人工智能课程设计报告书.docx
《人工智能课程设计报告书.docx》由会员分享，可在线阅读，更多相关《人工智能课程设计报告书.docx（10页珍藏版）》请在冰豆网上搜索。
人工智能课程设计报告书
《人工智能》
课程论文
题目论文写作规及格式模板
院（系）中印计算机软件学院专业软件工程
学号
学生
任课教师
时间
中文摘要
人工智能是21世纪早期逻辑学发展的主要动力源泉。
人工智能研究必须建立在归纳逻辑基础之上，从而达到多领域交叉合作来共同促进人工智能研究的广泛而深远的发展。
关键字：
人工智能，知识表达式，计算机
Abstract
Artificialintelligenceisthemaindrivingforceoflogicdevelopmentinearlytwenty-firstCentury.Artificialintelligenceresearchmustbebasedoninductivelogic,soastoachievemultidomaincrosscooperationtopromotetheextensiveandfar-reachingdevelopmentofartificialintelligenceresearch.
KeyWords:
Artificialintelligence,knowledgeexpression,computer
第1章绪论
人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学，简称AI。
人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。
本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，籍此使读者对我们身边的人工智能应用有一个感性的认识。
第2章正文
2.1人工智能研究的诞生
9世纪以来，数理逻辑、自动机理论、控制论、信息论、仿生学、心理学、电脑等科学技术的发展，为一个新科的诞生准备了思想、理论与物质基础。
在这一背景下，1956年美国的一些科学家，包括心理学家、数学家、计算机学家、信息论学家在美国一所大学举办讨论会，正式提出了人工智能这一术语，开始了具有真正意义的人工智能的研究。
社会需求与科技的发展，呼唤着一个新学科的诞生。
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。
人工智能领域中的心理学家、语言学家倾向于将重点放在用电脑去再现人脑思维的部状态上，也就是要使电脑程产真正理解它所他的事情，就好保人脑一样去“思考问题”。
由于大家研究的容与侧重点各不相同，因此对人工智能的认识也有一定的差异。
但是，他们的认识又相互补充、相辅相成，共同构成了人工智能丰富多彩的研究层次与多样化的研究队伍。
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s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（InternationalJointConferencesonArtificialIntelligence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KIPS“，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的技术发展，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。
2.2人工智能的应用
人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。
1.符号计算
计算机最主要的用途之一就是科学计算,科学计算可分为两类:
一类是纯数值的计算,例如求函数的值,方程的数值解,比如天气预报、油藏模拟、航天等领域;另一类是符号计算,又称代数运算,这是一种智能化的计算,处理的是符号。
符号可以代表整数、有理数、实数和复数,也可以代表多项式,函数,集合等。
随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件,其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的,所以可以在绝大多数计算机上使用。
2.模式识别
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。
这里,我们把环境与客体统称为“模式”,随着计算机技术的发展，人类有可能研究复杂的信息处理过程。
用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。
计算机识别的显著特点是速度快、准确性和效率高。
识别过程与人类的学习过程相似。
以“语音识别”为例：
语音识别就是让计算机能听懂人说的话，一个重要的例子就是七国语言（英、日、意、、法、德、中）口语自动翻译系统。
该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要利用网络和国际互联网，就可用手机、等与“老外”通话。
指纹是人体的一个重要特征，具有唯一性。
大学有关专家对数字图像的离散几何性质进行了深入研究，建立了从指纹灰度图像精确计算纹线局部方向、进而提取指纹特征信息的理论与算法，随后研究成功了适于民用身份鉴定的全自动指纹鉴定系统，以及适于公安刑事侦破的指纹鉴定系统。
从而开创了我国指纹自动识别系统应用的先河。
指纹自动识别系统的推出，使我国公安干警从指纹查对的繁重人工处理中解放出来。
3.专家系统
专家系统是一种模拟人类专家解决某些领域问题的计算机程序系统。
专家系统部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。
专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。
根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。
具体应用就很多了，例如血液凝结疾病诊断系统、电缆维护专家系统、花布图案设计和花布印染专家系统等等。
4.机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。
目前，国的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：
词典翻译类、汉化翻译类和专业翻译类。
词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利。
汉化翻译软件的典型代表是“快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。
机器翻译：
1.一句一句处理，上下文缺乏联系；
2.对源语言的分析只是求解句法关系，完全不是意义上的理解；
3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；
4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；
5.翻译只是句法结构的和词汇的机械对应。
人工翻译：
1.一般会先通读全文，会前后照应；
2.对源语言是求得意义上的理解；
3.只有专业翻译人员，而没有万能翻译人员；
4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；
5.翻译是一个再创造的过程。
在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。
事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软件。
如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”。
它集机器记忆式翻译、语法分析式翻译和人际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成。
这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。
机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。
随着因特网的普及与发展，机器翻译的应用前景十分广阔。
作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人。
国际上有关专家分析认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历15年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判断”的情况下，机器翻译要想达到100%的准确率是不可能的。
由此也可知道，人工智能虽然功能越来越强大，应用越来越广泛，但是就目前来看其缺点还是很明显的，因此还需不断努力，使其更加完善。
2.3人工智能的表示
一.智能机器系统如同智能生物一样，在运用知识进行信息交流或只能问题求解时，都需要预先进行知识表示。
进而实现知识调用，达到利用知识求解问题的目的。
因而只是表示是知识信息处理系统必不可少的关键环节。
对智能机器系统而言,只是表示，实际上就是对知识的一种描述或约定。
其本质，就是采用某种技术模式，八所要求解决的问题的相关知识，映射为一种便于找到该问题解的数据结构。
对知识进行表示的过程，实质上就是把相关只是映射（或称为变换：
Transformation；或称为映像：
Mapping；或称为编码：
Coded）为该数据结构的过程。
如图1。
图1只是表达及其映射原理
如图，其目标是要对复杂的智能性问题实现机器求解，但机器直接对原始问题求解难度很大，可采用知识表达的映射原理，把原始问题映射为它的一种同构或同态问题，然后在对同构或同态问题求出它的解答，则相对容易而方便。
顺便指出：
同构解答与原始问题有相同的形式解，然而对于同态问题，如果得到原始解，只需对同台解答再施行反运算即可。
在自然科学实际应用研究中，利用映射（称之为变换）原理迂回求解的思想，是一种非常有效而广为使用的重要手段。
目前比较常见的知识表达方法主要有：
常用的知识表示方法：
一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，面向对象表示法，神经网络表示法。
如图2
图2只是表达法的基本框架
二.常用知识表示法：
一阶谓词逻辑表示法：
一阶谓词逻辑表示法是目前应用最广的方法之一，在AI系统上已经得到了应用。
它是通过分析命题容和谓词逻辑，尽可能正确地表述它的各种意境的过程。
知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。
使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。
一阶谓词的一般形式为P（x1，x2，…，xn）其中P是谓词名，xi为个体常量、变元，或函数。
例如：
STUDENT（zhangsan）：
zhangsan是学生STUDENT（x）：
x是学生Greater（x，5）：
x>5TEACHER（father（Wanghong））：
王宏的父亲是教师。
在一阶谓词表示法中连接词是非常重要的其中：
连接词：
¬、∨、∧、→、↔
量词：
∀、∃
（∀x）P（x）为真、为假的定义
（∃x）P（x）为真、为假的定义
结合具体事例可以看到一阶谓词逻辑在知识表示法中的优越性：
明是计算机系的学生，但他不喜欢编程。
定义谓词：
COMPUTER（x）:
x是计算机系的学生
LIKE（x,y）:
x喜欢y
谓词公式为：
LIKE（liming，programming）COMPUTER（liming）∧
谓词逻辑是一种传统经典也是最基本的形式化方法。
谓词逻辑知识表示:
规性严，逻辑性强，自然性好，推理过程严密，易于实现。
这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。
但是必须看到，谓词逻辑属于标准的二值（T与F）逻辑，难以直接进行不确定性问题的处理。
对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低,甚至产生“组合爆炸”问题。
因此，针对谓词逻辑，尚待人们不断加以改进，以便寻求自然性好而效率更高的技术方法。
产生式表示法
目前，产生式表示方法是专家系统的第一选择的知识表达方式。
是美国数学家Post在1943年提出了一种计算形式体系里所使用的术语。
产生式表示的基本形式为：
（1）确定性知识的表示：
产生式形式：
P→Q或者IFPTHENQ 它的含义：
如果前提P满足，则可以推出结论Q或执行Q操作。
例如：
IFCLEAR（B）ANDHANDEMPTYTHENPickup（B）
如果积木B上是空的，且机械手空，则机械手从桌面上抓起积木B。
（2）不确定知识的表示：
产生式形式：
P→Q（置信度）或者IFPTHENQ（置信度）
在不确定推理中，当已知事实与前提P不能精确匹配时，只要按照“置信度”的要求达到一定的相似度，就认为已知事实与前提条件相匹配，再按照一定的算法将这种可能性（不确定性）传递到结论Q。
产生式表示法其优点在于模块性。
规则与规则之间相互独立灵活性。
知识库易于增加、修改、删除自然性。
方便地表示专家的启发性知识与经验透明性。
易于保留动作所产生的变化、轨迹，但仍有不少缺点：
知识库维护难。
效率低。
为了模块一致性理解难。
由于规则一致性彼此之间不能调用。
2.3语义网络表达式
语义网络是人工智能常用的知识表示法之一。
是一种使用概念及其语义关系来表达知识的有向图。
它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian于1968年在他的博士论文中首先提出，并用于自然语言处理。
语义网络结构共使用了三种图形符号：
框、带箭头及文字标识的线条和文字标识线。
分别称为:
（1）节（结）点; 弧（又叫做边或支路）;指针。
（2）节点（Node）：
也称为结点。
用圆形、椭圆、菱形或长方形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。
（3）弧（Arc）：
这是一种有向弧，又称之为支路（Branch）。
节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。
（4）指针（Pointer）：
也叫指示器。
是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。
语义网络是一种结构化知识表示方法，具有表达直观，方法灵活，容易掌握和理解的特点。
概括起来，主要优点在于采用语义关系的有向图来连接，语义、语法、词语应用兼顾，具有描述生动，表达自然，易于理解等。
虽然语义网络知识表示和推理具有较大的灵活性和多样性，但是没有公认严密的形式表达体系，却不可避免地带来了非一致性和程序设计与处理上的复杂性，这也是语义网络知识表示尚待深入研究解决的一个课题。
框架表式式
框架表示法诞生于1975年，这也是一种结构化的知识表示方法，并已在多种系统中得到成功的应用。
框架理论是由人工智能科学创始人之一，美国著名的人工智能学者M.L.Minsky（明斯基）提出来的。
自然界各种事物都可用框架（Frame）组织构成。
每个被定义的框架对象分别代表着不同的特殊知识结构，从而可在大脑或计算机中表示、存储并予以认识、理解和处理。
框架是一种被用来描述某个对象（诸如一个事物、一个事件或一个概念）属性知识的数据结构。
下面是一个关于“大学教师”的框架设计模式。
n 框架名：
〈大学教师〉
n ：
单位（姓，名）
n 年龄：
单位（岁）
n 性别：
围（（男，女）缺省：
男）
n 学历：
围（学士，硕士，博士）
n 职称：
围（（教授，副教授，讲师，助教）缺省：
讲师）
n 部门：
围（学院（或系、处））
n 住址：
〈住址框架〉
n 工资：
〈工资框架〉
n 参加工作时间：
单位（年，月）
n 健康状况：
围（健康，一般，较差）
n 其它：
围（〈个人家庭框架〉，〈个人经济状况框架〉）
上述框架共有十一个槽，分别描述了关于“大学教师”的十一个方面的知识及其属性。
在每个槽里都指定了一些说明性的信息，表明了相关槽的值的填写要有某些限制。
框架表示法支持上层框架概念抽象和下层框架信息继承共享的思想，不仅减少了框架信息和属性知识表达的冗余，而且保证了上、下层框架知识表达的一致性。
主要缺点：
框架表示法过于死板，难以描述诸如机器人纠纷等类问题的动态交互过程生动性。
三.各知识表达式的比较与展望
以上若知识表达方法，绝大多数在应用中得到了很好的应用。
但实际工作中，如果要建立一个人工智能系统、专家系统时，还是要根据具体情况,提出一个混合性的知识表达方式。
每一种知识表示方法各有特点，而且适用的领域也不同：
（1）谓词逻辑方法只适用于确定性、述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。
（2）产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。
（3）语义网络方法表达的知识面比较窄。
（4）框架方法表示的知识横向关系不太明确。
（纵向从属继承关系很明确）
因此，对于复杂的、深层次的知识，应根据需要表示知识的特征，来决定用二种或三种方法联合表示，例如：
（1）逻辑与框架：
框架里的槽值可以对应于谓词项。
（2）语义网络与框架：
结点对应与框架，结点的参数就是框架的槽值。
（3）产生式与框架：
框架的槽值对应于一条产生式规则。
与神经网络结合。
2.4结语
目前人工智能主要研究容是：
分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对生物遗传与进化理论的模拟，揭示出人的智能进化规律）、人工生命（通过构造简单的人工生命系统（如：
机器虫）并观察其行为，探讨初级智能的奥秘）、人工智能应用（如：
模糊控制、智能大厦、智能人机接口、智能机器人等）等等。
人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。
未来人工智能的研究方向主要有：
人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。
第3章未来发展与展望
个人觉得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，因为目前人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理能。
人工神经网络是未来人工智能应用的新领域。
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，一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备，相信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。
参考文献
[1].蔡之华；模糊Petri网及知识表示[J];计算机应用与软件；1994年03期
[2].科杰,袁,颖红；知识表示及其在机械工程设计中的应用探讨[J];机械设计；2004年06期。
[3].晓霞。
新的知识表示方法——概念图［Ｊ］。
航空计算技术。
1997（4）。
[4].王永庆人工智能原理与方法［Ｍ］。
交通大学。
1998。
[5].TimoshenkoSP．Theoryofplateandshells．2nded．NewYork：
McGraw-Hil1，1959．17～36
升级会员 