人工智能用逻辑知识表示猴子摘香蕉问题-猴子摘香蕉

人工智能及应用概括作者：未知 摘 要：作为世界三大尖端技能之一， 人工智能（ Artificial Intelligent）自1956年诞生之日起， 就成为科学发展史上一颗令人瞩目的新星， 吸引着无数科学事务者从事相关的研讨与创造。我们所处的时代是知识爆炸的时代，各种海量信息充斥着世界各个角落，而仅仅依靠人类自身，很难实现对这些信息的有效处理。人工智能作为一门研讨和制造智能机器或智能系统的学科，指标在于模拟和延展人类的智能，这与当今时代发展的需求是不谋而合的。

关键词：人工智能

人工智能是一门新理论、新技能、新方法和新思维不时涌现的前沿交叉学科，与计算机科学、抑制论、信息论、神经生理学、哲学、语言学等亲密相关，研讨领域除了经典的知识表示、启发式搜索理论、推理技能、人工智能系统和语言之外，还涉及专家系统、自然语言理解机器学习、博弈、机器人学、模式识别、智能检索、自动程序设计、数据挖掘、计算机视觉、分布式人工智能、人工神经网络、智能抑制、智能决策支持系统、智能电网等领域，相关研讨成果也已广泛应用到生产、生活的各个方面。

1.人工智能的基本观念

人工智能（Artificial Intelligence），英文缩写为AI。它是研讨、开发用于模拟、延伸和扩展人的智能的理论、方法、技能及应用系统的一门新的技能科学。

人工智能是计算机科学的一个分支，它企图明白智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研讨包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来人工智能用逻辑知识表示猴子摘香蕉问题，理论和技能日益成熟，应用领域也不时扩大，能够设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

2.人工智能的发展历程

（1）孕育期（1956年之前）

只管现代人工智能的兴起一般被认为起初于1956年达特蒙斯的夏季讨论会人工智能用逻辑知识表示猴子摘香蕉问题，但实际自古以来，人类就在一直尝试用各种机器来代替人的局部劳动，以提高征服自然的能力。除了文学作品中关于人工智能的记载之外，还有很多科学家都为人工智能这个学科的最后诞生付出了艰辛的劳动和不懈的努力。

（2）变成期（1956-1969年）

达特蒙斯讨论会之后，在美国起初变成了以人工智能为研讨指标的几个研讨组，他们分辨是纽厄尔和西蒙的 Carnegie-RAND协作组（也称为心理学组）、塞缪尔和格伦特尔（ Herbert Gelernter）的IBM公司工程课题研讨组以及明斯基和麦卡锡的MIT研讨组。这3个小组在后续的十多年中，分辨在定理表明、问题求解、博弈等领域取得了重大突破。

（3）发展期（1970年之后）

这一时期人工智能的发展履历曲折而艰难，曾一度陷入困境，但又很快再度兴起，知识工程的方法渗透到人工智能的各个领域，人工智能也从实验室走向实际应用。

自1970年以后，许多国家相继开展了人工智能方面的研讨事务，大量成果不时涌现，但困难和挫折也随之而来，人工智能遇到了很多那时难以解决的问题，发展陷入困境。只管人工智能研讨的先驱面对了种种困难， 但他们没有退缩和动摇。为解决这些困难，从20世纪80年代末以来，专家系统又起初尝试多技能、多方法综合集成，多学科、多领域综合应用的探索。大型分布式专家系统、多专家协同式专家系统、广义知识表示、综合知识库、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Agent协同系统逐步出现。

3.人工智能的研讨指标

人工智能研讨的近期指标是实现智能机器，即先局部地或某种程度地实现机器的智能，使现有的计算机更聪明、更有用，使它不但能做一般的数值计算及非数值信息的数据处理还能运用知识处理问题，能模拟人类的局部智能行为。针对这一指标，人们就要根据现有计算机的特点研讨实现智能的有关理论、技能和方法，建立相应的智能系统，如专家系统、机器翻译系统、模式识别系统、机器人、人工神经网络等。

人工智能研讨的远期指标与近期指标相辅相成，远期指标为近期指标指明了方向，近期指标的研讨为远期指标的最后实现奠定了基础，做好理论及技能上的筹备，也增强了人们实现远期指标的信心。最终还应该注意的是，近期指标与远期指标之间并无严格的界限，随着人工智能研讨的深入、发展，近期指标不时变化，逐渐向远期指标靠近，近年来在人工智能各个领域中所取得的成就充分说明了这一点。

4.人工智能的学术流派

（1）符号主义学派

也�Q为心理学派、逻辑学派，这一学派的学者主要基于心理模拟和符号推演的方法进行人工智能研讨。早期的代表人物有纽厄尔、肖、西蒙等，后来还有费根鲍姆、尼尔森等，其代表性的理念是“物理符号系统假如”，认为人对客观世界的认知基元是符号，认知过程便是符号处理的过程。

“心理模拟，符号推演”是从人脑的宏观心理层面入手，以智能行为的心理模型为依据，将问题或知识表示成某种逻辑网络，选取符号推演的方法，模拟人脑的逻辑思想过程，实现人工智能。

（2）连接主义学派

它也被称为生理学派，主要选取生理模拟和神经计算的方法进行人工智能研讨，其代表人物有麦卡洛、皮茨、罗森布拉特、科厚南、霍普菲尔德、鲁梅尔哈特等。连接主义学派早在20世纪40年代就已出现，但由于种种原因发展缓慢，甚至一度出现低潮，直到20世纪80年代中期才重新崛起，现已成为人工智能研讨中不可或缺的重要途径与方法，每年国际国内都有很多关于人工神经网络的专门会议召开，用于相关领域事务的交流。

（3）行为主义学派

其也称进化主义、抑制论学派，是基于抑制论“感知-动作”抑制系统的人工智能学派，其代表人物是MIT的布鲁克斯教授。行为主义认为人工智能起源于抑制论，人工智能能够像人类智能一样逐渐进化，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。这种方法通过模拟人和动物在与环境交互、抑制过程中的智能活动和行为特性（如反应、适应、学习、寻优等）研讨和实现人工智能。 5.人工智能的研讨和应用

（1）专家系统

专家系统是一种在相关领域中具有专家水平解题能力的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟人类专家的思想过程，求解需要专家才能解决的困难问题。

（2）自然语言理解

自然语言理解（ Nature Language Processing）又叫自然语言处理，主要研讨如何使得计算机可以理解和生成自然语言，即选取人工智能的理论和技能将设定的自然语言机理用计算机程序表达出来，构造可以理解自然语言的系统。

（3）机器学习

知识是智能的基础，要使计算机具有智能，就必须使它具有知识，使计算机具有知识一般有两种途径：一种是人们把有关的知识总结、整理在一同，并用计算机能够接受、处理的的方式输入到计算机中去；另一种是使计算机具有学习的能力，它能够直接向书本、教师学习，也能够在实践过程中不时归纳经验、吸取教训，实现自身的不时完善。第二种途径一般称为机器学习（ Machine Learning）。

（4） 分布式人工智能

分布式人工智能（ Distributed Artificial Intelligence，DAI）是人工智能和分布式计算相联合的产物，主要研讨在逻辑或物理上实现分散的智能群体Agent的行为与方法，研讨 �f调、操作它们的知识、技术和规划，用以完成多任务系统和求解各种具有明确指标的问题。

（5）智能抑制

智能抑制（ Intelligent Control）是指那种无须或少需人的干预，就能独立地驱动智能机器，实现其指标的自动抑制，是一种把人工智能技能与经典抑制理论及现代抑制理论相结，研制智能抑制系统的方法和技能。

归纳：人工智能，将是未来科学技能发展的主要发展方向，虽然目前还面临着许多困境，然而有如核技能一样，虽然有危险，但只要人类能找到合理利用的方法，同样能够造福人类。当前人工智能还处于弱人工阶段，人工智能还要很长的路要走。因此，人工智能的当前重点在于大力研发，让人工智能在人民生活中扮演更加重要的角色。

参考文献：

[1]鲁斌. 人工智能及应用. 清华大学出版社. 2017

[2]普尔. 人工智能：计算Agent基础. 机械工业出版社. 2014