大學人工智能的應用論文

人工智能一直處於計算機技術的前沿，在各個領域的應用都相當廣泛，而且人工智能研究的理論和發現在很大程度上將決定計算機技術的發展方向。以下是小編整理分享的關於人工智能的應用論文的相關文章，歡迎閲讀！

　摘要：本文概要地闡述了人工智能的概念、發展歷史、當前研究熱點和實際應用及未來的發展趨勢。

關鍵詞：人工智能 發展過程 研究熱點 應用領域 未來發展

　　一、人工智能概述

人工智能（Artificial Intelligence，簡稱AI），也稱機器智能，它是計算機科學、控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的一門綜合性學科。從計算機應用系統角度來看，人工智能是研究如何製造出智能機器或智能系統，實現模擬人類智能活動的能力，以延伸人們智能的科學。人工智能是一門交叉學科，是一門涉及心理學、認知科學、思維科學、信息科學、系統科學和生物科學等多學科的綜合性技術學科，目前已在知識處理、模式識別、自然語言處理、博弈、自動定理證明、自動程序設計、專家系統、知識庫、智能機器人等多個領域取得舉世矚目的成果，並形成了多元化的發展方向。

　　二、人工智能的發展過程

人工智能經歷了三次飛躍階段：第一次是實現問題求解，代替人完成部分邏輯推理工作，如機器定理證明和專家系統;第二次是智能系統能夠和環境交互，從運行的環境中獲取信息，代替人完成包括不確定性在內的部分思維工作，通過自身的動作，對環境施加影響，並適應環境的變化，如智能機器人;第三次是智能系統，具有類人的認知和思維能力，能夠發現新的知識，去完成面臨的任務，如基於數據挖掘的系統。

　　三、人工智能的研究熱點

AI研究出現了新的高潮，這一方面是因為在人工智能理論方面有了新的進展，另一方面是因為計算機硬件突飛猛進地發展。隨着計算機速度的不斷提高、存儲容量的不斷擴大、價格的不斷降低，以及網絡技術的不斷髮展，許多原來無法完成的工作現在已經能夠實現。目前人工智能研究的三個熱點是：智能接口、數據挖掘、主體及多主體系統。

1。智能接口技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標，要求計算機能夠看懂文字、聽懂語言、説話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現又依賴於知識表示方法的研究。因此，智能接口技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能接口技術已經取得了顯著成果，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已經開始實用化。

2。數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據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。數據挖掘和知識發現的研究目前已經形成了三根強大的技術支柱：數據庫、人工智能和數理統計。主要研究內容包括基礎理論、發現算法、數據倉庫、可視化技術、定性定量互換模型、知識表示方法、發現知識的維護和再利用、半結構化和非結構化數據中的知識發現及網上數據挖掘等。

3。主體系統是具有信念、願望、意圖、能力、選擇、承諾等心智狀態的實體，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，而且可以和環境交互，與其他主體通信，通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為，最終實現問題求解。多主體系統試圖用主體來模擬人的理性行為，主要應用在對現實世界和社會的模擬、機器人及智能機械等領域。目前對主體和多主體系統的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習及多主體系統應用等方面。

　　四、人工智能的應用領域

1。專家系統

專家系統是一個具有大量專門知識與經驗的程序系統，專家系統存儲着某個專門領域中經過事先總結、分析並按某種模式表示的專家知識，以及擁有類似於領域專家解決實際問題的推理機制。專家系統的開發和研究是人工智能中最活躍的一個應用研究領域，涉及社會各個方面。

2。知識庫系統

知識庫系統也叫數據庫系統，是儲存某學科大量事實的計算機軟件系統，它可以回答用户提出的有關該學科的各種問題。知識庫系統的設計是計算機科學的一個活躍的分支。為了有效地表示、儲存和檢索大量事實，已經發展出了許多技術。但是在設計智能信息檢索系統時還是遇到很多問題，包括對自然語言的理解，根據儲存的事實演繹答案的問題、理解詢問和演繹答案所需要的知識都可能超出該學科領域數據庫所表示的知識。

3。物景分析

計算機視覺已從模式識別的一個研究領域發展為一門獨立的.學科。視覺是感知問題之一。整個感知問題的要點是形成一個精練的表示，以表示難以處理的、極其龐大的未經加工的輸入數據。最終表示的性質和質量取決於感知系統的目標。機器視覺的前沿研究領域包括實時並行處理、主動式定性視覺、動態和時變視覺、三維景物的建模與識別、實時圖像壓縮傳送和復原、多光譜和彩色圖像的處理與解釋等。機器視覺已在機器人裝配、衞星圖像處理、工業過程監控、飛行器跟蹤和制導及電視實況轉播等領域獲得極為廣泛的應用。

4。模式識別

模式識別就是識別出給定物體所模仿的標本或標識。計算機模式識別系統能夠彌補計算機對外部世界感知能力低下的缺陷，使計算機能夠通過感官接受外界信息，識別和理解周圍環境。模式識別在二維的文字、圖形和圖像的識別方面已取得許多成果，在三維景物、活動目標的識別和分析方面是目前研究的熱點，同時它還是智能計算機和智能機器人研究的十分重要的基礎。此外，人工智能還在機器視覺、組合調度問題、自然語言理解、機器學習、博弈、定理證明等研究應用領域發揮着重要作用。可以説人工智能已深入各行各業，對人類社會作出了巨大的貢獻。

5。機器人

機器人學所研究的問題，從機器人手臂的最佳移動到實現機器人目標的動作序列的規劃方法，無所不包。儘管已經建立了一些比較複雜的機器人系統，但是現在工業上運行的機器人都是一些按預先編好的程序執行某些重複作業的簡單裝置，大多數工業機器人是“盲人”。機器人和機器人學的研究促進了許多人工智能思想的發展。智能機器人的研究和應用體現出廣泛的學科交叉，涉及眾多課題。機器人已在工業、農業、商業、旅遊業、空中和海洋及國防等多個領域獲得越來越普遍的應用。

　　五、人工智能的未來發展

目前絕大多數人工智能系統都是建立在物理符號系統假設之上的。在尚未出現能與物理符號系統假設相抗衡的新的人工智能理論之前，無論從設計原理還是從已取得的實驗結果來看，Soar在探討智能行為的一般特徵和人類認知的具體特徵的艱難征途上都取得了有特色的進展或成就，處在人工智能研究的前沿。上世紀80年代，以NewellA為代表的研究學者總結了專家系統的成功經驗，吸收了認知科學研究的最新成果，提出了作為通用智能基礎的體系結構Soar。目前的Soar已經顯示出強大的問題求解能力。在Soar中已實現了30多種搜索方法，實現了若干知識密集型任務（專家系統），如RI等。對於人工智能未來的發展方向，專家們通過一些前瞻性研究可以看出未來人工智能可能會向以下幾個方面發展：模糊處理、並行化、神經網絡及其情感。

目前，人工智能的推理功能已獲突破，學習及聯想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的並行化處理功能。人工神經網絡是未來人工智能應用的新領域。未來智能計算機的構成，可能就是作為主機的馮諾依曼型機與作為智能外圍的人工神經網絡的結合。研究表明：情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在於賦予計算機情感能力。情感能力對於計算機與人的自然交往至關重要。

根據這些前瞻性研究我們也可以通過想象模擬勾畫出人工智能未來發展的三個階段。

1。融合時期（2010?2020年）

（1）用語言操縱和控制的智能化設備十分普及，像遠程醫療這樣的服務也更為完善。

（2）以計算機和互聯網為基礎的遠程教育十分普及，在家就可以上大學。

（3）在身體裏植入許多不同功能的芯片已不新奇。

（4）量子計算機和DNA計算機會有更大發展，新材料不斷問世。

（5）抗病毒程序可以防止各種非自然因素引發災難。

2。自信時期（2020?2030年）

（1）智能化計算機和互聯網既能自我修復，也能自行進行研究、生產產品。

（2）一些新型材料的出現，促使智能化向更高層次發展。

（3）有了高水準智能化技術的協助，人們“定居火星夢”可能性大增。

3。非神祕時期（2030?2040年）

（1）新的全息模式世界將取代原有幾何模式的世界。

（2）人們對一些目前無法解釋的自然現象會有更完善的解釋。

（3）人工智能可以模仿人類的智能，因此會出現有關法律來規範這些行為。

　　六、小結

人工智能一直處於計算機技術的前沿，在各個領域的應用都相當廣泛，而且人工智能研究的理論和發現在很大程度上將決定計算機技術的發展方向。現在，已經有很多人工智能研究的成果進入到人們的日常生活之中，考慮到人工智能良好的發展和應用前景，我們應當加大力度對人工智能理論進行研究，讓其更好地為人類服務。相信在不久的將來，人工智能理論將會有更大的突破，人工智能技術的發展會給人們的生活、工作和教育等帶來更大的影響。