人工智能学习心得.docxVIP

PAGE PAGE 1 人工智能学习心得 人工智能学习心得  人工智能主要研究用人工方法模拟和扩展人的智能，最终实现机器智能。人工智能研究与人的思维研究亲密相关。规律学始终是人工智能研究中的基础科学问题，它为人工智能研究供应了根本观点与方法。  1 人工智能学科的诞生  12世纪末13世纪初，西班牙罗门·卢乐提出制造可解决各种问题的通用规律机。17世纪，英国培根在《新工具》中提出了归纳法。随后，德国莱布尼兹做出了四则运算的手摇计算器，并提出了“通用符号”和“推理计算”的思想。19世纪，英国布尔创立了布尔代数，奠定了现代形式规律研究的基础。德国弗雷格完善了命题规律，创建了一阶谓词演算系统。20世纪，哥德尔对一阶谓词完全性定理与n 形式系统的不完全性定理进行了证明。在此基础上，克林对一般递归函数理论作了深入的研究，建立了演算理论。英国图灵建立了描述算法的机械性思维过程，提出了抱负计算机模型(即图灵机) ，创立了自动机理论。这些都为1945年匈牙利冯·诺依曼提出存储程序的思想和建立通用电子数字计算机的冯·诺依曼型体系结构，以及1946年美国的莫克利和埃克特成功研制世界上第一台通用电子数学计算机eniac做出了开拓性的贡献。  以上经典数理规律的理论成果，为1956年人工智能学科的诞生奠定了坚实的规律基础。  现代规律发展动力主要来自于数学中的公理化运动。20世纪规律研究严重数学化，发展出来的规律被恰当地称为“数理规律”，它增加了规律研究的深度，使规律学的发展继古希腊规律、欧洲中世纪规律之后进入第三个高峰期，并且对整个现代科学特殊是数学、哲学、语言学和计算机科学产生了特别重要的影响。  2 规律学的发展  2.1规律学的大体分类  规律学是一门研究思维形式及思维规律的科学。 从17世纪德国数学家、哲学家莱布尼兹(g. leibniz)提出数理规律以来，随着人工智能的一步步发展的需求，各种各样的规律也随之产生。规律学大体上可分为经典规律、非经典规律和现代规律。经典规律与模态规律都是二值规律。多值规律，是具有多个命题真值的规律，是向模糊规律的靠近。模糊规律是处理具有模糊性命题的规律。概率规律是研究基于规律的概率推理。  2.2 泛规律的基本原理  当今人工智能深入发展遇到的一个重大难题就是专家经验学问和常识的推理。现代规律迫切需要有一个统一牢靠的，关于不精确推理的规律学作为它们进一步研究信息不完全状况下推理的基础理论，进而形成一种能包涵一切规律形态和推理模式的，敏捷的，开放的，自适应的规律学，这便是柔性规律学。而泛规律学就是研究刚性规律学(也即数理规律)和柔性规律学共同规律的规律学。  泛规律是从高层研究一切规律的一般规律，建立能包涵一切规律形态和推理模式，并能依据需要自由伸缩变化的柔性规律学，刚性规律学将作为一个最小的内核存在其中，这就是提出泛规律的根本原因，也是泛规律的最终历史使命。  3 规律学在人工智能学科的研究方面的应用  规律方法是人工智能研究中的主要形式化工具，规律学的研究成果不但为人工智能学科的诞生奠定了理论基础，而且它们还作为重要的成分被应用于人工智能系统中。  3.1 经典规律的应用  人工智能诞生后的20年间是规律推理占统治地位的时期。1963年，纽厄尔、西蒙等人编制的“规律理论机”数学定理证明程序(lt)。在此基础之上，纽厄尔和西蒙编制了通用问题求解程序(gps)，开拓了人工智能“问题求解”的一大领域。经典数理规律只是数学化的形式规律，只能满意人工智能的部分需要。  3.2 非经典规律的应用  (1)不确定性的推理研究  人工智能发展了用数值的方法表示和处理不确定的信息，即给系统中每个语句或公式赋一个数值，用来表示语句的不确定性或确定性。比较具有代表性的有：1976年杜达提出的主观贝叶斯模型， 1978年查德提出的可能性模型， 1984年邦迪提出的发生率计算模型，以及假设推理、定性推理和证据空间理论等经验性模型。  归纳规律是关于或然性推理的规律。在人工智能中，可把归纳看成是从个别到一般的推理。借助这种归纳方法和运用类比的方法，计算机就可以通过新、老问题的相似性，从相应的学问库中调用有关学问来处理新问题。  (2)不完全信息的推理研究  常识推理是一种非单调规律，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以转变甚至收回原来的结论。非单调规律可处理信息不充分状况下的推理。20世纪80年月，赖特的缺省规律、麦卡锡的限定规律、麦克德莫特和多伊尔建立的nml非单调规律推理系统、摩尔的自认知规律都是具有开创性的非单调