人工智能学习心得

对人工智能的理解

通过这学期的学习，我对人工智能有了一定的感性认识，个人觉得人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。 人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关于什么是“智能”，就问题多多了。这涉及到其它诸如意识、自我、思维等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。关于人工智能一个大家比较容易接受的定义是这样的： 人工智能是人造的智能,是计算机科学、逻辑学、认知科学交叉形成的一门科学，简称AI。

人工智能的发展历史大致可以分为这几个阶段：

第一阶段：50年代人工智能的兴起和冷落

人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。

第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。 DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，19xx年成立了国际人工智能联合会议

第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展。 日本19xx年开始了”第五代计算机研制计划”，即”知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。

…… …… 余下全文

学校：苏州科技学院

学院：电子信息工程 班级：电科0812班

姓名：钟建峰 学号：0820108224

谈谈人工智能的学习感想

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能技术导论这门课的学习，让我知道了人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。 人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是19xx年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究； 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。

人工智能经过几十年的发展，其应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找，知道了以下领域的人工智能的发展。

1．机器翻译

机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为 机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工 具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻 译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含 义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、 “雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇 中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。

…… …… 余下全文

深圳大学硕士研究生课程作业—人工智能

《人工智能》学习报告

深圳大学机电与控制工程学院 彭建柳

学号：0943010210

1. 引言

人工智能(Artificial Intelligence，AI)，曾经有一部电影，著名导演斯蒂文?斯皮尔伯格的科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。

一直以来，关于人工智能的理论，我一直认为是科学的前沿，理解起来较为飘渺。但是，从本学期《人工智能》课程的学习中，本人较系统的接触到了关于人工智能的理论，从有限的课程中，通过老师的详细介绍和查阅人工智能方面的书籍，学习了关于人工智能几个主要方面的知识，如模糊控制、专家系统、神经网络等。下面是本人关于人工智能理论的一些基本认识。

2. 人工智能的形成与发展

说到人工智能，首先先认识下自动控制理论，自动控制理论从形成到发展至今，已经经历了六十多年的历程，其主要分为三个阶段：

第一阶段是40年代兴起的以调节原理为标志，称为经典控制理论阶段；

第二阶段是以60年代兴起的以状态空间为标志，称为现代控制理论阶段；

第三阶段是80年代兴起的智能控制理论阶段

智能控制是在控制论人工智能系统论和信息论等多学科的高度综合与集成，是一门新兴的交叉前沿学科。智能控制技术，即是在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任

…… …… 余下全文

计算智能学习心得体会

本学期我们水利水电专业开了“计算智能概论”这门课，有我们学院的金菊良教授给我们授课，据说这门课相当难理解，我们课下做了充分的准备，借了计算智能和人工智能相关方面的书籍，并提前了解了一点相关知识，我感觉看着有点先进，给我们以往学的课程有很大区别，是一种全新的概念和理论，里面的遗传算法、模糊集理论、神经网络更是闻所未闻，由于课前读了一些书籍，我以为课堂上应该能容易理解一点，想不到课堂上听着还是相当玄奥，遗传算法还好一点，因为高中学过生物遗传，遗传算法还能理解一点。像模糊集理论神经网络便不知所云了。虽然金老师讲课生动形象，幽默风趣，而且举了好多实际的例子，但有一些理论有点偏难。

计算智能(Computational Interlligence，简称CI)并不是一个新的术语，早在1988年加拿大的一种刊物便以CI为名。1992年，美国学者JamesC.Bezdek在论文《计算智能》中讨论了神经网络、模式识别与智能之间的关系，并将留能分为生物智能、人工智能和计算智能三个层次。1993年，Bob Marks写了一篇关于计算留能和人工留能区别的文章，并在文中给出了对CI的理解。1994年的国际计算智能会议(WCCL)的命名就部分地源于Bob的文章，这次IEEE会议特国际神经网络学会(NNC)发起的神经网络(ICNN)、模糊系统(FuZZ)和进化计算(ICEc)三个年度性会议合为一体，并出版了名为《计算智能》的论文集。此后，CI这个术语就开始被频繁地使用，同时也出现了许多关于CI的解释。

1992年，James C .Bezdek提出，CI是依靠生产者提供的数字、数据材料进行加工处理，而不是依赖于知识；而AIglJ必须用知识进行处理．1994年，James在F1orida，Orlando，IEEE WCCI会议上再次阐述他的观点，即智能有三个层次：(1)生物智能(Biological Intelligence，简称BI)，是由人脑的物理化学过程反映出来的，人脑是有机物，它是智能的基础。(2)人工智能(Artificial Intelligence，简称AI)，是非生物的，人造的，常用符号来表示，AI的来源是人类知识的精华。（3）计算智能(Computer Intellienceence，简称CI)，是由数学方法和计算机实现的，CI的来源是数值计算的传感器。

…… …… 余下全文

1、 PROLOG程序一般由一组事实、 规则和问题组成。事实一般表示对象的性质或关系；规则一般表示对象间的因果关系、蕴含关系或对应关系； 问题表示用户的询问是程序运行的目标。问题是程序执行的起点，称为程序的目标。PROLOG就是一种基于Horn子句的逻辑程序。

PROLOG程序的运行是从目标出发，并不断进行匹配、合一、归结，有时还要回溯，直到目标别完全满足或不能满足时为止。

PROLOG程序的执行过程是一个(归结)演绎推理过程。其特点是：推理方式为反向推理, 控制策略是深度优先, 且有回溯机制。

3、简述用A*算法求解问题时为什么会出现重复扩展节点问题，解决的方法有哪些？

答：当问题有解时，A*算法总是找到问题的最优解结束。如果h函数定义的不合理，则当扩展一个节点时，不一定就找到了从初始节点到该节点的最优路径，对于这样的节点，就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h，则一定不会出现重复扩展节点问题。二是对A*算法加以改进，使用修正的A*算法进行搜索，这样，随着经验的丰富，系统的性能自然就会不断改善和提高。

24、机器学习的三个要素：信息，发展和知识。对应于机器学习的对象、方法和目标。

25、基于学习策略的分类：符号学习和神经网络学习。

26、决策树：也称判断树，它由对象的若干属性、属性值和有关决策组成的一棵树。其中的节点为属性，分支为属性值，从同一节点出发的各个分支之间是逻辑或关系，根节点为对象的一个属性；从根节点出发到每一个叶子节点的所有节点和边，按顺序串联成一条分支路径，位于同一分支路径上的各个属性-值对之间是逻辑与关系，叶子节点是这个与关系的对应结果，即决策。 27、决策树学习首先要有一个实例集，基本方法和步骤：（1）选取一个属性，按这个属性的不同取值对实例集进行分类；并以该属性作为根节点，以这个属性的诸取值作为根节点的分支，进行画树；（2）考察所得的每一个子类，看其中的实例的结论是否完全相同。如果相同，则以这个相同的结论作为相应分支路径末端的叶子节点；否则，选取一个非父节点的属性，按这个属性的不同取值对孩子集进行分类，并以该属性作为节点，以这个属性的诸取值作为节点的分支，继续进行画树。如此继续，直到所分的子集全都满足：实则可以减少重复扩展节点问题。

…… …… 余下全文

1.人工智能是何时、何地、怎样诞生的？ 1956 年夏季，美国的一些从事数学、心理学、计算机科学、信息论和神经学研究的年轻学 者，汇聚在 Dartmouth 大学，举办了一次长达两个月的学术讨论会，认真而热烈的讨论了用 机器模拟人类智能的问题。在这次会议上，第一次使用了“人工智能”这一术语，以代表有 关机器智能的这一研究方向。 这是人类历史上第一次人工智能研讨会， 标志着人工智能的诞 生，具有十分重要的意义。

2.什么是人工智能？人工智能的意义和目标是什么？ 人工智能就是人造智能，指用计算机模拟或实现的智能，同时人工智能作为学科，是研 究如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再 现的科学或技术。研究人工智能是电脑发展的必然趋势，是当前信息化社会的迫切要求，同 时智能化也是自动化发展的必然趋势，另外，研究人工智能，对探索人类自身智能的奥秘也 会提供有益的帮助。 人工智能的目标分近期目标和远期目标， 近期研究目标是实现机器智能， 远期目标是制造智能机器，具体讲就是使计算机具有听、说、读、写等感知和交互能力，具 有联想、推理、理解、学习等高级思维能力。

3.人工智能的主要研究和应用领域是什么？ 人工智能的主要研究和应用领域有：定理证明，专家系统，机器学习，自然语言理解，智能 检索，机器人学，自动程序设计，组合调度问题，模式识别，机器视觉等。

4.人工智能有哪些主要研究途径与方法？简单描述其特点。 人工智能有三种研究途径与方法：第一种是结构模拟，方法是神经计算。模拟人脑的生 理结构和工作机理， 用人工神经元组成的神经网络作为信息和知识的载体， 用神经计算的方 法实现学习、联想、识别和推理，使计算机表现某种智能。第二种是功能模拟，方法是符号 推演。具体讲就是模拟人的心理模型，将问题或知识表示程某种逻辑网络，采用符号推演的 方法，宏观上模拟人脑的思维实现机器智能。第三种途径是行为模拟，方法是控制进化。

…… …… 余下全文

CHW:

一、概论

1. 人工智能是由计算机科学、控制论、信息论、神经生理学、心理学、语言学等构成。

2. 智能科学研究智能的基本理论和实现技术，是由脑科学、认知科学、人工智能等学科构成的交叉学科。

3. 认知(cognition)是和情感、动机、意志等相对的理智或认识过程。认知科学是研究人类感知和思维信息处理过程的科学，包括从感觉的输入到复杂问题求解，从人类个体到人类社会的智能活动，以及人类智能和机器智能的性质。思维是客观现实的反映过程，是具有意识的人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。智能是个体认识客观事物和运用知识解决问题的能力。

4. 人类思维的形态：感知思维、形象思维、抽象思维、灵感思维。

5. 神经网络基本特点：① 以分布式方式存储信息。② 以并行方式处理信息。③ 具有自组织、自学习能力。

符号智能：以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。

计算智能：以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能

6. 符号智能与计算智能区别：符号智能就是传统人工智能，以知识为基础，通过推理求解问题；计算智能以数据为基础，通过训练建立联系，进行问题求解。人工神经网络，遗传算法、模糊等都是计算智能。

7. 非单调推理：一个正确的公理加到理论中，反而使得所得结论变无效。如封闭世界假设CWA，限定逻辑；定性推理：把物理系统分成子系统，对每个子系统之间的作用建立联系，通过局部因果性的行为合成获得实际物理系统的功能；不确定性推理：随机性、模糊性、不确定性。如DS证据、模糊集、粗糙集、贝叶斯。

8. 知识、知识表示及运用知识的推理算法是人工智能的核心,  而机器学习则是关键问题。

机器学习的研究四个阶段：①无知识的学习：主要研究神经元模型和基于决策论方法的自适应和自组织系统。②符号概念获取：给定某一类别的若干正例和反例，从中获得该类别的一般定义。③实例学习：从实例学习结构描述。④有知识的学习：把大量知识引入学习系统做为背景知识

…… …… 余下全文