人工智能應(yīng)用的論文

人工智能應(yīng)用的論文

　　AI研究出現(xiàn)了新的高潮，有兩個方面的表現(xiàn)，一方面在于人工智能理論方面有了新的進展，另一方面是由于突飛猛進發(fā)展的計算機硬件。以下是學(xué)習(xí)啦小編整理分享的關(guān)于人工智能應(yīng)用的論文的相關(guān)文章，歡迎閱讀!

　　人工智能應(yīng)用的論文篇一

　　人工智能的應(yīng)用研究

　　一、人工智能的發(fā)展過程

　　人工智能(AI.Artificial Intelligence)經(jīng)歷了三次飛躍階段：實現(xiàn)問題求解是第一次，代替人進行部分邏輯推理工作的完成，如機器定理證明和專家系統(tǒng);智能系統(tǒng)能夠和環(huán)境交互是第二次，從運行的環(huán)境中對信息進行獲取，代替人進行包括不確定性在內(nèi)的部分思維工作的完成，通過自身的動作，對環(huán)境施加影響，并適應(yīng)環(huán)境的變化，如智能機器人;第三次是智能系統(tǒng)，具有類人的認知和思維能力，能夠發(fā)現(xiàn)新的知識，去完成面臨的任務(wù)，如基于數(shù)據(jù)挖掘的系統(tǒng)。

　　二、人工智能的研究熱點

　　AI研究出現(xiàn)了新的高潮，有兩個方面的表現(xiàn)，一方面在于人工智能理論方面有了新的進展，另一方面是由于突飛猛進發(fā)展的計算機硬件。隨著不斷提高的計算機速度、不斷擴大的存儲容量、不斷降低的價格，以及不斷發(fā)展的網(wǎng)絡(luò)，很多在以前無法完成的工作在現(xiàn)在都能夠?qū)崿F(xiàn)。當前，智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)是人工智能研究的三個熱點。

　　(一)智能接口技術(shù)是研究如何使人們能夠方便自然地與計算機交流。為了實現(xiàn)這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現(xiàn)又依賴于知識表示方法的研究。因此，智能接口技術(shù)的研究既有巨大的應(yīng)用價值，又有基礎(chǔ)的理論意義。目前，智能接口技術(shù)已經(jīng)取得了顯著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯及自然語言理解等技術(shù)已經(jīng)開始實用化。

　　(二)數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但是又潛在有用的信息和知識的過程。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強大的技術(shù)支柱：數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計。

　　(三)主體系統(tǒng)是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態(tài)的實體，比對象的粒度更大，智能性更高，而且具有一定的自主性。主體試圖自治、獨立地完成任務(wù)，而且可以和環(huán)境交互，與其他主體通信，通過規(guī)劃達到目標。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個主體之間進行協(xié)調(diào)智能行為，最終實現(xiàn)問題求解。

　　三、人工智能的應(yīng)用領(lǐng)域

　　今天，AI能力更傾向于應(yīng)用到人類或其他動物智能的某一或某幾方面，并用自動化替代，有時候也用于對其進行模擬。不過在有些情況下，這些在高性能計算機調(diào)度之下的智能行為遠遠比人類的行為更為強大。

　　(一)路徑查找和路徑規(guī)劃。在最小代價路徑規(guī)劃和路徑查找系統(tǒng)中，可以使用專門的技術(shù)——它們中有一些非常靈巧微妙，另一些則僅僅是用蠻力解決——來模擬對理解的直覺迅速轉(zhuǎn)換或者對普通人大腦生成過程的識別，結(jié)果有時非常令人驚訝!路徑查找就是路徑規(guī)劃問題的一種變體。

　　為了找到最佳路線，我們需要計算通過每一個往返路線的時間開銷。時間就是金錢;所以，我們更傾向于關(guān)注最小代價路線。這也適用于飛機航線的制定，它們需要在不同的城市中逗留或更換航班等等。

　　(二)邏輯和不確定性。計算機編程就像是使用邏輯磚塊建造一棟房子一樣。事實上，人工智能編程通常被認為有兩種邏輯形式——命題邏輯和形式邏輯——的一種特殊混合應(yīng)用，也被認為是一種謂詞演算。更進一步說，編程語言中，我們更是采用了一個命題邏輯更加專門化的形式：布爾邏輯或者布爾代數(shù)。

　　命題邏輯應(yīng)用于具有真和假兩種狀態(tài)的斷言以及命題領(lǐng)域之中。古典命題邏輯或者布爾邏輯處理的都

　　只有兩種狀態(tài)：或者為真，或者為假。

　　對象之間 聯(lián)系以及這些聯(lián)系的真假值(布爾形式)在內(nèi)的命題邏輯的一種強化延伸就是謂詞演算(和中學(xué)學(xué)的數(shù)學(xué)計算毫無關(guān)系)所包含的。

　　但是當我們在邏輯中使用這些謂詞的時候，就算是最復(fù)雜的邏輯語句，我們最終獲得的也只是一個黑白分明的世界：一個事物不是真的就是假的。如果一個事物不是真的也不是假的，那么它一定是不存在的事物。否則，它必然兩者居其一。

　　(三)自然 語言處理。在AI 應(yīng)用中最重要的一部分就是自然語言處理。但是，現(xiàn)實卻是，自然語言處理系統(tǒng)并不能像人類那樣能很好地分析這些并沒有太強邏輯結(jié)構(gòu)地說出的以及寫出的詞語的含義。不過這樣有限的功能對于殘障人士、翻譯系統(tǒng)、詞語處理拼寫和語法檢查器來說仍然是非常有用的。

　　(四)神經(jīng) 網(wǎng)絡(luò)。一種信息處理結(jié)構(gòu)就是神經(jīng)網(wǎng)絡(luò)，對諸如大腦之類的生物學(xué)神經(jīng)系統(tǒng)進行嘗試模仿來進行單純數(shù)據(jù)的轉(zhuǎn)換成為信息，就是它的原理。神經(jīng)網(wǎng)絡(luò)由很多相互聯(lián)系的處理小元素：神經(jīng)節(jié)點，功能相當于一個大腦神經(jīng)細胞和神經(jīng)元(synapse)組成，它們相互交互，共同解決具體問題。神經(jīng)網(wǎng)絡(luò)上的元素將 輸入模式轉(zhuǎn)換成為輸出模式，而這些輸出模式又同時可以成為其他神經(jīng)網(wǎng)絡(luò)的輸入模式。神經(jīng)網(wǎng)絡(luò)通過實例學(xué)習(xí)，這一點和人類的做法一樣。神經(jīng)網(wǎng)絡(luò)需要設(shè)置為適用于某些具體應(yīng)用中，比如通過學(xué)習(xí)過程識別圖像。而對于生命系統(tǒng)本身，我們對學(xué)習(xí)的過程涉及到神經(jīng)細胞之間的突觸聯(lián)系的調(diào)整這一說法保留質(zhì)疑。

　　四、結(jié)語

　　當前，大部分AI能力的研究方向是研究如何完整地模擬一個智能過程，而不是對器官所使用的每一個低級步驟進行再現(xiàn)。一個極端顯著的示例就是利用數(shù)據(jù)庫和搜索軟件獲取信息的專家系統(tǒng)。數(shù)據(jù)庫向大腦提供基本沒有任何關(guān)聯(lián)的數(shù)據(jù)，同時這些數(shù)據(jù)的傳輸和其在大腦中的存儲形式也毫不相同(科學(xué)家們很清楚這一點)。但是很多專家系統(tǒng)還是能夠相當好地擔當起諸如像內(nèi)科醫(yī)生這樣的專業(yè)角色。當然它們也僅僅被應(yīng)用于它們非常熟悉的領(lǐng)域。

下一頁分享更優(yōu)秀的<<<人工智能應(yīng)用的論文