1
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
第 1章 人工智能概述
1.1 人工智能的概念
1.2 人工智能的研究目标
1.3 人工智能研究的基本内容及特点
1.4 人工智能的研究领域
1.5 人工智能的基本技术
1.6 人工智能的产生与发展
本章小结
习题
2
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.1 人工智能的概念
1.1.1 什么是人工智能？
1.1.2 为什么要研究人工智能
1.1.3 人类智能的计算机模拟
3
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.1.1 什么是人工智能？
所谓, 人工智能, 是指用计算机模拟或实现的智能 。
作为一个学科, 人工智能研究的是如何使机器 （ 计算机 ）
具有智能的科学和技术, 特别是人类智能如何在计算机
上实现或再现的科学和技术 。 因此, 从学科角度讲, 当
前的人工智能是计算机科学的一个分支 。
人工智能虽然是计算机科学的一个分支, 但它的研
究却不仅涉及到计算机科学, 而且还涉及到脑科学, 神
经生理学, 心理学, 语言学, 逻辑学, 认知 （ 思维 ） 科
学, 行为科学和数学, 以及信息论, 控制论和系统论等
众多学科领域 。 因此, 人工智能实际上是一门综合性的
交叉学科和边缘学科 。
4
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
广义的人工智能学科是模拟, 延伸和扩展人的智能,
研究与开发各种机器智能和智能机器的理论, 方法与技术
的综合性学科 。
人工智能是一个含义很广的词语, 在其发展过程中,
具有不同学科背景的人工智能学者对它有着不同的理解,
提出了一些不同的观点, 人们称这些观点为符号主义
(Symbolism), 连 接 主 义 (Connectionism) 和 行 为 主 义
(Actionism)等, 或者叫做逻辑学派 (Logicism),仿生学派
(Bionicsism)和生理学派 (Physiologism)。 此外还有计算
机学派, 心理学派和语言学派等 。
1.1.1 什么是人工智能？
5
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
斯坦福大学人工智能研究中心的尼尔逊 （ N,J,
Nilsson） 教授从处理的对象出发, 认为, 人工智能是关
于知识的科学, 即怎样表示知识, 怎样获取知识和怎样
使用知识的科学, 。 麻省理工学院温斯顿 （ P,H,
Winston） 教授则认为, 人工智能就是研究如何使计算机
去做过去只有人才能做的富有智能的工作, 。 斯坦福大
学费很鲍姆 （ E.A,Feigenbaum） 教授从知识工程的角度
出发, 认为, 人工智能是一个知识信息处理系统, 。
1.1.1 什么是人工智能？
6
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
综合各种不同的人工智能观点, 可以从, 能力, 和, 学
科, 两个方面对人工智能进行定义 。 从能力的角度来看, 人
工智能是相对于人的自然智能而言的, 所谓人工智能是指用
人工的方法在机器 （ 计算机 ） 上实现的智能；从学科的角度
来看, 人工智能是作为一个学科名称来使用的, 所谓人工智
能是一门研究如何构造智能机器或智能系统, 使它能模拟,
延伸和扩展人类智能的学科 。 总之, 人工智能是一门综合性
的边缘学科 。 它借助于计算机建造智能系统, 完成诸如模式
识别, 自然语言理解, 程序自动设计, 自动定理证明, 机器
人, 专家系统等智能活动 。 它的最终目标是构造智能机 。
1.1.1 什么是人工智能？
7
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
我们知道, 电子计算机是迄今为止最有效的信息处理工具, 以至于人们称
它为, 电脑, 。 但现在的普通计算机系统的智能还相当低下, 譬如缺乏自适应,
自学习, 自优化等能力, 也缺乏社会常识或专业知识等, 而只能是被动地按照
人们为它事先安排好的工作步骤进行工作 。 因而它的功能和作用就受到很大的
限制, 难以满足越来越复杂和越来越广泛的社会需求 。 既然计算机和人脑一样
都可进行信息处理, 那么是否也能让计算机同人脑一样也具有智能呢?这正是
人们研究人工智能的初衷 。
事实上, 如果计算机自身也具有一定智能的话, 那么, 它的功效将会发生
质的飞跃, 成为名副其实的电, 脑, 。 这样的电脑将是人脑更为有效的扩展和
延伸, 也是人类智能的扩展和延伸, 其作用将是不可估量的 。 例如, 用这样的
电脑武装起来的机器人就是智能机器人 。 智能机器人的出现, 将标志着人类社
会进入了一个新的时代 。
1.1.2 为什么要研究人工智能
8
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
研究人工智能也是当前信息化社会的迫切要求 。 我们知道, 人类社会现在已
经进入了信息化时代 。 但信息化的进一步发展, 就必须有智能技术的支持 。 例如,
当前迅速发展着的国际互联网 Internet就强烈地需要智能技术 。 特别是当我们要
在 Internet上构筑信息高速公路时, 其中有许多技术问题就要用人工智能的方法
来解决 。 这就是说, 人工智能技术在 Internet和未来的信息高速公路上将发挥重
要作用 。
智能化也是自动化发展的必然趋势 。 自动化发展到一定水平, 再向前发展就
是智能化, 即智能化是继机械化, 自动化之后, 人类生产和生活中的又一个技术
特征 。
另外，研究人工智能，对探索人类自身智能的奥秘也可提供有益的帮助。因
为我们可以通过电脑对人脑进行模拟，从而揭示人脑的工作原理，发现自然智能
的渊源。
1.1.2 为什么要研究人工智能
9
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.1.3 人类智能的计算机模拟
人类的认知过程是个非常复杂的行为, 至今仍未能
被完全解释 。 人们从不同的角度对它进行研究, 从而
形成诸如认知生理学, 认知心理学和认知工程学等相
关学科 。 对这些学科的深入研究已超出本书范围 。 这
里仅讨论几个与人工智能有密切关系的问题 。
10
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1,研究认知过程的任务
人的心理活动具有不同的层次, 它可与计算机的层次相比较
（ 见图 1.1） 。 心理活动的最高层级是思维策略, 中间一层是初级信
息处理, 最低层级为生理过程, 即中枢神经系统, 神经元和大脑的
活动 。 与此相应的是计算机的程序, 语言和硬件 。
研究认知过程的主要任务是探求高层次思维决策与初级信息处
理的关系, 并用计算机程序来模拟人的思维策略水平, 而用计算机
语言模拟人的初级信息处理过程 。
令 T表示时间变量,x表示认知操作 (cognitive operation),x
的变化△ x为当时机体状态 S（机体的生理和心理状态以及脑子里的
记忆等）和外界刺激 R的函数。当外界刺激作用到处于某 —特定状态
的机体时，便发生变化，即语言和硬件。
1.1.3 人类智能的计算机模拟
11
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
思维策略
初级信息处理
生理过程
(a) 人 类
计算机程序
计算机语言
计算机硬件
(b) 计算机
图 1.1 人类认知活动与计算机的比较
(a) 人 类
1.1.3 人类智能的计算机模拟
12
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
计算机也以类似的原理进行工作。在规定时间内，计算机存储的
记忆相当于机体的状态；计算机的输入相当于机体施加的某种刺激。
在得到输入后，计算机便进行操作，使得其内部状态随时间发生变化。
我们可以从不同的层次来研究这种计算机系统。这种系统以人的思维
方式为模型进行智能信息处理 (intelligent information
processing)。显然，这是一种智能计算机系统。设计适用于特定领
域的这种高水平智能信息处理系统（也称为专家系统）是研究认知过
程的一个具体而又重要的目标。例如，一个具有智能信息处理能力的
自动控制系统就是一个智能控制系统，它可以是专家控制系统，或者
是智能决策系统等。
1.1.3 人类智能的计算机模拟
13
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
2,智能信息处理系统的假设
可以把人看成一个智能信息处理系统 。 信息处理系统又叫物理符
号系统 (Physical Symbol System)。 所谓符号就是模式 (pattern)。 任
一模式, 只要它能与其它模式相区别, 它就是一个符号 。 不同的汉语
拼音字母或英文字母就是不同的符号 。 对符号进行操作就是对符号进
行比较, 从中找出相同的和不同的符号 。 物理符号系统的基本任务和
功能就是辨认相同的符号和区别不同的符号 。 为此, 这种系统就必须
能够辨别出不同符号之间的实质差别 。 符号既可以是物理符号, 也可
以是头脑中的抽象符号, 或者是电子计算机中的电子运动模式, 还可
以是头脑中神经元的某些运动方式 。 一个完善的符号系统应具有下列 6
种基本功能,
1.1.3 人类智能的计算机模拟
14
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
(1)输入符号 (input)；
(2)输出符号 (output)；
(3)存储符号 (store)；
(4)复制符号 (copy)；
(5)建立符号结构：通过找出各符号间的关系, 在符号系统中形成符
号结构；
(6)条件性迁移 (conditional transfer)：根据已有符号, 继续完成
活动过程 。
如果一个物理符号系统具有上述全部 6种功能，能够完成这个全
过程，那么它就是一个完整的物理符号系统。
1.1.3 人类智能的计算机模拟
15
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
假设 任何一个系统, 如果它能表现出智能, 那么它就必定能够执
行上述 6种功能 。 反之, 任何系统如果具有这 6种功能, 那么它就能够表
现出智能；这种智能指的是人类所具有的那种智能 。 我们把这个假设称
为物理符号系统的假设 。
物理符号系统的假设伴随有 3个推论, 或称为附带条件 。
推论一 既然人具有智能, 那么他 (她 )就一定是个物理符号系统 。
推论二 既然计算机是一个物理符号系统, 它就一定能够表现出智能
的基本条件 。 这是人工智能的基本条件 。
1.1.3 人类智能的计算机模拟
16
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
推论三 既然人是一个物理符号系统, 计算机也是一个物理符号
系统, 那么我们就能够用计算机来模拟人的活动 。
值得指出, 推论三并不一定是从推论一和推论二推导出来的必然
结果 。 因为人是物理符号系统, 具有智能；计算机也是一个物理符
号系统, 也具有智能, 但它们可以用不同的原理和方式进行活动 。
所以, 计算机并不一定都是模拟人活动的, 它可以编制出一些复杂
的程序来求解方程式, 进行复杂的计算 。 不过, 计算机的这种运算
过程未必就是人类的思维过程 。
1.1.3 人类智能的计算机模拟
17
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
3,人类智能的计算机模拟
计算机的早期工作主要集中在数值计算方面 。 然而, 人类最主要
的智力活动并不是数值计算, 而在逻辑推理方面 。 物理符号系统假设
的推论一也告诉我们, 人有智能, 所以他是一个物理符号系统；推论
三指出, 可以编写出计算机程序去模拟人类的思维活动 。 这就是说,
人和计算机这两个物理符号系统所使用的物理符号是相同的, 因而计
算机可以模拟人类的智能活动过程 。 计算机的确能够很好地执行许多
智能功能, 如下棋, 证明定理, 翻译语言文字和解决难题等 。 这些任
务是通过编写与执行模拟人类智能的计算机程序来完成的 。 当然, 这
些程序只能接近于人的行为, 而不可能与人的行为完全相同 。 此外,
这些程序所能模拟的智能问题, 其水平还是很有限的 。
1.1.3 人类智能的计算机模拟
18
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
作为例子, 让我们考虑下棋的计算机程序 。 现有的国际象棋程序
是十分熟练的, 具有人类专家棋手水平的最好实验系统, 但是下得没
有像人类国际象棋大师那样好 。 该计算机程序对每个可能的走步空间
进行搜索, 它能够同时搜索几千种走步, 进行有效搜索的技术是人工
智能的核心思想之一 。 不过, 计算机不一定是最好的棋手, 其原因在
于：向前看并不是下棋所必须具有的一切, 需要彻底搜索的走步又太
多；在寻找和估计替换走步时并不能确信能够导致博弈的胜利 。 国际
象棋大师们具有尚不能解释的能力 。 一些心理学家指出, 当象棋大师
们盯着一个棋位时, 在他们的脑子里出现了几千盘重要的棋局；这大
概能够帮助他们决定最好的走步 。
1.1.3 人类智能的计算机模拟
19
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
近年来, 智能计算机的研究取得许多重大进展 。 对神经型智能
计算机的研究就是一个新的范例, 它必将为模拟人类智能做出新的贡
献 。
神经计算机 (neural computer)能够以类似人类的方式进行, 思
考,, 它力图重建人脑的形象 。 据日本通产省 (MITI)报导, 对神经计
算机系统的可行性研究早于 1989年 4月底完成, 并提出了该系统的长
期研究计划的细节 。 在美国, 英国, 中国和其它一些国家, 都有众多
的研究小组投入对, 神经元网络, 的研究 。 据预测, 神经计算机在本
世纪将进入实用阶段, 并将有产品投放市场 。
1.1.3 人类智能的计算机模拟
20
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
人脑这个神奇的器官能够复制大量的交互作用，快速处理极其大
量的信息，同时执行几项任务。迄今为止的所有计算机，基本上都
未能摆脱冯 ·诺依曼机的体系结构，只能依次对单个问题进行, 求
解, 。人们期望，对神经计算 (neural computing)的研究将造出神
经计算机，大大提高信息处理能力，达到更高的人工智能水平。
1.1.3 人类智能的计算机模拟
21
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.2 人工智能的研究目标
关于人工智能的研究目标, 目前还没有一个统一的说法 。 从研究的
内容出发, 李文特和费根鲍姆提出了人工智能的九个最终目标,
1,理解人类的认识
此目标研究人类如何进行思维, 而不是研究机器如何工作 。 要尽量
深入了解人的记忆, 问题求解能力, 学习的能力和一般的决策等过程 。
2,有效的自动化
此目标是在需要智能的各种任务上用机器取代人, 其结果是要建造
执行起来和人一样好的程序 。
3,有效的智能拓展
此目标是建造思维上的弥补物, 有助于使我们的思维更富有成效,
更快, 更深刻, 更清晰 。
22
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
4,超人的智力
此目标是建造超过人的性能的程序 。 如果越过这一知识阈值, 就可
以导致进一步的增殖, 如制造行业上的革新, 理论上的突破, 超人的
教师和非凡的研究人员等 。
5,通用问题求解
此目标的研究可以使程序能够解决或至少能够尝试其范围之外的一
系列问题, 包括过去从未听说过的领域 。
6,连贯性交谈
此目标类似于图灵测试, 它可以令人满意地与人交谈 。 交谈使用完
整的句子, 而句子是用某一种人类的语言 。
1.2 人工智能的研究目标
23
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
7,自治
此目标是一系统, 它能够主动地在现实世界中完成任务 。
8,学习
该目标是建造一个程序, 它能够选择收集什么数据和如何收集数据 。
然后再进行数据的收集工作 。 学习是将经验进行概括, 成为有用的观
念, 方法, 启发性知识, 并能以类似方式进行推理 。
9,储存信息
此目标就是要储存大量的知识，系统要有一个类似于百科词典式的，
包含广泛范围知识的知识库。
1.2 人工智能的研究目标
24
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3 人工智能研究的基本内容及特点
1.3.1 人工智能研究的基本内容
1.3.2 人工智能的研究途径与方法
1.3.3 人工智能研究的主要特点
25
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.1 人工智能研究的基本内容
关于人工智能的研究内容，各种不同学派、不同研究领域
以及人工智能发展的不同时期，对其有着一些不同的看法。下
面根据人工智能的现状，给出几个对实现人工智能系统来说具
有一般意义的基本内容。
1,认知建模
2,机器感知
3,机器思维
4,机器学习
5,机器行为
6,智能系统与智能计算机
所谓认知可一般地认为是和情感、动机、意志相
对应的理智或认识过程，或者说是为了一定目的，
在一定的心理结构中进行的信息加工过程。
所谓机器感知, 就是要让计算机具有类似于人的感知能
力, 如视觉, 听觉, 触觉, 嗅觉, 味觉 。 在这些感知能
力中, 目前研究较多, 较为成功的是机器视觉 （ 或叫计
算机视觉 ） 和机器听觉 （ 或叫计算机听觉 ） 。 计算机视
觉就是给计算机配上能看的视觉器官, 如摄像机等, 使
它可以识别并理解文字, 图像, 景物等；计算机听觉就
是给计算配上能听的听觉器官, 如话筒等, 使计算机能
够识别并理解语言, 声音等 。 机器感知是计算机智能系
统获取外部信息的最主要途径, 也是机器智能不可缺少
的重要组成部分 。
所谓机器思维，就是让计算机能够对感知到的外
界信息和自己产生的内部信息进行思维性加工。
所谓机器学习就是让计算机能够像人那样自
动地获取新知识，并在实践中不断地完善自
我和增强能力。
所谓机器行为就是让计算机能够具有像
人那样的行动和表达能力，如走、跑、
拿、说、唱、写、画等。
26
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.2 人工智能的研究途径与方法
我们知道, 智能是脑特别是人脑所具有的 。 那么,
要实现人工智能, 自然就离不开对人脑的借鉴, 其中包
括对人脑的结构, 功能和人脑具有智能的原因, 过程等
的借鉴 。 于是, 就产生了如下几种人工智能研究途径和
方法 。
27
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1) 基于结构模拟的神经计算
2) 基于功能模拟的符号推演
3) 基于行为模拟的控制进化
结构模拟，就是根据
人脑的生理结构和工
作机理，实现计算机
的智能 。
1.3.2 人工智能的研究途径与方法
功能模拟法就是以人脑的心理
模型，将问题或知识表示成某
种逻辑网络，采用符号推演的
方法，实现搜索、推理、学习
等功能，从宏观上来模拟人脑
的思维，实现机器智能。 它是一种基于, 感知一行为, 模型的研究途径和方法。我
们称其为行为模拟法。这种方法是模拟人在控制过程中的
智能活动和行为特性，如自寻优、自适应、自学习、自组
织等，来研究和实现人工智能。
28
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
目前的计算机系统仍未彻底突破传统的冯 ·诺依曼结构, 这种二进制表
示的集中串行工作方式具有较强的逻辑运算功能和很快的算术运算速度,
但与人脑的组织结构和思维功能有很大差别 。 研究表明, 人脑大约有
1011个神经元, 并按并行分布式方式工作, 具有较强的演绎, 推理, 联
想, 学习功能和形象思维能力 。 例如, 对图像, 图形, 景物等, 人类可
凭直觉, 视觉, 通过视网膜, 脑神经对其进行快速响应与处理, 而传统
计算机却显得非常迟钝 。
如何缩小这种差距呢？要靠人工智能技术。从长远观点看，需要彻底
改变冯 ·诺依曼计算机的体系结构，研制智能计算机。但从目前条件看，
还主要靠智能程序系统来提高现有计算机的智能化程度。智能程序系统
和传统的程序系统相比，具有以下几个主要特点。
29
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
1,基于知识
知识是一切智能系统的基础, 任何智能系统的活动过程都是一个获
取知识和运用知识的过程, 而要获取和运用知识, 首先应该能够对知识
进行表示 。 所谓知识表示就是用某种约定的方式对知识进行的描述 。 在
知识表示方面目前有两种基本观点：一种是叙述性 （ Declarative） 观
点, 另一种是过程性 （ Procedural） 观点 。 叙述性知识表示观点是将知
识的表示与知识的运用分开处理, 在知识表示时不涉及如何运用知识的
问题；过程性知识表示观点是将知识的表示与知识的运用结合起来, 知
识就包含在程序之中 。 两种观点各有利弊, 目前人工智能程序采用较多
的是叙述性观点 。 当然, 也可根据具体问题的性质而定 。
30
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
2,运用推理
所谓推理 （ Reasoning） 就是根据已有知识运用某种策略推出新知
识的过程 。 事实上, 一个智能系统仅有知识是不够的, 它还必须具有思
维能力, 即能够运用知识进行推理和解决问题 。 人工智能中的推理方法
主要有经典逻辑推理, 不确定性推理和非单调性推理 。
31
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
3,启发式搜索
所谓搜索就是根据问题的现状不断寻找可利用的知识, 使问题能够
得 以解 决的过 程 。 人工智 能中 的搜索 分为 盲目搜 索和 启发 式
（ Heuristics） 搜索两种 。 所谓盲目搜索是指仅按预定策略进行搜索,
搜索中获得的信息不改变搜索过程的搜索方法 。 所谓启发式搜索则是指
能够利用搜索中获得的问题本身的一些特性信息 （ 亦称启发信息 ） 来指
导搜索过程, 使搜索朝着最有希望的方向前进 。 人工智能主要采用的是
启发式搜索策略 。
32
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
4,数据驱动方式
所谓数据驱动 （ Data Driven） 是指在系统处理的每一步, 当考
虑下一步该做什么时, 需要根据此前所掌握的数据内容 （ 亦称事实 ）
来决定 。 与数据驱动方式对应的另一种方式是程序驱动 （ Program
Driven）, 所谓程序驱动是指系统处理的每一步及下一步该做什么
都是由程序事先预定好的 。 人类在解决问题时主要使用数据驱动方
式, 因此智能程序系统也应该使用数据驱动方式, 这样会更接近于
人类分析问题, 解决问题的习惯 。
33
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
5,用人工智能语言建造系统
人工智能语言是一类适应于人工智能和知识工程领域的, 具有符号
处理和逻辑推理能力的计算机程序语言 。 它能够完成非数值计算, 知识
处理, 推理, 规划, 决策等具有智能的各种复杂问题的求解 。 人工智能
语言和传统程序设计语言相比, 具有以下主要特点,① 具有回溯和非确
定性推理功能； ② 能够进行符号形式的知识信息处理； ③ 能够动态使
用知识和动态分配存储空间； ④ 具有模式匹配和模式调用功能； ⑤ 具
有并行处理和并行分布式处理功能； ⑥ 具有信息隐蔽, 抽象数据类型,
继承, 代码共享及软件重用等面向对象方面的特征； ⑦ 具有解释推理
过程的说明功能； ⑧ 具有自学习, 自适应的开放式软件环境等 。
34
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
人工智能语言可从总体上划分为通用型和专用型两种 。 通用型人工
智能语言主要是指以 LISP为代表的函数型语言, 以 Prolog为代表的逻
辑性语言和以 C++等为代表的面向对象语言 。 专用型人工智能语言主
要是指那种由多种人工智能语言或过程语言相互结合而构成的, 具有
解决多种问题能力的专家系统开发工具和人工智能开发环境 。
35
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4 人工智能的研究领域
在大多数学科中都存在着几个不同的研究领域, 每
个领域都有其特有的感兴趣的研究课题, 研究技术和术
语 。 由于智能的复杂性, 人工智能实际上是一个大学科 。
经过 40余年的发展, 现在其技术脉络已日趋清楚, 理论
体系已逐渐形成, 应用范围不断扩展, 人工智能学科现
已分化出了许多的分支研究领域 。 下面我们从不同角度
对其作一简介 。
36
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.1 经典的人工智能研究领域
1.4.2 基于脑功能模拟的领域划分
1.4.3 基于实现技术的领域划分
1.4.4 基于应用领域的领域划分
1.4.5 基于应用系统的领域划分
1.4.6 基于计算机系统结构的领域划分
1.4.7 基于实现工具与环境的领域划分
1.4 人工智能的研究领域
37
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.1 经典的人工智能研究领域
在经典的人工智能研究中, 这样的领域包括逻辑推理与定理证明,
博弈, 自然语言处理, 专家系统, 自动程序设计, 机器学习, 人工
神经网络, 机器人学, 模式识别, 计算机视觉, 智能控制, 智能检
索, 智能调度与指挥, 智能决策支持系统, 知识发现和数据挖掘,
以及分布式人工智能等 。
值得指出的是，正如不同的人工智能子领域不是完全独立的一
样，这里所要讨论的各种智能特性也完全不是互不相关的。把它们
分开来介绍只是为了便于指出现有的人工智能程序能够做些什么和
还不能做什么。
38
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.1 经典的人工智能研究领域
1,逻辑推理与定理证明
2,博弈
3,自然语言理解
4,专家系统
5,自动程序设计
6,机器学习
7,人工神经网络
8,机器人学
9,模式识别
10,计算机视觉
11,智能控制
12,智能检索
13,智能调度与指挥
14,智能决策支持系统
15,知识发现和数据挖掘
16,分布式人工智能
39
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1,逻辑推理与定理证明
早期的逻辑演绎研究工作与问题和难题的求解相当密切 。 已经开
发出的程序能够借助于对事实数据库的操作来, 证明, 断定；其中
每个事实由分立的数据结构表示, 就像数学逻辑中由分立公式表示
一样 。 与人工智能的其它技术的不同之处是, 这些方法能够完整地
和一致地加以表示 。 也就是说, 只要本原事实是正确的, 那么程序
就能够证明这些从事实得出的定理, 而且也仅仅是证明这些定理 。
逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要
的是要找到一些方法，只把注意力集中在一个大型数据库中的有关
事实上，留意可信的证明，并在出现新信息时适时修正这些证明。
1.4.1 经典的人工智能研究领域
40
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
对数学中臆测的定理寻找一个证明或反证, 确实称得上是一项智能
任务 。 为此不仅需要有根据假设进行演绎的能力, 而且需要某些直觉
技巧 。 例如为了求证主要定理而猜测应当首先证明哪一个引理 。 一个
熟练的数学家运用他的 （ 以大量专门知识为基础的 ） 判断力能够精确
地推测出某个科目范围里哪些前已证明的定理在当前的证明中是有用
的, 并把他的主问题归结为若干子问题, 以便独立地处理它们 。 有几
个定理证明程序已在有限的程度上具有某些这样的技巧 。 1976年 7月,
美国的阿佩尔 (K,Appel)等人合作解决了长达 124年之久的难题 ——四
色定理 。 他们用三台大型计算机, 花去 1200小时 CPU时间, 并对中间结
果进行人为反复修改 500多处 。 四色定理的成功证明曾轰动计算机界 。
1.4.1 经典的人工智能研究领域
41
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
定理证明的研究在人工智能方法的发展中曾经产生过重要的影响 。
例如, 采用谓词逻辑语言的演绎过程的形式化有助于我们更清楚地理
解推理的某些子命题 。 许多非形式的工作, 包括医疗诊断和信息检索
都可以和定理证明问题一样加以形式化 。 因此, 在人工智能方法的研
究中定理证明是一个极其重要的论题 。
1.4.1 经典的人工智能研究领域
42
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
2,博弈
博弈 （ Game Playing） 是一个有关对策和斗智问题的研究领域 。 例如, 下棋,
打牌, 战争等这一类竞争性智能活动都属于博弃问题 。 博奔是人类社会和自然界
中普遍存在的一种现象, 博奔的双方可以是个人, 群体, 也可以是生物群或智能
机器, 各方都力图用自己的智力击败对方 。
人工智能的第一个大成就是发展了能够求解难题的下棋 （ 如国际象棋 ） 程序 。
在下棋程序中应用的某些技术, 如向前看几步, 并把困难的问题分成一些比较容
易的子问题, 发展成为搜索和问题归约这样的人工智能基本技术 。 今天的计算机
程序能够下锦标赛水平的各种方盘棋, 十五子棋和国际象棋 。 另一种问题求解程
序把各种数学公式符号汇编在一起, 其性能达到很高的水平, 并正在为许多科学
家和工程师所应用 。 有些程序甚至还能够用经验来改善其性能 。 1993年美国出版
了一个叫做 MACSYMA的软件, 就能进行比较复杂的数学公式符号运算 。
1.4.1 经典的人工智能研究领域
43
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
这个领域中未解决的问题包括人类棋手具有的但尚不能明确表达的能力, 如国
际象棋大师们洞察棋局的能力 。 另一个未解决的问题涉及问题的原概念, 在人工
智能中叫做问题表示的选择 。 人们常常能够找到某种思考问题的方法从而使求解
变易而解决该问题 。 到目前为止, 人工智能程序已经知道如何考虑它们要解决的
问题, 即搜索解答空间, 寻找较优的解答 。
迄今为止, 人工智能对博弈的研究多以下棋为对象, 但其目的并不是为了让计
算机与人下棋, 而主要是为了给人工智能研究提供一个试验场地, 对人工智能的
有关技术进行检验, 从而也促进这些技术的发展 。 博弈研究的一个代表性成果是
IBM公司研制的超级计算机, 深蓝, 。, 深蓝, 被称为世界上第一台超级国际象棋
电脑, 该机有 32个独立运算器, 其中每一个运算器的运算速度都在每秒 200万次以
上, 机内还装了一个包含有 200万个棋局的国际象棋程序 。, 深蓝, 于 1997年 6月
3日至 5月 11日在美国纽约曼哈顿同当时的国际象棋世界冠军苏联人卡斯帕罗夫对
弈 6局, 结果, 深蓝, 获胜 。
1.4.1 经典的人工智能研究领域
44
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
3,自然语言理解
自然语言处理也是人工智能的早期研究领域之一, 并引起进一步的重视 。 已经
编写出能够从内部数据库回答用英语提出的问题的程序, 这些程序通过阅读文本
材料和建立内部数据库, 能够把句子从一种语言翻译为另一种语言, 执行用英语
给出的指令和获取知识等 。 有些程序甚至能够在一定程度上翻译从话筒输入的口
头指令 （ 而不是从键盘打入计算机的指令 ） 。 尽管这些语言系统并不像人们在语
言行为中所做的那样好, 但是它们能够适合某些应用 。 那些能够回答一些简单询
问的和遵循一些简单指示的程序是这方面的初期成就, 它们与机器翻译初期出现
的故障一起, 促使整个人工智能语言方法的彻底变革 。 目前语言处理研究的主要
课题是：在翻译句子时, 以主题和对话情况为基础, 注意大量的一般常识 ——世
界知识和期望作用的重要性 。
1.4.1 经典的人工智能研究领域
45
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
实际语言系统的技术发展水平是用各种软件系统的有效, 前端, 来表示的 。
这些程序接收某些局部形式的输入, 但不能处理英语语法的某些微小差别, 而且
只适用于翻译某个有限讲话范围内的句子 。 人工智能在语言翻译与语音理解程序
方面已经取得的成就, 发展为人类自然语言处理的新概念 。
当人们用语言互通信息时, 他们几乎不费力地进行极其复杂却又只需要一点
点理解的过程 。 然而要建立一个能够生成和, 理解, 哪怕是片断自然语言的计算
机系统却是异常困难的 。 语言已经发展成为智能动物之间的一种通信媒介, 它在
某些环境条件下把一点, 思维结构, 从一个头脑传输到另一个头脑, 而每个头脑
都拥有庞大的高度相似的周围思维结构作为公共的文本 。 这些相似的, 前后有关
的思维结构中的一部分允许每个参与者知道对方也拥有这种共同结构, 并能够在
通信, 动作, 中用它来执行某些处理 。 语言的发展显然为参与者使用他们巨大的
计算资源和公共知识来生成和理解高度压缩和流畅的知识开拓了机会 。 语言的生
成和理解是一个极为复杂的编码和解码问题 。
1.4.1 经典的人工智能研究领域
46
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有
上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过
程 。 理解口头的和书写的片断语言的计算机系统所取得的某些进展, 其
基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知
识进行推理的某些技术 。
1.4.1 经典的人工智能研究领域
47
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
4,专家系统
专家系统 （ Expert System,简称 ES） 是一种基于知识的智能系统, 它将领域
专家的经验用知识表示方法表示出来, 并放入知识库中, 供推理机使用 。 由于专
家系统包含了大量的专家知识, 并具有使用这些知识的能力, 因此可用来解决该
领域中需要专家才能解决的问题 。 专家系统目前尚无公认的定义, 一种比较一致
的解释是：专家系统是一个能在某特定领域内, 以专家水平去解决该领域中困难
问题的计算机程序 。
一般地说, 专家系统是一个智能计算机程序系统, 其内部具有大量专家水平
的某个领域的知识与经验, 能够利用人类专家的知识和解决问题的方法来解决该
领域的问题 。 也就是说, 专家系统是一个具有大量专门知识与经验的程序系统,
它应用人工智能技术, 根据某个领域一个或多个人类专家提供的知识和经验进行
推理和判断, 模拟人类专家的决策过程, 以解决那些需要专家决定的复杂问题 。
1.4.1 经典的人工智能研究领域
48
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
近年来, 在专家系统或, 知识工程, 的研究中已经出现了成功和有效地应用
人工智能技术的趋势 。 有代表性的是, 用户与专家系统进行, 咨询对话,, 就像
他与具有某方面经验的专家进行对话一样：解释他的问题, 建议进行某些试验以
及向专家系统提出询问以求得到有关解答等 。 目前的实验系统, 在咨询任务如化
学和地质数据分析, 计算机系统结构, 建筑工程以及医疗诊断等方面, 其质量已
经达到很高的水平 。 可以把专家系统看做人类专家 （ 他们用, 知识获取模型, 与
专家系统进行人 —机对话 ） 和人类用户 （ 他们用, 咨询模型, 与专家系统进行
人 —机对话 ） 之间的媒介 。 在人工智能的这个领域里, 还有许多研究集中在使专
家系统具有解释它们的推理能力, 从而使咨询更好地为用户所接受, 又能帮助人
类专家发现系统推理过程中出现的差错 。
1.4.1 经典的人工智能研究领域
49
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
当前的研究涉及有关专家系统设计的各种问题 。 这些系统是在某个领域的专
家与系统设计者之间经过艰苦的反复交换意见之后建立起来的 。 现有的专家系统
都局限在一定范围内, 而且没有人类那种能够知道自己什么时候可能出错的感觉,
新的研究包括应用专家系统来教初学者以及请教有经验的专业人员 。
专家系统可以解决的问题一般包括解释, 预测, 诊断, 设计, 规划, 监视, 修理,
指导和控制等 。 高性能的专家系统也已经从学术研究开始而进入实际应用研究 。
专家系统作为人工智能中最活跃, 发展最快的一个分支, 已广泛应用于工业, 农
业, 医学, 地质, 气象, 交通, 军事, 法律, 空间技术, 环境科学和信息管理等
众多领域, 并产生了巨大的经济效益和社会效益 。
随着人工智能整体水平的提高, 专家系统也获得发展 。 正在开发的新一代专
家系统有分布式专家系统和协同式专家系统等 。 在新一代专家系统中, 不但采用
基于规则的方法, 而且采用基于模型的原理 。
1.4.1 经典的人工智能研究领域
50
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
5,自动程序设计
自动程序设计也许并不是人类知识的一个十分重要的方面, 但是它本
身却是人工智能的一个重要研究领域 。 已经研制出能够以各种不同的目
的描述 （ 例如输入／输出对, 高级语言描述, 甚至英语描述算法 ） 来编
写计算机程序 。 这方面的进展局限于少数几个完全现成的例子 。 对自动
程序设计的研究不仅可以促进半自动软件开发系统的发展, 而且也使通
过修正自身数码进行学习 （ 即修正它们的性能 ） 的人工智能系统得到发
展 。 程序理论方面的有关研究工作对人工智能的所有研究工作都是很重
要的 。
1.4.1 经典的人工智能研究领域
51
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
自动程序设计研究的重大贡献之一是作为问题求解策略的调整概念 。
已经发现, 对程序设计或机器人控制问题, 先产生一个不费事的有错误
的解, 然后再修改它 (使它正确工作 ),这种做法一般要比坚持要求第一
个解就完全没有缺陷的做法有效得多 。
1.4.1 经典的人工智能研究领域
52
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
6,机器学习
学习能力无疑是人工智能研究上最突出和最重要的一个方面 。 人工智
能在这方面的研究近年来取得了一些进展 。
学习是人类智能的主要标志和获得知识的基本手段 。 机器学习 （ 自动
获取新的事实及新的推理算法 ） 是使计算机具有智能的根本途径 。 正如
香克 (R,Shank)所说：, 一台计算机若不会学习, 就不能称为具有智能
的 。, 此外, 机器学习还有助于发现人类学习的机理和揭示人脑的奥秘 。
所以这是一个始终得到重视, 理论正在创立, 方法日臻完善, 但远未达
到理想境地的研究领域 。
1.4.1 经典的人工智能研究领域
53
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
一个学习过程本质上是学习系统把导师 (或专家 )提供的信息转换成能被系统
理解并应用的形式 。 按系统对导师的依赖程度可将学习方法分类为,
(1) 机械式学习 (Rote learning)
(2) 讲授式学习 (Learning from instruction)
(3) 类比学习 (Learning by analogy)
(4) 归纳学习 (Learning from induction)
(5) 观察发现式学习 (Learning by observation & discovery)
(6) 基于解释的学习 。
(7) 基于事例的学习 。
(8) 基于概念的学习 。
(9) 基于神经网络的学习 。
(10) 遗传学习等 。
1.4.1 经典的人工智能研究领域
54
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
7,人工神经网络
由于冯 ·诺依曼 (Van Neumann)体系结构的局限性, 数字计算机存在一
些尚无法解决的问题 。 例如, 基于逻辑思维的知识处理, 在一些比较简
单的知识范畴内能够建立比较清楚的理论框架, 部分地表现出人的某些
智能行为；但是, 在视觉理解, 直觉思维, 常识与顿悟等问题上显得力
不从心 。 这种做法与人类智能活动有许多重要差别 。 传统的计算机不具
备学习能力, 无法快速处理非数值计算的形象思维等问题, 也无法求解
那些信息不完整, 不确定性和模糊性的问题 。 人们一直在寻找新的信息
处理机制, 神经网络计算就是其中之一 。
1.4.1 经典的人工智能研究领域
55
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
8,机器人学
人工智能研究日益受到重视的另一个分支是机器人学, 其中包括对操
作机器人装置程序的研究 。 这个领域所研究的问题, 从机器人手臂的最
佳移动到实现机器人目标的动作序列的规划方法, 无所不包 。 尽管已经
建立了一些比较复杂的机器人系统, 不过现正在工业上运行的成千上万
台机器人, 都是一些按预先编好的程序执行某些重复作业的简单装置 。
大多数工业机器人是, 盲人,, 而某些机器人能够用电视摄像机来
,看, 。 电视摄像机发送一组信息返回计算机 。 处理视觉信息是人工智
能另一个十分活跃和十分困难的研究领域 。 已经开发的程序能够识别可
见景物的实体与阴影, 甚至能够辨别出两幅图像间 （ 例如在航空侦察中 ）
的细小差别 。
1.4.1 经典的人工智能研究领域
56
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
机器人和机器人学的研究促进了许多人工智能思想的发展 。 它所导致
的一些技术可用来模拟世界的状态, 用来描述从一种世界状态转变为另
一种世界状态的过程 。 它对于怎样产生动作序列的规划以及怎样监督这
些规划的执行有了一种较好的理解 。 复杂的机器人控制问题迫使我们发
展一些方法, 先在抽象和忽略细节的高层进行规划, 然后再逐步在细节
越来越重要的低层进行规划 。
智能机器人的研究和应用体现出广泛的学科交叉, 涉及众多的课题,
如机器人体系结构, 机构, 控制, 智能, 视觉, 触觉, 力觉, 听觉, 机
器人装配, 恶劣环境下的机器人以及机器人语言等 。 机器人已在各种工
业, 农业, 商业, 旅游业, 空中和海洋以及国防等领域获得越来越普遍
的应用 。
1.4.1 经典的人工智能研究领域
57
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
9,模式识别
计算机硬件的迅速发展, 计算机应用领域的不断开拓, 急切地要求计
算机能更有效地感知诸如声音, 文字, 图像, 温度, 震动等等人类赖以
发展自身, 改造环境所运用的信息资料 。 但就一般意义来说, 目前计算
机却无法直接感知它们, 键盘, 鼠标等外部设备, 对于这样五花八门的
外部世界显得无能为力 。 纵然电视摄像机, 图文扫描仪, 话筒等硬设备
业已解决了上述非电信号的转换, 并与计算机联机；但由于识别技术不
高, 而未能使计算机真正知道所采录的究竟是什么信息 。 计算机对外部
世界感知能力的低下, 成为开拓计算机应用的狭窄瓶颈, 也与其高超的
运算能力形成强烈的对比 。 于是, 着眼于拓宽计算机的应用领域, 提高
其感知外部信息能力的学科 ——模式识别便得到迅速发展 。
1.4.1 经典的人工智能研究领域
58
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
,模式, (Pattern)一词的本意是指完美无缺的供模仿的一些标本 。 于是, 模式
识别就是指识别出给定物体所模仿的标本 。 人们生产和生活都离不开模式识别 。
但人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对
人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机
系统具有模拟人类通过感官接受外界信息, 识别和理解周围环境的感知能力 。
模式识别是一个不断发展的新学科, 它的理论基础和研究范围也在不断发展 。 随
着生物医学对人类大脑的初步认识, 模拟人脑构造的计算机实验即人工神经网络
方法早在 20世纪 50年代末, 60年代初就已经开始 。 至今, 在模式识别领域, 神经
网络方法已经成功地用于手写字符的识别, 汽车牌照的识别, 指纹识别, 语音识
别等方面 。 目前模式识别学科正处于大发展的阶段, 随着应用范围的不断扩大,
随着计算机科学的不断进步, 基于人工神经网络的模式识别技术, 在本世纪将有
更大的发展 。
1.4.1 经典的人工智能研究领域
59
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
10,计算机视觉
计算机视觉或机器视觉已从模式识别的一个研究领域发展为一门独立
的学科 。 在视觉方面, 已经给计算机系统装上电视输入装置以便能够
,看见, 周围的东西 。 视觉是感知问题之一 。 在人工智能中研究的感知
过程通常包含一组操作 。 例如, 可见的景物由传感器编码, 并被表示为
一个灰度数值的矩阵 。 这些灰度数值由检测器加以处理 。 检测器搜索主
要图像的成分, 如线段, 简单曲线和角度等 。 这些成分又被处理, 以便
根据景物的表面和形状来推断有关景物的三维特性信息 。 其最终目标则
是利用某个适当的模型来表示该景物 。
1.4.1 经典的人工智能研究领域
60
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
计算机视觉通常可分为低层视觉与高层视觉两类 。 并非人工智能的全
部领域都是围绕着知识处理的, 计算机低层视觉就是一例 。 低层视觉主
要执行预处理功能, 如边缘检测, 动目标检测, 纹理分析, 通过阴影获
得形状, 立体造型, 曲面色彩等 。 其目的是使被观察的对象更突显出来,
这时还谈不到对它的理解 。 高层视觉则主要是理解所观察的形象, 也只
有这时才显示出掌握与所观察的对象相关联的知识的重要性 。
机器视觉的前沿研究领域包括实时并行处理, 主动式定性视觉, 动态
和时变视觉, 三维景物的建模与识别, 实时图像压缩传输和复原, 多光
谱和彩色图像的处理与解释等 。 机器视觉已在机器人装配, 卫星图像处
理, 工业过程监控, 飞行器跟踪和制导以及电视实况转播等领域获得极
为广泛的应用 。
1.4.1 经典的人工智能研究领域
61
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
11,智能控制
人工智能的发展促进自动控制向智能控制发展 。 智能控制是一类无需
（ 或需要尽可能少的 ） 人的干预就能够独立地驱动智能机器实现其目标
的自动控制 。 或者说, 智能控制是驱动智能机器自主地实现其目标的过
程 。 许多复杂的系统, 难以建立有效的数学模型和用常规控制理论进行
定量计算与分析, 而必须采用定量数学解析法与基于知识的定性方法的
混合控制方式 。 随着人工智能和计算机技术的发展, 已可能把自动控制
和人工智能以及系统科学的某些分支结合起来, 建立一种适用于复杂系
统的控制理论和技术 。 智能控制正是在这种条件下产生的 。 它是自动控
制的最新发展阶段, 也是用计算机模拟人类智能的一个重要研究领域 。
1.4.1 经典的人工智能研究领域
62
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
智能控制有很多研究领域, 它们的研究课题既具有独立性, 又相互关
联 。 目前研究得较多的是以下 6个方面：智能机器人规划与控制, 智能过
程规划, 智能过程控制, 专家控制系统, 语音控制以及智能仪器 。
智能控制是一门形成不久的新生学科, 无论在理论上或实践上, 都还很
不成熟, 很不完善, 有待进一步研究与发展 。 作为当今自动控制最高水
平的智能控制, 近年来已获迅速发展, 应用日益普遍, 并已引起高度重
视 。 尽管在智能控制方面的每一进展都可能要付出艰苦劳动和昂贵代价,
然而, 随着人工智能技术, 机器人技术, 航天技术, 海洋工程, 计算机
集成制造技术和计算机技术的迅速发展, 智能控制必将迎来它的发展新
时期, 为自动化科学技术的发展谱写新篇章 。
1.4.1 经典的人工智能研究领域
63
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
12,智能检索
随着科学技术的迅速发展, 出现了, 信息爆炸, 的情况 。 对国内外种类繁多和
数量巨大的科技文献之检索远非人力和传统检索系统所能胜任 。 研究智能检索系
统已成为科技持续快速发展的重要保证 。
数据库系统是储存某学科大量事实的计算机软件系统, 它们可以回答用户提出
的有关该学科的各种问题 。 例如, 假设这些事实是某公司的人事档案 。 这个数据
库中的某些条款可以代表下列事实：, 张强在采购部工作,,, 张强在 1995年 8
月 15日退休,,, 采购部共有 15名工作人员, 和, 李明是采购部经理, 等等 。
数据库系统的设计也是计算机科学的一个活跃的分支 。 为了有效地表示, 存储
和检索大量事实, 已经发展了许多技术 。 当我们想用数据库中的事实进行推理并
从中检索答案时, 这个课题就显得很有意义 。
1.4.1 经典的人工智能研究领域
64
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
13,智能调度与指挥
确定最佳调度或组合的问题是我们感兴趣的又一类问题 。 一个经典的问题就
是推销员旅行问题 。 这个问题要求为推销员寻找一条最短的旅行路线 。 他从某
个城市出发, 访问每个城市一次, 且只许一次, 然后回到出发的城市 。 这个问
题的一般提法是：对由 n个节点组成的一个图的各条边, 寻找一条最小费用的路
径, 使得这条路径对 n个节点的每个点只许穿过一次 。 许多问题具有这类相同的
特性 。
属于计算理论家称为 NP-完全一类的问题 。 他们根据理论上的最佳方法计算
出所耗时间 (或所走步数 )的最坏情况来排列不同问题的难度 。 该时间或步数是
随着问题大小的某种量度 (在推销员旅行问题中, 城市数目就是问题大小的一种
量度 )增长的 。 譬如说, 问题的难度将随着问题大小按线性, 或多项式, 或指数
方式增长 。
1.4.1 经典的人工智能研究领域
65
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
人工智能学家们曾经研究过若干组合问题的求解方法。他们的努力
集中在使, 时间 —问题大小, 曲线的变化尽可能缓慢地增长，即使是必
须按指数方式增长。有关问题域的知识再次成为比较有效的求解方法的
关键。为处理组合问题而发展起来的许多方法对其它组合上不甚严重的
问题也是有用的。
智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与
指挥、空中交通管制以及军事指挥等系统。它已引起有关部门的重视。
1.4.1 经典的人工智能研究领域
66
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
14．智能决策支持系统
智能决策支持系统 （ Intelligent Decision Support Systems,简称
IDSS） 是决策支持系统 （ Decision Support Systems,简称 DSS） 与人工
智能 （ Artificial Intelligence,简称 AI） 相结合的产物, 它将人工智能中的知
识表示与处理的思想引入到 DSS,其独特的研究方法和广泛的发展前途使之一
出现就成为决策支持技术研究的热点 。
智能决策支持系统是以信息技术为手段, 应用管理科学, 计算机科学及有关
学科的理论和方法, 针对半结构化和非结构化的决策问题, 通过提供背景材料
,协助明确问题, 修改完善模型, 列举可能方案, 进行分析比较等方式, 为管
理者做出正确决策提供帮助的智能型人机交互信息系统 。
1.4.1 经典的人工智能研究领域
67
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
15．知识发现和数据挖掘
知识发现 （ Knowledge Discovery in Database） 和数据挖掘 （
Data Mining） 是在数据库的基础上实现的一种知识发现系统 。 它是通
过综合运用统计学, 粗糙集, 模糊数学, 机器学习和专家系统等多种学
习手段和方法, 从数据库中提炼和抽取知识, 从而可以揭示出蕴含在这
些数据背后的客观世界的内在联系和本质原理, 实现知识的自动获取 。
传统的数据库技术仅限于对数据库的查询和检索, 不能从数据库中提取
知识, 使得数据库中所蕴含的丰富知识被白白浪费 。 知识发现和数据挖
掘以数据库作为知识源去抽取知识, 不仅可以提高数据库中数据的利用
价值, 同时也为专家系统的知识获取开辟了一条新的途径 。
1.4.1 经典的人工智能研究领域
68
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
16．分布式人工智能
分布式人工智能 （ Distributed Artificial Intelligence,简称 DAI） 是随着
计算机网络, 计算机通信和并发程序设计技术而发展起来的一个新的人工智能
研究领域 。 它主要研究在逻辑或物理上分散的智能系统之间如何相互协调各自
的智能行为, 实现问题的并行求解 。 分布式人工智能的研究为在计算机网络环
境下设计和建立大型复杂智能系统提供了一条有效途径, 体现了新一代软件设
计的思想, 是当前人工智能研究的一个热点 。
分布式人工智能的研究目前有两个主要方向：一个是分布式问题求解，另一
个是多智能主体系统。分布式问题求解的主要任务是要创建一个可以对某一问
题进行共同求解的协作群体；多智能主体系统不限于单一目标，其主要任务是
要创建一个多智能主体之间能够相互协调智能行为的、可以共同处理单个目标
和多个目标的智能群体。
1.4.1 经典的人工智能研究领域
69
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
按照人脑的功能模拟，可以将人工智能的研究领域划分为：机
器感知、机器联想、机器推理、机器学习、机器理解、机器行为等。
1．机器感知
2．机器联想
3．机器推理
4．机器学习
5．机器理解
6．机器行为
70
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
1．机器感知
机器感知就是计算机直接, 感觉, 周围世界 。 具体来讲, 就是计
算机像人一样通过, 感觉器官, 直接从外界获取信息 。 如通过视觉
器官获取图形, 图像信息, 通过听觉器官获取声音信息 。 所以, 要
使机器具有感知能力, 就首先必须给机器配置各种感觉器官, 如视
觉器官, 听觉器官, 嗅觉器官等等 。 于是, 机器感知还可以再分为
机器视觉, 机器听觉等 。
要研究机器感知，首先要涉及图像、声音等信息的识别问题。为
此，现在已发展了一门称为“模式识别”的专门学科，模式识别的
主要目标就是用计算机来模拟人的各种识别能力，当前主要是对视
觉能力和听觉能力的模拟，并且主要集中于图形识别和语音识别。
71
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
2．机器联想
仔细分析人脑的思维过程，可以发现，联想实际是思维过程中最基本、
使用最频繁的一种功能。例如，当听到一段乐曲，我们头脑中可能会立即浮
现出几十年前的某一个场景，甚至一段往事，这就是联想。所以，计算机要
模拟人脑的思维就必须具有联想功能。要实现联想无非就是建立事物之间的
联系。在机器世界里面就是有关数据、信息或知识之间的联系。当然，建立
这种联系的办法很多，比如用指针、函数、链表等等。我们通常的信息查询
就是这样做的。但传统方法实现的联想，只能对于那些完整的、确定的 (输
入 )信息，联想起 (输出 )有关的信息。这种“联想”与人脑的联想功能相差
甚远。人脑能对那些残缺的、失真的、变形的输入信息，仍然可以快速准确
地输出联想响应。例如，多年不见的老朋友 (面貌已经变化 )，仍能一眼认出。
72
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
从机器内部的实现方法来看, 传统的信息查询是基于传统数字计
算机的按地址存取方式进行的；而研究表明, 人脑的联想功能是基
于神经网络的按内容记忆方式进行的 。 也就是说, 只要是内容相关
的事情, 不管在哪里 (与存储地址无关 ),都可由其相关的内容被想
起 。 例如, 苹果这一概念, 一般有形状, 大小, 颜色等特征, 我们
所要介绍的内容记忆方式就是由形状 (比如苹果是圆形的 )想起颜色,
大小等特征, 而不需要关心其内部地址 。
当前，对机器联想功能的研究中，人们就是利用这种按内容记忆
原理，采用一种称为“联想存储”的技术实现联想功能。
73
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
联想存储的特点是,
(1) 可以存储许多相关 (激励, 响应 )模式对；
(2) 通过自组织过程可以完成这种存储；
(3) 以分布, 稳健的方式 (可能会有很高的冗余度 )存储信息；
(4) 可以根据接收到的相关激励模式产生并输出适当的响应模式；
(5) 即使输入激励模式失真或不完全时, 仍然可以产生正确的响应模式；
(6) 可在原存储中加入新的存储模式 。
联想存储可分为矩阵联想存储, 全息联想存储, Walsh联想存储和网络
联想存储等 。
74
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
3,机器推理
机器推理就是计算机推理, 也称自动推理 。 它是人工智能的核心
课题之一 。 因为, 推理是人脑的一个基本功能和重要功能 。 事实上,
几乎所有的人工智能领域都与推理有关 。 因此, 要实现人工智能,
就必须将推理的功能赋予机器, 实现机器推理 。
我们知道, 所谓推理, 就是从一些已知判断 (称为前提 )推出一个
新判断 (称为结论 )的思维过程 。 在形式逻辑中, 推理分为演绎推理,
归纳推理和类比推理等基本类型 。 但我们这里的机器推理只包括其
中的演绎推理 。 此外, 还包括那些非逻辑的基于指令性规则的操作
变换式的, 推理, 。 总之, 这里的机器推理是广义的推理 。
75
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
5,机器理解
机器理解主要包括自然语言理解和图形理解等 。
自然语言理解就是计算机理解人类的自然语言, 如汉语, 英语等, 并包
括口头语言和文字语言两种形式 。 试想, 计算机如果能理解人类的自然语言,
那么计算机的使用将会变得十分方便和简单, 而且机器翻译也将真正成为现
实 。
图形理解是图形识别的自然延伸, 也是计算机视觉的组成部分 。 对于三
维图形的理解称为物景分析 。 20世纪 70年代前, 物景分析多限于简单的积
木世界 。 70年代后, 物景分析已进入比较复杂的世界, 如识别曲线物体,
在复杂的背景中寻找目标以及室外物景分析等等 。
76
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
6,机器行为
机器行为主要指机器人行动规划 。 它是智能机器人的核心技术,
规划功能的强弱反映了智能机器人的智能水平 。 因为, 虽然感知能
力可使机器人认识对象和环境, 但解决问题, 还要依靠规划功能拟
定行动步骤和动作序列 。 例如, 给定工件装配任务, 机器人按照什
么步骤去操作每个工件？ 在杂乱的环境下, 机器人如何寻求避免与
障碍碰撞的路径, 去接近某个目标？ 机器人规划系统的基本任务是：
在一个特定的工作区域中自动地生成从初始状态到目标状态的动作
序列, 运动路径和轨迹的控制程序 。
77
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.3 基于实现技术的领域划分
按照人工智能的实现技术, 可以将人工智能的研究领域划分为：
知识工程与符号处理技术, 神经网络技术等 。
1．知识工程与符号处理技术
知 识 工 程 是 1977 年 美 国 斯 坦 福 大 学 的 费 根 鲍 姆 (E,A,
Feigenbaum)教授提出的概念, 它涉及知识获取, 知识表示, 知识管
理, 知识运用以及知识库与知识库管理系统等一系列知识处理技术 。
这一技术是以知识为中心的观点来组织智能系统的 。
符号处理技术指基于符号演算的推理技术和学习技术，符号处理
技术实际是知识工程的基础技术。如前所述，这一领域一直是人工智
能的主要研究领域。
78
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
2．神经网络技术
这一领域主要研究各种神经网络模型及其学习算
法。这一领域是当前人工智能研究的一个十分活跃且
很有前途的分支领域。
1.4.3 基于实现技术的领域划分
79
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
按照人工智能的应用领域，可以将人工智能的研究领域划分为,
1,问题求解
2．自动定理证明
3．自动程序设计
4．自动翻译
5．智能控制
6．智能管理
7．智能决策
8．智能通信
9．智能仿真
10．智能 CAD
11．智能 CAI
80
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
1,问题求解
这里的问题, 即难题, 主要指那些没有算法解, 或虽有算法解但在现有
机器上无法实施或无法完成的困难问题 。 例如：路径规划, 运输调度, 电力
调度, 地质分析, 测量数据解释, 天气预报, 市场预测, 股市分析, 疾病诊
断, 故障诊断, 军事指挥, 机器人行动规划, 机器博弈等等 。 在这些难题中,
有些是组合数学理论中所称的 NP(Nondeterministic Polynomial,即非确
定型多项式 )问题或 NP完全 (即 NPC,Nondeterministic Polynomial
Complete)问题 。 NP问题是指那些既不能证明其算法复杂性超出多项式界,
但又未找到有效算法的一类问题, 而 NP完全问题又是 NP问题中最困难的一
种问题 。 例如, 有人证明过排课表问题就是一个 NP完全性问题 。
81
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
2．自动定理证明
自动定理证明就是机器定理证明, 这也是人工智能的一个重要的研究领
域, 也是最早的研究领域之一 。 定理证明是最典型的逻辑推理问题之一, 它
在发展人工智能方法上起过重大作用 。 如关于谓词演算中推理过程机械化的
研究, 帮助我们更清楚地了解到某些机械化推理技术的组成情况 。 很多非数
学领域的任务如医疗诊断, 信息检索, 规划制定和难题求解, 都可以转化成
一个定理证明问题 。 所以自动定理证明的研究具有普遍的意义 。
自动定理证明的方法主要有四类,
(1) 自然演绎法 。
(2) 判定法 。
(3) 定理证明器 。
(4) 计算机辅助证明。
82
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
3．自动程序设计
自动程序设计就是让计算机设计程序。具体来讲，就是人只要给出关于
某程序要求的非常高级的描述，计算机就会自动生成一个能完成这个要求目
标的具体程序。所以，这相当于给机器配置了一个“超级编译系统”，它能
够对高级描述进行处理，通过规划过程，生成所需的程序。但这只是自动程
序设计的主要内容，它实际是程序的自动综合。自动程序设计还包括程序自
动验证，即自动证明所设计程序的正确性。这样，自动程序设计也是人工智
能和软件工程相结合的课题。
83
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
4．自动翻译
自动翻译即机器翻译, 就是完全用计算机作为两种语言之间的翻译 。 机器
翻译由来已久 。 早在电子计算机问世不久, 就有人提出了机器翻译的设想 。
随后就开始了这方面的研究 。 当时人们总以为只要用一部双向词典及一些语
法知识就可以实现两种语言文字间的机器互译, 结果遇到了挫折 。 例如当把
,光阴似箭, 的英语句子, Time flies like an arrow.”翻译成日语, 然后再
翻译回来的时候, 竟变成了, 苍蝇喜欢箭, ；又如, 当把, 心有余而力不足,
的英语句子, The spirit is willing but the flesh is weak”翻译成俄语, 然
后再翻译回来时竟变成了, 酒是好的, 肉变质了,, 即, The wine is good
but the meat is spoiled”。 这些问题的出现才使人们发现, 机器翻译并非
想象的那么简单, 并使得人们认识到, 单纯地依靠, 查字典, 的方法不可能
解决翻译问题, 只有在对语义理解的基础上, 才能做到真正的翻译 。 所以,
机器翻译的真正实现, 还要靠自然语言理解方面的突破 。
84
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
5．智能控制
智能控制具有两个显著的特点：第一, 智能控制是同时具有知识表示的非
数学广义世界模型和传统数学模型混合表示的控制过程, 也往往是含有复杂
性, 不完全性, 模糊性或不确定性以及不存在已知算法的过程, 并以知识进
行推理, 以启发来引导求解过程 。 第二, 智能控制的核心在高层控制, 即组
织级控制, 其任务在于对实际环境或过程进行组织, 即决策与规划, 以实现
广义问题求解 。
85
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
智能控制系统的智能可归纳为以下几方面,
(1) 先验智能：有关控制对象及干扰的先验知识, 可以从一开始就考虑到
控制系统的设计中；
(2) 反应性智能：在实时监控, 辨识及诊断的基础上, 对系统及环境变化
的正确反应能力；
(3) 优化智能：包括对系统性能的先验性优化及反应性优化；
(4) 组织与协调智能：表现为对并行耦合任务或子系统之间的有效管理与
协调 。
智能控制的开发, 目前认为有以下途径,
(1) 基于专家系统的专家智能控制；
(2) 基于模糊推理和计算的模糊控制；
(3) 基于人工神经网络的神经网络控制；
(4) 综合以上三种方法的综合型智能控制。
86
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
6,智能管理
智能管理就是把人工智能技术引入管理领域, 建立智能管理系统 。 智能管
理是现代管理科学技术发展的新动向 。 智能管理是人工智能与管理科学, 系
统工程, 计算机技术及通信技术等多学科, 多技术互相结合, 互相渗透而产
生的一门新技术, 新学科 。 它研究如何提高计算机管理系统的智能水平, 以
及智能管理系统的设计理论, 方法与实现技术 。
智能管理系统是在管理信息系统, 办公自动化系统, 决策支持系统的功能
集成, 技术集成的基础上, 应用人工智能专家系统, 知识工程, 模式识别,
人工神经网络等方法和技术, 进行智能化, 集成化, 协调化, 设计和实现的
新一代的计算机管理系统 。
87
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
7,智能决策
智能决策支持系统是在传统决策支持系统的基础上发展起来的, 由传统决
策支持系统再加上相应的智能部件就构成了智能决策支持系统 。 智能部件可
以有多种模式, 例如专家系统模式, 知识库系统模式等 。 专家系统模式是把
专家系统作为智能部件, 这是目前比较流行的一种模式 。 该模式适合于以知
识处理为主的问题, 但它与决策支持系统的接口比较困难 。 知识库系统模式
是以知识库作为智能部件 。 在这种情况下, 决策支持系统就是由模型库, 方
法库, 数据库, 知识库组成的四库系统 。 这种模式接口比较容易实现, 其整
体性能也较好 。
88
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
一般来说, 智能部件中可以包含如下一些知识,
(1) 建立决策模型和评价模型的知识 。
(2) 如何形成候选方案的知识 。
(3) 建立评价标准的知识 。
(4) 如何修正候选方案, 从而得到更好候选方案的知识 。
(5) 完善数据库, 改进对它的操作及维护的知识 。
89
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
8,智能通信
智能通信就是把人工智能技术引入通信领域, 建立智能通信系统 。 智能
通信就是在通信系统的各个层次和环节上实现智能化 。 例如在通信网的网控,
转接, 信息转换等环节, 都可实现智能化 。 这样, 网络就可运行在最佳状态,
使呆板的网变成活化的网, 使其具有自适应, 自组织, 自学习, 自修复等功
能 。
90
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
9,智能仿真
智能仿真就是将人工智能技术引入仿真领域, 建立智能仿真系统 。 我们知道,
仿真是对动态模型的实验, 即行为产生器在规定的实验条件下驱动模型, 从而
产生模型行为 。 具体地说, 仿真是在三种类型知识 —— 描述性知识, 目的性知
识及处理知识的基础上产生另一种形式的知识 —— 结论性知识 。 因此可以将仿
真看作是一个特殊的知识变换器, 从这个意义上讲, 人工智能与仿真有着密切
的关系 。 利用人工智能技术能对整个仿真过程 (包括建模, 实验运行及结果分析 )
进行指导, 能改善仿真模型的描述能力, 在仿真模型中引进知识表示将为研究
面向目标的建模语言打下基础, 提高仿真工具, 面向用户, 面向问题的能力 。
从另一方面来讲, 仿真与人工智能相结合可使仿真更有效地用于决策, 更好地
用于分析, 设计及评价知识库系统, 从而推动人工智能技术的发展 。 正是基于
这些方面, 近年来, 将人工智能特别是专家系统与仿真相结合, 就成为仿真领
域中一个十分重要的研究方向, 引起了大批仿真专家的关注 。
91
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
10,智能 CAD
智能 CAD(简称 ICAD)就是把人工智能技术引入计算机辅助设计领域, 建立智能 CAD
系统 。 事实上, AI几乎可以应用到 CAD技术的各个方面 。 从目前发展的趋势来看, 至少
有下述四个方面,
(1) 设计自动化 。
(2) 智能交互 。
(3) 智能图形学 。
(4) 自动数据采集 。
从具体技术来看, ICAD技术大致可分为如下几种方法,
(1) 规则生成法 。
(2) 约束满足方法 。
(3) 搜索法 。
(4) 知识工程方法 。
(5) 形象思维方法 。
92
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
11,智能 CAI
智能 CAI就是把人工智能技术引入计算机辅助教学领域, 建立智能 CAI系统,
即 ICAI。 ICAI的特点是能对学生因才施教地进行指导 。 为此, ICAI应具备下列
智能特征,
(1) 自动生成各种问题与练习 。
(2) 根据学生的水平和学习情况自动选择与调整教学内容与进度 。
(3) 在理解教学内容的基础上自动解决问题生成解答 。
(4) 具有自然语言的生成和理解能力 。
(5) 对教学内容有解释咨询能力 。
(6) 能诊断学生错误, 分析原因并采取纠正措施 。
(7) 能评价学生的学习行为 。
(8) 能不断地在教学中改善教学策略 。
93
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
按照应用系统, 可以将人工智能的研究领域划分为：专家系统,
知识库系统, 智能数据库系统, 智能机器人系统等 。
1．专家系统
2．知识库系统
3．智能数据库系统
4．智能机器人系统
94
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
1,专家系统
所谓专家系统, 就是基于人类专家知识的程序系统 。 专家系统的
特点是拥有大量的专家知识 (包括领域知识和经验知识 ),能模拟专
家的思维方式, 面对领域中复杂的实际问题, 能做出专家水平级的
决策, 象专家一样解决实际问题 。
专家系统的出现, 大大推动了人工智能的发展, 使人工智能真正
从实验走向实际, 开始了以知识为中心的人工智能新时代 。
95
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
2,知识库系统
所谓知识库系统, 从概念来讲, 它可以泛指所有包含知识库的计算机系统
(这是广义理解 )；也可以仅指拥有某一领域专门知识以及常识的知识咨询系统
(这是一种狭义理解 ),按广义理解, 专家系统, 智能数据库系统等也都是知识
库系统 。 这里我们对知识库系统按狭义理解 。
与数据库系统类似, 知识库系统的结构包括知识库和知识库管理系统 。 知识
库包括领域的一些基本事实和有关规则等 。 知识库管理系统负责对知识库的维
护, 更新和咨询等 。 这种知识库的咨询不同于数据库的查询, 它不是根据用户
的询问, 直接从数据库中检索出有关答案, 而是运用知识库中的知识, 通过推
理而间接地得到有关答案 。 所以, 从某种意义上看, 数据库中存放的是显式的
数据, 而知识库中存放的是隐式的数据 。 另一方面, 从知识库的内容来看, 其
基础仍然是数据 。 所以, 知识库系统实际上是数据库系统的发展和提高 。
96
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
事实上, 知识库系统也正是从数据库系统发展演化而来的 。 例如, 人们给关
系数据库加上规则和推理模块, 就可实现所谓的演绎数据库 。 而演绎数据库也
可看作是一种知识库 。
从需求上讲, 知识库系统也是从数据处理到知识处理的必然结果 。 人们研究
知识库, 是从两个方向进行的 。 一个方向是从 AI出发, 另一个方向从数据库出
发, 二者现在已不谋而合, 交汇于一处了 。 事实上, 随着数据库理论研究的深
入, 在模型论的基础上, 从经典数据库模型发展到更注重语义联系的, 更高抽
象层次的概念数据模型 。 这些抽象模型实质上已经和从 AI角度提出的若干知识
表示方式十分类似 。
从数据库出发来研究知识库, 可以从数据库和数据库管理系统中取得借鉴和启
发 。 在这方面目前有两个重要的研究方向：一个是从面向对象的数据库系统出
发来研究面向对象的知识库系统；另一个是由主动数据库得到启发来研究主动
知识库 。
97
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
3,智能数据库系统
智能数据库系统就是给传统数据库系统中再加上智能成分 。 例如对象数据库,
主动数据库等等, 都是智能数据库系统 。
4,智能机器人系统
智能机器人是这样一类机器人：它能认识工作环境, 工作对象及其状态, 能根
据人给予的指令和, 自身, 认识外界的结果来独立地决定工作方法, 实现任务
目标, 并能适应工作环境的变化 。 具体来讲, 智能机器人应具备四种机能：感
知机能, 思维机能, 人 — 机通信机能和运动机能 。 智能机器人的特征就在于它
与外部世界的对象, 环境和人相协调的工作机制, 智能机器人系统的实现技术,
要综合运用人工智能的各种技术, 或者说, 智能机器人系统是人工智能技术的
全面体现和综合运用 。
98
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
1 智能操作系统
2 智能多媒体系统
3 智能计算机系统
4 智能网络系统
99
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
1,智能操作系统
智能操作系统就是将人工智能技术引入计算机的操作系统之中, 从质上
提高操作系统的性能和效率 。
智能操作系统的基本模型, 将以智能机为基础, 并能支撑外层的 AI应用
程序, 以实现多用户的知识处理和并行推理 。 智能操作系统主要有三大特
点：并行性, 分布性和智能性 。 并行性是指能够支持多用户, 多进程, 同
时进行逻辑推理和知识处理；分布性是指把计算机的硬件和软件资源分散
而又有联系地组织起来, 能支持局域网或远程网处理；智能性又体现于三
方面：一是操作系统所处理的对象是知识对象, 具有并行推理和知识操作
功能, 支持智能应用程序的运行；二是操作系统本身的绝大部分程序也将
使用 AI程序 (规则和事实 )编制, 充分利用硬件并行推理功能；三是其系统
管理应具有较高智能程度的自动管理维护功能, 如故障的监控分析等, 以
帮助系统维护人员做出必要的决策 。
100
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
2,智能多媒体系统
多媒体技术是当前计算机最为热门的研究领域之一 。 多媒体计算
机系统就是能综合处理文字, 图形, 图像和声音等多种媒体信息的
计算机系统 。 智能多媒体就是将人工智能技术引入多媒体系统, 使
其功能和性能得到进一步发展和提高 。 事实上, 多媒体技术与人工
智能所研究的机器感知, 机器理解等技术也正好不谋而合 。 所以,
智能多媒体实际上是人工智能与多媒体技术的有机结合 。 人工智能
的计算机视听觉, 语音识别与理解, 语音对译, 信息智能压缩等技
术运用于多媒体系统, 将会使现在的多媒体系统产生质的飞跃 。
101
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
3,智能计算机系统
智能计算机系统就是人们正在研制的新一代计算机系统 。 这种计算机系统
从基本元件到体系结构, 从处理对象到编程语言, 从使用方法到应用范围,
同当前的冯 ·诺依曼型计算机相比, 都有质的飞跃和提高, 它将全面支持智
能应用开发, 且自身就具有智能 。
4,智能网络系统
智能网络系统就是将人工智能技术引入计算机网络系统 。 如在网络控制,
信息检索与转换, 人机接口等环节, 运用 AI的技术与成果 。 研究表明, A1
的模糊技术和神经网络技术可用于网络的连接控制, 业务量管制, 业务量
预测, 资源动态分配, 业务流量控制, 动态路由选择, 动态缓冲资源调度
等许多方面 。
102
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.7 基于实现工具与环境的领域划分
按照实现工具与环境, 可以将 AI的研究领域划分为：智能软件工具, 智能
硬件平台 。
1,智能软件工具
包括开发建造智能系统的程序语言和工具环境等, 这方面现已有不少成果 。
如：函数程序设计语言 LISP,逻辑程序设计语言 PROLOG,对象程序设计语言
Smalltalk与 C++,框架表示语言 FRL,产生式语言 OPS5,神经网络设计语言
AXON,智能体 (Agent)程序设计语言等等, 以及各种专家系统工具, 知识工程
工具, 知识库管理系统等 。
2,智能硬件平台
指直接支持智能系统开发和运行的机器硬件，这方面现在也取得了不少成
果。如,LISP机,PROLOG机、神经网络计算机、知识信息处理机,
模糊推理计算机、面向对象计算机、智能计算机等。
103
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5 人工智能的基本技术
1.5.1 推理技术
1.5.2 搜索技术
1.5.3 知识表示与知识库技术
1.5.4 归纳技术
1.5.5 联想技术
104
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.1 推理技术
几乎所有的人工智能领域都要用到推理, 因此, 推理技术是人
工智能的基本技术之一 。 需要指出的是, 对推理的研究往往涉及到
对逻辑的研究 。 逻辑是人脑思维的规律, 从而也是推理的理论基础 。
机器推理或人工智能用到的逻辑, 主要包括经典逻辑中的谓词逻辑
和由它经某种扩充, 发展而来的各种逻辑 。 后者通常称为非经典或
非标准逻辑 。 经典逻辑中的谓词逻辑, 实际是一种表达能力很强的
形式语言 。 用这种语言不仅可供人用符号演算的方法进行推理, 而
且也可供计算机用符号推演的方法进行推理 。 特别是利用一阶谓词
逻辑不仅可在机器上进行像人一样的, 自然演绎, 推理, 而且还可
以实现不同于人的, 归结反演, 推理 。 而这后一种方法是机器推理
或自动推理的主要方法 。 它是一种完全机械化的推理方法 。
105
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.1 推理技术
非标准逻辑是泛指除经典逻辑以外的那些逻辑, 如多值逻辑,
多类逻辑, 模糊逻辑, 模态逻辑, 时态逻辑, 动态逻辑, 非单调逻
辑, 等等 。 各种非标准逻辑是在为弥补经典逻辑的不足而发展起来
的 。 也可以说是应人工智能之需而发展起来的 。 例如, 为了克服经
典逻辑, 二值性, 的限制, 人们发展了多值逻辑及模糊逻辑 。
在非标准逻辑中, 又可分为两种情况, 一种是对经典逻辑的语
义进行扩充而产生的, 如多值逻辑, 模糊逻辑等 。 这些逻辑也可看
作是与经典逻辑平行的逻辑 。 另一种是对经典逻辑的语构进行扩充
而得到的, 如模态逻辑, 时态逻辑等 。 这些逻辑一般都承认经典逻
辑的定理, 但在两个方面进行了补充, 一是扩充了经典逻辑的语言,
二是补充了经典逻辑的定理 。
106
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.1 推理技术
上述逻辑为推理特别是机器推理提供了理论基础，同时也开辟
了新的推理技术和方法。随着推理的需要，还会出现一些新的逻辑；
同时，这些新逻辑也会提供一些新的推理方法。事实上，推理与逻
辑是相辅相成的。一方面，推理为逻辑提出课题；另一方面，逻辑
为推理奠定基础。
107
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.2 搜索技术
所谓搜索, 就是为了达到某一, 目标,, 而连续地进行推理的过程 。
搜索技术就是对推理进行引导和控制的技术, 它也是 AI的基本技术之一 。
事实上, 许多智能活动的过程, 都可看作或抽象为一个, 问题求解, 过
程 。 而所谓, 问题求解, 过程, 实质上就是在显式的或隐式的问题空间
中进行搜索的过程 。
搜索技术也是一种规划技术, 因为对于有些问题, 其解就是由搜索
而得到的, 路径, 。 搜索技术是 AI中发展最早的技术, 在 AI研究的初期,
,启发式, 搜索算法曾一度是 AI的核心课题 。 截至目前, 对启发式搜索
的研究, 人们已取得了不少成果 。 如著名的 A*算法和 AO*算法就是两个
重要的启发式搜索算法 。
传统的搜索技术都是基于符号推演方式进行的 。 近年来, 人们又将
神经网络技术用于问题求解, 开辟了问题求解与搜索技术研究的新途径 。
108
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.3 知识表示与知识库技术
知识表示是指知识在计算机中的表示方法和表示形式, 它涉及到
知识的逻辑结构和物理结构 。 知识库类似于数据库, 所以知识库技
术包括知识的组织, 管理, 维护, 优化等技术 。 对知识库的操作要
靠知识库管理系统的支持 。 显然, 知识库与知识表示密切相关, 同
时也与知识的获取密切相关 。
对知识表示与知识库的研究, 虽然已取得了不少成果, 但仍有许
多问题需要解决 。 如知识的分类, 知识的一般表示模式, 不确定性
知识的表示, 知识分布表示, 知识库的模型, 知识库与数据库的关
系, 知识库管理系统等等 。
知识表示与知识库是人工智能的核心技术。
109
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.4 归纳技术
所谓归纳技术, 是指机器自动提取概念, 抽取知识, 寻找规律的技
术 。 显然, 归纳技术与知识获取及机器学习密切相关, 因此, 它也是人
工智能的重要基本技术 。
归纳可分为基于符号处理的归纳和基于神经网络的归纳 。 基于神经
网络的归纳不必多说 (因为神经网络本身就是一个归纳器 ),而基于符号
处理的归纳技术, 除了已开发出的归纳学习方法外, 近年来, 基于数据
库 的 数 据 开 采 (Data Mining 简称 MD) 和 知 识 发 现 (Knowledge
Discovering from Database简称 KDD)技术异军突起, 方兴未艾 。 为归
纳技术的发展和应用注入了新的活力 。
另外，由于归纳时需要分析、综合、比较，还需要反馈、修正、调
整和优化等步骤。所以，广义地讲归纳技术也包括类比、控制、适应甚
至进化在内。
110
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.5 联想技术
联想是最基本, 最基础的思维活动：它几乎与所有的 AI技术息息相
关 。 因此, 联想技术也是人工智能的一个基本技术 。 联想的前提是联
想记忆或联想存储, 这也是一个富有挑战性的技术领域 。
以上我们介绍了人工智能的一些基本理论和技术，因为这些理论和
技术仍在不断发展和完善之中，所以，它们同时也是人工智能的基本
课题。
111
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6 人工智能的产生与发展
1.6.1 人工智能学科的产生
1.6.2 符号主义学派
1.6.3 连接主义学派
1.6.4 人工智能的发展趋势
1.6.5 我国人工智能的研究与发展
112
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.1 人工智能学科的产生
1956 年 夏 季, 由 美 国 达 特 莫 斯 (Dartmouth) 大 学 麦 卡 锡
(J,McCarthy)与哈佛大学的明斯基 (M,L,Minsky),IBM公司信息研
究 中 心 的 洛 切 斯 特 (N, Lochester), 贝 尔 实 验 室 的 香 农
(C,E,Shannon)共同发起, 邀请 IBM公司的莫尔 (T,More)和塞缪尔
(A,L,Samuel),麻省理工学院的塞尔夫里奇 (O,Selfridge)和索罗
门夫 (R,Solomonff)以及兰德公司和卡内基工科大学的纽厄尔
(A,Newell),西蒙 (H,A,Simon)等, 共十位来自数学, 心理学, 神
经生理学, 信息论和计算机等方面的学者和工程师, 在达特莫斯大学
召开了一次历时两个月的研讨会, 讨论关于机器智能的有关问题 。 会
上经麦卡锡提议正式采用了, 人工智能, 这一术语 。 从此, 一门新兴
的学科便正式诞生了 。
113
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
1956年之后的 10多年间, 人工智能的研究取得了许多引人瞩目的成
就 。 从符号主义的研究途径来看, 主要成就有,
(1) 1956年, 美国的纽厄尔, 肖和西蒙合作编制了一个名为逻辑理
论机 (Logic Theory Machine,简称 LT)的计算机程序系统 。 该程序模拟
了人用数理逻辑证明定理时的思维规律 。 利用 LT,纽厄尔等人证明了怀
特海和罗素的名著 ——,数学原理, 第 2章中的 38条定理 (1963年在另一
台机器上证明了全部 52条定理 )。 而美籍华人, 数理逻辑学家王浩于
1958年在 IBM—704计算机上用 3～ 5分钟证明了, 数学原理, 中有关命题
演算的全部定理 (220条 ),并且还证明了谓词演算中 150条定理的 85％ 。
(2) 1956年, 塞缪尔研制成功了具有自学习, 自组织, 自适应能力
的跳棋程序 。 这个程序能从棋谱中学习, 也能从下棋实践中提高棋艺,
1959年它击败了塞缪尔本人, 1962年又击败了美国一个州的冠军 。
114
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
(3) 1959年, 籍勒洛特发表了证明平面几何问题的程序, 塞尔夫
里奇推出了一个模式识别程序； 1965年罗伯特 (Roberts)编制出了可
以分辨积木构造的程序 。
(4) 1960年, 纽厄尔, 肖和西蒙等人通过心理学试验总结出了人
们求解问题的思维规律, 编制了通用问题求解程序 (General Problem
Solving,简称 GPS)。 该程序可以求解 11种不同类型的问题 。
(5) 1960年, 麦卡锡研制成功了面向人工智能程序设计的表处理
语言 LISP；该语言以其独特的符号处理功能, 很快在人工智能界风靡
起来 。 它武装了一代人工智能学者, 至今仍然是人工智能研究的一个
有力工具 。
(6) 1965年, 鲁宾逊 (Robinson)提出了消解原理, 为定理的机器
证明做出了突破性的贡献 。
115
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
在这一时期, 虽然人工智能的研究取得了不少成就, 但就所涉
及的问题来看, 大都是一些可以确切定义并具有良好结构的问题；
就研究的内容来看, 主要集中于问题求解中的搜索策略或算法, 而
轻视了与问题有关的领域知识 。 当时人们朴素地认为, 只要能找到
几个推理定律, 就可解决人工智能的所有问题 。 所以, 这一时期人
工智能的研究主要是以推理为中心 。 因此, 有人将这一时期称为人
工智能的推理期 。
推理期的人工智能，基本上是停留在实验室，没有面向真实世
界的复杂问题。此后，在认真考察了现实世界中的各种复杂问题后，
人们发现要实现人工智能，除了推理搜索方法之外，还需要知识。
于是人工智能的研究又开始转向知识。
116
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
1965年, 美国斯坦福大学的费根鲍姆 (E,A,Feigenbaum)教授领导研制的
基于领域知识和专家知识的名为 DENDRAL的程序系统, 标志着人工智能研究的一
个新时期的开始 。 该系统能根据质谱仪的数据并利用有关知识, 推断出有机化
合物的分子结构 。 该系统当时的能力已接近于, 甚至超过有关化学专家的水平,
后来在英, 美等国得到了实际应用 。 由于 DENDRAL系统的特点主要是依靠其所拥
有的专家知识解决问题, 因此, 后来人们就称它为专家系统 。
继 DENDRAL之后, 还有一些著名的专家系统, 如：医学专家系统 MYCIN,地质
勘探专家系统 PROSPECTOR,计算机配置专家系统 R1等也相继问世 。
由于专家系统走出了实验室, 能解决现实世界中的实际问题, 被誉为, 应
用人工智能,, 所以, 专家系统很快也就成为人工智能研究中的热门课题, 并
受到企业界和政府部门的关注和支持 。
117
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
1977年, 在第五届国际人工智能会议上, 费根鲍姆进一步提出了, 知识工程,
的概念 。 这样, 人工智能的研究便从以推理为中心转向以知识为中心, 进入了所
谓的知识期 。 从此以后, 专家系统与知识工程便成为人工智能的一个最重要的分
支领域 。 同时, 知识是智能的基础和源泉的思想也逐渐渗透到人工智能的其他分
支领域, 如自然语言理解, 景物分析, 文字识别和机器翻译等, 从而, 运用知识
（ 特别是专家知识 ） 进行问题求解, 便成为一种新的潮流 。
进入 20世纪 80年代后，专家系统与知识工程在理论、技术和应用方面都有了
长足的进步和发展。专家系统的建造进入应用高级开发工具时期。专家系统结构
和规模也在不断扩大，出现了所谓的多专家系统、大型专家系统、微专家系统和
分布式专家系统等等。同时，知识表示、不精确推理、机器学习等方面也都取得
了重要进展。各个应用领域的专家系统更如雨后春笋般地在世界各地不断涌现。
118
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
从连接主义的研究途径看, 早在 20世纪 40年代, 就有一些学者开始了神
经元及其数学模型的研究 。 例如, 1943年心理学家 McCulloch和数学家 Pitts
提出了形式神经元的数学模型 ——现在称之为 MP模型, 1944年 Hebb提出了改
变神经元连接强度的 Hebb规则 。 MP模型和 Hebb规则至今仍在各种神经网络中
起重要作用 。
20世纪 50年代末到 60年代初，开始了人工智能意义下的神经网络系统的
研究。一批研究者结合生物学和心理学研究的成果，开发出各种神经网络，
开始用电子线路实现，后来较多的是用更灵活的计算机模拟。如 1957年罗圣
勃莱特 (P,Rosenblatt)开发的称为感知器 (Perception)单层神经网络,1962
年维特罗 (B,Windrow)提出的自适应线性元件 (Adaline)等。这些神经网络已
可用于诸如天气预报、电子线路板分析、人工视觉等许多问题。当时，人们
似乎感到智能的关键仅仅是如何构造足够大的神经网络的方法问题。
119
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
但这种设想很快就消失了 。 类似的网络求解问题的失败和成功同时并存, 造成无
法解释的困扰 。 人工神经网络开始了一个失败原因的分析阶段 。 作为人工智能创始人
之一的著名学者明斯基 (Minsky)应用数学理论对以感知器为代表的简单网络做了深入
的分析, 结果, 于 1969年他与白伯脱 (Papert)共同发表了颇有影响的, Perceptions》
一书 。 书中证明了那时使用的单层人工神经网络, 无法实现一个简单的异或门 (XOR)所
完成的功能 。 因而明斯基本人也对神经网络的前景持悲观态度 。
由于明斯基的理论证明和个人的威望, 这本书的影响很大, 使许多学者放弃了在
该领域中的继续努力, 政府机构也改变基金资助的投向 。 另一方面, 由于在此期间,
人工智能的基于逻辑与符号推理途径的研究不断取得进展和成功, 也掩盖了发展新途
径的必要性和迫切性 。 于是, 神经网络的研究进入低谷 。
然而，仍有少数几个杰出科学家，如寇耐（ T,Kohonen)、葛劳斯伯格
(S,Grossberg)、安特生 (J,Andenson)等，在极端艰难的环境下仍坚韧不拔地继续努
力。
120
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
经过这些科学家的艰苦探索, 神经网络的理论和技术在经过近 20年的暗
淡时期后终于有了新的突破和惊人的成果 。 1985美国霍布金斯大学的赛诺斯
(T,Seinowsk)开发了名为 NETtalk英语读音学习用的神经网络处理器, 输入
为最多由 7个字母组成的英语单词, 输出为其发音 。 由于该处理器自己可以学
习许多发音规则, 因此从一无所知起步, 经过 3个月的学习所达到的水平已可
同经过 20年研制成功的语音合成系统相媲美 。 同年, 美国物理学家霍普菲尔
特 (J,Hopfield)用神经网络迅速求得了巡回推销员路线问题的最优解, 显示
它在求解, 难解问题, 上的非凡能力 。 实际上, 早在 1962年, 霍普菲尔特就
提出了著名的 HNN模型 。 在这个模型中, 他引入了, 计算能量函数, 的概念,
给出了网络稳定性判据, 从而开拓了神经网络用于联想记忆和优化计算的新
途径 。 此外, 还有不少成功的例子 。 这些重大突破和成功, 轰动了世界 。 人
们开始对冷落了近 20年的神经网络又刮目相看了 。 神经网络研究的热潮又再
度出现 。
121
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
1987年 6月, 第一届国际神经网络会议 (ICNN)在美国圣第亚哥召开 。 会
议预定 800人, 但实际到会达 2000多人 。 会上气氛之热烈, 群情之激昂, 据
报导是国际学术会议前所未有的 。 例如, 会上有人竟喊出了, AI is
dead,Long live Neural Networks”的口号 。 会议决定成立国际神经网络学
会, 并出版会刊, Neural Networks,。 从此之后, 神经网络便东山再起,
其研究活动的总量急剧增长, 理论与技术继续进展, 应用成果不断涌现, 新
的研究机构, 实验室, 商业公司与日俱增, 世界各国政府也在组织与实施有
关的科研攻关项目 。 现在, 神经网络已经和专家系统知识工程并驾齐驱, 成
为人工智能的两个主流方向 。
神经网络在智能控制、语音识别与合成、图形文字识别、数据压缩、知
识工程、最优化问题求解、智能计算机等领域进行的实践和取得的初步成果，
预示着人工智能的应用不久将会有重大突破。
122
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
神经网络学科的发展和应用也迎来了脑神经科学、认知科学、
心理学、微电子学、控制论和机器人学、信息技术和数理科学等学
科的相互促进、相互发展的空前活跃时期，特别是在计算机科学研
究领域，将从根本上改变人们传统的数值、模拟、串行、并行、分
布等计算与处理概念的内涵和外延，出现了分布式并行新概念、数
值模拟混合的新途径，探索和开创光学计算机、生物计算机、第 n代
计算机的新构想，为 21世纪计算机科学与技术的飞速发展奠定了思
想和理论基础。
123
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.4 人工智能的发展趋势
当前人工智能的发展趋势, 主要体现在如下几个方面,
首先, 传统的, 符号智能, (传统的基于符号处理技术的人工智能
被称为, 符号智能, )与, 计算智能, (CI)特别是神经计算, 各取所长,
有机融合 。 由于两种方法各有所长, 又各有所短, 但却刚好互补 。 所
以, 将两种方法相结合, 则是可取的策略和方向 。 作为两者结合的智
能系统, 神经网络将主要模拟形象思维, 实现识别, 联想, 学习和适
应等功能, 负责对外界环境的感知和交互；专家系统将主要模拟逻辑
思维, 实现判断, 推理和搜索等功能, 负责高层的决策与控制 。 这两
种思维方式在人类大脑中结合这样一个事实, 有力地支持着这种发展
方向 。
124
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.4 人工智能的发展趋势
其次, 一批新思想, 新理论, 新技术不断涌现 。 如：模糊技术, 模糊 —
神经网络, 遗传算法, 进化程序设计, 混沌理论, 人工生命等, 它们又构成
了所谓的, 软计算, 技术或, 计算智能,, 还有, 粗糙集 (Rough Sets)理论,
数据开采 (DM)与知识发现, (KDD)技术, 面向对象技术, 现场 AI(Situated AI)
等等, 而且这些理论和技术又互相渗透, 互相融合 。
第三，以 Agent(称为, 主体, 或, 智能主体,,, 智能体,,, 智能代
理, 等 )概念为基础的分布式人工智能 (Distributed Artificial
Intelligence，简称 DAI)正异军突起，蓬勃发展。分布式人工智能基于计算
机网络，以研究和开发, 群体智能, 为主要特征。所以,DAI与 Internet结合，
将相得益彰。
特别值得指出的是,Agent这一新概念不仅为人工智能注入了新的活力，
开辟了新的方向，提供了新的思路和技术手段，而且，它也将对整个计算机
科学技术产生巨大而深远的影响。
125
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.4 人工智能的发展趋势
最后, 基于人工智能的应用研究愈加深入而广泛 。 当今的人工
智能研究与实际应用的结合越来越紧密, 受应用的驱动越来越明显 。
事实上, 现在的人工智能技术已同整个计算机科学技术紧密地结合
在一起了, 其应用也与传统的计算机应用越来越融合在一起了 。
总之, 以上特点展现了人工智能学科的繁荣景象和光明前途 。
虽然在通向其最终目标的道路上, 还有不少困难, 问题和挑战, 但
前进和发展毕竟是大势所趋 。
126
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.5 我国人工智能的研究与发展
1977年, 涂序彦, 郭荣江在, 自动化, 上发表了国内首篇关于 AI的
论文 —,智能控制及其应用,, 拉开了我国人工智能研究的序幕 。
20世纪 80年代, 各种人工智能学术团体纷纷成立 。
1980年 4月, 以常迵教授为首的中国自动化学会模式识别与机器智能
专业委员会在武汉成立 。
1980年 8月, 以王湘浩教授首的全国高校人工智能研究会在长春成立 。
1981年 9月, 以秦元勋教授为首的中国人工能学会在长沙成立,
1982年 4月, 以王湘浩教授为首的中国计算机学会人工智能学组在杭
州成立 (1986年 11月在太原升级为人工智能与模式识别专业委员会 )。
127
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1986年 5月, 以何志均教授为首的中国软件行业协会人工智能协会在
北京成立 。
1987年 6月, 以陆汝钤教授为首的中国计算机学会软件专业委员会
智能软件学组在北京成立 。
1987年, 国家高技术智能计算机系统专家组在北京成立 。 这些学术
团体和组织经常举办全国性和国际性学术会议, 创办学术期刊, 组织
和领导科研攻关, 有力地推动了我国人工智能事业的发展 。
近年来, 这些学术组织还每两年召开一次联合学术会议, 并出版了
题为, 人工智能进展, 的会议论文集 。
当前，我国的人工智能研究正方兴未艾，非常活跃，并取得了不少
举世瞩目的成就。
1.6.5 我国人工智能的研究与发展
128
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 本章介绍人工智能的基本概念, 研究目标, 基本内容, 研究途径与方法,
人工智能研究的特点, 人工智能的研究领域, 人工智能的基本技术, 人工
智能的产生与发展, 以及发展趋势等 。
? 人工智能是研究如何模拟, 延伸和扩展人的智能, 研究与开发各种机器智
能和智能机器的理论, 方法与技术, 涉及到计算机科学, 脑科学, 神经生
理学, 心理学, 语言学, 逻辑学, 认知 （ 思维 ） 科学, 行为科学和数学,
以及信息论, 控制论和系统论等众多学科领域的一门综合性的交叉学科和
边缘学科 。 它借助于计算机建造智能系统, 完成诸如模式识别, 自然语言
理解, 程序自动设计, 自动定理证明, 机器人, 专家系统等智能活动 。
129
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 人工智能研究的研究目标分为远期目标和近期目标, 远期目标是要
制造智能机器, 近期目标是实现机器智能 。
? 人工智能研究的基本内容是 认知建模、机器感知、机器思维、机器
学习、机器行为，以及智能系统与智能计算机等。人工智能的研究
途径与方法是,基于结构模拟的神经计算、基于功能模拟的符号推
演、基于行为模拟的控制进化。人工智能研究的主要特点是：以 知
识为中心、运用推理技术、启发式搜索、数据驱动方式、用人工智
能语言建造系统等。
130
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 人工智能的研究领域：在经典的人工智能研究中, 分为逻辑推理与定理证
明, 博弈, 自然语言处理, 专家系统, 自动程序设计, 机器学习, 人工神
经网络, 机器人学, 模式识别, 计算机视觉, 智能控制, 智能检索, 智能
调度与指挥, 智能决策支持系统, 知识发现和数据挖掘, 以及分布式人工
智能等 。 按照人工智能的实现技术划分的研究领域为：知识工程与符号处
理技术, 神经网络技术等 。 按照人工智能的应用领域划分的研究领域为：
问题求解, 自动定理证明, 自动程序设计, 自动翻译, 智能控制, 智能管
理, 智能决策, 智能通信, 智能 CAD,智能 CAI等 。 按照人工智能的应用系
统划分的研究领域为：专家系统, 知识库系统, 智能数据库系统, 智能机
器人系统等 。 按照计算机系统结构划分的研究领域为：智能操作系统, 智
能多媒体系统, 智能计算机系统, 智能网络系统等 。 按照实现工具与环境
划分研究领域为：智能软件工具, 智能硬件平台等 。
131
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 人工智能的基本技术, 基本上应包括以下内容：推理技术, 搜索技术, 知
识表示与知识库技术, 归纳技术, 联想技术等 。
? 人工智能学派有：符号主义 (Symbolism),连接主义 (Connectionism)和行
为主义 (Actionism)等, 或 者 叫 做 逻 辑学 派 (Logicism),仿生学派
(Bionicsism)和生理学派 (Physiologism)。 此外还有计算机学派, 心理学
派和语言学派等 。
? 人工智能学科正式诞生于 1956年, 20世纪 60年代符号智能技术获得较大发
展, 70年代专家系统等进入实用阶段, 80年代连接主义学派的人工神经网
络技术成为研究热点, 90年代人工智能一批新思想, 新理论, 新技术涌现 。
本世纪初, 各种人工智能技术出现有机融合和全面发展 。
132
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 当前人工智能的发展趋势, 主要体现在如下几个方面：首先, 传统
的, 符号智能, 与, 计算智能, 特别是神经计算, 各取所长, 有机
融合 。 其次, 一批新思想, 新理论, 新技术不断涌现 。 如：模糊技
术, 模糊 —神经网络, 遗传算法, 进化程序设计, 混沌理论, 人工
生命, 粗糙集 (Rough Sets)理论, 数据开采 (DM)与知识发现 (KDD)
技术, 面向对象技术, 现场 AI(Situated AI)等 。 第三, 以 Agent概
念为基础的分布式人工智能 DAI技术正异军突起, 蓬勃发展 。 最后,
基于人工智能的应用研究愈加深入而广泛 。
133
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
习 题
1．什么是人工智能？人工智能的意义和目标是什么？
2,人工智能有哪些研究途径和方法？ 它们的关系如何？
3,人工智能研究的基本内容有哪些？
4,人工智能研究有哪些特点？
5,人工智能有哪些研究领域？
6,人工智能有哪些基本技术？
7,人工智能有哪些主要学派？
8,简述人工智能的发展概况和当前发展趋势 。
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
第 1章 人工智能概述
1.1 人工智能的概念
1.2 人工智能的研究目标
1.3 人工智能研究的基本内容及特点
1.4 人工智能的研究领域
1.5 人工智能的基本技术
1.6 人工智能的产生与发展
本章小结
习题
2
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.1 人工智能的概念
1.1.1 什么是人工智能？
1.1.2 为什么要研究人工智能
1.1.3 人类智能的计算机模拟
3
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.1.1 什么是人工智能？
所谓, 人工智能, 是指用计算机模拟或实现的智能 。
作为一个学科, 人工智能研究的是如何使机器 （ 计算机 ）
具有智能的科学和技术, 特别是人类智能如何在计算机
上实现或再现的科学和技术 。 因此, 从学科角度讲, 当
前的人工智能是计算机科学的一个分支 。
人工智能虽然是计算机科学的一个分支, 但它的研
究却不仅涉及到计算机科学, 而且还涉及到脑科学, 神
经生理学, 心理学, 语言学, 逻辑学, 认知 （ 思维 ） 科
学, 行为科学和数学, 以及信息论, 控制论和系统论等
众多学科领域 。 因此, 人工智能实际上是一门综合性的
交叉学科和边缘学科 。
4
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
广义的人工智能学科是模拟, 延伸和扩展人的智能,
研究与开发各种机器智能和智能机器的理论, 方法与技术
的综合性学科 。
人工智能是一个含义很广的词语, 在其发展过程中,
具有不同学科背景的人工智能学者对它有着不同的理解,
提出了一些不同的观点, 人们称这些观点为符号主义
(Symbolism), 连 接 主 义 (Connectionism) 和 行 为 主 义
(Actionism)等, 或者叫做逻辑学派 (Logicism),仿生学派
(Bionicsism)和生理学派 (Physiologism)。 此外还有计算
机学派, 心理学派和语言学派等 。
1.1.1 什么是人工智能？
5
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
斯坦福大学人工智能研究中心的尼尔逊 （ N,J,
Nilsson） 教授从处理的对象出发, 认为, 人工智能是关
于知识的科学, 即怎样表示知识, 怎样获取知识和怎样
使用知识的科学, 。 麻省理工学院温斯顿 （ P,H,
Winston） 教授则认为, 人工智能就是研究如何使计算机
去做过去只有人才能做的富有智能的工作, 。 斯坦福大
学费很鲍姆 （ E.A,Feigenbaum） 教授从知识工程的角度
出发, 认为, 人工智能是一个知识信息处理系统, 。
1.1.1 什么是人工智能？
6
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
综合各种不同的人工智能观点, 可以从, 能力, 和, 学
科, 两个方面对人工智能进行定义 。 从能力的角度来看, 人
工智能是相对于人的自然智能而言的, 所谓人工智能是指用
人工的方法在机器 （ 计算机 ） 上实现的智能；从学科的角度
来看, 人工智能是作为一个学科名称来使用的, 所谓人工智
能是一门研究如何构造智能机器或智能系统, 使它能模拟,
延伸和扩展人类智能的学科 。 总之, 人工智能是一门综合性
的边缘学科 。 它借助于计算机建造智能系统, 完成诸如模式
识别, 自然语言理解, 程序自动设计, 自动定理证明, 机器
人, 专家系统等智能活动 。 它的最终目标是构造智能机 。
1.1.1 什么是人工智能？
7
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
我们知道, 电子计算机是迄今为止最有效的信息处理工具, 以至于人们称
它为, 电脑, 。 但现在的普通计算机系统的智能还相当低下, 譬如缺乏自适应,
自学习, 自优化等能力, 也缺乏社会常识或专业知识等, 而只能是被动地按照
人们为它事先安排好的工作步骤进行工作 。 因而它的功能和作用就受到很大的
限制, 难以满足越来越复杂和越来越广泛的社会需求 。 既然计算机和人脑一样
都可进行信息处理, 那么是否也能让计算机同人脑一样也具有智能呢?这正是
人们研究人工智能的初衷 。
事实上, 如果计算机自身也具有一定智能的话, 那么, 它的功效将会发生
质的飞跃, 成为名副其实的电, 脑, 。 这样的电脑将是人脑更为有效的扩展和
延伸, 也是人类智能的扩展和延伸, 其作用将是不可估量的 。 例如, 用这样的
电脑武装起来的机器人就是智能机器人 。 智能机器人的出现, 将标志着人类社
会进入了一个新的时代 。
1.1.2 为什么要研究人工智能
8
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
研究人工智能也是当前信息化社会的迫切要求 。 我们知道, 人类社会现在已
经进入了信息化时代 。 但信息化的进一步发展, 就必须有智能技术的支持 。 例如,
当前迅速发展着的国际互联网 Internet就强烈地需要智能技术 。 特别是当我们要
在 Internet上构筑信息高速公路时, 其中有许多技术问题就要用人工智能的方法
来解决 。 这就是说, 人工智能技术在 Internet和未来的信息高速公路上将发挥重
要作用 。
智能化也是自动化发展的必然趋势 。 自动化发展到一定水平, 再向前发展就
是智能化, 即智能化是继机械化, 自动化之后, 人类生产和生活中的又一个技术
特征 。
另外，研究人工智能，对探索人类自身智能的奥秘也可提供有益的帮助。因
为我们可以通过电脑对人脑进行模拟，从而揭示人脑的工作原理，发现自然智能
的渊源。
1.1.2 为什么要研究人工智能
9
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.1.3 人类智能的计算机模拟
人类的认知过程是个非常复杂的行为, 至今仍未能
被完全解释 。 人们从不同的角度对它进行研究, 从而
形成诸如认知生理学, 认知心理学和认知工程学等相
关学科 。 对这些学科的深入研究已超出本书范围 。 这
里仅讨论几个与人工智能有密切关系的问题 。
10
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1,研究认知过程的任务
人的心理活动具有不同的层次, 它可与计算机的层次相比较
（ 见图 1.1） 。 心理活动的最高层级是思维策略, 中间一层是初级信
息处理, 最低层级为生理过程, 即中枢神经系统, 神经元和大脑的
活动 。 与此相应的是计算机的程序, 语言和硬件 。
研究认知过程的主要任务是探求高层次思维决策与初级信息处
理的关系, 并用计算机程序来模拟人的思维策略水平, 而用计算机
语言模拟人的初级信息处理过程 。
令 T表示时间变量,x表示认知操作 (cognitive operation),x
的变化△ x为当时机体状态 S（机体的生理和心理状态以及脑子里的
记忆等）和外界刺激 R的函数。当外界刺激作用到处于某 —特定状态
的机体时，便发生变化，即语言和硬件。
1.1.3 人类智能的计算机模拟
11
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
思维策略
初级信息处理
生理过程
(a) 人 类
计算机程序
计算机语言
计算机硬件
(b) 计算机
图 1.1 人类认知活动与计算机的比较
(a) 人 类
1.1.3 人类智能的计算机模拟
12
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
计算机也以类似的原理进行工作。在规定时间内，计算机存储的
记忆相当于机体的状态；计算机的输入相当于机体施加的某种刺激。
在得到输入后，计算机便进行操作，使得其内部状态随时间发生变化。
我们可以从不同的层次来研究这种计算机系统。这种系统以人的思维
方式为模型进行智能信息处理 (intelligent information
processing)。显然，这是一种智能计算机系统。设计适用于特定领
域的这种高水平智能信息处理系统（也称为专家系统）是研究认知过
程的一个具体而又重要的目标。例如，一个具有智能信息处理能力的
自动控制系统就是一个智能控制系统，它可以是专家控制系统，或者
是智能决策系统等。
1.1.3 人类智能的计算机模拟
13
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
2,智能信息处理系统的假设
可以把人看成一个智能信息处理系统 。 信息处理系统又叫物理符
号系统 (Physical Symbol System)。 所谓符号就是模式 (pattern)。 任
一模式, 只要它能与其它模式相区别, 它就是一个符号 。 不同的汉语
拼音字母或英文字母就是不同的符号 。 对符号进行操作就是对符号进
行比较, 从中找出相同的和不同的符号 。 物理符号系统的基本任务和
功能就是辨认相同的符号和区别不同的符号 。 为此, 这种系统就必须
能够辨别出不同符号之间的实质差别 。 符号既可以是物理符号, 也可
以是头脑中的抽象符号, 或者是电子计算机中的电子运动模式, 还可
以是头脑中神经元的某些运动方式 。 一个完善的符号系统应具有下列 6
种基本功能,
1.1.3 人类智能的计算机模拟
14
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
(1)输入符号 (input)；
(2)输出符号 (output)；
(3)存储符号 (store)；
(4)复制符号 (copy)；
(5)建立符号结构：通过找出各符号间的关系, 在符号系统中形成符
号结构；
(6)条件性迁移 (conditional transfer)：根据已有符号, 继续完成
活动过程 。
如果一个物理符号系统具有上述全部 6种功能，能够完成这个全
过程，那么它就是一个完整的物理符号系统。
1.1.3 人类智能的计算机模拟
15
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
假设 任何一个系统, 如果它能表现出智能, 那么它就必定能够执
行上述 6种功能 。 反之, 任何系统如果具有这 6种功能, 那么它就能够表
现出智能；这种智能指的是人类所具有的那种智能 。 我们把这个假设称
为物理符号系统的假设 。
物理符号系统的假设伴随有 3个推论, 或称为附带条件 。
推论一 既然人具有智能, 那么他 (她 )就一定是个物理符号系统 。
推论二 既然计算机是一个物理符号系统, 它就一定能够表现出智能
的基本条件 。 这是人工智能的基本条件 。
1.1.3 人类智能的计算机模拟
16
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
推论三 既然人是一个物理符号系统, 计算机也是一个物理符号
系统, 那么我们就能够用计算机来模拟人的活动 。
值得指出, 推论三并不一定是从推论一和推论二推导出来的必然
结果 。 因为人是物理符号系统, 具有智能；计算机也是一个物理符
号系统, 也具有智能, 但它们可以用不同的原理和方式进行活动 。
所以, 计算机并不一定都是模拟人活动的, 它可以编制出一些复杂
的程序来求解方程式, 进行复杂的计算 。 不过, 计算机的这种运算
过程未必就是人类的思维过程 。
1.1.3 人类智能的计算机模拟
17
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
3,人类智能的计算机模拟
计算机的早期工作主要集中在数值计算方面 。 然而, 人类最主要
的智力活动并不是数值计算, 而在逻辑推理方面 。 物理符号系统假设
的推论一也告诉我们, 人有智能, 所以他是一个物理符号系统；推论
三指出, 可以编写出计算机程序去模拟人类的思维活动 。 这就是说,
人和计算机这两个物理符号系统所使用的物理符号是相同的, 因而计
算机可以模拟人类的智能活动过程 。 计算机的确能够很好地执行许多
智能功能, 如下棋, 证明定理, 翻译语言文字和解决难题等 。 这些任
务是通过编写与执行模拟人类智能的计算机程序来完成的 。 当然, 这
些程序只能接近于人的行为, 而不可能与人的行为完全相同 。 此外,
这些程序所能模拟的智能问题, 其水平还是很有限的 。
1.1.3 人类智能的计算机模拟
18
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
作为例子, 让我们考虑下棋的计算机程序 。 现有的国际象棋程序
是十分熟练的, 具有人类专家棋手水平的最好实验系统, 但是下得没
有像人类国际象棋大师那样好 。 该计算机程序对每个可能的走步空间
进行搜索, 它能够同时搜索几千种走步, 进行有效搜索的技术是人工
智能的核心思想之一 。 不过, 计算机不一定是最好的棋手, 其原因在
于：向前看并不是下棋所必须具有的一切, 需要彻底搜索的走步又太
多；在寻找和估计替换走步时并不能确信能够导致博弈的胜利 。 国际
象棋大师们具有尚不能解释的能力 。 一些心理学家指出, 当象棋大师
们盯着一个棋位时, 在他们的脑子里出现了几千盘重要的棋局；这大
概能够帮助他们决定最好的走步 。
1.1.3 人类智能的计算机模拟
19
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
近年来, 智能计算机的研究取得许多重大进展 。 对神经型智能
计算机的研究就是一个新的范例, 它必将为模拟人类智能做出新的贡
献 。
神经计算机 (neural computer)能够以类似人类的方式进行, 思
考,, 它力图重建人脑的形象 。 据日本通产省 (MITI)报导, 对神经计
算机系统的可行性研究早于 1989年 4月底完成, 并提出了该系统的长
期研究计划的细节 。 在美国, 英国, 中国和其它一些国家, 都有众多
的研究小组投入对, 神经元网络, 的研究 。 据预测, 神经计算机在本
世纪将进入实用阶段, 并将有产品投放市场 。
1.1.3 人类智能的计算机模拟
20
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
人脑这个神奇的器官能够复制大量的交互作用，快速处理极其大
量的信息，同时执行几项任务。迄今为止的所有计算机，基本上都
未能摆脱冯 ·诺依曼机的体系结构，只能依次对单个问题进行, 求
解, 。人们期望，对神经计算 (neural computing)的研究将造出神
经计算机，大大提高信息处理能力，达到更高的人工智能水平。
1.1.3 人类智能的计算机模拟
21
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.2 人工智能的研究目标
关于人工智能的研究目标, 目前还没有一个统一的说法 。 从研究的
内容出发, 李文特和费根鲍姆提出了人工智能的九个最终目标,
1,理解人类的认识
此目标研究人类如何进行思维, 而不是研究机器如何工作 。 要尽量
深入了解人的记忆, 问题求解能力, 学习的能力和一般的决策等过程 。
2,有效的自动化
此目标是在需要智能的各种任务上用机器取代人, 其结果是要建造
执行起来和人一样好的程序 。
3,有效的智能拓展
此目标是建造思维上的弥补物, 有助于使我们的思维更富有成效,
更快, 更深刻, 更清晰 。
22
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
4,超人的智力
此目标是建造超过人的性能的程序 。 如果越过这一知识阈值, 就可
以导致进一步的增殖, 如制造行业上的革新, 理论上的突破, 超人的
教师和非凡的研究人员等 。
5,通用问题求解
此目标的研究可以使程序能够解决或至少能够尝试其范围之外的一
系列问题, 包括过去从未听说过的领域 。
6,连贯性交谈
此目标类似于图灵测试, 它可以令人满意地与人交谈 。 交谈使用完
整的句子, 而句子是用某一种人类的语言 。
1.2 人工智能的研究目标
23
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
7,自治
此目标是一系统, 它能够主动地在现实世界中完成任务 。
8,学习
该目标是建造一个程序, 它能够选择收集什么数据和如何收集数据 。
然后再进行数据的收集工作 。 学习是将经验进行概括, 成为有用的观
念, 方法, 启发性知识, 并能以类似方式进行推理 。
9,储存信息
此目标就是要储存大量的知识，系统要有一个类似于百科词典式的，
包含广泛范围知识的知识库。
1.2 人工智能的研究目标
24
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3 人工智能研究的基本内容及特点
1.3.1 人工智能研究的基本内容
1.3.2 人工智能的研究途径与方法
1.3.3 人工智能研究的主要特点
25
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.1 人工智能研究的基本内容
关于人工智能的研究内容，各种不同学派、不同研究领域
以及人工智能发展的不同时期，对其有着一些不同的看法。下
面根据人工智能的现状，给出几个对实现人工智能系统来说具
有一般意义的基本内容。
1,认知建模
2,机器感知
3,机器思维
4,机器学习
5,机器行为
6,智能系统与智能计算机
所谓认知可一般地认为是和情感、动机、意志相
对应的理智或认识过程，或者说是为了一定目的，
在一定的心理结构中进行的信息加工过程。
所谓机器感知, 就是要让计算机具有类似于人的感知能
力, 如视觉, 听觉, 触觉, 嗅觉, 味觉 。 在这些感知能
力中, 目前研究较多, 较为成功的是机器视觉 （ 或叫计
算机视觉 ） 和机器听觉 （ 或叫计算机听觉 ） 。 计算机视
觉就是给计算机配上能看的视觉器官, 如摄像机等, 使
它可以识别并理解文字, 图像, 景物等；计算机听觉就
是给计算配上能听的听觉器官, 如话筒等, 使计算机能
够识别并理解语言, 声音等 。 机器感知是计算机智能系
统获取外部信息的最主要途径, 也是机器智能不可缺少
的重要组成部分 。
所谓机器思维，就是让计算机能够对感知到的外
界信息和自己产生的内部信息进行思维性加工。
所谓机器学习就是让计算机能够像人那样自
动地获取新知识，并在实践中不断地完善自
我和增强能力。
所谓机器行为就是让计算机能够具有像
人那样的行动和表达能力，如走、跑、
拿、说、唱、写、画等。
26
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.2 人工智能的研究途径与方法
我们知道, 智能是脑特别是人脑所具有的 。 那么,
要实现人工智能, 自然就离不开对人脑的借鉴, 其中包
括对人脑的结构, 功能和人脑具有智能的原因, 过程等
的借鉴 。 于是, 就产生了如下几种人工智能研究途径和
方法 。
27
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1) 基于结构模拟的神经计算
2) 基于功能模拟的符号推演
3) 基于行为模拟的控制进化
结构模拟，就是根据
人脑的生理结构和工
作机理，实现计算机
的智能 。
1.3.2 人工智能的研究途径与方法
功能模拟法就是以人脑的心理
模型，将问题或知识表示成某
种逻辑网络，采用符号推演的
方法，实现搜索、推理、学习
等功能，从宏观上来模拟人脑
的思维，实现机器智能。 它是一种基于, 感知一行为, 模型的研究途径和方法。我
们称其为行为模拟法。这种方法是模拟人在控制过程中的
智能活动和行为特性，如自寻优、自适应、自学习、自组
织等，来研究和实现人工智能。
28
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
目前的计算机系统仍未彻底突破传统的冯 ·诺依曼结构, 这种二进制表
示的集中串行工作方式具有较强的逻辑运算功能和很快的算术运算速度,
但与人脑的组织结构和思维功能有很大差别 。 研究表明, 人脑大约有
1011个神经元, 并按并行分布式方式工作, 具有较强的演绎, 推理, 联
想, 学习功能和形象思维能力 。 例如, 对图像, 图形, 景物等, 人类可
凭直觉, 视觉, 通过视网膜, 脑神经对其进行快速响应与处理, 而传统
计算机却显得非常迟钝 。
如何缩小这种差距呢？要靠人工智能技术。从长远观点看，需要彻底
改变冯 ·诺依曼计算机的体系结构，研制智能计算机。但从目前条件看，
还主要靠智能程序系统来提高现有计算机的智能化程度。智能程序系统
和传统的程序系统相比，具有以下几个主要特点。
29
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
1,基于知识
知识是一切智能系统的基础, 任何智能系统的活动过程都是一个获
取知识和运用知识的过程, 而要获取和运用知识, 首先应该能够对知识
进行表示 。 所谓知识表示就是用某种约定的方式对知识进行的描述 。 在
知识表示方面目前有两种基本观点：一种是叙述性 （ Declarative） 观
点, 另一种是过程性 （ Procedural） 观点 。 叙述性知识表示观点是将知
识的表示与知识的运用分开处理, 在知识表示时不涉及如何运用知识的
问题；过程性知识表示观点是将知识的表示与知识的运用结合起来, 知
识就包含在程序之中 。 两种观点各有利弊, 目前人工智能程序采用较多
的是叙述性观点 。 当然, 也可根据具体问题的性质而定 。
30
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
2,运用推理
所谓推理 （ Reasoning） 就是根据已有知识运用某种策略推出新知
识的过程 。 事实上, 一个智能系统仅有知识是不够的, 它还必须具有思
维能力, 即能够运用知识进行推理和解决问题 。 人工智能中的推理方法
主要有经典逻辑推理, 不确定性推理和非单调性推理 。
31
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
3,启发式搜索
所谓搜索就是根据问题的现状不断寻找可利用的知识, 使问题能够
得 以解 决的过 程 。 人工智 能中 的搜索 分为 盲目搜 索和 启发 式
（ Heuristics） 搜索两种 。 所谓盲目搜索是指仅按预定策略进行搜索,
搜索中获得的信息不改变搜索过程的搜索方法 。 所谓启发式搜索则是指
能够利用搜索中获得的问题本身的一些特性信息 （ 亦称启发信息 ） 来指
导搜索过程, 使搜索朝着最有希望的方向前进 。 人工智能主要采用的是
启发式搜索策略 。
32
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
4,数据驱动方式
所谓数据驱动 （ Data Driven） 是指在系统处理的每一步, 当考
虑下一步该做什么时, 需要根据此前所掌握的数据内容 （ 亦称事实 ）
来决定 。 与数据驱动方式对应的另一种方式是程序驱动 （ Program
Driven）, 所谓程序驱动是指系统处理的每一步及下一步该做什么
都是由程序事先预定好的 。 人类在解决问题时主要使用数据驱动方
式, 因此智能程序系统也应该使用数据驱动方式, 这样会更接近于
人类分析问题, 解决问题的习惯 。
33
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
5,用人工智能语言建造系统
人工智能语言是一类适应于人工智能和知识工程领域的, 具有符号
处理和逻辑推理能力的计算机程序语言 。 它能够完成非数值计算, 知识
处理, 推理, 规划, 决策等具有智能的各种复杂问题的求解 。 人工智能
语言和传统程序设计语言相比, 具有以下主要特点,① 具有回溯和非确
定性推理功能； ② 能够进行符号形式的知识信息处理； ③ 能够动态使
用知识和动态分配存储空间； ④ 具有模式匹配和模式调用功能； ⑤ 具
有并行处理和并行分布式处理功能； ⑥ 具有信息隐蔽, 抽象数据类型,
继承, 代码共享及软件重用等面向对象方面的特征； ⑦ 具有解释推理
过程的说明功能； ⑧ 具有自学习, 自适应的开放式软件环境等 。
34
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.3.3 人工智能研究的主要特点
人工智能语言可从总体上划分为通用型和专用型两种 。 通用型人工
智能语言主要是指以 LISP为代表的函数型语言, 以 Prolog为代表的逻
辑性语言和以 C++等为代表的面向对象语言 。 专用型人工智能语言主
要是指那种由多种人工智能语言或过程语言相互结合而构成的, 具有
解决多种问题能力的专家系统开发工具和人工智能开发环境 。
35
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4 人工智能的研究领域
在大多数学科中都存在着几个不同的研究领域, 每
个领域都有其特有的感兴趣的研究课题, 研究技术和术
语 。 由于智能的复杂性, 人工智能实际上是一个大学科 。
经过 40余年的发展, 现在其技术脉络已日趋清楚, 理论
体系已逐渐形成, 应用范围不断扩展, 人工智能学科现
已分化出了许多的分支研究领域 。 下面我们从不同角度
对其作一简介 。
36
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.1 经典的人工智能研究领域
1.4.2 基于脑功能模拟的领域划分
1.4.3 基于实现技术的领域划分
1.4.4 基于应用领域的领域划分
1.4.5 基于应用系统的领域划分
1.4.6 基于计算机系统结构的领域划分
1.4.7 基于实现工具与环境的领域划分
1.4 人工智能的研究领域
37
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.1 经典的人工智能研究领域
在经典的人工智能研究中, 这样的领域包括逻辑推理与定理证明,
博弈, 自然语言处理, 专家系统, 自动程序设计, 机器学习, 人工
神经网络, 机器人学, 模式识别, 计算机视觉, 智能控制, 智能检
索, 智能调度与指挥, 智能决策支持系统, 知识发现和数据挖掘,
以及分布式人工智能等 。
值得指出的是，正如不同的人工智能子领域不是完全独立的一
样，这里所要讨论的各种智能特性也完全不是互不相关的。把它们
分开来介绍只是为了便于指出现有的人工智能程序能够做些什么和
还不能做什么。
38
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.1 经典的人工智能研究领域
1,逻辑推理与定理证明
2,博弈
3,自然语言理解
4,专家系统
5,自动程序设计
6,机器学习
7,人工神经网络
8,机器人学
9,模式识别
10,计算机视觉
11,智能控制
12,智能检索
13,智能调度与指挥
14,智能决策支持系统
15,知识发现和数据挖掘
16,分布式人工智能
39
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1,逻辑推理与定理证明
早期的逻辑演绎研究工作与问题和难题的求解相当密切 。 已经开
发出的程序能够借助于对事实数据库的操作来, 证明, 断定；其中
每个事实由分立的数据结构表示, 就像数学逻辑中由分立公式表示
一样 。 与人工智能的其它技术的不同之处是, 这些方法能够完整地
和一致地加以表示 。 也就是说, 只要本原事实是正确的, 那么程序
就能够证明这些从事实得出的定理, 而且也仅仅是证明这些定理 。
逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要
的是要找到一些方法，只把注意力集中在一个大型数据库中的有关
事实上，留意可信的证明，并在出现新信息时适时修正这些证明。
1.4.1 经典的人工智能研究领域
40
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
对数学中臆测的定理寻找一个证明或反证, 确实称得上是一项智能
任务 。 为此不仅需要有根据假设进行演绎的能力, 而且需要某些直觉
技巧 。 例如为了求证主要定理而猜测应当首先证明哪一个引理 。 一个
熟练的数学家运用他的 （ 以大量专门知识为基础的 ） 判断力能够精确
地推测出某个科目范围里哪些前已证明的定理在当前的证明中是有用
的, 并把他的主问题归结为若干子问题, 以便独立地处理它们 。 有几
个定理证明程序已在有限的程度上具有某些这样的技巧 。 1976年 7月,
美国的阿佩尔 (K,Appel)等人合作解决了长达 124年之久的难题 ——四
色定理 。 他们用三台大型计算机, 花去 1200小时 CPU时间, 并对中间结
果进行人为反复修改 500多处 。 四色定理的成功证明曾轰动计算机界 。
1.4.1 经典的人工智能研究领域
41
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
定理证明的研究在人工智能方法的发展中曾经产生过重要的影响 。
例如, 采用谓词逻辑语言的演绎过程的形式化有助于我们更清楚地理
解推理的某些子命题 。 许多非形式的工作, 包括医疗诊断和信息检索
都可以和定理证明问题一样加以形式化 。 因此, 在人工智能方法的研
究中定理证明是一个极其重要的论题 。
1.4.1 经典的人工智能研究领域
42
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
2,博弈
博弈 （ Game Playing） 是一个有关对策和斗智问题的研究领域 。 例如, 下棋,
打牌, 战争等这一类竞争性智能活动都属于博弃问题 。 博奔是人类社会和自然界
中普遍存在的一种现象, 博奔的双方可以是个人, 群体, 也可以是生物群或智能
机器, 各方都力图用自己的智力击败对方 。
人工智能的第一个大成就是发展了能够求解难题的下棋 （ 如国际象棋 ） 程序 。
在下棋程序中应用的某些技术, 如向前看几步, 并把困难的问题分成一些比较容
易的子问题, 发展成为搜索和问题归约这样的人工智能基本技术 。 今天的计算机
程序能够下锦标赛水平的各种方盘棋, 十五子棋和国际象棋 。 另一种问题求解程
序把各种数学公式符号汇编在一起, 其性能达到很高的水平, 并正在为许多科学
家和工程师所应用 。 有些程序甚至还能够用经验来改善其性能 。 1993年美国出版
了一个叫做 MACSYMA的软件, 就能进行比较复杂的数学公式符号运算 。
1.4.1 经典的人工智能研究领域
43
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
这个领域中未解决的问题包括人类棋手具有的但尚不能明确表达的能力, 如国
际象棋大师们洞察棋局的能力 。 另一个未解决的问题涉及问题的原概念, 在人工
智能中叫做问题表示的选择 。 人们常常能够找到某种思考问题的方法从而使求解
变易而解决该问题 。 到目前为止, 人工智能程序已经知道如何考虑它们要解决的
问题, 即搜索解答空间, 寻找较优的解答 。
迄今为止, 人工智能对博弈的研究多以下棋为对象, 但其目的并不是为了让计
算机与人下棋, 而主要是为了给人工智能研究提供一个试验场地, 对人工智能的
有关技术进行检验, 从而也促进这些技术的发展 。 博弈研究的一个代表性成果是
IBM公司研制的超级计算机, 深蓝, 。, 深蓝, 被称为世界上第一台超级国际象棋
电脑, 该机有 32个独立运算器, 其中每一个运算器的运算速度都在每秒 200万次以
上, 机内还装了一个包含有 200万个棋局的国际象棋程序 。, 深蓝, 于 1997年 6月
3日至 5月 11日在美国纽约曼哈顿同当时的国际象棋世界冠军苏联人卡斯帕罗夫对
弈 6局, 结果, 深蓝, 获胜 。
1.4.1 经典的人工智能研究领域
44
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
3,自然语言理解
自然语言处理也是人工智能的早期研究领域之一, 并引起进一步的重视 。 已经
编写出能够从内部数据库回答用英语提出的问题的程序, 这些程序通过阅读文本
材料和建立内部数据库, 能够把句子从一种语言翻译为另一种语言, 执行用英语
给出的指令和获取知识等 。 有些程序甚至能够在一定程度上翻译从话筒输入的口
头指令 （ 而不是从键盘打入计算机的指令 ） 。 尽管这些语言系统并不像人们在语
言行为中所做的那样好, 但是它们能够适合某些应用 。 那些能够回答一些简单询
问的和遵循一些简单指示的程序是这方面的初期成就, 它们与机器翻译初期出现
的故障一起, 促使整个人工智能语言方法的彻底变革 。 目前语言处理研究的主要
课题是：在翻译句子时, 以主题和对话情况为基础, 注意大量的一般常识 ——世
界知识和期望作用的重要性 。
1.4.1 经典的人工智能研究领域
45
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
实际语言系统的技术发展水平是用各种软件系统的有效, 前端, 来表示的 。
这些程序接收某些局部形式的输入, 但不能处理英语语法的某些微小差别, 而且
只适用于翻译某个有限讲话范围内的句子 。 人工智能在语言翻译与语音理解程序
方面已经取得的成就, 发展为人类自然语言处理的新概念 。
当人们用语言互通信息时, 他们几乎不费力地进行极其复杂却又只需要一点
点理解的过程 。 然而要建立一个能够生成和, 理解, 哪怕是片断自然语言的计算
机系统却是异常困难的 。 语言已经发展成为智能动物之间的一种通信媒介, 它在
某些环境条件下把一点, 思维结构, 从一个头脑传输到另一个头脑, 而每个头脑
都拥有庞大的高度相似的周围思维结构作为公共的文本 。 这些相似的, 前后有关
的思维结构中的一部分允许每个参与者知道对方也拥有这种共同结构, 并能够在
通信, 动作, 中用它来执行某些处理 。 语言的发展显然为参与者使用他们巨大的
计算资源和公共知识来生成和理解高度压缩和流畅的知识开拓了机会 。 语言的生
成和理解是一个极为复杂的编码和解码问题 。
1.4.1 经典的人工智能研究领域
46
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有
上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过
程 。 理解口头的和书写的片断语言的计算机系统所取得的某些进展, 其
基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知
识进行推理的某些技术 。
1.4.1 经典的人工智能研究领域
47
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
4,专家系统
专家系统 （ Expert System,简称 ES） 是一种基于知识的智能系统, 它将领域
专家的经验用知识表示方法表示出来, 并放入知识库中, 供推理机使用 。 由于专
家系统包含了大量的专家知识, 并具有使用这些知识的能力, 因此可用来解决该
领域中需要专家才能解决的问题 。 专家系统目前尚无公认的定义, 一种比较一致
的解释是：专家系统是一个能在某特定领域内, 以专家水平去解决该领域中困难
问题的计算机程序 。
一般地说, 专家系统是一个智能计算机程序系统, 其内部具有大量专家水平
的某个领域的知识与经验, 能够利用人类专家的知识和解决问题的方法来解决该
领域的问题 。 也就是说, 专家系统是一个具有大量专门知识与经验的程序系统,
它应用人工智能技术, 根据某个领域一个或多个人类专家提供的知识和经验进行
推理和判断, 模拟人类专家的决策过程, 以解决那些需要专家决定的复杂问题 。
1.4.1 经典的人工智能研究领域
48
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
近年来, 在专家系统或, 知识工程, 的研究中已经出现了成功和有效地应用
人工智能技术的趋势 。 有代表性的是, 用户与专家系统进行, 咨询对话,, 就像
他与具有某方面经验的专家进行对话一样：解释他的问题, 建议进行某些试验以
及向专家系统提出询问以求得到有关解答等 。 目前的实验系统, 在咨询任务如化
学和地质数据分析, 计算机系统结构, 建筑工程以及医疗诊断等方面, 其质量已
经达到很高的水平 。 可以把专家系统看做人类专家 （ 他们用, 知识获取模型, 与
专家系统进行人 —机对话 ） 和人类用户 （ 他们用, 咨询模型, 与专家系统进行
人 —机对话 ） 之间的媒介 。 在人工智能的这个领域里, 还有许多研究集中在使专
家系统具有解释它们的推理能力, 从而使咨询更好地为用户所接受, 又能帮助人
类专家发现系统推理过程中出现的差错 。
1.4.1 经典的人工智能研究领域
49
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
当前的研究涉及有关专家系统设计的各种问题 。 这些系统是在某个领域的专
家与系统设计者之间经过艰苦的反复交换意见之后建立起来的 。 现有的专家系统
都局限在一定范围内, 而且没有人类那种能够知道自己什么时候可能出错的感觉,
新的研究包括应用专家系统来教初学者以及请教有经验的专业人员 。
专家系统可以解决的问题一般包括解释, 预测, 诊断, 设计, 规划, 监视, 修理,
指导和控制等 。 高性能的专家系统也已经从学术研究开始而进入实际应用研究 。
专家系统作为人工智能中最活跃, 发展最快的一个分支, 已广泛应用于工业, 农
业, 医学, 地质, 气象, 交通, 军事, 法律, 空间技术, 环境科学和信息管理等
众多领域, 并产生了巨大的经济效益和社会效益 。
随着人工智能整体水平的提高, 专家系统也获得发展 。 正在开发的新一代专
家系统有分布式专家系统和协同式专家系统等 。 在新一代专家系统中, 不但采用
基于规则的方法, 而且采用基于模型的原理 。
1.4.1 经典的人工智能研究领域
50
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
5,自动程序设计
自动程序设计也许并不是人类知识的一个十分重要的方面, 但是它本
身却是人工智能的一个重要研究领域 。 已经研制出能够以各种不同的目
的描述 （ 例如输入／输出对, 高级语言描述, 甚至英语描述算法 ） 来编
写计算机程序 。 这方面的进展局限于少数几个完全现成的例子 。 对自动
程序设计的研究不仅可以促进半自动软件开发系统的发展, 而且也使通
过修正自身数码进行学习 （ 即修正它们的性能 ） 的人工智能系统得到发
展 。 程序理论方面的有关研究工作对人工智能的所有研究工作都是很重
要的 。
1.4.1 经典的人工智能研究领域
51
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
自动程序设计研究的重大贡献之一是作为问题求解策略的调整概念 。
已经发现, 对程序设计或机器人控制问题, 先产生一个不费事的有错误
的解, 然后再修改它 (使它正确工作 ),这种做法一般要比坚持要求第一
个解就完全没有缺陷的做法有效得多 。
1.4.1 经典的人工智能研究领域
52
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
6,机器学习
学习能力无疑是人工智能研究上最突出和最重要的一个方面 。 人工智
能在这方面的研究近年来取得了一些进展 。
学习是人类智能的主要标志和获得知识的基本手段 。 机器学习 （ 自动
获取新的事实及新的推理算法 ） 是使计算机具有智能的根本途径 。 正如
香克 (R,Shank)所说：, 一台计算机若不会学习, 就不能称为具有智能
的 。, 此外, 机器学习还有助于发现人类学习的机理和揭示人脑的奥秘 。
所以这是一个始终得到重视, 理论正在创立, 方法日臻完善, 但远未达
到理想境地的研究领域 。
1.4.1 经典的人工智能研究领域
53
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
一个学习过程本质上是学习系统把导师 (或专家 )提供的信息转换成能被系统
理解并应用的形式 。 按系统对导师的依赖程度可将学习方法分类为,
(1) 机械式学习 (Rote learning)
(2) 讲授式学习 (Learning from instruction)
(3) 类比学习 (Learning by analogy)
(4) 归纳学习 (Learning from induction)
(5) 观察发现式学习 (Learning by observation & discovery)
(6) 基于解释的学习 。
(7) 基于事例的学习 。
(8) 基于概念的学习 。
(9) 基于神经网络的学习 。
(10) 遗传学习等 。
1.4.1 经典的人工智能研究领域
54
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
7,人工神经网络
由于冯 ·诺依曼 (Van Neumann)体系结构的局限性, 数字计算机存在一
些尚无法解决的问题 。 例如, 基于逻辑思维的知识处理, 在一些比较简
单的知识范畴内能够建立比较清楚的理论框架, 部分地表现出人的某些
智能行为；但是, 在视觉理解, 直觉思维, 常识与顿悟等问题上显得力
不从心 。 这种做法与人类智能活动有许多重要差别 。 传统的计算机不具
备学习能力, 无法快速处理非数值计算的形象思维等问题, 也无法求解
那些信息不完整, 不确定性和模糊性的问题 。 人们一直在寻找新的信息
处理机制, 神经网络计算就是其中之一 。
1.4.1 经典的人工智能研究领域
55
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
8,机器人学
人工智能研究日益受到重视的另一个分支是机器人学, 其中包括对操
作机器人装置程序的研究 。 这个领域所研究的问题, 从机器人手臂的最
佳移动到实现机器人目标的动作序列的规划方法, 无所不包 。 尽管已经
建立了一些比较复杂的机器人系统, 不过现正在工业上运行的成千上万
台机器人, 都是一些按预先编好的程序执行某些重复作业的简单装置 。
大多数工业机器人是, 盲人,, 而某些机器人能够用电视摄像机来
,看, 。 电视摄像机发送一组信息返回计算机 。 处理视觉信息是人工智
能另一个十分活跃和十分困难的研究领域 。 已经开发的程序能够识别可
见景物的实体与阴影, 甚至能够辨别出两幅图像间 （ 例如在航空侦察中 ）
的细小差别 。
1.4.1 经典的人工智能研究领域
56
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
机器人和机器人学的研究促进了许多人工智能思想的发展 。 它所导致
的一些技术可用来模拟世界的状态, 用来描述从一种世界状态转变为另
一种世界状态的过程 。 它对于怎样产生动作序列的规划以及怎样监督这
些规划的执行有了一种较好的理解 。 复杂的机器人控制问题迫使我们发
展一些方法, 先在抽象和忽略细节的高层进行规划, 然后再逐步在细节
越来越重要的低层进行规划 。
智能机器人的研究和应用体现出广泛的学科交叉, 涉及众多的课题,
如机器人体系结构, 机构, 控制, 智能, 视觉, 触觉, 力觉, 听觉, 机
器人装配, 恶劣环境下的机器人以及机器人语言等 。 机器人已在各种工
业, 农业, 商业, 旅游业, 空中和海洋以及国防等领域获得越来越普遍
的应用 。
1.4.1 经典的人工智能研究领域
57
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
9,模式识别
计算机硬件的迅速发展, 计算机应用领域的不断开拓, 急切地要求计
算机能更有效地感知诸如声音, 文字, 图像, 温度, 震动等等人类赖以
发展自身, 改造环境所运用的信息资料 。 但就一般意义来说, 目前计算
机却无法直接感知它们, 键盘, 鼠标等外部设备, 对于这样五花八门的
外部世界显得无能为力 。 纵然电视摄像机, 图文扫描仪, 话筒等硬设备
业已解决了上述非电信号的转换, 并与计算机联机；但由于识别技术不
高, 而未能使计算机真正知道所采录的究竟是什么信息 。 计算机对外部
世界感知能力的低下, 成为开拓计算机应用的狭窄瓶颈, 也与其高超的
运算能力形成强烈的对比 。 于是, 着眼于拓宽计算机的应用领域, 提高
其感知外部信息能力的学科 ——模式识别便得到迅速发展 。
1.4.1 经典的人工智能研究领域
58
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
,模式, (Pattern)一词的本意是指完美无缺的供模仿的一些标本 。 于是, 模式
识别就是指识别出给定物体所模仿的标本 。 人们生产和生活都离不开模式识别 。
但人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对
人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机
系统具有模拟人类通过感官接受外界信息, 识别和理解周围环境的感知能力 。
模式识别是一个不断发展的新学科, 它的理论基础和研究范围也在不断发展 。 随
着生物医学对人类大脑的初步认识, 模拟人脑构造的计算机实验即人工神经网络
方法早在 20世纪 50年代末, 60年代初就已经开始 。 至今, 在模式识别领域, 神经
网络方法已经成功地用于手写字符的识别, 汽车牌照的识别, 指纹识别, 语音识
别等方面 。 目前模式识别学科正处于大发展的阶段, 随着应用范围的不断扩大,
随着计算机科学的不断进步, 基于人工神经网络的模式识别技术, 在本世纪将有
更大的发展 。
1.4.1 经典的人工智能研究领域
59
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
10,计算机视觉
计算机视觉或机器视觉已从模式识别的一个研究领域发展为一门独立
的学科 。 在视觉方面, 已经给计算机系统装上电视输入装置以便能够
,看见, 周围的东西 。 视觉是感知问题之一 。 在人工智能中研究的感知
过程通常包含一组操作 。 例如, 可见的景物由传感器编码, 并被表示为
一个灰度数值的矩阵 。 这些灰度数值由检测器加以处理 。 检测器搜索主
要图像的成分, 如线段, 简单曲线和角度等 。 这些成分又被处理, 以便
根据景物的表面和形状来推断有关景物的三维特性信息 。 其最终目标则
是利用某个适当的模型来表示该景物 。
1.4.1 经典的人工智能研究领域
60
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
计算机视觉通常可分为低层视觉与高层视觉两类 。 并非人工智能的全
部领域都是围绕着知识处理的, 计算机低层视觉就是一例 。 低层视觉主
要执行预处理功能, 如边缘检测, 动目标检测, 纹理分析, 通过阴影获
得形状, 立体造型, 曲面色彩等 。 其目的是使被观察的对象更突显出来,
这时还谈不到对它的理解 。 高层视觉则主要是理解所观察的形象, 也只
有这时才显示出掌握与所观察的对象相关联的知识的重要性 。
机器视觉的前沿研究领域包括实时并行处理, 主动式定性视觉, 动态
和时变视觉, 三维景物的建模与识别, 实时图像压缩传输和复原, 多光
谱和彩色图像的处理与解释等 。 机器视觉已在机器人装配, 卫星图像处
理, 工业过程监控, 飞行器跟踪和制导以及电视实况转播等领域获得极
为广泛的应用 。
1.4.1 经典的人工智能研究领域
61
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
11,智能控制
人工智能的发展促进自动控制向智能控制发展 。 智能控制是一类无需
（ 或需要尽可能少的 ） 人的干预就能够独立地驱动智能机器实现其目标
的自动控制 。 或者说, 智能控制是驱动智能机器自主地实现其目标的过
程 。 许多复杂的系统, 难以建立有效的数学模型和用常规控制理论进行
定量计算与分析, 而必须采用定量数学解析法与基于知识的定性方法的
混合控制方式 。 随着人工智能和计算机技术的发展, 已可能把自动控制
和人工智能以及系统科学的某些分支结合起来, 建立一种适用于复杂系
统的控制理论和技术 。 智能控制正是在这种条件下产生的 。 它是自动控
制的最新发展阶段, 也是用计算机模拟人类智能的一个重要研究领域 。
1.4.1 经典的人工智能研究领域
62
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
智能控制有很多研究领域, 它们的研究课题既具有独立性, 又相互关
联 。 目前研究得较多的是以下 6个方面：智能机器人规划与控制, 智能过
程规划, 智能过程控制, 专家控制系统, 语音控制以及智能仪器 。
智能控制是一门形成不久的新生学科, 无论在理论上或实践上, 都还很
不成熟, 很不完善, 有待进一步研究与发展 。 作为当今自动控制最高水
平的智能控制, 近年来已获迅速发展, 应用日益普遍, 并已引起高度重
视 。 尽管在智能控制方面的每一进展都可能要付出艰苦劳动和昂贵代价,
然而, 随着人工智能技术, 机器人技术, 航天技术, 海洋工程, 计算机
集成制造技术和计算机技术的迅速发展, 智能控制必将迎来它的发展新
时期, 为自动化科学技术的发展谱写新篇章 。
1.4.1 经典的人工智能研究领域
63
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
12,智能检索
随着科学技术的迅速发展, 出现了, 信息爆炸, 的情况 。 对国内外种类繁多和
数量巨大的科技文献之检索远非人力和传统检索系统所能胜任 。 研究智能检索系
统已成为科技持续快速发展的重要保证 。
数据库系统是储存某学科大量事实的计算机软件系统, 它们可以回答用户提出
的有关该学科的各种问题 。 例如, 假设这些事实是某公司的人事档案 。 这个数据
库中的某些条款可以代表下列事实：, 张强在采购部工作,,, 张强在 1995年 8
月 15日退休,,, 采购部共有 15名工作人员, 和, 李明是采购部经理, 等等 。
数据库系统的设计也是计算机科学的一个活跃的分支 。 为了有效地表示, 存储
和检索大量事实, 已经发展了许多技术 。 当我们想用数据库中的事实进行推理并
从中检索答案时, 这个课题就显得很有意义 。
1.4.1 经典的人工智能研究领域
64
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
13,智能调度与指挥
确定最佳调度或组合的问题是我们感兴趣的又一类问题 。 一个经典的问题就
是推销员旅行问题 。 这个问题要求为推销员寻找一条最短的旅行路线 。 他从某
个城市出发, 访问每个城市一次, 且只许一次, 然后回到出发的城市 。 这个问
题的一般提法是：对由 n个节点组成的一个图的各条边, 寻找一条最小费用的路
径, 使得这条路径对 n个节点的每个点只许穿过一次 。 许多问题具有这类相同的
特性 。
属于计算理论家称为 NP-完全一类的问题 。 他们根据理论上的最佳方法计算
出所耗时间 (或所走步数 )的最坏情况来排列不同问题的难度 。 该时间或步数是
随着问题大小的某种量度 (在推销员旅行问题中, 城市数目就是问题大小的一种
量度 )增长的 。 譬如说, 问题的难度将随着问题大小按线性, 或多项式, 或指数
方式增长 。
1.4.1 经典的人工智能研究领域
65
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
人工智能学家们曾经研究过若干组合问题的求解方法。他们的努力
集中在使, 时间 —问题大小, 曲线的变化尽可能缓慢地增长，即使是必
须按指数方式增长。有关问题域的知识再次成为比较有效的求解方法的
关键。为处理组合问题而发展起来的许多方法对其它组合上不甚严重的
问题也是有用的。
智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与
指挥、空中交通管制以及军事指挥等系统。它已引起有关部门的重视。
1.4.1 经典的人工智能研究领域
66
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
14．智能决策支持系统
智能决策支持系统 （ Intelligent Decision Support Systems,简称
IDSS） 是决策支持系统 （ Decision Support Systems,简称 DSS） 与人工
智能 （ Artificial Intelligence,简称 AI） 相结合的产物, 它将人工智能中的知
识表示与处理的思想引入到 DSS,其独特的研究方法和广泛的发展前途使之一
出现就成为决策支持技术研究的热点 。
智能决策支持系统是以信息技术为手段, 应用管理科学, 计算机科学及有关
学科的理论和方法, 针对半结构化和非结构化的决策问题, 通过提供背景材料
,协助明确问题, 修改完善模型, 列举可能方案, 进行分析比较等方式, 为管
理者做出正确决策提供帮助的智能型人机交互信息系统 。
1.4.1 经典的人工智能研究领域
67
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
15．知识发现和数据挖掘
知识发现 （ Knowledge Discovery in Database） 和数据挖掘 （
Data Mining） 是在数据库的基础上实现的一种知识发现系统 。 它是通
过综合运用统计学, 粗糙集, 模糊数学, 机器学习和专家系统等多种学
习手段和方法, 从数据库中提炼和抽取知识, 从而可以揭示出蕴含在这
些数据背后的客观世界的内在联系和本质原理, 实现知识的自动获取 。
传统的数据库技术仅限于对数据库的查询和检索, 不能从数据库中提取
知识, 使得数据库中所蕴含的丰富知识被白白浪费 。 知识发现和数据挖
掘以数据库作为知识源去抽取知识, 不仅可以提高数据库中数据的利用
价值, 同时也为专家系统的知识获取开辟了一条新的途径 。
1.4.1 经典的人工智能研究领域
68
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
16．分布式人工智能
分布式人工智能 （ Distributed Artificial Intelligence,简称 DAI） 是随着
计算机网络, 计算机通信和并发程序设计技术而发展起来的一个新的人工智能
研究领域 。 它主要研究在逻辑或物理上分散的智能系统之间如何相互协调各自
的智能行为, 实现问题的并行求解 。 分布式人工智能的研究为在计算机网络环
境下设计和建立大型复杂智能系统提供了一条有效途径, 体现了新一代软件设
计的思想, 是当前人工智能研究的一个热点 。
分布式人工智能的研究目前有两个主要方向：一个是分布式问题求解，另一
个是多智能主体系统。分布式问题求解的主要任务是要创建一个可以对某一问
题进行共同求解的协作群体；多智能主体系统不限于单一目标，其主要任务是
要创建一个多智能主体之间能够相互协调智能行为的、可以共同处理单个目标
和多个目标的智能群体。
1.4.1 经典的人工智能研究领域
69
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
按照人脑的功能模拟，可以将人工智能的研究领域划分为：机
器感知、机器联想、机器推理、机器学习、机器理解、机器行为等。
1．机器感知
2．机器联想
3．机器推理
4．机器学习
5．机器理解
6．机器行为
70
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
1．机器感知
机器感知就是计算机直接, 感觉, 周围世界 。 具体来讲, 就是计
算机像人一样通过, 感觉器官, 直接从外界获取信息 。 如通过视觉
器官获取图形, 图像信息, 通过听觉器官获取声音信息 。 所以, 要
使机器具有感知能力, 就首先必须给机器配置各种感觉器官, 如视
觉器官, 听觉器官, 嗅觉器官等等 。 于是, 机器感知还可以再分为
机器视觉, 机器听觉等 。
要研究机器感知，首先要涉及图像、声音等信息的识别问题。为
此，现在已发展了一门称为“模式识别”的专门学科，模式识别的
主要目标就是用计算机来模拟人的各种识别能力，当前主要是对视
觉能力和听觉能力的模拟，并且主要集中于图形识别和语音识别。
71
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
2．机器联想
仔细分析人脑的思维过程，可以发现，联想实际是思维过程中最基本、
使用最频繁的一种功能。例如，当听到一段乐曲，我们头脑中可能会立即浮
现出几十年前的某一个场景，甚至一段往事，这就是联想。所以，计算机要
模拟人脑的思维就必须具有联想功能。要实现联想无非就是建立事物之间的
联系。在机器世界里面就是有关数据、信息或知识之间的联系。当然，建立
这种联系的办法很多，比如用指针、函数、链表等等。我们通常的信息查询
就是这样做的。但传统方法实现的联想，只能对于那些完整的、确定的 (输
入 )信息，联想起 (输出 )有关的信息。这种“联想”与人脑的联想功能相差
甚远。人脑能对那些残缺的、失真的、变形的输入信息，仍然可以快速准确
地输出联想响应。例如，多年不见的老朋友 (面貌已经变化 )，仍能一眼认出。
72
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
从机器内部的实现方法来看, 传统的信息查询是基于传统数字计
算机的按地址存取方式进行的；而研究表明, 人脑的联想功能是基
于神经网络的按内容记忆方式进行的 。 也就是说, 只要是内容相关
的事情, 不管在哪里 (与存储地址无关 ),都可由其相关的内容被想
起 。 例如, 苹果这一概念, 一般有形状, 大小, 颜色等特征, 我们
所要介绍的内容记忆方式就是由形状 (比如苹果是圆形的 )想起颜色,
大小等特征, 而不需要关心其内部地址 。
当前，对机器联想功能的研究中，人们就是利用这种按内容记忆
原理，采用一种称为“联想存储”的技术实现联想功能。
73
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
联想存储的特点是,
(1) 可以存储许多相关 (激励, 响应 )模式对；
(2) 通过自组织过程可以完成这种存储；
(3) 以分布, 稳健的方式 (可能会有很高的冗余度 )存储信息；
(4) 可以根据接收到的相关激励模式产生并输出适当的响应模式；
(5) 即使输入激励模式失真或不完全时, 仍然可以产生正确的响应模式；
(6) 可在原存储中加入新的存储模式 。
联想存储可分为矩阵联想存储, 全息联想存储, Walsh联想存储和网络
联想存储等 。
74
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
3,机器推理
机器推理就是计算机推理, 也称自动推理 。 它是人工智能的核心
课题之一 。 因为, 推理是人脑的一个基本功能和重要功能 。 事实上,
几乎所有的人工智能领域都与推理有关 。 因此, 要实现人工智能,
就必须将推理的功能赋予机器, 实现机器推理 。
我们知道, 所谓推理, 就是从一些已知判断 (称为前提 )推出一个
新判断 (称为结论 )的思维过程 。 在形式逻辑中, 推理分为演绎推理,
归纳推理和类比推理等基本类型 。 但我们这里的机器推理只包括其
中的演绎推理 。 此外, 还包括那些非逻辑的基于指令性规则的操作
变换式的, 推理, 。 总之, 这里的机器推理是广义的推理 。
75
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
5,机器理解
机器理解主要包括自然语言理解和图形理解等 。
自然语言理解就是计算机理解人类的自然语言, 如汉语, 英语等, 并包
括口头语言和文字语言两种形式 。 试想, 计算机如果能理解人类的自然语言,
那么计算机的使用将会变得十分方便和简单, 而且机器翻译也将真正成为现
实 。
图形理解是图形识别的自然延伸, 也是计算机视觉的组成部分 。 对于三
维图形的理解称为物景分析 。 20世纪 70年代前, 物景分析多限于简单的积
木世界 。 70年代后, 物景分析已进入比较复杂的世界, 如识别曲线物体,
在复杂的背景中寻找目标以及室外物景分析等等 。
76
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.2 基于脑功能模拟的领域划分
6,机器行为
机器行为主要指机器人行动规划 。 它是智能机器人的核心技术,
规划功能的强弱反映了智能机器人的智能水平 。 因为, 虽然感知能
力可使机器人认识对象和环境, 但解决问题, 还要依靠规划功能拟
定行动步骤和动作序列 。 例如, 给定工件装配任务, 机器人按照什
么步骤去操作每个工件？ 在杂乱的环境下, 机器人如何寻求避免与
障碍碰撞的路径, 去接近某个目标？ 机器人规划系统的基本任务是：
在一个特定的工作区域中自动地生成从初始状态到目标状态的动作
序列, 运动路径和轨迹的控制程序 。
77
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.3 基于实现技术的领域划分
按照人工智能的实现技术, 可以将人工智能的研究领域划分为：
知识工程与符号处理技术, 神经网络技术等 。
1．知识工程与符号处理技术
知 识 工 程 是 1977 年 美 国 斯 坦 福 大 学 的 费 根 鲍 姆 (E,A,
Feigenbaum)教授提出的概念, 它涉及知识获取, 知识表示, 知识管
理, 知识运用以及知识库与知识库管理系统等一系列知识处理技术 。
这一技术是以知识为中心的观点来组织智能系统的 。
符号处理技术指基于符号演算的推理技术和学习技术，符号处理
技术实际是知识工程的基础技术。如前所述，这一领域一直是人工智
能的主要研究领域。
78
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
2．神经网络技术
这一领域主要研究各种神经网络模型及其学习算
法。这一领域是当前人工智能研究的一个十分活跃且
很有前途的分支领域。
1.4.3 基于实现技术的领域划分
79
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
按照人工智能的应用领域，可以将人工智能的研究领域划分为,
1,问题求解
2．自动定理证明
3．自动程序设计
4．自动翻译
5．智能控制
6．智能管理
7．智能决策
8．智能通信
9．智能仿真
10．智能 CAD
11．智能 CAI
80
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
1,问题求解
这里的问题, 即难题, 主要指那些没有算法解, 或虽有算法解但在现有
机器上无法实施或无法完成的困难问题 。 例如：路径规划, 运输调度, 电力
调度, 地质分析, 测量数据解释, 天气预报, 市场预测, 股市分析, 疾病诊
断, 故障诊断, 军事指挥, 机器人行动规划, 机器博弈等等 。 在这些难题中,
有些是组合数学理论中所称的 NP(Nondeterministic Polynomial,即非确
定型多项式 )问题或 NP完全 (即 NPC,Nondeterministic Polynomial
Complete)问题 。 NP问题是指那些既不能证明其算法复杂性超出多项式界,
但又未找到有效算法的一类问题, 而 NP完全问题又是 NP问题中最困难的一
种问题 。 例如, 有人证明过排课表问题就是一个 NP完全性问题 。
81
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
2．自动定理证明
自动定理证明就是机器定理证明, 这也是人工智能的一个重要的研究领
域, 也是最早的研究领域之一 。 定理证明是最典型的逻辑推理问题之一, 它
在发展人工智能方法上起过重大作用 。 如关于谓词演算中推理过程机械化的
研究, 帮助我们更清楚地了解到某些机械化推理技术的组成情况 。 很多非数
学领域的任务如医疗诊断, 信息检索, 规划制定和难题求解, 都可以转化成
一个定理证明问题 。 所以自动定理证明的研究具有普遍的意义 。
自动定理证明的方法主要有四类,
(1) 自然演绎法 。
(2) 判定法 。
(3) 定理证明器 。
(4) 计算机辅助证明。
82
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
3．自动程序设计
自动程序设计就是让计算机设计程序。具体来讲，就是人只要给出关于
某程序要求的非常高级的描述，计算机就会自动生成一个能完成这个要求目
标的具体程序。所以，这相当于给机器配置了一个“超级编译系统”，它能
够对高级描述进行处理，通过规划过程，生成所需的程序。但这只是自动程
序设计的主要内容，它实际是程序的自动综合。自动程序设计还包括程序自
动验证，即自动证明所设计程序的正确性。这样，自动程序设计也是人工智
能和软件工程相结合的课题。
83
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
4．自动翻译
自动翻译即机器翻译, 就是完全用计算机作为两种语言之间的翻译 。 机器
翻译由来已久 。 早在电子计算机问世不久, 就有人提出了机器翻译的设想 。
随后就开始了这方面的研究 。 当时人们总以为只要用一部双向词典及一些语
法知识就可以实现两种语言文字间的机器互译, 结果遇到了挫折 。 例如当把
,光阴似箭, 的英语句子, Time flies like an arrow.”翻译成日语, 然后再
翻译回来的时候, 竟变成了, 苍蝇喜欢箭, ；又如, 当把, 心有余而力不足,
的英语句子, The spirit is willing but the flesh is weak”翻译成俄语, 然
后再翻译回来时竟变成了, 酒是好的, 肉变质了,, 即, The wine is good
but the meat is spoiled”。 这些问题的出现才使人们发现, 机器翻译并非
想象的那么简单, 并使得人们认识到, 单纯地依靠, 查字典, 的方法不可能
解决翻译问题, 只有在对语义理解的基础上, 才能做到真正的翻译 。 所以,
机器翻译的真正实现, 还要靠自然语言理解方面的突破 。
84
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
5．智能控制
智能控制具有两个显著的特点：第一, 智能控制是同时具有知识表示的非
数学广义世界模型和传统数学模型混合表示的控制过程, 也往往是含有复杂
性, 不完全性, 模糊性或不确定性以及不存在已知算法的过程, 并以知识进
行推理, 以启发来引导求解过程 。 第二, 智能控制的核心在高层控制, 即组
织级控制, 其任务在于对实际环境或过程进行组织, 即决策与规划, 以实现
广义问题求解 。
85
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
智能控制系统的智能可归纳为以下几方面,
(1) 先验智能：有关控制对象及干扰的先验知识, 可以从一开始就考虑到
控制系统的设计中；
(2) 反应性智能：在实时监控, 辨识及诊断的基础上, 对系统及环境变化
的正确反应能力；
(3) 优化智能：包括对系统性能的先验性优化及反应性优化；
(4) 组织与协调智能：表现为对并行耦合任务或子系统之间的有效管理与
协调 。
智能控制的开发, 目前认为有以下途径,
(1) 基于专家系统的专家智能控制；
(2) 基于模糊推理和计算的模糊控制；
(3) 基于人工神经网络的神经网络控制；
(4) 综合以上三种方法的综合型智能控制。
86
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
6,智能管理
智能管理就是把人工智能技术引入管理领域, 建立智能管理系统 。 智能管
理是现代管理科学技术发展的新动向 。 智能管理是人工智能与管理科学, 系
统工程, 计算机技术及通信技术等多学科, 多技术互相结合, 互相渗透而产
生的一门新技术, 新学科 。 它研究如何提高计算机管理系统的智能水平, 以
及智能管理系统的设计理论, 方法与实现技术 。
智能管理系统是在管理信息系统, 办公自动化系统, 决策支持系统的功能
集成, 技术集成的基础上, 应用人工智能专家系统, 知识工程, 模式识别,
人工神经网络等方法和技术, 进行智能化, 集成化, 协调化, 设计和实现的
新一代的计算机管理系统 。
87
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
7,智能决策
智能决策支持系统是在传统决策支持系统的基础上发展起来的, 由传统决
策支持系统再加上相应的智能部件就构成了智能决策支持系统 。 智能部件可
以有多种模式, 例如专家系统模式, 知识库系统模式等 。 专家系统模式是把
专家系统作为智能部件, 这是目前比较流行的一种模式 。 该模式适合于以知
识处理为主的问题, 但它与决策支持系统的接口比较困难 。 知识库系统模式
是以知识库作为智能部件 。 在这种情况下, 决策支持系统就是由模型库, 方
法库, 数据库, 知识库组成的四库系统 。 这种模式接口比较容易实现, 其整
体性能也较好 。
88
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
一般来说, 智能部件中可以包含如下一些知识,
(1) 建立决策模型和评价模型的知识 。
(2) 如何形成候选方案的知识 。
(3) 建立评价标准的知识 。
(4) 如何修正候选方案, 从而得到更好候选方案的知识 。
(5) 完善数据库, 改进对它的操作及维护的知识 。
89
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
8,智能通信
智能通信就是把人工智能技术引入通信领域, 建立智能通信系统 。 智能
通信就是在通信系统的各个层次和环节上实现智能化 。 例如在通信网的网控,
转接, 信息转换等环节, 都可实现智能化 。 这样, 网络就可运行在最佳状态,
使呆板的网变成活化的网, 使其具有自适应, 自组织, 自学习, 自修复等功
能 。
90
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
9,智能仿真
智能仿真就是将人工智能技术引入仿真领域, 建立智能仿真系统 。 我们知道,
仿真是对动态模型的实验, 即行为产生器在规定的实验条件下驱动模型, 从而
产生模型行为 。 具体地说, 仿真是在三种类型知识 —— 描述性知识, 目的性知
识及处理知识的基础上产生另一种形式的知识 —— 结论性知识 。 因此可以将仿
真看作是一个特殊的知识变换器, 从这个意义上讲, 人工智能与仿真有着密切
的关系 。 利用人工智能技术能对整个仿真过程 (包括建模, 实验运行及结果分析 )
进行指导, 能改善仿真模型的描述能力, 在仿真模型中引进知识表示将为研究
面向目标的建模语言打下基础, 提高仿真工具, 面向用户, 面向问题的能力 。
从另一方面来讲, 仿真与人工智能相结合可使仿真更有效地用于决策, 更好地
用于分析, 设计及评价知识库系统, 从而推动人工智能技术的发展 。 正是基于
这些方面, 近年来, 将人工智能特别是专家系统与仿真相结合, 就成为仿真领
域中一个十分重要的研究方向, 引起了大批仿真专家的关注 。
91
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
10,智能 CAD
智能 CAD(简称 ICAD)就是把人工智能技术引入计算机辅助设计领域, 建立智能 CAD
系统 。 事实上, AI几乎可以应用到 CAD技术的各个方面 。 从目前发展的趋势来看, 至少
有下述四个方面,
(1) 设计自动化 。
(2) 智能交互 。
(3) 智能图形学 。
(4) 自动数据采集 。
从具体技术来看, ICAD技术大致可分为如下几种方法,
(1) 规则生成法 。
(2) 约束满足方法 。
(3) 搜索法 。
(4) 知识工程方法 。
(5) 形象思维方法 。
92
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.4 基于应用领域的领域划分
11,智能 CAI
智能 CAI就是把人工智能技术引入计算机辅助教学领域, 建立智能 CAI系统,
即 ICAI。 ICAI的特点是能对学生因才施教地进行指导 。 为此, ICAI应具备下列
智能特征,
(1) 自动生成各种问题与练习 。
(2) 根据学生的水平和学习情况自动选择与调整教学内容与进度 。
(3) 在理解教学内容的基础上自动解决问题生成解答 。
(4) 具有自然语言的生成和理解能力 。
(5) 对教学内容有解释咨询能力 。
(6) 能诊断学生错误, 分析原因并采取纠正措施 。
(7) 能评价学生的学习行为 。
(8) 能不断地在教学中改善教学策略 。
93
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
按照应用系统, 可以将人工智能的研究领域划分为：专家系统,
知识库系统, 智能数据库系统, 智能机器人系统等 。
1．专家系统
2．知识库系统
3．智能数据库系统
4．智能机器人系统
94
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
1,专家系统
所谓专家系统, 就是基于人类专家知识的程序系统 。 专家系统的
特点是拥有大量的专家知识 (包括领域知识和经验知识 ),能模拟专
家的思维方式, 面对领域中复杂的实际问题, 能做出专家水平级的
决策, 象专家一样解决实际问题 。
专家系统的出现, 大大推动了人工智能的发展, 使人工智能真正
从实验走向实际, 开始了以知识为中心的人工智能新时代 。
95
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
2,知识库系统
所谓知识库系统, 从概念来讲, 它可以泛指所有包含知识库的计算机系统
(这是广义理解 )；也可以仅指拥有某一领域专门知识以及常识的知识咨询系统
(这是一种狭义理解 ),按广义理解, 专家系统, 智能数据库系统等也都是知识
库系统 。 这里我们对知识库系统按狭义理解 。
与数据库系统类似, 知识库系统的结构包括知识库和知识库管理系统 。 知识
库包括领域的一些基本事实和有关规则等 。 知识库管理系统负责对知识库的维
护, 更新和咨询等 。 这种知识库的咨询不同于数据库的查询, 它不是根据用户
的询问, 直接从数据库中检索出有关答案, 而是运用知识库中的知识, 通过推
理而间接地得到有关答案 。 所以, 从某种意义上看, 数据库中存放的是显式的
数据, 而知识库中存放的是隐式的数据 。 另一方面, 从知识库的内容来看, 其
基础仍然是数据 。 所以, 知识库系统实际上是数据库系统的发展和提高 。
96
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
事实上, 知识库系统也正是从数据库系统发展演化而来的 。 例如, 人们给关
系数据库加上规则和推理模块, 就可实现所谓的演绎数据库 。 而演绎数据库也
可看作是一种知识库 。
从需求上讲, 知识库系统也是从数据处理到知识处理的必然结果 。 人们研究
知识库, 是从两个方向进行的 。 一个方向是从 AI出发, 另一个方向从数据库出
发, 二者现在已不谋而合, 交汇于一处了 。 事实上, 随着数据库理论研究的深
入, 在模型论的基础上, 从经典数据库模型发展到更注重语义联系的, 更高抽
象层次的概念数据模型 。 这些抽象模型实质上已经和从 AI角度提出的若干知识
表示方式十分类似 。
从数据库出发来研究知识库, 可以从数据库和数据库管理系统中取得借鉴和启
发 。 在这方面目前有两个重要的研究方向：一个是从面向对象的数据库系统出
发来研究面向对象的知识库系统；另一个是由主动数据库得到启发来研究主动
知识库 。
97
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.5 基于应用系统的领域划分
3,智能数据库系统
智能数据库系统就是给传统数据库系统中再加上智能成分 。 例如对象数据库,
主动数据库等等, 都是智能数据库系统 。
4,智能机器人系统
智能机器人是这样一类机器人：它能认识工作环境, 工作对象及其状态, 能根
据人给予的指令和, 自身, 认识外界的结果来独立地决定工作方法, 实现任务
目标, 并能适应工作环境的变化 。 具体来讲, 智能机器人应具备四种机能：感
知机能, 思维机能, 人 — 机通信机能和运动机能 。 智能机器人的特征就在于它
与外部世界的对象, 环境和人相协调的工作机制, 智能机器人系统的实现技术,
要综合运用人工智能的各种技术, 或者说, 智能机器人系统是人工智能技术的
全面体现和综合运用 。
98
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
1 智能操作系统
2 智能多媒体系统
3 智能计算机系统
4 智能网络系统
99
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
1,智能操作系统
智能操作系统就是将人工智能技术引入计算机的操作系统之中, 从质上
提高操作系统的性能和效率 。
智能操作系统的基本模型, 将以智能机为基础, 并能支撑外层的 AI应用
程序, 以实现多用户的知识处理和并行推理 。 智能操作系统主要有三大特
点：并行性, 分布性和智能性 。 并行性是指能够支持多用户, 多进程, 同
时进行逻辑推理和知识处理；分布性是指把计算机的硬件和软件资源分散
而又有联系地组织起来, 能支持局域网或远程网处理；智能性又体现于三
方面：一是操作系统所处理的对象是知识对象, 具有并行推理和知识操作
功能, 支持智能应用程序的运行；二是操作系统本身的绝大部分程序也将
使用 AI程序 (规则和事实 )编制, 充分利用硬件并行推理功能；三是其系统
管理应具有较高智能程度的自动管理维护功能, 如故障的监控分析等, 以
帮助系统维护人员做出必要的决策 。
100
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
2,智能多媒体系统
多媒体技术是当前计算机最为热门的研究领域之一 。 多媒体计算
机系统就是能综合处理文字, 图形, 图像和声音等多种媒体信息的
计算机系统 。 智能多媒体就是将人工智能技术引入多媒体系统, 使
其功能和性能得到进一步发展和提高 。 事实上, 多媒体技术与人工
智能所研究的机器感知, 机器理解等技术也正好不谋而合 。 所以,
智能多媒体实际上是人工智能与多媒体技术的有机结合 。 人工智能
的计算机视听觉, 语音识别与理解, 语音对译, 信息智能压缩等技
术运用于多媒体系统, 将会使现在的多媒体系统产生质的飞跃 。
101
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.6 基于计算机系统结构的领域划分
3,智能计算机系统
智能计算机系统就是人们正在研制的新一代计算机系统 。 这种计算机系统
从基本元件到体系结构, 从处理对象到编程语言, 从使用方法到应用范围,
同当前的冯 ·诺依曼型计算机相比, 都有质的飞跃和提高, 它将全面支持智
能应用开发, 且自身就具有智能 。
4,智能网络系统
智能网络系统就是将人工智能技术引入计算机网络系统 。 如在网络控制,
信息检索与转换, 人机接口等环节, 运用 AI的技术与成果 。 研究表明, A1
的模糊技术和神经网络技术可用于网络的连接控制, 业务量管制, 业务量
预测, 资源动态分配, 业务流量控制, 动态路由选择, 动态缓冲资源调度
等许多方面 。
102
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.4.7 基于实现工具与环境的领域划分
按照实现工具与环境, 可以将 AI的研究领域划分为：智能软件工具, 智能
硬件平台 。
1,智能软件工具
包括开发建造智能系统的程序语言和工具环境等, 这方面现已有不少成果 。
如：函数程序设计语言 LISP,逻辑程序设计语言 PROLOG,对象程序设计语言
Smalltalk与 C++,框架表示语言 FRL,产生式语言 OPS5,神经网络设计语言
AXON,智能体 (Agent)程序设计语言等等, 以及各种专家系统工具, 知识工程
工具, 知识库管理系统等 。
2,智能硬件平台
指直接支持智能系统开发和运行的机器硬件，这方面现在也取得了不少成
果。如,LISP机,PROLOG机、神经网络计算机、知识信息处理机,
模糊推理计算机、面向对象计算机、智能计算机等。
103
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5 人工智能的基本技术
1.5.1 推理技术
1.5.2 搜索技术
1.5.3 知识表示与知识库技术
1.5.4 归纳技术
1.5.5 联想技术
104
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.1 推理技术
几乎所有的人工智能领域都要用到推理, 因此, 推理技术是人
工智能的基本技术之一 。 需要指出的是, 对推理的研究往往涉及到
对逻辑的研究 。 逻辑是人脑思维的规律, 从而也是推理的理论基础 。
机器推理或人工智能用到的逻辑, 主要包括经典逻辑中的谓词逻辑
和由它经某种扩充, 发展而来的各种逻辑 。 后者通常称为非经典或
非标准逻辑 。 经典逻辑中的谓词逻辑, 实际是一种表达能力很强的
形式语言 。 用这种语言不仅可供人用符号演算的方法进行推理, 而
且也可供计算机用符号推演的方法进行推理 。 特别是利用一阶谓词
逻辑不仅可在机器上进行像人一样的, 自然演绎, 推理, 而且还可
以实现不同于人的, 归结反演, 推理 。 而这后一种方法是机器推理
或自动推理的主要方法 。 它是一种完全机械化的推理方法 。
105
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.1 推理技术
非标准逻辑是泛指除经典逻辑以外的那些逻辑, 如多值逻辑,
多类逻辑, 模糊逻辑, 模态逻辑, 时态逻辑, 动态逻辑, 非单调逻
辑, 等等 。 各种非标准逻辑是在为弥补经典逻辑的不足而发展起来
的 。 也可以说是应人工智能之需而发展起来的 。 例如, 为了克服经
典逻辑, 二值性, 的限制, 人们发展了多值逻辑及模糊逻辑 。
在非标准逻辑中, 又可分为两种情况, 一种是对经典逻辑的语
义进行扩充而产生的, 如多值逻辑, 模糊逻辑等 。 这些逻辑也可看
作是与经典逻辑平行的逻辑 。 另一种是对经典逻辑的语构进行扩充
而得到的, 如模态逻辑, 时态逻辑等 。 这些逻辑一般都承认经典逻
辑的定理, 但在两个方面进行了补充, 一是扩充了经典逻辑的语言,
二是补充了经典逻辑的定理 。
106
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.1 推理技术
上述逻辑为推理特别是机器推理提供了理论基础，同时也开辟
了新的推理技术和方法。随着推理的需要，还会出现一些新的逻辑；
同时，这些新逻辑也会提供一些新的推理方法。事实上，推理与逻
辑是相辅相成的。一方面，推理为逻辑提出课题；另一方面，逻辑
为推理奠定基础。
107
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.2 搜索技术
所谓搜索, 就是为了达到某一, 目标,, 而连续地进行推理的过程 。
搜索技术就是对推理进行引导和控制的技术, 它也是 AI的基本技术之一 。
事实上, 许多智能活动的过程, 都可看作或抽象为一个, 问题求解, 过
程 。 而所谓, 问题求解, 过程, 实质上就是在显式的或隐式的问题空间
中进行搜索的过程 。
搜索技术也是一种规划技术, 因为对于有些问题, 其解就是由搜索
而得到的, 路径, 。 搜索技术是 AI中发展最早的技术, 在 AI研究的初期,
,启发式, 搜索算法曾一度是 AI的核心课题 。 截至目前, 对启发式搜索
的研究, 人们已取得了不少成果 。 如著名的 A*算法和 AO*算法就是两个
重要的启发式搜索算法 。
传统的搜索技术都是基于符号推演方式进行的 。 近年来, 人们又将
神经网络技术用于问题求解, 开辟了问题求解与搜索技术研究的新途径 。
108
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.3 知识表示与知识库技术
知识表示是指知识在计算机中的表示方法和表示形式, 它涉及到
知识的逻辑结构和物理结构 。 知识库类似于数据库, 所以知识库技
术包括知识的组织, 管理, 维护, 优化等技术 。 对知识库的操作要
靠知识库管理系统的支持 。 显然, 知识库与知识表示密切相关, 同
时也与知识的获取密切相关 。
对知识表示与知识库的研究, 虽然已取得了不少成果, 但仍有许
多问题需要解决 。 如知识的分类, 知识的一般表示模式, 不确定性
知识的表示, 知识分布表示, 知识库的模型, 知识库与数据库的关
系, 知识库管理系统等等 。
知识表示与知识库是人工智能的核心技术。
109
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.4 归纳技术
所谓归纳技术, 是指机器自动提取概念, 抽取知识, 寻找规律的技
术 。 显然, 归纳技术与知识获取及机器学习密切相关, 因此, 它也是人
工智能的重要基本技术 。
归纳可分为基于符号处理的归纳和基于神经网络的归纳 。 基于神经
网络的归纳不必多说 (因为神经网络本身就是一个归纳器 ),而基于符号
处理的归纳技术, 除了已开发出的归纳学习方法外, 近年来, 基于数据
库 的 数 据 开 采 (Data Mining 简称 MD) 和 知 识 发 现 (Knowledge
Discovering from Database简称 KDD)技术异军突起, 方兴未艾 。 为归
纳技术的发展和应用注入了新的活力 。
另外，由于归纳时需要分析、综合、比较，还需要反馈、修正、调
整和优化等步骤。所以，广义地讲归纳技术也包括类比、控制、适应甚
至进化在内。
110
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.5.5 联想技术
联想是最基本, 最基础的思维活动：它几乎与所有的 AI技术息息相
关 。 因此, 联想技术也是人工智能的一个基本技术 。 联想的前提是联
想记忆或联想存储, 这也是一个富有挑战性的技术领域 。
以上我们介绍了人工智能的一些基本理论和技术，因为这些理论和
技术仍在不断发展和完善之中，所以，它们同时也是人工智能的基本
课题。
111
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6 人工智能的产生与发展
1.6.1 人工智能学科的产生
1.6.2 符号主义学派
1.6.3 连接主义学派
1.6.4 人工智能的发展趋势
1.6.5 我国人工智能的研究与发展
112
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.1 人工智能学科的产生
1956 年 夏 季, 由 美 国 达 特 莫 斯 (Dartmouth) 大 学 麦 卡 锡
(J,McCarthy)与哈佛大学的明斯基 (M,L,Minsky),IBM公司信息研
究 中 心 的 洛 切 斯 特 (N, Lochester), 贝 尔 实 验 室 的 香 农
(C,E,Shannon)共同发起, 邀请 IBM公司的莫尔 (T,More)和塞缪尔
(A,L,Samuel),麻省理工学院的塞尔夫里奇 (O,Selfridge)和索罗
门夫 (R,Solomonff)以及兰德公司和卡内基工科大学的纽厄尔
(A,Newell),西蒙 (H,A,Simon)等, 共十位来自数学, 心理学, 神
经生理学, 信息论和计算机等方面的学者和工程师, 在达特莫斯大学
召开了一次历时两个月的研讨会, 讨论关于机器智能的有关问题 。 会
上经麦卡锡提议正式采用了, 人工智能, 这一术语 。 从此, 一门新兴
的学科便正式诞生了 。
113
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
1956年之后的 10多年间, 人工智能的研究取得了许多引人瞩目的成
就 。 从符号主义的研究途径来看, 主要成就有,
(1) 1956年, 美国的纽厄尔, 肖和西蒙合作编制了一个名为逻辑理
论机 (Logic Theory Machine,简称 LT)的计算机程序系统 。 该程序模拟
了人用数理逻辑证明定理时的思维规律 。 利用 LT,纽厄尔等人证明了怀
特海和罗素的名著 ——,数学原理, 第 2章中的 38条定理 (1963年在另一
台机器上证明了全部 52条定理 )。 而美籍华人, 数理逻辑学家王浩于
1958年在 IBM—704计算机上用 3～ 5分钟证明了, 数学原理, 中有关命题
演算的全部定理 (220条 ),并且还证明了谓词演算中 150条定理的 85％ 。
(2) 1956年, 塞缪尔研制成功了具有自学习, 自组织, 自适应能力
的跳棋程序 。 这个程序能从棋谱中学习, 也能从下棋实践中提高棋艺,
1959年它击败了塞缪尔本人, 1962年又击败了美国一个州的冠军 。
114
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
(3) 1959年, 籍勒洛特发表了证明平面几何问题的程序, 塞尔夫
里奇推出了一个模式识别程序； 1965年罗伯特 (Roberts)编制出了可
以分辨积木构造的程序 。
(4) 1960年, 纽厄尔, 肖和西蒙等人通过心理学试验总结出了人
们求解问题的思维规律, 编制了通用问题求解程序 (General Problem
Solving,简称 GPS)。 该程序可以求解 11种不同类型的问题 。
(5) 1960年, 麦卡锡研制成功了面向人工智能程序设计的表处理
语言 LISP；该语言以其独特的符号处理功能, 很快在人工智能界风靡
起来 。 它武装了一代人工智能学者, 至今仍然是人工智能研究的一个
有力工具 。
(6) 1965年, 鲁宾逊 (Robinson)提出了消解原理, 为定理的机器
证明做出了突破性的贡献 。
115
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
在这一时期, 虽然人工智能的研究取得了不少成就, 但就所涉
及的问题来看, 大都是一些可以确切定义并具有良好结构的问题；
就研究的内容来看, 主要集中于问题求解中的搜索策略或算法, 而
轻视了与问题有关的领域知识 。 当时人们朴素地认为, 只要能找到
几个推理定律, 就可解决人工智能的所有问题 。 所以, 这一时期人
工智能的研究主要是以推理为中心 。 因此, 有人将这一时期称为人
工智能的推理期 。
推理期的人工智能，基本上是停留在实验室，没有面向真实世
界的复杂问题。此后，在认真考察了现实世界中的各种复杂问题后，
人们发现要实现人工智能，除了推理搜索方法之外，还需要知识。
于是人工智能的研究又开始转向知识。
116
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
1965年, 美国斯坦福大学的费根鲍姆 (E,A,Feigenbaum)教授领导研制的
基于领域知识和专家知识的名为 DENDRAL的程序系统, 标志着人工智能研究的一
个新时期的开始 。 该系统能根据质谱仪的数据并利用有关知识, 推断出有机化
合物的分子结构 。 该系统当时的能力已接近于, 甚至超过有关化学专家的水平,
后来在英, 美等国得到了实际应用 。 由于 DENDRAL系统的特点主要是依靠其所拥
有的专家知识解决问题, 因此, 后来人们就称它为专家系统 。
继 DENDRAL之后, 还有一些著名的专家系统, 如：医学专家系统 MYCIN,地质
勘探专家系统 PROSPECTOR,计算机配置专家系统 R1等也相继问世 。
由于专家系统走出了实验室, 能解决现实世界中的实际问题, 被誉为, 应
用人工智能,, 所以, 专家系统很快也就成为人工智能研究中的热门课题, 并
受到企业界和政府部门的关注和支持 。
117
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.2 符号主义学派
1977年, 在第五届国际人工智能会议上, 费根鲍姆进一步提出了, 知识工程,
的概念 。 这样, 人工智能的研究便从以推理为中心转向以知识为中心, 进入了所
谓的知识期 。 从此以后, 专家系统与知识工程便成为人工智能的一个最重要的分
支领域 。 同时, 知识是智能的基础和源泉的思想也逐渐渗透到人工智能的其他分
支领域, 如自然语言理解, 景物分析, 文字识别和机器翻译等, 从而, 运用知识
（ 特别是专家知识 ） 进行问题求解, 便成为一种新的潮流 。
进入 20世纪 80年代后，专家系统与知识工程在理论、技术和应用方面都有了
长足的进步和发展。专家系统的建造进入应用高级开发工具时期。专家系统结构
和规模也在不断扩大，出现了所谓的多专家系统、大型专家系统、微专家系统和
分布式专家系统等等。同时，知识表示、不精确推理、机器学习等方面也都取得
了重要进展。各个应用领域的专家系统更如雨后春笋般地在世界各地不断涌现。
118
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
从连接主义的研究途径看, 早在 20世纪 40年代, 就有一些学者开始了神
经元及其数学模型的研究 。 例如, 1943年心理学家 McCulloch和数学家 Pitts
提出了形式神经元的数学模型 ——现在称之为 MP模型, 1944年 Hebb提出了改
变神经元连接强度的 Hebb规则 。 MP模型和 Hebb规则至今仍在各种神经网络中
起重要作用 。
20世纪 50年代末到 60年代初，开始了人工智能意义下的神经网络系统的
研究。一批研究者结合生物学和心理学研究的成果，开发出各种神经网络，
开始用电子线路实现，后来较多的是用更灵活的计算机模拟。如 1957年罗圣
勃莱特 (P,Rosenblatt)开发的称为感知器 (Perception)单层神经网络,1962
年维特罗 (B,Windrow)提出的自适应线性元件 (Adaline)等。这些神经网络已
可用于诸如天气预报、电子线路板分析、人工视觉等许多问题。当时，人们
似乎感到智能的关键仅仅是如何构造足够大的神经网络的方法问题。
119
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
但这种设想很快就消失了 。 类似的网络求解问题的失败和成功同时并存, 造成无
法解释的困扰 。 人工神经网络开始了一个失败原因的分析阶段 。 作为人工智能创始人
之一的著名学者明斯基 (Minsky)应用数学理论对以感知器为代表的简单网络做了深入
的分析, 结果, 于 1969年他与白伯脱 (Papert)共同发表了颇有影响的, Perceptions》
一书 。 书中证明了那时使用的单层人工神经网络, 无法实现一个简单的异或门 (XOR)所
完成的功能 。 因而明斯基本人也对神经网络的前景持悲观态度 。
由于明斯基的理论证明和个人的威望, 这本书的影响很大, 使许多学者放弃了在
该领域中的继续努力, 政府机构也改变基金资助的投向 。 另一方面, 由于在此期间,
人工智能的基于逻辑与符号推理途径的研究不断取得进展和成功, 也掩盖了发展新途
径的必要性和迫切性 。 于是, 神经网络的研究进入低谷 。
然而，仍有少数几个杰出科学家，如寇耐（ T,Kohonen)、葛劳斯伯格
(S,Grossberg)、安特生 (J,Andenson)等，在极端艰难的环境下仍坚韧不拔地继续努
力。
120
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
经过这些科学家的艰苦探索, 神经网络的理论和技术在经过近 20年的暗
淡时期后终于有了新的突破和惊人的成果 。 1985美国霍布金斯大学的赛诺斯
(T,Seinowsk)开发了名为 NETtalk英语读音学习用的神经网络处理器, 输入
为最多由 7个字母组成的英语单词, 输出为其发音 。 由于该处理器自己可以学
习许多发音规则, 因此从一无所知起步, 经过 3个月的学习所达到的水平已可
同经过 20年研制成功的语音合成系统相媲美 。 同年, 美国物理学家霍普菲尔
特 (J,Hopfield)用神经网络迅速求得了巡回推销员路线问题的最优解, 显示
它在求解, 难解问题, 上的非凡能力 。 实际上, 早在 1962年, 霍普菲尔特就
提出了著名的 HNN模型 。 在这个模型中, 他引入了, 计算能量函数, 的概念,
给出了网络稳定性判据, 从而开拓了神经网络用于联想记忆和优化计算的新
途径 。 此外, 还有不少成功的例子 。 这些重大突破和成功, 轰动了世界 。 人
们开始对冷落了近 20年的神经网络又刮目相看了 。 神经网络研究的热潮又再
度出现 。
121
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
1987年 6月, 第一届国际神经网络会议 (ICNN)在美国圣第亚哥召开 。 会
议预定 800人, 但实际到会达 2000多人 。 会上气氛之热烈, 群情之激昂, 据
报导是国际学术会议前所未有的 。 例如, 会上有人竟喊出了, AI is
dead,Long live Neural Networks”的口号 。 会议决定成立国际神经网络学
会, 并出版会刊, Neural Networks,。 从此之后, 神经网络便东山再起,
其研究活动的总量急剧增长, 理论与技术继续进展, 应用成果不断涌现, 新
的研究机构, 实验室, 商业公司与日俱增, 世界各国政府也在组织与实施有
关的科研攻关项目 。 现在, 神经网络已经和专家系统知识工程并驾齐驱, 成
为人工智能的两个主流方向 。
神经网络在智能控制、语音识别与合成、图形文字识别、数据压缩、知
识工程、最优化问题求解、智能计算机等领域进行的实践和取得的初步成果，
预示着人工智能的应用不久将会有重大突破。
122
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.3 连接主义学派
神经网络学科的发展和应用也迎来了脑神经科学、认知科学、
心理学、微电子学、控制论和机器人学、信息技术和数理科学等学
科的相互促进、相互发展的空前活跃时期，特别是在计算机科学研
究领域，将从根本上改变人们传统的数值、模拟、串行、并行、分
布等计算与处理概念的内涵和外延，出现了分布式并行新概念、数
值模拟混合的新途径，探索和开创光学计算机、生物计算机、第 n代
计算机的新构想，为 21世纪计算机科学与技术的飞速发展奠定了思
想和理论基础。
123
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.4 人工智能的发展趋势
当前人工智能的发展趋势, 主要体现在如下几个方面,
首先, 传统的, 符号智能, (传统的基于符号处理技术的人工智能
被称为, 符号智能, )与, 计算智能, (CI)特别是神经计算, 各取所长,
有机融合 。 由于两种方法各有所长, 又各有所短, 但却刚好互补 。 所
以, 将两种方法相结合, 则是可取的策略和方向 。 作为两者结合的智
能系统, 神经网络将主要模拟形象思维, 实现识别, 联想, 学习和适
应等功能, 负责对外界环境的感知和交互；专家系统将主要模拟逻辑
思维, 实现判断, 推理和搜索等功能, 负责高层的决策与控制 。 这两
种思维方式在人类大脑中结合这样一个事实, 有力地支持着这种发展
方向 。
124
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.4 人工智能的发展趋势
其次, 一批新思想, 新理论, 新技术不断涌现 。 如：模糊技术, 模糊 —
神经网络, 遗传算法, 进化程序设计, 混沌理论, 人工生命等, 它们又构成
了所谓的, 软计算, 技术或, 计算智能,, 还有, 粗糙集 (Rough Sets)理论,
数据开采 (DM)与知识发现, (KDD)技术, 面向对象技术, 现场 AI(Situated AI)
等等, 而且这些理论和技术又互相渗透, 互相融合 。
第三，以 Agent(称为, 主体, 或, 智能主体,,, 智能体,,, 智能代
理, 等 )概念为基础的分布式人工智能 (Distributed Artificial
Intelligence，简称 DAI)正异军突起，蓬勃发展。分布式人工智能基于计算
机网络，以研究和开发, 群体智能, 为主要特征。所以,DAI与 Internet结合，
将相得益彰。
特别值得指出的是,Agent这一新概念不仅为人工智能注入了新的活力，
开辟了新的方向，提供了新的思路和技术手段，而且，它也将对整个计算机
科学技术产生巨大而深远的影响。
125
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.4 人工智能的发展趋势
最后, 基于人工智能的应用研究愈加深入而广泛 。 当今的人工
智能研究与实际应用的结合越来越紧密, 受应用的驱动越来越明显 。
事实上, 现在的人工智能技术已同整个计算机科学技术紧密地结合
在一起了, 其应用也与传统的计算机应用越来越融合在一起了 。
总之, 以上特点展现了人工智能学科的繁荣景象和光明前途 。
虽然在通向其最终目标的道路上, 还有不少困难, 问题和挑战, 但
前进和发展毕竟是大势所趋 。
126
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1.6.5 我国人工智能的研究与发展
1977年, 涂序彦, 郭荣江在, 自动化, 上发表了国内首篇关于 AI的
论文 —,智能控制及其应用,, 拉开了我国人工智能研究的序幕 。
20世纪 80年代, 各种人工智能学术团体纷纷成立 。
1980年 4月, 以常迵教授为首的中国自动化学会模式识别与机器智能
专业委员会在武汉成立 。
1980年 8月, 以王湘浩教授首的全国高校人工智能研究会在长春成立 。
1981年 9月, 以秦元勋教授为首的中国人工能学会在长沙成立,
1982年 4月, 以王湘浩教授为首的中国计算机学会人工智能学组在杭
州成立 (1986年 11月在太原升级为人工智能与模式识别专业委员会 )。
127
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
1986年 5月, 以何志均教授为首的中国软件行业协会人工智能协会在
北京成立 。
1987年 6月, 以陆汝钤教授为首的中国计算机学会软件专业委员会
智能软件学组在北京成立 。
1987年, 国家高技术智能计算机系统专家组在北京成立 。 这些学术
团体和组织经常举办全国性和国际性学术会议, 创办学术期刊, 组织
和领导科研攻关, 有力地推动了我国人工智能事业的发展 。
近年来, 这些学术组织还每两年召开一次联合学术会议, 并出版了
题为, 人工智能进展, 的会议论文集 。
当前，我国的人工智能研究正方兴未艾，非常活跃，并取得了不少
举世瞩目的成就。
1.6.5 我国人工智能的研究与发展
128
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 本章介绍人工智能的基本概念, 研究目标, 基本内容, 研究途径与方法,
人工智能研究的特点, 人工智能的研究领域, 人工智能的基本技术, 人工
智能的产生与发展, 以及发展趋势等 。
? 人工智能是研究如何模拟, 延伸和扩展人的智能, 研究与开发各种机器智
能和智能机器的理论, 方法与技术, 涉及到计算机科学, 脑科学, 神经生
理学, 心理学, 语言学, 逻辑学, 认知 （ 思维 ） 科学, 行为科学和数学,
以及信息论, 控制论和系统论等众多学科领域的一门综合性的交叉学科和
边缘学科 。 它借助于计算机建造智能系统, 完成诸如模式识别, 自然语言
理解, 程序自动设计, 自动定理证明, 机器人, 专家系统等智能活动 。
129
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 人工智能研究的研究目标分为远期目标和近期目标, 远期目标是要
制造智能机器, 近期目标是实现机器智能 。
? 人工智能研究的基本内容是 认知建模、机器感知、机器思维、机器
学习、机器行为，以及智能系统与智能计算机等。人工智能的研究
途径与方法是,基于结构模拟的神经计算、基于功能模拟的符号推
演、基于行为模拟的控制进化。人工智能研究的主要特点是：以 知
识为中心、运用推理技术、启发式搜索、数据驱动方式、用人工智
能语言建造系统等。
130
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 人工智能的研究领域：在经典的人工智能研究中, 分为逻辑推理与定理证
明, 博弈, 自然语言处理, 专家系统, 自动程序设计, 机器学习, 人工神
经网络, 机器人学, 模式识别, 计算机视觉, 智能控制, 智能检索, 智能
调度与指挥, 智能决策支持系统, 知识发现和数据挖掘, 以及分布式人工
智能等 。 按照人工智能的实现技术划分的研究领域为：知识工程与符号处
理技术, 神经网络技术等 。 按照人工智能的应用领域划分的研究领域为：
问题求解, 自动定理证明, 自动程序设计, 自动翻译, 智能控制, 智能管
理, 智能决策, 智能通信, 智能 CAD,智能 CAI等 。 按照人工智能的应用系
统划分的研究领域为：专家系统, 知识库系统, 智能数据库系统, 智能机
器人系统等 。 按照计算机系统结构划分的研究领域为：智能操作系统, 智
能多媒体系统, 智能计算机系统, 智能网络系统等 。 按照实现工具与环境
划分研究领域为：智能软件工具, 智能硬件平台等 。
131
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 人工智能的基本技术, 基本上应包括以下内容：推理技术, 搜索技术, 知
识表示与知识库技术, 归纳技术, 联想技术等 。
? 人工智能学派有：符号主义 (Symbolism),连接主义 (Connectionism)和行
为主义 (Actionism)等, 或 者 叫 做 逻 辑学 派 (Logicism),仿生学派
(Bionicsism)和生理学派 (Physiologism)。 此外还有计算机学派, 心理学
派和语言学派等 。
? 人工智能学科正式诞生于 1956年, 20世纪 60年代符号智能技术获得较大发
展, 70年代专家系统等进入实用阶段, 80年代连接主义学派的人工神经网
络技术成为研究热点, 90年代人工智能一批新思想, 新理论, 新技术涌现 。
本世纪初, 各种人工智能技术出现有机融合和全面发展 。
132
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
本章小结
? 当前人工智能的发展趋势, 主要体现在如下几个方面：首先, 传统
的, 符号智能, 与, 计算智能, 特别是神经计算, 各取所长, 有机
融合 。 其次, 一批新思想, 新理论, 新技术不断涌现 。 如：模糊技
术, 模糊 —神经网络, 遗传算法, 进化程序设计, 混沌理论, 人工
生命, 粗糙集 (Rough Sets)理论, 数据开采 (DM)与知识发现 (KDD)
技术, 面向对象技术, 现场 AI(Situated AI)等 。 第三, 以 Agent概
念为基础的分布式人工智能 DAI技术正异军突起, 蓬勃发展 。 最后,
基于人工智能的应用研究愈加深入而广泛 。
133
第一部分：第 1章 人工智能概述
2004.11.3 AI程序设计
习 题
1．什么是人工智能？人工智能的意义和目标是什么？
2,人工智能有哪些研究途径和方法？ 它们的关系如何？
3,人工智能研究的基本内容有哪些？
4,人工智能研究有哪些特点？
5,人工智能有哪些研究领域？
6,人工智能有哪些基本技术？
7,人工智能有哪些主要学派？
8,简述人工智能的发展概况和当前发展趋势 。
