两种不同的人工智能观：工程观点和科学观点
作者按：人工智能是作为工程还是科学，这个问题是一个很严肃的问题，如果从工程技术角度来看人工智能，那么认知科学尤其是认知心理学、神经生理学对人类这样的生物智能的原理性认识，就不需要成为实现人工智能的前提条件，反之从科学角度来看，则需要将认知科学对生物智能的认识论目标作为实现人工智能的前提，最强烈的工程观点未必用计算机作为实现工具，反之最强烈的科学观点则认为只要不基于人类认知原理基础上实现的智能机器，就不是真正的人工智能。这个争论到目前为止还没有结论，但有助于弄清楚目前大众传播语境中含糊的人工智能、认知等概念，它们不是一回事，至于人工智能、认知科学与机器人的关系问题，可以肯定的是它们不是一回事，而是需要另一篇文章来解释。
一、概述
在日常语境下的“人工智能”术语，如前所述，由于其可能具有的交叉性学科的特点，导致其含义比较模糊，大多数时候与机器人、软件应用联系比较紧密，有时则作为计算机学科的一门分支或者计算机专业的一门课程，而且人们在谈论人工智能的时候，往往与认知科学相提并论，认为其目标就是开发比人类智能更为强大的智能机器，至于为了开发智能机器，是否需要完全弄清楚人类大脑的工作机制，在日常语境下很少成为核心议题。
因此，我们首先必须明确在何种意义上讨论人工智能这门学科。
二、两种不同的人工智能观
传统意义上，人工智能被认为是计算机学科中的一门重要分支，在控制论、心理学、神经生理学和计算机科学的影响下，诞生于上世纪二战后的40年代末50年代初，其目标是使计算机完成人类智能才能完成的任务。
从上世纪70年代末到本世纪初的数十年中，这种对人工智能学科的传统定义在一些标准的教科书中都有类似的表达方式，例如：
“人工智能所研究的是使计算机能够做那些表现出人的智能的事情”。
“可以把人工智能定义为计算机科学的一个分支，其目标是使智能行为自动化。”
但是，我们看到在这个学科的学术共同体和代表性学者中，对此也有不同的定义，例如：
国际人工智能促进会（AAAI：Association for theAdvancement of Artificial Intelligence）：“对作为思维和智能行为基础的机制的科学理解及它们在机器中的具体实现”。
约翰·麦卡锡（人工智能学科的主要开创者，1971年图灵奖得主）：“制造智能机器的科学和工程，特别是智能的计算机程序，它与利用计算机来理解人类智能的类似任务有关，但不必自我限制于生物学上可观察的方法。”
上述这两种定义都没有明确指出人工智能是计算机科学的一门分支，但都指出为了在机器中实现智能都需要理解人类智能的机制。这种与传统人工智能定义的差异主要在于学术共同体内部对人工智能具有两种不同的理解，或者说有两种不同的人工智能观。
赫尔伯特·西蒙在1990年应邀为《人工智能百科全书》撰写的序言中，基于其物理符号系统假设的立场，认为人工智能有两个主要分支：
1.狭义上的人工智能是计算机科学的一部分，旨在探索可通过对计算机编程而使其行为具有智能的一系列任务，它并未主张计算机智能在过程上模拟人类智能；
2.人工智能的第二个分支，是新兴的认知科学的一部分，该学科旨在通过编程来模拟人类在其智能行为中所运用的实际过程。
西蒙所持有的物理符号主义立场，其理论硬核以表征-计算为特征，因此并没有强调对人工智能和认知科学进行特别的区分，甚至在艾伦·纽厄尔（Allen Newell）、泽农·派利夏恩（Zelon W.Pylyshyn）这样的符号主义者看来，标准认知科学和传统人工智能共享同样的理论假设和目标，只是实现同一目标的两条不同路径，这个目标就是理解可能出现在任何物理形式中的智能行为的本性。
随着20世纪末以来新的研究纲领及其理论假设的引入，对两种不同的人工智能观的认识也进一步深化，在1999年出版的《MIT认知科学百科全书》中，两位知名的人工智能学者Michael I. Jordan 和Stuart Russell如此表述：
“有两种互补的人工智能观：一种是涉及智能机器建造的工程学科，另一种是涉及人类智能计算建模的经验学科。在这个领域的初期，这两种观点很少区分,此后两者之间的大量分歧开始出现，前者统治了现代人工智能，而后者描述了现代认知科学的大多数特征。因此我们采用更为中立的术语’计算智能’作为本文的标题——两个共同体都采用计算的术语来致力于理解智能的问题。”
这两种不同的学科观如果不在上下文语境中进行说明或限定，则很容易导致对人工智能历史描述的误解，虽然AAAI和麦卡锡的定义兼顾了这两种互补的观点，但这却与一部分主流教科书的表述并不一致，而且对学科历史研究中所涉及的大量认知科学、心灵哲学、认知心理学文献中所出现的人工智能术语，究竟是基于哪一种人工智能观需要予以明确。因此接下来我们介绍这两种不同人工智能观，进行初步分析，并在本文的后续描述中来揭示这两种互补的观点是如何形成并相互影响的。
三、作为技术或工程的人工智能
人工智能哲学家约翰·豪奇兰德（John Haugeland）是德雷福斯的学生，在他一本有很大影响的人工智能哲学著作《Artificial Intelligence: The Very Idea》中，提出了GOFAI（Good Old-Fashioned Artificial Intelligence）这个概念，直译为好的旧式AI，其含义是指以西蒙、纽厄尔等提出的物理符号系统假设（PSSH：PhysicalSymbol System Hypothesis）为硬核的符号人工智能。
从1956年标志人工智能正式诞生的达特茅斯会议，到联结主义纲领初步复兴的20世纪80年代初的这20多年里，符号主义纲领在人工智能的研究中占主要地位，而且取得了不少成就，因此豪奇兰德称其为GOFAI，事实上由其主要承担达成1956年达特茅斯暑期研究项目建议书中提出的技术目标：
“……试图发现如何制造这样的机器：运用语言、形成抽象观念和概念、求解目前仅限人类解决的问题并予以改进，……”。
因此，从达特茅斯会议到上世纪70年代末之前，人工智能主要作为技术或工程科学，其目标是建造智能机器这样的人造物，对人类智能机制的理解是否会成为实现这个目标的前提，早期的研究者并未引起足够重视，或者过于乐观地高估了物理符号系统、信息加工心理学对智能机制的解释能力，认为其对实现这样的技术目标已经足够。虽然在这段时期，在美国有德雷福斯从哲学视角进行了批判，以及1966年美国国家科学院的ALPAC（AutomaticLanguage Processing Advisory Committee：自动语言处理顾问委员会）报告对机器实现语言自动翻译任务的否定性结论，在英国则有1973年英国科学研究理事会的莱特希尔报告对当时整个人工智能研究的质疑和否定，甚至连DARPA（Defense Advanced Research Projects Agency：美国国防部高级研究计划局）这样的主要支持机构对GOFAI 技术成果的进展也不满意，大规模削减经费，导致人工智能历史上的第一次冬天，都未能从根本上动摇坚持GOFAI的研究者的信心，这使得在此阶段，如Jordan和Russell 所说，作为技术的人工智能和作为人类智能计算建模的人工智能没有明确区分，对共同体内部而言，只有一种从属于计算机科学的技术的人工智能，并对如何理解人类智能工作机制发挥着关键作用。
四、作为认知科学核心学科的人工智能
人工智能在认知科学这门交叉学科中的地位，在共同体内部大致有三种不同的观点：
第一种观点是无关论，认为人工智能与认知科学没有关系（如标准认知科学的典型代表人物福多），甚至不承认人工智能属于认知科学这门交叉学科的范围（如1972年图灵奖获得者、著名计算机科学家戴克斯特拉），或者本身对认知科学的独立地位持有一种弱化甚至取消的观点（如普特南和塞尔）；
第二种观点几乎是强相关论甚至等同论，认为人工智能是认知科学的理论内核或智力内核，甚至将两者的目标等同起来，例如认知科学家丘奇兰德将人工智能的目标定义为：“重新创造和理解一般生命有机体的认知能力”，持有这种观点的科学家包括加德纳、丘奇兰德、博登等人；
第三种观点是第二种观点的一种弱化或折衷，主要在计算机科学的背景下强调区分人工智能的认识论目标和工程目标，在承认人工智能在认知科学中的重要地位的同时，并没有将其与认知科学混同起来，持有这种观点的科学家包括西蒙、勒内特、麦卡锡、眀斯基等人。
在具体实践中，主流的观点是第二种和第三种，认为人工智能和认知科学无关的只是少数，而第二种和第三种观点只是在理论主张强弱程度上的不同，因此本文对人工智能和认知科学之间的关系所采取的立场是：综合加德纳、西蒙等人的观点，即人工智能在认知科学中发挥核心作用，但又不等同于认知科学，而有其独特的经验科学的探索和实验性质。
霍华德·加德纳将认知科学定义为一门经验科学，主要是解决传统上根深蒂固的认识论问题，特别是关于知识的本质、成份、来源、发展和展开的问题。因此，认知科学似乎有一个漫长的过去，但却只有一个相对短暂的历史，其作为交叉学科所包括的大多数其他学科在20世纪初就已初露端倪。学科内部从思想史的发展线索和成熟度出发，一般将1956年9月在麻省理工学院召开的信息论专题讨论会作为这门学科的开始，因为在这次会议上西蒙与纽厄尔提交了描述第一个人工智能程序“逻辑理论家”的论文，乔姆斯基提交了“语言的三个模型”的论文，以及乔治·米勒提交了关于人类短时记忆能力的论文，代表着认知科学研究的三个核心学科人工智能、语言学、心理学在理论和经验实践上的突破。但至于认知科学（Cognitive Sciences）这个学科名称的正式出现，则比人工智能要晚17年，是由爱丁堡大学的心理学家Hugh Christopher Longuet-Higgins在对著名的LightHill报告的评论文章中提出的。
加德纳在对认知科学的关键特征进行总结时指出：“事实上，还有许多人认为，围绕计算机模拟而建立的人工智能，是认知科学的核心学科，是一门最有可能把其它陈旧的研究排挤出去，或使其成为余赘的学科”。他所总结的认知科学五个关键特征是：
1.心理表征；
2.计算机既可以作为人的思维模型，也是研究人类心灵的主要工具；
3.在认知研究中忽略或淡化情感、背景、文化和历史的影响；
4.依赖多学科的研究；
5.植根于经典哲学；
加德纳认为前两个特征是认知科学的基本信念，也即标准认知科学研究纲领
的理论硬核，后三个特征主要与认知科学的方法论有关，可以理解为某种程度上的保护带和正面启发法。
加德纳作为心理学家，主要从其科学心理学的立场出发，认为心理学是任何认知科学的核心，并且认知心理学和人工智能将合二为一，成为新的、统一的认知科学的核心领域。
加德纳所持有的这些观点，现在来看属于标准认知科学或者第一代认知科学的立场，在这个视角下，人工智能是为认知心理学提供计算模型，将传统上仅通过内省、行为等方式难以进行科学和经验研究的人类心灵，通过计算机建模的方式进行实证研究，是心理学在研究人类心灵认知活动时的关键工具，也是从哲学上推动认识论自然化的主要途径。在这种场景下，作为技术的人工智能与作为自然
科学的科学心理学之间的关系，不是传统上简单的科学及其应用关系，科学知识和技术知识之间在这里没有体现指导和被指导的层次关系，而是两者之间相互依赖，各自的核心概念、模型相互交织在一起，共同为认知科学提供理论指导。
在这种背景下，到目前为止的绝大多数心灵哲学、认知心理学、认知哲学的研究文献，均对人工智能采取一种工具主义立场，其目的是支撑和验证心理科学对人类智能工作机制的建模分析和理解，而不是聚焦在开发和建造智能机器这样的人造物来实现人类级别智能的目标上，因此对这种背景下的人工智能，对其进步与否的判断需要和认知心理学结合在一起，看其是否为认知科学提供了超余的经验内容和预测了新的事实。
反之，以计算机科学为背景的人工智能学者的大多数研究文献，则聚焦在开发、建造实体机器（如移动机器人）或智能代理体这样的软件，并在社会和经济目标指引下，寻求其商业化用途。这种背景下的人工智能，作为技术来看，判断其是否成功，主要应基于效率最优的观点来看其是否达到设计要求和应用的商业目标。
虽然最近二十多年来，在共同体内部力图弥合和淡化这两种不同的学科观差异，例如采用理性智能体的观点来定义人工智能，“将AI的研究视为理性智能体的设计过程至少有两个好处……因此，本书将着重讨论理性智能体的通用原则以及构造此类智能体所需的组成部分”，并且认识到仅作为经验的人工智能是不足够的：“智能软件的复杂性和在人类交互活动中与生俱来的不确定性阻扰了不管是从纯数学角度还是纯工程角度的分析”，并希望通过哲学尤其是认识论来为两种不同人工智能观的统一奠定基础。
这种努力确实比标准教科书中所呈现的GOFAI更完整地展现了当代人工智能研究的主流趋势，但共同体坚持其学科在方法论乃至形而上学基础方面的独立性立场仍然没有改变，如Luger同样在其书中所指出的：“得到的结论是，人工智能的经验主义的方法学是一个重要的工具，也许它对于探索智能的本质来说是最好的工具”。
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。
关于人工智能的展望 人工智能自1956年在美国诞生至今已50多年了。长久以来,人工智能对于普通人来说是那样的可望而不可及,然而它却吸引了无数研究人员为之奉献才智。从美国麻省理工学院、卡内基-梅隆大学到IBM公司、本田公司、SONY公司以及国内的清华大学、中科院等科研院所,全世界许多实验室都在进行着AI技术的实验。 随着时代的发展及信息革命的到来,人工智能的研究领域日益拓宽,其内容逐步丰富,对人类发展有划时代的意义。 一、何谓“人工智能”?“智能”源于拉丁语Legere,字面意思是采集(特别是果实)、收集、汇集,并由此进行选择,形成一个东西。Intelegere是从中进行选择,进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》中所提出的:在复杂的机械装置与智能之间存在长期的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始,人们已对机器操作的复杂性与自身的某些活动进行直观联系。经过几个世纪之后,新技术已使我们所建立的机器的复杂性大为提高。1936年,24岁的英国数学家图灵提出了“自动机”理论,把研究会思维的机器和计算机的工作大大向前推进了一步,他也因此被称为“人工智能之父”。“人工智能”(Artificial Intelligence)简称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。人们认为“人工智能”是计算机科学技术的前沿科技领域。因此,“人工智能”与计算机软件有密切的关系。一方面,各种人工智能应用系统都要用计算机软件去实现,另一方面,许多聪明的计算机软件也应用了人工智能的理论方法和技术。例如,专家系统软件,机器博奕软件等。但是,“人工智能”不等于“软件”,除了软件以外,还有硬件及其他自动化的通信设备。人工智能是从思维、感知、行为三层次和机器智能、智能机器两方面研究模拟、延伸与扩展人的智能的理论、方法、技术及其应用的技术学科。 二、人工智能的研究领域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及哲学和生物学基础,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,主要研究领域有专家系统,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。可以归纳为八个字:机器智能、智能机器。1.机器智能例如,用计算机打印常用的报表,进行一些常规的文字处理,都是程序化的操作,谈不上有智能。但是,用计算机给人看病,进行病理诊断和药物处方,或者,用计算机给机器看病,进行故障诊断和维修处理,就需要计算机有人工智能。人工智能学科领域中有一个重要的学科分支是“专家系统”(Expert System),简称代写论文ES。就是用计算机去模拟、延伸和扩展专家的智能。基于专家的知识和经验,可以求解专业性问题的、具有人工智能的计算机应用系统。如:医疗诊断专家系统,故障诊断专家系统等。除了“专家系统”之外,还可列举出其他许多聪明的智能软件系统。如:机器博突的智能软件、智能控制、智能管理、智能通信……的软件等。例如:IBM 的“深蓝”系统战胜了国际象棋大师卡斯帕诺夫,就是计算机的机器智能水平的一次荣誉记录,也是聪明的人工智能软件的一个成功范例。2.智能机器“智能机器”(Intelligent Machine),简称IM,研究如何设计和制造具有更高智能水平的机器,特别是设计和制造更聪明的计算机。现在的计算机,虽然经历了从电子管、晶体管、集成电路、超大规模集成电路等几代的发展,在工艺和性能方面都有巨大的进步。但是,在原理上,还没有重大的突破。通常,人们用计算机,不仅要告诉计算机:做什么?,而且还必须详细地、正确地告诉计算机:如何做?。也就是说,人们要根据工作任务的需求,以适当的计算机语言,进行相应的软件设计,编制面向该任务的计算机应用程序,并且,正确地操作计算机,装入、启动该应用程序,才能用计算机完成该项工作任务。这里,计算机实质上只是机械地、被动地执行人们编制的应用程序指令的“电子奴仆”,也不理解为什么要做这项工作,即不懂得:为什么?。因而,只不过是一个低智能的、不聪明的
人工智能的发展及应用 这是个信息爆炸自动控制飞速发展的时代，而在这样的时代中，人工智能也取得了飞速的发展。成为了最前沿最热门的学科和研究方向之一。 人工智能的定义 “人工智能” (Artificial Intelligence) 一词最初是在1956 年Dartmouth 学会上提出的。人工智能是指研究、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。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。 人工智能理论进入21 世纪, 正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品” , 并使之在越来越多的领域超越人类智能, 人工智能将为发展国民经济和改善人类生活做出更大贡献。 人工智能的应用领域 1. 在管理系统中的应用 (1) 人工智能应用于企业管理的意义主要不在于提高效率, 而是用计算机实现人们非常需要做, 但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中, 以数据管理和处理为中心, 围绕企业的核心业务和主导流程建立若干个主题数据库, 而所有的应用系统应该围绕主题数据库来建立和运行。换句话说, 就是将企业各部门的数据进行统一集成管理, 搭建人工智能的应用平台, 使之成为企业管理与决策中的关键因子。 2. 在工程领域的应用
(1) 医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用, 具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题, 作为医生诊断、治疗的辅助工具。事实上, 早在1982年, 美国匹兹堡大学的Miller 就发表了著名的作为内科医生咨询的Internist 2? 内科计算机辅助诊断系统的研究成果, 由此, 掀起了医学智能系统开发与应用的高潮。目前, 医学智能系统已通过其在医学影像方面的重要作用, 从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。 (2) 地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978 年美国 斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECT”OR, 该系统用于勘探评价、区域资源估值和钻井井位选择等, 是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积, 价值超过1 亿美元。 3. 在技术研究中的应用 (1) 在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类；专家运用超声无损检测仪器, 以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动减少了任务因素造成的无擦, 提高了检测的可靠性, 实现了超声检测和评价的自动化、智能化。 (2) 人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点, 因此我们必须在传统技术的基础上进行网络安全技 术的改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更 高级AI 通用和专用语言, 和应用环境以及开发专用机器, 而与人工智能技术则为我们提供了可能性。 人工智能的发展 人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几个阶段: 孕育阶段:古希腊的Aristotle( 亚里士多德)( 前384-322) ，给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon(培根)(1561-1626)，系统地给出了归纳法。“知识就是力量”
人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器 模拟的.这项发现对早期AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念，从而使启发式程序具有较普遍的意义。
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.
人工智能与生活摘要：随着社会的发展人们的生活水平逐步提高，为了给人们的生活带来方便，人工智能走进了人们的生活中。那么什么是人工智能呢？人工智能是怎样产生的？它给人们的生活带来哪些方便？在以后的生活中人工智能又将扮演什么角色呢？ 是：符号主义学派、连接主义学派和行为主义学派。 传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。主要工作是“通用问题求解程序“（General Problem Solver,
GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。 连接主义学派是从人的大脑神经系统结构出发，研究非程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。 人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉 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（International Joint Conferences on Artificial Intelligence即IJCAI）。 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快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。 第四阶段：80年代末，神经网络飞速发展 1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 多层 系统 )在软件 公司推出了ViaVoice声音识别软件，以使声音作为重要的信息输入媒体。国际各大计算机公司又开始将“人工智能“作为其研究内容。人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。 目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对
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
资阳市2019年度公需科目培训《人工智能与健康》试题及答案（一） 一、单项选择题 1.古代把计量叫“度量衡”，其中，“度”是测量（）的过程。（ 2.0分） A.长度 B.容积 C.温度 D.轻重 我的答案：A√答对 2.最经典的西方健康研究——佛雷明翰研究开始于（）。（2.0分） A.1948年 B.1971年 C.1989年 D.2000年 我的答案：A√答对 3.（）宣布启动了“先进制造伙伴计划”“人类连接组计划”“创新神经技术脑研究计划”。（2.0分） A.中国 B.日本 C.美国 D.德国 我的答案：C√答对 4.在2016年，我国人工智能企业超过了（）家。（2.0分） A.1000 B.1200 C.1400 D.1500 我的答案：D√答对 5.在大数据隐私保护生命周期模型中，大数据发布的风险是（）。（2.0分）
A.被第三方偷窥或篡改 B.如何确保合适的数据及属性在合适的时间地点给合适的用户访问 C.匿名处理后经过数据挖掘仍可被分析出隐私 D.如何在发布时去掉用户隐私并保证数据可用 我的答案：D√答对 6.下列对人工智能芯片的表述，不正确的是（）。（2.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 我的答案：C√答对 7.（）是用电脑对文本集按照一定的标准进行自动分类标记。（2.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 我的答案：C√答对 8.在（）年，AlphaGo战胜世界围棋冠军李世石。（2.0分） A.2006 B.2012 C.2016 D.2017 我的答案：C√答对 9.古代把计量叫“度量衡”，其中，“衡”是测量（）的过程。（2.0分） A.长度 B.容积 C.温度 D.轻重
人工智能发展史 人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器模拟的.这项发现对早期AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用
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；
2019人工智能与健康 一、单选题 1.下列判定标准中，不属于金标准的是（）。（ 2.0分） A.化验检出埃博拉病毒→感染 B.病理检测发现突变细胞→肿瘤 C.心电图显示T波改变→供血不足 D.超声显示室间隔缺损→先心病 我的答案：C √答对 2.古代把计量叫“度量衡”，其中，“量”是测量（）的过程。（2.0分） A.长度 B.容积 C.温度 D.轻重 我的答案：B √答对 3.在（）年，AlphaGo战胜世界围棋冠军李世石。（2.0分） A.2006 B.2012 C.2016 D.2017 我的答案：C √答对 4.最经典的西方健康研究——佛雷明翰研究开始于（）。（2.0分） A.1948年 B.1971年 C.1989年 D.2000年 我的答案：A √答对 5.（）是集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的现代制造业重要的自动化装备。（2.0分） A.特种机器人 B.礼仪机器人 C.早教机器人 D.工业机器人 我的答案：D √答对 6.2017年，卡内基梅隆大学开发的一个人工智能程序在（）大赛上战胜了四位人类玩家，这在人工智能发展史上具有里程碑式的意义。（2.0分） A.五子棋 B.国际象棋 C.德州扑克 D.围棋 我的答案：C √答对 7.《“健康中国2030”规划纲要》中提到，健康是经济社会发展的（）。（2.0分） A.必然要求 B.基础条件
D.根本目的 我的答案：B √答对 8.在国际评判健康的标准中，血压值低于（）才是健康的。（2.0分） A.110/70mmHg B.120/80mmHg C.140/90mmHg D.160/100mmHg 我的答案：B √答对 9.在大数据隐私保护生命周期模型中，大数据发布的风险是（）。（2.0分） A.被第三方偷窥或篡改 B.如何确保合适的数据及属性在合适的时间地点给合适的用户访问 C.匿名处理后经过数据挖掘仍可被分析出隐私 D.如何在发布时去掉用户隐私并保证数据可用 我的答案：D √答对 10.古代把计量叫“度量衡”，其中，“度”是测量（）的过程。（2.0分） A.长度 B.容积 C.温度 D.轻重 我的答案：A √答对 11.癌症的治疗分为手术、放疗、化疗。据WTO统计，在45%的肿瘤治愈率中，比重最高的治疗方式是（）。（2.0分） A.手术 B.放疗 C.化疗 D.都一样 我的答案：A √答对 12.到（）年，几乎所有的算法都使用了深度学习的方法。（2.0分） A.2012 B.2014 C.2016 D.2018 我的答案：B √答对 13.在国际评判健康的标准中，空腹血糖值低于（）才是健康的。（2.0分） A.90mg/dl B.95mg/dl C.100mg/dl D.110mg/dl 我的答案：C √答对 14.“计算机器能够思维”的观点是由（）提出来的。（2.0分） A.冯·诺依曼 B.图灵 C.诸葛亮
人工智能的应用 课程：人工智能 专业班级：计科11001班 学号：201003647 姓名：刘雄 报告日期： 2013-5-29
人工智能在智能机器人领域中的应用 在现代的工业制造，航空航天，交通矿业等领域，机器人越来越发挥着重要的作用。一些日本的专家预测，到2010年，只有5%的体力劳动需要由人来完成，其余大量的体力劳动要由机器人来承担。随着机器人的普及，机器人安全，规划，控制等领域也日益承受着巨大的挑战。 那何谓人工智能呢？ “人工智能”(Artificial Intelligence)简称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。人们认为“人工智能”是计算机科学技术的前沿科技领域。因此,“人工智能”与计算机软件有密切的关系。人工智能是“类人”机器人所需要的算法和技术，也就是说我们研究的主题是高级智能的本质，而不是其外在表现和辅助部件。一方面,各种人工智能应用系统都要用计算机软件去实现,另一方面,许多聪明的计算机软件也应用了人工智能的理论方法和技术。例如,专家系统软件,机器博奕软件等。但是,“人工智能”不等于“软件”,除了软件以外,还有硬件及其他自动化的通信设备。人工智能是从思维、感知、行为三层次和机器智能、智能机器两方面研究模拟、延伸与扩展人的智能的理论、方法、技术及其应用的技术学科。 例如,用计算机打印常用的报表,进行一些常规的文字处理,都是程序化的操作,谈不上有智能。但是,用计算机给人看病,进行病理诊断和药物处方,或者,用计算机给机器看病,进行故障诊断和维修处理,就需要计算机有人工智能。人工智能学科领域中有一个重要的学科分支是“专家系统”(Expert System),简称代写论文ES。就是用计算机去模拟、延伸和扩展专家的智能。基于专家的知识和经验,可以求解专业性问题的、具有人工智能的计算机应用系统。如:医疗诊断专家系统,故障诊断专家系统等。 人工智能要解决的问题主要是以下几个方面： 一、识别过程，外界输入的信息向概念逻辑信息转译，将动态静态图像、声音、语音、文字、触觉、味觉等信息转化为形式化（大脑中的信息存储形式）的概念逻辑信息。 二、智能运算过程，输入信息刺激自我学习、信息检索、逻辑判断、决策，并产生相应反应。 三、控制过程，将需要输出的反应转译为肢体运动和媒介信息。 实用机器人在第三个方面做得比较多，而识别和智能运算是很弱的，尤其是概念知识的存储形式、逻辑判断和决策这些方面更是鲜有成果，这正是人工智能要重点解决的问题。 在机器人控制中常用的智能控制方式是模糊控制。 如图1所示。
人工智能的发展及应用 学院： 班级： 姓名： 学号： 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能几乎涉及到是自然科学和社会科学的所有学科，其范围
已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 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。 人工智能体现在思维、感知、行为三个层次。它主要模拟眼神、扩展人的智能。其研究内容可以分为机器思维和思维机器、机器行为和行为机器、机器感知和感知机器、三个层次。人工智能研究与应用虽然取得了不少成果，但离全面推广应用还有很大距离，还有很多问题需要许多学科的共同研究。 人工智能有两种实现方式，第一种叫做工程学方法（Engineering approach），是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。它已在一些领域内作出了成果，如文字识别、电脑下棋等。第二种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。第一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁,非常麻烦。采用第二种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。 人工智能的发展: 人工智能的研究经历了以下几个阶段: 孕育阶段:古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼兹）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想,提出了一种崭新的代数系统——布尔代数。 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。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。 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
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。