人工智能心得總結(jié)2022三篇人，沒(méi)有熊一樣的力量，卻能把熊關(guān)進(jìn)籠子，這籠子的鑰匙，叫智慧。人類一直在思考如何讓自然界的其它事物為自己所用，而不是只想著如何獲取食物來(lái)填飽肚子，人類之所以會(huì)凌駕于食物鏈頂端，就在于對(duì)于資源的使用。為了減輕胃的消化負(fù)擔(dān)，人類開(kāi)始學(xué)會(huì)使用火，讓蛋白質(zhì)在進(jìn)入胃之前就變質(zhì)而變得更好消化易于吸收。經(jīng)歷了漫長(zhǎng)的手工制造業(yè)歷程，為了提高生產(chǎn)效率，也為了減輕工人手工勞作的負(fù)擔(dān)，人們開(kāi)始了工業(yè)革命，無(wú)數(shù)的機(jī)器流水線取代了效率低下的廉價(jià)勞動(dòng)力，也正是從此刻起，人類使用資源的能力有了質(zhì)的發(fā)展，由使用已有資源，到創(chuàng)造新的資源。第一臺(tái)計(jì)算機(jī)應(yīng)運(yùn)而生，人類開(kāi)啟了無(wú)限創(chuàng)造的時(shí)代。時(shí)至今日，計(jì)算機(jī)技術(shù)幾乎延伸到了生活的每個(gè)領(lǐng)域，甚至成了人們的生活必需品。計(jì)算機(jī)能幫助人們完成人類不可能完成的計(jì)算，但一直致力于創(chuàng)造的人們當(dāng)然不會(huì)停止對(duì)計(jì)算機(jī)的要求。人們不光需要計(jì)算機(jī)做人類做不了的計(jì)算，還漸漸開(kāi)始要求計(jì)算機(jī)做人類能做的事，這便催生了人工智能。人類就是這樣一步步用自己的智慧讓自己過(guò)上傻瓜一樣的生活。人工智能目前還沒(méi)有在人們生活中普及，但是已經(jīng)出現(xiàn)萌芽。最典型是的一些語(yǔ)音識(shí)別系統(tǒng)，如蘋(píng)果公司的Siri可能是目前人們接觸最多的基于人工智能和云計(jì)算技術(shù)的產(chǎn)品，相信這種人機(jī)交互系統(tǒng)的雛形經(jīng)過(guò)時(shí)間的磨練會(huì)在未來(lái)形成一套完善的從界面到內(nèi)核的智能體系。在社會(huì)生活方面，與數(shù)字圖像處理技術(shù)緊密結(jié)合的人工智能已經(jīng)開(kāi)始應(yīng)用于攝像頭的圖像捕捉和識(shí)別，而模式識(shí)別技術(shù)的發(fā)展則使得人工智能在更廣闊的領(lǐng)域得以實(shí)現(xiàn)成為了可能。一些大公司在人工智能領(lǐng)域的投入和研究對(duì)于推動(dòng)人工智能的發(fā)展起到了很大的作用，最值得一提的就是谷歌。谷歌的免費(fèi)搜索表面上是為了方便人們的查詢，但這款搜索引擎推出的初衷，就是為了幫助人工智能的深度學(xué)習(xí)，通過(guò)上億的用戶一次又一次地查詢，來(lái)鍛煉人工智能的學(xué)習(xí)能力，由于我的水平還很低，對(duì)于深度學(xué)習(xí)還不敢妄自拽測(cè)。但是，近年來(lái)谷歌公司在人工智能方面的突破一項(xiàng)接著一項(xiàng)，為人們熟知的便是智能汽車。不得不說(shuō)，人工智能想要進(jìn)一步發(fā)展，必須依靠這些大公司的研究和不斷推廣，由經(jīng)濟(jì)促創(chuàng)新?？v覽時(shí)間長(zhǎng)河，很多新生的技術(shù)在一開(kāi)始都是舉步維艱的，人工智能也不例外，但幸運(yùn)的是，人們接受和學(xué)會(huì)使用新技術(shù)所需要的時(shí)間越來(lái)越短，對(duì)于人工智能產(chǎn)品的投入市場(chǎng)是有益的。因此，在我看來(lái)，將已開(kāi)發(fā)出來(lái)但還需完善的人工智能產(chǎn)品投放市場(chǎng)，使其進(jìn)入人們的生活只是時(shí)間的問(wèn)題，但要想真正掌握人工智能，開(kāi)發(fā)出完全符合研發(fā)人想法的智能產(chǎn)品還需各方面的努力。至于現(xiàn)在討論熱烈的“人工智能統(tǒng)治人類”的問(wèn)題，我的看法是，人工智能的開(kāi)發(fā)和應(yīng)用是需要監(jiān)管的，但并不能阻止人工智能即將影響世界的趨勢(shì)。由于我對(duì)于人工智能的理解還只是皮毛，對(duì)于文中出現(xiàn)的紕漏和錯(cuò)誤還希望老師指正！人工智能主要研究用人工方法模擬和擴(kuò)展人的智能，最終實(shí)現(xiàn)機(jī)器智能。人工智能研究與人的思維研究密切相關(guān)。邏輯學(xué)始終是人工智能研究中的基礎(chǔ)科學(xué)問(wèn)題，它為人工智能研究提供了根本觀點(diǎn)與方法。1人工智能學(xué)科的誕生12世紀(jì)末13世紀(jì)初，西班牙羅門(mén)■盧樂(lè)提出制造可解決各種問(wèn)題的通用邏輯機(jī)。17世紀(jì)，英國(guó)培根在《新工具》中提出了歸納法。隨后，德國(guó)萊布尼茲做出了四則運(yùn)算的手搖計(jì)算器，并提出了“通用符號(hào)”和“推理計(jì)算”的思想。19世紀(jì)，英國(guó)布爾創(chuàng)立了布爾代數(shù)，奠定了現(xiàn)代形式邏輯研究的基礎(chǔ)。德國(guó)弗雷格完善了命題邏輯，創(chuàng)建了一階謂詞演算系統(tǒng)。20世紀(jì)，哥德?tīng)枌?duì)一階謂詞完全性定理與N形式系統(tǒng)的不完全性定理進(jìn)行了證明。在此基礎(chǔ)上，克林對(duì)一般遞歸函數(shù)理論作了深入的研究，建立了演算理論。英國(guó)圖靈建立了描述算法的機(jī)械性思維過(guò)程，提出了理想計(jì)算機(jī)模型(即圖靈機(jī))，創(chuàng)立了自動(dòng)機(jī)理論。這些都為1945年匈牙利馮■諾依曼提出存儲(chǔ)程序的思想和建立通用電子數(shù)字計(jì)算機(jī)的馮■諾依曼型體系結(jié)構(gòu)，以及1946年美國(guó)的莫克利和埃克特成功研制世界上第一臺(tái)通用電子數(shù)學(xué)計(jì)算機(jī)ENIAC做出了開(kāi)拓性的貢獻(xiàn)。以上經(jīng)典數(shù)理邏輯的理論成果，為1956年人工智能學(xué)科的誕生奠定了堅(jiān)實(shí)的邏輯基礎(chǔ)。現(xiàn)代邏輯發(fā)展動(dòng)力主要來(lái)自于數(shù)學(xué)中的公理化運(yùn)動(dòng)。20世紀(jì)邏輯研究嚴(yán)重?cái)?shù)學(xué)化，發(fā)展出來(lái)的邏輯被恰當(dāng)?shù)胤Q為“數(shù)理邏輯”，它增強(qiáng)了邏輯研究的深度，使邏輯學(xué)的發(fā)展繼古希臘邏輯、歐洲中世紀(jì)邏輯之后進(jìn)入第三個(gè)高峰期，并且對(duì)整個(gè)現(xiàn)代科學(xué)特別是數(shù)學(xué)、哲學(xué)、語(yǔ)言學(xué)和計(jì)算機(jī)科學(xué)產(chǎn)生了非常重要的影響。2邏輯學(xué)的發(fā)展2.1邏輯學(xué)的大體分類邏輯學(xué)是一門(mén)研究思維形式及思維規(guī)律的科學(xué)。從17世紀(jì)德國(guó)數(shù)學(xué)家、哲學(xué)家萊布尼茲(G.LEibniz)提出數(shù)理邏輯以來(lái)，隨著人工智能的一步步發(fā)展的需求，各種各樣的邏輯也隨之產(chǎn)生。邏輯學(xué)大體上可分為經(jīng)典邏輯、非經(jīng)典邏輯和現(xiàn)代邏輯。經(jīng)典邏輯與模態(tài)邏輯都是二值邏輯。多值邏輯，是具有多個(gè)命題真值的邏輯，是向模糊邏輯的逼近。模糊邏輯是處理具有模糊性命題的邏輯。概率邏輯是研究基于邏輯的概率推理。2.2泛邏輯的基本原理當(dāng)今人工智能深入發(fā)展遇到的一個(gè)重大難題就是專家經(jīng)驗(yàn)知識(shí)和常識(shí)的推理?，F(xiàn)代邏輯迫切需要有一個(gè)統(tǒng)一可靠的，關(guān)于不精確推理的邏輯學(xué)作為它們進(jìn)一步研究信息不完全情況下推理的基礎(chǔ)理論，進(jìn)而形成一種能包容一切邏輯形態(tài)和推理模式的，靈活的，開(kāi)放的，自適應(yīng)的邏輯學(xué)，這便是柔性邏輯學(xué)。而泛邏輯學(xué)就是研究剛性邏輯學(xué)(也即數(shù)理邏輯)和柔性邏輯學(xué)共同規(guī)律的邏輯學(xué)。泛邏輯是從高層研究一切邏輯的一般規(guī)律，建立能包容一切邏輯形態(tài)和推理模式，并能根據(jù)需要自由伸縮變化的柔性邏輯學(xué)，剛性邏輯學(xué)將作為一個(gè)最小的內(nèi)核存在其中，這就是提出泛邏輯的根本原因，也是泛邏輯的最終歷史使命。3邏輯學(xué)在人工智能學(xué)科的研究方面的應(yīng)用邏輯方法是人工智能研究中的主要形式化工具，邏輯學(xué)的研究成果不但為人工智能學(xué)科的誕生奠定了理論基礎(chǔ)，而且它們還作為重要的成分被應(yīng)用于人工智能系統(tǒng)中。3.1經(jīng)典邏輯的應(yīng)用人工智能誕生后的20年間是邏輯推理占統(tǒng)治地位的時(shí)期。1963年，紐厄爾、西蒙等人編制的“邏輯理論機(jī)”數(shù)學(xué)定理證明程序(LT)。在此基礎(chǔ)之上，紐厄爾和西蒙編制了通用問(wèn)題求解程序(GPS),開(kāi)拓了人工智能“問(wèn)題求解”的一大領(lǐng)域。經(jīng)典數(shù)理邏輯只是數(shù)學(xué)化的形式邏輯，只能滿足人工智能的部分需要。3.2非經(jīng)典邏輯的應(yīng)用不確定性的推理研究人工智能發(fā)展了用數(shù)值的方法表示和處理不確定的信息，即給系統(tǒng)中每個(gè)語(yǔ)句或公式賦一個(gè)數(shù)值，用來(lái)表示語(yǔ)句的不確定性或確定性。比較具有代表性的有：1976年杜達(dá)提出的主觀貝葉斯模型，1978年查德提出的可能性模型，1984年邦迪提出的發(fā)生率計(jì)算模型，以及假設(shè)推理、定性推理和證據(jù)空間理論等經(jīng)驗(yàn)性模型。歸納邏輯是關(guān)于或然性推理的邏輯。在人工智能中，可把歸納看成是從個(gè)別到一般的推理。借助這種歸納方法和運(yùn)用類比的方法，計(jì)算機(jī)就可以通過(guò)新、老問(wèn)題的相似性，從相應(yīng)的知識(shí)庫(kù)中調(diào)用有關(guān)知識(shí)來(lái)處理新問(wèn)題。不完全信息的推理研究常識(shí)推理是一種非單調(diào)邏輯，即人們基于不完全的信息推出某些結(jié)論，當(dāng)人們得到更完全的信息后，可以改變甚至收回原來(lái)的結(jié)論。非單調(diào)邏輯可處理信息不充分情況下的推理。20世紀(jì)80年代，賴特的缺省邏輯、麥卡錫的限定邏輯、麥克德莫特和多伊爾建立的NML非單調(diào)邏輯推理系統(tǒng)、摩爾的自認(rèn)知邏輯都是具有開(kāi)創(chuàng)性的非單調(diào)邏輯系統(tǒng)。常識(shí)推理也是一種可能出錯(cuò)的不精確的推理，即容錯(cuò)推理。此外，多值邏輯和模糊邏輯也已經(jīng)被引入到人工智能中來(lái)處理模糊性和不完全性信息的推理。多值邏輯的三個(gè)典型系統(tǒng)是克林、盧卡西維茲和波克萬(wàn)的三值邏輯系統(tǒng)。模糊邏輯的研究始于20世紀(jì)20年代盧卡西維茲的研究。1972年，扎德提出了模糊推理的關(guān)系合成原則，現(xiàn)有的絕大多數(shù)模糊推理方法都是關(guān)系合成規(guī)則的變形或擴(kuò)充。4人工智能——當(dāng)代邏輯發(fā)展的動(dòng)力現(xiàn)代邏輯創(chuàng)始于19世紀(jì)末葉和20世紀(jì)早期，其發(fā)展動(dòng)力主要來(lái)自于數(shù)學(xué)中的公理化運(yùn)動(dòng)。21世紀(jì)邏輯發(fā)展的主要?jiǎng)恿?lái)自哪里?筆者認(rèn)為，計(jì)算機(jī)科學(xué)和人工智能將至少是21世紀(jì)早期邏輯學(xué)發(fā)展的主要?jiǎng)恿υ慈⒂纱藳Q定21世紀(jì)邏輯學(xué)的另一幅面貌。由于人工智能要模擬人的智能，它的難點(diǎn)不在于人腦所進(jìn)行的各種必然性推理，而是最能體現(xiàn)人的智能特征的能動(dòng)性、創(chuàng)造性思維，這種思維活動(dòng)中包括學(xué)習(xí)、抉擇、嘗試、修正、推理諸因素。例如，選擇性地搜集相關(guān)的經(jīng)驗(yàn)證據(jù)，在不充分信息的基礎(chǔ)上做出嘗試性的判斷或抉擇，不斷根據(jù)環(huán)境反饋調(diào)整、修正自己的行為，由此達(dá)到實(shí)踐的成功。于是，邏輯學(xué)將不得不比較全面地研究人的思維活動(dòng)，并著重研究人的思維中最能體現(xiàn)其能動(dòng)性特征的各種不確定性推理，由此發(fā)展出的邏輯理論也將具有更強(qiáng)的可應(yīng)用性。5結(jié)語(yǔ)人工智能的產(chǎn)生與發(fā)展和邏輯學(xué)的發(fā)展密不可分。一方面我們?cè)噲D找到一個(gè)包容一切邏輯的泛邏輯，使得形成一個(gè)完美統(tǒng)一的邏輯基礎(chǔ);另一方面，我們還要不斷地爭(zhēng)論、更新、補(bǔ)充新的邏輯。如果二者能夠有機(jī)地結(jié)合，將推動(dòng)人工智能進(jìn)入一個(gè)新的階段。概率邏輯大都是基于二值邏輯的，目前許多專家和學(xué)者又在基于其他邏輯的基礎(chǔ)上研究概率推理，使得邏輯學(xué)盡可能滿足人工智能發(fā)展的各方面的需要。就目前來(lái)說(shuō)，一個(gè)新的泛邏輯理論的發(fā)展和完善需要一個(gè)比較長(zhǎng)的時(shí)期，那何不將“百花齊放”與“一統(tǒng)天下”并行進(jìn)行，各自發(fā)揮其優(yōu)點(diǎn)，為人工智能的發(fā)展做出貢獻(xiàn)。目前，許多制約人工智能發(fā)展的因素仍有待于解決，技術(shù)上的突破，還有賴于邏輯學(xué)研究上的突破。在對(duì)人工智能的研究中，我們只有重視邏輯學(xué)，努力學(xué)習(xí)與運(yùn)用并不斷深入挖掘其基本內(nèi)容，拓寬其研究領(lǐng)域，才能更好地促進(jìn)人工智能學(xué)科的發(fā)展。一、研究領(lǐng)域在大多數(shù)數(shù)學(xué)科中存在著幾個(gè)不同的研究領(lǐng)域，每個(gè)領(lǐng)域都有著特有的感興趣的研究課題、研究技術(shù)和術(shù)語(yǔ)。在人工智能中，這樣的領(lǐng)域包括自然語(yǔ)言處理、自動(dòng)定理證明、自動(dòng)程序設(shè)計(jì)、智能檢索、智能調(diào)度、機(jī)器學(xué)習(xí)、專家系統(tǒng)、機(jī)器人學(xué)、智能控制、模式識(shí)別、視覺(jué)系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、agent、計(jì)算智能、問(wèn)題求解、人工生命、人工智能方法、程序設(shè)計(jì)語(yǔ)言等。在過(guò)去50多年里，已經(jīng)建立了一些具有人工智能的計(jì)算機(jī)系統(tǒng)；例如，能夠求解微分方程的，下棋的，設(shè)計(jì)分析集成電路的，合成人類自然語(yǔ)言的，檢索情報(bào)的，診斷疾病以及控制控制太空飛行器、地面移動(dòng)機(jī)器人和水下機(jī)器人的具有不同程度人工智能的計(jì)算機(jī)系統(tǒng)。人工智能是一種外向型的學(xué)科，它不但要求研究它的人懂得人工智能的知識(shí)，而且要求有比較扎實(shí)的數(shù)學(xué)基礎(chǔ)，哲學(xué)和生物學(xué)基礎(chǔ)，只有這樣才可能讓一臺(tái)什么也不知道的機(jī)器模擬人的思維。因?yàn)槿斯ぶ悄艿难芯款I(lǐng)域十分廣闊，它總的來(lái)說(shuō)是面向應(yīng)用的，也就說(shuō)什么地方有人在工作，它就可以用在什么地方，因?yàn)槿斯ぶ悄艿淖罡灸康倪€是要模擬人類的思維。參照人在各種活動(dòng)中的功能，我們可以得到人工智能的領(lǐng)域也不過(guò)就是代替人的活動(dòng)而已。哪個(gè)領(lǐng)域有人進(jìn)行的智力活動(dòng)，哪個(gè)領(lǐng)域就是人工智能研究的領(lǐng)域。人工智能就是為了應(yīng)用機(jī)器的長(zhǎng)處來(lái)幫助人類進(jìn)行智力活動(dòng)。人工智能研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。二、各領(lǐng)域國(guó)內(nèi)外研究現(xiàn)狀近年來(lái)，人工智能的研究和應(yīng)用出現(xiàn)了許多新的領(lǐng)域，它們是傳統(tǒng)人工智能的延伸和擴(kuò)展。在新世紀(jì)開(kāi)始的時(shí)候，這些新研究已引起人們的更密切關(guān)注。這些新領(lǐng)域有分布式人工智能與艾真體（agent）、計(jì)算智能與進(jìn)化計(jì)算、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)，以及人工生命等。下面逐一加以概略介紹。1、分布式人工智能與艾真體分布式人工智能（distributedai，dai）是分布式計(jì)算與人工智能結(jié)合的結(jié)果。dai系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標(biāo)準(zhǔn)，并具有互操作性，即不同的異構(gòu)系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。分布式人工智能的研究目標(biāo)是要?jiǎng)?chuàng)建一種能夠描述自然系統(tǒng)和社會(huì)系統(tǒng)的精確概念模型。dai中的智能并非獨(dú)立存在的概念，只能在團(tuán)體協(xié)作中實(shí)現(xiàn)，因而其主要研究問(wèn)題是各艾真體間的合作與對(duì)話，包括分布式問(wèn)題求解和多艾真體系統(tǒng)（multiagentsystem，mas）兩領(lǐng)域。其中，分布式問(wèn)題求解把一個(gè)具體的求解問(wèn)題劃分為多個(gè)相互合作和知識(shí)共享的模塊或結(jié)點(diǎn)。多艾真體系統(tǒng)則研究各艾真體間智能行為的協(xié)調(diào)，包括規(guī)劃、知識(shí)、技術(shù)和動(dòng)作的協(xié)調(diào)。這兩個(gè)研究領(lǐng)域都要研究知識(shí)、資源和控制的劃分問(wèn)題，但分布式問(wèn)題求解往往含有一個(gè)全局的概念模型、問(wèn)題和成功標(biāo)準(zhǔn)，而mas則含有多個(gè)局部的概念模型、問(wèn)題和成功標(biāo)準(zhǔn)。mas更能體現(xiàn)人類的社會(huì)智能，具有更大的靈活性和適應(yīng)性，更適合開(kāi)放和動(dòng)態(tài)的世界環(huán)境，因而倍受重視，已成為人工智能以至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。當(dāng)前，艾真體和mas的研究包括理論、體系結(jié)構(gòu)、語(yǔ)言、合作與協(xié)調(diào)、通訊和交互技術(shù)、mas學(xué)習(xí)和應(yīng)用等。mas已在自動(dòng)駕駛、機(jī)器人導(dǎo)航、機(jī)場(chǎng)管理、電力管理和信息檢索等方面獲得應(yīng)用。2、計(jì)算智能與進(jìn)化計(jì)算計(jì)算智能(putingintelligence)涉及神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算等研究領(lǐng)域。其中，神經(jīng)計(jì)算和模糊計(jì)算已有較長(zhǎng)的研究歷史，而進(jìn)化計(jì)算則是較新的研究領(lǐng)域。在此僅對(duì)進(jìn)化計(jì)算加以說(shuō)明。進(jìn)化計(jì)算(putation)是指一類以達(dá)爾文進(jìn)化論為依據(jù)來(lái)設(shè)計(jì)、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱，它包括遺傳算法(geneticalgorithms)、進(jìn)化策略(evolutionarystrategies)和進(jìn)化規(guī)劃(evolutionaryprogramming)。它們遵循相同的指導(dǎo)思想，但彼此存在一定差別。同時(shí)，進(jìn)化計(jì)算的研究關(guān)注學(xué)科的交叉和廣泛的應(yīng)用背景，因而引入了許多新的方法和特征，彼此間難于分類，這些都統(tǒng)稱為進(jìn)化計(jì)算方法。目前，進(jìn)化計(jì)算被廣泛運(yùn)用于許多復(fù)雜系統(tǒng)的自適應(yīng)控制和復(fù)雜優(yōu)化問(wèn)題等研究領(lǐng)域，如并行計(jì)算、機(jī)器學(xué)習(xí)、電路設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)、基于艾真體的仿真、元胞自動(dòng)機(jī)等。達(dá)爾文進(jìn)化論是一種魯棒的搜索和優(yōu)化機(jī)制，對(duì)計(jì)算機(jī)科學(xué)，特別是對(duì)人工智能的發(fā)展產(chǎn)生了很大的影響。大多數(shù)生物體通過(guò)自然選擇和有性生殖進(jìn)行進(jìn)化。自然選擇決定了群體中哪些個(gè)體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，即物競(jìng)天擇，優(yōu)勝劣汰。直到幾年前，遺傳算法、進(jìn)化規(guī)劃、進(jìn)化策略三個(gè)領(lǐng)域的研究才開(kāi)始交流，并發(fā)現(xiàn)它們的共同理論基礎(chǔ)是生物進(jìn)化論。因此，把這三種方法統(tǒng)稱為進(jìn)化計(jì)算，而把相應(yīng)的算法稱為進(jìn)化算法。3、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)知識(shí)獲取是知識(shí)信息處理的關(guān)鍵問(wèn)題之一。20世紀(jì)80年代人們?cè)谥R(shí)發(fā)現(xiàn)方面取得了一定的進(jìn)展。利用樣本，通過(guò)歸納學(xué)習(xí)，或者與神經(jīng)計(jì)算結(jié)合起來(lái)進(jìn)行知識(shí)獲取已有一些試驗(yàn)系統(tǒng)。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)是90年代初期新崛起的一個(gè)活躍的研究領(lǐng)域。在數(shù)據(jù)庫(kù)基礎(chǔ)上實(shí)現(xiàn)的知識(shí)發(fā)現(xiàn)系統(tǒng)，通過(guò)綜合運(yùn)用統(tǒng)計(jì)學(xué)、粗糙集、模糊數(shù)學(xué)、機(jī)器學(xué)習(xí)和專家系統(tǒng)等多種學(xué)習(xí)手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識(shí)，從而揭示出蘊(yùn)涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)規(guī)律，實(shí)現(xiàn)知識(shí)的自動(dòng)獲取。這是一個(gè)富有挑戰(zhàn)性、并具有廣闊應(yīng)用前景的研究課題。從數(shù)據(jù)庫(kù)獲取知識(shí)，即從數(shù)據(jù)中挖掘并發(fā)現(xiàn)知識(shí)，首先要解決被發(fā)現(xiàn)知識(shí)的表達(dá)問(wèn)題。最好的表達(dá)方式是自然語(yǔ)言，因?yàn)樗侨祟惖乃季S和交流語(yǔ)言。知識(shí)表示的最根本問(wèn)題就是如何形成用自然語(yǔ)言表達(dá)的概念。機(jī)器知識(shí)發(fā)現(xiàn)始于1974年，并在此后十年中獲得一些進(jìn)展。這些進(jìn)展往往與專家系統(tǒng)的知識(shí)獲取研究有關(guān)。到20世紀(jì)80年代末，數(shù)據(jù)挖掘取得突破。越來(lái)越多的研究者加入到知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘的研究行列?，F(xiàn)在，知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘已成為人工智能研究的又一熱點(diǎn)。比較成功的知識(shí)發(fā)現(xiàn)系統(tǒng)有用于超級(jí)市場(chǎng)商品數(shù)據(jù)分析、解釋和報(bào)告的coverstory系統(tǒng)，用于概念性數(shù)據(jù)分析和查尋感興趣關(guān)系的集成化系統(tǒng)explora，交互式大型數(shù)據(jù)庫(kù)分析工具kdw，用于自動(dòng)分析大規(guī)模天空觀測(cè)數(shù)據(jù)的skicat系統(tǒng)，以及通用的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng)kdd等。4、人工生命人工生命(artificiallife，alife)的概念是由美國(guó)圣菲研究所非線性研究組的蘭頓(langton)于1987年提出的，旨在用計(jì)算機(jī)和精密機(jī)械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動(dòng)力學(xué)、進(jìn)化和環(huán)境適應(yīng)。人工生命所研究的人造系統(tǒng)能夠演示具有自然生命系統(tǒng)特征的行為，在“生命之所能”(lifeasitcouldbe)的廣闊范圍內(nèi)深入研究“生命之所知”(lifeasweknowit)的實(shí)質(zhì)。只有從“生命之所能”的廣泛內(nèi)容來(lái)考察生命，才能真正理解生物的本質(zhì)。人工生命與生命的形式化基礎(chǔ)有關(guān)。生物學(xué)從問(wèn)題的頂層開(kāi)始，把器官、組織、細(xì)胞、細(xì)胞膜，直到分子，以探索生命的奧秘和機(jī)理。人工生命則從問(wèn)題的底層開(kāi)始，把器官作為簡(jiǎn)單機(jī)構(gòu)的宏觀群體來(lái)考察，自底向上進(jìn)行綜合，把簡(jiǎn)單的由規(guī)則支配的對(duì)象構(gòu)成更大的集合，并在交互作用中研究非線性系統(tǒng)的類似生命的全局動(dòng)力學(xué)特性。人工生命的理論和方法有別于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡(luò)的理論和方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應(yīng)機(jī)理通過(guò)計(jì)算機(jī)進(jìn)行仿真，對(duì)相關(guān)非線性對(duì)象進(jìn)行更真實(shí)的動(dòng)態(tài)描述和動(dòng)態(tài)特征研究。人工生命學(xué)科的研究?jī)?nèi)容包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進(jìn)化動(dòng)力學(xué)、人工生命的計(jì)算理論、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。比較典型的人工生命研究有計(jì)算機(jī)病毒、計(jì)算機(jī)進(jìn)程、進(jìn)化機(jī)器人、自催化網(wǎng)絡(luò)、細(xì)胞自動(dòng)機(jī)、人工核昔酸和人工腦等。三、學(xué)了人工智能課程的收獲（1）了解人工智能的概念和人工智能的發(fā)展，了解國(guó)際人工智能的主要流派和路線，了解國(guó)內(nèi)人工智能研究的基本情況，熟悉人工智能的研究領(lǐng)域。（2）較詳細(xì)地論述知識(shí)表示的各種主要方法。重點(diǎn)掌握了狀態(tài)空間法、問(wèn)題歸約法和謂詞邏輯法，熟悉語(yǔ)義網(wǎng)絡(luò)法，了解知識(shí)表示的其他方法，如框架法、劇本法、過(guò)程法等。（3）掌握了盲目搜索和啟發(fā)式搜索的基本原理和算法，特別是寬度優(yōu)先搜索、深度優(yōu)先搜索、等代價(jià)搜索、啟發(fā)式搜索、有序搜索、a大算法等。了解博弈樹(shù)搜索、遺傳算法和模擬退火算法的基本方法。（4）掌握了消解原理、規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)的技術(shù)、了解不確定性推理、非單調(diào)推理的概念。（5）概括性地了解了人工智能的主要應(yīng)用領(lǐng)域，如專家系統(tǒng)、機(jī)器學(xué)習(xí)、規(guī)劃系統(tǒng)、自然語(yǔ)言理解和智能控制等。（6）基本了解人工智能程序設(shè)計(jì)的語(yǔ)言和工具。四、對(duì)人工智能研究的展望對(duì)現(xiàn)代社會(huì)的影響有多大？工業(yè)領(lǐng)域，尤其是制造業(yè)，已成功地使用了人工智能技術(shù)，包括智