人工智能技術(shù)摘要自上世紀(jì)五十年代以來，經(jīng)過了幾個(gè)階段的不斷探索和發(fā)展，人工智能在模式識(shí)別、知識(shí)工程、機(jī)器人等領(lǐng)域已經(jīng)取得重大成就，但是離真正意義上的的人類智能還相差甚遠(yuǎn)。但是進(jìn)入新世紀(jì)以來，隨著信息技術(shù)的快速進(jìn)步，與人工智能相關(guān)的技術(shù)水平也得到了相應(yīng)的提高。尤其是隨著因特網(wǎng)的普及和應(yīng)用，對(duì)人工智能的需求，變得越來越迫切，也給人工智能的研究提供了新的更加廣泛的舞臺(tái)。定義人工智能(ArtificialIntelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認(rèn)為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一。這是因?yàn)榻陙硭@得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個(gè)獨(dú)立的分支，無論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。著名的美國斯坦福大學(xué)人工智能研究中心尼爾遜教授對(duì)人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科――怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)?！倍硪粋€(gè)美國麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。AI的開端一般認(rèn)為，人工智能的思想萌芽可以追溯到德國著名數(shù)學(xué)家和哲學(xué)家萊布尼茨(Leibnitz，1646-1716)提出的"通用語言"設(shè)想。這一設(shè)想的要點(diǎn)是：建立一種通用的符號(hào)語言，用這個(gè)語言中的符號(hào)表達(dá)“思想內(nèi)容”，用符號(hào)之間的形式關(guān)系表達(dá)“思想內(nèi)容”之間的邏輯關(guān)系。于是，在“通用語言”中可以實(shí)現(xiàn)“思維的機(jī)械化”這一設(shè)想可以看成是對(duì)人工智能的最早描述。計(jì)算機(jī)科學(xué)的創(chuàng)始人圖靈被認(rèn)為是“人工智能之父”，他著重研究了一臺(tái)計(jì)算機(jī)應(yīng)滿足怎樣的條件才能稱為是“有智能的”。1950年他提出了著名的“圖靈實(shí)驗(yàn)”：讓一個(gè)人和一臺(tái)計(jì)算機(jī)分別處于兩個(gè)房間里，與外界的聯(lián)系僅僅通過鍵盤和打印機(jī)。由人類裁判員向房間里的人和計(jì)算機(jī)提問(比如：“你是機(jī)器還是人?”或“你是男人還是女人?”等等)，并通過人和計(jì)算機(jī)的回答來判斷哪個(gè)房間里是人、哪個(gè)房間里是計(jì)算機(jī)。圖靈認(rèn)為，如果“中等程度”的裁判員不能正確地區(qū)分，則這樣的計(jì)算機(jī)可以稱為是有智能的?！皥D靈實(shí)驗(yàn)”是關(guān)于智能標(biāo)準(zhǔn)的一個(gè)明確定義。有趣的是，盡管后來有些計(jì)算機(jī)已經(jīng)通過了圖靈實(shí)驗(yàn)，但人們并不承認(rèn)這些計(jì)算機(jī)是有智能的。這反映出人們對(duì)智能標(biāo)準(zhǔn)的認(rèn)識(shí)更深入、對(duì)人工智能的要求更高了。幾乎在圖靈上述工作的同時(shí)，馮·諾依曼從生物學(xué)角度研究了人工智能。從生物學(xué)的觀點(diǎn)看，智能是進(jìn)化的結(jié)果，而進(jìn)化的基本條件之一是“繁殖”。為此，馮·諾依曼構(gòu)造了“自再生自動(dòng)機(jī)”，這是一種有“繁殖”能力的數(shù)學(xué)模型。馮·諾依曼的分析表明，自再生自動(dòng)機(jī)的內(nèi)容結(jié)構(gòu)對(duì)于“繁殖”是充分的和必要的。他進(jìn)而推測(cè)，這種結(jié)構(gòu)必定存在于活的細(xì)胞之中。五年之后，克里克和沃森關(guān)于DNA結(jié)構(gòu)的重大發(fā)現(xiàn)完全證實(shí)了馮·諾依曼的猜測(cè)：自再生自動(dòng)機(jī)的幾個(gè)功能模塊均有生物學(xué)上的對(duì)應(yīng)物。其中，模塊A對(duì)應(yīng)于核糖體，B對(duì)應(yīng)于RND酶和DNA聚合酶，D對(duì)應(yīng)于RNA和DNA，E對(duì)應(yīng)于阻遏控制分子和抗阻遏控制分子等。馮·諾依曼的工作為后來人工智能中的一條研究路線(人工生命)提供了重要的基礎(chǔ)。圖靈和馮·諾依曼的上述工作，以及麥克考洛和匹茨對(duì)神經(jīng)元網(wǎng)的數(shù)學(xué)模型的研究，構(gòu)成了人工智能的初創(chuàng)階段，這其實(shí)也是人工智能學(xué)習(xí)的開始。1956年夏天舉行的達(dá)德茅斯研討會(huì)，被認(rèn)為是人工智能作為一門獨(dú)立學(xué)科正式誕生的標(biāo)志。這次研討會(huì)聚集了來自數(shù)學(xué)、信息科學(xué)、心理學(xué)、神經(jīng)生理學(xué)和計(jì)算機(jī)科學(xué)等不同領(lǐng)域的領(lǐng)導(dǎo)者，包括Minsky，Rochester，Simon，Solonio和Mccarthy等。其中，Miusky，Mccarthy，Newell和Simon后來被認(rèn)為是美國人工智能界的“四大領(lǐng)袖”。與會(huì)者從不同角度搜索了使機(jī)器具有智能的途徑和方式，并決定用“人工智能”(ArtificialIntelligence)一詞來概括這一新的研究方向。達(dá)德茅斯研討會(huì)開創(chuàng)了人工智能的第一個(gè)發(fā)展時(shí)期。在這個(gè)時(shí)期里，研究者們展開了一系列開創(chuàng)性工作，并取得了引人注目的成果。會(huì)后不久，Newell，Shaw和Simon完成了一個(gè)自動(dòng)證明數(shù)學(xué)定理的計(jì)算機(jī)程序LogicTheorist(此前Martin和Davis曾編制了一個(gè)算術(shù)定理的證明程序，但未發(fā)表)，證明了《數(shù)學(xué)原理》第二章中的38條定理，由此開創(chuàng)了人工智能中“自動(dòng)定理證明”這一分支。1958年，美籍邏輯學(xué)家王浩在自動(dòng)定理證明中取得的重要進(jìn)展。他的程序在IBM704計(jì)算機(jī)上用不到5分鐘的時(shí)間證明了《數(shù)學(xué)原理》中“命題演算”的全部220條定理。1959年，王浩的改進(jìn)程序用8.4分鐘證明了上述220條定理及謂詞演算的絕大部分定理。1983年，美國數(shù)學(xué)學(xué)會(huì)將自動(dòng)定理證明的第一個(gè)“里程碑獎(jiǎng)”授予王浩，以表彰他的杰出貢獻(xiàn)(自動(dòng)定理證明的“里程碑獎(jiǎng)”每25年評(píng)選一次，由此可見其份量)。受王浩工作的鼓舞，自動(dòng)定理證明的研究形成一股熱潮。比如，Slagle的符號(hào)積分程序SAINT經(jīng)測(cè)試已達(dá)到了大學(xué)生的積分演算水準(zhǔn);而Mosis的SIN程序的效率比SAINT提高了約三倍，被認(rèn)為達(dá)到了專家水平。自動(dòng)定理證明的理論價(jià)值和應(yīng)用范圍并不局限于數(shù)學(xué)領(lǐng)域。事實(shí)上，很多問題可以轉(zhuǎn)化為定理證明問題，或者與定理證明有關(guān)?？梢哉J(rèn)為，自動(dòng)定理證明的核心問題是自動(dòng)推理，而推理在人的智能行為中起普遍性的重要作用?；谶@一看法，在自動(dòng)定理證明的基礎(chǔ)上進(jìn)一步研究通用問題求解，是一個(gè)值得探索的課題。從1957年開始，Newell，Shaw和Simon等人著手研究不依賴于具體領(lǐng)域的通用解題程序，稱之為GPS，它是在LogicTheorist的基礎(chǔ)上發(fā)展起來的，雖然后來的實(shí)踐表明，GPS作為一個(gè)獨(dú)立的求解程序，其能力是有限的，但在GPS中發(fā)展起來的技術(shù)對(duì)人工智能的發(fā)展有重要意義．人工智能早期研究給人的深刻印象是博羿，1956年，Samnel研制了一個(gè)西洋跳棋程序，該程序“天生”下跳棋水平很低，遠(yuǎn)遠(yuǎn)不是Samuel的對(duì)手。但它有學(xué)習(xí)能力，能從棋譜中學(xué)習(xí)，也能在實(shí)踐中總結(jié)提高。經(jīng)過三年的“學(xué)習(xí)”，該程序與1959年打敗了Samuel;又經(jīng)過三年，打敗了美國一個(gè)州的冠軍。值得注意的是，雖然下棋至多只能算是一項(xiàng)體育運(yùn)動(dòng)，下棋的程序似乎只是一種游戲程序，但Samuel工作的意義十分重大：它同時(shí)刺激了“搜索”和“機(jī)器學(xué)習(xí)”這兩個(gè)人工智能重要領(lǐng)域的發(fā)展。與自動(dòng)定理證明的研究意義不限于數(shù)學(xué)一樣，搜索的研究意義也不限于博弈。根據(jù)認(rèn)知心理學(xué)的信息處理學(xué)派的觀點(diǎn)，人類思維過程的很大一部分可以抽象為從問題的初始狀態(tài)經(jīng)中間狀態(tài)到達(dá)終止?fàn)顟B(tài)的過程，因此可以轉(zhuǎn)化為一個(gè)搜索問題，由機(jī)器自動(dòng)地完成。例如“規(guī)劃”問題。設(shè)想一臺(tái)機(jī)器人被要求完成一項(xiàng)復(fù)雜任務(wù)，該任務(wù)包含很多不同的子任務(wù)，其中某些子任務(wù)只有在另一些子任務(wù)完成之后才能進(jìn)行。這時(shí)，機(jī)器人需要事先“設(shè)想”一個(gè)可行的行動(dòng)方案，使得依照該方案采取行動(dòng)可以順利完成任務(wù)?！耙?guī)劃”即找出一個(gè)可行的行動(dòng)案，可以通過以其子任務(wù)為狀態(tài)、以其子任務(wù)間依賴關(guān)系為直接后繼關(guān)系的狀態(tài)空間中的搜索來實(shí)現(xiàn)。人工智能的早期研究還包括自然語言理解、計(jì)算機(jī)視覺和機(jī)器人等等。通過大量研究發(fā)現(xiàn)，僅僅依靠自動(dòng)推理的搜索等通用問題求解手段是遠(yuǎn)遠(yuǎn)不夠的。Newell和Simon等人的認(rèn)知心理學(xué)研究表明，各個(gè)領(lǐng)域的專家之所以在其專業(yè)領(lǐng)域內(nèi)表現(xiàn)出非凡的能力，主要是因?yàn)閷＜覔碛胸S富的專門知識(shí)(領(lǐng)域知識(shí)和經(jīng)驗(yàn))。70年代中期，F(xiàn)eigenbaum提出知識(shí)工程概念，標(biāo)志著人工智能進(jìn)入第二個(gè)發(fā)展時(shí)期。知識(shí)工程強(qiáng)調(diào)知識(shí)在問題求解中的作用；相應(yīng)地，研究內(nèi)容也劃分為三個(gè)方面：知識(shí)獲取，知識(shí)表示和知識(shí)利用。知識(shí)獲取研究怎樣有效地獲得專家知識(shí)；知識(shí)表示研究怎樣將專家知識(shí)表示成在計(jì)算機(jī)內(nèi)易于存儲(chǔ)、易于使用的形式；知識(shí)利用研究怎樣利用已得到恰當(dāng)表示的專家知識(shí)去解決具體領(lǐng)域內(nèi)的問題。知識(shí)工程的主要技術(shù)手段是在早期成果的基礎(chǔ)上發(fā)展起來的，特別是知識(shí)利用，主要依靠自動(dòng)推理和搜索的技術(shù)成果。在知識(shí)表示方面，除使用早期工作中出現(xiàn)的邏輯表示法和過程表示法之外，還發(fā)展了在聯(lián)想記憶和自然語言理解研究中提出的語義網(wǎng)表示法，進(jìn)而引入了框架表示法，概念依賴和腳本表示法以及產(chǎn)生式表示法等等各種不同方法。與早期研究不同，知識(shí)工程強(qiáng)調(diào)實(shí)際應(yīng)用。主要的應(yīng)用成果是各種專家系統(tǒng)。專家系統(tǒng)的核心部件包括：(a)表達(dá)包括專家知識(shí)和其他知識(shí)的知識(shí)庫。(b)利用知識(shí)解決問題的推理機(jī)。大型專家系統(tǒng)的開發(fā)周期往往長達(dá)10余年，其主要原因在于知識(shí)獲取。領(lǐng)域?qū)＜译m然能夠很好地解決問題，卻往往說不清自己是怎么解決的，使用了哪些知識(shí)。這使得負(fù)責(zé)收集專家知識(shí)的知識(shí)工程師很難有效地完成知識(shí)獲取任務(wù)。知識(shí)獲取----機(jī)器學(xué)習(xí)研究的深入發(fā)展。已經(jīng)得到較多研究的機(jī)器學(xué)習(xí)方法包括：歸納學(xué)習(xí)、類比學(xué)習(xí)、解釋學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和進(jìn)化學(xué)習(xí)等等。機(jī)器學(xué)習(xí)的研究目標(biāo)是：讓機(jī)器從自己或“別人”的問題求解經(jīng)驗(yàn)中獲取相關(guān)的知識(shí)和技能，從而提高解決問題的能力。80年代以來，隨著計(jì)算機(jī)網(wǎng)絡(luò)的普及，特別是Internet的出現(xiàn)，各種計(jì)算機(jī)技術(shù)包括人工智能技術(shù)的廣泛應(yīng)用推動(dòng)著人機(jī)關(guān)系的重大變化。據(jù)日美等國未來學(xué)家的預(yù)測(cè)，人機(jī)關(guān)系正在迅速地從“以人為紐帶”的傳統(tǒng)模式向“以機(jī)為紐帶”的新模式轉(zhuǎn)變?nèi)藱C(jī)關(guān)系的這一轉(zhuǎn)變將引起社會(huì)生產(chǎn)方式和生活方式的巨大變化，同時(shí)也向人工智能乃至整個(gè)信息技術(shù)提出了新的課題。這促使人工智能進(jìn)入第三個(gè)發(fā)展時(shí)期。在這個(gè)新的發(fā)展時(shí)期中，人工智能面臨一系列新的應(yīng)用需求。代生產(chǎn)是一種社會(huì)化大生產(chǎn)，來自不同專業(yè)的工作者在不同或相同的時(shí)間、地點(diǎn)從事著同一任務(wù)的不同子任務(wù)。這要求計(jì)算機(jī)不僅為每一項(xiàng)子任務(wù)提供輔助和支持，更需要為子任務(wù)之間的協(xié)調(diào)提供輔助和支持。由于各個(gè)子任務(wù)在很大程度上可以獨(dú)立地進(jìn)行，子任務(wù)之間的關(guān)系必然呈現(xiàn)出動(dòng)態(tài)變化和難以預(yù)測(cè)的特點(diǎn)。于是，子任務(wù)之間的協(xié)調(diào)（即對(duì)分布協(xié)同工作的支持）向人工智能乃至整個(gè)信息技術(shù)以及基礎(chǔ)理論提出了巨大的挑戰(zhàn)。其次，網(wǎng)絡(luò)化推進(jìn)了信息化，使原本分散孤立的數(shù)據(jù)庫形成一個(gè)互連的整體，即一個(gè)共同的信息空間。盡管現(xiàn)有的瀏覽器和搜索引擎為用戶在網(wǎng)上查找信息提供了必要的幫助，這種幫助是遠(yuǎn)遠(yuǎn)不夠的，以至于“信息過載”與“信息迷失”狀況日益嚴(yán)重。更強(qiáng)大的智能型信息服務(wù)工具已成為廣大用戶的迫切需要。另一方面，信息空間對(duì)人類的價(jià)值不僅在于單獨(dú)的信息條目（比如某廠家生產(chǎn)出了某一新產(chǎn)品的信息），還遠(yuǎn)在于一大類信息中隱藏著的普遍性知識(shí)（比如某個(gè)行業(yè)供求關(guān)系的變化趨勢(shì)）。于是，數(shù)據(jù)中的知識(shí)發(fā)現(xiàn)也成為一項(xiàng)迫切的研究課題。機(jī)器人始終是現(xiàn)代工業(yè)的迫切需求。隨著機(jī)器人技術(shù)的發(fā)展，研究重點(diǎn)已經(jīng)轉(zhuǎn)向能在動(dòng)態(tài)、不可預(yù)測(cè)環(huán)境中獨(dú)立工作的自主機(jī)器人，以及能與其他機(jī)器人（包括人）協(xié)作的機(jī)器人。顯然，這種機(jī)器人之間的合作可以看成是物理世界中的分布式協(xié)同工作，因而包括相同的理論和技術(shù)問題。由此可見，人工智能第三發(fā)展時(shí)期的突出特點(diǎn)是研究能夠在動(dòng)態(tài)、不可預(yù)測(cè)環(huán)境中自主、協(xié)調(diào)工作的計(jì)算機(jī)系統(tǒng)，這種系統(tǒng)被稱為Agent。目前，正圍繞著Agent的理論、Agent的體系結(jié)構(gòu)和Agent語言三個(gè)方面展開研究，并已產(chǎn)生一系列重要的新思想、新理論、新方法和新技術(shù)。在這一研究中，人工智能呈現(xiàn)一種與軟件工程、分布式計(jì)算以及通訊技術(shù)相互融合的趨勢(shì)。Agent研究的應(yīng)用不限于生產(chǎn)和工作，還深入到人們的學(xué)習(xí)和娛樂等各個(gè)方面。例如，Agent與虛擬現(xiàn)實(shí)相結(jié)合而產(chǎn)生的虛擬訓(xùn)練系統(tǒng)，可以使學(xué)生在不實(shí)際操縱飛機(jī)的情況下學(xué)飛行的基本技能；類似地，也可使顧客“享受”實(shí)戰(zhàn)的“滋味”。我國也先后成立中國人工智能學(xué)會(huì)、中國計(jì)算機(jī)學(xué)會(huì)人工智能和模式識(shí)別專業(yè)委員會(huì)和中國自動(dòng)化學(xué)會(huì)模式識(shí)別與機(jī)器智能專業(yè)委員會(huì)等學(xué)術(shù)團(tuán)體，開展這方面的學(xué)術(shù)交流。此外國家還著手興建了若干個(gè)與人工智能研究有關(guān)的國家重點(diǎn)實(shí)驗(yàn)室，這些都將促進(jìn)我國人工智能的研究，為這一學(xué)科的發(fā)展作出貢獻(xiàn)。綜觀人工智能學(xué)習(xí)的發(fā)展歷程，可以看出它始終遵循的基本思路。首先是強(qiáng)調(diào)人類智能的人工實(shí)現(xiàn)而不是單純的模擬，以便盡可能地為人類的實(shí)際需要服務(wù)。其次是強(qiáng)調(diào)多學(xué)科的交叉結(jié)合，數(shù)學(xué)、信息科學(xué)、生物學(xué)、心理學(xué)、生理學(xué)、生態(tài)學(xué)以及非線性科學(xué)等等越來越多的新生學(xué)科被融入到人工智能學(xué)習(xí)的研究之中。實(shí)際應(yīng)用機(jī)器視覺:指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng),智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，還有航天應(yīng)用等。學(xué)科范疇人工智能是一門邊沿學(xué)科，屬于自然科學(xué)和社會(huì)科學(xué)的交叉。涉及學(xué)科哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論，仿生學(xué)，研究范疇自然語言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)，軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法人類思維方式應(yīng)用領(lǐng)域智能控制，機(jī)器人學(xué)，語言和圖像理解，遺傳編程機(jī)器人工廠安全問題目前人工智能還在研究中，但有學(xué)者認(rèn)為讓計(jì)算機(jī)擁有智商是很危險(xiǎn)的，它可能會(huì)反抗人類。這種隱患也在多部電影中發(fā)生過。發(fā)展歷程人工智能的發(fā)展也并不是一帆風(fēng)順的，人工智能的研究經(jīng)歷了以下幾個(gè)階段:孕育階段:古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R(shí)就是力量”德國數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茲）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號(hào)化，從而能對(duì)人的思維進(jìn)行運(yùn)算和推理。做出了能做四則運(yùn)算的手搖計(jì)算機(jī)英國數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實(shí)現(xiàn)了布萊尼茨的思維符號(hào)化和數(shù)學(xué)化的思想,提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。第一階段:50年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機(jī)器定理證明、跳棋程序、通用問題s求解程序LISP表處理語言等。但由于消解法推理能力的有限，以及機(jī)器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點(diǎn)是：重視問題求解的方法，忽視知識(shí)重要性。第二階段:60年代末到70年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮DENDRAL化學(xué)質(zhì)譜分析系統(tǒng)、MYCIN疾病診斷和治療系統(tǒng)、PROSPECTIOR探礦系統(tǒng)、Hearsay-II語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實(shí)用化。并且，1969年成立了國際人工智能聯(lián)合會(huì)議（InternationalJointConferencesonArtificialIntelligence即IJCAI）。第三階段:80年代，隨著第五代計(jì)算機(jī)的研制，人工智能得到了很大發(fā)展日本1982年開始了“第五代計(jì)算機(jī)研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)KIPS”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。雖然此計(jì)劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。第四階段:80年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展1987年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會(huì)議，宣告了這一新學(xué)科的誕生。此后，各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。第五階段:90年代，人工智能出現(xiàn)新的研究高潮由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標(biāo)的分布式問題求解，而且研究多個(gè)智能主體的多目標(biāo)問題求解，將人工智能更面向?qū)嵱?。另外，由于Hopfield多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會(huì)生活的各個(gè)領(lǐng)域。三大學(xué)派20世紀(jì)80年代到本世紀(jì)初人工智能研究形成了三大學(xué)派：隨著人工神經(jīng)網(wǎng)絡(luò)的再度興起和布魯克（R.A.Brooks）的機(jī)器蟲的出現(xiàn)，人工智能研究形成了符號(hào)主義、連接主義和行為主義三大學(xué)派。符號(hào)主義學(xué)派是指基于符號(hào)運(yùn)算的人工智能學(xué)派，他們認(rèn)為知識(shí)可以用符號(hào)來表示，認(rèn)知可以通過符號(hào)運(yùn)算來實(shí)現(xiàn)。例如，專家系統(tǒng)等。連接主義學(xué)派是指神經(jīng)網(wǎng)絡(luò)學(xué)派，在神經(jīng)網(wǎng)絡(luò)方面，繼魯梅爾哈特研制出BP網(wǎng)絡(luò)之后，1987年，首屆國際人工神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會(huì)在美國的圣迭戈（San-Diego）舉行，掀起了人工神經(jīng)網(wǎng)絡(luò)的第二次高潮。之后，隨著模糊邏輯和進(jìn)化計(jì)算的逐步成熟，又形成了“計(jì)算智能”這個(gè)統(tǒng)一的學(xué)科范疇。行為主義學(xué)派是指進(jìn)化主義學(xué)派，在行為模擬方面，麻省理工學(xué)院的布魯克教授1991年研制成功了能在未知的動(dòng)態(tài)環(huán)境中漫游的有6條腿的機(jī)器蟲。三大學(xué)派的綜合集成隨著研究和應(yīng)用的深入，人們又逐步認(rèn)識(shí)到，三個(gè)學(xué)派各有所長，各有所短，應(yīng)相互結(jié)合、取長補(bǔ)短，綜合集成。人工智能的基本方法人工智能的基本方法有以下幾種：1、啟發(fā)式搜索：人們解決問題的基本方法是方案--試驗(yàn)法，對(duì)各種可能的方案進(jìn)行試驗(yàn)，直至找到正確的方案。搜索策略有盲目搜索、啟發(fā)式搜索之分。盲目搜索是對(duì)可能方案進(jìn)行順序的試驗(yàn)；啟發(fā)式搜索是依照經(jīng)驗(yàn)或某種啟發(fā)式信息，摒棄希望不大的搜索方向。啟發(fā)式搜索大大加快搜索過程，使得人們處理問題效率得到提高。2、規(guī)劃：人們待解決的問題一般可以分解轉(zhuǎn)化為若干小問題，對(duì)于每個(gè)小問題還可以進(jìn)行分解。由于解決小問題的搜索大為減少，使得原問題的復(fù)雜度降低，問題的解決得到簡化。規(guī)劃要依靠啟發(fā)式信息，成功與否，很大程度上決定于啟發(fā)信息的可靠程度。

3、知識(shí)的表達(dá)技術(shù)：知識(shí)在計(jì)算機(jī)內(nèi)的表達(dá)方式是用計(jì)算機(jī)模擬人類智能必須解決的重要問題。問題解決的關(guān)鍵是如何把各類知識(shí)進(jìn)行編碼、存儲(chǔ)；如何快速尋找需要的知識(shí)；如何對(duì)知識(shí)進(jìn)行運(yùn)算、推理；如何對(duì)知識(shí)進(jìn)行更新、修改。人工智能的研究領(lǐng)域隨著AI技術(shù)的發(fā)展，現(xiàn)代幾乎各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)，可以說人工智能已經(jīng)廣泛應(yīng)用到許多領(lǐng)域，其典型的研究包括：1符號(hào)計(jì)算計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類:一類是純數(shù)值的計(jì)算,例如求函數(shù)的值;另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì)算,處理的是符號(hào)。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式、函數(shù)、集合等。隨著計(jì)算機(jī)的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件,其中Mathematic和Maple是它們的代表。由于它們都是用C語言寫成的,所以可以在絕大多數(shù)計(jì)算機(jī)上使用。2模式識(shí)別模式識(shí)別就是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”。用計(jì)算機(jī)實(shí)現(xiàn)模式（文字、聲音、人物、物體等）的自動(dòng)識(shí)別，是開發(fā)智能機(jī)器的一個(gè)關(guān)鍵的突破口，也為人類認(rèn)識(shí)自身智能提供線索。計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、準(zhǔn)確性和效率高。識(shí)別過程與人類的學(xué)習(xí)過程相似，以“語音識(shí)別”為例：語音識(shí)別就是讓計(jì)算機(jī)能聽懂人說的話，一個(gè)重要的例子就是七國語言（英、日、意、韓、法、德、中）口語自動(dòng)翻譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國預(yù)定旅館、購買機(jī)票、在餐館對(duì)話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。3機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。目前，國內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件的代表是“金山詞霸”，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。4機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是機(jī)器具有智能的重要標(biāo)志，同時(shí)也是機(jī)器獲取知識(shí)的根本途徑。有人認(rèn)為，一個(gè)計(jì)算機(jī)系統(tǒng)如果不具備學(xué)習(xí)功能，就不能稱其為智能系統(tǒng)。機(jī)器學(xué)習(xí)主要研究如何使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)功能。機(jī)器學(xué)習(xí)是一個(gè)難度較大的研究領(lǐng)域，它與認(rèn)知科學(xué)、神經(jīng)心理學(xué)、邏輯學(xué)等學(xué)科都有著密切的聯(lián)系，并對(duì)人工智能的其他分支，如專家系統(tǒng)、自然語言理解、自動(dòng)推理、智能機(jī)器人、計(jì)算機(jī)視覺、計(jì)算機(jī)聽覺等方面，也會(huì)起到重要的推動(dòng)作用。5問題求解人工智能的第一大成就是下棋程序,在下棋程序中應(yīng)用的某些技術(shù),今天的計(jì)算機(jī)程序已能夠達(dá)到下各種方盤棋和國際象棋的錦標(biāo)賽水平。但是,尚未解決包括人類棋手具有但尚不能明確表達(dá)的能力，如國際象棋大師們洞察棋局的能力。另一個(gè)問題是涉及問題的原概念,在人工智能中叫問題表示的選擇,人們常能找到某種思考問題的方法,從而使求解變易而解決該問題。到目前為止,人工智能程序已能知道如何考慮它們要解決的問題,即搜索解答空間,尋找較優(yōu)解答。6邏輯推理與定理證明邏輯推理是人工智能研究中最持久的領(lǐng)域之一,其中特別重要的是要找到一些方法,只把注意力集中在一個(gè)大型的數(shù)據(jù)庫中的有關(guān)事實(shí)上,留意可信的證明,并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此,在人工智能方法的研究中，定理證明是一個(gè)極其重要的論題。7自然語言處理自然語言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過多年艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的成果。目前該領(lǐng)域的主要課題是:計(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為基礎(chǔ),注重大量的常識(shí)———世界知識(shí)和期望作用,生成和理解自然語言。這是一個(gè)極其復(fù)雜的編碼和解碼問題。8分布式人工智能分布式人工智能在20世紀(jì)70年代后期出現(xiàn)，是人工智能研究的一個(gè)重要分支。分布式人工智能系統(tǒng)一般由多個(gè)Agent（智能體）組成，每一個(gè)Agent又是一個(gè)半自治系統(tǒng)，Agent之間以及Agent與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并通過交互來完成問題求解。9計(jì)算機(jī)視覺計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科，其主要研究目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。目前，計(jì)算機(jī)視覺已在人類社會(huì)的許多領(lǐng)域得到成功應(yīng)用。例如，在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等；在航天與軍事方面有衛(wèi)星圖像處理、飛行器跟蹤、成像精確制導(dǎo)、景物識(shí)別、目標(biāo)檢測(cè)等；在醫(yī)學(xué)方面有圖像的臟器重建、醫(yī)學(xué)圖像分析等；在工業(yè)方面有各種監(jiān)測(cè)系統(tǒng)和生產(chǎn)過程監(jiān)控系統(tǒng)等。10智能信息檢索技術(shù)信息獲取和精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實(shí)際應(yīng)用的契機(jī)與突破口。11專家系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來,在“專家系統(tǒng)”或“知識(shí)工程”的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢(shì)。人類專家由于具有豐富的知識(shí),所以才能達(dá)到優(yōu)異地解決問題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用這些知識(shí),也應(yīng)該能解決人類專家所解決的問題,而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯(cuò),現(xiàn)在這一點(diǎn)已被證實(shí)。如在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面,專家系統(tǒng)已經(jīng)達(dá)到了人類專家的水平。人工智能的應(yīng)用領(lǐng)域人工智能的應(yīng)用領(lǐng)域

1.在管理系統(tǒng)中的應(yīng)用

(1)人工智能應(yīng)用于企業(yè)管理的意義主要不在于提高效率,而是用計(jì)算機(jī)實(shí)現(xiàn)人們非常需要做,但工業(yè)工程信息技術(shù)是靠人工卻做不了或是很難做到的事情。在《談?wù)勅斯ぶ悄茉谄髽I(yè)管理中的應(yīng)用》一文中劉玉然指出把人工智能應(yīng)用于企業(yè)管理中,以數(shù)據(jù)管理和處理為中心,圍繞企業(yè)的核心業(yè)務(wù)和主導(dǎo)流程建立若干個(gè)主題數(shù)據(jù)庫,而所有的應(yīng)用系統(tǒng)應(yīng)該圍繞主題數(shù)據(jù)庫來建立和運(yùn)行。換句話說,就是將企業(yè)各部門的數(shù)據(jù)進(jìn)行統(tǒng)一集成管理,搭建人工智能的應(yīng)用平臺(tái),使之成為企業(yè)管理與決策中的關(guān)鍵因子。2.在工程領(lǐng)域的應(yīng)用

(1)醫(yī)學(xué)專家系統(tǒng)是人工智能和專家系統(tǒng)理論和技術(shù)在醫(yī)學(xué)領(lǐng)域的重要應(yīng)用,具有極大的科研和應(yīng)用價(jià)值,它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題,作為醫(yī)生診斷、治療的輔助工具。事實(shí)上,早在1982年,美國匹茲堡大學(xué)的Miller就發(fā)表了著名的作為內(nèi)科醫(yī)生咨詢的Internist2Ⅰ內(nèi)科計(jì)算機(jī)輔助診斷系統(tǒng)的研究成果,由此,掀起了醫(yī)學(xué)智能系統(tǒng)開發(fā)與應(yīng)用的高潮。目前,醫(yī)學(xué)智能系統(tǒng)已通過其在醫(yī)學(xué)影像方面的重要作用,從而應(yīng)用于內(nèi)科、骨科等多個(gè)醫(yī)學(xué)領(lǐng)域中,并在不斷發(fā)展完善中。

(2)地質(zhì)勘探、石油化工等領(lǐng)域是人工智能的主要作用發(fā)揮領(lǐng)地。1978年美國斯坦福國際研究所就研發(fā)制成礦藏勘探和評(píng)價(jià)專家系統(tǒng)“PROSPECTOR”,該系統(tǒng)于勘探評(píng)價(jià)、區(qū)域資源估值和鉆井井位選擇等,是工業(yè)領(lǐng)域的首個(gè)人工智能專系統(tǒng),其發(fā)現(xiàn)了一個(gè)鉬礦沉積,價(jià)值超過1億美元。3.在技術(shù)研究中的應(yīng)用(1)在超聲無損檢測(cè)(NDT)與無損評(píng)價(jià)(NDE)領(lǐng)域中,目前主要廣泛采用專家系統(tǒng)方法對(duì)超聲損傷(UT)中缺陷的性質(zhì)、形狀和大小進(jìn)行判斷和歸類;專家運(yùn)用超聲無損檢測(cè)儀器,以其高精度的運(yùn)算、控制和邏輯判斷力代替大量人的體力與腦力勞動(dòng),減少了任務(wù)因素造成的無擦,提高了檢測(cè)的可靠性,實(shí)現(xiàn)了超聲檢測(cè)和評(píng)價(jià)的自動(dòng)化、智能化。(2)人工智能在電子技術(shù)領(lǐng)域的應(yīng)用可謂由來已久。隨著網(wǎng)絡(luò)的迅速發(fā)展,網(wǎng)絡(luò)技術(shù)的安全是我們關(guān)心的重點(diǎn),因此我們必須在傳統(tǒng)技術(shù)的基礎(chǔ)上進(jìn)行網(wǎng)絡(luò)安全技術(shù)的改進(jìn)和變更,大力發(fā)展數(shù)據(jù)挖掘技術(shù)、人工免疫技術(shù)等高效的AI技術(shù),開發(fā)更高級(jí)AI通用和專用語言,和應(yīng)用環(huán)境以及開發(fā)專用機(jī)器,而與人工智能技術(shù)則為我們提供了可能性。人工智能與機(jī)電一體化系統(tǒng)的統(tǒng)一 近幾十年來，人工智能得到了長足的發(fā)展，譬如，IBM公司制造的深藍(lán)計(jì)算機(jī)運(yùn)用人工智能于1997年5月，戰(zhàn)勝了國際象棋冠軍卡斯帕洛夫。人工智能用于機(jī)電一體化是機(jī)電一體化發(fā)展的方向之一。這種智能主要通過控制技術(shù)加以設(shè)計(jì)和實(shí)現(xiàn)，即由機(jī)電一體化系統(tǒng)中的控制系統(tǒng)來具體實(shí)現(xiàn)。專家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)控制、學(xué)習(xí)控制和分層遞階是目前人工智能研究主要的幾個(gè)領(lǐng)域，它們各自發(fā)展，又相互滲透，走向結(jié)合。其中，前三個(gè)領(lǐng)域是目前機(jī)電一體系統(tǒng)實(shí)現(xiàn)智能化的較成熟的領(lǐng)域。一，自從第一個(gè)專家系統(tǒng)于1968年問世以來，經(jīng)過30多年的發(fā)展，專家系統(tǒng)已經(jīng)成為人工智能應(yīng)用最活躍的領(lǐng)域。已經(jīng)從最初的應(yīng)用于醫(yī)療、科技等領(lǐng)域，向財(cái)政、金融、保險(xiǎn)、商業(yè)和法律方向擴(kuò)展，下面就與機(jī)電一體化有關(guān)的應(yīng)用予以探討。1、在裝配制造業(yè)的應(yīng)用：產(chǎn)品的生產(chǎn)，總是用零件來構(gòu)造的，將不同的零件一起裝配成一種新產(chǎn)品，叫做配里任務(wù)。專家系統(tǒng)應(yīng)用于裝配制造方面可以取得可觀的經(jīng)濟(jì)效益。比如，DEC公司的專家系統(tǒng)XCON，是應(yīng)用于計(jì)算機(jī)配置的第一個(gè)專家系統(tǒng)，現(xiàn)在每年為DEC公司盈利1、5億美元2、在設(shè)備故障診斷中的應(yīng)用：專家系統(tǒng)用于設(shè)備故障診斷，特別是針對(duì)大型的結(jié)構(gòu)、復(fù)雜的故障診斷，可以盡快找到故障，大大縮短檢修時(shí)間，有很多成功的例子，比如美國西屋電氣公司研制的GEN一AID專家系統(tǒng)，已經(jīng)成功地應(yīng)用于診斷汽輪發(fā)動(dòng)機(jī)的故障。IBM公司也曾經(jīng)為其IBMATPC機(jī)配備了一個(gè)專家系統(tǒng)，用來精確定位系統(tǒng)故障。3、在控制方面的應(yīng)用：專家系統(tǒng)可以在機(jī)電一體化設(shè)備控制方面發(fā)揮作用，在伺服控制、數(shù)控機(jī)床、加工中心以及其它控制領(lǐng)域，已取得了進(jìn)展。在這方面成功的例子如AT&T公司為控制機(jī)械手，研制出在單個(gè)芯片上實(shí)現(xiàn)的專家系統(tǒng)。最早的芯片包括16條規(guī)則的ROM，控制器以及處理數(shù)據(jù)與規(guī)則的推理機(jī)。采用2。5um線寬的CMOS工作，最初只使用了芯片面積的四分之一，改用1。5um線寬后可容納256條規(guī)則，建立規(guī)則時(shí)采用模糊邏輯，執(zhí)行速度可達(dá)到80000LISP，比常規(guī)專家系統(tǒng)快1000倍。盡管大型專家系統(tǒng)的造價(jià)是很昂貴的，但其經(jīng)濟(jì)效益大，通常一年之內(nèi)可收回成本。因此，專家系統(tǒng)在機(jī)電一體化中的應(yīng)用前景十分廣闊。二，屬于模糊概念的全體對(duì)象稱為模糊集合。例如，說“XX是青年人?！边@個(gè)青年就是模糊集合?；谀：匣A(chǔ)之上的邏輯與控制稱為模糊邏輯與控制。它可用較少的代價(jià)傳遞足夠的信息，并能對(duì)復(fù)雜事物做出高效率的判斷和處理。模糊控制對(duì)某些參數(shù)變化不敏感。由于模糊控制器的決定往往要根據(jù)十幾條甚至數(shù)十條規(guī)則才能做出，如果由于傳感器或元器件出故障而導(dǎo)致某些規(guī)則失誤，其它規(guī)則可起補(bǔ)償作用，從而使輸出保持連續(xù)平滑。所以，模糊控制較適用于一些要求魯棒性能好的機(jī)電一體化系統(tǒng)中。三，人工神經(jīng)網(wǎng)絡(luò)能模擬人類大量腦細(xì)胞的高度連接，當(dāng)有輸人信號(hào)將神經(jīng)元激活時(shí)，經(jīng)過神經(jīng)回路產(chǎn)生輸出。神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力和聯(lián)想記憶，它經(jīng)過學(xué)習(xí)能在輸人信號(hào)后產(chǎn)生預(yù)期的輸出。如果某一信息回路沒學(xué)習(xí)過，它也能得出合理的輸出。人工神經(jīng)網(wǎng)絡(luò)在機(jī)電一體化系統(tǒng)應(yīng)用中有明顯進(jìn)展，與專家系統(tǒng)、模糊邏輯結(jié)合起來是重點(diǎn)的發(fā)展方向。用于機(jī)電一體化系統(tǒng)中的現(xiàn)場(chǎng)總線LONWORKS，其核心技術(shù)就是采用神經(jīng)元芯片。這種芯片內(nèi)部裝有3個(gè)微處理器:MAC處理器完成介質(zhì)訪問控制;網(wǎng)絡(luò)處理器完成ISO/OSI參考模型的3一6層網(wǎng)絡(luò)協(xié)議;應(yīng)用處理器完成用戶現(xiàn)場(chǎng)控制應(yīng)用。它們之間通過公用存儲(chǔ)器傳遞數(shù)據(jù)。該神經(jīng)元芯片還具有多種I/O和時(shí)間計(jì)算器等。一個(gè)小小的神經(jīng)元芯片，不僅具有強(qiáng)大的通信功能，還集控制和數(shù)據(jù)于一體。在某些情況下，此芯片再配以其它一些器件，就可承擔(dān)集散控制系統(tǒng)中一個(gè)獨(dú)立控制單元的任務(wù)。總之，專家系統(tǒng)、模糊邏輯與人工神經(jīng)網(wǎng)絡(luò)三者，不僅各自發(fā)揮其獨(dú)特的作用還日益走上綜合集成形成全新的技術(shù)，進(jìn)一步提高機(jī)電一體化系統(tǒng)的智能化水平，并不斷擴(kuò)展其應(yīng)用水平。目前人工智能發(fā)展中所面臨的難題人工智能(AI)學(xué)科自1956年誕生至今已走過50多個(gè)年頭,就研究解釋和模擬人類智能、智能行為及其規(guī)律這一總目標(biāo)來說,已經(jīng)邁出了可喜的一步,某些領(lǐng)域已取得了相當(dāng)?shù)倪M(jìn)展。但從整個(gè)發(fā)展的過程來看,人工智能發(fā)展曲折,而且還面臨不少難題，主要有以下幾個(gè)方面：1計(jì)算機(jī)博弈的困難博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對(duì)自然界事物的對(duì)策或智力競爭上。博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競爭之中。盡管西洋跳棋和國際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平,然而計(jì)算機(jī)博弈依然面臨著巨大的困難。這主要表現(xiàn)在以下兩個(gè)方面的問題：其一是組合爆炸問題,狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹來表示狀態(tài)空間,對(duì)于幾種常見的棋類,其狀態(tài)空間都大得驚人,例如,西洋跳棋為10的40次方,國際象棋為10的120次方,圍棋則是10的700次方。如此巨大的狀態(tài)空間,現(xiàn)有計(jì)算機(jī)是很難忍受的。其二是現(xiàn)在的博弈程序往往是針對(duì)二人對(duì)弈、棋局公開、有確定走步的一類棋類進(jìn)行研制的。而對(duì)于多人對(duì)弈、隨機(jī)性的博弈這類問題,至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。2機(jī)器翻譯所面臨的問題在計(jì)算機(jī)誕生的初期,有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器翻譯所面臨的問題仍然是1964年語言學(xué)家黑列爾所說的構(gòu)成句子的單詞和歧義性問題。歧義性問題一直是自然語言理解(NLU)中的一大難關(guān)。同樣一個(gè)句子在不同的場(chǎng)合使用,其含義的差異是司空見慣的。因此,要消除歧義性就要對(duì)原文的每一個(gè)句子及其上下文進(jìn)行分析理解,尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意義。然而,計(jì)算機(jī)卻往往孤立地將句子作為理解單位。另外,即使對(duì)原文有了一定的理解,理解的意義如何有效地在計(jì)算機(jī)里表示出來也存在問題。目前的NLU系統(tǒng)幾乎不能隨著時(shí)間的增長而增強(qiáng)理解力,系統(tǒng)的理解大都局限于表層上,沒有深層的推敲,沒有學(xué)習(xí),沒有記憶,更沒有歸納。導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)和研究方法的問題。現(xiàn)在NLU的研究方法很不成熟,大多數(shù)研究局限在語言這一單獨(dú)的領(lǐng)域,而沒有對(duì)人們是如何理解語言這個(gè)問題做深入有效的探討。3自動(dòng)定理證明和GPS的局限自動(dòng)定理證明的代表性工作是1965年魯賓遜提出的歸結(jié)原理。歸結(jié)原理雖然簡單易行,但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的?；跉w結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合,從而喪失了其固有的邏輯蘊(yùn)含語義。GPS是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí)求解人工智能問題的通用方法。GPS想擺脫對(duì)問題內(nèi)部表達(dá)形式的依賴,但是問題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理,還是求解人工智能問題的通用方法GPS,都可以從中分析出表達(dá)能力的局限性,而這種局限性使得它們縮小了其自身的應(yīng)用范圍。4模式識(shí)別的困惑雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果,有的已成為產(chǎn)品投入實(shí)際應(yīng)用,但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的。人的識(shí)別手段、形象思維能力,是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的,另一方