煤矿机械 Vol. 30 Feb.2009 人工智能技术发展及应用研究综述 王文文(山东科技大学信息与电子工程学院，山东 青岛 266510)概述了国内外人工智能技术的发展历史，介绍了其研究现状、研究领域和目前的发展水平，简要讨论了当前的研究热点：智能接口与数据挖掘技术，并对人工智能的发展前景进行了展望。 关键词：人工智能；前景；发展综述 1 人工智能的概念及发展历史 (1)概念 美国斯坦福大学人工智能研究中心的纳尔逊教授对人工智能给出了如下定义：人工智能是一门关于知识的学科，是研究如何表示知识、如何获取知识和如何利用知识的科学。
从人工智能所实现的功能来看，它被定义为智能机器所执行的通常与人类智能相关的功能，如判断、推理、证明、识别学习和问题求解等。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规律的学科。从实用角度看，人工智能是一门知识工程学科：它以知识为对象，研究知识的获取、知识表示的方法和知识的使用。（2）发展简史回顾人工智能的诞生和发展过程，大致可分为孕育、形成、知识应用和综合集成四个阶段。在孕育期，一般认为人工智能最早的工作是由沃伦·麦卡洛克和沃尔特·皮茨完成的。在吸收了三者的资源后，提出了人工神经元模型，唐纳德·海布阐述了修改神经元间连接强度的简单更新规则。 1951年，普林斯顿大学数学系的两名研究生建造了第一台神经网络计算机。早期可以视为人工智能的工作例子还有很多。古希腊伟大的哲学家、思想家亚里士多德创立了演绎推理方法，他提出的三段论至今仍是演绎推理最基本的起点。形成期人工智能诞生于1956年的一次历史性聚会上，美国几位数学、神经学、心理学、信息科学和计算机科学领域的优秀青年科学家一起讨论，麦卡锡提议正式采用“人工智能”一词。
于是，一门研究如何利用机器模拟人的智能的新学科诞生了。1969年的国际人工智能联合会议标志着人工智能得到了国际上的认可。就在人们为人工智能取得的成就欣喜之时，人工智能却遇到了重重困难。人工智能的先驱们在反思中认真总结人工智能发展中的经验教训，从而开辟了一条以知识为中心，面向应用发展的研究道路。知识应用时期1977年，费根鲍姆在第五届国际人工智能联合会议上正式提出了知识工程的概念。此后，各种专家系统相继问世，大量商用专家系统和智能系统问世。知识专家系统在世界范围内迅速发展，其应用范围也拓展到人类的各个领域，产生了巨大的经济效益。而专家系统本身应用领域狭窄、常识性知识缺乏、知识获取困难、无法访问现有数据库等问题逐渐暴露出来，人工智能又面临一次考验。 综合集成时期专家系统方面，自20世纪80年代末以来，逐步向多种技术方法的综合集成、多学科、多领域的综合应用方向发展。大型专家系统的开发采用多种人工智能语言、多种知识表示方法、多种推理机制和多种控制策略相结合，开始使用各种专家系统外壳、专家系统开发工具和专家系统开发环境。
目前，人工智能技术正朝着大规模分布式人工智能、大规模分布式多专家协作系统、并行推理、多专家系统开发工具、大规模分布式人工智能开发环境以及分布式环境下的多智能体协作系统等方向发展。但从目前来看，人工智能的理论、方法和技术还不是很成熟，人们对它的认识还比较肤浅，甚至人工智能能否归结为一套基本原理、如何归结，还是一个问号，这些还需要人工智能工作者的长期探索。2人工智能的研究与应用领域人工智能有许多不同的研究领域，例如语言处理、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、人工智能方法与编程语言、自动程序设计等。 近40年来，已建立了一些具有人工智能的计算机系统，它们可以解微分方程、下棋、设计和分析集成电路、合成人类的自然语言、检索情报、诊断疾病以及控制宇宙飞船和水下机器人等。目前，人工智能的研究都是结合具体领域进行的，基本有以下几个领域： (1)专家系统 专家系统是在人类专家已有知识的基础上建立起来的知识系统，它是装载了大量特定领域的知识和经验的程序系统，应用人工智能技术，模拟人类专家解决问题的思维过程，来解决该领域的各种问题，其水平可达到甚至超过人类专家。
目前，专家系统是人工智能研究中出现最早、最活跃、最有效的领域，在医学诊断、地质勘探、文化教育等领域有着广泛的应用。它是在特定领域内具有相应知识和经验的程序系统，利用人工智能技术模拟人类专家解决问题时的思维过程，以解决该领域的各种问题，达到或接近专家的水平。 (2)机器学习 机器学习是机器自身获取知识。机器学习的研究主要研究人类学习的机制和人脑思维过程；机器学习的方法；以及针对特定任务的学习系统的建立。在机器人领域也有研究问题，包括从机械臂的最优运动到机器人目标动作序列的实现的规划方法等。因此，研制高智能机器人是一个重要的研究领域。 (3)模式识别 模式识别是研究如何使机器具有感知能力。 它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（如签名）等。在日常生活的各个方面以及军事上都有着广泛的用途。近年来，应用模糊数学模型和人工神经网络模型的方法逐渐取代了传统的利用统计模式和结构模式的识别方法。特别是神经网络方法在模式识别方面取得了很大的进展。目前，模式识别主要集中在图形识别和语音识别方面。在图形识别领域，例如识别各种印刷体和某些手写体文字、识别指纹、白细胞和癌细胞等技术已进入实用阶段。
语音识别主要研究对各种语音信号的分类。语音识别技术近年来发展迅速，目前已有扫描仪等商业产品面市。 （4）人工神经网络 人工神经网络的产生是受到对人脑奥秘研究的启发，试图用大量的处理单元（人工神经元、处理元件、电子元件等）模仿人脑神经系统的工程结构和工作机制，通过对实例的学习，修改知识库和推理机的结构，达到人工智能的目的。在人工神经网络中，信息处理是通过神经元之间的相互作用来实现的，知识和信息的存储表现为网络元素之间分布式的物理连接。网络的学习和识别依赖于与神经元的连接权值的动态演化。人工神经网络也许永远无法取代人脑，但可以帮助人类拓展对外界的认识和智能控制。多年来，人工神经网络的研究取得了长足的进步，成为一门独具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：新的人工神经网络模型生成很快；已有的人工神经网络模型的改进速度喜人；人工神经网络与一些其他现代最优化计算方法的结合日益增多，如混沌理论、遗传+神经、模拟退火+神经算法等相结合的成功范例。 (5)智能决策支持系统 决策支持系统属于管理科学的范畴，与“知识智能”有十分密切的关系。
20世纪80年代以来，专家系统在许多方面取得了成功。人工智能特别是智能与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，成为智能化的决策支持系统。（6）自动定理证明自动定理证明是指利用计算机对非数值结果进行证明，即确定真值和假值。早期研究数学系统的机器是由加州大学伯克利分校于1926年制成的。例如，不断发展能够推理和证明某些问题或事物的程序，通过对事实数据库进行操作，可以进行证明和作出推理和判断。Vol.30No.（7）自然语言理解与自动程序设计在自然语言理解领域，已经开发出能够从内部数据库回答用英语提出的问题的程序。此外，这些程序可以通过阅读文本材料将句子从一种语言翻译成另一种语言，执行用英语给出的指令，并获取知识。 自动程序的目的是使计算机能按各种目的和要求自动编写计算机程序，可以用高级语言编写程序或用英语描述算法。目前，一些简单的程序都可以自动编写。3人工智能的发展水平很难回答今天人工智能到底能做什么，因为有太多的子领域和太多的相关活动。人工智能已在许多领域得到成功实现：（1）自主规划和调度在距离地球数百万公里的地方，美国宇航局的远程代理程序成为第一个用于航天器操作调度的船载自主规划程序。
远程代理根据地面上指定的高级目标生成计划，并在计划执行过程中监控航天器的运行——检测、诊断并在出现问题时恢复。 (2) 博弈论 国际象棋程序中使用的一些技术，例如提前几步看问题和将复杂问题分解为更简单的子问题，已经演变成基本的人工智能技术，例如搜索和问题归纳。目前，该项目的技术发展迅速且令人惊叹。 (3) 自主控制 ALV INN 计算机视觉系统经过训练可以沿着车道驾驶汽车。它安装在 CMU 的 NAVLAB 计算机控制微型车中，并用于穿越美国——850 公里的旅程，其中 98% 的时间由系统转向。另外 2% 的时间由人驾驶。几乎所有的时间都在指向高速公路出口车道的区域。NAVLAB 配备了一个摄像机，可以将道路图像传输到 ALV INN，后者根据以前训练驾驶获得的经验计算出最佳驾驶方向。 （4）诊断基于概率分析的医学诊断程序在某些医学领域已经能够达到专家医生的水平。在一个案例中，淋巴结病理学的一位顶尖专家对程序对一个特别困难的病例的诊断嗤之以鼻。程序的创造者建议他听听计算机对诊断的解释。机器指出了影响判断的主要因素，并解释了病例中的一些细微症状，专家最终同意了程序的诊断。
（5）物流规划 1991年海湾危机期间，美军装备了动态规划与再规划工具DART，用于自动进行物流规划和运输调度。这项工作同时涉及5万辆车、货物和人员，必须考虑出发点、目的地、路径，解决所有参数之间的冲突。AI规划技术可以在几个小时内生成规划，而旧方法则需要数周时间。美国国防部高级研究计划局称，仅此一项就足以弥补DART在I上的30年投资。 （6）机器人技术 现在许多外科医生在显微手术中使用机器人助手。Hipnav是一种利用计算机视觉技术创建患者内部解剖结构的三维模型，然后利用机器人控制引导插入股骨假体的系统。设计一个可以执行上述操作的机器人很困难，因此开发高度智能的机器人是必须的。
