AI的主要研究与应用领域

AI的主要研究与应用领域尽管目前人工智能不同研究学派在理论基础、研究方法方等面还存在一定差异，但这些并没有影响人工智能的发展，反而使人工智能的研究更加客观、全面和深入。今天，被冠以智能的科技领域和社会现实数不胜数，智能已成为一个极具价值的学术标签和商业标签，并在科技进步和社会发展中扮演着越来越重要的角色。AI的主要研究与应用领域面对人工智能这样一个高度交叉的新兴学科，其研究和应用领域的划分可以有多种不同方法。这里采用了基于智能本质和作用的划分方法，即从感知、思维、行为、学习、计算智能、分布智能、智能机器、智能系统、智能应用等方面来进行讨论。1机器思维机器思维：就是让计算机模仿和实现人的思维能力，以对感知到的外界信息和自己产生的内部信息进行思维性加工。包括：推理、搜索、规划等方面的研究。1机器思维推理推理的概念：推理是指按照某种策略从已知事实出发利用知识推出所需结论的过程。推理的类型：可根据所用知识的确定性，将其分为：确定性推理，指推理所使用的知识和推出的结论都是可以精确表示的，其真值要么为真、要么为假。不确定性推理，指推理所使用的知识和推出的结论可以是不确定的。所谓不确定性是对非精确性、模糊型和非完备性的统称。1机器思维推理推理的理论基础：逻辑是一门研究人们思维规律的学科，数理逻辑则是用数学的方法去研究逻辑问题。确定性推理主要是基于一阶经典逻辑。它能解决的问题很有限。不确定性推理主要基于非经典逻辑和概率等。非一阶经典逻辑是泛指除一阶经典逻辑以外的其他各种逻辑，如多值逻辑、模糊逻辑、模态逻辑、概率逻辑、默认逻辑、次协调逻辑及泛逻辑等。最常用的不确定性推理方法：基于可信度的确定性理论、基于Bayes公式的主观Bayes方法、基于概率的证据理论和基于模糊逻辑的可能性理论等。1机器思维搜索搜索的概念：是指为了达到某一目标，不断寻找推理线路，以引导和控制推理，使问题得以解决的过程。搜索的类型：可根据问题的表示方式将其分为状态空间搜索和与/或树搜索两大类型。状态空间搜索是一种用状态空间法求解问题时的搜索方法；1机器思维搜索与/或树搜索是一种用问题规约法求解问题时的搜索方法。搜索的主要问题：人工智能最关心的是如何利用搜索过程所得到的对尽快达到目标有用的信息来引导搜索过程，即启发式搜索方法。状态空间的启发式搜索方法与/或树的启发式搜索方法1机器思维规划规划的概念：是指从某个特定问题状态出发，寻找并建立一个操作序列，直到求得目标状态为止的一个行动过程的描述。规划的特点：与一般问题求解技术相比，规划更侧重于问题求解过程，并且要解决的问题一般是真实世界的实际问题，而不是抽象的数学模型。例如，第2章的机器人移盒子、猴子摘香蕉等问题。1机器思维规划规划系统的例子：斯坦福研究所问题求解系统（StanfordResearchInstituteProblemSolver，STRIPS），是一种基于状态空间和F规则的规划系统。它由以下3部分所组成：(1)世界模型：用一阶谓词公式表示，它包括问题的初始状态和目标状态。(2)操作符（即F规则）：它包括先决条件、删除表和添加表。(3)操作方法：它采用状态空间表示和中间----结局分析的方法。其中，状态空间包括初始状态、中间状态和目标状态；中间----结局分析的每一步都选择能够缩小当前状态与目标状态之间的差距的先决条件可以满足的F规则执行，直至到达目标为止。2机器感知机器感知是机器获取外界信息的主要途径，也是机器智能的重要组成部分。所谓机器感知，就是要让计算机具有类似于人的感知能力，如视觉、听觉、触觉、嗅觉、味觉。下面主要介绍机器视觉、模式识别、自然语言理解。2机器感知计算机视觉概念：用计算机来实现或模拟人类的视觉功能，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力。重要性：在人类感知到的外界信息中，有80%以上是通过视觉得到的。2机器感知计算机视觉视觉系统：人类视觉系统的功能是通过眼睛与大脑共同实现的。人们视野中的物体在可见光的照射下，先在眼睛的视网膜上形成图像，然后由感光细胞转换成神经脉冲信号，再经神经纤维传入大脑皮层，最后由大脑皮层对其进行处理与理解。视觉，不仅仅指对光信号的感受，它包括了对视觉信息的获取、传输、处理、存储与理解的全过程。2机器感知计算机视觉设p为一物体。两个透镜的轴线是平行的。f为两透镜与图像平面的距离，即为焦距。b为两透镜轴线在基线上的距离，即为两眼的距离。l和m分别是p点与左、右透镜轴线的距离。a和c分别是图像平面上的左、右图像与其相应透镜轴线上的距离。从两个相似三角形，可得到下式：已知b=l+m，由上式可得观察者双眼至物体的距离：由于双眼的距离b为已知，焦距f也是确定的，因此d是可直接计算出来的。cmfdmdalfdld,cabfd2机器感知计算机视觉透镜(眼球)dfalcmbp图形平面(视网膜)2机器感知模式识别模式识别是指让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。被鉴别的事物可以是物理的、化学的、生理的，也可以是文字、图像、声音等。2机器感知模式识别模式识别的一般过程：(1)采集待识别事物的模式信息；(2)对其进行各种变换和预处理，从中抽出有意义的特征或基元，得到待识别事物的模式；(3)与机器中原有的各种标准模式进行比较，完成对待识别事物的分类识别；(4)输出识别结果。2机器感知自然语言理处理自然语言处理包括的主要内容机器翻译把一种自然语言翻译成另外一种自然语言自然语言理解概念：主要研究如何使计算机能够理解和生成自然语言。理解的语言类型：声音语言、书面语言。主要步骤：语音分析、词法分析、句法分析、语义分析、语用分析。2机器感知自然语言理处理自然语言理解的意义该研究不仅对智能人机接口有着重要的实际意义，而且对不确定人工智能的研究也具有重大的理论价值。有学者指出：人工智能如果不能用自然语言作为其知识表示基础，建立起不确定人工智能的理论和方法，人工智能也就永远实现不了跨越的梦想。3机器行为机器行为就是让计算机能够具有像人那样地行动和表达能力，如走、跑、拿、说、唱、写画等。机器行为则可看作智能系统的输出部分。下面主要讨论：智能控制、智能检索和智能机器人等。3机器行为智能控制智能控制的概念：是指那种无需或需要尽可能少的人工干预就能独立的驱动智能机器实现其目标的控制过程。它是人工智能技术与传统自动控制技术相结合的产物。智能控制系统：是指那种能够实现某种控制任务，具有自学习、自适应和自组织功能的智能系统。从结构上，它由传感器、感知信息处理模块、认知模块、规划和控制模块、执行器和通信接口模块等主要部件所组成。3机器行为智能控制智能控制的主要应用领域：智能机器人系统、计算机集成制造系统（CIMS）、复杂工业过程的控制系统、航空航天控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。3机器行为智能检索智能检索的概念：是指利用人工智能的方法从大量信息中尽快找到所需要的信息或知识。智能检索的重要性：目前，在各种数据库中，尤其是互联网上存放着大量的、甚至是海量的信息或知识。面对这种信息海洋，如果还用传统的人工方式进行检索，已很不现实。3机器行为智能检索智能检索系统须解决的主要问题：(1)具有一定的自然语言理解能力，能理解用自然语言提出的各种询问；(2)具有一定的推理能力，能够根据已知的信息或知识，演绎出所需要的答案；(3)系统应拥有一定的常识性知识，以补充学科范围的专业知识。系统根据这些常识，将能演绎出更一般询问的一些答案。3机器行为智能机器人机器人(Robots)和机器人学：机器人(Robots)是一种可再编程的多功能操作装置。机器人学是在电子学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学、以及心理学等多种学科或技术发展的基础上形成的一种综合性技术学科。机器人研究的意义：机器人既是人工智能的研究对象，同时又是人工智能的试验场地，人工智能的所有技术几乎都可以在这个领域得到应用。3机器行为智能机器人机器人的发展过程：经历了遥控、程序、自适应、智能机器人、情感机器人。人工智能的主要研究对象是智能机器人和情感机器人。智能机器人具有的能力：感知能力、思维能力和行为能力的机器人。这种机器人能够主动的适应外界环境变化，并能够通过学习丰富自己的知识、提高自己的工作能力。情感机器人：是一种具有情感（爱、恨…）和情绪(喜、怒、哀、乐…)功能新一代机器人。MIT研究的情感机器人4计算智能计算智能（ComputationalIntelligence，CI）是借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。计算智能的三大基本领域包括神经计算、进化计算、模糊计算。4计算智能神经计算神经计算的概念：亦称神经网络(NeuralNetwork，NN)，它是通过对大量人工神经元的广泛并行互联所形成的一种人工网络系统，用于模拟生物神经系统的结构和功能。主要研究内容：包括人工神经元的结构和模型，人工神经网络的互连结构和系统模型，基于神经网络的联结学习机制等。4计算智能神经计算人工神经元：是指用人工方法构造单个神经元，它有抑制和兴奋两种工作状态，可以接受外界刺激，也可以向外界输出自身的状态，用于模拟生物神经元的结构和功能，是人工神经网络的基本处理单元。人工神经网络的互连结构（或称拓扑结构）是指单个神经元之间的连接模式，它是构造神经网络的基础。从互连结构的角度，神经网络可分为前馈网络和反馈网络两种主要类型。4计算智能神经计算网络模型是对网络结构、连接权值和学习能力的总括。最常用的有传统的感知器模型，具有误差前向传播功能的前向传播网络模型，采用反馈连接方式的反馈网络模型等。神经网络具有自学习、自组织、自适应、联想、模糊推理等能力，在模仿生物神经计算方面有一定优势。目前，神经计算的研究和应用已渗透到许多领域，如机器学习、专家系统、智能控制、模式识别等。4计算智能进化计算进化计算的概念：是一种模拟自然界生物进化过程与机制，进行问题求解的自组织、自适应的随机搜索技术。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗传变异理论，将生物进化过程中的繁殖、变异、竞争和选择引入到了算法中，是一种对人类智能的演化模拟方法。4计算智能进化计算进化计算的主要分支：遗传算法、进化策略、进化规划和遗传规划四大分支。其中，遗传算法是进化计算中最初形成的一种具有普遍影响的模拟进化优化算法。遗传算法的基本思想：(美国密执安大学霍兰德教授1962提出)是使用模拟生物和人类进化的方法来求解复杂问题。它从初始种群出发，采用优胜略汰、适者生存的自然法则选择个体，并通过杂交、变异产生新一代种群，如此逐代进化，直到满足目标为止。4计算智能模糊计算模糊计算亦称模糊系统，是通过对人类处理模糊现象的认知能力的认识，用模糊集合和模糊逻辑去模拟人类的智能行为的。模糊集合与模糊逻辑是美国加州大学扎德(Zadeh)教授1965年提出来的一种处理因模糊而引起的不确定性的有效方法。模糊概念的定义：通常，人们把那种因没有严格边界划分而无法精确刻画的现象称为模糊现象，并把反映模糊现象的各种概念称为模糊概念。例如，“大”、“小”、“多”、“少”等。4计算智能模糊计算模糊概念的表示：通常是用模糊集合来表示的，而模糊集合又是用隶属函数来刻画的。一个隶属函数描述一个模糊概念，其函数值为[0,1]区间的实数，用来描述函数自变量所代表的模糊事件隶属于该模糊概念的程度。模糊计算的争论：一方面模糊逻辑存在一定缺陷；另一方面它在推理、控制、决策等方面得到了非常广泛的应用。5机器学习机器学习就是让计算机能够像人那样自动地获取新知识，并在实践中不断地完善自我和增强能力。机器学习是机器获取知识的根本途径，同时也是机器具有智能的重要标志。机器学习有多种不同的分类方法，如果按照对人类学习的模拟方式，机器学习可