数学领域中对臆测的定理寻求一个证明或反证,一直被认为是一项需要智能才能完成的工作。
定理证明的研究在人工智能方法的发展中曾经产生过重要的影响。如,采用谓词逻辑语言的演绎过程的形式化,可以帮助人们更清楚地理解演绎推理过程。
专家系统是一个具有大量专门知识与经验的程序系统。
分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中,不但采用基于规则的推理方法,而且采用诸如人工神经网络的方法。
传统的机器学习倾向于使用符号表示知识而不是数值表示知识;另一个倾向是使用归纳方法进行学习而不是演绎方法。
传统的机器学习倾向于使用符号表示知识而不是数值表示知识;另一个倾向是使用归纳方法进行学习而不是演绎方法。
解决计算机系统能理解自然语言的问题是人工智能研究的一个十分重要的课题。
自然语言理解涉及对上下文知识结构的表示和根据上下文知识进行推理的方法和技术。
智能信息检索系统应具有以下功能:
1)能理解自然语言,允许用户使用自然语言提出检索要求和询问。
2)有推理能力,根据数据库存储的事实,推理产生用户要求和询问的答案。
3)系统拥有一定的常识性知识,以补充数据库中学科范围的专业知识。
20 世纪 60 年代,机器人开始进入大量生产和实际应用的阶段。
智能机器人是多学科交叉的综合课题,它涉及精密机械,视觉、触觉、听觉等信息传感技术,自动控制,人工智能的规划方法等。
自动程序设计是指设计一个能自动生成程序的程序系统,这个程序系统只需要对其输入要求生成的程序的实现目标的高级描述,就能自动生成能完成这个目标的程序。
分布式人工智能(Distributed Artifical Intelligence,DAI)
是随着计算机网络、计算机通信和并发程序设计技术而发展起来的人工智能研究领域。
分布式人工智能的研究为在计算机网络环境下设计和建立大型复杂智能系统提供了一条有效途径。
组合调度问题的求解方法已经广泛应用于交通运输调度、列车编组、空中交通管制和军事指挥自动化等系统之中。
「模式」(Pattern)一词的本意是指完整无缺的供模仿的标本或标识。模式识别就是识别出给定物体所模仿的标本或标识。
基于人工神经网络的模式识别技术在手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面已经有许多成功的应用。
机器视觉可分为低层视觉和高层视觉两个层次。低层视觉主要是对视觉图像执行预处理,例如,边缘检测、运动目标检测、纹理分析等
机器视觉的前沿研究课题包括:实时图像的并行处理,实时图像的压缩、传输与复原,三维景物的建模识别,动态和时变视觉等。
博弈(Game Playing)是一个有关对策和斗智问题的研究领域。例如,下棋、打牌、战争等这一类竞争性智能活动都属于博弈问题。
人工智能对博弈的研究的其目的是为给人工智能研究提供一个试验场地,对人工智能的有关技术进行检验,从而也促进这些技术的发展。
人工神经网络(Artificial Neural Network,ANN)是一个用大量的简单处理单元经广泛并行互连所构成的人工网络,用于模拟人脑神经系统的结构和功能。
其研究和应用已渗透到许多领域。如机器学习、专家系统、智能控制、模式识别、计算机视觉、信息处理、非线性系统辨识及非线性系统组合优化等。
是在数据库的基础上实现的一种知识发现系统。它通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法,从数据库中提炼和抽取知识
知识发现和数据挖掘以数据库作为知识源去抽取知识,不仅可以提高数据库中数据的利用价值,同时也为专家系统的知识获取开辟了一条新的途径。
智能决策支持系统(Intelligent Decision Support System)是指那种在传统决策支持系统中增加了相应的智能部件的决策支持系统。
智能决策支持系统由数据库、模型库、方法库、人机接口及知识库五部分所组成,可发挥专家系统在知识处理方面的特长。