1.6　人工智能的应用

当前，几乎所有的科学与技术的分支都在使用人工智能领域所提供的理论和技术，下面简单列举一些其中最重要和最具代表性的应用。

1.6.1　专家系统

与传统的计算机程序相比，专家系统是以知识为中心，注重知识本身而不是确定的算法。专家系统所要解决的是复杂而专门的问题。对于这些问题，人们还没有精确的描述和严格的分析，因而其一般没有解法，而且经常要在不确定或不精确的信息基础上做出判断，需要专家的理论知识和实际经验。标准的计算机程序能精确地区分出每一个任务应该如何完成；而专家系统则是告诉计算机要做什么，而不是区分要如何完成，这是两者最大的区别。另外，专家系统突出了知识的价值，大大减少了知识传授和应用的代价，使专家的知识迅速变成社会的财富。再者，专家系统采用的是人工智能的原理和技术，如符号表示、符号推理、启发式搜索等，与一般的数据处理系统不同。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，它是一种具有特定领域的大量知识与经验的程序系统。人类专家由于具有丰富的知识，所以才能有优异的解决问题的能力，那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所能解决的问题，而且能帮助人类专家发现推理过程中出现的差错。在矿物勘测、化学分析、规划和医学诊断方面，这一设想已成为现实，专家系统已经达到了人类专家的水平。成功的案例如下：PROSPECTOR系统发现了一个钼矿沉积，价值超过1亿美元；DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用；MY CIN系统可以对血液传染病的诊断治疗方案提供咨询意见，经正式诊断确认，它对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案的能力已超过了这方面的专家。

图1-3所示为专家系统结构。

1.6.2　自然语言处理

自然语言处理是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。由于以艾弗拉姆·乔姆斯基（Avram Chomsky）为代表的新一代语言学派的贡献和计算机技术的发展，自然语言理解领域正在变得越来越热门，目前该领域的主要课题是让计算机系统以主题和对话情境为基础，结合大量的常识，生成和理解自然语言，显然，这是一个极其复杂的编码和解码问题。

1.6.3　博弈

博弈，指对抗的学问，起源于下棋。让计算机学会下棋是人们使机器具有智能的最早尝试。早在1956年，人工智能的先驱之一——亚瑟·塞缪尔（Arthur Samuel）就研制出跳棋程序，这个程序能够从棋谱中进行学习，并能从实战中总结经验。事实上，对于跳棋、象棋、五子棋以及围棋等博弈游戏，其过程完全可用一棵博弈树来表示，利用最基本的状态空间搜索技术来找到一条必胜的下棋路线。另外，现有的计算机下棋程序以传统的状态空间搜索技术为基础，通过一些启发式算法对棋局中间状态获胜的可能性进行估计，并以此来决定下一步该怎么走。这一方法可以大大减少对状态空间的存储和搜索，从而为现代高性能计算机战胜国际一流下棋高手进一步铺平道路。

1.6.4　搜索

在下棋或思考问题或寻求迷宫出口时，人们总要搜寻解决问题的原理，这就需要对之进行专门的研究。搜索，是指为了达到某一目标，而连续进行找寻的过程，它是人工智能研究的核心内容之一。早期的人工智能研究成果如通用问题求解系统、几何定理证明、博弈等都是围绕着如何有效搜索，以获得满意的问题求解进行的。搜索有两种基本方式：一种是盲目搜索，即不考虑给定问题的具体知识，而根据事先确定的某种固定顺序来调用操作规则，盲目搜索技术主要有深度优先搜索、广度优先搜索；另一种是启发式搜索，即考虑问题可应用的知识，动态地优先调用操作规则，从而让搜索变得更快。因此，启发式搜索是搜索技术中的重点。

1.6.5　感知问题

感知问题是人工智能的一个经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科领域，具体包括计算机视觉和声音处理等。例如，计算机视觉研究如何对由视觉传感器（如摄像机）获得的外部世界的景物和信息进行分析和理解，也就是如何使计算机“看见”周围的东西；而声音处理则是研究如何使计算机“听见”讲话的声音，对语音信息等进行分析和理解。因此，感知问题的关键是必须把数量巨大的感知数据以一种易于处理的精练的方式进行简练、有效的表征和描述。

1.6.6　模式识别

模式识别就是使计算机通过数学方法来研究模式的自动处理和判读。这里把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程，其过程的一个重要形式是生命体对环境及客体的识别。模式识别以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能等为主要研究方向，研究人类模式识别的机理以及有效的计算方法。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；又如，模式识别中的预处理和特征抽取环节应用了图像处理的技术，图像处理中的图像分析也应用了模式识别的技术。

1.6.7　机器人学

机器人学是人工智能研究的又一个重要的应用领域，促进了许多人工智能思想的发展，由它衍生而来的一些技术可用来模拟现实世界的状态，描述从一种状态到另一种状态的变化过程，而且对于规划如何产生动作序列以及监督规划执行提供了较好的帮助。随着人工智能技术的不断发展，机器人的应用范围也越来越广，已开始走向第三产业，如商业中心、办公室自动化等。目前，机器人学的研究方向主要是研制智能机器人，智能机器人将极大地扩展机器人的应用领域。智能机器人本身能够认识工作环境、工作对象及其状态，根据人类给予的指令和自身的知识，独立决定工作方式，由操作机构和移动机构实现任务，并能适应工作环境的变化。但目前的机器人离人们心目中的能够做各种家务、任劳任怨，还会揣摩主人心思的所谓“机器仆人”的目标相去甚远，因为机器人所表现的智能行为都是由人预先编好的程序决定的，机器人只会做人类指定它做的事。人的创造性、随机应变、当机立断等特性都难以在机器人身上体现出来。因此，要想使机器人融入人类的生活，目前看来还是比较遥远的事情。

图1-4所示为智能机器人。