摘要：近些年來人工智能日漸引起人們的關(guān)注和重視，其在人們生活、工作、學(xué)習(xí)中發(fā)揮的重要作用是其他技術(shù)所無法取代的。為了更好地推動人工智能的發(fā)展，對其原理與應(yīng)用領(lǐng)域進(jìn)行研究分析就顯得極為重要，這是推動人工智能予以可持續(xù)發(fā)展的重要根本。

關(guān)鍵詞：人工智能；原理；應(yīng)用

一、人工智能原理淺析

1.早期的人工智能，在二十世紀(jì)五十年代至六十年代期間，許多科學(xué)家試圖通過對人的大腦結(jié)構(gòu)進(jìn)行研究，研究出類似于人體大腦的一個智能模型。在1943年提出一個較為簡單的神經(jīng)元模型，只能進(jìn)行簡單識別的神經(jīng)元模型。由于當(dāng)時神經(jīng)元實現(xiàn)技術(shù)的相對落后，使得此項模型的結(jié)構(gòu)簡單化與人的大腦結(jié)構(gòu)相差很多，最終以失敗告終。

但是在二十世紀(jì)六十年代的中后期，人工智能這一概念被提出。此時正是計算機技術(shù)快速發(fā)展的階段，計算機的出現(xiàn)為人們研究與探索人類大腦提供了便利工具，通過研究人員的艱苦奮斗、不懈努力，終于在一九九七年，制造出的機器人在與著名象棋大師進(jìn)行象棋比賽時贏得了比賽，這就表明機器人的大腦思維以及到達(dá)了一個更高的層次。雖然人工智能的實現(xiàn)路途還很遙遠(yuǎn)，但是隨著計算機技術(shù)的快速發(fā)展，相信在不久的將來會實現(xiàn)。

2.專家系統(tǒng)，專家系統(tǒng)其實是一種智能推理系統(tǒng)，以知識為基石，但是又與通用問題求解的系統(tǒng)有所差異，專家系統(tǒng)著重在于某一專業(yè)領(lǐng)域所具備雄厚的專業(yè)知識，其中包括實驗案例以及研究學(xué)家的以往經(jīng)驗與發(fā)現(xiàn)的某種規(guī)律。這樣的規(guī)律是帶有一定的啟發(fā)性能。由這些知識所組成的數(shù)據(jù)庫作為基石，讓系統(tǒng)錦上添花，讓其可以達(dá)到模擬此專業(yè)領(lǐng)域?qū)＜业男Ч?。系統(tǒng)專家基本是由三部分組成：知識庫、推理機制以及人機界面。基本構(gòu)造如圖，

其中知識庫以及推理機是此項系統(tǒng)中的核心位置。專業(yè)系統(tǒng)通過對知識庫的適時進(jìn)行篩選與提取，然后再交由退立即進(jìn)行推理，得出最終的結(jié)果，實現(xiàn)指導(dǎo)工作的目標(biāo)。由此可見專家系統(tǒng)具備以下幾點特點：第一，專家系統(tǒng)所解決是數(shù)學(xué)邏輯思維以及專業(yè)術(shù)語難以表述但也沒有恰當(dāng)?shù)乃銛?shù)算法去解決的復(fù)雜而又專業(yè)性能強的問題；第二，通過利用人工智能的技術(shù)，來進(jìn)行推理和搜索。

3.人工神經(jīng)網(wǎng)絡(luò)，人工神經(jīng)元網(wǎng)絡(luò)顧名思義就是由神經(jīng)元之間的相互連接構(gòu)成的網(wǎng)絡(luò)。網(wǎng)絡(luò)信息的處理主要是由神經(jīng)元之間的相互連接與作用而實現(xiàn)的；知識以及信息的儲存主要表現(xiàn)在網(wǎng)絡(luò)神經(jīng)元的分布式連接。其具有自學(xué)知識的能力，可直接通過對實驗數(shù)據(jù)分析而得出結(jié)論，并不是依靠于專業(yè)人士的大腦運作。

人工神經(jīng)網(wǎng)絡(luò)其自身既有好處也有缺點。優(yōu)點就是在人們面對一些復(fù)雜的多維立體非線性問題時，可以在短時間內(nèi)解決這類問題。通過人工神經(jīng)網(wǎng)絡(luò)的實踐運用，不僅僅可以解決定性的問題，還可以解決定量的問題。人工神經(jīng)網(wǎng)絡(luò)在對大規(guī)模數(shù)據(jù)進(jìn)行處理、分析以及儲存方面較為先進(jìn)；但是在對原始數(shù)據(jù)通過學(xué)習(xí)算法而建立出來的內(nèi)部知識庫，其中神經(jīng)元并不進(jìn)行信息的儲存，網(wǎng)絡(luò)的知識是通過計算機編碼存在于整個網(wǎng)絡(luò)連接模式當(dāng)中，這就使得知識表達(dá)不夠清晰。

二、人工智能的應(yīng)用

1.人工智能在軟件工程中的應(yīng)用，隨著計算機科技的快速發(fā)展以及廣泛使用，促使人工智能在日常生活中的快速發(fā)展。比如人工智能科目中的圖紙規(guī)劃來解決一些軟件工程中所面臨的問題。可以有效的提高軟件自動化。主要是通過語言規(guī)劃的方式對工程目標(biāo)以及初始狀態(tài)等各個步驟進(jìn)行詳細(xì)的表述，將其轉(zhuǎn)變成為數(shù)學(xué)規(guī)劃問題，然后在調(diào)用規(guī)劃器進(jìn)行規(guī)劃，最終獲得到此項工程的解決方案。智能規(guī)劃求解方案其實是一種抽象的求解方式，只需要將所解決的問題表數(shù)清楚，就可以對問題進(jìn)行規(guī)劃。即使規(guī)劃目標(biāo)發(fā)生更改，隨后進(jìn)行的程序都不會發(fā)成變化，只需要將規(guī)劃目標(biāo)進(jìn)行修改即可。由此可以得出，規(guī)劃方法求解過程對于模塊的修改以及系統(tǒng)的局限性有著至關(guān)重要的作用。

2.人工智能在信號處理中的應(yīng)用，近幾年來，我國的信號處理技術(shù)得到了快速發(fā)展，尤其是人工智能在信號處理中的廣泛應(yīng)用。在對信號進(jìn)行處理眾多方法之中，模糊控制處理方法使用較為廣泛。在對模糊系統(tǒng)進(jìn)行運用的過程中，隸屬函數(shù)的建立是一個至關(guān)重要的環(huán)節(jié)，他不但可以從性質(zhì)方面對模糊系統(tǒng)的相關(guān)特點進(jìn)行確定，而且可以通過量化的方式實現(xiàn)數(shù)學(xué)計算。但是，其具有很強的主觀性能，因此增大人們對其研究難度。除此之外，隸屬函數(shù)的方法表現(xiàn)在統(tǒng)計法、論證法以及專家經(jīng)驗法等方面，但是仍不能夠滿足當(dāng)前社會的發(fā)展需要。近幾年來，伴隨著科學(xué)技術(shù)的快速發(fā)展，人工智能逐漸深入到隸屬函數(shù)領(lǐng)域當(dāng)中，并取得了良好的效果，在面對復(fù)雜難以解決的問題時，提供了有效方法。

3.人工智能在故障診斷中的應(yīng)用，目前，人工神經(jīng)網(wǎng)絡(luò)成為了熱點課題。神經(jīng)網(wǎng)絡(luò)不但具有通用的逼近能力，而且還具有學(xué)習(xí)以及故障容錯的能力，因具備這些能力而被廣泛應(yīng)用到科學(xué)以及工程學(xué)的諸多領(lǐng)域當(dāng)中。神經(jīng)網(wǎng)絡(luò)它是由許多神經(jīng)元并列連接組合而成的，可以通過對外界的學(xué)習(xí)過程來獲取相關(guān)知識，并將獲取的知識儲存在神經(jīng)元自身的連接點上。其是分布式以及自適應(yīng)的。但是當(dāng)神經(jīng)網(wǎng)絡(luò)在處理較為復(fù)雜的在線故障時，就會受到嚴(yán)重影響，在這樣的情況之下，神經(jīng)網(wǎng)絡(luò)就會出現(xiàn)很多問題，例如：神經(jīng)元結(jié)構(gòu)變得復(fù)雜，神經(jīng)元的收斂速度變得緩慢等現(xiàn)象，從而導(dǎo)致不可以及時的解決這些問題。然而，若是將人工神經(jīng)網(wǎng)絡(luò)與其他的排除障礙系統(tǒng)或者技術(shù)相結(jié)合的話，就可以在短時間內(nèi)有效地解決所遇到的問題以及困難。

總之人工智能具有極為廣闊的發(fā)展前景，也必將會推動人們生活發(fā)生質(zhì)的改變。通過對其原理和應(yīng)用所進(jìn)行的分析，能夠更好地將其技術(shù)融入到各個行業(yè)之中，讓其推動社會發(fā)展，以及國家經(jīng)濟進(jìn)步等方面發(fā)揮重要作用，讓人工智能真正為人類所用。

參考文獻(xiàn)：

[1]陶九陽，吳琳，胡曉峰.AlphaGo技術(shù)原理分析及人工智能軍事應(yīng)用展望[J].指揮與控制學(xué)報，2016，2（02）：114-120.

[2]龔怡宏.人工智能是否終將超越人類智能——基于機器學(xué)習(xí)與人腦認(rèn)知基本原理的探討[J].人民論壇·學(xué)術(shù)前沿，2016（07）：12-21.

[3]王澤凡.基于人工智能的原理和方法分析[J].中華少年，2015（25）：100.

[4]何華燦.人工智能基礎(chǔ)理論研究的重大進(jìn)展——評鐘義信的專著《高等人工智能原理》[J].智能系統(tǒng)學(xué)報，2015，10（01）：163-166.

作者簡介：蘇乘龍（2000年12月），男，漢族，籍貫：四川樂山。

（作者單位：四川省綿陽中學(xué)實驗學(xué)校）