在人工智能的研究方面，有幾位有名的始祖。A.M.Turing是奠定電腦科學(xué)基礎(chǔ)的人，他曾提出棋奕論與電腦的研究成果。M.L.Minsky則是發(fā)表框架理論的人，也就是先將大量相關(guān)資訊輸入電腦，再將這些資訊按照情形來定義為選擇性的條件或是強制性的條件，用這種方法來解決模棱兩可或是有例外的問題。J.McCarthy則體會到必須用符號語言來代替以公式為處理中心的語言，因而發(fā)表了LISP人工智能語言。此外尚有發(fā)表通信理論的C.Shannon和發(fā)表生產(chǎn)系統(tǒng)的A.Newell。
究竟什么是人工智能呢？先讓我們嘗試著為生命做個定義：一個生命必須有：1.新陳代謝和消耗精力的行為；2.生長；3.繁衍後代；4.對於環(huán)境的刺激有所反應(yīng)，進(jìn)而適應(yīng)所處的環(huán)境。
人工智能精確的定義是：一個電腦系統(tǒng)具有人類的知識和行為，并具有學(xué)習(xí)、推理判斷來解決問題、記憶知識和了解人類自然語言的能力。人工智能的產(chǎn)生過程則是：對於人類因問題和事物所引起的刺激和反應(yīng)，以及因此所引發(fā)的推理、解決問題、學(xué)習(xí)、判斷及思考決策等過程，將這些過程分解成一些基本步驟，再透過程式設(shè)計，將這些人類解決問題的過程模組化或公式化，使得電腦能夠有一個結(jié)構(gòu)的方法來設(shè)計或應(yīng)付更復(fù)雜的問題。這套能夠應(yīng)付問題的軟體系統(tǒng)，即稱之為人工智能系統(tǒng)。人工智能是一種技術(shù)，而不是一項產(chǎn)品。它的目的是讓電腦更能了解一般化的事物。
人工智能研究的題材約可分為：(1)聯(lián)絡(luò)溝通，以及如何使電腦更有智能了解人的語言與知識。(2)符號處理，如LISP人工智能語言、生產(chǎn)系統(tǒng)、黑板系統(tǒng)等領(lǐng)域研究。(3)經(jīng)驗法則搜尋技巧。(4)邏輯(logic)系統(tǒng)，如復(fù)雜事實的歸納及推理等。
在Dartmouth會議之後，相關(guān)的人工智能實驗室便相繼成立，如Stanford、MIT、CarnegieMellon等學(xué)校。今日國內(nèi)各大學(xué)資訊相關(guān)科系也多有設(shè)立人工智能實驗室，上網(wǎng)便可以獲得相關(guān)資訊。
未來人工智能的發(fā)展包含：將人工智能技術(shù)運用在機器上、將原來順序邏輯架構(gòu)的電腦改為高速平行架構(gòu)的電腦、以及發(fā)展具有經(jīng)濟(jì)價值的商業(yè)應(yīng)用產(chǎn)品。研究的方式包含了理論和實驗兩層面，其中實驗層面還可以細(xì)分為基礎(chǔ)部分和應(yīng)用部分。研究的方向則有生物的方向和世界整體現(xiàn)象的方向。
研究人工智能所牽涉的學(xué)科包含：數(shù)學(xué)和邏輯、基礎(chǔ)科學(xué)、心理學(xué)和神經(jīng)生理學(xué)、程式設(shè)計語言(若包含機械語言更好)。
至於人工智能所引發(fā)的哲學(xué)和倫理問題，目前仍有無法定論的問題，有些目前尚未被重視。也許目前只有哲學(xué)家們會比較注意這些議題吧?
類神經(jīng)網(wǎng)絡(luò)
為了在語音及影像辨認(rèn)獲至與人腦相似的功能，自1940年起，科學(xué)家即著手從事此方面的研究，仿造最簡單的神經(jīng)元模式，開始建立最原始的類神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworkANN)，歷經(jīng)40年的發(fā)展，類神經(jīng)的研究工作雖曾一度陷入低潮，近幾年又再度復(fù)蘇，并且結(jié)合了生理，心理，電腦等科技而成為新的研究領(lǐng)域。
電腦的功能雖然日新月異，但卻不能因此就完全取代人腦。因人腦可輕易的聽、說、讀、寫、看，電腦卻力有未逮。尤其是在影像處理或語音辨認(rèn)等問題，電腦更是無法勝任。這顯然意謂人腦有著尚未為人所知的特殊結(jié)構(gòu)。要如何模擬這種復(fù)雜的人類行為進(jìn)而建立一部可以人腦匹敵的電腦，可說是電腦科學(xué)家的一大夢想。
類神經(jīng)網(wǎng)絡(luò)已被研究多年。這些類神經(jīng)網(wǎng)絡(luò)的模型主要是嘗試著去模仿人類的神經(jīng)系統(tǒng)，因為人類的神經(jīng)系統(tǒng)在語音、聽覺、影像和視覺方面均有很完美的表現(xiàn)，所以也期望這些模型能夠在這些方面有出色的成果。很明白的，類神經(jīng)的架構(gòu)就是來自於現(xiàn)今對人類神經(jīng)系統(tǒng)的認(rèn)識?，F(xiàn)今的類神經(jīng)網(wǎng)絡(luò)是由很多非線性的運算單元(我們叫神經(jīng)元Neuron)和位於這些運算單元間的眾多連結(jié)所組成，而這些運算單元通常是以平行且分散的方式在作運算，如此就可以同時處理大量的資料，由這樣的設(shè)計就可以被用來處理各種需要大量資料運算的應(yīng)用上，比如說語音辨認(rèn)等。
1.類神經(jīng)網(wǎng)絡(luò)的特性
神經(jīng)網(wǎng)絡(luò)所擅長的，與人類相似，具有以下幾種特性：
1.平行處理的特性
早期人工智能平行處理的研究只集中在小程度的平行，而最近已朝向超大型方向進(jìn)行。類神經(jīng)網(wǎng)絡(luò)是以動物的樹狀神經(jīng)網(wǎng)絡(luò)為藍(lán)本的設(shè)計，原本因平行技術(shù)未成熟而無法深入研究，現(xiàn)在因超大型平行處理的成熟及若干理論的發(fā)展，又成為人工智能中最活躍的研究領(lǐng)域。
2.容錯特性
其在操作上具有很高之容忍度，整個神經(jīng)網(wǎng)絡(luò)都會參與解決問題之運作。如果輸入資料混雜少許雜訊干擾，仍然不影響其運作之正確。而且即使10%的神經(jīng)網(wǎng)絡(luò)失效，仍能照常運作。
3.結(jié)合式記憶的特性
其又稱為內(nèi)容定址記憶，它可以記憶曾經(jīng)訓(xùn)練過的輸入樣式以及對應(yīng)的理想輸出值。我們只要給予一部份的資料，便可以得到全部的資料并且可以容忍錯誤，就像人類只要看到某一部份的影像可以回憶起全部的影像，這便是結(jié)合式記憶的效果。
4.解決最佳化問題
可用於處理非演算法表示的問題，或是以演算法處理很費時者。
5.超大型積體電路實作
神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)具有高度的互相連接，而且簡單，有規(guī)則性，易以超大型積體電路(VLSI)來完成。
6.能處理一般演算法難以處理的問題
在非常大的推銷員問題中，為了增加效率起見，我們可利“個個擊破”的方法，來求得一條正確可走的路徑。這是用傳統(tǒng)的方法所以無法達(dá)到的。
(二)神經(jīng)網(wǎng)絡(luò)基本模型
每一個神經(jīng)細(xì)胞網(wǎng)絡(luò)模型，其特性是由網(wǎng)絡(luò)的拓樸圖形，節(jié)點的特性加以決定。在訓(xùn)練的過程中這些法則最初是由一組初始加權(quán)值來決定，并在學(xué)習(xí)過程中調(diào)整其加權(quán)以增進(jìn)效率，經(jīng)由不斷的調(diào)整和學(xué)習(xí)，使得真正的網(wǎng)絡(luò)輸出與目標(biāo)值能達(dá)到相同值後，才固定網(wǎng)絡(luò)中的加權(quán)值，此時才算訓(xùn)練完成。
(三)神經(jīng)網(wǎng)絡(luò)的架構(gòu)與訓(xùn)練演算法
1.單層知覺網(wǎng)絡(luò)：其可形成兩個決定區(qū)域，牽而此二區(qū)域由一超平面加以分隔開來。有一特殊情形就是，若網(wǎng)絡(luò)只涉到兩個輸入，則超平面便退化成一條直線。
2.多層知覺網(wǎng)絡(luò)：其是在輸入層節(jié)點與輸出層節(jié)間多了一層或多層的隱藏層，即輸入節(jié)點沒有直接接往輸出節(jié)點。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團(tuán)旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
