《人工智能之知识库.pptx》由会员分享，可在线阅读，更多相关《人工智能之知识库.pptx（68页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、人工智能知识库报告提纲相关文献相关文献A知识库的相关内容知识库的相关内容本知识库下一步的工作方向本知识库下一步的工作方向近期看过的文献1.知识库方面的文献（19）aai07-analogy.pptOracle数据库系统和知识库建造.doc从 SQL优化角度对医院信息系统进行优化.pdf基于Lucene的全文检索系统的研究与应用.nh基于Native XML数据库的知识库系统应用研究.pdf基于Oracle Text的电子银行知识库系统设计.pdf基于Oracle XML DB的学科知识库设计与实现.pdf基于Oracle数据库系统的知识库建造.pdf基于SQL Server数据库和C+实现专家
2、系统外壳.pdf基于数据库的保质设计制图综合知识库研究.pdf基于知识的产品设计数据库的设计与实现.pdf基于知识的故障诊断方法综述.pdf学术论文导航系统知识库的构建与实现.pdf数据库系统中SQL语句优化.pdf类比推理研究的回顾与展望.pdf面向对象电网知识库系统的研究与实践.pdf运用ACCESS数据库建立高原知识库管理系统.pdf智能故障诊断技术综述.pdf中医专家系统技术综述及新系统实现研究.pdf2.Oracle方面的文献（方面的文献（5）ORACLE中中SQL执行原理及性能执行原理及性能优化研究优化研究.pdfORACLE数据库中数据库中SQL优化解析优化解析.pdfOracl
3、e数据库性能的优化设计数据库性能的优化设计.pdfSQL Server环境下的环境下的SQL优化方优化方法探讨法探讨.pdf基于基于Oracle XML DB的的XML文档文档存取技术存取技术.pdf知识库的基本概念 知识是智能的基础。人类制定决策的过程是一个“数据信息知识”的层次结构。数据用来表示事实信息是数据的“浓缩”及对数据进行组合、概括、校对、比较、分类以及其它处理过程，转变成方便人们做出决策的形式，即信息知识，它是人类制定决策的基础。知识的特性 1)知识的相对性在一定条件及环境下，知识是正确的和可信任的。其中“在一定条件及环境下”这一限定是必不可少的，它是知识正确性的前提。因为任何知
4、识都是在一定的条件和环境下产生的，所以也只有在这种条件及环境下才是正确的。2)知识的不确定性。由于现实世界的复杂性，信息可能是精确的，也可能是模糊的；关联可能是确定的，也可能是不确定的。这就使得知识并不总是只有“真”或“假”两种状态，而是在“真”或“假”之间还存在许多中间状态，即存在为“真”的程度问题。a、由随机性引起的不确定性：b、由模糊性引起的不确定性；c、由不完全性引起的不确定性；d、由经验性引起的不确定性。(3)知识的可表示与可利用性知识可以用语言、文字、图形、神经元网络等，并通过相应形式加以利用和掌握。知识的表示 对知识进行表示的过程就是把知识编码成某种数据结构的过程。目前对人类知识
5、的结构及机制的研究还没有完全成熟。总体可以分为两大类：符号表示法和连接机制表示法：符号表示法是用各种包含具体含义的符号，以各种不同的方式和次序组合起来表示知识的一类方法。它主要用来表示逻辑性知识。连接机制表示法是用神经网络技术表示知识的一种方法。它把各种物理对象以不同的方式及次序连接起来，并在其间互相传递及加工各种包含有具体意义的信息，以此来表示相关的概念及知识。专家系统国内外研究现状和技术发展趋势专家系统知识的获取是一个逐步积累的过程，专家系统的开发也是一个逐步发展、不断完善的过程。因此，专家系统的创建是一个复杂的应用系统工程，需要在不断补充和完善中逐步提高系统的性能和水平。专家系统的构建方
6、法：第一类是传统的符号推理(Symbolic Reasoning)方法规则推理(Rule-Based Reasoning，简称RBR)模型推理(Model-Based Reasoning，简称MBR)案例推理(Case-Based Reasoning，简称CBR)第二类是软计算（Soft Computing，简称SC)方法模糊推理(Fuzzy Reasoning)人工神经网络(Anificial Neural Network，简称ANN)（神经网络故障诊断虽然有它独特的优越性，但也存在一些困难。主要表现在三方面：一是训练样本获取困难；二是忽视了领域专家的经验知识；三是网络权值形式表达方式难以理
7、解。）第三类是混合智能推理(Integrating Reasoning)方法 模型推理 就是将被求解的问题描述为结构、功能、行为信息，用结构化的领域知识进行问题求解的推理方法。基于模型的推理是通过对相关领域研究对象的结构和知识的精化与归纳，通过抽象描述表达出研究对象的特性和行为，建立该对象的数学模型、物理模型或结构模型以及相应的逻辑关系，并将其作为深知识在推理过程中使用。推理过程是一个结点被建立或否定的搜索过程。基于规则的推理规则是可分解为前提和结论两部分的，能表达因果关系的知识，一般表示形式为：“如果A则B，其中A为前提，B为结论。基于规则的诊断方法具有知识表示简单、自然、一致性好、推理过程
8、易于理解，诊断速度快等优点。该方法一般采用BNF(Backus-Naur Form)语法形式，将知识表示为一组规则的有序集合，非常接近于人类思维方式和自然形式的“ifthen”结构，易实现求解过程中的分析、综合和推理。基于规则的专家系统，是使用一套包含在知识库内的规则对工作存储器内的问题信息（事实）进行处理，通过推理机推断出新的信息的计算机程序，其工作模型如图：基于规则的专家系统动物识别专家系统该系统的知识库由15条规则组成，可识别7种动物，规则的基本格式是：IF（如果）THEN（则）规则 I1 如果 该动物有毛发则 它是哺乳动物 规则 I2 如果 该动物能产乳则 它是哺乳动物规则 I3 如果
9、 该动物有羽毛则 它是鸟类动物规则 I4 如果 该动物能飞行 它能生蛋 则 它是鸟类动物规则 I5 如果 该动物是哺乳动物 它吃肉则 它是食肉动物 规则 I6 如果 该动物是哺乳动物 它长有爪子 它长有利齿 它眼睛前视则 它是食肉动物 规则 I7 如果 该动物是哺乳动物 它长有蹄则 它是有蹄动物规则 I8 如果 该动物是哺乳动物 它反刍则 它是有蹄动物，并且是偶蹄动物 规则 I9 如果 该动物是食肉动物 它的颜色是黄褐色 它有深色的斑点 则 它是猎豹 规则 I10 如果 该动物是食肉动物 它的颜色是黄褐色 它有黑色条纹 则 它是老虎规则 I11 如果 该动物是有蹄动物 它有长腿 它有长颈 它的
10、颜色是黄褐色 它有深色的斑点 则 它是长颈鹿规则 I12 如果 该动物是有蹄动物 它的颜色是白的 它有黑色条纹 则 它是斑马 规则规则 I13 如果如果 该动物是鸟类该动物是鸟类 它不会飞它不会飞 它有长颈它有长颈 它有长腿它有长腿 它的颜色是黑色和白色相杂它的颜色是黑色和白色相杂 则则 它是鸵鸟它是鸵鸟规则规则 I14 如果如果 该动物是鸟类该动物是鸟类 它不能飞行它不能飞行 它能游泳它能游泳 它的颜色是黑色和白色它的颜色是黑色和白色 则则 它是企鹅它是企鹅 规则规则 I15 如果如果 该动物是鸟类该动物是鸟类 它善于飞行它善于飞行 则则 它是海燕它是海燕海燕ALBATROSS企鹅 PENG
11、UIN驼鸟 OSTRICH斑马 ZEBRA长颈鹿 GIRAFFE虎TIGER黑豹 CHEETA见程序基于案例的专家系统 这是一种基于人的认知过程的推理策略，是一种人们在生活中经常用来求解问题的方法。其核心思想是：专家系统在进行某个问题的求解时，往往把以前使用过的与该问题相同或类似的案例联系起来，运用以前解决该案例的经验、知识和方法，来解决当前问题。基于案例的专家系统的目标就是运用计算机来得到类比推理和领域专家的记忆，并提供出类似该问题的解。该方法方便了知识的获取，简化了知识的维护，增加了解决问题的效率和解答的质量，提高了用户的满意程度。CBR是以自然界的两大原则为理论前提的1)世界是规则的相似
12、的问题有相似的求解方法和过程；2)事物总是会重复出现的人们遇到的相同或相似的问题或事物总会重复出现的。预测：例如设备故障预测或股票市场的行为。评估：例如银行业或保险业的风险分析，项目成本的估计。诊断：例如医学诊断或设备故障诊断。设计：通过改进以前的产品开发出新的产品。计划：从旧的计划制订出新的决策计划。配置：从旧的进度表产生新的进度表。类比推理类比是人类应用过去的经验来求解新问题的一种思维过程。类比学习是把两个或两类事物或情形进行比较，找出它们在某一抽象层上的相似关系，并以这种关系为依据，把某一事物或情形的有关知识加以适当整理（或变换）对应到另一事物或情况，从而获得求解另一事物或情形的知识。根
13、据已知域的情况，用类比来回答关于另一未知域的问题，主要是一个解决问题的过程。Retrieval检索Elaboration细化 Mapping映射 Justification纠正类比学习描述：设有两个具有相同或相似的论域：源域S和目标域T，已知S中的元素a和T中的元素b具有相似的性质P，即P(a)P（b），a还具有性质Q，即Q(a)，根据类比推理，b也具有性质Q.即，P(a)Q(a),P(a)P（b）Q(b)Q(a)类比学习一般步骤：（1）找出源域与目标域的相似性质P，找出源域中另一个性质Q和性质P对元素a的关系：P（a）Q（a）；（2）在源域中推广P和Q的关系为一般关系，即对于所有的变量x来说
14、，存在P（x）Q（x）；（3）从源域和目标域映射关系，得到目标域的新性质，即对于目标域的所有变量x来说，存在P（x）Q（x）；（4）利用假言推理：P（b），P（x）Q（x）Q(b)，最后得出b具有性质Q从上述步骤可见，类比学习实际上是演绎学习和归纳学习的组合。步骤（2）是一个归纳的过程，即从个别现象推断出一般规律；而步骤（4）则是一个演绎过程，即从一般规律找出个别现象。类比学习的过程：联想搜索匹配检验相似程度修正变换求解更新知识库类比求解过程要明确的问题问题特征怎样抽取相似性测度及计算方法如何确定如何搜索相似的问题怎样找出对应关系，如何匹配老问题的解如何变换地到新问题的解如何更新知识库基于案例
15、推理的专家系统包含的基本研究领域问题案例获取 案例表示案例索引 检索模板检索 类似于关系数据库的SQL查询分层检索 决策树为基础关联检索 邻近检索案例的修改学习和归纳知识库建立需要考虑的问题充分表示领域知识 有利于对知识的使用便于对知识的组织、维护和管理 便于理解与实现知识库管理系统 知识库管理系统是知识库系统设计中必不可少的。具体来说知识库管理系统所具有的功能如下：1)知识库管理系统应具有传统数据库管理系统的切功能，包括对数据、知识的有效存取、数据处理等。2)有一个描述性语言用于对知识的操作与处理。知识库管理系统的特性 1)知识库管理系统所管理的知识限于事实和规则；2)知识库管理系统应能管理
16、大量的知识；3)知识库管理系统所采用的语言大多数是逻辑语言，如用谓词逻辑表示；4)知识库管理系统的核心是一个推理系统(Inference Engine)，它完成对知识的操纵，其中主要包括对知识的一致性检查、知识的演绎检索等。SQL处理过程从SQL执行原理可知，影响SQL语句性能的关键是前两步。一方面硬解析相当消耗资源(CPU时间、内存、栓锁等)，频繁解析导致响应时间更长(效率低)，系统支持同时在线的用户数更少(并发性差)；另外，生成的执行计划的优劣主要依赖于统计信息的准确性。因此，SQL性能优化的重点是：尽量避免重复解析，充分重用SQL知识库存放的知识 有效的SQL语句。待复核的SQL语句。驳
17、回的SQL语句。历史的SQL语句。知识库中还可以放的知识1当一个用户有数据库请求时，先判断是读还是写，如果是写的话，就直接返回写入服务器，这样当写服务器写完数据以后，差不多可以在3秒内返回其他两台机器。2，当遇到一个读的请求时，根据监控返回来的数据判断，根据刚才的权值返回一个当前最空闲的机器。需要注意的是，这时最好做一个记录器，用以保持一段时间的数值，可以让管理员自行设定，更好地做到几台数据库的压力平衡。3如果为主的写入服务器突然坏掉，程序可以自动把备份的服务器切换过来，用刚才的备份服务器当作写服务器，然后做一个报警系统，用以通知管理员。同样，当监控服务器发现其他两台读服务器坏掉时，也会自动通
18、知管理员，来处理服务器的异常情况，这样就可以保证系统的稳定运行，而且易于管理和维护。4限制由数据库用户 db2admin 发出的读取操作，当 read 操作返回的数据行数大于 N 时，终止这个操作。5限制由数据库用户 db2admin 发出的 DML 活动，当预计的 SQL COST 运行时间大于 200 秒时，将不允许该活动继续运行。6创建 Limits。这里，需要对某一个用户源发出的某一类工作做出限制。如某个 CASE 中用户源就是 DB2ADMIN，工作类型就是 READ。7.用户特定的需求。下一步的工作选择知识的表示确定知识的推理形式构建知识库知识的增加知识的删除知识的约减知识的修改知
19、识库的优化（检索、排序）演讲完毕，谢谢观看！附录资料：人工智能简介About Teaching Plan基本要求：人工智能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，是目前迅速发展的一门新兴学科，新思想新方法层出不穷。其基本思想是利用机器来模仿和执行人脑的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。对于培养学生计算机技术的应用能力，开阔思路和视野，有重要意义。About Teaching Plan因此，要求学生掌握知识表示知识表示和问题求解问题求解的几种常用方法，尤其是不确定性推理不确定性推理；掌握机器学习机器学习基本概念，了解几种机器学习
20、方法机器学习方法尤其是神经网络学习方法；神经网络学习方法；掌握专家系统的概念，了解专家系统设计方法专家系统设计方法，掌握一些智能控制方法智能控制方法，了解国内外人工智能研究尤其是机器人的最新进展；最新进展；具有一定的人工智能编程设计能力人工智能编程设计能力（利用Lisp或Prolog语言）。About Teaching Plan课程内容以及学时分配课程内容以及学时分配人工智能引论(1)人工智能概念及与计算机的关系，研究途径、内容和应用领域概况介绍，其他最新材料其他最新材料。符号主义、连接主义、行为主义三大流派人工智能数学基础(1)知识表示方法（2）状态空间法、问题归约法，谓词逻辑法、产生式表示
21、法（动物识别系统）；CLIPS语言；语义网络法、框架法（这是结构化表示）；剧本、过程、Petri网、面向对象的表示。About Teaching Plan搜索技术和策略（3-4）状态空间法，盲目搜索和启发式搜索，A*算法；海伯伦理论、消解原理和策略；与或形推理和搜索策略；其他求解技术。不确定推理技术（3-4）主观Bayes理论；可信度方法和证据理论；系统组织技术；非单调推理；Rete快速算法；模糊推理技术；基于语义网络和框架不确定推理；专家系统（2）专家系统概念、结构和知识获取；黑板模型、知识组织、管理及系统建造和开发工具；专家系统举例及编程。人工智能程序设计人工智能程序设计（1）人工智能语言
22、基本机制：LISP和PROLOG。About Teaching Plan模式识别导论（3）模式识别专题：概率模式识别。模式识别专题：结构模式识别机器学习（1）：机械,解释经验,事例,归纳,概念,类比学习等；统计,结构,模糊模式识别。专题讲座（3次）1)神经网络基本理论和应用(史奎凡课程：安排于人工智能理论与应用课程内)；2)智能体（Agent）；3)自然语言处理；4)智能控制和机器人科学智能控制的结构理论和研究领域，智能控制系统及应用示例；机器人规划、机器视觉和自然语言理解等。About Teaching Plan实践：1)搜索技术和策略2)不确定推理技术3)专家系统：动物识别系统4)模式识别
23、技术5)调研：搜索技术和策略、不确定推理技术、统计模式识别、机器学习等四个领域进展报告。Chapter One:Brief Introduction to Artificial Intelligence1.What is AI?人工智能（人工智能（Artificial Intelligence,AI）是当前科学技发展的一门前是当前科学技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。现的新兴学科以及正在发展的学科。它是在它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学计算机科学
24、，控制论，信息论，神经心理学，哲学，语言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综合性的边缘学科合性的边缘学科。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世纪的三世纪的三大科学技术成就。大科学技术成就。Intelligence智能是知识与智力的总合。智能是知识与智力的总合。知识知识智能行为的基础；智能行为的基础；智力智力获取知识并运用知识求解问题的能力。
25、获取知识并运用知识求解问题的能力。智能具有以下特征：智能具有以下特征：(1)具有感知能力具有感知能力指人们通过视觉、听觉、触觉、味觉、嗅觉等感指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；觉器官感知外部世界的能力；(2)具有记忆与思维的能力具有记忆与思维的能力这是人脑最重要的功能，亦是人之所以有这是人脑最重要的功能，亦是人之所以有智能的根本原因；智能的根本原因；(3)具有学习能力及自适应能力；具有学习能力及自适应能力；(4)具有行为能力。具有行为能力。Artificial Intelligence人工智能人工智能计算机科学的一个分支，是智能计算机系统，即人类智慧计算机科学
26、的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言对语言能理解、能学习、能推理）。能理解、能学习、能推理）。2.Brief History of AI(1)孕育（孕育（1956年前）年前）古希腊的古希腊的Aristotle（亚里士多德）（前亚里士多德）（前384-322），给出了形式逻辑的），给出了形式逻辑的基本规律。基本规律。英国的哲学家、自然科学家英国的哲学家、自然科学家Bacon（培根）（培根）（1561-1626），系统地给），系统地给 出了归纳法。出了归纳法。“知识就是力量知识就是
27、力量”德国数学家、哲学家德国数学家、哲学家Leibnitz（布莱尼茨）（布莱尼茨）（1646-1716）。提出了关于）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家英国数学家、逻辑学家Boole（布尔）（布尔）（1815-1864）实现了布莱尼茨）实现了布莱尼茨 的思维符号化和数学化的思想，提出了一种崭新的代数系统的思维符号化和数学化的思想，提出了一种崭新的代数系统布尔布尔代数。代数。美籍奥地利数理逻辑学家美籍奥地利数
28、理逻辑学家Godel（哥德尔）（哥德尔）（1906-1978），证明），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。和机械化的某种极限，在理论上证明了有些事是做不到的。英国数学家英国数学家Turing(图灵图灵)（1912-1954）,1936年提出了一种理想年提出了一种理想计算机的数学模型（图灵机），计算机的数学模型（图灵机），1950年提出了图灵试验，发表了
29、年提出了图灵试验，发表了“计算机与智能计算机与智能”的论文。图灵奖。的论文。图灵奖。美国数学家美国数学家Mauchly，1946发明了电子数字计算机发明了电子数字计算机ENIAC美国神经生理学家美国神经生理学家McCulloch，建立了第一个神经网络数学模型。建立了第一个神经网络数学模型。美国数学家美国数学家Shannon（香农）香农）,1948年发表了通讯的数学理论，年发表了通讯的数学理论，代表了代表了“信息论信息论”的诞生。的诞生。(2)形成（形成（1956-19691956-1969）1956年提出了年提出了“Artificial Intelligence（人工智能）人工智能）”1956
30、年年夏夏由由麻麻省省理理工工学学院院的的J.McCarthy、M.L.Minsky,IBM公公司司信信息息研研究究中中心心的的 N.Rochester,贝贝尔尔实实验验室室的的 C.E.Shannon共共同同发发起起，邀邀请请了了 Moore,Samuel,Selfridge,Solomonff,Simon,Newell等等人人，10位位数数学学家家、信信息息学学家家、心心理理学学家家、神神经经生生理理学学家家、计计算算机机科科学学家家，在在Dartmouth大大学学召召开开了了一一次次关关于于机机器器智智能能的的研研讨讨会会，会会上上 McCarthy 提提议议正正式式采采用用了了 Arti
31、ficial Intelligence（人人工工智智能能）这这一一术术语语。这这次次会会议议，标标志志着着人人工工智能作为一门新兴学科正式诞生了。智能作为一门新兴学科正式诞生了。McCarthy（麦卡锡）麦卡锡）人工智能之父人工智能之父。这次会议之后的这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就年间，人工智能的研究取得了许多引人瞩目的成就.机器学习方面：机器学习方面：塞缪尔于塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；中学习，也能从下棋实践中提高棋艺；在定理证明方面：王浩于在定理证明方面：王浩于1958
32、年在年在IBM机上证明了数学原理中有关机上证明了数学原理中有关命题演算的全部定理（命题演算的全部定理（220条），还证明了谓词演算中条），还证明了谓词演算中150条定理条定理85%；1965年，鲁宾逊（年，鲁宾逊（Robinson）提出了消解原理；提出了消解原理；在模式识别方面：在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；年塞尔夫里奇推出了一个模式识别程序；1965年年罗伯特（罗伯特（Robert）编制出可辨别积木构造的程序；编制出可辨别积木构造的程序；在问题求解方面：在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解年纽厄尔等人通过心理学试验总结出了人们求解问
33、题的思维规律，编制了通用问题求解程序问题的思维规律，编制了通用问题求解程序GPS,可以用来求解可以用来求解11种不同种不同类型的问题；类型的问题；在专家系统方面：斯坦福大学的费根鲍姆（在专家系统方面：斯坦福大学的费根鲍姆（E.A.Feigenbaum）自自1965年年开始进行专家系统开始进行专家系统DENDRAL（化学分析专家系统），化学分析专家系统），1968年完成并投年完成并投入使用；入使用；在人工智能语言方面：在人工智能语言方面：1960年年McCarthy等人建立了人工智能程序设计等人建立了人工智能程序设计语言语言Lisp，该语言至今仍是建造智能系统的重要工具；该语言至今仍是建造智能系
34、统的重要工具；1969年成立了国际人工智能联合会议（年成立了国际人工智能联合会议（International Joint Conferences On Artificial Intelligence）(3)发展（发展（1970年以后）年以后）70年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以以Feigenbaum为首的一批年轻科学家改变了战略思想，为首的一批年轻科学家改变了战略思想，1977年提出知年提出知识工程的概
35、念，以知识为基础的专家咨询系统开始广泛的应用。识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。著名专家系统的有：著名专家系统的有：1.DENDRAL化学分析专家系统（斯坦福大学化学分析专家系统（斯坦福大学1968）2.MACSYMA符号数学专家系统（麻省理工符号数学专家系统（麻省理工1971）3.MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）4.CASNET(Causal ASsciational Network)诊断和治疗青光眼的专家咨询系诊断和治疗青光眼的专家咨询系统（拉特格尔斯（统（拉特格尔斯（Rutg
36、ers）大学大学70年代中）年代中）5.CADUCEUS(原名原名INTERNIST)医疗咨询系统（匹兹堡大学）；医疗咨询系统（匹兹堡大学）；6.HEARSAY I 和和II语音理解系统（卡内基语音理解系统（卡内基-梅隆大学）梅隆大学）7.PROSPECTOR地质勘探专家系统（斯坦福大学地质勘探专家系统（斯坦福大学1976）8.XCON计算机配置专家系统（卡内基计算机配置专家系统（卡内基-梅隆大学梅隆大学1978）80年代，人工智能发展达到阶段性的顶峰。年代，人工智能发展达到阶段性的顶峰。87,89年世界大会有千人参加。硬件公司有上千个。并进行年世界大会有千人参加。硬件公司有上千个。并进行Li
37、sp硬件、硬件、Lisp机的研究。机的研究。在专家系统及其工具越来越商品化的过程中在专家系统及其工具越来越商品化的过程中,国际软件市场上形成国际软件市场上形成了一门旨在生产和加工知识的新产业了一门旨在生产和加工知识的新产业知识产业。应该说，知知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。之一。同年代，同年代，1986年年Rumlhart领导的并行分布处理研究小组提出了神领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。经元网络的反向传播学习算法，解决了神经网络的
38、根本问题之一。从此，神经网络的研究进入新的高潮。从此，神经网络的研究进入新的高潮。90年代，计算机发展趋势为小型化、并行化、网络化、智能化。年代，计算机发展趋势为小型化、并行化、网络化、智能化。人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。流技术之中，旨在使计算机更聪明、更有效、与人更接近。日本政府于日本政府于1992年结束了为期十年的称为年结束了为期十年的称为“知识信息处理体统知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计的第五代计算机系统
39、研究开发计划。并开始了为期十年的实况计算（算（Real Word Computing）计划。计划。3.Research Objects and Main Contents(1)人工智能的研究目标人工智能的研究目标 人工智能的长期研究目标：构造智能计算机。人工智能的长期研究目标：构造智能计算机。人工智能的近期研究目标：人工智能的近期研究目标：使现有的电子计算机更聪明，更有用，使它不仅能做一般的数值计使现有的电子计算机更聪明，更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为的部分智
40、能行为。(2)人工智能研究的基本内容人工智能研究的基本内容 1.机器感知机器感知 以机器视觉与机器听觉为主。以机器视觉与机器听觉为主。机器感知是机器获取外部信息的基本途径，是使机器具有智能不可机器感知是机器获取外部信息的基本途径，是使机器具有智能不可 或缺的组成部分，对此人工智能中已形成两个专门的研究领域或缺的组成部分，对此人工智能中已形成两个专门的研究领域 模式识别和自然语言理解。模式识别和自然语言理解。2.机器思维机器思维 指通过感知的外部信息及机器内部的各种工作信息进行有目的的处指通过感知的外部信息及机器内部的各种工作信息进行有目的的处 理。理。主要开展以下几方面的研究：主要开展以下几方
41、面的研究：(1)知识表示知识表示 (2)知识的组织，累计，管理技术知识的组织，累计，管理技术 (3)知识的推理知识的推理 (4)各种启发式搜索及控制策略各种启发式搜索及控制策略 (5)神经网络，人脑的结构及其工作原理神经网络，人脑的结构及其工作原理3.机器学习机器学习 使计算能自动获取知识，能直接向书本学习，能通过与人谈话学习，使计算能自动获取知识，能直接向书本学习，能通过与人谈话学习，能通过对环境的观察学习，并能在实践中自我完善。能通过对环境的观察学习，并能在实践中自我完善。4.机器行为机器行为 机器行为主要指计算机的表达能力，即机器行为主要指计算机的表达能力，即“说说”、“写写”、“画画”
42、等，等，对智能机器人，还应该有人的四肢功能，即能走路，能取物，能操作对智能机器人，还应该有人的四肢功能，即能走路，能取物，能操作等。等。5.智能系统及智能计算机的构造技智能系统及智能计算机的构造技术术4.Research Objects and Main Contents人工智能面世以来，其研究途径存在两种不同的观点：人工智能面世以来，其研究途径存在两种不同的观点：以以符符号号处处理理为为核核心心的的方方法法主主张张通通过过运运用用计计算算机机科科学学的的方方法法进进行行研研究，实现人工智能在计算机的模拟。究，实现人工智能在计算机的模拟。以以网网络络连连接接为为主主的的连连接接机机制制方方法法
43、主主张张用用生生物物学学的的方方法法进进行行研研究究，搞清楚人类智能的本质。搞清楚人类智能的本质。(1)以符号处理为核心的方法以符号处理为核心的方法该该方方法法起起源源于于纽纽厄厄尔尔等等人人的的通通用用问问题题求求解解系系统统（GPS），用用于于模模拟拟人人类类求求解问题的心理过程，逐渐形成为物理符号系统，这种方法认为：解问题的心理过程，逐渐形成为物理符号系统，这种方法认为：人人类类研研究究的的目目标标是是实实现现机机器器智智能能，而而计计算算机机自自身身具具有有符符号号处处理理能能力力，这这种种能能力力本本身身就就蕴蕴含含着着演演绎绎推推理理的的内内涵涵，因因而而可可通通过过运运行行相相应
44、应的的程程序序来来体体现现某某种种基基于于逻逻辑辑思思维维的的智智能能行行为为，达达到到模模拟拟人人类类智智能能活活动动的的效果。效果。目前人工智能的大部分研究成果都是基于这种方法实现的。目前人工智能的大部分研究成果都是基于这种方法实现的。该方法的主要特征是：该方法的主要特征是：立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需 要进行逻辑推理的复杂问题；要进行逻辑推理的复杂问题；知识可用显式的符号表示；知识可用显式的符号表示；便于模块化；便于模块化；能与传统的符号数据库链接；能与传统的符号数据库链接；可对推理结论做出解释，
45、便于对各种可能性进行选择。可对推理结论做出解释，便于对各种可能性进行选择。但该方法不适合于形象思维；而且在用符号表示概念时其有效性在很但该方法不适合于形象思维；而且在用符号表示概念时其有效性在很大程度上取决于符号表示的正确性，且对带噪声的信息及不完整的信息大程度上取决于符号表示的正确性，且对带噪声的信息及不完整的信息难以处理。难以处理。(2)以网络连接为主的连接机制方法以网络连接为主的连接机制方法 该方法是在人脑神经元及其相互连接而成网络的启示下，试图通过该方法是在人脑神经元及其相互连接而成网络的启示下，试图通过 多人工神经元间的并行协同作用来实现对人类智能的模拟。该方法认为：多人工神经元间的
46、并行协同作用来实现对人类智能的模拟。该方法认为：大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着 手进行研究，搞清楚大脑的结构及它进行信息处理的过程及机理，可望手进行研究，搞清楚大脑的结构及它进行信息处理的过程及机理，可望 揭示人类智能的奥秘，从而真正实现人类智慧在机器上的模拟。揭示人类智能的奥秘，从而真正实现人类智慧在机器上的模拟。该方法的主要特征：该方法的主要特征：通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性、通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性、动态性、全局性；动态性、全局性；
47、通过神经元间分布式的物理联系存储知识和信息，因而可以实现联想功通过神经元间分布式的物理联系存储知识和信息，因而可以实现联想功能，对于带有噪声、缺损、变形的信息能进行有效地处理。近期的一些能，对于带有噪声、缺损、变形的信息能进行有效地处理。近期的一些研究表明，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研究表明，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；果；通过神经元间连接强度的动态调整来实现对人类学习、分类等的模拟；通过神经元间连接强度的动态调整来实现对人类学习、分类等的模拟；适合于模拟人类的形象思维过程；适合于模拟人类的形象思维过程；求解问题时，可以比较快地球的一个近似
48、解。求解问题时，可以比较快地球的一个近似解。该方法不适合于模拟人的逻辑思维过程，而且就目前神经网络的研该方法不适合于模拟人的逻辑思维过程，而且就目前神经网络的研究现状来看，由固定的体系结构与组成方案所构成的系统还达不到开发究现状来看，由固定的体系结构与组成方案所构成的系统还达不到开发多种多样知识的要求。多种多样知识的要求。(3)系统集成系统集成 符号方法善于模拟人的逻辑思维过程，求解问题时，如果问题有解，符号方法善于模拟人的逻辑思维过程，求解问题时，如果问题有解，它可以准确地求出最优解；但求解过程的运算量将随问题的复杂性的它可以准确地求出最优解；但求解过程的运算量将随问题的复杂性的 增加成指数
49、性增长，另外其知识和信息的符号化过程需要由人来完成，增加成指数性增长，另外其知识和信息的符号化过程需要由人来完成，它自身不具备这种功能。它自身不具备这种功能。连接机制方法善于模拟人的形象思维过程，求解问题时，由于它的并连接机制方法善于模拟人的形象思维过程，求解问题时，由于它的并 行处理能力，可以较快地得到问题的解，但解一般是近似的，次优行处理能力，可以较快地得到问题的解，但解一般是近似的，次优 的；另外，该方法求解问题的过程是隐式的，难以对求解过程以显的；另外，该方法求解问题的过程是隐式的，难以对求解过程以显 式解释。式解释。将两个方法结合起来，取长补短。将两个方法结合起来，取长补短。通通过过
50、形形象象思思维维得得到到一一个个直直觉觉的的解解或或给给出出一一种种假假设设，然然后后用用逻逻辑辑思思维维进行仔细的论证或搜索，最终得到一个最优解。进行仔细的论证或搜索，最终得到一个最优解。但两种方法存在太多的不同，因此将其结合起来还要克服许多困难。但两种方法存在太多的不同，因此将其结合起来还要克服许多困难。就目前的研究而言，这两种方法结合起来有两种途径：就目前的研究而言，这两种方法结合起来有两种途径：结合结合即两者分别保持原来的结构，但密切合作，任何一方都可以把即两者分别保持原来的结构，但密切合作，任何一方都可以把自己不能解决的问题转化给另一方；自己不能解决的问题转化给另一方；统一统一把两者