搜索
人工智能、模式识别与专家系统生物医学工程研究所第一节人工智能“智能化”是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志，例如：智能控制（IntelligentControl）、智能自动化（IntelligentAutomation）、智能管理（IntelligentManagement）、……。因此，人工智能具有广泛的用途。可以说，哪里有计算机应用，哪里就在用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。一.人工智能概述什么是智能智能（Intelligence)即智力功能，是人类大脑所具有的感知、认识、学习、理解、分析、综合、判断、推理、创造……等局部功能的总和与它们的有机综合的统称；因此，完善的智能中不能不包含有人类的情感、意识、意志等这种高级因素。智能究竟是什么？智能是解决感性问题的能力。所谓感性就是个别的、特殊的、随机的、模糊的、感官的、情绪化的、个人意志的。解决这类问题需要经验的积累和归纳推理并形成新的经验。也就是具有自动学习、经验积累和应用知识的能力。对电脑而言，智能就是必须具有优化、扩展和改变主体已有程序和创建新程序的能力，即具有我们过去常说的主观能动性。智能可以利用一般经验或理论解决特殊问题，也可以归纳总结个别的经验使之上升到普遍的理论。人的行为可分为社会行为和个人行为。智能在人的社会行为中的作用主要是制定社会规则、探索和发现自然规则以及选择和套用这些规则。而智能在人的个人行为中主要是通过个人情感和意志起作用以处理新鲜感受。什么是人工智能人工智能（ArtificialIntelligence)是利用设备或机器，用人工的方法，对人脑的思维活动过程进行模拟；当使得设备或机器的功能与脑功能大体等价时，这种设备或机器的功能就可以认为是具有某种程度的人工智能。人工智能应该以平均智力商为评定标准，并在与对比者（人）同等条件状况下进行全面地综合测试或进行某几种局部功能的单项测试；当测试结果不低于规定的智力商数时，应当承认该设备或机器具有某种程度或某种意义的人工智能。所谓人工智能，又称为智能模拟，是计算机技术的一个分支，它研究如何利用计算机来完成用人的智慧才能完成的工作。人工智能问题是一个古老的但又是十分新颖的研究课题。近十多年来，各国研究人员在人工智能的研究上都已经获得巨大的进展。然而各种传统的或新颖的智能模型迄今还不能完全而圆满地对大脑思维活动的过程进行解释和模拟，人们还不十分了解信息在大脑中的底层结构和编码方法；其中特别是象人们的概念、意识、情感和创造性思维过程等，还根本无从着手；同时关于这一方面，在哲学上、自然科学上还有很大的争论，还不能得到哲学界和自然科学界的一致认同。人工智能与计算机人们早已习惯于把计算机称之为“电脑”，但是人们忽略了这样一个事实∶无论电脑的功能有多么强大，用途有多么广泛，它也不过是个具有超级能力的白痴。严格地讲，电脑只能执行特定的指令，而人脑则是处理所有感受到的信息。所谓“特定的指令”是指电脑程序可接受的或可执行的外部输入。显然执行指令与处理信息有着本质的不同。这并不是否认电脑具有处理信息的能力，这里说的电脑处理信息与人脑处理信息是不同的概念。其实电脑处理信息过程也是在执行外部指令或给定程序中的指令。电脑的软硬件都不是自发进化而成的。电脑程序是人根据自然规律、法则和社会经验的归纳总结，是由人编制的。电脑程序集中的是人的经验总结，其本质是理性的。所谓理性就是理论的、有序的、精确的、数字化的、结论性的、有规律的、普遍性的、公共的、合乎逻辑的。简单类比就如同是一本操作手册，人们只要照它去做就是了。显然智能不是被用来解决这类理性化的问题的。（智能是解决感性问题的能力。）因为当一切都规定好了、程序化了，就根本不需要智能了。由此我们得出一个结论∶无论电脑的功能有多么强大，只要它只能按给定的程序来工作，它就不能算作具有智能。记忆、归纳推理与信息处理通常记忆内容包括两个部分∶一是记录所接受或感受到的信息，这主要是指外部进来的信息。二是自动记录主体自身的活动过程。电脑只能记忆前者，而不能记忆后者。而人脑则两者都可以做到。电脑的记忆过程是被动地执行指令，它所能记住的东西仅仅是工作所需的程序和要处理的数据。而人脑所记录的东西不仅仅是感受到的信息，而且最重要的是能够记录处理信息的过程，或者说能够记录大脑自身有意识的活动内容。记忆内容第二部分所指的过程是自动的、不受控的，而第一部分则是可以被控制的。记忆、归纳推理与信息处理利用已有的经验来解决新的问题需要归纳和推理。人的这种能力是由人脑的记忆构造决定的。人脑在发育的早期阶段记忆过程主要是素材和基本经验块堆的建立和积累，即机械记忆。人脑在成熟阶段记忆过程主要是经验块堆的关联和重组，即关联记忆。由关联记忆形成的人脑活动使人的思维模式天生具有归纳推理能力。经验的重组使人得到了新的经验，获得了进步。人脑的这种记忆构造的优点是具有模糊识别和记忆修补能力，缺点是老的关联成分会因打散而消退,即产生忘却。记忆、归纳推理与信息处理人记住一张脸至少不比记住一个外语单词要难，而电脑恰恰相反，它宁愿去记一个城市的电话簿。电脑几乎完全靠机械般的精确记忆，而且不能利用记忆进行归纳推理，因而无法实现智能所必须的利用自身经验之功能。电脑虽能记忆，但不能具有经验。电脑在记忆时会把所有的素材都记录下来。严格地讲，电脑中的磁盘并不完全属于它的脑子，磁盘中的数据部分就象人的笔记本和资料库那样，是脑外之物。而我们人脑中已经固有了基本素材和经验，记忆时只需要把已有的各个素材和经验的关联记录下来。这里所说的素材就是人对最基本物理感受的机械记忆。记忆、归纳推理与信息处理其实这些素材的量并不是很多，当出生的婴儿一开始感受这个世界，只需要不长的时期就可以得到他一生所需的基本记忆素材。其他时间的记忆就是把这些素材关联成块，再把块关联成堆。块块堆堆之间的再关联就构成了我们脑袋里的复杂记忆。对人类大脑的解剖分析也支持这一论点，另外人的记忆和经验的增加并没有使大脑越长越大，这还可以解释我们大脑在工作时为什么消耗很小的物理能量。关联记忆使得我们成年人脑袋的大小并不与记忆的多少成正比。要是我们把所有的感受象录音、录像那样全都记下来，要么把我们的脑子胀爆，要么我们的脑袋长得比楼房还大。记忆、归纳推理与信息处理人类的情感和智能都与我们大脑的记忆特性密切相关，我们大脑有意识的活动在相当程度上是记忆活动。探索和认识人脑的记忆原理是实现人工智能的重要一环，也是电脑模拟或实现人脑智能的必经之路。任何试图逃避这一关的做法都不会成功。电脑科技的高速发展并未导致电脑在智能化方面有什么进展，其重要原因之一就是电脑的记忆方式一直停留在它的初始阶段。二、人工智能的发展轨迹(1)模拟人类的思维规律，即推理方法的研究和程序化；(2)正确的知识表示，运用知识进行推理，即知识的形式化；(3)从大量已有的知识推出新的知识，即专家系统。三、人工智能的基本方法人工智能的基本方法有以下几种：1、启发式搜索：人们解决问题的基本方法是方案--试验法，对各种可能的方案进行试验，直至找到正确的方案。搜索策略有盲目搜索、启发式搜索之分。盲目搜索是对可能方案进行顺序的试验；启发式搜索是依照经验或某种启发式信息，摒弃希望不大的搜索方向。启发式搜索大大加快搜索过程，使得人们处理问题效率得到提高。2、规划：人们待解决的问题一般可以分解转化为若干小问题，对于每个小问题还可以进行分解。由于解决小问题的搜索大为减少，使得原问题的复杂度降低，问题的解决得到简化。规划要依靠启发式信息，成功与否，很大程度上决定于启发信息的可靠程度。3、知识的表达技术：知识在计算机内的表达方式是用计算机模拟人类智能必须解决的重要问题。问题解决的关键是如何把各类知识进行编码、存储；如何快速寻找需要的知识；如何对知识进行运算、推理；如何对知识进行更新、修改。四、人工智能的研究和应用领域人工智能的研究和应用领域概括起来有8个：1、问题求解：我们通过对人们求解问题的一般规律、求解问题的思路的研究，编制一个智能程序，依照人们解决问题的方法与步骤，解决问题。2、自然语言处理：自然语言处理是研究计算机如何运用已有的词法和语法规则，正确理解人们的自然语言，以方便用户的使用与表达。3、模式识别：模式识别是研究如何从庞大的信息中提取特征，根据特征识别不同事物的基本原理。4、智能数据库：智能数据库是研究利用人的推理、想象、记忆原理，实现对数据库的存储、搜索和修改。智能数据库通过有效的组织，能够满足人们快速检索和修改数据库的要求。5、智能机器人：智能机器人能够对外部环境具有一定的适应能力，根据实际的环境信息进行综合处理，并做出正确的响应。这种机器人用于航天、军事、工业制造等领域。6、博奕：博弈是研究使自己取胜、战胜对手的策略。在决策过程中要对形势做出恰当的估计，搜寻各种可能的策略组合，通过对比分析确定对自己最有利的策略。其中运用到问题求解、模式识别等方法。7、程序自动设计：程序自动化是为了设计一种算法。该算法是分层结构的，先提出一些规定，形成最高一级的算法，并提出下一层算法的规定，然后按照这些规定形成下一级的算法和再下一级的规定，最后完成整个程序。程序自动化较多的研究工作放在了自动程序验证方面，即让计算机自动查找程序中的错误。8、定理的自动证明：计算机通过模仿人的推理和演绎过程，从最基本的公理出发，证明定理的正确性。现在信息技术的飞速发展，使得Al有更广泛的研究和应用领域，如专家咨询系统、组合调度问题、虚拟现实等等。五、应用举例指纹识别技术是指利用计算机进行的指纹自动识别技术，它是一项综合技术，其研究发展涉及到多个前沿及边缘科学，如模糊数学、数学形态学、神经网络、模式识别、计算机视觉、人工智能、数据压缩、并行处理以及网络技术等。这种技术的原理是通过指纹扫描仪上的光电识别器(摄像头)对人指尖的卷状纹理和涡进行扫描后，计算机把特定的隆起部位的位置制成表和记录下来而形成一个对每一个人来说都是唯一的一个压痕模式，存入计算机指纹数据库。计算机指纹扫描仪能够区分人的手指与伪造的如蜡制的手指或橡胶手套上的指纹，这是由于对人的手指其扫描仪传感系统能分辨出血液的流动情况、血压等信息。当进行身份认证时，指纹自动识别系统会将人现场通过指纹扫描仪收集到的指纹经软件系统与数据库的指纹相对照而进行确认，对主流机型只需2秒左右的时间。由于两个人拥有完全相同指纹的概率估计少于10亿分之一，因此识别率极高，如美国Identix公司的指纹扫描设备在用一个右手指正确匹配上接近100%。指纹相对人的其它生物特征具有个体差异大、实现识别所需的软硬件资源较小等优势，因此具有较大的应用空间。第二节模式识别人工智能中有一个很重要的领域就是模式识别。但对于什么是“模式”，或者什么是机器能够辩别的“模式”，迄今尚无确切的定义。我们只能形象地解释说，人之所以能识别图像、声音、动作、文字、面部表情等，是因为它们都存在着反映其特征的某种模式。但这一解释根本没有诠释模式的内涵和外延。一．模式识别与模式识别的定义与目的按照广义的定义，模式是一些供模仿用的、完美无缺的标本。模式识别就是识别出特定客体所模仿的标本。识别能力是人类和其它生物的一种基本属性，根据被识别的客本的性质可以将识别活动分为两个主要类型：具体的客体和抽象的客体。字符、图画、音乐…是具体的客体，它们通过对感官的刺激而被识别；论点、思想、信仰…则是非物质的客体，对它们的研究主要属于哲学、政治学的范畴。我们主要是研究具体客体的识别，而且仅局限于研究用机器完成与识别任务有关的基本理论与实用技术。这一类课题属于工程学、计算机科学、应用数学的范畴。对我们将要讨论的内容，我们对模式、模式识别作如下狭义的定义：模式是对某些感兴趣的客体的定量的或结构的描述，模式类是具有某些共同特征的模式的集合。模式识别是研究一种自动技术，依靠这种技术，机器将自动地（或人尽量少地干涉）把待识模式分配到各自的模式类中去。但模式识别不是简单的分类学，其目标包括对于识别对象的描述、理解与综合。模式识别