人工智能技术发展及应用研究综述
第30卷第2期2009年 2月
煤 矿 机 械CoalM ine Machinery
Vol . 30No . 2Feb . 2009
人工智能技术发展及应用研究综述
张 妮, 徐文尚, 王文文
(山东科技大学信电学院, 山东青岛266510)
摘 要:总结了国内外人工智能技术的发展历史, 介绍了它的研究现状、领域以及目前发展水平, 简要地探讨了当前研究的热点:智能接口以及数据挖掘技术, 展望了人工智能的发展前景。
关键词:人工智能; 前景; 发展综述
中图分类号:TP18 文献标志码:A 文章编号:1003-0794(2009) 02-0003-04
Su mmary on Develop ment and on of l I ntelli gence ZHANG N i , XU -W (College of I nf or mati on and Technol ogy, Q ingdao 266510, China )
Abstract:The of technol ogy is summarized at home and a 2br oad, the current level of devel opment were intr oduced, and intelligent inter 2face and ining technol ogy were discussed briefly, and a devel op ing foregr ound of artificial intelli 2gence was pointed out .
Key words:artificial intelligence; f oregr ound; devel opment summary
1 人工智能的概念和发展简史
最基本的出发点。
形成期 人工智能诞生于1956年一次历史性的聚会。几位来自美国数学、神经学、心理学、信息科学和计算机科学方面的杰出年轻科学家, 在一起探讨并由麦卡锡提议正式采用了“人工智能A I ”这一术语。从而诞生了一个以研究如何用机器来模拟人类智能的新兴学科。1969年的国际人工智能联合会议标志着人工智能得到了国际的认可。
正当人们在为人工智能所取得的成就而高兴的时候, 人工智能却遇到了许多因难。人工智能的先驱者们在反思中认真总结了人工智能发展过程中的经验教训, 从而又开创了一条以知识为中心、面向应用开发的研究道路。
知识应用期 1977年, 费根鲍姆在第五届国际人工智能联合会议上正式提出了知识工程的概念。从此之后, 各类专家系统得以发展, 大量的商品化专家系统和智能系统纷纷推出。知识专家系统在全世界得到了迅速发展, 其应用范围也扩大到了人类各个领域, 并产生了巨大的经济效益。
专家系统本身所存在的应用领域狭窄、缺乏常识性知识、知识获取困难、不能访问现存数据库等问题被逐渐暴露出来, 人工智能又面临着一次考验。
综合集成期 在专家系统方面, 从20世纪80年代末开始逐步向多技术、多方法的综合集成与多
(1) 概念
美国斯坦福大学人工智能研究中心尼尔逊教授给人工智能下了这样一个定义:人工智能是关于知识的学科, 是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能所实现的功能来定义是智能机器所执行的通常与人类智能有关的功能, 如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和基本内容, 即人工智能是研究人类智能活动的规律。若是从实用观点来看, 人工智能是一门知识工程学:以知识为对象, 研究知识的获取、知识的表示方法和知识的使用。
(2) 发展简史
回顾人工智能的产生与发展过程, 可大致分为孕育、形成、知识应用和综合集成这4个阶段。
孕育期 一般认为A I (A rtificial I ntelligence ) 的最早工作是W arren McCull och 跟W alter Pitts 完成的。吸取了3种资源后提出一种人工神经元模型。唐纳德. 海布阐述了一种简单的更新规则, 用于修改神经元间的连接强度。2名普林斯顿的大学数学系的研究生在1951年建造了第1台神经元网络计算机。还有不少早期工作的例子可以被当作人工智能, 古希腊伟大的哲学家和思想家亚里斯多德创立了演绎法。他提出的三段论至今仍然是演绎推理的
第30卷第2期
人工智能技术发展及应用研究综述———张 妮, 等
Vol . 30No . 2
学科、多领域的综合应用型发展。大型专家系统开发采用了多种人工智能语言、多种知识表示方法、多
种推理机制和多种控制策略相结合的方式, 并开始运用各种专家系统外壳、专家系统开发工具和专家系统开发环境等。
目前, 人工智能技术正在向大型分布式人工智能、大型分布式多专家协同系统、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。
但从目前来看, 人工智能的理论、方法和技术都不太成熟, 人们对它的认识也比较肤浅, 甚至连人工智能能否归结、如何归结为一组基本原理也还是个问号, 这些都还有待于人工智能工作者的长期探索。2 人工智能的研究与应用领域
, 理、40a 中已经建立了一些具有人工智能的计算机系统, 能够求解微分方程、下棋、设计和分析集成电路、合成人类自然语言、检索情报、诊断疾病以及控制太空飞行器和水下机器人等。
目前, 人工智能的研究是与具体领域相结合进行的。基本上有如下领域:
(1) 专家系统
专家系统是依靠人类专家已有的知识建立起来的知识系统, 是一种具有特定领域内大量知识与经验的程序系统。它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题, 其水平可以达到甚至超过人类专家的水平。目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域, 广泛应用于医疗诊断、地质勘探、文化教育等各方面。它是在特定的领域内具有相应的知识和经验的程序系统, 它应用人工智能技术、模拟人类专家解决问题时的思维过程, 来求解领域内的各种问题, 达到或接近专家的水平。
(2) 机器学习机器学习就是机器自己获取知识。机器学习的研究, 主要是研究人类学习的机理、人脑思维的过程; 机器学习的方法; 建立针对具体任务的学习系统。还有机器人学这个领域所研究的问题, 包括从机器人手臂的最佳移动到实现机器人的目标动作序列的规划方法等。因此开发高智能机器人是一个重要研究方面。
(3) 模式识别
模式识别是研究如何使机器具有感知能力, 主要研究视觉模式和听觉模式的识别, 如识别物体、地形、图像、字体(如签字) 等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。特别神经网络方法在模式识别中取得较大进展。
当前模式识别主要集中在图形识别和语音识别。图形识别方面例如识别各种印刷体和某些手写体文字, 识别指纹、白血球和癌细胞等的技术已经进入实用阶段。语音识别主要研究各种语音信号的分类。, 现已有商品化。
(4) (人工神经元、处理元) 模仿人脑神经系统工程结构和工作机理。是通过范例的学习, 修改了知识库和推理机的结构, 达到实现人工智能的目的。
在人工神经网络中, 信息的处理是由神经元之间的相互作用来实现的, 知识与信息的存储表现为网络元件互连间分布式的物理联系, 网络的学习和识别取决于和神经元连接权值的动态演化过程。
人工神经网络也许永远也无法代替人脑, 但是他能帮助人类扩展对外部世界的认识和智能控制。多年来, 人工神经网络的研究取得了较大的进展, 成为具有一种独特风格的信息处理学科。目前, 人工神经网络的发展趋势有如下特点:①新的人工神经网络模型产生频率非常之快。②现有的人工神经网络模型的完善改进速度喜人。③人工神经网络结合和其他一些现代优化计算方法的结合运用日见增多。如结合混沌理论、遗传+神经、模拟退火+神经算法等成功运用的实例。
(5) 智能决策支持系统
决策支持系统是属于管理科学的范畴, 它与“知识-智能”有着极其密切的关系。自20世纪80年代以来专家系统在许多方面取得成功, 将人工智能中特别是智能和知识处理技术应用于决策支持系统, 扩大了决策支持系统的应用范围, 提高了系统解决问题的能力, 这就成为智能决策支持系统。
(6) 自动定理证明
自动定理证明是指利用计算机证明非数值性的结果, 即确定真假值。早期研究数学系统的机器是1926年由美国加州大学伯里克分校制作的。
如不断开发能够对某些问题或事物进行推理证明, 这些程序能够借助于对事实数据库的操作来证明和作推理判断。
Vol . 30No . 2
人工智能技术发展及应用研究综述———张 妮, 等
第30卷第2期
(7) 自然语言理解及自动程序设计
自然语言理解方面已经开发出能够从内部数据库回答英语提出问题的程序, 此外, 这些程序通过阅读文本材料, 还能够把其中的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。自动程序方面的目的在于, 使计算机自身能够根据各种不同目的和要求来自动编写计算机程序, 既可用高级语言编程, 又可用英语描述算法。目前已经可以自动编写出一些简单的程序。3 人工智能的目前发展水平
确切回答今日的人工智能能做什么是很困难的, 因为有太多的子领域跟太多相关的活动, 在很多领域都成功地实现了人工智能:
(1) 自主规划和调度
在远离地球几百万公里的太空, (空航天局) 规划程序, , 并且在规划的执—当发生问题的时候进行检测、诊断以及恢复。
(2) 博弈
在下棋程序中应用的某些技术, 如向前看几步, 把复杂的问题分解成一些比较容易的子问题等等, 均发展演变为搜索和问题归纳这样的人工智能基本技术。目前, 该项目技术发展很快并且惊人。
(3) 自主控制ALV I N N 计算机视觉系统被训练用于驾驶汽车沿车道行进。它安置在C MU 的NAVLAB 计算机控制微型汽车上, 并用来导航穿越美国—行程2850k m , 其中98%的时间由这个系统掌控方向盘。另外2%的时间由人驾驶。几乎都是在告诉公路出口车道的地方。NAVLAB 装有传送道路图像给ALV I N N 的视频摄像机, ALV I N N 在以前训练行驶获得经验的基础上计算出最佳的驾驶方向。
(4) 诊断
基于概率分析的医学诊断程序已经能够在某些医药学领域达到专家医师的水平。有一个案例, 一个淋巴结病理学方面的权威专家嘲笑程序对一个特别困难的病例的诊断。程序的创造者建议他听听计算机对诊断的解释。机器指出了影响判断的主要因素, 并解释了该病例中的一些微妙的病发症状, 最终, 专家同意了程序的诊断。
(5) 后勤规划
在1991年的波斯湾危机中, 美国军队配备了一个动态规划和重规划工具, DART, 用于自动的后勤规划和运输调度。这项工作同时涉及到5万个车辆
货物以及人, 而且可以必须考虑起点、目的地、路径以及解决所有参数之间的冲突。A I 规划技术使一个规划可以在几小时内产生, 而用旧的方法需要花费几个星期。美国国防部高级研究计划局称此一项就足以补偿DART 在A I 方面30a 的投资。
(6) 机器人技术
现在很多外科医生在显微外科手术中使用机器人助手。H i pnav 是一个使用计算机视觉技术创建病人的内部解剖三维模型系统, 然后系统利用机器人控制引导插入股骨假体。设计一个能完成上述操作任务的机器人则很难, 因此开发高智能机器人是。
(7) , 。它使用了对可能的填、一个以前字谜的庞大数据库, 以及多种信息资源, 包括词典、诸如包含电影及演出演员清单的联机数据库。
参照人在各种活动中的功能, 可以得到人工智能的领域也就是代替人的活动。有人进行智力活动的领域就是人工智能研究的领域。人工智能就是为了应用机器的长处来帮助人类进行智力活动。4 人工智能的当前研究热点
(1) 数据挖掘与知识实现
数据挖掘和知识发现是20世纪90年代初期新崛起的一个活跃的研究领域。在数据库基础上实现的知识发现系统, 通过综合运用多种学习手段和方法, 从大量的数据中提炼出抽象的知识, 从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规律, 实现知识的自动获取。这是一个富有挑战性并具有广阔应用前景的研究课题。
从数据库获取知识, 即从数据中挖掘并发现知识, 首先要解决被发现知识的表达问题。最好的表达方式是自然语言, 因为它是人类的思维和交流语言。知识表示的最根本问题就是如何形成用自然语言表达的概念。概念比数据更确切、直接和易于理解。自然语言的功能就是用最基本的概念描述复杂的概念、用各种方法对概念进行组合, 以表示所认知的事件。到20世纪80年代末, 数据挖掘取得突破。越来越多的研究者加入到知识发现和数据挖掘的研究行列。客户档案就是应用数据挖掘的一个例子。
数据挖掘的研究还会深入下去, 研究焦点可能会集中到以下几个方面:
①数据挖掘算法的效率和可扩展性; ②数据的时序性; ③互联网上知识的发现。
第30卷第2期2009年 2月
煤 矿 机 械CoalM ine Machinery
Vol . 30No . 2Feb . 2009
矿用乳化液配制和浓度检测技术的进展
刘实现, 朱 华, 王 勇, 朱丰沛
(中国矿业大学机电学院, 江苏徐州221116)
摘 要:为了系统地了解煤矿综采工作面液压系统乳化液的配制和浓度检测技术的发展概况, 在阐述矿用乳化液配制和浓度检测传统方法的基础上, 详细综述了乳化液自动配制和浓度在线检测技术的研究进展, 提出了一种乳化液多参数在线检测系统, 并指出了其应用意义。
关键词:乳化液; 浓度; 配制; 检测中图分类号:T D355 文献标志码:A 文章编号:1003-0794(2009) 02-0007-04
Progress of Preparati on and on Technology of M i E L I U Sh i -x i a n, ZHU Hua, Feng -pe i
(Mechanical and Electrical Engineering and 221116, China )
Abstract:I n order t o opment of p reparati on and concentra 2ti on e m ining face, on the base of revie wed the traditi onal on detecti on of e mulsi on, and then the research devel opment of aut o 2matic p and on -line detecti on of e mulsi on is intr oduced in detail, puts for ward a multi -para me 2ter e mulsi on -detecti on syste m, and pointed out the significance of the app licati on . Key words:e mulsi on; concentrati on; p reparati on; detecti on
0 引言
度过低会降低其润滑性、防锈性、稳定性和抗硬水能力, 使液压元件受到水的侵蚀而生锈, 影响液压系统
的工作寿命, 甚至导致液压支架失去支承能力而引起重大的恶性事故。反之, 如果乳化液的浓度过高, 则会降低消泡能力, 增大对橡胶密封材料的容胀性, 同时使乳化油用量增加, 生产成本提高。因此, 必须严格控制乳化液的浓度, 对于综采工作面乳化液的配比感能力。情感能力对于计算机与人的自然交往至关重要。
参考文献:
[1]RobCallan . 人工智能[M].黄厚宽, 田盛丰, 译. 北京:电子工业出
综采工作面液压系统工作的可靠性直接关系到煤矿的高产、高效和安全生产, 作为液压系统工作介质的乳化液, 在液压系统中起着血液的作用, 其浓度的适当与否, 对支护等设备的使用寿命、工作可靠性和生产成本起着关键性作用。《煤矿安全规程》规定, 乳化液的配比浓度应严格控制在3%~5%, 如果浓 (2) 智能接口技术
智能接口技术是研究如何使人们能够方便自然地与计算机交流。而交流的实现又依赖于知识表示方法的研究。因此, 智能接口技术的研究既有巨大的应用价值, 又有基础的理论意义。目前, 智能接口技术已经取得了显著成果, 文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。5 人工智能的前景
人工智能的近期研究目标是研制可代替人类从事脑力劳动的智能计算机, 要准确地预测人工智能的未来是不可能的。但是, 从目前的一些前瞻性研究可以看出未来人工智能可能会向以下几个方面发展:模糊处理、并行化、神经网络和机器情感。
人工神经网络是未来人工智能应用的新领域, 而人工智能领域的下一个突破可能在于赋予计算机情
版社, 2004.
[2]蔡自兴. 人工智能基础[M].北京:高等教育出版社, 2005.
[3]尚福华, 李军, 王梅, 等. 人工智能及其应用[M].北京:石油工业出
版社, 2005.
[4]李陶深. 人工智能[M].重庆:重庆大学出版社, 2002.
[5]Stuart Russel, Peter Norvig . 人工智能[M].姜哲, 金奕江, 译. 北京:
人民出版社, 2006.
[6]佘玉梅, 段鹏. 人工智能应用[M].上海:上海交大出版社, 2007. [7]田金萍. 人工智能发展综述[J ].科技广场, 2007. 1.
作者简介:张 妮(1983-) , 山东潍坊人, 在读硕士研究生, 控制理论与控制工程专业, 主要研究方向:智能故障诊断、神经网络研究, 电子信箱:117zhangni@163. co m.
收稿日期:2008-10-29