1 / 187

山东大学创新教育通识核心课程 人工智能与机器人 主讲:陈言俊 刘甜甜 王立志 cyj@sdu 86358137 、 88399323 山东大学

Artificial Intelligence and Robotics. 山东大学创新教育通识核心课程 人工智能与机器人 主讲:陈言俊 刘甜甜 王立志 cyj@sdu.edu.cn 86358137 、 88399323 山东大学. Artificial Intelligence and Robotics. 第 二章 人工智能绪论 ( 下). Artificial Intelligence and Robotics.

kenton
Download Presentation

山东大学创新教育通识核心课程 人工智能与机器人 主讲:陈言俊 刘甜甜 王立志 cyj@sdu 86358137 、 88399323 山东大学

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Artificial Intelligence and Robotics 山东大学创新教育通识核心课程 人工智能与机器人 主讲:陈言俊 刘甜甜 王立志 cyj@sdu.edu.cn 86358137、88399323 山东大学

  2. Artificial Intelligence and Robotics 第 二章 人工智能绪论(下)

  3. Artificial Intelligence and Robotics 第 二章 人 工 智 能 绪 论(下) • 2.1 人工智能的基本概念 • 2.2 人工智能的发展简史 • 2.3 人工智能研究的基本内容 • 2.4 人工智能的主要研究领域 • 2.5 智能机器人 • 2.6 人工智能之-----案例

  4. Artificial Intelligence and Robotics 第 二章 人 工 智 能 绪 论(下) • 2.1 人工智能的基本概念 • 2.2 人工智能的发展简史 • 2.3 人工智能研究的基本内容 • 2.4 人工智能的主要研究领域 • 2.5 智能机器人 • 2.6 人工智能之-----案例

  5. 2.4 人工智能的主要研究领域 1. 自动定理证明 定理证明的实质是证明由前提 P得到结论 Q 的永真性。 1958年,王浩证明了有关命题演算的全部定理(220条)、谓词演算中150条定理的85%。 1965年鲁宾逊(Robinson)提出了归结原理,使机器定理证明成为现实。 我国著名数学家、中国科学院吴文俊院士把几何代数化,建立了一套机器证明方法,被称为“吴方法”,另外还有以他命名的“吴氏公式”。

  6. 2.4 人工智能的主要研究领域 • 王浩(1921年5月20日—1995年5月13日)数理逻辑学家。祖籍山东省德州市齐河县,生于山东省济南市。 1950~1951年期间,王浩赴瑞士苏黎世联邦工学院数学研究所,从事博士后研究。 1954年以洛克菲勒基金会研究员的身份去英国。1954~1955年在英国牛津大学主持第二届约翰·洛克哲学讲座。 1956年获牛津大学巴利奥尔学院硕士。 1956~1961年任牛津大学数学哲学高级讲师。期间曾主持一讨论班,讨论维持根斯坦的《对数学基础的看法》。牛津大学哲学家中的领头人物大多数参加了这个讨论班。 1961~1967年回到哈佛任数理逻辑与应用数学教授。l967年以后在洛克菲勒大学任数学教授,并主持该校的逻辑研究室。 l975~1976年曾到普林斯顿高级研究所访问和工作。

  7. 2.4 人工智能的主要研究领域 • 1953年起,王浩开始计算机理论与机器证明的研究。因为一方面他敏锐地感觉到被认为过分讲究形式的精确,十分繁琐而无任何实际用处的数理逻辑可以在计算机领域发挥极好的作用;另一方面由于新中国的成立,他想多学点有用的东西以便将来回来报效祖国。为此他曾兼任巴勒斯公司的研究工程师 (1953~l954年)、贝尔电话实验室技术专家(1959~1960年)、IBM研究中心客座科学家(1973~l974年)等一系列职务。 • 1972年以后,王浩数次回国.1973年他写了《访问中国的沉思》,被报纸与杂志广泛刊载.1985年兼任北京大学教授;1986年兼任清华大学教授。

  8. 2.4 人工智能的主要研究领域 • 王浩是美国艺术与科学学院院士,英国科学院外藉院士和符号逻辑学协会会员.1983年在美国丹佛召开的,由人工智能国际联合会会议(LnternationalJointConfernceonArtificialinteIIigence)和美国数学会共同主办的,自动定理证明(AutomatedTheoremProving)特别年会上,王浩被授予首届“里程碑奖”(MilestonePrize),以表彰他在数学定理机械证明研究领域中所作的开创性贡献。 • 数学家王浩关于数理逻辑的一个命题被国际上定为“王氏悖论”。

  9. 2.4 人工智能的主要研究领域 1. 自动定理证明 定理证明的实质是证明由前提 P得到结论 Q 的永真性。 1958年,王浩证明了有关命题演算的全部定理(220条)、谓词演算中150条定理的85%。 1965年鲁宾逊(Robinson)提出了归结原理,使机器定理证明成为现实。 我国著名数学家、中国科学院吴文俊院士把几何代数化,建立了一套机器证明方法,被称为“吴方法”,另外还有以他命名的“吴氏公式”。

  10. 2.4 人工智能的主要研究领域 • 吴文俊(Wentsun WU),男,1919年5月12日生于上海,1940年毕业于交通大学,1949年获法国国家博士学位。世界著名数学家, 中国科学院数学与系统科学研究院系统科学研究所研究员、名誉所长,中国数学会名誉理事长。中国数学机械化研究的创始人之一,现任中国科学院系统科学研究所名誉所长、研究员,中国科学院院士,第三世界科学院院士;曾任中国数学会理事长(1985-1987),中国科学院数理学部主任(1992-1994),全国政协委员、常委(1979-1998)。 2000年获首届国家最高科学技术奖。

  11. 2.4 人工智能的主要研究领域 • 他在拓扑学、自动推理、机器证明、代数几何、中国数学史、对策论等研究领域均有杰出的贡献。 • 数学家 吴文俊院士 贡献,在国内外享有盛誉。他在拓扑学的示性类、示嵌类的研究方面取得一系列重要成果,是拓扑学中的奠基性工作并有许多重要应用。他的“吴方法”在国际机器证明领域产生巨大的影响,有广泛重要的应用价值。当前国际流行的主要符号计算软件都实现了吴文俊教授的算法。

  12. 2.4 人工智能的主要研究领域 • 2、机器学习 要使计算机具有知识一般有两种方法;一种是由知识工程师将有关的知识归纳、整理,并且表示为计算机可以接受、处理的方式输入计算机。另一种是使计算机本身有获得知识的能力,它可以学习人类已有的知识,并且在实践过程中不总结、完善,这种方式称为机器学习。 机器学习的研究,主要在以下三个方面进行:一是研究人类学习的机理、人脑思维的过程;和机器学习的方法;以及建立针对具体任务的学习系统。 机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。依赖于这些学科而共同发展。目前已经取得很大的进展,但还没有能完全解决问题。

  13. 2.3 人工智能研究的基本内容 2. 机器感知 机器学习是人工智能的另一重要课题。 机器学习是指在一定的知识表示意义下获取新知识的过程,按照学习机制的不同,主要有归纳学习、分析学习、连接机制学习和遗传学习等。

  14. 2.3 人工智能研究的基本内容 • 机械式学习。它的另一个名称死记式学习能够直接体现它的特点,这是一种最简单的,最原始的学习方法,也是机器的强项,人的弱项。 • 指导式学习。这种学习方式是由外部环境向系统提供一般性的指示或建议,系统把它们具体地转化为细节知识并送入知识库中,在学习过程中要对反复对知识进行评价,使其不断完善。 • 归纳学习。我们看到,机器所善长的不是归纳,而是演绎,它适用于从特殊到一般,而不太适应从一般到特殊,从特殊到一般的归纳是人类所特有的,是智慧的标志。具体的归纳学习方法有许多,但它们的本质就是让计算机学会从一般中得出规律。

  15. 2.3 人工智能研究的基本内容 • 类比学习。类比也就是通过对相似事物进行比较所进行的一种学习。它的基础是类比推理,也就是把新事物和记忆中的老事物进行比较,如果发现它们之间有些属性是相同的,那么可以(假定地)推断出它们的另外一些属性也是相同的。 • 基于解释的学习。这是近年来兴起的一种新的学习方法。它不是通过归纳或类比进行学习,而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习,并最终生成这个目标概念的一般描述,这个一般描述是一个可形式化表示的一般性知识。 • 通过以上的学习方法就是为了得到知识,通过一种方便的方法得到知识。前面已经说过了,因为机器的思考方式和人类的思考方式大有不同之处,因此让机器通过自己学习生成自己便于理解和使用的知识,也不失为机器学习的目标之一。

  16. 2.3 人工智能研究的基本内容 • 机器人有智能就是要会学习,就是可以不断地进行自我程序的升级,这就叫学习,但这需要一个极其复杂的程序,比如他需要认识自己的错误,遇到危险后有自我处理能力(不需要预先设计程序),其实处理方法也是一些程序,只不过要求程序有高智能就可以了。但这样不会让机器人有情感,只能实现机器人完全地脱离人工操作,要想使他有情感还需要另一个与学习程序相互交差但与学习程序有区别的另一个更高级程序。 • 学习是人类智能的主要标志和获得知识的基本手段。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。正如香克(R. Shank)所说:"一台计算机若不会学习,就不能称为具有智能的。"

  17. 2.4 人工智能的主要研究领域 3. 模式识别 • 计算机硬件的迅速发展,计算机应用领域的不断开拓,急切地要求计算机能更有效地感知诸如声音、文字、图象、温度、震动等等信息资料,模式识别便得到迅速发展。 • 模式识别(pattern recognition):研究对象描述和分类方法的学科。分析和识别的模式可以是信号、图象或者普通数据。 • 文字识别:邮政编码、车牌识别、汉字识别。 • 人脸识别:反恐、商业。 • 物体识别:导弹、机器人。

  18. 2.4 人工智能的主要研究领域 • 模式识别是研究如何使机器具有感知能力,主要研究视觉模式和听觉模式的识别。 • 如识别物体、地形、图象、字体(如签字)等。在日常生活各方面以及军事上都有广大的用途。 • 近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。 特别神经网络方法在模式识别中取得较大进展。

  19. 2.3 人工智能研究的基本内容 • 模式识别有什么用? • 微软、Google、IBM的共同兴趣 • 计算机科学最热门的研究领域之一 • 人类智能的核心问题 • 什么是模式? 模式:基本解释  事物的标准样式 发展模式  事物的标准样式。"模式"(Pattern)一词的本意是指完美无缺的供模仿的一些标本。 模式(Pattern)其实就是解决某一类问题的方法论。把解决某类问题的方法总结归纳到理论高度,那就是模式。模式是一种指导,在一个良好的指导下,有助于你完成任务,有助于你作出一个优良的设计方案,达到事半功倍的效果。而且会得到解决问题的最佳办法。

  20. 2.3 人工智能研究的基本内容 • 什么是识别?辨认;辨别;区分,分辨 • 识别又称为归类和定性,是指在适用冲突规范时,依照某一法律制度,对有关事实或问题进行分类和定性,将其归入一定的法律范畴,并对有关冲突规范进行解释的过程。 • 什么是模式识别?模式识别就是指识别出给定物体所模仿的标本。 • 对表征事物或现象的各种形式的(数值的,文字的和逻辑关系的)信息进行处理和分析,以对事 物或现象进行描述、辨认、分类和解释的过程, 是信息科学和人工智能的重要组成部分。 • 借助计算机,就人类对外部世界某一特定环境中的客体、过程和现象的识别功能(包括视觉、听觉、触觉、判断等)进行自动模拟的科学技术。

  21. 2.3 人工智能研究的基本内容 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式,是对人类感知外界功能的模拟,研究的是计算机模式识别系统,也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。 模式识别是一个不断发展的新学科,它的理论基础和研究范围也在不断发展。随着生物医学对人类大脑的初步认识,模拟人脑构造的计算机实验即人工神经网络方法已经开始。至今,在模式识别领域,神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。

  22. 2.3 人工智能研究的基本内容 模式还可分成抽象的和具体的两种形式: 前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。

  23. 2.3 人工智能研究的基本内容 模式识别研究主要集中在两方面: • 一是研究生物体(包括人)是如何感知对象的,属于认识科学的范畴; • 二是在给定的任务下,如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容,后者通过数学家、信息学专家和计算机科学工作者近几十年来的努力,已经取得了系统的研究成果。 • 模式识别与统计学、心理学、语言学、 计算机科学 、生物学、控制论等都有关系。它与 人工智能 、 图像处理 的研究有交叉关系。 • 例如自适应或自组织的模式识别系统包含了人工智能的学习机制;人工智能研究的景物理解、自然语言理解也包含模式识别问题。

  24. 2.3 人工智能研究的基本内容 • 模式识别研究方向: • 模式识别研究主要集中在两方面,即研究生物体(包括人)是如何感知对象的,属于认知科学的范畴,以及在给定的任务下,如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容,后者通过数学家、信息学专家和计算机科学工作着近几十年来的努力,已经取得了系统的研究成果。 • 模式识别在实际中的应用: • 模式识别已经在天气预报、卫星航空图片解释、工业产品检测、文字识别、字符识别、语音识别、指纹识别、医学图像分析等许多方面得到了成功的应用。

  25. 2.3 人工智能研究的基本内容 • ① 文字识别  目前,汉字输入主要分为人工键盘输入和机器自动识别输入两种。其中人工键入速度慢而且劳动强度大;自动输入又分为汉字识别输入及语音识别输入。从识别技术的难度来说,手写体识别的难度高于印刷体识别,而在手写体识别中,脱机手写体的难度又远远超过了联机手写体识别。 • ② 语音识别  语音识别技术技术所涉及的领域包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、生物识别技术、人工智能等等。 • ③ 指纹识别  我们手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图案。而这些皮肤的纹路在图案、断点和交叉点上各不相同,是唯一的。依靠这种唯一性,就可以将一个人同他的指纹对应起来,通过比较他的指纹和预先保存的指纹进行比较,便可以验证他的真实身份。

  26. 2.3 人工智能研究的基本内容 • ③ 遥感  遥感图像识别已广泛用于农作物估产、资源勘察、气象预报和军事侦察等。④ 医学诊断  在癌细胞检测、X射线照片分析、血液化验、染色体分析、心电图诊断和脑电图诊断等方面,模式识别已取得了成效。

  27. 2.3 人工智能研究的基本内容 • 指纹识别 • 人脸识别 • 语音识别 • 文字识别 • 图像识别 • 车牌识别

  28. 2.3 人工智能研究的基本内容 • 模式识别应用(1) • 字符识别输入: • 输出:Earham encourag • 利用计算机自动识别字符的技术,是模式识别应用的一个重要领域。人们在生产和生活中,要处理大量的文字、报表和文本。为了减轻人们的劳动,提高处理效率的文字识别方法 。

  29. 2.3 人工智能研究的基本内容 • 文字识别一般包括文字信息的采集、信息的分析与处理、信息的分类判别等几个部分。 • 信息采集 将纸面上的文字灰度变换成电信号,输入到计算机中去。信息采集由文字识别机中的送纸机构和光电变换装置来实现,有飞点扫描、摄像机、光敏元件和激光扫描等光电变换装置。 • 信息分析和处理 对变换后的电信号消除各种由于印刷质量、纸质(均匀性、污点等)或书写工具等因素所造成的噪音和干扰,进行大小、偏转、浓淡、粗细等各种正规化处理。 •  信息的分类判别 对去掉噪声并正规化后的文字信息进行分类判别,以输出识别结果。

  30. 2.3 人工智能研究的基本内容 • 文字识别可应用于许多领域,如阅读、翻译、文献资料的检索、信件和包裹的分拣、稿件的编辑和校对、大量统计报表和卡片的汇总与分析、银行支票的处理、商品发票的统计汇总、商品编码的识别、商品仓库的管理,以及水、电、煤气、房租、人身保险等费用的征收业务中的大量信用卡片的自动处理和办公室打字员工作的局部自动化等 。

  31. 2.3 人工智能研究的基本内容 • 模式识别应用(2) • 语音识别输入:声波信号 • 输出:语音内容 • 语音识别用语音作为输入,口语对话与语音信号中语言提取的不同: (1)上下文猜测 (2)肢体语言传达信息 语音信号采集与预处理 • 语音信号预处理 • 预滤波 (1)抑制输入信号各频域分量中频率超出采样频率的一半的所有分量,以防止混叠干扰。 (2)抑制50Hz的电源工频干扰。 • 语音信号采集系统 • 基于单片机,DSP芯片 • 基于PC机

  32. 2.3 人工智能研究的基本内容 • 语音信号预处理 • 采样:对信号进行量化,量化不可避免地会产生误差。量化后的信号值与原信号值之间的差值为量化误差,又称为量化噪声。 • 预加重:是提升高频部分,使信号的频谱变得平坦,保持在低频到高频的整个频带中,能用同样的信噪比求频谱,以便于频谱分析或声道参数分析。 • 端点检测:包含语音的一段信号中确定出语音的起点以及终点。

  33. 2.3 人工智能研究的基本内容 • 过零率:信号中波形穿越零电平的次数来描述幅度变化的剧烈程度。 ZCR(i) = ∑|sgn(xi(n))-sgn(xi(n+1))|

  34. 2.3 人工智能研究的基本内容 • 声波有两个主要特征:振幅和频率。 • 线性预测编码(LPC): 基本思想:由于语音样点之间存在相关性,所以可以用过去p个样点值来预测现在或未来的样点值。

  35. 2.3 人工智能研究的基本内容 • 模式识别应用(3) • 指纹识别输入:指纹图像 • 输出:身份 • 指纹,由于其具有终身不变性、唯一性和方便性,已几乎成为生物特征识别的代名词。指纹是指人的手指末端正面皮肤上凸凹不平产生的纹线。纹线有规律的排列形成不同的纹型。纹线的起点、终点、结合点和分叉点,称为指纹的细节特征点(minutiae)。

  36. 2.3 人工智能研究的基本内容 • 一般的指纹分成有以下几个大的类别:环型(loop),螺旋型(whorl),弓型(arch),这样就可以将每个人的指纹分别归类,进行检索。指纹识别基本上可分成:预处理、特征选择和模式分类几个大的步骤。

  37. 2.3 人工智能研究的基本内容 • 指纹识别即指通过比较不同指纹的细节特征点来进行鉴别。由于每个人的指纹不同,就是同一人的十指之间,指纹也有明显区别,因此指纹可用于身份鉴定。其实,我国古代早就利用指纹(手印)来签押。 指纹识别预处理系统

  38. 2.3 人工智能研究的基本内容 第二代光学式指纹读取器 第二代 电容式传感器 第三代 生物射频传感器

  39. 2.3 人工智能研究的基本内容 • 指纹识别系统是一个典型的模式识别系统,包括指纹图像获取、处理、特征提取和比对等模块。 •  指纹图像获取:通过专门的指纹采集仪可以采集活体指纹图像。目前,指纹采集仪主要有活体光学式、电容式和压感式。对于分辨率和采集面积等技术指标,公安行业已经形成了国际和国内标准。根据采集指纹面积大体可以分为滚动捺印指纹和平面捺印指纹,公安行业普遍采用滚动捺印指纹。另外,也可以通过扫描仪、数字相机等获取指纹图像。 • 指纹图像压缩:大容量的指纹数据库必须经过压缩后存储,以减少存储空间。主要方法包括JPEG、WSQ、EZW等。 • 指纹图像处理:包括指纹区域检测、图像质量判断、方向图和频率估计、图像增强、指纹图像二值化和细化等。

  40. 2.3 人工智能研究的基本内容 • 模式识别应用(4) • 签名验证输入:签名点序列 • 输出:签名人身份 • 模式识别应用(5) • 文档分类输入:HTML文件 • 输出:文档类别

  41. 2.3 人工智能研究的基本内容 • 模式识别应用(6) • 人脸检测输入:图像 • 输出:人脸在图像中的位置

  42. 2.3 人工智能研究的基本内容

  43. 2.3 人工智能研究的基本内容 • 模式识别应用(7) • 财务预测输入:股票价格时间序列 • 输出:牛?熊? • 目前已知最好的模式识别系统 • 人类大脑!

  44. 2.3 人工智能研究的基本内容 • 模式识别技术的近乎无限的发展潜力  模式识别技术是人工智能的基础技术,21世纪是智能化、信息化、计算化、网络化的世纪,在这个以数字计算为特征的世纪里,作为人工智能技术基础学科的模式识别技术,必将获得巨大的发展空间。在国际上,各大权威研究机构,各大公司都纷纷开始将模式识别技术作为公司的战略研发重点加以重视。 1、语音识别技术  语音识别技术正逐步成为信息技术中人机接口(Human Computer Interface, HCI)的关键技术,语音技术的应用已经成为一个具有竞争性的新兴高技术产业。中国互联网中心的市场预测:未来5年,中文语音技术领域将会有超过400亿人民币的市场容量,然后每年以超过30%的速度增长。

  45. 2.3 人工智能研究的基本内容 • 2、生物认证技术  生物认证技术(Biometrics)本世纪最受关注的安全认证技术,它的发展是大势所趋。人们愿意忘掉所有的密码、扔掉所有的磁卡,凭借自身的唯一性来标识身份与保密。国际数据集团(IDC)预测:作为未来的必然发展方向的移动电子商务基础核心技术的生物识别技术在未来10年的时间里将达到100亿美元的市场规模。 3、数字水印技术90年代以来才在国际上开始发展起来的数字水印技术(Digital Watermarking)是最具发展潜力与优势的数字媒体版权保护技术。IDC预测,数字水印技术在未来的5年内全球市场容量超过80亿美元。

  46. 2.4 人工智能的主要研究领域 1.4 人工智能的主要研究领域 4. 专家系统 一般地说,专家系统是一个智能计算机程序系统,其内部具有大量专家水平的某个领域知识与经验,能够利用人类专家的知识和解决问题的方法来解决该领域的问题。也就是说,专家系统是一个具有大量专门知识与经验的程序系统,它应用人工智能技术,根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断,模拟人类专家的决策过程,以解决那些需要专家决定的复杂问题。

  47. 2.4 人工智能的主要研究领域 专家系统模拟人类专家求解问题的思维过程求解领域内的各种问题,其水平可以达到甚至超过人类专家的水平。 1965年费根鲍姆研究小组开始研制第一个专家系统——分析化合物分子结构的DENDRAL,1968年完成并投入使用。 1971年MIT开发成功求解一些数学问题的MYCSYMA专家系统。拉特格尔大学开发的清光眼诊断与治疗的专家系统CASNET。

  48. 2.4 人工智能的主要研究领域 • 1972年斯坦福大学肖特里菲等人开始研制用于诊断和治疗感染性疾病的专家系统MYCIN。 • 1976年斯坦福研究所开始开发探矿专家系统PROSPECTOR,1980年首次实地分析华盛顿某山区地质资料,发现了一个钼矿。 • 1981年斯坦福大学研制成功专家系统AM,能模拟人类进行概括、抽象和归纳推理,发现某些数论的概念和定理。

  49. 2.4 人工智能的主要研究领域 • 专家系统是目前人工智能中最活跃,最有成效的一个研究领域,它是一种基于知识的系统,它从人类专家那里获得知识,并用来解决只有专家才能解决的困难问题。 • 这样定义专家系统:专家系统是一种具有特定领域内大量知识与经验的程序系统,它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题,其水平可以达到甚至超过人类专家的水平。 • 专家系统是在关于人工智能的研究处于低潮时提出来的,由它的出现及其所显示出来的巨大潜能不仅使人工智能摆脱了困境,而且走上了发展时期。

More Related