82人工智能技术在轧制中的应用20.docx

82人工智能技术在轧制中的应用20.docx

《82人工智能技术在轧制中的应用20.docx》由会员分享，可在线阅读，更多相关《82人工智能技术在轧制中的应用20.docx（23页珍藏版）》请在冰豆网上搜索。

82人工智能技术在轧制中的应用20

1.人工智能概述

人工智能（ArtificialIntelligence，简记为AI）是当前科学技术发展中的一门前沿学科，同时也是一门新思想、新观念、新理论、新技术不断出现的新兴学科以及正在迅速发展的学科。

它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科相互渗透的基础上发展起来的，因此又可以把它看作是一门综合性的边缘学科。

它主要研究如何用机器（计算机）来模仿和实现人类的智能行为。

它的出现及所取得的成就引起了人们的高度重视，并得到了很高的评价。

有人把人工智能同空间技术、原子能技术一起誉为20世纪的三大科学技术成就；有的人把它称为继三次工业革命后的又一次革命，并称前三次工业革命主要是延长了人手的功能，把人类从繁重的体力劳动中解放出来，而人工智能则是延伸人脑的功能，实现脑力劳动的自动化[1-2]。

随着信息社会和知识经济时代的来临，信息正在以前所未有的速度膨胀，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。

一般说来，信息是由数据所表达的客观事实，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，人类面对的信息量将非常庞大，仅依靠人脑表现出来的自然智能是远远不够的，如何用人造的智能去模仿和扩展人类的自然智能，实现信息的智能化处理，是信息社会所面临的一个重大课题。

必须开发那种由机器实现的人工智能，就像在工业社会人类需要用机器去放大和延伸自己的体能一样，在信息社会人类又需要用机器去放大和延伸自己的智能，实现脑力劳动的自动化。

人工智能的前景是非常诱人的，同时也是任重而道远的[2]。

1.1人工智能的定义

人工智能作为一门研究机器智能的学科，其目的是要用人工的方法和技术，研制智能机器或智能系统，来模仿、延伸和扩展人的智能。

因此，它是人类迈向信息社会、迎接知识经济挑战所必须具备的一项核心技术[3]。

首先应指出，人工智能和其它许多新兴学科一样，至今尚无一个统一的定义，所谓人工智能的定义，是人工智能学者根据对它的已有认识所作的一些不同解释。

它是一个含义很广的词语，在其发展工程中，具有不同学科背景的人工智能学者对它有着不同的理解，提出了一些不同的观点。

综合各种不同的人工智能观点，可以从“能力”和“学科”两个方面对人工智能进行定义。

从能力的角度来看，人工智能是相对于人的自然智能而言的，所谓人工智能是指用人工的方法在机器（计算机）上实现的智能；从学科的角度来看，人工智能是作为一个学科名称来使用的，所谓人工智能是一门研究如何构造智能机器和智能系统，使它能模拟、延伸和扩展人类智能的学科。

因此，可以将人工智能定义为：

人工智能是一门研究如何构造智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能的学科。

通俗地说，人工智能就是要研究如何使机器具有能听、会说、能看、会写、能思维、会学习、能适应环境变化、能解决各种面临的实际问题等功能的一门学科。

总之，它是要使机器能做需要人类智能才能完成的工作，甚至比人更高明[3-4]。

1.2人工智能的研究目标[1-5]

关于人工智能的研究目标，目前还没有一个统一的说法，1978年，索罗门（A.Sloman）对人工智能给出了以下三个主要目标：

①对智能行为有效解释的理论分析；②解释人类智能；③构造智能的人工制品。

要实现索罗门的这些目标，需要同时开展对智能机理和智能构造技术的研究。

揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类智能应该是人工智能研究的根本目标，或者叫远期目标。

人工智能的远期目标涉及到脑科学、认知科学、计算机科学、系统科学、控制论及微电子等多种学科，并有赖于这些学科的共同发展。

但从目前这些学科的现状来看，实现人工智能的远期目标还需要一个较长的时期。

在这种情况下，人工智能研究的近期目标是研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为，如推理、思考、分析、决策、预测、理解、规划、设计和学习等。

为了实现这一目标，人们需要根据现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能系统。

实际上，人工智能的远期目标与近期目标是相互依存的。

远期目标为近期目标指明了方向，而近期目标则为远期目标奠定了理论和技术基础。

同时，近期目标和远期目标之间并无严格界限，近期目标会随人工智能的发展而变化，并最终达到远期目标。

1.3人工智能的产生与发展[2-5]

人工智能这个术语自1956年正式提出，并作为一个新兴学科的名称被使用以来，已经有四十多年的历史了。

回顾其产生与发展过程，可大致分为孕育、形成、知识应用、综合集成这四个阶段。

1孕育期（1956年之前）：

在人工智能诞生之前世界上的一些著名科学家就已经创立了数理逻辑、自动机理论、控制论和信息论，并发明了通用电子数字计算机，这些成就已经为人工智能的产生准备了必要的思想、理论和物质技术条件。

②形成期（1956-1970年）：

1956年夏季，包括数学家、计算机专家麦卡锡教授在的10位来自美国数学、神经学、心理学、信息科学和计算机科学方面的杰出年轻科学家，在一起共同探讨了用机器模拟人类智能的有关问题，并由麦卡锡提议正式采用了“人工智能AI（ArtificialIntelligence）”这一术语。

从而，一个以研究如何用机器来模拟人类智能的新兴学科——人工智能诞生了。

在此之后，在美国很快就形成了三个以人工智能为研究目标的研究小组。

一个是纽厄尔和西蒙的卡基—兰德小组（也称心理学小组），1957年这个小组研制了一个称为逻辑理论机（LogicTheoryMachine,简称LT）的数学定理逻辑证明程序。

该程序模拟了人类用数理逻辑证明定理时的思维规律，开创了用计算机研究人类思维活动规律的工作。

另一个小组为IBM工程课题研究小组，1956年塞缪尔在IBM704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序，该程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺，这是用机器模拟人类学习过程的一次成功探索，其主要贡献在于发现了启发式搜索是表现智能行为的最基本机制。

第三个为MIT小组，1958年麦卡锡建立了行动规划咨询系统；1960年研制了人工智能语言LISP，该语言不仅可以处理数值，而且可以方便地处理符号，作为建造智能系统的重要语言工具在人工智能领域得到了广泛应用；1961年，明斯基发表了“走向人工智能的步骤”论文，推动了人工智能的发展。

在其它方面，人工智能也有了跳跃性的进展，这一切都推动了人工智能的应用。

③知识应用期（1971-80年代末）：

进入20世纪70年代后，人工智能的研究已不仅仅局限于少数几个国家，许多国家都相继开展了这方面的研究工作，研究成果大量涌现。

例如1972年法国马赛大学的科麦瑞尔（A.Comerauer）提出并实现了逻辑程序语言PROLOG；斯坦福大学的肖特里菲（E.H.Shortliffe）等人从1972年开始研制用于诊断和治疗感染性疾病的专家系统MYCIN等。

但困难和问题也接踵而来，人工智能面临着巨大的压力和挑战。

在机器学习、定理证明、问题求解、机器翻译等方面都出现了大量的问题，甚至在人工智能的本质、理论、思想及机理方面，也受到了来自哲学、心理学、神经生理学等社会各界的责难、怀疑和批评。

在这种极其困难的环境下，仍有一大批人工智能学者不畏艰辛、潜心研究。

经过认真的反思、总结，费根鲍姆关于以知识为中心开展人工智能研究的观点被大多数人接受。

从此，人工智能的研究又迎来了蓬勃发展的新时期，即以知识为中心的时期，为人工智能的发展开辟了新的出路。

自人工智能从对一般思维规律的探讨转向以知识为中心的研究以来，专家系统的研究在多个领域中都取得了重大突破，各种不同功能、不同类型的专家系统如雨后春笋般的建立起来，化学专家系统、地质勘探专家系统、数学专家系统、医疗专家系统等都有了快速发展，产生了巨大的经济效益与社会效益。

此外，在知识表示、不精确推理、人工智能语言等方面也有了重大进展。

但随着专家系统应用的不断深入和计算机技术的飞速发展，专家系统本身所存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题被逐渐暴露出来，人工智能又面临着一次考验。

④综合集成期（20世纪80年代末至今）

在专家系统方面，从20世纪80年代末开始逐步走向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。

大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合的方式，并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等。

目前，人工智能技术正在向大型分布式人工智能、大型分布式多专家系统、广义知识表达、综合知识库、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。

尽管如此，从目前来看，人工智能仍处于学科发展的早期阶段，其理论、方法和技术都不太成熟，人们对它的认识也比较肤浅，都还有待于人工智能工作者的长期探索。

1.4人工智能研究的基本容

在人工智能的研究中有许多学派，不同学派的研究容与研究方法都不相同。

另外，人工智能又有多种研究领域，各个研究领域的研究重点亦不相同。

再者，在人工智能的不同发展阶段，研究的侧重面也有区别，本来是研究的重点容一旦理论和技术上的问题都得到了解决，就不再成为研究容。

因此我们只能在较大的围讨论人工智能的基本研究容。

结合人工智能的远期目标，认为人工智能的基本研究容应包括机器感知、机器思维、机器学习、机器行为、智能系统及智能计算机的构造技术等方面[3]。

1.5人工智能的研究途径[1-5]

自人工智能作为一门学科面世以来，关于它的研究途径主要有两种不同的观点。

一种观点主用生物学的方法进行研究，搞清楚人类智能的本质；另一种观点主通过运用计算机科学的方法进行研究，实现人类智能在计算机上的模拟。

前一种方法称为以网络连接为主的连接机制方法，后一种方法为以符号处理为核心的方法。

（1）以符号处理为核心的方法

以符号处理为核心的方法又称为自上而下方法或符号主义，这种方法起源于20世纪50年代中期。

坚持这种方法的人认为，人工智能的研究目标是实现机器智能，而计算机自身具有符号处理的推算能力，这种能力本身就蕴含着演绎推理的涵，因而可通过运行相应的程序系统来体现出某种基于逻辑思维的智能行为，达到模拟人类智能活动的效果。

由于该方法的核心是符号处理，因此人们把它称为以符号处理为核心的方法或符号主义。

该方法的特征是：

①立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题。

②知识可用显式的符号表示，在已知基本规则的情况下，无需大量的细节知识。

③便于模块化，当个别事实发生变化时易于修改。

④能与传统的符号数据库进行连接。

⑤可对推理结论作出合理解释，便于对各种可能性进行选择。

但是，人们并非仅仅依靠逻辑来求解问题，有时非逻辑推理在求解问题的过程中起着更重要的作用，甚至是决定性的作用。

人的感知过程主要是形象思维，这是逻辑推理做不到的，因而无法用符号方法进行模拟。

另外，用符号表示概念时，其有效性在很大程度上取决于符号表示的正确性，当把有关信息转换成推理机构能进行处理的符号时，将会丢失一些重要信息，它对带有噪声的信息以及不完整的信息也难以进行处理。

这就表明单凭符号方法来解决人工智能中的所有问题是不可能的。

（2）以网络连接为主的连接机制方法

以网络连接为主的连接机制方法是近些年比较热门的一种方法，它属于非符号处理畴，是在人脑神经元及其相互连接而成网络的启示下，试图通过许多人工神经元间的并行协同作用来实现对人类智能的模拟。

这种方法又称自下而上方法或连接主义。

坚持这种方法的人认为，大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着手进行研究，搞清楚大脑的结构以及它进行信息处理的过程与机理，揭示人类智能在机器上的模拟。

该方法的主要特征是：

①通过神经元