關(guān)于人工智能的期末論文

　　人工智能(ArtificialIntelligence) ,英文縮寫為AI，也稱機(jī)器智能。“人工智能”一詞最初是在1956年Dartmouth學(xué)會(huì)上提出的。以下是學(xué)習(xí)啦小編精心整理的關(guān)于人工智能的期末論文的相關(guān)資料，希望對(duì)你有幫助!

　　關(guān)于人工智能的期末論文篇一

　　人工智能的現(xiàn)狀及今后發(fā)展趨勢(shì)展望

　　摘要：介紹了人工智能的概念及其目前發(fā)展概況,對(duì)人工智能的幾種類型及應(yīng)用，如：模式識(shí)別、專家系統(tǒng)作了簡(jiǎn)要的介紹。并對(duì)人工智能今后的發(fā)展前景進(jìn)行了分析。

　　關(guān)鍵詞：人工智能

　　1引言

　　人工智能(ArtificialIntelligence) ,英文縮寫為AI，也稱機(jī)器智能。“人工智能”一詞最初是在1956年Dartmouth學(xué)會(huì)上提出的。它是計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門綜合性學(xué)科。從計(jì)算機(jī)應(yīng)用系統(tǒng)的角度出發(fā)，人工智能是研究如何制造智能機(jī)器或智能系統(tǒng)，來模擬人類智能活動(dòng)的能力，以延伸人們智能的科學(xué)。

　　2目前人工智能技術(shù)的研究和發(fā)展?fàn)顩r

　　目前，人工智能技術(shù)在美國(guó)、歐洲和日本依然飛速發(fā)展。在AI技術(shù)領(lǐng)域十分活躍的IBM公司，已經(jīng)為加州勞倫斯·利佛摩爾國(guó)家實(shí)驗(yàn)室制造了ASCIWhite 電腦，號(hào)稱具有人腦的千分之一的智力能力，而正在開發(fā)的更為強(qiáng)大的新超級(jí)電腦—— “藍(lán)色牛仔”(Blue Jean)，據(jù)其研究主任保羅·霍恩稱， “藍(lán)色牛仔”的智力水平將大致與人腦相當(dāng)。

　　3技術(shù)應(yīng)用

　　隨著AI的技術(shù)的發(fā)展，現(xiàn)代幾乎各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)，可以說人工智能已經(jīng)廣泛應(yīng)用到許多領(lǐng)域，其典型的應(yīng)用包括：

　　3.1符號(hào)計(jì)算

　　計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類:一類是純數(shù)值的計(jì)算,例如求函數(shù)的值; 另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì)算, 處理的是符號(hào)。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式,函數(shù),集合等。隨著計(jì)算機(jī)的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件, 其中Mathematic和Maple 是它們的代表，由于它們都是用C 語言寫成的, 所以可以在絕大多數(shù)計(jì)算機(jī)上使用。

　　3.2模式識(shí)別

　　模式識(shí)別就是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”。網(wǎng)。用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動(dòng)識(shí)別，是開發(fā)智能機(jī)器的一個(gè)關(guān)鍵的突破口，也為人類認(rèn)識(shí)自身智能提供線索。計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、準(zhǔn)確性和效率高。識(shí)別過程與人類的學(xué)習(xí)過程相似。以“語音識(shí)別”為例： 語音識(shí)別就是讓計(jì)算機(jī)能聽懂人說的話，一個(gè)重要的例子就是七國(guó)語言(英、日、意、韓、法、德、中)口語自動(dòng)翻譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購買機(jī)票、在餐館對(duì)話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國(guó)際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。

　　3.3機(jī)器翻譯

　　機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。

　　3.4機(jī)器學(xué)習(xí)

　　機(jī)器學(xué)習(xí)是機(jī)器具有智能的重要標(biāo)志，同時(shí)也是機(jī)器獲取知識(shí)的根本途徑。有人認(rèn)為，一個(gè)計(jì)算機(jī)系統(tǒng)如果不具備學(xué)習(xí)功能，就不能稱其為智能系統(tǒng)。機(jī)器學(xué)習(xí)主要研究如何使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)功能。機(jī)器學(xué)習(xí)是一個(gè)難度較大的研究領(lǐng)域，它與認(rèn)知科學(xué)、神經(jīng)心理學(xué)、邏輯學(xué)等學(xué)科都有著密切的聯(lián)系，并對(duì)人工智能的其他分支，如專家系統(tǒng)、自然語言理解、自動(dòng)推理、智能機(jī)器人、計(jì)算機(jī)視覺、計(jì)算機(jī)聽覺等方面，也會(huì)起到重要的推動(dòng)作用。

　　3.5問題求解

　　人工智能的第一大成就是下棋程序,在下棋程度中應(yīng)用的某些技術(shù),今天的計(jì)算機(jī)程序已能夠達(dá)到下各種方盤棋和國(guó)際象棋的錦標(biāo)賽水平。但是,尚未解決包括人類棋手具有的但尚不能明確表達(dá)的能力。如國(guó)際象棋大師們洞察棋局的能力。網(wǎng)。另一個(gè)問題是涉及問題的原概念,在人工智能中叫問題表示的選擇,人們常能找到某種思考問題的方法,從而使求解變易而解決該問題。到目前為止,人工智能程序已能知道如何考慮它們要解決的問題,即搜索解答空間,尋找較優(yōu)解答。

　　3.6邏輯推理與定理證明

　　邏輯推理是人工智能研究中最持久的領(lǐng)域之一,其中特別重要的是要找到一些方法,只把注意力集中在一個(gè)大型的數(shù)據(jù)庫中的有關(guān)事實(shí)上,留意可信的證明,并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此,在人工智能方法的研究中定理證明是一個(gè)極其重要的論題。

　　3.7自然語言處理

　　自然語言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過多年艱苦努力,這一領(lǐng)域已獲得了大量令人注目的成果。目前該領(lǐng)域的主要課題是:計(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為基礎(chǔ),注重大量的常識(shí)——世界知識(shí)和期望作用,生成和理解自然語言。這是一個(gè)極其復(fù)雜的編碼和解碼問題。

　　3.8分布式人工智能

　　分布式人工智能在20世紀(jì)70年代后期出現(xiàn)，是人工智能研究的一個(gè)重要分支。分布式人工智能系統(tǒng)一般由多個(gè)Agent(智能體)組成，每一個(gè)Agent又是一個(gè)半自治系統(tǒng)，Agent之間以及Agent與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并通過交互來完成問題求解。

　　3.9計(jì)算機(jī)視覺

　　計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科。其主要研究目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。

　　目前，計(jì)算機(jī)視覺已在人類社會(huì)的許多領(lǐng)域得到成功應(yīng)用。例如，在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等;在航天與軍事方面有衛(wèi)星圖像處理、飛行器跟蹤、成像精確制導(dǎo)、景物識(shí)別、目標(biāo)檢測(cè)等;在醫(yī)學(xué)方面有圖像的臟器重建、醫(yī)學(xué)圖像分析等;在工業(yè)方面有各種監(jiān)測(cè)系統(tǒng)和生產(chǎn)過程監(jiān)控系統(tǒng)等。

　　3.10智能信息檢索技術(shù)

　　信息獲取和精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實(shí)際應(yīng)用的契機(jī)與突破口。

　　3.11專家系統(tǒng)

　　專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來,在“專家系統(tǒng)”或“知識(shí)工程”的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢(shì)。人類專家由于具有豐富的知識(shí),所以才能達(dá)到優(yōu)異的解決問題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用這些知識(shí),也應(yīng)該能解決人類專家所解決的問題,而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯(cuò),現(xiàn)在這一點(diǎn)已被證實(shí)。如在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面,專家系統(tǒng)已經(jīng)達(dá)到了人類專家的水平。

　　4　目前人工智能發(fā)展中所面臨的難題

　　人工智能(A I) 學(xué)科自1956 年誕生至今已走過50 多個(gè)年頭, 就研究解釋和模擬人類智能、智能行為及其規(guī)律這一總目標(biāo)來說, 已經(jīng)邁出了可喜的一步, 某些領(lǐng)域已取得了相當(dāng)?shù)倪M(jìn)展。但從整個(gè)發(fā)展的過程來看, 人工智能發(fā)展曲折, 而且還面臨不少難題，主要有以下幾個(gè)方面：

　　4.1　計(jì)算機(jī)博弈的困難

　　博弈是自然界的一種普遍現(xiàn)象。它表現(xiàn)在對(duì)自然界事物的對(duì)策或智力競(jìng)爭(zhēng)上。博弈不僅存在于下棋之中, 而且存在于政治、經(jīng)濟(jì); 軍事和生物的斗智和競(jìng)爭(zhēng)之中。盡管西洋跳棋和國(guó)際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平, 然而計(jì)算機(jī)博弈依然面臨著巨大的困難。這主要表現(xiàn)在以下兩個(gè)方面的問題。其一是組合爆炸問題, 狀態(tài)空間法是人工智能中基本形式化方法。若用博弈樹來表示狀態(tài)空間, 對(duì)于幾種常見的棋類, 其狀態(tài)空間都大得驚人, 例如, 西洋跳棋為10 的40 次方,國(guó)際象棋為10 的120 次方, 圍棋則是10 的700 次方。如此巨大的狀態(tài)空間, 現(xiàn)有計(jì)算機(jī)是很難忍受的。其二是現(xiàn)在的博弈程序往往是針對(duì)二人對(duì)弈, 棋局公開,有確定走步的一類棋類進(jìn)行研制的。而對(duì)于多人對(duì)弈, 隨機(jī)性的博弈這類問題, 至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。

　　4.2　機(jī)器翻譯所面臨的問題

　　在計(jì)算機(jī)誕生的初期, 有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器翻譯所面臨的問題仍然是1964 年語言學(xué)家黑列爾所說的構(gòu)成句子的單詞和歧義性問題。歧義性問題一直是自然語言理解(NLU ) 中的一大難關(guān)。同樣一個(gè)句子在不同的場(chǎng)合使用, 其含義的差異是司空見慣的。因此, 要消除歧義性就要對(duì)原文的每一個(gè)句子及其上下文, 尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意義。然而, 計(jì)算機(jī)卻往往孤立地將句子作為理解單位。另外, 即使對(duì)原文有了一定的理解, 理解的意義如何有效地在計(jì)算機(jī)里表示出來也存在問題。目前的NLU 系統(tǒng)幾乎不能隨著時(shí)間的增長(zhǎng)而增強(qiáng)理解力, 系統(tǒng)的理解大都局限于表層上, 沒有深層的推敲, 沒有學(xué)習(xí), 沒有記憶, 更沒有歸納。導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)的問題和研究方法的問題?，F(xiàn)在NLU 的研究方法很不成熟, 大多數(shù)研究局限在語言這一單獨(dú)的領(lǐng)域, 而沒有對(duì)人們是如何理解語言這個(gè)問題作深入有效的探討。

　　4.3　自動(dòng)定理證明和GPS 的局限

　　自動(dòng)定理證明的代表性工作是1965 年魯賓遜提出的歸結(jié)原理。歸結(jié)原理雖然簡(jiǎn)單易行, 但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的?；跉w結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合,從而喪失了其固有的邏輯蘊(yùn)涵語義。前面曾提到過的GPS 是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí), 求解人工智能問題的通用方法。GPS 想擺脫對(duì)問題內(nèi)部表達(dá)形式的依賴, 但是問題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理, 還是求解人工智能問題的通用方法GPS, 都可以從中分析出表達(dá)能力的局限性, 而這種局限性使得它們縮小了其自身的應(yīng)用范圍。

　　4.4　模式識(shí)別的困惑

　　雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果,有的已成為產(chǎn)品投入實(shí)際應(yīng)用, 但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的。人的識(shí)別手段形象思維能力, 是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的,另一方面, 在現(xiàn)實(shí)世界中, 生活并不是一項(xiàng)結(jié)構(gòu)嚴(yán)密的任務(wù)一般家畜都能輕而易舉地對(duì)付, 但機(jī)器不會(huì), 這并不是說它們永遠(yuǎn)不會(huì), 而是說目前不會(huì)。”

　　5人工智能的發(fā)展前景。

　　5.1人工智能的發(fā)展趨勢(shì)

　　技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會(huì)向以下幾個(gè)方面發(fā)展:模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。

　　5.2　人工智能的發(fā)展?jié)摿薮?/p>

　　人工智能作為一個(gè)整體的研究才剛剛開始, 離我們的目標(biāo)還很遙遠(yuǎn)。但人工智能在某些方面將會(huì)有圈套的突破。

　　(1)自動(dòng)推理人工智能最經(jīng)典的研究分支, 其基本理論是人工智能其它分支的共同基礎(chǔ)。一直以來自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一, 其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn), 很有可能取得大的突破。

　　(2)機(jī)器學(xué)習(xí)的研究取得長(zhǎng)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問世并獲得了成功的應(yīng)用,如增強(qiáng)學(xué)習(xí)算法、reinforcement learning 等。也應(yīng)看到, 現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效, 尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題, 相信不久會(huì)在這引起方面取得突破。

　　(3)自然語言處理是A I 技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例, 經(jīng)過A I 研究人員的艱苦努力,這一領(lǐng)域已獲得了大量令人注目的理論與應(yīng)用成果。許多產(chǎn)品已經(jīng)進(jìn)入了眾的智能信息檢索技術(shù)在Internet 技術(shù)的影響下,近年來迅猛發(fā)展, 已經(jīng)成為了A I 的一個(gè)獨(dú)立研究分支。由于信息獲取與精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將A I 技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向應(yīng)用的契機(jī)與突破口。網(wǎng)。從近年的人工智能發(fā)展來看,這方面的研究已取得了可喜的進(jìn)展。

　　6結(jié)束語

　　人工智能一直處于計(jì)算機(jī)技術(shù)的前沿，人工智能研究的理論和發(fā)現(xiàn)在很大程度上將決定計(jì)算機(jī)技術(shù)的發(fā)展方向。今天，已經(jīng)有很多人工智能研究的成果進(jìn)入人們的日常生活。將來，人工智能技術(shù)的發(fā)展將會(huì)給人們的生活、工作和教育等帶來更大的影響。

下一頁分享更優(yōu)秀的<<<關(guān)于人工智能的期末論文