人工智能及原理论文

人工智能原理及应用

摘要:

人工智能(Artificial Intelligence，AI)一直都处于计算机技术的最前沿,经历了几起几落，长久以来，人工智能对于普通人来说是那样的望而不及。然而，经历了50余年的发展人工智能现在已经是一个大学科了，同时我们看到，近年来人工智能学科正在以前所未有的速度迅猛发展，新思想、新理论、新技术、新方法不断涌现，新分支、新领域不断拓展。引起了一些人士了解并探索人工智能领域的兴趣。

关键词：

人工智能，机器人控制，专家系统

引言：

人工智能作为一门学科，其研究目标就是制造智能机器和智能系统，实现智能化社会。具体来将，就是要是计算机不仅具有脑智能，还要均有看、听、说、写等感知和交流能力。简言之，就是要使计算机具有自主发现规律、解决问题和发明创造的能力，从而大大扩展和延伸人的智能，实现人类社会的全面智能化。。

1．什么是人工智能？

顾名思义，人工智能就是人造智能，其英文表示是“Artificial Intelligence”，简称AI。“人工智能”一词目前是指用计算机模拟或实现的智能，因此人工智能又称机器智能。当然，这只是对人工智能的字面解释或一般解释。关于人工智能的学科定义，学术界目前还没有统一的认识。下面是部分学者对人工智能的概念的描述，可以看做是他们各自对人工智能所下的定义：

——人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化（Bellman,1978年）

——人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试。（Hauge-land,1985年）

——人工智能是研究如何让计算机做现阶段只有人才能做得好的事情。（Rich Knight,1991年）

可以看出，这些定义虽然都指出了人工智能的一些特征，但用它却难以界定一台计算机是否具有智能。因为要界定机器是否具有智能，必然要涉及到什么是智能的问题，但这却是一个难以准确回答的问题。所以，尽管人们给出了关于人工智能的不少说法，但都没有完全或严格地用智能的内涵或外延来定义人工智能。

2．人工智能原理

人工智能是实现具有智能的机器，人工智能与用计算机理解人的智力的目标有一些关系，但它并不一定要使用生物学上的方法。我们都知道“知识就是力量”。在人工智能中，人们则更一步领略到了这句话的深刻意义。的确，对于智能来说，知识太重要了，以至于可以说：“知识就是智能”。事实上，能发现客观规律是一种有智能的表现，能运用知识解决问题也是有智能的表现，而且是最为基本的一种表现。而且发现规律和运用知识本身还需要知识。因此可以说：知识是智能的基础和源泉。所以要实现人工智能，计算机就必须拥有知识和运用知识的能力。

3．人工智能的应用

人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统，机器学习，模式

识别，自然语言理解，自动定理证明，自动程序设计，机器人学，博弈，智能决定支持系统和人工神经网络。

下面就具体的应用方面机器人控制来看看人工智能的主要研究领域是什么：

机器人控制即运动控制，包括位置控制和力控制。位置控制就是对于运动规划给出的运动轨迹，控制机器人的肢体产生相应的动作。力控制则是对机器人的肢体所发出的作用力大小的控制。运动控制涉及就机器人的运动学和动力学特征，所以，运动控制研究需要许多运动学和动力学知识。

生物系统的运动控制为机器人的神经网络控制提供了很好的参考模型。这种控制不需要各种变量之间的准确的解析关系模型，而只要通过大量的例子的训练即可实现，因此没在机器人控制中广泛的采用神经网络控制技术。

在运动学的控制方法中，分解运动速度的方法是比较典型的一种，它是一种在直角坐标空间而不是在关节坐标控件进行闭环控制方法，对于那些需要准确的运动根轨迹的跟踪的任务，必须采用这样的控制方法。

通常机器人运动学控制主要是基于正、逆运动学的计算。这中控制方法不但计算繁琐，而且需要经常校准才能保持精度。为此人们提出了一种双向映射神经网络，进行机器人运动学控制，这种网络主要由一个前馈网组成，隐层为正弦激励函数。从网络的输出到输入有一个反馈连接，形成循环回路。正向网络实现正运动学方程，反馈连接起修改网络的输入，以使网络的输出向着期望的位姿点运动。

智能机器人的控制结构通常被设计成许多处理机系统的网络，并采用智能控制的分层递阶结构。如在纵向，自顶向下分为四层，每一层完成不同级别的功能。第一层负责任务规划，把目标任务分解为初级任务序列。第二层负责路径规划，把初级移动命令分解为一系列字符串，这些字符串定义了一条可避免碰撞和死点的运动路径。第三层的基本功能是计算惯量动力学并产生平滑轨迹，在基本坐标系中控制末端执行器。第四层为伺服和坐标变换，完成从基本坐标到关节坐标系的坐标变换以及关节位置、速度和力的伺服控制。

4.人工智能模式识别

模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境与客体统称为“模式”,随着计算机技术的发展，人类有可能研究复杂的信息处理过程。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别系统(Optical Character Recognition，OCR)、语音识别系统等。

5.人工智能的专家系统

顾名思义，专家系统（ES）就是能像人类专家一样解决困难、复杂的实际问题的计算机软件系统。专家系统是目前人工智能中最活跃，最有成效的一个研究领域，它是一种基于知识的系统，它从人类专家那里获得知识，并用来解决只有专家才能解决的困难问题。这样定义专家系统：专家系统是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平。专家系统是在关于人工智能的研究处于低潮时提出来的，由它的出现及其所显示出来的巨大潜能不仅使人工智能摆脱了困境，而且走上了发展时期。

专家系统按用途的分类，可分为：诊断型、解析型、预测型、决策型、设计型、规划型和控制型等几种类型。而从体系上来说，它可分为集中式专家系统，分布式专家系统，神经网络专家系统，符号系统与神经网络结合的专家系统。它的系统结构如下图：

人机接口部分它只是一个用户界面。它的实现可以有不同的形式，也有可能是很复杂的。人们希望能够和人类专家那样和机器交流，不再使用简单的命令，而是用人类的语言完成交互工作，这就要求人机接口能够有自然语言理解的功能。但是专家系统能不能使用，好不好使用关键在中间的那一层，人可以思考，如果希望机器也能够象人那样思考，那么推理机制是必不可少的，而且它在很大程序上决定了这个专家系统的效率和可用性。

结论：工智能的发展已达到很高水平，电子计算机将更接近大脑的功能了，虽然计算机解决问题的能力从技术角度看目前还有很大局限性，计算机万能论者的理论依据也是有问题的。计算机暂时不能代替人我相信他预见的会成为现实，目前也有了很多技术突破,这就是人类-机器的结合体，他预见这是人类进化史上的一个飞跃。在这样一个结合体形式下，肯定超出目前的人的智能和人工智能，这个结合体中，人类的大脑将植入能和机器直接沟通的芯片，这个芯片是人机的桥梁，而人类-机器结合体将发挥出人与机器的各自优势。将迎来一个伟大的机器时代。

参考文献：

[1] 廉师友人工智能技术导论2012年10月

[2] 张玉志人工智能与社会进步1990年03月

[3] 百度百科