人工智能（第一章 绪论）

一、人工智能的定义

人工智能的定义最早可以追溯到1956年夏天，由人工智能早期研究者John McCarthy等人提出的；人工智能就是让机器的行为看起来像是人所表现的智能行为一样，但迄今为止尚难给出人工智能的确切定义。

下面是为不同学者从不用的角度，不同层面给出的人工智能的定义：

 二、人工智能的发展历史

1.孕育阶段

人工智能的孕育阶段大致可以认为是1956年以前的时期。这段漫长的时期中，数理逻辑、自动控制理论、信息论、仿生学、电子计算机、心理学等科学技术的发展为后续人工智能的诞生奠定了思想、理论和物质基础。

2.形成阶段

人工智能的形成阶段大约为1956-1969年。除了1956年在美国的达特茅斯学院召开的研讨会提出了“人工智能”的术语外，这一时期的成就还包括定理机器证明、问题求解、LISP语言以及模式识别等。

3.发展阶段

从20世纪70年代开始，人工智能的研究进入高速发展时期，在这期间，世界各国都纷纷展开对人工智能领域的研究工作，主要是从知识工程、人工神经网络和智能主体3个方开。

三、人工智能的三大学派

1.符号主义

符号主义又称逻辑主义、心里学派或计算机学派，其基本原理基于两点:物理符号系统假设和有限合理性原理。物理符号系统假设是Newell和Simon在1976年提出，该假设认为:物理符号系统具有必要且足够的方法来实现普通的智能行为。Newell和Simon把 人类的-切精神活动、智能问题归结为计算问题。

有限合理性原理是Simon提出的观点。他的观点强调:人类之所以能在大量不确定、不完全信息的复杂环境下解决难题，原因在于人类采用了启发式搜索的试探性方法来感得问题的有限合理解。

2.连结主义

连接主义又被称为仿生学派或生理学派，是基于神经元及神经元之间的网络连接机制来模拟和实现人工智能。

人类智能的物质基础是神经系统，其基本单位是神经元。这也就是说，连接主义用人工神经网络来研究人工智能。

3.行为主义

行为主义又被称为进化主义或控制论学派，是基于控制论和“感知——动作”控制系统的人工智能学派。

其基本观点是:智能取决于感知和行为，取决于对外界复杂环境的适应。

四、人工智能的研究内容与应用领域

1.问题求解

人工智能的最早应用实践就是问题求解。该领域最有名的例子就是下棋程序。

问题求解是指通过搜索的方法寻找目标解的一个合适的操作序列，并同时满足问题的各种约束。问题求解的核心是搜索技术。

2.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，根据某个领域一个或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，以解决那些需要专家决定的复杂问题。

专家系统通常由知识库、推理机、综合数据库、人机交互界面、解释器和知识获取等部分构成。

专家系统在医疗诊断、故障诊断、资源勘探、贷款损失评估和教学等领域中得到了广泛应用。

3.机器学习

学习能力无疑是人工智能研究上最突出和最重要的一个方面。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。正如香克(R. Shank)所说:“一台计算机若不会学习，就不能称为具有智能的。”此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。

4.神经网络

人工神经网络简称神经网络，其研究始于1943年McCulloch和Pitts提出的神经元数学模型(MP模型)人工神经网络是以对人脑和自然神经网络的生理研究成果为基础，抽象和模拟人脑的某些机理、机制实现某方面的功能。

Nielsen给出的人工神经网络定义为:人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。

5.模式识别

模式识别-般指应用电子计算机及外部设备对给定.事物进行鉴别和分类，将其归入与之相同或相似的模式中。其一般过程包括对待识别事物采集样本、数字化样本信息、提取数字特征、学习和识别。其核心是特征提取和学习过程。针对不同的识别对象，可分为以下几种类型:语音识别；图形、图像识别；信号识别；染色体识别。

6.数据挖掘与知识发现

数据挖掘和知识发现起源于20世纪90年代初期，在早期，它侧重于构建数据仓库，然后运用切片、下钻、上卷等操作从海量数据中发现有用信息。

如今的数据挖掘包括半结构和无结构的文本数据、音频、视频、图像等多媒体数据，通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，揭示隐含在数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。

7.计算机视觉

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。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、姿态、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。主要应用领域包括:

图形图像识别:指纹识别、染色体识别等。

航空航天:卫星图像处理、飞行 器跟踪等。

医学:脏器的图像重建、医学图像分析等。

工业:监测和监控系统。

8.智能控制

智能控制是一类无需或尽可能少的人的干预就能独立完成任务的自动控制。智能控制涉及的领域很多，主要有以下方面:智能机器人规划与控制；智能过程规划；智能过程控制；专家控制系统；语言控制；智能仪器等

9.计算智能

计算智能主要借鉴仿生学的思想，应属于智能学习部分，目前没有统一定义，美国科学家贝兹德克认为不具有计算适应性、计算容错力、接近人的计算速度和近似人的误差率这几个特性，就不能称之为计算智能。涉及的主要领域:模糊计算；神经计算；进化计算；免疫计算等。

10.其他

自然语言处理分布式人工智能；人工生命；

机器人学智能检索；大数据；深度学习等。

五、人工智能的发展趋势

1.多学科交叉研究

与信息科学、生物学、数学、心里学等学科的交叉研究。

2.智能应用和智能产业

智能技术将进一步与主流信 息技术融合，应用于人类社会的各个领域和人类生活的方方面面。智能产业将成为第四产业。