人工智能.docx
- 文档编号:6109776
- 上传时间:2023-01-03
- 格式:DOCX
- 页数:11
- 大小:31.01KB
人工智能.docx
《人工智能.docx》由会员分享,可在线阅读,更多相关《人工智能.docx(11页珍藏版)》请在冰豆网上搜索。
人工智能
题目:
人工智能的发展
姓名:
学号:
班级:
关键词:
智能,方法,时代
人工智能的发展
人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学。
其基本目标就是使机器表现出类似人类的智慧,使机器具有类似人类的智能行为,使机器思维。
关于人工智能,科学界存在各种各样的认识和看法,这些看法可以归纳为:
技术观、模拟观、建模观、理论观。
人工智能在20世纪经历了四个发展阶段:
第一阶段:
50年代人工智能的兴起和冷落
人工智能概念首次提出后,相继出现了一批显著的成果,如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。
但由于消解法推理能力的有限,以及机器翻译等的失败,使人工智能走入了低谷。
这一阶段的特点是:
重视问题求解的方法,忽视知识重要性。
第二阶段:
60年代末到70年代,专家系统出现,使人工智能研究出现新高潮。
DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发,将人工智能引向了实用化。
并且,1969年成立了国际人工智能联合会议(InternationalJointConferencesonArtificialIntelligence即IJCAI)。
第三阶段:
80年代,随着第五代计算机的研制,人工智能得到了很大发展。
日本1982年开始了”第五代计算机研制计划”,即”知识信息处理计算机系统KIPS”,其目的是使逻辑推理达到数值运算那么快。
虽然此计划最终失败,但它的开展形成了一股研究人工智能的热潮。
第四阶段:
80年代末,神经网络飞速发展。
1987年,美国召开第一次神经网络国际会议,宣告了这一新学科的诞生。
此后,各国在神经网络方面的投资逐渐增加,神经网络迅速发展起来。
第五阶段:
90年代,人工智能出现新的研究高潮
由于网络技术特别是国际互连网的技术发展,人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。
不仅研究基于同一目标的分布式问题求解,而且研究多个智能主体的多目标问题求解,将人工智能更面向实用。
另外,由于Hopfield多层神经网络模型的提出,使人工神经网络研究与应用出现了欣欣向荣的景象。
人工智能已深入到社会生活的各个领域。
人类正向信息化的时代迈进,信息化是当前时代的主旋律。
信息抽象结晶为知识,知识构成智能的基础。
因此,信息化到知识化再到智能化,必将成为人类社会发展的趋势。
人工智能已经并且广泛而有深入的结合到科学技术的各门学科和社会的各个领域中,她的概念,方法和技术正在各行各业广泛渗透。
智能是一个宽泛的概念。
智能是人类具有的特征之一。
然而,对于什么是人类智能(或者说智力),科学界至今还没有给出令人满意的定义。
有人从生物学角度定义为“中枢神经系统的功能”,有人从心理学角度定义为“进行抽象思维的能力”,甚至有人同义反复地把它定义为“获得能力的能力”,或者不求甚解地说它“就是智力测验所测量的那种东西”。
这些都不能准确的说明人工智能的确切内涵。
虽然难于下定义,但人工智能的发展已经是当前信息化社会的迫切要求,同时研究人工智能也对探索人类自身智能的奥秘提供有益的帮助。
所以每一次人工智能技术的进步都将带动计算机科学的大跨步前进。
如果将现有的计算机技术、人工智能技术及自然科学的某些相关领域结合,并有一定的理论实践依据,计算机将拥有一个新的发展方向。
当前人工智能的发展方向可以分为两种:
一种受控于人类的智能机器或智能程序,人类输入指令后让其达到预期的目的;另一类,能自主推理,逻辑,判断,学习,进步的智能,而后一种而有吸引力,更增加了人工智能无穷的魅力。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。
人工智能涉及到计算机科学、心理学、哲学和语言学等学科。
可以说几乎是自然科学和社会科学的所有学科,其范围已远远超出了计算机科学的范畴,在不断的接近。
他并不像很多人想象的是几个科学家的工作,而是随着社会各学科发展而默默发展的。
在智能领域里,最关键的问题之一,就是机器学习的问题。
一旦机器有了学习的能力,谁还(敢)预测未来呢?
人类的社会发展其实也是在不断积累中发展而来,人的智能也就是事实依据库+推理机制所构成了的。
研究人工智能的目的,一方面是要创造出具有智能的机器,另一方面是要弄清人类智能的本质,因此,人工智能既属于工程的范畴,又属于科学的范畴。
通过研究和开发人工智能,可以辅助,部分替代甚至拓宽人类的智能,使计算机更好的造福人类。
人工智能自1956年在美国诞生至今已50多年了。
长久以来,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。
从美国麻省理工学院、卡内基-梅隆大学到IBM公司、本田公司、SONY公司以及国内的清华大学、中科院等科研院所,全世界许多实验室都在进行着AI技术的实验。
随着时代的发展及信息革命的到来,人工智能的研究领域日益拓宽,其内容逐步丰富,对人类发展有划时代的意义。
未来人工智能的研究方向主要有:
人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型,智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。
人工智能是一门包括计算机科学、控制学、信系论、语言论、神经生理学、心理学、数学、哲学等多种学科相互渗透发展起来的学科,其研究对象可以归纳为“机器智能、智能机器”,它体现在思维、感知、行为三个层次,而它要模拟眼神、扩展人的智能,其研究内容可以分为机器思维和思维机器、机器感知和感知机器、机器行为和行为机器三个层次。
人工智能研究与应用虽然取得了不少成果,但离全面推广应用还有很大距离,还有许多问题有待于解决且需要许多学科的研究专家共同创作。
智能计算机简介
智能计算机(intelligentcomputers)
迄今未有公认的定义。
计算理论的奠基人之一A.图灵定义计算机为处理离散量信息的数字计算机[1]。
而对数字计算机能不能模拟人的智能这一原则问题,存在截然对立的看法。
1937年A.丘奇和图灵分别独立地提出关于人的思维能力与递归函数的能力等价的假说。
这一未被证明的假说后来被一些人工智能学者表述为:
如果一个可以提交给图灵机的问题不能被图灵机解决,则这个问题用人类的思维也不能解决。
这一学派继承了以逻辑思维为主的唯理论与还原论的哲学传统,强调数字计算机模拟人类思维的巨大潜力。
另一些学者,如H.德雷福斯等哲学家肯定地认为以图灵机为基础的数字计算机不能模拟人的智能。
他们认为数字计算机只能做形式化的信息处理,而人的智能活动不一定能形式化,也不一定是信息处理,不能把人类理智看成是由离散、确定的与环境局势无关的规则支配的运算。
这一学派原则上不否认用接近于人脑的材料构成智能机的可能性,但这种广义的智能机不同于数字计算机。
还有些学者认为不管什么机器都不可能模拟人的智能,但更多的学者相信大脑中大部分活动能用符号和计算来分析。
必须指出,人们对于计算的理解在不断加深与拓宽。
有些学者把可以实现的物理过程都看成计算过程。
基因也可以看成开关,一个细胞的操作也能用计算加以解释,即所谓分子计算。
从这种意义讲,广义的智能计算机与智能机器或智能机范畴几乎一样。
对智能计算机的不同看法还来源于不同的目标和出发点。
一种是科学研究的观点,强调理解人脑的机制,要求计算机按照人脑的工作方式表现出智能行为。
另一种是工程的观点,强调用计算机解决需要人的智慧才能解决的实际问题,不管人脑和计算机的工作方式是否相同。
从工程观点看智能计算机,所关心的是它具有的功能而不限制其实现途径。
也就是说,所谓智能计算机就是指具有感知、识别、推理、学习等能力,能处理定性的、不完全不确定的知识,能与人类以自然语言、文字及图形图像通信并在实际环境中有适应能力的计算机。
要达到这一目标需要长时期的努力。
智能与智能计算机
一部计算机表现出某种智能行为并不一定被认为它本身有智能。
为了判定计算机是否具有智能,图灵曾设计了一种测试方法,即有名的图灵试验。
设想一个测试者用计算机终端分别与被测的人及计算机联系(测试者不能直接看到被测人与计算机),如果从回答测试者问题的信息中不能正确区分被测者是人还是计算机,即把计算机当成人了,就应认为计算机具有智能。
这是一种关于智能机的行为主义的观点。
以回答问题的能力做为具有智能的判据有一定局限性,因为人的智能涉及许多方面,有些智能如形象思维就不可以言传。
这种测试也难以反映自学习自适应能力。
人们一方面追求用机器实现智能,另一方面又不大相信电子器件的自动开与关能实现人的思维。
因此当一种实现智能应用的方法很有效时,往往认为这是一种已知的技术,与其他计算机程序运行没什么不同,人们对于机器模拟人类思维的矛盾心理趋向于认为一个能工作的系统是有用的但不是真正有智能的。
实际上,智能计算机已经成为一个动态的发展的概念,它始终处于不断向前推进的计算机技术的前沿。
人工智能的权威学者M.明斯基定义人工智能的任务是研究还没有解决的计算机问题。
这一观点反映了人工智能与智能机研究有别于其他学科的显著特点。
智能应用问题往往没有确定的求解算法而采用搜索的办法,一旦人们对某一问题掌握了足够丰富的知识,即已找到了不需要搜索的确定型算法,可以预见其行为与效果时,这个问题一般就不再认为是一个智能问题了。
从应用的角度看,如果一项人工智能的研究成果已经成熟并被广泛采用,人们已经了解它的运行机制,就不再把它视为智能技术了。
可以预言,目前被看成是智能计算机主要组成部分的知识库在不久的将来就会像数据库一样被当成一般的计算机技术。
因此,智能计算机与其看成是与传统计算机完全不同的一种机器,还不如看成是带动计算机不断发展的一项高技术。
这种压力迫使从事智能计算机研究的科研人员必须不断提出新概念、新方法,不断攻克新的技术难关。
研制智能计算机的目的不是用计算机代替人的脑力劳动,而是充分发挥人和计算机各自的特长,形成互补、协调的人机合作环境。
不怎么聪明的智能计算机可以使聪明的人更加聪明。
在人机合作的和谐环境中,人主要负责提供涉及面很广的常识和从事有创造性的工作,机器作为人的助手从事需要一定智能的其他工作。
智能机往往是某些方面聪明过人而其他方面又十分愚笨,因此设计一个高效率高智商的人机协作智能系统必须合理地确定哪些事由人做,哪些事由机器做,而且要建立十分友好的人机对话界面。
研制智能计算机的主要途径
尽管各国学者为研制智能机进行长期不懈的努力,但究竟通过什么途径才能使计算机具有智能或者说表现出智能行为,还是一个未解决的问题。
概括来说,已提出的主要途径有以下几条,它们分别以认知心理学、神经生理学、人类社会学及生物进化论为模拟的基础。
智能计算机
①符号处理与知识处理。
把智能问题当成符号处理与知识处理问题是人工智能的主流。
纽威尔和西蒙教授在1975年的图灵奖演说中提出物理符号系统假设:
物理符号系统是智能行为的充分必要条件。
这一假设把符号处理技术摆到智能机研制的关键位置。
60年代关于推理机制和问题求解技术的研究使人们认识到一个智能系统的能力主要在于系统中包含的知识而不是它的推理机制,这就是E.费根鲍姆教授倡导的知识原则。
根据这一原则,构造智能机系统的关键是建立包含大量常识和专门知识的知识库,其技术难点在于知识的自动获取和自动维护以及知识共享等。
这一途径的基础是逻辑理论与认知心理学。
②人工神经网络。
构造智能机的另一途径根源于神经生理学的研究成果,即用大量相对简单的处理单元(人工神经元)通过复杂的互连构成神经网络计算机。
这一途径强调大规模并行、分布式的表示与处理、非线性的动力学系统行为、系统的训练与学习以及模拟量的处理等等。
尽管目前提出的人工神经网模型及已研制的各种人工神经网系统与人脑的神经网结构相距甚远,但这种以整体的统计行为取代逻辑推理,以样本训练与学习取代执行某种算法的新思路对传统的唯理论与还原论是一种冲击。
神经网计算机在模式识别和低层次感知模拟等方面有发展潜力,但也有一定局限性。
它与传统的符号处理有某种互补关系。
这两者的结合可以发挥各自的优势。
③层次化的智力社会模型。
错综复杂的人类社会是由许多个人和不同层次的团体组成。
与此类似,智能行为也可看成是许多在不同层次上的相互影响的并行操作的进程。
层次越低,其智力越差,最底层的处理应是非智能的行为。
按这种思路,关键是要弄明白非智能的活动的联合如何才能浮现智能行为,其奥秘应在其相互联系之中。
这就是明斯基教授主张的所谓“智力社会”模型。
这一学派强调理解智能的层次和系统中各部分的联系,主要从人类社会的行为来看待思维与智能,其实现上较侧重分布式的人工智能和复杂的巨系统。
④基于生物进化的智能系统。
人类的智能是通过极其漫长的生物进化产生的,进化是智能的源泉。
如果把机器智能的提高也当成是一种进化过程,其进化速度将比形成人的智能快得多。
生物进化的关键是在动态环境中的适应能力。
基于这一观点,布鲁克斯教授提出研制智能机的另一种途径:
建立在现实世界中具有真正感知和行动能力的智能系统,由简单到复杂逐步提高其智能水平。
这一方法强调自适应控制,主张无需表示无需推理的智能系统。
上述每一条途径都有各自的理论背景和应用前景。
鉴于脑的功能是成千上万具有不同专门功能的子系统协作的结果,是上百万条生物进化缠绕组合的结果,人类智能的本质不可能归结为几个像波函数或运动学三定律那样规整、简洁、漂亮的基本原理。
智能机也不可能按某一种固定模式制造。
研究智能计算机应当采取综合集成的方法,在上述几条途径和可能的新途径基础上,将定性与定量、数字与模拟、逻辑与统计、电子与非电子等互补的技术综合集成起来,特别是将存于机器的知识与人的经验知识集成起来,发挥系统的整体优势与综合优势。
人工智能的前沿——基于归纳逻辑的人工智能研究概述
归纳逻辑是逻辑科学的一个重要领域。
归纳逻辑研究或然性推理,即当其前提为真时,结论很可能为真但不必然为真。
人们对真理的追求与归纳逻辑的产生和发展有着密切的联系。
从历史上着,归纳、归纳方法、归纳逻辑是既相互联系而又相互区别的。
从德谟克里特、亚里士多德到培根与穆勒、莱布尼兹与布尔,他们研究演绎逻辑,同时也研究归纳逻辑。
严格说来,他们所研究的与其说是归纳逻辑,还不如说是归纳方法。
这集中表现在培根提出的三表法(即本质存在表、差异表、比较表)与穆勒提出的确定现象间因果联系的归纳五法(实验五法:
契合法、差异法、契合差异并用法、剩余法、共变法)。
在这一阶段,哲学家与逻辑学家、科学家(如牛顿等人)探讨过有关归纳的很多理论问题,强调了归纳方法在实验科学中的发现作用,明确提出了两种基本的归纳方法,即枚举法与排除法。
同时,他们几乎都将归纳与因果性联系起来,认为在本体论上归纳必须建立在具有自然齐一性的因果性之上[9]。
在现实生活环境中,归纳逻辑有着广泛的应用领域。
自然科学研究和社会科学研究都离不开归纳,我们日常的行为活动也离不开归纳。
休谟提出的“归纳问题”对归纳推理的合理性和归纳逻辑的可能性提出了质疑,然而它的这种可能性正在计算机科学和人工智能的研究推动下逐渐地变成现实。
20世纪20年代,凯恩斯将概率理论与归纳逻辑相结合,建立了第一个概率逻辑系统,这标志着现代归纳逻辑的产生。
现代归纳逻辑可分成三大派别,即经验主义学派、逻辑贝叶斯主义学派与主观贝叶斯学派(频率学派、逻辑学派)和私人主义学派。
在我国,现代归纳逻辑兴起于20世纪80年代初。
80年代中期到90年代中期,对现代归纳逻辑的研究是逻辑学界的热点之一。
学者们把归纳逻辑的相关知识与人工智能相结合的研究取得了一定进展。
但归纳逻辑发展到现阶段还很不成熟,还需要进一步研究和发展。
有的学者指出,为了在机器的智能模拟中克服对归纳模拟的困难,应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来,这样才能在已有的归纳学习成果上,在机器归纳和机器发现上取得新的突破和进展[10]。
当对人工智能的研究由数据处理转入知识处理时,对归纳逻辑系统进行深入的研究就是必要的了,这是一个极有价值且极富挑战性和前沿性的研究课题。
目前人工智能应用
人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科,主要研究用用机器(主要是计算机)来模仿和实现人类的智能行为,经过几十年的发展,人工智能应用在不少领域得到发展,在我们的日常生活和学习当中也有许多地方得到应用。
本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍,籍此使读者对我们身边的人工智能应用有一个感性的认识。
1符号计算
计算机最主要的用途之一就是科学计算,科学计算可分为两类:
一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;。
另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。
符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。
长期以来,人们一直盼望有一个可以进行符号计算的计算机软件系统。
。
早在50年代末,人们就开始对此研究。
进入80年代后,随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表,由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。
Mathematica是第一个将符号运算,数值计算和图形显示很好地结合在一起的数学软件,用户能够方便地用它进行多种形式的数学处理。
计算机代数系统的优越性主要在于它能够进行大规模的代数运算。
。
通常我们用笔和纸进行代数运算只能处理符号较少的算式,当算式的符号上升到百位数后,手工计算就很困难了,这时用计算机代数系统进行运算就可以做到准确,快捷,有效。
现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时,还具有高效的可编程功能。
在操作界面上一般都支持交互式处理,人们通过键盘输入命令,计算机处理后即显示结果。
并且人机界面友好,命令输入方便灵活,很容易寻求帮助。
尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性,但是,计算机毕竟是机器,它只能执行人们给它的指令,有一定的局限性。
首先,多数计算机代数系统对计算机硬件有较高的要求,在进行符号运算时,通常需要很大的内存和较长的计算时间,而精确的代数运算以时间和空间为代价的。
第二个问题是用计算机代数系统进行数值计算,虽然计算精度可以到任意位,但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算,所以在速度要比用Fortran语言算同样的问题慢百倍甚至千倍。
另外,虽然计算机代数系统包含大量的数学知识,但这仅仅是数学中的一小部分,目前仍有许多数学领域未能被计算机代数系统涉及。
计算机代数系统仍在不断地发展、完善之中。
2模式识别
模式识别就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。
这里,我们把环境与客体统称为”模式”,随着计算机技术的发展,人类有可能研究复杂的信息处理过程。
用计算机实现模式(文字、声音、人物、物体等)的自动识别,是开发智能机器的一个最关键的突破口,也为人类认识自身智能提供线索。
信息处理过程的一个重要形式是生命体对环境及客体的识别。
对人类来说,特别重要的是对光学信息(通过视觉器官来获得)和声学信息(通过听觉器官来获得)的识别。
这是模式识别的两个重要方面。
市场上可见到的代表性产品有光学字符识别系统(OpticalCharacterRecognition,OCR)、语音识别系统等。
计算机识别的显著特点是速度快、准确性和效率高。
识别过程与人类的学习过程相似。
以”汉字识别”为例:
首先将汉字图象进行处理,抽取主要表达特征并将其特征与汉字的代码存在计算机中。
就象把老师教我们这个字叫什么、如何写的知识记忆在大脑中。
这一过程叫做”训练”。
识别过程就是将输入的汉字图像经处理后与计算机中所保存的全部汉字进行比较,找出最相近的字作为识别结果,这一过程叫做”匹配”。
语音识别就是让计算机能听懂人说的话,一个重要的例子就是七国语言(英、日、意、韩、法、德、中)口语自动翻译系统。
其中,中文部分的实验平台设立在中国科学院自动化所的模式识别国家重点实验室,这是口语翻译研究跨入世界领先水平的标志。
该系统实现后,人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时,只要利用电话网络和国际互联网,就可用手机、电话等与”老外”通话。
指纹是人体的一个重要特征,具有唯一性。
北京大学有关专家对数字图像的离散几何性质进行了深入研究,建立了从指纹灰度图像精确计算纹线局部方向、进而提取指纹特征信息的理论与算法,随后研究成功了适于民用身份鉴定的全自动指纹鉴定系统,以及适于公安刑事侦破的指纹鉴定系统。
从而开创了我国指纹自动识别系统应用的先河。
北大指纹自动识别系统的推出,使我国公安干警从指纹查对的繁重人工处理中解放出来。
浙江省从1997年开始使用北大指纹自动识别系统,采取省地(市)二级建库、省地(市)县三级查询的方式,形成了独特的”浙江模式”。
省公安厅现已建立了100多万人的指纹库,是目前国内的第二大库。
在100多万人的指纹库中,检索一枚现场指纹仅需4分钟左右。
2000年浙江省用指纹自动识别系统直接破案3063起,连带破案12000多起。
破案率为全国第一,并遥遥领先于国内其它指纹识别系统,被公安部树为指纹系统建设应用样板。
这里介绍一个综合应用的例子,一汽集团公司与国防科技大学最近合作研制成功”红旗轿车自主驾驶系统”(即无人驾驶系统),它标志着我国研制高速智能汽车的能力已达到当今世界先进水平。
汽车自主驾驶技术是集模式识别、智能控制、计算机学和汽车操纵动力学等多门学科于一体的综合性技术,代表着一个国家控制技术的水平。
红旗车自主驾驶系统采用计算机视觉导航方式,并采用仿人控制,实现了对红旗车的操纵控制。
首先,摄像机将车前方的道路和车辆行驶情况输入到图像处理和图像识别系统。
该系统识别出道路状况、前方车辆的相对距离和相对车速。
接着,路径规划系统根据这些信息规划出一条合适路径,即决定如何开车。
然后,路径跟踪系统根据需跟踪的路径,结合车辆行驶状态参数和车辆驾驶动力学约束,形成控制命令,控制方向盘和油门开启机构产生相应动作,使汽车按照规划好的路径前进,即按自主驾驶系统的规划路径前进。
3专家系统
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。
专家系统内部含有大量的某个领域的专家水平的知识与经验,能够运用人类专家的知识和解决问题的方法进行推理和判断,模拟人类专家的决策过程,来解决该领域的复杂问题。
专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面,各种专家系统已遍布各个专业领域,取得很大的成功。
根据专家系统处理的问题的类型,把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。
具体应用就很多了,例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。
为了实现专家系统,必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库),以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。
系统能对输入信息进行处理,并运用知识进行推理,做出决策和判断,其解决问题的水平达到或接近专家的水平,因此能起到专家或专家助手的作用。
开发专家系统的关键是表示和运用专家知识,即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。
目前,专家系统主要采用基于规则的知识表示和推理技术。
由于领域的知识更多是不精确或不确定的,因此,不确定的知识表示与知识推理是专家系统开发与研究的重要课题。
此外,专家系统开发工具的研制发展也很迅速,这对扩大专家系统的应用范围,加快专家系统的开发过程,将起到积极地促进作用。
随着
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能