新闻中心Press center
热门产品Hot products
解决计划Solution
联系方法Contact information
越来越多的人关注和研究AI，那么AI究竟是什么？我们今天就来周全的剖析一下，AI是什么？
人工智能（AI）是机械智能和盘算机科学的一个分支，是一门研究机械智能和智能机械的新型的、综合性的、具有强盛生命力的边沿学科。
人工智能自二十世纪七十年月以来被称为天下三大尖端手艺之一（空间手艺、能源手艺、人工智能）。也被以为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端手艺之一。
这是由于近三十年来它获得了迅速的生长，在许多学科领域都获得了普遍应用，并取得了丰富的效果，人工智能已逐步成为一个自力的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使盘算机来模拟人的某些头脑历程和智能行为（如学习、推理、思索、妄想等）的学科，主要包括盘算机实现智能的原理、制造类似于人脑智能的盘算机，使盘算性能实现更高条理的应用。人工智能将涉及到盘算机科学、心理学、哲学和语言学等学科。
可以说险些是自然科学和社会科学的所有学科，其规模已远远凌驾了盘算机科学的领域，人工智能与头脑科学的关系是实践和理论的关系，人工智能是处于头脑科学的手艺应用条理，是它的一个应用分支。
从头脑看法看，人工智能不但限于逻辑头脑，要思量形象头脑、灵感头脑才华增进人工智能的突破性的生长，数学常被以为是多种学科的基础科学，数学也进入语言、头脑领域，人工智能学科也必需借用数学工具，数学不但在标准逻辑、模糊数学等规模施展作用，数学进入人工智能学科，它们将相互增进而更快地生长。
人工智能的主要特征
智能是知识与智力的总合。知识是智能行为的基��；智力是获取知识并运用知识求解问题的能力。 智能具有以下特征：
1、具有感知能力：指人们通过视觉、听觉、触觉、味觉、嗅觉等感受器官感知外部天下的能力；
2、具有影象与头脑的能力：这是人脑最主要的功效，亦是人之以是有智能的基础缘故原由；
3、具有学习能力及自顺应能力；
4、具有行为能力。
人工智能的起源及生长
1936年，24岁的英国数学家图灵提出了“自念头”理论,把研究会头脑的机械和盘算机的事情大大向前推进了一步,他也因此被称为“人工智能之父”。人工智能的研究从1956 年正式最先，这一年在达特茅斯大学召开的聚会上正式使用了“人工智能”(Artificial Intelligence，AI)这个术语。
第一阶段: 50 年月人工智能的兴起和萧条。
人工智能看法首次提出后，相继泛起了一批显著的效果，如机械定理证实、跳棋程序、通用问题s 求解程序、LISP 表处置惩罚语言等。但由于消解法推理能力的有限，以及机械翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的要领，忽视知识主要性。
第二阶段: 60 年月末到70 年月，专家系统泛起，使人工智能研究泛起新热潮。
DENDRAL 化学质谱剖析系统、MYCIN 疾病诊断和治疗系统、PROSPECTIOR 探矿系统、Hearsay-II 语音明确系统等专家系统的研究和开发，将人工智能引向了适用化。并且，1969 年建设了国际人工智能团结聚会（International Joint Conferences onArtificial Intelligence 即IJCAI）。
第三阶段: 80 年月，随着第五代盘算机的研制，人工智能获得了很大生长。
日本1982 年最先了“第五代盘算机研制妄想”，即“知识信息处置惩罚盘算机系统K I P S”，其目的是使逻辑推理抵达数值运算那么快。虽然此妄想最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段: 80 年月末，神经网络飞速生长。
1987 年，美国召开第一次神经网络国际聚会，宣告了这一新学科的降生。以后，各国在神经网络方面的投资逐渐增添，神经网络迅速生长起来。
第五阶段: 90 年月，人工智能泛起新的研究热潮。
由于网络手艺特殊是国际互连网手艺的生长，人工智能最先由单个智能主体研究转向基于网络情形下的漫衍式人工智能研究。不但研究基于统一目的的漫衍式问题求解，并且研究多个智能主体的多目的问题求解，将人工智能更面向适用。
另外，由于Hopfield 多层神经网络模子的提出，使人工神经网络研究与应用泛起了欣欣向荣的情形。人工智能已深入到社会生涯的各个领域。
人工智能的数学基础
人类智能在盘算机上的模拟就是人工智能，而智能的焦点是头脑，因而怎样把人们的头脑运动形式化、符号化，使其得以在盘算机上实现，就成为人工智能研究的主要课题。
在这方面，逻辑的有关理论、要领、手艺起着十分主要的作用，它不但为人工智能提供了有力的工具，并且也为知识的推理涤讪了理论基础。别的，概率论及模糊理论的有关看法及理论也在不确定性知识的体现与处置惩罚中占有主要职位。
因此，在系统学习人工智能的理论与手艺之前，先掌握一些有关逻辑、概率论及模糊理论方面的知识是很有须要的。
人工智能中用到的逻辑可归纳综合地划分为两大类。一类是经典命题逻辑和一阶渭词逻辑，其特点是任何一个命题的真值或者为“真”，或者为“假”，二者必居其一。
由于它只有两个真值，因此又称为二值逻辑。另一类是泛指除经典逻辑外的那些逻辑，主要包括三值逻辑、多值逻辑、模糊逻辑、模态逻辑实时态逻辑等，统称为非经典逻辑。
在非经典逻辑中，又可分为两种情形，一种是与经典逻辑平行的逻辑，如多值逻辑、模糊逻辑等，它们使用的语言与经典逻辑基内情同，主要区别是经典逻辑中的一些定理在这种非经典逻辑中不再建设，并且增添了一些新的看法和定理。另一种是对经典逻辑的扩充，如模态逻辑、时态逻辑等。
它们一样平常认可经典逻辑的定理，但在两个方面举行了扩充：一是扩充了经典逻辑的语言；二是增补了经典逻辑的定理。例如模态逻辑增添了两个新算子L(……是一定的)和A4(……是可能的)，从而扩大了经典逻辑的词汇表。概率论在人工智能中的应用主要体现在有关概率、条件概率等的看法以及BaYes定理等，多年来它一直是人工智能中处置惩罚不确定性的理论基础。
在科学研究和一样平常生涯中，人们一直追求用确定的数学模子来形貌征象或解决问题。随着通讯、盘算机和网络手艺的飞速生长，随着基础软件、中心件和应用软件的普遍应用，盘算机在数值盘算、数据处置惩罚、信息盘问、工业控制、符号推理以致知识工程等方面施展出来的能力已大大提高。可是，盘算机在这些领域中所解决的问题往往都是“良性设定问题”，即求解问题的条件条件明确、数学模子准确，并且可以用盘算机程序设计语言举行形貌。
人工智能历来就是在数学的基础上生长起来的，为相识决人工智能中的州不确定性问题，同样需要数学的支持。
人工智能的体现形式和研究领域
博弈
博弈论，又称对策论，是使用严谨的数学模子研究冲突对抗条件下最优决议问题的理论。博弈头脑在人工智能方面最早体现在盘算机游戏方面，最早的盘算机游戏（computer game）指的就是下棋, 为了设计可以和人类竞争甚至战胜人类的程序， 人们便最先研究怎样使得盘算机可以学习人类的头脑模式，具备与人类一样的博弈能力。
博弈的历程包括着对问题的体现、剖析、搜索和归纳这四个主要问题。盘算机棋类博弈基本属于完全信息的动态博弈。也就是对弈双方不但清晰目今的时势，相识敌手以往的着数，并且相识敌手接下来可能接纳的着数。只管双方可能接纳的着法数以十计、百计，但事实照旧有限的。盘算机可以通过睁开一颗根在上、叶在下的重大的博弈树形貌这一对弈历程。再使用自身在时间和空间上的强盛能力，举行巧妙的搜索，从而找到可行解及近优解，亦即给出目今的着法。
显然，盘算机的搜索能力是盘算机智力水平的主要体现。搜索算法是机械“头脑”的焦点。包括着法天生，博弈树睁开，种种剪枝搜索和种种启发式搜索。显而易见，搜索算法的设计和编写历程随处体现着人工智能的头脑�；挡┺氖羌燃蚱永恪⒕檬视�，又富厚内在、转变无限的头脑逻辑研究载体。
个把小时就可以下一盘棋，就可以对电脑的“智能”举行测试，并且可以悔棋、重试、复盘，可以一步步地发明电脑与人脑功效的差别，从而一直提高电脑的智力水平。毫无疑问的是，机械博弈的研究可以显著推感人工智能的生长。
专家系统
专家系统是一种具有大宗专门知识和履历的智能程序系统，它能运用领域专家多年积累的履历和专门知识，模拟领域专家的头脑历程，解决该领域中需要专家才华解决的重大问题。专家系统是现在人工智能中最活跃，最有效果的一个研究领域，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华解决难题问题辅助教学系统。
人工智能专家系统常由知识库、是推理机等组成。推理机主要决议哪些规则知足事实或目的，并授予规则优先级，然后执行最高优先级规则来举行逻辑推理。知识获取机为用户建设的一个知识自动输入简直定要领。匹配�？槭歉萌斯ぶ悄茏蚁低车慕沟悴糠�，匹配功效的实现关系到整个程序的实现，诠释�？橐约靶Чχ贸头６家览涤谒闹葱行Ч�。其历程如下图所示：
现在已研究的专家系统模子有许多种。其中较为盛行的有如下几种：
基于规则的专家系统
基于规则推理( Rule Based Reasoning, RBR) 的要领是凭证以往专家诊断的履历, 将其归纳陋习则, 通过启发式履历知识举行推理。早期的专家系统大大都是用规则推理的要领, 如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR 专家系统等。
基于案例的专家系统
基于案例推理( Case Based Reasoning, CBR) 的要领就是通过搜索一经乐成解决过的类似问题, 较量新、旧问题之间的特征、爆发配景等差别, 重新使用或参考以前的知识和信息, 抵达最终解决新问题的要领。第一个真正意义上的基于案例的专家系统是1983 年由耶鲁大学Janet Kolodner 教授向导开发的CYRUS 系统。它以Schank的动态存储模子和问题求解的MOP( Memory Organized Packet)理论为基础, 做与旅行相关的咨询事情。
基于框架的专家系统
框架( Frame) 是将某类工具的所有知识组织在一起的一种通用数据结构, 而相互关联的框架毗连组成框架系统。
框架体现法最突出的特点是善于表达结构性的知识, 且具有优异的继续性和自然性。因此, 基于框架的专家系统适合于具有牢靠名堂的事物、行动或事务。
基于模糊逻辑的专家系统
和二值的波尔逻辑差别，模糊逻辑是多值的。它处置惩罚归属的水平和可信的水平。模糊逻辑使用介于0（完全为假）和1（完全为真）之间逻辑值得一连区间。与非黑即白差别，它使用颜色的色谱，可以接受同时部分为真和部分未假的事物。
基于模糊逻辑的专家系统的优点在于: ① 具有专家水平的专门知识, 能体现专家手艺和高度的技巧以及有足够的鲁棒性; ②能举行有用的推理, 具有启发性, 能够运用人类专家的履历和知识举行启发性的搜索、试探性的推理; ③具有无邪性和透明性。可是, 模糊推理知识获取难题, 尤其是征兆的模糊关系较难确定, 且系统的推理能力依赖模糊知识库, 学习能力差, 容易爆发过失。由于模糊语言变量是用隶属函数体现的,实现语言变量与隶属函数之间的转换是一个难点。
基于D-S 证据理论的专家系统
证据理论是由Dempster于1967年首先提出，由他的学生Shafer于1976年进一步生长起来的一种不准确推理理论，也称为Dempster/Shafer 证据理论(D-S证据理论)，属于人工智能领域，最早应用于专家系统中，具有处置惩罚不确定信息的能力。作为一种不确定推理要领，证据理论的主要特点是：知足比贝叶斯概率论更弱的条件；具有直接表达“不确定”和“不知道”的能力.。当约束限制为严酷的概率时, 它就成为概率论。
基于Web的专家系统
基于Web的专家系统是Web数据交流手艺与古板专家系统集成所获得的一种先进专家系统。它使用Web浏览器实现人机交互，基于Web专家系统中的种种用户都可通过浏览器会见专家系统。从结构上，它由浏览器、应用服务器和数据库服务器三个条理所组成，包括Web接口、推理机、知识库、数据库息争释器。
模式识别
广义地说，保存于时间和空间中可视察的事物，若是我们可以区别他们是否相同或者是否相似，都可以称之为模式。但需要注重的是，模式并不是指向事物自己，而是我们从事物获得的信息。因此，模式往往体现为具有时间或空间漫衍的信息。人们为了掌握客观事物，按事物相似的水平组成种别。模式识别的作用和目的就在于面临某一详细事物时将其准确的归入某一种别。
模式识别系统有两个历程组成，即设计和实现。设计是指用一定命目的样本（训练集或学习集）举行分类器的设计。实现是指用所涉及的分类器看待识别的样本举行分类决议�；谕臣埔斓哪Ｊ绞侗鹣低持饕�4个部分组成：数据获取，预处置惩罚，特征提取和选择，分类决议，如下图所示：
归纳综合地说，模式识别中的最基本的问题是解决模式的分类。较周全的看，是研究模式的形貌、剖析、分类、明确和综合。更高条理的模式识别应该还包括对模式的学习、判断、自顺应、自寻优和自动发明纪律等。
以是，模式识别在某种意义上和人工智能中的“学习”“看法形成”相近。模式识别与及其职能的团结将开发辽阔的应用远景。
人工神经网络
众所周知，人类大脑的组织结构和运行机制有其绝妙的特点，从模拟人脑智能的角度出发，来探寻新的信息体现、贮存和处置惩罚方法，设计全新的盘算机处置惩罚结构模子，构建一种更靠近人类智能的信息处置惩罚系统来解决现实工程和科学研究领域中难以解决的问题，一定能够极大推动科研前进，这些促成了人工神经网络（ANN）的泛起。
简朴的说，ANN是模拟人脑事情方法而设计的一种机械，它可用电子或光电元件实现，还可以用软件在盘算机上举行仿真模拟，甚至最新的研究效果显示人类已经使用DNA在试管中制造出了首小我私家造神经网络（这个相互作用的分子组成的电路能像人脑一样，基于不完整的模式举行回）；人工神经网络具有自学习和自顺应的能力，可以通过预先提供的一批相互对应的输入－输出数据，剖析掌握两者之间潜在的纪律，最终凭证这些纪律，用新的输入数据来推算输出效果，这种学习剖析的历程被称为“训练”。
神经网络生长很快，已经被普遍应用在市场的方方面面。
自然语言明确
自然语言明确一直是智能领域研究的主要课题之一，由于自然语言自己具有奇异的魅力，其一，若是盘算性能够明确自然语言，那么人机交互将变得亘古未有的流通，那将是对盘算机手艺的重大突破，其二，创立和使用自然语言是人类几千年智慧的结晶，研究自然语言更有助于解开人工智能的神秘。
对自然语言的明确，有以下四条准则：问答、文摘天生、释义、翻译。与之对应就可以获得，自然语言明确的处置惩罚历程为：语言形式化形貌、处置惩罚算法设计、处置惩罚算法实现和评估。其中语言形式化形貌就是通过对自然语言自身纪律举行研究，进而接纳数学的要领将其形貌出来，以便于盘算机处置惩罚，也可以为是对自然语言举行数学建模。处置惩罚的算法设计就是将数学形式化形貌的语言变换为盘算机可操作、控制的工具。处置惩罚算法实现和评估就是通过程序设计语言(如C语言)将算法实现出来，并对其性能和功效举行评估。
自然语言明确的智能应用主要体现在翻译方面。
人工智能的现在与未来
现在人工智能已经不再是几个科学家的专利了，全天下险些所有大学的盘算机系都有人在研究这门学科，学习盘算机的大学生也必需学习这样一门课程，在各人不懈的起劲下，现在盘算机似乎已经变得十分智慧了。
各人或许不会注重到，在一些地方盘算机资助人举行其它原来只属于人类的事情，盘算机以它的高速和准确为人类施展着它的作用。人工智能始终是盘算机科学的前沿学科，盘算机编程语言和其它盘算机软件都由于有了人工智能的希望而得以保存。
现在，研究和应用从实验室到工业现场、从家电到火箭制导，已经普遍用于武器控制、机械人妄想与控制、（制造业采矿业等的）自动加工系统的智能控制、故障检测与诊断、航行器的智能控制医用智能控制、智能仪器等。
自然科学方面，AI与其它学科相互交织、相互渗透和相互增进。AI向其它学科提供了工具和要领，如知识体现和推理机制、问题求解和搜索算法，模糊逻辑推理和非枯燥推理手艺，以及盘算智能手艺等，可以解决以前难以解决的问题。而其他学科的主要看法，在AI研究中也获得生长。如盘算机系统的分时系统、编目处置惩罚系统和交互调试系统等。
社会科学方面也是云云。在需要使用数学－盘算机工具解决问题的学科（如经济学），AI带来的资助不言而喻。
更主要的是，AI反过来有助于人类最终熟悉自身智能的形成。在重新叙述知识历史的历程中，AI有望解决知识的模糊性，消除知识的纷歧致性。这将导致逻辑和哲学等等方面的改善,影响到心理学、认知学的焦点理论，关于哲学社会学方面的理论也将带来彻底的厘革。
别的，综合应用语法、语义和AI的形式知识体现要领，有可能改善知识的自然语言表达形式与此同时，潜在的知识，直感灵感等等也能够叙述为适用的AI形式。从而扩大知识的领域，以及对现有知识举行提纯。
若是说生物盘算机、量子盘算机、光子盘算机是未来盘算机硬件系统的生长偏向，那么实现人工智能就是日后盘算机软件的起劲目的，可是，从某种意义上来说，人工智能的生长目的却是脱离盘算机，不再作为一个自力的子系统来保存。它将渗透入我们社会的方方面面，润物无声。
可以预见，随着人工智能的完善，它将对人类整体的文明爆发重大攻击，事实上，这个攻击已然爆发，只是它的步步推进缺乏以爆发爆炸性的效果，因而，注重者并不包括大大都人。
人工智能对经济的影响
乐成的专家系统能为它的制作者、拥有者和用户带来显着的经济效益 。在信息爆炸的知识经济时代，优异的信息处置惩罚即是财产，它会为部分人的经济效益做出极大孝顺。同时，只管人工智能的生长目的是脱离盘算机，成为自力的应用，但未来很长一段时间内，它还会依托于盘算机保存，越来越优异的人工智能对盘算机的软硬件都提出了新的要求，这将会成为盘算机行业的一个推动力。
人工智能对社会的影响
人工智能和机械人行业险些是亲密无间，在西欧，工业历程控制系统、智能机械人系统和智能化生产系统最先起步。我国也从无到有，泛起了机械手生产厂家，机械人工业的雏形已经形成，在10～20年后有望形陋习模，脱离自动化而形成自力的工业。这却带来了劳务就业问题。由于AI 在科技和工程中的应用，能够取代人类举行种种手艺事情和脑力劳动，将迫使人们事情方法的重大改变，甚至造成失业，数字重大的失业者将成为社会的担心定因素。
人工智能对人类头脑的影响
陪同着机械变得越来越“智慧”，人们越来越相信智能机械的判断和决议。这在某种水平上会导致人类失去对问题及其求解使命的责任感和敏感性 。进而致使认知能力下降，头脑变得懒惰。通俗来说，就是变蠢。人类用了200万年进化成现在的智慧生物，在人工智能的】帐助”下，这一逆历程或许不需这么久。
至于所谓的“人工智能失控”、“智能机械人反噬人类”，好莱坞已经做出了太多推测，但不得不说，所谓的“阿西莫夫三定律”真的能永远约束机械人（狭义上的人工智能）吗？这很难说。自然是难以臆测的，两个原子的无意碰撞擦出了生命的第一缕火花，那无数个0、1的组合岂非没有那灵光一闪的瞬间吗？混沌机制向来是天主的领域，数字生命无限小的降生概率在数学上可以被以为为零，但现实中却保存可能。
我们不可因噎废食，人工智能已经——或正在——或即将证实它在人类社会中的的重着述用，关于人工智能的未来生长，我们应当持乐观态度。我们相信人工智能有个越发优美的未来；只管这一天的到来，需要支付辛勤劳动和腾贵价钱，需要好几代人的一连斗争 。一代代科学家为我们提供了巨人的肩膀，正是为了让我们立于其上，继往开来。
最新产品
New products
相识更多>
手艺支持
Technical Support
相识更多>
常见问题
Common problem
相识更多>
