【63xf.com--總結(jié)】

　　關(guān)于人工智能心得體會的論文

　　摘要：人工智能屬于一門綜合性的邊緣學科。誕生時間為 20 世紀 50 年代左右，大概歷經(jīng)了四個時代，第一個時代為神經(jīng)網(wǎng)絡(luò)時代，第二個時代為弱方法時代，第三個時代為知識工程時代第四個時代為知識工業(yè)時代。它在發(fā)展過程中包含的基礎(chǔ)有計算機科學，信息論，神經(jīng)心理學，哲學，統(tǒng)計學等多種學科。至今為止，人工神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法都已經(jīng)應(yīng)用于工業(yè)，軍事等領(lǐng)域。

　　關(guān)鍵詞：人工智能發(fā)展;識別率;人臉識別;遺傳算法

　　1 智能計算機的發(fā)展

　　1.1人工智能簡述

　　人工智能[1](Artificial Intelligence，簡稱AI)是計算機學科的一個分支，屬于為世界三大尖端技術(shù)空間技術(shù)、能源技術(shù)、人工智能其中之一，最近幾十年來，人工智能的發(fā)展非常的迅速， 在很多的地方都得到了應(yīng)用，尤其是在科學領(lǐng)域。

　　人工智能源自于對人的模仿，其最終目的是服務(wù)于人類，但是，就像世界上沒有相同的兩片葉子，也沒有完全相同的兩個人，也就像沒有一家服務(wù)企業(yè)可以滿足一個國家人的所有要求一樣，人工智能產(chǎn)業(yè)中也會涌現(xiàn)許多實力強大的企業(yè)，一些企業(yè)也會在某個領(lǐng)域內(nèi)形成自己的競爭優(yōu)勢，甚至會出現(xiàn)壟斷型企業(yè)。人工智能產(chǎn)業(yè)在國內(nèi)外都還是處于剛剛發(fā)展階段，人工智能產(chǎn)業(yè)的競爭也會伴隨不斷增長變化的需求而演化，企業(yè)也會為了滿足并提升社會大眾越來的生活品質(zhì)而不斷進步，不斷完善自身。

　　1.2人工智能研究的發(fā)展概況

　　未來，隨著計算機和其他科學技術(shù)的不斷進步，人工智能的發(fā)展也將要不斷面對越來越多的艱難挑戰(zhàn)。在我們的日常生活中，人們對人工智能技術(shù)的期望一直都擁有著很高的熱情和期盼，但是，在客觀事實上，人工智能技術(shù)進步不但要考慮軟件、硬件技術(shù)的限制，也還要考慮人們對自身能力理解程度的制約，因此未來人工智能技術(shù)將在不斷限制的過程中不斷突破不斷成長，從而保持著逐步的發(fā)展。比如人臉識別技術(shù)，當該技術(shù)以一次問世時，人們對人工智能充滿了信心，但當大多數(shù)人親自使用時，卻發(fā)現(xiàn)它對人臉的識別率還是不夠高;

　　近年來，人臉識別技術(shù)得益于機器學習與大數(shù)據(jù)，又有了非常令人欣喜的進步，擁有足夠的多的人力模型數(shù)據(jù)，計算機對具體提供的數(shù)量足夠多的人臉模型數(shù)據(jù)進行針對性訓練，就可以達到一個極高的識別正確率。但是對一個具體的個例可以做到百分百識別，并不能就此完全肯定對人群大眾使用就都能達到同樣級別的水平，對于大量的人臉數(shù)據(jù)依然需要不斷地整理系統(tǒng)的統(tǒng)計，所以，距離完美的識別率人類還有很長的路要走。不僅是人臉識別，OCR、語音識別、機器翻譯等人工智能技術(shù)在現(xiàn)實的應(yīng)用中都會面臨準確率的標準。也希望無論是企業(yè)還是社會群體大眾，用一份積極包容的心態(tài)，為人工智能產(chǎn)業(yè)的發(fā)展營造一個優(yōu)良的可持續(xù)發(fā)展環(huán)境。

　　人工智能應(yīng)用研究有許許多多的可行性。專家系統(tǒng)內(nèi)部含有大量的某個領(lǐng)域的專家水平的知識與經(jīng)驗，經(jīng)過運用人類的知識和解決問題的途徑進行推理、匯總、判斷、解決，來處理某個領(lǐng)域的疑難棘手問題。人工智能系統(tǒng)在很多領(lǐng)域的應(yīng)用也都在促進著人工智能的理論和技術(shù)的不斷發(fā)展。專家系統(tǒng)也是人工智能應(yīng)用研究最活躍和最廣泛的應(yīng)用領(lǐng)域之一，涉及社會各個方面，各種專家系統(tǒng)已遍布各個專業(yè)領(lǐng)域，取得很大的成功。人工智能在計算機領(lǐng)域內(nèi)，得到了原來越多的重視。并在機器人等中得到了很多的實際應(yīng)用。

　　人工智能是研究人類智能活動的可循規(guī)律，創(chuàng)建具有一定人類智能的電子系統(tǒng)，它主要是通過讓計算機去完成原本是需要人類智慧才能去解決的問題，換而言之，就是研究如何應(yīng)用計算機的軟硬件來模擬人類智慧行為的基本理論、方法和技術(shù)。例如：繁重的科學工程和數(shù)學計算本來是要人腦來承擔的，但是，現(xiàn)今，計算機不但能高效準確的完成這種計算，而且還能夠比人腦做得更加的完美，因此，當今社會也不再把這種程度的計算看成是“需要人類智慧高強度才能完成的復(fù)雜任務(wù)”，由此可見，高強度復(fù)雜工作的定義隨著人類社會時代的發(fā)展和科學技術(shù)的不斷進步而不斷變化，人工智能這門科學的具體目標也自然隨著社會科學的變化而發(fā)展。它一方面不斷地通過科學技術(shù)獲得新的進展，另一方面又勇敢的轉(zhuǎn)向更有意義、更加困難的目標。

　　2 人工智能的前沿

　　2.1智能信息檢索技術(shù)

　　現(xiàn)今社會，智能信息檢索技術(shù)的發(fā)展日新月異。而人工智能在信息檢索技術(shù)中的應(yīng)用，主要集中表現(xiàn)在網(wǎng)絡(luò)信息的檢索。網(wǎng)絡(luò)信息檢索，也即網(wǎng)絡(luò)信息搜索，是指互聯(lián)網(wǎng)用戶在網(wǎng)絡(luò)終端，通過特定的網(wǎng)絡(luò)搜索工具或是通過瀏覽的方式，查找并獲取信息的行為。運用人工智能技術(shù)，可以快速準確的在大數(shù)據(jù)的基礎(chǔ)之上獲得所需信息。

　　2.2遺傳算法

　　遺傳算法(Genetic Algorithm)是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程進行搜索找出最優(yōu)解的方法。遺傳算法是通過一類問題可能潛在的解集的其中一個集群開始的，而一個集群群則由經(jīng)過基因編碼的一定數(shù)目的個體組成。每個個體實際上是染色體帶有本身特征的實體。比如，它決定了個體所要表現(xiàn)出的外部形狀，如單眼皮，雙眼皮的特征是由染色體中控制這一特征的某種基因組合決定的。由此可見，從一開始通過表象得到實際的基因的編碼程序為一種算法。我們通常將基因的編碼工作簡單化 ，如二進制編碼，在第一代種群產(chǎn)生之后，遵循適者生存，按照自然法則優(yōu)勝劣汰，選擇最優(yōu)的結(jié)果，并借助交叉和變異，得到一種新的集合。這種辦法會得到一種比以前更加優(yōu)秀，更加適者生存的種群。

　　3 結(jié)束語

　　人工智能對人類科學來說是一門極富挑戰(zhàn)性的科研究，想要從事這項研究工作必須懂得計算機知識，心理學、統(tǒng)計學、哲學等等。人工智能是一種涵蓋了非常廣泛的知識的科學，它包含了很多不同的領(lǐng)域，如機器學習，計算機視覺、軟件工程、操作系統(tǒng)等等，總而言之，人類科學對人工智能研究的一個主要目的是使機器通過一系列的操作能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。在不同的時代、不同的社會環(huán)境、不同的人對這種“復(fù)雜”程度的理解是不一樣的，每個時代的科學發(fā)展也是不同的，希望在科學不斷發(fā)展的今天，人工智能的發(fā)展也會帶來許許多多的驚喜。

　　參考文獻：

　　[1] 元慧.議當代人工智能的應(yīng)用領(lǐng)域和發(fā)展狀況[J].福建電腦，2008(9).

　　[2] 劉玉然.談?wù)勅斯ぶ悄茉谄髽I(yè)管理中的應(yīng)用[J].價值工程，2013(9).

　　[3] 焦加麟，徐良賢，戴克昌.人工智能在智能教學系統(tǒng)中的應(yīng)用[J].計算機仿真，2013(7).

　　[4] 周明正.人工智能在醫(yī)學專家系統(tǒng)中的應(yīng)用[J].科技信息，2014(7).

　　[5] 張海燕，劉鎮(zhèn)清.人工智能及其在超聲無損檢測中的應(yīng)用[J].無損檢測，2011(5).

　　[6] 馬秀榮，王化宇.簡述人工智能技術(shù)在網(wǎng)絡(luò)安全管理中的應(yīng)用[J].呼倫貝爾學院學報，2015(7).

　　[7] 曾雪峰.論人工智能的研究與發(fā)展[J].現(xiàn)代商貿(mào)工業(yè)，2009(8).

　　[8] 王梓坤.論混沌與隨機.北京師范大學學報，1994，30(2)：199-202.

　　[9] 陳明.基于進化遺傳算法的優(yōu)化計算[J].軟件學報，2008，9(11)：876-879.

　　[10] 陳火旺.遺傳程序設(shè)計(之一)[J].計算機科學，2005.22(6)：12-15.

　　關(guān)于人工智能心得體會的論文

　　人工智能主要研究用人工方法模擬和擴展人的智能，最終實現(xiàn)機器智能。人工智能研究與人的思維研究密切相關(guān)。邏輯學始終是人工智能研究中的基礎(chǔ)科學問題，它為人工智能研究提供了根本觀點與方法。

　　1 人工智能學科的誕生

　　12世紀末13世紀初，西班牙羅門·盧樂提出制造可解決各種問題的通用邏輯機。17世紀，英國培根在《新工具》中提出了歸納法。隨后，德國萊布尼茲做出了四則運算的手搖計算器，并提出了“通用符號”和“推理計算”的思想。19世紀，英國布爾創(chuàng)立了布爾代數(shù)，奠定了現(xiàn)代形式邏輯研究的基礎(chǔ)。德國弗雷格完善了命題邏輯，創(chuàng)建了一階謂詞演算系統(tǒng)。20世紀，哥德爾對一階謂詞完全性定理與N 形式系統(tǒng)的不完全性定理進行了證明。在此基礎(chǔ)上，克林對一般遞歸函數(shù)理論作了深入的研究，建立了演算理論。英國圖靈建立了描述算法的機械性思維過程，提出了理想計算機模型(即圖靈機) ，創(chuàng)立了自動機理論。這些都為1945年匈牙利馮·諾依曼提出存儲程序的思想和建立通用電子數(shù)字計算機的馮·諾依曼型體系結(jié)構(gòu)，以及1946年美國的莫克利和?？颂爻晒ρ兄剖澜缟系谝慌_通用電子數(shù)學計算機ENIAC做出了開拓性的貢獻。

　　以上經(jīng)典數(shù)理邏輯的理論成果，為1956年人工智能學科的誕生奠定了堅實的邏輯基礎(chǔ)。

　　現(xiàn)代邏輯發(fā)展動力主要來自于數(shù)學中的公理化運動。20世紀邏輯研究嚴重數(shù)學化，發(fā)展出來的邏輯被恰當?shù)胤Q為“數(shù)理邏輯”，它增強了邏輯研究的深度，使邏輯學的發(fā)展繼古希臘邏輯、歐洲中世紀邏輯之后進入第三個高峰期，并且對整個現(xiàn)代科學特別是數(shù)學、哲學、語言學和計算機科學產(chǎn)生了非常重要的影響。

　　2 邏輯學的發(fā)展

　　2.1邏輯學的大體分類

　　邏輯學是一門研究思維形式及思維規(guī)律的科學。 從17世紀德國數(shù)學家、哲學家萊布尼茲(G. LEibniz)提出數(shù)理邏輯以來，隨著人工智能的一步步發(fā)展的需求，各種各樣的邏輯也隨之產(chǎn)生。邏輯學大體上可分為經(jīng)典邏輯、非經(jīng)典邏輯和現(xiàn)代邏輯。經(jīng)典邏輯與模態(tài)邏輯都是二值邏輯。多值邏輯，是具有多個命題真值的邏輯，是向模糊邏輯的逼近。模糊邏輯是處理具有模糊性命題的邏輯。概率邏輯是研究基于邏輯的概率推理。

　　2.2 泛邏輯的基本原理

　　當今人工智能深入發(fā)展遇到的一個重大難題就是專家經(jīng)驗知識和常識的推理。現(xiàn)代邏輯迫切需要有一個統(tǒng)一可靠的，關(guān)于不精確推理的邏輯學作為它們進一步研究信息不完全情況下推理的基礎(chǔ)理論，進而形成一種能包容一切邏輯形態(tài)和推理模式的，靈活的，開放的，自適應(yīng)的邏輯學，這便是柔性邏輯學。而泛邏輯學就是研究剛性邏輯學(也即數(shù)理邏輯)和柔性邏輯學共同規(guī)律的邏輯學。

　　泛邏輯是從高層研究一切邏輯的一般規(guī)律，建立能包容一切邏輯形態(tài)和推理模式，并能根據(jù)需要自由伸縮變化的柔性邏輯學，剛性邏輯學將作為一個最小的內(nèi)核存在其中，這就是提出泛邏輯的根本原因，也是泛邏輯的最終歷史使命。

　　3 邏輯學在人工智能學科的研究方面的應(yīng)用

　　邏輯方法是人工智能研究中的主要形式化工具，邏輯學的研究成果不但為人工智能學科的誕生奠定了理論基礎(chǔ)，而且它們還作為重要的成分被應(yīng)用于人工智能系統(tǒng)中。

　　3.1 經(jīng)典邏輯的應(yīng)用

　　人工智能誕生后的20年間是邏輯推理占統(tǒng)治地位的時期。1963年，紐厄爾、西蒙等人編制的“邏輯理論機”數(shù)學定理證明程序(LT)。在此基礎(chǔ)之上，紐厄爾和西蒙編制了通用問題求解程序(GPS)，開拓了人工智能“問題求解”的一大領(lǐng)域。經(jīng)典數(shù)理邏輯只是數(shù)學化的形式邏輯，只能滿足人工智能的部分需要。

　　3.2 非經(jīng)典邏輯的應(yīng)用

　　(1)不確定性的推理研究

　　人工智能發(fā)展了用數(shù)值的方法表示和處理不確定的信息，即給系統(tǒng)中每個語句或公式賦一個數(shù)值，用來表示語句的不確定性或確定性。比較具有代表性的有：1976年杜達提出的主觀貝葉斯模型， 1978年查德提出的可能性模型， 1984年邦迪提出的發(fā)生率計算模型，以及假設(shè)推理、定性推理和證據(jù)空間理論等經(jīng)驗性模型。

　　歸納邏輯是關(guān)于或然性推理的邏輯。在人工智能中，可把歸納看成是從個別到一般的推理。借助這種歸納方法和運用類比的方法，計算機就可以通過新、老問題的相似性，從相應(yīng)的知識庫中調(diào)用有關(guān)知識來處理新問題。

　　(2)不完全信息的推理研究

　　常識推理是一種非單調(diào)邏輯，即人們基于不完全的信息推出某些結(jié)論，當人們得到更完全的信息后，可以改變甚至收回原來的結(jié)論。非單調(diào)邏輯可處理信息不充分情況下的推理。20世紀80年代，賴特的缺省邏輯、麥卡錫的限定邏輯、麥克德莫特和多伊爾建立的NML非單調(diào)邏輯推理系統(tǒng)、摩爾的自認知邏輯都是具有開創(chuàng)性的非單調(diào)邏輯系統(tǒng)。常識推理也是一種可能出錯的不精確的推理，即容錯推理。

　　此外，多值邏輯和模糊邏輯也已經(jīng)被引入到人工智能中來處理模糊性和不完全性信息的推理。多值邏輯的三個典型系統(tǒng)是克林、盧卡西維茲和波克萬的三值邏輯系統(tǒng)。模糊邏輯的研究始于20世紀20年代盧卡西維茲的研究。1972年，扎德提出了模糊推理的關(guān)系合成原則，現(xiàn)有的絕大多數(shù)模糊推理方法都是關(guān)系合成規(guī)則的變形或擴充。

　　4 人工智能——當代邏輯發(fā)展的動力

　　現(xiàn)代邏輯創(chuàng)始于19世紀末葉和20世紀早期，其發(fā)展動力主要來自于數(shù)學中的公理化運動。21世紀邏輯發(fā)展的主要動力來自哪里?筆者認為，計算機科學和人工智能將至少是21世紀早期邏輯學發(fā)展的主要動力源泉，并將由此決定21世紀邏輯學的另一幅面貌。由于人工智能要模擬人的智能，它的難點不在于人腦所進行的各種必然性推理，而是最能體現(xiàn)人的智能特征的能動性、創(chuàng)造性思維，這種思維活動中包括學習、抉擇、嘗試、修正、推理諸因素。例如，選擇性地搜集相關(guān)的經(jīng)驗證據(jù)，在不充分信息的基礎(chǔ)上做出嘗試性的判斷或抉擇，不斷根據(jù)環(huán)境反饋調(diào)整、修正自己的行為，由此達到實踐的成功。于是，邏輯學將不得不比較全面地研究人的思維活動，并著重研究人的思維中最能體現(xiàn)其能動性特征的各種不確定性推理，由此發(fā)展出的邏輯理論也將具有更強的可應(yīng)用性。

　　5 結(jié)語

　　人工智能的產(chǎn)生與發(fā)展和邏輯學的發(fā)展密不可分。

　　一方面我們試圖找到一個包容一切邏輯的泛邏輯，使得形成一個完美統(tǒng)一的邏輯基礎(chǔ);另一方面，我們還要不斷地爭論、更新、補充新的邏輯。如果二者能夠有機地結(jié)合，將推動人工智能進入一個新的階段。概率邏輯大都是基于二值邏輯的，目前許多專家和學者又在基于其他邏輯的基礎(chǔ)上研究概率推理，使得邏輯學盡可能滿足人工智能發(fā)展的各方面的需要。就目前來說，一個新的泛邏輯理論的發(fā)展和完善需要一個比較長的時期，那何不將“百花齊放”與“一統(tǒng)天下”并行進行，各自發(fā)揮其優(yōu)點，為人工智能的發(fā)展做出貢獻。目前，許多制約人工智能發(fā)展的因素仍有待于解決，技術(shù)上的突破，還有賴于邏輯學研究上的突破。在對人工智能的研究中，我們只有重視邏輯學，努力學習與運用并不斷深入挖掘其基本內(nèi)容，拓寬其研究領(lǐng)域，才能更好地促進人工智能學科的發(fā)展。

董事長講話心得體會 外出學習心得體會 四群教育心得體會 教師讀書心得體會大全 優(yōu)化發(fā)展環(huán)境心得體會 用心去工作心得體會

本文來源：http://63xf.com/shiyong/26325.html

---