1.人工智能的基本概念
智能的概念
自然界的四大奧祕之一：智能的發生、物質的本質、宇宙的起源、生命的本質。智能研究的三大觀點：
- 思維理論：認爲智能的核心是思維，人的一切智能都來自大腦的思維活動，人類的一切知識都是人類思維的產物。
- 知識閾值理論：智能行爲取決於知識的數量及其一般化的程度，一個系統之所以有智能是因爲它具有可運用的知識。將智能定義爲：智能就是在巨大的搜索空間迅速找到一個滿意解的能力。
- 進化理論：認爲人的本質能力是在動態環境中的行走能力、對外界事務的感知能力、維持生命和繁衍生息的能力。而智能是某種複雜系統所表現的性質， 是沒有明顯的可操作的內部表達的情況下產生的，也可以在沒有明顯的推理系統出現的情況下產生。用控制取代表示，否定抽象對於智能及智能模擬的必要。
總結：智能就是知識與智力的總和。其中，知識是一切智能行爲的基礎，而智力是獲取知識並應用知識求解問題的能力。
智能的特徵
- 具有感知能力：通過視覺、聽覺、觸覺、嗅覺等感覺器官感知外部世界的能力。人工智能的機器感知主要研究機器視覺和機器聽覺方面。
- 具有記憶思維能力：
思維的分類：
（1）邏輯思維：根據邏輯規則對信息進行處理的理性思維方式。
首先獲得外部事物的感性認識，存儲到大腦。然後通過匹配邏輯規則進行相應的邏輯推理。推理是否成功取決於，推理規則是否完備和已知信息是否完善、
可靠。
邏輯思維的特點：
①依靠邏輯進行思維
②思維過程是串行的，表現爲一個線性過程。
③容易形式化，其思維過程可以用符號串表達出來。
④思維過程具有嚴密性、可靠性，能對事物未來的發展給出邏輯上合理的預測，可使人們對事物的認識不斷深化。
（2）形象思維：一種以客觀現象爲思維對象、以感性形象認識爲思維材料、以意向爲主要思維工具、以指導創造物化形象的實踐爲主要目的的思維活動。
形象思維的思維過程的兩次飛躍：
·從感性形象認識到理性形象認識的飛躍：把對事物的感覺組合起來，形成反映事物多方面屬性的整體性認識（即知覺），再在知覺的基礎上形成具有一定
概括性的感覺反映形式（即表象），然後經形象分析、形象比較、形象概括及組合形成對事物的理性形象認識。
· 從理性形象認識到實踐的飛躍：對理性形象認識進行聯想、想象等加工，在大腦中形成新的意向，然後回到實踐中，接受實踐的檢驗。
形象思維的特點：
①主要是依據直覺，即感性形象進行思維。
②思維過程是並行協同式的，表現爲一個非線性過程。
③形式化困難，沒有統一的形象聯繫規則，對象不同、場合不同，形象的聯繫規則亦不相同，不能直接套用。
④在信息變形或缺少的情況下仍有可能得到比較滿意的結果。
（3）頓悟思維：一種顯意識與潛意識互相作用的思維方式。
頓悟思維的特點：
①具有不定期的突發性
②具有非線性獨創性及模糊性
③穿插於形象思維與邏輯思維之中，起着突破、創新及昇華的作用。
在求解問題時，通常將邏輯思維和形象思維結合起來使用，首先使用形象思維給出假設，然後用邏輯思維進行論證。
3.具有學習能力
4.具有行爲能力：感知能力看做是信息的輸入，行爲能力可以看做信息的輸出，他們都受到神經系統控制
人工智能
圖靈測試的提出---------衡量機器智能的測試。
沒有涉及思維過程----------“中文屋思想實驗”。
人工智能是一門研究如何構造智能機器或智能系統，使它能模擬、延伸、擴展人類智能的學科。
2.人工智能發展史
孕育
①公元前384-322,演繹推理的基本依據------三段論。
②培根，系統的提出歸納法。
③萊布尼茨，萬能符號和推理計算的思想，現代機器思維設計思想的萌芽。
④布爾，思維規律形式化和實現機械化，創立布爾代數。首次用符號語言描述了思維活動的基本推理法則。
⑤圖靈，1936提出理想計算機的數學模型，即圖靈機，爲電子數字計算機的問世奠定了理論基礎。
⑥麥克洛奇與匹茲,1943建成第一個神經網絡模型（M-P模型），開創了微觀人工智能的研究領域，爲人工神經網絡的研究奠定基礎。
⑦阿塔納索夫和貝瑞1937-1941開發世界上第一臺電子計算機“阿塔納索夫-貝瑞計算機（ABC）”爲人工智能的研究奠定了物質基礎。
形成
1956-1969
①1956夏：美國達特茅斯大學召開爲時兩個月的學術研討會。麥卡錫（人工智能之父）提出“人工智能”這一名詞。標誌人工智能作爲一門新型學科正式誕生
②機器學習方面：1957年Rosenblatt研製成功了感知機（將神經元用於識別的系統）。
③定理證明方面：王浩，1958，IBM-704用時3-5min證明了《數學原理》中有關命題演算的全部定理；1965，魯賓遜提出歸結原理，爲定理的機器證明作出突出貢獻。
④模式識別方面：1959賽爾夫裏奇推出一個模式識別程序；1965年羅伯特編制出了可分辨積木構造的程序。
⑤專家系統方面：1965-1968，弗根鮑姆領導的小組，根據質譜儀實驗，通過分析決定化合物的分子結構的DENDRAL專家系統。對知識表示、存儲、獲取、推理及利用等技術是一次非常有益的探索。
⑥人工智能語言：1960麥卡錫研製出人工智能語言LISP，建造專家系統的重要工具。
⑦1969年成立的國際人工智能聯合會議（IJCAI）,標誌人工智能得到世界認可。
⑧1970創刊的國際性人工智能雜誌《Aitificial Intelligence》
發展
1970-今
①1972法國馬賽大學，科麥瑞爾提出並實現邏輯程序語言PROLOG。
②1972斯坦福大學的肖特利夫等人研製用於診斷和治療感染疾病的專家系統MYCIN。
③1977弗根鮑姆提出“知識工程”,人工智能迎來以知識爲中心的新時期。
④地礦勘探專家系統PROSPECTOR、根據用戶要求確定計算機配置的專家系統XCON、信用卡認證輔助決策專家系統American Express
⑤人工智能在博弈方面：IBM深藍、Google Alpha Go
⑥我國1978年把“智能模擬”作爲國家科學技術發展規劃的主要研究課題；1981年成立了中國人工智能學會CAAI。
3.人工智能研究的基本內容
1.知識表示
(1)符號表示法：用各種包含具體含義的符號，以各種不同的方式和順序組合起來表示知識的一類方法。主要用來表示路機型知識。目前使用的知識表示法：一階謂詞邏輯表示法、產生式表示法、框架表示法、語義網絡表示法、狀態空間表示法、神經網絡表示法、腳本表示法、過程表示法、Petri網絡表示法及面向對象表示法等。
(2)連接機制表示法：用神經網絡表示知識的一種方法。它把各種物理對象以不同的方式及順序連接起來，並在其間互相傳遞及加工各種包含具體意義的信息，以此來表示相關的概念及知識。適用於表示各種形象性的知識。
2.機器感知
使機器具有類似於人的感知能力，其中以機器視覺與機器聽覺爲主。對應人工智能兩個專門的研究領域，模式識別和自然語言理解。
3.機器思維
指對通過感知得來的外部信息及機器內部的各種工作信息進行有目的的處理。是人工智能研究中最重要、最關鍵的部分。
4.機器學習
研究如何使計算機具有類似於人的學習能力，使它能通過學習自動地獲取知識。難度較大，與腦科學、神經心理學、計算機視覺、計算機聽覺等都有密切聯繫。
5.機器行爲
與人的行爲能力對應，機器行爲主要是指計算機的表達能力。即“說”、“寫”、“畫”等能力。
4.人工智能的主要研究領域
1.自動定理證明
海博倫與魯賓遜先後進行卓有效的研究，提出相應的理論及方法，爲自動定理證明奠定基礎。我國吳文俊院士提出並實現的幾何定理機器證明“吳氏方法”,是機器定理證明領域的一項標誌性成果。
2.博弈
人工智能研究博弈的目的並不是爲了讓計算機與人進行下棋、打牌之類的遊戲，而是通過對博弈的研究來檢驗某些人工智能技術是否能實現對人類智慧的模擬，促進人工智能的研究
3.模式識別
研究對象描述和分類方法的學科。分析和識別的模式可以使信號、圖像或者普通數據。
模式是對一個物體或者某些其他感興趣實體定量的或者結構的描述，而模式類是指具有某些共同屬性的模式集合。用機器進行模式識別的主要內容是研究一種自動技術，依靠這種技術，機器可以自動地或者儘可能少需要人工干預地把模式分配到它們各自的模式類中去。
傳統模式識別方法有統計模式識別和結構模式識別等類型。近年來迅速發展的模糊數學及人工神經網絡技術已經應用到模式識別中，形成模糊模式識別、神經網絡模式識別等方法，展示了巨大的發展潛力。
4.機器視覺
用機器代替人眼測量和判斷，是模式識別研究的一個重要方面。機器視覺與模式識別存在很大程度的交叉性，兩者的主要區別是機器視覺更注重三維視覺信息的處理，而模式識別僅僅關心模式的類別。此外模式識別還包括聽覺等非視覺信息。
5.自然語言理解
研究如何讓計算機理解人類自然語言，是人工智能中十分重要的一個研究領域。是研究能夠實現人與計算機之間用自然語言進行通信的理論與方法。需要達到如下三個目標：
(1)計算機能正確理解人們用自然語言輸入的信息，並能正確回答輸入信息中的有關問題。
(2)對輸入的自然原因信息，計算機能夠產生相應的摘要，能用不同詞語複述輸入信息的內容。
(3)計算機能把用某一種自然語言表示的信息自動翻譯爲另一種自然語言表示的相同信息。
6.智能信息檢索
智能信息檢索系統應具有下述功能：
(1)能理解自然語言。允許用戶使用自然語言提出檢索要求和詢問。
(2)具有推理能力。能根據數據庫存儲的事實，推理產生用戶要求和詢問的答案。
(3)系統具有一定的常識性知識。
7.數據挖掘與知識發現
數據挖掘的目的是從數據庫中找出有意義的模式。這些模式可以是一組規則、聚類、決策樹、依賴網絡或以其他方式表示的知識。一個典型的數據挖掘過程可以分成4個階段，即數據預處理、建模、模型評估及模型應用。
知識發現系統通過各種學習方法，自動處理數據庫中大量的原始數據，提煉出具有必然性的、有意義的知識，從而揭示出蘊含在這些數據後的內在聯繫和本質規律，實現知識的自動獲取。
8.專家系統
是一個智能的計算機程序，運用知識和推理步驟來解決只有專家才能解決的疑難問題。
9.自動化程序設計
是將自然語言描述的程序自動轉換成可執行程序的技術。是人工智能與軟件工程相結合的課題。
10.人工神經網絡
一個用大量簡單處理單元經廣泛連接而組成的人工網絡，用來模擬大腦神經系統的結構和功能。神經網絡已經在模式識別、圖像處理、組合優化、自動控制、信息處理、機器人學等領域獲得日益廣泛的應用。
此外還有機器人、組合優化問題、分佈式人工智能與多智能體、智能控制、智能仿真、智能CAD、智能CAI、智能管理與智能決策、智能多媒體系統、智能操作系統、智能計算機系統、智能通信、智能網絡系統、人工生命等。
參考文獻：高等教育出版社，人工智能導論（第3版）,王萬良 編著。