人工智能專家系統(tǒng)通信論文篇二

　　云計(jì)算下的人工智能

　　1 提出背景

　　在Humanoids 2010 會(huì)議上，卡耐基梅隆大學(xué)的James Kuffner教授提出了“云機(jī)器人”的概念，引起了廣泛的討論。Humanoids 2010 會(huì)議上很多專家對(duì)云機(jī)器人比較看好，或許云機(jī)器人就是機(jī)器人學(xué)的下一個(gè)跨越式發(fā)展。

　　要更詳細(xì)地了解云機(jī)器人，首先要了解云計(jì)算。根據(jù)互動(dòng)百科的介紹，云計(jì)算的概念有狹義云計(jì)算和廣義云計(jì)算之分：

　　狹義云計(jì)算是指IT基礎(chǔ)設(shè)施的交付和使用模式，指通過(guò)網(wǎng)絡(luò)以按需、易擴(kuò)展的方式獲得所需的資源(硬件、平臺(tái)、軟件)。 提供資源的網(wǎng)絡(luò)被稱為“云”。“云”中的資源在使用者看來(lái)是可以無(wú)限擴(kuò)展的，并且可以隨時(shí)獲取，按需使用，隨時(shí)擴(kuò)展，按使用付費(fèi)。這種特性經(jīng)常被稱為像水電一樣使用IT基礎(chǔ)設(shè)施。

　　廣義云計(jì)算是指服務(wù)的交付和使用模式，指通過(guò)網(wǎng)絡(luò)以按需、易擴(kuò)展的方式獲得所需的服務(wù)。這種服務(wù)可以是IT和軟件、互聯(lián)網(wǎng)相關(guān)的，也可以是任意其他的服務(wù)。

　　云計(jì)算的“云”，可理解為“多”“大規(guī)模”。“云”是一些可以自我維護(hù)和管理的虛擬計(jì)算資源，通常為一些大型服務(wù)器集群，包括計(jì)算服務(wù)器、存儲(chǔ)服務(wù)器、寬帶資源等等。云計(jì)算將所有的計(jì)算資源集中起來(lái)，并由軟件實(shí)現(xiàn)自動(dòng)管理，無(wú)需人為參與。例如Google云計(jì)算有上百萬(wàn)臺(tái)服務(wù)器。

　　從此可以看出，云機(jī)器人并不是指某一個(gè)機(jī)器人，也不是某一類機(jī)器人，而是指機(jī)器人信息存儲(chǔ)和獲取方式的一個(gè)學(xué)術(shù)概念。這種信息存取的方式的好處是顯而易見(jiàn)的。比如，機(jī)器人通過(guò)攝像頭可以獲取一些周圍環(huán)境的照片，上傳到服務(wù)器端，服務(wù)器端可以檢索出類似的照片，可以計(jì)算出機(jī)器人的行進(jìn)路徑來(lái)避開(kāi)障礙物，還可以將這些信息儲(chǔ)存起來(lái)，方便其它機(jī)器人檢索。所有機(jī)器人可以共享數(shù)據(jù)庫(kù)，減少開(kāi)發(fā)人員的開(kāi)發(fā)時(shí)間。

　　2 云計(jì)算的體系結(jié)構(gòu)

　　2002年亞馬遜(Amazon)提供一組包括存儲(chǔ)空間、計(jì)算能力甚至人力智能等資源服務(wù)的Web Service;2005年亞馬遜又提出了彈性計(jì)算云(Elastic Compute Cloud)，也稱亞馬遜EC2的Web Service，允許小企業(yè)和私人租用亞馬遜的計(jì)算機(jī)來(lái)運(yùn)行他們自己的應(yīng)用。到2008年，幾乎所有的主流IT廠商開(kāi)始談?wù)撛朴?jì)算，這里既包括硬件廠商(IBM、HP、Intel、思科、SUN等)、軟件廠商(微軟、Oracle、VMware等)，也包括互聯(lián)網(wǎng)服務(wù)提供商(Google、亞馬遜、Salesforce等)和電信運(yùn)營(yíng)商(中國(guó)移動(dòng)、中國(guó)電信、AT&T等)，當(dāng)然還有一些小的IT企業(yè)也將云計(jì)算作為自己的主戰(zhàn)場(chǎng)。這些企業(yè)覆蓋了整個(gè)IT產(chǎn)業(yè)鏈，也構(gòu)成了一個(gè)完整的云計(jì)算生態(tài)系統(tǒng)。

　　按需部署是云計(jì)算的核心。要解決按需部署，必須解決資源的動(dòng)態(tài)可重構(gòu)，監(jiān)控和自動(dòng)化部署等，而這些又需要以虛擬化、高性能存儲(chǔ)、處理器、高速互聯(lián)網(wǎng)等技術(shù)為基礎(chǔ)。

　　為了有效支持云計(jì)算，其體系結(jié)構(gòu)必須支持幾個(gè)關(guān)鍵特征。①系統(tǒng)必須是自治的，即需要內(nèi)嵌有自動(dòng)化技術(shù)，以減輕或消除人工部署和管理任務(wù)，而允許平臺(tái)智能地響應(yīng)應(yīng)用的要求;②云計(jì)算的架構(gòu)必須是敏捷的，能夠?qū)π枨笮盘?hào)或變化做出迅速的反應(yīng)。內(nèi)嵌的虛擬化技術(shù)和集群化技術(shù)，能應(yīng)付增長(zhǎng)或服務(wù)級(jí)要求的快速變化。

　　綜上所述，云計(jì)算服務(wù)的實(shí)現(xiàn)，需要依托的2大基石：①硬件基礎(chǔ)設(shè)施具有相當(dāng)?shù)囊?guī)模，即數(shù)據(jù)中心集群、規(guī)模化的服務(wù)器及存儲(chǔ)和互聯(lián)互通的高速網(wǎng)絡(luò);②以虛擬化和自動(dòng)化為代表的成熟技術(shù)。

　　3 人工智能與云計(jì)算的結(jié)合

　　云計(jì)算與人工智能技術(shù)發(fā)展到今天，已經(jīng)不再神秘，完全可以進(jìn)入我們的生活，承載它的歷史使命，下面筆者將根據(jù)本人的認(rèn)識(shí)，分3個(gè)階段介紹如何將人工智能與云計(jì)算完美結(jié)合。

　　3.1 機(jī)器人操控階段

　　第一階段筆者稱之為機(jī)器人操控階段。該階段主要依托于云技術(shù)實(shí)現(xiàn)，我們暫且把它分為云和端兩部分，云主要由大型服務(wù)器群組成，而端主要是可操控的機(jī)器人組成，這些機(jī)器人除了有計(jì)算機(jī)芯片以外還需要有監(jiān)控，機(jī)械臂和行走部件。說(shuō)到這里大家可能已經(jīng)明白了在這一階段我們要完成什么任務(wù)了，就是實(shí)現(xiàn)如計(jì)算機(jī)遠(yuǎn)程協(xié)助一樣簡(jiǎn)單的功能。

　　在云上我們首先可以構(gòu)建完善的供求平臺(tái)，而擁有端的用戶可在平臺(tái)上發(fā)布各種端力所能及的任務(wù)，如清潔、維修、甚至是教學(xué)等。另一方面有完成任務(wù)能力的人可以通過(guò)供求平臺(tái)承接任務(wù)，通過(guò)遠(yuǎn)程操控端來(lái)幫助任務(wù)發(fā)布者工作，當(dāng)然這里存在的問(wèn)題是費(fèi)用的支付和端用戶的安全，所以平臺(tái)使用者必須實(shí)名注冊(cè)而且一定要承擔(dān)法律責(zé)任。在強(qiáng)大的服務(wù)器群和高速網(wǎng)絡(luò)的基礎(chǔ)上，我相信實(shí)現(xiàn)機(jī)器人的遠(yuǎn)程操控并不是一件難事，而這一階段的實(shí)現(xiàn)也可以大大增加人們對(duì)時(shí)間的利用率，和全球生產(chǎn)力的一個(gè)平衡。

　　3.2 數(shù)據(jù)挖掘階段

　　第二階段筆者稱之為數(shù)據(jù)挖掘階段，我們第一階段所完成的主要是云平臺(tái)的搭建，而第二階段我們所要完成的是人工智能的一個(gè)基礎(chǔ)建設(shè)。在我們的用戶端上有著數(shù)據(jù)采集系統(tǒng)，隨時(shí)收集用戶利用端所完成的各項(xiàng)任務(wù)，通過(guò)云平臺(tái)中心的計(jì)算分析，可以提供給用戶云中存儲(chǔ)的最佳解決方案。數(shù)據(jù)挖掘的實(shí)現(xiàn)和云平臺(tái)的分析如圖所示：

　　第二階段所實(shí)現(xiàn)的是人工遠(yuǎn)程協(xié)助與智能分析同步。

　　3.3 具備遺傳基因的專家系統(tǒng)階段

　　第三階段筆者稱之為具備遺傳基因的專家系統(tǒng)階段，近10年來(lái)，由于一些專家系統(tǒng)在實(shí)用化方面取得了一些進(jìn)展，展示出廣闊的發(fā)展前景，開(kāi)始受到愈來(lái)愈多的計(jì)算機(jī)科學(xué)家的關(guān)注。然而，與此同時(shí)，現(xiàn)有的專家系統(tǒng)也暴露出了自身嚴(yán)重的缺陷，使不少計(jì)算機(jī)界的知名學(xué)者對(duì)專家系統(tǒng)產(chǎn)生了懷疑。專家系統(tǒng)存在的問(wèn)題可歸納為以下幾點(diǎn)：

　　(1)專家系統(tǒng)中的知識(shí)多限于 經(jīng)驗(yàn)知識(shí)，極少有原理性的知識(shí)，系統(tǒng)沒(méi)有 應(yīng)用它們的能力。

　　(2)知識(shí)獲取功能非常弱，為了建造專家系統(tǒng)，必須依賴于專家獲取知識(shí)，不僅費(fèi)時(shí)，而且很難獲取完備性和一致性的知識(shí);

　　(3)求解問(wèn)題的方法比較單一，以推理機(jī)為核心的對(duì)間題的求解尚不能反映專家從認(rèn)識(shí)問(wèn)題到解決問(wèn)題的創(chuàng)造性過(guò)程;

　　(4)解釋功能不強(qiáng)，這一點(diǎn)相對(duì)比較次要。

　　John McDermott認(rèn)為，專家系統(tǒng)有時(shí)所以徹底失敗的原因主耍有兩條： ①知識(shí)不足;②解決問(wèn)題的方法不妥，即不能運(yùn)用它有的或沒(méi)有的知識(shí)來(lái)解題。

　　針對(duì)傳統(tǒng)專家系統(tǒng)的不足我們?cè)O(shè)計(jì)了遺傳基因系統(tǒng)，其實(shí)遺傳算法我們并不陌生，這是人工智能的基礎(chǔ)學(xué)科，如下面的C++代碼就是一個(gè)實(shí)例：

　　typedef char ALLELE; //基因類型

　　typedef struct{

　　ALLELE *chrom;

　　float fitness; // fitness of Chromosome

　　}INDIVIDUAL;// 個(gè)體定義

　　class TPopulation{ //群體類定義

　　public：

　　int size; // Size of population：n

　　int lchrom; // Length of chromosome：l

　　float sumfitness，average;

　　// 由于GA是一個(gè)概率過(guò)程，所以每次迭代的情況是不一樣的;系統(tǒng)參數(shù)不同，迭代情況也不同。

　　// 在實(shí)驗(yàn)中參數(shù)一般選取如下：個(gè)體數(shù)n=50-200，變異概率Pm=0.03，交叉概率Pc=0.6。

　　// 變異概率太大，會(huì)導(dǎo)致不穩(wěn)定。

　　INDIVIDUAL *fmin，*fmax;

　　INDIVIDUAL*pop;

　　TPopulation(int popsize，int strlength);

　　TPopulation();

　　inline INDIVIDUAL &Individual(int i){return pop[i];};

　　void FillFitness(); // 評(píng)價(jià)函數(shù)

　　virtual void Statistics(); // 統(tǒng)計(jì)函數(shù)

　　};

　　class TSGA：public TPopulation{ // TSGA類派生于群體類

　　public：

　　float pcross; // Probability of Crossover

　　float pmutation; // Probability of Mutation

　　int gen; // Counter of generation

　　TSGA(int size，int strlength，float pm=0.03，float pc=0.6)：

　　TPopulation(size，strlength)

　　{gen=0;pcross=pc;pmutation=pm;};

　　virtual INDIVIDUAL& Select();

　　virtual void Crossover(INDIVIDUAL &parent1，INDIVIDUAL &parent2，

　　INDIVIDUAL &child1，INDIVIDUAL &child2);

　　virtual ALLELE Mutation(ALLELE alleleval);

　　virtual void Generate(); // 產(chǎn)生新的一代

　　};

　　// 用戶GA類定義如下：

　　class TSGAfit：public TSGA{

　　public：

　　TSGAfit(int size，float pm=0.0333，float pc=0.6)

　?。篢SGA(size，24，pm，pc){};

　　void print();

　　};

　　有了遺傳算法加上我們第二階段完成的長(zhǎng)時(shí)間的數(shù)據(jù)挖掘階段，我們可以解決傳統(tǒng)專家系統(tǒng)的不足。對(duì)于知識(shí)匱乏，經(jīng)過(guò)長(zhǎng)時(shí)間的積累我們?cè)破脚_(tái)中存儲(chǔ)的是全球性的知識(shí)，不是任何一個(gè)圖書(shū)館可以媲美的，而且都是通過(guò)人們的經(jīng)驗(yàn)進(jìn)行 實(shí)踐的知識(shí)，可用性極高。而數(shù)據(jù)挖掘也會(huì)幫助我們找到最佳的解決問(wèn)題的方法。而每次用最完美的方法解決了問(wèn)題又可以由下一代算法繼承，這樣一來(lái)，我們便可以真正實(shí)現(xiàn)人工智能了。

　　4 結(jié) 語(yǔ)

　　人工智能的目的是要將人類從繁重的勞動(dòng)中解放出來(lái)，我們看到機(jī)器在不斷的進(jìn)步，越來(lái)越多的智能機(jī)器在我們身邊出現(xiàn)，但是真正意義上的人工智能和我們還有很大的距離，將來(lái)機(jī)器不僅僅是人類認(rèn)識(shí)世界和改變世界的工具，而且可以和人類做朋友，可以交流、談心甚至相互學(xué)習(xí)。在我看來(lái)要想實(shí)現(xiàn)人工智能時(shí)代，并不能只是依靠少數(shù)天才科學(xué)家，和實(shí)驗(yàn)室，必須要大范圍的，甚至各個(gè)國(guó)家、政府、全球人類都要參與進(jìn)來(lái)，因?yàn)槿斯ぶ悄懿坏砹艘粋€(gè)學(xué)科、一種技術(shù)，他是人類工具的一次革新，人類生存方式的一次革新，就如同青銅器取代石器一樣，智能機(jī)器人也必將取代 計(jì)算機(jī)和 網(wǎng)絡(luò)。讓我們?yōu)榱诉@一天的到來(lái)而盡情暢想吧!

　　看了“人工智能專家系統(tǒng)通信論文”的人還看了：

1.人工智能專家系統(tǒng)論文

2.人工智能技術(shù)應(yīng)用論文

3.人工智能的精選論文

4.人工智能應(yīng)用技術(shù)論文范文

5.人工智能技術(shù)論文范文