深圳大學碩士研究生課程作業人工智能人工智能學習報告深圳大學機電與控制工程學院 彭建柳學號：09430102101. 引言人工智能(Artificial Intelligence，AI)，曾經有一部電影，著名導演斯蒂文斯皮爾伯格的科幻片人工智能(A.I.)對許多人的頭腦又一次產生了震動，引起了一些人士了解并探索人工智能領域的興趣。人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數研究人員為之奉獻才智，從美國的麻省理工學院(MIT)、卡內基-梅隆大學(CMU)到IBM公司，再到日本的本田公司、SONY公司以及國內的清華大學、中科院等科研院所，全世界的實驗室都在進行著AI技術的實驗。一直以來，關于人工智能的理論，我一直認為是科學的前沿，理解起來較為飄渺。但是，從本學期人工智能課程的學習中，本人較系統的接觸到了關于人工智能的理論，從有限的課程中，通過老師的詳細介紹和查閱人工智能方面的書籍，學習了關于人工智能幾個主要方面的知識，如模糊控制、專家系統、神經網絡等。下面是本人關于人工智能理論的一些基本認識。2. 人工智能的形成與發展說到人工智能，首先先認識下自動控制理論，自動控制理論從形成到發展至今，已經經歷了六十多年的歷程，其主要分為三個階段：第一階段是40年代興起的以調節原理為標志，稱為經典控制理論階段；第二階段是以60年代興起的以狀態空間為標志，稱為現代控制理論階段；第三階段是80年代興起的智能控制理論階段智能控制是在控制論人工智能系統論和信息論等多學科的高度綜合與集成，是一門新興的交叉前沿學科。智能控制技術，即是在無人干預的情況下能自主地驅動智能機器實現控制目標的自動控制技術。對許多復雜的系統，難以建立有效的數學模型和用常規的控制理論去進行定量計算和分析，而必須采用定量方法與定性方法相結合的控制方式。定量方法與定性方法相結合的目的是，要由機器用類似于人的智慧和經驗來引導求解過程。因此，在研究和設計智能系統時，主要注意力不放在數學公式的表達、計算和處理方面，而是放在對任務和現實模型的描述、符號和環境的識別以及知識庫和推理機的開發上，即智能控制的關鍵問題不是設計常規控制器，而是研制智能機器的模型。此外，智能控制的核心在高層控制，即組織控制。高層控制是對實際環境或過程進行組織、決策和規劃，以實現問題求解。為了完成這些任務，需要采用符號信息處理、啟發式程序設計、知識表示、自動推理和決策等有關技術。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的“智能”。隨著人工智能和計算機技術的發展，已經有可能把自動控制和人工智能以及系統科學中一些有關學科分支(如系統工程、系統學、運籌學、信息論)結合起來，建立一種適用于復雜系統的控制理論和技術。智能控制正是在這種條件下產生的。它是自動控制技術的最新發展階段，也是用計算機模擬人類智能進行控制的研究領域。1965年，傅京孫首先提出把人工智能的啟發式推理規則用于學習控制系統。1985年，在美國首次召開了智能控制學術討論會。1987年又在美國召開了智能控制的首屆國際學術會議，標志著智能控制作為一個新的學科分支得到承認。智能控制具有交叉學科和定量與定性相結合的分析方法和特點。3. 模糊控制在傳統的控制領域里，控制系統動態模式的精確與否是影響控制優劣的最主要關鍵，系統動態的信息越詳細，則越能達到精確控制的目的。然而，對于復雜的系統，由于變量太多，往往難以正確的描述系統的動態，于是工程師便利用各種方法來簡化系統動態，以達成控制的目的，但卻不盡理想。換言之，傳統的控制理論對于明確系統有強而有力的控制能力，但對于過于復雜或難以精確描述的系統，則顯得無能為力了。因此便嘗試著以模糊數學來處理這些控制問題。通過課堂中，導師生動的講解，以及引用到生活當中鮮活的例子，如冰箱溫度的模糊控制，智能汽車的行駛路線控制等等，充分的認識到，模糊控制在當今社會的應用已經很廣泛，只是理論知識的缺乏而感覺不到它們的存在。一般控制架構包括：定義變量、模糊化、知識庫、邏輯判斷及反模糊化，詳細如下：(1) 定義變量：也就是決定程序被觀察的狀況及考慮控制的動作，例如在一般控制問題上，輸入變量有輸出誤差E與輸出誤差之變化率CE，而控制變量則為下一個狀態之輸入U。其中E、CE、U統稱為模糊變量。(2) 模糊化（fuzzify）：將輸入值以適當的比例轉換到論域的數值，利用口語化變量來描述測量物理量的過程，依適合的語言值（linguisitc value）求該值相對之隸屬度，此口語化變量我們稱之為模糊子集合（fuzzy subsets）。(3) 知識庫：包括數據庫（data base）與規則庫（rule base）兩部分，其中數據庫是提供處理模糊數據之相關定義；而規則庫則藉由一群語言控制規則描述控制目標和策略。(4) 邏輯判斷：模仿人類下判斷時的模糊概念，運用模糊邏輯和模糊推論法進行推論，而得到模糊控制訊號。此部分是模糊控制器的精髓所在。(5) 解模糊化（defuzzify）：將推論所得到的模糊值轉換為明確的控制訊號，做為系統的輸入值。模糊控制很重要的一點就是模糊規則的制定，其規則制定的來源主要由專家的經驗和知識、操作員的操作模式、自學習提供。模糊規則的形式則分為狀態評估和目標評估兩種。但都是以模糊控制為基礎，達到自動控制的目的。4. 專家系統專家系統(expert system)是人工智能應用研究最活躍和最廣泛的課題之一。運用特定領域的專門知識，通過推理來模擬通常由人類專家才能解決的各種復雜的、具體的問題，達到與專家具有同等解決問題能力的計算機智能程序系統。它能對決策的過程作出解釋，并有學習功能，即能自動增長解決問題所需的知識。專家系統的發展已經歷了3個階段，正向第四代過渡和發展。第一代專家系統（dendral、macsyma等）以高度專業化、求解專門問題的能力強為特點。但在體系結構的完整性、可移植性等方面存在缺陷，求解問題的能力弱。第二代專家系統（mycin、casnet、prospector、hearsay等）屬單學科專業型、應用型系統，其體系結構較完整，移植性方面也有所改善，而且在系統的人機接口、解釋機制、知識獲取技術、不確定推理技術、增強專家系統的知識表示和推理方法的啟發性、通用性等方面都有所改進。第三代專家系統屬多學科綜合型系統，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統及專家系統開發工具和環境來研制大型綜合專家系統。在總結前三代專家系統的設計方法和實現技術的基礎上，已開始采用大型多專家協作系統、多種知識表示、綜合知識庫、自組織解題機制、多學科協同解題與并行推理、專家系統工具與環境、人工神經網絡知識獲取及學習機制等最新人工智能技術來實現具有多知識庫、多主體的第四代專家系統。對專家系統可以按不同的方法分類。通常，可以按應用領域、知識表示方法、控制策略、任務類型等分類。如按任務類型來劃分，常見的有解釋型、預測型、診斷型、調試型、維護型、規劃型、設計型、監督型、控制型、教育型等。簡而言之，專家系統是一種模擬人類專家解決領域問題的計算機程序系統。5. 神經網絡由于神經網絡是多學科交叉的產物，各個相關的學科領域對神經網絡都有各自的看法，因此，關于神經網絡的定義，在科學界存在許多不同的見解。目前使用得最廣泛的是T.Koholen的定義，即“神經網絡是由具有適應性的簡單單元組成的廣泛并行互連的網絡，它的組織能夠模擬生物神經系統對真實世界物體所作出的交互反應。”人工神經網絡是模擬人思維的第二種方式。這是一個非線性動力學系統，其特色在于信息的分布式存儲和并行協同處理。雖然單個神經元的結構極其簡單，功能有限，但大量神經元構成的網絡系統所能實現的行為卻是極其豐富多彩的。6. 小結關于人工智