1.1什麽是人工智能（续） 人工智能有两个研究目标： 1、近期目标：研究人脑的宏观功能（判断、理解和推理、形成概念、适当的反应和适应环境的总体能力），并用现在的计算机去模拟它，使计算机更聪明、更象人。

1.1什麽是人工智能（续） 2、人工智能的远期目标是研究人脑的微观结构和宏观功能，以期制造出和人脑的结构一致的智能机，并能完成人脑的宏观功能。 由于人工智能是一个新兴的学科，从事人工智能的人来自各个不同的学科和领域，他们对人工智能的理解和解释或多或少的印上了他们原来学科的印记， 所以人工智能中的学派五花八门，他们的观点也不尽相同，但是归纳起来主要有两大学派：

1.1什麽是人工智能（续） (1)、数学学派 (2)、心理学学派 其中数学学派的观点认为：求解智能问题完全依靠算法（Algorithm)。这一学派的观点认为求解一切智能问题都应该建立数学模型并利用算法来求解问题。 心理学学派的观点则认为：求解智能问题应该依靠心理学模型,把人在解决各种问题时所使用的经验、方法、策略、窍门等都编成程序，（并称这种程序为启发式程序Heuristic ）利用启发式程序来求解智能问题。

由于算法和启发式程序都各有利弊，所以人工智能在求解智能问题时，不能单纯地使用算法也不能单纯地使用启发式程序，而是使用两个智能算子—算法和启发式程序（也叫过程）共同工作。 目前我们对人工智能的研究仍然是从近期目标出发（因为美国和日本研究了10年（82年至92年），投入了大量的人力、物力，其中日本耗资540个亿的日圆，但研制智能机的计划宣告失败）,也就是说目前还是利用现在的资源—计算机，研究如何使计算机更聪明、更象人甚至在某些方面代替人。

那麽，通过什麽途径来达到这个目标呢？ 人工智能的创始人之一，尼尔逊对实现的途径做了如下的总结： 通过对知识表示技术；机械化推理技术和系统构成技术来实现人工智能技术。我们也将按着这样一个原则和主线来介绍和学习人工智能。 在此之前，先来了解一下AI的发展简史。

1.2 人工智能的发展简史 第一阶段—孕育期 第二阶段—形成期 第三阶段—发展期 知识工程与专家系统 网络时代及其人工智能技术

1956年人工智能作为一门新兴的学科由美国正式提出，现在它已成为人类科学技术中一门充满生机和希望的前沿性学科。归纳起来它的发展经历了孕育、形成、发展这样三个阶段。

1.2 人工智能的发展简史（续） 1.孕育(1956年以前)期 人工智能之所以取得今天的成就是和几代科学家的共同努力分不开的,是各有关学科共同发展的结果.这个历史时期的主要成果为: (1)公元前4世纪的希腊哲学家Aristotle提出了形式逻辑，他提出的三段论（既析取三段论 ：P（PQ）Q和假言三段论 （PQ) (Q  R)  PR) ，至今仍然是演绎推理的基本依据。 (2)英国哲学家培根（F.Bacon)提出了归纳法，还提出了“知识就是力量”的口号，这对20世纪70年代人工智能转向以知识为中心的研究都产生了很重要的影响。

(3)德国数学家莱不尼茨（G.Leibniz)提出了万能符号和推理计算的思想，这一思想不仅为数理逻辑的产生和发展奠定了基础，而且是现代机器思维设计思想的萌芽。 (4)英国逻辑学家布尔（G.Boole)创立了布尔代数。 (5)英国数学家图灵对人工智能的贡献是在1936年他提出了一种理想计算机的数学模型—图灵机。这为后来电子数字计算机的问世奠定了理论基础。

(6)美国生理学家麦克洛奇（W.McCulloch)与匹兹（W.Pitts)在1943年建成了第一个神经网络模型（M-P模型） 开创了对微观人工智能的研究工作，为后来人工神经网络的研究奠定了基础。 （7）美国数学家莫克利（J.W.Mauchly)和埃柯特（J.P.Eckert)在1946年研制出了世界上第一台电子数字计算机ENIAC这项划时代的研究成果为人工智能的研究奠定了物质基础。

2.形成期（1956-1969） 1956年的夏季，由麻省理工学院的麦卡锡与明斯基、IBM公司的洛切斯特、贝尔实验室的香农共同发起，邀请了IBM公司的莫尔等10人在美国的达特莫斯（Dartmouth)大学召开了一个历时两个月的研讨会。会上由麦卡锡提议正式采用了人工智能这一术语。 这是一次具有历史意义的重要会议，它标志着人工智能作为一门新兴的学科正式诞生了。在这一历史时期的主要成果有：

（1）在机器学习方面，塞谬尔1956年研制出了一个跳棋程序。这个程序能从棋谱中学习。1959年它击败了塞谬尔，1962年它又击败了一个州的冠军。（遗憾的是从此以后它没再取胜过）。 （2）在定理证明方面，美籍华人王浩在1960年在机器上实现了命题逻辑的证明问题。被命名为王浩算法。1965年鲁宾逊提出了消解原理，为机器证明作出了突破性的贡献。

1.2 人工智能的发展简史（续） （3）在模式识别方面，1959年塞尔夫里奇推出了一个模式识别程序，1965年罗伯特编制出了一个可分辨积木构造的程序。 （4）在问题求解方面，1960年纽厄尔等人通过心理学实验总结出了通用问题求解程序GPS（General Problem Solving)，可以用来求解11种不同类型的问题。例如：我国的人工智能学家吴文俊先生研究的初等几何定理证明问题，不仅可以解决初等几何中的所有定理证明问题，还可以推广到欧式几何中去。

（5）在专家系统方面，美国斯坦福大学的费根鲍姆1968年研制成功了专家系统DENDRAL。该系统不仅为人们提供了一个实用的智能系统，而且对知识的表示、存储、获取、推理及利用等技术是一次非常有益的探索，对人工智能的发展产生了深刻的影响，其意义远远超出了系统本身的价值。（因为人工智能曾经有过一段低迷时期，是专家系统使人工智能走向实用阶段…）

（6）在人工智能语言方面，1960年麦卡锡研制出了人工智能语言LISP，它是一种表结构语言，该语言至今仍然是建造智能系统的重要工具。 这一时期发生的一个重大事件是1969年成立了国际人工智能联合会（International Joint Conferences ON Artificial Intelligence,简称IJCAI)，每两年召开一次国际学术交流会，宣读论文，讨论和交流研究成果，探讨研究方向。该学会的成立标志着人工智能学科已经得到了世界的公认。

1.2 人工智能的发展简史（续） 3.发展期（1970年以后） 进入20世纪70年代以后，许多国家都相继开展了对人工智能的研究，成果也大量涌现，例如，1972年法国马赛大学的科麦瑞尔研制成功了逻辑程序设计语言Prolog(Programming in logic的缩写）。该语言以一阶谓词逻辑为语法，以Robinson的归结原理为语义，加上深度优先的控制策略而形成的人工智能通用程序设计语言。其主要特点是能象人脑那样自动进行逻辑推理，它和LISP被誉为面向人工智能的语言。

被成功的用于专家系统、自然语言理解、关系数据库、抽象问题求解和数理逻辑等人工智能领域、日本的第五代机就以它为核心语言。 斯坦福大学的肖特里菲于1972年研制成功用于治疗和诊断感染性疾病的专家 系统MYCIN。 1970年国际人工智能杂志（Artificial Intelligence)创刊，它推动了人工智能的发展和交流。 但是前进的道路并不是一帆风顺的，人工智能在前进的道路上遇到了重重困难。

例如塞谬尔的下棋程序自从胜了一个州的冠军后，再没赢过;1996年国际象棋程序“深蓝”赢了它的设计人，但1997年深蓝失败； 机器翻译也出现了一些问题。 美国和日本等国家对人工智能研究的第一个十年计划遭到了重挫。其中日本投资540个亿的日元，想要研制出具有人脑结构的智能机，终因，现阶段人们对自身智能的机理还了解得不够等原因而宣告失败。但与此同时，人们经过一段反思之后，费根鲍姆关于以知识为中心开展人工智能研究的观点被大多数人接受。

从此人工智能又迎来了蓬勃发展的新时期，即以知识为中心的时期。 在这一时期各种专家系统象雨后春笋般相继诞生。例如，地矿勘探专家系统PROSPECTOR，拥有15种矿藏知识，能根据岩石标本及地质勘探数据对矿藏资源进行估计和预测，能对矿床、储藏量、品位、开采价值等进行推断，制定合理的开采方案，成功地找到了超亿美元的钼矿。

专家系统MYCIN则能识别51种病菌，正确使用23种抗菌素，可以协助医生诊断、治疗细菌感染性血液病。 内科诊断专家系统CADUCEUS正确地诊断出了许多疑难病症。还有XCON计算机配置专家系统，及信用卡认证决策专家系统等。

1.2 人工智能的发展简史（续） 专家系统的成功，使人们越来越多的认识到知识是智能的基础，对人工智能的的研究必须以知识为中心来进行。对于知识的表示、利用、获取等的研究取得了较大的进展，特别是对不确定性知识的表示与推理取得了突破，建立了主观Bayes理论、确定性理论、证据理论、可能性理论等，这些对其它领域（模式识别，自然语言理解等）的发展提供了支持，解决了许多理论及技术上的问题。

这一时期，一个比较重大的事件是1977年费根鲍姆在第五届国际人工智能联合会议上提出了“知识工程”的概念。它对以知识为基础的智能系统的研究与建造起到了重要作用。 我国1978年把“智能模拟”作为国家科学技术发展规划的主要研究课题之一。并在1981年成立了中国人工智能学会（CAAI），目前在专家系统、模式识别、机器人学、汉语的机器理解、定理自动证明方面都取得了可喜的成绩。

时代在发展，人类在进步。网络的出现和Internet的出现 对人工智能也提出了新的需求，如电子商务的出现，提出了商务智能的需求、电子签证的识别需求；网上购物、网上售票、网上取款、网上求医、网上求学等等的需求使得人工智能在我们赖以生存的社会的各个层面得到了充分的发展。 比如神经网络技术，中间件技术（如COBA技术，Agent技术）， 网格计算，人脸识别等等都是人工智能发展的产物。 back

1.3 人工智能的研究领域 1.3.1 专家系统 1.3.2 自然语言处理 1.3.3 机器学习 1.3.4 定理证明 　　1.3 人工智能的研究领域 1.3.1 专家系统 1.3.2 自然语言处理 1.3.3 机器学习 1.3.4 定理证明 1.3.5 分布式人工智能 1.3.6 机器人 1.3.7 模式识别

1.3 人工智能的研究领域（续） 1.3.8 智能决策支持 1.3.9 博弈 1.3.10 计算机视觉 1.3.11 人工神经网络 1.3.8 智能决策支持 1.3.9 博弈 1.3.10 计算机视觉 1.3.11 人工神经网络 1.3.12商务智能 1.3.13 中间件技术（Agent) 1.3.14 网格计算

从人工智能的研究目标不难看出人工智能的研究范围非常广泛,而且不同的历史时期有不同的侧重点,所以就广义上来说人工智能的基本研究内容应包括以下几个方面: (1) 机器感知 所谓机器感知就是使计算机具有类似人的感知能力，其中以机器视觉和机器听觉为主。机器视觉是让计算机能够识别并理解文字.图象.物景等;机器听觉则是让计算机理解语言.声响等。

1.3 人工智能的研究领域（续） 机器感知是计算机获取外部信息的基本途径，是使计算机具有智能不可缺少的组成部分，就同人的智能离不开感知一样。为了让计算机具有感知能力，就需要为它配上能“听”会“看”的感觉器官，为此，人工智能中已经形成了两个专门的研究领域，即模式识别与自然语言理解。

　1.3 人工智能的研究领域（续） （2）机器思维 所谓机器思维是指对通过感知获得的信息进行有目的地加工和处理。正象人类的智能是来自大脑的思维活动一样，机器智能也主要是通过机器思维实现的。因此，机器思维是人工智能研究中最重要.最关键的部分。

1.3 人工智能的研究领域（续） （3）机器学习 我们知道人类具有获取新知识.学习新技术.并且总结经验,改进方法的能力,机器学习就是要使计算机具有这种能力,,使它能自动地获取知识,能直接向书本学习,能通过与人谈话学习,能通过对环境的观察学习,并在实践中实现自我完善,并能克服人类在学习过程中的缺陷,如注意力容易分散,容易忘记等。

(4) 机器行为 与人类的行为能力相似，机器行为主要是指计算机的表达能力，即“说”.“写”.“画”等。对于智能机器人，它还应具有人的四肢功能和情感功能。 (5) 智能系统和智能计算机的构造技术 为了实现人工智能的两个目标，就要建立智能系统及智能机器，为此需要开展对模型、系统分析与构造技术、建造工具及语言的研究。

就当前的研究现状看，人工智能的研究领域主要有： （1） 模式识别 （Pattern Recognition） 模式识别是人工智能最早的研究领域之一,目前主要集中在图形识别和语音识别上。人工智能研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟。

(2)自然语言理解 (Natural Language Understanding) 由于自然语言的多义性,在人机交互信息的过程中不得不使用某些经过严格定义的非自然语言,给使用带来很多不便.人工智能作者一直在进行机器理解自然语言的探索与研究,乔姆斯基文法对这方面的研究起了很大的推动作用。但受他的影响，六十年代前半期的研究成果只注重语法分析。

1.3 人工智能的研究领域（续） 后来发现这是片面的，开始运用语义规则。这就要求计算机有更多的知识。七十年代后期维诺格拉德(T.Winograd)研制的自然语言理解程序，注意了语义、语法、和推理规则的交替使用。可以用语义来消除语法上的混淆，用部分语法分析来防止句子意义的不确切，还可以用推理来选择可能的意义和适当的分析等等，使得整个理解过程带有预见性具有较高的效率。

(3) 数据库的智能检索 （Intelligent Retrieval From Databases） 当今世界在科学、工程、军事、法律、医学和电子商务等许多领域都先后出现了信息爆炸，这使得这些领域内的工作人员很难记住工作中所需要的全部信息，甚至根本不知道存储信息中究竟哪些是有用的。由于计算机存储了大量的信息，检索起来很不方便，于是智能检索问题就显得十分突出和必要了。人工智能科学工作者正在研究这个问题。智能检索要求数据库具有以下能力：

1.3 人工智能的研究领域（续） （a）理解自然语言，可用自然语言向数据库提问； （b）具有一定的推理能力，可以从存储的事实出发推出所需的答案； （c）除了储存某些专门知识外，还应储存一些常识性知识。 几乎所有的人工智能系统都和数据库的智能检索相关，也就是说数据库的智能检索是其它人工智能系统所急需的技术。

（4） 博弈 (Game Playing) 博弈就是对策或斗智，这是自然界中的普遍现象。它不仅存在于下棋之中，而且在经济.政治.军事.商业和生物等领域中均存在博弈问题。博弈分为独弈，对弈和群弈，不管是哪一种博弈，都是力图用自己的“智慧”击败对手。在人工智能中大多以下棋为例来研究博弈的规律，这是因为： （a）  下棋规则很容易在计算机中表示； （b）多数棋类比赛的规律是十分复杂的，没有一种简单的方法可以计算出正确的棋步。计算机必须用与人大致相似的方法来进行游戏；

1.3 人工智能的研究领域（续） （5）自动定理证明 （Automatic Theorem Proving） 　　1.3 人工智能的研究领域（续） （5）自动定理证明 （Automatic Theorem Proving） 自动定理证明也是人工智能的一个重要研究领域，它在发展人工智能的方法上起过重大作用。 定理证明的实质是对前提P和结论Q证明PQ的永真性。要直接证明PQ的永真性一般来说是比较困难的，通常采用的是反证法。

（6） 自动程序设计 （Automatic Programming） 编制和调试一个复杂的计算机程序是一项颇费时日的烦琐工作，有时甚至需要数千人年的工作量，而且极少是完美无懈的。而软件失误带来的损失又常常是非常巨大的，有时甚至是不能容忍的。这就是所谓的“软件危机”。解决的办法之一就是彻底摆脱目前的软件设计方式，用“做什麽”型程序代替“如何做”型程序。这涉及到自动程序设计技术。自动程序设计包括以下两个方面的自动化问题：

（7） 专家系统 （Expert System） 专家系统是人工智能领域中与实际应用相结合最活跃的一个分支。1977年以后专家系统的研究是基于知识的。人们事先把某些专家的知识总结出来，分成事实和规则，以适当的形式存入计算机，建立起知识库。根据这些专门的知识，系统可以对输入的原始数据进行推理，作出判断和决策，因此能起到专家的作用。70年代到80年代出现了象MYCIN那样 一批相当优秀的专家系统。

目前的研究则涉及有关专家系统设计的各种问题，这其中包括用专家系统来教初学者以及请教有经验的专业人员的问题。 专家系统可以解决的问题一般包括解释.预测.诊断.设计.规划.监视.推理.指导和控制等。 随着人工智能整体水平的提高，专家系统的研究也获得很大的发展。正在开发的新一代专家系统有分布式专家系统和协同式专家系统等。在新一代专家系统中，不但采用基于规则的知识表示，而且还采用基于模型的原理。

（8） 机器学习 人类具有获取新知识，学习新技巧，并在实践中不断完善.改进的能力,机器学习就是要使计算机具有人类的这种能力,使它能自动地获取知识,能直接向书本学习,能通过与人谈话学习,能通过对环境的观察学习,并在实践中实现自我完善,克服人们在学习中存在的局限性,例如容易忘记,效率低以及注意力分散等。

一个学习过程本质上是学习系统把导师或专家提供的信息转换成能被系统理解并应用的形式。按系统对导师的依赖程度可将学习方法分为以下几种： （a）机械式学习（Rote Learning） 导师完成全部转换工作，系统只负责存贮。 （b）讲授式学习 （Learning from instruction） 学习系统对导师提供的信息有一定的选择能力,并予以形式化.目前大多数基于知识的系统用这种方法建立知识库。

（c）  类比学习 （Learning by analogy） 已知源域和目标域，且知道这两个域中已有某些满足相似度度量的知识与求解方法，则通过类比学习能将源域中的知识与求解方法转换到目标域中去。例如著名的鲁琵福类比就是通过将原子结构（目标）同太阳系（源）进行类比，从而发现原子结构的奥秘。

（d）  归纳学习 （Learning from induction） 环境所提供的是关于大量实例的输入和输出的描述，学习元进行推理归类和共性的分析，抽象出一般的概念和规则，使这些新概念.新规则能蕴涵所有实例。这种学习所接受的实例，不仅有正例，也有反例，但这些反例被告之是错误的，它们不属于噪音或矛盾，它们对学习的作用，有时甚至比正例还重要。

（e）  观察发现式学习 （Learning by observation  discovery） 它是归纳学习的高一层次,它所接受的实例中含有噪音和矛盾,需由学习元对它们鉴别,提纯,而且对实例间的相互联系进行分析,实现概念聚类,或发现新的概念和定律,因而有创新的成分。 近年来下列各种学习方法： 基于解释的学习 基于事例的学习 基于概念的学习 基于神经网络的学习 遗传学习等。

(9)  机器人学 (Robotics) 机器人学是一门综合性学科,它包括对操作机器人装置程序的研究,这涉及到机器人的体系结构.控制.智能.视觉.触觉.力觉.听觉.机器人装配.恶劣环境下的机器人以及机器人语言等。各种各样的机器人已在工业.农业.商业.旅游业.空中和海洋以及国防等领域获得越来越普遍的应用。

（10）人工神经网络（Nerve network） 神经网络系统是由大量简单的神经元广泛地互相连接而形成的复杂网络系统。用人工方法模拟神经元采取某种方式连接而成的网络模型，称为人工神经网络模型。人工神经网络又叫连接模型或并行分布式处理模型。模拟神经网络处理信息的方式，称为人工神经网络方法。80年代以来人工神经网络的研究进入了一个新的发展时期，取得了许多研究成果。现在它已经成为人工智能一个非常重要的研究领域。

（11）商务智能 (Business Intelligence) 90年代随着计算机网络技术和Internet的发展与应用，电子商务成为令世人瞩目且迅猛发展的新兴科技领域。企业可以通过Internet和电子商务技术建立自己的企业门户，通过企业门户，企业可以向世界展示自身的组织机构，业务活动，社会形象等，同时还可以动态地发布存储在企业内部和外部的各种信息，可以完成网上的管理和交易。

12、智能决策支持 决策支持系统是管理科学的一个分支，它是随着专家系统的发展而发展起来的。在用计算机进行的各种管理中（如MIS系统）、事物处理系统（TPS）、办公自动化系统（OAS）、决策支持系统（DSS）等，与人类智能关系密切的莫过于决策支持系统，因而人们首先在这方面开展了研究工作，并取得了一定的进展和成绩，并逐步形成了智能决策支持支持系统（IDSS）这一新兴的研究领域。 一个IDSS系统的结构是一个四库结构： 既数据库、模型库、方法库、知识库。 在此结构模式中由于有知识库及推理系统，因而使它对决策者的支持大大增强。

13、分布式人工智能 DistributedArtificialIntelligence 分布式人工智能也称DAI，在70年代后期出现。一般DAI系统由多个智能主体（Agent）组成，每个Agent又是一个半自治系统， Agent之间以及Agent与环境之间进行并发活动，并进行交互来完成问题求解。