1．人工智能科學與技術
1956年夏液美國的Danmouth大學召開了世界次人工智能學術研討會。到會的10名從事數學、心理學、信息與計算機科學的學者與工程師，共同探討了用機器(計算機)模擬人類智能活動的有關問題，X創(chuàng)了“人工智能研究的新時期。
AI研究的開創(chuàng)者們，在當年就取得了兩項有重要意義的成果：一是他們研制的邏輯理論機，采用邏輯推理程序，模擬人類利用數理邏輯來證明定理，證明了“數學原理”中的：個定理；另一項是編制了下棋程序，該程序具有一定的自學習、自組織和自適應能力，能學習棋譜，自己積累下棋經驗，不斷改善能力，先后擊敗了它的設計者和一些跳棋冠軍。這兩個都是成功地利用計算機模擬入腦的思維活動的例子。它們鼓舞A1研究者致力于探索入腦的神經網絡結構及思維的普遍規(guī)律和模式。zo世紀60年代后AI進入了推理方法和問題求解模型的一般性研究，探索一些通用的問題求解技術和各種搜索策略。但隨著研究的深入，A1研究者們逐步認識到：解決問題的方法和手段是因事、甚至因入而變化的，試圖用一種或幾種通用問題求解結構去描述人類的智能行為是異常復雜和困難的，是一個漫長的歷史過程。1957年開始的對通用問題求解程序GP3(GeneralPr。blem solvef)的研究工作，經過十幾
年的不懈努力，終因研制者過分追求問題求解的一般結構而導致了失敗。6P5為代表的一般性研究的失敗，使AI研究者認識到知識在人類智能行為中的重要作用。對智能行為本身來說，一個實際問題的求解，其求解策略固然是重要的，但只有策略是不夠的，還需要問題領域內的專門知識，解決任何問題都要靠知識。此后，A1研究開始從通用問題基于推理的模型轉向專門問題基于知識的模型的研究。其標志就是1968年美國大學研制的D[NDRAL專家系統(tǒng)的問世。
2．專家系統(tǒng)ES(EXp6rt SyM6m)技術
DINDRAL系統(tǒng)的研制目標是從化學數據推斷分子假說。在研究中他們很快發(fā)現，如果沒有足夠的物理化學領域的專門知識，這個系統(tǒng)不可能有效地以人類思維方式進行智能推理。因此，由計算機學科、遺傳學和化學三個方面的專家合作，經過3年的努力，于1968年基本完成了預定目標，又經過幾年改進和擴充，使該系統(tǒng)十分有效。它從分子式及其質譜數據推斷分子結構的能力達到了專家水平，己被廣泛地應用在美國一些大學和工業(yè)界的化學實驗室里。繼DENDRA巳系統(tǒng)之后是麻省理工大學研究的數學領域專家系統(tǒng)MAC5YMA。該系統(tǒng)執(zhí)行公式化簡、符號微分、符號積分等數學問題求解。在該系統(tǒng)中同樣建立了大量的專門知識，采用了“啟發(fā)式”程序求解，據稱它在符號表達式化簡的能力方面超過了大多數專家。于1971年開始被用于數學和物理學研究中的數學處理工作中。通常將DENDRAL和MACSyMA稱為代Es。它們的成功應用，堅定了AI研究者的信心欣許多研究者轉向各個專門領域的Es的研制服動技術迅速的發(fā)展現在Es應用覆蓋了醫(yī)學、農業(yè)、化學、計算機、電子電氣、機械工程、過程控制、數學、物理、地質、軍事、法律等領域。許多Es經過多年使用的考核而不斷完善，完全可以在專家的水平上工作，助人們解決各種難題，給人類社會帶來了巨大的經濟效益。典型的專家系統(tǒng)都由三個基本部分構成：
①知識庫：用于存放與具體問題無關的領域知識。
②數據庫(又稱事實庫、工作存儲空間等＞存放與領域具體問題有關的知識事實得出的結論、最終結果。
③推理機：它根據用戶提供的事實(初始數據)及知識庫的領域知識，模擬人類專家的思維規(guī)律和邏輯進行推理，以得到與人類專家對領域特定問題的相同結論。上述三個基本部分的關系如圖6.1所示。由此可知，專家系統(tǒng)結構與傳統(tǒng)程序結構有很大的區(qū)別，其中主要的區(qū)別是ES將問題求解的知識存放在知識庫中，與利用知識庫中知識的推理機構相分離，這樣便于知識的修改和擴充。其次是在E5中可采用專家的啟發(fā)式知識(經驗知識)和啟發(fā)式推理方法(假設、化簡等經驗方法)來處理信息不完全、不的知識和數據，求解不良結構的問題。所以，專家系統(tǒng)具有啟發(fā)性、靈活性和透明性(可通過人機界面向用戶提供問題求解的過程和回答用戶的提問)的特點。






3．智能工程IE(Intell52ent EngineerinR)
Es具有較強的針對性，它總是針對菜單一的較狹窄的應用領域工作的。一般Es應用范圍越大，工作效率就越低，超出其應用的專門領域，E5就不能工作。而一個復雜的工程問題總要涉及較多的領域知識問題，既有定性分析、抉策問題，又有定量計算問題。例如，一個復雜的機電設備(如汽輪發(fā)電機組)的故障診斷問題，不僅涉及到以數值計算為主的信號分析和處理(如富氏變換、特征值提取等)，而且涉及到以符號推理為主的決策診斷過程，其中既有單一領域子系統(tǒng)(如調速系統(tǒng)、軸承潤滑子系統(tǒng)、冷疑子系統(tǒng)等)相關的診斷知識，又有關于所有有關領域診斷知識使用和管理的元知識(即管理和使用各領域知識的知識)。如要實現整個設備故障診斷的自動化處理，就必須在建造各單一領域子系統(tǒng)診斷的ES基礎上，實現各專家子系統(tǒng)的集成進而實現Es與數值計算程序的集成，構成所謂分布式人工智能系統(tǒng)，這就是IE的中心任務。在該集成化智能系統(tǒng)中，單一領域的E5被視為一個智能單元。IE就是要研究各智能單元之間的相互作用、通信、協(xié)調、管理和使用等一系列問題。
總之，智能工程是面向多種描述形式、多領域知識的以解決復雜問題為目的的知識自動化處理及應用的技術，是借助計算機對知識進行獲取、表達集成、管理、協(xié)調及使用的技術。智能工程的提出只有十多年的歷史，它是為適應工業(yè)自動化向cIM5方向發(fā)展的需要而提出來的，是適應工業(yè)決策自動化的一門新技術，目前還沒有系統(tǒng)的、成熟的理論體系，還需要在實踐中發(fā)展、提高，所以本章不淮各對比作進一步的介紹。
4．人工神經網絡技術
ANN技術研究是20世紀50年代末、60年代初開始的，一度引起人們極大關注，但不久就處于低潮。20世紀80年代中以來，ANN研究掀起了新的高潮，這主要是由于計算機和AI發(fā)展的需要，并在技術上提供了可能性。
ANN是從人腦的神經系統(tǒng)結構模擬出發(fā)，提供了另一條研究人類智能的造徑。以邏輯、符號處理為基礎的A[能夠模擬人類智能的高層——邏輯思維，而ANN可以模擬低層的形象思維。二者結合起來更接近于人類解決問題的方法，更有利于模擬人類智能活動。ANN具有與人腦相似的自學習、模式識別以及聯想記憶功能，它可直接通過實例的不斷學習提高自身的性能，適應新的環(huán)境。從工業(yè)應用角度看，它可以學習和模擬生產過程中出現的那些極端非線性特性，從而開辟了控制復雜無規(guī)則系統(tǒng)的新造徑。關于ANN的組成、基本原理及性能特性將在第六節(jié)簡要介紹。
大家熟知的傳統(tǒng)程序設計語言，如BA5IC，FORTRAN等具有很強的數值處理能力，但符號處理能力差，用來編寫完成某種智能行為的程序就很不方便。在人工智能科學和技術發(fā)展過程中，也出現了一些面向符號處理的程序設計語言。典型的有函數型語言LIsPfn邏輯型語言PROeOG，用這兩種人工智能語言能方便地表示知識和設計各種推理機制，用于開發(fā)專家系統(tǒng)和工具型智能軟件十分有效，己獲得廣泛應用。如日本第五代計算機工程采用rRoL06語言作為計劃建造的超級計算機的基礎語言。
近年來，具有面向對象風格的語言c++、傳統(tǒng)語言c和FAscAL等也己成為構造智能系統(tǒng)的常用語言。c語言同時具備較強的數值計算和符號處理功能，具有較大的靈活性和適應性，容易適合不同的硬件環(huán)境，容易與其它語截高級語言、匯編語言等腔口，生成的代碼質量高等特點，這些正是智能工程研制所需要的軟件環(huán)境，所以c語言才成為智能工程開發(fā)的主語言農國際上，利用c語言開發(fā)商品化的A[產品己日趨流行，用c語言開發(fā)的E5應用產品可在小型機甚至微型機上運行，使A1技術更便利、有效地應用到實際系統(tǒng)中去。
雖然L[SP和PROLOG語言對Es的研究很有效，但存在系統(tǒng)開銷大、運行速度慢、可移植性差、與其它語言接口差等缺點。因而在[s等智能系統(tǒng)研制過程中，往往在實驗研究階段，用LIsP和PRoLoG語言編寫程序系統(tǒng)，以便利用它們的靈活優(yōu)點加快研制速度。但到了實用階段，再采用時空效率高的c語言重寫一演，以便使它們能運行于配有c語言的機器上。http://www.dgzhenghang.cn