人工智能课件(PPT 85页)35423

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,人工智能,课程名称：,人工智能,学时：,12336,授课对象:,硕士研究生,学习方法：,授课与自学相结合,考核：,平时50% 考查50%,平时作业：,Email,或磁盘上交电子文档,联系,Email：,syzheng,联系人：,郑顺义,人工智能,课程的特点：,理论性、抽象性比较强,参考书：,人工智能原理 朱福喜等 武汉大学出版社 2002年,人工智能原理与应用 张仰森 高等教育出版社 2004年,人工智能教程 王士同 电子工业出版社 2001年,人工智能原理与应用 王文杰等 人民邮电出版社 2004年,。,第一章 概述,1.1,什么是人工智能？,人类的自然智能伴随着人类活动无时不在、无处不在。人类的许多活动，如解题、下棋、猜谜、写作、编制计划和编程，甚至驾车骑车等，都需要智能。如果机器能够完成这些任务的一部分，那么就可以认为机器已经具有某种程度的“人工智能”。,什么是人工智能？,从思维基础上讲，它是人们长期以来探索研制能够进行计算、推理和其它思维活动的智能机器的必然结果；从理论基础上讲，它是信息论、控制论、系统工程论、计算机科学、心理学、神经学、认知科学、数学和哲学等多学科相互渗透的结果；从物质和技术基础上讲，它是电子计算机和电子技术得到广泛应用的结果。,什么是人工智能？,什么是人的智能?什么是人工智能? 人的智能与人工智能有什么区别和联系?,我们首先看看什么是信息。信息与物质及能量构成整个宇宙。,为了了解人工智能，先熟悉一下与它有关的一些概念，这些概念涉及到信息、认识、知识、智力、智能。不难看出，这些概念在逐步贴近人工智能。,什么是人工智能？,我们首先看看什么是信息。信息与物质及能量构成整个宇宙。,人们不能直接认识物质和能量，而是通过物质和能量的信息来认识它们。,人的认识过程为：信息经过感觉输入到神经系统，再经过大脑思维变为认识。,什么是人工智能？,认识就是用符号去整理研究对象，并确定其联系。由认识可以继续探讨什么是知识、什么是智力。,知识是用人们对于可重复信息之间的联系的认识，知识也就是被认识了的信息和信息之间的联系，它是信息经过加工整理、解释、挑选和改造而形成的。,什么是人工智能？,关于智力，科学家们有不同的定义：,Wisterw,:,智力是个体对生活中新问题和新条件的心理上的一般适应能力。,Terman,:,智力是抽象思维的能力。,Buckinghan,:,智力是学习的能力。,什么是人工智能？,Storddard,:,智力是从事艰难、复杂、抽象、敏捷和创造性地活动以及集中能力和保持情绪稳定的能力。,Piaget,:,智力的本质就是适应，使个体与环境取得平衡。,Guilford,:,智力是对信息进行处理的能力。,什么是人工智能？,总而言之, 智力看作个体的各种认识能力的综合，特别强调解决新问题的能力，抽象思维、学习能力、对环境适应能力。,有了知识和智力的定义后，一般将智能定义为：智能 = 知识集 + 智力。所以智能主要指运用知识解决问题的能力, 推理、学习和联想是智能的重要因素。,什么是人工智能？,至于人工智能，其英文是,Artificial Intelligence，,简称,AI。,字面上的意义是智能的人工制品。它是研究如何将人的智能转化为机器智能，或者是用机器来模拟或实现人的智能。,什么是人工智能？,几位著名的人工智能方面的科学家分别在不同的年代对人工智能给出的定义：,1981年,A.Barr,和,Feiganbum.E,“,人工智能是计算机科学的一个分支，它关心的是设计智能计算机系统，该系统具有我们通常与人的行为相联系的智能特征，如了解语言、学习、推理、问题求解等等”。,什么是人工智能？,1983年,Elaine Rich,“,人工智能是研究怎样让电脑模拟人脑从事推理、规划、设计、思考、学习等思维活动，解决至今认为需要由专家才能处理的复杂问题。”,1987年,Michael R.Genesereth,和,Nils J.Nilsson,“,人工智能是研究智能行为的科学。人工智能有两个分支，一个为科学人工智能, 一个为工程人工智能。”,什么是人工智能？,Michael,和,Nilsson,关于人工智能的定义引出了科学人工智能和工程人工智能的概念。,科学人工智能的目的是发展概念和词汇，以帮助我们了解人和其他动物的智能行为。,什么是人工智能？,工程人工智能研究的是建立智能机器的概念、理论和实践。例如：,u,专家系统：在专门的领域（医疗、探矿、财务等领域）内的咨询服务系统。,u,自然语言处理：在有限范围内的问题回答系统。,u,程序验证系统：通过定理证明途径验证程序的正确性。,u,智能机器人：人工智能研究计算机视觉和智能机。,什么是人工智能？,人工智能似乎还有一个比较模糊的定义，那就是“如果某个问题在计算机上没有解决，那么这个问题就是人工智能问题”，因为一旦解决了的某个问题，也就有了解决这个问题的模型或算法，因而也就划分到某个学科或某个学科的分支去了。因此，从某种意义上讲，人工智能永远是一个深奥而永无止境的追求目标。,1.2,AI,的产生及主要学派,AI,的起源可以追溯到丘奇（,Church）、,图灵（,Turing）,和其他一些学者关于计算本质的思想萌芽。早在20世纪30年代，他们就开始探索形式推理概念与即将发明的计算机之间的联系，建立起了关于计算和符号处理的理论。,AI,的产生及主要学派,早在计算机产生之前，丘奇和图灵就已发现，数值计算并不是计算的主要方面，被称为“人工智能之父”的图灵，不仅仅创造了一个简单的非数字计算模型，而且直接证明了计算机可能以某种智能的方式进行工作，这就是人工智能的思想的萌芽。,AI,的产生及主要学派,人工智能作为一门学科而出现的突出标志是：1956年夏，在美国达特茅斯（,Dartmouth）,大学由当时美国年轻的数学家,John-McCarthy,和他的朋友明斯基（,Minsky ）、,纽维尔（,Newell）、,西蒙（,Simon）、,香侬（,Shannon）、,塞缪尔（,Saumel）、,莫尔（,More）,等数学、心理学、神经学、信息论、计算机科学方面的学者，举办了一个长达2个月的研讨会。,AI,的产生及主要学派,McCarthy,提出了“,Artificial Intelligence”,一词，尔后,Allen Newell,和,H. A. Simon,提出了物理符号系统假设，从而创建了,AI,这一学科。主张系统符号假设的学派形成了,AI,研究的主要学派，即符号主义学派。,AI,的产生及主要学派,人工智能的主要有以下三个学派。,1符号主义（,Symbolicism）,学派,符号主义又称为逻辑主义（,Logicis）、,心理学派（,Psychlogism）,或计算机学派（,Computerism）。,该学派认为人工智能源于数理逻辑。数理逻辑在19世纪获得迅速发展，到20世纪30年代开始用于描述智能行为。计算机产生以后，又在计算机上实现了逻辑演绎系统，其代表的成果为启发式程序,LT（,逻辑理论家），人们使用它证明了38个数学定理，从而表明了人类可利用计算机模拟人类的智能活动。,AI,的产生及主要学派,符号主义将符号系统定义为如下三部分组成：,u,一组符号：对应于客观世界的某些物理模型。,u,一组结构：它是由以某种方式相关联的符号的实例所构成。,u,一组过程：它作用于符号结构上而产生另一些符号结构，这些作用包括：创建、修改、消除等。,AI,的产生及主要学派,一个物理符号系统就是能够逐步生成一组符号的产生器。,在物理符号的假设下，符号主义认为，人的认知是符号，人的认知过程是符号操作过程。人就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，即用计算机的符号操作来模拟人的认知过程。这实质就是认为，人的思维是可操作的。,AI,的产生及主要学派,AI,的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理。符号主义就是在这种假设之下，建立起基于知识的人类智能和机器智能的核心理论体系。,至今符号主义仍是,AI,的主流派。,AI,的产生及主要学派,2联结主义（,Connetionism）,学派,联结主义又称仿生学派（,Bionicsism）,或生理学派（,Physiogism），,是基于生物进化论的,AI,学派，其主要理论基础为神经网络及神经网络间的连接机制与学习算法。联结主义认为,AI,源于仿生学，特别是对人脑模型的研究，认为人的思维基元是神经元，而不是符号处理过程，人脑不同于电脑，并提出联结主义的大脑工作模式，用于否定基于符号操作的电脑工作模式。,AI,的产生及主要学派,如果说符号主义是从宏观上模拟人的思维过程的话，那么联结主义则试图从微观上解决人类的认知功能，以探索认知过程的微观结构。联结主义从人脑模式出发，建议在网络层次上模拟人的认知过程。所以，联结主义本质上是用人脑的并行分布处理模式来表现认知过程。,AI,的产生及主要学派,人工神经网络,ANN（Artificial Neural Network）,研究的兴起，作为模拟人的智能和形象思维能力的一条重要途径，对,AI,研究工作者有着极大的吸引力。近年来，由于出现了一些新型的,ANN,模型和一些强有力的学习算法，联结主义具有代表性的工作有：,u,Hopfield,教授在82和84的两篇论文中提出用硬件模拟神经网络；,u,Rumthart,教授在86年提出多层网络中的反向传播（,BP）,算法。,AI,的产生及主要学派,3行为主义（,Actionism）,学派,行为主义又称为进化主义（,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。行为主义提出了智能行为的“感知动作”模式，认为：,u,智能取决于感知和行动；,u,人工智能可以像人类智能一样逐步进化（所以称为进化主义）；,u,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。,AI,的产生及主要学派,行为主义的理论基础是控制论，它把神经系统的工作原理与信息论联系起来，着重研究模拟人在控制过程中的智能行为和作用，如自寻优、自适应、自校正、自镇定、自学习和自组织等控制论系统，并进行控制论动物的研究。,AI,的产生及主要学派,这一学派的代表首推美国,AI,专家,Brooks。,在1991年8月在悉尼召开的12届国际人工智能联合会议上，,Brooks,作为大会“计算机与思维”奖的得主，以他在,MIT,多年进行人造动物机器的研究与实践和他所提出的“假设计算机体系结构”研究为基础， 发表了“没有推理的智能”一文，对传统的,AI,提出了批评和挑战。,AI,的产生及主要学派,Brooks,的行为主义学派否定智能行为来源于逻辑推理及其启发式的思想，认为对,AI,的研究不应把精力放在知识表示和编制推理规则上，而应着重研究在复杂环境下对行为的控制。这种思想对,AI,主流派传统的符号主义思想是一次冲击和挑战。行为主义学派的代表作首推,Brooks,等人研制的六足行走机器人，它是一个基于“感知动作”模式的模拟昆虫行为的控制系统。,1.3 人工智能,、,专家系统和知识工程,在上个世纪六十年代, 人工智能的研究者试图通过找到通用问题求解方法来模拟复杂的思维过程，最典型的例子是当时开发的,GPS(General Problem Solver)。,然而，这种策略虽取得了一些进展，但没有多大突破。人们发现单个程序能处理的问题越多， 它处理一般具体问题的能力就越差。,人工智能,、,专家系统和知识工程,既然开发通用问题求解程序太难,他们就把研究重心转移到开发一系列较特殊的程序。因此，在七十年代，他们致力于问题表示技术,如何将问题求解形式化，使之易于求解；搜索技术如何有效地控制解的搜索过程，使之不要浪费太多的时间和空间。使用这两种技术虽也取得了一定的进展,但仍未有所突破。,人工智能,、,专家系统和知识工程,直到七十年代后期，人工智能工作者们才认识到,:,一个程序求解问题的能力来自它所具有的知识，而不仅仅是它所采用的形式化方法和推理策略。这个概念上的突破可以简单的叙述为,:,要使一个程序具有智能，就要给它提供许多关于某一问题域特定的知识。,人工智能,、,专家系统和知识工程,这一认识导致了特定问题求解的计算机程序的发展，这类程序就是人们所熟悉的专家系统。,一般认为，专家系统是一个智能程序，它能对那些需要专家知识才能解决的应用问题提供具有专家水平的解答,人工智能,、,专家系统和知识工程,早期的专家系统通常用高级程序设计语言编写，尤其是,LISP,和,PROLOG,语言，常被选作实现语言。然而，在用高级编程语言作为专家系统的建造工具时，人们常常要把大量的精力和时间花费在与被模型化的问题领域毫无关系的系统实现上。而且，领域专家知识和运用这些知识的算法紧密交织在一起，不易分开，致使系统一旦建成，便不易改变。,人工智能,、,专家系统和知识工程,而事实上专家知识和经验却总在改变。由于对以上特性的分析，研究者们清醒认识到在开发专家系统中应该把求解问题的算法与知识分开，从而使现今专家系统的基本模式为,:,专家系统,=,知识,+,推理,人工智能,、,专家系统和知识工程,因此，一个专家系统主要由以下两个部分组成,:,(1),知识库，存放关于特定领域的知识,;,(2),推理机，包括操纵知识库中所表示的知识的算法。,人工智能,、,专家系统和知识工程,现在，专家系统很少直接用高级编程语言编写，取而代之的是专家系统构造工具。在专家系统构造工具中，预先规定了知识表示形式并提供了相应的推理机。开发一个实际专家系统仅需要提供特定领域的知识，并以工具所要求的知识表示形式表示出来。知识库的开发独立于推理机的一个好处是知识库可以逐步开发与求精，在不对程序进行大量修改的情况下,纠正错误和不足,;,另一个好处就是一个知识库可以被另一知识库所代替，从而形成完全不同领域的专家系统。,人工智能,、,专家系统和知识工程,知识工程产生于,70,年代中期，当时专家系统的研究和开发已取得一定成果，但建造一个成功的专家系统工程量巨大，其花费是以多少人年来计算，所以迫切需要把专家系统的建造提高到工程的高度来认识。为此，美国的,J.McCarthy,提出了“认识论工程”的概念，试图概括建造专家系统的有关技术和方法。,人工智能,、,专家系统和知识工程,目前，知识工程的主要研究内容有：,1.,基础研究,基础研究主要研究：知识的本质、分类、结构和作用，知识的表示方法和语言，知识的获取和学习方法，推理和控制机制，解释和接口模型，认知模型等。,人工智能,、,专家系统和知识工程,2,实用知识系统的开发研究,实用知识研究主要强调解决在建造实用知识系统过程中碰到的实际技术问题，如实用知识获取技术，知识系统体系结构，实用知识表示方法和知识库结构，实用推理技术，实用解释技术，实用接口设计技术，知识库管理技术，知识系统调试技术、分析与评价技术，知识系统的硬件实现技术等。,人工智能,、,专家系统和知识工程,3,知识工程环境研究,主要为实用知识系统的开发提供一些良好的工具和手段，以提高知识系统的研制效率与质量，加速商品化进程。,人工智能,、,专家系统和知识工程,其研究内容包括：知识工程的基本支撑软件和硬件，知识工程语言,(,知识描述语言和系统结构设计语言,),，知识获取工具,(,自动或半自动,),，骨架工具系统，知识库管理工具,(,一致性、完备性检查工具，性能测试工具，知识库操作语言,),，接口设计工具、解释工具以及上述工具的集成化工具,(,即综合工具,),等。,人工智能,、,专家系统和知识工程,最近兴起的知识管理也是知识工程环境研究的进一步系统化的结果。它主要研究知识的价值、知识工程基础、知识的抽象技术以及知识系统的设计与实现方法。目前，知识管理已形成一门系统化的学科。,人工智能,、,专家系统和知识工程,知识工程是,AI,取得突出进展的一个分支，是,AI、,数据库技术、数理逻辑、认知科学等学科交叉发展的结果。从应用的角度看，知识工程从专家系统和知识处理系统中抽取共性，并研究它的一般原理和方法而发展起来的一门学科，它们三者之间的关系可描述为：,人工智能,、,专家系统和知识工程,1.4,人工智能的技术特征,人工智能作为一门科学，有其独特的技术特征，主要表现为：,1,利用搜索,从求解问题角度看，环境给智能系统(人或机器系统)提供的信息有二种可能：,u,完全的知识：用现成的方法可以求解，如用消除法求解线性方程组，这不是人工智能研究的范围。,u,部分已知和完全无知：无现成的方法可用。,人工智能的技术特征,后者如下棋、法官判案、医生诊病问题，有些问题有一定的规律，但往往需要边试探边求解。这就使用所谓的搜索技术。,人工智能技术常常要使用搜索补偿知识的不足。人们在遇到从未经历过的问题时，由于缺乏经验知识，不能快速地解决它，但往往采用尝试检验（,tryandtest）,的方法，即凭借人们的常识性知识和领域的专门知识对问题进行试探性的求解，逐步解决问题，直到成功。这就是,AI,问题求解的基本策略中的生成测试法，用于指导在问题状态空间中的搜索。,人工智能的技术特征,2利用知识,知识有几大难以处理的属性：,知识非常庞大，正因为如此，我们常说我们处在“知识爆炸”的时代。,知识难于精确表达，如下棋大师的经验、医生看病的经验都难以表达。,知识经常变化，所以要经常进行知识更新。因此,有人认为人工智能技术就是一种开发知识的方法。,人工智能的技术特征,所以，对于知识的处理必须做到：, 能抓住一般性，以免浪费大量时间，空间去寻找存贮知识。, 要能够被提供和接受知识的人所理解，这样他们才能检验和使用知识。, 易于修改，因为经验、知识不断变化，易于修改才能反映人们认识的不断深化。, 能够通过搜索技术缩小要考虑的可能性范围，来帮助减少知识的巨大容量。,人工智能的技术特征,另一方面，利用知识可以补偿搜索中的不足。知识工程和专家系统技术的开发证明了知识可以指导搜索，修剪不合理的搜索分支，从而减少问题求解的不确定性，以大幅度地减少状态空间的搜索量，甚至完全免除搜索的必要。,由此可见，知识和搜索是相辅相成的，相互依赖的，应根据实际情况作出权衡。,人工智能的技术特征,3,利用抽象,抽象用以区分重要与非重要的特征，借助于抽象可将处理问题中的重要特征和变式与大量非重要特征和变式区分开来，使对知识的处理变得更有效、更灵活。,人工智能的技术特征,4利用推理,通常的,AI,程序系统中都采用推理机制与知识相分离的典型的体系结构。这种结构从模拟人类思维的一般规律出发来使用知识。,例如，人类处理问题的一般推理法则为：由已知“,A,为真”，并且“如,A,为真，则,B,为真”，则可推知“,B,为真”。这条推理法则的形式描述为：,A,，,A,B,B,人工智能的技术特征,这是一条形式推理法则，显然其推理规律并不依赖,A,、,B,的具体内容。,实际上，经典逻辑的形式推理只是,AI,的早期研究成果，目前，,AI,工作者以研究出各种逻辑推理、似然推理、定性推理、模糊推理、非精确推理、非单调推理和次协调推理等各种更为有效的推理技术和各种控制策略，它为人工智能的应用开辟了广阔的应用前景。,人工智能的技术特征,5,遵循有限合理性原则,西蒙在20世纪50年代在研究人的决策制定中总结出一条关于智能行为的基本原则，因此而获得诺贝尔奖。该原则指出，人在超过其思维能力的条件下（例如遇到,NP,完全问题状态空间呈现指数增长，从而需要爆炸性的搜索量），仍要做好决策，而不是放弃，这时，人将在一定的约束条件下（如时间和记忆）作机遇性的搜索，以制定尽可能好的决策。这样的决策的制定具有一定的机遇性，往往不是最优的。,1.5,AI,模拟智能成功的标准,1950年，英国数学家,Alan Turing,提出了一个测试方法来确定一个机器能否思考。该方法需要两个人对机器进行测试，其中一人扮演提问者，另外一人作为被测人员。这两人与机器分别处在三个不同的房间，提问者通过打印问题和接受打印问题来与被测人员和被测机器进行通迅。提问者可以向被测机器和被测人提问，但他只知道接受提问的是,A,或,B,，,但并不知道他是人还是机器，并试图确定他们谁是机器，谁是人。这个测试后来人们命名为 “图灵测试”。,AI,模拟智能成功的标准,如果机器具有智能，那么它的目标就是要使得提问者误认为它是人。因此，有时机器要故意伪装一下，例如：当提问者问“,12324,乘,73981,等于多少？”时，机器人应等几分钟回答一个有点错误的答案，这样才更显得像人在计算。当然，一台机器要通过图灵测试主要的是它具有的知识总量和具有大量的人的基本常识。,AI,模拟智能成功的标准,一台计算机要通过图灵测试还需要很艰巨的努力, 以至于有人怀疑其可能性。不过图灵测试如果限制在某个领域是否会成功呢？,这个答案是肯定的。例如，计算机下棋就具有比多数人类棋手还要高明的判断能力。,AI,模拟智能成功的标准,又例如，有人对医学专家系统作过类似于图灵测试的评测：由一组医生和专家系统一起对同样病例开处方，再由另一组医学专家进行评价，医学专家也是并不知道哪张处方是医生开出的，哪张是计算机开出的，结果医学专家系统的处方得分更高一些。,AI,模拟智能成功的标准,如果写一个,AI,程序的目标是模仿人如何执行一项任务，那么衡量成功的标准就是程序行为相应于人的行为的程度。,Shannon,认为,Turing,测试准则只是行为主义的性质，只能说明机器在行为上和人等价, 即行为等价。,行为等价也具有很重要的意义，试设想一下，如果一个机器狗能够听懂主人的命令，为主人端茶倒水、看门，承不承认它具有真正人的智能并不重要。,1.6,人工智能应用系统,下面简单的介绍一些基本的人工智能应用系统, 有些是最近出现的和即将要出现的系统。,1,.问题求解系统,人工智能最早的尝试求解智力难题和下棋程序，后者又称博弈。直到今天，这种研究仍在进行，另一种问题求解程序是将各种数学公式符号汇编在一起，搜索解答空间，寻求较优的解答。有的程序还能够用其经验来改善其性能。,人工智能应用系统,纽厄尔（,Newell,）,与西蒙,(,Simon),合作完成的通用问题求解程序,(,General Problem Solver),能够求解,11,种不同类型的问题。,1993,年美国开发了一个叫做,MACSYMA,的软件,能够进行比较复杂的数学公式符号运算。,人工智能应用系统,2,自然语言理解和处理系统,语言处理一直是人工智能研究的热门课程之一，人们很早就在开始研制语言翻译系统（,Language Translation System）。,早期的自然语言理解多采用键盘输入自然语言，现在已经开发出文字识别和语言识别系统，能够配合进行书面语言和有声语言的识别与理解。,人工智能应用系统,语言处理在电子商务有很广泛的应用。,而且以语义理解为特征的自然语言处理和机器翻译已取得突出进展。现在已有智能翻译系统，你可对它说话，它能将你说的话打印出来，并且可以用另一种语言表示出来。更先进的系统还可以回答文本信息中的有关问题和提取摘要。,人工智能应用系统,3,自动定理证明系统,自动定理证明,ATP(Automatic Theorem Proving ),是指把人类证明定理的过程变成能在计算机上自动实现符号演算的过程。,ATP,是,AI,的一个重要的研究领域, 它在,AI,的发展中曾起过重大的作用。纽厄尔(,Newell),的逻辑理论家程序是定理证明的最早尝试，该程序模拟人用数理逻辑证明定理的思想，于1963年就证明了罗素和他的老师怀特海合著的数学原理第一章的全部定理。,吴文俊先生的几何定理证明。,人工智能应用系统,4,智能控制、智能系统和智能接口,智能控制（,Intelligent Control,）,是一类无需或者尽可能少的人工干预就能够独立的驱动智能机器实现其目标的自动控制。它采用,AI,理论及技术与经典控制理论（频域法）、现代控制理论（时域法）相结合，研制智能控制系统的方法和技术。它是,AI,与控制论以及工程控制论等科学相结合的产物。,人工智能应用系统,智能系统（,Intelligent System,）,的含义非常广泛，通常它指配备有智能化软、硬件的计算机控制系统或计算机信息系统。在,AI,中，智能化的软、硬件计算机控制系统指具有问题求解和高层决策功能的一些学习控制系统。如拟人控制系统、自主机器人控制系统、人机结合控制系统。,人工智能应用系统,智能接口（,Intelligent Interface）,是指在计算机系统中，引入具有智能的人机接口或用户界面。智能接口已作为新一代计算机系统或知识系统的重要组成部分，理想的智能接口是采用所谓的自然语言理解的用户界面。它是通过引入前面所述的自然语言理解及多媒体技术，并使之与知识库及数据库技术相结合来实现的。,人工智能应用系统,上述领域里的典型系统有：,(1)监管系统（,Supervisory System）。,现在大的办公楼和商业大厦变得愈来愈复杂，监管系统可以帮助控制能源、电梯、空调等，并进行安全监测、计费、顾客导购等。,人工智能应用系统,（,2,）智能高速公路。这也是一种智能监控系统，它能优化已有高速公路的使用：通过广播交通的警告，将大量的车辆导向可代替的路线；控制车流的速度与空间；帮助选择出发点到目的地的最优路线。,人工智能应用系统,（3）银行监控系统。,American Express,是美国一家大的银行公司，用户信用卡的使用每年由于恶性透支和欺骗行为损失1亿美元。需要解决的问题是：如何在短时间内判断是否允许顾客使用他的信用卡？一般，需要一个系统在90秒内给出判断。其中操作人员要根据16屏信息在50秒内作出决定，这对人来说不太可能。后来该银行研制一个,Authorize Assistant,系统。它使原来16屏信息减为2屏。第一屏给出建议应作出什么样的决定，第二屏解释支持决定的有关信息。这个系统的使用使该银行每年减少几千万美元的损失。,人工智能应用系统,5,专家系统,专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域的多个人类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，以解决需要专家才能够解决的复杂问题。,现在已有大量的专家系统问世。被誉为“专家系统和知识工程之父”的费根鲍姆,(,Feigenbaum),所领导的研究小组于,1968,年研究成功第一个专家系统,DENDRAL,，,用于质谱仪分析有机化合物的分子结构。,人工智能应用系统,也有人在开发家用的专家系统，,Tax-cut Expert System,是一个知识工程师利用她丈夫的税务专家知识构造的一个,AI,系统，专门帮助纳税人提供建议如何减少纳税额，使用该系统比花钱向税务专家咨询要便宜得多。,一些发达国家也投入大量的资金开发用于知识发现的专家系统,美国的,CYC,计划、日本的,EDR,计划都是要建立大型医疗知识库、大型工程知识库、大型常识库的庞大计划。,人工智能应用系统,6,智能调度和规划系统,智能调度和规划系统能够确定最佳调度或组合方案，这类系统已被广泛应用于汽车运输调度，列车的编组与指挥，空中交通管制以及军事指挥等系统。例如：,（1）空中交通控制系统。 随着航空事业的发展，一个大型机场每天控制、管理成千架飞机的起降、导航，人工控制很难，空中交通控制系统能够帮助安排飞机的起降，以最大限度保证安全和最小的延迟时间。,（2）军事指挥系统。90年代初，伊拉克入侵科威特时，美国的“沙漠风暴之战”需从美、欧洲快速运50万军队、1500万磅重的装备到沙特阿拉伯等国家。为此美国开发了一个规划系统，该系统提出必须开辟第二个运输港口，否则将造成物资运输瓶颈。,人工智能应用系统,7,模式识别系统,模式识别（,Pattern Recognition）,是,AI,最早和最重要的研究领域之一。模式是一个内涵极广的概念。广义地讲，一切可以观察其存在的事物形式都可称为模式，如图形、景物、语言、波形、文字和疾病等都可视为模式。,模式识别的广义研究目标是指应用电子计算机及外部设备对某些复杂事物进行鉴别和分类。通常，这些被鉴别或分类的事件或过程，可以是物理的、化学的或生理的对象。这些对象既可以是具体对象，例如文字、声音、图像等；也可以是抽象对象，例如状态、程度等，这些对象通常以非数字形式的信息出现。,人工智能应用系统,模式识别技术已逐渐在各种不同的领域获得应用，如：,（1） 染色体识别识别染色体以用于遗传因子研究，识别及研究人体和其它生物细胞；,（2） 图形识别用于心电图、脑电图、,X-,射线、,CAT,医学视频成像处理技术，用于地球资源勘测、预报气象和自然灾害、军事侦察等；,（3） 图像识别在图像处理及图像识别技术中，利用指纹识别、外貌识别和各种痕迹识别协助破案；,（4） 语音识别研究各种语言、语言的识别与翻译，计算机人机界面等；,（5） 机器人视觉用于景物识别、三维图像识别、语言识别、解决机器人的视觉、听觉问题，以控制机器人的行动。,人工智能应用系统,8,智能检索系统,目前对数据库的检索技术有了很大的发展, 有的具有智能化人机交互界面和演绎回答系统, 还有一种称为自动个人助手（,Automated Personal Assistants）,的系统，主动帮助人使用计算机网络查找信息，它可以:,（1） 搜索广告，过滤邮件，使人们只需阅读那些最重要的，感兴趣的广告和邮件。,（2） 帮助找信息，购买商品，找服务部门，通过网络找人等。,像自动个人助手这类,AI,系统也称为,softbot(software Robots),。,人工智能应用系统,9,智能机器人,人工智能研究日益受到重视的另一个分支是智能机器人的研究, 这个领域研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。,机器人（,Robots,）,是一种可再编程的多功能的操作装置。电子计算机出现后，特别是,60,年代中期微处理机出现后，机器人便进入大量生产和使用的阶段。目前全世界有近,10,万个机器人在运行，其中大多数样子并不像人，它们只是在人指挥下代替人干活的机器。,人工智能应用系统,研究机器人的目的，一方面是技术上的考虑，如何提高工作质量和生产效率，降低成本，代替人类在高温、高压、深水和带有放射性及有毒、有害物质的特殊环境中从事繁重或危险的工作。如困难条件下的机器人能够从事汽车装配、空间探索、海底或高空作业、装炸药、排雷和排除毒废物或放射性物质这类工作，这类机器人广泛的使用于核工业、医院、矿山、水下抢救、建筑、农业、太空探测等领域。,人工智能应用系统,另一方面是科学研究的需求，这是基于当今,AI,研究已使计算机部分成为新一代机器人，它能在一定程度上感知周围世界，进行记忆、推理、判断，成为会下棋、会写字绘画、能作简单对话、会操作规定的工具，从而能模仿人的智力和行为。显然，对机器人的研究，将为,AI,研究提供一个综合试验场，能够全面地检验,AI,研究的各个领域的技术，如计算机视觉、模式识别、博弈、智能控制、规划技术以及这些技术的综合应用。,人工智能应用系统,10,智能软件,Agent,智能软件,Agent,技术的诞生和发展是人工智能技术（,AI）,和网络技术发展的必然结果。,智能化和网络化的发展促成了智能软件,Agent,技术的发展，智能软件,Agent,技术正是为解决复杂、动态、分布式智能应用而提供的一种新的计算手段，许多专家信心十足地认为智能软件,Agent,技术将成为21世纪软件技术发展的又一次革命。,人工智能应用系统,11,数据挖掘和知识发现系统,庞大的数据库及其中的海量数据是极其丰富的信息源，但是仅仅依靠传统的数据检索机制和统计分析方法已经远远不能满足需要了。因此，一门新兴的自动信息提取技术：数据挖掘和知识发现，应运而生并得到迅速发展。它的出现为自动和智能地把海量的数据转化成有用的信息和知识提供了手段。,人工智能应用系统,数据挖掘和知识发现作为一门新兴的研究领域，涉及到人工智能的许多分支，诸如机器学习、模式识别、海量信息搜索等众多领域。特别地，它可看作数据库理论和机器学习的交叉学科。作为一种独立于应用的技术，数据挖掘和知识发现一经出现立即受到广泛的关注。,The End!,演讲完毕，谢谢观看！,