胡璞（哈爾濱工程大學， 哈爾濱， 150001）
摘要：文章對人工智慧理論進行了簡要的闡述，分析人工智慧在各種智慧型控制技術領域的應用。最後展望人工智慧和智慧型控制的發展趨勢。
關鍵字：人工智慧；智慧型控制；網路智慧型；神經網路
人工智慧是相對於人類智慧型而言的。它是指用機械和電子裝置來模擬和代替人類的某些智慧型。人工智慧也稱「機器智慧型」或「智慧型模擬」。
當今人工智慧主要是利用電子技術成果和仿生學方法，從大腦的結構方面模擬人腦的活動，即結構模擬。
智慧型控制（intelligent controls）在無人干預的情況下能自主地驅動智慧型機器實現控制目標的自動控制技術
1 人工智慧的基本概念和發展歷史
（1）基本概念
人工智慧（artificial intelligence，簡稱 ai），作為計算機學科的乙個重要分支，美國史丹福大學人工智慧研究中心尼爾遜教授給人工智慧下了這樣乙個定義：人工智慧是關於知識的學科，是怎樣表示知識以及怎樣獲得知識並使用知識的科學。從人工智慧所實現的功能來定義是智慧型機器所執行的通常與人類智慧型有關的功能,如判斷、推理、證明、識別學習和問題求解等思維活動。
這些反映了人工智慧學科的基本思想和基本內容,即人工智慧是研究人類智慧型活動的規律。若是從實用觀點來看，人工智慧是一門知識工程學:以知識為物件,研究知識的獲取、知識的表示方法和知識的使用。
（2）發展歷史
回顧人工智慧的產生與發展過程,可大致分為孕育、形成、知識應用和綜合整合這4個階段。
孕育期一般認為ai(artificial intelligence)的最早工作是warrenmcculloch跟walter itts完成的。吸取了3種資源後提出一種人工神經元模型。唐納德.
海布闡述了一種簡單的更新規則,用於修改神經元間的連線強度。2名普林斯頓的大學數學系的研究生在2023年建造了第1臺神經元網路計算機。還有不少早期工作的例子可以被當作人工智慧,古希臘偉大的哲學家和思想家亞里斯多德創立了演繹法。
他提出的三段論至今仍然是演繹推理的最基本的出發點。
形成期人工智慧誕生於2023年一次歷史性的聚會。幾位來自美國數學、神經學、心理學、資訊科學和電腦科學方面的傑出年輕科學家,在一起**並由麥卡錫提議正式採用了/人工智慧ai0這
一術語。從而誕生了乙個以研究如何用機器來模擬人類智慧型的新興學科。2023年的國際人工智慧聯合會議標誌著人工智慧得到了國際的認可。
正當人們在為人工智慧所取得的成就而高興的時候,人工智慧卻遇到了許多因難。人工智慧的先驅者們在反思中認真總結了人工智慧發展過程中的經驗教訓,從而又開創了一條以知識為中心、面向應用開發的研究道路。
知識應用期
2023年,費根鮑姆在第五屆國際人工智慧聯合會議上正式提出了知識工程的概念。從此之後,各類專家系統得以發展,大量的商品化專家系統和智慧型系統紛紛推出。知識專家系統在全世界得到了迅速發展,其應用範圍也擴大到了人類各個領域,並產生了巨大的經濟效益。
專家系統本身所存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、不能訪問現存資料庫等問題被逐漸暴露出來,人工智慧又面臨著一次考驗。
綜合整合期
在專家系統方面,從20世紀80年代末開始逐步向多技術、多方法的綜合整合與多學科、多領域的綜合應用型發展。大型專家系統開發採用了多種人工智慧語言、多種知識表示方法、多種推理機制和多種控制策略相結合的方式,並開始運用各種專家系統外殼、專家系統開發工具和專家系統開發環境等。
目前,人工智慧技術正在向大型分布式人工智慧、大型分布式多專家協同系統、並行推理、多種專家系統開發工具、大型分布式人工智慧開發環境和分布式環境下的多智慧型體協同系統等方向發展。
但從目前來看,人工智慧的理論、方法和技術都不太成熟,人們對它的認識也比較膚淺,甚至連人工智慧能否歸結、如何歸結為一組基本原理也還是個問號,這些都還有待於人工智慧工作者的長期探索。
2 人工智慧的研究與應用領域
人工智慧存在許多不同的研究領域，如語言處理、自動定理證明、計算智慧型、智慧型資料檢索系統、視覺系統、問題求解、人工智慧方法和程式語言以及自動程式設計等。在過去的40年中已經建立了一些具有人工智慧的計算機系統，能夠求解微分方程、下棋、設計和分析積體電路、合**類自然語言、檢索情報、診斷疾病以及控制太空飛行器和水下機械人等。
目前，人工智慧的研究是與具體領域相結合進行的。基本上有如下領域：
(1)專家系統
專家系統 es（expert system）是人工智慧研究領域中的乙個重要分支，它將**一般的思維方法轉入到運用專門知識求解專門問題，實現了人工智慧從理論研究向實際應用的重大突破；專家系統可看作一類具有專門知識的計算機智慧型程式系統，它能運用特定領域中專家提供的專門知識和經驗，並採用人工智慧中的推理技術來求解和模擬通常由專家才能解決的各種複雜問題。總的來說，專家系統是一種具有智慧型的軟體，它求解方法是一種啟發式方法，專家系統所要解決的問題一般無演算法解，並且與傳統的電腦程式上不同之處在於，它要經常在不完全、不精確或不確定的資訊基礎上做出結論。
在近年來的專家系統或「知識工程」的研究中，已經出現了成功和有效應用人工智慧技術的趨勢，具有有代表性的是使用者與專家系統進行「諮詢對話」，如同其與專家面對面的進行對話是一樣的：解釋問題並建議進行某些試驗，向專家系統詢問以期得到有關解答等。當前的實驗系統，在比如化學和地質資料分析、計算機系統結構、建築工程以及醫療診斷等諮詢任務方面，已達到很高的水平。
另外，還有很多研究主要是集中在讓專家系統能夠說明推理的能力，從而使諮詢更好地被使用者接受，同時還能幫助人類發現系統推理過程中所出現的差錯。
(2)神經網路
人工神經網路（aficial neural network），是由大量處理單元即神經元互連而成的網路，也常簡稱為神經網路或類神經網路。神經網路是一種由大量的節點（或稱神經元）和之間相互聯接構成的運算模型，是對人腦或自然神經網路一些基本特性的抽象和模擬，其目的在於模擬大腦的某些機理與機制，從而實現某些方面的功能。通俗地講，人工神經網路是**研究生物神經網路的結果。
詳細地說，人工神經網路是為獲得某個特定問題的解，根據所掌握的生物神經網路機理，按照控制工程的思路及數學描述方法，建立相應的數學模型並採用適當的演算法，而有針對性地確定數學模型引數的技術。
神經網路的資訊處理是由神經元之間的相互作用實現的：知識與資訊的存貯主要表現為網路元件互連間分布式的物理聯絡。人工神經網路具有很強的自學習能力，它可以不依賴於「專家」的頭腦，而自動從已有的實驗資料中總結規律。
由此，人工神經網路擅長於處理複雜多維的非線性問題，不但可以解決定性問題，也可解決定量的問題，同時還具有大規模並行處理和分布的資訊儲存能力，具有良好的自適應、自組織性以及很強的學習、聯想、容錯和較好的可靠性。
(3)模式識別
模式識別(pattern recognition)是研究如何使機器具有感知能力，主要研究視覺模式和聽覺模式的識別，如識別物體、地形、影象、字型(如簽字)等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網路模式的方法逐漸取代傳統的用統計模式和結構模式的識別方法。
特別神經網路方法在模式識別中取得較大進展。
當前模式識別主要集中在圖形識別和語音識別。圖形識別方面例如識別各種印刷體和某些手寫體文字，識別指紋、白血球和癌細胞等的技術已經進入實用階段。語音識別主要研究各種語音頻號的分類。
語音識別技術近年來發展很快，現已有商品化產品如掃瞄器的上市。
(4)人工神經網路
人工神經網路(artificial neural network)是在研究人腦的奧秘中得到啟發，試圖用大量的處理單元(人工神經元、處理元件、電子元件等)模仿人腦神經系統工程結構和工作機理。是通過範例的學習，修改了知識庫和推理機的結構，達到實現人工智慧的目的。
在人工神經網路中，資訊的處理是由神經元之間的相互作用來實現的，知識與資訊的儲存表現為網路元件互連間分布式的物理聯絡，網路的學習和識別取決於和神經元連線權值的動態演化過程。
人工神經網路也許永遠也無法代替人腦，但是他能幫助人類擴充套件對外部世界的認識和智慧型控制。多年來，人工神經網路的研究取得了較大的進展，成為具有一種獨特風格的資訊處理學科。目前，人工神經網路的發展趨勢有如下特點:
新的人工神經網路模型產生頻率非常之快。現有的人工神經網路模型的完善改進速度喜人。人工神經網路結合和其他一些現代優化計算方法的結合運用日見增多。
如結合混沌理論、遺傳+神經、模擬退火+神經演算法等成功運用的例項。
(5)人工生命
人工生命 ( artificial life, 簡稱 al) 是由美國聖菲研究所非線性研究組的計算機科學家 christopher langton 於1987 年與 los alamos national laboratory 召開的「生成以及模擬生命系統的國際會議」上首先提出的。它主要是通過人工模擬生命系統來研究生命的領域。al 的概念主要包括兩方面內容：
1）電腦科學領域的虛擬生命系統，主要涉及計算機軟體工程和人工智慧技術 ；2）基因工程技術人工改造生物的工程生物系統，主要涉及合成生物學技術。
相比於傳統的人工智慧和神經網路，人工生命不論在理論上還是方法上都有很大的區別。人工生命主要是通過計算機**生命現象來體現自適應機理，對相關非線性物件進行更真實的動態描述以及動態特徵研究。人工生命學科主要包括仿生系統、人工建模與**、人工生命的計算理論、進化動力學、進化與學習綜合系統以及人工生命的應用等研究內容。
現階段比較典型的人工生命研究有：計算機病毒、計算機程序、進化機械人、自催化網路、細胞自動機、人工核苷酸和人工腦等。
3人工智慧的當前研究熱點
(1)資料探勘與知識實現
資料探勘和知識發現是20世紀90年代初期新崛起的乙個活躍的研究領域。在資料庫基礎上實現的知識發現系統，通過綜合運用多種學習手段和方法，從大量的資料中提煉出抽象的知識，從而揭示出蘊涵在這些資料背後的客觀世界的內在聯絡和本質規律，實現知識的自動獲取。這是乙個富有挑戰性並具有廣闊應用前景的研究課題。
從資料庫獲取知識，即從資料中挖掘並發現知識，首先要解決被發現知識的表達問題。最好的表達方式是自然語言，因為它是人類的思維和交流語言。知識表示的最根本問題就是如何形成用自然語言表達的概念。
概念比資料更確切、直接和易於理解。自然語言的功能就是用最基本的概念描述複雜的概念、用各種方法對概念進行組合，以表示所認知的事件。到20世紀80年代末，資料探勘取得突破。
越來越多的研究者加入到知識發現和資料探勘的研究行列。客戶檔案就是應用資料探勘的乙個例子。
人工智慧在智慧型圖書館建設中應用
作者 丁歡歡 卷宗 2018年第35期 摘要 隨著圖書館事業的不斷發展，圖書館的智慧型化 智慧型化已經逐漸在圖書館建築和服務中體現出來。在全國第六次評估指標設計中關於圖書館服務智慧型化 智慧型化和智慧型機械人的應用都有指標設計，並且全部是加分項，反映出未來圖書館事業發展的乙個方向和模式。智慧型圖書館...
人工智慧的異化與反思
作者 劉潮欣 卷宗 2019年第08期 摘要 在人工智慧得到飛速發展的同時其異化現象也隨之出現，給人類和社會的發展帶來了潛在而巨大的威脅。人類應該對人工智慧異化進行哲學的反思，探尋消除人工智慧異化的途徑，並能正確認識和對待人工智慧異化問題，採取積極的措施，合理利用人工智慧。關鍵詞 人工智慧 異化 在...
關於人工智慧的哲學問題
汕頭大學醫學院劉西瑞 1 尋找日常思維的規則 人工智慧在表述科學理論時得心應手，但在表述人的日常思想時卻遇到了麻煩，這一現象表明了科學推理和日常思維推理是有區別的。科學思維具有精確性和嚴密性，是構建在數學 邏輯基礎上的，這種方式與人工智慧運作的基礎恰好是一致的。所以由人工智慧實現科學推理是一件較為容...