论文格式要求 (13).doc
《论文格式要求 (13).doc》由会员分享,可在线阅读,更多相关《论文格式要求 (13).doc(18页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、嘉兴南洋职业技术学院毕业论文(设计)浅谈人工智能学习研究的现状及其发展趋势【摘要】本文论述在当今的网络时代,作为信息技术的先导,人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向,要在学科交叉研究中实现人工智能学习的发展与创新,就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点,尤其是重视认知物理学的研究。自然语言是人类思维活动的载体,是人工智能学习研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研
2、究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能学习与应用领域新的辉煌。【关键词】人工智能 现状 发展趋势目录前言21. 课题概述41.1人工智能学习的历史性基础和发展步伐41.2人工智能的早期研究41.3人工智能重要领域的发展72人工智能学习的研究途径和主要流派102.1人工智能的研究途径102.2传统人工智能102.3连接主义学派103人工智能学习的主要技术及其发展趋势113.1人工智能学习研究113.2新一代的智能技术113.2 人工智能发展方向13总结15致谢16参考文献17前言在计算机诞生的初期,有人提出了用计算机实现自动翻译的设
3、想。目前机器翻译所面临的问题仍然是1964年语言学家黑列尔所说的构成句子的单词和歧义性问题。歧义性问题一直是自然语言理解(NLU)中的一大难关。同样一个句子在不同的场合使用,其含义的差异是司空见惯的。因此,要消除歧义性就要对原文的每一个句子及其上下文进行分析理解,寻找导致歧义的词和词组在上下文中的准确意义。然而,计算机却往往孤立地将句子作为理解单位。另外,即使对原文有了一定的理解,理解的意义如何有效地在计算机里表示出来也存在问题。目前的NLU系统几乎不能随着时间的增长而增强理解力,系统的理解大都局限于表层上,没有深层的推敲,没有学习,没有记忆,更没有归纳。导致这种结果的原因是计算机本身结构和研
4、究方法的问题。现在NLU的研究方法很不成熟,大多数研究局限在语言这一单独的领域,而没有对人们是如何理解语言这个问题做深入有效的探讨。那么,在人工智能的现实应用方面,中国的水平又如何呢?我国虽然在人工智能的软件方面水平不低,但在硬件、机器制造方面水平还不高,和日本等应用水平和普及度都较高的国家相比,中国还处于一个很初级的阶段。钟义信坦言,这并不代表我们不能开发出具有强大功能的机器人,事实上我国的实验室研究生产水平已经完全可以制造出与日本同等水平的人工智能成果。钟义信表示,当前影响我国人工智能应用发展的原因主要是,工业化生产水平相比于美日还存在较大差距,对资源和能源的消耗也都难以达到需求,此外,一
5、项先进的人工智能成果在刚开始投入市场生产时需要较高的成本,这对于我国一些普通家庭来说还属于奢侈品,因此在市场需求和推广上也难以跟上国外的脚步。尽管目前人工智能的发展还未达到人类智能的水平,但仍有很多人对此产生顾虑。日本高级通信技术国际研究所硅脑制造工程负责人雨果德加里斯就曾表示:总有一天,我创造出的东西可能会“像拍苍蝇一样把我拍死”。对于这些担心,钟义信教授表示,人工智能的研究是希望机器的智能能够接近于人类,但是人类所具有的最重要的智能表现创造性,却是机器人永远都难以超越的,它只能遵照人类为它设定的程序来执行,因此机器人也永远不会成为人类的“掘墓人”。另据何华灿教授介绍,当前国际人工智能领域已
6、将“给机器人设计制造者立法”提上了日程,希望能以此来约束设计者和使用者们合理合法、安全善意地使用机器人,让人工智能延伸扩大人类的力量。1. 课题概述1.1人工智能学习的历史性基础和发展步伐自20世纪90年代以来,随着全球化的形式与国际竞争的日益激烈,对人工智能技术的研究与应用变的越来越被人们关注,且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。人工智能已对现实社会做出了非常重大的贡献,而且其作用已在各领域发挥得淋漓尽致,特别是在计算机领域,人工智能的应用更加突出,可以说,哪里有计算机应用,哪里就在应用人工智能;哪里需要自动化或半自动化,哪里就在应用人
7、工智能的理论、方法和技术。 目前,人工智能应用的主要领域,也就是计算机应用的主要领域。人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲,人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的,它一方面成为人类智能的延长,另一方面又为探讨人类智能机理提供了新的理论和研究方法。学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具有以下特点:学习行为一般具有明显的目的性,其结果是获取知识;学习系统中结构的变化是定向的,要么由学习算法决定,要么由环境决定;学习系统是构造智能系统的中心骨
8、架,它是全面组织与保存系统知识的场所;学习机制与知识表达方式密切相关,神经网络表示形式的知识可以用ANN算法或GA算法来获取,也可以用加强算法来获取。因此,人工智能学习研究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是,不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的,现在电子计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,于是当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”。可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能学习这门科学的具体目标也自然随着时代的变化而发展。它一
9、方面不断获得新的进展,一方面又转向更有意义、更加困难的目标。1.2人工智能的早期研究人工智能学习的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外,人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 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”这一设想可以看成是对人工
10、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“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
11、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。 几乎在图灵上述工作的同时,冯诺依曼从生物学角度研究了人工智能。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DNA聚合酶,D对应于RNA和DNA,E
12、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,Miusky,Mccarthy,Newell和Simon后来被认为是美国人工智能界的“四大
13、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。
14、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,
15、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的通用解题程序,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
16、”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”。1.3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
17、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,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
18、丰富的专门知识(领域知识和经验)。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究中
19、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有效地完成知识获取任务。这种状况极大的激发了自动获取知识-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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 论文格式要求 13 论文格式 要求 13
限制150内