国产成人超清在线视频,国产高清永久免费,国产最新超碰97上传无码,超碰国产人人草人人爽

人工智能(計(jì)算機(jī)科學(xué)的一個(gè)分支)主要研究用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的智能,實(shí)現(xiàn)機(jī)器智能。有人把人工智能分成兩大類：一類是符號(hào)智能，一類是計(jì)算智能。符號(hào)智能是以知識(shí)為基礎(chǔ)，通過推理進(jìn)行問題求解。也即所謂的傳統(tǒng)人工智能。計(jì)算智能是以數(shù)據(jù)為基礎(chǔ)，通過訓(xùn)練建立聯(lián)系，進(jìn)行問題求解。人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊系統(tǒng)、進(jìn)化程序設(shè)計(jì)、人工生命等都可以包括在計(jì)算智能。

人工智能上世紀(jì)的發(fā)展情況

從1956年正式提出人工智能學(xué)科算起，50多年來，取得長(zhǎng)足的發(fā)展，成為一門廣泛的交叉和前沿科學(xué)?？偟恼f來，人工智能的目的就是讓計(jì)算機(jī)這臺(tái)機(jī)器能夠像人一樣思考。

傳統(tǒng)人工智能主要運(yùn)用知識(shí)進(jìn)行問題求解。從實(shí)用觀點(diǎn)看，人工智能是一門知識(shí)工程學(xué)：以知識(shí)為對(duì)象， 研究知識(shí)的表示方法、知識(shí)的運(yùn)用和知識(shí)獲取。

人工智能從1956年提出以來取得了很大的進(jìn)展和成功。1976年Newell 和Simon提出了物理符號(hào)系統(tǒng)假設(shè)， 認(rèn)為物理符號(hào)系統(tǒng)是表現(xiàn)智能行為必要和充分的條件。 這樣， 可以把任何信息加工系統(tǒng)看成是一個(gè)具體的物理系統(tǒng)， 如人的神經(jīng)系統(tǒng)、計(jì)算機(jī)的構(gòu)造系統(tǒng)等。20世紀(jì)80年代Newell 等又致力于SOAR系統(tǒng)的研究。SOAR系統(tǒng)是以知識(shí)塊(Chunking)理論為基礎(chǔ)， 利用基于規(guī)則的記憶，獲取搜索控制知識(shí)和操作符，實(shí)現(xiàn)通用問題求解。Minsky從心理學(xué)的研究出發(fā)， 認(rèn)為人們?cè)谒麄內(nèi)粘５恼J(rèn)識(shí)活動(dòng)中，使用了大批從以前的經(jīng)驗(yàn)中獲取并經(jīng)過整理的知識(shí)。 該知識(shí)是以一種類似框架的結(jié)構(gòu)記存在人腦中。因此，在70年代他提出了框架知識(shí)表示方法。 到80年代，Minsky認(rèn)為人的智能，根本不存在統(tǒng)一的理論。1985年，他發(fā)表了一本著名的書《Society of Mind(思維社會(huì))》。 書中指出思維社會(huì)是由大量具有某種思維能力的單元組成的復(fù)雜社會(huì)。 以McCarthy和Nilsson等為代表，主張用邏輯來研究人工智能，即用形式化的方法描述客觀世界。 邏輯學(xué)派在人工智能研究中，強(qiáng)調(diào)的是概念化知識(shí)表示、模型論語義、演繹推理等。 McCarthy主張任何事物都可以用統(tǒng)一的邏輯框架來表示，在常識(shí)推理中以非單調(diào)邏輯為中心。 傳統(tǒng)的人工智能研究思路是“自上而下”式的，它的目標(biāo)是讓機(jī)器模仿人， 認(rèn)為人腦的思維活動(dòng)可以通過一些公式和規(guī)則來定義，因此希望通過把人類的思維方式翻譯成程序語言輸入機(jī)器， 來使機(jī)器有朝一日產(chǎn)生像人類一樣的思維能力。這一理論指導(dǎo)了早期人工智能的研究。

近年來神經(jīng)生理學(xué)和腦科學(xué)的研究成果表明，腦的感知部分，包括視覺、聽覺、 運(yùn)動(dòng)等腦皮層區(qū)不僅具有輸入/輸出通道的功能，而且具有直接參與思維的功能。智能不僅是運(yùn)用知識(shí)， 通過推理解決問題，智能也處于感知通道。

1990年史忠植提出了人類思維的層次模型，表明人類思維有感知思維、形象思維、 抽象思維，并構(gòu)成層次關(guān)系。感知思維是簡(jiǎn)單的思維形態(tài)，它通過人的眼、耳、鼻、舌、身感知器官產(chǎn)生表象， 形成初級(jí)的思維。感知思維中知覺的表達(dá)是關(guān)鍵。形象思維主要是用典型化的方法進(jìn)行概括，并用形象材料來思維， 可以高度并行處理。抽象思維以物理符號(hào)系統(tǒng)為理論基礎(chǔ)，用語言表述抽象的概念。 由于注意的作用，使其處理基本上是串行的。

人工智能的技術(shù)應(yīng)用領(lǐng)域

目前，人工智能在我國(guó)及歐美國(guó)家都屬于熱門的話題。我國(guó)更是有不少公司的產(chǎn)品動(dòng)則加上“智能”2字。除了目前最熱的機(jī)器學(xué)習(xí)，人工智能方向還有不少的技術(shù)應(yīng)用，下面就簡(jiǎn)要介紹人工智能的技術(shù)應(yīng)用領(lǐng)域。

主體技術(shù)

主體技術(shù)(agent technology)不僅是分布智能的研究熱點(diǎn)，而且可能成為下一代軟件開發(fā)的重要突破點(diǎn)。事實(shí)上，對(duì)主體的研究已經(jīng)成為人工智能學(xué)科的核心內(nèi)容，有人認(rèn)為是人工智能研究的初始目標(biāo)和最終目標(biāo)       

主體（agent）也叫智能體，代理，或智能agent。在本書中將agent統(tǒng)一采用主體。在計(jì)算機(jī)和人工智能領(lǐng)域中, 主體可以看作是一個(gè)自動(dòng)執(zhí)行的實(shí)體，它通過傳感器感知環(huán)境，通過效應(yīng)器作用于環(huán)境。若主體是人，則傳感器有眼睛、耳朵和其它器官，手、腿、嘴和身體的其它部分是效應(yīng)器。若主體是機(jī)器人，攝像機(jī)等是傳感器，各種運(yùn)動(dòng)部件是效應(yīng)器。

機(jī)器學(xué)習(xí)

學(xué)習(xí)能力是人類智能的根本特征，人類通過學(xué)習(xí)來提高和改進(jìn)自己的能力。學(xué)習(xí)的基本機(jī)制是設(shè)法把在一種情況下是成功的表現(xiàn)行為轉(zhuǎn)移到另一類似的新情況中去。1983年西蒙（H. Simon）對(duì)學(xué)習(xí)定義如下：能夠讓系統(tǒng)在執(zhí)行同一任務(wù)或同類的另外一個(gè)任務(wù)時(shí)比前一次執(zhí)行得更好的任何改變[119]。這個(gè)定義雖然簡(jiǎn)潔，卻指出了設(shè)計(jì)學(xué)習(xí)程序要注意的問題。學(xué)習(xí)包括對(duì)經(jīng)驗(yàn)的泛化：不僅是重復(fù)同一任務(wù)，而且是域中相似的任務(wù)都要執(zhí)行得更好。因?yàn)楦信d趣的領(lǐng)域可能很大，學(xué)習(xí)者通常只研究所有可能例子中的一小部分；從有限的經(jīng)驗(yàn)中，學(xué)習(xí)者必須能夠泛化并對(duì)域中未見的數(shù)據(jù)正確的推廣。這是個(gè)歸納的問題，這是學(xué)習(xí)的中心問題。在大多數(shù)學(xué)習(xí)問題中，不管用哪種算法，能用的數(shù)據(jù)不足以保證最優(yōu)的泛化。學(xué)習(xí)者必須啟發(fā)式的泛化，也就是說，他們必須選取經(jīng)驗(yàn)中對(duì)未來更為有效的部分。這樣的選擇標(biāo)準(zhǔn)就是歸納偏置。

從事專家系統(tǒng)研究的人們認(rèn)為，學(xué)習(xí)就是知識(shí)獲取。因?yàn)樵趯＜蚁到y(tǒng)的建造中，知識(shí)的自動(dòng)獲取是很困難的。所以知識(shí)獲取似乎就是學(xué)習(xí)的本質(zhì)。也有的觀點(diǎn)認(rèn)為，學(xué)習(xí)是對(duì)客觀經(jīng)驗(yàn)表示的構(gòu)造或修改。客觀經(jīng)驗(yàn)包括對(duì)外界事物的感受，以及內(nèi)部的思考過程，學(xué)習(xí)系統(tǒng)就是通過這種感受和內(nèi)部的思考過程來獲取對(duì)客觀世界的認(rèn)識(shí)。其核心問題就是對(duì)這種客觀經(jīng)驗(yàn)的表示形式進(jìn)行構(gòu)造或修改。從認(rèn)識(shí)論的觀點(diǎn)看，學(xué)習(xí)是事物規(guī)律的發(fā)現(xiàn)過程。這種觀點(diǎn)將學(xué)習(xí)看做從感性知識(shí)到理性知識(shí)的認(rèn)識(shí)過程，從表層知識(shí)到深層知識(shí)的范化過程，也就是說，學(xué)習(xí)是發(fā)現(xiàn)事物規(guī)律，上升形成理論的過程。

總結(jié)以上觀點(diǎn)，可以認(rèn)為學(xué)習(xí)是一個(gè)有特定目的的知識(shí)獲取過程，通過獲取知識(shí)、積累經(jīng)驗(yàn)、發(fā)現(xiàn)規(guī)律，使系統(tǒng)性能得到改進(jìn)、系統(tǒng)實(shí)現(xiàn)自我完善、自適應(yīng)環(huán)境。

自動(dòng)推理

從一個(gè)或幾個(gè)已知的判斷(前提)邏輯地推論出一個(gè)新的判斷(結(jié)論)的思維形式稱為推理,  這是事物的客觀聯(lián)系在意識(shí)中的反映。人解決問題就是利用以往的知識(shí),  通過推理得出結(jié)論。自動(dòng)推理的理論和技術(shù)是程序推導(dǎo)、程序正確性證明、專家系統(tǒng)、智能機(jī)器人等研究領(lǐng)域的重要基礎(chǔ)。

自動(dòng)推理早期的工作主要集中在機(jī)器定理證明。機(jī)械定理證明的中心問題是尋找判定公式是否是有效的（或是不一致的）通用程序。對(duì)命題邏輯公式，由于解釋的個(gè)數(shù)是有限的，總可以建立一個(gè)通用判定程序，使得在有限時(shí)間內(nèi)判定出一個(gè)公式是有效的或是無效的。

從實(shí)際的觀點(diǎn)來看,  每一種推理算法都遵循其特殊的、與領(lǐng)域相關(guān)的策略, 并傾向于使用不同的知識(shí)表示技術(shù)。從另一方面來說,如果能找到一個(gè)統(tǒng)一的推理理論, 當(dāng)然是很有用的。人工智能理論研究的一個(gè)很強(qiáng)的推動(dòng)力就是要設(shè)法尋找更為一般的、統(tǒng)一的推理算法。

數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)集中識(shí)別有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。它是一門涉及面很廣的交叉學(xué)科，包括機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、模式識(shí)別、粗糙集、模糊數(shù)學(xué)等相關(guān)技術(shù)。

數(shù)據(jù)挖掘可粗略地理解為三部曲：數(shù)據(jù)準(zhǔn)備（data preparation）、數(shù)據(jù)挖掘，以及結(jié)果的解釋評(píng)估（interpretation and evaluation）。

由于數(shù)據(jù)挖掘是一門受到來自各種不同領(lǐng)域的研究者關(guān)注的交叉性學(xué)科，因此導(dǎo)致了很多不同的術(shù)語名稱。其中，最常用的術(shù)語是"知識(shí)發(fā)現(xiàn)"和"數(shù)據(jù)挖掘"。相對(duì)來講，數(shù)據(jù)挖掘主要流行于統(tǒng)計(jì)界（最早出現(xiàn)于統(tǒng)計(jì)文獻(xiàn)中）、數(shù)據(jù)分析、數(shù)據(jù)庫(kù)和管理信息系統(tǒng)界；而知識(shí)發(fā)現(xiàn)則主要流行于人工智能和機(jī)器學(xué)習(xí)界。

本體知識(shí)系統(tǒng)

20世紀(jì)70年代后期，專家系統(tǒng)、知識(shí)系統(tǒng)和知識(shí)密集型的信息系統(tǒng)的構(gòu)建技術(shù)發(fā)展而形成知識(shí)工程，所建立的系統(tǒng)簡(jiǎn)稱為知識(shí)系統(tǒng)（knowledge-based systems）。知識(shí)系統(tǒng)是人工智能學(xué)科最重要的工業(yè)化和商業(yè)化產(chǎn)物。知識(shí)系統(tǒng)用于輔助人們進(jìn)行問題求解，如檢測(cè)信用卡詐騙、加速船舶設(shè)計(jì)、輔助醫(yī)療診斷、使科學(xué)軟件更加智能化、向全體決策人員提供金融服務(wù)、產(chǎn)品質(zhì)量的評(píng)價(jià)和廣告宣傳、支持電子網(wǎng)絡(luò)的服務(wù)恢復(fù)。

知識(shí)工程

1977年美國(guó)斯坦福大學(xué)計(jì)算機(jī)科學(xué)家費(fèi)根鮑姆教授(B．A．Feigenbaum)在第五屆國(guó)際人工智能會(huì)議—提出知識(shí)工程的新概念。他認(rèn)為，“知識(shí)工程是人工智能的原理和方法，對(duì)那些需要專家知識(shí)才能解決的應(yīng)用難題提供求解的手段。恰當(dāng)運(yùn)用專家知識(shí)的獲取、表達(dá)和推理過程的構(gòu)成與解釋，是設(shè)計(jì)基于知識(shí)的系統(tǒng)的重要技術(shù)問題?！边@類以知識(shí)為基礎(chǔ)的系統(tǒng)，就是通過智能軟件而建立的專家系統(tǒng)。

 知識(shí)工程可以看成是人工智能在知識(shí)信息處理方面的發(fā)展，研究如何由計(jì)算機(jī)表示知識(shí)，進(jìn)行問題的自動(dòng)求解。知識(shí)工程的研究使人工智能的研究從理論轉(zhuǎn)向應(yīng)用，從基于推理的模型轉(zhuǎn)向基于知識(shí)的模型，包括了整個(gè)知識(shí)信息處理的研究，知識(shí)工程已成為一門新興的邊緣學(xué)科。

專家系統(tǒng)

專家系統(tǒng)是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，通過對(duì)人類專家的問題求解能力的建模，采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來模擬通常由專家才能解決的復(fù)雜問題，達(dá)到具有與專家同等解決問題能力的水平。這種基于知識(shí)的系統(tǒng)設(shè)計(jì)方法是以知識(shí)庫(kù)和推理機(jī)為中心而展開的，即：

專家系統(tǒng) = 知識(shí)庫(kù) + 推理機(jī)

它把知識(shí)從系統(tǒng)中與其他部分分離開來。專家系統(tǒng)強(qiáng)調(diào)的是知識(shí)而不是方法。很多問題沒有基于算法的解決方案，或算法方案太復(fù)雜，采用專家系統(tǒng)，可以利用人類專家擁有豐富的知識(shí)，因此專家系統(tǒng)也稱為基于知識(shí)的系統(tǒng)（Knowledge-Based Systems）。一般說來，一個(gè)專家系統(tǒng)應(yīng)該具備以下三個(gè)要素：

（1）具備某個(gè)應(yīng)用領(lǐng)域的專家級(jí)知識(shí)；

（2）能模擬專家的思維；

（3）能達(dá)到專家級(jí)的解題水平。

語義Web服務(wù)

語義Web是由WWW的創(chuàng)始人Tim Berners-Lee在2001年正式提出的，它是對(duì)萬維網(wǎng)本質(zhì)的變革，它的主要任務(wù)是使數(shù)據(jù)能被計(jì)算機(jī)自動(dòng)的處理和理解，其最終目標(biāo)是讓計(jì)算機(jī)可以在這些海量信息中找到人所需要的任何信息，從而將萬維網(wǎng)中現(xiàn)存的信息發(fā)展成一個(gè)巨大的全球信息庫(kù)、知識(shí)庫(kù)。它研究的主要目的就是擴(kuò)展當(dāng)前的萬維網(wǎng)，使得網(wǎng)絡(luò)中的信息具有語義，能夠被計(jì)算機(jī)理解，便于人和計(jì)算機(jī)之間的交互與合作，其研究重點(diǎn)就是如何把信息表示為計(jì)算機(jī)能夠理解和處理的形式，即帶有語義。Tim Berners-Lee給出了語義Web中的層次結(jié)構(gòu)關(guān)系，它主要基于XML和RDF/RDFS，并在此之上構(gòu)建本體和邏輯推理規(guī)則，以完成基于語義的知識(shí)表示和推理，從而能夠?yàn)橛?jì)算機(jī)所理解和處理。

Web服務(wù)是當(dāng)前最主要的一種服務(wù)實(shí)現(xiàn)技術(shù)，它為上述服務(wù)概念的落實(shí)提供了使能手段。Web服務(wù)最初是由Ariba、IBM和Microsoft等共同提出的，旨在為Internet上跨越不同地域、不同行業(yè)的應(yīng)用提供更強(qiáng)大的互操作能力。Web服務(wù)是一種軟件系統(tǒng)，被設(shè)計(jì)用于實(shí)現(xiàn)機(jī)器之間通過網(wǎng)絡(luò)的互操作。Web服務(wù)擁有極其可處理的接口描述，外部系統(tǒng)可依據(jù)這個(gè)描述，通過SOAP消息與其交互。

語義網(wǎng)格

網(wǎng)格是一種新興的技術(shù)，正處在不斷發(fā)展和變化當(dāng)中。簡(jiǎn)單地說，網(wǎng)格是一種信息社會(huì)的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，是利用互聯(lián)網(wǎng)把分散在不同地理位置上的多個(gè)資源，包括計(jì)算資源、存儲(chǔ)資源、通信資源、軟件資源、信息資源、知識(shí)資源等全面連通和統(tǒng)一分配、管理及協(xié)調(diào)起來，通過邏輯關(guān)系組成一臺(tái)“虛擬的超級(jí)計(jì)算機(jī)”。這臺(tái)機(jī)器把每一臺(tái)參與其中的、包括個(gè)人電腦在內(nèi)的計(jì)算機(jī)都作為自己的一個(gè)“節(jié)點(diǎn)”，成千上萬個(gè)這樣的“節(jié)點(diǎn)”并聯(lián)起來，就組成了“一張有超級(jí)計(jì)算能力的網(wǎng)格”。而每一位將自己的計(jì)算機(jī)連接到網(wǎng)格上的用戶，也就“擁有了”這架超級(jí)計(jì)算機(jī)，可以隨時(shí)隨地調(diào)用其中的計(jì)算和信息資源，在獲得一體化信息服務(wù)的同時(shí)，最大程度地實(shí)現(xiàn)資源共享。網(wǎng)格計(jì)算模式首先把要計(jì)算的數(shù)據(jù)分割，然后不同節(jié)點(diǎn)的計(jì)算機(jī)可以根據(jù)自己的處理能力下載一個(gè)或多個(gè)數(shù)據(jù)片斷。只要位于某個(gè)節(jié)點(diǎn)的計(jì)算機(jī)的用戶不使用計(jì)算機(jī)時(shí)，就會(huì)調(diào)動(dòng)閑置的計(jì)算能力。網(wǎng)格的優(yōu)勢(shì)在于不但數(shù)據(jù)處理能力超強(qiáng)，而且能充分利用網(wǎng)上的閑置處理能力來節(jié)約計(jì)算成本，實(shí)現(xiàn)資源的共享，消除資源孤島。

網(wǎng)格計(jì)算技術(shù)首先出現(xiàn)在科研領(lǐng)域的大型科學(xué)計(jì)算和項(xiàng)目研究中，醫(yī)藥、制造、氣象、勘探等需要大型計(jì)算機(jī)功能的行業(yè)將首批成為這一技術(shù)的受益者，隨著連接到網(wǎng)格系統(tǒng)上的計(jì)算資源的增加，網(wǎng)格計(jì)算技術(shù)也會(huì)造福于小企業(yè)和消費(fèi)者，家庭PC用戶也將能夠用上公、私機(jī)構(gòu)提供的更快、更廉價(jià)的服務(wù)，到那時(shí)任何設(shè)備可以在任何地方接入以享用某種層次的資源，而不必關(guān)心這些資源是從那里來的, 就像用現(xiàn)在的電網(wǎng)一樣。

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)在文獻(xiàn)中也稱為人工神經(jīng)網(wǎng)絡(luò)、神經(jīng)計(jì)算，連接主義人工智能，并行分布處理等。一個(gè)神經(jīng)網(wǎng)絡(luò)是一個(gè)由簡(jiǎn)單處理元構(gòu)成的規(guī)模宏大的并行分布處理器，具有存儲(chǔ)經(jīng)驗(yàn)知識(shí)和使之可用的特性。神經(jīng)網(wǎng)絡(luò)從兩個(gè)方面上模擬大腦。

（1）神經(jīng)網(wǎng)絡(luò)獲取的知識(shí)是從外界環(huán)境中學(xué)習(xí)得來的。

（2）內(nèi)部神經(jīng)元的連接強(qiáng)度，即突觸權(quán)值，用于儲(chǔ)存獲取的知識(shí)。

用于完成學(xué)習(xí)過程的程序稱為學(xué)習(xí)算法，其功能是以有序的方式改變系統(tǒng)權(quán)值以獲得想要的設(shè)計(jì)目標(biāo)。突觸權(quán)值修改提供神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的傳統(tǒng)方法。這種方法和線性自適應(yīng)濾波器理論很接近，濾波器理論已經(jīng)很好地建立起來并成功應(yīng)用在很多不同領(lǐng)域。但是神經(jīng)網(wǎng)絡(luò)修改它的拓?fù)浣Y(jié)構(gòu)亦是可能的，這也和人的神經(jīng)元會(huì)死亡和新的突觸連接會(huì)建立等情況相適應(yīng)。

決策支持系統(tǒng)

長(zhǎng)期來信息系統(tǒng)的研究者以及技術(shù)人員不斷研究 和構(gòu)建決策支持系統(tǒng)（DSS）。DSS的大致發(fā)展歷程是：60年代后期，面向模型的DSS的誕生，標(biāo)志著決策 支持系統(tǒng)這門學(xué)科的開端；70年代，DSS的理論得到長(zhǎng)足發(fā)展；80年代前期和中期，實(shí)現(xiàn)了金融規(guī)劃系統(tǒng) 以及群體決策支持系統(tǒng)（Group DSS）。80年代中期，通過將DDS與知識(shí)系統(tǒng)相結(jié)合，我們提出并實(shí)現(xiàn)了 智能決策支持系統(tǒng)（IDSS）(參考:史忠植: 知識(shí)工程)。文獻(xiàn)表明，在那以后開始出現(xiàn)了主管信息系統(tǒng)， 聯(lián)機(jī)分析處理（OLAP）以及商業(yè)智能。90年代中期，發(fā)展基于Web的DSS成為了活躍的研究領(lǐng)域，并產(chǎn)生 了廣泛的影響。

人工生命

人工生命是指用計(jì)算機(jī)和精密機(jī)械等生成或構(gòu)造表現(xiàn)自然生命系統(tǒng)行為特點(diǎn)的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)的行為特點(diǎn)表現(xiàn)為自組織、自修復(fù)、自復(fù)制的基本性質(zhì)，以及形成這些性質(zhì)的混沌動(dòng)力學(xué)、環(huán)境適應(yīng)和進(jìn)化。

美國(guó)圣菲研究所非線性研究組的蘭頓(C.G. Langton) 于1987年提出人工生命(artificial life)[61]。人工生命的獨(dú)立研究領(lǐng)域的地位已被國(guó)際學(xué)術(shù)界所承認(rèn)。在1994年創(chuàng)刊并在世界著名學(xué)府麻省理工學(xué)院出版的國(guó)際刊物Artificial Life，是該研究領(lǐng)域內(nèi)的權(quán)威刊物。

為什么要研究人工生命？在這一領(lǐng)域研究時(shí)要支持哪些東西。從控制我們的生態(tài)環(huán)境的工程新應(yīng)用到在自然界中為我們提供較好的前景這個(gè)廣闊的范圍，都可以找到它的應(yīng)用。 人工生命的研究可使我們更好地理解涌現(xiàn)特征，個(gè)體在低級(jí)組織中的集合，通過我們的相互作用，?？僧a(chǎn)生特征。該特征不僅僅是個(gè)體的重疊，而且是總體上新的出現(xiàn)特征。這樣的現(xiàn)象可見于自然界的所有領(lǐng)域，但在生命系統(tǒng)中更為明顯。生命本身確實(shí)有涌現(xiàn)性質(zhì)，當(dāng)總體分解為它們的組成部分時(shí)，相互作用所產(chǎn)生的涌現(xiàn)性質(zhì)將全部消失。歸約科學(xué)，它的研究方法今天看來是最嚴(yán)肅的學(xué)術(shù)研究，其中大部分是分析的方法。歸約科學(xué)在各個(gè)領(lǐng)域都已取得很大成功。但自然的很多特性都被忽略，這并不是因?yàn)檫@些特性是無趣的或不重要的，相反，人們研究這些特性，但缺乏適當(dāng)?shù)墓ぞ吆陀行У姆椒▉硌芯?，人工生命領(lǐng)域的研究必須是綜合的，把所有的因素綜合考慮以創(chuàng)造生命形式，而不是肢解。

自然語言理解

自然語言是指人類語言集團(tuán)的本族語，如漢語、英語等，它是相對(duì)于人造語言而言的，如C語言、JAVA語言等計(jì)算機(jī)語言。語言是思維的載體，是人際交流的工具，人類歷史上以語言文字形式記載和流傳的知識(shí)占到知識(shí)總量的80%以上。就計(jì)算機(jī)應(yīng)用而言，有85%左右的應(yīng)用都是用于語言文字的信息處理。在信息化社會(huì)中，語言信息處理的技術(shù)水平和每年所處理的信息總量已成為衡量一個(gè)國(guó)家現(xiàn)代化水平的重要標(biāo)志之一。

自然語言理解作為語言信息處理技術(shù)的一個(gè)高層次的重要研究方向，一直是人工智能領(lǐng)域的核心課題，也是困難問題之一，由于自然語言的多義性、上下文有關(guān)性、模糊性、非系統(tǒng)性和環(huán)境密切相關(guān)性、涉及的知識(shí)面廣等原因，使得很多系統(tǒng)不得不采取回避的方法；另外，由于理解并非一個(gè)絕對(duì)的概念，它與所應(yīng)用的目標(biāo)相關(guān)，如是用于回答問題、執(zhí)行命令，還是用于機(jī)器翻譯。因此，關(guān)于自然語言理解，至今尚無一致的、各方可以接受的定義。從微觀上講，自然語言理解是指從自然語言到機(jī)器內(nèi)部的一個(gè)映射；從宏觀上看，自然語言是指機(jī)器能夠執(zhí)行人類所期望的某些語言功能。這些功能包括：

回答問題：計(jì)算機(jī)能正確地回答用自然語言輸入的有關(guān)問題；

文摘生成：機(jī)器能產(chǎn)生輸入文本的摘要；

釋義：機(jī)器能用不同的詞語和句型來復(fù)述輸入的自然語言信息；

翻譯：機(jī)器能把一種語言翻譯成另外一種語言。

圖像處理

 圖像處理是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來處理圖形和圖像信息。數(shù)字圖像處理作為一門學(xué)科大約形成于20世紀(jì)60年代初期。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對(duì)象，以改善人的視覺效果為目的。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。首次獲得實(shí)際成功應(yīng)用的是美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）。他們對(duì)航天探測(cè)器徘徊者7號(hào)在1964年發(fā)回的幾千張?jiān)虑蛘掌褂昧藞D像處理技術(shù)，如幾何校正、灰度變換、去除噪聲等方法進(jìn)行處理，并考慮了太陽位置和月球環(huán)境的影響，由計(jì)算機(jī)成功地繪制出月球表面地圖，獲得了巨大的成功。隨后又對(duì)探測(cè)飛船發(fā)回的近十萬張照片進(jìn)行更為復(fù)雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創(chuàng)舉奠定了堅(jiān)實(shí)的基礎(chǔ)，也推動(dòng)了數(shù)字圖像處理這門學(xué)科的誕生。在以后的宇航空間技術(shù)，如對(duì)火星、土星等星球的探測(cè)研究中，數(shù)字圖像處理技術(shù)都發(fā)揮了巨大的作用。 數(shù)字圖像處理取得的另一個(gè)巨大成就是在醫(yī)學(xué)上獲得的成果。1972年英國(guó)EMI公司工程師Housfield發(fā)明了用于頭顱診斷的X射線計(jì)算機(jī)斷層攝影裝置，也就是我們通常所說的CT（Computer Tomograph）。CT的基本方法是根據(jù)人的頭部截面的投影，經(jīng)計(jì)算機(jī)處理來重建截面圖像，稱為圖像重建。1975年EMI公司又成功研制出全身用的CT裝置，獲得了人體各個(gè)部位鮮明清晰的斷層圖像。1979年，這項(xiàng)無損傷診斷技術(shù)獲得了諾貝爾獎(jiǎng)，說明它對(duì)人類作出了劃時(shí)代的貢獻(xiàn)。 與此同時(shí)，圖像處理技術(shù)在許多應(yīng)用領(lǐng)域受到廣泛重視并取得了重大的開拓性成就，屬于這些領(lǐng)域的有航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測(cè)、機(jī)器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等，使圖像處理成為一門引人注目、前景遠(yuǎn)大的新型學(xué)科。 隨著圖像處理技術(shù)的深入發(fā)展，從70年代中期開始，隨著計(jì)算機(jī)技術(shù)和人工智能、思維科學(xué)研究的迅速發(fā)展，數(shù)字圖像處理向更高、更深層次發(fā)展。人們已開始研究如何用計(jì)算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世界，這被稱為圖像理解或計(jì)算機(jī)視覺。很多國(guó)家，特別是發(fā)達(dá)國(guó)家投入更多的人力、物力到這項(xiàng)研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的視覺計(jì)算理論，這個(gè)理論成為計(jì)算機(jī)視覺領(lǐng)域其后十多年的主導(dǎo)思想。圖像理解雖然在理論方法研究上已取得不小的進(jìn)展，但它本身是一個(gè)比較難的研究領(lǐng)域，存在不少困難，因人類本身對(duì)自己的視覺過程還了解甚少，因此計(jì)算機(jī)視覺是一個(gè)有待人們進(jìn)一步探索的新領(lǐng)域。

信息檢索

信息檢索（Information Retrieval），通常指文本信息檢索，包括信息的存儲(chǔ)、組織、表現(xiàn)、查詢、存取等各個(gè)方面，其核心為文本信息的索引和檢索。從歷史上看，信息檢索經(jīng)歷了手工檢索、計(jì)算機(jī)檢索到目前網(wǎng)絡(luò)化、智能化檢索等多個(gè)發(fā)展階段。信息檢索的對(duì)象從相對(duì)封閉、穩(wěn)定一致、由獨(dú)立數(shù)據(jù)庫(kù)集中管理的信息內(nèi)容擴(kuò)展到開放、動(dòng)態(tài)、更新快、分布廣泛、管理松散的Web內(nèi)容；信息檢索的用戶也由原來的情報(bào)專業(yè)人員擴(kuò)展到包括商務(wù)人員、管理人員、教師學(xué)生、各專業(yè)人士等在內(nèi)的普通大眾，他們對(duì)信息檢索從結(jié)果到方式提出了更高、更多樣化的要求。適應(yīng)網(wǎng)絡(luò)化、智能化以及個(gè)性化的需要是目前信息檢索技術(shù)發(fā)展的新趨勢(shì)。 

模式識(shí)別

模式識(shí)別(Pattern Recognition)是指對(duì)表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析,以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程,是信息科學(xué)和人工智能的重要組成部分。

模式還可分成抽象的和具體的兩種形式。前者如意識(shí)、思想、議論等,屬于概念識(shí)別研究的范疇,是人工智能的另一研究分支。我們所指的模式識(shí)別主要是對(duì)語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號(hào)、生物的傳感器等對(duì)象進(jìn)行測(cè)量的具體模式進(jìn)行分類和辨識(shí)。

模式識(shí)別研究主要集中在兩方面,一是研究生物體(包括人)是如何感知對(duì)象的，屬于認(rèn)識(shí)科學(xué)的范疇,二是在給定的任務(wù)下,如何用計(jì)算機(jī)實(shí)現(xiàn)模式識(shí)別的理論和方法。前者是生理學(xué)家、心理學(xué)家、生物學(xué)家和神經(jīng)生理學(xué)家的研究?jī)?nèi)容,后者通過數(shù)學(xué)家、信息學(xué)專家和計(jì)算機(jī)科學(xué)工作者近幾十年來的努力,已經(jīng)取得了系統(tǒng)的研究成果。

應(yīng)用計(jì)算機(jī)對(duì)一組事件或過程進(jìn)行鑒別和分類。所識(shí)別的事件或過程可以是文字、聲音、圖像等具體對(duì)象，也可以是狀態(tài)、程度等抽象對(duì)象。這些對(duì)象與數(shù)字形式的信息相區(qū)別，稱為模式信息。