考研人工智能

人类智力的优越性在于人的思考、判断和决策能力。思维是人类在感性认识的基础上形成的理性认识，是通过分析综合的过程实现的，而人类思维中的分析综合过程发生了质的变化。在一般分析综合的基础上，出现了抽象与概括、比较与分类、系统化与具体化等一系列新的、高级的、复杂的思维能力，在头脑中运用概念进行判断和推理。要使机器具有智能，它必须具有推理功能。推理是一种由一个或几个判断推导出另一个判断的思维形式，即从已有事实推导出新事实的过程。在形式逻辑中，推理由前提(已知判断)、结论(推断判断)和推理形式(前提与结论的联系)组成。

人类之所以能够高效地解决一些复杂的问题，不仅是因为拥有大量的专业知识，还因为拥有合理选择和运用知识的能力，即推理能力和推理策略。基于符号逻辑的人工智能以逻辑思维和推理为主要内容。传统的形式推理技术基于经典谓词逻辑，即演绎推理，广泛应用于早期的问题求解和定理证明。然而，随着人工智能研究的深入，人们在研究中遇到的许多复杂问题都无法用严格的演绎推理来解决，因此对非单调逻辑推理的研究发展迅速，已成为人工智能的重要研究内容之一。

感知问题

感知是人工智能的经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科，包括计算机视觉和声音处理。计算机视觉研究的是如何分析和理解视觉传感器(如摄像机)获得的外界景物和信息，即如何让计算机“看见”周围的事物。声音处理就是研究如何让计算机“听到”说话的声音，并对语音信息进行分析和理解。感知问题的关键是用简洁易操作的方式来表示和描述大量的感知数据。

D. Marr教授对计算机视觉做出了杰出的贡献。他认为视觉是一个复杂的信息处理过程，有不同的信息表达和不同层次的处理，最终目的是实现计算机对外部世界的描述。因此，他提出了30个层次的研究方法，包括计算理论、算法和硬件实现。他的理论奠定了计算机视觉研究的理论基础，明确指出了研究内容和目标。目前，计算机视觉在图像处理、立体和运动视觉、三维物体的建模和识别等方面取得了很大的进展，但还远未构建出实用的计算机视觉系统。

2002年底，智能人机交互领域的重要研究内容之一人脸识别技术在国内取得突破，其稳定性和识别率达到国际先进水平，初步达到实用阶段。人脸识别技术大大提高了计算机的“人性化”和“智能化”水平。

探索

下棋、思考问题或寻找迷宫的出口时，人们总想探索解决问题的原理，这就需要专门研究。探索是人工智能研究的核心内容之一。人工智能的早期研究成果，如通用问题求解系统、几何定理证明、博弈等。，都围绕着如何有效地搜索以获得满意的问题解。探索是人工智能研究和应用的基础技术领域。

人工智能中的问题求解不同于通常的数值计算。人工智能的问题求解首先描述一个给定的问题，然后通过搜索推理得到问题的解，而数值计算是通过编程的算法实现数值运算。人工智能问题求解的过程就是在状态空间中从初始状态到目标状态的探索和推理过程。探索的主要任务是确定如何选择一个合适的操作规则。探索的基本方式有两种，一种是盲目探索，即不考虑给定问题的具体知识，按照事先确定的固定顺序调用运算规则。盲探测技术主要有深度优先搜索和广度优先搜索；另一种是启发式搜索，考虑问题的适用知识，先动态调用运算规则，探索会变快。

探索技术的重点是启发式搜索。一般来说，一个给定的问题有很多不同的表征，但它们在解决问题时的效率不同。在许多问题求解中，有大量与问题相关的信息可以用来加快整个问题求解过程。这种与问题相关的信息称为启发式信息，利用启发式信息的探索就是启发式探索。启发式探索利用启发式信息对解题路径中有希望的节点进行评估并排序，优先扩展最有希望的节点，以达到问题的最优解。

比赛

博弈是指赌博的理论和对抗的知识，起源于下棋。让计算机学会下棋，是让机器智能化的最早尝试。早在1956年，人工智能的开创者之一塞缪尔就开发了一个跳棋程序，可以从棋谱中学习，从实战中总结经验。当时最轰动的新闻是塞缪尔在跳棋项目下赢得了美国某州的跳棋冠军。但在随后的几年中未能占据世界冠军的优势。现在的个人电脑家用软件一般都有跳棋程序、象棋程序、五子棋程序甚至围棋程序。即使你选择了初级水平，也不容易赢得一场电脑象棋比赛。

其实对于跳棋、象棋、五子棋、围棋来说，过程完全可以用一棵博弈树来表示，用最基本的状态空间搜索技术来寻找一条赢棋路线。不幸的是，这种博弈树往往大得惊人，尤其像象棋程序和围棋程序。即使计算机的存储空间可以容纳所有的状态，但搜索所花费的时间(也就是通常所说的向前看几步的时间)往往是难以承受的。好在现在电脑的性能越来越高，存储空间越来越大，给人的感觉是电脑的棋力提高了。另外，现有的计算机象棋程序都是基于传统的状态空间搜索技术，通过一些启发式算法来估计棋局中间状态获胜的可能性，从而决定下一步做什么。这种方法可以大大减少状态空间的存储和搜索，从而为现代高性能计算机战胜国际象棋大师铺平道路。

自20世纪50年代以来，计算机与国际象棋大师和大师的竞争一直是人们非常感兴趣的话题。计算机通过与高手竞争，不断改进自己的程序。80年代计算机界有人认为计算机可以打败国际象棋冠军，但实际时间推迟了。IBM一直有开发游戏程序的传统，塞缪尔当年就属于IBM。20世纪90年代，IBM开发了多种高性能计算机和相应的下棋软件，并将改进后的下棋程序和“深蓝”计算机对准了现在排名第一的俄罗斯棋手卡斯帕罗夫。在新闻媒体的推波助澜下，5月，美国纽约1997，卡诺夫斯基与深蓝展开了又一轮举世瞩目的人机大战。前两盘，双方打成1比1平。之后双方三连平。至关重要的第六盘，“深蓝”电脑发挥出色，取得胜利，从而以“2胜3平1负”的总比分击败对手，令全球观众目瞪口呆。有人形容这是“像人一样的机器和像机器一样的人之间的游戏”。虽然“深蓝”计算机赢了，但并不意味着人工智能取得了突破。正如卡尔·马克思所说，他们之间的竞争是不公平的。“深蓝”计算机掌握了大量他与他人对弈的棋谱，它仍然使用状态空间搜索、模式匹配等传统人工智能技术，但计算机的速度有了很大提高。计算机战胜笛卡尔的另一个重要原因是，除了计算机工程师，IBM还有一批深谙国际象棋规则和计算机知识的专家藏在“深蓝”计算机的背后，帮助它提出建议，及时调整程序。因此，笛卡尔的失败只是时间问题。如果我们下一盘不同的棋，比如在电脑上和人下围棋，会发生什么？目前来看，计算机要打败围棋一级棋手恐怕还是相当困难的，因为围棋的状态空间要大得多，复杂得多。

机器人学

机器人学和机器人学是人工智能研究的另一个重要应用领域，它促进了许多人工智能思想的发展。由此衍生的一些技术可以用来模拟现实世界的状态，描述从一种状态到另一种状态的变化过程，为规划如何生成动作序列和监督规划的实施提供更好的帮助。

机器人的应用越来越广泛，已经开始走向第三产业，比如商业中心、办公自动化。目前机器人学的研究方向主要是开发智能机器人。智能机器人将大大拓展机器人的应用领域。智能机器人本身能够知道工作环境、工作对象及其状态，根据人给出的指令和自身的知识自主决定工作模式，通过操作机构和移动机构实现任务，并能适应工作环境的变化。智能机器人只需要告诉它做什么，而不是怎么做。它有四个基本功能，即:(1)运动功能，类似于人的手、臂、腿的基本功能，对外界环境产生作用。(2)感知功能，获取外界信息的功能。(3)思维功能，解决问题时的理解、判断和推理功能。(4)人机交流功能，理解指令，输出内部状态，与人交换信息的功能。智能机器人以一种认知适应的方式工作。著名的机器人和人工智能专家Brady曾经总结了机器人面临的30个难题，包括传感器、视觉、移动性、设计、控制、典型操作、推理和系统，并指出了亟待解决的难题。只有在这些方面取得突破，机器人应用和机器人技术才能更好地满足社会的要求，成为开发人类智能的帮手。

今天，机器人的设计在模拟人类外部功能的各个方面都有了很大的进步。现在一些科学家正在从生物工程的角度研究如何开发高保真仿真机器人。目前，机器人还远远不是那些能做各种家务、能努力工作、能读懂主人心思的所谓“机器人仆人”。因为机器人的智能行为是由预先编好的程序决定的，机器人只会做人们希望它们做的事情。人的创造力、想法、联想、即兴甚至果断都很难在机器人身上体现出来。让机器人融入人类生活，似乎还是一件很遥远的事情。