班 级 物联网1302
学 号 3130611040
姓 名 王月玥 广告销售老鸟成长记
人工智能的现状及今后开展趋势
摘要：介绍了人工智能的概念及其目前开展概况,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开展前景进展了分析。
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开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开展状况
目前，人工智能技术在美国、欧洲和日本依然飞速开展。在AI技术领域十分活泼的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—— “蓝牛仔〞〔Blue Jean〕，据其研究主任保罗·霍恩称， “蓝牛仔〞的智力水平将大致与人脑相当。
3.技术应用
随着AI的技术的开展，现代几乎各种技术的开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：
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开展,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。
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、购置机票、在餐馆对话和兑换外币时，只要利用 网络和国际互联网，就可用手机、 等与“老外〞通话。
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、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。
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、神经心理学、逻辑学等学科都有着密切的联系，并对人工智能的其他分支，如专家系统、自然语言理解、自动推理、智能机器人、计算机视觉、计算机听觉等方面，也会起到重要的推动作用。
人工智能的第一大成就是下棋程序,在下棋程度中应用的某些技术,今天的计算机程序已能够到达下各种方盘棋和国际象棋的锦标赛水平。但是,尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念,在人工智能中叫问题表示的选择,人们常能到某种思考问题的方法,从而使求解变易而解决
该问题。到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间,寻较优解答。
逻辑推理是人工智能研究中最持久的领域之一,其中特别重要的是要到一些方法,只把注意力集中在一个大型的数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。医疗诊断和信息检索都可以和定理证明问题一样加以形式化。因此,在人工智能方法的研究中定理证明是一个极其重要的论题。
自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰辛努力,这一领域已获得了大量令人注目的成果。目前该领域的主要课题是:计算机系统如何以主题和对话情境为根底,注重大量的常识——世界知识和期望作用,生成和理解自然语言。这是一个极其复杂的编码和解码问题。
分布式人工智能在20世纪70年代后期出现，是人工智能研究的一个重要分支。分布式人工智能系统一般由多个Agent〔智能体〕组成，每一个Agent又是一个半自治系统，Agent之间以及Agent与环境之间进展并发活动，并通过交互来完成问题求解。
计算机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科。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，这种能力不仅包括对三维环境中物体形状、位置、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。
目前，计算机视觉已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别、染体识字符识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像准确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等。
信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。
专家系统是目前人工智能中最活泼、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经历的程序系统。近年来,在“专家系统〞或“知识工程〞的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能到达优异的解决问题的能力。那么计算机程序如果能表达和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的过失,现在这一点已被证实。如在矿物勘测
、化学分析、规划和医学诊断方面,专家系统已经到达了人类专家的水平。
4.人工智能研究展望
人民的期盼
人工智能的近期研究目标在于建造智能计算机，用以代替人类从事脑力劳动，即使现有的计算机更聪明更有用。正是根据这一近期研究目标，我们才把人工智能理解为计算机科学的一个分支。人工智能还有它的远期研究目标，即探究人类智能和机器智能的根本原理，研究用自动机(automata)模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。 人工智能研究尚存在不少问题，这主要表现在以下几个方面：
〔1〕宏观与微观隔离
一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象；另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远，中间还有许多层次未予研究，无法把宏观与微观有机地结合起来和相互渗透。
〔2〕全局与局部割裂
人类智能是脑系统的整体效应，有着丰富的层次和多个侧面。但是，符号主义只抓住人脑的抽象思维特性；连接主义只模仿人的形象思维特性；行为主义那么着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。必须从多层次、多因素、多维和全局观点来研究智能，才能克制上述局限性。
〔3〕理论和实际脱节
大脑的实际工作，在宏观上我们道得不少；但是智能的千姿百态，变幻莫测，复杂得难以理出清晰的头绪。在微观上，我们对大脑的工作机制却知之甚少，似是而非，使我们难以出规律。在这种背景下提出的各种人工智能理论，只是局部人的主观猜测，能在某些方面表现出〞智能〞就算相当成功了。
上述存在问题和其它问题说明，人脑的构造和功能要比人们想象的复杂得多，人工智能研究面临的困难要比我们估计的重大得多，人工智能研究的任务要比我们讨论过的艰巨得多。同时也说明，要从根本上了解人脑的构造和功能，解决面临的难题，完成人工智能的研究任务，需要寻和建立更新的人工智能框架和理论体系，打下人工智能进一步开展的理论根底。
第一口奶事件我们至少需要经过几代人的持续奋斗，进展多学科联合协作研究，才可能根本上解开〞智能〞之谜，使人工智能理论到达一个更高的水平。
5.完毕语
人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的开展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的开展将会给人们的生活、工作和教育等带来更大的影响。
参考文献
[1]吴康迪1智能体技术—人工智能的新飞跃[J]1科学对社会的影响,2000 , (1)
[2]王文杰.人工智能原理与应用[M].北京:人民邮电出版社,2004
[3]王万良.人工智能及其应用[M].北京:高等教育出版社,2005
[4]蔡自兴.人工智能根底[M].北京:清华大学出版社,1996
[5]张仰森.人工智能原理与应用[M].北京:高等教育出版社,2004
[6]李陶深.人工智能[M].重庆:重庆大学出版社,2002
[7 ]林尧瑞,马少平. 人工智能导论[M] . 北京:清华大学出版社,2001
[ 8] :öö202. 120. 159. 3öthesis [EBöOL ]. 人工智能研究的历史回忆, 2002
[9]孙珩著. 浅谈人工智能的开展趋势[ J ]. IT 与网络, 2002,(6)
【本文档内容可以自由复制内容或自由编辑修改内容期待你的好评和关注，我们将会做得更好】
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议