人工智能在计算机网络技术中运用

《人工智能在计算机网络技术中运用》由会员分享，可在线阅读，更多相关《人工智能在计算机网络技术中运用（28页珍藏版）》请在金锄头文库上搜索。

1、人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 1 页 共 28 页 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 2 页 共 28 页 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 摘要摘要 人工智能是研究使机器具备人所具有的智能功能的一门高新技术 学科。其目的是模拟、延伸和扩展人的智能，以实现某些脑力劳动的 自动化。实质化，它是开拓计算机应用、研制新一代计算机和扩展计 算机应用领域的技术基础，也是探索人脑奥秘的重要科学途径。人工 智能、原子能技术、空间技术，被

2、称为 20 世纪的三大尖端科技。进 入 21 世纪后，人工智能仍是适应信息时代需求的关键技术之一。自 上世纪五十年代以来，经过了几个阶段的不断探索和发展，人工智能 在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真 正意义上的的人类智能还相差甚远。但是进入新世纪以来，随着信息 技术的快速进步，与人工智能相关的技术水平也得到了相应的提高。 尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫 切，也给人工智能的研究提供了新的更加广泛的舞台。 定义定义 人工智能(Artificial Intelligence) ，英文缩写为 AI。它是 研究、开发用于模拟、延伸和扩展人的智能的理

3、论、方法、技术及应 用系统的一门新的技术科学。 人工智能是计算机科学的一个分支， 它企图了解智能的实质， 并生产出一种新的能以人类智能相似的方式 做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 3 页 共 28 页 别、自然语言处理和专家系统等。 人工智能是计算机学科的一个分支， 二十世纪七十年代以来被称 为世界三大尖端技术之一（空间技术、能源技术、人工智能） 。也被 认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术 之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都 获得了广泛应用，并取

4、得了丰硕的成果，人工智能已逐步成为一个独 立的分支，无论在理论和实践上都已自成一个系统。 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智 能下了这样一个定义： “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科学。 ”而另一个美国麻省理工学 院的温斯顿教授认为： “人工智能就是研究如何使计算机去做过去只 有人才能做的智能工作。 ”这些说法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，构造具有一定 智能的人工系统， 研究如何让计算机去完成以往需要人的智力才能胜 任的工作， 也就是研究如何应用计算机的软硬件来模拟人类某些智能 行为的基本理

5、论、方法和技术。 AIAI 的开端的开端 一般认为， 人工智能的思想萌芽可以追溯到德国著名数学家和哲 学家莱布尼茨(Leibnitz，1646-1716)提出的“通用语言“设想。这一 设想的要点是：建立一种通用的符号语言，用这个语言中的符号表达 “思想内容” ，用符号之间的形式关系表达“思想内容”之间的逻辑 关系。于是，在“通用语言”中可以实现“思维的机械化”这一设想 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 4 页 共 28 页 可以看成是对人工智能的最早描述。 计算机科学的创始人图灵被认为是“人工智能之父” ，他着重研 究了一台计算机应满足怎样的条件才能称为是“

6、有智能的” 。1950 年 他提出了著名的“图灵实验” ：让一个人和一台计算机分别处于两个 房间里，与外界的联系仅仅通过键盘和打印机。由人类裁判员向房间 里的人和计算机提问(比如： “你是机器还是人?”或“你是男人还是 女人?”等等)，并通过人和计算机的回答来判断哪个房间里是人、哪 个房间里是计算机。图灵认为，如果“中等程度”的裁判员不能正确 地区分，则这样的计算机可以称为是有智能的。 “图灵实验”是关于 智能标准的一个明确定义。有趣的是，尽管后来有些计算机已经通过 了图灵实验，但人们并不承认这些计算机是有智能的。这反映出人们 对智能标准的认识更深入、对人 工智能的要求更高了。 几乎在图灵上述

7、工作的同时，冯诺依曼从生物学角度研究了人 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 5 页 共 28 页 工智能。从生物学的观点看，智能是进化的结果，而进化的基本条件 之一是“繁殖” 。为此， 冯诺依曼构造了“自再生自动机” ，这是 一种有“繁殖”能力的数学模型。 冯诺依曼的分析表明， 自再生 自动机的内容结构对于“繁殖”是充分的和必要的。他进而推测，这 种结构必定存在于活的细胞之中。五年之后，克里克和沃森关于 DNA 结构的重大发现完全证实了冯诺依曼的猜测： 自再生自动机的几 个功能模块均有生物学上的对应物。其中，模块 A 对应于核糖体，B 对应于 RND 酶和

8、DNA 聚合酶，D 对应于 RNA 和 DNA，E 对应于阻遏控 制分子和抗阻遏控制分子等。 冯诺依曼的工作为后来人工智能中 的一条研究路线(人工生命)提供了重要的基础。 图灵和冯诺依曼的上述工作，以及麦克考洛和匹茨对神经元网 的数学模型的研究，构成了人工智能的初创阶段，这其实也是人工智 能学习的开始。 1956 年夏天举行的达德茅斯研讨会，被认为是人工智能作为一 门独立学科正式诞生的标志。 这次研讨会聚集了来自数学、 信息科学、 心理学、 神经生理学和计算机科学等不同领域的领导者， 包括Minsky， Rochester， Simon， Solonio 和 Mccarthy 等。其中，Miu

9、sky， Mccarthy，Newell 和 Simon 后来被认为是美国人工智能界的“四大 领袖” 。与会者从不同角度搜索了使机器具有智能的途径和方式，并 决定用“人工智能”(Artificial Intelligence)一词来概括这一新 的研究方向。达德茅斯研讨会开创了人工智能的第一个发展时期。在 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 6 页 共 28 页 这个时期里，研究者们展开了一系列开创性工作，并取得了引人注目 的成果。 会后不久，Newell，Shaw 和 Simon 完成了一个自动证明数学定 理的计算机程序 Logic Theorist (此前

10、Martin 和 Davis 曾编制了一 个算术定理的证明程序，但未发表)，证明了数学原理第二章中 的 38 条定理，由此开创了人工智能中“自动定理证明”这一分支。 1958 年，美籍逻辑学家王浩在自动定理证明中取得的重要进展。 他的程序在 IBM704 计算机上用不到 5 分钟的时间证明了数学原 理中“命题演算”的全部 220 条定理。1959 年，王浩的改进程序 用 8.4 分钟证明了上述 220 条定理及谓词演算的绝大部分定理。 1983 年，美国数学学会将自动定理证明的第一个“里程碑奖” 授予王浩，以表彰他的杰出贡献(自动定理证明的“里程碑奖”每 25 年评选一次，由此可见其份量)。受

11、王浩工作的鼓舞，自动定理证明 的研究形成一股热潮。比如，Slagle 的符号积分程序 SAINT 经测试 已达到了大学生的积分演算水准;而Mosis的SIN程序的效率比SAINT 提高了约三倍，被认为达到了专家水平。 自动定理证明的理论价值和应用范围并不局限于数学领域。 事实 上，很多问题可以转化为定理证明问题，或者与定理证明有关。可以 认为，自动定理证明的核心问题是自动推理，而推理在人的智能行为 中起普遍性的重要作用。基于这一看法，在自动定理证明的基础上进 一步研究通用问题求解，是一个值得探索的课题。从 1957 年开始， Newell，Shaw 和 Simon 等人着手研究不依赖于具体领域

12、的通用解题 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 7 页 共 28 页 程序，称之为 GPS，它是在 Logic Theorist 的基础上发展起来的， 虽然后来的实践表明，GPS 作为一个独立的求解程序，其能力是有限 的，但在 GPS 中发展起来的技术对人工智能的发展有重要意义 人工智能早期研究给人的深刻印象是博羿，1956 年，Samnel 研 制了一个西洋跳棋程序，该程序“天生”下跳棋水平很低，远远不是 Samuel 的对手。但它有学习能力，能从棋谱中学习，也能在实践中 总结提高。经过三年的“学习” ，该程序与 1959 年打败了 Samuel;又 经过三

13、年，打败了美国一个州的冠军。值得注意的是，虽然下棋至多 只能算是一项体育运动，下棋的程序似乎只是一种游戏程序，但 Samuel 工作的意义十分重大：它同时刺激了“搜索”和“机器学习” 这两个人工智能重要领域的发展。 与自动定理证明的研究意义不限于数学一样， 搜索的研究意义也 不限于博弈。根据认知心理学的信息处理学派的观点，人类思维过程 的很大一部分可以抽象为从问题的初始状态经中间状态到达终止状 态的过程，因此可以转化为一个搜索问题，由机器自动地完成。例如 “规划”问题。设想一台机器人被要求完成一项复杂任务，该任务包 含很多不同的子任务， 其中某些子任务只有在另一些子任务完成之后 才能进行。这时

14、，机器人需要事先“设想”一个可行的行动方案，使 得依照该方案采取行动可以顺利完成任务。 “规划”即找出一个可行 的行动案，可以通过以其子任务为状态、以其子任务间依赖关系为直 接后继关系的状态空间中的搜索来实现。 人工智能的早期研究还包括自然语言理解、 计算机视觉和机器人 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 8 页 共 28 页 等等。通过大量研究发现，仅仅依靠自动推理的搜索等通用问题求解 手段是远远不够的。Newell 和 Simon 等人的认知心理学研究表明， 各个领域的专家之所以在其专业领域内表现出非凡的能力， 主要是因 为专家拥有丰富的专门知识(领域知识

15、和经验)。70 年代中期， Feigenbaum 提出知识工程概念，标志着人工智能进入第二个发展时 期。知识工程强调知识在问题求解中的作用；相应地，研究内容也划 分为三个方面：知识获取，知识表示和知识利用。知识获取研究怎样 有效地获得专家知识； 知识表示研究怎样将专家知识表示成在计算机 内易于存储、易于使用的形式；知识利用研究怎样利用已得到恰当表 示的专家知识去解决具体领域内的问题。 知识工程的主要技术手段是 在早期成果的基础上发展起来的，特别是知识利用，主要依靠自动推 理和搜索的技术成果。在知识表示方面，除使用早期工作中出现的逻 辑表示法和过程表示法之外， 还发展了在联想记忆和自然语言理解研

16、 究中提出的语义网表示法，进而引入了框架表示法，概念依赖和脚本 表示法以及产生式表示法等等各种不同方法。与早期研究不同，知识 工程强调实际应用。主要的应用成果是各种专家系统。专家系统的核 心部件包括： (a)表达包括专家知识和其他知识的知识库。 (b)利用知识解决问题的推理机。 大型专家系统的开发周期往往长达 10 余年，其主要原因在于知识获 取。领域专家虽然能够很好地解决问题，却往往说不清自己是怎么解 决的，使用了哪些知识。这使得负责收集专家知识的知识工程师很难 人工智能在计算机网络技术中的运用人工智能在计算机网络技术中的运用 第 9 页 共 28 页 有效地完成知识获取任务。 知识获取-机器学习研究的深入发展。 已经得到较多研究的机 器学习方法包括：归纳学习、类比学习、解释学习、强化学习和进化 学习等等。机器学习的研究目标是：让机器从自己或“别人”的问题 求解经验中获取相关的知识和技能，从而提高解决问题的能力。 80 年代以来， 随着计算机网络的普及， 特别