什么是人工智能

 

提到人工智能，很多人常常想到机器人，其实机器人只是人工智能的一个领域，而人工智能涉及我们生活的各个方面，简单地说，人工智能就是研究机器模拟人脑的思维。人工智能科学在诞生50多年间，不断给人类以惊喜，现在，随着科技的进步，智能机器已经在许多领域大显身手，不少智能机器或智能系统已经在某些领域替代甚至超过人，它们正从概念或者展品走进我们的生活。

人工智能(Artificial Intelligence) 也称机器智能，英文缩写为AI，计算机科学的一个分支，但它又具有交叉综合性，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。人工智能更多地依赖于信息科学、脑科学和认知科学的发展。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。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。 所以说，人工智能（AI）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，懂得心理学和哲学等。总的说来，人工智能的目的就是让计算机这台机器能够象人一样思考。

人工智能不单单需要逻辑思维与模仿,科学家们对人类大脑和神经系统研究得越多,他们越加肯定：情感是智能的一部分,而不是与智能相分离的。因此人工智能领域的下一个突破可能不仅在于赋予计算机更多的逻辑推理能力,而且还要赋予它情感能力。

然而，人工智能的进展并不象我们期待的那样迅速，因为人工智能的基本理论还不完整，我们还不能从本质上解释我们的大脑为什么能够思考，这种思考来自于什么，这种思考为什么得以产生等一系列问题。但经过这几十年的发展，人工智能正在以它巨大的力量影响着人们的生活。

“机器思维”同人类思维的本质区别：

1.人工智能纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。

2.人工智能没有社会性。

3.人工智能没有人类的意识所特有的能动的创造能力。

4.两者总是人脑的思维在前，电脑的功能在后。
 

当前人工智能研究的热点

 近年来，AI研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的3个热点是: 智能接口、数据挖掘、主体及多主体系统。

1、智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。

2、数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱: 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。

3、主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。多主体系统试图用主体来模拟人的理性行为，主要应用在对现实世界和社会的模拟、机器人以及智能机械等领域。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
 

人工智能的研究与应用领域

人工智能的研究领域非常广泛，而且涉及的学科也非常多。目前，人工智能的主要研究领域包括：分布式人工智能、知识工程和专家系统、自然语言处理、机器人、机器学习和人工神经网络、模式识别、定理证明、自动程序设计、知识库系统和计算机视觉等。下面主要介绍在网络教育环境中常用的智能技术。

1、问题求解

    人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到目前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。

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的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。对数学中臆测的题。定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。

3、智能信息检索技术

信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。

4.专家系统

专家系统是人工智能走向实用化的一个最新的研究领域。所谓专家系统，就是在一个特定领域内，以人类专家水平去解决该领域中困难问题的计算机系统。它是将某一领域的专家知识、经验加以总结，形成规则，存入计算机中建立知识库，并采用合适的控制策略，按输入的原始数据进行推理、演绎，从而作出判断和决策。一般来说，一个高性能的专家系统应具有以下特征：

启发性：不仅能使用逻辑性知识，也能使用启发性知识。

透明性：能向用户解释它的推理过程，回答用户的一些关于他自身的问题。

灵活性：知识库的知识便于修改、补充和精练。

5. 自然语言理解

自然语言处理是语音信息处理的一个分支，主要研究使用计算机理解和生成自然语言的理论基础和基本技术。研究自然语言理解的目的是提高人—机交换信息的能力，使人更容易与计算机进行沟通。

处理自然语言的长远目标是用自然语言进行人—机对话，目前距离这一目标尚有相当的距离。目前的研究主要集中在以下几个方面：

书面语的理解

口语的理解

手写文字识别

6.知识库系统

知识库系统是计算机科学和人工智能都在研究的课题。其任务是存储记忆全部智能检索所需要的知识，并利用知识库的知识推导出新的知识。因此，知识库系统应具备以下功能：

能理解自然语言，允许用自然语言提出各种询问。

具有较强的联想能力，能根据对需求的大致描述找到有关知识。

推理能力，能根据存储的知识，演绎出所需的答案。

具有较强的知识获取能力，并具有自学功能。

目前这方面的研究侧重于知识检索，因此又被称作智能数据库系统。

7.分布式人工智能

分布式人工智能系统一般由多个智能体（Agent）组成，每个智能体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。智能体实际就是包含了诸如知识、信念、承诺和能力等精神状态的实体。

分布式人工智能主要研究在合作或竞争的环境下如何协调多智能系统的行为，其主要目的是为了有效的利用资源，控制智能系统的异步操作，均衡智能系统的目标。

8.机器学习

学习是人类具有的一种重要智能行为，机器学习则是研究怎样使用计算机模拟或实现人类学习活动的一门科学，因此，机器学习的研究同认知科学、逻辑学、心理学、教育学等学科有着密切的关系。机器学习将对人工智能的其它分支如专家系统、自然语言理解等方面的研究产生重要的推动作用。

 机器学习所采用的策略大致可分为四种：机械学习、通过传授学习、通过例子学习和基于解释学习。目前机器学习研究的热点是基于解释的学习和基于实例的学习，而遗传式学习和神经网络学习研究也得到了很大发展。

9. 人工神经网络

所谓人工神经网络，说的通俗一点，就是基于模仿生物大脑的结构而构成的一种信息处理系统。人工神经网络与专家系统的最大区别是，专家系统属于人类智能的功能模拟，而人工神经网络则偏重走结构模拟的路子。与其它智能系统相比，人工神经网络具有以下特点：

学习能力：学习能力是神经网络具有智能的重要表现，即通过训练可抽象出训练样本的主要特征，表现出强大的自适应能力。

分布式结构：在传统的串行体系计算机中信息分布在独立的存储单元中，而在神经网络中，信息则分散在神经元的连接上。神经网络的信息分布特性，使之具有强大的容错能力和记忆联想能力。

并行性：神经网络主要是对人脑的结构模拟。各种神经元在处理信息时是独立完成的，不同神经元之间具有并行性，这种并行处理使得信息处理速度大大加快。

 

人工智能技术在网站建设中的应用

一个网站中，包含有各种各样的音乐、图片、文章等元素，这些内容和网站浏览者的生活、工作、爱好、回忆等息息相关；这里的一个问题是，如何将这些内容有效地组织管理起来，使之成为真正的社会知识财富？按照目前一般网站建设的方式，要解决信息获取的准确性问题，只在宏观和层面进行分类思考是不行的，必须进入语义理解层面才行。语义理解也可以分为两个层面，一是宏观语义理解，二是微观语义理解；宏观语义理解就是能够自动知道一篇内容的主题思想，微观语义理解就是能够自动理解每句话的内涵；就内容的组织管理来说，宏观语义理解更有应用价值，应用思路就是在每两篇内容之间根据其内容的关联度建立相关性连接，这样一个庞大的资料库中的内容之间就形成了一个基于相关性连接的神经网，随便从哪篇内容开始，就可以按照内容之间的相关度自动查找高度相关的内容，准确、快速、有效地获取自己想要的资料。做到这一点，资料库才能真正变成知识库，也才能对后续的互动、分享提供更智能化的支持！

在交友性SNS网站中，常规的交友、评注完全是人工行为，一般效果是不错的，但在很多情况下却不能解决问题。试想，在一个会员达到几万、几十万、几百万甚至几千万的网站上，每个人是否都有不知道如何才能找到自己的“志同道合”者的困惑？但可以肯定的是，这么多会员中肯定有不少自己的“志同道合”者，只是不知道他（她）们是谁。如果使用上述的宏观语义理解技术，这个问题就可以得到很大程度上的解决；每个人的收藏兴趣是通过你已经收藏的内容体现的，特别是收藏的内容达到一定量级后这种体现就会非常准确；要找自己的“志同道合”者前提是自己要收藏一定数量的内容，然后以自己的收藏兴趣为条件让系统自动为你查找和你的收藏兴趣最接近的人就行了。有了这个功能，当你想建一个朋友圈时，当你想认识一些好朋友时，你就可以方便地找到大量的同兴趣的候选者，有效解决互动对象的选择问题。其实这一点在当前的社交网站中已经有了很大的应用。

对于互联网中的知识分享，现在的分享手段和途径主要有：内容订阅（带tag过滤）、人工推荐、Tag标记、RSS输出、Javascript输出、API调用等，除tag手段外，其它的手段都和内容本身无关，只是提供了一种纯碎的技术手段，而tag方式在前面也说过，仅仅解决了粗粒度的宏观和中观内容过滤，准确性不够。如果使用上述的宏观语义理解技术，内容分享的准确性就会得到极大提高，基本应用思路是根据每个人的收藏兴趣由网站自动为其推荐新文章，实现个性化的自动按需推荐，使大家之间的内容分享活动自动“跑”起来，并彻底解决垃圾推荐的难题。

人工智能技术的思想在很多方面都有优秀的应用方式，而且其应用前景和效果是非常诱人的，但需要真正高技术人才的介入。近年来美国的Wolfram Alpha智能搜索引擎正在搜索与精准智能化方面做着努力的尝试。人工智能技术及其应用方式和传统的网站建设技术及应用方式是很好的补充关系，将两者有效地结合在一起将会创造更大的应用价值，从而给网民大众带来更好的应用体验。
 

人工智能的研究内容

　　人工智能的知识领域浩繁，很难面面俱到，但是各个领域的思想和方法上有许多可以互相借鉴的地方。从基础理论的角度出发其研究基本内容包括：

　　◆ 启发式搜索理论

　　◆ 各种推理方法

　　◆ 知识的模型化和表示方法

　　◆ 人工智能系统结构及语言

　　◆ 机器学习

　  随着人工智能理论研究的发展和成熟，人工智能的应用领域更为宽广，应用效果更为显著。从应用的角度看主要集中在以下几个方面：

    ◆ 自然语言理解

　　当前人工智能应用领域最引人注目的分支之一。随着信息时代的迅速发展，如何理解地获取知识成为日益重要的课题。主要体现于机器翻译、自动文摘、全文检索等应用中。

　　◆ 数据库的智能检索

　　研究如何在海量的知识中准确的找到自己需要的东西。

 

    ◆ 自动程序设计

　　所有学计算机的人都希望该研究分支有实质性的成果。

　　◆ 组合调度

　　是人工智能研究的重要分支之一。对于浩繁的任务，可以给出完成任务的最佳（局部最优）的任务序列。如机器人搬运。

　　◆ 感知

　　现代人工智能的课题。是"not only BODY but also SENSER"理论的需要。

　　◆ 视觉

　　以往主要是由于机器人学的需要，现今多媒体、视频检索等多个分支对视觉研究提出了大量的需求。是当前最热点的研究分支之一。

人工智能课程学习需要掌握的内容

1   绪论-了解人工智能概念相关的基础知识

①人工智能的定义和发展

②人类智能和人工智能

③人工智能各学派的认知观

④人工智能的研究与应用领域

2 知识表示方法

①      状态空间法

②      问题规约法

③      运算符与表达式

④      语义网络法

3 搜索推理技术

①      图搜索策略

②      盲目搜索

③      启发式搜索

④      消解原理

⑤      规则演绎系统

⑥      产生式系统

4 计算智能

①      概述

②      神经计算

③      模糊计算

5 专家系统

①      专家系统概述

②      基于规则的专家系统

③      基于框架的专家系统

④      基于模型的专家系统

6 机器学习

①      机器学习的定义和发展历史

②      机器学习的主要策略和基本结构

7 人工智能的争论与展望 

③      人工智能的争论

④      人工智能对人类的影响

⑤      对人工智能的展望
 

学习人工智能课程的重难点及方法态度

学习人工智能最大的难点就在于从知识、假设、推理的角度出发去思考问题，解决问题。另一个难点在于人工智能的内容非常浩繁，深入地了解人工智能的各个方向是非常困难的。因此最主要的是掌握人工智能思想，对人工智能的各个领域有一定了解的同时，有重点地理解某些人工智能的相关问题。

人工智能是门很重要的课程，在学习这门课程的时候，不要太在乎到底书上是怎么写的，更多的应该是你在主地积极地了解这方面的动向，然后联系这些与你的生活和工作的关系。比如在搜索算法时，想到深度和广度算法，这时候你就要自觉地思考当你做一个有关穷举或者搜索某个空间时，是不是可以大大提高你的效率，以及后面的神经网络，这些都是要教你最新的、最实用、效率最高的工作方法。对于学习研究人工智能的学生来说，我认为应当具有如下基本条件：（1）数学要好；（2）严格的逻辑思维和丰富的发散思维；（3）毅力。如果数学不好，可以学，不是一般的学，是真正地弄懂。弄懂的最低标准是在学习、研究和生活中遇到问题总能想到（自然的、潜意识的而非刻意的）用数学方法去解决之，并能产生一些好的想法，而且事后能清晰地对之进行分析。在这样的学习数学的过程中，你的逻辑思维和发散思维就会得到锻炼和加强，你能坚持学到真正地懂（上面的定义）的程度，则你的毅力也一定已经达到让人钦佩的程度了。
 

总结

目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼型机与作为智能外围的人工神经网络的结合。研究表明: 情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。

现在人类已经把计算机的计算能力提高到了前所未有的地步，而人工智能也在下世纪领导计算机发展的潮头，今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。