人工智能调研报告

推荐第1篇：人工智能调研报告[优秀]

2017年人工智能中国调研报告

中新经纬客户端7月20日电 据中国政府网20日消息，为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，国务院发布了《新一代人工智能发展规划》。文件要求，2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。

文件指出，新一代人工智能发展的战略目标是要分三步走：

第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标。新一代人工智能理论和技术取得重要进展。大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论和核心技术实现重要进展，人工智能模型方法、核心器件、高端设备和基础软件等方面取得标志性成果。人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。人工智能发展环境进一步优化，在重点领域全面展开创新应用，聚集起一批高水平的人才队伍和创新团队，部分领域的人工智能伦理规范和政策法规初步建立。

第二步，到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展。新一代人工智能理论与技术体系初步建立，具有自主学习能力的人工智能取得突破，在多领域取得引领性研究成果。人工智能产业进入全球价值链高端。新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。初步建立人工智能法律法规、伦理规范和政策体系，形成人工智能安全评估和管控能力。

第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。形成较为成熟的新一代人工智能理论与技术体系。在类脑智能、自主智能、混合智能和群体智能等领域取得重大突破，在国际人工智能研究领域具有重要影响，占据人工智能科技制高点。人工智能产业竞争力达到国际领先水平。人工智能在生产生活、社会治理、国防建设各方面应用的广度深度极大拓展，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。形成一批全球领先的人工智能科技创新和人才培养基地，建成更加完善的人工智能法律法规、伦理规范和政策体系。

文件提到，人工智能发展规划的重点任务是要立足国家发展全局，准确把握全球人工智能发展态势，找准突破口和主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度，全面提升经济社会发展和国防应用智能化水平。一是构建开放协同的人工智能科技创新体系。二是培育高端高效的智能经济。三是建设安全便捷的智能社会。四是加强人工智能领域军民融合。五是构建泛在安全高效的智能化基础设施体系。六是前瞻布局新一代人工智能重大科技项目。(中新经纬APP)

智能机器是一种能够呈现出人类智能行为的机器。人工智能(ArtificialIntelligence，AI)是计算机科学或智能科学中涉及研究、设计和应用智能机器的一个分支。人工智能的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，而远期目标是用自动机模仿人类的思维活动和智力功能。

人工智能探索历史

人类对人工智能和智能机器的梦想与追求，可以追溯到3000 多年前。中国也不乏这方面的故事与史料。

近代科学技术的许多重大进展都是人类智慧、思维、梦想和奋斗的成果。人类历史上从来没有出现过像今天这样的思想大解放，关于宇宙、星球、生命、人类、时空、进化和智能等思想与作品，如雨后春笋破土而出，似百花争艳迎春怒放。其中，人工智能尤其引人注目。进入20世纪后，人工智能开始孕育于人类社会母胎。到20世纪30—40年代发生了两件极其重要的事件：数理逻辑的形式化和智能可计算(机器能思维)的思想，建立了计算与智能关系的概念。被称为“人工智能之父”(The father of AI)的图灵(Turing AM)，于1936年创立了自动机理论，提出一个理论计算机模型，奠定电子计算机设计基础，促进人工智能特别是思维机器的研究。1950 年图灵的论文“机器能思考吗?”，为即将问世的人工智能提供了科学性和开创性的构思。

1956 年夏季由麦卡锡(McCarthyJ)、明斯基(Minsky ML)、罗彻斯特(Lochester N)和香农(Shannon CE)共同发起，并邀请其他6位年轻的科学家，在美国达特茅斯(Dartmouth)大学举办了一次长达两个月的十人研讨会，讨论用机器模拟人类智能问题，首次使用“人工智能”这一术语。这是人类历史上第一次人工智能研讨会，标志着国际人工智能学科的诞生，具有十分重要的历史意义。发起这次研讨会的人工智能学者麦卡锡和明斯基，则被誉为国际人工智能的“奠基者”或“创始人”(The founding father)，有时也称为“人工智能之父”。

中国的人工智能经历了怎样的发展过程?取得哪些成绩?存在什么问题?面临何种机遇?有哪些解决方案?本文力图逐一探讨。

一、发展过程

与国际上人工智能的发展情况相比，国内的人工智能研究不仅起步较晚，而且发展道路曲折坎坷，历经了质疑、批评甚至打压的十分艰难的发展历程。直到改革开放之后，中国的人工智能才逐渐走上发展之路。

1.迷雾重重

20世纪50—60年代，人工智能在西方国家得到重视和发展，而在苏联却受到批判，将其斥为“资产阶级的反动伪科学”。当时，受苏联批判人工智能和控制论(Cybernetics)的影响，中国在20世纪50年代几乎没有人工智能研究;20世纪60年代后期和70年代，虽然苏联解禁了控制论和人工智能的研究，但因中苏关系恶化，中国学术界将苏联的这种解禁斥之为“修正主义”，人工智能研究继续停滞。那时，人工智能在中国要么受到质疑，要么与“特异功能”一起受到批判，被认为是伪科学和修正主义。《摘译外国自然科学哲学》月刊1976年第3期刊文称：“在批判‘图像识别’和‘人工智能’研究领域各种反动思潮的斗争中，走自己的道路”。这足见中国人工智能研究迷雾重重的艰难处境。

1978年3月，全国科学大会在北京召开。在华国锋主持的大会开幕式上，邓小平发表了“科学技术是生产力”的重要讲话。大会提出“向科学技术现代化进军”的战略决策，打开解放思想的先河，促进中国科学事业的发展，使中国科技事业迎来了科学的春天[9]。这是中国改革开放的先声，广大科技人员出现了思想大解放，人工智能也在酝酿着进一步的解禁。吴文俊提出的利用机器证明与发现几何定理的新方法——几何定理机器证明(图1)，获得1978年全国科学大会重大科技成果奖就是一个好的征兆。

20世纪80年代初期，钱学森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来。但是，由于当时社会上把“人工智能”与“特异功能”混为一谈，使中国人工智能走过一段很长的弯路。一方面，包括许多人工智能学者在内的研究者把人工智能与特异功能搅在一起“研究”;另一方面，社会上在批判“特异功能”时将“人工智能”一起进行批判，把两者一并斥之为“伪科学”。

2.艰难起步

20世纪70年代末至80年代，知识工程和专家系统在欧美发达国家得到迅速发展，并取得重大的经济效益。当时中国相关研究处于艰难起步阶段，一些基础性的工作得以开展。

1) 派遣留学生出国研究人工智能。

改革开放后，自1980 年起中国大批派遣留学生赴西方发达国家研究现代科技，学习科技新成果，其中包括人工智能和模式识别等学科领域。这些人工智能“海归”专家，已成为中国人工智能研究与开发应用的学术带头人和中坚力量，为发展中国人工智能做出举足轻重的贡献。

2) 成立中国人工智能学会。

1981 年9 月，中国人工智能学会(CAAI)在长沙成立，秦元勋当选第一任理事长。于光远在大会期间主持了一次大型座谈会，讨论有关人工智能的一些认识问题。他指出：“人工智能是一门新兴的科学，我们应该积极支持;对所谓‘人体特异功能’的研究是一门伪科学，不但不应该支持，而且要坚决反对。”1982年，中国人工智能学会刊物《人工智能学报》在长沙创刊，成为国内首份人工智能学术刊物。

CAAI首任理事长秦元勋也颇受争议。秦元勋获美国哈佛大学博士学位后于1948年回国，历任中国科学院数学研究所研究员、执行副所长，中国核学会计算物理学会理事长，中国人工智能学会首届理事长等职。他在常微分方程的定性理论、运动稳定性、近似解析、机器推理等方面的研究，在中国处于开创的地位。其中极限环的研究，具有国际先进水平。他曾负责完成了中国第一颗原子弹和氢弹的威力计算工作，是1982年国家自然科学奖一等奖的原子弹氢弹设计原理中的物理力学数学理论项目的主要工作者之一，并开辟了计算物理学这一新的学科分支。

3) 开始人工智能的相关项目研究。

20世纪70年代末至80年代前期，一些人工智能相关项目已被纳入国家科研计划。例如，在1978年召开的中国自动化学会年会上，报告了光学文字识别系统、手写体数字识别、生物控制论和模糊集合等研究成果，表明中国人工智能在生物控制和模式识别等方向的研究已开始起步。又如，1978年把“智能模拟”纳入国家研究计划。不过，当时还未能直接提到“人工智能”研究，说明中国的人工智能禁区有待进一步打开。

3.迎来曙光

1984年1月和2月，邓小平分别在深圳和上海观看儿童与计算机下棋时，指示“计算机普及要从娃娃抓起”。此后，中国人工智能研究的境遇有所好转。例如，人民日报关于人工智能的报道也渐渐多了起来。20世纪80年代中期，中国的人工智能迎来曙光，开始走上比较正常的发展道路。

国防科工委于1984年召开了全国智能计算机及其系统学术讨论会，1985年又召开了全国首届第五代计算机学术研讨会。1986年起把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究发展计划(863计划)。

1986 年，清华大学校务委员会经过三次讨论后，决定同意在清华大学出版社出版《人工智能及其应用》著作。

1987年7月《人工智能及其应用》在清华大学出版社公开出版，成为国内首部具有自主知识产权的人工智能专著。接着，中国首部人工智能、机器人学和智能控制著作分别于1987年、1988 年和1990 年问世。1988 年2月，主管国家科技工作的国务委员兼国家科委主任宋健亲笔致信蔡自兴(图2)，对《人工智能及其应用》的公开出版和人工智能学科给予高度评价，指出该人工智能著作的编著和出版“使这一前沿学科的最精彩的成就迅速与中国读者见面，这对人工智能在中国的传播和发展必定会起到重大的推动作用……我深信，以人工智能和模式识别为带头的这门新学科，将为人类迈进智能自动化时期做出奠基性贡献。”宋健对该书的高度评价，体现出他对发展中国人工智能的关注和对作者的鼓励，对中国人工智能的发展产生了重大和深远的影响。

在这封信中宋健还提到：“十年前，当我们和钱先生修订工程控制论时，尚无系统参考书可言，只能断断续续介绍一些思路。现在钱先生看到此书，也一定会欣喜万分。”这体现了宋健的谦虚品德，也表现出钱学森当时对人工智能的热烈支持。

1987年《模式识别与人工智能》杂志创刊。

1989年首次召开了中国人工智能联合会议(CJCAI)，至2004年共召开了8次。此外，还曾经联合召开过6届中国机器人学联合会议。

1993年起，把智能控制和智能自动化等项目列入国家科技攀登计划。

1993年7月，宋健应邀为中国人工智能学会智能机器人分会成立题词“人智能则国智科技强则国强”，向成立大会表示祝贺。本题词很好地阐明了人工智能与提高民族素质、增强科技实力和建设现代化强国的辩证关系，也是国家科技领域领导人对中国人工智能事业的有力支持以及对全国人工智能工作者的殷切期望。

4.蓬勃发展

进入21世纪后，更多的人工智能与智能系统研究课题获得国家自然科学基金重点和重大项目、国家高技术研究发展计划(863 计划)和国家重点基础研究发展计划(973计划)项目、科技部科技攻关项目、工信部重大项目等各种国家基金计划支持，并与中国国民经济和科技发展的重大需求相结合，力求为国家做出更大贡献。这方面的研究项目很多，代表性的研究有视觉与听觉的认知计算、面向Agent的智能计算机系统、中文智能搜索引擎关键技术、智能化农业专家系统、虹膜识别、语音识别、人工心理与人工情感、基于仿人机器人的人机交互与合作、工程建设中的智能辅助决策系统、未知环境中移动机器人导航与控制等。

2006年8月，中国人工智能学会联合其他学会和有关部门，在北京举办了“庆祝人工智能学科诞生50周年”大型庆祝活动。除了人工智能国际会议外，纪念活动还包括由中国人工智能学会主办的首届中国象棋计算机博弈锦标赛暨首届中国象棋人机大战。东北大学的“棋天大圣”象棋软件获得机器博弈冠军;“浪潮天梭”超级计算机以11：9的成绩战胜了中国象棋大师。这些赛事的成功举办，彰显了中国人工智能科技的长足进步，也向广大公众进行了一次深刻的人工智能基本知识普及教育。主办者认为，这次中国象棋人机大战“无论赢家是人类大师或超级计算机，都是人类智慧的胜利”。

同年，《智能系统学报》创刊(图3)，这是继《人工智能学报》和《模式识别与人工智能》之后国内第3份人工智能类期刊。他们为国内人工智能学者和高校师生提供了一个学术交流平台，对中国人工智能研究与应用起到促进作用。

2009 年，中国人工智能学会牵头组织，向国家学位委员会和国家教育部提出设置“智能科学与技术”学位授权一级学科的建议。该建议指出：现在信息化向智能化迈进”的趋势已经显现;因此，今天培养的智能科学技术高级人才大军，正好赶上明天信息化向智能化大规模迈进的需要。为此，一个顺理而紧迫的建议就是：为了适应信息化向智能化迈进的大趋势，为了实现建设创新型国家的大目标，在中国学位体系中增设智能科学与技术博士和硕士学位授权一级学科。这个建议凝聚了中国广大人工智能教育工作者的心智心血和他们的远见卓识，对中国人工智能学科建设具有十分深远的意义。

5.国家战略

近两年来，中国的人工智能已发展成为国家战略。国家最高领导人习近平、李克强发表重要讲话，对发展中国人工智能和机器人学给予高屋建瓴的指示与支持。

2014年6月9日，习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会开幕式上发表重要讲话强调：“由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快，3D打印、人工智能迅猛发展，制造机器人的软硬件技术日趋成熟，成本不断降低，性能不断提升，军用无人机、自动驾驶汽车、家政服务机器人已经成为现实，有的人工智能机器人已具有相当程度的自主思维和学习能力。……我们要审时度势、全盘考虑、抓紧谋划、扎实推进。”这是党和国家最高领导人首次对人工智能和相关智能技术的高度评价，是对开展人工智能和智能机器人技术开发的庄严号召和大力推动。

2015年十二届全国人大三次会议上，李克强总理在政府工作报告中提出：“人工智能技术将为基于互联网和移动互联网等领域的创新应用提供核心基础。未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，势必将成为我国经济结构转型升级的新支点。”这是对人工智能技术的重要作用给予的充分肯定，是对人工智能的有力促进。

2015年5月，国务院发布《中国制造2025》(图4)，部署全面推进实施制造强国战略。这是中国实施制造强国战略第一个十年的行动纲领。围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点。

这些战略任务，无论是提高创新能力、信息化与工业化深度融合、强化工业基础能力、加强质量品牌建设，或是推动重点领域突破发展、全面推行绿色制造、推进制造业结构调整、发展服务型制造和生产性服务业、提高制造业国际化发展水平，都离不开人工智能的参与，都与人工智能的发展密切相关。人工智能是智能制造不可或缺的核心技术。

2016年4月，工业和信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划(2016—2020年)》，为“十三五”期间中国机器人产业发展描绘了清晰的蓝图。该发展规划提出的大部分任务，如智能生产、智能物流、智能工业机器人、人机协作机器人、消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等，都需要采用各种人工智能技术。人工智能也是智能机器人产业发展的关键核心技术。

2016年5月，国家发改委和科技部等4部门联合印发《“互联网+”人工智能三年行动实施方案》，明确未来3年智能产业的发展重点与具体扶持项目，进一步体现出人工智能已被提升至国家战略高度。根据方案的内容，未来3年将在3个大方面、9个小项推进智能产业发展。

国家最高领导人对人工智能的高度评价和对发展我国人工智能的指示，《中国制造2025》、《机器人产业发展规划(2016—2020 年)》和《“互联网+”人工智能三年行动实施方案》的发布与施行，体现了中国已把人工智能技术提升到国家发展战略的高度，为人工智能的发展创造了前所未有的优良环境，也赋予人工智能艰巨而光荣的历史使命。

2015年7月在北京召开了“2015中国人工智能大会”。发表了《中国人工智能白皮书》，包括“中国智能机器人白皮书”、“中国自然语言理解白皮书”、“中国模式识别白皮书”、“中国智能驾驶白皮书”和“中国机器学习白皮书”，为中国人工智能相关行业的科技发展描绘一个轮廓，给产业界指引一个发展方向。

2016年4月由中国人工智能学会发起，联合20余家国家一级学会，在北京举行“2016 全球人工智能技术大会暨人工智能60 周年纪念活动启动仪式”(图5)。这次活动恰逢国际人工智能诞辰60周年，谷歌AlphaGo与韩国围棋九段棋手李世石上演“世纪人机大战”(图6)，将人工智能的关注度推到了前所未有的高度。启动仪式共同庆祝国际人工智能诞辰60周年，传承和弘扬人工智能的科学精神，开启智能化时代的新征程。

现在，人工智能已发展成为国家发展战略，中国已有数以10万计的科技人员和大学师生从事不同层次的人工智能相关领域研究、学习、开发与应用，人工智能研究与应用已在中国空前开展，硕果累累，必将为促进其他学科的发展和中国的现代化建设做出新的重大贡献。

二、主要成就

中国的人工智能研究开发、学科建设、产业应用和社会服务等方面，已经取得不俗的成就，主要可以从以下几点得到证实。

1.形成人工智能学科

1981年9月建立了全国性的人工智能组织中国人工智能学会(CAAI)，标志着中国人工智能学科的诞生。1982年在长沙创办中国人工智能学会刊物《人工智能学报》，成为中国人工智能学科领域的第一份学术刊物。中国人工智能学会大会每两年举行一次，至目前已举办16届。中国人工智能学会成立后，又相继成立了中国人工智能学会智能机器人专业委员会、机器学习专业委员会、模式识别专业委员会、自然语言处理专业委员会和智能控制专业委员会、人工智能教育工作委员会等。

此外，中国计算机学会的一些二级学会也开展人工智能相关学术活动，为中国人工智能的发展做出了应有贡献。例如，中国计算机学会成立了人工智能与模式识别专业委员会，中国自动化学会成立了模式识别与机器智能专业委员会以及智能自动化专业委员会等二级学会。有些省市也成立了地方人工智能学会。1989—2004 年，由中国人工智能学会、中国计算机学会等多个学会联合举办过7届中国人工智能联合会议(CJCAI)。

与人工智能密切相关的机器学习、模式识别、智能机器人、自然语言处理、专家系统等领域的学术组织也先后成立，学术活动也十分热烈。例如，国内机器学习的重要学术活动包括每两年举行一次的中国机器学习会议和每年举行的中国机器学习及其应用研讨会。前者由中国计算机学会人工智能与模式识别专业委员会协办，目前已历经15届。后者每届会议包括特邀报告、大会交流及Top Conference Review等部分，迄今已历经13届。又如，中国人工智能学会智能机器人专业委员会自1993年成立以来，每两年举行一次全国智能机器人学术会议，已组织过11届，还与其他学会共同举办过6次中国机器人联合会议。在王湘浩倡导与组织下，全国高校人工智能研讨会研究班自1980年起每年举行一次，是国内最早的人工智能学术研讨活动。

这些人工智能学术组织和会议开展广泛深入的国内外学术交流，对开展人工智能学术活动和组织科技交流起到积极的作用，有力推动了中国人工智能科技发展和学科建设。

2.科学研究成绩斐然

国家已先后设立了各种与人工智能相关的研究课题，如国家自然科学基金重大专项、重点项目和面上项目，国家863计划项目，国家重大战略项目智能制造2025等。在这些科研基金的支持下，国内人工智能研究已取得许多突出成果。

1)人工智能基础研究成果突出

除了前面提到的几何定理证明的“吴氏方法”外，吴文俊还于2004 年发表了重要论文“计算机时代的脑力劳动机械化与科学技术现代化”，宣布他在几何定理证明“机械化”方面的系列成果，指出：“在几何定理机器证明取得成功之后的20多年来，笔者与许多志同道合的同志们在科技部、科学院、基金委等大力支持下，开展了一场可谓‘数学机械化’的‘运动’，在理论与应用诸多方面都已取得了若干成功。”

国内学者在人工智能的诸多领域，如问题求解、不确定推理、泛逻辑理论、拓扑学、模式识别、图像处理、机器学习、专家系统、智能计算和智能控制等领域的基础研究也多有建树，取得一批具有国际先进水平的创造性成果。例如，在模式识别方面，对文字识别、语音识别(图7)、指纹识别、人脸识别、虹膜识别和步态识别等进行深入研究，涉及生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主导航、保安、银行、交通、军事、电子商务和多媒体网络通信等应用领域。

又如，机器学习也是人工智能的核心研究领域之一。现在机器学习的大数据往往体现出多源异构、语义复杂、规模巨大、动态多变等特殊性质，为传统机器学习技术带来了新的挑战。为应对这一挑战，国内科技企业巨头华为、百度等与国外巨头谷歌、微软、亚马逊等展开竞争，纷纷成立以机器学习技术为核心的研究院，以充分挖掘大数据中蕴含的巨大商业与应用价值。深度学习是机器学习领域一个新兴的子领域与研究方向，它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。深度学习模仿人脑结构，具有更强的建模和推理能力，能够更有效地解决多类复杂的智能问题。近年来，中国在深度学习研究方面也取得重要进展，一些研究成果接近或达到国际先进水平。

中国学者在自动规划领域也取得开创性成果。1985年提出与发展了基于专家系统的机器人规划机理与方法，实现了人工智能专家系统与机器人技术的结合，为基于知识的自动规划和高层控制开辟了一条新途径，对提高生产的智能化水平具有重要意义，并推动国内外机器人规划研究的发展。该成果被广泛引用，并被收入清华大学吴麒等主编的全国高校规划教材《自动控制原理》。1999年以来，又在机器人进化规划方面取得创新性成果。

国内在认知计算、情感计算、模式识别、神经网络、智能驾驶、水下机器人和其他智能机器人等领域也取得一批具有国际先进水平的研究成果，培养了一批优秀的学术带头人：郭爱克、任继福、李衍达、王守觉、焦李成、贺汉根、蔡鹤皋、徐玉如和黄心汉等。

此外，有些人工智能基础研究获得国际奖励，如1990年张钹获得ICL欧洲人工智能奖，蔡自兴指导的王勇博士获得2015 IEEE计算智能学会优秀博士学位论文奖等。

值得一提的是美籍华裔学者王浩对人工智能的杰出贡献。1958 年夏天，王浩在纽约州的IBM实验室的一台IBM704机器上用汇编语言编写了3个程序，证明了罗素和怀特海《数学原理》中的200多个定理。他关于数理逻辑的一个命题被国际上定为“ 王氏悖论”。1966年，他在哈佛大学指导的博士生Stephen Cook，因NP 完全性方面的开创性研究成果而获得1982年图灵奖。王浩还与吴文俊进行了合作研究。

2)专用人工智能开发有所突破

中国在专用人工智能领域取得了突破性的进展，已在自然语言处理和语音识别、图像识别、机器学习、虚拟现实、智能处理器、认知计算、智能驾驶和智能机器人等方面取得一大批具有国际先进水平的应用成果。

互联网和大数据推动人工智能进入了新的发展阶段。中国的智能语音技术在移动互联网、呼叫中心、智能家居、汽车电子等领域的研究与应用逐步深入，带动智能语音产业规模持续快速增长。2013年科大讯飞以54.2%的市场份额继续处于国内领先地位。

智能语音正在成为主流的交互方式之一。

近几年在多层神经网络基础上发展起来的深度学习和深度神经网络已在中国很多模式识别领域获得成功应用。其中，中国科学院自动化研究所谭铁牛团队在虹膜识别领域，坚持从虹膜图像信息获取的源头进行系统创新，全面突破虹膜识别领域的成像装置、图像处理、特征抽取、识别检索、安全防伪等一系列关键技术，建立了虹膜识别比较系统的计算理论和方法体系，还建成目前国际上最大规模的共享虹膜图像库，已大规模用于煤矿人员辨识和北京城铁监控等，并在70个国家和地区的3000 多个科研团队推广使用，有力推动了虹膜识别学科发展。

在2010年举行的国际上难度最高、规模最大的虹膜识别专业测评竞赛中，谭铁牛团队提交的算法，从来自25个国家和地区的41支参赛团队里脱颖而出，以测试性能指标超过第2名41.3%的绝对优势蝉联虹膜识别算法赛事冠军(图8)。在2008年进行的上届国际虹膜识别算法竞赛上，谭铁牛团队战胜来自35个国家和地区的97支参赛队伍。这充分展示出中国在虹膜识别领域领先国际的整体实力。

在模式识别领域，石青云领衔的北大高科指纹技术有限公司在指纹识别领域取得领先成果，成为国家科技强警的利剑。

专家系统已在国内获得广泛应用，应用领域涉及工业、农业等行业，其经济效益相当可观。例如，在冶金专家系统的开发与应用方面，已把专家系统技术用于高炉建模、监控与诊断等，建立了基于多核学习的高炉自动化框架、基于Volterra级数的高炉系统数据驱动建模、高炉热风炉流量设定、高炉炉温预测、铁水含硅量预报、数据采集处理、布料状态评估、炉况分析与监控、诊断与决策支持等专家系统，实现高炉炼铁过程的智能化(图9)。

3)计算智能与进化计算研究引人注目

计算智能是人工智能的新领域，涉及模糊计算，神经计算、进化计算和免疫计算等。近10多年来，中国在计算智能特别是进化计算研究方面取得不少国际领先成果。中国科技大学、中南大学、西安电子科技大学和中国科学院自动化研究所等院校都做出颇具影响的贡献。蔡自兴团队在进化计算领域研究取得的成果就是一个很好的例证。

蔡自兴团队提出的一些进化计算算法处于国际领先水平，引起国际进化计算学界的广泛重视，已成为相关算法比较的基准，不仅对算法设计观点颇有指导价值，而且已成功地应用于国内外30多个领域，并得到国际高级检索机构的顶级检录，已对国际计算智能研究产生重要影响。例如，他们提出的一种单目标差分进化算法CoDE，已成为美国加州大学伯克利分校Rickard O C 和Sitar N 设计的商业软件bSLOP的核心技术;该软件已在苹果官方网站上售出。Sahalos J N、Yao X 和Najy W K A 分别把CoDE算法成功地直接应用于移动通信系统设计、产品缺陷预测软件和电网保护协调。很少有同类算法能够引起国际上如此密切关注和获得这么多的优化问题的成功应用。此外，他们提出的一种被国际上广泛引用和应用的算法，被称为“蔡王算法”(CW Algorithm)，获得好评。

近10多年来，计算智能“中国海外军团”异军突起，成绩斐然。在计算智能与进化算法研究领域，Yao X(姚Jin Y C(金耀初)等的研究成果获得国际同行公认，成为进化计算领域的国际学术领军人物，并为中国的计算智能与进化计算研究起到促进作用。

3.著作和科技论文出版发行

据不完全统计，自1987 年人工智能著作开禁以来全国已编著出版了70多部人工智能著作。这些著作有专著，也有教材，不乏深受读者欢迎的高水平作品。例如，上面提到的引领人工智能著作开禁的《人工智能及其应用》(图10)，已先后出版了7个版本，印刷50多次，发行40多万册，拥有上百万读者，得到广泛应用，对国内人工智能基础研究、开发应用和人才培养发挥了重大作用。张钹的专著《问题求解理论与应用》先后在国内外出版，提出基于统计推断的启发式搜索和基于拓扑的空间规划方法，降低了计算复杂性，具有重要的应用价值。此外，谭铁牛、陆汝钤、何新贵、石青云、何志均、涂序彦、钟义信、李德毅、周志华、蔡自兴、蔡文、史忠植、何华灿、施鹏飞、王万森等在国内外出版的人工智能相关专著，在一定程度上反映出中国人工智能的研究成果，对进一步开展国内外学术交流起到重要作用。

此外，从事人工智能相关研究人员和高校师生，已在国内外知名刊物与学术会议上发表了数以万计的人工智能相关论文。其中不乏高水平文章，例如，王勇与蔡自兴合作的论文曾被列为2012 年进化计算国际顶级刊物《IEEETransactions on EvolutionaryComputation》他引次数最高的论文。

还有一些论文被评为国内外学术会议与学术刊物的优秀论文。

4.人工智能教育培养大批专门人才 人工智能教育和人才培养是人工智能学科发展的重要基础。国内自20世纪80年代中期始，在少数高校开设各种人工智能类课程。经过推广与提高，30年前的人工智能星星之火如今已形成燎原之势，数以百计的高校开设了各种层次的人工智能课程，有些课程已成为我国高校教育园地上的奇葩。

例如，中南大学的“人工智能”课程已成为首批国家级精品课程、教育部新世纪优秀网络课程、国家级全国双语示范课程、首批国家级精品视频公开课和国家级精品资源共享课程。表1所示为入选国家级质量工程的人工智能类相关精品课程名单。这些人工智能类课程在改革中不断发展壮大，已为国家培养了成千上万的人工智能专门人才。虽然这些课程只占数以千计的国家级质量工程课程的冰山一角，但也表明人工智能课程仍然占有一席之地，并具有不可替代的作用，产生了非常的影响力。

全国智能科学与技术教育暨教学学术会议是国内人工智能教育与教学领域具有特色的最权威的学术盛会，自2003年起已举办10次，对于人工智能及其相关学科的教育教学、学科建设和人才培养发挥了关键作用。

2005年在北京大学开设的智能科学与技术专业，已在全国近30所大学开设，仅这些大学的“智能”专业每年就培养大约2000名人工智能专业人才。据估计，近30年来，全国高校已培养人工智能及其相关学科的硕士和博士数以千计，本科毕业生数以万计。这些高层次的人工智能专门人才是中国发展人工智能的最为宝贵的财富。他们有幸遇上难逢的人工智能大好发展机遇，必将成为中国人工智能跨越式发展的中坚力量。

5.人工智能产业化蓬勃发展

尽管中国的人工智能产业化应用尚存在较大不足，但仍然已建立了一定的基础，并呈现蓬勃发展的势头。据不完全统计，最近5年内，中国在人工智能产业化应用领域的投资已超过1000多亿元。下面略举数例说明中国人工智能产业化的发展情况。

1)模式识别 在虹膜识别、步态识别、身份识别等领域取得新成果。近年来，在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能，成为当前最热门的方法。前面提到的虹膜识别及其在身份识别等方面的成功应用，已形成产业，占领国内外市场，就是很好的例证。

2)语音识别

中国在自然语言处理特别是语音识别领域已经达到国际先进水平。

2015 年中国智能语音产业规模达到40.3亿元，较2014年增长41.0%，远高于全球语音产业增长速度。预计到2017年，中国语音产业规模预计达到100.7亿元。2015年智能语音市场继续保持寡头垄断格局，科大讯飞已跻身全球排名前五，占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。现在中国智能语音的应用需求不断增加，应用市场更加广阔，已在智能家居、智能车载、智能客服、智能金融、智能教育和智能医院等场合得到越来越多的应用。此外，一些海外留学人员也在语音识别领域取得国际领先水平的成果，微软研究院黄学东就是该领域的一位突出代表。

3)人机博弈

中国象棋是中华民族的文化瑰宝，是一种怡神益智的活动，千百年来长盛不衰，深受广大群众的喜爱。自2006年8月举行“浪潮杯”首届中国象棋人机大战(图11)，至今已有10年，共举行过5届大赛，产生深远影响。同样中国也是国际围棋的发源地，无论是国际围棋或中国象棋，在国内具有众多的人机博弈爱好者，其产业发展和市场前景十分看好。仅一款象棋对战游戏平台软件，就可以万人同时参与在线对决。

4)专家系统

自20世纪80年代以来，专家系统在工业、农业、商业、科技、教育、服务业等领域获得广泛应用。以农业专家系统为例，开展了各种农业专家系统的研究、开发及推广应用(图12)。例如，作物病虫预测专家系统、农作制度专家系统、玉米低温冷害防御专家系统、蚕育种专家系统、小麦专家系统等。

20世纪90年代以后，中国农业专家系统得到了迅速发展，已成为农业信息技术的突破口。国家自然科学基金委、科技部、农业部和许多省级部门都安排了相应的攻关课题;863计划项目已将农业专家系统等智能化农业信息技术列为国家重点课题，搭建了中国农业专家系统研究开发的战略平台，为农业专家系统的进一步开发起到了积极催化作用。进入2l 世纪以后，农业专家系统的开发速度日益加快，不仅数量增多，而且涉及的领域也更加全面，开发的深度和广度有了很大的进展，为大范围推广应用农业专家系统铺平了道路。如小麦栽培管理农业专家系统、水稻高产栽培专家决策系统、番茄栽培管理专家系统、温室番茄病虫害缺素诊断与防治系统等。这些农业专家系统的开发，促进了农业科技成果的转化，为发展高产、优质、高效农业做出了巨大贡献。

此外，我国在机器学习、智能机器人、智能驾驶等人工智能领域，也已有不同程度的产业集聚，产业化步伐逐步加快。

在中国人工智能产业化过程中，企业巨头抢滩布局人工智能产业链，各大IT公司积极投入人工智能产业研发。

他们非常关注深度学习的应用前景，纷纷成立以机器学习技术为核心的研究院，充分挖掘大数据中蕴含的巨大商业与应用价值。例如，2012年，华为成立诺亚方舟实验室，运用以深度学习为代表的人工智能技术对移动信息大数据进行挖掘，寻找有价值的规律。2013年，百度成立深度学习研究院，研究如何运用深度学习技术对大数据进行智能处理，提高分类和预测等任务的准确性。近年来还涌现出寒武纪、甲骨文、地平线、北京云知音和湖南自兴等一批初露头角的涉及人工智能的创业实体，从某种程度上体现出人工智能领域大众创业万众创新的磅礴生机。

从整体来看，中国的人工智能产业化仍处于起步阶段。毫无疑问，在人工智能产业创业与竞争过程中，会出现多家实力强大的企业，有些企业也会在某些领域内形成领先优势甚至垄断局面。

6.开设多种人工智能奖项

为了总结中国人工智能的研究成果，表彰人工智能工作者的突出贡献，鼓励更多的人员投身人工智能的创造性研究，设立了一些人工智能奖项，其中比较重要的有如下几种。

吴文俊人工智能科学技术奖是中国智能科学技术领域唯一以个人名字命名、依托社会力量设立的科学技术奖。该奖项以“尊重知识、尊重人才、尊重创造”为方针，奖励在智能科学技术活动中做出突出贡献的单位和个人，以不断推进中国智能科学技术领域创新与发展。该奖项是经国家科学技术奖励委员会批准设立的全国奖项，被誉为“ 中国人工智能科技最高奖”，于2010年起开设，已举行了5届。

其中，有4位人工智能杰出学者获得(终身)成就奖。中国计算机学会也于2010年始设立终身成就奖，授予70岁以上、在计算领域做出卓越成就与贡献、被业界广泛认可的老科学家，其中，有2位从事人工智能研究取得突出成果的计算机学者获得此项殊荣。

“中国象棋人机大战”计算机博弈大赛始于2006年，已举行5届，引起国内外人工智能学界和主流媒体的高度重视。随着今年AlphaGo与围棋九段李世石人机对决引发的新一轮的人工智能与机器博弈热潮，中国象棋的人机大战必将攀上新的高度，为推动中国人工智能发展做出其独特的贡献。

自1998 年以来，已在中国举行了数百场智能系统、智能机器人和智能小车比赛，其中包括一些国际比赛。这些比赛吸引了成千上万的青少年学生参加，并获得大批国内外奖励，这对于提高他们对信息科技特别是人工智能的兴趣，培养他们的创新思维和创新能力，锻炼人工智能科技接班人具有不可替代的重要作用。

中国一些学者和学生还获得国际重要奖励。例如，王勇获得2015 年IEEE计算智能学会优秀博士学位论文奖(图17)，这是中国大学首次获得该项殊荣。

据不完全统计，表2给出获得国内外人工智能重要奖项的名单。

7.国际交流 改革开放以来，特别是进入21世纪以来，中国的人工智能国际交流与合作进一步开展。

2006 年，中国人工智能学会联合美国人工智能学会和欧洲人工智能协调委员会，共同发起在北京召开了International Conference on ArtificialIntelligence(人工智能国际学术会议，图18)，隆重庆祝国际人工智能学科诞生50周年。时任全国人大常委会副委员长的许嘉璐等在大会上致词。中国人工智能研究开拓者和领军人物吴文俊、模糊数学创始人美国Zadeh LA、国际EBMT机器翻译方法发明人Nagao M等在大会上做主题报告。大会开得非常成功，影响广泛。

2013年还承办了第23届国际人工智能联合会议(InternationalJointConference on Artificial Intelligence，IJCAI)，这是国际人工智能领域规模最大、影响最广泛、学术地位最高的综合性会议。承办国际人工智能联合会议表明中国的人工智能研究与应用已在世界范围内产生积极影响。

中国还创办与主办一些人工智能或与人工智能密切相关的国际会议。例如，2010 年举办了全球智能控制与自动化国际会议(The World

Congreon

Intelligent

Control

and Automation，WCICA)，自1993年以来每2年举行一次，共举行了12届。本会议已成为具有国际影响力的智能科技盛会。此外，中国人工智能学会还发起组织“国际高级智能会议”，已经举办了2次。

8.人工智能对社会的影响日益扩大

人工智能的发展已对人类及其未来产生深远影响，这些影响涉及人类的经济利益、社会作用和文化生活等方面。仅社会影响而言，就包括劳动就业问题、社会结构变化、思维方式与观念、心理上的威胁等。

1)劳务就业问题。由于人工智能能够代替人类进行各种脑力劳动，将会使一部分人不得不改变他们的工作方式或工种，甚至造成失业。

2)社会结构变化。社会结构正在悄然改变，人-机器的社会结构终将被人-智能机器(人工智能)-机器的社会结构取代。从发展的角度看，从医院里看病的“医生”和护理病人的“护士”，旅馆、饭店和商店的“服务员”，办公室的“秘书”，指挥交通的“交通警察”，到家庭的“勤杂工”和“保姆”等，都将由智能机器人取代。因此，人们将不得不学会与智能机器相处，并适应这种变化了的社会结构。

3)思维方式与观念的变化。一旦智能系统的用户开始相信系统(智能机器)的判断和决定，那么他们有可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。

4)心理上的威胁。人工智能还使一部分社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。如果智能机器的人工智能会超过人类的自然智能，那么人类可能沦为智能机器和智能系统的奴隶。

上述这些影响在国内同样存在。针对社会各界广泛关注人工智能对人类社会的影响，国内已开展人工智能科技知识的普及宣传。例如，通过视频公开课普及人工智能知识。精品视频公开课是向大学生和社会大众免费开放的科学与文化素质教育网络视频课程与讲座，着力广泛传播人类文明优秀成果和现代科学技术前沿知识，提升大学生及社会大众的科学文化素养，服务社会主义先进文化建设，增强中国文化软实力和中华文化国际影响力。国家级精品视频公开课“人工智能PK人类智能”和“从自然世界到智能时代”等，在国内网络媒体播出后，反映热烈，深受欢迎，对扩大人工智能对社会的正面影响，减少人工智能对社会的负面影响起到积极引导的应有效果。

三、存在的问题

虽然国内人工智能已取得许多骄人成就，但与国家发展战略要求相差甚远，与国际先进水平差距较大。概括起来存在如下几方面的问题。

1)经济效益至上，缺乏远大眼光。

许多人工智能企业和一些地方政府缺乏远大眼光，追求短期的经济效益，企望1~2年或2~3年内获得明显的经济回报，致使很大一部分人工智能创业企业急功近利，底气不足，发展乏力。需要追求经济效益，但像人工智能这样的高科技产业，或把人工智能技术用于促进其他产业转型升级的产业，其发展应当遵循一定的规律，需要一个过程，需要一定的时间，不能急于求成，过早追求经济效益。

2)人工智能整体水平亟待提高。 由于国内人工智能起步较晚，未能较早参与相应的人工智能国际技术、专利及标准制定，因此奉上了数额不菲的“学费”。在国内人工智能领域，有很多科研机构和企业在参与技术研发，并在某些领域处于与国外基本同步甚至领先水平，这对于提升中国在未来人工智能领域的技术、标准话语权以及市场应用主导权至关重要。但是，中国人工智能的整体能力和水平远未达到通用智能化程度，人工智能基础研究的总体水平，与国际先进水平仍然存在明显差距。要在整体上赶上国际先进水平依然任重道远，需要时日。

3)国家的决策有待落实于行动。

中国虽已公布了一批与人工智能相关的发展规划，如《智能制造2025》、《机器人产业发展规划(2016—2020年)》和《“互联网+”人工智能三年行动实施方案》等，但尚未制定全面发展人工智能的国家战略。上述规划与方案也需要把政策规划转化为行动，变成看得见的效益。

4)国家资金支持力度有待进一步提高。

如前所述，中国已经在许多国家级科学研究和科技发展项目中，支持人工智能及其相关科技项目的研究，而且支持力度不断加大。不过，与“ 互联网+”、智能制造等项目，与欧美一些发达国家的相关项目投入相比，国内对人工智能科研和产业发展的资金支持力度还远远不够。况且，比起其他项目，人工智能需要研究的问题更多，涉及面更广，难度也更大，需要国家支持的力度也更大。

5)科研经费分配不够公正。

长期以来，对科研经费的分配问题不时引发争议。首先，未能把有限的经费用到最重要和最急需的项目上，而是平均分配，致使一些并不急需使用经费的项目与急需重点支持的项目“平分秋色”。其次，有些基金项目“专家组”成员，以权谋私，为本单位申请项目的立项出力，甚至相互勾结，为专家组成员单位获得项目助一臂之力，而许多非专家组单位成员申请的项目就受到不公正待遇;在一段时间内这几乎成为潜规则。再次，科研经费的评定与使用缺乏有效监督，这些问题在人工智能领域同样存在。

6)公众对人工智能的发展存在顾虑。

自人工智能孕育于人类社会母胎之日起，人工智能的社会影响就引起人类社会的广泛关注。社会上有一部分人对人工智能和智能机器人的出现与发展表示担忧，担心有朝一日人工智能和智能机器会威胁到人类的生存与发展，其中最典型的要算史蒂芬·霍金。作为当今世界一位极具影响力的物理学家，他担心运用人工智能技术制造能够独立思考的机器，最终会威胁到人类的生存。霍金说：人工智能的全面发展可能导致人类的灭绝(图22)。他的观点引起包括众多民众和一些科技人员的共鸣。当然，社会上也存在另一种观点的，他们认为，尽管人工智能经过60年的发展已取得了巨大进步，但在看得见的未来人工智能的整体水平还难以超越人类智能，还不足以威胁到人类的生存。他们主张必须高度重视人工智能对人类社会的影响，不失时机地研究与制定对策，以消除公众顾虑，确保人类自身安全。

7)一哄而起可能导致无序竞争。

有人认为，中国社会存在一种传统文化，即普遍存在“一哄而起，遍地开花”，全国许多地方开发同一产品的现象。这些行为劳民伤财，无法保证产品质量，造成资源和人力的巨大浪费，最终既无经济效益，也无社会效益。以往的大炼钢铁、射流技术、可控硅(晶闸管)器件是这样，现在的汽车生产、机器人产业园、无人机开发等也是如此。当前，不但汽车产能过剩，而且机器人产业园内的多数企业都面临无序竞争的艰难境地，很可能在不久的将来有被淘汰出局的危险。

现在，中国人工智能及其产业已引起政府和社会各界的前所未有的高度重视，值得庆幸的是还没有出现人工智能产业“一哄而起，遍地开花”的现象。人工智能产业的科技起点的门槛比较高，开发创业的难度和风险比较大，有胆识、有基础、有实力的创业者可能要比机器人创业者少，但愿不会重复机器人产业园一哄而起的现象。

8) 盲目乐观和夜郎自大不利发展。

许多有识之士认为，当前国内人工智能基础研究和应用开发与国际先进水平存在很大差距，国际影响力有待提高。然而，国内有一部分人工智能研究与开发人员却过高地估计成绩，认为国内人工智能已经在很多方面甚至全面超过国际先进水平。

评价一门学科是否达到与超过国际先进水平，不但要有客观标准和国际同行普遍认可，而且要有一批令人信服的标志性成果。这里不准备具体讨论或争论这个问题，而是想从国际计算机学科的科技最高奖图灵奖的获奖情况来说明中国人工智能的发展水平。

自1969 年以来，美国计算机学会先后举行过48届图灵奖评审与颁奖，图灵奖得主共计64位。其中，美籍华裔计算机科学家姚期智2000年获得图灵奖，他是图灵奖设立48年以来获得该奖项的唯一华裔学者。在64位图灵奖得主中，有12位杰出人工智能专家获此殊荣，当中没有一个是中国人。

中国已数次蝉联国际超级计算机运行速度冠军，值得庆贺;但这不足以说明中国人工智能科技已达国际先进水平。许多国内企业巨头的人工智能开发虽然进步很快，成绩可喜可贺，但在总体上也远未达到国际领先水平。

国际IT巨头及欧美日发达国家都纷纷投入巨资，力争在本轮人工智能全球竞争中占据主导地位。我们切不可盲目乐观，过高地估计自己的成绩。

9)存在以哲学研究代替人工智能研究倾向。

人工智能有哲学问题需要研究，但人工智能不属于哲学。有些人从信息哲学或其他哲学角度进行人工智能研究，既是需要的，也是值得支持的。不过，长期以来国内存在一种以哲学研究代替人工智能研究的倾向，并过分夸大哲学问题对人工智能的作用，甚至企图以哲学主导人工智能学科，值得警惕[129]。

需要就人工智能主流问题进行踏踏实实的研究。吴文俊曾经语重心长地告诫：我们真正的意图绝不在于口舌之争，在字面上夸夸其谈。真正应该做的事是实干巧干，借计算机时代来临的大好契机，率先在全世界推行脑力劳动机械化，以具体成就和向世人表明我们的主张。

10)国际合作需要进一步加强。

中国虽然进行了一些人工智能的国际合作，包括举办人工智能国际会议、出国出席人工智能国际会议和派遣人员参加人工智能国际合作研究等。这些合作不仅在规模上需要扩大，而且合作水平和成果也需要提升。应该说，人工智能的国际合作需要进一步加强，中国的人工智能国际地位有待进一步提高。

四、发展机遇

中国的人工智能正面临前所未有的历史发展机遇，具备诸多发展优势。

1)国际大势所趋。

人类社会的信息环境与科技水平已取得了重大进步，与计算机和人工智能密切相关的大数据、云计算、互联网等已获得快速发展。人工智能已开始对人类社会结构产生重大影响，人——机器二元社会正在逐渐地向人-机器-智能机器三元社会发展。人、机器、智能机器协作与共存将成为人类社会结构的新常态，人、机器、智能机器和谐共存既是社会发展的必然，也为人工智能和人工智能产业提供了用武之地。纵观国际社会与科技发展潮流，人工智能的发展是人类社会进入信息社会后继续前行的重要标志，是国际科技发展的大势所趋，将引领一轮新的机器革命，促进世界产业结构调整，为经济复苏与发展注入正能量。这也是中国人工智能遇上的千载难逢的发展机遇期。

2)国家战略驱动。

回顾国内人工智能的发展过程可以看到，公众对人工智能的认识、人工智能产业的发展和政府对人工智能重视程度都已经发生了很大变化。

如前所述，中央领导人鼓励发展人工智能，习近平、李克强等对中国人工智能和机器人学的发展给予高度支持和明确指示，并提出目标要求;国务院和相关政府部门已制订与发布了人工智能相关的发展战略规划，如《“互联网+”人工智能三年行动实施方案》、《智能制造2025》和《机器人产业发展规划2016—2020》等。国家战略与政府推动是中国人工智能科技与产业健康发展之源，人工智能如果离开了国家的政策协调，就寸步难行;有了国家的战略支持，就能阔步前进。

3)国内发展需求。

发展人工智能是国内产业转型升级的需要，发展智能产业和智慧经济需要人工智能的持续创新，人工智能产业化是国家发展的大趋势。

中国的社会经济发展正面临新的机遇与挑战。劳动力红利的缺失、老龄化社会的来临、精英人才的需求、关键技术的开发，都需要通过发展来逐一解决。发展人工智能和智能机器能够实现“机器换人”和产业转型升级，“人工智能+X”将成为万众创新的新时尚和新潮流。不能说发展人工智能能够解决所有的经济问题和社会问题，但是可以说人工智能产业能够为解决现有的经济问题和社会问题创造良机。中国的社会进步和经济发展迫切需要人工智能的得力参与，中国产业转型升级和社会发展重构也为人工智能科技和人工智能产业发展提供了“用武之地”。

4)智力资源优势。

尽管中国的人工智能起步较晚，又走过一段很长的曲折发展道路，但在中国发展人工智能具备得天独厚的智力资源优势。

其一，人工智能重在智能软件，中国人在这方面具有优良传统和特别的智慧。被誉为“中国人工智能之父”的吴文俊指出：中国不仅具有作为典型脑力劳动的数学机械化的合适土壤，而且也是各种脑力劳动机械化的沃土。古代中国是脑力劳动机械化的故乡，也是脑力劳动机械化的发源地。它有着发展脑力劳动机械化所需要的坚实基础、有效手段与丰富经验。中国历史上研究数学的“术”方法，与现在研究人工智能的“算法”，具有异曲同工之妙。

其二，现在中国拥有庞大的互联网网民群体、最大的网民基数和人才基数，形成首屈一指的人工智能群体资源优势。

其三，中国派遣的大批出国研究人工智能的“海归”专家，已成为中国人工智能研究与开发应用的中流砥柱和学科带头人，对人工智能研究开发、产业应用和人才培养极为重要。

其四，中国改革开放的优越发展环境，已经并将继续汲引更多的从事人工智能研发的海外学子和外国专家前来加盟中国的人工智能建设。

处在最好发展机遇期的中国人工智能科技与产业，只要制定与执行好人才策略，何惧无人?

5)产业初步基础。

与机器人产业相比，中国的人工智能产业起步很晚，但近年来已在人工智能科研成果及其产业转化上取得长足进展，已与10年前的情况不可同日而语。在当前大数据、云计算、移动互联网深入发展与广泛应用的背景下，国内外IT 企业不失时机布局人工智能产业。以智能语音产业为例，2015 年全球智能语音产业规模达到61.2亿美元，较2014年增长34.2%。其中，中国智能语音产业规模达到40.3亿元人民币，较2014年增长41.0%，远高于全球语音产业增长速度。预计到2016年，中国语音产业规模将达到59亿元人民币。

中国语音产业规模提升主要源于以下3个原因：

首先，政府在智能语音技术研发及产业化方面的政策支持，为语音产业发展创造了良好的发展环境。

其次，语音技术提供商不断优化产品性能，进一步深化了智能语音在车载信息服务系统、智能家居等领域的应用。

其三，4G网络的普及、大数据和云计算的发展，为智能语音应用提供了强有力的保障。

这3个原因也是中国智能语音产业发展的重要基础。

当前IT巨头以智能语音为切入点，积极布局人工智能领域发展。国际上，谷歌、苹果、微软、IBM、Facebook等互联网企业在积极推进智能语音技术研发与应用之后，以此为切入点开始布局整个人工智能领域。国内的百度、腾讯、阿里巴巴、科大讯飞、小i机器人、思必驰、云知声、华大基因、捷通华声等企业，以智能交互(文本或语音)为切入点，积极布局人工智能领域，抢占产业发展制高点。

推荐第2篇：人工智能多种模式识别的调研报告

郑州科技学院

郑州科技学院

本科毕业设计（论文）

题 目 多种模式识别的调研报告 姓 名 闫 永 光 专 业 计算机科学与技术 学 号 201115025 指导教师

郑州科技学院信息工程系 二○一四年六月

郑州科技学院

摘 要

信息技术的飞速发展使得人工智能的应用范围变得越来越广，而模式识别作为其中的一个重要方面，一直是人工智能研究的重要方向。在介绍人工智能和模式识别的相关知识的同时，对人工智能在模式识别中的应用进行了一定的论述。

模式识别(Pattern Recognition)是人类的一项基本智能，着20世纪40年代计算机的出现以及50年代人工智能的兴起，模式识别技术有了长足的发展。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理 的研究有交叉关系。模式识别的发展潜力巨大。

关键词：模式识别； 人工智能； 多种模式识别的应用； 模式识别技术的发展潜力

郑州科技学院

引言

随着计算机应用范围不断的拓宽，我们对于计算机具有更加有效的感知“能力”，诸如对声音、文字、图像、温度以及震动等外界信息，这样就可以依靠计算机来对人类的生存环境进行数字化改造。但是从一般的意义上来讲，当前的计算机都无法直接感知这些信息，而只能通过人在键盘、鼠标等外设上的操作才能感知外部信息。虽然摄像仪、图文扫描仪和话筒等相关设备已经部分的解决了非电信号的转换问题，但是仍然存在着识别技术不高，不能确保计算机真正的感知所采录的究竟是什么信息。这直接使得计算机对外部世界的感知能力低下，成为计算机应用发展的瓶颈。这时，能够提高计算机外部感知能力的学科——模式识别应运而生，并得到了快速的发展。人工智能中所提到的模式识别是指采用计算机来代替人类或者是帮助人类来感知外部信息，可以说是一种对人类感知能力的一种仿真模拟。它探讨的是计算机模式识别系统的建立，通过计算机系统来模拟人类感官对外界信息的识别和感知

1、模式识别

什么是模式和模式识别？

模式可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。

模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Claification）和无监督的分类(Unsupervised Claification)两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。

郑州科技学院

2、人工智能

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（consciousne）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）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。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。

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。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎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。

3、多种模式识别的应用

3.1文字识别

汉字已有数千年的历史，也是世界上使用人数最多的文字，对于中华民族灿烂文化的形成和发展有着不可磨灭的功勋。所以在信息技术及计算机技术日益普及的今天，如何将

郑州科技学院

文字方便、快速地输入到计算机中已成为影响人机接口效率的一个重要瓶颈，也关系到计算机能否真正在我过得到普及的应用。目前，汉字输入主要分为人工键盘输入和机器自动识别输入两种。其中人工键入速度慢而且劳动强度大；自动输入又分为汉字识别输入及语音识别输入。从识别技术的难度来说，手写体识别的难度高于印刷体识别，而在手写体识别中，脱机手写体的难度又远远超过了连机手写体识别。到目前为止，除了脱机手写体数字的识别已有实际应用外，汉字等文字的脱机手写体识别还处在实验室阶段。

3.2 语音识别

语音识别技术技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安验证方式。而且利用基因算法训练连续隐马尔柯夫模型的语音识别方法现已成为语音识别的主流技术，该方法在语音识别时识别速度较快，也有较高的识别率。

3.3 指纹识别

我们手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图案。而这些皮肤的纹路在图案、断点和交叉点上各不相同，是唯一的。依靠这种唯一性，就可以将一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，便可以验证他的真实身份。一般的指纹分成有以下几个大的类别:left loop,right loop,twin loop,whorl,arch和tented arch,这样就可以将每个人的指纹分别归类，进行检索。指纹识别基本上可分成：预处理、特征选择和模式分类几个大的步骤。

3.4 图像模式识别

图像模式识别的方法很多，从图像模式识别提取的特征对象来看，图像识别方法可分为以下几种：基于形状特征的识别技术、基于色彩特征的识别技术以及基于纹理特征的识别技术。其中，基于形状特征的识别方法，其关键是找到图像中对象形状及对此进行描述，形成可视特征矢量，以完成不同图像的分类，常用来表示形状的变量有形状的周长、面积、圆形度、离心率等。基于色彩特征的识别技术主要针对彩色图像，通过色

郑州科技学院

彩直方图具有的简单且随图像的大小、旋转变换不敏感等特点进行分类识别。基于纹理特征的识别方法是通过对图像中非常具有结构规律的特征加以分析或者则是对图像中的色彩强度的分布信息进行统计来完成。

从模式特征选择及判别决策方法的不同可将图像模式识别方法大致归纳为两类:统计模式(决策理论)识别方法和句法(结构)模式识别方法。此外，近些年随着对模式识别技术研究的进一步深入，模糊模式识别方法和神经网络模式识别方法也开始得到广泛的应用。在此将这四种方法进行一下说明。

3.5 句法模式识别

对于较复杂的模式，如采用统计模式识别的方法，所面临的一个困难就是特征提取的问题，它所要求的特征量十分巨大，要把某一个复杂模式准确分类很困难，从而很自然地就想到这样的一种设计，即努力地把一个复杂模式分化为若干较简单子模式的组合，而子模式又分为若干基元，通过对基元的识别，进而识别子模式，最终识别该复杂模式。正如英文句子由一些短语，短语又由单词，单词又由字母构成一样。用一组模式基元和它们的组成来描述模式的结构的语言，称为模式描述语言。支配基元组成模式的规则称为文法。当每个基元被识别后，利用句法分析就可以作出整个的模式识别。即以这个句子是否符合某特定文法，以判别它是否属于某一类别。这就是句法模式识别的基本思想。

句法模式识别系统主要由预处理、基元提取、句法分析和文法推断等几部分组成。由预处理分割的模式，经基元提取形成描述模式的基元串（即字符串）。句法分析根据文法推理所推断的文法，判决有序字符串所描述的模式类别，得到判决结果。问题在于句法分析所依据的文法。不同的模式类对应着不同的文法，描述不同的目标。为了得到于模式类相适应的文法，类似于统计模式识别的训练过程，必须事先采集足够多的训练模式样本，经基元提取，把相应的文法推断出来。实际应用还有一定的困难。

3.6 统计模式识别

统计模式识别是目前最成熟也是应用最广泛的方法，它主要利用贝叶斯决策规则解决最优分类器问题。统计决策理论的基本思想就是在不同的模式类中建立一个决策边界，利用决策函数把一个给定的模式归入相应的模式类中。统计模式识别的基本模型如

郑州科技学院

图2，该模型主要包括两种操作模型：训练和分类，其中训练主要利用己有样本完成对决策边界的划分，并采取了一定的学习机制以保证基于样本的划分是最优的;而分类主要对输入的模式利用其特征和训练得来的决策函数而把模式划分到相应模式类中。 统计模式识别方法以数学上的决策理论为基础建立统计模式识别模型。其基本模型是:对被研究图像进行大量统计分析，找出规律性的认识，并选取出反映图像本质的特征进行分类识别。统计模式识别系统可分为两种运行模式:训练和分类。训练模式中，预处理模块负责将感兴趣的特征从背景中分割出来、去除噪声以及进行其它操作;特征选取模块主要负责找到合适的特征来表示输入模式;分类器负责训练分割特征空间。在分类模式中，被训练好的分类器将输入模式根据测量的特征分配到某个指定的类。统计模式识别组成如图2所示。

图2 统计模式识别模型

4、模式识别技术的发展潜力

模式识别技术是人工智能的基础技术，21世纪是智能化、信息化、计算化、网络化的世纪，在这个以数字计算为特征的世纪里，作为人工智能技术基础学科的模式识别技术，必将获得巨大的发展空间。在国际上，各大权威研究机构，各大公司都纷纷开始将模式识别技术作为公司的战略研发重点加以重视。

3.1语音识别技术

语音识别技术正逐步成为信息技术中人机接口的关键技术，语音技术的应用已经成为一个具有竞争性的新兴高技术产业。中国互联网中心的市场预测：未来5年，中文语音技术领域将会有超过400亿人民币的市场容量,然后每年以超过30%的速度增长。

3.2生物认证技术

生物认证技术本世纪最受关注的安全认证技术，它的发展是大势所趋。人们愿意忘

郑州科技学院

掉所有的密码、扔掉所有的磁卡，凭借自身的唯一性来标识身份与保密。国际数据集团（IDC）预测：作为未来的必然发展方向的移动电子商务基础核心技术的生物识别技术在未来10年的时间里将达到100美元的市场规模。

3.3数字水印技术

90年代以来才在国际上开始发展起来的数字水印技术是最具发展潜力与优势的数字媒体版权保护技术。IDC预测，数字水印技术在未来的5年内全球市场容量超过80亿美元。

结 语

综上所述，模式识别从20世纪20年代发展至今，人们的一种普遍看法是不存在对所有模式识别问题都适用的单一模型和解决识别问题的单一技术，我们现在拥有的只是一个工具袋，所要做的是结合具体问题把统计的和句法的识别结合起来，把统计模式识别或句法模式识别与人工智能中的启发式搜索结合起来，把统计模式识别或句法模式识别与支持向量机的机器学习结合起来，把人工神经元网络与各种已有技术以及人工智能中的专家系统、不确定推理方法结合起来，深入掌握各种工具的效能和应有的可能性，互相取长补短，开创模式识别应用的新局面。

参考文献

1 边肇祺，张学工等编著.模式识别(第二版).北京：清华大学出版社，2000.2 王碧泉，陈祖荫.模式识别理论、方法和应用.北京：地震出版社，1989.3 赵陵滋，甘云祥.统计模式识别算法的MATLAB语言实现.应用科技 4 语音识别 理想与现实的距离

5 人类形象思维模式识别与机器模式识别之探讨 6 指纹认证方法应注意的问题

推荐第3篇：《人工智能》阅读报告

《人工智能》阅读报告之

姓名：

学号：

班级：

指导教师：

历史、现状与未来

2014/4/6

我并不是通过看书而是通过一部由斯皮尔伯格执导的科幻电影——《AI》接触到人工智能这个概念的。虽然这只是一部2001年的电影，距今已有13年之久，但是它对我的启迪是长久的。电影剧情在此不做探究，只是它展示给我们的未来让我对人工智能非常好奇，所以我通过图书馆和网络搜集阅读了一些材料，争取对人工智能的历史和现状有较深入的理解，并对其未来进行合理展望。

电影名叫《A.I》，即Artificial Intelligence的首字母缩写，而这也正是学术上的人工智能的英文名。人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的麦卡锡在1956年的达特茅斯会议上提出的：“人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样”。这次会议可以看作人工智能的发端。自此以后，新思想、新理论、新技术不断涌现，至今尚无统一定义。经过这些年的发展，人工智能有了很多成果，前途一片光明。下面是详细介绍。

首先是人工智能的历史。1956年夏季，以麦卡锡、明斯基、罗彻斯特和香农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。

关于人工智能之父的说法，有人认为是冯·诺依曼，有人认为是图灵，这都有一定的道理。图灵提出过著名的图灵测试，这是评价机器智能行为最好且唯一的方法。另外，他还写过这方面的论文，如《机器会思考吗？》。然而比较公认的人工智能之父还是约翰·麦卡锡，不幸的是，他于最近去世了。麦卡锡是LISP语言的发明者，曾因人工智能方面的巨大贡献获得过图灵奖。

人工智能在于1956年正式提出后，取得了显著进步。20世纪50至70年代之间，人工智能有几个标志性的事件。1956年，塞缪尔发明了跳棋程序，于1962年击败了美国的一个州的跳棋冠军。1968年，斯坦福大学的费根鲍姆等人研制了DENDRAL，被认为是专家系统的萌芽。1976年，“四色定理”得到证明。到了80年代，神经网络快速发展。另外，人工智能被引入了市场，并显示出了使用价值。如智能机器人，机器翻译及斯坦福大学的SRI地质勘探专家系统等。

到了90年代，可以说进入了相对稳定阶段。这个期间最著名的事件莫过于蓝色巨人IBM的超级计算机“深蓝”击败国际象棋世界冠军卡斯帕罗夫了。这是人工智能的一个标志性事件，可以说是人工智能领域最广为人知的事件了。这一事件显示了人工智能的强大能力，使人们对人工智能的未来充满了期望。

进入21世纪，对人工智能的研究又深入了一部。比如谷歌等公司推出的机器翻译，微软退出的语音助手Cortana，都是当今人工智能的最新成果。今年微软build大会就进行了实时翻译，表名语音识别工作有了很大进展。最近很出名的便是IBM公司的超级计算机“沃森”了。2011年2月17日，沃森在美国智力竞猜节目《危险边缘》中击败人类。与之前的深蓝不同的是，沃森可以理解人类语言，然后进行推理。

以上是人工智能的基本发展历程，下面主要介绍当前人工智能的发展情况。人工智能主要应用于人工神经网络、自然语言理解、智能机器人、图像识别和专家系统等方面。当前这些主要研究领域都取得了长足进步。

人工神经网络是我重点关注的的一个方面。从它出现以来，就给人们带来很多惊喜。根据一个简化的统计，人脑由百亿条神经组成，每条神经平均连结到其它几千条神经。通过这种连结方式，神经可以收发不同数量的能量。神经的一个非常重要的功能是它们对能量的接受并不是立即做出响应，而是将它们累加起来，当这个累加的总和达到某个临界阈值时，它们将它们自己的那部分能量发送给其它的神经。大脑通过调节这些连结的数目和强度进行学习。尽管这是个生物行为的简化描述，但同样可以充分有力地被看作是神经网络的模型。

阈值逻辑单元（Threshold Logic Unit，TLU）是理解神经网络的第一步。TLU 是一个对象，它可以输入一组加权系数的量，对它们进行求和，如果这个和达到或者超过了某个阈值，输出一个量。如下图所示：

比如一个求解语言种类的感知器学习模型如下：

有一种培训规则叫做delta规则。感知器培训规则是基于这样一种思路：权系数的调整是由目标和输出的差分方程表达式决定。而delta规则是基于梯度降落这样一种思路。

反向传播算法同样来源于梯度降落原理，在权系数调整分析中的唯一不同是涉及t(p,n) 与 y(p,n) 的差分。如下图所示：

自然语言理解方面，目前很多公司都在做。比较出名的事件是IBM的超级计算机“沃森”。2011年2月14日至16日的3天比赛中，沃森凭借超强的运算速度和强大的人工智能算法战胜了美国最受欢迎的智力竞猜电视节目《危险边缘》历史上两位最为成功的选手肯·詹宁斯和布拉德·鲁特，这是机器挑战人类智能的又一成功例子。对计算机沃森来说参与智力竞赛节目最重要的难题是解析人类的语言，尤其是在充满暗示和恶作剧的游戏里，沃森需要识别人类语言中微妙的含义，分辨讽刺口吻、谜语、构词断句、诗篇线索等等这些逻辑和线索。然后才是对题目进行分解，快速搜索自己的内存资料，寻找到最佳答案。沃森能学习人类思维分辨人类语言口气，可选择忽略不擅长的题目，它可以可估算节目剩余奖金和自我信心，主动选择是否继续回答问题，已经取得了很大的进步。然而即使这样，它也没能突破图灵测试。它只能处理文字符号，并不能真正理解它们的含义。所以它很难理解人类交流中的微妙含义，甚至出现了爆粗口的尴尬局面。

除了自然语言理解，智能机器人的研究也十分火热。纪录片《漫游火星》中介绍了两个智能车——机遇号和勇气号，都属于智能机器人范畴。2010年上海世博会上展出了很多这方面的最新成果。比如，会拉小提琴的日本机器人和“海宝”机器人，美国最受欢迎的机器人吸尘器Roomba等。日本本田公司研制的仿人机器人ASIMO，是目前全球唯一具备人类双足行走能力的类人型机器人。阿西莫(ASIMO，Advanced Step Innovative Mobility)即高级步行创新移动机器人。从2000年发展至今，除具备了行走功能与各种人类肢体动作之外，更具备了人工智能，可以预先设定动作，还能依据人类的声音、手势等指令，来从事相应动作。此外，他还具备了基本的记忆与辨识能力。在智能机器人这方面，日本的研究成果是很多的，中国科研人员还要多加努力，迎头赶上。

图像识别是人工智能的重要领域，也是目前研究比较集中的领域之一。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。扫描条形码、二维码只是简单的应用，现在已经有些厂商推出直接扫描图片获取信息的技术了。亚马逊的Flow早在一年前就已经可以通过图片识别搜索商品，eBay也在尝试在自己的应用中加入图像识别的功能。目前，Pounce已经与Staples、Target、Ace等零售商合作，支持顾客利用手机扫描印刷广告上的商品图片，然后即时跳转到电商移动网站下单。这样移动平台就可以与电子商务无缝对接了，从而显现出了巨大的商机。

除了上面介绍的几个研究方面，专家系统也在不断发展。专家系统是依靠人类专家已有的知识建立起来的知识系统，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。专家系统可分为解释型、预测型、诊断型、设计型、监视型和控制型等类型，各自应用于不同的领域。比如控制型专家系统的代表为YES/MVS（帮助监控和控制MVS操作系统的专家系统），监视型专家系统代表为森林火警监视、REACTOR（帮助操作人员检测和处理核反应堆事故的专家系统）。

当然人工智能作为一个跨越多平台、多学科的新兴技术，研究领域不止以上介绍的这些，并且新的技术和概念仍在不断发展。那么，人工智能究竟能发展到什么程度呢？人工智能的终极目标是用机器代替人的脑力劳动，可以说到时候机器要比人类聪明多了。那么这一目标能否达到？若真正实现了，又有什么因素会使人担忧呢？下面我就人工智能的未来做一下展望。

我对人工智能的未来充满信心。在IT发展的不同阶段，都引起了或大或小的革命。人工智能是一个新事物，前途不可限量。想当初比尔盖茨靠着PC的蓬勃发展而起家，现在的人工智能所带给我们的机遇不亚于此。随着人工智能的发展，很多新产品会进入市场。如果抓住这一机遇，将智能机器放到每个家庭，那必定会造就一个商业帝国。

另一方面，美国的很多科幻电影都有对人工智能未来的探讨，而且基本上都充满担忧。不止《A.I》，《终结者》和《黑客帝国》等电影也对人工智能的未来进行了探讨。《A.I》中人类终于在2000多年后消失，被机器代替；《终结者》中的机器更是残忍地杀害人类，与人类展开抗争；《黑客帝国》中的只能机器则完全统治了原本属于人类的世界。

从电影回归现实，人类对人工智能的看法如何呢？目前的人工智能还没有进入大规模实际应用阶段，很多技术还不成熟，所以人工智能目前看起来还没有那么“智能”，因而人们对它还没有多少忧虑。若干年以后，人工智能高度发达，取代了人的工作，集自然语言理解、模式识别、图像识别、高精度计算等能力于一身，就出现了所谓的“新人类”——真正意义上的智能机器人。它们具备了思想和意识，它们具备了创新能力，最令人不安的是，它们不想一直受人类驱使，它们要反抗。

总结来说，人工智能的发展有着广阔的前景。我很关心的是人工神经网络，因为未来智能机器的发展向人看齐，要模仿人脑的工作机理。人工神经网络相当于智能机器的大脑，把它发展完善，再配合自然语言理解、模式设别和专家系统等技术，才能开发出真正意义上的智能机器。这样一来，人类千百年来的脑力劳动能够得以解放，科技高速发展，新的革命就会到来。

另一方面，技术的发展大多会伴随着滥用。如同当今原子弹令地球处在达摩克利斯之剑下面一样，被寄予厚望的二十一世纪三大尖端技术之一的人工智能可能有过之而不及。人工智能有着广阔的前景，是未来人类生产发展的主要推动力之一，同时隐忧也如影随形。话说回来，当前的人工智能虽然已经经过了半个多世纪的发展，但是还有漫长崎岖的道路要走。人类对科技的追求是狂热的，但是一定要进行必要的约束，这样才能使人类在享受高科技带来的福利的同时远离它们带来的危害。

推荐第4篇：《人工智能》学习报告

深圳大学硕士研究生课程作业—人工智能

《人工智能》学习报告

深圳大学机电与控制工程学院彭建柳

学号：0943010210

1.引言

人工智能(Artificial Intelligence，AI)，曾经有一部电影，著名导演斯蒂文•斯皮尔伯格的科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。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，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。

一直以来，关于人工智能的理论，我一直认为是科学的前沿，理解起来较为飘渺。但是，从本学期《人工智能》课程的学习中，本人较系统的接触到了关于人工智能的理论，从有限的课程中，通过老师的详细介绍和查阅人工智能方面的书籍，学习了关于人工智能几个主要方面的知识，如模糊控制、专家系统、神经网络等。下面是本人关于人工智能理论的一些基本认识。

2.人工智能的形成与发展

说到人工智能，首先先认识下自动控制理论，自动控制理论从形成到发展至今，已经经历了六十多年的历程，其主要分为三个阶段：

务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。

随着人工智能和计算机技术的发展，已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支(如系统工程、系统学、运筹学、信息论)结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段，也是用计算机模拟人类智能进行控制的研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1985年，在美国首次召开了智能控制学术讨论会。1987年又在美国召开了智能控制的首届国际学术会议，标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。

3.模糊控制

在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。通过课堂中，导师生动的讲解，以及引用到生活当中鲜活的例子，如冰箱温度的模糊控制，智能汽车的行驶路线控制等等，充分的认识到，模糊控制在当今社会的应用已经很广泛，只是理论知识的缺乏而感觉不到它们的存在。

一般控制架构包括：定义变量、模糊化、知识库、逻辑判断及反模糊化，详细如下：

(1) 定义变量：也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差之变化率CE，而控制变量

则为下一个状态之输入U。其中E、CE、U统称为模糊变量。

(2) 模糊化（fuzzify）：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值（linguisitc value）求该值相对之隶属度，此口语化变量我们称之为模糊子集合（fuzzy subsets）。

(3) 知识库：包括数据库（data base）与规则库（rule base）两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。

(4) 逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。

(5) 解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。

模糊控制很重要的一点就是模糊规则的制定，其规则制定的来源主要由专家的经验和知识、操作员的操作模式、自学习提供。模糊规则的形式则分为状态评估和目标评估两种。但都是以模糊控制为基础，达到自动控制的目的。

4.专家系统

专家系统(expert system)是人工智能应用研究最活跃和最广泛的课题之

一。运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。

专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和

环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。

对专家系统可以按不同的方法分类。通常，可以按应用领域、知识表示方法、控制策略、任务类型等分类。如按任务类型来划分，常见的有解释型、预测型、诊断型、调试型、维护型、规划型、设计型、监督型、控制型、教育型等。

简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

5.神经网络

由于神经网络是多学科交叉的产物，各个相关的学科领域对神经网络都有各自的看法，因此，关于神经网络的定义，在科学界存在许多不同的见解。目前使用得最广泛的是T.Koholen的定义，即“神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”

人工神经网络是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

6.小结

关于人工智能的学习，我现在所学习到的仅仅是皮毛。但对于一个刚刚接触人工智能学习的学生，了解如模糊控制、专家系统、神经网络等人工智能的知识入门尤为重要，为将来进一步学习人工智能的理论打下基础，并将理论应用于生活和工作当中，这才是学习的最终目的。

参考文献：

《人工智能控制》作者：蔡自兴，出 版 社：化学工业出版社， 2005-7-1

推荐第5篇：人工智能

人工智能技术应用（智能终端应用方向）

培养目标：面向人工智能终端应用方向的企业，培养具备基于电子信息技术，通信技术，计算机技术、自动控制技术、智能系统方法、传感信息处理等技术，进行人工智能终端应用的高级技工人才，具有相应工程实施能力，具备在相应领域从事人工智能终端的安装、调试、维修、保养、维修、培训，以及人工智能系统的推广销售及系统运行管理工作，有一定的自我学习、自我发展能力、创新能力和良好的职业素养的高技能应用型人才。

主要课程：微机原理与接口技术、计算机网络技术、电工电子技术、传感器技术、C语言程序设计、Linux操作系统、单片机技术、嵌入式技术、通信原理、人工智能、云计算、人工智能技术应用、智能终端设备应用与维修、智能产品企业经营管理、综合项目设计等。

就业岗位：人工智能终端应用工程师、人工智能推广营销员、人工智能系统管理。 未来已来，只是很多人不知道而已！

随着互联网、物联网、大数据的飞速发展，人工智能已不再是科幻电影中的情节，它已经来到我们真实

世界中！

从1950年现代计算之父阿兰·图灵首次提出一个问题“机器能否思考么？”到2016年谷歌人工智能阿尔法狗战胜人类围棋冠军，短短的六十多年人类信息技术经历了难以想象的发展速度！彻底颠覆了我们普通人的认知！ 当前，更多的人工智能与智能系统研究获得各种基金计划支持。同时，越来越多的企业纷纷响应国家政策号召，加入到人工智能发展的行列，无论是市场还是技术，中国已是当今世界人工智能研发领域的领头羊之一。 人工智能作为万物互联时代最前沿的基础技术，将能够渗透至各行各业，并助力传统行业实现跨越式升级，实现全行业的重塑，成为掀起互联网颠覆性浪潮的新引擎。

白云信息工程系历经2年的市场及企业调研，率先开设人工智能技术应用专业！跳过那些不适合技校学生冗繁的基础理论，我们所有的专业课程直接学习人工智能产品设备的设计安装调试管理技术，专为技校学生量身定制，全程理实一体教学模式，达到进度与实用都兼顾的教学效果，做到零基础都能学得会。

白云信息工程系既有大规模的软件机房，还有多间训练动手能力及设计制作智能产品的硬件实训室，软硬件技术与管理课程都包括，专业课程与岗位需求相符务实，做到毕业即就业，与企业岗位需求无缝对接。

没有人能随随便便成功，白云信息工程系有第二课堂、课业训练项目；有各类专业协会、研发工作室、学生公司等组织，充分发挥同学们的各种能力与天赋，即充实了你的业余生活，也提高了个人能力素质，在校经过这样丰富多彩的为学习生活经历，毕业后才能凭专业背景做管理或创业。

汇聚有志者的地方！

人工智能专业是你的荣耀，毕业后事业有成，我们为你骄傲！

人工智能专业课程已备好!

推荐第6篇：人工智能

电影《我，机器人》里面描述的那种正常的机器人，这种机器人没有自我意识，但有足够的智能和行动力可以完成所有所有人类需要完成的工作，甚至可以包括战争。同样，电影《终结者》也清楚的展示了机器人的魅力。2015年底的《超能陆战队》。“大白”属于医疗机器人。它可以通过扫描人体，就能迅速发现哪些地方需要治疗，并且立即就能给出治疗方案。“大白”和一般机器人不同的地方还在于它具备“共情”能力，可以感知并分析出主人的情绪起伏，除了身体上的疗愈，它与人类之间个性化的互动也是心灵治愈的灵药。“人人都想和大白来一次治愈的拥抱”，可以说，“大白”满足了人类对医疗人工智能的终极幻想——可靠、全能、快速、精准，甚至还有点幽默的私人医生。那我们今天就来谈谈在不久的将来与我们会有密切联系的——人工智能。

2016年3月9日中午12时，韩国九段棋手李世石与谷歌公司开发的软件“阿尔法围棋”在首尔四季酒店举行人机大战。双方一共进行5盘比赛。在记者会上李世石表示，他认为到目前为止还是人类比人工智能强。不过，在围棋人机大战首场比赛中，经过4个半小时的对弈，人工智能“阿尔法围棋”战胜了李世石。当韩国棋王李世石投子认输的那一刻，人类开始以另一种眼光看待这个人工智能程序，从不被看好到连胜两局，人们在惊愕之余不得不承认，人工智能已经发展到可以轻易超越人类的水平了。对于这场大赛，人们已经失去了最初的期待，反而是人工智能这个新“物种”吸引了大家的注意，这个看不见摸不着的电脑程序，就这样将人类最后的骄傲摧毁，这场人机大战让人工智能再次成为关注焦点。我们不得不可能会问，除了下棋之外，人工智能还会做些什么？

4月25日下午，李克强总理在成都菁蓉创客小镇，应邀与创业团队设计的羽毛球机器人“切磋”球技。这台机器人出自成都电科创品机器人科技有限公司，该公司创始人之一骆德渊接受本报记者采访时表示，这台机器人目前已经进入市场，骆德渊把这款机器人定义为休闲健身机器人，他透露，这台羽毛球机器人于2014年9月投入研发，它还曾获2015年亚太大学生机器人大赛冠军，打羽毛球的实力不输一般业余选手。

人工智能的本质（每一条的解释）

1相对于人的智能而言，正是由于意识是一种特殊的物质运动形式，所以根据控制论理论，运用功能模拟的方法，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化。

2人工智能本身并没有生命活性的成分，只能算是人工仿真的部分生命活动程序。所以人工智能并没有自我意识的成分。

3这是计算机和人脑两者都可以做到的。计算机的记忆过程是被动的执行指令，所能记住的东西仅仅是工作所需的程序和要处理的数据。所以计算机的记忆内容和记忆过程是可以被控制。

人工智能对经济的影响：

1 专家系统效应

2 推动计算机技术的发展

1.专家系统的效益

人工智能可以用比较经济的方法执行任务而不需要有经验的专家，可以极大地减少劳务开支和培养费用。由于软件易于复制，所以专家系统能够广泛传播专家知识和经验，推广应用数量有限的和昂贵的专业人员及其知识。（举例：股票图片自己理解阐述）（人工智能拥有强大的计算能力，将人工智能引入股市银行等代替人类做交易员。）

2.人工智能推动计算机技术发展

人工智能研究已经对计算机技术的各个方面产生并将继续产生较大影响。人工智能应用要求繁重的计算，促进了并行处理和专用集成片的开发。算法发生器和灵巧的数据结构获得应用，自动程序设计技术将开始对软件开发产生积极影响。所有这些在研究人工智能时开发出来的新技术，推动了计算机技术的发展，进而使计算机为人类创造更大的经济实惠。

人工智能对文化的影响：

改善人类知识，改善人类语言，改善文化生活

1.改善人类知识

在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。（举例：谷歌的人工智能画展，自己组织语言）（不久前，谷歌在旧金山举行一场画展和拍卖会，展示电脑在人类的指导下创作的画作。此次展示的画作包括迷幻的海景、梵高风格的森林和以及城堡和狗组成的奇异景观。

谷歌最初开发这项技术是为了识别照片中的物体。）

2.改善人类语言

根据语言学的观点，语言是思维的表现和工具，思维规律可用语言学方法加以研究，但人的下意识和潜意识往往\"只能意会，不可言传\"。由于采用人工智能技术，综合应用语法、语义和形式知识表示方法，我们有可能在改善知识的自然语言表示的同时，把知识阐述为适用的人工智能形式。随着人工智能原理日益广泛传播，人们可能应用人工智能概念来描述他们生活中的日常状态和求解各种问题的过程。人工智能能够扩大人们交流知识的概念集合，为我们提供一定状况下可供选择的概念，描述我们所见所闻的方法以及描述我们的信念的新方法。

3.改善文化生活

人工智能技术为人类文化生活打开了许多新的窗口。比如图像处理技术必将对图形艺术、广告和社会教育部门产生深远的影响。比如现有的智力游戏机将发展为具有更高智能的文化娱乐手段。（举例：机器人陪人类休闲，自己组织语言。个人助手

人工智能个人助手，如果要诠释这个，看一遍电影《Her》就可以了，其中的人工智能操作系统萨曼莎不仅可以帮助主人公快速处理各种邮件、文件等工作，还能像朋友一样理解并与之交互。现实生活中，这样的个人助手也正在成为现实，如苹果的Siri、以及谷歌的Google Now，国内也有科大讯飞的灵犀、图灵的虫洞语音助手等，这些语音助手现在一般是存在于PC或手机之中，近年随着服务机器人的发展，它们开始有了新的载体。而机器人除了有语音功能外，还具备自主行动地能力。）

人工智能对社会的影响（主要是不好的影响）

1.思维方式与观念的变化

人工智能的发展会为人类带来很多便利，比如我们可以运用它做一些事。（事情举例）但是，人类会由于人工智能系统的不断完善而变得懒惰，失去对许多问题的思考与敏感度，变得过分的依赖智能机器，主动思维能力和计算能力也会明显下降 。如，（举例1）一旦专家系统的用户开始相信系统(智能机器)的判断和决定，那么他们就可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。（举例2）那些过分依赖计算器的学生，他们的主动思维能力和计算能力也会明显下降。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。

2.社会结构变化

人工智能和智能机器能够代替人类从事各种劳动，但是另一方面发展又会引起新的社会问题。比如社会结构的变化。\"人-机器\"的社会结构，终将为\"人-智能机器-机器\"的社会结构所取代。智能机器人就是智能机器之一。现在和将来的很多本来是由人承担的工作将由机器人来担任，因此，人们将不得不学会与有智能的机器相处，并适应这种变化了的社会结构。

3.心理上的威胁

随着人工智能的继续发展，像大白这样的高科技机器人，它和一般机器人不同的地方还在于它具备“共情”能力，可以感知并分析出主人的情绪起伏，除了身体上的疗愈，它与人类之间个性化的互动也是心灵治愈的灵药。但是它也使社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。当机器人具备了学习、认知能力甚至产生情感后，人类还能否对其进行控制，是大家较为关心的问题,当人工智能超过人的自然智能，有可能会使得人类变成智能系统的奴隶。

4.技术失控的危险

迅速发展的人工智能如果用于应用于普通生活中，它可以大大方便人们的生活，但是如果应用于战场，使用人工智能控制的致命性武器，其后果将十分严重，它可以提高杀人机器的效率，同时承担的责任更少，还可能还会出现其它的一些困扰。

5.引起的法律问题 人工智能的应用技术可以代替了人的一些体力劳动，也代替了人的某些脑力劳动，有时甚至行使着本应由人担任的职能（比如IBM沃森人工智能系统 。 像医生一样思考和交流 给出治疗方案

。它可以存储海量的信息，既有医学文献，也有不同患者的临床资料和病患医疗记录，并且具备认知、理解、推理和学习的能力，可以将这些信息全部“消化”、“吸收”，并且随着信息的更新实时升级，像一个真正的医生那样“思考”，对单个患者提出适合的治疗方案，也可以为临床医生的提问提供基于大量证据的答案，快速帮助医生做出最正确的决策，医生更多时间花在聆听患者意见和与患者进行互动上。“沃森”目前还没有进行真正意义上的商业化应用，但是已经在美国、加拿大的十几家医院落地进行内部测试。一些医疗应用也搭载了这一智能平台，面向恶性肿瘤、心理创伤等疾病领域的医患提供服务。）但是有些方面却容易引起法律问题。比如医疗诊断专家系统万一出现失误，导致医疗事故，怎么样来处理，开发专家系统者是否要负责任，使用专家系统者应负什么责任，等等。

明天可能实现的（可讲可不讲）：中国研究人员在致力做出更复杂的人工智能，检验方式颇具中国特色——高考。科大讯飞公司董事长刘庆峰透露，他们正在研发“类人答题机器人”，目标是在3到5年之内让机器参加高考能考上“一本”。高考涉及学科多，除了客观题外还有大量的主观题，如果真能达成这个目标，又是人工智能一个里程碑。去年年底在北京举行的世界机器人大会上，有机器人分别展示了踢足球、打乒乓等方面的运动能力。但是很明显，它们还无法与人类选手相提并论，很大程度上因为判断对手或队友的比赛意图是一大瓶颈。不过，在RoboCup等机器人足球赛中，机器人的水平也在不断提高，该赛事的目标是，让机器人足球队在2050年能击败人类世界冠军球队。 人工智能的马原思想

1.从意识的本质上看：

意识是物质世界长期发展的产物, 是人脑的机能

意识活动作为人脑的特有机能，而人脑又是高度组织起来的中枢神经系统，其上千亿个神经元之间存在着网络化、层次化的相互连接，是目前已知的宇宙中最复杂、最协调自组织系统。而人工智能则是依靠机械、电子元件和线路组成的机械物理装臵，用软件等方法模拟人的思维活动，是一个无意识的、机械的、物理的运动过程。

2．从意识作用看：

意识活动具有目的性和计划性

人的意识具有自我选择的自由意志，行动目的明确，理解任务的意义、性质和后果。人的思维包括形象思维、直觉或灵感思维、逻辑思维等基本形式，具有目的性、容错性、并行性、连续性、模糊性、辩证性和自觉性等特征。而人工智能的机器思维方式却是离散的、精确的、机械的和不自觉的。人工智能的机械性表现在实际问题描述符号化、求解问题方式程序化、解决问题过程自动化，因而不可能有人类那样的能动创造力、丰富想象力；最后，在认识与实践中的地位不同。从整体上和全过程看，人脑和电脑的关系永远是主体和客体、主动者和被动者的关系，电脑必须接受人的指令才能工作，否则它只是一堆死物。是人首先把智慧赋予电脑，电脑又使人更富有智慧。

3．从人的社会性看：

人的本质属性在于它的社会性

人的意识蕴含着全部思想发展的历史一逻辑的结果。人脑不仅经历了漫长的物理化学进化，还经历了几百万年的社会进化，因而它同时受制于自然规律和社会规律。而人工智能是技术进化和机器进化的结果，其本质属性是自然性，机器在执行指令时并不探求任务本身的社会意义，也不会考虑社会责任和社会后果。智能机器的运行只遵守自然界的规律。 （结束语）

所以，由此我们可以的出以下结论，人工智能诞生的初衷是作为人类工具的延长，其作用和发展从其诞生的那一天就已经确定，人工智能只能作为人类智能的附庸和补充，而不可能对人类智能构成挑战，更不可能取代人类智能。当然随着人类对人脑的功能会不断地进一步认识，人工智能也会不断的近似于人类智能。但即使人工智能再不断的进化和发展，计算机与社会性的人的大脑仍是无法比拟的，计算机仅是人脑的延伸而已，高度智能化的计算机再怎么发展也只是人类的工具，人工智能作为人类智能主体客体化的产物，其作用和功能仍将受到人类智能的制约与支配。这是我们组得出来的结论，并不代表所有人的观点。谢谢

推荐第7篇：人工智能

第一章绪论

1、智能是由知识与智力组成。知识是一切智能行为的基础，智力是获取知识并运用知识求解问题的能力。

Q;

2、把非Q并入到公式集F中，得到{F,非Q};

3、把{F,非Q}化为子句集S；

4、应用归结原理对S中的子句进行归结，并把每次归结得到的归结式都并入S中。如此反复进行，若出现空子句，则终止归结，此时就证明了Q为真。

为推理机提供求解问题所需的知识。知识库管理系统负责对知识库中的知识进行组织、检索、维护等。推理机是专家系统的“思维”机构，是构成专家系统的核心部分。任务是模拟领域专家的思维过程，并执行对问题的求解。

2、智能的特征:具有感知能力;记忆与思维能力;具有学

习能力与自适应能力;具有行为能力。

3、人工智能：用人工的方法在智能计算机上实现的智能，

它是人类智能在计算机上实现的模拟。 第五章不确定与非单调推理

1、不确定推理：就是从不确定性的初始证据出发，通过

运用不确定的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。

数据库用于存放用户提供的初始事实、问题描述以及系统运行过程中得到的工作存储器。数据库管理系统是用来对数据库进行管理。解释机构能够对自己的行为作出解

释，能跟踪并记录推理过程。

4、人工智能的三个阶段：孕育、形成、发展。

5、人工智能的最终目标是构建智能计算机。近期目标

是在现有的电子数字计算机上实现人类智能的部分模拟，构造分别用于不同目的的智能系统。

2、不确定推理除了必须解决推力方向、推理方法、控制策略等基本问题外，一般还需要解决不确定性的表示与

量度、不确定性匹配算法及阈值的选择、组合证据不确定的算法、不确定性的传递算法、结论不确定性的合成等重

5、知识获取需要做的工作：抽取知识、知识的转换、知识的输入、知识的检测。为何是“瓶颈”问题：由于

目前获取知识的手段还没有完全实现自动化，许多工作还要用手工方法完成。

6、人工智能的基本内容：机器感知、机器思维、机器

学习、机器行为、智能系统及智能计算机的构造技术。

6、知识的组织：当把获取的知识送入数据库时，立即面

临的问题就行如何物理的安排这些知识，并建立起逻辑上的联系，称这一工作为知识的组织。遵守的原则：选用的组织方式应使知识具有相对独立性、便于对知识的搜索、便于对知识进行维护及管理、便于内存与外存的交换、便于在知识库中同时存储有多种模式表示的知识、尽量节省存储空间。

7、人工智能的研究途径：以符号处理为核心的方法、

以网络连接为主的连接机制方法、系统集成。 要问题。

3、不确定处理方法主要是沿着两条路线发展的：一条

是在推理一级扩展确定性推理，成为模型算法；另一条是在控制策略一级处理不确定性，成为控制方法。模型方法

8、人工智能的研究领域：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、智能决策支持系统、人工神经网络等。

分为数值方法和非数值方法。数值方法包括概率方法、

主观Bayes方法、可信度方法、证据理论、模糊推理等；

9、人工智能的三个学派：符号、连接、行为主义。

非数值方法有发生率计算等。

7、知识的管理内容：知识库的重组、记录系统的运行

实例、记录系统的运行史、记录知识库的发展史、知识库的安全保护与保密。

第三章知识与知识表示

1、知识：把有关的信息关联在一起的所形成的信息结构。第六章搜索策略

2、知识的特性：相对正确性、不确定性、可表示性与可

利用性。

3、知识表示方法有符号表示法和连接机制表示法。

主要有：一阶谓词逻辑、产生式、框架、语义网络、脚本、

过程、Petri网、面向对象表示法。

4、知识表示就是知识的符号化过程，把知识用计算机可

接受的符号并以某种结构形式表示出来。

5、选择知识表示方法时应考虑的问题：充分表示领域

知识，有利于对知识的利用，便于对知识的组织、维护与管理，便于理解和实现。

6、一阶谓词逻辑表示法适合于表示事物的状态、属性、

概念等事实性的知识，也可以用来表示事物间确定的因果关系。优点：自燃性、精确性、严密性、容易实现。局限：不能表示不确定的知识、组合爆炸、效率低。

7、产生式系统：把一组产生式放在一起，让他们互相配

合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解决，这样的系统即是产生式系统。有规则库、综合数据库、控制系统组成。求解问题的一般步骤：

1、初始化综合数据库，把问题

的初始已知事实送入综合数据库。

2、若规则库中存在尚未使用过的规则，而且它的前提可与综合数据库中的已知事实匹配。则转第3步；若不存在这样的事实转第5步。

3、执行当前选中的规则，并对该规则做上标记，把该规则执行后得到的结论送入综合数据库中。如果该规则的结论部分指出的是某些操作，则执行这些操作。

4、检查综合数据库中是否已包含问题的解，若已包含，则终止问题的求解过程；否则转第2步。

5、要求用户提这一步的关于问题的已知事实；若能提供，则转第2步；否则终止问题的求解过程。

6、若规则库中不再有未使用过的规则，则终止问题的求解过程。特点：自然性、模块性、有效性、清晰性。缺点：效率不高、不能表达具有结构性的知识。

8、框架表示法：框架系统中问题的求解主要是通过匹

配与填槽实现的。当要求解某个问题时，首先把这个问题用一个框架表示出来，然后通过与知识库中的已有的框架进行匹配，找出一个或几个可匹配的预选框架作为初步假设，并在此初步假设的引导下收集进一步的信息，最后用某种评价方法对预选框架进行评价，以便决定是否接受它。特点：结构性、继承性、自然性。不足：不善于表达过程性的知识。

9、语义网络系统问题的求解一般是通过匹配实现的，

主要过程：

1、根据待求解问题的要求构造一个网络片段，其中有些节电或弧的标识是空的，反应待求解的问题。

2、依次网络片段到知识库中去寻找可匹配的网络，以找出所需要的信息。当然，这种匹配一般不是完全的，具有不确定性，因此需要解决不确定性匹配的问题。

3、当问题的语义网络片段与知识库中的某语义网络片段匹配时，则与询问处匹配的事实就是问题的解。优点：结构性、联想性、自然性。缺点：非严格性、处理上的复杂性。

第四章经典逻辑推理

1、推理就是按照某种策略由已知判断推出另一种判断的思维过程。包括两种判断：已知的判断和由已知判断推

出的新判断。

2、推理的控制策略：推力方向、搜索策略、冲突消解

策略、求解策略、限制策略。

3、正向推理描述算法：

1、将用户提供给的已知事实送

入数据库DB。

2、检查数据库中是否已经包含问题的解，若有，则求解结束，并成功推出；否则执行下一步。

3、根据数据库中的已知事实，扫描知识库KB，检查KB中是否有可适用的知识，若有转4，否则转6。

4、把KB中的所有可适用的知识集KS。

5、若KS不空，则按某种冲突消解策略从中选出一条知识进行推理并将推出的新事实加入DB，然后转2；若KS为空转6。

6、询问用户是否可进一步补充新的事实，若可补充，则将补充的新事实加入DB中，然后转3,否则表示求不出解，失败推出。

4、逆向推理描述算法：

1、提出要求证的目标（假设）；

2、检查该目标是否已在数据库中，若在，则该目标成立，成功的推出推理或者对下一个假设目标进行论证；否则，转下一步；

3、判断该目标是否是证据，即它是否为应由用户证实的原始事实，若是，则询问用户；否则转下一步；

4、在知识库中找出所有能导出该目标的知识，形成适用知识集KS，然后转下一步；

5、从KS中选出一条知识，并将该知识的运用条件作为新的假设目标，然后转2。

5、用归结反演证明Q为真步骤：

1、否定Q，得到非

1、搜索分为盲目搜索和启发式搜索。盲目搜索是按预定

的控制策略进行搜索，在搜索过程中获得的中间信息不用来改进控制策略。启发式搜索是在搜索中加入了与问题有关的启发性信息，用以指导搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。

2、状态空间表示法使用“状态”和“算符”来表示问

题的一种方法。状态描述问题求解过程中不同时刻的状况。算符表示对状态的操作。

3、OPEN表用于存放刚生成的节点；CLOSED表用于存放

将要扩展或者已经扩展的节点。

4、广度优先搜索过程：

1、把初始节点S0放入OPEN

表。

2、如果OPEN表为空，则问题无解，退出。

3、把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。

4、考察节点n是否为目标节点。若是，则求得了问题的解，退出。

5、若节点n不可扩展，则转第2步。

6、扩展节点n，将其子节点放入OPEN表的尾部，并为每一个子节点都配置指向父节点的指针，然后转第2步。

5、深度优先搜索过程：与上一搜索的不同点就是要把

节点n的子节点放入到OPEN表的首部。

6、有界深度优先搜索过程：

1、把初始节点S0放入OPEN

表，置So的深度d（S0）=0。

2、如果OPEN表为空，则问题无解，退出。

3、把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。

4、考察节点n是否为目标节点。若是，则求得了问题的解，退出。

5、如果节点n的深度d（节点n）=dm，则转第2步。

6、若节点n不可扩展，则转第2步。

7、扩展节点n，将其子节点放入OPEN表的首部，并为其配置指向父节点的指针，然后转第2步。

7、与或树的广度优先搜索：

1、把初始节点S0放入OPEN

表。

2、把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。

3、如果节点n可扩展，则做下列工作。①扩展节点n，将其子节点放入OPEN表的尾部，并为每个子节点配置指向父节点的指针，以备标示过程使用。②考察这些子节点中有否终止节点。若有，则标示这些终止节点为可解节点，并应用可解标示过程对其父节点、祖父节点等先辈节点中的可解节点进行标示。如果初始节点S0也被标示为可解节点，就得到了解树，搜索成功，推出搜索过程；如果不能确定S0为可解节点，则从OPEN表中删去具有可解先辈的节点。③转第2步。

4、如果节点n不可扩展，则做下列工作：①标示节点n为不可解节点。②应用不可解标示过程对节点n的先辈节点中不可解的节点进行标示。如果初始节点S0也被标示为不可解节点，则搜索失败，表明原始问题无解，推出搜索过程；如果不能确定S0为不可解节点，则从OPEN表中删去具有不可解先辈的节点。③转第2步。

8、α-β剪枝技术：是博弈树搜索中一种提高搜索效率

的方法。通过边生成边计算，从而剪去某些分枝的技术成为α-β剪枝技术。一般规律：

1、任何或节点x的α值如果不能降低其父节点的β值，则对节点x以下的分枝可停止搜索，并使x的倒推值为α 。这种剪枝技术成为β 剪枝。

2、任何与节点x的β值如果不能升高其父节点的α值，则对节点x以下的分枝可停止搜索，并使x的倒推值为β。这种剪枝技术成为α 剪枝。

第七章专家系统

1、专家系统：就是一种在相关领域中具有专家水平解题

能力的智能程序系统，它能运用领域专家多年积累的经验与专门的知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。

2、专家系统的特征：

1、具有专家水平的专门知识，

2、

能进行有效的推理，

3、具有获取知识的能力。

4、具有灵活性。

5、具有透明性。

6、具有交互性。

7、具有实用性。

8、具有一定的复杂性及难度。

3、专家系统的分类：按特性和处理问题分有解释型、

诊断型、预测型、设计型、规划型、控制型、监测型维修型、教育型、调试型。按体系结构分类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。

4、专家系统的一般结构：人机接口、知识获取机构、

知识库及其管理系统、数据库及其管理系统、推理机、解释机构。人机接口是专家系统与领域专家或知识工程师及一般用户间的界面，用于完成输入输出工作。知识获取

机构是把知识输入到知识库中，并负责维持知识的一致性

及完整性，建立起性能良好的知识库。知识库用于存储领

域内的原理性知识、专家的经验性知识以及有关的事实。

8、专家系统的建造原则：恰当地划定求解问题的领域、

获取完备的知识、知识库与推理机分离、选择设计合适的知识表示模式、推理应能模拟领域专家求解问题的思维过程、建立友好的交互环境、渐增式的开发策略。

第八章机器学习

1、机器学习：就是计算机能模拟人的学习行为，自动地

通过学习获取知识和技能，不断改善性能、实现自我完善。

2、学习系统：能够在一定程度上实现机器学习的系统。应具有的条件和能力：具有适当的学习环境、具有一定

的学习能力、能应用学到的知识求解问题、能提高系统的性能。结构：环境、学习、知识库、执行与评价。

第九章模式识别

1、模式：对某些事物定量或结构的描述。

2、模式识别：研究一种自动技术，计算机通过运用这种

技术就可以自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。一般过程：模式信息采集、预处理、特征或基元抽取、模式分类。分类：统计模式识别、结构模式识别、仿生模式识别。

推荐第8篇：人工智能

人工智能

课程设计中期报告

题目：一字棋游戏 班级：计算机技术 2014级 成员：樊祥锰（2014704101）

段绍鹏（2014704100） 范程斌（2014704102）

指导老师：张 云

目录

第一章 项目建议书

1.1 立项目的 1.2 立项动机 1.3 项目实现方案 1.4 项目测试及验证方案 1.5 项目安排 1.6 参考文献

第二章 前期工作总结

第一章 项目建议书

1.1立项目的

学习和了解人工智能知识，并对极大极小搜索与α-β剪枝算法的学习和分析。把所学算法应用于一字棋游戏的设计中，让机器附有人的思路，实现人与机器的对决。

1.2立项动机

1.学习和了解人工智能。2.学习极大极小搜索分析法。

3.学习α-β剪枝算法并在项目中对它进行实现。4.用人工智能算法解决现实问题。

1.3项目实现方案

一字棋项目实现完全按照软件开发的一般步骤，并对它现实的需求分析进行了客观的设计，对一字棋游戏规则进行具体的描述。在代码设计阶段，又对输赢判断算法进行了设计与分析，本项目是基于windows平台，开发软件采用VC++ 6.0 ，采用MFC可视化界面，运用α-β剪枝算法实现机器的智能化对决。

1.4项目测试及验证方案

采用软件工程测试方法，对关键函数代码的测试与调试，对测试用例进行极端设置，观察估值函数是否符合自己设计的要求。运行项目并截图观察结果。

1.5项目安排 （1）时间进度：

第一周：小组成员收集资料，对人工智能知识的学习。

第二周：对极大极小搜索分析法、α-β剪枝算法的学习与研究。 第三周：学习C++编程知识、软件工程知识。

第四周：学习软件开发过程，并对一字棋项目进行需求分析与设计，画出流程图。

第五周：对一字棋界面的设计，并编写代码。 第六周：对人工智能算法的设计并编写代码。 第七周：对算法的设计并进行项目的测试。 第八周：写设计报告。 （2）分工安排

1.由段绍鹏、樊祥锰进行需求分析。2.大家合作对一字棋AI问题进行分析。 3.由段绍鹏、范程斌进行代码编写。

4.由樊祥锰、范程斌进行软件测试及问题修改。5.由范程斌进行撰写报告。

1.6参考文献

1、蔡自兴、徐光佑。人工智能及其应用。清华大学出版社，1997

2、蔡瑞英、李长河。人工智能。武汉理工大学出版社，2003

第二章 前期工作总结

在任务的初期，我们选定好人工智能的一种可行算法，然后确定好小组分工，每个人负责各自的任务，负责收集和学习人工智能相关的书籍和C++编程方面的知识。对于传统的一字棋游戏，主要采用的算法有：估值函数、搜索算法和胜负判断等。由于极大极小分析算法，每走一步棋都要调用估值函数，要遍历整个棋盘。所以自身有它的不足，这样会增加系统开销和时间开销，所以本项目在极大极小算法的基础上与α-β剪枝算法相结合，减少了博弈树结点的搜索范围。在前期工作中，主要学习了极大极小分析算法和α-β剪枝算法，了解算法的思想和设计思路，并学习了可视化的MFC编程知识，对按钮、编辑框等控件进行了学习。在第四周，主要对一字棋游戏进行了需求分析与设计，在需求分析阶段，主要是根据传统一字棋游戏的不足，提出α-β剪枝搜索算法，并介绍我们的基本思路和对算法技术原理的分析，画出算法的流程图和整个系统的实现功能图。在主界面设计阶段，当时考虑的不是很全面，只是简单的添加了基本的功能，先实现整个框架结构的生成，但是在棋盘设计阶段遇到了很多问题，一是控件响应问题，鼠标可响应的界面范围。二是环境设备的编程问题，后来经过MFC书籍的学习，解决了问题。三是棋盘大小问题，考虑到博弈树的异常庞大，选择设计3*3 的棋盘，并分析设计了数组存放8种胜算的布局。在算法代码的编辑阶段，也出现过编译不通过的问题，主要是指针的使用问题，少写头文件问题，控制结构问题等，但是通过大家的努力和收集资料，最终还是调试好了。

推荐第9篇：人工智能

淮 阴 工 学 院

公选课论文

作

者: 李燕 学 号： 1091604210 学

院: 生命科学与化学工程学院

专

业: 制药工程1092 题

目:

浅淡现代仿真技术及应用

人工智能及其发展应用

摘 要：人工智能是人类进入信息产业革命时代，达到认识和改造客观世界能力的高峰。文章从理论的角度介绍了人工智能的概念和发展沿革，并对现阶段人工智能研究领域的主要研究方向进行了介绍，最后分析了研究所取得的主要成果。

关键词：人工智能；专家系统；神经网络；模式识别

Application and Development of the Artifi cial Intelligence Abstract: After the human\'s enter the era of Information Industry revolution, the artifi cial intelligence reaches the peak of humans understanding and transforming the objective world.This paper introduces the concept and development of the artifi cial intelligence based on the theory, and introduces the major research directions of the artifi cial intelligence at the present stage,and analyses the main research fi ndings at the end.Key words: artifi cial intelligence; expert system; neural networks; pattern recognition 人工智能作为研究机器智能和智能机器的一门综合性高技术学科，产生于20 世纪50 年代，它是一门涉及心理学、认知科学、思维科学、信息科学、系统科学和生物科学等多学科的综合型技术学科，目前已在知识处理、模式识别、自然语言处理、博弈、自动定理证明、自动程序设计、专家系统、知识库、智能机器人等多个领域取得举世瞩目的成果，并形成了多元化的发展方向。 1 人工智能概述

人工智能（Artificial Intelligence，简称AI），作为计算机学科的一个重要分支，是由McCarthy 于1956 年在Dartmouth 学会上

正式提出，在当前被人们称为世界三大尖端技术之一。美国斯坦福大学著名的人工智能研究中心尼尔逊（Nilson）教授这样定义人工智能:“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的学科”，另一名著名的美国大学MIT的Winston 教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作”。除此之外，还有很多关于人工智能的定义，至今尚未统一，但这些说法均反映了人工智能学科的基本思想和基本内容，由此可以将人工智能概括为研究人类智能活动的规律，构造具有一定智能行为的人工系统。

2 人工智能的发展

20 世纪50 年代到60 年代初是人工智能发展的初级阶段。这一时期的研究主要集中在采用启发式思维和运用领域知识，编写了包括能够和证明平面几何定理和与国际象棋大师下棋的计算机程序。开创了具有真正意义的人工智能研究是1956年McCarthy决定把Dartmouth会议用人工智能来命名。在图灵（AlanTuring）所著的《计算机器与智能》中，讨论了人类智能机械化的可能性并提出了图灵机的理论模型，为现代计算机的出现奠定了理论基础；与此同时，该文中还提出了著名的图灵准则，现已成为人工智能研究领域中最重要的智能机标准。同一时期，Warren MeCulloeli 和Walter Pitts 发表了《神经活动内在概念的逻辑演算》，该文证明了一定类型的、可严格定义的神经网络，原则上是能够计算一定类型的逻辑函数的，开创了当前人工智能研究的两大类别：符号论和联结论。自1963 年后，人们开始尝试使用自然语言通讯，这标志着人工智能的又一次飞跃，如何让计算机理解自然语言、自动回答问题、分析图像或图形等便成为AI 研究所追求的重要目标，由此AI 的研究进入了第二阶段。70 年代，在对人类专家的科学推理进行了大量探索后，一批具有专家水平的程序系统相继问世。知识专家系统在全世界得到了迅速发展，它的应用范围延伸到了人类各个领域，并产生了巨大的经济效益。80 年代，AI 进入以知识为中心的发展的阶段，越来越多的人认识到知识在模拟智能中的重要性，围绕知识表示、推理、机器学习，以及结合问题领域知识的新认知模拟进行了更加深入的探索。

目前，人工智能技术正在向大型分布式人工智能及多专家协同系统、并行推理、多种专家系统开发工具，以及大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。

3.人工智能的实际应用

3.1 机器人在教育界的应用 3.1.1 模拟教学

根据教材的安排，对某些需要解释的现象进行机器人模拟演示，让学生认真观察，从中发现一定的规律，使学生加深对规律性的认识和理解。如数学教学中的抛物线轨迹演示，物理教学中的阿基米德定理演示等，都能够利用直观的演示，揭示其中的规律，使学生加深对相关知识的理解。 3.1.2 人机交互的辅导方式

利用机器人辅导学生学习，可以通过人机交互，为学生提供量身定制的辅导模式，使学生的个性得到充分发展。采用微型机器人与学生的交互辅导，可利用微型机器人其体积小、重量轻，便于携带等优点，随时随地进行学习，随时为学生解决问题，提供学习指导。利用家庭机器人与学生的交互辅导，承担家庭教师的职责，有利于学生问题的适时解决，也有利于学生的学习得到及时的巩固。通过软件机器人与学生的交互辅导，可以对学生的学习情况进行分析，为学生制定专门的指导计划，提高学生的学习质量。 3.1.3 仿真训练

在教学中，教师可以利用机器人，将相关内容通过机器人的演示展现给学生，减轻教师的负担，并能够通过规则的动作，使教学更为规范。例如，用机器人示范体育高难动作，可以将动作分解、定格、重复播放等，从多方位展示动作，使学生能够充分掌握动作的规范，比教师的示范更为科学，也更为有效。 3.1.4 机器人远程教育

通过机器人，可以通过对学生的特征数据分析，建立学生模型库，根据学生的个性，同时对多名远程教育的学生实施个性化教学和辅导，提高远程教育的效率，实现远程教育的智能化。 3.1.5 激发学生的学习兴趣

机器人为学生创设富有情趣的教学环境，根据教学任务，采用与学习相关的游戏，调动学生的学习积极性，使学生在尽可能短时间内，掌握需要了解的知识点，提高学习效率。 3.2 数据挖掘技术的实际应用

数据挖掘技术的应用领域较为广泛，在商业领域、金融业、工业生产、网络应用等其它方面都被很好的使用，使人工智能得到逐步的发展壮大。

3.3 人工智能在检测系统的应用

人工智能在检测领域的应用非常广泛，如流水线的监控、智能故障诊断、专家技术系统等，现对网络入侵的智能检测系统加以简要说明。

3.3.1 网络入侵专家检测系统

该系统的智能化程度高，用户不用干预专家系统的推理。然而，其系统信息是建立在专家知识的基础上，必然受专家认知网络攻击模式的限制。该系统的构建基于以下几点：首先，采用安全入侵规则的描述方式，如判断树描述、图形描述等。其次，通过合理推理，参照专家库的规则，判断网络安全状况，检测是否有入侵行为发生。最后，更新专家库，调整专家规则，结合神经网络技术，利用神经网络技术的敏感性与快速反应能力，不断增强系统的自适应功能，提高系统检测能力。

3.3.2 入侵统计智能检测系统

该系统主要对异常的安全问题进行检测。它通过建立正常行为模型，对照进行网络入侵检测，检测出正常行为有较大偏离，则视为异常。首先，确立门限值，统计某一事件在特定时间出现的频率，检测是否超出门限值，判断系统是否异常。其次，设定事件度量均值、度量标准偏差的置信区间，统计系统的两个参数值，判断系统是否偏离区间，检测系统异常与否。最后，根据事件的矩阵数据，对事件转移的概率进行统计分析，结果小则预示存在异常。

4 结束语

人工智能的诞生与发展是20 世纪最伟大的科学成就之一，也是新世纪引领未来发展的主导学科之一。人工智能相关领域的研究成果已被广泛地应用于国民生活、工业生产、国防建设等各个领域。在信息网络和知识经济时代，人工智能技术正受到越来越广泛的重视，必将为推动科技进步和产业的发展发挥更大的作用。

参考文献：

[1] 贾同兴.人工智能与情报检索[M] .北京：北京图书馆出版社，1997.15-103.[2] 胡勤.人工智能概述[J] .电脑知识与技术，2010，（13）：3507-3509.[3] 许万增，王行刚等.人工智能对人类社会的影响[M] .北京：科学出版社，1996 ：21-73.[4] 朱福喜，汤怡群等.人工智能原理[M] .武昌：武汉大学出版社，2002.87-91.[5] 邢传鼎，杨家明等.人工智能原理及应用[M] .上海：东华大学出版社，2005.65-72.[6] 张妮等.人工智能技术发展及应用研究综述[J] .煤矿机械，2009,（02）：4-7.[7] 亓慧.议当代人工智能的应用领域和发展状况[J] .福建电脑，2008,（05）：33.[8] 蔡自兴，徐光.人工智能及其应用[M] .北京：清华大学出版社，2003.51-93.[9] 王鸿斌，张立毅等.人工神经网络理论及其应用[J] .山西电子技术，

推荐第10篇：人工智能

1、智能是什么？

形成和掌握含义的能力；全面考虑问题的能力和思维的效率；先天的、综合的和认识的能力；善于判断、理解和推理，运用知识解决问题；适当地行动、理智地思考、有效地适应环境的总体能力；人工智能的本质：试图使计算机具有人类在处理问题时需要的智能。

2、人工智能定义

定义1人工智能(智能机器)：能够在各类环境中自主地或交互地执行各种拟人任务的机器。

定义2人工智能(学科)：人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。

定义3人工智能(能力)：人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为。

定义4人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试。 定义5人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。 人工智能定义（理性思维）

定义6人工智能是用计算模型研究智力行为。

定义7人工智能是研究那些使理解、推理和行为成为可能的计算。

定义8人工智能是一种能够执行需要人的智能的创造性机器的技术。

定义9人工智能研究如何使计算机做事让人过得更好。

人工智能定义（理性行为）

定义10人工智能是一门通过计算过程力图理解和模仿智能行为的学科。

定义11 人工智能是计算机科学中与智能行为的自动化有关的一个分支。

3、人工智能的三大学派及其认知观：

（1）符号主义：又称为逻辑主义或计算机学派，其原理主要为物理符号系统假设和有限合理性原理。 （2）连接主义：又称为仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。 （3）行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作型控制系统。认为人工智能起源于控制论。控制论研究动物和机器内部的控制与通信的一般规律,着重于研究过程中的数学关系。

4、人工智能的研究目标

近期目标：制造智能计算机代替人类的部分智力劳动

远期目标：揭示人类智能的根本机理，用智能机器仿真和拓展人类智能

5、人类智能与人工智能的关系：人类智能主要表现在人类认知活动中，认知活动可分为三个层次

最高层思维策略；中间层初级信息处理；最低层生理过程

6、人类的认知行为具有不同的层次

认知生理学：研究认知行为的生理过程，主要研究人的神经系统的活动，是认知科学研究的底层。

认知心理学：研究认知行为的心理活动，主要研究人的思维策略，是认知科学研究的顶层。

认知信息学：研究人的认知行为在人体内的初级信息处理，主要研究人的认知行为如何通过初级信息自然处理，由生理活动变为心理活动及其逆过程，即由心理活动变为生理行为。这是认知活动的中间层，承上启下。

7、符号处理系统的六种基本功能

信息处理系统又叫符号操作系统或物理符号系统。所谓符号就是模式。

一个完善的符号系统应具有下列6种基本功能：

(1)输入符号；(2)输出符号;(3)存储符号;(4)复制符号;(5)建立符号结构：通过找出各符号间的关系，在符号系统中形成符号结构；(6)条件性迁移:根据已有符号，继续完成活动过程。

8、图灵测试：机器具有智能的实验

实验有测试者A，被测试人B，被测试机器C组成；测试者A与被测试人B和被测试机器C不可见，测试者A与B或C使用计算机相连；测试者A向被测试B和被测试C提出相同的智能性问题，但不能询问物理特征，B和C在回答问题时，应尽量让A相信自己是人,A区分机器和人。

实验结果表明，通过变换A和B，A区分出人和机器的概率小于50%，认为该机器具有了智能

9、模式识别：人工智能所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，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。

模式识别采用方法：统计模式；句法模式；神经网络；模板匹配

10、人工智能的主要研究范围和应用领域： (1)专家系统(2)计算智能(3)机器学习(4)自然语言处理(5)模式识别(6)分布式人工智能(7)数据挖掘(8)机器视觉(9)机器人学(10)智能检索(11)智能控制(12)智能调度与指挥(13)

人工生命(14)人工神经网络(15)问题解决 (16)机器证明

11、请把“房间”用框架表示出来 例4.5 下面是关于房间的框架: 框架名: 墙数x1:缺省:x1=4条件:x1>0 窗数x2:缺省:x2=2条件:x2≥0 门数x3:缺省:x3=1条件:x3>0

前墙: 后墙: 左墙: 右墙: 天花板: 地板: 门: 窗:

条件:w1+w2+w3+w4=x2 d1+d2+d3+d4=x3

类型:(，，，，，，…)

12、语义网络的概念：语义网络是由节点和边组成的一种有向图。其中节点表示事物、对象、概念、行为、性质、状态等；有向边表示节点之间的某种联系或关系。

13、语义网络分为七种类型：

(1)命题语义网（包括分块联想网络）；(2)数据语义网：以数据为中心的语义网络；(3)语言语义网：用于自然语言的分析和理解；(4)结构语义网：描述客观事物的结构，常见于模式识别和机器学习等领域；(5)分类语义网：描述抽象概念及其层次；(6)推理语义网：是一种命题网，但它已在某种程度上规范化，更适于推理；(7)框架语义网：与框架相结合的语义网。

14、语义网的表达能力 （1）实例关系：实例关系表示类与其实例（个体）之间的关系。这是最常见的一种语义关系。例如，“小华是一个大学生”。其中，关系“是一个”一般标识为“is-a”，或ISA。 （2）分类关系：分类关系是指事物间的类属关系。鸟是鸵鸟的上层概念节点，其属性是“有羽毛”、“会飞”，但鸵鸟的属性只是继承了“有羽毛”这一属性，而把鸟的“会飞”变异为“不会飞”。其中，关系“是一种”一般标识为“akindof”或AKO。

(3)组装关系：如果下层概念是上层概念的一个方面或者一部分，则称它们的关系是组装关系。其中，关系“一部分”一般标识为“apartof”。

(4)属性关系：属性关系表示对象的属性及其属性值。

(5)集合与成员关系：意思是“是……的成员”，它表示成员（或元素）与集合之间的关系。例如，“张三是计算机学会会员”。其中，关系“是成员”一般标识为“a-member-of”。 (6)逻辑关系：

(7)方位关系：在描述一个事物时，经常需要指出它发生的时间、位置，或者指出它的组成、形状等等，此时可用相应的方位关系语义网络表示。 (8)所属关系：所属关系表示“具有”的意思。例如“狗有尾巴”可表示为图5―10。

15、语义网络也能表示用谓词公式表示的形式语言语句。例如：

（1）x ((student(x)∧read(x，三国演义)) 即“某个学生读过《三国演义》”，其语义网络表示为图5―12。

16、语义网络的推断主要包括网络匹配、继承推理和网络演绎三个方面的问题

17、语义网络表示法的特点

结构性：语义网络表示法是一种结构化的知识表示方法，它将事物的属性及事物之间的各种语义关系表达出来。

自然性：语义网络实际上是一种带有标示的有向图，符合人们的思维习惯。

自索引性：语义网络表示方式明确，通过与某一节点连接的弧可以很容易地找出该节点有关的信息，不必查找整个知识库。

联想性：语义网络作为人类联想记忆模型提出来，着重强调事物之间的语义关系。 缺点

非严格性：以一个给定的语义网络的含义来于处理程序对其所进行的解释，通过语义网络所实现的推理不能确保其正确。 复杂性：语义网络表示知识的手段是可选的，这给知识表示带来了灵活性；但也带来了表示形式的不统一，增加了处理的复杂性。

18、面向对象技术中的核心概念: 对象和类。

19、基于知识的智能体的核心部件是知识库，当这些知识以逻辑形式表示并进行相应的推理时，就是逻辑智能体

采用命题和谓词演算进行推理的系统是一种典型的逻辑智能体

20、逻辑的分类

a:按照推理的逻辑基础

演绎推理：演绎推理是从全称判断推出特称判断或单称判断的过程，即从一般到个别的推理。演绎推理最常见的形式是三段论法。三段论由三个判断组成，其中两个判断是前提，分别称为大前提和小前提，另一个判断为结论。 例如：（1）大学生都要学习计算机。（2）小明是大学生。（3）小明要学习计算机。 b:按照推理的逻辑基础

归纳推理：归纳推理是从足够多的实例中归纳出一般性结论的推理过程，是一种从个别到一般的推理过程。常用的方法有枚举法和类比法。 枚举法

A1具有f；A2具有f；A3具有f；……；An具有f

A1,A2,A3…,An 都是A类中的事物，且都具有f特征

结论：A具有f特征 类比法

A具有特征a,b,c,d,e；B具有特征a,b,c,d, 结论：B具有特征e

在两个或两类事物的许多属性都相同的基础上，推出它们在其它属性也相同 c:按照推理的逻辑基础

默认推理：默认推理是在知识不完全的情况下假设某些条件已经具备所进行的推理。由于这类推理允许默认某些条件是成立的，这就避免了需要知道全部事实才能进行推理的要求，使得在知识不完全的情况下也能进行推理。在默认推理过程中，如果某一时刻发现原先的默认不正确，则要撤销所做的默认以及由此默认推出的所有结论。 d:按照所用知识的确定性：

确定性推理：如果在推理过程中所用的知识都是精确的，推理的结论或者为真，或者为假，就称为确定性推理。

不确定推理：在人类知识中，有相当一部分属于人的主观判断，是不精确的。由这些知识归纳出来的推理规则是不确定的。基于这种不确定性的推理规则进行推理，形成的结论也是不确定的，这种推理称为不确定推理。 e:按照推理过程的单调性

单调推理：在推理过程中随着推理的向前推进及新知识的加入，推出的结论呈单调增加的趋势，并且越来越接近最终目标。一个演绎推理的逻辑系统有一个无矛盾的公理系统，新加入的结论必须与公理系统兼容，因此新的结论与已有的知识不发生矛盾，结论是越来越多，所以演绎推理是单调推理。

非单调推理：在推理过程中随着推理的向前推进及新知识的加入，不仅没有加强已推理出的结论，反而要否定它，使得推理退回前面的某一步，重新开始。一般非单调推理是在知识不完全的情况下进行的，由于知识不完全，为使推理进行下去，就要先做某些假设，并在此假设下进行推理。当新知识的加入发现原先的假设不正确时，就要推翻该假设及其一切结论，应用新知识进行推理。由于情况不断变化，所以推理过程往往是非单调的。

f:按照推理中是否用到启发性知识

启发式推理： 在推理过程中，运用与问题有关的启发性知识，即解决问题的策略、技巧和经验，以加快推理过程，提高搜索效率。 非启发性推理：在推理过程中，不运用启发性知识，按照一般的控制逻辑进行推理。这种推理缺乏对求解问题的针对性，所以推理效率低，容易出现“组合爆炸”问题。

21、命题—能够判断真假的陈述句 判断陈述句的标准：（1）真值唯一；（2）Tor F；（3）可用二进制表示

22、合式公式：

单个常量或者变量的命题构成合式公式；联结词联结的合式公式的组合也是合式公式 合式公式的有限次组合称为命题公式

命题公式：有限次合式公式组合的形式化描述，以大写字母标识。

23、基本联结(连接)符号

～ 非，否定,﹁；∧ 与，合取，AND的首字;∨ 或，析取，or； 蕴含 ，式A：a  b表示，如果a为真，则b为真; ↔等价

24、联结符号的优先级 ～ ; ∧; ∨; →; ↔

25、将命题从语言表述转换为命题公式

1、3不是偶数

令：p表示“3是偶数”，~p

2、教室里有30名男生和10名女生 令：p表示“教室里有30名男生”，q表示“教室里有10名女生”，则p∧q

3、如果天下雨，出门带伞 令p表示“天下雨”，q表示“出门带伞”，则p→q

4、只要不下雨，我就骑自行车上班

令p表示“天下雨”，q表示“骑自行车上班”，则~p→q

5、只有不下雨，我才骑自行车上班

令p表示“天下雨”，q表示“骑自行车上班”，则q →~p

26、练习：扫雷游戏

设Xi,j表示方格[i,j]中有一个地雷。

写出方格[1,1]周围恰好有2颗地雷的命题公

式

28、等值逻辑运算

逻辑等值，等号连接的命题公式等价 交换率:A ∧ BB∧A；A∨BB∨A ； 结合率: (A ∧ B) ∧ CA ∧(B ∧ C) ；(A ∨B) ∨ CA ∨ (B ∨ C) ；

*分配率: A ∨ (B ∧ C) (A ∨ B) ∧(A ∨ C) ;A ∧(B ∨ C) (A∧B)∨(A∧ C) ； 双重否定律：~ ~ A A ；等幂率：A A ∧ A ； A A ∨A ； *摩根律：~ (A ∨B) ~A ∧ ~B； ~ (A ∧ B) ~A ∨ ~B；

吸收率:A ∨( A ∧ B ) A； A ∧ (A ∨B ) A ；同一率: A ∨0A; A ∧1A； 零率: A ∨11； A ∧00；排中律：A∨~ A 1；矛盾律：A ∧ ~ A 0 *蕴含等值式：A→B ~ A ∨ B ；*等价等值式：A↔B (A→B) ∧(B →A) ； 假言易位式：A → B ~ B → ~A；等价否定等值式：A ↔ B ~ A ↔~B；

归谬论：(A → B) ∧ (A → ~B) ~ A ；

29、任意命题公式都存在等值的析取范式和合取范式

30、合取范式与析取范式

简单析取式：有限个命题变元或其否定，析取联结符：p∨q；~p ∨q；p ；q

析取范式：有限个简单合取式，析取：p∨(p ∧ q) ∨(~p ∧ q)

简单合取式：有限个命题变元或其否定，合取：p∧ q;~p ∧ q;p;q 合取范式：有限个简单析取式，合取：p∧(p∨q) ∧(~p ∨q)

31、例计算(p ∧ (q →r) ) →s 的合取范式

(p ∧ (~q ∨r) ) →s ;蕴含等值式 ~(p ∧ (~q ∨r) ) ∨s ;蕴含等值式 ~p ∨~(~q ∨r)∨s ;摩根律 ~p ∨(~~q ∧ ~r) ∨s;摩根律 ~p ∨(q ∧ ~r) ∨s;双重否定律 ( ~p ∨s )∨(q ∧ ~r);交换律

(~p ∨s ∨ q )∧ (~p ∨s ∨ ~r) ;分配律

32、计算 ((p ∨q)→r) →p 的合取范式 (~(p ∨q)∨ r)→p ；蕴含等值式 ~(~(p ∨q) ∨ r) ∨ p;蕴含等值式 (~~ (p ∨q) ∧ ~r )∨ p ;摩根律 ((p ∨q) ∧ ~r )∨ p ; 双重否定律 (p ∨q∨ p) ∧ (~r ∨ p ); 分配律 (p ∨q) ∧ (~r ∨ p ); 等幂律

33、常用推理定律： 附加：A =>(A∨B) 简化：(A∧B) =>A

假言推理：((A → B) ∧ A) =>B 拒取式: ((A → B) ∧~ B) =>~ A 析取三段论：((A∨B)∧~A) =>B

假言三段论：((A → B)∧(B →C ) ) =>(A → C)

等价三段论：((AB)∧(BC ) ) =>(AC)

构造型二难：(A → B)∧(C →D )∧(A∨C)=>(B∨D)

34、如果今天下雨，则要带雨伞或雨衣。如果走路上班；则不带雨衣。今天下雨，走路上班，证明要带伞。

解： p: 今天下雨；q: 带雨伞；r : 带雨衣；s: 走路上班

前提： p→(q∨ r)； s →~ r； p； s求证： q

证明：

1、p→(q∨ r) ，p前提引入：

2、((p→(q∨ r) )∧p) =>q∨ r假言推理：

3、s →~ r，s前提引入：

4、((s →~ r)∧s) =>~r假言推理：

5、((q∨ r )∧~r ) =>q析取三段论：

35、例：证明 G是F的逻辑结论 F1：P→W F2：~W G：~P

分析：已知条件为： (P→W)(~W) 结论为：~P；则，逆否命题为：(P→W) ∧(~W)

36、例： p∧(p∨q) ∧(~p ∨q) 子句集为{p,p∨q, ~p ∨q}

38、例2：用命题逻辑归结原理证明：“人都是妈生的，张飞是人，所以张飞是妈生的” p :人都是妈生的 q :张飞是人 r :张飞是妈生的

(p∧q)→r ；p∧q∧~r

39、例：现在课堂上的所有学生都在上人工智能课 命题逻辑

s1 : 张三在上人工智能课 s2 : 李四在上人工智能课 s3 : 王五在上人工智能课… … …

40、命题是一个陈述句，它一般可分成主语和谓语两部分。有时还需要用到量词。 主语：指独立存在的客体，可以是具体事物或抽象概念，也称为个体

谓词：描述个体词性质或个体之间关系的词 个体域：表示个体变量的取值范围，常用D表示

常量：表示具体性质或关系的个体或者谓词 变量：表示抽象或泛指的个体或者谓词。 量词：表示数量的词。

任意量词∀：表示“任意”，“所有”，也称为全称量词

存在量词∃：表示“存在”

41、例：“关羽是人”，“张飞是人”

这是两个不同的命题，其主语（个体）不同 但是谓词是相同的，“是人”

把谓语部分抽出来，假设 Human(x)表示x是人

这两个命题都可以用这个谓词来描述Human(guanyu)；Human(zhangfei) 其中x属于个体变量，guanyu和zhangfei属于个体常量

42、例：

1、所有的人都是要死的

2、有的人能够活到100岁

P(x)表示x是要死的， Q(x)表示x活到100岁

个体域D为人类集合

个体域D为总个体域集合 引入特殊谓词R(x)表示x是人

43、例：我是计算机系的学生

1、确定并说明谓词：

方法一：Student(x,y) 表示X是Y系的学生

2、个体域：X：学生的集合，y：系的集合 Student(I,computer)

方法二：Computer(x) 表示X是计算机系的学生

Computer(I)

注意：必须对谓词进行说明 P(I,computer)

48、对于 ， x称为指导变量

A称为相应量词的辖域∃x(A(x)) x在辖域A中的出现称为约束出现

x以外的变量在辖域A中的出现称为自由出现∃x(A(x,y))

49、例：人都是妈生的，张飞是人，张飞是妈生的 定义谓词：

Mum(x)表示x是妈生的 Human(x)表示x是人

前提： x(Human(x)→Mum(x)), Human(ZF)

结论： Mum(ZF) 写出否命题：

50、人工智能本质：试图使计算机具有人类在处理问题时需要的智能。

51、人工智能的发展简史：

第一阶段：1921 通用计算机系统组成输入设备，存储器，运算器，控制器和输出设备 ；1937 图灵计算机模型 ；1946 研制出第一台计算机ENIAC ；1956 提出人工智能术语人类历史上第一次人工智能研讨会在美国的达特茅斯大学举行，标志着人工智能学科的诞生。第二阶段：1956逻辑理论机该系统是第一个处理符号的计算机程序，是机器证明数学定理的最早尝试，该系统是第一个实用的人工智能程序，象征着人工智能研究的真正开端；1960通用问题求 解程序系统解决不定积分，三角函数等不同问题。从此，自动定理证明成为人工智能研究的基本课题之一 。 第三阶段：1965 第一个专家系统DENRAL该系统有非常丰富的高质量化学知识，它解决问题的能力达到同专业化学家水平，该系统的问世，标志着人工智能开始向实用化阶段迈进，同时也标志着专家系统的正式诞生；1972开始研制医疗MYCIN系统；20世纪60 年代自动定理证明王浩，鲁滨逊，吴文俊，曾宪昌等人第四阶段：20世纪80年代研制5代计算机，即知识信息处理计算机系统；1987神经网络国际会议，神经网络学科诞生，随后迅速发展起来。第五阶段：单个智能主体 à 分布式人工智能多Agent系统，人工思维模型，知识系统，遗传与进化计算，人工智能应用近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。同时，不同人工智能学派间的争论也非常热烈。这些都推动人工智能研究的进一步发展。

52、人工智能的理论基础:知识表示、知识的内涵、谓词表示、产生式、语义网络、框架等表示法；逻辑推理方法、命题逻辑、谓词逻辑、置换与合

一、机器证明方法；搜索技术、状态空间法、盲目搜索与启发式搜索。

第11篇：人工智能

人工智能

在影片的描述中，未来世界由于环境问题导致人类大量使用机器人，从而避免粮食和资源的消耗。人们制造了各式各样的机器人来满足人类的各种需求，甚至机器人情人也应运而生。新泽西的拟真电子公司并不满足于已经研发出的拟真机器人，研发出了会爱的机器人——机器人小孩戴维。影片围绕戴维和他的家庭由此产生了一系列情感、道德和伦理思考。 亨利的孩子马丁患病成了植物人。亨利将机器人小孩戴维送给妻子梦妮卡，希望妻子能够走出伤痛。梦妮卡开始时无法接受戴维，在发觉戴维其实和人类小孩几乎没有什么区别以及戴维对她的依赖后，也渐渐地释放出自己的母爱。好景不长，梦妮卡的孩子马丁竟然奇迹般的战胜了病魔，最终康复了。苏醒后的马丁发现自己不再是母亲梦妮卡对马丁的母爱后，开始对戴维使用了一些小孩子的伎俩，希望使得梦妮卡不再爱马丁。毕竟戴维在生理结构上并不是人类的血肉之躯，人们始终是无法接受他的。在一些巧合的作用下，戴维和马丁掉入了泳池中，使得马丁差点溺死。梦妮卡决定不要戴维，但又不忍戴维就此销毁，于是将戴维抛弃。

戴维被抛弃之后经历了种种危险，机器人屠宰场的追捕、和机器人情人乔一起翻越山海、、、最终到达了自己的出生地。他的研发者告诉他自己不过是最新的一代机器人之后，戴维自沉在已经成为失落之城——曼哈顿的海底。

影片并未就此结束。在两千年后，人类已经灭绝，当外星人发现戴维时，戴维已经成为他们眼中的人类智慧结晶。外星人答应戴维利用梦妮卡的头发来复活她，但梦妮卡只能复活一天。戴维和梦妮卡度过了美丽的一天，特别是当戴维和梦妮卡双双入睡时，我想真人和机器人已经不分彼此、、、

第12篇：人工智能

人工智能观后感

天的电影艺术赏析，老师放了一部科幻影片《人工智能》。起初，以为这只是斯氏影片《E.T.外星人》的姊妹篇，事实上，《人工智能》超越了好莱坞电影的教条与俗套，设置巧妙，情节丰满，用现实的笔触为我们制造出一面魔镜，照射出每个人内心的骚动、恐惧、渴求和憧憬。

为了更深入的了解这部影片，我特意到网上查询了相关资料，也正因如此，我看到了那张让我久久不能忘却的海报，特别是上面的那句宣传语：David is 11 years old.He weighs 60 pounds.He is 4 feet, 6 inches tall.He has brown hair.His love is real.But he is not.正是这句话，使我脑海中再次溢满那一幕幕让我泪流满面的画面。 在《人工智能》中，主人公是个名叫大卫的机器小孩，目光纯净、淡定。他的出生本身就带着巨大的争议。他的到来，被设定是爱，爱的程序启动的一刹那，关于影片主题的争议也像潘多拉的盒子被打开，再也无法收缩成一个贺卡词那么精致的答案。

大卫，一个被爱填充的机器小孩，无时无刻不在渴望得到妈妈的爱，然而现实中，妈妈却离他而去，他和泰迪熊终于被抛弃在森林深处，他哭泣哀求，像一个真正的男孩令人动容。但他信念不灭，他想：“等我变成了真正的小男孩，妈妈就会带我回家了”，好在有梦。看到这个情节时，我突然无法抑制地流泪，仿佛小男孩此刻内心的痛苦已全套的转移到了我的心中，我甚至笃定的猜想，妈妈会回头，带他回家，一定会的。然而现实中，什么都没有发生。他，依然是那个会做梦的机器小孩，我，也就是一个频频被泪水冲刷的平凡看客。 “你能记得的第一件事是什么？”“一只鸟，他有一双翅膀，还有羽毛。”

这个情节，第一次看并没有多加注意，但看了几次后才发现，可悲的是，机器小孩如此深刻的记忆，却也是他最深刻的悲哀。被定义了的事实，无人能摆脱。这是否在告诉我们，生命的开始本身就是个可笑的错误。

“I am, I was.”

乔被抓走前说的最后一句话。它是想告诉我们：每一种物质，无论是否是生命，都可以在空间和时间的隧道中找到自己的过去吗？ 在我的小时候，无忧无虑的小时候，也曾看过童话：匹诺曹的故事，小小木偶希冀着得到人类有温度的身体。世界尽头，住着蓝仙女。 《人工智能》。海底。孩子注视着蓝仙女，祈祷，长达两千年的祈祷。我也在悄悄祈祷，生怕，电影告诉我：你已经长大，没有童话。 当大卫拥抱海底的蓝仙女。苦苦寻了两千年的希望在顷刻间碎裂，童话碎了，梦碎了。 大卫。起伏的浪涛，配合着他的故事。一点点铺陈，一段段展开，一层层推进，一寸寸深入人心。他的程序是爱，爱是他存在的唯一理由，但是他不会想到，对亲子已经付出了全部感情的Monica，从来没有把他当作真人看待。“让妈妈爱我”，成了他穷尽一生的时间，不惜等待两千年的一个达不到的愿望。 斯皮尔伯格的镜头如同喃喃低语，屏心静息地讲述着。音乐仿佛辽阔背景下瞬息。 最后，随着男孩的\"复制品妈妈\"沉入永恒的睡眠，这个小小的机器也第一次静静睡 去。 心中，只留一个字——爱。

后记：结束的灯光打亮的那一刻，试图掩饰已经哭红的双眼，想要赶快奔离这个过于开放的空间，蜷缩自己的悲伤。然而，我还是习惯的留了下来，坚持。

姓名：杜汉东 班级：计算机一班学号： 0967111120

第13篇：《人工智能》观后感

《人工智能》观后感

看过《人工智能》这部电影后，心里感到空空的。我认为这其实是一部残酷的电影，尽管导演斯皮尔伯格给了片子脉脉温情，但还是压不住它带给我的沉重感，让人看后心理不是滋味，却又不知该说些什么。

影片中的小男孩David是第一批被研发出来的能够感受感情的机器人之一，并且这样的感情永远保存在他的记忆芯片中。他被一对夫妇收养用来替代因病而成为植物人的儿子，他把自己全部的爱都倾注到了收养自己的妈妈身上。但当植物人儿子再次醒来时，妈妈对David的爱减弱了，并最终在百般无奈之下选择了抛弃David。万念俱灰的David却单纯的以为只要自己变成真的小孩，妈妈就会爱他了。于是他坚信着妈妈给他讲过的一个童话故事，以为找到了蓝仙女，自己便可以成为真人得到妈妈的爱。为此，他踏上了漫长的追寻旅程。他到过了恐怖的机器人屠宰场，在那里目睹了机器人的悲惨结局。幸好他遇到了一个机器舞男，最终帮助他来到了传说中蓝仙女所在的地方——已经被两极融化的雪水所淹没的曼哈顿。David来到曼哈顿后找到了制作自己的博士，然后他发现了令他感到恐惧的事实——他并不是独一无二的，他只是个机器人。于是他绝望了，跃入了水中，没想到在水下他看到了蓝仙女的雕像。在幽深的海底，他用纯真而坚定的眼睛凝视着蓝仙女，祈祷“请把我变成真人吧，请把我变成一个真正的男孩吧！”。看到这里，我想善良的人早就已经没把David看作一个机器人了，而只是当做一个需要妈妈疼爱的可怜的孩子。

两千年后当地球上的水都变成了厚厚的冰川，在地球上的外星生物终于找到了埋在冰川下的David，他们让David恢复了知觉，从他脑子里感知了关于早已灭绝的人类的信息和他一直在祈祷的那个愿望。他还是没有办法变成真正的小孩，但他却可以得到妈妈的爱，外星人还原基因把早已死亡的妈妈带回到了世上，虽然只能有短短的一天。镜头又回到了最初，柔和的光线印着母子俩暖意的笑容，一切都是那么平和，没有争吵没有猜忌，David找到了被制造以来从未有过的“快乐”。那天夜里，睡在妈妈的身边，他一生中第一次，到了美梦诞生的地方。

这部电影着实让我感触良多，在影片中导演将丰富的科幻、深刻的思考和人文的精神做了完美结合，让人可以从多个角度看这部电影。小主人公在片中的出色表演更是使观众感受到那个小机器人的心理变化，他那带着忧郁的眼神，显得那么柔弱需要保护，尤其是在面对蓝仙女雕像时期待的眼神是那么的让人为之动容。他用他的坚贞如一深深地打动了我们每一个人。

影片尾声，用了两千年的等待，却只换来了一天的快乐，或许有人会觉得这并不值得，但是David为人类呈现出的永恒的爱却是不可磨灭的。“让妈妈爱我”，这样一个简单到极点的愿望，在孩子蔚蓝的眼睛里闪烁，感染着每一个观众。就像付出的，总会得到回报；就像默默的不计较得失的爱情，总会得到回应；就像机器小孩David，虽然蓝仙女只是个童话，他却在漫长的等待后得到了一天的快乐。他笑了，笑的很甜蜜，很幸福，那是他用了他的一生去换的，是他生命中最幸福的一天。最后和妈妈依偎在一起的那一刻，我想他已经变成了一个真正的男孩了。

第14篇：《人工智能》观后感

大卫是谁创造了他?

作为机器人，他能做的很少，祈求的很少，希望也很少。

他唯一希望的就是能够有人关心他，有人爱他，而他自己也能够去爱别人，这样就够了。

妈妈，我只想得到你更多的爱

“ 当一个机器人全心全意地去爱一个人时，那么这个人又有什么样的责任去回报这份爱呢？”

大卫没有忘记他妈妈给他讲过的《木偶奇遇记》。

“蓝仙女把皮诺曹变成了真人，也一定能把我变成真人，变成真人后，妈妈就会爱我，我就能回家了。”

为了这个愿望，他经历了很多很多

他哭过，笑过，伤心过，悲哀过，

但是他始终没有放弃。

他的脸上充满着虔诚，充满着希望，充满着梦想成真前的欢欣，充满着对梦想的渴求他一遍又一遍真挚的祈祷

直到他闭上眼睛，永远睡去那一刻。

尽管，那时侯David在海底，

但我确信我看到了阳光

那束阳光叫做爱„„

带着阳光和爱，两千年过去了。

就因为是她，才会去爱，也正因为是她，才会爱他。

David选择了爱，那我们呢？

什么是真实的，什么是永恒的？

是爱.人类把自身看作是造物主的杰作，把自己的意志凌驾于万物之上，运用智慧制订了以自我为中心的行为准则。万物不能言，只有听凭人类的安排。但是，智慧又是什么？智慧能否被创造？当人类终有一天能够创造出智能生命，然后再用冷酷和无情把他们推向毁灭的时候，人类唯我独尊的自私也得到淋漓尽致的表现。

在这个科技高度发达的时代，人类压倒一切，在地球上无处不显着强势。

当这些人过着由机器人创造的全方位舒适生活时，他们是不是有权利把另一些人放在饥寒交迫之中，

我想这部电影正是想通过这样的场景来表达他对生命价值的理解，对科学与文明发展失衡的担忧，对人类社会伦理道德现状的无奈。

难道说人类社会的进步，只是科学技术的进步？而人类在自身道德领域，在对待其他生命形式的态度上，怎么会沉沦到这样令人不寒而粟的地步呢！

当机器人由于某些原因失去了为人类服务的价值时，他们在人类主导的社会上便失去了存在的意义，他们就必须被清理和消灭掉。无论这些非法的机器人是否有着活生生的生命表象，他们的机器身份已经注定了他们必须被毁灭的命运。

难道说人类社会的进步，只是科学技术的进步？而人类在自身道德领域，在对待其他生命形式的态度上，怎么会沉沦到这样令人不寒而粟的地步呢！

无论那时候的机器人被制作的如何逼真，人类都无法将他们当作整个社会的一分子。当人们需要他们的时候他们就是我们的朋友，不需要他们的时候便可以被遗弃被破坏。

这使我联想到了如今的克隆技术——如果人类将克隆人当成一种工具，那将是多么可怕的一件事情！

文明是反映人类社会发展程度的概念，它表征着一个国家或民族的经济、社会和文化的发展水平与整体面貌。

生命与爱，才是人类永恒的主题

马克思曾说过：“社会是人同自然界完成了本质的统一，才是自然界的真正复活”。不断追求人与自然的和谐，是人类共同的价值取向和最终归宿。

人类从洪荒时代走到了文明的世纪，人类的智慧创造了经济的奇迹，但无知与贪婪却留下了可怕的后果。

世界上的任何事物都是矛盾的统一体。我们面对的现实世界，就是由人类社会和自然界双方组成的矛盾统一体，两者之间是辩证统一的关系。

人类社会通过人类不断的对世界的认知向前发展，而这种发展的驱动力则是人类对知识的渴望，和追求对自身所处的环境的改善。

当人类不断的提高了自己的物质生活水平，利用不断发展的科技来满足自己，可是人类越来越认不清楚自己，天空变得越来越浑浊，绿地变得越来越少，人与人越来越冷漠，我们逐渐忘记了人类的感情，忘记了生命的本质，忘记了爱。

然而当人类已完全灭绝，当文明已成往事。只有一个小小的机器孩子，传承着爱的使命，延续着人类真正的灵魂。这不灭的人性精灵，深深烙印在数码密布的电路板上，凝聚在那双蔚蓝色的眼睛里，像天空一样寂寥，像海洋一般深邃。

这是一个讲爱的故事，真挚又残酷、纯粹而温暖、发人深醒。身处如今的时代，太多人只关心那些表面上的技术、理论、政治、利益、欲望，认为强权才是真理，欲望才是根本。却失去了本心，不屑甚至耻笑人类存在所最根本的——爱。

第15篇：人工智能_实验报告

实验一：知识表示方法

一、实验目的

状态空间表示法是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础，本实验通过牧师与野人渡河的问题，强化学生对知识表示的了解和应用，为人工智能后续环节的课程奠定基础。

二、问题描述

有n个牧师和n个野人准备渡河，但只有一条能容纳c个人的小船，为了防止野人侵犯牧师，要求无论在何处，牧师的人数不得少于野人的人数(除非牧师人数为0)，且假定野人与牧师都会划船，试设计一个算法，确定他们能否渡过河去，若能，则给出小船来回次数最少的最佳方案。

三、基本要求

输入：牧师人数(即野人人数)：n；小船一次最多载人量：c。

输出：若问题无解，则显示Failed，否则，显示Succeed输出一组最佳方案。用三元组(X1, X2, X3)表示渡河过程中的状态。并用箭头连接相邻状态以表示迁移过程：初始状态->中间状态->目标状态。

例：当输入n=2，c=2时，输出：221->110->211->010->021->000 其中：X1表示起始岸上的牧师人数；X2表示起始岸上的野人人数；X3表示小船现在位置(1表示起始岸，0表示目的岸)。

要求：写出算法的设计思想和源程序，并以图形用户界面实现人机交互，进行输入和输出结果，如：

Please input n: 2

Please input c: 2 Succeed or Failed?: Succeed Optimal Procedure: 221->110->211->010->021->000

四、实验组织运行要求

本实验采用集中授课形式，每个同学独立完成上述实验要求。

五、实验条件

每人一台计算机独立完成实验。

六、实验代码

Main.cpp #include #include \"RiverCroing.h\" using namespace std;

//主函数 void main() {

} system(\"pause\"); RiverCroing riverCroing(n, c); riverCroing.solve(); int n, c; cout>n; cout>c; RiverCroing::ShowInfo();

RiverCroing.h #pragma once #include

//船 cla Boat { public:

};

//河岸状态 cla State Boat(int pastor, int savage); static int c; int pastor;//牧师 int savage;//野人

{ public:

};

//过河问题

cla RiverCroing { private:

}; bool move(State *nowState, Boat *boat);//进行一次决策

State* findInList(std::list &listToCheck, State &state);//检查某状态节void print(State *endState);//打印结果 static void ShowInfo(); RiverCroing(int n, int c); bool solve();//求解问题 std::list openList, closeList; State endState; State(int pastor, int savage, int boatAtSide); int getTotalCount();//获得此岸总人数 bool check();//检查人数是否符合实际 bool isSafe();//检查是否安全

State operator + (Boat &boat); State operatorboat.pastor, iSavage1); ret.pPrevious = this; return ret; State ret(iPastor + boat.pastor, iSavage + boat.savage, iBoatAtSide + 1); ret.pPrevious = this; return ret;

} openList.push_back(new State(State::n, State::n, 1)); while(!openList.empty()) {

} print(NULL); return false; //获取一个状态为当前状态

State *nowState = openList.front(); openList.pop_front(); closeList.push_back(nowState); //从当前状态开始决策

if (nowState->iBoatAtSide == 1) {//船在此岸

} //过河的人越多越好，且野人优先

int count = nowState->getTotalCount(); count = (Boat::c >= count ? count : Boat::c); for (int capticy = count; capticy >= 1; --capticy) {

} //把船开回来的人要最少，且牧师优先

for (int capticy = 1; capticy

} for (int i = 0; i

} Boat boat(capticyi); if (move(nowState, &boat))

return true; } else if (nowState->iBoatAtSide == 0) {//船在彼岸

//实施一步决策，将得到的新状态添加到列表，返回是否达到目标状态 bool RiverCroing::move(State *nowState, Boat *boat) {

//获得下一个状态 State *destState; if (nowState->iBoatAtSide == 1) {

} destState = new State(*nowState1iPastoriSavageiBoatAtSide; if (st.size() >0) cout \"; cout

cout

七、实验结果

实验二：九宫重排

一、实验目的

A*算法是人工智能领域最重要的启发式搜索算法之一，本实验通过九宫重排问题，强化学生对A*算法的理解与应用，为人工智能后续环节的课程奠定基础。

二、问题描述

给定九宫格的初始状态，要求在有限步的操作内，使其转化为目标状态，且所得到的解是代价最小解(即移动的步数最少)。如：

三、基本要求

输入：九宫格的初始状态和目标状态 输出：重排的过程，即途径的状态

四、实验组织运行要求

本实验采用集中授课形式，每个同学独立完成上述实验要求。

五、实验条件

每人一台计算机独立完成实验。

六、实验代码

Main.cpp #include #include \"NineGrid.h\" using namespace std;

//主函数 void main() { NineGrid::ShowInfo();

} string start, end; cout>start; cout>end; NineGrid nineGrid(start, end); nineGrid.solve(); system(\"pause\");

NineGrid.h #pragma once #include #include #include using namespace std;

#define SPACE \'0\'

#define AT(s, x, y) (s)[(x) * 3 + (y)]

enum Move { };

//九宫格状态 cla State { public:

int moves;//到此状态的移动次数 int value;//价值

State *pPrevious;//前一个状态

State(string &grid, State *pPrevious = NULL); int getReversedCount();//获取逆序数 void evaluate();//评价函数

bool check(Move move);//检查是否可以移动 string grid;//用字符串保存当前棋盘状态 int x, y;//空格所在位置 static State *pEndState;//指向目标状态，用于评价h的值 UP = 0, DOWN = 1, LEFT = 2, RIGHT = 3

}; State takeMove(Move move);//实施移动，生成子状态 //重载==运算符，判断两个状态是否相等

inline bool operator == (State &state) { return grid == state.grid; } //九宫重排问题 cla NineGrid { private:

};

NineGrid.cpp #include \"NineGrid.h\" #include #include #include using namespace std;

State* State::pEndState = NULL;

/*=======================Methods for cla \"State\"=======================*/ //构造函数

State::State(string &grid, State *pPrevious) { this->grid = grid; NineGrid(string &start, string &dest); bool solve();//求解问题 //用于排序

static bool greater_than(const State *state1, const State *state2); static void ShowInfo();//显示信息 bool compareReversed();//比较逆序数奇偶性是否相同

bool takeMove(State *nowState, Move move);//进行一次决策

State* findInList(vector &listToCheck, State &State);//检查某状态void print(State *endState);//打印结果 vector openList, closeList; State startState, endState; clock_t startTime; 节点是否在列表中

public:

} this->pPrevious = pPrevious; if (this->pPrevious) this->moves = pPrevious->moves + 1; this->moves = 0; else

this->value = 0; evaluate(); for (int i = 0; i

} for(int j = 0; j

} if (AT(grid, i, j) == SPACE) {

} x = i; y = j; return; bool State::check(Move move) {

}

State State::takeMove(Move move) { switch (move) { case UP:

} return true; if (x1 = 3) return false; break; case DOWN: case LEFT: case RIGHT:

} int destX, destY; switch (move) { case UP:

} string tGrid = grid; char t = AT(tGrid, destX, destY); AT(tGrid, destX, destY) = AT(tGrid, x, y); AT(tGrid, x, y) = t; return State(tGrid, this); destX = x1; break; destX = x; destY = y + 1; break; case DOWN: case LEFT: case RIGHT: void State::evaluate() {

for (int ii = 0; ii

for (int jj = 0; jj grid, ii, jj)) {

h += abs(ijj); int g = moves, h = 0; for (int i = 0; i

for (int j = 0; j

//if (AT(grid, i, j) != AT(pEndState->grid, i, j)) // ++h;

if(AT(grid, i, j) == SPACE) continue; if (!pEndState) return;

}

}

}

} } } this->value = g + h; //求该状态的逆序数 //逆序数定义为：

//

不计空格，将棋盘按顺序排列，

//

对于grid[i]，存在jgrid[i]，即为逆序。 //

所有棋子的逆序总数为逆序数。 int State::getReversedCount() {

}

/*=====================Methods for cla \"NineGrid\"=====================*/ //显示信息

void NineGrid::ShowInfo() {

}

//构造函数

NineGrid::NineGrid(string &start, string &dest) : startState(start), endState(dest) cout

} return count;

} if (grid[i] >grid[j]) ++count; int count = 0; for (int i = 0; i

if(grid[i] == SPACE)

continue; if (grid[j] == SPACE) continue; for (int j = 0; j

{

}

//当初始状态和目标状态的逆序数的奇偶性相同时，问题才有解 bool NineGrid::compareReversed() { 2; }

//解决问题

bool NineGrid::solve() {

}

//实施一步决策，将得到的新状态添加到列表，返回是否达到目标状态

} print(NULL); return false;

} //从当前状态开始决策

for (int i = 0; i

} Move move = (Move)i; if (nowState->check(move)) {

} if (takeMove(nowState, move))

return true;

openList.push_back(new State(startState)); while(!openList.empty()) {

//获取一个状态为当前状态

State *nowState = openList.back(); openList.pop_back(); closeList.push_back(nowState); cout

cout

bool NineGrid::takeMove(State *nowState, Move move) {

}

//检查给定状态是否存在于列表中

State* NineGrid::findInList(vector &listToCheck, State &state) {

}

//根据达到的目标状态，回溯打印出求解过程 void NineGrid::print(State *endState) {

cout

addSymptom(pDisease, strInput); } else { ioFile.close(); return true; //添加一个疾病，返回此疾病信息的指针

Disease* Expert::addDisease(const string &name) {

}

//添加疾病的症状

void Expert::addSymptom(Disease *disease,const string &symptom) { }

//诊断函数

void Expert::diagnosis() {

cout请输入症状: （或\"不确定\"以开始模糊搜索）\">symptomInput; //用户输入的第一个症状 string symptomInput; //用户有的症状和没有的症状

vector symptomHave, symptomNotHave; //搜索的结果列表

vector findList; disease->symptomList.push_back(symptom); Disease disease; disease.name = name; m_DiseaseList.push_back(disease); return &m_DiseaseList.back();

for (vector::iterator ite = findList.begin(); ite !=

bool remove = false;//是否从findList列表中排除本疾病

for (unsigned int j = 0; j symptomList.size(); ++j) {

Disease *pDisease = *ite; if (find(symptomNotHave.begin(), symptomNotHave.end(),

//在symptomNotHave列表中找到此症状，直接排除 remove = true; break; findList.end();) { if (symptomInput == \"不确定\") {

} //添加所有疾病到findList列表中

for (unsigned int i = 0; i

for (unsigned int i = 0; i

} //添加输入的症状到symptomHave列表中 symptomHave.push_back(symptomInput); Disease *pDisease = &m_DiseaseList[i]; for (unsigned int j = 0; j symptomList.size(); ++j) {

} if (symptomInput == pDisease->symptomList[j]) { } findList.push_back(pDisease); findList.push_back(&m_DiseaseList[i]); } else { pDisease->symptomList[j]) != symptomNotHave.end()) { } else if (find(symptomHave.begin(), symptomHave.end(),

//在symptomHave，symptomNotHave列表中不存在这个症状，则询问 if (optionSelect(\"->是否有症状\"\" + pDisease->symptomList[j] +

} //询问得知有此症状，添加症状到symptomHave列表中 symptomHave.push_back(pDisease->symptomList[j]); //询问得知没有此症状，添加症状到symptomNotHave列表中，并排除symptomNotHave.push_back(pDisease->symptomList[j]); remove = true; break; pDisease->symptomList[j]) == symptomHave.end()) { \"\"?\\n(y/n): \")) { } else { 此疾病

}

} } } if (remove) {

} //需要排除此疾病

ite = findList.erase(ite); //迭代器后移 ++ite; } else { cout

} cout知识库中未找到匹配的记录！\"根据已有的知识库，可能的疾病为：\"

for (unsigned int i = 0; i

} coutname; if (i != findList.size() - 1) cout

bool Expert::optionSelect(const string &question) {

cout>option;

switch (option) { case \'Y\': case \'y\': return true; case \'N\': case \'n\': } return false;

} return false;

Disease.txt [疾病1] 症状A 症状B 症状C 症状D

[疾病2] 症状A 症状B 症状C

[疾病3] 症状A 症状B 症状D 症状E

[疾病4] 症状A 症状C 症状D

[疾病5] 症状B 症状C 症状D 症状E

[疾病6] 症状A 症状B

[疾病7] 症状A 症状C 症状E

[疾病8] 症状A 症状D

[疾病9] 症状B 症状C 症状E

[疾病10] 症状B 症状D

[疾病11] 症状C 症状D 症状E

六、实验结果

第16篇：人工智能辩论

人工智能

正方一辩：人工智能是基于数学、逻辑学、统计学之上，通过经验积累得到学习能力，从而协助人们进行某项工作的操作系统。人工智能与人类智能有着本质区别和根本界限。人工智能是物理过程，而非生物过程；它是模拟人的某种行为，而不是人的行为本身，它不具备人类的自我意识，无法形成一个主观事件。人工智能的优势只不过在某些领域比人类更精确，更稳定，拥有更强烈的计算能力而已。接下来我方将从以下三点论证我方观点。

人类智能是人类科学技术发展的结果。从古至今，人类都在不停地发展。人类的发展伴随着人工智能的出现及其发展。阿特拉斯，最强人形机器人，NAO机器人，全球应用最广泛的机器人，Pepper，最接地气的机器人等等。还有前段时间的人机对战，阿尔法狗大胜韩国李世石。这无疑是人工智能发展的一个里程碑，同样也是人类发展的里程碑。所以说人工智能的发展就是人类的发展。

第一，人工智能让人类生活更美好。例如，人工智能的医疗应用惠及大众。我们医生或许难以保持最新治疗方案和方法，也无法了解所有医学例案。人工智能可以在短时间内分析大量数据，精确判断病症，并找到最佳的治疗方案，为人们提供最好的治疗。再说，先如今已经被广泛运用的无人驾驶不仅减轻了人们的负担，更是大大降低了事故率。再比如说，如今苹果系统的SIR手写版系统、生物识别系统都是人工智能的应用，都让人类的生活质量得到显著提高。 第二，人工智能推动社会进步，实现人类进一步解放。人工智能应用后，各行业的生产效率大幅提高，人类财富以几何形式快速增长，为人类的美好生活提供了坚实的物质基础。人工智能将人类从重复的、无意义的工作中解放出来，从高危险的工作中解放出来，让人有了更多选择的自由，从而把更多精力投入到更有意义的领域中去。人工智能也让人类突破得以发展的瓶颈。例如，人工智能可以探索外太空、山海冰河这些人类无法企及的地方，可以让复杂的大数据得到高效的分析与合理的运用，让人们探索到更深层次的知识。所以人工智能使人类超越了自己本身的局限，实现了人类的进一步解放。 第三，人工智能推动了人类的理性进步，可以反过来促进人类的发展。人工智能研发过程的本身就具有研究人脑认知与功能的需求和特性，而使人类在这个过程中就学习了学习的方法，从而增强人类的逻辑思维能力。人工智能更新了人类应对问题的方法，比如依靠大数据的分析，沃森医生可以提供对病人伤害最小的、全新的治疗手段和技能范围。比如，从而丰富人类应对各种问题的方法。人工智能也拓宽了人类知识技能范围，比如，人工智能根据对大数据分析得到各种新知识、新信息，使人们难以预测的洪水、地震等灾害的预报的精确程度大大提高，使人类在自然面前的约束变得更强大。

当然，与此同时有人担心工作会被人工智能替代而造成失业，其实正如工业革命之前，我们无法想象会产生火车司机、计算机工程这样的职业。人工智能的变革将带走一些岗位的同时，也带来了更多更新的岗位，把技术给人类带来的弊端降到了最低。人工智能给人类带来的发展是颠覆性的，它给人类带来的好处甚至超越了我们的想象。我们不应该对强加的对未知的恐惧而阻碍这一技术的发展。综上所述，我方认为，人工智能对人类发展利多于弊。

反方一辩：在场各位，大家好。对方辩友说辞着实漂亮，但漂亮说辞背后却隐藏着大大小小漏洞。首先我们先来明晰几点：

第一，我们今天题目是比较性命题，但是对方辩友从头到尾只提利不提弊，甚至连大小关系也没听清楚。而我方要论证的正是人工智能对人类发展带来的利端是可以取代，并且不必要的；而它给人类带来的弊端却是毁灭性，并且不可挽回的。

其次，人工智能分为强弱人工智能，最早是由赛尔提出的。弱人工智能是一种科技手段，是把计算机作为……（差二字）的有力工具。强人工智能则主张人工智能最终必能完全模拟人类心理与智能活动。而人工智能与其它人造工具最大区别在于，其具有自我反应外界环境的潜在能力，这种原本是只有人类具有的能力再次……人类发展，因为这是人类这个族群存在的内在意义。人类的发展具有必然性。最后提出一个问题，人类存在的价值是什么？人的价值在于满足自身需求，对社会做出贡献，根据马斯洛的需要层次理论，人的最高需求是自我实现。自我实现是指实现个人理想、抱负，发挥个人能力到最大程度，而追求这一需求的实现，这是人类存在的意义。好，基于以上几点，人工智能发展的最终结果与人类存在意义相违背，所以我方坚持观点：人工智能对人类发展弊多于利。从以下几方面论述我方观点。

首先，当前高度发展的是弱人工智能。而高度发展弱人工智能全方位对人类发生异化作用。异化作用最早源于马克思，是这样的，人的创造物同人这个主体相脱离，不仅摆脱了人的控制，而且反过来对人类进行反控制，违背人的意愿，从而成为奴役人、支配人的与人相对立的异己力量。难道这样的发展是人类所想要看到的吗？

其次，对方讲到失业潮，很好，我要告诉你，人工智能带来的失业潮比任何一次工业革命带来的失业潮完全不一样。它带来了失业潮，但是最可怕的是人工智能它自身产生足够巨大的商业利益，而人类不被人工智能供养着。人工智能供养着人类，人类达到马斯洛理论当中的基本需求，人类真的还有动力去追求更宏伟的目标吗？他们还有动力去追求自我实现吗？还是只是纯粹整天无所事事，而醉生梦死。

最后，根据人类发展的必然性，以及强人工智能的特性，即使人工智能毫无毁灭人类之心，它们也会由于人类的……（差二字）而逐渐发展，这种温水煮青蛙的发展到时候使它们逐渐、渐渐取代它们在社会中的主体地位。

我们今天题目是人类发展，那首先是什么是人类，人类的主体地位都被动摇了，我们还谈人工智能的利多于弊，对方辩友的想法不是很奇怪吗？更何况不能保证人工智能完全受人类控制。

综上，我方认为，人工智能对人类发展弊多于利。

正方2辩：首先看一下对方辩友非常精彩的言论究竟给我们提到了哪些论点。

首先对方辩友说人工智能是可以取代人类的东西，可是我们想一想，对方辩友全场是否论证的主体是人类智能呢？您方是否创造了一个神一样的物种呢？但是现实并不是这样的。我们说人工智能与人类智能最根本的区别就是它不具有自我意识，它的所有东西，它所执行的目的，它所要干什么都是人类这个创造者赋予它的，所以并不存在它不可控这一点，对方辩友可以完全不用担心。

第二点，对方辩友告诉我们说一个强人工智能的概念，那强人工智能这个概念是否已经，它不管有多强，就像今天我方三辩把头发披下来，我也把头发披下来，那是我模仿她，但是我永远不可能成为她。这就是人工智能的最终本质，它可以无限靠近人类，却无法真正成为人类。

第三点，对方辩友有一句话我非常认同，她说我们人类活着的最终、最根本意义是不断满足自身需求、实现自身的价值。可是我们来看一看现实生活中，人工智能在逐渐发展的过程中是不是已经在满足我们的需求了呢？是不是作为工具在不断帮助我们实现自身价值呢？举个例子，我们平时大家开车上班、上学，我开车需要

15、20分钟。但是这个时候如果有人工智能出现了，它代替了我们开车，第一点，它的安全性能更高了，有可能你困浑出现交通事故，但它不会，它是机器。第二，在它代替我们开车的过程中，我们是不是可以节省你出时间来阅读、听音乐、休息，这对于我们人类发展是不是更好呢？曾经我们“不知天上宫阙，今夕是何年”，但是有了人工智能之后，我们“可上九天揽月，可下五洋捉鳖”，这难道这种变化对方辩友依然认为不是人类发展吗？即使我们这一代人还无法深切体会到“锄禾日当午，汗滴禾下土”，可是我们有“千江有水千江月，万里无云万里天”的洒脱心境，这样子难道还不足以成为人类发展的动力吗？我们的动力是什么？我们在现有的生活中享受到了快乐，得到了满足，我们看到了有可以发展的空间，于是我们有了动力，开始发展了，所以说人工智能的出现不仅给了我们动力，满足了我们需求，还有可能让我们更好地完成一项工作，实现自我价值，所以说。

综上所述，人工智能工具而已，不用害怕。

反方2辩：刚才对方的主辩只说到了利多，举了大量的有利的例子，却丝毫不提弊的例子，这难道不是盲人摸象，有一叶障目的嫌疑吗？接着，对方的一副说强人工智能在未来不会出现，你们又是如何绝对认为强人工智能在未来不会出现，请对方辩友给我方有力证据。再者，自始至终，对方并没有证明这是比较命题，有证明利多于我方的弊吗？我想对方辩友忽略了以下问题：

第一.人工智能会反过来控制人类，人类也会被异化，真正可怕的不止是这些。人工智能分为强人工智能跟弱人工智能，当强人工智能发生到一定程度的时候，它会产生一种自我意识，促使自身不断发展，而谷歌研究总监说：人工智能的学习不是代码，更像是一个推动，而人类能稍微看到里面的一些东西，对里面的事情有一些些的了解，但是我们却看不到全面。那么我想请问对方辩友，你们无法全面地了解人工智能，如何发展？若有一天它发展到比你高级了，并且它要消灭比自己低级的人类的时候，当人类都不复存在的时候，对方辩友又凭什么说人工智能对人类发展利大于弊呢？

第二，马克思在《资本主义的六种技术悖论》中提到机器具有减少人类劳动，和使劳动更有成效的神奇力量，但也因此引起了过多的饥饿和过多的疲劳。在过去的工业革命中，劳动岗位的替代是在人与人之间进行的，但现在，现在的人类的岗位是由人工智能替代了人的岗位，那我想问问对方辩友，那些饱受困苦的人类，被人工智能所替代的人类，他们该何去何从，在有限的岗位内人类被人工智能替代了，这难道能说人工智能的发展对人类的发展是有利的吗？不过，下岗还不是最可怕的。因为人工智能会产生巨大的商业价值，它能养活那些下岗者，那些人类，那么我想再问问对方辩友，一旦到人工智能来养活人类，人类达到了马斯洛需求的最基本需求，那么人类还会有动力去追求更高的目标吗？还是会产生一种惰性醉生梦死，日渐颓废呢？作为人类，你们不觉得这样活着很可悲吗？ 第三，我们应该赋予人工智能人权吗？这是一个很值得深思的问题。当人工智能在岗位上工作的时候，或许它犯了一些小的错误，被无情地拔掉电源，剥夺了它的自由平等，这难道对它来说是公平的吗？其实在我们思考这个问题的时候，我们就已经赋予它一种人权，这难道是我们该思考的问题吗？最后，我想请对方辩友一一回答我方提出的问题。谢谢。

正方三辩：感谢主席，问候在场各位。首先呢对方辩友精彩的答辩中我发现了一个问题，就是对方辩友根本没有搞清楚人工智能的定义是什么。我方一辩一再解释它是人工智能，不是人类智能。刚才对方辩友说了那么多，给我感觉他们仅仅是科幻小说的爱好者。他们提到人工智能有一天可能会毁灭人类。但你们有没有想过人工智能它没有自主意识，没有主观世界，没有情感来源，也就是说什么人工智能相比于以前我们使用过的工具，只是它能模拟人类的思维罢了，这是不是代表它可以控制人类，不是的，对方辩友。

人工智能作为工具，是为人所用的，为人所谋福利的。我们都知道人有一个趋利避害的特性，它怎么会创造出一些威胁人类存在的东西出来呢？对方辩友过度夸大人工智能的定义范围。而且对方辩友一再说我方辩友没有强调利弊问题，我怎么清清楚楚听到我方辩友说到了他们说的失业问题呢？他们刚才还义正言辞地说这是个比较性命题，可是你们说了这么多，我们也没有听到利在哪里啊。而且对方辩友还说了工作问题，人工智能可能会取代人的工作，造成人的惰性，致使人只贪图享乐，请问对方辩友，你又在主观夸大人这一方面的惰性了。作为人类，我们是不是一定要“面朝黄土背朝天”地生活，还是我们应该追求一种“万里无云万里天”的自由。有了人工智能，我们可以从繁琐，甚至是一些复杂的工作中解脱出来，然后去追求人类所想有的自由，去追求人文价值，而且对方辩友说的期待性工作问题。我想说，他期待的只是一些理性的东西，人文的东西他是没有办法期待的。就像在座的评委老师，人工智能有可能评判一场辩论赛谁胜谁负吗？不会的。再者，对方辩友还说了就是人工智能是一个工具，那这个工具有没有可能统治世界？对方辩友，我方一再强调人工智能没有主观意识，也是就说，人工智能只是人类的一个工具而已。从1959年第一台下棋人机到埃尔法狗，再到最强大脑的小杜，我们都知道人工智能跟人类的关系是相学渐进的关系，我们在共同进步当中，我们打埃尔法狗打败……后，我们想要的是如何从埃尔法狗思维领域中寻求到一种新的方法去战胜埃尔法狗，再去突破人的理性思维。也就是说对方辩友提到的人类思维弱化这一点其实是不成立的，人通过人工智能，它可以作为一个工具促使自己的理性进步。综上，我方认为人工智能对人类发展利大于弊。

反方3辩：对方辩友一直都挑不出来弱人工智能的圈子，你们知道什么是强人工智能吗？你们知道什么是深度学习吗？科学的基本经验是什么？没有什么是不可以的，人类一切都是可以认知的，而对方明显把我们划入了不可知论，或者不可全部未知论，认为人工智能无稽之谈，那么绝无可能，请说明你们的依据。 如果对方连未来的设想都没有，请问谈什么发展，我们说的无异于弱人工智能在我们现代的益处。如果一切的目光短浅的话，如果一切都只着眼于眼前的“一亩三分地”的话，不去考虑后代和未来人类的发展，我们要展望未来啊。而且刚才对方一直在讲经济发展，可是我们辩题是什么，是人类发展。联合国历年人类发展报告述评更加关注的是人的发展与人权的关系。所以我们下面讲的是，人不可忽视的是人权与伦理的关系，人是有道德、有思想、有原则的，我们不能在没有原则的基础下愚昧地追求财富和经济。在伦理人权的基础上的人类发展才能称之为人类发展，而不是动物的发展。那么我想问有一定程度支配的机器人能否给予人权呢？人工智能可以帮助人们解决难题，这是利处之一，可是你们有没有考虑过，它给人类制造了更多问题。人工智能机器人是人造出来的，那我们假设如果它出现了问题，我们的责任应该归给谁？是机器人，还是机器人的制造者，还是机器人的设计者，这些对方辩友没有明确的标准。

而且人工智能与过去的工具有本质的差异。以前的工具不过是工具，人类以最引以为傲的智能去操控它们，可是现在智能出现了强人工智能，刚才对方一直忽视的就是强人工智能，而一直在讲弱人工智能的利处。可是我们看问题要看全面啊，你怎么确定未来不会有强人工智能出现呢？你的依据在哪儿？对方怎么可以这么有把握地告诉我，人工智能的技术能够被我们一直牢牢地控制呢？对于异域可控性你有把握吗？

人工智能分为弱人工智能和强人工智能，而目前普及的都是弱人工智能，而对方刚才说的也都是弱人工智能。他们很厉害，直接否认了强人工智能的发展。所以我方坚决认为是弊大于利的。请对方回应我方问题。 正方4辩：谢谢主席，问候在座各位。首先对方辩友不用担心，我们也很认真，但对方辩友是不是不够认真。为什么？因为探索深海，探索地核，探索外太空等就是强人工智能，甚至更进一步，它有可能是超人工智能。看你说人类可以“上五天揽月，下九洋捉鳖”吗？当然不行，我方一直在谈强人工智能，为什么您方听不懂，我想您方对人工智能的定义都搞不清。您方说人工智能可能会有思想和情感。我告诉你为什么这是不可能。这是因为人工智能是建立在数学、统计学与逻辑学基础上，它是用神经元网络进行分析、学习、预测的一项本质的人工开发的程序与软件。人的自我意识并不是生来就有，更何况一个工具呢？

今天对方辩友说人工智能让我们丧失也很多选择的权利。对方结辩同学你也不用担心，你要是想扫大街人工智能也不会拦着你，你要是想种地人工智能也不会拦着你，可是我想探索这个星系呢，想知道这个世界更多的奥秘呢？我只有和人工智能在一起我才能做到这一些。所以人选择权利在这个过程中其实是被扩大了的，而不是被缩小了的。今天对方辩友说马斯洛需求被满足后人就无法实现自我价值，可是对方辩友您如今这么健康地坐着我面前，您的马斯洛需求的基本需求没有被满足吗？那么今天您在这里同我辩论，难道您的自我价值没有得到实现吗？基本需求的实现与人的自我价值的不可实现根本不具有对等性。这点在座所有人都应该有共同认知。正是因为我们不想做温水煮青蛙，不想被外星人占领，不想被黑暗森林占领，我们不想守着我们眼前的一亩三分地，所以人类才要谈发展。而且对方辩友整场辩论中似乎都很担心人类会被替代这个问题，可你们忽视了人本身。人类的角色不仅来自于方法论，更来自于世界观，所以人类是建立在一定的伦理道德、社会秩序的基础上去运转的，而人工智能只是机器，它根本不存在伦理道德的问题。

今天我们讨论这种利弊比较，其实就是人在思考价值的多少，这是人才独有的价值判断。就人工智能单纯追求效率这一个属性而言，它永远不可能替代人类。大千世界不止有逻辑和规律，更有情感和关怀。这个世界关于爱，关于人与人之间的温度，逻辑永远不能解决，而人工智能也永远不能替代。

人类与动物的本质区别是什么？历史知识考点都告诉我们在于人类对于工具的创造和使用。从刀耕火种到信息时代，从导弹核能到人工智能，我们每一个个体都在工具的使用中实现着对自我的突破和发展，我们创造了更多的价值才推动人类的发展。曾经“路漫漫其修远兮”，我们知道的事情很少，能做的事情很小，人类必须上下而求索。但人工智能的出现给我们提供了一种潜在的可能，接下我们现有的生存重任，去带领我们去探索未知世界。所以人类其实有了更多选择的权利和更大的自由，纵使任何新事物的产生都不可能完美，我方一直也在强调这点，人工智能也一定会有诸多弊端，但这些都是暂时的、可解决的，人工智能只是工具，我们一再强调是在人类道德基准范围内与人工智能一道实现对于工作种类上限的突破，从最大程度去解放人，从而推动人类的理性发展。“沉舟侧畔千帆过，病树前头万木春”，对方辩友，不要害怕，在技术的更新与进步中，人工智能对人类发展定是利多于弊。

反方四辩：我们为什么要辩这个辩题，不是为了争输赢，而是为了跳出来，跳出来审视一下这个时代正在发展的人工智能对我们的利、对我们的弊。难道说对方辩友举四个、举九个、举十一个利的例子，然后举一个弊的例子，就可以证明人工智能对人类发展是利大于弊的吗？可以吗？不可以。

我们先来审视一下这个东西。人工智能不仅仅是弱人工智能，它不是单纯的机器人，它未来可以有思想，可以有情感，如果你觉得它没有，你证明，如果你它不能证明，你连未来的事情都不知道，或者说你不知道它未来会发展到什么样子，你连一个工具它未来会发展成什么样子，或者说什么方向都不知道，太可悲了，我是很认真的。

为什么我们要辩人工智能，它现在是一个什么东西，它确确实实可以替代一些多重复、高劳力的一些简单的工作。那对方一辩说会促进社会发展，那人呢？你的父亲、你的母亲，我们大家，在座各位都不是被替代的人，所以我们可以很开心说出来他们代替那些多重复、低劳动力工作的岗位，但是那些被替代的人呢？而且这不是人与人之间的被替代，我有工业革命，你说没有关系，你有了新的司机，你可以开车，但是人工智能不一样，它代替了人之后，这个岗位对于人就彻底没有了，它拒绝了他，否定了人，人的价值在哪里？那些被代替的人，他们的价值在哪里？那我们呢？随着他们的发展，他们可以进一步代替越来越多的工作。而且确实现在的人工智能没有情感，但是人工智能越来越可以做很多很多跟人一样的事情，你可以把它当行为人，你会有情感的，你还会舍得让这些人去排爆吗？去下五洋捉鳖吗？去太空揽月吗？你舍得吗？

我们换一个点，我们讲它弊大于利，是因为我们承认它确实能促进经济发展，但这并不是对人。第一个点，它对隐私的破坏权，你有没有注意到，你的社会发展，你的生活中充斥着各种各样的人工智能，但你没有注意到，举个很简单的例子，网络浏览助手，它可以在线记录你的各种各样的喜欢的常去的网站，然后在下一秒你要输的时候跳出来，排个序，很开心，很人性化，你的技术也很智能化，很人性化，但是它会把这些数据传到远方的数据库里面去。但人工智能并不能智能地分别谁在使用这些数据，它仅仅是一个操控者。

我们可以再继续，它会动摇人的主体性地位，就是我们作为人的价值被它所替代。我们会失去我们的价值，是真真正正地失去。你譬如说它解放了人，把人从繁琐的劳动中解放了出来，你为什么不想一下，这个解放是我们愿意的解放吗？我们人之所以为人的根本是我们能够选择，选择我们不愿意或者愿意做的事情。但是人工智能它不一样，它代替了这个事情之后，这个选项就没有了，你不可主动选，以前我们可以主动选择，我可以不去扫大街，我可以不去看书，但是我可以去思考，我可以去做个选择。但人工智能普及以后呢？你只能选择去做一些文艺的工作，因为这些工作是人工智能所不能做的，也就是说你的价值、你的意义变成了我们只能做一些人工智能不能做的，我们人，人之所以为人不是这样的。很可怜。所以说人工智能对于世人，对我们主体性人，一定要动摇他的主体性地位，这才是它的弊端，这才是我们说它弊大于利的地方。

AI是一个技术，不是万金油，去思考如何打造好的产品，比思考如何AI更为重要。

换句话说，不应该只想着“我能做出来什么？”，而要去思索“这东西做出来有什么用？”，能不能解决真实的需求，而不是去强调产品的AI属性。

总之，AI技术在酝酿着一次变革，它或许是超级人工智能的觉醒，是大规模失业和产业升级，或是资本的吹捧下，另一个泡沫的膨胀。

AI仍处在阶段性的探索，有种种不完美，但这不能否定它未来的价值，它将带领我们，去探索技术的边界，临近人类智慧的终点。

与其担忧AI灭顶人类，更应该恐慌人性本身的阴暗面

人工智能发展的弊

科技的发展是一把双刃剑，汽车分发明颠覆了传统的马车行业，人工智能的发展同样也将颠覆许多行业。机器人代替了许多人类的工作将导致大量的人口失业，机器新的学习速度远远快于人类，阿尔法狗战胜李世石引起人们的恐慌，有人说不怕阿尔法狗战胜李世石，怕的是阿尔法够故意输掉一局，如果未来的某一天，机器人变成像电影《机械姬》中有意识的机器人，那么人类随时会变成机器人的奴隶，同时，人工智能面临着技术失控的危险，霍金曾发出警告，人类面临一个不确定的未来，先进的人工智能设备能够独立思考，并适应环境变化，它们未来或将成为导致人类灭亡的终结者！如果真的有一天，人工智能机器人变成了能独立思考，独立的做出准确的判断，一旦有一天人工智能反客为主，到时人工智能对于人类将会是毁灭性的灾难。甚至被人工智能消灭。地球将被人工智能统治。

任何的科学技术的发展最大的威胁就是失去人类的控制，人工智能亦是如此，无论人工智能如何发展，都必须保证始终受人类控制，在不伤害人类的情况下服务于人类。这样人类才会更加容易的接受人工智能。

人工智能改变了人们的生活，我们对人工智能应加以好的利用，同时要避免带来的弊端，人工智能与人类、与社会、与自然和谐相处，这样才能长远的发展。人工智能可以做什么？

以人为本，人工智能让生活更美好。不久前，央视播出的科技挑战节目《机智过人》第二季里，观众们看到了人工智能战胜各种“不可能”，看到了“以人为本，惠及民生”的大国智慧。无论是外骨骼机器人帮助高位截瘫女警站起来，还是脑控智能义肢助力断臂乡村教师圆“握手梦”，抑或是唇语识别等技术帮助聋哑儿童表达心愿，都让人感到人工智能解决痛点、提升生活品质的力量。

曾经，很多人认为人工智能是高精尖科技，与自己的生活关系不大。还有一些人对人工智能不屑一顾，认为人工智能技术尚在初级阶段，与人类的灵巧、智慧没法比，还需要很长时间才能达到媲美人类智慧的水平。

但是，随着“人机大战”轰动世界，阿尔法围棋（AlphaGo）战胜人类棋手，人们意识到，人工智能时代已经到来。《机智过人》第二季展示的项目，正是对人工智能广泛应用的浓缩。在教育、医疗、养老等领域，人工智能正在有效解决生活中的痛点，让生活更舒适、让人类更自由。

以人为本，也是国务院《新一代人工智能发展规划》（以下简称《规划》）的主题词之一：通过壮大智能产业、培育智能经济，落实以人民为中心的发展思想。

从农业时代到工业时代、信息时代，人类社会不断发展，持续用各种工具提高生产力、解放人力，人工智能时代亦是如此。可以预见，随着人工智能服务更精准化、更丰富多样，人们能够更便捷地享受到高质量的智能服务和个性化生活。一方面，当简单性、重复性、危险性任务越来越多地由人工智能完成，既能大幅提高生产效率、节省经营成本，助力产业转型升级，又能把人们从繁重的劳动中解放出来，去从事质量更高、创造性更强的工作，使个体创造力得到更大发挥。另一方面，人工智能的创新应用，将为公众提供更多个性化、多元化、高品质的服务。人们看到的、感触到的不再是冷冰冰的高科技物件，而是充满人性化的设计、极致安全的产品。比如，在医疗领域，人机协同的手术机器人、智能诊疗助手，人机协同临床智能诊疗方案，将使医疗更智慧、更惠民。再如养老领域，视听辅助、物理辅助等智能家居设备，将大大拓展老年人的活动空间；移动社交和服务平台、情感陪护助手等，将有效满足老年人的社交需求。

人工智能让“以人为本”有了更多实现方式，“以人为本”则是人工智能良性发展的基础所在。人工智能可能带来安全风险挑战，因此，人工智能法律法规、伦理规范和政策体系仍待完善。只有坚持以人为本，调动全社会参与支持人工智能发展的积极性，我们才能最大限度降低风险，确保人工智能安全、可靠、可控发展。特别是对人工智能产品研发设计人员而言，需要明晰道德规范和行为守则，设置好防火墙，应对人工智能的潜在危害。

既促进人工智能研发应用、最大限度发挥人工智能潜力，又聚合全社会之力，使人工智能健康发展——以《机智过人》为代表的科技类节目，大有可为，也责任在肩。

微软小冰”

是微软（亚洲）互联网工程院

基于2014年提出建立的情感计算框架，通过算法、云计算和大数据的综合运用，采用代际升级的方式，逐步形成向EQ方向发展的完整人工智能体系。

第17篇：人工智能理论

人工智能理论

模块化开发，划分层次模块，提出理论，论证理论是否可行，编码实现。 电影《异次元骇客》对计算机从业者的启发：

1、建造以三维数据(x,y,z)为基础的虚拟世界，并为每个点定义各种属性(x,y,z)(重量，连接性，等等)。。。。。单台电脑主机作为单个人工智能灵魂的运行载体，定义登录协议，在虚拟世界中穿行，磨练智慧。

2、建造人工智能硬件躯体，制定灵魂和躯体的对接协议，使单台主机中的灵魂很容易入住到硬件躯体中，这样就能实现灵魂和躯体两条线发展，灵魂工程师不需要懂太多动力学知识，硬件躯体工程师懂动力学的基础上，会嵌入式编程即可。

3、用sensor模拟出和虚拟世界相同的环境，例如视觉:用双目读取现实世界空间，构造三维空间供给运行在上面的智能，怕是灵魂都不知道运行在虚拟世界还是现实世界了。

建造虚拟世界需要实现的几大模块:

1、三维数据到二维数据的投影(就像在现实世界中的一个立方体，我们从任意角度去看它，也只能看到部分表面，总有部分被遮住)，目的是便于显示到我们现在所用的平面屏幕，可以很好的监督虚拟世界的状况，只要输入(x,y,z)边能以此点为视角点观看虚拟世界的状况。

2、码一个可以画三维数据云的软件，比如我们需要一个立方体，通过这个软件可以简易的画出三维数据云，描述了这个立方体的表面及其它数据，这样就能把这个立方体放到虚拟世界中去了。

3、规则解释器，在虚拟世界内部，这个立方体怎么被移动，能否被切割，等等。建造虚拟世界的意义:

1、可以debug人工智能，给人工智能一个超仿真的运动世界，已经发布的机器人想学习某种新的技能，可以登录到虚拟世界进行学习。

2、可用于其他商业目的，比如在里面开商店买衣服，三维的衣服要比图片更能反映现实中衣服的特性。

此文章主要讲述了，人工智能开发的大致框架，后续会发布，如何让人工智能理解自然语言，人工智能视觉的开发，感觉、嗅觉、以及如何用逻辑构造拥有思考力的机器。 （如果你也是人工智能爱好者，欢迎加入我们，QQ群: 345018918）

第18篇：人工智能导论

《人工智能导论》课程教学大纲

课程标号：学时：32学分：2

先修课程：《计算机原理及应用》、《数据结构》、《计算机控制技术》、

一． 课程性质与目的

本课程是自动化专业的选修课。本门课程的任务是使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，领悟到智能理论发展历程中所包含的深刻的科学逻辑和方法论。启发学生对人工智能的兴趣。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。

二． 教学内容和要求

1.人工智能概述，包括人工智能的定义，人工智能的起源与发展，人工智能的研究和应用领域。

2.概括地论述知识表示的各种主要方法，包括状态空间法、问题归约法、谓词逻辑法、结构化表示法（语义网络法、框架）、剧本和过程等。

3.讨论常用搜索原理，如盲目搜索、启发式搜索和消解原理等。

4.讨论一些比较高级的推理求解技术，有规则演绎系统、系统组织技术、不确定性推理和非单调推理等。

5.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经网络、模糊逻辑、遗传算法等。

6.比较详细地讨论人工智能的主要应用，包括专家系统、机器学习、Agent、自然语言理解和智能控制等。对于应用内容，根据学时，有选择地进行讲授。

7.简要讲述人工智能语言，有Lisp语言和Prolog语言。（根据学时需要决定是否讲授。）

三． 教材和参考资料

教材：1.蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。

参考资料：廉师友.人工智能技术导论, 第二版.西安电子科技大学出版社, 2002 ；

沟口理一郎、石田 亨，人工智能，科学出版社，2003

第19篇：人工智能观后感

《人工智能》观后感

看完这部电影后，我的感触颇深。不仅是为人类在人工智能方面的伟大的研究所折服，更是因为那让我眼睛湿湿的机器人与人类之间的爱，不禁让我产生过“它们还是机器人吗？”这样的想法。

人工智能一直处于计算机技术的最前沿，它是研究、开发用于模拟、延伸人工智能的理论、方法、技术及应用系统的一门新的技术科学。就像在影片中David的出现主要是为了填补将要崩溃的母亲Monica心中对身患绝症的儿子的空白一样，人工智能不仅仅能满足人类物质生活上的需求，在未来的发展过程中，更有可能像影片中一样，帮助人们填补情感上的空缺。

但是我认为未来智能信息处理对人类生活的影响必然是有利有弊的。

有利的一方面是很明显的，正如现在我们现在运用在空间站及军事领域的一些成果，它可以帮助我们去勘探未知星球，把精准的数据传递回来，供人类研究，避免人类探测所造成的不必要的损失。在军事上，人工智能能大大增强一个国家的军事战斗力量，减少不必要的人员伤亡，同时，高科技以及人工智能的应用能够最大程度地缩短战斗时间。在人类的生活方面，以人工智能为代表的机器人能代替人做日常生活的琐事，使人的生活更舒适，安逸。就像是电影里的David，他甚至可以代替真正的孩子安抚人们受伤的心，给人一个新的开始。 弊的方面也很突出，正如我们所看到的电影中的情节一样，人们会担心我们自己生产出来的机器人会不会随着智能水平的提高而反过来统治我们。好像机器人的出现就是为了最终的消失，我会想机器人会活多少年，人又会活多少年，机器人会越来越多，而人却会生老病死，就像电影中一样，大批量的机器人被生产，然后被送到屠宰场，如果智能的机器人不满足自己的命运，我们又该怎么办？人性本来就有弱点，或者说人类是懒惰的，我们会不会懒到不去清理自己的“杰作”。一切又将是灾难。

另外，难道人类不会害怕，智能机的智能逐步提高，会不会有那么一天，智能机会像拍死一只蚊子一样拍死一个人。雨果在一个访谈上说，不会，因为人类会有公约，我也想问，法律对于任何人来说都不陌生，但是犯罪不一样存在吗？公约可以管得住人类那贪图利益的心吗?智能机器人所带来的道德问题也不容忽视，当我看到成批量的David挂在架子上的时候，禁不住毛骨悚然，怪不得David会动手宰了那个一摸一样的自己。还有，人类竟然会腐败到制造机器人情人，来满足自身的肉欲，试问有几人能接受这般道德的沦丧？我在上面提到，他会增强军事力量，但是这种力量一旦被拉登一样的恐怖分子利用，又会有怎样的后果？这都值得我们思考„

《人工智能》带给我们的不仅仅是视觉的冲击，更是心灵的震撼。人工智能，就想条变色龙，他的利与弊取决于我们给他的环境。科技本身并没有对与错，关键在于人类给他一个什么样的地位。让我们慎重行事，别让自己创造出的“孩子”最后伤了自己。是该怪“孩子”不孝，还是怪我们自己无能？

第20篇：人工智能论文

人工智能论文

摘要：本文主要讲述了《人工智能及其应用》的主要知识内容！总结与本书知识单元相关的主要内容、理论基础、代表性成果及方法。并以书中知识为基础，查阅资料，浅谈人工智能在自动化技术中的应用！

关键字：人工智能;自动化

《人工智能及其应用》主要内容

人工智能（Artificial Intelligence，AI）是当前科学技术发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。

它是在计算机科学，控制论，信息论，神经心理学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科。

它的出现及所取得的成就引起了人们的高度重视，并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。《人工智能及其应用》一书主要介绍人工智能问题求解的一般性原理和基本思想，为学生提供最基本的人工智能技术和有关问题的入门性知识。

人工智能研究的基本内容有：知识表示机器感知、机器思维、机器学习、机器行为 。其研究途径存有:以符号处理为核心的方法，其主张通过运用计算机科学的方法进行研究，实现人工智能在计算机的模拟。目前人工智能的大部分研究成果都是基于前者方法实现的。还有一种是以网络连接为主的连接机制方法。主张用生物学的方法进行研究，搞清楚人类智能的本质.该方法在模式识别、图像信息压缩等方面取得了一些研究成果。

人工智能的主要研究领域有：自动定理证明和博弈、模式识别、专家系统、机器人、机器视觉、自然语言理解、自动程序设计、智能信息检索、数据挖掘与知识发现、组合优化问题、人工神经网络、分布式人工智能、智能管理与智能决策、智能控制、智能仿真、智能CAD、智能CAI、智能操作系统、智能多媒体系统智能计算机系统、智能通信、智能网络系统。人工智能研究搏奕的目的并不是为了让计算基于人进行下棋、打牌之类的游戏，而是通过对搏奕研究来检验某些人工智能技术是否达到对人类智能的模拟，因为搏奕是一种智能性很强的竞争活动。

知识表示

知识是智能的基础。为了使计算机具有智能，使它能模拟人类的智能行为，就必须使它具有知识。但知识是需要用适当的模式表示出来才能存储到计算机中去的，故许多人研究知识的表示方法！

知识的表示方法有：一阶谓词逻辑表示法、产生式表示法、框架表示法、语义网络表示法。一阶谓词逻辑表示法多应用于自动问答系统（例如Green等人研制的QA3系统 ）、机器人行动规划系统（Fikes等人研制的STRIPS系统）、机器博弈系统（Filman等人研制的FOL系统）、问题求解系统（Kowalski等设计的PS系统）。语义网络表示法的应用也很广泛,例如Walker 研制的自然语言理解系统，Garbonell 研制的回答地理问题的教学系统，Mytopoulous 研制的自然语言理解系统，Simmon 研制的自然语言理解系统，Hays研制的描写概念的系统。一般把把一组产生式放在一起，让它们相互配合、协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解，形成一个产生式

系统。动物识别系统就是利用产生式系统做成！

推理

推理是人脑的基本功能，推理也是人工智能的重要内容！

在人工智能中，认为推理是从已知事实（证据）出发，通过运用相关知识逐步推出结论或者证明某个假设成立或不成立的一个思维过程。其推理方法有确定性推理和不确定推理等。确定性推理方式分为演绎推理、归纳推理、默认推理。分为自然演绎推理 和归结演绎推理！且归结演绎推理一般应用谓词公式化为子句集的方法 ，应用海伯伦定理 和鲁宾逊归结原理，以及应用归结反演求解问题。其推理的方向分为正向推理、反向推理、正反向混合推理、双向推理。其冲突消解策略有按针对性排序、按已知事实的新鲜性排序、按匹配度排序、按条件个数排序、按上下文限制排序、按冗余限制排序、根据领域问题的特点排序。AI 的研究对象,大多具有不确定性。大多用不确定性推理法。

人工智能定义不确定性推理为从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的一种思维过程。不确定性推理方法有概率方法、经典概率方法、逆概率方法主观Bayes方法、可信度方法、证据理论、模糊推理方法。

搜索求解策略

搜索是问题求解的核心技术！

搜索求解策略分为盲目的图搜索和启发式图搜索策略，以及与/或图搜索策略。盲目的图搜索策略有分为回溯策略、宽度优先搜索策略、深度优先搜索策略。搜索方向分为双向搜索、盲目搜索与启发式搜索。

自动化

自动化是研究与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发以及电子与计算机应用等领域的一门学科。实现机械的自动化,让机械部份脱离人类的直接控制和操作自动实现某些过程是自动化和人工智能研究的交汇点。积极运用人工智能的知识。

自动化设备和机器的关键就在于反馈的存在，正是有了他的存在，才使自动化成为可能。反馈就是自动化的奥妙所在。

如今自动化的前沿技术有：模糊控制、最优控制、自适应控制、鲁棒控制、线性控制理论纵横、PID控制、预测控制、故障诊断、专家系统、推理控制、集散控制系统（DCS）、人工智能。

人工智能在故障诊断中的应用

人工智能在故障诊断中的应用。随着现代科学技术的发展，故障诊断技术和方法也不断推陈出新，正走向智能化阶段。人工智能的发展为故障诊断提供了智能化的诊断方法．故障诊断专家系统不仅在理论上得到了相当大的发展．人工神经网络的研究也进入到了故障诊断领域，并大力发展，并已在许多实际系统中得到了很好的应用。此外．模糊理论、模糊逻辑系统也已经应用到故障诊断领域，并且与人工神经网络和专家系统互相结合，突显出其独特的优势，成为一种很有价值的故障诊断方法。

人工智能在电力系统运行控制中的应用

因为人工智能技术(AI)广泛应用于求解非线性问题中,在电力系统的控制、管理、运行等领域发挥着重要的作用。专家系统、人工神经网络、模糊集理论和启发式搜索等人工智能技术在电力系统中被广泛应用！

人工智能在智能传感器领域的应用

人工智能也广泛应用于智能传感器领域。大家都知道传感器在自动化信息系统中的重要性不言而喻 ,它的特性的好坏、输出信息的可靠性对整个系统的质量至关重要。结合人工智能的四个分支 :模糊逻辑、人工神经网络、专家系统、遗传算法而广泛应用传感器领域。并而人类在人工智能方面取得的进展为人工智能与传感器技术的结合。造就了许多新型智能传感器的出现！

人工智能在电气传动中的运用

人工智能在电气传动中也被广泛运用。智能技术在电气传动技术中占相当重要的地位，特别是自适应模糊神经元控制器在性能传动产品中得到广泛应用。电气自动化控制是增强生产、流通、交换、分配等关键一环,实现自动化,就等于减少了人力资本投入,并提高了运作的效率。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。随着现代控制理论的发展，控制器设计的常规技术正逐渐被广泛使用的人工智能软件技术所替代。

自动化技术在各行各业中被广泛应用！例如自动化技术在工业中的应用：自动化的制造业、电力系统自动化、建筑自动化、交通运输自动化、信息自动化、自动无极限。自动化技术在军事中的应用：新型自动化武器，军事指挥自动化。自动化在生活中的应用更是比比皆是！总而言之，自动化技术结合人工智能让我们的生活越来越美好！

参考文献

[1]:王万良《人工智能及其应用》（第2版）高等教育出版社，2008.6

《人工智能调研报告.doc》

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档