第1章 緒論

人工智能（AI，Artificial Intelligence）是當(dāng)前科學(xué)技術(shù)中的一門(mén)前沿學(xué)科。作為計(jì)算機(jī)科學(xué)的一個(gè)分支，它的研究不僅涉及計(jì)算機(jī)科學(xué)，還涉及腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、語(yǔ)言學(xué)、邏輯學(xué)、認(rèn)知科學(xué)、行為科學(xué)、生命科學(xué)和數(shù)學(xué)，以及信息論、控制論和系統(tǒng)論等許多科學(xué)領(lǐng)域。

1.1 人工智能的基本概念

1.1.1 人工智能的哲學(xué)思考

1. 怎樣才能說(shuō)機(jī)器具有了智能

1950年，英國(guó)數(shù)學(xué)家圖靈（A.M.Turing）設(shè)計(jì)了一個(gè)實(shí)驗(yàn)，來(lái)驗(yàn)證計(jì)算機(jī)是否具有人的智能，即稱(chēng)為“圖靈測(cè)驗(yàn)（Turing Testing）”。該實(shí)驗(yàn)首先讓兩個(gè)人和一臺(tái)計(jì)算機(jī)分別處于三個(gè)不同的房間，且互相看不到。其中一個(gè)人扮演訊問(wèn)者，剩余兩者分別稱(chēng)為主體A和主體B。實(shí)驗(yàn)的目的就是通過(guò)訊問(wèn)者向主體A和主體B訊問(wèn)來(lái)確定哪一個(gè)房間的主體是計(jì)算機(jī)。實(shí)驗(yàn)開(kāi)始時(shí)，訊問(wèn)者并不知道哪一個(gè)房間的主體是計(jì)算機(jī)，三者都通過(guò)鍵盤(pán)和屏幕進(jìn)行交流。訊問(wèn)者可以提出任何形式的問(wèn)題，而計(jì)算機(jī)可以設(shè)法隱瞞它的身份。這種測(cè)試重復(fù)多次，每次用不同的志愿者取代這兩個(gè)人。如果全部測(cè)試之后，正確識(shí)別出計(jì)算機(jī)的次數(shù)不明顯大于隨機(jī)猜測(cè)50%的次數(shù)，則認(rèn)為這臺(tái)計(jì)算機(jī)具有了智能。也就是說(shuō)，如果一臺(tái)計(jì)算機(jī)的表現(xiàn)和反應(yīng)，以及相互作用，都與有意識(shí)的人類(lèi)個(gè)體一樣，那么它就應(yīng)該被認(rèn)為是有意識(shí)的，即具有了智能。

2. “中國(guó)屋”思想實(shí)驗(yàn)

20世紀(jì)80年代，美國(guó)哲學(xué)家塞爾（J.R.Searle）針對(duì)“圖靈測(cè)驗(yàn)”，提出了“中國(guó)屋”的思想實(shí)驗(yàn)（Chinese Room Experiment）進(jìn)行反駁。塞爾想象自己被鎖在一個(gè)有兩個(gè)窗口的屋子里，這兩個(gè)窗口分別是I和O，其中窗口I送入紙張，窗口O送出紙張。送入的紙張上面有很復(fù)雜的記號(hào)，用于代表一定的意義。在屋子里面有一堆翻譯手冊(cè)，可以查到每個(gè)記號(hào)所代表的意思，從而能夠獲知整個(gè)紙張所代表的意義；他然后根據(jù)其意義，可以做出正確的回答，并把這些回答再翻譯成記號(hào)；最后通過(guò)窗口O把寫(xiě)有這些記號(hào)的回答送出，而原來(lái)送入的紙張仍留在屋子里。

現(xiàn)在假定這些記號(hào)就是中國(guó)字。由I窗口進(jìn)入的是問(wèn)題，而送到O窗口的則是對(duì)這些問(wèn)題的正確答案。這一情形就像計(jì)算機(jī)里面的設(shè)置，通過(guò)一堆操縱于符號(hào)的規(guī)則（程序）對(duì)由輸入窗口進(jìn)入的符號(hào)做出反應(yīng)，并通過(guò)輸出窗口給出某些符號(hào)。那么在通過(guò)“圖靈測(cè)驗(yàn)”情況下，屋子外面說(shuō)中文的人可能以為他們是在與屋子里一個(gè)懂中文的人對(duì)話。但實(shí)際上屋子里的那個(gè)人并不懂中文，只是根據(jù)符號(hào)的形式（形態(tài)）來(lái)操縱符號(hào)，機(jī)械地進(jìn)行符號(hào)轉(zhuǎn)換工作。

根據(jù)“中國(guó)屋”的思想實(shí)驗(yàn)，塞爾認(rèn)為，即使計(jì)算機(jī)給出正確的答案，順利通過(guò)了圖靈測(cè)驗(yàn)，計(jì)算機(jī)也沒(méi)有理解它所做的一切，因此也就不能體現(xiàn)出任何智能。這一哲學(xué)論證自提出以來(lái)，一直被認(rèn)為是對(duì)人工智能最有力的批評(píng)。

3. 人類(lèi)能造出比自己聰明的機(jī)器嗎

當(dāng)前人工智能研究的期望目標(biāo)是開(kāi)發(fā)出具有人類(lèi)意識(shí)和能力的機(jī)器，那么它將具有與人類(lèi)相似的智能，甚至可能擁有更高的智能。如果機(jī)器的智能可以短時(shí)間內(nèi)達(dá)到或超過(guò)人類(lèi)，那么意義就非常重大。機(jī)器能夠達(dá)到的智能極限是無(wú)法預(yù)測(cè)的，但有一點(diǎn)可以肯定，那就是機(jī)器的智能一定會(huì)不同于人類(lèi)的智能。機(jī)器和人一樣都是歷史進(jìn)化的產(chǎn)物，而人的發(fā)展史是為了滿(mǎn)足他的生理和心理需求。原則上，沒(méi)有人類(lèi)特性或沒(méi)有生物特征，沒(méi)有生死的東西是沒(méi)有這種需求的。

4. 人工智能就是模擬人類(lèi)的智能嗎

人工智能有時(shí)就是模擬人類(lèi)的智能，但并不總是，或者說(shuō)，往往不是。一方面，我們可以通過(guò)觀察人類(lèi)在解決問(wèn)題時(shí)的方式來(lái)對(duì)智能有所了解；另一方面，人工智能中的大量成果不是通過(guò)研究人或動(dòng)物的活動(dòng)，而是通過(guò)直接研究需要智能解決的各種問(wèn)題得到的。人工智能研究者可以自由地采用人類(lèi)所沒(méi)有使用的方法和超出人類(lèi)的計(jì)算能力。

1.1.2 人工智能的定義

人工智能這個(gè)詞看起來(lái)似乎一目了然，人制造的智能，但是要給人工智能這個(gè)科學(xué)名詞下一個(gè)準(zhǔn)確的定義卻很困難。

智能是個(gè)體有目的的行為、合理的思維以及有效的適應(yīng)環(huán)境的綜合性能力。通俗地講，智能是個(gè)體認(rèn)識(shí)客觀事物和運(yùn)用知識(shí)解決問(wèn)題的能力。人類(lèi)個(gè)體的智能是一種綜合性能力，具體講，可以包括感知和認(rèn)識(shí)客觀事物、客觀世界以及自我的能力；通過(guò)學(xué)習(xí)取得經(jīng)驗(yàn)和積累知識(shí)的能力；理解知識(shí)、運(yùn)用知識(shí)及經(jīng)驗(yàn)分析問(wèn)題和解決問(wèn)題的能力；聯(lián)想、推理、判斷和決策的能力；運(yùn)用語(yǔ)言進(jìn)行抽象和概括的能力；發(fā)現(xiàn)、發(fā)明、創(chuàng)造和創(chuàng)新的能力；實(shí)時(shí)地、迅速地和合理地應(yīng)付復(fù)雜環(huán)境的能力；預(yù)測(cè)和洞察事物發(fā)展變化的能力等。特別指出智能是相對(duì)的、發(fā)展的，如果離開(kāi)特定時(shí)間說(shuō)智能是困難的、沒(méi)有意義的。

人工智能是相對(duì)于人的自然智能而言的，即通過(guò)人工的方法和技術(shù)，研制智能機(jī)器或智能系統(tǒng)來(lái)模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)智能行為和“機(jī)器思維”活動(dòng)，解決需要人類(lèi)專(zhuān)家才能處理的問(wèn)題。人工智能是人工制品（artifact）中所涉及的智能行為。其中，智能行為包括：感知（perception）、推理（reasoning）、學(xué)習(xí)（learning）、通信（communicating）和復(fù)雜環(huán)境下的動(dòng)作行為（acting）。作為一門(mén)學(xué)科，人工智能研究智能行為的計(jì)算模型，研制具有感知、推理、學(xué)習(xí)、聯(lián)想和決策等思維活動(dòng)的計(jì)算系統(tǒng)。從本質(zhì)上講，人工智能是研究怎樣讓計(jì)算機(jī)模仿人腦從事推理、規(guī)劃、設(shè)計(jì)、思考和學(xué)習(xí)等思維活動(dòng)，解決需要人類(lèi)的智能才能處理的復(fù)雜問(wèn)題。簡(jiǎn)單地講，人工智能就是由計(jì)算機(jī)來(lái)表示和執(zhí)行人類(lèi)的智能活動(dòng)。

1.1.3 人工智能的研究目標(biāo)

人工智能是信息描述和信息處理的復(fù)雜過(guò)程，實(shí)現(xiàn)人工智能是一項(xiàng)艱巨的任務(wù)。盡管如此，這門(mén)學(xué)科還是引起了許多科學(xué)和技術(shù)工作者的濃厚興趣，特別是在計(jì)算機(jī)技術(shù)飛速發(fā)展和計(jì)算機(jī)應(yīng)用日益普及的情況下，許多學(xué)者認(rèn)為實(shí)現(xiàn)人工智能的手段已經(jīng)具備，人工智能已經(jīng)開(kāi)始走向?qū)嵺`。

人工智能研究的遠(yuǎn)期目標(biāo)是建立信息處理的智能理論，制造智能機(jī)器。智能機(jī)器是指能夠在各類(lèi)環(huán)境中自主地或交互地執(zhí)行各種擬人任務(wù)，與人的智力相當(dāng)或相近的機(jī)器。具體地講，這就要求使計(jì)算機(jī)能夠理解人類(lèi)語(yǔ)言，并能夠進(jìn)行學(xué)習(xí)和推理。人工智能研究的近期目標(biāo)是解決制造智能機(jī)器或智能系統(tǒng)相關(guān)原理和技術(shù)問(wèn)題，以實(shí)現(xiàn)部分智能。

現(xiàn)實(shí)生活中有很多人工智能的事例，如洗衣機(jī)的模糊控制功能，模仿人的感覺(jué)、思維，通過(guò)傳感器判斷衣物重量、布質(zhì)和狀態(tài)，決定洗衣粉量、水位和洗滌方式/時(shí)間。

1.2 人工智能的發(fā)展簡(jiǎn)史

人工智能學(xué)科誕生至今已有近50年的歷史，這期間人工智能的發(fā)展既取得過(guò)很多重大的成果，也遭受過(guò)巨大的挫折。

1. 第一階段——孕育期（1956年以前）

人工智能不僅與對(duì)人思維的研究直接相關(guān)，而且與許多其他學(xué)科領(lǐng)域關(guān)系密切。因此說(shuō)到人工智能的歷史，應(yīng)當(dāng)上溯到歷史上一些偉大的科學(xué)家和思想家所做的貢獻(xiàn)，他們?yōu)槿斯ぶ悄艿难芯糠e累了充分的條件和基礎(chǔ)理論。

公元前，古希臘哲學(xué)家亞里士多德（Aristotle）建立了第一個(gè)演繹推理的公理系統(tǒng)，創(chuàng)立了古典形式邏輯。他在其著作《工具論》中，給出了形式邏輯的一些基本規(guī)律，如矛盾律、排中律，并且實(shí)際上已經(jīng)提到了同一律和充足理由律，其中的“三段論”至今仍是演繹推理的基本依據(jù)。

17世紀(jì)，英國(guó)哲學(xué)家和自然科學(xué)家培根（F.Bacon）系統(tǒng)地提出了古典歸納推理，使之與Aristotle的演繹推理成為相輔相成的思維法則。此外，他強(qiáng)調(diào)了知識(shí)的重要作用，其思想對(duì)于研究人類(lèi)思維過(guò)程，以及自20世紀(jì)70年代人工智能轉(zhuǎn)向以知識(shí)為中心的研究都產(chǎn)生了重要的影響。

17世紀(jì)，德國(guó)數(shù)學(xué)家萊布尼茨（G.W.Leibniz）提出了數(shù)理邏輯的基本思想，即把形式邏輯符號(hào)化，以此基礎(chǔ)建立一種邏輯演算，從而實(shí)現(xiàn)對(duì)人的思維進(jìn)行運(yùn)算和推理。

1642年，法國(guó)物理學(xué)家和數(shù)學(xué)家帕斯卡（B.Pascal）發(fā)明了世界上第一臺(tái)會(huì)演算的機(jī)械加法機(jī)。Leibniz于1673年在這臺(tái)加法機(jī)的基礎(chǔ)上發(fā)展并制成了可進(jìn)行四則運(yùn)算的計(jì)算器。

1832年，英國(guó)數(shù)學(xué)家巴比奇（C.Babbage）制成可用來(lái)計(jì)算簡(jiǎn)單數(shù)學(xué)表的差分機(jī)，并提出分析機(jī)（能自動(dòng)完成各種類(lèi)型數(shù)字計(jì)算）的設(shè)計(jì)思想。

19世紀(jì)中葉，英國(guó)數(shù)學(xué)家布爾（G.Boole）初步實(shí)現(xiàn)了Leibniz的數(shù)理邏輯思想。他提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)，用符號(hào)語(yǔ)言描述了思維活動(dòng)的基本推理法則，從而建立并發(fā)展了命題邏輯。

1879年，德國(guó)邏輯學(xué)家費(fèi)雷治（G.Frege）提出用機(jī)械推理的符號(hào)表示系統(tǒng)，發(fā)明了謂詞邏輯。

1930年，奧地利數(shù)學(xué)家歌德?tīng)枺↘.Godel）證明了一階謂詞的完備性定理。1931 年，他又證明了兩條不完備性定理：第一條是，任何包含初等數(shù)論的形式系統(tǒng)，如果它是無(wú)矛盾的，那么一定是不完備的；第二條是，如果某個(gè)形式系統(tǒng)是無(wú)矛盾的，那么這種無(wú)矛盾性一定不能在本系統(tǒng)中得到證明。其研究成果的意義在于提出了人的思維形式化和機(jī)械化的某些極限，在理論上證明了有些事情是做不到的，即形式邏輯分析不能用來(lái)解決認(rèn)識(shí)中所有出現(xiàn)的矛盾。

1936年，英國(guó)數(shù)學(xué)家Turing提出了一種理想計(jì)算機(jī)的數(shù)學(xué)模型（圖靈機(jī)），這為電子計(jì)算機(jī)的構(gòu)建提供了理論根據(jù)。在1950年，他還提出了著名的“圖靈測(cè)驗(yàn)”，給智能的標(biāo)準(zhǔn)提供了明確的定義。

1943年，美國(guó)神經(jīng)生理學(xué)家麥卡洛（W.McCulloch）和數(shù)理邏輯學(xué)家匹茨（W.Pitts）提出了第一個(gè)神經(jīng)元的數(shù)學(xué)模型（M-P模型），開(kāi)創(chuàng)了神經(jīng)科學(xué)研究的新時(shí)代。

1945年，美籍匈牙利數(shù)學(xué)家馮·諾伊曼（J.V.Neumann）提出了以二進(jìn)制和程序存儲(chǔ)控制為核心的通用電子數(shù)字計(jì)算機(jī)體系結(jié)構(gòu)原理，奠定了現(xiàn)代電子計(jì)算機(jī)體系結(jié)構(gòu)的基礎(chǔ)。

1946年，美國(guó)數(shù)學(xué)家莫克利（J.W.Mauchly）和埃克特（J.P.Eckert）研制成功了世界上第一臺(tái)通用電子數(shù)字計(jì)算機(jī)ENIAC（Electronic Numerical Integrator And Calculator）。

1949年，加拿大心理學(xué)家赫布（D.O.Hebb）提出了關(guān)于神經(jīng)元連接強(qiáng)度的Hebb規(guī)則，即當(dāng)相互連接的兩個(gè)神經(jīng)元都處于興奮狀態(tài)時(shí)，它們的連接強(qiáng)度將增強(qiáng)。Hebb學(xué)習(xí)規(guī)則為人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究奠定了基礎(chǔ)。

2. 第二階段——人工智能基礎(chǔ)技術(shù)的研究和形成（1956—1970年）

1956年夏，美國(guó)的達(dá)特茅斯（Dartmouth）大學(xué)的麥卡錫（J.McCarthy）、哈佛大學(xué)的明斯基（M.Minsky）、IBM公司的羅徹斯特（N.Lochester）和貝爾實(shí)驗(yàn)室的香農(nóng)（E.Shannon）四人共同發(fā)起，邀請(qǐng) IBM 公司的摩爾（T.More）和塞繆爾（A.Samuel）、麻省理工學(xué)院的塞弗里奇（O.Selfridge）和門(mén)羅索夫（R.Solomonff）、卡內(nèi)基 -梅隆大學(xué)的西蒙（H.Simon）和紐厄爾（A.Newell）等人參加學(xué)術(shù)討論班，在一起共同學(xué)習(xí)和探討用機(jī)器模擬智能的各種問(wèn)題。Minsky構(gòu)建的第一個(gè)神經(jīng)元網(wǎng)絡(luò)模擬器SNARC（Stochastic Neural-Analog Reinforcement Computer）、McCarthy的α-β搜索法，以及Simon和Newell的邏輯理論家程序（Logic Theorist）成為在這次研討會(huì)上的三個(gè)亮點(diǎn)。經(jīng)McCarthy提議，決定使用“人工智能”一詞來(lái)概括這個(gè)研究方向。這次具有歷史意義的會(huì)議標(biāo)志著人工智能這個(gè)學(xué)科的正式誕生，McCarthy也由此被稱(chēng)為“人工智能之父”。

1956年，Newell和Simon等人編寫(xiě)的程序Logic Theorist證明了羅素（B.Russell）和懷特海（A.N.Whitehead）的數(shù)學(xué)名著《數(shù)學(xué)原理》中第二章的三十八條定理，又于1963年證明了該章中的全部五十二條定理。他們的成果使人工智能研究走上以計(jì)算機(jī)程序來(lái)模擬人類(lèi)思維的道路，第一次把求解方法和問(wèn)題的領(lǐng)域知識(shí)分離開(kāi)。在相同的研究途徑下，Selfridge編制了字符識(shí)別程序、Samuel研制了跳棋程序。Samuel的跳棋程序具有學(xué)習(xí)功能，在1959 和1962 年分別打敗了Samuel本人和美國(guó)一個(gè)州的跳棋冠軍。

1957年，Simon、Newell和肖（J.C.Shaw）合作開(kāi)發(fā)了表處理語(yǔ)言IPL（Information Processing Language），這是歷史上第一個(gè)人工智能程序設(shè)計(jì)語(yǔ)言。該程序設(shè)計(jì)語(yǔ)言的基本元素是符號(hào)，并首次引入了表處理方法。同年，羅森勃拉特（F.Rosenblatt）提出著名的感知機(jī)（Perceptron）模型，試圖模擬人腦感知能力和學(xué)習(xí)能力。該模型是第一個(gè)完整的人工神經(jīng)網(wǎng)絡(luò)，也是第一次將人工神經(jīng)網(wǎng)絡(luò)研究付諸于工程實(shí)現(xiàn)。

1958年，美籍邏輯學(xué)家王浩在自動(dòng)定理證明中取得重要的進(jìn)展。他的程序在IBM-704計(jì)算機(jī)上用不到5分鐘的時(shí)間證明了《數(shù)學(xué)原理》中“命題演算”的全部220條定理。1959年，王浩的改進(jìn)程序用8.4 分鐘證明了上述220 條定理及謂詞演算的絕大部分定理。在這一年， Minsky和McCarthy在麻省理工學(xué)院創(chuàng)建世界上第一個(gè)人工智能實(shí)驗(yàn)室。

1959年，Mccarthy開(kāi)發(fā)出了著名表處理語(yǔ)言LISP（List Processor）。LISP語(yǔ)言是函數(shù)式符號(hào)處理語(yǔ)言，其程序由一些函數(shù)子程序組成。LISP語(yǔ)言自發(fā)明以來(lái)廣泛用于數(shù)學(xué)中符號(hào)微積分計(jì)算、定理證明、謂詞演算、博弈論等領(lǐng)域。同年，IBM公司的格倫特爾（H.Gelernter）研制出平面幾何證明程序。

1960年，Simon、Newell和Shaw又一次合作開(kāi)發(fā)了通用問(wèn)題求解系統(tǒng)GPS（General Problem Solver）。GPS是根據(jù)人在解題中的共同思維規(guī)律編制而成的，可解11 種不同類(lèi)型的問(wèn)題，從而使啟發(fā)式程序有了更普遍的意義。

1962年，美國(guó)工程師威德羅（B.Windrow）和霍夫（E.Hoff）提出了自適應(yīng)線性單元ADA-LINE（Adaptive linear element）。它可用于自適應(yīng)濾波、預(yù)測(cè)和模式識(shí)別，從而掀起了人工神經(jīng)網(wǎng)絡(luò)研究的第一次高潮。

1965年，羅伯特（L.G.Roberts）編制了可以分辨積木構(gòu)造的程序，開(kāi)創(chuàng)了計(jì)算機(jī)視覺(jué)的新領(lǐng)域。同年，美國(guó)數(shù)理邏輯學(xué)家魯賓遜（J.A.Robinson）提出了與傳統(tǒng)演繹法完全不同的消解法（也稱(chēng)歸結(jié)原理），掀起了研究計(jì)算機(jī)定理證明的又一高潮。

1968年，美國(guó)斯坦福大學(xué)教授費(fèi)根鮑姆（E.Feigenbaum）主持開(kāi)發(fā)出世界上第一個(gè)化學(xué)分析專(zhuān)家系統(tǒng) DENDRAL，開(kāi)創(chuàng)了以知識(shí)為基礎(chǔ)的專(zhuān)家咨詢(xún)系統(tǒng)研究領(lǐng)域。同年，奎廉（J.R.Quillian）提出了語(yǔ)義網(wǎng)絡(luò)的知識(shí)表示方法，試圖解決記憶的心理學(xué)模型，后來(lái)Simon等人將語(yǔ)義網(wǎng)絡(luò)應(yīng)用于自然語(yǔ)言理解方面取得了很大的成效。

1969年，Minsky出版了《感知機(jī)》一書(shū)，該書(shū)對(duì)感知機(jī)進(jìn)行了深入分析，并且從數(shù)學(xué)上證明了這種簡(jiǎn)單人工神經(jīng)元網(wǎng)絡(luò)功能的局限性，即感知機(jī)只能解決一階謂詞邏輯問(wèn)題，不能解決高階謂詞問(wèn)題。同時(shí)，還發(fā)現(xiàn)有許多模式是不能用單層網(wǎng)絡(luò)訓(xùn)練的，而多層網(wǎng)絡(luò)是否可行還很值得懷疑。因此，人工神經(jīng)網(wǎng)絡(luò)的研究由此進(jìn)入低潮時(shí)期，而專(zhuān)家系統(tǒng)的研究進(jìn)入高潮。

3. 第三階段——發(fā)展和實(shí)用化階段（1971—1980年）

人工智能開(kāi)始從理論走向?qū)嵺`，解決了一些實(shí)際問(wèn)題，同時(shí)也很快就發(fā)現(xiàn)了一些問(wèn)題，如消解法費(fèi)時(shí)、下棋贏不了全國(guó)冠軍、機(jī)器翻譯一團(tuán)糟等。此時(shí)，以Feigenbaum為首的一批年輕科學(xué)家改變了人工智能研究的戰(zhàn)略思想，開(kāi)展了以知識(shí)為基礎(chǔ)的專(zhuān)家咨詢(xún)系統(tǒng)的研究與應(yīng)用。

在20世紀(jì)70年代有不少專(zhuān)家系統(tǒng)被研制開(kāi)發(fā)，如麻省理工學(xué)院研制的符號(hào)數(shù)學(xué)專(zhuān)家系統(tǒng)MACSYMA和自然語(yǔ)言理解系統(tǒng)SHRDLU，診斷和治療青光眼病的專(zhuān)家系統(tǒng)CASNET，診斷內(nèi)科疾病的專(zhuān)家系統(tǒng)INTERNIST，腎臟病專(zhuān)家咨詢(xún)系統(tǒng)PIP，DEC公司開(kāi)發(fā)的診斷系統(tǒng)VAX，卡內(nèi)基-梅隆大學(xué)開(kāi)發(fā)的計(jì)算機(jī)配置專(zhuān)家系統(tǒng)XCON（RI）和XSEL。

1972年，肖特利夫（E.H.Shortliffe）等人開(kāi)發(fā)了醫(yī)學(xué)診斷專(zhuān)家系統(tǒng)MYCIN，該系統(tǒng)使用了產(chǎn)生式系統(tǒng)的概念框架，并以實(shí)現(xiàn)方法簡(jiǎn)單、有效而著稱(chēng)。同年，吳茲（W.Woods）研制成功了自然語(yǔ)言理解系統(tǒng)LUNAR，該系統(tǒng)用于查詢(xún)?cè)虑虻刭|(zhì)數(shù)據(jù)，回答用戶(hù)的問(wèn)題，是第一個(gè)用英語(yǔ)與機(jī)器對(duì)話的人機(jī)接口系統(tǒng)。

1973年，法國(guó)馬賽大學(xué)教授考爾麥勞厄（A.Colmerauer）的研究小組實(shí)現(xiàn)了英國(guó)倫敦大學(xué)學(xué)生柯瓦連斯基（R.Kowaiski）提出的邏輯式程序設(shè)計(jì)語(yǔ)言PROLOG（Programming in Logic）。

1974年，沃博斯（P.J.Werbos）在其博士論文中提出在感知機(jī)的基礎(chǔ)上加入隱含層的學(xué)習(xí)算法，有效解決了多層網(wǎng)絡(luò)中隱含節(jié)點(diǎn)的學(xué)習(xí)問(wèn)題。

1975年，Minsky創(chuàng)立了框架理論（Frame Theory），該理論的核心是以框架的形式來(lái)表示知識(shí)。同年，美國(guó)密執(zhí)根大學(xué)教授霍蘭德（J.H.Holland）提出了遺傳算法（GA，Genetic Algorithm），該算法用于處理多變量、非線性、不確定，甚至混沌的大搜索空間的有約束的優(yōu)化問(wèn)題。

1976年7月，美國(guó)的阿佩爾（K.Appel）等用三臺(tái)大型計(jì)算機(jī)，用1200小時(shí)的時(shí)間，證明了四色定理。

1977年，F(xiàn)eigenbaum在第五屆國(guó)際智能聯(lián)合會(huì)議上提出“知識(shí)工程”的概念，人工智能的研究從以基于推理為主的模型轉(zhuǎn)向以基于知識(shí)為主的模型。同年，休維特（C.Hewitt）在研究Concurrent Actor Model時(shí)就首次提出了具有自組織性、反應(yīng)機(jī)制和同步執(zhí)行能力的軟件模型，這就是最初的軟件Agent思想。同年，我國(guó)的吳文俊院士給出了一類(lèi)平面幾何問(wèn)題的機(jī)械化證明理論，在計(jì)算機(jī)上證明了一大批平面幾何定理。

1979年，鮑勃羅夫（D.G.Boborow）采用基于框架的設(shè)計(jì)，實(shí)現(xiàn)了 KRL 語(yǔ)言（Knowledge Representation Language）。

4. 第四階段——知識(shí)工程與專(zhuān)家系統(tǒng)（1980年至今）

20世紀(jì)80年代，人工智能發(fā)展達(dá)到了階段性的頂峰。1987年和1989年的世界大會(huì)均有6～7千人參加，硬件公司有上千家，LISP硬件和LISP機(jī)形成產(chǎn)品。同時(shí)，在專(zhuān)家系統(tǒng)及其工具越來(lái)越商品化的過(guò)程中，國(guó)際軟件市場(chǎng)上形成了一門(mén)旨在生產(chǎn)和加工知識(shí)的新產(chǎn)業(yè)——知識(shí)產(chǎn)業(yè)。

1982年日本開(kāi)始了“第五代計(jì)算機(jī)研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)KIPS”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。雖然此計(jì)劃最終失敗，但它的開(kāi)展形成了一股研究人工智能的熱潮。

美國(guó)物理學(xué)家霍普菲爾德（J.J.Hopfield）于1982年、1984年在美國(guó)科學(xué)院院刊發(fā)表的兩篇文章，有力地推動(dòng)了人工神經(jīng)網(wǎng)絡(luò)的研究，引起了研究人工神經(jīng)網(wǎng)絡(luò)的又一次熱潮。1982年，他提出了一個(gè)新的人工神經(jīng)網(wǎng)絡(luò)模型——Hopfield網(wǎng)絡(luò)模型。他在這種網(wǎng)絡(luò)模型的研究中，首次引入了網(wǎng)絡(luò)能量函數(shù)的概念，并給出了網(wǎng)絡(luò)穩(wěn)定性的判定依據(jù)。1984年，他又提出了網(wǎng)絡(luò)模型實(shí)現(xiàn)的電子電路，為人工神經(jīng)網(wǎng)絡(luò)的工程實(shí)現(xiàn)指明了方向，他的研究成果開(kāi)拓了人工神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶的優(yōu)化計(jì)算的新途徑，并為神經(jīng)計(jì)算機(jī)研究奠定了基礎(chǔ)。

1984年，希爾頓（G.Hinton）等人將模擬退火算法引入到人工神經(jīng)網(wǎng)絡(luò)中，提出了玻耳茲曼（Boltzmann）機(jī)網(wǎng)絡(luò)模型，玻耳茲曼機(jī)網(wǎng)絡(luò)算法為人工神經(jīng)網(wǎng)絡(luò)優(yōu)化計(jì)算提供了一個(gè)有效的方法。

1986年，魯姆爾哈特（D.E.Rumelhart）和麥克萊倫（J.L Mcclelland）重新提出了多層網(wǎng)絡(luò)的誤差反向傳播算法BP（Back-Propagation）。證明了采用Sigmoid 型神經(jīng)元作為隱含層神經(jīng)元的BP網(wǎng)絡(luò)具有任意非線性特性。BP網(wǎng)絡(luò)成為廣泛使用的人工神經(jīng)網(wǎng)絡(luò)，并以此為基礎(chǔ)做了許多改進(jìn)，發(fā)展了快速有效的算法。從此，人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入新的高潮。

1987年6月，第一屆國(guó)際人工神經(jīng)網(wǎng)絡(luò)會(huì)議在美國(guó)召開(kāi)，宣告了這一新學(xué)科的誕生。會(huì)上竟提出了“人工智能已經(jīng)死亡，人工神經(jīng)網(wǎng)絡(luò)萬(wàn)歲”的口號(hào)。此后，各國(guó)在人工神經(jīng)網(wǎng)絡(luò)研究方面的投資逐漸增加，相關(guān)研究得到迅速發(fā)展。

1987年，美國(guó)神經(jīng)計(jì)算機(jī)專(zhuān)家尼爾森（R.H.Nielsen）提出了對(duì)向傳播神經(jīng)網(wǎng)絡(luò)（CPN， Counter Propagation Network），該網(wǎng)絡(luò)具有分類(lèi)靈活，算法簡(jiǎn)練的優(yōu)點(diǎn)，可用于模式分類(lèi)、函數(shù)逼近、統(tǒng)計(jì)分析和數(shù)據(jù)壓縮等領(lǐng)域。

進(jìn)入20世紀(jì)90年代，計(jì)算機(jī)的發(fā)展趨勢(shì)為小型化、并行化、網(wǎng)絡(luò)化、智能化。人工智能技術(shù)逐漸與數(shù)據(jù)庫(kù)、多媒體等主流技術(shù)相結(jié)合，并融合在主流技術(shù)之中，旨在使計(jì)算機(jī)更聰明、更有效、與人更接近。

1992年，日本政府的第五代計(jì)算機(jī)研制計(jì)劃宣布失敗，但隨后啟動(dòng)RWC計(jì)劃（Real Wor Computing Project）。

1993 年，美國(guó)斯坦福大學(xué)教授肖漢姆（Y.Shoham）提出面向 Agent 的程序設(shè)計(jì)（AOP，Agent-Oriented Programming）。他認(rèn)為，AOP是一種基于計(jì)算的社會(huì)觀點(diǎn)的新興程序設(shè)計(jì)風(fēng)格和計(jì)算框架，其主要思想是利用Agent理論研究提出的能表示Agent性質(zhì)的意識(shí)態(tài)度來(lái)直接設(shè)計(jì)Agent和對(duì)Agent編程。

1995年，瓦普尼克（V.Vapnik）提出支持向量機(jī)（SVM，Support Vector Machine）理論，它是基于統(tǒng)計(jì)學(xué)習(xí)理論的一種機(jī)器學(xué)習(xí)方法。

1997年，麥克昆（W.McCune）提出了定理證明系統(tǒng)，機(jī)器運(yùn)行了8天時(shí)間，成功地證明了1930年提出的未被證明的數(shù)學(xué)難題Robbins問(wèn)題，即所有的Robbins代數(shù)都是布爾代數(shù)。

1998年，在IBM的“深藍(lán)”計(jì)算機(jī)與著名大師的國(guó)際象棋比賽中，“深藍(lán)”戰(zhàn)勝了卡斯帕羅夫大師，這個(gè)程序的問(wèn)題搜索次數(shù)達(dá)10120步，采用α-β搜索技術(shù)，每秒能夠分析2億步走法，共記憶了60萬(wàn)個(gè)棋局。

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展與普及，當(dāng)今人工智能主攻方向體現(xiàn)在：

① 并行與分布式處理技術(shù)。該研究方向包括大規(guī)模并行機(jī)和機(jī)群的體系結(jié)構(gòu)、并行操作系統(tǒng)與并行數(shù)據(jù)結(jié)構(gòu)，分布式Client/Server計(jì)算模型及其處理技術(shù)，多專(zhuān)機(jī)系統(tǒng)的合作與知識(shí)共享技術(shù)等。

② 知識(shí)的獲取、表示、更新和推理新機(jī)制。該研究方向包括新的知識(shí)獲取方法，常識(shí)性知識(shí)的表示、更新與推理，大型知識(shí)庫(kù)的組織與維護(hù)，新一代邏輯處理機(jī)制等。

③ 多功能的感知技術(shù)。該研究方向包括對(duì)語(yǔ)音文字、圖形與圖像等信號(hào)的獲取、識(shí)別、壓縮與轉(zhuǎn)化，以及多媒體輸出和虛擬現(xiàn)實(shí)技術(shù)等。

④ 關(guān)于Agent的研究。Agent可以理解為一個(gè)物理的實(shí)體，如機(jī)器人，它也可以理解為是一個(gè)軟件系統(tǒng)，由一些相互作用的成分組成。這方面研究主要包括 Agent 的交互、通信和Multi-Agent體系結(jié)構(gòu)等。

⑤數(shù)據(jù)挖掘。該研究方向主要是對(duì)觀測(cè)到的數(shù)據(jù)集（經(jīng)常是很龐大的）進(jìn)行分析，目的是發(fā)現(xiàn)未知的、隱含的但又潛在有用的信息和知識(shí)的過(guò)程。這方面的研究主要是信息時(shí)代的需求，面對(duì)海量的信息，人類(lèi)必須有一整套的信息檢索和處理手段進(jìn)行分析，才能夠從中得到有效的知識(shí)，否則將被繁多無(wú)用的信息淹沒(méi)。

人工智能從以往追求自主的系統(tǒng)改變?yōu)槿藱C(jī)結(jié)合的系統(tǒng)，即計(jì)算機(jī)的定量與人的定性信息處理相結(jié)合。傳統(tǒng)的人工智能研究的是基于邏輯的，深思熟慮的智能；而現(xiàn)代的人工智能研究的是基于直覺(jué)、頓悟、形象思維的智能。

人工智能是計(jì)算機(jī)研究中一個(gè)非常重要的領(lǐng)域，在20世紀(jì)40位圖靈獎(jiǎng)獲得者中有6位人工智能學(xué)者。其中，Minsky 在1969 年獲獎(jiǎng)，Mccarthy 在1971 年獲獎(jiǎng)，Simon 和 Newell 在1975年獲獎(jiǎng)，F(xiàn)eigenbaum和雷迪（R.Reddy）在1994年獲獎(jiǎng)。

1.3 人工智能的研究途徑和方法

由于人們對(duì)人工智能本質(zhì)的不同理解和認(rèn)識(shí)，形成了人工智能研究的多種不同的途徑。在不同的研究途徑下，其研究方法、學(xué)術(shù)觀點(diǎn)和研究重點(diǎn)有所不同，進(jìn)而形成不同的學(xué)派。這里主要介紹認(rèn)知學(xué)派、邏輯學(xué)派、行為主義學(xué)派和連接主義學(xué)派。

1. 認(rèn)知學(xué)派

以Minsky、Simon和Newell等人為代表，從人的思維活動(dòng)出發(fā)，利用計(jì)算機(jī)進(jìn)行宏觀功能模擬。該學(xué)派認(rèn)為認(rèn)知的基元是符號(hào)，智能行為通過(guò)符號(hào)操作來(lái)實(shí)現(xiàn)。它以美國(guó)人Robinson提出的消解法（即歸結(jié)原理）為基礎(chǔ)，以LISP和Prolog語(yǔ)言為代表，著重于問(wèn)題求解中的啟發(fā)式搜索和推理過(guò)程。該學(xué)派在邏輯思維的模擬方面取得成功，如自動(dòng)定理證明和專(zhuān)家系統(tǒng)。

1976年，Simon和Newell提出了物理符號(hào)系統(tǒng)假設(shè)，認(rèn)為物理系統(tǒng)表現(xiàn)智能行為的充分必要條件是，它是一個(gè)物理符號(hào)系統(tǒng)。這樣，可以把任何信息加工系統(tǒng)看成是一個(gè)具體的物理系統(tǒng)，如人的神經(jīng)系統(tǒng)、計(jì)算機(jī)的構(gòu)造系統(tǒng)等。所謂符號(hào)就是模式，任何一個(gè)模式只要能與其他模式相區(qū)別，它就是一個(gè)符號(hào)。例如，不同的英文字母就是不同的符號(hào)。對(duì)符號(hào)進(jìn)行操作就是對(duì)符號(hào)進(jìn)行比較，即找出哪幾個(gè)是相同的符號(hào)，哪幾個(gè)是不同的符號(hào)。物理符號(hào)系統(tǒng)的基本任務(wù)和功能就是辨認(rèn)相同的符號(hào)和區(qū)分不同的符號(hào)。

Minsky從心理學(xué)的研究出發(fā)，認(rèn)為人們?cè)谌粘５恼J(rèn)識(shí)活動(dòng)中，使用了大批從以前的經(jīng)驗(yàn)中獲取并經(jīng)過(guò)整理的知識(shí)，這些知識(shí)是以一種類(lèi)似框架的結(jié)構(gòu)記存在人腦中，由此提出了框架知識(shí)表示方法。Minsky認(rèn)為人的智能，根本不存在統(tǒng)一的理論。1985年，他出版了《心智的社會(huì)》（The Society of Mind）一書(shū)，書(shū)中指出思維社會(huì)是由大量具有某種思維能力的單元組成的復(fù)雜社會(huì)。

2. 邏輯學(xué)派

以Mccarthy和N.J.Nillson等人為代表，主張用邏輯來(lái)研究人工智能，即用形式化的方法描述客觀世界。

該學(xué)派主要觀點(diǎn)如下：首先，智能機(jī)器必須有關(guān)于自身環(huán)境的知識(shí)；其次，通用智能機(jī)器要能陳述性地表達(dá)關(guān)于自身環(huán)境的大部分知識(shí)；再次，通用智能機(jī)器表示陳述性知識(shí)的語(yǔ)言至少要有一階邏輯的表達(dá)能力。

邏輯學(xué)派在人工智能研究中，強(qiáng)調(diào)的是概念化知識(shí)表示、模型論語(yǔ)義、演繹推理等。Mccarthy主張任何事物都可以用統(tǒng)一的邏輯框架來(lái)表示，在常識(shí)推理中以非單調(diào)邏輯為中心。

3. 行為主義學(xué)派

以布魯克斯（R.A.Brooks）等人為代表，認(rèn)為智能行為只能在現(xiàn)實(shí)世界中，由系統(tǒng)與周?chē)h(huán)境的交互過(guò)程中表現(xiàn)出來(lái)。

1991年，Brooks提出了無(wú)須知識(shí)表示的智能和無(wú)須推理的智能。他還以其觀點(diǎn)為基礎(chǔ)，研制了一種機(jī)器蟲(chóng)。該機(jī)器用一些相對(duì)獨(dú)立的功能單元，分別實(shí)現(xiàn)避讓、前進(jìn)、平衡等功能，組成分層異步分布式網(wǎng)絡(luò)。該學(xué)派對(duì)機(jī)器人的研究開(kāi)創(chuàng)了一種新方法。

該學(xué)派的主要觀點(diǎn)可以概括如下：首先，智能系統(tǒng)與環(huán)境進(jìn)行交互，即從運(yùn)行的環(huán)境中獲取信息（感知），并通過(guò)自己的動(dòng)作對(duì)環(huán)境施加影響；其次，指出智能取決于感知和行為，提出了智能行為的“感知-行為”模型，認(rèn)為智能系統(tǒng)可以不需要知識(shí)、不需要表示、不需要推理，像人類(lèi)智能一樣可以逐步進(jìn)化；再次，強(qiáng)調(diào)直覺(jué)和反饋的重要性，智能行為體現(xiàn)在系統(tǒng)與環(huán)境的交互之中，功能、結(jié)構(gòu)和智能行為是不可分割的。

4. 連接主義學(xué)派

以Rumelhart、Mcclelland和Hopfield等人為代表，從人的大腦神經(jīng)系統(tǒng)結(jié)構(gòu)出發(fā)，研究非程序的、適應(yīng)性的、類(lèi)似大腦風(fēng)格的信息處理的本質(zhì)和能力，人們也稱(chēng)它為神經(jīng)計(jì)算。這種方法一般通過(guò)人工神經(jīng)網(wǎng)絡(luò)的“自學(xué)習(xí)”獲得知識(shí)，再利用知識(shí)解決問(wèn)題。由于它近年來(lái)的迅速發(fā)展，大量的人工神經(jīng)網(wǎng)絡(luò)的機(jī)理、模型、算法不斷地涌現(xiàn)出來(lái)。人工神經(jīng)網(wǎng)絡(luò)具有高度的并行分布性、很強(qiáng)的魯棒性和容錯(cuò)性，使其在圖像、聲音等信息的識(shí)別和處理中廣泛應(yīng)用。

此外，還有知識(shí)工程學(xué)派和分布式學(xué)派。知識(shí)工程學(xué)派以Feigenbaum為代表，研究知識(shí)在人類(lèi)智能中的作用和地位。分布式學(xué)派以 Hewitt 為代表，研究智能系統(tǒng)中知識(shí)的分布行為。

1.4 人工智能的研究與應(yīng)用領(lǐng)域

人工智能的知識(shí)領(lǐng)域浩繁，很難面面俱到，但是各個(gè)領(lǐng)域的思想和方法有許多可以互相借鑒的地方。隨著人工智能理論研究的發(fā)展和成熟，人工智能的應(yīng)用領(lǐng)域更為寬廣，應(yīng)用效果更為顯著。從應(yīng)用的角度看，人工智能的研究主要集中在以下幾個(gè)方面。

1. 專(zhuān)家系統(tǒng)

專(zhuān)家系統(tǒng)是一個(gè)具有大量專(zhuān)門(mén)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或多個(gè)人類(lèi)專(zhuān)家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類(lèi)專(zhuān)家的決策過(guò)程，以解決那些需要專(zhuān)家決定的復(fù)雜問(wèn)題。目前在許多領(lǐng)域，專(zhuān)家系統(tǒng)已取得顯著效果。專(zhuān)家系統(tǒng)與傳統(tǒng)計(jì)算機(jī)程序的本質(zhì)區(qū)別在于，專(zhuān)家系統(tǒng)所要解決的問(wèn)題一般沒(méi)有算法解，并且經(jīng)常要在不完全、不精確或不確定的信息基礎(chǔ)上做出結(jié)論。它可以解決的問(wèn)題一般包括解釋、預(yù)測(cè)、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等。從體系結(jié)構(gòu)上可分為集中式專(zhuān)家系統(tǒng)、分布式專(zhuān)家系統(tǒng)、協(xié)同式專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)等；從方法上可分為基于規(guī)則的專(zhuān)家系統(tǒng)、基于模型的專(zhuān)家系統(tǒng)、基于框架的專(zhuān)家系統(tǒng)等。

2. 自然語(yǔ)言理解

自然語(yǔ)言理解是研究實(shí)現(xiàn)人類(lèi)與計(jì)算機(jī)系統(tǒng)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。由于目前計(jì)算機(jī)系統(tǒng)與人類(lèi)之間的交互還只能使用嚴(yán)格限制的各種非自然語(yǔ)言，因此解決計(jì)算機(jī)系統(tǒng)能夠理解自然語(yǔ)言的問(wèn)題，一直是人工智能研究領(lǐng)域的重要研究課題之一。

實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信意味著計(jì)算機(jī)系統(tǒng)既能理解自然語(yǔ)言文本的意義，也能生成自然語(yǔ)言文本來(lái)表達(dá)給定的意圖和思想等。而語(yǔ)言的理解和生成是一個(gè)極為復(fù)雜的解碼和編碼問(wèn)題。一個(gè)能夠理解自然語(yǔ)言的計(jì)算機(jī)系統(tǒng)看起來(lái)就像一個(gè)人一樣，它需要有上下文知識(shí)和信息，并能用信息發(fā)生器進(jìn)行推理。理解口頭和書(shū)寫(xiě)語(yǔ)言的計(jì)算機(jī)系統(tǒng)的基礎(chǔ)就是表示上下文知識(shí)結(jié)構(gòu)的某些人工智能思想，以及根據(jù)這些知識(shí)進(jìn)行推理的某些技術(shù)。

雖然在理解有限范圍的自然語(yǔ)言對(duì)話和理解用自然語(yǔ)言表達(dá)的小段文章或故事方面的程序系統(tǒng)已有一定的進(jìn)展，但要實(shí)現(xiàn)功能較強(qiáng)的理解系統(tǒng)仍十分困難。從目前的理論和技術(shù)現(xiàn)狀看，它主要應(yīng)用于機(jī)器翻譯、自動(dòng)文摘、全文檢索等方面，而通用的和高質(zhì)量的自然語(yǔ)言處理系統(tǒng)，仍然是較長(zhǎng)期的努力目標(biāo)。

3. 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是人工智能的一個(gè)核心研究領(lǐng)域，它是計(jì)算機(jī)具有智能的根本途徑。學(xué)習(xí)是人類(lèi)智能的主要標(biāo)志和獲取知識(shí)的基本手段。Simon認(rèn)為：“如果一個(gè)系統(tǒng)能夠通過(guò)執(zhí)行某種過(guò)程而改進(jìn)它的性能，這就是學(xué)習(xí)。”

機(jī)器學(xué)習(xí)研究的主要目標(biāo)是讓機(jī)器自身具有獲取知識(shí)的能力，使機(jī)器能夠總結(jié)經(jīng)驗(yàn)、修正錯(cuò)誤、發(fā)現(xiàn)規(guī)律、改進(jìn)性能，對(duì)環(huán)境具有更強(qiáng)的適應(yīng)能力。通常要解決如下幾方面的問(wèn)題：（1）選擇訓(xùn)練經(jīng)驗(yàn)。它包括如何選擇訓(xùn)練經(jīng)驗(yàn)的類(lèi)型，如何控制訓(xùn)練樣本序列，以及如何使訓(xùn)練樣本的分布與未來(lái)測(cè)試樣本的分布相似等子問(wèn)題；（2）選擇目標(biāo)函數(shù)。所有的機(jī)器學(xué)習(xí)問(wèn)題幾乎都可簡(jiǎn)化為學(xué)習(xí)某個(gè)特定的目標(biāo)函數(shù)的問(wèn)題，因此，目標(biāo)函數(shù)的學(xué)習(xí)、設(shè)計(jì)和選擇是機(jī)器學(xué)習(xí)領(lǐng)域的關(guān)鍵問(wèn)題；（3）選擇目標(biāo)函數(shù)的表示。對(duì)于一個(gè)特定的應(yīng)用問(wèn)題，在確定了理想的目標(biāo)函數(shù)后，接下來(lái)的任務(wù)是必須從很多（甚至是無(wú)數(shù)）種表示方法中選擇一種最優(yōu)或近似最優(yōu)的表示方法。

目前，機(jī)器學(xué)習(xí)的研究還處于初級(jí)階段，但卻是一個(gè)必須大力開(kāi)展研究的階段。只有機(jī)器學(xué)習(xí)的研究取得進(jìn)展，人工智能和知識(shí)工程才會(huì)取得重大突破。

4. 自動(dòng)定理證明

自動(dòng)定理證明，又叫機(jī)器定理證明，它是數(shù)學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合的研究課題。數(shù)學(xué)定理的證明是人類(lèi)思維中演繹推理能力的重要體現(xiàn)。演繹推理實(shí)質(zhì)上是符號(hào)運(yùn)算，因此原則上可以用機(jī)械化的方法來(lái)進(jìn)行。數(shù)理邏輯的建立使自動(dòng)定理證明的設(shè)想有了更明確的數(shù)學(xué)形式。1965年Robinson提出了一階謂詞演算中的歸結(jié)原理，這是自動(dòng)定理證明的重大突破。1976年，美國(guó)的Appel等三人利用高速計(jì)算機(jī)證明了124年未能解決的“四色問(wèn)題”，表明利用電子計(jì)算機(jī)有可能把人類(lèi)思維領(lǐng)域中的演繹推理能力推進(jìn)到前所未有的境界。我國(guó)數(shù)學(xué)家吳文俊在1976年年底開(kāi)始研究可判定問(wèn)題，即論證某類(lèi)問(wèn)題是否存在統(tǒng)一算法解。他在微型機(jī)上成功地設(shè)計(jì)了初等幾何與初等微分幾何中一大類(lèi)問(wèn)題的判定算法及相應(yīng)的程序，其研究處于國(guó)際領(lǐng)先地位。后來(lái)，我國(guó)數(shù)學(xué)家張景中等人進(jìn)一步推出了“可讀性證明”的機(jī)器證明方法，再一次轟動(dòng)了國(guó)際學(xué)術(shù)界。

自動(dòng)定理證明的理論價(jià)值和應(yīng)用范圍并不局限于數(shù)學(xué)領(lǐng)域，許多非數(shù)值領(lǐng)域的任務(wù)，如醫(yī)療診斷、信息檢索、規(guī)劃制定和難題求解等，都可以轉(zhuǎn)化成相應(yīng)的定理證明問(wèn)題，或者與定理證明有關(guān)的問(wèn)題，所以自動(dòng)定理證明的研究具有普遍意義。

5. 自動(dòng)程序設(shè)計(jì)

自動(dòng)程序設(shè)計(jì)是指根據(jù)給定問(wèn)題的原始描述，自動(dòng)生成滿(mǎn)足要求的程序。它是軟件工程和人工智能相結(jié)合的研究課題。自動(dòng)程序設(shè)計(jì)主要包含程序綜合和程序驗(yàn)證兩方面內(nèi)容。前者實(shí)現(xiàn)自動(dòng)編程，即用戶(hù)只需告知機(jī)器“做什么”，無(wú)須告訴“怎么做”，這后一步的工作由機(jī)器自動(dòng)完成；后者是程序的自動(dòng)驗(yàn)證，自動(dòng)完成正確性的檢查。

目前程序綜合的基本途徑主要是程序變換，即通過(guò)對(duì)給定的輸入、輸出條件進(jìn)行逐步變換，以構(gòu)成所要求的程序。程序驗(yàn)證是利用一個(gè)已驗(yàn)證過(guò)的程序系統(tǒng)來(lái)自動(dòng)證明某一給定程序P的正確性。假設(shè)程序P的輸入是x，它必須滿(mǎn)足輸入條件φ（x）；程序的輸出是z=P（x），它必須滿(mǎn)足輸出條件Φ（x，z）。判斷程序的正確性有三種類(lèi)型，即終止性、部分正確性和完全正確性。

目前在自動(dòng)程序設(shè)計(jì)方面已取得一些初步的進(jìn)展，尤其是程序變換技術(shù)已引起計(jì)算機(jī)科學(xué)工作者的重視。現(xiàn)在國(guó)外已陸續(xù)出現(xiàn)一些實(shí)驗(yàn)性的程序變換系統(tǒng)，如英國(guó)愛(ài)丁堡大學(xué)的程序自動(dòng)變換系統(tǒng)POP-2和德國(guó)默森技術(shù)大學(xué)的程序變換系統(tǒng)CIP等。

6. 分布式人工智能

分布式人工智能是分布式計(jì)算與人工智能結(jié)合的結(jié)果。它主要研究在邏輯上或物理上分散的智能動(dòng)作者如何協(xié)調(diào)其智能行為，求解單目標(biāo)和多目標(biāo)問(wèn)題，為設(shè)計(jì)和建立大型復(fù)雜的智能系統(tǒng)或計(jì)算機(jī)支持協(xié)同工作提供有效途徑。它所能解決的問(wèn)題需要整體互動(dòng)所產(chǎn)生的整體智能來(lái)解決。主要研究?jī)?nèi)容有分布式問(wèn)題求解（DPS，Distribution Problem Solving）和多智能體系統(tǒng)（MAS，Multi-Agent System）。

分布式問(wèn)題求解的方法是，先把問(wèn)題分解成任務(wù)，再為之設(shè)計(jì)相應(yīng)的任務(wù)執(zhí)行系統(tǒng)。而MAS是由多個(gè)Agent組成的集合，通過(guò)Agent的交互來(lái)實(shí)現(xiàn)系統(tǒng)的表現(xiàn)。MAS主要研究多個(gè)Agent為了聯(lián)合采取行動(dòng)或求解問(wèn)題，如何協(xié)調(diào)各自的知識(shí)、目標(biāo)、策略和規(guī)劃。在表達(dá)實(shí)際系統(tǒng)時(shí)，MAS通過(guò)各Agent間的通信、合作、互解、協(xié)調(diào)、調(diào)度、管理及控制來(lái)表達(dá)系統(tǒng)的結(jié)構(gòu)、功能及行為特性。由于在同一個(gè)MAS中各Agent可以異構(gòu)，因此Multi-Agent技術(shù)對(duì)于復(fù)雜系統(tǒng)具有無(wú)可比擬的表達(dá)力。它為各種實(shí)際系統(tǒng)提供了一種統(tǒng)一的模型，能夠體現(xiàn)人類(lèi)的社會(huì)智能，具有更大的靈活性和適應(yīng)性，更適合開(kāi)放和動(dòng)態(tài)的世界環(huán)境，因而備受重視，相關(guān)研究已成為人工智能以至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。

7. 機(jī)器人學(xué)

機(jī)器人學(xué)是機(jī)械結(jié)構(gòu)學(xué)、傳感技術(shù)和人工智能結(jié)合的產(chǎn)物。1948年美國(guó)研制成功第一代遙控機(jī)械手，17年后第一臺(tái)工業(yè)機(jī)器人誕生，從此相關(guān)研究不斷取得進(jìn)展。機(jī)器人的發(fā)展經(jīng)歷了以下幾個(gè)階段：第一代為程序控制機(jī)器人，它以“示教-再現(xiàn)”方式，一次又一次學(xué)習(xí)后進(jìn)行再現(xiàn)，代替人類(lèi)從事笨重、繁雜與重復(fù)的勞動(dòng)；第二代為自適應(yīng)機(jī)器人，它配備有相應(yīng)的感覺(jué)傳感器，能獲取作業(yè)環(huán)境的簡(jiǎn)單信息，允許操作對(duì)象的微小變化，對(duì)環(huán)境具有一定適應(yīng)能力；第三代為分布式協(xié)同機(jī)器人，它裝備有視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)多種類(lèi)型傳感器，在多個(gè)方向平臺(tái)上感知多維信息，并具有較高的靈敏度，能對(duì)環(huán)境信息進(jìn)行精確感知和實(shí)時(shí)分析，協(xié)同控制自己的多種行為，具有一定的自學(xué)習(xí)、自主決策和判斷能力，能處理環(huán)境發(fā)生的變化，能和其他機(jī)器人進(jìn)行交互。

從功能上來(lái)考慮，機(jī)器人學(xué)的研究主要涉及兩個(gè)方面：一方面是模式識(shí)別，即給機(jī)器人配備視覺(jué)和觸覺(jué)，使其能夠識(shí)別空間景物的實(shí)體和陰影，甚至可以辨別出兩幅圖像的微小差別，從而完成模式識(shí)別的功能；另一方面是運(yùn)動(dòng)協(xié)調(diào)推理。機(jī)器人的運(yùn)動(dòng)協(xié)調(diào)推理是指機(jī)器人在接受外界的刺激后，驅(qū)動(dòng)機(jī)器人行動(dòng)的過(guò)程。

機(jī)器人學(xué)的研究促進(jìn)了人工智能思想的發(fā)展，它所導(dǎo)致的一些技術(shù)可在人工智能研究中用來(lái)建立世界狀態(tài)模型和描述世界狀態(tài)變化的過(guò)程。

8. 模式識(shí)別

模式識(shí)別研究的是計(jì)算機(jī)的模式識(shí)別系統(tǒng)，即用計(jì)算機(jī)代替人類(lèi)或幫助人類(lèi)感知模式。模式通常具有實(shí)體的形式，如聲音、圖片、圖像、語(yǔ)言、文字、符號(hào)、物體和景象等，可以用物理、化學(xué)及生物傳感器進(jìn)行具體采集和測(cè)量。但模式所指的不是事物本身，而是從事物獲得的信息，因此，模式往往表現(xiàn)為具有時(shí)間和空間分布的信息。人們?cè)谟^察、認(rèn)識(shí)事物和現(xiàn)象時(shí)，常常尋找它與其他事物和現(xiàn)象的相同與不同之處，根據(jù)使用目的進(jìn)行分類(lèi)、聚類(lèi)和判斷，人腦的這種思維能力就構(gòu)成了模式識(shí)別的能力。

模式識(shí)別呈現(xiàn)多樣性和多元化趨勢(shì)，可以在不同的概念粒度上進(jìn)行，其中生物特征識(shí)別成為模式識(shí)別的新高潮，包括語(yǔ)音識(shí)別、文字識(shí)別、圖像識(shí)別、人物景象識(shí)別和手語(yǔ)識(shí)別等；人們還要求通過(guò)識(shí)別語(yǔ)種、樂(lè)種和方言來(lái)檢索相關(guān)的語(yǔ)音信息，通過(guò)識(shí)別人種、性別和表情來(lái)檢索所需要的人臉圖像；通過(guò)識(shí)別指紋（掌紋）、人臉、簽名、虹膜和行為姿態(tài)識(shí)別身份。普遍利用小波變換、模糊聚類(lèi)、遺傳算法、貝葉斯理論和支持向量機(jī)等方法進(jìn)行識(shí)別對(duì)象分割、特征提取、分類(lèi)、聚類(lèi)和模式匹配。模式識(shí)別是一個(gè)不斷發(fā)展的新科學(xué)，它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展。

9. 博弈

計(jì)算機(jī)博弈主要是研究下棋程序。在20世紀(jì)60年代就出現(xiàn)了很有名的西洋跳棋和國(guó)際象棋的程序，并達(dá)到了大師的水平。進(jìn)入20世紀(jì)90年代，IBM公司以其雄厚硬件基礎(chǔ)，支持開(kāi)發(fā)后來(lái)被稱(chēng)之為“深藍(lán)”的國(guó)際象棋系統(tǒng)，并為此開(kāi)發(fā)了專(zhuān)用的芯片，以提高計(jì)算機(jī)的搜索速度。1996年2月，與國(guó)際象棋世界冠軍卡斯帕羅夫進(jìn)行了第一次比賽，經(jīng)過(guò)六個(gè)回合的比賽之后，“深藍(lán)”以2∶4告負(fù)。1997年5月，系統(tǒng)經(jīng)過(guò)改進(jìn)以后，“深藍(lán)”又第二次與卡斯帕羅夫交鋒，并最終以3.5∶2.5戰(zhàn)勝了卡斯帕羅夫，在世界范圍內(nèi)引起了轟動(dòng)。

博弈問(wèn)題為搜索策略、機(jī)器學(xué)習(xí)等問(wèn)題的研究課題提供了很好的實(shí)際背景，所發(fā)展起來(lái)的一些概念和方法對(duì)人工智能的其他問(wèn)題也很有用。

10. 計(jì)算機(jī)視覺(jué)

視覺(jué)是各個(gè)應(yīng)用領(lǐng)域，如制造業(yè)、檢驗(yàn)、文檔分析、醫(yī)療診斷和軍事等領(lǐng)域中各種智能系統(tǒng)中不可分割的一部分。計(jì)算機(jī)視覺(jué)涉及計(jì)算機(jī)科學(xué)與工程、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)、神經(jīng)生理學(xué)和認(rèn)知科學(xué)等多個(gè)領(lǐng)域的知識(shí)，已成為一門(mén)不同于人工智能、圖像處理和模式識(shí)別等相關(guān)領(lǐng)域的成熟學(xué)科。計(jì)算機(jī)視覺(jué)研究的最終目標(biāo)是，使計(jì)算機(jī)能夠像人那樣通過(guò)視覺(jué)觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。

計(jì)算機(jī)視覺(jué)研究的任務(wù)是理解一個(gè)圖像，這里的圖像是利用像素所描繪的景物。其研究領(lǐng)域涉及圖像處理、模式識(shí)別、景物分析、圖像解釋、光學(xué)信息處理、視頻信號(hào)處理以及圖像理解。這些領(lǐng)域可分為如下三類(lèi)：第一是信號(hào)處理，即研究把一個(gè)圖像轉(zhuǎn)換為具有所需特征的另一個(gè)圖像的方法；第二是分類(lèi)，即研究如何把圖像劃分為預(yù)定類(lèi)別。分類(lèi)是從圖像中抽取一組預(yù)先確定的特征值，然后根據(jù)用于多維特征空間的統(tǒng)計(jì)決策方法決定一個(gè)圖像是否符合某一類(lèi)；第三是理解，即在給定某一圖像的情況下，一個(gè)圖像理解程序不僅描述這個(gè)圖像的本身，而且也描述該圖像所描繪的景物。

計(jì)算機(jī)視覺(jué)的前沿研究領(lǐng)域包括實(shí)時(shí)并行處理、主動(dòng)式定性視覺(jué)、動(dòng)態(tài)和時(shí)變視覺(jué)、三維景物的建模與識(shí)別、實(shí)時(shí)圖像壓縮傳輸和復(fù)原、多光譜和彩色圖像的處理與解釋等。計(jì)算機(jī)視覺(jué)已在機(jī)器人裝配、衛(wèi)星圖像處理、工業(yè)過(guò)程監(jiān)控、飛行器跟蹤和制導(dǎo)以及電視實(shí)況轉(zhuǎn)播等領(lǐng)域獲得極為廣泛的應(yīng)用。

11. 軟計(jì)算

通常把人工神經(jīng)網(wǎng)絡(luò)計(jì)算、模糊計(jì)算和進(jìn)化計(jì)算作為軟計(jì)算的三個(gè)主要內(nèi)容。一般來(lái)說(shuō)，軟計(jì)算多應(yīng)用于缺乏足夠的先驗(yàn)知識(shí)，只有一大堆相關(guān)的數(shù)據(jù)和記錄的問(wèn)題。

人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）是一種應(yīng)用類(lèi)似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在這一模型中，大量的節(jié)點(diǎn)之間相互連接構(gòu)成網(wǎng)絡(luò)，即“神經(jīng)網(wǎng)絡(luò)”，以達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)算法試圖從數(shù)學(xué)上描述人工神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)過(guò)程，建立相應(yīng)的模型；然后在該模型的基礎(chǔ)上，對(duì)于給定的學(xué)習(xí)樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，滿(mǎn)足學(xué)習(xí)要求的算法。

模糊計(jì)算處理的是模糊集合和邏輯連接符，以描述現(xiàn)實(shí)世界中類(lèi)似人類(lèi)處理的推理問(wèn)題。模糊集合包含論域中所有元素，但是具有[0，1]區(qū)間的可變隸屬度值。模糊集合最初由美國(guó)加利福尼亞大學(xué)教授扎德（L.A.Zadeh）在系統(tǒng)理論中提出，后來(lái)又?jǐn)U充并應(yīng)用于專(zhuān)家系統(tǒng)中的近似計(jì)算。

進(jìn)化計(jì)算是通過(guò)模擬自然界中生物進(jìn)化機(jī)制進(jìn)行搜索的一種算法，以遺傳算法（GA，Genetic Algorithm）、進(jìn)化策略等為代表。遺傳算法是一種隨機(jī)算法，它是模擬生物進(jìn)化中“優(yōu)勝劣汰”自然法則的進(jìn)化過(guò)程而設(shè)計(jì)的算法。該算法模仿生物染色體中基因的選擇、交叉和變異的自然進(jìn)化過(guò)程，通過(guò)個(gè)體結(jié)構(gòu)不斷重組，形成一代代的新群體，最終收斂于近似優(yōu)化解。1975年，Holland出版了《自然和人工系統(tǒng)中的適應(yīng)性》一書(shū)，系統(tǒng)地闡述了遺傳算法的基本理論和方法，奠定了遺傳算法的理論基礎(chǔ)。

12. 智能控制

智能控制是把人工智能技術(shù)引入控制領(lǐng)域，建立智能控制系統(tǒng)。1965 年，美籍華人科學(xué)家傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)。十多年后，建立實(shí)用智能控制系統(tǒng)的技術(shù)逐漸成熟。1971年，傅京孫提出把人工智能與自動(dòng)控制結(jié)合起來(lái)的思想。1977年，美國(guó)人薩里迪斯（G.N.Saridis）提出把人工智能、控制論和運(yùn)籌學(xué)結(jié)合起來(lái)的思想。1986年，我國(guó)的蔡自興教授提出把人工智能、控制論、信息論和運(yùn)籌學(xué)結(jié)合起來(lái)的思想。根據(jù)這些思想已經(jīng)研究出一些智能控制的理論和技術(shù)可以構(gòu)造用于不同領(lǐng)域的智能控制系統(tǒng)。

智能控制具有兩個(gè)顯著的特點(diǎn)：首先，智能控制同時(shí)具有知識(shí)表示的非數(shù)學(xué)廣義世界模型和傳統(tǒng)數(shù)學(xué)模型混合表示的控制過(guò)程，并以知識(shí)進(jìn)行推理，以啟發(fā)來(lái)引導(dǎo)求解過(guò)程。其次，智能控制的核心在高層控制，即組織級(jí)控制。其任務(wù)在于對(duì)實(shí)際環(huán)境或過(guò)程進(jìn)行組織，即決策和規(guī)劃，以實(shí)現(xiàn)廣義問(wèn)題求解。

13. 智能規(guī)劃

智能規(guī)劃是人工智能研究領(lǐng)域近年來(lái)發(fā)展起來(lái)的一個(gè)熱門(mén)分支。智能規(guī)劃的主要思想是：對(duì)周?chē)h(huán)境進(jìn)行認(rèn)識(shí)與分析，根據(jù)自己要實(shí)現(xiàn)的目標(biāo)，對(duì)若干可供選擇的動(dòng)作及所提供的資源限制施行推理，綜合制定出實(shí)現(xiàn)目標(biāo)的規(guī)劃。智能規(guī)劃研究的主要目的是建立起高效實(shí)用的智能規(guī)劃系統(tǒng)。該系統(tǒng)的主要功能可以描述為：給定問(wèn)題的狀態(tài)描述、對(duì)狀態(tài)描述進(jìn)行變換的一組操作、初始狀態(tài)和目標(biāo)狀態(tài)。

最早的規(guī)劃系統(tǒng)就是通用問(wèn)題求解系統(tǒng)GPS，但它還不是真正面向規(guī)劃問(wèn)題而研制的智能規(guī)劃系統(tǒng)。1969年，格林（G.Green）通過(guò)歸結(jié)定理證明的方法來(lái)進(jìn)行規(guī)劃求解，并且設(shè)計(jì)了QA3 系統(tǒng)，這一系統(tǒng)被大多數(shù)的智能規(guī)劃研究人員認(rèn)為是第一個(gè)規(guī)劃系統(tǒng)。1971 年，美國(guó)斯坦福研究所的菲克斯（R.E.Fikes）和Nilsson設(shè)計(jì)的STRIPS 系統(tǒng)在智能規(guī)劃的研究中具有重大的意義和價(jià)值，他們的突出貢獻(xiàn)是引入了STRIPS 操作符的概念，使規(guī)劃問(wèn)題求解變得明朗清晰。此后到 1977 年先后出現(xiàn)了 HACKER、WARPLAN、INTERPLAN、ABSTRIPS、NOAH、NONLIN 等規(guī)劃系統(tǒng)。盡管這些以NOAH系統(tǒng)為代表的部分排序規(guī)劃技術(shù)被證明具有完備性，即能解決所有的經(jīng)典規(guī)劃問(wèn)題，但由于大量實(shí)際規(guī)劃問(wèn)題并不遵從經(jīng)典規(guī)劃問(wèn)題的假設(shè)，所以部分排序規(guī)劃技術(shù)未得到廣泛的應(yīng)用。為消除規(guī)劃理論和實(shí)際應(yīng)用間存在的差距，進(jìn)入20世紀(jì)80年代中期后，規(guī)劃技術(shù)研究的熱點(diǎn)轉(zhuǎn)向了開(kāi)拓非經(jīng)典的實(shí)際規(guī)劃問(wèn)題。然而，經(jīng)典規(guī)劃技術(shù)，尤其是部分排序規(guī)劃技術(shù)仍是開(kāi)發(fā)規(guī)劃新技術(shù)的基礎(chǔ)。

1.5 人工智能相關(guān)網(wǎng)站介紹

人工智能的理論研究和應(yīng)用正處于茁壯發(fā)展階段，緊密關(guān)注和跟蹤人工智能領(lǐng)域的最新成果是非常重要的。下面介紹一些人工智能領(lǐng)域比較知名的網(wǎng)站以方便讀者了解人工智能領(lǐng)域的最新動(dòng)態(tài)和研究熱點(diǎn)。如果要了解更多的網(wǎng)站以及文獻(xiàn)，可以使用搜索引擎從互聯(lián)網(wǎng)上搜索。

（1）美國(guó)人工智能協(xié)會(huì)（American Association for Artificial Intelligence）

網(wǎng)址：http：//www.aaai.org

美國(guó)人工智能協(xié)會(huì)（AAAI）成立于1979年，是個(gè)非營(yíng)利性的科學(xué)社團(tuán)組織，主要致力于讓機(jī)器產(chǎn)生智慧思考和智能行為的研究。此外，提升公眾對(duì)人工智能的理解，對(duì)人工智能實(shí)踐人員的教學(xué)和培訓(xùn)，為人工智能領(lǐng)域的研究者和投資者提供指導(dǎo)等也都是AAAI的實(shí)踐內(nèi)容。

（2）人工智能教育知識(shí)庫(kù)（AI Education Repository）

網(wǎng)址：http://www.cs.cofc.edu/～manaris/ai-education-repository/index.html

該網(wǎng)站收錄了關(guān)于人工智能教材、教學(xué)大綱和教學(xué)設(shè)計(jì)范例等方面的信息，并且提供了與人工智能相關(guān)的教育論文，各個(gè)主題的在線教程，適合課堂或?qū)嶒?yàn)室教學(xué)的工具軟件和環(huán)境，以及方便用戶(hù)相互交流人工智能教育心得與經(jīng)驗(yàn)的虛擬空間。

（3）專(zhuān)家系統(tǒng)expertise2go網(wǎng)

網(wǎng)址：http：//www.expertise2go.com

expertise2 go是個(gè)基于網(wǎng)絡(luò)的專(zhuān)家系統(tǒng)網(wǎng)站，它提供了多個(gè)面向用戶(hù)基于規(guī)則的專(zhuān)家系統(tǒng)實(shí)例，如在線“PC產(chǎn)品顧問(wèn)”、汽車(chē)故障自動(dòng)診斷助理、銀行放貸決策助理和數(shù)據(jù)分析技術(shù)助理等。網(wǎng)站從介紹專(zhuān)家系統(tǒng)的基本概念、基于規(guī)則的推理、對(duì)不確定事實(shí)的表示和處理及知識(shí)引擎，到引導(dǎo)用戶(hù)設(shè)計(jì)并創(chuàng)建自己的知識(shí)庫(kù)。此外，該網(wǎng)站還提供免費(fèi)的e2 gLite專(zhuān)家系統(tǒng)外殼下載，并且有在線教程，利用e2 gLite專(zhuān)家系統(tǒng)外殼用戶(hù)可開(kāi)發(fā)自己的專(zhuān)家系統(tǒng)。

（4）人工智能語(yǔ)言Visual Prolog

網(wǎng)址：http：//www.visual-prolog.com

Visual Prolog是一種功能強(qiáng)大的人工智能邏輯編程語(yǔ)言，由Prolog開(kāi)發(fā)中心設(shè)計(jì)。目前該網(wǎng)站提供了由Visual Prolog開(kāi)發(fā)的實(shí)例演示、Visual Prolog個(gè)人版的軟件下載、在線教程、知識(shí)庫(kù)和常見(jiàn)問(wèn)題解答等欄目。

（5）人工智能研究者俱樂(lè)部

網(wǎng)址：http：//www.souwu.com/bitfarmer/default.asp

這是為人工智能研究者提供的一個(gè)適合思想交流、技術(shù)切磋和資源互享的虛擬空間。該網(wǎng)站內(nèi)容主要由綜合討論、興趣小組、資源共享、分類(lèi)討論和網(wǎng)站聯(lián)盟幾個(gè)模塊組成，可為開(kāi)展人工智能教育的教師和學(xué)生提供該領(lǐng)域的實(shí)時(shí)發(fā)展動(dòng)態(tài)和教學(xué)參考信息。

（6）智能科學(xué)與人工智能網(wǎng)站

網(wǎng)址：http：//www.intsci.ac.cn/index.html

這是中國(guó)科學(xué)院計(jì)算技術(shù)研究所智能信息處理重點(diǎn)實(shí)驗(yàn)室建立的一個(gè)綜合網(wǎng)站。主要介紹人工智能系統(tǒng)、技術(shù)及智能信息處理等知識(shí)及研究進(jìn)展，還提供人工智能教學(xué)課件。

（7）其他網(wǎng)站

IEEE計(jì)算智能協(xié)會(huì)：http：//www.ewh.ieee.org

國(guó)際神經(jīng)網(wǎng)絡(luò)協(xié)會(huì)：http：//www.inns.org

國(guó)際人工智能聯(lián)合會(huì)：http：//www.ijcai.org

歐洲人工智能聯(lián)合會(huì)：http：//www.eccai.org

斯里蘭卡國(guó)際人工智能中心：http：//www.ai.sri.com

美國(guó)伯克利大學(xué)人工智能網(wǎng)站：http：//aima.cs.berkeley.edu/ai.html

美國(guó)加利福尼亞大學(xué)機(jī)器學(xué)習(xí)研究組：http：//www.cse.ucsc.edu/research/ml/

中國(guó)人工智能網(wǎng)：http：//www.chinaai.org

北京大學(xué)人工智能實(shí)驗(yàn)室：http：//ailab.pku.edu.cn

小 結(jié)

本章作為人工智能的概述部分，主要介紹了人工智能的概念、研究目標(biāo)和發(fā)展簡(jiǎn)史。并簡(jiǎn)要地闡述了人工智能研究的不同學(xué)派以及人工智能應(yīng)用的相關(guān)領(lǐng)域。最后，為了方便讀者進(jìn)一步了解人工智能的發(fā)展動(dòng)態(tài)，給出了一些常見(jiàn)的國(guó)內(nèi)外人工智能的著名網(wǎng)站。

練習(xí)題

1.1 什么是人工智能？試從學(xué)科和能力兩方面加以說(shuō)明。

1.2 人工智能研究的基本內(nèi)容是什么？

1.3 人工智能主要有哪幾個(gè)研究學(xué)派？各自觀點(diǎn)是什么？

1.4 人工智能的主要研究和應(yīng)用領(lǐng)域是什么？

1.5 簡(jiǎn)述人工智能的發(fā)展歷史。

1.6 檢索人工智能研究的文獻(xiàn)，判定下列任務(wù)現(xiàn)在計(jì)算機(jī)是否能夠解決：

（1）打正規(guī)的乒乓球比賽。

（2）在市中心開(kāi)車(chē)。

（3）在Internet上購(gòu)買(mǎi)可用1周的雜貨。

（4）參加正規(guī)的橋牌競(jìng)技比賽。

（5）發(fā)現(xiàn)并證明新的數(shù)學(xué)定理。

（6）在特定的法律領(lǐng)域提供令人滿(mǎn)意的法律建議。

（7）從英語(yǔ)到中文的口語(yǔ)實(shí)時(shí)翻譯。

（8）完成復(fù)雜的外科手術(shù)。

對(duì)于現(xiàn)在不可實(shí)現(xiàn)的任務(wù)，試著找出困難所在，并預(yù)測(cè)如果可能的話它們什么時(shí)候能被克服。