人工智能与电子商务解读

第一篇：人工智能与电子商务解读

人工智能与电子商务

2013年6月16日

人工智能在电子商务中的应用

摘要：人工智能技术和电子商务的飞速发展推动了全球科技经济领域的进步，基于人工智能技术的电子商务更趋向完美和成熟。随着电子商务的不断发张和人工智能的不断完善，两者在各自领域、各个层次的相互融合将更加紧密。作为各自的成功因素，电子商务和人工智能技术的融合必将成为一种关键技术。

关键词：电子商务；人工智能；数据仓库；数据挖掘

一、引言

电子商务的飞速发展给全球经济带来的冲击是巨大的。基于人工智能技术的电子商务将能更好地为其发展带来良好的基础．这过程是电子商务向着良性发展的必然趋势。本文从人工智能技术与电子商务的国内外动态人工智能技术在电子商务中的应川例子，以及数据挖掘技术在web上的应用等几个方面对其进行论述。

二、人工智能

人工智能（artificialintelligence,AI)是在计算机科学、控制论、信息论、神经心理学、哲学、语言学、等多种学科研究的基础上发展起来的一门综合性很强的交叉科学，是一门新思想、新观念、新理论、新技术不断出现的新兴科学以及正在迅速发展的前沿学科【1】。人工智能是研究使机器具备人所具有的智能功能的一门高新技术学科。其目的是模拟、延伸和扩展人的智能，以实现某些脑力劳动的自动化。实质上，它是开拓计算机应用、研制新一代计算机和扩展计算机应用领域的技术基础，也是探索人脑奥秘的重要科学途径。人工智能、原子能技术、空间技术，被称2O世纪的三大尖端科技。进入21世纪后，人工智能仍是适应信息时代需求的关键技术之一。明确上述人工智能定义后，不难指明智能化与电脑化的区别。“人工智能”是指，采用人工能理论方法和技术，并具有某种或某些拟人智能特性或功能。有电脑后不一定采用人工智能方法，也不一定具有拟人智能特性，故不一定能被称为“智能化”。

三、电子商务

电子商务，源于英文ELECTR0NICC0MMERCE，简写为EC，指的是利用简单、快捷、低成本的电子通讯方式，买卖双方不谋面地进行各种商贸活动。【2】其内容包含两个方面：一是电子方式；二是商贸活动。电子商务可以通过多种电子通讯方式来完成，但是，现在人们所探讨的电子商务主要是以EDI(电子数据交换)和INTER—NET来完成的。尤其是随着INTERNET技术的日益成熟，电子商务真正的发展将是建立在INTERNET技术上的，所以也有人把电子商务简称为IC(INTERNETC0MMERCEo从贸易活动的角度分析，电子商务可以在多个环节实现，由此也可以将电子商务分为两个层次，较低层次的电子商务如电子商情、电子贸易、电子合同等；最完整的也是最高级的电子商务应该是利用INTENET网络能够进行全部的贸易活动，即在网上将信息流、商流、资金流和部分的物流完整地实现，也就是说，你可以从寻找客户开始，一直到洽谈、订货、在线付(收)款、开据电子发票以至到电子报关、电子纳税等通过INTERNET一气呵成。要实现完整的电子商务，还会涉及到很多方面，除了买家、卖家外，还要有银行或金融机构、政府机构、认证机构、配送中心等机构的加入才行。由于参与电子商务中的各方在物理上是互不谋面的，因此整个电子商务过程并不是物理世界商务活动的翻版，网上银行、在线电子支付等条件和数据加密、电子签名等技术在电子商务中发挥着重要的、不可或缺的作用。

四、人工智能国内外的动态

从1955年正式提出人工智能学科算起40多年来人工智能学科取得了长足的发展．成为一门广泛的交叉和前沿科学。总的说来人工智能的目的就是让计算机这台机器能够像人一样思考，如果希望做出一台能够思考的机器月B就必须知道什么是思考更进一步讲就是什么是智慧。什么样的机器才是智慧的呢，科学家已经作出了汽车火车飞机收音机等等．它们我们身体器官的功能但是能不能模仿人类大脑的功能呢7到目前为止我也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官．我们对这个东西知之甚少，模仿它或许是天下最困难的事情了当计算机出现后人类开始真正有了个可以模拟人类思维的工具在以后的岁月中无数科学家为这个目标努力着．现在人“商场现代化"2007年10月(上甸刊j总 整个数据仓库系统是一个包含四个层次的体系结构。

（1）数据源。是数据仓库系统的基础，是整个系统的数据源泉通常包括企业内部信息和外部信息。内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据；外部信息包括各类法律法规、市场信息和竞争对手的信息等等。（2）．数据的存储与管理。是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库(通常称为数据集市)。（3）．OLAP(On—lineAnalysis&Processing)fJ~．务器。对分析

需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。其具体实现可以分为ROLAP、MOLAP和HOLAP。ROLAP基本数据和聚合数据均存放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中；HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。

（4）．前端工具。主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中，数据分析工具主要针对OLAP服务器；报表工具、数据挖掘工具主要针对数据仓库。

2、数据仓库的作用

数据仓库究竟能帮我们干点什么?简单地说，假设你用自动柜员机取200元，当你等待柜员机交易确认时，银行可以查看一下你的账号，告诉你现金账上钱太多，应该换另一个账号，以便获得更多利息。如果银行这么对待你，作为消费者你肯定会觉得这是一个好银行。然而没有数据仓库，银行就做不到这一点。现在上网购物常常给人带来意外的惊喜。网站在你不知不觉中记录你的行踪，抓到你的喜好。如果你在网上点击一下衬衫，之后又看了一下书和裤子，网站就会记住你的点击顺序，记下你在每个产品上停留的时间以及你买了什么，没买什么。这些信息都由数据仓库保存整理。假如你买了裤子，没买衬衫，下次你上网时，数据仓库会跟你说，“欢迎再次光顾，上次您买了裤子，现在我们有一件衬衫可以优惠卖给你。你感兴趣吗?”顾客遇到这种情况，一定是又惊又喜。这就是数据仓库的魅力。

数据仓库及管理软件的市场潜力十分巨大。用一句话说，新经济的基础是用互联网武装各种类型的公司，并使之自我发展，这个过程中产生许多数据。如果没有数据仓库软件，这些数据就根本没有用处。有了数据仓库，就可以了解客户是谁，他需要什么，怎样提供更好的服务给他，并以此创造更多利润。

（二）、数据挖掘与知识发现

1、数据挖掘与知识发现

数据挖掘(DMDataM川ng)和数据库知识发现(KDDKwowledgeDiscoveryinDatebase)是随着数据库技术人工智能拄术和网络技术的发展而提名的。尤其是随着电子商务的开展．信 万方数据电孑商务息总量不断增加．更迫切地需要有效的信息分析工具以便能发现大量商业数据问隐藏的依赖关系．从而抽取有用的信息或知识指导商业决策【5】。过去只有简单的数据统计技术，还未达到成为智…能数据分析工具。因此．在数据生成和数据理解之间还存在很大的差距。DM和KDD就是种新型的数据分折技术．旨在从大型数、据库中提取隐藏的

预测性信息构建高校的数据仓库，发掘数据问潜在的模式以便于用理解和观察的形式反映给用户，从而为企业做出前瞻的．基于知识的决策参考意见。【6】DM与KDD需要解决的问题有：超大规模数据库和高维数据．数据丢失：变化中的数据和知识．模式的易懂性非标准格式数据，多媒体数据以及面向对象数据的处理．与其他系统的集成．网络与分布式环境下的KDD问题等。DM与KDD的区别是．KDD是一个综合的过程包括实验记录叠代求解用户交互以及许多定制要求和决策设计等而DM只是KDD中的一个具体但又是关键的步骤．，当然．它们都对数据仓库进行有效利用的技术手段。

2、数据挖掘实际应用

DM（KDD）工具和软件已在各个部门得到很好的应用，并收到明显的效益。

[1]金融方面:银行信用卡和保险行业，预测存/贷款趋势，优化存/贷款策略，用DM将市场分成有意义的群组和部门，从而协助市场经理和业务执行人员更好地集中于有促进作用的活动和设计新的市场运动。

[2]在客户关系管理方面:DM能找出产品使用模式或协助了解客户行为，从而可以改进通道管理（如银行分支和ATM等）。又如正确时间销售（RightTimeMarKeting）就是基于顾客生活周期模型来实施的。

[3]在零售业/市场营销方面:是数据挖掘技术应用最早也是最重要的领域，DM用于顾客购货篮的分析可以协助货架布置，促销活动时间，促销商品组合以及了解滞销和畅销商品状况等商业活动。通过对一种厂家商品在各连锁店的市场共享分析,客户统计以及历史状况的分析，可以确定销售和广告业务的有效性。

[4]在过程控制/质量监督保证方面:DM协助管理大数量变量之间的相互作用，DM能自动发现出某些不正常的数据分布，暴露制造和装配操作过程中变化情况和各种因素，从而协助质量工程师很快地注意到问题发生范围和采取改正措施。

[5]在远程通讯部门:基于DM的分析协助组织策略变更以适应外部世界的变化，确定市场变化模式以指导销售计划.在网络容量利用方面，DM能提供对客户组类服务使用的结构和模式的了解，从而指导容量计划人员对网络设施作出最佳投资决策。

[6]化学/制药行业：从各种文献资料总自动抽取有关化学反应的信息，发现新的有用化学成分。在遥感领域针对每天从卫星上及其它方面来的巨额数据，对气象预报，臭氧层监测等能起很大作用。

[7]军事方面：使用DM进行军事信息系统中的目标特征提取、态势关联规则挖掘等。总之，DM可广泛应用于银行金融、零售与批发、制造、保险、公共设施、政府、教育、远程通讯、软件开发、运输等各个企事业单位及国防科研上。据报导，DM的投资回报率有达400%甚至10倍的事例。

（三）、生物认证技术

目前，许多磁卡、存单大都是用密码进行安全保障的。一旦密码泄露，也就不安全了。在电子商务中，电子货币将得到急速的发展。对安全水平的要求也相应提高。从而带动了人工智能的一个分支领域——生物认证技术的研究与开发。

生物认证技术是指利用人体某一具有特征的部位。或个人的习惯，如指纹、掌纹、手形、网膜、虹膜、脸型、声纹及笔记等来识别人们的身份的技术。这种识别技术与磁卡式的靠持有物认证的方法和密码式的靠只是认证的方法相比，具有极大的优越性。它不会丢失，被盗和伪造。

生物认证技术作为一种准确、快速和高效的身份认证方法，正应用于如银行、海关、医疗保险、重要通道控制、信息网络安全等领域。这是一项集现代化生物科技与计算机科学相结合

的高科技实用项目。微软公司宣布把生物认证技术添加到自己的视窗操作系统中。这对这项新技术的发展将起到促进作用。

（四）、智能数据库信息检索 在电子商务平台应用实践中，如何根据用户的意图，兴趣和特点自适应地和智能地从现有的客户信息、商品库信息等大量数据信息中对信息进行相关性排列，调整匹配机制，以获得用户满意的检索输出，成为电子商务今后；应用所面临的一个技术问题。

六、结论

本文从人工智能技术和电子商务技术的发展，人工智能技术在电子商务中的应用实例，以及数据挖掘技术和数据仓库技术的实际应用进行概括的论述。随着电子商务的不断发展和人工智能的不断完善，两者在各个领域、各个层次的相互融合将更加密切。

总而言之，作为一种商务活动过程，人工智能在电子商务中的应用将带来一场史无前例的革命，其对社会经济的影响会远远超过商务本身。除了上述这些影响之外，他还将对就业、法律制度以及文化教育等带来巨大的影响。

参考文献

【1】王万良。人工智能及其应用（10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第二篇：人工智能与专家系统课程设计解读

目录

1.设计任务 1.1 设计题目 1.2设计要求 1.3设计任务 2．方案设计 2.1原理

2.2 具体设计方法 3．系统实施

3.1 系统开发环境 3.2系统主要功能介绍 3.3处理流程图 3.4 核心源程序 3.5系统运行结果 4．开发心得

4.1设计存在的问题

4.2进一步改进提高的设想 4.3经验和体会 5．参考文献 1.设计任务 1.1 设计题目

在一个3*3的方棋盘上放置着1,2,3,4,5,6,7,8八个数码,每个数码占一格,且有一个空格。这些数码可以在棋盘上移动，该问题称八数码难题或者重排九宫问题。

1.2 设计要求

其移动规则是：与空格相邻的数码方格可以移入空格。现在的问题是：对于指定的初始棋局和目标棋局，给出数码的移动序列。

1.3 设计任务

利用人工智能的图搜索技术进行搜索，解决八数码问题来提高在推理中的水平，同时进行新方法的探讨。

2.方案设计 2.1 原理

八数码问题是个典型的状态图搜索问题。搜索方式有两种基本的方式，即树式搜索和线式搜索。搜索策略大体有盲目搜索和启发式搜索两大类。盲目搜索就是无“向导”的搜索，启发式搜索就是有“向导”的搜索。

2.2 具体设计方法

启发式搜索

由于时间和空间资源的限制，穷举法只能解决一些状态空间很小的简单问题，而对于那些大状态空间的问题，穷举法就不能胜任，往往会导致“组合爆炸”。所以引入启发式搜索策略。启发式搜索就是利用启发性信息进行制导的搜索。它有利于快速找到问题的解。由八数码问题的部分状态图可以看出，从初始节点开始，在通向目标节点的路径上，各节点的数码格局同目标节点相比较，其数码不同的位置个数在逐渐减少，最后为零。所以，这个数码不同的位置个数便是标志一个节点到目标节点距离远近的一个启发性信息，利用这个信息就可以指导搜索。即可以利用启发信息来扩展节点的选择，减少搜索范围，提高搜索速度。

启发函数设定。对于八数码问题，可以利用棋局差距作为一个度量。搜索过程中，差距会逐渐减少，最终为零，为零即搜索完成，得到目标棋局。

3.系统实施

3.1 系统开发环境

Windows操作系统、SQL Server 200X

3.2 系统主要功能介绍

该搜索为一个搜索树。为了简化问题，搜索树节点设计如下： struct Chess//棋盘

3.4 核心源程序

#include “stdio.h” #include “stdlib.h” #include “time.h” #include “string.h” #include #include using namespace std;

const int N=3;//3*3棋盘

const int Max_Step=30;//最大搜索深度

enum Direction{None,Up,Down,Left,Right};//方向 struct Chess//棋盘 { int cell[N][N];//数码数组

int Value;//评估值

Direction BelockDirec;//所屏蔽方向

struct Chess * Parent;//父节点 };

//打印棋盘

void PrintChess(struct Chess *TheChess){ printf(“----------n”);for(int i=0;i

printf(“t”);

for(int j=0;j

{

printf(“%dt”,TheChess->cell[i][j]);

}

printf(“n”);} printf(“tttt差距:%dn”,TheChess->Value);}

break;case Left:

t_j++;

if(t_j>=N)

AbleMove=false;

break;case Right:

t_j--;

if(t_j<0)

AbleMove=false;

break;};if(!AbleMove)//不可以移动则返回原节点

{

return TheChess;}

if(CreateNewChess){

NewChess=new Chess();

for(int x=0;x

{

for(int y=0;y

NewChess->cell[x][y]=TheChess->cell[x][y];

} } else

NewChess=TheChess;NewChess->cell[i][j]=NewChess->cell[t_i][t_j];NewChess->cell[t_i][t_j]=0;

return NewChess;}

//初始化一个初始棋盘

struct Chess * RandomChess(const struct Chess * TheChess)

p=NULL;queue Queue1;Queue1.push(Begin);//搜索

do{

p1=(struct Chess *)Queue1.front();

Queue1.pop();

for(int i=1;i<=4;i++)//分别从四个方向推导出新子节点

{

Direction Direct=(Direction)i;

if(Direct==p1->BelockDirec)//跳过屏蔽方向

continue;

p2=MoveChess(p1,Direct,true);//移动数码

if(p2!=p1)//数码是否可以移动

{

Appraisal(p2,Target);//对新节点估价

if(p2->Value<=p1->Value)//是否为优越节点

{

p2->Parent=p1;

switch(Direct)//设置屏蔽方向,防止往回推

{

case Up:p2->BelockDirec=Down;break;

case Down:p2->BelockDirec=Up;break;

case Left:p2->BelockDirec=Right;break;

case Right:p2->BelockDirec=Left;break;

}

Queue1.push(p2);//存储节点到待处理队列

if(p2->Value==0)//为0则,搜索完成{

p=p2;

i=5;

}

}

else

{

//打印

if(T){

/*把路径倒序*/

Chess *p=T;

stackStack1;

while(p->Parent!=NULL)

{

Stack1.push(p);

p=p->Parent;

}

printf(“搜索结果:n”);

while(!Stack1.empty())

{

PrintChess(Stack1.top());

Stack1.pop();

}

printf(“n完成!”);}else

printf(“搜索不到结果.深度为%dn”,Max_Step);

scanf(“%d”,T);} 3.5 系统运行结果

4.开发心得

4.1 设计存在的问题

完全能解决简单的八数码问题，但对于复杂的八数码问题还是无能为力。4.2 进一步改进提高的设想

可以改变数码规模（N），来扩展成N*N的棋盘，即扩展为N数码问题的求解过程。

2、内存泄漏。由于采用倒链表的搜索树结

05.参考文献

[1]王汝传.计算机图形学[M].北京：人民邮电出版社，1999：123－130.[2]刘榴娣，刘明奇，党长民.实用数字图像处理[M].北京：北京理工大学出版，2000：12－25..[3]丁兆海.Delphi基础教程[M].北京：电子工业出版社，1999.[4]王小华.Delphi 5程序设计与控件参考[M].北京：电子工业出版社，1999:70－120.[5]赵子江.多媒体技术基础[M].北京：机械工业出版社，2001：118－130.[6]段来盛，郑城荣，曹恒.Delphi实战演练[M].北京：人民邮政出版社，2002：80－95.

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第三篇：人工智能发展史解读

人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系.Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大。）

1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。

这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果：

（1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。

（2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。

（3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。

（4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念，从而使启发式程序具有较普遍的意义。

（5）1961年，明斯基发表了一篇名为《迈向人工智能的步骤》的论文，对当时人工智能的研究起了推动作用。

正是由于人工智能在20世纪50年代到60年代的迅速发展和取得的一系列的研究成果，使科学家们欢欣鼓舞，并对这一领域给予了过高的希望。纽威尔和西蒙在1958年曾作出以下预言：

①不出十年，计算机将成为世界象棋冠军，除非规定不让它参加比赛；

②.不出十年，计算机将发现并证明那时还没有被证明的数学定理；

③.不出十年，计算机将谱写出具有较高美学价值并得到评论家认可的乐曲；

④不出十年，大多数心理学家的理论将采用计算机程序来形成。

非常遗憾的是，到目前为止，这样的预言还没有一个得到完全的实现，人工智能的研究状况比纽威尔和西蒙等科学家的设想要复杂和艰难的多。事实上，到了20世纪70年代初，人工智能在经历一段比较快速的发展时期后，很快就遇到了许多问题。这些问题主要表现在：

（1）1965年鲁宾逊发明了归结（消解）原理，曾被认为是一个重大的突破，可是很快这种归结法能力有限，证明两个连续函数之和还是连续函数，推证了十万步竟还没有得证。

（2）塞缪尔的下棋程序，赢得了周冠军后，没能赢全国冠军。

（3）机器翻译出了荒谬的结论。如从英语→俄语→英语的翻译中，又一句话：“The spirit is willing but the flesh is weak”(心有余而力不足)，结果变成了”The wine is good but the meat is spoiled”(酒是好的，肉变质了)，闹出了笑话。

（4）大脑约有10的15次方以上的记忆容量，此容量相当于存放几亿本书的容量，现有的技术条件下在机器的结构上模拟人脑是不大可能的。

（5）来自心理学、神经生理学、应用数学、哲学等各界的科学家们对人工智能的本质、基本原理、方法及机理等方面产生了质疑和批评。

由于人工智能研究遇到了困难，使得人工智能在20世纪70年代初走向低落。但是，人工智能的科学家没有被一时的困难所吓倒，他们在认真总结经验教训的基础上，努力探索使人工智能走出实验室，走向实用化的新路子，并取得了令人鼓舞的进展。特别是专家系统的出现，实现了人工智能从理论研究走向实际应用，从一般思维规律探索走向专门知识应用的重大突破，是人工智能发展史上的重大转折，将人工智能的研究推向了新高潮。下面是几个又代表性的专家系统：

（1）1968年斯坦福大学费根鲍姆教授和几位遗传学家及物理学家合作研制了一个化学质谱分析系统（DENDARL），该系统能根据质谱仪的数据和核磁谐振的数据，以及有关化学知识推断有机化合物的分子结构，达到了帮助化学家推断分子结构的作用。这是第一个专家系统，标志着人工之能从实验室走了出来，开始进入实际应用时代。

（2）继DENDARAL系统之后，费根鲍姆领导的研究小组又研制了诊断和治疗细菌感染性血液病的专家咨询系统MYCIN。经专家小组对医学专家、实习医师以及MYCIN行为进行正式测试评价，认为MYCIN的行为超过了其他所有人，尤其在诊断和治疗菌血症和脑膜炎方面，显示了该系统作为临床医生实际助手的前途。从技术的角度来看，该系统的特点是：1。使用了经验性知识，用可信度表示，进行不精确推理。2.对推理结果具有解释功能，时系统是透明的。3.第一次使用了知识库的概念。正是由于MYCIN基本解决了知识表示、知识获取、搜索策略、不精确推理以及专家系统的基本结构等重大问题（是怎样解决的呢？），对以后的专家系统产生了很大的影响。

（3）1976年，斯坦福大学国际人工智能中心的杜达等人开始研制矿藏勘探专家系统PROSPECTOR，它能帮助地质学家解释地质矿藏数据，提供硬岩石矿物勘探方面的咨询，包括勘探测评，区域资源估值，钻井井位选择等。该系统用语义网络表示地质知识，拥有15中矿藏知识，采用贝叶斯概率推理处理不确定的数据和知识。PROSPECTOR系统于1981年开始投入实际使用，取得了巨大的经济效益。例如1982年，美国利用该系统在华盛顿发现一处矿藏，据说实用价值可能超过1亿美元。

（4）美国卡内基—梅隆大学于20世纪70年代先后研制了语音理解系统HEARSAY-I加入HEARSAY-II，它完成从输入的声音信号转换成字，组成单词，合成句子，形成数据库查询语句，再到情报数据库中去查询资料。该系统的特点是采用“黑板结构”这种新结构形式，能组合协调专家的知识，进行不同抽象级的问题求解。

在这一时期，人工智能在新方法、程序设计语言、知识表示、推理方法等方面也取得了重大进展。例如70年代许多新方法被用于AI开发,著名的如Minsky的构造理论.另外David Marr提出了机器视觉方面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信息,可以推断出图像可能是什么，法国马赛大学的柯尔麦伦和他领导的研究小组于1972年研制成功的第一个PROLOG系统，成为了继LISP语言之后的另一种重要的人工智能程序语言；明斯基1974年提出的框架理论；绍特里夫于1975年提出并在MYCIN中应用的不精确推理；杜达于1976年提出并在PROSPECTOR中应用的贝叶斯方法；等等

人工智能的科学家们从各种不同类型的专家系统和知识处理系统中抽取共性，总结出一般原理与技术，使人工智能又从实际应用逐渐回到一般研究。围绕知识这一核心问题，人们重新对人工智能的原理和方法进行了探索，并在知识获取、知识表示以及知识在推理过程中的利用等方面开始出现一组新的原理、工具和技术。1977年，在第五届国际人工智能联合会（IJCAI）的会议上，费根鲍姆教授在一篇题为《人工智能的艺术：知识工程课题及实例研究》的特约文章中，系统的阐述了专家系统的思想，并提出了知识工程（KnowledgeEngineering）的概念。费根鲍姆认为，知识工程是研究知识信息处理的学科，它应用人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供了求解的途径。恰当的运用专家知识的获取、表示、推理过程的构成与解释，是设计基于知识的系统的重要技术问题。至此，围绕着开发专家系统而开展的相关理论、方法、技术的研究形成了知识工程学科。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型。

为了适应人工智能和知识工程发展的需要，在政府的大力支持下，日本于1982年开始了为期10年的“第五代计算机的研制计划”，即“知识信息处理计算机系统KIPS”，总共投资4.5亿美元。它的目的是使逻辑推理达到数值运算那样快。日本的这一计划形成了一股热潮，推动了世界各国的追赶浪潮。美国、英国、欧共体、苏联等都先后制订了相应的发展计划。随着第五代计算机的研究开发和应用，人工智能进入一个兴盛时期，人工智能界一派乐观情绪。

然而，随着专家系统应用的不断深入，专家系统自身存在的知识获取难、知识领域窄、推理能力弱、只能水平低、没有分布式功能、实用性差等等问题逐步暴露出来。日本、美国、英国和欧洲所制订对那些针对人工智能的大型计划多数执行到20世纪80年代中期就开始面临重重困难，已经看出达不到预想的目标。进一步分析便发现，这些困难不只是个别项目的制订又问题，而是涉及人工智能研究的根本性问题。总的来讲是两个问题：一是所谓的交互（Interaction）问题，即传统方法只能模拟人类深思熟虑的行为，而不包括人与环境的交互行为。另一个问题是扩展（Scaling up）问题，即所谓的大规模的问题，传统人工智能方法只适合于建造领域狭窄的专家系统，不能把这种方法简单的推广到规模更大、领域更宽的复杂系统中去。这些计划的失败，对人工智能的发展是一个挫折。

尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径.1982年后，人工神经网络像雨后春笋一样迅速发展起来，给人们带来了新的希望。人工神经网络的主要特点是信息的分布存储和信息处理的并行化，并具有自组织自学习能力，这使人们利用机器加工处理信息有了新的途径和方法，解决了一些符号方法难以解决的问题，使人工智能的学术界兴起了神经网络的热潮。1987年美国召开了第一次神经网络国际会议，宣布新学科的诞生。1988年以后，日本和欧洲各国在神经网络方面的投资逐步增加，促进了该领域的研究。但是随着应用的深入，人们又发现人工神经元网络模型和算法也存在问题。

20世纪80年代末，以美国麻省理工学院布鲁克斯（R.A.Brooks）教授为代表的行为主义学派提出了“无须表示和推理”的智能，认为智能只在与环境的交互中表现出来，并认为研制可适应环境的“机器虫”比空想智能机器人要好。以后，人工智能学术界充分认识到已有的人工智能方法仅限于在模拟人类智能活动中使用成功的经验知识处理简单的问题，开始在符号机理与神经网机理的结合及引入Agent系统等方面进一步开展研究工作。20世纪90年代，所谓的符号主义、连接主义和行动主义3种方法并存。对此，中国学者认为这3种方法各有优缺点，他们提出了综合集成的方法，即不同的问题用不同的方法来解决，或用联合（混合、融合）的方法来解决，再加上人工智能系统引入交互机制，系统的智能水平将会大为提高。

总而言之，尽管人工智能的发展经历了曲折的过程，但它在自动推理、认知建模、机器学习、神经元网络、自然语言处理、专家系统、智能机器人等方面的理论和应用上都取得了称得上具有“智能”的成果。许多领域将知识和智能思想引入到自己的领域，使一些问题得以较好的解决。应该说，人工智能的成就是巨大的，影响是深远的。

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第四篇：人工智能论文解读

人工智能结课论文

系别：计算机科学与技术系

班级：姓名：于静学号：

13计算机专接本一班

知识处理

***0

摘要：进入2l 世纪，计算机硬件和软件更新的速度越来越快，计算机这个以往总给人以冷冰冰的机器的形象也得到了彻底的改变。人机交互的情形越来越普遍，计算机被人类赋予了越来越多的智能因素。伴随着人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。例如：“人机大战”中深蓝计算机轻松的获胜、人类基因组排序工作的基本完成、人类大脑结构性解密、单纯器官性克隆的成功实现等等。随着计算机这个人类有史以来最重要的工具的不断发展，伴随着不断有新理论的出现，人类必须重新对它们进行分析和审视。知识处理是人工智能这一科学领域的关键问题。本文对知识处理的核心问题之——识的表示进行了全面的综述目前流行的知识表达方式不下十种，在此只介绍一阶谓词逻辑、产生式、语义网络、框架、混合等目前最常用的知识表示方法。并对其进行了优缺点分析及简单对比。最后对知识表示的发展趋向作出了展望。

关键词：知识

人工智能（AI）

知识表达式

一阶谓词逻辑

产生式 语义网络

框架

一、知识和知识的表示

1、知识的概念

知识是人类世界特有的概念，他是人类对客观世界的一种比较准确、全面的认识和理解的结晶。(1)知识只有相对正确的特性。常言道：实践出真理。只是源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。只是爱源于人们对客观世界运动规律的正确认识，是从感知认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，只是无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就接受检验，必要时就要对原来的认识加以修改和补充，一至全部更新而取而代之。例如知道1543年哥白尼学说问世之前，人们一直都以为地球是宇宙的核心；再有：人们都知道一个关于“瞎子摸象”的故事，它通俗地说明了完整的只是形式是一个复杂的智能过程。通常人们获取知识的重要手段是：利用信息，把各种信息提炼、概括并关联在一起，就形成了知识。而利用信息关联构成知识的形式有多种多样。

(2)知识的确定与不确定性如前说述，知识有若干信息关联的结构组成，但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定与不确定的特征。例如，在我国中南地区，根据天上出现彩虹的方向及其位置，可以预示天气的变化。有谚语曰：“东边日（晴天），西边雨。”但是，这只是一种常识性经验，并不能完全肯定或否定。再如：家有一头秀发，一时两鬓如霜。我们则认为家一定是年轻人，乙就是老年人嘛？不能完全肯定，因为相反的事例是很多的。比如，当年的白毛女就不是老人，而现在六十多岁的演员有一头黑发也不足为奇。

2、知识表达及其映像原理

智能机器系统如同智能生物一样，在运用知识进行信息交流或只能问题求解时，都需要预先进行知识表示。进而实现知识调用，达到利用知识求解问题的目的。因而只是表示是知识信息处理系统必不可少的关键环节。对智能机器系统而言只是表示，实际上就是对知识的一种描述或约定。其本质，就是采用某种技术模式，八所要求解决的问题的相关知识，映射为一种便于找到该问题解的数据结构。对知识进行表示的过程，实质上就是把相关只是映射（或称为变换：Transformation；或称为映像：Mapping；或称为编码：Coded）为该数据结构的过程。如图1。

图1 只是表达及其映射原理

如图，其目标是要对复杂的智能性问题实现机器求解，但机器直接对原始问题求解难度很大，可采用知识表达的映射原理，把原始问题映射为它的一种同构或同态问题，然后在对同构或同态问题求出它的解答，则相对容易而方便。顺便指出：同构解答与原始问题有相同的形式解，然而对于同态问题，如果得到原始解，只需对同台解答再施行反运算即可。在自然科学实际应用研究中，利用映射（称之为变换）原理迂回求解的思想，是一种非常有效而广为使用的重要手段。目前比较常见的知识表达方法主要有：常用的知识表示方法：一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，面向对象表示法，神经网络表示法。如图2

二、常用知识表示法：

2.1一阶谓词逻辑表示法：

一阶谓词逻辑表示法是目前应用最广的方法之一，在AI系统上已经得到了应用。它是通过分析命题内容和谓词逻辑，尽可能正确地表述它的各种意境的过程。知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。一阶谓词的一般形式为P(x1，x2，„，xn)其中P是谓词名，xi为个体常量、变元，或函数。例如：STUDENT(zhangsan)：zhangsan是学生

STUDENT(x)：x是学生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父亲是教师。在一阶谓词表示法中连接词是非常重要的其中： 连接词：¬、∨、∧、→、↔ 量词：∀、∃

(∀x)P(x)为真、为假的定义

(∃x)P(x)为真、为假的定义

结合具体事例可以看到一阶谓词逻辑在知识表示法中的优越性： 李明是计算机系的学生，但他不喜欢编程。定义谓词：

COMPUTER(x):x是计算机系的 学生

LIKE(x,y):x喜欢y 谓词公式为：

LIKE(liming，programming)COMPUTER(liming)∧

谓词逻辑是一种传统经典也是最基本的形式化方法。谓词逻辑知识表示规范性严，逻辑性强，自然性好，推理过程严密，易于实现。这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。但是必须看到，谓词逻辑属于标准的二值（T与F）逻辑，难以直接进行不确定性问题的处理。对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低,甚至产生“组合爆炸”问题。因此，针对谓词逻辑，尚待人们不断加以改进，以寻求自然性好而效率更高的技术方法。

2.2产生式表示法

目前，产生式表示方法是专家系统的第一选择的知识表达方式。是美国数学家Post在1943年提出了一种计算形式体系里所使用的术语。产生式表示的基本形式为：（1）确定性知识的表示：

产生式形式：P→Q或者IF P THEN Q 它的含义：如果前提P满足，则可以推出结论Q或执行Q操作。例如：IF CLEAR(B)AND HANDEMPTYTHEN Pickup(B)如果积木B上是空的，且机械手空，则机械手从桌面上抓起积木B。（2）不确定知识的表示：

产生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不确定推理中，当已知事实与前提P不能精确匹配时，只要按照“置信度”的要求达到一定的相似度，就认为已知事实与前提条件相匹配，再按照一定的算法将这种可能性（不确定性）传递到结论Q。

产生式表示法其优点在于模块性。规则与规则之间相互独立灵活性。知识库易于增加、修改、删除自然性。方便地表示专家的启发性知识与经验透明性。易于保留动作所产生的变化、轨迹，但仍有不少缺点：知识库维护难。效率低。为了模块一致性理解难。由于规则一致性彼此之间不能调用。

2.3 语义网络表达式

语义网络是人工智能常用的知识表示法之一。是一种使用概念及其语义关系来表达知识的有向图。它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian于1968年在他的博士论文中首先提出，并用于自然语言处理。语义网络结构共使用了三种图形符号：框、带箭头及文字标识的线条和文字标识线。分别称为:（1）节(结)点;弧(又叫做边或支路);指针。

（2）节点(Node)：也称为结点。用圆形、椭圆、菱形或长方形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。

（3）弧(Arc)：这是一种有向弧，又称之为支路（Branch）。节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。

（4）指针(Pointer)：也叫指示器。是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。

语义网络是一种结构化知识表示方法，具有表达直观，方法灵活，容易掌握和理解的特点。概括起来，主要优点在于采用语义关系的有向图来连接，语义、语法、词语应用兼顾，具有描述生动，表达自然，易于理解等。

虽然语义网络知识表示和推理具有较大的灵活性和多样性，但是没有公认严密的形式表达体系，却不可避免地带来了非一致性和程序设计与处理上的复杂性，这也是语义网络知识表示尚待深入研究解决的一个课题。

2.4．框架表式式

框架表示法诞生于1975年，这也是一种结构化的知识表示方法，并已在多种系统中得到成功的应用。框架理论是由人工智能科学创始人之一，美国著名的人工智能学者M.L.Minsky(明斯基)提出来的。

自然界各种事物都可用框架(Frame)组织构成。每个被定义的框架对象分别代表着不同的特殊知识结构，从而可在大脑或计算机中表示、存储并予以认识、理解和处理。框架是一种被用来描述某个对象（诸如一个事物、一个事件或一个概念）属性知识的数据结构。下面是一个关于“大学教师”的框架设计模式。

n

框架名：

〈大学教师〉 n

姓名：

单位（姓，名）n

年龄：

单位（岁）

n

性别：

范围(（男，女）缺省：男)n

学历：

范围（学士，硕士，博士）

n

职称：

范围(（教授，副教授，讲师，助教）缺省：讲师)n

部门：

范围（学院（或系、处）n

住址：

〈住址框架〉 n

工资：

〈工资框架〉 n

参加工作时间：

单位（年，月）

n

健康状况：

范围（健康，一般，较差）n

其它：

范围（〈个人家庭框架〉，〈个人经济状况框架〉）

上述框架共有十一个槽，分别描述了关于“大学教师”的十一个方面的知识及其属性。在每个槽里都指定了一些说明性的信息，表明了相关槽的值的填写要有某些限制。框架表示法支持上层框架概念抽象和下层框架信息继承共享的思想，不仅减少了框架信息和属性知识表达的冗余，而且保证了上、下层框架知识表达的一致性。

主要缺点：框架表示法过于死板，难以描述诸如机器人纠纷等类问题的动态交互过程生动性。

三、各知识表达式的比较与展望

以上若知识表达方法，绝大多数在应用中得到了很好的应用。但实际工作中，如果要建立一个人工智能系统、专家系统时，还是要根据具体情况提出一个混合性的知识表达方式。每一种知识表示方法各有特点，而且适用的领域也不同：

（1）谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。

（2）产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。

（3）语义网络方法表达的知识面比较窄。（4）框架方法表示的知识横向关系不太明确。（纵向从属继承关系很明确）

因此，对于复杂的、深层次的知识，应根据需要表示知识的特征，来决定用二种或三种方法联合表示，例如：

（1）逻辑与框架：框架里的槽值可以对应于谓词项。

（2）语义网络与框架：结点对应与框架，结点的参数就是框架的槽值。

（3）产生式与框架：框架的槽值对应于一条产生式规则。与神经网络结合。

参考文献：

[1] 蔡之华；模糊Petri网及知识表示 [J];计算机应用与软件；1994年03期 [2].张科杰,袁国华,彭颖红； 知识表示及其在机械工程设计中的应用探讨[J];

机械设计；2004年06期。

[3].刘晓霞。新的知识表示方法——概念图［Ｊ］。航空计算技术。1997（4）。[4].王永庆人工智能原理与方法［Ｍ］。西安交通大学出版社。1998。

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根

第五篇：人工智能课程论文解读

人工智能课程论文

题目：人工智能：用科学解密生命与智慧

姓

名：

学

号：

指导老师：

人工智能：用科学解密生命与智慧

摘要

本文是对人工智能及其应用的一个综述。首先介绍了人工智能的理论基础以其与人类智能的区别和联系。然后简要介绍了人工智能的发展现状以及未来趋势，并列举了一些人工智能在生活中的应用。对人工智能的一个热门分支——神经计算进行了着重介绍，人工神经网络通过模拟人脑的学习机制，将人工智能的重点从符号表示可靠的推理策略问题转化到学习和适应的问题，描述了其在字符识别问题上的实际应用。

人工智能：用科学解密生命与智慧

目录

一，人工智能与人类智能..............................................................................................4

1，什么是智能？.................................................................................................4 2，机器智能不等同于人类智能.........................................................................5 二，人工智能当前进展..................................................................................................6 三，人工智能在生活中的应用......................................................................................7 四，人工智能的前沿分支：神经计算..........................................................................9

1，人工神经网络：从大脑得到灵感.................................................................9 2，神经网络应用实例：基于Deep autoencoder的字符图像识别...............10 五，人工智能未来发展趋势........................................................................................12 小结................................................................................................................................13 参考文献........................................................................................................................1

4人工智能：用科学解密生命与智慧

一，人工智能与人类智能

人工智能（Artificial Intelligence，AI）是计算机科学的一个分支，它关心智能行为的自动化。AI是计算机科学的一部分，因而必须建立在坚实的理论知识之上并应用于计算机科学领域。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。1，什么是智能？

虽然大多数人确信看到智能行为是能判断它是智能的，但是似乎没有人能够使“智能”的定义既足够又具体以评估计算机程序的智能性，同时又反映了人类意识的生动性和复杂性。

这样实现一般智能就是塑造特定智能的人工制品。这些制品通常以诊断、预测或可视化工具实现，能够使得人类使用者完成复杂的任务。例如：用语言理解的马尔可夫模型，提供新数学理论的自动推理系统，通过大脑皮层网跟踪信号的动态贝叶斯网络，以及基因表达的数据模式的可视化，等等。

因此，定义人工智能完全领域的问题就变成了定义智能本身的问题：智能是一种独立的才能，还是一系列独一无二且不相关的能力的总称？在多大程度上可以说智能是学到的不是预先存在的？准确的说，学习时发生什么？什么是创造力？什么是直觉？智能是从可观察行为推断出的，还是需要特定内部机制的证据？在一个生物体的神经组织中，知识是以何种方式表示的？什么是自觉，它在智能中起着怎样的作用？另外，有必要按照已知的人类智能模式来设计智能计算机程序吗？智能实体是不是需要只有在生物中存在的丰富感受和经历？

这一系列的问题很难回答，但这些问题帮助我们勾勒出现代人工智能研究的核心问题以及求解方法。实际上，人工智能提供了一种独特而强大的工具来精确探索这些问题。AI为智能理论提供了一种媒介和实验台：首先用计算机程序语言表达出这些理论，然后在实际计算机上执行来进行测试和验证。

人工智能：用科学解密生命与智慧

2，机器智能不等同于人类智能

玛丽·雪莱在她的《弗兰肯斯坦》一书的序言中这样写道：

大多是拜伦勋爵和雪莱之间的对话，而我只是一个虔诚、安静的听众。其中有一次，他们讨论了各种哲学学说，以及有关生命原理的问题，并且谈到这些原理有否可能曾被发现和讨论过。他们谈及了达尔文博士的实验（我不能确认达尔文博士是否真正做过这个实验，我只是说当时有人讲他做过这样的实验），他把一段蠕虫（vermicelli）储藏在玻璃罐中，在采取了一些特殊方法之后，它开始自发运动。难道生命不是这样形成的吗？或许死尸还可能复活；流电电流实验已经让我们看到了这样的迹象：生命体的组成部分可以被制造、组合并注入活力（Butler 1998）。

玛丽·雪莱告诉我们，诸如达尔文的进化论和发现电流这样的科学进步已经使普通民众相信：自然法则并非奥妙无穷，而是可以被系统分析和理解的。弗兰肯斯坦的魔鬼并不是“萨满教”咒语或与地狱可怕交易的产物；而是由一个个单独“制造”的部件组装起来的，并且被注入了强大的电能。尽管19世纪的科学还不足以使人认识到理解和创造一个完全智能主体的意义，但它至少加深了这样的认识：生命和智慧的奥秘可以被纳入到科学分析中。也就是说，人可以让机器拥有所谓的“智能”。[1] 1936年，哲学家阿尔弗雷德·艾耶尔思考心灵哲学问题：我们怎么知道其他人曾有同样的体验。在《语言，真理与逻辑》中，艾尔建议有意识的人类及无意识的机器之间的区别。

1950年，图灵发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性[1]。由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。论文中还回答了对这一假说的各种常见质疑。[2] 图灵测试是人工智能哲学方面第一个严肃的提案。

1952年，在一场BBC广播中，图灵谈到了一个新的具体想法：让计算机来冒充人。如果不足70%的人判对,也就是超过30%的裁判误以为在和自己说话的是人

人工智能：用科学解密生命与智慧

而非计算机，那就算作成功了。

2014年6月8日，一台计算机成功让人类相信它是一个13岁的男孩，成为有史以来首台通过图灵测试的计算机。这被认为是人工智能发展的一个里程碑事件，但专家警告称，这项技术可用于网络犯罪。[3-5]。

尽管图灵测试具有直观上的吸引力，图灵测试还是受到了很多无可非议的批评。其中一个重要的质疑时它偏向于纯粹的符号求解任务。它并不测试感知技能或要实现手工灵活性所需的能力，而这些都是人类智能的重要组成部分。另一方面，有人提出图灵测试没有必要把机器智能强行套入人类智能的模具之中。人工智能或许本就不同于人类智能，我们并不希望一台机器做数学题像人类一样又慢又不准，我们希望的是它自身有点的最大化，比如快速准确的处理数据，长久的存储数据，没有必要模仿人类的认知特征。

但是，人工智能中一部分主要的研究着偏重于研究对人类智能的理解。人们为智能活动提供了一种原型实例，一些应用（比如诊断理解）通常有意地将模型建立在该领域的权威专家的解决过程上。更为重要的是，理解人类智能本身就是一个吸引人的、有待研究的科学挑战。

二，人工智能当前进展 问题的求解

人工智能中的问题解求，就是如何让机器去解决人类会遇到的问题，如何根据某一具体问题找到思考问题并解决这个问题的方法。目前，人工智能技术已经可以通过计算机程序解决了如何考虑要解决的问题，并能寻求较为准确的解决方案。2逻辑的推理与定理的证明

人工智能研究中最持久的探究领域之一就是逻辑推理。有关定理的证明就是让机器证明非数值性的真假。其中比较重要的是，通过找到合理、准确的方法，集中注意力在大型数据库中的有效事实，关注可信度证明，并在出现新信息时适时修改这些证明。[2] 3 人工智能应用之自然语言的处理

智能的另一表现就是进行自然语言的交流，自然语言处理就是让机器与人类进行

人工智能：用科学解密生命与智慧

无阻碍的沟通，这正是人工智能技术应用于实际领域的典型范例。目前此领域的主要研究内容是：如何利用计算机系统以主题和对话情境为基础，生成和理解自然语言。[3] 4 人工智能应用之模式的识别

如何使机器具有感知能力也是智能的表现。模式的识别是利用人工智能技术开发智能机器的关键，主要是通过计算机用数学技术方法来研究模式的自动处理和判读，让计算机实现“看见”，“听见”等功能。计算机模式识别的主要特点是速度快，准确率高，效率高，计算机模式识别也为人类认识自身智能提供了有利帮助。5 人工智能应用之智能信息的检索技术

在科学技术飞速发展的今天，人类已进入了“知识爆炸”的时代。传统检索系统已经满不足了对如今如此数量巨大以及种类繁多的文献检索要求。人工智能科技持续稳定发展的重要前提就是智能检索模块，可以说，智能信息的检索技术的运用势在必行。人工智能应用之专家系统

我们常说的专家系统就是指从人类专家那里获取的知识，并用来解决只有专家才能解决的疑难问题。这是一种基于知识的系统，从而也被称为知识基系统。专家系统是人工智能技术中研究最活跃，最有成效的一个领域。现在的专家系统尤其特殊的模仿了专家在处理故障时的思维方式，其水平有时甚至可以超过人类专家的水平。人工智能应用之机器人学

机器人对我们并不陌生，已在多个领域获得了越来越普遍的应用，诸如农业、工业、商业、旅游业、航空和海洋等。那么，机器人学所研究的问题主要包括从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法。机器人和机器人学的研究对人工智能思想的发展都起到了促进作用。

三，人工智能在生活中的应用

 计算机科学

人工智能产生了许多方法解决计算机科学最困难的问题。它们的许多发明已

人工智能：用科学解密生命与智慧

被主流计算机科学采用，而不认为是AI的一部份。下面所有内容原在AI实验室发展：时间分配，介面演绎员，图解用户介面，计算机鼠标，快发展环境，联系表数据结构，自动存储管理，符号程序，功能程序，动态程序，和客观指向程序。[3]  金融

银行用人工智能系统组织运作，金融投资和管理财产。2001年8月在模拟金融贸易竞赛中机器人战胜了人。

金融机构已长久用人工神经网络系统去发觉变化或规范外的要求，银行使用协助顾客服务系统；帮助核对帐目，发行信用卡和恢复密码等。 医院和医药

医学临床可用人工智能系统组织病床计划；并提供医学信息。

人工神经网络用来做临床诊断决策支持系统。计算机帮助解析医学图像。这样系统帮助扫描数据图像，从计算X光断层图发现疾病，典型应用是发现肿块、心脏声音分析。 重工业

在工业中已普遍应用机器人。它们常做对人是危险的工作。全世界日本是利用和生产机器人的先进国；1999年世界范围使用1,700,000台机器人。 顾客服务

人工智能是自动上线的好助手，可减少操作，使用的主要是自然语言加工系统。呼叫中心的回答机器也用类似技术，如语言识别软件可使计算机的顾客较好操作。 运输

汽车的变速箱已使用模糊逻辑控制器。 运程通讯

许多运程通讯公司正研究管理劳动力的机器；如BT组研究可管20000工程师的机器。 玩具和游戏

1990年企图用基本人工智能大量为教育和消遣生产民用产品。现在，大众在生活的许多方面都在应用人工智能技术。 音乐

人工智能：用科学解密生命与智慧

技术常会影晌音乐的进步，科学家想用人工智能技术尽量赶上音乐家的活动；现正集中在研究作曲，演奏，音乐理论，声音加工等。

四，人工智能的前沿分支：神经计算

1，人工神经网络：从大脑得到灵感

神经计算科学是从信息科学的角度来研究如何加速神经网络模仿和延伸人脑的高级精神活动，如联想、记忆、推理、思维及意识等智能行为。这涉及到脑科学、认知科学，神经生物学、非线性科学、计算机科学、数学、物理学诸学科的综合集成。它是综合研究和实现类脑智能信息系统的一个新思想和新策略。[6] 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

一个神经网络的结构示意图如图1所示

图1 神经网络的结构示意图

神经网络将人工智能的重点从符号表示和可靠的推理策略问题转移到学习和适应的问题。同人和其他动物一样，神经网络是适应世界的一种机制：经过训练的神经网络结果是通过学识形成的。这种网络是通过和世界交互形成的，通过经验的不明确痕迹反映出来。神经网络的这种途径对我们理解智能起了极大的作用。

人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、人工智能：用科学解密生命与智慧

进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。

神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织以及非线性映射等优点的神经网络与其他技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。由于其他方法也有它们各自的优点，所以将神经网络与其他方法相结合，取长补短，继而可以获得更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。

2，神经网络应用实例：基于Deep autoencoder的字符图像识别

深度信念网络(Deep Belief Network, DBN)[7]由 Geoffrey Hinton 在 2006 年提出。它是一种生成模型，通过训练其神经元间的权重，我们可以让整个神经网络按照最大概率来生成训练数据。我们不仅可以使用 DBN 识别特征、分类数据，还可以用它来生成数据。

DBN 由多层神经元构成，这些神经元又分为显性神经元和隐性神经元（以下简称显元和隐元）。显元用于接受输入，隐元用于提取特征。因此隐元也有个别名，叫特征检测器(feature detectors)。最顶上的两层间的连接是无向的，组成联合内存(associative memory)。较低的其他层之间有连接上下的有向连接。最底层代表了数据向量(data vectors)，每一个神经元代表数据向量的一维。

DBN 是由多层 RBM 组成的一个神经网络，它既可以被看作一个生成模型，也可以当作判别模型，其训练过程是：使用非监督贪婪逐层方法去预训练获得权值。训练过程：

1.首先充分训练第一个 RBM；

2.固定第一个 RBM 的权重和偏移量，然后使用其隐性神经元的状态，作为第二个 RBM 的输入向量；

人工智能：用科学解密生命与智慧

3.充分训练第二个 RBM 后，将第二个 RBM 堆叠在第一个 RBM 的上方； 4.重复以上三个步骤任意多次；

5.如果训练集中的数据有标签，那么在顶层的 RBM 训练时，这个 RBM 的显层中除了显性神经元，还需要有代表分类标签的神经元，一起进行训练： a)假设顶层 RBM 的显层有 500 个显性神经元，训练数据的分类一共分成了 10 类；

b)那么顶层 RBM 的显层有 510 个显性神经元，对每一训练训练数据，相应的标签神经元被打开设为 1，而其他的则被关闭设为 0。6.DBN 被训练好后如下图：

图2 训练好的深度信念网络。图中的绿色部分就是在最顶层 RBM 中参与训练的标签。注意调优(FINE-TUNING)过程是一个判别模型

调优过程(Fine-Tuning)：

生成模型使用 Contrastive Wake-Sleep 算法进行调优，其算法过程是：

1.除了顶层 RBM，其他层 RBM 的权重被分成向上的认知权重和向下的生成权重；

2.Wake 阶段：认知过程，通过外界的特征和向上的权重(认知权重)产生每一层的抽象表示(结点状态)，并且使用梯度下降修改层间的下行权重(生成权重)。也就是“如果现实跟我想象的不一样，改变我的权重使得我想象的东西就是这样的”。

3.Sleep 阶段：生成过程，通过顶层表示(醒时学得的概念)和向下权重，生成底

人工智能：用科学解密生命与智慧

层的状态，同时修改层间向上的权重。也就是“如果梦中的景象不是我脑中的相应概念，改变我的认知权重使得这种景象在我看来就是这个概念”。

在附件中提供了程序代码。实验利用MNIST字符图像，验证该方法的特征提取与识别能力。

五，人工智能未来发展趋势

科学技术是第一生产力，但技术的发展往往是远远超越我们的想象。就目前的一些前瞻性研究可以看出，未来人工智能技术的发展有如下几大趋势： 1 问题求解

问题求解一般包括两种，一种是指解决管理活动中由于意外引起的非预期效应或与预期效应之间的偏差。正在逐渐发展成为搜索和问题归约这类人工智能的基本技术；另一种问题的求解程序，是把各种数学公式符号汇编在一起。其性能已达到非常高的水平，并正在被许多工程师和科学家应用，甚至还有些程序能够用经验来改善其性能。2 机器学习

人工智能研究的核心课题之一就是机器学习。我们知道学习是人类智能的重要特征，那么机器学习就是指机器自动获取知识的过程。机器学习是机器获取知识的根本途径，也是机器智能的重要标志。计算机的机器学习主要研究内容为如何让计算机模拟或实现人类的学习能力。今后机器学习的研究主要是研究人脑思维的过程、人类学习的机理等。3 模式识别

用计算机实现模式(文字、声音、人物、物体等)的自动识别，弥补计算机对外部世界感知能力低下的缺陷，使计算机能够通过感官接受外界信息，识别和理解周围环境。依然是人工智能技术今后研究的重要方向。因为模式识别能为人类

人工智能：用科学解密生命与智慧

认识自身智能提供线索，也是开发智能机器的一个最关键的突破口。目前计算机模式识别系统的研究热点主要为三维景物、活动目标的识别和分析方面。传统的用统计模式和结构模式的识别方法将会被近年来迅速发展起来的模糊数学模式、人工神经网络模式的方法逐渐取代，特别是神经网络方法在模式识别中取得较大进展。4 专家系统

专家系统是根据某领域中一个或多个专家提供的知识或经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题的智能软件，它是一个具有大量的专门知识与经验的程序系统。目前各种专家系统已遍布各个专业领域，因此专家系统还将是人工智能应用研究最广泛和最活跃的应用领域之一。5 人工神经网络

人工神经网络，常被简称为神经网络或类神经网络。是未来人工智能应用的新领域，人工神经网络是指由大量处理单元（神经元）互连而成的网络。人工神经网络具有很强的自学习能力，主要擅长处理复杂的多维的非线性问题，不但可以解决定量的问题，还可以解决定性的问题，同时人工神经网络还具有大规模并行处理和分布的信息存储能力。或许未来智能计算机的结构可能就是作为主机的冯• 诺依曼型机与作为智能外围的人工神经网络的结合。

小结

人工智能是一个年轻而充满希望的研究领域，其宗旨是寻找一种有效的方式把智能问题求解、规划和通信技巧应用在更广泛的实际问题中。人工智能的工作者是工具的制造者。我们的表示、算法和语言都是一些工具，用来设计和建立那些展现智能行为的机制。通过实验，我们同时检验了它们解决问题的计算合适性，也检验了我们对智能现象的理解。然而，人工智能仍有很多尚待解答的问题，需要探索和研究。

人工智能：用科学解密生命与智慧

参考文献

[1] Artificial intelligence507, 28 July 2006.读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

20、读书给人以快乐、给人以光彩、给人以才干。——培根