報告主題：AI人工智慧未來趨勢與 Web Services XML與網路服務應用期中報告 報告主題：AI人工智慧未來趨勢與 Web Services 指導教授：黃登揚 (Deng Yang, Huang) 學生：邱美芳

一、何謂人工智慧 人工智慧(Artificial Intelligence)：簡稱AI是指一個電腦系統具有人類的知識和行為，並具有: 學習、 推理判斷來解決問題、 記憶知識 瞭解人類自然語言的能力。 人工智慧的產生，將人類對各種問題所引起的思考、判斷、推理、解決問題、計畫及決策等過程，分解成一連串的基本步驟，利用程式設計的方法，使過程公式化，使電腦具有結構化的方法， 並利用此方法以解決或處理各種更複雜的問題。

二、人工智慧發展史 人工智慧的演進，大致可區分為底下幾個階段： 1940～1960：此時期研究重心擺在定理證明與通用問題求解，如：數字理論證明、西洋棋、西洋象棋等研究。 1955年末,Newell和Simon做了一個“邏輯專家”(Logic Theorist)的程式.這個程式被許多人 認為是第一個AI程式 1956:許多研究者醉心於奕棋及理論證明的程式發展。他們的貢獻在於啟發式演算及狀態空間搜尋的技術。 1957:第一個串列處理語言IPL(list processing language)被發明。 1960～1970：六十年代研究者普遍的樂觀，但在後期人們了解到智慧的產生，不但要能推論及搜尋的流程控制能力，也需具備豐富的知識與理解能力。在此時期，許多早期出名的AI系統被發展， 如：1961年的MACSYMA的產生，提供了符號計算的能力 AI語言LISP開發出來，機器人學受到重視，如：框架理論（Frame Theory） 1970～1980：利用述語邏輯開發出來的PROLOG語言問世，許多重要的專家系統被發展出來，如分子構造固定系統(DENDRAL)、血液感染疾病診斷系統(MYCIN)、HearsayⅡ系統的語音辨識精確度已經達到90﹪等。 1980～1999：人們開始將「人工智慧」知識予以商業化，此階段著重在研究各種行事之學習系統，如類比研究法、指點學習法等。

三、人工智慧的主要範圍 用蓋伏特所提供的人工智慧元素圖來說明：

四、人工智慧在各領域的應用 AI的發展與其說“人工智慧”不如說是“人工知識庫“,離真正的智慧還有很大的距離要克服,但到目前為止, AI 的技術己經應用到許多領域: 專家系統(Expert System) 自然語言處理(Natural Language Processing簡稱NLP ) 電腦視覺(Computer Vision) 語音辨識(Speech Understanding) 機器人應用(Robotic Application) 類神經網路(Artificial Neural Network) 智慧型代理人(Intelligent Agent)

4-1 專家系統 專家系統是以電腦能看的懂得形式將專家知識儲存起來，並加入控制策略，使電腦能像專家一樣，利用這些知識和經驗法則來解決問題。也就是說，專家系統是一個知識庫程式，可用來解決某專業領域問題，並且能提供像人類專家一樣「專業水準」的解答。 如：醫學上的MYCIN，是醫學界最早的專家系統，它可以依據使用者所輸入的病狀及病歷表來診斷病人 的病況。

4-2 自然語言處理(NLP) 自然語言處理是人工智慧中的一個重要研究項目,目的在使電腦能模擬人類語言的能力,包含閱讀、理解、翻譯、作摘要等等,這些技術在語音辨識與合成上面也相當有用。 自然語言處理研究的難點 詞義的消歧：許多字詞不單只有一個意思，因而我們必須選出使句意最為通順的解釋。 句法的模糊性：自然語言的文法通常是模稜兩可必須要仰賴語意及前後文的資訊才能在其中選擇。 對話時空及目標物狀態不同對語意的影響：句子通常不單單僅表示著它字面的意思，例如絃外之音；同時句意也會隨著對話的時空及目標物狀態的不同而產生不同的解讀

4-3 電腦視覺 人類的感官信息中，大多數是來自於視覺。要實現人工智慧，對視覺的電腦處理是很重要的方面。 電腦視覺這一學科的基本假設是：可以用計算的方式來模擬人類的視覺機制，處理人類的視覺信息和實現對實際三維場景的理解。 電腦視覺就是可以操控上下左右轉動的電腦，執行一序列的偵測、追蹤、定位、及辨識等工作。 例如： 偵測行人追蹤身體定位頭部辨識臉部。 偵測車輛追蹤車輛定位車牌辨識文字。

4-3-1 電腦視覺應用-指紋識別 1、現行的系統受到的挑戰-安全性是許多系統要首先考慮的問題 ‧使用“用戶ID+密碼”的方法：密碼容易被忘記，也容易被別人竊取 ‧丟了鑰匙不僅打不開門，還要當心壞人拾到你的鑰匙盜取你的家財 ‧傳統需進行身份驗證的場合也存在安全性問題。如證件的偽造、盜用、不 正當的轉借等 2 、指紋識別是成熟的生物識別(Biometric)技術-具有不可複製的特點 應用系統常見有以下兩種方法： ‧即嵌入式系統：是一個獨立完整系統，不需要連接其他設備就可以獨立完成指紋門鎖、指紋考勤終端就是嵌入式系統。其功能較為單一，應用於完成特定的功能。 ‧連接PC的桌面應用系統：具有靈活的系統結構，可多個系統共用指紋識別設備，可建立大型的資料庫應用。由於需要連接電腦才能完成指紋識別的功能，限制了這種系統在許多方面的應用。

4-3-1 電腦視覺應用-指紋識別 指紋識別技術應用實例： IBM公司已經開發成功並廣泛應用的Global Sign On軟體通使用指紋，就可以在公司整個網路上暢行無阻。 指紋IC卡：把的指紋(加密後)存儲在IC卡上，並在IC卡的讀卡機上加裝指紋識別系統，當讀卡機閱讀卡上的資訊時，一併讀入持卡者的指紋，通過比對卡上的指紋與持卡者的指紋就可以確認持卡者的是否卡的真正主人。可運用於許多行業中如ATM(美國已經開始使用)、防偽證件（簽證或護照、健保卡、會員卡等）。(SFNB安全第一網路銀行目前正在實施) 。 在醫院裏，指紋識別技術可以驗證病人身份、輸血管理。

4-3-2 電腦視覺應用-人臉識別 門禁系統：受安全保護的地區可以通過人臉識別辨識試圖進入者的身份。 攝影監視系統：在例如機場、體育場、超級市場等公共場所對人群進行監視，以達到身份識別的目的。例如在機場安裝監視系統以防止恐怖分子登機。 網路應用：利用人臉識別輔助信用卡網路支付，以防止非信用卡的擁有者使用信用卡等。

4-3-2 電腦視覺應用-人臉識別 困難 人臉識別的困難主要是人臉作為生物特徵的特點所帶來的。人臉在視覺上的特點是： 第一，不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的； 第二，人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，人臉識別還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡等多方面因素的影響。

4-3-3 電腦視覺的商業應用 醫學圖像處理、工業流水線生產、產品自動檢測、智慧交通（ITS, Intelligent Transportation System）、現場監視、數字圖書館、智慧搜索引擎、數字娛樂、數字化電影等方面均得到了成功的應用。 列如：現場監視系統，入侵偵測、人臉辨識、臉形遮罩、人體動作比對、雷射光筆偵測等技術，利用攝影鏡頭做眼睛，不僅能提高生活環境的安全，也能廣泛應用於其他需視覺化人機介面的新興產業。

4-4 語音辨識 與機器進行語音交流，讓機器明白你說什麼，這是人們長期以來夢寐以求的事情。語音識別技術就是讓機器通過識別和理解過程把語音信號轉變為相應的文本或命令的高技術。 近二十年來，語音識別技術取得顯著進步，開始從實驗室走向市場。人們預計，未來10年內，語音識別技術將進入工業、家電、通信、汽車電子、醫療、家庭服務、消費電子產品等各個領域。 語音識別聽寫機在一些領域的應用被美國新聞界評為1997年電腦發展十件大事之一。 很多專家都認為語音識別技術是2000年至2010年間信息技術領域十大重要的科技發展技術之一。

4-4 語音辨識-系統實現 聽寫機：大辭彙量、非特定人、連續語音識別系統通常稱為聽寫機。 對話系統：用於實現人機口語對話的系統稱為對話系統。受目前技術所限，對話系統往往是面向一個狹窄領域、辭彙量有限的系統，其題材有旅遊查詢、訂票、資料庫檢索等等。其前端是一個語音識別器，識別產生的N-best候選或詞候選網格，由語法分析器進行分析獲取語義信息，再由對話管理器確定應答信息，由語音合成器輸出。由於目前的系統往往辭彙量有限，也可以用提取關鍵詞的方法來獲取語義信息。

4-5 機器人應用 機器人從1960年代發展至今，已進入第三代機器研發；從最早期的機器人只依照輸入的程式來做動作，到現今第三代機器人，已能利用電視攝影來接收機器人所拍攝的畫面及聲音，由電腦做出判斷後，再傳訊息給機器人，讓機器人能產生適當動作。 機器人運用：海底石油開發、汽車撞擊測試業。機器人也多用在清理有毒廢棄物、太空探索、石油鑽探、深海探索、礦石開採、搜救等等。 在人們的理想中，機器人也可望成為人類生活的伴侶。日本Sony公司推出的「Aibo」機器寵物就是一個實例。

4-6 類神經網路 類神經網路是一種計算系統，包括軟體與硬體，它使用大量簡單的相連人工神經元來模仿生物神經網路的能力。人工神經元是生物神經元的簡單模擬，它從外界環境或者其它人工神經元取得資訊，並加以非常簡單的運算，並輸出其結果到外界環境或者其它人工神經元。

4-6-1 類神經網路的特性 1.平行處理的特性 2.容錯(fault tolerance)特性 3.結合式記憶(Associative Memory)的特性 4.解決最佳化(Optimization)問題 5.超大型積體電路實作(VLSI Implementation) 6.能處理一般演算法難以處理的問題

4-6-2 類神經網路的應用面 類神經網路的應用極為廣泛，在此分別: 「問題類型」 1監督式學習應用-為現今類神經網路最重要、最成功的應 用，約佔95%以上應用在股價預測、沈車引擎診斷…等。 2非監督式學習應用 3聯想式學習應用-雜訊過濾、資料擷取。 4最佳化問題應用-設計應用、排程。

4-6-2 類神經網路的應用面 「應用領域」 工業與工程應用 1. 工業與工資料分析， ex:礦床探測訊號分析

4-6-2 類神經網路的應用面 「應用領域」 商業與金融應用 1.商業決策 ex :期貨交易決策、債券分級、信用卡鴻用判斷、保單審核、保單審核。 2. 商業預測 ex :股價預測、利率預測、市場預測。 3. 商業分析 ex:財務分析、稅務稽查。 科學與資訊應用，Ex :醫學疾病診斷、醫學影像診斷、氣像預測、化學儀器分析解釋、感測資料分類、軍事目標追蹤、犯罪行為聚類分析、性向測驗分析、資料庫聯想搜尋、電腦輔助教學、電腦音樂、專家系統…等。

4-6-3 類神經網路的參與者 類神經網路建構與應用過程中包括六種主要參與者： 1專案領導人 2類神經網路工程師 3程式設計師 4專案經理 5領域專家 6使用者代表

4-7 智慧型代理人 指的是被設計來幫助使用者完成某些特定目的及任務的一些商業處理或應用軟體，執行特定的、重複的、以及可預期任務的 軟體程式，使用現有或學習而來的知識庫完成任務或代表使用者制定決策。其本身具有某種程度的智慧、知識與獨立自主性。 例如：自動傳真回覆系統、智慧型電子信箱回覆系統等等，都屬於智慧代理人。 這是目前講究客戶關係管理(CRM)公司最重視的部分。

4-7-1 智慧型代理人的特性 委任-代理使用者去執行使用者真正想要去做的工作。 溝通-代理人除了必須跟其他代理人有溝通外,有些還必須跟使用者溝通,了解使用者真正想要的是什麼。 自治-可以根據代理人自己的判斷自行決定要怎麼做(以使用者利益為考量)，而不需要使用者介入處理。 監控-代理人必須可以監控他所處在的環境,並且因應環境的改變自動做出適當的處理,來達到代理人的自發性。 行動-一旦代理人所處在的環境發生改變,代理人在判斷完狀況之後,若覺得有需要可能會做一些事情,而做這些事情可能會對目前的環境有所影響。代理人的行動對環境是有影響力的。 智慧-解譯環境所發生的事件,並且有推理的能力。

4-7-2 代理人通訊語言 智慧型代理人系統需knowledge communication protocol讓代理人做通訊以及協調,以共同完成使用者所託付之工作。 ( Knowledge Query and Manipulation Language) 與FIPA(The Foundation for Intelligent Physical Agents)ACL (Agent Communication Language)是目前代理人最常用的通訊語言。

4-7-2-1 KQML KQML是代理人訊息處理格式與傳遞協定，參考圖2.1 (1) content layer代表資訊本身內涵，KQML可攜帶任何以語言表示形式的資訊,不同形式的資訊可統一轉成XML表示式，利用XML的DTD來表示此訊息的實體論(ontology)， (2) communication layer包含訊息傳送者以及訊息的接受者， (3) message layer描述訊息執行方式。KQML具備相當廣義與中性訊息表示格式,優點為將訊息內容、內容意義與執行方式分離，換言之，KQML並不瞭解訊息意涵，只專注訊息的傳送與執行方式，訊息意涵的詮釋則交由代理人負責。

4-7-2-2 FIPA ACL FIPA是以言詞作動理論為基礎的代理人通訊語言。所謂言詞作動(speech act)即是把代理人之間彼此傳遞的訊息本身當成是一種動作,這些訊息所表達的是傳遞者想要接收者做哪些行動的意圖。 FIPA ACL其規格書是由一個訊息型態的集合與每個訊息型態的應用所組成 訊息型態的應用-描述的是當傳遞端或是接收端傳遞出或接收到此一訊息型態之訊息時,對於其代理人內部本身的心理狀態所造成的影響。 FIPA也提供一些高層次的通訊協定之規範性描述,讓代理人在彼此交換訊息時有個供參考的訊息交換協定,包括有要求對方作動作、多種競標訊息往來協定等等。

4-7-3先進旅行者資訊系統(ATIS) ATIS係藉由先進資訊、通訊及其他相關技術，提供旅行者必要之資訊，使其能於車內、家裡、辦公室、車站等地點方便地取得所需之資訊，作為旅行產生、運具與路線選擇之決策參考，以順利到達目的地。 ATIS之相關技術有公路路況廣播、全球衛星定位系統與地理資訊系統(GIS)、車內顯示系統、最佳路線導引、無線電通訊、旅行服務資訊等

4-7-4 服務導向代理人架構設計

4-7-5 服務導向代理人架構設計 就參與的角色觀點，可定義出三個基本角色： 需求代理人 仲介代理人 服務代理人

4-7-6代理人通訊語言訊息機制 服務代理人對仲介代理人： 服務代理人負責提供服務讓別人來使用，並藉由使用代理人服務描述語言，來描述本身服務中所含的功能，要使用此功能所需要的輸入資料，以及預期的輸出結果，並提供其所在位址，以便其它代理人可以真正移動到服務代理人所在處。最後，服務代理人透過仲介代理人把這些資訊公告(Publish)至仲介代理人的資料庫中。 需求代理人對仲介代理人： 需求代理人透過代理人通訊語言訊息，可以送出格式化的代理人服務描述語言文件給仲介代理人。而仲介代理人會將查詢結果傳回給需求代理人，而此查詢結果也是標準的代理人服務描述語言文件。 需求代理人對服務代理人： 需求代理人得到適當的代理人服務描述語言文件後，透過此代理人服務描述語言文件，可取得服務代理人之位址，移動到該服務代理人所在位置，並透過代理人通訊語言與服務代理人交談，以取得服務代理人所提供的服務。

4-7-7 整合網際服務

4-7-8三種不同運作流程的應用

4-7-9 服務代理人藉由網際服務完成使用者之需求流程

4-7-10 ■ 需求代理人使用網際服務達成使用者之需求流程