1．人工智能科學(xué)與技術(shù)
1956年夏液美國的Danmouth大學(xué)召開了世界次人工智能學(xué)術(shù)研討會。到會的10名從事數(shù)學(xué)、心理學(xué)、信息與計算機科學(xué)的學(xué)者與工程師，共同探討了用機器(計算機)模擬人類智能活動的有關(guān)問題，X創(chuàng)了“人工智能研究的新時期。
AI研究的開創(chuàng)者們，在當(dāng)年就取得了兩項有重要意義的成果：一是他們研制的邏輯理論機，采用邏輯推理程序，模擬人類利用數(shù)理邏輯來證明定理，證明了“數(shù)學(xué)原理”中的：個定理；另一項是編制了下棋程序，該程序具有一定的自學(xué)習(xí)、自組織和自適應(yīng)能力，能學(xué)習(xí)棋譜，自己積累下棋經(jīng)驗，不斷改善能力，先后擊敗了它的設(shè)計者和一些跳棋冠軍。這兩個都是成功地利用計算機模擬入腦的思維活動的例子。它們鼓舞A1研究者致力于探索入腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及思維的普遍規(guī)律和模式。zo世紀(jì)60年代后AI進入了推理方法和問題求解模型的一般性研究，探索一些通用的問題求解技術(shù)和各種搜索策略。但隨著研究的深入，A1研究者們逐步認識到：解決問題的方法和手段是因事、甚至因入而變化的，試圖用一種或幾種通用問題求解結(jié)構(gòu)去描述人類的智能行為是異常復(fù)雜和困難的，是一個漫長的歷史過程。1957年開始的對通用問題求解程序GP3(GeneralPr。blem solvef)的研究工作，經(jīng)過十幾
年的不懈努力，終因研制者過分追求問題求解的一般結(jié)構(gòu)而導(dǎo)致了失敗。6P5為代表的一般性研究的失敗，使AI研究者認識到知識在人類智能行為中的重要作用。對智能行為本身來說，一個實際問題的求解，其求解策略固然是重要的，但只有策略是不夠的，還需要問題領(lǐng)域內(nèi)的專門知識，解決任何問題都要靠知識。此后，A1研究開始從通用問題基于推理的模型轉(zhuǎn)向?qū)ｉT問題基于知識的模型的研究。其標(biāo)志就是1968年美國大學(xué)研制的D[NDRAL專家系統(tǒng)的問世。
2．專家系統(tǒng)ES(EXp6rt SyM6m)技術(shù)
DINDRAL系統(tǒng)的研制目標(biāo)是從化學(xué)數(shù)據(jù)推斷分子假說。在研究中他們很快發(fā)現(xiàn)，如果沒有足夠的物理化學(xué)領(lǐng)域的專門知識，這個系統(tǒng)不可能有效地以人類思維方式進行智能推理。因此，由計算機學(xué)科、遺傳學(xué)和化學(xué)三個方面的專家合作，經(jīng)過3年的努力，于1968年基本完成了預(yù)定目標(biāo)，又經(jīng)過幾年改進和擴充，使該系統(tǒng)十分有效。它從分子式及其質(zhì)譜數(shù)據(jù)推斷分子結(jié)構(gòu)的能力達到了專家水平，己被廣泛地應(yīng)用在美國一些大學(xué)和工業(yè)界的化學(xué)實驗室里。繼DENDRA巳系統(tǒng)之后是麻省理工大學(xué)研究的數(shù)學(xué)領(lǐng)域?qū)＜蚁到y(tǒng)MAC5YMA。該系統(tǒng)執(zhí)行公式化簡、符號微分、符號積分等數(shù)學(xué)問題求解。在該系統(tǒng)中同樣建立了大量的專門知識，采用了“啟發(fā)式”程序求解，據(jù)稱它在符號表達式化簡的能力方面超過了大多數(shù)專家。于1971年開始被用于數(shù)學(xué)和物理學(xué)研究中的數(shù)學(xué)處理工作中。通常將DENDRAL和MACSyMA稱為代Es。它們的成功應(yīng)用，堅定了AI研究者的信心欣許多研究者轉(zhuǎn)向各個專門領(lǐng)域的Es的研制服動技術(shù)迅速的發(fā)展現(xiàn)在Es應(yīng)用覆蓋了醫(yī)學(xué)、農(nóng)業(yè)、化學(xué)、計算機、電子電氣、機械工程、過程控制、數(shù)學(xué)、物理、地質(zhì)、軍事、法律等領(lǐng)域。許多Es經(jīng)過多年使用的考核而不斷完善，完全可以在專家的水平上工作，助人們解決各種難題，給人類社會帶來了巨大的經(jīng)濟效益。典型的專家系統(tǒng)都由三個基本部分構(gòu)成：
①知識庫：用于存放與具體問題無關(guān)的領(lǐng)域知識。
②數(shù)據(jù)庫(又稱事實庫、工作存儲空間等＞存放與領(lǐng)域具體問題有關(guān)的知識事實得出的結(jié)論、最終結(jié)果。
③推理機：它根據(jù)用戶提供的事實(初始數(shù)據(jù))及知識庫的領(lǐng)域知識，模擬人類專家的思維規(guī)律和邏輯進行推理，以得到與人類專家對領(lǐng)域特定問題的相同結(jié)論。上述三個基本部分的關(guān)系如圖6.1所示。由此可知，專家系統(tǒng)結(jié)構(gòu)與傳統(tǒng)程序結(jié)構(gòu)有很大的區(qū)別，其中主要的區(qū)別是ES將問題求解的知識存放在知識庫中，與利用知識庫中知識的推理機構(gòu)相分離，這樣便于知識的修改和擴充。其次是在E5中可采用專家的啟發(fā)式知識(經(jīng)驗知識)和啟發(fā)式推理方法(假設(shè)、化簡等經(jīng)驗方法)來處理信息不完全、不的知識和數(shù)據(jù)，求解不良結(jié)構(gòu)的問題。所以，專家系統(tǒng)具有啟發(fā)性、靈活性和透明性(可通過人機界面向用戶提供問題求解的過程和回答用戶的提問)的特點。






3．智能工程IE(Intell52ent EngineerinR)
Es具有較強的針對性，它總是針對菜單一的較狹窄的應(yīng)用領(lǐng)域工作的。一般Es應(yīng)用范圍越大，工作效率就越低，超出其應(yīng)用的專門領(lǐng)域，E5就不能工作。而一個復(fù)雜的工程問題總要涉及較多的領(lǐng)域知識問題，既有定性分析、抉策問題，又有定量計算問題。例如，一個復(fù)雜的機電設(shè)備(如汽輪發(fā)電機組)的故障診斷問題，不僅涉及到以數(shù)值計算為主的信號分析和處理(如富氏變換、特征值提取等)，而且涉及到以符號推理為主的決策診斷過程，其中既有單一領(lǐng)域子系統(tǒng)(如調(diào)速系統(tǒng)、軸承潤滑子系統(tǒng)、冷疑子系統(tǒng)等)相關(guān)的診斷知識，又有關(guān)于所有有關(guān)領(lǐng)域診斷知識使用和管理的元知識(即管理和使用各領(lǐng)域知識的知識)。如要實現(xiàn)整個設(shè)備故障診斷的自動化處理，就必須在建造各單一領(lǐng)域子系統(tǒng)診斷的ES基礎(chǔ)上，實現(xiàn)各專家子系統(tǒng)的集成進而實現(xiàn)Es與數(shù)值計算程序的集成，構(gòu)成所謂分布式人工智能系統(tǒng)，這就是IE的中心任務(wù)。在該集成化智能系統(tǒng)中，單一領(lǐng)域的E5被視為一個智能單元。IE就是要研究各智能單元之間的相互作用、通信、協(xié)調(diào)、管理和使用等一系列問題。
總之，智能工程是面向多種描述形式、多領(lǐng)域知識的以解決復(fù)雜問題為目的的知識自動化處理及應(yīng)用的技術(shù)，是借助計算機對知識進行獲取、表達集成、管理、協(xié)調(diào)及使用的技術(shù)。智能工程的提出只有十多年的歷史，它是為適應(yīng)工業(yè)自動化向cIM5方向發(fā)展的需要而提出來的，是適應(yīng)工業(yè)決策自動化的一門新技術(shù)，目前還沒有系統(tǒng)的、成熟的理論體系，還需要在實踐中發(fā)展、提高，所以本章不淮各對比作進一步的介紹。
4．人工神經(jīng)網(wǎng)絡(luò)技術(shù)
ANN技術(shù)研究是20世紀(jì)50年代末、60年代初開始的，一度引起人們極大關(guān)注，但不久就處于低潮。20世紀(jì)80年代中以來，ANN研究掀起了新的高潮，這主要是由于計算機和AI發(fā)展的需要，并在技術(shù)上提供了可能性。
ANN是從人腦的神經(jīng)系統(tǒng)結(jié)構(gòu)模擬出發(fā)，提供了另一條研究人類智能的造徑。以邏輯、符號處理為基礎(chǔ)的A[能夠模擬人類智能的高層——邏輯思維，而ANN可以模擬低層的形象思維。二者結(jié)合起來更接近于人類解決問題的方法，更有利于模擬人類智能活動。ANN具有與人腦相似的自學(xué)習(xí)、模式識別以及聯(lián)想記憶功能，它可直接通過實例的不斷學(xué)習(xí)提高自身的性能，適應(yīng)新的環(huán)境。從工業(yè)應(yīng)用角度看，它可以學(xué)習(xí)和模擬生產(chǎn)過程中出現(xiàn)的那些極端非線性特性，從而開辟了控制復(fù)雜無規(guī)則系統(tǒng)的新造徑。關(guān)于ANN的組成、基本原理及性能特性將在第六節(jié)簡要介紹。
大家熟知的傳統(tǒng)程序設(shè)計語言，如BA5IC，F(xiàn)ORTRAN等具有很強的數(shù)值處理能力，但符號處理能力差，用來編寫完成某種智能行為的程序就很不方便。在人工智能科學(xué)和技術(shù)發(fā)展過程中，也出現(xiàn)了一些面向符號處理的程序設(shè)計語言。典型的有函數(shù)型語言LIsPfn邏輯型語言PROeOG，用這兩種人工智能語言能方便地表示知識和設(shè)計各種推理機制，用于開發(fā)專家系統(tǒng)和工具型智能軟件十分有效，己獲得廣泛應(yīng)用。如日本第五代計算機工程采用rRoL06語言作為計劃建造的超級計算機的基礎(chǔ)語言。
近年來，具有面向?qū)ο箫L(fēng)格的語言c++、傳統(tǒng)語言c和FAscAL等也己成為構(gòu)造智能系統(tǒng)的常用語言。c語言同時具備較強的數(shù)值計算和符號處理功能，具有較大的靈活性和適應(yīng)性，容易適合不同的硬件環(huán)境，容易與其它語截高級語言、匯編語言等腔口，生成的代碼質(zhì)量高等特點，這些正是智能工程研制所需要的軟件環(huán)境，所以c語言才成為智能工程開發(fā)的主語言農(nóng)國際上，利用c語言開發(fā)商品化的A[產(chǎn)品己日趨流行，用c語言開發(fā)的E5應(yīng)用產(chǎn)品可在小型機甚至微型機上運行，使A1技術(shù)更便利、有效地應(yīng)用到實際系統(tǒng)中去。
雖然L[SP和PROLOG語言對Es的研究很有效，但存在系統(tǒng)開銷大、運行速度慢、可移植性差、與其它語言接口差等缺點。因而在[s等智能系統(tǒng)研制過程中，往往在實驗研究階段，用LIsP和PRoLoG語言編寫程序系統(tǒng)，以便利用它們的靈活優(yōu)點加快研制速度。但到了實用階段，再采用時空效率高的c語言重寫一演，以便使它們能運行于配有c語言的機器上。http://www.dgzhenghang.cn