關(guān)于人工智能的文獻

1、關(guān)于人工智能的文獻人工智能的歷史并不久遠，關(guān)于人工智能的文獻有哪些呢？。下面是為你整理的關(guān)于人工智能的文獻，供大家閱覽！人工智能的形成及其發(fā)展現(xiàn)狀分析摘要：人工智能的歷史并不久遠，故將從人工智能的出現(xiàn)、形成、 發(fā)展現(xiàn)狀及前景幾個方面對其進行分析，總結(jié)其發(fā)展過程中所出現(xiàn)的 問題，以及發(fā)展現(xiàn)狀中的不足之處，分析其今后的發(fā)展方向。關(guān)鍵詞：人工智能，發(fā)展過程，現(xiàn)狀分析，前景。1 .引言人工智能最早是在1936年被英國的科學家圖靈提出，并不為多 數(shù)人所認知。當時，他編寫了一個下象棋的程序，這就是最早期的人 工智能的應(yīng)用。也有著名的“圖靈測試”，這也是最初判斷是否是人 工智能的方案，因此，圖靈被尊稱為“人

2、工智能之父”。人工智能從產(chǎn) 生到發(fā)展經(jīng)歷了一個起伏跌宕的過程，直到目前為止，人工智能的應(yīng)用技術(shù)也不是很成熟，而且存在相當?shù)娜毕?。通過搜集的資料，將詳 細的介紹人工智能這個領(lǐng)域的具體情況，剖析其面臨的挑戰(zhàn)和未來的 前景。2 .人工智能的發(fā)展歷程1.1956年前的孕育期(1)從公元前偉大的哲學家亞里斯多德(Aristotle)到16世紀英 i國哲學家培根(F. Bacon),他們提出的形式邏輯的三段論、歸納法以 及“知識就是力量”的警句，都對人類思維過程的研究產(chǎn)生了重要影 響。(2)17世紀德國數(shù)學家萊布尼茲(G.Leibniz)提出了萬能符號和 推理計算思想，為數(shù)理邏輯的產(chǎn)生和發(fā)展奠定了基礎(chǔ)，播

3、下了現(xiàn)代機器思維設(shè)計思想的種子。而19世紀的英國邏輯學家布爾(G. Boole) 創(chuàng)立的布爾代數(shù)，實現(xiàn)了用符號語言描述人類思維活動的基本推理法 則。(3) 20世紀30年代迅速發(fā)展的數(shù)學邏輯和關(guān)于計算的新思想， 使人們在計算機出現(xiàn)之前，就建立了計算與智能關(guān)系的概念。 被譽為 人工智能之父的英國天才的數(shù)學家圖靈(A. Tur-ing)在1936年提出 了一種理想計算機的數(shù)學模型，即圖靈機之后，1946年就由美國數(shù)學 家莫克利(J. Mauchly)和?？绿?J. Echert)研制出了世界上第一臺數(shù) 字計算機，它為人工智能的研究奠定了不可缺少的物質(zhì)基礎(chǔ)。1950年圖靈又發(fā)表了 “計算機與智能”的

4、論文，提出了著名的“圖靈測試”， 形象地指出什么是人工智能以及機器具有智能的標準，對人工智能的 發(fā)展產(chǎn)生了極其深遠的影響。(4) 1934年美國神經(jīng)生理學家麥克洛奇(W. McCulloch) 和匹茲 (W. Pitts )建立了第一個神經(jīng)網(wǎng)絡(luò)模型，為以后的人工神經(jīng)網(wǎng)絡(luò)研究 奠定了基礎(chǔ)。2. 1956年至1969年的誕生發(fā)育期(1)1956年夏季，麻省理工學院(MIT)的麥卡錫(J.McCarthy)、明斯基(M. Minshy)、塞爾夫里奇 (O. Selfridge)與索羅門夫(R. Solomonff) 、 IBM 的洛切斯特(N. Lochester)、莫爾(T. More)與塞繆爾(

5、A. Samuel)、 貝爾實驗室的香農(nóng)(C. Shannon)、卡內(nèi)基-梅隆大學(CMU)的紐厄爾 (A. Newell)與西蒙(H. Simon)等10人在美國的達特茅斯大學 (Dartmouth)舉辦了一個長達兩個月的關(guān)于機器智能的研討會，會上 統(tǒng)一使用了人工智能(Artificial Intelligence)這一術(shù)語，用它來代表 有關(guān)機器智能這一研究方向，這標志了人工智能學科的正式誕生。(2)1956 年至1969年間，塞繆爾研制了能自學習的跳棋程 序.1959年它擊敗了塞繆爾本人，1969年又擊敗了一個州的冠軍(3) 1956年至1965年間，紐厄爾和西蒙研制的“邏輯理論家” 的程

6、序，證明了 “數(shù)學原理”中的 38個定理；1958年美籍華人數(shù)理學家王浩在計算機上僅用5分鐘就證明了“數(shù)學原理”中的有關(guān)命題演算的全部 220條定理；1960年紐厄爾和西蒙在心理學實驗的基礎(chǔ)上研制成了一種不依 賴具體領(lǐng)域的通用問題求解程序 GPS(General Problem Solver),可 以求解11種不同類型的問題；1965年魯濱遜(J.Robinson )提出了消解原理，為定理的機器證 明做出了突破性的貢獻。(4) 1956 年至1968年間，斯坦福大學的費根鮑姆(G . Feigenbaum )教授首先開展了專家系統(tǒng)的研究，他們研究成功的 DENDRAL專家系統(tǒng)能根據(jù)質(zhì)譜儀的實驗

7、，通過分析推理決定化合物 的分子結(jié)構(gòu)，其能力相當于化學專家的水平。(5)1969年國際人工智能聯(lián)合會議(international Conferences On Artificial Intelligence) 成立，它標志著人工智能這門新興學科得 到了世界范圍的公認。3. 1970年以后的起伏發(fā)展期20世紀70年代，人工智能進入發(fā)展期，許多國家都相繼開展了 這門新興學科的研究工作。60年代一連串的勝利，使人工智能的學 者們興高采烈，也使公眾對人工智能提出了更高的期望， 但是事情發(fā) 展遠非如此。塞繆爾的下棋程序當了州級冠軍之后，與世界冠軍對弈時就從沒有贏過。最有希望出實質(zhì)性成果的自然語言翻譯也

8、問題不 斷，人們原以為只要用一部雙向字典和一些語法知識就可能解決自然 語言的互譯問題，結(jié)果發(fā)現(xiàn)機器翻譯鬧出了不少笑話。以至于有人挖苦說，美國花了 2000萬美元為機器翻譯建立了一 塊墓碑。被公認為有“重大突破”的消解法，也因其局限性不能適應(yīng) 現(xiàn)實世界諸多問題，在神經(jīng)網(wǎng)絡(luò)、機器學習研究方面也遇到了種種困 難。輿論的譴責，經(jīng)費的缺乏，使人工智能研究一時陷入了困境。3 .人工智能的現(xiàn)狀分析及發(fā)展前景(一)現(xiàn)狀分析人工智能的理論現(xiàn)狀為分而治之(主要有三個方面，即結(jié)構(gòu)主義, 功能主義，行為主義)。人們的對事物本質(zhì)認識論存在差異性，從事 物的不同方面模擬智能系統(tǒng)，使得人工智能從其產(chǎn)生，到現(xiàn)在，不論 是對其

9、認知，或是研究，都存在一種“盲人摸象”的錯誤認識。結(jié)構(gòu)、功能、行為是智能系統(tǒng)的基本屬性，最能揭示系統(tǒng)本質(zhì)的應(yīng)當是“工 作機制”，亦可稱之為機制主義。所謂的機制主義即是在給定的問題- 環(huán)境-工具的前提下，提取相關(guān)信息，并在此基礎(chǔ)上將信息轉(zhuǎn)換為知 識。主要有三個階段：首先是從本體論信息到認識論信息（信息的獲?。?，然后是從認識論信息到知識，而最后一階段是智能策略。其結(jié) 構(gòu)流程圖如下：這個圖簡明的說明了 “機制主義”的具體構(gòu)成，以及所包含的內(nèi) 容。然而，盡管如此，人工智能在現(xiàn)階段任然有很大的局限性，這 主要表現(xiàn)在五個大的方面：1 .認識論的局限性。人們對于思維的過程的認識是比較片面的， 覺得思維過程可

10、以通過物理符號的運算模擬出來，而一些形象思維或 者抽象思維的程式是無法被簡單物化的。2 .智能化方法與途徑方面的局限性。從機械角度出發(fā)，主要分為 結(jié)構(gòu)派和功能派。結(jié)構(gòu)派從研究人的大腦神經(jīng)結(jié)構(gòu)出發(fā)， 企圖模擬人 的神經(jīng)網(wǎng)絡(luò)，殊不知人的神經(jīng)元數(shù)量眾多，這也使得結(jié)構(gòu)派的智能化 道路顯得任重道遠；功能派從研究思維的活動和智能行為的心理學特 性出發(fā)，但是根本思維還是符號主義，理論模型仍是圖靈機模型。3 .數(shù)學基礎(chǔ)的局限性。人工智能最基本的還是計算問題，這就涉 及到近代數(shù)學的現(xiàn)狀。近代數(shù)學具有封閉性，線性，結(jié)構(gòu)不變性，收 斂性以及精確性，而人工智能所要求的卻恰好相反，它所需要的是進 行非結(jié)構(gòu)化的、非線性、

11、模糊發(fā)散的計算，以滿足智能化的需求。4 .計算機模型的局限性。主要表現(xiàn)在四個方面：1）問題表示的方法的局限性。2）需要對問題本身抽象出一個數(shù)學意義上的精確地解析式。3）需要針對問題設(shè)計算法。4）求解的結(jié)果的唯一性。5）圖靈計算機模型下的問題一般都是可遞歸的問題。6）很多時候，要實現(xiàn)真正的人工智能，我們要求的是滿意解而非 是精確解，而這時以圖靈模型為原型的計算機模型所做不到的。5 .形式演繹理論方面的局限性6 .實現(xiàn)技術(shù)方面的局限性。知識表示、推理、環(huán)境與工具等都存 在較大的局限性，限制其發(fā)展。畢竟人腦和機器是有很大的區(qū)別的，人腦勝于計算機的地方，就是具有邏輯思維、概念的抽象、辯證思維和形象思維

12、 ，能從知識中抽 取出性質(zhì)不同、更高層次的核心知識，能從多方面地把握信息，因此 在解決問題時,大大減少了對每一種可能組合的解決問題方案的探 索，甚至在很多情況下，根本無須探索各種可能的組合，就直接想出 辦法，找到答案。這樣，就避免了組合爆炸。計算機雖能進行調(diào)整，進 行有限的自組織，但由于不具備形象思維和邏輯思維，僅能放大人的悟性活動中的演繹方法，不可能真正具有智能。由此，決 定了計算機不能進行學習、思維、創(chuàng)造。在計算機領(lǐng)域 ，機器人仍然 是機器，并不具有生命，但是克隆技術(shù)、轉(zhuǎn)基因技術(shù)等的巨大突破卻 可能使人們設(shè)計創(chuàng)造出具有生命、甚至具有智能的東西。（二）發(fā)展前景對于已解決或者即將解決的智能問題，通過對計算機的功能程序 和它們之間的關(guān)系的深入研究中，或許我們可以找到一條發(fā)展人工智 能的新途徑。使用計算機解題，都必須通過匯編語言編寫一些程序， 將要求解的問題和算法轉(zhuǎn)換成機器語言，即“ 0”、“1”代二進制機 器指令，方可進行。因此用通用的指令集，即代表了計算機解決問題