計算機能以極快地、熟練地、準確地運算數字的機器。但是在當今世界要解決的問題並不完全是數值計算,像語言的理解和翻譯、圖形和聲音的識別、決策管理等都不屬於數值計算,特別像醫療診斷要有專門的特有的經驗和知識的醫師才能作出正確的診斷。
這就要求計算機能從“資料處理”擴充套件到還能“知識處理”的範疇。計算機能力範疇的轉化是導至“人工智慧”快速發展的重要因素。
人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。人工智慧就是研究如何使計算機去做過去只有人才能做的智慧工作。人工智慧是研究人類智慧活動的規律,構造具有一定智慧的人工系統,研究如何讓計算機去完成以往需要人的智力才能勝任的工作,也就是研究如何應用計算機的軟硬體來模擬人類某些智慧行為的基本理論、方法和技術。
以知識為物件,研究知識的獲取、知識的表示方法和知識的使用。邏輯思維,形象思維、靈感思維,標準邏輯、模糊數學,數學進入人工智慧學科,它們將互相促進而更快地發展。如何學會一些必要知識,以及如何運用學到的知識問題。人工智慧研究的開展應當改變為以知識為中心來進行。
智慧的核心是思維,人的一切智慧或智慧都來自大腦思維活動,人類的一切知識都是人們思維的產物。”“一個系統之所以有智慧是因為它具有可運用的知識。”
知識是智慧的基礎,知識只有轉化為智慧才能發揮作用,知識無限的積累,人的智慧、人工智慧以及人和智慧機器相結合的“整合智慧”。
專家系統
專家系統是依靠人類專家已有的知識建立起來的知識系統,它是在特定的領域內具有相應的知識和經驗的程式系統,它應用人工智慧技術、模擬人類專家解決問題時的思維過程,來求解領域內的各種問題,達到或接近專家的水平。
機器學習系統
研究人類學習的機理、人腦思維的過程;和機器學習的方法;以及建立針對具體任務的學習系統。由知識工程師將有關的知識歸納、整理,並且表示為計算機可以接受、處理的方式輸入計算機。使計算機本身有獲得知識的能力,它可以學習人類已有的知識,並且在實踐過程中不總結、完善,這種方式稱為機器學習。機器學習的研究是在資訊科學、腦科學、神經心理學、邏輯學、模糊數學等多種學科基礎上的。
模式識別系統
模式識別是研究如何使機器具有感知能力,主要研究視覺模式和聽覺模式的識別。如識別物體、地形、圖象、字型(如簽字)等。模糊數學模式、人工神經網路模式的方法逐漸取代傳統的用統計模式和結構模式的識別方法。 特別神經網路方法在模式識別中取得較大進展。
機器人系統
智慧和知識處理技術,提高了系統解決問題的能力,為智慧決策支援系統。由設計師預先按工作流程編寫好程式存貯在機器人的內部儲存器,在程式控制下工作。機器人第一次執行任務之前,由技術人員引導機器人操作,機器人將整個操作過程一步一步地記錄下來,每一步操作都表示為指令。示教結束後,機器人按指令順序完成工作(即再現)。配備有相應的感覺感測器(如視覺、聽覺、觸覺感測器等),能取得作業環境、操作物件等簡單的資訊,並由機器人體內的計算機進行分析、處理,控制機器人的動作。裝備了高靈敏度的感測器,因而具有超過一般人的視覺、聽覺、嗅覺、觸覺的能力,能對感知的資訊進行分析,控制自己的行為,處理環境發生的變化,完成交給的各種複雜、困難的任務。而且有自我學習、歸納、總結、提高已掌握知識的能力。
人工神經網路系統
人工神經網路是在研究人腦的奧秘中得到啟發,試圖用大量的處理單元(人工神經元、處理元件、電子元件等)模仿人腦神經系統工程結構和工作機理。在人工神經網路中,資訊的處理是由神經元之間的相互作用來實現的,知識與資訊的儲存表現為網路元件互連間分散式的物理聯絡,網路的學習和識別取決於和神經元連線權值的動態演化過程。具有一種獨特風格的資訊處理學科。