就一个商业帝国。

另一方面，美国的很多科幻电影都有对人工智能未来的探讨，而且基本上都充满担忧。不止《A.I》，《终结者》和《黑客帝国》等电影也对人工智能的未来进行了探讨。《A.I》中人类终于在2000多年后消失，被机器代替；《终结者》中的机器更是残忍地杀害人类，与人类展开抗争；《黑客帝国》中的只能机器则完全统治了原本属于人类的世界。

从电影回归现实，人类对人工智能的看法如何呢？目前的人工智能还没有进入大规模实际应用阶段，很多技术还不成熟，所以人工智能目前看起来还没有那么“智能”，因而人们对它还没有多少忧虑。若干年以后，人工智能高度发达，取代了人的工作，集自然语言理解、模式识别、图像识别、高精度计算等能力于一身，就出现了所谓的“新人类”——真正意义上的智能机器人。它们具备了思想和意识，它们具备了创新能力，最令人不安的是，它们不想一直受人类驱使，它们要反抗。

总结来说，人工智能的发展有着广阔的前景。我很关心的是人工神经网络，因为未来智能机器的发展向人看齐，要模仿人脑的工作机理。人工神经网络相当于智能机器的大脑，把它发展完善，再配合自然语言理解、模式设别和专家系统等技术，才能开发出真正意义上的智能机器。这样一来，人类千百年来的脑力劳动能够得以解放，科技高速发展，新的革命就会到来。

另一方面，技术的发展大多会伴随着滥用。如同当今原子弹令地球处在达摩克利斯之剑下面一样，被寄予厚望的二十一世纪三大尖端技术之一的人工智能可能有过之而不及。人工智能有着广阔的前景，是未来人类生产发展的主要推动力之一，同时隐忧也如影随形。话说回来，当前的人工智能虽然已经经过了半个多世纪的发展，但是还有漫长崎岖的道路要走。人类对科技的追求是狂热的，但是一定要进行必要的约束，这样才能使人类在享受高科技带来的福利的同时远离它们带来的危害。

第二篇：人工智能调研报告

2０1７年人工智能中国调研报告

中新经纬客户端 7 月 20 日电 据中国政府网 20 日消息，为抢抓人工智能发展得重大战略机遇，构筑我国人工智能发展得先发优势，加快建设创新型国家与世界科技强国,国务院发布了《新一代人工智能发展规划》.文件要求,20２0 年人工智能总体技术与应用与世界先进水平同步,人工智能产业成为新得重要经济增长点，人工智能核心产业规模超过 1５00 亿元,带动相关产业规模超过 1 万亿元.文件指出，新一代人工智能发展得战略目标就是要分三步走:

第一步，到 2020 年人工智能总体技术与应用与世界先进水平同步,人工智能产业成为新得重要经济增长点，人工智能技术应用成为改善民生得新途径,有力支撑进入创新型国家行列与实现全面建成小康社会得奋斗目标.新一代人工智能理论与技术取得重要进展。大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论与核心技术实现重要进展，人工智能模型方法、核心器件、高端设备与基础软件等方面取得标志性成果。人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系与产业生态链,培育若干全球领先得人工智能骨干企业,人工智能核心产业规模超过１5０0 亿元，带动相关产业规模超过１万亿元。人工智能发展环境进一步优化,在重点领域全面展开创新应用，聚集起一批高水平得人才队伍与创新团队，部分领域得人工智能伦理规范与政策法规初步建立.第二步,到２025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平,人工智能成为带动我国产业升级与经济转型得主要动力,智能社会建

设取得积极进展。新一代人工智能理论与技术体系初步建立，具有自主学习能力得人工智能取得突破，在多领域取得引领性研究成果.人工智能产业进入全球价值链高端.新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过 4000 亿元,带动相关产业规模超过 5 万亿元.初步建立人工智能法律法规、伦理规范与政策体系,形成人工智能安全评估与管控能力。

第三步，到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效,为跻身创新型国家前列与经济强国奠定重要基础.形成较为成熟得新一代人工智能理论与技术体系。在类脑智能、自主智能、混合智能与群体智能等领域取得重大突破，在国际人工智能研究领域具有重要影响,占据人工智能科技制高点.人工智能产业竞争力达到国际领先水平。人工智能在生产生活、社会治理、国防建设各方面应用得广度深度极大拓展,形成涵盖核心技术、关键系统、支撑平台与智能应用得完备产业链与高端产业群，人工智能核心产业规模超过 1 万亿元，带动相关产业规模超过 10 万亿元.形成一批全球领先得人工智能科技创新与人才培养基地，建成更加完善得人工智能法律法规、伦理规范与政策体系。

文件提到,人工智能发展规划得重点任务就是要立足国家发展全局,准确把握全球人工智能发展态势，找准突破口与主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度,全面提升经济社会发展与国防应用智能化水平。一就是构建开放协同得人工智能科技创新体系。二就是培育高端高效得智能经济。三就是建设安全便捷得智能社会。四就是加强人工智能领域军民融合。五就

是构建泛在安全高效得智能化基础设施体系。六就是前瞻布局新一代人工智能重大科技项目。(中新经纬 APP)智能机器就是一种能够呈现出人类智能行为得机器。人工智能（AｒtｉfｉcialＩntｅllｉgencｅ,AI)就是计算机科学或智能科学中涉及研究、设计与应用智能机器得一个分支。人工智能得近期主要目标在于研究用机器来模仿与执行人脑得某些智力功能，而远期目标就是用自动机模仿人类得思维活动与智力功能.人工智能探索历史 人类对人工智能与智能机器得梦想与追求,可以追溯到3000 多年前。中国也不乏这方面得故事与史料.近代科学技术得许多重大进展都就是人类智慧、思维、梦想与奋斗得成果.人类历史上从来没有出现过像今天这样得思想大解放,关于宇宙、星球、生命、人类、时空、进化与智能等思想与作品,如雨后春笋破土而出,似百花争艳迎春怒放。其中，人工智能尤其引人注目。进入２０世纪后，人工智能开始孕育于人类社会母胎。到20世纪3０—４0年代发生了两件极其重要得事件：数理逻辑得形式化与智能可计算(机器能思维)得思想，建立了计算与智能关系得概念。被称为“人工智能之父”(Thｅ father ｏf AI）得图灵（Ｔuｒing AM）,于1936年创立了自动机理论,提出一个理论计算机模型,奠定电子计算机设计基础,促进人工智能特别就是思维机器得研究.1950 年图灵得论文“机器能思考吗？”，为即将问世得人工智能提供了科学性与开创性得构思。

19５6 年夏季由麦卡锡（McCａrthyＪ）、明斯基（Minsky MＬ）、罗彻斯特（Lｏcｈｅsｔeｒ N)与香农（Sｈanｎｏn CE）共同发起，并邀请其她6位年轻得科学家,在美国达特茅斯(Ｄartｍouth)大学举办了一次长达两个月得十人研讨会，讨论用机器模拟人类智能问题,首次使用“人工智能“这一术语.这就是人类历史上第一次人工智能研讨会,标志着国际人工智能学科得诞生，具有十分重要得历史意义。发起这次研讨会得人工智能学者麦卡锡与明斯基,则被誉为国际人工智能得“奠基者”或“创始人”（The fｏunｄｉnｇ faｔhｅｒ)，有时也称为“人工智能之父”。

中国得人工智能经历了怎样得发展过程?取得哪些成绩？存在什么问题？面临何种机遇？有哪些解决方案？本文力图逐一探讨。

一、发展过程 与国际上人工智能得发展情况相比,国内得人工智能研究不仅起步较晚，而且发展道路曲折坎坷,历经了质疑、批评甚至打压得十分艰难得发展历程。直到改革开放之后,中国得人工智能才逐渐走上发展之路。、迷雾重重 2０世纪50—60年代，人工智能在西方国家得到重视与发展,而在苏联却受到批判,将其斥为“资产阶级得反动伪科学”。当时，受苏联批判人工智能与控制论(Cｙbernetics)得影响，中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期与70年代，虽然苏联解禁了控制论与人工智能得研究,但因中苏关系恶化，中国学术界将苏联得这种解禁斥之为“修正主义”,人工智能研究继续停滞。那时,人工智能在中国要么受到质疑，要么与“特异功能“一起受到批判，被认为就是伪科学与修正主义。《摘译外国自然科学哲学》月刊１976年第３期刊文称:“在批判‘图像识别”与‘人工智能“研究领域各种反动思潮得斗争中，走自己得道路”。这足见中国人工智能研究迷雾重重得艰难处境。

1978年3月,全国科学大会在北京召开。在华国锋主持得大会开幕式上,邓小平发表了“科学技术就是生产力”得重要讲话。大会提出“向科学技术现代化进军”得战略决策，打开解放思想得先河,促进中国科学事业得发展,使中国科技事业迎来了科学得春天[9］。这就是中国改革开放得先声，广大科技人员出现了思想大解放,人工智能也在酝酿着进一步得解禁.吴文俊提出得利用机器证明与发现几何定理得新方法——几何定理机器证明(图１）,获得19７8年全国科学大会重大科技成果奖就就是一个好得征兆。

2０世纪80年代初期，钱学森等主张开展人工智能研究，中国得人工智能研究进一步活跃起来。但就是,由于当时社会上把“人工智能”与“特异功能”混为一谈，使中国人工智能走过一段很长得弯路。一方面，包括许多人工智能学者在内得研究者把人工智能与特异功能搅在一起“研究”;另一方面,社会上在批判“特异功能”时将“人工智能”一起进行批判，把两者一并斥之为“伪科学”。、艰难起步

2０世纪70年代末至80年代,知识工程与专家系统在欧美发达国家得到迅速发展，并取得重大得经济效益。当时中国相关研究处于艰难起步阶段，一些基础性得工作得以开展。

１）

派遣留学生出国研究人工智能。

改革开放后，自1980 年起中国大批派遣留学生赴西方发达国家研究现代科技,学习科技新成果,其中包括人工智能与模式识别等学科领域.这些人工智能“海归”专家，已成为中国人工智能研究与开发应用得学术带头人与中坚力量,为发展中国人工智能做出举足轻重得贡献。

２ ２)成立中国人工智能学会。

19８1 年９ 月，中国人工智能学会（CAＡI)在长沙成立,秦元勋当选第一任理事长。于光远在大会期间主持了一次大型座谈会,讨论有关人工智能得一些认识问题.她指出：“人工智能就是一门新兴得科学,我们应该积极支持;对所谓‘人体特异功能’得研究就是一门伪科学,不但不应该支持，而且要坚决反对。”1982年，中国人工智能学会刊物《人工智能学报》在长沙创刊,成为国内首份人工智能学术刊物。

CAAＩ首任理事长秦元勋也颇受争议。秦元勋获美国哈佛大学博士学位后于1948年回国，历任中国科学院数学研究所研究员、执行副所长，中国核学会计算物理学会理事长,中国人工智能学会首届理事长等职。她在常微分方程得定性理论、运动稳定性、近似解析、机器推理等方面得研究，在中国处于开创得地位。其

中极限环得研究,具有国际先进水平。她曾负责完成了中国第一颗原子弹与氢弹得威力计算工作，就是1９8２年国家自然科学奖一等奖得原子弹氢弹设计原理中得物理力学数学理论项目得主要工作者之一，并开辟了计算物理学这一新得学科分支.３）

开始人工智能得相关项目研究。

20世纪70年代末至80年代前期，一些人工智能相关项目已被纳入国家科研计划。例如,在１978年召开得中国自动化学会年会上，报告了光学文字识别系统、手写体数字识别、生物控制论与模糊集合等研究成果,表明中国人工智能在生物控制与模式识别等方向得研究已开始起步.又如，1９78年把“智能模拟“纳入国家研究计划。不过，当时还未能直接提到“人工智能”研究,说明中国得人工智能禁区有待进一步打开。、迎来曙光 １９84年1月与２月，邓小平分别在深圳与上海观瞧儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”。此后,中国人工智能研究得境遇有所好转.例如，人民日报关于人工智能得报道也渐渐多了起来.20世纪8０年代中期,中国得人工智能迎来曙光，开始走上比较正常得发展道路.国防科工委于1984年召开了全国智能计算机及其系统学术讨论会,1985年又召开了全国首届第五代计算机学术研讨会。1986年起把智能计算机系统、智能机器人与智能信息处理等重大项目列入国家高技术研究发展计划(８6３计划）。

１９86 年,清华大学校务委员会经过三次讨论后，决定同意在清华大学出版社出版《人工智能及其应用》著作.1987年7月《人工智能及其应用》在清华大学出版社公开出版，成为国内首部具有自主知识产权得人工智能专著。接着,中国首部人工智能、机器人学与智能控制著作分别于198７年、1988 年与1990 年问世。１９8８ 年2月,主管国家科技工作得国务委员兼国家科委主任宋健亲笔致信蔡自兴(图2)，对《人工智能及其应用》得公开出版与人工智能学科给予高度评价,指出该人工智能著作得编著与出版“使这一前沿学科得最精彩得成就迅速与中国读者见面，这对人工智能在中国得传播与发展必定会起到重大得推动作用……我深信，以人工智能与模式识别为带头得这门新学科，将为人类迈进智能自动化时期做出奠基性贡献.”宋健对该书得高度评价，体现出她对发展中国人工智能得关注与对作者得鼓励,对中国人工智能得发展产生了重大与深远得影响。

在这封信中宋健还提到:“十年前,当我们与钱先生修订工程控制论时,尚无系统参考书可言，只能断断续续介绍一些思路。现在钱先生瞧到此书，也一定会欣喜万分.”这体现了宋健得谦虚品德,也表现出钱学森当时对人工智能得热烈支持。

１987年《模式识别与人工智能》杂志创刊.19８９年首次召开了中国人工智能联合会议（CJCAI）,至200４年共召开了8次。此外,还曾经联合召开过6届中国机器人学联合会议.199３年起，把智能控制与智能自动化等项目列入国家科技攀登计划.1993年７月，宋健应邀为中国人工智能学会智能机器人分会成立题词“人智能则国智科技强则国强”,向成立大会表示祝贺。本题词很好地阐明了人工智能与提高民族素质、增强科技实力与建设现代化强国得辩证关系，也就是国家科技领域领导人对中国人工智能事业得有力支持以及对全国人工智能工作者得殷切期望。、蓬勃发展 进入2１世纪后，更多得人工智能与智能系统研究课题获得国家自然科学基金重点与重大项目、国家高技术研究发展计划（863 计划)与国家重点基础研究发展计划（９73计划)项目、科技部科技攻关项目、工信部重大项目等各种国家基金计划支持，并与中国国民经济与科技发展得重大需求相结合，力求为国家做出更大贡献。这方面得研究项目很多，代表性得研究有视觉与听觉得认知计算、面向Ageｎｔ得智能计算机系统、中文智能搜索引擎关键技术、智能化农业专家系统、虹膜识别、语音识别、人工心理

与人工情感、基于仿人机器人得人机交互与合作、工程建设中得智能辅助决策系统、未知环境中移动机器人导航与控制等。

２006年8月,中国人工智能学会联合其她学会与有关部门，在北京举办了“庆祝人工智能学科诞生5０周年”大型庆祝活动。除了人工智能国际会议外,纪念活动还包括由中国人工智能学会主办得首届中国象棋计算机博弈锦标赛暨首届中国象棋人机大战.东北大学得“棋天大圣”象棋软件获得机器博弈冠军；“浪潮天梭”超级计算机以11:9得成绩战胜了中国象棋大师.这些赛事得成功举办,彰显了中国人工智能科技得长足进步，也向广大公众进行了一次深刻得人工智能基本知识普及教育。主办者认为，这次中国象棋人机大战“无论赢家就是人类大师或超级计算机，都就是人类智慧得胜利”。

同年，《智能系统学报》创刊(图３),这就是继《人工智能学报》与《模式识别与人工智能》之后国内第3份人工智能类期刊。她们为国内人工智能学者与高校师生提供了一个学术交流平台，对中国人工智能研究与应用起到促进作用。

20０９ 年,中国人工智能学会牵头组织，向国家学位委员会与国家教育部提出设置“智能科学与技术”学位授权一级学科得建议。该建议指出:现在信息化向智能化迈进”得趋势已经显现；因此，今天培养得智能科学技术高级人才大军，正好赶上明天信息化向智能化大规模迈进得需要。为此,一个顺理而紧迫得建议就就是:为了适应信息化向智能化迈进得大趋势，为了实现建设创新型国家得大目标,在中国学位体系中增设智能科学与技术博士与硕士学位授权一级学科。这个建议凝聚了中国广大人工智能教育工作者得心智心血与她们得远见卓识,对中国人工智能学科建设具有十分深远得意义。、国家战略近两年来,中国得人工智能已发展成为国家战略。国家最高领导人习近平、李克强发表重要讲话，对发展中国人工智能与机器人学给予高屋建瓴得指示与支持.２014年6月９日，习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会开幕式上发表重要讲话强调：“由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快,3D打印、人工智能迅猛发展,制造机器人得软硬件技术日趋成熟,成本不断降低，性能不断提升，军用无人机、自动驾驶汽车、家政服务机器人已经成为现实,有得人工智能机器人已具有相当程度得自主思维与学习能力。……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这就是党与国家

最高领导人首次对人工智能与相关智能技术得高度评价,就是对开展人工智能与智能机器人技术开发得庄严号召与大力推动.2０15年十二届全国人大三次会议上，李克强总理在政府工作报告中提出:“人工智能技术将为基于互联网与移动互联网等领域得创新应用提供核心基础.未来人工智能技术将进一步推动关联技术与新兴科技、新兴产业得深度融合,推动新一轮得信息技术革命，势必将成为我国经济结构转型升级得新支点.”这就是对人工智能技术得重要作用给予得充分肯定，就是对人工智能得有力促进。

２0１5年5月，国务院发布《中国制造２025》（图4)，部署全面推进实施制造强国战略.这就是中国实施制造强国战略第一个十年得行动纲领.围绕实现制造强国得战略目标，《中国制造2０２5》明确了9项战略任务与重点.这些战略任务,无论就是提高创新能力、信息化与工业化深度融合、强化工业基础能力、加强质量品牌建设，或就是推动重点领域突破发展、全面推行绿色制造、推进制造业结构调整、发展服务型制造与生产性服务业、提高制造业国际化发展水平,都离不

开人工智能得参与,都与人工智能得发展密切相关。人工智能就是智能制造不可或缺得核心技术.2016年4月，工业与信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划（2０16-２０２０年）》，为“十三五”期间中国机器人产业发展描绘了清晰得蓝图.该发展规划提出得大部分任务,如智能生产、智能物流、智能工业机器人、人机协作机器人、消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等，都需要采用各种人工智能技术.人工智能也就是智能机器人产业发展得关键核心技术。

2016年5月,国家发改委与科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，明确未来3年智能产业得发展重点与具体扶持项目，进一步体现出人工智能已被提升至国家战略高度。根据方案得内容,未来3年将在3个大方面、9个小项推进智能产业发展。

国家最高领导人对人工智能得高度评价与对发展我国人工智能得指示,《中国制造２0２５》、《机器人产业发展规划（2０１6-2020 年)》与《“互联网+”人工智能三年行动实施方案》得发布与施行,体现了中国已把人工智能技术提升到国家发展战略得高度,为人工智能得发展创造了前所未有得优良环境，也赋予人工智能艰巨而光荣得历史使命。

２０１5年7月在北京召开了“２015中国人工智能大会”。发表了《中国人工智能白皮书》，包括“中国智能机器人白皮书”、“中国

自然语言理解白皮书“、“中国模式识别白皮书”、“中国智能驾驶白皮书”与“中国机器学习白皮书”,为中国人工智能相关行业得科技发展描绘一个轮廓,给产业界指引一个发展方向。

2０１6年4月由中国人工智能学会发起，联合2０余家国家一级学会，在北京举行“２0１6 全球人工智能技术大会暨人工智能60 周年纪念活动启动仪式”（图5)。这次活动恰逢国际人工智能诞辰60周年，谷歌AｌpｈａGo与韩国围棋九段棋手李世石上演“世纪人机大战“(图6）,将人工智能得关注度推到了前所未有得高度。启动仪式共同庆祝国际人工智能诞辰6０周年，传承与弘扬人工智能得科学精神,开启智能化时代得新征程。

现在，人工智能已发展成为国家发展战略,中国已有数以10万计得科技人员与大学师生从事不同层次得人工智能相关领域研究、学习、开发与应用，人工智能研究与应用已在中国空前开展,硕果累累,必将为促进其她学科得发展与中国得现代化建设做出新得重大贡献。

二、主要成就

中国得人工智能研究开发、学科建设、产业应用与社会服务等方面,已经取得不俗得成就,主要可以从以下几点得到证实。、形成人工智能学科 1981年9月建立了全国性得人工智能组织中国人工智能学会（ＣAAI)，标志着中国人工智能学科得诞生。1９８２年在长沙创办中国人工智能学会刊物《人工智能学报》，成为中国人工智能学科领域得第一份学术刊物。中国人工智能学会大会每两年举行一次，至目前已举办1６届.中国人工智能学会成立后,又相继成立了中国人工智能学会智能机器人专业委员会、机器学习专业委员会、模式识别专业委员会、自然语言处理专业委员会与智能控制专业委员会、人工智能教育工作委员会等。

此外，中国计算机学会得一些二级学会也开展人工智能相关学术活动,为中国人工智能得发展做出了应有贡献。例如,中国计算机学会成立了人工智能与模式识别专业委员会,中国自动化学会成立了模式识别与机器智能专业委员会以及智能自动化专业委员会等二级学会.有些省市也成立了地方人工智能学会。1989-２004 年,由中国人工智能学会、中国计算机学会等多个学会联合举办过7届中国人工智能联合会议(CＪCＡI）.与人工智能密切相关得机器学习、模式识别、智能机器人、自然语言处理、专家系统等领域得学术组织也先后成立,学术活动也十分热烈。例如,国内机器学习得重要学术活动包括每两年举行一次得中国机器学习会议与每年举行得中国机器学习及其应用

研讨会。前者由中国计算机学会人工智能与模式识别专业委员会协办,目前已历经15届。后者每届会议包括特邀报告、大会交流及Tｏp Confｅrence Review等部分，迄今已历经13届.又如,中国人工智能学会智能机器人专业委员会自199３年成立以来，每两年举行一次全国智能机器人学术会议,已组织过11届，还与其她学会共同举办过6次中国机器人联合会议。在王湘浩倡导与组织下,全国高校人工智能研讨会研究班自1９８0年起每年举行一次，就是国内最早得人工智能学术研讨活动。

这些人工智能学术组织与会议开展广泛深入得国内外学术交流，对开展人工智能学术活动与组织科技交流起到积极得作用,有力推动了中国人工智能科技发展与学科建设。

２、科学研究成绩斐然 国家已先后设立了各种与人工智能相关得研究课题，如国家自然科学基金重大专项、重点项目与面上项目，国家863计划项目,国家重大战略项目智能制造２025等。在这些科研基金得支持下,国内人工智能研究已取得许多突出成果。）人工智能基础研究成果突出 除了前面提到得几何定理证明得“吴氏方法”外,吴文俊还于200４ 年发表了重要论文“计算机时代得脑力劳动机械化与科学技术现代化”，宣布她在几何定理证明“机械化”方面得系列成果,指出：“在几何定理机器证明取得成功之后得2０多年来,笔者与许多志同道合得同志们在科技部、科学院、基金委等大力支持下，开展了一场可谓‘数学机械化’得‘运动’，在理论与应用诸多方面都已取得了若干成功。”

国内学者在人工智能得诸多领域,如问题求解、不确定推理、泛逻辑理论、拓扑学、模式识别、图像处理、机器学习、专家系统、智能计算与智能控制等领域得基础研究也多有建树,取得一批具有国际先进水平得创造性成果.例如,在模式识别方面,对文字识别、语音识别（图7)、指纹识别、人脸识别、虹膜识别与步态识别等进行深入研究，涉及生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主导航、保安、银行、交通、军事、电子商务与多媒体网络通信等应用领域。

又如,机器学习也就是人工智能得核心研究领域之一。现在机器学习得大数据往往体现出多源异构、语义复杂、规模巨大、动态多变等特殊性质，为传统机器学习技术带来了新得挑战。为应对这一挑战,国内科技企业巨头华为、百度等与国外巨头谷歌、微软、亚马逊等展开竞争，纷纷成立以机器学习技术为核心得研究院，以充分挖掘大数据中蕴含得巨大商业与应用价值。深度学习就是机器学习领域一个新兴得子领域与研究方向，它就是一种通

过多层表示来对数据之间得复杂关系进行建模得算法。深度学习模仿人脑结构，具有更强得建模与推理能力，能够更有效地解决多类复杂得智能问题。近年来,中国在深度学习研究方面也取得重要进展,一些研究成果接近或达到国际先进水平。

中国学者在自动规划领域也取得开创性成果。１９85年提出与发展了基于专家系统得机器人规划机理与方法，实现了人工智能专家系统与机器人技术得结合，为基于知识得自动规划与高层控制开辟了一条新途径,对提高生产得智能化水平具有重要意义，并推动国内外机器人规划研究得发展。该成果被广泛引用，并被收入清华大学吴麒等主编得全国高校规划教材《自动控制原理》。1９99年以来，又在机器人进化规划方面取得创新性成果.国内在认知计算、情感计算、模式识别、神经网络、智能驾驶、水下机器人与其她智能机器人等领域也取得一批具有国际先进水平得研究成果,培养了一批优秀得学术带头人:郭爱克、任继福、李衍达、王守觉、焦李成、贺汉根、蔡鹤皋、徐玉如与黄心汉等。

此外,有些人工智能基础研究获得国际奖励，如１９90年张钹获得ＩCＬ欧洲人工智能奖，蔡自兴指导得王勇博士获得2015 IEＥＥ计算智能学会优秀博士学位论文奖等.值得一提得就是美籍华裔学者王浩对人工智能得杰出贡献.195８ 年夏天，王浩在纽约州得IBM实验室得一台IＢM704机器上用汇编语言编写了３个程序，证明了罗素与怀特海《数学原理》中得２０0多个定理。她关于数理逻辑得一个命题被国际上定为

“ 王氏悖论”。1966年，她在哈佛大学指导得博士生Sｔepheｎ Cｏoｋ，因NP 完全性方面得开创性研究成果而获得１９８2年图灵奖。王浩还与吴文俊进行了合作研究。

２）专用人工智能开发有所突破 中国在专用人工智能领域取得了突破性得进展,已在自然语言处理与语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶与智能机器人等方面取得一大批具有国际先进水平得应用成果.互联网与大数据推动人工智能进入了新得发展阶段。中国得智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域得研究与应用逐步深入,带动智能语音产业规模持续快速增长。２０13年科大讯飞以５4、2%得市场份额继续处于国内领先地位。

智能语音正在成为主流得交互方式之一。

近几年在多层神经网络基础上发展起来得深度学习与深度神经网络已在中国很多模式识别领域获得成功应用。其中,中国科学院自动化研究所谭铁牛团队在虹膜识别领域，坚持从虹膜图像信息获取得源头进行系统创新，全面突破虹膜识别领域得成像装置、图像处理、特征抽取、识别检索、安全防伪等一系列关键技术，建立了虹膜识别比较系统得计算理论与方法体系,还建成目前国际上最大规模得共享虹膜图像库，已大规模用于煤矿人员辨

识与北京城铁监控等,并在70个国家与地区得3000 多个科研团队推广使用，有力推动了虹膜识别学科发展。

在2０10年举行得国际上难度最高、规模最大得虹膜识别专业测评竞赛中,谭铁牛团队提交得算法,从来自25个国家与地区得41支参赛团队里脱颖而出，以测试性能指标超过第2名41、3%得绝对优势蝉联虹膜识别算法赛事冠军（图8)。在2008年进行得上届国际虹膜识别算法竞赛上，谭铁牛团队战胜来自３５个国家与地区得9７支参赛队伍。这充分展示出中国在虹膜识别领域领先国际得整体实力。

在模式识别领域，石青云领衔得北大高科指纹技术有限公司在指纹识别领域取得领先成果，成为国家科技强警得利剑。

专家系统已在国内获得广泛应用，应用领域涉及工业、农业等行业,其经济效益相当可观。例如，在冶金专家系统得开发与应用方面,已把专家系统技术用于高炉建模、监控与诊断等,建立了基于多核学习得高炉自动化框架、基于Voltｅrra级数得高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅

量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统,实现高炉炼铁过程得智能化(图9）.3)计算智能与进化计算研究引人注目 计算智能就是人工智能得新领域，涉及模糊计算,神经计算、进化计算与免疫计算等。近1０多年来,中国在计算智能特别就是进化计算研究方面取得不少国际领先成果。中国科技大学、中南大学、西安电子科技大学与中国科学院自动化研究所等院校都做出颇具影响得贡献。蔡自兴团队在进化计算领域研究取得得成果就就是一个很好得例证.蔡自兴团队提出得一些进化计算算法处于国际领先水平，引起国际进化计算学界得广泛重视,已成为相关算法比较得基准，不仅对算法设计观点颇有指导价值，而且已成功地应用于国内外30多个领域，并得到国际高级检索机构得顶级检录，已对国际计算智能研究产生重要影响。例如,她们提出得一种单目标差分进化算法ＣoDE，已成为美国加州大学伯克利分校Rｉｃkarｄ Ｏ C 与Ｓitａr Ｎ 设计得商业软件ｂSＬOP 得核心技术；该软件已在苹果官方网站上售出。Ｓａｈalos J Ｎ、Yａｏ Ｘ 与Ｎ

ajy Ｗ K A 分别把CoＤE 算法成功地直接应用于移动通信系统设计、产品缺陷预测软件与电网保护协调。很少有同类算法能够引起国际上如此密切关注与获得这么多得优化问题得成功应用.此外，她们提出得一种被国际上广泛引用与应用得算法，被称为“蔡王算法”(CW Alｇorithｍ)，获得好评.近1０多年来,计算智能“中国海外军团”异军突起，成绩斐然.在计算智能与进化算法研究领域,Yao X（姚Jin Y C（金耀初)等得研究成果获得国际同行公认,成为进化计算领域得国际学术领军人物，并为中国得计算智能与进化计算研究起到促进作用。、著作与科技论文出版发行 据不完全统计,自１987 年人工智能著作开禁以来全国已编著出版了７0多部人工智能著作.这些著作有专著，也有教材,不乏深受读者欢迎得高水平作品。例如,上面提到得引领人工智能著作开禁得《人工智能及其应用》（图１0)，已先后出版了7个版本，印刷50多次，发行40多万册,拥有上百万读者,得到广泛应用,对国内人工智能基础研究、开发应用与人才培养发挥了重大作用。张钹得专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断得启发式搜索与基于拓扑得空间规划方法,降低了计算复杂性,具有重要得应用价值。此外,谭铁牛、陆汝钤、何新贵、石青云、何志均、涂序彦、钟义信、李德毅、周志华、蔡自兴、蔡文、史忠植、何华灿、施鹏飞、王万森等在国内外出版得人工

智能相关专著，在一定程度上反映出中国人工智能得研究成果，对进一步开展国内外学术交流起到重要作用。

此外，从事人工智能相关研究人员与高校师生,已在国内外知名刊物与学术会议上发表了数以万计得人工智能相关论文。其中不乏高水平文章，例如，王勇与蔡自兴合作得论文曾被列为2０12 年进化计算国际顶级刊物《IEEETraｎｓａｃtioｎs ｏn Evolutｉonaｒypｕｔａtion》她引次数最高得论文。

还有一些论文被评为国内外学术会议与学术刊物得优秀论文。、人工智 能教育培养大批专门人才 人工智能教育与人才培养就是人工智能学科发展得重要基础。国内自20世纪８0年代中期始,在少数高校开设各种人工智能类课程。经过推广与提高,３0年前得人工智能星星之火如今已形成燎原之势，数以百计得高校开设了各种层次得人工智能课程,有些课程已成为我国高校教育园地上得奇葩。

例如，中南大学得“人工智能“课程已成为首批国家级精品课程、教育部新世纪优秀网络课程、国家级全国双语示范课程、首批国家级精品视频公开课与国家级精品资源共享课程。表1所示为入

选国家级质量工程得人工智能类相关精品课程名单。这些人工智能类课程在改革中不断发展壮大，已为国家培养了成千上万得人工智能专门人才。虽然这些课程只占数以千计得国家级质量工程课程得冰山一角，但也表明人工智能课程仍然占有一席之地,并具有不可替代得作用，产生了非常得影响力。

全国智能科学与技术教育暨教学学术会议就是国内人工智能教育与教学领域具有特色得最权威得学术盛会，自20０3年起已举办１０次，对于人工智能及其相关学科得教育教学、学科建设与人才培养发挥了关键作用。

20０5年在北京大学开设得智能科学与技术专业，已在全国近３0所大学开设，仅这些大学得“智能”专业每年就培养大约2000名人工智能专业人才.据估计，近3０年来,全国高校已培养人工智能及其相关学科得硕士与博士数以千计,本科毕业生数以万计。这些高层次得人工智能专门人才就是中国发展人工智能得最为宝贵得财富。她们有幸遇上难逢得人工智能大好发展机遇，必将成为中国人工智能跨越式发展得中坚力量。

５、人工智能产业化蓬勃发展

尽管中国得人工智能产业化应用尚存在较大不足,但仍然已建立了一定得基础，并呈现蓬勃发展得势头。据不完全统计，最近5年内,中国在人工智能产业化应用领域得投资已超过1000多亿元.下面略举数例说明中国人工智能产业化得发展情况。

1)模式识别 在虹膜识别、步态识别、身份识别等领域取得新成果.近年来，在多层神经网络基础上发展起来得深度学习与深度神经网络在很多模式识别应用领域产生了领先得性能，成为当前最热门得方法。前面提到得虹膜识别及其在身份识别等方面得成功应用，已形成产业，占领国内外市场,就就是很好得例证。）语音识别 中国在自然语言处理特别就是语音识别领域已经达到国际先进水平。

2０１5 年中国智能语音产业规模达到40、3亿元，较2０14年增长41、0%,远高于全球语音产业增长速度。预计到2017年,中国语音产业规模预计达到100、７亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五,占有中文语音技术市场70%以上市场份额,语音合成产品市场份额达到70％以上。现在中国智能语音得应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金融、智能教育与智能医院等场合得到越来越多得应用。此外，一些海外

留学人员也在语音识别领域取得国际领先水平得成果，微软研究院黄学东就就是该领域得一位突出代表。

３）人机博弈

中国象棋就是中华民族得文化瑰宝，就是一种怡神益智得活动,千百年来长盛不衰，深受广大群众得喜爱。自200６年8月举行“浪潮杯”首届中国象棋人机大战（图１１）,至今已有10年,共举行过5届大赛,产生深远影响.同样中国也就是国际围棋得发源地，无论就是国际围棋或中国象棋,在国内具有众多得人机博弈爱好者，其产业发展与市场前景十分瞧好.仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。

４ ４)专家系统 自２0世纪80年代以来，专家系统在工业、农业、商业、科技、教育、服务业等领域获得广泛应用。以农业专家系统为例，开展了各种农业专家系统得研究、开发及推广应用（图12）。例如,作物病虫预测专家系统、农作制度专家系统、玉米低温冷害防御专家系统、蚕育种专家系统、小麦专家系统等。

20世纪90年代以后，中国农业专家系统得到了迅速发展，已成为农业信息技术得突破口.国家自然科学基金委、科技部、农业部与许多省级部门都安排了相应得攻关课题；863计划项目已将农业专家系统等智能化农业信息技术列为国家重点课题，搭建了中国农业专家系统研究开发得战略平台,为农业专家系统得进一步开发起到了积极催化作用.进入2ｌ 世纪以后,农业专家系统得开发速度日益加快，不仅数量增多，而且涉及得领域也更加全面，开发得深度与广度有了很大得进展,为大范围推广应用农业专家系统铺平了道路。如小麦栽培管理农业专家系统、水稻高产栽培专家决策系统、番茄栽培管理专家系统、温室番茄病虫害缺素诊断与防治系统等。这些农业专家系统得开发,促进了农业科技成果得转化，为发展高产、优质、高效农业做出了巨大贡献。

此外,我国在机器学习、智能机器人、智能驾驶等人工智能领域，也已有不同程度得产业集聚,产业化步伐逐步加快。

在中国人工智能产业化过程中，企业巨头抢滩布局人工智能产业链，各大ＩT公司积极投入人工智能产业研发.她们非常关注深度学习得应用前景，纷纷成立以机器学习技术为核心得研究院，充分挖掘大数据中蕴含得巨大商业与应用价值.例如,2012年，华为成立诺亚方舟实验室，运用以深度学习为代表得人工智能技术对移动信息大数据进行挖掘，寻找有价值得规律。2013年,百度成立深度学习研究院,研究如何运用深度学习技术对大数据进行智能处理，提高分类与预测等任务得准确性。近

年来还涌现出寒武纪、甲骨文、地平线、北京云知音与湖南自兴等一批初露头角得涉及人工智能得创业实体,从某种程度上体现出人工智能领域大众创业万众创新得磅礴生机。

从整体来瞧,中国得人工智能产业化仍处于起步阶段。毫无疑问，在人工智能产业创业与竞争过程中，会出现多家实力强大得企业,有些企业也会在某些领域内形成领先优势甚至垄断局面。

６、开设多种人工智能奖项 为了总结中国人工智能得研究成果，表彰人工智能工作者得突出贡献,鼓励更多得人员投身人工智能得创造性研究，设立了一些人工智能奖项,其中比较重要得有如下几种。

吴文俊人工智能科学技术奖就是中国智能科学技术领域唯一以个人名字命名、依托社会力量设立得科学技术奖。该奖项以“尊重知识、尊重人才、尊重创造”为方针，奖励在智能科学技术活动中做出突出贡献得单位与个人，以不断推进中国智能科学技术领域创新与发展.该奖项就是经国家科学技术奖励委员会批准设立得全国奖项，被誉为“ 中国人工智能科技最高奖”，于2010年起开设，已举行了５届.其中，有4位人工智能杰出学者获得(终身）成就奖。中国计算机学会也于2010年始设立终身成就奖，授予70岁以上、在计算领域做出卓越成就与贡献、被业界广泛认可得老科学家,其中，有2位从事人工智能研究取得突出成果得计算机学者获得此项殊荣。

“中国象棋人机大战”计算机博弈大赛始于20０6年，已举行5届，引起国内外人工智能学界与主流媒体得高度重视。随着今年AlpｈａGo与围棋九段李世石人机对决引发得新一轮得人工智能与机器博弈热潮，中国象棋得人机大战必将攀上新得高度,为推动中国人工智能发展做出其独特得贡献.自199８ 年以来,已在中国举行了数百场智能系统、智能机器人与智能小车比赛,其中包括一些国际比赛。这些比赛吸引了成千上万得青少年学生参加，并获得大批国内外奖励,这对于提高她们对信息科技特别就是人工智能得兴趣，培养她们得创新思维与创新能力，锻炼人工智能科技接班人具有不可替代得重要作用。

中国一些学者与学生还获得国际重要奖励。例如，王勇获得2015 年IEEE计算智能学会优秀博士学位论文奖（图17）,这就是中国大学首次获得该项殊荣。

据不完全统计，表2给出获得国内外人工智能重要奖项得名单。

7、国际交流 改革开放以来，特别就是进入21世纪以来,中国得人工智能国际交流与合作进一步开展。

20０６ 年,中国人工智能学会联合美国人工智能学会与欧洲人工智能协调委员会，共同发起在北京召开了Inteｒnatioｎal Conｆerｅnce oｎ ＡrｔificｉalIntｅｌligeｎce(人工智能国际学术会议,图18）,隆重庆祝国际人工智能学科诞生50周年。时任全国人大常委会副委员长得许嘉璐等在大会上致词。中国人工智能研究开拓者与领军人物吴文俊、模糊数学创始人美国Ｚａｄeｈ LA、国际ＥBMT机器翻译方法发明人Ｎagao M等在大会上做主题报告.大会开得非常成功，影响广泛。

2013年还承办了第23届国际人工智能联合会议（ＩｎtｅrnatｉｏnalJointConfereｎce on Arｔificial Inｔelｌigｅnce,IＪCAI），这就是国际人工智能领域规模最大、影响最广泛、学术地位最高得综合性会议.承办国际人工智能联合会议表明中国得人工智能研究与应用已在世界范围内产生积极影响。

中国还创办与主办一些人工智能或与人工智能密切相关得国际会议.例如，2010 年举办了全球智能控制与自动化国际会议（The Ｗoｒｌd Ｃonｇｒeｓｓｏｎ Ｉnｔelｌｉgeｎｔ Coｎtrol and Autoｍaｔion，WCICA),自1993年以来每2年举行一次,共举行了１２届。本会议已成为具有国际影响力得智能科技盛会。此外，中国人工智能学会还发起组织“国际高级智能会议”，已经举办了2次.、人工智能对社会得影响日益扩大 人工智能得发展已对人类及其未来产生深远影响，这些影响涉及人类得经济利益、社会作用与文化生活等方面。仅社会影响而言,就包括劳动就业问题、社会结构变化、思维方式与观念、心理上得威胁等。

１）劳务就业问题.由于人工智能能够代替人类进行各种脑力劳动,将会使一部分人不得不改变她们得工作方式或工种,甚至造成失业。

2)社会结构变化。社会结构正在悄然改变,人－机器得社会结构终将被人－智能机器(人工智能)-机器得社会结构取代。从发展得角度瞧，从医院里瞧病得“医生”与护理病人得“护士”，旅馆、饭店与商店得“服务员”,办公室得“秘书”,指挥交通得“交通警察”，到家庭得“勤杂工”与“保姆”等，都将由智能机器人取代。因此,人们将不得不学会与智能机器相处,并适应这种变化了得社会结构.3）思维方式与观念得变化。一旦智能系统得用户开始相信系统(智能机器）得判断与决定,那么她们有可能不愿多动脑筋,变得懒惰,并失去对许多问题及其求解任务得责任感与敏感性。过分地依赖计算机得建议而不加分析地接受,将会使智能机器用户得认知能力下降，并增加误解。

4)心理上得威胁.人工智能还使一部分社会成员感到心理上得威胁，或叫做精神威胁。人们一般认为,只有人类才具有感知精神,而且以此与机器相别。如果智能机器得人工智能会超过人类得自然智能,那么人类可能沦为智能机器与智能系统得奴隶。

上述这些影响在国内同样存在。针对社会各界广泛关注人工智能对人类社会得影响，国内已开展人工智能科技知识得普及宣传。例如，通过视频公开课普及人工智能知识.精品视频公开课就是向大学生与社会大众免费开放得科学与文化素质教育网络视频课程与讲座，着力广泛传播人类文明优秀成果与现代科学技术前沿知识,提升大学生及社会大众得科学文化素养,服务社会主义先进文化建设，增强中国文化软实力与中华文化国际影响力。国家级精品视频公开课“人工智能PK人类智能”与“从自然世界到智能时代”等，在国内网络媒体播出后,反映热烈，深受欢迎，对扩大人工智能对社会得正面影响,减少人工智能对社会得负面影响起到积极引导得应有效果。

三、存在得问题

虽然国内人工智能已取得许多骄人成就，但与国家发展战略要求相差甚远，与国际先进水平差距较大。概括起来存在如下几方面得问题。

1)经济效益至上，缺乏远大眼光。

许多人工智能企业与一些地方政府缺乏远大眼光,追求短期得经济效益,企望1～2年或２～3年内获得明显得经济回报，致使很大一部分人工智能创业企业急功近利,底气不足，发展乏力。需要追求经济效益,但像人工智能这样得高科技产业,或把人工智能技术用于促进其她产业转型升级得产业，其发展应当遵循一定得规律,需要一个过程，需要一定得时间，不能急于求成,过早追求经济效益。）人工智能整体水平亟待提高。

由于国内人工智能起步较晚,未能较早参与相应得人工智能国际技术、专利及标准制定,因此奉上了数额不菲得“学费”.在国内人工智能领域，有很多科研机构与企业在参与技术研发，并在某些领域处于与国外基本同步甚至领先水平，这对于提升中国在未来人工智能领域得技术、标准话语权以及市场应用主导权至关重要.但就是,中国人工智能得整体能力与水平远未达到通用智能化程度,人工智能基础研究得总体水平,与国际先进水平仍然存在明显差距。要在整体上赶上国际先进水平依然任重道远，需要时日。

3)国家得决策有待落实于行动。

中国虽已公布了一批与人工智能相关得发展规划,如《智能制造202５》、《机器人产业发展规划（2016—2020年)》与《“互联网+”人工智能三年行动实施方案》等，但尚未制定全面发展人工智能得国家战略。上述规划与方案也需要把政策规划转化为行动,变成瞧得见得效益.４ ４)国家资金支持力度有待进一步提高。

如前所述,中国已经在许多国家级科学研究与科技发展项目中,支持人工智能及其相关科技项目得研究，而且支持力度不断加大。不过，与“ 互联网+”、智能制造等项目，与欧美一些...

第三篇：《人工智能》学习报告

深圳大学硕士研究生课程作业—人工智能

《人工智能》学习报告

深圳大学机电与控制工程学院彭建柳

学号：0943010210

1.引言

人工智能(Artificial Intelligence，AI)，曾经有一部电影，著名导演斯蒂文•斯皮尔伯格的科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。

一直以来，关于人工智能的理论，我一直认为是科学的前沿，理解起来较为飘渺。但是，从本学期《人工智能》课程的学习中，本人较系统的接触到了关于人工智能的理论，从有限的课程中，通过老师的详细介绍和查阅人工智能方面的书籍，学习了关于人工智能几个主要方面的知识，如模糊控制、专家系统、神经网络等。下面是本人关于人工智能理论的一些基本认识。

2.人工智能的形成与发展

说到人工智能，首先先认识下自动控制理论，自动控制理论从形成到发展至今，已经经历了六十多年的历程，其主要分为三个阶段：

务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。

随着人工智能和计算机技术的发展，已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支(如系统工程、系统学、运筹学、信息论)结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段，也是用计算机模拟人类智能进行控制的研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1985年，在美国首次召开了智能控制学术讨论会。1987年又在美国召开了智能控制的首届国际学术会议，标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。

3.模糊控制

在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。通过课堂中，导师生动的讲解，以及引用到生活当中鲜活的例子，如冰箱温度的模糊控制，智能汽车的行驶路线控制等等，充分的认识到，模糊控制在当今社会的应用已经很广泛，只是理论知识的缺乏而感觉不到它们的存在。

一般控制架构包括：定义变量、模糊化、知识库、逻辑判断及反模糊化，详细如下：

(1)定义变量：也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差之变化率CE，而控制变量

则为下一个状态之输入U。其中E、CE、U统称为模糊变量。

(2)模糊化（fuzzify）：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（linguisitc value）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzy subsets）。

(3)知识库：包括数据库（data base）与规则库（rule base）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。

(4)逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。

(5)解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。

模糊控制很重要的一点就是模糊规则的制定，其规则制定的来源主要由专家的经验和知识、操作员的操作模式、自学习提供。模糊规则的形式则分为状态评估和目标评估两种。但都是以模糊控制为基础，达到自动控制的目的。

4.专家系统

专家系统(expert system)是人工智能应用研究最活跃和最广泛的课题之

一。运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。

专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和

环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。

对专家系统可以按不同的方法分类。通常，可以按应用领域、知识表示方法、控制策略、任务类型等分类。如按任务类型来划分，常见的有解释型、预测型、诊断型、调试型、维护型、规划型、设计型、监督型、控制型、教育型等。

简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

5.神经网络

由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解。目前使用得最广泛的是T.Koholen的定义，即“神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”

人工神经网络是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

6.小结

关于人工智能的学习，我现在所学习到的仅仅是皮毛。但对于一个刚刚接触人工智能学习的学生，了解如模糊控制、专家系统、神经网络等人工智能的知识入门尤为重要，为将来进一步学习人工智能的理论打下基础，并将理论应用于生活和工作当中，这才是学习的最终目的。

参考文献：

《人工智能控制》作者：蔡自兴，出 版 社：化学工业出版社，2005-7-1

第四篇：人工智能相关材料

应用：

个人助理（智能手机上的语音助理、语音输入、家庭管家和陪护机器人）产品举例：微软小冰、百度度秘、科大讯飞等、Amazon Echo、Google Home等

安防（智能监控、安保机器人）产品举例：商汤科技、格灵深瞳、神州云海

自驾领域（智能汽车、公共交通、快递用车、工业应用）产品举例：Google、Uber、特斯拉、亚马逊、奔驰、京东等

医疗健康（医疗健康的监测诊断、智能医疗设备）产品举例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

电商零售（仓储物流、智能导购和客服）产品举例：阿里、京东、亚马逊

金融（智能投顾、智能客服、安防监控、金融监管）产品举例：蚂蚁金服、交通银行、大华股份、kensho

教育（智能评测、个性化辅导、儿童陪伴）产品举例：学吧课堂、科大讯飞、云知声

发展方向思路：

（一）人工智能新兴产业

这部分主要任务是进行人工智能前沿技术布局，推动核心技术产业化，并为人工智能产业发展奠定公共基础。本部分涉及核心技术研发与产业化、基础资源公共服务平台两大工程。其中，核心技术研发与产业化工程主要涉及三个方面的技术。一是人工智能基础理论，包括深度学习、类脑智能等。二是人工智能共性技术，包括人工智能领域的芯片、传感器、操作系统、存储系统、高端服务器、关键网络设备、网络安全技术设备、中间件等基础软硬件技术。三是人工智能应用技术，包括基于人工智能的计算机视听觉、生物特征识别、复杂环境识别、新型人机交互、自然语言理解、机器翻译、智能决策控制、网络安全等。基础资源公共服务平台工程主要涉及四个方面的建设内容。一是各种类型人工智能海量训练资源库和标准测试数据集建设，包括文献、语音、图像、视频、地图及行业应用数据等，这些数据集需要面向社会开放，为广大科研机构和企业进行人工智能研究和开发提供服务。二是基础资源服务平台建设，包括满足深度学习计算需求的新型计算集群共享平台、云端智能分析处理平台、算法与技术开放平台、智能系统安全情报共享平台等。三是类脑智能基础服务平台建设，要能够模拟真实脑神经系统的认知信息处理过程。四是产业公共服务平台建设，可以为人工智能创新创业提供相关研发工具、检验评测、安全、标准、知识产权、创业咨询等专业化服务。

（二）重点领域智能应用

这部分主要任务是加快人工智能技术的产业化进程，推动人工智能在家居、汽车、无人系统、安防、制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展试点，使得人工智能能够在第一时间转化为生产力并惠及民生。本部分以基础较好的智能家居、智能汽车、智能无人系统、智能安防等领域为主。智能家居示范工程主要支持利用健康医疗、智慧娱乐、家庭安全、环境监测、能源管理等应用技术，进行具有人工智能的酒店、办公楼、商场、社区、家庭等建设，提升百姓生活品质。智能汽车研发与产业化工程主要面向自动驾驶和安全驾驶，支持智能汽车芯片和车载智能操作系统、高精度地图及定位、智能感知、智能决策与控制等，支持智能汽车试点。智能无人系统应用工程主要面向无人机、无人船等无人设备，支持与人工智能相关的结构设计、智能材料、自动巡航、远程遥控、图像回传等技术研发，及其在物流、农业、测绘、电力巡线、安全巡逻、应急救援等重要行业领域的创新应用。智能安防推广工程主要面向与百姓安全息息相关的社会治安、工业安全以及火灾、有害气体、地震、疫情等问题，支持利用图像精准识别、生物特征识别、编码识别、智能感知等技术的研发和应用。

（三）智能化终端产品

这部分的主要任务是希望通过合适的终端，实现智能化生产和服务。本部分涉及三大工程。智能终端应用能力提成工程主要是面向具有一定智能计算能力的终端及附属应用，支持其在智能交互、智能翻译等云端协同方面及图像处理、操作系统基础软硬件方面进一步改进。智能可穿戴设备发展工程主要支持轻量级操作系统、低功耗高性能芯片、柔性显示、高密度储能、快速无线充电、虚拟现实和增强现实等关键技术的成果转化与应用。智能机器人研发与应用工程主要支持智能感知、模式识别、智能分析、智能控制等技术在机器人方面的研发和应用，包括生产用智能工业机器人，救灾救援、反恐防暴等特殊领域的智能特种机器人，医疗康复、教育娱乐、家庭服务等领域的智能服务机器人。

（四）标准体系和知识产权

目前人工智能标准领域还处于一片空白状态，关于人工智能的概念仍然没有达成一致意见，人工智能也还没有一个统一的技术体系架构，平台与应用之间的接口五花八门，而且基本上都是私有协议，网络、软硬件、数据、系统、测试评估等方面的研发、应用、服务也无章可循。这直接导致了人工智能领域进入门槛过高，无法形成良性发展的产业生态。因此，建设人工智能领域标准化体系，建立并完善基础共性、互联互通、行业应用、网络安全、隐私保护等技术标准，已经成为摆在眼前的现实问题。当然，标准化工作需要相关各方的积极参与，并积极开展国际合作，才能保证对人工智能产业发展的有效促进，推动标准走出去才能增强国际话语权。另一方面，在我们所处的这个全球经济一体化时代，专利已经成为发展的硬实力，必须要加快重点技术和应用领域的专利布局，同时加强专利合作，提高知识产权成果转化效率，积极防控专利风险，增强标准与专利政策的有效衔接，才能保证我国人工智能产业拥有强大的竞争力并得到持续健康发展。

政策：

2015年5月国务院在《中国制造2025》提出“加快发展智能制造装备和产品”，指出“组织研发具有深度感知、智慧决策、自动执行功能的高档数控机床、工业机器人、增材制造装备等智能制造装备以及智能化生产线，统筹布局和推动智能交通工具、智能工程机械、服务机器人、智能家电、智能照明电器、可穿戴设备等产品研发和产业化。”

2015年7月4日国务院在《国务院关于积极推进“互联网+”行动的知道意见》明确提出人工智能作为11个重点布局的领域之一，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用。

2016年1月国务院在《“十三五”国家科技创新规划》提出智能制造和机器人成为“科技创新2030项目”重大工程之一。

2016年3月18日国务院在《国民经济和社会发展第十三个五年规划纲要（草案）》提出人工智能概念进入“十三五”重大工程。

2016年5月18日国家发展改革委、科技部、工业和信息化部、中央网信办在《“互联网+”人工智能三年行动实施方案》明确了要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平、并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。

人工智能技术带来的产业影响

当前，人工智能技术对互联网行业产生的影响和变革主要有如下三个方面：

其一，在理论技术层面，人工智能技术为基于互联网和移动互联网等领域的创新应用，提供理论基础。例如，自动定理推理，为网络信息检索、问题求解、远程诊断等问题提供了自动求解方案；自然语言理解，为计算机人类语言理解提供理论和方法；数据挖掘为从数据库中挖掘有意义，提炼出具有必然性、蕴含本质规律的数据提供了规则、聚类等数据处理、建模、评估标准。

其二，在技术应用和创新层面，人工智能技术的发展，为未来ICT等网络技术的发展指引了方向。当前，以智能算法、深度学习、云计算为代表的大规模网络应用已经成为ICT产业的重要发展方向。各大互联网公司在深度学习领域在不断做积极探索，深度学习是机器学习研究中的一个重点关注领域，其研究侧重于建立、模拟人脑进行分析学习的神经网络。在创新方面，深度学习带来了机器学习的新浪潮，推动“大数据＋深度模型+数据发现挖掘”时代的来临。人工智能技术与互联网的融合，是两个领域发展到一定阶段，探索创新的必然结果，深度学习为拥有强大计算能力和数据资源的互联网巨头公司带来下一次全面领跑的机会。例如，谷歌、百度在硅谷的研发实验室，在对深度学习、算法升级，对机器学习模仿人脑的智能活动，让机器像人脑一样识别图像、理解自然语言，解析网络内容之间关系做深度探索。百度语音和图像等相关网络产品应用的快速崛起，正是受益于对机器学习等领域的技术突破。

其三，在融合发展层面，人工智能技术的发展促进多种科学与网络技术的深度融合。从国际上看，人工智能技术在美国，欧洲和日本发展迅速，并且带动了多种信息科学领域的发展，信息学、控制学、仿生学、计算机学等领域的技术突破均被运用到人工智能应用中去。从技术发展脉络发展上，人工智能很多技术一直处于创新的前沿，未来会在很大程度上影响信息产业的发展方向。人工智能发展至今涉及到多个研究领域，研究方向包括符号计算、语言识别、模式识别和计算机视觉、机器翻译与机器学习、智能信息检索、问题求解与专家系统、逻辑推理与逻辑证明、自然语言处理等，逐渐成为更为广泛的智能科学学科。

新时期下面对人工智能快速发展对策：

在人工智能技术发展过程中，我们总体上应该贯彻落实创驱动发展战略，立足自主创新的同时，放眼国内国际两个大局技术发展情况，加强跟踪高新技术产业技术的发展态势调整产业结构，统筹全局发展，切实推进由技术革新到推进经济发展方式的转变，实现工业经济产型升级，同步大力支持我国人工智能相关研究和产业化工作。在具体工作上，我们应该采取以下策略：

一是要建立针对相关科研成果的产业追踪机制。针对国际国内相关企业和科研机构正在进行的相关科研活动进行动态追踪，对其科研成果在各行各业的信息化应用进行预研预判，为制定信息化发展相关政策规划提供线索和根据。

二是适时引导和推动人工智能相关产业领域的研发应用。加强对人工智能和人脑科学工业领域应用的深入调研分析，掌握工业机器人、新型计算产品、人工神经网络等的发展和应用现状，坚持应用牵引，整合产学研现有资源，形成一批人工智能关联技术的实验室和技术中心，推动人工智能关联技术在网络、通讯等行业快速发展的应用示范。

三是要加大对人工智能关联技术的资金支持力度，引导人工智能关联技术向通用技术领域的演进和转化。

未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，其人工智能技术将成为我国经济结构转型升级的新支点。

第五篇：《人工智能》教学大纲

人工智能原理及其应用

一、说明

（一）课程性质

随着信息社会和知识经济时代的来临，信息和知识已成为人们的一个热门话题。然而，在这个话题的背后还蕴含着另外一个更深层的问题——智能。一般来说，信息是由数据来表达的客观事物，知识是信息经过智能性加工后的产物，智能是用来对信息和知识进行加工的加工器。在信息社会，人类面对的信息将非常庞大，仅靠人脑表现出来的自然智能是远远不够的，必须开发那种由机器实现的人工智能。

《人工智能导论》是计算机科学与技术专业本科生的一门限选课程。

（二）教学目的

使学生掌握人工智能的基本原理、方法及研究应用领域。了解人工智能中常用的知识表示技术，启发式搜索策略，了解原理以及非确定性推理技术。通过对典型专家系统的分析、解剖、进一步深入掌握人工智能的主要技术，去解决人工智能的一些实际问题。增强学生的逻辑思维与实验能力，为人今后处理各门学科的智能奠定基础。

（三）教学内容

人工智能的基本原理和方法，人工智能的三个重要研究领域（机器学习、神经网络学习和自然语言理解），人工智能的两个重要应用领域（专家系统和智能决策支持系统）。

（四）教学时数

36学时

（五）教学方式

课堂讲授和上机实验相结合。

二、本文

第1章 人工智能概述

教学要点

讨论人工智能的定义、形成过程、研究内容、研究方法、技术特点、应用领域、学派之争及发展趋势。教学时数

3学时 教学内容

1.1 人工智能及其研究目标（0.5学时）

了解人工智能的定义及其研究目标。

1.2 人工智能的产生与发展（0.5学时）

了解人工智能产生与发展的四个阶段。

1.3 人工智能研究的基本内容及其特点（0.5学时）

了解人工智能研究的基本内容及特点。

1.4 人工智能的研究和应用领域（0.5学时）

了解人工智能研究和应用领域。

1.5 人工智能研究的不同学派及其争论（0.5学时）

了解三大学派及其理论的争论和研究方法的争论。1.6 人工智能的近期发展分析

（0.5学时）

了解更新的理论框架研究，更好的技术集成研究，更成熟的应用方法研究。（0.5学时）考核要求

了解人工智能研究的基本内容和应用领域。

第2章

知识表示

教学要点

知识表示的基本概念和各种确定性知识表示方法。教学时数

6学时 教学内容

2.1 知识与知识表示概念

（0.5学时）

了解知识表示的概念和表示形式； 理解知识的定义。

2.2 一阶谓词逻辑表示法

（0.5学时）

理解一阶谓词逻辑表示的逻辑基础； 掌握谓词逻辑表示方法及其应用。2.3 产生式表示法（0.5学时）

了解产生式系统的基本过程、控制策略及其类型和特点； 掌握产生式表示的基本方法、基本结构。2.4 语义网络表示法（1学时）

理解语义网络的基本概念；

会应用语义网络表示事实和进行推理。2.5 框架表示法（2学时）

了解框架系统的问题求解过程和框架表示法的特点； 掌握框架结构和实例框架； 理解框架理论。2.6 脚本表示法

掌握脚本的结构及其推理。（0.5学时）2.7 过程表示法（0.5学时）

了解过程表示的特性；

掌握过程表示的问题求解过程； 理解表示知识的方法。

2.8 面向对象表示法

（0.5学时）

了解面向对象的特征；

理解面向对象的基本概念； 掌握知识的面向对象表示。考核要求

掌握逻辑词谓表示法及其应用，会用框架去描述一些具体问题，能用脚本来描述特定范围内的一些事件的发生顺序。

第3章 确定性推理

教学要点

推理的基本概念及归结、演绎等确定性推理方法。教学时数

5学时 教学内容

3.1 推理的基本概念（0.5学时）

了解正向推理、逆向推理、混合推理及其推理的冲突消解策略； 掌握推理的方法、推理的控制策略； 理解推理的概念。

3.2 推理的逻辑基础（1学时）

掌握谓词公式的各种特性和置换与合一的过程。3.3 自然演绎推理（0.5学时）

了解自然演绎推理的概念及其三段论推理规则。3.4 归结演绎推理（2学时）

掌握子句集及其化简，鲁宾逊归结原理；

会应用谓词逻辑归结证明问题，会用归结演绎推理的归结策略证明问题，会用归结反演求取问题的答案。

3.5 基于规则的演绎推理（1学时）

会应用规则正向演绎推理和规则逆向演绎推理。3.6 规则演绎推理的剪枝策略（0.5学时）

了解剪枝策略的基本思想。考核要求

理解确定性推理的思维过程，会应用谓词逻辑归结去求证问题，会应用规则正向演绎推理和规则逆向演绎推理。

第4章 不确定与非单调推理

教学要点

不确定性推理的有关概念及各种不确定性的表示和推理方法。教学时数

4学时 教学内容

4.1 不确定性推理的基本概念（0.5学时）

了解不确定推理的基本问题； 理解不确定推理的含义。

4.2 不确定性推理的概率论基础（0.5学时）

了解全概率公式与Bayes公式；

理解样本空间与随机事件，事件的概率。

4.3 确定性理论（0.5学时）

理解可信度的概念，C-F模型； 掌握带加权因子的可信度推理。

4.4 主观Bayes方法（0.5学时）

了解组合不确定性计算；

掌握知识不确定性表示，证据不确定性表示，结论不确定性的合成。4.5 证据理论（1学时）

掌握D-S理论的形式描述，证据理论的推理模型，推理实例。4.6 可能性理论和模糊推理（0.5学时）掌握模糊知识表示，模糊概念的匹配，模糊推理。4.7 非单调推理（0.5学时）

了解非单调推理的概念及起具有代表性的理论。考核要求

理解不确定性推理的含义、非单调推理的概念、确定性理论，掌握主观Bayes方法，能用D-S理论从不同角度刻划命题的不确定性，能在模糊集的基础上，实现对模糊命题和模糊知识的表示。

第5章 搜索策略

教学要点

搜索的基本概念和状态空间、与或树的各种搜索算法。教学时数

6学时 教学内容

5.1 搜索的基本概念（1学时）

了解搜索的含义；

掌握状态空间法，问题归约。

5.2 状态空间的盲目搜索（2学时）

了解一般图搜索过程；

掌握广度优先搜索，深度优先搜索，代价树搜索。5.3 状态空间的启发式搜索（0.5学时）

了解A算法；

理解启发性信息和估价函数。

5.4 与/或树的盲目搜索（0.5学时）

了解与/或树的一般搜索；

掌握与/或树的的广度优先搜索，与/或树的深度优先搜索。5.5 与/或树的启发式搜索（0.5学时）

了解与/或树的启发式搜索过程； 理解解树的代价与希望。

5.6 博弈树的启发式搜索（0.5学时）

了解极大极小过程，α-β剪枝。考核要求

了解搜索概念，博弈树的启发式搜索；掌握状态空间的盲目搜索和与/或树的盲目搜索。

第6章 机器学习

教学要点

机器学习的基本概念和各种符号学习方法。教学时数

4学时 教学内容

6.1 机器学习的基本概念（0.5学时）

了解机器学习的发展过程，学习系统，机器学习的分类； 理解学习和机器学习的概念。

6.2 机械式学习（0.5学时）

了解机械学习的过程及其设计要考虑的三个问题。6.3 指导式学习（0.5学时）

了解指导式学习的学习过程。

6.4 归纳学习（0.5学时）

了解归纳学习的类型。

6.5 基于类比的学习（0.5学时）

了解属性类比学习、转换类比学习； 理解类比学习的概念。

6.6 基于解释的学习（0.5学时）

了解解释学习的空间描述及学习模型； 理解解释学习的概念；

掌握解释学习的基本原理及基本过程。考核要求

了解机器学习的概念，机械式学习，指导式学习，归纳学习；掌握基于解释学习的基本原理及其基本过程。

第7章 神经网络及连接学习

教学要点

人工神经网络的概念和各种连接学习方法。教学时数

2学时 教学内容

7.1 人工神经网络概述（0.5学时）

了解人工神经元及人工神经网络人工神经网络的发展过程，人工神经网络的局限性； 理解生物神经元及脑神经系统的结构及特征。

7.2 人工神经网络的互连结构及其学习机理（0.5学时）

了解人工神经网络学习和记忆的心理学基础； 理解人工神经网络的互连结构； 掌握人工神经网络的学习算法。

7.3 感知器模型及其学习（0.5学时）

了解有关感知器XOR问题求解的讨论； 理解感知器模型，感知器学习。

7.4 误差反向传播网络及其学习（0.25学时）

理解B-P网络结构；

掌握B-P网络学习的传播公式，B-P网络的学习算法。7.5 Hopfield网络及其学习

（0.25学时）

了解Hopfield模型的稳定性

理解Hopfield网络的结构； 掌握Hopfield网络的学习算法。考核要求

了解人工神经网络及其结构和学习机理；理解感知器、B-P网络、Hopfield网络及其B-P网络；掌握Hopfield网络的算法。

第8章 自然语言理解

教学要点

自然语言理解的基本概念和分析方法。教学时数

2学时 教学内容

8.1 语言及其理解的基本概念（0.25学时）

了解自然语言与自然语言理解，自然语言理解的研究任务，自然语言理解的发展，自然语言理解的层次。

8.2 语法规则的表示方法（0.25学时）

掌握句子结构的表示，上下文无关文法，变换文法。8.3 语法分析（0.5学时）

掌握自顶向下与自底向上分析； 理解扩充转移网络分析。

8.4 语义的分析（0.5学时）

理解语义文法； 掌握格文法。

8.5 自然语言的生成（0.25学时）

了解自然语言生成的概念及生成步骤。

8.6 自然语言理解系统的层次模型（0.25学时）

了解语言理解的层次模型。考核要求

了解自然语言理解的概念，会用语法分析和语义的分析，了解自然语言理解系统的层次模型。

第9章 专家系统

教学要点

专家系统是人工智能的一个重要应用领域,它目前正在从集中、封闭模式向分布、开放模式发展。教学时数

3学时 教学内容

9.1 专家系统的基本概念（0.5学时）

了解专家系统的概念、分类及特点。

9.2 专家系统的基本结构（0.5学时）

了解用户界面；

理解知识库、数据库、推理机、解释机构、知识获取机构。9.3 知识获取（0.5学时）

了解知识获取方法的分类； 理解知识获取的任务；

掌握非自动知识获取，自动知识获取。

9.4 专家系统的开发与评价（0.5学时）

了解专家系统的开发条件，生命期概念，专家系统开发过程的各个阶段。9.5 专家系统开发工具与环境（0.5学时）

了解程专家系统的开发工具与开发环境。9.6 专家系统的进一步发展

（0.5学时）

了解新一代专家系统。考核要求

了解专家系统的概念、基本结构及其开发工具与环境；掌握非自动知识获取和自动知识获取。

第10章 智能决策支持系统

教学要点

智能决策支持系统是人工智能的另一重要应用领域,它是目前迅速兴起的网络商务中的一项重要技术,有着广阔的应用前景 教学时数

2学时 教学内容

10.1 智能决策支持系统的基本概念（0.5学时）

了解智能决策支持系统；

理解决策与决策过程，决策支持系统。

10.2 决策支持新技术（1学时）

理解数据仓库、数据开发及其它们的结合。

10.3 智能决策支持系统的基本结构

（0.5学时）

掌握智能决策支持系统的基本结构。考核要求

了解智能决策支持系统及其新技术，知道智能决策支持系统的结构及新结构体系；理解决策与决策过程，决策支持系统；智能决策支持系统的基本结构。

三、参考书目

1、王万森，《人工智能原理及其应用》，电子工业出版社，2000年9月第一版。

2、林尧瑞、马少平，《人工智能导论》，清华大学出版社，1989年5月第一版。

3、陈世福、陈兆乾等编，《人工智能与知识工程》，南大出版社，1997年12月第一版。

4、何华灿，《人工智能导论》，西北工业大学出版社，1988。

5、陈汝铃，《人工智能》，科学出版社，1989。