人工智能发展综述摘要:概要的阐述下人工智能的概念、发展历史、当前研究热点和实际应用以及未来的发展趋势。
关键词:人工智能; 前景; 发展综述人工智能(Artificial Intelligence)自1956 年正式问世以来的五十年间已经取得了长足的进展,由于其应用的极其广泛性及存在的巨大研究开发潜力, 吸引了越来越多的科技工作者投入人工智能的研究中去。
尤其是八十年代以来出现了世界范围的开发新技术的高潮，许多发达国家的高科技计划的重要内容是计算机技术,而尤以人工智能为其基本重要组成部分。
人工智能成为国际公认的当代高技术的核心部分之一。
1什么是人工智能美国斯坦福大学人工智能研究中心尼尔逊教授给人工智能下了这样一个定义:人工智能是关于知识的学科, 是怎样表示知识以及怎样获得知识并使用知识的科学。
从人工智能所实现的功能来定义是智能机器所执行的通常与人类智能有关的功能,如判断、推理、证明、识别学习和问题求解等思维活动。
这些反映了人工智能学科的基本思想和基本内容, 即人工智能是研究人类智能活动的规律。
若是从实用观点来看,人工智能是一门知识工程学:以知识为对象,研究知识的获取、知识的表示方法和知识的使用。
从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。
如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能更灵活方效地为人类服务。
只要电脑能够表现出与人类相似的智能行为,就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。
人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。
2 人工智能历史当然，人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几个阶段:第一阶段:50年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题求解程序、LISP 表处理语言等。
但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。
这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段: 60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。
DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。
并且，1969年成立了国际人工智能联合会议（International Joint Conferences on Artificial Intelligence 即IJCAI）。
第三阶段: 80年代，随着第五代计算机的研制，人工智能得到了很大发展。
日本1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统K I P S”，其目的是使逻辑推理达到数值运算那么快。
虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段: 80年代末，神经网络飞速发展。
1987 年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。
此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段: 90年代，人工智能出现新的研究高潮。
由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。
不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。
另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。
人工智能已深入到社会生活的各个领域。
3 人工智能的研究与应用领域人工智能存在许多不同的研究领域,如语言处理、自动定理证明、计算智能、智能数据检索系统、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。
在过去的40年中已经建立了一些具有人工智能的计算机系统, 能够求解微分方程、下棋、设计和分析集成电路、合成人类自然语言、检索情报、诊断疾病以及控制太空飞行器和水下机器人等。
目前,人工智能的研究是与具体领域相结合进行的。
基本上有如下领域: (1)专家系统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。
目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域,广泛应用于医疗诊断、地质勘探、文化教育等各方面。
它是在特定的领域内具有相应的知识和经验的程序系统,它应用人工智能技术、模拟人类专家解决问题时的思维过程,来求解领域内的各种问题,达到或接近专家的水平。
(2)机器学习机器学习就是机器自己获取知识。
机器学习的研究, 主要是研究人类学习的机理、人脑思维的过程; 机器学习的方法; 建立针对具体任务的学习系统。
还有机器人学这个领域所研究的问题, 包括从机器人手臂的最佳移动到实现机器人的目标动作序列的规划方法等。
因此开发高智能机器人是一个重要研究方面。
(3)模式识别模式识别是研究如何使机器具有感知能力, 主要研究视觉模式和听觉模式的识别, 如识别物体、地形、图像、字体(如签字)等。
在日常生活各方面以及军事上都有广大的用途。
近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。
特别神经网络方法在模式识别中取得较大进展。
当前模式识别主要集中在图形识别和语音识别。
图形识别方面例如识别各种印刷体和某些手写体文字, 识别指纹、白血球和癌细胞等的技术已经进入实用阶段。
语音识别主要研究各种语音信号的分类。
语音识别技术近年来发展很快, 现已有商品化产品如扫描仪的上市。
(4)人工神经网络人工神经网络是在研究人脑的奥秘中得到启发,试图用大量的处理单元(人工神经元、处理元件、电子元件等)模仿人脑神经系统工程结构和工作机理。
是通过范例的学习,修改了知识库和推理机的结构,达到实现人工智能的目的。
在人工神经网络中,信息的处理是由神经元之间的相互作用来实现的,知识与信息的存储表现为网络元件互连间分布式的物理联系,网络的学习和识别取决于和神经元连接权值的动态演化过程。
人工神经网络也许永远也无法代替人脑,但是他能帮助人类扩展对外部世界的认识和智能控制。
多年来,个人工神经网络的研究取得了较大的进展,成为具有一种独特风格的信息处理学科。
目前,人工神经网络的发展趋势有如下特点:①新的人工神经网络模型产生频率非常之快。
②现有的人工神经网络模型的完善改进速度喜人。
③人工神经网络结合和其他一些现代优化计算方法的结合运用日见增多。
如结合混沌理论、遗传+ 神经、模拟退火+神经算法等成功运用的实例。
(5)智能决策支持系统决策支持系统是属于管理科学的范畴,它与“知识-智能”有着极其密切的关系。
自20世纪80年代以来专家系统在许多方面取得成功,将人工智能中特别是智能和知识处理技术应用于决策支持系统,扩大了决策支持系统的应用范围,提高了系统解决问题的能力,这就成为智能决策支持系统。
(6)自动定理证明自动定理证明是指利用计算机证明非数值性的结果,即确定真假值。
早期研究数学系统的机器是1926年由美国加州大学伯里克分校制作的。
如不断开发能够对某些问题或事物进行推理证明,这些程序能够借助于对事实数据库的操作来证明和作推理判断。
(7)自然语言理解及自动程序设计自然语言理解方面已经开发出能够从内部数据库回答英语提出问题的程序, 此外, 这些程序通过阅读文本材料,还能够把其中的句子从一种语言翻译为另一种语言,执行用英语给出的指令和获取知识等。
自动程序方面的目的在于,使计算机自身能够根据各种不同目的和要求来自动编写计算机程序,既可用高级语言编程,又可用英语描述算法。
目前已经可以自动编写出一些简单的程序。
5 人工智能的前景人工智能的近期研究目标是研制可代替人类从事脑力劳动的智能计算机, 要准确地预测人工智能的未来是不可能的。
但是,从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展:模糊处理、并行化、神经网络和机器情感。
人工神经网络是未来人工智能应用的新领域,而人工智能领域的下一个突破可能在于赋予计算机情感能力。
情感能力对于计算机与人的自然交往至关重要。
结论：人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。
今天，已经有很多人工智能研究的成果进入人们的日常生活。
将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
今后，基础研究的比例应该适当提高，同时人工智能研究一定要与应用需求相结合。
科学研究讲创新，而创新必须接受应用和市场的检验。
因此，我们不仅要善于找到解决问题的答案，更重要的是要发现最迫切需要解决的问题和最迫切需要满足的市场需求。
参考文献[1] 王文杰.人工智能原理与应用[M].北京:人民邮电出版社,2004.[2] 张玉峰.智能情报系统[M].武汉:武汉大学出版社,1991.[3] 王万良.人工智能及其应用[M].北京:高等教育出版社,2005.[4] 蔡自兴.人工智能基础[M].北京:清华大学出版社,1996.[5] 张仰森.人工智能原理与应用[M].北京:高等教育出版社,2004.[6] 李陶深.人工智能[M].重庆:重庆大学出版社,2002.[7] Rob Callan.人工智能[M].黄厚宽, 田盛丰,译.北京:电子工业出版社,2004.[9] 蔡自兴. 人工智能基础[M ] . 北京: 高等教育出版社, 2005.。