人工智能读后感

人工智能读后感

读《人工智能》有感

一．人工智能概述

1. 人工智能的定义：

人工智能（Artificial Intelligence , AI）是一门新型的。综合性的，具有强大生命力的交叉和边缘学科，它研究怎样让计算机或机器（包括硬件和软件）模仿，延伸和扩展人脑从事推理，规划，计算，思考，学习等思维活动，解决迄今为止需要人类专家才能处理好的复杂问题。

从狭义的概念上讲，AI设计研究，设计和应用智能机器的一个分支，是对智能计算机系统的研究，如专家系统的研究与开发。从广义上讲，AI是指人类智能行为规律，智能理论方面的研究，不仅包括专家系统，还包括人工神经网络，模式识别，智能机器人等。

2. 人工智能的基本技术包括：推理技术，搜索技术，知识表示与知识库技术，知识获取技术，联想技术和归纳技术，知识发现和数据挖掘技术以及智能系统与智能计算机的构成技术。

3. 人工智能的研究途径与方法

AI的主要研究途径有三条：第一，生理学途径，采用仿生学的方法，模拟动物和人的感官以及大脑的结构和机能，制成神经元模型和脑模型；第二，心理学途径，应用实验心理学方法，总结人民思维活动的规律，用电子计算机进行心理模拟；第三。工程技术途径，研究怎样用电子计算机从功能模拟人的智能行为。

由此，AI的研究方法主要包括结构模拟法，思维模拟法和行为模拟法3种。

二．知识表示

1. 知识表示的概念：

所谓知识表示就是用知识的规则符号，形式语言和网络图形等把问题求解过程中所需要的各种知识表示出来，以便于让计算机或机器对知识能合理地进行组织，存储，处理，维护，检索，使用，增删，修改，推理和判断。

2. 知识表示的原则包括：可实现性，可理解性，表示能力，可维护性，可利用性，自然性，可组织性等

3. 知识表示方法的种类：状态空间表示法，与/或图表示法，产生式表示法，语义网络表示法，谓语逻辑表示法框架表示法等

三．图搜索技术

1. 图搜索的概念：

所谓图搜索，就是从初始节点出发，沿着与之相连的弧试探地前进，找到目标节点的过程（也可以进行反过程）。由于图中有很多节点和边，因此，搜索过程中经过的节点和边，按原图的连接关系，便会构成一个树形的称之为搜索树的有向图。

2. 图搜索的两种基本方式：

树式搜索就是以“画树”的方式进行搜索。即从树根（初始节点）出发，一笔一笔地描绘一棵树来。也就是说，树式搜索就是在搜索过程中记录所经过的所有节点和边。所以，树式搜索所记录的轨迹始终是一棵“树”，这棵树也就是搜索过程中所产生的搜索树。 线式搜索就是以“画线”的方式进行搜索。也就是说，线式搜索在搜索过程中只记录那些当前认为是处在所找路径上的节点和边。所以，线式搜索所记录的轨迹始终是一条线或者折线。线式搜索的基本方式分为不回溯和可回溯两种。

一般情况下，树式搜索成功后，还需再从搜索树中找出所求路径，而线式搜索只要搜索成功，则“搜索线”就是所找的路径，即问题的解。

四．逻辑的知识表示和推理

1. 谓语逻辑知识表示

当用谓语逻辑表示知识时，首先需要根据所表示的知识定于谓词，然后再用连接词或量

词把这些谓词联系起来，形成一个谓词表达式。

例：用谓词逻辑表示“所有的整数不是偶数就是奇数”

(1) 定义谓词：INTEGER(x)表示x是整数；EVEN(x)表示x是偶数；ODD(x)表示x

是奇数。

(2) 该知识表示为：（x）(INTEGER(x)--->(EVEN(x) V ODD(x))。

2. 逻辑推理的技术和算法

主要讨论自动定理证明，消解（结归）演绎推理技术与算法。消解原理是一种基于逻

辑的，采用反证法的推理方法。其实质在于采用反证的思想，把关于永真性的证明转化为不可满足性的证明，或者证明一个谓词表达式可由另一个谓词表达式逻辑地推出。

五．智能学习系统

1. 机器学习系统的定义

所谓机器学习系统是指能够在一定程度上实现机器学习的系统。是能够根据某种过程或

环境中的未知特征获取信息，改进系统性能，不断使知识库完善，可将获取的信息 未来的估计，分类，决策或控制，对环境的响应是令人满足的系统。它具有目的性，结构性，有效性和开发性等四个特征。

2. 智能学习系统的基本模型

包含4个基本组成：环境，学习环节，知识库和执行环节。其中环境和知识库是以某种

知识表示形式表达的信息的集合，分别代表外界信息来源和系统具有的知识。学习环节和执行环节代表两个过程。学习环节处理环境提供的信息，以便改善知识库中的显示知识。执行环节利用知识库中的知识来完成某项任务，并把执行中获得的信息送回给学习环节。

3. 机器学习的常用方法：机械式学习，指导式学习，示例学习，类比学习，解释学习等。

六．知识获取的新途径：数据挖掘与知识发现

1. 数据挖掘的定义：

数据挖掘（Data Mining, DM）就是采用自动或半自动的手段，对数据进行一定的处理，

从大量的，不完整的，有噪声的，模糊的，随机得实际应用数据中，发想和提取有意义的，隐含在其中的，人们事先不知道的，但又是有效的，新颖的，潜在有用的，最终可被解释的信息和知识的过程。从另一方面说，数据挖掘是从数据中自动地抽取模型，关联，编话，异常和有意义的结构。

2. 知识发现的概念：

知识发现被认为是从数据中发现有用知识的整个过程，是用数据库关联系统来存储数

据，用机器学习的方法来分析数据，挖掘大量数据背后隐藏的知识。数据挖掘被认为是知识发现过程中的一个特定步骤，它专门算法从数据中抽取模式。

七．新的知识处理方式：智能主体技术

广义的Agent 是指任何独立的能够思想并可以同环境交互的实体，包括人类，物理世界

中的移动机器人和信息世界中的软件机器人。狭义的Agent 则专指信息世界中的软件实体。Agent 是主体程序和主体结构结合的产物，它接受环境的感知序列的输入，经过推理选择适合的动作，作用于环境。

八．总结：

本学期的学习，首先让我对人工智能有了一个初步的了解和认知，明白了人工智能的概念，研究内容，所要求的基本技术以及进一步研究的途径和方法。通过前期的学习，我对人工智能不再模糊不清，而是具有了较为清晰的总体印象。

人工智能问题的求解是以知识表示为基础的。因此，只有通过对知识表示的学习，才能够达到用知识来改善程序的目的，也就是说用知识来帮助选择或限制程序搜索范围，帮助程序识别，判断与学习，使程序拥有更多的知识和智能行为。

由于人工智能所要解决的问题大部分不具备明确的解题步骤，而只能根据问题的实际情况不断寻找可利用的知识，一步一步的摸索前进，从而构造一条带代价较少的推理路线，使问题得到圆满的解决。而这一过程也就是搜索，其目的在于以尽可能低的耗费求得所需要的解。

谓词逻辑不仅可以用来表示事物的状态，属性，概念等事实性知识，也可以用来表示事 物的因果关系，即规则。其优点在于：表示自然，明确直观，精确的表示和推理，实现灵活已经知识的模块化表示。谓词逻辑表示的不足主要表现在：知识表示能力差，知识库管理困难，存在组合爆炸等。

关于机器学习，了解机器学习的概念，特征，基本模式和常用方法等，并且与人类学习做比较。借鉴机器学习的方法，相应的提高自己的学习效率，改善学习方法。在日后学习生活中，做到有目的，有结构的，有效的学习。

数据挖掘之所以能引起知识界的极大关注，其主要原因是人工智能涉及大量数据，人们把数据看做是形成知识的源泉，并且迫切需要将这些数据转化成有用的信息和知识。数据挖掘是知识发现自然演化的结果，因此在人工智能占有非常重要的地位。

智能主体（Agent）是实现知识处理系统的核心概念。Agent 的理论和技术，为分步开发系统的分析，设计和实现提供了一个崭新的途径，为解决复杂，动态，智能应用而提供一种新的计算手段，被誉为“软件开发和知识工程的又一重大突破”。

以上是我本人对人工智能（AI）这一学期课程的总结和概括，望老师审核，若有不足之处会及时改正！

参考书目：

【1】 《人工智能及专家系统》 敖志刚编著 机械工业出版社

【2】人工智能及其应用（第4版）蔡自兴主编 清华大学出版社

刘璐

0803050302

2019/6/9

本文来源：https://www.2haoxitong.net/k/doc/52dc519d8562caaedd3383c4bb4cf7ec4afeb621.html