人工智能及其应用(2)
第一章绪论
1-1. 什么是人工智能？试从学科和能力两方面加以说明。
从学科角度来看：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。
从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动
1-2. 在人工智能的发展过程中，有哪些思想和思潮起了重要作用？
控制论之父维纳1940 年主张计算机五原则。他开始考虑计算机如何能像大脑一样工作。系统地创建了控制论，根据这一理论，一个机械系统完全能进行运算和记忆。
帕梅拉·麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究《机器思维》(Machine Who Think,1979)中曾经指出：在复杂的机械装置与智能之间存在着长期的联系。
著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。提出了著名的图灵测试。
数理逻辑从19 世纪末起就获迅速发展；到20 世纪30 年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。
1943 年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP 模型。60-70 年代，联结主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，控制论思想早在40-50 年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到60-70 年代，控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子。
1-3. 为什么能够用机器（计算机）模仿人的智能？
物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移6 种功能。反之，任何系统如果具有这6 种功能，那么它就能够表现出智能(人类所具有的智能)。
物理符号系统的假设伴随有3 个推论。
推论一: 既然人具有智能，那么他(她)就一定是个物理符号系统。
推论二: 既然计算机是一个物理符号系统，它就一定能够表现出智能。
推论三: 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。
1-4. 现在人工智能有哪些学派？它们的认知观是什么？
符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism) [ 其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。]
认为人的认知基元是符号，而且认知过程即符号操作过程。认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为。知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。
联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism) [ 其原理主要为神经网络及神经网络间的连接机制与学习算法]
认为人的思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。
行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism) [ 其原理为控制论及感知-动作型控制系统]
认为智能取决于感知和行动。认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化。智能行为只能在现实世界中与周围环境交互作用而表现出来。符号主义、联结主义对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
1-5. 你认为应从哪些层次对认知行为进行研究？
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
1-6. 人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？
问题求解(下棋程序)，逻辑推理与定理证明(四色定理证明)，自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学(星际探索机器人)，模式识别(手写识别，汽车牌照识别，指纹识别)，机器视觉(机器装配，卫星图像处理)，智能控制，智能检索，智能调度与指挥(汽车运输高度，列车编组指挥)，系统与语言工具。
新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现(超市市场商品数据分析)，人工生命。
第二章知识表示方法
2-2 设有3 个传教士和3 个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去?
用S i (nC, nY) 表示第i 次渡河后，河对岸的状态，nC 表示传教士的数目，nY 表示野人的数目，由于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3 种情况：
1. nC=0
2. nC=3
3. nC=nY>=0 (当nC 不等于0 或3)
用d i (dC, dY)表示渡河过程中，对岸状态的变化，dC 表示，第i 次渡河后，对岸传教士数目的变化，dY 表示，第i 次渡河后，对岸野人数目的变化。当i 为偶数时，dC,dY 同时为非负数，表示船驶向对岸，i 为奇数时，dC, dY 同时为非正数，表示船驶回岸边。
初始状态为S 0 (0, 0)，目标状态为S 0 (3, 3)，用深度优先搜索的方法可寻找渡河方案。在此，用图求法该问题，令横坐标为nY, 纵坐标为nC，可行状态为空心点表示，每次可以在格子上，沿对角线移动一格，也可以沿坐标轴方向移动1 格，或沿坐标轴方向移动2 格。第奇数次数状态转移，沿右方，上方，或右上方移动，第偶数次数状态转移，沿左方，下方，或左下方移动。
从(0,0)开始，依次沿箭头方向改变状态，经过11 步之后，即可以到达目标状态(3,3)，相应的渡河方案为：d1(1,1)--d2(-1,0)--d3(0,2)--d4(0,-1)--d5(2,0)--d6(-1,-1)--d7(2,0)--d8(0,-1)--d9(0,2)--
d10(-1,0)--d11 (1,1)
2-4 试说明怎样把一棵与或解树用来表达图2.28 所示的电网络阻抗的计算。单独的R、L 或C 可分别用R、jωL 或1/jωC 来计算，这个事实用作本原问题。后继算符应以复合并联和串联阻抗的规则为基础。
约定，用原来的与后继算法用来表达并联关系，用原来的或后继算法用来表达串联关系
2-5 试用四元数列结构表示四圆盘梵塔问题，并画出求解该问题的与或图。
用四元数列(nA, nB, nC, nD) 来表示状态，其中nA 表示A 盘落在第nA 号柱子上，nB 表示B 盘落在第nB 号柱子上，nC 表示C 盘落在第nC 号柱子上，nD 表示D 盘落在第nD 号柱子上。初始状态为1111，目标状态为3333
如图所示，按从上往下的顺序，依次处理每一个叶结点，搬动圆盘，问题得解。
2-6 把下列句子变换成子句形式：
(1) ( x)｛P(x)→P(x)｝
(2) x y(On(x,y)→Above(x,y))
(3) x y z(Above(x,y)∧Above(y,z)→Above(x,z))
(4) ～｛( x)｛P(x)→｛（y）〔p(y)→p(f(x,y))〕∧( y)〔Q(x,y)→P(y)〕｝｝｝
(1) (ANY x) { P(x)P(x) }
(ANY x) {~P(x) OR P(x)}
~P(x) OR P(x)
最后子句为~P(x) OR P(x)
(2) (ANY x) (ANY y) { On(x,y)Above(x,y) }
(ANY x) (ANY y) { ~On(x,y) OR Above(x,y) }
~On(x,y) OR Above(x,y)
最后子句为~On(x,y) OR Above(x,y)
(3) (ANY x) (ANY y) (ANY z) { Above(x,y) AND Above(y,z) Above(x,z) }
(命题联结词之优先级如下:否定→合取→析取→蕴涵→等价)
(ANY x) (ANY y) (ANY z) { ~ [ Above(x,y) AND Above(y,z) ] OR Above (x,z) }
~ [ Above(x,y) AND Above(y,z) ] OR Above (x,z)
最后子句为~[Above(x,y), Above(y,z)] OR Above(x,z)
(4) ~{ (ANY x) { P(x){ (ANY y) [ p(y)p(f(x,y)) ] AND (ANY y) [ Q(x,y) P(y) ] } } }
~ { (ANY x) { ~P(x) OR { (ANY y) [ ~p(y) OR p(f(x,y)) ] AND (ANY y) [ ~Q(x,y) OR P(y) ] } } }
(EXT x) { P(x) AND { (EXT x) [ p(y) AND ~p(f(x,y)) ] OR (EXT y) [ Q(x,y) AND ~P(y) ] } }
(EXT x) { P(x) AND { (EXT w) [ p(y) AND ~p(f(w,y)) ] OR (EXT v) [ Q(x,v) AND ~P(v) ] } }
P(A) AND { [ p(y) AND ~p(f(B,y)) ] OR [ Q(A,C) AND ~P(C) ] }
P(A) AND { [ p(y) AND ~p(f(B,y)) OR Q(A,C) ] AND [ p(y) AND ~p(f(B,y)) OR ~P(C) ] }
P(A) AND { { p(y), ~p(f(B,y)) } OR Q(A,C) } AND { { p(y), ~p(f(B,y)) } OR ~P(C) }
最后子句为
P(A)
{ p(x), ~p(f(B,x)) } OR Q(A,C)
{ p(y), ~p(f(B,y)) } OR ~P(C)
2-7 用谓词演算公式表示下列英文句子(多用而不是省用不同谓词和项。例如不要用单一的谓词字母来表示每个句子。) A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence. 先定义基本的谓词
INTLT(x) means x is intelligent
PERFORM(x,y) means x can perform y
REQUIRE(x) means x requires intelligence
CMP(x) means x is a computer system
HMN(x) means x is a human
上面的句子可以表达为
(任意x)
{ (存在t) (存在y) [ HMN(y) 合取PERFORM(y,t) 合取REQUIRE(t) 合取CMP(x) 合取PERFORM(x,t) ] INTLT(x) }
2-8 把下列语句表示成语义网络描述：
(1) All man are mortal.
(2) Every cloud has a silver lining.
(3) All branch managers of DEC participate in a profit-sharing plan.
(1)
(2)
(3)
2-9 作为一个电影观众，请你编写一个去电影院看电影的剧本。
(1) 开场条件
(a) 顾客想看电影
(b) 顾客在足够的钱
(2) 角色
顾客，售票员，检票员，放映员
(3) 道具
钱，电影票
(4) 场景
场景1 购票
(a) 顾客来到售票处
(b) 售票员把票给顾客
(c) 顾客把钱给售票员
(d) 顾客走向电影院门
场景2 检票
(a) 顾客把电影票给检票员
(b) 检票员检票
(c) 检票员把电影票还给顾客
(d) 顾客进入电影院
场景3 等待
(a) 顾客找到自己的座位
(b) 顾客坐在自己座位一等待电影开始
场景4 观看电影
(a) 放映员播放电影
(b) 顾客观看电影
场景5 离开
(a) 放映员结束电影放映
(b) 顾客离开电影院
(5) 结果
(a) 顾客观看了电影
(b) 顾客花了钱
(c) 电影院赚了钱
2-10 试构造一个描述你的寝室或办公室的框架系统。
第三章搜索推理技术
3-1 什么是图搜索过程?其中，重排OPEN 表意味着什么，重排的原则是什么?
图搜索的一般过程如下：
(1) 建立一个搜索图G(初始只含有起始节点S)，把S 放到未扩展节点表中（OPEN 表）中。
(2) 建立一个已扩展节点表（CLOSED 表），其初始为空表。
(3) LOOP：若OPEN 表是空表，则失败退出。
(4) 选择OPEN 表上的第一个节点，把它从OPEN 表移出并放进CLOSED 表中。称此节点为节点n，它是CLOSED 表中节点的编号
(5) 若n 为一目标节点，则有解并成功退出。此解是追踪图G 中沿着指针从n 到S 这条路径而得到的(指针将在第7 步中设置)
(6) 扩展节点n，生成不是n 的祖先的那些后继节点的集合M。将M 添入图G 中。
(7) 对那些未曾在G 中出现过的(既未曾在OPEN 表上或CLOSED 表上出现过的)M 成员设置一个通向n 的指针，并将它们加进OPEN 表。对已经在OPEN 或CLOSED 表上的每个M 成员，确定是否需要更改通到n 的指针方向。对已在CLOSED 表上的每个M 成员，确定是否需要更改图G 中通向它的每个后裔节点的指针方向。(8) 按某一任意方式或按某个探试值，重排OPEN 表。
(9) GO LOOP。
重排OPEN 表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。
重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能达到目标节点的那些节点排在OPEN 表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排OPEN 表。
3-2 试举例比较各种搜索方法的效率。
(1) 把起始节点放到OPEN 表中(如果该起始节点为一目标节点，则求得一个解答)。
(2) 如果OPEN 是个空表，则没有解，失败退出；否则继续。
(3) 把第一个节点(节点n)从OPEN 表移出，并把它放入CLOSED 扩展节点表中。
(4) 扩展节点n。如果没有后继节点，则转向上述第(2)步。
(5) 把n 的所有后继节点放到OPEN 表的末端，并提供从这些后继节点回到n 的指针。
(6) 如果n 的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第(2)步。
有界深度优先搜索
(1) 把起始节点S 放到未扩展节点OPEN 表中。如果此节点为一目标节点，则得到一个解。
(2) 如果OPEN 为一空表，则失败退出。
(3) 把第一个节点(节点n)从OPEN 表移到CLOSED 表。
(4) 如果节点n 的深度等于最大深度，则转向(2)。
(5) 扩展节点n，产生其全部后裔，并把它们放入OPEN 表的前头。如果没有后裔，则转向(2)。
(6) 如果后继节点中有任一个为目标节点，则求得一个解，成功退出；否则，转向(2)。
等代价搜索方法以g(i)的递增顺序扩展其节点，其算法如下：
(1) 把起始节点S 放到未扩展节点表OPEN 中。如果此起始节点为一目标节点，则求得一个解;否则令g(S)=0。
(2) 如果OPEN 是个空表，则没有解而失败退出。
(3) 从OPEN 表中选择一个节点i，使其g(i)为最小。如果有几个节点都合格，那么就要选择一个目标节点作为节点i(要是有目标节点的话)；否则，就从中选一个作为节点i。把节点i 从OPEN 表移至扩展节点表CLOSED 中。(4) 如果节点i 为目标节点，则求得一个解。
(5) 扩展节点i。如果没有后继节点，则转向第(2)步。
(6) 对于节点i 的每个后继节点j，计算g(j)=g(i)+c(i,j)，并把所有后继节点j 放进OPEN 表。提供回到节点i 的指针。
(7) 转向第(2)步。
3-3 化为子句形有哪些步骤?请结合例子说明之。
任一谓词演算公式可以化成一个子句集。其变换过程由下列九个步骤组成：
(1)消去蕴涵符号
将蕴涵符号化为析取和否定符号
(2)减少否定符号的辖域
每个否定符号最多只用到一个谓词符号上，并反复应用狄·摩根定律
(3)对变量标准化
对哑元改名以保证每个量词有其自己唯一的哑元
(4)消去存在量词
引入Skolem 函数，消去存在量词
如果要消去的存在量词不在任何一个全称量词的辖域内，那么我们就用不含变量的Skolem 函数即常量。
(5)化为前束形
把所有全称量词移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分。
前束形= (前缀) (母式)
前缀= 全称量词串
母式= 无量词公式
(6)把母式化为合取范式
反复应用分配律，将母式写成许多合取项的合取的形式，而每一个合取项是一些谓词公式和(或)谓词公式的否定的析取
(7)消去全称量词
消去前缀，即消去明显出现的全称量词
(8)消去连词符号(合取)
用{合取项1,合取项2}替换明显出现的合取符号
(9)更换变量名称
更换变量符号的名称，使一个变量符号不出现在一个以上的子句中
3-4 如何通过消解反演求取问题的答案?
给出一个公式集S 和目标公式L，通过反证或反演来求证目标公式L，其证明步骤如下：
(1)否定L，得～L；
(2)把～L 添加到S 中去；
(3)把新产生的集合｛～L，S｝化成子句集；
(4)应用消解原理，力图推导出一个表示矛盾的空子句NIL。
3-5 什么叫合适公式?合适公式有哪些等价关系?
合式公式的递归定义为：
(1) 原子谓词公式是合式公式
(2) 若A 为合式公式，则A 的否定也是合式公式
(3) 若A、B 都是合式公式，则A AND B, AOR B, A B, A>B 也都是合式公式
(4) 若A 是合式公式，x 为A 中的自由变元，则(ANY x)A 和(EXT x)A 都是合式公式
(5) 只有按规则(1)~(4)求得的公式，才是合式公式
等价关系有：否定之否定，蕴含与与或形式的等价，狄.摩根定律；分配律，交换律，结合律，逆否律，否定跨越量词，全称量词同与或连词，量词中的哑元
3-6 用宽度优先搜索求图3.33 所示迷宫的出路。
第一步S A B
第二步B H
B C
第三步H G
C F
最终路径为S A B C F
3-7 用有界深度优先搜索方法求解图3.34 所示八数码难题。
解：定义操作符集：F={f1,f2,f3,f4}，
其中：f1 表示空格右移；f2 表示空格上移；
f3 表示空格左移；f4 表示空格下移。
搜索时，节点的扩展顺序规定为按右、左、上、下方向移动空格。并设置深度界限为8。
由上述有界深度优先搜索树中可见，
当d=8 时，八数码难题的一个解为：f4, f4, f3, f2, f2, f3, f4, f3
3-10 一个机器人驾驶卡车，携带包裹(编号分别为＃1、＃2 和＃3)分别投递到林(LIN)、吴(WU)和胡(HU)3 家住宅处。规定了某些简单的操作符，如表示驾驶方位的drive(x,y)和表示卸下包裹的unload(z) 都有一定的先决条件和结果。试说明状态空间问题求解系统如何能够应用谓词演算求得一个操作符序列，该序列能够生成一个满足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)的目标状态。
初始状态可描述为：AT(#1, ~LIN) AND A T(#2, ~WU) AND AT(#1, ~HU) AND AT(#1, CAR) AND AT(#2, CAR) AND AT(#3, CAR)
目标状态可描述为：AT(#1, LIN) AND A T(#2, WU) AND A T(#1, HU) AND AT(#1, ~CAR) AND A T(#2, ~CAR) AND AT(#3, ~CAR)
对每个操作符都有一定的先决条件和结果，详细如下
drive(x, y)
先决条件：A T(CAR, x)
结果：AT(CAR, y) unload(z)
先决条件：A T(z, CAR) AND AT(CAR, x)
结果：AT(z, ~CAR) AND AT(z, x)
原问题就转换为寻找一个可将初始状态转换到目标状态的操作序列如何求得该操作序列???
3-11 规则演绎系统和产生式系统有哪几种推理方式?各自的特点为何?
规则演绎系统的推理方式有正向推理、逆向推理和双向推理
双向推理组合了正向推理和逆向推理的优点，克服了各自的缺点，具有更高的搜索求解效率。产生式系统的推理方式有正向推理、逆向推理和双向推理
双向推理结合了正向推理和逆向推理的长处，克服了两者的短处，其控制策略比两者都要复杂。
3-12 为什么需要采用系统组织技术?有哪几种系统组织技术?
如果不采用系统组织技术，而直接写出包含所有知识的规则，并让系统利用这些规则，找出一条从给定状态到目标状态的路径，这种方法有严重的缺点：
(1) 随着规则的增加，既要加入新的规则，又要使新规则不与现有规则产生冲突，这将使问题变得愈来愈困难
(2) 在问题求解过程中，由于每一步都必须考虑所有规则，效率就会大大降低，然而，实际上却往往是只有应用完一组规则之后，才考虑另一组别的规则
(3) 一种问题求解技术和知识表达形式可能对问题的某一部分是最好的，而对另一部分却不是最好的因此，采用系统组织技术，将一个大系统中的知识分成一组相对独立的模块比较合适。
有3 种系统组织技术：议程表、黑板法和Delta 极小搜索法
3-13 研究不确定性推理有何意义?有哪几种不确定性?
不确定性推理是研究复杂系统不完全性和不确定性的有力工具。
有3 种不确定性，关于证据的不确定性(观测有误差)，关于结论的不确定性和多个规则支持同一事实时的不确定性。
3-14 单调推理有何局限性?什么叫缺省推理?非单调推理系统如何证实一个节点的有效性?
单调系统不能很好地处理常常出现在现实问题领域中的3 类情况，即不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设
有两种方法可以证实节点的有效性：
(1)支持表。
( SL (IN-节点表) (OUT- 节点表) )
如果某节点的IN 节点表中提到的节点当前都是IN, 且OUT 节点表中提到的节点当前都是OUT，则它是有效的(2) 条件证明。
( CP(结论)
(IN-假设)
(OUT-假设) )
条件证明(CP)的证实表示有前提的论点，无论何时，只要在IN 假设中的节点为IN, OUT 假设中的节点为OUT, 则结论节点往往为IN，于是条件证明的证实有效。
3-15 在什么情况下需要采用不确定推理或非单调推理?
不完全的信息、不断变化的情况、以及求解复杂问题过程中生成的假设
3-16 下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则：
(1) 两个全等三角形的各对应角相等。
(2) 两个全等三角形的各对应边相等。
(3) 各对应边相等的三角形是全等三角形。
(4) 等腰三角形的两底角相等。
规则(1): IF 两个三角形全等
THEN 各对应角相等
规则(2): IF 两个三角形全等
THEN 各对应边相等
规则(3): IF 两个三角形各对应边相等
THEN 两三角形全等
规则(4): IF 它是等腰三角形
THEN 它的两底角相等
第四章计算智能（1）：神经计算模糊计算
4-1 计算智能的含义是什么？它涉及哪些研究分支？
贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。主要的研究领域为神经计算，模糊计算，进化计算，人工生命。
4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。
计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI 包含AI 包含BI
4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？
人工神经网络具有如下至关重要的特性：
(1) 并行分布处理适于实时和动态处理
(2) 非线性映射给处理非线性问题带来新的希望
(3) 通过训练进行学习
一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规则难以处理的问题
(4) 适应与集成
神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成和融合，适于复杂，大规模和多变量系统
(5) 硬件实现
一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力的网络。
4-4 简述生物神经元及人工神经网络的结构和主要学习算法。
生物神经元
大多数神经元由一个细胞体(cell body 或soma)和突(process)两部分组成。突分两类，即轴突(axon)和树突(dendrite)，轴突是个突出部分，长度可达1m，把本神经元的输出发送至其它相连接的神经元。树突也是突出部分，但一般较短，且分枝很多，与其它神经元的轴突相连，以接收来自其它神经元的生物信号。
轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其它神经元发送信息。对某些突触的刺激促使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平，它才能开始工作。此时，神经元就产生一个全强度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。
每个人脑大约含有10^11-10^12 个神经元，每一神经元又约有10^3-10^4 个突触。神经元通过突触形成的网络，传递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体，用于实现记忆与思维。
人工神经网络的结构
人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接，存在许多输出连接方法，每种连接方法对应于一个连接权系数。
人工神经网络的结构分为2 类：
(1) 递归(反馈)网络有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield 网络，Elmman 网络和Jordan 网络是代表。
(2) 前馈网络具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通，神经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知器(MLP)，学习矢量量化网络(LVQ)，小脑模型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。
人工神经网络的主要学习算法
(1) 指导式(有师)学习
根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta 规则，广义Delta 规则，反向传播算法及LVQ 算法。
(2)非指导(无导师)学习
训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括Kohonen 算法，Carpenter-Grossberg 自适应谐振理论(ART)
(3)强化学习
是有师学习的一种特例。它不需要老师给出目标输出，而是由一个“评论员”来评介与给定输入相对应的神经网络输出的优度。例如遗传算法(GA)
4-10 什么是模糊集合和隶属函数或隶属度？
论域U
模糊子集F
隶属函数
序偶P119
4-11 模糊集合有哪些运算，满足哪些规律？
并(取max)，交(取min)，补
幂等律，交换律，结合律，分配律，吸收律，同一律，Demorgan 律，复原律，对偶律，互补律不成立
4-12 什么是模糊推理？有哪几种模糊推理方法？
模糊推理是建立在模糊逻辑基础上的，一种不确定性推理方法，是在二值逻辑三段论基础上发展起来的。它以模糊判断为前提，动用模糊语言规则，推导出一个近似的模糊判断结论。
有许多模糊推理方法。在Zadeh 法中，有2 种重要的模糊推理规则：广义取式(肯定前提)假言推理法(GMP)和广义拒式(否定结论)假言推理法(GMT)，分别简称为广义前向推理法和广义后向推理法。
4-13 有哪些模糊蕴含关系？模糊合取，模糊析取，基本蕴涵，命题演算，GMP 推理，GMT 推理
4-14 什么叫模糊判决？有哪几种常用的模糊判决方法？
从推理得到的模糊集合中，取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决。常用的模糊判决方法有：重心法，最大隶属度法，系数加权平均法，隶属度限幅元素平均法
第五章计算智能(2):进化计算人工生命
5-1 什么是进化计算？它包括哪些内容？它们的出发点是什么？
什么是？
进化计算包括遗传算法，进化策略，进化编程和遗传编程。
出发点？
5-2 试述遗传算法的基本原理，并说明遗传算法的求解步骤。
基本原理？
求解步骤：
(1) 随机产生一个由确定长度的特征字符串组成的初始种群体
(2) 对该字符串种群迭代地执行下步的步骤[1]和步骤[2]，直到满足停止准则为止：
[1] 计算种群中每个个体字符中的适应值
[2] 应用复制，交叉和变异等遗传算子产生下一代种群
(3) 把在后代中出现的最好个体字符指定为遗传算法的执行结果，这个结果可以表示问题的一个解。
5-5 进化策略是如何描述的？
最简单的进化策略可描述如下：P137
5-6 简述进化编程的机理和基本过程，并以四状态机为例说明进化编程的表示。
机理？
基本过程？
P139
5-7 遗传算法、进化策略和进化编程的关系如何？有何区别？
关系：它们都是模拟生物界自然进化过程而建立的鲁棒性计算机算法。
区别：
进化策略和进化编程把变异作为主要搜索算子，标准遗传算法中，变异处于次要位置。
交叉在遗传法起着重要作用，而在进化编程中却被完全省去，在进化策略中与自适应结合使用，起了很重要的作用。标准遗传算法和进化编程都强调随机选择机制的重要性，而进化策略的选择是完全确定的。进化策略和进化编程，确定地把某个个体排除在被选择之外，而标准遗传算法都对每个个体指定一个非零的选择概率。
5-8 人工生命是否从1987 年开始研究？为什么？
不是。
1987 年第一次人工生命研讨会上，美国圣塔菲研究所非线性研究组的兰顿正式提出了人工生命的概念，建立起人工生命新学科。
20 世纪，60 年代，罗森布拉特研究感知机，斯塔尔建立细胞活动模型，林登迈耶提出了生长发育中的细胞交互作用数学模型。
70 年代，康拉德等人研究人工仿生系统中的自适应，进化和群体动力学，提出不断完善的“人工世界”模型。细胞自动机被用于图像处理。康韦提出生命的细胞自动机对策论。
80 年代，人工神经网络再度兴起，促进了人工生命的发展。
5-9 什么是人工生命？请按你的理解用自己的语言给人工生命下个定义。
1987 年兰德提出的人工生命定义为：人工生命是研究能够演示出自然生命系统特征行为的人造系统。通过计算机或其它机器对类似生命的行为进行综合研究，以便对传统生物科学起互补作用。
凡是具有自然生命现象和特征的人造系统，都可称为人工生命。
5-10 人工生命要模仿自然生命的特征和现象。自然生命有哪些共同特征？
自然生命的共同特征和现象，包括但不限于：
(1) 自繁殖，自进化，自寻优
(2) 自成长，自学习，自组织
(3) 自稳定，自适应，自协调
(4) 物质构造
(5) 能量转换
(6) 信息处理
5-11 为什么要研究人工生命？
具有重大的科学意义和广泛的应用价值
(1)开发基于人工生命的工程技术新方法，新系统，新产品
(2)为自然生命的研究提供新模型、新工具、新环境
(3)延伸人类寿命，减缓衰老，防治疾病
(4)扩展自然生命，实现人工进化和优生优育
(5)促进生命科学，信息科学，系统科学的交叉发展
5-12 人工生命包括哪些研究内容？其研究方法如何？
研究内容大致分为两类：
（1）构成生物体的内部系统，包括脑，神经系统，内分泌系统，免疫系统，遗传系统，酶系统，代谢系统
（2）生物体及其群体的外部系统，包括环境适应系统和遗传进化系统
研究方法主要可分为两类：
（1）信息模型法，根据内部和外部系统所表现出来的生命行为来建造信息模型
（2）工作原理法：生命行为所显示的自律分散和非线性行为，其工作原理是混沌和分形，以此为基础研究人工生命的机理。
第六章专家系统
6-1 什么叫做专家系统？具有哪些特点和优点？
专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某一个领域或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，一边解决那些需要人类专家处理的复杂问题。
特点：
（1）启发性专家系统能运用专家的知识与经验进行推理、判断和决策
（2）透明性专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。
（3）灵活性专家系统能不断地增长知识，修改原有知识，不断更新
优点
（1）专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作
（2）专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记
（3）可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验
（4）专家系统能够促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力
（5）专家系统能够汇集多领域专家的知识和经验以及他们写作解决重大问题的能力，它拥有更渊博的
知识、更丰富的经验和更强的工作能力
（6）军事专家系统的水平是一个国家国防现代化的重要标志之一
（7）专家系统的研制和应用，具有巨大的经济效益和社会效益
（8）研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。
6-2 专家系统由哪些部分构成？各个部分的的作用为何？
（1）知识库（knowledge base）知识库用于存储某领域的专门知识，包括事实、可行操作与规则等。（2）综合数据库（global database）综合数据库又称全局数据库或总数据库，它用于存储领域或问题的厨师数据和推理过程中得到的中间数据（信息），即被处理对象的一些当前事实。
（3）推理机（reasoning machine）推理机用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据指示进行推理和导出结论，而不是简单地搜索现成的答案。（4）解释器（explanator）解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。
（5）接口（interface）又称界面，他能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。
6-3 建造专家系统的关键步骤是什么？
是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键
（1）设计初始知识库
问题知识化、知识概念化、概念形式化、形式规则化、规则合法化
（2）原型机（prototype）的开发与试验
建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程
（3）知识库的改进与归纳
反复对知识库及推理规则进行改进试验，归纳出更完善的结果
6-4 专家系统程序与一般的问题求解软件程序有何不同？开发专家系统与开发其他软件的任务有何不同？
一般应用程序与专家系统的区别在于：前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解知识单独组成一个实体，即为知识库。知识库的处理时通过与知识库分开的控制策略进行的。更明确地说，一般应用程序把知识组织为两级：数据级和程序级；大多数专家系统则将知识组织成三级：数据、知识库和控制。
在数据级上，是已经解决了的特定问题的说明性知识以及需要求解问题的有关事件的当前状态、
在知识库级是专家系统的专门知识与经验。是否拥有大量知识是专家系统成功与否的关键，因而知识表示就成为设计专家系统的关键。
在控制程序级，根据既定的控制策略和所求解问题的性质来决定应用知识库中的哪些知识。
6-5 基于规则的专家系统是如何工作的？其结构为何？
第三章搜索推理技术 3-1什么是图搜索过程?其中，重排OPEN表意味着什么，重排的原则是什么? 图搜索的一般过程如下： (1) 建立一个搜索图G(初始只含有起始节点S)，把S放到未扩展节点表中（OPEN表）中。 (2) 建立一个已扩展节点表（CLOSED表），其初始为空表。 (3) LOOP：若OPEN表是空表，则失败退出。 (4) 选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSED表中。称此节点为节 点n，它是CLOSED表中节点的编号 (5) 若n为一目标节点，则有解并成功退出。此解是追踪图G中沿着指针从n到S这条路径 而得到的(指针将在第7步中设置) (6) 扩展节点n，生成不是n的祖先的那些后继节点的集合M。将M添入图G中。 (7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一 个通向n的指针，并将它们加进OPEN表。 对已经在OPEN或CLOSED表上的每个M成员，确定是否需要更改通到n的指针方向。 对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。 (8) 按某一任意方式或按某个探试值，重排OPEN表。 (9) GO LOOP。 重排OPEN表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。 重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能达到目标节点的那些节点排在OPEN表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排OPEN表。 3-2 试举例比较各种搜索方法的效率。
毕业设计 设计（论文）题目：人工智能在物联网中的应用 专业班级：物联网141 学生姓名：周钟婷 指导教师：李生好 设计时间：2017.5.8——2017.6.9 重庆工程职业技术学院
重庆工程职业技术学院毕业设计（论文）任务书 任务下达日期：2017.5.8 设计（论文）题目：人工智能在物联网中的应用 设计（论文）主要内容和要求： 1.显示器件：引领TFT-LCD技术的创新和发展，致力于加快AMOLED、柔性显示、增强 现实、虚拟现实等新型显示器件及薄膜传感器件的进步。 2.智慧系统：以“物联网和人工智能”为主要方向，以用户为中心，基于在显示、人 工智能和传感技术优势，发展智能制造、智慧屏联、智慧车联、智慧能源四大物联网解决方案。 3.智慧健康服务：将显示技术、信息技术与医学、生命科技跨界结合，发展信息医学， 提供物联网智慧健康产品及服务。 教学团队主任签字：指导教师签字： 年月日年月日
重庆工程职业技术学院毕业设计（论文）指导教师评语评语： 成绩： 指导教师签名： 年月日
重庆工程职业技术学院毕业设计（论文）答辩记录
目录 摘要................................................... (1) 第一章目前人工智能技术的研究和发展状况......... . (2) 第二章显示器件事业技术应用 (2) 第三章智慧系统事业技术应用 (2) 3.1智能制造 (2) 3.2智慧屏联 (2) 3.3智慧能源 (2) 3.4智慧车联 (3) 第四章智慧健康服务事业技术应用.................... .. (3) 第五章目前人工智能发展中所面临的难题.......... . (3) 5.1计算机博弈的困难................... .. (3) 5.2机器翻译所面临的问题................... . (4) 5.3自动定理证明和GPS的局限.......... (4) 5.4模式识别的困惑 (5) 第六章人工智能的发展前景 (5) 6.1人工智能的发展趋势 (5) 6.2人工智能的发展潜力大 (5) 结束语 (6) 参考文献 (6)
《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (3) 实验二模糊推理系统实验 (5) 实验三A*算法实验I (9) 实验四A*算法实验II (12) 实验五遗传算法实验I (14) 实验六遗传算法实验II (18) 实验七基于神经网络的模式识别实验 (20) 实验八基于神经网络的优化计算实验 (24)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验内容学 时 类型教学 要求 1产生式系统应用VC++设计知识库，实现系统识别或 分类等。 2设计课内 2模糊推理系统应用Matlab1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2验证课内 3A*算法应用I VC++设计与实现求解N数码问题的 A*算法。 2综合课内4A*算法应用II VC++设计与实现求解迷宫问题的A* 算法。 2综合课内5遗传算法应用I Matlab1）求某一函数的最小值； 2）求某一函数的最大值。 2验证课内6遗传算法应用II VC++设计与实现求解不同城市规模 的TSP问题的遗传算法。 2综合课内 7基于神经网络的模式识别Matlab1）基于BP神经网络的数字识 别设计； 2）基于离散Hopfiel神经网络 的联想记忆设计。 2验证课内 8基于神经网络的 优化计算 VC++设计与实现求解TSP问题的连2综合课内 四、实验成绩评定 实验课成绩单独按五分制评定。凡实验成绩不及格者，该门课程就不及格。学生的实验成绩应以平时考查为主，一般应占课程总成绩的50%，其平时成绩又要以实验实际操作的优劣作为主要考核依据。对于实验课成绩，无论采取何种方式进行考核，都必须按实验课的目的要求，以实际实验工作能力的强弱作为评定成绩的主要依据。
人工智能发展综述 摘要:概要的阐述下人工智能的概念、发展历史、当前研究热点和实际应用以及未来的发展趋势。 关键词:人工智能; 前景; 发展综述 人工智能(Artificial Intelligence)自1956 年正式问世以来的五十年间已经取得了长足的进展,由于其应用的极其广泛性及存在的巨大研究开发潜力, 吸引了越来越多的科技工作者投入人工智能的研究中去。尤其是八十年代以来出现了世界范围的开发新技术的高潮，许多发达国家的高科技计划的重要内容是计算机技术,而尤以人工智能为其基本重要组成部分。人工智能成为国际公认的当代高技术的核心部分之一。 1什么是人工智能 美国斯坦福大学人工智能研究中心尼尔逊教授给人工智能下了这样一个定义:人工智能是关于知识的学科, 是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能所实现的功能来定义是智能机器所执行的通常与人类智能有关的功能,如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和基本内容, 即人工智能是研究人类智能活动的规律。若是从实用观点来看,人工智能是一门知识工程学:以知识为对象,研究知识的获取、知识的表示方法和知识的使用。 从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能更灵活方效地为人类服务。只要电脑能够表现出与人类相似的智能行为,就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。 2 人工智能历史 当然，人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几
人工智能及其应用总结 1、感知能力、 2、记忆与思维能、 3、学习能力、 4、行为能力（表达能力）人工智能的研究内容：知识表示、机器感知、机器思维、机器学习、机器行为人工智能的研究目标：近期目标：使现有的电子数字计算机更聪明、更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。建造智能机器人代替人类的部分智力劳动。远期目标：用自动机模仿人类的思维过程和智能行为。最终目标：机器智能实现生物智能的各项功能。智能行为：感知、推理、学习、通信和复杂环境下的动作行为知识发现的处理过程：数据挖掘、数据选择、知识评价人工智能的主要学派：符号主义、连接主义和行为主义人工智能的研究途径：心理模拟、生理模拟和行为模拟人工智能的应用领域：智能控制、智能管理、智能决策、智能仿真。人工智能的基本技术：表示、运算、搜索归纳技术、联想技术人工智能（机器智能）、学科和能力：（书）所谓人工智能就是用人工的方法在机器(计算机)上实现的智能，或者说是人们使机器具有类似于人的智能。从学科角度来看：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能。对认知
行为进行研究：心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，与此相应的是计算机程序、语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。人工智能新的研究热点：新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现 (超市市场商品数据分析)，人工生命第二章：知识表示方法知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示的要求：表示能力、可利用性、可实现性、可组织性、可维护性、自然性、可理解性状态空间法的三要素：状态、算符、状态空间方法问题求解技术：问题的表示和求解的方法二种不确定性：关于证据的不确定性和关于结论的不确定性原子公式：由若干谓词符号和项组成问题的状态空间包含三种说明的集合：初始状态集合S、操作符集合以及目标状态集合“我听音乐或者绘画”的谓词表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子变换成子句形式：(x)｛P(x)→P(x)｝ (ANY x) { P(x)P(x) } (ANY x) {~P(x)
人工智能在军事领域的发展现状及应用前景 知远战略与防务研究所/威远编译自：俄罗斯外交和国 防政策委员会网站[知远导读]本文主要介绍了当今世界及 俄罗斯本国人工智能技术发展的现状以及未来该技术在军 事领域的应用前景.文章还重点分析了人工智能技术实现的 可能途径以及人工智能技术对人类战争活动的可能影响。文 章编译如下：目前.关于人工智能的说法和文章很多.这让人觉得.人工智能早已研究成熟且无处不在。事实上并未如此。 虽然自动化早已成为生产和指挥过程的一部分.而且计算机 已经学会语音和脸部识别.操控汽车和分析大量数据。图像 识别或者自动翻译属于利用人工智能方法并在完成类似任 务时选择存储结果的机器学习技术。人工智能目前还未实现.还需要进行研究.它的应用领域确实非常广泛。国防领域也 在其中。发展人工智能成为了保障国家安全的任务。美国和 中国希望在人工智能研究中占据领先地位并率先将其运用 到网络武器和既可用于监视敌人.也可用于袭击敌人的自主 式武器的研制当中。美国国防部在2017年开始抓紧落实所 谓的“第三次抵消战略”.该文件中提出的主要目标是“必 须集中力量进行创新.旨在通过创新发展美国近年来与对手 和敌人已经接近的关键能力.保持并恢复传统遏制力”.这 里说的对手和敌人指的也就是俄罗斯和中国。实际上.世界
上已经开始了创新武器竞赛.全部主要大国都将卷入其中。 此外.西方已经被普京总统2017年9月1日在雅罗斯拉夫尔公开讲话中提到的内容所震撼：“人工智能不仅仅是俄罗斯 的未来.也是全人类的未来。这包含着巨大的机遇和当今难 以预测的威胁。谁能成为该领域的领导者.谁就将主宰世界”。著名商人伊隆·马斯克称.人工智能最终将消灭人类。因此.他和另外116名专家、学者、新技术领域公司代表向 联合国发出请求书.呼吁禁止研制任何类型使用人工智能技 术的武器和自主技术装备。部分商业人士和学者强调.运用自主技术相当于继火药和核武器出现之后.战争中出现的第三次革命.毫无疑问.他们说的没错。但显而易见.联合国开始的关于禁止此类武器公约的讨论不是为了别的什么目的.而是美国及其盟友以讨论普世价值为掩护.阻止其地缘政治对手.首先是俄罗斯和中国研制人工智能武器。然而.履带式装甲车和打击无人机并非战略武器.而是战术武器。这些武 器对人类不构成任何威胁。“杀手机器人”的形象被好莱坞 复制了无数遍.但现实中的战斗系统未必与之有什么共同点。为了弄清楚.所谓的战斗机器人会不会对人类构成威胁.首先必须弄清.什么是人工智能.它与机器智能.超级计算机的深度学习有什么不同.还有最主要的是人工智能在军事领域 的地位和运用范围。国家安全领域人工智能的任务在可预见 的未来.新的世界技术竞赛将导致最新的技术革命延伸至军
第二章知识表示方法 2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点? 答：状态空间法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。一般用状态空间法来表示下述方法：从某个初始状态开始，每次加一个操作符，递增的建立起操作符的试验序列，直到达到目标状态为止。 问题规约法：已知问题的描述，通过一系列变换把此问题最终变成一个子问题集合：这些子问题的解可以直接得到，从而解决了初始问题。问题规约的实质：从目标（要解决的问题）出发逆向推理，建立子问题以及子问题的子问题，直至最后把出示问题规约为一个平凡的本原问题集合。 谓词逻辑法：采用谓词合式公式和一阶谓词算法。要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演莱证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。 语义网络法：是一种结构化表示方法，它由节点和弧线或链组成。节点用于表示物体、概念和状态，弧线用于表示节点间的关系。语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。语义网络可用于表示多元关系，扩展后可以表示更复杂的问题 2-2 设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。他们怎样才能用这条船安全地把所有人都渡过河去? 用S i(nC, nY) 表示第i次渡河后，河对岸的状态，nC表示传教士的数目，nY表示野人的数目，由于总人数的确定的，河对岸的状态确定了，河这边的状态也即确定了。考虑到题目的限制条件，要同时保证，河两岸的传教士数目不少于野人数目，故在整个渡河的过程中，允许出现的状态为以下3种情况： 1. nC=0 2. nC=3 3. nC=nY>=0 (当nC不等于0或3) 用d i(dC, dY)表示渡河过程中，对岸状态的变化，dC表示，第i次渡河后，对岸传教士数目的变化，dY表示，第i次渡河后，对岸野人数目的变化。当i为偶数时，dC,dY同时为非负数，表示船驶向对岸，i为奇数时，dC, dY同时为非正数，表示船驶回岸边。
2019.01科技论坛 浅谈人工智能技术及其应用发展 李思睿 (绵阳南山中学，四川绵阳，6n o o o) 摘要：本文就人工智能的定义以及其主要的相关技术题型进行阐述，并且探讨了人工智能技术所应用的一些热门领域。 人工智能技术目前作为一门交叉性的学科，未来其发展趋势会在很大程度上影响和改变我们的生活。 关键词：物联网；计算机技术；人工智能 Talking about Artificial Intelligence Technology and Its Application Development Li Sirui (Mianyang Nanshan Middle School,Mianyang Sichuan,621000) Abstract:In this paper,the definition of artificial intelligence and its main related technical topics are described,and some hot areas of application of artificial intelligence technology are discussed.Artificial intelligence technology is currently an interdisciplinary subject,and its future development trend will affect and change our lives to a large extent. K e y w o r d s:Internet of Things;Computer Technology;Artificial Intelligence 〇引言 AI(人工智能技术)其本质是模拟人类意识和思维信息 的过程，通过机器实现,模拟人类感知、识别、和决策功能的 技术。在大数据挖掘,云计算以及深度学习等理论支持下，人 工智能呈现出跨界融合、人机协同、自主操纵等特征。目前，人工智能技术广泛地应用于自动驾驶、智能家居、智慧医疗、图像识别、语音助手等领域。 1人工智能的相关技术 人工智能的应用领域包括问题求解、自然语言处理、人 工智能方法和程序语言等等，这些应用领域已经适用到了很 多行业，进而推动了社会科学的总体发展。对于人工智能技 术的实现技术体系而言，主要涉及以下四个方面：机器学习、自然语言处理技术、图像处理技术、人机交互技术。在机器学 习上，机器学习的能力是人工智能技术最为凸显的一种表现 手段，与此同时人工智能也在此技术上有了很多改变。自然 语言处理是融合了计算机科学、语言学和人工智能于一体的 交叉研宄方向，它的目的是“让计算机理解自然语言”,更高 效的完成工作任务。图像处理技术是将图像处理技术与人工 智能相结合的方法，在原有自动识别的基础上，我们提出一 种基于专家系统的知识识别方法。人机交互技术使用户与计 算机系统通过可以通过人机交互界面进行交流。机器显示大 量提示与请求，用户通过输入设备给计算机提供有关信息，从而达成人机互动。其知识结构体系如表1所示。 表1人工智能主要技术体系 技术体系技术方法 机器学习监督学习（监督分类学习，回归飞行系），无监 督学习，强化学习 图像处理技术遗传算法，图像降维，图像识别，图像分割，特 征提取 人机交互技术UI 设计、可视化技术、GIS跟踪技术、动作识人 机界面技术，语音识别技术 自然语言处理语音识别，语句分析，文本转化 1.1机器学习 机器学习指的是计算机通过分析、学习、归纳大量数据, 达到拥有能够自主做出最佳判断与决策的能力，简单的说, 机器学习是一种A I技术在不同应用场景下时‘命令行”语句 或者方法。机器学习主要内容包涵有深度学习、深度人工神经 网络、决策树、增强算法等。机器学习对于人工智能技术十分重 要，而算法的发展也对人工智能技术的发展起到了作用。 1.2自然语言舰 自然语言处理技术包含两个方面，一是将人类语言转化 为计算机可以处理的形式，二是将计算机数据转为人类语言 的自然形式，以此达到计算机能够理解人类语言的目的。目前，市面上已有应用该技术的产品，例如Apple的siri、微软 的C o r t m a,这些产品能够协助人们完成许多任务，其核心技 术不仅包括自然语言技术，也包含了深度学习。自然语言处 理综合了语言学、计算机科学、数学等学科，该技术内又包含 了信息检索、信息抽取、词性标注、语法分析、语音识别、语法 解析、语种互译等技术。 1.3图像顺支术 图像是人类获取信息的主要途径，人工智能技术要实现 模拟人类分析问题、解决问题的功能,图像处理技术不可缺 少。图像处理技术使计算机拥有视觉，可以处理、分析图片或 多维的数据。在大数据时代，如何对海量图像数据进行信息 iliiia m
《人工智能及其应用》实验指导书
《人工智能及其应用》 实验指导书 浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (6) 实验三 A*算法实验I (11) 实验四 A*算法实验II (14) 实验五遗传算法实验I (16) 实验六遗传算法实验II (21) 实验七基于神经网络的模式识别实验 (24) 实验八基于神经网络的优化计算实验 (28)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台 实验内容学 时 类型教学 要求 1 产生式系统应 用VC++ 设计知识库，实现系统识 别或分类等。 2 设计课内 2 模糊推理系统 应用Matlab 1）设计洗衣机的模糊控制 器； 2）设计两车追赶的模糊控 制器。 2 验证课内 3 A*算法应用I VC++ 设计与实现求解N数码问 题的A*算法。 2 综合课内4 A*算法应用II VC++ 设计与实现求解迷宫问题 的A*算法。 2 综合课内 5 遗传算法应用 I Matlab 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课内 6 遗传算法应用 II VC++ 设计与实现求解不同城市 规模的TSP问题的遗传算 法。 2 综合课内 7 基于神经网络 的模式识别Matlab 1）基于BP神经网络的数 字识别设计； 2）基于离散Hopfiel神经 网络的联想记忆设计。 2 验证课内 8 基于神经网络 的优化计算VC++ 设计与实现求解TSP问题 的连续Hopfield神经网 络。 2 综合课内 四、实验成绩评定
《人工智能及其应用》 实验指导书
浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (7)
实验三A*算法实验I (13) 实验四A*算法实验II (17) 实验五遗传算法实验I (19) 实验六遗传算法实验II (26) 实验七基于神经网络的模式识别实验 (29) 实验八基于神经网络的优化计算实验 (35)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验内容学 时 类型教学 要求 1 产生式系统应用VC++ 设计知识库，实现系统识别或 分类等。 2 设计课内 2 模糊推理系统应 用Matla b 1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2 验证课内 3 A*算法应用I VC++ 设计与实现求解N数码问题的 A*算法。 2 综合课内 4 A*算法应用II VC++ 设计与实现求解迷宫问题的A* 算法。 2 综合课内 5 遗传算法应用I Matla b 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课内 6 遗传算法应用II VC++ 设计与实现求解不同城市规模 的TSP问题的遗传算法。 2 综合课内7 基于神经网络的Matla1）基于BP神经网络的数字识 2 验证课内
人工智能论文 班级物联网1302 学号3130611040 姓名王月玥
人工智能的现状及今后发展趋势 摘要：介绍了人工智能的概念及其目前发展概况,对人工智能的几种类型及应用，如：模式识别、专家系统作了简要的介绍。并对人工智能今后的发展前景进行了分析。 关键词：人工智能 1.引言 人工智能(ArtificialIntelligence) ,英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。 2.目前人工智能技术的研究和发展状况 目前，人工智能技术在美国、欧洲和日本依然飞速发展。在AI技术领域十分活跃的IBM 公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之一的智力能力，而正在开发的更为强大的新超级电脑——“蓝色牛仔”（Blue Jean），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。 3.技术应用 随着AI的技术的发展，现代几乎各种技术的发展都涉及到了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括： 3.1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; 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。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Mathematic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。 3.2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”。论文参考网。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关键的突破口，也为人类认识自身智能提供线索。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“语音识别”为例：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。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。 3.3机器翻译 机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。 3.4机器学习 机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。有人认为，一个计算机系统如果不具备学习功能，就不能称其为智能系统。机器学习主要研究如何使计算机能够模拟或实现人类的学习功能。机器学习是一个难度较大的研究领域，它与认知科学、
一) 单选题，每题 2 分，共 20 题。 1. 下列有关人工智能的说法中，不正确的是（B）。 (A) 人工智能是以机器为载体的智能 (B) 人工智能是以人为载体的智能 (C) 人工智能是相对于动物的智能 (D) 人工智能也叫机器智能 2. 以下属于素养性知识的是（A）。 (A) 为人处事方面的知识 (B) 行业性知识 (C) 分析性知识 (D) 创造性知识 3. 本课程提到，人工智能皇冠上的明珠是（D）。 (A) 数据智能 (B) 读写智能 (C) 逻辑智能 (D) 语言智能 4. 根据本课程，以下哪项不属于情感分析四维模型的内容（D）。 (A) 读音知情 (B) 读脸知情 (C) 读搏知情
(D) 读书知情 5. 人工神经网络发展的第一次高潮是（C）。 (A) 1986年启动“863计划” (B) 1977年，吴文俊创立吴方法 (C) 1957年，罗森布拉特提出感知机神经元关系 (D) 1985-1986年提出误差反向传播算法 6. 人工智能在围棋方面的应用之一是AlphaGo通过（A）获得“棋感”。 (A) 视觉感知 (B) 扩大存储空间 (C) 听觉感知 (D) 提高运算速度 7. 以下哪项不属于教育信息化的三个阶段（A）。 (A) 教育创新化 (B) 教育技术化 (C) 教育智能化 (D) 教育智慧化 8. 以下不属于人工智能对当前经济社会冲击最大的四个领域的是（C）。 (A) 制造 (B) 教育
(C) 艺术 (D) 金融 9. 2013年，麻省理工学院的基础评论把（D）列为第一大技术突破。 (A) 机器学习 (B) 人工智能 (C) 智能围棋 (D) 深度学习 10. 根据本课程，过去生产一台哈雷机车需要21天，但在工业4.0时代，只需要（D）就可以把私人定制的摩托车交给客户，极大提高了生产效率，同时满足用户的个性化需求。 (A) 2天 (B) 24小时 (C) 12小时 (D) 6小时 11. 根据本课程，根据相关机构数据分析，中国制造业总体成本与美国相比（C） (A) 远远低于美国 (B) 远远高于美国 (C) 已经几乎相等同 (D) 无法判断
国外人工智能发展及应用 提起人工智能首先要从程序AlphaGo说起。在以5:0大胜欧洲围棋冠军樊麾之后，AlphaGo又在3月以4:1的比分战胜世界围棋顶级高手李世石，引起了举世瞩目的轰动，也成为了人工智能领域的一个里程碑事件。至此，人工智能已经在完全信息的棋类对战游戏中全面战胜人类对手。实际上，AlphaGo之所以能够取得如此大的胜利，是由多方面的技术进步共同作用，使得人工智能技术临近引爆点。 AlphaGo在赛前不仅掌握了3000万步大师秘笈，还进行了3000万局的自我对弈，积累了丰富的经验。其次是计算能力大幅度提升。一方面，AlphaGo采用了1920个CPU外加280个GPU，其理论计算能力达到2332TFLOPS，约相当于深蓝的21万倍，神经元的2500亿倍。另一方面，云计算的发展也将这些计算能力完美地结合起来，使得这些CPU、GPU能够高度协同工作。第三是人工智能算法的进步。经历了十多年的发展，蒙特卡洛搜索、深度学习、强化学习等算法日臻成熟，而AlphaGo的快速走子策略也使得他能够在短时间内作出落子决策，达到实战的时间要求。不仅如此，从近几年Gartner的发布的技术成熟度曲线来看，生物芯片、微数据中心、智能机器人、自然语言问答、虚拟现实、增强现实、自动驾驶等都将会在5~10年内达到生产力平稳期，而同声传译、机器学习、自动区域驾驶等技术所需时间仅为2~5年。 为抓住难得的发展机遇，发达国家纷纷加快人工智能技术创新与战略布局，将人工智能做为提升国家竞争力的重要战略取向和重要抓手，力图占领产业发展新的制高点，这也使得人工智能成为了各国综合竞争力角逐的主战场。美国对人工智能尤其重视。DARPA秉持"保持美国技术的领先地位、纺织潜在对手意想不到的超越"的宗旨，自2010年开始长期扶持人工智能在军事、医疗、航空航天等各领域应用，2015年的DARPA未来技术论坛更是直接将"太空机器人、自主人工智能到地外生命及神经科学"列为讨论主题。2013年4月发布了总统项目"推进创新神经技术脑研究计划"。2015年发布的"美国国家创新战略"将与人工智能息息相关的9大领域作为优先发展的对象加以主动支撑，包括精密医疗、卫生保健、大脑计划、先进汽车、智慧城市、清洁能源与节能技术、教育技术、太空探索和高性能计算等。美国智库战略与国际研究中心(CSIS)在去年发布的《国防2045：
. 人工智能在教育领域的应用（含答案） 一、单选题（共4题，每题5 分） 1、人工智能在技术发展中的三个阶段包括（） ①计算智能 ②感知智能 ③认知智能 ④应用智能 A ①②③ 2、我们目前处于人工智能的第几次浪潮（） A. 第一次浪潮 B. 第二次浪潮 C. 第三次浪潮 D. 第四次浪潮 3、人工智能在教育体系中带来的创新性变革不包括（） B ①③④ C ②③④ D ①②④ A.个性化学习 B. 科学监管 C. 精准教学 D.科学化就业指导 4、AI+教育的个性化教学离不开老师和（）的共同努力。 A.学生 B.家长 C.学校 D.社会 二、多选题（共5题，每题6 分） 5、人工智能和教育应用结合会有哪些优点（） A．为数据采集提供手段，支持从数字化到数据化。 B. 为教师减负增效，减少教师简单重复工作时间。 C. 学生行为个性化分析，以学定教，提升学习效率。 D. 为管理提供大数据决策，为科学治理提供支撑。 6、智能感知交互包括哪些技术（） A、语音合成技术 B、语音识别技术 C、图像绘制技术 D、图像识别技术 7、智慧课堂产品为学生预制了哪些资源（） A. 智能划词搜索 B.智能口语评测 C.智能教学工具 D.化学实验微观可视 8、当前教学中存在的问题（） A、如何开展因材施教 B、如何解决课业负担过重 C、如何提高教学的效果 D、如何实现科学管理 9、AI+教育具有哪些优势（） A、学习一流教育经验并持续迭代优化 B、提升师生为中心的个性化服务能力 C、智能辅 助和人机协同优化教育治理D、迎合教育与时代发展前景 三、填空题（共6题，每题5 分） 10、人工智能是研究、开发用于模拟、延伸和人的智能的理论、方法、技术及应用系统的一门新的技术科学。 11.人工智能是有关“智能主体”的研究与设计的学问，而“智能主体”是指一个可以 并做出行动以达至目标的系统。 12、考试大数据的采集包括网阅和______。 13、教育改革，贯穿了人类文明的的发展史。而重大变革。的到来，正在推动教育形态发生新的
人工智能的应用领域和发展方向前言 人工智能是一门极富挑战性的科学，但也是一门边沿学科。它属于自然科学和社会科学的交叉。涉及的学科主要有哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等。 人工智能(Artificial Intelligence) ，英文缩写为AI。。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。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，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。 人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了"人工智能"(Artificial Intelligence，AI)这个术语，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的"深蓝"在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。 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。不久前，著名导演斯蒂文·斯皮尔伯格还将这一主题搬上了银幕，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。 在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。目前，人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患也在多部电影中发生过。 正文 一有关人工智能 人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。
《人工智能及其应用》 教学讲义 第一章人工智能概论
第一章人工智能概论 一、人工智能的基本概念 人工智能（Artificial Intelligence，简称AI）这一术语是1956年在美国的Dartmouth大学召开的世界第一次AI会议上由麻省理工学院的青年数学教师John McCarthy提议而使用的。AI这一学科至今已有50多年的历史，在国际上已确认AI是当代高科技的核心之一。 AI是一个广义词，各有说法，很难给出准确的定义或一般性的定义。其基本含义是： AI是用机器（计算机或智能机）来模仿人类的智能行为。 AI也叫机器智能，是研究如何使机器具有认识问题与解决问题的能力，研究如何使机器具有感知功能（如视、听、嗅）、思维功能（如分析、综合、计算、推理、联想、判断、规划、决策）、行为功能（如说、写、画）及学习、记忆等功能。 所以，如果一个计算机系统具有某种学习能力，能够对有关问题给出正确的答案，而使用的方法与人类相似，还能解释系统的智能活动，那么，这种计算机系统便认为具有某种智能。 人工智能用计算机技术的概念和方法对智能进行研究，因此，它从根本上提供了一个全新的理论基础。作为一门学科，人工智能的目的是了解使智能得以实现的原理；作为一门技术，它的最终目的是设计出完全与人类智能相媲美的智能计算机系统。 到目前为止，计算机作为一种最有效的信息处理工具，人们已片刻离不开它。但是，与人脑相比，计算机的智能在许多方面还不及婴幼儿。如果计算机具有一定的智能，能够模拟人类的智能活动，成为人脑的延伸，那么计算机对人类的贡献和作用将产生不可估量的影响，人类将步入智能机器人的时代。 尽管科学家们尚未达到这个目的，但在使计算机更加智能化方面已经取得了很大的进展，许多AI 计算机系统在不少领域实际上已超出了高水平的人类技艺，如计算机可以下出极高水平的象棋，用来诊断某种疾病，用来发现数学概念。 AI是使技术适应于人类的钥匙，是自动化技术向智能技术方向发展的关键，也是揭示人类智能和人脑奥秘的有力工具。 二、人工智能的研究内容 要了解人工智能的研究内容，必须先搞清楚什么是人类的智能。“智能”词源来自拉丁语Legere，字面意思是采集、收集和汇集，并由此进行选择。而Intellegere意思是从中进行选择，进而理解、领悟和认识。 因此，人工智能的研究内容应包括三个方面： 1．知识表达(Knowledge Representation)： ——研究如何在机器中表示知识，使知识形式化、模型化，用以建立合适的符号逻辑系统。 2．知识获取(Knowledge Acquisition)： ——研究机器如何从各种知识源获取知识。 3．知识处理(Knowledge Inference)或问题求解(Peoblem Solving)： ——运用存贮于机器中的知识进行相应知识处理，并推出结论。
人工智能的现状及今后发展趋势展望 一．引言 人工智能 (Artificial Intelligence), 英文缩写为 AI ，也称机器智能。“人工智能” 一词最初是在 1956 年的 Dartmouth 学会上提出的。它是计算机科学、控制论、信 息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性 学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能 系统来模拟人类智能活动的能力，以延伸人们智能的科学。 二．目前人工智能技术的研究和发展状况 目前，人工智能技术在美国、欧洲和日本依然飞速发展。在 AI 技术领域十分活跃的 IBM 公司，已经为加州劳伦斯·利佛摩尔国家实验室制造了 ASCI White 电脑，号称具有人脑的千分之一的智力能力。而正在开发的更为强大的 新超级电脑———“蓝色牛仔”（ Blue Jean ），据其研究主任保罗·霍恩称，“蓝色牛仔”的智力水平将大致与人脑相当。 三．技术应用 随着 AI 技术的发展，现代几乎各种技术的发展都涉及到了人工智能技术， 可以说人工智能已经广泛应用到许多领域，其典型的应用包括： 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 ; 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。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 Mathematic 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。 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”。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关键的突破口，也为人类认识自身智能提供线索。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