人工智能的认知革命
国际上有很多非常有影响力的大牛或者是大咖论述过这个问题。例如，最伟大的科学家之一霍金讲：“人工智能不一定是好事。”比尔盖茨也说：“人工智能让我比较担忧。”最新的创业偶像马斯克说：“我们需要万分警惕人工智能，它们比核武器更加危险。”我们把他们叫做“人工智能威胁派”。
而另外一方面，业界有很多人，包括在座的很多专家，大家其实从另外一个角度看待人工智能，我们把他们叫“人工智能的理智派”。比如，机器学习大神Michael Jordan，Facebook的Yann Lecun等。
可以看到有一个问题是大家都关心的，那就是机器什么时候能实现智能的突破？我们知道，计算机出现到现在大概70年左右。那么我们就要问一下，人类的智能是怎么突破的？非常有意思的是，人类历史学家对这个问题研究了很长时间，而且已经得出了结论。以色列的一位年轻的历史学家尤瓦尔.赫拉利的《人类简史：从动物到上帝》中写到：七万年前，从非洲大陆走出来的智人实现了“奇点”的突破，占领了整个世界。
所以大家就会想知道，七万年前来自非洲的猿人到底发生了什么，好像智力一下子突然开窍了，统一了地球呢？猿人在地球上已经存在了300到400万年了，到7万年前才实现了智能的突破，这里面是一个非常长的时间。而计算机出现的时间刚刚只有几十年的时间，和猿人产生智能的时间周期相比，计算机刚刚度过的时间只能算一瞬间。
最近讨论比较热的一个话题是，神经科学对人工智能发展促进的可能性。最近这两年，美国政府已经顺利完成人工基因测序的研究。美国和欧洲正在开展一个新的为期十年的40亿美金的基础研究投资，美国叫“大脑图谱”，欧洲叫“人类大脑项目”。在这个方面，我国各个方面也在积极推进“中国脑计划”，比如中科院卓越创新工程里面，也涉及了这方面的研究。
我们可以看到，对于脑神经科学的研究，对于人工智能是可以产生促进作用的。现在脑科学的进展，已经使我们知道大脑里面的不同区域可以处理不同的细节。大家看左图，当一个图像进来以后，我们看到了不同的像素、点、线、轮廓最后到人脸，这是一个非常复杂的图像处理过程，需要使用几百亿个神经元。
而且非常有意思的是，人脑在处理各种不同的多媒体信号的时候，例如声音、图像、触觉，都是从细节到抽象逐步的向上传递，并且最后综合在一起的。当你看到一幅猫的图片的时候，你的大脑里已经有预备有猫的叫声，猫如果发出猫的声音，你的反应是正常的。如果猫发出的是老鼠的声音，那你觉得这是不正常的，又会调出另外一套处理机制。
如果把人的大脑皮层剖析开，就会发现大脑皮层是由六层的神经元结构构成的。最重要的一点是什么呢？大脑皮层记忆的方式，跟我们电脑的存储是完全不一样的。比如：大脑主要存储序列模式。一首歌曲从前到后听是能够记得住旋律的，而倒过来放我们就不认识了。包括自联想的回忆模式。比如：看到猫脸上半部，人脑的神经网络会帮你自动的联想出猫脸的下半部出来。
对比来说，电脑只能做运算和存储，而不是记忆。前一段时间跟李德毅院士专门探讨了记忆是如何帮助人脑实现智能的问题，我觉得在这方面的研究还差的很远，
还有大量改进的空间。
迄今为止工业界人工智能的成功经验是什么呢？以谷歌为代表的世界互联网公司，包括中国的阿里、腾讯、百度、讯飞，已经找到了一条路，那就是利用深度神经网络与大数据结合，这已经成为当前人工智能实现的一条主流路径。我觉得这条路径中还有一个非常重要的内容，就是基于互联网和移动互联网的“研究-工程-产品-用户”大闭环优化。
从2013年开始，其实DNN已经被广泛的应用在合成、识别、评测、增强等一系列方向。我们可以看到现在这个方面的工作，已经成为了当前机器学习和统计模式主流。现在的DNN对人脑神经网络的借鉴是非常非常抽象的，我们其实可以通过对人脑的研究进一步的优化DNN。
大学和研究院所要想做人工智能方面的工作，当前相对于互联网公司，一个很难比较的地方是什么呢？我总结了一个“研究-工程-产品-用户”大闭环优化的核心思想，用简单的四个字，可以说是“大、智、移、云”。
移动互联设备对智能交互（包括语音图像）提出了迫切的需求，而传统的嵌入式移动设备不能够提供足够的运算能力且缺乏足够的电力供应，而云计算出现以后，这些复杂的计算都可以放在云上。通过云计算自然就存储了大数据，而这些大数据结合刚刚讲的深度神经网络，可以很好的解决人工智能问题。我自己把它总结成为一个效应，叫“涟漪效应”。
“涟漪效应”就是水滴刚刚滴入水面的这个过程，会产生一个波纹逐步的覆盖整个水面。我们可以想象一个人工智能产品刚开始投入到市场上的时候，有些性能是不好的，就像讯飞的语音输入法。水波纹每一圈向外扩散就会有更多人使用，更多人使用，真实数据和使用经验就会放到云上，系统会根据这些数据和经验进
行自我学习和更新。当它扩散到更多的人使用的时候，就是波纹覆盖水面扩大的时候，已经是改进以后的系统。前一千万人免费使用系统的同时也贡献了宝贵的数据和经验。当第一千万零一个人使用的时候，他就会觉得：“哇，怎么这么好？”。
2010年以前的语音识别是不能在真实场景下使用的，我们科大讯飞刚推出语音输入法的时候，在实验室里面测试识别率是90%的系统，在真实的环境下识别率是多少呢？55.8%。但是利用涟漪效应和“大、智、移、云”，现在已经识别率达到了95%。人是多少？99.5%。但是现在识别率还在以每年30%的速度往上提升，大概5年以后就可以逼近人类的水平。
现在工业界所依赖的大闭环优化、深度学习和大数据方面，跟脑科学的研究思路有没有可能结合呢？我觉得是完全有可能的。因为现在人工智能网络借助于新的学习机理甚至于拓扑结构上的改进，将可以进一步成为人工智能发展强有力的推动力。
例如，一种新型的递归型深度神经网络RNN已经成为当前语音识别的一个新的标准配置，比传统的DNN方法可以再提高20%-30%。RNN就是一种非常新的网络拓扑结构，和人脑神经网络可以时间上可以进行信息积累类似，通过网络拓扑结构的优化和改变可以实现对序列性数据更好的处理能力。
上次开中国人工智能大会的时候，我被问到一个问题：人工智能跟机器人是什么样的关系？大家都知道，人工智能和机器人的定义里面都是这样一个过程：一套完整的能够进行感知、认知、决策和执行整个过程的人工处理机制。
人工智能自1956年DartMouth会议有了定义以来，大家一直在追求的是通过计算机数字世界和虚拟世界完成这样一个机制。但是做机器人的专家是从哪个角度呢？他们是在物理世界和真实世界中探求能不能实现这样的机制。因为做机器人的，一定要在物理世界里面执行。现在做人工智能的人员长期与虚拟数字世界打交道，而现在要到一个真实的物理世界干活了。而作为长期在真实物理世界中工作的机器人专家来做，当前必须在数字化世界中获得更强的智能。我要讲的是，现在这个时代，也许这两方面要进行更紧密的融合。
世界上一个非常著名的公司Gartner研究过，一项新的技术从开始研究到最后成功的产业化之间要经过很多过程，包括一开始的推崇备至发展到期望巅峰然后到跌入现实低谷的痛苦，很多技术在这个过程中慢慢的消失了，或者被新的技术代替了。但是在这个过程中我们看到，我们所讲的人工智能其实是一个非常广泛的概念，他的各项技术以不同的状态分布在整个曲线上。
工智能里面很多项技术发展是不均衡的。上次李德毅院士跟我探讨过一个概念。我原来说的是计算机有计算能力和记忆能力。后来李院士讲：“这是不对的。”后来我就改了，我讲：“计算机现在比较强大的是运算能力和存储能力。”1996年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，从此，人类在这样的强运算型的比赛方面就不能战胜机器了。江苏卫视有个《最强大脑》的节目，让每一个人类选手记100个4位数，然后让你问第58，第64个4位数是什么？这对于计算机来讲，根本就不是个问题。所以从运算智能的角度来说，人类早就不是机器的对手。
我们看到机器在感知世界方面，比人类还有优势。人类都是被动感知的，但是机器是可以主动感知的。比如：激光雷达、微波雷达和红外雷达都是。可以看到不管是Big Dog这样的感知机器人，还是自动驾驶汽车，因为充分利用了DNN 和大数据的成果，机器在感知智能方面已经越来越接近于人类。
但是，我们不要忘了一件事情，人类跟动物的区别是什么呢？是人类拥有自己的语言，有语言就可以表达知识，有知识就可以进行逻辑推理，而有逻辑推理以后我们就有向更高阶段发展能力。我们认为语言的使用区分了人与动物，也将是人工智能面临的最大挑战。
其实前一段时间就有人跟我提：“动物难道没有认知吗？”动物对自然世界确实有认知，但是它的认知也只能是停留在哪些是固体、哪些是液体、哪些是能吃，哪些是不能吃的等等。所以我说，动物只能对自然世界产生简单的认知，同时对人造世界的自然属性产生认知！动物能够看到月亮，但是它不知道月亮是一颗星球。如果一只兔子来到这个会场，它会知道这里有很多活物（人），有桌子、椅子这些固体，但是它不能理解这些物体和人类社会之间的关系。
人类智能与人工智能 姓名：康李伟学号：2015387950721 学院：生化学院 随着信息技术的发展，人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。机器思维和人工智能在未来发展的可能性和重要性有其值得重视的一面，但机器思维只是人的思维在一定程度上的延伸和补充，而不是一种独立的思维，机器思维同人类思维二者虽然存在着一定的相似之处，但由于其思维的物质承担者不同，在智能活动中的地位和思维程序也不同，所以有本质的区别。 什么是人类智能呢？人类智能就是人类认识世界和改造世界的才智和本领。人类之所以能成为万物之灵，是因为人类具有能够高度发展的智能。它包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力，它包括各种拔能和正确的习惯等等。人类的“智”和“能”是结合在一起而不可分离的。人类的劳动、学习和语言交往等活动都是“智”和“能”的统一，是人类独有的智能活动。意向是人类智能的一个重要方面。人的活动是有目的的、自觉的活动，一刻也离不开自己意向的主导。注意、需要、意图、情绪、意志、理想等都是人的意向活动形式。保持积极的意向、恰当的情绪和顽强的斗志等等，对人类智能的发展和发挥是十分重要的。思维是人类智能的核心。人类智能的特点主要是思想，而思想的核心又地思维。“人是一种思维的动物”，没有思维就没有人类的智能。有了思维，人类才能形成各种较复杂的意向，从而主导着人的活动，表现出人类所特有的自觉能动性。有了思维，人类才能探索自然界的奥秘，发现自然现象背后的规律。有了思维，人类才能发明各种技术，突破自己认识器官和行动器官的限制，大大提高改造世界的能力。 而人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能的本质是对人类智能思维的模拟从方法论上讲模拟一般分为 两种结构模拟和功能模拟结构模拟方法根据系统之间形态结构的相似性运 用物理模拟和数学模拟方法用模型去模拟对象通过模型来间接地研究原型 的规律性这种传统模拟方法在科学技术的发展过程中发挥了巨大的作用。 但是当系统之间在形态和结构上相差极大，或原型的结构机制没有得到充分的理解时，结构模拟方法就很难进行对人脑进行结构模拟，就是仿照人脑的结构机制试图制造出类人脑，其模拟的前提是人脑这个原型的结构机制已有了可靠的理解。但是由于人脑这一巨大系统的极端复杂性，当代脑科学尚没
人工智能，语言与伦理-网课答案 1. 单选题深度学习中的“深度”是指( )。 中间神经元网络的层次很多 2. 单选题从儒家的立场来看,德性是靠( )的。 熏养 3. 单选题实际的翻译中有时要破坏句子原有的句法结构,根据( )重新组织句子。 意义 4. 单选题金谷武洋认为日本人是( )看待世界的。 虫子的视角 5. 单选题把归纳逻辑抬到比较高的位置的哲学家是( )。 大卫·休谟 6. 单选题在人工智能的所有子课题中,所牵涉范围最广的是( ) 自然语言处理 7. 单选题机械主义的说明方式不能囊括人类的( )。 感觉 8. 单选题 SHRDLU系统实际上是一个( )。 积木系统 9. 单选题 ( )无法得知,因为他人的行为和表现有伪装性。
10. 单选题弱人工智能是指仅仅模拟人类大脑的( );强人工智能是指其本身就是一个( )。 智能;心智 11. 单选题深度学习的实质是( )。 映射机制 12. 单选题框架与框架之间的粘接剂叫做( )。 框间关系 13. 单选题影响基于中间语的机器翻译思路的哲学家是( )。 莱布尼茨 14. 单选题深度学习的数据材料来源于( )。 互联网 15. 单选题语言不仅仅是句法问题,更是( )的问题。 音韵 16. 单选题提出强人工智能与弱人工智能的人是( )。 约翰·塞尔 17. 单选题塞尔论证的合法性前提是,他的中文屋系统和一般的计算机系统之间是( )。 同构的 18. 单选题计算机之父是( )。 艾伦·图灵 19. 单选题人工智能作为一门学科的建立时间是( )。
20. 单选题德性论者关心的是( )。 道德主体 21. 单选题击靶德性论致力于将“德性”兑换成平时我们所经常用到的( )。 德性名目 22. 单选题深度学习归根结底是一个( )。 映射机制 23. 单选题提出强人工智能与弱人工智能的人是( )。 约翰·塞尔 24. 单选题下列属于基于统计的自然语言处理进路的是( )。 基于贝叶斯公式 25. 单选题 ( )的思想激发了基于中间语的机器翻译思路。 莱布尼茨 26. 单选题 ( )是非常接近欧陆现象学运动的语言学流派。 认知语言学 27. 单选题基于规则与统计的混合进路的日然语言处理进路背后的哲学根据是( )的哲学。 康德 28. 单选题量词在汉语中的演化史,以( )时代作为一个重要的转折点。 两汉
人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
学习心得 程宇涵 113120160117 16物联网 在看李开复老师的《人工智能》之前，我有许多疑惑，人工智能是什么？是男是女，长什么样儿？漂亮吗？会不会生病？会不会老？人工智能聪明吗？会下象棋吗？会打麻将吗？会玩dota或者王者荣耀吗？会打乒乓球吗？会打篮球吗？会游泳吗？人工智能有记忆 吗？能不能教他说话、拿筷子夹花生米？人工智能好玩吗？怎么玩？怎么跟它交流？它会不会说话？能陪我唱歌吗？要不要吃饭？要不 要充电？人工智能有什么用？能帮我写文章/搬砖/做报表/开车吗？能用来赚钱吗？人工智能怕什么？下雨天能出门吗？天热会不会出汗？从楼上摔下去会不会变形？能修好吗？人工智能有什么危险？ 会不会吃了我？它要是想伤害我，我该怎么办？我该怎么了解人工智能？学习人工智能？和人工智能和谐相处？人工智能有什么爱好？ 喜欢听什么歌？吃豆腐脑喜欢咸的还是甜的？会看书吗？能不能体 会“今宵酒醒何处，杨柳岸，晓风残月”的寂寞和“醉卧沙场君莫笑，古来征战几人回”的豪迈？人工智能有感情吗？会喜欢我吗？我离 开它的时候，它会不会难过，会不会想我？ 通过学习李开复老师的《人工智能》，我获益良多，很多问题也有了答案。我认为这是一本很好的面向大众的科普读物，介绍了人工智能的基本理念，发展历程和对未来的展望。
下面以问答的形式，记录学习心得。 1. 人工智能是什么？在哪里？ 其实，人工智能已经到处都是，什么都做：可以陪人聊天，可以写标准新闻，能画画，能翻译，能开车，能认出人的样子，能在互联网上搜答案，能在仓库搬货，能送快递到家。 人工智能是什么，众说纷纭，一般有以下五种定义（可能有交叉）：1) 在某方面特别聪明的计算机程序，比如AlphaGo，下围棋下得特别好，世界冠军也下不过它。 2) 试图像人一样思考的计算机程序。但这事儿太难，人的意识，连人自己都搞不清楚，更别说教给自己编出来的程序了。 3) 怎么想的不知道，行为方式倒是很像人，比如可以和人聊天的ELIZA。 4) 会自己学习的，刚开始笨笨的，慢慢地就越来越聪明。AlphaGo 也是因为头悬梁锥刺股，苦学了海量棋谱才变得这么厉害的。 5) 根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。
走进认知语言学 摘要：认知语言学是近年来语言学的研究热点，它是在新的哲学观和认知观基础上，以人们对世界的经验和对世界进行感知和概念化的方法来研究语言的新兴语言学科。本文从认知语言学的产生发展、定义、基本假设、基本理论和研究方法五个方面浅谈了对该理论的认识和理解。 关键词：认知；认知语言学；现代汉语 语言是人类最重要的交际工具和进行思维的工具，为了让语言更好的为人类的交际活动服务，我们必须要研究语言，从不同的角度研究语言，运用各种各样的理论和方法来研究它的方方面面，这是一个漫长而艰难的过程。作为一名在读的汉语言文字学专业的研究生，我需要掌握各种语言理论知识，不仅要了解旧的语言理论，更要关注最新的学术问题，为以后的现代汉语的学习研究打下扎实的理论基础。在语言理论的课堂上，我第一次认识、了解了一种新的语言理论——认知语言学。 一、我对认知语言学的认识 认知语言学是从二十世纪六十年代产生，经过了七八十年代的发展，形成的一个系统而完整的理论体系。认知语言学理论的产生与当时科学理论的大背景是一致的。随着计算机时代的到来，认知科学应运而生，它是一门综合学科，涉及计算机自然语言理解、人工智能语言学、心理学、系统论等多种学科，这其中也包括了认知语言学。 （一）认知语言学的产生与发展 认知语言学发端于20世纪70年代，自80年代中期以来，它的研究范围已扩展到了语言学的各个领域。认知语言学最初是针对“语义”的研究提出来的。美国生成学派以Langacker为首的语义学家们认为语义部分才是句法生成的基础,他们从底层语义关系的研究中得出结论，认为自然语言的句法不是自主的，不能独立于语义，而语义也不能独立于人的认知。至此,他们摆脱了乔姆斯基的句法形式研究，走上了认知语言学的道路，成为了认知语言学的奠基人。
大学研究生学位课程论文 课程名称：科学技术与社会 论文题目：浅议人工智能对社会发展的影响 浅议人工智能对社会发展的影响 内容摘要：人工智能作为20世纪以来发展极为迅速的一个学科领域，其对社会的影响也越来越引起人们的重视。本文试图从STS的角度着重说明人工智能对人类的经济利益、社会和文化生活 等方面的影响。 关键字：人工智能、经济利益、社会和文化生活 人工智能，也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。人工智能的研究及应用领域包括问题求解、逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、人工神经网络、机器人学、模式识别、机器视觉、智能控制、智能检索和智能调度与指挥等等。自人工智能出现以来，科学家们在这些领域的研究已经取得了非常惊人的成果，同时，这些人工智能研究成果也证明了在某一特定方面计算机可以超越人的能力。人工智能的发展已对人类及其未来产生深远影响，这里我们抛开其对科学技术发展中的作用不谈，从STS的角度着重说明这一技术对人类的经济利益、社会和文化生活等方面的影响。 一、人工智能对经济发展的促进 人工智能系统的开发和应用，已为人类创造出可观的经济效益。科学家要发展人工智能技术是需要很大的投入的，咋看起来不仅没有促进经济的发展，反而是在大量消耗着资金。其实，在当今时代，技术的发展是以人类的意志为转移的，人类开发人工智能最主要的目的还是要为人类服务，当然经济利益的回报，无疑是最直接最有效的，尤其是对企业而言，如果这个技术能为其带来高额的经济利益，那无疑会得到优先的发展。 人工智能对经济的促进作用不单是对个别企业和行业，随着计算机系统价格的继续下降，人工智能技术必将得到更大范围的推广，产生更大的经济效益。专家系统的应用就是一个很好的例子。 一般的说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域的知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。
人工智能学习心得 20147932唐雪琴 人工智能研究最新进展综述 一、研究领域 在大多数数学科中存在着几个不同的研究领域，每个领域都有着特有的感兴趣的研究课题、研究技术和术语。在人工智能中，这样的领域包括自然语言处理、自动定理证明、自动程序设计、智能检索、智能调度、机器学习、专家系统、机器人学、智能控制、模式识别、视觉系统、神经网络、agent、计算智能、问题求解、人工生命、人工智能方法、程序设计语言等。 在过去50多年里，已经建立了一些具有人工智能的计算机系统；例如，能
够求解微分方程的，下棋的，设计分析集成电路的，合成人类自然语言的，检索情报的，诊断疾病以及控制控制太空飞行器、地面移动机器人和水下机器人的具有不同程度人工智能的计算机系统。人工智能是一种外向型的学科，它不但要求研究它的人懂得人工智能的知识，而且要求有比较扎实的数学基础，哲学和生物学基础，只有这样才可能让一台什么也不知道的机器模拟人的思维。因为人工智能的研究领域十分广阔，它总的来说是面向应用的，也就说什么地方有人在工作，它就可以用在什么地方，因为人工智能的最根本目的还是要模拟人类的思维。参照人在各种活动中的功能，我们可以得到人工智能的领域也不过就是代替人的活动而已。哪个领域有人进行的智力活动，哪个领域就是人工智能研究的领域。人工智能就是为了应用机器的长处来帮助人类进行智力活动。人工智能研究的目的就是要模拟人类神经系统的功能。
二、各领域国内外研究现状近年来，人工智能的研究和应用出现了许多新的领域，它们是传统人工智能的延伸和扩展。在新世纪开始的时候，这些新研究已引起人们的更密切关注。这些新领域有分布式人工智能与艾真体、计算智能与进化计算、数据挖掘与知识发现，以及人工生命等。下面逐一加以概略介绍。 1、分布式人工智能与艾真体 分布式人工智能是分布式计算与人工智能结合的结果。dai系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。 分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。dai中的智能并非独立存在的概念，只能在团体协作中实现，因而其主要研究问题是各艾真体间的合作与对话，包括分布式问题求解和多艾真体系统两领域。其中，分布式问题求解
人工智能读书报告要求： 此读书报告是在读书提纲基础之上撰写完成。 要求： 一、内容： 1、你所读的书目，作者、出版社等基本信息； 要求：所读书目与你所选的课题有关。 2、你所重点精读的章、节、标题及主要讲述的内容。 要求：章、节、大小标题可采用原文，但所学的或收获的内容要点要求自己语言概括，每部分字数不少于200字） 3、思考与质疑部分： 包括对提纲中所不懂的内容的进一步学习；所提问题的回答；所质疑问题的进一步探讨。 本部分字数不做具体要求，多则多写，少则少写。 贴士：此部分需要同学们扩展阅读，寻找资料，自主学习，积极探寻，完成对自己疑问的解答。在此过程中，欢迎同学们与我讨论交流。 6、对本次读书的小结，要求：不少于1000字。 可包括： 你对本次阅读主要研究内容、方法及总体认识及未来发展方向的展望等。 你的评价、思考、质疑等。 或者你的想象，你的收获等。 二、格式要求：
大类通识课程读书报告Array 课程人工智能与认知科学 姓名 学号 教师杨丽华 日期2014年**月**日
《人工智能与认知科学》课程读书报告成绩评定表学号姓名
报告题目（黑体二号） 姓名学号（宋体小四）阅读书目：（宋体加粗小四，下同） 编者： 出版社： 报告正文： 第一层次（章）（题序和标题用小二号黑体字） 第二层次（节）（题序和标题用小三号黑体字） 第三层次（条）（题序和标题用四号黑体字） 第四层次正文用宋（或楷）体小四号 （英文用新罗马体12号） 思考及质疑：（宋体加粗小四） 正文用宋（或楷）体小四号页面设置：注意装订线，页码一律用小5号居中标明。小结（小二号黑体字） 其他同章、节、条及正文要求。 参考文献：（宋体加粗小四） 顺序要根据引用先后顺序排列，序码用[1][2]。格式如： [1] 余敏. 出版集团研究[M]. 北京：中国书籍出版社，2001: 179-193. [2]蒋有绪，郭泉水，马娟，等. 中国森林群落分类及其群落学特征[M]. 北京: 科学出版社，1998.
《人工智能语言与伦理》章节测试题与答案 1.1 1.【多选题】对人工智能常见的误解有哪些?( ) A、人工智能就是机器学习 B、机器学习只是人工智能中的一个方向 C、人工智能最近十年受到深度学习的驱动较多 D、人工智能就是深度学习 答案：AD 2.【判断题】哲学思维对于人工智能的重要性表现在,哲学所强调的批判性思维有助于认清人工智能发展中的问题。( ) 答案：√ 3.【判断题】深度学习在人工智能领域的表现并不突出。( ) 答案：× 1.2 1.【单选题】计算机之父是( )。
A、约翰·麦卡锡 B、艾伦·图灵 C、赫尔伯·西蒙 D、马文·明斯基 答案：B 2.【单选题】人工智能与计算机学科的关系是( )。 A、计算机学科的主要驱动力是人工智能研究 B、计算机是人工智能研究的一个领域 C、人工智能是计算机学科的一个分支 D、人工智能与计算机学科没有联系 答案：C 3.【判断题】符号AI是将人的思维通过逻辑语言制成流形图让计算机去执行。( ) 答案：√ 4.【判断题】通用问题求解器需要寻找全局最优解。( ) 答案：×
5.【判断题】符号AI无法面对人类经验的变动性。( ) 答案：√ 1.3 1.【单选题】( )是现在新出现的人工智能的研究方向。 A、深度学习 B、人工神经元网络 C、贝叶斯网络 D、类脑人工智能 答案：D 2.【单选题】深度学习中的“深度”是指( )。 A、计算机理解的深度 B、中间神经元网络的层次很多 C、计算机的求解更加精准 D、计算机对问题的处理更加灵活 答案：B
3.【多选题】人工神经元网络与深度学习的关系是( )。 A、人工神经元网络是深度学习的前身 B、深度学习是人工神经元网络的一个分支 C、深度学习是人工神经元网络的一个发展 D、深度学习与人工神经元网络无关 答案：AC 4.【判断题】符号AI不是人工智能的正统。( ) 答案：× 5.【判断题】相比于人工神经元网络和深度学习,类脑人工智能对人类大脑的神经回路具有更深入的了解。( ) 答案：√ 1.4 1.【单选题】深度学习的实质是( )。 A、推理机制 B、映射机制 C、识别机制
人工智能的认知革命 国际上有很多非常有影响力的大牛或者是大咖论述过这个问题。例如，最伟大的科学家之一霍金讲：“人工智能不一定是好事。”比尔盖茨也说：“人工智能让我比较担忧。”最新的创业偶像马斯克说：“我们需要万分警惕人工智能，它们比核武器更加危险。”我们把他们叫做“人工智能威胁派”。
而另外一方面，业界有很多人，包括在座的很多专家，大家其实从另外一个角度看待人工智能，我们把他们叫“人工智能的理智派”。比如，机器学习大神Michael Jordan，Facebook的Yann Lecun等。
可以看到有一个问题是大家都关心的，那就是机器什么时候能实现智能的突破？我们知道，计算机出现到现在大概70年左右。那么我们就要问一下，人类的智能是怎么突破的？非常有意思的是，人类历史学家对这个问题研究了很长时间，而且已经得出了结论。以色列的一位年轻的历史学家尤瓦尔.赫拉利的《人类简史：从动物到上帝》中写到：七万年前，从非洲大陆走出来的智人实现了“奇点”的突破，占领了整个世界。 所以大家就会想知道，七万年前来自非洲的猿人到底发生了什么，好像智力一下子突然开窍了，统一了地球呢？猿人在地球上已经存在了300到400万年了，到7万年前才实现了智能的突破，这里面是一个非常长的时间。而计算机出现的时间刚刚只有几十年的时间，和猿人产生智能的时间周期相比，计算机刚刚度过的时间只能算一瞬间。
最近讨论比较热的一个话题是，神经科学对人工智能发展促进的可能性。最近这两年，美国政府已经顺利完成人工基因测序的研究。美国和欧洲正在开展一个新的为期十年的40亿美金的基础研究投资，美国叫“大脑图谱”，欧洲叫“人类大脑项目”。在这个方面，我国各个方面也在积极推进“中国脑计划”，比如中科院卓越创新工程里面，也涉及了这方面的研究。
探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系
5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?
A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源
人工智能学习心得 目录 第一篇：人工智能学习心得 第二篇：人工智能学习论文 第三篇：《人工智能》学习报告 第四篇：对人工智能学习的感想 第五篇：人工智能学习 正文 第一篇：人工智能学习心得 人工智能学习心得 对人工智能的理解 通过这学期的学习，我对人工智能有了一定的感性认识，个人觉得人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如
意识、自我、思维等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。关于人工智能一个大家比较容易接受的定义是这样的：人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学，简称ai。 人工智能的发展历史大致可以分为这几个阶段： 第一阶段：50年代人工智能的兴起和冷落 人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、lisp表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。 第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。 dendral化学质谱分析系统、mycin疾病诊断和治疗系统、prospectior探矿系统、hearsay-ii语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议 第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展。日本1982年开始了”第五代计算机研制计划”，即”知识信息处理计算机系统kips”，其目的是使逻辑推理达到数值运算那么
人工智能 摘要：人工智能（Artificial Intelligence）是用人工的方法和技术模仿、延伸和扩展人的智能，实现某些“机器思维”，本文在阐述人工智能定义的基础上，具体介绍人工智能的应用技术。 关键词：人工智能；机器思维；符号智能 本学期我们学习了人工智能导论这门课，该课程主要研究如何用计算机模仿和实现人类的智能。人工智能是使计算机能够思维，使机器具有智力，能够在各类环境下像人一样自主的交互式的执行各种任务的一种综合性的技术。下面我将对我所认识的人工智能技术做一个简要的概述。 人工智能技术是包含符号智能、计算智能、集成智能和分布智能等在内的智能科学技术。它一方面用于建立人类智能模型，一方面用于建立智能（专家的）计算机系统。这两者之间既有联系，又不是同一回事，它如同研究鱼类游走与船只运行一样。计算机程序（语言）是建立人类思维过程理论最适宜的表达工具，就像各种微分方程式是物理学理论的表达语言一样。当计算机的程序把一个复杂符号系统的状态和时间轨迹描绘出来时，也正像一组微分方程式把物理理论过程描述出来一样，可以说是建立了一个符号系统的理论。从生物的观点来看，智能实际上是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平随之提高。基于这种认识，我们采用数值计算的方法去模拟和实现人类的智能。通过神经计算、进化计算、模糊计算、免疫计算、DNA计算和人工生命构成计算智能系统。由于人本身的复杂性行为，需要使用某种已有的智能技术才能模拟，像一些低等动物如六脚爬行动物使用某种智能技术（如遗传算法）即可模拟其行走捕食等行为，对人行为的模拟再结合智能计算方法可以出现各种复杂的智能系统。在逻辑上和物理上协调各自的智能行为，实现人工智能问题的程序化求解。因此，计算机程序就具有了思维的能力。从这个观点来看待人类的思维模拟过程，计算机就可以模拟人类思维说明许多难以说清楚的现象，如直觉、顿悟和灵感等。人工智能方法需解决不完全信息处理、机器学习、复杂系统构造和自动化等方面的问题。为此，“现场人工智能”的概念被提出，强调研究人工智能问题，必须把它放在应用环境中，与环境交互作用，才能构造出实用化的系统。 人工智能是一门正在快速发展的年轻学科，它的研究和应用领域十分广泛，对其中的不少问题专家们还在深入研究，其前景诱人，但又任重而道远。 参考文献：王万森.人工智能原理及其应用.北京：电子工业出版社，2010 Artificial Intelligence Abstract: AI (Artificial Intelligence) is to use artificial methods and techniques to imitate , extension and expansion of human intelligence ,to achieve some of the “machine thinking” . In explaining the basis of the definition of artificial intelligence , it detailed analyses the application methods . Key words: Artificial Intelligence ；Machine Thought ；Symbol Smart
人工智能学习心得 对人工智能的理解 通过这学期的学习，我对人工智能有了一定的感性认识，个人觉得人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识、自我、思维等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。关于人工智能一个大家比较容易接受的定义是这样的： 人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学，简称AI。 人工智能的发展历史大致可以分为这几个阶段： 第一阶段：50年代人工智能的兴起和冷落 人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。 第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。 DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议
认知科学的几个基础假设 刘晓力 一、认知科学概况 认知科学是以研究人类认知过程、智能和智能系统、大脑和心灵内在运行机制的一门学科。20世纪70年代(50年代？)兴起，是心理学、语言学、神经生理学、计算机科学、哲学和人类学的交叉学科。 认知科学不同的研究进路 认知科学依据不同的问题领域和研究方法划分为不同的研究进路 心理学进路 语言学进路 生物物理学进路 神经生理学进路 人工智能进路 广义进化论进路 复杂性科学进路 认知科学的起源 认知科学起源于不同学科领域，特别是： 图灵机概念的产生 人工智能研究的兴起 心灵哲学中以普特南（H.Putnam）和福多（J.Fodor）为代表的“功能主义”理论的确立 心理学和语言学乔姆斯基（A.N.Chomsky）等反对激进行为主义的“认知革命” . 认知科学所引发的一些基础问题成为20-21世纪之交涉及领域广泛、争论最为激烈的世界性的科学和哲学的热点问题。认知科学不同的研究进路，决定了关于它的哲学观上的巨大分歧和各种研究范式的激烈竞争。 二、认知科学的几个基础假设 D.Kirsh （1991）提出认知科学（人工智能）的五大问题 1）知识和概念化是人工智能的核心吗？ 2）认知能力及其所预设的知识能否脱离其有机体进行研究？ 3）认知的知识形态或信息形态的轨迹是否可用类自然语言描述？ 4）学习能否与认知相分离加以研究？ 5）是否有对于所有认知的统一结构？ 这些问题最重要的是我们对于心灵哲学中的三个方面问题的困惑和困难 1、意向性问题 2、意识问题 3. 心灵是否是涉身的？ Mark Johnson总结30年来认知科学的成就对传统哲学的挑战时说，认知科学的三大发现是：心灵本质上是涉身的； 思想大部分是无意识的；
认知语言学不是什么和是什么 浏览了“北大中文论坛- 汉语语言学- 认知、心理与逻辑” （https://www.doczj.com/doc/2714281241.html,/bbs/forum.php?fid=83）的一些关于认知语言学的贴子，觉得 “认知语言学”这个名称算得上个难以躲避的陷阱了，太容易引人望文生义了。认知语言学不是什么和是什么，还是个问题。这个问题，我每次教认知语言学，都要碰到。例如这个学期开的课，是“汉语认知语言学”。第一次课的一个重点，就是讲认知语言学不是什么和是什么。第二次课一开始，我就问了一个问题：认知语言学是不是类似于心理语言学的语言学分支学科？每个学生的回答都是：是的，是从认知角度研究语言的学科。这样的回答，让我悲伤地想到：第一次课对此问题的唠叨毫无效果，跟他人的思维定势搏斗，何其吃力。没有办法，只好变本加厉地唠叨。 简而言之，正确答案是：认知语言学不是语言学的分支学科，而是当代语言学的一个学派。它是功能主义语言学这个大学派中的小学派。这个大学派还包括不少小学派，如西海岸学派（学者主要在美国西海岸的加州。代表性学者之一是也做汉语的安珊笛。专做汉语的李讷也属于此学派）、俄勒冈学派、系统功能语法学、词语法学等。这个大学派是当代语言学两大对立学派之一，另一大学派就是形式主义语言学（包括古典形式主义——结构主义语言学和当代形式主义——生成与法学）。这两大学派的最大基本假设对立，是语言系统及其子系统（广义句法系统[包括传统的语法和词汇]、语音系统、广义语义系统[包括狭义语义系统、语用系统、话语系统]）是不是自足的。形式主义语言学的假设是自足的，功能主义语言学的假设是不自足的。 认知语言学与功能主义语言学中的其他小学派有不少差异，如着重语言的心理因素，不同于系统能语言学等学派的着种语言的社会因素，并在上世纪80年代后期建立了三个类似的心理[广义]句法模式（Lakkof 的《女人、火和危险的东西》、Langacker的《认知语法学基础》第一卷、Fillmore和Kay的《结构式语法学教科书》）；主张意义是百科知识，不同意把语义系统分割为语言知识的狭义语义系统和百科知识的语用系统；主张主观论（如语义塑造等过程中的主观作用），不同意某些功能主义学者（如安珊笛）的客观论。尽管认知语言学着重语言的心理因素，但它并非只考虑心理因素，不能把它缩水为从认知角度研究语言。从认知（或心理）角度研究语言，是当代语言学各学派的普遍倾向，并非认知语言学的专利。R. Hardson 在《英语词语法学》的开头列出了当代语言学的10个倾向，其中之一就是“认知主义”。当代语言学的认知主义倾向，是其教父Chomsky从一开始就提出的。他早已有力地批驳了结构主义语言学的行为主义倾向，把语言假设为认知子系统。 “认知语言学“这个名称，为什么容易引人望文生义呢？大概是因为有“认知”这个时髦译名，而且这玩意儿加在“语言学”前面，让这个名称看起来像心理语言学、社会语言学、计算语言学等现役的或退役的边缘学科或交叉学科（如前二者早已是语言学的核心学科了，但曾经是边缘学科）。“认知”译自英语名词cognition或形容词cognitive。老的译名就是“认识”，没什么神秘色彩了吧：）。传统上把心理活动分为三类：认识、情感和意志。三者之中，只有认识得到了密集研究。汉语的“认识”，原是个多义的常用词，再做术语，有容易引人望文生义的缺点。新造个“认知”译名做术语，有好处。再者，用“认识”来译cognitive 打头的名称，就会有容易误解为动宾结构的“认识心理学”（认知心理学）、“认识科学”（认知科学）、“认识语言学”（认知语言学）、“认识语义学”（认知语义学）、“认识语法学”（认知语法学）、“认识音系学”（认知音系学）、“认识人类学”（认知人类学），也不如新造个“认知”来译。 认知主要指人类的信息加工杨宁兄提出了一个很好的问题。认知语言学确实有被时髦地滥用的倾向。认知语言学确实和心理语言学有很大交叉。但是想一想“认知心理学”这个词，就可以知道两者不同。有“认知心理学”而没有“心理认知学”，可见认知科学可以看作心理学一部分。两者的不同，可以说认知科学主要把认识过程看作一种信息处理加工过程。所以“认知”也不等于一般的“认识”。我们用“认知”的场合不用“认识”，原因也不仅限于杨宁兄所说的。 认知科学的主要奠基人George Miller 的名著：“神奇的数字7+2”，其副标题就是“人类信息加工能力的某些局限”(此文我翻译后发表在《心理学动态》1983(4)期)。这篇文章的英语 原文前几年有被人贴到了网上(https://www.doczj.com/doc/2714281241.html,/user/smalin/miller.html)。可见此文的地位之重要。现在许多人常常提到这个数字七，我不知道有多少人看过了原文或译文。但大家接受它，可见符合我们的心理直觉。Miller 在发表此文的同时，发表了另一篇重要文章：“人类记忆与信息贮存”此文我翻译后发表在，《思维科学》1986(1)期。这个杂志是山西出的，英文题目就叫Cognitive Science 。不知这个杂志现在还在不在？ 不过后来认知科学的发展，范围越来越大，认知语言学跟心理语言学也就越来越难分了。我觉得认知语言
人工智能与认知过程 摘要： 人工智能是研究、设计和应用智能机器或智能系统，来模拟人类智能活动的能力、以延伸人类智能的科学。而认知过程是指人们认识活动的过程，即个体对感 觉信号接收、检测、转换、简约、合成、编码、储存、提取、重建、概念形成、 判断和问题解决的信息加工处理过程。为了能够更好地实现人工智能，首先要 对两者之间建立一定的联系。 关键词人工智能；认知过程；神经网络 前言 人工智能是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，是一门综合性很强的边缘学科。总的来说，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸扩展人类智能的学科。想要很好地实现人工智能，必须要对人脑工作方式进行充分的了解，因此，对认知过程需要有充分的认识。 人的认知过程是一个非常复杂的过程，指人认识客观事物的过程，即是对 信息进行加工处理的过程，是人由表及里，由现象到本质地反映客观事物特征 与内在联系的心理活动。它由人的感觉、知觉、记忆、思维和想象等认知要素 组成。 一、人工智能 1.人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使 机器具有类似于人的智能。历史发展史：①孕育（1956年之前）；②形成（1956年－1969年）[1969年第一届国际人工智能联合会议，1979年成立美国人工智能联合会]；③发展（1970年至今） 2.人工智能研究的基本内容： ①知识表示——人工智能的永恒主题：将人类知识形式化或者模型化。知识表示方法：符号表示法、连接机制表示法；
②机器感知：使机器（计算机）具有类似于人的感知能力。以机器视觉(machine vision)与机器听觉为主。 ③机器思维：对通过感知得来的外部信息及机器内部的各种工作信息进行有目 的的处理。 ④机器学习：研究如何使计算机具有类似于人的学习能力，使它能通过学习自 动地获取知识。 ⑤机器行为：计算机的表达能力，即“说”、“写”、“画”等能力。 二、人工智能模拟认知过程所涉及的相关知识 1、知识表示及推理 知识表示是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。 ①产生式的基本形式 一般形式：PQ 或IFPTHENQ 语义：如果前提P被满足，可推出结论Q或执行Q所规定的操作。P是前提,Q是 结论或动作,前提和结论可以是由逻辑运算符AND、OR、NOT组成的表达式。 例IF上课认真听讲AND下课及时复习 THEN将会取得好成绩 ②常见的知识表示方法：产生式系统，框架结构，语义网络，过程性知示，面向对 象知识表示，基于本体的知识表示法，产生式的基本形式 ③产生式系统的基本结构 规则库：描述领域知识的产生式规则集 综合数据库：记录求解（或推理）过程中各种信息的数据结构 推理机：负责匹配到得出结论的整个问题求解过程. ④产生式表示法的优点和缺点 优点：a.自然性知识表示形式自然，便于推理。b.模块性便于进行模块化处理， 利于规则库的扩展和管理。c.有效性可以表示不确定性知识和确定性知识。d.直观 性前提和结论部分非常直观，便于对规则进行设计。 缺点：a.效率不高；b.不能表达结构性知识。 ⑤框架的一般形式：
人工智能数据库系统优化的捷径 摘要：SQL语句的优化是将性能低下的SQL语句转换成目的相同的性能优异的SQL语句。文中主要介绍了利用人工智能自动SQL优化技术来优化数据库系统，并且简要介绍了几种常见的数据库系统优化方法。人工智能自动SQL优化就是使用人工智能技术，自动对SQL语句进行重写，从而找到性能最好的等效SQL语句。 一数据库性能的优化 一个数据库系统的生命周期可以分成：设计、开发和成品三个阶段。在设计阶段进行数据库性能优化的成本最低，收益最大。在成品阶段进行数据库性能优化的成本最高，收益最小。 数据库的优化通常可以通过对网络、硬件、操作系统、数据库参数和应用程序的优化来进行。最常见的优化手段就是对硬件的升级。根据统计，对网络、硬件、操作系统、数据库参数进行优化所获得的性能提升，全部加起来只占数据库系统性能提升的40%左右，其余的60%系统性能提升来自对应用程序的优化。许多优化专家认为，对应用程序的优化可以得到80%的系统性能的提升。 二应用程序的优化 应用程序的优化通常可分为两个方面：源代码和SQL语句。由于
涉及到对程序逻辑的改变，源代码的优化在时间成本和风险上代价很高，而对数据库系统性能的提升收效有限。 三为什么要优化SQL语句 SQL语句是对数据库进行操作的惟一途径，对数据库系统的性能起着决定性的作用。 SQL语句消耗了70%至90%的数据库资源。 SQL语句独立于程序设计逻辑，对SQL语句进行优化不会影响程序逻辑。 SQL语句有不同的写法，在性能上的差异非常大。 SQL语句易学，但难精通。 优化SQL语句的传统方法是通过手工重写来对SQL语句进行优化。DBA或资深程序员通过对SQL语句执行计划的分析，依靠经验，尝试重写SQL语句，然后对结果和性能进行比较，以试图找到性能较佳的SQL语句。这种传统上的作法无法找出SQL语句的所有可能写法，且依赖于人的经验，非常耗费时间。 四SQL优化技术的发展历程 第一代SQL优化工具是执行计划分析工具。这类工具针对输入的SQL语句，从数据库提取执行计划，并解释执行计划中关键字的含义。 第二代SQL优化工具只能提供增加索引的建议，它通过对输入的SQL语句的执行计划的分析，来产生是否要增加索引的建议。 第三代SQL优化工具不仅分析输入SQL语句的执行计划，还对输入的SQL语句本身进行语法分析，经过分析产生写法上的改进建议。