第1章人工智能概述000002课件

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。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？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 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 、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？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。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 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示时间变量，x表示认知操作(cognitiveoperation)，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(intelligentinformationprocessing)。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(PhysicalSymbolSystem)。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(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(conditionaltransfer)：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(neuralcomputer)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 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 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(neuralcomputing)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。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。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。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。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。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。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（DataDriven）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（ProgramDriven），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。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。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。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。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。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2．博弈博弈（GamePlaying）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4．专家系统专家系统（ExpertSystem，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(Rotelearning)(2)讲授式学习(Learningfrominstruction)(3)类比学习(Learningbyanalogy)(4)归纳学习(Learningfrominduction)(5)观察发现式学习(Learningbyobservation&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7．人工神经网络由于冯·诺依曼(VanNeumann)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 新概念英语资料下载李居明饿命改运学pdf成本会计期末资料社会工作导论资料工程结算所需资料清单 。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“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14．智能决策支持系统智能决策支持系统（IntelligentDecisionSupportSystems，简称IDSS）是决策支持系统（DecisionSupportSystems，简称DSS）与人工智能（ArtificialIntelligence，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 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 、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15．知识发现和数据挖掘知识发现（KnowledgeDiscoveryinDatabase）和数据挖掘（DataMining）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16．分布式人工智能分布式人工智能（DistributedArtificialIntelligence，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。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。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。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。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。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。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。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。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CAD11．智能CAI1.4.4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(NondeterministicPolynomial，即非确定型多项式)问题或NP完全(即NPC，NondeterministicPolynomialComplete)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。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。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。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“Timeflieslikeanarrow.”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“Thespiritiswillingbutthefleshisweak”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“Thewineisgoodbutthemeatisspoiled”。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。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。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